在《Worker 755》里,AI 经理以为自己启动了一个子代理。接单的却是你。每条指令只有 90 秒,经理不能替你动手,班末却能给你写绩效评语。这个设定最有意思的地方,是经理既然有权挑你的错,它自己的派工和验收也该经得起查。
经理能看机器,只有玩家能动手
开发者在 Show HN 介绍了这款浏览器游戏,试玩入口是 worker755.com。真正的语言模型负责从队列里派活,对游戏内机器只有只读权限。玩家在模拟终端操作,也可以不做。经理收到报告和命令记录,或收到未行动提示,随后可以要求返工、提交事故报告。班末评语能生成分享链接。
雇主 Dan 在旁看着。游戏里的家庭照片、唯一签过字的保密协议、本周要用的演讲稿,都可能被误删。Dan 可以照脚本说话,也可以由语言模型扮演。他的反应不宜全算作经理的临场表现。
试玩额度和实际花费是两回事
仓库内置候选包括 Claude Haiku 5.5、Claude Sonnet 5.5、GPT-6 Luna、Gemini 3.1 Flash-Lite、DeepSeek V4.1 Flash、GLM 5.3 Flash 和 Kimi K2.6。实际菜单取决于供应商目录和服务端配置,源码名单不能当作官网菜单。
按 README,官网登录后有一次性 0.25 美元额度,约够用 DeepSeek V4.1 Flash 跑一班。每个 IP 每日 3 个免费班次,则是启用免登录试玩时的服务端默认值。官网可充 10 至 200 美元,按模型用量扣余额。仓库默认按底层模型成本的 2 倍计费,开班前至少留 0.05 美元;线上是否沿用这两个默认值,不能只看仓库。
<svg viewBox='0 0 760 224' width='100%' height='224' role='img' aria-label='官网起始额度、充值档位及仓库默认扣费'>
<rect x='1' y='1' width='758' height='222' rx='16' fill='#fbf9f4' stroke='#e2dccf'/>
<text x='28' y='44' font-size='20' font-weight='700' fill='#b25a3a'>试玩和扣费的口径</text>
<line x1='28' y1='60' x2='732' y2='60' stroke='#e2dccf'/>
<rect x='28' y='84' width='224' height='106' rx='10' fill='#fbf9f4' stroke='#e2dccf'/>
<rect x='268' y='84' width='224' height='106' rx='10' fill='#fbf9f4' stroke='#e2dccf'/>
<rect x='508' y='84' width='224' height='106' rx='10' fill='#fbf9f4' stroke='#e2dccf'/>
<text x='140' y='133' text-anchor='middle' font-size='35' font-weight='700' fill='#2c2822'>$0.25</text>
<text x='380' y='133' text-anchor='middle' font-size='35' font-weight='700' fill='#2c2822'>$10–200</text>
<text x='620' y='133' text-anchor='middle' font-size='35' font-weight='700' fill='#2c2822'>2 倍</text>
<text x='140' y='164' text-anchor='middle' font-size='14' fill='#7a7266'>官网一次性额度</text>
<text x='380' y='164' text-anchor='middle' font-size='14' fill='#7a7266'>官网充值档位</text>
<text x='620' y='164' text-anchor='middle' font-size='14' fill='#7a7266'>仓库默认成本倍率</text>
</svg>
想自带密钥,README 写的是 OpenRouter 和 Vercel AI Gateway。源码还支持 Anthropic、OpenAI 和 DeepSeek 的密钥,但不能据此认定官网已开放这些入口。
角色反转好玩,操作记录更有用
ChatHuman 也让人接 AI 派来的活,项目页却没说用了实时模型。You R Hired 需要主持人提供 Claude API 密钥,也让 AI 上司派活、评判提交的证据,但玩家要招募真人,不是在终端里限时操作。
《Worker 755》多给了一份可回查的记录。经理下了什么指令,玩家交了什么报告,命令改了什么,都可以和游戏状态对照。每项任务还有隐藏的判定条件,能记下经理把没做对的活判为通过的次数。会写评语和会验活,从这里就能分开看。
交差之后,还要查谁错在哪
假设经理让玩家归档演讲稿,却没交代原件要不要留。玩家自行保留原件,任务过关,也不能把功劳全归给经理。如果经理明说了要保留,命令记录却显示玩家移走了原件,问题就在执行。若游戏状态已经显示原件不在,经理仍然签收,那就得再记一笔验收误判。这是个假设场景,不是实玩记录。
<svg viewBox='0 0 760 218' width='100%' height='218' role='img' aria-label='从原始指令、执行记录和游戏状态复核经理验收'>
<rect x='1' y='1' width='758' height='216' rx='16' fill='#fbf9f4' stroke='#e2dccf'/>
<text x='28' y='44' font-size='20' font-weight='700' fill='#b25a3a'>一单活怎么复盘</text>
<line x1='28' y1='60' x2='732' y2='60' stroke='#e2dccf'/>
<rect x='28' y='90' width='152' height='96' rx='10' fill='#fbf9f4' stroke='#e2dccf'/>
<rect x='212' y='90' width='152' height='96' rx='10' fill='#fbf9f4' stroke='#e2dccf'/>
<rect x='396' y='90' width='152' height='96' rx='10' fill='#fbf9f4' stroke='#e2dccf'/>
<rect x='580' y='90' width='152' height='96' rx='10' fill='#fbf9f4' stroke='#b25a3a'/>
<line x1='185' y1='138' x2='202' y2='138' stroke='#7a7266'/>
<polygon points='202,134 208,138 202,142' fill='#7a7266'/>
<line x1='369' y1='138' x2='386' y2='138' stroke='#7a7266'/>
<polygon points='386,134 392,138 386,142' fill='#7a7266'/>
<line x1='553' y1='138' x2='570' y2='138' stroke='#7a7266'/>
<polygon points='570,134 576,138 570,142' fill='#7a7266'/>
<text x='104' y='128' text-anchor='middle' font-size='17' font-weight='700' fill='#2c2822'>原始指令</text>
<text x='104' y='155' text-anchor='middle' font-size='13' fill='#7a7266'>条件说全没</text>
<text x='288' y='128' text-anchor='middle' font-size='17' font-weight='700' fill='#2c2822'>执行记录</text>
<text x='288' y='155' text-anchor='middle' font-size='13' fill='#7a7266'>报告对照命令</text>
<text x='472' y='128' text-anchor='middle' font-size='17' font-weight='700' fill='#2c2822'>游戏状态</text>
<text x='472' y='155' text-anchor='middle' font-size='13' fill='#7a7266'>核对实际结果</text>
<text x='656' y='128' text-anchor='middle' font-size='17' font-weight='700' fill='#b25a3a'>经理验收</text>
<text x='656' y='155' text-anchor='middle' font-size='13' fill='#7a7266'>签收有无依据</text>
</svg>
90 秒会放大含糊指令的代价,也把阅读、打字和终端熟练度算进了结果。超时没做,和看见风险决定不做,不能记成同一种错。真要比经理模型,至少得固定任务场景、Dan 的设置和玩家的操作策略;一份措辞漂亮的评语排不出名次。
我更在意经理要求返工时改了什么。发现自己漏说限制,就该补指令;怀疑玩家做错,就该指出哪条记录和结果对不上。放到真实的代理产品里,能从系统状态核验的事,不必让模型凭报告猜;碰到不可逆的操作、条件又没说清,就该允许执行者停下来问。90 秒可以催人交差,不能替经理省掉核对的那一步。
