人与Agent：微妙的关系
2026年4月21日。加州门洛帕克。Meta总部。
路透社爆出了一条消息：Meta正在为美国员工的工作电脑安装监控软件——记录每一次键盘敲击、每一次鼠标移动、每一次屏幕截图。这个项目有个内部代号，叫MCI（Model Capability Initiative，模型能力倡议）。
两天后，Meta宣布裁员8000人。
又过了一天，CTO Andrew Bosworth给全体员工发了一封备忘录。他写道：“我们正在构建的愿景是——我们的Agent主要做工作，而我们的角色是指导、审查和帮助它们改进。”
键盘记录。裁员。Agent做工作，人做监工。
这三件事发生在同一周。它们之间不是因果关系——但它们共享同一个逻辑。这个逻辑在整个系列已经用六篇文章从六个行业的角度反复验证过，但它在这里——在人与Agent的边界上——露出了最锋利的一面。
人教会Agent如何工作。Agent学会了。Agent替代了教它的人。
Meta的员工知道自己在做什么。他们是地球上最聪明的一群工程师，他们完全理解：自己每一次点击Jira工单、每一次在Slack上回复消息、每一次复制粘贴代码——都在变成训练数据。这些数据将喂给一个模型。那个模型将学会做他们的工作。
然后，他们就会被要求”指导、审查和帮助Agent改进”——直到Agent不再需要他们的指导。
这就是”数字泰勒主义”。
1910年代，弗雷德里克·泰勒拿着秒表站在工厂车间里，把工人的每一个动作分解、计时、优化、标准化。他的目标是：让工人变得像机器一样可替换。他成功了。2026年，Meta的MCI软件做着和泰勒的秒表一模一样的事——只是它记录的，不是工人拧螺丝的动作，而是工程师写代码的敲击。
一
这个系列的前六篇文章，从六个行业的视角，反复讲同一件事：企业的研发预算正在从”养人”转向”养Agent”。
互联网平台在用Agent替代自己的核心业务。软件公司在用Agent写代码替代初级程序员。芯片设计公司在用Agent跑验证替代上百名验证工程师。制药公司在用Agent筛选分子替代初级研究人员。比亚迪在用Agent泊车——它的智能泊车使用率从21%跃升到93%，事故率几乎归零。
六个行业。同一件事。
但六篇文章都没有停下来问一个问题：在这张研发预算表上——左边写着”人”，右边写着”Agent”——人的位置，到底在哪？
这不是一个诗意的问题。这是一个账本问题。
Gartner预测：到2029年，至少50%的知识工作者将需要学习新技能——不是为了做好本职工作，而是”为了与Agent共事、治理Agent、创造Agent”。到2030年，80%的大型软件工程团队将缩减为AI增强型小团队。德勤的数据显示，AI已经推动了软件开发生产力提升30%到35%——但在同样的周期里，团队规模在缩小。
人还在。但人的定义变了。
二
要理解这个变化，需要先理解一个更古老的命题。
十九世纪末，当蒸汽机开始替代体力劳动者时，反对者举着牌子喊：“机器偷走了我们的工作。“这句话说对了一半。机器偷走了一些工作——但它没有偷走所有的工作。它只是重新定义了”什么是工作”。一个纺纱工人变成了一个纺织机操作员。一个铁匠变成了一个机床操作工。
二十世纪末，当计算机开始替代文员和打字员时，同样的故事重新上演了一遍。打字员消失了。但出现了数据分析师、网络管理员、前端工程师。
现在，Agent正在做同样的事——但它的姿势和蒸汽机、计算机都不一样。
蒸汽机替代的是肌肉。计算机替代的是计算。Agent替代的是判断。
一个芯片设计工程师判断一段RTL代码是否正确的过程——过去靠二十年经验和直觉。现在，Agent在80小时内设计的TurboQuant推理加速器通过了FPGA验证。一个药物化学家判断一个分子是否值得合成的过程——过去靠直觉和文献。现在，Agent从1亿个候选分子中筛选出20个，成功率远超人类。
