AI代理的回报之处

2026年6月4日，独立开发者Rico在一篇题为《Where AI Agents Actually Pay Off》的博客中，深入探讨了AI代理的实际投资回报率。他开篇即强调，自己开始从AI代理中获得真正的杠杆——不是理论上的，也不是“看，聊天机器人写了个函数”那种，而是将凌乱的语音笔记转化为草稿、代码库变更、测试、拉取请求、实时修复、后续任务以及为下一个代理提供更多上下文的痕迹。这种杠杆令人兴奋，但也略带几分“诅咒”。这并非因为模型有了意识或软件工程师即将过时，而是一个更无聊但也更重要的事实：经济学开始在奇怪的地方发挥作用，尤其是在个体和极小团队中，而且并非处处有效。这个窗口很小，工作流程的变更不可小觑，Token账单可能迅速飙升。如果不构建配套的系统，代理很容易变成一种昂贵的、制造未完成工作的方式。

Rico认为，当前关于代理的讨论过于平滑。人们问“AI更快吗？”好像只有一个答案。但事实并非如此：有时它更慢，有时模型陷入无效循环，有时第一个答案看似合理但却是错的，有时代理耗费二十分钟走向错误方向。有趣的问题不是单个代理是否总是比单个人类快，而是当人类能够同时指定、运行、审查和改进多个有边界的执行循环时，会发生什么？这才是ROI开始显现的地方，也是危险开始显现的地方。

他引用George Hotz的“The Eternal Sloptember”论点：代理输出将令人印象深刻的部分前置，却将艰难的打磨和一致性的工作留给人类，产生的工件以旧有质量代理无法察觉的方式被破坏。Rico并不完全认同代理无法编程的永久性主张，但认同组织层面的警告：如果反馈循环缓慢，且普通工人不仔细阅读和纠错输出，代理提升平庸工作数量的速度会超过提升高质量工作的速度。问题不在于“是否使用代理”，而在于“谁能在不降低自身系统质量的情况下吸收这种杠杆”。

Rico强调，ROI是一个系统属性。有用的单元不是模型，而是整个系统：能力 = 模型 × 工具集 × 环境 × 评估器。模型当然重要，更强的模型能更好地倾听、修复和应对模糊性。他特别提到GPT-5.5是一个真正优秀的基础工程模型，可以处理真实代码库、奇怪约束和模糊的产品品味问题，返回可审查而非需要从头监督的内容。但模型并非全局最优：某些云/聊天模型更适合一次性应用、UX探索和前端设计，而Codex/GPT-5.5更适合深度仓库工程，但在产品打磨上默认可能比较粗糙。这并非矛盾，而是路由：不同任务需要不同的模型/工具组合。

工具集、环境和评估器同样关键。工具集决定代理能否读取仓库、运行测试、浏览文档、制定计划、安全地启动并行工作、保留未由它进行的本地更改，以及清晰报告阻塞。有了终端、浏览器、GitHub访问、文档、图像检查和真实测试套件的模型，与仅有一个文本框的模型截然不同。环境方面，清晰的仓库、良好的脚本、明确的边界、稳定的设计原语、类型化连接器、预览/应用工作流和简单的测试命令，这些都是模型权重之外的智能形式。评估器最为重要：只有当存在一种方式来判断任务是否完成时，任务才变得可委派。类型检查、测试、构建、截图、回读外部系统、人工审查差异、运行评估、对照标准比较、验证实时URL——没有评估器，代理实际上并非在操作，而是描述完成而非证明完成。

Rico特别推崇手动测试。最好的代理工作流并非最自主的，而是拥有最紧密反馈循环的。他描述了快速路径：请求有边界的变更，让代理检查、编辑和测试，手动检查，发现失败，让代理修复，然后将失败转化为持久的护栏。最后一步是复利：如果手动捕捉一个bug并只修复它，只得到一次修复；但如果捕捉bug后添加测试、lint规则、PR门、仓库指令、技能或评估，就改变了未来的工作条件。在同一个仓库中，他添加了一种几乎字面意义上的PR合规模式：仓库技能包含证明词，代理必须在PR正文中包含当前词汇以证明它阅读了相关指令，CI门检查JSON，如果分支更改则头部SHA必须更新，代理试图跳过则门失败。这虽然有点愚蠢，但有效。关键是你不必让模型默认变得小心，而是让环境使得期望行为比跳过更容易。

关于并行性，Rico指出顺序执行时代理往往不如人们期望的那么神奇。当工作可以并行运行时，回报才开始有意义。但并行有两种含义：一是正常的任务分解，例如添加多个模型提供商、支持多个导入路径、修复一组有边界的bug、冒烟测试多个集成；二是更随意的方式——在代理忙碌时，自己同时做其他事。他本人就在口述本文的部分内容，同时其他代理在修复其他事情。这不是一个项目整齐地分成十份，而是注意力的环境复用。这种并行改变了延迟计算：如果只有一个任务运行，20分钟和40分钟的差异很痛苦；如果有多个有边界的循环在运行，实际瓶颈变为审查、合并和决定下一步排队什么，差异影响变小。工作变成了编排：什么在运行、什么值得立即检查、什么可以等待、什么需要终止、什么应该成为原语、什么应该在另一个分支漂移前合并。

最后，Rico聚焦于小团队的所有权窗口。大组织有资金、分发、法律覆盖、采购、内部数据和专家团队等优势，但也有缓慢的反馈循环：提示者可能不拥有架构，审查者可能不了解产品上下文，付费者可能看不到清理负担，效率衡量者可能计数产出而非一致性。这就是Sloptember故障模式：更多代码、更多功能、更多工件、更多表面积，却更少理解。小团队则不同：反馈循环可以残酷地短——感觉到障碍，决定是否重复出现，构建或让代理构建消除它的原语，手动测试新路径，立即在下一个任务中使用改进后的路径。这种循环很难通过增加人员来购买。这也解释了为何$200订阅层级不仅是一个定价细节：对于个体或极小团队，厚重的消费者订阅感觉像是获得了大量补贴的前沿执行能力。在大公司内部，同样的行为可能被政策、数据规则、供应商批准或企业需要为每个团队支付按使用量计费的价格所阻碍。因此，存在一种暂时的套利：个人有时能在企业舒适地运作之前获得类似企业执行能力的东西。

但这一切只适用于狭窄的人群和团队。你需要品味、纠错能力、足够的技术深度以在代理输出自信时仍能发现错误、足够的产品判断力以知道何时不该运行另一个分支、足够的执行功能支架以记住什么已经在运行。这并非“AI让每个人都10倍”，而是AI让一些人围绕自己的判断构建一个小型执行机器，前提是他们愿意付出实际工作使其可靠。