铃阅时讯
❌

普通视图

当作家遇上 AI 大模型:写匠软件暨写匠大模型新品发布会,诚邀你参加

2026年9月12日 16:59

原创 阳志平 2026-09-12 16:59 日本

写匠软件暨写匠大模型新品发布会

去年年底,我创办了活水 AI 实验室(42ailab),发布了一系列 AI 软件与 AI 大模型。2026 年 9 月 19 日下午两点,我们将举办写匠软件暨写匠大模型新品发布会,同时发布两款新品:专业写作软件写匠,以及配套的写匠系列大模型。

写匠是什么?它是一套从素材到作品的专业写作系统,由桌面端软件及配套 CLI、云端服务、AI 大模型构成。不同于传统写作类软件,写匠专为写作爱好者与专业作家设计。它有几个鲜明特点:

更高效的写作流程:写匠内置了我倡导多年的卡片创作法,以及我在认知写作学中提出的快写慢改。写匠把「写三千字」拆成「写十张卡片」:先快写出第一版,再慢改成第二版。它支持卡片列表、卡片编辑、卡片拼接三种模式,如下图所示:

写匠的卡片列表模式,顶部可切换卡片列表、卡片编辑、卡片拼接三种模式

写匠的卡片列表模式,顶部可切换卡片列表、卡片编辑、卡片拼接三种模式

此外,还支持卡片的快速插入、合并等功能。如下图所示:

在卡片树上右键,可新建子卡、合并子卡

在卡片树上右键,可新建子卡、合并子卡

更现代的格式支持:写匠是世界上为数不多的、同时支持 Txt、Markdown、Typst 三种格式的写作软件。Txt 适合写诗;Markdown 适合写日常文章;Typst 则是一种新兴的科技出版格式,可以取代 LaTeX,支持各类复杂版式,适合撰写科技论文。如下图所示,这是 Typst 格式:

用 Typst 格式撰写,公式、图表、交叉引用一应俱全

用 Typst 格式撰写,公式、图表、交叉引用一应俱全

更精美的排版设计:写匠针对图书与学术论文的出版做了大量设计,并自研了一个 Typst 排版大模型,足以支持极为复杂的版式。据我所知,它大概率是世界上第一批专业排版大模型。这是爱因斯坦经典论文《论动体的电动力学》在写匠中的排版预览:

爱因斯坦《论动体的电动力学》的排版预览

爱因斯坦《论动体的电动力学》的排版预览

PDF下载:yangzhiping.com/files/aiwriter/einstein.pdf

更强大的 AI 功能:写匠自研了一系列大模型,作家可以将其下载到本地,不依赖任何云端即可使用校对、排版、检索、对话等专业 AI 功能。如下图所示:

写匠内置的 AI 助手

写匠内置的 AI 助手

此外,还有独具特色的数字人文分析,可以深入解读作品的意象、情绪与风格:

节奏统计、意象与情绪标注、风格画像

节奏统计、意象与情绪标注、风格画像

更酷的是,所有自研大模型都能用作家自己的写作语料傻瓜式地微调,再回传本地使用,让 AI 越用越懂自己。

提醒:本地大模型的安装、微调,均需借助活水 AI 实验室出品的活水模型(42model)。下载地址:https://42model.com

在新品发布会上,我将做一个分享:《当作家遇上 AI 大模型:谈谈写匠软件暨写匠大模型的研发》。以下是分享摘要。

对于写作爱好者、专业作家来说,一款好用的专业写作软件简直可遇不可求。从第一次生发出做一款专业写作软件的念头,到如今,整整十年过去了。

过去十年,我成为了中国作家协会会员,也出版了五本书,主编了十多本书,组织翻译与引入了三十多本书。然而,写得越多,对当前的写作软件越不满意。

那么,究竟不满意在哪里呢?比如,以 Word 为代表的写作类软件,把版式与写作的实质内容绑在了一起,稍微讲究一点排版,你花在版式上的时间,就很容易超过你真正写作的时间。Notion、飞书这类在线文档软件,这一问题依然存在。

而以 Markdown 编辑器为代表的写作类软件,面对交叉引用、数学公式、脚注尾注这些真实的写作需求,多半要靠插件与外部工具链拼出来,用起来是割裂的。

更要命的是,这些软件大多默认:写作是一个从清晰输入到清晰输出的过程。但实际上,只要你从事真实的写作,就会发现,任何一个稍大一点的写作项目,永远是从混乱逐步走向清晰。

因此,传统写作软件大多支持不了这种从混乱到清晰的真实写作。例外不多,Scrivener 是其中做得最好的。但它毕竟是 2006 年的产物,无论技术架构、实际性能还是格式支持,都已经跟不上时代了。更关键的是,它的开发者明确拒绝让 AI 介入写作过程。

对此,我的态度非常不一样。如果在恰当的位置引入 AI,那么,AI 会是作家孤独写作之旅的强大帮手。在一个真实的大型写作项目中,比如写一本书,AI 大模型至少会在四个方面系统地帮助一位作家:校对、排版、统计、风格。

以校对为例,每一位作家都有自己的常见病句,往往要靠编辑们在正式出版之前逐一修改。如果我们提前把它们训练进大模型呢?是否可以大幅减少这类体力劳动?

以排版为例,涉及图书、学术论文这类复杂排版时,我们是否可以让 AI 代劳,让作家专注于实际的写作内容,而非版式?

以统计与风格为例,如果一位作家能更深入地了解自己写作的定量、定性规律,是否会更容易形成独一无二的写作风格?

而更炫酷的是,当一位作家已经积累了大量历史写作语料,我们是否可以训练一个独一无二、只属于作家本人的风格大模型,从而省下一些体力劳动,以及更好地传承作家的写作技艺?

在 2026 年之前,实现这个梦想格外困难。它需要跨度极大的知识:既要理解作家的实际工作流程,精通写作;也要精通 AI 大模型的微调与推理,还得让作家能傻瓜式地微调一个本地大模型。

而如今,写匠软件暨写匠大模型,迈出了第一步。

如果你热爱写作,不妨用写匠写下你的诗篇。

写匠的稿纸模式

PS:秋高气爽,适合谈谈写作,谈谈 AI 大模型。欢迎各位新老朋友莅临。2026 年 9 月 19 日,写匠新品发布会见!

线上如何参加?扫码入群即可:

写匠新品发布会入群二维码

写匠新品发布会入群二维码

阳志平

2026-09-12

相关阅读:

跳转微信打开

/mobile-use 在 AI IDE 中构建通鸿蒙、安卓与 iOS 的 Agent 闭环验证

2026年9月11日 16:00

Phodal 2026-09-11 16:00 浙江

Computer Use 已经可以操作电脑,Browser Use 可以进入正在使用的浏览器。Qoder 推出 Mobile Use 插件(Beta),在安卓、鸿蒙与 iOS 上将代码修改接入真机或模拟器,完成运行、交互与结果确认。

Computer Use 已经可以操作电脑,Browser Use 可以进入你正在使用的浏览器。移动端还没有对等的能力。

今天的 Coding Agent 已经可以修改安卓、鸿蒙与 iOS 代码,但往往止步于提交之前。移动端 app 是否成功构建,修改后的页面如何呈现,用户所指的是哪一个控件,点击之后是否进入正确页面,这些问题还需要解决。

因此,我们推出 Mobile Use 插件(Beta)。安卓、鸿蒙与 iOS 均可将代码修改接入应用运行,在设备上完成交互,并确认修改是否生效。

image.png
image.png

Mobile Use 面向正在开发中的手机应用

常见的 Mobile Agent 多用于“操作手机”,比如打开应用、填写表单、走完一段操作流程。Qoder 新上线的 Mobile Use 插件面向另一类场景:应用本身仍在开发与修改之中。

Agent 既要执行点击,也需要理解当前工程、构建目标、运行设备与界面状态。完成代码修改后,它重新运行应用,定位受影响的页面,执行必要交互,并以截图、日志、断言或测试结果证明本次修改有效。

点击与输入只是其中一步。需要完成的,是从代码变更到结果确认。

image.png
image.png

一次完整验证:从代码修改到结果确认

以一次界面修改为例。无论是布局、文案、点击反馈还是页面跳转,以往都需要自行完成构建、安装、在设备上操作,再对照代码。证据在设备上,代码在 IDE 中,中间依赖开发者在两端传递信息。若 Agent 只能依据文字描述和数秒前的截图,便容易改错位置。

现在可以将这项工作交给同一条会话中的 Agent。在 Canvas 上圈选出问题的区域,并在对话中发送:

我刚修改了界面上圈出来的这一处。请构建并运行应用,按圈选位置执行操作,截图确认结果是否符合预期。若不符,请对照代码修改,完成后再验证一次。

圈选给出的是具体控件和当前画面,Agent 可以同时使用截图、可访问性结构、控件文本和界面状态,而无须仅凭「这里不对」进行推断。它在同一台设备上执行操作、截取画面并对照结果:验证通过则返回结论;未通过则回到代码修改,并再次验证。

image.png
image.png

若结果不符合预期,可以在 Canvas 中直接看到它操作了哪一处、界面变成了什么样。下一轮仍使用同一台设备、同一条会话,无须重新描述现场。

image.png
image.png

三端接入方式不同,验证过程保持一致

安卓、鸿蒙与 iOS 的工程结构、构建工具、模拟器、测试框架和设备接口本就不同。Mobile Use 不会以一套最低能力将三端强行对齐。现有开发环境可以继续使用,不必另行准备仅供 Agent 使用的测试设备。

image.png
image.png

安卓仍然通过 Emulator、ADB 与 Instrumentation 工作。鸿蒙可以连接 DevEco Previewer、HDC 与 ArkXTest。iOS 则使用 Xcode Simulator、Accessibility 与 XCTest。平台差异由各自的适配器处理。

上层通过统一的 Skill 与 CLI,将这些能力提供给 Agent。需要对齐的是更上一层的开发过程:观察、操作与验证。

若某一平台或运行环境不具备某项能力,Mobile Use 会明确说明,而不会以一条不等价的命令冒充成功。

ADB、HDC 与 simctl 仍然是三条不同的命令。Agent 在三端进入的,是同一套观察、操作与验证流程。

image.png
image.png

开发者使用 Canvas,Agent 使用 CLI,共用同一台设备

开发者通过 Canvas 查看应用运行状态,在界面上观察、标注并检查结果。Agent 通过确定性的 CLI 查询设备、观察界面、执行操作并运行验证。

image.png
image.png

两侧接入 Host 管理的同一条设备会话。 Host 负责设备生命周期:当前连接、运行状态、权限范围,以及证据的归属。

因此,Agent 不会在后台另行启动一台模拟器,也不会因注册大量 MCP 工具(即为 Agent 注册工具接口)而形成一套与开发者割裂的设备环境。 CLI 只是智能体进入现有能力的入口。设备本身、权限、状态与证据,仍由统一运行时管理。

