王董週刊 #2｜Coding is Solved 之後，Growth Hacker 該蓋什麼？
過去七天，AI 圈把「軟體怎麼蓋」這件事重寫了一次。我整理了34篇全部讀完之後得到一個結論很簡單：寫 code 已經不是瓶頸了，瓶頸是你會不會「編排 agent」。
這是「王董週刊」第二期。上一期講的是 Agentic Commerce，講的是「你的客戶被 AI 代購」。這一期換邊：講「你自己怎麼跟 agent 共事」。
12 篇素材橫跨 Anthropic、Box、Uber、Supabase、Ahrefs、Cherrypick、Meta CMO 級的訪談，每一家都在講同一件事：AI agent 從工程師玩具變成了一條生產線。
來，這期我們繼續從「主軸、工具、商業訊號、私心推薦、本週金句」五段把它收乾。
一、本週主軸：Coding is Solved，那然後呢？
切入重點，先看一句話。
Anthropic Claude Code 創造者 Boris Cherny 在 a16z 的 podcast Why Coding Is Solved, and What Comes Next 直接說：「Coding is solved。」（Coding 問題已經解決）
他不是吹牛。他自己舉證：他現在完全不再親手寫 code，所有程式碼都由 AI agent 完成，他用手機管理數百個 agent 與數十個持續運行的 loop 任務。Anthropic 內部 PM、設計師、財務都已經開始寫 code，因為「寫」這件事的門檻被磨平了。
Boris 用了一個歷史類比，我覺得最該記住：
1400 年代印刷術發明前，全球識字率大約 10%。印刷術讓識字率衝到 70%。AI 對軟體開發要做的，是同一件事，把「會寫軟體」從工程師專利變成所有人的標配。
來看三組數據佐證這個轉變正在發生。
第一組來自 Anthropic 自己的 Code with Claude 2026 Opening Keynote。Anthropic CPO Ami Vora 在台上直接公布：
- Anthropic API 使用量年增 近 17 倍
- Claude Code 每位開發者平均每週使用時間 20 小時
- Mercado Libre 旗下 23,000 名工程師 全體導入
- 該公司用 Claude Code 已審查超過 50 萬個 PR、現代化 9,000 個應用程式
數字密度大到不可思議。20 小時 / 週是什麼概念？等於每個工程師每週有半個工作週是「跟 Claude 一起寫」。
同一場 keynote 還公布四項新能力，這是第二期週刊讀完最該記在白板上的東西：
► Multi-Agent Orchestration（多代理編排）：你可以建立 agent 艦隊，每個 agent 有自己的上下文視窗，協作完成複雜任務。
► Dreaming（自我學習）：Claude agent 自動檢視過去執行記錄、提取學習成果寫入記憶體，不需要工程師手動介入。
► Outcomes（目標導向迭代）：你用 markdown 寫成功標準，系統自動迭代直到達成目標。
► Routines（排程自動化）：你用 webhook、排程或 API 觸發 Claude Code，等於「醒來的時候，PR 已經在等你 review」。
這四個東西放在一起翻譯成一句話：你以前的工作是 coding，現在的工作是設計一條會自己跑的生產線。
第二組數據來自 Uber AI Platform 團隊在 KubeCon 的 keynote How Uber Runs 60,000 AI Agent Tasks Per Week With MCP。
- Uber 超過 5,000 名工程師 在用 agent 工作流
- 其中 90% 以上每月活躍使用
- 每週執行 60,000 次 agent 任務
- 把 10,000 多個服務 的 IDL 端點自動轉成 MCP 工具
- 光是背景跑的 Minions agent，每週產生約 1,800 次程式碼變更
Uber 直接說了：「這不再是試點計畫，而是 Uber 的新工作標準。」一家全球頂級工程組織，用 agent 已經像用 Slack 那樣天經地義。
第三組數據來自 Ahrefs 內容總監 Ryan Law 在 How to automate blog writing with AI from keyword to published 公開的 Blog Pipeline。
- 用 Claude Code 串 約 12 個 Skill 檔案
- 從關鍵字研究到 WordPress 草稿，8 到 11 分鐘 跑完
- 每月在這條 pipeline 上發 10–15 篇新文章、更新 約 30 篇
我自己看到 8–11 分鐘那行的時候停頓了一下。換算成每篇成本，約等於一杯咖啡的時間。Ahrefs 不是隨便一家公司，他們是內容 SEO 的世界級玩家，這條 pipeline 是真的在跑、真的在發、真的在排名。
