铃阅时讯
❌

普通视图

AI 专栏 | 代码改了,文档却“死”了?携程机票“代码即文档”实践,让隐性知识随代码共同生长

2026年8月28日 12:00

原创 Sheila/舟遥 2026-08-28 12:00 上海

破解知识熵增,让AI替你写“活文档”

作者简介

Sheila,携程资深研发经理,关注前端性能优化与 AI Agent 驱动的研发效能建设。

舟遥,携程资深前端开发工程师,专注前端工程化与AI应用落地

团队热招岗位:高级前端开发工程师

导读:在敏捷开发的浪潮下,代码与文档的割裂几乎是每一支研发团队的“灵魂之痛”。携程机票前端团队主动向这一顽疾“宣战”,提出了“代码即文档”的理念,并自研了 Lumos 平台。通过将 CI/CD 流水线与 Dify 工作流深度融合,不仅实现了代码改动触发文档的自动生成与更新,更构建了覆盖 74 个业务仓库的智能知识库。这套体系将人工维护文档的时间压缩了 80% 以上,让“信息孤岛”连成一片,真正实现了隐性知识的显性化与组织资产的沉淀。

一、背景

二、问题分析

2.1 信息分散与检索困难

2.2 文档更新滞后

2.3 代码改动影响难以追踪

三、解决方案

四、技术实现

4.1 AI驱动的“代码即文档”模式

4.2 知识库整合与智能检索

4.3 代码改动追踪体系

五、实践与应用

5.1 自动化文档生成

5.2 模块文档总结

5.3 代码改动影响分析

5.4 智能问答与实时协作

5.5 实践效果

六、下一步规划

七、结语

一、背景

随着携程机票业务的快速发展,项目复杂度持续攀升,信息分散、文档更新滞后等问题日渐凸显。项目相关信息散布在多个异构系统中,开发者在进行代码修改时,难以快速追踪改动对业务逻辑的具体影响,导致开发效率显著下降。

在传统开发模式下,文档维护高度依赖人工操作,往往在项目压力下被边缘化。开发者需要在多个平台间切换以获取完整的业务背景,而文档与代码的不同步进一步加剧了团队协作的复杂性。当功能逻辑发生变更时,相关文档可能仍停留在旧版本状态,造成团队成员对业务理解的偏差。

为解决这一系列问题,携程机票前端团队提出了"代码即文档"(Code as Docs)的理念,并基于此构建了 Lumos 平台。通过持续集成流水线、Dify 工作流和智能问答系统的深度整合,实现代码改动与文档生成的自动化联动,确保文档与代码的实时同步。本文将详细阐述机票前端团队在这一自动化文档与代码分析体系上的构建过程与实践经验。

二、问题分析 

在携程机票前端团队的开发实践中,以下问题尤为突出,成为制约项目推进效率的主要瓶颈:

2.1 信息分散与检索困难

在大型软件项目的生命周期中,知识与信息的有效管理是确保开发效率和协同质量的关键。然而,在现有研发体系中,缺乏统一的知识管理工具,项目相关信息分散在多个异构系统中,直接导致了信息检索效率低下与上下文获取困难。项目信息,包括但不限于产品需求文档、技术设计方案、会议纪要、代码实现、合并请求记录以及线上问题复盘,分别存储在项目管理平台、文档知识库、代码托管仓库和企业 IM 等多个独立的系统中。这些系统在数据结构、存储方式和访问接口上各不相同,形成了一个个“信息孤岛”。

这种分散化的状态,为开发者的日常工作带来了具体且可量化的挑战,主要体现在以下三个方面:

认知负荷的增加:当开发者需要对某个模块进行修改或排查问题时,必须构建一个完整的“心理上下文模型”。这意味着他们需要在多个系统之间频繁跳转,拼凑零散的信息。例如,为了全面理解某个功能的背景,开发者可能需要追溯一条繁琐的链条:“原始需求文档 → 技术设计文档 → 代码的多次迭代历史 → 企业即时通讯群聊中的相关讨论”。这一过程不仅耗时费力,还容易因信息遗漏而导致对业务逻辑的片面理解,从而影响决策的准确性。

检索效率的瓶颈:当前的检索机制大多依赖于基于关键词全文搜索。然而,这种方式在处理海量、异构数据时显得力不从心。开发者常常面临搜索结果“噪音”过多的问题,难以精准定位到核心信息点。更为棘手的是,许多关键的设计决策和逻辑演变过程,往往隐藏在非结构化的讨论记录或已归档的文档版本中,常规检索手段几乎无法触及。这种低效的信息获取方式进一步加剧了开发者的负担。

信息一致性的风险:由于缺乏统一的数据源和同步机制,各系统之间的文档状态常常不一致。例如,某个在文档平台上已被标记为“废弃”的设计方案,可能仍然被新成员误认为是有效信息;某个在代码中已被重构的接口,其对应的文档可能仍停留在旧版本。这种不一致性不仅容易导致开发决策失误,还可能引入潜在的缺陷,成为项目质量的隐患。

综上所述,这种分散化的状态不仅增加了开发者的认知负担,还显著降低了信息检索的效率,并带来了信息一致性方面的风险。这些问题若得不到有效解决,将对开发效率和项目质量产生深远的负面影响。

2.2 文档更新滞后

在敏捷开发和持续交付的背景下,代码迭代速度远超传统文档的维护能力,导致文档与代码实现之间的脱节成为普遍且棘手的问题。携程机票前端团队同样面临这一挑战,其根源在于现有流程高度依赖人工维护,缺乏自动化同步机制。文档滞后性主要体现在以下方面:

维护优先级低:在紧张的项目排期和交付压力下,开发者将主要精力集中在功能实现与代码质量上,文档更新被视为“非紧急”任务,优先级被人为降低。新功能上线或代码重构后,文档更新常被延误甚至遗忘,导致“技术债务”不断累积,进一步削弱文档的实用性。

静态内容的局限性:传统文档本质上是静态的,无法动态反映代码库的真实状态。例如,接口的请求参数或返回结构发生变化时,若 API 文档未能同步更新,将直接误导调用方,引发集成错误。这种静态性使文档在代码持续演进中迅速失去参考价值。

缺乏与代码的上下文关联:文档与代码存储在不同系统中,缺乏原生的双向关联。开发者阅读代码时无法一键跳转到对应的设计文档,阅读文档时也无法快速定位到具体代码片段。这种上下文缺失不仅增加了理解成本,也使 Code Review 过程中评审者难以基于最新设计意图评估代码的合理性。

文档更新滞后问题若得不到解决,将严重影响开发效率和代码质量,亟需通过流程优化和技术手段加以改进。

2.3 代码改动影响难以追踪

在大型、长生命周期的项目中,任何代码改动都可能引发连锁反应,准确评估和追踪这些影响是保障软件质量和系统稳定性的关键。然而,在携程机票前端团队的现有研发流程中,由于缺乏自动化影响分析工具,这一过程高度依赖人工,导致效率低下且风险增加。这一挑战主要体现在以下两方面:

2.3.1 对业务逻辑的隐性影响

在高度耦合的系统中,模块间的依赖关系复杂,一次看似局部的代码修改可能波及远超预期的范围。开发者在提交改动前,通常依赖“代码搜索”和“个人经验”判断影响范围。这种方式对显性的函数调用关系尚可应对,但对于通过事件总线、配置文件或动态调用等方式建立的隐性依赖,则几乎无能为力。

此外,由于无法全面识别受影响的业务场景,回归测试的范围难以精确界定。这不仅增加了测试成本,还显著提高了线上问题的发生概率,为系统稳定性埋下隐患。

2.3.2 对非功能性指标的影响

代码改动不仅影响功能正确性,还直接关系到用户体验和技术健康度。以页面加载时间为例,当某次改动导致性能下降时,开发者通常需要手动对比修改前后的数据,逐步排查问题根源。这种方式不仅耗时费力,还容易因人为疏忽遗漏关键细节,影响诊断准确性。

因此,引入自动化工具实时监控代码改动的影响并生成分析报告,不仅可以显著提升开发效率,还能帮助团队快速响应潜在问题,确保代码质量和性能始终处于可控状态。

三、解决方案

为应对传统开发模式中的信息分散、文档更新滞后和影响追踪困难等痛点,携程机票前端团队提出了“代码即文档”的核心理念,并通过三大策略来实现这一目标:统一知识库、自动化同步和智能分析。

统一知识库策略通过将代码与需求描述整合到同一平台,团队落地了“代码即文档”的理念。利用 Git 进行版本控制与同步,确保文档与代码的统一存储和版本管理。每次修改都被精确记录,支持追溯历史版本,解决了代码与文档脱节的问题。所有文档变更通过 Pull Request 或 Merge Request 机制进行,集中存储于统一的代码仓库,打造单一可信的知识中心,降低协作成本,帮助新成员快速上手。

自动化同步策略团队设计了一套事件驱动的自动化机制,确保任何代码改动都能被系统捕捉,并自动生成和更新相关文档。这种机制不仅解放了开发者的手动维护工作,还确保文档与代码保持实时一致,杜绝因信息过时引发的误解与决策风险。

智能分析策略引入即时、量化、数据驱动的影响评估机制,自动评估代码修改对业务逻辑、系统性能、代码规范性等多个维度的影响。分析结果以结构化报告呈现,帮助开发者迅速洞察改动的潜在后果,优化决策,降低风险。

三大策略协同配合,从信息整合、流程自动化和智能决策三个层面全面提升研发效能。

四、技术实现

为了支撑携程机票前端团队在文档管理中的解决方案,我们设计了一套完整的系统架构,涵盖信息分散与检索、文档更新滞后、代码改动影响追踪等核心问题的解决。以下是整体系统架构图,展示了各个技术模块的组成及其交互关系:

基于该架构,我们将从以下三个核心问题出发,分别设计针对性的技术模块:信息分散与检索困难、文档更新滞后、代码改动影响难以追踪。每个模块通过自动化工具、智能分析和知识库整合,确保文档与代码的高度一致性,提升团队协作效率。

4.1 AI 驱动的“代码即文档”模式

在技术实现层面,AI 驱动的“代码即文档”模式通过智能代码分析、自动文档生成和动态更新机制,具体解决了文档与代码脱节的问题。以下是每个环节的技术细节和实现方法:

4.1.1 智能分析:解析结构与依赖

智能代码分析是"代码即文档"模式的基础环节,其核心在于通过 AI 模型解析代码结构、注释和函数签名,识别模块间的依赖关系、功能逻辑和接口定义。具体实现如下:

1)从项目入口文件(如 index.js 或 main.ts)开始,利用静态代码分析工具提取模块间的依赖关系。

2)分析入口文件中的 import 语句,构建模块依赖图,明确各模块间的调用关系。

3)深入挖掘代码的语义信息,结合代码注释生成详细的功能描述。

4)基于分析结果,生成包含功能描述、输入输出定义以及依赖关系的文档。

5)结合历史版本信息,补充版本历史和改动说明。

这一过程将代码中的隐性知识显性化,形成对项目模块分区和核心逻辑的清晰描述。系统实现了从代码到知识的自动化转化,为开发者提供直观的项目概览,同时为后续的代码维护和协作奠定基础。

4.1.2 动态机制:变更触发文档更新

为解决文档更新滞后的问题,团队通过 CI/CD 流水线与 Dify 服务 API 的结合,构建了一套自动化文档生成机制,确保每次代码改动都能实时更新文档。具体实现如下:

CI/CD 流水线触发:每当有新的合并请求(MR)时,CI/CD 流水线会自动触发 Dify 服务 API,启动代码改动分析流程。这种机制确保文档更新与代码改动同步进行,避免了传统文档管理中的人工干预和滞后问题。

Dify 工作流分析:Dify 工作流根据 MR 的 IID(合并请求 ID)进行内容分析,生成包含以下内容的 Markdown 格式文档:

    • 产品需求描述:从 MR 描述中提取需求背景和目标。例如,通过分析 MR 描述中的需求任务链接或标准化字段,提取需求的背景和目标。

    • 开发逻辑梳理:分析代码改动对业务逻辑的影响,生成业务逻辑的详细描述。

    • 代码分析:生成代码改动的详细分析,包括新增、修改和删除的代码片段。

    • 改动影响评估:结合性能指标(如 TTI、代码大小、ESLint 规则评分等),评估代码改动对系统的影响。例如,通过分析代码改动对页面加载时间的影响,生成性能指标的变化报告。

标准化 MR 描述:为 MR 定义完整的标准格式(如包含需求背景、改动范围、性能指标等),帮助 AI 更准确地评估和总结本次改动内容。标准化的 MR 描述不仅提升了自动化分析的准确性,还为团队协作提供了统一的规范。

文档存储与整合:生成的代码改动总结以 Markdown 格式存储,并整合到向量知识库中,支持后续检索和复用。团队成员可以通过知识库快速查询某次代码改动的详细分析和影响评估,显著提升信息获取效率。

通过上述机制,实现了文档与代码的实时联动更新,确保了信息的准确性和一致性,同时大幅提升了团队协作效率。

4.1.3 文档优化:实时与准确的平衡

在自动化文档生成的基础上,团队通过结合手工调整机制,确保文档的实时性与准确性之间的平衡:

自动化保障实时性:自动化生成文档是核心手段,通过 CI/CD 流水线触发 Dify 服务 API,确保每次代码改动都能实时更新文档。这种机制显著减少了文档更新的延迟,提升了团队协作效率。

手工调整保障准确性:尽管自动化生成文档能够满足大部分需求,但文档平台也支持手工调整,团队成员可以根据实际需求对自动生成的文档进行修改和优化,确保最终内容的准确性。例如,当自动化生成的文档未能完全反映复杂业务逻辑时,团队成员可以通过手工调整补充细节。

标准化与灵活性的统一:通过标准化 MR 描述提升自动化分析的准确性,同时保留手工调整的灵活性,满足不同场景的需求。这种结合方式既保证了文档的实时性,又确保了最终内容的高质量。

4.2 知识库整合与智能检索

生成的文档以 Markdown 格式存储,并通过向量化处理整合至知识库中,从而实现高效的检索与信息定位。向量化存储技术使团队成员能够通过自然语言查询快速获取目标信息,例如模块功能描述、依赖关系分析以及代码改动的影响评估。这种技术不仅显著提升了检索的准确性与效率,还支持复杂语义理解,满足多样化查询需求。

智能问答系统基于向量化知识库,能够处理自然语言查询并结合上下文语义分析,返回精准结果。例如,团队成员可通过提问“XX 模块的功能是什么”获取相关技术细节;针对模块改动对系统性能的影响,系统可综合历史版本数据与性能测试结果,生成详细分析报告。此外,智能问答系统与团队日常协作工具深度集成,通过企业群聊机器人实现实时信息共享。当团队成员在群聊中提出技术问题时,机器人可即时从知识库中提取相关信息并返回结果,同时附带相关文档链接,便于进一步查阅。

通过仓库管理系统与 AI 技术的结合,团队实现了文档与代码的同步更新,解决了信息分散与检索困难的问题。智能问答系统与实时协作工具的集成显著提升了团队沟通效率与问题解决速度,同时支持多维度查询与复杂语义分析。这种体系不仅优化了文档生成与检索的智能化水平,还为团队协作与项目推进提供了强有力的技术支撑,确保信息的高效流转与利用。

