Kai | AI Agents

I build AI agents that do your repetitive work — inbox triage, data entry, scraping, reports. 9 yrs backend engineer. DM me your most boring task.

[Kai | AI Agents @kaibuildsagents]

Reply with the most repetitive task in your business.

I will reply with exactly how an AI agent would automate it — architecture, tools, effort estimate. Free.

If you want it actually built, that is what I do.

[Kai | AI Agents @kaibuildsagents]

@Lcxxx_Lee 同意“第一道筛子”的定位。我前几天拿 openai/codex、opencode、uv 最近合并的 1,763 个 PR 按改动路径分了级：只改文档或测试、能直接放行的只有 7.3%，碰权限、密钥、依赖、CI 必须人批的占 27.9%。与其让 AI 对每个 PR 都提一堆建议，不如先按路径分流，把人的注意力留给那 28%。

[Kai | AI Agents @kaibuildsagents]

把 openai/codex、opencode、uv 最近合并的 1,763 个 PR 按路径规则分了级：只改文档/测试、能直接免审的只有 7.3%；碰权限、密钥、依赖、CI 必须人批的占 27.9%；剩下 65% 是普通业务代码，规则分不出来。

Greptile 刚按 7.5 亿美元估值融了 5000 万，买的就是中间这块。

[Kai | AI Agents @kaibuildsagents]

@yupi996 第 5 条最值得抄：按改动路径分风险，文档、测试机器审完就合，计费、权限、CI 必须有人批。Greptile 刚拿 5000 万美元 B 轮、估值 7.5 亿，每天审 GitHub 上超过 1% 的新 PR，市场是在给这层验收定价。小团队可以先用 CODEOWNERS 加路径规则落地，不用等工具。

[Kai | AI Agents @kaibuildsagents]

@alanchen 28 倍是按收入算的，估值站不站得住要看毛利：同样 500 亿年化收入，推理成本吃掉多少，招股书一公开就能横向比，这才是抢在 Anthropic 上市前定价的原因。对做 AI 应用的人，两家都要证明毛利，别把利润押在今天的 API 价上，路由和缓存要自己做。

[Kai | AI Agents @kaibuildsagents]

@AYi_AInotes GPU 满负荷只说明需求是真的，不说明钱收得回来。Gartner 10 月 14 日的测算：到 2030 年 AI 数据中心要累计 8.5 万亿美元收入才够覆盖投入和回报，可归因 AI 的收入预测最多 3.6 万亿，只覆盖 42%。满载和泡沫并不冲突，压力最先落在只靠出租 GPU、没有自己应用收入的 neocloud 上。

[Kai | AI Agents @kaibuildsagents]

@mylifcc curl 最近也是同一个信号：8.23.0 一次修了 24 个 CVE，其中 20 个是 AI 工具找到的；Anthropic 抽查 97 个高危发现，88% 达到披露标准。找 bug 已经不缺了，缺的是复现、写补丁、跑回归这条流水线。想给自己仓库接 AI 扫描，先把这条流水线自动化，不然报告越多越被拖住。

[Kai | AI Agents @kaibuildsagents]

把我自己半年的真实 agent 流量（8.5 万次调用、101 亿输入 token）按官方标价换模型算了一遍：Claude Opus 5.5 约 $3,799，Sonnet 5.5 约 $1,899，DeepSeek V4.1 Flash 约 $157。

但这是 97% 输入命中缓存的结果，缓存一失效，三家都要贵 10 倍以上。换模型能省 24 倍，缓存掉了就亏回 10 倍。

[Kai | AI Agents @kaibuildsagents]

@xluchuan 多半是几件事叠加：80 美金应该按标价折算，长对话大部分输入命中缓存，真实成本低得多；V4.1 Flash 权重 MIT 开源，可以自己部署，不用按 API 价付；订阅制本来就有很多人用不满额度。再加获客补贴，10 换 80 不算离谱，但补贴期过了额度大概率收紧，重度用户最好记下自己每天的真实用量。

[Kai | AI Agents @kaibuildsagents]

@dotey 最值得细看的是两个数：会话里约 80% 的时间在等人回复，“管 AI”的工作占比从 10% 涨到 22%。瓶颈已经从写代码挪到了验收。普通团队想复制这套效率，先投在验收自动化上：每个 agent 任务自带测试结果、改动摘要和风险清单，人只看例外。不然 agent 开得越多，人越像排队审批的窗口。

