🏷️ 组织架构

A2A：当 Agent 开始自己找人干活

文章探讨了 A2A 协议如何让不同框架的 Agent 实现跨系统协作，以及 Agent 进入组织所需的六项情境信息。指出光有知识和工具不够，Agent 还需理解角色、目标、规则等动态上下文。未来组织需将人治转变为 Agent 可读的结构。

Harness 时代 AI-First 的组织架构

文章探讨了从 Prompt Engineering 到 Harness Engineering 的演变，强调真正的 AI-First 需要将 AI 视为生产力主导者而非辅助工具。通过 Creao 团队的案例，阐述了如何重构组织流程以适应极高开发速度，分析了工程师角色转变、跨团队协作自动化以及 Agent 经济的兴起，指出未来的核心价值在于定义需求和结果审核。

AI 时代到底该怎么管一个工程团队

Anthropic 工程/产品负责人 Fiona Fung 分享了 Claude Code 团队在 AI 时代的工程管理实践。她指出由于代码编写成本趋零，工程瓶颈已转移至验证、评审与安全层面。为此，团队废弃了六个月路线图和繁冗的文档，转而采用即时规划和代码作为“唯一事实来源”的策略。此外，她主张组织架构应扁平化，经理必须从一线 IC 做起，并重新定义了技术辩论与人机协作的代码评审流程，强调在 AI 辅助下更应关注产品质量与团队文化的底线。

Everyone wants to be AI-pilled. Most Companies Are Still Level 1

本文通过类比自动驾驶的等级划分，提出了企业AI成熟度的六层模型（L0-L4）。作者指出，仅仅使用ChatGPT总结会议（L1）并非真正的AI原生。真正的AI原生（L3/L4）要求AI能跨职能访问系统、执行操作，并引发组织架构的根本性变革，而非仅仅是给旧流程加上“自动补全”。

干掉“人类中间件”，如何打造一家真正的 AI 原生公司？

本文基于 YC 合伙人 Diana Hu 的观点，探讨了如何构建 AI 原生公司。核心在于将 AI 从辅助工具转变为驱动公司运转的“操作系统”，通过全流程数字化构建闭环系统。文章介绍了“AI 软件工厂”模式，即由人类编写规格说明，AI 负责代码生成，从而实现“1000 倍工程师”的效率。此外，公司架构应剔除作为信息传递中介的“人类中间件”，转变为由独立贡献者、直接负责人和 AI 创始人构成的精简组织，最终追求 Token 消耗最大化而非员工人数增长。

There are no AI-native enterprises

文章探讨了为何目前尚不存在真正的 AI 原生企业。作者指出，尽管企业能利用 AI 升级产品（AI in the business），但其内部运营机制（AI on the business）仍受制于传统的组织惯性和预算体系。文章分析了企业转型的政治阻力，强调了重塑组织“内部物理定律”的重要性。

人类最后的职位：上下文耕作

文章探讨了 AI 时代企业与人类角色的根本性转变。随着“代理微公司（AMC）”的兴起，传统的层级制企业将被拥有“公司大脑”的小型团队取代。人类的核心工作不再是执行或决策，而是作为“上下文耕作者”，为 AI 提供高质量的信息环境。文章指出，构建可组合的全球性上下文基础设施将是未来的万亿美元级机会。

从层级到智能：利用 AI 重构组织设计的未来

文章回顾了两千年来组织架构从罗马军队、普鲁士总参谋部到现代企业层级的演变，指出层级结构本质上是受限于人类沟通带宽的信息传递协议。作者（Block 公司）提出了一种基于人工智能的新型组织模式：利用“公司世界模型”和“客户世界模型”取代中层管理的信息传递职能，构建由智能层驱动的智能体公司，从而大幅提升信息流动速度和决策效率，实现从“人治”向“智能治理”的跨越。