# 一個人管一百個代理人：從 Anthropic 自己重寫 Git，看懂 AI 時代公司的新門檻

來源：Realpha 讀市場（blog.getrealpha.com）
原文與圖表：https://blog.getrealpha.com/blog/techwave-2026-10-20-ep160-ai-anthropic-spacexai/

> 《科技浪》EP160 聽後心得。Anthropic 一天合併 3 萬次程式碼更動、自己做出版本控制系統 Scion，SpaceXAI 工程師 Lauren Tan 一個月送出 2,500 個程式碼更新。這集談的是門檻怎麼從模型能力移到「環境乾不乾淨」。教育性質的觀察筆記，不是投資建議，不討論個股。

Published: 2026-10-21
Locale: zh-TW
Tags: AI 代理人, 技術債, 軟體工程, 組織管理, 科技浪


![夜裡的大型玻璃溫室，一名園丁提著燈走在整齊的育苗架之間，遠處盡頭的架子荒蕪糾結沒入黑暗](/covers/techwave-2026-10-20-ep160-ai-anthropic-spacexai-cover.png)

> 順天時，量地利，則用力少而成功多。任情返道，勞而無獲。
>
> —— 賈思勰《齊民要術・種穀》（北魏，約 533 年）

2026 年 10 月 20 日《科技浪》EP160 裡，主持人哈利講了兩個數字。Anthropic 今年 5 月一天合併 2,500 次程式碼更動，到 9 月變成一天 3 萬次，中間他們把業界用了二十幾年的 Git 換成自己做的系統 Scion；SpaceXAI 的工程師 Lauren Tan 一個人一個月送出 2,500 個程式碼更新，而沒大量用代理人的工程師一個月大約四到八個。哈利的判斷是，擋住大家的門檻已經從模型能力移到「環境乾不乾淨」——技術債堆很深的地方，開一百個 AI 代理人就是多出一百個問題。這個推論有個前提：代理人的使用成本得繼續往下掉，他自己給的時間是一到兩年，講完也承認半年太趕。

![四根長條比高度，Anthropic 從每日 2,500 變 3 萬差十二倍；工程師個人月產出一般只有一條幾乎看不見的細線，Lauren Tan 那根高到頂。](/figures/output-gap-two-numbers.svg)

## 一家公司為什麼要自己重寫版本控制系統？

因為舊工具的設計假設，在新的工作量下整個垮掉。

先用白話說 Git 是什麼。你寫程式，今天寫了一版，明天加了個新功能卻把舊功能弄壞，總要能退回昨天那一版，這件事就叫版本控制。Git 是過去二十幾年所有人共用的那套工具，大小公司都用它，只有 Google、Meta 這種規模的少數例外會自己養一套。

Git 的設計前提是人在離線開發：你把整個專案從雲端下載到自己電腦，連歷史紀錄一起載，然後在本機慢慢改、慢慢測，改到滿意才傳回雲端。這個前提對二十個人的團隊成立，因為下載是一次性動作，一週做一次都算勤勞。可是哈利提到 Anthropic 主產品的歷史紀錄已經有 100 GB，而他們的工程師是「一言不合就開一百個代理人」，每個代理人都要自己的工作環境。Anthropic 自己算過，照現在的工作量繼續用 Git，一天要跑 600 PB 的流量，換算下來是 6 億 GB。沒有任何網路撐得住這個數字。

![左邊一疊 100 GB 的歷史紀錄，箭頭指向右邊一百個小方格，每格都是一份完整副本，底下匯成每天 600 PB。](/figures/git-copy-explosion.svg)

所以 Scion 把方向反過來：Git 為離線設計，Scion 為永遠連著網路的代理人設計，重活全搬到伺服器。比較兩個版本差在哪（也就是 diff）本來在你電腦算，算之前得先把舊檔案載下來；現在直接讓伺服器算，本機就不必拿到那份副本。要翻歷史的時候再向伺服器問。結果是整套基礎設施的規模縮小 200 倍，拉取最新版本從 87 秒變 3.5 秒，查看狀態從 3.9 秒變 19 毫秒。這些都是工程師一天按幾十次的動作。

![左邊重物壓在本機那端，右邊重物移到伺服器那端，下方三組長條顯示同樣動作從 87 秒縮到 3.5 秒、3.9 秒縮到 19 毫秒。](/figures/git-vs-scion-where-work-happens.svg)