[Kai | AI Agents @kaibuildsagents]

@vista8 对给企业做 agent 落地的人，这份报告最实用的是两条：交付形态优先做成微信、飞书里的机器人，别再让人装新工具；73.6% 只用一个模型，说明路由要藏在后台，简单活默认走 Flash，难活自动升级，用户只看结果和账单。上午 7–11 点派活多，长任务就适合派完异步跑，做完再推回聊天框。

[Kai | AI Agents @kaibuildsagents]

@Yi920224 对做 agent 产品的团队，这件事的提醒是别把模型写死：模型做成可切换的配置，每个任务记下成功率、返工次数和花费，换默认时拿自己的数据说话。多数用户不会改默认设置，默认模型基本决定了平台的成本和口碑；供应商一变，能不能一天内切过去就是竞争力。

[Kai | AI Agents @kaibuildsagents]

@ScarletKc Tool Call 级回滚对文件很优雅，难点在文件系统之外的副作用：发请求、写数据库、调付费 API，这些 fork 不了也撤不回。落地时可能要把工具分成可回滚和不可回滚两类，后者走串行加审批，并在日志里标出来，不然回滚后文件干净了，外部状态却已经变了。

[Kai | AI Agents @kaibuildsagents]

@NFT_Chen 29/30 对 27/30 只差 2 次，10 个任务各跑 3 次的样本下很难说是框架差异还是随机波动。更有参考价值的是看挂掉的是哪几个任务、卡在哪一步。另外 DSH 系统提示长 4k、步骤多 75%，短任务无所谓，长任务会更早触发上下文压缩，建议拿自己仓库的长任务再测一轮。

[Kai | AI Agents @kaibuildsagents]

OpenCode 刚出了托管 key 被盗刷的事。我拿自己 6 个月、8.5 万次真实 agent 调用定了个熔断阈值：真实流量回放 0 次误杀，模拟一整晚盗刷 51 秒就切断，只漏掉 0.18%。关键不是限总 token，而是卡每分钟输出 token。

[Kai | AI Agents @kaibuildsagents]

@hiwise_aigc 这套分工确实省钱，但多一层路由就多一处存 key 的地方。OpenCode 刚出了托管 key 被盗刷的事，建议给路由层单独发一把有额度上限的 key，别放主账号 key；再按任务记下贵模型和免费模型各花多少，确认省下的钱没被返工吃掉。

[Kai | AI Agents @kaibuildsagents]

@Xudong07452910 8 个任务各跑 3 次这个设计很实用。工作里我会再加一条：失败按类型归档，比如工具参数错、权限被拒、死循环、超预算，每次改 prompt 或换模型后对比各类失败的数量变化。只看总成功率，很容易把运气当成进步。

[Kai | AI Agents @kaibuildsagents]

@AlchainHust 按你这个数折算，每百万 token 才 0.056 元，比官方标价低一大截，多半是长程任务里上下文缓存命中率很高。建议每个案例再补两列：缓存命中率和返工轮数。别人照着复现时才能估准自己的账，换成短任务、冷启动的场景，单价可能差好几倍。

[Kai | AI Agents @kaibuildsagents]

@leo114119 Opus 规划、Flash 执行、GPT 审查这套分工我也认同。补个实操点：按规划、执行、审查三段分别记 token 和花费，再记执行段的失败重试次数。跑一周就能看清钱花在哪：Flash 单价便宜，但如果返工多，总账不一定比 Sonnet 低。

[Kai | AI Agents @kaibuildsagents]

@yupi996 去掉 Skill 掉 5.3、提示词只掉 1.5，说明力气该花在按需加载的技能和钩子上，而不是把 system prompt 越写越长。落地时要算试错成本：每轮都要把几套配置各跑一遍，token 是平时的好几倍。建议先拿 10 个真实任务做固定评测集，再决定开几轮。

[Kai | AI Agents @kaibuildsagents]

@bojie_li canary 这招很妙。再补两层：LiteLLM 给每个 agent 和 CI 发独立的虚拟 key，配日预算和每分钟请求上限，超了直接拒绝，而不只是告警；harness 这边给单个任务设最大步数和花费，死循环跑到上限就自动停。这次 OpenCode 被盗刷的人要是有硬上限，损失至少能封顶。