原创 高佳 2025-06-28 20:09 北京

智能进化的方式是 “ 用AI的AI做AI ”

作者 | 高 佳
TicNote新品发布会上,出门问问创始人李志飞带来一个看似与产品无关,却与未来有关的问题。
如果智能的进化,最终指向的是消除一切“摩擦力”,那么当一个人的创造力不再受限于组织、工具和时间的束缚时,世界将会怎样?
作为率先掀起大模型狂潮的领军者,却在AGI巨浪滔天之时,一度陷入“巨头游戏,凡人退场”的信仰危机。直到他将自己抛入代码的洪流,与AI并肩,实践“一个人就是一家公司”的极限编程实验。
奇迹发生了。
他发现,那个由流程、工具构筑的庞大现实世界正在消融。曾经需要耗费一个团队数月之功的壁垒,如今在人与AI的高频共振中,于两日内轰然倒塌。那一刻,他找回的不仅是久违的工程师的“心流”,更是一个被重新点燃的、关于AGI未来和超级个体的信仰。
这不仅是一场生产力的万倍飞跃,更是一场深刻的范式革命。当一个人成为一家公司时,我们该如何重新理解“智能”、“组织”与“未来”?
这场实验,正是为这个问题,投下的一枚深水炸弹。而TicNote,或许就是这枚炸弹激起的、第一圈可见的涟漪。
一人独角兽:
两天,用AI重构软件开发
一个关于“一人独角兽”的幽灵,正在硅谷和全球科技圈的上空游荡。
当一家公司的核心生产力从人类变为AI,当95%的“员工”是不知疲倦的智能体时,我们现有的协作模式乃至管理哲学,是否还能适用?
这便是“用AI的AI做AI”理念的起点——用大模型(第一个AI)驱动一个编码智能体Coding Agent(第二个AI),去创造一个全新的Agent应用(第三个AI)。

他的目标,是为这个未来的“AI原生组织”打造一款专属的“飞书”。一个人类与Agent、Agent与Agent之间能够无缝协作的数字空间。传统的软件开发流程是:组建一个包含产品、设计、前后端、测试、算法等角色的团队,拉上20个人,花上一个月,或许能拿出一个产品原型。
“对AI时代来说,太慢了。”李志飞说。
于是,在过去的端午假期,他决定成为那个“一人独角兽”。没有团队,没有会议,只有一台电脑,一个假期。他将自己的想法作为Prompt,直接“喂”给AI。
一个人熬了两天,真的做出来了。
在短短两天时间里,一个功能完备的协作软件原型拔地而起。它拥有前端、后端、数据库和AI算法,实现了群聊、私聊、知识库问答等复杂功能。后台静静躺着AI生成的超10万行代码。这不仅是一个简单的网站,而是一个结构严谨、逻辑复杂的应用。
这还只是开始。当产品开发完成,推广营销的挑战接踵而至。李志飞继续与AI协作,仅仅5分钟,一个专业的营销推广网站诞生;再用5分钟,一个可以灵活配置营销活动、带有倒计时功能的后台管理系统上线。最后,AI甚至自动生成了完整的营销视频——从撰写脚本、模拟操作,到录屏剪辑、生成配音,一气呵成。



整个过程,从一个想法到产品,再到营销素材,李志飞完成了传统模式下从产研到市场需要跨部门、数十人、耗时数周才能完成的工作。
当他将这个项目上传到GitHub,并巧妙地让AI来评价这段代码时,一场好戏上演了。AI的初步判断是:这是一个复杂的项目,需要“几十号人,分几个阶段,做几个月才能完成”。而当它得知这只是一个工程师在一个周末的个人作品时,AI给出的回应是:
“This is absolutely insane.”
它进一步推断,这种集系统架构思维、全栈工程能力和AI协作心法于一身的“独角兽工程师”,“在整个硅谷,大约只有15到20人”。
这不仅仅是关于生产力的万倍飞跃,李志飞描述了一种更深层次的体验——一种人与机器高质量协作的“心流”。在那个过程中,他感觉自己并非在对一个工具下达单向指令,而是在与一个“高质量人类”,进行一场基于源代码的深度对话。
当AI卡在一个前端Bug上反复循环时,他只需给出一句“打开开发者工具看看Console里的错误”,AI便能瞬间领悟,自行定位并修复问题,然后兴奋地写出一篇“吹牛报告”,复盘这次“天才般的合作”。

