Karpathy 的能力漏斗：多数人还没真正用上 AI；Every 从人人各用一个 agent 改为全公司共用一个

Andrej Karpathy 在这条推文里说，人们对 LLM 能力的认知正在分化，而且他认为这道差距在扩大。按他的粗算，约 60 亿人几乎没接触过 LLM；10 到 20 亿人偶尔用免费版，把它当成更好用的搜索或写作助手；约 2000 万人在数学和代码领域用前沿模型，亲眼看到几周到几个月的项目由 agent 完成；另有约 5000 人能用内部系统。他还说，不到一年前，自己还在一个字符一个字符地手写代码。

对读者更有用的是他列出的三个成因。第一，收益随问题的规模和周期增长，一段话就能答完的问题发挥不出系统的能力。第二，能力分布不均，在可验证、经济价值高的数字领域最强。第三，使用权限不同，分为免费版、付费版和内部版。他还提到，许多高管日常主要在和人沟通，对 AI 的理解大多是间接的。

各层人数是估算，没有统计依据。如果你还停留在免费版加短问题的用法，可以先准备两三个真正难、自己也在乎的问题，用前沿模型做一次完整尝试，再判断它在你的岗位上值多少。

在 The Every Podcast 这一期，Dan Shipper 和 Every 平台负责人 Willie Williams 讲了公司内部的一次转变：起初每人各自运行 OpenClaw 个人 agent，后来这些 agent 陆续停用，公司转向一个共用的公司 agent。这个 agent 已作为 Every Agent 对外发布。节目还谈到为 builder 做产品和为 operator 做产品有什么不同，以及 AI 时代的工程管理。

他们的判断是：工作会跑在公司 agent 上，个人 agent 留给私人生活，比如为生活的不同方面分别设一个 AI 教练。这对 AI 咨询有参考价值。员工各自用个人工具，热情过去后容易停用；把一个流程做成团队共用的 agent，接上团队数据，再加上主动推送，才有可能持续用下去。

这是厂商讲自家的路线，个人 agent 停用的原因和 token 用量数据，摘要都没有披露。节目从 11:13 开始讲个人 agent 为什么停用，23:53 讲 token 用量，可以直接从这两处看起。

在 How I AI 这期节目，Meta 设计总监 Alex Cornell 讲了 Muse 的设计。他的指导问题是：「如果你是在和另一个人说话，这件事该怎么进行？」所以 Muse 去掉了传统的消息气泡，把 agent 放在屏幕顶部。这是 Meta 员工介绍自家产品，没有给出用户或留存数据。

对做消费级 AI App 的人，有三条可以直接对照。第一，渐进披露：同一项活动用 emoji、任务列表、原始日志三层呈现，不同用户各取所需。第二，生成式 UI 只让内容变，结构保持固定，变化的只是状态 emoji、个性化建议和小动画。第三，他认为可见的思考链往往是为了掩盖延迟，模型够快时，直接给结果就行。

他自己用 Muse 处理个人数据的例子也能借鉴：把多年攒下的 Instagram 收藏交给 agent 归类，做成购物推荐目录。用户手里这类闲置的个人数据，也许能成为 App 的切入点。节目附有三个工作流的分步拆解。

Peter Yang 发布了一段与 Micky 的访谈摘录。Micky 说：「我还没到信任 agent 的程度，尤其是对用户正在用的东西。」他的解决办法是把人工审查放到最后，并且在审查前，让 agent 尽可能多地拿出证据：改动前后的测试对比、greploop 等，用来说明「做了哪些工作，为什么这样是对的」。

这个思路不要求你更信任 agent，而是降低你核实它的成本。他说，人工审查大概是开发者工作里最难受的一环，先让 agent 自证，能减少这部分摩擦。这一点对工程以外的岗位也适用。让 AI 改报表、改需求文档时，可以要求它附上原始数据和修改后的对照，以及它自己核对过哪些项。

限制：推文只讲了四步流程里的验收一步，也没有效率数据。具体做法要看他的完整视频。

OpenAI 发布 Decisions API 后，Simon Willison 当天就发布了对应插件。做法是让 GPT-6 Astra 阅读新 API 文档，参照他已有的 llm-typesafe 插件来写。两个 API 都支持三类问题：是否题、选择题和打分题。区别在于 gpt-6-luna 还能处理图片。他演示了一个例子：问一张鹈鹕的图片里有没有哺乳动物，返回的概率是 0.0。

可以借鉴的是「样板 + 新文档」的组合：已有的实现告诉 agent 代码风格和结构，新文档补上接口细节。内部工具对接新系统、按旧模板做新报表，都可以这样分工。前提是两者结构相近，而且你看得懂样板。他把版本标为 alpha，最终质量仍要靠作者自己审查。