GitHub トレンド
0post
2025.11.28 20:00
:0% :0% （30代／男性）
人気のポスト ※表示されているRP数は特定時点のものです
纳瓦尔更新了最新一期的博客，主题是关于招聘和团队建设。听完之后，脑子里一直回响着一句话：你招的不是员工，你在策展一群天才。
这个视角很新鲜，也很残酷。
1
招聘是唯一不能外包的事
纳瓦尔开门见山就抛出一个观点：创始人可以授权一切，除了四件事——招聘、融资、战略和产品愿景。
其中招聘最重要。
为什么？
因为早期员工就是公司的 DNA。你招进来的前 10 个、前 20 个人，他们的基因会被复制到整个组织。如果你在早期阶段外包了招聘，让 HR 或者猎头代劳,那基本上意味着你已经不再直接驾驶这家公司了。
纳瓦尔说得很直白：当公司开始有了中层管理，当创始人不再直接招聘和管理每一个人的时候，公司就已经变味了。
这听起来有点极端，但仔细想想确实如此。
很多创始人以为招聘可以外包一部分，比如让 HR 筛简历，让猎头推荐候选人。但纳瓦尔认为，连 sourcing（寻找候选人）都很难外包。因为招聘需要极大的创造力，你必须打破常规才能找到真正的人才。
如果你按照标准流程招人，你得到的就是标准化的、可替换的人才。这样的团队没办法做出独特的产品。
2
天才只想和天才共事
纳瓦尔提出了一个很有意思的测试方法。
当你要招一个新人的时候,你应该能够对他说：走进那个房间，里面坐着你未来的同事。你随便挑一个人，拉到一边聊 30 分钟。如果你对他们不满意，就别加入我们。
这个测试很简单,但很致命。
因为当你真的让候选人这么做的时候，你心里一定会有那么一两个人，你希望他们别被抽到。那个让你心虚的人，就是你应该让他离开的人。
为什么？
因为最优秀的人只想和最优秀的人共事。跟能力不如自己的人一起工作，对他们来说是一种认知负担。他们会觉得自己待错了地方，应该去别的公司，或者干脆自己创业。
顶尖团队是相互激励的。大家都在努力让彼此刮目相看。如果团队里有一个明显拖后腿的人，整个氛围就会被破坏。
这也解释了为什么很多创业公司在早期发展得很快，但到了一定规模就停滞不前。往往就是因为在扩张过程中，为了快速招人，降低了标准。
3
你永远招不到比你更好的人
这是纳瓦尔说的另一个扎心的真相。
很多管理书籍会告诉你：要招比你更优秀的人。但纳瓦尔认为，这根本不现实，至少在早期阶段不现实。
为什么？
因为早期阶段，你能提供给候选人的，就只有你自己。没有成熟的产品，没有品牌，没有网络效应。如果你的水平不如对方，人家凭什么要为你工作？
优秀的人不会长期为不如自己的人打工。
所以，创始人的能力上限，就是公司早期阶段能招到的人才的上限。这也是为什么早期投资人会如此看重创始团队。他们不太关心你的早期进展，不太关心你的合作伙伴，甚至不太关心你的领域经验。他们只想看你有多优秀。
而证明你优秀的最直接方式，就是看你能招到什么样的人。
等公司做大了，有了品牌和产品，情况会有所不同。但在 0 到 1 的阶段，创始人就是公司能吸引人才的唯一理由。
4
招聘需要打破所有规则
纳瓦尔分享了他最近一家公司的经验。他说，他招到了职业生涯中最好的团队，但每一个人的招聘，都打破了某些传统规则。
有的人说通勤太远，他们想办法解决。有的人说要生孩子，他们也接受。有的人说期权行权成本太高，他们重新设计了股权结构。有的人还在读大学，他们也招进来了。
纳瓦尔的观点是：最优秀的人不是标准化的零件。他们是多面手，有独特的需求和想法。如果你想招到他们，你必须愿意打破规则。
这包括薪资结构、股权分配、工作地点、工作时间、汇报关系、职位头衔等等。你要为每个真正优秀的人量身定制方案。
这也是为什么招聘不能外包。因为 HR 或者猎头不敢打破规则。他们怕违反公司政策，怕创始人不高兴。但创始人可以。创始人有权力也有责任去打破那些阻碍你招到天才的规则。
5
低自我的重要性
纳瓦尔提到了一个很多人忽略的特质：低自我（low ego）。
巴菲特说过，招人要看三点：智慧、精力、正直。纳瓦尔在此基础上加了一条：低自我。
为什么？
因为低自我的人更容易管理。他们不会把太多精力花在内部政治和争夺功劳上。他们更关心把事情做好，做得漂亮。
纳瓦尔说，你可能只能管理 5 个高自我的人，因为你要不断安抚他们的情绪。但你可以管理 30 到 40 个低自我的人，因为他们不需要那么多关注。
这对于小团队来说尤其重要。早期创业公司资源有限，创始人的时间更是宝贵。如果你把大量时间花在处理团队内部矛盾上，就没时间做产品了。
