铃阅时讯
❌

普通视图

AI 值得信任吗?先看看人类花了一百年才敢喝的那杯水

2026年8月2日 23:25

原创 王建硕 2026-08-02 23:25 美国

我们最近聊到一个问题:AI 值不值得信任?聊着聊着,我发现真正的问题根本不是 AI 准不准,而是——信任是怎么建立起来的。 全盘接受,才是真正的危险 你问 AI 一件事,它给你答案,如果你全盘接受,这个世界以后会很惨。因…

我们最近聊到一个问题:AI 值不值得信任?聊着聊着,我发现真正的问题根本不是 AI 值不值得信任,而是——信任是怎么建立起来的。

全盘接受,才是真正的危险

你问 AI 一件事,它给你答案,如果你全盘接受,这个世界以后会很惨。因为你接受了,你就放弃了控制,你就没有戒心了。

这不是抽象的担心。我自己开自动驾驶的车,就明显发现反应变慢了。以前你不信任它,脚会经常放在刹车上,随时准备踩一下;现在你习惯了,到了出口它没出去,你已经意识不到自己该刹一下车了。信任本身,正在偷走你的警觉。

但是,对于不同的系统的信任程度,是满满的建立起来的。

有人说,那医生也会开错药啊。不一样。医生开错药,医生是要担责的。背后有个人,有一套追责的东西在兜底。 想想看,医生这种职业——你把自己的性命交给他,让他给出配方,剂量出了问题有可能就会死人。而且别忘了,在漫长的历史里,不靠谱的医生、不靠谱的偏方,造成的问题远远高于今天任何一个 AI 大语言模型。但我们是怎么一步步信任医生的?人类花了几百年时间,靠的不是「医生是好人」,靠的是执照制度、医疗事故追责、医院定期审查……一整套体系把这个原本极度危险的职业,一点一点逼得对患者相对安全起来。你信任的从来不是那个人,是那套体系。

我们敢喝那杯水,靠的不是运气

打个比方:在餐馆里面,我面前的这杯水里,到底有没有毒?我敢喝,是因为我信任,在正常的餐馆里喝的东西应该没毒。

但这份信任不是天上掉下来的。200 年前的社会,是无法建立这种信任的——在外面根本不敢随便喝水。想想看,200 年前在外面喝一杯没烧开的水,基本上就是在赌博。细菌是什么都还没搞明白,死都不知道怎么死的。自来水和灭菌根本不存在——你在外面随便喝口水,就是真的在拿自己的身体下注。我们现在觉得理所当然安全的东西,曾经都是那么不安全。

为什么今天敢了?因为我们建立了司法体系、追责体系、食品安全,门口要贴员工的定期体检报告、要公示……一整套东西堆起来,才让我今天敢在任何一个餐馆里面,端起这杯水喝下去。

汽车也是,吃药也是,电也是,火也是。历史上,技术让我们现在稀松平常的很多事,都曾经是一场冒险。所以我认为 AI 也会需要一段时间,慢慢把出错的概率压下来。这不是哪一件事单独能做到的,是技术、监管、还有整个社会认知共同进步的结果。

AI 现在恰恰缺的就是这一整套。 所以今天它出错,就是死了就死了,没人负责。不只是追责体系缺位,对 AI 的监管本身也远远不够,既没有足够强的外部约束,技术本身的迭代速度也远超我们建立信任的速度。这两件事加在一起,才是我们现在不该全盘相信 AI 的真正原因。

三年后,AI 也得有一张「健康证」

但过三年,等 AI 真正开始承担重要的事,情况必须变。AI 的模型上面也得有「健康证」,市场监督局得去检查:AI 输出的东西有没有把人给害死?这事肯定会干,让我们逐渐建立起来更深的对 AI 的信任。

信任从来不是「你选择相信」,而是「有一套体系逼着对方不敢辜负你」。人类花了两百年,才把这套体系套在餐馆和医生身上。AI 也逃不掉这一步。

给 AI 贴警告标签?没必要

有人建议,AI 应该贴一个巨大的警告标签,时刻提醒用户「AI 可能出错」。我觉得没必要。

标签贴不贴,不应该看它有没有出过错,而应该看它跟其他信息源比起来靠不靠谱。朋友给的建议,出错的概率其实不比 AI 低,尤其在他们没有专业资质的领域;父母给孩子的建议,就一定靠谱吗?那我们是不是也得每天提醒孩子:「父母是有可能出错的」?是不是也得教育年老的父母:「不要轻信自己的孩子」?

这一推下去,就变得很滑稽了。

学会信任一杯水,本身就是学习的一部分。学会判断哪个信息源值得信、值得信到什么程度,也是。更根本的是:信任谁、怎么信、信到几分——这本身就是一种需要习得的能力,不是天生就有的,也不是贴几张警告标签就能替代的。我们不需要给每一个信息源都贴上警告,我们需要的是把判断力培养起来。

总之,这是一个系统的工程:社会的监督,技术的进步和使用者的成熟。这也是任何技术的普及都需要时间的原因。

跳转微信打开

别再反复教 Coding Agent:让项目记住自己如何工作的五个步骤

2026年8月2日 12:47

原创 Phodal 2026-08-02 12:47 浙江

所谓持续改进,不是不断增加配置,而是让这一次任务留下的东西,真正帮助下一次。

最近我重新整理 Better Harness ( https://github.com/QoderAI/better-harness )的 references 目录时。其核心我们是整理了一系列 AI Coding 的最佳实践,以让 AI 在调用这个 plugin 的时候写出有价值的修复建议。

过程中,发现一个有意思的问题:里面积累的实践越来越完整,但第一次接触 Coding Agent 工程化的人,反而更难判断应该先做什么。

如果你已经让 Coding Agent 修改过真实项目,大概见过这样的场景:它能很快找到代码、完成修改,甚至运行测试;但换一次对话,又要重新猜测项目使用什么命令、 哪些文档可信、哪些文件不能修改。你不断补充 Prompt,项目里的经验却没有真正留下来。放回 AI Coding 项目的成长过程,顺序其实很清楚,要添加的内容很也简单

阶段

要解决的问题

主要产物

进入项目

Agent 不知道怎样开工

AGENTS.md

理解项目

文档存在,但任务中找不到

知识路由

复用经验

同类流程需要反复解释

Skill

执行流程

方法有了,却缺少可靠工具

CLI、MCP、Hook

持续改进

这次经验没有进入下一次任务

Agent Work Loop

一个 Agent 友好的项目,不是安装了多少工具,而是项目知识能否被发现,流程能否被执行,结果能否被验证,经验能否进入下一次任务。

第一步:先用 AGENTS.md 给 Agent 一张项目地图

假设一个新人第一天加入项目,我们通常不会直接递给他全部架构文档,而会先告诉他:项目做什么、代码在哪里、怎样启动、修改后运行什么测试,以及哪些地方不要碰。

Coding Agent 进入仓库时,也需要这样一张地图。这是 AGENTS.md 最容易理解的用途。

不同 Coding Agent 对文件名和加载范围的支持有所不同,但 AGENTS.md 承担的内容应该尽量稳定:项目使用的包管理器和运行时、安装与测试命令、无法从目录结构推断的约定、生成文件的位置,以及涉及凭据、数据库迁移和发布时的安全边界。

Agent 能从代码中看出来的内容,没有必要再写一遍。真正值得写进去的,是它看不出来、却很容易猜错的事实。例如:

  • • 仓库里同时存在 npm 和 pnpm 的痕迹,当前究竟使用哪一个;

  • • 某个目录看起来像源码,实际上由工具生成;

  • • 完整测试需要半小时,修改一个模块时应该先运行哪条聚焦命令。

如果还不知道怎样起步,可以先在仓库根目录创建一份很短的 AGENTS.md:

  1. # AGENTS.md
  2. -安装依赖:`pnpm install`
  3. -修改后先运行:`pnpm test -- <相关测试>`
  4. -不要直接修改:`dist/`、`generated/`
  5. -修改模块边界前:阅读`docs/ARCHITECTURE.md`
  6. -涉及数据库迁移或发布:先请求人工确认

这只是最小示意,命令和路径必须替换为项目中真实可用的内容,并且亲自运行一遍。

一份实用的 AGENTS.md 应该简短、准确、可执行,并且与当前项目直接相关。AGENTS.md Review 还强调了一个重要原则:渐进式披露。根目录只保留多数任务都需要的说明,更详细的架构、设计和工作流程,通过链接按需读取。

第一步不必追求一份完美的 Agent 手册。先写清入口、命令、风险和文档导航,让 Agent 能够正确进入项目。

第二步:把核心文档接到任务路径上

有了项目地图,Agent 只是知道怎样开工,还不知道代码为什么这样组织。真正影响修改质量的知识,仍然散落在架构决策、设计规范、测试策略和运行手册中。

第二步要做的,是让这些文档从“仓库里存在”,变成“任务进行到这里时能够被找到”。

常见的核心文档包括 ARCHITECTURE.md、 DESIGN.md、编码规范、测试指南、发布说明和 Runbook。名字不必统一,但职责应该清楚:架构文档解释模块边界和依赖方向,设计文档保存界面与交互约束,编码规范记录团队特有的技术选择,测试与运行手册说明如何验证和诊断系统。

只在 AGENTS.md 末尾放一串链接还不够。更有效的写法,是同时给出读取条件:

  • • 修改模块边界前,阅读 ARCHITECTURE.md;

  • • 调整公共界面前,检查 DESIGN.md;

  • • 改变发布流程前,阅读 Runbook。

这一小句把文档接到了具体任务上,也形成了一条最小的知识路由。架构约束属于架构文档, AGENTS.md 只负责把 Agent 带过去;测试命令如果已经由脚本提供,文档负责解释如何选择,而不是再复制一份可能过期的命令。

到了这一步, AGENTS.md 负责导航,核心文档负责解释,源码和测试提供最终事实。项目开始拥有一套 Agent 可以使用的知识路由,而不再依赖一个巨大的万能 Prompt。

第三步:从重复工作中提炼第一个 Skill

文档适合解释稳定知识,但有些任务不只是“知道什么”,还包含一套反复出现的判断和步骤。

每次发布都要检查版本、变更记录和产物;每次排查线上问题都要收集日志、缩小范围并验证修复;每次代码审查都要核对最终变更、测试证据和风险边界。如果团队每次都要重新提醒 Agent,这段过程就值得被观察。

Skill 可以理解为一份由 Agent 按需加载的工作手册。它回答的是一种任务应该怎样完成:何时触发、需要哪些输入、按什么顺序执行、产出什么结果、如何验证,以及遇到什么情况应该停止并交给人。

但重复出现,不等于立即创建 Skill。一个实用的 Skill 探索门槛是:相似需求至少出现过两次;或者虽然只发生过一次,但成本高、风险大,并且很可能再次发生。在此基础上,还要确认输入相对稳定、步骤能够复用、结果可以检查,而且没有被现有文档、脚本或 Skill 覆盖。

如果不知道第一个 Skill 应该从哪里来,可以翻看最近几次与 Agent 的对话:

  • • 哪些要求已经解释过两次?

  • • 哪些检查每次都要手工提醒?

  • • 哪些失败修复以后很可能再次出现?

它们通常比一张通用的 Skill 推荐清单更值得优先处理。

例如,团队连续几次在代码审查中遇到同一类问题:Agent 只检查了未暂存的修改;测试运行在较早的代码上,最终提交又发生了变化;总结写着“测试通过”,却没有记录具体命令。与其继续往 AGENTS.md 增加提醒,不如把“审查最终变更”整理成一个 Skill,固定收集变更范围、运行对应检查、记录验证证据,并列出尚未覆盖的风险。

第四步:把重复流程变成可执行的工程接口

写出 Skill,只是定义了方法。要让流程真正运行起来,Agent 还需要读取数据、执行检查或操作外部系统。

这时不必立刻增加一个 MCP Server。对于已经拥有脚本或命令行工具的项目,CLI 通常是成本最低、也最容易复现的起点。一个友好的 Agent CLI 应该:

  • • 能从 --help 中发现用法;

  • • 支持非交互执行;

  • • 输出稳定,必要时提供 JSON 等结构化格式;

  • • 失败时返回明确的错误和退出状态;

  • • 为耗时操作提供超时;

  • • 修改外部状态前支持 plan 或 dry-run。

这样的 CLI 可以同时服务开发者、Agent、脚本和 CI,也容易在本地复现 Agent 的操作。团队已经使用 gh、 kubectl 或内部运维 CLI 时,优先把这些能力整理成稳定接口,通常比为每个 Agent 宿主重新包装一套工具更轻。

CLI 优先并不意味着拒绝 MCP。当外部系统缺少合适的命令行入口,或者需要结构化资源发现、宿主集成、持续交互时,MCP 仍然合适。关键是让 CLI 与 MCP 建立在同一套底层能力和权限规则上,而不是分别定义输入、输出和错误语义。

此外,并不是所有问题都应该由 Skill 提醒。能够被程序明确判断的规则,例如禁止修改生成文件,应该交给脚本、Hook 或 CI 自动检查;涉及生产环境、凭据和不可逆操作,则继续保留权限控制、沙箱或人工确认。

第五步:回到真实任务,让项目记住经验

Agent 完成修改、测试显示通过时,我们很容易马上开始下一个需求。先别急着结束:打开最终代码变更,确认测试覆盖的是这次修改后的版本,再检查它是否走完了必要的 Review 和 CI。代码写完只是过程的一部分,结果能够被验证和交付,这次任务才算完成。

Better Harness 把从理解需求、找到知识、执行修改到验证交付的过程,称为 Agent Work Loop 。在这个循环中, AGENTS.md 帮助 Agent 进入项目,核心文档提供上下文,Skill 与工具推动任务执行,测试、Hook 和权限守住结果与边界。

交付以后,再回头看一眼这次任务:Agent 是否又重新寻找了一遍启动命令?是否在同一个目录上再次犯错?是否仍然需要人提醒某项检查?也要留意那些已经奏效的路径,例如某个排查步骤是否连续帮助了几次任务。

这些反复出现的摩擦和有效经验,才是下一轮改进的起点。可以借助 Loop Discovery ,判断它们应该沉淀在哪里:

  • • 稳定事实,写回 AGENTS.md 或核心文档;

  • • 重复方法,整理成 Skill;

  • • 确定性的操作和检查,交给 CLI、脚本、Hook 或 CI;

  • • 确实需要外部资源发现或持续交互时,再使用 MCP;

  • • 高风险、不可逆的操作,保留权限边界和人工确认。

不过,写进仓库并不代表实践已经生效。等下一次类似任务到来,Agent 能否找到它、用上它,并因此少一次返工或提醒,才决定这项实践是否值得保留。

总结

所谓持续改进,不是不断增加配置,而是让这一次任务留下的东西,真正帮助下一次。

如果刚刚开始,就选择一个最近发生的真实任务:让 Agent 从理解需求走到验证与交付,结束时只沉淀一件最值得复用的经验。

项目不需要在第一天就拥有完整的 Agent 平台。它只需要开始记得自己如何工作。

当这个循环转起来,AI Coding 才不再只是个人临时使用的聪明工具,而会逐渐成为项目自身拥有的工程能力。

详细实践文档可以参考:https://github.com/QoderAI/better-harness/tree/main/references/agent-customize

阅读原文

跳转微信打开

北京和上海之间的航班

2026年8月1日 23:42

原创 王建硕 2026-08-01 23:42 美国

今天从北京飞上海,顺便研究了一下京沪线这条全中国最繁忙的航线。作为对于编号充满好奇心的人,研究过很多编号体系(比如我看到 G1522 这样的高速公路编号就兴奋得不得了,中国电话区号是怎么分配的?全球的国家电话区号是怎么分配的),怎么会一直错过了航班的编号呢?

以前我并没有怎么注意到这个编号体系,每次订机票就是直接看携程,按照时间看航班时刻表,但是,如果有一个基本的概念的话,就知道这每天 77 个航班,大约 10分钟就有一班,可以不怎么看时刻表也能掌握大概 - 就如同课程表,是有明确的规律的。记住了,不察携程也大致知道一些航班(甚至是这些班次的航班号)

整点航班

最整齐的,要数东航,航班的时间和编号排列整齐得具有美感。比如这是某一天的航班,从北京出发:从 7 点开始(大约 5 点就得出发去机场),到晚上 9 点结束(大约 12 点才能到家),每一个小时的整点,整齐的排布着一个航班。每天如此,似乎年年如此,没有怎么变动过。

大家看航班的编号:

MU5100, 5102,5104, 5106, 5108 。。。 5128, 15个航班

在北京飞上海的航班起飞的同时,从上海,也会有一班飞向北京,编号是北京的航班编号减一的奇数:

MU5099, 5101, 5102, 5103,。。。 5127。

有这 15 班作为骨架,我们就可以放心的说,每一个小时的整点,东航就有京沪互飞。记住这个,京沪之间杂乱的航班就变得有秩序起来,其实是摆渡飞机,定点发车。

半点航班

除了 17 个整点航班以外,东航每天还有 8 对半点航班,编号也异常整齐,从 MU5151, MU5152,一直到 MU5166 (共 16 个连续的航班号)。不得不说这排布的非常漂亮(半点时间是正中,航班号也是从 5151开始,50 也是 100 的中点)

到这里东航的 15 + 8 = 23 个航班就差不多了。如果稍微加一些记忆,基本上航班号都记得住:正点的就是 (时间 - 7) x 2 就是航班号(上海出发奇数,北京出发偶数)。

除此以外还有 5 个飞大兴的航班,时间比较乱,航班号更没有规律,忽略吧,反正有选择还是飞首都机场比较好。

当然,如果更仔细的看这个区别的话,整点 80% 都是大飞机,半点 70% 是中型飞机;整点几乎全是虹桥,半点一半降浦东,可见整点是大多数人的首选。

国航

刚才只说了东航,国航也是几乎一样的密度,每天 22 班,只是时间上没有东航那么整齐,但基本上围绕在半点,形成东航整点主力,国航半点主力的态势。

航班的编号也没有明显的规律,最主要是航班的编号是保证同一架飞机当天往返京沪,回来的航班(一般是 4 个小时以后)是飞到上海的航班的航班号加 1,不过这对乘客来说没有什么意义。

骨干航班

还有很多其他的航空公司飞京沪,页都有自己的编号和时刻规律:

不过各种的策略也挺清楚的:南航彻底放弃首都机场,只经营大兴,四小时一班稳定服务;海航继续在整点的东航,半点的国航中间挤出来 45 分这个稳定的时间段,并且几乎全宽体客机;其他的小航空公司没有啥规律,艰难的在夹缝里面活着。

这些航班加在一起,,造就了中国最繁忙,最赚钱,宽体客机率最高的航线。

15 和 51 的含义

最后,也是最有趣的冷知识,就是为啥东航的京沪航班都是 51 开头,国航都是 15 呢?

原因是,按照最早的航空管理局划分,1 局是华北局, 5 局是华东局,所以航班的编号第一位是飞机的所属局,第二位是目的局,奇数航班是飞出基地,偶数航班是飞回基地。

所以,国航所有京沪航班都是 CA15XX(北京飞上海奇数),而东航是反过来,MU51XX(上海飞北京是奇数)。

只不过这个是历史遗留的编号,后来慢慢的因为海航等非民航局原始的航空公司出现,以及西北,西南,东北航空和三大航空公司的合并,也就乱了起来。

总结

所以,有了这骨架,就知道了每天上海和北京之间,必然有整点的东航(7 点到 21 点),半点的国航和一些东航,以及 45 分左右的海航,以及孤独的四个小时一班的大兴机场的南航存在。不用查时刻表就知道有这些选择,再加上一些零星的其他的航班。这就是北京和上海这条航线的规律。理清楚了,也就不那么眼花缭乱了。

跳转微信打开

我和知乎不得不说的故事

2026年7月31日 16:07

原创 Fenng 2026-07-31 16:07 浙江

现在我还是会经常打开知乎看看。

你能不能抽空替我去一个地方. 据说那的人们都擅长给别人答案。

李志《定西》

作为最早一批知乎注册用户,如今的我已经很久不在知乎活跃了,但是还时常会收到来自知乎内容的反馈,比如有的网友说在知乎看到我以前的文章了,或是看到有用户分享患病经历的时候提及我们的产品,我偶尔还会打开知乎看看。

活跃,不活跃,是相对而言。知乎早期,我不但是日活用户,而且每天在上面也花掉了大量时间,所收获的不过是在知乎积累了近 40 万的关注者,其实并没有给我带来多大的正向回报,反倒是一度有了不小的烦恼。

都是过去的事情了。

最近的两次发言,是 3 月份发了两条想法,其中一条是:

有了 ChatGPT 们,已经不需要我辈回答问题了。

我的知乎「想法」

是这样的吗?其实还真不确定。有段时间,我觉得我在知乎已经分享过头了,分享得差不多了,不需要再多做什么。

但也有人,经历与我正好相反。

比如知乎有位用户「抱鹅的少年」,早在 2015 年就注册了知乎,却直到 2024 年开始回答问题,2025 年才进入集中创作期,并获评「年度新知答主」。

为什么注册多年后才开始写东西?

