用 Agent 干活，瓶颈在人身上

Claude 在我这儿干得很不错，这周的额度提前用完了。我决定给它涨薪：从 Pro 升到了 Max。

涨完薪，我舍不得浪费额度，想让它疯狂干活，就一口气开了三个 session（会话），让它同时做三件不同的事。

马上就发现不对了。它很快，没多久三个都做完了，等着我去看。每做完一个，我这里就多一件待办：它改了什么，对不对，下一步往哪走。三件事主题各不相同，我在三个 session 之间来回切，看完这个，又要看那个。

我的脑子一下就 hold 不住了。

AI 干活一点都不慢，慢的是我。

最慢的那一环

管理学里有一套方法叫约束理论（Theory of Constraints）。意思很简单：一条线能跑多快，不看平均，看最慢的那一环。

高德拉特在《目标》里举过一个例子：一队童子军去远足，孩子们平均走得差不多快，队伍却越拉越长，整队的速度最后由走得最慢的那个孩子决定。别人走得再快，也只能在前面等他。书里还有一句：一个人人都很忙的工厂，不是最有效率的工厂¹。

用 AI 干活也是这样。写代码、查资料、整理文档，AI 一样比一样快。整条线上最慢的那一环，越来越常落在人身上。

瓶颈是怎么挪到我这里的

翻不完的 trace log

在黑湖的时候，我做过一个交付助手。它每处理完一个用户的问题，都会留下一份 trace log，也就是 AI 处理这个问题时走过的每一步：调了哪些工具，中间拿到了什么，最后怎么回答。

后来有用户反馈，说有些地方效果不好：AI 做完的东西，他们还要再改一改。

我凭经验做了一些小优化。trace log 却没细看，在网页上点开几条，没看多久就累了。用户提的这些，后来就放着没管了。

古法编程和完全交给 AI 之间

今年一二月份做交付助手时，代码已经有不少是 AI 写的。但它写的我还是会看：打开 git diff，左边是改之前，右边是改之后，我左右来回对着看哪里变了。有些部分干脆自己手写，最核心的 Agent 逻辑就是我写的。

说到底，还是不太信任 AI，总觉得它写的可能不对，得看一遍。虽然看完一遍，我好像也没太看懂。

那时候已经不算古法编程，但也远没到完全交给 AI，算是走到了一半。

后来我去了一家初创公司，世界就完全变了：代码全交给 AI，我几乎没自己写过，想改什么就跟它说。

可我还是改不掉看 git diff 的习惯。同事们早就不怎么看了，只有我还守在那儿，左边看一眼，右边看一眼。AI 一会儿就写完，我要看很久。

这才发现，卡住的原来是我自己：是我非要去看 AI 怎么改的。

人的注意力很有限，我却把它花在了一行行对代码上。

注意力不够用

AI 每干完一件活，都要有人来看。看的时候，常在两个地方吃不消。

事一多就顾不过来

一个人一天能认真看的东西就那么多。AI 产生的 trace log 是这样，开头那三个 session 也是：一会儿就有三件待办等着我验收，验收完这个，又要验收那个。

同一件事上开三个 session，还能应付，脑子里装的是一件事。三件完全不同的事，就跑不过来了。

心理学家 Nelson Cowan 的研究说，人脑子里同一时刻能拿着的东西，大概只有四个左右²；在几件事之间来回切，本身也很耗神³。

慢慢调要有耐心

AI 前期很快，几下就有了样子。到了微调，又得慢下来：一处处看，一处处改，静下心来一点点收敛。这时候要的是耐心，能一直盯着它，陪它一轮轮改下去。

所以我现在觉得，在 Agent 的时代，注意力最宝贵。问题变成了：哪些事自己盯着，哪些事交给 AI 去盯。AI 是一种智能，它也有自己的注意力。人的注意力只放在少数几件事上，其他的交给 AI。

