最新资讯
reddit.com OpenAI 称 Astra 仅满足 10% 安全任务标准 dev.to FreeToken:在自有 GPU 上运行前沿 MoE 模型及其内存需求 dev.to 当 AI Agent 说“完成”时,究竟完成了什么? dev.to 部署 Underdog Bark 3.0 Pro:逐字转写、自定义后端与分块设置 dev.to 为艰难对话构建 AI:五个 Agent、一条安全正则与一位盲评监督者 techcrunch.com Palo Alto Networks 洽谈以 5 亿美元收购 AI Agent 安全初创公司 Clutch theinformation.com 黄仁勋被要求就涉华间谍指控向国会作简报 www.infoq.com Edera 推出 Object Capability Bounded Authority,试图将凭证与 AI Agent 工作负载隔离 wechat 这波杀疯了!旗舰级模型不限量、1个月视频额度免费领 bloomberg.com AI 抛售蔓延至信用市场,软银领跌亚洲美元债 dev.to 如何在专用 GPU 服务器上用 OpenAI 兼容 API 部署 LLM dev.to 审计 153 份 Claude Code 与 Codex 会话记录:User-Agent 与 URL 中的邮箱泄露
多元动态
登录 注册
智能体 www.xiaoyuzhoufm.com ·

Shopify CEO Tobi Lütke:用 AI 顾问团审视最棘手的决策

原文 我的收藏

Shopify 创始人兼 CEO Tobi Lütke 在 The Knowledge Project 播客中介绍,公司内部几乎所有工程师都在使用多个 Agent 协同工作,并有一个名为 River、具备记忆、个性与工具权限的 AI 同事在 Slack 公开频道参与讨论、创建 PR、总结研究与制作原型。他还会调度多个子 Agent 分别扮演数据、论文、商业与工程角色,为决策搭建信息环境,但强调判断与责任仍由人承担。他也提醒 AI 可能带来产出过剩与责任被跳过等问题。

AI推荐理由 Shopify CEO Tobi Lütke 详述内部多 Agent 协作实践,包括具记忆与工具权限的 AI 同事 River 在 Slack 公开频道参与讨论、创建 PR,以及用多 Agent 从不同视角辅助决策。内容具体、可操作,对 Agent 落地有参考价值;但为播客转述,非一手技术文档。

