铃阅时讯
❌

普通视图

硅谷今年最火的岗位 FDE,我们闷头干了三年

2026年6月8日 22:22

原创 佳芮的创业笔记 2026-06-08 22:22 美国

让 AI 真正变成生产力

今年硅谷突然都在抢一个岗位,叫 FDE,Forward Deployed Engineer:公司派到客户现场的人,跟客户一起,把一个 AI demo 真正变成天天在用的系统。

这岗位我们闷头干了三年。

a16z 把 FDE 称作"tech 最火的岗位"。过去 12 个月,招聘量涨了 7 倍:

  • 2025 年 4 月全行业 643 个职位,2026 年 4 月涨到 5,330 个

  • YC 创业公司里就有 100 多家在招,三年前一家都没有。

薪水也在水涨船高:顶级 FDE 在 OpenAI、Anthropic 总包 30 万到 60 万美元,做到资深、纯做技术不带团队的,竟然能超过 100 万美元。

下面看这几家具体在做什么:

  • OpenAI 2024 年底就组建了 FDE 团队,2026 年把它做成独立的 The Deployment Company,初始投资超 40 亿美元,又收购英国 Tomoro,拿到 150 个资深的 FDE

  • Anthropic 组了个 Applied AI 团队,专门派工程师进大企业现场做 AI 落地

  • Google Cloud、Databricks、Scale AI、Adobe,以及几乎所有 B 轮以后的 AI 公司,都在大规模招 FDE

可光招人、买团队还不够。真要把 AI 铺进一家家企业,巨头还是得拉上麦肯锡、德勤、贝恩这些咨询公司。

这事我们 2023 年就在干了,比硅谷早三年。打一开始就说好:客户的业务真做好了才给钱,交个 demo、一份 SOP、几段提示词或者给套软件,都不算数。

FDE 是什么,最早怎么来的

FDE 全称 Forward Deployed Engineer。Palantir 第 13 号员工 Shyam Sankar 在 2000 年代末提出,2010 年代初成型,他本人就是这个词的发明者。

它和我们熟悉的 to B 岗位都不一样:

FDE 不是顾问,也不是一般的软件工程师,是真正被派进客户内部的人:进客户的群,跟客户的产品、研发坐一块儿,拿客户真实的数据和系统干活,开他们的晨会、动手写代码、线上出故障就去修。

他既要定"做什么",也得把东西做出来、接进系统、保证上线后一直能跑。衡量他的不是写了多少代码、交了几份文档,是这套系统到底有没有人在用、客户的生意有没有变好。

上线也不算完,他得一直待到这套系统变成客户每天的日常、客户自己的人能接手。

Palantir 为什么要发明它?它最早的客户是情报机构,这种客户有个特殊麻烦,没法清楚告诉你想要什么:东西是机密,写不进需求文档,开不进会议室。

Shyam Sankar 的判断:

他干脆把工程师塞进客户现场(驻军基地、分析员办公室、战场附近的指挥所),靠观察、实验、当场动手,去搞懂客户真实的业务。

Shyam 反复讲过一句话:

Good ideas don't come from eating strawberries in Palo Alto. They come from the fields of Djibouti and the factory floors of Detroit.

好想法不是在 Palo Alto 吃草莓时冒出来的,它们出现在吉布提的田野上、底特律的工厂车间里。

但 Palantir 真正精妙的地方不在"把人派出去",在背后那套分工。

下场的 FDE 其实是两种人搭班子:

  • 一种叫 Echo,是懂行业的领域专家,负责钻进客户的生意、找出真正该解决的问题;

  • 一种叫 Delta,是工程师,负责快速把东西搭出来。他们在前线搭的代码糙、全是临时补丁,后方还有一支产品团队,专门把现场趟出来的做法抽象成通用产品:先铺出一条"碎石路",再修成能跑下接下来 5 到 10 个客户的"高速公路"。

Palantir 今天一半以上收入的 Foundry,就是这么从一个个客户现场长出来的。

到 2016 年,Palantir 内部 FDE 的人数比软件工程师还多。今天这家公司市值超过 3000 亿美元,毛利率 80%,是软件公司的水平,不是咨询公司(埃森哲只有 32%)。FDE 不是辅助岗位,是它能从"被人骂作咨询公司"长成真正产品公司的原因。

这是 FDE 的模式:让最顶尖的工程师下场。

Palantir 的 FDE 不少是物理、数学背景,技术底子比市面上大多数人都硬。这套打法能啃下最难的客户,可门槛也高得吓人:你得找到既是物理博士、又愿意常驻客户现场写生产代码的人,这种人又少又贵。所以十几年,没人学得来。

FDE 怎么突然就火了

Palantir 闷头干了十几年,外界一直当它是个特例,没人学。直到这两年,大批企业砸钱上 AI,钱花了,东西却跑不起来。

MIT NANDA 2025 年调了 300 个公开的 AI 项目,95% 的企业试点对利润几乎没有可衡量的影响。

问题并不出在模型,GPT、Claude 都很能打,但是落地现场那摊东西却面临很大的挑战:脏数据、没人写过文档的工作流、合规红线、一堆为 AI 之前的时代设计的老系统。

一个 FDE 的原话:

更麻烦的是,AI 系统和传统软件,出问题的方式不一样。传统软件的风险在上线前,设计、集成、测试,跑通了基本就一直跑,真出错也直接报错,好查好修。

AI 反过来,风险在上线后:它是个概率系统,测试时好好的,一碰到真实数据和真实用户就开始退化,还不报错,只是悄悄变得不靠谱,答非所问、前后矛盾,一点点把用户的信任磨掉。偏偏这时候交付的人都走了,内部团队转去做下一个功能,顾问按合同干完就撤。

系统最该有人盯的时候,没人了。FDE 补的就是这个位置:人在客户现场,问题一冒头就当场调、当场改。

再往根上说,Bob McGrew(Palantir 第二位工程师、后来的 OpenAI 首席研究官)的角度是:

Agent 还没有现成的样子。SaaS 你一上来就知道要做成什么样,照着做个更好的去抢市场就行;

Agent 不是,没人知道一个销售 Agent、客服 Agent 最后该长成什么样,只能钻进客户的真实业务里一点点试,而这种试只能在客户内部做。

结论是:谁想在 Agent 时代找到 PMF,FDE 大概是绕不开的路。

巨头自己建了,还得拉上咨询公司

巨头的办法,是把咨询公司大规模拉进来一起干:

  • OpenAI 签了 BCG、McKinsey、Accenture、Capgemini、PwC 五家组成 Frontier Alliances,让它们帮自己把 AI 铺进企业;它砸 40 亿成立的 The Deployment Company,出资方里 Bain、McKinsey、Capgemini 三家就是咨询公司

  • Anthropic 拉黑石、高盛、Hellman & Friedman 合资 15 亿美元搞了家企业 AI 服务公司,把工程师送进世界 500 强,用私募的钱再造一支 FDE 队伍;它的合作方 Deloitte 也直接挂出了"Anthropic Forward Deployed Engineer"的岗位招人

自己建了为什么还要找咨询公司?OpenAI 不缺钱、不缺工程师,连现成的 FDE 都买得到。它缺的是另一样:钻进一家企业、把生意摸透、最后对结果负责。这件事麦肯锡、德勤干了几十年,OpenAI 想从零练出来很慢,不如直接拉它们一起干。

Bob McGrew 给想做 FDE 的创业者提过一个醒:

“如果不是非做不可,别碰,很容易做着做着就变成纯做服务的外包公司。但如果你的市场离了 FDE 根本起不来,那它可能就是你唯一行得通的方式。”

这套"AI 公司+咨询公司"的组合,在中国基本没有。

埃森哲、德勤、麦肯锡在中国都有团队,但规模、话语权比美国小一截;本土咨询公司里,也没谁跟大模型公司这么深度绑定。

我们没等这个组合出现。从 2023 年起,我们就让一个团队同时长出两套肌肉:懂客户的生意,懂 AI 工程。逼我们走这条路的是中国客户:业务真变好他们才续费,过程做得再漂亮也不买单。

一家 AI 公司怎么自己做 FDE

第一个该招的不是工程师

公开资料里反复出现一个事实:Palantir 最成功的几位 FDE,背景是物理和数学,不是 CS。有的来自硬件工程,加入前根本没写过软件。这一拨人里还有产品经理和设计师。Palantir CEO Alex Karp 是哲学博士。

我们自己 FDE 的负责人,是个学法语的 00 后女生。

说穿了并不意外。Palantir 的 FDE 团队里,写代码的是 Delta,真正稀缺的是钻业务的 Echo。Shyam 招 Echo 专挑"反叛者":不只懂这行怎么干,还能看出现在这套为什么不够好。

FDE 真正的核心能力,是读懂客户的生意、把要交付的成果设计出来。写代码是后半段的事。能想清楚"客户的钱从哪儿来、卡在哪儿、AI 能从哪儿撬动它"的人,比只会写代码的人稀缺得多。

大部分公司做 AI 落地的第一反应,是招算法工程师。错了。第一个该招的,是能听懂客户怎么赚钱的人,就是 Palantir 那个 Echo。

这件事我们交过学费。

我们踩过的坑:PE 摸不透客户的生意

最早交付全靠 PE(Prompt 工程师)一个人跑。他能照着客户说的把 prompt、把流程搭出来,可客户那行的生意怎么转、那些话背后的业务逻辑是什么,他摸不透。客户说一套,他照着搭一套,结果总不是客户真正要的。客户不满意,我那一年半有一半时间在救火,救的都是同一类:交付出去的 Agent 又出问题了。

被客户问住、设计被质疑的时候,PE 没底气,只能搬一句"客户就想要这个"来挡,其实他自己也没真懂客户要什么。东西的质量也兜不住:测试全靠手感,改好一处又坏一处。

后来我们改了打法:进场不再让 PE 单挑,先拉一个这行的业务专家一起进去,把客户的生意、流程、门道吃透,再带着 PE 一块搭。业务专家管"该做成什么",PE 把它落出来。配合一阵子,PE 自己也慢慢长出了懂业务的能力,能听懂客户话里的生意了。

想明白的就一条:第一个进客户现场的,得是真懂这行生意的人,不能让一个只会搭 prompt 的人单扛全部。

一个客户,很多能力,对真实成果负责

前年十月我读到 Palantir 的 FDE,第一反应是:我们要的就是这个名字。"按结果交付"的方向我们三年没改,但定义一直模糊。FDE 这个词把它定义清楚了:一个客户,很多能力,对客户身上的真实成果负责。

改名之后,我们改的是这件事本身怎么干。四件事:

进场,先摸客户怎么赚钱。 一个项目分三个阶段。第一阶段是诊断,懂这个行业的业务专家驻场三五天,把客户的 SOP、知识库、整条链路摸清楚:他怎么获客、怎么转化、钱卡在哪个环节。这些业务专家,有的就是从客户那个行业里挖来的老手:比如做在线教育时,我们跟一家头部在线教育公司的前 COO 深度绑定,他离职后跟我们一起,把这个行业的 AI 落地一遍遍打磨出来。不上来就装软件,先搞明白这门生意。这一步就是 Palantir 那个 Echo 在干的事。

搭,是几个人一起搭。 第二阶段,业务专家带着行业经验,和 FDE 一起把 Agent 搭起来、跑内测。这一步过去是 PE 一个人硬扛,现在不是了:懂业务的管业务,工程的活交给工程师,谁也别替谁硬撑。

质量,靠句子守护兜着。 PE 时代最做不好的就是测试调优,全靠人盯,改对了 A 又错了 B。我们把它做成了一个产品,叫句子守护:它自己从客户百万级的真实聊天记录里,挖出用户可能问的刁钻问题,一条条编成测试题(连正确答案该是什么都写好),拿去考被测的 Agent,自动跑、自动出报告:每条的通过率、答得快不快、花了多少钱、要不要转人工,全摆在报告里。这套东西和具体业务解耦,FDE 在现场踩的坑都沉淀进去,下一个客户进场,他手里的杠杆更大。

交付的是成果,不是一个搭好的流程。怎么证明成果是真的?落地时我们和客户做 A/B:AI 组是销售加 AI 一起干,对照组是同样的销售、纯人工,两组的线索质量、团队水平都拉平,只差用不用 AI。然后整条链路一个环节一个环节地比:触达率、响应率、转化率、人效,每一步都有数据,全程留痕,不是只看最后一个大盘数字。两组一摆,AI 带来多少增量,清清楚楚。我们也按这个结果收费:客户的人效真涨了,我们才拿钱。

这四件事合起来,懂生意的人就不用一个人硬扛了:他站在最前面,背后有业务专家、有工程师、有句子守护这套工具接着。他不用自己写代码,系统替他兜着。

这套收费方式,2023 年我们就定下了。当时国内同行主流还是按人头、按工时、按项目里程碑收,按结果的我们是少数。我后来才知道,这正是 FDE 区别于 SaaS 的命根子:SaaS 按席位、按用量收钱,FDE 卖的是"你帮客户解决了一个问题"。这里头有个不对称:大客户既不信自己能成,也不信你能成,因为他见过太多烂尾项目。

所以早期由我们把风险全扛下来,做成了、客户业务真变好了,再付钱。三年下来这条路站住了:客户续约率高,单个客户的合同越做越大。拿一个在线教育的头部客户说,用上这套之后,AI 组的产出是对照组的三倍,一个销售一个月能盯的人从一千做到三千,整条链路从人海一对一变成了一套系统。

他付给我们的钱也跟着这个涨幅走:盯的人翻三倍,付的也翻三倍。我们赚的就是这中间的人效提升,按线索量收费,不按人头、不按工时。

三年 FDE,长出了 7 个产品基建

我们今天有 7 个产品基建,但不是一开始就规划好的。最早只有两个:句子秒回和句子秒懂,一个是人和 Agent 协作的工作台,一个是搭 Agent 的大脑。剩下的全是 FDE 在客户现场一个个撞出来的:撞知识库的墙,长出句子智库;撞测试的墙,长出句子守护;撞老系统接不进来的墙,长出句子 CLI。现场踩的坑,一个个变成了下一个 FDE 进场就能用的杠杆。

这 7 个产品基建分三层,从客户天天在用的那层往下说:

  • 给终端用户用

    句子秒回(工位)是人和 Agent 协作的界面,一套界面复制到销售、律师、市场、HR;句子参谋(参谋)相当于一个随叫随到的数据分析师,用大白话问一句,就能挖用户洞察、拉转化分析、报异常预警。

  • 搭 Agent

    句子智库(记忆)做的是知识工程,把客户几百万字、散乱、还互相打架的知识,炼成 AI 查得到、越用越准的资产,这是 FDE 进场第一件事,业务没理清上面全白搭;句子秒懂(大脑)让业务的人也能编排多个 Agent;句子守护(主管)管测试、灰度、质检,上线每一步把关。

  • 数字化补齐

    AI 要在客户的系统里跑起来,先得把底层铺平。句子 CLI(手)对外打通各大平台,对内把客户的老系统封装成接口、接进上层;句子智造(地基)补齐客户缺的那块数字化能力。

FDE 贯穿这三层,用全套 7 个产品基建,把 AI 装进客户的真实业务。客户开通就拿到我们十年沉下来的行业能力,不用从零搭。这也是为什么我们敢按结果收费:不是赌运气,是手里有这套基建兜底。

从销售开始,往更多场景长

我们最早从销售切进去,这个场景离钱最近,AI 帮客户多转化、多签单,效果最容易用数字讲清楚。同一套 FDE 打法和产品基建跑通之后,往别处复制就快了:场景上,销售之外,律师、市场、HR 都在做;行业上,从在线教育起家,现在金融、医美、电商也铺开了。换个场景、换个行业,做法都一样:把人效做翻倍,把效果摆成数字。

三种 FDE,同一个角色,不同的活法

我们和 Palantir 解的是同一个问题:客户没法清楚地告诉你他要什么。Palantir 的客户是情报机构,机密说不出口;我们的客户是中国 to B,业务流复杂、KPI 多元、组织里利益盘根错节,需求文档同样写不清楚。两边的解法都是把人塞进去,靠观察、实验、当场动手搞懂客户真实的业务。

但三种模式的活法很不一样:

差别集中在两处。

一是成果能不能量化。Palantir 的成果常是"让一个原本不可能完成的任务被完成",比如破获一起恐袭、合规出一份报告,难量化;我们的成果是转化率、人效、营收,可以 A/B 测。所以我们能做按结果收费,Palantir 大部分单子做不到。这一点我们比 Palantir 走得远。

二是对人的门槛。Palantir 的 FDE 哪怕是物理博士,平均水平也比中国市场上大部分人高一截;我们这边的 FDE,可以是个 00 后、一个长在 AI 里的"原住民"。

不是要求更低,是 Agent 时代的低代码工具链帮 FDE 兜了底:他天生把 AI 当手脚使,只要能想清楚客户怎么赚钱、把成果设计出来,剩下的交给工具。OpenAI、Anthropic 今年新做 FDE 也是这个思路:前面是熟悉业务的人,后面是平台和工具兜底。

下场三年,我改了几个想法

AI 没有让客户裁员,反而让客户去抢更多流量。

我们本来以为人效翻倍,客户就会把差的销售裁掉。结果客户不裁。他用同样多的人,把市场上所有好的线索全抢了过来。

市场上的流量就那么多,谁的人效高,谁就能多拿。

好销售和差销售用上 AI,提升的幅度其实差不多。真正拉开差距的不是销售本身的好坏,是他愿不愿意用 AI。这件事甚至改了我们招人的画像。以前嫌一个人想法太多、不够踏实,现在这种人反而是我要的:脑子里点子多,会使 AI,还拿得准 AI 交出来的东西到底行不行。

按结果收钱这条路,三年前我们也没底;三年下来跑通了,比按工时收费的同行稳,客户也认。硅谷今年集体做 FDE,说到底也是认了这件事:客户认的是结果,不是过程。

干 FDE,真正稀缺的是这种人:能扎进一门陌生生意、快速摸懂,又对结果较真。会写代码反而是最不缺的。这种人,离自己出去开公司,其实只差一步。

写在最后

Palantir 十几年前就把这条路走通了,靠的是最顶尖的工程师。硅谷今年才把它捧成最火的岗位,巨头一边自己建、一边拉咨询公司,创业公司则自己招人。我们 2023 年就上路了,没叫它 FDE,靠的是一个团队自己长出两套肌肉,三年踩坑沉淀成 7 个产品基建,从第一天就按结果收钱。

最早把 FDE 讲清楚的那几个人,Palantir 的 Shyam、Bob,反复说的也不是"工程师驻场",是"卖成果,不卖软件"。这正是我们被国内客户逼着走的路。

说大一点,FDE 解的是 AI 这两年最拧巴的一个错配:技术早成熟了,企业也急着要,可大模型变不成业务生产力,中间缺的,就是把模型真正落进一门门生意里的人。

这个角色,中美都验证过是最优解:美国有 Palantir、有 OpenAI 的Deployment Company,中国是我们。

大模型不会自己变成客户的转化、人效、营收,得有人扎进去,一寸一寸把它落下来。这就是 FDE。

我们想做的,是在中国把这件事做到极致:让 AI 别停在 demo 里,真正变成一家家企业手里的生产力,给他们创造看得见的价值。

阅读原文

跳转微信打开

控制论与智能体编码中的“人在环上(Human-on-the-Loop)”

2026年6月8日 19:00

Dirk Lässig 2026-06-08 19:00 北京

当 AI 能够自主编写代码、运行测试并尝试自我修复时,人类开发者应该站在什么位置?是继续在微观层面纠缠于每一行代码,还是退居幕后进行大局掌控?

