摘要：给研发团队按人头买过 AI 账号的老板都见过同一个怪现象：两三个人的额度月底没用完，几个主力却天天撞限流，钱花足了，体验是割裂的。马良 Harness 研发协作平台把多个 provider 的多个账号接成统一额度池，每个账号的状态、剩余额度与并发占用一屏可见，任务自动调度到空闲账号：额度不被过快烧光，也不必排队。忙闲混用，十个人的团队可能八个账号就够。
一个十人研发团队全面用上 AI 之后，行政每月都会做一件事：按人头续费十个账号。
然后每个月都重复同一个怪现象。团队里三四个主力工程师从早到晚泡在 AI 会话里，月中就开始频繁撞上限流，提示容量不足，任务跑一半被打断，只能干等；另外两三个同事的账号额度到月底还剩一大截——他们这周在开会、在出差、在做线下联调，根本没怎么用。还有两个账号常年处于"买了备用"状态。钱一分没少花，真正的体验却是：干活的人排队，不干活的额度睡觉。
这不是哪个员工的问题，这是"账号绑人"这种分配方式的必然结果。
行政其实也为难：账号开少了，主力天天喊不够用；咬牙按人手配齐，月底财务一看 AI 开支蹿升，问产出，只能回答"大家都在用"。于是续费决策在两种情绪之间来回摆：心疼钱就砍账号，砍完效率立刻反弹，再默默加回来。钱和效率像在打一架，而老板连双方各有多少兵力都看不清。马良 Harness 研发协作平台给出的答案，是把 AI 账号从"绑在人头上"变成"放进一个池子里"。
一、账号绑人的两本账：额度账和并发账
浪费其实有两本，多数老板只看到第一本。
第一本是额度账。账号按人分配，额度就跟着人走：忙的人不够用，闲的人用不掉，两边无法互济。月底报销时大家截图自己的用量，行政对着一堆数字拼凑，哪些账号该续、哪些可以砍，全靠估计。更尴尬的是临时借账号：主力月中额度见底，借同事的号登录，历史会话和使用偏好全对不上，还把自己的项目上下文混进别人的工作区；账号还回去，对方的界面都像被人动过。
第二本是并发账，更隐蔽也更影响效率。任何一个 AI 账号同一时刻能承载的请求数都有上限，团队里几个人同时让 Codex 跑长任务，后来的人就会撞上容量墙，只能排队。主力工程师的时间是团队里最贵的时间，而他们每天要在"等模型缓过来"这件事上白白耗掉一截。
更麻烦的是，团队往往不止用一家 provider：有人用这个模型写代码顺手，另一个模型跑重构更强，测试同事又只用第三个。多个供应商、多个账号散落在各人手里，没有任何人说得清全局：哪些账号活着、额度各剩多少、此刻谁在占用、下个月该怎么买。
再叠上 AI 时代天然不均的工作节奏：版本冲刺那一周，全组的请求量是平时的三四倍；发布之后的一周，又集体降到谷底。需求像潮汐，账号却是按人头砌死的堤坝——按最高潮位修，大部分时间里，水面以下全是花过钱的空位。
这本账到了团队扩张期会更难看。新人入职先开号，老员工离职，号却常常忘了回收，账号台账与真实人头永远对不齐；财务月底拉清单，才发现好几个账号连续几个月零消耗，而另外几个主力早就不够用。采购节奏追着抱怨走，从来追不上真实负载。
马良 Harness 研发协作平台在这一层给出的解法，是一个多 provider、多账号的统一额度池。
二、额度池面板：每个账号的状态、额度、并发，一屏看清
管理员把团队在各家 provider 开通的多个账号统一接进平台——比如多个 Codex 账号、其他供应商的账号，全部进入同一个面板。每个账号此刻的状态一目了然：剩余额度用百分比清楚标着，这个账号还有 55%，那个只剩 8%；当前有没有请求在跑、跑着几个并发，实时可见，其中一个账号安安静静显示"0 人请求"。
这是一块团队级的调度盘，而不是一串各管各的登录信息。点开空闲账号，就能把任务调度过去；哪个账号额度见底，面板提前给出信号，管理员从容安排充值或轮换，而不是等工程师在群里喊"又挂了"才去救火。
三区域的工作界面一切照旧：左侧团队与工作区，中间会话窗口，右上角批注模式。工程师感知不到复杂的调度，他只是发现：今天长任务跑得顺了，限流提示几乎不见了。复杂度全部收进管理员那一块面板里。
管理员做决策也因此从"凭感觉续费"变成"看盘面调兵"：某个账号连续一周高负载，就把非紧急任务引向池子里的余量；某个账号长期低水位，下个周期直接少续；provider 侧偶发波动时，请求流向其他账号，团队甚至感知不到后端悄悄换了路。
三、分散使用：额度烧得慢，并发不排队