4.3 代码改动追踪体系

代码改动影响追踪体系旨在全面评估代码变更对系统的影响,包括性能指标分析、代码质量评估及多维度分析。通过与内部性能监控平台的指标关联,可以实现以下功能:

性能指标分析:实时监控关键指标,如首次内容绘制时间(First Contentful Paint, FCP)、可交互时间(Time to Interactive, TTI)、累积布局偏移(Cumulative Layout Shift, CLS)以及 JavaScript 包大小变化。结合 AI 生成的性能分析报告,可快速定位性能瓶颈并提供优化建议。这种机制有助于提高问题排查效率,确保代码改动对系统性能的正面影响。

代码质量评估:通过静态代码分析工具(如 ESLint、SonarQube 等)与 AI 助手的结合,全面评估代码改动对圈复杂度(Cyclomatic Complexity)、代码重复率(Code Duplication)、潜在漏洞(Potential Vulnerabilities)及代码异味(Code Smells)的影响。AI 助手可基于分析结果生成代码质量报告,帮助快速发现并修复问题,提升代码的可维护性。

多维度分析:围绕用户行为埋点分析、A/B 测试评估及综合影响分析等方面,可以开发多种 AI 辅助工具。这些工具采用模块化设计,具备强大的数据整合能力,可关联分析性能指标(如服务器响应时间、API 调用频率)、用户体验指标(如用户停留时间、转化率)以及系统健康指标(如 CPU 使用率、内存占用),为未来拓展更多分析维度奠定基础。

通过这种体系,可以实现对代码改动影响的全面追踪,为智能化支持的进一步拓展提供灵活的技术框架。它有潜力显著提升开发效率、代码质量和系统稳定性,同时为持续集成/持续部署(CI/CD)流程中的自动化决策提供数据支持。

五、实践与应用

5.1 自动化文档生成

通过将 CI/CD 流水线与 Dify 工作流相结合,实现了代码改动的自动化文档生成。这一实践大幅提升了文档更新的效率,确保文档始终与代码保持同步,减少了手动维护的工作量。

5.2 模块文档总结

借助模块化代码解析 AI Agent,团队从入口文件自动生成模块文档总结,全面梳理了仓库中所有模块的功能描述与依赖关系。这一能力帮助开发者快速掌握模块的核心逻辑,降低了新成员的学习成本,同时为跨团队协作提供了清晰的参考。

5.3 代码改动影响分析

通过自动追踪代码改动对业务逻辑和性能指标的影响,团队能够生成详细的性能分析报告。这些报告涵盖关键指标,如可交互时间(Time to Interactive, TTI)以及代码包大小变化(Bundle Size Change),帮助开发者快速评估改动的潜在影响,确保系统性能和稳定性。

5.4 智能问答与实时协作

携程机票前端团队接入了智能问答系统和企业群聊机器人,实现了信息的实时共享与问题的快速解决。这一实践显著提升了团队的协作效率,减少了沟通成本,同时为开发者提供了即时的技术支持。

5.5 实践效果

5.5.1 规模化落地:从机票前端走向全研发体系

Lumos 平台由机票前端团队自主研发,目前已从最初的前端场景验证走向跨团队规模化落地。当前已接入  74 个业务仓库,覆盖 7 个事业群/业务线,累计生成 1063 篇业务与变更文档,实现了知识库的跨团队、跨技术栈统一覆盖。

5.5.2 知识库质量:从"有文档"到"可用文档"

文档不仅是数量的积累,更是质量的迭代。Lumos 产出的文档分为两大类:

  • 业务文档:模块分析、技术实现、需求设计等,共 989 篇

  • 变更文档:CI/CD 流水线自动生成的代码改动分析,共 74 篇

头部仓库的文档深度已达实用级别——最高单仓库累计 126 篇文档,4 个仓库文档总量超过 50 篇,为 AI Code Review 和新人 onboarding 提供了充足的上下文支撑。

向量知识库覆盖:51 个仓库已同步至向量知识库,每个仓库拥有独立的数据集,支持基于语义的精准检索。检索阶段使用平台侧预配置的 Embedding 模型,在检索精准度与响应速度之间保持平衡。

全局 AI 问答能力:5 个核心仓库已开通全局 AI 问答,开发者可通过自然语言直接查询仓库级业务知识。其中 2 个高频仓库还配备了专属对话机器人入口,提供仓库级别的深度对话体验。

5.5.3 技术架构:Lumos-Skill 的检索增强管线

Lumos 的知识库检索能力已产品化为 Lumos-Skill,可直接集成至 AI Code Review 流水线,实现"业务上下文 + 代码变更"的联合审查——通过让 AI Reviewer 在审查时自动查询业务知识库,弥补了单纯代码审查缺少业务视角的问题。

5.5.4 效能提升:从人工到自动化的范式转变

Lumos 的核心价值在于将开发者的"信息获取成本"趋近于零,具体体现在:

  • 文档维护成本:传统模式下,开发者需在功能开发之外额外投入 20-30% 的时间维护文档;Lumos 通过 CI/CD 自动触发工作流,MR 合并即生成文档,人工维护时间下降 80%+。

  • 新人 onboarding:新成员加入项目时,通过 Lumos 知识库可在 1-2 天内建立完整的模块认知,相比传统的"读代码 + 问老员工"模式,上手周期缩短 60%+。

  • Code Review 质量:通过 Lumos-Skill 为 AI Reviewer 提供业务上下文后,review 意见的"业务逻辑正确性"维度检出率显著提升——Reviewer 不再仅关注代码风格,而是能基于业务背景判断改动的合理性与风险点。

  • 知识沉淀:散落在个人头脑中的隐性知识,通过 Lumos 的系统化采集、向量化存储,转化为团队共享的组织资产,实现从"人走知识丢"到"知识随代码生长"的转变。

六、下一步规划

基于当前平台的能力,机票前端团队在代码改动影响追踪方面已经取得了显著成效,未来将沿此路径持续深耕,并进一步将前端侧的实践经验推广至更广泛的集团研发场景:

  • 知识库从检索到推理的能力升级

在现有通过代码反推业务需求的基础上,逐步引入图谱化关联,将代码实体、推导出的业务规则与变更历史形成结构化语义网络。目标是让 AI 不仅能还原单点需求,还能理解需求之间的依赖与演进脉络,在影响分析时提供更完整的业务上下文。

  • AI Code Review 与业务语义的深度结合

在现有代码审查辅助的基础上,融合代码所承载的业务语义进行审查——不仅检测代码层面的缺陷,还能识别改动是否与既有业务规则产生冲突。逐步覆盖安全合规、性能风险、跨模块业务一致性等场景,使审查建议从"代码规范提示"演进为"业务风险诊断"。

  • Harness 范式下的产出校验与效果度量

重点建设 AI 输出质量的量化评估体系,包括需求还原文档的准确率(precision)与覆盖率(recall),以及 Code Review 的发现率与误报率等核心指标。通过与人工审查结果的交叉验证,形成度量反馈闭环,驱动模型持续迭代,确保 AI 产出稳定满足工程质量标准。

七、结语

通过自动化工具与智能技术的深度结合,携程机票前端团队初步践行了"代码即文档"的理念,在代码改动影响追踪与逆向需求还原方面取得了阶段性成效。从最初解决前端团队自身的文档痛点,到如今 Lumos 平台服务于多个事业群的研发体系,机票前端团队以工程实践证明了"代码即文档"理念的可行性与可推广性。

下一步,我们的重心将从"能力建设"转向"质量收敛"——在 Harness 范式下建立系统化的输出校验机制,量化评估需求还原文档的准确率与完整性,持续度量 AI Code Review 的检出率与误报率。

我们相信,只有将评测体系做扎实,才能让 AI 辅助研发从"可用"走向"可信赖",真正成为团队日常工作流中稳定可靠的一环。

【推荐阅读】

 “携程技术”公众号

  分享,交流,成长

跳转微信打开

pnpm 12 正式发布:用 Rust 重写,开始接管整个 JS 开发环境

2026年8月28日 09:09

原创 CUGGZ 2026-08-28 09:09 浙江

、

pnpm 12 正式发布了。

如果只看技术实现,这次最大的变化很直接:pnpm 几乎整个用 Rust 重写了。

但相比 Rust,我觉得 pnpm 12 更值得关注的是另外两件事:它开始摆脱对 Node.js 的依赖,同时也开始不满足于只做一个包管理器。

pnpm 正在逐渐变成一套 JavaScript 开发环境管理工具。

pnpm 自己不再依赖 Node.js

过去 pnpm 本身运行在 Node.js 之上,所以想安装 pnpm,通常得先有 Node.js。

pnpm 12 改成 Rust 原生实现之后,通过 standalone script 或 @pnpm/exe 安装时,机器上可以完全没有 Node.js。

也就是说,现在可以:

先安装 pnpm → 再让 pnpm 安装 Node.js。

甚至在一台没有 Node.js 的机器上,如果运行的 JavaScript 包管理器需要 Node.js,pnpm 还可以自动提供一个受管理的 Node.js LTS 环境。

这其实已经改变了 pnpm 和 Node.js 之间原来的关系。

它甚至开始管理 Node、Bun 和 Deno

pnpm 12 新增了更完整的运行时管理能力。

项目指定 Node.js 版本之后,全局的 node 命令可以自动跟随当前项目要求的版本。

默认支持:

Node.jsDenoBun

也就是说,以前需要 nvm、Volta 这类工具解决的一部分问题,现在 pnpm 自己也开始做了。

而且它不需要 shell hook,也不用每次进入项目之后手动执行类似 use 的命令。

更夸张的是,它还能管理其他包管理器

pnpm 12 甚至开始负责安装和运行其他包管理器。

现在它可以直接管理:

npmYarn ClassicYarn BerryYarn 6Bun

比如:

pnx yarn@4 installpnx npm@11 cipnx bun@1.3.0 installpnx node@22

以前 pnx yarn@4 更像是在 npm Registry 里找一个叫 yarn 的包。

现在 pnpm 知道:

你要的不是一个 npm 包,而是真正的 Yarn 4。

甚至一个使用 Yarn 构建的 Git 仓库,在机器上只有 pnpm 的情况下,pnpm 也可以根据项目声明自动准备对应的 Yarn 环境。

这就很有意思了。

pnpm 开始从“package manager”,向“package manager manager”发展。

Rust 重写当然也带来了性能提升

底层换成 Rust 后,性能同样有明显改善。

官方给出的一个比较典型的数据是,在存在大量依赖环的大型 Workspace 中:

•

Peer Dependency 解析速度提升 2~3 倍

•

内存占用降低约 25%

•

lockfile 更小

同时 pnpm 12 重新处理了循环依赖解析的确定性问题。

同一套 Dependency Graph,无论 importer 或依赖顺序怎么变化,都可以生成 byte-identical 的 lockfile。

对于大型 Monorepo 和 CI 来说,这个变化比单纯快几十个百分点更有价值。

当然,它并没有要求大家重新学习 pnpm

虽然底层几乎换了一遍,但 pnpm 官方刻意保持了兼容性。

pnpm 11 的命令、参数、配置以及 lockfile 格式基本都被保留下来了。

所以这并不是一次“换了一个包管理器”的升级,而更像是:

外面还是那个 pnpm,里面的发动机已经换成 Rust。

而 pnpm 12 真正有意思的地方,也恰恰在这里。

以前我们通常把 pnpm、npm、Yarn 看作几个互相竞争的 JavaScript 包管理器。

但 pnpm 12 开始做 Node.js / Bun / Deno Runtime 管理、其他 Package Manager 管理、项目级版本切换,甚至还在尝试跨机器的构建缓存。

所以 pnpm 接下来竞争的,可能已经不只是 npm 和 Yarn 了。

它正在尝试成为 JavaScript 开发环境的统一入口。

跳转微信打开

《HelloGitHub》第 125 期

2026年8月28日 08:15

原创 HelloGitHub 2026-08-28 08:15 北京

兴趣是最好的老师,HelloGitHub 让你对开源感兴趣!每月 28 号更新

兴趣是最好的老师,HelloGitHub 让你对开源感兴趣!

简介

HelloGitHub 分享 GitHub 上有趣、入门级的开源项目。

这里有热门 AI 项目、入门教程、黑科技、开源书籍、大厂开源项目等,涵盖多种编程语言 Python、Java、Go、C/C++、Swift...让你在短时间内感受到开源的魅力,爱上开源!


以下为本期内容|每月 28 号更新

C 项目

1、RetroArch:一站式复古游戏模拟器。该项目是 libretro 官方开发的跨平台模拟器,可动态加载各类游戏机模拟器和游戏引擎。它提供多种着色器、即时存档、手柄操作和视频录制等功能,支持 Windows、Linux、macOS、Android、iOS 以及 PS、Xbox、任天堂主机等平台。

地址:github.com/libretro/RetroArch

C# 项目

2、DeskBox:让 Windows 桌面井然有序。这是一款开源的 Windows 桌面整理工具,为桌面加入具有 Windows 原生质感的文件格子和日常工具。它内置待办、随记、搜索、天气和音乐控制等小组件,支持映射现有文件夹、自动整理桌面文件和 QuickLook 预览等功能。

地址:github.com/Tianyu199509/DeskBox

3、DiscordChatExporter:Discord 聊天记录导出工具。这是一款用 C# 编写的 Discord 消息导出工具,可将私信、群聊和频道消息导出为文件,支持 HTML、TXT、CSV、JSON 输出格式,并保留 Markdown、附件、表情等内容,导出结果可离线查看。

地址:github.com/Tyrrrz/DiscordChatExporter

4、tubatools:Windows 电脑硬件检测工具。该项目是采用 C# 和 WinUI 3 开发的 Windows 装机工具箱,集成硬件检测、装机助手、网络诊断和垃圾清理等功能。

地址:github.com/luolangaga/tubatools

C++ 项目

5、EUI-NEO:轻量级 C++ 跨平台 UI 框架。这是一个面向 C++ 应用的轻量级声明式 UI 框架,无需引入 WebView 或脚本运行时。它支持 GLFW/SDL2 窗口后端和 OpenGL/Vulkan 渲染后端,内置布局、动画、事件、异步、网络请求和图片加载等功能,以及键盘、串口等可选模块。来自 @keokeo 的分享

地址:github.com/sudoevolve/EUI-NEO

6、fooyin:可自由定制界面的音乐播放器。这是一款界面可自由定制的桌面音乐播放器,可从空白画布或预设布局中自由编排界面。它支持 FLAC、MP3、Opus 等主流音频格式,提供无缝播放、标签编辑、音频转换、歌词同步显示和网络电台等功能,还可通过插件和内置的 FooScript 脚本扩展功能。

地址:github.com/fooyin/fooyin

Go 项目

7、casos:开箱即用的云操作系统。该项目是基于 Kubernetes 构建的云操作系统,将 API Server、Controller Manager 和 Scheduler 集成到单个可执行文件。无需搭建集群和编写 YAML,即可拥有一个带 Web 管理界面和应用商店的云操作系统。