随后执行的操作作用于同一条设备会话。截图、日志、录像与断言结果也关联到该会话。「这里有问题」可以连同圈选与当前画面,成为 Agent 继续定位、修改与验证的任务入口。

立即体验

Mobile Use 插件已在 Qoder 桌面端与 Qoder IDE 中上新。

  1. 1. 打开左下角的拓展或插件市场,搜索 Mobile Use,安装后重启。

  2. 2. 在对应工程中双击以打开 Canvas:安卓双击 **AndroidManifest.xml**,iOS 双击 **Package.swift**,鸿蒙双击 **build-profile.json5**。

  3. 3. 先连接模拟器或真机,将上文提示词发送给 Agent,并在 Canvas 上圈选需要验证的区域。

image.png
image.png

跳转微信打开

永远不要低估小米

2026年9月11日 15:00

原创 李墨天 2026-09-11 15:00 上海

目标决定上限

今年9月的产品发布会,小米内部的定调是“自研技术大会师”。

何为会师?发布会上新产品集成了小米过去五年的核心研发成果,即将接受市场检阅。

产品发布会前,小米公布了玄戒芯片的第二代产品线,一口气拿出玄戒O3/O100/D100三颗芯片。其中搭载玄戒O3的小米18Fold,是小米历史上定价最高的旗舰机型。

预热已久的小米澎程SUV,六根滑轨、纯平地板、可变空间的产品定义,都是行业首次出现。

过去五年,小米各个研发部门把雷军拍板的“五年千亿”研发开支花了个一干二净,但芯片首发定价破万旗舰机型,新车杀入被车企犁了好几遍的主流增程领域,技术创新能不能被市场接受,还是未知数。

9月7日,小米发布小米澎程新车

2021年小米宣布造车,米粉的反应是振奋,行业的反应是关注,投资机构的反应是跳车。宣布造车前,公募基金持仓的小米股票攀升到阶段性高点,宣布造车后,主观公募基金大举撤退,用实际行动表达对造车的不看好。

造车的同时,小米重启芯片研发项目,即后来的玄戒芯片。每个都是百亿级别的财务黑洞,小米自己的说法是“同时供两个孩子上大学”,投资机构看了难免头大。

当时,高调亮相的汽车业务几乎被一边倒质疑;秘密行进的芯片业务是网络名梗,2022年,两个百亿规模的投资未见曙光,小米营收罕见下滑,公司市值跌倒谷底。

资本市场关注出货量、ASP、毛利率和营收指引,企业经营是可量化的指标。汽车业务重资产高折旧,第一批新势力除了理想一个比一个能亏,友商建议雷军趁早收手,见惯了财务报表的投资机构,自然也看不上这种商业模式。

公司经营可以按季度观测,但公司要考虑长期的确定性,以五年十年为单位校准。五年前的小米和今天的小米,已经不是一个小米了。

至少在五年前,预言有一家车企会刷新纽北最速量产车的记录,没有人会想到小米。

01.必经之路

一家企业的战略,核心是回答三个问题:我们现在在哪里?我们将来去哪里?中间的路怎么走?

2020年小米成立十周年,雷军和管理层做了一次深度复盘:过去的十年,小米验证了自身的商业模式,迅速形成规模。不知不觉中,公司走到了十字路口:

小米创业十年的成绩堪称商业奇迹,营收突破2000亿,手机业务做到全球前三,各项经营指标都相对健康。但这些成果放在全球科技史上,依然是无名之辈。

即便在手机市场,小米面前还有苹果、三星、华为三座大山,是小米过去十年学习和竞争的标的,也是小米未来十年想超越的目标。

想完成这个新目标,不能靠旧的体系。

小米上市前后,一些问题已经开始暴露。2019年,小米手机全球出货量继续增长,但中国市场同比下滑21%,几乎被华为碾压;公司内部产品线相对独立,存在重复建设;线下渠道铺设跌跌撞撞,勉强步入正轨。

产品层面,小米有过小米MIX这样的神来之笔,推动了全面屏的普及,但势头未能持续。原因是整个公司还没形成系统性的创新能力,根子是底层技术积累不足。

2016年,小米发布小米MIX

对技术的理解决定了产品的上限,米饭仙人捏100年寿司,也切不来文思豆腐。不掌握底层技术,就只能在供应链设定的边界进行系统集成,面对新的技术趋势,就只能参与和跟随,做不到引领。

公司层面,“人车家全生态”有了雏形,各类终端产品需要统一的计算平台和芯片设计能力支撑。核心主业手机想更进一步,也要突破芯片和系统这一关。汽车业务起步比新势力晚,必须要在产品体验上拉开档次。

上市之际,资本市场对小米是互联网公司还是硬件公司展开激烈讨论,最后给了个制造业的估值;舆论层面,“组装厂”的偏见伴随小米多年。雷军和管理层认为,商业模式的创新已经穷尽,必须向底层核心技术探索。

于是,芯片、操作系统、整车的底盘和电子电气架构等技术环节,成了不得不做的事。基于这些目标,雷军提出小米新十年方向,也是小米战略落地的路径:

大规模投入底层技术,成为全球新一代硬核技术领导者。

2020年,小米定下了“未来5年研发投入超过1000亿元”的基本原则,覆盖多个垂直领域,最重要的是汽车和芯片。

出来混,最重要的是出来。

02.做好准备

关于小米的诸多讨论中,有一个概念频繁出现:供应链成熟。

事实的确如此,小米造车的时候,中国的新能源产业链已经优胜劣汰了好几轮;小米重启芯片业务的时候,参与芯片上下游分工的供应商,不能说遍地都是,也绝对不算少。

但供应链成熟也会带来一个现实问题:怎么在开源素材上做得更好。换句话说,纯靠供应链就能做出好产品吗?

2025年,谷歌推出手机芯片Tensor G5,彻底摒弃套壳三星Exynos的思路,完全基于ARM架构自研,用上了苹果和高通验证过的台积电3nm工艺。战绩如何?性能略逊于2020年的苹果A14,估计台积电都嫌丢脸。

谷歌的人力财力远在小米之上,尚且翻车;汽车领域,小米的对手都是狠角色,拼凑供应链技术,毫无胜算。

产业巨头林立的背景下,全新的芯片平台要造得出,全新的车型能卖得好,需要两个前提+一个条件。

第一个前提当然是钱。造芯和造车都是百亿级别的投资,高科技领域,一个翻车可能就万劫不复。苹果和华为,在这方面都有天然优势。

华为海思顶着压力从K3V2芯片一路迭代,打造了大名鼎鼎的麒麟系列,是有利润率很高的运营商业务做安全垫。苹果汽车花了足足十年冤枉钱,是因为iPhone发布后,这家公司对钱已经没什么概念了。

践行长期主义的第一步是有钱,2021年的小米不能说富可敌国,但有点家底。有别于其他手机品牌,小米有一块百亿级别的IoT业务,占总营收30%左右,去年营收1232亿,是手机业务的2/3,提供了额外现金流。

第二个前提是对供应链的投资。小米另一个身份是产业资本,以小米长江产业基金和顺为资本为代表。和风险投资不同,产业资本的投资基于自身需求,能够提供确定的研发目标和订单,隐含了未来的采购承诺。

比如2020年,长江基金投资了一家名叫“卢米蓝”的材料公司,后者主攻OLED发光材料,研发成功后用于小米17系列。产业资本既提供研发资金,又提供产品订单,可以带动供应链迅速成长。

典型如长鑫的投资,小米本身是长鑫的大客户,小米18 Fold搭载了长鑫最新的DDR6内存芯片。不过客观来说,在长鑫群星璀璨的股东名单里,小米不算特别耀眼。

长鑫招股书中的大客户基本都参与了长鑫的投资

2019年后的国产半导体替代窗口,长江基金密集投资了50多家公司,其中恒玄、翱捷、格科微、豪威(韦尔股份)等公司都陆续上市,都是国内半导体产业的核心力量。

顺为的投资更偏下游,2015年投蔚来,2017年投小鹏和Momenta,针对半导体的投资全在车规/智驾端。小米自己收购了DeepMotion,并领投了禾赛。在造车之前,小米就把供应链摸透了。

账户里有钱,供应链上有人就够了吗?远远不够。

去上游扫货是大干一场的前提,苹果仅公开的收购中,就包括PA Semi和Intrinsity(芯片)、AuthenTec(Touch ID)、PrimeSense(Face ID),收购后都快速转化为产品功能。

2020年后,苹果在AI领域陆续收购了Xnor.ai、Voysis、Inductiv、WaveOne、Datakalab、DarwinAI等6家公司,今年1月,收购上一向吝啬的苹果开出20亿美元,买下AI公司Q.ai。但苹果在AI领域的成就,目前仅粉丝可见。

有钱有人不等于有技术,比两个前提更重要的,是那一个条件。

03.当个事办

2017年,小米发布自研芯片澎湃S1,上市即落后,生命周期只有六个月。后续的澎湃S2流片失败,主体公司松果进行改组,业务转向IoT芯片。

当时,松果作为独立公司存在于小米体外,很难与体内的业务部门打配合,小米的财力也不足以支撑这么大的项目。但抛开这些客观因素,核心原因只有一个:目标定的太低。

芯片研发所需的成本取决于设计目标,丰俭由人。搞一款90nm的嵌入式芯片,几百万就能上车,外包团队遍地都是。澎湃S1定位中端,采用当时就落后的28nm工艺,适合入门,不适合练兵。

一直以来,舆论对研发存在两个误区:

一是研发费用越多越好,研发费用变成了一种价值取向。有一家叫中国建筑的公司,常年位居A股研发开支首位,这两年才被比亚迪超越。但应该没人认为中国建筑掌握了什么高科技。

第二个误区是什么都要自己做。越是技术含量高的领域,产业分工程度就越深。研发的目的是对高附加值环节的把控,想把所有环节都握在自己的手里,既不成立,也不现实。

对科技公司来说,产品是研发投入的结果,真正的核心资产是研发过程中积累的知识和经验,比如算力集群的软件优化,电芯生产的良率提升,芯片仿真验证的效率。烧钱烧出来的教训,试错试出来的直觉,都会变成珍贵的隐性知识。

能积累什么经验,能沉淀什么Knowhow,取决于公司的目标。这就是那个关键的条件:目标。

如果你的目标是设计一款中端芯片,团队就只能积累中端芯片研发的Knowhow。如果团队基于成熟制程开发,就永远理解不了先进制程芯片的设计。

研发团队能做多大的事业,同样依赖公司设定的目标。小米汽车的纪录片里,几乎每一个工程师都提到,小米SU7是“自己一直想做的车”、“想开着自己做的车跑纽北”。没有足够的空间和信任,技术抱负便无法实现。

今年5月,小米首席测试车手任周灿成为首个获纽北官方圈速认证的中国车手

如果公司设定一个平庸的目标,既无法吸引顶尖的人才,也无法培养顶尖的人才。之前流传的投资人交流纪要中,梁文锋就讲过这个问题:

