一个人管了 23 个 AI 员工，三个月后说几句真话
凌晨两点多。终端上挂着五个 Claude Code 会话，Obsidian 里 500 多篇笔记刚跑完编译检查，微信草稿箱里还躺着两篇没改完的公众号文章。智谱 GLM-5.1 在后台做模型路由——简单任务切便宜模型，复杂的丢给 Opus。
我盯着屏幕，突然觉得有点荒诞。也挺累的。说实话，这三个月折腾 AI 的时间，比做任何项目都长。
三个月前我还觉得”AI Agent”这种说法是营销话术。现在我有 23 个 Agent，每个都有名字、有分工、有 KPI。像一个一个人的草台班子，而我是那个什么都管又什么都管不好的老板。
三月：从”这东西能干啥”到停不下来
二月底那会儿，我的状态是这样的——白天上班用 Cursor 写代码，晚上回家用 ChatGPT 翻译点东西，周末偶尔用 Midjourney 画个封面。工具换了七八个，流程永远是碎的。
转折是一个朋友给我看了他的 Claude Code 配置。那时候我对 AI 编程工具的耐心已经快耗尽了——Cursor 吃了太多上下文，Copilot 总在猜错方向，ChatGPT 写的代码我得改一半。
我第一反应：“这不就是个终端版 ChatGPT 吗。”第二反应：“等等，它能读我的文件？”第三反应——算了，第三反应就是直接装了。
那个晚上，大概是凌晨一点多，我跑通了第一个 Skill。一个自动从网页抓取内容、转成 Obsidian 格式、扔进知识库的小东西。
效果不怎么样。代码丑得我自己都不想看。但它跑通了。
那一瞬间的感觉——怎么说呢——就像你第一次骑自行车不用辅助轮，歪歪扭扭的，但你知道回不去了。
w2solo 上有个独立开发者，20 天用 Claude Code 做了 3 个产品，20000 次对话，12 亿 token。他说了句话我记到现在：“从把 Claude Code 当’更聪明的 Cursor’，到现在把它当一个靠谱的外包团队在管。”
这个认知转变是分水岭。不是工具变强了，是你对它的定位变了。
做对了一件事：把它当团队，不把当工具
我这三个月做得最对的决定，不是选了什么模型，不是写了什么 prompt。是我从第一周就把它当员工管。
我给自己的 Claude Code 搭了七类规则——编码规范、安全红线、工作流约束、上下文管理策略、测试要求、Agent 分工协议，还有一套”去 AI 味”的写作守则。每个 Agent 有自己的 CLAUDE.md，就像每个员工有岗位说明书。
Obsidian 知识库从 200 篇乱七八糟的笔记，变成了有编译流程的东西。六个目录、各司其职：资源层存原始素材，概念层做结构化知识，实战层放方法论，输出层放成品。每周自动跑一次健康检查——哪些概念缺定义、哪些笔记变成了没人链的孤岛。
（其实最开始我没想搞这么复杂，就是随手写的笔记太多了找不着，一气之下——嗯，一气之下就搭了个编译系统。程序员都这毛病。）
说实话，这套系统做到第三周的时候，我才意识到一件事：我其实不是在”用 AI”，我是在搭一个不需要招人的公司。
23 个 Agent，每个有明确分工。写代码的、审查代码的、整理笔记的、采集素材的、润色文章的、检查 SEO 的。GLM-5.1 在中间做路由调度——Routine review 丢给 Sonnet，架构决策给 Opus，写作润色走本地模型。
成本大概每月几百块人民币——前两个月不到两百，第三月开始涨了。对比一下，台湾那位三个月的 Claude Code 账单等价 $127K 新台币，他的数据拆得巨细：Opus 4.6 占了 67% 的成本但只处理了 47% 的 turns。核心原因不是模型贵，是上下文太长。
per-call prefix 从 58K token 跳到 417K。每次跟 AI 说一句话，它要先把前面几十万 token 全读一遍。