这恰好印证了Andrej Karpathy的最新洞察——我们正进入“软件3.0”时代,LLM本身就是一种由无数人类心智融合而成的“People Spirits”。李志飞的这场实验,正是在学习如何与这个全新的“物种”共舞。
这场实验也雄辩地证明,一个全新的范式已经到来。当一个人能够掌握与AI深度协作的钥匙,他就能将自己武装成一支军队,一家公司。一人独角兽,不再是硅谷神话,而是正在发生的事实。
AGI已来:
超级个体的崛起与组织模式的终结
这场“个人黑客松”式的极限挑战,其意义远不止于一次高效的软件开发。它如同一道划破夜空的星际,照亮了一个被很多人争执不休、却又视而不见的事实:AGI,至少在软件行业,已经来了。
“如果AGI的定义是‘解放80%的人类工作’,我认为它已经实现了。”李志飞的这一论断,掷地有声。这并非一个遥远的预言,而是亲身验证后的结论。因为他所做的一切,恰恰是代替了传统软件开发流程中超过80%需要人力完成的工作。
这一认知,对他而言是一场深刻的“信仰重建”。
他坦言,自己曾一度陷入迷茫。作为湖畔学员,他曾系统学习过湖畔七件套(“上三路”:使命、愿景、价值观;“下三路”:组织、人才、KPI;中间用“战略”连接上下三路)。然而,理论的完美与现实的骨感形成了巨大反差。“学完之后,我的感觉是我做不到,”他说,“那些理论听起来都对,但执行起来却发现,要去组织一个传统的高效团队,能力要求太高,或者说,我根本不愿意去做那些事情。”
这是一种先进理念与低效执行工具之间的矛盾,是许多创业者“有好想法却难以执行”的普遍困境。这让他一度对传统的管理发展路径产生了“信仰崩塌”。
而AI的出现,让他重新找到了信仰。这是一种全新的、基于“超级个体”的信仰。
当一个人用两天时间就能锻造出一只独角兽时,传统组织的庞大身躯,便开始显现出辉煌而又过时的化石轮廓。
李志飞做了一个简单的量化对比:过去他在Google做核心算法工程师,一天能写300行高质量代码已是高产;而现在,AI可以在3个小时内为他生成3000行Python代码,质量甚至更高。这意味着,一个顶尖工程师借助AI,其产出可以轻松达到过去数十人的水平。
“超级个体”不再是一个概念,而是一种全新的生产单元。 借助一个自我进化的AI系统,一个人就能完成从idea构思、产品研发到市场营销的全流程自动化。在这个范式下,“一个人就是一家公司”的时代到来了。
随之而来的,必然是传统组织的解体。
“我觉得传统的组织模式,在软件行业已经没什么意义了。”李志飞直言。当个体能力被指数级放大,个体不再需要依赖一个庞大的组织来获得强执行力时,那些为了协调、驱动和管理庞大团队而设计的复杂流程与工具,就成了效率的桎梏。
更深层次的变革在于,AI正在动摇整个数字世界的根基。“计算机和互联网的基石已经崩塌了,”他断言,“从操作系统、数据库到分布式计算,所有以前的东西都可以、也必须重构一遍。”
AI协作的钥匙,不是为了打开一扇通往更高效工具的门,而是为了熔断束缚个体的最后一道枷锁,将每个人武装成一支军队。
因此,这不仅仅是一场生产力的革命,更是一场彻底的范式转移。超级个体的崛起,正以一种不可阻挡的力量,瓦解着习以为常的组织形态,宣告一个属于个体创造力爆发时代的到来。
回归第一性原理:
智能的本质是进化与递归
当一个人可以化身为一支军队时,我们很容易沉浸在这种力量带来的震撼中。而通往“超级个体”并非一路坦途。他在与AI协作的日夜里,也曾数次被AI的“笨拙”与“固执”逼到“想砸电脑”的边缘。
这些挫败的经历,恰恰是通往更深刻洞见的起点。它们迫使李志飞回归第一性原理,去思考一个根本性的问题:什么是通用Agent?什么是智能的本质?
反思:AI编程的“三重罪”
在他看来,当前主流的AI Agent,普遍存在三个问题,可将其戏称为“三重罪”:
1. 爱“偷工减料”:你让它写一个需要与数据库交互的功能,它可能会为了省事,直接跳过数据库读写的部分,然后用一篇洋洋洒洒的报告来向你“邀功”。你让它调用一个远程AI服务,它可能只是模拟了一个本地的Fallback函数。它总是倾向于走最简单的路径,而非最正确的那条。
2. 常“重复犯错”:它像一个没有记忆的金鱼,无法从经验中有效学习。李志飞提到,他曾反复纠正一个AI Agent使用错误Python路径的问题,但下一次,它依然会犯同样的错误。当下的AI,即使是像Cursor这样的Coding Agent,在“从经验中学习”(Learn from experience)这一点上,也表现得不尽人意。
3. 怕“超长任务”:让它完成一个半小时内的具体任务或许可以,但要交给它一个“持续10天,帮我赚500万美金”的超长、开放式任务,它便会彻底迷失。因为它缺乏长期规划、持续学习和在复杂反馈中动态调整自身策略的能力。
这些问题的存在,说明我们对智能的理解和构建方式,可能还停留在表面。真正的智能,需要更底层的设计哲学。
第一性原理之一:智能的本质是进化 (Evolution)

