克制：AI时代最稀缺的工程能力

我们习惯把能力理解为“能做什么”。

前段时间，我和面试官讨论如何平衡学习与工作。我提到，自己会同时打开多个终端，让多个 Agent 并行推进任务。后来，领导也问过我平时是怎样工作的。当我描述完这套方法后，他们不约而同地回应了同一个词：克制。

这个回答让我停下来重新审视自己的工作方式。大模型的上下文和注意力有限，人的注意力同样有限。AI 降低了启动任务的成本，也让我们更容易同时打开更多窗口、追踪更多信息、推进更多分支。久而久之，人可能不是变得更专注，而是进入一种近似 ADHD 的碎片化状态：不断切换，不断响应，看起来一直在推进，真正留在主线上的注意力却越来越少。

模型能调用多少工具，Agent 能并行处理多少任务，团队能发布多少功能，一个人能同时推进多少项目——这些都容易被展示，也容易被衡量。

但系统复杂到一定程度后，决定结果的往往不是能力清单，而是另一种不那么显眼的东西：知道什么不做，什么不保留，什么不应该进入主线程。

这就是克制。

最近三件事让我反复想到这个词。第一件来自我自己的经历，另外两件则分别指向组织与 Agent 系统。

一段来自网络上流传的梁文锋投资者交流会录音整理稿。在这份未经 DeepSeek 官方确认的材料中，他被记录为：DeepSeek 很聚焦，一些产品即使不完善，也没有急着全部补齐，“也算是一种克制的文化”。另一份整理把这种选择概括为：舍弃一些东西，换取做成 AGI 的概率。

另一段来自 Martin Fowler 网站上一篇关于多 Agent 编排成本的实践文章，经由 X 用户 @hongming731 整理。作者发现，多 Agent 真正稀缺的并不是并发数，而是主线程保持清晰工作记忆的能力。子 Agent 可以更快地完成局部任务，但如果它们的日志、中间推理和工具输出全部回流主线程，并行带来的收益很快就会被上下文污染抵消。

一次个人反思，一次组织选择，一项 Agent 工程实践，看起来属于不同层面，背后却是同一个问题：

当系统拥有越来越多可能性时，如何拒绝那些“可以做、看起来也有价值”，却会稀释主线的事情？

克制不是少做，而是保护主线

“克制”容易被理解成保守、节省，甚至是不够有野心。但真正有效的克制恰恰需要足够清楚的野心。

只有知道自己最终要什么，才能判断哪些机会不属于当前主线。

按照流传的会议整理稿，DeepSeek 没有把所有产品缺口都补上，也没有因为某个方向能带来用户或收入，就自动把它纳入公司路线。这里的重点不是“不完善”，而是允许非核心问题暂时保持不完善。

这是很反直觉的。组织天然倾向于消灭眼前的不完整：用户提了需求，产品就想补功能；市场出现热点，团队就想跟进；看到竞争对手进入新方向，管理者就担心错过机会。每一项工作单独看都合理，最后却可能形成一种危险状态：每个人都很忙，主线反而越来越模糊。

因此，克制不是简单地减少工作量，而是为核心目标保留资源、注意力和组织稳定性。

可以把它理解为一种资源配置原则：

• 不是所有问题都要现在解决；
• 不是所有机会都要转化为项目；
• 不是所有增长都值得用主线交换；
• 不是所有局部优化都能提高系统的最终成功率。

很多时候，真正困难的决策并不是从好选项和坏选项中做选择，而是从多个好选项中，主动放弃大部分。

多 Agent 的问题，同样不是“能力不够”

多 Agent 系统也有类似的诱惑。

既然可以并行，为什么不同时启动更多 Agent？既然运行日志已经存在，为什么不全部拉回来？既然子 Agent 发现了新问题，为什么不顺便继续调查？

这些选择在局部都说得通。但 Agent 数量增加后，系统面对的主要矛盾会从执行能力不足，转向协调成本上升。

@hongming731 总结的案例很典型：几个子 Agent 并行后，任务耗时确实从二十多分钟缩短到了约十二分钟。真正的问题不是并行，而是一次普通的进度检查把完整运行记录带回主线程。大量 JSONL、工具输出和中间过程进入上下文后，不会随着那次调用结束而消失，而是继续参与后续推理。

