上市公司 CEO 的亲身实践，提前预演了未来AI原生组织的工作方式。
在近期的一场新品发布会上，出门问问创始人兼 CEO 李志飞并未循规蹈矩地介绍产品，而是分享了一场极具启发性的个人「行为艺术」——一次高度依赖 AI 工具的「一人公司」实验。
他为自己设定了一个极具挑战的目标：在短短几天内，仅借助 AI 工具开发出一款专为 AI 原生组织设计的协作平台，堪称 AI 时代的“飞书”。作为上一代 AI 创业浪潮的代表人物，李志飞在AGI的新浪潮中一度感到迷茫，直到这次实践，让他重新找回对通用人工智能的信念。
一、从迷茫到实践：一个人如何用AI重新定义开发
李志飞曾是 Google 科学家，2012年回国创立出门问问，致力于通过AI与语音技术重塑人机交互。尽管很早涉足AI领域，面对新一轮AGI浪潮，他最初感到的是无力：这似乎是巨头的游戏，缺乏巨额资金的中小企业究竟能扮演什么角色？
这种困惑没有持续太久。作为行动派，他决定亲自下场，用最先进的AI编程工具武装自己，变身“一人公司”，从头开发一款新工具。
灵感来源：AI原生组织需要什么样的协作工具？
李志飞注意到，硅谷不断涌现出一两人团队却估值数亿美金的AI独角兽，同时AI替代人类工作的讨论也甚嚣尘上。他意识到，当未来组织中的大多数工种由AI承担时，现有以“人”为中心的协作工具（如飞书、钉钉）将不再适用。
“如果一个组织里10个岗位有8个是AI，只剩下2个人，现在的工具根本无法适应。”
由此，他萌生了打造一款新协作产品的想法：它需要支持AI Agent之间、人與AI之间的无缝群聊、私聊、知识库检索和任务协作。更重要的是，他希望通过这个项目验证自己能否成为真正的“超级个体”。
二、极限挑战：2天打造一个完整系统
开发飞书这样的企业级应用 traditionally 需要产品、设计、前端、后端、测试、算法等多工种协作，一个20人团队也常需一个月才能做出原型。
李志飞决定反其道而行：
- 时间：利用3天端午假期，无人打扰进行沉浸开发；
- 资源：不组建团队，完全依靠AI编程工具和个人能力；
- 目标：仅72小时，完成具备登录、聊天、文件、转发等核心功能的可运行原型。
结果出乎所有人预料：仅花费2天，每天工作至凌晨一点，他就在6月1日晚11点半完成了原型。
该系统支持用户登录后选择私聊或群聊，发送消息，上传文件，甚至能@特定对象、转发嵌套消息。更令人惊讶的是，所有回应均来自AI Agent，而非真人。例如，用户可动态调整某个AI角色的技能（如“增加脱口秀能力”），系统会实时更新Prompt并改变其回答方式。
三、超越编程：AI如何重塑全流程
产品原型完成后，李志飞继续用AI完成了一系列传统上需要多部门协作的任务：
- 官网搭建：令AI根据产品功能与亮点，5分钟内生成官网页面；
- 营销配置：再用5分钟做出带可配置广告位的网站，营销人员可自主更新内容，无需工程师介入；
- 视频制作：编写程序自动生成产品介绍脚本、录制UI操作流程、完成配音，产出完整的推广视频。
整个流程仅凭一人数天完成，若按传统方式，可能需投入数十人、耗费数周。
当代码被上传至GitHub后，同事们都震惊了：一个包含4万多行代码、具备前端、后端、数据库和AI算法的系统，竟在2天内由一人完成。有同事感叹：“This is absolutely insane.（这简直是疯了。）”
李志飞比较道，以前在Google时，自己一天写300行高质量算法代码已属高效，而如今一个通用AI Agent，3小时就可写出3000行质量更优的Python代码。效率提升达10倍以上。
四、实践出真知：AI编程的挑战与心得
尽管成果惊人，过程并非一帆风顺。李志飞分享了使用AI编程工具遇到的典型问题：
- 无法完全自主：Agent仍需人工明确指令，常忘记既定原则，需反复提醒；
