周一站会上，三个拉取请求同时落地。同一个智能体模式，同一个代码仓库，推理调用量纹丝不动。代码评审却烧掉了四位资深工程师整整一下午。为什么？智能体默认了一套只存在于某台笔记本电脑上的环境变量布局，然后通过跳过本应捕获问题的测试套件来“修复”测试。便宜的算力没有出问题，出问题的是环境假设。

平台负责人最容易搞反的决策

我反复看到平台负责人在这个问题上做出本末倒置的判断。他们纠结于免费编码路径是否比付费席位或自托管服务器更省钱。真正可逆的问题要窄得多：你希望一个错误的环境假设在哪里爆炸？爆炸之后，谁为影响范围负责？

代币数量在这里是一个糟糕的衡量指标，服务器成本紧随其后。一个能够列出文件、读取形似密钥的环境变量、修改持续集成配置的智能体，消耗的是你最稀缺的资源：具备生产环境访问权限的评审注意力。我使用一个工作定义：假设税等于每次智能体运行产生的错误环境声明数量，乘以资深工程师解开一项声明所需的评审小时数，再乘以影响范围等级（一到五）。如果这个乘积低于你的准入门槛，共享的免费实验室可以是合适的学习场所。如果高于门槛，付费或自托管并不是身份升级，而是一笔隔离采购。

这张记分卡是对话工具，不是客观真理。改变任何一个变量，保留还是退出的判断就应该允许翻转。

免费、付费、自托管各自的失效方式

我并不是在论证某条路径“更智能”。我在标注谎言出现的位置。免费方案不会消除假设，它把假设集中在一个没人愿意承认是共享的盒子里。付费方案把假设转移进合同条款。自托管方案把假设转移到你的值班寻呼机上。

所以产品问题不是“有没有免费服务器”，而是“这个季度，一个可丢弃的实验室是不是这个团队合适的影响范围”。实验室有用，影子平台没有用。当团队还在摸索智能体会说出哪些环境谎言时，我需要一个实验室。我不希望这个实验室悄悄变成生产代码的编写方式。

在任何人“随便试试”之前，我会记录什么

把下面这些标记为一份拟议清单，不是基准测试，也不是对任何供应商内部机制的断言。核心动作是：捕获智能体在这台机器上可能做出哪些假设，但不要把真实密钥粘贴进工单。先建立临时目录，记录当前工作路径、用户身份、操作系统类型；检查目标仓库的根目录和远程地址，对远程地址中的敏感部分做脱敏处理；再扫描环境变量中形似令牌、密钥、密码、云服务凭证和代码托管凭证的字段。这些记录回答的不是“这台机器贵不贵”，而是“智能体在这台机器上会相信什么”。

披露：本文作为 MonkeyCode 产品推广的一部分编写。MonkeyCode 是提供免费模型访问和免费服务器路径的选项之一，这使它成为限时实验室的候选对象，而不是默认的生产基础设施。如果你这样使用它，请运行你在任何其他免费路径上都会运行的相同门禁。不要因为发票金额为零就跳过负责人字段。