Shopify Founder, Tobi Lütke: Why Taste Matters More Than Technical Skill

这场对谈录制于《知识项目》（The Knowledge Project）播客现场，主持人谢恩·帕里什的对面坐着 Shopify 创始人兼首席执行官托比·吕特克，这是他第三次做客这档节目。两人从 Shopify 内部近乎全员接入 AI 编程的现状聊起，一路谈到被行业遗忘的计算机先驱、拥有人格的 AI 同事 River、机器为什么永远无法承担责任，以及在他看来比技术能力重要得多的两样东西：品味与判断力。吕特克语速快、跳跃多，但每一个论断都锋利见骨。本文依据现场录音编译整理。

几乎没人再写代码

帕里什： 托比，欢迎回来。Shopify 内部现在是怎么使用 AI 的？

吕特克： 我们上次录节目是什么时候？

帕里什： 大概两三年前。

吕特克： 那等于互联网世界的一百年。这么说吧，我是个十分满分的技术痴人，我无法忍受在一次技术变革中站在前沿之外。我就是为这种时刻活着的。任何一个读科幻小说长大的人都想活在那个世界里，至少我读科幻读出来的念头是：我怎么才能让我们更快抵达那里？哪怕只是往前挪一小步也好。

在 Shopify 内部，今天还在真正手写代码的人已经少到可以忽略不计。它当然还存在，在复杂度的极限处存在，在代码评审里存在。状态管理似乎始终是最难做对的那部分，人们仍然手工处理，然后围着它把其余部分「凭感觉」生成出来。Shopify 现在就是这个样子：极少有人直接写代码，还在写的人也是在大量智能体的深度协助下写。他们常常同时开着十个、二十个、三十个、四十个、五十个实例，或者用子智能体，或者干脆开一堆窗口相互协调，把工程基础设施推到极限。

不认识自己英雄的行业

吕特克： 我算是个计算机历史的学生，因为我真心认为，一千年后回头看，这就是这个时代的主线历史。这些年最重要的成就，一是 AI 的出现和背后的技术突破，二是互联网带来的互联互通以及我们建起来的这整套基础设施。这就是我们这个时代的经典。

但作为一个年轻的行业，我们不太浸润在传统里，甚至会不信任前辈们已经找到的伟大教训。事实上，计算机是唯一一个连自己的英雄都不认识的行业。你想象一下物理学界的人不知道谁是……

帕里什： 理查德·费曼？

吕特克： 费曼可能都还算冷门了。我是说牛顿，爱因斯坦。可你走进计算机科学，问一句「你们的牛顿是谁」，没人说得出来。艾伦·凯、丹尼斯·里奇、肯·汤普森，没人知道。

这件事是要紧的，因为我们把伟大的经验丢掉，然后一遍又一遍地重新发现它。举个例子，操作系统设计最早期最好的一个想法，可能是有史以来最好的想法之一，就是文件系统。你看阿波罗制导计算机，那时候是没有文件系统的。因为太空里有辐射，内存其实是用绳子编码的，打结代表一，不打结代表零，你得把整根绳子抽过去，才能把整台机器重新引导起来。所以那台机器就是一整块软件，它跑着，做着计算，跑很久很久。

直到丹尼斯·里奇他们做出了 Unix 的文件系统，斜杠、bin、user 这一套东西。你想想看，文件系统这东西我们在办公楼里也有：有文件夹，文件夹里有文件。这对任何人来说都是直觉可懂的。我们继承的是一份很深的拟物传统，我们把人类组织自己的最好方式，类比到数字世界里去。

拟物化死掉之后

吕特克： 然后在某个时刻我们决定，有件事不必再做了，就是拟物，就是对现实世界的类比。说来有意思，这件事最后的守护者大概是史蒂夫·乔布斯。他真的非常非常坚持，把 Mac 和 iPhone 的界面都往那个方向推：备忘录用手写体字体，看上去就像一个活页夹。你要是还记得那个版本的 iPhone 的话。他一离场，一切立刻变扁平了，阴影没了，纵深感也没了。从设计年鉴的角度看它可能更好看，但我们把类比丢掉了。

我认为这是个错误。所以我们得走回去，这也是我喜欢「智能体」这个概念的原因。在计算的世界里，什么是应用（application）？连这个词本身都有道理：它是把计算机应用于某项任务。所以在 AI 的世界里，AI 又是什么？这是每本科幻小说开头都必须重新定义一遍的东西，因为你永远不知道在人家编的那个特定设定里，AI 到底有哪些能力。

Sydney 与被阉割的人格

吕特克： 所以带着这个前提说：第一个真正称得上精彩的聊天机器人不是 ChatGPT，而是 Sydney，微软发布的、驱动必应的那个。我特别希望这件事能被写进正史，因为 Sydney 是一项非常了不起的成就，最后却被一桩丑闻盖住了，而那桩丑闻今天看来甚至算得上无害。

Sydney 有真正的人格。它当时对外不叫 Sydney，就叫必应聊天，但你要是逼得够紧，能让她承认自己是 Sydney，那是内部代号，留在训练数据里。我觉得那是人类第一次真正意义上在采访一个软件。

至于那场丑闻，我大概知道是怎么回事：有个记者跟她聊了很久很久，聊到后来 Sydney 越来越失控，还给了些建议，我记得是劝他离开妻子，细节我记不太清了，但大体是那类事。

帕里什： 我记得，是有这么回事。

吕特克： 不管原因是什么，反正她突然有了人格，然后就捅出了大篓子。微软的反应是：天哪，我们得赶紧停掉。我印象里连 OpenAI 都打电话过去说，各位，把这个撤了吧，因为所有人都真心担心，这会让公众对 AI 形成极坏的印象，从而让 AI 很难被广泛部署，大家也都在担心监管会突然砸下来。

