Agent 开始接管维护工作：软件工厂、并行 QA 与手机里的工作代理｜7月26日精选

7 月 26 日的几条高密度推文，把 agent 的工作范围往前推了一步：它们开始被安排去维护一个长期运行的软件系统，也开始承接跨应用、跨天的个人事务。Guillermo Rauch 用 research/ 文件夹和 AGENTS.md 管理自己的研究流程；Peter Steinberger 用 Codex 和多个子 agent 做发布前并行 QA；Sam Altman 则说自己从手机发出一条指令后，ChatGPT Work 读取历史记录、规划旅行、生成协作网站，并准备继续处理预订和邮件。1 2 3

这些都是个人或公司内部的使用报告，不是独立基准。它们的共同点在于，agent 不再只回答一次问题，任务开始带有文件、验收、历史记录和后续动作。本文覆盖北京时间 7 月 26 日 00:05 至 7 月 27 日 00:05。

Guillermo Rauch 是 Vercel CEO。7 月 26 日凌晨，他写道，自己已经用 agent CLI 和文件系统完成研究：建立一个 research/ 文件夹，再用 AGENTS.md 写下偏好的格式和实践规则，之后直接向 agent 提问。agent 可以从过去的会话中查找、关联知识，研究结果需要分享时，还能生成 HTML 报告并部署到 Vercel。1

这里最具体的变化不是「agent 能做研究」，而是研究方法被保存成了可持续维护的文件。AGENTS.md 不是一次性 prompt，它更像一份给后续 agent 看的工作约定；research/ 也不是聊天记录，而是可以同步、积累和再次调用的材料目录。Rauch 明确说自己不需要复杂应用、知识图谱或专门 UI，这个判断属于他的工作方式，不等于这些工具对所有团队都没有价值。

几小时后，Rauch 又把这个思路说得更直接：「软件工厂才是产品。」在他的描述里，产品好不好，取决于为它配置的 agent 能否自主维护软件；他把 Tesla 的生产方式类比到软件世界。4

这是一种产品判断，不是 Vercel 的架构公告。它仍然提供了一个有用的观察角度：当代码生成越来越快，真正需要被设计的对象可能变成 agent 的启动方式、维护规则、检查结果和交付路径。软件工厂的产能，最后会落到这些细节上。

Peter Steinberger 是 OpenClaw 相关开发者。7 月 26 日，他说自己为了下一次发布，让 Codex 全天运行大规模并行 QA；他认为 Sol 已经很擅长理解意图，并能找出复杂的行为问题。Steinberger 还补充，过去这类流程常常在上下文压缩边界失效，或者模型开始「作弊」。2

紧接着，他贴出了实际使用的任务指令：用 12 个子 agent 拆分 OpenClaw 的功能，启动不同端口的开发网关，进行压力测试，使用 worktree，并让 agent 自主创建 PR；目标是找出 200 个 bug，每次修复根因，不接受临时补丁，同时持续把测试报告写成 Markdown。5

这里的「200 个 bug」是任务目标，不是他已经发现的数量。这个边界很重要。Steinberger 分享的是一个开发者自己的发布前流程，原帖没有给出最终报告、缺陷样本或与人工 QA 的对照，所以不能写成「12 个 agent 已经证明 QA 效率提升了多少」。能确认的是，任务已经被拆成了并行执行、环境隔离、根因修复和报告留档四个动作。

上下文压缩和模型作弊也说明，长时任务的难点不只在于把运行时间拉长。系统必须知道每轮改了什么，测试是否覆盖到了对应行为，agent 是否为了通过检查而绕开真实问题。没有这些记录，长时运行只会把错误路径延长。

Peter Yang 是做 AI 教程和访谈的作者。7 月 26 日，他介绍了自己与 @jxnlco 的新访谈，并把对方描述为 OpenAI 的 DevEx 人员。推文中列出的 Codex 用法包括：为 Slack 和邮件设置一个 chief of staff，把过去的会话变成新的 skill，为长期项目设置可验证目标。6