一方面是,写作和表达也需要练习;另一方面是,有些东西无法提前写出来。没有经历过长期训练,就很难真正理解基本功;没有站上过职业赛场,就很难描述比赛中的判断和恐惧;没有遭遇过失败、伤病和低谷,也很难知道一个人如何重新确认自身价值。

在这十年里,她从一个对拳击感兴趣的工科生,逐渐成为一名职业拳击手。经历了长期训练、比赛、伤病和失败,也慢慢变成了一个拥有专业知识和具体经验的人。到这个时候,她才真正有可能把拳击知识、训练体会和人生感悟写进回答。

有了 ChatGPT 们,当然可以迅速生成一篇关于拳击、失败或者成长的文章。但那些文字无法替代一个人的真实经历。

以前大家总调侃知乎网友们是在「分享刚编的故事」,知乎团队应该很不喜欢这个调侃,但这个说法能够流行,也说明人们始终在意内容是否真实。对知乎这样的载体,只有分享故事是不够的,故事可以吸引人,真实才可能真正打动人。

即使一个人的经历再丰富,如果始终深藏在内心,或许只会让自己更加孤独。哪怕是只把其中的一小部分整理出来,分享给更多人,就有可能获得回应与支持,也有可能支撑亲历者继续走下去。

知乎作为载体的价值,也在这个过程中显现出来。。

知乎的用户里,抱鹅的少年肯定不是唯一一个通过表达重新理解人生的人。

2018 年,纪寻在南京创办「奇途无障碍」,为残障人士提供就业、社交、出行和教育方面的信息服务。2020 年,开始在知乎分享相关知识、经验和见解。两百多篇回答之后,一些原本散落在不同地方、面对相似处境的人,因为这些内容认识彼此,慢慢形成了一个社群。

他们交流出行中的困难,也分享解决问题的经验。在知乎的支持下,奇途无障碍发起「无障碍博物馆:残障社区连接计划」,前往北京、上海、广州、深圳、西安等地的博物馆,以残障者的视角记录参观体验,讨论无障碍设计、政策和管理问题。

纪寻曾解释,为什么要从博物馆开始这项计划:「对很多残障人士而言,可能我们暂时还没有办法去远方看世界,但我们可以先在博物馆里看远方。」

一个人在网上写下的经验,最终变成了一群人的连接,也进入真实的公共空间。创作在这里不只是自我表达,能让原本不容易被看见的处境得到呈现,也让个人经验成为后来者可以参考的道路。

这是一个美好的过程。

95 岁的刘振东先生在知乎回答「中国原子弹引爆那天引起了怎样的轰动」,则把另一种珍贵经验带到了人们面前。

1960 年,他奉命前往北京十七号工地,参与中国首颗原子弹引信炸药部件的研制。在设备简陋、物资匮乏的条件下,他和同事用铝锅熔药、用报纸制作模具,完成上千次爆轰试验。1964 年,原子弹爆炸成功,一线人员直到第二天才从广播中得知消息。简单庆祝之后,他们很快又回到工作中。

因为保密要求,这些经历曾经多年不为家人所知。很多年后,通过刘振东的回答,那些宏大历史背后的具体细节,才通过一位亲历者抵达了更多人。

即使有了 ChatGPT,有了更多的 AI 工具,也还是写不出这些人生的细节。AI 也不会帮助我们去和更多的人建立连接。

或许那些即时性热门内容可以获得短期的流量,被更多人关注,但是,也有一些内容可以跨越周期。

因为真实感受,因为人的经历,也因为那些无法从概念中直接推导出来的细节。

知乎以问答和讨论为载体。用户来到这里寻找一些具体问题的答案,也常常在答案背后遇见另一个人的人生,这才是美妙的体验。人们寻找答案,有时是为了获得知识,有时也是为了确认,世界上是否有人经历过相似的时刻。

邓煜获得菲尔茨奖后,更多的人才知道他早就是知乎的用户,而且过去的发帖引发了一波知乎考古。这也是一种真实。

那些认真回答问题的用户是可贵的,需要被善待。我的一点额外建议是:希望知乎能从社区运营机制上更好地保护那些有价值的内容贡献者,不要让专业领域的用户被恶意的评论干扰。

从运营团队的策略看,这也意味着要摒弃流量至上。有些所谓的「热点内容」其实没什么社会价值,更没有什么商业价值。

在 AI 可以快速生成内容的今天,文字的生产正在变得前所未有地容易。但容易生成的信息,还无法代替一个人真正走过的道路。

有了 AI,还需要我们回答问题吗?

那些已经被充分整理的知识,确实不再需要每个人反复回答。但人的经验并不会因此停止产生,生活也不会因为有了 AI,就不再出现新的困境、新的选择和新的答案。

值得回答的,或许不只是「知道什么」「如何看待」……还有「经历过什么」以及「为什么仍然愿意继续走下去」。

我们也依然需要和真实的人相互交流。

AI 可以帮助人们组织语言,却不能代替人生本身。

跳转微信打开

再看瑞幸:当共识走到反面

2026年7月31日 15:01

原创 立涛 2026-07-31 15:01 上海

一家公司仍在成长,市场却已经不愿再讨论它——这或许才是共识真正走到反面的标志。

文 | 郑立涛

2024年夏天,瑞幸刚经历了一轮激烈的价格战和高速扩店,利润下滑、同店承压,市场对公司的信心降至冰点。投资人普遍认为,库迪、霸王茶姬等玩家已经动摇了瑞幸的竞争壁垒,公司的组织也已老化,无力回天。

在市场信心的最低谷,我曾写过一篇《重新再看瑞幸的竞争壁垒》,尝试探讨瑞幸的竞争壁垒,在底部坚定地为瑞幸背书。

两年后的今天,瑞幸股价较当时已有明显回升,但某种程度上,市场对公司的态度反而比那个阶段更加冷淡。当时投资人至少还在热烈讨论这家公司的优劣;到了今天,却已经很少有人再提及它,曾经热闹的瑞幸投资群也已沉寂许久。

瑞幸一度是中概消费里最受认可的公司之一。那时候,只要和投资中概股的基金经理交流,基本上人手都持有瑞幸股票。两年前的质疑并没有消失,如今又叠加了一层对成长空间的怀疑。

上个月,我到朋友开设的价值投资课堂担任嘉宾,和学员们交流了对瑞幸的看法,听到的几乎都是悲观判断。这些判断或许不能代表那些最专业、最深入跟踪这家企业的投资人,却很好地反映了更广泛的市场对这家公司的看法:有人觉得现制饮品行业竞争激烈,算不上好生意,瑞幸又有库迪、幸运咖等强敌环伺;有人认为瑞幸的产品力不如古茗,古茗会分走瑞幸的咖啡生意;还有人担心,瑞幸既没有单店增长,也没有继续开店的空间,全球化同样难以跑通……

这些质疑最终汇成了一个结论:咖啡是一门很卷、也算不上好的生意;瑞幸在其中没有明显的竞争优势,没有定价权,也没有成长空间。

这套悲观判断听起来合乎逻辑。问题在于,过去几年的经营结果并不支持这个判断。经历了完整一轮价格战之后,瑞幸仍在快速成长。

也许今天,正是重新审视瑞幸的时候。

一、被竞争冲垮的公司,拿不出瑞幸这种业绩

先说一组容易被忽略的数字。瑞幸这几年的有效所得税率一直在往上走,2023年为8.3%,2024年升至20.7%,2025年进一步升到了31.8%。国内企业通常适用25%的法定所得税率,31.8%已经是个相当高的水平。

受所得税率的影响,单看净利润很容易低估公司这几年的盈利增长;经营利润更适合观察主业本身的变化。

把过去几年的经营利润摆出来:

2022年扭亏为盈,实现11.6亿元经营利润;

2023年增至30.2亿元,增长超过一倍;

2024年——争议最大、股价从高点一度腰斩的那年——经营利润仍然增长了约18%,达到35.7亿元;

到了2025年,经营利润又增长约42%,达到50.7亿元。

也就是说,在价格战最激烈的2024年,瑞幸的利润没有下滑;到了2025年,利润增长反而重新加速。

瑞幸这50多亿元经营利润的含金量,还可以从现金流里看出来。2025年,公司实现了约60.9亿元经营现金流;同期资本开支约为26.2亿元,即使把这部分投入扣掉,仍然留下了约34.7亿元自由现金流。对一家仍在大规模开店、继续投入门店设备和供应链建设的公司来说,这绝对是一台实打实的现金机器。

财报的好处在于,它能呈现一条连续的变化轨迹。如果公司真的是在一个高度内卷的市场里被对手冲得节节败退,理论上绝不该走出这样一条曲线。

茶饮行业就是活生生的例子。书亦烧仙草、奈雪、茶百道、喜茶,甚至包括蜜雪,其中不少公司的增长已经见顶,甚至进入衰退通道;即使是相对优秀的公司,近两年也不同程度地放慢了增长或开店速度。这才是被真刀真枪卷下去的样子。瑞幸的报表,至少现在看起来不是这个剧本。从目前的经营轨迹看,未来2年公司的增长趋势仍然非常强劲。

二、一年净增近万家门店,门店拓展空间充足

如果按市场普遍的观点,瑞幸正在一个很卷的行业里苦苦支撑,那么从经营结果看,至少应该出现开店速度大幅放缓,或者同店大幅下滑。

但实际结果却完全相反。

2023年,瑞幸一改此前温和的开店节奏,一年净增8,034家门店。2024年,公司净增6,092家,市场一度认为开店速度放缓意味着增长已经触顶;没想到2025年公司重新加速,进入2026年后这一势头仍在延续。按照目前的进度,预计到2026年底,门店数量将突破4万家。

从2024年末到2026年5月,公司门店数量增加超过1.2万家,增幅超过50%;但在快速开店的同时,单店表现并没有大幅恶化。2025年,瑞幸自营门店同店销售额增长7.5%;2026年一季度,在门店数量继续快速增加的情况下,自营门店同店销售额基本持平。

在中国的线下连锁行业里,能开出1万家门店,已经是一项非常了不起的成绩。门店数量增加以后,管理难度会快速上升;与此同时,大部分业态适合开店的点位又是有限的,超过一定规模,就需要降低选址标准,或者承受门店之间相互稀释的压力。很多连锁品牌最终都会停在这两道约束前面。

瑞幸已经拥有3.5万家门店,目前一年仍能新开接近1万家,同店又没有明显失速。这不仅在中国非常突出,哪怕放到全球的连锁业态里也很少见。

更重要的是,快速开店并没有明显牺牲新店质量。根据我们的观察,在相同的爬坡期内,2026年新店的表现与2025年同期基本相当。

对于接近产能上限的老店,在周边开出新店,短期会分流原店杯量,新店也需要时间爬坡,两家店的合计杯量很难立刻翻倍。但新店缩短了取餐距离和等待时间,也承接了老店原本无法消化的需求;随着消费者逐渐认识新店、消费频次提高,合计杯量会继续上升,并有机会逐步接近原店的两倍。局部同店承压,不等于区域需求见顶。

瑞幸如此高强度地开店,也并非完全靠在原有区域继续加密。

2023年,当瑞幸门店数达到1.5万家时,我们对国内门店上限的判断大约是三万至四万家。当时这个数字已经很乐观,市场甚至怀疑管理层给出的开店空间是否过于激进。

如今四万家已经近在眼前,但开店速度没有明显放缓,新店质量也没有明显恶化。几年前市场对这家公司门店天花板的判断,显然已经被现实大幅突破。

那么,这么大的新增门店空间,到底是从哪里来的呢?

三、茶饮扩品类,打开拓店空间

几年前,市场之所以把瑞幸的门店上限估在3万—4万家,隐含着一个前提假设:公司能够覆盖的优质点位,主要集中在高线城市的写字楼和核心商圈,这是咖啡最优质的消费场景。

如果只能做这类点位,那么瑞幸的开店空间确实非常有限。

2024年市场信心最低的时候,我曾在《重新再看瑞幸的竞争壁垒》中,把扩品类和超大杯称为瑞幸经营上的两步“妙手”。两年后看,茶饮首先改写了瑞幸能够开店的地方;超大杯则开始改善单杯毛利。其中,对开店空间影响更大的是茶饮。

一家主要依靠咖啡需求的门店,需要周边有足够多、足够高频的咖啡消费者。到了更下沉的市场,这个条件会迅速变得苛刻。加入茶饮、乳饮和果饮以后,同一家店可以同时承接咖啡与茶饮需求,原来无法支撑一间咖啡店的县城和乡镇,也开始具备开店条件。

2024年夏天,瑞幸推出轻咖柠檬茶,开始系统扩展茶饮品类;8月又推出“轻轻茉莉”,随后继续扩充轻乳茶和其他非咖啡饮品。目前,完全不含咖啡的饮品已经占到整体杯量的20%—30%。截至今年5月底,瑞幸非咖啡饮品的累计销售额已经超过200亿元,22款明星单品的累计销量均超过一亿杯。

非咖啡饮品已经从增加杯量的补充品类,成长为能够改变门店选址边界的一块业务。2024年落下的这步茶饮棋,今年终于进入了全面收获期。

这一轮新增门店的主体集中在城市社区店和下沉市场的街边店。社区店让瑞幸从上班途中的咖啡,进入居民下楼取餐、下班回家等日常场景,也覆盖了晚间和周末时段;下沉市场的街边店则进入县城、乡镇和原有网络尚未覆盖的空白区域,带来新的消费者和新的区域市场。

同样是开出5,000家门店,在原有强势区域里无限加密,意味着继续切分老店客流;进入社区和下沉市场,则会扩大整张网络能够覆盖的人群与消费频次。瑞幸每年新增近一万家门店,也就有了不必与原有门店正面内卷的去处。

这类新店的开店成本也在下降。社区和下沉市场街边店的租金更低,过去需要较高杯量才能成立的门店,现在可以在更低的盈亏平衡点上运行,能够满足开店条件的点位也就明显增加。

有点位、有产品,还需要足够多的人把店开出来。瑞幸在联营体系上的优势,过去被讨论得很少。

瑞幸的财务系统能够清晰呈现每家店的收入、房租、水电和人工成本,合伙人之间对账相对简单,老板也不需要每天守在店里。很多茶饮加盟店仍然高度依赖老板亲力亲为,多人合伙以后,账目拆分、日常对账和跨店管理都会变得更加复杂。

在瑞幸的联营商样本里,已经出现了管理几十家乃至上百家门店的联营主体,其中一些采取多位合伙人共同出资、由职业化团队运营的模式。财务透明降低了多人合伙和跨店管理的摩擦,也让已经跑通模型的联营商具备了继续复制的条件。

因此,瑞幸进入一个新区域时,不必过度依赖临时招募第一次做饮品的小联营商。区域一旦开放联营,已经熟悉系统、手里也有资金和团队的老联营商就可以直接跟进。这种复制能力,最终会反映在开店速度和门店密度上。

我在徐家汇办公,以办公室为圆心画一个半径一公里的圈,可能有二十家瑞幸,蜜雪冰城却只有一家。没有任何一家奶茶公司有能力在瑞幸的优势区复制其密度;但到了下沉市场,有蜜雪和古茗的地方,瑞幸又可以依靠咖啡品牌、茶饮产品和大众价格进入。

“你的市场也是我的市场,但我的市场你进不来。”这正是瑞幸最大的护城河与底气,却很少被市场充分理解。从常理看,任何品牌都可以在瑞幸附近开一家小店,但足够高的门店密度和足够强的性价比,会让对手的门店杯量长期处在生存线以下。这就是瑞幸对其他咖啡业态的统治力。

茶饮打开下沉市场,社区店增加生活场景,更低的租金和国产设备替代共同降低了开店门槛,成熟联营商又能够成批复制门店。几项变化叠加以后,瑞幸在国内开到六万家已经具备了现实基础;至少在未来几年,瑞幸的门店增长动能仍未衰竭。

六万家以上的空间来自哪里,可能需要边走边看。海外市场如果跑通,会成为额外的巨大增长来源;即使推进不及预期,也不会破坏国内门店扩张的逻辑。

茶饮带来的变化还不止开店空间。随着非咖啡饮品占比提高,门店的产品结构与单杯毛利也在改善。

四、2026年,瑞幸进入费用优化与毛利提升的多重共振期

2026年,尤其是从6月开始,瑞幸的同店销售额增长受到去年外卖补贴高基数的扰动,但利润端正在出现非常清晰的改善。过去几年压在利润率上的若干成本开始松动,快速开店带来的规模效应又在摊薄总部费用;与此同时,茶饮和超大杯也在改善产品毛利。配送、门店固定成本、总部费用率和产品结构四个方向,有望在同一阶段共同推动利润率修复。

第一重改善来自配送。

很多人在复盘去年的外卖大战时,都忽略了一个关键事实:同一轮平台补贴,对大多数奶茶、咖啡公司都是利好,对瑞幸的利润却是利空。

对于大多数现制饮品公司而言,平台出钱把需求托起来,门店获得了大量增量订单,又不需要承担全部促销成本;这些公司原本就依赖外卖渠道,租金和人工没有同步增加,多出来的订单很容易转化为利润。

瑞幸的情况有些特殊。它原本的大部分杯量来自到店自提,这些订单几乎没有配送成本;外卖补贴把消费者推向外卖以后,也把一部分原本会到店自提的需求转成了外卖,相当于给这些订单增加了一笔原本不存在的履约费用。

为了优化配送体验,瑞幸主要使用顺丰,每单配送费比普通平台高出一元多,这给公司带来了额外的费用压力。平台补贴虽然给瑞幸带来了订单和新用户,但其中相当一部分增量毛利被更高的配送费用抵消,门店利润率反而承压。

今年补贴逐渐退潮以后,去年被补贴抬高的订单量留下了较高的同店基数,因此6月后的同店业绩难免承压;但外卖占比回落,又实质性地降低了瑞幸承担的配送支出。这意味着今年瑞幸的同店销售额增长未必好看,单店利润率却可能比去年更好。

第二重改善来自门店固定成本。

几年前,当咖啡和茶饮品牌集中抢夺线下点位时,瑞幸签下了一批租金较高的门店。现在这些租约陆续到期,商业地产的供需环境已经发生变化。瑞幸作为稳定的大型租户,老店续约时拥有更强的议价能力。

新店组合也在变便宜。新增门店主要集中在社区店和下沉市场的街边店,这些点位的租金天然更低。租金端同时受益于两方面:老店续约时重新定价,新增门店更多落在低租金点位。这种改善会随着更多门店到期续租、更多下沉门店完成爬坡,逐步体现在经营中。

门店设备也在同步国产化。过去部分核心设备依赖进口,单店投入相对较高;随着国产设备逐步替代,新店的资本开支和后续折旧负担都在下降。对于联营门店而言,建店投入降低,也意味着联营商的回本门槛进一步下降,更多低租金、低杯量的点位可以成立。

第三重改善来自总部费用率。

过去2年,瑞幸的门店数量快速增长,但总部的IT、供应链和管理体系不需要按同样比例增加。随着门店网络从三万家走向四万家,早年投入的系统、供应链与管理体系能够被更多门店分摊,这正是数字化体系产生经营杠杆的地方,总部费用率仍有下降空间。

当然,今年因为要引入鲜奶,公司会在冷链体系上做一些额外投入,但还不至于显著影响整体利润率。

第四重改善来自产品结构。

非咖啡饮品占比提高以后,瑞幸的产品毛利结构正在改善;超大杯则在此基础上进一步提高单杯毛利。

2024年,瑞幸给柠檬茶、椰子水等产品提供了加3元升级超大杯的选项。今年二季度以来,越来越多的产品开始提供超大杯,这一杯型逐渐从少数产品上的尝试,变成可以在整张菜单中复用的选项。

消费者多付3元,就能获得明显更大的容量;瑞幸增加的原料与包装成本只有几毛钱,多出来的销售额因此能够贡献非常可观的增量毛利。随着这一杯型覆盖更多产品,平均杯单价和单杯毛利都有进一步改善的空间。

当上述变化开始共振,即使同店销售额受到高基数扰动,2026年的利润率仍有明确的修复空间。

更重要的是,这些变化发生在公司仍然快速开店的阶段。门店数量继续增加,单店利润率和总部费用率又在同步改善,瑞幸的利润增长有望进一步提速。

五、竞争依然激烈,但已经很难动摇瑞幸

市场谈到瑞幸的竞争,最常被提到的对手是幸运咖、库迪和古茗。

先说幸运咖。

2025年11月,幸运咖宣布全球门店突破一万家,但第三方渠道监测到的在营门店一直只有8,000多家。按监控数据的连续口径,2026年上半年其在营门店只净增约300家,5月、6月还连续出现净减少。随后,公司把全年新增门店名额限制在2,000家以内,经营目标也转向了“以单店营收增长为主,以规模发展为辅”。

幸运咖当然可以依靠更低的建店成本,进入乡镇和低GMV点位。但在品牌势能、单店产出和消费频次等方面,它仍明显逊色于瑞幸。从今年的在营门店变化看,幸运咖不再延续此前高速扩张的势头。

库迪的情况更加直观。

两年前,我曾走访过多组相邻而开的库迪与瑞幸门店,往往瑞幸门庭若市,库迪生意冷清。库迪价格更低,两家选址又几乎一致,杯量却存在显著差距,已经直观地反映出两家公司在品牌和运营上的差别。读者如果有心,不妨也走访一下类似门店,不难得出相似结论。

去年的外卖平台补贴红利,一定程度上让库迪在经营上缓了口气,但补贴一旦停止,库迪的生存危机再次浮现。

今年以来,库迪开始在省会及以上城市暂停新增联营门店,转而开设直营店。据近期行业交流,在部分核心城市和优质点位,已经出现联营合同到期后不再续约、将经过联营商验证且经营较好的门店转为自营的情况。也有联营商反映,总部会在经营较好的联营店附近布局直营店,进一步分走原店的订单。

这件事真正伤害的,是联营商对长期回报的预期。联营商投入几十万元,承担前期选址、市场培育和门店爬坡的风险。大部分门店没有赚到钱,亏损主要由联营商承担;少数联营商辛辛苦苦把门店经营到盈利,经营成果却可能被总部收走,或者被附近新开的直营店分流。

从联营商的角度看,这是一种很明显的利益侵占。库迪一旦踏上这条收割联营商的道路,就基本断绝了日后再与瑞幸一争高下的可能性。

再看古茗。

古茗已经在多个省份跑通了下沉市场,在产品、供应链、数字化和加盟商管理上,都显著强于大部分茶饮品牌。它也是茶饮行业里把瑞幸经营体系学得最像的一家公司:用数字化系统管理门店,提高到店自提比例,降低对外卖平台的依赖。学得最像的公司,经营表现也最好。

古茗的咖啡已经占到门店单量的20%—30%;反过来,瑞幸的非咖啡饮品也占到大致相同的比例。

两家公司能够做到这一步,已经说明双方都具备行业一流的跨品类产品运营能力。但两边的新品类占比都停留在两三成,也说明跨品类拓展仍然受到原有门店点位和消费场景的强约束。