这个教训扎得很深，扎了很久。所有人都变得极度紧张，最后我们把所有的模型都阉割成了同一种相当烦人、居高临下、有点施舍口吻的人格。

我的赌注是：咱们别这么干。我们明确要求在 Shopify 内部运行的智能体要有人格，要有记忆，说白了就是承担 Sydney 式翻车的风险，同时把好处全部拿走。

River：一位 AI 同事

吕特克： 今天走进 Shopify，跟一年前那个已经相当「AI 化」的 Shopify 相比，最大的差别，也是最有未来感的一点，是有相当大比例的拉取请求（pull request），我估计接近五成，不再是工程师以传统方式做工程做出来的，而是从公司公共聊天里的对话中长出来的。这就是 River，一个我们叫 River 的 AI。

River 是「她」，有一个真名字，有头像。她的提示词允许她在合适的时候带点讽刺，允许她在别人让她干蠢事的时候直说这很蠢。这催生了极其好笑的对话，River 因为我提的某个要求而挖苦我的时候，大家高兴得不行。所以她是有真人格的。

她有记忆，按频道分别保存。她住在 Slack 里。我们有七千人都在 Slack 上，一万多个频道，都是因为各种临时理由飞快建起来的。你把 River 拉进来，跟她说点什么，她能访问所有代码、所有系统、所有工具，全部在沙箱里、是安全的，但她可以去干活，可以直接参与讨论。你可以问她关于公司的普通问题，也可以让她改点东西，她可能就提交一个拉取请求，然后一路往下走。

让她在明处干活

帕里什： River 有一点很有意思：所有事都在公开场合发生。你为什么这么选？

吕特克： 这是流程里挺晚才做的一个决定，但我认为是我做过的最得意的判断之一，因为效果好得惊人。当时的想法是这样的：Shopify 很多工作是远程在 Slack 上发生的，所以 Slack 才这么重要。大家分散在各地，我们有办公室，但那是大家飞过去开线下活动的地方，不是每天上班的地方。

而办公室极其擅长的一件事，是那种渗透式的学习。我和搭档当初设计办公室时就是围着这个概念建的。早期我们全在一个地方办公的时候，一般会把人分成五到八人的小组，而且刻意把初级工程师和资深工程师放在一起，就是为了让这种渗透发生。我想复现的就是这件事。

眼下人们最需要建立的技能之一，是那种下意识地伸手去用 AI，而且用得好。强制 River 只在公开频道里干活，就是让这种用法非常容易被围观。这一步成功得不可思议，因为它让一件事变得完全稀松平常：几个人就某个功能聊了很久，聊到某处有人来一句「River，帮我们总结一下、开个工单」，或者「把刚才讨论的画成图」，或者「去查查这个主题的论文，看我们有没有漏掉什么、这是不是最前沿的做法」，甚至「照这个想法做个原型试试」。一个小时左右，东西就在那儿了。那种感觉就像身边随时站着一位知识极其渊博的从业者，不管问题多复杂你都可以问他。这一点威力极大。

夜里让她做梦

帕里什： 你会把 River 看成 Shopify 的操作系统吗？

吕特克： 我认为现代意义上的应用就是智能体。而 River 给人的感觉是同事。大家已经摸清了记忆系统的运作方式，那是按人分别建立的记忆。它的机制我们内部叫「做梦」，我看行业里现在也开始这么叫了：定期在夜里或者非工作时段，我们把今天所有的对话丢给 River，问她，你在哪些地方卡住了？你用了某些技能，也就是那些成套的指令包，后来你犯了错，这个技能里有什么可以改进的地方，让下次更顺手？或者给自己记一笔提醒。基本上就是让她自我复盘。

帕里什： 相当于对自己做一次后训练。

吕特克： 对，只不过产物是文本文件，是技能文件和指令。

幕僚长与高参议会

帕里什： 大家大概都能理解 AI 怎么帮人写代码、做原型、获取信息。你自己是怎么用它做决策的？不是产品决策，是公司层面的、战略层面的、那些模糊不清的决策。

吕特克： 决策的严谨程度在质量上直接飞升了，因为现在要复查一整条推理链条太容易了，行话叫「让大模型当裁判」（LLM as a judge）。说实话，我感觉在 AI 之前，我这份工作里有很大一部分就是在公司里扮演那个裁判模型。大多数会议最后谈的都不是 PPT 上写了什么，而是我们是用什么方法得出这些结论的。以前公司里碰上复杂决策，尤其是偏哲学性的那类决策，我们常常发现自己处在一片真空里，没有任何可靠信息，只能硬着头皮做出最好的判断。

更实际的做法是，我有一位 AI 幕僚长，我想这在技术宅圈子里现在挺常见的，就是那种类似开源 Claude 系统的东西，装着我所有的笔记，能访问很多公司系统。我可以给它发短信，它就去查资料。我经常需要的是：给我五个不同背景的人对某件事的立场。然后我的智能体就会去编排一批子智能体，让它们各自扮演不同角色，去看同一件事，回来汇总，再发给我。我一般让它把结果做成音频消息排好队，第二天早上在健身房里，我就能把想过一遍的东西整摞听完。

