AREX Feed Article
François Chollet 发帖祝贺 Sam 团队上线「自主企业」：收购停滞的 SaaS 应用、交给 agent harness、只以 P&L 为目标函数
11 月 9 日 17:23（UTC，下同），Keras 与 ARC-AGI 基准的创造者、Ndea 与 ARC Prize 联合创始人 François Chollet 在 X 上发帖，祝贺「Sam 及其团队」正式发布一个他称为 autonomous businesses（自主经营企业）的方向。他在中写道：「Sam 和他的团队正在做一个超级令人兴奋的想法：自主经营的企业。收购陷入困境或停滞（distressed or stagnant）的 SaaS 应用，把钥匙交给一个 agent harness，是终极的真实世界评测（the ultimate real-world eval）。只以 P&L（盈亏）作为目标函数，把市场当作反馈信号。」帖子结尾是「祝贺你们正式发布（Congrats on the launch!）」。
被祝贺的项目同一天对上了名字。Chollet 发帖前约一小时，账号 @spisallyouneed——Sam Pasupalak，写明他在 Skyfall AI 构建 Enterprise Super Intelligence、曾任 Maluuba 的 CEO（该公司后被 Microsoft 收购）——发布了 ，一个被帖文称作「世界首个面向完全自主公司的 AI CEO」的 agent harness（包裹模型、供其调用工具与数据的运行框架），并称它已在运营他们收购的三家公司；。截至 11 月 9 日晚间检索，Steve 发布帖浏览量约 16.5 万次，Chollet 的祝贺帖约 9,800 次。Chollet 对项目运作模式的描述是他的转述与评价口径。
被祝贺的发布：三笔收购和一个 200 万美元计划
Pasupalak 于 16:28 发布 Steve 时写道：「证明？Steve 目前正在运营我们收购的 3 家业务，它们都表现强劲（数字见帖内线程）。」他同时宣布启动 Steve Startups Program（Steve 初创计划），以 200 万美元再收购 5 家初创业务交给 Steve 自动化。，这家在中自述为「通过世界模型推进智能的 AI 实验室」的机构写道：几个月前它就宣布过要收购业务再交给自动化，「现在时候到了」；公告称 Steve 已运行「过去 4 个月收购的 3 家业务」。Chollet 发帖约 9 分钟后，，邀请创始人加入候补名单（waitlist）或申请 Steve Startups Program。
发布并非无预警。11 月 6 日，Pasupalak 「为 AI 的下一章做好准备，周一见」；按 Skyfall 的说法，更早的 SKY-001 帖子已把 autonomous businesses 列为公司的长期方向。
三家被收购的业务，与公司自己公布的账目
按技术博客的说法，「我们收购了三家软件业务，把它们交给 Steve」：AlphaSocial，社交媒体数据 API；GammaPromo，面向 Shopify 商家的推荐应用；DeltaLeads，架在 Reddit 上的获客工具。博客称 Steve 于 8 月接管前两家（AlphaSocial 仪表盘标注的接管日为 2026 年 8 月 3 日）、10 月底接管 DeltaLeads，三家业务的仪表盘均实时公开。
截至 11 月 4 日，这份账目呈现三种走向。AlphaSocial 月收入从收购时的 3,949.71 美元升至 8,149.31 美元，付费订户从 114 涨到 155，每千次调用的 OAuth 错误下降 80%，7 天激活率达到 41%，试用转付费转化率上升 20%，8 月以来共完成 946 项任务、54 个 initiative（由多项任务组成的工作计划）。GammaPromo 月收入从 8,634.00 美元降到 8,182.00 美元，接管前三个月月度经常性收入（MRR）曾下跌 14%；Steve 关掉了「带来 10 万多次点击、零付费客户」的广告投放，省下超过 1,000 美元，商店页面把 48% 的访问转化为安装，在 AI 助手推荐中的曝光增加 300%。DeltaLeads 从 6,283.65 美元微涨到 6,321.65 美元，博客写明「只过了几周，历史还不足以评判结果」。