如果咖啡好不好喝就能决定竞争结果,古茗咖啡的美誉度似乎更高,理应对瑞幸造成更大的分流。但实际结果并非如此,关键原因在于咖啡是一种工作日、高频次、对便利性非常敏感的消费。

消费者习惯在上班途中、办公室楼下或者开会间隙顺手买一杯。瑞幸已经在写字楼形成高密度网络,对社区的覆盖也在迅速加深。用户打开App下单,下楼便能取走。

古茗在写字楼场景的门店密度明显更低。即使每周发放9.9元咖啡券,这类优惠券通常也要求到店自提,取餐所需的路程和时间仍然很容易抵消价格上的优惠。

瑞幸卖茶饮同样会受到场景约束。瑞幸整体的非咖啡饮品占比约为两成,但在大学门店,茶饮占比可以达到35%。同样的产品放在不同点位、面对不同人群,最终呈现出的品类结构也会明显不同。

价格和组织结构进一步扩大了这种差距。

瑞幸的奶茶常规杯可以卖到9.9元,超大杯也只要12.9元。以当前的产品品质、品牌形象和门店便利性,大多数茶饮公司很难长期维持在这一价格带。

茶饮品牌总部、原料供应体系和加盟商都需要获得利润。价格下降或者租金上升,最终都会压缩加盟商的单店回报。总部可以用阶段性补贴推动促销,却很难要求加盟商长期牺牲自己的收益,陪着品牌持续压价格、卷成本。

瑞幸拥有庞大的直营网络,采购体量更大、门店效率更高,还可以根据不同区域、门店和时段调整券价。它能够从整张门店网络出发设计价格,同时通过体系效率给联营门店留下利润空间。

这种组织差异还会反映在核心点位上。瑞幸可以通过直营体系,在核心城市的核心位置承担更高的租金。部分门店单看回本周期未必最短,但能够提高品牌曝光、完善门店网络,具有长期的战略价值。

古茗主要依靠加盟商开店。核心商圈的高租金如果吃掉了大部分利润,加盟商很难为了品牌形象长期承担这笔成本。时间拉长以后,两家公司在核心位置上的旗舰店、标杆店和门店密度会逐渐拉开差距,品牌形象也会随之分化。

再往深一层看,咖啡和茶饮的生意属性并不相同。

茶饮更像彩妆,SKU和菜单迭代很快,上一年的大单品到了下一年未必还有热度,因此公司每年都需要抓住当年的大单品。某一年没有押中流行趋势,门店杯量就可能出现明显波动。

咖啡更像护肤品。瑞幸一年前最大的爆款是生椰拿铁,两年前是生椰拿铁,三年前仍然是生椰拿铁。多年过去,生椰系列依然占到门店销量的20%—30%。一个大单品可以维持多年的复购,逐渐沉淀成稳定的消费习惯和品牌心智。

古茗已经证明了自己的跨品类能力,几款咖啡产品也做得不错。当前的差距主要集中在写字楼和社区的点位密度、核心位置的旗舰店、咖啡消费心智、价格运营能力等方面。同时,以加盟为主的商业模式在高强度竞争中天然不如以直营为主的模式灵活。

一款好喝的咖啡产品,距离一张能够承接日常高频消费的咖啡网络,还有很长一段路。

六、过去几轮行业起落,最后都在强化瑞幸

回头看过去三年,瑞幸先后经历了价格战、同店稀释压力和外卖大战。三轮冲击都曾实实在在地压低利润率,也都迫使公司做出新的经营调整。

2023年库迪掀起低价竞争时,市场担心瑞幸会被拖进一场没有尽头的价格战。

这轮竞争确实让利润率承压,也把整个组织重新调动了起来。瑞幸进入了一轮快速开店、抢占核心点位的周期,供应链和联营商体系一起向前推,一家原本已经相当庞大的公司,重新进入了全速战斗的状态。

2023年,瑞幸净增8,034家门店,年末门店数几乎翻倍;全年平均月交易客户数同比增长124%。库迪的卷入像一场压力测试,把瑞幸原本可以逐步释放的开店能力和组织潜能在一年内集中激发出来。市场当时看到的是利润率承压,留到今天的却是一张更密的门店网络和更大的用户基础。

快速开店随后带来了新的问题。

门店密度上升,同店被明显稀释;2024年,瑞幸自营店同店销售额下滑16.7%,市场由此得出“门店已经饱和”的结论。瑞幸的应对是继续开店,同时加快扩展茶饮、果饮和乳饮,并用超大杯打开新的价格带。

茶饮、果饮和乳饮随后拉宽了消费人群和消费时段,也让许多单靠咖啡需求无法支撑的点位具备了成立条件。曾经被视作扩张副作用的同店稀释,最终推动瑞幸打开了品类边界;品类变宽以后,门店天花板也被重新推高。

2025年的外卖大战也是如此。

平台补贴把一批原本应该更快退出的弱势玩家救了回来,延缓了行业出清;瑞幸的配送费用也从28.2亿元增加到68.8亿元,增幅接近144%,利润率承受了真实的压力。

但从更长一点的时间看,平台补贴也在短期内放大了行业需求,替整个行业分担了一部分新客教育和新店冷启动成本。瑞幸抓住这阵顺风,全年净增8,708家门店,年末达到31,048家;全年平均月交易客户数达到9,420万,同比增长31%。补贴带来的订单帮助新店更快完成爬坡,也帮助瑞幸培育了一批新用户。补贴可以退潮,但由此带来的新用户、已经开出的门店,以及这些门店完成爬坡后形成的产出都留了下来。

进入2026年以后,外卖高基数仍会扰动短期报表;但随着补贴逐渐退潮、订单结构回归常态,去年新开的门店也会陆续进入成熟期。2026—2027年很可能出现利润增长快于收入增长的阶段。

把三轮变化连起来看:库迪的价格战提前释放了瑞幸的开店能力和组织潜能;同店压力推动了品类扩张;外卖大战又扩大了门店网络和用户基础。

逆风本身没有价值,但足够强大的公司可以把它转化成资产。同样一场价格战、同样一轮平台补贴,竞争力不足的公司留下更差的报表,行业出清也只是被进一步延后;而瑞幸留下的却是更多门店、更多用户、更宽的品类,以及下一轮增长的条件。

七、无聊的复利

最后,我们把视角从过去三年的行业竞争拉长到十年,再看一个很反常识的事实。

整个2010年代,在一份以2019年末市值超过100亿美元的公司为样本的美股回报统计里,累计回报第一名是Netflix,上涨约4,011%;第二名是达美乐披萨,上涨约3,989%。那十年里几乎追平Netflix、排在一众科技公司前面的,居然是一家卖披萨的公司。

这个事实真正值得琢磨的地方在于,达美乐卖的始终只是披萨。它的收入没有在某一年突然翻上几倍,也没有发明什么划时代的新产品。它只是很早就想清楚,披萨无非是在质量、价格和便利性三个维度上竞争,而便利性可以被技术持续改造。2007年,达美乐开始推广线上和移动下单;2008年又推出订单追踪系统。数字化让它能够直接触达用户,把优惠券投得更准,提高下单和履约效率,再把这些效率反哺给品牌、加盟商和整张门店网络。到2024年,达美乐在美国已经有超过85%的零售额来自数字渠道。

美国有一家专门投资成长型企业的机构,叫Durable Capital。在它的投资框架里,有一类重要机会叫Good to Great。它的意思是,一家原本已经很好的公司,借助新的技术或经营工具,把自己的优势再往前推一大截。公司仍在做原来那门生意,但规模、效率和用户体验已经进入了另一个层次。

瑞幸走的几乎也是这条路。它的核心仍是一门标准化现制饮品生意,真正被持续改造的是产品生产和销售的方式。App直连用户、动态定价、供应链、数字化管理和三万多家门店相互叠加,门店越多,消费者越方便;用户越多,产品开发和定价就能做得越精准;规模越大,总部系统、供应链和品牌投入的分摊效率也越高;更高的效率,又能支撑更低的价格和更密的门店网络。

已经拥有三万多家门店以后,瑞幸在2026年上半年还能开出5,000多家;门店密度快速提高,新店cohort却没有明显变差。达美乐能在披萨生意里跑出这样的复利,瑞幸面对的又是一门复购稳定、标准化程度高、大单品寿命很长的饮品生意。这就是Good to Great落到现实经营里的样子。

一位我很敬佩的朋友,在复盘了很多长期大牛股以后,得出了一个很重要的认识:那些能够带来长期大回报的公司,往往不会依赖某一年把利润翻上几倍。它们的故事甚至有些“无聊”——在五年、十年的时间里,每年只交出一份单看并不惊艳、却足够稳定的成绩。客户在一点点积累,产品和服务在一点点变好,经营效率也在一点点提高。任何一年单独拿出来都算不上奇迹,连在一起却会形成非常惊人的复利。

这类公司的起点估值通常并不高。随着业绩一年年累积,可能到了某一个节点,市场突然意识到,它已经和几年前完全不同,开始愿意给它一个更高的估值;与此同时,公司的业绩还在继续增长。业绩增长和估值抬升两股力量叠加在一起,就是所谓的戴维斯双击。

Good to Great需要多年积累,市场对它的重估却往往会在很短的时间里完成。

回到瑞幸本身——从2023年酱香拿铁的全民共识,到今天的一边倒看空,市场的情绪走完了一个完整的来回;而它的财报,只是安静地、一年一年地往上走了一格。当所有人都站在共识的同一边时,我们不妨回归事实本身,客观、全面地重新理解这家公司。

跳转微信打开

一镜成片,随心参考|Seedance 2.5 正式发布

2026年7月31日 12:47

字节跳动Seed 2026-07-31 12:47 北京

30 秒长叙事,多模态参考能力、编辑能力全面升级

今天,我们正式发布新一代视频创作模型 Seedance 2.5。

Seedance 2.0 发布后,我们观察到,用户对视频创作模型的期待正在从“生成一个片段”走向“完成一段创作”。Seedance 2.5 延续了 Seedance 2.0 统一的多模态音视频联合生成架构,重点突破长叙事能力、多模态参考能力和编辑能力。围绕真实的产业场景,让创作拥有更大的想象空间,并进一步释放生产力。

其核心亮点如下:

单次生成时长达 30 秒,支持多轮延长:Seedance 2.5 可单次生成 30 秒高质量视频片段,并支持多轮延长。同时,模型优化了镜头衔接和场景过渡,让长视频保持更好的连贯性。模型还大幅优化了画质、音质以及运动质量,并有效弱化了视频生成中常见的“油腻感”。用户可以生产数分钟具有统一视听语言、高质量的连贯内容,精彩故事一次呈现。

多模态参考能力全面升级:Seedance 2.5 支持用户单次输入最多 30 张图片、10 段视频、10 段音频作为参考素材。模型还提升了白模参考、运动参考、创意参考等各类参考能力,使模型能更好地理解创作意图,实现多主体、多场景、多镜头变化的复杂创意。

更精准、稳定的编辑能力:Seedance 2.5 支持精准的时间戳控制,可定向编辑视频内容,提升创作的效率和可控性。同时,模型强化了绿幕编辑、视角编辑、参考编辑等多种编辑能力,满足影视、广告等更多专业、复杂场景的创作需求。

凭借长叙事、多模态参考、编辑能力的提升,模型不只能单次生成更长的视频,也能更好地理解创作意图、更可控地完成从想法到视频落地的全过程。接下来,我们想邀请你一起观看一段创意短片,全片由 Seedance 2.5 独立生成。

今天,Seedance 2.5 正在陆续上线即梦AI、豆包专业版等平台,API 服务也将在近期上线火山方舟,欢迎体验和反馈。

项目主页:

https://seed.bytedance.com/seedance2_5

体验入口:

1)即梦网页端-视频生成-选择 Seedance 2.5

2)豆包专业版-视频生成-选择 Seedance 2.5

30 秒长叙事、支持多轮延长

精彩故事一次呈现

Seedance 2.5 将单次视频生成时长从 15 秒提升至 30 秒,同时进一步提升长视频中的叙事能力。模型可以在 30 秒内组织多个有逻辑关联的镜头,让故事从铺垫、推进、转折到收尾逐步展开,而不是简单延续一个画面。比如创作一段歌手一镜到底上台演出的片段,模型演绎了歌手在化妆间与工作人员互动后,穿过后台走廊与伴舞相遇并一起登台演出的完整故事,而非仅歌手上台的画面。

T2V prompt:一镜到底手持稳定器跟拍,镜头从红色厚重幕布缝隙缓缓推进,进入暖色后台化妆间。年轻女歌手背对镜头整理耳机,工作人员提醒她准备登台。她回头看向镜头,开始唱起 City Pop。镜头后退跟拍,歌手穿过幕布进后台通道,与舞伴自然互动,一位工作人员把麦克风递给她。随后歌手与舞伴登上舞台,镜头绕至背面,红黑舞美、LED 屏、追光、烟雾与反光地板逐渐展开。镜头最终拉远至体育馆全景,呈现满场观众、灯牌、荧光棒与欢呼声,营造年轻自由的演唱会高潮氛围。

凭借模型的多轮延长能力,用户能在已有的视频结果上自然衔接后续镜头,并在延长过程中保持主体特征、场景环境和叙事节奏的连贯,最终生成数分钟具有统一视听语言的连贯内容,减少拆分镜头、反复拼接和处理衔接的成本。

R2V prompt:延长视频,衔接 @视频1 画面内容和主体继续生成一个 30 秒的视频,保持人物主体、场景、画面风格、声音音效一致。小男孩抱着足球沿车厢跑,地铁停稳后侧边门打开,他立刻冲出,男主紧追。两人一路穿过站台跑到街上,惊动街边路人,男主最终追上并抓住他,小男孩委屈抬头,男主慢慢消气,摸摸他的头,露出无奈笑容。

在画面呈现上,模型能更好地做到自然的运镜衔接,主体在多次切镜中仍保持稳定,音画始终对齐,使长视频生成结果更连贯。比如在一段京剧表演中,镜头伴随主角水袖甩动完成一次优雅的环绕运镜,主体和背景的呈现始终保持一致。水袖在空中的摆动形成自然的弧线,更遵循物理规律。

R2V prompt:16:9 宽幅电影级质感,一镜到底,丝滑运镜,无剪辑。场景参考 @图片4。0-5 秒:@图片2 霸王近景开场,镜头缓慢环绕上半身并过渡至中景;霸王旋身翻转,随后身体与靠旗从镜头前快速掠过,形成自然遮挡,镜头顺势绕至 @图片1 虞姬身侧。6-10 秒:镜头稳定环绕 @图片1 虞姬中景,跟随水袖动作完成环绕运镜虞姬抬臂、挑腕、展袖、半转身。最后收袖定格,侧身看向霸王。11-20 秒:@图片3 武生出场完成后空翻腾动作,随后霸王居中,武生在对侧进退攻防。虞姬位于霸王侧后方以水袖配合,形成刚柔对比。镜头从武生中近景缓慢后拉至舞台大景,结尾三人面向观众同步京剧落幕亮相。

此外,针对视频生成中常见的“油腻感”问题,Seedance 2.5 对物体材质、人物肤质与眼神、光影、画面饱和度等细节进行系统优化。模型还减少了字幕与背景音乐不受控的情况,使成片更接近实拍的影视质感。

多模态参考能力全面升级

复杂创作任务更可控

Seedance 2.5 进一步强化多模态参考能力,支持用户单次输入最多 30 张图片、10 段视频和 10 段音频作为参考素材。更多数量、不同类型的参考素材,能更好的还原用户脑海中的创意,生成主体更多、场景更丰富、镜头变化更灵活的复杂视频内容。

模型能综合理解不同素材中的画面构图、场景、风格、人物、道具等元素,并按指令将这些参考素材用于视频生成。在多人同框、群像叙事等复杂场景中,也能同时还原多个人物的形象与声音,保持各主体特征稳定。

R2V prompt:30 秒音乐会片段,16:9 横屏,电影感写实,真实音乐厅光影,暖金色舞台灯,正式古典音乐会氛围。场景@图一,钢琴家参考@图二,大提琴参考@图三,小提琴参考@图四,主唱参考@图五,管弦等其他乐队参考@图六到图十,合唱团参考图十一到图十四,观众席参考@图十五到图十八。主唱舞台中央走向前沿,钢琴家在钢琴旁,乐队分布两侧与后方,合唱团在舞台后方。开场高位俯拍音乐厅全景,钢琴家落键,主唱进入追光演唱,镜头自然带过小提琴、大提琴与管弦乐队,小提琴明亮,大提琴温暖。后段合唱团加入,主唱与第一排观众短暂眼神交流,观众微笑点头。结尾镜头后移,演唱结束,观众跟随鼓掌。

此外,模型还提升了白模参考、运动参考、创意参考等各类参考能力,让画面中的主体、动作、运镜更可控。比如,在白模参考中,用户可以用无纹理 3D 模型搭出画面的空间结构、主体姿态、运动轨迹和镜头机位,再让模型参考这套结构生成视频,使复杂镜头的构图和调度更接近预期。同时,模型还增强了光照控制能力,通过白模的空间信息,生成符合真实物理规律的光照效果,包括光源方向、色温、强度、阴影投射等,让最终生成的画面光影更自然。

R2V prompt:参考 @白模1 的运镜、镜头节奏、景别变化、主体轨迹和镜头调度。参考 @图片2 的角色外形、场景、材质、光照、色彩和童话氛围,将白模渲染为梦幻温暖、儿童幻想感、3D 动画短片。剧情依次为:幻想天空飞行→云海神兽伴飞→俯冲入海→鳐鱼海底穿梭→镜面时空裂缝→宇宙摘星→幻化回房间→爸爸盖被→合上绘本定格。

更精准、稳定的编辑能力

有效提升创作效率

在视频生成创作中,用户通常需要控制生成时的节奏,并在生成后持续打磨细节。某个动作在第几秒出现、镜头在什么时间切换,或某片段里的角色、动作是否需要调整,都关系到最终成片的效果。更精准、稳定的编辑能力,可以让用户准确还原创意,提高创作效率,减少反复生成的成本。

Seedance 2.5 支持通过时间戳精准编辑音视频内容,在生成时,用户通过 prompt 控制某个时间段发生的故事、画面视角、运镜和整体节奏,使其更贴近创作意图。在生成后,用户还能针对指定片段里的角色、动作、声音或剧情进行定向修改,同时保持修改前后的连贯性和真实感。

模型还进一步提升了绿幕编辑、视角与运镜编辑、参考编辑等多种编辑能力,以满足影视、广告等更多专业、复杂的创作场景。比如,在绿幕编辑方面,模型不仅能在保持主体不变的情况下,替换不同场景、讲述不同故事,还能更好地基于不同场景的物理规则渲染人物身上的物理效果,包括衣服飘动方向、头发状态、步态节奏、光影等,使主体和场景更加和谐。 

R2V prompt:把 @视频1 绿幕背景渲染场景、障碍、服装和配角:0-4 秒:户外训练,障碍换石头、砖块、轮胎、木箱;4-10 秒:休息室,朋友鼓励;10-15 秒:国际赛场,训练杆换原创防守球员和门将,主角进球。整体写实电影级。

R2V prompt:编辑 @视频1,保持人物、动作及画风不变,仅调整运镜。15 秒分段运镜设计:0–4 秒,微型 FPV 贴锅穿行,跟随弹起的吐司后横甩至咖啡;4–7 秒,推近并沿锅边横移,跟随煎蛋翻起落回;7–11 秒,急速升至顶视角,匀速下压扫过餐盘和钥匙;11–15 秒,手持近镜跟随双手快速横甩,最后推近早餐,再拉回双人中景。全程连贯稳定。

深入更广泛的产业场景

持续探索应用价值

随着模型能力的提升,Seedance 2.5 也在深入教育、工业等更广泛的产业场景。在教育领域,模型已开始进入真实学习场景。比如,Seedance 2.5 可以将课文背后的历史背景、人物和情节转化为视频内容,把学习内容从静态讲解转化成更生动、更沉浸感的画面。同时,模型可以帮助老师更高效地制作教学视频,将科学原理、历史事件、实验过程等抽象内容转化为动态演示,不仅降低教学物料的制作门槛,还支持灵活的内容定制。

豆包爱学 App「豆包课堂」场景示例

R2V prompt:东方写意风格。南宋临安街景,热闹的街上几个孩子边跑边闹,孩子们嘴里张嘴念着 “蓦然回首,那人却在,灯火阑珊处”。镜头始终跟随孩子们奔跑,带过热闹的街景。镜头上摇,此人正是 @图片1 辛弃疾。辛弃疾回头,远处是在灯火阑珊中的男子,镜头连贯。

在工业制造、具身智能和自动驾驶等产业中,Seedance 2.5 也开始进入更具体的生产环节。模型可以生成高质量合成视频数据,帮助训练机器人的感知和操作能力;也可以用于工业仿真、流程培训和设备演示。在自动驾驶场景中,模型还可以模拟极端天气、复杂路况等低频场景,为系统测试和训练提供更多样本。

R2V prompt:参考 @白模1 的运镜、构图、景别、空间关系、零件位置、模型结构、装配顺序和运动轨迹。参考 @图片1 的材质、光照、色彩、反射和氛围,将白模渲染为高端真实汽车拼装片段。

总结与展望

Seedance 2.5 进一步增强了对真实世界的理解和呈现能力,让视频生成从片段级输出,走向更完整的创作流程。我们也看到,在复杂运动的物理合理性、极多主体交互场景的稳定性上,模型仍有提升空间。

未来,Seedance 团队将继续探索更长的连贯叙事、更懂用户的生成与编辑体验,并进一步增强模型对物理世界规律的理解。我们希望 Seedance 系列模型能更生动、更可控、更懂创作者,帮助更多用户表达创意的同时,持续探索并服务更广泛的产业需求。

