夜雨聆风一百个工程师，年薪加在一起数千万美元。 击败他们的东西，你的电脑桌面上就有，一个文本文件，一个定时任务，一个选对的指标。
这段带着科幻色彩的话出自Alexandr Wang。2025年，Meta以140多亿美元取得Scale AI约49%的无投票权股份；随后，Wang离开自己创办的公司，加入Meta超级智能实验室。他在Y Combinator Startup School 2026的舞台上，对着满场创业者，给出了这个惊人的数字。
那个让全场屏住呼吸的回答
故事的起点很简单YC总裁Garry Tan坐在Wang对面，抛出一个硅谷最经典的问题：给点alpha吧，就是那种近在眼前、但大多数人还没想明白的近端机会。
所有人都在等一个高深的模型架构名字，一个闻所未闻的技术路线。
Wang的回答让空气安静了半秒：代理式回路（agentic loop）。
它让AI代理围绕一个目标持续消耗token，并根据反馈逐步逼近最优解。Wang随即谈到Meta内部见过的案例：
"如果你能设计出正确的代理式回路，给代理正确的评估指标，一群AI代理可以比大约100名工程师的团队做得更多，非常非常轻松，非常非常容易。"
Tan追问：那机械层面到底怎么搭？
Wang的回答堪称本年度最具反差感的技术发言：
"其实就落到skills、Markdown文件、cron jobs。"
他笑称，往深处看，一切都出奇地平淡
▲ Karl Mehta几乎逐字引用Wang原话，并指出：如果属实，写对指标将比写代码更重要
两种AI工作图景
这段话与许多人熟悉的想象相差甚远。
常见的想象，是一台超级智能坐在屏幕前，独自把整项工作做完。
Wang描述的是另一幅图景 在他的定义里，公司由大规模反馈回路构成：客户到来后，服务改善带来更多收入，收入又支持业务继续扩张。公司内部还嵌套着几十条微观回路
代理可以沿着这些回路执行具体操作，持续读取结果并调整下一步。
给不写代码的人翻译一下：这些"土工具"到底是什么
Wang嘴里这串让程序员又熟悉又恍惚的词，skills、Markdown、cron jobs，需要翻译成人话。
Markdown文件，就是最朴素的纯文本格式。你在GitHub上看到的README，用的就是它。能加粗、能列表、能分级标题，人能读，AI也能读。在代理场景里，它既是说明书，也是AI和人类共用的工作台。
Cron job，是Unix系统里用了几十年的定时闹钟。你设一个时间表，到点它就自动把程序叫醒。在AI代理场景下，它意味着，不需要人盯着屏幕，系统按节奏自动唤醒代理去巡检、优化、汇总。
Skill文件，这个概念稍新一些，但已经有了工业级标准。Anthropic在2025年推出了Agent Skills规范：本质上就是一个文件夹，里面放一个SKILL.md说明书，可以附带脚本、参考资料、模板。代理启动时先扫描名称和描述，匹配到任务后再把全文读入。就像给新员工发的入职手册，但这个新员工不会摸鱼，不会请假，而且同时能有一千个。
▲ Anthropic工程博客详解Agent Skills：用文件和文件夹为AI代理装备领域专长
▲ agentskills.io展示Skill文件夹的标准目录结构：SKILL.md + 脚本 + 参考文档 + 资源
在GitHub上，anthropics/skills示例仓库已经拿到了16.6万颗Star，相关基础设施已有大量开发者参与。
▲ 该仓库Star数超过16万，说明开发者社区对"Skill文件驱动AI代理"的热情已远超围观阶段
Meta之外的实践
在Wang开口之前，一批一线工程师已经在用相近的方法干活了。
Laravel社区的开发者Aaron Francis公开描述了自己的工作流：先和AI长谈形成计划，写入一个持久化的Markdown文档；主导代理再派出子代理审查漏洞，全部结果写回同一份共享文档；用唤醒计时器防止空转；子代理完成后主导代理综合，进入执行。他的屏幕截图里，多个终端窗口和共享Markdown文档同时运作，这就是"Markdown作为协调面 + 定时器作为调度"的活体标本。
▲ 多终端、多代理、共享Markdown计划文档，代理协作的真实工作界面
前Meta L8工程师Kun把时间主要花在规划和验证上；计划质量决定代理能自主工作多久，他还会并行运行多个代理并严格隔离工作区。有人将其方法概括为：高杠杆工程师负责设计完成工作的回路，具体代码则交给代理执行。
▲ 前Meta工程师的代理工作法五要点：规划先行、质量决定自主时长、并行隔离、代理审查代码
YC内部甚至出现了这样的故事：一个不会写代码的财务同事，用Skill文件加cron定时任务，把大量表格工作收成了自动化应用，一跃成为"代理管理者"。Garry Tan将这种模式总结为六个字："薄支架，胖技能"，确定性的运行框架尽量轻，核心知识和判断力写成Markdown。
"知道该思考什么"，被吃掉的耐心溢价
Wang在对谈中还抛出了一个更宏观的判断，后来被评论区浓缩成一句足以印在T恤上的话：
"知道该思考什么，变成了稀缺技能。"
▲ 这条回复精准压缩了Wang关于"稀缺资源从智力转向愿景"的核心论点
他的逻辑链条是这样的：回顾十年，智力和能动性都在变得丰裕。当模型能想、代理能干，唯一还贵的东西是，你知不知道该让它们去做什么。他甚至批评当下的公共讨论过度纠缠"超级智能还要多久到、曲线会不会撞墙"，认为这在某种程度上是浪费时间，因为方向已经锁定，问题只剩一个：你用丰裕的智力去解决什么问题？
这句话带来的压力落在选择上：模型越来越能算，人仍要决定把计算用在哪里。
有人从时间维度接话，写下另一个观察："十年前最好的模型在YouTube上认猫。十年后我们在和数字神明对话从前算力的世代跃迁要等二十年，创新压缩正在吃掉耐心溢价。"
▲ "耐心溢价"正在消失，创新压缩的速度已经超出了多数人的心理预期
平淡即前沿：为什么最土的工具赢了
Markdown诞生于博客时代，cron诞生于上世纪七十年代。为什么2026年最前沿的AI工程实践，用的是你爷爷辈的工具？
答案藏在对知识、时间和目标的外置中。流程进入任何人（包括AI）都能检查的文件，cron让优化按计划持续运行，metric则充当系统的总指挥；代理群负责爬山，山峰由人指定
软件史上反复出现这个规律：看起来更"土"的接口，往往成为协作标准。 邮件列表、纯文本配置、Makefile、Wiki……每次新一层抽象建立时，工作都会转移到新的位置。Wang和Tan把下一层命名为：编排代理群，并坚持系统思维。
但故事还没讲完
冷静的人也在场 有观察者看完整段对话后写道："很值得认真想想。如果属实，意义很大" 他将其列为有待验证的大命题
Wang说的是Meta内部口径，公开材料中没有第三方审计的细节：任务类型、失败率和人工审批环节都未在对谈中展开。
这仍是一个清晰的方向性信号
当一个同时拥有数据标注帝国创始人、YC校友、Meta前沿实验室掌门人三重身份的人，坐在全球最有影响力的创业加速器讲台上说，"我们内部已经跑过了"，你很难只把它当成一句客套话。
百人工程团队与代理群之间，隔着一套由文本文件、定时器和指标组成的系统。
这场对决的胜负可能还要争论但有一件事已经发生了，你再也无法假装没听见。
