来源：Dev.to

社区热议：

1. 工具装了，但组织层面的数字还没体现——这正是我们团队的状态。Cursor 和 Claude Code 全员铺开了，日常都在用，可一到团队或公司层级的指标就答不上来。看完这篇才意识到我们其实卡在 L1，根本没往 L2/L3 推 —— 一线工程师读者

2. Google 那个两层世界最有意思：DeepMind 的人用 Claude，其他工程师被推着用自家的 Gemini 工具。连 Google 自己都没法只靠自家模型，这比“75% AI 生成”那个数字本身更说明问题 —— 关注大厂动态的读者

3. 把“AI 使用”拆成 L1–L4 四层这个框架非常清楚。大多数公司都停在 L1（全员用上 Cursor/Claude Code），但没有任何组织级数字反映出来。这 11 家之所以能跑出数字，是因为它们把 AI 推进了 L2 运营和 L3 面向客户的产品 —— 关注工程组织的读者

4. “AI 生成”这个词得定义清楚。Google 的 75% 指的是“AI 建议、人审批或编辑”的代码，每个 commit 还是走人工 review 和自动化测试，AI 并没有自己部署任何东西。这个口径很重要，不然很容易被误解成 AI 自主写了 75% —— 较真的读者

5. Stripe 的 Minions 思路很值得学：一次性端到端的智能体，从 Issue 一路跑到 PR，失败了就自己重试，不让人类中途插手。每周合并 1300+ PR 这个数字背后，是把可靠性做扎实了才能这么玩 —— 关注 agent 工程的读者

海外技术社区热点采集。