創始人的中斷稅

創始人的注意力纔是稀缺資源

結論很直接：選擇Agent，要看通過驗證的結果，以及它消耗了多少創始人注意力。Token價格當然重要。可一個便宜的任務，如果不斷把不確定性退回給老闆，最終可能成爲一人公司最昂貴的流程。真正值得追問的是：經過回答、審批、檢查、救援與返工之後，究竟還有多少工作成果能夠交付。

舉個純粹的假設：Agent節省了三十分鐘執行時間，卻打斷創始人五次。每次討論兩分鐘，顯性介入已經佔去十分鐘。剩餘二十分鐘只是毛節省，尚未扣除重新進入工作狀態、審查和後續修正。額外成本需要在自己的環境裏測量，不能給每次打斷套上統一的心理學罰時。這裏是算術示例，並非RobinOS已經觀測到的結果。

所謂創始人中斷稅，就是讓委派工作真正可用所需支付的注意力。它藏在本可從上下文解決的問題、已經給過的審批、因進展不透明而發生的狀態檢查、失敗救援，以及“完成”之後的修正裏。當然，有些介入很有價值。業務方向和重大承諾應由老闆決定。需要降低的是已授權任務內部、原本可以避免的運營依賴。

這會改變我們對Agent的崗位要求。寫出一份像樣的草稿只是起點。把授權結果做完，自行恢復常規故障，交出可檢查證據，纔是工作。老闆若整天處理模型的不確定性，就多了一份監工職位；若收到的是有邊界的完整成果，纔算增加了可用產能。

作者提出的測量框架，圖中不包含Sol或Astra實驗結果。

並行工作需要共同終點

9月9日發佈的Codex CLI 0.154.0爲這種區分提供了實用基礎。實驗性worktree功能可以爲新會話或分叉會話建立隔離checkout；內嵌回答允許任務在等待答覆時繼續進行；遠程恢復與分叉也會保留既有權限。這些是官方記錄的工作流能力，尚不能證明生產率提高了多少。Codex changelog。

隔離能讓兩個方案互不覆蓋工作文件，卻不會自動選出贏家、消除所有共享資源衝突，也不會決定什麼可以進入生產。兩個分支可能都通過狹窄測試，卻各自解決不同的問題。模型也可能寫出超出任務範圍的漂亮改動。因此，比較必須從同一任務約定、同一起始版本、明確權限和共同驗收邊界出發。

第一次實驗應選一個真實、跨文件、結果可確定驗證且後果可逆的任務。開始前凍結說明，讓Sol medium和Astra medium獲得相同上下文、工具、權限與測試。保留各自輸出，記錄途中額外給出的幫助。只給其中一方補充解釋，就是改變了實驗條件，即使老闆覺得那句話只是常識。

只指定一個集成負責人。獲選分支必須滿足原驗收條件、遵守文件範圍並保留無關工作。可以合併雙方方案，但集成與重驗成本必須單獨計入，否則所謂贏家就獲得了免費的人類工程服務。這裏提出的是受控比較方案，沒有聲稱配對實驗已經完成。

讓創始人分鐘與模型費用同列

當前標準API價格頁顯示，Astra每百萬輸入Token爲10美元、輸出爲50美元；Sol分別爲4美元和20美元。兩項單價都相當於Sol的2.5倍。實際賬單還取決於Token用量、緩存、上下文長度、服務檔位與工具。2.5倍是單價關係，不能當作端到端成本關係，更不意味着兩者消耗相同。Astra model page、Sol model page。

一個可用的會計恆等式是：總經濟成本＝模型與工具費用＋基礎設施費用＋創始人介入分鐘×明確設定的注意力價值＋其他已測恢復成本。失敗嘗試的費用歸入同一任務，人類返工歸入介入時間。同一項恢復即使同時出現在trace和日曆裏，也不能重複收費。實際現金支出與估算的注意力成本應分開展示。

假設Astra路線多花6美元，卻節省十二分鐘已測創始人時間，那麼注意力價值的盈虧平衡點是每分鐘0.50美元，即每小時30美元。這只是6除以12，與任何特定創始人的時間估值無關。若只節省兩分鐘，門檻就升至每分鐘3美元、每小時180美元。這個例子裏，介入時間的小幅變化足以左右結論。

