AI Native 组织观察站
追踪「把公司打造成自动升级的无人公司」这条路上，全球最优质的观点、实践、案例与工具。
第 9 期 · 2026-11-04 · 每周更新个人助理，不再只是一个
更会聊天的框
从对话走向确定性交付：上下文如何分层？Agent 如何对任务结果负责？含 Klaviyo、Harvey 案例与一套可试验的验收方法。
模型公司不只看增速，
还要看钱有没有收回来
云巨头财报后的 Anthropic 估值重算，以及 Anthropic、智谱、MiniMax 的收入质量与现金流对标。图表、假设与一手财报均可追溯。
让 Agent 不止回答，
而是把一件事做完
从个人助理到底层工作循环：目标、验证、长任务恢复与 Eval。理解 Loop 与 Graph 如何协作，把一次交付变成可控的系统进化。
基石文档：Anthropic 官方 AI Native 开发手册
六阶段产物驱动循环（intent.md → spec.md → plan.md → diff → review → incident），含全部代码示例与配置样板。这是理解 AI 原生 SDLC、把公司改造成 AI Native 组织的起点。
进入阅读中文精排版 →"OMARCHY TOOK OVER. APP STORE JUST HAD ITS FIRST REVENUE DROP IN HISTORY."
X 上一张被疯传的截图：DHH 的 Omarchy 生态席卷开发者社区，App Store 出现史上第一次营收下滑。
为什么长期挂在这里：开发者正在成批离开「应用商店分发 + 手工写代码」的旧世界，转向 agent 驱动的个人工作流。App Store 营收史上首次下挫，是「AI native 工作方式替代旧软件生态」最早的可量化信号之一——这正是我们要把公司打造成 AI Native 组织的原因。
When you're producing more than you can stand behind, you're no longer reviewing. You're hoping.
Agentic, exploratory testing is so obviously the future. Love how we're pushing this envelope with Omarchy. Plan is to be able to fully automate the flow from agentic bug fixes -> agentic PRs -> agentic QA -> agentic release.
Here, we introduce FlashProve. Building on established cryptographic techniques, FlashProve allows developers to verify whether a given response came from a given AI model.
Signing in to your company's plugins one by one is annoying, so we let Claude auto-connect to them now.
基于 DX 的 500 多家组织样本，PR 中位大小过去一年增长 122%，但用于新客户价值的工程容量占比只移动约 1 个百分点。Dropbox 的应对包括保护深度工作、把 Token 费用关联到工作项，以及把释放的时间用于长期维护。
团队把每次任务拆成「输入规格」与「输出测试」：开发者先批准规格，再批准测试并保护它不被实现者削弱。最终由新的审查上下文检查 diff，开发者决定是否合并。
团队自述在 59 分钟内将 FVCOM 海洋模型核心迁移为内存安全 Rust：先保留旧二进制的基线，再做全仓审计与蓝图，最后用 42 项测试、100 个随机种子对齐数值输出。报告 6 个旧 bug、1.88 倍加速和 54% 内存下降。
Qodo 的 Codex 插件在写代码前检索代码库规则和历史 PR，变更后由独立的审查角色返回问题。目标是在本地变更破坏跨仓库依赖时提前暴露风险；这是 OpenAI 客户案例，不是普遍缺陷下降的证明。
「绿灯」只证明它检查过的那件事。先定义什么叫验证，读实际命令输出与证据，再读 Agent 的总结；将遗漏的规则沉淀为共享配置、hook 或测试。
长期约定进入版本化指令，当前任务进入短规格，临时日志留在当前会话。不要让长对话替代可追溯的决策；不要接受「已经完成」的报告作为证据。
追踪从需求到生产的总周期、变更失败率、回滚与 PR 审查时间，以及释放出的工程时间去了哪里。许可证数量、生成代码占比和 PR 数都不是最终业务成果。
先运行旧系统并记录黄金输出，再生成架构蓝图和迁移约束，最后用测试、数值对齐与性能剖析判断结果。不是把遗留代码片段丢进聊天框。
DeepSeek Harness 的主动编码 Agent 原型：授权请求进入独立工作目录与会话，结果回到原会话；面板呈现需要人类关注的事项。
将基线发现、架构蓝图、测试、数值对齐与性能剖析封装成可复用的迁移技能。本例为海洋模型 Fortran → Rust。
跨 harness 工程系统（原名 everything-claude-code），在 Claude Code、Codex、OpenClaw 等多个 harness 上运行的统一工程配置，含 agent 性能优化系统（skills、instincts、memory、安全）。
TypeScript agent harness。DeepSeek 团队出品，强调可组合的 agent 工作流定义。
Anthropic 官方的 Agent Skills 仓库：「教 agent 怎么干活」的标准格式与参考实现。配合 skills.sh 百万注册表，skill 已是组织知识资产化的事实标准。
Agentic coding 工具的事实标准。Boris Cherny 团队的产品，也是 AI-native SDLC playbook 的工具载体。
长时程 SuperAgent harness。字节跳动出品，支持多层 agent 编排和长时间自主运行。
Claude Code 生态的 awesome 清单：hooks、skills、工具、工作流。搭建自己 agent 治理层时的素材库。
LangChain 团队的 Python harness，标准化了规划、文件系统访问、子 agent 的接口。
「最快最省」的 web agent：动态索引动作空间，每步只让模型选一个操作和一个元素编号。Google Flights 查票 7.1 秒完成。
Z.ai（智谱）开源的 coding agent harness，强调可扩展性。一线模型公司把内部 harness 公开，harness 设计成为公开竞争层。
自动对齐审计工具。Petri 原介绍发布于 2025-10-06，非本周新发布；原仓库链接现重定向到此处。
可证明推理的实验代码：让开发者验证响应是否来自指定模型。研究明确提醒，当前证明成本仍高，代码与形式协议的一致性是单独问题。