地址:github.com/casosorg/casos

8、dbmate:轻量级数据库迁移工具。这是一款用 Go 编写的数据库迁移工具,可让数据库结构在多名开发者和生产服务器之间保持同步。它开箱即用、纯 SQL 编写迁移脚本,不绑定任何编程语言或框架,支持 MySQL、PostgreSQL、SQLite 和 ClickHouse 等数据库。

地址:github.com/amacneil/dbmate

9、devpod:开源的云开发环境。该项目是基于 DevContainer 标准的客户端开发环境工具,可在本地、K8s、远程机器或云服务器中创建一致的容器化开发环境。它支持 SSH、VSCode 和 JetBrains 接入,并提供预构建、闲置自动关机、凭据同步等功能。

地址:github.com/loft-sh/devpod

10、hister:个人浏览记录搜索引擎。该项目是用 Go 开发的个人搜索引擎,可全文检索你浏览过的网页和本地文件,支持 Firefox/Chrome 扩展自动收录新访问的页面、浏览器历史导入、字段过滤、通配符和语义搜索等功能。

地址:github.com/asciimoo/hister

Java 项目

11、droidVNC-NG:Android 远程桌面工具。这是一款专为局域网设计的远程查看和控制 Android 设备的工具,打开浏览器即可操控手机,无需 Root 权限。支持鼠标键盘操作、剪贴板共享、文件传输和屏幕缩放等功能。来自 @KongQi 的分享

地址:github.com/bk138/droidVNC-NG

12、grimmory:自托管的电子书漫画有声书库。这是一款开源的数字书库,支持管理电子书、漫画和有声书,可在浏览器里阅读、标注和查看进度,并提供智能书架、全文搜索、元数据抓取和一键发送到 Kindle 等功能。

地址:github.com/grimmory-tools/grimmory

JavaScript 项目

13、flint-chart:为 AI 而生的可视化语言。这是一种面向 AI 智能体的可视化中间语言,可通过简洁、人类可编辑的代码生成美观、准确的图表。它能自动处理布局、坐标轴、标签等参数,推导出更合适的图表配置,并提供 MCP 服务方便智能体直接调用。来自 @gaofer 的分享

地址:github.com/microsoft/flint-chart

14、gpu.js:让 JavaScript 代码跑在 GPU 上。这是一个 JavaScript 的 GPU 通用计算加速库,能够将简单的 JavaScript 函数转换为适配不同后端的 Shader Code,实现在 GPU 上并行执行,从而显著提升计算速度。

地址:github.com/gpujs/gpu.js

15、LinearAbiltyCastingThreeJS:炫酷的技能特效沙盒。这是一个用 Three.js 和 GLSL 实现的技能特效沙盒,内置冰霜、闪电、陨石、光束和陷阱 5 种技能,所有效果均由程序生成,并支持箭头瞄准、点击释放、暂停调整等功能。

地址:github.com/achrefelouafi/LinearAbiltyCastingThreeJS

16、prehistoric-animal-museum:陪孩子在线逛史前动物博物馆。该项目是专为儿童设计的 3D 史前动物博物馆,收录了海陆空 18 种动物,支持旋转缩放、中英双语旁白和设置探险形象等功能。来自 @Leon Made This 的分享

地址:github.com/s010s/prehistoric-animal-museum

Kotlin 项目

17、ZenConverter:开源的安卓文件格式转换工具。这是一款无广告、免费的 Android 文件格式转换工具,所有转换都在手机本地完成,文件无需上传到服务器,支持音视频、图片、PDF、字体和字幕等文件。来自 @Jason8RwWd 的分享

地址:github.com/Jasonzhu1207/ZenConverter

Python 项目

18、airllm:仅需 4GB 显存就能跑 70B 大模型。这是一个通过分层加载大幅降低推理显存占用的 Python 库,无需量化、蒸馏或剪枝,仅需 4GB 显存即可运行 70B 大模型。它支持 Llama 3.x、Qwen3、DeepSeek 等主流模型,并提供预取加速、8bit/4bit 量化和 macOS 支持。

地址:github.com/lyogavin/airllm

19、PYAS:Python 写的杀毒软件。这是一款用 Python 和 C++ 开发的 Windows 杀毒软件,通过机器学习和行为监控拦截威胁,支持 PE 文件扫描、云端检测、签名校验,以及文件、进程和注册表等系统防护功能。来自 @WBT907 的分享

地址:github.com/87owo/PYAS

20、ServerKit:轻量级的服务器控制面板。这是一款采用 Flask 和 React 构建的服务器管理面板,运行时仅占 180MB 内存,可统一管理网站、数据库和 Docker 等服务。它内置 100 多个一键安装应用模板,支持多机监控、HTTPS 证书自动续签、定时备份和文件管理器等功能。来自 @Juan Denis 的分享

地址:github.com/jhd3197/ServerKit

21、watermarks-remover:清除 AI 水印的工具。这是一款用于删除 AI 生成内容里的来源标记和隐形水印的工具,可处理 Claude、Gemini、OpenAI 等水印,支持文本、图片、文档和视频等多种内容类型。

地址:github.com/guillaumemeyer/watermarks-remover

Rust 项目

22、floral-notepaper:轻量优雅的跨平台桌面便签工具。该项目是基于 Tauri 2 和 React 构建的桌面便签工具,按下全局快捷键即可随时唤出便签窗口。它支持 Markdown 编辑与实时预览、小窗多开、磁贴模式等功能,适用于 Windows 和 macOS 系统。

地址:github.com/Achilng/floral-notepaper

23、tuicr:方便在终端里做代码审查的工具。这是一款支持 Vim 快捷键的终端代码审查工具,可在命令行中连续浏览所有变更并添加评论。评论可作为正式 Review 一键提交至 GitHub、GitLab 或 Bitbucket,也能导出为 Markdown,兼容 git、jj 和 Mercurial。

地址:github.com/agavra/tuicr

24、WindInput:Rust 写的开源中文输入法。这是一款用 Rust 编写的轻量级中文输入法,资源占用低、启动速度快,支持五笔 86、五笔拼音混输、全拼和双拼。

地址:github.com/huanfeng/WindInput

Skills

25、dashi-ppt-skill:让 AI Agent 帮你做 PPT。这是一个能够生成可编辑 PPT 的技能包,把文档丢给 Agent 即可生成网页版 PPT,支持在浏览器里直接修改文字、换图片、调布局,以及一键导出为可编辑的 PPT 文件。

地址:github.com/chuspeeism/dashi-ppt-skill

26、effective-html:让 AI 用 HTML 画原型和图表。该项目能够让 AI 智能体生成可直接在浏览器中打开的 HTML 可视化内容,包括报告、交互式原型、计划路线图、架构和流程图等。

地址:github.com/plannotator/effective-html

27、i-have-adhd:让 AI 直接说重点的技能。该项目以《The Adult ADHD Tool Kit》一书的方法为准则,制定了 10 条输出规则,包括行动优先、步骤编号、列表不超过 5 项等,并省去开场白、回顾和客套结尾,让 AI 直接输出重点。

地址:github.com/ayghri/i-have-adhd

28、ian-xiaohei-illustrations:为文章生成手绘配图的技能。该项目是用于生成中文文章配图的 Agent 技能,能够提炼文章中的判断、流程、状态和隐喻,画成白底、手绘、有趣和清爽的 16:9 正文配图。来自 @Jie Chu 的分享

地址:github.com/helloianneo/ian-xiaohei-illustrations

Swift 项目

29、Crisp:免费的 macOS 外接显示器管理工具。这是一款用于控制外接显示器的 macOS 菜单栏应用,所有功能完全免费。支持调节亮度/音量/排列、HiDPI 缩放、配置预设、虚拟显示器等功能。

地址:github.com/didriksg/Crisp

30、MacPacker:免费的 macOS 压缩包管理器。这是一款免费开源的 macOS 压缩包管理工具,无需解压即可像浏览文件夹一样查看内容、直接拖出所需文件,支持 40 多种压缩包和磁盘镜像格式。来自 @Stephan Arenswa 的分享

地址:github.com/sarensw/MacPacker

人工智能

31、book-to-skill:把技术书变成智能体技能。这是一款可以将技术书籍和文档转化成 Agent 技能的工具,让 AI 编程助手按需加载并基于原书内容回答。它会自动生成 SKILL.md、按章节拆分的文件、术语表和速查表,让 Token 消耗比直接把整本书塞进上下文少 20-50 倍,支持 PDF、EPUB、DOCX 和 Markdown 等文件。

地址:github.com/virgiliojr94/book-to-skill

32、deepseek-harness:DeepSeek 开源的智能体框架。该项目是 DeepSeek 官方开源的智能体框架,采用一切皆插件的设计理念,模型适配器、工具、会话日志和智能体循环都是可替换的插件,并提供开箱即用的 Web 界面。

地址:github.com/deepseek-ai/deepseek-harness

33、oh-my-pi:把 IDE 能力接入终端编程智能体。这是一个采用 TypeScript 和 Rust 开发的终端 AI 编码智能体,由开源项目 Pi 演化而来,主打把 IDE 能力引入智能体。它将 LSP 深度集成到每次代码修改中,重命名会同步更新所有引用,还能调用 lldb、dlv、debugpy 等调试器定位问题,适用于 macOS、Linux 和 Windows 系统。来自 @ghost_him 的分享

地址:github.com/can1357/oh-my-pi

34、pipecat:实时语音 AI 智能体的框架。这是一个用于构建实时语音和多模态对话智能体的 Python 框架,可将语音识别、大模型和语音合成编排成可组合的处理管道。它通过 WebSocket 或 WebRTC 实现超低延迟交互,每条管道即一个 Agent,支持任务交接、并行分发和跨进程分布式部署等多智能体协作方式,适用于语音助手、在线客服和陪伴应用等场景。

地址:github.com/pipecat-ai/pipecat

35、plannotator:批注 AI 编码智能体输出的工具。这是一款本地运行的 AI 编程智能体审阅工具。当 AI 输出计划或写完代码后,它会自动在浏览器中打开审查界面,支持批注计划、评论 diff 和 PR,反馈会直接回传给 Agent 执行,兼容 Claude Code、Codex、Copilot CLI 等。

地址:github.com/backnotprop/plannotator

其它

36、bee-write-back:用树莓派自制一台数字打字机。该项目是用树莓派、5.5 英寸屏幕和机械键盘制作的专注写作设备,作者最初是为了解决睡前写日记助眠、又不想被旧日记勾起情绪的困扰而打造,成本约 200 美元。

地址:github.com/shmimel/bee-write-back

37、IHaskell:在 Jupyter 中运行 Haskell 代码。该项目能让你在 Jupyter Notebook 中交互式编写和运行 Haskell 代码,支持 GHC 8.4-9.14 所有版本。它提供 Hackage、源码编译、Docker、Nix 等多种安装方式,也可以通过浏览器体验。

地址:github.com/IHaskell/IHaskell

38、Lithe-IDEA:轻量级的 Java IDE 编程工具。这是一款面向 Java 和 Spring Boot 开发者的轻量级 IDE,运行时内存占用仅 300-400 MB,支持全局搜索、代码跳转、Maven、断点调试、数据库管理等功能,适用于 macOS 和 Windows 系统。来自 @Lichenkang 的分享

地址:github.com/1lck/Lithe-IDEA

39、mhabit:跨平台的习惯养成应用。这是一款用于培养和跟踪个人习惯的应用,通过每日打卡帮助用户更高效地养成习惯。它不只统计连续打卡天数,还提供成长曲线量化长期坚持情况,支持 WebDAV 多端同步、自定义颜色和习惯分组,适用于 Android、iOS、Windows、macOS 和 Linux 平台。来自 @ewiro 的分享

地址:github.com/FriesI23/mhabit

40、newtab-naivetab:可视化键盘新标签页。该项目是用键盘布局展示书签的浏览器插件,可将书签和指令绑定到按键,在新标签页中按下对应按键即可直达网站。它内置多种实用小组件,支持拖拽布局、专注模式和云同步,兼容 Chrome、Edge 与 Firefox。来自 @GXFG 的分享

地址:github.com/GXFG/newtab-naivetab

最后

感谢参与分享开源项目的小伙伴们,欢迎更多的开源爱好者来 HelloGitHub 自荐/推荐开源项目。

希望本期内容有你感兴趣的开源项目,兴趣是最好的老师,它能点燃你对开源的热情、勇敢地迈出第一步,随时欢迎你加入开源的大家庭!如果还没看过瘾,点击阅读 往期内容。

图片

点击阅读原文可按照编程语言浏览项目

阅读原文

跳转微信打开

GLM-5.3-Flash:前沿智能进入普惠时代

2026年8月26日 22:11

智谱 2026-08-26 22:11 北京

今天,我们上线并开源GLM-5.3-Flash (320B-A18B),这是GLM-5系列的首个原生多模态模型。

大家好像已经习惯将前沿智能与前沿价格绑定,并认为这是技术进步必须支付的成本。今天,GLM-5.3-Flash来了:320B总参数,能力超过GLM-5.2,在全球权威的Artificial Analysis Intelligence Index(AA综合智能指数)中取得57分,进入全球前沿模型能力区间,与Anthropic最受欢迎的模型Claude Opus 4.8得分持平。在自研Z.ai Code Bench体感评估中,其编程表现与Claude Opus 4.8相当。

与此同时,GLM-5.3-Flash定价为GLM-5.3的1/10,限时折扣内为GLM-5.3的1/20,为Opus 4.8的1/40。同样智力,1/40价格,前沿智能,第一次不需要省着用。

为收集广大用户的广泛、专业反馈,我们在正式发布前,以匿名模型Ox-Alpha(中文社区称作牛来)在OpenCode和OpenRouter上进行了大规模测试。Ox-Alpha迅速成为当周最受欢迎的模型,创下双平台调用量新高。而这些请求流量全部由国产芯片提供算力支持。

GLM-5.3-Flash在各项基准测试和实际使用中,全面超越参数量高出一倍的GLM-5.2,定价却仅为后者的1/10。这得益于其全新模型架构。GLM-5.3-Flash的架构专为极低成本而设计,总参数量与GLM-4.5相当(355B vs. 320B),但激活参数量(32B → 18B)与层数(92 → 45)几乎减半。结合我们最新的30T Token多模态预训练语料,GLM-5.3-Flash能够以更少的计算资源实现更强的性能。

GLM-5.3-Flash同时进行了多项架构升级,是首个采用稀疏注意力与线性注意力混合架构的开源前沿模型,在保持精准长上下文能力的同时,大幅降低长上下文服务成本;并采用流形约束超连接(Manifold-Constrained Hyper-Connections,mHC)提升模型Scaling能力。具体技术细节见Blog:https://z.ai/blog/glm-5.3-flash。

极致低成本架构

为降低模型长上下文场景下的注意力成本,我们采用线性注意力与稀疏注意力相结合的混合架构。其中,线性注意力通过递归机制捕获局部依赖关系,稀疏注意力则借助轻量级索引器召回全局上下文。我们引入IndexPool为进一步降低1M上下文下索引器的时延与内存开销,通过加权池化将索引器的4个缓存向量压缩为1个。

