铃阅时讯
❌

普通视图

一站式创作Agent!用 AI 改写自媒体工作流~

2026年10月12日 21:40

原创 秋芝2046 2026-10-12 21:40 广东

雷猴啊~朋友们!

我用剪映 AI,重写了自媒体的工作流!

不管你做哪类自媒体,还是在创作 AI 视频,都有帮你提效的科技狠活。

今天,我们就沿着 AI 视频和传统自媒体视频的全流程,看看剪映升级了哪些好东西~

图片

图片

剪映 Hub 介绍

首先是新出的剪映 Hub,一个从脚本到成片的一站式工具,结合了无限画布和 Agent。

原来我们做 AI 视频,要在好几个软件之间来回切换,最后才导入剪映做精剪。

但现在,剪映 Hub 把文字、图片、音频、视频的生成和最后的精剪,全都打通了。

最关键的是,它的 Agent 上下文是统一的~

我们直接做个 AI 短剧《小师妹下山找仙尊师兄》来演示。

1.1 从一句话到分镜表

打开剪映 Hub,点击左侧的 Agent,就可以从最原始的想法开始,让它写剧本,

帮我创作一集60秒的萌娃修仙轻喜剧,采用3D国漫风格。
小师妹被师傅派下山历练,顺便寻找几位多年未归的师兄。她外表软萌、想法天真,却有着与年龄不符的强大实力。她以为师兄们在外面过得不好,满心想着去帮忙,却不知道他们早已成为各方大佬。
核心看点是萌娃视角与大佬世界之间的反差:别人眼中不得了的法宝、灵兽和人物,在她看来,都是熟悉的日常。
第一集先从一件师徒间的日常小事切入,通过互动立住小师妹和师傅的人物特点,再自然引出下山寻找师兄的任务,结尾留下追看悬念。不用一集讲完所有背景,也不急着让师兄们全部登场。

它会选用内置的Skill,先把剧本框架搭出来。

接着,继续让 Agent 一键拆成分镜表,

分镜表里面会规划好每个镜头的时长、情节与画面、运镜、台词和音乐与音效。非常到位~

1.2 从分镜到画面

有了分镜设计,我们一般要把涉及的人物、道具、场景,一张张生成出来。而在右下角这里,可以直接一键批量生成。

生成后,还能快速把这些内容「保存到资产主体」,

这样整体的人物、道具就固定好了。

接下来,该写视频提示词了,也只需要按这几个步骤操作:

1. 点击「生成分镜提示词」,

Agent 就会按照分镜,引用我们准备好的资产,整理出所有提示词。我们再检查看看有没有需要调整的地方。

2. 确认没问题后,点击「批量生成视频」就好啦~

1.3 从画面到成片

等视频按照分镜批量生成完,就可以点击「成片预览」。

在画布里,它会按分镜做好视频之间的基础衔接。

我们来看下~

1.4 从预览到精剪

看完结果,如果觉得情节问题不大,但还需要细抠一些镜头,就可以继续精剪。

美妙的地方来了~点击「更多剪辑」,就能直接进入剪映平时的多轨道剪辑时间线,完全不用导入导出。

我们可以在时间线这里调整画面的衔接点~

更方便的是,很多时候我们在精剪过程中会发现某个镜头的画面时长不够,或者画面需要编辑一下~

原来你都得转头去AI软件里吧,但在剪映的多轨道时间线里,你就可以直接 AI 后编辑,比如镜头时长不够,让 AI 把镜头延长一点。

经过几轮剪辑和调整,最后就能得到短剧成片啦~

的确是一站式成片吧~

图片

剪映助手

第二个是自媒体人必了解的功能:剪映助手——剪辑时间线里的 Agent。

我们用真人出镜的传统自媒体视频为例。原来剪一条片子,通常要剪口播,准备B-roll,对素材进行粗剪,再添加音乐和音效,继续精剪等等。

那这些原本需要剪辑师一刀一刀、一帧一帧手动完成的活,现在都可以让 Agent 帮忙提效了。

2.1 剪口播

首先我有一条讲历史的原素材,里面有不少口误和卡顿。

我们可以直接打开剪映助手,告诉它:删掉明显口误、重复句和过长空白,保留完整意思和正常停顿。

稍等几分钟,它就剪好了~

整体听下来,准确度和连贯性还可以,基本只需要再把一些气口不够自然的地方稍微调整一下。

原本一个小时的工作,差不多 10 分钟就完成了。

2.2 素材生成

剪完口播,就得配 B-roll 画面素材了。像我们平时的视频里,就有很多 AI 生成的 B-roll。

原来,我们得换到其他 AI 软件里生成,再导入剪辑时间线。现在,生成和挑选素材都可以直接交给 Agent 帮忙。

把对应的台词和想要的内容方向发给 Agent,就能让它生成一段匹配的 B-roll。

对了,它还可以用小云雀、即梦的同名账号登录,素材直达剪辑时间线~

2.3 素材粗剪

B-roll 生成完,就该做粗剪了。

把手上已有的素材导进来,加上刚刚生成的内容,一起交给 Agent,

让它先筛选素材、匹配画面,完成一版粗剪,

然后,它就会把素材排布到时间线上。

我们来看下效果~

虽然结果肯定没有那么完美,但的确省去了我们自己找素材、找位置、来回贴画面的时间,能快速看到片子的骨架,再在这个基础上继续调整。

2.4 一键包装

粗剪完成后,可能还需要加点包装。我最爱的功能来了:一键包装!

它里面有不少成熟的模板,也可以根据你的片子重新智能设计,很快就能把包装加到时间线上。

当然,它也并不是“一键成片”。有时候,还是会出现一些需要调整的问题,

不过好在它生成的是可编辑的剪辑轨道,我们可以自己再调一调就成片啦~

2.5 更多技能

另外,剪映助手 Agent 还有一些内置的技能和工作流,你也可以搭建适合自己的。

尤其是平时需要批量做视频的朋友,把长视频改成短视频,它可太擅长了~什么发布会精华、课堂回放、直播高光都能做到。

图片

更多升级

除了前面两个更便捷的 AI 功能,剪映在专业制作和手机端也都有升级。

3.1 专业制作:支持杜比视界

剪映现在跟杜比合作了,手机端和 PC 端都支持杜比视界。

大家可以用 iOS 手机,一站式完成杜比视界格式视频的剪辑和导出,过几个月还会支持杜比全景声编辑~

3.2 手机端:AI 创作打通生成与剪辑

剪映 App 里“用嘴剪辑”的 Agent,我之前也讲过一期,非常好用~

这次剪映又新上了「AI 创作」,可以做各种 AI 生成,也打通了生成到剪辑的全流程。

而且,手机版还有各种热门玩法的 Skills,可以一键复刻抖音热门~

看到这里,很多朋友可能会问:这么多 AI 升级,会不会很贵?

的确,Seedance 2.5 本来就有点小贵,但剪映的性价比还可以,尤其是 AI Ultra 的首月优惠,很值得薅~

因为它包含原来的 SVIP 权益,带有 2 万多生成积分;首月使用 Seedance 2.5,成本比其他平台便宜一半~

当然,我觉得最主要的,还是它在每个环节都能帮你提效,打通了从生成到成片的链路。

图片

好啦,总之剪映现在已经不再只是一个“剪辑工具”了。如果你在做自媒体,或者创作 AI 视频,很值得关注!

你觉得哪个功能最有用?可以分享在评论区~

我们下次见!

跳转微信打开

置身 AI 内 : 读懂 AI 竞赛, 必须读懂 AI 组织

2026年10月12日 19:51

原创 渣B 2026-10-12 19:51 浙江

本文仅代表个人观点, 与作者任职的机构无关. 

前段时间在讨论一些 AI 时代的组织结构的问题 《谈谈 AI 时代的组织结构》《AI时代 “雕花”的艺术》. 再加上更早的一段时间《置身 X 内》的文章也有不少.

有感而发, 顺手把兰小欢老师的 《置身事内》 又翻了一遍. 这本书讲的是中国政府与经济发展, 副标题叫 "读懂中国经济, 必须读懂中国政府". 越读越觉得, 书里讲的条条块块, 事权划分, 信息与激励, 几乎可以原封不动地搬进今天的 AI 公司, 于是找了几个模型 Vibe 了一下, 本文 AI 生成的含量有点高, 不过看上去还是挺值得读的, 我人肉把一些不合理的东西处理了一些.

前言: 从了解现状开始

《置身事内》 第二章的开头讲了两部电视剧. 兰小欢说他很喜欢 大明王朝1566 和 走向共和, 两部剧的第一集里, 那些历史上赫赫有名的大人物出场时, 没有半点慷慨激昂或阴险狡诈的样子, 反倒都在做世上最乏味的事: 算账. 大明朝的阁老们在算国库的亏空和来年的预算, 李鸿章, 慈禧和光绪在为建海军和修颐和园的费用伤脑筋.

"算着算着, 观众就看到了刀光剑影, 原来所有的政见冲突和人事谋略, 都隐在这一两一两银子的账目之中."

所以他说, 要想把握政府的真实意图和动向, "不能光读文件, 还要看政府资金的流向和数量". 把这段话里的 "银子" 换成 "卡", 大概就是理解今天 AI 公司最好的入口.

一家公司的战略 PPT 写得再漂亮, 也不如看一眼它的 GPU 配额是怎么分的. 哪个团队能随时拿到一整个 Pod, 哪个团队要排两周的队; 一个研究员想做一次跨三个部门的实验, 要找几个人签字; 一张卡空转一小时算谁的成本, 一次失败的实验又算谁的 "事故". 所有的路线之争和人事谋略, 都隐在这一张一张卡的账目之中.

很有趣的一个话题, 在这一波 AI 浪潮中, 为什么传统科技巨头拥有雄厚的资金, 庞大的算力和大量优秀人才, 却没有顺理成章地包揽最重要的创新? 微软, Meta, Apple, AWS 和 Google 都有深厚的技术积累, 但 OpenAI, Anthropic 以及国内一些基模公司的出现, 说明资源规模与创新能力之间, 远没有想象中那么直接的对应关系. 为什么资源优势没有稳定地转化为创新优势? 又是什么决定了这些资源能够被怎样使用? 组织结构, 很可能是其中一个被低估的变量. 梁文锋在 2024 年的一次访谈[1]中谈到:

"我们创新缺的肯定不是资本, 而是缺乏信心以及不知道怎么组织高密度的人才实现有效的创新."

这句话把一个经常被归结为技术路线和资源投入的问题, 推到了组织能力这一层. 招到一批聪明人之后, 如何让他们共同理解问题, 共同试错, 并且把各自的知识转化为整个系统的进步, 是另一种难度完全不同的事情. 兰小欢在前言里写过一句话:

"在我国, 政府不但影响'蛋糕'的分配, 也参与'蛋糕'的生产, 所以我们不可能脱离政府谈经济."

套用到 AI 上, 组织不但影响 "成果" 的分配, 也参与 "成果" 的生产. 谁和谁坐在一起, 哪些数据能被谁看到, 哪个实验能先拿到卡, 这些安排决定了哪些想法能长出来, 哪些想法在第一次实验之前就死掉了. 我们同样不可能脱离组织谈 AI.

书里还有一个词我很喜欢: "同情的理解". 兰小欢提醒读者, 要避免把舶来的理论化成先入为主的判断, 看到现实与理论不符, 便直斥现实之非, 进而把要了解的现象变成了讥讽的对象. 讨论大厂的组织问题也是一样. 骂一句 "大公司病" 很容易, 可每一道审批, 每一条部门边界, 每一套考核指标, 在它诞生的那一天大都有它的道理. 这篇文章想做的, 是先理解这些制度为什么会长成今天的样子, 再看它们为什么在 AI 时代开始失灵.

这里有两类容易混在一起的处境. 一类是研发 AI 本身的组织: 算法与系统相互纠缠, 问题在解决之前无法拆分, 不确定性来自对未知机制的探索. 另一类是使用 AI 的组织: 写代码, 整理信息和调用工具变得更快, 原有的岗位边界开始松动, 不确定性来自判断新工具究竟能在什么条件下承担工作. 将所有问题都归结为减少人数或减少层级, 会把这些差别抹掉.

文章的结构也借用了 《置身事内》. 上篇讲微观机制, 从事权划分, 信息复杂性, 激励相容和算力财政四个角度, 看 AI 组织内部的条条块块是怎么运转的. 下篇讲宏观现象, 用训推不一致, RDMA 演化和边干边学三个故事, 讨论领导者的 taste, 团队的设计, 以及组织从 "学习模式" 走向 "探索模式" 时会遇到的麻烦. 第 9 章把视角从 "研发 AI" 拉到 "使用 AI", 看 AI 进入每一个部门后遇到的外部性, 信息权力和人才培养问题.

上篇 微观机制

1. 条条与块块: AI 组织的事权划分

1.1 层层复制的大厂

《置身事内》 第一章讲政府的事权划分, 开篇就点出了我国政治体系的一个鲜明特点: "层层复制". 中央的主要政治架构, 在省, 市, 县三级都完全复制; 中央政府的主要部委, 在各级政府中均有对应部门, 中央有财政部, 省里有财政厅, 市县有财政局.

"这种从上到下的部门垂直关系, 被称为'条条', 而横向的以行政区划为界的政府, 被称为'块块'."

大多数地方部门都要同时接受条条和块块的双重领导. 书里特意点了一句: 通常情况下, "'条条'关系是业务关系, '块块'关系才是领导关系, 因为地方党委和政府可以决定人事任免".

大厂的组织几乎是同一个模子刻出来的. 集团有基础设施事业部, 每个 BG 下面又有自己的 Infra 部门; 集团有数据中台, 每条业务线又有自己的数据团队; 一个训练平台在集团层面建一套, 在 BG 层面再建一套, 到了具体的模型团队, 往往还要自己再 "包一层". 计算, 网络, 存储, 框架, 数据, 算法, 每一个专业都是一根条条, 从 VP 一路贯通到一线工程师; 每一个模型项目又是一个块块, 需要把这些条条里的人临时拼起来.

那句 "谁决定人事任免, 谁才是领导关系", 放在大厂的矩阵式组织里同样一针见血. 一个被借调到模型项目的网络工程师, 业务上听项目负责人的, 年底的绩效却是部门老板打的. 他会把心思放在哪一边, 不难猜.

过去几十年, 大企业已经发展出一套相当成熟的组织方式: 按专业划分部门, 按职责确定边界, 通过接口协调合作, 再用各自的指标衡量产出. 计算团队负责计算, 网络团队负责网络, 存储团队负责存储. 上层的算法团队提出需求, 数据团队提供数据, Infra 团队交付基础设施. 当技术路径相对稳定, 问题可以提前拆解时, 这种结构能够支撑极大的业务规模.

这套结构有它的道理. 《置身事内》 里讲, 部门之间常常互相扯皮, "某件事只要有一个部门反对, 就不容易办成". 尤其当没有清楚的先例和流程时, 办事人员会在部门之间 "踢皮球", 或者干脆推给上级, "所以权力与决策会自然而然向上集中". 为了避免把过多决策推给上级, 体制内有一条简化决策流程的原则: "尽量在能达成共识的最低层级上解决问题". 部门事务, 本部门领导就可以决定; 经常性的跨部门事务, 就设上级 "分管领导" 甚至 "领导小组" 来协调.

大厂的接口规范, SLA, 工单系统和各种委员会, 本质上就是这条原则的企业版: 把能拆的问题拆开, 让每个问题都在最低的层级上被解决. 只要问题能被提前拆分, 这就是一台高效的机器.

1.2 无法被提前拆分的问题

但前沿 AI 研发有一个麻烦之处: 大量关键问题在解决之前, 根本无法被准确地拆分.

模型结构会改变通信模式, 通信能力会影响并行策略, 并行策略会影响显存占用和训练效率. 数据的长度分布会改变计算负载, 数据配比又会影响模型收敛. 一个看起来属于算法的问题, 到头来可能要靠调整通信来解决; 一个看起来属于存储的问题, 也可能要通过改变数据组织方式才能解决. 算法, 数据和基础设施之间, 存在大量相互影响的关系.

兰小欢讲事权划分时给了三条原则: 公共服务的外部性与规模经济, 信息的复杂性, 以及激励相容. 这三条放进 AI 组织里同样成立, 只是每一条都比政府的情况更极端.

外部性更强, 一个通信库的改动, 可能影响公司里所有的模型团队. 信息更复杂, 一次 loss spike 背后, 可能同时牵扯数据, 数值, 算子和硬件. 激励更难对齐, 研究的产出周期以季度甚至年计, 考核却常常只看半年.

当技术问题需要整体求解, 组织却要求每个部门只对自己的局部指标负责时, 局部最优与整体最优之间的裂缝就出现了.

1.3 外部性: 每张报表都合格, 整体却很慢

设想一次大规模训练的效率不理想. 计算团队拿出报表, GPU 利用率并不低; 网络团队检查链路, 平均带宽和丢包率没有明显异常; 存储团队完成测试, 吞吐符合既定标准. 每个团队都能证明自己交付了合格的服务, 但模型完成一轮实验所需的时间仍然很长.

问题可能藏在这些报表的交界处. 网络平均表现正常, 少数节点的尾部延迟却可能拖住同步训练. 存储系统的顺序读取吞吐很好, 实际数据管线却存在大量小文件访问和预处理等待. GPU 很忙, 也可能有相当一部分时间消耗在重复计算或低效的数据搬运上. 部门指标提供了有用的信息, 但只有把它们放回同一个训练过程, 才能判断整个系统究竟发生了什么.

这里有一个非常朴素的数学事实. 同步训练的一个 step, 要等最慢的那个 rank 完成; 而部门报表里统计的, 通常是平均值:

最大值不小于其中任何一项, 所以期望意义下也有:

平均值合格, 不代表最大值合格. 假设每个 rank 在某一步变慢的概率只有 , 而且彼此独立, 那么在  张卡的同步训练里, 一个 step 中至少出现一个慢节点的概率是:

每一个单独看都 "99.9% 正常" 的节点, 拼在一起之后, 几乎每一步都有人掉队. 网络团队报表上那一行 "P99 延迟正常", 在训练团队眼里可能就是 "每一步都被拖慢". 两边都没有说谎, 只是在用不同的统计量描述同一个系统.

《置身事内》 里有一个水污染的例子特别贴切. 跨省的大江大河是典型的外部性难题, 一些省份把水污染严重的企业集中到了本省边缘的下游区域, "虽然本省的平均污染水平降低了, 下游省份的污染却加重了".

后来中央在主要河流和湖泊上设置了水质自动监测站, 数据直报中央, 数据造假的路被堵上了, 信息扭曲却没有消失. 一个监测站只能监测上游下来的水, 监测不到本站下游的水, 所以地方政府只要重点降低监测站上游的企业排污, 就能改善上报的数据. 结果与监测站下游的企业相比, 上游企业的排放 "减少了近六成". 总体污染确实降低了, 但污染的分布并不合理.

AI 组织里的每一张部门报表, 都是一个监测站. 只要考核看的是 GPU 利用率, GPU 利用率就一定会好看; 只要考核看的是平均带宽, 平均带宽就一定达标. 而真正决定训练速度的那些量, 尾部延迟, 数据等待, 重算比例, 恰好都落在没有监测站的 "下游".

计算, 网络和存储还会围绕同一个问题产生不同的合理诉求. 为了提高资源利用率, 调度系统可能倾向于把任务塞进零散的空闲 GPU, 但分布式训练可能更需要拓扑合适的一组机器. 为了降低存储成本, 平台可能限制高性能存储的使用, 但更快的 checkpoint 保存可以支持更高的保存频率, 减少故障后的重算, 更快的恢复则可以缩短停机时间.

一个部门节省下来的成本, 可能以更高的代价出现在另一个部门. 这就是经济学里说的外部性, 只不过它发生在同一家公司的两层楼之间.

1.4 三不管地带

《置身事内》 里有一组数据让我印象很深. 我国省级的陆路交界线共 66 条, 按边界两侧各 15 公里计算, 总面积约占国土面积的六分之一; 可在 2012 年 592 个国家扶贫开发工作重点县中, 却有超过一半位于省交界处. 书里分析了几个原因: 省会大都远离省界, 公共资源难以覆盖; 省界多在山区; 省界地区在本省之内又往往是非主流文化区. 交通上的 "边界效应" 只存在于省政府投资的高速公路和省道中, 在中央投资的国道和铁路中则不存在, "可见省政府不会把有限的资源优先配置到边界地区".

同样是这些 "三不管地带", 在民国时期给革命提供了广阔的空间. 井冈山位于湖南, 江西交界处的罗霄山脉之中, 陕甘宁, 晋察冀, 鄂豫皖, 湘鄂赣, 很多著名的根据地都在省界上.

AI 组织里的省界, 就是部门之间的接口. 网络团队管到网卡, 训练框架团队管到集合通信库的调用, 中间那一层 "GPU 发起的通信要怎样和网卡的语义配合", 往往没有人管. 存储团队管到文件系统, 数据团队管到样本格式, 中间那一层 "预处理到底卡在哪", 也没有人管. 这些三不管地带不在任何人的 OKR 里, 却恰恰是性能问题最集中的地方. 每个部门都会把有限的人力优先配置到自己的 "省会".

可三不管地带也是根据地. 正因为谁都管不到, 才有人能在那里不经审批地做一些 "不属于自己" 的尝试. 这也是我最近几年一直要 全栈 "人工" 智能 的原因, 很多的优化其实都在知识的边界处.

2. 复杂信息: 部门边界与知识边界

2.1 形式权威与实际权威

《置身事内》 讲事权划分时, 花了很大篇幅讲信息. 原则上, 上级对下级的各项工作都有最终决策权, 但上级不可能掌握和处理所有信息, 很多事务实际上由下级全权处理. 上级视察工作, 要听下级汇报, 内容是否可靠, 上级不见得知道. "如果上级没有独立的信息来源, 就可能被下级牵着鼻子走."

所以上级名义上有最终决定权, 拥有 "形式权威"; 下级掌握信息, 实际上自主性很大, 拥有 "实际权威". 书里给出的平衡原则是:

"若下级有明显信息优势, 且承担主要后果, 那就该自主决策. 若下级虽有信息优势, 但决策后果对上级很重要, 上级就可能多干预. 但上级干预可能会降低下级的工作积极性, 结果不一定对上级更有利."

有意思的是, 形式权威和实际权威这对概念, 本来就出自 Aghion 和 Tirole 1997 年一篇研究企业组织的论文. 书里第八章讲的条条式竞争和块块式竞争, 脚注也说明了它们对应公司治理里的 U 型结构和 M 型结构. 兰小欢把企业组织的理论借去分析政府, 我们现在不过是把它们再借回来.

书里还引了清人笔记里一位吏的自述: "凡属事者如客, 部署如车, 我辈如御, 堂司官如骡, 鞭之左右而已." 衙门像车, 来办事的人是乘客, 当官的是骡子, 真正决定车往哪走的, 是握着鞭子的吏. 英剧 Yes, Minister 讲的也是同一件事: 大臣名义上说了算, 政策的每一个细节却握在常务次官手里.

AI 公司里的大部分管理者都是 "官", 真正知道系统怎么运转的, 是那些 "吏": 写过通信库插件的人, 调过网卡固件的人, 知道哪个数据源有脏数据的人. 一位 VP 看到的是周报里 "训练效率提升 15%", 却很难知道这个数字是怎么算出来的, 分母换没换过, 实验条件和上一次是否一致. 技术细节越深, 管理层离得越远, 形式权威和实际权威之间的距离, 就会被拉得越大.

2.2 部门的边界 vs 知识的边界

知识边界往往比部门边界更加顽固.

部门边界至少是可见的, 可以通过调整汇报关系, 设立联合项目来改变. 知识边界则经常隐藏在日常沟通里. 算法研究者提出 "需要更大的 batch", Infra 工程师接到的是扩容需求, 却未必知道背后是在验证什么训练假设. 工程师反馈 "这个方案通信开销太高", 研究者收到的是一个限制, 却未必知道换一种数据布局或专家放置方式, 就可能让方案重新可行.

双方都在认真工作, 但传递过去的只是结论, 支撑结论的假设和上下文没有过去.

《置身事内》 说, 体制内工作的一大特点就是 "文山会海", "作为信息载体的文件和会议也成了权力的载体之一". 公文有严格的格式和种类, 甚至规定了 "涉及多个部门职权范围内的事务, 部门之间未协商一致的, 不得向下行文".

大厂的工单, 就是今天的公文: 有模板, 有字段, 有优先级, 有审批流. 工单擅长传递已经被定义清楚的问题, 前沿研究却经常需要一群人坐下来, 先弄清楚问题究竟是什么. 一旦合作被压缩成 "提需求, 评估, 排期, 交付", Infra 就容易成为被动接单的服务部门, 算法团队也容易把现有平台的限制当成技术本身的限制.

信息在层级之间的损耗, 可以粗略地算一笔账. 一个  个人的小组, 两两之间的沟通通道数是:

10 个人是 45 条, 100 个人就是 4950 条. 组织用层级和接口把这个数字压下来, 代价是信息要沿着树往上走, 再往下走. 假设每经过一层转述, 关键上下文能保留的比例是 , 两个部门的一线工程师之间隔着  层汇报关系, 那么一条信息要先上行  层, 再下行  层:

每一层只丢一成, 听起来已经很专业了, 可隔着三层汇报线, 到达对方手里的上下文只剩一半. 在前沿研究里, 丢掉的那一半往往恰好是最关键的部分: 这个需求背后的假设是什么, 那个限制在什么条件下可以放松.