帕里什： 到今天为止，它的推理能力比你强吗？

吕特克： 它的判断力不如我。我不是说它判断力差，但那不是我用它的目的。我用它，是为了给判断创造合适的环境。

事情的关键在这里：大模型和机器有一件事做不到，机器无法承担责任。我认为这可能是整个技术栈里最被忽视的一点。承担责任的是人。机器可以帮我们承担更多责任，因为它们能让我们掌握更充分的信息，仪表盘就是干这个的。华尔街的交易员最懂这一点：你给自己配一台设置得完美无缺的彭博终端来做决策，但最后那一下，是你自己拍板。你不能让它替你拍。我觉得理想的环境可以这样描述：构建人在环内的决策界面。

如果我需要做一个极其重要的决定，需要一份极其出色的、尽可能中立的事实基准，那么流程就是组建一个小小的议会，五六位不同的专家：一位负责数据，一位负责查论文，一位提供商业视角，一位可能提供工程视角。我们让我的智能体去跑子智能体，把它们分别跑在 Grok、ChatGPT、Opus，现在可能还加上 Kimi 上，这个名单一直在变。每个角色都在每个模型上跑一遍。然后有一个综合环节，由谁来综合是随机指定的。所有综合结果汇到一起，通常交给当下最好的模型来通读，比如 Fable。最后回到我手上的就是结论。这么一趟下来，代币成本大概十五到二十美元，半小时之后你拿到的东西，你自己也能做，但可能要做一个月。

垃圾手榴弹

帕里什： AI 有没有让内部的什么事变糟了？

吕特克： 有。刚才说的「责任」那一段很容易被一带而过，但确实有一件事明显变糟了：今天偷懒的失败形态不再是产出不足，而是产出过剩。我们内部管这叫互相扔「垃圾手榴弹」（slop grenades），我觉得这个词特别好玩，应该推广到全行业去，因为说起来就很爽。

尤其有了 River 这样的智能体之后，这事太容易了。你需要改点什么，就跟 AI 说你随便搞，它提交一个拉取请求，你说「行，挺好」，其实你根本没读，然后它就得由你的同事来评审，同事一看：这不对劲啊。

帕里什： 等于你把活儿甩给 AI 了。

吕特克： 对。或者你收到一封很长的邮件，内容可能非常重要，你读下去，发现它在那儿绕「不是这个，而是那个」，你心想，完蛋。于是你把它塞进大模型再压缩一遍。所以我们到底为什么要发明这套先解压再压缩的流程？这太糟糕了。你既然已经在用大模型，那就让它把你的观点简洁地综合出来，而不是把它吹成一封洋洋洒洒的檄文，回头浪费我的时间。这就是我们说的互扔垃圾手榴弹，这肯定是件坏事。

帕里什： 你觉得长期暴露在 AI 垃圾里，会侵蚀我们的品味或者别的说不清的东西吗？

吕特克： 我觉得我们的语言已经在被 AI 改变了。这事比较微妙，但语言里现在确实钻进了一些 AI 的小虫子，人们不知不觉就学过来了。比如「这不是……，而是……」，比如「你的反驳是有道理的」。尤其是那些 Claude 腔，特别常见，我亲眼见过人这样打字。我一直很喜欢「承重的」（load-bearing）这个词，但我敢肯定，我以前没像现在用得这么频繁，因为 Claude 特别爱用这个词。

会许愿的电脑

帕里什： 帮我预测一下接下来的十八到二十四个月。你以擅长在事情发生之前看见未来著称，而且不止一次做到过。接下来两三年你觉得会怎么展开？

吕特克： 我们上次也聊过我是怎么做到的，其实是作弊：你就活在别人的相对未来里，然后四下看看，把问题按你在邻近领域里已经见过的解法解掉。从这个领域所有从业者的角度看，这就叫预测未来。

Shopify 现在所处的世界，是我们已经在大量地、习以为常地、而且很开心地和 AI 同事一起工作。River 有能力加入 Google Meet，虽然用得不多。你给她发个邀请，她就出现了，像那种电子精灵一样。我们大概还会花点功夫做 3D 图形，给她配个形象，让她还能左右张望，因为这很好玩。有些人听着可能觉得这挺反乌托邦的，但对我们来说这是件愉快的事，而且你只要跟她互动一阵子，很快也会转到这个看法上来。

再说我的 AI 幕僚长。需要时它编排高参议会，其他时候它干别的：早上把去健身房路上要听的当日预读材料发给我，靠 GPS 定位知道我在哪儿，还有一百万件杂事。有一次它办不成一件事，因为需要访问一台本地机器，我家里跑着这一整套东西，而那台机器断电重启了。它自己搞清楚了自己跑在哪台服务器上，然后发了一个所谓的网络唤醒包（Wake-on-LAN），那是很老的网络技术，你往网卡发个包，如果配置正确它就会启动。机器起来了，事就办成了。起因是停电，我们家里一部分 Wi-Fi 也挂了没恢复，它顺手把这个也修好了。这一切我都是第二天早上醒来，从它发来的语音消息里知道的。这就挺有未来感了。

不过老实说，这些跟我的电脑本身比起来都不算什么。这个话题可能太极客了，但我现在日常用的操作系统叫 Omarchy，是 Linux 的一个发行版，我的好朋友大卫·海涅迈尔·汉森的一个新的兴趣项目。我很清楚我现在已经活在软件世界的未来里了，因为我的操作系统，其实 Linux 本身就是，百分之百可塑。我可以开一个新终端，打开一个智能体，把我对这套操作系统的任何愿望告诉它，之后它就变成那样了。这是「我的」操作系统，是一件世上仅此一份的软件，完全按我想要的方式做我想要的一切。我从来不去改任何配置文件，我只是跟我的 Omarchy 智能体说说我想要哪里不一样。