把三組數據疊起來：個人（Boris）、企業（Uber）、行銷團隊（Ahrefs）三個層級，都已經把 agent 內建進日常。
我自己最有感的場景。以前我們進百貨公司開新櫃，最痛的不是談合約，是「人」。一間新櫃要 3 個櫃姐輪班，外加總公司支援的督導。每多開 10 個櫃，HR 部門就要擴編一倍。1995 年的門市主管跟 2026 年的工程主管，面對的是同一道牆：你的事業要成長，但人手永遠不夠。
Anthropic、Uber、Ahrefs 這三家公司在做的事情翻譯成一句話：他們把「事業要成長就要加人」這條線剪斷了。
這就是這期的主軸金句。記下來：
瓶頸從「會寫」移到「會編排」。
寫程式不再稀缺。編排 agent，把分散任務組合成一條會自己跑的生產線，才是下個世代的硬技能。
二、工具實戰：五個你這週就能動手做的事
切入重點，不要看完就放著。我從 12 篇素材裡挑 5 件你這週可以直接做的事：
► 第一：升級 Claude Code，把 /loop 與 Routines 開起來
Code with Claude 2026 公布的 Routines 不是新概念，但官方化之後門檻會大降。Boris 在訪談裡提過他自己的玩法：用 /loop 把「每 5 分鐘檢查 CI、自動修一輪」「每 30 分鐘抓 Twitter 回饋」這種重複任務跑成背景循環。
具體你今天可以做：把你現在每天手動做、又絕對不會出大錯的 1 件事，包成一個 prompt，丟給 Claude Code 用 /loop 排起來。例如「每天早上 9 點抓我網站 GSC 的 Top 10 query 變化、寫進 Notion」。第一次 setup 半小時，跑順之後每天省你 10 分鐘。乘 250 個工作天，是 40 小時。
► 第二：用 Ralph Loops 概念跑你最重複的任務
Cherrypick 的 Chris Parsons 在 Ralph Loops: Build Dumb AI Loops That Ship 講了一個我超喜歡的點子。
Ralph Loop 名字來自《辛普森家庭》的角色 Ralph Wiggum，那個有點呆但堅持的小孩。核心概念是：別搞 n8n 那種複雜編排平台，就讓 AI 反覆跑同一個提示，直到任務真正完成。每次 loop 它會自己檢查上一輪漏了什麼、再補一輪。看似笨，但實測比一堆 if-else 編排的工作流穩定。
Chris 還補了三條安全準則我覺得超重要：
- 沙盒化：Ralph Loop 一定要關在容器裡跑，不要直接給它你的 production credentials。
- 避開「致命三角」：不要讓「不受信任的外部輸入 + 網路存取 + 敏感資料」同時出現在同一個 agent 上下文。
- 用 sub-agent 做驗證：跑一輪後，開一個全新上下文的 sub-agent 來審查產出，避免 self-confirmation bias。
可以做的不只是 code。Chris 自己用 Ralph Loop 寫 email 草稿、整理行事曆、撰寫電子報、甚至自動化新創公司的日常決策。這套你週末花 2 小時建一個版本，就能用一年。
► 第三：照 Ahrefs 路線把你最常做的事 Skill 化
Ryan Law 公開的 Blog Pipeline 之所以快，不是因為他用了什麼黑科技，是因為他把 12 個步驟拆乾淨：關鍵字研究、SERP 分析、Ahrefs 自有文章參考、大綱、產品標註、草稿、聲明驗證、內部連結、截圖建議、WordPress 格式化。每個步驟一個 Skill，每個 Skill 都會保存輸出，事後出問題能逐站回溯。
Ryan 講了一句重點：「防止 AI 寫出通用廢話的關鍵，是讓它讀你既有的東西，不是只給它規則。」
Tim 在同集訪談補充：給 AI 真實範例（Examples）比給規則（Rules）有效十倍。他自己的 Claude Code 技能資料夾裡，附上過去 LinkedIn 貼文的範例 + 互動數據，模型直接從真實樣本推斷你的寫作風格。
你這週可以做：把你最重複的 1 個 ops 工作（每月寫一份競品報告、每週做客戶提案、每天寫日報），拆成 5–10 個小步驟，每個步驟寫一個 Skill。第一版不需要漂亮，能跑就行。
► 第四：把後端 schema 餵給 Agent，讓它「真懂」你的庫
Supabase 的 Pedro Rodrigues 在 Skill Issue: How We Used AI to Make Agents Actually Good at Supabase 揭露一個重點：Agent 本來在 Supabase 上經常出錯，問題不是模型笨，是 agent 不知道你資料庫裡有什麼。
Supabase 的解法是把 Skills 架構接進去，採 Progressive Disclosure（漸進揭露）模式：第一輪只給 agent 看 schema 摘要，要做某個操作前才把該表的 RLS（Row-Level Security，列級安全）規則展開給它。