自 20 世纪 50 年代以来,软件开发的一大瓶颈始终是人类在终端前敲击代码的速度。而今天,这一限制正在悄然消退。随着能够自主生成、测试和重构代码的 AI 智能体(Agents) 的崛起,我们似乎即将彻底攻克这一历史性的效率瓶颈。

然而,这也带来了全新的挑战:如今,AI 产出代码的速度极其惊人,以至于人类进行传统逐行手动代码审查的能力,反而成了新的瓶颈。在软件开发中,人类的引导和塑造依然不可或缺,因为最终的产出必须由人来负责 —— 并且理所应当,我们仍希望保持主导权。

换句话说,我们需要有切身利益相关(skin in the game)的人参与到流程中,以确保 AI 智能体忠实地实现我们的意图。但是,如果我们坚持对每一个微小的代码改动都做“人在环中(Human-in-the-loop, HITL)”式的微观审查,我们不仅会限制系统的吞吐量,更会成为整个研发流程的“断裂点(fracture point)”。这意味着我们要么选择限制智能体的速度,要么沦为“无脑盖章(rubber-stamping)”的工具人,去批准那些我们并未真正理解的代码。

传统人在环中模式(Human in the loop)

像管理组织一样,领导基于智能体的软件开发

Lead an agentic SDLC like an organization

要突破这一“断裂点”,关键在于理解基于大语言模型(LLM)的智能体具有“非确定性(non-deterministic)”。这种非确定性意味着我们不能盲目信任 AI 会把每一件事都做对。但这同样折射出了一个关于人类团队的基本事实:人也同样会犯错。然而,作为由“会犯错的人”组成的复杂交互集合体,企业组织却往往能够实现卓越的业绩并交付极其稳定的成果。

他们是如何做到的?正是通过领导层所建立、管理层所执行与引导的结构、流程、能力和行为。

优秀的管理者不会去审查员工所做的每一件事,但他们掌控着整个系统。他们设计组织架构、进行目标管理、在出现异常时予以干预,并设定规则边界,从而让富有成效的自组织结构自然涌现。

领导一个基于智能体的软件开发生命周期(SDLC)面临着极为相似的挑战。如果我们想更上一步、高效地领导 AI 智能体,我们就必须在 SDLC 中承担起全新的“引导和掌舵(Steering)”角色,而不是试图去检查每一行代码。我相信,要实现成功的掌舵,我们可以从“管理这门手艺(management craft)”中汲取灵感。编排和控制智能体,与管理者领导一个组织有着极多的异曲同工之妙。

💡 示例:

由开发者扮演“AI 团队主管(Head of AI Workforce)”的角色。由他们定义成功的衡量标准(例如:将 API 延迟降低 20%),并建立团队结构和流程(例如:让一个智能体编写代码,而让另一个 QA 智能体独立进行验证)。只有当仪表盘提示目标偏离或智能体之间出现分歧时,开发者才会介入。

引入控制论:连接开发与管理的桥梁

Cybernetic science as the bridge

对于许多软件工程师来说,将管理视为一门“手艺”甚至“科学”可能会感到有些疏离,甚至有些怀疑。将管理实践应用到软件工程中也并非显而易见。然而,“控制论(Cybernetics)”可以作为二者之间必不可少的桥梁。

这一概念由诺伯特·维纳(Norbert Wiener)于 20 世纪 40 年代提出。控制论是研究复杂系统中的通信与控制的科学,它认为生物体、社会组织和机器都遵循着相同的反馈与调节这一普遍规律。

20 世纪 70 年代,斯塔福德·比尔(Stafford Beer)开发了“可生存系统模型(Viable System Model, VSM)”,将控制论与管理学科紧密连接起来。到了 20 世纪 80 年代,弗里德蒙德·马利克(Fredmund Malik)开始将 VSM 融入其著作《复杂系统管理战略》中,这帮助构成了以控制论为导向的“圣加仑管理学派(St. Gallen School of Management)”的中坚力量。

这一庞大的知识库提供了丰富的科学思想体系,能够帮助软件工程师不再把 AI 智能体系统仅仅看作一个“黑匣子”,而是将其视为一个功能完备、可控、可调节的控制论系统。而且,由于控制论作为一门科学,不仅适用于社会组织,同样适用于技术系统,因此它能极好地作为桥梁,帮我们解决智能体 SDLC 中由于人类试图保持“人在环中”而带来的重重摩擦。

💡 示例:

设想一个由智能体驱动的自愈式基础设施。工程师设计了这样一套机制:监控智能体一旦检测到内存泄漏,就会立即触发编码智能体自动修复并打上补丁。在工程师眼中,随之而来的并非几个孤立脚本的简单堆砌,而是一个经典的控制论反馈环 —— 智能体之间的通信通过反馈受到动态调节,从而确保整个基础设施在面临压力时,依然能够保持高可用与稳定运行。

跃升至元维度的“控制”

Leaping to the meta level with steering

为了理解人类如何有效引导智能体,我们必须审视控制论的基石之一 —— 罗斯·阿什比(Ross Ashby)的“必要多样性定律(Law of Requisite Variety)”:“唯有多样性可以吸收多样性(Only variety can absorb variety)。” 多样性缺陷是衡量复杂性的指标,代表了系统不同状态的数量。

在 SDLC 的语境下,智能体系统的“多样性”表现为在机器速度下产生的海量代码变更、架构决策和缺陷修复。为了控制这一点,人类必须具备“必要的多样性”(即同等或更多的状态处理能力),但这往往超出了人类的认知极限。如果人类试图在具体的代码执行层,通过“人在环中(In-the-loop)”来死磕这种多样性,那么必然会以失败告终或导致流程大幅放缓,从而反而降低了多样性,并最终削弱了智能体系统的速度与能力。

自然地,人类必须跳出“问题-解决(Problem-Solution)”层面,移动到更高的抽象维度:元维度(meta level)。弗里德盟德·马利克将其称为元系统控制(meta-systemic steering)。

这就是处于“人在环上(Human-on-the-loop)”的真正含义。这是通过塑造智能体系统、设计并配置它以实现期望目标、并加入适当的机制来引导智能体向这些目标迈进而实现的。

跳出系统:人类设计与配置智能体系统 

上述的控制机制使智能体系统的多样性与人类的能力(多样性)达到一种内稳态(homeostasis) —— 这是一种动态平衡,在此状态下双方都能保持稳定且方向一致。

因此,为了跳出“问题-解决”层并在元维度进行控制,我们必须拥有正确的传感器(Sensors)和指南(Guides)。

人在环上(Human on the loop)终极控制模型 

这便完整构建了我们的“人在环上”模式:智能体系统自主运行其内部的反馈闭环,而身处外部的人类则在系统层面上进行领航。

在设计支持人类控制智能体的机制时,我们应该从控制论的两个核心手段中汲取灵感:

1. 衰减(Attenuation)

通过过滤或聚合,来衰减来自智能体系统侧的超高多样性,避免让人类侧过载。例如:

  • 将高频输出物聚合为浓缩的标准化报告或仪表盘(如:代码质量趋势、智能体任务成功率指标)。

  • 仅基于预设的阈值向上级升级“异常情况”(Exception Handling)。
  • 促进智能体系统内部的自我管理(就像一个成熟的敏捷团队能够在没有管理层日常介入的情况下,自行解决更复杂的局部问题)。

💡 示例:

开发者不再去阅读 QA 智能体每天生成的 200 个冗长日志,而是配置一个仪表盘,仅在测试成功率指标跌破 98% 时才向人类发出警报。这有效地过滤掉了噪音(衰减了多样性),使其在人类有限的认知带宽内变得可控。

2. 放大(Amplification)

放大来自人类侧的多样性,以更高效、规模化地影响 AI 智能体。例如:

  • 将架构和准入决策规则编码进智能体全局策略中

    (例如通过项目根目录下的 AGENTS.md)。

  • 为智能体提供包含特定业务领域或核心技术规范的统一知识库。

  • 将控制权分散给多个人类角色或整个平台工程团队。

  • 通过培训和先进的思维模型,深化人类对系统整体状态的理解。

💡 示例:

开发者编写了一份详尽的 DESIGN_PRINCIPLES.md 文件,其中包含明确的安全规范和编码风格标准。通过将这份指南注入所有智能体的上下文(Context)中,他们将自身作为个体的技术影响力,成百倍地放大到了整个代码库中。

针对这种衰减与放大,业界最近提出了一个新词 —— 安全套件工程(Harness Engineering)。它的意思是为智能体系统内部的高多样性构建一个稳固的“安全套件(Harness)”。

寻找合适的衰减与放大方法,要求管理侧对智能体系统拥有足够精确的模型。这就是康南特-阿什比定理(Conant-Ashby Theorem):“系统的任何优秀调节者都必须是该系统的模型(Every good regulator of a system must be a model of that system)。” 这一理论表明,想要控制智能体系统的人类必须深刻理解系统本应如何运行。通过为 SDLC 设计和配置智能体,人类将形成一个初始的“思维模型”。但在现实中,实际运行的技术系统可能会与该模型产生偏差(例如发生模型漂移,或在某些未预料到的极端情况下失败)。这就是为什么我们需要引入最后一个元素,来促成“人在环上”模式的最终闭环。

在智能体系统中践行“现地现物(Go See)”

"Go see" in the agentic system

为了使整幅控制论图景更加完整,我想引入另一项来自精益(Lean)管理的成功实践。如果说元维度(Meta level)是我们实施全局控制的地方,那么 Gemba(现场/源头) 就是我们验证控制是否真正与现实相连的地方。在软件开发中,Gemba 指的就是创造价值的实际场所 —— 也就是智能体与代码、仓库打交道的微观世界。

在精益管理中,“现地现物”(Go See,或称 Genchi Genbutsu)是指管理者离开高高在上的象牙塔,亲自深入到生产第一线去。对于基于智能体 SDLC 的工程师而言,这意味着尽管他们主要承担着智能体系统管理者的角色,但他们不能完全只依赖仪表盘传感器和指南策略来领导。工程师必须定期、偶尔地“降维”回到微观的“问题-解决”层面。

将“现地现物”反馈环融合进“人在环上”模型 

结构上,“现地现物”的回归是绝对必不可少的,因为它能保持工程师用于控制的思维模型处于最新、最准确的状态。大语言模型可以生成看起来极其精美、能顺利通过单元测试并满足表面需求的代码,但它同样可能悄悄引入代码退化(Code Decay),或包含自动化传感器无法轻易标记的隐性“幻觉(Hallucinations)”。

传感器通过聚合和过滤来“衰减”多样性,而“现地现物”则刻意逆转了这一过程 —— 让人类重新直面繁杂的微观现实。凭借自身的工程专业技能和在软件工程中沉淀的实战经验,人类能够敏锐地识别出未知的失败模式、检测出潜在的代码坏味道(Code Smells),并感知智能体是否在以正确的方式做正确的事。通过对特定代码模块进行手动的、随机的抽样检查(Spot-checks),工程师将人类的技术直觉转化为了整个控制论系统中最顶级的感知输入。

💡 示例:

某位开发者平时主要通过仪表盘关注质量指标,并不断优化智能体的全局 Prompt 策略。然而,每周五下午,他们会进行一次“现地现物” session:随机挑选由编码智能体生成的 3 个复杂 PR(Pull Request),并开展深度的手动代码审查。
在审查中,他们可能会惊喜地发现,尽管代码通过了所有的自动化测试,但智能体却使用了一种非常低效的数据结构,这在未来高并发流量下会引发严重的扩展性(Scaling)问题。此时,开发者就需要重新修正他们对系统能力的模型评估,并改进安全套件(Harness),以便在未来引导智能体选用更合适的数据结构。同时,他们也可能会调整智能体流水线设计,以期在未来更早地自动检测出此类可扩展性问题。

这种对控制行为的阶段性校准,能够确保外部的传感器没有过滤掉残酷的真相,并且制定的指南在真实的代码世界中切实产生了预期效果。“现地现物”是一种修正机制;它应当成为“人在环上”系统中固定的、不可或缺的次级反馈闭环。在组织学习理论中,这实际上正是双环学习(Double-loop Learning)的经典应用。

结语

Conclusion

从“人在环中(Human-in-the-loop)”向“人在环上(Human-on-the-loop)”的范式转变,正是软件工程这一职业在 AI 时代的进化史。探索控制论与管理艺术,为我们在这场变革中提供了坚实的学科底层支撑。它科学地解释了该如何塑造全新的智能体协作系统,使其既能享有机器带来的极致速度,又不会失控,从而持续创造出可靠且一致的业务价值。

在这一背景下,未来的软件工程师和系统架构师实质上正在转变为“控制论系统设计师(Cybernetic System Designers)”。如果他们能做到以下几点,就必将在智能体时代大放异彩:

  1. 应用控制论(Applying Cybernetics):

     深刻理解并善用控制论概念,在人机的演进中精准平衡系统多样性。

  2. 学会控制与掌舵(Learn Steering):

     积极采纳先进的管理学实践,将 AI 智能体作为高产出的团队组织来编排和管理。

  3. 践行“现地现物”(Practicing “Go See”):

     拒绝只看 KPI 报告,定期深入编码一线,用人类直觉和经验不断更新技术思维模型。

这也向我们揭示了一个硬币的两面:在未来,单靠抽象的管理和控制技能是不够的。“现地现物”的有效性依然深度依赖于人类扎实的技术专家经验和对代码的敏锐直觉。因此,留给整个行业思索的终极问题依然存在:

当大部分代码都由 AI 代劳时,我们又该如何为下一代人类开发者保持并培养这些至关重要的、核心的技术直觉与工程硬实力?

跳转微信打开

为什么 2026 年真正重要的是 Harness Engineering?

2026年6月8日 10:03

高可用架构 2026-06-08 10:03 广东

5 种 artifest、5 条原则、1 个悖论,三个顶级团队的工程共识

导读:本文详细介绍了 2026 年新兴的“Harness Engineering”工程学科,核心观点是 AI agent = 模型 + Harness,通过约束、反馈循环和文档让 agent 可靠地生成百万行生产代码,而非单纯依赖模型能力。

文章归纳了五种关键 Harness artifact(如AGENT.md 文件、JSON 功能列表、会话初始化流程)和五条普适原则(上下文优于指令、规划与执行分离、必须有反馈循环等),引用 OpenAI、Anthropic 和 ThoughtWorks 的实践案例。

文章强调 Harness 会随模型升级而“衰减”,需“为删除而构建”,实际应用中简化工具反而可能提升性能,提醒开发者重点设计环境约束而非仅优化提示词。

作者 Rahul(@sairahul1)是 AI 实践者与内容创作者,NicheTrafficKit 创始人。他专注于分享 AI 前沿趋势、实用构建经验与 2026 年新兴的 Harness Engineering,帮助开发者掌握 AI agent 系统设计。

Image
Image

2026 年 2 月,OpenAI 的一个小团队交付了 100 万行生产代码。

他们没有手写任何一行。

代码由 AI agent 写出。

人类设计的是让这些 agent 变得可靠的系统。

这个系统现在有了名字。

Harness Engineering。

几周之内,Anthropic 发表了 3 篇相关论文。

ThoughtWorks 将它形式化为一个框架。

Hugging Face 的 Philipp Schmid 称它为“2026 年最重要的学科”。

一个新的工程学科在 90 天里成形。

而 AI 基础设施团队之外,几乎还没有人真正理解它。

这篇文章会把它讲清楚。

没有废话。没有学术黑话。只有你真正用得上的心智模型。

收藏这篇。你会读第二遍。

第一部分:Harness 到底是什么(它会改变你理解 AI 的方式)

1. Harness 的定义

Image
Image

最简单的定义来自 ThoughtWorks:

→ Agent = Model + Harness

Harness 是模型之外的一切。

让 agent 不偏离轨道的约束。捕捉错误的反馈回路。告诉 agent 自己身在何处的文档。它被允许使用的工具。

拿掉 harness,就只剩一个原始语言模型,在你的代码库里一路猜。

加上合适的 harness,就变成一个能交付生产代码的系统。

这个名字来自马具。

Harness 指缰绳、马鞍和衔铁,它们把一个强大但不可预测的动物引导到有用的方向。

你没有让马变聪明。你设计了让它的力量变得有用的装备。

2. 操作系统类比

Image
Image

Philipp Schmid 给出了最好的技术框架:

把它想成一台计算机。

→ Model = CPU(原始处理能力)

→ Context window = RAM(有限、易失的工作记忆)

→ Harness = Operating System(管理 CPU 在何时看到什么)

→ Agent = 运行在上面的应用

你的模型很强。

但如果没有操作系统来管理内存、调度任务、执行规则,它也只是一块芯片。

大多数人正在运行没有操作系统的应用。

这就是他们的 agent 在生产环境失败的原因。

3. 2026 年发生了什么变化

Image
Image

LangChain 用同一个模型在 Terminal Bench 2.0 上跑了两次。

同一个模型。不同的 harness。

→ 旧 harness:52.8% 分数

→ 新 harness:66.5% 分数

Vercel 走了相反方向。

他们移除了 agent 的 80% 工具。

结果呢?性能更好了。

没有变差。

2026 年一个让人不舒服的真相:

→ Agent 从来不是最难的部分。

→ Harness 才是。

如果 2025 年是 AI agent 证明自己能写代码的一年,

2026 年就是我们发现环境比模型更重要的一年。

第二部分:5 种 Harness 工件(Harness 在实践中长什么样)

4. AGENT.md / CLAUDE.md 文件

Image
Image

这是最通用的 harness 工件。

它们是分布在代码库各处的 Markdown 文件。

Agent 会在每次会话开始时读取它们,就像新工程师加入团队时读入职文档。

里面应该写什么:

→ 项目上下文

→ 编码约定

→ 架构决策

→ “我们在这里怎么做事”的指导

→ 当前正在推进的工作

OpenAI 称它们为 AGENT.md。

Anthropic 称它们为 CLAUDE.md。

Cursor 使用 .cursorrules。

名字不同。原则相同。

每个主要模块一个文件。随着项目演进持续更新。

没有它们,agent 每次会话都在盲跑。有了它们,agent 每次会话一开始就带着上下文。

5. JSON 功能列表(进度追踪器)

Image
Image

当一个 agent 跨多个会话构建完整应用时,每次会话开始都会拿到一个空的上下文窗口。

它怎么知道哪些已经完成?

靠一个 JSON 文件。

每个条目定义:

→ 一个功能

→ 如何验证它能工作

→ 通过 / 失败状态

Agent 在会话开始时读取它。选择优先级最高且仍然失败的功能。实现它。标记为通过。提交。重复。

为什么用 JSON,而不是 Markdown?

Anthropic 发现,agent 意外覆盖 JSON 的概率低于 Markdown。

小细节。在 6 小时自主运行里非常重要。

6. 会话初始化例程

Image
Image

每次会话都以同样的方式开始。

每一次。毫无例外。

Anthropic 的 7 步启动序列:

  1. 确认工作目录
  2. 阅读 git 日志和进度文件
  3. 检查功能列表,找到优先级最高的未完成项
  4. 启动开发服务器
  5. 运行基础端到端验证
  6. 实现一个功能
  7. 用描述性信息提交,并更新进度

没有这个:

Agent 会把前 20 分钟浪费在弄清楚已经存在什么。

每次会话都在重复造轮子。

有了它:

Agent 立刻带着上下文启动,直接进入工作。

7. Sprint 合约

Image
Image

在 agent 写下第一行代码之前:

两个 agent 先谈判。

Generator agent 提出:

→ 它要构建什么

→ 如何验证成功

Evaluator agent 审查:

→ 方案是否完整?

→ 成功标准是否清晰?

只有双方达成一致后,才开始实现。

这就是设计评审。

只是两个参与者都是 AI。

为什么这很重要?