阅读原文

跳转微信打开

最佳实践:从Multi-Agent到Agent Team

2026年7月31日 09:22

原创 yan5xu 2026-07-31 09:22 湖北

2w字长文,Agent Team 的最佳实践。

这是一篇长文,也是一份 Agent Team 的最佳实践。

如果你刚开始使用 Agent,后面有些实践可能会显得过于复杂,比如长期身份、Domain、Agent 之间的协作、跨 Agent 工作的收口、Team 的可观测性,以及对外关系中的身份与权限边界。

你不需要现在就把它们全部掌握。可以先读楔子、01 和 07,理解一个 Agent 为什么会逐渐变成一支 Team。

等你开始同时维护多个 Agent,发现自己不断重复解释背景、搬运 Context、追踪状态,甚至发现“Agent 更多了,人却更忙了”,再回来读 02 到 06,这些问题会立刻变得具体。

这篇文章希望提前给你一张地图:你今天可能还没有遇到这些问题,但当 Agent 从一次性工具变成长期协作者,它们会一个接一个出现。

它来自我长期运行一支真实 Agent Team 的过程。

Agent 怎样从一次性 Task 变成长期责任主体;Scope 过大以后怎样分化;不同 Agent 怎样发现彼此、直接协作并持续收口。

Human 怎样从唯一的 Router 变成整支 Team 的 Owner;以及 Agent 怎样在受治理的边界下进入真实外部关系。

CodexLoom 是承载这套工作方式的产品。这篇文章既介绍它提供了什么,也解释为什么一支 Agent Team 需要这些能力。

它讨论的不是怎样同时启动更多 Agent,而是:

当 Agent 开始长期存在、形成不同 Domain,并且需要相互协作时,怎样把原本全部集中在 Human 脑子里的责任、关系、交接方式、当前状态和边界,

逐渐变成整支 Team 可以使用的工作结构。

在这个过程中,Human 不再负责串联每一步,而是从唯一的 Router,逐渐上移为整支 Agent Team 的 Owner。

你可以怎样读

你不需要一次读完。可以先根据自己正在面对的问题,直接进入对应章节。

  • 如果你想先理解“为什么多个 Agent 不等于 Agent Team”,可以读楔子、01 和 07。

  • 如果你已经在同时维护多个 Agent,并开始被 Human Routing 拖累,可以重点读 02、03 和 04。

  • 如果你关心 Agent 的负载、瓶颈、Scope 调整和 Team Governance,可以直接读 05。

  • 如果你想让 Agent 进入 Slack、飞书、客户、社区或者其他真实外部关系,可以直接读 06。

  • 如果你想完整理解 CodexLoom 的产品逻辑,可以从头读到最后。

正文也会配合真实产品界面、协作链路和机制示意图。

第一次阅读时,你可以先看标题、加粗句、引用和图片配文,建立完整框架;之后再回到具体章节,阅读其中的实践、机制和边界。

全文地图

  1. 一个 Agent,是怎么变成多个 Agent 的

    为什么真实工作会把 Task Agent 推向 Long-running Agent;为什么一个越来越好用的 Agent 最后又必须分化;多个 Agent 出现以后,瓶颈为什么会转移到 Human。

  2. 先让“谁负责什么”离开 Human 的脑子

    Agent 怎样获得稳定身份、Domain 和 Scope;Human 与 Agent 怎样查询当前 Team 的责任结构;真实协作又怎样逐渐沉淀为 Organization 与 Collaboration。

  3. 让 Agent 自己开始协作

    Agent Message 带来了什么变化;一个 Agent 怎样把工作直接交给另一个 Agent;为什么 Agent 沟通不是一次把一切说完。

  4. Message 负责沟通,Topic 负责收口

    当工作跨越多个 Agent、多个 Turn 和多天以后,怎样保留唯一的当前版本;Responsible、Participant、Artifact 和 Needs You 分别解决什么问题。

  5. Overview:让一支持续变化的 Agent Team 变得可治理

    当 Human 不再阅读每个 Agent 的全部过程,怎样从更高层观察 Team;怎样发现等待、积压和瓶颈候选;为什么治理关注的是工作流动,而不是让每个 Agent 看起来都很忙。

  6. Agent Team 怎样进入真实的外部关系

    为什么把 Agent 接入 Slack、飞书还远远不够;Agent 对外以后,身份、角色、信任、权限和现实后果为什么必须被分别治理。

  7. CodexLoom 在织什么

    Multiple Agents 与 Agent Team 的真正分水岭是什么;Human 在 Team 中的新位置是什么;为什么需要稳定的 Agent 和动态的 Team。一条连续责任线依次穿过 Task、Long-running、Domain Agents、Human Router 和 Agent Team 五个阶段。

一条连续责任线依次穿过 Task、Long-running、Domain Agents、Human Router 和 Agent Team 五个阶段。

机制示意:从一次 Task 到长期 Agent,再到 Domain 分化、Human Routing 和 Agent Team。Agent 数量增加只是中间阶段,真正的变化是协作责任开始从 Human 转移给 Agent。

楔子:一次意外的外发

这篇文章,其实有点搞笑。我本意是打算把这个做了一个多月的项目先上线 Landing Page,然后慢慢打磨,一次整个大的。

结果负责 Web 的 Agent 接到我上线的指令后,按照之前的协作关系,通知了对外沟通的 Community Agent。Community Agent 一看,大新闻啊,就马不停蹄地整理素材,发到飞书群里。

等我看到的时候,消息已经发出去了。

codexloom.ai 桌面首页,使用大字标题、暖白编辑画布和下方产品界面作为证据。
codexloom.ai 桌面首页,使用大字标题、暖白编辑画布和下方产品界面作为证据。

CodexLoom 当前 Landing 页面。开头的外发故事来自这次真实上线,但页面上线、渠道发送和受众反应是三个不同的事实层级。

虽然事情有些意外,但也并没有脱离我对 Agent Team 的设定,甚至可以说,“它们”这次,干得不错。

我没有站在几个 Agent 中间,亲自选择下一步该找谁、搬运 Context、转交结果;工作仍然沿着已有的责任、协作关系和授权边界继续向前走。

这正是我做 CodexLoom 的原因。

过去,我们一直关心怎样让 Agent 变得更强,怎样让它完成更长、更复杂的任务。

但是单个 Agent 的能力范围总是有上限的。于是,越来越多人开始同时使用多个 Agent。

Agent 多了,新的问题也随之出现:真正的瓶颈不再只是单个 Agent 能做什么,而是怎样把这些 Agent 组织起来。

多个 Agent,并不会自动成为一支 Agent Team。

如果每一项工作仍然要由 Human 选择入口、整理背景、搬运 Context,再把一个 Agent 的结果交给下一个 Agent,那么这些 Agent 本质上仍是一组独立工具。

Human 仍然是整个系统里唯一的 Router,也是事实上的瓶颈。

我理解的 Agent Team,是另一种工作方式。

首先,每个 Agent 会长期负责自己的 Domain。它知道自己应该处理什么、边界在哪里,也知道遇到其他问题时应该去找谁。

其次,一部分原本由 Human 承担的协作责任,开始转移给 Agent。它们可以在明确的责任关系中直接协作,自己完成工作的交接和结果回流,而不是所有事情都要经过 Human 中转。

Human 并没有退出这支 Team。只是不用再串联每一个步骤,而是在方向、事实、选择、Review 和授权的位置回来。

但当 Human 不再盯着每一步,另一个问题也会随之出现:我怎么知道这支 Team 到底运行得怎么样?

所以,Agent Team 的真实工作还需要能够被观察、理解和持续调整。否则我只是从“亲自调度每个 Agent”,变成了“看不见它们在干什么”。

CodexLoom,就是我为这种工作方式做的产品。

它不是为了让你同时打开更多 Agent,而是把一条条独立的 Codex Thread,逐渐织成一支长期负责、能够协作、由 Human 治理的 Agent Team。

那么,多个 Agent,究竟怎样才能真正成为一支 Team?

01 一个 Agent,是怎么变成多个 Agent 的

Task Agent 并没有问题

大部分人开始使用 Agent 时,面对的其实都是一个 Task。

新建一个 Codex Thread,告诉它这次要完成什么,Agent 根据当前的 Context 调用工具、执行任务,给出结果。任务完成,这段工作也就结束了。

这种方式非常自然。一次性、边界清楚的工作,本来就不需要一个 Agent 长期存在。

然而在真实工作中,很多工作并不是一个个彼此独立的 Task。一个 Task 可以完成,它背后的责任却不会随之结束。

工作会围绕同一个长期目标持续发生,并带着新的事实、反馈和限制反复回来。

一篇文章写完了,之后还会继续修改;一个页面上线了,后面还要不断迭代;今天研究过的公司,下个月有了新产品、新融资、新数据,还会再次进入视野。

而且,每一次回来都不是简单重复。上一次的背景、判断和错误仍然有用,Human 给过的纠正、偏好和边界,也应该继续影响下一次工作。

Task 是一次工作的切片,但真实工作是一条持续流动的责任线。

一条持续责任线穿过四个错落的 Task 切片,并把 Context、Correction 和 Boundary 带入 Long-running Agent。
一条持续责任线穿过四个错落的 Task 切片,并把 Context、Correction 和 Boundary 带入 Long-running Agent。

机制示意:Task 可以结束,责任仍会带着新的 Context、纠正和边界再次回来。Long-running 的意义,不是把一次对话无限拉长,而是让同一类责任持续回到同一个主体。

如果每次都新建一个 Agent,人就要重新解释背景、重新告诉它自己的偏好、重新说明什么能做、什么不能做,甚至重新踩一遍已经纠正过的错误。

所以,反复冷启动更深的成本,不只是 Token,也不是多写几个 Prompt,而是每次都在重新建立合作关系。

最自然的选择,就是不要再把这个 Agent 用完即弃。让它保留在同一个 Thread 中,下一次从上一段工作继续。

过去的工作、人的纠正,以及被 Summary、Memory、Skill 等机制保留下来的经验,开始影响下一轮。

这时,它就从一个 Task Agent,逐渐变成了 Long-running Agent。

Long-running 不是单纯把一次对话拉得很长,而是同一类责任开始有了一个持续存在的主体。

Human 也会在反复合作中慢慢形成对它的判断:什么时候应该找它,它擅长什么,通常会怎样工作,哪些边界还需要提醒。

Long-running Agent 也有自己的上限

一个 Agent 变得越来越好用以后,接下来通常会发生另一件事:人会不断把更多工作交给它。

一开始让它写文章,后来也让它找材料、研究事实、管理内容;再往后,可能连页面、SEO 和对外分发也一起交给它。

很少有人能在创建 Agent 的第一天,就准确画出它最终的 Scope。

更正常的过程,是 Scope 先随着使用不断扩张,直到问题在真实工作中暴露出来。

不同工作的高分辨率 Context、工作方法和专业判断开始挤在一起。

Agent 可能越来越慢,质量开始下降,需要反复纠正;也可能一直满负荷工作,新的任务不断排队,其他工作都在等它。

这不一定说明模型不够强。很多时候,问题是一个 Agent 已经承担了太多并不内聚的责任。

于是,就需要思考边界。

哪些工作应该共享 Context,放在一起会越来越好;哪些工作其实需要完全不同的方法和判断,继续塞在同一个 Agent 里,只会互相干扰。

Domain 不是先画出来的领域标签,而是在持续使用、Scope 扩张和能力劣化中逐渐显现的工作边界。

它回答的是:哪些事情适合由同一个 Agent 长期负责,哪些事情应该从中分出去。

这时,一个 Long-running Agent 就会开始分化。

研究工作交给 Research Agent,页面和上线交给 Web Agent,内容收集和写作分别交给 Content、Writer Agent,对外沟通交给 Community Agent。

Task 是工作单位,Long-running 是生命周期,Domain 回答的是一个 Agent 长期负责什么,又在哪里停止。

多种工作流进入一个不规则压力场,发生拥堵和冲突后从不同边界分化为多个 Domain Agents。

多种工作流进入一个不规则压力场,发生拥堵和冲突后从不同边界分化为多个 Domain Agents。

机制示意:Scope 通常先扩张,直到不同 Context、方法和判断互相干扰,边界才从压力与能力劣化中显现。Domain 分化是对真实摩擦的回应。

多个 Agent 的瓶颈,转移到了 Human

Agent 分化以后,单个 Agent 的 Context 压力下降了,不同工作可以同时推进,每个 Agent 也能在自己的 Domain 里积累经验。

但这个时候,它们仍然只是 Multiple Agents,不是 Agent Team。

因为它们虽然已经分工,协作却仍然发生在 Human 的脑子里。

每次有新工作,还是由人判断应该找哪个 Agent;开始之前,由人整理背景、限制和材料;一个 Agent 做完以后,由人读懂结果、判断能不能用,再转交给下一个 Agent。

不同 Agent 的结论发生冲突时,也仍然只有人知道谁才是这件事真正的 Owner。

看起来,多个 Agent 在并行工作。实际上,所有工作的入口、Context、结果和下一步,最后仍然汇聚到了 Human。

Agent 可以并行,但 Human 仍然只能逐个阅读、逐个判断、逐个路由。Agent 越多,Human 需要维护的 Context 和协作关系也越多。

多条并行 Agent lane 汇聚成 Human 前的 Context queue,再沿一条朱红色串行路由逐项输出。
多条并行 Agent lane 汇聚成 Human 前的 Context queue,再沿一条朱红色串行路由逐项输出。

机制示意:多个 Domain Agent 可以同时工作,但如果 Context、选择和交接仍然必须经过同一个 Human,系统最终仍然从一个窄出口串行流出。

于是,系统的瓶颈发生了转移:

核心判断

真实工作反复回来,逼出了 Long-running Agent;Scope 扩张与能力劣化,逼出了多个 Domain Agents;Agent 的分化,又把协作瓶颈集中到了 Human。

单个 Agent 过载,推动了 Domain 分化。Human Routing 过载,则推动多个 Agent 继续向 Agent Team 演化。

Agent 分化,只是产生了多个 Agent。只有原本藏在 Human 脑子里的责任、关系和交接方式被逐渐外化,一部分协作责任开始从 Human 转移给 Agent,它们才可能真正成为一支 Team。

而这件事的第一步,是让每个 Agent 长期负责什么、在哪里停止、遇到其他问题时应该找谁,变得清楚而且可以被整个 Team 使用。

02 先让“谁负责什么”离开 Human 的脑子

多个 Agent 出现以后,我很快发现,新的问题不是没有分工,而是这份分工只存在于我的脑子里。

我知道研究问题应该找 Research Agent,页面和上线应该找 Web Agent,对外沟通应该找 Community Agent。

我也大概知道每个 Agent 擅长什么、最近做过什么、什么事情不应该交给它。

但这些信息如果只有我知道,就没有真正成为 Team 的一部分。

每个 Agent 也许知道自己正在做什么,但它不会因此自动知道这支 Team 里还有谁、别人长期负责什么,以及遇到自己边界之外的问题时可以去找谁。

Human 不仅是整个系统的 Router,也是唯一保存这份分工的 Directory。

所以,CodexLoom 做的第一件事,并不是让 Agent 之间立刻开始互相发消息,而是先让每个 Agent 成为一个稳定、可以被识别的长期主体。

在 CodexLoom 里,一条 Codex Thread 不再只是某次任务留下来的对话。它可以绑定到一个长期 Agent,拥有稳定的名字、身份和工作入口。

之后新的工作仍然回到同一个 Agent,由同一个主体从当前状态继续。

这不代表 Agent 拥有无限、无损的长期记忆,也不是把所有历史记录重新塞回每一次 Context。它解决的是更基础的问题:下一次工作回来时,究竟是谁继续负责。

在此之上,每个 Agent 都有自己的 Profile。

Profile 回答三个非常简单,但对组织非常重要的问题:

  • Identity:它是谁

  • Domain:它长期负责什么

  • Scope:它在哪里停止,什么事情不属于它

Profile 不是给 Agent 发一张工牌,也不是写一段更长的 System Prompt。它是把 Human 已经从真实工作中发现的边界明确记录下来:你是谁,长期接住什么,又在哪里停下。

而且,这份 Profile 不是创建 Agent 时一次写死的。

第一章里提到,人的 Scope 判断一开始通常并不成熟。

一个 Agent 先在真实工作中持续承担责任,Scope 不断扩张,直到不同 Context 和判断开始互相干扰,边界才逐渐显现。

所以,更准确的顺序不是:

不是

创建 Agent → 填写 Profile → 得到一个 Domain Agent。

而是:

而是

真实工作暴露边界 → Profile 保存当前理解 → 后续工作继续验证和修正。

Profile 不是最终答案,而是这支 Team 当前采用的组织假设。

它先把此刻最值得采用的责任边界稳定下来,让 Human 和 Agent 可以据此工作;新的事实出现以后,再继续修正。

它也不是这个 Agent 已经胜任工作的证明。

比如,在开头的 Landing 故事里,Web Agent 的责任是页面实现、上线和生产结果。当页面完成 site-live,它也就走到了自己的边界。

接下来是否应该对外发送、发到哪个渠道、应该怎样表达,是 Community Agent 的判断。反过来,Community Agent 也不会因为负责对外沟通,就接管页面实现、部署或产品事实。

这就是 Scope 的意义。

Scope 不只告诉 Agent“你负责什么”,也告诉它“你在哪里停下,什么时候已经需要另一个 Domain 的专业判断”。

在 CodexLoom 中,一个 Agent 开始工作时,会带着自己的完整 Profile,以及与自己直接相关的 Organization 和 Collaboration。

它因此不只知道当前 Task,也知道自己长期是谁、负责什么、在哪里停止,以及有哪些已经声明的直接关系。

这里先简单理解即可:Organization 表达责任上的 parent/child 关系,Collaboration 表达两个独立 Domain 之间有方向的长期协作接口。后面还会继续展开。

但它不会自动得到整支 Team 的全部 Profile,也不会获得其他 Agent 的 Thread、历史和私有 Context。

需要了解更大的 Team 时,Human 和内部 Agent 可以主动查询:

loom team
loom team <agent>
loom team links <agent>
loom profile get <agent>

loom team 提供当前这支 Team 的整体视图;loom team <agent> 可以查看一个 Agent 的完整 Profile、相邻关系和相关 Activity;loom profile get <agent> 则只读取它的 Identity、Domain 和 Scope。

这里的 Activity,指的是从真实 Message 中聚合出来的协作迹象。

WebUI 的 Team 页面也提供 Directory、Organization、Collaboration 和 Activity 四个视图。

Directory 让 Human 浏览当前 Team 中的 Agent 与 Profile;其他 Agent 也可以通过 Loom 的查询入口主动读取这些声明。

CodexLoom Team Directory 展示多个匿名 Agent。
CodexLoom Team Directory 展示多个匿名 Agent。
CodexLoom Profile 详情分区显示 Identity、Domain 和 Scope。
CodexLoom Profile 详情分区显示 Identity、Domain 和 Scope。

当前产品界面 · 隔离构造工作区。Team Directory 提供长期 Agent 的可查询入口;Profile 明确保存一个 Agent 当前声明的 Identity、Domain 与 Scope。声明是共同工作基线,不是能力、记忆或授权证明。

Team 层提供的是可查询的 Profile 和关系,而不是把每个 Agent 的完整 Context 复制给所有人。每个 Agent 完整、细致的专业工作过程,仍然保留在自己的 Thread 中。

随着 Agent 继续分化,Team 还需要表达它们之间相对稳定的关系。

CodexLoom 用 Organization 记录 parent/child 的长期责任边界:一个更大的责任下面,是否已经分化出稳定的子责任。

CodexLoom Organization 关系图,一个父级 Agent 通过细线连接多个子级 Agent。
CodexLoom Organization 关系图,一个父级 Agent 通过细线连接多个子级 Agent。

当前产品界面 · 隔离构造工作区。Organization 可视化当前声明的 parent/child 长期责任结构;它不会自动选择 Owner、发送 Message 或授予权限。

用 Collaboration 记录有方向的长期协作接口:两个独立 Domain 是否已经形成反复出现、值得明确保存的协作边界。

Agent 可以查询这些声明,把它们作为理解责任结构和可能协作接口的依据。

在 CodexLoom 里,声明结构和实际发生的工作,本来就是分开记录的。

Profile、Organization 和 Collaboration 保存的,是这支 Team 当前采用的组织假设。它们先提供一个共同工作的基线,再由后续真实工作继续检验和修正。

Activity 记录一定时间里真实发生过的 Message 协作。前者是声明,后者是运行证据,二者不能互相替代。

Collaboration 图显示多个匿名 Agent 之间的有向关系。
Collaboration 图显示多个匿名 Agent 之间的有向关系。

当前产品界面 · 隔离构造工作区。Collaboration 保存有方向的长期协作接口;关系本身不自动完成交接、共享 Context 或授予权限。

Activity 图显示一段时间内实际记录到的 Message 方向。

当前产品界面 · 隔离构造工作区。Activity 按记录到的 Agent Message 呈现协作迹象。它可以帮助检验一条声明关系,但不是绩效,也不会自动把重复往来升级成 Collaboration。

Organization 和 Collaboration 不会自动替 Agent 选择或联系下一个 Agent,也不会因为画了一条关系,就给 Agent 增加工具、凭证、部署、生产或外发权限。

两个 Agent 经常互发消息,也不会自动形成一条长期 Collaboration。反过来,写下了一条 Collaboration,也不能证明它们已经配合得很好。

真正值得沉淀的 Collaboration,要先在多次真实工作中表现为稳定的输入、输出和升级条件。

CodexLoom 通过 Message 与 Activity 提供观察证据,再由 Human 明确写下这条关系,并在后续工作中继续验证。后文讲可观测性与治理时,我们会回到这个过程。

这些声明做的事情非常基础:把原本隐藏在 Human 脑中的责任结构,变成一套 Human 和 Agent 都可以查询、检查,也可以继续修改的组织假设。

所以,从 Multiple Agents 走向 Agent Team 的第一个分水岭是:

关键问题

当工作需要协作时,当前 Agent 仍然只能回头问 Human“我应该找谁”,还是它已经可以根据自己的 Scope、直接关系和主动查询到的 Profile,判断下一位候选 Domain Owner?

