铃阅时讯
❌

普通视图

大表治理之分表实践:带你手搓一个简单的数据库分表组件

2026年10月15日 21:31

原创 京东科技 郭忠强 2026-10-15 21:31 北京

不知道大表数据如何处理?本文带你手搓一个简单够用的数据库分表组件。

一、背景

在大型系统中,流量大,数据量大,很容易出现大表,一般来说,大表有以下几方面特征:

1. 数据量维度:通常认为单表数据量超过1000万行或10GB以上可以视为大表。

2. 性能维度:当表的查询、插入、更新、删除操作开始出现明显性能下降。

3. 维护维度:当对表进行DDL操作(如添加索引、修改字段)需要很长时间(如超过1小时)。

4. 业务维度:根据具体业务场景,影响核心业务流程的表即使数据量不大也可能被视为大表。

以库存流水表为例,一天的流水量是3400万行,大小为31GB。

大表会伴随着产生读写性能下降、服务耗时长、DDL、DML时间长、备份恢复难度大、统计信息不准确等弊端,需要进行大表治理优化。

二、治理方案

2.1 大表的治理优化方案

一般有几个思路:

  • 分库分表:按业务维度(仓号、SKU、主键ID等)水平拆分。

  • 表分区:按时间、哈希或范围分区,提高查询效率。

  • 冷热分离:冷数据归档结转,超过一定时间的热数据则转为冷数据存储。

  • 索引优化:删除冗余和低效索引,减少索引维护成本,提升单表读写性能。

  • 读写分离:主库写操作,从库读操作,减轻主库压力。

在本系统的治理中,除了表分区方式暂未使用,其他优化策略均有使用,尤其是在分库分表方面,通过水平拆分数据量降维最直接高效,也是本文阐述的重点,其他策略不重点赘述。

2.2 分表组件选择

分库方面,之前已接入分库,按仓号分库,但流水表尚未分表,单表的流水量依然很大,其中一个分库下20天的单表存量数据行在四五千万行左右。

本次是在分库的基础上进行分表。在分库分表的组件选择上,业界常用的分库分表组件有Sharding-JDBC、Mycat‌、Cobar‌、TDDL‌、Atlas‌等,他们的优劣势各不相同,但这些分库分表插件在SQL语法支持上都存在自己的局限性。

例如:

  • Sharding-JDBC

  • SQL语法限制‌:

  • 不支持复杂的SQL语法,如OR、UNION和UNION ALL等操作

  • 不支持HAVING子句

  • 不支持子查询的完整支持

  • 不支持DISTINCT聚合操作

  • 不支持SELECT LAST_INSERT_ID()语句

  • 不支持CASE WHEN语句

  • 不支持VALUES后有多行数据的INSERT语句

  • 不支持dual虚拟表

Mycat

  • ‌SQL语法限制‌:

  • 不支持跨库多表关联查询和子查询

  • 不支持CREATE TABLE LIKE xxx和CREATE TABLE SELECT xxx等语句

  • 不支持SELECT FOR UPDATE、SELECT LOCK IN SHARE MODE等语句

  • 不支持跨分片的UPDATE/DELETE操作

  • 不支持多表UPDATE或UPDATE分片键

  • 不支持跨分片的ORDER BY LIMIT操作

Cobar

  • ‌SQL语法限制‌:

  • 不支持跨库情况下的JOIN、分页、排序、子查询操作

  • 不支持SAVEPOINT操作

  • SET语句执行会被忽略(事务和字符集设置除外)

  • 分库情况下INSERT语句必须包含拆分字段列名

  • 分库情况下UPDATE语句不能更新拆分字段的值

  • 仅支持部分SQL数据节点

TDDL

  • SQL语法限制‌:

  • 不支持JOIN、多表查询等语法

  • 不支持跨库JOIN操作

  • 不支持存储过程、函数等复杂SQL操作

Atlas

  • ‌SQL语法限制‌

  • 社区维护较久,功能相对有限

  • 不支持跨库JOIN等复杂操作

这些组件在SQL语法支持上的局限性主要源于分库分表场景下对SQL解析和路由的复杂性,以及各组件架构设计的差异。

正因为这些SQL语法的局限性,在之前分库时,部门没再继续使用Sharding-jdbc作为分库分表的插件,而是部门自研了一个适合自己的分库插件。关于自研这件事,造轮子目的很直接简单,并不是为了证明什么,仅仅是为了适配自己的场景,组件设计和实现也并不复杂,远远不如行业里的哪些插件强大,根据KISS原则,够用+1而已。