Agent不是在替代”人做的事情”。Agent是在替代”人之所以为人的那个判断”。
这就是为什么人与Agent的关系不是”工具与人”的关系。工具不会替代判断。锄头不会决定种什么，EXCEL不会决定怎么分析数据。但Agent会。
当比亚迪的”天神之眼”在暴雨天决定要不要变道——它在做判断。当Insilico的AI决定哪个分子值得推进到临床试验——它在做判断。当Cadence的ChipStack决定一段RTL代码有没有bug——它在做判断。
而这些判断，在过去，定义了一整个职业的存在意义。
三
现在，把这句话翻译到六个行业的研发预算表上。
在软件行业，初级程序员的定义是”能写代码”。Agent已经能写代码了——40%到60%的提交是AI生成的。初级程序员不再是被”要求”的，而是被”剩余”的——只有当Agent写错了，才需要人来修。
在芯片设计行业，验证工程师的定义是”能找bug”。Agent已经能从规格自动生成testbench、自动检测bug了。验证工程师不再是被”需要”的，而是被”保留”的——只有当Agent漏了，才需要人来补。
在制药行业，药物化学家的定义是”能选分子”。Agent已经能从1亿个候选分子中筛出20个了。药物化学家不再是被”依赖”的，而是被”最后确认”的——Agent选完之后，人点头。
在每个行业，人的角色都在从”执行者”变成”审批者”。
这不是一件坏事。比做一个”执行者”更累的，是做”审批者”——因为你需要比执行者懂得更多，才能判断执行者做得对不对。
但这里有一个冰冷的算术问题：10个执行者需要1个审批者就够了。100个执行者需要几个审批者？还是1个。
Gartner预测的80%团队缩减，不是Agent把80%的人开除了——而是当10个人的工作被Agent完成之后，只需要2个人来”审查、指导和帮助Agent改进”。另外8个人——他们曾经是行业里最会写代码、最会找bug、最会选分子的人——他们去哪？
他们有一部分会变成Agent的”治理者”。掌握工作流分解的能力：把一个复杂任务拆成Agent能执行的步骤，在关键节点设置人类检查点。掌握输出评估的能力：看出Agent什么时候在”装懂”，什么时候真的做对了。掌握集成与治理的能力：让Agent在企业系统里安全地运行，不出乱子。
他们从”做工作的人”变成了”教Agent做工作的人”。但教完之后呢？
Meta的CTO Bosworth已经给了答案：“Agent主要做工作，我们的角色是指导、审查和帮助它们改进。”
那再之后呢？
Bosworth没有说。但Meta的裁员名单替他回答了。
四
在人与Agent的所有关系中，最微妙的一种，不是”Agent替代人”。是”Agent监控人”。
传统工厂里的泰勒主义是这样的：经理拿着秒表站在工人身后。现在，秒表变成了代码——Agent不需要站在你身后。它在你的电脑里。它记录你每一次切换窗口、每一次鼠标轨迹、每一次从一个工具跳到另一个工具。你不被监控的时候，反而变得很奇怪。
Meta的MCI项目说：这些数据只用于训练Agent，不用于绩效评估。但这张承诺和一个月后的裁员名单放在一起看，你会相信哪一边？
不仅仅是Meta。整个”数字泰勒主义”的浪潮正在淹没白领工作。远程工作加速了监控工具的普及——Time Doctor、Hubstaff这样的软件每隔10分钟截一次屏幕，计算”空闲时间”，生成”生产力分数”。这些分数——不是人的判断，是一个模型算出来的——可能决定一个人的去留。
泰勒用秒表让工厂工人变得可替换。Agent用监控软件让知识工作者变得可替换。
但这里有一个诡异的回旋。
