Dhanji R. Prasanna（丹吉・R・普拉桑纳）是 Block（前身为 Square）的首席技术官，在过去两年里，他管理着 4000 多名工程师。在他的领导下，Block 已成为全球最具人工智能原生特性的大公司之一。在担任首席技术官之前，丹吉向首席执行官杰克・多尔西撰写了一份 “人工智能宣言”，这引发了全公司范围的变革（也让他晋升为首席技术官）。 注意，AAIF下的3个主要项目是：MCP, AGENTS.md 和Goose。而Goose就是捐献自Block的AI代理工具，可以与AI进行对话，帮助企业提高效率。

Lenny’s Podcast 访谈 2025-11

在这次访谈中，Dhanji R.谈了Block整个公司自上而下地使用Goose提高工作效率的经验。

一、关于 AI 生产力和未来工作方式的观点

  1. 生产力增益显著且在持续提升： 积极拥抱 AI 的工程团队报告每周节省约 8 到 10 小时的工作时间。整个公司（包括支持、法务、风控团队）的人工节省时间可能正趋向于节省 20% 到 25% 的人工工时。
  2. 当前是最低基线： 目前实现的 AI 效益是“有史以来最差的”，它只是新的基线，未来的价值会每日变化，因此企业需要紧随这股浪潮，保持适应性。
  3. 最大受益群体： 最令人惊讶且影响最大的是非技术人员，他们利用 AI 代理和编程工具来构建产品。例如，非技术团队现在能够为自己构建软件工具，将数周的工作压缩到数小时完成。
  4. AI 的工作模式应是持续的： 所有的 LLM 不应在夜间和周末闲置，它们应该全天候工作，尝试预测和构建我们想要的功能。
  5. 未来是“扔掉”式的工作： 未来工作方式将是描述多个不同的实验，让 AI 连夜构建它们，早上醒来后可以毫不犹豫地扔掉其中五六个不合适的方案。工程师应该考虑每一次发布都将整个应用程序删除（RM -RF）并从头重写。
  6. AI 的局限性： 在需要深度（如架构、设计、竞态条件、编排）的领域，AI 仍然不如人类。AI 不擅长全局的“投资组合判断”或质疑基本假设（例如，一个流程是否根本没有必要）。
  7. 拥抱 AI 的人才特质： 招聘时，更倾向于那些渴望学习并乐于尝试和拥抱 AI 工具的人才，而不是只看重是否已经是优秀的 AI 实践者。

二、Block 的组织转型和结构经验

  1. 身份回归： 转型开始时，主要目标是让 Block 重新将自己视为一家技术公司，而非金融服务公司或金融科技公司。
  2. 组织结构至关重要： 机构从通用经理（GM）结构（各业务部门独立运作）转变为功能性组织结构，是实现 AI 转型和提升技术深度的关键。在功能性组织中，所有工程师和设计师都归属于各自的单一团队领导。
  3. 康威定律的强大力量： 组织结构（团队和协作组的组织方式）和运营模式对最终构建的产品有巨大影响，深刻理解康威定律的强大力量至关重要。
  4. 无聊的变革带来高效益： 组织结构上的转变，有时比任何 AI 工具更能提高生产力。
  5. 招聘观点的转变： 转向功能性组织结构后，Block 不再将工程师视为“商品”，不会通过简单地增加人头来增加功能，而是着眼于优化领域、深化平台和复用性。

三、产品和商业理念的经验教训

  1. 代码质量与产品成功无关： 许多工程师认为代码质量对产品的成功至关重要，但 Dhanji 认为两者毫无关系。成功的关键在于为人们解决特定的问题。
  2. 坚持核心目的： 公司的核心目的是经济赋权（economic empowerment）。任何偏离此目的的行为都不值得鼓励，即使在内部构建工具取代供应商可以节省成本，也可能不值得浪费团队的精力和技术焦点。
  3. 关注核心能力： 始终遵循“关注核心能力，购买其他一切”的原则（经典的 80/20 法则）。
  4. 先问“是否必要”： 在优化和自动化之前，应质疑流程本身是否有必要。
  5. 从小处着手（Start Small）： 尝试从一个小处着手，而不是试图“煮沸整个海洋”。许多成功的项目（如 Goose 和 Cash App）都始于工程师或团队在黑客周提出的微小实验或概念验证。试图一开始就做大（如 Google Wave）的产品，往往会脱离现实而失败。
  6. 受控的混乱（Controlled Chaos）： 必须在一定程度上允许工程师拥有实验和迭代的自由，混沌可以滋生创造力。

