Hugo Zhu's Blog

前两天我拿到一份文件：Claude 最新旗舰模型 Fable 5.1 在 claude.ai 消费端的完整系统提示词。不是泄露的片段，不是网友总结的版本——是完整原文。

274,608 个字符，超过 4 万个英文单词。

大多数人听到「系统提示词」会想到一段开场白：「你是一个乐于助人的 AI，请礼貌、安全地回答。」我以前也是这个印象。但把这份文件从头到尾读完之后，我改变了判断：

这不是提示词，这是一套个人操作系统。

今天和一个朋友聊天。他说自己做了一个非常精简的 Agent Harness，准备开源，让大家可以直接用。

我第一反应不是问他写了多少代码，而是问：

你看过 Pi Agent、OpenCode、DSH 吗？

他说，没有深入研究过。

那一刻我没有继续追问，但一个问题在我脑子里转了一下午：今天成为一个 Agent 应用工程师，真正重要的到底是什么？ 是能够自己写一个 Agent Loop，还是能够把 Agent 真正做成一个有价值、能生产、能赚钱的产品？

这篇文章把那条成长路线完整画出来。

半年前，我给自己上了第一批数字员工。上岗之前，我的想象是这样的：任务交给 Agent，我只管派活和收结果，我在钉钉上的时间应该大幅下降。

半年后，我打开自己的屏幕时间统计：我在钉钉上的时间没有下降——翻了一倍。

起初我以为是个体差异。但和几位同样在带数字员工的同事交流后，发现大家的处境差不多：Agent 越多，人在 IM 里花的时间越多。

这让我必须把一个判断写下来：

AI 不会造出新入口，只会加深你对旧入口的依赖。

最近读到一篇两万字的 Agent 自进化方法论，写得相当扎实。其中记了一条血泪教训：有团队在某个场景上连续 20 多轮自动迭代，效果一直不提升——最后发现根因根本不在配置层，而在工具层。20 多轮里，系统忠实地修 Prompt、改 Skill，每一轮都按评测信号在优化。

回头看，最惊人的不是根因藏得深，而是这 20 多轮里，没有一个人问过：这批评测 case 本身，选对了吗？

没人问，因为没人需要问——这份评测集没有主人。

这篇方法论（作者 yannisyang、ethanytzhou）把评测、记忆、落地、控制四个环节拆成飞轮：评测是眼睛，记忆是大脑，落地是手脚，人机协作是方向盘。四个齿怎么建、坑在哪、从零到一怎么落地，都讲了。它最有价值的一句话是：

大多数团队的问题恰恰在于：每个组件内部做得还行，但组件之间的「箭头」没有自动化。

飞轮的瓶颈不在齿，在齿与齿之间的通路。我完全同意——但沿着这句话再往下推一步，会发现一个这篇两万字没有回答的问题：

所有箭头里最上游的那一条——「什么叫好」——它的定义权在谁手里？

OpenAI 的创始人山姆·奥尔特曼，最近在一次专访里说了一段让我停下来的话：

现在有了 Codex，明明可以换一种办法工作，我却还在沿用以前的习惯。我不应该到处乱点，在不同的聊天软件之间复制粘贴，漫无目的地浏览邮件……然而，我的脑海里却根深蒂固地认为，做这些事情就是工作，就是高效。

注意这段话的主语。这不是一个对 AI 一知半解的传统行业老板，也不是一个拒绝新技术的保守派——这是做出 ChatGPT 和 Codex 的人，是这个世界上离 AI 最近的人。

他知道更好的办法。他手里就有那个更好的办法。他还是改不掉。

如果连他都这样，那「AI 会自然改变我们的工作方式」这个假设，就有必要重新审一遍了。

8 月底，麦肯锡的播客 McKinsey Talks Talent 里，主持人 Lucia Rahilly 抛出了一个很多公司都在回避的问题：Agent 进了核心工作流，谁来管它？

资深合伙人 Brooke Weddle 的回答很直接：「HR 管理的不再只是人类的绩效，现在还有数字员工。」 全球技术与 AI 负责人 Kate Smaje 接着把问题拆成了三问：

