AI Coding 的早期问题通常是模型能力不足。补全不稳定、上下文短、工具调用弱，开发者只能把模型当作更快的搜索框或更会改局部代码的副驾。

这类问题正在退到后面。模型输出的边际价值一旦稳定超过 token 成本，真正稀缺的东西就变成了人的在线注意力：谁来持续拆任务、喂上下文、看日志、判断结果、处理失败、决定哪些改动能进入主干。

“睡后 Token”描述的不是熬夜让模型跑得久一点，而是一种工程分工的变化：人提前定义目标、边界和验收口，Agent 在人离线时持续生成候选结果，等人回来时只处理已经被筛过一轮的判断对象。

瓶颈从模型转到人

过去讨论 AI Coding，经常把问题压成一句话：模型够不够聪明。

这个问题仍然重要，但它不再解释全部差异。两个团队使用同等能力的模型，一个只能做单文件补全，另一个可以稳定跑完多仓库修改、自动验证、失败回收和审查流转，差距主要不在模型本身，而在模型外面那层工程系统。

AI Coding 的生产率瓶颈大致经历了几个阶段。

阶段 典型形态 主要瓶颈 工程含义
IDE 辅助驾驶 补全、局部改写、问答 人不动，token 就停 模型像更锋利的工具
CLI Agent 端到端执行一个任务 单任务串行 Agent 开始接管闭环
多终端并发 多个 Agent 并行跑 人的调度成本 等待减少，判读变重
三层委派 需求精炼、任务执行、代码落地分层 人仍需在线调度 人被压到决策位
睡后 Token 离线产出候选结果 验证与回收机制 人只处理筛选后的结果
Cloud Agents 云端托管 Agent Harness 平台可靠性 长任务被基础设施承载

这条路径有一个共同趋势：人逐渐退出“每一步都在场”的执行位置，转到定义问题、设置约束、验收结果的位置。token 的价值不再由“调用了多少”衡量，而由“有多少结果进入了可靠判断流程”衡量。

提交数不是价值指标

Agent 很容易制造看起来热闹的过程痕迹：提交、分支、日志、草稿、代码块、issue 评论、自动生成的分析报告。它们都可能有用，但都不是最终价值。

更稳的指标是漏斗。

一个健康的 AI Coding 工作流应该回答几类问题：

问题 价值判断
多少候选问题被识别出来 发现能力
多少候选被验证为有效 初筛能力
多少改动通过自动验证 工程约束能力
多少结果通过人工审查 质量判断能力
多少改动最终进入主干 业务可用能力

这个漏斗里，被挡住的候选同样有价值。一个自动化系统如果把数百个候选压成十几个可审查结果，它的贡献包含两部分：合入的少数改动，以及没有被推给主干和审查者的大量低质量改动。

Agent 产出默认应该先按负债处理。只有通过测试、review、业务判断和回滚预案之后，它才变成资产。

睡后 Token 的核心是提前收口

让 Agent 离线长跑并不难。难的是让它在没有人盯着的情况下不乱跑、不越界、不把错误结果堆成垃圾场。

睡后 Token 需要提前固定四件事。

设计项 作用
输入 明确任务、资料、仓库范围和上下文入口
边界 限制可修改文件、可运行命令、网络与权限
验证 让 lint、build、test、smoke check 自动拦截坏结果
回收 产出结构化报告、diff、失败原因和下一步建议

没有这四件事，离线长跑只是把人工等待换成事后清理。任务跑得越久，失败面越大，读日志和回滚的成本也越高。

睡后 Token 最要紧的地方在于：人不在场时，系统仍然知道什么算可接受结果。问题也因此从 prompt 写法推到了 Harness Engineering。

Harness 才是长任务的承重层

Agent Harness 是模型外面的运行时底座。它负责 token 编排、工具调用、沙箱、状态、日志、权限、恢复和验证。模型决定下一步想做什么，Harness 决定这一步能不能安全、可观测、可恢复地发生。