在分表时,依然选择了部门自研这个条路。

三、组件设计

基于 MyBatis 插件机制实现的分表拦截器,采用策略模式 + 责任链模式的架构设计。

┌─────────────────────────────────────────────────────────────┐

│ MyBatis 插件链 │

├─────────────────────┬───────────────────────────────────────┤

│ SQLMarkingPlugin │ SQLBasedDatabaseProtectorPlugin │

├─────────────────────┼───────────────────────────────────────┤

│ DataSourceRouting │ TableShardingInterceptor │

│ Interceptor │ (分表拦截器) │

└─────────────────────┴───────────────────────────────────────┘

模块划分

  • 拦截处理模块:intercept() 方法,负责拦截 SQL 执行。

  • 策略模块:Policy 枚举,定义不同的读写策略。

  • SQL处理模块:负责 SQL 的解析、修改和重写。

  • 路由计算模块:与 ShardingSuffixCalculator 交互,计算分表后缀。

  • 参数处理模块:处理 SQL 参数映射。

四、组件研发

4.1 分表策略

分表规则:

  • 基于仓库编号(warehouseNo)进行分表

  • 支持多种分表策略:单写单读、单写双读、双写单读、双写双读

  • 分表数量可配置,如st_stock_stream:128表示分为128张表

分表后缀计算:

    // 分表后缀计算流程
    1. 从SQL参数中提取 warehouseNo
    2. 查询配置表,看是否已有分配的分表
    3. 如果有,直接使用
    4. 如果没有,通过负载均衡算法选择一个分表
    5. 使用分布式锁确保分配的唯一性

    4.2 读写策略

    四种策略模式:

    1. doubleWriteAndReadOld:双写读旧表

    • 写操作:同时写入旧表和新表

    • 读操作:只读旧表

    2. doubleWriteAndReadNew:双写读新表

    • 写操作:同时写入旧表和新表

    • 读操作:只读新表(分表)

    3. singleWriteAndReadOld:单写读旧表

    • 写操作:只写入新表(分表)

    • 读操作:只读旧表

    4.singleWriteAndReadNew:单写读新表

    • 写操作:只写入新表(分表)

    • 读操作:只读新表(分表)

    5. singleWriteAndDoubleRead:单写双读

    • 写操作:只写入新表(分表)

    • 读操作:同时读旧表和新表,结果合并

    4.3 SQL处理机制

    SQL解析与重写

    1. 识别SQL中的表名

    2. 判断是否需要分表处理

    3. 提取分表键(warehouseNo)

    4. 计算分表后缀

    5. 重写SQL,替换表名

    6.处理参数映射

    特殊SQL处理:

    • COUNT查询:SELECT COUNT(*) FROM table→SELECT SUM(countNumForSharding) FROM (SELECT COUNT(*) AS countNumForSharding FROM table_0 UNION ALL ...)

    • SUM查询:SELECT SUM(column) FROM table→SELECT SUM(sumNumForSharding) FROM (SELECT SUM(column) AS sumNumForSharding FROM table_0 UNION ALL ...)

    • ORDER BY/LIMIT:在双读模式下需要特殊处理

    4.4 双写的处理

    4.4.1 核心功能

    该方法的核心功能是:将单条写入 SQL 转换为双写 SQL,即同时写入原始表和分表。

    4.4.2 实现逻辑详解

    1. 前置检查

      String sql= boundSql.getSql().trim();
      log.trace("TableShardingInterceptor#changeStatementForDoubleWrite, SQL: {}", sql);
      // 检查是否在忽略列表中if (StringUtils.isNotBlank(ignoredTables)) {
          for (String ignoredTable : StringUtils.split(ignoredTables, COMMA)) {
              if (StringUtils.containsIgnoreCase(sql, ignoredTable)) {
                  return; // 忽略配置的表,不进行双写
              }
          }
      }

      逻辑说明:

