来源：HRflag

　　本周，Meta 负责应用 AI 工程的 Maher Saba 与负责基础设施与工程的 Santosh Janardhan，向内部发出一份更新工程师期望的备忘录。9 月 2 日，WIRED 等媒体披露了其中的内容。文件里有一句话很快传到了外面：公司“不会使用 AI 采用率仪表盘或 token 使用量来评估员工影响力”。

　　Meta 发言人 Tracy Clayton 向媒体确认了这一表述。同一份备忘录披露，Meta 目前 93% 的代码修改已由 AI 代理辅助完成；但文件同时写明，采用人工智能“本身并不是最终目标”，目标是“更好的结果——更高质量的交付、更快的迭代”。管理者被要求把注意力放回三件事：产出质量、工作速度，以及一个人所负责问题的复杂度与范围。

　　一并被废止的还有两样东西：原始 token 计数，以及挂在员工档案上的 AI Native / AI First / AI Enabled 标签。绩效语言也换了口径——过去写的是“AI 驱动的影响力”（AI-driven impact），现在写的是，这些成果“可以由 AI 支持，也可以由其他方式达成”。

　　这不是一次胜利宣告。这是一次撤退。

　　要理解它撤到了哪里，得先回到十个月前，Meta 是怎么走上去的。

　　一、一块屏被关掉了

　　先说一个已经被反复转述、但很少被认真读完的故事。

　　今年 4 月 7 日，The Information 报道了 Meta 内部一块叫 “Claudeonomics” 的看板。它不是公司项目，是一名员工自己做的。它把全公司八万多人的 AI token 消耗拉成一张排行榜，只显示前 250 名，并且给上榜者发头衔——“Token Legend”（token 传奇）、“Cache Wizard”（缓存巫师）。

　　数据是这样的：30 天内，员工累计消耗超过 60.2 万亿 token。榜首那位，月均 2810 亿 token，按外部估算，仅此一人的月度成本就可能超过 140 万美元。

　　还有一个细节值得停一下：扎克伯格和 CTO 博斯沃思（Andrew Bosworth）都不在前 250 名里。

　　4 月 9 日，报道发出两天后，这块看板下线了。页面留了一句话：“由于本看板的数据被分享到了外部，我们决定暂时关闭 Claudeonomics。”Meta 后来的说法是，员工自愿撤下的。

　　请注意这句公告的措辞。它给出的关闭理由是“数据泄露到了外面”，不是“这个指标是错的”。

　　从 4 月 9 日到 9 月 2 日，隔了将近五个月。这五个月里发生的事，才是这次备忘录真正的注脚。

　　二、“刷 token”不是员工的道德问题，是制度的输出

　　时间线其实很清楚。

　　2025 年 11 月 14 日，Meta 人力负责人 Janelle Gale 发出内部备忘录：“当我们走向一个 AI 原生的未来，我们希望认可那些帮我们更快抵达那里的人。”从 2026 年起，“AI 驱动的影响力”成为绩效的核心期望。同年 12 月 8 日，公司上线“AI Performance Assistant”，员工可以用它来写自己的绩效自评——用 AI 写“我如何使用了 AI”。

　　指标随后一层层压下去。据外媒报道，Meta 负责 Facebook、WhatsApp、Messenger 的 creation 组织，在 2026 年上半年期望 65% 的工程师用 AI 写出超过 75% 的代码；可扩展机器学习部门的区间是 50%—80%；2025 年底的全公司口径是，中心产品团队 55% 的代码修改要由 AI 代理支持；此外，80% 的中高级工程师需要采用 Gemini、DevMate、Metamate 等平台。

　　于是有了一个新词：tokenmaxxing。

　　把这三件事放在一起看——绩效挂钩“AI 驱动的影响力”、档案上贴 AI Native 标签、公司里有一块公开的 token 排行榜——“刷 token”就不是什么值得批判的个人行为，它是这套制度在理性人身上的必然输出。一个员工如果不去把 token 数刷上去，他反而是在承担风险。

　　这件事的原理古老到有点乏味。1975 年，古德哈特（Charles Goodhart）说过：当一个指标被用作政策目标，它就不再是一个好的度量。更早一点，比尔·盖茨有一句更适合软件行业的比喻：用代码行数衡量编程进度，就像用重量衡量飞机制造的进度。

