夜雨聆风来源：Every CEO Dan Shipper 访谈《AI越强，人越忙》；blackanger《AI编程的下一阶段》；本号近期文章
Every 公司的 CEO Dan Shipper 最近说了一句反直觉的话：
自动化是个谎言。
他的公司 30 人，全员重度使用 Codex 和 Claude Code，但过去一年员工人数翻了一倍。客服 Agent 参与了 65% 的对话，AI 处理了他 95% 的邮件。按理说应该越来越精简才对。
但事实恰恰相反。
这不是在抱怨，而是他亲身经历的悖论。作为布鲁克林（不是硅谷）一家真正把 AI 用在真实工作里的公司，Dan 的观察比大多数行业预测更值得认真对待。
我们最近连续写了几篇关于 AI 和电力行业的文章。把 Dan 的观察和我们的实践放在一起看，会发现一些很有意思的线索。
一、每一个 Agent 背后，都需要一个人
Dan 做了一个"高级工程师基准测试"。起因很狼狈：他用 vibe coding 做的写作工具上线第二天，服务器每隔 10 分钟就崩一次。让 Codex 修，修好了又冒出四个新 bug，循环往复。
后来他请了两位真正的高级工程师，分别独立重写了代码库。
测试结果是：几乎所有 AI 模型得分在 30 分左右，人类高级工程师 85-90 分。GPT-5.5 是唯一异类，跳到了 62 分——而且它是唯一一个敢推倒重来的模型。其他模型接到"去修这些 bug"的指令，就真的一个一个去修 bug。
人类高级工程师会怎么做？扫一眼代码库，然后说："这玩意儿是坨屎，我们得重写。"
模型能解决被定义清楚的问题。但"发现这个问题需要被重新定义"这件事，模型还不会主动做。
这和我们最近写电力市场的感受一样。AI 可以帮你查数据、做统计、画图表。但它不会告诉你：
- 山东 374 号文和国家 688 号文的底层冲突在哪里
- 一次调频从"义务"变成"生意"，意味着什么
- 四川现货 V4.0 的规则改了，但真正没被说透的问题是什么
这些问题，需要有人先去想"应该问什么"。然后 AI 才能帮你回答。
Dan 把这叫做"每个 Agent 都需要一个人"。自动化没有消灭工作，它创造了新工作：管理自动化本身。
二、大模型是一匹野马，需要马鞍
我们昨天天写了一篇《AI 编程的下一阶段：不是更强的提示词，而是更好的工作系统》，核心观点和 Dan 的观察完全吻合：
Agent = Model + Harness
模型只是输入之一。真正让 Agent 能完成工作的，是它周围的 prompts、tools、context policies、hooks、sandboxes、feedback loops 和 recovery paths。
Anthropic 的工程团队做过一个优化：把 MCP 工具暴露为代码 API，让 Agent 按需读取工具定义，而不是把所有 tool schema 塞进上下文。token 使用从 150,000 降到 2,000，节省 98.7%。
这就是"prompt 变基础设施"的例子。真正的优化不是让模型更会省字，而是改变工具暴露方式、执行位置和上下文流动方式。
在电力交易这个场景里，这个逻辑同样成立：
- 上下文层：市场规则、节点信息、历史数据、交易策略——要贴近代码，Agent 可读取
- 任务层：不要把"帮我看看今天市场"丢给 Agent。先拆成"查现货价格→看价差趋势→对比昨日→输出信号"
- 执行层：研究、分析、策略、验证要拆开，减少上下文污染
- 反馈层：测试、校验、对比实际结果，形成闭环
- 治理层：权限、成本、日志、审计——没有治理的 Agent 工作流，只适合 demo
Vibe coding 的天花板是单会话。突破天花板的方法不是更长的会话，而是把会话变成系统。
三、CLI 时代结束了
Dan 说得直接：CLI 的时代过去了。
Claude Code 火起来的时候，很多人以为是终端命令行的魔力。Dan 认为这个判断是错的。真正的原因是 Agent 在本地机器上有完整的访问权限，以及网上有大量关于如何使用终端的内容，让模型学得很好。
