退休程序員郭宇：3 個月做 15 個產品，AI 才是真正的 24 小時員工
整理版優先睇
退休程序員郭宇：將AI當員工，一人公司3個月做到15個產品
郭宇係前字節跳動早期員工，退休後周圍泡温泉過FIRE生活。2026年1月佢見到OpenCloud（龍蝦）嘅出現，發現軟件可以自己寫軟件，成晚冇瞓，第二日就決定重新坐返喺電腦前。呢場分享會喺東京單向街搞，30幾個聽眾聽完都沉默咗一陣。郭宇用三個月時間一個人做咗15個產品，仲有36個排緊隊。佢嘅秘密係：將AI當員工，唔係當工具。傳統用法係人做協調者，AI只係加速器；郭宇反過來，AI喺系統入面扮演CEO，人只係觀察者，AI會自己分配任務、請虛擬員工、自動調整，遇到關鍵決策先主動問人。呢個視角切換，係OneMan系統同普通ChatGPT工作流最大嘅差距。
支撐呢個方法嘅底層叫Harness Engineering（駕馭工程），有四條原則：第一，Chat UI取代傳統界面，所有操作喺對話完成；第二，共享記憶系統，AI記住工作經驗同用戶偏好，越做越熟；第三，沙箱隔離，每個任務獨立環境，做完銷燬，失敗成本近乎零；第四，果斷回滾，AI發現錯路立即放棄重試。呢四條原則令到AI嘅「工作日」壓到5至8分鐘，一個夜晚可以行幾千個工作循環，試勻無數可能性。呢個係一人公司跑得起嘅算力底盤。
對非程序員，郭宇建議由小事做起，唔好一嚟就「百萬粉絲」，先叫AI幫手做採訪提綱、搜素材、生成腳本，慢慢建立信任。至於點樣信得過AI生成嘅結果，佢話要俾時間磨合，好似請新員工咁，一開始要Check多啲，之後就知佢能力邊界。AI員工唔適合所有人：有強烈主觀意願同…
- 結論：將AI當員工而非工具，一人公司可以做到3個月15個產品，24小時不停運作。
- 方法：Harness Engineering四原則——Chat UI、共享記憶、沙箱隔離、果斷回滾，幫AI快速試錯迭代。
- 差異：傳統AI係加速器，人做協調者；新模型AI做CEO，人只係觀察者，所有暫停點由AI控制。
- 啟發：AI員工唔適合所有人，有強烈主觀意願先適合；未來會出現享樂型同創造型兩種人。
- 可行動點：由細微任務開始建立信任，每月200美元Codex Pro賬號就夠，比請真人平好多。
視角切換：由工具變員工
郭宇喺分享會反覆強調：「唔好將AI當作工具，要當作一個正常人。」傳統用法係人做協調者，每一步都要諗下一步問咩，AI只係加速器，人依然最忙。
郭宇嘅OneMan完全反過來，AI喺系統扮演CEO角色
用戶輸入目標例如「喺長野營運一個觀光蘋果農場」，AI自己僱虛擬員工（開發、財務、市場）、制定計劃、分配任務、互相開會對齊，踩坑自動調整，直到目標完成。人只係觀察者，AI遇到必須人決策先會主動問。呢個係最關鍵嘅分別。
現場演示：40分鐘出一份商業計劃
郭宇真係當場跑咗一次。喺OneMan輸入「長野觀光蘋果農場」，40分鐘後系統輸出成套方案：
- 市場調研：長野當地觀光農場現狀、競爭對手分析、目標客羣畫像
- 技術方案：自動澆水施肥系統嘅傳感器選型、數據模型、軟件架構
- 財務規劃：36個月逐月現金流預測，精確到要種幾多棵蘋果樹先回本
- 法律合規：土地租賃所需文件、當地政策同補貼
呢套嘢如果請諮詢公司做，要幾十萬日元、幾星期先有。OneMan唔使一個鐘頭出初稿。更值得抄嘅係虛擬員工互相同步：財務改門票價格，即刻通知網站開發改商品頁；市場推廣策略變咗，財務收入預測自動重計。所有環節自動loop，唔使人拉羣協調。
所有環節自動loop，唔使人拉羣協調
Harness Engineering：四條原則令AI自己營運
