来源
- 原始链接：https://www.youtube.com/watch?v=whue9_YquGA
- 来源类型：视频逐字稿
- 来源标题：构建一个自主工程组织
文本来源是 AI Engineer 频道视频《构建一个自主工程组织》的修复版中文稿。下面按汉松兴趣画像优先保留机制解释、反常识判断和可复用工作流，而不是做普通摘要。
开头可以先抓住一句：Block 工程主管 Angie Jones 分享如何在两年内将 3500 人的工程组织转型为自主式工程组织：从定义成熟度模型、发起 AI Champions 计划、实现代码库 AI 就绪，到多 Agent 并行与跨代码库编排器，并以裁员引发的深层追问作结。
一、背景与成熟度模型
背景
Block 3500 人工程组织的 Agent 化转型背景；AI 赋能三阶段（实验、采纳、影响）；自主式工程组织的定义；五阶段成熟度模型的提出。
这意味着工程师需要把 Agent 当成工程流程的核心成员，不只是偶尔让 AI 帮写几行代码，而是真正与 Agent 协作：拆解问题、委派工作、审查和验证成果。我们希望他们把”指挥 Agent 干活”作为默认工作方式。但当然，绝大多数工程师还没到这一步。为了明确方向，我提出了一个成熟度模型。
Block 3500 人工程组织的 Agent 化转型背景；AI 赋能三阶段（实验、采纳、影响）；自主式工程组织的定义；五阶段成熟度模型的提出。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
二、AI Champions 计划与代码库 AI 就绪
背景
聚焦 1% 超级用户的策略；跨团队精选 50 名 AI Champions；代码库 AI 就绪（上下文文件、规则文件、斜杠命令、Agent 技能）；从 Slack、Jira/Linear、GitHub Issues 三个渠道向 Agent 委派工作。
所以我们没有强推一刀切的解决方案，而是让每个 Champion 摸索出适合自己代码库的方式，然后形态和规模类似的团队自然而然地聚拢到相同的工具和模式上。工程师们很喜欢这种方式，我们让他们自主选择适合自己代码库的方案，而不是自上而下强制推行一套做法。最终我们沉淀出了一套标准组件，用于让代码库对 AI 友好，但会根据每个团队的需求做定制：上下文文件（如 Agent.md 或 claude.md）向 Agent 提供代码库指引；规则文件为 Agent 提供防护规则；可重复执行的工作流（如斜杠命令，以及后来的 Agent 技能）；开启 AI 代码审查，最好附带说明让它关注什么、审查什么；
聚焦 1% 超级用户的策略；跨团队精选 50 名 AI Champions；代码库 AI 就绪（上下文文件、规则文件、斜杠命令、Agent 技能）；从 Slack、Jira/Linear、GitHub Issues 三个渠道向 Agent 委派工作。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
三、进入冲刺、多 Agent 并行与 Builder Bot
背景
Agent 正式进入冲刺；三个月成果数据；多 Agent 并行的挑战；Codex 代码审查与自动修复循环；云端隔离工作空间；Builder Bot 编排器与公司世界模型。
我们必须让机器人来帮助审查 PR。早期这是可选的，主要是因为 AI 代码审查工具太差了，强行让工程师用会让他们更烦。但现在，有了 Champions 做的代码库就绪工作，加上更好的模型和工具，尤其是 Codex，我们得到了好得多的结果。我们在所有代码库上启用了 Codex，还创建了一个自动修复循环：如果 Codex 发现了问题，另一个 Agent 会自动修复这些问题并提交到 PR。这样，人们就不会再抱怨不想审查机器人写的粗糙 PR 了，等他们收到的时候，PR 已经相当整洁了。
Agent 正式进入冲刺；三个月成果数据；多 Agent 并行的挑战；Codex 代码审查与自动修复循环；云端隔离工作空间；Builder Bot 编排器与公司世界模型。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
四、第五阶段达成与深层反思
背景
成功达到第五阶段，任何人可通过 Slack 委派任务；随即发生的裁员带来的道德追问与开放性反思。
至此，我们成功到达了第五阶段，工程师将完整任务委派给 Agent，Agent 能够在无需人类手把手引导的情况下产出可交付的成果。事实上，这已经不仅限于工程师了，公司任何人都可以在 Slack 里唤起 Build-A-Bot，让它修复一个缺陷或实现一个新功能，甚至不需要 GitHub 权限。
成功达到第五阶段，任何人可通过 Slack 委派任务；随即发生的裁员带来的道德追问与开放性反思。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
整体判断
这篇最值得保留的不是某个单点技巧，而是它把「构建一个自主工程组织」放进了更完整的工程框架里：背景与成熟度模型、AI Champions 计划与代码库 AI 就绪、进入冲刺、多 Agent 并行与 Builder Bot。这些内容可以作为汉松后续写 AI 工程、Agent 系统和团队工作流时的素材。
更重要的是，它提供了一种判断 AI 系统的方式：先看问题如何被拆成状态、动作、工具、评估和人的边界，再看模型能力如何嵌进去。只有这样，视频里的做法才会从一次演示变成可迁移的方法。