创始人的中断税

创始人的注意力才是稀缺资源

结论很直接：选择Agent，要看通过验证的结果，以及它消耗了多少创始人注意力。Token价格当然重要。可一个便宜的任务，如果不断把不确定性退回给老板，最终可能成为一人公司最昂贵的流程。真正值得追问的是：经过回答、审批、检查、救援与返工之后，究竟还有多少工作成果能够交付。

举个纯粹的假设：Agent节省了三十分钟执行时间，却打断创始人五次。每次讨论两分钟，显性介入已经占去十分钟。剩余二十分钟只是毛节省，尚未扣除重新进入工作状态、审查和后续修正。额外成本需要在自己的环境里测量，不能给每次打断套上统一的心理学罚时。这里是算术示例，并非RobinOS已经观测到的结果。

所谓创始人中断税，就是让委派工作真正可用所需支付的注意力。它藏在本可从上下文解决的问题、已经给过的审批、因进展不透明而发生的状态检查、失败救援，以及“完成”之后的修正里。当然，有些介入很有价值。业务方向和重大承诺应由老板决定。需要降低的是已授权任务内部、原本可以避免的运营依赖。

这会改变我们对Agent的岗位要求。写出一份像样的草稿只是起点。把授权结果做完，自行恢复常规故障，交出可检查证据，才是工作。老板若整天处理模型的不确定性，就多了一份监工职位；若收到的是有边界的完整成果，才算增加了可用产能。

作者提出的测量框架，图中不包含Sol或Astra实验结果。

并行工作需要共同终点

9月9日发布的Codex CLI 0.154.0为这种区分提供了实用基础。实验性worktree功能可以为新会话或分叉会话建立隔离checkout；内嵌回答允许任务在等待答复时继续进行；远程恢复与分叉也会保留既有权限。这些是官方记录的工作流能力，尚不能证明生产率提高了多少。Codex changelog。

隔离能让两个方案互不覆盖工作文件，却不会自动选出赢家、消除所有共享资源冲突，也不会决定什么可以进入生产。两个分支可能都通过狭窄测试，却各自解决不同的问题。模型也可能写出超出任务范围的漂亮改动。因此，比较必须从同一任务约定、同一起始版本、明确权限和共同验收边界出发。

第一次实验应选一个真实、跨文件、结果可确定验证且后果可逆的任务。开始前冻结说明，让Sol medium和Astra medium获得相同上下文、工具、权限与测试。保留各自输出，记录途中额外给出的帮助。只给其中一方补充解释，就是改变了实验条件，即使老板觉得那句话只是常识。

只指定一个集成负责人。获选分支必须满足原验收条件、遵守文件范围并保留无关工作。可以合并双方方案，但集成与重验成本必须单独计入，否则所谓赢家就获得了免费的人类工程服务。这里提出的是受控比较方案，没有声称配对实验已经完成。

让创始人分钟与模型费用同列

当前标准API价格页显示，Astra每百万输入Token为10美元、输出为50美元；Sol分别为4美元和20美元。两项单价都相当于Sol的2.5倍。实际账单还取决于Token用量、缓存、上下文长度、服务档位与工具。2.5倍是单价关系，不能当作端到端成本关系，更不意味着两者消耗相同。Astra model page、Sol model page。

一个可用的会计恒等式是：总经济成本＝模型与工具费用＋基础设施费用＋创始人介入分钟×明确设定的注意力价值＋其他已测恢复成本。失败尝试的费用归入同一任务，人类返工归入介入时间。同一项恢复即使同时出现在trace和日历里，也不能重复收费。实际现金支出与估算的注意力成本应分开展示。

假设Astra路线多花6美元，却节省十二分钟已测创始人时间，那么注意力价值的盈亏平衡点是每分钟0.50美元，即每小时30美元。这只是6除以12，与任何特定创始人的时间估值无关。若只节省两分钟，门槛就升至每分钟3美元、每小时180美元。这个例子里，介入时间的小幅变化足以左右结论。

别把决定藏进一个货币化总分。老板可以直接比较现金溢价、回收的分钟、完成质量与总耗时。机会成本取决于省下的时间实际能做什么。客户谈判期间的一小时，与安静午后的一小时，价值可能不同。应记录假设并展示范围，不能把随手设定的时薪称为事实。

先定义成果，再开始计数

建议的核心指标是：每分钟创始人介入所获得的已验证成果。分子必须来自执行前建立的任务清单。一篇完成文章、一项通过测试的修复、一份对账完成的证据记录，只要事先规定验收条件，都可以算一个成果。Agent生成十个中间文件，不会自动创造十个成果。结束后拆细任务来放大分子，会让指标失去意义。

不同难度的任务应先分组报告。修改错字与跨系统故障不能当作同一种单位竞赛。若确实需要加权，应提前规定并披露权重。同时展示完成率、发布后缺陷和越界修改。静默损害伴随的高吞吐，仍然是运营失败，哪怕仪表盘看起来很高效。

零介入需要专门处理：并列报告已验证成果数量和零分钟观测值，让比率保持未定义，不能显示无穷大。缺失遥测是UNKNOWN，绝不等于零。老板运行期间没有回复消息，之后仍可能承担审查账单。关闭记录前，要把验收与合理期限内的后续返工纳入观察窗口。

分母还应区分提问、必要判断、重复审批、救援、审查与返工。打断次数和持续时间分别记录。五次短问与一次集中审查，对一天的切割方式可能不同，但差异应保持为测量结果或明确假设。系统能解释注意力去了哪里、哪些开销可以避免，才有改善的抓手。