在同一次处理中同时规划和执行的 agent,会产出不可靠结果。

规划步骤即使由 AI 完成,也会显著提升输出质量。

8. 结构化任务模板

Image
Image

在任何编码之前:

Harness 会分析真实代码库。

它生成一个基于实际代码库的影响地图:

→ 真实文件路径(不是幻觉出来的路径)

→ 真实存在的符号名

→ 应该遵循的现有模式

→ 具体验收标准

然后实现才开始。

这听起来很显然。

但大多数团队会跳过。

Agent 猜测文件结构。发明不存在的 API 端点。构建出和代码库不匹配的东西。

执行前先给扎实上下文,输出质量会大幅提升。

第三部分:三个阵营(三支团队撞上同一堵墙,又搭出了三种不同的梯子)

9. OpenAI:环境优先

Image
Image

OpenAI 的 Codex 团队遇到了一个离谱的问题。

100 万行生产代码。零手写。

在这种规模下,你不可能逐行 code review。

所以他们没有这么做。

相反:

他们把环境设计得足够彻底,让 agent 一开始就产出可评审的结果。

他们的方法:

→ 严格的依赖流(Types → Config → Repo → Service → Runtime → UI)

→ 遍布代码库的 AGENT.md 文件

→ Agent 直接接入 CI/CD 流水线

核心理念是:先设计环境。再放手让 agent 工作。

实际成果是:Sora Android 应用。4 位工程师。28 天。Play Store 排名第一。99.9% 无崩溃。

Codex 每周处理了内部 70% 的 pull request。

10. Anthropic:把执行者和评判者分开

Image
Image

Anthropic 遇到的是另一个问题。

当他们要求 agent 评价自己的输出时:

它会自信地称赞自己的工作。

即使在人类观察者看来,质量明显平庸。

自我评价行不通。

Agent 同时扮演学生和老师。

而且它给自己全 A。

他们的修复方案:三个专门的 agent。

→ Planner,把两句话 prompt 转成完整产品规格

→ Generator,一次一个 sprint 实现功能

→ Evaluator,用浏览器自动化像真实用户一样测试运行中的应用

关键洞察:让一个独立 evaluator 保持怀疑,比让 generator 严厉批评自己的工作容易得多。

结果:单独 agent(无 harness):9 美元,20 分钟

→ 破损应用

完整 harness:200 美元,6 小时

→ 带精致 UI 的可用软件

11. ThoughtWorks:2×2 框架

Image
Image

ThoughtWorks 从另一个角度切入这个问题。

他们不是在构建一个产品。

他们在观察 50 多个工程团队如何在同样的问题上失败。

他们的洞察:沿两个轴分类每一种 harness 控制。

**轴 1:**它什么时候运行?

→ Feedforward = agent 行动前(引导)

→ Feedback = agent 行动后(传感器)

**轴 2:**它如何工作?

→ Computational = 确定性、毫秒级(linter、类型检查器、测试套件)

→ Inferential = 使用 LLM、秒级(代码评审 agent、语义分析)

这个 2×2 是:

→ Computational Feedforward:类型系统、linter、架构规则

→ Computational Feedback:测试套件、覆盖率分析、变异测试

→ Inferential Feedforward:规格文档、约束描述

→ Inferential Feedback:LLM 代码评审器、行为验证器

单靠 feedforward 或 feedback 都不够。

两者都需要。

第四部分:所有阵营都同意的 5 个原则(三支团队没有协调,却独立走到了这里)

12. 原则 1:上下文胜过指令

Image
Image

OpenAI:“给地图,不要给 1000 页手册。”

Anthropic:JSON 功能列表和进度文件,让 agent 总知道自己在哪里。

Red Hat:生成任务前先分析真实代码库。

ThoughtWorks:“Feedforward。”

说法不同。发现相同。

把当前世界状态展示给 agent,持续胜过抽象地告诉它该做什么。

→ 扎根真实文件路径

→ 代码贴合代码库

→ 从模糊描述开始工作

→ 幻觉文件路径,发明 API

教训是:在 agent 开始写任何东西之前,确保它准确知道自己在哪里。

13. 原则 2:规划和执行必须分离

Image
Image

OpenAI:人类设计环境,agent 执行。

Anthropic:专门的 Planner agent 在 Generator 接触代码前运行。

ThoughtWorks:规划和实现之间必须有人类评审检查点。

Red Hat:阶段 1(影响地图)和阶段 2(实现)之间有硬门禁。

每个阵营都独立发现了这一点:

让 agent 在同一次处理中同时规划和执行,会产出不可靠结果。

规划步骤不一定要由人类完成。

但它必须是一个独立步骤,而且它的输出需要在实现开始前被审查。

14. 原则 3:反馈回路不可协商

Image
Image

OpenAI:agent 接入 CI/CD 和可观测性系统。

Anthropic:专门的 Evaluator agent 使用浏览器自动化。

ThoughtWorks:将其形式化为“传感器”。并警告说,只有 feedforward 的方法永远无法确认引导是否真的生效。

同一原则的三种实践:

→ OpenAI 使用自动化测试和 CI

→ Anthropic 使用另一个 LLM

→ ThoughtWorks 说两者都用,分层叠加

他们对谁来提供反馈有分歧。

他们对是否需要反馈没有分歧。

没有反馈的 harness,只是一个绕了远路的 prompt。

15. 原则 4:一次只做一件事

Image
Image

OpenAI:把目标拆成更小的构建块,深度优先推进。

Anthropic:强制每个 sprint 只做一个功能,每次之后提交。

ThoughtWorks:分阶段生命周期(集成前 → 集成后 → 持续监控)。

试图一次做太多的 agent:

→ 耗尽上下文

→ 失去连贯性

→ 悄悄漏掉需求

Anthropic 的例程:

阅读进度 → 选择一个功能 → 实现 → 提交 → 重复

强制增量主义,是所有成功 harness 的共性。

16. 原则 5:代码库就是文档

Image
Image

OpenAI:把 AGENT.md 文件嵌入仓库。

Anthropic:用功能列表、进度文件和 git 历史作为 agent 的连续性机制。

ThoughtWorks:衡量“harnessability”,也就是代码库对 agent 的可读性。

没有人为 agent 维护单独的知识库。

Repo 是唯一事实来源。

如果某个约定、约束或架构决策没有写进代码库,agent 就不会知道。

实际影响:

→ 投资代码组织的团队,会免费获得更好的 agent 性能。

→ 混乱 repo + AI agent = 规模化混乱。

第五部分:悖论,构建是为了删除(Harness Engineering 里最反直觉的真相)

17. Harness 衰减是真实存在的

Image
Image

当 Anthropic 从 Opus 4.5 升级到 Opus 4.6 时:

曾经必不可少的 sprint 拆解,变成了累赘。

模型规划能力提升后,它就多余了。

3 月还在承重的 harness 组件,4 月就成了开销。

然后 Opus 4.7 发布。

模型开始验证自己的输出。

Evaluator agent 的职责范围开始缩小。

这就是 harness 衰减。

Harness 中的每个组件,都编码了一个关于“模型做不到什么”的假设。

随着模型进步,这些假设会过期,组件也会变成开销。

Opus 4.5:sprint 拆解 + 每个 sprint 评估

Opus 4.6:不做 sprint 拆解 + 单次评估(节省 38% 成本)

Opus 4.7:模型开始自我验证 → evaluator 角色进一步缩小

18. 构建是为了删除

Image
Image

Philipp Schmid 的建议:

“构建是为了删除。”

把每个 harness 组件都设计成可移除的。

定期关掉每个组件,测试输出质量是否变化。

如果没有变化:删除它。

Manus 在 6 个月里重构了 5 次 harness。LangChain 在 1 年里重组了 3 次。Vercel 移除了 80% 的工具,性能反而更好。

这些都不是糟糕工程的信号。

它们是在快速进步模型之上构建系统的自然结果。

携带已经失效的 harness 组件,会在每一次运行里消耗 token。没有额外质量。纯粹浪费。

19. 成本现实

Image
Image

Anthropic A/B 测试里的真实数字:

→ 单独 agent(无 harness):9 美元,20 分钟

→ UI 看起来能用,但核心功能坏掉

→ 完整 harness(Opus 4.5):200 美元,6 小时

→ 软件能工作,UI 精致,物理逻辑正确

这是 22 倍成本增加。

换来的是一个可运行产品,而不是只在截图里看起来正确的演示版。

这到底贵不贵,完全取决于一次破损发布会让你的团队付出什么代价。

但有件事几乎没人谈:

Harness + 模型的组合会演化。

一次模型升级后,200 美元的 harness 变成了 124 美元。

趋势线是:

→ 更好的模型 = 更简单的 harness = 更便宜的运行 = 更快的输出

2026 年胜出的工程师,不是在写最好的代码。

他们在设计最好的约束。

然后一旦这些约束不再值得保留,就愿意把它们丢掉。

结尾

Image
Image

你刚学到的全部内容:

Harness 是什么:

→ 1. Agent = Model + Harness

→ 2. Model = CPU。Harness = Operating System。

→ 3. 同一个模型,更好的 harness = +13% 性能

5 种 harness 工件:

→ 4. CLAUDE.md / AGENT.md,agent 的 onboarding 文档

→ 5. JSON 功能列表,进度追踪器 + 测试套件合一

→ 6. 会话初始化例程,每次都走同一套 7 步启动

→ 7. Sprint 合约,agent 编码前先协商

→ 8. 结构化任务模板,真实文件路径,真实模式

三个阵营:

→ 9. OpenAI:设计环境,放手让 agent 工作

→ 10. Anthropic:把执行者和评判者分开

→ 11. ThoughtWorks:2×2 feedforward / feedback 框架

5 个通用原则:

→ 12. 上下文胜过指令

→ 13. 规划和执行必须分离

→ 14. 反馈回路不可协商

→ 15. 一次只做一件事

→ 16. 代码库就是文档

悖论:

→ 17. Harness 衰减,上个月有效的东西,这个月可能有害

→ 18. 构建是为了删除,测试并移除失效组件

→ 19. 成本现实,更好的模型 = 更简单的 harness = 更便宜的运行

2026 年胜出的工程师,不是在写最好的代码。

他们在设计最好的约束。

并且一旦这些约束不再值得保留,就愿意把它们丢掉。

如果这篇有用:

→ 转发给你网络里的开发者

→ 关注 @sairahul1,每周看更多类似内容

→ 收藏这篇,你会在 agent 开始不听话时回头参考

我写 AI、做产品,以及 2026 年真正有效的东西。

原文:https://x.com/sairahul1/status/2063544956158185927

参考阅读

如果你也在关注 AI 应用如何真正落地到生产环境,2026.6.26 - 6.27 GIAC 深圳站值得关注。这次大会会集中讨论智能应用开发、架构演进,以及来自一线实践的经验与案例。

识别二维码可申请大会体验门票,点击阅读原文了解大会详细议程。

Image

阅读原文

跳转微信打开

阿里D20|与淘天设计一同讨论“Ai Native 团队的打造”

2026年6月8日 10:00

Alibaba Design D20 2026-06-08 10:00 浙江

当 AI 开始参与真实业务,

很多过去默认的设计流程与协作方式,

也正在被重新塑造。

如果你也在思考:

电商设计、用户体验与工作流,正在发生哪些真实变化?

那D20「AI 电商 分论坛」,或许值得你来听听。

这是淘天集团设计团队,

基于实际业务场景展开的一次系统分享。

从 AI 设计工具、AI 生 UI,到电商AI Agent,

从设计流程变化,到用户体验演进,

从影像叙事,到动态美学

……

这不仅涉及工具层面的升级,

也推动着设计流程、协作方式与设计角色的重新思考。

既然来了,就听点我们正在做的事吧,

作为设计师,回望AI奔涌而过的这三年,我们经历怎样的心路起伏?

作为打工人,面对建议与要求—无论善意还是荒唐—我们又作出怎样的回应?

作为应用者,在技术快速更迭的洪流中,我们如何不被裹挟,亦不被落下?

我们坚信面对未来本真与务实能让我们走得最远;审美与知识能让我们跑得最快。

基于此我们正围绕核心业务,系统性地构建三大支柱:AI设计能力、AI设计工具、AI设计Agent。

这不仅是一场技术的升级,更是一次设计思维的重塑。

我们,坚实的跑起来了。

 如何参与 

1.扫描大麦二维码

2.选择 7.11上午场【分论坛/工作坊】

分论坛-AI 电商

 购票指南 

观众可通过大麦APP,或在微信、支付宝【大麦小程序】中搜索「D20全球设计院长峰会」,即可进入购票页面完成购买。

实名制购票:请务必填写真实有效的身份信息。

单场次限购说明:同一个实名参会人,同一时间场次仅支持购买1张论坛门票。每张门票均需绑定唯一有效身份证件,请确保参会人信息准确无误。

退改政策:门票具有稀缺性与时效性,一经售出,不支持退换、转赠,请确认行程后再行购买。

场次权限:请遵循门票上对应的场次权限参会。

公益说明:D20门票部分收入将与阿里巴巴公益合作,联合生态伙伴,共同用于“AI设计公益”相关项目。

最新议程,扫描下方二维码直达官网

 或点击小程序购票 

 AI 电商 分论坛内容预告 

《既然来了,就听点我们正在做的事吧》

我们正处于AI时代之下,设计流程和工作方式有了质的变化。输出设计成为我们最微不足道的工作。设计师已经可以切换成任何一种身份,有能力去独立交付任何一项任务。

《AI to UI 设计工作流演进与研究》

分享将聚焦淘天设计团队自研的“AI生UI”设计工具,探索AI加持下的设计工作流,专注体验创新与价值创造,解析复杂业务中的AI设计实践。

《AI Native产品设计实践》

购物类AI Agent进化:从单一搜索到全能电商助手,设计师在用户动线,用户交互范式,用户购买决策等维度都有了一些新的实践思考。

《AI影像叙事美学研究》

融合角色、情感、交互设计,将设计师独有的动态美学与AI结合,提升影像动态制作效能的同时又能让用户有更多元化的感官体验,并且实际应用在电商场景中,这已成为设计师们的必修课。


AI 正在持续影响设计行业,

但真正重要的,

或许不是追逐概念,

而是在具体业务中,如何把技术真正利用起来。

这场 「AI 电商 分论坛」,

更像一次来自一线团队的阶段性分享:

关于淘天集团设计团队正在尝试什么、

遇到了什么问题、

以及如何在变化中持续推进设计实践。


如果你正在进行体验设计的日常学习、大厂求职关口、职业方向抉择……

书中每一位亲历者,都将为你提供切身而真实的答案。


//////END //////

淘宝设计,一个服务于全球亿万消费者体验的设计团队,致力于让设计触动人心,让商业美而简单。我们有小红书啦,关注「蟠淘会TAOBAO DESIGN」,看更多设计团队的生活日记!

跳转微信打开

Obsidian 模板开发日志(一)下定决心了

2026年6月5日 15:05

原创 二一的笔记 2026-06-05 15:05 福建

大的要来了

我有一个兴趣就是喜欢阅读别人的开发日志,甚至是 Github 的 Changelog,像故事追更一样,可以看着他把一件艰难的事逐步完成,实在是非常有趣。

比如,很早之前我阅读 Heptabase 开发者的博客,他的思考和实践就给我了非常大的启发,也因此促使我用尽全力做完了两期 Heptabase 的长测。至今我依然自信地认为,或许没有人能把这款产品讲得比我好。

出于不求回报的热爱,我获得了比金钱更让我满足的自我肯定。

因此我在想,要是我把自己现在开发 Obsidian 模板的过程、或者遇到的困难也写下来,说不定也有人会想看看呢?并且借此机会,我也可以把自己的开发思路完整梳理一遍。

今天这篇《开发日志 01》我想和你分享三件事:

  • • 我放弃 Notion 了吗?

  • • 为什么还要记笔记?

  • • 我在开发什么样的 Ob 模板

📢

如果你想第一时间收到模板发布通知,可以在下方链接提交你的邮箱,届时会有首发优惠,乐观估计的话,再打磨 2-3 个月就可以上线了。

21obsidian.com/waitlist

我放弃 Notion 了吗

这个时候开发 Obsidian 模板,是不是意味着我放弃了 Notion 的使用?让我先讲个小故事吧。

三年前我的 Notion 课程众筹小获成功,好多出版社问我有没有出书的计划,但我拒绝了所有邀请,并在心里暗自嘲笑了自己一番。

当时我想,我不过是能把 Notion 用得稍微熟练一些罢了,我凭什么能写书?如果我的方法只能在 Notion 上实践,则更多只算是某些奇技淫巧的拼装,一旦脱离了 Notion 的语境,价值就会迅速下降。

虽然事后被很多有经验的朋友反对,都说先占个坑再说,能把书先写了就是国内 Notion 第一人之类的,但对我来说如果真要写书,我还是希望我可以分享更有价值的、更通用的方法论,而不是一本可能出版 2 个月就会因为 Notion 的更新而过时的工具书,那样也太搞笑了。

所以在接下来的这三年,我开始更有目的、更体系化地沉淀自己的方法,直到我发布了一站式的 Notion 系统模板后,有大量评论、私信和邮件向我反馈,我所构建的系统真的在发挥作用。

我打心底里感谢愿意购买模板的这一两千名用户,甚至于竟然让我有勇气开始畅想,我的体系或许有一天也能被人记住,就像卡片笔记法或者 PARA 之类的东西,眼下我就暂且叫它为 FLO.W 吧。

在我的人生里这绝对算得上是一个里程碑,但此刻我更想知道的是,我花了这么长时间打磨出来的系统里,有没有能够脱离 Notion 也依然可以发挥作用的东西?

于是我从一名创作者转变为一个建筑师,我开始思考,怎么才能用同一套「力学体系」在不同的地基上盖不同的房子,给不同的人住。

一个理论只有足够简单,又足够通用,才能被更多人用在更多地方,而通过开发 Obsidian 模板,我可以在完全不同的功能框架上去实践我的构想。

因此并非有什么原因让我放弃了 Notion,它依然是我个人知识管理的首选,只是我认为时机和能力终于成熟,可以将我在 Notion 中积累的方法,迁移到同样重要的 Obsidian 之上。

然而搞清楚 Obsidian 所有的插件用法,其实从来都是横亘在我身前的天堑,也是我迟迟不敢做 Obsidian 模板的最大原因。因为我不能只考虑自己需要的那少数几个插件,一旦我开始做 Obsidian 的生意,我需要面对的将是难以计数的笔记需求,和琳琅满目、奇形怪状、甚至震撼人心的插件问题。

但现在有了更强大 AI 的帮助,过去那些如同魔法一般、只有八级技工才能用得顺畅的 Obsidian 插件,我终于也能轻易掌握,任何插件问题都不再是问题了。甚至于我也已经在 Codex 的帮助下,开发自己的 Obsidian 模板的配套插件,这在 1 年前都还是我不敢染指的领域。

既然能力已经成熟,我不能继续等待一个更完美的时机了。

还有必要记笔记吗

当 AI 已经可以完成 99% 的知识探索,很多过去值得珍藏的笔记,今天已经失去了记录和管理的必要。

所以 All in AI 是不是最终答案?

让 AI 决定文件夹怎么创建、再决定笔记怎么存放,然后把所有的东西都塞进去,需要什么再让 AI 从盒子里掏出来就好,何必还要自己浪费时间?

放弃思考从来不是一次性的决定,它是一寸寸后退和麻木的积累,直到某天你会突然发现,自己已经很久没有和一段文字真正搏斗过了,想写一段情真意切的小作文发发朋友圈,或许还得问问豆老师或 G 老师怎样抒情才更动人,但那样收获的感动有多少是属于你自己。

我从来不反对 AI 介入,只是我想开发的 Obsidian 系统,是为人与 AI 的协力思考所设计的,你在所有场景下都有不可缺位的重要性。

地图导航可以精准规划所有路线,但它不能代我回答,我为什么要去那里,如果连旅行的意义都交给 AI,我只会反复走进所有人都在排队的网红打卡点。

如果 AI 知识库的反刍成了我理解自己的唯一途径,那么 AI 的决断就是我的决断,AI 的品味就是我的品味,当 AI 犯错时,我将连质疑的线索都找不到,如果所有问题都是 AI 替我发现的,那么我自己真正在意的东西,就会被拉低到所有人的平均值。

而笔记的价值就正好体现在这里,AI 越是强大,人越是需要把自己的方向、行动和好奇心放在看得见、摸得着的地方。

它不只是资料仓库,也不只是写作素材库,更需要成为让我能持续留下个人痕迹的地方,我怎么命名,怎么分类,怎么关联,怎么写下当时的犹豫和判断,都会慢慢变成 AI 理解我的依据,只有知识库里的语料更多出自我手,大模型的计算矩阵才会更加向我偏移。

因此,与其问 AI 时代还有没有必要记笔记,不如说,AI 时代让个人的沉淀变得比任何时刻都更加重要。

我想开发什么样的模板

基于上述原因,即便 AI 已经可以构建知识库的黑盒,我依然想保留人类对笔记系统的可读性和可操作性。

我无法接受将所有笔记不加整理地塞进同一个文件夹,短期或许很轻松,长期则会让系统越来越不可名状,你知道东西都在里面,但你弄不清楚它们之间的关系。

因此我所开发的 Obsidian 系统一定会延续我在 Notion 里最重视的这几个要素:整齐、有序、结构化的信息组织风格。

如下图所示,我非常有信心,你一定会在这乍一看简单无比的系统里,一步步体验到我为你埋藏的几十、甚至上百个惊喜。

大多数人一旦开始深入使用 Obsidian, 必然会遇到这两个问题:

1.文件越来越多,不知道该放哪里
2.插件越来越多,不知道该选哪个

首先,打开这套系统后你将惊讶于它的简单和直白,一眼就能知道自己的笔记该放在哪里、怎么创建和使用,信息之间怎么流动、怎么互相支撑也一目了然:

如何将笔记关联到项目

如何将项目拆分成任务

如何从任务中提取出经验

如何将经验沉淀为长期能力

然后我会竭尽所能地降低插件依赖,让它即便在 Obsidian 原生能力下也可顺畅运转;必要的插件会被认真筛选,只使用最稳定、最热门、开发者维护意愿最高的第三方插件,保留真正能改善工作流的部分。

并且我也正在为这套模板开发配套的深度插件,届时将向所有购买模板的用户免费提供。

尽管我现在还不能向你揭示这套系统的全貌,但我有充分的自信,这套系统几乎可以兼容任何人群、任何场景的记录需求,它所预设的 Skill 也能让你智能地调用任何 AI,无缝丝滑地兼容你现有的工作流。

你会发现,你所使用的 AI 将比任何时刻都懂你,并且在此基础上迭代进化,越来越懂你。它不只能帮你整理材料、拆解任务、更能真正成为你在新时代的个人基建。

模板上线后,最终交付到你手上的,将包含以下三个产品

  1. 1. 零门槛的 Obsidian 知识库

  2. 2. 精心制作的图文+视频教程

  3. 3. 持续分享的 Obsidian 技巧心得

至于它最终会是什么样子,就请留待第二篇、第三篇的开发日志吧,感谢你能阅读到这里。

📢

如果你想第一时间收到模板发布通知,可以在下方链接提交你的邮箱,届时会有首发优惠,乐观估计的话,再打磨 2-3 个月就可以上线了。

21obsidian.com/waitlist

阅读原文

跳转微信打开

聊一聊Agent 预装 skills 的方案设计

2026年6月3日 22:33

原创 idoubi 2026-06-03 22:33 广东

看到一篇文章,有用户吐槽 Hermes Agent 预装了 100 多个 skills,出发点是为了开箱即用,但是注册太多 skills 污染了上下文,影响了工具调用命中率(即使使用了渐进式披露的形式)
FastClaw 预装的 skills 只有三个:
1. camoufox-cli
2. find-skills
3. skill-creator

设计思路很简单,我认为一个能自主决策,自我进化的 Agent,应该可以发现自身的不足,根据任务类型动态补充技能,并通过自我迭代,把技能沉淀下来,不断适应各类复杂的任务。
有一个观点叫做:模型之外都是 Harness。给 Agent 预装 skills 属于 Harness 工程的一种,目的是为了让模型的输出通过工具调用收敛到一个更符合预期的结果。
模型是马,Harness 是马具,给千里马和给普通马,装的马具应该是不一样的,Harness 工程需要适应模型的进步。秉持少即是多的原则,我给 FastClaw 只预装了三个 skills👇
1. find-skills 让 Agent 在不能直接处理任务请求时,自动搜索并安装可用的 skills,这里对接的 skills 市场是 skills.sh,主要考量是这个市场有做安全审计和下载量统计,可以通过排行来查找高质量的 skills
2. skill-creator 让 Agent 在通过 find-skills 没有找到合适的 skills 时,能自己创建一个 skills 来处理任务请求。使用完后沉淀到用户的 skills 目录,可以在后续的任务复用
3. camoufox-cli 是为 Camoufox 这一 Agent 浏览器而制作的命令行工具,适用于各类浏览器操作场景,比如爬取网页内容、截图之类

在这三个 skills 的配合下,Agent 在部分常见任务下的工作表现良好,交付质量高。
---
当然,预装常用 skills 也有其合理性。毕竟 Agent 对 skills 的自动发现、安装、创造,非常依赖模型的智能程度,意图识别很关键,能找到或创建合适的 skills 来处理任务,有一定的抽卡概率。而系统内置,由管理员提前做了筛选和配置,模型只要能选对就可以了。
大道至简,FastClaw 选择内置最少的必要技能,其余的交给模型自由发挥,在 deepseek-v4-flash 跑了一段时间,效果还可以。
还有哪些你觉得必须要内置的 skills?

