30 秒看懂
DoorDash 联合创始人 Andy Fang 说，AI 加快编码后，限制交付速度的工作转向了代码审查、安全以及产品和设计团队之间的协作。一名工程师用三周完成了一次迁移，他估计过去需要四名工程师花一个季度。公司正在试验更小的团队，为智能体记录架构原则，并支持跨职能实验。Fang 说，最终衡量标准不是合并了多少代码，而是客户能否更早用上可运行的产品。
- 1Fang 借助 Claude Code 重回生产代码开发Fang 说，早先一次尝试因本地环境配置失败而受阻，他在 2026 年初再次尝试并取得成功。他说，之后自己用五种语言提交了生产代码。
- 2代码生成加快，将压力转移到审查和安全上Fang 说，随着产出增加，合并和交付流程成了瓶颈。DoorDash 投资 AI 代码审查，并努力在代码进入生产环境前发现安全问题。
- 3失败的实验也应和成功经验一起分享Fang 鼓励团队写下有用案例，也解释哪些工作流失败或浪费了 token。他说，在 DoorDash 这样的规模下，要在整个组织内分享仍有困难。
- 4一名工程师用三周完成了一次迁移Fang 估计，同样的大规模迁移过去需要四名工程师花一个季度。DoorDash 正在研究成功案例，以了解和分享背后的做法。
- 5书面的架构原则帮助智能体理解代码库Fang 介绍，一名技术负责人在仓库的 Markdown 文件中记录了 50 多条原则，供智能体查阅。另一个团队将启动移动模拟器和测试流程的技能标准化。
- 6产品和设计流程可能成为下一个约束Fang 说，面向用户的功能需要跨职能团队达成一致，因此单靠工程提速无法加快交付。他建议重新审视审查流程，让设计师直接参与实现，同时保留合规等方面所需的流程。
- 7最终标准是更快地为客户交付价值Fang 说，代码产出量可以作为有用的指标，但并不完美，也容易被人为影响。他最终要看的是客户能否更早看到产品上线；非工程领域的用例仍处于探索阶段。
要点建议
- 衡量客户能否更早获得可运行的产品，而不只是合并了多少代码。
- 为实验团队提供工具和领导层支持，帮助他们消除工程以外的瓶颈。
- 将架构原则写进代码仓库供智能体查阅，并为常见测试共享可复用技能。
- 既分享成功经验，也分享失败的实验和浪费 token 的工作流。
- Fang 说，安全不可妥协；让员工获得新工具的同时，应让安全团队参与。
按章节阅读整理后的全文
让工程团队以外的人也能用好 AI
Fang 说，DoorDash 推出 Cowork 是为了提高全公司的 AI 使用能力。他还讲述了自己如何借助 Claude Code 重回生产代码开发。
DoorDash 联合创始人 Andy Fang 说，公司推出 Cowork 旨在提高工程领域之外的 AI 使用能力。有些员工已经用 Claude Code 编写代码，但另一些人，包括部分高管，仍主要把 AI 看作聊天工具。他说，将其连接到电子邮件、日历或 Slack 后，人们看到了它如何帮助知识工作。
Boris Cherny 问 Fang 是如何开始编程的。Fang 说，九岁时，母亲给哥哥报了编程营，他也跟着参加。2013 年，他在斯坦福的宿舍里编写 DoorDash 的代码；但随着公司发展，他停止了编程，直到 Claude Code 帮助他再次交付生产代码。
Fang 通常在终端中编程，有时也尝试桌面应用。他给自己设定了不手写代码的目标，请 Claude Code 来编写。他会同时运行多个会话；当它们需要处理同一个仓库时，他使用不同的 worktree 避免冲突。
他第一次尝试在不向任何人求助的情况下交付生产功能时失败了，因为智能体无法配置他的本地环境。他说，自己在 2026 年初左右再次尝试，成功了。Fang 说，之后他用五种语言提交了生产代码，这段经历让他相信应该继续亲自尝试这些工具。
Cherny 说，一个想法在某个模型上失败后，过一段时间用更新的模型再试可能就能成功。Fang 说，DoorDash 正在鼓励团队不要过于依恋某个已经可用的配置或智能体：模型能力变化后，可能需要重新思考它。
领导者应亲自体验从开发到生产的全过程
Fang 鼓励工程经理亲自完成真正的生产环境变更。他说，这既能展现模型能力，也能暴露交付过程中的障碍。
Fang 建议工程经理设定目标，亲自交付真正的生产代码，而不只是本地原型，也不请别人代劳。走完全过程可以让领导者看到模型能做什么，以及哪些因素阻碍了工程师加快工作。
他说，DoorDash 已告诉员工，公司会投资工具和 token 预算，让他们探索编码智能体。经理们亲自尝试后，也开始理解这些工具。Fang 没有说推广过程已经完美，但表示大家正在逐步学习。
