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」。
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。
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。
如何判断你的团队真的工程 AI 化了：六条验收标准
Six Acceptance Criteria for a Truly AI-Native Engineering Team
上周我在准备和团队 9 月初的一次对焦，主题是工程 AI 化。
预对齐时有人说：「我们 AI 用得挺好的——一半的 PR 是 AI 写的，Copilot 全员开通，还有人用 Claude Code 重构了老模块。」
我问了一个问题：「那挑一个 5 人天的真实需求，从提 Issue 到验收关闭，让 AI 端到端跑一遍给我看。」
会议室安静了几秒。安静不是因为没用过 AI，而是因为这条链路从来没有人完整走通过。AI 写过代码的片段，但片段之后是谁在收尾，说不清楚。
这个安静就是分界线：AI 写过代码，不等于工程 AI 化。
软件工厂 3.0：从卖人月到卖模具
Software Factory 3.0 — From Selling Person-Months to Selling Molds
一个做外包的朋友上个月跟我抱怨：客户现在拿 AI 写的代码来压价。「你们报 30 人月，客户自己用 Claude Code 一周出了个 demo，问你们凭什么值这个钱。」
我问他：那个 demo 上线了吗？
他说没有。客户自己人测了一周，测出一堆问题，又回来找他们修。
我说：那你应该换个报价方式。不报人月，报模具费。
他没听懂。这就是这篇文章要讲的事。
老板 AI 量的不是工程师，是老板自己的品味
What Boss AI Really Measures Is Your Taste, Not Your Engineers
李开复在他的新书《AI 未来已来》里讲了一件微软旧事。
2000 年他升任微软全球副总裁，后来才知道，在他毫不知情的时候，总部一年一度的人才盘点已经把他摆上了桌面——比尔·盖茨和鲍尔默认为他最适合出任一个新事业部的副总裁。他第一次意识到：在这家公司，顶尖人才的去向不是哪个部门领导的家务事，而是最高层亲自过问的大事。
更让他震撼的是制度本身：微软每年把最顶尖的 1% 员工挑出来，不论资历，只看潜力。首席人力资源官告诉他，鲍尔默睡前的功课之一，就是几十份几十份地翻看这些人的资料，确保他们的奖励到位、能感受到最高层的关注。鲍尔默对副总裁们说过一句狠话：
排在前 1% 的人，不属于你们，属于我。我要知道他们都是谁——公司有需求时，我有权随时调动他们。
这是 30 年前的管理智慧：顶尖人才，必须由一号位亲自盯。
但注意它的实现方式——靠鲍尔默的意志力，靠 HR 一年一次的名单。一年一次，几十个人。这已经是人力注意力的极限。而一家几千人的公司里，真正的顶尖人才远不止名单上那几十个人。
李开复写道：2025 年，他在零一万物把这件事重新做了一遍。这一次，用的是「老板 AI」。
克制是文明最贵的表达
Restraint Is the Most Expensive Expression of Civilization
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。
代码是 AI 写的了，品味住在哪里
Where Engineering Taste Lives When AI Writes the Code
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。
好的 Runtime 不挑模型
A Good Runtime Does Not Care Which Model Wrote the Code
上个月我们团队换了一次 agent loop。从 Claude Code 切到 OpenCode。
切换本身很轻——prompt 改改，工作流调调，两天上手。切完第三天，周一早上打开 dashboard，CI 全绿。我松了口气，泡了杯咖啡，随手点开一条 PR 的 review 记录。
空的。
再点开一条。还是空的。咖啡没喝完就放下了。
不是代码质量出了问题。是 pipeline 里有一条规则：检测注释里的 // Generated by Claude Code 标记，命中就触发额外的 AI 代码 review 流程。OpenCode 不打这个标记。于是这条规则永远不触发，review 流程形同虚设。CI 是绿的，但绿得没有意义。
一条规则，把整个团队锁死在一个工具上。不是我们选择了 Claude Code，是基础设施绑架了我们。
我在 代码是 AI 写的了，品味住在哪里 里说，品味从代码搬到了工程系统——CI pipeline、release 节奏、事故响应。但那篇文章用的词是「harness」，而且只讨论了 harness 和 agent loop 的关系。
三个月后我意识到，那个框架已经不够用了。
2026 年的前沿 Agent 系统，不再是「一个模型 + 一个循环」的结构。它是 Foundation Model、Agent Policy、Runtime 三层的协同设计。品味不住在任何一层里，它住在三层之间的契约里。
三步上线一个数字员工：开源脚手架背后的交付范式
From Harness Theory to an Open-Source Scaffold Anyone Can Fork
上周一个 FDE 跟我说：「我在客户现场搭一个群聊数字员工，从建账号到调通花了两天。其中一天半在处理断线重连、图片下载、消息去重这些脏活。」
我给他看了 dingtalk-opencode-tag：下载 opencode + 装 dws + 钉钉扫码授权，三步上线。跑在免费模型上，起步成本为零。
他试了一下，十分钟就通了。然后说了一句让我印象很深的话：「这不只是一个脚手架，这是一种交付范式。」
他说得对。这个项目的意义不在于它做了什么——文本对话、图片识别、文件解读，这些功能谁都能写。意义在于它 把生产环境的脏活封装成了可复制的 Harness，让数字员工的上线门槛从「一周的工程工作」降低到「三分钟的配置」。
[Read More]