本文整理自 QCon 北京 2026 快手王东旭分享《打破人月神话Agent重塑风控产运研职能》通过AI音视频转录总结工具Ai好记视频转文字整理以下为精炼整理后的会议笔记内容。一、人月神话困境大模型时代加速了团队摩擦「人月神话」这个概念来自弗雷德里克·布鲁克斯的经典著作说的是软件工程中人和时间并非可互换资源——增加人手反而会让项目延期。王东旭在分享中认为大模型时代把这个困境进一步放大了。为什么会这样原因有三第一大模型带来的能力边界在快速膨胀。产品经理觉得「AI什么都能做」运营觉得「我直接写个prompt就行」研发觉得「你懂不懂技术」。各方对 AI 能力的预期差异让沟通成本猛增。第二传统的职能分工在大模型项目中出现了大量重叠。一个简单的风控策略提效需求产品要定义规则运营要配置参数研发要写代码算法要调模型——四拨人围绕一个需求转光对齐就要两三天。第三大模型的输出不确定性让验收这件事变得异常痛苦。以前功能做好了就上线现在AI输出的结果时好时坏谁来兜底、谁来评判没人说得清。王东旭用一句话总结了这个困境沟通摩擦已经成为组织效率的最大瓶颈技术问题反而不是最难的。二、从固态到液态组织以数据为中心的Agent协作模式面对这个困境快手风控团队尝试了一种新的组织形态——「液态组织」。什么是液态组织简单说就是打破产品、运营、研发、算法这四道墙围绕具体数据任务临时组建跨职能的Agent协作小组。任务结束小组解散成员回到各自职能池子里等下一个任务。这个模式跟传统的项目制有什么不同传统项目制虽然也跨部门但权力结构没变——产品经理拍板、研发排期、运营执行、算法调模型各行其道。液态组织把「职能角色」变淡了把「数据任务」变重了。举个例子一个风控策略优化的需求进来不再需要产品写PRD、研发排期、运营配置规则这一套流程。而是直接拉一个 Agent 协作小组产品同学用AI工具做原型验证运营同学直接写prompt调策略研发同学搭数据流水线算法同学做模型微调。所有人围绕数据流转工作而不是围绕需求文档流转。王东旭打了个比方从固态到液态核心是把「人找人」变成「数据找人」。三、产品经理转型从低代码到Prompt to Product在液态组织中产品经理的角色变化最大。王东旭提出了一个很形象的演变路径低代码 →No Code→Prompt to Product以前产品经理学低代码去画原型后来用零代码工具做MVP现在直接写prompt让AI生成可交互的Demo。王东旭现场演示了一个风控策略配置页面产品经理用自然语言描述需求AI Agent 直接生成了带交互逻辑的原型页面。这听起来很酷但王东旭也坦率地讲了几个坑第一Prompt 生成的原型容易看着像那么回事一用就崩。因为AI生成的界面缺乏深度校验逻辑作为方案讨论工具没问题但直接交付有风险。第二产品经理需要补技术认知。不是说要去写代码而是至少要理解向量检索怎么做、RAG怎么搭、模型怎么评估。不然写出来的prompt开发一看就知道跑不通。第三原型到产品的中间地带是空的。AI可以快速生成原型但从原型到可交付的产品中间的工程化工作没人做。这个缺口目前靠产品经理研发同学协作填补。四、运营角色重塑从规则配置到Prompt工程师风控运营的传统工作是什么写规则、配参数、看报表。王东旭说这些工作在大模型时代基本会被 AI Agent 替代。那运营做什么呢三个方面第一Prompt 工程师。运营同学直接写自然语言指令来配置风控策略。这不是写代码而是把业务经验翻译成AI能理解的语言。比如「对近30天内登录IP属于三个及以上国家、且账号注册时间小于7天的用户提高风控等级」——这就是运营写的一段promptAI Agent 自动解析并生成对应的策略配置。第二RAG 知识库构建者。风控策略需要大量的业务规则、历史案例、合规要求。运营同学负责把这些知识结构化构建成 RAG检索增强生成知识库。AI Agent 在响应用户请求时从知识库中检索最相关的策略依据。第三SFT 微调数据提供者。运营同学虽然不是算法工程师但他们知道哪些策略配置是对的、哪些是错的。通过提供高质量的标注数据让模型在垂直场景下表现更好。这就是所谓的「数据飞轮」——业务输入数据 → 模型提升效果 → 效果反馈修正数据。王东旭特别强调了一个观点运营的核心竞争力不是配置规则的效率而是对业务风险的理解深度。AI能帮你执行但帮你判断什么是真正的风险还得靠人。五、研发微笑曲线大模型对团队的极化效应这是王东旭分享中给我印象最深的一个概念。他把研发团队按能力分成了三段初级研发、中级研发、资深研发。大模型对这三类人的影响完全不同——呈现出一条「微笑曲线」。资深研发曲线右端大模型是超级加持。架构设计、系统解耦、性能优化这些高阶能力大模型可以给你很多灵感和参考。思路对了代码生成只是顺带的事。资深研发本来就清楚自己要什么大模型帮他们把实现速度提了一倍以上。中级研发曲线底部最尴尬的群体。做一些常规CRUD、业务逻辑实现大模型可以做到七八分比他们自己写还快。