Every 内部，大多数技术人员已经不把终端当主要工作界面了。主战场是 Codex、Claude Code、Cursor 这些有真正界面的工具。
GUI 本来就是为了让人更舒服而发明的，这个逻辑没有变过。
这和我们做股票交易工具的感受一致。 妙想API 很好用，但终端里跑 python 脚本的体验，和一个有界面的 dashboard 比，差距巨大。不是技术不行，是体验不行。
工具不在新，在用透。但"用透"的前提是"好用"。
四、SaaS 不会死，Agent 是它的用户
Dan 说他会买 SaaS 股票。
大家都在说 Agent 会让人绕过 SaaS，直接用 AI 干活。但 Dan 的观察是反过来的：Agent 不会替代 SaaS 的用户，Agent 会成为 SaaS 新的用户。
Every 人人都用 Codex 和 Claude Code，但他们的 SaaS 支出比去年还高。因为 Agent 在用 SaaS，大量的高频次调用。需求在爆炸，不是萎缩。
放到电力行业，这个逻辑也很成立。很多售电公司以为 AI 来了，交易员就完全不需要了。但实际上：
- AI 在高频查询数据，API 调用量在涨
- AI 在做策略分析，数据服务需求在涨
- AI 在自动出报告，内容生成工具需求在涨
未来有一段时间，不是"AI 替代交易员"，而是"交易员 + AI Agent"的组合，每个人背后都有一个团队级别的 Agent 在工作。
五、PM 和领域专家，迎来最好的时代
Dan 对 PM 和设计师极度看好。
Marcus，PM 出身，在 Every 负责写作应用 Spiral，是团队里出货最快的人之一。Dan 说，哪怕一年前，他们也没办法安排 Marcus 做这个工作，因为那时候模型还不够好。但现在，Marcus 的产品感和用户洞察，配上足够好的编程模型，变成了一种超强组合。
他不需要组织一整个团队来实现自己的想法，他直接去做。
这同样适用于电力交易领域。一个有十年电力交易经验的交易员，以前需要拉 IT 团队、数据团队、开发团队，才能把经验变成系统。现在：
- 他知道什么数据重要
- 他知道什么信号有效
- 他知道什么策略靠谱
加上一个能读懂他意图的 AI，他自己就能把这些东西变成产品。
以前最大的壁垒是"能不能做出来"。现在最大的壁垒是"知不知道要做什么"。
领域专家的价值，不是下降了，而是被放大了。
六、大规模失业不会发生
Dan 的判断很明确：大规模失业不会发生。
那些被归因于 AI 的裁员，大多数是过度招聘的修正，AI 只是一个方便的借口。
但这也绝不意味着可以躺平。他给出的建议只有一条：
骑上模型。
不是因为 FOMO，不是因为害怕，而是因为好奇。每次有新模型出来，把它用在你真正在乎的事情上。哪怕上次试过不行，这次再试一次看看。
他自己就是这么做的。GPT-5.5 出来，他把高级工程师基准重新跑了一遍，从 30 分跳到了 62 分。
AI 不会让你失业，但不用 AI 的你会失业。
写在最后
Dan Shipper 在布鲁克林，不在硅谷。但他觉得他们比大多数硅谷公司都更靠近未来，原因只有一个：他们把所有工具都真的用在真实的工作上。
这也是我们在做的事情。不是预测 AI 会不会改变电力交易，而是真的在用它查数据、写报告、做分析、盯市场。
Dan 给出的最后一个建议，适合每个在电力行业的人：
别争论 AI 会不会改变世界，去找一件你真正头疼的事，试着用 AI 解决它。
当你第一次感受到"这也行？"的那一刻，你就不需要别人再来说服你了。我接话说：电力交易信息不公开？那就想办法整合各路信息！交易决策跟不上形势？那就动态跟踪、横向解读政策影响！交易无法沉淀并有效转化？那就打理知识库并接入代理。等等，很多，当真正在做的时候，就不需要别人说服你了。
参考来源：向阳木马总结的 Dan Shipper / Every 访谈；blackanger（AlexZ）《AI 编程的下一阶段》；Anthropic Engineering 系列文章