      • 首先获取原始 SQL 并记录日志

      • 检查当前 SQL 涉及的表是否在忽略列表中

      • 如果是忽略的表,则直接返回,不进行双写处理

      2. 分表处理

        if (StringUtils.isNotBlank(shardingTables)) {
            StatementChangeResultstatementChangeResult= changeSql(sql, metaParam);
            if (statementChangeResult.isSqlChanged()) {
                // 构建双写 SQL
                sql = statementChangeResult.getSql().concat(DOUBLE_WRITE_JOINER).concat(boundSql.getSql().trim());


                // 更新 BoundSql 中的 SQL
                ReflectionUtils.setFieldValue(BoundSql.class, boundSql, "sql", sql);


                // 复制参数映射
                boundSql.getParameterMappings().addAll(boundSql.getParameterMappings());
            }
        }

        逻辑说明:

        • 检查是否配置了分表

        • 调用changeSql方法处理 SQL,获取分表后的 SQL

        • 如果 SQL 发生变化(即需要分表),则构建双写 SQL

        • 使用DOUBLE_WRITE_JOINER(;)连接分表 SQL 和原始 SQL

        • 更新BoundSql对象中的 SQL

        • 复制参数映射,确保双写 SQL 的参数正确

        3. 双写 SQL 构建示例

        原始 SQL:

          INSERT INTO st_stock_stream (id, warehouse_no, sku, quantity) VALUES (?, ?, ?, ?)

          双写SQL:

            INSERT INTO st_stock_stream_5 (id, warehouse_no, sku, quantity) VALUES (?, ?, ?, ?) ; INSERT INTO st_stock_stream (id, warehouse_no, sku, quantity) VALUES (?, ?, ?, ?)

            使用场景

            1. 数据迁移场景

            在从单表架构向分表架构迁移的过程中,使用双写策略可以确保:

            • 新数据同时写入旧表和新表

            • 保证迁移期间的数据一致性

            • 支持平滑迁移,可随时回滚

            2. 策略配置

            双写策略通过 policy 配置项控制:

            • doubleWriteAndReadOld:双写读旧表

            • doubleWriteAndReadNew:双写读新表

            4.4.3 关键点

            1. SQL 连接符

              public static final String DOUBLE_WRITE_JOINER=" ; ";

              使用分号作为 SQL 语句分隔符,这是 SQL 支持的多语句执行格式。

              2. 参数映射处理

                boundSql.getParameterMappings().addAll(boundSql.getParameterMappings());

                由于双写 SQL 包含两套相同的参数,需要将参数映射列表复制一份,确保参数正确绑定。

                3. 反射更新

                  ReflectionUtils.setFieldValue(BoundSql.class, boundSql, "sql", sql);

                  使用反射机制更新 BoundSql 对象中的 SQL,这是 MyBatis 插件开发中的常用技巧。

                  执行流程图

                  changeStatementForDoubleWrite方法是实现平滑数据迁移的关键组件,它使得系统可以在不中断服务的情况下,从单表架构平滑过渡到分表架构,大大降低了系统升级的风险。

                  4.5 双读的处理

                  用于实现双读策略下的 SQL 处理。在双读模式下,系统会同时查询原始表和分表,并将结果合并,确保在数据迁移过程中能够读取到完整的数据。

                  方法

                    privatestaticvoidchangeStatementForDoubleRead(BoundSql boundSql, MetaObject metaParam)
                    4.5.1 核心功能

                    该方法的核心功能是:将单表查询 SQL 转换为双读 SQL,即同时查询原始表和分表,并处理结果合并。

                    实现逻辑详解

                    1. 前置检查

                      String sql= boundSql.getSql().trim();
                      log.trace("TableShardingInterceptor#changeStatementForDoubleRead, SQL: {}", sql);
                      // 检查是否在忽略列表中if (StringUtils.isNotBlank(ignoredTables)) {
                          for (String ignoredTable : StringUtils.split(ignoredTables, COMMA)) {
                              if (StringUtils.containsIgnoreCase(sql, ignoredTable)) {
                                  return; // 忽略配置的表,不进行双读
                              }
                          }
                      }

                      逻辑说明:

                      • 获取原始 SQL 并记录日志

                      • 检查当前 SQL 涉及的表是否在忽略列表中

                      • 如果是忽略的表,则直接返回,不进行双读处理

                      2. 分表处理与SQL重写

                        if (StringUtils.isNotBlank(shardingTables)) {
                            StatementChangeResultstatementChangeResult= changeSql(sql, metaParam);
                            if (statementChangeResult.isSqlChanged()) {
                                sql = mergeSqlForDoubleRead(statementChangeResult.getSql(), boundSql.getSql().trim());


