我忘记是在哪里看过这样一句话：写作实在太有意思了，以至于宁愿自己亲自写，也不愿意让 Agent 代劳。
出处暂时不可考，先记在这里。互联网经典幽灵作者，功德无量，查重困难。
写作这件小事，曾经很酷
从高中开始，我就一直不太擅长写作，却又很想成为一个小说家。那是整个班级可以传看一学期《三体》、东野圭吾和《萌芽》的年代。信息量高度集中的文字，是我们这群熵增恶兽为数不多的食物。对中学时代的我来说，作家无疑是全世界最酷的职业。但上大学后，我很快丢掉了读书的习惯，并在很长一段时间里，用电子游戏弥补中学时代没能尽兴的遗憾。
文字能力在近几年的环境里似乎一直在贬值。大概从恢复高考到 10 年代，它的单位价值曾经达到过一个高峰；但随着流媒体和移动互联网的普及，文字迅速被更轻、更快、更即时的媒介挤压。到了 GPT-3 横空出世的时候，甚至连“构造文字”这件事本身，也被许多人认为已经一文不值。
如果文字本身越来越便宜，那真正值钱的可能只剩下：你到底如何看世界。
我第二次对写作燃起兴趣，大概是在 2022 年左右。
大二分流时，我觉得 Security 很酷，于是选择了信息安全专业。虽然本科阶段其实什么也没干，但到了硕士一年级，我发现了 CTF 这样一个有趣的东西。那时我再次觉得：CTF 很酷。也因为它，我认识了很多至今仍保持联系的学长、学弟，并真正投入了一些精力去学习。
不得不说，CTF 的过程确实提升了我原本贫瘠的认识，也稍微提高了一点技术水平。安全圈子不是很大，那时候我眼里最酷的事情，就是做题、写 WP、写一些日记。现在回过头看，我对 Security 的天赋和认识都远远比不上同龄人，努力程度其实也不算够。它唯一的好处，是为我注入了一些心力，让我在空闲时间里没有那么彻底地荒废下去。
也正是在学习 CTF 的过程中，我知道了 Hexo，知道了 hexo-next 主题。因为在那个圈子里，相当一部分人都用这两件套写 blog。其实大部分人并没有足够的工程能力，也没有太多闲暇心思，去搭建一个完全由自己掌控的 GitHub Pages blog；Hexo 便是那个时期恰到好处的产物。
但我用 Hexo 写作时一直很不习惯。原因是，每次动笔之前，我都要先写 description、tag、category 这些我原本完全不会去想的东西，甚至还要考虑图床。它们对我来说像是冗余的仪式：明明只是想写点什么，却要先替这篇东西安置好身份、分类和用途。
现在回过头看我那个时期写下的内容，会有一种强烈的伪人感。很多时候，我其实只是为了“写点什么”而写点什么。于是最后产出的，自然也只能是一些毫无灵魂的作物。
Agent 开始接管真实工作流
但 Agent 出现之后，这些障碍几乎完全消失了。
直到 2025 年底之前，Agent 还没有那么好用。它当然已经能做很多事，但更多时候像是一个聪明的 chatbox，加上一些流程编排、工具调用和调度能力。真正的变化发生在基模能力和 Harness 能力同时上去之后。某种意义上，Agent 也迎来了自己的“GPT-3 时刻”：它不再只是回答问题，而是开始能够接管一段真实工作流，在代码、文件、命令行、浏览器和仓库之间来回穿梭，并把一个模糊的意图推进成可运行的结果。
紧接着，传统前后端岗位开始传来噩耗，得物前端部门全员转 AI 全栈。传统岗位正在被重新估值，前端、后端、测试、产品、运维这些原本清晰的分工，开始被 Agentic Workflow 重新切开。与此同时，LLM 相关岗位的价值被推到了前所未有的位置。只要 OpenAI 和 Anthropic 没有出现足够明确的坏信号，这种上升趋势大概还会继续持续。
Agent 的概念我知道得算比较早。差不多在 2024 年，我身边的人做过一篇用 Multi-Agent 进行价值观对齐的工作。不过那时我对它的理解，仍然停留在“多个 chatbox 之间进行流程编排和调度”的层面。他们的灵感也很大程度上来自 Stanford 那篇很有名的“小镇游戏”：Generative Agents: Interactive Simulacra of Human Behavior。这篇工作把 25 个生成式 Agent 放进一个叫 Smallville 的类《模拟人生》沙盒里，让它们拥有记忆、反思、计划和互动能力。Agent 会起床、做饭、工作、聊天、传播消息，甚至围绕一个情人节派对自发形成社交事件。那时它看上去更像是一个“世界模拟”的雏形，而不是今天意义上的生产力工具。
他们原本后续想象的方向，也确实更接近世界模拟。后来市面上也出现了类似的东西，比如 MiroFish / BettaFish：用 multi-agent 构造一个并行世界，让大量带有人设、记忆和行为逻辑的 Agent 对新闻、舆情、政策、市场信号之类的输入进行推演。虽然是 2024 年的 idea，但不妨碍他依赖这一认识拿到了老登 3000 万人民币的投资，可以说得上是本世纪上半叶相当成功的认知套现案例。
当然，在那个时期，执行代码和 review 代码仍然受限于基模和 Harness 的能力。它们更像是实验室里的研究方向，或者一群早期使用者的玩具。没有多少人能真正预见到 Claude Code 这样的东西会横空出世，并随即改变游戏规则。它让 Agent 从“会聊天的自动化流程”变成了“能在真实代码仓库里持续工作的协作者”。这中间的差别非常大。前者是在语言里模拟行动，后者是在环境里完成行动。
我为什么迁到 Astro
我第三次对写作产生兴趣，正是源于最近对 Codex 的大量使用。
在很短的时间里，我让 Agent 帮我完成了一个 OKX 交易系统，并给了它 20U 进行实盘交易和复盘总结。后来我又把 h5 魔塔的 repo 丢给 Codex 参考，让它用 pygame 仿照着做一个类似的成品出来。这个过程让我意识到，Agent 能代劳很多我过去完全不可能掌握、也不可能真正掌控的事情。更重要的是，我的用法并没有什么特别之处：没有写复杂的 Skill，没有精心设计工作流，也没有刻意使用什么高深技巧。我只是提出需求、检查结果、修正口味，然后继续往前推。
带着这种新的认知，我开始重新审视自己的 blog。我意识到，过去那些让我懒得做、觉得头疼、甚至因此放弃写作的事情，现在完全可以交给 Agent。比如找一张合适的配图，上传到图床，调整格式，commit、push、publish 博客，甚至顺手修一下样式和组件。在这以前，这些事情很大程度上是由 Hexo 这样的框架代劳的。Hexo 已经尽可能减少了我在琐事上花费的精力，但它仍然要求我去理解一套模板、主题、配置和渲染逻辑。为了更好地写 blog，我过去甚至需要学习一些类似 Jinja2 的模板思路，理解页面到底是怎么被拼出来的。
但现在，这些东西都可以交给 Agent。
于是我选择用一种更 Agentic 的方式来完成自己的想法：不再选择“最懒人的框架”，而是选择“更适合被 Agent 操作的框架”。我只负责写作本身，剩下的事情全部交给 Agent。基于这个标准，我最后选择了 Astro。
如果说 Hexo 代表的是上一个时代的答案：用框架替人类省掉工程细节；
那么 Astro 对我来说代表的是 Agent 时代的答案：把工程细节暴露得足够清楚，让 Agent 可以直接接管它。
我不再需要一个替我隐藏复杂度的框架。我需要的是一个结构清晰、边界明确、能被 Agent 读懂、修改和扩展的工程。这样一来，我终于可以把注意力重新放回写作本身。
如果说到现在还有什么技巧值得掌握，我只能说我使用 prompt 文生图的经验还需要继续精进。我尝试为 blog 的每一段都添加一些配图。为了迎合大部分人的口味，我选择了相对保守的吉卜力风格。我不太相信那些“写东西只是为了孤芳自赏”的场面话，写作当然是为了给别人看的。如果一个人完全没有输出欲，也不在乎被别人阅读，那大概率不会坐下来写作。
实际做起来，我很快发现了新的问题：我每写一段，就把文字喂给 GPT，让它生成配图；可生成出来的图太相似了，都是类似的色调、构图、角色和场景。于是我不得不反过来强迫自己指定一些更具体的元素，比如天气、视角、材质、物件、空间结构。
当价值被重新估算
Agent 能力的进步确实引起了很多人的焦虑。OpenAI 关于 Erdős 单位距离问题的突破 ，让泛数学圈感到某种价值缺失。曾经很多人认为，数学证明大概是世界上最不可能被 AI 超越的工作之一。它需要直觉、品味、长期训练，以及人类在抽象结构里缓慢摸索出的创造力。但现在，在工程师、模型和算力的共同作用下，这件事也开始从奇迹变成工程结果。即使它还远没有取代数学家，也足以改变很多人对“不可替代性”的信念。
更残酷的是，甚至连“改造 AI”“用好 AI”这件事，从长远来看也可能是价值不断流失的事情。大部分 Security 工程师可能还在忙着用 AI 武装自己，证明“AI + 自己”可以超过竞争者。但意识到自举这一事实的存在，那么更有价值的事情也许不是“我如何用 Agent 挖更多洞”，而是：
当 Agent 开始帮助 Agent 变得更强时，我们如何预防自举和自我进化过程中的安全问题？
漏洞挖掘的价值也在被重新评估。Anthropic 的 Claude Mythos Preview 已经展示了在真实系统中发现漏洞、链式利用漏洞的能力，包括 Linux Kernel 这样的高复杂度目标。漏洞挖掘能力曾经很困难和稀缺：经验、直觉、耐心，日复一日的专注，对系统边界的细致嗅觉。但它长期以来 ROI 偏低，也很难稳定产生高价值回报。如今相当一部分工作开始可以交给 Agent 代劳。