　　苏联计划经济时代有个被讲烂了的例子：钉子厂按吨位考核，就生产巨钉；改成按数量考核，就生产微钉。它讲烂了，但它没过时——过去二十年，互联网公司拜 DAU、拜 GMV，然后有了刷量和刷单；医院考核床位周转率，然后有了“该住院的赶出去”。

　　AI 时代的新变化是：这一次，被考核的那个动作，成本几乎为零。

　　刷 DAU 需要买流量，刷 GMV 需要垫资金，刷代码行数至少还得敲键盘。刷 token 只需要把一个 prompt 扔进 agent，然后去开会。这是 tokenmaxxing 传播得如此之快的技术原因——它是所有“表演式 KPI”里边际成本更低的一种。

　　今年 6 月，博斯沃思在一份发给约 6000 名员工的备忘录里写道：“没有人应该为了用 AI 工具而用 AI 工具。所有的动作都不等于进展，而 token 使用量本身，在任何意义上都不是影响力的度量。”

　　那时候，30 天的读数已经从 60.2 万亿涨到了 73.7 万亿。

　　三、Shopify 考的是举证责任，Meta 考的是计量

　　把镜头拉远一点会发现，Meta 不是一家把 AI 使用写进绩效的公司，但它选了最容易出事的那种写法。

　　2025 年 4 月 7 日，Shopify 创始人 Tobi Lütke 把一封内部信公开了，标题是“反射性地使用 AI，现在是 Shopify 的基线期望”。信里有三句关键的话：

　　他还写了一句相当不留退路的话：“我看不出（不用 AI）在今天能行得通，明天更不行。停滞几乎是必然的。”

　　同一时期，微软、谷歌、亚马逊都把 AI 使用从“可选”变成了“不可选”；埃森哲更进一步，把 AI 使用与晋升资格挂钩。2025 年 9 月一项覆盖 1295 家公司的调研显示，58% 的企业已经硬性要求一定数量的员工使用 AI 工具。

　　但请仔细看 Shopify 那句话和 Meta 那块看板之间的差别。

　　Shopify 的做法本质上是转移举证责任：默认答案变成“先用 AI 试”，你要走人力路线，得给出理由。它考的是决策顺序，不是消耗量。这种设计有它自己的问题——它会制造“为了应付审批而编造的 AI 可行性论证”——但它至少没有给出一个可以被直接刷高的数字。

　　Meta 的做法是计量：AI 驱动的影响力、AI Native 标签、token 排行榜。计量型指标一旦公开、一旦挂钩绩效、一旦刷起来几乎不花钱，它的结局就已经写好了。

　　一句可以拿去用的判断：在 AI 落地这件事上，改默认选项通常比设数字目标安全。 前者改变行为的起点，后者改变行为的伪装。

　　四、220% 与 36%

　　真正让这套指标体系撑不住的，不是排行榜被曝光，是另一组数字。

　　据 The Next Web、Forbes 等媒体基于内部信息的报道，Meta 今年推进过一个代号 Project OT 的重组计划：部分团队削减最多 60%，产品团队从 10—20 人的专家组，压缩成 3—5 人的 “pod”，所有人统一一个头衔——“builder”（构建者），中层管理被抹掉，单元负责人直接管 30—50 人。这个计划据称在 1 月成形于扎克伯格的夏威夷住所。

　　然后是内部数据：

　　- 基础设施的代码修改量同比增长 220%；

　　- 但真正到达用户、形成新功能或功能升级的改动，只增长了 36%；

　　- 重大技术与安全事故同比上升 40%；

　　- 用于事故响应的“救火”时间上升 70%；

　　- 半年度 Pulse 员工调研的好评率，从 74% 掉到 55%。

　　220% 对 36%。这两个数字之间的那道口子，就是“用量”和“产出”的全部距离。

　　代码修改量是能被自动采集的，功能交付不是。事故是滞后发生的，token 是实时计数的。当考核只认前者，一个组织会非常高效地生产出前者。

　　5 月 19 日，第一波裁员执行前几个小时，扎克伯格取消了原定 11 月的第二波。5 月 20 日，第一波落地，约 8000 人离开，占员工总数约 10%；同一周，7000 人被转入 AI 相关岗位。7 月，26 名被裁员工提起诉讼，指控裁员的筛选方式针对了处于病假中的员工。

　　扎克伯格给出的解释是：“agentic development 在过去至少四个月里的轨迹，并没有像我们预期的那样加速。”

　　工程界的评论要直接得多。Gergely Orosz 的说法是：一种建立了二十年的工程文化，被一夜之间摧毁——这也顺带解释了，为什么在业务表现并不差的时候，工程师仍在流失。

