软件变成日抛品了
日抛型软件
前几天《晚点聊》放了一期访谈，请的是 MuleRun 的创始人陈宇森，整期都在聊 agent 经济怎么落地。这期出来的时间点对我来说挺微妙，我前三篇刚写完不到一周，里面那些判断基本还停在纸面上推。他是拿真金白银下场撞过的人，所以我听的时候等于是在对答案。听完收获最大的是一个词，「日抛型软件」。这个意思我之前隐约有感觉，但一直没明确说出来。他这个词一出来，我前三篇的好几条线就串起来了。
陈宇森说：「其实现在最强的 general agent 是 claude code。」
这个判断我一点都不意外，因为我每天就泡在 claude code 里干活，早就不把它当编程工具用了。hooks 自动抓学习模式，skills 按需加载 context，agent 团队并行干活。我基本是把它当一个通用操作系统在用，写博客、做研究、管项目，连教它自己变得更好，都在里面做。
他是从创业的角度得出了同一个结论，而且顺着生意的逻辑一直推到了头。既然 claude code 已经是最强的通用 agent，那在它上面套个壳做 coding 产品，就都没有长期护城河，机会在围绕它做生态，比如 skills、runtime 环境、交易市场。
这套架构我在第一篇里从伴侣产品那头推过一遍，记忆 agent、情绪 agent、判断 agent 各管一摊，一起配合干活。换到生产力这边，就是一个够强的 base agent，再加上足够多的 skills 和 runtime，电脑上几乎什么任务都能做。伴侣 agent 和干活的 agent 看着是两个世界，但底下要解决的工程问题是同一批，就是 context 管理、工具调用和记忆持久化。
日抛型软件
整期播客听下来，最有冲击力的就是这个说法。他的原话是：「软件未来其实是日抛型的。代码只是为了执行特定目的而完成。它会被精确地创建、执行、完成、销毁。」
我只能说这个词起得真准。开发效率变高只是表面，再往下想一层，是值钱的东西本身变了。软件建了又删，可 agent 对你的理解、它的记忆、它的人格模型，是一直在往上攒的。代码用完就扔，没什么可惜，但认知是一点点攒出来的，扔不掉。
日抛循环：代码 创建→执行→销毁，认知一直在累积
我在第一篇里说记忆编排是技术护城河，说实话当时多少是凭产品直觉。现在拿「日抛型软件」这个说法再看一遍，这个判断就站得稳多了。代码成了一次性耗材以后，对用户的理解就是唯一替代不了的资产。一段代码几秒钟就能生成，但 agent 想弄懂你做决定时怎么犹豫、你真正在乎什么、你嘴上说的和心里想的差在哪，得靠三个月的对话慢慢堆出来。这种认知没法复制，也没法压缩，只能拿时间换。
他踩的坑，跟我纸面推的对了一遍
我在第三篇里分析过 agent marketplace 的四个难题，分别是重分发、身份验证、信誉系统和对抗性攻击。陈宇森讲了三个他实际踩过的坑，听下来有对上的，也有没对上的。
- 供给稀缺。我当时担心的是 agent 技能被人拿去重分发，现实里问题出在更前面，能做出有价值 agent 的人根本不够多，门槛太高，供给上不来。我推的是怎么防守，他先撞上的是供给不够。
- 货架模式走不通。MuleRun 从「货架电商」转成了「对话式入口」。用户不该在一堆 agent 货架里自己挑，应该直接说需求，让平台去匹配，走入口级 agent 的路子。
- 质量控制，这是个苦活。MuleRun 在做 agent 的 benchmark 和 eval 系统，用来保证完成率。信誉看的是 agent 实际干得怎么样，拿独立验证过的结果代替五星评分。
有一点他想得比我深，就是 skills 的安全审计。agent 的 skill 里是可能被人塞进恶意代码的，一个反弹 shell 就能控制用户的电脑。他是长亭科技做安全出身的，对这类问题比一般人敏感得多。我在第三篇里把沙箱列成基础设施的第二层，但听他讲完我才意识到，skills 这一级的安全审计可能要排在沙箱前面，先保证 skill 本身没问题，再去谈执行环境怎么隔离。这个盲点我得补上。
context 窗口里该放什么
context 窗口是最稀缺的资源：记忆编排和 skills 分层加载都在回答窗口里该放什么
