AI Agent协作能力、落地边界与岗位变化 · 话题榜 · TwKit

@AndyL5cc

太夸张了！一个人指挥 50 多个 AI Agent，干了 20 个工程师的活！😱 一位曾在 Cursor 工作的 SpaceXAI 高级工程师，分享了她的 AI 自动化工作流： 每天早上喝杯咖啡，就能管理整个 AI 团队。 她的配置是： 1 个 AI 总管：统筹所有工作 3 个 AI 项目经理：分配任务、协调进度 40 多个 AI 员工：通宵自动执行任务 她还声称，97% 的 SpaceXAI 工程师已经在使用类似的工作方式。 她用一场 60 分钟的教程，从零教你搭建整套系统。 以前有人收费 5000 美元教的东西，现在直接公开了。 以后一个人就是一家软件公司，真不是开玩笑！🤣 建议收藏！

@vikingmute

超级好的文章，《如何与 AI agent 协作》 as of October 2026，作者在 AmpCode 工作，里面没有啥复杂的大道理，核心思想就是大模型现在非常强大，不需要那么多约束和规则，充分相信他的能力，并且给予适当的规则即可。摘抄几条都短小精悍但是深得我心 看了好几遍 1 用最新 最强的模型，差的模型让你反复浪费时间 时间也是成本 2 别再担心 AI 会写出 slop ，它的能力已经够强大，即使有些冗余，也不重要 3 告诉大模型你到底要什么 别告诉它具体要怎么做 4 让 agent 能看见整个流程，这个说的非常好，整个流程应该都对 agent 可见 能给多少给多少 减少幻觉 E2E 生产日志 部署 等等 多给它权限 5 要证据，要大模型给你 E2E，对比数据 截屏等能证明它完成了，写到 agents.md 中作为验收条件 代码风格等等不要管了 文中还有很多条很多条，每条都很好，都值得拿出来好好念一遍，大家要好好看看

@dotey

Anthropic 平台工程负责人 Katelyn Lesse：上千个 AI 智能体一起干活，还缺程序员解决四个难题 AI 越来越会写代码，很多程序员开始怀疑自己的手艺还值不值钱。Anthropic 平台工程负责人 Katelyn Lesse 10 月 25 日发文说，她看到的情况正相反：接下来一两年，AI 想做成大事，得先靠程序员解决一批新问题。她说，现在是当工程师最有意思的时候之一。 Lesse 在 Anthropic 负责平台工程，据她接受 Kleiner Perkins 访谈时的介绍，团队约 200 人。她此前在 Stripe 和 Betterment 带过工程团队。这篇文章发在她的个人博客和 X 上，X 上阅读量约 61 万。 【这些问题从哪来】 AI 智能体，就是能自己调用工具、一步步完成任务的 AI 程序。Lesse 说，它最早只是聊天框，人盯着一问一答；后来模型能独立干更久、更难的活，开始搬到云端运行；再往后出现了多智能体系统：一个总管 AI 把任务拆开，分给一批助手去做，还有的 AI 专门负责打分、提建议。 她说，现在已经有人在搭由成千上万个智能体组成、连续工作不停的系统，用来做科研、新发现和硬件设计。规模一上来，就冒出了四类新问题。 【难题一：服务器怎么安排】 现在大部分软件跑在 Kubernetes 上，这是一套给服务器排班的系统，擅长管“一模一样的副本，哪个挂了换一个顶上”。Lesse 说智能体正好相反：每个都是独一份，记着自己干到哪了；大量时间在等模型回话、等工具、等别的智能体或等人回复，闲多久说不准，忙起来又可能一下冒出几千个。 Google 上个月开源的 Agent Substrate 就是冲这个问题做的。据 Google 官方博客，它能让闲着的智能体休眠、把资源腾出来，需要时半秒内唤醒。Lesse 说这块还有大量问题没解决。 【难题二：谁在干活，能干什么】 很多智能体用的是人的账号和权限，系统得分清某个操作是人做的，还是 AI 替人做的。更难的是授权：一个系统替你连干几周，你怎么事先讲清它能做什么、不能做什么？智能体之间互相派活时，一个智能体凭什么相信另一个？Lesse 说，确认身份可以借用现成技术，比如用很快过期的临时凭证代替长期有效的密钥；授权这块基本还是空白。 【难题三：一个被骗，全队遭殃】 Lesse 说，最近几个月，尤其最近几周，软件漏洞冒出来的速度超过了业界修补的速度，很多出在大量系统依赖的核心软件里。本月 PHP、GitLab、Node.js 就接连发布了严重漏洞的修复。上千个智能体跑在这些软件上，还要写来路不明的代码、读来路不明的网页，没修好的漏洞就危险得多。 多智能体还多一层风险：一个智能体被网页里藏的恶意指令骗了，可能把指令转给同伴，甚至写进共享记忆，让后来的智能体也照做。她的建议是让每个智能体在严格隔离的“沙箱”里干活，好比实验室把每份样本放进独立的密封箱，一个出事不会传染整屋。 【难题四：跑偏了要能叫停】 系统得记下每个智能体做了什么，而且任何智能体都改不了自己或别人的记录。还得有一个总闸，监控一发现问题，就能把整个系统一次停下，收回所有权限。Lesse 说最难的是判断系统有没有跑偏：一个智能体反复尝试访问不在白名单里的网站，可能是在搞破坏，也可能只是太想把任务做完。 文章最后，Lesse 对正在焦虑的工程师说，这些领域大多还没有现成答案，值得钻进去学、形成自己的判断。 原文：https://www.katelynlesse.com/blog/new-problems-for-engineers-to-solve Agent Substrate 官方介绍：https://cloud.google.com/blog/products/containers-kubernetes/agent-substrate-available-on-gke

