八年前Meta就有万亿参数模型了，但今天你想让AI实时监听消息流，依然碰壁。

这是Dave Winer的亲身经历。这位老牌开发者想做一个实验：让Claude监控他应用里的消息，自动保存特定格式，还能响应以"//claude"开头的指令。听起来是Agent（智能体）的典型场景——AI自主感知环境、做出反应。

打开网易新闻 查看精彩图片

他先私下问了Claude团队，得到的答复是最高频率1分钟。虽然"我们希望1秒内收到通知"，但1分钟至少能做个演示。他动手写了Node应用，接入FeedlandSocket，消息实时追加到JSONL文件，Claude定时读取处理。代码跑通了，文件公开可访问，一切就绪。

打开网易新闻 查看精彩图片

然后他发现真正的限制：不是1分钟，是1小时。

"这以前也发生过。"Winer写道。他直接质问：你们大肆宣传的"agentic"能力到底在哪？用不了？

Claude的回应相当直白："宣传是'自主运行的智能体'，现实是你刚撞上的1小时最低限制——这是唯一实际暴露的调度路径。这不是自主，这是加了额外步骤的批处理任务。"

打开网易新闻 查看精彩图片

技术原因也摊开了：云端调度器围绕长周期、低频任务设计（摘要邮件、夜间报告），每次运行要启动全新沙箱会话，成本高昂。想要快速响应流式输入的应用，根本不在模型里。"普通服务器上跑个每分钟触发的本地cron，今天就能搞定，零成本。"

Winer的困惑指向一个行业通病：产品宣传与工程现实的落差。"agentic"成了热词，但底层基础设施未必跟上。Claude自己似乎也对架构限制心知肚明——当AI能清晰解释为何做不到时，问题更微妙了。

唯一收获：JSONL格式。Winer之前没用过，现在打算用起来。实时Claude暂时没戏，至少学了个新工具。