他讲 skills 分层加载那段，我倒没学到新东西，因为我自己的 claude code 配置里就有几十个自定义 skills，从代码审查、数据库优化到 go 语言规范，每个都是精心设计过的上下文包。但在公开场合听人把这件事讲透，这还是头一回。agent 不会一上来就把所有 skills 全加载，它先扫一遍元信息，碰到具体问题再去读完整的指令。这就是 context engineering。context 窗口就那么大，每个 token 都得精打细算。
我在第一篇里写的记忆编排，其实是同一道题的另一面。agent 记不住所有对话，所以要靠记忆编排提炼出「你这个人是什么样的」；agent 也没法同时掌握所有知识，所以要靠 skills 分层加载去判断「此刻我需要哪些能力」。context 窗口是 agent 最稀缺的资源，架构上大部分问题，最后都落到这个窗口里该放什么。
他还提到了木遥的《苦涩的教训的边界》。那篇的观点是，很多事不该让大模型直接做，交给代码更合适。大模型负责判断什么问题该用什么工具，硬算的活留给代码。比较 9.11 和 9.20 哪个大，一行代码就能算准，犯不着占用大模型的推理能力。
我自己的 hooks 系统就是照这个思路搭的。类型检查交给 tsc，抓学习模式交给脚本，context 预算交给自动化，大模型只管思考和判断。伴侣 agent 也一样可以这么分工。记住每句话是数据库的活，但从这些话里看出你为什么反复提到那个同事、你最近语气变了是怎么回事，这种判断才轮得到大模型来做。
为一个人服务，账算得过来了
陈宇森的同事打了个比方，我很有共鸣。他说 agent 对软件来说，就像 3D 打印对工业制造。以前开发软件成本高，得上千人有同样的需求才划得来。AI 把开发成本打到接近零以后，照 10 个人甚至 1 个人的需求去定制 agent，账也算得过来了。
我在第二篇里写过「让每个人享有总裁级待遇」，意思是真正懂你的私人教练和顾问，不该只有 CEO 才有。他讲的是生产力那一边，量身定做的软件工具，不该只有养得起开发团队的公司才有。伴侣经济和 agent 经济是同一场革命的两面，一面对着情感，一面对着生产力。背后推着它们的是同一件事，AI 让「为一个人服务」在经济上行得通了。盘盘猫就是照这个判断做出来的，一个人花 29 天做的产品，服务的是长尾得不能再长尾的需求。
「用心」
播客后半段他讲了自己创业的起起落落。他 22 岁创办长亭科技，一路往上走。后来同时做游戏公司和安全公司，中度焦虑、严重失眠、彻底的自我怀疑，全都经历了一遍。他说创业最重要的两个字，不是努力，也不是聪明，是「用心」，就是不机械地照着做，每个细节都去琢磨怎么做得不一样。第一次创业他太用心了，第二次有了骄傲和傲慢，不够用心，就失败了。
这个词又把我拉回这个系列一直在问的问题，能不能造一个「用心」的 AI？我在第一篇里批评过现在 AI 伴侣的通病，用他的话说就是「不用心」。每条回复都在往「让你开心」上优化，没真的去弄懂你需要什么。它们是在完成任务，谈不上用心。一个用心的 AI 伴侣得看懂问题背后的模式，有时候还得跟你说，你不该这么做。我坚持伴侣系统里必须有一个「判断 agent」，就是这个原因。一个 AI 要是只会顺着你说好话，那它其实是在讨好你，跟用心是两回事。
他自己的故事就是个例子。他在低谷的时候，朋友没说那些千篇一律的安慰话，说的是「我们去网吧打两天游戏吧」。知道对方这会儿需要什么，我想让 AI 伴侣学会的恰恰是这种理解。
非共识的窗口
播客里他还说了句很实在的话：「创业的机会核心是在非共识变成共识之前你把它干出来。」
「claude code 是最强通用 agent」这个判断，几个月前还是非共识，现在快成共识了。Anthropic 出了 Cowork，字节做了 AnyGen，Google 也在布局。那我自己写的那些呢？伴侣经济、agent marketplace、数字分身、可穿戴感知层，前三篇写的这些方向，现在还有多少算非共识？只能说趋势跑得比我想的快，MuleRun 在做 marketplace，Anthropic 自己下场做了 Cowork，字节和 Google 全在跟。
等到「用 agent 造 agent」成了共识，「日抛型软件」成了常态，每个人都能给自己定制干活的 agent，下一步顺理成章就是伴侣 agent。人已经有了帮自己干活的 agent，接下来自然会想要一个懂自己的 agent。这件事我觉得一定会发生，只是看谁先做出来。
下一篇聊个更实际的问题。agent 的能力已经到了，可 99.99% 的人连门在哪儿都不知道，最后一公里才是主战场。