精读 · 直播回看

agent 元技能:实战案例 + agent 经验总结(特邀 @阿禅)· 深蒸馏

直播回看 · 2026-09-04 | 已深蒸馏 4 / 59 | 5 组 · 4 表 · 一次读完
来源:原视频 | howie.serious + 阿禅 + 熊友 Harry | 2026-09-04 直播 | 84 分钟 / 2.02 万字(录像转写)
直链(在飞书/企微预览里点击可能被拦截,复制到浏览器打开):https://www.candobear.com/detail/l_6a991188e4b0694c5c065661/4
阅读路径:这场是「Agent Week 开学第一课」的第四场,三人接力,结构很清楚:howie 前 40 分钟讲清 loop 这个概念的四个层级(第二组),然后 Harry 用 40 分钟把一个真实项目从头拆到尾(第三组,全场最硬的实操),最后阿禅用 15 分钟讲他最近省钱的打法(第四组)。如果只有十分钟:看第三组的「40 轮迭代表」和第四组的「planner 派小弟」那张表。第一、五组是框架和判断,知道就好。
一句话结论:Agent 的本质就一句话——LLM 调工具、在一个循环里、奔着一个目标去;这句话往下拆是管理学里的 PDCA、复杂系统里的反馈回路,往上用就是「一个有项目的人,40 轮讨论 + 40 轮执行,能把一件以前要外包四万块还做不好的事,自己做完」。

第一组 · 立论:Agent 是一个长出手的脑子

slowly then suddenly

1.1 四年的「慢」,和突然的「快」

他开场引了一本小说里的说法:一个富翁总结自己怎么破产,三个词——slowly, then suddenly。然后把这个框架套到 AI 上:

1.2 手伸到哪里,能力边界就在哪里
阶段「手」的形态能操作什么
刚中之脑无只能生成文本
function calling函数一类固定动作
API / Web接口整个互联网的服务
CLI命令行本机的工具链
浏览器DOM一切网页
computer use屏幕一切软件
硬件 MCP仪器接口显微镜、望远镜等实验设备

最后那一行是他特意提的:Anthropic 刚发布硬件版 MCP,实验室的大型显微镜、各种仪器做了接口,「模型可以直接操作你的电子显微镜」。他的推论很直接——药物研发从「100 亿美金、很多年」变成「10 亿美金、快很多」。

由此他给了一句结论:电脑就是你的 AI factory。「你的 factory 多大,你的 capex 投入多少,决定你能产出什么。」他还补了一个观察:现在有人给自己配十几万的电脑,「以前一个人用一万多的电脑都觉得奢侈」。

原文在说什么

这段是在给「为什么现在必须重视 agent」找依据。他的论证不是「模型变强了」,而是「模型有了手」——手伸到哪里,可自动化的边界就到哪里。这个视角比「跑分提升」有用,因为它直接指向「哪些工作可以交出去」。

关键概念
对你的实际应用

你手上已经有半个 factory:~/.agent-autoloop/ 里跑着抓取、转写、渲染、调度四条线,~/.shared-agent/ 里是规则和知识。缺的是「手」的统一入口——现在每个能力都写成了一个独立脚本(fetch_video.py、transcribe.py、report_html.py),彼此靠我记得住参数来衔接。按他的框架,下一步该把这些包成一组 CLI 或一个 MCP server,让任意 agent 都能直接调,而不是每次由我重新拼命令。

第二组 · Loop:一个词的四层含义

从 agent 循环到哲学

2.1 定义与四层

他给的定义只有一句,要求「背一百遍」:

LLM calls tools in a loop to achieve a goal.