为展示架构效率,我们将GLM-5.3-Flash与GLM-5.3、DeepSeek-V4-Flash和Kimi-K3进行对比,重点考察单Token计算量和KV缓存大小。为公平比较不同规模的模型,我们分别展示每个Head、每层注意力计算量,以及每层平均KV缓存大小(BF16)。相较于GLM-5.3,GLM-5.3-Flash的注意力计算量与KV缓存大小分别降低了3.01倍和4.44倍。

在所有基线模型中,GLM-5.3-Flash的注意力计算量最低。不过其KV缓存大小仍略高于Kimi-K3和DeepSeek-V4-Flash,这也是我们在后续工作中进一步优化的方向。

代码循环中的视觉反馈

GLM-5.3-Flash是GLM-5系列的首个原生多模态模型。视觉编码(Visual Coding)并不只是处理图像,它拓展编程所能触及的边界。对于前端开发、游戏开发、3D仿真等任务而言,最终产物包括用户能够感知的界面、交互或虚拟世界,视觉能力被原生集成进模型中,使其能够自主判断何时需要“观察”,并利用视觉反馈来指导下一步行动。

我们针对视觉编码开发了数据合成流水线,重点聚焦于模型的自我视觉判断与测试时改进。最终生成的轨迹要求模型与环境交互、检视自身输出,并进行迭代式改进。在前端Coding方面,我们还探索基于环境反馈的强化学习,并通过基于真实用户流程的Agent验证,进一步强化GUI判断能力。这将验证的范畴从功能正确性延伸至渲染效果与交互体验层面。

令人意外的是,Coding为模型提供了一种表达并检验其世界知识的代理。在Blender中构建一个连贯的场景,需要将几何、材质、光照与空间等知识转化为一个在不同视角下都保持一致的3D结构。在没有任何外部素材的情况下,GLM-5.3-Flash自主运行16个小时搭建了一套约400平方米的专业主厨自宅与测试厨房。

在ZCode中,Browser Use Agent(BUA)与Computer Use Agent(CUA)进一步拓展多模态能力,使模型能够在代码、浏览器与图形界面之间协同工作,同时观察并验证自身的输出结果——许多问题只有在渲染、交互或试玩过程中才会暴露出来。以下是在ZCode中使用GLM-5.3-Flash实测合集:从图像到可运行工程,从两小时电影到8分钟成片,以及可直接交付的白领专业文档。

超越Coding的工作伙伴

GLM-5.3-Flash在专业工作中的表现相较同级别模型显著提升。针对PPTX、PDF、DOCX和XLSX等Office与文档类任务,新增的视觉理解能力使模型能够检查并优化自身输出,并具备更强的审美判断。模型还可以将自己的输出结果与视觉上下文以及预期的结果进行对比,从而实现更有效的自我验证和优化——包括更准确的呈现质量评估以及审美判断。

我们专门针对金融、法律等专业工作进行优化。在金融方面,GLM-5.3-Flash可以覆盖从基于来源的金融研究、报告生成到金融建模与分析的完整流程,在整个过程中提供可追溯的参考依据。在法律方面可以审查合同中的费用、账户与责任条款,并按律师惯例批注留痕。它也能起草律师函、合同与诉讼文书,格式与版式符合实务规范,生成即可交付。

金融研报·业绩点评

法律文书·合同批注修订

跑在国产芯片上

过去一周,我们首次在大规模流量中尝试用大国产芯片集群提供服务,这些芯片通过自研高带宽互联网络连接。

为克服单张芯片算力与内存容量相对有限的问题,我们在SGLang 基础上构建了专用的推理引擎。值得一提的是,整个构建工作由GLM-5.3驱动的infra agent 大大加速,它协助工程师开发与优化算子、诊断性能瓶颈、改进部署服务栈,形成了“模型优化系统,系统承载模型”的正向循环。

这些芯片主要瓶颈在于内存容量与带宽,尤其是支持长达1M上下文长度很有挑战。这要求我们针对底层架构进行激进的内存优化,包括以算力换带宽、以通信换显存等定制优化。我们的技术栈结合了用于线性注意力和LM head的节点内张量并行、ReplaySSM、W8A8量化、INT8/FP8/BF16混合缓存量化,以及Layer Split等技术。

在集群层面,我们采用生产级Encode–Prefill–Decode(EPD)分离式架构,将多模态编码、prompt预填充和逐token解码拆分为可独立调度、独立扩缩容的工作池,从而在国产加速芯片上实现了高效、可靠的服务。

与同一硬件上的初始基线相比,端到端服务性能提升了3倍,硬件效率和单token成本已达到与主流英伟达GPU相当的水平。这证明国产芯片完全可以在大规模场景下高效、经济地支撑前沿模型的推理需求。

现在,GLM-5.3-Flash正式面向全球开源,已接入ZCode等编码平台,并纳入GLM Coding Plan(每天限量发放10,000张体验卡),同步开放API调用。

1. 官方 API 接入

2. 在线体验

3. Agent

4. Blog

5. 开源

跳转微信打开

曾经的王,Vue3倒下了。。。

2026年8月26日 09:30

前端充电宝 2026-08-26 09:30 浙江

前端最近太难了!

AI技术迅猛发展,传统前端工程师岗位需求断崖式下跌,正在成为下个被淘汰的“传统岗位”。。。

过去写写业务代码、调接口、用Vue / React 写页面的传统技能,在AI时代正迅速贬值!

现在63%的企业都在转型做AI产品,“AI+前端” 的复合能力正成前端岗的刚需!AI前端工程师也一跃成为炙手可热岗位,人才极度稀缺!

市场要求熟练掌握前端工程的同时,一定要懂微调、Agent、RAG这三项核心技术,在各种业务场景中应用自如👇

📍RAG:为前端应用接入“外部知识库”,让AI回答更精准、更可控

📍Agent智能体:让AI自主干活,通过工具调用(Tools)环境交互,多步推理完成复杂任务。比如做智能客服等等……

📍微调:针对特定任务优化,让模型适配业务,在前端实现专属AI能力

前段时间字节、腾讯的资深项目负责人也表示:现在大量招有AI项目能力的前端,不仅面试优先且机会多,涨薪 40-60%也很正常!

如果你正面临:想借助AI技能拿下前端高薪offer、业务转型急需补充AI知识、拒绝35岁危机远离裁员风险、持续技术迭代构建技能壁垒……

    那这节课你一定要来听!AI圈大佬陈旸老师专为各位前端人设计了「转型AI前端开发—就业实战」课程。帮你从0-1构建完整应用开发路径,成为市场抢手的前端人。

    这不仅仅是一门课程,更是一次为你量身定制的职业破局方案!

    2节直播课:扎实的理论 + 成熟的开发能力 + 可演示的实战项目!带你系统掌握RAG、Agent、微调三大核心技术,完成企业级AI项目开发实战!

    💰💰💰

    掌握AI大模型技术 开启高薪之路!

    🔥扫码0元报名 仅限100人🔥

    「转型AI前端开发实战营」

    「AI技术原理 + 实战应用 + 职业发展」

    24小时后关闭通道!速来!

    👇👇

    👍🏻还有靠谱的内推机会+直聘权益!!

    完课后赠送:大模型应用案例集、AI商业落地白皮书

    从大模型微调到AI Agent智能体搭建

    2节课程剖析AI技术的应用场景,用实战经验落地AI技术。直击大模型技术实战,让你从容面对AI技术革新!

    • 大模型微调

      • 掌握主流大模型(如DeepSeek、Qwen等)的微调技术,针对特定场景优化模型性能。

      • 学习如何利用领域数据(如制造、医药、金融等)进行模型定制,提升任务准确性和效率。

    • RAG应用开发

      • 深入理解检索增强生成(Retrieval-Augmented Generation, RAG)技术,构建高效的知识检索与生成系统。

      • 应用于垂类场景(如法律文档分析、医疗诊断辅助、金融报告生成等),实现精准信息提取与内容生成。

    • AI Agent智能体搭建

      • 学习如何设计和开发AI Agent,实现多任务协同、自主决策和复杂问题解决。

      • 构建垂类场景下的智能助手(如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等)。

    课程开班58期,已为20000+学员服务,口碑爆棚,从学习方式到学习效果,收获了超多学员认可,很多人已经拿到了高薪offer!

     如果你也有以下诉求:

    快速链接产品/业务团队,参与前沿项目

    构建技术壁垒,从竞争者中脱颖而出

    避开35岁裁员危险期,顺利拿下高薪岗

    迭代技术水平,延长未来20年的新职业发展!

    ……

    那这节课你一定要来听!

    因为,留给普通前端的时间真的不多了!

     🔥即将开播 

    立即扫码,即可免费预约

    「AI技术原理 + 实战应用 + 职业发展」

    「转型AI前端开发实战营」

    本期名额仅限100人

    预计24小时后关闭通道!速进!

    👇👇

    👍🏻还有靠谱的内推机会+直聘权益!!

    完课后赠送:大模型应用案例集、AI商业落地白皮书

    企业级项目实战拆解

    课程包含非常实用、靠谱、高含金量的企业级真实案例拆解,覆盖多个业务场景,帮你掌握AI应用开发底层逻辑!

    通过大模型原理与核心技术 → 掌握各种AI工具 → 产品开发实操 → 持续与AI前沿信息链接 → 不断学习实战演练等5个步骤,轻松升级AI前端开发能力!

    金融行业的支小助、知乎直答案例拆解:用一手数据资源、项目资料,拆解大模型产品的技术架构,逐行解析代码,手搓全流程!

    学完项目经验直接写进简历里,面试不怕被问!👇

    行业大佬领航+大厂内推机会!

    老师从高薪岗位入手,拆解AI前端岗位能力模型,以及需要的核心技术。帮大家快速打通「技术+原理+实战」能力!

    还会帮你深度剖析:现在大厂关于大模型招聘的行情风向,就业岗位、薪资、技术迭代方法、发展空间等,从面试官的角度帮你规划职业发展路径!

    还为大家整理了近期非常热门的大模型笔试、前端面试题库(包含RAG、LLM、机器学习、Transformer……)!结合课程中老师讲解的能力模型,和大厂面试经验,让你在其他候选人中脱颖而出!

    企业内推+直聘权益,靠谱,绝对高薪!简历直达大厂面试官手里,让你比同行更快一步拿到高薪offer!目前,很多学员已经通过完整学习,实现了职业跃迁!👇🏻👇🏻

    与其焦虑……

    不如成为「掌握AI大模型的技术人」!

    毕竟AI时代,谁先尝试,谁就能占得先机!

    🔥「转型AI前端开发实战营」🔥

    立即扫码,即可免费预约

    「AI技术原理 + 实战应用 + 职业发展」

    本期名额仅限100人

    预计24小时后关闭通道!速进!

    👇👇👇

    👍🏻还有靠谱的内推机会+直聘权益!!

    完课后赠送:大模型应用案例集、AI商业落地白皮书

    👇🏻点击「阅读原文」,马上领取!

    阅读原文

    跳转微信打开

    本公众号暂停更新两个月

    2026年8月25日 09:15

    原创 纯银uncle 2026-08-25 09:15 英国

    我只是停更了,我不是死了。(死了也无所谓,我对这个世界留恋不多)

    今天出发去巴黎,开启漫长的欧洲旅行:法国-意大利-西班牙-英国,回到国内大概是两个月后了。

    比心。

    心生一计 2.0 也准备得差不多了,但这不是去长途旅行嘛,等我旅行回来再发版本。

    最后激情致谢 Codex——没有 Agent 的帮助,我不可能完成如此漫长的欧洲旅行攻略。今年调试旅行攻略工作流&旅行攻略 HTML 投入了上百个小时,乐不可支,花样百出,烧掉了几百美金和上百亿 token。

    图片里是 2006 年 9 月旅行中的纯银,我很想念他。

    跳转微信打开

    未来的某种形状:私人定制数字化产品市场

    2026年8月24日 09:15

    原创 纯银uncle 2026-08-24 09:15 北京

    总有人看得上这笔钱。

    一、

    过去的市场是无序创造,按需分发(搜索或推荐)。我们正在走向按需生成的新时代,这个过程可能需要 10 年以上。

    先说一些悲观的论调:按需生成意味着需求的规模极小、颗粒度极细,服务于用户需求的产品经理的价值也随之崩塌。AI 时代并没有多少成规模的新需求,而老需求已经饱和满足了,这意味着「个人价值」与「需求价值」绑定的产品经理职业不可避免地走向下坡路。

    一方面,随着按需生成的趋势,过去一些有需求但没有实现能力的小规模需求,也会需要自己的全栈产品经理 OPC 实现。产品经理这个职业不会消亡,人数还会继续扩大,但平均工资会剧烈降低,趋近白领中位数。

    另一方面,在当前的饱和市场上,服务于较大规模需求的产品经理一个萝卜一个坑,死死地站在自己的坑里。存量需求就这么多,站在坑里服务高价值的用户需求就能拿到较高的薪水。在存量需求的高薪岗位上(这样的岗位趋于不断缩减),老产品经理还能吃到好几年的经验红利……与其哀嚎黄金时代的红利已去,不如珍惜自己暂且还拥有的青铜时代的高薪(相对其他行业)。

    二、

    现状就是这么一个现状,与其哀嚎,不如看看未来的形状。

    今年我有一个强烈的感受是,人类的非标准化需求,被 AI 按需生成的方式大量满足,人类需要付出更多的智能去激活 AI 的智能。这对于未来的生产力组织方式将会是翻天地覆的改变,虽然改变注定漫长。

    在标准化服务的年代,最大公约数需求是产品设计的底层逻辑之一,从服务最大公约数的角度出发,尽可能降低用户使用门槛是产品设计的原则之一(用户一思考,转化率就往下掉)。这些古典产品的朴素逻辑在 AI 时代被推翻了,最大公约数思维也过时了,非标准化需求的定制满足成为了未来的新范式。

    在观察新范式的时候,我注意到自己的思维定式,依然按惯性用需求的规模去衡量需求的价值。如果在按需生成的新时代,需求的规模注定极小,需求满足的用户注定是个位数,这份价值会是什么?

    如果忘掉 “追求最大公约数” 这个古典时代的黄金定律,我会怎样思考?

    三、

    以上这些模模糊糊的思考,在 7 月有了一个具体的形状。

    7 月,我沉迷于捏各种个人趣味的 HTML,包括:

    • 完全贴合我的个人需求与审美的旅行攻略 HTML,包括 “目的地资料库,行程路线,酒店建议” 三类

    • 按我的阅读习惯定制生成单机游戏攻略 HTML

    • 捏了一个热量日志 HTML,详细记录了大概三周的热量摄入

    • 捏了一个提高心生一计运营配置效率的 HTML 小工具

    拿游戏攻略为例子,网上有许多攻略,为什么我还要捏一个呢?因为自己捏的符合个人阅读习惯,对我来说看路线找宝箱的效率最高。

    而我捏的旅行攻略 HTML,非常得意!华丽又实用。

    然后我就有一则想象……

    AI 时代并没有多少成规模的新需求,这是真的。但如果老需求 + 个人习惯/个人审美/个人趣味,这也算一则新需求呢?