池子搭起来之后，团队使用 AI 的方式变了：多个人分散使用不同账号，而不是全体挤在一个入口上。
这一分流，同时解决了那两本账。
额度上，全员的请求摊在多个账号上，没有任何一个账号会因为被全团队猛用而在月中率先烧光；用量在池子里自然拉平，这个月你用得多、我用得少，不再需要私下借账号、转额度。并发上，请求被摊到多个账号的容量上限里，A 账号在跑两个长任务，B 账号正好空闲，新任务就从 B 账号走——主力工程师几乎不再需要排队等容量，几个人同时让 AI 并行干活成为常态。过去要靠管理员人工协调"你先用 A 账号、你退一下让他跑完"的场面消失了，调度自动完成；只有在需要保优先级时管理员才介入——交付在即，把关键路径上的任务固定引向最充裕的账号，其余任务让路。
对写代码这件事，"不排队"甚至比"额度够"更值钱。AI 辅助是强心流工作：工程师刚把上下文讲清楚、思路正处在最高点，一个容量不足的硬中断，可能要半小时才重新进入状态。消灭这种打断，本质上是别再让团队里时薪最高的人，给一个本可以绕开的拥堵买单。
一个很真实的十人团队画面：周五下午，三个人在各自的 worktree 里同时让 AI 重构模块，一个人在让模型批量生成测试用例，技术负责人在另一条会话里做代码评审。五个重负载任务落在五个不同账号上，谁也没撞谁的墙；而两个在客户现场联调的同事今天几乎零消耗，他们名下的额度正在池子里安静地供全团队使用。
跨 provider 的调度同理。这家的模型擅长生成，那家的长上下文更稳，池子里的账号按任务类型各走各的擅长项，工程师不必记住该登哪个账号、手动切换工作台；他只管在自己的会话里提需求，路由在后台完成。团队同时使用多家模型的自由，第一次不用以混乱为代价。
四、十个人，八个账号：忙闲混用背后的调度逻辑
于是出现了标题里那个看似反常、实则精确的配比：过去十个人必须开十个账号，现在十个人可能开八个就够了。
逻辑很简单：任何一天，团队里总有人在开会、出差、休假、做线下调试，不可能十个人同时满负载。账号绑人时，这些天然的波谷被浪费了；池子化之后，波谷自动补给波峰。省下的不是某个人的订阅费，而是整个团队"按峰值人头买、按平均负载用"的那部分结构性空转。
对团队 leader 来说，额度池还有一层管理红利：用量数据集中可见。谁在高频使用 AI、主要消耗在哪类任务上、哪个模型消耗最大、哪些账号到了该续费的节点，全部有据可查，不用再靠员工自己截图报销，也不用凭印象判断"AI 到底有没有用起来"。AI 开支从一笔糊涂的 SaaS 费用，变成了可观测、可调度、可优化的团队资源——和给研发排人力是同一种管理动作，只不过排的是算力额度。
这些数据还会反过来回答管理问题：某个账号长期零消耗，问题往往不在续费，而在这位同事还没把 AI 用进工作流，他需要的是培训而不是预算；某类任务消耗异常高，可能是提示方式低效、在反复生成相似内容，值得拉出来复盘。额度池不只是省钱工具，它顺带让"团队 AI 到底用得好不好"第一次有了客观证据。
五、平台不赚 token 的钱：没有动机让你多烧
还有一层让老板放心的立场：这套平台不赚 token 差价。
AI 账号是企业自己注册、自己购买的，流量额度企业自己充，用量账单直接归企业，平台只交付私有化部署和协作能力本身。换句话说，平台的利益和团队的利益在"省额度"这件事上是一致的：它没有任何动机诱导你多烧一个 token，不会把"多用"包装成指标，也不会在用量中间额外加价。账上每一分 AI 开支，都是真真切切用在了研发上。
这跟很多按用量计费的工具立场正好相反：在那种模式里，客户烧得越多平台赚得越多，所谓"优化建议"难免带着劝你加温的味道。而账号归企业、账单归企业、平台只交付协作能力，三方关系干干净净——它建议你下一轮少开一个账号，自己没有任何损失，这种建议才敢说、也才可信。
这也是额度池敢于"帮你少买账号"的原因——只有不挣用量钱的系统，才会认真帮你把每一分订阅费都用在刀刃上。
适合谁
它适合已经让团队日常化使用 AI、并且有多个账号或多家 provider 的研发组织：十个左右工程师、主力与非主力用量悬殊的小团队；多人同时跑长任务、频繁撞上并发限制的组；需要向老板说清"AI 钱花在哪"的技术负责人。团队 AI 使用率越高、忙闲越不均，池子化的回报越大。
额度池调度的是企业自己名下的账号资源，让你买的每一个账号都尽量用满、让请求尽量不排队。池子消灭的是结构性空转，让真实需求得到更充分的满足。模型选择仍是技术决策。