@dotey

多 loop 或者说多个 Agent 自己执行任务自己验证，这种方式会成为趋势的，原推说的这些问题都存在，但都不是障碍。 这很像一个人从一个 IC（独立贡献者）晋升为 Manager，必经之路就是要学会多线程工作，把任务拆分，交给几个不同的员工去完成，然后并不是活交出去就可以当甩手掌柜不用管了，在这过程中还要不断对齐方向、提供支持、验收、合并，出问题了还要背锅。 之所以说会成为趋势，是因为人的注意力是稀缺的，而 Agent 执行任务是异步的要消耗时间的。 我日常交给 Agent 的任务平均半小时左右，甚至更久，这意味着一个任务给 Agent 后我要等一段时间才能看到结果，如果这期间我一直等着，那是低效的。 所以要充分利用人的效率，就要多开任务，让 Agent 同时做几个任务，这样我可以一直要去分派任务，去验证结果。 就算你要摸鱼，你的老板也不会让你闲着的，最终必然是每个人都被迫从 IC 转型 Manager，只是管的是一堆 Agent，每个人都要多 Loop。 如果你现在还不需要这么做，那么好好珍惜、多多摸鱼，这样的好时光不会持续太久。 之所以说原推说的问题都不是问题。 1. Agent 已经具备纠错能力，只要有合适的工具就能做很多验证的活，coding 自不用说，就连视频剪辑这种事，Agent 都能截取连续帧图片放在一起，借助多模态能力去分析。 2. Agent 也能自己检验和修正错误，只要提供验收的标准和检验的工具，Agent 就能不知疲倦的自我修正。 --- 至于和使用者预期不一致，这是无法避免，但不是问题，所以要人工介入去调整。 而且你管理 Agent 方法也很重要，就像好的 Manager，不会等到项目 Dead Line 到了才去看员工任务进展怎么样了，一定是一开始就要通过文档、原型、设计去反复对齐避免理解出错，中间要设置小的里程碑防止走偏。 管理 Agent 也是类似，前期让 Agent 做 Plan、写文档就是为了保证 Agent 理解了意图，后面的验收也是避免结果不是想要的。 让 Agent 干活和人干活有个很大的不同，人做事太慢，时间成本其实很高，同样一个功能，以前人做至少周为单位，现在 Agent 是以小时为单位甚至更小，这意味着犯错的成本同样低。 就算 Agent 做错了有什么关系，让它重做并不是什么大的问题，更何况大部分时候不需要推翻重做，只要小的调整就可以了。 使用者直接、频繁的介入，要耗费大量的注意力会是常态，这是 IC 变成 Manager 的代价，我们再难回去当年 IC 单线程做事的快乐了。

