让最笨的 agent 干好活，前提是先把现场收拾干净

SpaceXAI 的工程师 Lauren Tan 在 X 上发了段 60 分钟的分享，主题是从一个空白仓库一路搭到能同时跑 200 多个 agent 的代码库。核心一句：花 token 把代码库搭好，让最笨的 agent 也能干好活。

这句话反过来听更扎人：多数团队抱怨 agent 干不好活，问题往往不在模型，在于喂给模型的现场太乱。

评论区里有人把账算清了。MartinOL 说前期这笔投入回本很快，文档、测试、lint 规则写明白之后，便宜模型也能把任务做完，不用再付前沿模型的钱去猜你们的约定。

也有人泼冷水。Davis 问，200 多个 agent 同时跑，git merge 不打架吗？二十个 agent 同时改同一个 auth 中间件，分支怎么隔离，文件锁怎么加。这个问题在分享里应该有答案，但提出来本身就说明一点：agent 数量上去之后，协作层的工程问题比模型能力更早撞墙。

同一天，另一条线在讲同一件事的另一面。

Enrich Labs 上线了 Agent Conversion Optimization，简称 ACO。背景是 Muse、Instinct、Grok Bot 这类购物 agent 一年经手的 GMV 已经超过 100 亿美元。品牌方发现自己压根没出现在这些 agent 的推荐名单里，而传统 SEO、AEO、GEO 工具只能告诉你有没有被提到，管不了有没有被选中，更管不了 agent 能不能在你的站点上把单下完。

ACO 做的事情，相当于帮品牌搭那套代码库。每天拿买家的查询去问 Muse、Instinct、Dots，记录每个 agent 推荐了谁、为什么推荐、竞品占了多少份额。再用一个探针 agent 走一遍你站点的购买路径：看报价、加购、结账，卡在哪一步。最后 Helena 把修改建议做出来，标题、结构化事实块、零售 feed 修正，人工审核后上线，上线后用同一批查询重跑，对比前后。

官网上列了 agent 不选你的三种典型情况：压根没被检索到，品牌不在 agent 读的那批来源里；检索到了但验证不了，页面打开了，价格、成分、库存确认不了；走到漏斗被拦，登录墙、机器人检测、结账崩了。

定价从 199 美元一个月起步，只覆盖 Muse，每天 25 条查询；Muse 加 Instinct 是 499 美元，50 条查询。首发只放 100 个客户，倒也诚实，官网 FAQ 里直接写清楚：没法保证你一定被推荐，agent 行为一直在变，没人能控制。

看官方页面

两件事放一起看，逻辑是通的。Lauren Tan 在代码库上花 token，ACO 在商品页上花 token，本质都是把散落的信息整理成 agent 能读懂、能验证的结构。模型聪明不聪明是一回事，现场干净不干净是另一回事。而后者往往决定了那个最笨的 agent 是一路小跑，还是原地打转。

如果非要挑一个顺序，先收拾现场，再换更贵的模型。