Every 創辦人 Dan Shipper 在 AI Engineer 大會上分享了他以 15 人團隊同時營運四款軟體產品的經驗。他提出「Compounding Engineering（複合式工程）」的概念——讓每個新功能使下一個功能更容易開發，而非更難。演講涵蓋了 100% AI 採用率的關鍵差異、平行工作流程、以及這種新工作方式帶來的組織變革。

---

原影片連結：https://www.youtube.com/watch?v=MGzymaYBiss

影片重點

• 90% 和 100% 的 AI 採用率之間存在 10 倍的效能差距
• Every 以 15 人團隊運營四款軟體產品，99% 的程式碼由 AI agent 撰寫
• 每款 app 由單一開發者獨立建構與維護
• 「Compounding Engineering」四步驟循環：Plan → Delegate → Assess → Codify
• Codify 步驟是關鍵——將隱性知識轉化為可共享的 prompt 資產
• AI 讓跨產品的程式碼分享變得零成本
• 新進員工第一天就能產出，因為所有知識已嵌入 CLAUDE.md 等設定檔
• 管理者也能提交 production code，因為 AI 允許碎片化工作時間

詳細內容

[00:20] 開場與背景介紹

Dan Shipper 作為當天最後一位講者開場，他坦言自己並沒有一套完整的「AI 原生公司建構手冊」，因為這套方法論正在被即時發明中。他認為在這個 AI 工程的早期階段，最有價值的事情是分享各自公司內部的真實經驗，而非提出框架和教條。他將自己的演講定位為「來自未來的報告」（Dispatches from the Future）。

[01:52] Every 公司概覽：15 人做四款產品

Dan 介紹了他經營的公司 Every，這是一個擁有六個業務單元的組織，其中包含四款軟體產品——而這一切僅由 15 人團隊完成。這些產品並非玩具，每月 MRR 雙位數成長已持續六個月，擁有超過 7,000 名付費訂閱者和 100,000 名免費訂閱者。更令人驚訝的是，公司總共只募資了約 100 萬美元。

最關鍵的數據是：99% 的程式碼由 AI agent 撰寫，沒有人手寫程式碼，所有開發都透過 Claude Code、Codex、Devin 等 coding agent 完成。每款 app 由單一開發者獨立負責。

[04:17] 產品展示：單人開發的生產級應用

Dan 展示了幾款產品作為實例：

• Cora：AI 電子郵件管理 app，左側自動摘要所有來信，右側有可對話的郵件助手，主要由一位工程師打造。
• Monologue：語音轉文字 app，類似 SuperWhisper，同樣由一人開發，擁有數千名使用者。
• Spiral：功能豐富的大型應用程式，也是一人開發。

這些都不是簡單的 side project，而是具有相當複雜度的生產級產品。

[05:23] AI 帶來的生產力解鎖

Dan 指出這種變革始於 Claude Code 這類終端機介面的出現，讓開發者從傳統程式碼編輯器中解放出來，轉向「委派任務給 agent」的工作模式。具體的生產力提升包括：

平行開發多個功能和 bug 修復：雖然 Twitter 上有 vibe coder 同時開四個面板卻沒做事的迷因，但 Every 的工程師確實能同時高效使用四個 agent 面板。這是單一開發者能建構並維護生產應用的關鍵因素。

低成本原型測試：因為撰寫程式碼的成本極低，可以快速做出原型來測試風險性想法。啟動一個實驗的門檻大幅降低，只需告訴 agent「去研究一下這個大型重構」，然後自己去做別的事。

Demo 文化取代備忘錄文化：過去要推動一個想法需要寫備忘錄、做簡報、說服一群人。現在用 vibe coding 幾小時就能做出原型，直接展示而非描述。這讓團隊敢於嘗試更奇特的點子——那些只有親手體驗才能理解其價值的東西。

