TL;DR：
丹·希珀，Every AI的联合创始人兼首席执行官，以其仅15人的团队实现七位数营收，并几乎不编写任何代码的“AI优先”运营模式，颠覆了传统认知。他是一位深刻的AI乐观主义者，不仅预见AI将促进就业回流与通才崛起，更以其独特的融资理念和对“AI运营主管”的倡导，重新定义了效率、创新与企业发展的边界。
在旧金山的一隅，一家名为Every的AI原生创业公司，正以一种近乎“异类”的姿态，引领着AI时代的企业新范式。这家公司仅有15名员工，却每天发布AI新闻简报，推出多款AI产品，并运营着年收入数百万美元的咨询部门——而他们最惊人的标签是：工程师几乎不编写任何代码。Every因此被视为“AI优先”运营模式最激进的典范1。这背后，是其联合创始人兼首席执行官丹·希珀（Dan Shipper）对技术、组织和未来的深刻洞察与颠覆性实践。他不仅在商业上获得了成功，更以其一系列“暴论”和独特理念，成为行业内最引人注目的思想领袖之一。
丹·希珀的魅力在于，他并非遥不可及的理论家，而是躬身入局的实践者。他的公司正是他理念的活体实验室，Every所取得的成就，是他在AI洪流中航行，探索未来工作和组织形态的航海日志。
AI 时代的企业先锋：Every 的“不写代码”哲学
Every的核心业务是一个拥有约10万订阅用户的AI相关时事通讯，深受OpenAI、Anthropic等顶级AI实验室专业人士的青睐。除了内容，他们还孵化了一系列AI应用，如邮件管理助手Cora、文件清理工具Sparkle、内容自动化工具Spiral，以及已独立运营的AI文档写作工具Lex。所有这些应用，用户只需一次性付费即可使用。更令人称奇的是，支撑这些产品研发的，是一个几乎不手动编写代码的团队。
丹·希珀在访谈中强调，Every所做的，不只是模型跑分测试，而是对AI工具的“vibe check”——它在真实工作场景和日常生活中表现如何。这种对实际体验的深切关注，促使Every一边创作内容，一边进行小实验，搭建小应用。他坚信，关于科技的好内容，往往出自那些真正使用和搭建产品的人。这种内容与产品共生的模式，自然而然地发展出了一整套内部AI工具，并最终转化为面向用户的产品矩阵。
Every能实现“高速运转”的核心秘密之一，是设立了一个在传统企业中闻所未闻的岗位：AI运营负责人（Head of AI Operations）。每周，丹·希珀都会与这位负责人凯蒂·帕罗特（Katie Parrott）会面，她的职责就是识别团队中任何重复性的工作，然后专门为其编写提示词、搭建工作流，尽可能实现自动化。
“因为大多数时候，大家每天火烧眉毛的事一大堆，很难静下心来想：我要不要用一种新的方式来做？”丹·希珀解释道，“一个AI运营负责人能帮大家把这些事情捋出来、做成自动化方案，而不是指望每个人自己抽时间去弄。我觉得这比指望业务人员自己动手靠谱多了。”
凯蒂·帕罗特的背景颇具启发性：她曾是内容代写人员，对AI充满热情，并在内容营销机构Animalz工作时习得了流程化和系统性思维。这种“懂业务流程、爱折腾、擅长写作、对AI充满热情”的复合型人才，正是AI时代企业效率飞跃的关键。Every甚至利用Claude Code写指令，自动扫描公司代码中的所有文字，生成Pull Request给编辑审核，极大地提升了文案校对和品牌调性的统一效率，这无疑是AI与软件工程深度融合的缩影。
颠覆性洞察：一个乐观主义者的“暴论”
丹·希珀在AI领域抛出了不少“暴论”，挑战着主流的担忧与悲观论调。
AI 促进美国就业
在被问及哪些观点与众不同时，他率先提出了最“犀利”的观点：“我认为AI可能会成为推动美国就业岗位回流的最大动力之一。”2他承认，虽然AI会改变技能要求，但不会大规模抢走工作。原因有二：
- 服务普惠化： 廉价的智能服务将使企业法务、客服热线等高端服务从小公司甚至个人也能负担得起，从而催生大量新需求。
- 效率革命： AI能让从事服务业的人服务更多客户，大幅提升效率。例如，美国中西部本来在呼叫中心工作的员工，将能服务几十万甚至上百万用户。这将使得美国公司雇佣本土员工变得更划算，因为他们能用AI工具更高效地完成工作。他特别指出，大模型公司主要在美国，这为其乐观预测提供了支撑。
