What Is Your Job Now, Farhan Thawar | Compile 26
Shopify CTO 亲述：AI 接管写码后，工程师的工作到底变成了什么——附全套落地机制。
全片 24 分钟·真正值得盯屏约 3 分钟·3 个必看点
必看片段 · 直接跳看
关键画面 · 点击跳到该处
逐段导览
- 0:00→ 2:40略
逐字写码的时代结束了
开场断言：迄今所有软件都是人类逐字符写出来的，这个时代已终结；SDLC 的时间正从编码本身迁移到规划分析与验证 AI 产出，并给出并行多 agent 与串行深度批判两种新编码形态。
要点工程时间的大头已从“写代码”移到“规划与验证”，整个 R&D 都要重新回答“我们的工作是什么”。
该段画面是 SDLC 时间迁移与两种编码形态的幻灯片图示（36s/93s/151s 三个视觉点），扫一眼图即可抓住结构，不必逐帧盯。▶ 跳到 0:00讲者 · Farhan Thawar - 2:40→ 7:01听
品味与判断成为新价值
工程师的价值转向何时建、为何建与架构取舍（Shopify 坚持 monolith），评审方案的关键问句是“你如何在 10,000 个可能的正确解中选中这一个”。
要点AI 能给出无数正确解，人的稀缺能力是从中做出有品味的选择并说清理由。
本段是纯口头论述与举例，无关键画面，适合当播客听。▶ 跳到 2:40讲者 · Farhan Thawar - 7:01→ 11:40听
Shopify 的 AI 采纳史
从 Copilot 首批用户讲到全员 AI reflexive：1500 个 Cursor 许可证一周内被财务、HR、销售、市场抢先用完，非工程团队用它产出真实工具（Scout 反馈查询、业务复盘、预测工具）。
要点最先重度使用 AI 编码工具的不是工程师——把编码工具当作全员触达 LLM/agent 的窗口。
叙事型经验分享，信息全在口述里，该章节 visualDependency 为否。▶ 跳到 7:01讲者 · Farhan Thawar - 11:40→ 14:03略
自上而下与自下而上的双引擎
Toby 的“AI 是基线预期”备忘录发布后 Cursor 用量曲线全面上扬并被众多 CTO/CEO 效仿；同时把实习生从 75 人扩到 1000 人，让活在 ChatGPT 里的一代反向教公司如何工作。
要点组织变革要两头点火：高层明确表态改变行为基线，实习生规模化充当自下而上的文化引擎。
核心证据是 722s 那张备忘录发布点后的用量上扬曲线图，看到这张图即可，其余为口述。▶ 跳到 11:40讲者 · Farhan Thawar - 14:03→ 21:05听
token 文化与“学习才是资产”
从 AI reflexive 迈向 AI leverage：不设 token 限额只设熔断器、工程团队禁用小模型（人的时间比模型时间贵）；路线图不该再以六个月计；重申学习而非代码才是资产——Toby 曾让 50 人删掉 18 个月成果按更简架构重建，3 个月完成；结对编程因学习增量而保留。
要点代码可以随时删掉重来，团队每周积累的学习（“你相信而别人不信的秘密”）才是真正的 collateral。
本段以观点与内部故事为主，无依赖画面，1194s 关于结对+LLM 的论述也是纯口头。▶ 跳到 14:03讲者 · Farhan Thawar - 21:05→ 24:00看
LGTM 之死与 LLM 评审委员会
“人类语言里最可怕的四个字母是 LGTM”——它证明人类本没在认真看代码；Shopify 改用 Council of LLMs 多模型分工评审并共同裁决，评审从 24-48 小时压到约 1 小时，但 PR 仍署人的名字：责任可以共享，不能让渡。
要点AI 产码后的真瓶颈是评审——用多模型委员会提速提准，但把责任牢牢留给人。
1294s 有“let me show you”的现场展示节奏，1350s 的 Council of LLMs 机制图是全片最值得看清的画面，讲演表现力也在此达到高点。▶ 跳到 21:05讲者 · Farhan Thawar
本站不播放，跳转官方来源观看。
关键观点
- Cursor Compile已收录