[08:10] Compounding Engineering：新的工程方法論

Dan 認為 AI 推動了一套全新的工程原語和流程的發明。他們將這套方法命名為「Compounding Engineering（複合式工程）」，核心概念是：

傳統工程中，每個新功能會讓下一個功能更難開發。在 Compounding Engineering 中，目標是讓每個功能使下一個功能更容易開發。

這個循環包含四個步驟：

1. Plan（規劃）：為 agent 制定非常詳細的計畫，這是與 agent 協作的基礎。
2. Delegate（委派）：將任務交給 agent 執行。
3. Assess（評估）：透過測試、實際試用、agent 自我檢查、程式碼審查、agent 程式碼審查等方式評估成果品質。
4. Codify（編碼化）：這是最關鍵的「賺錢步驟」——將從前三個階段學到的所有知識，回寫成 prompt，存入 CLAUDE.md 檔案、sub-agent 設定、slash command 中，建立一個可共享的知識庫。

[10:30] Compounding Engineering 的二階效應

當組織徹底執行 Compounding Engineering 後，會產生一系列非顯而易見的二階效應：

跨產品的隱性程式碼共享：以往要在不同產品間共享程式碼，需要抽象成函式庫、打包發布。現在只需將 Claude Code 指向隔壁同事的 repo，AI 就能學習他們建構某個功能的過程，然後在你自己的技術棧和框架中重新實作。開發者越多，這種零成本共享的效益就越大。

新人第一天即可產出：因為所有的知識——環境設定方法、好的 commit 標準、PR 撰寫規範——都已經寫進 CLAUDE.md 或 Cursor 設定檔中。新人到職第一天，agent 就能自動設定好開發環境，並且知道如何撰寫符合標準的 PR。這也讓聘請短期專家更加可行，就像 DJ 可以只錄幾段 bars 一樣，專家可以快速投入特定任務。

跨產品提交 Pull Request：Every 的所有人都使用公司內部的四款產品。當有人遇到 bug 或體驗上的小問題，他們會直接下載對應產品的 repo，讓 Claude 或 Codex 找出修復方法，然後向該產品的負責人提交 pull request。Dan 推測未來甚至客戶也能這樣做。

無需統一技術棧：因為 AI 大幅降低了在不同程式語言和框架之間切換的門檻，Every 讓每個產品的開發者自由選擇最順手的技術，AI 負責處理之間的翻譯。

管理者可以提交程式碼：Dan 自己作為 CEO，儘管日常管理四款產品和 15 人團隊，仍然能提交 production code。關鍵在於 AI 允許「碎片化注意力」的工作模式——不再需要 3-4 小時的深度專注時間，而是在兩個會議之間，讓 Claude Code 去調查一個 bug，自己去忙其他事，回來時已有根因分析和修復方案，就可以提交 PR。

[15:08] 總結與公司介紹

Dan 總結了三個核心觀點：100% AI 採用率帶來 10 倍差異；單一工程師能夠建構和維護複雜的生產級產品；Compounding Engineering 不僅讓每個功能更容易開發，還會產生一系列讓整個組織更容易協作的二階效應。他最後提到，舊金山的很多人還不知道這些——而在場的聽眾是最先聽到的人。

我的想法

Dan Shipper 的演講最讓我印象深刻的不是那些生產力數據，而是「Codify」這個步驟的深遠意涵。多數人談 AI 輔助開發時，焦點放在 Plan、Delegate、Assess 這些直覺性的步驟，但真正拉開差距的是第四步——把學到的東西系統性地回寫成 prompt 和設定檔。這本質上是一種「知識的程式化」，把原本存在於個人腦中的隱性知識，轉化成 AI 可執行的指令。

不過我也注意到一些值得思考的問題。15 人管理四款產品聽起來很厲害，但每款 app 由單一開發者負責，這在 bus factor（關鍵人員風險）上其實相當脆弱。如果那一位工程師離職或生病，即使有完善的 CLAUDE.md，接手的人真的能快速上手嗎？Compounding Engineering 的 Codify 步驟在理論上可以緩解這個問題，但實際效果還有待觀察。

另一個有趣的觀察是「管理者可以提交程式碼」這一點。這不只是一個效率提升的故事，而是組織角色邊界的模糊化。當 CEO 可以直接改 code，PM 可以直接做原型，傳統的職能分工是否還有意義？這可能是 AI 原生公司最深層的組織變革——不是讓每個人做得更快，而是讓每個人能做更多種類的事。