「我到底有多少个 Agent？谁对它们的绩效负责或担责？它们创造了多少价值？」

问完，她自己补了一句更狠的话：当她问企业「上次讨论非人类劳动力的绩效是什么时候」——「几乎没有组织能回忆起自己把这件事排上过议程。」

听到这三个问题的时候，我愣了一下——这不是新闻，这是我今年 3 月起就在博客里反复写的那一系列问题。麦肯锡用了整个 8 月，终于追上了这条线。

他们给出的答案也对：Agent 归使用它的业务负责人管，不是 IT，不是 CTO。 这和我在数字员工的第一准则不是可控性里推导的主管制，几乎是同一个结论的两条路径——他们从管理实践归纳，我从问责公理演绎，殊途同归。

但这份答案只答了一半。

前几天有人给我发了一份「2026 年 Agent 开发者工具箱」清单，整整 15 个名字：git、gh、docker、uv、node、pnpm、nvm、rg、jq、curl、fzf、just、direnv、python、go。分层清晰，还配了星级。

我顺手在自己这台跑 Agent 的机器上核对了一遍，结果很有意思：15 个里我只装了 7 个。

for t in git gh docker uv node pnpm nvm rg jq curl fzf tmux direnv just mise; do
  command -v "$t" >/dev/null && echo "$t: yes" || echo "$t: NO"
done
# generated by hugo AI

git、gh、uv、node、pnpm、rg、curl 在；docker、jq、fzf、tmux、direnv、just、mise 一个都没有。机器没罢工，Agent 每天照样在上面干活。

所以我没有急着去补齐那 8 个缺口，而是先问了一个更基本的问题：这份清单是按什么标准选的？是给人用的，还是给 Agent 用的？

这两个问题的答案，会导出两份完全不同的清单。

最近读了一篇关于 Harness 自进化的报道，里面有个细节让我停下来想了很久。

停下来的原因，是我们自己也卡在这里：数字员工上线一段时间了，它好像变「顺手」了，但说不清是不是变「聪明」了。这个模糊感，恰好被报道里的三个数字点破。

报道里那家公司说（厂商自报口径）：他们平台上 95% 以上的 Agent 被每天重复运行；在留存用户中，93.4% 的操作是系统自触发的；超过六成的自动化流程持续运行了一个月以上。

大多数人读到这三个数字，看到的是「这家公司用户很多」。我看到的是另一件事：这三个数字加起来，恰好是递归式自我改进（RSI）最稀缺的原料。

8 月 31 日，离职高发的异动日。下定决心的已经走了，还在犹豫的，犹豫到最后一刻。

今晚和一位同事吃饭，酒过三巡，他问我：你对未来怎么看？

我没给宏图大略，只说了几件我越来越相信的事。写下来，分享给所有觉得自己无从选择的朋友。

岗位真实，人名与数据已脱敏。这是一篇可以被复制的实践——文末有千问办公实操路径。

我是某条业务线的一号位，每周要向 CEO 汇报商业化、产品与组织三条线的进展。10 位直接下属，周报形态五花八门——有人发长文消息，有人甩一个文档链接，有人发文件附件；同一个指标，业务线和 BI 各有一个数，谁也不服谁。

上周日，我第一次让 AI 同事全程接管这件事。没有 SOP，没有模板，纯靠对话指挥：一个个群、一个个单聊地读，一份份总结、比对、入稿。从早到晚干了三个多小时，周报是交出来了，token 烧了上亿。

贵，但值——因为做完之后，我让 AI 把整个过程复盘了一遍： 哪一步是固定动作？哪一步踩过坑？哪个数字要过谁的口径？ 然后把这些蒸馏成了一份 weekly-report 技能文档：固定坐标、模版结构、素材来源对应表、指标字典、历史教训，一条不落。

这周日，我只说了一句话：开始整理本周的周报。

AI 同事加载技能，按流程执行：读上周远端文档定结构、批量收集十个来源、报「已收/未交」清单、按字典压缩入稿—— 不到十五分钟，一份质量过关的周报草稿出来了，全是重点信息。

省下来的时间，我去做了真正值钱的事：写下业务、产品、组织面对客户与竞争的方向判断，预演 CEO 的追问，补上风险与决策请求，再把待确认的问题分发给责任人。下面是这份周报背后的五个细节。前四个发生在十五分钟里，第五个，是十五分钟和 AI 都替代不了的。