Lenny's Podcast 笔记：Fiona Fung 深度访谈
📋 Brief
這集訪談是資深工程領導者 Fiona Fung 分享 AI 如何徹底改變工程師的工作模式和團隊管理。她從早期科技變革一路走來，以Anthropic 的實例，闡述了程式碼產能飆升八倍後，團隊重心從編寫轉向驗證，以及如何利用 AI 提升能見度、處理回饋，並重新定義人才需求。
⏱️ 內容分段導航
| 時間段 | 內容摘要 |
|---|---|
| 00:00 - 01:01 | AI 賦能下的開發效率飆升與心態轉變 |
| 01:05 - 02:11 | 橫跨科技巨頭的工程領導者視野 |
| 02:41 - 04:02 | 工程師職能的劇變：從手寫程式碼到 AI 協作 |
| 04:03 - 06:49 | 開發工具演進與內部迴圈的力量 |
| 08:33 - 09:26 | 程式碼不再是瓶頸：重心轉向驗證與跨職能協作 |
| 09:27 - 12:11 | AI 驅動的團隊管理：提升能見度與「製造新錯誤」的文化 |
| 12:12 - 15:51 | AI 自動化日常工作流與程式碼審查新模式 |
| 15:52 - 18:19 | 重塑開發原則與人才招募策略 |
📖 詳細內容
01｜AI 賦能下的開發效率飆升與心態轉變
核心觀點： AI 已經將工程師的程式碼產出效率提升了八倍，這不僅讓程式碼編寫不再是開發過程中的主要瓶頸，更徹底改變了個人工作與團隊合作的邊界。面對這種巨變，Fiona 鼓勵大家擁抱變化，聚焦於自己能掌控的行動，而非恐懼，這與查理·芒格強調的適應性和控制圈原則不謀而合。
重要原話：
"Coding is no longer the bottleneck. It's lifted the ceiling of what anyone is able to do. Everything is now possible in theory. Now, it's about how ambitious can you be? ... For anything that there is a fear, my advice is lean in and ask, 'What can I do about it? What is within my control?'"
（中文翻譯：程式碼編寫不再是瓶頸。它提升了任何人能達到的上限。理論上，現在一切都可能實現。現在的關鍵是，你的野心能有多大？… 對於任何讓人感到恐懼的事情，我的建議是深入其中並問自己：「我能為此做些什麼？什麼在我能控制的範圍內？」）
個人感受： 聽到 Anthropic 工程師的程式碼產出能提升這麼多，我真的有點震驚，也感覺到一股興奮與不安並存的複雜情緒。過去常說「人是最大的瓶頸」，現在看來，AI 正在重寫這個定義。
延伸思考： 這個趨勢讓我想，不僅是工程師，各行各業的人都該思考如何將 AI 融入工作流程，將精力從重複性任務轉向更具創造性或策略性的挑戰。這不只是效率問題，更是思維模式的升級。
可參考的行動： 今天就找一個日常工作中耗時且重複的任務，嘗試用 AI 工具（如 ChatGPT、Bard 或 Claude）來協助自動化部分流程，看看能否節省時間。
02｜橫跨科技巨頭的工程領導者視野
核心觀點： Fiona Fung 豐富的職業生涯橫跨 Microsoft、Facebook 和 Anthropic 等科技巨頭，她領導過 TypeScript、Visual Studio、Facebook Marketplace 等指標性產品，並管理過數百人的團隊。這段經歷讓她對技術演變和組織變革有著深刻理解，為她在 AI 時代的見解提供了堅實的基礎，如同芒格推崇的「經驗曲線」與「多元視角」，能從不同尺度觀察問題。
重要原話：
"Fiona has been an engineer for over 25 years and as a long-time engineering leader, especially now at Anthropic, she has such a unique lens into where things are heading, what's worth paying attention to, and what teams should be thinking about right now as AI transforms the world of building."
