大家好，我是 Jason。
这几天 X 平台传开一张截图。
SpaceXAI 工程师 Lauren Tan（@poteto）的公开 Cursor 页面显示，过去三十天消耗了 1.5 万亿（1.5T）Tokens。
评论区有人按公网标价推算出一千一百万美元账单。
另一个数字摆在面前：单月往生产环境合入 2462 个 PR。
围观者猜测她开着几百个对话窗口，给模型敲入长篇提示词。
事实走向另一条路。
我经历过这个阶段。
白天我在企业做架构，跟客户推进 AI 落地。晚上回到书桌，写独立产品 Zaokit 的代码。
今年上半年，我尝试让云端 Agent 接管长任务。
两周时间里，我把自己卡在了一个尴尬位置：肉身中继（Meat Proxy）。
模型改完代码，我打开浏览器刷新页面。控制台报错，我按 F12 复制红字堆栈，贴回输入框，等待回答。它重新输出，我再去点界面测试。
两三个小时过去，眼睛酸胀，核心功能停在原地，时间全花在当传话筒上。
人坐在屏幕前充当测试员，开十个 Agent 也只能堆积十倍疲惫。
踢开肉身中继，把验证交还给机器
Tan 在构建 Grok Bot 时，最先编写的工具是验证程序，不是业务代码。
她用 Playwright 配合 Chrome DevTools 组装出命令行测试工具。
我对这个做法深有体会。我在实际开发中也是这么做的：写一个独立命令行工具包住无头浏览器，把登录、点按与状态断言全交给脚本。工具直接抓取控制台报错与界面快照，人不再充当截图和传话的肉身中介。
Agent 提交代码改动，必须启动程序。它调动无头浏览器，点击按钮，等待网络请求，抓取调用堆栈，存下操作录像和截屏。
拿不出运行证据的代码改动，在她眼里算不上成果。
仓库里配有一张持续更新的功能地图（Feature Map）。地图标注按钮位置、调用路径和潜在陷阱。定时任务每天更新这份地图。
Agent 顺着地图操作，不再摸黑碰运气。
同一个坑踩两次，重构架构
很多人遭遇 Agent 出错，习惯在说明文件里追加要求：“请注意不要修改这个变量”。
说明写满三页纸，Agent 依然漏看。
Tan 定下一条规矩：同一类错误出现两次，修改架构和规则，不改提示词。
拦截从软到硬排列。
提示词与文档属于软约束，模型随时略过。
向上是单测与静态语法扫描。
最硬的一层落在架构设计：让错误写法在编译器阶段报错。
在 Grok Bot 项目里，每个功能收归专属目录，系统只保留一条合法调用路线。其余写法连编译都无法通过。
代码库本身变成了 Agent 最持久的记忆体。
两千个 PR 背后的代码园艺与裁决门禁
单月合入 2462 个 PR，大量改动并非新增功能。
她把时间投在代码园艺（Gardening）上：删除废弃逻辑、拆分万行文件、修剪代码坏味道。
荒草丛生的代码库诱发模型幻觉，劣质写法会在后续生成中成倍扩散。
人退守外环。聊天群组和工单系统的故障报告汇入队列，交由调度中枢梳理。
调度中枢拆分派发任务，不插手编写代码。
改动交给沙盒中的云端 Agent 完成。
合入流程设立门禁。
写代码的 Agent 没有合并权限。
另一组独立的验证 Agent 拉取补丁，在干净环境运行全套测试。
CI 流水线在重置主干（rebase）后必须呈现绿灯。
涉及资金、权限或删除数据的不可逆改动，必须经由人工按下确认按钮。
前线部署不需要人肉保姆
回到我和团队在企业做 FDE 交付的现场。
客户常把 FDE 看作进驻现场编写胶水代码的外包工。
如果 FDE 每天蹲在工位复制报错信息、转述客户口头需求，这项投入就变成了昂贵的人肉中继。
拆解 Tan 的做法，给我们提供了一个对照标准：
进驻现场第一周，先造验证工具。
把业务专家的判断，变成目录规则和 Lint 约束。
把重复出现的漏洞，焊死在测试流水线里。
编写与验收剥离开来，系统拥有自我验证的底座，并行才有意义。
离开这一步，烧掉一万亿 Token，得到的也只是一堆无人敢合入的废弃分支。
技术浪潮退去泡沫，留下的是工程常识。
万亿 Token 这一组数字会慢慢陈旧，模型单价会继续下降。
留存下来的资产，是这套让机器自主证明结果的工程闭环。
人走出繁杂的传话回路，退到外环，握住方向盘。
这才是我们要走的路。
顶层竞争不拼智商：Alexandr Wang 和他的十英里护城河