AI Agent 生产实绩：Shopify River 11 天降 70% 漏洞积压，Next.js 一个月关 1500 个 issue

当行业还在争论 Agent 能不能干活时，一些团队已经交出了可量化的生产成绩单。

事件速览

• Shopify River：一个嵌入 Slack 的 AI Agent，端到端驱动漏洞修复流程——检查发现项与当前代码匹配、更新补丁、拉工程师进风险评审、验证仓库。在依赖漏洞工作流上，未修复积压 11 天内下降约 70%。
• Next.js 可关闭性 Agent：面对每周约 36 个新报告、峰值 3109 个 open issue（2025 年 1 月）的维护压力，Agent 搜索相关历史、跨版本在沙盒中复现 bug，将关闭决策留给维护者。一个月内关闭了 1500 个 issue。
• Cursor Insights 首份报告：AI 编辑/开发者比值近三倍增长；最活跃的 10% 用户在过去四周消耗了约三分之二的 token。

值得关注的原因

1. 从「能写代码」到「能管流程」

Shopify River 不是写代码的 Agent，是管流程的 Agent。它理解漏洞生命周期中的每个环节——发现、匹配、补丁、评审、验证——并能在正确的时间拉正确的人进来。这是 Agent 从「工具」到「同事」的跨越。

2. 人机协作的新范式

Next.js Agent 的设计值得注意：它负责「搜索、复现、整理证据」，但关闭决策留给人类维护者。这不是自动化替代人类，而是 Agent 做「脏活累活」，人类做「判断决策」。这种分工模式可能是未来知识工作的标准配置。

3. 数据揭示的隐性成本

Cursor Insights 报告中最有趣的发现是 token 消耗的不对称性：10% 的用户消耗了 67% 的 token。这意味着 Agent 辅助编码的「重度用户」正在形成——他们不是偶尔用用，而是深度依赖。这对产品设计和商业模式都有深远影响。

4. 可量化的 ROI 正在出现

11 天降 70% 漏洞积压、一个月关 1500 个 issue——这些数字让 Agent 的价值从「感觉有用」变成「可证明有用」。当 CFO 开始问「AI 投资回报率」时，这些案例就是答案。

Agent 的真正价值不是替代人类做决策，而是把决策前的所有准备工作——搜索、复现、验证、整理——自动化到人类只需要说「同意」或「再想想」。