从 Repo Pet 到 Repo Steward：我为什么停止一个 AI 产品，却保留了它的灵魂

“我不再问’还能加什么让 Repo Pet 更完整’，而是开始问’如果去掉宠物外壳，用户到底失去什么’。”

核心观点 / 起源

AI 把写代码的门槛压到了前所未有的低。过去一个月，我用 Agent 产出的代码量，可能比过去一年手写的还多。但一个反常的问题随之浮现：代码越来越快，项目消化历史、识别验证债、重新进入上下文的能力，却没有同步提高。

文件越来越多，方向越来越模糊。某个功能是不是验证过？那个决策当时为什么这么做？项目到底在往哪里走——越来越难说清楚。暂停一段时间再回来，光是把上下文捡回来就要半天。

Git 存了历史，知识库存了文档，Agent 能干活。但它们各自都是孤立的：缺一个持续代表”项目本身”的主体——它能同时握住历史、发心、现实变化和主人的授权，判断什么仍相关、什么已偏离、什么值得惊动你。

这就是我最初想做 Repo Pet 的原因：让仓库拥有一位连续、可质疑、受主人约束的代表。它向内消化历史，向外寻找反证；它不替主人做决定，但会带着证据提出异议。

在动手之前，我心里有一个声音一直在问同一个问题：

这些能力，真的需要一个独立的”宠物产品”来承载吗？还是说，通用 Agent 的工作流本身就够了？

当时我把这个问题按下去了。我的理由是：通用 Agent 不会默认持续代表某个项目，你要手动恢复上下文——这本身就是缺口。

现在回头看，这个问题没有消失。它只是换了种方式，在后面的几个月里反复回来找我。

细节展开

产品命题在成形。仓库是身份的载体，发心是最高锚点。主人拥有最终授权。向内消化历史，对外探索，带回的成果会说明来源、推断、边界和置信度。安静是默认态，无变化时休息。归档不是失败，是留下可审查、可选择性继承的遗产。

在这里，“觅食”是我给”让 Agent 主动外出收集信息”起的名字——它不是一个噱头，而是整套产品的核心动作：先从仓库真实缺口形成问题，再带着问题出去找答案，回来后把判断权交还给你。

能力验证一路推进。我把产品拆成一个个小功能单独测试，编号从 001 到 012——从定向嗅探（针对性地检查仓库某部分）、到受控的信息打包传递、再到成本治理（控制每次调用的花费）。每一片都在验证一个机制，每一片都让系统更完整。

宠物身份有了，状态机有了，觅食有了，带回来的成果有了，长期记忆的边界有了，归档遗产有了。功能越来越完备，设计越来越精密。

但正是在这个阶段，有一个念头开始让我不安：规格越来越完整，不等于独立产品的价值越来越确定。

漂亮的系统设计，可能只是在精确地实现一个尚未成立的假设。我造了一座很规整的宫殿，却还没验证过这块地基上到底该不该盖房子。

我隐隐觉得自己在走一条熟悉的路。那条路上，我也曾用很大的力气，把一个产品的功能、原型、解释越堆越完整——最后发现它验证的东西，根本不是真实行动里需要的东西。那段经历留下的教训不是”别做产品”，而是：当复杂原型与功能堆叠遮住真实行动时，你真正该问的问题，会被投入感盖住。

所以这次我告诉自己：动手扩建之前，先停下来，做点别的。

过程 / 推演

重新看懂自己所在的生态位

在继续做产品之前，我补做了两类研究：Agent 交互生态研究，和最强反方评审。

生态研究不是简单地去搜”谁和我长得像”。我把市场按用户与 Agent 的交互契约拆成了五类：命令/CLI、桌面聊天、任务委派、异步环境式、关系/具身。

分类做完，结果让我冷静下来。Repo Pet 想承担的仓库理解、任务委派、审阅、异步提醒、项目记忆——这些职责，已经大量存在于成熟的通用 Agent 里。Codex 有分级审批和云任务面板，ChatGPT 有多端同步和定时巡检，Claude Code 有 CLAUDE.md 跨会话上下文，Copilot 有仓库级指令和自定义 Agent。

真正还没有被成熟产品覆盖的差异，只剩第五类：关系/具身层。

也就是说，我的产品押注的差异化，从一开头的”一套完整能力”，被事实收窄到了一个点。

我没有立刻停下来。我接着做了最强反方评审——不是找认同，而是让反对意见以它最强的形态出场。结果五条反对意见，条条正中这个唯一差异：

装饰风险：宠物框架在实验里和中性卡片逐字段等价。删掉”宠物状态行”和大多数第一人称措辞，功能一点没变。
负担风险：关系化措辞不是免费的。每次交互多一层要解码的元信息，忽略它还有心理成本——这是”注意力解码税”和”关系义务”。
通知债：每一次主动现身，都向用户签发一个待处理决策。卡片的”观察/继续观察”没有闭合机制，债会累积。
记忆会过期：记忆是一个未经核验的推断层。最危险的不是它记错，而是它自信地错——用连贯的叙事把一个微妙错误的历史故事讲成”正史”。
延续偏置：相关性按”当前使命”评分，那么最能改变项目自我理解的信号——停止信号、转向信号——恰恰被自己的标准过滤掉。系统最有价值的信号，可能是架构上最不可能自主产出的信号。