低自我的人还有一个好处：他们更愿意接受反馈，更愿意承认错误，更愿意快速迭代。这些特质对于一个需要不断试错的创业团队来说，太重要了。
6
工程师也是艺术家
纳瓦尔有一个观点让我印象很深刻：每一个伟大的工程师，同时也是艺术家。
他对艺术的定义很宽泛。不是说你要会画画或者弹琴，那是狭义的艺术。广义的艺术是指：为了某件事本身而去做，并且做到极致，在这个过程中创造出美感或者强烈的情感。
这个观点让我想起了一本书《黑客与画家》。
很多工程师是内向的。他们不擅长直接表达自己，所以会通过作品来表达。纳瓦尔说，他现在公司里至少一半的工程师，都有自己的艺术作品。有人做过优雅的数学证明，有人创作计算机艺术，有人做雕塑、设计衣服、设计门把手。
这些人对美有追求，对细节有执念。他们不只是想把代码写出来，他们想把代码写得漂亮。
纳瓦尔的合伙人认为，最高级的艺术形式是工业设计。比如苹果的 AirPods。那些优雅的曲线、令人满意的咔嗒声、藏起来的按钮、隐形的电池、完美贴合耳朵的设计，这些都是艺术与工程的完美结合。
苹果之所以成功，就是因为它是一家由工程师艺术家组成的公司。他们真心在乎产品的每一个细节。用户能感受到这份用心。
7
策展比创造更重要
纳瓦尔在 2025 年发了一条推特：创业公司的工作，就是找到未被发现的人才，并把他们提炼成产品。
关键词是"未被发现"。
如果一个人的才华已经被广泛认可，那你很难招到他，因为所有人都想要他。你必须在别人发现之前就找到这些人。
怎么找？
马斯克是这方面的大师。他的方法是：第一，选一个足够大、足够激动人心的使命。第二，尽早行动。
比如 SpaceX。Elon 在太空探索还不酷的时候就开始做了。那时候大家都觉得民营公司做火箭是天方夜谭。但正因如此，他能从 NASA、波音、洛克希德和各大学招到最好的航天工程师，因为那时候竞争还不激烈。
如果你做的是一个已经很拥挤的领域，你就要更有创意。纳瓦尔的合伙人喜欢找那些做奇怪项目的人。不是主流的 AI 模型训练，而是用冷门的机器学习算法做微气象预测这种偏门领域。
他会花一两天时间研究对方的 GitHub 和论文，真正理解他们在做什么。然后提出一个深思熟虑的问题，或者写一小段代码作为补充。
这种方式很有效，因为那些在角落里独自钻研的人，突然发现有人真正理解他们的工作，会很兴奋。
最妙的是，纳瓦尔的合伙人不是为了招人才这么做。他本来就喜欢研究这些东西。招人只是副产品。
这种真诚是装不出来的。
8
早期团队要有点像邪教
纳瓦尔说了一个可能会引起争议的观点：早期团队看起来确实有点像邪教。
他们是单一目标驱动的，有点偏执，有点怪。但这些人的怪是同一个方向的怪。
如果你在早期就追求多元化，追求各种不同背景、不同想法的人，你会发现大家整天在争论基本问题，根本没法推进工作。
早期阶段，你需要所有人在核心问题上已经达成共识。大家不需要讨论为什么要做这件事，只需要讨论怎么把它做得更好。
纳瓦尔引用了一个匿名创始人的话：早期创业公司最不需要的就是所谓的多样性。你需要的是单一文化，是一群在核心信念上高度一致的人。
这不是说你要歧视任何人。这只是说，在 0 到 1 的阶段，一致性比多样性更重要。等公司做大了，有了稳固的产品和文化，再去追求多样性也不迟。
伟大的创始人在外界看来可能很随和，但其实都是高度主观、近乎独裁的。他们对产品有极强的个人意见。好的产品都是主观的。它有明确的取舍，知道什么该做、什么不该做。
如果你没有强烈的观点，你就会做出一个大杂烩，一个充满互相矛盾功能的产品。
9
只招天才
纳瓦尔和他的合伙人在最新的公司里定了一个标准：只招天才。
这听起来很傲慢，但它确实设定了一个极高的门槛。
当你有了这个标准，你就会环顾四周，问自己：谁不是天才？如果有人不是，要么是你还没到需要大规模扩张的阶段，那你就应该让这个人离开。要么是你已经进入了需要规模化的阶段，那你就要接受团队不可能全是天才的现实。
纳瓦尔说，如果你能招到一个天才，你就已经很幸运了。按照这个速度，考虑到员工的流动率，你最多也就能组建一个 30 到 50 人的公司。但哪怕只有 10 个天才，你也远远领先于大多数公司。
他还补充说，其实每个人都有自己的天才区域。你要找的是那些已经找到自己天才区域的人，或者至少有潜力找到的人。
这个标准很难坚持，因为招人的压力很大。业务在发展，事情越来越多，你会忍不住降低标准，先招个人进来填补空缺。
但这是最危险的。因为一旦你招错了人，整个团队的基因就被稀释了。 November 11, 2025
4RP
ゲームエンジン＆配信プラットフォーム統合型ツール「s&box」がオープンソース化
https://t.co/uoD1t9ckTY
