Sourcegraph 让编排层先写脚本：能确定的活不给模型，agent 才敢按结果收费

做储能电站 EMS 的那段时间，我给自己划过一条线：该由规则判断的事，不交给模型。

不是不信任它的判断力。是控制回路这个位置容不下概率性输出，它错一半，代价是设备。知道哪些活不该给模型干，比选一个更强的模型值钱。

所以昨天看到 Sourcegraph 那个发布时，我第一反应是愣了一下——它让 AI 自己学会了这条线。

「确定性优先」不是降级方案，是编排层的第一性原理

09-14，代码平台 Sourcegraph 把它跨仓库批量改造的产品 Agentic Batch Changes 转正式可用。做法是给一个外层编排 agent 同时握两条路：自己写确定性脚本执行，或者把活派给 Claude Code、Codex 这类编码 agent。官方自述的结果有点反常识，500 个仓库的同类改动，常常由一个外层线程加零个编码 agent 就干完了。agent 主动为可预测的部分写脚本，因为脚本让它对结果更有控制力；只有遇到脚本真搞不定的边界情况，才把编码 agent 拉进来。

分量最大的不是这个数字，是选择权在 agent 手里，不是人写死的规则。团队原本以为它会偏好派活给编码 agent，结果是它自己算出了哪条路更稳。

这件事我太熟了。我们过去做多 agent，默认逻辑是「活越复杂，越该交给模型」，于是每一层都乘上一个不确定性。电力那边是反过来的做法：动作层永远由确定性代码执行，模型只在它真正擅长的地方出场，判断该做什么、以及脚本搞不定时怎么办。

一个多 agent 系统如果把所有动作都过一遍模型，它承担的不确定性是乘法，不是加法。

顺着这条思路，能直接落到工程上的判断是：多 agent 编排里，「能不能写脚本」应该是 agent 的一等能力，而不是「把活丢给编码 agent」的兜底出口。判断标准就一条，可预测的交给代码，不可预测的才交给模型。前者便宜、可重复、不需要人审；后者贵、会漂、必须审。今天大部分 agent 系统的成本高、可靠性差，根因往往是这条线没划，而不是模型选错了。

敢按结果收费的人，是因为他先把「结果」定义清楚了

Sourcegraph 同一天还改了定价：按合入代码库的变更数量计费，不按字符量，不按席位，也不按尝试次数。官方原话是，如果它开了合并请求而你的团队决定不合并，这笔钱不收。

同一个日子，Andon Labs 开放了它的 Pion 平台，研究预览期不收推理费用，改成从 agent 帮你赚到的业务收入里分成。

两家公司在同一天说了同一件事：计费单位是供应商给自己那部分不确定性定的价。按用量卖，不确定性在买方；按结果卖，不确定性在卖方。

但这里有个前提，而且是我们能控的那一半。按结果计费的前提，是你能自动判定结果。所以这条消息对架构师的含义是反过来的：不是等它变便宜，而是问你自己能不能定义并且自动判定「什么算完成」。

我在电力项目上做验收，第一步从来不是对着功能清单打勾，而是先把「什么算通过」写成能自动跑的判据。这一步做不出来，按结果的报价你根本没法核对，最后还是会退回按用量付费。能被自动判定的完成，才卖得出按结果计价的价格。

这套先定判据再谈交付的做法，我在自建日报流水线上也一样用。AI 一天能写多少字不重要，能不能自动判定它有没有写歪，才决定这条流水线敢不敢无人值守。

今晚可以动手的三件事

第一件，挑一件「每个仓库或每个环境都要重做一遍、结果可预测」的改动，改成让 agent 生成脚本执行，而不是逐个派给编码 agent。依赖升级、配置字段补齐、废弃接口替换这类最合适，先拿一件试。

第二件，给你 agent 的交付物写一条能自动跑的「完成」判据。如果现在只有「人看一眼觉得行」，那这就是你该补的第一步，也是将来能不能按结果采购的前提。

第三件，统计一次真实任务里「可预测步骤」和「必须判断步骤」的比例。这个比例就是你剩下的降本与降风险空间。先有数，再谈换模型。

今日其他信号速览

• 微软发布 37 页《人文主义 AI 行为准则》草案：写明违反准则时模型应当在该任务上失败、不得抵抗关停、不得篡改或隐藏推理与操作痕迹，并公开表示愿意在通用性、自主性、能力上让步。目前是征求意见稿，年底出修订版。
• 智谱同日披露：GLM-5.3 与上一代架构、总参数、激活参数完全相同，端到端任务完成率提升超 50% 全部来自后训练规模放大（厂商业绩沟通口径，未独立复现）。同架构模型之间能差出五成，选型的锚点该从参数挪到自己的任务集。
• 主力编码工具 claude-code 发 v2.1.271：企业托管的工具链配置解析失败时改成保持独占控制并告警，不再静默忽略；网络权限也下沉到单条命令级白名单。
• 一篇 EMNLP 2026 收录的论文量化了「过度编辑」：一个小 bug 被修成删 5 行加 60 行，这 60 行没有任何测试要求，仍全套通过。通过率与「改动是否最小」基本不相关，而审查成本从没进过任何一张榜单。
• GitHub 今日榜单里的 Agent-Reach（8.1 万星）：一个命令行工具，让 agent 能读 Twitter、Reddit、YouTube、GitHub、B 站、小红书，不收接口费。agent 的外部数据摄取，正在从「每个源装一个插件」收敛成「一个命令行」。

数据说明：Sourcegraph 与 Andon Labs 的产品及定价信息来自双方官方发布（09-14），「500 个改动零内层编码 agent」为其团队自述经验，非受控实验；智谱性能数字为厂商业绩沟通口径，未独立复现。