第五条尤其让我沉默。它指的是：一个以发心为最高锚点的系统，在结构上会抗拒最需要被听见的反对声音。

心态在这里发生了一个真实的转折：

我不再问”还能加什么让 Repo Pet 更完整”，而是开始问”如果去掉宠物外壳，用户到底失去什么”。

这个问题一旦被问出来，后面的实验就成了一种必然。但我当时并没有立刻意识到，这个转折比我想的要慢，我也没有立刻意识到自己遗漏了什么——直到后来的实验把答案摆在我面前。

好的呈现成立，不代表宠物层成立

实验 003 的时间线通过了等价性与体验审计。一个渐进式的历史时间线，能更好地承载仓库的历史证据——这个结论很扎实。

但同一个实验里，我还做了一件事：主动删掉了宠物状态行，删掉了大多数第一人称关系措辞。

审计仍然通过。

这两个结果放在一起，含义非常清楚：被证明的是”历史复盘的呈现方式”，不是宠物人格，不是关系连续性，更不是独立产品形态。

这里有一个反常识的观察，是我在这次实验里学到的：

一次实验 PASS，有时候不是在为你的产品加分，而是在帮你找到一件可以从产品里拆走的能力。

实验用通过，告诉你”这个呈现本身有价值”——但它没有告诉你”它必须长在宠物身上”。当装饰可以被摘掉而功能不变时，PASS 更像是一张”可迁移清单”，而不是一张”产品存活证明”。

真正的裁决实验：让普通 Agent 来做同一件事

前面所有推理，最终都指向一个问题：“宠物外壳”到底有没有独立的、不可替代的价值？

要回答这个问题，我设计了一个看起来很笨、但很有效的实验：让一个”普通”的 AI 助手，去重复做 Repo Pet 声称自己能做的事。

实验的规则很简单：

给它同样的问题：Repo Pet 是否真的有独立产品价值？
禁止它使用任何宠物功能——身份、长期记忆、状态机、关系化表达，一样都不许用。
只允许它使用最普通的能力：读仓库文档、查 Git 历史、上网查公开资料。

我把这次实验叫作”基线测试”——它的意思是，先看一个”不打扮的基准选手”能做到什么程度。在此之前，Repo Pet 的产品验证里有过许多轮”能力切片”测试（就是一次次把小功能单独拿出来验证，编号从 001 到 012），其中编号 004 那次被认为做得最好。所以这次基线测试的对手，就是那次最好的成果。

结果，这个普通选手做到了。

它在一个小时里（实际只用了 25 分钟）产出了三份高质量的成果——一份是关于”产品该不该继续”的停止信号，一份是最低成本的验证方法，一份是关于”样本太少时不能急着下结论”的统计纪律。我逐条检查了这三份成果的产出过程：每一步都是通用 AI 助手本来就有的能力，没有任何一步依赖宠物层。

按我事先定好的判定标准，这个结果指向一个结论：核心能力可以被一个普通 skill 承载，独立产品没有拿出独有证据。 这几乎就是在说——Repo Pet 的”宠物外壳”是可以拆掉的。

但我没有急着下结论。

我做了第二件事：找一个与此无关的人，重新审核这次实验。 我的想法是——我自己容易带着”希望它成功”或”希望它失败”的偏见看结果，所以必须让一个没有利害关系的人，用我事先冻结的判定标准，独立再查一遍。

结果，这位独立复核者给出了一个不同的判定：结果无法判定（AMBIGUOUS）。

为什么？他的三条理由，条条都是我没注意到的漏洞：

“成果同等级”并不成立。 我产出的三份东西，并没有全部达到最好那次的标准。比如其中一份，只证明了”这类能力在技术上存在”，却没证明”效果真的等价”。
有些结论超出了证据。 比如我提出用”5 秒盲测”（让几个人快速看一眼卡片，看他们能否分辨差别）来验证”关系化表达有没有增量”，但用这种即时测试去裁决”长期关系”的问题，证据撑不起这个结论。
实验记录有瑕疵。 我写”开始时间”的记录，比系统记录的实际启动时刻早了 17 分钟——这让人无法百分之百确认”判定规则确实是在实验开始前就定死的”。

