🤖 AI 原生团队该凑齐哪五种人

https://lionad-morotar.github.io/ppt/boris-five-roles-in-ai-native-teams/1

当工程、产品、设计在 AI 面前熔合成一种新角色，团队里真正存在的是什么角色？

Claude Code 之父 Boris Cherny 给出的答案是五种工作原型：原型者、建造者、清扫者、增长者与守护者。

本文从他的观察出发，聊聊 AI 原生团队分工形态的重排。

你的职位还剩几年保质期

最近一个月，产研圈的组织调整信号密集得让人没法忽视。

美团 CLC 食杂零售 Keemart 研发团队完成架构调整，前端与后端正式合并。新架构已经生效，相关前端同学提前一个多月就开始接受后端训练¹。蚂蚁网商宣布推动测试岗整体转向研发岗，给了半年缓冲期。过渡期一结束，原测试同学就转成全栈工程师¹。招聘市场上，全栈工程师的 JD 也在明显变多。

更令人兴奋，也可能更令人担忧的，是 AI 数字员工真的开始「入职」了。

Shopify 内部有个 AI 同事叫 River。它是真的「同事」——住在公司的 Slack 公共频道里，会读代码、跑测试、提 PR，偶尔还会在方案有问题时公开反对。据 Shopify 自己披露， 如今全公司每 8 个合并进主干的 PR，就有 1 个由 River 合作完成²。数字员工已经直接参与了生产级别的软件开发。

当有一天你上班，发现对面工位坐的是一个 Agent 时，你会不会怀疑——自己的职位，还剩下多少保质期。

瀑布流，还撑得住吗

这个问题先按下不表。要回答职位还能撑多久，不妨先回头看看，今天这些职位当初是怎么被切出来的。

企业内部的协作依赖专业分工。八年前我刚做前端时，向更早入行的同事请教。他们当年在国内最早那批前端团队里干活的方式，和我今天习以为常的一切几乎一模一样：专业按职能切，需求从市场来，交给产品打磨，由设计审核 UI/UX，再交给前后端开发，最后由数据团队提供支持或运营能力。

这套瀑布流（Waterfall）式的流水线非常好用，过去十几年里一直运转良好。但在 AI 面前，越来越多人开始质疑：这种按职能切的分工，还能不能撑得住。

观点的源头：Claude Code 之父 Boris Cherny

回答「团队阵型该怎么变」这个问题，Boris Cherny 的观察直接来自 Claude Code 团队本身——他是这个产品的缔造者。

在 Anthropic 内部有类似孵化器的实验室机制。Boris 和几个同事组成了一个非常小型的项目制团队， 在不长的时间里创造了 Claude Code、CC Desktop 以及模型上下文协议（Model Context Protocol，MCP）等内容，随后团队解散。 这种项目制的工作方式，深刻影响了他看待产品和工程的视角。他也是近期热度很高的循环工程（Loop Engineering）话题的提出者之一—— 他在多个访谈里讲过，Claude Code 一直在朝「以 loop 为 harness（执行外壳）核心」的方向走，目标是更低成本、更高效地跑起更多智能体。

用过 Claude Code 的人会注意到，他观点的核心假设是：传统流程型工作会通过左移（Shift Left）被重构。工作尽量提前，人从技术流程节点里解放出来，更多任务交给 Agent 自动化完成。

2026 年 6 月底，他在 X 上写了一段被大量转载的话。他先问：当工程、产品、设计、数据科学等职能熔合成一种新角色时，未来的角色会是什么样子？随后他给出自己的答案——观察 Claude Code 团队，他看到的是五种原型³。

五种原型，五种工作模式

Boris 给出的五种原型是：原型者（Prototyper）、建造者（Builder）、清扫者（Sweeper）、增长者（Grower）和守护者（Maintainer）。

它们描述的是工作模式，同一个职位下可能同时出现多种原型。在 Claude Code 团队里，有的设计师表现得像原型者，有的像清扫者，工程师、PM、数据科学家同样如此³—— 这也是 Anthropic 内部大部分人共用 Member of Technical Staff 这一个 title 的原因。

Prototyper：「我有一个想法」

原型者是能大量产出全新想法的人。大部分 idea 会自然淘汰，这并不要紧。

Boris 有一个公开判断：编码已经是被解决的问题⁴。如果编码已经被解决，那么一个人借助 AI，把一个模糊的念头在几小时或者一天内，变成可以摸、可以点、可以直接上手玩的东西——这种人就是原型者。

假设你有一周时间做出了 7 个原型，扔掉其中 6 个，剩下一个交给下一阶段的建造者快速落地成产品，这就是原型者的工作节奏。

Builder：「把它造出来」

建造者接手原型和想法，把它真正在生产环境落地成能运行的东西。

程序员看似天然适合 Builder，真正关键的品质是落地能力——产品只有真正进入生产环境、拿到数据反馈，才算进入了循环。

建造者的工作也可以从非零起点开始。假设一位设计师用 AI 生成了一整套设计语言，并在某个代码库里成功地进入了生产环境，那这一刻她就是建造者。重点在于，Builder 是能把东西跑起来的人，这通常需要一些工程上的直觉。