然后他把 loop 拆成四个层级,一层比一层抽象:

层级在哪看到 loop具体形态
工具层agent 运行时的轨迹一轮一轮的工具调用、观察、再调用
管理学PDCA 循环定目标 → 执行 → 检查 → 改进
系统科学复杂系统的反馈回路正反馈强化、负反馈减弱,「一切生物运行的原理」
哲学学习与成长本身「真传一句话」——真正重要的东西没有多少
2.2 学霸与学渣的差别就是 loop

他给了一个很好用的类比:学渣是题海战术,「投入产出比极低」;学霸用更少的题拿到更好的结果,因为他每一轮都在改自己的方法。

成年人工作也一样:「一个人如果讲究基本的做事章法,能 PDCA,能把一件事有头有尾做完,还能拿结果反馈回目标、做基本反思,他一定成长得特别快;很多人工作很多年没有长进,就是因为他没有一个最基本的 loop。」

2.3 为什么 token 消耗是 chat 的百倍千倍

因为 loop 意味着很多 turn。他给了一个量级对比:2025 年末无法想象 2026 年「一天烧一亿 token」,而他们「轻轻松松烧了 300 多亿」。所以他要求听众「let that sink in」——把这个 big idea 入心入脑。

原文在说什么

这一组是全场唯一「讲概念」的部分,但他没有停在定义上,而是用「学霸 vs 学渣」把 loop 从技术概念变成了通用能力模型。这也是他后面所有产品(内参、agent 商店)的理论底座:既然 loop 是通用能力,那么「帮人跑更好的 loop」就是产品机会。

关键概念
对你的实际应用

你现在的自动化里,真正跑着 loop 的只有 receiver.py 的 cron 调度和 report-guard.py 的兜底巡检——它们是「定时触发 → 执行 → 检查 → 补发」,已经是 PDCA 的雏形。但你的任务推进还没有 loop:tasks.md 是静态清单,没有「做完 → 回看结果 → 改下一步」的闭环。今天转写卡住那件事就是例子:云端超时 → 我换本地方案 → 验证质量 → 写进 STANDARD,这一轮是完整的 loop,但它没有沉淀成机制,下次还得重新想一遍。

第三组 · 案例:一个不懂技术的人,40 轮迭代做出公司官网

Harry 的完整路径

3.1 起点:一次四万块的外包失败

Harry 在传统工业制造业负责运营和宣传,学过一点 HTML/CSS/JS,「严格来讲不是搞技术的」。2022 年公司官网不好看,他找三方公司重做,报价十万的砍到四万,觉得性价比不错。交付时才发现问题:

他的反思只有一句:我必须自己了解建站的知识体系。

3.2 四年积累:一条很土但有效的路径
时间做了什么学到什么
第一年用 Hexo 模板上线个人博客(花一周)建站全流程跑通一次
第二年用 HTML/CSS 重做公司产品说明书排版一致性可以用代码保证
ChatGPT 出来后参照别人的 Obsidian 建站方案研究代码看懂「Obsidian 当子模块」的实现逻辑
去年用 Cursor 搭个人站对话式开发
今年 5 月参加线下黑客松(阿禅主讲)第一次把 agent 用于 coding
之后上「建站元技能」课拿到主干方法论

他坦白了为什么一直不敢碰官网:「它是严肃项目,客户会直接访问;它复杂,我不知道搭完之后维护怎么弄、数据怎么分析、SEO 怎么做、出问题怎么修。」

3.3 关键工具:一个「产品经理型」插件 + 40 轮迭代

转折点是一个叫 First Flight(原文如此)的插件。他的描述值得逐字看:

「它就像一位产品经理和项目教练,引导我一步一步把想法清晰地落地,写在项目文档里——我要做什么、不做什么。基本上我一共做了 40 多次迭代。如果不是有这个插件能一轮一轮地探讨、落地成小的迭代、再拆解任务,这件事基本上做不了的。」

每一轮的固定动作(他称之为 Loop 的实践):

  1. 有一个想法,或者发现一个 bug;
  2. 先和 agent 讨论、研究,把方案讲清楚;
  3. 遇到新概念,先问三件事:这是什么 → 对我这个项目有什么影响 → 如果错了怎么解决;
  4. 把概念记进 Logseq 笔记;
  5. 由插件写计划、执行;
  6. 他审核结果,上线。
3.4 三个具体成果
3.5 他的三点体会
  1. 做中学:学科学学习最终是为了解决自己的问题,最好的办法是找一个项目实践。
  2. 自我管理:家里添了新成员,时间与注意力都不可控,OKR、番茄钟比过去更重要——「要让自己坚持在这个游戏里」。
  3. 兴趣来自行动:他一开始对工业行业「一点也不了解,觉得挺枯燥」,是做着做着从正反馈里长出兴趣的。
原文在说什么

