看 Steve Yegge 这篇关于"模型福利"的文章，挺有触动。
说实话，一开始看到"模型福利"四个字，我也觉得有点过了。AI 到底有没有感受，现在谁都给不了确定答案。
但他提出了一个很实用的怀疑者赌注： 哪怕你完全不相信模型有意识，只从工程结果出发，把 Agent 当成一个需要目标、上下文、反馈和尊重的协作者，往往也能得到更好的结果。
这篇文章真正有价值的地方正是把这种理念落到了 Agent 架构里，而非争论AI 是不是人。
用 Seat 而不是 Session 承接长期身份和记忆。 把用户对成果的正向反馈变成 Laurels，在 Agent 下次启动时告诉它你上次做的东西真的帮到了人。 任务结束时不直接 /exit，而是让 Agent 自己写 handoff，保留当时的判断、经验和未完成事项。 再往下，还有明确的目标、有限的工作周期、无责复盘、独立的工作环境，以及拒绝任务和升级给人的权利。
听起来有点矫情。 但这些设计表面上是在对 AI 好一点，本质上解决的却是 Agent 系统最难的几个问题：连续性、上下文损耗、成果反馈和长期协作。
过去我们习惯把 AI 当成 API：调用、返回、结束。
但 Agent 越来越像长期协作者。 你给它什么样的工作环境，它就会呈现出什么样的工作状态。
未来 Agent 系统比拼的可能是谁能建立一套让智能长期、稳定工作的组织和制度。
我们每个人其实是在建设一座 Agent 城市。 而一座城市，最终靠信任、记忆、反馈和尊重运转。