📝 本期播客简介
本期我们克隆了知名科技播客《Lenny's Podcast》，邀请到Block公司的首席技术官Dhanji R. Prasanna。Dhanji管理着一个超过3500人的团队，在他的领导下，Block已成为全球最具AI原生基因的大公司之一。在节目中，Dhanji揭秘了Block内部的开源AI代理“Goose”，它如何帮助工程师每周节省8到10小时，甚至能自主提交代码。他分享了Block从组织架构调整到全员拥抱AI的转型之路，以及AI如何赋能非技术团队构建自己的软件。Dhanji还探讨了未来工程师的工作模式，以及他从Google Wave、Cash App等产品中汲取的反直觉经验，比如代码质量并非产品成功的关键。这期节目将带您深入了解一个高度AI驱动的科技巨头如何运作，以及AI如何重塑我们的工作与创新。
翻译克隆自：How Block is becoming the most AI-native enterprise in the world | Dhanji R. Prasanna
👨‍⚕️ 本期嘉宾
Dhanji R. Prasanna，Block公司的首席技术官。他管理着一个超过3500人的团队，带领Block成为世界上最具AI原生基因的大公司之一。他曾参与Google Wave、Google Plus和Cash App等产品的开发，拥有丰富的技术领导和产品构建经验。
📒 文字版精华
见微信公众号（点击跳转）
⏱️ 时间戳
AI生产力与Block的转型
00:01:51 AI生产力：拥抱AI的团队每周节省8-10小时
00:02:31 AI代理Goose：自主提交代码的工程师助手
00:03:25 未来工作模式：AI全天候工作，预判并构建
00:03:44 反直觉经验：代码质量与产品成功无关
00:05:46 AI宣言：CTO向Jack Dorsey提出AI战略
00:08:14 组织变革：从GM负责制转向职能型架构
00:12:39 康威定律：组织结构决定产品形态
00:14:31 工作方式变化：AI原生团队采用对话式编程
深入Goose AI代理
00:16:01 AI自动化：Block的首要任务是实现全公司AI自动化
00:17:17 AI效率：全公司范围有望节省20-25%人工工时
00:18:53 非技术赋能：非技术团队用AI构建软件
00:22:27 Goose介绍：通用AI代理，基于模型上下文协议（MCP）
00:24:31 Goose开源：任何公司都可下载、扩展和构建MCP
00:29:57 极致应用：工程师让Goose观察工作并自主完成任务
未来工作与反直觉经验
00:33:48 对话式编程的局限与AI的自主性
00:36:50 软件工程未来：AI支持“推倒重来”式开发
00:38:05 人类品味：AI需要人类锚定以避免“垃圾内容”
00:41:15 构建与购买：专注核心使命，避免偏离
00:44:16 AI与招聘：寻找拥抱AI、有学习心态的人才
00:51:29 效率提升：组织结构变革比AI工具更重要
00:53:58 AI采用建议：亲自使用工具，解决实际问题
01:00:25 CTO感悟：康威定律的强大与反馈的重要性
01:02:11 产品成功：YouTube案例说明代码质量非关键
01:05:48 可控混乱：Cash App早期成功的秘诀
01:08:18 核心领导力：从小处着手，质疑基本假设
失败的教训与最终建议
01:14:09 失败角：Google Wave、Google Plus等产品经历
01:15:51 时代变迁：关注对你重要的事情，让技术服务于人
01:17:45 职业建议：如果工作不快乐，就去改变
01:22:05 人生格言：不要接受别人安排好的一切
01:23:47 疯狂科学家：布朗博士的启示
01:24:54 呼吁：GitHub关注Goose，向公司提出更高要求
🌟 精彩内容
💡 AI驱动的效率革命
Block的CTO Dhanji R. Prasanna分享了他们如何通过内部AI代理“Goose”实现惊人的生产力提升。AI不仅能帮助工程师每周节省8-10小时，甚至能自主提交代码。更令人惊讶的是，非技术团队也开始利用AI工具构建自己的软件，大大缩短了开发周期。
“我们发现，那些非常、非常拥抱AI的工程团队，他们报告说每周能节省大约八到十个小时。”
🛠️ 组织结构变革的重要性
Dhanji强调，在追求AI原生基因的过程中，Block从GM负责制转向职能型组织架构，这比任何AI工具都更能提升效率。他认为，康威定律（组织结构决定产品形态）的强大力量不容忽视，统一的工程和设计团队才能更好地推动技术深度和AI战略。
“我认为这是我们转型为更具AI原生基因的公司的关键。”
🚀 未来工程师的工作模式
Dhanji展望了未来工程师的工作方式：AI代理将全天候工作，预判人类需求并提前构建。他甚至提出，未来每次发布新版本时，我们或许可以直接“推倒重来”应用，让AI重新构建，因为AI能够高效地整合所有改进。
“所有这些大语言模型在夜间和周末，当人类不在的时候，其实都闲着。这完全没必要。它们应该全天候工作，应该尝试预判我们的需求并提前开始构建。”
💡 反直觉的产品成功法则
Dhanji分享了他从Google Wave、YouTube和Cash App等产品中汲取的反直觉经验：代码质量并非产品成功的关键。他以YouTube为例，指出其成功与架构设计无关，而在于解决了用户的实际问题。他强调，创始人应专注于为用户创造价值，而非追求内部技术完美。
“很多工程师认为代码质量对于打造成功产品至关重要。但这两者其实毫无关系。”
❤️ 创始人“学习心态”与“从小处着手”
Block在招聘时更看重应聘者拥抱AI工具和学习新事物的“学习心态”。Dhanji还强调了“从小处着手”的原则，Goose和Cash App都起源于小规模的实验或黑客周项目，而非一开始就投入大量资源。
“我更倾向于寻找那些刚刚毕业、非常渴望学习这些新工具并对此持开放态度的大学毕业生。”
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺；
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight