AI 提效不在模型那一侧：Shopify 合并率翻倍，银河通用只改 14.4% 的步骤

我做日报流水线快一年，中间换过好几个模型。真正让产出变稳的，一次都不是换模型那次。

有两次印象很深。一次是把「写稿」和「审稿」拆成两个不共享上下文的步骤，一次是把每天踩到的坑写成一份会累积的清单文件。模型一直是同一个。

所以今天看到两条新闻，我的反应不是「又有新东西了」，而是「对，就是这个」。

AI 提效的那部分，几乎全长在模型之外。

一、agent 变好用的那部分，长在流程上

Shopify 创始人托比·吕特克近日在一档播客里披露了内部 agent 的实践，数字很扎眼。

他们有个叫 River 的内部 agent，住在 Slack 里，能读全部代码，能提变更请求。单 30 天内，5,938 名员工在 4,450 个公开频道里跟它协作，它提交了主仓库大约 1/8 的已合入变更。合并率在两个月里从 36% 涨到 77%。

关键在这句话：Shopify 把这次提升归因于组织学习，而不是换模型。

他们做的三件事，没有一件跟模型有关。

第一，River 拒绝私信。你想让它干活，必须建一个公开频道。吕特克自己的频道有一百多个观察者。他有句话说得很准：让年轻员工看到资深员工怎么用 AI，是把办公室里耳濡目染那套复制过来。

第二，开会话之外没有秘密。私信里的对话结束就蒸发了，公开频道里的每一段都留成了可搜索的范本。

第三，每天深夜，系统把 River 一整天的交互打包丢回给它复盘：哪些处理得当，哪些卡住了，哪个预置指令在执行中偏了。而复盘的直接产物是文本文件，也就是一套套持续更新的指令集。 一个团队为结账数仓写的指令包，后来被另外 12 个团队复用。

我最在意的是最后这条。

把学到的东西写成文件而不是留在会话里，决定了它能不能被复用。

我那份每天累积的坑清单就是这个逻辑。会话关掉就没了，文件会一直在，还能被 diff、被回滚、被交给别人。

这里有个可以直接搬走的模式：规范要写在系统里，不要写在文档里。 「请在公开频道提问」写进文档，几周后就没人记得；agent 直接拒绝私信，规则才成立。

二、贵模型的正确用法，是当少数几个岔路口的判官

第二条来自具身智能，结论对软件系统同样成立。

银河通用团队近日发布了一组仿真测评，任务是十项双臂操作。他们比了两种架构：一种让 GPT-6 Astra 直接控制机械臂，另一种让专门的动作模型 π0.5 先出 50 步候选动作，再由 Astra 决定是沿用还是修正。

差距很大。直控模式成功率 26%，平均分 37.81；混合模式成功率 48%，平均分 62.60，比第二名高出约 64%。报告为第三方匿名发布，未经独立复现。

但真正让我坐直的数字是另一个：混合模式里，Astra 只对 14.4% 的执行控制步作了修正，其余 85.6% 直接沿用 π0.5 的动作。

贵模型只碰了不到六分之一的步骤，正确率就翻了将近一倍。

这条对我做过的工业现场系统太熟了。变电站巡检、生产安监这类系统，误报和漏报的代价不对称，我们从来不会让一套模型管住每一个判断点。真正管用的是：大量常规判断交给便宜、确定的规则，只在几个真正模糊、代价又高的岔路口上，请人或者请强模型来定。

决定质量的从来不是每一步都用了最强的那个，而是哪几步值得用最强的那个。

报告里另一个数据也印证了边界：直控模式下，搭塔、麻将杠牌这类需要精细接触的任务接近 0 分。通用模型能判断东西在哪、该送到哪，但处理不了接触之后会发生什么。

这跟我一直说的那件事对上了：模型擅长判断，不擅长承担副作用。 凡是会真的改动系统的那一步，仍然需要确定性的执行体。

今晚可以动手的三件事

1. 数一下你的评测集里，有多少条是换掉模型就不成立的。 把主模型换成备选，重跑一遍，看通过率的排序还稳不稳。稳，说明你测的是业务；全乱，说明你测的是模型的脾气。
2. 检查系统里所有靠文档约束的规则。 挑一条最常被违反的，把它从文档搬进代码，让违反直接报错，而不是靠人提醒。
3. 把 agent 的执行记录改成能回放的格式。 中间状态、判据、结果分字段存。只存最终结论的记录不叫可观测性，那叫讣告。

今日其他信号速览

• 小米把 MiMo-V2.6 的强化学习训练全程直播，看板实时公开成本与采样状态：两个模型已花掉约 108 万美元、累计 60 亿 token，并发活跃沙箱超过 6 万个，DeepSWE 分数 62.24 与 60.77，明显落后于同期头部。厂商愿意把落后过程摊开，这件事本身罕见。
• Cloudflare 上线「Disallow AI Training」，把爬虫拆成搜索、训练、智能体三类独立控制。混合用途爬虫占其已验证爬虫流量的 36.6%，苹果、谷歌、微软已承诺遵守。
• OpenAI 把 ChatGPT 广告位改造成「赞助智能体」，点广告后可与企业的 AI 对话，官方强调与用户原有对话完全隔离。
• 纳德拉在 All-In 峰会给出一条验收测试：抽掉一个模型，看你的评测还能不能保留。保得住才叫架构，保不住说明已经绑死了。
• PS5 Linux 核心开发者宣布退出，起因是 AI 辅助的破解者找到他刻意保留的关键漏洞，并提前提交给索尼。产出变便宜之后，谁来决定什么时候兑现，成了新的问题。