Claude Code 对非程序员的价值被低估
另一个丹·希珀认为被严重低估的工具是Claude Code，以及谷歌的Gemini CLI。他认为，虽然这些工具的终端界面对非程序员来说可能“吓人”，但它们能够访问本地文件系统、调用终端命令、甚至上网，并自主运行完成复杂任务，就像一个Agent。
他举例说，一个非技术用户可以要求Claude Code下载所有会议记录，然后分析其中回避冲突的瞬间，并生成总结。这与ChatGPT或普通Claude的聊天模式不同，Claude Code能真正处理大量本地文件，并长时间运行而不会出岔子。他预言，这类工具的特性将逐渐融入各种应用，用户只需“委派任务，让它去做”，传统界面将逐渐消弭。
“我觉得我们正进入一个新阶段：AI已经足够强大，很多传统界面都可以去掉了。用户不再需要时刻盯着它的具体执行过程，更多是‘委派任务，让它去做’。”
AGI 的独特定义：经济上划算的持续运行智能体
关于AGI（通用人工智能）的定义，丹·希珀提出了一个颇具启发性的观点：“让智能体一直运行在经济上变得划算的时候。”他认为，判断AI进步的尺度在于你能给它的“自由操作时间”有多长。从早期的自动补全，到ChatGPT的问答，再到Claude Opus 4能自主工作几分钟甚至几小时，AI的“自主权”时间越来越长。
他想象的AGI状态是，让Claude Code一直运行、一直干活，永远不关掉也没关系，因为让它开着是值得的。它不必等待人类发号施令，而是像一个“青少年”一样自主生活。这里的“划算”不仅指运行成本，更指它能持续创造实实在在的价值。这个定义巧妙地避开了传统图灵测试的局限，聚焦于AI在实际生产力中的表现。
丹·希珀也强烈反感那些“AI会取代工作岗位”、“用了ChatGPT大脑就不工作了”之类的耸人听闻的论调。他用柏拉图反对写作会削弱记忆力的例子来类比：“我们一直在‘放弃一些能力以换取新的能力’。”他坚信，AI让人在某些任务上投入减少，却能在别的任务上投入更多，从而拥有更大的权力。他认为，就像没有人愿意回到一个全民文盲的世界一样，AI带来的进步同样是值得的。
此外，他还强调了“上下文工程”（context engineering）的重要性，认为它对模型最终效果的影响至少有50%。这意味着，即使模型再强大，如何正确地喂给它上下文信息，才是释放其潜力的关键。Every公司内部甚至已在尝试“AI版CEO”，通过一套提示词和流程，将丹·希珀的判断标准固化下来，让团队成员在找他之前，先与这个“AI版的我”沟通，极大地提升了效率。
团队哲学与人才培养：通才的崛起
Every的团队构成是其成功的又一关键。丹·希珀倡导“通才”文化，认为AI最棒的地方在于能随时提供任何领域的知识支持，让每个人都能成为多面手。
以Cora产品团队为例，核心成员只有凯伦（Kieran）和尼提什（Nityesh）两人。凯伦的背景尤其特别——曾是初创公司的工程副总裁、CTO、创始人，还当过职业作曲家和面包师。尼提什更令人惊讶，他是ChatGPT面世后才开始学编程的。丹·希珀对此表达了“嫉妒”：“他能够以远超我们那代人的方式成长。”
“我认为，人们总是容易低估事物变化的速度，尤其是在技术变革初期。”3
这种快速学习能力在Every的团队中并非孤例。另一位同事亚历克斯·达菲（Alex Duffy），在短短两个月内，就通过频繁向ChatGPT学习，取得了之前需要一年才能获得的进步。丹·希珀认为，AI能够帮助新手快速成长，甚至直接跳过入门阶段。
在AI时代，他认为真正有价值的技能将集中在“管理”层面——管理模型而非具体执行。他将管理AI模型比作管理一个真人团队：懂得何时介入、何时放手、如何拆分任务、建立信任、做好复盘。他相信，当“管理”的成本被AI大幅降低后，每个人都能成为高效的管理者。
