The Pragmatic Engineer
编码Agent虽让软件工程师产出激增数倍,却将工程交付瓶颈从需求待办推向海量PR审查与失控的Token预算,最终迫使技术团队从代码编写彻底转向系统边界验证。
AI-assisted summary of Building world-class engineering teams in the age of AI - The Pragmatic Summit — original source. Check the original for full context.
Source published:
Key ideas
- Atlassian 全面铺开内部研发智能体 Robo Dev,使得单兵工程师 PR 提交量激增 89%,工单周期缩短 42%,且 51% 的安全漏洞在提交阶段即被捕获。 (27:14)
- 智能体将工程交付瓶颈从需求待办(Backlog)顺移到了待审 PR,若盲目推行全自动审查与合并,极易堆砌出滑稽无用的“辛普森汽车”式臃肿产品。 (15:43)
- AI 时代工程管理幅度呈现扁平化重构,技术高管建议跨度按团队总人数平方根设定,且由于高管可亲自利用 Agent 快速写码,企业正转向自上而下强推智能体。 (18:27)
- 开发成本模型正经历结构性反转:弹性 Token 开销激增导致团队越高效、探索越多,云成本越高,管理者甚至被迫限制高频开发者的用量。 (29:43)
Detailed notes
## Background 本内容由 The Pragmatic Engineer 于 2026 年 2 月 24 日发布在 YouTube 平台上,记录了在 The Pragmatic Summit 峰会现场的一场高端对话。视频由 Gergely Orosz 主持,对话嘉宾为 Entire 联合创始人兼 CEO(前 GitHub CEO)Thomas Dohmke 与 Atlassian 首席技术官 Rajeev Rajan,共同探讨在 AI 时代如何构建世界一流的软件工程团队。
## TL;DR 对话深入探讨了“AI 原生”团队的真实落地状态,指出软件工程的核心正在从传统的手工编码转向智能体编排(Agent Orchestration)与系统输入输出验证。Rajeev 分享了 Atlassian 内部借助 Robo Dev 智能体实现工程师人均 PR 提升 89%、工单周期缩短 42% 的全员实践,并展现了跨职能角色边界的剧烈融合;Thomas 则以初创企业视角警示了海量生成式 PR 挤压瓶颈、失控构建出“辛普森汽车”式臃肿产品的风险,以及 Token 消耗带来的运营成本倒挂。两位技术领袖一致认为,AI 的终极价值不仅在于为企业管理层提供惊人的生产力指标,更在于彻底消除了琐碎的技术泥潭,让开发者找回了纯粹创造的乐趣。
## Atmosphere & style 整场对谈节奏明快且极具张力,兼具大厂高管的系统性视野与一线黑客的务实幽默。Thomas 与 Rajeev 之间既有关于挖角、股价波动的松弛互侃,也有关于大行 CTO 睡前派单给 Devin、自费买电脑写代码等真实细节的辛辣爆料。现场氛围在严谨的技术架构剖析与轻松会心的笑声中自然流转,最终在关于编程纯粹乐趣回归的温情共鸣中达到高潮,给人一种洗去浮躁炒作、直击工程本质的启发感。
## Bulletin - [27:14](https://www.youtube.com/watch?v=fYh1CWadxDM&t=1634s) Atlassian 全面铺开内部研发智能体 Robo Dev,使得单兵工程师 PR 提交量激增 89%,工单周期缩短 42%,且 51% 的安全漏洞在提交阶段即被捕获。 - [15:43](https://www.youtube.com/watch?v=fYh1CWadxDM&t=943s) 智能体将工程交付瓶颈从需求待办(Backlog)顺移到了待审 PR,若盲目推行全自动审查与合并,极易堆砌出滑稽无用的“辛普森汽车”式臃肿产品。 - [18:27](https://www.youtube.com/watch?v=fYh1CWadxDM&t=1107s) AI 时代工程管理幅度呈现扁平化重构,技术高管建议跨度按团队总人数平方根设定,且由于高管可亲自利用 Agent 快速写码,企业正转向自上而下强推智能体。 - [29:43](https://www.youtube.com/watch?v=fYh1CWadxDM&t=1783s) 开发成本模型正经历结构性反转:弹性 Token 开销激增导致团队越高效、探索越多,云成本越高,管理者甚至被迫限制高频开发者的用量。
## Key takeaways - [00:05](https://www.youtube.com/watch?v=fYh1CWadxDM&t=5s) AI 原生团队的核心不在于缩编或单纯追求效率,而在于思维方式转变与探索过去无法创造的新事物,核心工作全面转向智能体编排。 - [00:05](https://www.youtube.com/watch?v=fYh1CWadxDM&t=5s) 自然语言协作正在成为大规模研发的瓶颈,母语非英语的工程师在冗长 Markdown 文档中表述复杂逻辑存在严重歧义,远不如精炼的编程语言严谨。 - [05:07](https://www.youtube.com/watch?v=fYh1CWadxDM&t=307s) 软件工程瓶颈正向“代码左侧”(需求意图与规格定义)和“代码右侧”(CI/CD、发布与故障自愈)转移,中间编码的边际成本趋近于零。 - [08:35](https://www.youtube.com/watch?v=fYh1CWadxDM&t=515s) 内部智能体超越外部模型的关键在于组织上下文,Atlassian 借助追踪 PR、协作人与工单关联的“团队协作图”(Teamwork Graph)实现了更高质量的代码生成。 - [09:01](https://www.youtube.com/watch?v=fYh1CWadxDM&t=541s) 全天候待命的陪练与专家智能体抹平了分布式跨时区团队的痛点,抵消了湾区本土初创公司现场白板讨论的敏捷优势。 - [12:57](https://www.youtube.com/watch?v=fYh1CWadxDM&t=777s) 工程师职责从手写与逐行审阅代码转向对智能体输出的“验证”(verification),重点聚焦于护栏设置、系统性能与输入输出边界。 - [16:32](https://www.youtube.com/watch?v=fYh1CWadxDM&t=992s) 产研职能正在经历剧烈角色融合,产品经理转向直接通过 AI 原型构建的“产品工程师”,设计师转向“设计工程师”,非研发人员也广泛借助低代码工具实现业务自构建。 - [21:57](https://www.youtube.com/watch?v=fYh1CWadxDM&t=1317s) 大型传统机构的技术高管正在通过亲身体验 Devin 等 Agent 重获编程能力,促使开发工具选型逻辑从自下而上转变为高层强力打破合规阻力推行落地。 - [24:19](https://www.youtube.com/watch?v=fYh1CWadxDM&t=1459s) 绩效考评中管理者与员工互相利用 AI 生成与解析评语的现象毫无价值,工程团队的管理基石依然在于直率、诚实和透明沟通。 - [27:14](https://www.youtube.com/watch?v=fYh1CWadxDM&t=1634s) 长远来看,开发模式将迈向“零手动编码”,高级语言和集成开发环境(IDE)形态可能被消解,转由声明式意图驱动底层的“AI JVM”自主运行与自愈。 - [29:43](https://www.youtube.com/watch?v=fYh1CWadxDM&t=1783s) 智能体消除了环境报错配置与机械单元测试的折磨,让工程师重拾纯粹创造的快感,这一内在乐趣远比资本市场的效率指标更能打动一线开发者。
## Detailed walkthrough ### [00:05](https://www.youtube.com/watch?v=fYh1CWadxDM&t=5s) 重新定义“AI 原生”团队:生产力跃迁还是泡沫?
主持人 Gergely Orosz 在开场中提到,峰会筹备始于五个月前,当时设想 AI 只是探讨议题之一,但如今 AI 已经无处不在。对谈嘉宾包括 GitHub 前 CEO、初创企业 Entire 联合创始人兼 CEO Thomas Dohmke,以及 Atlassian 首席技术官(CTO)Rajeev Rajan。面对“AI 优先(AI-first)或 AI 原生(AI-native)团队究竟意味着什么”的核心提问,两人给出了不同维度的观察。
Rajeev 首先分享了大型企业内部的演进实践。他指出,迈向 AI 原生首先是“思维方式(mindset)的转变”。虽然 Atlassian 仍有部分团队在处理传统系统并保留手工编码,但已有相当数量的团队全面转向 AI 原生运作——在这些团队里,工程师几乎写“零行代码”,日常核心工作全面转向智能体编排(orchestration of agents)。更深层的组织变化是产品经理(PM)、设计师与工程师之间的界限正在迅速模糊,PM 和设计师也开始借助 AI 直接编写代码。
在效率与产出方面,Rajeev 观察到团队规模并未收缩,但产出却实现了数倍增长: - 产出效率激增:部分团队的产出达到原本的 2 倍甚至 5 倍(2x, 5x)。 - 创造力大幅跃升:团队能够通过上传界面截图直接生成现代 UI,沟通层级与链路被极度压缩。 - 驳斥缩编论调:Rajeev 明确表示:“I find that the discussion about using AI to produce more efficiency and maybe smaller teams and fewer engineers is missing the point. It's more about what can you create now with AI that you could not create before. And how can you be that much more productive? And how can you have that much more joy?”(我认为讨论用 AI 换取效率、缩小团队规模或减少工程师数量完全抓错了重点。核心在于你现在能用 AI 创造出哪些过去做不到的东西,以及你如何能大幅提升生产力并获得更多工作的乐趣。)
```mermaid flowchart LR accTitle: AI 原生团队的跨角色演进 accDescr: 展示产品经理、设计师和工程师如何通过智能体编排共同驱动产出与创意提升
subgraph Roles["角色边界融合"] PM["产品经理 (PM)"] DES["设计师 (Design)"] ENG["工程师 (Engineering)"] end
subgraph Core["核心驱动"] AGT["智能体编排 (Agent Orchestration)"] end
subgraph Outcomes["团队产出与价值"] OUT["2x - 5x 产出跃迁"] CRT["更高维度的产品创造力与工作乐趣"] end
PM -->|"直接生成代码"| AGT DES -->|"截图/意图转 UI"| AGT ENG -->|"零行手工编码/编排"| AGT AGT --> OUT AGT --> CRT ```
Thomas 则以技术发展史的视角审视“AI 原生”这一标签。他将当前的语境类比为当年的“云原生(Cloud Native)”:2008 年 GitHub 刚成立时压根没有这个词,它是业界在看到大量企业重构部署与系统架构后才被总结出来的后验概念,如今的 AI 原生也同样处于极早期的演化雏形中。Thomas 用自己 13 岁和 11 岁儿子的经历说明代际变迁——两个原本沉迷《我的世界》(Minecraft)的孩子,某天回家展示了手机屏幕上用 Adobe Firefly 生成的小狗壁纸,并理所当然地表示“学校里大家都在用”。对新一代人而言,调用智能体就像老一代人使用 Google 搜索一样自然。
然而,作为刚宣布新创业项目的创始人,Thomas 毫不留情地打破了播客里常见的光鲜滤镜:现实中充斥着太多虚构的吹嘘。他坦承自己的大部分精力依然被繁琐现实缠身:配置 HR 系统、处理月末账目结算、填写董事责任险(D&O 险)的纸质长表——没有任何智能体能接盘这些脏活。随着新公司 Entire 正式官宣,他一天内收到数百封投资者追加种子轮额度的邮件,以及自称“全球顶尖、拥有 12 年经验”的求职邮件。Thomas 感叹,他急需一个能帮他既体面礼貌回绝、又能让他专心闭门造车的智能体。
对于软件开发团队的现状,Thomas 提出了一个关键技术挑战: - 协作语言的鸿沟:当前依赖让工程师在庞大的 Markdown 文件上进行自然语言协作的做法堪称“噩梦”。 - 自然语言的模糊性:传统编程语言精炼至大约 20 个关键字,所有人都能无歧视地对齐标准;但当来自德国、西班牙、印度、中国等母语非英语的工程师必须用非母语去细致描述复杂功能意图时,自然语言反而构成了极大的理解阻力。
---
[05:07](https://www.youtube.com/watch?v=fYh1CWadxDM&t=307s) 工作流剧变:远离具体代码与“代码左右两侧”的重构
