Wink Pings

10人十亿美元公司:Altman的预言和一套免费工具链

Sam Altman说10个人的十亿美元公司快来了。免费工具链已经齐活,你只需要在最后一步点批准。

Sam Altman在一个22秒的视频里说了句话,够很多人消化一阵:"We are going to see 10-person billion-dollar companies pretty soon. If I were 22 right now, I would feel like the luckiest kid in history."

10个人的十亿美元公司,快了。如果现在22岁,他会觉得自己是历史上最幸运的孩子。

2012年Facebook花10亿美元买Instagram时,Instagram有13个人。Altman说的不是卖公司套现,是10个人直接把公司做到10亿美元。他描述的公司形态是:几个创始人,加一个agent团队处理其余一切。这里说的agent,是能独立完成任务的AI程序,不是聊天机器人。

这条路的技术路径已经清晰:ChatGPT → Claude Code → Agents SDK → Loops → Graphs → 10人agent公司。

配套的工具链也全部免费。从第一个agent到一支能干活的工作团队,11个链接:

  1. 给AI选第一份工作:OpenAI官方PDF,讲怎么识别和扩展AI用例。http://cdn.openai.com/business-guides-and-resources/identifying-and-scaling-ai-use-cases.pdf
  2. agent系统的5种形态:Anthropic的工程文档,Anthropic写agent写得很实在。http://anthropic.com/engineering/building-effective-agents
  3. 终端里跑起第一个agent:Claude Code快速入门。http://code.claude.com/docs/en/quickstart
  4. Codex CLI:OpenAI开源的coding agent,本地运行,npm和brew都能装。http://github.com/openai/codex

Codex CLI

  1. agent之间交接任务:OpenAI Agents Python SDK。http://github.com/openai/openai-agents-python
  2. 复制一整个客服团队:OpenAI的客服agent demo。http://github.com/openai/openai-cs-agents-demo
  3. 循环直到测试通过:用Codex做迭代修复的cookbook示例。http://developers.openai.com/cookbook/examples/codex/build_iterative_repair_loops_with_codex
  4. Karpathy的实验循环:autoresearch,把AI研究过程变成自动循环。http://github.com/karpathy/autoresearch
  5. 一张等你批准的图:LangGraph,让agent工作流在关键节点停下等人。http://github.com/langchain-ai/langgraph
  6. 完成之前的门禁:Claude Code hooks。http://code.claude.com/docs/en/hooks
  7. 发现agent变差:promptfoo,对agent输出做回归检测。http://github.com/promptfoo/promptfoo

成本:0美元。打开第一个链接,一个周末能跑起一个agent。

但大多数人会卡在同一个地方:agent一多,全程盯梢比自己做还累。

一篇署名Hanako的文章把这件事拆开了。标题:Loops and Graphs: how to stop babysitting agents and only approve the last step。链接:http://x.com/i/article/2091485629452304385

她的核心判断:loop住在node里面,graph住在node之间。你不用选,两层都得有。

Loop:让一个单元的工作变正确

一个loop剥到底只有四个部分:产出、检查、修正、重复直到绿灯。

检查是全部。没有能在你离开房间时让工作失败的东西,那你有的不是loop,是调度器。

几乎没人先写检查。常见做法是把活干完,在末尾加一个review,让另一个模型看一眼输出。两个乐观主义者互相点头。

真正的检查得能被程序执行:测试套件退出码0,每条声明带来源行,diff只碰计划里列出的文件。“模型说它很自信”不算。“没有报错”也不算。没有报错不等于正确。一个系统可以自信地重复同一个错误,直到预算耗尽,日志全程干净。

Graph:决定哪些单元存在

loop让一个单元变好,但没法决定哪些单元该存在、顺序对不对、哪几步不用等。结果可能是:一个很棒的agent,跑着选错的三个步骤,串行,一步等一步。每一步都正确,最终又慢又不对。

graph是工作的形状。节点是工作单元,边是依赖。所有不必要等待背后的错误,都是把“然后”当成依赖:先汇总文件,然后查天气。天气不消费汇总结果,它们之间没有边,是线性脚本硬串的。找依赖的办法:问“哪个变量从这一步传到了下一步”,说不出变量名,这个等待就是浪费。

一个graph没有返回路径就是pipeline,输出完就忘。工作graph有两条返回边。纠错边:gate否决一个单元退回上游,修复当前这轮。学习边:被接受的结果变成约束传给splitter,修好以后的每一轮。

大多数人只建了第一条。标志是系统跑得快,但永远不会变聪明。

还有个值得记住的细节:返回单元,不是返回批次。四个切片,一个失败,整批退回去,三个正确的会被重写。重写后的版本不一样,但不会更好,因为它们本来就没错。一次失败变成四个不确定的结果。返回失败的文件,别返回整批。

gate按什么开?不按置信度,按爆炸半径。置信度是唯一能被模型影响的东西。改错了要花多大代价才能撤销,这个变量模型碰不到。

人站在哪?放在后果最严重、最不可逆的那一步。批准合并,决定哪些修复上线。不是review中间输出。人一旦站进图里,就成了图里最慢的节点。

Hanako用三句话收尾:

衡量路径,而不仅仅是它到达的答案。
一个不改变下一步行动的判定,是报告。
任何没变成永久约束的失败,你还会再遇到。

大多数人会继续调一个loop,然后管这叫系统。少数人会在周围画一张图,然后跑着一整支舰队,不太明白为什么别人追不上。

发布时间: 2026-11-21 01:39