周日早上 11 点多，我睡醒了，摸到电脑第一件事，是翻我那排 Agent 的时间线。
我现在日常同时跑着 11 个 Agent 窗口，一个 tmux 会话就是一个班。时间线上，大部分窗口安安静静，停在我昨晚离开时的样子——这完全符合我的预期：我事先没给它们安排调度任务，自动调度的功能也被我自己关着。我不在，它们就停着，很正常。
但有一个例外。
负责硬盘审计的那个窗口（给一块 exFAT 硬盘重格式化的那种脏活），时间线上显示它在早晨 7 点和 10 点多分别有两次活动——我睡觉的这段时间里，它一直在跑批，还在自己汇报状态。
说实话，看到那两条记录的时候，我挺惊喜的。整个屋子里只有我一个人在睡觉，而有个东西在替我干活，干完了还知道留个记录等我验收。
当天下午，我把订阅改成了包年 #
这个惊喜直接促成了一件事：当天下午到晚上，我把 Kimi 的订阅改成了包年套餐。
不是因为它有性价比——说实话性价比并不算高。我续它的原因是：它干活快，支持多 Agent 协同，我现在这十几个窗口的「Agent 集群」打法就靠它撑着；再加上在国内用着网络方便，而且模型本身是多模态的，丢个图片、丢个视频过去它都能看懂，干活顺手。
性价比不高也没事。贝尔实验室当年养着一大批看起来「冗余」的研究，晶体管和信息论就是从冗余里长出来的。算力的冗余也一样：是必要的，而且是足够的。闲着不烧的额度确实是浪费，但一个没有冗余的系统，也永远不会有惊喜。
一个暴论 #
顺着这件事，我琢磨出一个判断，可能有点暴论：
一个人使用 AI 的能力强不强，不在于他单一提示词写得有多好，而在于两点：他对整个控制论系统的驾驭好不好；他对所做任务的行业 know-how 深不深。
提示词不是没用。只是单一提示词的主战场，已经迁移到了模型训练和数据处理这些环节；在多轮交互、N 多工具调用的 Agent 环境里，它的相对价值确实没有原来那么高了——现在真正起作用的，更多是系统提示词。当然，提示作用依然很大：好的提示能提高 Agent 神经网络激活参数的能效，提示得好，同一个模型就是更「有智能」。
但驾驭一个 Agent 班组，靠的不是一句话，是系统。
而判断这套系统驭得好不好，我有一个非常粗暴的判据：
这个人睡觉的时候，他的 Agent 还在帮他干活吗？
诊断：token 烧不出去的三个真因 #
为什么说这个判据粗暴但准？拿我自己开刀。那天我仔细看了一遍这 11 个窗口：
- 5 个窗口停着，全部在等我拍板——「域名保留还是放掉？」「修复推不推送？」
- 1 个窗口干完了活，挂在那儿「待分配」。
- 1 个窗口是空的，连 Agent 都没起。
- 真正在干活的，一只手数得过来。
我订的套餐额度结构是 5 小时滚动窗口 + 7 天周配额 + 月度总量， Codex 那边也类似。额度明明够、Agent 明明多，token 就是烧不出去。诊断下来是三个真因，没有一个是「模型不够强」：
真因一：瓶颈是人的注意力，不是 token 供给。 11 个窗口里 5 个在等我决策。Agent 空转是不烧 token 的——它推理完、输出完，就停在那儿等我读。决策堆积才是利用率杀手。表面上有 11 个 Agent，真正的并发数是 1：我的眼睛一次只能看一个窗口。
真因二：没有 backlog 机制。 Agent 干完就停，空出来的算力没有任务自动接上。这个机制补起来不难，我已经在接了：飞书的加急消息可以直接给我打电话——Agent 干完了、卡住了，不必等我想起它。
真因三：没有编排入口。 「现在有哪些任务、该派给谁」这件事没有统一视图，三个客户端各管各的。这个我正在解决，但要说清楚：自动查看任务队列去干活的功能，是我有意暂停的。现在全部手动派单——因为整个系统还在迭代，我要先看清它是怎么跑的，再谈放手。
另外还有个小而实的痛点：额度是够的，但我经常不知道具体剩多少，总得专门跑去 Kimi 官网看。后来我把自带的 /usage 接进了调度盘，预估还剩多少 token、消耗节奏怎样、缓存怎么运作，全部自动可见，排计划一下子清楚了。
说人话：什么是「我不在，系统也能转」 #
我之前管这个瓶颈叫「注意力的时空可达性」——按费曼的标准，这词太装了，得说人话。拆开其实就是两件事，跟带一个新员工一模一样：
第一，基础建设。 一个新员工入职，你得先给他工位、电脑和 OKR：他干活需要用哪些 App？怎么汇报工作？绩效怎么评？这些东西配齐了，你才能判断这个员工到底靠不靠谱。Agent 也一样：它有哪些权限？该配的 API 配好了吗？我不在的时候，它能不能自己调用干活需要的一切、自己汇报状态，而不是一步一卡地等我授权。
第二，任务安排。 有的员工就是能让人放心：优先级排得清楚，事事有落点，事事有反馈。Agent 也需要这个——我不在的时候，任务安排得合理吗？约束写得清楚吗？这就是驾驭工程里的那个「hand」：你不握着方向盘的时候，车得知道自己往哪开。
睡觉，就是这两个条件的终极考场：你这个人彻底离线，系统还能转，才说明它真的不依赖你在场。那个硬盘审计的窗口能通过这场考试，靠的不是它聪明，是我睡前把权限、任务和约束都给它铺好了。
最后：我不想把结尾落在「卷」上 #
诊断到最后，结论指向我自己：我是整个系统的单点瓶颈。这一点我认。
但写到这儿，我不想用「今晚你睡觉之后，你的 Agent 还在干活吗」来收尾——虽然这句话我前面刚夸完。因为我其实在想另一个问题：
人真的需要工作吗？
我觉得人需要的不是工作，是劳动。如果比拼「工作」和「产出」，人永远比不过 AI，这条路没有悬念。但意义感这件事， AI 给不了——意义感是自己造的，各种体验也是自己的。哪怕 AI 再强，它替不了你活。
所以在人和 AI 的关系里，我站在「人需要劳动」这一边：让 Agent 去烧 token、去过夜跑批，让人去做只有自己能做的那份劳动。
眼下这些变化，先砸到的是 AI 领域里和程序员最近的这群人；但工作台产品已经在向各行业蔓延——腾讯的 WorkBuddy 就是一个信号（之前写「把龙虾接入微信」时提过它）。到那时候，比「人要比 AI 强」更重要的问题可能是：当干活这件事被接管之后，人拿自己的时间去干什么。
这个问题我没有标准答案。我先把系统搭好，让它在我睡觉时继续干活——省下来的时间怎么用，是下一篇的事。