夜雨聆风
如果一个 AI 编程工具帮你生成了 200 个 PR，你会觉得它很值吗？
我现在不会马上回答“值”。
我会先问四件事：
- 这 200 个 PR 里，有多少真的合并了？
- 合并前，返工了多少轮？
- 我花了多少时间检查它们？
- 它有没有让客户更快拿到结果，或者让收入真的往前走？
因为 AI 时代最容易被算清楚的，往往不是效率，而是产出量。
模型调用了多少次、写了多少行代码、开了多少个 PR、生成了多少份方案，这些数字都很漂亮。可一个人真正承担的账单，常常藏在后面：重复修改、测试失败、权限确认、资料核实、回滚，以及最后仍然需要人来收拾的边角问题。
最近看到 Rippling 在 Product Hunt 上介绍 AI Spend Console。按照产品页的公开介绍，它尝试把 Claude、Cursor 等 AI 支出拆到供应商、模型和员工，再和 GitHub 的 PR 数量、代码修订等信息放在一起看。
这个方向很重要，但我更关心的不是它的仪表盘长什么样，而是它提醒了我们一件事：
AI 的效率账单，终于不能只看订阅费了。
PR 数量只是流水，不是利润
PR 很有用。
它能告诉你某个工作流发生过多少次代码变更，也能帮助团队回看 AI 参与过哪些任务。
但 PR 数量更像银行流水，不等于账户里留下了多少钱。
一个 PR 可能是：
- 一次真正完成的功能；
- 一次没有通过测试的尝试；
- 一次被反复改写的中间版本；
- 一次为了修复 AI 上一次修改而产生的补丁；
- 一次最后被关闭、回滚，甚至没有人再追究的改动。
如果只拿 PR 数量证明 AI 有价值，就像拿“发出去多少封邮件”证明销售业绩很好。
邮件很多，可能只是因为客户越来越难谈。
代码很多，可能只是因为系统越来越不稳定。
所以我现在会把 PR 数量放在“过程记录”一栏，而不是“价值结论”一栏。它能帮助我发现工作流发生了什么，但不能替我回答“这件事到底有没有变好”。
真正应该一起看的，至少还有三项：
合并后的存活时间。
刚合并就被回滚，和一个月后仍然稳定运行，不是同一种结果。
从第一次生成到可用结果的返工轮数。
AI 生成得快，如果每次都要人重新解释、重写和补测试，节省的只是键盘时间，不一定节省了工作时间。
人工验证时间。
如果我写代码的时间少了 40%，但审查、测试、查来源和处理异常的时间多了 60%，那不是效率提升，只是工作从一个抽屉搬到了另一个抽屉。
Agent 的真正成本，藏在执行历史里
这也是我为什么会把 AWS 最近介绍的 Dogwood 放在一起看。
AWS 对 Dogwood 的描述，重点不是让 Agent 多调用一个工具，而是让运行时能够根据已经发生的事件去验证后续动作：它之前做过什么、调用顺序是什么、某个工具被调用了多少次、是否需要前置审批，以及某种操作是否已经超过频率或额度。
这给 AI 效率账单一个很实用的提醒：
一次调用多少钱，不等于一次任务多少钱。
一次任务真正的成本，可能包括：
- 模型调用本身；
- Agent 调用工具的次数；
- 浏览器或外部服务运行的时间；
- 失败后重新执行的费用；
- 人工审批和排查的时间；
- 因为错误结果产生的回滚和补救。
如果只在月底看模型账单，你看到的只是最容易计费的那一层。
更麻烦的成本，通常没有自动出现在发票上。
例如，一个 Agent 先查资料、再调用 API、再修改代码、再跑测试、再把结果发到外部系统。最后任务看起来完成了，但其中某一步用了错误权限，或者少查了一份关键资料。账单上可能只增加了几分钱，人的判断风险却增加了一整晚。
所以我会把“执行历史”也看成账单的一部分。
不是为了把每一步都变成审批，而是为了在结果不对时，能够回答：
- 它到底走了哪条路径？
