凌晨刷到这玩意儿的时候，我手指已经搁在键盘上了。
一个开源 agent，功能是发现你坐久了，就把显示器锁死，逼你出门摸树皮、听鸟叫、用鼻子深呼吸五次。DeskBreak，Hacktoberfest 参赛作品，作者 Aman Maurya，给 Swift、Dart 做过贡献，还自己创着业。顺手报了个 Sentry 的 tracing 奖。
说白了，"AI 版强制站起来"。这种项目我一般扫一眼就划走——demo 里全是"让世界更美好"，一上生产全是债。
结果没划走。作者贴了张火焰图。
开发早期，Sentry 的 tracing 抓出两个问题。
一个：环境工具被串行调了三次，算太阳赤纬、算日落窗口、算空气清新度，全同步、没做记忆化。火焰图上一条 4200 毫秒的阻塞瀑布就那么杵着。
另一个：每次请求塞 2800 个 prompt token。根因是早期 system prompt 里塞了一整段讲睫状肌痉挛神经科学的教科书，每次运行原样带上。
我看着就想笑。不是笑这个老哥——是这俩毛病太熟了。串行同步不缓存、prompt 里挂一段没人看的背景文献，这不是 AI 的毛病，这是任何一个手生的人第一次写东西的毛病。AI 只是把它生成得更快、更多。
这个剧本我看过。换皮而已。
但再往下那段，我笑不出来了。
他把环境计算合并成一次确定性求值，4200 毫秒掉到 8 毫秒以下，整条 pipeline 从 4200 掉到 320。prompt 那边删掉教科书，换成两行动态生理锚点，2800 token 掉到 520。项目文档里写的目标是 350 毫秒，最后跑到 320——压线达标，也就这样了。
然后我盯上的是另一个问题：他是怎么知道这俩毛病的？
靠图。他一开始根本不知道哪一步慢、哪一次烧了 token。是那条火焰图和那张 token 曲线告诉他的。
这就是我看完这项目唯一想说的东西。
所有人都盯着 agent 聪不聪明、能不能自己调工具、跑分多少。我不看。我看的是——它挂了的时候，你能不能看见它干了什么。
AI agent 跟以前所有系统有个不一样：它的"推理"你没法直接看，也基本不可信——它会一本正经地给你编，编得比真的还像。所以别去看它怎么想，你只能看它的痕迹。哪个 span 慢，哪次调用烧了多少 token，哪个工具返回了什么。trace 是黑盒上唯一一扇开着的窗。
没有 trace 的 agent，在我这儿就是不能上生产。不是"最好加一个"，是"没有就直接毙"。出事了连它在哪一步把自己整挂的都指不出来，只能对着一行告警，跟凌晨三点一起干瞪眼。
说句实话，我见过太多团队给 agent 加 trace，加的是"调用日志"——调了啥、返回了啥，打印一坨。那玩意儿一出事往下滚十五屏，滚到天亮也找不着是哪一步。有用的 trace 得带层级：根事务量端到端，子 span 量单个工具，推理单独一个 span，token 和成本挂上去。这样你一眼能看出慢在哪一层。
DeskBreak 这点做对了。root 是整条调度延迟，工具调用是子 span，推理是另一个子 span，token 和成本挂在头上——成本那格写着 0.00 美元。
那个 0.00 我多看了两眼。不是因为它省钱，是因为它背后是本地跑的开权模型（gemma-2-2b 这个量级），加一堆确定性本地工具，整套在浏览器里跑，没有服务器。
副作用我特别在意：离线可用。你在公园里、在山道上，没蜂窝信号，它照样出任务、照样倒计时。
放生产里看，这点是对的。你的 agent 依赖什么，决定了你故障时的容错边界在哪。把 agent 挂在某个云 SaaS 的推理接口上，那接口抖一下，你就是瞎的——而且你连它为什么抖都看不到。本地优先不是抠门，是把"依赖"这层收进自己摸得到的地方。
再往下翻评论区。八个回复，大部分"好棒""有意思"，跳过。
有两条问到点子上了。
一条说：agent 得靠 IDE 或者终端上下文，判断这人是正在深度工作，还是刚好适合休息。他担心的是——开发者正在处理生产事故呢，你弹个"起来走两步"，那不是关怀，那是往伤口上撒盐。
另一条问得更老练：有没有 cooldown，有没有迟滞？你刚出去回来，它会不会立马又觉得你久坐，又把你锁一遍。
看出来没有——这俩问题，才是这个项目离"能上生产"最近的地方。
所有主动出击的系统，难的从来不是"什么时候触发"，是"什么时候不触发"。告警系统就是这个理：噪声一多，pager 就没人看了，真的 Sev1 淹没在一堆"CPU 用了 40%"里。一个把"让人离开屏幕"当成功标准的 agent，分不清对方是在写代码还是在救火，它自己就是新的噪声源。
主动这东西，一旦做错，比被动还招人恨。补一刀：这俩问题评委不一定会问，但半夜被误锁屏幕那个冤种一定会问。
回到开头。
DeskBreak 我一开始是准备笑的——一个用 AI 让你去摸树皮的极客玩具。看完笑不出来。让我记住的不是 350 毫秒那个宣传数，也不是那三档休息时长起了多好听的名字。
是它背后那两张图。
本期教训一句：评估一个 agent 能不能上生产，别先问它多聪明、跑多快——先问它有没有 trace，trace 里哪一条是红的，哪一段每次都烧着没人要的 token。剩下的，等凌晨三点再说。