让 AI 替人盯着

翻日志交给 AI

后来我才知道，翻不完的 trace log，是现在做 Agent 的人都碰到的问题。LangChain 的联合创始人 Harrison Chase 今年初写过：Agent 上线以后，一天会产生几千条 trace，他接触过的团队里，有的一天要记十万条以上，靠人一条条看根本行不通⁴。

一天几千条，谁看得过来？

现在的做法，大体是把翻日志交给 AI：

• AI 先给每条 trace 打上标签、打个分：用户拿它做什么，这次做成了没有，用户满不满意。
• 再把相似的 trace 自动聚成几类，看哪一类问题最多，哪一类最近突然变多。
• 人只看归好的几类，点进去抽几条，决定先改哪里；确认过的失败，留下来当以后的测试用例。

这有点像车间里的 AI 质检：每一件产品都让 AI 检，有问题的按严重程度一层层往上报。人在最上面，只处理最严重、最要紧的那几件。翻日志也一样。

前几天我在 DevFest 上海听了一场分享，讲的也是这样的闭环。幻灯片上有一句写得很直白：“无需人工翻阅海量日志”⁵。

我感觉以后人读 trace log 会越来越少：最开始自己读一些，定下什么算做对；等流程稳定了，就都交给 AI。

代码不再逐行看

写代码这边，我先跟 AI 聊清楚方案，再让它写。给 AI 看的说明文件（AGENTS.md）里也写好了：每做完一个需求，自己写单元测试（unit test），自己打开浏览器走一遍，发现问题自己改。

这样出错更少，留给我的问题也最少。我再按功能验收，不用一行行读代码。具体怎么做，我在《我不再逐行看 AI 写的代码了》里写了。

别来回切换

session 可以开，难的是验收。开了三个，也最好一个个处理：盯完一个，再看下一个；耗时长的，先让它跑着。最怕这里点一下、那里点一下，马上就晕。

AI 自己不晕，晕的是我们。

开几个合适，开了好不好验收，我也还在摸索。

先交给 AI 试试

遇到觉得费时间的事，我会先交给 AI 试试，看它要多久。结果常常出乎意料。

今天给博客做作品集就是这样。照以前的想法，得先把做过的项目、参加过的活动全翻一遍，再一个个写说明，少说也要一周，想想就要了老命。

AI 几分钟到半个小时就整理完了，我只在语言上改一改。前后一两个小时，作品集就上线了。

更让我意外的是另一件事。当微软学生大使时，账号关闭前我备份了一份 Outlook 邮箱，想着哪天也许用得上，之后再没打开过，连自己都忘了。AI 在我的硬盘里自己翻到了它，解压开，顺着里面的邮件，把我当年办过的活动一件件找了出来，连当时和组员、朋友在 Teams 上的聊天都翻到了。

所以有什么问题，不妨直接抛给 AI，看它能不能做。

回到 Agent 产品

回到开头。给 Claude 涨了薪，它能干的活越来越多，也越来越快。真正不够用的，是我自己的注意力。

放到做 Agent 产品上，我觉得要做好两件事。

一是记忆：懂这个行业有多深，记不记得这家客户自己的情况和习惯。懂得越多，人要交代的就越少。

二是替人省注意力：Agent 要是真来干活的，就该把事情处理掉，而不是让人一直盯着它。最近几家新出的产品，都在往这个方向走：

• DeepSeek 11 月初开源了一个 Super Agent 原型，说明里写的目标就是尽量少占用人的注意力，多给人一些价值⁶。介绍它的文章还提到，DeepSeek 的研究认为，一个工程师同时能管好的 Agent session，最多三到五个⁷。
• xAI 的 Grok Bot 可以设一个“CEO”Bot，人只跟它说话，由它给别的 Bot 派活⁸。
• Meta 的 Muse 关掉 app 也在后台跑，有了新结果，它自己判断值不值得通知你⁹。

要人一直盯着，注意力就一点也没省下来。