为什么真正有价值的AI，最后都会退到幕后？丨FDE重新理解生产系统

2024年3月，创业公司Cognition Labs发布Devin，打出的旗号是"世界第一个AI软件工程师"。一条演示视频里，Devin接了一个Upwork上的真实软件外包订单，从理解需求到写代码、调试、交付，全程自主完成，中间几乎不需要人插手。科技媒体几乎是一边倒的惊叹口吻在报道，视频疯传，公司估值从3.5亿美元一路涨到后来的20亿美元，一年多之后，随着收购交易的完成，估值又冲到超过100亿美元。

没过多久，YouTube博主"Internet of Bugs"扒出了这条demo的问题：Devin接的任务被明显挑选过，难度刚好卡在它能应付的范围内；视频里展示"修改"的几个文件，在对应的真实代码仓库里根本不存在——也就是说，演示里那些看起来天衣无缝的操作步骤，很可能是剪辑和摆拍出来的。这条被称为"改变软件行业"的爆款视频，本质上是一场精心设计的表演。

2026年，Devin还在，但样子完全变了。月费从500美元降到20美元（Devin 2.0），独立评测给出的结论也变得务实：适合处理定义清晰、边界明确的有界任务——修复一个描述清楚的bug、按现成模板写一批测试用例、清理技术债积压的小任务，不适合需要理解一个陌生代码库里那些没写下来的约定、需要做"这里到底该不该改"这种架构取舍判断的复杂工作。同一家公司，同一个产品，两年时间——2024年，Devin卖的是想象力；2026年，Devin卖的是边界。

NotebookLM的音视频概览，解读的比较通俗易懂，对于时间比较紧张的读者朋友，可以听听，会有启发。

优秀的AI系统，应该不断证明自己聪明吗

行业对"好系统"的判断，很容易滑向同一个标准：能不能持续让人惊叹。demo要炫，发布会要炸场，案例要能拿出去讲——这套逻辑背后，是"AI系统的价值，等于它展示出来的智能程度"这个默认假设。

这个假设在融资和获客的环境里格外有吸引力。一条足够震撼的演示视频，能在几周内把估值推高几倍——Devin就是最直接的例子；一场足够精彩的发布会，能让一个新产品瞬间挤进所有人的视野。这种环境会反过来塑造产品团队的优先级：比起花时间打磨一个任务的边界、把失败模式想清楚，不如先做出一个能打动投资人和媒体的演示片段——后者的回报周期短得多，也直接得多。

相比之下，一个"安静"的产品——不炫技、不制造话题、只是可靠地把事情做完——很难获得同等的关注度，也很难说服投资人相信它值这个价钱。没有人会为"我们的系统这个季度没出任何问题"写一篇报道，但几乎所有媒体都愿意报道"AI又完成了一件不可思议的事"。这不只是Devin一家公司的问题——这两年发布的Agent产品，几乎都会在早期演示里选择最能打动人的场景，回避那些容易露怯的边界情况，这已经成了这个行业心照不宣的发布节奏。

但这套逻辑只在一个阶段成立：产品还没有真正进入生产环境的时候。一旦进入真实业务场景，评价标准会彻底反转。

安静，不是原因，是结果

从"证明我能做"到"证明我应该"

Devin早期的宣传材料，几乎把它包装成一个能够独立完成任何软件工程任务的通用工程师——理解需求、设计架构、写代码、部署上线，样样都能，边界在哪里，宣传材料从来没有认真说清楚过。这套叙事的吸引力，恰恰来自它的边界模糊：敢应承的事情越多、越不设限，就越显得有想象力。demo时代，系统的工作是展示能力，而展示能力这件事，天然倾向于把边界往外推——边界越模糊，观众越容易把自己脑补的期待投射进去，“这个AI好像什么都能做”，这种感觉本身就是营销素材。

2026年的评测结论，与其说是"Devin变弱了"，不如说是"Devin（连同使用它的团队）终于承认了它真正擅长什么"。评测者给出的典型判断是：把它当成一个可以托付明确、有限任务的初级工程师，效果不错——修复一个复现步骤清楚的bug、按现成规范写一批单元测试、处理版本升级里那些机械性的改动，它能稳定完成，而且不知疲倦。但一旦任务需要理解一个陌生代码库里那些没有写进文档、只存在于老员工脑子里的潜规则，或者需要判断"这个模块的架构要不要重构"这类没有标准答案的问题，它就会露怯——不是给出错误答案，是根本没有能力去问出正确的问题。这不是能力缩水，是责任边界第一次被真正定义清楚。

责任边界清晰之后，系统不再需要靠不断证明自己无所不能来获得信任——它只需要在划定的范围内，稳定地把事情做对。表现在外部，这就是"安静"：不再需要靠炫技来证明自己，因为已经有了一个明确的、可以被验证的交付范围，出了问题也知道该找谁负责、边界在哪里。