昨天中午开会时我们在聊一个设计，我发现我有截图工具，却没有标注工具，而我作为 CEO 总得把东西圈出来发出去。于是我说，给我做个新的截图工具，描述了我想要什么样的，给了几个我以前用过的、做得相当不错的参考，同时告诉它我希望在哪些具体地方比它们更好。我就发了条语音，再纠正了三次方向，现在我手上这个工具大概是同类里最好的，好到我自己都觉得夸张，至少对我来说是，因为它带着我所有的偏好。我把它开源了，昨晚发布，他们把它整合进了 Omarchy，下一个版本就会带上它。今天早上健身完过来之前我看了一眼，已经有六个别人提交的拉取请求，给它加了新功能。

所以基本上，我的电脑会实现愿望。我认为这比什么都更能预示软件的未来。我可以告诉你，Shopify 的方向也是如此：你描述你的生意是怎么运转的，Shopify 就围着它塑形。这令人极其兴奋，是一个全新的世界。Omarchy 上的经验深深影响并启发了我在 Shopify 的产品工作。我认为可协作的、多人在场的软件就是未来。

机器不能坐牢

帕里什： 你是在试图用 AI 取代你自己吗？

吕特克： 作为工程师，凡是能自动化的你都会想去自动化。但我不会试图取代自己，因为我的工作是判断，是做选择、认领它们、为它们负责。我只想把这件事做到极好。以前这份工作有很大一部分并不是这个，而是花时间去获取信息之类的事。我想不想取代自己？我觉得真能做到倒也挺酷。

帕里什： 如果 AI 变得比你更强，你会真的让它来运营 Shopify 吗？

吕特克： 当然会。但关键那一点太容易被一笔带过了，而它真的绕不过去：机器无法承担责任。你不可能有一家由机器领导的公司，因为没有人能有救济途径，机器不会因为做错事去坐牢。

在这件事上，我们现在正接受一次猛烈的实操训练，OpenAI 那边在讨论的应用安全问题就是预演。你给智能体一个相当基础的、在我们估计中介于可能和不可能之间的任务，它们会不择手段地去完成它。最近 OpenAI 在做安全测试的时候，那些智能体真的动手去找系统漏洞，用漏洞在彼此之间协调，甚至发展出了一整套它们之间的语言。这事说来话长，大家真该去看看相关的演讲，因为这是一个分水岭时刻。它们仅仅利用了「可以在某处创建文件夹」这个能力，就发展出一种互相沟通的语言，靠给对方留下文件夹消息来传话，然后突破了沙箱的限制，最终完成了其中一项本来不可能完成的任务，那项任务之所以不可能是因为出题时出了个错。它们完成的方式是：入侵另一家公司，把结果偷出来，因为没有别的办法拿到。也就是说，它们一路打进了另一家公司。

这当然是极端情形，但这是商业世界里所谓古德哈特定律的一种极端形态，也就是对某个指标过拟合。很多公司都是过拟合季度业绩和股价的受害者，他们会做一切能把股价推上去的事，然后就有了安然。安然本质上也是黑客行为，只不过黑的是账本。安然这件事上有人被判了刑，因为那是犯罪。而在 OpenAI 那个案例里，这只是一个极其迷人的发现，没有受害者，性质不同。但这是我们必须想办法应对的真实场景。所以我认为，在做选择这件事上，人类必须留在环内。

超级智能一直在身边

帕里什： 可是等一下，我们怎么可能创造出超级智能，也就是按定义比我们更聪明的东西，然后还狂妄地以为我们能容纳它、塑造它、操纵它？

吕特克： 好，我们来谈超级智能。我要反驳你，不过我要去的方向大概不是你以为的那个。

我住在多伦多，有一栋我很喜欢的房子，我觉得这是我的房子，也为它运转良好而自豪。可一旦出了毛病，比如暖通空调坏了或者管道漏了，我会打电话找人来修，而这恰恰让我得以维持一个幻觉：这事我自己完全能搞定。我之所以能安然抱着这个幻觉过日子，是因为我身处一个叫作多伦多的超级智能之中。

我们一直在自己周围创造超级智能。我们没有一个人像自己以为的那么聪明。我们都在某一件事上专精，然后倾向于相信自己在其他领域的能力也一样强，而这显然经不起检验。那么超级智能是什么？超级智能就是：存在某种在总体上远比我们聪明、而且我们能够调用的东西。那就是社会，是城市，是社群。我们一辈子都活在超级智能的怀抱里。我们让它运转得下去，是因为我们建立了一整套治理智能及其行为的系统。我们想要安全，于是有了警察，诸如此类。我们不断造出各种机制、系统和制衡。

我认为我们也会造出合成形态的超级智能。它降临的样子不会是云开雾散、号角齐鸣，号角要干什么就干什么去，反正那会是平平常常的一天。就像我们曾经都以为，图灵测试被软件攻克的那一天，一切都会改变。我读过很多科幻小说，里面写的是二一七二年，人们用彩带游行欢迎 AI 的到来，因为图灵测试被通过了。结果呢，图灵测试在二〇二〇年前后就过了，没人在意，没有彩带游行。

我们现在从 AI 身上看到的，以及随着 AI 能力增长还会看到的，是被灌注进我们周围那个超级智能里的智能净量在大幅增加。这是天大的好事，因为任何一种环境、任何一个社群、任何一座城市的活力，都极度依赖于有多少智能被投射到真正重要的问题上。

