上周一个做 Agent 集成的工程师来问我：「我的 Agent 前十步表现很好——读文档、列计划、写代码，都很干净。但到第 30 步左右就开始胡来：调错 API，覆盖自己刚改过的文件，甚至重复执行已经做完的操作。我是不是该换个更强的模型？」
我问他：每次都栽在同一个地方吗？他想了想说，不是，但跑得越远越不稳。
我说，那多半不是模型的问题。 它是走出了灯光照亮的地方。
无独有偶，今年 YC Startup School 上，主持人 Diana Hu 向 Jeff Dean 提了几乎一模一样的问题：「Agent 在前 10 步都很棒，到第 50 步就开始晃了。你觉得今天的瓶颈是什么？」Dean 的回答，是我见过对这个现象最准确的解释。
YC Startup School 的舞台上，主持人 Diana Hu 问 Jeff Dean 一个问题。在此之前，Dean 刚讲了他和搭档 Sanjay 写的一个性能优化 Skill——教模型自己做「跑 benchmark → 改代码 → 测提升 → 再迭代」的闭环。Diana 听完说：「如果谁拿到这个 Skill，就能像 Jeff Dean 一样做性能优化了。这东西肯定价值无限。有人能拿到它吗？」
Jeff Dean 的回答出乎所有人意料：「哦，我们其实把它公开了。」
他说的是他和 Sanjay 合写的一份 30 页文档，叫 《Performance Hints》。后面还有一个细节：有人把这份文档做了摘要，喂给不同的模型，发现模型在性能问题上的推理能力真的变强了。
全世界都想要的东西，他直接公开了。这一幕值得多看两眼——因为它指向一个被严重低估的变化： 组织里最值钱的知识，载体正在从「写给人读的文档」悄悄换成「写给 Agent 执行的 Skill」。
上个月，Anthropic 的 Claude Code 设计负责人 Meaghan 发现了一件怪事。
她 Slack 设计评审频道里常驻的那个 Tag——一个以团队成员身份住在群里的 AI 同事——在长期参与设计评审之后，慢慢学会了她的提问角度：这个设计是为谁做的？想传达什么？跟我们的设计系统对得上吗？
再后来，Tag 不再等她下指令。它会直接在同事的设计草稿上迭代出一个更好的版本，有时还会主动找到相关同事，替她发起讨论：「嘿，Meaghan 之前是这么想的，这里有个原型你可以点点看，感受一下她的思路。」
这个故事出自最近一篇关于 Claude Tag 的深度研究（作者 Celia）。我读到的时候，第一反应不是「AI 好强」，而是一阵轻微的寒意： 这个 AI 已经悄悄学会了一个人的品味，并开始代表她在组织里行事。
多数人对 Claude Tag 的理解还停留在「Slack 里装了个聊天机器人」——@它，它回复。它今年 6 月以 beta 形式上线，8 月初 Anthropic 干脆把 Slack 里的 Claude 应用改名为 Claude Tag。从外面看，像是一个顺手发布的小功能。
但 Meaghan 的故事里真正发生的事情是： 组织认知，第一次变得像代码一样可以 fork、可以 merge。
7 月下旬发生了两件事。表面上毫无关系，放在一起看，指向了同一个地方。
7 月 25 日，YC Startup School 旧金山现场，Jeff Dean 站在 6000 名创始人面前。主持人问：普通创业团队凭什么跟大厂竞争？这位 MapReduce、TensorFlow、TPU、Gemini 背后的首席科学家，给出的答案是 上下文工程（context engineering）——「你只需要一个 API」。他还说了一句我认为值得裱起来的话： 训练数据是几万亿 token 搅成一锅汤，糊进几千亿参数里；而上下文，是模型此刻直接看见的东西，清晰得多。
五天后的 7 月 30 日，字节跳动下发内部邮件，完成近年来力度最大的一次 ToB 架构调整：飞书产品团队并入豆包产品体系，商业化团队与火山引擎合并为新的 GTM 组织「创造力服务平台」。飞书这家「产品+商业化」一体的完整公司，被拆件重组，分别挂到字节的两条主线上——模型，和云。