一切事情的价值都需要重新估算。最近一段时间，我陷入过迷茫和 FOMO。很多原本看起来值得积累的技能，突然正在被重新定价；很多原本需要长期训练才能获得的能力，突然变成了产品更新日志里的一行字。但仔细想想，有 Agent 在，我也能做到很多以前做不到的事情，少做很多过去觉得麻烦、繁琐、没有意义却又不得不做的事。这样一想，一切似乎也没有那么糟糕。
冷面笑匠式结论： 世界确实在变，但还没有变到可以让我停止折腾。坏消息是技能在贬值，好消息是我的借口也在贬值。
我又开始想起以前制作游戏的梦想。所以最近我开始折腾一些新的玩具，也开始了 Vibe Academy。过去我总觉得，做一个东西需要太多前置条件，学会太多东西，还要能坚持把一堆琐事做完。但 Agent 出现之后，很多门槛突然变低了，做一些不需要多少钱、但有 novelty 的学术或产品原型好像也没有那么难了。
如果一定要说 AI / Agent 在长期内比较难取代什么，我现在大概会想到几类事情。
- 人情世故，理由按下不表。
- 人力活，或者说具身智能。控制理论从李雅普诺夫时代发展到今天已经过去上百年，但真实世界里的身体、摩擦、材料、延迟、环境变化，仍然不是几行公式就能完全解决的东西。现在很多方向更像是用过量数据和过量训练去暴力适配所有场景，而不是彻底理解世界。
- 闭源系统的渗透和探索。它当然也不是绝对安全区，Agent 的逆向、模糊测试、代码理解能力都在增强。
- 新技术刚出现时的早期探索，比如 eBPF 这类系统技术。很多系统开发者在 Agent 帮助下，已经明显感觉到打点、观测、数据分析和原型验证变得更方便了。
另一方面来说，除非社会心智发生巨大变化，我们所习惯的很多东西未必会立刻遭到实质性冲击，组织、人际、制度、路径依赖和惯性都会拖慢技术的扩散。但从另一个角度看，客观冲击其实已经发生很久了。
那就先写吧
所以我现在重新开始写 blog，并不是因为我突然变得更擅长写作了。
恰恰相反，我依然不觉得自己是一个多么会写东西的人。很多时候，我的表达仍然混乱，判断仍然摇摆，情绪仍然会跑在逻辑前面。但这一次不一样的是，我终于不再需要独自面对那些与写作无关、却总能消耗写作欲望的琐事。
过去我以为，写作是一件必须把所有事情都准备好之后才能开始的事。要有合适的框架，要有漂亮的主题，要有稳定的部署，要有清晰的分类，要有好看的配图，要有足够成熟的观点。后来我才发现，如果把这些都当成写作的前提，写作永远不会真正开始。
Agent 改变的不是我会不会写作，而是它降低了我开始写作的摩擦。它把那些我不擅长、不喜欢、也不想耗费心力的部分接了过去，让我重新拥有一种很朴素的自由：想到什么，就先写下来；写得不好，就再改；缺什么，就让它补；哪里不满意，就继续调。
这当然不意味着写作会因此变得更高贵。恰恰相反，写作可能会变得更廉价、更泛滥，也更难被认真对待。但也正因为如此，真正值得保留下来的东西，反而会变得更清楚：不是文字本身的稀缺性，而是一个人如何看待世界，如何组织自己的经验，如何诚实地暴露自己的偏见、焦虑、欲望和判断。
我不再相信“文字能力会永远保值”这种说法，也不觉得写 blog 能带来什么稳定回报。它既不能保证我获得影响力，也不能保证我比别人更聪明。它唯一确定的价值，可能只是让我在一个变化太快的时代里，保留一点自我记录和自我校准的能力。
如果说中学时代的我想成为小说家，是因为觉得作家很酷；2022 年的我重新开始写 blog，是因为觉得 CTF 和 Security 很酷；那么现在的我再次回到写作，大概是因为我终于意识到，酷并不一定来自某种职业、圈子或技术范式。
酷来自一个人还愿意继续折腾。
所以这篇 blog，与其说是在讨论 Agent、写作、Hexo、Astro 或 Security，不如说是在记录一次很普通的心理转向：我曾经以为很多事情正在失去意义，但现在我开始觉得，也许只是旧的意义正在失效，而新的意义还没来得及长出来。
那就先写吧。
参考与延伸阅读
- Language Models are Few-Shot Learners：GPT-3 论文，很多人把它视为大模型时代的关键拐点之一。
- Generative Agents: Interactive Simulacra of Human Behavior：Stanford / Google 的 Smallville 生成式 Agent 论文。
- Claude Code：Anthropic 的 agentic coding system。
- Codex：OpenAI 的 coding agent。
- Hexo 与 Astro：两个时代的博客工程答案，至少在我这里是这样。
- OpenAI model disproves a discrete geometry conjecture：关于 Erdős 单位距离问题相关突破的官方说明。
- Claude Mythos Preview：Anthropic 关于 Mythos Preview 网络安全能力的说明。