这揭示了 Token 成本与上下文成本的区别。

Token 是一次调用的账单；上下文则是之后每一步都要继续背负的工作记忆。即使窗口还没有满，过期结论、重复信息和探索过程也会降低信噪比，让模型更难找到当前真正有效的约束与决策。

因此，多 Agent 系统需要的不是无止境扩张，而是信息上的克制：

• 子 Agent 只接收完成局部任务所需的上下文；
• 搜索、试错和重复读取留在子 Agent 内部；
• 返回主线程的是结论、证据、修改范围、验证结果、风险和未决问题；
• 普通进度查询只返回“运行中、完成、阻塞”等状态；
• 只有发生异常时，才按需读取详细日志。

子 Agent 的价值不只是并行执行，还包括隔离过程噪声。如果所有中间信息最终仍无差别地回到主线程，那么所谓多 Agent，不过是把一个上下文混乱的问题放大了几倍。

认知局部性：不要只按文件拆任务

文章还提出了一个很有价值的概念：认知局部性。

两个任务即使修改不同文件，也可能依赖同一套架构知识、测试规范和设计约束。如果把它们拆给两个 Agent，每个 Agent 都要重新阅读相似的代码、建立相似的心智模型，最终再由主线程对齐两份结果。

表面上是并行，实际上是在重复支付认知成本。

真正适合并行的任务，应当同时满足两个条件：

1. 知识边界相对独立：不需要反复阅读同一批文件，也不会依赖对方尚未得出的关键结论；
2. 修改范围相对独立：文件所有权清楚，不会同时改动同一模块或共享状态。

这和组织中的克制是相通的。好的管理不是把目标拆得越细越好，也不是让更多人同时参与，而是让相关知识尽可能留在同一个局部，让真正独立的工作并行展开。

拆分的目的应该是降低耦合，而不是增加“正在工作的 Agent 数量”。

克制也是对共享状态的尊重

多 Agent 协作中，还有一类风险来自全局操作。

例如，一个子 Agent 在多人共享的工作区执行 git stash、切换分支或重置仓库。对它自己而言，这可能只是正常操作；对整个系统而言，却会改变所有参与者共享的状态。一次看似局部的动作，可能覆盖另一名 Agent 尚未提交的修改。

这说明自治必须有边界。

主线程负责目标、任务边界、文件归属和验收标准；子 Agent 可以自主选择局部搜索与实现路径，但不能随意改变整个仓库的状态。探索自由与全局约束并不冲突，前者依赖后者才能成立。

组织管理也是如此。克制并不意味着不管理，而是把管理集中在少数真正重要的地方：

• 主线是否清楚；
• 资源边界是否明确；
• 哪些状态不能被局部随意修改；
• 结果以什么结构返回；
• 什么情况下必须升级为人工决策。

其余部分则留给局部自主完成。

不要把一次问题变成永久流程

我很喜欢多 Agent 案例中的另一个细节。

作者发现，主线程加载的技能不会自动传递给子 Agent。他最初想增加一道“每次启动前人工确认”的审批流程。继续思考后，他没有把一次信息缺失扩展成长期存在的手续，而是选择在任务描述中明确需要加载的技能和文件位置；只有 Agent 数量过多或文件归属不清时，才要求额外确认。

这是流程治理中的克制。

很多制度不是因为问题长期存在而建立，而是因为某次事故令人不安。团队随后增加审批、会议、表格和检查项，却很少再问：我们缺少的究竟是事实说明、边界约束、自动检查，还是确实需要人工决策？