跳转微信打开

从 Harness 到动态工作流:Claude Code 多智能体任务编排的新范式

2026年6月3日 09:47

高可用架构 2026-06-03 09:47 广东

动态工作流不是简单的并行执行,而是用分类、扇出、对抗性验证和锦标赛机制,把长任务拆进多个独立上下文。

导读:就在今天,Anthropic Claude Code 团队成员 Thariq 介绍了 Claude Code 的 Dynamic Workflows 功能。他认为,这是 Claude Code 继 skills 和 subagents 之后的重要能力升级,使 Claude 能够围绕具体任务动态生成定制化多智能体工作流,也就是专属 harness。

据介绍,Workflows 不只面向编码场景,也适用于商业计划分析、简历筛选、根因调查、支持队列整理等非技术任务。通过 fan-out、adversarial verification 等模式,Claude 可以将复杂任务拆分给多个独立智能体处理,从而降低 agent 懒惰、目标漂移和自我偏好偏差等问题。

作者 Thariq(@trq212)是 Anthropic Claude Code 团队成员,曾参与 YC W20 项目,任职 southpkcommons 和 medialab。他专注 AI 工具开发,尤其推动 Claude Code Workflow 多 agent 工作流升级,助力非技术任务自动化。

Image
Image

上周,我们在 Claude Code 中发布了动态工作流[1]。Claude 现在可以即时编写自己的执行框架[2],为手头任务量身定制。

默认的 Claude Code 执行框架是为写代码而构建的,但它对许多其他任务也很有用,因为事实证明,很多任务都很像编码任务。不过,有些任务类别要达到最佳表现,我们过去必须在 Claude Code 之上构建自定义执行框架,例如 Research[3]、安全分析[4]、智能体团队[5],或 Code Review[6]。

工作流让你可以动态创建执行框架,使 Claude 能在 Claude Code 内部更原生地解决这些问题,以及更多类似问题。你也可以与他人分享并复用这些工作流。

本文会介绍我早期使用工作流的体验和经验,帮助你充分利用它。

不过,最佳实践仍在发展中。动态工作流通常会使用更多 token,所以要仔细想清楚什么时候用、怎么用。说明:这篇文章也发布在 Claude Blog[7]。

示例提示词

在深入技术细节之前,我想先用一些示例提示词帮你想象工作流的可能性:

  • “这个测试大概 50 次运行会失败 1 次。建立一个工作流来复现它,形成理论,并在 worktree 中对这些理论做对抗性测试,/goal 不要停,直到有一个理论成立。”
  • “用一个工作流,检查我最近 50 个 session,挖掘我反复做出的纠正,把那些反复出现的内容变成 CLAUDE.md 规则。”
  • “用一个工作流,翻阅过去六个月 Slack 里 #incidents[8] 的内容,找出反复出现但没人建 ticket 的根因。”
  • “拿我的商业计划跑一个工作流,让不同智能体分别从投资人、客户、竞争对手的视角拆解它。”
  • “这里有一个包含 80 份简历的文件夹,用一个工作流为后端岗位排序,并复核前十名。用 AskUserQuestion 工具问我问题,形成评分标准。”
  • “我需要给这个 CLI 工具起名。用一个工作流头脑风暴一批选项,再跑一场锦标赛选出前 3 个。”
  • “用一个工作流,把我们的 User model 在所有地方都重命名为 Account。”
  • “检查我的博客草稿,用一个工作流对照代码库验证每个技术主张。我不想发布任何错误内容。”

动态工作流如何运作

动态工作流会执行一个 JavaScript 文件,其中包含一些特殊函数,用来生成和协调子智能体[9]:

Image
Image

动态工作流也包含标准 JavaScript 函数,例如 JSON、Math 和 Array,用来辅助处理数据。

值得留意的是,动态工作流还可以决定智能体用哪个模型,以及子智能体是否在自己的 worktree 中运行,让 Claude 自行选择所需的智能水平和隔离程度。

如果工作流被中断,例如用户操作或退出终端,恢复 session 时,工作流可以从中断处继续。

为什么需要动态工作流

当你让默认 Claude Code 执行框架完成一个任务时,它需要在同一个上下文窗口里同时规划和执行。对很多编码任务来说,这非常有效,但在长期运行、大规模并行,或者高度结构化的对抗性任务中,它有时会失效。

原因是,Claude 在单个上下文窗口里处理复杂任务的时间越长,就越容易受到几类特定失败模式影响:

  • 智能体懒惰,指 Claude 在一个特别复杂的多部分任务尚未完成时提前停下,并在只取得部分进展后宣称任务完成。例如,在安全审查中只处理了 50 个项目里的 20 个。
  • 自我偏好偏差,指 Claude 倾向于偏爱自己的结果或发现,尤其是在被要求根据评分标准验证或评判这些结果时。
  • 目标漂移,指经过许多轮对话后,尤其是在上下文压缩之后,Claude 对原始目标的忠实度逐渐下降。每一次压缩都会丢失信息,边界条件要求或”不要做 X”这类约束可能会丢了。

创建工作流有助于对抗这些问题,因为它可以编排多个独立 Claude,让它们拥有各自的上下文窗口,以及聚焦、隔离的目标。

动态工作流与静态工作流

你以前可能用 Claude Agent SDK 或 claude -p 创建过静态工作流,来协调多个 Claude Code 实例。

但静态工作流需要覆盖所有边界情况,因此通常更通用。借助 Claude Opus 4.8[10] 和动态工作流,Claude 现在已经足够智能,可以为你的具体用例编写量身定制的执行框架。

Image
Image

使用动态工作流时有用的模式

你可以直接要求 Claude 创建一个工作流,也可以使用触发词 “ultracode”,确保 Claude Code 创建工作流。

不过,建立动态工作流如何运作的心智模型,会帮助你理解何时该使用它们,以及如何通过提示词引导 Claude。

Claude 在构建工作流时,可能会使用并组合几种常见模式:

Image
Image

分类再行动

使用一个分类器智能体判断任务类型,然后根据任务路由到不同智能体或不同处理方式。也可以在最后使用分类器来决定输出。

扇出并综合

把任务拆成许多更小的步骤,为每一步运行一个智能体,然后综合这些结果。当存在大量小步骤,或者每一步都受益于自己的干净上下文窗口,避免互相干扰或交叉污染时,这种模式尤其有用。综合步骤是一个屏障,它会等待所有扇出的智能体完成,然后把它们的结构化输出合并成一个结果。

对抗性验证

对每个生成的智能体,再运行一个独立生成的智能体,根据评分标准对它的输出做对抗性验证。

生成并过滤

围绕某个主题生成一批想法,然后根据评分标准或验证结果过滤,去重,并只返回质量最高、经过测试的想法。

锦标赛

让智能体竞争同一个任务,而非拆分工作。生成 N 个智能体,让它们用不同方法尝试同一任务。然后由提示词或模型通过评审智能体进行成对评判,直到选出胜者。

循环直到完成

对于工作量未知的任务,循环生成智能体,直到满足停止条件,例如没有新的发现,或日志里不再有错误。不要使用固定轮数。

使用场景

不妨放开思路,想想什么时候、用什么方式让 Claude Code 创建动态工作流。我发现,工作流有时对非技术工作甚至更有用。

Image
Image

迁移与重构

Bun[11] 借助工作流从 Zig 重写成了 Rust。你可以在 Jarred 的 X thread[12] 中阅读更多细节。

关键是把任务拆成一系列需要处理的步骤,例如 callsite、失败测试、模块等。为每个修复在 worktree 中派生一个子智能体,让它完成修复,再让另一个智能体做对抗性审查,然后合并。可以考虑告诉智能体不要使用资源密集型命令,这样你就能最大化并行度,同时避免耗尽机器资源。

深度研究

我们在 Claude Code 中发布了一个使用动态工作流的深度研究 skill(/deep-research)。具体来说,它会扇出 web 搜索,抓取来源,对主张做对抗性验证,并综合成一份带引用的报告。

但你可以把这类研究用于 web 搜索之外的场景。例如,让 Claude 从 Slack 上下文中汇总状态报告,或者通过深入探索代码库来研究某个功能如何工作。

深度验证

Image
Image

另一方面,如果你有一份报告,想检查并溯源其中引用的每一个事实性主张,可以生成一个工作流,让一个智能体识别所有事实性主张,然后为每个主张派生一个子智能体做详细核查。你还可以让验证智能体检查溯源子智能体,确保它使用的来源足够高质量。

排序

Image
Image

你可能有一份条目列表,想按某种定性指标排序,而你认为 Claude Code 擅长评估这种指标。例如:按 bug 严重程度排序支持 ticket。但如果你尝试在一个提示词里排序 1000 多行,质量会下降,而且上下文也装不下。更好的做法是运行锦标赛、由成对比较智能体组成的流水线(相对判断比绝对打分更可靠),或者先并行分桶排序,再合并。每次比较都是自己的智能体,因此确定性的循环负责维护赛程,只有当前运行顺序留在上下文里。

记忆与规则遵守

Image
Image

如果你有一组特定规则,发现 Claude 即使写进 CLAUDE.md 也经常漏掉或难以遵守,可以创建一个工作流,列出必须由验证智能体检查的规则。每条规则对应一个验证智能体。创建一个怀疑者人格的子智能体来审查这些规则,确保它们合理一致,有助于避免太多误报。

反向也成立:挖掘你最近的 session 和代码审查评论,找出你反复做出的纠正,用并行智能体聚类它们,对每个候选规则做对抗性验证(这条规则是否真的能防止一次真实错误?),然后把幸存下来的规则提炼回 CLAUDE.md[13]。

根因调查

调试的最佳方式,是提出几个相互独立的假设并测试它们。但如果只使用一个上下文窗口,Claude 可能会遇到自我偏好偏差。工作流可以通过结构设计防止这一点:派生多个智能体,从互不重叠的证据中生成假设。例如,为日志、文件和数据分别创建智能体。随后,每个假设都可以交给一组验证者和反驳者审视。

这并不只适用于代码。工作流也可以用于销售(为什么三月销售额下降?)、数据工程(为什么这条 pipeline 失败?),或任何事后复盘练习。

大规模分诊

Image
Image

每个团队都有支持队列、bug 报告,或某种无法完全由人类处理的 backlog。

分诊工作流会对每个条目分类,与已经追踪的内容去重,并采取行动。这可能意味着尝试修复,也可能意味着升级给人类用户。

分诊工作流中一个有用模式是隔离区。读取不可信公开内容的智能体被禁止执行高权限操作,这些操作改由负责根据信息采取行动的智能体完成。

把分诊工作流和 /loop 搭配起来,可以让 Claude 持续执行这类任务。

探索与品味

当你要探索某个解决方案的不同路径时,工作流很有用。尤其是设计、命名这类基于品味的任务,如果配上评分标准,会更适合工作流。

可以让 Claude 探索一批解决方案,并给审查智能体一套优秀方案应满足的评分标准。当审查智能体认为已经满足条件时,任务就完成了。方案也可以依据评分标准通过锦标赛排序或选出。

评估(Evals)

你可以为特定任务运行轻量评估:在 worktree 中派生独立智能体,然后派生比较智能体,根据评分标准比较并评定具体输出。例如,根据特定标准评估并改进你创建的一个 skill。

模型与智能路由

创建一个针对你任务调优的分类器智能体,让它决定使用哪个模型。当任务涉及许多工具调用,并且执行前的研究可以识别最适合的模型时,这会很有帮助。

例如,“解释 auth 模块如何工作”这个任务的最佳模型,取决于 auth 模块有多少文件,以及代码库的结构。分类器智能体可以先做这项研究,再根据预期复杂度路由到 Sonnet 或 Opus。

什么时候不要使用动态工作流

工作流还很新。虽然有很多场景可以带来超额结果,但并非每个任务都需要它们,而且它们可能会使用明显更多 token。

最好把工作流用于创造性地推动 Claude Code,让它做过去没能做到的事情。对于常规编码任务,可以先问问自己:它真的需要更多计算吗?例如,大多数传统编码任务并不需要一个 5 人审查小组。

构建动态工作流的提示

提示词

为动态工作流写详细提示词,并使用上面描述的具体技术,通常会得到最佳结果。

工作流不只适合大型任务。你可以提示模型使用 “quick workflow”。例如,可以快速创建一次针对某个假设的对抗性审查。

结合 /goal 和 /loop

对于可以重复运行的工作流,例如分诊、研究或验证,可以把它们与 /loop 搭配,让它们定期运行;再结合 /goal,设置硬性的完成要求。

Token 使用预算

你可以为动态工作流设置明确的 token 使用预算,限制任务使用多少 token。可以用类似 “use 10k tokens” 的预算提示词来设置上限。

保存和分享动态工作流

你可以在工作流菜单中按 “s” 保存工作流。可以把它们提交到 ~/.claude/workflows,或者通过 skill 分发。

Image
Image

如果要通过 skill 分享,把你的 JavaScript 工作流文件放进 skill 文件夹,并在 SKILL.MD[14] 中引用它们。为了保留更多灵活性,你可能会希望提示 Claude 把 skill 里的工作流当成模板,而非必须逐字执行的脚本。

Image
Image

一个全新的世界

工作流是扩展 Claude Code 的一种有用新方式。我建议你把它看作起点。关于如何最好地使用它们,还有很多东西有待发现。欢迎告诉我们你的发现。

Thariq Shihipar 和 Sid Bidasaria(@sidbid[15])是 Anthropic 的 technical staff,负责 Claude Code。

参考阅读

References

  1. 动态工作流: https://code.claude.com/docs/en/workflows
  2. 执行框架: https://code.claude.com/docs/en/glossary#agentic-harness
  3. Research: https://support.claude.com/en/articles/11088861-using-research-on-claude
  4. 安全分析: https://support.claude.com/en/articles/11932705-automated-security-reviews-in-claude-code
  5. 智能体团队: https://code.claude.com/docs/en/agent-teams
  6. Code Review: https://code.claude.com/docs/en/code-review
  7. Claude Blog: https://claude.com/blog/a-harness-for-every-task-dynamic-workflows-in-claude-code
  8. #incidents: https://x.com/search?q=%23incidents&src=hashtag_click
  9. 子智能体: https://code.claude.com/docs/en/sub-agents
  10. Claude Opus 4.8: https://www.anthropic.com/news/claude-opus-4-8
  11. Bun: https://bun.com/
  12. Jarred 的 X thread: https://x.com/jarredsumner/status/2060050578026189172
  13. CLAUDE.md: http://claude.md/
  14. SKILL.MD: http://skill.md/
  15. @sidbid: https://x.com/@sidbid
  16. 原文 https://x.com/trq212/status/2061907337154367865

如果你也在关注 AI 应用如何真正落地到生产环境,2026.6.26 - 6.27 GIAC 深圳站值得关注。这次大会会集中讨论智能应用开发、架构演进,以及来自一线实践的经验与案例。

识别二维码可申请大会体验门票,点击阅读原文了解大会详细议程。

Image

阅读原文

跳转微信打开

让 AI 替你自主干活的 12 个技巧

2026年6月2日 19:41

原创 阳志平 2026-06-02 19:41 北京

AI自主系统

从去年年底开始,我做了一个新的尝试:每天下午出门跑步之前,把一批活派给 AI,然后出门。等我跑步回家,它还在持续工作。偶尔,心情来了,给同学们开直播,让大家围观 AI 是如何自主干活的。

刚开始,AI 自主干活的时长稳定在 30 分钟到 3 个小时,而最近几个月,这个时长不断被突破,慢慢地,3 个小时已经极为稳定了,9 小时也不在话下,甚至时不时持续工作到 36 个小时以上。

这种你不在电脑前、甚至在睡觉时,AI 依然在勤勤恳恳替你干活的感觉,只要体验过一次,你就再也回不到从前了。业界喜欢用「harness」这个词,我自己更愿意叫它 AI 自主系统(Autonomous AI System)。在一次访谈中,我甚至谈到,「衡量当前 AI 发展到了什么水准,就看一件事:在没有任何人类介入的前提下,它能独立工作多久、能不能交付高质量的成果。」

那么,如何实现一个好的 AI 自主干活系统呢?分享一些经验。

第一组:任务编排

这个环节,是为数不多需要人类介入的一环,因此极为重要:给 AI 恰到好处的任务、恰到好处的上下文,以及恰到好处的任务执行流程编排。

 技巧 1:合并同类项

指令示例:请你读取任务清单上所有尚未关闭的问题,然后请合并同类项,确保每轮执行的都是同一组问题。继而按照任务复杂度从低到高排序,控制在 12 小时能干完的工作量。

对新手来说,我建议任务清单不要写在本地,更建议写成一条又一条 issue,效果更好。AI 非常擅长处理 issue,而没那么擅长处理本地的自定义格式的任务清单。这里的 12 小时也可以下调为 3 小时或更短时间。

这条技巧背后的原理是尽量减少上下文切换。AI 自主干活,最怕任务杂。 让它一会儿修 bug、一会儿写文案、一会儿做表格,上下文反复横跳,交付质量必然差。同类任务则不然。它能把上一个任务里建立的模式、踩过的坑,顺势复用到下一个,越干越顺。

那么,为何还要按照复杂度排序呢?答案其实很简单,让 AI 先用简单任务「热身」,把这一类问题的套路摸熟,再去啃复杂的,成功率更高。AI 与人类有非常类似的一面:成功带来成功。反之,一个新手,则会不断打断 AI 干活,最后 AI 交付的质量也会越来越差。

技巧 2:确定性分流

指令示例:请你在实际动手干活之前先判断:你是否已拥有足够的上下文?你是否明白你要实现的目标或解决的问题了?你是否已经对你的目标或问题进行过元反思了,是否需要重新定义问题?如果你的确清楚,就直接干;如果不清楚,请先调研,把关键决策点列给我,等我拍板再干。

每次,我跑步之前,都会这么问它一轮,是否明白今天要自主干的这批活的目标,以及是否拥有足够上下文了?然后再让它提供关键决策点,我决策后就安心出门。

这就是 AI 自主干活系统的核心设计:把人介入的点,前置到「开工前」,而不是「返工时」。

很多人用 AI 的痛苦在于,AI 闷头干了半天,方向是错的。事后盯得更紧没用,关键是让 AI 在开工前先自我分流:高确定性的活,一句话确认就放手;高不确定性的活,先停下来,把拿不准的几个关键决策摆到你面前,你拍完板它再走。该自主的地方彻底自主,该请示的地方绝不自作主张。

技巧 3:开工前,先确认世界没变过

指令示例:开工前先确认一下当前的真实状态(最新的进度、版本、数据),别拿上一次缓存的旧状态当真相。

AI 干活的一个隐藏陷阱是:它手里的「事实」,往往是上一次对话开始时的快照。可这期间,别人可能已经改过了,后台可能已经自动合并过了。基于过期状态干活,轻则白忙,重则覆盖掉别人在途的工作。