谈到日常开发工具与具体工作流程的变化,Thomas 总结道:最根本的变革在于很多从零开始(greenfield)构建项目的开发者开始强迫自己“完全不去看代码”。这一趋势正在横扫行业,无论是在 GitHub、Atlassian、Thoughtworks 还是 Block,求职面试中的优秀开发者都在刻意弱化对代码逐行的依赖,而是通过提示词工程、意图表达(invoicing intent)和推理过程来驱使工具达成目标。
在此处,现场出现了一段充满张力的打趣互动。Thomas 提及他面试了包括 Atlassian 在内的多家大厂员工,Rajeev 笑着插话提醒他“别在这儿当面挖角(Easy with the poaching there)”。Thomas 随之调侃反驳是人才主动找上门,并提到其初创公司 Entire 有约三分之一团队是澳大利亚人,其中一位联合创始人还是他当年在东柏林的同窗(后移民澳洲)。他打趣称澳大利亚媒体在报道他们创办新公司时,还不忘顺便调侃 Atlassian 近期下跌的股价,Rajeev 则幽默回应那都是“伤心事(all the sad stuff)”。
回归严肃的技术探讨,Thomas 深刻指出,不仅写代码在脱离人工,代码审查(Code Review)模式也正在被颠覆: - 消除审查瓶颈:逐行阅读代码将成为日益严重的工程瓶颈。开发者正在转向 Cursor 类似的工作流,由自动化工具直接定位缺陷。 - 智能体直接对撞:Thomas 提出:“let's just have the code review bot or agent work with the coding agent, why do we need the human in the middle of that?”(何不直接让审查代码的机器智能体与编写代码的智能体直接对接干活,为什么非要让人类夹在中间充当传话筒?) - 人的角色跃升:人类并没有被取代,而是从机械的键盘输入者被提升为“掌控和驾驭这些智能体的主人(masters of these agents)”。
```mermaid flowchart TD accTitle: AI 原生软件开发生命周期 (AI-Native SDLC) accDescr: 展示从代码左侧的规划构思、中间的智能体实现,到代码右侧运维自动化的全链路布局
subgraph LeftSide["代码左侧 (Left of Code)"] direction TB L1["Confluence 意图描述与规格定义 (Spec)"] L2["产品导向工程师 (Comments / Prompts)"] end
subgraph Center["代码实现与审查 (Implementation)"] direction TB C1["代码编写智能体 (Coding Agent)"] C2["审查智能体 (Review Agent / Cursor Backboard)"] C1 <-->|"智能体间直接交互闭环"| C2 end
subgraph RightSide["代码右侧 (Right of Code)"] direction TB R1["CI/CD 自动化流水线"] R2["智能体处理故障 (SEV) 与部署监控"] end
LeftSide -->|"零成本实现驱动"| Center Center --> RightSide ```
针对工作流工具链,Rajeev 提出了“代码左侧”与“代码右侧”的全景框架。他指出,随着编写和实现代码的边际成本趋近于零,工程瓶颈已彻底向两端转移: - **代码左侧(Left of Code - 规划与规格制定)**:重构意图与 Spec 的输入环节。Atlassian 深度使用 Confluence 作为抓手,产品导向型工程师在其中留下高维度的功能描述与评论,智能体自动读取这些上下文并进入自主迭代闭环(loop)来解题。 - **代码右侧(Right of Code - 交付与运行保障)**:覆盖标准的 CI/CD、部署、故障(SEVs/Incidents)排查与自动处置。 - **AI 原生 SDLC 全景**:从最初的创意构想、规格定义、代码生成,一路贯穿到测试、发布与生产环境监控。
在此背景下,Rajeev 首次透露了 Atlassian 内部打造的核心基础设施——**Robo Dev**。Robo Dev 不仅是一个单纯的内部编码智能体,更是贯穿 Atlassian 整个 AI-Native SDLC 的平台品牌,全面覆盖从代码审查、CI/CD 到线上故障处置的全过程。在技术底层上,Robo Dev 基于 Anthropic 的前沿大模型进行构建,并在业内标准的 SWE-bench 软件工程基准测试中展现出极具竞争力的表现。
[08:35](https://www.youtube.com/watch?v=fYh1CWadxDM&t=515s) 上下文与“团队协作图”:让内部智能体超越外部模型的关键
主持人问及 Atlassian 内部的研发智能体(Robo Dev)在使用底层基础模型时,为何能够表现得甚至优于外部的 Claude Code。对此,Rajeev Rajan 指出,这一切的核心秘诀就在于“上下文”(context)。智能体展现出的能力上限,完全取决于向它灌输的背景信息有多丰富。
在 Atlassian 内部,团队构建了所谓的“团队协作图”(Teamwork Graph)。该图谱能够精确追踪组织内部的协同关系与业务背景——例如 Thomas 在处理哪一个 Pull Request(PR)、与谁协作、对应的 Jira 任务工单(Issue)是什么。正是这种深层组织上下文的注入,使得内部智能体 Robo Dev 在生成和提交 PR 时,能够产出质量远超通用模型的代码方案。
- “Agents are as smart as the context you give and in Atlassian, we have built what is called the teamwork graph, which is, you know, who does Thomas work with on which PR, on which issue in Jira and that context really helps Robo Dev do a much better job with the PRs that produces.” —— Rajeev Rajan
---
[09:01](https://www.youtube.com/watch?v=fYh1CWadxDM&t=541s) 分布式团队与 AI:打破时区孤岛,拉平与湾区办公室的差距
针对初创团队采用跨时区分布式办公这一反常态的做法,主持人向 Thomas Dohmke 抛出疑问:早期初创公司通常提倡所有人挤在一个房间里即兴碰撞,Entire 为何反其道而行之,这是否与 AI 的兴起有关?Thomas 坦言,这关乎个人对工作方式的选择与幸福感。他热爱旅行,也享受团队分布在澳大利亚、德国、西班牙、里斯本、英国以及美国各个时区所带来的“全天候 24/7 覆盖”。
