夜雨聆风所有人都在等一个黑科技时刻等某个大厂掏出一段谁也看不懂的神秘代码，宣布“这就是未来”。
结果Meta的人站上台，说：我们用的是Markdown文件和Cron定时任务。
就是那个你拿来写笔记的纯文本格式，加上Unix系统里存在了四十多年的定时器。这套组合像是2005年的运维工具箱，但说这话的人叫Alexandr Wang，Meta首席AI官，超级智能实验室负责人，前Scale AI创始人，曾经的“全球最年轻白手起家亿万富翁”。
他说的原话是：在Meta内部，如果代理式回路设计正确，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。”
这句话从Y Combinator的Startup School 2026舞台上飞出来，像一颗划过科技圈夜空的信号弹。
▲ 社交媒体转引的Wang观点："正确的agentic loop + 正确的eval，一群代理可以胜过100名工程师团队"
“给点Alpha”，一个问题带出的核弹级回答
事情发生在YC总裁Garry Tan和Wang的公开对谈里。Tan问了一个华尔街味儿十足的问题：给点alpha吧，就是那种“近在眼前，但多数人还没想明白”的机会。
Wang绕开了秘制模型架构和参数规模，给出的答案平淡到令人怀疑：巨大的机会在“代理式回路”（agentic looping）。
什么意思？就是搭出一个系统，让AI能围绕一个目标，连续消耗1000倍、甚至100万倍的token去反复迭代，形成代理执行→看指标→调整→再执行的闭环。
然后他说了那个让所有人坐直身子的观察：Meta内部已经跑通了。
▲ YC官方对谈《This is a Once-in-a-Civilization Opportunity》视频封面
公司本身就是一台反馈机器，代理开始操作其中的“回路”
Wang接下来的类比，是整场谈话中最精妙的部分。
他说：一家公司，本质上就是一组嵌套的反馈回路。 获客→让客户更满意→客户花更多钱→拿钱再去获客。大回路里套着无数微观小循环：代码审查是一个回路，客服响应是一个回路，数据清洗是一个回路，财务对账也是一个回路。
传统做法是什么？每条回路上坐着一群人，日复一日手动操作。
Wang所说的AI代理，会操作回路边上的一个个环节。在这个视角下，工作会被拆成更细的反馈与执行单元。
这个视角一旦建立，关注点就会转向一个问题：你公司里有多少条反馈回路，可以由代理操作？
最大的反差：前沿AI集群 = 文本文件 + 定时器 + 指标
Tan顺着追问机械层面的组成：Markdown文件、Cron Jobs，再把代理指向足够数据？
Wang几乎是笑着回答的：先搞清楚指标（metric），然后嘛，其实就落到skills、markdown文件、cron jobs，以及目标设定。
他补了一句让全场安静的话：“深入研究之后，一切都出奇地平淡。这总是挺好笑的”
Tan接话：没有魔法
▲ Greg Coppola的审慎评价："much to consider, big if true"，值得深思，若属实则意义重大
让我们把这些“朴素工具”翻译成人话，
Skill文件，就是给AI代理写的“入职手册”。你把领域流程、检查清单、质量标准写成一个文件夹，核心是一份叫SKILL.md的文档。代理启动时先扫一眼目录，匹配任务后再加载全文。Anthropic已经把这个做成了开放标准，GitHub上的示例仓库star数超过16万，整个开发者社区都在往里灌自己的工作流。
▲ Agent Skills开放标准首页，展示skill文件夹结构：SKILL.md + scripts + references + assets
Markdown文件，就是纯文本格式的计划书和工作台。人和AI都能读写同一份文档，能做版本对比，能进代码仓库。它既是说明书，也是协作白板
Cron Jobs，Unix世界里四十多岁的老将。按时间表自动唤醒程序，不需要你盯着屏幕。在代理场景里，优化可以在你睡觉时发生。
指标（Metric/Eval），整个系统的“老板”。缺少指标，代理群就像一群无头苍蝇；指标选错，系统会以惊人的效率朝错误方向狂奔。Wang因此把“先搞清metric”放在所有工具之前。
已经有人在这么干了
公开讨论里，一线工程师的实践已经和Wang的描述形成了清晰的映射。
Laravel社区的Aaron Francis详细描述了自己做大项目的方式：先和一个AI代理长谈，形成计划，写入持久化的Markdown文档；然后让主导代理生成子代理去审查计划缺口，所有子代理向同一份共享文档写入反馈；用唤醒计时器避免空转；子代理完成后主导代理被叫醒做综合，最后进入执行。
▲ Aaron Francis展示的多代理协作界面：多个终端窗口 + 共享Markdown计划文档
前Meta L8高级工程师Kun的实践被总结成五条法则：把时间花在规划与验证而非写代码；计划质量决定代理自主工作的时长；并行跑代理但隔离工作区；让代理先审查代码计划写得越好，人类越不需要碰键盘
YC内部甚至出现了一个让人啼笑皆非的案例：一位非工程师的财务同事，用skill文件和cron定时任务，把大量表格工作自动化成了应用程序，摇身一变成了“代理管理者”。不会写代码，但会写检查清单和验收标准，这就够了。
当智力变得廉价，什么才是稀缺品？
Wang在对谈中抛出了一个更深层的判断：回顾十年，智力和能动性都会变得丰裕。届时稀缺的会是愿景与野心
他甚至直接批评了行业里最热门的口水战，“超级智能还要多久”“模型会不会撞墙”，某种程度上是在浪费时间。因为曲线已大体锁定，问题已经转向人们会拿丰裕的智力做什么。
评论区有人把这句话压缩成了一枚子弹：
▲ "knowing what to think about becomes the scarce skill"，知道该思考什么，变成了稀缺技能
这句话之所以击中人心，因为它同时在安慰和施压：安慰你不必比模型更会计算，施压你必须比模型更会选择算什么。代理群会拼命爬山，但山峰由人指定
Wang还给出了一个让人心跳加速的“波浪”框架：自动驾驶是第一波；大模型聊天机器人大了一个数量级；coding agents再大一个数量级；而agentic loops是下一波千倍级解锁。每一波大约比上一波大十倍如果这个判断哪怕部分正确，我们正站在一个远比“聊天机器人”更大的浪头前面。
朴素工具带来的不安
整件事最让人不安的地方在于它的反直觉性。
软件史上反复出现这个剧情：看起来更土的接口，反而成了协作标准。 邮件列表打败了精美的群组软件，纯文本配置打败了可视化编辑器，Makefile活了四十年，维基百科打败了专家编写的百科全书。Markdown和Cron能成为AI编排的底座，依靠的是简单、透明和人机都能读写。
于是，三件事被同时“外置”了，
知识外置：流程不再藏在某个高级工程师脑子里，而在可检查的文件中。时间外置：工作不必发生在有人盯着屏幕的那几小时。目标外置：metric成为系统的老板，摆脱某次会议上的模糊共识。
风险当然也外置了：指标错误会被百倍放大，skill写得含糊会让代理自信地做错事，定时任务权限过大可能造成批量误操作。 Wang自己说“代理协调是今天最有意思的问题之一”，这句话的潜台词是，协作失败的模式本身就是一个巨大的研究题目。
Meta内部案例的具体边界，是代码迁移、数据清洗，还是更宽的业务循环？失败如何熔断？人类审批卡在哪一层？公开对谈里没有展开Greg Coppola的六个字可能是目前最诚实的态度：“Big if true.”
但有一件事是确定的：当你下次打开一个Markdown文件写待办事项的时候，你也许正在碰触下一个时代的操作系统，只是它看起来，朴素得像一张白纸。