Fang 说，他喜欢能够快速制作原型和构建产品，但同时运行多个智能体、不断切换上下文，有时会让人精神疲惫。代码产出加快也带来了新问题：员工开始注意到合并代码需要多长时间，持续集成和交付流程也需要重新思考。
Fang 说，DoorDash 投资了 AI 审查智能体，帮助人们审查代码。他还说，整个行业出现了更多安全问题，因此随着产出增加，团队需要找到用 AI 在代码进入生产环境前捕获问题的方法。
工具采用、安全与实验分享
DoorDash 在 IT 和安全团队参与下引入 Claude Code。Fang 说，团队需要探索空间，也需要记录成功和失败的经验。
Fang 说，DoorDash 在 2025 年引入 Claude Code，并与 IT 和安全团队合作制定特殊的采购和审查流程，让员工能尽快获得工具。他认为转折点大约出现在 2025 年底或 2026 年初，并说公司观察到工具采用与团队编码产出之间存在相关性。
他将进展归功于高管支持、IT、安全和工程团队的合作，以及初期不对预算作过于严格的限制。Cherny 将这种做法概括为在设置防护措施的同时允许探索；Fang 说，安全不可妥协，安全团队始终参与工具审查。
为了让人们安心实验，DoorDash 起初把工具交给员工，观察早期使用者觉得什么有用。随后，公司鼓励成功项目的参与者在团队内推广，并产出可供他人分享的书面案例。
Fang 说，在大型组织内很难强制实现一致的分享，因此团队需要自己的渠道和论坛。他希望人们不仅分享成功，也分享不足，包括未能奏效的工作流和浪费 token 的集成。
Flux、小团队和适合智能体的代码
DoorDash 为经过批准的智能体会话构建了云平台，并在代码审查中使用 AI。Fang 介绍了一次快速迁移，以及记录架构和复用技能等做法。
Fang 说，Claude Code 以及通过其他工具使用的 Claude 模型已在 DoorDash 广泛普及。为了减少产出增加带来的摩擦，公司正在投资交付基础设施和 AI 代码审查。
DoorDash 构建了名为 Flux 的内部平台，其中包含公司云端的虚拟机，员工可以启动经过安全批准的 Claude 会话，并访问适当工具。Fang 说，公司的 AI 代码审查智能体也运行在该平台上，使用 Agent SDK 和 Claude 模型。
DoorDash 为设计师设定了将代码交付到生产环境的目标。Fang 说，转变并非一帆风顺，但它推动设计师直接参与软件开发。他说，公司许多最优秀的团队现在都让设计师和产品经理直接参与开发周期，并借助 Claude 开展工作。
Fang 向团队提出挑战：使用 AI 将项目完成时间缩短到原来的三分之一至五分之一。他说，这一约束暴露了人们使用编码智能体和共享标准化技能时遇到的障碍。他举例说，一名工程师用三周完成了一次大型迁移，过去可能需要四名工程师花一个季度。
Fang 说，其他大型产品的开发时间也缩短了一半以上。DoorDash 正在选择团队开展更深入的实验，并请成功团队记录做法，供其他人学习。
Fang 说，小团队的个人可以负责一个或多个领域的工作，需要的协调更少，因此能行动得更快。另一个经验是，尽早投入，让代码库更适合智能体使用。
一名技术负责人在仓库的 Markdown 文件中写下 50 多条架构原则，供智能体编码时查阅。一个移动团队还将启动模拟器和测试工作流的可复用技能标准化；这些工作原本需要繁琐的手动配置。
重新思考跨职能流程
Fang 说，编码加快后，产品和设计方面的协调成为约束。小团队需要领导层支持，才能实验并消除代码生成之外的障碍。
Fang 说，面向用户的功能不只是代码迁移：团队必须就设计达成一致，并确保解决的是正确的产品问题。产品、发布和设计审查原本都有存在的理由，但当工程加速时，它们可能成为摩擦点。
Fang 说，各职能部门的领导者必须重新考虑工作方式，才能实现编码提速带来的好处。例如，工程师可以先实现一个可用版本，再由设计师直接完善细节。他认为，更能独立完成工作的个人和团队可以行动得更快。
Fang 建议重新构想流程，同时承认其中一些环节具有重要目的，包括合规。他请希望大幅缩短时间的团队思考，智能体如何自动化或加快必要步骤。
Fang 说，DoorDash 鼓励移动工程师更广泛地参与全栈工作。iOS 架构、内存、延迟和性能等领域仍需要专家，但较少的专家可以记录原则或构建检查，帮助更多人在代码库中跨领域工作。
Cherny 问如何组建团队并给他们实验空间。Fang 说，他或另一名高管会直接支持选定的工作项目，帮助团队提出并消除跨职能障碍。如果只是要求人们实验，却保留日常工作中的所有限制，他们可能很快就会放弃。
