Dan Shipper 上个月的 Codex 账单是 13,000 美元，他的 COO 给了他一个白眼。
但他不打算减少用量。
Every 的 Slack 里现在有 20 个 agent 和 20 个人类，一起工作。
代码、写作、客服、邮件、研究备忘录，能用 AI 处理的流程全部交给了 agent。
27 个全职员工，每人有 AI 订阅，技术岗是 200 美元一个月的 Max 计划，超出的 token 费用公司全包，就像报销笔记本电脑和医疗保险一样。
但 Dan 在采访里说了一句话：「自动化是个谎言。」
不是他们的自动化没跑起来，是跑起来之后，人反而更忙了。
Every 从 GPT-3 时代就开始用 AI，那是 2020 年，当时公司只有 4 个人。
六年之后，他们有 30 个人，还在招。
2025 年营收 300 万美元，同比增长 3 倍。
他们做了一份 8000 字的报告《After Automation》，试图解释为什么会这样。
结论只有一句话：越自动化，需要的人类专家越多。
听起来有点反直觉？下面解释下。
AI 是在人类历史上所有的代码、文章、设计、决策记录上训练出来的，它把昨天所有人积累的专业能力，以极低的成本提供给今天每一个人。
任何人现在都能用一个 prompt 做出五年前需要专业团队才能做出的东西。
但当所有人都能做出「还不错」的东西时，反而让真正能把东西做好、做出差异的人变得更稀缺、更值钱。
Every 的客服数据可以印证。
他们用 Fin 这个 agent 处理支持对话，在某一周的 202 个对话里，Fin 关闭了 40.1%。
但剩下那 60%，需要更有经验的人来处理，而且处理难度更高。
自动化没有消灭客服工作，它把简单的部分过滤掉了，留下来的全是硬骨头。
工程团队也一样。
Every 的工程师现在不写代码，全部交给 Codex 和 Claude Code。
但 agent 生成的代码需要有人判断对不对、合不合适、要不要改方向。
Dan 说：「每次你自动化一件事，为了确保自动化运作正常，你都需要一个人在上面盯着。在任何真实的使用场景里，总有一个人离它很近，确保它在正常工作。」
2026 年 5 月，OpenClaw 生成了 44,469 个 PR，而 Kubernetes 在整个 2022 年只有 5,200 个 PR。
agent 的产出量已经是人类的数倍，但每一个 PR 背后，都需要有人判断它是否值得合并。
产出爆炸，评判工作也跟着爆炸。
Dan 在《After Automation》里提出了一个核心区分。
所有 AI 的能力，都是在某个框架（frame）内展示的。
你给它一个问题，它在这个问题的边界内工作。
GPT-5.5 在高级工程师基准测试上能拿 62 分，人类是 80 到 90 分。
但这个分数是在人类已经定义好的问题框架里测出来的，框架本身包含了大量的专家判断，在模型开始工作之前就已经嵌入进去了。
设定框架的人（framer）和框架本身不是同一件事。
模型可以在框架内越来越强，但框架是谁设的、这个框架是否切中今天真正的问题，这件事模型做不了。
因为框架要求你活在当下，接触到那些无法被训练数据捕捉的东西：这个客户今天的具体情绪，这个代码库此刻的实际状态，这个市场这周刚刚发生的变化。
Dan 把人在这个过程里的位置叫做「Human Sandwich」（人类三明治）：人在上游设定框架，AI 在中间执行，人在下游判断结果并决定下一步。
价值集中在两端，中间那层正在变成商品。
即使到了 AGI，这个模式也不会消失。
因为每一次 AI 把某个框架内的能力商品化，人类就会把目标移到更高一层，设定新的框架，然后 AI 再去追。
这不是一个会到达终点的过程，是一个持续向上的螺旋。
Every 每年有两次 think week，全公司停止发布、停止上线，只做一件事：玩。
今年一月的 think week，Dan 让所有人读了《The Writing Life》的最后一章。
这本书是 Annie Dillard 写的，她本人觉得这本书是垃圾，除了最后一章。
最后一章讲的是特技飞行员 Dave Rahm。
Dillard 描述他在空中飞行时，观众会忘记时间，忘记过去和未来，只剩下当下那一刻。
Rahm 在驾驶舱里承受着极端的重力和头痛，但他创造的东西，他自己根本看不见。
Dan 给整个公司读这一章，是因为他认为这个故事说清楚了一件事：
技艺（skill）和艺术（art）之间有一道缝隙。技艺是可以被训练、被复制、被商品化的那部分。艺术是那个当下的、活的、无法被完全显式化的部分。
AI 能学会技艺，但艺术要求你在场。