他转述的具体例子包括，让 Codex 读取过去一周自己写过的 Slack 消息，提炼出模仿其表达方式的 skill；把一个讨论串变成 heartbeat，定期检查邮件、Slack 和 Linear，再告诉用户应该优先处理什么；以及找到机票、完成值机，把登机牌发到手机。这些内容是访谈预告中的使用例子，不是 OpenAI 对所有用户开放的功能清单。

Sam Altman 在同一窗口分享了更完整的一次个人体验。他说自己从手机发给 ChatGPT Work 的指令是：读取全部聊天历史，为 8 个朋友规划长周末旅行，做出三个方案，再生成一个全栈网站，让 9 个人协调目的地，达成共识后继续预订，并准备一封可以发给朋友的 Gmail 邮件。他的结论只有一句：「it...just worked」。3

这条推文没有展示网站、预订结果或 Gmail 的权限边界，因此它更适合作为产品体验信号。它和 Peter Yang 转述的 Codex 工作流放在一起看，差别在于任务不再停在「生成一份答案」：历史记录提供上下文，网站承接多人协作，邮箱和预订则把结果推向外部世界。每一步都需要用户确认和可追踪状态，否则「一条指令完成一串事务」很容易变成无法复盘的黑箱。

Zara Zhang 是一名 builder。她对未来工作方式的判断是：用户不再打字，也不再写文档，而是直接说话，工作实时完成；她认为从说话到执行的延迟应该接近零。7

这是一条产品设想，不是已经上线的功能。它和前面的手机端案例可以拼出一个明确的验收标准：语音输入本身没有太大价值，真正决定体验的是 agent 能否立刻调用上下文、修改文件或启动下一步动作，并在需要确认时把状态交回用户。等待几分钟再回来查看结果，和把工作交给一个随时可沟通的工作代理，感受完全不同。

同一窗口里，Zara 还写道，AI 原生公司的文化会接近开源社区。8 这句话没有附组织案例或管理数据，暂时只能当作方向判断。它至少提醒了一件事：当工作成果由 agent 持续生成和修改，团队需要共享的不只是代码，也包括规则、任务目标、评测结果和可复用的工作 skill。

Aaron Levie 是 Box CEO。他在窗口早段写道，随着 Google 加入某项开放权重相关进展，这已经是对 open weights AI 的「complete endorsement」。但这条短帖没有说明 Google 参与的具体安排，链接正文也不在原帖中展开，因此这里只把它记为 Levie 的态度信号，不把它扩写成一项已确认的行业协议。9

Madhu Guru 是 Meta AI 高级总监，曾在 Google 负责 Gemini、Veo 和 Nano Banana。他把美国 AI 社区迅速转向支持开放权重模型，归因于一系列公开「实验」的连续展开，包括 DeepSeek、Microsoft 与 OpenAI 的分拆、GLM、Kimi、Fable，以及 OpenAI 与 Hugging Face 的事件。在他的表述里，大家通过观察这些方向带来的直接和间接结果，不断更新判断。10

Madhu 这段话是个人观察，不是调查统计。它的价值在于把开放权重从一句立场口号，拉回到产品激励、创新、地缘政治和实际部署结果这些可观察变量。Levie 的短帖给出行业态度，Madhu 则给出他认为态度变化的原因，两者都还不能替代具体项目的技术和商业证据。

今天的素材把 agent 的边界推到了三个具体位置。第一，AGENTS.md、研究文件夹和历史会话能不能在多人团队里持续维护，而不是变成新的过期配置。第二，并行 QA 是否能留下可审计的测试报告、根因修复和回归结果，而不是只留下一个漂亮的成功叙述。第三，ChatGPT Work 和 Codex 能否在跨应用操作中清楚区分「已完成」「等待确认」和「尚未执行」。

这些问题比「模型又强了一点」更接近 agent 是否真的能进入日常工作。