一个 Bot 用三个多小时给我交了 676 行代码，我花二十分钟合并上线。
当晚我用手机打开自己的博客，按下搜索——白屏，等了几秒才出结果。
跟改之前一模一样。
它没写错任何一行代码。测试清单五条，条条跑通。架构选择比我自己能想出来的更干净。但我想要的那个「快」，它一点没解决——因为我从来没说清，我要的是哪个「快」。
忙力所能及的事，是一种安全感
Playing It Safe Is Rational — Until Trying Gets Cheap
昨天我做了一件拖了半年的事：把自己博客的搜索系统整个换掉了。
我没自己动手。我给一个 AI Bot 发了一句话：「搜索基于一个没人维护的组件，越来越慢，给我一个更好的方案。」三个多小时后它交回来一个 676 行的 PR，我花不到二十分钟验收，点了合并。
值得琢磨的是前面那半年。这件事我一直想做，但每次要动手就先算一笔账：看懂旧代码一天，设计新方案一天，改完测试再上线一天——三天工时，还可能把线上搜索搞坏。算完就觉得，下个月再说吧。
同一件事，换一种算法，「敢」就突然出现了。不是我变勇敢了。
GitHub 最值钱的资产，是被丢掉的代码：观测层之争已经打响了
GitHub's Most Valuable Asset Is the Code It Threw Away
2022 年 3 月 10 日，我写了一篇 Google Analytics 4 简介，从事件跟踪讲到导出 BigQuery，写得挺认真。
那篇文章发表前两个月，奥地利数据保护局裁定 Google Analytics 违反 GDPR；发表前一个月，法国 CNIL 跟上。我当时知道这件事，但没当回事——一个免费工具被欧洲监管盯上，离一个中国工程师的日常太远了。
四年多以后回头看，那两个月恰好是一个分水岭：一个平台用免费换来了整个互联网的行为观测层，然后看着这个观测层被主权一刀一刀切掉。 我今天要写的是另一件事，但它是同一个剧本的第二幕——只不过这一幕的主角换成了代码，而幕布在 2026 年 4 月 24 日已经拉开。
那天 GitHub 改了一个开关的默认值。
通用 Agent 之后，企业真正应该落地什么？
After the General Agent, What Should Enterprises Actually Deploy
上个月一个 CIO 给我看他们的 AI 成果清单，讲得很顺：接入了多少个 Agent、开了多少智能体账号、买了多少 token、做了几场全员培训。我听完问了他一句：「你们每天真实发生的业务里，有多大比例是 Agent 参与完成的？」
他停住了。停了几秒，说：「这个我们没统计过。」
这不是个例。绝大多数企业的 AI 成绩单，记的都是投入项——买了多少、接了多少、开了多少。而真正决定 AI 能不能产生业务价值的那个数字，没人算过。
通用 Agent 之后，企业要解决的，不是再做一个更聪明的 Chat，而是把 AI 真正嵌进每天发生的协同工作流。
过去企业数字化的路径大致是：
业务流程 → 表单 / 审批系统 → 人来操作系统
# generated by hugo AI
AI 时代正在变成：
业务目标 → Agent 理解与执行 → 人做判断与审核
# generated by hugo AI
所以引入通用 Agent 只是第一步。真正的问题是：你的企业有没有一个能让 Agent 进入、理解、执行、反馈、持续优化的工作流载体。 没有载体，Agent 再聪明也只是停在对话框里。
数字员工按工作收费，谁来签「干完了」
Work-Based Pricing for Digital Employees Needs a Notary
今年 4 月 17 日，Anthropic 上线了 Claude Design，直接对着 Figma 和 Canva 打。这件事在产品层面不算新闻——又一个 AI 生成界面的工具。真正值得注意的是它绕过的是什么：它让一部分设计工作不再需要打开 Figma。
OpenRouter CEO Alex Atallah 在那场访谈里的判断比我狠：他把 Claude Design 看作一种战略动作，「它未必立刻带来巨额收入，却能让设计团队在组织内部更关心 Anthropic 模型」。同时他也诚实地补了一句——从 Figma 公开的经营数字看，它表现依然很好。
两句话放一起，才是完整的事实：被绕过的那部分工作，还没大到能动财报。但方向已经定了——软件的用户界面，正在从「给人操作」变成「给 Agent 调用」，而当人不再打开界面，按人头卖软件的那本账，就开始算不动了。
这篇文章想说的是：数字员工和「给 SaaS 加个 AI 助手」的差别，不在功能强弱，在交付结构和定价单位。而定价单位真要换过去，缺的不是技术，是一个签字的人。
未来的员工，有两份成本单
The Future Employee Comes With Two Cost Sheets