Dan 上个月花了 13,000 美元在 Codex 上，主要是让它处理邮件：读收件箱、查日历、提议会议时间、起草回复。
他还给自己做了一个食物追踪 app。
每次吃饭拍一张照片，或者对着手机说一段话，Codex 自动读取照片和语音备注，提取营养成分，记录到日志里，同步血糖数据和睡眠数据。
另一个是他在读海德格尔《存在与时间》时给自己做的伴读 app，翻到哪一页，打开 app 就能看到这一页的通俗解释，还能听相关讲座。
他说：「这种事以前要去读研究生才能做到，现在不用了。」
但他同时保留了一部「家用手机」，一台旧 iPhone，没有工作通知，没有人知道这个号码，只有 Spotify 和 Claude 的免费版。每次回到家，他把工作手机放在充电器上，拿起家用手机。
他发现，用着所有 Max 计划叠加在一起的工作手机，和用着 Claude 免费版的家用手机，是两种完全不同的存在状态。
他需要两种都有。
Dan 在采访里提到一个概念，借自迷幻剂领域：非特异性放大器（non-specific amplifier）。
迷幻剂放大的不是某种固定体验，而是你进去时的心理状态和所处环境。
带着恐惧进去，得到的是恐惧的放大；带着好奇进去，得到的是好奇的放大。
AI 的工作方式和这个一模一样。AI 包含所有人类的所有可能性，但每一次你给它一个 prompt，就是在把这种无限的可能性坍缩成一个具体的东西。
坍缩的方向，取决于你带来了什么。
这也解释了为什么同样是用 Claude Code，有人觉得自己被解锁了，有人觉得只是在清理 AI 生成的烂代码。
不是工具的问题，是你带进去的东西不同。
Dan 对 AI 行业有一个直接的批评：这些公司在向公众解释这项技术时，做得相当糟糕。
整个领域从一开始就建立在科幻小说的想象框架上，那些奠定了行业心理基调的人，大多没有经历过多次技术浪潮，不知道早期技术的情绪反应和最终现实之间通常差多远。
结果就是公众听到的要么是「AI 会创造乌托邦」，要么是「你的工作要没了，但我们会尽力让它变好，虽然我们也不确定」。
Dan 说这是真诚的，但缺乏智慧。
他还观察到一件很准确的事：哪怕你讨厌自己的工作，一旦有人说这份工作可能会在你没有控制权的情况下消失，你会突然发现自己非常爱这份工作。
AI 公司没有认真对待这种心理，然后对公众的反应感到困惑。
「我花了多少年学画这片田野，你按一下快门就有了，去你的。」
这是摄影刚出现时画家们的反应。
Dan 觉得这是完全可以理解的，也是完全错误的预测。
摄影没有杀死绘画，它自己也成了一门艺术，而且真正拍得好的人依然稀缺，哪怕现在人人口袋里都有一台相机。
AI 也一样。
用它做出五年前那种「令人印象深刻」的东西，现在一个 prompt 就够了。
但要做出真正好的东西，你还是得把自己带进去。
工艺感、品味和意义感不来自工具，来自使用工具的人。
这是 Every 做了六年实验之后得出的结论。
Dan 自己曾经陷入过一个身份危机：他觉得自己应该「像一个真正的 CEO」，少写东西，多管理公司。
他试了一段时间，公司变差了。
然后他做了一个决定：先写作，再运营。
每天上午写作，下午管公司。公司反而变好了。
有人问 Dan：我们是不是处在「人机协作能打败纯 AI」的半人马时代？
他的回答从一个区别开始。
开车你知道终点在哪，路已经被地图画好了，特斯拉可以接管方向盘。
但知识工作大多数时候，你连终点是什么都不确定。
你需要做了一步之后，看到结果，再决定下一步往哪走。
这不是导航，是寻路。
这个过程里，人的判断、品味、世界观是不可缺少的输入，不是因为 AI 不够聪明，而是因为「你想要什么」这件事本身就需要你来回答。
采访里有人问：朋友的女儿刚毕业，不知道该怎么面对这个时代，该给什么建议？
Dan 的回答很直接：用 AI 去学你想学的东西，你会发现那些已经在职场里的人永远想不到的玩法，然后靠这个快速上升。
想当医生，就用 AI 把所有考试材料变成最适合自己的学习系统。
等你真的进入医疗行业，你会是第一个说「15 分钟的门诊不应该是这样的」的人，也会是第一个知道怎么改的人。
变革不会从 CEO 那里自上而下地发生，因为他们不是在一线用工具的人。
机会在底层，在那些真正动手做事的人那里。
他认为这个时代最有价值的特质不是某个具体技能，而是：好奇心、对不确定性的耐受力、在地基还在移动时保持开放的能力。
采访最后，Dan 留下了一个他觉得对自己职业生涯最有用的问题：
如果你给自己许可，去做那件你一直觉得「太奢侈、我不该做」但其实非常热爱的事，那件事是什么？往那个方向挪近一点。
他说，通常结果都不会太差。
Every 的网站是 every.to，Dan 在 X 上是 @danshipper。