他用30亿Token证明一件事：不会写代码，也能和AI Agent一起造软件

一个非技术背景的人，4个月烧掉30亿Token，却连续交付网站、CLI、机器人和AI系统。更反直觉的是，他几乎不写代码，而是“管理”AI Agent。这不是鸡汤，而是一套正在成型的新开发范式。

30亿Token，换来的不是代码，而是生产力的跃迁

最炸裂的不是“AI能写代码”，而是一个非技术背景的人，4个月用掉30亿Token，却稳定产出真实可用的软件项目：个人网站、社交数据追踪器、CLI 工具、加密货币监控、Telegram 机器人，甚至 AI 视频系统。

这不是炫耀算力，而是暴露了一个正在被低估的事实：Token 已经变成新的“开发原材料”。过去你用时间学语法、啃框架；现在你用 Token 换试错、换上下文、换一个“永不疲倦的工程师”。

更反直觉的是，他并没有试图“学会编程再开始”，而是直接开始做项目，在过程中让 AI Agent 承担绝大部分实现细节。人类的角色发生了位移：从写代码的人，变成了给系统设定目标、审查结果、持续反馈的产品负责人。

他是怎么“用嘴”把项目做出来的？一套可复制的 Agent 工作流

真正有料的地方在于他的工作方式，而不是工具本身。

他的核心环境只有一个：CLI。每个新项目，先在 Droid 里起仓库，喂给 Agent 足够的上下文，然后切换到 spec mode，让 Agent 先写“计划”，而不是直接写代码。接下来不是盲目信任，而是反复质疑方案、补充文档链接、贴 GitHub repo，让 Agent 在真实世界的约束下工作。

一个关键细节是 agents.md——这是给 AI Agent 看的 README。里面不是项目介绍，而是：仓库规范、可复用指令、测试要求、提交标准。Agent 不再是一次性工具，而是一个会被持续“调教”的团队成员。

跑完代码只是开始：他会测试、给反馈、再迭代指令。失败不是返工，而是升级 Agent 能力的素材。这套流程的本质，是把“写代码”拆解成：设定目标 → 审查方案 → 验证结果 → 优化系统。

真正的变化：开发开始像发 Slack，而不是写 IDE

当你接受“Agent 就是程序员”这个前提，很多旧习惯会自动崩塌。

他可以在手机上 coding：用 GitHub App 看 PR，用 Telegram bot 触发任务，每个 repo 一个 Slack 频道，Agent 像人类工程师一样被 @。开发不再被 IDE 和工位绑死，而是变成异步、可中断、随时推进的过程。

更有意思的是，他学到的并不是某门语言，而是一组“可迁移技能”：Bash 命令、CLI 设计、VPS 基本原理、常驻服务、仓库同步。这些不是教程式学习，而是被项目逼出来的理解。

他明确偏好 CLI 而不是复杂的 MCP 或重型 IDE，因为 CLI 是最稳定的抽象层——无论模型怎么换，这些能力都能带走。

这不是 no-code 的升级版，而是新的可编程抽象层

为什么这次不一样？因为不再有“Hello World 的羞辱时刻”。

过去学编程，你要先跨过语法、环境、框架三座大山；现在，你直接和 Agent 对话，把“我想要什么”变成系统行为。你不是逃避复杂度，而是把复杂度外包给模型，自己专注在抽象、判断和选择上。

他把 AI 当成“永远有耐心的老师”：哪里不懂就追问，Bug 不是挫败，而是暴露知识缺口的提示。通过看 PR、拆开开源项目、复刻别人的系统，理解框架真正解决了什么问题。

最重要的一点：把 coding 当成玩。项目可以随时丢掉，实验可以失败，反馈回路被压缩到极短。软件的爆炸式增长，本质来自这种低心理成本的探索。

总结

这条路径对 AI 从业者的启示很直接：你不需要等“学会编程”再开始，而是应该尽快选一个 Agent + CLI，做一个小到不能再小的项目。每个 Bug 都问清楚，每次失败都反哺到指令里。不要在工具之间频繁迁移，也不要追求完美架构，速度和简单优先。

2026 年真正的分水岭，不是会不会写代码，而是谁更擅长和智能体协作、迭代系统、持续交付。问题不是“我能不能做到”，而是：你准备什么时候开始烧掉你的第一批 Token？

关键词： AI Agent， Token经济， 代码生成， CLI开发， 提示工程

事实核查备注： 需要核查：1）“4个月使用30亿Token”的具体表述与来源；2）Greg Isenberg 视频发布时间（2026-01-07）；3）Ben Tossel 文章中列举的具体项目类型；4）agents.md 的实际定义与用法是否为作者原话。