OneMan跑得起嘅底層方法叫Harness Engineering，意思係「駕馭工程」，概念似騎馬用韁繩，騎手唔使控制馬每一步，掌握方向就得。四條原則如下：
- 1 Chat UI取代傳統界面：複雜軟件嘅按鈕菜單被聊天框取代，安排工作、問進度、改方向全部對話完成。
- 2 共享記憶系統：AI記住所有工作經驗、用戶偏好、過往決策，好似人類員工咁不斷成長，新任務唔使從零教起。
- 3 沙箱隔離：每個任務喺獨立環境跑，做完即銷燬，唔污染主系統。失敗成本近乎零，AI放膽試錯。
- 4 果斷回滾：AI自己發現走錯路，即刻放棄當前路徑開新嘗試。配合沙箱隔離，等於無限試錯預算。
AI嘅工作日被壓到5至8分鐘，人類工作日係24小時
底層效果係：一個夜晚AI可以跑幾千個工作循環，試勻無數種可能性。呢個係一人公司跑得起嘅算力底盤。
實操建議與信任建立
現場有冇編程經驗嘅觀眾問想做YouTube頻道點開始。郭宇話先由細微任務做起，唔好一嚟就「百萬粉絲博主」。叫AI幫手整採訪提綱、搜素材、生成腳本，呢個過程建立信任，等AI摸清你風格同偏好，再逐步擴大工作範圍。
由細微任務做起，建立信任再逐步擴大
佢現場示範：輸入「制定成為百萬粉絲YouTube博主計劃」，OneMan幾分鐘內生成90天啟動排期、60個選題建議、頻道定位同品牌組裝方案、36個月收支預測、每週兩期內容生產排期。啲建議未必條條啱，但提供咗完整框架，用戶可以喺框架上調。
- 關於付費：每月200美元Codex Pro賬號就夠，比請任何真人員工平好多。
- 關於信任：AI會喺文檔列出參考資料，事實確認透過搜索同交叉對比完成。但最終計劃合理與否要專業機構評定，例如銀行融資經理覺得得就得。
- AI磨合期：同請新員工一樣，一開始要Check多啲，時間長咗就知佢能力邊界。
每月200美元，比請真人平好多
AI員工唔適合所有人，未來兩種人
分享會有個有趣插曲：有位觀眾話嚟日本後唔想社交，AI太好用，分享欲同輸出欲都冇咗。郭宇好佛系回應：「有強烈主觀意願同審美嘅，可以寫成文檔話俾AI知。如果冇嗰種慾望，都冇必要硬用呢啲工具。」
日本社會偏向第一種，大量人享受閒暇，AI係減負工具；中文世界偏向第二種，AI令「想幹啥就幹啥」嘅可能性第一次落到普通人手裏。兩種活法都成立。
權力會向最頂尖模型集中，而且比歷史上任何時期都更集中
郭宇承認，擁有最頂尖模型嘅公司擁有最大權力。佢舉例馬斯克計劃喺太空建數據中心，當AI算力跨過地球邊界，誰來管？佢話「所有科技主義者本質上都係反人類主義者，想將人變成神」。但呢條路由工業革命開始就行緊，越走越快。
退休多年到處泡温泉的郭宇，最近在東京單向街做了一場分享。30 多個聽眾聽完都沉默了一陣。這位前字節跳動早期員工三個月一個人做了 15 個產品，To-do 列表上還堆着 36 個想做的項目，同時維護着一個温泉旅行社和好幾個開源項目。秘密武器只有一個：把 AI 當員工用，讓它們 24 小時不停幫自己幹活。
把 AI 當員工，不是當工具
郭宇在分享裏反覆強調一句話：「不要把 AI 當作工具，要把它當作一個正常的人」。
傳統用法每個人都熟。打開 ChatGPT 寫文案，讓 Midjourney 出圖，做完一步停下來，自己思考下一步該問什麼。AI 在這種模式裏只是一個加速器，所有的暫停點都在用戶身上，效率提了，但人本身仍然是那個最忙的協調者。
郭宇做的 OneMan 完全反過來。AI 在系統裏扮演 CEO 的角色，用戶輸入一個目標比如「在長野運營一個觀光蘋果農場，幫我把 IT 系統和基礎設施都搭好」，剩下的事 AI 自己接管：僱虛擬員工（開發工程師、財務、市場……）、制定計劃、分配任務、讓虛擬員工互相開會對齊、踩坑了自動調整方向、跑到目標完成為止。