一个是行业顶端科学家的判断，一个是最务实的 ToB 玩家的组织动作。同一周，指向同一件事：
AI 的竞争已经换场了。大家争夺的不再是模型，而是上下文。
上周和一群刚工作的年轻人交流。有人问我一个问题：我每天都在用 AI，prompt 也调得不错，效率确实提高了——但为什么总觉得，我还是在「自己干活」？
我反问他：你的 AI，会不会越用越好？
他愣了一下：好像不会。每次新开一个对话，都像第一次认识一个新同事。
问题就在这里。他很会用 AI，但他从来没有管理过 AI。
这两件事的差距，比他以为的大得多。
让一个 Browser Agent 订一张机票。打开网站、登录、输入出发地和目的地、筛选时间、选航班、提取价格——听起来就六个动作。
但你真的去看第一代 Browser Agent 跑这个流程，会发现它的大部分时间根本没花在这六个动作上。它在登录——它新起的那个浏览器没有任何登录态；它在等待——等页面加载、等元素出现；它在定位 DOM——CSS 选择器又变了；它在重试——某一步失败，推倒重来。真正的业务逻辑，占比很小（这是我观察执行 trace 的估算，不同任务差异很大）。
问题不在模型不够聪明，在架构：浏览器是一次性工具，这些成本就永远摊不掉。
最近有人丢给我一个新产品 ego Lite 的资料，问值不值得试。我的第一反应和大多数人一样：又一个 Browser Agent？但把它的架构看完，我意识到这个理解是错的——它真正动的不是 Prompt，不是模型，而是浏览器在 Agent 系统里的角色。
过去 Browser 是 Tool。现在 Browser 开始变成 Runtime。
这是我认为 Browser Agent 最近一年最值得关注的技术方向。
上周有人请我整理一套数字员工的术语，用途是整理会议纪要。
整理的时候我意识到一件事：会议纪要看起来是最容易交给 AI 的岗位。语音识别模型足够强，转写免费，人人会用。按常理，它应该是数字员工最先上岗的岗位。
但我们真动手做的时候，发现不是这样。
第一版会议纪要机器人，把会议里的每一句话都转写出来了。问题是，没人看得懂：
「关于上次说的那件事，就按讨论的办。」——哪件事？怎么讨论的？
「这个意见我同意。」——谁的意见？
「后续小王跟进一下。」——哪个小王？
而且，转写本身也不总是干净的。真正容易出错的，不是通用技术术语，而是企业自己的语言——项目代号、产品名、客户简称、组织缩写、内部黑话。比如「北极星二期」「天穹计划」「A17 客户」「P0 升级」「DWS」「飞鹰版本」，通用模型根本不知道这些词代表什么，转写很容易出现同音字或拆词错误。
看起来是两个问题：术语转不准；就算转准了，也没人看得懂。
其实是同一个问题：缺上下文。术语转不准，是因为模型的词典里没有你公司的词；看不懂，是因为纪要里没有这些人是谁、属于哪个项目、上次讨论了什么决定、谁负责什么事。
这次经历让我们得到一个后来反复验证的判断： 数字员工不是任何岗位都能做，只有「上下文充分」的岗位才能做好。
判断一个岗位是否适合数字员工，只需要看五件事。
上周整理数字员工的术语，有人在讨论里问了一个问题：
「数字员工背后的 Agent，具体实现上是一套什么东西？」
这个问题问得好。市面上大多数回答是这样的：一个模型加一段 Prompt，接一个知识库，套一个对话框。听起来也没错——demo 确实就是这么做出来的。
但 demo 和员工是两回事。我们做会议纪要数字员工的时候，第一版正是「模型 + Prompt + 转写」，能跑，但没人敢用：纪要里全是「小王跟进一下」，没人知道是哪个小王；待办派错了人，也没有任何机制能发现。
后来它变成一个真正能干活的数字员工，靠的不是换更强的模型——模型一直没换。靠的是在模型外面，一层一层搭起来的东西。
[Read More]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？
