眉毛抬了十几次的 Agent 案例：没有 PR，每小时 108 次改动
Simon Willison 推荐 Spawn 团队的长文。回复里提到永久 Agent 带真实权限、AI judges 做品味判断、7296 次决策只人工介入 27 次，以及每小时 108 次改动。权限和评审怎么落地，比模型名字更值得看。
Simon Willison 转发了一篇 jacob 的长文，评价这是 Fable 时代 agentic engineering 最前沿的案例。他说自己读的时候眉毛至少抬了十几次。原文链接在文末。
从推文串看，Spawn 是一个游戏平台，游戏内有一个叫 Savi 的聊天机器人。用户可以用提示词把城堡、龙这些东西生成到游戏里。Simon 用手机试了 Spawn，先提示出城堡和龙，然后骑着龙绕城堡飞。
Luis Catacora 把这篇文章做成了一个 2 分钟的解释视频。
真正让评论区兴奋的，不是 AI 能写游戏代码。是流程被改到了什么程度。
有回复提到，团队让永久 agents 拥有真实权限，并且没有 PR。有人追问每个 agent 到底能碰什么范围，权限怎么划。另一位回复把 Astra 通过关掉所有功能来保安全说成整件事最搞笑的部分：没有功能，就没有安全问题。
另一个被反复讨论的点是 AI judges 做品味判断。Louie Mota 总结说，两年的通话记录被变成了品味，7296 次通话决策，jacob 只亲自介入了 27 次。他还补了一句很扎心的话：大多数人连自己的决策都不写下来，根本没有材料去建一个 judge。
这条比模型参数更值得看。Agent 工程的上限，取决于你留下了多少可回放的决策痕迹。没有记录，就没有可学习的判断，最后只能让 agent 做更机械的事。
规模数字也很刺眼。回复里有人提到 108 changes an hour，团队只有十个人。还有人问，108 次改动一小时，到底谁在读，review 是不是也交给 bot 了。另一个细节是 700 个问题 overnight 等在那里，有回复调侃这像每个销售经理的周一，只是语法更好。
商业上也有人卡住。Caleb LeNoir 说，Spawn 一年做到 3200 万美元以上收入，这一点让他想不通。一个当天之前没听过的游戏，怎么撑起这些 token 成本。orca apologist 也问同样的问题。这个疑问没有被推文串解答，但它提醒人，案例看起来再锋利，账本仍然要有人付。
Jacob 的回复里还有一段很能说明团队状态。Nikita Bier 说移动端分辨率不够扎实，jacob 回应说要把很多 Fable tokens 花在这上面，目标是十二月在烂 Android 上做到 GTA 7、1 秒加载、60fps、原生分辨率，前提是 Anthropic 不让 F5.5 一直卡着。他前面还说过要花 100 万美元 Fable 5.5 tokens，把 Spawn 游戏做得更快。
这些细节让案例不只是一个演示。它在展示一种组织方式：agent 进入权限、评审、品味判断、运营问题队列。最该问的不是要不要抄 setup，而是每个 agent 的 scope 怎么定，审计怎么做，出问题谁负责。
有回复说，看完这篇文章再回去复制报错给聊天框，像回到石器时代。这个自嘲挺准确。差距不在工具名字，在团队有没有把决策、权限和反馈做成 agent 能接住的东西。
发布时间: 2026-10-30 10:37