推文

@fireandstart · 2026-10-11 04:54

这组数字很抓眼球：5 天、800 次提交、约 1.5 万美元 token。但我更想知道的是，这 800 次提交里有多少形成了用户可见的有效进展，最终产品经过哪些验收，以及中途返工和人工介入的成本；否则提交数和花费只能说明系统很忙，不能单独证明交付质量。分层编排的价值在于把不同成本的模型放进合适环节：强模型负责拆目标、协调依赖，并在困难决策处升级；轻量模型处理边界明确、容易检查的实现。真正决定它能否连续自主运行的，可能是任务切分和反馈闭环——每个 worker 返回可核验的 diff、检查结果、耗时和未解决项，协调器据此继续、重派或停止，而不是只靠更多轮模型调用。若把 token、提交、返工、通过的验收项和人工介入次数放在同一张账上，再给出可复现的 harness 与失败案例，团队才容易看清哪些步骤值得自动化、成本花在哪里、什么环节仍需人做最终把关。连续运行数天很有吸引力，但可观测性、权限边界和明确停止条件也得一起设计，才能把“自主”变成可托付的工程流程。

曝光 35 · 评论 0 · 点赞 0 · 书签 0 · 曝光/时 16.979828230551075