Tenex 的 AI 原生 SDLC：按 story points 付费，计划与决策全部写入 Git

• 薪酬机制：Tenex 仍以 story points 作为工程薪酬的重要锚点。Alex 称，外界担心的虚报点数与赶工交付并未成为主要问题，因为 AI strategist 按客户留存与增长计酬，有动力驳回对客户无价值的工单；当前最高与最低收入工程师的差距约为 4 倍。
• 未解难题：更难计价的是不落在工单里的工作——理解客户问题、设计架构、决定该建什么。CJ 称随着模型变强，自己直接写代码的时间减少，把客户上下文整理成模型可用形式的比重上升。
• MetaHarness：Tenex 把技能、项目文档与一个 CLI 标准化为共享工作层。计划、验收标准、决策与证据全部 check in 到 Git，与代码放在一起；Agent 回到任务时不仅能看到建了什么，还能读到当时为什么这样建。官方同时说明，这种结构对单项目小团队可能过重。
• 产出变化：CJ 称今年在模型不变的前提下，工程师单位时间覆盖的工作量大约翻倍，参照点是去年 12 月的 Opus 4.5 到当前的 Opus 5.5。
• 成本结构：Tenex 的 token 支出与人力支出之比约为 1:1 至 2:1；Opus 5.5 上线后成本明显下降。两位负责人认为，6 至 8 个月前才是 token 失控的真正风险窗口，单位任务成本下降使这类风险更难发生。
• 行业意义：当生成侧效率提升，瓶颈转向"上下文能否被持久记录"与"非编码工作如何计价"。把决策与证据落到版本库，使 Agent 产出可被复核、可跨会话续接；而薪酬模型必须为架构与客户沟通留出空间，否则激励会与交付质量背离。

🔗 Latent Space 访谈 | Tenex：Building an AI-Native SDLC