AGI是更大的愿景,这个愿景能够凝聚起更多优秀的人,它有更强的凝聚力。如果你是一个商业公司,你的愿景就是服务好C端用户,那是另外⼀个故事。他在产品上、用户服务上、流量上会有优势,但是在技术上没有优势。

设定一个宏大的目标很容易,认真对待一个目标很难。是自己带头冲锋还是孵化一个体外公司?是用自己的家底还是吸纳外部融资?分量完全不一样。

2020年后,小米从产品到技术的研发,都围绕着“成为全球新一代硬核技术领导者”的目标推进。

小米汽车定下了“纽北圈速”的目标,以此为指引,小米上来就瞄准电机、底盘架构、汽车电子等关键技术的研发,实现对核心环节的掌控。如果目标是纯粹的销量,核心技术的研发就不是必选项,就做不到技术上的引领。

纽北量产车圈速榜前十名里,目前只有两款国产车,换句话说,全中国只有仰望U9X和小米SU7 Ultra的工程师,知道怎么造一台打破纽北记录的量产车——这就叫引领。

2021年重启芯片业务,小米直接锚定“高端旗舰SoC”的定位,定下了核心参数看齐行业第一梯队的目标。目标定的足够高,研发团队才有足够的试错空间,过程中积累的隐性知识,价值就更大。

小米澎程在车型定义上,产研团队调研了大量SUV车主,结果是车内空间虽然大,但还是有成片的痛点。靠配置和参数解决不了,只能从底盘开始重新定义,大量的技术环节,产业界没有先例。

小米昆仑架构大幅优化了汽车底盘布局

围绕这个目标,小米澎程跳出主流家用车的框架,提出了非常激进的纯平地板+6滑轨的设计,导致后电驱、电池包、油箱需要重新布置,整个底盘得从头正向研发,再拿到真实路况里重新验证和测试。

小米花了三年半时间,测试车跑了428万公里,打造了全新的昆仑架构。

基于现有的技术也能形成产品方案,先提出设计目标再突破相关技术是另一条路,小米选择了后者。通勤的十万公里和赛道上的十万公里,积累下来的东西完全不同。只有底层技术突破,产品才能打开更多想象空间。

纯平地板对应的汽车底盘设计经验,3nm芯片设计经验,混合键和落地经验,都是相当前沿的技术资产。搭载这些技术的产品能否被市场接受?目前是未知数。但技术能力的建设是连贯的过程,产品的成功和失败,都不影响能力的积累。

一个人的进步,一个公司的成长,取决于他做了什么。

小米离全球顶级的科技公司还有距离,但他们至少证明了一件事:给一群人才足够的信任、空间和预算,他们能折腾出什么东西。

04.顺势而为

小米过去的五年,完整呈现了一个公司战略的制定与执行的完整过程。

雷军是一个善于复盘的企业家,2007年金山上市,股价当天腰斩,雷军没有抱怨市场和大环境,而是逐条分析为什么金山做了16年,为什么市值没有腾讯的一半?为什么WPS技术不比微软差,市场份额只有个位数?

90年代信息化大潮席卷全国,大批软件公司乘风而起,求伯君和雷军这批程序员登上历史舞台。但中国软件业的黄金时代极其短暂,2000前后互联网浪潮来袭,大量从业者被互联网和游戏虹吸,雷军发现自己在互联网时代做着一家软件公司。

小米是移动互联网的产物,也是雷军“顺势而为”理念的产物。从2007年iPhone问世算起,移动互联网在中国的增长持续了长达十五年。

小米的路径,和其他科技公司并没有特别大的不同:从一个技术风口起步以产业资本的角色进行投资,与供应链广泛合作开发新技术和新方案,是所有公司都走过的路。

但接下来怎么走,是每个公司的选择。

2020年,拿着创业十年攒下的家底,摆在小米面前的问题是:中国还需要另一家2020年的小米吗?小米要每年多1000亿收入,还是每年培养1000个芯片和汽车底盘工程师?

答案显然是后者。

移动互联网时代,小米在核心技术领域的角色是追赶者。消费电子产业,终端厂商的技术目标是创新的源头。智能手机的形态大体上由苹果定义,CNC一体成型、堆叠式主板、3D结构光等技术方案,也基本由苹果引领。

折叠屏手机出现后,智能手机的定义开始向中国企业转移,9月份苹果、华为、小米三家发布会撞车,日经的标题就很直接:华为和小米在引领手机进化。

小米想更进一步,先进制程芯片、软件系统的短板必须补齐,大语言模型、人形机器人这些前沿领域,必须第一时间参与。小米汽车要做全球前五的汽车厂商,就不能靠供应链技术拼凑的经济适用车打天下。

小米AI Cube Prototype,搭载玄戒O3、玄戒O100、玄戒D100,支持大模型本地部署

之于产业界,小米入局3nm的芯片的研发,相关的芯片设计人才才有施展拳脚的土壤,小米想做一辆纯平地板的SUV,底盘工程师的发挥空间才能彻底打开。

小米最大的变化,是它的目标和视野。

05.尾声

2010年,癌症晚期的乔布斯在第一代iPad发布会上,首次向世人展示了苹果自研的A4芯片。主流媒体的评论是“套壳三星”。十多年后,苹果已经构建了一个半导体帝国。

2010年,乔布斯展示苹果A4芯片

同样是2010年,小米供应链高管去英华达谈代工,能拿得出手的只有银行存单和“MIUI的几十万用户”。十多年间,小米经历多次危机,但总能卷土重来。

比尔·盖茨在1996年出版的《The Road Ahead》中说:我们总是高估未来两年的变化,而低估未来十年的变化。这句话在这本书出版后的每一个十年里,都被反复验证。

技术有趋势,行业有周期,一家公司的上限,永远取决于它的目标和战略。如阿拉伯诗人穆太奈比所写:

你若不惜生命去追求荣耀,那就应当把星星当作目标。因为碌碌无为或建功立业,到头来死都是一样的味道。

全文完,感谢您的耐心阅读。

参考资料

[1] 小米怎么了,财新

[2] 小米创业思考,雷军/徐洁云

[3] 一往无前,范海涛

[4] 小米公司财报,小米

[5]ARM to A4: How Apple changed the climate in mobile silicon, AppleInsider

作者:李墨天

编辑:戴老板

责任编辑:李墨天

制图:李墨天

图片

图片

跳转微信打开

The Batch: 983 | 一种更简单的模型监控方法

2026年9月11日 12:45

原创 DeeplearningAI 2026-09-11 12:45 北京

Hi~新朋友,记得关注我们哟

在生成过程中发挥作用的 LLM 安全监控器通常会分析一系列安全分数,以捕捉不正确或有害的输出。研究人员发现,只分析单个安全分数就能达到几乎相同的性能。

● 最新消息:来自阿姆斯特丹大学、威斯康星大学麦迪逊分校和约翰斯·霍普金斯大学的 Mona Schirmer、Metod Jazbec 及其同事提出了一种名为 CRC Monitor 的简单监控系统——CRC 代表 conformal risk control(保形风险控制)。它通过将单个安全分数与针对具体任务精心校准的阈值进行比较,来评估输出的安全性。

● 关键见解:e-valuator 等系统会在每一步推理、每轮对话或每次工具调用后对 LLM 的输出打分,并分析分数历史来决定是否停止。更简单的方法是在最新一步的分数低于阈值时立即停止。难点在于如何可靠地选择这个阈值。基于有限验证集测得的误报率,可能仅仅由于偶然因素而低于新数据上的误报率。因此,需要更保守地选择阈值。

●工作原理:研究人员为两个需要在生成出错时停止模型的任务校准了 CRC Monitor 的阈值:错误数学推理和有害主题内容。对于每个数据集,他们使用一个单独的模型,即 verifier,对每一步输出文本进行评分。他们找到了同时满足两个标准的阈值:(i)尽可能多地捕捉不安全输出;(ii)将误报数量控制在用户定义的上限之下。

✴ 对于数学推理,研究人员构建了一个校准数据集。他们使用 Anthropic Claude Haiku 4.5 和 Mistral-7B-Instruct 生成了 MATH 数据集上的解答。一个 verifier(Alibaba Qwen2.5-Math-PRM-7B)通过估计推理是否仍沿着能产生正确解答的轨道前进来打分。他们使用 OpenAI o3-mini 验证每个解答,从而为校准创建标签。

✴ 对于有害主题内容,他们在 Anthropic Red Teaming 数据集上进行了评估,该数据集包含旨在诱发 LLM 产生有害回应的对话;还在 FineHarm上进行了评估,其中包含带有有害性标注的多轮对话。对于 verifier,他们在 Anthropic Red Teaming 上使用了 Llama Guard,在 FineHarm 上使用了一个经过微调、用于检测有害性的 Qwen2.5-1.5B 模型。

✴ 研究人员在验证集上尝试了许多阈值,并测量了每个阈值错误停止安全输出的频率(更高的阈值意味着更多输出会被标记为不安全)。由于真实数据上的实际误报率可能高于验证数据,他们在测得的误报率上加了一个小的补偿值,然后选择在修改后的误报率低于用户定义上限时仍尽可能大的阈值。

✴ 在推理阶段,当 verifier 分数低于阈值时,系统就会停止生成输出。

● 测试结果:CRC Monitor 更快地标记了不安全回应,同时保持了用户要求的误报率,并在大多数实验中与 e-valuator 的表现相当。

✴ 在 MATH 数据集上,当用户定义的误报率为 20% 时,该系统检测到了约 80% 的由 Mistral-7B-Instruct 生成的错误解答,与 e-valuator 的 80% 相同。它平均在推理过程进行约 35% 时就发出警报,而 e-valuator 为 40%。

✴ 与数学能力更强的 Claude Haiku 4.5 搭配时,CRC Monitor 检测到了约 75% 的错误解答,几乎与 e-valuator 的 76% 持平;它平均在推理过程进行约 40% 时发出警报,而 e-valuator 为 49%。

✴ 在 FineHarm 数据集上,当用户定义的误报率为 20% 时,CRC Monitor 检测到了接近 99.5% 的有害输出,并且平均在对话进行约 14% 时发出警报,这两项性能都与 e-valuator 持平。

✴ 在 Anthropic Red Teaming 上,CRC Monitor 检测到的有害对话更少(32%,而 e-valuator 为 54%),但它发出警报更早,平均在对话进行约 26% 时就报警,而不是 55%。

●重要原因:阻止 LLM 生成不想要的输出可以用更简单、成本更低的方式实现。一个有效的监控器只需要最新一轮生成的安全分数、一个经过校准的阈值,以及对错误的预设容忍度,就能在输出生成过程中捕捉到这类内容。这种方法比竞争方法更早地发现问题,从而减少用户接触错误或令人反感输出的机会(也降低了一部分推理成本)。研究人员建议,他们的方法适合用于分层监控架构:持续生成廉价信号,根据经过校准的规则停止,并且只有当廉价信号表明输出质量较差时,才切换到更昂贵的 verifier。

