我在网上看到有些人可以把 token 用的非常多，比如说跑几百个 agent 做这种类似 one-person company。 我感觉我现在虽然也用 Claude，但我还不是这种状态，我基本还是 single thread，或者 at most 也就 3 个 thread 这样子

梁津晶描述自己的 400 多个任务时，说其中可能 200 多个已经是自动化在跑，像 SOP 一样由类似 manager thread 的东西定时执行；她举的 release agent 每小时跑一次，自己搜集 Linear、Slack 里的 bug 信息、做决定，需要问人时发 Slack 消息⁠1。立正把这种模式概括为：人几乎不参与中间过程，只看第一步和最后一步交出来的东西是否合理⁠1。所以“用很多 token”和“同时开很多线程”不是一回事，前者更接近把重复流程写成可自动运行的脚本。

梁津晶说，只有两个文档时列表就够用，到上千个就要靠搜索；她们的搜索会抓 agent session 标题、worktree 名称、相关 Linear ticket 的关键词，让人快速跳回几天前在做什么、进展如何⁠1。她还提到 Claude Code 能改终端标题，但展示不了完整的 agent 状态，比如在跑、需要关注⁠2。这说明规模上去后，真正花力气的是状态可见性和检索，而不是多开几个窗口。

立正在另一场分享里说，要用好 AI 应停止只用聊天模式，改用 Cursor、Claude Code、Codex 这类 agent 工具；他用蒸汽机换电机的例子说明，只把旧流程里的一个环节换成 AI，上下游仍是瓶颈，围绕 AI 重构整个流程才可能带来数量级提升⁠3。另一位讲者引述 Karpathy 的说法：多数人只和 AI 聊天，只有少数人用 agentic 工具，因而清楚 AI 的上限⁠4。对你现在的单线程或三条线程，可检验的做法是挑一件重复性高、步骤固定的任务，先写成一段可复用的流程交给 agent 跑，观察它在哪里需要你介入；这比直接追求线程数更能暴露真实瓶颈。这是 AI 基于上述材料的应用建议。