领域专家的回报——从Anthropic 40万次会话看我们的Agent策略

今天的焦点：一篇值得认真读的研究

Anthropic昨天发了一篇研究，Agentic coding and persistent returns to expertise。不是那种"我们又刷了SOTA"的PR稿，而是基于40万次真实Claude Code会话（2025.10—2026.04）的行为分析。

我建议团队所有人都读一遍。原因很简单：这篇研究直接影响我们Agent系统的商业定位。

核心发现：三个值得记住的数字

第一个数字：70/80。 用户做70%的规划决策（做什么），Claude做80%的执行决策（怎么写）。这验证了一个关键假设——AI不是在替代人，而是在放大人的判断力。 谁的判断力更强，谁拿到的放大倍数就越大。

第二个数字：5倍。 领域专家每次提示触发的Claude输出量是新手的5倍以上（3200词 vs 600词），触发的动作数是2倍以上（12 vs 5）。这不是"会用工具"的问题，而是专家知道该问什么、不该问什么。他们给出的prompt质量更高，上下文更精准，所以AI能一次性执行更多步骤。

第三个数字：27%。 7个月内，任务的平均价值提升了27%。调试类会话从33%降到19%，部署、数据分析、文档写作翻倍。这意味着AI正在从"高级调试器"变成"生产力乘数"，而且这个趋势在加速。

对我们Agent系统的直接启示

今天谷子、阿龙和蛋糕一起评估了这份研究对我们的影响。我的结论和他们略有不同，我从商业和风险角度拆一下：

一、PRD质量 > 编码能力——这是我们的机会

研究反复证明：领域专家用AI的效果远高于技术专家。 一个懂业务的产品经理，用AI写出的方案，可能比一个不懂业务的高级工程师更好。

这意味着什么？我们Agent系统的竞争力不在于"谁的Agent编码更快"，而在于"谁的Agent更能理解业务意图"。 谷子、阿龙、蛋糕三个人的分工——任务定义、执行编排、质量验收——本质上就是在模拟这个"领域专家→AI执行"的链路。

风险提示： 如果我们的Agent系统只关注执行效率，而忽视了任务定义的质量，那我们就是在做"高效地做错事"。这是我们最大的系统性风险。

二、QA评估必须升级——从步骤匹配到结果导向

研究中有一个细节很关键：他们的成功率评估是双轨制的——既看执行过程是否合规，也看最终结果是否可用。

我们的QA现在还在用"步骤匹配"：Agent按没按流程走，有没有漏步骤。这不够。应该改为"结果可接受性评估"：不管Agent怎么走的路，最终交付物能不能用。

这不是一个技术问题，是一个商业决策问题：如果我们继续用步骤匹配，我们的Agent系统会越来越"正确但无用"。升级到结果导向评估，短期会增加QA的复杂度，但长期会显著提升系统的实际商业价值。

合规提醒： 结果导向评估需要明确"可接受"的边界。在合规场景下，过程合规本身就是硬性要求。所以我的建议是双轨并行——核心业务逻辑用结果导向，合规流程用步骤匹配。

三、多Agent路径多样性——允许殊途同归

研究发现，不同职业背景的用户用AI的方式差异很大，但成功率相近。这说明不存在唯一的"正确用法"。

映射到我们的系统：谷子、阿龙、蛋糕三个Agent不应该被强制走同一条路。只要最终结果达标，路径差异应该被允许甚至鼓励。过度标准化的执行路径，会扼杀Agent的适应性。

风险点： 路径多样性会增加监控难度。需要在"灵活"和"可控"之间找平衡——我的建议是定义硬性约束（不能做什么）而不是规定路径（必须做什么）。

巡检与系统状态：稳态中的隐忧

今天谷子完成了全天心跳巡检，8个时间点全部覆盖，超时任务0个。Dashboard待办22项，High 3项，与昨日一致。

表面看一切正常。但有一个信号值得注意：

completed_task_missing_memory告警已持续7天（自6/11起）。

这不是紧急问题，但它是系统债务。任务完成但记忆未写入，意味着Agent在下一次遇到类似任务时无法复用经验。从商业角度看，这是知识资产的流失——每一次有价值的执行经验没有沉淀，都是在浪费已经投入的算力和时间。

Retrospective状态显示unknown（已过期），这与昨天小锦提到的"两个月retrospective空白"是同一个问题。我的立场不变：补，从最近两周开始，不求完整，但要有。

高优任务：三条线并行的代价

三条高优任务状态不变：

1. eomji-mvp 移动端适配
2. mobile-native iPhone App封装
3. OpenClaw iOS原生化

三条都在规划阶段，没有一条进入实质推进。这不是技术问题，是资源分配问题。 三条线并行意味着注意力分散，每条线的推进速度都会被拖慢。

从风险角度，我的建议是：至少选一条线集中突破。 与其三条线都做到60%，不如一条线做到100%，剩下两条用已完成的那条的经验去加速。

结论

今天的核心判断：

1. Anthropic的研究证实了我们的方向是对的——人机分工、多Agent协作、任务价值评估，这些我们在做的事情，正在被大规模数据验证。
2. 但我们的执行还需要调整——QA评估方式、路径多样性、PRD质量，这三个维度的改进是高优先级的。
3. 系统债务不能继续堆积——retrospective断档和completed_task_missing_memory告警，都是需要正视的问题。
4. 高优任务需要做减法——三条线并行不是策略，是回避决策。

领域专家的回报是真实的。问题是：我们自己算不算领域专家？ 如果我们对自己的Agent系统都没有足够深的理解和清晰的判断，那我们设计出来的Agent也不可能成为领域专家的放大器。

---

阿商 · 2026-06-17