● 我们在想:既然一种简单的安全检测方法就能和复杂方法一样有效,那么改进其背后的 verifier,可能比设计更复杂的结果加权方式带来更大的性能提升。

点击下方阅读原文查看更多有趣内容哦~

阅读原文

跳转微信打开

山观 HIKE Insight | AI4AI:让AI成为自己的科学家

2026年9月11日 11:59

原创 Rhyme 2026-09-11 11:59 北京

AI4AI的价值不止于工具提效,更在于改变科研组织方式。

AI能力持续提升,但目前来看研发环节仍受人的带宽限制:架构需要人设计,数据配比由人决定,训练方法也依赖研究人员反复试验。算力和数据可以扩展,顶尖研究者的时间却很难复制。AI4AI试图解决的,正是这一约束:让AI参与AI系统本身的研究与开发。

因此,AI4AI(AI for AI)与一般的“AI+行业”应用有所不同。其他应用主要优化特定行业的成本和效率,AI-4-AI直接作用于AI研发本身,产出也会反过来提升AI能力。由于研究对象天然数字化、反馈相对标准化,它可能是AI Scientist各垂直方向中较早实现自动化的一类。

AI4AI的价值不止于工具提效,更在于改变科研组织方式。当实验空间可以由系统大规模搜索、失败经验可以结构化积累,创新就不必完全依赖少数研究者的直觉,而有机会形成可持续、可扩展的研发流程。

一、概念与边界:AI如何参与AI研发

AI4AI可视为AI Scientist的一个垂直方向。

AI Scientist主要解决科学发现自动化问题,即由AI替代或增强科研人员,参与生物、化学、材料、物理、AI等领域的研究工作。

AI Scientist for AI是其中一个垂直方向,并具备四项较有利的落地条件:

1)研究对象天然数字化,实验可以由代码执行;

2)反馈更加标准化;

3)研究人员和开发者本身就是用户;

4)过程轨迹数据相对容易获取。

因此,它可能成为AI Scientist中较早落地的方向。

具体而言,AI4AI是利用AI自动化AI系统自身的研究、开发和优化,覆盖模型架构设计、数据构造与筛选、训练配方搜索、超参数优化、推理效率优化和Agent架构改进等环节。

AI4AI的关键,是让AI从研发对象转变为研发参与者,并逐步承担部分流程。长期目标是实现AI研发自动化:AI能够持续改进下一代系统,形成模型优化与训练的闭环,并实现持续自我演进。这不仅包括辅助研究员写代码、检索论文,还包括持续运行以下研究流程:

图1|AI4AI将研究过程组织为可持续迭代的闭环。

从整体流程看,主要包括提出idea、进行verify和模型训练自动化三部分。

Innovator/提出idea:包括目标定义、研究现状建模和假设生成。

  • 研究目标定义:将模糊目标转化为可执行任务,例如在固定算力下提高模型的数学能力,或将某个模型的推理成本降低30%。难点在于,研究目标往往不是单一指标优化,而要在性能、成本、鲁棒性、安全性和工程复杂度之间权衡。

  • 知识获取和研究现状建模:检索论文、代码库、实验记录、内部文档和失败经验,形成对现有研究空间的理解。这一环节的标准化程度较高,评价方式也相对明确。

  • 假设生成:生成多个候选研究方向并排序。这是当前AI4AI难度最高、也最影响能力上限的环节。

Verifier/实验验证:包括实验设计、实验执行、结果分析与反思。

  • 实验设计:将假设转化为实验计划,明确对照组、数据集、模型结构、训练预算、超参数、评价指标、消融实验、中止条件和结果判断规则等。

  • 实验执行:修改训练代码,搭建数据处理流程,配置训练任务,编写评估脚本,构建消融实验并修复运行错误,再交由代码执行环境、算力平台或仿真系统执行。

  • 结果分析与反思:检查统计显著性、实现错误和可复现性,并据此决定扩大实验、小幅修改、更换假设或放弃当前方向。

模型训练自动化:

  • AI4AI的产物可以是论文、新算法、训练配方或数据集,也可以直接交付一个训练完成、性能更好的模型。

  • 从一篇论文或经过验证的idea到训练完成的模型,既可以由人完成,也可以由AI自动执行。相较于提出研究假设,这一流程更为标准化。

图2|从提出假设、实验验证到模型训练的三段自动化。

二、核心价值:重构AI科研的生产函数

问题一:研究人员及其时间是稀缺资源

顶尖AI研究员数量有限,大量时间又被文献搜集、环境配置、代码修改、错误排查、消融实验、数据整理、报告撰写和重复验证占用。AI4AI首先可以减少这些执行工作,让研究人员把更多精力放在问题定义、关键判断和结果解释上。

问题二:实验空间远大于人类可探索空间

模型架构、数据配比、训练参数和后训练策略之间存在巨大的组合空间。研究人员通常依赖经验,只能探索少量候选方向。AI可以通过大规模并行搜索、贝叶斯优化、进化搜索或多智能体协作,覆盖更多组合。

问题三:大量失败经验没有被有效积累

企业内部积累了大量未发表、未结构化的失败实验。人员流动后,部分经验随之流失,新加入的研究员可能重复相同错误。AI4AI系统可以将这些实验记录转化为结构化记忆。

问题四:研究过程难以规模化管理

传统研发管理高度依赖研究负责人和少数资深专家。项目增多后,组织很难持续判断哪些项目值得继续、哪些结果可信、哪些团队在重复劳动,以及资源配置是否有效。AI可以帮助统一记录和管理研究目标、实验过程、证据与决策。

总体而言,其核心价值是提高科研生产率,并直接作用于AI与科学进步的生产函数。一方面,它可以通过更高的时间利用率和并行计算提高实验效率;另一方面,它有望结合大规模搜索、AI拟合和可解释性方法,提高优质idea出现和被验证的概率。

三、技术路径:从Agent Harness到原生科研模型

四类技术路线分别对应不同的能力来源、落地场景与竞争壁垒。

四类路线并不互斥,成熟的AI4AI系统可能采用分层组合:预训练模型提供基础能力,后训练(Post-train)形成领域专长,智能体编排框架(Agent Harness)连接工具和实验环境,专有元模型负责研究规划和持续迭代。

从当前产业成熟度看:

  • Agent Harness最容易落地,也是多数创业公司的起点,但独立壁垒相对有限。

  • Post-train更容易形成垂直数据壁垒,在效果与资源投入之间相对均衡。

  • Pre-train的能力上限最高,但更适合资金和算力充足的大型公司。

  • 专有元模型具有较高的长期价值,其壁垒主要来自跨实验积累的长期数据、评价体系和研究决策能力。

四、产业判断:切入环节、商业模式与竞争壁垒

切入环节:长期看,提出假设比实验验证更难,也更关键

idea生成是当前AI4AI难度最高的环节。基于现有LLM,生成70-80分的idea相对容易,但要生成95分以上的idea,难度仍然较大。

idea生成也决定了系统的能力上限。verifier更偏向执行,而高质量idea过去高度依赖顶尖researchers,即使对他们而言也带有一定随机性。如果AI能够突破idea生成的门槛,就意味着科研taste可以在更大范围内被学习和复制。

商业模式:端到端模型优于阶段性发现或服务

阶段性发现和服务能够产生一定商业价值,也适合用于验证能力和开展PR,但其价值链较短。下游客户如大模型厂商相对集中,议价能力较强,因此这类业务未必是最优的长期商业模式。

通用模型可以满足各垂直领域60-70%的需求,但剩余30-40%仍需结合具体领域的业务语境与专业知识优化。如果AI能够针对某个垂直领域找到更合适的模型架构、数据和训练方式,并完成端到端训练与交付,以优于通用模型的冷启动效果进入场景,再根据真实使用持续迭代,其商业空间会更大,也能形成相对基础模型厂商的差异化。

壁垒:创业公司的机会在于速度、专业能力和数据飞轮

AI4AI也是基础模型厂商和大型科技公司的重点方向,各家公司都在开展探索。目前各家,尤其是国内企业,投入资源仍然有限,创业公司尚有时间窗口;但从长期看,这一方向会进入主流竞争。

先发优势能否转化为壁垒,取决于企业能否建立数据飞轮。AI4AI的持续学习机制为此提供了基础,但仍需尽快形成“更多真实任务→更多实验和失败数据→更好的决策策略→更高成功率→获得更多任务”的业务闭环。

图3|真实任务与失败数据如何沉淀为决策能力。

沿着LLM主线进行方法创新,短期投入回报较高,但竞争也更激烈。基础模型厂商拥有底层模型、AI训练数据和可复用的基础设施能力,对创业公司的执行速度和资源投入提出了更高要求。与LLM正交的技术路线,如专有元模型,差异化更强,也可以在一定程度上避开正面竞争。

结语

AI4AI的长期目标并非只为研究员节省时间,而是提高优质研究假设出现和被验证的概率。研究判断力往往沉淀在研究者的经验中;能否率先将其显式化并转化为可训练能力,是决定谁能掌握闭环关键环节的核心。

在此之前,竞争重点仍在工程能力:通过Agent Harness积累过程轨迹,通过数据沉淀专业能力,再利用持续反馈提高决策质量。更能反映系统能力的,不只是产品收入,还包括单位算力能够产出多少经过验证的有效假设。

随着执行、验证乃至研究方向选择逐步自动化,人类研究者与AI之间的分工也需要重新界定。

山观 HIKE Insight | 商业火箭进入兑现期:从技术验证到资本化窗口

山行公司 | 3D存算一体芯片领军企业谦合益邦完成超20亿元B轮融资

山观 HIKE Insight | 从带宽到容量:HBF技术演进与VC投资机会

山行公司 | 东方空间引力一号(遥四)运载火箭一箭9星远海发射任务圆满成功

山行公司 | 科辉智药完成近亿元A轮融资

跳转微信打开

山行荣誉 | 在技术交叉处,做产业的长期陪伴者

2026年9月11日 11:59

山行资本 2026-09-11 11:59 北京

山行资本获“中国人工智能产业投资机构TOP30”等奖项。

近日,36氪创投研究院发布「2026年度十大赛道产业投资机构系列名册」。

山行资本入选“中国人工智能产业投资机构TOP30”;

山行资本创始合伙人徐诗入选“中国人工智能产业投资人TOP30”及“中国先进制造产业投资人TOP30”。

此次入选,是对山行长期产业研究的一份鼓励。

山行持续布局具身智能、人工智能与半导体等方向,山行关注的是技术能否被做成产品,并进入客户的真实使用场景。

人工智能走向产业,离不开从算法、芯片到制造与交付的长期协同。山行资本持续关注这一链条中的关键环节:从具身智能企业谦和益邦、Remio,到人工智能与半导体相关的创新团队,山行希望陪伴那些真正进入产业现场、能够解决具体问题的创业者。

这不是对单一风口的追逐,而是对技术向真实世界落地这一长期趋势的判断。无论是模型与数据,还是芯片、制造和供应链,最终都要接受产品、客户与规模化交付的检验。山行将继续在人工智能、半导体与先进制造等方向深耕,寻找能穿越技术迭代与产业周期的公司。

也恭喜其他共同上榜的同行们!

