Grayson ViewsGrayson Views
AppAI
繁中简中
隱私條款
登入
  1. AppAI
  2. ›網站
  3. ›Grayson Views
  4. ›覺得不是本科就進不了科技業?念會計的 Lauren Tan:寫 Excel 巨集時發現自己更愛寫程式,後來做到 React 編譯器【AI原聲帶】
隱私權政策服務條款
AppAI

覺得不是本科就進不了科技業?念會計的 Lauren Tan:寫 Excel 巨集時發現自己更愛寫程式,後來做到 React 編譯器【AI原聲帶】

11/19 · Y Combinator · 38:36 · 來賓 Roman Ugarte、Lauren Tan

看影片
在 YouTube 觀看

重點時刻

  1. 0:00GrokBot 是什麼:七週做出的 AI 同事
  2. 4:49一個 bot 只專心管一件事
  3. 6:41Team Bots:整間公司的萬事工廠
  4. 10:03bot 在 Slack 裡不會察言觀色
  5. 11:05建立信任的三個步驟
  6. 17:17P-Stack:一套開源的工程技能
  7. 19:07有記憶的軟體工廠 Cappy
  8. 20:24在 Slack 公開工作,整間公司跟著進步
  9. 21:22寫程式為什麼比其他工作容易自動化
  10. 23:05做事變便宜,難的是定義目標
  11. 24:51最小的循環:讓 agent 自己驗證
  12. 26:55審查程式碼燒掉太多 token
  13. 30:34用 lint 規則取代 token
  14. 33:04品味:決定什麼不上線
  15. 34:36從會計系走到 AI 工程師

AI 同事(AI coworker)真的能接手公司裡的工作嗎?當 AI agent 讓做事變得便宜,瓶頸又會跑到哪裡?GrokBot 首席工程師 Lauren Tan(曾參與 React Compiler)和產品負責人 Roman Ugarte(前 Cursor 團隊)在 YC 的 Light Cone 談了這些主題:怎麼設計 bot、團隊共用的 Team Bots、怎麼一步步信任 bot、開源的 P-Stack、程式碼審查的 token 成本,還有人的品味。這是 33 分鐘的完整濃縮版。

看完整影片

原片 Y Combinator

▶ 0:00 GrokBot 是什麼:七週做出的 AI 同事

GrokBot 到底是什麼產品?

0:51 畫面

  • Roman 說 GrokBot 是內部原型,大約七週就做出來;設計上以 bot 為核心,而且給 bot 跟人一樣的工具,例如自己的電腦,不能只靠 MCP ▶ 0:51

GrokBot 把機器人當隊友,靠三個原則

GrokBot 把機器人當隊友,靠三個原則

比等你戳才動的更有幫助

▶ 4:49 一個 bot 只專心管一件事

一個 bot 包辦所有事,還是一個 bot 只管一件事?

每個機器人只顧一件事,像招人一樣

每個機器人只顧一件事,像招人一樣

交給最懂的專家來帶

▶ 6:41 Team Bots:整間公司的萬事工廠

Team Bots 讓整個團隊共用 bot,業務團隊怎麼用?

6:48 畫面

  • 大約兩週前推出 Team Bots,業務團隊共用一個專家 bot,大家一起把最好的做法放進去 ▶ 6:48

軟體工廠從工程師擴大到業務客服

軟體工廠從工程師擴大到業務客服

懂做工具的人能幫全公司減負

資料來源: Steve Yegge on Medium(drss.io 轉載) · Maggie Appleton

▶ 10:03 bot 在 Slack 裡不會察言觀色

▶ 11:05 建立信任的三個步驟

公司該怎麼開始信任一個 bot?

11:17 畫面

  • Roman 說信任 bot 分三步:先唯讀(例如只能讀資料庫的 DataBot),再讓它執行任務,最後才把整份職責交給它 ▶ 11:17

公司分三步信任機器人,先只讓它讀

公司分三步信任機器人,先只讓它讀

第一步是建立信任的關鍵

一個 Slack 討論串,就把整個功能做完

一個 Slack 討論串,就把整個功能做完

大家一起看,來回快很多

資料來源: Cursor Docs

▶ 17:17 P-Stack:一套開源的工程技能

Lauren 開源的 P-Stack,究竟是什麼?

P-Stack 是一套教 AI 嚴謹寫程式的技能包

P-Stack 是一套教 AI 嚴謹寫程式的技能包

每個人都該打造自己的一套

資料來源: Cursor Docs · GitHub(cursor/plugins) · GitHub(garrytan/gstack)

▶ 19:07 有記憶的軟體工廠 Cappy

▶ 20:24 在 Slack 公開工作,整間公司跟著進步

在 Slack 公開和 agent 合作,對整間公司有什麼影響?

▶ 21:22 寫程式為什麼比其他工作容易自動化

寫程式能自動化,公司其他工作卡在哪裡?

程式有對錯、資料齊全,較容易交給 AI

程式有對錯、資料齊全,較容易交給 AI

▶ 23:05 做事變便宜,難的是定義目標

如果能同時派出一百個 agent,瓶頸會跑到哪裡?

23:33 畫面

  • Roman 認為能同時派出一百個 agent 時,失敗多半不是做不到,而是目標沒定義清楚 ▶ 23:33

稀缺的不再是人力,而是把問題講清楚

稀缺的不再是人力,而是把問題講清楚

失敗多半是目標沒講清楚

▶ 24:51 最小的循環:讓 agent 自己驗證

想自己動手試,最小的一步該從哪裡開始?

讓 AI 自己跑程式,就能自己修到對

自我檢查

項目說明
寫程式
自己跑程式像真實使用者
量效能找出問題
修正改得更正確

讓 AI 預設寫出好程式是新工作

▶ 26:55 審查程式碼燒掉太多 token

Garry Tan 拋出難題:審查程式碼要花多少 token 才夠?

27:07 畫面

  • Garry Tan 想把審查程式碼的 token 從五千萬降到一千萬;Lauren 的答案是把規則寫成 lint 規則、交給 CI 檢查,不再每次花 token 審查 ▶ 27:07

把規則寫進程式碼,比每次 AI 審查省

把規則寫進程式碼,比每次 AI 審查省

設好一次,就少一個問題

▶ 30:34 用 lint 規則取代 token

寫成自動規則,違規程式根本提交不進去

項目說明
每格16毫秒才能每秒60格
禁止互相引用主執行緒和畫面
違規擋下自動檢查
不必再審查省下 token

App 效能一直很穩定

▶ 33:04 品味:決定什麼不上線

AI 什麼都做得出來,團隊怎麼決定哪些不上線?

33:22 畫面

  • Sandy 每天接收數千筆回饋,小 bug 在凌晨三點自動修好上線;核心介面沒通過內部試用就不上線 ▶ 33:22

小 bug 自動修,核心介面要嚴格把關

內部反應普通,就不上線

▶ 34:36 從會計系走到 AI 工程師

最後,Lauren 怎麼從會計系走到 AI 工程師?

會計系出身,靠分享自學成果走進頂尖科技圈

會計系出身,靠分享自學成果走進頂尖科技圈

做有趣的事,也要講出來

資料來源: React 官方網站(團隊介紹)

來賓

Roman Ugarte GrokBot 產品負責人 曾任職 Cursor 團隊

Lauren Tan GrokBot 首席工程師 曾參與 React Compiler

原片 頻道 Y Combinator

本頁由剪片存檔自動產生

訂閱電子報