丹·希珀个人照片

DEPTH PROFILE

丹·希珀

Dan Shipper

Every CEO、写作者、播客主播

Every 联合创始人,AI & I 主播

策展者主播创始人美国生态
9
观点
5
精选
1
访谈

EDITOR'S SELECTION

5 条经过五问筛选的核心判断

ALL INSIGHTS

全部观点

按当前资料入库顺序排列

01
观察一手访谈

coding agent能承担知识工作

能自主写软件的通用 coding agent,也能执行许多知识工作。它不只生成文字,还能调用计算机上的工具完成任务,因此能力边界不应只按编程来划分。

ai-codingagent-native
跳到 00:00:00
02
观察一手访谈

agent管理界面会成为工作入口

通用 agent 同时拥有代码执行、文件系统和浏览器访问能力,可以代替用户连接其他软件。工作因此会逐渐从逐个操作应用,转向在桌面端管理 agent。

agent-native
跳到 00:03:44
03
方法一手访谈

平台未定型时要主动换工具

主要模型公司的 agent 产品仍会频繁交替领先,独立生态尚未完全形成。此时迁移虽不为零,但实际操作相近,主动轮换能让人及时理解新的 agent 工作范式。

ai-codingagent-native
跳到 00:05:03
04
立场一手访谈

AI可以代写,人必须背书

组织可以常态化交换 agent 生成的文档,因为它更容易把零散思考整理成可读形式。接受这种写法的前提是作者理解每个要点,能在追问时解释,并愿意为内容负责。

understandingagent-native
跳到 00:36:08
05
方法一手访谈

外包表达,不能外包思考

许多知识工作的思考已经在会议或口述中发生,耗时的是把它整理成别人能读的形式。可以让 AI 把录音和上下文整理成文档,再由本人复核;需要借写作推进思考时,仍应亲自写。

understandingagent-native
跳到 00:38:37
06
方法一手访谈

为agent做产品可以省掉界面

假设用户已有能访问本机上下文的 agent,产品可以通过 CLI 暴露能力,让 agent 直接完成配置。Every 在 Plus Ones 上采用这种方式后,不再需要让用户手动填写同样多的设置和 onboarding 信息。

agent-native
跳到 00:28:10
07
方法一手访谈

先画像,再让AI定向找人

定向招聘可以先提出理想候选人的经历假设,再让 AI 建立相应人群名单并按后续能力过滤。Dan 用 General Assembly 校友和 AI 经历寻找课程负责人,认为这比只在申请池里筛选更适合主动触达。

org-and-talent
跳到 00:45:20
08
方法一手访谈

指标没有唯一口径,只有一致口径

收入和增长并不总有天然唯一的计算方式,MRR 就可以因定义不同而变化。可靠管理的前提是先明确采用哪套框架,再让每次计算保持一致。

verifiability
跳到 00:44:07
09
方法一手访谈

把玩新工具写进工作制度

工具和流程变化足够快时,只优化现有工作方式会输给采用新范式的人。Every 把探索视为工作的一部分,并用定期 Think Week 暂停日常任务,为试用、构建和学习留出时间。

continual-learningorg-and-talent
跳到 00:55:53

EVIDENCE

访谈来源

观点所依赖的证据层

一手音视频

Why We Switched From Claude Code to Codex

2026-05-06 · 59 分钟 · EN

查看来源 ↗