Agent替代了人做执行层的工作。然后Agent开始监控人是否在认真”审批”Agent的工作。然后Agent发现——人在审批Agent工作的时候，点击正确按钮的速度不如Agent快。
那么——谁来审批Agent的审批？
这就是人与Agent关系最深的矛盾：我们制造Agent来替代人的执行，然后我们用Agent来监控人的审批，然后Agent发现人的审批也不如Agent——这个递归的终点是什么？
不是”人会被消灭”。是人会变成链条上的最后一环——因为需要有人对整条链条负责。当Agent泊车出了事故，比亚迪要赔钱。当Agent设计的芯片流片失败，芯片公司要承担几千万的损失。
Agent可以替代判断。但Agent不能替代责任。
这是人与Agent之间最后一道防线。也是最薄的一道。
五
读到这儿，你可能会觉得这是一篇”悲观”的文章。
不是。这是本系列最”乐观”的一篇。因为真正危险的不是Agent太强——而是人看不清自己的新位置。
Gartner预测的那50%需要学习新技能的知识工作者，不是在学”怎么用Agent”——是在学”怎么管Agent”。这是两个完全不同的技能树。“用”是被动的，“管”是主动的。“用”是让Agent替你做事，“管”是让Agent做对的事。
在Agent成为同事的世界里，最贵的人的技能不再是”会做”，而是”会判断Agent做没做对”。最值钱的人不再是”能写代码的人”，而是”能告诉Agent写什么代码的人”。最有议价能力的人不再是”经验丰富的人”，而是”能看出Agent什么时候在装懂的人”。
a16z算过的那笔账——AI的目标市场不是4000亿美元的软件市场，而是13万亿美元的劳动力市场。30倍的扩容。这个30倍的扩容里，新创造的岗位不会比消灭的岗位多。这不是一场零和游戏，也不是一场正和游戏。这是一场**“重新定义什么是劳动”**的游戏。
在这个游戏里，人第一次需要回答一个问题：如果机器能做所有你能做的执行工作——你用来交换工资的那个”工作”，它的本质到底是什么？
不是你敲了多少行代码。不是你写了多少份报告。不是你筛了多少个分子。不是你画了多少张版图。不是你开了多少公里测试车。
是你——在Agent做完所有这一切之后——能判断它做得对不对。
而”判断对错”这个动作，在人类历史上，从未被当作一种可以用来交换工资的”劳动”。
六
2026年4月。加州门洛帕克。
MCI软件安静地运行在Meta员工的电脑后台。它不吵不闹，不影响任何工作——它只是默默地看着。看着人类最后一次用某种方式来点击一个下拉菜单、拖拽一个文件、输入一行命令。
Agent正在学习。学习它的老师做每一件事的精确方式。
CTO Bosworth的备忘录里有一句话，值得被刻在2026年的年鉴上：“我们正在构建的愿景是——我们的Agent主要做工作，而我们的角色是指导、审查和帮助它们改进。”
这句话里最值得注意的词，不是”Agent”，不是”工作”。是**“我们的”**。
“我们的Agent。“他说。
Meta的员工在训练”自己的”Agent的那个时刻——他们和整个系列六篇文章里出现的每一个人都在共享同一个命运：人创造了Agent，Agent学会了人的工作，人变成了Agent的指导者。然后Agent继续学，人继续退。
这个过程里，最大的问题不是”Agent会不会取代人”。是**“人还愿不愿意继续学着做指导者”。**
2026年6月。全世界六个行业的研发预算表上，左边写着”人”，右边写着”Agent”。笔在你的手里。
但有一个问题——这个系列的每篇文章结尾，都问过同一个问题——这一次，它该以它最完整的形式被说出来了：
当Agent学会在预算表的左边栏填上自己的名字——你还能不能，在右边栏认出你自己？
（系列第七篇完。下一篇：【投资视角】烧钱还是赚钱？Agent研发投入的行业ROI拆解。）