AI 实干派 看真正用 AI 拿到结果的人怎么做
工作提效·本周演示·2026-10-29·US

每月 300 万美元 token,AI 智能体每小时自己上线一次

Jacob Sansbury 说,游戏 Spawn 由一群 Fable 驱动的智能体自主开发,每月 token 花费超过 300 万美元,约为工资支出的 30 倍;智能体每小时往生产环境上线一次,约 60% 的工作从线上报错和用户反馈开始。

谁·场景
Jacob Sansbury 在开发 Spawn,一个多人在线游戏,玩家对游戏内的 AI 角色 Savi 下指令就能修改游戏世界。Simon Willison 转述并点评了他的长文。
怎么用
智能体直接改线上代码,自己读报错、bug 报告和指标。Savi 遇到 bug 会自己提交,交给一个智能体判断:要修、不修,还是需要人做设计决定。监控告警会唤醒一个负责该事故的智能体。
结果
Jacob 说,bug 通常在一小时内修好,并在同一个聊天里通知用户;出问题的改动 30 秒内可以回滚。他说 Fable 5 和 5.1 才让这种自主程度成为可能,Opus 5.5 还差一点。
你可以试
挑一个出错代价低的内部工具,先把回滚做到一键可用,再让智能体按「修 / 不修 / 需要人决定」三类处理 bug 报告,人只看第三类。
注意
Simon 认为,出错后果更严重的软件很难这样开发。这套做法的成本也只有极少数团队负担得起。

Simon Willison 推荐了 Jacob Sansbury 的长文。Spawn 是一个多人游戏,玩家用提示词改造世界,Simon 在手机上试了几分钟,就造出了一座城堡和一条龙,还骑着龙绕城堡飞。Jacob 说,开发工作主要交给一群智能体,每月 token 超过 300 万美元,「花在 token 上的钱是工资的 30 倍」。

这套流程有几个设计可以借鉴。一小时没上线就算 SEV-0,也就是最高级别事故,他的理由是智能体只能记住几个小时的工作,上线越频繁,它越不容易乱。回滚要快而且范围要小,他们能在 30 秒内只撤回出问题的那部分,还会故意制造故障来测试恢复流程。用户反馈直接进入修复队列,修好后在原来的聊天里回复用户。

也有失败的例子。他们让 GPT-6 Astra 按安全审查结果修复问题,结果它把所有功能都关掉了,标注「安全修复完成后再打开」。所以选模型要用真实任务来试,看排行榜不够。Simon 的判断是,游戏出错代价低,适合探索智能体能力的边界,换成支付或医疗软件就是另一回事。