50个GrokBot替20个工程师，先别急着学，评论区在算token账单
一位SpaceXAI高级工程师说99%的人只开一个GrokBot问完就关，她跑50多个agent像公司。视频和rari的长文都指向同一件事：agent可靠与否，取决于harness。成本、权限、评估，才是门槛。
50多个GrokBot同时跑，一个人喝咖啡看结果。这条推文让不少人收藏，也让评论区开始算账。
推文里的说法很直接。一位SpaceXAI高级工程师，前Cursor员工，说99%的人打开一个GrokBot，问一个问题，关掉标签页。她跑50多个GrokBot agents，像一家公司：一个Chief of Staff安排她的一天，3个PM分发工作，40多个worker过夜交付，她早上喝咖啡时检查结果。推文称这个团队干了20个工程师的活。
还有一组数字：在SpaceXAI，97%的工程师已经这样跑团队，做到的人拿到75万美元以上的offer。推文把一场1小时workshop称作比5000美元的agentic engineering课程更值。workshop的路径是GrokBot → Chief of Staff → PMs → 40+ Workers → Autonomous Company。
评论区没有全盘接受。有网友先问token账单，说自己的30美元GrokBot计划撑不了一天。有人怀疑99%这个数字怎么统计，是不是查了所有消息和账号。也有人说50个agent更像管理模拟，追问每个任务的评估和成本。还有人点出关键：一个聊天机器人是玩具，50个agent加一个Chief of Staff才像公司，harness才是产品。
这些质疑不多余。50个agent同时跑，账单、权限、失败重试、结果验证，都会立刻变成现实问题。推文负责展示结果，评论区负责问代价。
更值得看的是推文下面引用的那篇长文。rari在《Harness Engineering: How to Build AI Agents That Don't Fall Apart》里写得很清楚：多数人遇到agent失败，先改prompt，再换模型，再加长上下文。agent还是忘决策，用错工具，跳过验证，卡在同一个循环里。问题常常不在模型智力，在模型周围的环境。这个环境叫harness，设计它就是harness engineering。
Dario Amodei解释Claude Code时说过，需要界面，也需要harness来使用模型。rari把模型定位成推理引擎。模型能建议下一步动作，但它没法自己造出一个可靠的操作环境。harness决定模型能看到什么、能碰什么、会话之间留下什么、什么算证据、什么时候必须停。
同一个模型，放聊天框里只会答题；放进有终端、测试、浏览器工具、项目记忆、隔离worktree和评审循环的仓库，它能交付软件。权重量没变，harness变了。OpenAI做Codex agent-first代码库时也遇到类似情况，早期进展慢，原因是环境没定义清楚，不是模型缺能力。
rari列了生产级harness的七件事：把请求变成有边界的合同；给agent一张地图，别塞整本手册；在正确环境里暴露正确工具；把记忆外化成持久状态；先加传感器再加自主权；把权限放到模型外面；记录轨迹，支持局部恢复。
其中两条值得单独拎出来。重要规则要写两遍：一遍给agent看的说明，一遍它绕不过去的机械检查。修一次输出，和修一类失败，复利完全不同。另一个是循环归harness管。长时间任务需要迭代，但一直试到行为止不算控制系统。有用的循环要有证据、有限重试、预算和升级路径。
Anthropic在长任务agent上也得出相似结论：结构化产物保住跨会话连续性，独立评估器给构建者具体反馈，别让agent自己批准自己的工作。Managed Agents把session、harness、sandbox分开，思路比供应商更重要。推理引擎不该同时当文件系统、权限系统、记忆数据库和审计日志。
回到那条推文。50个GrokBot不是重点。重点是把agent当组织来设计，把失败写进基础设施。模型下个月可能就换，工具、测试、状态、权限、轨迹可以一直改进。耐用的优势在系统里，不在prompt的形容词里。
发布时间: 2026-10-26 19:45