17 人打造的 AI 作業系統：Dreamer 團隊如何用 AI Agent 重新定義軟體開發

本文整理自《Latent Space: The AI Engineer Podcast》2026 年 3 月播出的單集。

{{< youtube TvmxWWfiYWI >}}

{{< spotify "episode/1mYToOvlWpXWuSQ9YShJ0H" >}}

{{< apple-podcast "tw/podcast/dreamer-the-personal-agent-os-david-singleton/id1674008350?i=1000756395181" >}}

---

六個人能做什麼

當 Latent Space 的主持人 Swyx 走進 Dreamer 的辦公室時，他第一個反應是「出乎意料地小」。在節目上，他剛看完 Dreamer 的完整產品展示：一個包含個人 AI 助手、Agent 商店、開發者工具、版本控制系統、資料庫託管、多模型路由的完整平台。以一般的矽谷標準來看，這種規模的產品通常需要上百人的工程團隊。Dreamer 打造這一切的核心團隊，只有六個人。

Dreamer 的共同創辦人暨執行長 David Singleton，之前是 Stripe 的技術長，再之前在 Google 領導 Android Wear 和 Google Fit 的工程團隊。他在 Latent Space 的訪談中很坦白地聊到「小」這件事。Dreamer 目前整間公司大約 17 個人，以這個規模來看，他們建出來的東西確實驚人。但 Singleton 認為，這不是因為他們特別厲害，而是因為時代變了：在 AI coding agent 的輔助下，一個小而精的團隊能做到的事情，跟過去很不一樣。

Singleton 對小團隊的信仰不是空泛的口號。他在訪談中提了一個很基本的組織理論觀察：每多加一個人到團隊裡，溝通成本的增長不是線性的，而是超線性的。每個人都想了解其他人在做什麼、想分享自己在做什麼，這是好事，但也帶來無法避免的運作阻力。大型組織必須不斷「修剪」，才能維持小團隊的敏捷度。而如果你從一開始就保持小規模，這個問題根本不存在。

用 Coding Agent 開發：TypeScript、CLI 優先、Round-Robin 工作法

Dreamer 團隊的日常開發流程，跟大多數軟體公司已經長得很不一樣。Singleton 透露，他們在 Anthropic 公開 AI code review 功能之前，就已經自建了 LLM 驅動的程式碼審查系統。他們也大量使用 coding agent 來撰寫功能，而不只是把 AI 當作自動完成的工具。整個公司的技術棧選擇 TypeScript，部分原因就是為了讓 coding agent 更有效率：強型別系統意味著 agent 能在編譯時期就抓到錯誤，進入「寫程式→看到錯誤→修正→再試」的迴圈，而不需要等到執行時期才發現問題。

更有意思的是 Singleton 描述的「CLI 優先」設計哲學。Dreamer 平台的核心是一個強大的命令列介面（CLI），有完整的文件說明。Sidekick（平台的 AI 助手）在建構 Agent 時，使用的就是這套 CLI，跟人類開發者用的工具完全一樣。這個設計帶來一個巧妙的正循環：為了讓 AI agent 更好用 CLI 而寫的詳盡文件，同時也讓人類開發者的體驗變得更好。Singleton 笑著說，「我們跟開發者說了很多年要寫好文件，他們一直不聽，直到現在他們不得不這麼做了。」

Singleton 還分享了一個他個人的工作習慣：他永遠同時開著不止一個 coding agent。當一個 agent 在執行任務時，他會去檢查另一個 agent 的產出；等第一個做完了，他再回來看結果。如果把多個 agent 安排成一個輪轉（round-robin）的節奏，生產力會非常高。他甚至會讓一個 agent 寫程式碼，另一個 agent 去 review 那段程式碼，形成一種 AI 之間的協作鏈。

面試新標準：觀察你怎麼跟 AI 協作

團隊小，意味著每一次招聘都格外重要。Singleton 直言，他現在招聘工程師時最看重的一項能力，就是「你跟 coding agent 合作得有多好」。這不是一句籠統的話，Dreamer 的面試流程確實圍繞這個能力來設計。

