组织变革

一、引子：从「招一个人」到「上岗一个 Agent」 上一篇我们讲硅基文明的电力战争，讲的是智能的物理底座。这一篇，我们走进公司内部，看这件事在组织形态上引发的更安静、却更深刻的地震：雇人的逻辑，正在被重写。 过去三十年，一家公司扩张的标准动作是：业务涨了，招人。招工程师、招运营、招客服、招内容，把职位描述挂出去，面试、发 offer、交社保、等三个月上手。这个模式的摩擦大得惊人——一个岗位从开坑到真正产出，往往要半年，而全年全负担成本动辄十几二十万美元。 但 2026 年，越来越多创始人做的是另一件事：业务要涨了，先配一个 Agent。你给它一个岗位目标——「负责我们产品的技术文档更新」「每周生成三条短视频脚本并发布」「处理客服工单里 80% 的标准问题」——然后它自己开工，夜里也不休息，同时并行处理几十条工单，按结果计费。 这就是「硅基员工」元年的含义：Agent 不再只是开发者的副驾驶，它开始被当成一个「岗位」来招聘、验收、考核和替换。 公司的最小可行形态，正在从「几个人的小团队」塌缩成「一个人 + 一群 Agent」。 二、编程 Agent 的进化：从补全到「接 ticket 自己做完」 这场变革最锋利的切口，是编程。因为代码是 Agent 最容易理解、也最容易用「跑测试」来客观验收的工作——你写完代码能不能跑，测试套件不会骗人。 OpenAI Codex 的演进是一条清晰的曲线。最早的 Copilot 是「行内补全」：你写一半，它猜你要写什么。到 2026 年，Codex 已经是一个异步、多智能体的编程代理（OpenAI Codex 官网）： 它可以在终端直接触发（npm i -g @openai/codex），也能在 VS Code 里用； 并行运行多个 Agent，各自在不同的 git worktree 里干活； 会自己调用电脑和浏览器工具去验证结果，迭代跑测试直到通过； 2026 年 2 月发布的 GPT-5.3-Codex，比 GPT-5.2-Codex 快 25%，能承接长时程、多步骤的工程任务（OpenAI 发布说明）。 背后的训练方法也变了：最早的 codex-1 是用强化学习在真实编码任务上训出来的——模型被反复奖励「写的代码符合人类 PR 偏好、严格遵循指令、测试跑过」，于是它学会了像一个真实工程师那样，改一点、测一点、再改一点，而不是一口气生成一大段没法跑的代码（OpenAI 系统卡附录）。 这不再是「补全」，这是「派活」。2026 年 5 月，思科宣布把 Codex 规模化部署到整个企业工程体系，让「AI 原生开发」进入核心软件构建流程。站点的 Codex 编程代理演进 与 Claude Code 如何跑赢 GitHub Copilot 记录了这场工具层的洗牌；而 SpaceX 收购 Cursor 这种事件，则说明编程 Agent 已经贵到值得被巨头整家买下。 ...