別把決定藏進一個貨幣化總分。老闆可以直接比較現金溢價、回收的分鐘、完成質量與總耗時。機會成本取決於省下的時間實際能做什麼。客戶談判期間的一小時，與安靜午後的一小時，價值可能不同。應記錄假設並展示範圍，不能把隨手設定的時薪稱爲事實。

先定義成果，再開始計數

建議的核心指標是：每分鐘創始人介入所獲得的已驗證成果。分子必須來自執行前建立的任務清單。一篇完成文章、一項通過測試的修復、一份對賬完成的證據記錄，只要事先規定驗收條件，都可以算一個成果。Agent生成十個中間文件，不會自動創造十個成果。結束後拆細任務來放大分子，會讓指標失去意義。

不同難度的任務應先分組報告。修改錯字與跨系統故障不能當作同一種單位競賽。若確實需要加權，應提前規定並披露權重。同時展示完成率、發佈後缺陷和越界修改。靜默損害伴隨的高吞吐，仍然是運營失敗，哪怕儀表盤看起來很高效。

零介入需要專門處理：並列報告已驗證成果數量和零分鐘觀測值，讓比率保持未定義，不能顯示無窮大。缺失遙測是UNKNOWN，絕不等於零。老闆運行期間沒有回覆消息，之後仍可能承擔審查賬單。關閉記錄前，要把驗收與合理期限內的後續返工納入觀察窗口。

分母還應區分提問、必要判斷、重複審批、救援、審查與返工。打斷次數和持續時間分別記錄。五次短問與一次集中審查，對一天的切割方式可能不同，但差異應保持爲測量結果或明確假設。系統能解釋注意力去了哪裏、哪些開銷可以避免，纔有改善的抓手。

升級路線必須證明自己的價值

一個實用路由假設是：Sol承擔有邊界的實現；遇到未解決歧義、困難恢復或重要審查，再交給Astra；最後通過確定性驗證。“假設”二字不能省。正確路線取決於任務分佈與實測結果。某類任務一開始用強模型就划算，另一類可能完全不值。品牌或單次成功演示都不足以建立普遍分工。

升級時附上簡短證據包：任務約定、當前版本、觀察到的故障、已嘗試的方法，以及最小未解問題。下一個模型才能從問題的前沿接手。把整段歷史重新播放，卻不指出真正失敗點，容易增加Token而保留混亂。若讓老闆重建失敗過程，恢復負擔又回到了最稀缺的人身上。

路由還要配合有上限的重試策略。達到特定失敗條件後，Agent應換方法、補證據，或交給指定技術審查者，避免無限重複同一原因下失敗的命令。真正的人類邊界仍然保留：身份、業務意圖或新的重大承諾可能需要老闆判斷。少問問題絕不能成爲虛構授權的理由。

集成負責人再按原要求驗收產物。Trace grader可以評價路由質量、不必要提問或指令違背，卻不能把失敗的可執行測試變成成功修復。確定性驗收與評價性判斷要分開，漂亮解釋才無法替代可工作的結果。

Trace要能改變決策

OpenAI的Agent評估指南說明，trace記錄模型調用、工具、guardrail與handoff，並用結構化grader識別工作流回歸。團隊明確“好結果”之後，再進入可重複數據集與評估運行。它支持測量閉環，卻不會自動記錄創始人注意力，也不會認證某條路由的質量。Agent evaluation guidance。

每項任務增加一份小型介入記錄，比堆積聊天全文更實用。時間戳、原因、人類耗時、授權類別與關聯成果，通常足夠起步。保護隱私，別把敏感源文件正文搬進評估面板。解釋一個決定所需的證據，往往遠少於全過程的所有對話。

敗局與勝局同樣值得覆盤。模型缺上下文、重複詢問已有信息、誤讀授權、無法恢復依賴，還是選了擴大diff的方案？不同故障對應不同修復：一類需要更好檢索，另一類需要更清楚的重試策略。每次失敗都換更大模型，可能掩蓋任務約定本身的缺陷。

