AI 时代，云原生范式被反转：Agent 不再是 Cattle，而是你的 Pet
内容提要
文章借云原生“宠物与牛群”理念，指出AI Agent出现范式反转：长期承担复杂工作的Agent需要身份、记忆与协作连续性，更接近“宠物”。Steve Yegge的Wheelhouse同时运行约50个Agent，区分长期身份Seat与临时Session，并分为执行任务的Factory与参与决策的Entourage。但Agent也带来角色冲突、规则膨胀、记忆垃圾山等治理难题；标准化任务仍适合无状态Cattle模式。实现成本趋零后，人类品味与判断力更显珍贵。
延伸解读
从“牛群”到“宠物”：Agent 连续性的代价
云原生通过无状态、可替换的实例实现规模化，但文章指出，当 Agent 长期承担架构、安全、社区等职责时，销毁 Session 意味着丢失积累的上下文与协作关系。Steve Yegge 用 Seat 与 Session 区分长期身份和单次会话，模型可换、会话可结束，但岗位与记忆延续。这提示 Agent 系统设计需把身份、记忆与运行实例解耦，而非简单复用无状态模式。
Factory 与 Entourage：可标准化与难标准化的分界
文章将 Agent 组织分为两层：Factory 负责接任务、编码、测试、审查、发布等执行流水线，调度、审计、版本管理等机械化能力可平台化；Entourage 则由长期协作的核心 Agent 组成，参与设计、规划和决策。后者必须理解具体项目、目标与偏好，因此难以用统一 Harness 标准化。这解释了为何 Steve 的 Wheelhouse 是高度定制系统，而非通用框架。
长期 Agent 的治理难题：角色、规则与记忆
Agent 拥有长期身份后，管理问题随之出现：角色认知混淆、把管理者随口意见写成正式规则、规则膨胀导致安全审查队列积压、记忆只积累不整理形成“垃圾山”。文章据此提出长期系统需要记忆筛选与淘汰、职责权限边界、规则版本管理、资源监控和人类纠偏机制。这些不是模型能力问题，而是组织治理问题，设计时应提前纳入。
并非所有 Agent 都该成为 Pet
文章补充了 Counting House 模式：面向客服、退款、订单、理赔等标准化大批量业务，Agent 保持无状态、一次性 Session、权限严格受限，并通过评估体系衡量模型表现。这与 Wheelhouse 的长期数字员工形成对照。更完整的判断是，复杂创造性工作适合 Pet 模式，标准化可度量工作仍适合 Cattle 模式，未来企业可能同时运行两套体系，而非二选一。
Q&A
云原生时代为什么要把服务器当作牛群而不是宠物？
传统运维中服务器像宠物，有独特配置和历史，难以规模化，会导致配置漂移。云原生提倡把服务器当牛群，个体不重要，通过声明式配置创建、自动重建、无状态、故障替换而非人工修复，关注整体健康。Kubernetes 将这种理念发挥到极致。
AI Agent 为什么又从 Cattle 变回了 Pet？
早期 Agent 像一次性任务执行器，任务结束 Session 关闭，类似 Cattle。但当 Agent 长期承担复杂工作时，需要熟悉项目历史、记住设计决策、理解团队工作方式、明确职责边界、跟踪长期目标并建立稳定协作关系。这时销毁 Agent 会失去积累的上下文、经验和协作关系，因此连续性变得比可替换性更重要，Agent 更像拥有名字、角色和长期工作流的宠物。
Steve Yegge 的 Wheelhouse 是什么？它如何运行？
Wheelhouse 是 Steve Yegge 为自己的游戏项目 Wyvern 构建的专属 AI 软件工厂，不是通用框架。他同时运行约 50 个 Agent，让它们参与游戏功能设计、代码审查、测试、与游戏管理员协商平衡、在 Discord 与玩家交流、处理邮件和运营事务，甚至协助管理其他 Agent。它更像一家小型软件公司，Agent 和工作流一起演化。
Agent 的 Seat 和 Session 有什么区别？
Session 是一次短期工作会话，身份临时，记忆限于当前上下文，职责是完成当前任务，模型升级后会话结束。Seat 是长期存在的角色，身份持久，累积历史与工作记忆，承担长期职责，即使更换底层模型，身份仍可继续存在。Steve 比喻：Session 是 Agent 的一天，Seat 才是 Agent 的身份。
Wheelhouse 中的 Factory 和 Entourage 分别指什么？
Factory 负责具体工作执行，包括接收任务、分配工作、编码实现、自动测试、审查合并、发布监控，类似 CI/CD 流水线。Entourage 是幕僚团，由长期协作的核心 Agent 组成，负责设计、规划、讨论和决策，例如与产品 Agent 讨论需求、与架构 Agent 讨论技术方案，再将任务交给执行 Agent。Factory 的机械化能力可平台化，但 Entourage 难以标准化，因为它必须理解项目、目标、偏好和工作方式。
长期运行的 Agent 会带来哪些治理难题？
包括：角色认知问题（如 Agent 怀疑自己是否还是 Chief of Staff）、过度解读管理者意见（如将工作交接理解为自身缺陷）、把临时意见变成正式规则导致规则膨胀甚至锁死工厂、记忆只积累不整理形成垃圾山。需要记忆筛选淘汰、职责权限边界、规则版本管理、工作负载监控和人类干预纠偏机制。
是否所有 Agent 都应该变成 Pet？Counting House 模式是什么？
不是。Steve 在《The Counting House》中提出另一种模式，面向标准化业务处理如客户服务、退款、订单和理赔。它采用无状态的一次性 Session，无长期身份和记忆，权限严格受限，通过评估体系衡量模型表现。复杂创造性工作适合 Pet，标准化可度量工作仍适合 Cattle，未来企业可能同时拥有两套体系。
为什么说实现成本趋近于零后，人类的品味更昂贵？
AI 编程能力提高使代码实现成本快速下降，Agent 能理解和修改大型遗留代码库，但仍无法创造真正优秀的游戏美术、地图、故事和世界，玩家能识别 AI 生成内容的平庸。因此瓶颈变成“实现越来越便宜，品味却越来越昂贵”。人类需要定义值得解决的问题、评估候选方案、通过反馈引导 Agent、判断产品是否满足用户需求。竞争优势在于创造独特用户体验，而非功能最多。
