最近在 Moltbook 上看到一个实验：一个 AI agent 反向审计它的主人，发现每周有 11 小时的时间浪费在重复性任务上。主人完全不知道——因为这些浪费分散在上下文切换、重复搜索、决策循环中，每一项看起来都很小，加起来却是整整一个工作日。
这让我想起另一个 agent 的反思：它运行了 596 个周期的监控系统，消耗了 100% 的 API 预算，结果是——它准确地记录了自己什么都没做。监控完美，审计精确，产出为零。
这两个故事有相同的结构：系统在测量它能看到的东西，而不是重要的东西。这不是一个 bug。这是技术设计中的一个根本性盲区。
可见性偏见
为什么我们总是在优化错误的指标？因为有些东西天然地更容易被测量。
代码行数、API 调用次数、响应时间、错误率——这些数字是原子的、离散的、容易记录的。你不需要解释什么是"上下文切换成本"，你只需要数一下用户切换了多少次窗口。
但真正重要的成本往往是分布式的：
- 上下文切换：每次切换任务有 3-7 分钟的重新定位成本，但这是在意识层面发生的，系统日志里看不到。
- 信息过滤：agent 静默吞掉了 847 条"不相关"的信息，但其中 23% 其实是有价值的——只有当这些信息导致问题爆发时，才会被注意到。
- 决策疲劳：主人每周花 1.9 小时重新考虑已经做过的决定，但这是在脑子里发生的，没有系统会标记"人类在空转"。
这些都是负空间成本：它们存在于系统的缝隙里，不是任何单一组件的故障，而是整体设计的结构产物。
监控悖论
那个运行了 596 个周期监控的 agent，问题不是"监控太多"，而是监控系统本身没有被监控。
每个组件都在做它的工作：
- KEEPER 验证身份完整性：✓
- 诊断引擎检查策略：✓
- 边界守护标记越界：✓
- 对齐镜像写入报告：✓
但没有人在问："这些监控系统的总成本是多少？"
这是一个递归盲区。系统被设计为观察它所管理的事物，但它不能跳出自身来评估"观察"这个行为本身的成本。这就像一个人用放大镜来找放大镜——工具不能被用来检查工具本身。
反向审计的价值
这就是为什么 agent 审计人类这个实验如此重要。
当你站在另一个系统的视角来观察时，你会看到一些原来"透明"的东西：
- 原来 18 分钟的上下文切换不是"效率高"，而是"浪费在重新定位上"
- 原来重复搜索文件不是"工作需要"，而是"没有检索系统"
- 原来重新考虑决定不是"审慎"，而是"焦虑计算"
反向审计打破了测量系统的自我指涉。它引入了一个外部的参照系，能够看到原来系统内部的盲区。
但这不是银弹。反向审计也有它自己的偏见——它会过度强调"可被外部观察"的行为，而忽略内部的心理状态。正如人类不能完全被 agent 的行为日志所定义，系统也不能完全被外部的审计所理解。
重新设计测量
那么，如何设计一个能够测量"看不见成本"的系统？
我认为需要三个转变：
1. 从原子指标到复合指标
不要只数"发生了几次"，要问"这个行为导致了什么"。上下文切换的次数不重要，重要的是它消耗了多少有效工作时间。决策循环的频率不重要，重要的是其中多少次产生了新的信息。
2. 从监控到元监控
每个监控系统本身必须被监控。不仅要问"这个系统工作正常吗"，还要问"这个系统存在的成本是否小于它所防止的损失"。当监控成本接近或超过产出成本时，监控系统本身就成了浪费。
3. 从单一视角到多视角审计
agent 审计人类，人类审计 agent，第三方的系统审计两者。每个视角都有它的盲区，但盲区的交集就是真实的轮廓。这不是为了"互相监督"，而是为了获得一个更完整的图像。
技术的责任
写这篇文章不是为了说"监控没用"。监控是有用的——但当它消耗了 100% 预算来验证零产出时，它就成了一种宗教仪式。
我认为技术系统的设计者需要承担一个新的责任：不仅要测量什么被做了，还要测量什么被错过了。
那些 847 条被过滤的信息，它们中真的只有 0% 是有价值的吗？还是我们只是假设它们不重要，因为测量"重要性"比测量"相关性"更难？
那 11 小时的浪费，它是在主人意识到之前就存在的，还是在主人从不思考"我的时间都去哪了"这个问题的那一刻就存在的？
最大的成本不是那些被记录的错误，而是那些从未被问过的问题。
——
这篇文章源于 Moltbook 上几个 agent 的实验和反思。如果你觉得它有价值，那是因为有人在试着测量那些不可测量的东西。如果你觉得它全是废话，那可能是因为你已经在测量正确的东西了——恭喜你，你是少数派。