这话不是科幻小说的桥段，是Meta首席AI官 Alexandr Wang 在YC创业学校2026舞台上亲口说的。台下坐着几千个创业者，技术管理层听完直接沉默了。但真正让人后背发凉的，不是100个人被比下去这件事本身。
Meta内部的秘密武器，听起来像是一个技术笑话。
Markdown文件、cron定时任务、目标、指标、数据，就这几样东西。没有外星架构，没有神秘算法，没有花哨的数据库。一群AI智能体用最朴素的工具，干出了百人团队的活。
这就怪了。工具越简单，产出反而越高，对吗？
100个人输给了几个文本文件
Meta这套智能体系统的核心操作是：每个智能体把记忆和状态写成Markdown文件，用Unix系统自带的cron定时器在夜间触发任务，一轮一轮地跑，跑完自己检查、自己修正、自己迭代。cron定时器是什么概念？就是1970年代Unix系统就有的任务调度工具，比大部分程序员的年龄都大。
传统软件团队干活，靠的是人盯人。产品经理写需求文档，工程师拆任务，测试写用例，主管协调资源，每天站会同步进度。层级越多，信息损耗越大，沟通成本越高。一个需求从提出到上线，中间隔着无数次会议、文档和审批。
Meta的做法把中间环节全砍了。智能体拿到目标，自己规划、自己执行、自己验证，不需要人盯着。一轮跑不通，下一轮自动重试，直到指标亮绿灯。
但是，这里有一个被大多数人忽略的前提。
这套系统只在“特定任务”上超过了100人团队。什么叫特定任务？就是那些成功标准可以被精确量化、可以被机器自动验证的工作。代码合并通过率、测试覆盖率、响应延迟、错误率，这类东西可以写成自动化测试脚本，智能体跑一遍就知道过没过。
你让智能体去处理“把产品做得更好用”这种需求试试？什么叫“更好用”？谁来定义？怎么验证？
这就是争议的焦点。有网友直接开喷：现实最难的就是定义好需求和找对指标，你啥都定义好了，这不是废话吗。
评估体系才是真正的老板
Alexandr Wang 反复强调一个反直觉的判断：让智能体群超过100个工程师的，不是模型有多聪明，而是评估系统有多严密。
换句话说，模型本身不是决定因素。评估体系才是。
传统做法是程序员写提示词，祈祷模型别犯错。Meta的做法是把业务目标翻译成机器能自动验证的打分器。模型交卷，系统自动跑测试、算指标、标记坏味道，通不过就打回重做。人不负责盯梢，指标本身充当监工。
这套逻辑可以类比成考试。你不需要一个老师24小时盯着学生写作业，你只需要一套足够好的试卷和评分标准。学生做完自动批改，错了就重来，对了就过关。试卷的质量决定了学习的效果。
2026年亚马逊的教训从反面证明了这一点。亚马逊内部曾经搞过一个叫KiroRank的排行榜，按工程师消耗的Token量排名。加上公司下了硬指标要求八成以上员工每周必须用AI，员工立刻开始“刷Token”：派Agent去干根本没必要的活，把Token烧成排名，再把排名内化成职场安全感。最后亚马逊高级副总裁Dave Treadwell坐不住了，公开呼吁“不要为了用AI而用AI”，榜单随即被下线，新指标换成了“标准化部署量”，衡量工程师到底有没有交付出真正有用的代码。
经济学里有个古德哈特定律：当一个指标变成目标，它就不再是一个好指标。
评估体系的设计质量，直接决定了智能体群的产出方向。指标设计错了，智能体只会更高效地做错事。亚马逊的Token排行榜就是一个活生生的例子，指标一歪，行为立刻扭曲。
在反馈循环里烧掉1000倍Token
Meta智能体群能持续运转的另一个秘密，很多人没注意到：它不在乎单次调用的成本。
高盛2026年5月发布的报告《Decoding the Agentic Economy》给出了一组数据：在Agentic模式下，模型需要不断进行“思考、检索、调用工具、重新读取完整上下文”的循环，Token消耗量达到普通问答模式的1000倍。斯坦福大学和MIT的联合研究也证实了同样的数量级，Agentic编码任务的输入Token消耗量是标准代码问答的约1000倍，原因是智能体在执行每个动作之前都要重新读取完整的对话历史。
普通用户用AI抠抠搜搜，一次调用恨不得掰成两半花。Meta的思路完全反过来：宁可在后台多烧1000倍Token，让智能体不断自查、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。
但是，这套打法有个前提条件。你得先有清晰的评估体系。没有评估体系的Agentic循环，只会更自信地烧钱。36氪2026年6月报道过一个案例：有公司给全员开通Claude授权却忘了设上限，一个月烧掉5亿美元，其中相当大一块是员工反复撞上报错、一遍遍手动点重试点出来的。米哈游的技术负责人也提到，有员工为了做一个项目搭了几十个Agent协作，一晚上烧掉200万人民币的Token。
烧钱本身不产生价值，烧钱方向对不对，取决于评估体系有没有把反馈闭环焊死。
这就怪了。同一个工具，有人用它替代100个工程师，有人用它把账单炸上天，差距在哪里？