　　五、验证税：用量指标为什么会系统性地骗人

　　Meta 的遭遇不是孤例，它甚至不算意外。过去一年，几份严肃的行业研究已经把这件事说得很清楚了。

　　第一个证据是关于“人会骗自己”。

　　METR 做过一次随机对照试验：16 名经验丰富的开源贡献者，246 个真实任务（bug 修复、新功能、重构），仓库是平均两万两千星以上、百万行级别的大型项目，工具是 Cursor Pro 配 Claude 3.5/3.7 Sonnet。

　　结果是：允许使用 AI 工具时，他们完成任务的时间长了 19%。

　　而这些开发者事前预计会快 24%；做完之后，在已经真实变慢的情况下，他们仍然认为 AI 让自己快了 20%。

　　19% 的实际变慢，和 20% 的自我感觉加速，之间是接近 40 个百分点的认知落差。研究者说他们本来是预期看到正向加速的。

　　这一点对管理的含义很硬：自评问卷和“用了多少”的自我报告，都不足以支撑绩效判断——不是因为员工不诚实，是因为人在这件事上会真诚地估错。

　　第二个证据是关于“吞吐和稳定性同时动”。

　　DORA 2025 报告的数据：90% 的技术从业者已经在工作中使用 AI，超过 80% 认为它提高了自己的生产力，但同时有 30% 的开发者表示对 AI 生成的代码“几乎没有信任”。

　　更关键的是它的相关性发现：AI 采用度越高的组织，软件交付吞吐量和交付不稳定性同时上升。

　　DORA 给这个现象起了个名字——验证税（verification tax）。写代码省下来的时间，被重新分配到了验证环节。报告里有一句工程师原话：“我感觉自己生产力高了一点，但这是有代价的。我写代码的时间变少了，但我花更多时间在给 AI 当保姆。”

　　报告的建议写得很不客气：必须“停止依赖这类狭窄的、基于产出量的指标来度量真实的生产力”，因为 AI 会在不提升开发者实际效能的前提下，先把代码体量做上去。

　　广告

　　第三个证据是关于“能委托的边界”。

　　Anthropic 今年的 Agentic Coding 趋势报告给出了一组更精细的比例：工程师大约 60% 的工作会用到 AI，但真正能“完全委托”出去的任务只有 0%—20%；另有 27% 的 AI 辅助工作，属于“过去根本不会去做的任务”。

　　这组数字解释了两件看似矛盾的事同时为真：AI 的渗透率可以很高（60%，或者 Meta 的 93%），而可自动化的完整任务份额可以很低（0%—20%）。渗透率高不等于替代率高。 把这两个数混为一谈，就是 Project OT 那份重组方案在算术上出错的地方。

　　回到度量本身。用量指标的根本缺陷不在于它“不准”，而在于它测的是投入。在传统生产里，投入至少是一种稀缺资源，测投入还算有点信息量。而 AI 的边际调用成本极低——投入几乎不构成约束。当一个约束消失，围绕它建立的指标就同时失去了两样东西：区分度，和抗操纵性。

　　六、出问题的时候，是谁写的？

　　用量考核还有两笔成本，从来不出现在任何仪表盘上。

　　第一笔是影子 IT。

　　Spektrum Labs 的 CISO Joshua Brown 说过一句很实在的话：“人总会去做任何能让自己把活高效干完的事。”当公司下达“必须多用 AI”的指令，而批准的工具又不好用或者被限流，员工会自己找工具。企业采购目录之外的模型、个人账号、把内部代码粘进公开对话框——这些行为不会体现在采用率上升的那条曲线里，但它们真实地扩大了攻击面。

　　Brown 对管理者的建议只有一句：“别只说’多用 AI’，要说’多用 AI 去做什么’。”

　　值得一提的是，Meta 今年夏天开始对员工 AI 用量做配给。配给和“必须多用”是两条方向相反的指令，同时存在于一个组织里的时候，一线员工会怎么解题，是可以预料的。

　　第二笔是责任归属。

　　Silverfort 的副总裁 Roy Akerman 提了一个问题，值得每个技术管理者认真回答一遍：

　　“这是谁做的？我？那些 AI 代理？还是 copilot？”

　　他补了一句更根本的：“旧的框架假设，访问系统、执行操作的主体是人。”

　　这件事和 Meta 的数字直接咬合。当代码修改量同比涨 220%、重大事故涨 40%、救火时间涨 70%，事故复盘会面对一个新问题：一次故障，归因到写下这段代码的工程师，还是归因到生成它的 agent，还是归因到批准合并的评审人？