把长任务交给 Agent 后，Harness 至少要承担这些能力。

能力 没有它时的后果
状态持久化 进程断了，任务上下文丢失
沙箱隔离 一次错误命令污染本地或生产环境
可观测性 无法解释 Agent 到底做了什么
验证门禁 错误代码以“已完成”的姿态流入审查
失败恢复 一次 flaky 依赖或环境错误让整轮任务报废
产物归档 人回来后只能面对散落的日志和 diff

个人脚手架可以很快搭出来：几个 shell 脚本、几个 prompt 模板、一个工作区约定、一些手动检查命令。它的好处是贴手，坏处是难复用、难审计、难交接。

组织级 AI Coding 不能长期依赖每个工程师自己的临时脚手架。模型迭代越快，个人 Harness 过期越快；个人越会调，组织越难复用。Cloud Agents 的价值就在这里：把本地经验变成可部署、可观测、可恢复的公共能力。

Cloud Agents 的三个分离

Cloud Agents 不能只理解成“把本地 CLI 搬到远端机器”。它要解决的是长任务的生命周期管理。

第一层分离是 Brain 和 Hands。

Brain 负责推理、规划、判断和重试策略。Hands 负责执行命令、读写文件、调用工具、跑验证。Brain 可以升级模型和策略，Hands 可以替换沙箱和执行环境。两者通过事件流通信，而不是把所有状态塞进一个本地进程。

第二层分离是 Session 和 Process。

进程会退出，网络会断开，容器会重建，但任务不应该跟着消失。Session 应该落在事件流和持久化状态里。只要 session id 还在，新的执行进程就能接管任务，继续从可恢复点往下跑。

第三层分离是 Skill 和个人电脑。

本地打磨出来的诊断套路、审查规则、迁移流程和验证脚本，如果只能存在于某台机器上，它只是个人效率工具。把它发布成可调用的服务之后，才可能变成团队能力：故障诊断可以进入 on-call 流程，安全扫描可以进入 CI，API 设计审查可以进入每个 PR。

可检测性先于自治

Agent 自主运行的风险不能只看“出错概率”。还要看“出错影响”和“能不能被发现”。

维度 典型问题
概率 Agent 多大概率做错
影响 做错之后会破坏什么
可检测性 做错之后系统能否及时发现

高概率、低影响、强可检测的任务，可以大胆自动化。低概率、高影响、弱可检测的任务，反而应该收紧权限，把 Agent 放在建议位或候选位。

很多 AI Coding 事故不是因为模型完全不会做，而是因为系统没有把“发现错误”的能力设计进去。验证如果只是事后人工抽查，长任务就无法放心离线运行。验证必须进入 Agent Loop：每次改动之后自动运行最小验证，失败就回读错误、修复、重试；连续失败再升级给人。

工程分工的变化

传统开发里，代码是主要劳动成果。AI Coding 之后，代码更像中间产物，真正稀缺的东西变成了问题定义、上下文压缩、边界设置和验收标准。

人的价值位置前移了。

旧位置 新位置
手写每个实现细节 定义什么结果值得实现
手动跑每个验证命令 设计哪些验证必须阻塞
手动排查每次失败 规定失败如何归因和恢复
靠经验记住项目坑点 把坑点写进仓库和 Harness
审所有输出 审被筛过的候选结果

开发者价值没有下降，变化的是价值重心。会写代码仍然重要；知道哪些东西可以交给 Agent，哪些东西必须被挡住，什么样的结果才算可以进入主干，会变得更重要。

模式速查表

听到的需求 对应模式 实施要点
想让 Agent 夜间跑任务 睡后 Token 先定义输入、边界、验证和回收
多个 Agent 并行后人看不过来 漏斗治理 用自动验证和结构化报告压缩候选
本地脚手架越来越多 Harness 产品化 把脚本、规则、权限和状态收进运行时
Agent 常常改对一半 验证内嵌 每轮改动后自动跑最小验证
团队无法复用个人经验 Skill as a Service 把可迁移流程发布成可调用能力

睡后 Token 改变的是工程分工。人负责价值、边界和验收；平台负责把长任务稳定地跑完；Agent 在被约束的空间里持续生成候选结果。