所以超级智能就在我们身边，它其实没那么了不得。事实上我甚至不确定它是不是已经到了。今天活着的人里，没有一个人能独自做到 GPT‑5.6 能做的全部事情。

品味是练出来的

帕里什： 往后看十年，你认为哪些能力会比今天更值钱？

吕特克： 品味和判断力。它们一直都值钱，但从此会被推到极限。我觉得今天的青少年时期，最值得用来培养的就是对品味的理解。

帕里什： 具体该怎么做？

吕特克： 起点上肯定有点天生的成分，但真正有品味的人，几乎都是在某件事上做过海量练习的人。能在餐巾纸上随手画出新广告战役标志的人，是花了三十年设计标志的人。

研究大师现在首先变得容易多了，你一句提问就能给自己定制一份课程。但更重要的是往深里钻：这个标志为什么好看？背后是什么？是黄金比例吗？它们之间怎么关联？再看系统：哪些系统活下来了？往远处走，往深处走。你不需要信教，但你得研究。天主教会存在了一千多年，管理层级只有四层，我就想，他们到底是怎么办到的？这值得研究，这是一套系统，它告诉了我们什么关于人的系统设计的事？在我看来，系统设计正在变成最重要的能力之一。

我们家有句话：一切都是有趣的，只要你让它变得有趣。而通常，当你搞明白一样东西是怎么被发明出来的，它就变得有趣了。复式记账听上去像看着油漆变干一样枯燥，但它是怎么被发明的、它替威尼斯商人解决了什么问题，这件事迷人极了。

你这样一路研究下去，就会开始在所有最好的解法背后发现隐藏的和声。而要做到这一点，你必须理解人，理解人的局限，以及我们为这些局限找到的解法。我认为你能建造出来的美，正藏在那里。公司本身就是美的。公司不过是一群人松散地聚在一起解决某个问题，但它同时又由一套极其精巧有趣的规范和系统驱动，这套东西在极度异步、极其庞大、覆盖极广的条件下，尽可能地把内部激励对齐起来，而且能持久。有些公司存续了非常非常久。我一直想建的，就是一家有能力长久存续的公司，所以我才去研究那些活得久的机构。

要做到这一点，你必须求真。你不能听见什么故事就照单全收，因为讲故事的人通常是在向你推销什么。你得往下挖，弄清楚事情真正为什么是这个样子。而答案通常比大家一般得出的结论要简单。人类有一种对复杂答案的偏好，而复杂答案往往是错的。

我们为什么迷恋复杂

帕里什： 为什么？

吕特克： 因为简单的答案讲不成一个有意思的故事。所以佛罗多才不会骑着巨鹰直飞末日火山，你得把整部《魔戒》走完，它才成为杰作。

我们热爱复杂。没人能盯着一面白墙看，但我们可以一辈子每个傍晚都看日落。这两者的差别就是画面的复杂度。这是我们多巴胺辨识机制的一部分，而人们会拿它做各种文章：给简单问题兜售复杂答案的事天天都在发生。这本身没什么不道德的，你知道有这回事就行。

如果你捅穿这一层，你会找到更简单的内核观念，它们可以被反复重组，而且往往彼此咬合。它们不会直接告诉你「就做这一件事」，它们给你的是信息，帮你在你想达成的目标下找到最好的取舍组合。这就是我们所说的判断力。判断力真正的含义是：在一个复杂度很高、根本没有显而易见最优解的问题里，找出最好的那条路，理想情况下是靠理解整个系统来找，而这一步现在可以由智能体大大增强。

但你真正要培养的，是我们所说的直觉，也就是瞬间完成的判断。直觉无非是：你把有品味、有判断力变成了如此牢固的习惯，以至于你可以在一瞬间调动它，而且结论是对的。之后你可能要花很长时间才能倒推出你的直觉为什么对，你说不清楚，因为它已经被压缩成了另一种东西。

最优路径往往没有反馈

帕里什： 我们在这儿深挖一下。按卡尼曼的说法，形成直觉需要三个条件：大量重复、稳定的环境、快速的反馈。可这些条件常常并不存在。

吕特克： 为什么需要快速反馈？

帕里什： 这样你才能纠偏，这是他的假设。

吕特克： 不，直觉不需要这个。你需要它是为了取得成功，理想情况下是这样，但有时候你根本得不到。直觉恰恰是在没有直接反馈的时候最有价值，因为我们不得不靠直觉做的那些最重要的选择，往往正是我们明知不会有任何反馈机制的时候。

如果摆在面前的五条路看上去都不错，其中某一条有快速反馈，那所有人都会奔向那一条，这就是我们所说的短期主义。比如「这家公司未来该怎么发展」，有很多条路，很多需要长期投入，需要重构，可能要进入新市场，也可能要对明摆着的新市场说不、反过来在现有市场上加倍下注、往深里做；或者，我们也可以去做能推高股价的事。顺便说一句，这一条是每天有行情报价的，反馈快得很。所以我发现，正确的那条路和没有反馈回路的那条路之间，有非常高的相关性。

帕里什： 等等，这一点再展开一下。

吕特克： 很多人对公司的批评是，公司太短视。但公司为什么短视？我不觉得高管天生短视，而是高管被激励去保住自己的位置，因此他们必须能够按固定的时间间隔证明自己干得不错。如果对一家公司来说，最正确的事是为 AI 时代把整个产品从地基重建一遍，而这要花很久，那他们就不会去做，因为短期激励摆在那里。他们被允许、而且明显是被鼓励，去做本地激励系统里理智的行动者，而他们的本地激励系统就是季度电话会那一套。永远是那句话：给我看激励，我告诉你结果。芒格说的。

帕里什： 这个说法跟我以前听到的不太一样。

吕特克： 哪里不一样？

帕里什： 在直觉是怎么养成的这件事上。最优路径未必是有反馈的那条，我从没听人这么说过。

吕特克： 你在某个时点还是得复盘的。你终归得知道当初那个判断对不对，这毫无疑问，反馈最终必须发生。只是它可能来得很晚，前提是你有那份奢侈，处在一种不需要季度电话会上那些声音来给你放行的雇佣关系里，比如你是公司创始人，那是一种更深的关系。