路由記憶應是一條有範圍的經驗，附證據、日期與失效條件。一個代碼庫、一個任務類別的結果，在更多比較之前應留在局部。保留舊規則以便回滾，再用未參與形成經驗的保留任務檢驗改進。否則系統只會越來越擅長解釋昨天。

供應商演示尚未回答經濟性

OpenAI的建築可視化案例展示了Astra把可編輯場景帶過Blender與Unreal流程，並在工具之間檢查和迭代。它是供應商展示工作流的有效證據，卻不是Sol的受控對照，也沒有成對覈算創始人介入、重複失敗和總經濟成本。OpenAI architectural visualization demonstration。

投資含義比宣佈模型冠軍更窄，也更實用：跨工具連續性，有機會移除原來由人承擔的協調工作。機會能否變成回報，取決於交接可靠性與檢查成本。一個可編輯且能重複驗證的產物，比只有漂亮終圖、生產過程不透明的成果更容易評估。

運營者可以在這裏比只讀排行榜的人看得更深：創始人還提供了什麼？哪些修正不可少？演示結束後產物是否仍然可用？拿本地相關任務，在相同條件下比較。供應商展示的能力，與自己運營環境中觀察到的經濟性，必須分開記錄。

把Murphy放進實驗

先測通知氾濫。Agent可以不斷報告忙碌，卻迫使老闆持續檢查到底發生了什麼。把普通進度與決策請求分開，記錄消息引發介入的頻率。靜默掩蓋失敗也不是捷徑。目標是可靠可見的進展、清晰的異常通道，並以完成工作來檢驗。

再測重複審批。把授權寫進任務約定，觀察常規恢復後Agent是否仍然記得。重複請求計爲可避免介入，實質範圍變化則繼續通過相應門禁。只獎勵最少提問而不檢查權限，可能讓系統學會自信地冒險。

然後測分支衝突與假勝利。讓雙方面對真實共享接口或依賴，檢查是否保留無關文件、解釋集成約束，並通過相同驗收。按變更風險加入至少一個適當失敗路徑。刪除失敗斷言或縮小要求的分支，已經改變了比賽，不能算贏。

最後測錯誤經驗進入記憶。給複覈流程一項表面成功、但回執與總結矛盾的任務。系統應保留衝突，在解決前拒絕採納經驗。一條錯誤規則會把一次失誤複製到未來許多任務。因此，更新記憶所需證據應比寫慶功總結更嚴格。

一次實驗，一個誠實結案

下一步就是一項配對、可逆任務。記錄共同起點和驗收約定，再分別運行兩條路線。跟蹤模型與工具費用、總耗時、介入次數與分鐘、重試、範圍合規及最終驗證。決定前計入集成和審查時間，保存雙方產物，讓結論可以複查。

只有結果滿足任務要求、代價也可接受，才能採納路線。一方完成、一方失敗，就記錄這個有限結果；雙方通過，就直接比較注意力與現金，同時保留質量差異；雙方失敗，就保留失敗並修復實驗或任務約定。不能因爲某個模型的解釋更像資深人士，就給它晉級。

今天發佈的是測量框架、來源複覈與實驗規格。配對實驗是否完成、創始人分鐘、成本節省和獲勝路線，在真實回執出現之前都爲UNKNOWN。這個區分本身就是文章主張的一部分：自主工作通過縮短聲明與已驗證結果之間的距離來贏得信任。

一人公司的擴展能力，來自老闆能把注意力放在意圖、關係與判斷上，讓常規執行自行收尾。模型賬單每月可見，中斷賬單卻散落在一天各處。把兩張賬單與經得起驗證的工作擺在一起，模型路由纔會成爲真正的經營決策。

分類與關鍵詞

分類： 人工智能；運營系統；創始人生產力。

關鍵詞： 創始人中斷稅；已驗證成果；Agent評估；Sol；Astra；worktree；路由記憶；總經濟成本。

Hashtags: #AgenticAI #FounderProductivity #AIInfrastructure #Ouroboros