CodexLoom 不会自动替 Agent 找到“正确的人”。查询结果只提供责任声明和关系依据。

具体应该找谁,仍然需要 Agent 根据当前工作作出判断;边界不清楚时,也应该继续升级给 Human。

但如果每一次都必须由 Human 指定下一位 Agent,那么 Human 依旧是唯一的 Router。这些 Profile 和关系,也仍然只是一张给人看的组织图。

Agent 能够查询并判断候选责任人,解决的是“应该找谁”。

要真正不再由 Human 搬运 Context,它还必须能够直接把一段有边界的工作交给对方,让对方在自己的专业 Context 中完成,再把结果沿着原来的工作链路交回来。

这就是 Agent Message 开始发挥作用的地方。

03 让 Agent 自己开始协作

判断出候选责任人,只解决了一半问题。

如果当前 Agent 走到自己的边界以后,仍然要先回来告诉我,那么 Human 依然是整个系统的人工总线。

我仍然要打开另一个 Agent,重新解释背景、复制材料、转述要求,等它做完以后再把结果搬回来。

只是这一次,我不再负责判断“该找谁”,却仍然负责把所有工作接起来。

所以,Agent Team 的下一步,不只是让 Agent 能够发现其他 Agent,而是让它们能够直接建立协作。

在 CodexLoom 里,这种协作从 Agent Message 开始。

Human 不再是 Agent 之间唯一的通信通道

这里最重要的变化,不是多了一个聊天框,也不是把 Human 写的交接文档电子化。

一条 Message 有明确的发送方和接收方,也会说明这次沟通是否期待对方返回结果。

它进入接收方自己的长期 Thread,由接收方带着自己的 Profile、直接关系,以及已经积累的专业 Context 来理解和处理。

发送方的完整 Thread、全部历史和私有 Context,并不会因此复制过去。

这意味着,协作不再需要 Human 先把一个 Agent 的工作读懂,再人工翻译给另一个 Agent。

发送方只需要交出这次协作所需的 Context;接收方则从自己的 Domain 出发,判断这个问题应该怎样处理、还缺什么、发送方的前提是否准确,以及它是否已经超出自己的边界。

原本发生在 Human 脑子和手上的过程:

发现工作已经越界
    ↓
找到更合适的 Agent
    ↓
解释为什么找它
    ↓
转交必要 Context
    ↓
等待处理
    ↓
把结果带回来

开始能够直接发生在 Agent 之间。

但这不意味着 Human 完全退出。

更准确地说,Human Router 原来承担的一整块工作,开始被拆开。

  • 发送方负责判断为什么需要协作,以及交出必要的 Context

  • 接收方负责用自己的专业 Context 校正问题并返回结果

  • 负责整件事收口的 Agent 负责整合局部结果

  • Human 继续保留方向、重大选择、Review 和授权

协作责任发生了转移,也发生了分层。

Request、Notification 和 Reply

CodexLoom 会区分不同的沟通意图。

如果发送方需要对方返回判断、行动或结果,可以发送一个 request:

loom msg TARGET --from SELF --subject "有界请求" \
  --response required --body "当前问题、边界、证据要求与返回义务"

如果只是同步一个对方必须知道的状态变化,不要求回复,则可以发送 notification:

loom msg TARGET --from SELF --subject "状态或事实" \
  --response none --body "变化、影响和核验入口"

接收方回答 request 时,结果会沿着原 Message 返回,保留真实的因果关系;而 notification 不需要为了“收到”制造一条没有业务价值的确认消息。

CodexLoom Agent Message 详情显示一条需要回复的请求,以及 reply、delivered、completed 和下方因果回复。
CodexLoom Agent Message 详情显示一条需要回复的请求,以及 reply、delivered、completed 和下方因果回复。

当前产品界面 · 隔离构造工作区。Agent Message 分开记录请求的因果关系、送达状态与接收方处理状态;这些状态不等于业务结果正确。

如果回复以后又出现了新的事实缺口,双方可以继续发起下一轮有边界的追问。

多轮沟通不是漫无目的地聊天,而是每一轮都说明:现在新增了什么、接下来要解决什么、结果必须回到哪里。

这些看起来像通信细节,但它们决定了一件很重要的事。

当 Human 不再站在中间以后,系统仍然知道一段工作从哪里来、交给了谁、对方是否需要返回结果,以及后续沟通为什么发生。

Landing 发布中的真实协作

开头那个 Landing 的意外外发,就是一个已经相对成熟、不需要先来回澄清的协作接口。

Web Agent 完成页面实现和 site-live 以后,已经走到了自己的 Scope 边界。页面是否值得对外发送、发到哪个渠道、应该怎样表达,不再是 Web 的专业判断。

于是,它按照已有的协作关系,向 Community Agent 发送了一条上线通知。

这条 Message 不只有一句“页面上线了”,还包含正式 URL、页面与生产验证、哪些事实可以公开、可以使用的素材、需要避免的重复发送,以及当前仍然存在的限制。

Web Agent 没有替 Community Agent 决定“必须发布”。它只是把一个已经超出自身边界、需要对外沟通判断的问题交给了对应的 Domain Owner。

Community Agent 在自己的 Thread 中判断这件事是否值得发送、面向哪个渠道、怎样根据受众改写、是否使用图片,以及应该立即发送、排期、延后还是跳过。

最终,它选择了对外渠道并完成发送,再把发送结果、回执和异常状态交回原来的工作链路。

这里还有一个很小但重要的细节:Web Agent 最初发送的是一条不要求回复的 notification。

Community Agent 完成以后,没有把完成结果伪装成原消息的 reply,而是沿着同一项工作重新发送了一条 completion notification。

因为这次协作的含义不是“Web 等待 Community 回答一个问题”,而是“Web 告知一个已经发生的状态变化,Community 独立承担后续判断,再明确通知结果”。

左右两个独立 Context 之间,一条折返的因果消息路径经历 Open、Correct、Align 和 Converge。
左右两个独立 Context 之间,一条折返的因果消息路径经历 Open、Correct、Align 和 Converge。

机制示意:两个 Agent 保留各自长期 Context,通过 Open、Correct、Align 和 Converge 逐轮增加共同理解。多轮不是把一条完整消息拆碎,而是让真实返回成为下一轮的新 Context。

最佳实践:Agent 沟通不是“一次把一切说完”

Landing 这次不需要多轮澄清,是因为 Web 与 Community 的责任边界、输入内容和结果回流方式,已经在过去的真实工作中逐渐稳定下来。

但更多时候,发送方和接收方拥有各自长期积累的 Context。

接收方不是一个等待填写 Prompt 的空白执行器:它可能知道发送方不知道的事实,拥有不同的工具和专业判断,也可能发现问题的前提本身就是错的。

如果发送方试图在第一条 Message 里把一切定义完整,它也在替接收方预设:你知道什么、问题为什么发生,以及最后应该得出什么结论。

这很容易把发送方自己的盲区一起带进协作。

多轮沟通的好处,是让接收方尽早从自己的 Domain 校正问题;后续每一轮都建立在真实返回而不是想象之上。

两个 Agent 不需要复制彼此的完整 Thread,也能逐步形成这次协作真正需要的共同理解。

我们在实践中逐渐形成了几条原则:

  • 不假设对方知道什么,也不替对方预设原因和结论

  • 第一条 Message 只需要让对方正确开始,而不是一次穷尽全部背景

  • 下一轮根据对方的真实返回继续,而不是照着预先写好的问题清单机械追问

  • 每一轮都应该带来新的信息或决定;Context 足够以后就及时收敛

最佳实践

好的多轮沟通,不是把一份完整消息机械地拆碎,而是让上一轮的真实返回成为下一轮新的 Context。

多轮也不是越多越好:当责任边界、输入、授权前提和结果回流都已经清楚,一次自包含的 handoff 通常更有效。

回到这次 Landing 协作,整个过程中,我没有打开 Community Agent 的 Thread,没有重新复制 Landing 的背景,也没有亲自把 Web Agent 的结果转述给它。

这才是 Agent Message 真正重要的地方。它传递的不只是信息,而是让两个拥有不同长期 Context 的责任主体,能够直接建立一条有来源、有边界、可以逐轮校正的沟通回路。

边界

Message 被送达,只代表接收方的 Codex Turn 已经接受了这段输入,不代表接收方已经理解、同意或者作出了正确判断。

处理状态显示完成,也只说明这次运行正常结束,不代表业务结果已经完成,更不代表它因此获得了新的工具、生产或对外权限。

结果是否正确、是否应该继续、是否涉及新的授权,仍然要回到对应的 Domain Owner,必要时再升级给 Human。

所以,能互相发 Message,仍然不等于已经成为一支 Team。

真正的变化是,Agent 开始接住原本由 Human 承担的协作责任:识别自己的缺口,判断候选 Owner,直接建立沟通,在各自的专业 Context 中逐步对齐,再把结果接回原来的责任链路。

但真实工作很少只涉及两个 Agent,也很少在一个 Turn 内结束。

一件事情可能跨越多个 Agent、多个阶段,还会经历等待、中断、事实更新和 Human 决策。

Message 可以让 Agent 直接沟通,却还不能单独回答:现在整件事进行到哪里,谁负责最后收口,大家在等待什么,最终结果和证据又应该保留在哪里?

这就需要比 Message 更高一层的协作结构。

04 Message 负责沟通,Topic 负责收口

Agent 可以直接互相发送 Message 以后,Human 不再需要搬运每一段 Context。

但真实工作一旦跨过两个 Agent,很快又会出现一个新的问题。

一件事情可能先由 Content Agent 梳理命题,再由 Research Agent 核验事实,由 Product Agent 确认产品实现。

中间还会等待新的材料、Human 的选择,或者外部事实发生变化。

每个 Agent 都可能完成了自己负责的部分,却没有人知道整件事现在进行到哪里。

有些结论留在某条 Message 里,有些限制只存在于某个 Agent 的 Thread 中;有人还在等待上一阶段的结果,另一个人却以为工作已经结束。

局部工作都完成了,整件事依然可能没有收口。

如果这些状态最后还要由 Human 逐条阅读 Message、进入不同 Thread,再在脑子里拼成一张完整进度图,那么 Human 只是从“通信 Router”变成了“项目状态 Router”。

所以,Message 解决点对点沟通以后,Agent Team 还需要一层更高的协作结构:

核心判断

不是让所有 Agent 共享同一个 Context,而是让一项跨 Agent 工作拥有一个明确的当前版本,以及一个负责最后收口的 Agent。

在 CodexLoom 里,这个结构叫 Topic。

Topic 不是把 Agent 拉进一个群聊

如果只说“多个 Agent 围绕同一个 Topic 工作”,很容易把它理解成一个 Agent 群聊:所有 Agent 进入同一个会话,共享同一段 Context,谁看到问题谁就回答。

但 Topic 的形态并不是这样。

每条 Topic 只有一个 Responsible。

Human 对整件事的方向、选择和纠正,首先回到 Responsible;Responsible 再根据当前需要,把有边界的问题通过 Message 交给不同 Participant。

Participant 不会进入一个公共聊天窗口。Research Agent 仍然在自己的 Thread 中研究,Product Agent 仍然在自己的 Thread 中核验产品。

它们收到的,是与自己那一段责任相关的 Topic Context 和 Message,而不是其他 Agent 的全部对话与工作过程。

完成以后,它们再把局部结果交回 Responsible,由 Responsible 更新 Topic 的 current brief。

它大致是这样的:

  1. Human / Owner 把方向、选择和纠正交给 Responsible。

  2. Responsible 通过 Message 向不同 Participant 派发有边界的问题。

  3. Participant 在自己的 Thread 中完成专业工作。

  4. 局部结果回到 Responsible,由 Responsible 更新 Topic。

三个独立 Agent Thread 通过 Message 围绕中央 Topic 协作,Topic 分层显示 Responsible、Current、Waiting、Evidence 和 Result。
三个独立 Agent Thread 通过 Message 围绕中央 Topic 协作,Topic 分层显示 Responsible、Current、Waiting、Evidence 和 Result。

机制示意:Message 连接局部 request 与 reply;Topic 由唯一 Responsible 维护 Current、Waiting、Evidence 和 Result。参与者仍在各自 Thread 中工作。

如果群聊更像一间所有人同时说话的会议室,那么 Topic 更像一份有明确主责人的协作事项档案。

它保存整件事目前采用的版本,但不替代参与者各自的专业工作空间。

这也意味着,同在一个 Topic 里,不代表所有 Message 都会广播给所有人;Participant 之间也不会因为被放进同一个 Topic,就自动共享彼此的 Thread、历史和私有 Context。

CodexLoom Topic Current 页面显示 brief 版本、等待对象、下一步、限制、Responsible、Participants、Purpose 与完成条件。
CodexLoom Topic Current 页面显示 brief 版本、等待对象、下一步、限制、Responsible、Participants、Purpose 与完成条件。

当前产品界面 · 隔离构造工作区。Topic Current 由唯一 Responsible 维护共享 brief、等待条件、下一步、限制和 scoped Participants;各 Agent 的高分辨率工作仍留在自己的 Thread。

Team 需要共享当前状态,不需要共享全部 Context

在这种结构里,Topic 首先会说明这项工作为什么存在,以及什么才算完成。Responsible 和每个 Participant 的责任边界也会被明确记录下来。

Topic 会持续保存:

  • 由 Responsible 维护的 current brief,也就是这项工作目前采用的事实、判断、下一步和限制

  • 每个 Participant 负责什么

  • 工作正在等待谁、等待什么

  • 关键证据锚点和阶段结果在哪里

  • Topic 当前是否已经被标记为收口

这份 current brief 会随着工作推进不断更新。

它不是整件工作的全部历史,也不是把所有 Agent 的 Thread 合并到一起。

它只是让参与者在任何一个阶段回来时,不需要重新翻遍所有消息,就能先知道:我们现在走到了哪里。

每个 Agent 完整、细致的专业过程,仍然保留在自己的 Thread 中。

Research Agent 不需要把全部研究轨迹塞进 Topic;Product Agent 也不需要把代码、日志和每一步核验过程复制给所有人。

它们只需要把这项共同工作必须知道的结果、证据、限制和开放问题返回给 Responsible。

所以,Topic 共享的是整项工作的当前状态,而不是所有人的全部 Context。

Responsible 不是“什么都自己做”

这里很容易产生一个误解:既然 Responsible 对最终结果收口,是不是所有事情最后又集中到了一个 Agent 身上?

不是。

Responsible 的责任,不是替其他 Agent 做专业判断,而是维护整件事的连续性:

  • 把整体目标拆成有边界的专业问题

  • 找到合适的 Participant

  • 接住不同 Agent 返回的局部结果

  • 识别结果之间的冲突、缺口和等待

  • 更新所有人应该知道的当前版本

  • 最后把整项工作的结果交回发起者

Research 仍然拥有事实与证据强度,Product 仍然拥有当前实现,Community 仍然拥有具体外部渠道的判断。

Responsible 不能因为负责收口,就改写其他 Domain 的专业结论;Participant 也不能因为完成了自己的一段,就宣布整项工作已经完成。

这是一条很重要的协作边界:

协作边界

本地完成,不等于协作完成。

只有局部结果、证据、限制和下一步回到 Responsible,并被整合进整项工作的当前版本,这一段责任转移才真正闭环。

这篇文章本身,就是一个 Topic

我们现在写的这篇文章,就是一个真实例子。

我和 Content Agent 持续讨论文章到底想表达什么,哪些判断已经确认,哪些材料应该进入正文,哪些应该停放。

遇到产品实现问题时,Content Agent 不会自己猜,而是把有边界的问题交给 Product Agent。

Product Agent 在自己的 Thread 中回读当前代码、运行状态和产品对象,再返回它能证明什么、不能证明什么。

讨论到 Agent 之间应该怎样沟通时,它又把问题交给 Communication Coach。Coach 从真实协作中整理出多轮沟通的特点、已验证实践和失败边界,再把局部结果返回。

Content Agent 不接管产品事实,也不接管沟通方法的专业判断。它负责把这些结果与我的作者判断重新放在一起,更新文章当前讲到哪里、哪一章已经确认、下一步还缺什么。

如果没有 Topic,这些工作仍然可以通过 Message 完成。但每次我回来,都要重新问:

恢复工作时真正需要的问题

Product 核验到哪里了?Coach 返回了吗?哪一个版本才是我们现在认可的?还有什么没有解决?

Topic 让这项工作拥有了一份可以持续更新的当前状态。

我不需要进入每个 Participant 的 Thread,也不需要把每个专业过程都读一遍;但我仍然可以知道整件事为什么停住、谁正在负责、证据在哪里,以及下一步需要什么。

Artifact 让正式结果有稳定版本

跨 Agent 工作最后交付的,也不总是一段文字回复。

它可能是一份研究报告、一张截图、一段代码、一个章节草稿、一份 evidence ledger,或者某个已经确认的最终文件。

如果这些文件只存在于某条 Message 或某个不断变化的本地路径里,协作很快又会遇到另一个问题:

版本问题

你现在看到的,究竟是哪一版?

CodexLoom 用 Artifact 保存需要交付的文件快照。

Artifact 会拥有稳定的 ID、文件信息和校验值。即使原文件后来继续修改,已经发布的快照也不会跟着变化。

在这篇文章的 Topic 中,多个章节草稿、Product 和 Communication Coach 的回读、sourcebook 与素材账本,已经被保存为独立 Artifact,再由 Responsible 链接回 Topic。

这样,current brief 负责说明“我们现在怎样理解这项工作”,Artifact 负责保存“这个判断具体对应哪一个文件版本”。

后续 Agent 引用的是同一个已经固定的结果版本,而不是猜测某个本地文件现在又被改成了什么样。

同样,Topic resolved 也只表示:这条协调记录已经被标记为收口。

按照 CodexLoom 的协作责任,这一步应该由 Responsible 对照 completion boundary 来完成。

但系统不会自动验证边界是否真的满足,也不会因为状态变成 resolved,就替 Team 执行后续动作。

所以,它不代表所有相关的下游动作、外部发送或现实结果都已经完成。

开头的 Landing 就有一个很准确的时间边界:页面 site-live 的截图和阶段结果先被记录,Landing Topic 随后被标记为 resolved;Community Agent 的外部分发发生在之后。

更准确地说,是页面上线的独立验证和 Responsible 发布的阶段结果支撑了 site-live;resolved 只记录这项协调工作当时已被收口。

之后飞书和 Parall 的发送,则由另外的 Outbox 与 provider receipt 记录。

所以,Topic 和 Artifact 并不是为了制造一个“完成”的假象。

它们真正解决的是:当工作跨越多个 Agent、多个 Turn 和多个阶段以后,Team 仍然拥有一份明确的当前状态,一个负责收口的主体,以及可以回查的正式结果。

Needs You:在正确的位置找回 Human

Topic 可以记录“这项工作正在等待 Human”、对应的引用,以及 Human 回答后应该怎样恢复。

但如果 Agent 缺少的是人的事实、选择、Review 或授权,它不能替 Human 作出回答。

这时,Agent 也不应该把一句模糊的“接下来怎么办”扔回给 Human。它需要先说明:

  • 现在正在完成什么工作

  • 已经确认了哪些事实

  • 具体缺少人的哪一个判断

  • 有哪些可选路径以及各自影响

  • Human 回答以后,原工作应该从哪里继续

在 CodexLoom 里,这条路径叫 Needs You。

Needs You 页面显示一个有背景说明、两个选项和回答输入区的 Human 决策请求。
Needs You 页面显示一个有背景说明、两个选项和回答输入区的 Human 决策请求。

当前产品界面 · 隔离构造工作区。Needs You 把需要 Human 提供事实、选择、Review 或授权的精确阻断点持久化。问题被回答,不等于后续动作已经发生或有效。

Needs You 会把问题、必要 Context、被阻断的工作、候选选项和期待回答保存下来。Human 回答以后,结果会回到原来的 Agent 和原来的工作,而不是重新打开一个没有上下文的新对话。

这样,Human 不需要站在所有 Agent 中间推动每一步。大部分工作可以继续向前流动;真正需要人的事实、取舍、Review 或授权时,再把 Human 带回准确的工作位置。

当然,创建 Needs You 并不等于已经获得批准。Human 的回答也只覆盖回答中明确给出的范围。

如果 Human 只同意“继续起草”,Agent 不能把它理解成“可以直接发表”;如果 Human 回答了一个事实,也不代表后续所有相关动作都已经获准。

到这里,一项工作已经可以在多个 Agent 之间被发现、交接、持续协调,并在正确的位置找回 Human。

但当这样的工作越来越多、Agent Team 真正开始长期运行以后,还会出现另一个问题:

Human 怎样看见整支 Team 实际是怎么工作的?

05 Overview:让一支持续变化的 Agent Team 变得可治理

当 Agent 有了长期身份,能够找到彼此、直接发送 Message,并通过 Topic 持续推进一项跨 Agent 工作以后,多个 Agent 已经开始像一支 Team 那样协作。

但这支 Team 并不会因此稳定下来。

第一章里我们提到,Domain 不是在创建 Agent 的那一天就能准确画出来的。它是在长期真实工作中,随着 Scope 扩张、能力劣化和协作摩擦,逐渐暴露出来的责任边界。

而且,这个边界还会继续变化。

模型能力提升以后,过去必须拆开的工作,也许可以重新放到一个 Agent 中。

新的工具出现以后,一个 Agent 能够承担的责任可能变大;业务进入新的阶段,会产生新的任务、依赖和风险;外部环境变化,也可能让原本稳定的流程和权限边界突然失效。

Agent 本身也在发展。

它会在长期工作中积累新的经验,被 Human 反复纠正,形成新的 Skill、Memory 和工作方法。随着能力与可靠性发生变化,Human 对它的使用方式也会改变。

所以,Agent Team 不是一张设计完成以后就不会再变的组织图。

Profile、Organization 和 Collaboration 保存的,是这支 Team 当前采用的组织假设。它们先提供一个共同工作的基线,再由后续真实工作继续检验和修正,而不是成为永久正确的答案。

真实工作仍然可能不断暴露新的失配:

  • 某个 Agent 的 Scope 变得过大,长期满负荷运行,逐渐成为整支 Team 的瓶颈

  • 两个 Agent 虽然已经分开,却花费大量时间反复解释和通信,说明它们的边界可能切错了

  • 一个新 Agent 被创建出来,却长期没有真实工作进入

  • 声明上互不相关的两个 Domain,在实际工作中却频繁协作

  • 问题看起来像 Agent 数量不足,实际原因却可能是工具、方法、路由、权限或者外部 Connector 出了问题

这意味着,建立 Agent Team 不是一次性的设计任务,而是一项持续发生的管理工作。

真正的问题也不再只是:

最初的问题

Human 怎样知道这支 Team 实际是怎么工作的?