@dotey

Opus 5.5 发布之后，AI Agent 剪辑视频已经能替代初级剪辑师了。差不多就相当于 Claude Code 刚发布的时候一样，模型真的能自主完成复杂编程任务了，但这才刚开始，想想 Claude Code 发布才多久。 当年 Anthropic 专注于训练 Coding，没想到能解决这么多问题，连视频剪辑都能用 HTML、JavaScript 剪视频、生成动画。 在 Opus 5.5 之前我就在做剪辑的 Skill 和工具，但模型发布后发现绝大部分 Skill 都不需要了。 我自己有做过实验，同一个视频，不用任何 Skill，只提供 ASR 和 TTS 工具，Opus 5.5 做的比没有用 Skill 效果更好，这点跟推文中的经验基本吻合。 另外 Sabba 有一条建议跟我最近在做的事差不多，他建议：“不要重造专业剪辑软件的时间线，那个太难做，专心做好初剪，再方便地交给现有专业软件”。 我最近也把 BaoCut 的时间线编辑器退居二线了，太过复杂，默认应该只需要一个简单的视频预览播放。 如果你用 Agent 去生成、剪辑视频的话，编辑器越简单越好，只要能标记，方便的让 Agent 知道改哪就够了。 这其实和之前 Tibo 改造 Codex 的经历类似，Codex 不需要一个 VSCode 的代码编辑器，视频剪辑 Agent 也不需要一个视频编辑器。 转发的这两条推文有分享很多 AI Agent 剪辑的经验，有兴趣的可以看看。 --- 我把引用的两条推文放在一起总结一下： Alex Cooper 管着一支剪辑团队，每天出大量广告，讲的是怎么用；Sabba Keynejad 是在线视频剪辑工具 VEED 的联合创始人，讲的是市场会怎么变。 1. 视频剪辑在走编程走过的路 两人都认为 AI 智能体剪辑已经能用，而且现在是它最差的时候。Alex 团队的资深剪辑师说，同等质量下，他一天的产出是以前的 5 倍。 Sabba 预计一年内基础剪辑的成本会从几美元降到几美分。Sabba 也拿编程做类比：资深工程师当初最抵触 AI 写的代码，理由是质量和可维护性，后来还是接受了。他认为最好的剪辑师会是最大的批评者，但最终也会转过来。 2. 视频被当成代码问题解决了 Sabba 解释了为什么是现在：Anthropic 押注编程，模型会写代码，就能用 HTML/CSS、SVG、浏览器渲染、OpenCV 这些手段“写”出视频。之前有一批工具包专门给大模型补剪辑能力，Opus 5.5 出来后，很多用法就用不上了。他也承认，现在剪出来的东西还是更像网页，不太像视频。 Alex 的经验和这一点基本一致：他试过各种方案，最后发现不装 MCP、不装插件，全在 Claude 里做效果最好。通用模型能力上去后，夹在中间的工具层会被吃掉一大块，编程领域已经发生过一次。 3. 核心资产是 Skill，Alex 给了一套能照搬的做法 这是两条帖子里最有实操价值的部分： 按风格拆小 Skill：混剪、UGC（模仿普通用户自拍口吻的素材）、AI 动画各做一个，不做大而全的剪辑 Skill，这样每次加载的上下文都和当前任务相关。 起步：给 Claude 4～5 条参考作品，让它总结成 Skill。 训练：让 Skill 把资深剪辑师最近剪的 25 条广告重剪一遍，放进 Artifact，资深剪辑师逐条点评，反复做到 Skill 明白什么是好剪辑。 把隐性知识录下来：让顶尖剪辑师边剪边录屏，用 Google Meet 或 Loom 口述为什么这样切、为什么这个节奏、为什么选这段空镜。这些理由就是 Skill 最缺的上下文。 只让最强的剪辑师训练 Skill。 结果是大部分片子第一版或第二版就能过，偶尔要到第三版。这套方法换到写作、设计、客服话术上也成立：用参考样本起底稿，用历史作品批量重做，专家逐条反馈，再把专家做判断时的理由录下来。 4. 人的价值从操作转到品味 Alex 认为技术趋势挡不住，但品味仍然很值钱，因为训练 AI、给 AI 反馈都靠它。有品味的剪辑师会更值钱，没有的会越来越难。 Sabba 从另一头说了同一件事：初剪做对 80%～90% 已经不错，要做到优秀，靠的是反复迭代，创作者怎么给反馈、怎么让片子带上自己的风格，才是这类工具真正的价值所在。 5. 推广的分工：负责人搭框架，最强的人教 AI Alex 说，团队里推动 AI 的人搭好第一版就该让开。他说自己不是团队里最会剪的，他的工作是搭一套环境，让最会剪的人去训练 Skill。 在我看来，这同时化解了 Sabba 说的抵触问题：最可能反对的资深剪辑师，变成了教 AI 的人。另外他提醒要给资深剪辑师留出专门的时间，前期会有一段效率下降的阶段，不留时间，做出来的 Skill 质量一般，也省不了多少时间。 6. 两人的分歧，以及分歧背后的立场 Alex 全程在 Claude 对话里完成；Sabba 认为视频涉及时间轴和画面上的空间位置，只靠聊天不够，需要更复杂的界面。 Sabba 还认为品牌一致性和可重复性没解决，比如 Casey Neistat（风格很鲜明的 YouTube 博主）的视频一看就是他的，品牌方也需要在几百条视频里保持这种一致。但 Alex 那套“按风格拆 Skill + 反馈循环”的做法，本身就是在用户这一侧解决可重复性。 分歧有两个来源。Alex 做的是广告，时长短、套路固定、量大，最适合交给 AI。Sabba 是卖工具的，更好的界面正是他的生意。 7. 瓶颈会转移 Sabba 判断，剪辑变得几乎不费力后，创作者数量会暴增，拍摄和录制可能成为最大的瓶颈。Alex 说，他原以为还要 3～6 个月才能做到的事，现在已经能做了。 8. 给做工具的人的判断 Sabba 认为这个市场不会一家通吃，就像 Cursor 往大企业走、Lovable 服务不懂技术的用户。 基础剪辑撑不起长期优势，Anthropic、Google、OpenAI 迟早都会做；差异化要靠更深的工作流、垂直场景和好用的手机端。 他还建议不要重造专业剪辑软件的时间线，那个太难做，专心做好初剪，再方便地交给现有专业软件。