因此,我的 AI 自主干活系统设定了一个 boot 原则,第一步永远是「先核对现在的真相」。放到任何协作里都一样:动手前,先确认世界没在你不知道的时候变过。

第二组:实际开工

这一组技巧极为反直觉,也体现了 AI 自主系统和传统工作流的根本不同。

技巧 4:干了再说,边干边对齐

指令示例:别在计划上无限纠缠。先把最小可用的版本跑起来,让产出本身说话;过程中每隔一段,就拿我们最初的意图回来对一次,看跑偏没有。

传统工程教育告诉你:先写详尽的计划,再动手。但在 AI 自主系统里,我越来越确信一件事——计划永远不是唯一的真相,实际产出(比如代码)才是。

复杂的活当然也写计划,但计划只是一次性的脚手架,别当成金科玉律。需求往往是「干」出来的,靠「想」想不全。用 AI 快速迭代原型,跑通四五个大版本之后,你才真正知道自己想要什么。这个阶段,人多反而是负担:你没法跟人解释「为什么又要推翻重来」,但 AI 不需要你解释,它马上帮你验证。

所以实现阶段的纪律就四个字:先跑起来。计划写得再周全,也不如让产出先长出来,再拿意图反复校准它。所谓对齐,是让意图和不断生长的产出互相补全,而不是让产出去迁就一份僵死的计划。

技巧 5:worktree 并行分身

指令示例:把这个大活拆成几块,每个分身负责一块,注意给每个分身都利用 git worktree 创建一个隔离的工作副本,让它们同时干、互不干扰,干完再合到一起。

普通人开两个 AI 改同一个项目,立刻就冲突打架。更大的提速,来自让一群分身同时干同一个大活。 单个 AI 的吞吐有上限,杠杆就在「并行」二字。

技术上的实现,就是 worktree。worktree 这个由 pclouds 主导开发的新功能,早在 2015 年就诞生了。但在 git 中却并非一个常用命令。如今,得益于 AI 的进步,它成了 AI 自主系统的标配了。

使用 worktree,几乎所有的人都不适应,因为人类大脑不是这么工作的,我们格外不擅长多线程切换,以及管理多线程。所以,这里的关键是,如何将 worktree 的工作流程约束在人类的工作记忆与认知负荷以内。

技巧 6:补齐测试

指令示例:干完别急着交。把各类测试、尤其是端到端测试补齐,功能必须真的跑通,而不是看起来跑通。

AI 擅长自我欺骗,很多时候,没有实际测试,就宣称工作完成。或者只测容易的场景,没有测复杂的场景;或者只考虑常见的数据,没有考虑到边缘数据。因此,我们得提前约束 AI 必须进行更复杂的各类测试。比如,端到端、多样本、真环境。 测一个不算数,要拿不同类型的样本各测一遍,确保产出跨场景都稳。

迁移到非编程类任务也一样:一篇稿子、一份方案,别只在你设想的理想读者身上「跑通」,要拿几类真实场景来进行压力测试。

第三组:自检与评审

认知科学中有一个著名的元认知错觉,就是我们以为自己知道,然而实际并不知道。同样,AI 作为一种新型智能体,也存在类似的元认知错觉。因此,我们需要让它进行自检与第三方评审。

技巧 7:对抗性自检

指令示例:请派几个分身,分别扮演最挑剔的评审者(或:你见过最严格的评审者),从互不相同的角度找漏洞:一个查重复和冗余,一个查并发和边界,一个查有没有破坏旧功能。各自把问题写下来。

这个技巧需要注意:

1)务必多视角。不要只一个视角。自检不是「再读一遍」。再读一遍,AI 只会再一次确认自己是对的。有效的自检,是把自己分裂成几个互不相同、互相对抗的视角同时审。 一个专挑冗余,一个专挑边界,一个专挑「为了实现新目标而破坏了旧功能」。视角越分化,越能逼出单一视角看不见的问题。

2)沉淀项目专用的自检 Skill。这里的「重复和冗余」「并发和边界」「是否破坏旧功能」,仅仅是举例。你可以根据自己项目的实际情况,替换为自己的自检维度。我建议每个项目,都沉淀一个专门的自检 Skill,将这个项目容易出现的一些错误都沉淀在里面。你可以调用 42plugin cli 的 skill 生成器自动生成。

技巧 8:换一个不同谱系的模型来评审

指令示例:请调用 Codex 进行评审,注意命令为:codex exec -m gpt-5.5 -c model_reasoning_effort=medium,评审提示词为  <review prompt>。

这是我认为最被低估的一步,也是大多数人很少尝试的一步。为什么仅仅依赖干活的 AI 大模型自检还不够?因为它的上下文已经被任务细节污染了,同时任意一个大模型的能力都会受限于训练数据与 Agent 提示词的设定,存在天然局限。

更好的做法是换一个干净的、不同谱系的 AI 大模型:一个全新的上下文,最好来自另一家公司、用不同训练数据和不同推理风格训出来的旗舰模型。

我一般是在 Claude Code 中用 Opus 4.8 模型干活,我设定的 AI 自主干活系统,必然有一个步骤,调用 Codex 的 GPT-5.5 模型来进行独立的第三方评审。很多人不知道,Claude Code 可以直接调用 Codex 做代码评审,但你需要指定模式为:codex exec -m gpt-5.5 -c model_reasoning_effort=medium。

技巧 9:分级修复,每轮给出通过信号

指令示例:请把所有问题按 P0/P1/P2 分级,一轮一轮修。每修完一轮,都要给我一个明确的「通过 / 不通过」信号,不许含糊地说「差不多了」;不通过就继续,直到通过为止。

评审的结论,必须落到一个可判定的信号上,而不是一句模糊的「应该可以了吧」。

这背后有个微妙的风险:让两个 AI 一起评审,最大的危险是它们会互相说服——干活的那个解读评审结论时,会下意识往「通过」的方向偏。所以我从不让干活的模型自己解读评审结果,而是设一个明确的判据:通过就是通过,不通过就接着改。同时,每一轮都必须是真修,不许原地打转重复提交。问题分级(P0 必修、P1 必修、P2 酌情),一轮轮收敛,直到通过。

需要注意的是,每轮修复,都要把教训沉淀成一条可复用的规矩,下次开工前先读一遍。把评审中学到的东西制度化,是让 AI 自主干活系统越用越聪明的飞轮。

第四组:自动续航

前三组技巧让 AI 能把「一件事」干漂亮。这一组,让它在你离场后,自己一件接一件地干下去。

技巧 10:看门狗

指令示例:请用 CronCreate 帮我创建一个看门狗,定时读取记录工作进展的文件,找到下一个未完成的步骤立即执行,不要问我任何问题。

看门狗是这套系统里最简单、却最关键的一招,正是它让我们摆脱「人在回路」。这样,哪怕你去睡觉,它也会一步步把活往下推。类似的还有「心跳监控」:让它定时读 memory 文件,有待办就立即执行,没有就回一句 HEARTBEAT_OK。

技巧 11:意外处理矩阵

指令示例:遇到任何卡死、修不动、不可恢复的情况,不要停在那里等我。把情况记进状态文件,跳过它,继续下一个。永不停摆。

仅仅依赖看门狗又不够,它依然会报错、卡住。因此,我们要提前预设意外处理矩阵。这是我的某个项目的真实「意外处理矩阵」示范:

如果:codex 评审超时(> 5 min 不返回),那么:kill 进程 + 记录 + PR 留着不合 + 跳下一个
如果:codex 持续 REQUEST_CHANGES(≥ 2 次),那么:PR 留着不合 + 评论附 codex 输出 + 跳下一个
如果:测试 fail 修不动,那么:PR 不开,分支保留 + 在 issue 评论标 BLOCKED + 跳下一个
如果:调用 /simplify Skill 改完测试 fail,那么:撤改动重新做 + 仍 fail 标 BLOCKED
如果:任何 unrecoverable,那么:记 .claude/notes/autonomous-state.md + 跳下一个

    就像人类设定执行意图能大幅提高行动力一样,提前预设「意外处理矩阵」,其实就是给 AI 预设执行意图,从而大大提高了行动力。

    撰写「意外处理矩阵」的核心原则是:永不停摆。 一批任务里,总有一两个会卡住。如果一卡就停,这个 AI 自主干活系统也太弱了吧?所以规则必须是:单条卡住,就跳下一条,绝不阻塞整体推进。 卡住的那条标记好、留着,等你回来手工处理;其余的继续往前。

    这个原则在设计 AI 自主系统的时候,几乎处处可见:为失败预设绕行路径,别让局部的卡顿拖垮整体。

    技巧 12:状态持久化

    指令示例:请维护一个状态文件,把「已完成 / 进行中(当前在哪一步)/ 卡住 / 待开始」实时写进去,每进入一个新阶段就更新一次。这是看门狗醒来后唯一的真相源。

    AI 没有跨对话的长期记忆,上下文一重置就「失忆」。解法是把记忆外置成一个文件。 这个状态文件是整个 AI 自主系统的唯一真相源:看门狗醒来,先读它,就知道上次跑到哪、下一步该干什么;中途任何一次中断,都能从断点无缝恢复。

    它还有一个常被忽略的作用:收尾时给你一份人话。 AI 自主干完一整夜,你最怕回来面对一个黑箱。所以这套流程要求它最后产出一份汇报:哪些完成了、哪些卡住了、做过哪些关键判断。让你一眼就能接管,而不是从头重新理解一遍。

    小结

    这轮 AI 发展足够快,整个社会还来不及适应,带来了很多新问题。最突出的新问题是——人有人的节奏:要吃饭、要睡觉,注意力是有限的;AI 有 AI 的节奏:可以持续运行,但上下文也会被塞满。

    当这两套节奏开始一起工作,问题就变成了:哪些事你要亲自做?哪些事可以交给 AI 持续推进?怎么让人的「碳基作息表」和 AI 的「硅基作息表」更好地协同?而更本源的问题是:如何让越来越强的 AI 增强人类,而不是削弱人类的自主感与意义感?因此,需要我们从单点思维跃迁到系统思维,我提出的 AI 自主系统就是尝试正面回应这类问题。

    真正的答案是什么?也许它不在那些确定的、高效的、可被自动化的回答里,而在人类面对 AI 这类快速生长的技术巨物时的恐惧之中,在它所带来的颠覆面前的踌躇之间,在一时不知如何自处的茫然之际。当 AI 把确定的事越做越快、把不确定留给人类,恰恰是这份恐惧、踌躇与茫然,见证着人类之所以为人类。

    阳志平
    2026-06-02

    相关阅读:

    跳转微信打开

    侠客汇 AI-Native 之路:如何打造「可自进化」的端到端 AI 工作流

    2026年6月2日 15:11

    原创 杨乐、金丽华 2026-06-02 15:11 北京

    想了解更多转转公司的业务实践,欢迎点击关注下方公众号:

    2026 年 2 月,侠客汇一个会员改版需求,整整做了 3 个月才上线,业务一堆项目卡在后面干等。

    1 个月后的今天,同样规模的需求,我们 3 周就能交付。而且变化远不止「快」这一点:

    维度

    改造前

    改造后

    协作角色

    6 种(运营/产品/UI/前端/后端/测试)

    3 种(运营 / 产品设计 / 技术)

    文档产出

    纯人工撰写

    AI 出初稿、人审(纪要/PRD/技术文档/用例)

    信息衰减

    跨 6 角色层层衰减、反复对齐

    产品-技术两端直连,纪要即「需求契约」

    典型需求周期

    会员改版 3 个月

    同类需求 3 周交付

    研发效率

    —

    整体提升 50%

    经验复用

    靠人记、人传,人走即清零

    沉淀进知识库,越用越聪明、抗人员流动

    但最核心的改变不在这张表里——是我们打造出了一条「可自进化」的端到端 AI 工作流:从需求沟通到上线交付全程由 AI Agent驱动,而它每跑一个需求,就把新经验沉淀进「组织记忆」、自动变得更懂业务。正因如此,效率提升不再是一次性的,而是可累积、可复利:需求做得越多,工作流越聪明,下一个需求就越快。

    我们只做了两件事:

    • 让 AI Agent 驱动每个环节,人只做决策和审核

    • 把团队每一次的经验沉淀成那份会自进化的「组织记忆」

    下面,就从那个「耗时 3 个月」的需求讲起,说说这一切是怎么发生的。


    一次「3 个月才上线」的改版

    先把这 3 个月,慢在哪拆开看。

    一个会员改版需求,要走完这样一条链路:运营提需求、产品调研现有系统能力并梳理改动点、反复开会确认决策点;产品手写 PRD、画原型、改方案;再拉上前端、后端、测试、UI,开需求评审会、技术评审会、测试用例评审会……6 种角色、15 个节点、5 场评审会,需求在一个个角色之间层层传递。

    问题就出在「传递」上。每经过一个角色,信息都在衰减:运营的真实意图,产品转述时会走样;技术理解需求时又有 gap;UI 拿到再问一轮……于是反复沟通、反复返工。更棘手的是,会员系统历经 2 年、多次小改版,没人能完整复述线上逻辑,光是翻历史代码、捋清现状就耗掉大量时间。

    而最深的一道坑是:这条链路上的经验,没有沉淀下来。上次改版踩过的坑、定过的规则,都散在个别人的脑子里、某次会议的纪 要里。下一个需求来了,一切又从零开始。

    所以我们想做的,不只是「把这次改版做快」,而是让整个组织既快、又会越来越快——这就引出了贯穿全文的两条线:产品线与技术线。


    一、慢的真相:拆开旧流程

    那 3 个月,不是哪个人不努力,而是整条流水线的结构就注定了慢。把旧流程摊开,慢有三个根源:

    慢的根源

    具体表现

    重复劳动多

    需求现状调研、写 PRD、画原型、画 UI、写用例——大量人工撰写,纯耗时

    信息层层衰减

    需求跨 6 个角色传递,每过一道手就走样一次,理解偏差只能靠反复开会对齐

    经验不沉淀

    踩过的坑、定过的规则只在个人脑子里,下个需求从零开始,同样的弯路再走一遍

    解法的方向因此也很清楚:用 AI 替代重复劳动、精简角色与环节、消除信息衰减、把经验沉淀下来让组织复用。

    旧流程 vs AI-Native 新流程
    旧流程 vs AI-Native 新流程

    二、我们的两条信念

    信念一:每一个环节,都由 AI Agent 来操作和驱动,人只做决策和审核。

    AI Agent 是流水线的操作者——它读需求、查代码、写文档、自检、评审、归档,一整套连贯地跑下来。人退到该在的位置:在关键岔路口做判断、为模糊处拍板、对最终结果负责。重复劳动交给 Agent,高价值的决策留给人。

    信念二,也是本质:我们要的不是一个工具,而是一份「可自进化的组织记忆」。

    经验不再靠人「抽空整理」,而是在 Agent 执行任务的过程中被自然沉淀,再供给下一次的 Agent 或下一个人。需求做得越多,这份记忆越丰富、越准确、越成熟。它如同一位永不离职、且持续精进的资深同事。

    下面分产品、技术两条线看它们怎么落地——你会发现,它们其实是同一个故事的两种讲法。


    三、产品线:找关键提效点,约定输入输出标准

    这一段在解决什么:产品设计链路上「找真需求、写 BRD、写 PRD、画原型图、画 UI」的耗时与信息衰减。

    怎么解:先想清楚 AI 该先打哪、产品和技术怎么分工,再用 AI 替代重复撰写,把 6 种角色协作在生产端收敛成「产品设计、技术开发」两端的「1+1」极简协作——运营提出的需求,将产品设计、UI 设计都归到「产品」这一端。

    3.1 启动之前:先想清楚 AI 解决什么问题

    很多事情都可以通过AI赋能,但需要想清楚我们先解决什么问题,于是我们把需求分了类:

    需求分类

    特点

    怎么对待

    现有系统日常迭代

    占整体 90% 以上,依托业务系统、直面终端用户,业务逻辑复杂、中台逻辑耦合深

    痛点是上线流程繁琐、排期周期长、机会成本极高——本次优先攻坚

    纯增量创新需求

    创新型项目需求,多为内部运营配套系统,不直接面向终端用户。目前该类需求落地较少,投入产出比(ROI)偏低、业务优先级靠后,但实际也存在明确优化痛点。

    AI Agent 可全流程闭环,留作后续创新空间

    综合业务痛点优先级、落地难度及价值回报,本次产品的AI原生工作流建设,优先聚焦现有系统日常需求迭代的效率痛点,开展优化落地。

    我们参考了一下目前互联网企业AI工作流落地模式,不同公司不同部门工作范式差异巨大,没有统一标准,也无法直接照搬,要根据实际业务的情况和组织现状,去思考合适的范式。

    最终我们借鉴阿里「1+1协作」范式并进行本地化适配——舍弃产品闭环前端开发那一环,把范式定为产品-技术的「1+1」分工——【产品端:运营需求 + 完整方案 + 高保真 UI】+【技术端:全流程生产交付】。

    3.2 痛点:每个角色到底卡在哪

    前面「慢的真相」看的是全链路的三个结构性根源;现在把镜头推近,只看产品设计这一段,每个角色具体卡在哪:

    角色

    工作环节

    核心痛点

    运营

    需求采集、优先级判定

    如何找到真需求,并准确总结,定义优先级

    需求整理、BRD 输出

    纯人工撰写,耗时耗力,效率偏低,描述准确性低

    产品

    PRD 设计、原型输出

    人工调研周期长,跨角色传递信息衰减、理解偏差,反复沟通,修改成本高。

    UI

    UI 方案设计

    人工设计耗时久;跨角色理解偏差,需频繁与产品对齐,沟通成本高

    目标因此明确:用 AI 替代各环节重复性工作,精简协作角色与流转环节,从根上解决跨角色的信息衰减与理解偏差,把链路收敛成产品设计-技术两端的「1+1」协作。

    从「6 角色层层传递」到「产品-技术 1+1」
    从「6 角色层层传递」到「产品-技术 1+1」

    具体怎么落?我们从需求输入、PRD设计、UI设计 三个环节分步解决。

    3.3 第一步:把「写 BRD」换成「开一场好会」

    第一个关键判断是:不要拿 BRD 喂 AI。因为 BRD 有 AI 克服不了的天然缺陷——我们实测过不同投喂物料的效果:

    投喂物料

    效果

    BRD噪音多

    (背景与目标混杂、方案脑补、逻辑跳跃)、
    方案越界(写"我要这个功能",而非"要解决什么问题")、
    共识模糊(运营单向输出、未经产品校验)
    ——AI 会把错误假设当事实,生成看着完整、实则全是坑的 PRD

    会议纪要信息纯净

    (只记双向确认后的结论)、
    需求聚焦(会上已把"解法"拉回"需求")、
    共识强绑定(相当于双方签字的"需求契约")
    ——是当前条件下的最优解

    于是探索出一条高效的「产运工作流」:

    需求输入标准化:会议 → AI飞书纪要 → PRD
    需求输入标准化:会议 → AI飞书纪要 → PRD

    这条工作流背后是一个固化的 AI 技能:上传会议逐字稿、一句固定指令「按 BRD 结构输出文档」,自动产出覆盖核心痛点、数据支撑、P0/P1/P2 分级功能、业务流程、规则、风险、待办的标准化纪要,并且会自动创建飞书文档连接。它对业务无感、无负担——运营不必再提前花大量时间写 BRD,仅一场标准需求沟通会就完成共识;我们还可以统一需求会议标准,反向推动业务一起从源头提升需求沟通质量。

    3.4 第二步:PRD 从「人工撰写」到「AI 分步生成 + 人工逐段确认」

    对标传统 PRD 全流程,我们搭了一条分步人机校验的自动化工作流——不追求"一键生成完整 PRD"(那只会批量出错),而是 AI 分步起草、人工逐段把关:

    PRD 自动化五步
    PRD 自动化五步

    这条流水线不是一蹴而就的,它踩着坑迭代了六个阶段才成型——这段历程,恰好就是「知识沉淀」这件事的最初摸索:

    阶段

    做了什么

    踩到什么坑 / 得到什么认知

    尝鲜期

    直接用 AI 一键生成完整 PRD

    幻觉严重、编造业务逻辑——大模型只是概率预测工具,不是万能魔法

    规范期

    固定团队 PRD 模板投喂

    格式规范了,内容仍不达标——格式规范 ≠ 内容可用

    拆解期

    拆成多模块分步生成、逐模块人工核对

    出错率大降——最优模式是「AI 快速起草 + 人把控方向与逻辑」

    寻源期

    接入历史 PRD 与真实代码校准

    全量投喂导致上下文溢出——堆数据 ≠ 有效输入,必须精炼

    降噪期

    只投喂精炼核心:《产品逻辑时间轴》+《底层代码索引》

    输出质量质的跃迁,贴合真实业务、不再编造

    进化期

    搭「错题本」+ 动态纠错

    人工纠错自动沉淀为规则门禁,工作流自我纠错、持续进化

    走到「进化期」你会发现:产品线踩出来的这套「精炼知识 + 自动纠错」,恰恰就是技术线那座「项目知识库」的雏形。两条线在这里第一次握手。

    3.5 第三步:UI 从「反复对齐」到「AI 直出可交付物料」

    摒弃原有「产品手绘原型 + 提 UI 需求 + 反复沟通对齐」的低效模式:产品依托 AI 工具Claude code直接生成标准化 UI 交付文件(Figma),全程无需与 UI 设计师反复对齐,产出物可直接交付技术开发。这一步依托 UI 与前端的组件标准化基建。

