跨国串门儿计划播客49:52

#727.Shopify CEO:如何运用一个 AI 顾问团来审视最棘手的决策

8.5内容质量
#727.Shopify CEO:如何运用一个 AI 顾问团来审视最棘手的决策

播客收听

时长 49:52原播客页面

问这期播客

会先在本集摘要、章节、转录和笔记里找答案。

TL;DR · AI 摘要

Shopify通过AI顾问团(如River)构建多视角决策环境,但强调人类必须保留最终判断权与责任。

核心要点

  • Shopify内部AI同事River拥有记忆、个性和Slack工具权限,可创建PR并总结研究
  • AI无法替代人类责任,机器无法承担决策后果
  • AI时代最稀缺的是品味与判断力,需长期研究系统与大师作品

结构提纲

按章节快速跳转。

  1. §AI Agent在Shopify的实践

    介绍River作为AI同事在Slack中的工作方式与功能特性

  2. 通过多子Agent扮演不同角色提供多维度分析材料

  3. 明确AI仅提供信息,最终判断权必须由人类保留

  4. AI时代需要强化品味、判断力与系统研究能力

  5. 通过修剪、重建与二次创业保持系统生命力

思维导图

用一张图看清主题之间的关系。

查看大纲文本(无障碍 / 无 JS 友好)
  • AI顾问团与决策
    • 核心机制
      • River的个性化功能
      • 多Agent协作分析
    • 决策环境
      • 信息扩展
      • 责任保留原则
    • 长期挑战
      • 品味与判断力稀缺性
      • 系统修剪与重建

金句 / Highlights

值得收藏与分享的关键句。

章节

  1. Shopify的AI编程现状

    Shopify的AI编程现状

  2. 从Sydney到River

    从Sydney到River

  3. AI辅助公司决策

    AI辅助公司决策

  4. AI同事与超级智能

    AI同事与超级智能

  5. 判断力对抗短视主义

    判断力对抗短视主义

  6. 从自我塑造到持续迭代

    从自我塑造到持续迭代

  7. 读书与成功的定义

    读书与成功的定义

转录

Shopify的AI编程现状

从Sydney到River

AI辅助公司决策

AI同事与超级智能

判断力对抗短视主义

从自我塑造到持续迭代

读书与成功的定义

#AI Agent#决策系统#Shopify#组织设计#技术领导力

节目笔记

#727.Shopify CEO:如何运用一个 AI 顾问团来审视最棘手的决策 - 跨国串门儿计划 | 小宇宙 - 听播客,上小宇宙

📝 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