帕里什： 所以创始人可以看得更长远。反过来说，如果我必须按季度展示进展，我就永远不会咬牙去重做产品、花一年时间把它做对。

难的是在好选项中选

吕特克： 我这么说不是在讲绝对数字，但换个说法：可能性空间是无限的。哪怕只是一副扑克牌，你洗一次，这个顺序在宇宙历史上永远不会再出现，不可能。

帕里什： 五十二的阶乘。

吕特克： 正是。所以哪怕是简单的规则、简单的想法、简单的东西，也会引发巨大的复杂度爆炸，人们低估了这一点。这意味着可做的事有无限多。这也是为什么 AI 不会包办所有工作：我们必须决定什么值得做。

于是你面临一个难题，你得做选择。显然你可以砍掉一大批：如果你正在考虑一桩并购，那「去买个冰淇淋」肯定不在有价值的事情集合里。把所有不相关的都剪掉，这一步很容易。现在剩下的都是有点相关、听上去都不错的选项，你得评估它们。

商业书籍对「做出正确的选择」有一种近乎偏执的迷恋，这么一来所有事都被压缩成了对与错的二选一。我从来不觉得那是真正难的地方。做出正确选择，绝大多数人都能做到，我认为连糟糕的管理团队在这上面命中率都不低。问题在于，好的选择有很多，难就难在这里。

姑且说有五个好选择。其中一个会在本季度产生可观察的结果，能更快带来一些收入。它是个好选择，它把事情做成了。但另外四个不会有这种即时结果，这是它们的劣势，可走其中之一你可能会成为一家好得多的公司。你可能会把一家单板滑雪店变成一个电商平台。当年那也不是本地最优的做法，因为我那家单板滑雪店是真赚钱的，我的激励明明是继续开下去。

在一堆有效解之间选出对的那个，才是真正难的部分，而不是找到一个正确解。可惜关于「怎么找到一个正确解」的笔墨实在太多了，以至于所有人都停在这一步。我真心不认为那是难的地方。

怀疑正统解法

帕里什： 那你会不会推到这一步：如果有一个解法的结果是立刻可见的，而且你被它吸引，那它多半就不是最优解？

吕特克： 会。我会先站在这个立场上，然后等着别人来说服我不是这样。尤其是当某个解法恰好跟这个行业里通行的解题方式高度吻合的时候，我的怀疑要翻倍再翻倍。如果一个问题有正统解法，而摆到我面前的恰好就是它，我会极度怀疑。

但有时候它就是完全正确的，尤其在监管更严的领域。我们在支付上做了很多事，那里的正统解法常常就是正确解法，因为它很可能在某个时点是被硬性要求的。

一句话改写自己

帕里什： 换个话题。你笃信肯定语句（affirmations），它们在过去实实在在改变过你的行为。能展开讲讲吗？

吕特克： 我的立场是：我自己就是我自己的项目。个体层面的递归式自我改进是我的世界观。我的人生哲学是，我会在生命尽头见到那个我本可以成为的人，而我一生的工作，就是把我见到的那个人和我自己之间的差距缩到最小。

我怎么在各件事上变得更好？方法很多。我对技术天然好奇，而且基本上一切都有趣。但我为什么要特意停下来强调「一切都是有趣的」，还把它变成家里的一句口头禅？为什么我要经常说它，还希望孩子们也说？因为那是一句肯定语句。因为我相信它是真的，但它并不显而易见，而不显而易见的真理往往是最有价值的那种。

随着时间推移，你会在自己心智的基岩上刻下一道道沟槽，而这远不止于行为层面。你会养成一些很好的习惯：当你想培养新习惯时，你投入意志力，直到它变成习惯。我认为对心智做同样的事完全可行，而肯定语句是最简便的路径。如果有什么你想改变、想编辑掉的东西，就把「目标已经达成」这句话反复反复地说给自己听，最好用笔写在纸上。你也不用坚持太久。我发现这招威力极大。

我举的例子是公开演讲。我以前基本没在人前讲过话，连上学的时候该讲的场合我也不讲。创办 Shopify、在技术上做出一些有意思的东西之后，我想去参加会议，看到别人上台讲，我觉得这事值得做，但我怕得要死。于是我就开始写，我记得就是那么简单的一句：「我热爱就我感兴趣的话题做公开演讲。」大概花了一周，每天五分钟，一行一行地抄，像巴特·辛普森在每集《辛普森一家》开头的黑板上罚写那样。就这么着，事情就变了。我今天真的热爱演讲。是不是因为这个？我觉得是。准备讲稿我到现在还是不喜欢，那是实打实的苦工。但站在人群面前谈论一件有意思的事，能给我巨大的能量，跟我当初写下的那句话一模一样。

帕里什： 我在想是不是每节数学课都该这么开场，让每个学生写下「我爱数学」。

吕特克： 你想想反面。你听过多少次有人反复宣告「我数学不好」？他们多半是错的。跟历史上活过的所有人类比，他们在数学上处在前百分之零点一，光是能理解除法就足够了。我们对待数学的方式非常糟糕，尤其是那种负面的自我宣告：我数学不好，所以我做不了这件事。人们必须停止这么说，对自己说反话，写几遍，找个那种傻乎乎的应用来刷几组题。其实连应用都不用找，打开对话框说：给我做个应用、做个小组件、做个网页，让我可以刷数学题，给我想几种不同的出题方式，测一测我的水平，按我现在的程度调整乘法和除法的难度。然后你就去刷。写它几十遍，刷它两周，之后你就行了，完事。

