CREAO创始人Peter Pang的重磅长文：《Why Your “AI-First” Strategy Is Probably Wrong》

你以为你在做 AI-First。

其实你只是在老流程上贴了一层 AI。

这不是“方向不对”。

这是“瓶颈没换”。

AI-First 最常见的误解：把它当成工具升级

大多数团队的动作是：

工程师用 Cursor。

PM 用 ChatGPT 写 PRD。

QA 用 AI 生成测试用例。

看起来都在用 AI。

但组织的真实结构没动：需求还在排队，评审还在开会，测试还在末端。

这只能把效率抬高 10%–20%。

它叫 AI-assisted。

不是 AI-First。

Peter Pang 的观点更狠：真正的 AI-First 要从一开始就假设——AI 是主要构建者。

人类的角色不是“写得更快”。

而是“给方向 + 做判断”。

你需要重构的不是代码，而是生产线

他指出三个会“杀死”公司的瓶颈：

第一，产品管理。

当实现一个功能从“几周”压缩到“2 小时”，规划周期就成了最大约束。

你还在用委员会式文档评审，本质就是让高速公路接上乡间小路。

第二，QA。

构建快了，验证却卡在下游。

AI 两小时写完功能，QA 三天测边界 case——这是新的“效率税”。

第三，人力规模。

对手可能是你 100 倍人。

你不可能靠招聘追平。

只能靠重构追平。

这三点可以浓缩成一句话：

只要管道里有一个环节还在“人类速度”，整个系统就会被它锁死。

关键动作：先让 AI “看得见”系统

CREAO 做的第一个大手术不是写更多 prompt。

而是统一架构：单一 monorepo。

理由非常现实：碎片化代码库对 AI 是“不可见”的。

它无法跨服务推理，也无法做可靠的集成测试。

统一之后，AI 才能 inspect / validate / modify 整个系统。

这其实是在做一件更底层的事：harness engineering。

你不是在训练模型。

你是在修建一条让模型稳定产出的轨道。

真正的 AI-First：把确定性做出来

他们的工程体系里有几个关键词，值得抄作业：

可观测性。

CloudWatch 不是监控面板，是“中枢神经系统”。

日志必须结构化到 AI 能读懂，否则 AI 只能瞎猜。

确定性的 CI/CD。

每次变更都走固定管道：类型检查、lint、单测、集成测、端到端测、环境一致性检查。

不允许人工 override。

原因很简单：你要让 AI 能预测结果，能定位失败。

AI 代码审查变成“门”，不是“建议”。

质量 / 安全 / 依赖供应链，三路并行。

当你一天部署 8 次，人工逐行审查早就失效了。

闭环自动修复。

监控 → 聚类 → 打分 → 建单 → 修复 PR → 部署 → 回归验证 → 自动关闭。

这不是炫技。

这是把“软件工程”从手工业改造成流水线。

组织结构也得跟着变：Architect 与 Operator

这篇文章里最容易被忽略的点，是角色重定义。

他们把团队分成两类：

Architect：定义 SOP、定义约束、定义“好”的标准，压力测试 AI 的假设，找失败模式与安全边界。

Operator：执行与验证。AI 分解任务、生成 PR、诊断 bug；人类负责最终验收、UI/CSS 打磨、战略风险判断。

你会发现：价值从“写代码”迁移到“定义问题、设计约束、做判断”。

这和我在 wiki 里反复记录的那条趋势一致：组织里最该被替换的，往往不是专家本身，而是信息中继与流程摩擦。

换句话说，AI-First 不是“人人配 Copilot”。

而是把组织的信息路由器换掉。

最后一段狠话：别用 AI 掩盖流程债

很多公司说自己 AI-First。

但你一看：PRD 还是月度节奏，测试还是末端闸门，发布还是人肉 checklist。

你不是 AI-First。

你只是把 AI 当成了新一代加班工具。

Peter Pang 这篇长文的价值在于：它把“AI-First”从口号拉回到工程现实。

要么你把生产线重建到 AI 能稳定跑。

要么你就接受：AI 只能给你 10%–20% 的增益，然后停在那儿。

参考：https://mp.weixin.qq.com/s/s_0e-N3o5KbFakCUxqdgRg