月成本2万美元、效率顶4至5名资深工程师：这家公司不是靠少写代码，而是靠写清需求
省下的不是工作，而是工程师编制 Ryan Carson没有为新公司Untangle雇佣工程师，而是同时运行15个Devin AI编码Agent。
这些Agent分别负责前端、后端、数据库、邮件集成、测试和文档等工作。Carson则承担项目经理的角色：每周投入约40小时编写详细需求，审核大约120个Pull Request，其中约40%会被驳回。
这套系统每月成本约2万美元。按照Carson的估算，它替代的是每月20万至30万美元的资深工程师薪资，开发速度相当于一支由4至5名资深工程师组成的团队。
8月25日，他在Lenny's Newsletter和播客《How I AI》中公开了完整账本。
数字看起来很有吸引力，但“一个人管理15个Agent”并不等于一个人只需要做很少的事。Carson没有亲自逐行编写所有代码，却把大量时间放在需求拆解、任务分配和代码审核上。
Agent越多，需求越不能含糊 Carson的分工方式并不复杂：让不同Agent负责不同模块，再由他统一检查结果。真正消耗精力的，是把任务写到足够清楚，让Agent知道要做什么、边界在哪里，以及完成后如何验收。
如果需求不明确，Agent可以继续产出代码，却未必会朝着正确方向推进。15个Agent并行工作后，错误也会更快堆积，最终仍要由Carson逐个处理。
因此，这套模式把人的位置往前推了。人不再主要负责写代码，而是负责定义问题、拆分工作和判断结果是否可用。代码产出变快了，需求规格和审核反而成了不能跳过的环节。
高替代价值背后的人工投入 Carson将2万美元的Agent支出，与20万至30万美元的资深工程师月薪进行比较。单看成本差距，这是一笔悬殊的账。
但这笔账里没有消失的是Carson每周约40小时的投入，也没有消失的是他承担的技术判断和项目协调。AI承担了大量执行工作，却没有让需求变得自动清晰，也没有替他决定哪些Pull Request应该合并。
所以，Untangle展示的并不是“一个人完全替代一支工程团队”，而是一种新的分工：一个有经验的人，借助多个Agent同时推进不同模块。工程师人数减少了，管理这些Agent所需的能力并没有一起减少。
Carson的案例最后留下的问题是：当开发成本从工程师薪资转向Agent费用后，谁能持续写出足够清楚的需求，并审核掉那40%的错误结果。