AAperture
Back/product trends

AI-First Strategy — CREAO 的 Agent 原生工程实践

Updated 2026-04-19
2 min read
315 words

AI-First Strategy — CREAO 的 Agent 原生工程实践

CREAO（25人 agent 平台公司，10名工程师）的 AI-First 转型复盘。99% 生产代码由 AI 编写，日均 3-8 次生产部署。

AI-First ≠ 使用 AI

AI-Assisted AI-First
工程师打开 Cursor 围绕 AI 是主要构建者重新设计流程、架构和组织
PM 用 ChatGPT 起草 spec 停止问"AI 如何帮助工程师"，开始问"如何重组一切让 AI 做构建"
效率提升 10-20% 乘数效应，速度从月到天

Vibe coding 产出原型；生产系统需要稳定、可靠、安全——需要能保证这些属性的系统。

三个瓶颈

  1. 产品管理瓶颈：agent 两小时实现功能，PM 花数周调研设计。规划周期必须匹配构建速度。
  2. QA 瓶颈：构建 2 小时，测试 3 天。必须用 AI 测试平台测试 AI 代码。
  3. 人头瓶颈：竞争对手 100 倍人力，必须用设计而非招聘弥补。

架构统一：单一代码库

将分散的多仓库统一为单一代码库（monorepo）：

  • AI 能看到完整图景
  • 能推理跨服务影响
  • 能在本地运行集成测试

碎片化的代码库对 agent 不可见；统一的代码库对 agent 可读。

技术栈

层级 技术 作用
基础设施 AWS + CloudWatch 结构化日志、25+ 告警、自动工作流每日查询
CI/CD GitHub Actions 六阶段管道：Verify → Build Dev → Test Dev → Deploy Prod → Test Prod → Release
代码审查 Claude Opus 4.6 三并行审查：代码质量、安全、依赖扫描
自愈 Claude Sonnet 4.6 每日 9AM UTC 健康检查 → 错误聚类 → Linear 工单
功能开关 Statsig 团队内 → 渐进百分比 → 全量发布或 kill
分支管理 Graphite merge queue + stacked PRs

自愈合反馈循环（ centerpiece ）

每日健康检查（CloudWatch 查询 + 执行摘要）
  ↓ 1小时后
错误聚类（CloudWatch + Sentry）→ 9 维度严重度评分 → Linear 工单
  ↓ 工程师修复
PR → 三阶段 Claude 审查 → CI → 六阶段部署
  ↓ 部署后
Triage 引擎重新检查 → 错误解决则自动关单

新工程组织架构

角色 职责 数量
架构师 设计 SOP、测试基础设施、审查系统、定义"好"的标准。批评 AI，而非跟随 AI。 1-2 人
操作员 bug 调查、UI 微调、PR 审查、验证。AI 分配任务，人类评估风险。 其余所有人

意外发现：初级工程师比高级工程师适应更快——没有十年习惯需要抛弃。

管理坍塌

CTO 从 60% 时间管理人 → <10%。从"对齐会议"转向"直接构建"。人际关系反而变好——因为不再争论 AI 能轻松完成的工作。

关键洞察

  • 工程、产品、市场、增长必须全部 AI-native：任何人类速度的环节都会约束整个管道
  • 先建测试 harness，再扩展 agent：快速 AI 没有快速验证 = 快速技术债务
  • 从一位架构师开始：先由一个人构建系统并证明有效，再让其他人作为操作员 onboard
  • Opus 4.5 做不到的事，Opus 4.6 做到了——模型能力是时钟驱动力
  • 一人公司将成为常态：一位架构师 + agent = 100 人的产出

Sources

Linked from