一个旁路 Agent 保住了 45 个文件的改动，按产出付费的 AI 工程公司做到 75 人

Dan McAteer 在 Latent Space 的文章里介绍了他这几周怎么用 Claude Mods。Anthropic 在 Claude Code 里内置了 6 个 mod，大多在后台运行。他开启了 You Should Know：一个旁路 Agent 观察主 Agent 干活，把埋在执行记录里、又会影响结果的决定挑出来告诉你。前面那次没提交的 45 个文件，就是它发现的。

他自己写的 Next Steps Supervisor 放在开源插件 ModSmith 里。只要某一轮改了文件、执行了命令或调用工具达到 8 次，它就复查一遍，列出值得注意的点，再给出一个可以直接点的下一步按钮。他拿另外两种做法对比：ChatGPT 的 Intelligent UI 由模型决定界面，Cursor 的 PR Routing 由团队写规则来分配审查。Mods 则是用户和 Claude 一起决定人的注意力该花在哪。

问题出在触发条件。他从 10 月 15 日装上，111 轮里有 99 轮都触发了，不少提醒只是噪音，他开始跳着看。自己写 mod 时，触发条件要收窄：只在删除文件、改动范围大这类高风险时刻提醒。

CJ Hess 在这期节目里讲了他加入 Tenex 的原因：以前他按小时给客户计费，用上 AI 以后产出更快更好，挣的钱反而少了。Tenex 按故事点付钱，双方事先约定每项工作值多少点。Alex 说，这样一来工程师之间的收入差距会比以往任何时候都大。CJ 说，模型越强，他直接写代码的时间越少，更多时间花在把客户的背景整理成模型能用的形式。

MetaHarness 的思路是让写代码以外的工作也有据可查。计划、验收标准、决策和证据都留在仓库里，再接到 Linear、GitHub 和给客户的进度更新上。Alex 对团队的说法是："一个不存在的流程，没法自动化。"

节目还谈到 Latent Space 自己的 Kill My SaaS 实验：为了替换一个报价每年 4.3 万美元的讲者管理工具，他们收到 72 份方案。人类评委选出的冠军，在 AI 评委的榜上只排第 19。Alex 提醒，自己做的工具也得有人一直维护。做咨询的人可以借这个问题判断交付范围：客户省下的费用，够不够付后续维护的钱？

Ryo Lu 在这篇长文里讲了自己的学习方式：读半懂的资料，把东西拆开看，向人求助，推倒重来。很多作品做得并不好，但做过足够多轮以后，有些东西就留了下来，变成他思考方式的一部分。他担心的是，人还没弄明白难点教会了自己什么，它就已经被 AI 拿掉了。

另一层担心在协作。和人一起工作不舒服：每个人想要的不一样，有人在你觉得无关紧要的细节上较真。可磨合下来，团队会像乐队一样，知道谁能发现你漏掉的东西。他还提醒，每个人和自己的 Agent 待在各自的小世界里，而这些世界跑在公司的服务器上，受到我们看不见的利益影响。

这对带新人的管理者和正在转型的人都有用。用 AI 把繁琐的活干完，把能锻炼判断力的难题留给自己，并且有意识地保留和同事一起讨论半成品的时间。