从Facebook到AGI：Adam D’Angelo的工程师直觉与长期主义

这是一场横跨二十年的个人技术史。Adam D’Angelo回顾了自己从高中编程、Facebook早期、Quora创业到直面AGI时代的关键判断，分享了他对用户增长、工程直觉与AI未来的独特理解。

为什么早期方法决定了长期上限

这场对谈一开始就抛出了一个对创业者极具杀伤力的判断：用户规模的增长，并不存在“早期一套、后期一套”的魔法切换。Adam D’Angelo引用主持人的问题时回应了一个反直觉但极其重要的观点——“the same thing that's going to get you from a million users to 10 million users is also what gets you from 100 users to a thousand users”。这句话之所以重要，是因为它否定了‘先糊一个、再重构’的侥幸心理。

在他的经验中，无论是Facebook早期，还是后来做Quora，真正起作用的不是短期技巧，而是产品是否在一开始就解决了真实问题、是否让用户自发传播。这也解释了为什么他在回顾2020—2021年时，并没有强调外部环境，而是反复提到一种“感觉是否对了”的内部判断：如果产品本身不够扎实，增长迟早会暴露问题。

这一洞见的价值在于，它把“增长”从运营技巧拉回到工程和产品本身——这是很多后期复盘者容易忽略的地方。

工程师的起点：从高中编程到Facebook

理解Adam的判断力，离不开他的工程师背景。他在对谈中回忆，自己在高中阶段就沉迷于编程竞赛，并且很早开始动手做完整作品，其中一个项目甚至是“built in Winamp”。这些看似琐碎的经历，训练的是对系统整体的感觉，而不是只会写局部代码。

2005年，他与主持人在Facebook共事，这是他第一次置身于高速成长的产品之中。那段经历并没有被他描述成传奇时刻，反而更像一次工程师之间的正常协作：问题摆在面前，就用最直接的方式解决。后来他与Mark一起做Synapse时，他提到一个转折点——“removing the bounds that I put on myself”。

这句话背后，是从‘我能不能做到’转向‘这件事在物理和逻辑上是否可能’的思维跃迁。对工程师来说，这种心理边界的变化，往往比技术本身更重要。

Quora的教训：当外部浪潮来临时

谈到Quora的早期，Adam并没有回避困难时刻。他指出，一个反复出现的主题是：即便团队很强，如果对外部变化反应不够快，依然可能“couldn't really adapt to that wave”。这里他没有具体点名某一次浪潮，而是强调模式本身。

对他而言，问题并不只是战略选择，而是组织是否保持了对产品细节的敏感度。这也解释了他后来在投资和做判断时反复强调的一点：“not losing the viscerality of the code is just like really important”。所谓‘代码的触感’，指的是创始人或核心决策者是否仍然理解系统在现实中是如何运转的。

这是一个很工程师化的标准，却恰恰是他评估团队长期潜力的重要依据。

站在AGI门口的克制与直觉

当话题转向通用人工智能（AGI），Adam的态度明显更加克制。他认为，目前更重要的不是精确预测时间表，因为“it's not going to happen on any particular time scale”，而是培养一种对模型能力的直觉——一种结合了同理心与技术理解的判断力。

在谈到如何为孩子准备一个AGI世界时，他坦言“it's tricky”。这并不是回避，而是承认不确定性本身就是现实的一部分。同样的态度也体现在他对AI创业和不同模型（包括被问及的DeepSeek）的看法中：与其追逐短期性能排名，不如理解这些系统在什么条件下真正有用。

这种谨慎，并非保守，而是一种经历过多轮技术浪潮后的长期主义。

总结

贯穿整场对谈，Adam D’Angelo反复传递的是一种工程师式的世界观：真实问题、长期方法、以及对系统本身的尊重。从Facebook到Quora，再到面对AGI的不确定未来，他的选择并不总是激进，但几乎都建立在清晰的第一性判断之上。对读者而言，最大的启发或许不是某个具体结论，而是那种在喧嚣中仍然保持技术直觉的能力。

关键词： Adam D’Angelo， Facebook， Quora， 通用人工智能， DeepSeek

事实核查备注： 视频标题提及Facebook、Quora、OpenAI；Adam D’Angelo在2005年于Facebook工作；提到Synapse项目；引用原话包括用户增长观点、removing the bounds that I put on myself、not losing the viscerality of the code；讨论通用人工智能（AGI）与DeepSeek。