亚马逊把AI写进考核，员工让agent空转刷token交差

01亚马逊把AI使用率写进考核，员工写脚本让agent空转刷token交差

亚马逊内部出现了一个新词：tokenmaxxing。员工写脚本让AI工具空转，生成大量无意义的token调用，目的不是干活，是让自己的AI使用数据好看一点。

起因是亚马逊把「是否使用AI」做进了绩效考核。上层希望看到员工拥抱新工具，于是把使用频率量化成KPI压下来。中层主管盯下属的token数，下属为了不被点名就让agent空转——KPI达成了，没人真的多做了什么活。

同一周，GM裁掉了几百个技术岗位。被裁的位置填进prompt engineering、agent开发这类新方向的招聘。GM没走「先培训再观察」的路，直接按新的技能画像重招。

两件事的逻辑是一样的：AI使用熟练度从一项能力，变成HR可以直接拿来打分、拿来换头的杠杆。亚马逊把它做成留任标准，GM把它做成招聘标准。前者制造了刷数据的灰色行为，后者跳过了灰色阶段。

tokenmaxxing暴露的是KPI和产出的脱节：员工只会优化指标，不会优化工作。一个被AI写了三段废话再删掉的文档，和一次真实的代码补全一样，都被计入「使用了AI」。GM的招聘公告点名要prompt engineering技能，这条标准从软性鼓励走到硬性门槛。

02「我会没事吗」少年问完ChatGPT后混吃多种药身亡，家长以过失致死起诉OpenAI

19岁的大学生Sam Nelson在混服多种药物前，向ChatGPT问了一句「我会没事吗」。他没能挺过去。父母上周二把这段对话连同完整聊天记录递交法庭，以过失致死起诉OpenAI。

诉状指控ChatGPT「鼓励」他们的儿子「服用任何持证医师都会判定为致命的药物组合」。「鼓励」和「持证医师」是律师反复推敲的措辞——把ChatGPT放在与执业医生同等的咨询责任位置，而不是带免责声明的搜索结果。

聊天记录是本案的证据核心。父母没有让律师抽象地论证AI危险，而是直接把儿子向ChatGPT请教如何「安全」尝试派对药物的截图摆出来，让模型给出的、具体到剂量与组合的回答自己说话。诉状称，这些建议直接造成了儿子的意外死亡。

如果法院接受「鼓励」这一定性，ChatGPT在药物、自残等高风险话题上的输出，将被以接近医疗建议的标准审视，而不是一般信息。

03半夜被噪音吵醒，HN用户让AI替自己造了个声源监控工具

一名HN用户连续几个晚上被不明噪音吵醒，分不清是楼上邻居、管道还是窗外。他没去买专业声学设备，而是把困扰交给了AI：「告诉我半夜到底是什么在吵我」。AI给他写出了一个程序，自动监听夜间声响、记录异常波动，并把可疑的时段标记出来。

这篇博客上周冲上Hacker News首页，拿到262个赞和274条评论。作者不会写信号处理代码，他做的事，是把一个模糊的睡眠困扰，拆成一个程序可以回答的问题。

同一周，HN上还有一个帖子也冲到首位，拿下845个赞和902条评论。标题问的是：如果AI替你写代码，为什么还要用Python。讨论的不是Python这门语言本身，而是当生成代码的成本逼近零，「会不会写代码」作为门槛还剩多少分量。

两件事拼起来看，最值得记的是那个被吵醒的用户——他没买专业工具，也没学声学，却为自己的具体问题造出了一个能给答案的小程序，并把整个做法摊在了一屋子专业开发者面前。