逐字符手写软件的时代已经终结：SDLC 中的时间从编码本身迁移到用工具做规划分析和验证 AI 产出，工程师乃至整个 R&D 都要重新回答“我们的工作是什么”。
开场核心命题，串起全片：编码步骤发生根本变化，但工程标准（性能、简洁、韧性）并未改变，变的是人投入时间的位置。
Farhan Thawar27 minAI 编程Agent看官方片段 ↗展开视频详情 - Cursor Compile已收录
工程师的价值从“敲代码”转移到品味与判断：何时建、为何建、如何取舍架构（如 Shopify 坚持 monolith）；评审方案的关键问句是“你如何在 10,000 个可能的正确解中选中这一个”。
理解问题空间与解空间比给出一个能跑的方案更重要，这是 AI 时代人的核心竞争力。
Farhan Thawar27 minAI 编程Agent看官方片段 ↗展开视频详情 - Cursor Compile已收录
学习才是资产（collateral），代码不是：Toby 曾让 50 人团队删掉 18 个月的成果、按更简架构重建，3 个月即完成；团队每周应被问“这周学到了什么”“你相信而别人不信的秘密是什么”。
重建时只允许看旧代码、不允许复制粘贴；基于数据、原型和客户反馈的学习才支撑下周做出不同决策。
Farhan Thawar27 minAI 编程Agent看官方片段 ↗展开视频详情 - Cursor Compile已收录
AI 大量产码后瓶颈转移到代码评审：“LGTM”证明人类本就没在认真看代码，Shopify 改用 Council of LLMs——多个模型分工评审不同侧面并共同裁决，比人类更准且把评审周期从 24-48 小时压到约 1 小时；但责任不给 AI，PR 署你的名字，“责任可以共享，但不能让渡”。
呼应《目标》的瓶颈转移原理：优化一个环节后，瓶颈会在 SDLC 的新位置出现，需要持续识别并解决。
Farhan Thawar27 minAI 编程Agent看官方片段 ↗展开视频详情 - Cursor Compile已收录
token 政策：目标从 AI reflexive 演进到 AI leverage，“token maxing”成为值得炫耀的行为；不设限额只设熔断器（疑似失控时 Slack 确认即放行），工程团队禁用小模型——人的时间比模型时间值钱，小 bug 的排查成本远超大模型的 token 差价。
配套机制还包括把排行榜换成用量看板，从“进前十”转向“创造价值”，并区分便宜 token 与昂贵推理 token 的使用质量。
Farhan Thawar27 minAI 编程Agent看官方片段 ↗展开视频详情 - Cursor Compile已收录
组织变革靠双向驱动：自上而下的明确表态（Toby 的“AI 是基线预期”备忘录发布后 Cursor 用量全面上扬，并被众多 CTO/CEO 效仿），加上自下而上的文化引擎——实习生从 75 人扩到 1000 人，让活在 ChatGPT 里的一代来“教公司如何工作”。
AI reflexive 的定义：让“遇到问题”到“伸手用 AI”之间的距离尽可能短。
Farhan Thawar27 minAI 编程Agent看官方片段 ↗展开视频详情 - Cursor Compile已收录
最先重度使用 AI 编码工具的不是工程师：1500 个 Cursor 许可证一周内被财务、HR、销售、市场用完，他们把它当作触达 LLM/agent 的窗口，并产出真实工具——支持团队的 Scout 反馈查询、客户成功的业务复盘、财务的预测工具。
8000 人公司的采购实况；说明 AI 编码工具的受众远大于工程团队。
Farhan Thawar27 minAI 编程Agent看官方片段 ↗展开视频详情 - Cursor Compile已收录
新编码方式有两种形态：并行编码——把任务拆成子任务交给多个 agent 再整合验证；串行的深度批判循环——与一个高推理模型深度结对，再引入另一个模型质询。既然 AI 在写代码，路线图也不该再以六个月计，要追问为什么不能这周、今天完成。
帕金森定律没变但适用尺度变了，快速原型并尽早给客户看；Shopify 内部说“终于能看到路线图的尽头了”。
Farhan Thawar27 minAI 编程Agent看官方片段 ↗展开视频详情