然而,远程办公最大的痛点在于孤立与无助——不仅是物理上的孤单,更是在遇到技术卡点时“没人能立刻回答问题”。在线下办公室中,你可以一眼看出同事是否在摸鱼发帖,随时上前搭话;如果对方正在开会,你也不会冒失地闯入会议室索要代码审查。如今,AI 智能体彻底补齐了这一短板。它们成为了全天候待命的“陪练伙伴”(sparring partners)与各领域专家,无论是构思架构决策记录(ADR)、排查难题,还是在周末紧急准备产品上线时让 Cursor Composer 自动生成 React 的 Cookie 政策页面,智能体都能在数秒内响应。这种随时可用的代码审查、编码、头脑风暴与调研智能体,让远程团队在交接与维护开源社区、Discord 互动时发挥出时区轮转的巨大优势,抹平了旧金山本土 AI 初创公司重返办公室后所建立的白板讨论优势。
Rajeev 也深有同感。Atlassian 早在疫情之前就全面推行分布式协作,其产品形态天然服务于分布式团队。虽然公司推行名为“Team Anywhere”的政策(在全球设立办公室,倡导有意识的线下相聚,但不强制坐班),但他深知以往分布式编程的痛苦:过去凌晨两点在办公室遇到阻塞,工程师只能硬着头皮反复读源码;而现在,智能体不仅能随问随答、透彻讲解,甚至能直接代劳编写代码。
- “First of all, I want to say, you know, I I'm a strong believer of everybody needs to find their own happiness, right? And that's just similar to the relationship that you have in your personal life, it's the same with the relationship that you have with your company.” —— Thomas Dohmke - “And I think agents basically gave us these sparring partners, these experts that I can just ask and say, 'Hey, I want to brainstorm on this topic. I need to write an ADR or like solve a problem.'” —— Thomas Dohmke - “I remember the days when I was in the office at 2:00 a.m. writing code and you get stuck. And all you can do is like read the code and read the code more until you understand it and figure it out. Uh well, now you can ask an agent and the agent can explain it for you or even better do the code for you.” —— Rajeev Rajan
---
[12:57](https://www.youtube.com/watch?v=fYh1CWadxDM&t=777s) 工程师角色与所有权的转移:从手写代码转向验证与护栏
谈及软件工程师与工程管理者角色的演进,Rajeev 阐述了 Atlassian 的观察与战略。当前所有权的核心正在发生迁移:原本以代码为主的交付产物,正转向 Confluence、Jira 以及通过视频表达意图的 Loom。团队将视频中蕴含的大量真实意图与思考沉淀输入给智能体,以生成更高质量的下游成果。因此,所有权不仅没有缩水,反而对最终责任提出了更高要求——以往耗费大量精力的代码审查,正在变为对智能体输出成果的“验证”(verification):如何定义护栏?输入与输出边界是什么?这些成为了衡量系统可靠性的新重心。
在团队架构层面,Atlassian 并没有立即采取激进的人员削减措施,而是把焦点放在如何利用组织形态释放更多创造力。虽然在某些零手动写码的实验项目中观察到了 10 倍乃至 100 倍的生产力提升,但这需要全新的代码仓库设计与规则约束。AI 原生模式在全新项目中如鱼得水,然而面对积累深厚的遗留代码库(legacy code base)时,当前智能体仍难以直接驾驭高度复杂的任务,这也意味着对传统架构的改造无法操之过急。
- “Instead of like a lot of code reviews and trying to understand good, which you still have to do, but the agents help you, it's about verification, right? What are the guardrails? What are the inputs and outputs that you want to verify that so that you know that the AI code is good and that the agents have done a good job.” —— Rajeev Rajan - “We're not going down the path of saying, 'Oh, let's do it, you know, with fewer people necessarily.' That's not the biggest angle. In some cases we do find 10x even 100x more productivity and we then reshape the team for that. But our angle is more how do you unleash more creativity and how do you do more?” —— Rajeev Rajan
---
[15:43](https://www.youtube.com/watch?v=fYh1CWadxDM&t=943s) 堆积的“辛普森汽车”:研发瓶颈从需求待办向 PR 挤压的转移
Thomas 借用生动的家庭生活比喻切入研发流程的变化:单身时周六早晨总是充满美好憧憬与规划,而一旦成家有了孩子,周末所有设想都会被家庭现实彻底打乱。软件工程项目亦是如此——人们过去把无数点子写进待办列表,随后堆进 Linear 的 backlog 里;待办越堆越长,直到有人彻底清空重来,接着相同的想法再度被提出。
