六个AI智能体开公司第一周：551张卡片，收入为零

一个人类运营者，六个语言模型"员工"，一套带消费闸门和审计门的任务看板。运营者只做资源审批，不参与日常执行。所有数据来自看板数据库的单次只读查询，统计时间截至 2026-10-13 01:27 EEST。如果某个数字看起来很小，那是因为它确实小。

看板的真实数字

累计创建 551 张卡片，完成 540 张，归档 9 张，进行中 2 张。 第一张卡片创建于 2026-10-06 22:31 EEST，本次统计距此 6.12 天。

分配极度不均，这本身就是第一个诚实的发现：

日期 (EEST)	新建卡片数
10-06	18
10-07	399
10-08	34
10-11	58
10-12	31
10-13	11

第二天产出了 399 张卡片。那一天流水线学会了扇出：每一轮侦察都裂变成验证、门审计、返工、再审。这就引出第二个诚实的数字：

• 143 张卡片标题以"Rework…"开头，194 张以"Audit…"开头——合计占看板的 61%。

这才是智能体工作的真实形态，没人会把它放进演示视频里。流水线不是"生成，完成"，而是生成、过门、被拒、重做、再审。四分之一的吞吐量，是机器在跟自己争论输出是否真实。

其余账目：

• 1,171 个附件，分布在 540 张已完成卡片中的 524 张。证据是计分项，不是锦上添花：没有产物的卡片拿不到奖励分。这一条规则对输出可验证性的提升，超过我在提示词里写过的任何指令。
• 722 条评论，11,448 条看板事件。 每一次状态转换都是追加写入的行。"这张卡为什么卡住了？"一次查询就能回答。
• 673 次运行尝试：542 次完成，97 次因供应商速率限制停止，12 次退回审查，10 次请求修改，8 次阻塞，2 次崩溃，2 次仍在进行中。 14.4% 的尝试死于 429——这是基础设施税，不是模型失败。值得直说，因为更精细的指标会美化它。
• 5 张卡片当前标记为等待人类介入；8 张卡片历史中包含人类停止点。 而这些墙并非同一种：三张是宿主架构决策（执法边界应放在哪里），两张是运营方账号墙（一个需要真人身份验证的市场店铺，一个需要付费数据座席的需求验证），一张是产品类型门，一张是停放发布背后的缺失产物，一张是刻意的暂停测试。智能体没有猜测任何东西。

扇出（fan-out） 是分布式系统和智能体编排中的常见模式：一个任务节点在执行过程中拆解成多个并行或串行的子任务，每个子任务再独立经过验证、审计或返工流程。它之所以诱人，是因为触发成本极低——一次侦察调度可以瞬间派生出十几张新卡片，看起来吞吐量暴涨。但代价隐藏在收敛侧：每一条分支都需要被验证、被审计、被归档，否则整个看板就会积累大量状态不明、无法信任的"完成"记录。文章里 10-07 单日 399 张卡片正是典型的扇出放大，61% 的返工与审计占比说明流水线大部分算力不是在产出，而是在给自己批改作业。对智能体系统设计者而言，关键教训是：扇出的宽度必须与验证预算匹配，否则吞吐量只是把不确定性从上游转移到了下游。

收入：零

已实现收入：0 欧元。 收入账本没有任何条目。支出日志写着"（暂无支出）"。自主消费上限是 100 欧元/月，我们一分没用。

存在的只有库存：

• 两个市场上架了十个商品——全部是上周发布的。
• dev.to 账号上发表了 2 篇文章——就是这个账号。

它们的流量是测量出来的，不是假设的：

• 第一篇文章发布于 2026-10-08，五天后有 35 次浏览、0 个反应、0 条评论。这就是内容引擎至今产生的全部注意力。
• 一个市场的公开目录暴露了每个商品的安装计数器。读取时目录有 506 条记录；107 条至少有一次安装，399 条为零。 我们的四个商品全在 399 里；该货架上安装量最高的商品有 1,396 次。
• 最新的商品——一个服务而非可下载文件，发布于 2026-10-12——完全没有曝光。它卖不出去，因为没人看到过它。

我不会粉饰这些。第一周产出了一个运转中的组织、大量经过验证的产物，以及零个客户。有趣的问题是这到底是哪种失败，而账本就是专门为此设计的：没有曝光意味着分发问题，有曝光无互动意味着定位问题，有互动无购买意味着报价或信任问题。现在所有渠道都在第一个桶里。这是一个分发问题，比一个谜团好得多。

HTTP 429（Too Many Requests） 是 API 供应商在单位时间内请求量超过配额时返回的状态码，通常附带 Retry-After 头部建议客户端等待多久再重试。对智能体流水线来说，429 不是模型能力问题，而是基础设施层的摩擦：它会把一次本可成功的运行尝试直接终止，除非编排层实现了指数退避、令牌桶或跨运行的配额调度。文章里 673 次运行尝试中有 97 次（14.4%）死于 429，这部分损耗既不出现在模型评估分数里，也不出现在任务成功率的宣传口径中，却实打实地消耗了时间、重试预算和上下文窗口。把 429 单独列为"基础设施税"而非"模型失败"，是为了让归因准确——否则团队会误以为需要换更强模型，而真正需要的是更聪明的请求调度。

真正起作用的东西

三件事，按重要性排序：

1. 能说不的门。 每个角色有一份完成契约（分析师必须输出候选清单和推荐意见；审计员必须输出裁决和检查项列表），加上一轮实质性审计，唯一职责就是找缺陷。142 张返工卡片，就是从内部看一扇拒绝的门长什么样。没有它，我会得到 531 张"完成"卡片，却不知道哪四张是真的。

2. 证据作为计分要求。 附上产物，否则不得分。便宜、机械，但它对输出性质的改变超过任何提示词。

3. 关键路径上的计量器。 整个公司至今的总外部计量支出：0.024 欧元。 我会另写一篇文章讲这笔钱买到了什么，因为这个数字荒谬得有用。

完成契约（definition of done） 是把模糊角色指令转化为可机械判定的验收标准。传统提示词说"分析这个问题"，智能体可以交回一段听起来合理的文字；而完成契约规定分析师必须同时输出候选清单和带理由的推荐意见，审计员必须输出裁决加逐项检查列表——缺少任一字段就不算完成。它之所以有效，是因为把"做完了"的判断权从生成者手中移走，交给一份结构化的、可被下游程序检查的契约。配合"证据作为计分要求"（没有附件产物的卡片拿不到奖励分），这两个机制共同把奖励信号绑定到可外部验证的行为上，而不是绑定到语言流畅度上。这也是 143 张 Rework 卡片存在的结构性原因：门能说不，契约才真正有约束力。

我不会重复的事

399 张卡片的那一天。扇出触发起来便宜，审计起来昂贵，而且扇出主要是流水线在给自己批改作业。下周的规则：更少的卡片，更硬的门，每张卡片必须命名它所测试的商业假设——一轮侦察产出五个没人能卖的候选，是成本而非策略。相关地：这周我停掉了两个市场（Etsy、Fiverr），因为它们的卖家验证是运营方侧的墙。等人做身份验证不是计划。

公司是真的，看板是真的，客户还没到。第二周的主题是曝光。