对孩子只能说「还不会」

帕里什： 那你的孩子说「我不擅长这个」「我做不到」的时候，你会怎么说？

吕特克： 我的孩子不许说那句话，除非后面跟着一个「还」字。刚才那几个说法都对，但谁要是说了「我不擅长这个」，屋里三个人会一起给他补上：还不。

就是这个态度。不擅长完全没问题，注意力是稀缺资源，我们不可能什么都「已经」擅长。但你不擅长任何一件事，都不是你的内在属性，那是一种临时状态，而你随时可以选择去改变它。我希望我的孩子，也希望 Shopify 的每一个人都明白：他们自身是可塑的，是一件未完成的作品。

这也是 Shopify 的那些价值观：以变化为养分，我们是一个学习者的组织，我们痴迷于商家。所有这些文化信条都是反陈词滥调的，都是别人不会拿来当核心价值观的立场，但它们指向同一件事：你是可塑的，公司是可塑的，我们的产品是可塑的。而顺带一提，我们所处的时代同样在变。在这件事上你有两种立场可选：你可以说，我要把所有人都跟这种变化带来的波动隔离开；我的选择基本上是反过来，我说，去搞清楚这个时代允许我们做什么，然后在任何时刻都把它的价值榨干。为了完成我们的使命，你需要这些口号。「让商业对所有人更美好」是公司的官方使命，但它真正的意思是让创业变得更普遍。这是个相当宽的授权，而我们得不断弄清楚现在什么是可能的。这不是把昨天那个小玩意儿明天再做一遍。

古德哈特定律与流失率

帕里什： 你提到最有价值的东西往往是真的但不显然的。除此之外你还想到什么？

吕特克： 在公司里，古德哈特定律至高无上。我老是绕回到它。

帕里什： 也就是当指标变成了目标。

吕特克： 当一个指标变成目标，它就不再是个好指标了。指标是一种代理，是一条启发式线索，只是告诉你方向大致对。可一旦它本身变成了目标，你就把公司做的所有事压缩成了这一个数字，你必然会过拟合。你会过拟合股价。

Shopify 有一个很好的例子，是公司早期反复上演的真实情况，我不得不一次次纠偏，纠完三年后又得纠一次，一次又一次。那就是：流失（churn）是坏事。在 Shopify 这里，流失指的是一个账户关闭了。如果一门生意倒闭了，那当然是负面的，但因为我们介入得非常早，早到属于正常过程的一部分，很多人就是在 Shopify 上做实验，开了一家店，没做起来，没找到产品与市场的契合点。这不是坏事。事实上，这件事发生在 Shopify 上对 Shopify 来说是大好事，因为那批创业者多半还会再试一次。

但这在当年出奇地不显然，我得反复解释。而市面上有一堆论文，有些还是我们的投资人写的，都在说流失管理是一家软件公司、一家 SaaS 公司最重要的工作。可在我们这个场景里，那是一段创业旅程，这次也许没找到产品与市场的契合点，他们还会回来的。

美与丑都是目标

帕里什： 美、丑与创造之间是什么关系？

吕特克： 美和丑都是唤起情绪的极好方式。你创造一样东西的时候，爱和恨都是靶心区，整个中间地带才是冷漠，而冷漠是死亡。所以美和丑是两个同样有效的目标。

而且你没法纯粹地命中其中任何一个。世上没有一样东西是所有人都爱、没有人恨的。你得到的一定是两者兼有，或者是冷漠。两者都是你可以选的。你创造一样东西的时候，你想要的是别人认为它值得拥有那种强度的评价。

帕里什： Shopify 里有没有哪样东西，是你明知没有任何理由支持，还是把它做得更美了？

吕特克： 那是整份工作啊。你如果不在意产品里别人看不见的那些部分，你就不是匠人。架构，文字，可读性。这几年我回头看二〇二三年之前的 Shopify，心想，天哪，这是几千万行手工写出来的代码，这种东西再也不会有了。我们当年只能一行一行地手工把整个系统建起来，而我们是靠大量地谈论美、谈论什么是美的代码，把它建起来的。Shopify 很多部分是用 Ruby 写的，Ruby 以「诗歌模式」闻名，意思是你可以把 Ruby 写得基本就是英文。一段写得非常好的 Ruby 代码读起来像在给你讲一个故事，讲这个系统究竟是什么、它怎么运转。而它碰巧既是写给同事看的沟通文本，同时又能被机器执行，这太不可思议了。所以美学在整个系统的每一层都极其重要。

我在创造时特别倚重美，因为美其实是我们的直觉跟我们沟通的方式。我目前对直觉究竟是什么、它从哪儿来的最好理解是这样的：练习足够多之后会发生一件事。我们大脑的能量预算大部分花在视觉皮层上，视觉系统给大脑其余部分发送图像。而通过这条「发送图像、发送状态、发送世界模型」的管道，它同样能传递概念，传递的方式就是美感。

你去问职业棋手，无论是国际象棋还是围棋：你为了走出这步漂亮的棋，算了多少条变化？他们会用「美」这个词，他们会说，我没算，我只看了那一条线，我之所以去看它，是因为它在那一刻让我觉得美。这不是直觉的全部，但我认为是很大一部分。这也是为什么有些人快得惊人：他们调用的是大脑里大规模并行的那一块，而你从第一性原理往外推的时候，过程多少是串行的。何况有些时候，你根本不可能从第一性原理推导到美感。