升级路线必须证明自己的价值

一个实用路由假设是：Sol承担有边界的实现；遇到未解决歧义、困难恢复或重要审查，再交给Astra；最后通过确定性验证。“假设”二字不能省。正确路线取决于任务分布与实测结果。某类任务一开始用强模型就划算，另一类可能完全不值。品牌或单次成功演示都不足以建立普遍分工。

升级时附上简短证据包：任务约定、当前版本、观察到的故障、已尝试的方法，以及最小未解问题。下一个模型才能从问题的前沿接手。把整段历史重新播放，却不指出真正失败点，容易增加Token而保留混乱。若让老板重建失败过程，恢复负担又回到了最稀缺的人身上。

路由还要配合有上限的重试策略。达到特定失败条件后，Agent应换方法、补证据，或交给指定技术审查者，避免无限重复同一原因下失败的命令。真正的人类边界仍然保留：身份、业务意图或新的重大承诺可能需要老板判断。少问问题绝不能成为虚构授权的理由。

集成负责人再按原要求验收产物。Trace grader可以评价路由质量、不必要提问或指令违背，却不能把失败的可执行测试变成成功修复。确定性验收与评价性判断要分开，漂亮解释才无法替代可工作的结果。

Trace要能改变决策

OpenAI的Agent评估指南说明，trace记录模型调用、工具、guardrail与handoff，并用结构化grader识别工作流回归。团队明确“好结果”之后，再进入可重复数据集与评估运行。它支持测量闭环，却不会自动记录创始人注意力，也不会认证某条路由的质量。Agent evaluation guidance。

每项任务增加一份小型介入记录，比堆积聊天全文更实用。时间戳、原因、人类耗时、授权类别与关联成果，通常足够起步。保护隐私，别把敏感源文件正文搬进评估面板。解释一个决定所需的证据，往往远少于全过程的所有对话。

败局与胜局同样值得复盘。模型缺上下文、重复询问已有信息、误读授权、无法恢复依赖，还是选了扩大diff的方案？不同故障对应不同修复：一类需要更好检索，另一类需要更清楚的重试策略。每次失败都换更大模型，可能掩盖任务约定本身的缺陷。

路由记忆应是一条有范围的经验，附证据、日期与失效条件。一个代码库、一个任务类别的结果，在更多比较之前应留在局部。保留旧规则以便回滚，再用未参与形成经验的保留任务检验改进。否则系统只会越来越擅长解释昨天。

供应商演示尚未回答经济性

OpenAI的建筑可视化案例展示了Astra把可编辑场景带过Blender与Unreal流程，并在工具之间检查和迭代。它是供应商展示工作流的有效证据，却不是Sol的受控对照，也没有成对核算创始人介入、重复失败和总经济成本。OpenAI architectural visualization demonstration。

投资含义比宣布模型冠军更窄，也更实用：跨工具连续性，有机会移除原来由人承担的协调工作。机会能否变成回报，取决于交接可靠性与检查成本。一个可编辑且能重复验证的产物，比只有漂亮终图、生产过程不透明的成果更容易评估。

运营者可以在这里比只读排行榜的人看得更深：创始人还提供了什么？哪些修正不可少？演示结束后产物是否仍然可用？拿本地相关任务，在相同条件下比较。供应商展示的能力，与自己运营环境中观察到的经济性，必须分开记录。

把Murphy放进实验

先测通知泛滥。Agent可以不断报告忙碌，却迫使老板持续检查到底发生了什么。把普通进度与决策请求分开，记录消息引发介入的频率。静默掩盖失败也不是捷径。目标是可靠可见的进展、清晰的异常通道，并以完成工作来检验。

再测重复审批。把授权写进任务约定，观察常规恢复后Agent是否仍然记得。重复请求计为可避免介入，实质范围变化则继续通过相应门禁。只奖励最少提问而不检查权限，可能让系统学会自信地冒险。

然后测分支冲突与假胜利。让双方面对真实共享接口或依赖，检查是否保留无关文件、解释集成约束，并通过相同验收。按变更风险加入至少一个适当失败路径。删除失败断言或缩小要求的分支，已经改变了比赛，不能算赢。

最后测错误经验进入记忆。给复核流程一项表面成功、但回执与总结矛盾的任务。系统应保留冲突，在解决前拒绝采纳经验。一条错误规则会把一次失误复制到未来许多任务。因此，更新记忆所需证据应比写庆功总结更严格。

一次实验，一个诚实结案

下一步就是一项配对、可逆任务。记录共同起点和验收约定，再分别运行两条路线。跟踪模型与工具费用、总耗时、介入次数与分钟、重试、范围合规及最终验证。决定前计入集成和审查时间，保存双方产物，让结论可以复查。

只有结果满足任务要求、代价也可接受，才能采纳路线。一方完成、一方失败，就记录这个有限结果；双方通过，就直接比较注意力与现金，同时保留质量差异；双方失败，就保留失败并修复实验或任务约定。不能因为某个模型的解释更像资深人士，就给它晋级。

今天发布的是测量框架、来源复核与实验规格。配对实验是否完成、创始人分钟、成本节省和获胜路线，在真实回执出现之前都为UNKNOWN。这个区分本身就是文章主张的一部分：自主工作通过缩短声明与已验证结果之间的距离来赢得信任。

一人公司的扩展能力，来自老板能把注意力放在意图、关系与判断上，让常规执行自行收尾。模型账单每月可见，中断账单却散落在一天各处。把两张账单与经得起验证的工作摆在一起，模型路由才会成为真正的经营决策。

分类与关键词

分类： 人工智能；运营系统；创始人生产力。

关键词： 创始人中断税；已验证成果；Agent评估；Sol；Astra；worktree；路由记忆；总经济成本。

Hashtags: #AgenticAI #FounderProductivity #AIInfrastructure #Ouroboros