　　如果考核体系奖励的是“我用 AI 做了多少”，那么在出成绩时，功劳自然归人；在出事故时，责任就很容易滑向工具。这种不对称一旦形成，它会比任何指标都更快地腐蚀工程质量——因为它让“少看一眼”变成了一个低风险选择。

　　93% 这个数字里，藏着的正是这个问题的规模。

　　七、账本这一边，也不站在“用量”这里

　　值得注意的是，Meta 这次转向并不只是一次管理观念上的自我纠正。账本也在推着它走。

　　据报道，仅内部使用一项，Meta 2026 年的 AI 成本就在向数十亿美元逼近。公司为此准备了三步：从 2027 年起对消耗实施预算与配额；上线一个叫 “AI Gateway” 的中央看板，追踪用量与支出；以及，把工程师从 Claude 这类第三方工具，导向自研的 MetaCode 助手。今年夏天，Meta 已经开始对员工的 AI 用量做配给。

　　这里有一个必须说出来的落差。据 The New Stack 报道，Meta 自研模型 Muse Spark 1.1 在 DeepSWE 1.1 榜单（113 个任务）上的成绩是 53%，而 GPT-5.6 Sol 是 73%，Claude Opus 5 是 74%。价格更便宜——每百万输入 token 1.25 美元、输出 4.25 美元——但在 OpenAI 于 7 月大幅降价之后，这点价格优势也在被挤压。

　　Meta 补这个差距的办法，颇有意思：让工程师改 MetaCode 犯的错。报道称，Maher Saba 的一份内部备忘录提到，7000 名周活用户已经提交了 800 多处代码纠正；公司捕捉的是完整的真实工作流——原始任务、MetaCode 的输出、工程师的修改，以及通过评审所需的测试。这些数据被用于 Muse Spark 1.1 和一个代号 “Watermelon”（西瓜）的内部模型的后训练。

　　激励方式是：在员工档案上发彩色徽章。

　　这就是这次转向里最微妙的一处。 公司在同一时期做了两件方向相反的事：一边废止 token 计数和 AI Native 标签这类“过程激励”，一边用彩色徽章鼓励另一种过程行为——提交纠错。

　　区别当然是有的：纠错徽章激励的是一个有明确外部效用的动作（喂出更好的模型），而 token 排行榜激励的只是消耗本身。但机制是同一类机制。一个组织如果不改变“用可采集的行为换积分”这个底层习惯，它只会换一次刷分的对象。 这也是接下来值得盯的地方：徽章会不会变成新的 tokenmaxxing。

　　八、新指标的难处：它需要中层，而中层刚被砍掉

　　备忘录给管理者留下的新准绳是三条：产出质量、工作速度、所负责问题的复杂度与范围。

　　方向没错。但把这三条拿到一个 8 万人的工程组织里逐条落地，每一条都比“数 token”难一个量级。

　　产出质量是滞后的。 一次改动的质量，要经过评审、上线、灰度、事故窗口，才能被看清。Meta 自己的数字就是证明——代码修改涨 220% 的同期，重大事故涨 40%、救火时间涨 70%。这些是季度之后才结算的账。而绩效周期不等账。

　　工作速度会被“量”污染。 速度的分子是交付，分母是时间。AI 最擅长的，恰恰是把分子里那个“看起来像交付”的部分做大。Meta 的 220% 对 36%，就是分子被注水后的样子。如果不重新定义“什么算一次交付”，考核速度会退化成考核吞吐量，而考核吞吐量就是换了名字的用量考核。

　　复杂度与范围没法自动采集。 这一条最重要，也最主观。判断一个人今年扛的问题是不是更难了、边界是不是更宽了，只能靠了解他工作的人做判断——也就是一线经理和同行。

　　这就撞上了 Project OT 留下的结构性矛盾：新的度量方式高度依赖人的判断，而这套重组方案的核心动作之一，就是抹掉中层管理、把单元负责人的管辖半径扩到 30—50 人。

　　一个经理带 5 个人，他能对每个人负责问题的复杂度做出可辩护的判断。带 40 个人，他能拿到的只有仪表盘。

　　于是形成了一个闭环：因为管理带宽不够，所以依赖自动指标；因为依赖自动指标，所以指标纵；因为指标纵，所以决策失真；因为决策失真，所以继续砍人以求效率。Meta 这一年，几乎把这个循环走了一整圈。