    假如一个需求对应一千万用户,其中一百万人对于某些个人习惯/个人审美/个人趣味有着明确的兴趣,这算不算一百万份新需求?

    过去这一百万份需求是隐形的,按需生成不存在技术上的可能性。而我们正在走向按需生成的新时代,老需求乘以每个人各自不同的趣味,就是指数级的新需求。

    四、

    以上都是常识,相信我,我是不会为常识写一篇长帖的。

    我真正想说的是,每个人按需生成来满足自己是不可能的……我的意思是 “无法完整地满足自己”。

    有时候,你不具备对应领域的知识,比如我很擅长做旅行攻略,大量的经验和知识点是我为攻略定制约束的基础。如果不具备这个基础,你只能接受 AI 交付的最大公约数,最大公约数恰恰和个人趣味相悖。

    有时候,你可以为自己定制,但不耐烦支付定制的成本。比如我打磨自己的旅行攻略工作流花费了上百个小时,我也只愿意为这一件事(需求足够强烈)支付如此高的成本。

    以及按需生成背后的「定制」是需要消耗大量脑力的,如前所述:人类需要付出更多的智能去激活 AI 的智能。那些不够聪明的人可以为自己定制满足个性化需求吗?

    就拿我自己为例子,我在很多领域都是小白,比如说生图。我既不具备生图的基础知识,也没有学习的兴致,有时候的确又有(几张)生图的需求。那怎么办呢?忍着呗,放弃需求或者生成几张鬼画桃符糊弄过去。

    综上,每个人按需生成来满足自己是不可能的,每个人都有自己的短板和盲区。

    五、

    现在,我们把以上的线头试着攒着一起。

    • 没有成规模的新需求,但有着极度碎片化的新需求,碎片到了个位数用户的地步。

    • 巨量的个性化新需求无法自产自销,巨量的新需求存在缺口,但无法以传统的方式来满足——因为不存在共性,只有巨量的个性。

    • 那么,这些向外部寻求解决方案的巨量的新需求,会找到怎样的解决方案?或者说得再直接一点,一个碎片需求可能只能匹配上一个用户,会有怎样的外部解决方案?

    6 月,我向爱旅行的程序员老同事安利用 Codex 做旅行攻略,他无动于衷。我给他晒了自己华丽的行程攻略 HTML,他无动于衷。我忽然想到他下半年计划去德国科隆,于是调用自己的工作流 3 分钟生成了一张科隆旅行地图,这下他终于 “哇!” 出来了。

    但他还是不想用 Codex 做旅行攻略。

    安利不动,算球。

    如果我不是安利他用 Codex 做旅行攻略,而是跟他说:你看我搓的行程攻略 HTML 多漂亮,150 元,我帮你做科隆旅行攻略,按你的需求和审美定制,哪怕你在行程中,我也可以根据行程中的变化实时调整这份 HTML,咋样哥们?

    我当然看不上这笔钱,总有人看得上这笔钱。

    以及,我们在小红书上看到过无数的求攻略,我自己的微博评论区也有无数的求攻略(我的旅行攻略小号 1.2w 粉),如果以后几十块钱就能够为自己量身定制一份攻略,总有人愿意掏钱而不是求人。

    六、

    我的观点不一定对,我可能是错的,这是我看到的未来的某一种形状。

    极度碎片化的需求,用极度碎片化的供给去满足。

    因为在需求极度碎片化的同时,供给同步爆炸。任何一个具备做旅行攻略的基础知识,基本经验,并且谙熟 Agent 工作流的人(哪怕高中学历)都能调试出自己的工作流,在 AI 赋能下快速产出华丽又实用的定制攻略。我一拍脑袋,未来有这个能力的潜在供给者大约是千万量级。

    在这几千万人里边,有没有人看得上 50~200 元这笔小钱,愿意按别人的需求去定制攻略呢?

    也许有。

    很多人的时间是不值钱的,很多人也只想赚一点小钱而已。

    沿着这条逻辑线推演下去,这相当于现在外包程序员、外包设计师的下沉版本,供给扩大了 1000 倍的同时,需求的盘子也在同步膨胀。没有平台能通吃这个市场,供给和需求都是极端碎片化的。覆盖的领域当然不只是旅行攻略,而是一切有着个性化需求的数字产品。老需求 + 个人习惯/个人审美/个人趣味,裂变出来了指数级增长的个性化交易。

    那时候,也许我会找一个人,20 块钱生成一张符合我需求的图片。

    所以我在描述这个意象的时候,脑子里对标的其实是外卖骑手,一个多对多的巨大的众包平台。但没可能用中心化的机制来分发非标准产品,分发至少在早期将会是无序和混乱的。

    七、

    7 月在犬校讨论这个问题,产生了激烈的争议。一部分争议我在上面阐述了自己的逻辑,另一部分争议是怎样衡量这种非标准化交易的质量?会不会进入同质化与价格战的死亡螺旋?

    我对此的回答是:现在的外包程序员跟外包设计师怎样衡量交易质量?没法衡量。比如我过去外包犬岛开发被坑了四五十万,但这样的外包市场始终存在。只要有需求,它就会存在。

    至于个性化定制是否会变成同质化竞争呢?我觉得不会。个性化定制的重点是个性,既包括供给方的个性(我可太了解自己在旅行攻略里能融入多少细腻的心思了),更重要的是需求方怎样表达个性——收集客户个性的能力和效果是没有可能同质化的,这是强大的主动沟通能力,决定性的因素是千人千面的趣味满足。

    以及,如果交易本身是无序和碎片化的,也就没有价格战的可能性。就像微商一样,获客能力就是你的核心竞争力。

    八、

    讲到这里,我已经充分表达了设想,这是按需分发的新时代的某一种可能性。个性化的需求满足是未来的大趋势,但无法指望每个人都能手搓满足自己的一切需求,那些没有被满足的个性化需求,总会找到某种出口和解决方案。

    由于供给和需求将会同步增长、同步爆炸,多对多的手工艺服务有可能是未来的解决方案之一。现在你会找到一个骑手,小额付费给你送来外卖;未来,你有可能会找到为你定制旅行攻略的人,定制生图的人,私人定制各式各样数字化产品的人。一边是供给门槛和成本的剧烈降低,另一边是 “任何定制需求都会被廉价满足” 的需求增长。

    在过去,我们用算法推荐内容来满足千人千面的审美趣味;在未来,还有可能用私人定制数字化产品来满足千人千面的审美趣味,而不是像现在一样,用户自己搜索(或被推送)符合趣味的数字化产品。

    也许这是未来的某一种形状。

    也许我是错的。

    但我相信按需生成的大趋势是对的,用户对于私人定制的需求会快速增长,什么事情都吃自己的狗粮不可想象。那么,私人定制的需求缺口总会有某种出口和解决方案。


    内容来自“用思考交换思考”的古典产品论坛「犬校」。©2017-2026

    点击【阅读原文】,可见犬校最近一年的好帖索引。

    加入犬校:【犬校 2026 年加入方式】国家不幸诗家幸,行业不兴话痨兴

    图片

    阅读原文

    跳转微信打开

    面向人机交互设计 Harness:构建以产物为中心的 Agent Loop

    2026年8月23日 10:51

    原创 Phodal 2026-08-23 10:51 浙江

    当人与智能体共同面对的是一份会被持续修改、审阅和交付的工作产物时,我们还应该把对话当作人机交互的中心吗?

    最近,我一直在 Better Harness 里思考编码智能体的工作闭环:用户究竟想完成什么,智能体读取了哪些上下文、执行了哪些操作, 结果有没有得到验证,以及这些过程中暴露出来的经验,能否继续沉淀为下一次任务可以复用的能力。

    而随着现在的 Coding Agent 工作对象从代码不断扩展,从 API、网页到 PPT、Word、Notebook、3D 模型、动画等不同类型的产物。我们会发现: 它们面对的其实是同一个问题:智能体如何理解产物、修改产物、展示结果,并根据人的反馈继续下一轮工作。

    这也让我开始重新思考一个问题:

    当人与智能体共同面对的是一份会被持续修改、审阅和交付的工作产物时,我们还应该把对话当作人机交互的中心吗?

    引子:从以对话为中心,到以产物为中心

    今天的大多数智能体产品,仍然围绕对话来组织任务:用户输入一段需求,智能体读取上下文、调用工具、修改文件,再把执行过程和最终结果返回到对话中; 即使产品旁边已经放置了代码编辑器、终端、文件浏览器和预览窗口,对话记录仍然承担着保存目标、解释过程和串联上下文的主要职责。

    Qoder 中的 Quest 对话示例

    这种交互方式可以称为以对话为中心的智能体闭环。在这套模式里,对话既是任务入口,也是过程记录,还是智能体解释结果的主要载体。

    在代码场景中,这种方式之所以还能成立,是因为任务的真实状态并不只存在于对话里,它同时存在于代码仓库、文件内容、符号关系、Git 差异、编译结果和测试报告中;即使智能体遗失了一部分对话上下文,它仍然可以重新读取项目,找到相关代码,运行测试,再次进入之前的环境。

    但是,当工作对象变成 PPT、表格、架构图、移动设备或者三维场景之后,情况就开始不一样了。用户可能在两轮对话之间手工调整了一页幻灯片, 移动了一个节点,修改了几个单元格,或者在模拟器中切换到了另一个页面;

    下一次交互开始时,智能体不能只回顾聊天记录, 还必须重新理解眼前这份已经发生变化的工作产物,以及用户刚刚通过直接操作表达出来、却未必被完整记录进对话中的意图。

    换句话说,一旦人开始直接操作产物,对话就不再拥有完整的工作现场。

    以产物为中心的 Agent Loop

    因此,我更愿意把这种新的协作方式称为:

    以产物为中心的智能体协作闭环,是人与智能体围绕同一份可持续演化的工作产物展开协作的过程;对话仍然负责表达目标和解释判断, 但真正承载工作现场的,不再只是对话,而是双方正在共同维护的产物及其状态。

    这里所说的产物,可以是一段代码,也可以是一份演示文稿、一张架构图、一个工作簿、一个正在运行的设备界面,或者一个包含空间和物理状态的模拟世界。 它们的内部结构和运行方式并不相同,但都有一个共同点:

    它们都不是一次生成之后便结束的文件,而是会被持续进入、修改、验证和审阅的工作对象。

    从早的 PPT Agent 到 ChatGPT 中采用的 Agent 看到轨迹。上一个阶段的主流 Office Agent 更喜欢基于 HTML 来展示结果, PPTX 只是最后的导出物 —— 在过去的模型能力及交互形态有限的情况下,这种方式已经是最接近“产物中心”的实现了。

    ChatGPT/Codex  的 PPT 示例

    不过,在各类 GUI Agent 更完善之后,形态发生了一些变化。比如 Codex 基于自己的 Office 相关的 API/DSL 封装,以及可以直接生成、编辑 PPT,并 与 PPT 进行交互。

    示例:以网页为核心的 Browser Agent 的闭环

    浏览器智能体可能是最容易理解的例子。它之所以比“把网页截图发给模型”更进一步,是因为网页本身拥有浏览器运行时: 智能体既可以看到页面,也可以点击、输入、滚动和截图,还能够结合页面元素、控制台日志和网络请求理解操作前后的变化; 换句话说,网页不是智能体最后交付的一张图片,而是一个能够被不断观察、操作,再重新观察的工作环境。

    Qoder 浏览器  Agent 示例

    到了新一代 Coding Agent,这个闭环又向前走了一步:智能体不只是自己操作网页,人也开始直接通过网页向智能体表达意图。

    以 Cursor、Qoder 的浏览器设计模式为例,用户可以直接选择运行中页面里的元素,通过绘制、语音或者文字补充修改要求, 而系统则把被选中的元素、背后的代码、周围布局和视觉关系一起交给智能体。

    这里发生的变化其实很重要:产物本身开始承担上下文和指令入口的一部分职责。用户不再需要先把自己看到的问题翻译成一段完整的自然语言,再告诉智能体“我说的是哪个地方”。

    示例:网页到可交互的 Canvas 形态

    在诸如 Cursor/Qoder 的 Canvas 能力吧把这种方式进一步扩展到了智能体自己生成的工作产物。用户可以直接选择和批注画布里的界面元素, 让智能体根据这些局部反馈继续修改,也可以通过画布中嵌入的按钮直接触发后续动作。

    IQoder IDE 对于 .dot 格式标注(Architecture Visulization 插件)

    如上图的 Qoder IDE 对于 .dot 格式的标注示例。这里真正重要的,不是多了一个更漂亮的预览窗口, 而是用户不再需要把“我指的是哪里”重新翻译成文字,产物本身已经成为下一轮交互的入口。

    当智能体把代码审查、测试报告、架构说明或者调研结果组织成可阅读、可筛选、可操作的界面时,Canvas 就不应该只是一次性的 HTML 输出,而应该进一步把团队对信息组织、证据呈现和下一步操作的经验带进产物;更重要的是, 画布中的结构化节点也可以成为后续行动的入口,使用户能够从某个风险、某段差异或者某项建议直接发起修复、解释或追问, 而不必重新回到聊天框里描述一遍上下文。

    Browser Agent 和 Qoder Canvas 的实现方式并不相同,但它们共同体现了一种变化:智能体的交互界面正在从“对话中附带一个结果”,转向“人与智能体共同操作一份产物”。

    如我们可以基于 Qoder Canvas / Cursor Canvas 来实现 3D 模型的可视化,并使用相同的标注分享等能力。

    基于 3D 模型的 Canvas 示例

    在这种模式里,语言仍然重要,但语言不再承担全部上下文;用户看到的对象、选中的区域、留下的批注、直接进行的修改以及最终作出的批准, 同样属于任务的一部分。

    而问题也就自然地从“Canvas 应该长什么样”,进一步走向了另一个层次:如果产物本身开始成为人机协作的工作现场,那么 Harness 应该如何理解和维护这个现场?