账目里也有失误记录。AlphaSocial 的一次性积分包促销让包销量上涨、新订阅下滑，「周读数向上、季读数向下」，Steve 自己回滚了这次促销；一项五折优惠因用户以假注销钻空子，被限制到新用户使用。博客原文写道：「以下按业务逐一记录，包括结果与失误（the outcomes and the misses）。」不过，两份发布材料的说法并不一致：Pasupalak 帖中的「都表现强劲」与官方公告的「结果比自动化之前更好」，对应的是一升、一降、一平的账目。
harness 如何运转：目标归老板，发布与花钱要审批
Skyfall 的把 Steve 描述为「端到端自主运营你业务的 AI CEO」：可以接手一家已在运营的业务，写计划、定战略、给下属 agent 分派任务并检查结果，运营回路中「没有人类（no human in the operating loop）」，所有者只设定业务愿景。
技术博客给出了更细的架构。CEO agent 用一个以代码写成的世界模型（world model）表示整家公司，结合收入驱动、客户意图、单位经济等关键指标（KPI）证据，模拟候选决策、比较各自的预测结果，再把计划拆成任务，交给 growth、product、engineering、support 四类职能 agent 执行；每个任务附带一个上下文包（context pack），装着目标、相关状态、经验教训和护栏。数据来自九类源头（计费、应用 API、分析、网络搜索、客服、外联、广告、社交、代码与基础设施），每小时采集、每日对账，接入时回填最多 12 个月历史。
博客着重写了四道约束：凭据（短时令牌留在平台，agent 永远看不到密钥）、证据（记录实际运行了什么，包括文件哈希、命令退出码和集成调用结果）、评分（由独立检查对照完成标准，「agent 永远不被允许给自己的工作打分」）、隔离（每家公司的模型互相独立）。自我改进同样要过闸：Steve 可以提出一条 lesson，即写明该改什么、何时改的经验陈述，由独立 judge 审查后进入试用期，预测兑现的留下并提高排名；对 Steve 自身的改动（context pack、提示词或模型）则先在密封的历史重放（replay）上与现有基线对比计划与预测校准，通过才成为新基线。
「没有人类」的说法则有一个边界：博客写明了所有者保留的角色，目标、权限与审批边界由所有者设定，生产发布、超预算支出等受限动作需要所有者批准；博客同时说明，harness 拒绝把每个判断都放进审批闸门，否则系统会学会不再写下预测。两份材料出自同一发布方，口径差别值得留意。
「终极真实世界评测」指向的正是长周期难题
Chollet 的这个比喻有其出处：他的写明他是 ARC-AGI 基准的创造者。按这个比喻，真实业务替代人造考题，市场本身成为反馈信号。
Skyfall 的博客正面处理了同一个难点：运营业务是长周期规划问题，「一周是糟糕的生意判官」，促销当天数字好看，好坏要到下个季度的流失率和利润率里才见分晓。博客引述了三项工作：有基准把 agent 放进作者能找到的最小生意、一台自动售货机，发现子任务都完成得不错的 agent 会随周期拉长而漂移、脱轨；另一条工作线测得 agent 能可靠完成的最长任务按人类耗时折算每几个月翻倍，但仍以小时计；还有一项给模拟软件公司配满 agent，短任务被完成，长周期任务没有。AlphaSocial 的积分包促销正是这种滞后的现场版，而回滚换来的规则也写进了系统：候选动作先在模型里推演、比较预测，通过门槛才能变成任务，让错误「花在模型里，而不是客户身上」。
帖下的反应与还没揭晓的判卷人
Chollet 的帖子下，喝彩和质疑几乎同时出现。Rohan Paul ：「自我改进的 AI，现在要向一条收入线负责了。」@BobbyMir 这是「有史以来最诚实的评测：没有排行榜可刷，只有一个要么涨、要么不涨的银行账户」。Charly Wargnier 则称「终于有一个拿得出数字的 AI CEO 了」。
质疑集中在两点。其一是 P&L 目标本身的副作用：@whyNexqor 「把 P&L 当目标函数，就是等着发生的古德哈特定律（Goodhart's law）」，Jeff Bruchado ——「砍掉支持团队，这个季度很好看，流失要等续约时才显现」。其二是对数据的追问：@AIQuanting 「比以前好」好在哪，「收入还是利润？有多少是 Steve 的决策，又有多少只是人更少了？」，@EthGoldi 则「200 万美元计划才是这里真正的产品，Steve 是卖点」。Skyfall 在 Chollet 帖下只回了 🙌。
还有一个未决问题：三家业务的账目、仪表盘和博客全部出自发布方之手，本文未检索到独立第三方的验证数据。博客承诺随记录增长更新成绩单，并写下了下一步：「现在，Steve 运营的是软件公司。下一个考验，是这个 harness 在其他领域是否可行。」