對你這週的意義是：如果你在用 Notion、Airtable、Google Sheets、CRM 系統，把它們的「結構化 schema」整理成一份 markdown 給你的 agent。讓 agent 在動手前先讀過 schema，比你後續每次手動修錯來得有效太多。
► 第五：開一個 Playground，先把問題視覺化再動手
Anthropic 內部開發者 @trq212 寫了一個叫 Playground 的 Claude Code skill，思路超簡單但超有用：對任何「我不知道怎麼做才好」的問題，先讓 Claude 產一個 HTML 互動原型給你玩，玩過幾輪再決定怎麼寫真的程式碼。
他在另一篇 The unreasonable effectiveness of HTML 詳細說明：HTML 比 markdown 的資訊密度高 10 倍以上，圖表、互動、設計變化全都能塞進去。Markdown 只能寫 100 行就到讀者極限，HTML 可以塞 20 種完全不同的應用場景。
對 Growth Hacker 的意義是：你下次要做新 landing page、做數據儀表板、做提案書，不要直接寫文件，叫 Claude 先產一個 HTML 互動原型。你拖一下、調一下、看一眼，比讀 200 行 markdown 有感太多。
我自己這週做了一件事，順便分享。
我把自己過去九個月散落在各個 chat 視窗裡的「部落格寫作流程」整理成一個 blog-workflow skill。這個 skill 把人類 + Claude + Gemini + Codex 四位一體協作流程包成 10 個步驟：blog sync 同步、內容盤點、缺口分析、選題、Gemini 競品檢索、Claude 起草、Codex 寫圖 prompt、baoyu 系列產圖、Ghost 草稿、人類最終審。
第一次寫這個 skill 花了我一個下午。但寫完之後，我從決定主題到 Ghost 草稿發出，從以前的 8 小時砍到現在的 2.5 小時。下一篇不用再記流程，下下一篇也不用，這個東西會跟著我永遠跑下去。
這就是 Boris 講的「印刷術」效應。個別任務的時間沒有省太多，但「同一件事的下一次」永遠不再從零開始。
三、商業訊號：巨頭們這週說了什麼
四個訊號，按權重從高到低排：
訊號一：Anthropic 把 Claude Code 從工具升級成平台
Code with Claude 2026 Opening Keynote 公開了一個叫「Advisor Strategy（顧問策略）」的設計：小模型執行任務，大模型提供建議。法律科技公司 Eve Legal 用了這套，成本降了 5 倍，但維持前沿模型品質。
意思很白話：你不用每件事都用 Opus 4.7。你用 Haiku 4.5 跑日常，遇到難題的時候才 escalate 給 Opus。這套架構放出來之後，企業的 AI 帳單會有明顯的下修空間。
同場宣布：Claude Code 的 5 小時使用率限制加倍，Opus 的 API 限制大幅提升，與 SpaceX 合作擴充運算資源。這些都是 Anthropic 在告訴你：上量沒有問題，盡量跑。
對你的意義：如果你還在計算每個 prompt 多少 token、每天能燒多少美金，你的時間投資位置錯了。應該花時間設計「哪些工作丟給 Haiku、哪些升級給 Opus」的分工，而不是省 token。
訊號二：GPT-5.5 與 Opus 4.7 的多模型驗證革命
GPT-5.5 VERIFIED Opus 4.7: A Pi Coding Agent That REVIEWS Like YOU 講的是一個叫 Andy 的工程師建的多代理驗證系統：Opus 4.7 當建構者（builder）、GPT-5.5 當審查者（reviewer），透過 Unix socket 通訊、把每個聲明拆成原子事實（atomic claims），逐條驗證。
這個架構是個典範。它告訴你下一階段的 AI 工程不再是「找一個最強模型」，而是「找一組互相監督的模型」。Anthropic 跟 OpenAI 的模型互相 review 對方的程式碼，比同一家模型自己 review 自己抓到更多 bug。
對行銷團隊的延伸：你的 AI 廣告創意產出，未來也會走這條路。你用 Claude 寫第一版文案、用 GPT 跑審查、用 Gemini 跑 SEO 健診。三家模型互看，比單一模型自我感覺良好可信太多。
訊號三：Aaron Levie 講 SaaS 的生死邏輯
Box CEO Aaron Levie 在 Are SaaS Companies Cooked? Which Thrive & Which Die 提了 4 個我覺得每個 SaaS 公司都該掛在牆上的觀察：