这类工作原本是中级研发的主力内容现在被AI挤占了大量空间。要不要向上走、能不能顶上去决定了这个群体是被淘汰还是升级。初级研发曲线左端冲击最直接。以前初级研发靠「写代码」入门和成长现在连写代码这个环节都被压缩了。王东旭直接说「以前本科毕业写三年代码摸到门道现在这条路径走不通了。」这不是危言耸听。团队管理上需要认真思考一个问题如果写代码不再是初级工程师的主要产出那他们的成长路径应该是什么王东旭给了一个方向初级研发要尽快培养「系统理解能力」和「业务理解能力」而不是沉浸在代码实现细节里。因为代码这部分AI已经帮他们完成了一多半。六、算法护城河向下深耕与数据飞轮通用大模型能力越来越强那算法团队的价值在哪王东旭的答案是「向下深耕」。所谓向下深耕就是在通用模型的基础上做三件事第一垂直场景微调。通用模型懂风控吗懂但不够深。通过SFT和RLHF让模型理解风控领域的特殊规则和业务逻辑。比如「同一设备短时间内多次更换绑定手机号」这种风控场景通用模型不会主动关注但经过微调后Agent 知道这是一个高风险信号。第二专属知识库构建。把公司内部积累的风控策略、处罚案例、业务规范做成RAG知识库。模型检索知识库做决策而不是全靠自己的参数化记忆。这样准确率和可解释性都大幅提升。第三数据飞轮闭环。模型每执行一次风控决策结果反馈回来修正知识库或模型参数。做对了加强做错了调整。这个闭环跑起来之后垂域模型的效果会逐步碾压通用模型。王东旭说了一句话我记下来了「通用模型是海平面大家都在这个水位上垂域深耕才是海底山脉高低看你挖多深。」七、实践中的关键坑点与避坑指南王东旭在分享中花了不少时间讲踩过的坑我觉得这部分对做Agent实践的团队最有价值。Web Coding项目易腐化很多风控团队一开始尝试用Web Coding方式做Agent——前端界面直接控制后台策略。但王东旭发现这种方式的项目生命周期非常短代码很快就腐化了。原因很简单Web Coding追求快速验证架构松耦合性差迭代几轮之后代码质量直线下降维护成本远超重写。他建议的方案是快速验证阶段可以用Web Coding跑通但一旦确认方向马上转成DD领域驱动设计或Spec规格驱动把架构夯实。也就是说原型和技术债不能混为一谈。存量系统改造远比新建痛苦如果是从零搭一个风控Agent系统反而好办架构从一开始就是为Agent设计的。但大部分团队要面对的是存量系统——已经跑了好几年、代码耦合严重、跟业务深深绑定。王东旭的实践经验是不要试图一次性重构选一个边界清晰的模块做试点。比如先拿「用户注册风控」这个子场景试跑通之后再逐步扩展到其他场景。一来降低风险二来验证了可行性之后团队信心和资源都会跟上。团队管理三阶段事、推、生这是王东旭关于Agent团队管理的一个总结框架第一阶段「事」大家还在摸索Agent怎么做这时候管理重心在「事」上——分工明确、节点清晰、成果可衡量。不搞虚无的理念先做出东西来。第二阶段「推」Agent工具和流程跑通了开始规模化推广。这时候管理重心是「推」——培训和赋能让更多人会用、愿意用Agent来做日常任务。这个阶段最容易出现的问题是不愿意改变的同事被落下。第三阶段「生」Agent成为日常工作的基础设施不再需要讨论「要不要用Agent」而是讨论「怎么把Agent用得更好」。组织从被动响应变成主动创造新的工作模式和角色开始自然生长出来。王东旭特别强调这三个阶段不能跳也不要着急。很多团队在第一阶段就想谈生态、谈文化其实连一个能稳定运行的Agent都没做出来。先做「事」再谈其他的。FAQQ1: 液态组织是不是就是敏捷开发的变体两者有相似之处但核心区别在于敏捷开发解决的是「需求变化快」的问题液态组织解决的是「角色边界僵化」的问题。液态组织强调数据流动驱动人员组织而不是需求驱动。一个是围绕任务一个是围绕数据。Q2: 转型Agent组织后原来的职能经理还有存在的必要吗有但角色变了。职能经理不再是审批人和排期人而是变成了能力建设和人才培养者。他们负责搭建知识库、设计培训路径、建设Agent工具让一线同学能更好更快地完成任务。Q3: AI Agent导致的组织变革对普通开发者的职业建议是什么王东旭的建议很务实一是往上走强化架构设计和系统思维这是AI不易替代的能力二是横向扩至少理解Agent协作模式下产品、运营、算法的语言能做跨职能沟通。最怕的是做一个「只懂写代码」的开发者。Q4: 小团队也能推行这种组织变革吗可以而且小团队反而更容易。大团队变革最大的阻力是既得利益和惯性小团队从零开始没有历史包袱。王东旭建议小团队找一个具体场景做试点拿到结果再扩大不用上来就全体转型。以上内容由Ai好记转录整理。Ai好记是一款音视频转图文笔记的AI音视频转录总结工具支持解析 B站、抖音、小宇宙等平台链接及本地/网盘的音视频文件转文字后自动生成精华速览、思维导图和结构化笔记帮助你把几小时的视频内容变成可搜索、可复习的图文笔记。