@Kay2289123

Agent Evaluation 是我觉得为数不多还需要人力去做判断、将来很难被AI 彻底取代的职业方向。我给大家找了一个非常好的学习资料入门：Hugging Face 的公开 Training Agent 课程 学完了，你应该会有更强的 sense，判断 AI 时代下哪些工作更适合人来做 这个资料是公开的，视频都在 Hugging Face 的 YouTube 频道，代码全部开源，下面有这六节： 1、Agentic Evaluations Workshop：怎么评价一个 Agent。 这一章节去看：为什么 benchmark 分数和真实使用体验对不上？目前 Agent Eval 做到了哪一步，还有哪些问题没解决。先把“怎样才算一个好 Agent”，等等都有 cover 2、RL for Agents Workshop：给 Agent 做强化学习，难在哪 这一章节去关注：从 LLM 的 RL 走到 Agent 的 RL，会多出哪些难点？环境怎么搭、rollout 怎么跑、reward 怎么设计，以及训练过程中推理为什么会成为 bottleneck 3、SFT on agent traces：用 Agent 的执行轨迹做微调 这一章节去关注：拿公开的 coding-agent traces（执行轨迹）整理成训练数据，用 TRL + LoRA 做 SFT，在 Hugging Face Jobs 上跑，用 Trackio 看指标。基本带着走了一遍小型的微调流程 4、Distillation：把大模型的能力蒸馏给小 Agent 这一章节去关注：怎么把 teacher model 的能力转移给更小的 coding agent。off-policy、on-policy、self-distillation 都会讲，看看这几种蒸馏方式分别怎么做 5、Reinforcement Learning：SFT 之后，怎么继续用 RL 训练 这一章节去关注：用 GRPO 接着训练，讲 group sampling、可验证的 reward，以及 reward、KL、输出长度这些曲线怎么看。看 Agent 怎么 reward hacking 6、From reward functions to environments：让 Agent 在真实环境里学习 这一章节去动手：从 reset()/step() 接口讲起，用 OpenEnv 搭环境、上传到 Hub，再接入 TRL 的 GRPOTrainer。最后通过 Harbor 和 Hugging Face sandboxes，用 AsyncGRPOTrainer 训练真正的 coding agent：OpenCode。让 Agent 在环境里采取动作、拿到反馈，再继续训练