A. AI 不是把人移出工作流，是改變人介入的節點。
我們仍要 review AI 的產出，只是 review 的粒度從「字字看」拉到「結果對不對」。一句話翻譯：你的工作不會消失，但你的工作介面會被 AI 包一層。
B. 業界低估了工程師需求。
經濟 85% 不在科技業。85% 的非科技產業要做數位化轉型，未來工程師需求會比現在大得多。Levie 說會出現「數十萬到上百萬個 Agent Operator 職位」，要的不是純技術人才，是「懂業務 + 會調 agent」的混合型專業。
C. Token 預算將從 IT 支出，搬家到 OPEX。
這條最殺。企業 IT 支出長期被卡在 GDP 的 10–12%。Levie 認為 token 變成 OPEX 之後，企業科技支出會從 10–12% 倍增到 20%。原本被預算壓死的 AI 採購會直接外溢到業務部門口袋。
D. 護城河重新洗牌。
SaaS 公司的存亡關鍵在 API 品質與商業邏輯深度。如果你的軟體核心價值只是 UI，準備被 agent 取代。如果你有豐富業務邏輯 + 優質 API，你會被 agent 浪潮抬起來。
對台灣 SaaS 公司的意義很直接：把你產品的 API 整理乾淨，比再加一個 dashboard 重要 100 倍。
訊號四：Boris Cherny 重新評估 7 Powers 護城河
Boris 在 Why Coding Is Solved 跟另一場 Head of Claude Code on the future of work and productivity 都提到他用 Hamilton Helmer 的 7 Powers 框架重新檢視商業護城河：
AI 削弱的護城河：
- 轉換成本（Switching Costs）：以前換軟體要重新訓練員工，現在 agent 自己讀 doc 就上手。
- 流程優勢（Process Power）：以前領先公司的 best practice 是壁壘，現在 AI 把這些 best practice 學完了。
AI 不影響或反而強化的護城河：
- 網路效應（Network Effects）：用戶愈多愈值錢，這條 AI 動不了。
- 規模經濟（Scale Economies）：固定成本攤薄優勢，AI 反而讓大公司更便宜。
- 稀缺資源（Cornered Resource）：你壟斷的資源（資料、品牌、頻譜），AI 沒得拿。
Boris 給出的結論很重要：新創公司因為起步靈活，會迎來最佳發展機遇。沒有歷史包袱、沒有舊架構要遷移，新創一開始就可以把工作流程設計成 agent-first。
收一句商業訊號的金句：
軟體的下個十年，不是「更便宜」的競爭，是「產品過剩」時代的差異化。
Boris 借用 product overhang（產品過剩潛力）這個詞，講的就是模型能力已經超越現有產品所能展現的程度。下個競爭不是模型比強，是誰能把模型的潛力包成讓人愛用的產品。
四、王董私心推薦
如果這週只能看一篇，我推 a16z 的 Why Coding Is Solved, and What Comes Next。
為什麼推這篇？
因為這是 12 篇裡面，唯一一篇給「不寫 code 但要管 ops 的人」用的世界觀。Boris Cherny 是 Claude Code 創造者，他不是抽象談 AI 趨勢，是直接告訴你：他自己的工作流長什麼樣、他怎麼從寫 code 變成編排 agent、他為什麼確信下一個 5 年是 agent 主導。
Boris 對「未來工作」的描述，有一段我覺得直接可以印出來貼桌上：
「Anthropic 內部，每一個人，包括 PM、設計師、財務，都已經開始寫 code。未來的軟體團隊，不只是橫跨技術棧的工程師，更是同時精通產品、設計、數據科學的複合型通才。」
他說的不是「都要學 Python」。他說的是：code 的門檻已經降到接近 0，所以「我會 code」不再是一個身份，是一個基本動作，跟「會用 Excel」一樣。
這句話的延伸是：你的競爭力不在「會不會寫」，是「會不會用 agent 幫你做你不擅長的事」。
我自己這週實做案例給你參考。
我這個 Growth Hacker 部落格，從零開始寫了一個叫 blog-workflow 的 skill，把寫文章從「人類動腦 + 人類動手」變成「人類定主軸 + agent 動手 + 人類最終審」。第一篇用這個 skill 跑的時候我心裡七上八下，怕產出像通用廢話。實際跑出來之後我自己都驚訝：選題比我自己想的更聚焦、引用比我手寫的更精確、配圖比我外包設計的更穩定。
關鍵不是我用了什麼模型，是我把 10 個步驟拆乾淨了。每個步驟有自己的 Skill，每個 Skill 有自己的範例。下一篇文章我不需要再記流程，agent 自己跑。
如果你是 PM、行銷主管、業務主管，這週做一個動作就好：
挑你最常重複、最痛苦的 1 個工作，給 AI 一個下午，看它能跑出什麼。