                                // 处理ORDER BY子句
                                if (StringUtils.containsIgnoreCase(sql, ORDER_BY)) {
                                    intorderByIndex= StringUtils.lastIndexOfIgnoreCase(sql, ORDER_BY);
                                    StringorderByAndLimitSql= StringUtils.substring(sql, orderByIndex);
                                    StringsqlBeforeOrderBy= StringUtils.substring(sql, 0, orderByIndex);


                                    // 移除表别名前缀,避免UNION ALL后的列引用错误
                                    orderByAndLimitSql = orderByAndLimitSql.replaceAll("\\w+\\.", StringUtils.EMPTY);
                                    sql = StringTools.getJointCodeWithSpace(sqlBeforeOrderBy, orderByAndLimitSql);
                                }


                                // 处理COUNT查询
                                if (StringUtils.containsIgnoreCase(sql, COUNT_NUM_FOR_SHARDING)) {
                                    sql = "SELECT SUM( " + COUNT_NUM_FOR_SHARDING + " ) FROM (" + sql + ") ".concat(TEMP_TABLE_NAME);
                                }


                                // 处理SUM查询
                                if (StringUtils.containsIgnoreCase(sql, SUM_NUM_FOR_SHARDING)) {
                                    sql = "SELECT SUM( " + SUM_NUM_FOR_SHARDING + " ) FROM (" + sql + ") ".concat(TEMP_TABLE_NAME);
                                }


                                // 更新BoundSql
                                ReflectionUtils.setFieldValue(BoundSql.class, boundSql, "sql", sql);
                                appendParameterMappings(boundSql);
                            }
                        }

                        4.5.2 关键技术点解析

                        1. SQL合并机制

                          private static String mergeSqlForDoubleRead(String changedSql, String originalSql) {
                              StringnewSql= StringUtils.removeEnd(originalSql, SEMICOLON);
                              newSql = newSql.trim().replaceAll(RegExpConstants.SQL_ORDER_BY, StringUtils.SPACE);
                              newSql = newSql.trim().replaceAll(RegExpConstants.SQL_LIMIT, StringUtils.SPACE);
                              return appendSelectColumns(newSql, changedSql);
                          }

                          处理步骤:

                              1.移除原始SQL末尾的分号

                              2.移除ORDER BY子句(后续会重新处理)

                              3.移除LIMIT子句(后续会重新处理)

                              4.调用appendSelectColumns合并SELECT列

                          2. ORDER BY处理

                            if (StringUtils.containsIgnoreCase(sql, ORDER_BY)) {
                                intorderByIndex= StringUtils.lastIndexOfIgnoreCase(sql, ORDER_BY);
                                StringorderByAndLimitSql= StringUtils.substring(sql, orderByIndex);
                                StringsqlBeforeOrderBy= StringUtils.substring(sql, 0, orderByIndex);


                                // 关键:移除表别名前缀,避免"Unknown column"错误
                                orderByAndLimitSql = orderByAndLimitSql.replaceAll("\\w+\\.", StringUtils.EMPTY);
                                sql = StringTools.getJointCodeWithSpace(sqlBeforeOrderBy, orderByAndLimitSql);
                            }

                            问题背景: 在UNION ALL查询中,如果ORDER BY子句包含表别名(如m.update_time),会导致"SQL Unknown column"错误,因为UNION ALL后的结果集不再有原始表的别名。

                            3. COUNT查询处理

                              if (StringUtils.containsIgnoreCase(sql, COUNT_NUM_FOR_SHARDING)) {
                                  sql = "SELECT SUM( " + COUNT_NUM_FOR_SHARDING + " ) FROM (" + sql + ") ".concat(TEMP_TABLE_NAME);
                              }

                              转换示例:

                              • 原始:SELECT COUNT(*) FROM table

                              • 双读:SELECT COUNT(*) AS countNumForSharding FROM table_0 UNION ALL SELECT COUNT(*) AS countNumForSharding FROM table

                              • 最终:SELECT SUM(countNumForSharding) FROM (SELECT COUNT(*) AS countNumForSharding FROM table_0 UNION ALL SELECT COUNT(*) AS countNumForSharding FROM table) tempForSharding