《置身事内》 在第一章的扩展阅读里推荐了孔飞力的 叫魂. 这本书讲乾隆年间的一场荒诞事故: 本是某些地方流民和乞丐的零星骗局, 却被乾隆解读成了要颠覆朝廷的大阴谋, 于是发动了全国大清查, 最终在无数冤案之后不了了之. 兰小欢的评语是: "诸多信息都在奏折的来往中被扭曲和误解, 最终酿成大乱."

一次训练事故在大厂里的传播路径, 有时候也很像一场叫魂. 一线工程师说 "某几台机器的网卡固件可能有问题", 到了周报里变成 "网络稳定性存在隐患", 到了高层会议上, 就变成了 "要不要换一家网络供应商".

黄仁勋对这个问题的解法很极端. 他在 Lex Fridman 的播客里说, 自己有 60 位左右的直接下属, 不做一对一会议, 而是 "We present a problem, and all of us attack it", 让所有人同时面对同一个问题, 他把这叫作 "extreme co-design". 背后的意图, 是不让任何一位下属拿到特殊的信息, 每个人看到的上下文都一样. 你可以不喜欢这种管理方式, 但它确实把信息需要穿过的层数压到了最小.

例如一个通算融合的例子, 大家都用过 DeepEP/MegaMoE 吧, 或者更简单来说, MoE 模型的 EP 并行是不是真的需要 ScaleUP? ScaleOut 上为什么除了 DeepSeek 的团队, 没人想到用 IBGDA? 而即便如此, 在低延迟场景下, RDMA 的语义为什么对 GPU 不友好?

然后做网络的人开始盲目地扩大 ScaleUP 的规模, NPO/CPO 不停地上, 甚至要做一卡一专家, 却从不考虑整个系统的 MTBF, 传输协议也不考虑 GPU 本身的微架构...

MTBF 这笔账其实很容易算. 如果系统里有  个相互独立的部件, 第  个部件的故障率是 , 单个部件的平均无故障时间都是 , 那么整个系统的平均无故障时间大约是:

部件越多, 系统越脆. Meta 在 Llama 3 的论文里披露过, 16384 张 H100 训练的 54 天里一共发生了 466 次作业中断, 其中 419 次是非计划的, 相当于大约每 3 小时一次. 一卡一专家意味着任何一张卡出问题, 整个 EP 组都要停下来; ScaleUP 域做得越大, 一个故障域里的部件就越多. 这些账, 网络团队的 KPI 里是没有的.

这也是我一直强调知识边界的原因... 当你完全能够控制 GPU 的微架构, 充分理解网络传输上的限制, 以及完全了解算法上的需求, 一个更简单的方案就呈现出来了, 当然涉密的原因我不会多说...

数据团队与算法团队之间同样如此. 数据团队可能按照交付规模, 清洗进度和处理成本衡量工作, 算法团队则围绕最终模型指标做实验. 如果双方缺少持续反馈, 数据很容易变成一次性交付的原料. 模型在哪些能力上表现薄弱, 哪些样本真正有效, 哪些清洗规则误删了有价值的内容, 就很难形成连续的验证过程.

一个完整的改进过程, 应该能够从模型失败案例出发, 形成数据假设, 调整数据, 开展对照实验, 再把结论反馈给下一轮训练. 如果这些环节分别属于几个团队, 还各有各的排期和考核周期, 一次本来可以快速推进的探索, 就可能在交接中不断等待.

2.3 监测站之后: 上系统, 不等于改体制

监测站的故事还有后续. 2007 年, 国家环保总局把 3115 家废水排放企业, 3592 家废气排放企业和 658 家污水处理厂纳入国家重点监控名单, 要求它们安装自动记录系统, 把实时排放数据直接传到国家环保监控网络. 书里的评价很克制:

"这套技术系统限制了数据造假, 加强了监管效果, 大幅降低了污染, 但没有从根本上改变环保管理体制, 日常执法依然由地方环保部门负责."

这段话放在 AI 组织里同样适用. 很多公司解决跨部门信息问题的第一反应是 "上系统": 建一个统一的监控大盘, 把 GPU, 网络, 存储的指标都接进来. 这当然有用, 至少让数据造假变难了. 但大盘只能告诉你 "哪个指标异常", 不能告诉你 "该谁来修". 日常执法, 依然在各个部门手里.

更棘手的是, 组织有时要求先确定责任归属, 才能投入排查资源. 一次训练突然出现 loss 异常, 原因可能来自数据变化, 数值精度, 算子 kernel 或硬件故障. 在证据不足时, 任何单一团队都很难独立定位. 但如果每个团队都要先看到 "问题属于自己" 的证明才愿意介入, 排查就会陷入循环. AI 研发经常需要先联合诊断, 才能知道问题应该由谁解决.

2.4 说不清楚的时候, 谁来拍板

《置身事内》 里有一句话, 我认为是整本书关于组织最深刻的一句:

"所谓权力, 实质就是在说不清楚的情况下由谁来拍板决策的问题."

书里打了个比方. 大学老师考核学生, 若考卷都是标准化的选择题, 老师虽有出题的权力, 但不能决定最终得分; 若都是主观题, 老师给分的自由度就大一些; 若是研究生毕业论文, 不存在严格的客观判断标准, 导师手中的权力就更大了, "所以研究生称导师为'老板', 而不会称其他授课教师为'老板'". 一件事该不该做, 要做到什么程度, 做好了算谁的功劳, 做砸了由谁负责, 说不清的情况越多, 权力就越会向个人集中, 这也是 "一把手负责制" 的由来.

前沿 AI 研发恰好是一个 "说不清楚" 的密集区. 一个新想法值不值得做, 一个异常值不值得查, 一次失败算谁的, 一次突破又算谁的, 几乎都没有清楚的标准. 按照书里的逻辑, 说不清楚的事情越多, 拍板的权力就越会向少数人集中. 麻烦在于, 拍板的人如果离事实太远, 他的决策就只能依赖下级提供的信息, 又回到了被 "吏" 牵着鼻子走的局面.

部门边界带来的影响还不止于执行效率. 它会逐渐改变研究者愿意提出什么问题.

如果一个想法必须同时协调数据管线, 训练框架和网络栈, 才能完成最初的验证, 而另一个想法只需要修改本部门的一小段代码, 在相同的绩效周期里, 后者自然更有吸引力. 久而久之, 人们会主动选择容易获得资源, 容易交付, 容易归属成果的研究方向. 那些潜在价值很高, 却需要跨越多个边界的想法, 可能连第一次实验都没有获得.

DeepSeek 的 MLA 是一个反例. 梁文锋在访谈里讲过, 这个想法最早来自一位年轻研究员的个人兴趣, 他在总结出 Attention 架构的一些主流变迁规律后, 突发奇想去设计一个替代方案. "从想法到落地, 中间是一个漫长的过程. 我们为此组了一个 team, 花了几个月时间才跑通."

那篇访谈的导语里, 一位 AI 研究者说 Attention 架构提出多年来几乎未被成功改过, 更遑论大规模验证, "这甚至是一个做决策时就会被掐断的念头, 因为大部分人都缺乏信心". 换一个组织, 这位研究员大概要先写一份立项报告, 说明需要哪些部门配合, 预计多久出结果, 失败了怎么办. 很可能写到一半, 他自己就放弃了.

这时, 组织结构已经进入了技术路线本身. 表面上看, 公司拥有充分的研究自由; 实际上, 哪些方向容易被尝试, 哪些方向会被提前放弃, 已经被预算归属, 接口限制和协作成本筛选了一遍.

所以挺认同翁家翌的观点. 他在 WhynotTV 的播客里有一个判断, 大意是现在的 AI 竞赛拼的不只是算法创新, 更是工程能力和迭代速度. 原话更直白: "每一家的 infra 都有不同程度的 bug, 谁修的 bug 越多, 谁的模型训的就越好."

其实真正藏在这背后的, 就是大量的细节, 而这些细节又隐藏在知识的边界里. 对管理层暴露出的又只是片面的部门边界, 以为几次组织调整就能解决, 但知识的壁垒并没有被打破...

3. 激励相容: 聪明人的竞争

3.1 试点班里长大的人

我从小到大一直在各种试点班读书, 非常能够理解什么是 "高密度人才之间的竞争", 这会进一步放大组织的问题.

聪明人同样会响应激励. 当晋升需要证明独立贡献, 预算需要证明部门价值, 管理者的影响力又与团队规模相关时, 人们就会有动力建立自己的项目, 维护自己的边界, 强调自己对成果的所有权.

帮助另一个团队解决关键问题, 对公司可能非常有价值, 对个人却未必容易形成一份清晰的晋升材料. 把自己的经验沉淀成公共工具, 可以让很多人少走弯路, 但贡献可能分散在别人的成果里. 相比之下, 重新建设一套带有明确团队标签的平台, 反而更容易被识别和奖励. 重复建设, 信息保留和成果争夺, 就可能成为一套评价体系下的理性选择.

技术能力越强的人, 也越有能力为自己的选择提供完整而有说服力的解释. 一场争论可以充满专业术语和技术细节, 同时又深受资源分配和成果归属的影响. 当承认另一个方案更好意味着自己的项目失去预算, 技术判断就很难保持开放.

《置身事内》 把这一类问题归结为事权划分的第三条原则: 激励相容. 说得直白一点, 就是让做事的人在追求自身利益的时候, 恰好也在推进组织想要的目标. 书里讲, 计划经济时代部门之间没什么大的利益冲突, 意识形态教化相对有效; 市场经济改革之后, 利益不仅大了, 而且多元化了, "'统一思想'和'大局观'虽依然重要, 但只讲这些就不够了, 需要更加精细的激励机制". 书里给的最低要求是:

"能评价和奖惩工作业绩的上级, 能决定工作内容的上级, 受下级工作影响最大的上级, 应该尽量是同一上级."

拿这句话对照一下前面那位被借调到模型项目的网络工程师: 给他打绩效的是部门老板, 给他安排工作的是项目负责人, 受他工作影响最大的, 是整个模型团队和后面一长串用模型的人. 三个 "上级", 三个人.

大厂开会时最常听到的一句话是 "要有大局观". 可大局观代替不了激励设计, 它只能弥补激励设计的不足. 对聪明人来说尤其如此, 他们比谁都清楚考核表上写的是什么.

3.2 看得见的路桥, 看不见的管网

《置身事内》 第三章讲官员的激励. 书里引用的一项研究收集了 1994 到 2008 年间 241 个城市 1671 名市长和市委书记的数据, 他们在一个城市的平均任期是 3.8 年, 中位数是 3 年. 而基础设施或工业项目最快也要两三年才能完成, 所以 "新官上任三把火" 烧得又快又猛, 上任头两年, 基础设施投资, 工业投资, 财政支出往往都会快速上涨, 城市也呈现出 "摊大饼" 的态势.

更要命的是两件事. 一是 "2016年之前, 官员升迁或调任后就无需再对任内的负债负责, 而新官又通常不理旧账, 会继续加大投资", 政府债务不断攀升. 二是出于政绩考虑, 地方官员在基础设施投资上常常偏重 "看得见" 的工程, 比如城市道路, 桥梁, 地铁, 绿地, 相对忽视 "看不见" 的工程, 比如地下管网. "所以每逢暴雨, '看海'的城市就很多."

AI 公司的路桥和地铁, 是新模型的发布会, 榜单上的 SOTA, 一个全新的训练框架或推理平台. 地下管网则是数值稳定性, 测试覆盖, 监控告警, 数据清洗规则, 以及那些没人愿意碰的老代码. 前者一张 PPT 就能讲清楚, 后者讲上一小时, 听的人也只会问一句: "所以效果提升了多少?"

翁家翌说谁修的 bug 越多, 谁的模型就训得越好. 可修 bug 恰恰是最典型的地下管网: 修好了, 什么都不会发生; 不修, 平时也看不出来. 一直要等到一次大规模训练, 某个 rank 的数值在第三万步突然溢出, 整个集群停下来 "看海", 大家才想起来那条管子已经锈了很多年.

大厂的项目周期和晋升周期, 往往比市长的任期还短. 一位新的负责人上任, 最理性的选择是另起炉灶, 做一个 "看得见" 的新平台. 旧平台的技术债, 新官不理旧账, 旧官已经升迁. 债务会一直累积下去, 直到有一天, 新平台本身也变成了别人眼里的旧账.

3.3 烟厂, 酒厂和重复建设

《置身事内》 第二章讲过一段税制史. 2002 年之前, 企业所得税按行政隶属关系上缴, 中央企业交中央, 地方企业交地方:

"地方政府自然就有动力创办价高利大的企业, 比如烟厂和酒厂, 这些都是创税大户. 20世纪90年代, 各地烟厂, 酒厂越办越多, 很多地方只抽本地牌子的烟, 喝本地牌子的啤酒, 这种严重的地方保护主义不利于形成全国统一市场, 也不利于缩小地区间的经济差距."

大厂里的 credit, 也是按 "隶属关系" 上缴的. 一个推理引擎是哪个部门做的, 收益就记在哪个部门. 于是每个 BG 都有动力办自己的 "烟厂": 自己的训练框架, 自己的推理引擎, 自己的评测集, 自己的数据管线. 更进一步, 只抽本地牌子的烟: 别的部门做得再好, 也要先证明 "不适合我们的场景", 再自研一套.

这件事可以用一个简单的不等式来描述. 设个人在 "分享" 和 "保留" 之间做选择. 对组织而言, 分享几乎总是更好的, . 但个人看的是考核系统 "看得见" 的产出 , 乘以考核赋予它的权重 , 再减去自己付出的成本 . 只有当下面这个不等式成立时, 分享才是个人的理性选择:

所谓激励相容, 就是让这个不等式和  尽量同时成立. 现实里破坏它的, 恰恰是 : 帮别人修好一个 bug, 成果写在别人的报告里,  几乎为零; 自己另起炉灶做一套, 成果全部归自己,  反而很大. 这时候再高的觉悟, 也扛不住一年两次的绩效评定.

不过 《置身事内》 对 "重复建设" 的态度并不是一棍子打死. 书里说, 在经济发展早期, 各地政府扶持下的重复投资至少有两个正面作用. 一是那些 "离土不离乡" 的小工厂, 让当地农民熟悉了工业和工厂, "'工厂'承担了类似'学校'的教育功能". 二是加剧竞争, 价格战让资源和技术迅速向头部企业集中. 所以:

"不管有没有政府扶持, 要害都不是'重复建设', 而是'保持竞争'. 市场经济的根本优势不是决策优势. 面对不可知的未来, 谁也看不清, 自由市场上, 失败也比成功多得多. 市场经济的根本优势是可以不断试错, 在竞争中优胜劣汰."

这段话对 AI 组织同样适用. 两个团队各做一个推理引擎, 本身不是问题. 前沿方向本来就看不清, 多一条路线就多一次试错的机会, 做过一遍的人也会成长, 这就是 "学校" 的功能. 问题在于, 烟厂酒厂的毛病从来不是厂太多, 而是市场被割裂了, 每个地方只抽本地的烟. 内部竞争要想起作用, 前提是有一个 "全国统一市场".

内部竞争可以帮助组织探索不同路线, 但需要共享的评估标准, 可以复现的实验结果, 以及明确的资源调整机制. 如果每个团队都维护自己的评测口径, 对失败保持沉默, 对成功选择性展示, 公司就很难知道哪些方向值得继续投入. 那样的重复建设, 只剩下 "重复", 没有 "竞争".

3.4 鞭打快牛, 突击花钱

《置身事内》 讲分税制之前的财政包干时, 提到过一个有意思的现象. 央地分成比例每隔几年就要重新谈判一次, 若地方税收收入增长很快, 下次谈判时就可能落得一个更高的上缴基数和更吃亏的分成比例. "为避免'鞭打快牛', 地方政府有意不让预算收入增长太快." 钱藏到哪里去了? 藏进了预算外. 1992 年, 地方预算外收入达到了预算内收入的 86%, 相当于 "第二财政".

分税制改革时, 又出现了反方向的博弈. 税收返还要以 "基年" 的税收为基数, 中央最终决定用 1993 年做基年, 结果地方突击征税, 甚至把明年的税挪到今年来收, 1993 年后 4 个月的财政收入分别比上年同期增长了 60%, 90%, 110% 和 150%.

把 "税收" 换成 "GPU 配额", 这两个故事每年都在大厂里上演. 如果明年的配额按今年的用量来定, 那么一个团队把训练效率优化了一倍, 换来的很可能是明年配额被砍一半, 这就是鞭打快牛. 于是没人有动力去做效率优化, 或者做了也不声张, 省下来的卡悄悄留着跑点 "预算外" 的实验. 到了年底, 又会有一批团队突击用卡, 跑一些不那么必要的大实验, 只为保住明年的 "基年".

各种挂在别的项目名下的卡, 自己攒的小集群, 申请了一直没还的机器, 就是大厂里的 "第二财政".

新版预算法对财政资金有一条规定: 连续两年未用完的结转资金, 应当作为结余资金管理. 钱不花掉, 就可能不再归自己支配. 这能遏制 "藏钱", 却也会刺激 "突击花钱". 卡也是一样. 一套资源分配制度如果惩罚节约, 就一定会得到浪费.

3.5 垂直管理, 还是属地管理

Infra 应该集中管理, 还是嵌入到各个模型团队? 这是几乎每一家 AI 公司都反复摇摆过的问题. 《置身事内》 里关于垂直管理的讨论, 几乎可以原样照搬.

书里说, 在专业性强, 标准化程度高的部门, 更倾向于垂直管理. 比如海关, 工作主要由系统内的上级安排, 绩效也主要由上级评价, 这符合激励相容. 工商局的故事则是另一面: 1999 年改革时, "人财物" 收归省级工商部门统管, 初衷是减少地方干扰, 打破地方保护. 可工商工作与所在地区密不可分, 垂直管理之后, 当地政府对工商系统的监督和约束都没有力度. 在一系列事故, 尤其是 2008 年震动全国的 "毒奶粉" 事件之后, 2011 年中央再次改革, 恢复了省级以下工商部门的地方政府分级管理.

环保则反过来. 随着跨地区协调的工作越来越多, 2016 年, 省级以下环保机构调整为以省环保厅垂直领导为主, 所在地政府的影响大大降低.

同一个国家, 同一个时期, 一个部门从垂直改回属地, 另一个部门从属地改成垂直. 这不是摇摆, 而是对三条原则的不同权衡: 外部性越强, 越该往上收; 信息越依赖本地, 越该往下放; 无论往哪边走, 评价工作, 安排工作和承担后果的人, 都要尽量是同一个人.

放到 AI 组织里, 集合通信库, 集群调度, 存储底座这类外部性极强, 标准化程度高的东西, 适合 "垂直管理", 由专业部门集中建设. 训练配方, 数据配比, 并行策略这类强烈依赖具体模型 "本地信息" 的东西, 就该 "属地管理", 交给模型团队自己决定.

真正难的是中间那一层. 比如 MoE 的通信优化, 它既依赖底层网络, 又依赖具体模型的专家分布和路由特征, 放在哪边都不完全对. 这一层, 就是前面说的省界.

3.6 胡萝卜, 大棒, 与内心驱动

《置身事内》 讲官员激励, 用的是 "胡萝卜" 和 "大棒" 的框架. 但书里专门提醒了一个容易被忽略的事实: 在庞大的政府工作人员群体中, "县处级" 及以上的干部大约只占总人数的 1%, 对绝大多数人来说, 晋升这根胡萝卜其实很远. 书里接着写道:

"任何一个组织, 无论是公司还是政府, 都不可能只靠外部奖惩来激励员工. 外部奖惩必然要求看得见的工作业绩, 而绝大多数工作都不像送快递, 没有清清楚楚且可以实时衡量的业绩, 因此需要使命感, 价值观, 愿景等种种与内心感受相关的驱动机制."

这段话的脚注, 引的是斯坦福大学 Kreps 教授一本讲 "公司如何激励员工" 的小书. 在那本书里, 经济学强调的外部激励只占一部分, 大量篇幅留给了管理学更重视的内心驱动.

前沿研究恰恰是 "最不像送快递" 的工作. 一个研究员三个月的成果, 可能是 "证明了这条路走不通"; 一位系统工程师半年的工作, 可能是 "让一类故障再也没有发生过". 这些都很难被实时衡量.

梁文锋在访谈里说, DeepSeek "选人的标准一直都是热爱和好奇心", "很多人对做研究的渴望, 远超对钱的在意". 这不是一句漂亮话, 而是一种组织设计上的选择: 当业绩说不清楚的时候, 只能依赖内心驱动, 那就从一开始挑选内心驱动强的人.

人才密度能够转化为创新密度, 依赖于一个具体条件: 分享知识, 暴露问题和帮助别人成功, 必须对个人也是值得的.

其实我一直都在问自己一个问题: "如果全世界只剩下你一个人, 是要钱还是要名?" 所以最近很多年我一直是一种人畜无害的状态, 有些事情自己明白做成功了就行了, Credit 什么的无所谓, 然后经常打着技术扶贫的旗号, 分享知识给其它人. 想起几年前的一篇文章 技术扶贫与公知.

不过我也清楚, 不能指望每个人都这么想, 组织设计更不能建立在 "人人都是圣人" 的假设上. 外部激励至少要做到不惩罚分享.

《置身事内》 还讲了反腐高压下的另一面. 习惯了旧有工作方式的官员, 难免会变得 "瞻前顾后, 缩手缩脚", 于是 2016 年中央开始强调 "庸政懒政怠政也是一种腐败". 2018 年中办印发的文件要求建立健全容错机制, 其中有一句:

"把尚无明确限制的探索性试验中的失误错误, 同明令禁止后依然我行我素的违纪违法行为区分开来."

研究组织最需要的, 正是这样一条区分. 一次精心设计但失败了的实验, 和一次因为偷懒没做对照组而得出错误结论的实验, 是完全不同的两件事. 如果组织对两者一视同仁地问责, 剩下的人就只会去做 "一定能出结果" 的实验. 如果组织对两者一视同仁地宽容, 失败就失去了信息量.

容错不是对失败的宽容, 而是对探索的定价.

4. 算力财政: 以卡为本, 还是以人为本

4.1 卡权上收, 事权下压

1994 年的分税制改革, 是 《置身事内》 着墨最多的改革之一. 改革之后, 中央占全国预算收入的比重 "从改革前的22%一跃变成55%", 中央的宏观调控能力大大增强. 可财权集中了, 事权却没有跟着上去. 上级权威高于下级, 越往基层分到的钱越少, 分到的任务却越来越多, 出现了 "财权层层上收, 事权层层下压" 的局面. 20 世纪 90 年代末流行过一句顺口溜:

"中央财政蒸蒸日上, 省级财政稳稳当当, 市级财政摇摇晃晃, 县级财政哭爹叫娘, 乡级财政精精光光."

这两年很多大厂也在做自己的 "分税制": 把分散在各个 BG 的 GPU 收归集团的算力中台统一调度. 出发点完全正确, 卡太贵了, 分散持有必然造成闲置, 集中起来才能提高利用率. 可交付模型指标的责任, 依然留在各个团队手里. 于是就有了一个大厂版本:

集团算力蒸蒸日上, BG 配额稳稳当当, 部门排队摇摇晃晃, 项目组哭爹叫娘, 实习生精精光光.

财权上收之后, 中央再用转移支付把钱分下去. 书里也提到了转移支付的副作用: 很多专项资金是由财政部先拨款给各部委后再层层下拨, "所以就有了'跑部钱进'的现象". 算力中台也有它的 "转移支付": 配额申请, 优先级评审, 资源委员会. 一个研究员想验证一个想法, 要先写申请, 说明预期收益, 排进下个月的配额. 而一个想法最脆弱的时候, 恰恰就是它还说不清预期收益的时候.

梁文锋讲 DeepSeek 的做法时说: "我们每个人对于卡和人的调动是不设上限的. 如果有想法, 每个人随时可以调用训练集群的卡无需审批. 同时因为不存在层级和跨部门, 也可以灵活调用所有人, 只要对方也有兴趣." 这当然和公司规模有关, 十万人的公司很难照搬. 但它说明了一件事: 审批的成本, 不是写申请的那几个小时, 而是那些因为要写申请而没有被提出来的想法.

4.2 土地财政与以卡为本

《置身事内》 的上篇有一条贯穿始终的线索: 城市化过程中 "重土地, 轻人". 地方政府以低价工业用地招商引资, 再靠商住用地的出让收入支撑基础设施建设, 优点是可以快速推进城市化, 缺点是公共服务供给不足, 外来人口难以真正安家落户.

书里引过张五常的一个比喻. 地方政府就像一家商场, 招商引资就是引入商铺. 商铺只交一个低廉的入场费, 但营业收入要和商场分成; 一些商铺大名鼎鼎, 能为商场带来更大客流, 商场不仅可以免除它们的入门费, 还可以降低分成, 甚至倒贴.

今天的 AI 竞赛, 很像一场 "以卡为本" 的城市化. 万卡集群, 十万卡集群, 数据中心的电力规模, 成了衡量一家公司 AI 实力最直观的数字, 就像当年衡量一座城市的发展, 看的是新区面积和高楼数量. 卡和地一样, 可以买, 可以批, 可以在发布会上展示.

可真正决定这些卡能产出多少有效实验的, 是 "人": 能把 MFU 从三成推到五成的系统工程师, 能把一个失败案例追到数据源头的研究员, 能同时看懂模型和Infra的那一小撮人. 卡是土地, 人才是城市.

明星研究员就是那些大名鼎鼎的商铺. 这两年大厂动辄用天价薪酬挖人, 免入场费, 降分成, 甚至倒贴, 道理和商场引进名牌店一样, 希望它们带来客流. 但商场能不能赚钱, 不只取决于引进了多少名牌, 还取决于商铺之间能不能互相带客流. 如果明星团队和原有团队之间隔着一道知识边界, 商场里只是多了几家昂贵的店, 人流也不会跟着流动起来.