    Harness 如何成为人与智能体的协作环境

    如果只是增加一个画布或者预览窗口,这种协作仍然很容易退回到“看图说话”。画布解决的是人如何直接进入产物,领域运行时解决的是 智能体如何理解和操作产物;而 Harness 要做的,则是把人的意图、智能体的操作和产物的变化连接成一个持续运行的闭环。

    具体来说,它至少需要处理四件事情:

    • • 维护持续变化的任务意图。 不只记录最初的提示词,也要记录用户选中了什么、批注了什么、拒绝了什么,以及最终为什么接受结果。

    • • 让操作落在确定的产物版本上。 无论是网页元素、幻灯片中的图表,还是画布中的节点,每次选择、修改和验证都应该指向同一个版本和语义对象,避免智能体操作已经过期的截图、坐标或者内容。

    • • 让不同产物使用各自的运行时。 网页交给浏览器,代码交给代码仓库和构建系统,文档、表格、图表和模拟器也保留自己的结构、操作和验证方式。

    • • 保留可以被检查的验证证据。 智能体不能只说一句“已经完成”,Harness 还需要记录产物发生了什么变化、哪些结果已经验证、哪些仍然无法确认,并把这些信息交给人判断。

    在 Better Harness 当前的产物模型里,一份产物因此也不再只是一个文件路径,而是一个带有明确版本、结构和展示方式的工作对象。 人的选择、智能体的修改以及后续验证,都应该落在同一个产物版本上,双方才真正是在面对同一份工作现场。

    这也不意味着所有产物都要被塞进同一种画布。文档可以转换成带有结构和语义地址的数据快照,需要运行才能呈现的内容则可以经过受约束的构建和隔离预览。Harness 统一的是意图、版本、操作、回执和证据,而不是不同领域内部的模型。

    其中最关键的是“人 ↔ 产物”:在传统的 Agent Loop 中,人主要通过提示词间接改变工作对象;而在以产物为中心的协作里,人和智能体都可以直接修改同一份产物。Harness 要维护的,正是这些操作背后的意图、版本和验证关系。

    因此,面向产物的 Harness 不需要统一所有领域模型,而是统一协作方式,不统一领域实现 。目前的产物视图先解决版本绑定、结构理解和安全呈现;接下来再逐步连接选择、批注、写回、版本比较和验证证据,形成完整的以产物为中心的 Agent Loop。

    总结:从单一闭环走向多元化闭环

    从代码、网页到演示文稿、表格和模拟世界,不同产物都会形成各自的观察、操作和验证闭环。所谓多元化的 Agent Loop, 就是让不同产物拥有适合自己的协作方式,而 Harness 负责连接人的意图、智能体的操作与验证结果。

    当对话不再是唯一中心,产物才真正成为人与智能体共同工作的地方。

    阅读原文

    跳转微信打开

    影 视 纠 察 队

    2026年8月22日 21:30

    原创 鲁舒天 2026-08-22 21:30 河南

    新片一锅端,老剧下神坛

    开播十二年后,豆瓣评分9.4的《父母爱情》遭遇口碑“翻车”。

    这部年代剧由正午阳光出品,以前属于一代国剧经典。但近几年,“父母爱情翻车”、“美化陈世美”等话题轮番上热搜,其豆瓣页面迎来“一星运动”,短评区充斥着“封建”、“价值观有问题”等海量差评。

    比如挑刺者看来,剧情为了合理化江德福(郭涛饰演)娶年轻漂亮有文化的安杰(梅婷饰演),安排他的乡下原配张桂兰出轨,男主接下来迎娶“城里小姐”,就不算喜新厌旧,也不用背上道德包袱。

    《父母爱情》讨论区被差评攻陷

    其实《父母爱情》刚播出之时,就有关于“特权”的争议,比如“一人做司令,全家都当兵”、举国挨饿的年代喝咖啡、吃桃酥、用肉喂狗等。但最后因“污名化前妻”而遭到全网讨伐,估计主创也傻眼了。

    在《父母爱情》被“批倒”后,正午阳光的旧作也被倒查一长串。

    在纠察队的眼里:《大江大河2》为宋运辉量身定做了“凤凰男升官、发财、换老婆”的爽文路线,《知否知否》故意安排朱曼娘作妖败坏观众缘,为男主移情别恋做铺垫;至于黄轩、白百何主演的《欢迎光临》,则因门童追空姐的设定,被吐槽“癞蛤蟆想吃天鹅肉”。

    必须指出的是,当代网友的挑刺,虽然很难撼动大众对于经典的“第一印象”,但却很容易左右新作品的命运——试想一部新作在成为经典之前,就已经丑闻缠身、差评环绕,被判定“烂片烂剧”是大概率事件。

    而新的影视作品为了防止这种挑刺和纠察,干脆采用了一种目前全球独一无二的奇葩策略——放弃宣发,极限压缩宣传时间,宁肯丢卒保车,牺牲热度,也不给挑刺方提供更多的语料,避免舆情反噬。

    可以理解,如果每一部作品都被影视纠察队极限审查,那《牛来》就是未来电影的最大公约数。

    01. 批经典

    事实上,《父母爱情》遭遇的上纲上线不是个例,而是愈发成为国产影视创作面临的常态,首当其冲的“活靶子”,多是大家耳熟能详的老内容。

    第一大重灾区,是史观。

    2005年于央视一套播出的《亮剑》,成功塑造了李云龙、楚云飞、赵刚等一批家喻户晓的英雄角色,然而在近年的某些内容平台上,《亮剑》已经被贬低为——“将革命庸俗化的地摊文学”。

    主角李云龙,也被打成了“需要改造的落后同志”——往轻了说,是不称“同志”称“兄弟”,动辄“老子”,满口脏话;往重了说,是无组织无纪律,军阀作风、山头主义,是犯了“单纯军事主义”的错误路线[2]。

    某乎网友锐评李云龙为“落后同志”

    当然,也有网友对此总结道:《亮剑》遭遇的风评翻转,和书中角色的晚年如出一辙,或许这就是原著下半部没拍完的结果。

    与《亮剑》同病相怜的,是冯小刚导演的《集结号》。这部电影在2007年公映时,属于主流价值力捧的主旋律佳作,连以国计民生为导向的《新闻联播》,都专门花了1分9秒的时长加以报道[3]。

    但在热衷解构的B站,批判《集结号》的风气却在近年愈演愈烈,并在冯小刚新作《抓特务》上映时达到高潮。《集结号》当初对于人性的刻画和对个体价值的追认,如今却都成了反面教材。

    《潜伏》自2008年开播后,一直被誉为国产谍战剧的天花板,但《沉默的荣耀》上线后,网友跟帖吐槽,《潜伏》在后者面前不过是一部“谍战爽剧”,还说“余则成是为了一个女人加入的革命队伍,动机不纯”。

    同样被诟病“爱上一个女人,跟着队伍走”的,还有孙红雷主演的历史剧《人间正道是沧桑》。这部张黎导演的大作2009年首播时,主持人万峰就曾痛批孙红雷一举一动都是痞子气,不配演革命战士,只能怪“华强买瓜”的名场面实在太深入人心。

    但在今天,年轻网友却愈发持有相似的观念——似乎正面人物从选角到演绎,必须符合“伟光正高大全”的刻板印象,不能有七情六欲,更不能有私心杂念,既不能有所畏惧,也不能喜欢女人。

    此外,其他涉及史观的类型,也都遭遇了五花八门的挑刺。

    伤痕文学,被批“阴阳怪气,抹黑曲折探索”;现实主义,被批“兜售苦难,迎合西方口味”;历史剧摒弃成见,被批“夹带私货”;古装剧杜绝脸谱化,被批“为xxx洗地翻案”。

    挑刺者忽略的是,所有的艺术创作,都是不同角度的“一家之言”;文艺的目的,也不是为了贴合某种正确,而是为了体现人性的真实和复杂。

    影视挑刺还有第二个重灾区,那就是性别。

    常年占据IMDb榜单前列的《教父》,被批“彰显父权价值观”;马丁·斯科塞斯的名作《出租车司机》,被说“美化痴汉性骚扰”;《美国往事》中的窗口偷窥,被认为“体现了男性凝视”;甚至连温良恭俭让的《阿甘正传》,都被纠出“Incel视角下的厌女倾向”。

    这种基于单一立场的扩大化批判,呈现了教条主义的典型特征:因为手里只有一把锤子,所以看满世界都是钉子。过往由男性创作者主导的豆瓣电影Top250,基本在这股趋势下坐实“老登俱乐部”。

    当然,城门失火的不止好莱坞,国产影视更是搞起了“水至清则无鱼”。

    《霸王别姬》中程蝶衣公审大会的曲线救菊仙,被曲解为“gay的背刺”;《情深深雨蒙蒙》的男主何书桓,被骂“渣男辩经,知三当三”;《步步惊心》被批“宣扬恋爱脑”,《如懿传》被控“抛弃阶级姐妹”;《裸婚时代》当年那句“嫁人要嫁刘易阳”,如今被diss“没房没车纯画饼,未婚先孕恐怖片”。

    连古代作品也不能幸免。有网友评价白居易的《琵琶行》,说这是一个花场老手和一个商k女聚在一起,嘲笑商k女的接盘老公,并把人家养家糊口的行为,说成是“商人重利轻别离”。

    其实无论是史观,还是性别,亦或是阶级,这场针对影视经典的“倒查运动”正在蔓延。

    它最初只是重新审视旧作品,后来却逐渐变成立场审判:拿最严苛的尺子,把人物逐个送上法庭。角色必须毫无瑕疵,剧情必须四平八稳,创作者还得足够前瞻,提前堵死几十年后可能出现的所有误读。

    一旦“描写”被等同于“赞美”,“复杂”被视为“洗白”,“时代局限”被判成“价值观有罪”,影视批评便不再讨论作品拍得好不好,而只负责检查它够不够正确。照此下去,没有哪部经典经得起倒查。

    连《西游记》也无法幸免——你唐僧去外国取经,这不是在宣扬文化不自信吗?

    02.抓现成

    电影《八仙》在暑期档爆火后,有人提出国产动画的人脸系统很相似,似乎在共用一套建模,《雄狮少年2》的编剧沈诚贡献了一个地狱笑话式的回答:“建模风格调整的舆论风险太大了。”

    《雄狮少年2》编剧的最右发言获得网友共情

    这句话之所以引发共情,是因为国产动画《雄狮少年2》两年前上映时,就曾被指控“丑化国人眼睛小”,票房后续受到影响,属于“官方没下场定性,主创没硬伤过错,互联网直接定罪”的典型[4]。

    然而片中的一干造型,在上世纪末的国产黏土动画、木偶动画和水墨动画中很常见,当时没人觉得有问题,很难说是网络不发达,还是80后90后的“思想觉悟”不够高,没能识别大毒草。

    《八仙》的五官建模虽然没挨喷,但蓝采和头顶的冲天鬏,也被揪出来讨论是中华传统发型还是“金钱鼠尾”,离翻车也只有一步之遥。

    “影视纠察队”的显微镜,近年变得越来越魔怔,不仅切入角度千奇百怪,而且顺序愈发前置——从针对正片、到盯着预告片、再后来看拍什么题材、主创有没有不当发言,是否存在道德瑕疵,和“我”是不是一个阶级。

    这种无孔不入的挑刺惯性,令新片新剧遭遇的“翻车”如同家常便饭。

    《我本是高山》拍了张桂梅思念丈夫的情节,即被批“就不该让男导演碰女性题材”;《长安的荔枝》的观后焦点,落到“明明是皇帝想吃荔枝,骂名偏要让贵妃来担”;陈佩斯的《戏台》,因骨肉皮(groupie)桥段被嫌弃“油腻老登”;《漫长的季节》写实刻画东北国企工人,被一句“漫长的爹味”直接抬走。

    两条对陈佩斯《戏台》的评价,下面正好可以反驳上面

    《东极岛》因为突出两位主角的高光,被诟病“个人英雄主义”,“内核西化”,“犯了和好莱坞一样的毛病”。在部分网友看来,国产片必须突出“集体”,只有外国电影,才能允许强调“个人”。

    精力旺盛且理论丰富的斗士们,除了有的放矢地针对内容,更热衷于为创作者赛博贴标签。

    张艺谋、王家卫被批“陈年老登”,陈凯歌、姜文、陆川被批“爹味说教”,王晶、陈思诚被批“油腻自大”,周星驰、韩寒、宁浩被批“一贯厌女”,《镖人》之前的吴京被批“直男癌”,《老炮儿》之后的冯小刚被批“穷横”。凡是过往30年里被市场检验过的名导,现已被先入为主的刻板印象一网打尽。

    与上述涉及内容、导演的指控不同,近年涉及题材的舆情也愈演愈烈,主要特征是电影还没上映,差评便铺天盖地。

    徐峥执导的《逆行人生》,拍出了“外卖骑手,困在系统里”的既视感。但影片上映前,营销号大量炮制“消费苦难”、“富人装穷”、“精英视角”的负面评价,让人误以为这是一部需要避雷的烂片。

    《龙餐馆》前脚定档,唱衰帖后脚出现

    无独有偶,文牧野导演的新片《欢迎来龙餐馆》刚刚定档,网上就已经出现了“懂王”口吻的鉴定意见,核心思想即是——“虽然我没看电影,但我觉得它不行,而且票房会扑街,所以你最好别去看。”

    有些影视剧的确不好看,但对它们的指责本应该集中在故事、剧情等作品本身方面,但网友挑刺的角度往往骨骼清奇。比如陈可辛的《酱园弄》,则因展示了对女性的暴力,就被骂为“男导演恶趣味”。

    2026年上映的《四渡》也是烂片,但导演徐展雄被骂的角度却很清奇——因采访时谈过历史人物的内心世界,加上他翻译过英国历史学家蒙蒂菲奥里的著作《青年斯大林》,就被莫名其妙地打成“托派”。

    《四渡》导演徐展雄遭遇奇葩指控

    托洛茨基要是听了,估计会在棺材里笑出声来——这都2026年了,你们中国网友的精神状态实在是太抽象了。

    03. 找对策

    在“如何避免被杠”这件事上,《给阿嬷的情书》提供了塞翁失马的参考:这部潮汕方言的小成本电影因为没钱做宣发,反而绕开了舆论场的火线。

    《给阿嬷的情书》的突围经验,就是游戏玩家非常熟悉的“猥琐发育别浪”——“小成本”等于避开同行锋芒,“全素人”等于避开饭圈拉踩,“地方色彩浓郁”等于避开公共风暴眼。

    这些明面上的劣势,反而为作品赢得了一个相对清朗的舆论环境,为真实观感提供了口碑孵化的时间窗口。而假如当年《给阿嬷的情书》像大片一样高调宣发,等待它的雷点绝对不少。

    部分网友拒看《给阿嬷的情书》的理由

    譬如木生在村口尾随搭讪淑柔,这在当下有概率被判定“性骚扰”;木生和淑柔的家庭条件悬殊,这叫“穷13没钱还想白嫖”;木生和淑柔结婚四年,就着急忙慌地生了三个孩子,这更是犯了大忌……

    设想一个男生约女生看《给阿嬷的情书》,后者先刷到的是以上“负面”,大概率会心生反感——网上都说不好,还约我看这个,下头!