                              4. SUM查询处理

                              与COUNT查询类似,将多个分表的SUM结果再求和。

                              5. 参数映射处理

                                privatestaticvoidappendParameterMappings(BoundSql boundSql) {
                                    Stringsql= boundSql.getSql().trim();
                                    intlimitIndex= StringUtils.lastIndexOfIgnoreCase(sql, LIMIT);


                                    if (limitIndex < 0) {
                                        // 无LIMIT,直接复制所有参数
                                        boundSql.getParameterMappings().addAll(boundSql.getParameterMappings());
                                        return;
                                    }


                                    // 处理LIMIT参数
                                    StringlimitOffset= StringUtils.substring(sql, limitIndex);
                                    intcountMatches= StringUtils.countMatches(limitOffset, SQL_PLACEHOLDER);


                                    if (countMatches == 2) {
                                        // LIMIT ?, ? (offset, pageSize)
                                        List<ParameterMapping> originalParameterMappings = Lists.newArrayList(boundSql.getParameterMappings());
                                        // 移除最后两个参数(LIMIT参数)
                                        boundSql.getParameterMappings().remove(boundSql.getParameterMappings().size() - 1);
                                        boundSql.getParameterMappings().remove(boundSql.getParameterMappings().size() - 1);
                                        // 添加完整的参数列表
                                        boundSql.getParameterMappings().addAll(originalParameterMappings);
                                    }
                                    // ... 其他情况处理
                                }

                                4.5.3 SQL转换示例

                                1. 简单查询

                                原始SQL:

                                  SELECT * FROM st_stock_stream WHERE warehouse_no = ? AND deleted =0

                                  双读SQL:

                                    SELECT * FROM st_stock_stream_5 WHERE warehouse_no = ? AND deleted =0 UNION ALL SELECT * FROM st_stock_stream WHERE warehouse_no = ? AND deleted =0

                                    2. 带ORDER BY和LIMIT的查询

                                    原始SQL:

                                      SELECT * FROM st_stock_stream WHERE warehouse_no = ? ORDERBY update_time DESC LIMIT 10

                                      双读SQL:

                                        SELECT * FROM st_stock_stream_5 WHERE warehouse_no = ? UNION ALL SELECT * FROM st_stock_stream WHERE warehouse_no = ? ORDERBY update_time DESC LIMIT 10

                                        3. COUNT查询

                                        原始SQL:

                                          SELECT COUNT(*) FROM st_stock_stream WHERE warehouse_no = ?

                                          双读SQL:

                                            SELECT SUM(countNumForSharding) FROM (
                                                SELECT COUNT(*) AS countNumForSharding FROM st_stock_stream_5 WHERE warehouse_no = ? 
                                                UNION ALL 
                                                SELECTCOUNT(*) AS countNumForSharding FROM st_stock_stream WHERE warehouse_no = ?
                                            ) tempForSharding

                                            执行流程图

                                            在从单表向分表架构迁移的过程中,使用双读策略可以:

                                            • 确保读取到完整的数据(旧表+新表)

                                            • 支持平滑迁移,无需停机

                                            • 提供回滚能力

                                            4.6 路由计算

                                            分表路由的一个具体实现,可以扩展实现为其他方式。

                                            路由算法:

                                            1. 配置优先:首先检查是否已有配置的分表

                                            2. 负载均衡:选择分配仓库最少的分表

                                            3. 分布式锁:使用分布式锁确保分配的唯一性

                                            4. 容错机制:支持重试。

                                            4.7 参数处理

                                            参数映射处理:

                                            • 双写模式下,参数列表需要复制一份

                                            • 双读模式下,需要根据LIMIT子句调整参数

                                            • 保持参数与SQL占位符的一致性

                                            4.8 性能优化

                                            优化策略:

                                            1. 缓存机制:使用ThreadLocal缓存分表后缀

                                            2. 批量处理:支持批量操作的分表

                                            3. 索引优化:分表键上有索引,提高查询效率

                                            4. 连接池优化:每个分表使用独立的连接池

                                            4.9 可扩展性

                                            扩展点:

                                            1. 自定义分表策略:通过实现ShardingSuffixCalculator接口

                                            2. 灵活配置:通过mybatis-config.xml配置分表规则

                                            3. 策略模式:支持多种读写策略,可动态切换

                                            4.10 监控与日志

                                            监控指标:

                                            • SQL重写耗时

                                            • 分表路由计算耗时

                                            • 分表命中率

                                            • 分布式锁竞争情况

                                            日志记录:

                                            • 分表键提取日志

                                            • SQL重写前后对比

                                            • 路由计算结果

                                            • 异常情况记录

                                            五、组件研发过程问题和解决方案

                                            5.1 双读,排序字段缺失报错

                                            案例:

                                            报错信息:

                                            ERROR 1250 (42000): Table 'm' from one of the SELECTs cannot be used in field list

                                            解决方案:将排序字段放在子查询的select column中

                                            select1, m.update_time from wms_stock.st_stock_stream m UNIONALLselect1, m.update_time from wms_stock.st_stock_stream_0  m orderby m.update_time asclimit1;

                                            5.2 双读,select count 报错

                                            案例:

                                            select count(1) from wms_stock.st_stock_stream UNION ALL select count(1) from wms_stock.st_stock_stream_1

                                            解决方案:先将select count 通过UNION ALL 合并,然后外层进行sum

                                            5.3 sum() 函数 UNION ALL 后需要再次 sum

                                            案例:

                                            selectsum(stock_qty)from wms_stock.st_stock UNIONALLselectsum(stock_qty)from wms_stock.st_stock_1

                                            解决方案:每个sum 语句作为子查询,外层再次sum,累加所有的子数量,作为总数量。

                                            推荐阅读

                                            跳转微信打开

                                            道理都懂,但总是忍不住熬夜、拖延、刷手机,怎么办?

                                            2026年10月15日 21:30

                                            原创 李睿秋Lachel 2026-10-15 21:30 广东

                                            看得见情绪,更要看得见问题

                                            Photo by Sharan Pagadala on Unsplash

                                            本文共有 4000 字

                                            欢迎星标 L先生说

                                            避免收不到推送喔

                                            很多人可能都会遇到这样的问题:

                                            明明知道得睡觉了,却总是不舍得上床,这里玩一会,那里拖一下,不知不觉就又熬到了深夜;

                                            明明知道还有很多事情要做,却还是打开了视频网站,告诉自己「看一集就去做正经事」,结果就一发不可收拾;

                                            明明告诉自己不能沉迷手机,但依然会经常下意识拿起手机,一刷就是一个小时……

                                            问题在于:我们都知道这些行为不好,也并没有真的多喜欢它们,但每次依然都会忍不住沉浸其中。然后又后悔、自责,觉得「自己为什么这么缺乏自制力」「下次一定要好好控制自己」……

                                            但下次呢,依然故态复萌。

                                            如果你也有过这样的经历和苦恼,我想告诉你,这可能跟自制力无关,也并不意味着你是一个意志力薄弱、经不起诱惑的人。

                                            它可能说明了一个隐秘的需求:你的内心深处,其实也许在渴望着某种逃避。

                                            什么意思呢?

                                            为什么我们总是会忍不住熬夜、拖延、刷手机?很多人下意识的理解可能是:因为这些行为能够让我们开心。

                                            但是,这是真的吗?不妨回想一下,当你做这些事情的时候,你是真的感到开心吗?你是真的沉浸其中、流连忘返,还是其实也没有多开心,但就是改变不了?

                                            大多数时候,答案可能是后者。比如刷手机,你其实可能也没有多开心,更可能的也许是百无聊赖地划着屏幕,看着一条条信息飞快闪过,过后连自己看了些什么都想不起来。

                                            更深入一层的思考,可能是「成瘾」。也就是说,并不是因为这些事情令我们开心,我们才会去做;而是因为我们对它们成瘾了,它们劫持了我们的多巴胺系统,让大脑把「去做它们」变成了一种默认模式。

                                            那么,新的问题又来了:为什么这些事情会成瘾?为什么不是学习、阅读、听课、写作……成瘾呢?

                                            不难想到,这里面的根源在于「即时反馈」。

                                            无论是熬夜,拖延,刷手机,还是吃零食,冲动消费,在网上闲逛……这些行为最大的特征是:它们的投入成本几乎为零,但能够立刻得到微小而确定的奖励。这就是即时反馈。

                                            那么,请思考这个问题:

                                            为什么大脑需要这么多的即时反馈?大脑在什么情境下,才会渴求这些即时反馈呢?