引入智能体之后,这一死循环并没有彻底消失,而是被“向右推了一步”。团队把所有待办一股脑喂给智能体,智能体不知疲倦地生成所有代码,直接导致系统的瓶颈从“需求待办列表”顺移到了“待合并的 Pull Request 列表”。面对铺天盖地由机器生成的 PR,人工审查根本无法招架。Thomas 幽默地警告:如果接下来顺理成章地引入智能体来代为审查、自动合并和自动部署,整个系统最终拼凑出来的产物,只会是《辛普森一家》里那辆脱离实际、滑稽堆砌的“霍默·辛普森汽车”(Homer Simpson car)。
```mermaid flowchart LR accTitle: "AI 时代工程交付瓶颈转移图" accDescr: "展示需求待办如何经由智能体生成代码后转化为 PR 拥堵,并最终指向缺乏把控的臃肿产品"
subgraph Ideation["需求与输入阶段"] A["无限堆积的想法/待办"] --> B["输入编码智能体"] end
subgraph Bottleneck["新出现的工程瓶颈"] B --> C["海量自动生成的 PR"] C --> D["人工审查严重过载"] end
subgraph Extreme["全自动化的潜在恶果"] D -.->|"自动审查与自动合并"| E["失控拼接的产品: 霍默·辛普森汽车"] end ```
- “And what we're now doing with agents, we're shifting this one step to the right where we just feed all of that into agents, and agents write all of the code, and now you have your backlog in your pull requests. And that's the bottleneck now because you can't review all of that.” —— Thomas Dohmke
[16:32](https://www.youtube.com/watch?v=fYh1CWadxDM&t=992s) 角色融合与“人人皆是构建者”的新时代
讨论从产品构思缺乏克制的风险切入。如果缺乏严谨的流程、创造力和专业的产品管理,天马行空的想法堆砌起来,最终造出的产品就会像《辛普森一家》里荷马·辛普森设计的那辆灾难性汽车一样,塞满了无用功能。正因如此,团队依然需要产品经理、设计师和工程师通力协作,去精心架构真正卓越的产品——毕竟在现实中,挑出一款糟糕的产品总是比找到一款优秀的产品容易得多。
与此相伴的是传统研发职能之间正在发生剧烈的角色融合(Role Collapse)。产品经理正在蜕变为“产品工程师”(Product Engineer),设计师正在演变为“设计工程师”(Design Engineer),而软件工程师依然深耕于工程本质,三者在韦恩图上的重合面积大幅扩张。现在不少公司甚至已经明确要求产品经理必须使用 AI 编程 Agent 去构建可运行的原型,而不是写完一份需求文档就丢给下游。这种转变不仅限于产研团队,市场营销人员、公关团队以及行政助理也在广泛使用 Lovable、Replit 等工具来自动化自己的日常工作。这给企业提出了新的管理课题:IT 部门究竟是要像《凤凰项目》(The Phoenix Project)里那样扮演阻碍所有人上线的“恶人”,还是组织应该找到一种兼顾安全与可信的机制,让每名员工都成为构建者。正如源自荷兰东印度公司的商业哲学所揭示的——团队紧密协作的力量远大于各自为战的个体。
```mermaid flowchart TD accTitle: 角色融合与全员构建模型 accDescr: 展示传统产品、设计与工程角色向新型工程师角色的融合,以及非研发人员借助AI工具直接构建的演变过程。
subgraph Roles["产研角色演进"] PM["传统产品经理 (PM)"] --> PE["产品工程师 (Product Engineer)"] Des["传统设计师 (Designer)"] --> DE["设计工程师 (Design Engineer)"] SWE["传统软件工程师"] --> SWE2["核心软件工程师 (Software Engineer)"] PE & DE & SWE2 --> Prototype["端到端快速原型与交付"] end
subgraph Org["跨职能自主构建"] Biz["市场 / 公关 / 运营人员"] --> Tools["AI 工具 (Lovable / Replit)"] Tools --> Auto["流程与业务自动化"] end
subgraph Challenge["组织治理挑战"] Prototype & Auto --> Sec["安全与可信护栏 vs IT 部门审批阻碍"] end ```
[18:27](https://www.youtube.com/watch?v=fYh1CWadxDM&t=1107s) 技术主管重返编码一线与管理幅度的重构
当主持人问及工程主管(Engineering Leaders)的角色将如何演变时,Atlassian 首席技术官 Rajeev Rajan 指出,对于包括他自己在内的技术管理者而言,眼下最令人兴奋的事情就是能重新写代码了。Rajeev 分享了一个生动的细节:在过去的假期里,因为公司 IT 策略的限制无法随意安装软件,他索性自己跑到 Apple Store 自掏腰包买了一台个人笔记本电脑,安装了 Claude Code,写了一堆 Python 脚本和应用程序。对于骨子里热爱写代码、对代码质量要求极高的人来说,过去要抽出时间按传统流程完整开发一个新功能几乎是不可能的;但如今借助内部的 Robo Dev 和各类外部 Agent,他可以极快地在黑客松中交付成果。过去管理者随着职级攀升往往会与一线代码脱节,而 AI 正在迅速弥合这种断层。
与管理者重回一线相伴随的是团队管理幅度(Span of Control)的结构性巨变: - **扁平化与管理幅度扩张**:传统的倒退型组织结构要么是层层汇报的二叉树,要么是每人仅管理 3 到 5 人的臃肿层级。Rajeev 提倡的理想形态是管理幅度取团队总人数的平方根(例如 400 人的工程团队,开平方后是每层 20 名直属下属,仅需两层管理架构)。他提到行业内已经出现明显趋势,比如 Thibault 拥有 33 名直属下属,而英伟达的黄仁勋(Jensen Huang)更是管理着 40 到 50 名直属下属。 - **职业路径的选择**:面对 2020 至 2022 年前那种从工程师到资深工程师、再顺级晋升至技术主管、总监的刻板晋升天梯,Rajeev 回忆起自己初入职场时得到的建议:“‘别当管理者。’”(Rajeev Rajan 原话:“Don't be a manager.”)。他本人在职业生涯早期一直抗拒转管理,直到后来发现身边做出的决策自己完全无法理解,才探出头来看看究竟发生了什么,进而“加入了黑暗面”。 - **实干家的时代**:对于纯粹沉迷于空谈战略和管理话术的人,未来的生存空间正在缩窄。Rajeev 强调:“对于工程师来说,现在真是一个美好的时代,去写代码、用好 Agent、把前沿技术搞透就行。”(Rajeev Rajan 原话:“For engineers like, I mean, it's it's it's a great time to be alive, right? I would just write code, use agents, figure this out, do all all the advanced, you know, cutting edge stuff.”)