这个数字我当时看到的时候，愣了三秒。
做错了三件事：花钱买来的教训
聊完对的，说错的。这部分才是一篇文章里最值钱的内容——别人踩过的坑，你不用再踩。
坑一：边界定太晚
彭涛（ipengtao.com）做过一份 Claude Code 使用体检报告，865 条消息，115 个 session。最扎眼的数据是什么？29 次方向跑偏。每 4 个会话就有 1 个，AI 走了一条他完全不想走的路，他得花时间拽回来。
我前两周的情况差不多。让它修一个 Bug，它顺手把周围代码也重构了。让它加个字段，它给你加三个字段和一堆验证。单个看都没错，但你没让它做这些啊。每次 review 完还得花半小时把多余的东西删掉。
后来我学到一招：CLAUDE.md 写死铁规，Hooks 做强制拦截，Skill 固化流程。三件一套，跑偏率从大概 25% 降到 5% 以下。但这个过程花了我将近一个月。一个月啊。光是收拾 AI 闯的祸就花了一个月。
坑二：上下文管得太粗
早期我什么都往一个会话里塞。觉得反正上下文窗口大嘛，200K 呢，随便用。
结果到了第三周，上下文超过 180K 的时候，AI 的表现就像加班到凌晨三点的同事。你说往东它往西，你让它改 A 它给你动了 B。那段时间我差点放弃，觉得这东西根本不靠谱。
w2solo 上的那位开发者也踩过这个坑。他的建议很实在：“上下文不推荐超过 200K，也就是 1M 窗口的 20%。区别就像工作日上午的同事 vs 加班到深夜的同事——脑子已经乱了。”
这个比喻太精准了。
坑三：忘了自己该干什么
这是最隐蔽的一个坑。也是最让我焦虑的一个。
你开始享受”指挥 AI 干活”的感觉了。让它写代码、整理笔记、生成公众号文章。产出速度飞快。有一天你突然发现——自己已经两周没做过一个真正的产品决策了。
你变成了 AI 的监工，而不是产品的主人。
有一个全职妈妈开发者，用了 Claude Code 两周后退订了。她说了一段话让我想了很久：“这种一键生成的捷径剥夺了通过试错成长的乐趣，让自己的项目失去了灵魂。”
我当时觉得她说得太极端了。现在——也不完全同意，但能理解了。不是说要退订 AI，而是你得时刻清醒——哪些事必须自己做决策，哪些可以交给 AI 执行。
决策是你的。执行可以是它的。
嗯。说出来像正确的废话。但当你真的被 AI 的效率裹挟了三个月之后，你会发现这个道理不是”知道了就行”，是需要反复提醒自己的。
如果重来
如果重新来过，我会这么做。
第一周什么都不写，只做一件事：把脑子里关于”我希望 AI 怎么干活”的判断全部写成 CLAUDE.md。 命名规范、错误处理方式、绝对禁止的操作。不是写代码，是写规矩。磨刀不误砍柴工，这话虽然老土，但真是这么回事。
前两周只用 Sonnet，不碰 Opus。 省钱是一方面。更重要的原因是——便宜模型逼你把需求写清楚。Opus 太聪明了，你随口说一句它就能猜到你要什么。但这个”猜”有代价，代价就是跑偏了你不知道。
第一个月每周复盘一次 Agent 的使用数据。 我到了第三个月才开始做这件事。回头看前两个月的数据，浪费的 API 调用至少 30%。你的员工摸了两个月的鱼，你到第三个月才发现。
但说到底
AI 这东西——怎么说呢——就像一个能力极强但完全没有判断力的实习生。
它能干。但往哪干、干到什么程度、什么时候该停下来——这些决定只能你来做。
三个月前我觉得这是”用工具”。现在我觉得这是”带团队”。三个月后我会怎么看？我不知道。也许 Agent 的自主性强到真的不需要你管了，也许整个行业又回到”AI 就是个聊天框”的原点。
唯一确定的是——你自己脑子里的判断力，是整个系统里唯一不会贬值的组件。 Agent 会更新，模型会换代，路由策略会失效。但”这件事该不该做”和”做完了够不够好”这两个判断，永远是你自己的。
先这样吧。凌晨三点了。