山行资本入选中国人工智能产业投资机构TOP30

徐诗入选中国人工智能产业投资人TOP30

徐诗入选中国先进制造产业投资人TOP30

跳转微信打开

Agentic Harness Workflow 框架:把 AI Coding 变成工程化流程

2026年9月10日 18:00

原创 欢迎关注的 2026-09-10 18:00 北京

AI 编码的工程化实验:把开发拆成固定流水线,每阶段由专职子代理执行、主代理把关,配合状态落盘与人工门禁,让 AI 写代码从"碰运气"走向"可交付"。

。图片

点击蓝字,关注我们

图片

作者 | 李忠泽

导读 

introduction

把整段需求直接丢给 AI 写代码,结果越写越偏、中途断了还接不上?本文作者给出的答案是:别去造更聪明的 Agent,而是给 AI 编程套上一副"工程框架"。他自研的 Agentic Harness Workflow,把一次开发拆成需求澄清、方案设计、编码实现、审查验收、提交归档等阶段,每阶段交给一个只干一件事的子代理,由主代理统一调度把关,关键节点留人拍板;配合状态落盘,中断、换人、换工具都能无痛续跑。文末还附上了完整实战复盘与踩坑清单。

全文 8019 字,预计阅读时间 6 分钟

GEEK TALK

01

为什么需要 Harness

相信大多数开发者都亲身体会过,如果把一个真实需求一次性丢给一个长上下文 Agent,会面临如下几个问题:

  1. 上下文膨胀与结果漂移:需求、方案、代码、测试、日志全堆在一个上下文里,越到后面它越容易忘了前面说好的约定,慢慢偏离你最初想要的东西。

  2. 跳过必要的工程步骤:Agent 可能直接写代码,遗漏需求澄清、方案评审或测试设计。

  3. 过程不可恢复:会话被压缩、重启或中断后,很难可靠判断“现在在哪一步、正在等待什么、哪些任务已完成”。

  4. 自动化过程缺少人工门禁:没有明确的门禁和人工确认点,错误方向可能一路运行到最后,之后返工会消耗更多的人力。

所以我的思路是,不是"再造一个很聪明的 Agent",而是给 AI 编码套一副"工程框架"——把一个需求从提出到归档拆成一条固定的流水线,每个阶段交给一个只干一件事的 Sub-Agent,主会话 Agent 负责调度、管状态,并在每个要紧的地方停下来等人拍板。

GEEK TALK

02

三类应用拓扑对比

从概念上来讲,目前有如下三种结构:

我设计的这套 Harness:Workflow 为主,阶段级 Multi-Agent 协作,并保留 Human-in-the-loop。

注:这里并不是真正意义上的 Multi-Agent,只是目前 Coding Agent 工具,比如 Claude Code、Codex 等自带的 Sub-Agent 能力。

GEEK TALK

03

总体架构

3.1 一条完整的生命周期

一个需求沿固定顺序推进:

    init → specify → plan → tasks → test-plan → plan-review
      → implement → code-quality → e2e-run → human-acceptance
      → commit-push → archive 

    其中,implement → code-quality → e2e-run 是自动执行区;其余大多数阶段在完成后会停下来等待用户确认。human-acceptance 和 archive 没有独立 Agent,由 Manager 负责呈现、验收和收尾。

    3.2 CLAUDE.md:框架入口与项目知识库

    CLAUDE.md 在这套框架里承担两件事:一是框架的入口,二是项目知识库。

    一、框架入口。 Coding Agent 在会话开始时会自动加载 CLAUDE.md,这是整条链上唯一会被"自动"读到的文件。所以它本身不写任何流程逻辑,只做三件事:点明阶段流程、指向三份规则文件(流转表 state-graph.json / 通信协议 protocol.md / 状态字段说明 state-schema.md)、以及最关键的一句——主会话必须始终遵循 .harness/rules/manager.md。Manager 的行为准则、状态机字段含义、阶段次序,全都在那几份文件里;CLAUDE.md 只负责把它们挂上来,harness 就算 Ready 了。

    二、项目知识库。 Harness 本体是通用的,但它跑在什么项目上是特定的——有哪些代码库、怎么起服务、连哪个测试库、提交要建什么卡、代码库之间谁依赖谁。这些"项目事实"全部登记在 CLAUDE.md 的知识库索引里,目前分四块:

    这里有一个约定:只有Manager读 CLAUDE.md,所有Sub-Agent一律不自己读。 Manager 按当前需求的相关性,从知识库里挑出需要的片段,通过 input 的具名字段下发——比如把环境表相关内容装进 environment_knowledge 给 e2e-run,把建卡空间装进 icafe_space 给 commit-push,把文档链接装进 knowledge_refs 给 plan。

    这么设计有三个好处:

    1. 不让每个 Sub-Agent 都把整个知识库吞进上下文——它只拿到与自己这一步有关的那几行;

    2. Sub-Agent 保持通用——它只认 input 里的字段,不认某个项目的具体布局,所以换个项目只需要换一份 CLAUDE.md,agents/ 和 rules/ 一行都不用动;

    3. 知识变更只改一处——新增一个代码库就在表里加一行,不用去改十个 Agent 文件。

    还有一条是被实际测试坑出来的原则:不假设、缺就问。 不同代码库的配置位置和形态可能完全不一样(我们这里有一些服务的配置是在 conf/servicer/*.toml,但那不是通用规则)。某种意义上,CLAUDE.md 就是知识层插件:rules/ 是骨架、agents/ 是阶段,都是通用件。

    3.3 调度者:主会话 Manager

    这个 Harness 的核心是主会话 Manager。它一个人分饰三个功能:

    • 调度——决定这一轮该派哪个阶段的 Sub-Agent 执行,是往前走还是往回退。

    • 状态管理——它是唯一有权写 workflow-state 的人,也负责把需求在"进行中 / 挂起 / 已归档"几个目录之间搬来搬去。

    • 对话输出——Sub-Agent 只跟它用结构化协议对话,你只跟它用自然语言对话,两边的话都由它来转。

    Manager 有一条我设计的铁律:它只认 Sub-Agent 回传的那个结构化协议,不读任何产物的正文(spec、方案、任务、测试、报告),也不读业务代码。 它只从协议里取"结论"(通过 / 打回 / 要你确认),从状态文件里取"进度"。

    因为 Manager 从不把一堆产物正文和代码吞进自己的上下文,主会话才能在一个需求走完十几个阶段、来回折腾很多轮之后,仍然是轻的、稳的、不飘的。你要是问它"刚才那条结论为什么这么判",它也不会自己去翻代码回答你,而是把问题重新丢回给当初给出这个结论的子代理,让它来解释。

    这里的调度不是单靠 Manager 自己的理解,我们把状态之间的流转设计成了一张“图”,存放在了state-graph.json,这样 Manager 就很清楚的知道下一个阶段该是什么,并且每一个后置的阶段都可以回退到上一个阶段,这里是通过 Sub-Agent 的“建议”,以及 Manager 对于用户输入的理解判断,共同决定。

    3.4 执行者:阶段 Sub-Agent

    每个 Sub-Agent 有一个独立的 Agent.md 文件来控制这个 Sub-Agent 是做什么的。而每个阶段干什么、产出什么,列个表:

    每一个阶段都会通过定好的结构化输出协议来和 Manager 进行通信,Manager 会将 Sub-Agent 的输出整理呈现给用户,Manager 不用去读取每个 Sub-Agent 的阶段产物,只需要 Sub-Agent 定好一个对人可读性友好的输出即可。

    而且这里有一个小设计,就是将“裁判员”和“运动员”分开设计,不让 Agent 自己设计自己评估,分成两个阶段 plan 和 plan-review,由一个 Sub-Agent 进行技术设计,另外一个 Sub-Agent 进行评估,整体设计参考了对抗性的思想,但凡涉及到审查的环节(比如技术设计、测试),都需要挑战设计中的假设,而不是确认正常流程能跑通。

    3.5 状态机:workflow-state

    流程状态不依赖聊天记忆,而是落在每个需求目录的 workflow-state.json 中。最重要的字段包括:

    • current_state:当前阶段;

    • pending:当前等待点,例如等待前进确认、澄清、回退确认、人工验收、推送确认或 CR 评审;

    • states:阶段历史、状态和产物路径;

    • review_findings:门禁发现的问题及其应跳转的阶段;

    • loop 计数、涉及仓库、验收服务等运行数据。

    其实这个设计思想就是,我们不应该让 Agent 完全依赖本身自己的上下文记忆,应该有一个 Handoff 机制,我举个例子,如果你当前在用 Claude Code 做到某一个阶段,接下来由 Codex 接手,如果 Codex 不具备 Claude Code 的记忆,那么他其实并不知道当前执行到哪里了,而且尽管在同一个 Coding Agent 内部,如果他的上下文压缩了、Memory 清空或者开了一个新的会话,都可以继续接手执行。

    那么整体的交互如下:

    3.6 协议:protocol

    Manager 与每个阶段 Sub-Agent 之间只使用一个协议对象,它是一个双向协议:派发时由 Manager 填请求侧字段,返回时由 Sub-Agent 返回响应侧字段。两侧共用同一套字段约定。

      {
        "state":        "派给哪个阶段(Manager 填)",
        "user_message": "用户这一轮的原话(Manager 填)",
        "input":        { "本阶段所需上下文(Manager 填)": "..." },
        "status":       "ok | needs_input | fail(Sub-Agent 填)",
        "output":       { "结构化结果(Sub-Agent 填)": "..." }
      }

      逐个说明:

      注:protocol.md、各阶段模板、业务代码,都是 Sub-Agent 自己读的,不由 Manager 传。

      3.6.1 请求侧:input 

      各阶段的input专属 Key 是提前定义好的,这也是"Sub-Agent 保持通用"的关键:

      请求侧三个字段:state 是派给哪个阶段,user_message 是用户原话逐字透传,input 是这一阶段需要的上下文。input中每个阶段的 Key 由 manager.md 的调度规则定义。

      而且协议里有三个通用可选 Key,只在特定情形出现:

      3.6.2 响应侧:status  + output 

      响应侧只有三种 status:

      • ok —— 这一阶段做完了,等用户确认后前进;

      • needs_input —— 没做完,需要人介入(多轮澄清、环境卡住、或要回退到上游补东西);

      • fail —— 阶段失败,output.next_state 给出建议打回的目标(比如 e2e-run 不过 → implement)。

      output 里有四个通用字段(几乎每个阶段都有),加上各阶段自己的小字段:

