今天这期继续讲 AI 编程，但不再从“模型又会做什么”切进去。

更值得看的，是 GitHub 把 Copilot 的 AI credits 消耗细到每个用户身上。这个小字段不热闹，却很像一个信号：AI 工具进团队以后，真正难管的不是开不开会员，而是谁在什么任务上烧掉了多少额度。

过去几天我们已经讲过 Agent 的部署、权限、复查报告和泄密边界。今天值得继续看，是因为焦点又往前挪了一步：任务还没谈上线，账先要算清楚。

今天只看这 3 件事

1. GitHub Copilot 用量 API 增加用户级 AI credits 指标

发生了什么：GitHub 在 Copilot usage metrics API 里加入 ai_credits_used 字段，企业和组织管理员可以按用户查看单日和 28 天的 AI credits 消耗。

为什么重要：以前团队买 AI 编程工具，最容易看的指标是席位数和活跃人数。现在 GitHub 开始把消耗拆到用户级，管理者就能追问更具体的问题：哪些人、哪些任务、哪些习惯最耗 credits？这些消耗有没有换来更少返工、更快交付，还是只是把试错成本藏进账单里？

我的判断：这类指标会改变团队使用 AI 的方式。以后不是“大家都用起来”就算成功，而是要看某个工作流值不值得花这些 credits。AI Coding 会越来越像云资源：能用只是第一步，用得值不值，才是长期问题。

2. 《Deep Agents 实战》开源教程开始在中文开发者圈传播

发生了什么：中文开发者开始围绕 LangChain / LangGraph 的 Deep Agents 生态做实战教程，重点不再停在概念解释，而是怎么搭出可运行的长任务框架。

为什么重要：Agent 这个词已经被讲得太满。真正有价值的教程，应该让读者能复刻环境、看懂任务拆分、知道哪里会失败，并且能自己调试。否则它只是把“很强”换成了另一种包装。

我的判断：接下来判断 Agent 教程，别只看标题里的框架名。先看它有没有把输入、工具、状态、错误处理和验收讲清楚。能跑通一遍，比堆十个新名词有用。

3. baoyu-design Skill 迭代：导出样式和渐变丢失问题被修复

发生了什么：宝玉记录了一次 Skill 的真实迭代：用户反馈导出样式表未铺满、渐变丢失，本地复现后，再让 Agent 分析原因、修复并补测试。

为什么重要：这条看起来只是一个小工具修 bug，但它比很多“AI 一键生成”演示更接近真实工作。AI 工具不是第一次生成得漂亮就结束，后面还要接住用户反馈、复现问题、修掉细节，并且用测试防止下次再坏。

我的判断：Skill 真正有用的地方，不是把一次生成做得更炫，而是把人的经验固化进一条可重复的链路。会修、会测、会迭代，才说明它开始从玩具变成工具。

为什么今天还值得继续讲

如果只看表面，今天三条消息不在同一个层级：一个是 GitHub 官方 API，一个是开发者教程，一个是个人 Skill 修复记录。

但放在一起看，它们都在回答同一个问题：AI 参与工作以后，怎么让这件事可计算、可复刻、可改进？

Copilot credits 指标让成本可计算；Deep Agents 教程要求流程可复刻；Skill 修复记录说明 AI 产物必须能被反馈推动。三件事都不玄，甚至有点琐碎，但琐碎正是工具进入真实工作后的样子。

可以直接带走

今天可以给自己的 AI 工作流补一张“消耗记录卡”。

不用复杂，写五行就够：

  1. 这次任务让 AI 做了什么？
  2. 花了多少额度、调用次数或运行时间？
  3. 人工返工了几次？
  4. 哪一步最容易反复失败？
  5. 下次能不能把这一步写成固定流程？

如果这五行长期写不清，说明你可能只是在“用 AI”，还没有把 AI 变成稳定工具。AI 真正省下来的，不是某一次生成的几分钟，而是下一次少踩同一个坑。

其他信号

  • 《Deep Agents 实战》开源教程开始在中文开发者圈传播：适合关注复刻链路。教程价值不在热闹，而在能不能把环境、任务、调试和验收讲清楚。
  • baoyu-design Skill 迭代：导出样式和渐变丢失问题被修复：这类信号提醒我们，Skill 的生命力在迭代，不在第一次截图有多好看。