从 Latent Space 到 AIE：swyx 如何将 AI 能力用于职业、社区与软件

一、嘉宾背景

Shawn “swyx” Wang 是 Latent Space 的联合主持人与作者、AI Engineer（AIE）会议组织的 CEO，也是 Cognition 顾问。这些角色构成了他在访谈中的观察位置：软件采购涉及他的雇主职责，职业身份与社区组织相连，传播判断则来自长期写作和演讲的经验。

据他自述，他在新加坡长大，赴美国读大学，先后从事交易、投资银行与对冲基金相关工作，在金融行业度过约八年，随后进入科技行业，曾在 Amazon 和创业公司任职。他创办的 Small AI 被 Cognition 以团队收购的方式纳入后，他在那里工作了六个月，再转任顾问，将主要精力用于领导日益全球化的 AIE 组织。他明确表示，这种同时从事内容、会议与顾问工作的特殊安排，不适合大多数人照搬。

公开学习贯穿了这条职业路径。swyx 用自己的经历解释其中的动机：在金融行业，分享信息可能削弱个人的信息优势；在技术领域，分享则往往能增加共同价值。这是他基于个人经验作出的概括。他在 Two Sigma 从事软件工程时受到的工作限制，也促使他在业余时间写作和演讲。后来，Stable Diffusion 激发他在 ChatGPT 出现之前创办 AI 博客，Latent Space 最初便由此起步。当时他在 Airbyte 工作，学过机器学习，但不自认是专家。他说，自己的分析文章曾得到 Emad Mostaque 的肯定，同时强调，坚持和努力并不会自动带来成功，作品仍须体现能力、判断力与实质内容。

二、本期主要内容

这场约72分钟的访谈从 AIE 首次在中国举办谈起，贯穿其中的问题是：当越来越多的软件能够调用模型能力，人可以围绕哪些工作建立自己的价值？讨论涵盖 Latent Space 的起源、AI Engineer 这一职业名称的形成、工程会议如何积累知识，以及编码智能体如何影响企业购买和定制软件的选择，随后延伸至产品传播与未来 AI 方向。

谈及上海活动，swyx 纠正了采访者将功劳归于他的说法，强调是本地伙伴把 AIE 带到上海。他将这次活动视为跨文化技术交流的机会。共享品牌提供了连接不同社区的基础，而理解当地参与者、组织资源和工具使用习惯，则依赖本地团队的工作。

据 swyx 回忆，AI Engineer 这一身份形成于 ChatGPT 出现后的一次黑客松。当时他考虑的是两个相连的问题：希望投身 AI 的开发者该如何描述自己的职业，公司又该如何招聘他们？他选择 AI Engineer 这个名称，希望将开发者的职业期待与企业的用人需求连接起来。在技术分工上，他区分模型研究与 harness 构建，后者是将模型接入传统软件的运行框架。他认为，这项工作需要扎实的软件工程能力，但未必要求从业者具备高级数学或超级计算经验，也不要求人人先成为预训练研究者。

职业名称之下，具体工作仍在变化。swyx 提到的议题从 RAG、上下文管理，扩展到编码智能体、harness、循环、记忆、评估和多模态；工程师对代码及故障承担责任这一点则没有明显变化。他以凌晨系统出问题时由谁起床修复，说明责任最终要落实到人。AI Architect 的职责更偏向决定整个企业如何采用 AI。这是他对职业分工的理解，并非统一的行业认证标准。

AIE 的会议设计面向这些实际构建系统的人。swyx 借鉴工程师彼此交流实现细节与失败经验的会议模式，并表示，所有演讲和工作坊都会公开、转录、编目，同时提供数据集、MCP 访问，以及讲者和机构档案。会议内容由此成为会后仍可使用的知识资源，不过节目没有展示检索质量或学习效果的验证。国际伙伴还须遵守品牌、收入分成、内容发布及行为准则等安排。他也承认，由不同团队使用同一品牌会带来质量风险，内容开放和本地组织都需要持续维护。