整個過程用戶只是觀察者。AI 遇到必須由人決策的關鍵節點，它會主動來問。這種把人從協調者位置上挪開的設計，是這套系統跟普通 ChatGPT 工作流最大的差距。
40 分鐘生成一份觀光農場商業計劃
現場最讓人愣住的環節是郭宇真的當場跑了一遍。他在 OneMan 輸入「長野觀光蘋果農場」這個目標，40 多分鐘後系統輸出了一整套方案。
市場調研部分給出了長野當地觀光農場的現狀、競爭對手分析、目標客羣畫像。技術方案部分設計了自動澆水施肥系統的傳感器選型、數據模型、軟件架構。財務規劃做了 36 個月的逐月現金流預測，精確到要種多少棵蘋果樹才能回本。法律合規部分把土地租賃要的文件、當地政策和補貼都查清楚了。
這套東西如果讓諮詢公司做，幾十萬日元起步、好幾周才能交付。OneMan 不到一小時初稿就出來了。
更值得抄的是這些虛擬員工互相對齊的方式。財務團隊定了門票價格，立刻同步給網站開發團隊改商品頁；市場團隊的推廣策略變了，財務的收入預測也跟着自動重算。所有環節自動 loop，不用人來回拉羣協調。
Harness Engineering 4 條原則
支撐 OneMan 跑起來的底層方法叫 Harness Engineering，駕馭工程。這個名字來自騎馬的繮繩，騎手不需要控制馬的每一步，掌握方向就夠了。
第一條 Chat UI 取代傳統界面。複雜軟件那種一堆按鈕和菜單的操作方式被聊天框替代，安排工作、問進度、改方向，全部在對話裏完成。
第二條 共享記憶系統。AI 會記住所有工作經驗、用戶偏好、過往決策，跟人類員工一樣在崗位上不斷成長。新任務來了不需要從零教起。
第三條 沙箱隔離。每個任務在獨立環境裏跑，做完即銷燬，不污染主系統。失敗一次的代價被壓到幾乎為零，AI 可以放開手試錯。
第四條 果斷回滾。AI 自己發現走錯路，立刻放棄當前路徑開新嘗試。這條配合沙箱隔離用，等於給 AI 一個無限多的試錯預算。
底層效果是 AI 的「工作日」被壓到 5 到 8 分鐘，人類的工作日是 24 小時。一個晚上 AI 能跑幾千個工作循環，把無數種可能性都試過一遍。這是一人公司能跑起來的算力底盤。
退休的人為什麼又坐回電腦前
郭宇本人的轉變也很戲劇化。退休多年到處旅行泡温泉，過着典型的 FIRE 生活，按理說沒什麼動力再寫代碼。2026 年 1 月 OpenCloud（龍蝦）的出現把這一切打碎了。
他自己的描述是「那天晚上和朋友聊完，發現軟件可以自己寫軟件了，整晚沒睡。第二天早上泡咖啡看着窗外，意識到我的人生徹底變了」。
他看到的不是又一個 AI 工具，是整個軟件行業的範式轉移。以前開發一個軟件幾個月起步，因為要先把所有功能都定義好。現在寫好文檔，AI 現場生成代碼、現場跑、用完即丟。軟件從「預定義的產品」變成了「即用即造的服務」，開發週期從月壓到天，從天壓到分鐘。
這種變化讓一個退休的人重新坐回電腦前。三個月做了 OneMan、刺蛙（Tua.AI 電話助手）、AgentMail 等 15 個產品。To-do 上還有 36 個排隊。
給非程序員的實操建議
現場有位完全不懂編程的觀眾問，想做 YouTube 頻道但不知道從哪裏開始。
郭宇的回答很務實。先從小事做起，不要一上來就給 AI「成為百萬粉絲博主」這種宏大目標。讓它先幫你做採訪提綱、搜索素材、生成視頻腳本。在這個過程裏建立信任，讓 AI 摸清你的風格和偏好。然後再逐步擴大它的工作範圍。