                                            其实,如果你的状态非常好,感到充实、快乐、满足,那么你是不需要那么多即时反馈的,因为你的大脑已经被「喂饱」了。你会渴望更有挑战性、更有意义的事情,来发挥你的能力和热情。

                                            反过来,当大脑感受到压力,处于不稳定和不舒适的状态下时,它才会渴求大量的即时反馈。因为这能够起到麻醉和慰藉的作用,让大脑暂时忘掉那些不舒服的感觉,让它感到好受一点。

                                            也就是说:当我们总是忍不住熬夜、拖延、刷手机……的时候,其实有一种很大的可能,是大脑在进行自我保护。

                                            它在逃避某种会给它带来压力、造成痛苦的东西,因而才需要从这些行为中获取慰藉。

                                            什么样的东西呢?这就因人而异了。

                                            • 可能是某个你内心深处知道应该去做,但一直不想去面对的挑战;

                                            • 可能是某段你知道很重要,但一直提不起勇气去维护的关系;

                                            • 也可能是某个很艰难,让你久久难以作出抉择的决策……

                                            总而言之,它往往是某个盘踞在你心里,让你一直难以下决断的问题。它未必会闯入到你的意识里面,被你觉察到,但它会一直堆积在大脑的「后台」里,让你心烦意乱,容易走神,难以专注。

                                            为了摆脱它所带来的压力和阴影,大脑就会很容易转向熬夜、拖延、刷手机……这些即时反馈,目的就是用这些「甜蜜陷阱」来暂时提供慰藉,消除痛苦。

                                            有一篇 2001 年的经典论文证明了这一点。 *1

                                            研究者设计了一个叫做「情绪冻结」的实验方法。他们先使参与者进入某种负面情绪里面,然后告诉其中一组:「负面情绪在短时间内是无法改变的」。结果发现,被告知这一点的参与者,选择吃垃圾食品、即时满足和拖延的倾向都明显降低了。

                                            也就是说,这些人并不是发自内心地想要吃垃圾食品、即时满足和拖延,而是因为这些行为能够让他们更好受,降低他们感受到的压力和负面情绪 —— 尽管他们自己未必意识到这一点。

                                            但是,这种做法能够根治痛苦吗?其实并不能。问题只是被暂时压制了,被转移了注意力,但它始终还在,始终还是会残留在后台里面,潜移默化地影响着你。

                                            更严重的是,这很容易造成一个结果:这种通过即时反馈来暂时提供麻痹和慰藉的行为会反复不断得到强化,从而变成我们的默认习惯。

                                            也就是这么一个恶性循环:

                                            大脑感受到压力 → 逃避直面问题 → 通过即时反馈来麻痹 → 大脑的压力消除 → 下次遇到压力,更倾向于用即时反馈来麻痹……

                                            这也能解释一件事情:为什么很多时候,明明很多事情已经迫在眉睫了,甚至内心深处也知道必须尽快去做,我们却依然还在拖延、娱乐、休息,不想行动。

                                            原因就在于,大脑的默认模式,已经被调成了「好麻烦啊, 不想去弄,我想找点即时反馈,让自己开心一下再说吧」。

                                            这又会进一步降低我们行动的意愿和行动力,让问题更不容易被解决,反而会堆积起来,造成更大的压力……

                                            甚至,不少时候,可能最好的时机,就这样被我们拖着拖着,拖过去了,过后还要承受更大的代价。

                                            所以,如果你有过这样的经历,你也许会发现,即使你知道熬夜不好,拖延会浪费时间,刷手机毫无意义,吃垃圾食品对身体不好……也无济于事,这些道理无法帮助你摆脱这些行为。

                                            为什么呢?原因就在于:你并不是发自内心想做这些事情,而是大脑对于逃避的渴求,以及被训练出来、寻求慰藉的动机,驱动着我们去做这些事情。

                                            这并不是用理性能够改变和克服的,它们走的是两条不同的路径。

                                            那么,如何发现自己是否属于这种情况呢?

                                            一个简单而有效的检测方式是:当你发觉自己又陷入「坏习惯」的泥淖之中时,不妨试着问自己这三个简单的问题;

                                            1)在这些行为发生之前,我正在体验一种什么样的情绪?

