上个月，我们团队一位产品经理花了两周写了一份 40 页的 PRD，描述一个智能审批 Agent 的需求。用户故事、流程图、异常分支、验收标准，写得滴水不漏。
她把 PRD 丢给 Coding Agent，说：「按这个做。」
三天后 Agent 交付了。代码能跑，测试通过，接口对齐。但她试了五分钟就皱眉：「这不是我要的东西。」
哪里不对？她说不清。审批流程是对的，权限校验是对的，消息通知是对的。但 Agent 处理「领导已读不回超过 48 小时」的策略，不是她脑子里想的那个。PRD 里写的是「超时后自动提醒」，Agent 就老老实实给所有超时审批发了一轮提醒——包括那些「领导出差没看手机」的非紧急件。她真正想要的是「先判断这条审批是否紧急，紧急的才提醒，不紧急的等下次汇总」。
这个判断，她没写进 PRD。因为她觉得这是「常识」。
Agent 没有常识。Agent 只有你给它的判据。
太平洋汽车的内容被豆包、千问和 DeepSeek 引用之后，合计触达了 1237 万用户。
这个数字是太平洋汽车 App 自有流量的 113.8 倍。
一百一十三倍。超过一百倍的用户通过 AI 平台「消费」了太平洋汽车的内容——他们在豆包的聊天窗口里问了一个关于买车的问题，豆包引用太平洋汽车的评测给出了答案，用户满意地关掉了对话。
然后呢？ 太平洋汽车什么都没得到。 没有访问，没有注册，没有广告展示，没有用户画像。内容被吃干抹净，连渣都没剩。
这个故事来自极客公园上周的一篇报道，讲的是 AI 时代互联网流量的大崩塌。但让我想了很久的不是流量问题——而是一个更底层的问题：
如果内容本身不是最有价值的资产，那什么才是？
上个月和一位做 HR SaaS 的朋友吃饭。他刚花了两百万买了一批行业测评数据，准备训练自己的垂直模型。
我问他：「竞品如果也买同样的数据呢？」
他愣了一下：「那……我们还有先发优势。」
「先发多少？」
「大概……半年？」
半年。这就是原始数据作为护城河的保质期。
三个月前，我写了一篇 中国 SaaS 厂商的护城河应该怎么建，核心公式是：
护城河 = 垂直行业数据资产 × 行业 Know-How × 客户成功体系 × 生态协同
那篇文章里，我把「数据壁垒」放在七大维度的第一位，画了一个数据飞轮：客户使用 → 数据沉淀 → 模型训练 → 更精准的服务 → 更多客户使用。
三个月后，我要修正自己。
飞轮里转的不是数据，是 eval。
上个月一个团队找我聊数字员工落地。
他们已经有 12 个 agent 在跑了。销售助手、客服助手、HR 问答、会议纪要……每个都是独立项目，独立部署，独立维护。
CTO 说：「我们想扩到 200 个。」
我问：「现在 12 个的权限怎么管的？」
他愣了一下：「每个 agent 一个 API key，配在环境变量里。」
「记忆呢？A 部门的 agent 会不会读到 B 部门的会议纪要？」
「……应该不会吧。」
「两个 agent 对同一件事判断冲突了，谁说了算？」
沉默。
12 个靠人盯，200 个靠什么？
而且这 12 个跑在半年前的模型上。模型半年一换代，agent 策略周级迭代——你还没把 12 个理顺，底座已经换了。这不是「多部署几个」的问题。这是架构问题。
前两天看到一篇文章，标题很刺激：「飞书被收编，钉钉要改名，企业微信慌不慌？」
核心论证链很锋利：互联网办公平台第一次降维打击了传统企业软件，然后 AI Agent 第二次降维打击了超级 App。结论是 To B 软件只剩两种位置——要么成为入口，要么成为入口背后绕不开的系统。
写得很好。但我读完之后一直在想一个问题： 他说的「绕不开的系统」，对钉钉来说到底意味着什么？
不是「钉钉也能活下来」这种防御性思考。而是：如果钉钉主动选择，它应该把资源押在哪里？
昨天一个同事在群里甩了一个 HTML 文件。打开一看，漂亮极了——渐变色的表头、响应式布局、数据可视化图表、三段式结论。AI 生成的，三秒钟的事。
群里安静了十分钟。
然后有人问了一句：「所以……结论是什么？」
又过了五分钟，发文件的人回了一句：「我也没细看，AI 生成的，大家自己看吧。」
这十分钟的沉默，就是 AI 时代最贵的成本。
上个月一个客户请我们做数字员工。
老板看完 demo，很兴奋。大模型能写邮件、做总结、回答制度问题，他觉得万事俱备。
「给销售、采购、客服各配一个数字员工，下个月上岗。」
工程师于是创建了几个角色，写了几段提示词，把聊天窗口换成了公司 Logo。
数字员工似乎就诞生了。
星期一早上，销售总监问它：「今天该先跟哪个客户？」它不知道。采购问它：「这批货该不该拒收？」它不知道。客服问它：「这个投诉要不要升级？」它也不知道。
老板很失望：「不是说好什么都会吗？」
什么都会。这四个字，是数字员工项目最常见的死因。
人的放纵是本能，自律才是修行。短时间让你快乐的东西，一定能够让你感到痛苦；反之，那些让你痛苦的东西，最终都能让你功成名就。低级的欲望，放纵即可获得；高级的欲望，只有克制才能达到。
——一段常被归于罗素的话
上周一个工程师跟我说：「我让 AI 写了一个模块，它给我吐了四万行代码。我看了两天，删了三万行。」
我问他：删的时候什么感受？
他说：「心疼。每一行看起来都有道理。但我知道如果留着，这个模块就死了。」
同一天晚上，我女儿问我一道数学题。她卡在第二步。我张嘴就要说「你试试把等式两边同时除以——」，话到嘴边咽回去了。我说：「你再看看题目里哪个条件你还没用上。」她想了四十秒，自己做了出来。
两件事。一个是删代码，一个是忍住不说。本质一样： 你有能力做，你选择不做。
给 AI Agent 排定时任务，正在变成一件新的麻烦事。
最早我们写 cron，后来写脚本，再后来各种 Agent 框架自带调度器。结果是：定时配置散落在 crontab、launchd、代码常量、框架配置文件里，改一个执行时间要翻好几个地方；想知道「现在到底有哪些任务在跑、几点跑、跑完发到哪」，没有任何一个地方能一眼看全。
任务本身其实很简单——「每天下午一点，去小红书搜几个关键词，各出一份报告」。难的不是执行，而是管理：谁来记、谁来改、谁来排查。
上个月面试一个候选人。他带了一个 GitHub 项目，说「大部分代码是 AI 写的」。
我说没关系，打开看看。
代码确实漂亮。命名规范，类型标注完整，docstring 齐全，错误处理滴水不漏。如果这是三年前，我会觉得这是一个高级工程师的作品。但现在我知道，这些是任何一个会用 Cursor 的人都能产出的。AI 的默认输出就是 80 分——格式正确、风格一致、看起来专业。
我真正想看的东西，不在代码里。