书里还有一句话, 很值得大厂的资源委员会读一读: "如果竞争不能让资源转移到效率更高的地方, 那这种竞争就和市场竞争不同, 无法长久地提高整体效率." 卡如果按部门, 按层级, 按历史配额来分, 而不是流向最有希望的实验, 那么卡越多, 浪费的绝对量就越大.

4.3 为什么以前没问题

读到这里, 一个自然的疑问是: 大厂这套组织方式已经运转了二十多年, 支撑了搜索, 电商, 社交, 云计算这么多业务, 为什么到了 AI 就开始失灵?

《置身事内》 在讨论土地制度时, 问过几乎一模一样的问题:

"可是制度一直如此, 为什么前些年问题似乎不大? 因为经济发展阶段变了."

工业化和城市化初期, 传统农业生产率低, 只要把农地变成工商业用地, 效率就会大大提升; 可随着竞争越来越激烈, 技术要求越来越高, 先进企业需要的就不只是土地了.

组织也是一样. 互联网业务的问题大都可以提前拆分, 前端, 后端, 推荐, 广告, 每一块都能定义清楚接口和指标, 条条块块的组织方式恰好与之匹配. 前沿 AI 研发的问题, 在解决之前却根本无法拆分. 不是制度变坏了, 是问题变了.

下篇 宏观现象

《置身事内》 的下篇开头, 把上篇介绍的发展模式归纳成三个特点: 城市化过程中 "重土地, 轻人", 招商引资竞争中 "重规模, 重扩张", 发展战略上 "重投资, 重生产, 轻消费". 每一个特点都有它的优点, 推动了快速的城市化, 工业化和增长; 也都在宏观上留下了副作用, 房价与不平衡, 债务与风险, 内外失衡.

大厂的 AI 组织也有对应的三个特点: 重卡, 轻人; 重规模, 重扩张; 重发布, 轻反馈. 前两个上篇已经讲过. 这一篇先从三个具体的故事讲起, 它们都发生在知识的边界上, 每一个看起来都是纯粹的技术问题, 细看下去, 却都是组织问题.

5. 知识边界上的三个故事

5.1 训推不一致: 一个高中生都会的公式

这里说个 RL 中训练推理不一致的问题吧.

大模型的 RL 训练通常涉及两套系统: 推理引擎负责生成回答, 训练引擎根据回答及其奖励计算更新. 即使使用同一份模型权重, 两套引擎也可能因为计算精度, 算子 kernel 和批处理方式等差异, 得到不同的概率分布. 异步执行还可能让推理端使用落后的模型版本, 进一步扩大差异.

如果按照传统部门职责来分配任务, 推理团队会努力提高吞吐, 降低延迟, 用上量化和更高效的执行方式; 训练系统团队会努力提高数值一致性和运行稳定性; 算法团队则会调整重要性采样, 裁剪和样本筛选等机制, 尽量控制失配对训练的影响. 对于 MoE, 还可以通过记录和回放专家路由, 减少两边执行路径的差异.

这些方法有各自的技术依据, 有些还承担着失配处理之外的任务. 但组织需要警惕一种状态: 每个团队都在解决自己收到的问题, 修正措施不断增加, 对共同机制的理解却没有同步加深.

推理团队收到的问题是 "怎样让生成更快", 训练团队收到的问题是 "怎样让两边更一致", 算法团队收到的问题是 "怎样让现有更新方式更稳定". 这些问题一旦被固化为各自的工作范围, 就容易遗漏另一种追问: 两套引擎不一致时, 训练更新里到底多出了什么?

结果整个问题在一系列争吵中就变成了算法团队需要 训推一致, 然后 R3 这样的东西就做出来了... 主流的算法基本上都延续着 On-policy 的路, 却没人想到 Off-policy...

当然解决问题的答案简单到让人发指. 最近一篇论文 Score Centering Stabilizes Off-policy Reinforcement Learning, 用的基本上是高中生或者大一的学生都会的一个公式:

那么整个问题在哪? 从组织角度看, 企业里可能并不缺少懂这条等式的人, 却缺少让这些知识与真实系统问题相遇的机会. 它展示了一类组织风险: 当问题跨越算法假设与系统工程时, 局部修复可以不断有人负责, 对共同假设的重新检查却可能长期无人负责. 最值得讨论的, 是组织有没有能力识别这种空缺, 并把相应的人和资源组织起来.

《置身事内》 第八章的开头讲了一个老笑话. 物理学家, 化学家和经济学家流落荒岛, 饥肠辘辘, 海面上漂来一个罐头. 物理学家说可以用岩石对罐头施以动量, 使其表层疲劳而断裂; 化学家说可以生火加热, 让罐头膨胀以至破裂; 经济学家则说: "假设我们有一个开罐头的起子..."

"训推一致" 就是 RL 里的那把开罐头起子. 主流算法的推导大都建立在 on-policy 的假设上, 于是工程上的任务就变成了 "把这个假设造出来": 对齐两边的 kernel, 统一数值精度, 记录并回放路由. 每一步都很辛苦, 每一步也都有人负责. 可很少有人回头问一句: 这个假设本身是不是必要的?

兰小欢对这个笑话的评论是: "任何理论当然都需要假设, 否则说不清楚. 有些假设不符合现实, 但是否会削弱甚至推翻其理论, 还要依据理论整体来评判. 但一旦走出书斋, 从理论思考走到现实应用和政策建议, 就必须要符合实际, 要考虑方案的可行性."

书里紧接着引了布林德 (Alan Blinder) 的 "经济政策的墨菲定律":

"在经济学家理解最透, 共识最大的问题上, 他们对政策的影响力最小; 在经济学家理解最浅, 分歧最大的问题上, 他们对政策的影响力最大."

AI 组织里也有一条墨菲定律. 协方差分解这种理解最透, 共识最大的东西, 对工程决策的影响最小; 要不要再加一层修正, 要不要换一套框架, 这种理解最浅, 分歧最大的问题, 反而占据了大部分会议时间, 也决定了大部分资源的去向.

《置身事内》 开篇引用的格申克龙 (Gerschenkron) 有一句话, 放在这里最合适: "一套严格的概念框架无疑有助于厘清问题, 但也经常让人错把问题当成答案." 训推不一致是问题, 训推一致却被当成了答案. 把假设当成目标, 是组织最昂贵的一种误会.

组织本身其实也有 drift. 每个团队今年的工作分布, 都是从去年的 "采样分布" 继承来的: 去年做什么, 今年接着做什么; 上个项目怎么分工, 这个项目也怎么分工. 如果不刻意把这部分惯性减掉, 组织的每一次 "更新", 都会夹带一次向过去的模仿, 而且像 RL 里那个反馈回路一样, 越跑越偏. Score Centering 减掉的是对推理引擎的模仿, 一个健康的组织, 也需要定期减掉对自己过去的模仿.

5.2 RDMA: 每一步都有道理的演化

再来举个例子吧, RDMA over Ethernet 这事, 当年为了硬件简单选择了 Lossless 的方案, 在 HPC 的年代似乎完全正确, 数据量小到几乎没有什么拥塞和丢包.

而到了 AI 时代, 一切都变了... 当年被认为笨重的 iWARP, 却逐渐成为最终的答案. RoCE 为了多路径, 逐渐地都开始用上了 DDP, 为了可靠性又逐渐地加上 SACK, 拥塞控制也逐渐改为 Window based... 不停地做加法, 到头来实质上和 iWARP 的区别, 无非就是一个 IP 协议号了...

详细内容可以看看 漫谈 RDMA 现代化

《置身事内》 讲城乡割裂的土地制度是怎么来的, 有一段话几乎可以原封不动地拿来描述 RoCE:

"追根溯源, 其实也没有什么惊天动地的大道理和顶层设计, 不过是从1982年宪法开始一步步演变成今天这样罢了. 虽说每一步变化都有道理, 针对的都是当时亟待解决的问题, 但演变到今天, 已经造成了巨大的城乡差别, 飞涨的城市房价以及各种棘手问题."

Lossless 是为了硬件简单, Go-back-N 是为了网卡上少存状态, 每一步都有道理, 针对的都是当时亟待解决的问题. 可场景从 HPC 换成了 AI, 流量从零散的小消息变成了几千张卡同时打满的集合通信, 当年的约束条件已经不存在了, 当年的设计却一层一层地沉淀了下来. 后来的每一次修补, 都是在不推翻前提的情况下做加法: 为了多路径加 DDP, 为了可靠性加 SACK, 为了拥塞控制改 Window. 一路加下来, 绕了一大圈, 又回到了当年被嫌弃的那个方案.

为什么工业界折腾了好几年? 不是因为没有人懂. 网卡团队懂网卡, 交换机团队懂交换机, 拥塞控制有专门的研究者, 集合通信有专门的库. 每个团队都在自己的边界内做到了局部最优, 而 "Lossless 这个前提在 AI 场景下是否还成立" 这个问题, 不属于任何一个团队. 它落在省界上.

边界上的问题没有主人, 所以总是被修补, 而不是被重新定义.

5.3 边干边学: 京东方和光伏教给我们的事

《置身事内》 第四章用了很大篇幅讲京东方. 京东方的 5 代线运气不好, 在液晶面板大起大落的周期里 "投在了波峰, 产在了波谷", 主打的 17 寸屏从每片 300 美元暴跌到 150 美元, 2005 和 2006 两年亏损了 33 亿元, 北京市政府无力救助.

后来的 6 代线落在了合肥. 2008 年的合肥, 财政预算收入 301 亿元, 归属地方的只有 161 亿元, 想建一条投资 175 亿元的 6 代线, 经济和政治的决策风险都很大. 合肥承诺出资 60 亿元, 又承诺定向增发不顺利时兜底出资 90 亿元, "可以说是把家底押上了". 夏普又来搅局, 领导表示过 "绝不动摇". 后来京东方又在合肥建了 8.5 代和 10.5 代线, 合肥成了我国光电显示产业的中心之一.

面对外界的质疑, 合肥市政府的相关人士说过一段话:

"不要以为我们不会算账, 政府是要算细账的. 一个京东方生产线, 从开始建就能拉动300亿元的工业投资, 建成之后的年产值就是千亿级别."

这段故事在书里引出了一个核心判断:

"创新是买不来的, 只能靠自己做. 创新必须基于知识和经验的积累, 所以只能自己动手'边做边学', 否则永远也学不会."

兰小欢打了个比方: 这就好比学生学习写论文, 不自己动手研究, 动手做, 动手写, 只靠阅读别人的东西, 理解永远只能停留在表面, "就算全天下的论文和书籍都摆在面前, 一个人也不会自动成为科学家".

这段话放在 AI 上一字不用改. 今天全世界的大模型论文, 开源代码, 技术报告几乎都摆在面前, 可读完它们并不会让一个团队自动具备训练前沿模型的能力. "谁修的 bug 越多, 谁的模型就训得越好" 里的那些 bug, 只有在自己的集群上, 用自己的数据, 跑过足够多次大规模训练之后才会遇到.

梁文锋说过: "我们已经习惯摩尔定律从天而降, 躺在家里18个月就会出来更好的硬件和软件. Scaling Law 也在被如此对待." 他还说过一句容易被忽略的话: "外部看到的是幻方2015年后的部分, 但其实我们做了16年."

书里第七章还有一个观察. 对站在科技前沿的国家来说, 新技术一般从实验室开始, 再到专利, 再到大规模量产; 而对后起国家来说, "很多时候顺序是反过来的: 先从制造环节入手, 边干边学, 积累技术和经验, 然后再慢慢根据自身需要改进技术, 创造一些专利". 很多 AI 团队的成长路径也是如此: 先把别人的模型复现出来, 在复现中把 infra 的 bug 修一遍, 再慢慢长出自己的东西.

光伏的故事更能说明边干边学的分量. 书里说, 光伏组件的价格在 2010 到 2019 年间下降了 85%, 同期的全球装机总量上升了 16 倍. 经济学里描述这种现象的工具叫学习曲线, 也叫 Wright 定律: 单位成本随累计产量  按幂律下降,

粗略地把这组数字代进去:

也就是累计装机每翻一番, 组件价格大约降到原来的六成. 这只是一个很粗的算术, 价格里还掺着产能过剩和价格战的因素, 但方向是清楚的: 成本不是在实验室里降下来的, 是在一次又一次的量产里降下来的. 书里的原话是: "研发和创新从来不只是象牙塔里的活动, 离不开现实市场, 也离不开边干边学的企业."

把  换成一个组织累计跑过的大规模实验次数, 这条曲线就是 AI 组织的学习曲线. 一个团队的迭代速度如果是另一个团队的两倍, 在任何时刻, 它的累计经验都多一倍, 单次实验的成本就低一个  的系数. 更快的团队不只是跑得快, 还会越跑越便宜.

组织摩擦, 审批, 排队, 交接, 拖慢的从来不只是某一次实验, 而是整条学习曲线. 迭代速度的差距会复利, 组织摩擦的代价也会复利.

光伏的故事里还有两个细节, 和 AI 组织的关系更直接.

一个是协同. 2013 年以后国内市场打开, "因为整条产业链都在国内, 所以同行沟通成本更低, 开始出现全产业链的自主和协同创新, 各环节共同优化, 加速了技术进步和成本下降". 多晶硅, 硅片, 电池, 组件, 每个环节离得近, 就能一起改. 这正是 AI 里的通算融合和软硬协同: 算法, 框架, 通信, 硬件离得越近, 沟通成本越低, 就越可能一起改出一个更简单的方案. 这也是我一直说 "全栈" 的原因.

另一个是失败. 光伏经历过 "双反" 和大面积的倒闭, 尚德, 赛维这些曾经的龙头都倒下了. 但书里说: "企业不是'人', 不会在'死'后一了百了, 积累的技术, 人才, 行业知识和经验, 并不会随企业破产而消失. 一旦需求回暖, 这些资源就又可以重新整合."

研究项目也是这样. 一个被砍掉的项目, 如果组织能把它的人, 代码和失败记录留下来, 它就不是沉没成本, 而是下一次突破的原料. 如果项目一砍, 人就散到各处, 日志和结论也没人整理, 那才是真正的损失.

6. 领导者的 taste

6.1 taste 是一种经过校准的判断力

即使团队获得了跨越部门边界的自由, 仍然有一个问题需要回答: 团队会把获得的自由用来追问什么? 面对训练不稳定, 有人倾向于继续调整参数, 有人希望增加一道校正, 也有人会停下来检查梯度估计究竟建立在什么假设之上. 这些选择都需要时间和资源, 而组织无法同时尝试所有方向. 核心领导者的 taste, 就在这样的选择中开始发挥作用.

taste 可以理解为一种经过实践校准的判断力. 它帮助领导者辨别哪些问题值得长期投入, 哪些异常可能暴露了更基础的机制, 哪些复杂性确实来自问题本身, 哪些则来自过去决策的累积. 在技术路线尚不清楚时, 这种判断会影响团队最初把注意力放在哪里, 也会影响什么样的人和想法能够获得支持.

合肥押注京东方, 就是一种 taste. 它不是赌博, 而是 "算细账": 一条产线能拉动多少上下游投资, 能不能形成产业集群, 什么样的风险自己扛得住.

韩国也是. 20 世纪 70 年代, 世界银行建议韩国按照当时的 "比较优势" 去发展纺织业, 韩国没听, 一头扎进了本国根本没有的产业. 到了 1990 年, 韩国最具比较优势的十大类出口商品, 比如轮船和电子产品, 1970 年时根本就不存在. 书里的结论是:

"可见'比较优势'具有很大的不确定性, 是可以靠人为创造的. 其实'比较优势'并不神秘, 就是机会成本低的意思. 而对于没干过的事情, 事前其实无从准确判断机会成本, 没干过怎么知道呢?"

"没干过怎么知道呢" 这一问, 几乎就是前沿研究的日常. 一个新架构有没有前途, 一个新的并行方案值不值得做, 事前没有数据, 只有判断. 只按 "比较优势" 做决策的组织, 会永远停在自己已经擅长的事情上. taste 的价值, 就在于在没有数据的时候, 判断哪些 "没干过的事" 值得去干.

6.2 强力的领导, 也要有能力说 "不"

这种 taste 最终需要变成资源安排. 新增一道机制, 除了当下的开发工作, 还会增加之后的调参, 排查和维护负担. 已经投入很多人力的项目, 同样可能需要缩减或结束. 领导者需要帮助团队面对这种取舍, 让过去的投入成为决策背景, 同时把未来还能获得多少有效进展放在更重要的位置.

《置身事内》 第八章有一句话说得极好:

"所谓强力政府, 不仅在于它有能力和资源支持企业发展, 也在于它有能力拒绝对企业提供帮助."

书里讲过赛维的结局. 地方政府屡次注入资金, 动员数家银行救助, 结果越陷越深, 到 2016 年, 赛维总资产 137 亿元, 负债却高达 516 亿元. 所以书里说产业政策要有退出机制, "若效率低的企业不能退出, '竞争性'就是一句空话". 退出机制有两层含义: 政策本身要设计退出, 比如光伏的标杆电价补贴一直在降, 所有企业都清楚补贴会逐渐退出; 低效企业破产退出的渠道也要顺畅.

AI 组织里的 "赛维", 是那些已经证明走不通, 却因为投入太多而停不下来的项目. 每一次续命都有理由: 再给一个季度, 再加一批卡, 再换一个负责人. 一个强力的技术领导者, 不仅要能给一个想法配资源, 更要能对一个自己曾经支持过的项目说 "不". 一个设计良好的研究组织, 也会像标杆电价那样, 让所有项目从一开始就清楚资源会按什么节奏退坡.

奖励机制必须能够看见这些贡献. 找到原因后删除几层无效逻辑, 证明一项昂贵实验没有继续开展的必要, 把自己的经验变成其他团队可以复用的工具, 都应该进入评价依据. 如果组织主要奖励项目数量, 代码规模和团队扩张, 成员就会倾向于增加可以归属于自己的工作. 对删减复杂性的认可, 能让人们更愿意把注意力放在整个系统的实际改进上.

书里还有一句话, 值得每一个想用资源 "扶持" 某个方向的领导者记住: 政策 "最多可以帮助企业降低一些财务风险和市场风险, 但政府不能帮助企业克服最大的不确定性, 即在不断变化的市场中发展出足够的能力和竞争优势". 卡和预算可以降低一个团队的试错成本, 却替代不了这个团队自己长出能力.

6.3 不做被吏牵着走的官

要作出这些判断, 核心领导者需要保持足够的技术深度. 深度的作用是提高问题和证据的质量, 具体推导与工程落地仍应由最接近事实的人推进. 可在 AI 时代, 这样的技术深度是非常困难的, 通常领导者又要面临在大量并不那么懂的领域被迫做决策...

《置身事内》 讲分税制改革的推行过程时, 引了两位亲历者的回忆. 时任财政部长刘仲藜说, 与地方谈的时候气氛很紧张, "单靠财政部是不行的, 得中央出面谈". 当时在财政部的项怀诚回忆, 朱镕基亲自带队, 用两个多月的时间先后走了十几个省, "面对面地算账, 深入细致地做思想工作". 为什么要由国务院常务副总理一个省一个省去谈? "因为只有朱总理去才能够和第一把手省委书记, 省长面对面地交谈, 交换意见." 如果换成部里的人去, "可能连面都见不上".

跨越条块的大改革, 一把手必须亲自下场, 面对面地算账. AI 组织里要推翻一个跨部门的前提, 比如放弃 Lossless, 或者重新划分训练和推理之间的分工, 道理是一样的: 只有能拍板的人亲自坐到桌边, 把细账算清楚, 改革才推得动. 如果领导者只看周报, 他就只能被吏牵着走.

那段回忆后面, 兰小欢还提醒了一句: 公众所接触的信息和看到的现象, 大都已经是博弈后的结果, "而缺少社会阅历的学生容易把博弈结果错当成博弈过程". 成功的政策背后是成功的协商和妥协, 而不是机械的命令与执行.

今天很多公司研究 DeepSeek, 研究 OpenAI, 研究 Anthropic, 看到的都是博弈结果: 扁平的组织, 自由的资源调用, 自下而上的研究文化. 可这些结果背后, 是多年的选人, 磨合, 试错和取舍. 照着结果画一张新的组织架构图, 并不会得到同样的过程.

6.4 选人的 taste, 与被证据推翻的勇气

选人的 taste 也会沿着同样的方向影响组织. 除了专业深度, 还需要识别一个人是否愿意理解相邻领域, 能否把自己的判断解释给不同背景的同事, 是否会主动修正已经投入精力的方案. 一个研究者能够把算法假设和系统行为联系起来, 就可能帮助几个团队重新定义问题. 这种贡献未必对应一个独立模块, 却可能改变整个项目的推进方式.

《置身事内》 里记了一位招商干部的心得, 说招商要做到 "铜头, 铁嘴, 顺风耳, 橡皮腰, 茶壶肚, 兔子腿". 铜头是敢闯, 铁嘴是能说会道, 顺风耳和兔子腿是消息灵通, 行动敏捷, 茶壶肚是能喝酒, 能社交. 最妙的是橡皮腰: "要尊重客商, 身段该软的时候要能弯得下腰, 但在谈判过程中也不能随便让步, 若涉及本市重要利益, 该把腰挺起来的时候也要挺直了."

如果给 AI 时代跨越知识边界的人也写一份 "六件套": 铜头, 是敢碰不属于自己部门的问题; 铁嘴, 是能把自己的判断讲给不同背景的同事听; 顺风耳, 是对相邻领域的异常足够敏感; 兔子腿, 是有了想法当天就动手验证. 茶壶肚不必能喝酒, 但要容得下别人的质疑和自己的失败. 橡皮腰最难: 证据面前, 身段要软得下来, 肯修正自己已经投入精力的方案; 没有证据的时候, 腰又要挺得直, 守得住自己的判断.

领导者也需要允许证据推翻自己的偏好. 一个简洁解释可能遗漏真实的数值问题, 一个看起来笨重的措施也可能在特定条件下不可替代. 当研究者拿出反例时, 资源和方向能否随之调整, 比会上是否允许讨论更能说明问题. 核心人物愿意公开修正判断, 会降低其他人暴露错误的代价, 让失败实验更容易成为共同知识.

iWARP 就是那个 "看起来笨重" 的措施. 当年嫌它复杂的人, 并不是没有道理; 后来回到它身边的人, 也不是承认自己当年错了, 而是承认条件变了. 能分清这两件事, 本身就是 taste 的一部分.

7. 团队的问题: 从领导小组到经济特区

7.1 特区缺的是政策

随着团队扩大, 这些判断还需要逐渐变成可以讨论和传递的依据. 记录重要决策依赖的假设, 明确什么证据会触发调整, 培养能够独立负责问题的人, 都能减少对个人在场的依赖.

那具体的团队该怎么搭? 《置身事内》 第八章回顾了 1980 年设立第一批四个经济特区的故事. 当时政治阻力不小, 所以才特意强调叫 "经济特区" 而不是 "特区", 以确保只搞经济实验. 邓小平对习仲勋说:

"中央没有钱, 可以给些政策, 你们自己去搞, 杀出一条血路来."

书里对这种属地实验的评价是:

"'属地管理'有利于地区性的政策实验和创新, 因为毕竟是地方性实验, 成功了可以总结和推广经验, 失败了也可以将代价和风险限制在当地, 不至于影响大局."

前沿研究团队需要的, 就是这样一块 "特区". 很多公司以为支持一个研究方向, 就是给它卡, 给它 HC, 给它预算. 这些当然重要, 但最稀缺的往往不是钱, 而是 "政策": 不走常规审批就能调卡的权限, 修改别的部门代码的权限, 不经过三层汇报就能拉人讨论的权限, 以及失败了不会被拿去和成熟业务的标准对账的保护. 特区缺的从来不是钱, 而是政策.

梁文锋描述的 DeepSeek, 其实是一个把整个公司办成特区的版本: "DeepSeek也全是自下而上. 而且我们一般不前置分工, 而是自然分工. 每个人有自己独特的成长经历, 都是自带想法的, 不需要 push 他. 探索过程中, 他遇到问题, 自己就会拉人讨论. 不过当一个 idea 显示出潜力, 我们也会自上而下地去调配资源." 自下而上地试验, 自上而下地推广, 和特区 "成功了总结推广, 失败了限制在当地" 的逻辑如出一辙.

7.2 联合项目要有真正的事权

具体到大公司的组织设计, 一个重要起点是围绕研究目标配置稳定合作的算法, 数据和 Infra 成员. 例如改善长上下文训练效率, 提高某类推理能力, 或降低满足既定质量要求的推理成本. 团队从目标和假设开始共同工作, 拥有必要的实验额度和技术修改权限, 并由明确的负责人协调质量, 时间和成本之间的取舍.

专业部门仍然承担人才培养, 技术标准和长期基础设施建设的职责. 网络, 存储和训练稳定性都需要持续的专业积累, 让所有人负责所有事情也会稀释这种能力. 需要调整的是关键问题上的合作方式和决策权限, 让团队能够在必要时共同修改跨越专业边界的代码和方案.

联合项目必须有清楚的决策权, 避免每一步都重新回到多个部门争取支持. 成员在项目上的时间投入, 资源额度和评价依据也需要事先明确. 只有责任而没有资源调动能力的项目负责人, 很容易变成会议协调员; 同时背负几套冲突目标的成员, 也很难持续投入共同的问题.

这几句话, 几乎就是 《置身事内》 上篇那几条原则在团队层面的翻版. 只有责任没有资源, 就是 "财权上收, 事权下压", 项目负责人的处境和当年的县级财政差不多. 同时背负几套冲突目标, 就是评价工作, 安排工作和受影响最大的 "上级" 不是同一个人. 体制内的 "领导小组" 之所以管用, 是因为组长通常就是能拍板的人; 如果一个联合项目只是一个跨部门的周会, 没有任何真正的事权, 它最终只会变成新一轮的文山会海.

