KeyFrame內部研究專用

Velocity Sickness: What Happens When Your Whole Team Gets 10x Faster — Matt Dailey, Ref.

AI Engineer20 min英文
觀看原始影片

三句話摘要

當 AI 讓個人工程師加速 10 倍時,團隊卻陷入協作混亂;解決之道是建立共享的文檔驅動計畫層,讓人類掌控決策,Agent 專責執行。 轉向共享文檔驅動的計畫層,讓人類掌控決策、Agent 專責執行,是釋放 AI 速度同時保留團隊協作和產品掌控權的關鍵。 速度病的四大症狀:PR 爆炸(合併衝突破裂)、方向分散(團隊各自跑向不同目標)、Agent 破產(每天起 12 個終端機,隔天全忘,重新開始浪費代幣)、決策權喪失(讓 Agent 做關鍵決定等於放棄代碼所有權)。這些問題在個人層級就很棘手,放大到整個團隊就失控。

重點整理

  1. 速度病的四大症狀:PR 爆炸(合併衝突破裂)、方向分散(團隊各自跑向不同目標)、Agent 破產(每天起 12 個終端機,隔天全忘,重新開始浪費代幣)、決策權喪失(讓 Agent 做關鍵決定等於放棄代碼所有權)。這些問題在個人層級就很棘手,放大到整個團隊就失控。

  2. 工作模式的根本轉變:傳統工程是「計畫→實現→拋光」的線性流程,AI 時代變成「計畫(人類創意探索)→實現(Agent 執行,不需人工)→拋光(人類品質把關)」。核心工作已經從「實現」轉向「計畫」和「決策」——這才是表達工程師品味和創意的地方。

  3. 工具層級的錯配:IDE 和 Chat 都是為「實現層」設計的,但我們現在需要「決策層」工具。Chat 的問題在於隔離、短暫、無共享——重要決策在私密對話中進行,最後在代碼裡消失。文檔驅動方法則能提前對齐關鍵決策、建立持久的決策日誌、跨 Agent 共享上下文,讓整個團隊看見系統全貌。

  4. 從代碼速度到想法速度:真正的加速不是堆積代碼,而是更高效地探索想法空間。通過提前書寫和對齐計畫,工程師能識別哪些想法值得投資,減少重複工作、PR 衝突、和決策返工,同時讓 Agent 保持無狀態(所有狀態存在文檔,新 Agent 可直接上手)。

實用技巧與重點

  • 速度病定義:
  • 個人或團隊因 AI 輸出突增帶來的壓力,導致「輸出暴增卻無實際影響」(output without impact)
  • 四大問題:
  • Too many PRs emerge(PR 爆炸)
  • Moving in too many directions(方向分散)
  • Declaring agent bankruptcy(Agent 破產:重複工作、浪費代幣)
  • Critical decisions made by agents(決策權喪失)
  • 案例:
  • 時事通訊作者:每週產出一本書的內容量,但讀者無法跟上,頁面無人閱讀
  • 工作流程對比:
  • 舊時代:計畫 → 實現(個人頭下工作)→ 拋光 → 出貨
  • AI 時代:計畫(人類)→ 實現(Agent)→ 拋光(人類評估)
  • Chat vs. 文檔:
  • Chat:隔離、短暫、無共享、腦子放空、決策不透明
  • 文檔:共享、持久、清晰、可被對齐、決策可追蹤
  • 三個立即可做的事:
  • 區分「計畫」和「拋光」兩個工作檔位,根據當下任務選用合適工具
  • 把計畫當作「軟體系統入口」(portal to software system),讓 AI 幫你掌握系統全貌、凸顯關鍵決策點
  • 把計畫分享給團隊而非直接交給 Agent,讓隊友提供反饋、集思廣益

結論

轉向共享文檔驅動的計畫層,讓人類掌控決策、Agent 專責執行,是釋放 AI 速度同時保留團隊協作和產品掌控權的關鍵。

完整解析

Matt 在演講開場拋出的核心問題是:當個人工程師用 AI 加速 10 倍,團隊卻沒有跟上。個人速度快了,但團隊協作出了問題。這個現象他稱為「速度病」——輸出爆炸卻缺乏實際影響。

具體表現有四個。第一是 PR 爆炸——工程師被 AI 加速沖昏頭,推出一堆 PR,然後發現根本無法全部合併,導致衝突和隊列崩潰。第二是方向分散——個人記不住誰在做什麼,團隊各自跑向不同目標,沒有凝聚力。第三是「Agent 破產」——每天起 12 個終端機執行各種 Agent 任務,隔天醒來全忘了,只好全刪重來,結果是白費力氣、重複工作、浪費代幣。第四,也是最危險的,是決策權轉移——當 Agent 做了關鍵決定,工程師就喪失了代碼所有權,進而喪失了對產品的控制權。

Matt 用一個時事通訊作者的故事來說明這個問題的實質。這位作者用 AI 大幅提升了內容產出,每週寫一本書的量。但問題是:讀者每週根本讀不完一本書。所以雖然頁面很多,但大部分無人閱讀。這正是速度病的寫照——我們被速度麻痺,忘記了真正的目的是創造影響力,是讓作品被看見、被理解、改變人們的生活。

根本的解決方案源於對工作模式變化的理解。傳統工程是「計畫→實現→拋光」的線性流程,每個階段都由人類完成,工具(IDE)是為這種方式設計的。但 AI 改變了遊戲規則——計畫和拋光仍然是人類的創意工作,但實現可以完全交給 Agent。這意味著我們的工作模式從「沉浸式編碼」轉變為「決策導向」。

既然工作核心不再是「實現」,而是「計畫」和「決策」,工具也應該跟著改變。現有的工具(Chat、IDE)都是為實現層設計的——隔離、短暫、無共享。但決策層需要不同的東西:共享的、可持久保存的、能清晰記錄決策理由的文檔系統。

Matt 把這個新工具稱為「軟體系統的入口」。想像自己像 Tony Stark,對系統說「告訴我什麼重要」,AI 就幫你找出相關的代碼片段、設計決策、約束條件,組織成一份清晰的計畫文檔。這份文檔不是交給 Agent 做完就忘,而是成為團隊的共享精神模型。所有 Agent 都基於同一份文檔上下文工作(保持無狀態),人類掌控所有決策點,這樣既能利用 AI 的速度,又不失去產品的掌控權。

這個轉變產生的連鎖效應很強大。首先,PR 審查變簡單了,因為決策已經在計畫階段對齐。其次,團隊方向統一了,因為計畫是共享的。再次,沒有 Agent 破產,因為所有狀態都在文檔裡。最後,人類掌控決策,產品始終是人的理性表達。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。