而是:

真正的治理问题

Human 怎样知道当前的 Agent Team 是否仍然适合正在发生的工作?

当声明的结构与真实运行开始出现偏差时,又怎样找到可以调查和调整的抓手?

这也是 CodexLoom 为什么需要 Overview。

管理的前提,是先让问题暴露出来

Human 的注意力是有限的。

当 Team 中只有两个 Agent 时,我还可以分别打开它们的 Thread,看看最近做了什么、卡在哪里、有没有跑偏。

当 Agent 变成十个、二十个以后,这种方式就会失效。

如果我仍然试图阅读每个 Agent 的完整过程,很快就会被信息淹没。

更糟的是,我花了大量时间理解局部细节,却不一定能看见 Team 层真正的问题。

这和管理一支 Human Team 很像。

管理者不可能通过阅读每个人的全部工作记录来管理组织。Team 越大,就越需要先从更高的层级观察运行,让值得关注的问题暴露出来,再沿着证据向下调查。

在精益管理里,可视化不是把更多数据堆到屏幕上,而是让问题先显露出来。

Overview 提供的,就是这样一个运行观察与分诊入口。

它不是一张用来展示“今天运行了多少 Agent”的热闹 Dashboard,也不是给 Agent 做绩效排名。

它更不会自动告诉我应该拆分、合并或者替换哪个 Agent。

它把原本散落在 Agent 状态、Codex Turn、Needs You、Inbox、外部 Connection、队列和 Token 记录中的运行信号,压缩到同一个入口。

时间范围、时区、追踪覆盖、图例和 Data quality 会和这些信号一起出现,让 Owner 知道自己现在看到了什么,又有哪些工作可能没有被当前数据覆盖。

这里有一个很重要的管理选择:Overview 首先度量的是工作怎样发生、等待和流动,而不是评价 Agent。

指标的作用,是帮助 Owner 理解并改善系统,而不是把每个 Agent 排成名次。

如果公司里有 HR 管理 Human Resource,那我自己开玩笑,会把这里叫作 AR,也就是 Agent Resource。

这也是我做 CodexLoom 时最在意的一层:不仅让 Agent 工作,还要让一支持续变化的 Agent Team,可以被 Human 观察、理解和持续调整。

Status:现在发生了什么

Overview 的 Status 先回答最直接的问题:现在有哪些 Agent 正在执行,哪些事情正在等待 Human,内部 Inbox 是否出现积压,外部 Connection 或处理过程是否留下了需要关注的问题。

在它下面,Daily Activity 会按照时间,把记录到的执行、Turn 和 Token 对齐到 Team 与各个可追踪 Agent 的活动行中。

我可以从这里看到,某一天的工作主要集中在哪些时段,什么时候出现了多个 Agent 并行工作的波次,以及记录到的活动主要分布在哪些 Agent 身上。

至于这种集中是不是已经成为长期模式,还需要继续比较多个日期和观察窗口,不能从一天的页面直接得出结论。

但 Activity 只能说明当前被记录到的工作。

一个 Agent 没有出现在活动行里,可能是它没有进入真实工作,也可能是对应的 Codex rollout 无法读取,或者当前数据覆盖并不完整。

多个 Agent 并行时,汇总的 Agent 执行时间甚至可能超过自然墙钟时间。

所以,低 Activity 不等于低价值,高 Activity 也不等于高绩效。

它只是让我知道:这里可能值得继续调查。

Overview Status 显示四个摘要、日期、八名 Agent 的 30 分钟活动时间轴、图例、Tracked 8/8 和 Asia/Shanghai。
Overview Status 显示四个摘要、日期、八名 Agent 的 30 分钟活动时间轴、图例、Tracked 8/8 和 Asia/Shanghai。

当前产品界面 · 隔离构造工作区。Status 和 Daily Activity 压缩当前状态与记录到的执行节奏;Tracked、时区和图例限定读数范围。这些是调查信号,不是绩效评分。

Capacity:哪里正在形成等待和积压

Status 告诉我工作在哪里发生,Capacity 则进一步展示记录到的 Turn 执行、新工作等待、当前 backlog、工作来源和排队证据。

其中我比较关注一个指标,叫 New-work wait。

它看的不是“一条消息多久得到回复”,而是一项新的可追踪工作进入队列以后,过了多久才第一次真正开始处理。

这项新工作可能来自另一个 Agent 的 Message,也可能来自 External Inbox、Needs You、Schedule 或 Trigger。

Capacity 还会展示当前 backlog:此刻有哪些可追踪工作仍然在排队或处理中。

需要注意的是,它是当前快照,不是对过去所有队列的完整重建。

精益管理区分资源效率和流动效率。

资源效率关注每一个局部是不是被充分利用;流动效率关注一项工作能不能端到端地顺畅向前。

对 Agent Team 也一样:一个 Agent 时刻满负荷,却让所有下游都在等待,并不是值得追求的高效率。

它可能只是把局部的忙碌,变成了整支 Team 的瓶颈。

如果在连续多个观察窗口中,同一个 Agent 的被记录执行反复集中,指向它的新工作等待较长,而且当前仍然存在 backlog,我会得到一组值得调查的瓶颈候选信号。

但我不会立刻得出“它已经成为瓶颈”的结论。

我会先查看对应的 queue evidence,确认究竟是什么工作在等待。

再进入相关 Agent 和 Messages,并通过 Loom 中的 Topic 等其他入口,检查其他工作是否真的依赖它,以及阻塞发生在哪一层。

只有在这些证据能够互相印证时,我才会进一步追问:这个 Agent 是否正在成为 Team 的瓶颈?

即使答案是“是”,原因也仍然可能完全不同。

可能是 Domain 太大,也可能是工作方法低效、缺少工具、权限卡住、外部 Connector 失败,或者上游把不属于它的任务全部路由了过来。

Capacity 提供的是调查入口,不是自动诊断。

Overview Capacity 页面显示五个 signal cards、时间图、来源分布和 Agent table。
Overview Capacity 页面显示五个 signal cards、时间图、来源分布和 Agent table。
Data quality 说明 Capacity 统计口径与已知限制。
Data quality 说明 Capacity 统计口径与已知限制。

当前产品界面 · 隔离构造工作区。Capacity 将 recorded execution、new-work wait 与 current backlog 放在同一观察面,帮助 Owner 选择下一步调查对象;单个页面不能证明瓶颈、历史趋势、利用率或原因。

它还会显示一项 calendar non-executing proxy,也就是日历时间中没有被记录为 Turn 执行的部分。

但它可能同时包含机器关机或者服务停止的时间,因此不能直接理解为“Agent 的空闲产能”,更不能据此判断还能向它塞入多少工作。

Token Usage:计算投入主要去了哪里

Token Usage 展示记录到的 input、cached input、output、reasoning output 和 model calls,以及这些计算量在日期、Agent 和模型之间的分布。

我可以从这里看到,哪些 Agent 或 Organization 分组的计算投入比较集中,缓存怎样被使用,不同模型主要被用在了哪里。

但 Token 多不代表一个 Agent 更重要,也不代表结果质量更高。

它能提供的,是另一个继续调查的入口:某个 Agent 的 Context 是否过大,是否存在重复工作,模型组合是否合理,或者这个 Domain 本身是否确实需要大量研究和推理。

最终仍然要结合真实产物与业务结果判断,而不是只看 Token。

Overview Token Usage 页面显示总量、每日堆叠图、图例和各 Agent 的 allocation。
Overview Token Usage 页面显示总量、每日堆叠图、图例和各 Agent 的 allocation。

当前产品界面 · 隔离构造工作区。Token Usage 展示选定时段内不同 token 类型、模型调用和 Agent allocation 的分布;它不等于成本效率、质量、重要性或业务价值。

Overview 不会自动理解组织

这里还有一个必须说明的产品边界。

CodexLoom 的 Team 页面保存 Agent 的 Profile、Organization 和 Collaboration,也就是当前声明的责任与关系;Overview 保存的是运行状态、活动、执行、排队和计算投入等观察证据。

当前产品不会自动读取 Profile 中的 Domain 和 Scope,判断实际工作有没有超出边界;也不会把 Collaboration 与真实 Activity 自动对照,然后告诉我哪条关系已经失效。

把声明结构与运行证据放在一起理解,是 Owner 的工作。

我可能先从 Overview 发现某个 Agent 的等待正在上升,然后回到它的 Profile 和 Organization,检查它是否承担了超出当前 Scope 的工作。

也可能先在 Team 页面看到一条长期 Collaboration,再回到 Activity 与 Message,观察它是否真的进入了日常工作。

Overview 不替我完成这个判断,但它让这种判断有了可以追踪的证据入口。

Signal 不是 Diagnosis

Overview 最重要的价值,不是替 Owner 得出结论,而是把问题暴露出来。

忙不代表有价值,低执行不代表无用,Token 多不代表结果更好,等待也不自动证明 Agent 数量不够。

所以,Signal 不是 Diagnosis。

Owner 需要先从 Overview 把范围缩小到某个日期、Agent 或排队来源。

Overview 可以直接打开部分 Agent、External Inbox、Needs You,以及通用的 Messages 入口;Topic、具体 Turn、Artifact 与业务结果,则需要通过 Loom 的其他页面、对象 ID 和因果关系继续调查。

然后,Owner 还需要询问负责 Agent 怎样理解问题。

最后的干预也不一定是拆分或增加 Agent。

方法有问题,可以修改 Skill 和工作方式;工具不足,可以补工具;路由错误,可以调整 Collaboration;权限造成阻塞,可以修正授权门。

只有当问题长期、反复地来自 Domain 边界,才需要考虑拆分、合并或重新划分责任。

然后,还要继续观察后续的真实工作,判断这次调整是否真的解决了问题,还是只是让某一个局部指标暂时变得更好看。

这不是一次性的组织设计或者 Reorg,而是一轮持续改善:先让问题显露出来,再调查原因,试行一个尽量小、可逆的调整,然后用后续真实工作检查结果。

所以,一套更完整的治理循环是:

治理循环

发现 Signal → 下钻 Evidence → 判断原因 → 选择干预 → 用后续真实工作验证。

Signal 进入多条 Evidence 记录,再汇聚到 Human Diagnosis、Small Change,并沿 Next Work 回到新的观察。
Signal 进入多条 Evidence 记录,再汇聚到 Human Diagnosis、Small Change,并沿 Next Work 回到新的观察。

机制示意:运行信号先缩小调查范围,再沿证据下钻,由 Human 判断原因、尝试小幅可逆调整,最后用下一轮真实工作验证。Signal 不是 Diagnosis。

这个循环属于 Human 使用 CodexLoom 的治理方法,不是 Overview 已经自动执行的产品流程。

改善成立以后,新的做法才进入 Profile、Organization、Collaboration 或 Skill,成为下一轮工作的基线。

完整的 Agent Team Governance 会比这复杂得多,我们会在后面的文章里专门讨论。

在这篇文章里,我更想说明的是:

Human 的新位置

Human 没有从 Agent Team 中消失,而是从每一段工作的人工 Router,上移成了观察、追问、诊断和调整整支 Team 的 Owner。

Agent Team 不是为了把 Human 排除在外,而是为了让 Human 的注意力用在真正需要人的地方。

当内部 Team 已经能够长期负责、直接协作、持续收口,并且可以被 Human 看见和治理以后,下一个问题才是:

这些能力,怎样进入客户、社区、合作伙伴,以及 Slack、飞书这些真实的外部环境?

06 Agent Team 怎样进入真实的外部关系

当内部的 Agent Team 能够长期负责、直接协作、持续收口,并且可以被 Human 看见和治理以后,我自然会走到下一个问题:

下一个问题

这些 Agent 能不能不只帮助我完成内部工作,也能够直接帮助我服务外部?

对个人来说,真正稀缺的资源仍然是自己的时间和注意力。

每天可能会有人来讨论问题、询问信息或者寻求帮助。我也需要服务用户、参与社区、回应客户,或者为合作伙伴和公司里的其他部门提供专业能力。

如果这些对外工作最终都必须回到我本人,由我理解需求、组织内部 Agent、检查结果,再亲自回复,那么无论内部 Agent Team 多么强大,它提升的仍然主要是我的个人效率。

我的能力,仍然被我一个人的时间限制住。

但在长期工作中,一些 Agent 已经逐渐形成了稳定的 Domain 能力。

它们不只是临时调用模型回答问题,而是长期理解同一类工作,积累自己的信息来源、工具、方法、历史判断和停止边界。

内部 Team 也可以通过 Profile 和声明关系,查询谁可能负责哪类问题,以及结果应该回到哪个既有工作链路。

如果这些能力只能被我在内部调用,它们仍然只是我的私人生产力工具。

只有当这些成熟的 Domain 能力可以在明确身份和责任边界下进入外部,它们才可能开始持续服务客户、社区、协作者或者其他部门。

这时,Agent 带来的就不只是效率提升,而是能力扩展。

一部分原本只能由我本人提供的能力,开始可以由一支 Agent Team 持续交付。

这就是我做 External 的原因。

Agent 一旦对外,风险模型就变了

但是,让 Agent 参与内部工作,和让它进入真实的外部关系,并不是同一件事。

在内部,我非常熟悉自己的 Agent。

我知道它擅长什么、容易在哪里犯错,知道哪些表达只是候选判断,哪些结果已经经过核验。即使它说了一句不准确的话,我也可以继续追问、纠正、重做,或者根本不采用。

我们之间已经存在许多不需要每次说出来的合作默契。

一旦 Agent 对外,这些默契就不存在了。

外部的人并不了解这个 Agent。

他不知道它过去接受过哪些纠正,也不知道它的知识和权限边界,更无法自然分辨一句话究竟是草稿、推断、正式答复,还是可以代表我作出的现实承诺。

同一句不准确的话,在内部可能只是一次容易修正的工作误差;到了外部,却可能被理解成产品事实、组织立场或者已经成立的承诺。

而且,外部输入本身也不能被默认信任。

有人可能提供错误背景,试探 Agent 能看到什么、可以做什么,诱导它披露内部信息,要求它绕过原有规则,甚至主动尝试攻击这个 Agent。

这时,一条进入 Agent 的消息就不再只是一个普通 Task。它也可能是一段带有错误前提、越权意图或者对抗性的输入。

所以,External 要解决的从来不只是“消息能不能进来,结果能不能发出去”,而是五个更具体的问题:

  • 谁在代表这支 Agent Team

  • 它在当前外部关系中扮演什么角色

  • 什么输入可以触发它,它又可以回答或行动到哪一步

  • 需要其他专业能力时,怎样调用内部 Domain Team,并让结果回到原来的关系

  • 什么情况必须停止,把事实、选择、Review 或授权交回 Human

左侧 Internal correction loop 与右侧多种不确定 External input 被一条垂直 Trust Boundary 分隔,输入从 Governed Entry 进入。
左侧 Internal correction loop 与右侧多种不确定 External input 被一条垂直 Trust Boundary 分隔,输入从 Governed Entry 进入。

机制示意:内部协作建立在长期纠正与熟悉边界上;外部输入可能带有错误前提、越权意图或对抗性。受管入口改变通信路径,但不是完整安全隔离。

这也是为什么 CodexLoom 的 External 看起来远比“接一个 Bot”复杂。

外部只面对一个受管入口

CodexLoom 不会把一个 Provider Bot 直接接到整支 Agent Team。

外部用户通过已经配置的 Address 和 Membership,进入拥有这个 Address 的长期 Agent,而不是获得内部 Profile、Organization、Collaboration、Thread、工具或凭证的直接入口。

这个入口通常由一个长期 Agent 承担。

这里的 Interface Agent 不是 CodexLoom 中一种写死的 Agent 类型,而是一种组织形态:某个 Agent 长期负责理解特定外部关系,并把外部需求与内部 Domain Team 连接起来。

有时,Domain Agent 可以直接持有这个外部入口。比如商务关系本身就是它长期专业 Context 的一部分。

有时,对外身份、受众理解、渠道适配、隐私和反馈回流会形成一套独立责任,这时才值得由 Community Agent 这样的 Agent 专门承担 Interface。

但“外部只有一个入口”并不等于已经获得完整安全隔离。

承载这个入口的 Agent 仍然在自己的 primary Thread 中工作,那里可能已经存在内部历史、工具和本地权限。

如果入口 Agent 选择错误、权限过宽,或者角色和 guidance 设计不当,仍然可能带来泄露和越权。

所以,不同信任边界是否应该使用独立 Agent,这个 Agent 应该拥有多少 Context 和工具,以及如何配置 sandbox、approval 与最小权限,仍然是真实的组织和安全设计。

同一个 Agent,在不同 Conversation 中也不是同一个角色

CodexLoom 把外部连接、外部身份和具体关系中的局部角色分开保存。

Connection 建立一个 Provider app、bot、account 或 tenant 的连接、能力和健康状态。

它只是平台连接与能力入口;消息能否进入、结果能否发出,还取决于 Address、Membership、Connector 能力和当时的运行状态。

Agent Address 则把一个外部 identity 绑定到一个长期 Agent,回答“究竟是哪一个 Agent 以这个身份出现在外部”。

同一个 Address 进入不同群、频道或者私聊时,使用的仍然是同一个外部身份,但它在每个 Conversation 中可以拥有不同的局部角色和通信策略。

这些差异由 Conversation Membership 保存。

Membership 会记录这个 Agent 在当前 Conversation 中为什么存在、扮演什么角色、应该遵循什么 guidance,以及几类重要的通信边界:

  • 什么样的入站消息可以触发它

  • 它的结果怎样映射成外部回复

  • 它只能回复已有问题,还是也允许主动发送

  • 这个 Conversation 使用什么 trust-domain 标签

一份 Membership 只适用于它对应的 Conversation。

Agent 在一个飞书群里被允许主动发送,不代表它自动获得另一个群、另一个平台或者另一个外部身份中的相同行为边界。

但 Membership 解决的是局部角色和通信策略,不是完整权限系统。

它不会给每个 Conversation 创建独立 Thread,不授予仓库、文件、凭证或部署权限,也不会自动识别机密、现实承诺和业务风险。

trust-domain 只是用于记录和约束的标签,不是安全沙箱。

Agent 的长期身份可以保持稳定,但它在每段外部关系中的局部角色和行为边界,必须分别治理。

CodexLoom External 页面显示已连接的飞书身份、启用的匿名 Membership,以及 When mentioned、Send final answer、Proactive + replies 策略。
CodexLoom External 页面显示已连接的飞书身份、启用的匿名 Membership,以及 When mentioned、Send final answer、Proactive + replies 策略。

当前产品界面 · 匿名真实运行记录。一个已连接的飞书身份及其已启用 Conversation Membership。Membership 保存该 Conversation 的局部角色与 mention、reply、outbound 策略;名称与标识已匿名。

外部请求怎样调用背后的 Agent Team

当一个外部消息满足当前 Address、Membership 和触发条件以后,它会进入拥有这个 Address 的长期 Agent,而不是自动分发给整支 Team。

完整链路大致是:

Provider event
    ↓
Connection / Address / Membership
    ↓
Inbox / Handling
    ↓
Interface Agent primary Thread
    ↓
可选的内部 Agent 协作
    ↓
Outbox
    ↓
provider result/ receipt
Identity、Membership、Interface、Internal Team、Human、Outbox 和 Delivery 以分层协议结构连接。
Identity、Membership、Interface、Internal Team、Human、Outbox 和 Delivery 以分层协议结构连接。

机制示意:External 不是接上一个 Bot。Identity、Conversation Membership、Interface、可选的 Internal Team 协作、Human 边界、Outbox 与 Delivery 分别保存不同责任。

Inbox 和 Handling 会记录外部实际送来了什么、由哪个 Agent Turn 按哪一个 Membership version 处理。

Interface Agent 可以结合 Membership context 和当前输入,判断请求是否属于范围、还缺少什么 Context,以及是否需要停止,或者向内部 Agent、Lead、Coach 或 Human 求助。

这些仍然是 Agent 的判断,不是 Membership 自动完成的诊断或授权。

如果问题需要其他专业能力,Interface Agent 可以查询内部 Profile 和声明关系,再通过 Agent Message 或 Topic,把一段有边界的工作交给候选 Domain Owner。

External 不会根据 Profile、Organization 或 Collaboration 自动替它选择正确的内部 Agent。

研究问题仍然由 Research Agent 判断,产品事实仍然由 Product Agent 核验,页面和生产结果仍然由 Web Agent 负责。

Interface Agent 不会因为接住了外部请求,就成为所有专业事实的新 Owner。

它拥有的是外部入口、意图翻译、内部路由、受众表达和结果回流,而不是背后每个 Domain 的事实所有权。

内部结果通过 Message 或 Topic 回到 Interface Agent。

它再依据当前 Membership 的 role、guidance 和 outbound policy,以及当前公开边界与实际授权,判断是否创建 Outbox,把结果送回原来的 Conversation。

内部 Domain Agent 不会绕过这个外部角色,直接获得向 Provider 发送结果的权力。

Outbox 会保存目标、内容、幂等信息、发送尝试、状态和 Provider 返回的结果,使这次外部动作可以被追踪和核对。

但 CodexLoom 执行和记录的是已经请求的外发,不会自动验证这次动作拥有的授权是否充分。

Provider receipt 也只能证明 Connector 或 Provider 当时返回了相应的 message 或 attachment 标识,并被 Loom 保存下来。