7.3 像引导基金那样管理研究

《置身事内》 第四章讲政府产业引导基金. 私募基金常用 "有限合伙" 的形式, "出钱的是LP, 做投资决定的却是GP, LP的权利相当有限". 2015 年底, 财政部的管理办法明确了两点: 允许使用财政资金的政府投资基金出现亏损; 财政部门虽然出资, 但 "一般不参与基金日常管理事务".

书里也很坦率地写了这套机制的难处: "虽然原则上引导基金可以亏钱, 但对基金的经营管理者而言, 亏了钱不容易向上级交待." 于是就出现了各种变通, 比如承诺未来回购社会资本的股权份额, 相当于给对方托了底. 这种 "名股实债" 违背了股权投资的原则, 是中央明确禁止的.

研究管理者和研究团队的关系, 很像 LP 和 GP. 管理者出卡出钱, 研究负责人做具体的技术决定; 管理者要接受大部分投资会亏钱, 也不该天天插手日常的实验安排.

Anthropic 在介绍可解释性团队的工程挑战时写过, 他们把研究和工程视为不可分割的, 成员经常在两者之间来回切换, 先从现有系统里再挤出一点规模, 跑完一个新实验, 再回到研究上. 文章里还有一句很像风险投资的话: 因为很多研究想法终究行不通, 所以在看到成功的迹象之前, 他们不会在这些想法的基础设施上投入更多.

文章里举了一个分布式 shuffle 的例子. 训练数据大到装不进内存之后, 他们没有直接去做一个能扩展到 PB 级的方案, 而是选了一个能很快写出来, 但扩展性一般的办法; 等它真的成了瓶颈, 再换成多轮 shuffle 的方案. 先用便宜的办法验证想法, 有了信号再加码, 这就是研究的 "分轮融资".

反过来, 如果管理者 "亏了钱不容易向上级交待", 就会要求每个研究项目在立项时承诺交付日期和指标提升. 这就是研究里的 "名股实债", 不妨叫它 "名研实交": 名义上是研究, 实际上是交付. 风险全部压回到研究员身上, 剩下的只有 "一定能出结果" 的题目.

7.4 跨界的人, 是最稀缺的产业工人

组织还需要有意识地培养能够跨越知识边界的人. 理解模型训练的系统工程师, 理解硬件约束的算法研究者, 能够通过模型评估判断数据价值的数据工程师, 都能减少关键上下文在交接中的损失.

Anthropic 那篇文章说得更直接: 他们特别想招的是能在不同领域之间灵活工作的 generalist engineers, 无论是搭数据管线, 跑 ML 实验, 还是优化 GPU 的使用. 文章的 FAQ 里还有一句: Anthropic 是一个 "team-science" 的组织, 团队之间的边界以最好的方式保持着通透, 这让他们能很快地做成很多事. 这个案例展示了一种具体的工作方式, 原文可以看 Anthropic 关于可解释性研究工程的介绍[2].

《置身事内》 第八章引了格申克龙的一个观察: 很多落后国家虽人口众多, 却极度缺乏合格的产业工人, "创造一支名副其实的产业工人大军, 是最困难和耗时的过程". 书里说, "工业化" 最核心的一环就是把农民变成工人, 这不仅仅是工作的转变, 也是思想观念和生活习惯的彻底转变, 而这种转变只能在工厂里完成. 那些 "离土不离乡" 的乡镇小工厂, 恰好成了培训农民成为工人的绝佳场所.

AI 时代最稀缺的 "产业工人", 不是会调 API 的人, 而是能跨越知识边界的人. 把一个只懂网络的工程师, 培养成同时懂 GPU 微架构和训练动态的工程师, 同样是思维方式和工作习惯的彻底转变, 靠几门内部培训课是完成不了的, 只能在真实的联合项目里完成.

联合项目就是乡镇企业. 人不离开自己的专业部门, "离土不离乡", 却在项目里 "进厂", 在真实的问题上学会相邻领域的语言.

8. 组织学习与探索创新

8.1 后发优势的尽头

《置身事内》 第八章讨论发展目标与发展过程时, 有一段话我认为是全书最重要的段落之一:

"对处于技术前沿的发达国家来说, 提高生产率的关键是不断探索和创新. 其相对完善的市场经济是一套分散化的决策体系, 其中的竞争和价格机制有利于不断'试错'和筛选胜者. 但对发展中国家来说, 提高生产率的关键不是探索未知和创新, 而是学习已知的技术和管理模式, 将更多资源尽快组织和投入到学习过程中, 以提高学习效率. 这种'组织学习模式'与'探索创新模式'所需要的资源配置方式, 并不一样."

书里接着说, 后进国家虽然有 "后发优势", 但 "组织学习模式" 不可能一直持续下去. 当技术和生产率提高到一定水平之后, 旧有的模式若不能成功转型为 "探索创新模式", "'后发优势'可能变成'后发劣势'".

大厂做 AI 的过去几年, 很大程度上就处在 "组织学习模式" 里. 目标是清楚的, 追上 GPT-4, 追上某个榜单; 路径是已知的, 论文和开源代码都摆在那里; 需要做的是把资源尽快组织起来, 投入到学习过程中. 条条块块, 自上而下, 集中力量办大事, 在这个阶段非常有效. 很多大厂在追赶阶段的速度, 并不比创业公司慢.

可一旦追到前沿, 目标就不再清楚了. 梁文锋说: "我们经常说中国AI和美国有一两年差距, 但真实的gap是原创和模仿之差. 如果这个不改变, 中国永远只能是追随者, 所以有些探索也是逃不掉的." 在前沿, 需要的是分散化的决策, 不断的试错和筛选胜者, 也就是 "探索创新模式".

一个在追赶阶段被证明极其高效的组织, 恰恰最容易在这里卡住, 因为它所有的流程, 指标和晋升路径, 都是为 "学习已知" 设计的. 后发优势的尽头, 往往就是组织惯性的起点.

书里还有一句话很有分寸: "如果'组织学习模式'不止一种, '探索创新模式'自然也不止一种, 欧美模式不一定就是最优的模式." DeepSeek 的组织方式和 OpenAI 不同, Anthropic 和 Google DeepMind 也不同. 探索创新的组织没有标准模板, 能抄的只有原则, 抄不来的是过程.

8.2 从生产型组织到服务型组织

《置身事内》 的结论之一, 是政府需要从 "生产型政府" 向 "服务型政府" 转型. 书里给了两个理由. 一是与重规模, 标准化的工业生产相比, 服务业规模通常较小, 且更加灵活多变, 要满足各种非标准化, 本地化的需求, "在这种行业中, 政府'集中力量办大事'的投资和决策机制, 没有多大优势". 二是:

"'服务型'政府实质上就是投资于'人'的政府."

很多大厂的 Infra 组织, 也是 "生产型" 的: 以交付集群, 交付平台, 交付稳定性指标为中心, 擅长集中力量办大事, 比如建一个十万卡集群. 这件事永远需要有人做好. 但前沿研究更像服务业: 规模小, 变化快, 每个实验的需求都不标准.

一个 "服务型" 的 Infra 组织, 衡量自己的不是集群规模和利用率, 而是研究员从想法到第一个实验结果要等多久. 它投资的不只是机器, 还有工具, 可观测性, 文档, 以及能和研究员说同一种语言的工程师. 说到底, 也是投资于 "人".

书里还有一段话, 可以送给那些希望 "自下而上的研究文化" 自己长出来的管理者:

"对发展中国家而言, 市场和政府的关系, 不是简单的一进一退的问题, 而是政府能否为市场运行打造出一个基本框架和空间的问题. 这需要投入很多资源, 一步一步建设. 如果政府不去做这些事, 市场经济和所谓'企业家精神', 不会像变戏法一样自动出现."

自下而上的研究文化也不会像变戏法一样自动出现. 统一的评测, 可复现的实验平台, 不需要审批就能调卡的调度系统, 这些 "基本框架和空间", 需要管理者一步一步去建.

8.3 当执行变快, 协调就成了瓶颈

当 AI 工具进一步提高代码编写, 数据处理和实验分析的速度, 这些组织能力可能变得更加重要. 如果个人执行任务越来越快, 获取上下文和作出跨团队决策的速度却没有变化, 等待与协调就会占据越来越大的比例. 更多产出会汇集到相同的决策瓶颈前, 暴露出原来被执行成本掩盖的问题.

这其实就是组织版的 Amdahl 定律. 把一件事的耗时分成执行  和协调  两部分, AI 工具只加速执行部分, 倍数为 :

假设今天一件事里协调占四成, 那么就算 AI 让执行快到无穷, 整体也最多快 2.5 倍. 如果执行快了 10 倍, 整体只快了大约 2.2 倍, 而协调在总耗时里的占比, 会从四成涨到将近九成.

文章开头说, 人或许也是一个非常大的 LLM. 理解问题, 找到对的人, 拿到上下文, 是 Prefill; 写代码, 跑实验, 出报告, 是 Decode. AI 工具让 Decode 越来越快, Prefill 却还卡在开会, 找人, 等审批上, 首 token 的延迟正在吃掉整个请求的时间. AI 越强, 组织越像那个串行的部分.

8.4 改革方向与改革过程

读到这里, 很多人的第一反应可能是: 那就打破部门墙, 重组. 《置身事内》 对这种冲动有一个冷静的提醒:

"改革方向和改革过程是两回事. 就算每个人都对改革方向和目的有共识 (事实上不可能), 但对改革路径和步骤也会有分歧. 什么事先办, 什么事后办, 不容易决定. 每一步都有人受益, 有人受损, 拼命争取和拼命抵制的都大有人在."

书里还说, "可行的政策不仅受既有制度的约束, 也受既有利益的约束", 而 "那些受损的人的生活不是理论上的平均数字". 组织调整也一样. 一个负责人会失去他带了五年的团队, 一个只精通某一层的工程师会担心自己在 "全栈" 的口号下被边缘化, 一个平台会被宣布下线, 背后是一群人几年的心血. 平均来看组织效率提高了, 可每个具体的人感受到的, 都不是平均值.

书里关于转型的那句话, 我觉得每一个准备做组织调整的管理者都应该读一读:

"人不是机器部件, 不可能瞬间调整, 也没有人能一直紧跟时代, 所以稳定的改革过程要留下足够的时间和资源去缓冲. 这种'渐进性改革'中的各种缓冲机制, 往往会拖低效率, 所以常常被解读为'扭曲'和'资源错配'. 但任何成功的转型过程都离不开缓冲机制."

专业部门保留人才培养的职能, 联合项目给成员留出学习相邻领域的时间, 被下线的平台给使用者留出迁移的窗口, 失败项目里的人有地方可去. 这些缓冲看起来都在 "拖低效率", 却是组织能够平稳地从学习模式走向探索模式的前提.

对大企业而言, AI 时代的变化还涉及既有业务的优先级. 成熟产品需要稳定性, 可预测的成本和清晰的交付承诺, 前沿研究则需要承担更多不确定性. 两者都合理, 但需要不同的预算节奏和评价方式. 如果探索项目始终用成熟业务的季度回报标准证明自己, 组织就更容易选择可快速交付的改进, 并持续压缩基础创新的空间.

公司的规模并不决定这些问题是否存在. 小公司同样可能出现信息垄断, 决策集中和关键人物过载. 大公司也完全可能通过明确目标, 调整权限和改变激励, 建立高效的研究团队. 值得观察的是, 一个关键问题出现后, 相关的人能否及时看到证据, 能否共同判断, 能否调动资源把判断变成实验.

9. 另一半故事: 当 AI 走出实验室

9.1 从一张工单开始

上面讲的大都是研发 AI 的组织. 可 AI 不只是被研发出来, 还要被用起来. 用的过程里, 组织问题换了一副面孔, 但逻辑一脉相承.

设想一家企业刚上线了 AI 售后助手. 客户描述故障, 助手检索资料, 给出操作步骤, 随后工单标记为已处理. 产品团队看到自动处理比例上升, 平台团队看到调用成本下降. 过了一会儿, 客户打进人工电话: 设备还是不能用. 客服重新核对型号, 发现助手引用的说明只适用于更新的设备版本. 修正文档需要产品人员确认, 修改检索规则需要平台团队排期. 每个人手上都有一项具体工作, 客户的问题却停在了这些工作之间.

这就是第 1 章讲的外部性, 只不过它不发生在两个部门的 GPU 利用率报表之间, 而是发生在一张工单关闭之后. 产品团队减少了一次人工处理, 客服却增加了一次解释和排查; 如果两笔账始终分开计算, 产品负责人可能根本看不到后续代价. 兰小欢讲水污染, 是一座城市发展工业, 收益留在本地, 成本沿河流进入另一座城市; AI 售后助手也是如此, 效率留在了产品报表上, 代价沿着工单流进了客服.

要判断这套助手到底有没有用, 就要把观察延伸到工单关闭之后: 客户是否再次来访, 设备是否恢复, 人工补救花了多少时间. 一张覆盖全流程的报表本身没有调动资源的能力, 但它至少能让相关人员讨论同一件事.

9.2 AI 写代码: 快了, 然后呢

再看企业研发. 一家企业软件公司要新增 "取消订单" 功能. 工程师用 AI 编程助手, 很快生成页面, 服务端逻辑和单元测试. 联调时才发现, 销售理解的 "取消" 是停止交付, 财务还需要处理已开票金额, 仓储则关心货物是否已出库. 同一个按钮, 连着几套不同的业务状态.

如果需求只写 "支持取消", 生成更多代码也无法替团队决定这些含义. 开发团队若只按完成的功能数考核, 未解决的关系就转化为测试和运行团队的返工. 一个部门节省下来的编码时间, 可能以更高的代价出现在另一个部门的联调里, 和上篇讲的每张报表都合格, 整体却很慢, 是同一个结构.

验证也有自己的陷阱. 助手根据同一份含糊需求生成代码和测试, 两者可能同时接受了同一种误解. 发布负责人看到 "全部通过", 其实只是两面镜子在互相照.

9.3 谁在决定 AI 看见什么

《置身事内》 第一章讲, 上级名义上拥有最终决定权, 是形式权威; 下级掌握信息, 自主性很大, 是实际权威. AI 会同时改变两侧: 中枢可以更方便地汇总业务记录, 一线也可以更方便地获得过去需要向其他部门求助的分析能力.

但实际权威还可能向一个以前不存在的位置移动. 谁决定哪些文档进入知识库, 谁定义评测中的正确答案, 谁设置工具调用的权限, 谁就能影响助手展示的选项和执行的动作. 业务负责人即使仍然负责最终批准, 也可能只能在别人已经筛选过的方案中选择.

这种影响不需要任何人故意操纵. 负责知识库的人可能优先收录格式统一的文档, 结果把只存在于工单里的例外经验排除在外; 负责评测的人可能选择容易判分的问题, 让复杂客户的需求长期缺席. 每一个局部选择都有合理理由, 累积起来却决定了系统认为哪些问题值得回答. 组织图没有变化, 数据和软件配置却可能改变实际决策权.

阅读模型的总结时, 还应保留回到依据的能力. 一段流畅的结论可能把样本不足, 记录缺失和几种互相矛盾的解释压成一句确定的话. 书里结语写道: "比较数据和表面现象容易, 但要比较数据产生的过程和现象发生的机制就难了, 而这些往往更加有用." 用在技术汇报里, 就是压缩篇幅时仍须保留足以改变结论的条件.

9.4 保留下一代的判断力

《置身事内》 讲乡镇工业, 除了加剧竞争和推动效率之外, 还有一个容易被忽略的作用: 让当地农民熟悉了工业和工厂, "'工厂'承担了类似'学校'的教育功能". 第 7 章已经用格申克龙的 "产业工人" 讨论了跨越知识边界的人. 这里要补充的, 是使用 AI 工具的组织里同样存在一个培养问题.

研发部门的新人工程师, 过去通过修复小缺陷, 阅读旧代码和补充测试, 逐渐熟悉系统为什么这样设计. 如果这些任务大量交给编程助手, 新人只负责接收改动, 却很少经历独立定位问题的过程, 旧的培养路径就会改变. 企业需要安排受监督的实践和导师时间. 知识库可以保存结论, 但专业判断还需要在使用, 质疑和修正结论的过程中形成.

一种可行的训练方式, 是让新人先独立说明自己的判断和依据, 再与助手的建议比较, 由资深人员解释分歧. 对已经处理过的案例, 改变一个关键条件, 再看原来的答案是否仍然适用. 这样安排会占用当下的工作时间, 却能让团队持续培养能够检查系统的人.

兰小欢在结语中说: "切中要害的问题, 必然基于对现实情况的深刻理解." 提问能力需要接触真实后果. 软件工程师需要看到发布后的故障, 工业设计人员需要看到仿真与实物试验的差异. AI 降低部分资料整理和原型生成成本之后, 节省的时间可以用于这些学习. 如果培训只教如何更快接受答案, 公司可能在短期内提高处理速度, 同时削弱下一批员工发现错误的能力.

9.5 当执行快到无穷:  的另一种拆法

第 8 章用组织版 Amdahl 定律把耗时分成了执行和协调两部分. 在 "使用 AI" 的场景里, 还可以拆得更细. 把一条关键路径的时间分为执行, 协调, 排队等待和核验返工四段:

假设它们分别耗时 8, 12, 16 和 4 小时. AI 把执行从 8 小时降到 1 小时, 总时间从 40 小时降到 33 小时, 省掉的 7 小时不过是 17%. 如果团队紧接着同时启动更多任务, 每个任务都很快完成初稿, 审核者却还是原来几个人, 等待审核的任务就会累积. 限制同时推进的数量, 或让有能力的人在明确边界内自行验收, 可能比继续提高生成速度更有效.

《置身事内》 在讨论省直管县时说, 改革前一个省平均管 12 个市, 改革后平均管 52 个市县, "钱和权给了县, 但监管跟不上". 如果一个负责人直接面对更多团队和更多智能体, AI 可以帮他汇总情况, 但跨业务取舍, 专业争议和人员培养仍然消耗注意力. 一个名义上更扁平的组织, 也可能让所有例外都排到同一个人面前.

书里对这类改革的评价很有分寸: 拉平财政关系后, 浙江效果很好, 因为县域经济本身强劲; 但在其他省份, "省里管不过来" 的问题和 "县市合作关系被打破" 的副作用同时出现. 减少管理层级是否有效, 不取决于组织图画得多扁平, 而取决于被取消的那一层原来在做什么: 如果只是转交信息, 可以随工具变化而缩减; 如果在协调排期, 就需要重新分配; 如果在带新人, 解释历史决策和处理写不成规则的冲突, 成本就会变成一线的额外劳动和高层的不断救火.

结语: 置身 AI 内

《置身事内》 第八章写道: "比较数据和表面现象容易, 但要比较数据产生的过程和现象发生的机制就难了, 而这些往往更加有用." 比较各家公司的组织架构图很容易, 难的是比较一个想法在不同的组织里是怎么出生, 怎么长大, 又是怎么死掉的.

所以, 讨论 AI 时代的组织结构, 到头来需要落到一些非常具体的事情上: 一个研究员发现异常之后, 能直接找到谁; 一个跨领域的想法, 多久能得到第一次验证; 一次失败, 能否帮助所有相关团队少走弯路; 一个人帮助别人取得突破, 能否同样获得认可; 核心领导者提出的判断, 能否被新的证据改变.

这几个问题, 每一个都能在 《置身事内》 里找到影子. 第一个是信息与权威, 第二个是事权与审批, 第三个是退出机制和 "企业不是人", 第四个是激励相容, 第五个是强力的领导能不能说 "不". 兰小欢说: "发现和提出好的问题, 是解决问题的第一步, 且'提问'本身, 往往已蕴含了对解决思路的探索." 这篇文章能做到的, 也只是把问题提出来.

资金可以买到机器, 薪酬可以吸引人才. 组织需要进一步创造条件, 让这些人能够理解彼此的工作, 修正共同的判断, 把分散的专业能力变成持续积累的集体知识. 当最有价值的问题不断出现在部门交界处, 组织就必须让知识, 资源和决策能够及时跨过这些边界. 核心领导者的 taste, 则需要让更多人获得独立作出可靠判断的能力.

我们不可能脱离政府谈经济, 也不可能脱离组织谈 AI. 在这个意义上, 组织结构本身, 已经成为 AI 技术能力的一部分.

《置身事内》 的结束语里, 兰小欢引了凯恩斯在 论概率 里的一段话: 写这样一本书, 若想说清观点, 作者有时必须装得成竹在胸一点, "我有时轻描淡写, 斩钉截铁, 但其实心中始终有所疑虑, 也许读者能够体谅". 这篇文章也是一样. 里面很多判断写得斩钉截铁, 但组织问题从来没有标准答案, 我看到的, 也只是自己经历过的那一小部分.

那本书收尾的一句话是: "生活过得好一点, 比大多数宏伟更宏伟." 借用这个句式: 让一个研究员发现异常之后, 当天就能找到对的人, 比大多数宏伟的组织变革都更宏伟.

置身 AI 内, 我们每个人都既是这台机器里的一个部件, 也是它的一部分设计者. 下一次你在部门的交界处发现一个异常, 是把它写进一张工单, 还是起身走过去, 找那个人聊一聊?

附: 一张对照表

《置身事内》

置身 AI 内

条条与块块, 层层复制

专业部门与模型项目, 每个 BG 一套 Infra

尽量在能达成共识的最低层级上解决问题

接口规范, SLA, 工单和各种委员会

外部性与水质监测站

部门报表与 straggler, 尾部延迟

三不管地带与根据地

部门接口处的性能问题与全栈探索

形式权威与实际权威, 官与吏

管理层与一线工程师之间的信息差

文山会海, 叫魂

工单, 周报, 层层转述的训练事故

所谓权力, 是说不清楚时由谁拍板

前沿研究里, 谁决定一个想法值不值得做

评价, 安排工作和受影响的上级应是同一人

借调工程师的绩效, 工作和影响分属三个人

看得见的路桥, 看不见的管网

发布会与 SOTA, 修 bug 与数值稳定性

烟厂酒厂, 只抽本地牌子的烟

每个部门自研框架, 只用自己的

鞭打快牛, 预算外收入, 突击征税

配额按用量定, 私藏的卡, 年底突击用卡

分税制: 财权上收, 事权下压

算力中台: 卡权上收, 指标下压

重土地, 轻人

重卡, 轻人

边干边学, 创新是买不来的

只有在自己的集群上修过的 bug 才算数

强力政府也要能拒绝帮助, 退出机制

能对自己支持过的项目说 "不"

经济特区: 给政策, 不只给钱

研究团队: 给权限, 不只给卡

引导基金: 允许亏损, 不管日常, 警惕名股实债

研究管理: 分阶段投入, 容忍失败, 警惕名研实交

产业工人大军, 离土不离乡

跨越知识边界的工程师, 在联合项目里成长

组织学习模式与探索创新模式

复现追赶与原创探索

生产型政府向服务型政府转型

交付型 Infra 向服务研究员的 Infra 转型

改革方向与改革过程, 缓冲机制

打破部门墙的方向, 与照顾具体人的过程

工单关闭 vs 客户问题解决

自动处理率上升, 人工补救也可能上升

省直管县: 拉平后省管 52 个市县

扁平化后一个负责人面对所有例外

教育日常归地方, 教材编制归中央

模型调参归一线, 评测标准归统一

乡镇工厂的 "学校" 教育功能

AI 助手可以当教具, 不能当教师

实际权威随信息优势静默移动

知识库和评测配置悄悄改变决策权

参考资料

[1] 

梁文锋访谈: https://finance.sina.com.cn/roll/2024-07-22/doc-inceypaf4744158.shtml

[2] 

Anthropic 关于可解释性研究工程的介绍: https://www.anthropic.com/research/engineering-challenges-interpretability

跳转微信打开

Taste

2026年10月12日 18:03

原创 李继刚 2026-10-12 18:03 北京

欲辨已忘言

我们浸泡在「输入」(x) 和「结果」f(x) 组成的「事件」中,沉淀下来的不是记忆,而是一个函数 f。

当遭遇新的情景输入,在我们启动分析之前,先得到了一个「感觉」:「这味道不对。」

我把这个先于分析到达的「感觉」,称为「Taste」。


f 是浸泡出来的,不是教出来的。

你能展示 f(x₁),f(x₂),f(x₃)。你写不出 f。

规则是 f 的切线。拿十条切线去画,画出来的是折线,是曲线的逼近,但不是曲线本身。

能传递的不是 f,是 [x,f(x)] 的 pair。


f 的边界就是浸泡它的 x 的边界。

一个只会英文的博士生,翻开一本中文小说,他也只能沉默。他的 f 在中文这片区域没有形状。

f 的准确性跟着结果信号 f(x)走。见过高标准的[x,f(x)],f 的质量会相应提到提升。


f 先于分析。

你扫视一眼新代码,觉得味道不对。你还没来得及分析。f 先给了信号,然后你才停下来回去找原因。

你不是先分析再判断。你先判断,再用分析去解释判断。


f 选择你的 x。你选择读什么、听谁说话、在哪里停下来,是 f 在引导。

但 x 塑造 f。

f 选择 x,x 塑造 f。


所以,如何提升 taste (审美、品味)?