　　软件工程度量领域有个老结论，今天读起来更刺人：凡是能被自动采集的，通常都不重要；凡是重要的，通常都得靠人来判断。 AI 把前半句的产量放大了一百倍，却一点也没有减轻后半句的负担。

　　最后一个问题：为什么是 Meta 先撞上这堵墙？

　　不是因为它最激进，而是因为三件事在它身上恰好叠在了一起。

　　一是路径依赖。从 2023 年的“效率之年”开始，Meta 已经习惯用“效率”这套叙事驱动组织变动，并且尝到过股价上的甜头。当 AI 出现，它几乎是自动地把 AI 接到了同一根叙事管道上——AI 意味着更少的人、更快的交付。这不是新决策，是旧成功的延长线。

　　二是打分机制。Meta 的绩效体系以强区分度著称，需要在大量员工之间给出可比、可辩护的评级。这种体系天生渴求可量化、可自动采集的输入——而 token 计数刚好是全公司最容易拿到、最“客观”的一个数。

　　三是规模。八万多人的组织里，靠人来判断“问题的复杂度与范围”，管理成本高得惊人。仪表盘是看起来能规模化的方案。

　　三件事叠加，Meta 成了最有可能把采用率直接焊到个人绩效上的公司，也因此成了最快看到这条路尽头的公司。这一点对旁观者其实是好消息：Meta 用一年时间、约 8000 个岗位、40% 的事故增长和 19 个百分点的员工好评率下滑，替所有人做完了这次实验。

　　九、对中国公司，这件事的可操作含义

　　Meta 的这轮反复，对国内正在推 AI 落地的组织，有几个直接可用的判断。

　　前面提过的那组数字值得再看一遍：58% 的企业已经硬性要求一定数量的员工使用 AI 工具。国内的对应物大家都熟悉：AI 使用率周报、提示词大赛、“每个部门月内提交 N 个 AI 应用场景”、把工具登录天数纳入部门考核。

　　第一，采用率指标在推广期是有效的，问题在于它没有退出机制。

　　这一点需要说公道话：在渗透率从 5% 到 50% 的阶段，考核“用不用”是有用的。它对抗的是组织惯性，成本低、见效快。Meta 用一年把 AI 辅助的代码修改推到 93%，采用率考核在其中是起了作用的。

　　真正的错误是把一支临时的脚手架当成了建筑。所有推广期指标都应该在设立的当天就写好退役条件——比如“渗透率连续两个季度超过 70% 后自动作废”。没有退役条件的过程指标，一定会活得比它的用处更久，然后开始反过来消耗组织。

　　第二，判断该不该退役采用率指标，有一个很简单的标准：区分度。

　　当一个指标在你的组织里已经无法区分好员工和差员工，它就该下线了。93% 意味着几乎所有人都在用 AI，此时继续考核“用不用”，测出来的差异全部来自噪声和表演。反过来，如果你的渗透率还在 20%，那这个指标暂时还有信息量。

　　第三，替代方案不是“换一个更聪明的自动指标”。

　　这是最容易犯的错。很多组织从“AI 使用率”退下来之后，转向“AI 生成代码占比”“AI 处理工单数”“AI 节省人时”——这些依然是用量指标，只是包装换了。它们会以完全相同的方式纵。

　　Meta 给出的三条（质量、速度、问题的复杂度与范围）之所以看起来“不够量化”，正是因为它们必须不够量化。可行的做法更接近这样：

　　- 把度量单位从“动作”换成“交付物”——不数调用次数，数真正到达用户/客户手里、并且在事故窗口之后活下来的东西；

　　- 把成本一并入账——省下的人时，要减去验证、评审、返工和事故响应的增量。DORA 的“验证税”不是修辞，它是需要真实计入的一行支出；

　　- 承认这件事需要人来判断，并且为这件判断保留管理带宽。这是一条花钱的建议，也是最容易被跳过的一条。

　　如果要更具体一点，可以落成三个能被审计的口径：

　　交付物存活率。 不看提交了多少改动，看这些改动在 30 天或 90 天之后还活着多少——没有被回滚、没有被重写、没有引发事故。AI 生成的代码在这个口径下的表现，才是它真实的价值。这个口径的好处是它无法被“多调用几次”刷高。

