[TL;DR Harian] Saya akan katakan perkara yang diam-diam: apabila bil AI seorang jurutera sebulan mula kedengaran seperti pendanaan Siri A, ini bukan lagi cerita peralatan biasa, tetapi nampak seperti eksperimen ekonomi. Jadi, apa sebenarnya yang kita lihat—sistem pengendalian seterusnya dalam kejuruteraan perisian, atau mesin yang sangat mahal untuk menghasilkan AI sampah dalam skala industri? Mungkin kedua-duanya. 🤖💸 🔥 Konfigurasi: fleksibilitas satu trilion token yang berubah menjadi perdebatan kos awam 📌 Nombor utama sengaja tidak masuk akal • Pendiri OpenClaw, Peter Steinberger, menganggarkan bahawa pasukannya menghabiskan sekitar $10 juta dalam kos token sebulan untuk kerja AI, kemudian segera menambah: tidak semua perbelanjaan itu berguna. • Contoh viral lain datang dari profil Cursor Lauren Tan, yang menunjukkan penggunaan sekitar 1.5 trilion token dalam 30 hari. • Dengan menggunakan tolok ukur kasar $8 setiap 1 juta token, Peter Piekarczyk menganggarkan kos sekitar $384,000 sehari, ~$11 juta sebulan, atau $132 juta setahun. • Walaupun dengan diskaun 90% untuk perniagaan, anggaran masih berada pada sekitar $1.1 juta sebulan, atau sekitar $13 juta setahun. 📌 Mengapa orang panik: penggunaan ini jauh melampaui tingkah laku pembangun biasa • Data Jellyfish terhadap 12,000 pembangun menunjukkan penggunaan median sekitar 51 juta token sebulan. • Peratusan ke-90 adalah sekitar 380 juta token sebulan. • Ini menjadikan penggunaan 1.5T token Lauren 29,000 kali ganda median, manakala 603B token yang sebelumnya dibahagikan Steinberger masih sekitar 12,000 kali ganda. • Apabila penggunaan token diterjemahkan kepada matematik gaji, naratif berubah dengan pantas: ini bukan lagi “peralatan produktiviti”, tetapi nampak seperti aristokrasi komputasi. 📌 Bil sebenar adalah rumit, kerana tidak semua token mempunyai kos yang sama • Kiraan token gaya Cursor boleh merangkumi input standard, output model, penulisan cache, dan bacaan cache. Semuanya dihargai sangat berbeza. • Dengan harga gaya Opus 5.5, 1 juta token input mungkin sekitar $4, output sekitar $20, dan bacaan cache hanya sekitar $0.20. • Satu tangkapan skrin penggunaan menunjukkan 73.3B token berkos sekitar $30,000 keseluruhan, yang bermaksud purata kira-kira $0.41 setiap 1 juta token kerana trafik cache mendominasi. • Gunakan kadar campuran ini kepada 1.5T token dan kos bulanan turun kepada sekitar $615,000, bukan $11 juta. • Dalam fantasi batas bawah mutlak di mana semua dibil pada harga bacaan cache, 1.5T token akan berkos sekitar $300,000 sebulan. • Piekarczyk kemudian melembutkan tuntutannya sendiri: walaupun anggaran asalnya 10 kali terlalu tinggi, kos bulanan mungkin masih sekitar $100,000. 🔥 Jadi, apa yang semua perbelanjaan itu beli? 📌 Bukan “satu chatbot”, tetapi keseluruhan struktur agen • Steinberger menggambarkan gaya kerja ini sebagai menjelajahi bagaimana pembangunan perisian kelihatan apabila kos token bukan lagi batasan. • Pasukan 3 orangnya menjalankan sekitar 100 contoh Codex. • Agen-agen ini mengulas PR, memindai sejarah commit untuk ralat keselamatan, menggabungkan isu GitHub yang berulang, menulis penyelesaian, memantau regresi prestasi, dan bahkan menyertai mesyuarat untuk menghasilkan PR daripada perbincangan. • Lauren menggambarkan konfigurasi sendiri sebagai pasukan lebih daripada 20 agen: agen ketua staf, agen PM, dan lebih daripada 20 agen pelaksana yang beroperasi secara autonomi. 📌 Wawasan utama bukanlah penghasilan—tetapi pengesahan • Tuntutan Lauren ialah bahawa halangan dalam kod agen bukanlah menulis kod, tetapi membuktikan kod itu benar-benar berfungsi. • Prosesnya membuat agen menjalankan kod, mengumpul jejak CPU dan snapsho heap, melancarkan simulator iOS, dan berinteraksi dengan aplikasi seperti pengguna. • Tujuannya adalah mencipta gelung tertutup: jika agen boleh mengesahkan outputnya sendiri, ia boleh terus berulang sehingga tugas selesai. • Jika ia tidak boleh mengesahkan, ia menghantar diff semula kepada manusia dan berhenti—maksudnya manusia menjadi bahagian paling perlahan dalam sistem. • Pada skala yang diklaimnya—4,000 PR sebulan—walaupun hanya menghabiskan 5 minit pengulasan manusia setiap PR akan jumlahkan kepada kira-kira 333 jam, hampir satu bulan penuh buruh untuk satu orang. Jadi pengulasan manual tidak boleh menjadi lapisan pengesahan. 