四、关于 Goose 的具体经验和观点

  1. Goose 的定义和核心技术： Goose 是 Block 内部开发的通用 AI 代理，它是一个桌面工具，用户可以像与聊天机器人一样与它对话。它基于模型上下文协议（MCP）构建，这是一个开放协议，使 LLM 能够操纵和编排企业内的现有工具（如 Salesforce、Snowflake、SQL 等）。
  2. 赋予 LLM 行动能力： Goose 通过 MCP 赋予了 LLM “大脑、手臂和腿”，让它们能够在数字世界中采取行动。
  3. 开放性与使命： Goose 是完全开源的，体现了 Block 增加开放性、回馈开源社区的核心使命。许多公司（包括竞争对手和合作伙伴）都在积极使用 Goose。

五、职业发展和领导力经验

  1. 亲身体验的重要性： 驱动 AI 采用的最有效方法是高层领导（如 CEO 和 CTO）每天亲自使用这些工具（如 Goose），了解工作流程的实际变化，而不是阅读外部的分析文章。
  2. 面对沉默时的判断： 当事情进展顺利时，可能会出现“令人不安的寂静”，这让人怀疑是否关注了正确的问题。领导者需要腾出时间进行全局性的判断。
  3. 从失败中学习： 他的职业生涯充满了一连串失败的产品（如 Google Wave、Google+、Secret 等），但每次失败都带来了教训，帮助他避免重犯同类错误，并学会保持谦逊。
  4. 个人生活的箴言： 如果早上醒来对自己的职业工作感到没有活力，那么就应该做出改变，甚至辞职。
  5. 面对不确定性： 在变革和不确定性时期，专注于那些对自己重要的事物（例如开放性、开放协议、普遍的访问权限），并让技术服务于此目的。

Goose 自动化极致表现

Goose 自动化能力的极致表现体现在一位 Block 工程师的极端实践上，该工程师将 Goose 视为一个全天候的助手，能够观察他正在进行的工作并主动预测并完成任务，从而显著提升生产力。

Goose 自动化极致表现的例子：

  • 全天候观察和学习： 这位工程师构建了一个系统，让 Goose 能够持续监控他的屏幕（通过处理截图来理解他正在看的内容）和听取他的语音（通过语音处理功能），从而理解他的工作内容和意图。
  • 预测并构建功能： 工程师在 Slack 或电子邮件中与同事讨论一个认为有用的新功能时，几个小时后，他会发现 Goose 已经尝试构建了该功能，并在 Git 上打开了一个拉取请求（PR）。
  • 流程和时间管理： Goose 会主动采取行动，比如在工程师的会议超时并错过其他安排时，提醒他退出当前工作流。
  • 自动化日程安排： 工程师只需口头表达“我有一个会议冲突，我不能参加”或“我必须去接我的孩子”，Goose 就会自动重新安排会议，而无需工程师手动点击日历。

Dhanji 认为，这些例子展示了 Goose 所具备的潜力，即持续工作，提前构建我们想要的功能，并且能够在数字世界中充当人类的“大脑、手臂和腿”（通过模型上下文协议 MCP 操纵企业工具的能力）。虽然这种极端的应用目前主要还是那位工程师的个人“实验”，但它预示了未来工作方式的方向。

类比：

这种极致的自动化表现，就像是一位超级主动的、拥有预测能力的个人助理，他不仅能执行你明确交代的任务，还能观察你的言行，在你意识到需要某个功能或解决某个冲突之前，就已经把“初稿”或“解决方案”准备好了，让你只需早上醒来后审核和选择即可。

参考文献