真正AI Native公司的实践探索经验。

最新一期42章经播客总结：组织能力才是 AI 公司真正的壁垒 | 对谈 Palona AI 联创任川

① AI重构研发流程：效率提升不止十倍
传统互联网公司，代码审查平均要1-2天，而在Palona AI，时间被压缩10分钟。

秘诀是用CodeRabbit工具，完全让AI负责代码审查，半年多的实践证明效率和效果都远超传统方式。

② AI原生工作流三大原则

1） 默认让AI做所有研发工作

从写文档、写测试、写设计文档到写代码、审查和监控，全流程AI优先。

只有AI无法完成时，人才会介入。

2） Claude Code是最佳AI编程工具

尽管国内受限，但它能力最强，支持二次开发，正如刘小排说：“只要有SOP，就没有Claude Code无法完成的任务”。

3）减少人机交互，消除瓶颈

传统"拉通对齐"会议往往是效率杀手，AI时代需要将上下文直接融入代码库，实现自动同步。

③ AI时代的新人才标准：
1）上下文提供者 Context Provider
2）快速学习者 Fast Learner
3）创造者 Builder

人不是使用AI的工具，而是为AI提供上下文的赋能者。

Context Provider：提供AI所缺的行业知识和上下文。

Fast Learner：快速掌握"最少必要知识"，重点不是比AI更聪明，而是知道如何引导AI发挥最大潜力。

Builder：对最终结果负责，全流程掌控。
避免因分工导致的上下文传递损耗，一个人就能端到端完成任务。

④ 组织形态的彻底重塑：按结果分工而非流程

Palona AI的20人团队完全没有全职PM，所有人都直接为业务结果负责：

1）按结果而非流程分工

团队分为商家体验组和消费者体验组，而非前端、后端等技术职能划分。

工程师可以直接修改任何影响其负责结果的代码，无需跨团队协调。

2）工程团队为核心，速度优先

工程师直接参与产品设计、市场沟通，先做出60分产品快速上线。

专业设计师再在此基础上优化至80-100分。

⑤ 未来组织可能形态

少量核心合伙人+大量专业合同工
核心成员享受合伙人级待遇，同时灵活调用各领域专家资源。

⑥ 招聘与人才筛选
1）采用Take Home项目测试

要求两天内完成一个必须使用AI才能完成的任务

现场测试：一小时内使用AI理解并改进一个充满"陷阱"的陌生项目

2）团队协作：
会议集中在每天3-4小时，其余时间专注独立工作。

工程师直接拜访客户，获取一手需求，跳过传统的"销售→PM→工程师"传递链条