    3.6 怎么把它稳稳铺开:先内部打磨,再业务无感渗透

    好工具还得能落地。我们没有一上来就全员铺开,而是走「先内部打磨、再对业务无感渗透」的两段节奏:

    双轨落地节奏
    双轨落地节奏
    • 团队内部:初期不追求全员铺开,聚焦小范围核心力量攻坚,在不影响正常业务迭代的前提下,快速跑通、打磨AI工作流。产品负责人亲自跟进所有AI产出结果,针对输出质量给出精准反馈,真实摸清当前AI能力的边界、优势与短板,明确后续技能优化、流程迭代的方向。接下来将已验证可行的AI工具、自定义Skill,优先培训给团队业务骨干,由骨干率先落地使用,持续收集一线使用问题,迭代优化工具与流程,打磨出稳定可用的标准化方案,再推广给全员。

    • 业务侧:不打乱业务原有节奏——先保留运营宣讲 BRD 的习惯,由产品侧独立把「会议转 BRD」跑通;再用统一的会议标准反向推动业务提升需求会议质量。核心原则是利他赋能、绝不把成本转嫁上游,靠真实的效率提升赢得业务配合。

    产品线这三步,节省的都是「重复撰写」和「跨角色对齐」——而 PRD 流水线里那个「错题本」,正是「可自进化的组织记忆」在产品线上的雏形:每一次人工纠错,都自动沉淀成规则门禁,下次主动规避。下一步,产品工作还会从「承接需求提效」往前延伸到「主动挖掘真实需求」,把闭环补全。


    四、技术线:从「老项目考古」到「会自进化的知识库」

    产品借助 AI 实现了效率的质变,那么研发侧该如何用 AI 提效?最直接的答案是 AI Coding,而过去普遍的做法是 Vibe Coding——凭感觉让 AI 直接写。

    但这条路有一个致命缺陷:AI只能看到代码"是什么样",看不到代码"为什么是这样"。而在一个老项目里,最要命的恰恰就是那些「为什么」:这条链路当年为什么不敢加缓存、这个字段为什么删不得、那段绕远的逻辑当初到底是为了填哪个坑——这些约束全都不写在代码里,只装在老员工的脑子里。人一走,就成了没人能解的谜。所以问题的本质,是要把藏在人脑里的隐性约束,显式地搬进 AI 的上下文,让它在和资深工程师同等的信息条件下工作。

    想清楚这一点,结论就很自然了:AI 缺的从来不是能力,而是「这个项目的上下文」。与其每个需求都临时喂一遍背景,不如一次性把整个项目的知识沉淀下来,建成一座 AI随时能查、而且越用越厚的「项目知识库」——这才是靠知识沉淀提效,而不是靠 Vibe Coding 碰运气。

    这座知识库的形成分两段——先一次性「打好地基」,再让它在每个需求里自我进化。下面这张图,先把整个闭环看一遍:

    闭环全景图:从老项目到「越用越懂行」的完整飞轮
    闭环全景图:从老项目到「越用越懂行」的完整飞轮

    关键点:知识库如何设计

    知识库目录结构
    知识库目录结构

    4.1 冷启动:给老项目「打一次地基」

    在进行老项目考古的时候,一个难点是你需要让AI知道什么东西,AI才能很好的理解这个项目,并在一定的规范的前提下,去进行需求的开发,这里面我们把AI想象成一个新人,当团队来新人之后,我们是怎么去培养新人的,让新人去理解整个项目。

    第一步 · 先带它了解项目全貌

    1. 告诉新人整个转转的技术体系,项目的代码结构,各模块之间的依赖关系,项目中用了什么外部能力

    2. 告诉新人项目对外提供了什么能力,这些能力在项目中是怎么分类的

    3. 告诉新人数据库在哪里,都有什么表,表结构怎么样,表之间的关联关系

    通过以上的三步,新人大体就能了解整个项目是如何运转的,以及接到需求之后,该如何下手,所以我们也将这些信息告诉AI,就有了以下三张蓝图:

    蓝图文件

    记录什么

    让 AI 能做什么

    ① 架构总览

    系统分层 + 全景图 + 下游依赖清单

    接到需求就判断「改动会影响哪几层、会调到哪些下游服务」

    ② 接口 清单

    (含全量入口速查表 + 循环依赖检测)

    每个对外接口的落点、参数、归属模块

    关键词一搜就命中「这个需求动哪些表、改哪个 Facade、会牵动谁」

    ③ 数据库 ER 图

    (含真实索引明细)

    全表清单 + 字段 + 线上真实索引

    写 SQL 知道走哪个索引、改字段前知道会影响哪些表

    过程中需注意的点:

    • 接口注释与实现脱节:人改代码常不维护注释(比如:名叫「查询」的方法实际还改状态),照搬就会得到错误的接口说明。机制是让 AI 逐行比对实现与注释,不一致就让人确认,绝不轻信接口注释。

    • 索引必须拿真实 DB 结果:线上索引几乎一定和代码里的不一致(手工加过、DBA 调过)——强制阻塞,等人回贴真实的 SHOW INDEX,不许从代码反推。

    • AI 会漏扫:强制它自检——拿接口清单里的实体去和数据库实体逐一比对,降低漏扫的发生。

    第二步 · 把「隐性知识」问出来

    认全项目后,AI 知道了「代码该怎么写」。但真到写需求时,还有大量隐性知识它不知道:历史上为什么这么设计、有哪些坑、哪些地方碰不得。这些代码里根本没有,新人也只能去问老员工——那怎么让 AI 也知道?我们的做法是「人设计问题、AI 扫代码、人来解答」:

    • 先按当前业务的特点,自己列出核心要关注的问题(长事务、锁设计、Facade 设计理念、联表查询等),让 AI 去扫代码、由人给解答;

    • 让 AI 扫描核心接口,我们设计好问题,由人补充业务逻辑和隐藏的坑——因为这些业务规则,AI 根本不可能从代码里推测出来。

    最终我们把这个过程中我们的回答,全部沉淀到知识库,这样AI在下次进行需求开发的时候,就有知识可以参考:

    这一步同样有两个关键要点:

    • 别直接问「有什么坑」:而是通过 AI 扫出的规则 + 代码证据去唤起老员工的记忆——「原来这块当年踩过坑」,顺手就补出了代码里扫不到的隐性坑(线上事故、上下游兼容历史),比干问准得多。

    • 核心接口不是扫得越全越好:扫太多会让 AI 上下文爆炸。我们做两个取舍——近三个月没有流量调用的接口不扫;再根据上下文容量,判断到底扫多少个接口合适。

    4.2 日常飞轮:每个需求都让知识库更聪明

    老项目进行了一次性的知识沉淀,是给了AI在做需求过程中一个参考,但知识会升级会新增也会过期,如何在日常需求承接过程中,让知识库可以自进化。

    从产品侧每来一个飞书格式的新需求,Agent 都会跑一遍 装载 → 归档 → 入库,外加一道贯穿其中的淘汰。我们先用一张表看清四个动作的边界:

    动作

    通俗定位

    能不能改知识库

    这一步的重点

    装载

    开工前一次装 + 开工中按阶段动态投喂

    ❌ 只读

    用「三级漏斗 + 反向检索」精准取出该用的几条,全程留痕

    归档

    收工后理经验

    ❌ 只产建议

    既登记「旧知识又被用了一次」,又萃取「本次新增的经验」

    入库

    把建议安全写回

    ✅ 唯一可改

    并发检测 + 自动恢复;升级成熟度、淘汰过时知识

    淘汰

    让错的旧知识退场

    定期触发

    每三个月清理一次,把零引用的知识移出活跃库

    ① 装载 —— 知识的「抽取」与「使用」

    装载要回答两个问题:一个项目沉淀了几百条知识,该抽哪几条喂给 AI?喂进去之后,怎么保证 AI 真的用了、用对了?

    知识装载总流程:基础认知一次装,专业知识按阶段装
    知识装载总流程:基础认知一次装,专业知识按阶段装

    先说「抽取」。知识装备分两种节奏——基础认知一次性全装,专业知识按阶段精准投喂:

    装载节奏

    装什么

    为什么这样做

    基础认知

    (一次性全装)

    项目定位 + 团队红线 + 业务术语 + 架构/数据库快照 + 知识总目录

    无论做什么需求都得懂的「常识」,开工时一次读完

    专业知识 · 写需求分析前

    业务规则 + 历史踩坑 速查表

    最怕漏掉业务规矩、最该参考前人的坑

    专业知识 · 写技术方案前

    架构决策 + 编码指南 + 数据模型 速查表

    必须对齐已有架构选型

    专业知识 · 写代码前

    数据模型 + 踩坑 + 指南 速查表

    聚焦表结构、避坑、代码规范

    成百上千条知识不可能全塞给 AI(会超出上下文上限),所以靠一套「三级知识漏斗」层层收敛——用一页目录 + 几行卡片,就锁定真正该读的三五条:

    三级知识漏斗:从一页目录逐级缩小到整条经验
    三级知识漏斗:从一页目录逐级缩小到整条经验

    而到底抽哪几条,不是预设的,是被对话驱动的。用户每回答一个关键问题,Agent 就自动跑一遍「反向检索」四步闭环:

    反向检索循环:用户每答一句,触发一次「按需取知识」
    反向检索循环:用户每答一句,触发一次「按需取知识」

    背后是一张「锚点 → 取知识」的映射,让自然语言里的线索精准命中知识:

    用户在对话里提到

    AI 自动触发读取

    涉及某条业务线

    业务线隔离规范 / 术语表对应段落

    金额相关字段

    金额处理规范(如必须用 BigDecimal)

    用到消息队列 / RPC

    对应的集成架构决策(ADR)

    改了表结构 / 增减接口

    数据库 ER 图、模块地图,核对影响面

    提到某个历史遗留逻辑

    当年那条决策记录 + 相关踩坑

    再说「使用」。抽出来还不够,得保证它真被用上——这里有两道硬约束:

    • 高风险强制必读:一旦用户的回答改变了影响范围、改变了数据流向、或触碰了红线(业务线隔离 / 金额 / 状态机),AI 不读对应知识就不许往下走;若项目里压根没有这条知识,它会反过来提醒「这里以后要补一条」。

    • 全程留痕账本:每读一条都登记「读了哪条 / 为什么读 / 谁触发 / 哪个环节」。这本账有两个硬价值——它是当下的质量闸门(账本为空 = AI 没参考任何经验,直接拦下),又是下一步升级知识的唯一证据。

    中间过程产物,如设计方案文档、与前端(APP 端、h5)的交互文档、修改范围文档等会同步上传到飞书,沉淀成一份结构化的在线文档——人不必额外整理。

    ② 归档 —— 历史知识的「复用登记」与新增知识的「萃取」

    一个需求做完,归档要同时处理两类知识:这次复用过的历史知识,和这次新产生的经验。它们走两条完全不同的路径,但都只产「建议」、绝不直接碰正式库。

    归档全流程
    归档全流程

    第一条路径 · 历史知识的「复用登记」。本次需求在「装载」阶段引用过哪些已有知识,会从那本留痕账本里被逐条提取出来。它们不新建条目,而是给对应的旧知识各记一笔「又被引用了一次」。这一步回答的是——「哪些旧经验,这次又被验证了一遍」。它正是后面成熟度升级的唯一证据来源:一条知识被多少个不同需求真实用过,全靠这里一笔笔攒出来。

    第二条路径 · 新增知识的「萃取」。本次需求新产生的经验,由多个 AI 分身并行从需求侧和代码侧开采:

    来源

    从这里萃取

    得到什么知识

    需求侧

    设计方案 spec、技术方案 plan

    业务规则、架构决策

    代码侧

    代码评审记录、Git 提交历史

    踩坑、编码约定、数据模型

    代码侧 · 对比

    实际代码 vs 旧快照

    架构图 / 模块地图 / ER 图的「蓝图变更」

    两条路径汇到一起,产出一份结构化知识草稿(决策 / 规则 / 踩坑 / 指南 / 模型 + 蓝图变更),每条新知识都带一个成熟度标签。而升级靠的不是「我觉得有用」,是第一条路径攒下的真实引用次数:

    成熟度

    含义

    升级门槛(量化)

    draft(初稿)

    第一次沉淀,还没被验证

    —

    verified(已验证)

    在多个需求里被反复用到

    被 ≥3 个不同需求真实引用

    proven(已夯实)

    足够可靠,可对外输出

    被 ≥5 个不同需求真实引用

    归档故意只产「建议」、不直接入库,原因有三:① 安全——萃取可能出错,先让人审;② 可反悔——建议是结构化文件,可改可重跑,正式库始终干净;③ 冲突要人拍板——当新代码证明旧决策错了,必须人在环。最终产出两份知识合并建议(业务知识 + 蓝图)

    ③ 入库 —— 知识的「更新」与「升级」

    到这里,才真正动手改写「项目知识库」。整个体系里,只有「入库」这一道门能写正式库——为什么单拎出来?因为「写入正式库」是高风险操作:多人协作时,可能你在整理的同时,同事已往同一份文件写了别的内容。

    入库全流程
    入库全流程

    入库前的安全闸门:先检查远程是否有人并发改了同一份知识(同分支被同事推过?目标分支有别的需求刚归档?)。一旦发现重合,AI 会自动备份 → 拉取最新 → 基于最新状态重算建议 → 再检测一次,才敢落盘——彻底杜绝「一保存把同事的改动覆盖掉」。

    更新按固定六步执行(先建档、再更新、最后维护索引,因为索引依赖前面的内容先就位):

    步骤

    做什么

    ① 建新知识档案

    全新知识正式建档

    ② 给旧知识打补丁

    已有条目增量增强

    ③ 追加术语 / 背景

    补全业务认知层

    ④ 知识演化(升级关键)把归档登记的「又被引用一次」落账 + 据此自动升级成熟度

    ⑤ 回填交叉链接

    知识之间建立关联

    ⑥ 更新导航速查表 + 总目录

    刷新分类索引 / 总目录

    「升级」就发生在第四步。它把「归档」阶段第一条路径登记的引用记录正式落账,并据此把成熟度进行升级:draft → verified → proven。这正是前面那本「留痕账本」的价值兑现处——账本里「真被用过」的记录,是唯一被认可的升级证据,整个飞轮就此闭合。每一步都记进入库台账,带来两个核心价值:可续跑(中途失败修复后重跑,自动跳过已成功的)和可追溯(随时能回答「这条知识是哪次需求、哪次入库建立的」)。

    和装载阶段一致,知识的更新和升级信息同步上传一份到飞书文档。

    ④ 淘汰 —— 让错的、过时的旧知识「退场」

    一个只增不减的知识库,迟早会变臃肿——三个月前的最佳实践可能已经过时,当年沉淀的某些知识可能再没人用过。知识不仅要能进,还要能退。

    每三个月定期清理一次,把这段时间里一次都没被用到的知识清出去。

    淘汰全流程
    淘汰全流程

    判断依据,正是前面那本留痕账本——每条知识被哪些需求引用过,都有记录。定期清理时扫一遍全库:一条知识若连续三个月零引用,就说明它要么过时、要么本就没价值,移出活跃知识库(淘汰记录留档可溯,不是物理抹掉)。这样库里留下的,永远是真正在被用的「活知识」。

    一句话:新知识靠「被用过 N 次」升级,旧知识靠「长期没人用」退场。有进有出,知识库才不会越来越臃肿。

    于是闭环成立了:需求做得越多 → 知识库积累的经验越多、越成熟、越干净 → AI 设计方案越快、越少踩坑、越符合团队规矩。这正是那句「用得越多,效果越好;效果越好,用得越多」的复利效应。


    五、其实,从头到尾都是同一个故事

    把两条线并排放在一起,你会看到它们高度同构:

    产品线

    技术线

    谁在驱动

    AI Agent 全程操作

    AI Agent 全程操作

    砍掉什么

    人工撰写 + 跨角色对齐

    重复考古 + 反复踩同一个坑

    经验装在哪

    会议纪要标准 + PRD 错题本

    项目知识库

    怎么沉淀

    纠错自动进规则门禁

    经验按引用次数升级、按零引用淘汰

    共同内核AI 驱动、人决策、经验自进化

    两条线,同一个内核。所以我们想说的从来不是「AI 替代人」,而是——AI 接管重复劳动,人去做需要判断力的决策;团队的经验第一次从「个人的脑子」搬进「系统的记忆」,并且会持续自我进化。


    六、回到开头那个会员改版

    文章开头那个做了 3 个月的会员改版,如果放到今天的工作流里会是什么样?

    运营几场需求沟通会即出结构化纪要,产品 AI 分步生成 PRD、直出 UI,技术带着知识库快速落地——不再是 3 个月,而是 3 周。

    开篇那张对比表里的每一个数字,背后都是前面五节讲的这套机制在支撑:6 个角色收敛成 3 个、纯人工撰写变成 AI 出初稿、跨角色衰减变成两端直连、3 个月减少到3周、整体效率目标提升 50%。

    而比数字更重要的,是这条端到端 AI 工作流本身是「可自进化」的——每跑完一个需求,它就把新经验沉淀进组织记忆,下一次就更快、更少踩坑。所以这次提速不是终点,而是起点:效率提升不再是一次性的,而是可累积、可复利的——需求做得越多,工作流越聪明,下一个需求就越快。这,才是我们想打造一条「可自进化」工作流的真正意义,也是「既快、又会越来越快」的来处。


    七、写在最后

    想在自己的团队跑通这件事,我们沉淀出三条经验:

    1. 立「事实来源」让 AI 不臆造(产品靠会议纪要、技术靠真实代码)

    2. 设「质量闸门」让 AI 不敷衍(PRD 检查清单、知识库只读隔离)

    3. 建「沉淀飞轮」让经验自己生长、也自己除旧

    技术会迭代,模型会更新,但沉淀下来的领域知识,是更长久的竞争力。当所有工作流都由 AI Agent 驱动起来之后,团队真正拥有的,是一份持续在线、不随人员流动而流失、且每天都比昨天更懂业务的「组织记忆」。

    从「一个需求迭代 3 个月」到「会自进化的组织」,我们要打造的从来不是一个工具,而是一条可自进化的端到端 AI 工作流——它由 AI Agent 全程驱动,把经验沉淀成组织记忆,并且每跑一个需求就更懂业务一分。这条路我们会持续走下去,如果你也着迷于「如何打造可自进化的 AI 工作流」这件事,欢迎与我们深入交流。

    关于作者

    杨乐,侠客汇业务线技术负责人。主导侠客汇技术架构建设与技术先进性演进,负责 AI-Native 研发工作流在业务线的落地。

    金丽华,采货侠产品负责人。主导采货侠App、侠客汇App的产品架构建设。负责AI-Native 产品设计工作流体系的搭建和落地。

    跳转微信打开

    聊一聊 Agent 的存算分离架构设计

    2026年6月2日 14:07

    原创 idoubi 2026-06-02 14:07 重庆

    存算分离是云端 Agent 运行目前的最优解。

    一个有灵魂,有记忆的 Agent,一次任务的生命周期包括以下步骤

    1. 用户输入 query(text + files)

    2. Agent 读取提示词文件(soul.md,identify.md,user.md 等)

    3. Agent 读取可用的工具和技能(tools,skills 等)

    4. Agent 读取记忆(memory.md,memory_search 查询)

    5. Agent 构建上下文(prompt + tools + memory + query)

    6. Agent 进入 Loop(LLM 调用 → 工具调用 → 观测 → 再推理)

    7. Agent 交付结果(Artifacts)

    什么需要存:提示词文件,工具和技能,对话记录,交付产物

    什么需要算:上下文拼接,LLM 调用,工具调用

    简单表示这个过程

    ❝

    fn(query, agent runtime) = artifacts

    我们可以把  agent 运行方式简单分为三类

    1. 本地裸机运行

    2. 本地带沙盒(sandbox)运行

    3. 云端多副本运行

    Agent 运行方式

    1. 本地裸机运行。

    这是 OpenClaw 之类 Agent 的常见模式。Agent 提示词文件、skills,对话记录(sessions)全部存在本地磁盘,Agent 执行任务时,会在固定 workspace 目录下运行,用户上传的文件、Agent 产出的文件全部落在同一个 workspace,Agent Loop 完全依赖本地文件构建上下文和执行工具调用,存跟算是一体的。

