Dhanji R. Prasanna
署名于 AI 与新工作方式
代码质量与产品成功Code Quality Vs Product Success
工程师群体普遍相信"代码质量好/架构干净"是产品成功的必要条件,这个信念会导致团队把大量精力投入重构、"把事情做得更优雅"，却偏离了真正决定产品成败的因素。这是作者反复验证过的反直觉结论。
建造前质疑假设Question Base Assumptions Before Building
有了 AI 编程 agent 之后，"自己动手做一个内部工具"的成本大幅下降，团队很容易陷入"反正现在做工具很便宜，那就自己做"的新陷阱——不是重构陷阱，而是"过度建造"陷阱。这是作者观察到的、AI 恰恰做不好的一类判断,需要人来补位。
夜间自主 Agent 工作流Overnight Autonomous Agent Workflow
当前主流的"vibe coding"工作方式本质是"人机乒乓"——你说一句，等三五分钟，它给个半成品，你再调整——这种同步、逐轮的协作模式限制了 AI agent 真正的产出上限。这是作者对"未来几年工程工作方式会怎么变"的具体预判和已经在实践的方向。
AI 价值移动靶效应AI Value Is A Moving Target
团队试了 AI 工具一段时间，收益看起来一般，就得出"AI 是噱头，落地价值有限"的结论，然后放弃跟进。这个观察解释了为什么这种"一次性评估、之后不再更新"的态度本身就是错的。
AI 节省工时基准Manual Hours Saved Benchmark
"AI 到底给企业带来了多少实际生产力提升"很难有一个可信、可对标的数字。这是 Block（约 3500-4000 人工程组织）用自研 agent 工具 Goose 跑出来的具体数据，以及他们衡量这件事的方法论，可作为其他企业设定预期或自我对标的参考点。
AI转型职能化组织Functional Org For AI Transformation
一个由多个相对独立业务单元（GM 制/portfolio 结构）组成的大公司，想变成"AI 原生"的技术公司，却发现每个业务单元各自为政、技术策略互不对齐，AI 转型推不动。这是 Block 从 Jack Dorsey 的"AI manifesto"之后实际做的组织级变革，以及背后的判断依据。
框架、方法、洞察本身属于 Dhanji R. Prasanna。卡片是用中文重新组织的转述，仅保留少量带署名的短引述。关于与出处 →