用地质学的万年尺度，拆解 AI 时代的技术与商业

在写自动化脚本或终端操作 Git 时，大家习惯认为：只要 git add 没报错、退出码是 0，改动就一定进暂存区了。但今天在提交博客作者配置时，碰到了一个非常诡异的静默失败：文件改动清清楚楚，git diff 能正常输出改动内容，执行 git add 也正常返回 0，但紧接着跑 git status，文件依然显示未暂存，git diff --cached 什么都没有。

维护 dev-skills 到第十几个 Skill 的时候，我意识到自己其实不知道它们有没有用。每次演示都能看到漂亮的输出，但这些输出没有对照，没有因果——我只知道挂了 Skill 之后发生了什么，不知道不挂的话会发生什么。

在构建代码智能体（Coding Agent）的运行时架构时，传统的单步工具调用（Tool-Calling Loop）正在遭遇工程瓶颈：面对多文件重构与跨模块分析，单步 JSON RPC 往返导致交互轮次爆炸与上下文急剧膨胀，且无法高效表达工具间的异步依赖。为了突破这一调度天花板，Pi Coding Agent 的 CodeMode 与 DeepSeek Harness（CLI: dsh）的 PTC（Programmatic Tool Calling，编程式工具调用）模式给出了两条截然不同的代码执行路线。

在任何一家号称“全面接入 AI”的企业技术团队里，最不能细看的账单通常不是生产环境的推理开销，而是那一堆为了自欺欺人而跑出来的评估流水线（Eval Pipelines）。

今天邮箱里跳出来一封信，标题是：“You can just build things, enjoy 6 months on us”。 发件人是 OpenAI 的 Codex 团队。点开第一行就是大写的 “You’re in."，然后跟着一句：“Thanks for maintaining open source projects.”

以下直链永远指向 local 版最新构建： Windows # 版本 链接 x64（用户安装版） https://api2.cursor.sh/updates/download/golden/win32-x64-user/cursor-local/latestWindows ARM64 https://api2.cursor.sh/updates/download/golden/win32-arm64-user/cursor-local/latestWindows macOS # 版本 链接 Apple Silicon (M 系列，推荐） https://api2.cursor.sh/updates/download/golden/darwin-arm64-user/cursor-local/latestMac Intel 芯片 https://api2.cursor.sh/updates/download/golden/darwin-x64-user/cursor-local/latestMac 通用版 https://api2.cursor.sh/updates/download/golden/darwin-universal-user/cursor-local/latestMac Linux (Ubuntu/Debian) # 版本 链接 x64 AppImage https://api2.cursor.sh/updates/download/golden/linux-x64-user/cursor-local/latestLinux ARM64 AppImage https://api2.cursor.sh/updates/download/golden/linux-arm64-user/cursor-local/latestLinux

多 Agent 系统的实际收益从不源于节点数量的盲目堆叠，而取决于拓扑结构的工程约束。缺乏严格职责边界与通信契约的多 Agent 系统只是昂贵的低效并发——成倍消耗 Token 并在链路中放大模型幻觉；具备分层委派、状态隔离与确定性验证闭环的架构，才是可工程化的复杂系统。

先讲一件真实发生的事。 2025 年初，我给内部系统加一个功能：导出 Excel。需求很小，我甚至没写文档，直接在对话框里打了句"给列表页加个导出按钮"。

软件工程团队的传统分工一直以技术栈职能为轴心：前端、后端、测试、产品设计。AI 编程工具的深度渗透打破了这种语法壁垒，团队协作重心正快速向产品生命周期的阶段重构：