Fang 说，支持包括 token 预算，以及允许员工向领导层提出编码之外的障碍。DoorDash 仍在研究如何扩大这种做法；当案例成功后，公司会与其他领导者分享书面记录，让做法传播开来。
衡量成果并寻找 AI 推动者
Fang 更重视客户能否更早获得价值，而非单纯的代码量。在工程领域之外，DoorDash 正与自然成为工具推动者的员工一起探索常见任务和部门专属工作流。
被问及投资回报时，Fang 说，编码产出量不是完美的指标，也容易被人为影响，但可以提供方向性参考。用更少的人更快完成工作，也能让现有团队腾出时间做其他事情。他说，在知识工作领域，DoorDash 还处于发现有价值用途的早期阶段。
Fang 举例说，销售团队要为数万名商家准备业务回顾，这可能是可以简化的工作流。DoorDash 既在研究常见任务节省了多少时间，也在研究智能体可以大幅提高效率的部门专属流程。
Fang 说，对工程工作而言，最终标准是客户能否更早获得价值，而不只是代码合并是否更快。对于知识工作，他认为提高普通员工的生产力有价值，同时还要继续探索特定领域的用途。
Cherny 说，自上而下推动自动化可能选错工作流，而广泛实验可以发现意想不到的瓶颈。Fang 说，DoorDash 正在销售、营销、运营和支持等部门寻找 AI 推动者：他们已经在实验，并了解各自领域的痛点。
这些推动者可以用智能体简化工作流，或创建帮助同事的共享技能。Fang 说，真正热衷使用工具的人往往会主动与同事分享经验，让技术和非技术团队中的推动者都能被发现。
对于工程领导者，Fang 建议亲自使用 AI，以理解它的能力以及工作变化可能带来的焦虑。他说，一些工程师与编写代码的技艺有很强的身份认同，因此在工作流改变时，领导者需要有同理心。
给领导者和应届毕业生的建议
Fang 敦促领导者亲自使用工具，理解工程工作改变带来的压力。他鼓励应届毕业生实验并分享所学。
他再次建议分享书面记录：它们既能传播经验，也能供智能体阅读。对于应届毕业生，Fang 建议保持好奇心并不断实验；他希望伴随这些工具成长起来的人能找到成熟团队未曾想到的用途。
同频道的其他文章
16:17EN → 简体中文
Claude· 2026年11月6日Salesforce 如何用 Claude Code 将有效编码产出翻倍Boris Cherny, Muralidhar Krishnaprasad, Richard Pack · AnthropicSalesforce 介绍如何衡量 AI 辅助工作的价值、培训工程师使用智能体，并检查生成代码的缺陷。
10:38EN → 简体中文Claude· 2026年10月23日Factory 的 Matan Grinberg：如何建立值得信赖的软件智能体Kai Gill, Matan Grinberg · AnthropicFactory 首席执行官说，智能体从一家银行的 COBOL 迁移中吸取经验，让下一次迁移所需的人力参与减少了 90%。
12:19EN → 简体中文Claude· 2026年10月8日Shopify 的 Mikhail Parakhin：用 AI 做过去做不到的事Boris Cherny, Mikhail Parakhin · AnthropicShopify 首席技术官介绍商家预测系统，并建议开发时使用最大模型，生产环境使用成本较低的模型。
33:46EN → 简体中文Claude· 2026年10月6日Every 如何打造学习团队风格的共享 AI 同事Katelyn Lesse, Dan Shipper, Willie Williams · AnthropicEvery 的 Slack 智能体共享工作流，从编辑的历史修改中学习，并通过隔离会话尊重访问权限。
17:50EN → 简体中文Claude· 2026年9月24日Patrick Collison：用 AI 加速开发，同时保持可靠性Boris Cherny, Patrick Collison · AnthropicStripe 首席执行官介绍隔离开发、严格的安全边界，以及一个由两三名工程师借助 AI 用两个月完成的项目。
34:42EN → 简体中文Claude· 2026年9月8日三位创始人谈 AI 智能体的验证、扩展与成本Lance Martin, Sahaj Garg, Mihir Garimella, Todd Olson · AnthropicWispr、Actively 和 Pendo 介绍如何构建智能体产品、测试其工作，以及决定哪些基础设施由自己管理。