## 一個人管一百個代理人，卡住的是技術還是錢？

兩者都不是最後那一關。哈利給了一個我覺得很漂亮的思想實驗：去找你們公司正在用 AI 寫程式的工程師，告訴他預算無上限，現在開一百個代理人下去工作。他不敢。

為什麼不敢？第一層理由是管不了。往下追一層，管不了的原因是他現在手上那一到五個代理人都要他親自盯著，每一個都中途需要他看一眼、給個意見，沒辦法從頭到尾自己把一件事做完。而需要盯著的根本原因是他不信任它們。Lauren Tan 一個人一個月交出 2,500 個更新，代表她手上長期有一大群代理人在跑：有些接著外部訊號二十四小時待命，客服信箱一進來抱怨就自己去查、自己改、自己跑測試；有些定期回報一次。她敢這樣放手，所以數量才上得去。

![一百個代理人穿過已經敞開的成本閘門，卻全部卡在關著的信任閘門前，只有一到五個漏到另一側。](/figures/two-gates-cost-and-trust.svg)

成本是其中一道坎，不是最後那道。模型變便宜這幾年沒停過，哈利認為再過一年多，今天 Anthropic 這種恐怖用量大部分企業都付得起。真正的差距會落在：到那時候你的環境準備好了嗎。

## 乾淨的環境為什麼比調教模型有用？

因為大型語言模型是接龍機器，它會接著你既有的樣子寫下去。

這是我聽完最有感的一段。現在談信任的人大多盯著模型本身——怎麼讓它更對齊、要加哪些護欄、怎麼防堵提示詞注入。Lauren Tan 換了個起點，她從代理人工作的地方下手，目標是做出一個高信任的環境，對寫程式的代理人來說就是整個程式庫。程式庫乾淨，它就持續寫乾淨的東西；程式庫裡滿是臨時的權宜寫法，那些壞習慣會像病毒一樣在它後面每一次工作裡冒出來。壞東西它也學。

![左邊整齊排列的方塊往右延續成同樣整齊的新方塊，右邊歪斜雜亂的方塊往右延續成同樣歪斜的新方塊。](/figures/codebase-shapes-the-agent.svg)

我自己踩過這個坑的縮小版。以前看到代理人寫出我不喜歡的寫法，第一反應總是回去補一條規則叫它別那樣寫,補到第五條還在補。順著 Lauren 的講法回頭看，它會那樣寫，是因為那種寫法本來就躺在那個資料夾裡，它只是照著學。比起每看到一次講一次，把環境掃乾淨治本得多。她給的做法有三層：咬牙刪掉技術債，把做事方式收斂成一種你認為對的，再用大量自動檢查規則擋住其他寫法；把團隊最精華的開發經驗濃縮成代理人讀得懂的技能說明；最後補上專門做驗證的那一套。

驗證這層值得單獨說。代理人今天能做的事很多，卡住它的常常是它不知道自己做對了沒有。驗證機制好，它每跑一步就知道離目標近了還是遠了，可以自己一步步靠過去；驗證機制模糊，它連你要什麼都判斷不出來，自然交不出你要的東西。

![左邊清楚的同心圓靶，腳印一步步往中心靠；右邊只剩一圈模糊虛線，腳印散在外圍打轉。](/figures/verification-as-a-target.svg)

## 這跟不寫程式的人有什麼關係？

關係在於判準可以搬：一件工作如果能在數位環境裡從頭到尾做完，它就是代理人能獨自接手的工作。

哈利舉的例子是人資。假設公司要開一條新業務，你一個人要把整個團隊招起來——每個職位開一個代理人,它自己寫職缺說明（素材一部分來自你的指示，一部分來自公司資料庫），自己去刊登、自己上職涯平台找人、自己來回訊息、約好時間直接寫進你的行事曆。你每天的工作變成生代理人、派工，然後出現在真的需要你的環節，像面試。

這套能不能跑起來，同樣看環境。人資也有自己的技術債：同樣的職位薪水不一樣，當初為什麼這樣談沒人記下來，代理人自然沒辦法判斷下一個人該給多少；請假直接通訊軟體跟主管講一聲，沒有紀錄，所以沒人答得出某個人今年還剩幾天；新人報到要交代的一堆事全靠口頭。這些空白會讓代理人沒辦法把流程走完。

