Tenex如何为财富2000强企业构建AI原生软件开发生命周期

Tenex最初以AI驱动的开发外包起家，如今越来越多的企业客户开始寻求更广泛的AI转型支持。Alex Lieberman介绍，公司目前服务对象分为两类：财富2000强大型企业与中型市场公司。随着前沿模型能力持续提升，Tenex的角色也在从单纯的代码交付方，向企业AI战略落地的全流程合作伙伴演进。这一转变背后，是企业对AI采用'最后一公里'问题的迫切需求。

在薪酬机制上，Tenex坚持以故事点为核心的成果导向付费模式。Alex坦言，外界担忧的刷点数、降低代码质量等问题并非最大挑战。真正的难点在于如何为那些难以量化为具体任务的工作定价，例如深入理解客户业务、设计系统架构，或判断究竟该构建什么。CJ补充道，随着模型能力增强，他花在直接编码上的时间越来越少，更多精力转向将客户的业务上下文整理成模型可以有效利用的形式，这类工作同样需要在薪酬体系中得到体现。

MetaHarness是Tenex为AI原生开发流程自研的核心框架，包含一套共享技能库、项目文档体系与命令行工具。所有计划与决策均与代码一同提交至Git仓库。当Agent返回处理某项任务时，它不仅能看到构建了什么，还能读取团队当时选择这一方案的原因。这种设计让人类与Agent共同对同一份项目记录负责，并与Linear、GitHub及客户更新视图打通。CJ也指出，如此高度的结构化对小团队或单一项目而言可能过于繁重，需要根据实际规模权衡取舍。

在垂直AI产品的价值争论中，Alex持相对保守的态度：如果每家企业都期待定制化的一对一解决方案，垂直AI产品很难维持软件级别的利润率；而随着通用模型持续进化，许多垂直场景的核心任务可能被直接吸收。对此，播客主持人以Harvey和OpenEvidence为例提出反驳，认为领域专属数据、专业化界面、深度集成与用户使用习惯，即便在底层模型同质化的情况下仍能构成壁垒。CJ则提出了更精准的区分维度：一个垂直产品的核心价值，究竟是Agent执行任务本身，还是围绕任务优化了真实的工作流程。

Latent Space团队发起的Kill My SaaS实验为上述讨论提供了现实注脚。他们收到72份提案，目标是用AI Agent替换一款年费4.3万美元的会议演讲者管理工具。人类评审选出的冠军方案在AI评审排行榜上仅列第19位，这一落差揭示了自动化测试与真实用户体验之间的本质差异。Alex对自建工具持审慎态度，强调维护成本与替换既有系统的风险不可忽视；而主持人则认为，自主掌控工作流意味着可以按需迭代，而非等待供应商的产品路线图，这种灵活性本身就是重要的战略价值。

要点

• Tenex的成果导向薪酬模式在规模化后面临新挑战：如何为架构设计、客户沟通等难以量化的工程工作合理定价，是下一阶段需要解决的核心问题
• MetaHarness框架通过将决策逻辑与代码共同纳入版本控制，使AI Agent具备理解项目历史上下文的能力，但高度结构化带来的额外负担需要根据团队规模审慎评估
• 垂直AI产品的护城河不在于模型本身，而在于能否成为用户真实工作流程的承载平台，而非仅仅是通用Agent的一个功能插件
• 自建软件的真实成本不只是开发费用，长期维护责任与迭代能力同样需要纳入决策权衡，但自主掌控工作流带来的灵活性也具有不可忽视的战略价值
• AI评审与人类评审在软件质量判断上存在系统性偏差，前者擅长验证功能覆盖，后者更能感知真实使用体验