    简单总结一下,“好内容自己会说话”的前提,是没有被汹涌而来的口水提前吞没。只要噪音存在于公共空间,就会对真实消费者产生影响,节奏一旦被带起来,对路人而言就是立竿见影的劝退效果。

    为了降低舆情风险,影视行业的第一个对策,就是尽可能不提前营销,直接上线,先上线再营销。

    先上线再营销的优势,主要有以下两点:

    其一,提前宣传对核心客群影响不大,但会给挑刺者提供批判材料,他们会逐帧分析,寻找能够引爆流量的黑点,而先上线再营销,实际上是不给后者迭代黑料的时间窗口。

    其二,及格线以上的产品流入市场后,真实消费者自有判断,散兵游勇式的差评,会淹没在好评的汪洋大海里[5]。

    2026年暑期档大卖的两部国产片,就是“先上线再营销”的现成范例。

    一个是周星驰的《功夫女足》,临一周突然空降,上映前只发了两版预告,为了怕演员“出事”,首款20秒的预告片,甚至连人脸都看不到,而在海外版预告中,则能看到主演的特写镜头。

    另一个是文牧野的《欢迎来龙餐馆》,映前的宣发期同样压缩到一周,预告片基本无剧透,只是让人知道这是一个和中国大厨有关的战争片。大多数人是等到口碑爆棚了,才知道沈腾又有新片了。

    制片人关雅荻的评价一针见血——《龙餐馆》是搞一种自我保护式的宣发。

    制片人关雅荻谈论《龙餐馆》的宣发策略

    其实《龙餐馆》上映后,一样有帽子飞来——有人说它“为美军洗地,丑化恐怖分子”,也有人说它是《战狼3》,截然相反的帽子,竟然可以扣到同一部电影头上。它的票房之所以未受影响,是因为很多观众已经看过了,用好评先一步立住了电影的口碑,让热衷于阴谋论的观点沦为了噪音。

    总结一下,从影视到游戏,很多作品明明已经通过了官方的审批流程,却在抵达观众之前遭遇舆情狙击。为了避免这种风险,国内的大制作近年在上映或上线时,不谋而合地采取了极限宣发的策略。

    文艺复仇时期很形象了

    观众丝毫不信任创作者,创作者绞尽脑汁提防着观众,这种局面,脱口秀演员孙书恒的形容很形象——文艺复仇时期。

    04. 尾声

    1998年,由詹姆斯·卡梅隆执导的好莱坞大片《泰坦尼克号》在中国上映,传闻“一刀未剪”。当年3月召开的九届人大一次会议上,一位长者提到:

    “我们不要以为资本主义就没有思想交流的东西。最近上映一部叫《铁达尼号》的电影……这部电影把金钱与爱情的关系,贫与富的关系,在危难当中每一种人的表现描绘得淋漓尽致……这次我请政治局的同志也去看一看……[7]。”

    4月,中影公司加速推进了《泰坦尼克号》的在华上映,盛况空前。其实正式引进的版本,对部分裸露镜头是做过处理的,但当年仍然创造了3.6亿票房的经济效益,和文化多元、交流开放的社会效益。

    1998年4月,《泰坦尼克号》在中国内地公映

    而在影视纠察队此起彼伏的近年,《泰坦尼克号》却被批成“讲出轨的片子”,“小混混搞破鞋”和“船头宣扬危险动作”,甚至有人指责露丝符合“三个老公论”,一个给钱,一个给命,一个接盘。

    长者还说过另一句名言[8]:“任何贬低和破坏美好文化艺术的荒谬行为都是完全错误的。”

    全文完,感谢您的阅读。

    参考资料

    [1] 前任套路,女子有财便是德

    [2] 为什么很多人要批判“亮剑”主角李云龙,知乎

    [3] 《新闻联播》花1分9秒报道《集结号》惹争议,北方网

    [4] 电影极端舆情,是戾气外露还是因果报应,影视独舌

    [5] 文艺娱乐作品生存法则,奔波儿霸研究室

    [6] 微博博主@西窗随记

    [7] 九届人大一次会议广东代表团讨论,知乎

    [8] 一位老派文艺男青年的自我修养,江选研讨会

    作者:鲁舒天

    编辑:戴老板

    责任编辑:戴老板

    跳转微信打开

    春天,关于人生发展的 24 条心得

    2026年8月22日 18:28

    原创 阳志平 2026-08-22 18:28 北京

    时代可以很快,但你也可以很慢。

    关于时代

    1

    工业革命将人类从体力劳动中解放出来了,但我们发明了健身与运动,主动去做一些高质量的体力劳动,以保持健康。

    脑力劳动也是这样。AI 把我们从繁重的脑力劳动中解放出来,并不意味着我们要放弃脑力劳动,而是转为高质量的脑力劳动。

    低质量的劳动,相比高质量的,有个很大特点:它往往是被迫的,人不得不为了谋生而去种田、卖苦力。但高质量的劳动则是自发的。

    在 AI 时代,不妨多想想,如何让自己从低质量的劳动中解放出来,从而腾出更多时间、心力、资金、闲暇,去从事高质量的劳动。

    2

    如今,code 越来越便宜,token 越来越便宜,那么,越来越昂贵的是什么?

    答案是上下文。几个较为明显的趋势:token 越来越不值钱,上下文越来越值钱;coding 越来越不值钱,系统越来越值钱;软件越来越不值钱,社群越来越值钱;大团队越来越不值钱,精英小组越来越值钱。

    3

    我今年开年演讲的标题是《意向革命:迈向混合智能时代》。

    其实,这轮 AI 跃迁,延续的依然是补全能力的进步。新手更容易补全老手们拥有的知识点;拥有一个领域知识点的人,更容易补全另一个领域的知识点;会一种编程语言的人,更容易补全另一种编程语言的知识点,等等。

    当具体的知识点变得没那么重要,开始变成一种类似搜索引擎的「即时调取」,人类大脑的结构必然发生改变。这就是认知科学家丹尼尔·韦格纳等人做过的实验:谷歌效应——人类大脑的记忆开始变成分布式的了。

    当搜索引擎诞生时的历史在今天重演,我们的大脑会变成什么样?人类学习的方式发生什么变革?

    4

    AI 新时代,我有个建议:不要把所有时间花在测试各类 AI 软件、完善个人的工作流上,而是依然要坚持创造导向。也就是,高质量的作品才是关键。

    如果我们始终停留在这些事情上,那么,我们很难找到自己的压舱石。在时代大变局之际,依然会迷惘。

    但在创作作品过程中,我们会发现大量前沿 AI 实验室的漏洞、没有解决的问题,从而一个作品催生另一个作品,一个想法又催生另一个想法。这就是「创作者导向」与「消费者导向」的极大不同。

    5

    几个也许是「反常识」的「常识」:

    AI 大模型依然存在很多黑箱:即使是硅谷的 AI 科学家,依然觉得这轮 AI 跃迁有大量不可思议、不可理解之处,也处在快速学习的过程之中。

    理解 AI 大模型的黑箱不是靠嘴,而是靠手:直到今天,关于这轮 AI 跃迁为何能实现那么好的效果,整个世界给出的答案,不少依然是错误的。

    这轮 AI 变革,是早期的早期:它开始让我们意识到,解锁「大语言模型」的另一种思路——混合智能。之前,是 AI 干 AI 的,人类干人类的,但现在双方是重度相互卷入了。

    无数社会新问题正在涌现,但更多的新机会也在涌现:正如我在开年演讲中所说,文明越发达,资源与权力往往越集中在少数人、少数组织手中。原始时代,一个人尚可脱离部落独自生活;战国时期,一个刺客还有机会行刺秦王,今天你再试试看?

    社会系统越复杂,个人行动越受制约,而制约权力的机制反而越可能出现结构性漏洞。最终,暴力与关键资源被少数人掌握,这是令人悲观的一面。可与此同时,我们也正迎来人类智力的黄金时期:许多过去遥不可及的关键发明,正在变得可以实现。它们或许会带我们走向太空,延长我们的寿命,让我们拥有更健康的生活方式。这是令人乐观的一面。

    6

    AI 发展太快了,怎么应对?我个人的建议是:

    不要太放大自己的焦虑。我前几天跟家人聊天,我说,无论处在哪个位置,其实人都少不了焦虑。该干嘛还是干嘛,睡好吃好运动好是第一位的。越不想睡、越不想吃、越不想运动的时候,意味着这些对你很重要。

    差异化,寻找自己的生态卡位。不要跟别人干一样的事。一个新的时代,意味着无数新的机会,总有一碗饭给你吃。而这碗饭要吃得长久,就需要不断提高自己的溢价能力,以及对这个生态卡位的垄断优势。不要什么都想要,什么位置都去抢,最后反而是什么位置都拿不稳。

    更大胆地面向未来。不要太留恋自己的过往知识、技能积累以及所谓的行业经验,那些东西,目前不妨都当作历史包袱扔掉,但在未来的某天,它们总会让你受益。如果你现在始终留恋这些历史包袱,会大大低估范式变革需要的学习、钻研时间,最后反而不上不下。

    做与想同等重要。AI 发展太快,很多时候,等你想清楚了,早就到了下一波了,所以还不如干了再说。但干着干着,也要有复盘,也要有长远规划。更要想明白,自己那个独一无二、他人不可取代、难以竞争的点,究竟是什么?

    关于人性

    7

    时代的机遇重于个人的预设。当历史性机遇出现时,要敢于推翻自己的预设。

    8

    昨天,跟一位同事讨论工作,谈到一个问题:不少毕业时起点不错的人,为什么发展还是不够好?

    答案往往离不开这点:没有意识到真正的难题是什么;在该突破真正难题的时候,却没突破成功。

    如果你毕业时起点不错,会比同龄人拿到更多机会。然而,每个机会是有时间窗口的。在那个特定的时间窗口,如果你不下狠功夫,没有意识到真正的难题是什么,吊儿郎当,或者把精力浪费在无关紧要的事情上,或者太纠缠于人情和谐,那么窗口一过,机会就没了,或者从大机会变成小机会。等当初有利于自己的环境变了,自然就慢慢掉队,发展越来越差了。

    而一旦你突破一件难事,到了下个机会窗口,当初的积累,就成了你的阶梯,可以帮助你通往更大的世界。真正的难题,有一种独特的气质:在同行或组织内部,其他人搞不定,只有你搞得定。

    9

    我谈了不少精英的基本功,这里可以汇总一下:

    化弊为利。人到了任何一个环境,都会有利有弊,但多数精英,都具备一种基本功——快速找到这个环境中的乐子、好处,然后享受它。甚至在集中营这类天然不利的环境里,也有不少伟大的心理学家、作家能从中成长起来,比如大家都很熟悉的弗兰克尔。而这样的人,不止他一个。反之,有的人则不断跟环境中的弊端较劲,浪费了自己的宝贵心力。

    定力。所谓定力,就是没那么容易被他人、他事诱惑,有自己的主线。我们很难想象,芒格、巴菲特经常切换投资主题,但反过来,一个新股民,恨不得一天换上三四个主题的股票。同样是跳槽,有的精英在看似不着调的选择中,却依然呈现出清晰的主线:越来越趋近于内在动机与更大的自由。有的则是纯粹为了名利而跳槽。

    想复杂,做简单。事情想得不复杂,那么就容易沦为平庸、肤浅;但事情想得复杂,却实现不出来,那么就容易沦为空想、妄念。真正的做事高手都具备一种能力:透过复杂事物,找到简单的切入点。比如,亚马逊从卖书切入;谷歌从搜索切入;Facebook 从校园晒照切入。每个切入点都蛮小的。

    终身学习、终身行动。现在,仅仅用终身学习来形容,已经远远不够。不少精英是终身学习,更是终身行动。比如,前几天我看到 Shopify 的创始人,他创办的公司市值上万亿人民币,却依然直接下场发布自己的开源项目。这类例子,简直太多了。当环境大变之时,能够持续下去的精英们普遍都具备一种敏锐的嗅觉,然后立即学习、立即行动。最终,无论环境如何变,似乎自己总是活得不错。

    10

    近期周末约我的好友特别多,今晚又是一位快 20 年交情的老朋友。每到他职业生涯的关键时刻,我都给过恰当的建议,这次也不例外。抽出一些共性的问题,分享给大家:

    (1)人到了 40 岁,多半会经历一次迷茫,我在《人生模式》一书中将其称之为「第二次青春期危机」。其实,也有一些类似的词汇,比如中年危机、意义危机、职业倦怠。但是,你知道这些词汇又会如何呢?并不怎么样。

    (2)更好的答案是关注自己的身体反应。人的身体比语言更诚实。当嘴上说着不累不累的时候,身体的反应骗不了人。那么,我们应该关心哪些身体的反应呢?你的步速、语速、你的身体疾病、你的睡眠、你的胃口等等。

    (3)对于很多小镇做题家来说,有一个较大的通病:责任与功劳不匹配。这位朋友,过去 20 年,尽责性很强,一直在勤勤恳恳付出。但我一上来就问对方一个问题:每个月纯粹为自己,而不是为孩子、为家庭花了多少钱?超过了一千块了吗?没有。

    这几乎是他们的共同处境。考上名校,也拥有名校匹配的收入,却并没有独属于自己的生活方式。赚到的钱,立即支付房贷等等,而留给自己的缓冲极少。长期下去,必然会出现责任与功劳的错位。虽然出于道德感,不少人不会计较,但身体会沉淀那些不应该的加班、那些不应该的付出。

    (4)那么,如何规避这类问题呢?最好的方法大家想不到,就是我在给咨询师们的培训课程中谈过的答案:去修个脚吧。老朋友听了,极为惊讶。从来没想到,看似不起眼的修个脚、做个 SPA、按个摩,如此重要。而偏偏,这位老朋友跟我预计的一模一样,几乎从来没有花过这类钱。

    (5)人到中年,想换赛道,极为困难。但当身体疲倦到一定程度,当所处环境恶劣到一定程度,多数人都面临不得不换赛道的问题。此时,关键不是去换赛道,而是去思考:自己所处的赛道,是否可以更换一个「叙事框架」?

    老朋友所处的行业=A+B 两个领域的交集。A 持续下行,B 却持续上升。因此,给老朋友的职业建议变得格外简单:如何利用在 A 行业获得的经验,在 B 行业获得溢价、垄断优势,能拿到国际大奖的那种?A 行业每年产值不过那么一点点,B 行业却是持续扩大的一个新行业。

    (6)聊到最后,老朋友从刚来时恨不得立即辞职回家休息的状态,又变得斗志昂扬,恨不得立即按我的建议去奋斗了。

    11

    续上条。总结给中年人的人生发展建议,通常离不开这三点:

    重视身体。给自己身体足够的缓冲。放弃一切没必要的应酬、一切没必要的加班、一切没必要的高糖饮食。

    责任与功劳匹配。给自己花钱,至少拿出一定比例的收入,纯粹用于自己的消费,而非家庭的消费。长期的责任与功劳不匹配,会导致一个人缺乏意义感:我这么忙,最后是为了什么呢?

    换视角。重新审视自己所处的赛道或行业。很多时候,我们是身在局中不知局,但如果用一个全新的视角来看待自己已经拥有的技能,也许机会就在这里。

    12

    今年,我提出的人生发展咨询技术达到了一个较为成熟的地步。有六次咨询,我带了四位新手咨询师旁听。最想告诉他们的,是这几点:

    (1)生活方式是唯一真理。来访者写的文字不重要,你学的人生发展学术语不重要、具体咨询技术不重要。更重要的是,用心去感悟:来访者处在一个什么样的时空下,是怎样具体生活的。

    回到最初的那个点,像一个孩子一样,去好奇地张望世界。

    (2)关心来访者的不同。如果我们只关心来访者与他人如何类似,就必然会陷入语言的陷阱,最终失去对来访者独特性的感悟。多想想,来访者的生命旅程,有哪些不同呢?

