ARTICLE · 1142418
一个人管400个AI,我的第一反应是扯淡
一个人管400个AI,我的第一反应是扯淡事情是这样的。前两天我在网上刷到一句话，说硅谷现在有人一个人同时管着 400 多个 AI。 
我第一反应是，扯淡。不是那种「哇好厉害」的扯淡，是那种「又一个为了流量硬造概念」的扯淡。400 个？？？你开 5 个 Claude Code 试试，光 Alt+Tab 就能把你按死。我当时真的就是这么想的，甚至有点烦。这两年这种数字太多了，一个人顶一个团队，一个人一天写完一个 App，一个人一夜做出一个产品。。。听多了之后人的本能反应不是兴奋，是麻木。但后来我把 Orca 创始人的那期采访看完了，又自己下载下来折腾了一阵，我的态度变了。变的不是「哇这个产品好牛」。是我突然意识到一件挺难受的事。我还在把 AI 当聊天框，有人已经在调度车队了。---先说我自己的状态，不然显得我在隔空吹。我平时做 vibe coding，Claude Code、Codex 这类工具算是日常。命令行窗口里跑一个，VS Code 插件里开一个，改完代码切回编辑器看一眼 diff，再开一个 CMD 把服务跑起来看看能不能起来，然后再切去做 Git 操作、提交、刷 GitHub 的状态。听起来好像也没多复杂对吧。但我给你描述一个具体的瞬间你就懂了。一般我并发3，4个就已经有点顾不过来了。一个修改功能性问题，处理完一个就接着下一个，一个修改官网内容，再启 一个Agent写文案。基本上这几个轮着做，我就感觉自己有点顾此失彼了。AI 没让我更轻松。它让我变成了一个不停切换上下文的人肉任务队列。谁在跑，谁卡住了，谁的结果我还没看，谁等着我做决定。这些东西全在我的脑子里，而我的脑子是整个系统里最容易崩的那一环。窗口一多，我就成了瓶颈。模型再聪明有什么用，瓶颈在我这儿。---所以我下 Orca，真的不是冲着「管 400 个 AI」去的。我就是想解决一个特别土的问题，能不能别让我在这么多窗口里来回找、来回切。装上之后有个事挺出乎我意料的，它上手几乎没有成本。跟着orca的指引就能很快速的把我平时使用的agent工具集成进来，就在orca一个地方就能管理我的所有项目，你能想到的功能它基本都集成进来了。后来我才知道这不是巧合，是设计出来的。Orca 不做自己的 Harness。这词儿听着唬人，其实特别好理解。Harness 就是那个执行循环，你给 AI 一个目标，它在自己的圈里跑，查资料、改代码、跑测试、再改。Claude Code 是 Harness，Codex 是，Devin 是，OpenCode 也是。而 Orca 不做这个。它坐在 Harness 的上面一层。你打开它，里面直接就能用 Claude Code，能用 Codex，能用 Devin，想用哪个用哪个。它自己一个字符的代码都不替你写。它做的是另一件事，把几十个、几百个 Harness 组织起来，让你看得见、管得住、收得回来。创始人给它起了个名字，叫 ADE。Agentic IDE。我自己的理解是这样的，以前的 IDE 是给人写代码用的，ADE 是给人调度 Agent 用的。它不解决「模型够不够聪明」。它解决的是「模型多起来之后，人怎么不被淹死」。---采访里提到一个 Cloudflare 的工程师。他每天上班先开 20 个并发的子工作流，把 20 个 PR 分别扔给 20 个 Agent，然后他去喝咖啡、去想事情。Agent 在各自的轨道上跑。下班前他回来审报告、确认交付。20 个 sub-worktree。就为了处理一个 PR。我看到这儿的时候脑子里出现的画面不是代码，是一个人端着杯子站在窗边，而身后有二十个工位在同时响。他不是在写代码。他是在派活、定标准、看结果。写代码这件事，被他拆成了一条可以并行的流水线。这个画面我后来想了很久。因为它让我意识到，「程序员」这三个字在这套工作方式里，意思已经变了。---但真正让我觉得这帮人是有东西的，不是上面这些。是下面这两个细节。第一个，Orca 能在你更新应用之后，把正在跑的 session 原样恢复出来。聊天历史、进程、dev server，一个不少。你可能觉得，这有什么。我跟你说这有什么。为了这个能力，他们把 25 种 Agent 的终端就绪信号一个一个摸了一遍，光提词注入的方式就写了 6 种。这种活，大厂不屑干。又脏又碎，写出来没人在发布会上给你鼓掌，论文里也发不了。但就是这种活，决定了用户敢不敢每天更新。你敢每天更新，你才敢每天发一个版本。Orca 那个四个人团队，每天发一个稳定版本，每个版本上百个 PR。你想想看，日更。一个四个人团队日更。他们自己的产品就是他们工作方式的第一个实验品。第二个细节。某个模型额度用完了，session 直接交给另一个模型接着跑。不用重新解释任务，不用开新窗口，不用把上下文再喂一遍。换电池不停机。我看到这的时候是真愣了一下。因为这玩意儿听起来是个小功能，但它背后藏着一个特别狠的产品判断。它默认了一件事，模型是可替换的。不是「我们绑定了最好的模型所以你离不开我们」。是「哪家便宜哪家好用你就用哪家，额度用光了我给你无缝接上下一家」。Anthropic 不会集成 OpenAI 的产品，OpenAI 也不会集成 Anthropic 的。这种事只有第三方能做，而且只有从中立位置出发的人才会想去做。---讲真，我对这家公司好奇起来，是因为它的创始人。她叫津晶。对，是女的。 