Sweeper：「把它变好」

据 Boris 自己披露，今年到现在他有 40 万行代码新增，另外还有 25 万行代码删减。这 25 万行删减里，有相当一部分就是把没用的东西清掉——而这正好对应第三种原型：清扫者。

清扫者持续地清理和简化系统。在 Boris 的原话里，他们的工作包括清理 UI、简化代码和系统、下线功能（un-ship）、优化性能³。把没有用的系统下线，让产品和平台变得更干净，这需要很强的产品感和工程品味。

Grower：「让它长大」

增长仍是传统意义上的增长。增长者接手一个已经建好的产品，不断迭代，把产品-市场匹配（Product-Market Fit，PMF）拉高。

他们在干什么？做新需求、新实验、投新广告，看数据、调转化、跑 A/B 测试，去找真正影响用户指标的那个东西。

如果说建造者负责把东西跑上线，增长者就是那个真正把产品放进「假设 → 验证 → 调整」这个数据循环里、越跑越快的人。

Maintainer：「让它稳稳地跑」

最后是守护者。他们是专家群体，有扎实的理论知识和实际运营经验，守着成熟系统，让它安全、可靠、高效地向外扩展。

AI 能帮守护者更快地定位问题，但系统边界、数据风险、架构取舍、业务正确性这些地方，仍然需要资深工程师兜底——他们是最懂某一个系统的人。而判断「什么不能动」这种直觉，至少现在的 AI 还没有。

团队阵型：按产品阶段配人

Boris 不只给了角色原型，还给了团队配置的思路。他按产品在市场上的成熟程度，把产品划分成三个阶段³：

• 探索期：产品还很新，还没找到「谁愿意为它买单」。这时需要更多原型者、建造者和清扫者——大量试错，快速建造，及时清理废墟。
• 增长期：产品找到了 PMF、正在增长。这时更需要建造者、清扫者和增长者，三件事并重，同时也开始需要一部分守护者。
• 成熟期：产品已经有很强的 PMF、等着规模化。这时更需要清扫者、增长者和守护者，只保留一部分建造者继续建造。

规律是：清扫者从产品第一天就是刚需，而守护者是在产品走向成熟的路上加入的。

与「全栈工程师」的区别

Boris 也提到，具体的人和某一种角色原型之间是动态映射——一个人的能力模型会随着阶段、兴趣和项目需求发生变化。

这里容易混淆的是：跨多种能力的角色原型，和全栈工程师（Full-Stack Engineer）到底有什么区别？

两者的切入点不同。这要回到 Boris 的判断——编码已经是被解决的问题。 他认为工程师的大量时间耗在编码之外：和客户交流、与产品和设计碰撞想法、做技术决策、规划任务、观察数据、写文档、做迭代 0（Iteration 0）的准备⁴。 这些编码上游和下游的杂务，当下的编程智能体很难直接接手。

Boris 的角色原型是一种从产品视角切入、关于「如何创建和运营产品」的能力模型。经典的全栈工程师则是技术栈导向的：理解如何设计精美的页面、创建 API、理解数据库结构、了解如何规模部署和数据运营——关注的是端到端的交付能力。

一个回答「用什么姿态创造价值」，一个回答「用什么技术栈交付价值」。这是两个独立维度的问题。

回到开头：职位还剩多少保质期

绕了一圈，回到最开始的问题。

我的结论是：AI 原生团队真正要面对的问题，是分工形态的重排——从按职能切，变成按原型配。

第一，AI 进入团队，改变的首先是效率，更深层的则是人与人、人与 AI 之间的分工形态。

第二，原型本来就不绑职能。同一种原型，无论你是设计师、工程师还是 PM，都可能展现出来。网上常听到 PM 动手改代码的故事，就是这一点的翻版——PM 一旦上手、做成了，就成了原型者，甚至建造者。

职称标签仍然影响场上位置。我自己做前端这几年，光是职称就变过好几轮——H5 前端、Web 前端、前端工程师——这背后反映的是不同公司对职能的理解在变化。但「Web 前端」这种固定称谓，作为标签的描述力正在瓦解： 它既衡量不了一个人在组织里的真实影响，也跟不上他动态变化的角色。

所以，你是哪种角色

从 Boris 的观点来看，一支健康的团队不必人人全能，而是按产品阶段把原型配齐——就像一支好球队，不需要十一个梅西。

不妨观察一下自己以及身边的同事：大家在做事的时候，是一种什么样的姿态？或许你会发现，自己在某个瞬间正把一个 idea 打磨到落地、眼睛一亮——那也许就是你的优势原型在显现。

顺着这个思路，「我会不会被 AI 替代」这个普遍令人焦虑的问题，也可以换一种问法：

你是哪一种角色，以及想成为哪一种角色？ 这关乎你创造价值的方式。

AI 润色