不要去找秘诀,不要去找捷径。

去找你所在领域高标准的[x,f(x)],把自己浸泡其中。

f 会冒出来。

跳转微信打开

GLV号外|高瓴创投持续加注弦引未来,助力探索太空在轨服务

2026年10月12日 17:32

高瓴创投 2026-10-12 17:32 北京

近日,安徽弦引未来科技有限公司(以下简称“弦引未来”)宣布,自2026年3月以来,连续完成天使轮、Pre-A轮及A轮融资,累计融资金额达数亿元人民币。高瓴创投领投天使轮,并在Pre-A轮继续追加投资。

GLV INSIGHT

我们看好的新技术

高瓴创投(GL Ventures)项目负责人表示:

“弦引未来研发的是在太空为卫星加注燃料、维护检修,并协助退役卫星安全离轨的柔性机器人。随着在轨资产不断积累,让航天器延长寿命、持续创造价值,将为商业航天打开新的服务空间。太空作业的特殊性在于,一次接触碰撞就可能影响高价值航天器的安全,因此,机器人的柔顺性、轻量化和精细控制能力,是在轨服务走向商业应用的重要基础。弦引未来以绳驱柔性技术切入这一需求,团队在空间机器人领域二十余年的研究积累和多次在轨验证经验,为应对这些复杂工程问题提供了扎实支撑。我们期待陪伴团队推进工程验证,逐步将太空中的精细作业转化为安全可靠、可重复交付的商业服务。”

弦引未来成立于2025年9月,专注于绳驱柔性太空机器人研发与智能在轨服务,致力于为航天器提供在轨加注、辅助离轨、在轨检修等服务。公司将结合本次融资,持续推进技术研发、在轨验证、商业化探索与人才团队建设。

把航天器送入轨道之后,如何维护它、延长使用寿命,以及在退役后妥善处置,是弦引未来关注的问题。在轨服务希望通过专业化的空间作业,让航天器在全生命周期内得到更充分的利用。

这类服务的实现,需要跨越多重工程门槛。空间作业中,服务设备与目标航天器之间的相对运动,对接近、接触和操作的安全性提出了较高要求;不同航天器的结构、接口和作业空间各不相同,需要作业机构具备相应的适应能力;与此同时,搭载设备的重量、收纳体积和部署方式,也受到严格限制。

弦引未来选择以绳驱柔性技术切入,围绕安全接触、精细操作和轻量化搭载展开研发,通过柔顺的作业机构,适应不同构型与受限空间中的操作需求,并通过持续的工程测试和在轨验证,检验技术方案在真实任务中的可靠性与实用性。

目前,公司正在推进试验方案设计、技术联调、地面模拟测试及在轨任务推演等工作,预计于2027年实施在轨验证任务,重点开展在轨加注与航天器辅助离轨验证,并同步探索太空触觉感知、智能自主决策等技术的应用。

在技术验证之外,弦引未来也计划与相关产业方开展前期试点合作,围绕实际任务需求打磨服务模式,探索从技术能力向商业服务的转化。例如,在太空光伏等新兴应用中,大型空间设施未来可能涉及模块化发射与在轨组装,对空间作业能力提出新的需求。公司将与天合光能等产业伙伴围绕相关场景,探索产业协同与商业化试点。

支撑这些工作的,是一支兼具科研与工程经验的团队。据公司介绍,研发人员占比超过80%,成员既包括长期从事基础理论与智能算法研究的人才,也包括深度参与过航天重大型号工程的专家,能力覆盖结构设计、仿真集成及产品工程化等环节。未来,公司将继续引进航天系统工程、空间环境试验、智能作业算法等方向的人才。

跳转微信打开

继续苟着

2026年10月12日 13:30

原创 也谈钱 2026-10-12 13:30 德国

前两天也太突然问我,好像很久没说投资了?

嗯…标题就是我现在的状态了。

今年大部分时间可以用一句话概括。我觉得放心的投资,不涨,浪费时间。在涨的投资我担心风险,很难继续加,也浪费时间。

看来看去就没啥可说、可做的。

上次写《如何度过低谷》有读者留言说,很有帮助,就是他现在的状态了。每篇写给大伙的文章,其实也是写给我自己的。我一直相信,只要一个方法真的对自己有帮助、真的在用,就值得拿出来分享。只要真能帮到自己,就一定也有其他人需要它。

度过这段时间和度过低谷很像,方法互通。

如果暂时不知道什么事情能带来收益,就去想什么事情能带来开心。开心会让时间加速,哪怕不能,开心本身也值得。

……

我在网上找到一家动物园,规模很小,从南到北才 600 米 👇 但评价很高。

门票 12 欧,年卡 58 欧。和动物园比算小贵,通常面积大 10 几倍的动物园也才 20 欧。

但和欧洲的日常生活比,动物园的快乐就太便宜了。这是我们最近点的外卖 👇 12 片很薄的三文鱼 8 欧,一盒炒牛肉 14 欧,加起来也要 22。

去过以后,发现小型动物园有个很打动我的地方。游客可以实际参与的项目很多,好像人和人之间有更多的松弛和信任。

比如每个动物区都有自动售货机,5 毛一把,游客可以自己喂食。全程没人盯着。

驯鹰表演部分环节(体型比较小的鹰)可以游客参与,不限年龄。管理员讲了几句须知,鹰可以摸,但只能顺毛捋,不能逆着摸。然后每人领一只驯鹰手套,就开始了。

领手套时我一看前面都是小朋友,心里咯噔一下,不会就我一个大人吧?混进小朋友局,那也太尴尬了。回头一看放心了,身后是两笑嘻嘻的老头,和我一样一脸期待。果然,男人至死是少年。

撸北极狐的环节,小朋友们一边尖叫「啊,它咬我,我被抓了」,一边一脸兴奋「摸起来也太软了吧!」,爸妈就在边上笑着看。

场面比较混乱,忘拍照了。补几张网友的照片:

北极狐真的超好撸,手感绝了。虽然没有自拍,但摸到的一瞬间我一定两眼都在发光 🤩 比我能想象的最软的手感,还要软。

大型动物园人多了以后,总有种相互提防的感觉。动物园总担心你做出什么对动物不利的事儿,或者担心动物抓了你,因此担责任。

小型动物园的氛围更像是去邻居家做客,碰巧他家有超级多动物。

……

园区里大部分游客都是带娃来的,想起之前一个讨论——为什么在欧洲带娃好像更容易?生娃的家庭经常一胎、二胎连着生,一起带俩,却父母自己就可以带,很少找帮手。

欧洲父母有个底层观念和我们几乎相反,刚到这边时给我了大大的震撼。

我以前一直觉得,孩子是要小心抱着的。所以第一次看到,德国同事把孩子提着一只胳膊,从地上「捡」起来的时候,这一幕堪称惊悚。仿佛随手捡起地上的布娃娃。

后来才慢慢接受,孩子其实很结实,骨骼比成年人更有弹性、更不容易受伤。不像我想象中那么脆弱,仿佛一碰就会融化。

我们经常认为孩子非常脆弱,要小心呵护。恨不得所有事儿都替他做好。

但欧洲父母普遍认为孩子很“结实”,也很自主,很多事儿都让他自己做。

还有个例子,欧洲父母很少担心孩子厌食。父母管吃什么、什么时候吃,然后给孩子套个围兜,自己抓,自己决定吃多少、吃不吃,不吃就是吃饱了。国内常见的追着喂、哄着喂、"再吃一口",在欧洲很少见。

如果事无巨细都要替孩子决定,父母就会很累,对孩子也未必更好。相信有些事孩子自己知道,有些担心其实没必要,父母就会更轻松。

而且欧洲爸爸带娃的参与度比较高。经常在街上看到爸爸推着婴儿车遛娃。或者两对夫妇一起散步,两个妈妈前面空着手聊天,两个爸爸后面推着婴儿车聊自己的。

不过我后来研究了一下,发现爸爸带娃不光是观念问题,也是制度的影响。普遍规律是,加班越多的地区,爸爸带娃越少。

当然,容易都是相对的。看绝对的工作量,在哪带娃都不容易。

只不过观念上给父母减负,客观上又有更多的自由时间,带娃的任务就大致可以到父母自己能承担的程度了。

跳转微信打开

阶跃Step 5 Preview上线WorkBuddy!独家限免

2026年10月12日 12:22

阶跃StepFun 2026-10-12 12:22 北京

🚀现在,在腾讯 WorkBuddy 中能直接调用阶跃 Step 5 Preview 啦!

WorkBuddy 是腾讯推出的全场景 AI 办公工作台。无需复杂操作,只需通过自然语言下达指令,就能让 AI 自主拆解任务、调用工具,从需求理解到成果交付,让复杂工作变得更简单。

🔍从深度研究、信息检索,到数据分析、文档与 PPT 生成,再到多步骤复杂任务的持续执行,Step 5 Preview 将更强的推理与 Agent 能力带入真实办公场景。

🎁2026 年 10 月 12 日至 10 月 25 日,Step 5 Preview 在 WorkBuddy 开启独家限免!

还等什么?打开 WorkBuddy,带上 Step 5 Preview,立刻开工!💻

#阶跃星辰

#WorkBuddy

#Step5Preview

跳转微信打开

AI 大模型如何重构数据库根因分析:从"人找原因"到"AI 找原因"

2026年10月12日 11:23

原创 去哪儿网DBA团队 2026-10-12 11:23 北京

e7aea0b2-cb9f-4322-b3ce-66271860cbe5.png

文章概览

图片

  • 告警排查的真相:不是找不到原因,而是每次都要重新找一遍

  • 整体架构:六层协同的智能诊断引擎

  • 架构选型:为什么是 LangGraph 而不是 LangChain 或 Dify

  • 意图识别:LLM 做理解,代码做计算

  • RCA 根因诊断:从 Pearson 到 Granger 的五层关联度分析

  • 智能问答:三速响应的分层策略

  • 对抗 LLM 的不确定性:速度与准确性的全局优化

  • 人机交互:让 AI 学会"等一等"

  • 安全与并发控制:AI 落地的生产级工程防线

  • 落地效果:DBA 的日常发生了什么变化

  • 总结

作者介绍:

杨赞,2023年加入去哪儿旅行,现任数据库管理员(DBA),负责 MySQL、Redis 的运维与稳定性治理,并主导慢查询分析系统、数据库智能巡检平台的设计与开发。近年来持续关注 AI for DB 领域,聚焦大模型在智能诊断、慢查询根因分析、异常检测等场景的落地实践,探索数据库运维从"经验驱动"走向"数据与智能驱动"。

告警排查的真相:不是找不到原因,而是每次都要重新找一遍

  日常巡检中,当接收到一条告警:"MySQL 实例活跃线程数飙高"。DBA 打开监控面板,开始逐项排查——先看扫描行数变化异常,再看有没有慢查询,再看 TOPSQL 有没有执行次数突增,接着查有没有 DDL 在执行、有没有发布变更……

  这个过程短则几分钟,长则几十分钟。如果同时来多个告警,排查压力会成倍放大。更关键的是,同样的排查思路,每次都要从头执行一遍——问题不在于"有没有办法排查",而在于"排查的经验和知识无法沉淀为自动化的能力"。

  而且,有些低概率诱因在人工排查时极易被遗漏,例如网络瞬时抖动、个别客户端容器资源紧张等,这些隐蔽因素往往需要反复排查多轮才能定位,大幅拉长了问题定位时间。

  这正是 AI 数据库运维 Agent 要解决的核心问题:把 DBA 的专家经验和排查流程,沉淀为一条自动化流水线,让 AI 接管"故障诊断"的场景,从"人找原因"变成"AI 找原因"。我们构建了一个基于 LLM 大模型的数据库智能运维 Agent,它能够自动完成从意图识别、参数提取、数据采集、算法分析、LLM 推理、根因定位到人机交互确认的全链路闭环。这篇文章将深入拆解它的架构设计、核心算法原理和优化思路。

下面是一次真实的诊断对话结果——用户只描述了"哪个实例、什么时段、什么现象",Agent 自动走完上述全链路闭环,最终输出一份结构化的诊断结论。例如用户输入 "x-xxxx.dxx.xx xx 2026-08-05 00:10:35 有流控",Agent 返回:

整体架构:六层协同的智能诊断引擎

在深入具体的技术决策之前,先建立全局视角——这个 Agent 是怎么组织起来的。它的整体架构可以抽象为六个层次,各层职责清晰、松耦合协同。

第一层,用户交互层。负责接收用户的诊断请求和发送回复。用户通过飞书消息发起请求,支持自然语言输入(如"x-xxxx.xx.xx xx  从 18:10-18:30 并发高")和结构化参数输入(由告警模版携带指标、时间、主机等字段)。回复通过飞书流式卡片呈现,支持实时进度更新,让用户感知 Agent 正在执行哪一步。

  第二层,意图识别层。负责任务的入口解析——从用户的自然语言中提取诊断对象(集群名、端口)、时间窗口和诊断意图。采用"LLM 做理解、代码做计算"的理念:大模型只负责语义理解和参数提取,日期计算、范围校验、规则修正全部由代码完成。通过四层流水线(预处理 → LLM 提取 → 后处理计算 → 校验兜底)和轻量 Flash 模型加速,首 token 延迟控制在 0.5 秒以内。详细设计见下一章。

  第三层,编排调度层。这是整个 Agent 的大脑中枢,基于 LangGraph 的 StateGraph 构建了一个包含 10 多个节点的有向图。流程覆盖从初始化、意图识别、参数校验,到按意图类型和数据库类型分流至不同处理节点(MySQL RCA、Redis RCA、智能问答、Redis 内存增长分析等),再到确认回复、HITL 等待、反馈处理,直至结束。每个节点通过显式条件边串联,支持 halt 短路和 interrupt 中断暂停及恢复。

  第四层,算法分析层。这是数学计算的部分——从 Prometheus、ES、MySQL 等数据源拉取监控数据后进行多维度关联分析,产出结构化证据(哪些指标异常、谁和谁高度相关、谁导致谁、异常时间线事件),成为 LLM 推理的输入。这一层的核心思想是"计算与推理分离":数学计算由代码完成,秒级出结果,准确无幻觉;LLM 不做计算,只做逻辑推理。具体算法细节在后续 RCA 章节中展开。

第五层,LLM 推理层。采用两阶段 LLM 调用设计——诊断 LLM 负责根因定位,建议 LLM 负责生成优化建议,两者使用独立的 prompt 和模型配置。分离的考量详见下文 RCA 章节。

第六层,数据采集层。Prometheus(监控时序数据)、Elasticsearch(慢查询日志)、MySQL(实例元数据)、DBA 运维平台 API(发布记录、工单、集群信息、硬件信息)等多源数据统一采集,供给算法层和 LLM 层使用。

这六层架构中,编排调度层是最关键的"大脑"——它决定了各层怎么协同、数据怎么流转、用户怎么参与。这就引出了本项目最核心的架构决策:编排调度层的引擎应该选什么?LangChain 的 Chain?Dify 的可视化画布?还是 LangGraph 的 StateGraph?下一章展开分析这个决策背后的权衡。

架构选型:为什么是 LangGraph 而不是 LangChain 或 Dify

  这是整个项目最关键的架构决策之一。在选型时,我们评估了三种主流方案:LangChain、Dify 和 LangGraph。三者在流程编排上的理念差异巨大,直接决定了 Agent 能否支持"暂停-恢复"的人机交互模式。

对比维度

LangGraph (StateGraph)

LangChain (Chain)

Dify (可视化工作流)

流程编排

显式条件边,每个节点的路由逻辑完全可见可控

固定线性流程,各节点按预定义顺序依次执行,无法根据中间结果动态选择下一节点

拖拽式可视化画布,简单直观,但复杂条件分支难以维护

共享状态

State 中心化管理,TypedDict 定义所有字段,节点只读写自己关心的部分

需手动在节点间传参,参数多时函数签名越来越长

变量节点 + 会话变量,多分支间状态传递能力有限

人机交互

原生 interrupt() + Command(resume=),图暂停后自动落盘 checkpoint

无原生支持,可通过自定义中间件 + 外部状态存储实现,但需自行处理序列化/恢复/超时

原生不支持暂停/恢复,需自行实现轮询或 Webhook 回调

长时间等待

checkpoint 持久化到 Redis,用户几分钟甚至 2 小时后回复仍可断点恢复

线程阻塞不可行,需自己实现状态机

工作流有超时限制,无法直接实现

超时取消

基于 checkpoint 时间戳 + Redis TTL 自动过期清理

需自行实现定时器 + 清理逻辑

平台级超时配置,无断点恢复能力

可观测性

每个节点可打印耗时日志,可随时查看当前图状态

中间状态不透明,调试困难

内置追踪面板和日志,可视化程度高

LangChain 是 LLM 应用开发领域最早成熟的框架之一,生态丰富、社区活跃,在快速搭建原型方面表现优秀。但在数据库运维 Agent 这个场景下,它有三个明显短板。

第一,流程控制不透明。LangChain 的 Chain 把执行流程硬编码为不可打断的线性链路,用户在过程里只能看到"卡片沉默十几秒然后突然蹦出结果",中间发生了什么完全不可见。LangGraph 可以把全流程拆成多个独立节点,节点之间可以插入进度更新,让用户实时感知"正在做什么"。对于耗时较长的节点,还通过后台定时线程每 3 秒刷新飞书卡片,提供秒级进度反馈——这种细粒度的可见性,在 LangChain Chain 的固定流程里根本插不进去。

第二,人机协同中的长时间等待——这是 LangGraph 最核心的差异化能力。数据库诊断不是一次性跑完就结束的:AI 产出结论后需要暂停等用户确认,用户可能几秒回复,也可能二十分钟后才有空看一眼。LangGraph 通过 interrupt() 原生支持暂停-恢复(落地细节详见人机交互章);而 LangChain 的 Chain 本质是一次性执行到底的流水线,要实现同样效果,需要自己动手实现"暂停→序列化→反序列化→恢复"的完整状态机,还要处理超时清理、回复去重、服务重启一致性等工程问题——不是在用框架,而是在框架之上再造一个微型框架。

  第三,多节点间的状态传递。Agent 的共享状态包含 70 多个字段,横跨输入参数、意图路由、飞书卡片上下文、诊断结果等七大类。LangChain Chain 模式下需在节点间手工传递,任一中间节点新增字段,所有下游节点的函数签名都要改。LangGraph 的方案是:所有节点共享 AgentState(TypedDict),每个节点只读写自己关心的字段,新增字段只需在 TypedDict 里加一行,不碰任何调用代码。

  Dify 作为可视化 LLM 应用构建平台,优势在于拖拽式画布简单直观,但在这个场景下有两个短板。第一,复杂流程编排受限 —— 十几个节点加多级条件分支,在画布上连线的可读性和维护性直线下降。第二,也是最致命的—— 原生不支持"暂停-恢复"模式,Agent 的长时间等待确认需求无法直接满足。

  综合来看,LangGraph 的持久化、显式条件边、State 中心化管理和原生 interrupt 机制,同时解决了数据库运维 Agent 的三大核心需求:细粒度的流程可见性与进度反馈、人机协同中的长时间等待与任意时刻恢复、以及多节点间复杂状态的高效共享。

  编排引擎选定了,六层架构的骨架也搭好了。下面进入具体能力的展开—— 首先是 Agent 的第一道关口:意图识别。

意图识别:LLM 做理解,代码做计算

  意图识别是 Agent 的入口关卡 —— 入口不能慢,慢了后面的诊断链路再快也没有意义;入口不能错,错了后面的分析再准也是白费。作为六层架构的第二层,它的核心任务是从用户的自然语言输入中提取结构化参数:诊断对象(哪个集群、哪个端口)、时间窗口(从几点到几点)、诊断意图(RCA 根因分析还是智能问答)。

  这个环节的设计原则是"LLM 做理解,代码做计算":大模型只负责理解语意,从自然语言中提取结构化参数,所有日期加减、范围校验、规则修正全部由代码完成。为什么要这样分工?因为 LLM 在确定性计算上并不可靠 —— 跨午夜日期计算错误率高达 5% 到 10%,而代码做这些运算又快又准。让 LLM 做数学计算,等于用瑞士军刀拧螺丝。

四层流水线:把脏活挡在 LLM 门外

  为了实现精准的意图识别,我们设计了一条四层递进式流水线,每一层解决一类问题。

预处理层 —— 把"脏活累活"挡在 LLM 门外。空输入直接拦截,不浪费后续资源。LLM 在日期偏移计算上容易出错,中文星期表达(如"上上周二")用正则预解析为具体日期,不给 LLM 犯错的机会。

LLM 提取层 —— 结构化信息提取。Prompt 中包含了多个 Few-shot 示例,按意图优先级分层判断:先排除纯 IP、纯 AppCode 等特殊场景归为问答,再判断 RCA 诊断类意图,最后提取时间范围。关键优化是 Prompt 中动态注入当前系统日期,防止 LLM 借用训练数据中的旧日期产生幻觉。

后处理计算层 —— Python 接手所有确定性运算。时间窗口在原始范围基础上前后各扩展 90 分钟和 20 分钟(给异常检测留足上下文),时间跨度超限直接拒绝。端口范围强制校正数据库类型,集群名自动补全实例地址。

校验兜底层 —— 做最后的防线。意图返回空时降级为问答模式,确保用户无论发什么都能得到合理的响应。

速度优化:轻模型 + 关思考 + 零重试

  在四层流水线保证了意图识别的准确性之后,响应速度就成了下一个要优化的目标 —— 意图识别是用户感知到的第一道延迟,必须做到秒级以内出结果。

  从三个维度压榨延迟。

模型选型:小模型干小活。 采用轻量 Flash 模型而非重型 Pro 模型。意图识别本质是结构化信息提取,不需要深度推理,小模型完全够用 —— 用牛刀杀鸡反而是浪费。

关掉思考链:不生成无用的内部推理。 DeepSeek 的 thinking 模式会产生大量内部推理 token,对意图识别这类"提取型"任务毫无增益。直接关闭后,首 token 延迟从约 3 秒降到约 0.5 秒。

零重试策略:一次调用拿全结果。 temperature=0 确保确定性输出,不重试,单次超时兜底,一次调用返回全部结构化字段,防止单字段缺失触发二次调用。

  这四层流水线加三重速度优化的组合,让意图识别既准又快,为后续的编排调度和根因诊断打下可靠的基础。这个环节体现的"LLM 做理解、代码做计算"原则,在接下来的 RCA 算法和智能问答模块中还会以不同形式反复出现—— 它是贯穿全局的设计主线。

RCA 根因诊断:从 Pearson 到 Granger 的五层关联度分析

  意图识别将请求按目的和数据库类型分流后,最核心的一条路径进入 RCA —— Root Cause Analysis,根因分析。这是整个 Agent 最重的能力模块,按诊断对象分为四个层级,覆盖了 MySQL、Redis、主机和 AppCode 的常见异常场景。

  • MySQL 实例级:活跃线程数、并发数、行锁时间、PXC 流控队列、每秒查询数、各 DML 操作速率等。

  • Redis 实例级:内存增长分析、内存分布分析。

  • 主机级:CPU 利用率、内存空闲比例、ping 丢包率。

  • AppCode 级:分析某个 AppCode 请求日志报错和客户端容器压力分布,自动识别异常集中的维度。

  除了以上四类定向诊断,Agent 还提供了一个兜底机制——全量自动检测模式。当用户只反馈"有异常"但未指明具体指标时,Agent 自动遍历所有可检测指标,基于专家经验(指标角色分类、优先级、异常严重程度)选定最可能影响业务的指标,再按正常流程分析。

关联度算法原理:计算与推理分离

  在进入 LLM 推理之前,先由代码层完成数学计算,产出结构化证据。为什么不让 LLM 直接看原始监控数据?每次根因分析涉及几十条监控曲线,每条曲线在诊断窗口内上百个数据点,全量传入意味着上千个时间戳和数值对,token 量轻松破万,LLM 推理时间动辄十几分钟。更致命的是,LLM 的本质是语言模型而非计算引擎 —— 它在数值比较、趋势判断、统计显著性检验上并不可靠,把原始数据直接丢给它做数学运算,不是它的专长。

  反过来说,LLM 真正的优势是逻辑推理和数据库领域知识串联。它不需要自己去"算"两个指标是否相关,只需要根据我们告诉它的结论 —— "活跃线程数与慢查询扫描行数的 Pearson 系数为 0.92,Granger 因果检验 p 值 0.003" —— 结合 MySQL 内核原理去判断因果链:到底是慢查询拖累了活跃线程,还是活跃线程高只是并发压力的表象,根因另有其人。这种"代码做计算、LLM 做推理"的分工,让 token 量从十万级骤降到千级,推理时间从十几分钟降到分钟级,同时彻底消灭了数学计算中的幻觉风险。这正是"计算与推理分离"理念的集中体现,基于这个理念,我们采用了五层递进式的关联度分析策略。

  第一层,时间对齐与异常检测。多个指标的数据采集粒度可能不同(有的 30 秒一个点,有的 60 秒一个点),需要先对齐到统一的时间粒度。代码将每个指标的数据转为 pandas 中的时间序列,按时间戳对齐后,针对不同指标类型采用不同的缺失值填充策略:普通监控指标用前向填充(缺失点通常与上一个点值相近),慢查询和 TOPSQL 等稀疏指标用 0 填充(没有数据意味着值为 0,不应向前蔓延)。异常检测采用滚动中位数加 MAD(中位绝对偏差)的稳健统计方法,对每个点用其前 N 个点建立基线,若当前值显著偏离基线则判定为异常。判定条件为双重门限:稳健 z-score 超过 k 倍,且相对基线变化幅度超过阈值。支持同时检测上升沿和下降沿,便于后续关联异常的开始与结束。