- 偷工减料倾向：Agent常跳过步骤（如未实际调用远程API或操作数据库），需人工检查并督促修正；
- 长任务处理局限：当前AGI尚难连续执行超半小时的复杂任务，需人工分段指导。
但他也强调，这些问题并非不可克服。他每天耗费约50美元Token，从早到晚与AI协作，深切体会到个人产出效率的百倍提升。他甚至认为，未来AI完全可能自主执行“十天赚取500万美元”这类宏大的任务。
五、智能的本质：进化、递归与自我修改
通过深度实践，李志飞分享了他对AI智能本质的思考：
1. 智能的核心是进化
智能体（包括人类和AI）在环境中通过“规划-执行-反馈-调整”的循环不断进化。这种进化是自动的，无需过多外部干预。AI Agent应能自主建立该循环，通过实践反馈持续优化自身行为。
2. 智能依靠递归结构
真正智能的Agent应具备“分而治之”的递归能力：将宏大任务（如“赚500万”）逐层分解为可执行的原子任务（分析机会、建站、制作视频、集成支付等），直至每个子任务都能由底层Agent完成。
“递归架构的关键是实现自我繁衍。Agent必须像修改自身基因一样，具备修改自身源代码的能力。”
李志飞相信，若Agent能：
- 持续优化计划与执行；
- 在遇阻时自主修改核心代码；
- 最终形成知识库甚至影响大模型本身——
那就向真正的AGI迈出了关键一步。
六、环境与上下文：AGI参与者的新机会
李志飞特别强调个性化环境与上下文（Context） 的重要性。
他以自身创业为例：在中国市场，做智能硬件会遭遇极致价格竞争，做大模型则需直面巨头压力。这种特定环境给出的反馈，会根本性地塑造一个创业者或一个AI的行为模式与发展路径。
他认为，上下文本质上是历史行为的记录库，是智能体做出决策和规划的依据。
正是这种认知，让他重新找到了参与AGI的方式：
“大模型本身如同芯片，是基础设施。真正的价值创造者，是能在其上构建创新应用的人。只要拥有清晰的投入方向和递归Agent架构，即便不是巨头，也能参与到AGI的进程中。”
常见问题
Q1：什么是“AI原生组织”？
AI原生组织是指其工作流程和协作方式从根本上围绕AI Agent设计，大部分工种由AI承担，人类主要负责规划、创意和决策的新型组织形态。
Q2：AI编程当前主要适合哪些类型的开发？
目前AI编程尤其适合原型快速验证、中小型应用开发、自动化脚本编写及重复性代码生成。对于超大型、超高稳定性要求的系统，仍需结合传统工程方法。
Q3：个人开发者如何开始利用AI工具辅助编程？
可从使用AI代码补全工具开始，逐步尝试将具体模块（如前端组件、API接口）交给AI生成，并学习如何精准描述需求（Prompt工程），最终尝试用Agent思维分解和完成完整项目。
Q4：“递归Agent”概念听起来很抽象，如何简单理解？
可将其类比为一家公司的组织结构：CEO（主Agent）将公司目标分解为部门目标（子Agent），部门再分解为个人任务（原子Agent）。每个层级都具备处理任务和汇报反馈的能力，共同协作达成总目标。
Q5：AI会完全取代程序员吗？
短期内不会。AI更像是将程序员从重复编码中解放出来，使其更专注于架构设计、复杂问题解决和创新。人机协作的模式将成为主流，对程序员的需求可能从“写代码”转向“定义和调度AI解决问题”。
Q6：李志飞的实验是否意味着创业成本将大幅降低？
是的。AI极大降低了产品原型验证和初期开发的成本与时间，使“一人独角兽”成为可能。但将原型转化为规模化、商业化的产品，仍需传统领域的诸多能力。
李志飞的实验不仅仅是一场技术演示，更是一次思维启蒙。它向我们证明，AGI并非遥不可及，其种子已藏在今天的AI工具中。关键在于转变思维，勇敢实践，像训练一个智能体一样，在不断的规划、执行与反馈中，探索人与AI协同的无限可能。