6位顶尖工程师的AI工作流实录：他们如何用AI撑起4款产品和10万订阅

## 一个小团队的惊人产出

6位工程师，4款AI产品，1个咨询业务，外加一个拥有10万+读者的订阅媒体每日更新——这是Every团队的真实写照。

他们不是在"用AI写代码"，而是在重新定义工程师的工作方式。Every最近公开了这6位工程师的AI工作流细节，揭示了一个关键转变：**AI时代的工程师，核心能力已从"写代码"转向"做规划"**。

## 六种风格，六种哲学

### 1. 实验派：Yash Poojary（Sparkle总经理）

**装备**：双电脑作战，一台跑Claude Code，一台跑Codex

**核心策略**：同时给两个AI下达相同任务，对比谁更快更好。

**时间管理哲学**：
- **上午：专注执行模式** - 只用最熟悉的工具（Claude和Codex），绝不尝试新功能，确保产出
- **下午：自由探索模式** - 测试各种新AI应用和功能

**技术亮点**：
- 使用Figma MCP集成，让Claude直接读取设计源文件（颜色、间距、组件），而非截图
- 使用Context 7 MCP工具，确保AI获取最新官方文档

**深层洞察**：Yash清楚地认识到AI既是生产力工具，也是"时间黑洞"。他用严格的时间分割建立"防护栏"，防止沉迷于调教AI而忘记真正的工作目标。

### 2. 规划派：Kieran Klaassen（Cora总经理）

**核心理念**："谋定而后动"

**工作流程**：
1. 根据功能大小制定三种级别的编程计划
2. 用Context 7 MCP喂给AI最新官方文档
3. 让Claude Code制定完美计划
4. 将计划发布到GitHub
5. 在云端让Coding Agent执行计划
6. AI自动审查 → 人工复核