这三条让我学到了一个词的含义：“无法判定”（AMBIGUOUS）不是”没输”，也不是”赢了”，而是”结果混在一起，说不清”。

它意味着两件事同时成立：

普通 AI 助手能产出高质量的分析——这件事被证明了。
但”它产出的和 Repo Pet 最好成果完全同等级”——这件事没被证明。

换句话说：实验没有证明 Repo Pet 没有价值，也没有证明 Repo Pet 值得继续投入。

到这里，我做了一个区分——它是我整个复盘里最重要的一个判断：

科学结论，和资源配置，是两件事。

“无法判定”在科学研究上，意味着”应该再跑一次实验，把结果弄清楚”。但在决定”要不要继续往里投钱投时间”这件事上，它的含义完全不同：它不要求你必须继续投入一个拿不出独有证据的外壳。

这就像一家公司调研一个新业务：结论是”这个业务有没有前景，暂时说不清”。研究团队会说”需要再做一轮调研”；但决策者会问”我们已经有了答案的把握吗？没有的话，为什么要继续投？”

我选择了后者。实验没有”杀死” Repo Pet，但它改变了继续投入的理由：从”我们还没证伪它”，变成了”我们已经有一条便宜得多的路，能更快地得到同样的答案”。

结语 / 反思

停止独立产品，把有效能力压缩成 Repo Steward

我做了一个决定：停止 Repo Pet 的独立产品开发。不再推进独立 UI、宠物人格、常驻状态机、关系维系、专属长期记忆系统。

但这不是把工作丢掉。我把验证过有效的部分，压缩成了另一个东西：repo-steward，一个通用 Agent 的 skill。

它保留了这些能力：

读取项目指令、领域文档、ADR、当前 diff 和相关 Git 历史；
重建原始意图、关键转折、当前事实和过期假设；
主动发现高价值证据，并提出只会改变行动的关键问题；
强制搜索至少一个继续信号，和一个转向/停止信号；
用可审计的证据卡输出，明确区分事实、推断、未知与反转条件。

它放弃了这些：

用宠物人格、情绪或关系包装制造留存；
默认常驻、无事件也现身、需要用户照看的交互；
未经授权的外部行动和隐式记忆。

两处定义被这次经历重写：

主动性。 不再等于”更频繁地出现”。真正的主动，是在有新颖、相关、可行动的证据时才打破安静。这个定义来自那条对通知债的反对意见——我把它吸收成了产品原则。

记忆。 不再藏在人格状态里。它沉淀为用户可见、可纠正的 CONTEXT.md、ADR、计划和决策记录。这个定义来自那条对”记忆会过期、会歪曲、且拟人化抬高纠正成本”的反对意见。

我要对读者诚实说明这个决定的边界：这是主人的资源配置决定，不是实验已经科学证明”宠物层绝对无价值”。 关系层的长期价值、通知负担、记忆返程，至今仍是零数据的验证缺口。如果未来 repo-steward 在真实使用中暴露出无法弥补的缺口——比如它确实需要一个身份来维持长期关系——我才会重新评估独立形态。

在那之前，我选择把有限的时间，投到已经被证明有价值的事情上。

如果重来一次

如果把这次复盘压缩成一句话，就是：我花几个月做了一款产品，然后发现它的核心能力，早就被通用 Agent 覆盖了；我保留下来的，是那些经得起减法检验的部分。

如果重来一次，我会在动手写第一行代码之前，先做一轮”交互生态位预研”。它不复杂，五步：

不按产品名称找竞品，按用户与 Agent 的交互契约划分类别。 别问”谁和我长得像”，问”用户以什么方式与 Agent 交互”。
分别记录成熟产品已经覆盖的能力、用户心智、触发方式与授权边界。 不是为了找对手，而是为了知道哪些东西是”行业已经替你做好的”。
把自己的差异化压缩成一句可证伪的命题。 不能用功能数量代替。“我的产品做 X”不是命题；“我的产品能让用户以 Y 的成本完成 Z，这是通用 Agent 做不到的”才是。
为这个命题写最强反方。 把收益机制、成本机制、验证缺口分开写。写不出反方，说明你还没真的想清楚你的命题。
在开发独立外壳之前，跑一次”最强通用 Agent + 文档/skill”的减法基线。 让一个普通 Agent 用你的材料做同一件事，看它能不能做到同等级。这一步成本是小时级，却能提前回答那个最贵的问题。

还有三个”提前停止”的问题，可以随时拿出来问自己：

删掉人格、UI、runtime，核心结果是否仍然出现？
我所谓的差异，是否真的改变了一个真实行动？
差异的收益机制，是否比通知债、纠正成本、误读风险更具体？

项目停止生长，并不等于历史白费。 真正值得留下的，从来不是 Repo Pet 这个名字，而是它迫使我去做的事：学会复盘一个仓库、寻找反证、在证据不支持时建议停止——然后把这段经验，交给一个更诚实、更便宜、更不会假装成”正史”的形态。