Google 出来，走过 YC，这不是她第一次做产品。录制那期采访的时候，Orca 是四个人。四个人，到我现在写这篇的时候，八万多星了。我在看采访的时候一直在想一个问题，这么小一个团队，凭什么不怕被 Anthropic 或者 OpenAI 顺手做掉。她自己给的答案是中立性。大厂不会做的事，她做。Anthropic 不可能把 Codex 集成进来，但用户真实的想法是，管它哪家的，哪个好用哪个便宜我就用哪个。这个判断我觉得是对的。但坦率的讲，我更信另一个理由，就是她在采访里提到的那个关于模型的观点，那个观点让我觉得这个人是真的在用，不是在卖。她说，她现在不再总选最强的模型了。理由是，最强的模型也没有强到，能让你在关键设计上让它跑两天完全不看。而一个能力稍微弱一点、但速度快三倍的模型，在需要反复讨论设计的场景里，反而可能更早给你一个能用的方案。我看到这句的时候停了一下。因为这句话只能从每天真的在管几百个 Agent 的人嘴里说出来。一个在卖模型的人说不出这句话，一个只看 benchmark 的人也说不出这句话。它太具体了，具体到带着一股子干活的汗味。---回到 400 这个数字这块。我现在的理解是这样的，400 不重要。重要的是那 400 里面，有 200 多个已经跑在自动化流程上了，定时跑，自己跑，不需要人盯着。而人只干四件事，定目标、做关键决定、处理卡住的和异常的、最后验收。你想想看，这个分工一变，性质就完全不同了。说到底，人干的活从「操作」变成了「判断」。这才是那个数字真正的重量。不是一个人能盯 400 个窗口，是一个人不用盯了，系统替他盯，他只在系统搞不定的时候出现。我越用越觉得，AI 时代真正稀缺的东西，可能根本不是模型能力。是人的注意力。谁能把注意力从「操作」里拔出来，谁才真的吃得到那个杠杆。---说到这儿我想聊一个可能八竿子打不着的东西。集装箱。这玩意儿在 1956 年第一次上船的时候，没有人觉得它是什么技术突破。它没有让船开得更快，没有让发动机更省油，它甚至不是船上或者港口上最贵的东西。它干的事只有一件，把「装卸」这个环节标准化了。标准化之后，一艘船在港口停的时间从几天压成几小时，然后全球贸易量级就炸了。技术没变。组织方式变了。我现在觉得 ADE 是同一类东西。它不研究怎么让模型更聪明，它研究的是怎么让「交付」这个动作标准化，标准化之后，并行才成为可能，量级才可能起来。每一次这种跃迁，被替换掉的都不是最聪明的那个人。是还在用旧方式干活的那个人。---当然，这套东西有它非常不浪漫的一面。采访里她自己也说，一个月 token 费用可能要花几万块。这个数字放在普通人眼里第一反应肯定是贵。但如果你把它放进「一个人管几百个 Agent、每天稳定发版本」的上下文里，它买的就不是 token 了，是并行时间。不过成本不只是钱。自动化流程要设计，任务要拆解，结果要验收，权限要隔离，错误要兜底。Agent 越多，审查和安全越不能省。所谓一键交付，背后一定是大量标准化和工程化在托着。而且不是所有任务都适合这么干。越是标准化、可测试、可回滚的，越适合扔给 Agent 并行。越是模糊的、高风险的、需要合规和责任判断的，越得人盯死。我现在的判断是这样的，AI 不是平均地给每个人加 10% 的效率。它会把差距拉开。会用系统的人，效率被放大到离谱。还在单线程手工操作的人，会越来越吃力。这话听着有点刺耳，但我真就是这么觉得的。---最后说回我自己。过去我们的能力，取决于单位时间里你能亲手做多少事。现在呢，做到 60 分的操作性技能正在变得不值钱。真正变贵的，是三件事里的某几件。把一个大问题拆成十个子任务的表达力。判断这十个 AI 交上来的东西哪个能用、哪个是垃圾的判断力。以及在关键节点上敢签字、敢担责的能力。这三条里没有一条是关于「怎么让 AI 更听话」的。全是关于你自己的。所以我看完那期采访、又自己折腾了这一阵，心情其实挺复杂。一边是兴奋。个体从来没有过这么大的杠杆。一个四个人团队能干到日更、每版上百个 PR，这件事本身就是最好的证明。另一边是清醒。AI 不会自动让你变强，它只会放大你原本的工作方式。你是单线程的，它最多让你打字快一点。你能把工作重构成一套可调度的系统，它才会给你车队级别的效率。我还在学。说实话我也不确定我这套工作流到底能撑到哪个量级，我自己也还在摸索，可能很多想法还不成熟。但有一件事我确定了。我不想再回到那个靠十几个窗口硬撑、脑子里记着「谁在跑谁卡住了」的状态了。那不是人该干的活。那本来就该是台机器干的活。---回到开头那个让我第一反应是扯淡的数字。一个人管 400 个 AI。我现在再看这句话，看到的不是 400，也不是 AI。我看到的是一个人在那 400 个任务里，只需要在真正需要他的那几个瞬间出现。剩下的时间，他去喝咖啡，去想事情。谢谢你看我的文章，我们下次再见。