如果只是信息没有传递，补充信息即可；如果只是边界不清，明确所有权即可；如果机器能够稳定检查，就不必增加永久审批。

流程不是越严密越好。每增加一道流程，也在增加未来每一次行动的成本。

从组织到 Agent，克制都在管理“进入主线的资格”

把两段材料放在一起看，会发现克制并不是某种抽象品格，而是一套具体的准入机制。

对一家公司来说，它决定：

• 哪些机会可以进入战略；
• 哪些需求可以进入产品路线；
• 哪些短期收益值得消耗长期资源。

对一个多 Agent 系统来说，它决定：

• 哪些任务值得独立委派；
• 哪些信息需要进入主上下文；
• 哪些局部发现需要升级为全局决策；
• 哪些过程只应留在临时上下文中。

对个人来说，同样如此：

• 哪些事情值得成为长期项目；
• 哪些输入值得占据注意力；
• 哪些“以后可能有用”的信息其实不必保存；
• 哪些机会看起来不错，却会让真正重要的事情失去连续性。

所以，克制不是把自己缩小，而是提高进入主线的门槛。

克制需要三个前提

克制听起来简单，实践起来却很难，因为它至少依赖三个前提。

第一，必须有足够清楚的目标

没有主线时，拒绝只是随意取舍；只有目标清楚，克制才是战略。

DeepSeek 的讨论之所以有意义，是因为材料中反复出现 AGI 这条长期主线。多 Agent 编排也一样：如果主线程自己都不知道最终要交付什么，就不可能判断哪些上下文是噪声。

第二，必须承认注意力和协调能力有限

更多 Agent、更多信息、更多流程并不免费。它们会消耗审阅、同步、检索和决策能力。

一个系统的上限不只取决于它能启动多少执行单元，也取决于它能否维持一条稳定的决策链。

第三，必须能够承受局部的不完美

克制最难的部分，是允许一些事情暂时没有解决。

产品可以有缺口，文档可以稍后补充，子 Agent 的所有探索过程不必被主线程完整看见。只要关键风险受控、结果可验证，局部的不完整往往比主线被持续打断更健康。

一套可以执行的克制原则

如果把这篇文章压缩成可执行的规则，我会保留以下几点：

1. 每个阶段只保留一条明确主线。 新任务必须说明它如何提高主线成功率。
2. 不把所有“可以做”自动变成“应该做”。 机会、问题和需求都需要准入条件。
3. 按认知边界拆任务，而不是机械地按文件或步骤拆分。
4. 探索过程留在局部，关键结果结构化返回。
5. 全局状态由主线程控制。 并发执行者不得擅自改变共享仓库和关键配置。
6. 先修正信息与边界，再考虑增加审批。 不让一次问题永久增加组织摩擦。
7. 定期删除过期信息和失效规则。 工作记忆的质量不仅来自写入，也来自遗忘。

结语

AI 时代最容易获得的是更多：更多模型、更多 Agent、更多工具、更多上下文，以及更多随时可以启动的项目。

真正稀缺的是选择。

组织的克制，是不把所有能做的事情都变成业务；Agent 的克制，是不把所有产生的信息都带回主线程；个人的克制，是不让每一个看起来不错的机会都获得长期注意力。

能力决定你能走多快，克制决定你是否还走在原来的方向上。

当系统越来越强，克制不会变得过时。相反，它会从一种个人品质，逐渐变成组织设计、Agent 工程和长期决策中最核心的基础设施。

参考资料与说明

• 多 Agent 协作中，真正稀缺的是主线程的工作记忆
• 梁文锋交流会内容摘录：聚焦、产品取舍与上下文问题
• 梁文锋交流会整理：克制、AGI 路线与开源
• FT中文网：梁文锋不是情怀，而是这个时代最精密的商业理性

注：文中涉及梁文锋投资者交流会的内容，来自2026年7月网络流传的录音及转录整理，DeepSeek 尚未公开确认其真实性与完整性。本文仅在明确限定来源的前提下讨论其中呈现的思想，不将整理者概括视为正式公开演讲原文。