ソースコードはMITライセンスのもとGitHubにて無償で公開されている https://t.co/Kxin813bo2 November 11, 2025
4RP
miseにGITHUB_TOKENの設定渡せるの知らなかった
(単体インストールすることが多いので、rate limitに引っかかることほぼなかった)
#terminalnight November 11, 2025
1RP
プログラミングカテゴリーで、昨日もっとも読まれた海外記事はこちら！
「GitHub から Codeberg ⚡ Zig プログラミング言語への移行」
https://t.co/B0ai4xkcVt November 11, 2025
vscode入れて、git入れて、GUIでコミットすればバージョン管理だけだと幸せになれる
バックアップしようとするとgithubやらでリモートリポジトリを追加する必要があるけど、バージョン管理だけなら簡単にできる November 11, 2025
発表聞いていただきありがとうございました！
スライドとサンプルコードをGitHubに置いてます！
https://t.co/Ky45lOYfkR
#MobileAct November 11, 2025
転職サイトに登録してた時に倭国電産って企業から特に応募とかしてないのに突然「GitHubでコード公開してますか？送ってほしい」って連絡が来たの思い出す
個人開発してないから送ることできない旨伝えたらその後連絡なくなった November 11, 2025
技術スタックをそのままキャラクターにして動かしたら
どんなストーリーになるか？
NULLに侵食される世界、ツールたちの役割、GitHubの悲劇…
開発者が読んで理解できる構造で組みました。
詳細はKindle（KU無料）
https://t.co/IKqhLcHZ90 November 11, 2025
転職サイトに登録してた時に倭国電産って企業から突然「GitHubでコード公開してますか？送ってほしい」って連絡が来たの思い出す
個人開発してないから送ることできない旨伝えたらその後連絡なくなった November 11, 2025
2025年，我的几个第一性原理：
1. LLM token一定会越来越便宜，模型越来越强大，记住，所有做LLM Agent的人，都必须思考如何用10~1000倍的token带来革命，而不是他妈跟个傻逼似的天天想着省token；
2. chatbot的形式一定会被消灭，no chatbot revolution才是正确方向，一切AI应用不可能 、不应该、绝对不是一个个大号聊天机器人，一个个大对话框等着人大段大段往里敲字，
记住，所有AI产品必须重新设计，一切chatbot AI应用必定会被改写成NO CHATBOT形式，无一例外，chatbot的产品形态必然会彻彻底底、完完全全地淘汰，
或者那个傻逼一样的对话框，至少作为二等公民出现；
3. AI助手一定不能用“按个按钮”、“截个图”、“上传个文件”，再写个长长的prompt的形式出现，让用户解决个问题，先让用户点点按按十几次，
AI助手一定是具有强侵入性的，一定能主动嗅探一切环境，吞掉一切数据和信息，一定会主动在后台观察一切操作和行为——并且在疑似需要帮助的时候，主动弹出个对话框，用户一键确认后，主动接管，主动解决一切问题，
而绝不应该像准备个考试一样，准备文件、准备截图、准备一大堆按钮、准备一大长串prompt，让用户跟个大傻逼似的，手忙脚乱地在那儿表演，
总而言之，无论是商业落地的AI Agent，还是各种办公软件、工具、生活类的AI Agent，一个个不仅是傻逼兮兮的大黑框chatbot，而且要用户手动输入一大堆文件、图表、链接、信息，再敲一大段prompt——这些全都走了大弯路，
toC的无缝衔接强入侵的主动AI Agent助手，完完全全不会给你任何告诉他的机会，而是让AI Agent主动判断你是否需要我，直接给你一个大大的对话框，简单描述一下“我计划怎么帮助你”——你点一下确定，它来解决后面所有的事情。
4. 一切能用coding解决的问题，都是SWE Agent能解决的问题，也就是说，都可以直接拿claude code这类工具套壳来用，
SWE Agent这个形态，最擅长解决的问题，就是在一个确定的环境（一台机器、几台机器、若干仿真环境、一套terminal里的编译器/脚手架/运行环境/包管理、profiling和debugging方法）解决的问题，
