夜雨聆风大家好，我是陆徐洲。
最近在推特上看到一句话：以前有些朋友花三个月，做一个没人用的 App；有了 AI，同样花三个月，可以做十几个没人用的 App。
还有人画了一张图，把 Claude、ChatGPT 和 Cursor 称为“AI 时代中产返贫三件套”。三份会员加上 API、服务器，一年下来也很可观。
两个梗说的是同一件事：AI 把生产成本打下来了，价值并没有自动出现。
过去两年，我们一直在比较模型、采购工具、计算提效。现在 AI 开始进入深水区，真正麻烦的部分逐渐从“能不能生成”，转到了模型外面的系统。
01 AI 让失败也规模化了
我不觉得为 AI 工具付费有什么问题。一次有效调用节省的时间，可能就超过了当月订阅费。
问题在于，工具可以买，判断力不能订阅。
原型只是一个等待验证的假设。没有真实用户、使用数据和反馈闭环，十个无人使用的 App 只是把浪费批量化了。
AI 使用能力也不该按订阅数量判断，更重要的是找到值得解决的问题，把必要的上下文交给 AI，并判断结果是否可信。
02 企业买到的，往往只是局部速度
企业也有自己的“十个 App”。开大会、做培训、采购账号、评选提效案例，每个人都能更快地生产一份材料，然后让这些材料沿着原来的流程继续传递。
在我接触的研发团队里，纯编码通常占不到一半。更多时间花在需求澄清、历史代码定位、权限申请、联调、评审、测试和发布上。
程序员编码快了三倍，需求仍在排队，测试环境仍要等待，交付周期未必明显缩短。
局部越快，后面的队列有时反而越长。给旧网络里的每个节点换上更快的网卡，并不会改变网络拓扑。
03 深水区竞争的是上下文
从系统视角看，员工、Agent 和内部软件都可以暂时视为执行节点。节点想把事情做对，需要知道目标、历史背景、可用资源、权限边界和验收标准。
这时大家很容易想到 MCP。MCP 解决的是模型怎样连接数据库、代码仓库和工单系统，更像一种插头标准。插头统一以后，墙里有没有电、哪些插座可以用，依旧取决于数据基建、知识工程与权限治理。
字段口径是否一致，文档有没有过期，业务规则藏在哪里，数据能否追溯，这些过去靠会议和老员工经验维持的问题，现在都会成为 Agent 的能力上限。
偏偏数据治理投入大、见效慢，很难做成一个漂亮的演示。大家喜欢修驾驶舱，很少有人愿意先清理输油管道。但 AI 真正进入业务以后，这笔上下文债务早晚要还。
企业接下来大致有三类机会：
给产品增加真正影响业务结果的智能能力；
用更低的交付成本接住旧系统改造、非标准接口和长尾需求；
把需求、执行、验收与反馈连成内部工作流。
一个聊天框可以用来宣传，能够少一次人工确认、提前发现一个风险，才算产品价值。
03 个人应该把能力迁往哪里
副业和独立产品受市场波动影响太大，先看更现实的职业变化。
现在 Agent 相关岗位明显增多。在我看来，Java、Go 等后端工程师是很自然的转型人群。
企业 Agent 的主体仍然是软件工程：API、数据库、事务、权限、异常恢复和可观测性一样都不会少，只是系统里多了一个不完全稳定的执行器。
算法工程师在模型选择、推理和评测上有优势，要走到生产环境，还需要补系统集成与业务交付。
另一个热门岗位是 FDE，也就是 Forward Deployed Engineer。它贴近客户，从发现问题、界定范围、系统设计，一路做到开发、上线和效果反馈。
我理解它为什么会火，但对它成为大规模标准岗位相对谨慎。FDE 很容易同时承担售前、产品、架构、研发、交付和运维。
真能独立跑完这条链路，再积累一两个成功案例，能力结构已经接近创业团队的联合创始人。
个人需要看清楚，公司给的是相匹配的授权与回报，还是给传统驻场交付换了一个新名字。
岗位名称会变，值得积累的能力相对稳定：理解业务、组织上下文、连接工具、建立验证闭环，并对结果负责。
04 为什么我写《Harness Engineering 实战》
模型会换，产品入口会改，今天热门的 Agent 框架明年未必还在。我更想写模型外面那层相对稳定的工程系统。
我把它概括成一个公式：
Agent = compose（Model + Harness）。
Harness 负责约束、工具、上下文、记忆、验证、编排和观测。模型决定能力上限，Harness 决定这些能力能否在真实环境里稳定工作。
这本书从最小 Agent 循环开始，逐步补上工具与 MCP、Prompt Cache、长期记忆、验证、反馈调节、可观测性和成本治理。
后半部分放了三个完整案例：遗留 Java 系统重构、医疗数据服务合规加固，以及多 Agent 跨语言协作。
它不承诺让你一夜获得十倍效率，更适合那些已经用过 AI，开始遇到权限失控、上下文膨胀、工具调用失败、结果无法验收和成本难以控制的人。
这些麻烦，才是 AI 深水区的日常。
我是陆徐洲，一家 LIMS 公司的 AI 算法负责人，也是《Harness Engineering 实战》的作者。
如果你愿意支持新书，可以通过下面的微信小店商品卡片购买。
05 新书正式上架，留言送 3 本签名版
欢迎在评论区说说：你所在的团队用了 AI 以后，真正堵住效率的节点是什么？
发布后 72 小时内，我会从有效留言中随机抽取 3 位读者，各送一本作者签名版。中奖名单会在置顶留言中公布。
我是陆徐洲，一家 LIMS 公司的 AI 算法负责人。关注我，让我们一起在 AI 落地实践的路上，走得更远。