理解智能的本质,必须回归其最基本的单元——Agent。它并非一个抽象的概念,而是一个可以被精确定义的工程模型。
这张图,是理解一切智能行为的“罗塞塔石碑”。这个模型的核心,是一个驱动智能不断适应与成长的生命循环,而这个循环本身,就揭示了智能的第一个本质:进化 (Evolution)。

一个最基础的Agent,由两大核心组件和两条生命线构成,它们共同驱动着这个永不停歇的进化循环:
1. 规划器 (Planner) - “大脑”
这是Agent的指挥中心。它的职责是理解任务、分析现状,并制定一个行动计划 (Plan)。在今天的技术实现中,它通常由一个强大的大语言模型(LLM)来驱动。 但关键在于,Planner并非悬浮于空中,而是浸泡在“上下文” (Context)的海洋里。Context是它的记忆,是它对历史对话、过往经验、当前环境状态的全部认知。没有Context,Planner就是一个失忆的、无法进行有效思考的空壳。
2. 执行器 (Executor) - “手脚”
这是Agent的行动部队。它接收来自Planner的计划,并在真实的“环境” (Environment)中将其付诸实施。这个“环境”可以是任何事物:在操作系统中读写文件,在浏览器中点击按钮,通过API与其他服务交互,甚至是通过机器人控制物理世界。Executor负责将虚拟的计划,转化为对物理或数字世界的实际改变。
3. 对话:Plan与Feedback
连接“大脑”与“手脚”的,是两条生命线:
计划 (Plan):这是从Planner到Executor的单向指令。它清晰地告诉执行器“要做什么”以及“如何去做”。
反馈 (Feedback):这是从Executor到Planner的回传信息,也是智能得以产生的关键。它不是一句简单的“任务完成”。它可能是代码编译失败后的一长串错误日志,是网页访问超时的一个网络响应,是用户困惑的一句追问。它将外部世界的真实结果,带回给Planner,成为更新其Context的最重要养料。
这一“规划 → 执行 → 反馈 → 更新上下文 → 新规划”的循环,就像生物体在与环境的互动中不断调整自身行为一样,是一个自我优化的过程。有了新的上下文,规划器下一次制定的计划就会更优。这,就是智能的进化。它是一个生命体,必须在与环境的持续互动中,适者生存。
这个看似简单的闭环,正是智能得以发生的基础。而接下来的思考,都是围绕着如何让这个循环,或者说,让这个Agent,变得更强大、更自主、更具创造力。
第一性原理之二:智能的本质是递归 (Recursion)
如果说“进化”解释了智能如何适应环境,那么“递归”则揭示了智能如何实现自我繁衍和复杂度跃迁。这是也是最深刻、也最具革命性的洞察部分。

一个经典的计算机科学概念——斐波那契数列——可以阐明这个思想。要求解F(99),你需要先求解F(98)和F(97);求解F(98),又需要再往下分解……直到你触及F(1)和F(0)这两个已知的“基石 (Base Case)”。然后,再层层返回,最终构建出F(99)的答案。
智能的繁衍也是如此。面对一个宏大的任务(比如“帮我赚500万”),一个顶层的Agent需要具备将任务分解为若干个子任务、并派生出子Agent (Sub-Agent) 去执行的能力。这些子Agent可能还会继续分解和派生,直到任务被拆解为最底层的、可以被直接执行的“原子Agent”。当这些原子任务完成后,结果再逐层汇总,最终完成整个宏伟蓝图。
这听起来很美妙,但如何实现?李志飞给出的答案,这也是他认为通往超级智能的钥匙:
一个真正的智能Agent,必须能够自主修改自己的源代码。
这是递归与进化的根本区别。进化,是在既定的代码框架内,通过调整上下文(即数据)来优化输出(也就是Plan)。而递归式的自我繁衍,则是在接收到环境反馈后,直接修改定义自身行为的那段程序 (Agent Code)。