（中文翻譯：Fiona 擔任工程師超過 25 年，作為一位資深的工程領導者，尤其現在在 Anthropic，她對事物發展方向、值得關注的重點，以及在 AI 正在轉變建構世界的當下，團隊應該思考什麼，有著獨特的視角。）
個人感受： 我很佩服 Fiona 能在不同公司和產品線之間累積如此深厚的經驗。這讓我想到，真正有價值的人才，是在不斷變化的環境中，仍能提煉出不變的原則。
延伸思考： 她的經歷證明，理解「如何學習」和「如何適應」比死守特定技術更重要。在 AI 時代，這種跨領域、跨職能的宏觀視角，對於領導者來說是不可或缺的。
可參考的行動： 回顧自己過去的學習或工作經驗，試著找出三個核心原則，它們在不同情境下都適用，並思考如何將這些原則應用到未來的 AI 協作中。
03｜工程師職能的劇變：從手寫程式碼到 AI 協作
核心觀點： 在短短兩年間，工程師的職責發生了天翻地覆的變化。過去 100% 的程式碼由人類撰寫，如今 AI 正迅速接管大部分編碼工作。Fiona 從早期使用 Vim 透過終端機進行除錯，到後來在 Microsoft 首次接觸 Visual Studio 這種集成開發環境 (IDE)，這段個人經歷恰好映照了技術工具對工程師工作流程的顛覆性影響，如同舊時代觀念與 AI 時代新現實的鮮明對比。
重要原話：
"It's just insane how much the job of an engineer has changed over the past just like 2 years. It's like a completely different job. Like, people may forget 100% of code was written by humans not long ago. And now it's getting to 100% of code written by AI."
（中文翻譯：工程師的工作在過去短短兩年內發生了多麼瘋狂的變化。這就像一份完全不同的工作。人們或許會忘記，不久前 100% 的程式碼都是由人類編寫的。現在，程式碼的編寫正朝著 100% 由 AI 完成的方向發展。）
個人感受： 看到 Fiona 回憶自己從 Vim 到 Visual Studio 的轉變，我覺得很有趣。工具的演進對工作效率的影響確實巨大，就像現在我們突然擁抱 AI 一樣。
延伸思考： 當 AI 包辦了大部分「寫」程式碼的工作後，工程師的核心價值會轉移到「設計」、「驗證」、「系統整合」以及「問對問題」上。這要求我們從低階執行者轉變為高階思考者和架構師。
可參考的行動： 下次遇到一個新的程式碼功能需求時，先用 AI 工具生成初步程式碼，然後把精力放在優化其架構、測試案例和邊界條件上。
04｜開發工具演進與內部迴圈的力量
核心觀點： 從 Vim 到像 Visual Studio 這樣的 IDE 的出現，代表了開發工具在提升工程師效率上的重大里程碑，實現了斷點偵錯、多執行緒除錯等功能。在網路回饋不夠即時的時代，Fiona 在 Visual Studio 團隊的「內部測試 (dogfooding)」經驗，讓團隊成員自己頻繁使用產品，創造了快速有效的內部回饋循環，確保產品體驗的優化，這是一種將「終端使用者思維」內化的有效機制。
重要原話：
"I was on the Visual Studio editor team. So I use a VS editor to build the VS editor and that's where my whole love of dog feeding comes from. Like I I remembered I wanted to first and foremost create a delightful experience not only for myself, but for my teammates."