  第二层,Pearson 相关系数(记作 r)。通俗地说,Pearson 适合衡量线性相关的指标——它要的是"两条曲线一起上下晃":指标 1 涨,指标 2 也跟着涨;指标 1 降,指标 2 也跟着降。这种场景下关联系数就高。从严谨的角度来说,它衡量的是两个指标变化趋势的线性相关程度,r 的取值范围是 [-1, 1],绝对值越接近 1 线性相关性越强。同时输出 p 值判断统计显著性,p < 0.05 认为显著。r 和 p 值衡量的是两个不同维度:r 的绝对值回答"关联强不强",p 值回答"关联可不可信"——即使 r 很高,如果 p 值很大,这个强关联也可能是巧合;反之 r 很低时 p 值显著,也只说明"确实存在微弱关联"。只有 r 绝对值大且 p 值小,才意味着既有实际意义又统计可靠。但 Pearson 在实际落地中有两个局限性:第一,它只能描述"同步变化",不能判断"谁导致谁";第二,对于稀疏型指标(如慢查询数量,大部分时间为零)和低基线突发型指标(如 TOPSQL 扫描行数,异常时暴涨几十倍但只持续几个数据点),全序列 Pearson 系数会被大量正常点稀释,趋近于零,原本存在因果关联的指标反而无法通过相关性阈值筛选,被错误排除。

  第三层,数据模式识别与补充关联。Pearson 计算是对所有指标一视同仁的,但第二层提到的问题意味着:部分指标无法通过阈值筛选,不是因为它们和报警指标真的无关,而是它们的全序列 Pearson 系数被正常点稀释了。这时候需要换一把尺子重新审视 —— 把那些被 Pearson "误杀"的指标捞回来,用另一种方式再关联一次。

  怎么识别?不是看指标名称,而是看数据本身。我们不预先规定"慢查询用时间关联、TOPSQL 用时间关联" —— 这种硬编码方式脆弱且无法泛化,新接入一个未知指标就失效了。实际做法是:对每个未通过 Pearson 阈值筛选的指标,自动分析其数值在时间窗口内的分布特征,归为以下三种模式:

  1. 稀疏型:大部分时间值为 0,偶有非零值出现。

  • 典型场景:每分钟的慢查询数量,在 240 个时间点中可能只有 2 到 3 个点有值,其余全是 0。

  • 自动判定:零值占比 ≥ 50%。

  • Pearson 失效原因:序列中 98% 以上的点都是 0,即使慢查询的每次异常瞬间都精准伴随着活跃线程数的暴涨,全序列相关系数也趋近于 0。

2. 低基线突发型:平时在小数值范围平稳波动,异常时数值暴涨几十倍,但只持续极短的时间。

  • 典型场景:TOPSQL 扫描行数,平时在 1000 左右浮动,异常瞬间飙到 100000 以上,只维持 3 到 5 个采集点后回落。

  • 自动判定:存在超过中位数 30 倍的值,且这类突发点占比 ≤ 10%。

  • Pearson 失效原因:序列中 90% 以上的点是"小范围正常波动",少数突发的剧烈变化信号被统计平均数吞没。

3. 普通型:不满足以上两种特征,数据呈现常规的连续波动。

  • 典型场景:并发数、CPU 利用率、InnoDB 扫描行数等标准监控指标。

  • 处理方式:Pearson 结果即最终结论,不再补充。这类指标的 Pearson 系数本身就能有效捕捉变化趋势的线性关联。

  归为稀疏型或突发型的指标,意味着 Pearson 这把尺子量不准它们,需要换一把尺子 —— 时间窗口关联分析。核心思路是降维:不再关心"整条曲线的数值是否同步变化",而是关心"异常事件是否在时间上接近"。具体来说:对相关指标的每个异常点,在报警指标的异常点中寻找时间差在 60 秒以内的最近匹配。时间窗口关联会产出两个方向上的匹配率,分别回答不同的问题 —— 下面以"CPU 利用率报警"为例,CPU 是报警指标,慢查询是相关指标。

相关指标匹配率,回答的问题是:"这个慢查询的突增,有多少引起了 CPU 异常?"具体来说,它是慢查询异常点中匹配上 CPU 异常点的比例。例如慢查询有 8 个异常点,其中 5 个在 CPU 异常附近出现,匹配率就是 5/8 = 0.625。这个比率高,说明慢查询的大部分突增都和 CPU 飙高时间接近,意味着"只要慢查询异常,CPU 就跟着异常",是强因果信号。

报警指标匹配率,回答的是另一个方向的问题:"CPU 的异常,有多少是这个慢查询导致的?"它是 CPU 异常点中匹配上慢查询异常点的比例。例如 CPU 有 5 个飙高点,其中只有 1 个和慢查询异常时间接近,匹配率就是 1/5 = 0.2。这个比率高,说明 CPU 大部分异常都能用这个慢查询解释,意味着慢查询可能是唯一原因。这个比率低(比如 0.2),说明 CPU 的异常可能还有其他来源 —— 其他 TOPSQL、系统负载、IO 瓶颈等,不全是这个慢查询导致的。

  两个比率从不同角度衡量关联性,对比来看很清晰:相关指标匹配率从"原因看结果",分母是慢查询异常点总数,高意味着慢查询是原因,低意味着不相关;报警指标匹配率从"结果看原因",分母是 CPU 异常点总数,高意味着慢查询是唯一原因,低意味着 CPU 异常有其他原因。

  这个设计的本质思想是:Pearson 打头阵全覆盖,模式识别做兜底补漏。对连续波动型指标,Pearson 的结论直接可用;对稀疏突发型指标,自动识别出来后用时间关联补上。整个过程中,指标是稀疏、突发还是普通,完全由数据分布特征决定,不依赖任何指标名称的硬编码规则 —— 这才是能规模化落地的方案。

  第四层,时间窗口关联的细节优化。上一层的补充关联逻辑看起来简单直接,实际落地时有一个容易踩的坑:异常点太多导致关联度被稀释。稀疏指标用滚动中位数加 MAD 做异常检测时,如果基线全为 0、MAD 也为 0,任何非零值都会被判定为异常 —— 一个慢查询指标有 43 个非零点,就会产生 43 个"异常",但真正有业务意义的峰值可能只有 3 个。大量微弱异常点参与时间匹配后,分母膨胀,匹配率被严重拉低。解决方法是峰值匹配:只取该指标非零值中最大的 N 个异常点参与时间窗口匹配,忽略其余微弱波动,确保关联度不会被无关紧要的小幅抖动稀释。

  第五层,Granger 因果检验。前面几层已经回答了两个问题:"这两个指标波动趋势像不像"(Pearson 相关性) 和"它们的异常时间点碰不碰得上"(时间窗口关联)。但还缺关键一环 —— "谁先动,谁后动"。慢查询先涨、CPU 后涨,和 CPU 先涨、慢查询后涨,处理方案完全不同。Granger 检验就是专门回答方向性问题的。

  怎么判断方向?一种直觉式的思路是"抢先看":如果慢查询的历史数据能帮我们更准地预测 CPU 的未来走势,就说明慢查询"抢跑"了。Granger 检验把这个直觉变成了严格的统计检验。具体做法是分两步走:

第一步,比预测能力。 先用 CPU 自己的历史数据预测 CPU 当前值,记下预测误差;再把慢查询的历史数据也加进来一起预测,看误差有没有显著缩小。如果加入慢查询后预测明显变准了,就说明慢查询的历史承载了 CPU 自己历史之外的信息 —— 这就是"慢查询 Granger-cause CPU"的统计证据。这个过程走一遍还不够,因为影响可能有延迟。比如慢查询突增,可能要过 3 个采样周期 CPU 才飙起来。所以我们不是只试一个滞后阶数,而是从 1 阶(只看上一个点)一直试到最大阶(比如 5 阶,意味着假设影响最多滞后 5 个周期),取所有阶数里 p 值最小的那个。p < 0.05 判定存在 Granger 因果,同时也就锁定了最佳滞后阶数。

第二步,算影响力和方向。Granger 检验告诉我们"有没有影响,但没告诉我们"影响有多大"和"正向还是反向"。这就要用 VAR(向量自回归)模型来量化。具体方法是:先对数据做一阶差分消除趋势干扰,确保序列平稳,再把差分后的慢查询和 CPU 序列一起扔进 VAR 模型,让模型自己"学"出慢查询每变化一个单位,CPU 会相应变化多少。具体来说,模型会给出每个滞后阶数对应的系数,比如慢查询 t-1 时刻的系数是 +0.3,t-2 时刻是 +0.2,把所有系数累加起来就是总效应。正数说明同向变化(慢查询涨,CPU 涨),负数说明反向变化(慢查询涨,CPU 反而降),绝对值越大影响越强。

  Granger 检验也不是万能的,它有一个重要局限需要清醒认识:它证明的是"统计上的预测因果",不是"物理上的实际因果"。举个例子:InnoDB 读取行数和活跃线程数可能通过 Granger 检验 —— 前者历史值确实能预测后者变化。但真实原因可能是某个慢查询同时导致了两者增长,它们之间并没有直接因果链,只是被同一个幕后黑手驱动。算法只能告诉你"它们看起来有关系",但"这关系是真的还是巧合"需要懂数据库内核原理的逻辑推理来判断。这就是为什么 LLM 在这个系统里不是用来跑数学公式的 —— 数学交给算法,LLM 拿到统计结论后,结合自己对 MySQL 内核的理解,判断这条因果链在数据库场景下是否说得通。

  回顾整个 RCA 算法流程,五层算法完整呈现了"计算与推理分离"的设计原则。代码计算层的五步 —— 时间对齐与异常检测、Pearson 相关系数、数据模式识别与补充关联、时间窗口关联优化、Granger 因果检验 —— 全部由代码完成,秒级出结果,准确无幻觉。算法产出的结构化证据 —— 哪些指标异常、谁和谁高度相关、谁导致谁 —— 成为 LLM 推理的输入。LLM 拿到这些证据后不做数学计算,只做逻辑推理,结合 DBA 专家知识判断因果链。

  在 LLM 推理环节内部,还有一个关键设计:诊断 LLM 与建议 LLM 职责分离。下面展开这个决策背后的考量。

诊断与建议的 LLM 职责分离

  五层算法产出了完整的结构化证据,接下来进入 LLM 推理环节。这里有一个关键的设计决策:为什么要把诊断和建议拆成两次 LLM 调用,而不是一次搞定?直接原因是两类任务对数据的需求严重不对称。诊断需要的是"信号" —— 哪些指标异常、关联度多高、事件时间线是怎样的,这些信息轻量且聚焦,追求的是推理速度和判断准确性。建议需要的是"上下文" —— 表统计信息、索引分布、硬件配置、历史变更记录,这些信息详尽但冗长,追求的是方案的专业性和可操作性。如果把两种数据全部塞进一次 LLM 调用,诊断推理会被大量"虽然有用但不是现在该看"的信息干扰,既拖慢速度又稀释注意力。拆开之后各取所需,两头的效率和质量才都能保住。

  更深层的原因是职责分离。诊断和建议是两个性质完全不同的任务:诊断是"医生看病",需要的是因果推理和领域知识,输入要精炼、推理要快、结论要确定;建议是"开药方",需要的是完整的上下文信息和优化规则,信息不全会导致建议不专业。如果混在一次调用中,LLM 既要处理大段表信息,又要做逻辑推理,注意力会被无关信息稀释 —— 就像让医生一边看病历一边翻砖头厚的教科书,诊断效率大打折扣。拆开后,诊断 LLM 的 prompt 长度缩减近一半,推理速度大幅提升;建议 LLM 拿到完整的表统计信息、工单信息、备份历史等数据,生成的建议也更专业可靠。两者使用独立的 System Prompt、独立的输出格式约束、甚至独立的模型配置,互不干扰。

  RCA 是 Agent 的"核心引擎",但 Agent 的能力不止于此。意图识别层还有另一条重要的分流路径 —— 当用户的目的不是诊断而是查询时,请求会进入智能问答分支。下面展开这条同样体现"计算与推理分离"设计理念的能力线。

智能问答:三速响应的分层策略

智能问答是意图识别层中与 RCA 并列的另一条分流路径。当意图被判定为"问答"时,请求进入智能问答节点 —— 这里追求的是"一问即答",响应速度是第一优先级。

日常运维中有大量高频查询:查 IP 归属、问操作流程、确认集群负责人。用 LLM 处理至少 4 到 6 秒,太慢;完全不用 LLM,硬匹配又无法覆盖千变万化的提问方式。于是我们设计了三速响应的分层策略:零延迟通道、快速通道、LLM 通道,按速度从快到慢逐级降级,在覆盖率与响应速度之间找到最优平衡。

零延迟通道:正则拦截,0 次 LLM

  纯 IP 查询是能在意图识别阶段就被拦截的通道 —— 入口处正则检测到纯 IP,直接跳过 LLM 意图识别和 QA 节点的 LLM 调用,全程 0 次。代码层正则提取 IP、去重、并行查询后端 API,秒级返回结果。

快速通道:子串 + Bigram,1 次 LLM

  零延迟通道拦住了格式上就能判断的请求,但"如何申请离线库"和"怎么申请离线库"格式不一样、问的却是同一件事 —— 高频 FAQ 场景。这类"确定性问题 + 确定答案"不需要 LLM 推理,用 LLM 反而有三个代价:慢、贵、不稳定。

  我们用两层确定性匹配拦截。子串匹配:输入归一化后,直接与 FAQ 知识库做子串包含检查,命中即返回。Bigram 匹配:处理近精确匹配 —— "怎么"和"如何"在子串上对不上,但字符级二元组的 Jaccard 相似度高达 0.67,远超阈值 0.55。这个阈值经过校准:太低会把"怎么申请"和"怎么查看"误匹配,太高则覆盖不了"怎么/如何/怎样"的变体。两层匹配命中后直接返回,既省 token 又保一致性。上游意图识别仍需 1 次 LLM。

LLM 通道:一次调用,两项任务,2 次 LLM

前两级都匹配不上的问题(如"查一下 xx.xx.xx.xx 这台机器"),LLM 才介入,但一次调用完成两件事:FAQ 语义匹配 + 工具调用决策。System Prompt 嵌入 FAQ 知识库和同义映射表,LLM 先判断是否命中 FAQ,命中直接返回答案;未命中再决策调用哪些工具(查 IP、查集群负责人等),在单次推理中走完"理解 → 匹配 → 决策",无需多轮交互。

三个工程优化保障稳定性。工具去重:代码层按工具名和参数签名去重,防止 LLM 重复调用同一工具。并行执行:线程池最多 5 并发,总耗时约等于最慢那一次调用。结果不二次加工:工具返回值直接展示,不经过 LLM 润色 —— 润色既无增值又可能篡改事实。

  与 RCA 意图识别不同,QA 场景的 LLM 调用开启 thinking 模式。意图识别属于结构化提取,不需要推理链;但 QA 语义匹配需要推理"这个问法和 FAQ 里哪条是同一个意思",不开 thinking 可靠性会大幅下降。同一模型,不同场景,差异化配置。

  智能问答的三级分层,与意图识别的"代码预计算 + LLM 语义理解"、RCA 的"算法计算 + LLM 推理"同出一源 —— 都是让确定性的事交给代码,不确定性才交给 LLM。下一章将这套理念背后的工程防线统一梳理。

对抗 LLM 的不确定性:速度与准确性的全局优化

前面三个模块分别展开了意图识别、RCA 算法和智能问答的设计细节。细心的读者可能已经注意到,这些模块中散落着大量同类的优化手段 —— 意图识别的"关思考、零重试",RCA 的"诊断建议拆分、字段裁剪",智能问答的"快速通道、结果不二次加工"。这些孤立的手段背后,其实有两条贯穿全局的优化主线:速度优化和准确性保障。这一章把它们统一梳理,形成一套可复用的方法论。

响应速度优化:对抗 LLM 的注意力漂移

  大模型有一个天生的弱点 —— 注意力漂移。当 prompt 越来越长,模型对关键信息的关注度会逐渐稀释,就像一个同时盯着十块屏幕的人,最终哪块都看不清。这个现象在学术上叫"Lost in the Middle",大段文本中间的信息往往被模型忽略。我们的速度优化策略,本质上就是给 LLM 做"信息减负":让它只看到必须看到的内容,屏蔽一切噪音。

  这个思路在前文各模块中已有多次落地的实例,这里不再复述细节,只点明它们背后的共性规律。意图识别的 Flash 模型选型和诊断节点的 thinking 关闭 —— 本质都是"不同任务匹配不同算力";诊断与建议的 LLM 职责分离和字段裁剪 —— 本质都是"当前阶段不看当前阶段不需要的信息"。把这些分散的手段放在一起回看,共性只有一个:LLM 的注意力是稀缺资源,每一段不必要的信息都是在跟真正重要的信号抢关注度。 下面展开几个未被前文覆盖、但同样贯彻这一原则的优化手段。

按需注入,而非全量投喂。 以行锁告警为例,LLM 需要理解 InnoDB 行锁的持有机制、锁等待队列、DML 与 SELECT 的行锁差异等内核原理,才能做出准确判断。但如果是 CPU 飙高或 QPS 突增,这些行锁知识就是纯粹的噪音 —— 不仅浪费 token,还会把 LLM 的注意力从真正的关键指标上引开。我们的做法是把行锁原理章节从 System Prompt 中抽离为独立模板,通过占位符动态替换。命中行锁告警时注入完整原理,非行锁告警时替换为空字符串,每次节省数百 token 的同时,让 LLM 的注意力始终聚焦在当前告警类型最相关的信息上。

指标名规范化,降低认知负荷。 所有速率类指标统一加后缀标记,让 LLM 一眼就能区分"每秒值"和"累计值",避免把 `Innodb_rows_read`(累计值)误解为瞬时速率。这看似是一个小优化,但实际效果显著 —— LLM 在长 prompt 中容易被相似名称误导,清晰命名能大幅降低误判概率。

链接拼接后置,不让 LLM 做填空题。 监控链接、工单链接等,本质上是模板拼接 —— 把 IP、端口、时间范围填入 URL 模板即可。如果让 LLM 来生成这些链接,需要在 prompt 中塞入 20 多种链接模板规则,轻松膨胀数千 token,而且 LLM 还可能拼错参数。我们的做法是代码层根据根因类型自动匹配链接模板并生成完整 URL,LLM 输出中只需放占位符,后处理阶段统一替换。不仅节省 token,链接格式也 100% 正确。

二次精简:算法产出几万字符,LLM 只需几百。 算法层产出的完整数据包含每个异常点的精确时间戳和数值,但 LLM 不需要知道"15:03:30 活跃线程数 = 172"这种细粒度明细。精简策略很明确:只传异常时间范围不传每个采样点、只传强相关指标忽略弱相关、只传有 Granger 因果关系的指标。精简后提示词从数万字符压缩到几千字符,减少 70% 到 80%,让 LLM 的注意力集中在真正有因果关系的候选指标上。

这些优化手段合在一起,从模型选择、推理策略、输入裁剪、输出后处理四个维度协同作用 —— 它们并非各自为战,而是围绕同一个目标:把 LLM 的注意力集中在当前任务最关键的信息上,其余一律靠边。 但快还不够 —— 快且错,等于零。下面展开另一个维度:怎么保证 LLM 不乱说。

准确性保障:多层防御对抗幻觉

LLM 的本质是概率模型,输出天然带有不确定性。在数据库故障诊断场景中,这种不确定性的代价可能是把 DBA 引向完全错误的方向。我们的策略不是让 AI 变得"确定" —— 它的本质决定了做不到 —— 而是在 AI 周围构建一圈确定性的工程防线,从输入端到推理过程再到输出端,层层设防。

第一道防线:输入防御性校验。 LLM 看到用户输入之前,代码层已经完成了多层校验。纯数字拦截——如果用户输入只有数字没有任何自然语言,直接跳过 LLM,避免 LLM 把裸数字幻想为 Redis 端口去发起分析。System Prompt 中的日期占位符在运行时动态替换为当前系统日期,防止 LLM 借用训练数据中的旧日期。

第二道防线:预检查前置,把事实和推理分开。 在 LLM 介入之前,代码层先做完一轮确定性检查:是否有 truncate/drop 等 DDL 命令、系统日志中是否有网卡 down 或 OOM 记录、MySQL 错误日志中是否有 PXC 事务超限。这些信息如果直接丢给 LLM 让它自己判断"有没有 DDL,LLM 可能遗漏或误判。但用代码做确定性检查后,结果以"已确认的事实"的身份传给 LLM,LLM 的工作从"判断有没有"变成"结合已知事实做推理" —— 前者是计算,LLM 不擅长;后者是推理,LLM 擅长。

第三道防线:关掉随机性。所有 LLM 调用统一设置 temperature=0,让模型每次面对相同输入时坚定选择概率最高的输出。这一点看似简单,但对诊断结论的一致性至关重要 —— 同样的异常指标组合,不应该因为随机采样而得到不同的诊断结论。数据库故障诊断不是创意写作,不需要"换个说法",需要的是"同一组症状,同一个结论"。

第四道防线:Pydantic 约束输出格式。 对于不支持 json_schema 的模型,无法在模型层面直接约束输出结构。我们用 Pydantic 在代码层做"外挂模具" —— 字段类型、必填/可选、中文别名全部预定义,LLM 输出后由 Pydantic 二次校验,脏数据不会流入下游。

第五道防线:硬性排除清单,规则压倒统计。 相关性算法会产生大量"高相关但非根因"的候选指标。比如活跃线程数飙高时,慢查询数量也会跟着涨 —— 但只是因为并发高了执行次数多,SQL 本身并不慢。如果 LLM 仅凭 Pearson 系数 0.95 和 Granger 因果显著就判定为根因,就会把"被影响的后果"误判为"原因"。

我们在 prompt 中植入了多条硬性排除规则,要求 LLM 在分析每个候选根因时必须逐一检查。例如扫描行数均值小于阈值的直接排除,即使 Pearson 为 1.0、Granger 因果显著、时间完全重合,也不得列为根因。DDL 命令执行时间与异常增高时间差超过 2 分钟直接排除。行锁告警时 SELECT 类型的慢查询必须排除 —— SELECT 不持有行锁,这是 MySQL 内核原理,数学关联不等于因果关系。

第六道防线:反例教学,堵住 LLM"找理由保留"的倾向。 LLM 有一种惯性 —— 当它看到某个指标的关联度很高时,会倾向于"找理由"把它保留为根因。仅仅告诉它"扫描行数不达标就排除"是不够的,它在推理链中会自己绕过去。我们在 prompt 中嵌入了具体数值的反例:"即使扫描行数总和 = 85836、即使 Pearson r = 1.0、即使时间滞后 0 秒,只要平均扫描行数 = 354(< 6000),就必须排除。sum 达标也救不回来。"用具体数字堵住 LLM 的"找补"空间,比抽象规则有效得多。

第七道防线:输出后校验与补全。 LLM 推理完成后,代码层还会做一轮后处理。LLM 可能漏填 sql_id、数据库名、AppCode 等可选字段,代码从原始指标名中自动提取并回填。LLM 输出的链接占位符,代码统一替换为真实 URL。智能问答章节中提到的问候语兜底检测也在此处统一拦截,确保 LLM 的"客气话"不会伪装成正式答案。

这七道防线的背后有两条贯穿始终的原则。第一,"确定性的事交给代码,概率性的事交给 LLM"。 判断字段该显示在主机维度还是实例维度、资源使用率的红色高亮阈值、跨午夜的时间加减运算、监控链接的拼接 —— 这些逻辑由代码硬编码,LLM 只管它擅长的推理,不碰它不擅长的计算。第二,"无数据,不编造"。 当报警指标是行锁耗时,但慢查询和 TOPSQL 中都没有 DML 语句(只有 SELECT)时,LLM 必须返回"未定位到原因",严禁推测"可能是某条 UPDATE"或"可能是某条 DELETE"。数据真实性是底线 —— 宁可说不知道,也不能编造一个看起来很合理的答案。

  七道防线加两条原则的本质理念是一致的:不要期望 LLM 变完美,而是设计一个能让不完美的 LLM 稳定产出的系统。 这才是 Agent 工程化的核心思维。

RCA 的算法、智能问答的分层、速度与准确性的防线 —— 这三章覆盖了 Agent "怎么分析"和"怎么保证质量"。但还有一个能力维度没有展开:AI 如何在需要用户参与决策时优雅地"停下来"和"等一等"。下一章,我们展开人机协同调度这一设计。

人机交互:让 AI 学会"等一等"

在大多数 AI 应用中,交互模式是"一问一答" —— 你发消息,AI 回复,对话结束。数据库运维场景则复杂得多。以 Redis 内存增长分析为例:用户问"xxx 集群 63xx 端口的内存为什么涨了",AI 不能直接给答案,因为它不知道用户想对比哪两个时间点。它必须先停下来问"我这里有 10 个备份时间点,请选起始时间",等用户选完,再问"结束时间点选哪个?可选当前时间"。两轮交互后,才能开始真正的工作。

  这种"工作到一半暂停,等用户回复后再继续"的模式,在工程上远比"一问一答"复杂。它需要的不是"无状态"的 API 调用,而是一个能够在任意时刻完整保存执行现场、并在用户回复后精确恢复的有状态执行引擎。这正是架构选型中 LangGraph 所具备的核心能力。

checkpoint:把 AI 的执行进度"存档"

  LangGraph 的 checkpoint 机制是支撑这一切的基石。当图执行到需要用户交互的节点时,调用 interrupt() 暂停,LangGraph 自动将完整的图状态(包括所有变量、当前节点位置)序列化为一个快照,写入 Redis。用户回复后,飞书回调触发恢复函数,图从快照中精确还原,interrupt() 返回用户的回复内容,后续节点继续执行,就像从未中断过一样。

  这个机制有三个关键优势。长时间等待容忍:用户可能几分钟回复,也可能两小时后才回复,checkpoint 持久化到 Redis 后,Agent 不会有任何内存开销。超时自动清理:checkpoint 设置 TTL 为 180 分钟,超时后 Redis 自动删除,无需额外定时任务,用户回复时系统提示"会话已过期,请重新发起诊断"。天然支持重试:如果恢复过程中某个节点执行失败,可以从最近的 checkpoint 重新恢复,而不是从头开始。