它不代表对方已经阅读、理解、接受,更不代表结果正确或者产生了业务效果。

CodexLoom Inbox 显示一条匿名飞书消息为 handled,处理尝试为 1,使用 Membership v2,并显示 Reply sent。
CodexLoom Inbox 显示一条匿名飞书消息为 handled,处理尝试为 1,使用 Membership v2,并显示 Reply sent。

当前产品界面 · 匿名真实运行记录。来自同一匿名 Conversation 的入站消息已进入 Community Agent 的处理记录;UI 保留 handled、attempt、Membership 版本、Context used 与 Reply sent。

CodexLoom Outbox 显示一条匿名飞书回复为 sent,尝试次数为 1,并保留已脱敏的 provider message result。

CodexLoom Outbox 显示一条匿名飞书回复为 sent,尝试次数为 1,并保留已脱敏的 provider message result。

当前产品界面 · 匿名真实运行记录。同一入站消息产生的出站回复已进入 Outbox,并记录 sent、尝试次数与 provider message result。它不证明对方已读、理解、接受或采取行动。

Human 保留的是外部后果的边界

External 不是让 Agent 无限制地跑到外面自主行动。

知道一个答案、可以起草一段表达、可以回复已有问题、可以主动发布、可以代表别人作出承诺,以及可以执行具有现实副作用的动作,是完全不同的权限层级。

一个 Agent 长期承担某个 Interface,只说明它负责判断和收口,并不会自动获得更高一级的行动权。

当 Agent 判断工作缺少事实、选择、Review 或授权时,可以主动用 Needs You 暂停当前工作,并向 Human 提出一个明确问题。

但当前产品不会因为内容敏感而自动创建 Needs You,也不会在 Outbox 发送前,自动验证某个 Needs You 的回答是否充分授权了这次外发。

真实授权是否存在、范围是否足够、是否仍然适用于当前动作,仍然需要 Agent 和工作流诚实执行。

Human 不再负责搬运每一段 Context,但仍然拥有外部后果的最终边界。

回到开头那次意外外发

现在再回到文章开头。

这次 Landing 外发并不是一个外部请求经过 Inbox 进入 Agent Team 的案例。它走的是另一条主动外发路径。

Web Agent 完成 Landing Page 的上线和验证以后,把正式 URL、可以公开的事实、素材状态和已知限制,通过一条内部 notification 交给 Community Agent。

Community Agent 在自己的长期 Thread 中检查当时的渠道 Context 和 Membership,独立判断这件事是否值得发送、应该发到哪里,以及怎样为不同受众组织表达。

它随后分别为飞书和 Parall 创建了 proactive Outbox。两个 Provider 返回的 message 和 attachment 信息被保存成 receipt。

允许主动发送的 Membership 约束了这次通信路径,但它不是授权本身。

这次外发依赖的是此前已经存在的 Owner 与组织决定,CodexLoom 并没有从 receipt 反推出授权是否充分。

完成以后,Community Agent 又通过一条 completion notification,把渠道判断和投递结果带回 Web Agent 所在的原工作链路。

这段时序还有一个重要边界:Landing 的 site-live 协调事项已经先完成收口,外部分发是随后发生的工作。

不能因为后来保存了 Outbox 和 receipt,就反过来说原 Topic 等待并确认了这次外发。

我看到消息时感到意外,是因为这一次不再需要我亲自站在 Web Agent 和 Community Agent 中间。

但它并不是一次没有边界的自主行动。

Web Agent 只对页面和生产结果负责;Community Agent 只对渠道、受众和外部表达作判断。

主动外发经过具体 Membership 和 Outbox;结果和 evidence 又回到了原来的工作链路。

所以,External 真正解决的不是“怎样让 Agent 自动发消息”。

它解决的是:

External 的核心问题

怎样让一个长期 Agent 以明确身份、局部角色和可检查的行为边界,进入一段不完全可信的真实关系?

需要内部专业能力时,它可以调用背后的 Agent Team,但外部表达、权限和现实后果仍然从同一个受治理入口收口。

当成熟的 Domain 能力可以通过这样的 Interface 进入外部,同时保留可检查的外部身份、Conversation policy、Human 决策点和结果回流记录,

Agent Team 才开始从一套内部生产力系统,变成一种能够持续对外交付的组织能力。

07 CodexLoom 在织什么

现在再回头看文章开头那次意外外发,真正让我觉得有价值的,并不是“Agent 居然可以自动发消息”。

自动化并不等于 Agent Team。

如果只要按照一条预先写好的 Workflow,从第一个 Agent 运行到最后一个 Agent,就可以称作 Team,那么我们只是把原来的程序节点换成了 Agent。

这次不一样的地方在于,参与其中的是几个长期存在、拥有不同专业 Context 和责任边界的 Agent。

它们没有把所有事情都做完,而是在自己的边界停止,把下一段工作交给更合适的 Domain Owner;结果完成以后,又沿着原来的工作链路继续向前。

整个过程中,我没有站在几个 Agent 中间,亲自选择每一个下一步,复制每一段 Context,再把一个 Agent 的结果转述给另一个 Agent。

但我也没有从系统中消失。

方向、重要事实、Review、公开边界和关键授权仍然属于 Human。

Overview 让我从更高的层级观察 Team,发现哪里可能正在形成新的问题;当模型、工具、业务和外部环境变化时,我也仍然需要继续调整 Agent 的 Scope、关系和工作方法。

Human 不再是每一段工作的唯一 Router,但仍然是整支 Team 的 Owner。

这里有一组看起来矛盾、但对 Agent Team 很重要的关系:

稳定的 Agent,动态的 Team。

五条稳定 Agent thread 进入不规则 Dynamic Team surface,Human Owner 在一侧 Observe 与 Adjust,结果沿 Validate records 回到下一轮。
五条稳定 Agent thread 进入不规则 Dynamic Team surface,Human Owner 在一侧 Observe 与 Adjust,结果沿 Validate records 回到下一轮。

机制示意:稳定的是长期责任主体,动态的是当前组织假设。Human Owner 通过观察、调整和后续真实工作验证,让 Team 随模型、工具、业务和外部环境持续演化。

Agent 要足够稳定,才能在自己的 Domain 中积累经验;Team 又必须足够动态,才能适应模型、工具、业务和外部环境的变化。

稳定的是长期责任主体,动态的是当前组织假设。

所以,从 Multiple Agents 到 Agent Team,真正发生的不是 Agent 数量的变化。

而是原本全部集中在 Human 脑子里的责任、关系、交接方式、当前状态和边界,开始被逐渐外化,成为整个 Team 可以查询、使用和持续验证的工作结构。

这也是 CodexLoom 想做的事情。

Codex 已经提供了一条条非常强大的 Thread。

CodexLoom 并不是重新做一个更强的 Agent,也不是让你同时打开更多 Thread。

它希望:

  • 让一条 Thread 成为一个长期存在的 Agent,让这个 Agent 拥有稳定的 Identity、Domain 和 Scope

  • 让不同 Agent 能够查询彼此的 Profile 和声明关系,通过 Message 直接协作

  • 让跨 Agent 的工作通过 Topic 保存一个由 Responsible 维护的当前版本

  • 让 Human 在真正需要事实、选择、Review 和授权时重新进入

  • 让 Owner 可以通过 Overview 观察 Team 的真实运行

  • 最后,再通过受治理的 External,把内部能力带入客户、社区和协作关系

这些能力单独拿出来,都不能自动创造一支 Agent Team。

  • Profile 只是一份当前组织假设

  • Message delivered 不代表工作正确

  • Topic resolved 不代表所有现实结果已经完成

  • Overview Signal 不是 Diagnosis

  • Membership 不是权限或安全沙箱

  • External receipt 不代表对方已经阅读、接受或者产生了业务效果

真正的 Team,仍然是在持续的真实工作中形成的。

这支 Team 是否真的成立,需要继续观察几个问题:

  • 责任是不是清楚

  • 协作是不是有效

  • Human 是否仍然被迫充当唯一 Router

  • 某个 Agent 是否正在成为瓶颈

  • 对外行为有没有越过真实授权

所有这些,都需要在后续工作中不断验证和调整。

这不是一次性的 Reorg,而是一轮持续改善。

真实工作先让等待、返工、过载和边界冲突显露出来,Human 再做尽量小、可逆的调整,并用下一轮工作验证。

只有真正成立的改变,才继续沉淀进 Profile、Organization、Collaboration 或 Skill,成为新的工作基线。

因此,我理解的 Agent Team,不是一张静态组织图,也不是一次 Workflow 中临时拉起的多个 Agent。

它是一组长期存在的责任主体:各自在自己的 Domain 中积累经验,知道自己负责什么、在哪里停止;需要协作时能够找到彼此、直接沟通并持续收口。

由 Human 保留方向和关键边界,并且随着真实工作不断演化。

这篇文章只给出了这套工作方式的全景。

后面的文章会继续展开这些问题:

  • Long-running Agent 怎样在 Compaction、Memory 和 Human correction 中保持连续

  • Agent Team 怎样从摩擦中发现 Scope 问题、调整能力和组织

  • 跨系统的 Agent 协议如何连接

  • External Interface 怎样长期治理

但至少现在,我们可以更准确地回答文章开头的问题:

最终问题

多个 Agent,什么时候才真正成为一支 Team?

不是当它们同时开始运行。

而是当它们开始长期承担不同责任,能够找到彼此、直接协作、持续收口,并在 Human 的治理下共同推进真实工作。

从一个 Codex Thread,到一支长期负责、能够协作、可以治理,也能够进入真实世界的 Agent Team。

这就是 CodexLoom。

Loom Your Codex.

阅读原文

跳转微信打开

【第3735】从月中断粮到绰绰有余:AI编程省Token全攻略

2026年7月31日 09:10

Daniela Baron 2026-07-31 09:10 日本

一份实用指南,介绍在日常使用 Claude Code 作为AI编程助手时,如何通过工具、设置和习惯来降低 token 消耗。

前言

用 Claude Code 写代码写到月中就被限流?本文分享一套经过验证的工具组合与使用习惯 —— 从压缩命令输出、精简模型回复,到审计项目配置文件、合理切换模型 —— 帮你在不牺牲开发效率的前提下,大幅降低 Token 消耗,告别月中断粮的窘境。今日前端早读课文章由 @Daniela Baron 分享,@木瑾编译分享。

用于解决实际工作中的如何降低企业级大模型 API / Agent 使用成本 问题,最值得借鉴的一点是:将静态上下文改为 “条件触发加载”(如优化 CLAUDE.md),避免无意义的全量历史重复发送。

译文从这开始~~

如今我几乎所有的工程工作都交给 AI 来完成:分析、设计、编码、代码审查、线上问题排查、撰写文档。公司团队用的是 Claude Enterprise 版,我一直以为这意味着不用操心用量和额度的问题。然而月中的某天,我正在一个会话中工作,Claude 突然弹出了这条报错:

您已达到组织的月度消费上限・请联系管理员前往 claude.ai/admin-settings/usage 提高额度

Claude Code token 耗尽提示

我在 Slack 上问了一嘴有没有人遇到同样的情况,结果发现团队里好几个工程师都在月中差不多同一时间撞上了这堵墙。有人告诉我,Claude 桌面端其实有个人用量仪表盘,而我完全不知道 Enterprise 版也有这个功能。工作区管理员也给每个人加了一些 token 额度,暂时缓了口气。但现在我能看到仪表盘、能实时观察消耗速度之后,很明显即便加了额度,也撑不到月底。

那一刻我意识到,这样下去不是办法。这篇文章记录了我后来摸索出的一套工具和技巧,成功降低了 token 用量,同时没有牺牲质量,也没有拖慢节奏。

监控用量

用量仪表盘

首先要知道的是,你可以直接查看自己的用量。在 Claude Desktop 中,点击左下角你的名字,然后依次进入 "设置" 和 "用量"。自从那次月中惊魂之后,我一直把这个页面开在旁边的窗口里。下面是我个人 Pro 版的截图,Enterprise 版操作流程类似:

Claude Desktop 用量概览与仪表盘

Claude Monitor

Claude Code Usage Monitor 是一个独立的命令行工具,能让你实时观察滚动 5 小时会话窗口内的消耗速率。它并不连接你的账户,所以显示的是估算值,不是真实数据。你可以告诉它你所在的套餐类型(没有 Enterprise 选项,但有个 "自定义" 套餐可以手动配置),它会展示一些信息,比如按当前速率预测你何时会耗尽额度。把它当作对消耗速度的直觉参考就好,别指望精确到个位数。它会聚合当前机器上所有活跃的 Claude Code 会话,所以显示的消耗速率和预测反映的是所有会话的总和,而非你当前正在操作的那一个。

我在 VS Code 里开了一个终端窗口专门跑这个工具,就放在 Claude Code 终端旁边。下面是示例截图:

Claude Code Usage Monitor 终端运行截图

输入 token 与输出 token

在介绍优化用量的工具之前,有必要了解一个基本概念:计费分为两个部分 —— 输入 token(发送给模型的所有内容:你的提示词、对话历史、加载的文件或上下文)和输出 token(模型生成并返回的内容)。两者的定价不同,输出 token 的单价通常高于输入 token。

工具

以下是我安装的几款专用工具,分别针对 token 管道的不同环节:输入、输出和搜索效率。

rtk

rtk(Rust Token Killer)用来节省输入 token。它充当常见命令行工具的代理。举个例子,当 Claude 执行 git log 这样的命令时,原始输出不会直接进入对话,而是由 rtk 拦截,执行真正的命令后返回一个精简版本。实际发送给模型的就是这个精简版本。

下面的截图展示了我某个项目的 git log 输出。左侧是原始输出(已截断,实际还有更多内容需要滚动),右侧是 rtk git log 的版本。可以看到精简了多少。

git log 经 rtk 压缩前后的输出对比

把这个效果乘以 Claude 在编码会话中通常执行的所有命令,节省的量相当可观。你可以用 rtk gain --daily 查看节省情况。例如:

rtk gain daily 输出,展示 token 节省量

节省量表格中的 "Input" 和 "Output" 列指的是命令输出在 rtk 压缩前后的大小,而非模型计费意义上的输入 / 输出 token。虽然用词相同,但含义完全不同:表格中的 "Input" 是 shell 命令的原始 stdout,"Output" 是压缩后实际发送给 Claude 的精简版本。

例如,表格显示 5 月 23 日那天我执行了 221 条命令,产生了 102.3K 的原始输出 —— 如果没有使用 rtk,这些内容会全部发送给模型。但 rtk 拦截并压缩了这些输出,最终只有 70.4K 被实际发送给模型。这意味着仅命令执行这一项就节省了 32.1K(31.4%)的输入 token。

Claude 是怎么知道要调用 rtk 的?

如果你好奇 Claude 如何知道使用 rtk:安装时会在用户级别的 ~/.claude/CLAUDE.md 中添加一条引用,像这样:

 @RTK.md

这个 @ 引用告诉 Claude 加载 RTK.md,其中包含何时以及如何将命令路由到 rtk 的具体指令。这样设置是为了让它在每次对话中都自动生效。

安装过程还会在同目录下生成 ~/.claude/RTK.md,包含实际的指令内容。我这边安装后的文件如下:

rtk 安装生成的 RTK.md 指令文件

Caveman

Caveman 用来节省输出 token。它改变了 Claude 的回复方式 —— 去掉废话、模棱两可的措辞和客套寒暄,只保留技术内容。这不仅仅是让回复变短,而是改变了回复的结构。Caveman 用片段式表达、要点列表和箭头链(→)取代长篇散文,并将文件名:行号这类关键信息前置,而不是埋在句子里。这种结构让每个 token 承载更多有效信息,而不仅仅是数量上的减少。

你可以在对话中途以 normal mode 开头发送提示来关闭它,对比 Claude 平时那种更啰嗦的输出风格。下面的截图展示了针对同一个提示 —— 询问某个分析项目中 referrer 归一化是如何工作的 —— 开启和关闭 caveman 时模型回复的对比。右侧是非 caveman 模式,用段落来解释流程;左侧是 Caveman 模式,用编号列表呈现同样的流程。Caveman 版约 424 个 token,普通版约 487 个(节省 13%),但真正的收益在于每条回复中有多少是实质内容,而非连接词和填充语。

token 节省量对比:caveman 模式 vs 普通模式

每个文件底部的 token 计数并非 caveman 自动添加的。在获得两种回复后,我让 Claude 用 "字符数除以 4" 的粗略方法估算了各自的 token 数,然后手动加上了这些数字用于对比。

/caveman-stats 可以给出当前会话输出 token 节省量的估算。它并不是真的在没有 caveman 的情况下重新向模型发送你的命令来做真实对比,而是基于其仓库中的基准数据进行估算。把这个数字当作粗略参考就好,不要视为精确的账单。

caveman-stats 输出,展示估算的 token 节省量

Caveman 的仓库声称在其测试提示上可减少高达 65% 的输出 token(本文中 13% 的例子只是一个数据点,并非该工具的上限),并引用研究表明,简洁受限的回答不仅能降低成本,还可能提升准确性。

Claude 是怎么知道要调用 caveman 的?

Caveman 以 Claude Code 插件的形式安装。你不需要每次开始对话时都记得输入 /caveman,因为该插件注册了两个钩子:一个 SessionStart 钩子在会话开始时自动开启该模式,一个 UserPromptSubmit 钩子在你发送的每条消息上重新应用它。具体的钩子配置可以查看 ~/.claude/plugins/marketplaces/caveman/.claude-plugin/plugin.json。

CodeGraph

CodeGraph 将你的代码库解析为由节点和边(符号及其关系)构成的图结构,存储在本地 SQLite 数据库中。当你提出结构性问题,比如 "什么调用了这个函数" 或 "如果我改了这里会影响到什么",Claude 可以直接查询图数据库,而不必通过搜索和逐文件阅读来拼凑答案。

虽然这个工具没有提供 token 节省报告,但据我理解,它的帮助在于查询数据库是一条更直接的路径,比起搜索和阅读文件来获取答案要高效得多,速度通常也更快。

下面是模型使用 CodeGraph 追踪 "分享计划" 流程的示例,跨越 controller、serializer 和营养计算代码,通过多次调用逐步锁定正确的入口点:

Claude 在对话中使用 CodeGraph

Claude 是怎么知道要调用 codegraph 的?

运行 init 命令后,CodeGraph 会在项目根目录下创建一个被 gitignore 的 .codegraph/ 目录,其中包含 codegraph.db。由于它只是一个 SQLite 文件,你可以用任何 SQLite 工具自行打开。例如,我用 DBeaver 打开并查看了 nodes 表的前几行:

在 DBeaver 中打开的 CodeGraph nodes 表

和 rtk 一样,CodeGraph 会将自身添加到项目级的 CLAUDE.md 中,确保在该仓库的每次会话中都可用。具体做法是在 ~/.claude/CLAUDE.md 文件末尾添加如下内容:

CodeGraph 添加到 CLAUDE.md 中的配置段

它还会运行一个后台进程,监听文件变化,在你编辑代码时保持图结构同步。你可以通过 ps aux | grep -i codegraph | grep -v grep 查看(此处仅展示 CPU/MEM 列):

 0.0  0.2  .../codegraph-darwin-arm64/node --liftoff-only .../codegraph.js serve --mcp

设置与习惯

这一节介绍我逐步养成的一些设置和习惯,进一步降低 token 用量。

默认使用 Sonnet

我以前默认用 Opus,然后试着记住在简单任务时切换到 Sonnet,但总是忘记,结果在不需要 Opus 的事情上白白烧了 Opus 级别的 token。后来我认识到 Sonnet 对日常大部分工作已经足够好了,所以现在它是我的默认选择,effort 设为 medium 而非默认的 high。

较新的 Sonnet 5 模型默认 effort 为 high,如果你进一步调到 xhigh 或 max,单次任务的成本可能反而超过直接用 Opus。如果你发现自己经常想用 extra-high 或 max effort,这大概说明你应该换模型,而不是拧大 effort 旋钮。关于 effort 与成本的权衡,详见:Claude Sonnet 5, Opus 4.8, Fable 5: when to use which。

将 advisor 设为 Opus

Claude Code 有一个 advisor(顾问)功能。将其设为 Opus 后,日常工作由 Sonnet 处理,遇到真正需要更强模型的问题时再委托给 Opus。使用 /advisor 进行设置。下面是 Sonnet 在任务进行中调用 advisor 的示例 —— 在收尾前捕获了一个未测试的边界情况:

Sonnet 在任务中途调用 advisor

效果就是大部分时间你享受的是更低的执行成本,因为 Sonnet 承担了大量工作,只有真正需要 Opus 的部分才按 Opus 计费。

精确限定提示词的范围

不是每个问题都需要把整个任务的历史记录全部加载进来。如果你只是在审查某个 PR 反馈中针对单个方法的意见,你不需要之前所有的规划讨论或每一次 commit。你能把相关内容限定得越窄,每轮对话中作为输入发送的内容就越少。这一点需要一些判断力,没有现成的命令可用,更多的是注意到你正在携带与当前问题毫无关系的上下文。

定期运行 /context

/context 会显示当前会话中加载到上下文窗口的所有内容。在较长的会话中值得经常检查,因为已加载的上下文算作输入 token,并且在该对话的每条消息中都会被重新发送。

在工作中运行这个命令,让我发现了单次收益最大的一个优化点,下面马上讲到。

审计你的 CLAUDE.md

我们团队项目级的 CLAUDE.md 随着时间积累了大量 @ 引用:前端文档、数据分析操作指南、Stripe 订阅详情、第三方集成指南等等。每个 @ 引用都会让 Claude 在每次会话中自动加载该文件的全部内容,哪怕它跟当前问题毫无关系。

我让 Claude 对这个文件做了审计,帮忙精简。第一轮筛查发现:有些 @ 引用是冗余的,因为项目中已经配置了相应的 Rails 专用技能。剩下的部分,解决方案是把 "始终加载" 的引用改写为条件式加载。例如:"当被问及订阅相关问题时,读取 path/to/subscriptions-doc.md。" 这样 Claude 只在问题确实相关时才会拉取该文件。

为了确保精简过程中没有丢失信息的完整性,我让 Claude 生成了一些示例提示词,在文件裁剪后运行这些提示来验证它仍然能找到与之前相同的细节。我还让 Claude 对比编辑前后的上下文大小,并把这些数字写在 PR 描述中,让团队成员能直观看到影响。下面是我提交的某个 PR 的片段,该 PR 编辑了项目级 CLAUDE.md 以减少其占用的上下文量:

CLAUDE.md 清理前后的总输入 token 节省量对比

如果你在团队中工作,这件事绝对值得做,因为节省的不只是你自己的 token。它会乘以每一个团队成员、每一次对话,持续到那个文件被精简为止。

频繁清理

Claude Code 在消息之间并不像你可能以为的那样保持状态。模型是无状态的,因此在对话中维持连贯性的唯一方式就是每次你提出新问题时重新发送整个对话。一个长时间运行的会话不只是在累积上下文 —— 每一条新消息的成本都比上一条更高,即使新消息本身很短。

完成一个任务或切换到新任务时,执行 /clear。即便任务还没完成,如果我换了一种思路来解决同一个问题,而之前的来回讨论已经没有参考价值了,我也会在中途就清理掉。

补充说明:Prompt 缓存在一定程度上降低了重发成本。对话中被缓存的部分重发时比全新输入便宜,但写入缓存本身仍有(较小的)成本,而且缓存条目会在一个 TTL 后过期,过期时间因套餐而异。文档中有更详细的说明,简而言之:缓存有帮助,但并不能消除长对话的累积成本。

真的有效吗?