而用coding解决的问题，从来都不止coding，一切VHDL/Verilog等电路设计、电路simulation和validation、一切类似labview和matlab simulink中可以仿真的电机、信号、示波器等等模块，
甚至ansys和CAD这类工具，还有大量data science和计算的问题，以及用lean或者formal-proof解决一些proof-based的数学和模型问题，都可以转化成一些API和coding解决的问题，然后让SWE Agent来解决，
这类问题可以叫做“一台机器上的确定环境下的问题”，
这类问题的特点是，可以靠LLM的智能不断拆分成一大堆subtasks，然后在本地环境下反复尝试、反复试错、反复看output、反复试验结果，失败后再换一个新的approach；
5. full self coding（https://t.co/W0qe8YtsYX）就是基于上面所有第一性原理的一个试验。
我将会设计一套侵入式试验，让10~500个ai agent组成一组，给一个github项目找出所有潜在的问题，包括文档、测试、修bug、优化、重构、完成todo list、加功能、加API等等，让10~100个agent并行完成这个repo潜在需要完成的所有任务，
并且让至少10组这样的agent去github上面公开贡献，等于在没有任何人为输入prompt的前提下，造出来1000~5000个agent在开源世界源源不断地做出贡献，就死死赖在github上面，尝试修复一切可能修复的潜在问题，做出贡献。
请你记住full self coding是最坚决贯彻test-time scaling law的行为，
full self coding坚决相信，人是ai agent世界最傻逼、最慢、错误最多、判断失误最高的存在，让程序员手敲prompt，无异于给AI Agent拖后腿，
只有先分析出问题，然后让10~500个agent同时并行运行，才能最大化执行的效率，最快速度解决已经发现的问题，无休止地为github提供潜在的有价值贡献——并且最关键的是，把“敲prompt的程序员”这个最垃圾、最慢、出错最多的环节彻底消除；
6. full self coding最大的瓶颈，一个是token价格过高，一个是目前几乎所有主流供应商，LLM inference速度过慢，
所以我最后的一个想告诉大家的价值观是：
groq、sambanova、cerebras这种在片上堆满几个GB的SRAM，在inference上效率是nvidia、amd、google TPU这些落后架构的10~50倍，这是test-time scaling law的最后一环，
如果人类在claude code、gemini cli上全面接入groq、sambanova、cerebras上host的模型，所有速度都会再快10~50倍，
现在最大的问题是，groq、sambanova、cerebras他们只能白嫖开源模型（deepseek、qwen、zai甚至更难用的llama），因为这三家自己没能力训练模型，本质是卖芯片的（实际是自己造完data center后卖API），
但是只要中国几家厂商能源源不断输送最好的开放weights的模型，让groq、sambanova、cerebras持续用上他们能用的最好的开放weights的模型，这三家最终会把nvidia、google tpu连同他们的客户一锅端。
人类依然非常需要LLM inference的时间上的飞速优化，只不过现在人们需要更强的模型，而人类愿意为此多等等时间，
但是终归有一天人们会发现，无论是coding，还是在各种infra中快速反馈相应，哪怕是简单的搜索或者问答，inference速度这件事才是至关重要。 November 11, 2025
ソニーさんの発表、GitHubの管理側としてとてもよかったです。設定を全てIaC化して透明性を確保、利用者はプルリクで設定変更をするっていう文化を作ったのが印象的でした
GitHub を組織的に使いこなすために ソニーが実践した全社展開のプラクティス #GitHubUniverseRecap
https://t.co/Gc8hriMgyd November 11, 2025
＜ポストの表示について＞
本サイトではXの利用規約に沿ってポストを表示させていただいております。ポストの非表示を希望される方はこちらのお問い合わせフォームまでご連絡下さい。こちらのデータはAPIでも販売しております。
倭人速報公式アカウント
