复合工程迎来升级
原文：https://every.to/guides/compound-engineering-gets-an-upgrade
在复合工程（compound engineering）的早期阶段，它的核心几乎完全围绕代码展开。我当时想弄清楚的是：能否让一个 AI 模型自己制定计划，按照我期望的方式完成工作，对照我的标准审查结果，并且真正吸收我反馈中的经验教训，确保下次不再犯同样的错误。这个循环大致是这样的：
头脑风暴 → 执行工作 → 审查回顾 → 持续复合 → 循环往复
这个循环至今仍然是我构建 Cora 的核心方式。
但距离我们首次提出“复合工程”这个词差不多一年之后，这个流程中“执行工作”的阶段已经变得相当乏味——当然，这是最好的那种乏味。只要计划足够好，AI 智能体（agent）得到了正确的上下文信息，它通常都能把事情做对。它会自己写代码、跑测试，并修复那些显而易见的问题。
现在真正值得思考的问题变成了：“在这个过程中，我的位置在哪里？”
答案是，人的位置恰恰在流程的两端。我在复合工程插件上的合作者 Trevin Chow 打过一个比方，他把这形容为一个三明治。AI 是中间夹着的馅料，而人类则是将一切聚合在一起、位于两端的面包。
在流程启动之初，我需要决定什么值得做。我必须理解用户、产品本身、那些古怪的边缘案例，以及某件事究竟凭什么让人感到足够兴奋，以至于值得投入时间去打磨它。之后，我才能把中间的执行环节交给 AI 智能体。当它完成工作后，我再回到流程的终点。我会点开产品各处看看界面设计，逐字阅读文案，扪心自问这个体验本身是否“感觉”对了。有时候，即便从技术层面上看一切都运转良好，产品依然可能差劲。所以，我来负责把它变得更好。
随着大模型的能力越来越强，最初的复合工程循环开始显得不那么完整了。计划、执行、审查和复合，这套逻辑依然精准地描述了工程上的核心周期，但它遗漏了如今我注意力投入最多的两个地方：计划形成之前，以及工作在技术上通过审查之后。
于是，我扩展了这个循环：
构思 → 头脑风暴 → 制定计划 → 执行工作 → 审查回顾 → 精雕细琢 → 持续复合 → 循环往复
“构思”和“头脑风暴”是流程新的前端环节。“精雕细琢”则是新的后端环节。而“持续复合”依然是其中最重要的一环——这套系统的全部意义就在于，每开发一个功能，都应该让下一个功能的开发变得更容易。
我更新了复合工程指南来阐述这套完整的系统。这份指南虽然关注的是工程实践，但我认为这个模式可以在更广泛的知识工作中推广应用。大量工作的中间过程注定会被自动化。然而，如果你渴望工作成果是优秀的，并且希望它带有你个人的印记，你仍然需要出现在一前一后，守住开端和终点。
核心启示：AI 正在吞下知识工作的中间过程，但最优秀成果的诞生，仍然离不开人类在起点定义“为何而做”和在终点守护“何为好”的判断力。
复合工程升级 的发芽报告
材料核心
Kieran Klaassen 将原有的复合工程循环从“头脑风暴→工作→审查→复合”扩展为“构思→头脑风暴→计划→工作→审查→打磨→复合”，揭示了当AI能稳定执行中间工作环节时，人类的价值已从被动的AI监督者重置为流程两端的“意义赋予者”——决定造什么，以及评判好不好。
发芽 01：知识工作的新结构——人类从工人到导演
种子
材料提出的“人类三明治”模型暗示，知识工作正在从线性生产线转变为“人类-AI-人类”的嵌套结构。这不是简单的自动化替代，而是人类角色的彻底转变：从执行者变成定义者和评判者。
这种转变的深层意义在于，人类正在从“制造者”退居为“意图设置者”和“体验策展人”。就像电影导演不再亲自操作摄影机、布置灯光，而是通过调度各专业团队来实现艺术愿景，知识工作者也需要学会在“构思”和“打磨”两个端点施展判断力，而在中间的执行环节信任AI代理。
1993年，管理学家彼得·德鲁克在《后资本主义社会》中预言，知识工作者的生产率将成为21世纪管理的最大挑战。他区分了“做正确的事”和“正确地做事”。近30年后，AI恰恰接管了“正确地做事”，把“做正确的事”推到了人类面前。德鲁克可能没有预见到，这种分工会在技术层面如此彻底地实现——不是通过更好的管理方法，而是通过AI代理直接替代执行环节。