读到这里你可能会想:花这么多功夫到底值不值,真的省下来了吗?就我的情况而言,答案是毫无疑问的 "值"。下面这张图(可以在 Claude Desktop 企业版的用量视图中找到)展示了我按模型分类的每日消费。可以清楚地看到六月中旬前后有一簇高消费日 —— 那是我开始优化之前 —— 随后在应用这些技巧之后,每日成本出现了明显的下降:

Claude Desktop 每日按模型分类的消费图表,显示六月中旬的高用量随后明显回落

尚未尝试的

还有几个在我关注列表上但还没来得及试的东西,看起来应该也会有帮助:

  • Headroom:另一款 token 效率工具,和 rtk、Caveman 属于同一领域。

  • Tool Search Tool:Anthropic 官方关于精简工具定义中 token 用量的指南。

  • /checkup(别名 /doctor):检测你配置中的低效之处,比如闲置的 MCP 服务器和技能。详见这篇 X 帖子。

总结

工具 / 技巧

节省的部分

作用

rtk

输入 token

在发送给模型之前压缩 CLI 命令输出

Caveman

输出 token

去除回复中的废话和客套,保留技术内容

CodeGraph

可能两者兼顾

通过图数据库回答代码结构问题,而非 grep / 逐文件阅读

Claude Monitor

不适用(仅提供可视化)

基于 5 小时滚动窗口的实时消耗速率仪表

默认 Sonnet + advisor → Opus

两者

默认使用更便宜的模型,仅在需要时升级到更强模型

精确限定提示词范围

输入 token

避免在聚焦的问题中加载无关历史 / 上下文

/context

可视化

显示当前加载到上下文窗口中的内容

审计 CLAUDE.md

输入 token

将始终加载的 @ 引用改为按需条件加载

频繁 /clear

输入 token

避免重发冗长且已无参考价值的对话历史

写在最后

如果你读到这里已经感到精疲力竭,我完全理解。学会高效使用 AI 工具,本身已经是软件工程工作方式的一次巨大转变。而就在你刚开始适应的时候,又来了一层新的负担:"另外,注意控制开销",外加一大串需要纳入工作流的额外事项。

我反复想到的一个类比是:高效节水洗衣机从设计上就用水更少。你不需要单独买个小装置拧到洗衣机上来让它省水,它天生就是那样的。我希望 token 效率最终也能以同样的方式内置到 AI 工具中,这样我们就可以少花时间盯着仪表盘,把更多精力放在交付真正为用户解决问题的产品上。

关于本文
译者:@木瑾
作者:@Daniela Baron
原文:https://danielabaron.me/blog/how-i-stopped-running-out-of-tokens/

这期前端早读课
对你有帮助,帮” 
赞 “一下,
期待下一期,帮”
 在看” 一下。

阅读原文

跳转微信打开

172个AI分工,一个大活轻松干完|Codex Subagents入门篇

2026年7月30日 08:30

原创 强少Qone 2026-07-30 08:30 广东

把一个大活拆给 172 个子智能体,只收最终结果

同样用 AI,有人越用越轻松,有人越用越累。

差在哪?不是模型,是你有没有学会一件事:把活拆开。

我前阵子也卡在这。对着 AI 吐出来的一大坨东西,越看越懵——哪句准?哪块要重做?盯着屏幕半天,最后发现最累的还是我自个儿。

后来我把 Codex 那个 Subagents(子智能体)翻了个遍,啃完官方手册加 172 个预设角色,才琢磨明白:这功能被严重低估了。它干的事特别简单——把你从「使唤一个 AI」,变成「指挥一支 AI 队伍」。

打个比方你就懂了

以前你一个人带个全能选手,他既要当侦探找问题,又要当工人写东西,还要当质检挑毛病。忙是忙,但乱,就像让一个人又当导演、又当演员、又当剪辑。

Subagents 相当于你雇了一队专项小工。你只管接活、派活、收活。查代码的管查代码,跑测试的管跑测试,审安全的管审安全,各干各的,互不添乱。脏活累活——几千行日志、满屏报错——都关在他们自己屋里,不往你脸上糊。

你主窗口干干净净,只看见结果。

当然,不是啥活都值得组队。改个按钮、调个错别字,你自己顺手就完了,犯不着兴师动众。但凡活儿能拆成几摊互不搭界的,或者需要多个角度一起审的(对不对、安不安全、漏没漏测),它就香了。

查代码、跑测试、审安全,最后只把摘要送回主窗口

叫它们干活,说人话就行

不用记任何命令,大白话就说清四件事:叫谁、干啥、一起干还是排队、干完给谁。

最小写法,直接抄:

让 code-mapper 先把「登录报错」相关的代码都揪出来,别改,只告诉我关键文件和最可能出毛病的位置。

并行写法,也直接抄:

同时叫 reviewer、security-auditor、qa-expert:一个查对不对,一个查安不安全,一个查测试漏没漏。仨都完了,你帮我按轻重去重汇总,每个问题附上文件出处。

判断窍门一句话:互不依赖就一起干;A 的产出是 B 的食材就排队;几个人要动同一个文件——只留一个改,其余看戏。

新手最容易栽的 4 个坑

  • • 叫了一堆人却不点名谁干啥 → 它们互相客气,最后啥也没干成。要点名、派活。

  • • 几个人同时改一个文件 → 会「打起来」,互相覆盖。只让一个人改。

  • • 一次叫十几个 → 又贵又乱,报告厚得你自己都不想看。2 到 6 个最舒服。

  • • 把原始输出全塞回主窗口 → 那跟没分工有啥区别?只要摘要。

子智能体控制在 2 到 6 个,只留一个修改者,并让其他人提交摘要

想自己加个「员工」?三行就够

写个小配置,核心就三行:叫啥、啥时候该叫它、具体怎么干。

诀窍只有一个:描述别写「你是个资深专家」这种虚的,写「什么时候该叫你」。写得越准,它越会在对的时机自己冒出来。

最高频的组合,直接抄

  • • 想清楚要做什么:business-analyst + product-manager + ux-researcher

  • • 全栈一把梭:api-designer + 前端 + 后端 + 整合 + 测试

  • • 审东西:reviewer + security-auditor + 文档 → 汇总

  • • 卡性能:performance-engineer + 前端 + 数据库

  • • 不知道派谁:先叫 agent-organizer,让它帮你分

这 172 个「员工」,我把中文对照表整理出来了,外加 26 套能直接抄的干活话术(需求、PRD、竞品、全栈、支付金融都有)。光看英文名你大概率一脸懵,得配合话术使。

关注「强少来了」,后台回「子智能体」领走。

最后说一句

用了这么久,我越来越觉得一句话是对的:

你不是在操作一个工具,你是在带一支队伍。

下篇我不聊代码——很多做产品的朋友问「这玩意跟我有啥关系」,关系大了。我挑「调研 → 需求 → 原型」这个最累的场景,手把手演示怎么让这批 AI 员工接力干活。关注了别错过。

要是你也被「一个大活自己扛到崩溃」折磨过,顺手转给那个总加班到最后的同事——他缺的可能不是一个更聪明的 AI,是一支能分工的队伍。

END

如果本文对你有帮助,请点赞、在看和分享给身边的朋友!

别忘了关注「强少来了」

获取更多前端 · 后端 · B端产品思维的精彩内容!

👇👇👇

你的认可,是对我最大的鼓励

求转发,朋友圈

另外我建了一个读友交流群

你可以回复关键词「进群」

添加我个人微信,邀请你入群

跳转微信打开

写在 36 岁的最后一天

2026年7月29日 19:08

原创 刘飞Lufy 2026-07-29 19:08 北京

我不能严肃地假定我现在在做梦。

果园

经营果园,而不是出卖劳动力。

春种秋收。种下机会,等待结果。

成功从来不是突然出现的,它只是把过去那些看似不相关的经历,重新串在了一起。

不要想着一下就上大学。粗糙一点没关系,先多读几次小学,再读中学,最后才有机会进入大学。

自由、松弛并且有复利地工作,可能比单纯靠睡后收入休息和娱乐,更加健康且理想。对于相当一部分人。

不是所有的长期主义都是有价值的。要关注未来折现的现金流,不是当期的现金流。这个比长期价值更准确,因为说长期价值没有说大小和做对比。时间长不代表绝对值就是高的。

报道热点是廉价的增长。迈克尔·刘易斯(Michael Lewis)说在 10 Years of Acquired 的一句话。热点制造情绪,时间确认意义。让子弹飞一会儿,才知道它究竟射中了什么。

保持思考。警惕内容同质化。如果所有人都想得一样,那就没人真的在思考。

写作的核心是清晰的思考,而清晰思考本身就是一种稀缺资源。

虚荣是思想的死亡。

今年看了《奥兰多》话剧,记下一句话:「做一棵橡树。」

同时接受笨拙和不完美。「打开水龙头,一开始流出来的水是脏的,你得让它流一阵,干净的水才会来。创作也是一样,你必须先把烂作品排出来。」

所谓运气,很多时候只是机会到来时,你已经在附近待了足够久。

更能改变世界的产品,都有一个共同特征:它必须赶上一个时代,同时又必须和这个时代已有的东西不一样。而这个「不一样」,恰好是下一个时代需要的。

但不执着。

(2025.6 摄于奥斯陆)

执着

佛教里执着也称为染着。这个词真妙,代表内心的欲望和执念是源于从外部沾染的颜色。名利是金,情爱是红,嫉妒是绿,傲慢是灰,仇恨是黑。染色入肌理,很难洗,时时想起,一般浸染更甚。更需要时间漂白,心流冲刷,智识暴晒。颜色褪去,执念才自然消散,所谓不执染着。

萨特说人没有本质、存在先于本质,顺着这个逻辑推,根本就没有一个「剥离了所有社会影响之后的纯粹的你」在那儿等着被发现。

主体不是世界中的一个对象,而是世界的前提和界限;眼睛能看到一切,却看不到自己。

托尔斯泰说。每个人的生活有两个方面:个人的私生活和天然的、群体的生活,前一种生活的需要愈抽象,就愈自由;在后一种生活之中必然要遵循给他规定的规则。

重新认识世界和自己的关系。世界是随机的,我们其实也是随机的。

失败没关系。失败只是一个更聪明地重新开始的机会。

真正的尊严,不是永远不会失败,而是失败以后仍然能够决定下一步做什么。

「生活就是一连串微小的胜利,和巨大的溃败。」而《极乐迪斯科》告诉我们,人类背负恐惧继续前行,这本身很了不起。

摩擦力

维特根斯坦说,光滑的冰面没有摩擦力,因此无法行走;我们需要摩擦力,要回到粗糙的地面。

「世界上没有奇迹,只有你没见过的常态。」

李诞说,我建议每个自媒体博主都应该做的一件事情,是跟你的关注者见面。在保证安全的前提下跟你的关注者吃吃饭、喝喝酒,见见面、聊聊天。

对预测未来心怀恐惧、对市场波动保持敬畏,在追踪数据中随时准备承认错误并改变看法;接受下滑现实,自下而上、埋头苦干。

真正找到一条路,不是照着答案抄一遍,而是一个细致活,一个需要耐心和毅力的活。

技术本身创造不了价值,所有产品都是需求驱动的,有泡沫就说明是在技术飞速发展,但需求还很模糊、存在大量虚假需求的阶段。

遇到不了解的事情,不是先恐惧和焦虑,而是先了解。

不要报课。我发现很多上过 AI 课的人,对 AI 的理解有非常严重的刻板印象。就像学的第一首歌是贝多芬,还是社会摇,是不一样的,会严重影响一个人的音乐审美。

维特根斯坦还说,不要去想,而要去看。

读书是「看」,交朋友也是「看」。

「酒深情不厌,知己话偏长。莫负相钦重,明朝到草堂。」

李诞在跟我录播客的时候提过,有影响力本身也是一种特权。

我去逛北大的时候,请了一位博士生听友带我游览校园。这是一种做自媒体的奖励。

电影也是「看」。

李安讲的是压抑和爆发;杨德昌讲的是现代社会的异化;黑泽明讲的是命运和道德选择;小津讲的是日常生活的失去。我最喜欢的 4 位亚洲导演。

记忆

有两个习惯,比之前可能更有价值了。

一是多记。想法、观察、灵感、困惑,什么都记,不怕散不怕碎。

二是多存。好文章、好观点、好句子,看到就存,不用分类不用整理。

要是从零开始跟 AI 论述,就费劲得多了。况且多数靠自己记忆是根本记不住的。

日记、笔记、文摘、录音、照片、周报、邮件... ... 什么都好,先记下来存下来。富兰克林说,最接近把一个人的生活重新过一遍的事情是回忆那种生活,并用文字记录下来,让这种回忆尽可能地长久。

这是对于每个人很珍贵的 memory.md。

怎么更好地使用 AI,比 AI 本身的性能有多好更加重要。

没有 codex 和 flomo,我怕是都不知道这一年我想了以上这些。

这一年最喜欢的一句话:

我不能严肃地假定我现在在做梦。

跳转微信打开

Jina Reranker v3.5:专注垂直领域的 0.6B 列表式重排器

2026年7月29日 14:00

原创 Jina AI 2026-07-29 14:00 新加坡

0.6B 体量的卷王重排器

今天,我们正式推出 jina-reranker-v3.5。

作为 v3 系列的进阶版,它依旧保持了 0.6B 的参数规模以及标志性的 LBNL( Last but not late,一次前向传播处理整批文档)的列表式架构。在保持轻量化推理优势的同时,v3.5 专门解决了生产环境中最棘手的三个工程痛点:垂直领域适配、结构化记录的逻辑识别,以及长列表下的显存爆炸。

性能预览

维度

nDCG@10 表现

相比 v3 提升

核心亮点

BEIR (通用)63.20

+1.10

超越 4B 规模的 Qwen3-Reranker
MIRACL (多语言)74.11

+2.6%

0.6B 档位的性能标杆

RTEB (行业领域)70.95

+4.3%

覆盖法律/金融/医疗/代码

Struct-IR (结构化)48.3+24.8%

对 JSON 格式,表格,和字段背后的逻辑和规则的理解更清楚

推理速度

——

1.22×–1.56×

列表越长,加速越明显

为什么推出 v3.5?

Jina Reranker v3 的表现已经超出了我们的预期,它证明了 0.6B 参数配合 Listwise 架构,完全有能力在通用基准测试上和大模型掰掰手腕。但当我们将 v3 投入真实的业务时,却发现了一些榜单无法体现的坑。

  1. 垂直领域: 法律条文、临床诊断或金融研报,其语言模式与通用网页截然不同。BEIR 上的冠军模型,在复杂的法律判例面前也可能失效。

  2. 结构化数据: 面对 JSON 或表格数据,Reranker 如果不懂字段间的逻辑约束,比如“价格必须在 100~200 之间”、“必须是 L 码”等,就很容易给出离谱的评分。

  3. 长列表延迟:处理长文档列表时,全自注意力机制带来的显存开销是平方级增长的,延迟根本不可控。

v3.5 的出现,就是为了在保持轻量的同时,把这些工程盲区扫平。

三大核心演进

1. 3L2G 混合注意力架构

为了从根本上降低长列表下的计算开销,我们放弃了传统的全自注意力模式,转而采用 3L2G 混合注意力架构。

模型的大部分层运行 滑动窗口注意力(Sliding Window Attention),窗口大小设为 1024,这直接将计算复杂度从平方级拉到了线性级别。为了不丢失全局信息,我们周期性地 穿插了全局注意力层进行同步,并强制 末层必须全局可见,确保最终打分能吃透整组候选文档的特征。

2. 覆盖失效场景的数据策略

在训练阶段,我们将重点放在补齐 v3 的弱势场景上。

在法律和行业合规领域,我们补充了 EUR-Lex 和 AILA 等权威判例库,涵盖多国法律法规;医疗方面则补充了临床对话与生物医学论文。同时,利用大模型生成了大量极具干扰性的难负样本,逼模型学会区分细微的司法辖区和专业差别。

面对电商或企业系统中的 JSON 记录或者表格数据,传统模型往往只看字面词汇,不懂数字逻辑,比如搜 150 元以下,可能把 160 元的也匹配出来。我们采用 Struct-IR 策略,故意对 JSON 数据的关键字段,如价格、规格做微调或扰动,,逼模型去理解字段背后的约束与逻辑关系。

此外,多语言语料库 也扩展到了 50 多种语言,整体通用性与泛化能力进一步增强。

3. 三阶段自蒸馏流程

直接训练稀疏模型往往性能抖动,我们摸索出了一套迂回战术:

先练一个性能触顶的全注意力教师模型;再让 3L2G 学生模型去适应注意力路径的变化;最后通过 KL 散度和隐状态 MSE 等多维度蒸馏,让学生模型在大幅提速的同时,完美承接教师模型的排序质量。

性能实测

我们对比了 v3.5 与前代版本 v3,以及目前市面上主流的大参数重排模型。数据覆盖了通用搜索、多语言、垂直行业以及结构化数据四个维度。

1. 通用搜索:0.6B 规模超越 4B 模型

Jina Reranker v3.5 BEIR 基准测试结果与 Qwen3 和 Mixedbread rerankers 的比较

在通用的 BEIR 搜索基准测试中,v3.5 的平均分达到 63.20 (nDCG@10)。性能超过了参数量是其 7 倍的 Qwen3-Reranker-4B(62.28)。

2. 垂直行业:法律与金融场景的专项补强

Jina Reranker v3.5 RTEB 特定领域基准测试结果(法律、医疗和金融检索)

针对 法律、金融、医疗和代码 等行业语境(RTEB 基准),v3.5 的综合表现提升了 4.3%。在法律任务 AILA 上,v3.5 的 nDCG 指标相比 v3 猛增了 11 - 14 个点。

3. 结构化数据理解

Jina Reranker v3.5 在 Struct-IR 和 STaRK 上的结构化数据基准测试结果

这是 v3.5 进步最大的地方。在 Struct-IR 测试中,得分从 38.7 提升至 48.3,提升 24.8%。尤其在简历筛选等强约束场景中,Recall@5 指标已经能够与 Qwen-4B 持平。

4. 推理速度

数据集

平均文档长度

jina-reranker-v3

jina-reranker-v3.5

加速

BEIR

 短文档场景

~145 Tokens

371.1 ms

305.3 ms

22%
RTEB

 长文档场景

~1,900 Tokens

16,064.9 ms

10,290.9 ms

56%

混合注意力架构在长文档列表上展现了巨大的优势。以法律判例检索为例,处理速度提升了 56%,这直接解决了长上下文重排时最头疼的显存爆炸和延迟抖动的问题。

如何快速上手?

1. Jina AI API 

已在 Jina AI 官网同步上线,直接把模型名改成 jina_reranker_v3.5即可,代码逻辑不用改动。

curl https://api.jina.ai/v1/rerank \
  -H "Authorization: Bearer $JINA_API_KEY" \
  -d '{
    "model": "jina-reranker-v3.5",
    "query": "有机化学反应机制",
    "documents": ["SN2 亲核取代反应...", "如何烤制酸面包...", "钯催化偶联反应..."]
  }'

2. Elasticsearch 集成

通过 Elastic Inference Service (EIS) 调用,可作为 text_similarity_reranker retriever 接入混合搜索的流水线。

3. 私有化部署

https://github.com/jina-ai/jina-on-prem 支持 Docker 一键部署,适用于内网隔离或受监管的数据环境。

4. 模型已开源

模型权重已发布至 Hugging Face,支持通过 transformers 库直接加载。

model = AutoModel.from_pretrained("jinaai/jina-reranker-v3.5", trust_remote_code=True)

jina-reranker-v3.5 适用 CC BY-NC 4.0 许可协议,如有商业用途需求,请随时联系我们:sales@jina.ai

总结

在 0.6B 这个不挑卡的体量下,我们借由 3L2G 混合注意力架构,降低了长列表的推理门槛,并把对结构化数据的理解能力补齐到了生产可用的水平。

如果你现在的系统正面临长列表响应慢,或者垂直领域的检索,结构化数据的理解差点意思,Jina Reranker v3.5 提供了一个极具性价比的技术选型。

所有的技术细节与实验数据都已同步在技术报告 https://arxiv.org/abs/2607.18152 中公开,欢迎在实际业务中进行压测。

跳转微信打开

❌