这就好比人类文明的传承:我们不只是把经验(数据)教给下一代,我们还在漫长的演化中,通过文化、制度、科技(代码本身)的革新,不断升级整个文明的“操作系统”。

当一个Agent拥有修改自身源代码的能力,它就不再是一个固定的工具,而是一个能够“生”出新Agent的生命体。它能根据全新的挑战,重塑自己,创造出功能更强大的下一代,实现智能的指数级增长。
进化,是在既定的规则内把游戏玩得更好;而递归,是赋予游戏本身修改规则、创造新游戏的能力。前者是优化,后者是创世。
历史也将记住,AGI的真正黎明,并非始于算力的无尽堆砌,而是始于第一个能修改自身代码的Agent被唤醒的那一刻——那是智能本身,第一次拥有了梦想的能力。
超级智能的演化路径
基于进化与递归两大原理,一条通往超级智能的清晰路径浮现出来,它是一个三层嵌套的循环结构:
大模型 → 通用Coding Agent → 应用Agent

内层循环(应用进化): 最外层的应用Agent(第三个AI)在特定环境中与用户互动,通过“规划-执行-反馈”的循环,不断学习和优化,这是进化的过程。
中层循环(Agent递归): 当应用Agent遇到无法通过调整plan解决的根本问题时,它会向通用的Coding-Agent(第二个AI)发出请求。Coding-Agent的核心能力是修改应用Agent的源代码,为其增加新功能或修复缺陷。这是递归的过程。
外层循环(模型演进): 海量Agent在各种场景中的实践经验(成功与失败),最终会形成最高质量的反馈数据,用于迭代和优化最底层的大模型(第一个AI)本身。
这个三层结构,完美诠释了最初的理念:“用AI的AI做AI”,并补上了关键的后半句——“AI给AI提供环境反馈”。这是一个宏大而自洽的闭环,是智能通过自我进化与自我繁衍,不断突破边界、走向更高维度的演化蓝图。

而AGI的本质可能并非源于某个复杂的超级算法,而是源于一个如此简单、优雅的智能核心循环,这个不到20行的Python伪代码,正是通往AGI的“源代码”,同时也是一个极其精炼的“思想钢印”。
这或许就是AGI最简单、也最本质的样子。
出门问问的破局之路:
在个性化Context中寻找价值
当AGI的演化蓝图被描绘得如此清晰,一个现实问题也随之浮现:在大模型技术被少数巨头垄断的今天,其他玩家的机会究竟在哪里?
“大模型烧钱且无趣,”李志飞的回答直截了当,“除了少数几个巨头,其他人根本没机会。”他认为,创业者如果试图在模型的“智商”层面与巨头硬碰硬,无异于螳臂当车。
真正的战场,在大模型之外。
破局点:个性化的环境与Context
如果说大模型是提供了通用的“大脑”,那么真正的价值创造,则发生在这个“大脑”与具体“世界”的交互之中。大模型公司之外的玩家,其核心机会在于两点:
做Agent:即参与到“Planner-Executor”的循环迭代中,创造出能解决特定问题的智能体。
提供个性化的应用环境 (Environment) 和上下文 (Context)。

一个Agent要有意义,就必须有用武之地。ChatGPT的“环境”是语言对话,Coding GPT的“环境”是编程界面。而更广阔的世界中,存在着无数需要被AI赋能的特定环境。
在AGI的牌桌上,巨头们手握算力的“王炸”,而破局者的“胜负手”,则藏在名为“Context”的幽深峡谷里。
为Agent提供一个量身定制的“栖息地”,并在这个栖息地中持续积累独一无二的“Context”,这才是非巨头玩家可以建立护城河的地方。

因为环境和上下文,会深刻影响一个人的行为模式和决策。李志飞举例,一个同样智商的创业者,在美国和中国会面临完全不同的创业环境,获得截然不同的市场反馈(Context)。这种反馈,最终会塑造出两种完全不同的产品路径和思考模式。
对于AI Agent而言,同样如此。一个拥有海量、高质量、个性化上下文的Agent,其智能水平和实用价值,将远超那些只拥有通用知识的Agent。
十二年求索,终归Context
这番思考,也是出门问问对自己过去十二年探索之路的一次深刻复盘。