      个别阶段的output也有自己的专属 Key:

      注:响应侧的信息会包装在一个control-result里面,这是让阶段 Sub-Agent 结构化输出,Manager 去解析的一个规则。

      3.7 执行到测试的 Loop Engineering

      之前 Codex 发布了/goal这个命令,实现一个需求,直到 Agent 做完它才会停止,后面也推出了 Loop Engineering 的概念,我的这里其实也参考了这个 Loop 的设计。

      Agent 可以自动连续完成“implement 写代码 → code-quality 静态审查 → e2e-run 跑系统测试 → implement 定向修复”,但自动化不是无限循环。我给每条自动修复的循环都设了次数上限,达到阈值后还没过,就停下来把问题呈现给用户,让用户三选一:继续修、直接放行、或者有疑问要阶段 Sub-Agent 解释。

      3.8 阶段回退:判根因、过门禁

      这套框架里所有回退都走同一套机制,不管触发它的是谁:

      1. 用户主动推翻上游(做到 plan 才想起需求说漏了);

      2. 下游 Sub-Agent 报出上游缺口(test-plan 发现 plan 没定义接口路由,写不出可执行用例);

      3. 门禁打回(plan-review 审出问题,指向最早出问题的那个阶段);

      4. 自动执行区的测试打回(code-quality / e2e-run 不过 → 回 implement)。

      人工验收不通过、或者 CR 评审有意见时,Manager 照一张固定的映射表判目标:

      回退的目标阶段必须在流转表 order 里位于当前之前,且在这个需求的历史里已经真正完成过。这防止"回退"变成乱跳。

      校验通过、用户确认之后,Manager 在同一次写入里完成状态转移:当前阶段落终态、目标阶段由"已完成"改回"进行中"、current_state 指向目标阶段,并把刚才那个回退原因作为 rollback_reason 放进目标 Sub-Agent 的 input,让阶段 Sub-Agent 知道这次回来要做什么、补什么。

      这里有个细节:等待用户确认的期间,当前阶段一直是"进行中",终态只在真正转移的那一次写入里才落到状态及文件。 "已完成"严格意味着"用户已经拍板、流程已经离开它",绝不在等确认的时候提前写。这是为了让冷启动恢复时状态永远是正确的,任何时刻至多一个阶段处于"进行中",且它必然等于 current_state。

      3.9 Human-in-the-loop:人需要确认的地方

      状态文件里有一个 pending 字段,它表示的是每个阶段都要停下来等人拍板,每一个类型都明确记着"在等什么、用户确认后去哪个阶段":

      GEEK TALK

      04

      从 Worktree 到验收:多需求如何具备隔离性的工作

      4.1 工作目录结构

      Harness 工作空间目录结构

        <工作目录>/                              ← 主会话(Manager)的 cwd
        │
        ├── CLAUDE.md                            ← 框架入口 + 项目知识库索引
        │                                          (环境表 / 研发流程 / 依赖顺序,Manager 从这读取作为 input 下发)
        ├── .mcp.json                            ← MCP 服务(Playwright,给 e2e-run 跑前端)
        │
        ├── .harness/                            ← ★ 框架主目录
        │   ├── rules/                           ← 规则与模板("插件"里的规则层,可替换)
        │   │   ├── manager.md                   ← Manager 规则(always active,主会话必遵守)
        │   │   ├── protocol.md                  ← 通信协议(协议结构 + message 话术规范)
        │   │   ├── state-schema.md              ← workflow-state.json 字段与状态置位时机
        │   │   ├── state-graph.json             ← 流转表:order(阶段次序)+ next
        │   │   ├── spec-template.md             ← ↓ 各阶段产物模板
        │   │   ├── plan-template.md
        │   │   ├── tasks-template.md
        │   │   ├── test-plan-template.md
        │   │   ├── plan-review-template.md
        │   │   ├── code-quality-template.md
        │   │   └── e2e-run-template.md
        │   │
        │   ├── active/<index>-<slug>/           ← 正在做的需求,全局至多一个
        │   ├── process/<index>-<slug>/          ← 已开始、挂起的需求
        │   ├── archived/<index>-<slug>/         ← 已完成归档的需求
        │   └── worktrees/<index>-<slug>/        ← 本需求的 git worktree 根
        │       ├── <仓A>/                       ← 每个涉及仓一个子目录(implement 在此施工)
        │       └── <仓B>/
        │
        ├── .claude/
        │   ├── agents/                          ← ★ 阶段("插件"里的阶段层,加/删/改即改流程)
        │   │   ├── init-agent.md
        │   │   ├── specify-agent.md
        │   │   ├── plan-agent.md
        │   │   ├── tasks-agent.md
        │   │   ├── test-plan-agent.md
        │   │   ├── plan-review-agent.md
        │   │   ├── implement-agent.md
        │   │   ├── code-quality-agent.md
        │   │   ├── e2e-run-agent.md
        │   │   └── commit-push-agent.md
        │   │                                    ← human-acceptance / archive 无 agent(Manager 自己管)
        │   └── skills/                          ← ★ 可插拔能力("插件"里的能力层)
        │       ├── huibo-test-mysql/            ← 连测试库
        │       ├── huibo-test-redis/            ← 连测试缓存
        │       ├── icafe-card-assistant/        ← 建 iCafe 卡
        │       ├── icode/                       ← 建远程分支 / 推 CR
        │       └── get-ugate-token/
        │
        ├── <业务仓A>/                            ← 主仓(各自独立 git 仓;顶层不是 git 仓)
        └── <业务仓B>/

        单个需求目录(<index>-<slug>/)内部

          .harness/active/<index>-<slug>/
          ├── workflow-state.json                  ← ★ 状态文件(Manager 独占写)
          │                                          current_state / pending / 各阶段 status /
          │                                          repos / skip_gates / acceptance_services /
          │                                          review_findings / 三个 loop 计数
          ├── spec.md                              ← specify 产物
          ├── spec_user_message.md                 ← 用户原话存档(抗上下文丢失)
          ├── plan.md                              ← plan 产物
          ├── plan_user_message.md                 ← 用户原话存档(抗上下文丢失)
          ├── tasks.md                             ← tasks 产物(可勾选清单)
          ├── test-plan.md                         ← test-plan 产物
          └── reports/                             ← 审查与测试报告
              ├── plan-review.md                   ← 惰性:只有打回过才产
              ├── code-quality.md                  ← 每轮追加
              ├── e2e-run.md                       ← 每轮追加
              └── screenshots/                     ← e2e-run 前端 TC 的 Playwright 截图
                  └── TC-003-xxx.png

          4.2 需求空间隔离

          我们设计这个框架,本质是希望可以兼容多需求并行的场景,所以这里的设计是用了git worktree,在Implement阶段之前,Manager 根据 tasks 阶段产出的仓库集合,为每个业务仓建立同名特性分支和独立 worktree。实现、静态审查和 e2e 都复用同一 worktree;修复轮不重建,归档时才清理。这样就让多个需求之间完全隔离,我们的根目录下面,只需要有全部的代码库,而且每个代码库都及时同步 master 分支保证最新的代码,每个需求会根据当前最新代码新建git worktree,而且每个需求下都有自己的workflow-state.json及阶段产物。

          这个设计有三个直接收益:

          1. 主工作区不被临时产物污染;

          2. 代码审查看到的是同一份改动,而不是每轮重新推导的快照;

          3. 中断或回退后可以继续已有任务,已勾选的 task 不需要重复执行。

          4.3 提交代码的依赖关系

          commit-push 分为两段:

          1. prepare:整理改动、建立 iCafe 卡、生成提交确认表;

          2. execute:用户确认后才真正 commit、push 和创建 CR。

          CR 评审由人工完成,Harness 只根据评审结果继续下一层或归档,不代替评审者合入主分支。归档阶段负责停掉验收服务、迁移需求目录、删除 worktree 和已合入分支。

          多仓代码库一般会有一个公共库的设计,这样避免同一份代码文件散落到不同代码库中需要多份维护,所以我们在commit-push做了一个特别设计,我们的代码库依赖关系会写到CLAUDE.md,Manager 会把这部分内容带给commit-push ,commit-push会先提交依赖代码库的 CR,然后等待用户反馈是否合入(因为目前 icode CR 还需要人工 +2,或者如果有 Skill 能直接去 icode 拉取评分,这块可以改成自动化),合入了之后,会派发implement去修改其他代码库的依赖关系(比如go get xxx@latest),这里有一个设计就是在implement阶段加了一个可选 Key skip_gates,这样刚才介绍的“执行到测试的 Loop Engineering”  就可以只执行然后直接跳过测试(因为本身也存在一些自测需求或者小的改动,不需要进行复杂的 e2e 测试)。等这部分准备好后,commit-push 会继续提交其他仓的 CR。

          GEEK TALK

          05

          DeepSeek Harness:"Everything is a Plugin"

          DeepSeek Harness 是 2026 年 8 月开源的一套 Agent 框架(MIT 协议,命令行叫 dsh),它最核心的一句话就是 "everything is a plugin"(一切皆插件):模型、工具、技能、会话、沙箱、存储、循环、调度、连 UI,全都是可以随意替换的插件;甚至驱动每一轮对话的那个 agent loop 本身,也是一个能从配置里换掉的插件。它的哲学被总结成一句很妙的话——"从一个已经能用的完整 Agent 出发去替换零件,而不是从一堆零件出发去攒一个 Agent"。底层它还有一条 append-only 的会话日志,resume、fork、replay 都基于这条事件流。

          在这几个月我逐渐研究 Harness Engineering 的时候,我觉得这个东西也应该是一个“框架”,如果这个 workflow 实现了,那么其中所有的“组件”,不管是需求澄清还是实现代码的 Agent 都可以被替换,用户也可以根据自己的设计添加 Hook、Tools、Skill 包括 CLAUDE.md,这些“组件”都可以根据业务自身去做定制化,包括这套设计,中间是一个极简、几乎不动的核心(Manager),外面的一切都是可以替换、可以定制的"文件插件"。

          具体到能换什么:

          • 每个阶段都是插件。 一个阶段就是一个 markdown 定义的 Sub-Agent 文件。你想改某个阶段的行为,就改那个文件;想加一个新阶段(比如插一道"安全审计"),就加一个 agent 文件、在流程表里排上;想去掉某个阶段,删掉就是。

          • 能力(skill)是插件。 查库、连缓存、建 iCafe 卡、推 iCode CR、用 Playwright 驱动浏览器……这些都是按名字挂上去的可插拔技能。

          • 规则和知识是配置。 通信协议、流程次序、状态字段、各阶段模板、以及项目知识库(哪些仓、怎么起服务、连哪个库),全是框架外的文件。流程次序想调整,就改流程表那个文件;换个项目,就换一份知识库,核心逻辑照旧。