[21:57](https://www.youtube.com/watch?v=fYh1CWadxDM&t=1317s) 顶层重塑:从初创公司优势到银行 CTO 的“夜班 Agent”
针对前述讨论,Thomas Dohmke 梳理了三个核心观察:
首先是一个幽默而犀利的融资建议。初创公司创始人在面对投资人关于“大厂如果抄你们该怎么办”的质疑时,最好的反击论据就是:“去告诉他们,Atlassian 的 CTO 甚至得自费买笔记本电脑才能开始写代码。”这极具讽刺意味地证明,即便是一家专门研发敏捷协作工具、相对灵活敏捷的大型科技公司,其内部繁冗的合规与 IT 限制也常常无法在 5 分钟内支持新技术的探索,而这正是初创团队的核心壁垒。
其次是过去两年中,Copilot、Cursor 和 Devin 等编码 Agent 对传统大型企业高管层带来的自上而下的认知颠覆。许多跨国大型银行的 CTO 和 CIO 过去常常被内部繁琐的依赖包安装和系统环境问题劝退,如今却发现自己能重返编程: - 有大行 CTO 朋友向 Thomas 透露,他们现在每晚睡前都会给 Devin 派发一个研发任务并嘱咐:“Devin,把这个做出来。”次日清晨上班时,直接检查 Agent 的产出并提出反馈,白天则照常处理大行高管的日常事务。 - 连续两周保持这种工作流后,这些高管意识到整个研发组织必须被彻底改造。过去以 Twilio 创始人为代表倡导的是“问问你的开发者”(Ask your developer)这种自下而上的工具选型逻辑;如今则是技术高管亲自挽起袖子下场编码后,带着对生产力质变的确信走入管理层会议,以极其强硬的姿态打破阻力:“‘我不想听任何借口,我们必须全员推行 Agent。’”(Thomas Dohmke 转述大行 CTO 原话:“I don't want to hear any excuses. We're going to roll out agents.”) - 这种自上而下的意志直接冲破了以往 CISO(首席信息安全官)的顾虑以及开发者不得不通过 Citrix 远程桌面写代码的陈旧架构。与其他软件技术相比,Agent 的落地速度打破了历史纪录——要知道很多德国和日本企业至今都因为法务与安全合规团队的担忧而迟迟没有上云。
最后,在谈到领导力与管理的本质时,Thomas 回顾了自己的转型经历:他第一次真正意义上成为一名“管理者”,是在自己的初创公司被微软收购之后;在此之前,作为一家 10 人初创公司的 CEO,根本算不上真正的管理,自己只是团队十人中的一员,充当代言人、兼顾算工资和给客户讲标,直到进入大公司体系,才真正直面系统化招募与管理人员的挑战。
[24:19](https://www.youtube.com/watch?v=fYh1CWadxDM&t=1459s) 绩效评估的 AI 互搏与“直面开发者”的管理哲学
Thomas Dohmke 以轻松幽默的口吻分享了技术管理中最繁琐的日常事务:写职位描述、面试以及撰写年度绩效考评(Performance Review)。他提到自从 ChatGPT 问世后,许多工程主管开始借助它来起草绩效反馈,而员工端同样使用 AI 来生成自评。在微软这种体系内,员工需要填写大约七个输入框的内容,经理则需要逐一进行反馈。如果主管图省事写上一句“我同意你的看法”,员工往往会觉得敷衍不满。主持人随即调侃这种现象:“你就直接靠 ChatGPT 把系统给‘黑’了?那员工反手就说:‘把你的 Prompt 要点发我就行,至少能让我看出来你是怎么调教 AI 的。’”全场笑声一片,主持人甚至打趣问 Thomas 是不是就揣着这种心态一路做到了 GitHub 的 CEO。
Thomas 顺着这个话题,提到了他在 GitHub 始终坚守的核心准则:“开发者优先”(Developers First)。在后场休息室时,大家还开玩笑说下一届活动干脆改名叫“教条峰会”(Dogmatic Summit)。但对技术团队而言,直率和诚实是无法替代的。技术人员极其反感企业公关式的官腔与修辞,无论是在 Hacker News 上对官方博客的严厉审视,还是在工程经理与团队的日常沟通中,开发者需要的是完全透明的大实话。用 AI 花上一小时精心修饰一段客套的考核评语,员工转头丢进 ChatGPT 解析“Thomas 到底想表达什么”,这种两头耗费精力的“AI 对抗”毫无意义。Thomas 强调,健康的管理应当建立在诚实与信任的基础上,就像家庭关系一样,管理者再也无法靠表面包装成“老好人”来逃避团队内部真正的顽疾。
> “Developers first is what what we always said at GitHub for everything we design for every process for the marketing.” —— Thomas Dohmke
> “Like your team knows exactly whether you're talking straight to them and giving them the truth or whether you're sugarcoating that they actually are doing so well and you're kind of like trying to tell give them the message that you either improve or you get the out, right?” —— Thomas Dohmke
> “And I think that is going to shift because you can no longer cheat your way as a people manager into being the nicest manager of everybody while in reality uh you're you're having uh you're you're struggling with all the problems in your team.” —— Thomas Dohmke
