# tech-lead

Block（原 Square）CEO Jack Dorsey 公開信宣布裁員近半——從 10,000+ 人砍到不到 6,000 人。重點不是「公司有麻煩」，而是 AI + 更小更扁平的團隊已經根本性地改變了公司運作方式。他選擇一次到位而非溫水煮青蛙，直言『反覆裁員會摧毀士氣、專注力和信任』。這封信是 AI 時代組織縮編的最直白宣言，對每個 Tech Lead 和工程師都有切身啟示。

Anthropic於2/24發布Claude Cowork企業級大更新，增10+產業Plugin、私有Plugin Marketplace及Google Workspace等連接器。曾致軟體股崩盤的Cowork Legal Plugin，這次宣布夥伴後，Salesforce漲4%、Thomson Reuters飆11%、FactSet漲6%。Anthropic從「取代」轉為「合作」。

Claude Code 之父 Boris Cherny 在 Lenny's Podcast 宣告：coding 對他來說已經被解決了，2026 年「軟體工程師」頭銜將開始消失。他分享了 3 個團隊原則：讓 Claude 做、故意少給人、拼命加速。

Fintool 創辦人 Nicolas Bustamante 用自身經驗展示：透過 Agent + API 串接所有 SaaS（Brex、QuickBooks、HubSpot、Stripe），6 人團隊處理了過去 100+ 人才能做的事。他提出 B2A（Business to Agent）概念，並警告沒有好 API 的 SaaS 將被 Agent 繞過甚至取代。

Claude Code CLI 正式把 Git worktree 變成內建能力（`--worktree`）。你可以同時開多個隔離的 Claude session，各自跑不同任務，不會互相覆蓋檔案。對 Tech Lead 來說，這代表多線開發和 AI 協作流程終於能標準化，不用再靠土炮 alias 與手動 branch 切換。

Epoch AI 更新 SWE-bench Verified 評測流程（v2.x）後，多數模型分數明顯更接近模型開發商自報成績。關鍵改動不是換模型，而是升級工具鏈、修復不穩定任務、調整 scaffold 與環境設定。這提醒工程團隊：benchmark 不只是看模型，還要看評測管線是否可重現。

Google 發布 Gemini 3.1 Pro（preview），主打更強核心推理能力，並宣稱在 ARC-AGI-2 取得 77.1% 驗證分數。3.1 Pro 同步進入 API、Vertex AI、Gemini App 與 NotebookLM。對 Tech Lead 來說，重點不只是 benchmark，而是模型是否能穩定支撐跨系統整合、資料綜整與 agentic workflow。

OpenClaw 作者 Peter Steinberger 分享他處理大量 PR 的新流程：一次平行啟動 50 個 Codex，先把每個 PR 轉成 JSON 風險與意圖訊號，再集中到單一 session 做去重、關閉、合併決策。他強調在這種規模下，不一定需要向量資料庫；把高品質結構化報告餵進模型上下文，反而更快落地。

Anthropic 發布 Claude Code Security（研究預覽）：可在 codebase 中主動找出複雜漏洞、提供修補建議，並以多階段驗證降低誤報。官方表示，團隊使用 Opus 4.6 在開源生產系統中找出 500+ 漏洞，目標是把 AI 攻防能力優先交到防守方手上。

Anthropic 與 Infosys 宣布合作，把 Claude 與 Infosys Topaz 整合，鎖定電信、金融、製造、軟體開發等高監管領域。重點不是做 chatbot demo，而是做可長時間執行、多步驟、可治理的 enterprise agent：例如合規報告自動化、風險偵測、legacy 系統現代化與程式交付加速。

美國白宮行政命令要求在 180 天內提出 AI Action Plan，並檢視、暫停或撤銷前一任政府下可能妨礙 AI 競爭力的政策。核心目標是把 AI 國家戰略從風險防範轉向競爭導向。The Batch 指出此舉象徵政策重心從『假設性風險』轉往『加速創新與部署』。

Canva CTO Brendan Humphreys 揭露了一個讓人重新思考「工程師是什麼」的工作模式：工程師下班前寫好詳細指令，AI Agent 整夜執行，早上起來成果已經準備好了。Senior Engineer 的日常變成了「大部分在做 Review」。Anthropic CEO Dario Amodei 把這叫做軟體工程的「Centaur Phase」。但 Accenture 的調查顯示，不到 10% 的組織真正重新設計了工作來配合 AI。另一間 6 人新創 Cora 用 Agent 產出了過去需要 20-30 人才能完成的 code 量。AI 在以指數速度進步，而你不是。

Drexel 和 Missouri 大學的研究團隊分析了 GitHub 上 33,596 筆由五大 coding agent 提交的 PR。結果？整體 merge rate 71%，但差距驚人：Codex 83%、Claude Code 59%、Copilot 只有 43%。更恐怖的是失敗模式：Agent PR 被拒的第一名原因不是 code 寫得爛，而是「根本沒人理」。LeadDev 同步報導指出，這場 Agent PR 大洪水正在壓垮企業的 Monorepo 和 CI 基礎設施。

Tech Lead 用自己的部落格當練兵場，花兩天跟 AI 助手用 Level-Up 互動教學打完 12 關品質指標，從 npm audit 到 LLM-as-Judge，同時讓 sub-agents 平行實作。學到的不只是指標，還有一套可複製的 AI 輔助學習方法論。

Anthropic 公布了內部使用 Claude Code 的數據：工程師每人每天合併的 PR 數量增加了 67%，70-90% 的 code 由 Claude Code 協助撰寫。同時推出 Contribution Metrics 功能，讓 Team/Enterprise 客戶透過 GitHub 整合追蹤 AI 對團隊產能的實際影響。這不是「AI 好棒棒」的公關稿 — 這是給 Tech Lead 的實戰儀表板。

Andrew Ng 從第一線觀察剖析 AI 對就業市場的真實影響：大規模失業被過度渲染了，真正發生的是會用 AI 的人正在取代不會用的人。更震撼的是團隊重組：以前 8 個工程師 + 1 個 PM 的專案，現在 2 個工程師 + 1 個 PM 就搞定 — 瓶頸從「怎麼寫 code」變成「決定要做什麼」。這就是 PM Bottleneck。

Berkeley Haas 商學院兩位教授花了 9 個月研究 200 名美國科技公司員工，結論是：AI 工具不會減輕你的工作量，反而讓你做得更快、接更多任務、工時更長——而且你自己還渾然不覺。Simon Willison 也坦言自己用 LLM 一兩個小時就精力耗盡。當「再一個 prompt 就好」變成新型態的加班，Tech Lead 該怎麼保護團隊？