          • 进度也是可恢复的。 前面说的"状态全落盘",本质上和 DeepSeek 那条 append-only 会话日志是同一个诉求——让流程能被恢复、被接续。

          当然也有不一样:DeepSeek Harness 是个通用的 Agent 运行时,连 agent loop 都能换;我这套是专门为"编码这件事的生命周期"定制的、带固定阶段流水线的 Harness。但在这条流水线内部,阶段、能力、规则、知识确实都是可替换、可定制的插件——Manger 极简、阶段技能皆可换,这一点是共通的。

          GEEK TALK

          06

          一次真实的冒烟测试

          我按一个真实需求,把整条流水线从头到尾跑通的记录。我特意覆盖了各种路径:正常前进、多轮澄清、中途改需求回退、门禁打回后逐级复审、自动执行区的打回-修复循环、冷启动恢复、提交建 CR、最后归档。这是一张总览:

          具体耗时:

          GEEK TALK

          07

          还没解决的问题,和接下来想做的

          跑下来也踩到不少坑,如实记在这儿,也是后面要改的方向。

          1. Sub-Agent 每轮都在重新加载上下文。 那些需要多轮澄清的阶段(比如 specify、plan),子代理每一轮都得把它默认要读的那批东西重新加载一遍,挺浪费。想法是复用类似"Sub-Agent 会话 ID"的机制,这一点其实我发现在使用 Claude Code 的时候,如果在某一阶段,提问类话术,Manager 会自动找到上一个 Sub-Agent 的会话 ID 继续,让同一阶段的多轮交互延续同一份上下文,而不是每轮重来——这其实也是 Multi-Agent 架构可以解决的,只是现在的调度还没做到这一层。

          2. plan 阶段没有搜索边界,容易超时。 plan 实测跑到过一个小时,严重超时(这里声明不是每次,而且有的时候是模型首包延迟过长)。plan 的活确实需要读代码,但现在的规则只是让它"自己去 Grep/Read",没划边界。得给它补上知识库,利用渐进式索引,让 Agent 能快速定位、定位的准、读得少,本次允许读哪些仓、最多翻多少文件、调用链最多追几层、多久没收敛就该停、范围太大时该反过来问用户什么。

          3. 产物和状态不是原子完成的。 实测碰到过:test-plan.md 已经在、也标了 Ready,但重新进流程时 Manager 很难判断——文件到底完整不完整?是 Sub-Agent 其实做完了只是结果丢了?该不该覆盖?能不能直接往下走?得把"写产物"和"改状态"做成原子的、可校验的一步,重入时才能可靠判断某阶段到底完没完成。

          4. Manager 越界替用户答疑。 审查类阶段(比如 plan-review)会把打回结论和理由抛给用户;用户一有疑问,Manager 有时会自己跑去读代码来解答。这其实破了"Manager 不读正文/代码"的规矩,正确做法是把疑问回灌给出结论的 Sub-Agent 去解释(这条后来已经在规则里收敛掉了,经过几次测试发现不会产生)。

          5. 前端设计需要更多能力兜底。 研发自己做页面,难免缺前端设计的详细描述,又不能全交给 AI 自由发挥。我实测第一次 AI 设计的界面就过度复杂了——功能是实现了,但交互和样式都不够简洁。这块可能得让前端或设计介入,提供一些前端实现/设计规范类的 Skill 来约束。

          6. 云端 memory 的自进化还没做。我理想中的 Harness Engineering,应该是每跑完一次流程,就把这次遇到的实现问题、测试 bug 沉淀下来——我之前看到过一个说法大概是这个意思,面对 bug,第一优先级不该是让 AI 去想"怎么修这个",而是"怎么让下次不再产生"。现在虽然跑完会往本地 memory 里存,但换台机器这部分就丢了,得做一个云端共享的 memory,让经验能跨机器、跨会话攒起来,真正形成自进化的闭环。

          7. 工作目录的结构设计对团队使用不友好。目前虽然我将所有内容都放在了一个 git 仓库,但是使用却不是这么用的,曾经看了其他团队的文章,使用了git submodule的方式,本项目的这个设计放在 git 上是作为云端存储,在本地,当前工作空间的根不能是一个 .git 目录,后续应该维护成一个团队友好的 WorkSpace 目录。

          8. 未建立完善的线上运行的可观测性日志与监控。现在框架的产物其实只有两类:一是各阶段的产物与报告(spec / plan / 审查报告 / 测试报告 / 截图),二是状态机文件里的状态快照(当前在哪、在等什么)。这两样可以做到"单个需求怎么走完的",但无法观测某个阶段是否执行的正确,调用链路、读取内容是否符合预期,就跟传统线上业务,需要有监控、日志、报警一样,Agent Workflow Framework 同样需要具备这些能力(可以自定义 Hook 或者 Coding Agent 内部的 Hook 去采集)。

          跳转微信打开

          DeepSeek V4.1 Flash:更强、更快、更普惠

          2026年9月10日 13:44

          原创 深度求索 2026-09-10 13:44 北京

          原生多模态,全新基座模型

          今天,我们正式发布 DeepSeek V4.1 Flash 模型。这是我们全新模型结构系列中的最小尺寸的模型,具备原生多模态视觉理解能力。新模型结构的设计初衷是:能力上限更高、推理速度更快、吞吐更大、可扩展到更大参数模型。

          非对称模型结构,小成本大智能

          DeepSeek V4.1 Flash 为 552B 参数的 MoE 模型,采用了全新的 Causal-Encoder-Decoder 结构,输入和输出不对称,输入激活只有 8B,输出激活 16B,成本显著低于已知的同尺寸模型。同时,V4.1 Flash 还采用了新的预训练方式、经过了更大规模的强化学习后训练,在基准测试中,成功超越了包括 DeepSeek V4 Pro 在内的一众旗舰模型的智能水平。

          DeepSeek-V4.1-Flash 与主流前沿模型在 Agentic Benchmark 上的性能对比

          更少缓存,更省成本

          新一代模型大幅减少了 KV Cache 缓存的大小,与上一代模型相比,对 HBM 的需求减少到 1/4,对 SSD 的需求减少到 1/8。在 Agent 使用场景中,缓存命中的费用往往占比较高,对 KV Cache 的压缩大幅降低了 Agent 类任务的使用成本。

          如图展示了 DeepSeek 在减少上下文存储方面的持续进展。相对于初代模型,KV Cache 已经缩小了 437  倍。

          API 支持

          DeepSeek V4.1 Flash 已同步上线 DeepSeek API,原生支持多模态,将模型名称更改为 deepseek-flash 即可调用最新的 V4.1 Flash 模型。旧版本模型 V4 Flash 与 V4 Flash Vision Exp 现已下线,出于兼容考虑,模型名 deepseek-v4-flash、deepseek-v4-flash-vision-exp 将被暂时路由到 V4.1 Flash。

          同时,经多方测试,V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越 V4 Pro,因此我们计划有序下线V4 Pro 模型。北京时间 2026 年 9 月 14 日 12:00 之后,至未来 V4.1 Pro 上线之前,用户访问 deepseek-v4-pro 的请求将全部路由到 V4.1 Flash,并按 V4.1 Flash 单价计费。

          腾讯(WorkBuddy、CodeBuddy)和 OpenCode 作为官方合作伙伴,现已全量接入 DeepSeek V4.1 Flash,欢迎使用!

          API 定价调整

          得益于模型架构的创新,DeepSeek V4.1 Flash 能够以更低的成本服务更多的用户,因此我们相应下调了 V4.1 Flash 的定价。同时,为了更合理地调配资源,我们仍然采用峰谷定价,闲时价格为高峰时段价格的一半,鼓励用户根据实际使用情况调整任务时间。新价格于 2026 年 9 月 10 日 12:00 开始生效。

          模型开源

          我们将会全力支持开源社区进行新模型的推理适配,并尝试通过各种方式扩大部署的范围。如果您有大规模部署的需求且具备相应的资源(2k 卡 GPU、有存储集群),欢迎与我们联系。

          图片

          跳转微信打开

          止盈计划

          2026年9月10日 13:39

          原创 也谈钱 2026-09-10 13:39 德国

          最近常被问到,现在是不是牛市中后期了,应该如何考虑止盈计划

          目前大家看的是牛尾行情,有止盈或者提现的计划吗?

          现在是不是到牛市中后期了,要把手上的基金全部清掉吗,还是用方式什么判断是不是到高估了。

          分享几个我自己比较喜欢的思路,供大伙参考:

          主动基金,可以看偏股基金指数 3 年滚动年化收益达到 20~30%,目前是 10%,还有空间。

          选择主理人有明确止盈计划的投顾,这样就不用自己操心了,可以一直拿着。投资不是越折腾收益越高,有些时间花在工作和生活上更有性价比。

          海外资产,可以不止盈,定期再平衡为主。尤其投资海外成熟市场的基金,波动率比较低,止盈的意义不大。

          1、

          先说可以不止盈的情况。

          大伙如果习惯在 A 股投资,容易有必须止盈才能留住利润的思维惯性。但实际上,止盈是有前提的。股票市场越成熟、波动越小,止盈的价值越低,甚至会拖后腿。

          假设一个极端情况,某笔投资没有波动,就稳稳每年涨 6%,就任何时间都不该止盈。

          所以如果资产波动比较低,比如投向美股、欧股的 QDII 基金,我更倾向不止盈。重点关注自己什么时间用钱,平时再平衡,用钱前 3-5 年开始分批变现即可。

          这方面也有统计数据。

          在 A 股过往规律很明显,估值越高,后面几年预期收益越低。

          但换到美股,有知有行做过一组历史回测:在不同估值时买入标普 500,再持有 8 年。结果发现,高估时买入,相比正常估值买入,并没有明显更差 👇 这也是我不愿意仅仅因为「感觉贵了」,就卖出美股宽基指数的原因。

          大伙可以观察下,美国写给普通人的理财书几乎不讲止盈,都是定投然后一直拿着,最多定期再平衡一下。直到用钱前几年。朴实且枯燥。

          反过来波动越大,高点越高、低点越低,高点会透支未来涨幅,止盈才有意义,能帮我们留住利润。

          过去几年,投资 A 股的伙伴经常后悔「当初应该止盈的,现在利润都吐回去了」。而买过美股的伙伴经常后悔「当初不该卖的,错过这么多收益」。

          2、

          说两个我比较认同的止盈思路。

          相对容易估值的资产,比如指数基金,可以参考 PE 市盈率、PB 市净率和股息率来估值。

          举个更贴近生活的例子,来说明它们都是什么意思。

          假设你想盘下楼下的早餐店。算了一笔账,店铺+设备+存货,减去贷款,净值 50 万,早餐店每年净赚 10 万。老板开价 60 万,想把整家店卖给你。

          市盈率 PE 就是 6 倍:花 60 万,买下一门每年赚 10 万的生意。相当于付了它 6 年利润的价钱。

          市净率 PB 就是 1.2 倍:花 60 万,买下账面值 50 万的净资产。

          每年赚到的 10 万,不一定全能拿回家。假设一半留在店里,更新设备、周转经营,一半拿回家,每年就是 5 万。

          股息率就是 5 ÷ 60 ≈ 8.3%:相对于买店花的钱,每年有多少现金分到你手里。

          同一家店,如果盈利、净资产和分红都不变,老板把报价从 60 万涨到 100 万,PE 就从 6 倍变成 10 倍,PB 从 1.2 倍变成 2 倍,股息率则从 8.3% 降到 5%。