三、核心观点：推理、例子与边界

swyx 用一场软件竞赛说明编码智能体如何改变采购选择。据他介绍，员工提议购买一款四万美元的 SaaS，他转而拿出一万美元，悬赏可由编码智能体继续定制的开源替代品。约一周后，他收到了六十九份质量较好的投稿，其中约五份值得付费。这一结果表明，候选实现可以快速生成；至于它们能否替代生产系统、长期能节省多少，仍需另外验证。

自建软件的吸引力，在具体操作中更容易看清。他举例，会议需要从约一千份提交中筛出二十五个名额，原工具要求反复逐页点击，一位参赛者则将内容汇集到一张可查看、可重排的表中。按他的说法，原供应商可能需要六个月才能提供类似视图。这里的价值既包括订阅成本，也包括团队改变工作流程、缩短定制等待的能力。他还将一款自托管电子签名工具接入自己的网盘，让签署完成的文件自动进入正确目录，省去人工搬运。即使改进只服务于一家公司的流程，也有评估的价值。

生成速度并未消除选择成本。swyx 说，竞赛评估约耗时两个月，因为组织者、演讲者、参会者、赞助商和供应商五类账户及其交互都需要测试。页面能否运行，只是其中一项；不同角色能否完成整套业务流程，才决定系统是否可用。他还说明，AI judge 负责检查投稿的有效性与参赛资格，并不负责选出最佳产品。团队看过约七十个方案后，才逐渐明确自己的偏好。方案的多样性因此也帮助他们发现了原先难以写清的需求，而最终取舍仍依赖产品判断。

这些条件也限定了他对中端 SaaS 的预测。他认为，客户自建软件将给部分厂商带来压力，垂直 agent 或专有数据可能成为应对方向。这是他的战略判断，尚不能视为已经发生的行业结局。他承认，投稿质量参差不齐，自建软件需要维护，成熟 SaaS 有时仍是更好的选择。他愿意接受某些中端工具停机一天，以换取定制能力；这一取舍并不适用于要求99.999%可用性的关键系统。团队能否承受中断，会直接影响自建是否划算。

访谈中的财务举例也需要逐项核算。三十万美元软件费占三百万至一千万美元会议预算的百分之三至十，不能一概写成百分之十；五十个客户各付四万美元，合计是二百万美元，而非二千万美元。有关员工协作改善和五倍价值的数字，同样属于示意性推算。这些算术与证据上的限制不影响流程改进案例本身，却意味着相关数字不能作为经过验证的投资回报。

在软件内部，swyx 主张用 System 1 模型承担范围较窄的选择或概率估计，将其嵌入普通代码的执行路径，如同在 if 语句所在的位置加入局部判断。他强调，可靠性比速度更关键。缩小模型职责，有助于具体讨论它应当完成什么任务，但节目没有提供准确率、错误代价或对照结果，无法据此确认这种方式已经更可靠。

产品判断也影响产品如何被理解。swyx 建议，GTM 应在开始构建、甚至确定规格之前参与，帮助团队明确客户群体、客户描述问题的语言，以及产品能够带来的改善。他将访谈中讨论的 Doom 演示归于 DevRel／GTM，强调呈现产品收益也是产品工作的一部分。他把 taste 定义为快速、低成本地从众多可能性中收敛到有吸引力的选择，并以 iPhone、Cursor 和 Legora 的并行法律文档审阅流程说明这一点。这些例子解释了他如何理解好的选择，并未提供可以机械复制的成功公式。与竞赛经历相互参照，品味的作用在于辨认哪些工作方式值得保留。