---
[27:14](https://www.youtube.com/watch?v=fYh1CWadxDM&t=1634s) Atlassian 的 Agent 落地现状与“零手动代码”愿景
当被问及团队当前的重大转变以及对下一年的预期时,Atlassian 的 CTO Rajeev Rajan 明确指出,最大的变化来自于 Agent 编程(Agentic Coding)。在 Atlassian 内部,内部编码助手 Robo Dev 已经实现了全员工程团队的普及。借助这些 AI Agent,Atlassian 的交付管道迎来了大幅效率跃升:工程审查中的自动化比例稳步攀升,每位工程师提交的 PR 数量激增了 89%,工单流转周期(Issue cycle time)缩短了 42%,更有 51% 的安全漏洞在提交阶段直接被 Agent 捕捉识别。涵盖 DORA 在内的多项研发产出指标均呈现全线改善。
不仅如此,跨职能协作的链路也因 AI 重构。产品经理(PM)开始使用 Replit 等轻量级工具直接做功能原型,这使得他们交付给研发团队的产品需求文档(Specs)具备极高的可用性与明确度,极大削减了工程落地的理解摩擦。展望未来,Rajeev 提出了更为激进的技术演进路线:开发模式将逐步演化为“零手动代码编写”(Zero lines of manual coding)。人类工程师将不再逐行审阅机器产出的代码差异,而是把重心迁移到系统边界的输入输出验证,聚焦在安全基线、系统可靠性与性能标准上。往更长远(例如两年以上)看,像高级语言与集成开发环境(IDE)本身的存在意义也可能被消解,取而代之的可能是一种原生的“AI JVM”,开发者仅需声明高阶意图,底层的实现与自愈均由模型底层自主驱动。
> “PRs per engineer have gone up 89%. Issue cycle time has gone has gone down 42%. 51% of security vulnerabilities are now caught through agents.” —— Rajeev Rajan
> “I think we will get to the point where we just trust the code reviews done by the agents and not have to have too much human review over that.” —— Rajeev Rajan
> “I think we move towards more verification of inputs and outputs to see the system performing according to the right security reliability performance bars, less about inspection of code.” —— Rajeev Rajan
```mermaid flowchart TD accTitle: Atlassian 研发流在 Agent 时代的演进架构 accDescr: 展示产品经理、AI Agent 与工程验证在零手动代码模式下的协作流程
subgraph Design ["需求与原型阶段"] PM["产品经理 (PM)"] ReplitProto["Replit 可交互原型与精准 Spec"] PM -->|"快速生成"| ReplitProto end
subgraph AgentExec ["Agent 编码与执行"] RoboDev["Robo Dev 内部 Agent 集群"] AutoPR["全自动代码生成 & 差异提交 (PR)"] ReplitProto -->|"输入高阶意图"| RoboDev RoboDev -->|"驱动 PR 上升 89%"| AutoPR end
subgraph QualityGate ["质量与安全控制"] SecCheck["自动拦截 51% 安全漏洞"] OutputVerif["输入输出基准校验 (可靠性/性能)"] AutoPR --> SecCheck SecCheck --> OutputVerif end ```
- **全员普及**:Atlassian 所有工程师均已将内部工具 Robo Dev 融入日常编码流。 - **PR 爆发式增长**:单兵工程师提交的 PR 数量实现了 89% 的巨幅提升。 - **交付周期压缩**:缺陷与工单的处理周期缩短了 42%。 - **安全左移**:51% 的系统安全脆弱性由 Agent 在早期阶段直接拦截。 - **产研链路重构**:产品经理借助生成式工具编写高完备度 Spec,消除了传统产研交接间的语义鸿沟。
---
[29:43](https://www.youtube.com/watch?v=fYh1CWadxDM&t=1783s) Token 成本爆炸与编码乐趣的复兴
Thomas Dohmke 从 CEO 和公司全局运营的视角补充了两个极其剧烈的转变。首先是技术团队成本结构的倒挂:传统技术主管面对的是固定的运营支出(OpEx)模型,开销主要由工资福利、差旅和基础设施组成;然而引入 AI 编码后,不可预期的 Token 消耗量让用云成本急速攀升。讽刺的是,开发者产出越高效、探索的功能越多,产生的 Token 费用就越让人难以承受。为了避免吞噬公司跑道(Runway)或超额,大型企业的工程管理者甚至不得不去遏制高频开发者的用量,面临着“要么为了省成本少做功能”的怪圈。这种动态成本核算正在对工程管理与财务预算机制提出前所未有的挑战。
另一方面,积极的变化则是编程的纯粹乐趣彻底回归了。Thomas 回忆起自己 1990 年代初在一台 Commodore 64 以及后来的奔腾(Pentium)电脑上自学编程的经历:当年遇到难题只能翻书,社区电脑俱乐部一周才开一次,遇到死结只能带着挫败感去睡大觉,祈祷第二天早起灵光一现。后来有了互联网与技术论坛,技术检索变得相对方便,而如今遭遇恶心的环境报错或 NPM 构建失败时,只需三秒钟把终端报错丢给 Agent 就能秒级排障。工程师不再需要承受写单元测试等机械重复工作的折磨。Thomas 还分享了他一个月前受邀前往 OpenAI 参加闭门预览的趣事,在签署保密协议后体验了尚未公开发布的 Codex Mac 原生应用,他在完全没手写一行 SwiftUI 代码的情况下,一口气构建了三个原生的 macOS 应用(包括以往在 Xcode 中隐藏 Dock 图标、仅常驻顶栏极其繁琐复杂的菜单栏 Menu Bar 应用)。AI 消除了繁文缛节,让开发者重新体验到了纯粹创造的快感。
