我们发现了什么
Show HN：AI 智能体需要流程才能构建商业级应用。但它证实了我的想法：即便配备前沿模型，且评审也由同一智能体发起，没有实际流程的 AI 智能体仍无法构建达到商业就绪状态的应用。
- 来源：Hacker News（发现于 2026-10-31）
- 证据等级：D · 发现产品或需求信号，暂未获得可核验的商业证据。
- 商业模式：API / Usage-based
- 主题：AI Agent
- 初筛评分：21.3/100 · 收录 1 次
证据，比故事更重要。
规则清洗与初筛，未经人工商业核验。原文语境、实际客户和付费情况仍需自行验证。
引用与数字披露
来源类型（原作者自述／第三方测算／媒体转引）需采集端标注，本版尚未落字段。
- 作者
- 未标注
- 抓取日期
- 来源类型
- 未标注
- 币种
- 未标注
- 口径
- 未标注
- 披露主体
- 未标注
- 披露日期
- 未标注
中文辅助译文（全文）
我决定用我的应用 NoMoreHappyPath (NMHP) 在一个真实项目上与 Claude 对比，验证这一说法。测试如下：我使用 Claude Desktop 构建了商业房地产分析平台 Acremuse，并让 Codex 担任审查者。该应用目前已经部署，并正由两位投资者使用。随后我开始思考，自己可能遗漏了什么、日后可能给自己带来麻烦。~ 374,000 行程序代码 - 1,070 个源文件（Python 和 TypeScript）- ~ 11,400 个函数和方法 - 3,067 项自动化测试。于是我向一个可以使用 Codex 作为审查者的 Claude 会话，以及我自己的工具 NMHP，提供了相同的 374k 行代码快照和相同的任务说明。我的指令对两者完全相同：分析代码，找出所有错误/缺陷，并按严重程度列出。在撰写最终报告前，必须对发现的问题进行审查。结果（由公正、盲审的 Codex 评审员验证）：NMHP：发现 33 个真实问题。7 项错误结论。Claude：发现 10 个真实问题。2 项错误结论。只有 6 个问题重合。耗时与成本： 从所有者批准开始到审查者审核通过，NoMoreHappyPath 用了约 74 分钟，其中包括它在发现并绕过产品自身一个缺陷时耗费的时间。NMHP 当时运行的是操作系统自带的 Python 3.9，并未安装验证部分结论所需的 pytest。阻塞 15 分钟后，CTO 出面，让智能体创建一个使用 Python 3.13 的 venv，安装对应的 pytest，并继续推进项目。
当智能体 15 分钟没有进展时，NMHP 的 CTO 就会介入。公平地说，Claude 从一开始就创建了 venv。耗时与成本：NMHP 用了 74 分钟，API 支出为 $24。Claude 只用了几分钟，成本只是其中一小部分。
没错，NMHP 要花一个多小时，成本为二十四美元。但对于一个 374k 行代码库来说，相比人工审计费率，它额外找出了 vanilla Claude 漏掉的 23 个真实问题，因此 $24 非常划算。我知道这不是一项基准测试；这只是针对一个应用的各一次运行。我就此写了一篇详细的白皮书。但这证实了我的想法：没有完善流程的 AI 智能体，即使配备前沿模型，并且审查也由同一智能体发起，也尚不具备构建达到商业可用标准的应用的能力。
译文由上游机器翻译生成，可能有误；判断请以英文原文为准。
英文原文（来源本站未改写）
I decided to test this claim with my app, NoMoreHappyPath (NMHP), against Claude on a real project.Here is the test: I built Acremuse, a commercial real estate analysis platform, with Claude Desktop and Codex as a reviewer.It is deployed and used today by a couple of investors.Then I wondered what I'd missed that might bite me later. ~ 374,000 Lines of program code - 1,070 Source files (Python and TypeScript) - ~ 11,400 Functions and methods - 3,067 Automated tests So I gave the same 374k-line code snapshot and the same brief to one Claude session that can use Codex as a reviewer and to my own tool, NMHP.
My directive was the same for both: Analyze the code, find any errors/bugs, and list them by severity.Findings must be reviewed before writing the final report.The Results (Verified by an impartial, blind Codex judge): NMHP: 33 real issues found. 7 false claims.Claude: 10 real issues found. 2 false claims.Only 6 issues overlapped.Time & Cost: From the owner's go-ahead to the reviewer's pass, NoMoreHappyPath took about 74 minutes, including time lost while it found and worked around a defect in the product itself.The Python version NMHP was working on was 3.9, the OS version, and it didn't have pytest installed, which was needed to verify some claims.
After 15 minutes of blockage, the CTO stepped in and told the agent to create a venv with Python 3.13, install the corresponding pytest, and move the project along.NMHP CTO reacts when 15 minutes pass without movement from agents.To be fair to Claude, Claude did create a venv from the get-go.Time & Cost: NMHP took 74 minutes and cost $24 in API spend.Claude finished in a few minutes for a fraction of that cost.And yes, NMHP takes over an hour and costs twenty-four bucks.But for a 374k-line codebase, finding 23 more real issues overall that vanilla Claude missed makes $24 a massive win compared to human audit rates.I know this isn't a benchmark;it's one app and one run each.
I wrote a detailed white paper on it.But it confirmed my idea: an AI agent without a real process is not yet capable of building a commercially ready application, even with a frontier model and reviews that are initiated by the same agent.
这条还缺什么证据？
下面每条都由本条已有字段推出（等级、理由、商业模式、来源次数、是否演示）， 本站不生成推测性结论；通用验证方法放在方法论页。
- 可核验的收入或付费证据查官网定价页与付费口径；第三方数据源（如 GetLatka）只作旁证，需标注来源与时点。
- 只有单一来源找一手站点或其他渠道是否重复出现同一产品；社区热帖数量不等于商业进展。
通用验证清单（谁有这个问题／谁愿意付费／一个人能交付哪一小步）见我们的筛选方法。