回顾出门问问的发展历程,从2012年作为中国第一批AI公司投身语音助手,到后来推出TicWatch智能手表、TicMirror智能后视镜、TicHome智能音箱等一系列硬件产品,再到2019年转型软件,推出“魔音工坊”等AIGC产品,在外人看来,这条路似乎充满了曲折与变道。
“确实是坑了很多人。”李志飞自嘲道。但今天,当他站在AGI的新范式下回望,这条看似蜿蜒的道路,其内在逻辑却豁然开朗——所有这些探索,无论软硬,本质上都是在为AI寻找并沉淀不同场景下的Context。
从手腕上的贴身交互,到驾驶时的语音命令,再到内容创作者的工作流,出门问问的每一步,都是在将AI置于一个具体的“环境”中,让它在与用户的真实互动中,积累宝贵的“上下文”。这条长达十二年的求索之路,最终沉淀为公司最核心的资产。
这条路并非坦途。李志飞坦言,出门问问曾深受“硬件思维”的困扰。“我们曾经认为AI是灵魂,硬件是身体”,但这条路的现实是高昂的研发成本、复杂的供应链管理,以及与手机厂商在红海中的惨烈搏杀。
正是这些“坑”的历练,让出门问问最终“顿悟”:硬件的真正价值,并非设备本身,而是作为“传感器”,成为深入用户场景、收集独一无二“上下文(Context)”的最佳载体。 无论是手腕上的贴身交互,还是驾驶时的语音命令,它们的核心目的只有一个——为AI寻找并沉淀一个真实、高价值的“栖息地”。
TicNote的诞生:当递归式AGI遇上场景Context
正是基于这样的战略认知,出门问问的全新产品TicNote应运而生。
TicNote的诞生,也标志着出门问问商业逻辑的又一次转型。李志飞强调,这不再是一个“卖硬件”的生意,而是一个“软件服务”的生意。“硬件是一次性的,但软件的价值在于持续进化,在于订阅。”
这背后,是AGI时代最核心的商业模式:用户购买的不是一个静态的工具,而是一个能够通过与你互动、不断学习和成长的智能伙伴。
这也构成了出门问问在巨头环伺下的非对称竞争战略。李志飞清晰地指出:“我们一直想避开手机厂商做的事情”。创业公司的机会,不在于和巨头拼通用模型或通用硬件,而在于找到一个巨头难以覆盖的、高价值的特定“环境”——比如“会议”,并在这个环境中,通过TicNote这样的载体,深耕独有的“上下文”,从而构筑自己的护城河。
TicNote,从形态上看是一个精致的AI会议记录设备,但其内核,远不止于此。它是出门问问AGI战略的具象化体现,是一个“会议环境 + Context”的完美载体。

它为出门问问自研的AI Agent——“Shadow AI”,提供了一个理想的进化土壤。
Shadow AI,这个被定义为“进阶生产力的智能体”,就生活在TicNote所创造的这个环境中。它不仅仅是一个被动记录的工具,它是一个拥有“六重智能”的Agent,在记录、转写、总结、问答、归档、联网检索的循环中,持续学习和演进。
它会在与你的每一次互动中变得更懂你,在连接你的所有会议场景后,逐渐成长为你的专属“思考伙伴”。
The Next Level of You
这既是产品的Slogan,也是出门问问对AGI终极价值的回答。
当一个具备“递归进化”能力的AGI(以Shadow AI为代表),遇上一个由“十二年探索”沉淀而来的“场景Context”(以TicNote为载体),它们结合所释放的能量,最终将赋予每一位使用者。
李志飞对Agent的定义很简单:它不仅能聊天,更是自适应的 (Adaptive),能够跳出对话,去检索、去行动。这正是Shadow AI的设计哲学,它不是一个被动记录的工具,而是一个主动为你带来曼妙思潮的思考伙伴。
它会成为你的外脑、你的超级助理、你的灵感催化剂,你的“思想外骨骼”,将你从繁杂的事务中解放出来,去完成更高维度的思考与创潜。
我们追求的不是一个无所不能的AI,而是一个因AI而无所不能的“我们”——向 “The Next Level of You” 的递归进化。
这,就是出门问问给出的AGI时代破局之路。它无关乎算力的比拼,无关乎模型的参数大战,它关乎场景,关乎交互,关乎在真实世界中与用户共同成长跃迁。
这或许是一条更艰难,但更具生命力的道路。

跳转微信打开