AI 新闻满天飞的时代，找到不变量会显得更为弥足珍贵。能够洞察趋势，看懂技术和商业发展的内在逻辑，比学会一两个技巧重要得多。

OpenAI 最近疯狂重置 Token 额度，还放开了 5 小时限制，盲猜背后的几个原因。

1）算力供给发生了变化。可能拿到了更多 GPU 资源，或与云厂商达成了更激进的合作，把闲置算力快速转化成用户增长和模型训练资源。算力闲着也是闲着，不如让用户跑起来。

2）Agent 的竞争已经开始从模型能力转向真实使用数据。o 系列长任务能力已经很强，但决定下一代 Agent 上限的，还得是大量真实世界的任务轨迹、工具调用、失败案例和反馈数据。用户用得越多，可用于持续优化的数据就越多。所以免费的，往往也是最贵的。😅

3）高价值用户的争夺进入白热化。Anthropic、Google、xAI 都在快速推进，今天比拼的已经不只是模型分数，还有谁能成为用户每天都会打开、持续运行 Agent 的平台。额度越宽松，迁移成本越高，用户习惯也越容易形成。

未来单靠模型强很难形成护城河，谁的 Token 在市面上流通得越多，产生的数据越多，Agent 就能够越成熟，与此同时，开发者生态也能越稳当，最终才能形成正反馈飞轮。

Anthropic 上一波爆发式增长让 OpenAI 感到了威胁。但从实际情况看，还是 OpenAI 现金流和算力弹药更充足呀。😃

烧了 6 个 200 刀的 codex 周限流，Github 内容生产流水线也加好了，代码已开源：github.com ，想增加信源可以提 PR，或自己 DIY，😄

强烈需要一款 Agent 产品和技术领域的热点 Timeline。一忙起来，就会追丢很多信息。

找了一圈，没找到特别合适的，这两天索性就手撸了一个：barretlee.github.io

它聚合了几百个高可信信息源，从模型能力与研究、Agent 与软件重构、产品与商业验证、资本与公司演化等多个维度，对分散的信息进行强收敛，帮助快速了解行业全貌、关键变化和阶段性趋势。

目前做了几轮抽样验证，信息呈现整体比较准确，关键判断都有对应信源和证据链支撑，置信度还不错。😄

从周末实践来看，如果并发项目数是 4，7×24 投入研发，那么对高质量 Token 用量的消耗，大概是一个月 4000 美金，约等于聘用一名资深工程师，而产出效率至少是人类的 5-10 倍。

随着工作流的稳定和成熟，成本可以下降一大半，而效率可以再提升至少十倍。很难想象，一年后的软件行业竞争将会多么恶劣。

2026 半年提交的代码，快超过过去两年。AI Coding 容易让人陷入疯狂。

最近也在思考一个问题。AI Coding 时，人到底是一个需求口喷角色，还是系统架构设计角色？也在反问自己，我对我的系统是越来越了解了，还是越来越生疏了？

我的答案是，想做的事情越来越明确了，但对做出来的那堆东西，却越来越生疏了。

对着 Coding Agent 发号施令已经成为常态。那种建应用的感觉就像，刚开始在建大坝，日日赶工，雏形也越修越好；等到真的大雨降临时，却发现东边有窟窿，西边墙面也不稳。于是，整日的工作，又变成了修修补补，拆东墙补西墙。

大多数人在开始 AI Coding 的第一天，就忽视了一个点。

软件工程里，除了支撑业务需求的代码，更多的是支撑稳定性、性能、质量、成本、安全的代码。要把系统建好，分配给后者的 AI 注意力，随着时间推移，占比通常会越来越高；当达到某一个临界点后，系统就需要面临一次重构。完成重构之后，重心才能重新回到前者。

从真实的实践来看，AI Coding 会把软件工程，从白盒精细化治理，逐步推向黑盒管理。人没有那么多精力去 Review AI 写的每一行代码，因此搭需求积木的职责，会逐步从人转移到 AI，人也会逐渐丧失对系统运行细节的理解。

如果黑盒会成为常态，那如何治理黑盒，就会成为一个新的命题。

AI 写代码时，也要关注质量工程、关注架构设计、关注领域模型抽象、关注无效代码下线、关注性能和稳定……如何让 AI 持续做好这些事情，如何在黑盒模式下继续保持代码收敛，以及系统的可持续运转，我觉得会成为未来软件工程新的挑战。

唱戏需要有个身份和角色才能把戏唱好，不然就是个跑龙套的，也有意义，但存在感极低。

孩子做值日生的那天，上学明显积极；第二天有约的时候，早晨赖床的概率更低；当自己被需要的时候，也会更愿付出。

人并不是天生热爱努力，而是在回应自己的角色。父亲、老师、队长、值日生、创业者……角色会带来责任，责任会带来行动，行动又不断强化这个角色。

意义是自己赋予的，所以来得快，也去得快。角色来自人与人的连接，当有人期待、有人依赖、有人需要，那作为当事人的自己，便很难轻易退场。

每个人都是戏子，每个人也有跑龙套的时候。找到自己的角色和舞台，把戏演下去。

做取舍是最难的，它会逼着自己去思考，到底什么才是最重要的，什么是可有可无的。在判断准则形成之前，一切都重要，一切都不可抛弃，一切都要。

即将迎来在阿里蚂蚁系的第 12 周年，在这里度过一个轮回了，😄

越长大，“无足轻重”的事情也就越多，从未如此心平气和，哈哈哈～

AI 让信息流动变得越来越快。你可能已经注意到了，一些系统之间的信息交互，已经不再依赖人的参与，AI 可以直接完成信息理解、传递和执行。

当信息能够自动流动之后，一个更大的变化开始出现：过去依赖人完成判断、分发、审批的工作，正在逐步迁移到机器；而 AI 不仅仅是处理信息，它也开始消费信息，甚至基于上下文持续做出决策。

这也意味着，企业的软件架构正在从「人连接系统」演变为「系统连接系统」。组织运行的主体，开始由人与 AI Agent 共同承担。更重要的是，AI 不再只是生产工具，它开始成为新的生产主体。😢

当越来越多的工作由 Agent 承担，当越来越多的决策由机器完成，很多变化就来了。信息的消费者会变，决策的执行者会变，组织协作的基本单元也会变。生产主体的变化，最终会推动生产关系的重构。

过去，企业围绕岗位、部门和流程设计组织；未来，组织会越来越围绕 Context、Agent 和目标运行。最近的工作感受，让我隐约看到了这个趋势已经开始发生，而且演进速度会比多数人的预期更快。

未来企业最大的竞争优势，绝不在人多，而是能干活儿的高质量 AI 劳动力越来越多，并且企业能够通过统一的 Context，驱动人与 Agent 一起干活儿。