谈到未来，swyx 看好能够响应打断并随之调整的全双工交互，以及模型在协作过程中持续学习的能力，也提及世界模型。他没有说明这些能力如何结合，也没有给出比较结果。谈到风险时，他对 AI 寒冬的担忧直接关联自己的会议业务；更广泛的安全担忧则涉及灾难性默认结局、文明类比，以及 AI 演化速度约快一千倍的说法。访谈没有对这些判断给出定量论证，也未定义或验证这一倍数。业务风险、技术预期与灾难性预测，各自的依据和确定程度需要分别判断。

四、学习与应用

从 swyx 的公开学习经历中，可以提炼出一种职业学习方法：选择能够交付的小问题，解释技术选择，完成实现，记录失败，再请相关从业者评价成果。作品需要呈现判断过程，持续投入的时间本身并不能保证转行成功。面向 AI 工程岗位，练习还应覆盖模型接入、上下文、评估与故障修复，并明确系统出问题时由谁接手。他兼顾顾问、内容与会议的职业安排有其特殊条件，不宜作为普遍目标。

企业评估 SaaS 替代方案时，可以先选取停机后果可承受、维护责任明确的单一流程，记录现有许可费、操作步骤、定制等待时间与恢复要求，再制作候选实现。会议筛选表和签署文件自动归档，都比复制整套软件更容易界定收益。评估还须追踪不同角色之间的数据流转：谁录入、谁读取、谁能改变状态，以及另一类账户能否看到正确结果。swyx 的竞赛约用一周生成候选方案，却用了约两个月评估；判断与交接同样需要资源，奖金与订阅费的差额不能直接算作节省。

采用竞赛时，有效性校验和优胜选择需要分别设计。前者可以依据明确规则执行，后者则需要给团队留下比较方案、形成偏好的空间，并说明最终选择的理由。swyx 曾举办一场收到约四百份作品的99designs标志设计竞赛，由此设想软件竞赛也可以交由平台处理规格、评判与付款。但他承认，自己的受众有助于吸引投稿，亲自组织软件竞赛也耗费了大量工作。缺少类似传播条件的公司，不能假定同样的奖金一定带来同样的供给，还应比较定向委托与继续采购成熟服务的成本。

产品团队可以让 GTM 提前进入规格讨论：确定客户群体，记录他们描述问题的用语，再设计能够呈现流程改善的演示。反复复制粘贴可以提示产品缺口，后续仍需核实发生频率、改动收益和维护负责人。swyx 并未因此建议所有人都自建软件。对于承担局部判断的模型，也应先界定输入、允许的输出和错误后果，再比较可靠性；一次演示不足以说明完整的运行表现。他说，跨约三十五至三十六家公司的顾问经验，帮助他识别建议何时适用、何时无法迁移。这类经验的用途在于比较条件，样本数量本身并不赋予建议普遍效力。他的大部分创业建议免费提供，一些持续的顾问关系则以股权作为回报，而股权可能长期缺乏流动性，这也限制了该职业路径的可复制性。

社区建设可以借鉴 AIE 将视频、转录、索引与讲者档案关联起来的做法，但资源能否下载与检索是否准确，仍需分别检查。跨文化传播则需要检验受众能否理解演示和术语，仅完成逐字翻译还不够。swyx 希望了解上海不同于旧金山的工具生态，并认为呈现方式与翻译会影响中国技术成果在西方受众中的传播。由此可采取的做法是，先了解目标社区如何使用和讨论工具，再决定内容形式。

swyx 的 AEO 排名尝试，可以视为观察模型如何呈现品牌的一项实验。他说，自己向模型提出过约二百个推荐问题，汇总排名后发现 Latent Space 常列第一至第三，但访谈没有说明模型版本、重复采样方式或排名规则。若要将这类结果用于决策，需要保留模型、问题措辞、回答与采样条件，再比较变化；它们不能直接替代真实受众研究。评估全双工交互、持续学习或风险预测时，也需要区分已经观察到的表现、预期能力与尚未验证的判断，据此安排下一步试验或投入。

来源

• 原始节目：Behind Latent Space: A Rare Look Inside the Pod | AIEi Shanghai