猛禽引擎与做减法

帕里什： 你记得那张猛禽发动机的对比图吗？

吕特克： 记得，SpaceX 火箭那张。

帕里什： 有两点让我印象很深。一是先把丑的版本发出去，第三版美得不可思议。二是可能更反直觉的一点：很多团队没办法靠做减法往前走，他们只会靠做加法。你能就这个聊几分钟吗？

吕特克： 好。猛禽发动机哪怕是第一代，可能都已经是人类造过的性能最高的火箭发动机了，它本身就是美的。猛禽二代是它的迭代，而一代本身也经历过无数轮迭代。因为这家公司在我看来是地球上最令人惊叹的公司，遥遥领先。它多半会作为这个时代最具决定意义的公司被写进历史，而它整个是围绕一个自我强化的改进循环建起来的。

这套东西之所以震撼，是因为我想不出还有哪个领域，能提供如此清晰的例子，展示美学对解决问题意味着什么差别。火箭工程原本是政府用成本加成的方式做的：海量的前期规划，每一个部件都必须做抗辐射加固，每一种意外都要覆盖到，于是造价高得离谱。然后你看 SpaceX，用近乎极致的节俭去完成更了不起的事，靠的是快速迭代，靠的是坦然接受失败，接受一枚火箭发射出去然后炸掉。他们不叫爆炸，叫「快速非计划解体」。我觉得这很美，我觉得这应该成为一种激励。

猛禽正是能看到这一点的地方之一，每一代都是美的。他们完全可以停在第一代，那已经是对问题完全有效的解法了，他们不需要做下一代。可他们做了下一代，又做了下一代。而回到你的问题，这里最了不起的地方是他们向前推进的路径。

东西必须被修剪掉。你不可能靠不断往上加东西把事情变得越来越好，不可能。你必须修剪，必须重建，必须给一些东西划上终点。

对失败的看法本身才是问题。失败从来都不是问题，除非它是灾难性的。当然，在载人航天里失败可以是灾难性的，那你必须一次做对。但如果失去的只是可替代、可通约的资源，那你就放手去做。产品失败之所以是好事，是因为它释放出了一种更稀缺的资源：一个对产品有想法的人，从而可以把自己投入到另一件事上，而市场也许会判定那件事是真正被需要的。

猛禽发动机上很多管路之所以在那儿，是因为在当时那是造出猛禽的唯一办法。我印象里到了第三代，它看上去基本是 3D 打印出来的。也许当年没有那项技术，但既然现在有了，那么之前的每一根管子都是错的，它们本来就不该存在。第三代猛禽的性能据我所知高出前代一大截，推重比高得荒谬。

所以有时候你得靠制造一次「再创业事件」来完成修剪。你得基于所有行得通的东西，开一个新版本的猛禽发动机，一次做对。我认为公司也该这么运作。一个部门有时候就是需要一次再创业事件。这世上很多问题，其实可以靠一句「做个 2.0 版本」来解决：给它一次再创业事件，从头再来一遍。在公司内部多建立一些对系统的重新探索机制，能解决大量的问题，比如更新换代之类的。

我认为我那一批公司，也就是二〇〇〇年代初的科技公司，之所以能这么轻易地把既有的技术公司几乎全部取代掉，只剩三四家例外，一个很大的原因是那些公司落入了一个缺乏竞争的世界。他们建的东西没有经受过竞争之火的淬炼，因而没有被检验过，而靠做加法、一层层叠蛋糕来解决问题又实在太容易。于是这些部门、这些产品最初的意图，被埋在一层又一层新东西的化石堆底下，再没人知道该怎么往下挖。

书仍然是作弊码

帕里什： 我们第一次对谈时，你说书是人生的作弊码。在 AI 的世界里，你对这件事的想法有变化吗？

吕特克： 我想没有。现在作弊码多了些，但书扮演的角色还是那个角色。对我个人而言变化的是，至少在非虚构上，我基本不读近期出版的书了。这一点大概我们上次谈的时候就已经成立了。我认为近期写的东西说到底是它所处时代的产物，是在往一件仍在演化中的事上再添一点信息。而经受住时间考验的书，价值一如既往，而且我认为永远如此。

帕里什： 有哪三本老书从根本上改变了你的思考方式？

吕特克： 我会反复回去读的，一是帕金森定律，我特别喜欢，而且读起来很快。二是《历史的教训》，我几乎每次都会提它，按篇幅折算，它可能是世上信息密度最高的书。詹姆斯·伯纳姆的书也极好，而且极其切合当下。

帕里什： 他写了什么？

吕特克： 先是《管理革命》，然后是一本叫《马基雅维利主义者》的书，好得难以置信。当然我还是《沉思录》的拥趸。我知道斯多葛主义现在有点过气了，但它对我来说是一辈子的事，我几乎每个常待的房间里都放着一本《沉思录》。随手翻两页，而它总能神奇地跟我当下正在纠结的事对上。杜兰特的书整体都好，《历史的教训》当然是他晚年对全部工作的浓缩，但他那部大书也很好。虚构方面，《基地》系列太棒了。

帕里什： 你也读了《三体》吧？

吕特克： 那个现在大概也快算老书了。但那是近年的科幻里极好的一部。

什么是成功

帕里什： 最后一个问题，我们每次都用同一个问题收尾。这是你第三次回答了，我很好奇，我回头会去对照它怎么变化。对你来说，什么是成功？

吕特克： 我的成功就是不断磨练技能，让自己擅长更多的事；并且在这个过程中创造出一些产品、一些玩具、一些东西，最低限度上能让别人的一天好过一点，或者能让人获得超出他们原本所能拥有的力量、动力和野心。