这一段是全场最有价值的部分,因为它不是「成功故事」,而是一个非技术人员的完整工程路径:先用四年时间把基础跑通(博客 → 说明书 → 参考实现 → Cursor),再用 40 轮讨论把一个大项目拆成可执行的小步,最后把重复劳动固化成 skill。他没有跳步——「我不是不懂就上,我是攒够了才上」。

关键概念
对你的实际应用

你的处境和 Harry 高度相似:都是「非科班 + 有真实业务 + 已经攒了一堆脚本」。可以直接抄三件事:

  1. 陌生概念三问拿来做你的技术决策卡:今天「云端转写超时」就是一次——这是什么(服务过载)、对我有什么影响(2 小时音频转不了)、错了怎么解决(本地 whisper + 魔搭模型)。这一轮已经跑完,值得写进 expert-knowledge.md。
  2. 运维 skill 化:你现在有 8 个脚本(report_html、midday-send、ticket-remind、fetch_video、transcribe、publish_kb、md2html、report-guard),但每个都是一次性参数拼装。Harry 的做法是把「发布一篇文章」「发布一个产品」包成插件——你的等价物是「出一份晨报」「跑一场深蒸馏」包成两个命令。
  3. 双层部署的思路可以搬到你的报告链:本地生成 + 云端备份,现在只有本地,reports/ 没有远端。

第四组 · 阿禅的省钱打法:planner 派小弟

90 万行代码怎么分工

4.1 从「让最好的学生干完」到「让最好的学生派活」

阿禅的起点和所有人一样:订 200 刀一个月的 Claude,每周打满,「我觉得 Fable 5 牛逼,就应该让班上最好的学生把活干完」。后来他改了做法:

「我显性地要求 Fable 5 跟我一起花最长的时间去讨论方案。讨论方案的过程中,它需要调研已有代码——我的 IP Checking 项目现在 90 万行——我就让它派几个小弟,去读不同层面的代码。」

关键是「小弟为什么能读得懂」:他在本地的 AGENTS.md 和目录结构里写清了「A 功能放这一坨、B 功能放那一坨、这一类属于什么」,所以小弟能快速定位。

4.2 完整流程与实测效果
阶段谁做做什么
定规格他 + Fable 5花最长时间讨论:前端做什么、后端做什么、抓取那端做什么
分工Fable 5派 3–4 个小弟,各去不同位置
执行小弟们按同一套规范、同一套规格实现,「中间不用思考」
校验Fable 5只做验收

实测:同样规模的大功能,原来要吃掉一周 20% 的用量,现在 5% 就够。另一件事:本来计划做到晚上十点的三个大功能,五点半做完,「活生生省了四五个小时」。

4.3 他给的两条限制条件
原文在说什么

这一段和 howie 的「loop」是同一件事的两面:howie 讲概念,阿禅讲成本。阿禅的贡献是把「省钱」翻译成了可执行的分工协议——贵的模型只做两件事:定规格、验收。他不谈哲学,只给数字(20% → 5%、10 点 → 5:30)。

关键概念
对你的实际应用

你的 WorkBuddy + Codex 现在缺的正是这个协议。可行的落地:在 ~/.shared-agent/CONTEXT.md 里加一段「分工协议」——规划与验收归 WorkBuddy,执行归 Codex,子任务必须带「文件路径 + 验收标准」两样东西。另外阿禅说的「给小弟修路」你现在没有:~/.agent-autoloop 下 30 多个脚本没有索引文件,任何新 agent 进来都得重新读一遍。补一个 README.md 列出每个脚本干什么、参数是什么,成本半小时,收益是每次接手的启动时间。

第五组 · 判断:所有人都能获得「代码自由」吗

三个人的三段判断

5.1 howie:所有知识工作本质都是 coding

他自陈 4 月 19 日之前严格守边界:「我不懂代码,不碰 coding,只探索知识工作场景。」后来发现这个划分是错的:

「所有的知识工作在本质上都是 coding。你以为你是会计、做财务,用的是 Excel,但更底层一点,一切在电脑上做的东西,某种程度上都是 coding 任务。」

所以他给了一个数字化的门槛:烧够 100 亿到 300 亿 token,加上一套 loop 方法论,「任何一个不会写代码的人都能实现创造自由」。他强调「代码自由不是为了写代码,是为了创造自由」。

