Every 的新信号：从 AI 写代码，转向照看工作循环 (2026)

这次 Every 的新信号，不是又发了一篇模型体验文，而是 Dan Shipper 把「用 AI 完成任务」推进成了一个更可复制的说法：知识工作本身是一条可以被照看的循环。

这和上一期我们从 Lenny's Podcast 访谈里看到的 Every 底层逻辑是连在一起的：Every 仍然在用自己的公司做样本，只是这次样本更具体了。不是泛泛说「员工要会用 AI」，而是把邮件、Slack、Cora、Gmail、决策卡片、人工审批和反馈记忆串成一个实验系统，名字叫 Tend。

先给结论：Every 在把内部工作法做成可传播的产品原型

本期最值得追踪的是三条信号：

信号	这次发生了什么	为什么值得看
内容层	Dan Shipper 在 Every 发布《How GPT-5.6 Changes Knowledge Work》，文章 7 月 10 日发布、7 月 12 日更新，核心句是「Don't do your work. Tend your loop.」1	Every 继续把自己的 AI 使用方式公开写成方法论，而不是只做产品公告。
产品实验层	Every 同步推出 Tend 页面，称它是一个开源实验：用 Codex 或 Claude 扫 Gmail、Cora、Slack 等信息源，生成摘要、草拟回复或下一步行动卡片，但发送前仍需要人工确认。2	这不是一个成熟 SaaS 发布，更像是把 Every 内部工作流打包成可模仿的样板。
观点层	Dan 在 X 上把 OpenAI 和 Anthropic 的路线差异概括为「OpenAI 做更可用、更便宜、可大量服务的 5.6 Sol；Anthropic 做更大、更强、更贵的 Fable」。3	这解释了为什么他在文章里强调「日常可运行的循环」，而不是只强调最强模型能力。

这三条放在一起看，Tend 的意义就不只是「又一个 prompt 仓库」。它更像 Every 给自己的公司实验贴了一个新标签：把重复知识工作拆成循环，让模型跑中间层，让人保留判断权，再把反馈沉淀成下一轮更好的规则。

Tend 把「AI operations」具体化了

上一期访谈里，Dan 讲过 Every 内部有 AI operations 角色：看到团队反复做同类工作，就把它做成提示词、流程或内部小工具。这次 Tend 是一个更可见的落点。

Tend 页面里的工作流很朴素：先把安装提示放进 Codex 或 Claude，再让系统扫信息源，最后把需要处理的事变成卡片。用户可以批准、编辑、跳过，或者告诉它改怎么做；页面还强调「nothing sends without your sign-off」，也就是任何外发动作都不绕过人工确认。2

这点很关键。很多 AI 工作流演示会直接跳到「自动完成一切」，但 Tend 暂时没有这么讲。它保留了一个现实边界：知识工作里最难自动化的不是写一段回复，而是判断这件事该不该回、该怎么回、该不该升级、该不该暂缓。

所以 Tend 真正要验证的不是「AI 能不能替你清空收件箱」，而是「一个组织能不能把判断过程拆成可被模型反复学习的循环」。如果这个循环跑得起来，Every 的产品、内容和咨询业务就有了同一套底层语言。

这篇文章也在修正「复利工程」的适用范围

Dan 在文章里把 Tend 和 compound engineering 放在一起：每次你做出批准、修改或拒绝，系统都把这些反馈变成下一轮更好的偏好记忆。1

这相当于把「复利工程」从软件开发扩展到更普通的知识工作：

工程师的复利，是把 PRD、命令、评审标准和 agent 流程沉淀下来，让下一次开发更快。
知识工作者的复利，是把收件箱、会议、Slack、客户反馈、招聘候选人这些反复出现的判断场景，改造成可运行、可反馈、可迭代的循环。
管理者的复利，是把个人偏好和组织判断从脑子里挪到系统里，让团队不必每次都从零猜「这个人到底会怎么处理」。

如果 Every 后续真的能围绕 Tend 做出案例，这会比单纯发布一个 AI 邮件工具更重要。因为 Cora、Monologue、Spiral、Sparkle、Proof 这些产品本来就各自切在知识工作链条上；Tend 则试图把它们放进一个更大的操作系统叙事里。

本期其他信号：播客没有新单集，Dan 的公开讨论集中在模型路线

截至本轮抓取，Every newsletter 列表里最新一篇仍是 7 月 10 日的《How GPT-5.6 Changes Knowledge Work》；排在后面的更新包括 7 月 8 日的《Welcome to Efficiencymaxxing》和 7 月 7 日的《Use Fable Before You Know What to Ask》。4

AI & I 播客这边，Apple Podcasts 返回的最新单集是 7 月 8 日发布的《How a Writer Uses AI Without Losing His Voice》，所以本期不把播客内容作为增量主线，也不做单集内容转化。5

Dan 自己在 X 上的新增讨论，主要围绕 GPT-5.6 Sol。除了把 OpenAI 与 Anthropic 的路线差异写成「可用、便宜、可规模化」和「最大、最强、最贵」的对比，他还发帖说 GPT-5.6 Sol Ultra 已经 general available，并调侃自己一晚意外花掉 20 亿 tokens。6

这不是 Every 的正式产品发布，但它给了我们一个解读 Tend 的背景：Dan 现在关心的不是单次模型能力炫技，而是模型是否便宜、快、稳定到足以进入日常工作循环。Tend 讲「loop」，背后其实是在问同一个问题：如果模型每天都跑在邮件、Slack、招聘、客户研究和内部经营里，组织会长成什么样？

接下来要盯三件事

第一，看 Tend 会不会从实验变成 Every 产品矩阵里的连接层。现在它是开源提示词和仓库，页面也明确写了没有稳定性、兼容性、数据留存或持续开发保证。2 如果后面 Cora、Monologue 或 Every consulting 开始围绕 Tend 给出更正式的集成或案例，那才说明它从内容实验走向业务资产。

第二，看 Every 是否继续公开「循环」背后的真实例子。文章里提到的收件箱、招聘、经营 Every、编辑规划、客户研究和咨询交付，都很适合变成后续 case study。1 但这些例子现在更多还是框架说明，真正有价值的是看它们能不能披露具体流程、失败边界和改进前后差异。

第三，看 Dan 对模型路线的判断会不会反过来影响 Every 的产品选择。如果他继续把「日常可用、可规模化、足够便宜」当成主线，Every 的产品可能会更偏向让普通知识工作者管理 agent；如果最强模型路线出现明显突破，Every 又可能把「复杂任务交给更强模型」重新包装成新的工作流。

这就是本期 Every 的核心增量：它没有只讲「AI 更强了」，而是在把「AI 怎么进入公司日常循环」说得更具体。对这个频道来说，Tend 值得放进长期观察清单，因为它把 Every 的内容、产品和咨询三条线重新扣到了一句话上：不要只看 AI 替你做了什么，要看你能不能照看一个会自己变好的工作系统。

Every 的新信号：从 AI 写代码，转向照看工作循环