Every的产品团队实践了一种名为“复利式工程”（compounding engineering）的理念：每做一件事，都要想办法让下次做类似事情时更省力。这意味着，他们不再从头开始编写产品需求文档（PRD），而是通过优化提示词，让Agent自动生成规范的PRD。这样，工程效率就像滚雪球一样不断累积提升。Cora产品仅靠两人（加上15个Claude Code实例）和约30万美元的总开发成本，就实现了2500个活跃用户，每天处理几百万封邮件的惊人规模。
他们甚至同时使用多个智能体，如ChatGPT、Claude Code，以及GitHub集成的Friday和Charlie。丹·希珀认为，不同的模型有其独特的“个性”和擅长领域，就像团队里搭配不同性格的成员一样，组合起来效果更佳。
独特商业模式与融资理念：“不想筹集太多资金”
与硅谷普遍追求“超大规模”的创业文化不同，丹·希珀对资金的态度显得格外清醒和“反常”。他真心希望产品能帮助更多人用上AI，过上更美好、更个性化的生活。他认为，公司的立足根基在于建立一个“内部创意游乐场”，员工可以在这里冒险，做一些稀奇古怪、毫无意义的探索。
“我一直不想筹集太多资金，因为这会让公司陷入一种害怕出错、被迫全力以赴的状态。身为创始人，我会尽可能保持从容的回旋空间，保持这种边做边玩的感觉。”
Every在创作者经济巅峰期仅筹集了一轮70万美元的种子前融资，并特意向投资者解释“这可能不算风险投资，别指望我们后续会继续融资”。最近，他们又从里德·霍夫曼（Reid Hoffman）和Starting Line VC那里获得了200万美元的“SIP种子轮”融资，这种融资模式允许公司随时退出，以保持心理上的“更大风险承担能力”，避免被“巨额数字”迷惑双眼。他认为，Reid Hoffman等投资方在理念上与他们更加统一，更看重公司的创新内核和影响力，而非仅仅追求规模。
丹·希珀深信，有很多方法都可以产生影响，打造一家价值100亿美元的企业只是其中一种；另一种方法则是真正改变人们看待世界和看待自己的方式。这种“影响比业务规模更重要”的理念，是他驱动Everything前行的核心。
除了内容和应用，Every还拥有一个快速增长的咨询业务。他们帮助大型对冲基金、私募机构和传统大企业实现“AI优先”转型。他们的服务流程包括：深入了解客户工作流程、识别AI优化点、交付洞察报告、开发AI聊天机器人和数据仪表盘、定制培训课程，并最终帮助客户搭建自动化流程。
丹·希珀指出，公司能否成功采用AI，最核心的指标是CEO自己有没有在用ChatGPT或其他聊天机器人。如果CEO带头示范，积极分享使用经验，就能有效点燃团队积极性，并设定合理预期，推动AI真正落地。他透露，那些应用得好的公司普遍感觉是：“在不增加人手的情况下，我们完成的工作量比以前大多了。”这种效率的提升，是他们追求的目标，而非裁员。他坚定地表示：“我目前还没看到企业说‘好，我们要因此裁人了’，我也不想做那种鼓吹裁员的顾问，我不屑做这种事。”
丹·希珀的思考远不止于当下的技术。他早在AI Agent兴起之前就提出了“资源分配经济”（allocation economy）的概念。他发现，自己使用AI工具时，大部分时间都花在类似“管理”的工作上：如何清晰描述问题、收集有效信息、组织问题、选择模型、分解任务、实时反馈、设定目标和评价标准——这些都与管理一个真人团队的核心工作如出一辙。
他认为，当“管理”的成本被AI大幅降低后，每个人都能成为高效的管理者。未来最值钱的技能是评估人才、制定愿景、把握品味以及何时深入细节。而AI的出现，在某种程度上逆转了人类社会长期以来的“专业化分工”趋势。有了AI的知识支持，每个人都像口袋里揣着“上万名博士”，能够保持“多面手”的发展，应对专业挑战。这种“通才”的崛起，将使得更多小型组织得以蓬勃发展，每个人都能发挥创造力，而非成为巨无霸公司里的螺丝钉。
在丹·希珀看来，软件正在变成一种内容形式，未来会出现完全不同于如今的软件形态，即使不懂编程，非技术人员也可以轻松构建、启动并运行这类新软件。这就像“好莱坞大片和YouTube短片的区别”。他相信，Every的经验，这种将内部成功经验转化为产品和服务的模式，将在三年后成为常态，彻底改变软件开发的格局。丹·希珀，正是站在AI浪潮之巅，以其深邃的思考、坚定的信念和独特的实践，向我们展示了未来企业与工作的无限可能。