**哲学**：AI不是"黑匣子"，而是必须在既定蓝图内严格执行的"施工队"。

**价值**：这种方式确保了可控性和可追溯性，特别适合需要团队协作和长期维护的项目。

### 3. 架构派：Danny Aziz（Spiral总经理）

**装备**：命令行工具Droid + Warp终端 + Zed编辑器

**工具选择**：
- GPT-5 Codex：搭建复杂功能框架
- Claude：优化和打磨代码细节

**核心能力**：在规划阶段花大量时间让AI推演决策的二阶、三阶后果。

**典型问题**："我要加这个新功能，但你帮我分析一下，它会不会因为数据库查询方式导致整个App变慢？"

**工具观**："我已经好几个月没打开Cursor了。"他选择了更轻量、更可控的工具组合。

**深层价值**：用AI辅助高维度的架构思考，而非仅仅写代码。这是从战术层面到战略层面的跃迁。

### 4. 流程派：Naveen Naidu（Monologue总经理）

**信条**："如果任务没录入Linear，它就不存在。"

**双轨制流程**：
- **小Bug**：Linear复制问题描述 → Codex Cloud自动执行
- **大功能**：本地编写详细plan.md → 作为与AI沟通的"唯一事实蓝图"

**自举实践**：深度使用自己开发的Monologue（语音转文字工具）来口述需求、写文档、给AI下指令。这是"用自己造的锤子修自己的房子"。

**审查标准**：
1. AI自动审查
2. 人工对比代码
3. 查看Sentry错误监控日志
4. 确认Bug真正被修复

**工程意义**：流程即文档，文档即真相。这种方式特别适合需要严格质量控制的生产环境。

### 5. 实用派：Andrey Galko（工程主管）

**特点**：不追逐"闪亮的新玩具"

**工具演进**：Cursor（因定价改变被迫放弃）→ Codex

**观察**：
- 早期OpenAI模型写代码"很懒"，经常跳步骤
- 现在的GPT-5 Codex已经进化得非常强，连UI这种Claude强项都能搞定

**哲学**：工具够用就好，不为技术而技术。这代表了大多数工程师的务实态度。

### 6. 专注派：Nityesh Agarwal（Cora工程师）

**装备**：极简配置（MacBook Air + Claude Code）

**工作方式**：
1. 花数小时与Claude研究并制定超详细计划
2. 编码时待在一个终端窗口，"像老鹰一样"盯着每一行代码
3. 手指悬在Escape键上，发现不对立刻中断
4. 频繁打断AI，强迫它解释"你为什么要这么写？"

**效率悖论**：这样做效率变低了，但带来两个巨大收益：
- AI幻觉（hallucination）次数显著减少
- 自己的开发技能在盘问AI的过程中变强

**危机意识**：Claude宕机两天后，他意识到对单一工具的依赖很脆弱。现在逼着自己和AI一起思考，而非纯粹依赖。

**深层思考**：这是对"AI会让工程师技能退化"担忧的主动回应。通过刻意练习保持技能锐度。

## 四个共同模式

### 模式一：规划比编码更重要

没有人在"Vibe Coding"（凭感觉编程），没有人写个提示词就完事。所有人都在AI动手前反复讨论，直到思路清晰再执行。

**本质转变**：工程师的核心价值从"实现能力"转向"规划能力"。

### 模式二：上下文是第一生产力

**技术手段**：
- Context 7 MCP：自动查阅最新官方文档
- Figma MCP：读取原始设计数据
- 详细的plan.md文档
- Linear任务管理系统

**核心逻辑**：AI的输出质量高度依赖输入质量。给AI提供准确、完整、结构化的上下文，是获得高质量代码的前提。

### 模式三：工程师角色在进化

**新技能清单**：
- 制定详细计划
- 编写高质量提示词
- 审查AI生成的代码
- 推演架构决策的长期影响
- 管理AI工作流

**旧技能仍然重要**：
- 代码审查能力
- 架构设计思维
- 调试和问题定位
- 领域知识

**关键洞察**：AI没有取代工程师，而是将工程师的工作重心从战术层（写代码）提升到战略层（做决策）。

### 模式四：专注力成为稀缺资源

**挑战**：
- 等待AI结果时容易分心
- 新AI工具层出不穷，试用成本高
- 多工具切换导致认知负荷增加

**应对策略**：
- Yash的时间分割法：上午执行，下午探索
- Nityesh的极简主义：只用一个工具，用到极致
- Kieran的流程化：让流程而非工具成为核心

## 对行业的启示

### 1. "AI原生"的工作流正在形成

这6位工程师代表了不同的探索方向，但都在构建"AI原生"的工作流——不是把AI当作辅助工具，而是围绕AI重新设计整个工作流程。

### 2. 工具选择的多样性

没有"最佳工具"，只有"最适合的工具"。从Cursor到Codex，从Claude到GPT-5，从图形界面到命令行，每个人根据自己的工作风格选择不同的组合。

### 3. 人机协作的新范式

最有效的模式不是"人指挥AI"或"AI替代人"，而是"人与AI共同思考"。Nityesh频繁打断AI并要求解释，Danny让AI推演决策后果，都是这种协作的体现。

### 4. 技能退化的风险是真实的

Nityesh的危机意识值得所有工程师警惕。过度依赖AI可能导致技能退化，主动保持技能锐度需要刻意练习。

## 给工程师的实践建议

### 建议一：建立你的时间管理系统

借鉴Yash的做法，明确区分"执行时间"和"探索时间"。不要让新工具的诱惑干扰核心产出。

### 建议二：投资于上下文管理

无论是MCP工具、详细文档还是任务管理系统，找到适合你的上下文管理方式。这是提升AI输出质量的杠杆点。

### 建议三：培养规划能力

花更多时间在问题分析、方案设计、架构推演上。AI可以快速实现，但无法替代深度思考。

### 建议四：保持技能锐度

定期进行不依赖AI的编码练习，理解AI生成的每一行代码，不要成为"AI的搬运工"。

### 建议五：找到你的风格

实验派、规划派、架构派、流程派、实用派、专注派——没有对错，只有适合。通过实践找到符合你性格和工作场景的风格。

## 写在最后：范式转变正在发生

6位工程师，6种风格，但都在经历同一个转变：从"写代码"到"做规划"，从"实现功能"到"设计系统"，从"单打独斗"到"人机协作"。

这不是未来，而是现在。当一个6人团队能够支撑4款产品和10万订阅的日更时，我们必须承认：**AI已经从根本上改变了软件开发的生产函数**。

但这个故事也提醒我们：AI没有让工程师变得不重要，反而对工程师提出了更高的要求——更强的规划能力、更深的架构思维、更好的判断力、更强的专注力。

那些能够驾驭AI、与AI共同进化的工程师，正在创造前所未有的生产力。