要点概览
布莱恩·阿姆斯特朗提出，内部平台应像面向外部客户那样公布可用性、延迟和成本等关键数据。 他表示，AI Agent 正快速成为多数 API 的最大“用户”。 他建议，当 Agent 遇到缺失功能或 Bug 时，应能通过专门接口提交结构化反馈。 阿姆斯特朗主张，负责真实产品的内部团队应可以向其他内部团队“收费”。 此番表态，延续了他此前呼吁每个后端服务都要提供标准反馈端点的观点。
Coinbase 首席执行官 布莱恩·阿姆斯特朗（Brian Armstrong） 周日发文表示，随着 AI Agent 使用量激增，企业内部工程平台也应遵循与外部产品同等级别的责任与透明标准，将其视作真正需要“赢得客户”的产品，而非单纯的内部工具。
阿姆斯特朗指出，AI Agent 现在已成为大多数 API 的最重度使用方，而当前不少公司的内部文化和工程管理方式，明显没有跟上这一现实。
他在社交平台 X 上发布帖子称，内部平台应公开上线率（uptime）、延迟（latency）和成本（cost）等指标，并将功能需求和改进建议搬到公开论坛，而不是仅通过封闭的内部沟通或工单系统来处理。
阿姆斯特朗具体主张了什么？
他的论点可以拆解为三层：
第一，内部平台要像对外产品一样，系统性地公布性能数据。也就是说，内部 API 和平台应有清晰的 SLO/ SLA 及可观测指标，而不是“黑箱式”运转。
第二，功能需求应在公开场合提出和跟踪，而非仅埋在只有少数人可见的内部工单系统里。这样，所有依赖该平台的团队都能看到需求优先级、讨论过程和落地进展。
第三，真正对业务负责、面向用户的内部产品团队，应被允许向其他内部使用方“收费”，让成本成为真实的决策信号，而不是被隐没在统一技术预算里。
他写道：“如果内部平台也必须像外部产品一样去争取和服务‘客户’，大多数公司的推进速度都会更快。”
这一整套框架，直接指向 AI Agent 的崛起。阿姆斯特朗将 Agent 描述为：
- 永不休眠的用户；
- 高频率调用 API 的“流量机器”；
- 以远高于人工工程师的频率暴露出缺失功能和 Bug。
在同一晚更早的另一则帖子中，他提出了一个更具体的技术机制：每一个后端服务都应提供一个专用的反馈端点。当 Agent 调用 API 时，一旦发现能力缺口或错误，就能即时向该端点提交结构化报告。随后，另一个 Agent 有可能基于该报告自动生成修复的 Pull Request，从而把问题发现与自动化修复串联起来。
在这种架构下，一个 Agent 负责“报错”、另一个 Agent 负责“拟定修复方案”，这意味着大型组织内部的软件维护，可能从根本上被 Agent 化工作流所重塑。
延伸阅读：比特币上涨 6%，伊朗释放 7 日内重开霍尔木兹海峡信号
为何这对加密基础设施很重要？
Coinbase 是美国规模最大的零售与机构加密交易平台之一，其内部基础设施覆盖订单路由、钱包管理、合规审查以及大规模市场数据处理等关键环节。随着基于 Agent 的量化交易工具、合规机器人以及自动做市系统不断增多，公司内部 API 所承受的压力，已与对外开发者平台无异。
阿姆斯特朗的核心观点是：过去，负责这些内部 API 的团队，往往不像对外产品团队那样面临激烈的“用脚投票”约束。面向散户的产品如果性能差、稳定性不足，很快就会失去用户和收入；而内部平台如果慢、难用，往往只会多几张抱怨工单，而不会马上带来用户流失或营收下滑的直接反馈。
一旦把内部平台的性能和服务能力“晒出来”，情况就会不同：其他团队可以清楚看到指标表现，在公开渠道提出功能需求，并在引入内部计费机制后，通过预算分配“投票”，将资源导向更高效、更可靠的平台。
Agent 如何成为主要用户？
阿姆斯特朗近年来频繁谈及 AI Agent 将如何重塑软件公司运作模式。年内他曾撰文指出，在 Coinbase 内部，Agent 正迅速演变为开发工具和基础设施的主要使用者，而这一趋势在公司通过 Base 网络向外开放 API 能力后进一步加速。
围绕“Agent 化基础设施”（agentic infrastructure）的讨论，已经在行业内持续升温。包括 Anthropic 和 OpenAI 在内的多家公司，均陆续发布面向开发者的多 Agent 系统搭建指南，鼓励开发者在商业 API 之上构建复杂的 Agent 协同体系。
阿姆斯特朗的最新发声，出现在 Coinbase 即将于下周在一场大型开发者大会上亮相之前。就目前而言，公司尚未就这些内部平台改革思路给出具体产品级别的正式公告。
延伸阅读：以太坊交易所净流出激增，ETH 重回 2700 美元上方
需要关注什么？
在阿姆斯特朗的一系列发言中，最具可操作性的提议，是“统一反馈端点”标准。如果 Coinbase 在内部率先落地，并对外公布技术规范，其他正在搭建 Agent 化基础设施的公司，很可能沿用同一套模式，从而在无需正式标准组织参与的情况下，形成事实上的行业通用标准。
相比之下，内部计费模型则更具争议。尝试过内部“费用结算/分摊”的企业普遍发现，这类机制在管理成本和内部政治上都相当棘手：一方面需要精细化的成本核算和对账流程，另一方面也容易引发部门间的博弈与摩擦。
即便如此，阿姆斯特朗认为，在 AI Agent 成为基础设施主流用户的新阶段，让内部平台“真正面对市场信号”，可能是提升效率、强化责任边界、加速迭代的关键一步。