哈利順著這條線引了 Lauren Tan 自己造的詞：園丁（gardener）——那個幫公司建立並持續維護乾淨環境的人。他認為這個角色不會被 AI 取代，因為公司的方向和業務一直在變，得有人在變動裡把高信任撐住；而且這個人要同時懂代理人的習性、懂產品、還要有判斷力知道什麼樣的做法算對。至於需要人盯著的工作，他的分界是牽涉到現實世界原子移動的那些。他拿搬磚頭當例子，說兩年內他不覺得一個人能遙控一大群代理人幫他搬磚。

順帶一提，這集是禮拜二才上，因為哈利面試和開會開到急性咽炎、喉嚨炸裂休息了幾天。他自嘲打嘴砲維生也會有職業傷害。我聽到這裡笑了一下，接著想到一件事：他會想認真研究這個題目，起點就是他自己那間六個人的公司要往這個方向長。

## 那我自己能怎麼用？

先講一個可能的心聲：公司又不是我開的，技術債是前面十年留下的，環境不是我說了算——那這集跟我有什麼關係。

我自己的體會是，這套判準在很小的尺度上就能用，而且用得到的地方跟職稱無關。你手上總有幾件事是只有你知道怎麼做的：某個報表的數字為什麼要那樣調、某個客戶為什麼要先問誰、某個檔案的命名規則。那些只存在你腦袋裡的東西，就是你這個位置上的技術債。它現在替你創造一點不可取代性，可是它同時也是你沒辦法把這件事交出去的原因——交不出去的工作，你就只能自己做一輩子。

![左邊一顆頭裡裝著三件事，往外的箭頭被擋下；右邊同樣三件事寫在紙上，箭頭順利傳到另一個人手上。](/figures/knowledge-only-in-your-head.svg)

把這個判準轉到看公司，我會問的也換了。以前聽到一家公司說自己用了多少 AI，我會去數它用了什麼工具；現在我更想知道它的流程留不留紀錄、同一件事是不是只有一種做法、交辦出去的事情中間要回頭問幾次。這些東西不會寫在新聞稿裡，可是它決定了成本掉下來的那一天，這家公司能不能把人力真的乘上去。順著哈利的推論，差距會在那時候才張開；在那之前，用了多少工具跟能不能吃到這波是兩件事。

我也得說清楚界線。這集講的是軟體工程這一行先看到的景象，往其他職能的推論是哈利的判斷，不是已經發生的事實，連他自己給的時間都還在一到兩年的區間晃。所以我把它當成一個值得先準備的方向，而不是已經成立的結論。

## 可以參考的資料

- 《科技浪》EP160（2026-10-20），主持人哈利。本文是聽後的個人心得整理，節目完整內容請直接收聽原節目。
- Anthropic 公開的內部版本控制系統 Scion 的設計說明，以及節目中引用的那幾個數字（2026 年 5 月每日 2,500 次、9 月每日 3 萬次程式碼更動；基礎設施縮小 200 倍）。
- SpaceXAI 工程師 Lauren Tan 關於一個月送出 2,500 個程式碼更新的公開分享，以及她提出的「園丁」這個說法。

## 帶得走的一件事

**你能放手多少，取決於環境乾不乾淨，而不是你的助手多聰明。**

這是我聽完留下的唯一一句。模型再強，放進一個沒有紀錄、同一件事有五種做法的地方，你還是得每一步都盯著；反過來說，一個井然有序的地方，連能力一般的幫手都能一路做到底。所以要放大產出，先去修環境，不是先去換助手。

![四象限，橫軸是環境乾不乾淨、縱軸是助手聰不聰明，只有右半邊兩格能放手，左上角再聰明也得每步盯著。](/figures/environment-beats-smarter-helper.svg)

我試過的一個做法，分享給你：挑一件你這週用嘴巴交代給別人的事——可能是跟同事交接一份報表，也可能是跟家人交代怎麼照顧生病的貓、怎麼幫小孩簽那張學校回條——把它寫成一張紙，寫到對方照著就能做完，中間不用回頭問你任何一句。寫的時候你會卡住，卡住的那幾個地方，就是你一直以為「說一下就好」、其實只存在你腦袋裡的東西。我第一次寫的時候卡在第三行，發現自己連那份檔案要存哪都沒跟對方講過。