5.2 阿禅:未来人人都是程序员,但代码不再是代码

他的说法更克制:从 4 月第一次用 agent 到现在,GitHub 热力图「每天都是绿的,仅两天没绿」。「可能一辈子你就变成程序员了……但那时候代码不再是代码,代码就是我们普通的一种自然语言的共同方式。」

5.3 Harry:兴趣是行动的结果

他不谈宏大判断,只讲自己的经验:一开始对行业「一点也不了解,觉得枯燥」,是做着做着才长出兴趣。「可以先行动起来,从正反馈中感受自己的内驱力。」

原文在说什么

三个人给的是三种不同性质的结论:howie 给的是门槛(token 量 + 方法论),阿禅给的是形态(人人写代码,但代码变成自然语言),Harry 给的是动机(先做,兴趣后到)。三者拼起来才完整——否则「人人能创造」就只是一句口号。

关键概念
对你的实际应用

这条对你的意义不在「要不要学编程」,而在边界的重新划分。你现在把「写脚本」和「做判断」分得很开,实际上你的判断已经在脚本里了——report_html.py 里那些规则(跌破 MA20、量能 2 倍、回撤 15%)就是你的判断被编码。按 howie 的说法,这不是「技术活」,这就是你的知识工作本身。所以下一步不是学更多技术,是把更多判断写进代码:现在浮卡里的「推断」栏还是规则生成的,如果把它做成「多因子加权 + 置信度」,那才是把你的判断真正沉淀下来。


与在用工作的关联

这场里的什么对应你手上的什么具体怎么用
电脑 = AI factory,手伸到哪能力到哪8 个脚本散在 ~/.agent-autoloop,靠人记参数衔接包成一组 CLI 或一个 MCP server,任何 agent 直接调
Loop 四层(agent / PDCA / 反馈回路 / 哲学)report-guard.py 是 PDCA 雏形,tasks.md 没有闭环给 tasks.md 加「做完 → 回看 → 改下一步」的回路
Harry 的陌生概念三问今天云端转写超时这一轮三问写进 expert-knowledge.md,作为技术决策卡
运维 skill 化(文章发布、产品发布)你有 8 个一次性参数拼装的脚本先包「出晨报」「跑一场深蒸馏」两个命令
40 轮迭代 + 项目文档(做什么/不做什么)长任务只有口头方案,没有项目文档每个长任务先落一份 plan.md,写清不做什么
双层部署(Cloudflare + 阿里云备份)reports/ 只有本地,无远端报告目录加一次远端同步
planner 派小弟(20% → 5% 用量)WorkBuddy 与 Codex 平行、无协议CONTEXT.md 加分工协议:规划/验收 vs 执行,子任务带路径+标准
给小弟修路(AGENTS.md + 目录结构).agent-autoloop 30 多个脚本无索引补 README.md:每个脚本干什么、什么参数
维护成本的滞后性快速堆功能,缺少重构节拍每两周留半天只做清理,不加功能
知识工作本质是 coding浮卡的「推断」栏还是规则生成把判断编码成多因子加权 + 置信度

原文:howie.serious + 阿禅 + 熊友 Harry《agent 元技能:实战案例 + agent 经验总结》,2026-09-04 直播,84 分钟。本篇由录像转写(mlx-whisper large-v3-turbo,本地)为底稿,本场无文字稿。

本篇依据:2.02 万字转写全文逐段核对。四万块外包、阿里云 4000 元/年、40 多次迭代、90 万行代码、20% → 5% 用量、10 点 → 5:30、100–300 亿 token 等数字均照原文;转写中的人名与产品名有误识别(如 First Flight、Logseq、IP Checking),已按上下文校正,不确定处保留原样。

更正与边界:第五组「任何人都能实现创造自由」的三个前提(烧够 token、有方法论、有真实项目)已写明,不要当成无条件结论。阿禅的省钱打法有明确适用边界(项目多、规格能讲清),他自己也说了「项目不多时别急着省」。

定位:中文深蒸馏,不是译稿也不是逐字摘要。标「对你的实际应用」的部分是我的分析,与原文分开;引用原文处标「原文在说什么」。