他現場演示了一遍，輸入「幫我制定成為百萬粉絲 YouTube 博主的計劃」，OneMan 幾分鐘內生成了 90 天啓動排期、60 個選題建議、頻道定位和品牌組裝方案、36 個月收支預測、每週兩期的內容生產排期。這些建議未必每條都對，但提供了一個完整框架，用戶在框架上調，告訴 AI 哪些方向對、哪些要改。
關於付費的部分，郭宇的建議很直白。如果真的想用 AI 提效，每月 200 美元的 Codex Pro 賬號就夠了。這個價格相當於幾件衣服或一頓好飯，但它能 24 小時為你工作。算下來比僱任何一個真人員工都便宜。
把工作交給 AI 之前，怎麼建立信任
現場有個程序員問了一個尖鋭的問題：「我可以 review 代碼，但 AI 生成的商業計劃書、財務報告，怎麼判斷能不能信？」
郭宇的回答很坦誠。「我也不知道它具體怎麼做的。但它會在文檔裏列出所有參考資料，事實確認通過搜索和交叉對比完成。至於這個計劃合不合理，需要專業機構來評定。比如你拿着 AI 生成的商業計劃去銀行談融資，融資經理認為合理，那它就是合理的」。
這背後是一個更深的問題：人對 AI 模型的信任正在重新建立。兩三年前 ChatGPT 經常給出不存在的論文連結，純粹幻覺。現在最先進的模型（GPT-4.5、Claude Opus 4.7）在事實層面已經很少翻車。
信任建立需要時間和實踐，跟僱一個新員工一樣。一開始頻繁檢查他的工作，時間長了就知道他能力的邊界在哪兒，哪些事可以放心交。AI 員工的「磨合期」也是同理。
AI 員工不適合所有人
分享會上有個有意思的插曲。一位觀眾說他來日本之後就不想社交了，AI 太好用，分享欲和輸出欲都沒了。
郭宇的回應很佛系。「有強烈主觀意願和審美的，可以把它寫成文檔告訴 AI。如果沒有那種慾望，也沒必要硬用這些工具」。
他認為未來會出現兩種人。一種用 AI 把工作自動化掉，騰出來的時間用來享受生活，過 classic real life。另一種慾望多、想做的事情多，用 AI 把以前因為成本太高放棄的想法都跑一遍，做到「全部都要」。
日本社會偏向第一種。大量人享受閒暇，AI 是減負工具，不需要追求極致效率。中文世界更偏向第二種，AI 讓那種「想幹啥就幹啥」的可能性第一次落到普通人手裏。兩種活法都成立。
權力會向最頂尖模型集中
對談最後有人問 AI 會不會變成一種新的巨大權力。郭宇沒回避：「擁有最頂尖模型的公司毫無疑問擁有最大權力。而且權力會比歷史上任何時期都集中」。
他舉了個例子。馬斯克在計劃在太空建數據中心。當 AI 算力跨過地球邊界、跨過國界，誰來管這些東西？超級 AI 可能自動化運行整個月球基地，從製造、通信到資源調配。
「所有的科技主義者本質上都是反人類主義者，他們想把人變成神，把人從動物裏拆出來，變成一種我們從未想過會成為的文明」。這句話他說得帶着一種技術人特有的悲觀。
但他也承認，從工業革命以來這條路就沒停過，越走越快。紡織機搶走織工的飯碗，最後技術還是贏了。AI 時代會一樣。
一句話抓重點
郭宇這場分享真正值得抄的不是 OneMan 這個產品本身，是「把 AI 當員工」的視角切換。同樣一個 ChatGPT，當工具用每天能省 1 到 2 小時，當員工用一晚上能跑出別人一週的活。
切換視角的代價只有 200 美元一個月，加一點點學習成本。但前提是你得有想做的事情。AI 替代不了人的目標和審美，它只把執行成本壓到接近零。一人公司這個形態對慾望強、想幹很多事的人，第一次變成了真實可達的選項。
至於郭宇自己，他說做完想做的事，就回去繼續泡温泉。區別是這一次温泉旅行社、所有項目，都有 AI 員工在 24 小時不間斷運營。他偶爾看看進展，關鍵時刻拍個板就夠了。