　　事故归因表。 每一次重大事故的复盘，都要回答一个新增问题：这段代码是谁写的、谁评审的、AI 参与到哪一步、评审时看了多久。不是为了追责，是为了让“验证税”变成一笔看得见的账。Meta 的救火时间涨 70%，如果没有这张表，这 70% 就永远只是一个成本，不会变成一个可改进的输入。

　　证据链自评。 绩效自评里不问“你用了多少 AI”，改问三个问题：今年你负责过的最难的一个问题是什么？它难在哪？如果没有 AI，这件事会怎么做、要多久？第三个问题会自然逼出 AI 的真实贡献，而且它很难编——因为它需要对业务有具体理解，而不是对工具有使用记录。

　　这三条都需要人来读、来判断，都无法自动生成一张周报。这正是它们的价值所在。

　　第四，也是最容易被忽略的一条成本：采用率考核真正的代价，不是员工演戏，是它教会整个组织用错误的语言讨论 AI。

　　当一家公司连续一年在周会上汇报“我们的 AI 使用率提升到了 78%”，它的管理层会逐渐失去讨论“我们靠 AI 多做出了什么”的能力。指标塑造话语，话语塑造决策。Project OT 那份按 60% 比例砍团队的方案，正是在“渗透率很高、所以人可以很少”这套话语里被写出来的。

　　尾声：93% 也是一个用量指标

　　最后回到那个被所有人转载的数字。

　　93% 的代码修改由 AI 代理辅助完成——这句话里的“辅助”没有定义。是 agent 独立提交并通过评审，还是工程师在 IDE 里接受了一次补全？是整个改动由 AI 生成，还是其中一行？口径不同，93% 的含义可以相差几个数量级。

　　一个可以拿来对照的数字：2025 年 4 月 30 日，在 Meta 自己举办的 LlamaCon 开发者大会上，纳德拉（Satya Nadella）当着扎克伯格的面说，“我想大概 20%、30% 的代码，在我们今天的仓库里、在我们的一些项目里，可能全都是软件写的。”

　　注意他的措辞——“我想大概”、“我们的一些项目”。同一年，同一个行业，一个说 20%—30%，一个说 93%。这不是两家公司的技术差距，这是两个没有对齐的定义。

　　Meta 在同一份备忘录里废止了 token 计数、废止了 AI Native 标签、宣布不再用采用率仪表盘评估员工影响力——然后把 93% 放在了最显眼的位置。

　　这不算自相矛盾，但它说明了一件事：在公司层面，用量数字依然是更好用的叙事工具。 它对投资者好用，对媒体好用，对内部动员好用。被废止的只是它在个人绩效上的用法。

　　从“用量”转向“产出”，听起来像是一次认知升级。放在时间线里看，它更像是一次由账单、事故率和 Pulse 分数共同促成的被动修正——先有 4 月的排行榜曝光，再有 5 月取消第二波裁员，再有夏天的用量配给，最后才是 9 月这份把话说明白的备忘录。

　　值得记住的其实只有一句话：AI 能把“做了很多”变得极其廉价，却没有让“做对了”变得便宜一点。

　　所有以为可以用前者代替后者的组织，都会在某个季度收到账单。

　　---

　　几个想听听你怎么看的问题：

　　1. 你所在的公司现在考核“AI 使用率”吗？如果考核，它是用什么口径统计的——登录天数、调用次数，还是别的？

　　2. 如果你要给一位下属做今年的绩效判断，在不能看任何 AI 用量数据的前提下，你会拿什么当证据？

　　3. 220% 的代码改动只换来 36% 的功能交付——这个比例，在你自己的团队里大概是多少？

　　4. 最后一个可能更扎心的：你有没有为了让某个仪表盘好看一点，而做过明知没有价值的操作？

　　事实来源与说明：

　　本文中 9 月 2 日备忘录的表述、Meta 发言人 Tracy Clayton 的确认、93% 数据及新的评估口径，来自 WIRED 及多家媒体的报道；Claudeonomics 排行榜的细节来自 The Information 的报道及后续转述；Project OT 的重组方案与 220%/36%/40%/70%/74%→55% 等内部数据，来自 The Next Web、Forbes 等媒体基于内部信息的报道，未经 Meta 官方逐条确认；MetaCode 纠错机制与 Muse Spark 1.1 的榜单成绩来自 The New Stack；METR 随机对照试验、DORA 2025 报告、Anthropic 2026 Agentic Coding 趋势报告为公开研究。文中对指标机制的分析为评论，不代表上述机构立场。

　　原文链接：https://mp.weixin.qq.com/s/iL-CWFjgCkUiF50w3_3mhQ