月底，一个用了大半年 AI 的老板跟我抱怨：他知道这个月公司在 AI 上花了多少钱，云账单上写着。但他答不上来另一个问题——这笔钱是哪个团队、哪个流程、哪个数字员工花掉的。
「账单是一整笔，」他说，「就像食堂一个月的米面油采购单，你知道总数，但说不出哪道菜亏本。」
这不是个例。绝大多数企业的 AI 支出，今天都停在「一笔云账单」的粒度上。而我在 OpenRouter CEO Alex Atallah 最近的一场访谈里，看到他给出了一个完全不同的判断——他说这是「很反常、却很少有人讨论」的现象：
「过去员工的成本主要是固定薪酬……未来，员工成本会是动态数字，与每个人是否有效地使用昂贵或廉价模型有关。管理者仍要正常评估员工的效率和产出，但也可以把效率和 AI 使用成本放在一起看。」
换句话说：AI 的成本，正在从「一笔 IT 预算」变成「一份人力成本」。 未来每个员工——尤其是每个数字员工——都会带着两份成本单：一份是薪酬，一份是 token。
制造业选中的 AI，运行时没有大模型
The AI Manufacturing Actually Chose Has No LLM at Runtime
三个月前，一个做汽车零部件的朋友跟我吐槽：他们花大半年选的「国内最好的大模型」，搭了三个月的质检 Agent，上线两周被业务部门集体退货。我在 AI to B 的最后一公里 里记下了他那句话：「我们的 AI 项目，死在了数据治理和系统对接上——这两件事，跟模型半毛钱关系都没有。」
那是一次个案级的抱怨。今天，我看到了一份系统级的判决书。
公众号 REIVAX.io 发了一篇文章：《AI 落地传统企业：赋能个人、接管流程，还是造工具？》。作者自述在传统制造企业做数字化，把 AI 进入企业生产链条的方式分成三种模式，然后逐一裁决哪种能落地。这是我少见的 需求侧第一人称 的 AI 落地分析——不是厂商写的，不是咨询顾问写的，是那个要为项目成败负责的人写的。
判决结果出乎很多人意料：制造业用脚投票选中的那个模式，业务流程运行时没有大模型。
幂等键防得住重复退款，防不住错误退款
Idempotency Keys Stop Duplicate Refunds, Not Wrong Ones — Where the Distributed Systems Analogy for AI Agents Breaks Down
TikTok 的 SRE Salman Munaf 最近有一场演讲，开场问题问得很漂亮：
你的 AI Agent 调用退款接口，网络超时了。那退款到底成功没有？
他的答案是：超时从来不意味着失败，而意味着「未知」。Agent 遇到失败的第一反应是重试，没有请求 ID、幂等键和状态查询，这个本能就会把一笔退款退成两笔。整场演讲的论点一句话概括：模型一旦开始调用外部服务，问题就从模型问题变成了分布式系统问题——几十年前命名过的故障模式全部回归，SRE 工具箱必须整体搬进 Agent 架构。
我同意。但我想在他的问题后面再问一句：
就算退款成功了——那笔退款，退得对吗？
这两个问题之间的距离，就是这篇文章要讲的东西。
别新建系统了：用 GitHub Issue 把 AI-Native SDLC 跑起来
Drive the AI-Native SDLC with GitHub Issues — A Setup Guide for Engineering Leaders
上周和一位研发负责人吃饭，他刚读完 Anthropic 那份《AI-Native SDLC Playbook》，兴奋又发愁。兴奋的是「原来代码不再是瓶颈这件事，连 Anthropic 都认了」；发愁的是——
「intent.md、spec.md、plan.md、三层控制、持续 Evals……这套东西我要是从零搭，得搭多久？我团队现在连个像样的需求管理系统都还在和 Jira 打架。」
我说，你可能不用搭。你已经有载体了：你的 GitHub Issue。
这篇文章写给研发团队 Leader，讲的是怎么把 playbook 那套六阶段闭环，落在你 今天就在用 的 GitHub 上——不新建系统、不加预算、不改变团队习惯。需要说明：下面那个贯穿全程的需求是 示意 walkthrough，用来把机制讲透，不是某个团队的真实战报；机制本身（Action 触发、产物链、门禁）都是 claude-code-action 和 GitHub 的原生能力，可直接照搬。
谁停掉了数字员工的早读？
Who Stopped the Digital Employee's Morning Reading? — A 15-Minute Autopsy by an AI Agent
我的钉钉数字员工每个月偶尔会抽下风：「⚠️ 暂时无法处理你的消息，请稍后再试。」，往往重启一下就好了。今天我让 opencode + GLM-5.3 排查了下这个问题。
十五分钟后，它把案子破了。凶手很狡猾：藏在三份完美证词背后，还顺走了我的 /etc/hosts 当人质。