72

正文

📝 本期播客简介 本期我们克隆了:The Knowledge Project Podcast · Tobi Lütke: The Skills AI Makes More Valuable 原内容更新时间:2026-09-15 在 The Knowledge Project Podcast 中,主持人 Shane 与 Shopify 创始人兼 CEO Tobi 再次对谈,深入讨论 AI Agent 如何进入公司日常、战略决策与个人工作流。Tobi 分享了 Shopify 内部几乎所有工程师都在使用多个 Agent 协同工作的现状,以及拥有记忆、个性和挑战权限的 AI 同事 River,如何在 Slack 的公开频道里参与讨论、创建 PR、总结研究并制作原型。 对 Tobi 来说,AI 的价值不只是替人完成任务,更在于改善做判断的环境:让多个 Agent 从数据、论文、商业和工程等不同角度审视同一个问题,再由人承担最终责任。他也提醒,AI 可能带来“产出过剩”、AI 垃圾内容和责任被跳过等新问题,真正无法外包的仍然是判断、选择与负责。 对谈后半段转向更长期的能力建设:为什么品味、判断力和直觉会在 AI 时代变得更重要;为什么最优路径往往没有即时反馈;为什么复杂系统必须不断修剪、重建,甚至通过二次创业契机重新开始。Tobi 还谈到自我肯定、培养可塑性、研究经得住时间考验的书,以及他对成功的理解。 👤 本期嘉宾 Tobi 是 Shopify 创始人兼 CEO,也是一位高度投入技术变革的极客。他长期研究计算机历史、软件系统与组织设计,并将这些思考带入 Shopify 的产品和公司运营中。在他的实践里,AI 不只是一个辅助工具,而是正在成为拥有记忆、个性、工具权限和协作能力的“同事”。 Tobi 亲自使用 AI 幕僚长来调度多个子 Agent,收集不同立场的研究材料,为公司决策搭建信息环境;他也使用 Omakub 和 Agent 定制自己的操作系统,甚至通过语音描述做出新的截图工具。这些具体案例让本期对谈不止停留在 AI 趋势判断,而是展示了一位公司创始人如何把 Agent 融入日常工作、产品构建和长期决策。 ⏱️ 时间戳 00:04 Shopify的AI编程现状 03:30 从Sydney到River 09:30 AI辅助公司决策 14:32 AI同事与超级智能 23:51 判断力对抗短视主义 33:14 从自我塑造到持续迭代 47:34 读书与成功的定义 🌟 精彩内容 💡 AI 不能替你承担责任 AI 可以提供更好的信息、构建更好的决策环境,却不能替人承担后果。Tobi 认为,判断权和责任仍然必须由人保留,这也是公司领导和关键决策无法被简单自动化的原因。 "机器没法承担责任。" 💡 River 是拥有个性的 AI 同事 Shopify 没有把内部 Agent 做成千篇一律、谨慎说教的工具,而是允许 River 拥有名字、头像、记忆和适度的讽刺感。它生活在 Slack 的公开频道中,能够参与讨论、访问工具并提交 PR。 "现代的应用程序就是一个 Agent,而 River 感觉就像是一位同事。" 💡 公开使用 AI,会形成潜移默化式学习 River 被限制在公开频道里工作,目的不是限制能力,而是让所有人都能观察别人如何调用和使用 AI。团队成员会自然看到别人让 River 总结讨论、查论文、画架构图或制作原型,从而学会把 AI 融入工作。 "强制 River 只能在公开频道里工作,就能让大家非常非常容易地观察别人是怎么用的。" 💡 AI 让决策环境变好,但不会替你判断 Tobi 会让多个子 Agent 扮演数据、论文、商业和工程专家,再由不同模型分别分析,最后汇总成一份材料。AI 的角色是扩大信息和推理的范围,而不是代替他做最终选择。 "我用它是为了给做判断搭建合适的环境。" 💡 AI 时代最稀缺的是品味与判断力 当执行和生成变得越来越便宜,真正重要的问题变成了什么值得做、什么值得保留,以及多个好选项之间该如何取舍。Tobi 认为,品味来自对大师和系统的长期研究,也来自大量练习。 "其实就是品味和判断力,这两项技能一直都很有价值,但现在会被推到极致。" 💡 最优路径不一定有即时反馈 短视主义往往不是因为管理者天然短视,而是因为激励机制要求他们持续展示短期进展。真正重要的产品重构、新市场投入或长期建设,可能很久都没有反馈,却未必因此是错误的选择。 "最优路径不一定非要有反馈。" 💡 好选择太多,才是决策最难的地方 找到一个可行方案并不难,困难在于多个方案都合理,其中有的能快速带来结果,有的却可能把公司建设得更好。战略判断的核心,是在复杂系统中选出最值得长期投入的那一条路。 "在所有可行的方案中选出最合适的那一个,这才是真正的难点,而不是找出一个可行的方案。" 💡 组织和产品必须不断修剪、重建 Tobi 以 SpaceX 的猛禽发动机为例,说明优秀系统不是靠不断叠加功能变好,而是要敢于删除旧结构、重新设计,并为系统创造二次创业契机。失败本身不是问题,无法释放优秀人才和资源才是问题。 "你必须修剪。你必须迈出步子。你必须重建。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的 使用 AI 进行翻译,因此可能会有一些地方不通顺

来源报道 · 1 篇 · 以下链接均前往原始媒体

opmlrss::跨国串门儿计划 Shopify CEO Tobi Lütke:用 AI 顾问团审视最棘手的决策 09-17 · 原文发布
← 返回精选动态 原文

更多内容