双存储:把"执行进度"和"会话索引"分开

HITL 机制涉及两个存储系统,各司其职。checkpointer(RedisSaver)存储完整的图执行进度 —— 每个节点执行后自动写一个快照,约 200KB。它给 LangGraph 内部恢复用,读写开销大,不适合频繁查询。HitlStore 存储轻量级的会话索引 —— 记录 thread_id 与用户的映射关系,约 0.5KB。它给飞书回调做快速定位用:用户回复时,飞书回调需要根据用户 ID 快速找到对应的 thread_id,然后才能从 checkpointer 中恢复图状态。

  两者分离的好处很明确:checkpointer 是"重型仓库",存的是一整箱完整的执行快照;HitlStore 是"目录索引",只存一行映射关系。飞书回调每秒可能触发多次,每次都去反序列化 200KB 的完整快照太浪费,区区 0.5KB 的索引查询就能完成定位。

多轮交互:一个节点内暂停两次

  Redis 内存增长分析最有意思的设计挑战是:同一个节点需要暂停两次。用户选择起始时间点是一轮交互,选择结束时间点是另一轮。这带来了一个棘手的问题—— LangGraph 的 interrupt() 在恢复时返回的是 Command(resume=...) 的值,但如果同一个节点内调用了两次 interrupt(),第二次调用时恢复传入的值可能被第一次的 interrupt() 错误消费。

  我们的解决方案是用 Redis 做"中间结果缓存"。每次 interrupt() 返回的用户选择值,立即写入一个 Redis 键,并设置防重入标志防止节点重执行时重复写入。这样即使节点因某种原因重执行,也不会重复向用户提问。同时,resume_rca_graph() 在恢复前会检查 checkpoint 是否处于暂停状态、HitlStore 是否存在对应记录,双重确认后才会执行恢复操作,防止用户误发消息触发无效恢复。

安全与并发控制:AI 落地的生产级工程防线

一个 AI Agent 从 Demo 到生产级,安全与并发是绕不开的两道坎 —— 权限设计决定"谁能用",并发控制决定"能用多久不倒"。

权限:意图驱动的分级授权

  传统的权限控制通常放在入口处 —— 用户发起请求,先校验权限,不通过直接拒绝。但我们的 Agent 同时服务两类场景:智能问答和根因诊断。如果入口统一拦截,问答用户连基础问题都查不了,体验很差。

我们的方案是权限校验后置到意图识别之后。LLM 先判断出意图类型,再做分级鉴权:问答意图零门槛放行;`rca` 及 Redis 内存分析仅限 DBA 和管理员;检查appcode覆盖 DBA 加研发,权限稍宽。问答用户零门槛,敏感操作在意图明确后才细粒度拦截 —— 既有安全感又不影响体验。

并发:两级锁加单任务限制

  并发控制分层解决三个不同层面的问题。

全局并发数限制管控系统容量。一次 RCA 诊断涉及 Prometheus、ES、LLM 等多源调用,同时跑太多后端扛不住。通过信号量限制并行诊断总数,超限排队等待,飞书卡片实时显示"前面还有 N 个任务",最长等待 90 秒后友好退出。

每用户并发限制保障状态一致性。同一用户同时只允许 1 个诊断执行,且锁在 HITL 暂停期间保持不释放 —— 否则用户在等 Redis 时间点选择时再发起 MySQL 诊断,两个状态会互相串。锁 TTL 设为 1 小时作为进程崩溃的兜底,同时设计了主动死锁检测:锁创建超过 30 分钟判定过期,自动清除重试;服务重启时清空残留锁。

单任务并发限制保护被管理的外部系统。例如 Redis RDB 文件下载,单主机最多 2 个并行任务,避免大流量冲击带宽。核心原则是:AI 不能为了完成任务而伤害被管理的系统本身。

到这里,我们从架构选型一路走到生产级防线 —— Agent 的骨架、大脑、能力和护甲都已经展开完毕。接下来,我们从一个告警的生命周期来看,这些设计最终给 DBA 的日常工作带来了什么变化。

落地效果:DBA 的日常发生了什么变化

排查速度:从"跑断腿"到"等结论"。 DBA 不再需要像开头描述的那样一个个系统挨个翻数据。现在只需要用自然语言说一句"这个实例从几点到几点并发高",剩下的交给 Agent:几十条监控曲线自动分析对比、慢查询自动关联、变更和工单自动匹配。Agent 平均耗时 1 到 2 分钟即可产出诊断结论。DBA 的工作从"到处翻数据"变成了"审视证据、确认结论"。

覆盖度:从"看经验"到"不会忘"。 以前,排查哪些指标、查哪些日志,全看 DBA 的个人习惯和当天状态 —— 时间一紧,隐蔽诱因极易被遗漏,导致告警反复、多轮排查。现在,每一条告警自动完成全量预检查,该扫的日志、该查的记录一个不落,排查覆盖度不再因人而异。

知识复用:从"看人下菜"到"标配上阵"。 以前,同一个告警在不同 DBA 手里结论可能天差地别 —— 差距不在工具,而在"先查什么、后查什么、什么情况该排除什么因素"的排查思路。现在,专家思路被固化为统一流水线,排查质量和效率不再因人而异。

准确率:从"碰运气"到"可参考"。 Agent 上线后,RCA 根因诊断的准确率达到 70%。即便未命中主因,产出的异常指标关联图谱和事件也能大幅缩小 DBA 的人工排查范围,让二次定位有据可依。

总结

  回顾整个 Agent 的设计,三条原则贯穿始终。

原则一:计算归代码,推理归 LLM。 Pearson 相关系数、Granger 因果检验、基于 MAD 的鲁棒异常检测 —— 这些有数学公式的东西,由代码精确完成,产出的结构化证据再喂给 LLM。LLM 不碰数值计算,只做它擅长的事:结合 MySQL 运维知识,从证据链中推断因果逻辑。各司其职,各取所长。这条原则在意图识别的"LLM 做理解、代码做计算"、智能问答的"零延迟通道和快速通道"、准确性防线的"预检查前置、链接拼接后置"中反复落地 —— 它不是某一章的结论,而是全文的工程主线。

原则二:给 LLM 足够正确的上下文。 这不是一句口号,而是工程实践。相关性低于 0.6 的指标直接过滤,DDL 时间距异常窗口超过 2 分钟的裁剪掉,慢查询的大段信息诊断阶段不传 —— 所有喂给 LLM 的输入都经过代码精心筛选。给 LLM 的信息里,有效信号占比越高,推理就越准。这一点和日常使用 AI 的道理相通:不要丢一堆杂乱内容指望它能猜中重点,你得替它把路铺好。

原则三:人机协同闭环,人始终持有最终决策权。 以 Redis 内存增长分析为例:AI 查询完 RDB 备份列表后不会自己拍板选时间点,而是列出选项、暂停执行、等待用户回复。用户选定起始和结束时间点后,AI 才继续工作。整个过程 AI 是"建议者",人是"决策者" —— 生产环境的每一步关键操作都由人确认后再执行,这不是对 AI 的不信任,而是对生产系统的敬畏。

  这三条原则背后是一个更本质的认知:做 AI 业务架构师,而非 AI 使用者。 判断哪些环节适合交给 AI、哪些必须人来做,设计人机协作的流程,评估 AI 输出的质量并做最终决策 —— 这才是 AI 时代工程师的核心竞争力。把重复劳动交给 AI,把精力留给需要判断力和经验的环节;每次协作后检查 AI 输出有没有错误和遗漏,发现问题及时纠正——这不是在"调试 AI",而是在持续训练它更好地配合你。

  从"人找原因"到"AI 找原因",这条路的核心不是 LLM 本身有多强,而是怎么把 LLM 用对地方 —— 该计算的计算、该推理的推理、该让人拍板的必须让人拍板。一个合格的 AI 业务架构师,懂得的不只是"AI 能做什么",更是"什么该让 AI 做,什么必须人来做"。

跳转微信打开

Adobe被“开源”?

2026年10月12日 11:08

木易毛毛 2026-10-12 11:08 河南

最近设计圈最解气的一件事,不知道大家刷到没有。

一个叫Brandon Thomas的开发者,被Adobe的退订违约金恶心到了。

然后他干了件所有设计师都想干、但没人干成的事:

用Claude Opus 5.5,把Adobe全家桶逆向重写了一遍。

一口气7个,全部开源。

PhotoCraft对应Photoshop,VectorCraft对应Illustrator,FilmCraft对应Premiere,LightCraft对应Lightroom,EffectCraft对应After Effects,DesignCraft对应InDesign,PdfCraft对应Acrobat。

不到10天,光PhotoCraft一个项目,GitHub上4万6千个Star。

Issues和PR多到看不过来,社区的热情像火山一样。

这个项目的评论区里,最高赞的留言几乎都是同一句话:

"我等这一天,等了十年。"

说实话,如果只是技术事件,不会有这么大动静。

真正让这个事出圈的,是大家对Adobe积压多年的怨气,终于找到了一个宣泄口。

今天这篇,毛毛就和大家聊两件事:

开源软件对Adobe的冲击到底有多大,哪些是真实的,哪些是被夸大的。

以及,大家骂了这么多年的Adobe订阅制,到底骂的是什么。

一、先说事实:开源替代,走到了哪一步

先泼一盆冷水,避免大家在爽文里待太久。

PhotoCraft我实际用了,坦白说,它还不是Photoshop。

基础的图层、蒙版、选区、文字、LUT这些功能确实有,界面也做得像模像样。但Photoshop三十年攒下来的东西——色彩管理、CMYK印刷流程、Camera Raw的调校、动作和批处理、几十种混合模式的细节表现——不是靠一个AI项目几个月就能追平的。

PhotoCraft applying a Levels adjustment layer to Impression, Sunrise with the histogram panel open

更别说插件生态。Photoshop真正的壁垒从来不是它自己,是它背后数以万计的插件、笔刷、动作、预设,是整个行业围绕它建立的工作流。

这些是生态,不是代码。

所以如果你问我:设计工作室明天会不会集体卸载Adobe?

不会。至少在可见的一两年内不会。

但是,如果你因此觉得这事只是个噱头,那就看走眼了。

真正的变化在于:以前"替代Adobe"是个笑话,现在它变成了一个有明确路线图的开源工程。

开源社区最可怕的地方不是起点高,而是迭代快。这个项目现在每天还在光速进化,几千个开发者往里提交代码。

而Adobe是一家上市公司,它迭代一版,要走产品评审、兼容性测试、法务合规。

一边是小步快跑的开源社区,一边是背着财报和股东的大公司。

时间站在哪边,其实不难判断。

二、真正点燃一切的,是订阅制的积怨

这次事件最有意思的地方在于:你去翻Thomas的采访,翻GitHub的issue,翻各个社交平台的讨论。

大家庆祝的重点,根本不是"开源软件多好"。

而是"终于有人替我们出气了"。

这就引出了这篇文章真正想聊的部分:Adobe的订阅制,到底积了多少怨。

我把这些年设计师们对Adobe订阅制的吐槽,做了个盘点。基本上逃不出这几条:

"说是按月付费,实际是按年绑架。"

这是最经典的一条。Adobe Creative Cloud的标准套路:你选"按月付费",但实际上签的是一年的合同。中途想跑?可以,交违约金——剩余月份费用的50%。

很多设计师都是退订那一刻才发现,自己签的不是订阅,是卖身契。

"买断制说没就没,我花几千块买的软件,变成了永远还不完的租子。"

2013年Adobe全面转订阅制之后,买断版彻底成为历史。以前花一笔钱,软件用三年五年。现在是只要停止付费,软件当场变砖,连打开自己历史文件的权利都没有。

从"拥有"到"租用",用户失去的不只是钱,还有安全感。

"年年涨价,从来不问用户同不同意。"

Adobe几乎是业内涨价最勤的软件公司,而且涨得理直气壮。用户能做什么?什么都做不了。因为你整个工作流、所有文件格式、团队协作全绑死在上面,迁移成本太高了。

它敢涨价的底气,不是产品多好,是你走不了。

"取消订阅比订阅难一百倍。"

网页里找不到取消入口、客服来回踢皮球、取消时弹出一堆"挽留优惠"、稍不留神又给你续上一年……这套流程的设计精度,跟他们的产品一样高。

每一条吐槽背后,都是一个具体的设计师,在某个月底,对着账单生闷气。

这些怨气攒了十多年。

所以当一个开源替代品出现的时候,大家冲上去点赞、转发、贡献代码,本质上是一种投票:

投给"我不再想被你绑架"的那一票。

三、冷静看待:哪些人真的会离开Adobe

情绪归情绪,作为从业者,还是要算清楚账。

这波开源冲击,对不同人群的影响完全不同:

第一类:学生、爱好者、自媒体博主。

影响最大,几乎是决定性的。这些人本来用的就是教育版或者找破解版,功能需求80%集中在基础修图、简单排版、轻量剪辑。PhotoCraft这类项目再迭代半年,对他们来说就真的"够用了"。

Adobe最不值钱的用户,恰恰是开源最先吃掉的。

第二类:自由设计师、个人工作室。

半决定性的冲击。他们面临的问题不是软件好不好用,是成本结构——一年几千块的订阅费,对独立设计师不是小数目。以前没有选择权,只能咬牙交租。现在选择权出现了,哪怕过渡期的体验打七折,"免费+可控"的吸引力也足够大。

第三类:中大型设计公司、企业团队。

短期几乎没影响。不是不想换,是不能换。协作流程、文件交付格式、客户对接规范、正版合规要求,全建立在Adobe生态上。工具在这里不是工具,是行业标准的一部分。

但注意,"短期没影响"不等于"永远没影响"。行业标准是会被推翻的,只不过需要的时间以十年计。

四、Adobe的两难:护城河还在,但它在主动拆墙

站在Adobe的角度看,其实也挺无奈的。

订阅制刚推出那几年,华尔街把它吹上了天——收入可预测、用户留存率高、ARR年年涨。Adobe的市值确实是这么涨起来的。

但硬币的另一面是:订阅制本质上是一种"锁定式收费",它天然地制造敌人。

以前用户买断软件,不满意大不了不用,好聚好散。现在用户每付一次月费,都在被提醒一次"你离不开我"。

这种商业模式,赚的是稳定的钱,攒的是积压的怨。

而AI开源这件事,等于给了所有怨气一个技术出口。

以前大家骂完Adobe,还是得乖乖续费,因为没有替代品。

现在骂完Adobe,真的可以去GitHub上下载一个替代品了——哪怕它现在还粗糙,但"有得选"这件事本身,就已经改写了博弈结构。

五、对设计行业的启示

最后说点对行业的影响,也是我最想对设计师朋友们说的话。

第一,"会软件"这个技能,正在加速贬值。

软件本身都能被AI重写了,操作软件的熟练度还值钱吗?当工具门槛归零,竞争会重新回到审美、创意、判断力和沟通这些"人"的能力上。这对纯执行型设计师是坏消息,对有想法的设计师,是十年来最大的好消息。

第二,别再把宝押在任何单一工具上。

Adobe的今天,可能就是任何一个"行业标准"工具的明天。文件格式、工作流、协作平台,都要有意识地保留迁移的可能性。这不是危言耸听,这是这半年AI行业教会我们的基本生存法则。

第三,对Adobe来说,真正的警报不是4万6千个Star。

而是这4万6千个Star背后的每一颗人头,都是曾经付费、或者未来会付费的用户。

他们现在不一定走,但他们已经开始学怎么走了。


Adobe不会死,它的生态壁垒还很厚。

但"不会死"和"高枕无忧"之间,现在已经隔了一个每天迭代的开源社区,和十年攒下的用户怨气。

三十年河东,三十年河西。

这一次,可能用不了三十年。

以上的话,一半是给Adobe听的,一半是给我们自己听的。

你在用Adobe的哪几款?订阅费一年多少?如果有一个免费替代品能达到Adobe八成的体验,你会退订吗?

评论区聊聊~

觉得说到心坎里的,点个「在看」,转给那个每个月都在为Adobe账单肉痛的朋友。

跳转微信打开

复旦师生Pre-A轮融资超10亿,想让AI懂人的情绪与处境

2026年10月12日 08:50

原创 暗涌Waves 2026-10-12 08:50 江苏

像电影《Her》里的AI助手。

「像电影《Her》里的AI助手。」

文|孙小雯 海若镜

访谈、编辑|海若镜

人的喜怒哀乐忧惧,对AI来说,重要吗?

与人交谈时,我们会留意他的语气、停顿、表情,边听边想对方的真实所思。但当交流被整理成提示词文本,很多情绪信息会被过滤掉。

模思智能,这家由邱锡鹏教授(复旦大学特聘教授、上海创智学院副院长)创办的模型公司,一直在意AI的情绪感知能力。

在模思智能CEO李世民看来:AI要理解用户的意图,需要把用户说了什么、周围发生了什么,以及此前的交互联系起来。情绪也是其中的一种情境信号。比如用户突然结束了与AI的对话,可能因为任务已经完成,也可能因为AI答错了、让人不耐烦。这种反馈,藏在语音里、语气中,及更广泛的情境中。

他们想实现的“情境智能”,是让AI能够持续理解现场:谁在场,之前发生了什么,现在是什么环境,人正在做什么,接下来可能要做什么。但完整实现这种智能感知和预测,仍有很多难题待解。所以,模思智能选择先把交互模型作为工程化入口——让模型能理解、生成语音和视频等多模态,并可实时交互。他们把这套系统命名为MOSS Live。

「暗涌Waves」独家获悉,模思智能近日完成超10亿元Pre-A轮融资,由华控基金领投,主要投资方包括国开科创、上海科创基金、新微资本、徐汇资本、追光硬科技创投、临港策源基金等,元禾控股、上海国投旗下上海科创集团、星连资本等老股东持续投资。本轮资金将用于全模态实时交互系统研发与全球商业化落地。

早在2023年初,邱锡鹏带领团队推出了类ChatGPT的语言模型MOSS,迅速登上热搜被广泛关注。当时就有投资机构邀请他们创业,但团队没有立即出来。

同年,这支团队研发了端到端语音大模型SpeechGPT,尝试让模型理解和生成语音,并保留声音中的情绪、语速、音色等信息。2024年,其开发的AnyGPT,探索让模型能处理更多不同类型的模态信息。

沿着这条研究路径,情境智能的目标渐渐清晰。要实现这一目标,模型就必须进入到现实情境中去,在现场获得客户的真实反馈,反哺模型。2024年底,这支团队终于孵化创业,成立模思智能,由SpeechGPT核心作者、年轻的复旦博士李世民担任CEO。

李世民告诉我们,过去半年多,模思智能团队发布迭代了20多个模型版本,包括语音生成、音频理解、视觉理解等。他讲了与B端客户一起打磨交互模型的经历,真实情境的需求不同于学术指标,客户要准、快,还要便宜。这些约束,也改变着模型架构和推理框架。

至于当下热门的AI for AI,他认为这不是新事物、也不是壁垒,过去许多团队都用AI加速模型研发。如今,单点模型的领先可能很快被追上,但如果模型能快速进入产品,真实场景反馈又能变成下一轮训练材料,系统迭代速度可能拉开差距。

他们在做的实时交互模型,与日常已用的语音助手有哪些不同?如今距离情境智能,还缺着哪些能力?智能座舱等终端客户到底想要怎样的AI模型?这家成立两年的公司为什么能融到10亿元?

以下是「暗涌Waves」与模思智能CEO李世民的对话,经编辑整理:

Part01

让AI理解“现场”

「暗涌」:模思一直强调“情境智能”,这里的“情境”到底怎么理解?

李世民:我们理解的情境,英文也是context,但它比大模型里常说的“上下文”更泛化。

真实物理环境里的信息,其实是持续不断流入的。这里有什么人、有什么东西、刚才发生过什么、人与物时空关系如何,这些我们都认为属于情境。

有个很简单的例子,大家都有过找钥匙的经历。如果你突然问AI:“我的钥匙放哪儿了?”假如AI只能看到你当下的这一帧,它自然不知道答案;但如果它一直在持续接受环境的视频流,就可能看到你进门后把钥匙放到了哪里,后面人离开了、东西有没有移动。

拥有情境智能的AI回答问题,依赖的是此前持续积累下来的情境感知能力,而不是提问那一刻获取到的信息。

「暗涌」:听起来,像一个随行的AI助理。现在大家期待的不止是拟人对话,还希望AI像人一样,能在物理世界更自主。

李世民:我们选择面向智能终端提供交互能力,底层逻辑就是要AI像人一样和物理世界交互。在真实环境中,人会停顿、改口;周围的声音、画面和环境状态也会一直变化。

最终AI一定会进入眼镜、车、玩具、机器人等终端,在这些地方,人不会每次都先整理好一个Prompt,完整告诉AI自己要什么。

真正的情境智能,需要双工交互,输入和输出是并行的,模型能够边看、边听,接收信息的同时也能给出反馈。所以,下一代AI会从“回答问题”走向“持续在场”,能持续理解人和环境,并在合适的时候回应、行动。我们现在做全模态实时交互,就是在解决这件事。

「暗涌」:可以举例讲讲,全模态实时交互,跟大家熟悉的AI语音助手有哪些不同吗?

李世民:真正的交互系统,要解决的是信息怎么同时进来、怎么互相影响、怎么在场景变化时持续更新。

比如一个人在车里说了句“有点冷”,只做语音识别,识别出这三个字就结束了。但真正的交互智能,要知道现在车里多少度、谁在说话、车辆是什么状态、说话人过去的偏好是什么,最后判断这句话只是描述感受,还是希望AI调一下空调。

我们真正关心的是AI能不能理解现场。

「暗涌」:邱锡鹏教授团队最早走红网络是2023年的语言模型MOSS,后面转向“语音理解和生成模型”,再后来又加入视频。这些都是为了接近“情境智能”的目标吗?

李世民:在创立模思之初,我们对情境智能有这样的描述:AI能够充分感知、理解复杂的物理情境,并在交互过程中持续提升模型能力。

最初我们更强调前半句。AI与物理世界最自然的交互方式是语音,所以我们先从语音入手,先让模型听懂用户的语气和情绪。用户打字、用文本表达的话,语气情绪等信息都会丢失。

2025年,我们的语音模型能力已经做到相对领先,就开始把“视觉理解”集成进来,让模型既能听懂,也能看清物理世界。

现在,我们会更多地强调后半句,“在交互中持续提升模型能力”。随着基础大语言模型、多模态模型逐渐成熟,我们也正往更加全面的多模态交互推进。

交互智能,是重要的工程入口。如果AI没有理解情境,会在交互里暴露错误。做交互模型,是在把情境智能做进系统里。

「暗涌」:那么目前的多模态交互模型,做到哪一步了?你们最近提出了MOSS Live,具体怎么理解?

李世民:过去半年左右,我们陆续发布、迭代了20多个模型版本,覆盖语音生成、音频理解、语音识别、视觉理解和内容生成等环节,也在持续开源。

一些模型在特定任务上已经取得了比较好的效果。比如MOSS-Audio除了理解用户说了什么,也能分析他说话时的情绪、语速和状态,甚至声音里细微的抖动;

多说话人语音识别模型MOSS-Transcribe-Diarize-0.9B,在一些特定任务上的效果可以超过参数量更大的模型。

现在正处在把过去诸多单点能力接成系统的阶段。我们更愿意把MOSS Live理解成一套实时交互系统。这套系统里,有交互模型,也有能动性模型。交互模型持续看、听、说,理解当前的人和环境;能动性模型负责更复杂的推理、工具调用和任务执行。

「暗涌」:模思为什么还要做视频生成模型?这个赛道也很卷。

李世民:这要和视频理解放在一起看。在我们的技术体系里,理解和生成是相互促进的。

比如训练视频生成模型,需要先把视频里的内容准确地描述、标注出来,这就依赖理解模型的能力。理解模型还可以帮助评判生成内容的质量;反过来,生成模型的效果,又能帮助我们验证理解模型的能力。这两件事在底层有很多共通的积累,包括音视频数据、数据处理管线,以及训练和推理的基础设施。我们做视频生成,也复用了此前在语音和音视频理解上积累的能力。

所以我们会把理解和生成放在一起迭代,最终服务于全模态交互这个目标。

「暗涌」:要实现理想中的AI情境智能,难点主要是哪些?

李世民:核心主要有几点。第一,对音视频流的持续理解能力和双工交互。让模型在信息输入侧跟输出侧并行,能边看、边听、边说。

第二,记忆能力,不仅包括历史画面,还要能够在交互过程中对长时间信息进行编码,并在交互中更新。

获得这些信息之后,还要理解用户的意图,在输出动作之前做规划和目标拆解。这部分目前的语言模型和agent已经做得不错。

最后,还要考虑怎么从真实交互的反馈中改进。这跟coding任务不同。coding任务可以直接从代码是否运行正确来判断结果,但在现实生活中,反馈其实没有那么明确。用户不一定会直接说“你错了”,而是生气,或是直接沉默了。这个时候模型就需要结合更多的情境信息分辨。

这些问题在当前的交互模型里,都还没有被很好地解决。

Part02

用户需求,改变AI模型

「暗涌」:早在2023年你们就做了端到端语音模型SpeechGPT,当时外界的反馈主要是怎样的?

