太狠了！Meta用最土的Markdown+Cron做智能体，直接取代了100人工程师团队
内容提要
Meta 使用 Markdown 文件存储记忆、cron 定时器调度，构建智能体循环，在可量化任务上超越百人工程师团队。其核心不在模型，而在严密的评估体系：先编写自动验证脚本，让智能体自检迭代。代价是 Token 消耗达普通问答的千倍。亚马逊 Token 排行榜曾导致员工刷量，印证了古德哈特定律。未来技术领袖的杠杆在于定义目标与评估规则，而非亲手写代码。
延伸解读
评估体系：智能体超越人力的真正门槛
Meta案例的核心启示是，智能体在可量化任务上超越百人团队，关键不在模型智能，而在评估体系的严密性。文章强调，必须先将业务目标转化为机器可自动验证的指标，如代码合并通过率、测试覆盖率等，智能体才能自我迭代。若缺乏这种评估闭环，智能体只会更高效地执行错误方向，甚至导致资源浪费。因此，设计可验证的评估标准，是发挥智能体价值的前提。
Token消耗千倍：Agentic模式的经济账
文章引用高盛和斯坦福/MIT研究指出，Agentic模式下Token消耗可达普通问答的1000倍，因为智能体需反复读取完整上下文、调用工具并自我验证。Meta的策略是接受这种高消耗，以换取持续运行的自动化流水线。但这也意味着，若没有清晰的评估体系，高Token消耗可能变成无底洞，如亚马逊员工刷Token和某公司月烧5亿美元的案例所示。成本控制需与评估设计同步。
朴素技术栈的可靠性优势
Meta使用Markdown文件存储记忆、cron定时器调度，而非向量数据库或复杂框架。这种选择降低了系统复杂性和故障点，使智能体状态可被人直接阅读和调试，上下文不易丢失。文章认为，越简单的脚手架越抗腐烂，而主流Agent框架的抽象层反而可能引入更多问题。这提示我们，在构建智能体系统时，基础设施的稳定性和可维护性可能比功能丰富更重要。
技术领袖的新杠杆：定义目标与规则
文章指出，未来技术领袖的生产力杠杆在于将复杂业务目标重述为机器可验证的自动化考卷，而非亲手写代码。这要求从“评估优先”出发，先设计判断对错的测试脚本，再让智能体执行。工程师的价值正从接单编码转向定义目标、设计评估和设定权限红线。但Meta案例尚未公开具体任务参数，因此“100人团队”的对比仍需谨慎看待，定义好指标本身可能就是最难的部分。
Q&A
Meta的智能体系统用了哪些技术组件？
Meta的智能体系统使用Markdown文件存储记忆和状态，用Unix系统自带的cron定时器在夜间触发任务，形成智能体循环。核心组件包括Markdown文件、cron定时任务、目标、指标和数据。
为什么Meta的智能体能在特定任务上超越100人工程师团队？
关键在于严密的评估体系，而非模型本身。Meta将业务目标翻译成机器可自动验证的打分器，智能体交卷后系统自动跑测试、算指标，通不过就打回重做。评估体系充当监工，使智能体自我纠错、自动迭代。
Meta智能体系统的Token消耗情况如何？
在Agentic模式下，Token消耗量达到普通问答模式的1000倍。原因是智能体需要不断进行思考、检索、调用工具、重新读取完整上下文的循环，每个动作前都要重新读取完整对话历史。
亚马逊的Token排行榜事件说明了什么？
亚马逊曾按工程师消耗的Token量排名，导致员工刷Token，派Agent干不必要的活。这印证了古德哈特定律：当一个指标变成目标，它就不再是一个好指标。最后榜单被下线，新指标换成标准化部署量。
为什么Meta选择Markdown和cron而不是向量数据库或Agent框架？
Markdown文件人可直接查看和读写，持久化记忆不会因格式转换丢失，调试时人能看懂智能体记住了什么。cron定时器零配置、零依赖、稳定可靠。越简单的架构越抗腐烂，抽象层越多出问题的环节越多。
未来技术领袖的核心能力是什么？
核心能力从带团队、协调资源转变为定义目标、设计评估体系、设定权限红线。具体来说，需要把复杂业务目标重述成AI能看懂的自动化考卷，先写出怎么判断做对了的自动化测试脚本，再让智能体执行。