（中文翻譯：我在 Visual Studio 編輯器團隊工作。所以我用 VS 編輯器來建構 VS 編輯器，這就是我熱愛「內部測試」的由來。我記得我首先想為自己，也為我的隊友創造一個愉快的體驗。）
個人感受： 我很喜歡「內部測試」這個概念。當產品開發者就是產品最忠實的使用者時，品質和使用者體驗自然會被推到極致。
延伸思考： 在 AI 時代，我們可以將 AI 視為一種「超級內部測試者」。AI 不僅能更快地模擬使用者行為，還能分析大量的程式碼和數據，提供前所未有的深度回饋。這將加速產品迭代，提升品質。
可參考的行動： 在開發新功能時，不僅要考慮外部用戶的回饋，還要主動讓團隊成員內部使用，並鼓勵他們提出優化建議，形成一個快速的「內部迴圈」。
05｜程式碼不再是瓶頸：重心轉向驗證與跨職能協作
核心觀點： 隨著 AI 大幅提升程式碼的生成速度，程式碼編寫本身不再是開發過程中的瓶頸。現在的挑戰轉移到了「驗證」層面——如何確保這些由 AI 大量產出的程式碼的品質和可靠性。這也促使了團隊構成的變化，設計師、產品經理等非工程職能也開始提交程式碼，模糊了傳統的角色界限，這反映了芒格所強調的，在系統發生結構性變化時，舊有的專業分工需要重新調整。
重要原話：
"Coding is no longer the bottleneck. ... But now it's all about like where has that shift happened? Like now not only engineers but we also have designers, PMs, everybody on the Clockwork team checks in code. So like when not only more people checking in code but like kind of different disciplines, but also the throughput is so high. How do we think about verification?"
（中文翻譯：程式碼編寫不再是瓶頸。… 但現在的關鍵是這種轉變發生在哪裡？現在不僅是工程師，我們的設計師、產品經理，Claude Code 團隊的每個人都會提交程式碼。因此，不僅有更多人提交程式碼，而且來自不同專業領域的人也參與其中，同時產出量也非常高。我們該如何思考驗證問題？）
個人感受： 程式碼不再是瓶頸，這句話給我很大的衝擊。這代表我們需要重新訓練思考模式，不再糾結於「怎麼寫」，而是「怎麼保證對」，以及「怎麼把更多想法快速實現」。
延伸思考： 這種轉變也暗示了，未來團隊協作將更加扁平化。每個人都可能是「建構者 (builder)」，而那些能提出好點子並快速驗證的人，將更具價值。這也要求每個人都具備基本的程式碼理解能力。
可參考的行動： 如果你是非工程背景，但對產品開發有興趣，可以嘗試使用低程式碼/無程式碼工具或 AI 程式碼生成器，親手實現一個小功能，體驗「人人都是建構者」的感覺。
06｜AI 驅動的團隊管理：提升能見度與「製造新錯誤」的文化
核心觀點： Fiona 展示了 AI 如何革新團隊管理。她利用 Claude Code 建立的遠端會話，實現了對團隊工作的高度可見性，不僅能監測度量指標，還能從 Slack 頻道和歷史事件中找出趨勢和潛在問題點。這種管理模式的核心是透過 AI 提升資訊透明度，並鼓勵團隊擁抱「製造新錯誤」的文化，而非因循守舊。這體現了芒格對「反饋循環」的重視，以及建立「成長型思維」的組織文化。
重要原話：
"I actually have a cloud code remote session that I enlist in all of our repos. And so, this way I have full visibility into the work that everybody's doing. ... And it's okay to like I have this saying, 'Make new mistakes.' Like it's okay to make mistakes, just make new ones so that we're always learning cuz if you aim to make zero mistakes, like that probably means you're not moving fast enough or being a little bit too cautious."
（中文翻譯：我實際上在我們所有的儲存庫中都啟用了一個 Claude Code 遠端會話。這樣我就能完全掌握每個人正在做的工作。… 犯錯沒關係，我總說：「犯新的錯誤。」犯錯是沒關係的，只要犯的是新的錯誤，這樣我們才能不斷學習，因為如果你目標是零錯誤，那可能意味著你移動得不夠快或過於謹慎。）
個人感受： 我很欣賞「製造新錯誤」這句話。這讓人擺脫了對失敗的恐懼，敢於嘗試。AI 提供的全面能見度，也讓這種實驗文化有了更可靠的基礎，不怕迷失方向。
延伸思考： 在 AI 賦能下，管理者可以把更多精力放在策略規劃和人才發展上，而不是微觀管理。AI 負責監控執行層面的細節，提供數據洞察，讓人可以從數據中提煉出更高層次的決策。
可參考的行動： 在下一次團隊例會上，鼓勵團隊成員分享他們本週遇到的「新錯誤」以及從中學到的教訓，營造一個開放、學習的氛圍。
07｜AI 自動化日常工作流與程式碼審查新模式
核心觀點： Fiona 分享了 AI 如何自動化她的日常工作，例如透過「例行程序 (routines)」自動分析來自不同管道的客戶回饋，並生成 PR 建議。此外，Claude Code Review 正在改變傳統程式碼審查的流程，透過預設的「好程式碼框架」讓 AI 進行初步驗證。這充分體現了「信任但要驗證」的原則，將人類工程師的專業知識保留在關鍵決策和複雜領域，同時將大量重複性檢查交由 AI 完成。
重要原話：
"Now I just have a routine that automates all this for me... And the more that we can automate to almost check in the framework for what good looks like. Claude is very good when you give it a framework to validate against those frameworks."