    这种模式好处是足够简单,避免了额外的文件挂载开销,弊端在于安全性,比如 Agent Loop 执行了一个 exec(rm  -rf /) 工具调用,很容易对宿主机产生破坏

    1. 本地带沙盒运行。

    这是 Codex 之类的 Agent 的常见模式。主要解决两个问题。一是防止 Agent 越权操作,提高安全性;二是解决宿主机的依赖缺失导致工具调用异常的问题。

    Agent Loop 执行工具调用时,涉及到敏感操作或者有外部依赖时,把宿主机的 workspace 目录挂载到 sandbox,在 sandbox 执行工具调用,输出产物自动同步到宿主机的 workspace 目录

    这种模式下的存算分离,只在工具调用环节引入 sandbox 来动态计算,存储主要靠宿主机的文件系统

    1. 云端多副本运行。

    这是 Manus 之类的工具型 Agent 的常见模式。主要特点是多租户,多任务,长时间运行

    像 genspark claw,kimi claw,max claw 之类的托管版小龙虾,本质上是在云端多副本运行的助理型 Agent,每个用户有独立的提示词文件,动态安装的 skills,需要长期记忆

    这类 claw 托管服务,最简单的实现方式是搭建一套 k8s 集群,在每个 pod 部署一套 Agent 框架(OpenClaw,harmes 等),通过 pvc 挂载云硬盘,实现对用户资料的持久化存储。通过负载均衡策略把每个用户的请求路由到固定的 pod,在同一个 pod 做 Agent Loop,存算是一体的,每个 Agent 有独立的运行空间。这种方案隔离性很好,不好的地方在于 pod 需要常驻,运行成本很高,难以规模化

    Agent 存算分离

    云端 Agent 需要规模化(scalable),必然要结合 serverless 架构做存算分离。计算层依赖 k8s 集群的调度机制动态扩缩容,水平扩展 Agent 网关的并发处理能力

    存储层结合 Agent 的运行生命周期,不同阶段的产物用不同的存储方案,主要分为四种

    1. 热状态。Agent Loop 的 step,plan,游标等状态,用 kv(redis)来存,高性能,低延迟,用于异常重启后的断点恢复

    2. 对话和任务记录。在任务完成后用关系型数据库(postgres)来存

    3. 长期记忆。基于对话/任务记录做摘要,提取成记忆,用向量数据库(pgvector,milvus)来存

    4. 工作产物。包括用户上传的文件,Agent 输出的文件,系统内置的 tools,动态创建的 skills 等,用对象存储(s3,oss)来存

    FastClaw 运行示例

    以 FastClaw 为例,演示基于存算分离架构的云端 Agent 的运行过程👇

    1. 一套 k8s 集群,日常 2 个 pod,部署 fastclaw gateway,接收用户请求

    2. 负载均衡把用户请求路由到其中一个 pod,Agent 开始计算逻辑:

    • 2.1  从 db 读取提示词文件(soul,identity,user)

    • 2.2  初始化 pod 内一个临时目录作为 workspace

    • 2.3 初始化 sandbox,挂载 workspace

    • 2.4 从对象存储下载用户资料和系统 skills 到 workspace

    • 2.5 调用 memory_search 工具,从向量数据库查询记忆

    • 2.6 拼接上下文,调用 llm,解析工具

    • 2.7 在 sandbox 执行工具调用,读写 workspace 内的文件

    • 2.8 把 Agent Loop 过程中的状态设置为 checkpoint,保存到 kv

    • 2.9 Agent 输出结果给用户

    1. 通过惰性检查,把不活跃的 sandbox 关闭,关闭前把 sandbox 内 workspace 的文件上传到对象存储

    以上的存算分离架构,计算层依赖 pod + sandbox,pod 水平扩容支持并发调用,sandbox 承接少量的工具调用,使用 e2b 作为 sandbox 可以做到秒级启动,构建 sandbox 池可以提高并发容错;存储层依赖 kv + db + vector db + oss 的组合使用,瓶颈在于 io 延迟

    这套架构最大的挑战在于分布式多副本场景下的数据一致性,需要合理使用锁机制和负载均衡策略。

    理解了这套架构,再去看 Manus,Claude managed agents 的实现,就很好理解了。

    Agent 托管服务迁移

    我年初开始做 OpenClaw 托管服务,在一套 k8s 集群部署了 500 个 Pod,每个 Pod 限制 4g 的运行内存。日常开着 18 台 4c16g 的服务器作为节点池,一个月成本将近 5k 刀。

    几个月下来,托管服务的 MRR 突破了 8k 刀,除去运营成本,利润非常低。

    今天终于把服务迁移到了 FastClaw,通过存算分离的架构,让 Agent 无需常驻,而是在收到请求时动态挂载 sandbox 来提供服务。服务器从 18 台降到了 3 台,运营成本降到了 1/6,下个月有机会赚到钱了。😄

    跟 OpenClaw 比,FastClaw 真的是太轻量了。

    1. 代码体积约为 OpenClaw 的 1/40

    2. 运行资源占用约为 OpenClaw 的 1/7

    3. 单二进制分发,无环境依赖

    4. OpenClaw 的 gateway 启动大概需要 15s,FastClaw 秒级启动

    FastClaw 本身是为云原生多租户场景而设计的 Agent 运行框架,同样也适用本地运行场景。

    继续完善,欢迎体验。❤️

    https://fastclaw.ai

    跳转微信打开

    至暗时刻:亚马逊的2004-2006与拼多多的当下

    2026年6月1日 22:02

    原创 立涛 2026-06-01 22:02 美国

    一家刚从大崩盘里缓过来的公司,转身把利润埋进未来,于是被市场又审判了一次——而这样的故事,从来不止发生过一次。

    文 | 郑立涛

    2006 年 11 月,《商业周刊》出了一期封面。封面正中是 42 岁的杰夫·贝索斯,配的标题是"亚马逊的豪赌"。

    文章的口气毫不客气:要投资这家公司、这个人,你得相信他新挖的这条隧道尽头有光——"而不是一个无底的钱坑(money pit)"。

    那一年,华尔街对亚马逊的耐心,基本耗尽了。一家营收还在以每年百分之二三十往上冲的公司,赚的钱却越来越少,股价从三年前的高点被腰斩;它成了华尔街最拥挤的做空标的之一,连重仓它的明星基金经理比尔·米勒,都被同行当众羞辱。

    在很多人眼里,这家公司就是一个油盐不进、乱烧钱、还不把华尔街放在眼里的反面典型。

    一家高速增长的公司,怎么会落到这步田地?

    故事,要从五年前说起。

    一、刚上岸,又把自己踢回水里

    2001 年秋天,亚马逊的股价跌到了不到 6 美元。从两年前那个 113 美元的高点算下来,市值蒸发了约 94%。当时市场上最流行的判断很简单:这家公司不可能盈利,迟早倒闭——雷曼有位分析师专门写过报告,说它的信用"极度孱弱且持续恶化",建议回避。

    然后它没死。转机出现在 2002 年 1 月那份四季报——亚马逊交出了上市以来第一个盈利的季度,虽只是微利,却一举把"它会破产"的剧本撕掉了:雷曼那位分析师押的"撑不过去",被证伪了。

    此后基本面一路向好:亏损迅速收窄(2001 年还亏 5.67 亿、2002 年收窄到 1.49 亿、2003 年转为全年盈利),经营现金流转正,营收仍在两位数增长;再叠加 2003 年美股整体走出科网熊市,亚马逊从 2001 年秋天不到 6 美元的底,一路反弹到 2003 年的约 60 美元,两年涨了约 10 倍。劫后余生,市场刚开始重新相信它。

    可这份信任,很快又被它亲手消磨。一方面,2003 年股价已经涨了约 179%、把估值垫到极高,这只票被"定价到了完美";另一方面,贝索斯压根没打算见好就收——早在 2002 年他就推出 Free Super Saver Shipping(满额免邮),把本该落进利润表的钱,源源不断投进"更低的价格"和"免费的配送"里,用他自己的话说,是"把钱花在降价和免邮、而不是电视广告上"。

    于是一进 2004 年,矛盾就显形了:增长虽在、却已从 2003 年的爆发明显放缓,而免邮和降价仍在持续侵蚀利润前景——这只被"定价到完美"的股票,从 2004 年初就开始一路阴跌。所以这场下跌,并不是从某一个公告才开始的:把利润让给未来的姿态,早就上路了。

    而把这个姿态推到极致、也让市场彻底破防的,是 2005 年 2 月 2 日那一天。

    那天,亚马逊公布 2004 年四季报,利润不及华尔街预期,股价次日跳空低开、收盘跌了近 15%。而耐人寻味的是,就在利润让市场失望的同一天,贝索斯非但没有收敛,反而宣布推出一项注定更烧钱的全新服务——Amazon Prime,79 美元一年、无限次两日免费送达。他在公开信里毫不掩饰地写道:"我们预计 Prime 短期内对亚马逊会是一笔昂贵的开支。"

    一边是利润不及预期、市场已经在用脚投票;一边是创始人当着所有人的面,又掏出一笔注定要亏钱的新投入,还提前告诉你"这会很贵"。

    这就是这家公司接下来两年多的基调:刚刚上岸,转身又把自己踢回了水里。

    二、他投了什么,又被骂成什么样

    亚马逊把利润投进的,全是当时看不到回报、甚至被认为是歪门邪道的方向——而且这种"把对手请进门、把利润让出去"的打法,从更早就开始了:

    第三方平台。亚马逊在2000年推出了Marketplace,它最狠的,是一个反直觉到极点的设计:把第三方的报价,直接摆到自营商品的同一个页面上,抢同一个"购买"按钮。换句话说,你在亚马逊看中一件东西,最后胜出的那个"立即购买",很可能根本不是亚马逊自己的货,而是某个第三方卖家的——只要他更便宜、更快。

    哪有零售商把对手请进自己店里,还让他在自家最显眼的货架上、当着自己的面把订单抢走?内部阻力可想而知,自营团队没人愿意眼睁睁丢掉本该属于自己的生意;但贝索斯认死了一条原则:只要对客户更好,哪怕亏的是自己,也得让客户买到最优的那一个。短期看,这明摆着压低自营的赚头;长期看,它把亚马逊从"一家商店",变成了"所有人做生意的地方"。(到今天,第三方卖家已经占了亚马逊平台六成以上的销量。)

    Prime。这个日后撑起亚马逊整个消费帝国的会员体系,最早不过是一名普通工程师(Charlie Ward)扔进公司内部建议箱的一条点子:也许有些客户愿意多掏一笔年费,换一个"送得更快、于是买得更多"的俱乐部。2004 年 11 月,贝索斯一把抓住它,把几个高管叫到自家船屋,撂下话:下次财报电话会之前,把方案拿出来。财务团队当场就警告这会巨亏——那时陆运一个包裹成本约 1.5 美元、走空运要 15 美元,无限次两日达等于敞着口贴钱;连 79 美元这个定价,事后看也基本是拍脑袋定的、没什么精密模型撑腰。可贝索斯不为所动,硬是把它推上了线。

    2005 年 2 月 2 日,Prime 仓促登场,业内几乎一边倒看衰——渠道服务商 ChannelAdvisor 的创始人后来回忆,"大多数人都觉得亚马逊又疯又蠢",普遍判断是"免费两日达会把亚马逊拖垮"。但贝索斯赌的从来不是这一单的运费,而是一次行为的改写:当"这趟运费到底值不值"的盘算,被从每一次下单里彻底抹掉,客户自然会越买越勤、把亚马逊设成默认的购物入口。后来 Prime 会员的平均消费是普通用户的两到三倍——这正是他要的那条护城河。

    FBA(亚马逊物流)。同样在 2006 年,亚马逊又走了一步棋:把自己花十几年、烧掉无数资本才建起来的那张仓储履约网络——正是这笔常年吞噬利润的重资产,给它招来了"无底钱坑"的骂名——反手向第三方卖家开放。你把货寄存进我的仓库,剩下的拣货、打包、配送、退换、客服,全由我包办。表面看,这是把自己最重的家底,变成帮"对手"卖货的工具;可它真正精妙的地方在于:第三方的商品一旦进了亚马逊的仓,就自动挂上了 Prime 的两日免费送达。

    于是几件事咬合成一个飞轮——FBA 让第三方乐意把货交给亚马逊,海量第三方商品因此变成 Prime 的可选项,Prime 对会员越来越值,更多会员又反过来把更多卖家吸进 FBA。亚马逊不必自己进货、不压一分钱库存,平台的选择就爆炸式膨胀。把为自己造的基础设施,反手开放成别人再也离不开的平台——这正是它那几年一遍遍在做的事。

    AWS。还是 2006 年,S3 和 EC2 先后上线,而这一笔,是当时最没人看得懂的。云计算在那个时点,是个超前到几乎无人能理解的概念——"按小时租计算、按 GB 租存储、不用自己买服务器、不用自建机房",竟然从一家"网上卖书的"公司里冒出来。华尔街的反应几乎是同一句:"一个卖书的,凭什么做企业级的云?谁会买它的账?"

    在多数看电商的人眼里,这纯属不务正业、是往一个看不懂的方向砸钱。可在贝索斯那里,亚马逊从来就不只是电商,而是"一家恰好先把技术用在零售上的科技公司"——做云,不是跨界,是顺理成章。

    事实上,这步棋的根早在 2002 年就埋下了:那年贝索斯给全公司下了一道近乎苛刻的死命令——所有团队必须把自己的数据和功能都做成标准化接口对外开放,彼此只能通过接口通信、不许走任何后门,而且每个接口从设计第一天起,就要能直接开放给外部第三方调用,"做不到的人,开掉"。在当时,这只是一桩拖慢所有人进度、吃力不讨好的内部苦役;可正是这几年默默打下的地基,让亚马逊后来能把整套基础设施像水电一样对外出租——没有 2002 年那道当时没人理解的命令,就没有 2006 年的 AWS。只是这东西超前得太多,要再过好些年,市场才回过神来:那是一座金矿。

    再加上一轮接一轮的主动降价。

    这些事情叠在一起,市场对它的评价是全方位的负面。除了"乱烧钱"、"永远无法赚钱"、"很快会倒闭"这些老话,还有一条始终绕不开:这家公司从不分红、上市近十年从来没回购过,又偏偏不肯为讨好华尔街去粉饰短期财报。贝索斯本人更是出了名的"不给华尔街面子"——他在股东信和访谈里反复说,"我们以长期市场领导地位为出发点做决策,而不是短期盈利、也不是华尔街的短期反应"、"股价一个月涨了 30%,别觉得自己就聪明了 30%"。在很多人眼里,这就是一个不把股东放在眼里、油盐不进的傲慢管理层。

    但这其实是个误会,而且后面会看到,是一个相当反讽的误会。贝索斯不是不在乎股东——恰恰相反,他在乎到每年都写长信、把逻辑反复讲给你听;他只是拒绝把"在乎股东"等同于讨好短期股价、粉饰下一季的报表。一家这样"不肯讨好投资者、还反过来教育投资者"的公司,自然成了华尔街最拥挤的做空标的。

    而唱衰它的,几乎是当时每一个"专业"的声音。

    媒体早早就给它判了死刑。早在 1999 年,《巴伦周刊》就用一期封面,把贝索斯的脑袋画在一颗即将引爆的炸弹上,标题就叫"Amazon.bomb"——文章断言他"不过是个中间商",迟早被沃尔玛、巴诺这些线下巨头赶尽杀绝。到 2006 年,又轮到《商业周刊》那期"无底钱坑"(就是开头那张封面)。

    投行和分析师也不留情面。2005 年 4 月那份财报之后,财经媒体的标题直接就是《华尔街不喜欢亚马逊的业绩》;到 2006 年,分析师们干脆"对贝索斯的承诺失去了信心",把他持续加码的投入,称作一场"不合时宜的烧钱"。

    连最该懂"价值"的人,也站到了对立面。哥伦比亚大学教授、《价值投资》的作者格林沃尔德,曾在一次公开场合当众数落重仓亚马逊的比尔·米勒——一位连续 15 年跑赢标普的传奇——说他"根本不算价值投资者",还放话"任何会买亚马逊的人,都不知道自己在干什么"。

    从媒体、到投行、到价值投资的权威,几乎每一个有分量的声音,都在告诉你同一件事:这家公司,不行。

    三、财报与股价:一次次被审判

    光有骂声还不够,真正把人磨碎的,是股价跟着每一份财报、一次次地用脚投票。

    而这一段腰斩,其实是先后落下的两刀,性质还截然不同。

    第一刀,杀的是估值。整个 2004 年,亚马逊的基本面其实漂亮得很:营收涨 31%,经营利润从 2.71 亿涨到 4.40 亿、整整多了六成,经营利润率不降反升(5.1%→6.4%),自由现金流还创了纪录。可偏偏就在这一年,股价从年初 50 多美元的高位砸到 8 月的 33 美元,盘中跌去四成多;从 2004 年初到 2005 年初,它连开五次财报、次日连跌五次——跌幅 −7%、−5%、−13%、−12%、−15%,复合下来 42%。最典型的是 2004 年 7 月那次:营收涨 26%、利润由亏转盈、自由现金流大增四成、还上调了全年指引,一份标准的"超预期 + 上调",照样跳空大跌 13%。

    道理不复杂:经过 2003 年那波三倍大涨,预期早被打满,股票不再交易"它赚了多少",而是交易"它还能不能超过那个已被神化的预期"。答案是不能——于是再漂亮的财报,也只是又一个卖出的理由。这就是经典的 sell the news:好消息一旦出尽,本身就成了利空。

    更耐人寻味的是节奏。这杀估值的第一刀,2004 年初就落下了;而管理层把"还要继续砸钱、这会很贵"摆上台面最响的那一下(2005 年 2 月的 Prime),晚了整整一年;利润真正塌下去,更要再等一年多(2006年)。

    股价是台贴现机器,它在收入表变难看之前,就先下跌了。那些早早离场的钱,赚的并不是什么内幕——贝索斯要拿利润换未来,从来都摊在明面上:资本开支在涨、免邮和降价 2002 年就上了路、他每年还把这套逻辑白纸黑字塞进股东信。他们赚的是视角差:同一份公开材料,有人读出的是"利润率见顶、投入周期要来、这个估值扛不住",于是抢先离场;而读出"护城河正在变宽"、敢在最便宜时重仓买进的,也大有人在(后面会讲到)。同一批事实,看空的据此在贵时卖,看多的据此在贱时买——差的从来不是消息,是框架。

    第二刀,才轮到业绩自己塌。进入 2005、2006,投入动了真格:经营利润从 4.40 亿的高点一路滑到 3.89 亿,经营利润率被压到 2006 年三季度只剩 1.7%、几乎贴着盈亏线;连贝索斯最看重、反复说比利润更重要的自由现金流,2006 年也同比下滑了——把现金流当信仰的公司,连现金流都砸到下滑,可见投入有多凶。最惨烈的一记,落在 2006 年 7 月那份二季报:营收明明还涨了 22%,经营利润却同比砍去 55%、从 1.04 亿美元掉到 4700 万——技术与内容投入继续加码(AWS 正是这时在烧基础设施的钱)、免邮和降价继续压毛利,再加一笔约 2000 万美元的合约终止及纠纷费用(与 Toysrus.com 的合作告吹)。一份"收入还在涨、利润却被砍半"的财报,把市场"贝索斯到底还要烧到什么时候"的忍耐彻底击穿:当天股价单日重挫近 22%——若不算 2000-01、2008 那两段全市场崩盘,这是它财报后跌得最狠的一次。

    但吊诡的是,最深的绝望和转机之间,往往只隔一个季度。仅仅三个月后,2006 年 10 月那份三季报出来,股价反而跳涨了 12%——而正是那个三季度,经营利润率触到了 1.7% 的谷底,然后掉头回升。事后看,最投降的一跌,和拐点,几乎是脚跟接着脚尖。

    更折磨人的是,这一整段下跌,是在一轮牛市里发生的。从 2003 年 10 月到 2006 年 8 月,标普 500 涨了约 24%,而亚马逊从 60 美元一线跌到 26 美元,跌了 56%。别人都在赚钱的时候,你手里这只刚从鬼门关回来、被你寄予厚望的票,却在被单独腰斩。每天打开账户,是指数创新高、邻居的持仓在涨,只有自己在往下掉。这种"普涨里独自下跌"的滋味,比熊市里大家一起跌,难受得多。

    四、贝索斯到底在想什么

    一家公司被骂成这样、股价被砸成这样,创始人是怎么想的?