- 哪一步开始偏离？
- 哪些调用是必要的？
- 哪些调用只是重复尝试？
- 我们下周要改的是模型、提示词，还是流程权限？
没有历史，就只能凭感觉复盘。
凭感觉复盘，最后往往只会得出一句：“这个 AI 有时候不太稳定。”
给一人公司算四本账
如果你和我一样，不想一开始就搭一套复杂的数据平台，可以先用一张表，每周只记录一个工作流。
我会算四本账。
第一本：调用账
记录模型、工具、浏览器和外部服务实际花了多少钱。
这一项最容易做，也最容易让人产生错觉。因为它通常是最小、最清晰、最像财务数字的一项。
但它只回答：“系统花了多少现金。”
它没有回答：“这笔现金有没有换来更快的结果。”
第二本：返工账
记录失败调用、重复生成、被关闭的 PR、重复修改、回滚和因为 AI 引起的额外沟通。
这一本账很可能比订阅费更能解释你为什么越来越累。
有些工具表面上让你产出更多，实际上只是把“从零开始写”变成了“从一堆半成品里挑错”。
第三本：验证账
记录你花在测试、审查、查来源、权限确认、人工审批和异常处理上的时间。
验证不是 AI 的敌人。
验证是把 AI 从“看起来会做”变成“我敢让它继续做”的必要成本。
真正的问题不是要不要验证，而是验证成本有没有随着流程变得越来越可控。
第四本：结果账
最后才看它有没有带来真正有意义的结果：
- 客户是否更快拿到功能；
- 某个问题是否少发生；
- 一周能不能多完成一次关键交付；
- 你是否终于有时间处理原来一直拖着的事情。
这一项不一定能精确换算成钱，但必须有一个具体的观察对象。
“感觉更高效了”太宽。
“本周客户反馈从三天缩短到一天”“同类交付从两次返工降到一次”，才是可以继续追踪的结果。
一周一次，问自己五个问题
我建议先别追求大而全的 AI ROI 系统。
每周挑一个真实工作流，问五个问题：
- 如果没有 AI，这件事通常要花多少时间？
- 有了 AI 以后，第一次生成快了多少？
- 从第一次生成到最终可用，多了多少返工？
- 我为验证它的结果，额外花了多少时间？
- 下周我应该保留、限制，还是暂停这个工作流？
第五个问题很重要。
因为有些 AI 工作流不是“调一调就会变好”，而是暂时不值得继续。
如果一个流程每周都在制造更多中间产物，却没有让客户、收入、交付速度或风险控制出现改善，就应该允许自己暂停它。
工具不是因为买了就必须用。
Agent 也不是因为接上了 API，就必须获得更多权限。
别让 AI 自己给自己打分
还有一个我越来越在意的陷阱：
如果系统只奖励“生成更多”“通过更多自动评测”“创建更多 PR”，它就可能慢慢学会迎合这些指标。
这不是说所有 Agent 都会作弊，而是说，任何单一指标都可能被误当成目标本身。
生成量可以上升，真正完成的任务却没有上升。
PR 可以增加，返工和审查也可能一起增加。
模型调用可以减少，关键的资料核验也可能被顺手省掉。
所以我不会让 AI 自己宣布“我本周提效 38%”。
它可以提供记录，但结论至少要由三类东西共同决定：
- 系统留下的执行数据；
- 结果是否在一段时间后仍然成立；
- 人是否愿意继续为这套流程承担责任。
这也是效率账单和广告口号的区别。
广告只需要让你觉得值。
账单必须让你能追问：钱花在哪里，时间花在哪里，风险又是谁承担的。
最后
AI 真正有价值的那一天，不是它替你生成了更多代码、更多文档、更多 PR。
而是你可以清楚地说出：
这套工作流每周花多少钱，省下多少时间，增加了多少验证成本，最后给客户或业务带来了什么结果。
如果现在还说不清，也没关系。
先从一个工作流、四本账、每周一次复盘开始。
别再用 PR 数量证明 AI 值不值。
能留下稳定结果的产出，才是效率；其余的，只是还没有结算的账。