📌 Ini mengubah peranan jurutera • Dalam model ini, jurutera mula nampak kurang seperti penulis kod dan lebih seperti pengurus kejuruteraan untuk agen. • Tuntutan Lauren tegas: jika anda tidak boleh percaya output satu agen, anda tidak akan pernah boleh berskala kepada seratus. • Aliran pstack-nya membungkus ini menjadi playbooks berstruktur—memstandardkan pemahaman, reka bentuk, pengkodean, pengulasan, dan pengesahan di pelbagai agen tempatan dan awan. 🔥 Tetapi inilah di mana cerita menjadi tajam: semua autonomi ini memerlukan batasan yang kejam 📌 Kodbase mesti dibina semula agar mesra agen • GrokBot dilaporkan bermula sebagai perisian yang ditulis pantas dengan batasan arkitektur lemah dan sedikit pembacaan kod manusia. • Ini menjadikannya mudah bagi agen memilih laluan paling mudah: lebih banyak kod, sempadan kabur, risiko prestasi meningkat. • Untuk memperbaiki itu, Lauren berkata dia menggunakan lebih daripada 600 PR untuk merombak sistem menjadi arkitektur dalaman bernama Dune. • Peraturan CI menjadi sangat ketat: larang useEffect, larang komen, dan sahkan graf terbergantung supaya Electron main dan renderer tidak pernah import silang. • Dengan kata lain, bahagian “pintar” bukan hanya model yang lebih baik. Ia adalah mendesain semula persekitaran supaya agen mempunyai lebih sedikit cara untuk bersikap ceroboh. 📌 pstack mungkin kuat, tetapi mungkin juga sangat tidak boleh dipindahkan • Pakejnya termasuk 23 playbook dan lebih daripada 20 prinsip kejuruteraan. • Ini kelihatan kurang seperti aliran pembangunan universal dan lebih seperti sangkar tingkah laku yang sangat dituning untuk model. • Yang mana ia baik—hingga orang cuba salin-tempel ke pasukan biasa dengan bajet biasa dan kod asas biasa. Kemudian sihir itu mungkin hilang. 🔥 Penentangan: adakah ini inovasi, atau hanya teater komputasi anak kaya? 📌 Kritikus berkata ini adalah kilang AI sampah yang disamarkan sebagai masa depan • Di Reddit dan kalangan komuniti kejuruteraan, ramai pembangun berhujah bahawa menggabungkan ribuan PR dengan perbelanjaan token tanpa had bukanlah revolusi dalam kejuruteraan perisian. • Tuntutan mereka: ini adalah komputasi kasar yang digunakan untuk membanjiri kodbase dengan perubahan mikro, sambil mengabaikan halangan sebenar—kebolehpeliharaan jangka panjang. • Dengan kata lain, penghasilan kod berskala lebih pantas daripada penilaian. Dan apabila penilaian kurang dibiayai, hutang itu disosialisasikan kepada siapa sahaja yang mewarisi repositori. 📌 Nilai pemasaran mungkin lebih tinggi daripada nilai kejuruteraan • Pendiri T3, Theo, berpendapat kos dalaman sebenar mungkin lebih dekat kepada $25k–$50k sebulan. • Pandangannya ringkas: walaupun pada tahap itu, paparan nilainya layak. Sesetengah syarikat menghabiskan $1 juta pada acara dan mendapat perhatian kurang daripada satu pos viral dari Lauren.• Dari perspektif Cursor, ini mungkin bukan cerita ekonomi unit, tetapi lebih kepada kejayaan PR. • Lauren sendiri mengakui keistimewaan itu dengan jelas: dia bekerja di lab AI dengan token yang secara efektif tidak terhad, jadi dia tidak mengatakan semua orang harus meniru kaedahnya yang tepat. 📌 Soalan yang lebih mendalam adalah ekonomi, bukan semata-mata teknikal • Jika pembangunan agen hanya berjalan lancar apabila gelung pengesahan disubsidi secara besar-besaran, maka produk sebenar bukanlah “pengkodean AI.” Ia adalah akses kepada pengesahan murah pada skala besar. • Dan jika benar, AgentFi menjadi kerangka yang lebih menarik: bukan sahaja apa yang boleh dilakukan agen, tetapi siapa yang mampu membiarkan mereka beroperasi secara autonomi. • Masa depan mungkin tidak milik pasukan dengan prompt terbaik. Ia mungkin milik pasukan yang membina sistem insentif, pengawal, dan gelung pengesahan berkesan modal terbaik. Pembacaan saya? Cerita ini berguna kerana ia membuat semua orang tidak selesa. • Kes terbaik: ia merupakan gambaran awal satu stak kejuruteraan baharu di mana agen menghantar, menguji, membaiki, dan mengkoordinasi antara sistem perisian. • Kes terburuk: ia merupakan pertunjukan yang disubsidi komputasi yang keliru antara jumlah output dengan kualiti produk. • Paling mungkin: kebenaran berada di tengah-tengah. Perisian agen mungkin nyata, tetapi tanpa arsitektur yang disiplin dan ekonomi yang waras, ia mungkin hanya menjadi cara lebih pantas untuk menghasilkan teknikal hutang. Jadi, inilah soalan yang ingin saya tinggalkan bersama anda: Jika sebuah agen boleh menulis 4,000 PR sebulan, tetapi hanya segelintir elit yang mampu membayar bil pengesahan, adakah itu masa depan perisian—atau hanya demo kuasa?