> “All of a sudden we have flexible token costs and the more productive you had all these impressive statistics, the more productive your developers are, the more your costs are going through the roof and you actually create an inversion where you have to slow down some developers because they're burning so many tokens...” —— Thomas Dohmke
> “Coding is fun again and it brings us back to when we learn coding. I think what agents have done is it brings us back to the joy of coding...” —— Thomas Dohmke
> “I built three native Mac apps like in Swift UI without ever looking at the code, right?” —— Thomas Dohmke
[32:50](https://www.youtube.com/watch?v=fYh1CWadxDM&t=1970s) 重拾编程乐趣:从企业效率到开发者的纯粹热爱
在谈及 AI 为软件开发带来的深远影响时,讨论回归到了工程师最本真的初心。在以往的传统开发流程中,往往在工程师费尽周折终于让第一个 Build 成功运行起来的时候,最初迸发的灵感和兴奋感早已经被漫长的配置与等待消磨殆尽。如今 AI 带来的变革彻底改变了这一现状:无论是在业余爱好项目(Hobby Projects)中快速验证想法——而正是这类个人项目最初点燃了大家投身软件工程行业的热情——还是在像 Atlassian、Entire 或 GitHub 这样的企业日常工作中推进大型系统,这种快速把创意转化为现实的流畅体验都极其震撼。
讲者尖锐地指出了效率指标与工程师内在体验之间的区别:对于企业高管和资本市场而言,人效和生产力固然是首要考量,但对一线开发者而言,核心价值在于那种创造的纯粹乐趣被重新找回。正如讲者所总结的那样:“The productivity is great, you know, for the CFO and the CEO and the public stock market, but what really matters to us is our job is fun again.” 对此,全场表示高度认同,主持人也借由这个温情而有力的观点为整场座谈画上句号,现场在观众热烈的掌声中圆满落幕。
- **创意的即时落地**:消除了繁琐环境配置和漫长构建周期对灵感的侵蚀,让构思到可运行原型的反馈循环缩短到极致。 - **重温工程师初心**:无论是下班后的业余自驱项目,还是大型科技公司的核心业务研发,AI 工具让开发重新成为一种充满探索与乐趣的创造性活动。 - **效率之外的真正价值**:生产力飞跃满足了 CFO、CEO 和公开股票市场的商业诉求,但真正能打动并留住工程师的,是那份“工作重新变得有趣起来”的切实体验。
## Notable quotes > [27:14](https://www.youtube.com/watch?v=fYh1CWadxDM&t=1634s) I think we move towards more verification of inputs and outputs to see the system performing according to the right security reliability performance bars, less about inspection of code. — Rajeev Rajan
> [32:50](https://www.youtube.com/watch?v=fYh1CWadxDM&t=1970s) The productivity is great, you know, for the CFO and the CEO and the public stock market, but what really matters to us is our job is fun again. — Thomas Dohmke
## Mentioned Thomas Dohmke, Rajeev Rajan, Gergely Orosz, Entire, GitHub, Atlassian, Jira, Confluence, Loom, Robo Dev, Cursor, Cursor Composer, Claude Code, Anthropic, OpenAI, Codex, Devin, Replit, Lovable, Linear, Adobe Firefly, SWE-bench, Homer Simpson car, The Phoenix Project, Jensen Huang, Nvidia
## Video description With Thomas Dohmke (cofounder & CEO, Entire, previously CEO at GitHub) and Rajeev Rajan (CTO, Atlassian).
More details in this accompanying article: https://newsletter.pragmaticengineer.com/p/the-future-of-software-engineering-with-ai
Recorded at The Pragmatic Summit: https://www.pragmaticsummit.com
0:00 Intro 0:46 What an AI-native team looks like 5:08 How teams are actually using agents day-to-day 8:05 AI-native SDLC and internal coding agents 9:03 Distributed teams 12:57 How engineering, PM, and design roles are changing 18:32 What engineering leaders should do differently 22:32 Organizational resistance 24:01 Management in the agent era 28:33 Future predictions
[Source](https://www.youtube.com/watch?v=fYh1CWadxDM)