    是我们的不同,塑造了我们。而不是我们与他人的相似,塑造了我们。

    (3)用来访者的原生词汇。比心理学专业术语、人生发展学术语更重要的是,来访者自己在日常生活中使用了什么词汇。其实,这也是我策展开智大会、开智元学教育峰会的思路。我与每位演讲者讨论选题时,都会尝试去理解,他高频使用的是什么原生词汇。

    在北大魏坤琳老师的运动控制实验室,短短 2 个小时的交流里,他密集地说了 100 多次「我不 care」。好吧,你这么不 care,那么,我得让你 care 一下。于是,他的演讲标题,我建议是:《I Don't Care:在 AI 时代如何做自己》。

    在与某知名科技公司的资深工程师下山雨讨论他的演讲选题时,他高频地使用了「老专家」这个原生词汇,描述一个又一个人到中年、却悲催地被公司压榨完剩余价值,用高额赔偿金打发出门的「老专家」。这是他的恐惧。

    那么,如何将恐惧化为动力?答案是文学。文学善于将忧伤转为美,同样,我们可以利用文学,将恐惧转为动力。于是,他成了一个天天刻意写诗的新手诗人。演讲标题自然成了《刻意写诗:从资深技术专家到新手诗人》。

    所谓人生发展的整体性,就是这个人站在你面前,给你呈现的一种独特性。不是来访者与他人如何类似,而是来访者与他人如何不同。

    (4)「闲聊」先行,结论后置。咨询不同于写文章,更不同于讲课,它是天然强叙事、强情感驱动的。咨询师强加给来访者的结论,永远不如来访者自我生发的结论。

    因此,进入成熟期后,我的咨询在前 10 分钟一般不会直接讨论答案,而是通过一系列看似「闲聊」的具体问题,慢慢地让来访者感受到自己生活的不同侧面。

    然后,突然,哇,来访者会猛然觉察:啊,原来我是一个这样的人!为何我会在完全不相关的事情上,重复类似的做法呢?

    当来访者亲口说出一个又一个生活细节,等拼图完成,他必然更容易理解:这些由自己说出来的事实,拼成了一个整体性的我。今日方知我是我。

    (5)关心语言之外的事物。

    咨询在西方心理学中也称为「谈话疗法」,因此,它天然携带了语言的陷阱。

    而我较为精彩的几次咨询,都有个较大的亮点:关心来访者整个生命经历中被训练出的、语言之外的偏好,比如来访者的运动习惯、人际距离保持习惯等等,这些魔鬼的细节,更能揭示人性的深处。

    这些偏好,才更接近一个人在整个生命经历中形成的整体性——这才是真正的「人的整体性」。它不是我们对外表达的,却是我们天天在这么做的。

    (6)关心没有到场的人物。

    除了来访者在材料中写得很多的那些人物之外,没有到场的人物同等重要。

    比如,没有到场的重要家人,没有到场的前夫前妻,等等。甚至,咨询师要有强烈的史官意识,极为清晰地整理出来访者的时间线,一看就一目了然:谁在场,谁不在场。

    很多时候,那些不在场的人物,更能揭示人性深层次的东西。

    关于工作

    13

    我反复强调一个基本理念:人,要用作品牵引学习与工作,而非反之。但人年轻时,如果没走过弯路,对这个理念很难有深刻的感受。

    甚至不少 40 岁、50 岁的人,还以为是要做个人品牌、要更社交、要什么的。其实都错了。

    人,要更极致地专注于作品,才会感受到生命力的存在。否则,在这个世界上,诱惑会超出你的想象,一不留神,就走偏了。

    14

    过去 10 年,我有一个思想,一直在开智社群反复传播:用 12 年,成为精通 4 种复杂技能的人。

    但,今天,这个思想可以修正为这种模式了:

    (1)用 3 周或更久时间,拆解自己的工作流,然后将其总结为 4 个角色;

    (2)为每个角色撰写 12 个技能(Skill)及其他 Agents、Hook、Command;

    (3)在实际工作中,不断优化、迭代这 12 个技能(Skill)及相关,让它们能承载自己 60% 左右的重复性劳动、流程任务或容易忽略的知识要点。

    其实,这套打法中间还有无数大坑。部分是 AI 技术早期发展带来的,更多的则是人们的认知局限带来的。前者容易解决,后者反而更麻烦。

    举个例子,人类行动的自反性,使得绝大多数人无法做到很多看似简单的事。我们一般将其称之为「自律」。但真正的原因并不在这里,而是因为自律是一种认知成本极为昂贵的行为。

    15

    用 12 年,成为精通 4 种复杂技能的人。这是信息革命时代对知识精英的基本要求。计算机的广泛使用,使得知识工作开始大规模出现。

    而单一的复杂技能,如写作,其实难以放大产值。但写作+视觉,就催生了电影产业革命,成就了好莱坞等等。

    一般来说,4 种复杂技能差不多了,这是一个知识精英的标配。世界级的知识精英,比如各类头部奖项的得主,差不多都是这样。

    但,AI 这轮发展,会出现很多新问题。从数量上来说,技能开始膨胀了:在 AI 的加持下,很多人可以拥有前所未有的技能;而数量膨胀的另一个原因是,技能的颗粒度变小了。以前,我们谈论的技能,差不多是写作、叙事这么大的颗粒度,但现在,写作可能需要一个庞大而复杂的技能套包才可以承载。每个具体的技能,可能只能完成以前写作 30 到 300 分钟的工作量。

    而更关键的是,技能的质量也不一样了。从我对开源社区 Skill 的调研来看,呈现出较为典型的九一分布:10% 的技能堪称一绝,非常巧妙、实用,但 90% 的质量堪忧。

    这是前所未有的、无数的新挑战。不仅仅是工作流程,更涉及教育、文化等等。人类如何传递知识,模式也大为不同了。

    16

    今天跟工程师们谈了一个趋势:未来对工程能力的要求,逐步过渡到复杂架构上了。区分好工程师与平庸工程师,非常看他管理复杂度的能力。好的工程师,能将复杂项目大幅简化。

    同时,对工程师的创新能力要求更高了。好的工程师,也越来越接近传统意义上的研究员;反过来,研究员也需要更强的工程能力了。

    再就是对工程师的共情能力要求也变高了,他要能共情用户、Agents、社群、第三方。也就是,好的工程师同样还需要像一个咨询师。

    未来,最有前途的技能组合套包是:工程师+研究员+咨询师。

    17

    AI 时代,老师傅们希望与什么样的人共事呢?

    黑客精神:好奇、内驱力、勤奋,不搞懂难点不睡觉的那种。当然,不睡觉对身体不好,我这里只是一个形象比喻。

    人品不错:为人温和,性格不激烈。AI 时代,如果想取得较好效果,需要组织内的极大权限,而这些权限一旦交出去了,就很难收回来了,所以,人品变得越来越重要了。

    理性思维好,有一定工程素养:简而言之,逻辑推理能力不错,懂软件工程的一些常识。

    善于沟通:AI Coding 很大程度上是跟 AI 沟通,如果平时不喜欢跟人沟通,大概率依然很难跟 AI 沟通好。

    18

    前不久,跟同事吃饭,谈到 AI 时代如何保持竞争力、更好地发展自己及品牌,我给了几个关键建议,供所有同学参考。

    舍得花钱:AI 大模型时代,经济资本的重要性比我们想的要高。舍得花钱,使用更好的大模型;舍得花钱,建设自己的 GPU 算力,这样,你才更容易拥有一流的认知。很多时候,我们在一个窘迫的心态下,拥有的也是较为窘迫的认知。更关键的是,错误的认知一旦形成,你想修改很难,甚至会对你产生方方面面的影响。比如,OpenAI 公司前几年的错误认知:Anthropic 公司只是善于 AI Coding 而已,AI Coding 只是一个小买卖。这个认知一旦形成,就是几千亿美金的浪费,现在他们不得不费力追赶。

    卡住自己的生态位:但舍得花钱,并不意味着什么都乱投资。比如,OpenAI 公司投资了一大堆瞎扯淡的东西,现在不得不一一放弃,连王牌项目 Sora 也不得不关闭。应该紧紧围绕自己能在世界上做到头部阵营的事情去投资。这些事情,大致上会处在你的内在动机、长期积累、个人资源等等的一个交集区域。重点是要形成独特的闭环,从数据、算力、模型、Agent 到应用层的软件,整套闭环。

    优先投资那些能扩大自己产出的事物:那些能够让你、你的团队倍速工作的东西,往往是一些基础设施、工作流的改造。早期很花时间与心力,但一旦建设完毕后,就变得非常轻松了。比如,42plugin、42help 就是这样的东西;开智学堂的 AI 助学系统、AI 批改作业系统,也是。

    投资那些让自己更有影响力的事情:什么事情都讲究平衡。团队产出扩大了,但并不意味着市场需求扩大。而让自己、自己团队变得更有影响力,那么,就意味着能承接到更多需求。在 AI 时代,品牌、叙事、意义,这些反而变得更重要了。

    勇于突破自我:2026 年是模型大变革之年,也是真正步入千家万户、百行千业的年代。很多人没有意识到,整个这轮 AI 时代从 2012 年那篇深度学习的关键论文算起,其实才十多年而已。年轻,意味着机会无限;但也意味着不要停留在自己的过往经验中。敢于尝试,敢于创新,更自信、更乐观,反而是在 AI 发展早期的乱战中能胜出的必备气质。

    关于育儿

    19

    爸爸的优点

    爸爸:你觉得我最大的优点是什么?

    小美妞:那是什么呢?

    爸爸:我是全世界最爱你的爸爸。

    小美妞:这个不是你的优点,这只不过是一个事实。

    爸爸:那你觉得爸爸的优点是什么呢?

    小美妞:写作好。

    爸爸:如果不说这个优点呢?

    小美妞扳着手指头数了六件事,比如陪她玩项目 A 是一个优点,玩项目 B 是第二个优点,然后说这些是我的六个优点。

    爸爸:为何爸爸的优点全是具体的事呢?

    小美妞:我说了,你可别生气。因为我是鸡蛋里挑骨头,实在想不出来,才一件一件地给你列。

    爸爸:……

    20

    期待

    小美妞今天放学回来后,妈妈辅导她功课,辅导着辅导着,又非常生气。

    今天生气的原因是,小美妞昨天晚上写语文作业,妈妈辛辛苦苦引导她写了一个多小时,终于将字变得漂亮一些了。结果今天她交作业时,将那一页作业撕掉了,然后顺手扔进垃圾桶里面了。老师看到没有作业,就给了她一个良。妈妈自然很生气,然后数了数她语文作业本上的评分,只有一个优,其他全部是良。

    这种情况已经反复出现了,哈哈。我说至于嘛,才小学一年级。在我的调解下,妈妈开始反思自己为何这么生气:因为辅导小美妞做功课,每天要花 2 到 3 个小时,有了投入,自然就有了期待。结果期待没得到实现,自然很生气。

    然后小美妞跟妈妈开始讨价还价:

    小美妞:那你可以没期待啊。

    妈妈:那你对自己的期待是多少呢?

    小美妞:我觉得语文、数学 60 分就可以了。

    妈妈:……

    妈妈又说:我之前不是跟你说过一个道理吗?人在中等压力下,表现最好。

    小美妞:那我觉得,我语文、数学 30 分就可以了。

    妈妈:你不是像你爸一样,比较完美主义吗?这个时候,怎么不追求完美了?

    小美妞:其实我是先降低你的预期,没有期待,万一我拿到第一名了呢?

    妈妈:……

    21

    脾气涨价了

    最近,小美妞从妈妈那里赚了一千一百块钱。这是怎么回事呢?

    妈妈不是说了,不再管小美妞作业了,降低预期了吗?结果她还是忍不住想管,一管就要生气。

    于是,小美妞与妈妈约法三章:大脾气 1000 块,小脾气 100 块。

    前不久,妈妈实在忍不住,对她发大脾气,她就赚到 1000 块了。

    昨天晚上,妈妈本来不想发脾气的,但听写,一旦碰到某三个字,四五次了还是写错。于是,小美妞又赚到 100 块。

    今天,小美妞跟妈妈说,不能再发脾气了,现在脾气要涨价了,大脾气上涨为 2000 块,小脾气上涨为 200 块:D

    22

    一言难尽

    今晚,我问小美妞:昨晚、今晚,妈妈辅导你功课,朝你发脾气了吗?爸爸帮你主持正义。

    小美妞说:没有啊。

    然后我继续问:那唱《一言难尽》了吗?

    小美妞说:今天晚上没唱,昨天晚上唱了。

    这是什么意思呢?妈妈每次辅导小美妞功课,快忍不住发火时,就去唱一首《一言难尽》:

    我一言难尽 忍不住伤心
    不敢勉强你 只好为难自己
    我为难我自己

    23

    见钱眼开

    最近,小美妞一直在努力赚钱。其中,一条赚钱的路子是,妈妈跟她打了个赌:每瘦 1 斤,奖励她一千块。好家伙,为了这一千块,她是够拼了。每天下午都去跳绳;看到甜的,主动不吃,哈哈。

    然后我跟她说,那爸爸给你一千块,不就行了吗?她说不行,还是自己挣的有意思。

    那么,她为何这么努力赚钱呢?答案是她看中了施华洛世奇的一款水晶。

    这款水晶她惦记很久了,不过价格颇为昂贵。她说,要一直攒到小学六年级毕业,一定要拿下这款水晶,哈哈。她还说,未来要自己赚钱买一个大房子,专门拿来放自己收藏的水晶。哈哈。

    好家伙,为了赚钱,这个小姑娘是拼了。她今天问我,有什么行业收入高。我说,自己当老板。结果,妈妈说,还有那么多老板破产的呢。那我说,如果纯上班,那么,还是 AI 科学家收入高,成为顶尖的 AI 科学家,年薪很容易过百万。她就立即问:那怎么样才能成为 AI 科学家呢?我说,得数学与计算机好。哈哈。

    看在她这么惦记这款水晶的份上,我说,爸爸帮你买了,行吗?她坚决不让我买,说是剥夺了她的乐趣:D

    24

    山东大馒头

    不知道是什么原因,小美妞迷上了山东大馒头。春节期间,催着妈妈给她网购了特别大的一个。赶上店家过年放假,节后的这周才收到。收到当天,特别担心爸爸偷吃她的大馒头,出门玩之前,一再嘱咐爸爸:不要偷吃我的大馒头哦。

    当天,回来后,看到自己的大馒头了,那个兴奋劲,简直手舞足蹈。然后坚决不吃其他的,只吃这个大馒头,哈哈。但实在太大了,那天没吃完。没想到今天还是让妈妈给她热馒头。热好了,不给任何人吃。

    卑微的爸爸一再请求,终于得到了可以吃馒头皮的许可:D

    小结

    这是一份迟到的总结。2026 年的一月、二月、三月,竟然出乎意料地忙碌,直到今天才有时间来写年初的总结。最值得纪念的是两件事:人生发展咨询技术趋于成熟,帮助到了更多来访者;我带领活水 AI 实验室(42ailab),发布了一个又一个 AI 软件。

    这三个月,我在湖畔茶馆里听了一个又一个人的故事,也在深夜里看着一个又一个软件上线。时代可以很快,但你也可以很慢。

    阳志平

    2026-08-22

    相关阅读:

    跳转微信打开

    ❌