前段时间我跟朋友闲聊时说到了一句话：「我感觉我用 AI 的这个强度，真有机会做老板，我压榨手下人可能比我任何一个老板都狠。」说完我自己也有点好奇——这感觉到底有没有数据支撑？

于是我用 gh CLI 把自己 2025、2026 两年所有仓库（40+ 个）的 commit 和 PR 时间戳逐条拉了下来，从数量和发生时间两个维度做了分布分析，看看我有多黑心。

五月份把工作区托管给 Multica 的时候，我还在美滋滋地盘算”让AI多干点活，我就能少加班了”。结果活儿确实没少干，Token账单却一路狂飙——前两天心血来潮拉了一份三个月的工作区统计，差点以为眼睛出了什么问题：5月全月消耗约38M Token，到了7月直接干到约500M，三个月合计更是达到了883M。这里就用数据记录一下这三个月Token是怎么”暴涨”的，顺便聊聊为什么涨——因为我的AI任务，已经从”尝鲜”变成了”离不开”。

为了能在公司做点小规模模型训练方面的工作，我最终建议买了 Mac Mini。原因也不复杂：同时需要用它做生物信息分析、跑 agent 部署、偶尔跑点参数量不大的模型——这些场景刚适合 M 芯片这种统一内存的设备。内存加单独大显存显卡的价格远高于 Mac 平台，算一笔账就知道怎么选了。

于是我就这么达成了「多设备、多平台、多项目」同时推进的成就。

我现在在尝试运用 AI Agent / 工作流搭建提高工作效率的智能体团队或AI工作流，连两个星期下来，又踩了一些坑…

在现代软件开发中，持续集成（CI）和持续部署（CD）是提高开发效率和质量的关键实践。GitHub Actions 作为 GitHub 提供的强大自动化工具，能够帮助开发者轻松实现 CI/CD 以及更广阔的自动化工作流程。