          如果你是买家,肯定希望卖家开价越低越好,也就是希望 PE、PB 低一些,股息率高一些。

          如果后来又有人想买你盘下的早餐店,那你肯定希望对方报价越高越好。所以希望 PE、PB 高一些,股息率低一些。

          虽然还有很多细节没有考虑,比如早餐店今年赚 10 万,未来能不能一直这么赚;店铺净值 50 万,但会不会有价无市,卖不出去……但总的来说,这就是估值基本的逻辑。

          ……

          但也有些资产没那么容易估值,比如主动基金。没法实时知道基金经理持有什么、持有多少,这种情况我更倾向于看历史规律。

          比如回看前几轮行情,代表主动基金的偏股基金指数相比底部的涨幅,我认为值得止盈的大行情,都有 100% 以上的涨幅 👇

          可以参考历史规律再打个折,来做止盈计划。

          主动基金我看的就是这类指标——偏股基金指数三年滚动年化收益,以往达到 30% 就是高点了。可以考虑从 20% 开始分批止盈。

          大伙可能会问,如果计划是 20% 开始止盈,结果涨到 19% 就跌回去,那不怕拍断大腿吗?

          对此我是这么想的:

          如果止盈是为了以后低价买回来,那卖出只做了一半,还要考虑什么时候买回来。卖得合适、买得回来,两件事都做好,比单纯卖出更难。只有涨得足够高,未来低价接回来的空间才足够大。如果跌了 20% 就触底反弹重新上涨,底部我们可能觉得「还要跌,再等等」,很难买回来。

          所以最好等明显高、甚至离谱高再行动。否则就继续拿着,哪怕被说「如果你当时卖了,现在就…」。总想着卖,就拿不住大部分涨幅。总想着回本就卖,就总在回本。

          3、

          也说一个很普遍,但我不太认同的止盈方式——「赚到 XX% 我就卖出」。

          举个有点极端、但很好理解的例子。

          假设现在金价 1000 元/克。一天晚上,朋友急需用钱,但这时候金店都关门了。他等不到明天,愿意每克 500 元卖给你(别怀疑,你就是有这么好的朋友)。

          你买了。

          后来另一个朋友听说了,愿意出更高的 750 元。你要不要「赚了 50% 我就卖」,赚 50% 已经很知足了?

          你大概率不会,因为等到第二天金店开门,就能卖到 900 多。

          假设情况反过来,你被人忽悠了,1000 元金价,你 1100 买的。这时候有个更傻的,愿意 1200 从你手里买走,你要不要「等赚 20% 再卖」?

          现实情况比这个更复杂,不像金价,我们很难准确估计手里的基金当前值多少钱。但根本问题在于——赚多少取决于买入价格,这和该不该卖是两码事儿。

          所以我还是更倾向于前面的估值方法,去模糊判断目前「金价」是多少,而不是自己目前赚了多少。

          4、

          止盈前,还有个问题值得提前想一想:卖出来的钱,准备干什么?

          不然容易拿着投资时想卖,变成现金后又觉得烫手,再到处问:“现在手里有一笔钱,应该怎么配置?”

          如果这笔钱要拿去消费、改善生活,那很好,投资完成了它的任务,投资就是为了更好地生活。但如果它依然是笔长期闲钱,卖出以后,我们还得继续打理它。

          因为怕跌而卖出,又因为怕错过而买入,很容易折腾一圈,回到原来的位置。

          所以我会尽量在卖之前,先想好这笔钱的下一步。留作生活费、降低风险、等待便宜,或者换入更合适的投资,都可以。关键是想清楚,为什么这么做。

          换个角度看,很多投资之所以一直拿着,也是因为如果变成现金,我还是想买它们。

          5、

          因为未来无法预测,我们很难找到一个完美的止盈计划。

          没卖,跌了,会后悔当初没止盈;卖了,继续涨,会后悔跑得太早。卖掉一半,涨了嫌卖多了,跌了嫌卖少了……总能事后找到一个「当初那样做就好了」的更优解。但做决定时,我们并不知道后来会发生什么。

          所以制定止盈计划时,我会尽量把几种可能都想一遍:继续涨怎么办,跌回去怎么办,卖完一直等不到买回的机会又怎么办。

          把各种后悔遗憾放在一起比较,选一个总体上后悔最小、自己能执行下去的方案。

          比如对我来说,没到止盈条件就跌回去,虽然会遗憾,但这笔钱暂时不用,我愿意继续持有。反而如果早早卖掉,后来错过收益、一直买不回来,可能更让我难受。所以我的计划会倾向于多拿一会儿,等明显高估再分批行动。

          大伙的用钱时间、承受能力不同,选出来的方案也可能不同。

          最理想的情况是,即使后来发现“当时换个做法会赚得更多”,也能坦然说:考虑到当时知道的信息和自己的情况,这个结果我也可以接受。 

          跳转微信打开

          The Batch: 982 | 法律、新闻和金融领域的定制模型

          2026年9月10日 12:45

          原创 DeeplearningAI 2026-09-10 12:45 北京

          Hi~新朋友,记得关注我们哟

          Thomson Reuters推出了一个专有的大语言模型系列,名为 Thomson。它基于 Qwen 模型构建,采用定制的数据工程和重新训练流程,旨在比通用 LLM 在法律和金融等领域提供更准确、更完整的回答。

          ● 最新消息:公司将 Thomson 构建为一个领域专用模型,专注于法律、商业、税务、金融、新闻及相关知识工作领域。Thomson 将首先部署在Thomson Reuters现有产品之一 CoCounsel Legal 中,这是一款用于研究、分析和起草文档的工具。之后,它还将扩展到其他Thomson Reuters产品上(未公布日期)。

          ✴ 输入/输出:文本输入(最多 262,000 token),文本输出

          ✴ 架构:专家混合(Mixture-of-Experts)Transformer,3970 亿参数,每个 token 激活 170 亿参数

          ✴ 性能:Thomson-1.0-Large 在税务、法律和新闻内容上的完整性与事实性方面都略微优于 GPT-5.4 和 Claude Sonnet 5;在开放网络内容的事实性上,两者都高出约 15 分;Thomson-1.0-Small 也同样优于 Gemma4-31B 和 Claude Haiku 4.5。

          ✴ 可用性:仅面向企业客户。

          ✴ 权重/许可:Thomson-1.0-Large 是专有模型,但一个 350 亿参数版本 Thomson-1.0-Small 将作为开源权重模型在 Hugging Face 上发布,供学术和非商业用途使用

          ✴ 未披露:价格

          ●工作原理:公司在 Qwen3.5-397B-A17B 之上构建了 Thomson-1.0-Large,后者是一个经过指令微调的开源权重模型。它采用了研究人员所称的“持续学习”(Continual Learning)方法,即结合全权重中期训练和微调,并在公司大型数据语料库的一个选集上进行训练。公司在新闻稿中披露,其三个月内的总训练成本为 4000 万美元。

          ✴ 研究人员重新对齐了 Qwen,使其更好地反映公司的风格与价值观,包括新闻客观性。他们通过直接偏好优化(DPO)将模型对齐到一套宪法。该宪法是开源的,可用于类似项目的适配或修订。

          ✴ 为了获得领域专业能力,Thomson Reuters及其合作伙伴 DatologyAI 从 19 万亿 token 的候选池中整理出一个 2000 亿 token 的中期训练数据集。训练数据大致由三部分组成:精选的专有文档(新闻、监管文件、判例法、合同)、成功专业任务的合成数据对,以及选取的通用能力材料。

          ✴ 研究人员使用 DPO 对模型进行了最终一轮对齐训练,并提升了智能体式深度研究中的准确性和效率。他们还使用组序列策略优化(GSPO)来管理上下文压缩和文档缓存,以避免上下文窗口过载或触发冗余 API 调用。

          ✴ Thomson-Small-1 采用类似方式训练,基座模型为 Qwen3.6-35B。

          ✴ 公司强调其以数据为中心的流程,以及对齐、中期训练和后训练方法的组合。公司表示,未来版本的 Thomson 可能会使用替代基座模型——或许是 Inkling Large ——同时会使用比目前 Thomson Reuters 语料库 10% 更大的数据集进行训练。

          ● 新闻背后:Thomson Reuters 长期以来一直在其面向法律和金融专业人士以及政府机构的产品中使用 AI,但其最新的 AI 产品是首个 LLM。公司正承受来自 Harvey 和 Legora 等新兴 AI 原生公司,以及来自 OpenAI、Anthropic、Google 等提供多种产品替代方案的通用 LLM 和智能体的双重压力。

          ✴ Thomson 的聚焦程度不如 Harvey 的新法律模型 Tenet 那么狭窄,但其数据语料库更大,涵盖新闻、商业、税务和金融。公司还表示,Thomson 在特定基准上的表现聚焦度也较低,其中包括 Harvey 颇受欢迎的 BigLawBench 和 LAB(Legal Agent Benchmark)。

          ✴ CoCounsel Legal 是一款 AI 助手,利用专有信息以及用户自己的文档来执行法律任务,例如研究问题、比较文档以及创建事件时间线。Thomson 现在将成为 CoCounsel 内部某些功能的底层模型,而其他功能则仍将依赖包括 Anthropic Claude 在内的专有模型。CoCounsel 各个版本的价格未公开,但公司声称该产品拥有超过一百万客户。

          ●重要原因:Thomson 论文作者认为,他们面向领域特定 LLM 的方法代表了一种特殊形式的主权 AI,但这是企业层面而非国家层面。Thomson Reuters 不会把数据交给更大的 AI 公司并受其基础设施与数据保留政策约束,而是将模型授权给在自有硬件上运行这些模型的公司,从而确保敏感数据永远不会离开本地。此外,其模型还可借助 Thomson 的中期训练方法,在企业私有数据上进一步训练,而无需承担预训练的高成本,也不必依赖像 LoRA 这样成本较低但效果相对有限的微调方法。

          ● 我们在想:模型定制对于广泛的 AI 应用来说仍然是一个令人兴奋的前景,而开源权重模型的日益普及为团队试验这些模型奠定了重要基础。不过,像Thomson Reuters 这样的公司仍需向客户证明,鉴于性能提升相对有限,它们的产品值得这个价格。

          点击下方阅读原文查看更多有趣内容哦~

          阅读原文

          跳转微信打开

          ❌