5人7天上线、没有PM没有测试：Qoder自曝AI Native团队真实打法

IDC 刚出的《2025 中国 AI 编程市场份额报告》里，Qoder 占了 47.6%，排第一。过去一年 AI Coding 赛道卷得厉害，各家都在抢开发者入口，这个数字不算意外。真正值得看的，是 Qoder 产品解决方案总监刘欣前两天在奇点大会上拆的一组实战数据：5 个开发，7 天上线一个产品，没有产品经理，没有设计师，没有测试。

项目叫 QoderWork，今年年初上线，5 个核心同学全是开发背景，从立项到发布一周搞定。前两天拉在一起定功能范围、搭公共组件和 CI/CD 流水线。第三四天切模块负责制——不按角色分（没有 PM、没有设计、没有前后端测试的传统分工），而是垂直切模块，每人领一个，拆成多个 Quest 任务并行跑。架构师写 300 行 Spec，拆好了喂给 AI 工具。刘欣的原话是：「写 300 行 Spec 给 AI Coding 工具，大概率生成效果并不好。架构师合理拆分功能点，才能让 AI 生成的成功率大幅提升。」第五六天不走传统测试流程，直接 Dogfooding——找同事试用，发现问题就补 Spec、修代码。第七天发布。

能做到这种节奏，靠的是「小组织、尽量少协作、端到端」。5 到 10 人的团队，一个项目室，吼一嗓子信息就对上了。流程化协作在这里是负资产。

刘欣把这种新型人才叫「梳子型人才」。以前讲 T 型人才，一专多能。现在靠 AI Coding 工具，编程语言和技术栈已经不是扩展的瓶颈，每个领域的专业壁垒都更容易被打破。5 个开发扛起整个产品线，不是靠每个人都是全栈超人，而是 AI 把跨领域的执行成本打下来了。

产品上线之后，持续迭代靠的是数字员工接力。Qoder 内部已经围绕研发领域部署了数十种数字员工，做成开箱即用的模板。

刘欣重点讲了两个场景。一个是 Issue 自动处理。Qoder 家族产品有百万规模用户，每天大量反馈。传统方式一个工程师分析一个 Issue 大概 30 分钟。现在数字员工 Agent 自动接手：用户上传截图和日志，Agent 先剔除无效数据，再分类——需求类的整理后结合代码库能力给产品经理排优先级，Bug 类的直接访问代码库和日志诊断，给出修复意见并调用 AI Coding 能力修代码。人只需要做最后的检查，确认第二天要不要合并上线。

另一个是夜间执守模式。Qoder 推出了夜间五折活动，逻辑很直接：白天写 Spec，晚上交给数字员工运行，早上研发人员 Review 和审核，只做把关的工作。白天动脑、晚上动算力，人和 Agent 错峰上班。

团队还做了一个叫「Q 仔」的答疑机器人放在用户群里。它和一般客服助手的区别在于：能读代码库不只是文档，诊断能力强；高度拟人化，会给用户发表情回复和点赞；具备自进化能力，被纠正后自动学习，定期清理腐化知识。

刘欣想分享的重点不是数字员工的数量，是把牛人经验变成公司资产的路径。三层沉淀：AI 跟人的每一次对话、每一次代码提交，自动变成记忆存下来；企业的规范和流程通过规则配置固化成资产；个人知识一旦共享就变成企业知识，反哺给每一个员工和 Agent。

最终形态他叫「碳硅共生的超级组织」。衡量标准不是「代码有多少是 AI 写的」，而是三件事：需求吞吐变大了吗？发版变快了吗？数字员工变多了吗？

给想试 AI Native 组织的企业，刘欣提了四条建议：团队小而精，5 到 10 人，超过十几人沟通代价就指数上升；给数字员工身份——工号、邮箱、权限，能登录系统、连代码仓库、在群里以自己的身份回复；所有东西都要有闭环反馈，从执行到反馈再到改进；最后，自己找具体项目试，别人的经验不能 100% 套用。

这个案例最有价值的不是 5 人 7 天这个数字，而是它逼出一个问题：当一个组织真的把 AI 当成成员而不是工具时，流程、角色、人才定义全得重来。Qoder 目前给出的答案是「小团队 + 数字员工 + 夜间执守」，未必是终局，但至少是一个已经在跑的真实验证。