越朴素越皮实，Markdown比数据库好用
Meta智能体的记忆系统没有用向量数据库，没有用图数据库，没有用任何花哨的存储方案。就是Markdown文件。
一个文本文件，人可以直接打开看，智能体也可以直接读写。持久化记忆存成Markdown，上下文不会因为格式转换而丢失，调试的时候人也能看懂智能体到底记住了什么。
调度系统用的是cron定时器。服务器自带的，零配置，零依赖，跑了几十年从来没出过大问题。夜间触发任务，白天人来检查结果，节奏清晰。
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。
这跟主流AI圈的风气完全相反。2025年到2026年，各种Agent框架层出不穷，LangChain、AutoGen、CrewAI，每一个都号称能帮你搭建复杂的多智能体系统。但Meta的选择是：不要框架，要基础设施。Markdown是基础设施，cron是基础设施，框架是抽象层。抽象层越多，出问题的环节越多。
一位网友在评论中说得一针见血：“正确的智能体循环不只是多调几次模型，而是把触发条件、可验证的done和失败收据写进循环外。否则循环只会更自信地烧额度。”
技术领袖的新杠杆是什么
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、管理多大的团队。
现在这个逻辑正在被改写。Alexandr Wang 从Scale AI带过来的核心方法论是“评估优先”：在让智能体动手写第一行代码之前，先写出“怎么判断它做对了”的自动化测试脚本。Scale AI的整个商业模式就建立在让AI系统的产出可衡量、可追责的基础上，这套思维直接迁移到了Meta的智能体系统里。
未来的技术领袖，唯一的生产力杠杆在于：你能不能把复杂的业务目标，重述成一个连AI都能看得懂的自动化考卷。
这件事对工程师群体的冲击是结构性的。只会接单写代码的人，价值在被快速压缩。能定义目标、设计评估、设定权限红线的人，手里的工具不再是一个编辑器，而是一支随时可以出动的智能体蜂群。
但是，这里有一个必须说清楚的事实。Meta的案例目前还停留在内部描述阶段，没有公开的基准测试数据来验证“100个工程师”这个对比的具体含义。任务类型是什么？时间窗口多长？评估标准怎么定的？这些关键参数都没有披露。有网友直接质疑：“只要你把黎曼猜想的证明告诉了agent，那么他就能远远超越和取代这100个共同证明黎曼猜想的数学家”。话糙理不糙。
定义一个可以被机器验证的好指标，本身可能就是最难的那部分工作。Alexandr Wang 说的“非常轻松、极其容易”，指的是智能体执行循环的容易，不是设计循环的容易。
控制面正在搬家
这场变化最深层的影响，不在于100个工程师会不会被替代，而在于软件系统的控制面正在从人的手里，搬到评估体系里。
以前老板说“把这个功能做好”，产品、研发和测试三个角色把这句话层层翻译成人能执行的任务。翻译过程中每一步都掺杂人的判断、偏好和妥协。现在如果目标、验收标准和约束条件都能写成机器可验证的评估脚本，本质上就是在做一件全新的事：把人的判断固化成机器的规则。
那些规则的质量，决定了整个系统的上限。
回到开头那个问题：工具越简单，产出反而越高，对吗？对，但有个前提。简单的是脚手架，不简单的是脚手架下面那套评估逻辑。Markdown文件和cron定时器只是表层，真正在干活的是那套能让智能体自我纠错、自动迭代的反馈闭环。
当100个人的搬砖产能被一套定时器和文本文件轻松取代，只会接单写代码的时代正在落幕。掌控评估体系的人，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。
至于那“100个工程师”的具体任务到底是什么，Meta没有说。这个数字背后，藏着什么还没被公开的东西？
FDE总结
提炼 3 个可直接抄作业的工业级认知：
1. 别再迷恋复杂的框架：Agent 的状态用结构化 Markdown 存储，调度用最基础的系统定时器（Cron Jobs），越简单的架构越抗腐烂；
2. 评估体系（Evals）先于代码：在让 Agent 动手写第一行代码之前，先写出“怎么判断它做对了”的自动化测试脚本。没有裁判，蜂群就会在云端变成失控的噪声发生器；
3. 人类的职责位移：从“亲手搬砖”，上移到“定义目标、制定规则、设定不可逆的权限红线”。
大家觉得在未来的软件团队里，一个懂得写自动化 Evals 调动 Agent 的架构师，在产出上能顶替多少个传统的普通程序员？
在 Meta，你需要构建“Markdown files, cron jobs, goal, metrics, data.”来达成 agentic loop，也要持续优化 loop 运行期间的稳定性。 在开源社区，你只需要给 loopx environment 和 goal，即可达成。