实测 Hy4：一个下午，AI 帮我把十几个散乱项目理清楚了

前两个月我用 AI 编程做了很多产品尝试，做一个扔一个，代码目录混在一起，乱到自己都不愿意打开。

理目录这种活，耗时、易错、又没什么价值感，典型的能拖就拖。最近腾讯混元发布了主打智能体和编程场景的 Hy4 预览版，官方说它有一个 1M 的超长上下文，一口气能读完几百个文件。我正好拿这个烂摊子测了测它的长任务能力。

工具是一个多智能体协作的编码环境，玩法叫「专家团」，一个主管统筹，一个工程师写代码，一个测试把关，多角色分工。

第一轮，它 5 分钟读完 167 个文件，把四条产品线梳理得清清楚楚，每条线做了什么、哪些方向被证伪了都标了出来，还顺手画了张结构图。

第二轮是硬活，把一个混在一起的大仓库拆成独立项目，还要保住每个项目的 Git 修改记录。这种活手工干能把人干崩溃，改错一步记录就全丢了。它干了 40 分钟，动手拆之前，先抢救出 4 个我忘了保存的改动，然后一个坑一个坑趟过去，几个仓库全拆了出来，修改记录完整保留。我不放心，自己数了一遍，92 次、4 次、96 次提交，一条没少。

第三轮才是重头戏。它把整个盘摸了一遍，8 分钟后告诉我，上面还散落着 6 个仓库、435 次提交记录，分属 3 个不同的项目主体。有几个项目我是真忘了，它全翻出来了，而且找得都对。

最后一轮归档。它把历史项目挪进归档目录，按真实产品名重新命名，原来的目录名全是错的。每个项目放一份说明文档，写清楚做了什么、结果如何、以后复盘该看哪几个文件。归档区还建了一张总索引，想查哪条结论，顺着就能找到出处。

四轮下来不到一小时，目录结构清楚多了。

整个过程我没插手过一次。测试角色还自己写了一套自动化测试，跑了 267 项检查，真查出一个 bug，然后自己修掉了。这种耗费精力、容易出错、又没多少价值的活，交给 AI 确实划算。

在公开的编程能力榜单上，Hy4 预览版拿了 1633 分，处于第一梯队。单看分数意义不大，我更看重的是它在这类「读、理、拆、归档」长任务上的稳定性。

不过也得说清楚它的边界。它做得好的是有明确判断标准的结构化工作，说白了就是体力活。真要它替我做产品决策，还差得远。省下来的是动手的成本，留下来的仍然是人该判断的那部分。AI 能让一个任务跑到 80 分，剩下的 20 分，兼容性、安全、边界情况、长期维护，才是真正吃成本的地方。