（中文翻譯：現在我只需一個例行程序就能自動完成這一切… 我們能自動化越多地將「良好程式碼的框架」檢查進去越好。當你提供一個框架讓 Claude 依此進行驗證時，它會做得非常好。）
個人感受： 看到 AI 能夠自動化處理回饋並生成 PR，我感覺日常工作的瑣碎負擔真的能被大大減輕。這不僅是效率提升，更是將人的時間解放出來，去處理更有趣、更複雜的問題。
延伸思考： 這個例子提醒我們，要善用 AI 的「驗證」能力。與其讓 AI 憑空創造，不如給它明確的框架、規範和期望，讓它在這些限制中發揮最大效用。這就像給 AI 建立一個「檢查清單」，確保它在正確的方向上高效運作。
可參考的行動： 整理一份你認為「好程式碼」或「好產品設計」的黃金標準清單，然後嘗試讓 AI 根據這份清單來評估你的作品或回饋資料。
08｜重塑開發原則與人才招募策略
核心觀點： AI 的進步讓「測試驅動開發 (TDD)」等長期存在的開發原則變得前所未有的高效，因為 AI 可以自動生成測試程式碼，降低了開發者的「稅負」。這促使企業重新思考人才招募策略，現在 Fiona 的團隊主要尋找兩類關鍵人才：「有產品敏銳度的創意建構者」和「深層系統專家」。前者負責定義產品方向和使用者體驗，後者則確保複雜系統的穩健性，這符合芒格對「專業知識」與「解決問題能力」的重視。
重要原話：
"The fact that that test generation used to just be this tax that I remember having to pay. Like the fact that that's now automated and you can even revisit all these principles that have been around for a while but now they actually might be even more efficient just because you have the models that can do more of the work for you."
（中文翻譯：自動生成測試程式碼過去曾是必須付出的代價。現在這項工作實現了自動化，你可以重新審視那些存在已久的原則，現在它們甚至可能因為有模型為你完成更多工作而變得更有效率。）
個人感受： TDD 過去對我來說就像是「必須先吃花椰菜」，有點負擔。如果 AI 能自動生成測試，那真的太棒了，感覺開發者可以更專注於創造的樂趣。
延伸思考： 在 AI 時代，人才策略應從過去的「技能廣度」或「單一技能深度」轉變為「複合型人才」或「稀缺型深度專家」。創意、產品思維和解決複雜系統問題的能力，將是未來十年最有價值的資產。
可參考的行動： 評估自己的技能組合，看看是屬於「創意建構者」還是「深層系統專家」的範疇，並針對性地學習或培養相關能力，為未來的職涯轉型做準備。
💎 精華收穫
Fiona Fung 的訪談清晰描繪了 AI 如何將工程師的職能從單純的「編碼者」轉變為「解決問題者」和「建構者」。我們學到 AI 不僅能讓程式碼產能飆升，更能透過自動化回饋處理、優化程式碼審查，甚至重新賦能經典開發原則如 TDD。這一切都指向一個未來：人與 AI 深度協作，將創新從想法到實現的週期大幅縮短，並要求團隊專注於驗證與「製造新錯誤」的成長心態。