另一个有趣的参照是设计思维（Design Thinking）的演进。IDEO和斯坦福d.school推广的设计思维五阶段（共情→定义→构思→原型→测试）一直是创意工作的标杆。但Kieran的新循环与设计思维形成了一种镜像：设计思维提倡人类在所有阶段深度参与，而复合工程承认AI可以在“原型”甚至部分“测试”阶段承担大部分工作。这不是对设计思维的否定，而是对它的重新聚焦——将人类注意力集中在“共情”、“定义”和最终的“测试”体验评估上。
Aha 瞬间
“你不是被替代了，你是被解放到更高阶的判断里。”
发芽 02：人类“打磨”的不可替代性——为什么AI通过测试不等于产品好
种子
Kieran明确指出：“有时候技术上一切正常，但产品仍然不好。所以我让它变得更好。”这揭示了AI驱动的工程面临的核心悖论：通过测试标准不等于实现了价值。测试可以验证功能，但无法验证感觉；代理可以解决逻辑问题，但无法体会美学断裂。人类“打磨”的深层意义，是对非功能性价值的修复——那种“感觉不对”的东西，恰恰是AI最难以编码的部分。
这种张力在AI时代具有普遍性。2024年，OpenAI的GPT-4o在多项基准测试上超越了人类平均水平，但用户在使用过程中仍频繁抱怨它的回答“感觉冷漠”或“缺乏直觉”。这种“感觉偏差”指向一个关键问题：AI优化的是可量化的维度（准确率、响应速度、语法正确），而人类评判的是不可量化的整体体验。
日本的“金缮”（Kintsugi）艺术提供了一个绝妙的类比。在修复破碎瓷器时，匠人不是试图掩盖裂缝，而是用金粉填充，使裂痕成为器物独特的美学特征。修复后的器物不仅在功能上“完好可用”，更在意义上超越了原本的完整状态。人类对AI输出的“打磨”，本质上是一种金缮工作——你修复的不是功能缺陷，而是那些让产品“感觉不对”的细微分歧，而你的修复往往使产品具有了AI无法创造的深度和个性。
更有趣的是，这一过程恰好挑战了“质量可以完全被标准化”的现代工业假设。20世纪，戴明的质量管理哲学试图将所有生产问题转化为统计问题；但21世纪的软件产品体验，尤其是AI辅助创造的产品，似乎重新召唤了不可还原的“匠人判断”。Kieran的“打磨”环节，是匠人精神在算法时代的回归。
Aha 瞬间
“在AI通过的每项测试之上，还有一场它从未被邀请参加的考试：人类的感觉。”
发芽 03：复合作为记忆引擎——从个人学习到系统进化
种子
Kieran强调，“复合仍然是整个过程中最重要的一步，因为关键是每个新功能都应该让下一个功能更容易。”这个看似环状的末端，实际上是一个自增强的记忆机制。它将每一次建造的经验教训——不仅是代码片段，还包括设计决策、用户洞察、失败模式——转化为了一个持续膨胀的能力资产。复合不再是“写下来备忘”，而是让下一次AI代理的规划和执行从更高的基线出发。
在组织学习理论中，这让人想起“组织记忆”（Organizational Memory）的概念。1991年，学者Walsh和Ungson提出，组织不仅是信息处理系统，更是记忆保留系统——制度、流程、文化都是组织记忆的载体。复合工程的革命性在于，它将这种记忆从人类团队的默契和文档中，转移到了一个AI可读取、可执行的即时系统中。当每一次的审查、修改和打磨都被编码成代理可以遵循的上下文，你实际上是在构建一个不断自我完善的“AI操作体系”。
更进一步，硅谷的“画在墙上”（Paint on the Wall）文化提供了一个对比视角。许多科技公司信奉“快速失败，快速学习”，但学习往往停留在口头——事后总结开会两小时，没人看复盘文档。复合工程将学习机制内化进工程循环本身，不是“事后反思”，而是“持续注入”。这本质上是将AI代理转化为了一面不会遗忘的镜子——你今天教它的事，明天它依然记得；你现在设定的标准，下一次自动生效。
这种机制的潜在影响远超个体效率。如果复合工程被广泛采用，每个产品团队都将拥有一个不断膨胀的“隐性知识库”，它们可能成为未来竞争的核心壁垒——外人可以模仿你的功能，但无法复现你的复合历史。
Aha 瞬间
“每一次循环不只是为了当前的产出，而是秘密地训练着一个只属于你的AI副本。”
你的思考空间
- 在传统工匠或艺术家的创作中，“构思”和“打磨”一直由同一个人完成。当AI插入中间环节后，作品的“作者性”还完整吗？还是说，未来我们将接受一种“与人共创而非人手独造”的作者性？
- 是否所有知识工作都适合这种“三明治”结构？哪些工作需要人类在中间环节持续介入，而不仅仅是两端？医疗诊断？心理治疗？法律辩护？
- 当复合循环积累到一定程度，AI代理可能比人类更了解产品历史，甚至比人类更擅长“构思”和“打磨”。到那时，人类是否连两端的位置也会失去？还是这种外包本身会让产品失去人类特质，从而失去市场？