Building the most AI-pilled engineering team in the world | Fiona Fung (Anthropic)

Anthropic 的工程管理实践揭示了一个残酷现实：AI 时代，工程师的产出暴增 8 倍，但真正的瓶颈已从“写代码”转向“验证与判断力”，只有具备“高能动性+高责任感”的创造型人才才能在这场变革中胜出。

这期内容适合所有软件工程师、工程管理者、以及正在思考如何适应 AI 时代的产品和技术负责人。值得花时间看，因为 Fiona Fung 作为 Anthropic 的工程负责人，直接管理着 Claude Code 和 Co-work 团队，她分享的不是理论，而是正在发生的真实管理实践。最值得注意的冲突是：当代码产出暴增 8 倍后，传统管理方式（人工 review、手动跟踪进度）彻底失效，管理者必须用 AI 工具来管理 AI 产出的代码，否则就会被淹没。同时，她揭示了团队中正在出现的“AI 红利分化”——拥抱 AI 的人如鱼得水，抗拒的人充满挫败感，这种分化正在加速。

这期播客的核心是探讨 AI 如何彻底改变软件工程团队的工作方式和管理模式。Fiona 作为 Anthropic 工程负责人，分享了她在管理 Claude Code 和 Co-work 团队时的第一手经验：当 AI 让代码产出暴增 8 倍后，传统工程管理中的“写代码”瓶颈消失了，取而代之的是“验证”和“判断”成为新的瓶颈。她详细介绍了自己如何用 Claude 来管理团队——包括用 AI 自动汇总反馈、生成 PR、进行代码审查，甚至用“Routines”功能实现异步管理。同时，她深入讨论了在 AI 时代，什么样的工程师能脱颖而出（高能动性+产品感+系统思维），以及如何帮助那些感到恐惧和抗拒的人。

1. 代码不再是瓶颈，验证才是：当 AI 让工程师产出暴增 8 倍后，真正的瓶颈从“写代码”转向“验证代码质量”和“判断什么值得做”。团队需要重新思考质量保证流程，而不是继续优化编码速度。

1. 管理者必须用 AI 管理 AI 产出的代码：Fiona 自己每天用 Claude 的“Routines”功能自动汇总反馈、生成 PR，甚至让 AI 自主修复一些小 bug。她认为，管理者如果不学会用 AI 工具来管理团队，就会被 8 倍的产出淹没。

1. 招聘标准已变：要么是“有产品感的创意建造者”，要么是“深度系统专家”：中间层级的“通用型工程师”价值正在被 AI 压缩。最需要的是两类人：一类是能提出好想法、有产品判断力、能端到端交付的“梦想家”；另一类是能解决 AI 搞不定的复杂系统问题的“深水区专家”。

1. 高能动性 + 高责任感 = 成功公式：在 AI 时代，最成功的工程师不是技术最强的，而是最主动、最有“代理感”的人。但 Fiona 强调，高能动性必须匹配高责任感——你有自由去尝试，但也要为结果负责。

1. 恐惧源于失控感，解决方法是找到“可控的一小步”：Fiona 用自己的亲身经历（高中时为了凑学费去当银行出纳）说明，面对恐惧和不确定性，最好的策略不是逃避，而是问自己“我能做什么？什么在我控制范围内？”然后采取行动。

1. AI 正在创造“知识鸿沟”：Fiona 特别关注小企业主，因为她看到 AI 工具（如 Co-work）能极大减轻他们的行政负担。但她担心，如果只有“AI 原住民”在使用这些工具，而其他人因为恐惧或没时间而拒绝学习，社会鸿沟会越来越大。

“代码不再是瓶颈，它提升了任何人能做的事情的天花板。现在，一切在理论上都成为可能，关键是你有多大的野心。”

这期内容对 AI 从业者最有价值的启发不是技术本身，而是“如何用 AI 管理 AI 产出的代码”这一实践。Fiona 的做法本质上是在构建一个“AI 管理循环”：用 AI 收集反馈 → 用 AI 分析趋势 → 用 AI 生成修复 → 用 AI 进行验证。这对做 AI 产品的团队来说是一个重要信号：如果你只关注让 AI 写更多代码，而不关注如何验证和治理这些代码，你很快就会被自己的产出淹没。

另一个重要启发是“Latent Demand”（潜在需求）的发现方法。Fiona 提到，Claude Code 团队发现很多非程序员也在用他们的工具，于是专门优化了 Co-work 的体验。这种“观察用户如何绕过你的产品设计去完成他们真正想做的事”的方法，对任何 AI 产品经理都是极好的产品发现策略。

最后，Fiona 关于“高能动性 + 高责任感”的团队文化，对 AI 创业团队尤其有参考价值。在 AI 时代，团队的产出速度取决于“信任但验证”的平衡——给工程师最大的自由去尝试，但同时用清晰的框架（如 spec 文件、自动化测试）来确保质量。这种文化不是放任，而是“有边界的自由”。