一句话看懂：一位从微软 Windows AI 团队转至 Salesforce AI Research 的研究工程师，公开了 2026 年 10 月的 AI 使用记录：他每月花约 3000 美元在 token 上，日常管理 5-6 个 Claude Code 等编码代理，并开始起草个人 AI 使用政策。
事件核心：发生了什么
2026 年 11 月 3 日，工程师 Ben Stolovitz 发布了《How I use AI (Oct 2026)》，对比一年前的使用方式。他的背景从微软 Windows AI 团队工程师变为 Salesforce AI Research 研究工程师，工作更偏向支持科学家和快速原型，而非与大型工程团队协作。每月 token 支出约 3000 美元。使用场景仍包括编码、研究与搜索、摘要与转录、写作、艺术与音乐，新增语音与视频。他坦言“写代码这件事已经解决”，不再手写大量代码，而是管理约 5-6 个 Claude Code、OpenCode、Codex 或 Pi 代理，每个代理基于独立 Git worktree 并行执行任务、写测试、创建并审查 PR。
为什么重要
这不是产品发布，而是一线从业者的使用样本，价值在于展示代理式编码的真实工作流与边界。作者明确认为工程并未被解决：代理独立运行时容易产出过度架构、可读性差、自我表扬的“垃圾堆”，仍需人的品味和经验。他今年最成功的工作之一是手写工具，用几百行替代约 4000 行“vibe-code”。这提示行业：大模型与编码代理能大幅提速原型和修 bug，但代码质量、架构判断和最终审查仍依赖人类。每月 3000 美元的 token 开销也说明，高强度代理使用正在变成可量化的开发成本。
对用户/开发者/创作者的影响
对开发者，代理适合快速原型、复现 bug、跑测试和批量修改，但不宜完全放手；并行管理多个代理会带来明显的认知疲劳和过度刺激。对团队，代码审查中提出大范围修改或自写替代版本变得更可行，但也更依赖评审者的判断力。对创作者，作者观察到 AI 已渗入日常沟通和内容生产，甚至出现用 AI 生成艺术引发争议的案例，因此他起草个人 AI 政策，希望为日常使用建立框架。普通用户可参考的思路是：先明确哪些环节交给 AI、哪些必须自己把关，而不是默认全盘委托。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，作者的个人 AI 政策仍在起草，站点政策也尚未定稿。后续可观察：他是否公开政策全文及迭代；多代理编码工具在真实项目中的缺陷率与维护成本；每月数千美元 token 支出是否成为研究型开发者的常态；以及“人类品味仍是稀缺资源”这一判断在更长时间尺度上是否成立。