面試的第一關是傳統的程式撰寫測試，確認候選人的基本功還在。但真正關鍵的是後面兩輪：Dreamer 會安排候選人跟一位內部工程師一起做短期專案。他們會提出一個完整的產品構想，先一起討論、測試產品直覺，然後真的用 Codex、Claude Code 或候選人最熟悉的 coding agent 去把它建出來。面試官觀察的重點，不是最後的成品有多漂亮，而是候選人在整個過程中怎麼思考 prompt、agent 工作時他在做什麼、他怎麼處理 agent 的錯誤、他有沒有同時操作多個 agent 的習慣。

Singleton 注意到一個有趣的現象：他們團隊裡很多人之前都是工程經理，而不是純粹的個人貢獻者。這看起來有點意想不到，但他認為工程管理的技能，在 AI 時代反而特別有用。前提是你必須一直跟程式碼保持很近的距離、自己還能寫得出來。因為管理 coding agent 的能力，本質上就是一種管理能力：你要能拆解問題、給出清楚的指示、評估產出的品質、在多個工作流之間做優先排序。這跟管理一個工程團隊的心智模型非常接近。

從 CTO 到 CEO：溫度升高了一點

Singleton 之前在 Stripe 是技術長，在 Google 雖然是工程副總裁但也管過整個產品線（Android Wear 基本上是一個獨立事業體）。但當 CEO 還是第一次。他在訪談中很坦率地說，最大的差別是「溫度升高了」。以前不管在哪裡，總有更上面的人做最後決定；現在，所有事情的最後一關都是他。

不過他顯然很享受這個角色轉變帶來的新面向。他花大量時間跟潛在使用者見面、在 X 和 LinkedIn 上跟社群互動，這些事情在他之前的職涯裡要不是不需要做，就是有專門的團隊負責。他認為直接面對使用者是 CEO 最重要的工作之一，而且對他來說這是真正的樂趣，「我無法想像現在還有什麼比這更有趣的事情可以做。」

Singleton 身為 CEO 仍然寫大量程式碼。這在 Dreamer 的公司文化裡是預設值：全公司每個人都是 IC（個人貢獻者），沒有純管理職。這種「全員寫 code」的文化，在一個 17 人的公司裡也許理所當然，但考慮到他們的目標是建一個平台級產品，這也意味著每個人的產出密度必須非常高。Singleton 認為，保持團隊小的好處正是在此：他可以確保加入的每一個人都是他願意跟他做任何專案的夥伴，人才密度夠高，效率自然就高。

我的觀察：AI 時代的「人才密度」與臺灣軟體團隊的機會

Dreamer 的故事不只是「小團隊做大事」的勵志敘事，它揭示了一個正在發生的結構性變化：AI coding agent 正在改變軟體工程的規模經濟。過去，你需要更多的工程師來建更複雜的系統；現在，你需要更好的工程師來指揮更多的 AI agent。這意味著「人才密度」（每個人的能力水準）比「人才數量」更重要了。

對臺灣的軟體團隊來說，這其實是個好消息。臺灣的軟體產業長期面對一個結構性劣勢：市場規模不夠大，無法支撐像矽谷那樣的大規模工程團隊。但如果未來的軟體開發不再需要那麼多人，而是需要少數幾個能夠有效指揮 AI 的工程師，那麼市場規模的限制就不再是決定性因素。一個五人團隊配合 coding agent，可以產出過去二十人團隊的成果。這意味著臺灣的新創團隊在產品開發的速度上，有機會跟矽谷站在更接近的起跑線。

但這也帶來一個值得思考的問題：如果 Dreamer 的面試流程反映了未來的趨勢，那我們該怎麼培養「跟 AI 協作」的能力？這不是學一個新的框架或語言就能解決的事情。Singleton 描述的那種「同時開多個 agent、在它們之間做 round-robin」的工作模式，需要的是一種新的工作認知：你不再是唯一的程式撰寫者，而是多個 AI 開發者的指揮官。這種能力怎麼訓練、怎麼評估，可能是臺灣軟體教育需要盡快面對的課題。