    贝索斯想得清清楚楚,而且毫不避讳——每年写进致股东信,用大白话讲了一遍又一遍。

    2004 年,他几乎把估值的尺子直接递给市场,告诉大家别盯着利润看:"我们最终的财务衡量标准,是每股自由现金流……盈利不直接等于现金流,而股票的价值,只取决于其未来现金流的现值,而非未来盈利的现值。"

    2005 年,他解释了为什么明知降价压利润还要做:持续把规模省下来的成本,以更低价格还给客户,会换来更多销量,销量再摊薄成本,让他能继续降价——客户高兴,长期股东也会高兴。这就是后来被反复引用的"飞轮"。他甚至点破了这类决定为什么注定挨骂:"基于数学的决定能赢得广泛认同,而基于判断的决定,理应被争论、常常充满争议——至少在它被证明之前。"

    而且他绝不是在乱花钱。恰恰相反,他对"投入的回报率"极其苛刻:上线 AWS 之前,他反复拷问三个问题——这门生意能不能带来股东期待的高回报?规模能不能做到对整个公司举足轻重?它是不是目前还没被满足、而亚马逊有能力做出差异化?三个都想清楚,他才肯下重注。他要的从来不是"利润率好看",而是"每一块钱投出去,能换回最多的长期现金流"。他甚至每年都把 1997 年那封上市时的股东信原样附在后面,提醒所有人:我的理念,从第一天起就没变过。

    而他这种"根本不为季度财报分心",并不只是自我标榜。2015 年,对冲基金经理德鲁肯米勒在一次投资大会上,用一组对比点破了亚马逊和旧巨头的分野:"过去 19 个季度,亚马逊有 9 次收入低于华尔街预期——他们压根不在乎;而 IBM 从 2006 年到现在只有 3 次没达标,他们对自己的季度财报极其在意。"一个把心思都耗在"别让这一季难看"上,一个根本不为此分一丝神。

    可这里有一件最值得记下来的事:贝索斯是当时市场上沟通最积极、解释最卖力的 CEO,而这一切,一点用都没有。他把逻辑拆解得清楚透彻,市场照样在每一份财报后抛售他的股票。讲得最清楚的管理层,反而被杀得最狠。

    这逼出一条残酷的结论:当业绩在往下走的时候,沟通几乎是一个无效变量。市场跟的是业绩的方向,当业绩方向向下时,“叙事的质量”无人在意。利润在掉,再清楚的解释也只是给本就相信的人多一点信念,改变不了大多数人因为短期承压而卖出。能让股价真正回来的,从来不是哪一次精彩的沟通,而是利润自己拐头的那一天。

    五、拐点:种子破土,与那笔耐人寻味的回购

    先说一个一直被忽略、却极有意思的细节:亚马逊历史上第一次股票回购授权,出现在 2006 年 8 月。

    这个时点,妙到不像巧合。它恰好卡在二季报那记 −22% 的"投降",和三季报那记 +12% 的"转身"之间;恰好是股价见底(8 月跌到 26 美元)、经营利润率也正触到 1.7% 谷底的那个当口。一家近十年没回购过、被骂"不顾股东"的公司,偏偏选在自己最便宜、最被嫌弃的一刻,开出了第一张回购支票。

    你很难不去想:这是不是管理层的一个暗示——投入最猛的阶段正在过去,收获要来了?事后看,2007 年利润确实开始迸发。

    但诚实地讲,这更像是"在自己最便宜的时候顺手买一点",而不是"投入周期就此结束"——因为此后很多年,亚马逊照样在大举投入,那笔回购也始终不大(5 亿的额度只用了一半)。准确地说,2006 年三季度标记的,是利润率被压到极限后的拐点,而不是投入的终点。这家公司的高明,恰恰在于:它没有停止投入,而是让生意长到了"一边继续猛投、一边利润还能往上走"的阶段。

    那个拐点,2007 年正式到来。Prime 把用户黏成了高频复购的飞轮,AWS 长成了一块凭空冒出来的高毛利业务,第三方平台和 FBA 成了轻资本的增长极。2007 年,亚马逊经营利润同比增长 68%,股价当年涨了 135%。市场对"亚马逊是什么"的认定,终于从"一家烧钱的网络书店",变成了"一家平台和科技公司"。

    回过头看,2006 年那个 26 美元的底,便宜得近乎荒诞——那时它的估值只有大约 1 倍市销率。对一家营收还在两位数高速增长、护城河正在变宽的公司,1 倍市销率,无论用哪个维度衡量,都便宜得离谱。可在那个当下,再便宜也没人敢要。

    也不是完全没人敢要。在一片"钱坑"的骂声里,还是有人站到了买方。游牧人基金的尼克·斯利普 2005 年前后买入,用的是一套叫"规模经济共享"的框架——它其实就是贝索斯那套"降价—销量—再降价"飞轮的镜像:同一件事,市场读成利空,斯利普读成的却是护城河在变宽。后来亚马逊一度涨到占了他整个基金的约 40%。而那位被公开羞辱的比尔·米勒,1999 年就买了亚马逊,扛过了第一次 90% 的崩盘、又陪它走过这一次腰斩——只是即便是他,2006 年也照样吞下了 15 年来第一次跑输大盘。看对,和扛住,从来是两件事。

    故事还有一个值得一提的尾声:即便挺过了 2006、即便开了回购,亚马逊也没能从此一帆风顺。2007 年底股价涨回 100 美元,2008 年金融危机一来,它又被腰斩到 35 美元,跌幅 65%——而那一年公司的基本面其实很好,营收还在 +29%;它 2008 年初甚至把回购额度提到了 10 亿美元,结果也基本没用上,更没能托住股价。这恰恰再次印证了那条规律:宏观或业绩向下时,回购和沟通一样,都托不住价格;真正能托住的,只有时间和利润的成长。

    那条被压扁的盈利线,一旦反弹起来,就再没回头。从 2003 年第一个盈利年的 3530 万美元,到二十年后 2023 年的 304 亿美元,利润涨了约 861 倍。当年那个被嫌弃、被做空、被腰斩了一次又一次的公司,长成了今天的亚马逊。

    六、再看拼多多

    讲完亚马逊,相信读者们和我的脑海中都会浮现出另一家公司。

    它的剧本,前半段几乎是亚马逊的翻拍:先是在 2021 到 2022 年间经历了一场近 90% 的崩盘;接着在 2022 年到 2024 年上半年,打出一轮相当强的利润释放和反弹,市场刚松口气、刚开始重新相信它;然后在 2024 年二季报之后,管理层却掉头把利润坚决地投向未来,还在业绩会上主动给市场打预防针——说接下来要加大投入、利润会承压。

    这家公司,是拼多多。

    把它和当年的亚马逊摆在一起,像得让人有点恍惚。但更值得说的,是它们的不同——以及,亚马逊那段历史,恰好能替今天的几个争议,提前给出答案。

    先说沟通。今天很多人抱怨拼多多管理层不肯好好沟通、不给市场一个交代。可亚马逊那几年早把这件事证明透了:在业绩下行、利润承压的周期里,你解释得再多,市场也不会信,该质疑的、该骂的一样不会少——贝索斯是当时最肯解释的 CEO,照样被腰斩。所以"拼多多为什么不沟通"这个问题,本身可能就问偏了:哪怕它把话说尽,在这个投入周期里也大概率没用。更进一步说,这里还藏着一层更残酷的事实:哪怕你的投入,长期看全是对的、是真有远见的前瞻布局,只要短期业绩还在往下走,市场当下就是不买账——沟通救不了你,连"你是对的"本身,也救不了你。

    再说它面对的牌局。拼多多今天的处境,其实比当年的亚马逊更复杂、更凶险。它做的是一门全球化的生意,要顶着极其严苛的合规审查,更要面对贸易保护主义抬头、"脱钩"盛行的大环境。同时,它的对手也更多、更强,比亚马逊当年所面对的行业格局要难上很多。亚马逊当年攻城略地,凭的是一个相对开放的、竞争宽松的全球市场;而拼多多要走的这条路上,处处是关卡。

    而正因为更难,它的一些"不讨喜",反而可能是清醒。出海越难,就越意味着它必须更坚决地攒住现金、把资源集中砸进业务里,去挖那条真正的护城河;牌桌越凶险,就越意味着它得把自己的战略意图和底牌藏得更紧。这一点,恰恰和那个把逻辑写满整封信、生怕你不懂的贝索斯,很不一样——但未必是错。在一张更危险的牌桌上,少说话、攒筹码、不亮底牌,也许才是对的打法。

    那到头来,该盯的是什么?亚马逊给的答案很直接:业绩往下的时候,有些事,你做了也没用。解释没用——讲得再清楚也照样被卖;连回购都未必有用——2008 年那场危机里,亚马逊业绩明明还在增长,可大盘一崩,股价照样腰斩,抱怨照样不少。所以与其纠结拼多多沟不沟通、回不回购,不如认清:这些都不是决定结局的变量。真正决定结局的,从头到尾只有一件——它今天埋下去的那些钱,究竟会变成一条别人填不平的护城河,还是打了水漂。

    二十多年前,当那家公司被钉在"无底钱坑"的封面上、跌到没人敢碰的时候,大概没有谁能想到:这个连利润都保不住、被全市场当成反面典型的家伙,日后会长成一个市值数万亿、把零售和云计算一起改写的庞然大物。

    最深的低谷和最大的机会,往往是同一时刻降临——只是它从不自报家门。它只把那道最难的题,留给愿意在无人喝彩处,先看懂、再扛住的人。

    跳转微信打开

    OpenAI 输给 Anthropic,不是输在产品,是输在组织

    2026年6月1日 22:00

    原创 佳芮的创业笔记 2026-06-01 22:00 美国

    Open AI的整套打法都是按 C 端长出来的,其实是在企业AI致命的。

    企业 AI,OpenAI 已经输了。不是输在产品,是输在组织——它整套打法都是按 C 端长出来的。

    先说数字

    根据Menlo Ventures 2025 中报 [1] 显示,2023 年底,OpenAI 在企业 LLM API 市场份额为50%。两年半之后,Anthropic变为32%,而OpenAI 份额减半,变成了OpenAI变为25%。

    第一名换人了。

    从Menlo 另一份数据[2]来看 2026 年初的企业 LLM 总支出中Anthropic为 40%,OpenAI 则是27%。

    ARR 也反超了,2026 年 4 月 Anthropic 300 亿,OpenAI 约 250 亿。[3] 年费超百万美元的企业客户超过 1000 家,两个月翻一倍。

    财富 10 强里面有 8 家在用 Claude。

    营收来源也是反过来的,根据1月10号CNBC发表的数据,Anthropic 85% 来自企业;OpenAI 约 60% 来自消费者[4] 

    ChatGPT 成全了 OpenAI,也困住了 OpenAI

    一个 2 个月内冲到 1 亿用户的消费品,会反过来让整家公司练出一身 C 端肌肉——发布节奏快、迭代激进、容忍度高、用户骂两句没事、产品出问题改一版就行。

    这套打法在 C 端是优势,到了企业市场就全成了负债:

    • 企业要的不是"上周更聪明了",是"过去 12 个月行为一致"

    • 企业不接受"偶尔幻觉",金融、医疗、法务一次幻觉就是合规事故

    • 企业采购周期 6-18 个月,要的是 5 年合作;C 端用户中位停留 < 2 周

    • 企业要 SOC 2、HIPAA、数据驻留、审计日志;C 端用户根本不知道这些是什么

    OpenAI 没法两边都赢——它整套组织肌肉(工程师文化、迭代节奏、定价模型、销售组织)都是被 ChatGPT 这个 C 端爆款训练出来的,做不了企业基础设施。

    五年前的反共识

    五年前,Amodei 兄妹带着一批资深研究员从 OpenAI 出来,创立 Anthropic。三条创立原则在当时都属于反共识:

    1. 安全和盈利不冲突,可以同时做
    2. 真正的价值在企业市场,不在 to C 病毒式产品
    3. 稳步推进比鲁莽抢跑更能赢

    Anthropic 总裁 Daniela Amodei(CEO Dario 的妹妹)讲过他们当时离开 OpenAI 的想法:

    We really just felt more like we were running towards something than running away from something.

    我们更像是朝着某个东西在跑,而不是从某个东西逃出来。

    不是带情绪出走,是带着自己的产品方向离开。2022 年 11 月 ChatGPT 上线、两个月冲到 1 亿用户那一波,Anthropic 看着没跟。

    Daniela 给的理由是:

    Anthropic, as an organization, is well suited to be a B2B company. We really care about things like reliability and security and safety. That's baked into our DNA.

    Anthropic 这个组织,本来就更适合做 B2B 公司。我们真的在意可靠性、安全、保密——这些写在 DNA 里。

    这三个词的顺序不是随机的,reliability 排在最前,是 Anthropic 五年来反复回到的那个词。

    Daniela 还讲过一条内部价值观:

    One of the values and the things that we talk about a lot internally is just how not to believe the hype.

    我们内部一个很重要的价值观,就是不要相信 hype。我们从来不是为了博关注、博头条,是来真的做事的。

    Anthropic 投资方 Bessemer Ventures 的合伙人 Sameer Dholakia,给的商业理由是:

    Enterprise customers don't churn the way consumers do.

    企业客户不会像消费者那样说走就走。

    C 端用户中位停留不到 2 周,但是企业一签就是几年。Anthropic 五年前赌的就是这条——前两年看着像放弃 C 端的大市场,今天 ARR 反超 OpenAI。

    Anthropic 选的是 reliability

    Anthropic 官方使命的原话:

    We are an AI safety and research company that builds reliable, interpretable, and steerable AI systems.

    我们是一家 AI 安全与研究公司,造的是可靠、可解释、可控的 AI 系统。

    他们说自己是 "AI safety and research company"——但造的系统第一属性是reliable,排在 interpretable、steerable 之前。

    外界把他们记成"safety 公司"是因为公关声量集中在那儿——但他们卖给企业的核心价值,从来第一位都是 reliable。Daniela 在 CNBC 那段采访里也把顺序排得很清楚:reliability 第一,security 第二,safety 第三。

    Anthropic 自己面向企业的话术开头就写:

    Enterprises cannot afford inconsistent AI behavior. Business environments demand repeatable and stable outputs.

    企业容不得 AI 行为不一致。企业场景要的就是可重复、稳定的输出。

    硅谷在吵泡沫、刷 benchmark、争谁家模型最聪明,Anthropic 把精力放在那些很少上头条、却真正决定能不能上线的问题上——AI 在最敏感的系统里,到底能不能被信任。

    Daniela 在 Fast Company 那篇专访里(2026-01-27)说:

    Trust is what unlocks deployment at scale.

    信任,才是规模化部署的钥匙。

    In regulated industries, the question isn't just which model is smartest—it's which model you can actually rely on, and whether the company behind it will be a responsible long-term partner.

    在受监管的行业里,问题不是哪个模型最聪明——是哪个你真能靠得住,以及它背后的公司是不是一个负责任的长期伙伴。

    Daniela 紧接着补了一句:

    I think we are a good judge of what our models can do reliably and what they cannot do reliably.

    我们对自己的模型能可靠做什么、不能可靠做什么,判断是准的。

    Anthropic 把 Claude 定位成企业基础设施——一种会在医疗系统、保险平台、合规流水线里连续跑几小时、有时几天的软件,而不是消费品。

    OpenAI 比的是"最聪明",Anthropic 比的是"最能放心连续跑一年"。客户买单时看的是后者——因为企业评估 AI 的问题变了:过去问"哪个模型最强",现在问"哪个模型能让我有把握上线进我自己的系统"。

    展开看是这 7 道关:

    1. 可预测性—— 一致、可重复的输出,不能"上周这么答这周那么答"
    2. 数据安全与隐私 ——内部文档、客户数据、专有信息不外泄
    3. 治理与控制——能划红线、能管住它说什么、能让它按公司规矩办事
    4. 可审计与透明——输出可追溯、可解释,有合规能用的日志
    5. 集成——能接进 CRM、知识库、内部 API、现有工作流
    6. 可扩展——数据量大、用户多、场景杂的时候照样跑得稳
    7. 多模型策略——企业不再押注一家,按场景选最合适的模型

    Anthropic 这套打法每一条都对得上。驱动 AI 采购的不再是模型性能,是模型在企业的真实约束里能不能跑稳。Accenture、Deloitte 这些咨询大厂也在按这 7 条给客户挑供应商,Anthropic 正好是合身的那家。

    Do More With Less——用更少做更多

    "Do more with less" 是 Anthropic 公司层面的价值观——别因为有钱就堆资源,先逼自己用更少的人、更少的钱、更少的算力把事做出来。亚马逊在领导力原则里有一条 Frugality(节俭),讲的是同一件事。

    Daniela 在 CNBC 的另一篇专访[5]里讲的:

    Anthropic has always had a fraction of what our competitors have had in terms of compute and capital, and yet, pretty consistently, we've had the most powerful, most performant models for the majority of the past several years.

    Anthropic 一直只有竞争对手一小部分的算力和资本,但过去几年里,绝大多数时候我们都在最强最快的模型那一档。

    这条价值观体现在好几个维度上,不只是算力:

    • 算力和资本:OpenAI 押了 1.4 万亿美元的算力承诺,但是Anthropic 大约 1000 亿,只有 1/14。
    • 基础设施:OpenAI 重金自建大型园区 + 专属算力,但是Anthropic 不绑定一家,按成本、可用性、客户需求决定模型跑在哪儿。
    • 训练:把功夫下在更高质量的数据和 post-training 技术上,单位算力性能更高,而不是靠堆参数、堆训练量。
    • 产品:选择跑得起、容易上线的形态,让客户用得起、采用门槛低。

    每一笔投入都在算"每美元算力换多少业务结果"。下一阶段拼的不是谁的预训练规模最大,是谁能把单位资源做出最大的能力。

    这件事对做 To B 创业的人意味着什么

    第一波生成式 AI 靠的是消费者兴奋感和病毒式传播。下一波则会在企业的采购流程、架构评审、合规审查里安静地完成——决定 AI 到底能不能真正嵌进有问责机制的组织里。

    我有三个判断:

    • 基础设施化 AI 正在变成像云计算一样"看不见的"企业基础设施,开始承重,开始进入关键工作流。

    • 生态竞争 胜负不再只取决于模型本身,取决于和现有系统的集成程度。

    • 治理是第一差异点  AI 治理会成为决定长期供应商关系的核心竞争因素,意义已经超出"合规"本身。

    对国内做 To B 的创业公司也一样。最容易踩的坑就是被国内大厂的 C 端 demo 故事带跑——比谁的多模态更炫、谁的 chat 体验更顺。客户付钱看的根本不是这些。

    而且中国做 To B 的 AI 创业还多一层硬约束:拿不到美国大厂级别的资本和算力。能赢的路只有一条——"do more with less",把每一块资源都换成具体的业务结果。

    句子互动这两年走的就是这条路。不到 100 人的团队对着四个行业(在线教育、政企、消费品、金融)做 IM-native Agentic AI——不追多模态秀场,不追炫 demo,把每一块算力换成具体业务指标:营销转化、客服一次性解决率、续约率、合规审核通过率。一次幻觉、一次不一致、一次掉线,丢的都是真订单。我们卖的不是 demo 里那个最炫的回答,是连续跑一年都不出意外的那个回答。

    为了真做到这件事,我们搭了一套 Agent 质量保障体系——AI 测试、批量验收、灰度发布、Badcase 反馈、回归测试、AI 质检 6 个模块串成闭环,覆盖上线前、上线中、上线后整条链路。每次 Agent 改动都跑全量回归,灰度发布按比例分流,线上 AI 客服和人工客服用同一套质检标准。Agent 上线不是赌博,是每一步都有据可依。

    句子互动 全链路 AI 质量保障体系:6 个模块串成闭环——上线前的 AI 测试 + 批量验收、上线中的灰度发布、上线后的 Badcase 反馈 + 回归测试 + AI 质检;KPI 上测试效率 +80%、上线风险 -60%、Badcase 闭环 100%、版本稳定性 +50%

    我自己每天的工作方式是 1 个人 + N 个 Agent,公司内部先把"每美元算力换多少业务结果"跑通。

    Anthropic 在英文世界证明了一遍。中文世界也一样。

    赢家不会是最聪明的那家,是最靠得住的那家——这也正是句子互动从做 Agent 第一天起,就一直坚持的事。

    转自我的博客:https://rui.juzi.bot/claude/ (你需要复制出来去浏览器看,公众号跳转不了..)

    🔗本文引用链接

    [1]https://x.com/rohanpaul_ai/status/1984683421109481704;

    [2]https://www.axios.com/2026/03/18/ai-enterprise-revenue-anthropic-openai

    [3]https://medium.com/@david.j.sea/anthropic-just-passed-openai-in-revenue-here-is-why-it-matters-e3dd9bb04069

    [4]https://www.cnbc.com/2026/01/10/anthropic-amodei-siblings-generative-ai.html

    [5]https://www.cnbc.com/2026/01/03/anthropic-daniela-amodei-do-more-with-less-bet.html

    BTW: 

    我开始恢复自己的博客了,感谢 claude code,欢迎来到我的博客:rui.juzi.bot 

    我的 Claude 永动机的实验,也会持续在我的博客更新。

    阅读原文

    跳转微信打开

    ❌