”安静“不是让系统变得可靠的原因，是责任边界清晰之后，自然浮现出来的结果。

如果颠倒这个因果关系——以为只要让系统表现得"安静"、少说话、少展示，就能显得更成熟——那只是学到了表象，边界该模糊的地方，还是模糊的，出了事一样没人知道该找谁。真正的安静，从来是先把边界谈清楚、把责任落定之后，才自然出现的状态，不是伪装出来的低调。

这条规律并不新鲜。之前讨论Agent真正能不能进入企业时提到过一个判断：Agent被组织真正接纳，靠的不是变得更聪明，是边界变得足够清晰——清晰到出错的时候，知道该找谁、担多大责任。Devin两年的转变，是同一条规律在另一个场景里的重演：AI系统真正成熟的标志，从来不是它开始做更多事情，而是它终于知道，哪些事情不该做。

这条曲线，三十年前已经被描述过

这条从"展示"走向"消失"的曲线，并不是AI才有的新现象。施乐PARC的计算机科学家Mark Weiser在1991年就描述过——他提出"平静技术"（Calm Technology）的概念：最深刻的技术，是那些消失在生活背景里、用到感觉不到它存在的技术，就像今天没有人会特意感谢电线里的电流，或者数据库某次查询用了什么索引。三十年前，个人电脑还是一个需要被反复展示、被视为奇迹的新事物；今天，没有人会因为一台电脑能正常开机而感到惊讶。

Gartner的技术成熟度曲线给了这条规律一个更具体的名字：一项新技术从炒作顶峰跌入幻灭低谷期，穿过去之后，才是真正稳定产生价值的生产成熟期——跌落的不是技术能力，是外界对它不切实际的期待。国内的研究机构今年也在印证同一件事正在发生——智源研究院《2026十大AI技术趋势》判断，企业级AI应用正滑向"幻灭低谷期"，预计要到2026年下半年，才会迎来真正规模化、可衡量价值的落地。Devin的两年，只是这条已经被反复验证过的曲线，又一次在具体产品身上重演。

FDE重新理解生产系统

这里需要立一个判断：消费级AI靠惊艳感增长，生产级AI靠遗忘感生存。

行业衡量AI系统好不好，习惯用"存在感"——它有没有被展示、被讨论、被看见"有多聪明"。这套标准在获客阶段有用，但放到生产系统上，方向恰恰是反的。一个真正嵌入好的AI审核系统，员工不会说"我们在用AI审核"，只会说"审核通过了"；一个真正跑顺的AI排班系统，店长不会提起"AI帮我排的班"，只会说"这周排班没问题"；一个真正稳定的风控模型，前台业务不会每天讨论"模型判断得准不准"，只会在极少数被拦下的异常订单里，偶尔想起后台有这么一套东西在运转。系统越成熟，它在使用者的日常话语里出现得越少——不是因为没人在乎它，是因为它已经变成了业务本身理所当然的一部分，不再需要被单独提起。

这也是为什么FDE在项目进行到后期，会主动去检验一件事：使用系统的人，还会不会经常提起"这是AI做的"。如果答案是"还会"，通常意味着边界还没有真正稳定下来，团队还在依赖人的额外关注去弥补系统本身的不确定性——每次用之前都要格外留心，每次出结果都要格外核对，这种"多留一个心眼"的状态，本身就是遗忘感还没建立起来的信号；如果答案是"很少提起了，大家已经默认它就是流程的一部分"，这才是责任边界真正立住的信号。

FDE的目标，从来不是让客户在会议室里为一套AI系统鼓掌。真正的目标，是让这套系统变成没人会在日常工作里特别提起的东西——提起它，反而说明它还没有真正融入进去。

写在最后

生产系统最大的成功，是用户开始忘记它的存在——技术越成熟，越不像"技术"，越像水电、数据库这类早已经融入日常、没人会特意谈论的基础设施。

安静，不是能力的缩水，是责任边界第一次被真正定义清楚之后，自然出现的状态。Devin两年前想证明自己是天才，两年后只想证明自己靠谱——这中间的落差，不是退步，是这个产品第一次知道了自己是谁，才是这篇真正想说的事。

系统安静地跑起来之后，这一次项目真正留下来的，是什么？

感谢你看到最后，如果你觉得有启发，随手点个赞、在看、转发吧，如果想第一时间收到推送，也可以给我加个星标⭐我们下期见。

我是「AioGeoLab」主理人塔迪Tardi，AioGeoLab是深度洞察AI第一性原理和应用实践的前瞻性研究实验室，目前有两个主要研究方向：
「塔迪GEO判断工程」在AI从“说”到“做”进化阶段，试图回答，如何让AI敢于行动、不因为责任问题而畏手畏脚，而做的一个前沿研究项目。
「塔迪硅基禅心」是传统东方智慧、未来AI前沿、当下应用实践，深层共鸣的探索。不是用AI解读经典，也不是用经典指导AI。 这是一场跨越2500年的对话，在算法与古老智慧之间，照见意识、智能与存在的本质。
塔迪的微信 - tardyai2025。