我自己的清單長這樣：每月固定要跑的 GSC（Google Search Console）關鍵字健檢、客戶提案前的品牌站體爬抓、活動後的廣告數據彙整、每週寫部落格、每天的客服 FAQ 整理。以前每一件都要排我自己的時間或請同事，現在每一件都是一個 agent + 一份 prompt 就能跑。
這就像當年從 Excel VLOOKUP 進化到自動化儀表板，差別是：這次連儀表板都會自己長出來。
附帶一句呼應 Agents on the Canvas in tldraw 的觀察：tldraw 把 agent 直接放進設計畫布，意思是設計師不用切換工具就能讓 agent 做事。Tools 走向不再是「我打開一個 AI 視窗」，是「AI 出現在我每個工具裡」。下一個 18 個月會看到這個模式擴散到 Figma、Notion、Slack、CRM。你在用的每個工具裡，agent 都會長出來。
五、本週金句
"Coding is solved."
by Boris Cherny, Anthropic Claude Code 創造者，a16z 訪談
短到不能再短。但這句話的真正意思不是「以後都不用寫 code」，是「寫不再是稀缺，編排才是」。
把這句話印出來貼在你的桌上。每次手動做某件事超過 3 次的時候，提醒自己問：這件事是不是該變成 Skill？
收尾
12 篇看下來，AI 編碼革命已經不是「會不會發生」的問題，是「你跟上多快」的問題。Boris 說 Coding is solved，Uber 跑 6 萬 task / 週，Ahrefs 8 分鐘出文章，Aaron Levie 說 token 即將從 IT 預算搬到 OPEX。這四件事疊在一起的訊息很單純：
你的工作介面，會在未來 12 個月被 agent 包一層。
如果你問我這週最重要的一句話，那就是「不要等」。
► 三天內，去試 Claude Code 的 /loop，挑 1 件每天重複做的小事丟進去
► 一週內，照 Ahrefs 路線拆你最重複的 ops 工作，寫 5–10 個 Skill
► 兩週內，建一個 Multi-Agent 工作流，讓 Claude + GPT + Gemini 互相 review
► 永遠記得：寫 code 不是稀缺，編排 agent 才是
這年頭就是 skill、skill、skill。
下一期王董週刊見。期待我的分享，能夠有天幫得上你～
協作聲明與免責
這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 [來源名稱](URL) 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。
內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。
本期引用來源（依文中出現順序，點開即可看原文）
- a16z Podcast — Anthropic's Boris Cherny: Why Coding Is Solved, and What Comes Next
- Anthropic — Code with Claude 2026 Opening Keynote
- Uber AI Platform — How Uber Runs 60,000 AI Agent Tasks Per Week With MCP
- Ahrefs — How to automate blog writing with AI from keyword to published（Ryan Law）
- Cherrypick — Ralph Loops: Build Dumb AI Loops That Ship（Chris Parsons）
- Supabase — Skill Issue: How We Used AI to Make Agents Actually Good at Supabase（Pedro Rodrigues）
- @trq212 — Making Playgrounds using Claude Code
- Thariq Shihipar — The unreasonable effectiveness of HTML
- Andy 的多代理驗證系統 — GPT-5.5 VERIFIED Opus 4.7: A Pi Coding Agent That REVIEWS Like YOU
- Aaron Levie（Box CEO） — Are SaaS Companies Cooked? Which Thrive & Which Die
- Boris Cherny — Head of Claude Code on the future of work and productivity
- Steve Ruiz — Agents on the Canvas in tldraw