李世民:大家觉得范式很新,但也有质疑。

当时,端到端语音最明显的优势是降低时延,能保留更多语音里的非文本信息。但真正到用户场景里,它的代价也很明显:模型参数量大,部署成本高;为了降低时延,在一些特定任务上的效果反而不理想。所以有些客户反而希望我们做一套更智能的三段式方案,先把他们的实际问题解决好。

直到2024年GPT-4o出来,大家才理解端到端语音的价值,是让交互更自然。这件事对我启发比较大,我们可以靠技术和认知去做出新的模型范式,但最后还是要和真实的用户场景结合,才能产生更大的用户价值。所以我们决定在2024年底出来创业。

2025年我们做了很多单点模型,包括多说话人的语音识别、音频生成、单独的音频理解,很多技术选型,都会根据实际市场反馈去调整。

「暗涌」:现阶段,你们也在和一些B端用户做联合开发。主要有哪些用户需要全模态的能力?

李世民:我们目前主要接触的是智能终端客户,包括智能座舱、AI智能硬件等。它们的使用场景不同,但对模型有一些共通的要求:

理解用户说话的内容,也要结合语气、周围环境和之前的交流,判断用户的意图;在拟人度、流畅度上表现更好;以及具备Always-on的体验,用户可以随时唤醒AI、跟它交互。

这些需求在不同终端上表现不同,但底层需要解决的理解和交互问题有相通之处,所以模型能力可以在不同场景复用。

「暗涌」:目前的智能座舱大多都有语音交互,已经能即时响应一些需求。但座舱内的多模态交互,会是刚需么?

李世民:要看客户希望座舱里的AI做到什么程度。像开空调、调音量这样的明确指令,现有语音交互已经能解决不少问题。但我们看到的一些客户需求,已经涉及更连续、更复杂的交流。比如车里多人交谈时,用户跟其他人说话,不希望触发语音助手;跟语音助手实时交互时,用户话说到一半,可能正在思考,不希望被AI打断;打开车窗后,风声、鸣笛声等,如何避免背景音误触发。这些都是我们当前正在做、一些现有座舱语音助手还没有解决的问题。

打磨这些具体的细节,让模型知道什么时候应回复用户、什么时候该沉默,做到这些,用户能感觉到AI突然聪明了很多。

在此基础上,一些客户也希望模型能够同步理解视觉和音频信号。因为单靠声音,AI获得的现场信息仍然有限;加入视觉,可以补充对周围环境的理解,帮助模型判断用户的意图。对于想提供持续交互体验的座舱,多模态就有了具体的用途。

「暗涌」:终端的算力能支撑得住么?

李世民:我们会根据不同场景设计不同大小的模型。

比如端到端的语音转录模型,如果是用于具身机器人、小型AI硬件、手机等,对时延要求高,且端侧芯片的算力有限,可以用0.9B的轻量级模型,提供本地服务。

同系列我们也有旗舰版模型,可以完成长音频多人转写、说话人分离和时间戳标注,主要通过云端提供服务。这个版本更适合对时延要求没那么高、但希望获得更强模型能力的场景。比如内容生产、线上模态交互,或是客服、医患交流的内容和质量分析。

「暗涌」:来自用户侧的需求那么多,你会怎样判断哪些值得投入研发?

李世民:现在判断一个技术是否要深度投入,首先还是需求导向;第二个标准是有没有可复用性,是只有一个客户有需求,还是很多场景底层解决的是同一个问题;第三,它是不是还在情境交互智能的目标主线上。

我们会看这个项目除了收入以外,对模型能力有没有帮助,做完以后这个方案能不能迁移到其他客户。比如一个AI硬件或者终端场景,如果它能帮助我们迭代交互模型、双工模型,这种项目我们会优先做。

「暗涌」:做语音模型的老牌厂商,已经积累了不少客户。这个赛道会不会太拥挤?

李世民:我们认为,语音赛道还有很大的机会。大家对市场规模的判断,往往基于当前已经看到的模型能力,但新技术能力提升,会解锁新的需求和使用场景。

比如我们的多说话人语音识别模型MOSS-Transcribe-Diarize,可以分析谁在什么时间说了什么。发布之后,就有一些AI语音硬件公司主动联系我们,希望能够接入API,增强产品多说话人分离、内容识别的能力。

语音生成,也还有很大提升空间。比如让模型在一次生成中,统一控制情绪、语速和说话人身份;生成玻璃破碎、踩雪等背景音。这套统一的声音生成范式成熟之后,也能够用在AI短剧等内容生产中。

「暗涌」:会担心从研发走到商业化,难度反而更大吗?

李世民:我自己还是比较有信心。AI时代,模型能力是最大的竞争力,模型效果足够好,再加上我们的infra能力能够把成本压下来,客户会选择一个效果更好、成本更低的方案。

目前B端业务逐渐成熟,我们已经做了一些交付。这轮融资完成后,C端业务预计也会有比较大的起色。

Part03

AI for AI,能否放大迭代速度

「暗涌」:你们很早就用到AI for AI技术么,具体发生在模型训练的哪一步?

李世民:AI for AI是一个很常见的概念,很多顶尖团队都会用到。像数据处理、标注、质量评估这些环节,现在都需要大量借助模型来完成。

比如我们训练多说话人对话语音生成模型MOSS-TTSD的时候,需要一个能够标注多说话人语音内容的模型。但市面上的模型在这个场景里做得不太好,所以我们自己训练了轻量级端到端语音转录模型MOSS-Transcribe-Diarize-0.9B,再用它标注MOSS-TTSD的训练数据。

理解模型不仅可以为生成模型标注数据,也可以评判生成内容的质量,作为奖励模型帮助生成模型训练。生成模型的结果,又可以反过来验证理解模型的能力。

「暗涌」:具体标注时,人和模型分别做什么?

李世民:我们会先找很多相似场景的源数据,用初步的AI模型把数据整体标注一遍,再在模型标注的基础上做人工质量核对,得到质量更高的训练数据。

这套数据管线,我们从2023年开始迭代和积累。除了上述模型,整套数据标注管线里还会用到许多音频理解和多模态理解模型,分别处理不同的数据任务。模型之间怎么编排,数据管线先处理哪些任务、后处理哪些任务,都需要经过精细的实验。

「暗涌」:让AI进入数据生产、标注、和模型训练,对效率的提升是怎样的?

李世民:效率方面,我们比市面上常见的多模态或音频数据处理管线提高了两到三倍,这里面也包括对数据处理算子的工程优化。靠这套共通的数据处理管线和研发infra,我们的模型迭代速度也很快。近半年,我们陆续发布了二十多版模型。

图源:模思智能

「暗涌」:现在很多团队都在用AI辅助研发。你们希望建立哪些壁垒?

李世民:AI for AI,机器学习里其实研究了很多年。我觉得,这个词本身不是壁垒。

我们更关心的是,能不能把AI真正放进多模态数据、模型迭代的生产流程里。比如音频、视频、图像和交互数据进来以后,过去很多事情要靠人做,现在这些环节都可以逐步训练模型来处理。

单点模型今天领先,过一段时间很可能就会被追上。实时多模态交互不一样,它需要语音、视觉、视频、理解、生成、推理系统、真实场景和数据管线一起往前走。

模型能不能快速接进系统、真实场景里的数据能不能回来,数据回来以后能不能很快变成下一轮训练材料,这几个环节如果能持续转起来,最后能放大整个系统迭代的速度。

下一步真正要证明的,是产品和客户场景产生的数据,能不能持续回到模型训练。

「暗涌」:从团队角度来看,模思智能现在200多人,大概3/4是研发人员,你会觉得整个组织更像Lab么?

李世民:从人才密度上看,我们确实有一些实验室的特征,差不多一半是纯算法研究;剩下的人里又有一半是开发侧研发。但模思不是一个Lab,我们是一家要走通商业闭环的公司。

研发占比高,是因为我们要把研究、模型、产品一路打通,每一环都离不开研发。模思的模型能力,要变成用户真正用得上的产品和服务;用户和市场会反过来影响我们的模型。

以前做语音模型,可能更关注词错率、语音相似度这些学术指标;但客户会提需求:不光要准、低时延,价格也不能太贵。这些约束最后会反过来改变模型架构、推理框架,甚至我们的基础设施,逼着我们去做更加细致化的优化,提供更低成本、高利用率的模型。

「暗涌」:你们希望,模思最终会成为一家怎样的公司?

李世民:我们想做的,还是AI和真实物理世界交互的基础设施。

往理想的方向讲,就像电影《Her》里的AI助手。AI能够充分获得用户所处的情境,理解人,能跟人进行智能、实时、连贯的交互。

排版|王家玙

图片来源|Unsplash

推荐阅读

钱的     流     向     ,     人的     沉     浮

跳转微信打开

Agent 时代,前端怎么变?AG-UI、A2UI 与 MCP Apps 的协同模式(下)

2026年10月12日 08:30

原创 曾经的毛毛 2026-10-12 08:30 江苏

AG-UI、A2UI 与 MCP Apps 之间如何协同与选择?

点击上方

蓝字

关注我们

上篇中我们拆开介绍了三个 Agent 时代 UI 相关的标准:

AG-UI 负责运行时交互;A2UI 描述 UI;MCP Apps 则让工具带上交互 UI。

到了实际项目里,它们可以出现在同一个应用中。比如:一个退款的卡片 Widget(A2UI)可以随着 Agent 的进度发送到前端(AG-UI);卡片(A2UI)里也可以嵌着物流工具的操作面板(MCP Apps)。

本篇我们看看这几个标准之间的常见协同场景。演示代码在文末。

01

AG-UI x A2UI :把 UI 描述放进事件里

分工:一个负责交互,一个描述界面

继续上篇的客户服务的 Agent 演示应用,仍然以订单退款为场景。

我们可以用 AG-UI 来把 Agent 的事件和状态同步给前端,由其自行管理 UI;也可以基于 A2UI 协议,由后端告诉前端要用哪些 UI 组件和数据。

但实际上两者可以同时使用:

保留 AG-UI 的通信方式;同时把 A2UI 描述也放进运行事件中。

比如,后端查到订单后,既返回任务状态;也发出退款卡 UI 的组件描述与订单数据。

前端通过 AG-UI 收到这个事件流后,按内容分别处理:任务状态用来更新进度、A2UI 消息则交给渲染器,由它绘制 UI。

大致原理如下:

实现方法

AG-UI 项目为此提供了 A2UIMiddleware 的适配代码。其作用是:从 Agent 的工具输出中识别 A2UI 内容,并将其封装成 AG-UI 事件,和文字、状态消息一起传给前端。

简单说,就是帮你把 A2UI 的消息“包装成” AG-UI 的事件,加一层外壳:外层标明消息类型,里面保留具体的 UI 描述。 前端应用再按标识取出内容,交给 A2UI 渲染器。

下面是一个把 UI 描述装进 AG-UI 事件的例子(显示商品信息和确认按钮)。

{
"type": "ACTIVITY_SNAPSHOT",
"messageId": "a2ui-refund",
"activityType": "a2ui-surface",
"content": {
"a2ui_operations": [
      {
"version": "v0.9",
"createSurface": {
"surfaceId": "refund",
"catalogId": "https://refund-demo.local/catalog/v1"
        }
      },
      {
"version": "v0.9",
"updateComponents": {
"surfaceId": "refund",
"components": [
            {
"id": "root",
"component": "Column",
"children": ["product", "confirm"]
            },
            ...
          ]
        }
      }
    ]
  },
"replace": true
}

在这个例子中,外层是一个 AG-UI 的事件消息格式,类型为ACTIVITY_SNAPSHOT;然后用 activityType: "a2ui-surface" 标识出这是一个 A2UI 的描述。

通过这种方式,A2UI 描述的 UI 与其他 AG-UI 的事件消息(状态更新、工具调用等)一起,被源源不断地“输送”到前端应用。

02

A2UI x MCP:三种组合方式

A2UI 与 MCP Apps 都能带来动态的 UI。一个是生成 UI 描述送到前端渲染;一个是提供可交互的 HTML 页面,由宿主在隔离的 iframe 中加载。

那么两者组合的意义在哪里?又是如何组合应用呢?

Google 官方给出了三种组合方式。理解它们时,可以盯住两个位置:A2UI 的渲染器在哪里,MCP App 又在哪里。

A2UI over MCP:用 MCP 传 A2UI

如果企业已经有统一的 UI 组件体系与渲染器,并希望订单、库存、审批这些 MCP Tool 返回的界面都保持一致统一,可以用 A2UI over MCP。

它的方法是:

MCP Tools 返回 A2UI JSON 描述,宿主(如 Agent 应用)获得描述后,用渲染器绘制 UI。

在这个机制中,MCP 不返回独立的 Web 页面,宿主也不需要 iframe。这里只需要 MCP 的基础工具与资源能力,并不要求 MCP Apps。前提是宿主应用能够支持 A2UI — 前端能够渲染出 UI 组件。

基于 MCP 的 A2UI 服务端实现方法:

  • 通过 MCP Resource 提供 A2UI 描述的 UI 模板

  • 通过 MCP Tool 提供数据及更新

MCP 的工具元数据(_meta.ui)中需要定义一个 A2UI 的资源描述与类型:

"_meta": {
"ui": {
"resourceUri": "a2ui://recipe-card",
"mimeType": "application/a2ui+json"
  }
}

宿主应用在调用 MCP Tool 时,除了获得数据之外,检查_meta信息,进而通过 resources/read 的调用获得 A2UI 的 UI 模板,从而能够完成最终 UI 组件的渲染和数据展示。

以前面的 Demo 为例,订单查询的 Tool 在 application/a2ui+json 内嵌资源中返回完整 UI 描述,前端据此绘制退款卡片并展示:

而在进行操作后(比如点击“确认退款”),宿主应用再次发起 MCP Tool 调用,将相关数据发送到 MCP Server,并同时获得更新后的 A2UI 结果。

MCP Apps in A2UI:A2UI 里嵌入 MCP App

如果你的 Agent 系统本身采用了 A2UI 来实现前端的动态界面;但同时需要嵌入一些外部的 MCP Apps 界面,就可以使用 MCP Apps in A2UI。

比如,如果你自己掌握了售后门户(A2UI 实现),但又不想把外部物流商的时段选择、地图和校验逻辑全部重写,就可以考虑把物流工具的“面板” Widget(MCP Apps)嵌入到自己的 UI 中。

其实现机制是:

外层仍由 A2UI 组织 UI 区域,但在组件目录中增加一个“MCP App 容器”。渲染器遇到它,就加载 MCP Apps 关联的 HTML 资源,在 iframe 中运行。

企业维护外层 UI ,工具团队维护内部交互,两边通过消息通信。

继续以前面的订单退款 Demo 为例,外层的订单和金额由 A2UI 绘制,但这里紫色取件面板是一个独立 MCP App(假设是物流提供的 MCP):

如果简单的理解,就是把 MCP Apps 看作是 A2UI 支持的组件目录中的一种组件类型(MCPApp),类似一个 Form。

A2UI in MCP Apps:把 A2UI 渲染器装进 MCP App

上面的模式是:我们使用别人开发的 MCP Tool,从而将其带有的 UI 集成到我们的 A2UI 界面中。

但如果反过来,我们开发的是要接入别人平台的工具,无法改造宿主应用。对方支持 MCP Apps,却没有 A2UI 渲染器,就可以采用 A2UI in MCP Apps:

把渲染器、组件目录和业务代码一起打包进 MCP App。宿主负责加载 MCP App,App 自己负责绘制 A2UI,界面在 iframe 的隔离视图内生成。

与模式一的差异在于:

MCP Apps 负责渲染 A2UI 负载,而不是宿主应用的前端负责渲染 — UI 渲染器从宿主应用搬进了隔离运行的 MCP Apps。因此宿主应用不必理解这份 A2UI 描述,UI 组件版本和显示效果也由 MCP App 自己维护。

在上面的 Demo 中,你可以用这种方式达到完全一致的效果。

03

三种协议:按需选择,也可以一起出现

上面我们总结了AG-UI、A2UI、MCP Apps的四种协同场景。在实际应用中,当然需要根据解决的问题来选择:

应用场景

可采用哪种组合

选择前提

持续显示任务进度,按需出现 UI,不依赖MCP

AG-UI  +A2UI

前端接好事件分发和 A2UI 渲染器

宿主渲染 UI;基于 MCP 返回动态的 UI 描述信息

A2UI over MCP

宿主支持 A2UI,不要求 MCP Apps和iframe

宿主渲染 UI;局部嵌入 MCP App的专业工具

MCP Apps in A2UI

宿主能渲染 A2UI,并实现 App 容器

宿主加载 MCP App;App内负责渲染动态 UI

A2UI in MCP Apps

MCP App 自带渲染器,宿主无需接入 A2UI

这些接法可以按需组合,也不必一次引入全部协议。比如,现有前端应用只缺 Agent 的进度与反馈,就可以先接 AG-UI;而如果需要给 MCP Tool 添加固定页面,使用 MCP Apps 就行,不一定需要 A2UI。

事实上,这三个协议甚至可以同时出现。以前面 Demo 中的退款场景为例:

  • AG-UI 持续传递 Agent 的回复和处理进度;

  • A2UI 描述外层订单卡片、金额和确认按钮;

  • MCP Apps 承载卡片里的物流取件面板;

而用户看到的是一个工作台,背后的界面却由不同部分负责:

当然,这种多协议的融合,交互过程会比界面的组合更复杂一些:比如,取件面板保存了新时间,外层订单卡和 Agent 怎么知道?这些更新需要应用衔接起来,并不会因为用了三个协议就自动完成。

以前面的 Demo 为例,大致过程如下:

  • 用户选好取件时段并点击保存,App 通过宿主调用 MCP 工具

  • MCP Server 校验并保存安排,结果经宿主返回,取件面板更新

  • 宿主确认 MCP 面板保存成功后,再向 Agent 发送新的请求

  • Agent 读取最新安排,通过 AG-UI 返回回复、进度,以及封装在事件里的 A2UI 更新,前端根据新的 A2UI 消息刷新外层 A2UI 卡片

  • 用户点击“确认退款”,再次发送 Agent 请求,继续后续的任务,更新 UI

这里面涉及到的一些交互的过程、SDK等,可以参考 A2UI 官方文档。

回看上下篇,Agent 时代并没有让前端 UI 消失。

自然语言适合表达任务,但表单、卡片和按钮等仍然有着天然的交互优势 — 负责让使用者更便捷的查看信息、补充条件和作出确认。所不同的是,Agent 时代 UI 出现的时机与内容,更多地需要围绕着任务而变化。

了解每种协议的动机、场景与原理,有助于我们做出架构与设计上的最佳选择;而更具体的开发,当然可以交给 AI Coding 来完成。

本文 Demo :

https://github.com/pingcy/agent-ui-lab

Image

感谢阅读,交流与合作请后台留言

喜欢就关注哦

Image

动动小手点个赞

Image

点在看最好看

Image

跳转微信打开

Grok Bot 玩法 02:躺床让它帮你做视频理解复杂概念

2026年10月12日 08:20

原创 歸藏的 AI 工具箱 2026-10-12 08:20 北京

我做了个 Grok Bot 的 Bot。

遇到看不懂的英文长推,或者是看不懂的那种长文,

你丢给他以后,他几分钟就给你一个非常长的中文学习文档,

而且是带示意的,就是所有的背景知识都会加进去。

同时他会帮你做一条拥有非常多丰富的动效的讲解视频。

而且他是全程不用开电脑的,

你在手机上看到什么,扔给他,他就会给你这些东西。

你用来自己阅读、自己理解,或者发给朋友分享、做内容,都是非常好的。

下面讲一讲他是怎么做的,

以及为什么我觉得以后我们的内容生产方式和消费方式,都会发生很大的变化。

01 刷到长推,不再收藏吃灰

我昨天刷到一个非常长的 Twitter。

以前的话都是先点了收藏,然后等第二天,比如说早上起来了,有了电脑再翻译啊、查资料啊之类的,

或者说就再也没看过。

你过了时间以后,很多时候你就不会再看了,收藏就完事儿了。

以前的我:收藏 = 再也不看

以前的我:收藏 = 再也不看

但是这次在床上,我看到了,我就直接丢给 Grok Bot 了。

就是这条,Keenan Crane 的推串:x.com/keenanisalive/status/2108708523236602056

推串巨长,而且有时候它超了字数,还得点展开,很麻烦。

作者自己就发了 29 条,中间还夹着图和视频。

原推截图,红框是那个烦人的「显示更多」

原推截图,红框是那个烦人的「显示更多」

因为它涉及到了很多 3D 渲染和这种算法的知识,很多词我不懂。

我就跟 Grok Bot 说,能不能帮我把它做成一个中文的文章,

然后把图片呀、他引用的各种文章啊、关于一些背景知识,比如涉及到人名啊、一些算法,能不能都给我解释一下。

我发的需求,就这么一段话

我发的需求,就这么一段话

结果他给了一个非常好的结果,我很快就看完了。

它交回来一个中文网页,外加一份 PDF

它交回来一个中文网页,外加一份 PDF

中文学习文档首屏:左边目录,右边正文,背景知识都补进去了

中文学习文档首屏:左边目录,右边正文,背景知识都补进去了

PDF 那份有 43 页,每条推都有中文,原文也能展开对照着看。

在手机上,我不是以前还写过一个在手机上阅读 HTML 的工具叫即览嘛,配合那个就更舒服了。

手机上用即览打开,躺着就能看完

手机上用即览打开,躺着就能看完

02 一句话,做成讲解视频

然后我就想,你看所有的文案都有,对吧?包括它的素材也有。

其实一些算法类的或者 3D 类的,用视频会更好理解。

我就跟 Grok Bot 说,能不能帮我做个视频讲解一下。

而且不允许做那种 PPT 式的翻页,就是把那个图片一页一页截出来,然后轮播,然后配个音。

我更想让他做那种带动效的、能讲清楚对应概念的东西。

比如说这个,有一个参数是可以拖动的,它拖动了参数以后,对应的这个画面就会变化。

smooth min:拖动参数 k,两个球的接缝就会被抹圆

smooth min:拖动参数 k,两个球的接缝就会被抹圆

然后第二个就是光线步进,它是一个算法,他就可以帮你去看不同参数的变化。

光线步进:从眼睛发一条光线,一步一步问「离最近的表面还有多远」

光线步进:从眼睛发一条光线,一步一步问「离最近的表面还有多远」

其他的我都没给他,我就说做个视频,

他给了我一个三分十九秒的视频,配音、配乐、字幕都有。

一共 18 个镜头。

讲解视频的开头:这条龙其实是一段 27KB 的代码

讲解视频的开头:这条龙其实是一段 27KB 的代码

然后所有的数字、所有的内容,都来自于原文,就是那个帖子的原文,所以幻觉就比较少。

比如视频里讲的,前后 25 小时的模型调用、27 轮以上的人工反馈、最后 27KB 的代码,这些都是 Keenan 自己在推里写的。

它交回来的讲解视频,3 分 19 秒

它交回来的讲解视频,3 分 19 秒

03 为什么非要是 Grok Bot

之前很多朋友问,为什么?Codex 不能做吗?或者是 WorkBuddy 不能做吗?

为什么非要是 Grok Bot,你在吹这个?

为什么?

第一个就是它有一个电脑,这个很重要。

第二个是什么呢?它的云电脑配置很高,它能装很多工具,然后跑渲染。

然后我在手机上,他就给我把这个内容做出来了。

它自己的云电脑,装工具、跑渲染都在这上面

它自己的云电脑,装工具、跑渲染都在这上面

然后还有一个,是老马他自己家的 Twitter,

所以他拉取这些东西是不需要 API、不需要一些额外的工作的,也不会影响到你的账号。

所以你只需要发个命令给他,他就会在手机上给你一个视频。

这是相较于以前其他那种电脑上的 agent 非常不一样的地方。

为什么是 Grok Bot:三个原因

为什么是 Grok Bot:三个原因

然后中间如果说有问题,你突然想到了一个想改动的点,你直接跟他说,他直接就会改。

比如说 Codex 或者 Claude Code,原来的那样是你需要点一下引导,然后他才会在中间改变他的一些任务的过程。

但是这个是不用的,他随时可以改,而且非常顺滑。

就像我们平时跟朋友聊天,或者跟你的实习生聊天一样。

中途想改,直接说就行,它边做边改

中途想改,直接说就行,它边做边改

04 A-roll + B-roll

然后再往前的话,就是你如果说这个视频做完,就可以像我这样去做 A-roll 和 B-roll 的混合,对吧?

就比如说我可以给他 Seedance 的 CLI,或者说我自己真实录制一些视频,

然后把这些空镜和动效结合成一个完整的视频。

真实画面负责氛围,代码动效负责讲准

真实画面负责氛围,代码动效负责讲准

这个事儿我觉得是一个很重要的事儿。

以前,比如说有了 Codex 之后,剪视频啊、剪音频啊、做文本的内容,门槛已经降很多了。

这也是为什么大家都开始用 HTML 去展示内容了。

但是现在来看,视频的门槛已经降到一个非常低的程度了。

成本,比如说 token 价格,还是在的。

但是摩擦,就是用户跟这个模型的摩擦,已经非常低了,所以这个我觉得还是挺重要的。

从文字到 HTML 图文,再到视频,门槛一路往下掉

从文字到 HTML 图文,再到视频,门槛一路往下掉

画面好看的话,它就更容易让人相信和理解嘛。

所以你也可以参考我这个流程,去让你的 Grok Bot 去做一个类似的流程。

你可以试试,非常的好用。

而且几乎在读东西和阅读内容的时候,让我的效率高了很多很多。

以前收藏了不会看的东西,现在也会看了。

最后

对了,这条口播视频本身,也是我录完直接扔给 Grok Bot 剪的。

后面我会把这整个流程打包成一个 Bot 和一个 skill,

到时候大家就可以一键用上,不用自己一步一步搭了。

如果觉得这个内容对你有启发,可以帮忙点个赞,或者转发给你需要的朋友。

✦

跳转微信打开

❌