前 Scale AI 创始人、刚出任 @Meta 首席 AI 官的 @alexandr_wang ，在 YC 现场跟 @garrytan 对谈时抛出这枚深水炸弹，直接把全网的技术管理层给听沉默了。

他说在 Meta 内部，我们已经真实看到了这种情况：
只要设计出正确的智能体循环（Agentic Loop），并给出一套能让它自主优化的评估系统与量化指标，
一群 AI 智能体完成的任务量，甚至超过了一支 100 名资深工程师组成的团队。
而且它们做到这一点，非常轻松，极其容易（Very easily）。”

但这场对谈最值钱、也最反直觉的地方，还不是100 个人被比下去的震撼，
而是他亲手扒开了 Meta 内部这套系统的底层骨架——
外行以为支撑这种超级蜂群的一定是极其复杂、深不可测的外星架构；

结果 Alexandr Wang 极其直白地用了几个最土的词把它打回了原型：
“Markdown files, cron jobs, goal, metrics, data.”
（Markdown 文件、定时任务、目标、指标、数据。）

撕开这层极简的包装，你会看懂这套打法对传统软件工程的降维打击：

1️⃣ 不是模型更聪明，是「闭环评估系统（Evals）」在发威：
传统的做法是人肉写提示词，祈祷模型别犯错；
Meta 的做法是把业务目标变成机器能自动验证的打分器。
模型只要敢交卷，系统自动跑测试、算指标、找坏味道；通不过就打回重做，直到绿灯亮起。
人不需要盯梢，指标本身就是最好的监工；
2️⃣ 真正的 Alpha 叫“在反馈循环里多烧 1000 倍的 Token”：
很多人用 AI 还在抠搜单次调用的价格；
顶级大厂的秘密是：宁可在后台多消耗 1000 倍甚至 100 万倍的 Token，去让 Agent 不断自查、对跑、互相对抗验证，直到把确定性的业务结果跑出来。
Token 的成本是死的，但换来的是一套永不熄火的流水线；
3️⃣ 记忆根本不需要花哨的数据库：
持久化记忆直接用 Markdown 文件存着，
调度直接用服务器自带的 Cron 定时器在夜间触发。
把脚手架做得越轻、越朴素，系统反而越皮实、越不容易出现上下文崩塌。

这是一场极度冷血的组织重塑：
过去一个技术负责人的天花板，取决于他能带多少人开会、协调多少跨部门利益；
而未来的技术领袖，唯一的生产力杠杆在于：
你能不能用最严密的数学指标，把复杂的业务目标，重述成一个连 AI 都能看得懂的自动化考卷。

当 100 个人的搬砖产能被一套定时器和 Markdown 文件轻松取代，
只会接单写代码的时代正式落幕了。
掌控评估体系、懂得调动蜂群的人，手里握着的已经不再是一个工具，而是一家随时可以原地起跳的虚拟跨国公司。 https://t.co/YmXUO3H59C