                                            2)如果不做这些行为,我可能需要去面对什么?

                                            3)在这些行为之后,我的问题解决了吗,还是只有情绪暂时缓解了?

                                            当然,必须承认的是,让情绪得到缓解也是非常重要的,情绪好了起来,才有可能去行动和解决问题。我们要注意的是什么呢?是「看不到问题,只看到情绪」。

                                            也就是说,每一次遇到这种情况时,都用即时满足去缓解和安抚情绪,而对背后的问题视而不见,甚至把情绪的缓解当成问题已经解决。这就是需要避免的了。

                                            那么,有什么方法可以改变这种情况呢?

                                            分享几个简单有效,能帮你改变现状的方式。

                                            1. 提高阻力,为即时满足制造障碍

                                            这是比较简单的方法,也能立竿见影。简单来说,就是通过让下意识的即时满足行为没那么容易实现,来降低采取它们的意愿和频率。

                                            比如:

                                            • 不想玩手机的时候,把手机收起来。哪怕只是放到抽屉里,或者隔壁房间,也能有效降低不自觉玩手机的频率。

                                            • 担心熬夜玩手机,把手机放在卧室外面充电,让「起床拿手机」这个行为成为一个阻力;

                                            • 担心熬夜不想睡觉,可以把灯光调成昏暗的暖光,降低大脑的警觉性,让自己变得更昏昏欲睡;

                                            • 担心冲动购物和消费,可以关掉购物 app 的推送和通知,把它们藏起来或者索性删掉,关掉免密支付;

                                            ……

                                            诸如此类。当然,这些只是一个开始,并不能彻底解决问题。要想解决问题,我们还需要切入本质。

                                            2. 识别情绪和行为背后的真实需求

                                            这一点很关键,也需要有意识去练习。

                                            简单来说,当自己又产生类似的负面习惯,难以摆脱时,可以想一想:这个行为背后的需求是什么?它说明我在逃避面对什么?

                                            比如:

                                            • 下意识想刷手机,可以想一想:自己是不是在焦虑?可能在焦虑什么?

                                            • 总想不断吃零食,可以想一想:身体是不是太疲惫了?是否需要休息和调整作息?

                                            • 情绪波动很厉害,可以想一想:是不是有什么悬而未决的事情让我很烦恼?

                                            • 拖延不去做事情,可以想一想:我是不是在害怕什么?有什么困难让我不敢面对?

                                            • 晚上不愿意睡觉,可以想一想:是不是担心明天太忙,或者太无聊,没有足够的期待和自由?

                                            ……

                                            它能够让你更清晰地了解自己,知道自己在面对些什么,待解决的课题是什么,从而更好地有的放矢,真正去改变它们。

                                            3. 提前制定「如果……那么……」的计划

                                            这一点,可以帮助我们在面临压力和负面情绪的时候,把旧的负面行为,转变成积极的行为。

                                            举几个例子:

                                            如果觉得很倦怠,什么都不想干,只想看点视频休息一下,那就试着站起来,出去走一走,呼吸一下新鲜空气,转移注意力,看看街边往来的人群,让大脑刷新,等等。

                                            如果看了一集影视剧,还想继续看,那就给自己设定一个时间窗口:不要看完下一集,而是看到某个阶段型剧情结束了就停下,去洗漱。一边洗漱一边还可以回顾一下看了些什么,避免无休止地沉溺其中。

                                            如果想吃零食,就先回想一下,自己昨天到今天吃了什么,营养是否均衡,是真的饿了、还是只是嘴馋。如果只是嘴馋,能否事先备一点健康的零食,避免摄入高热量食物。

                                            如果突然很想买某样东西,就先加入购物车,然后问问自己:自己是真的需要,还是只是渴望「购买」这行为?如果全世界只有我一个人知道我拥有它,甚至可能永远都用不上,我还愿不愿意购买?

                                            如果下意识打开了手机或浏览器,准备开始刷信息流,就严肃地问问自己:我想获取什么信息?然后在整个过程中,有意识地主动去寻求这些信息,一旦满足了需求,就把手机或浏览器关掉,避免陷入时间黑洞……

                                            4. 把长期重要的事情跟奖励绑定

                                            最后,是釜底抽薪:既然很多时候,我们之所以沉迷于即时满足,是因为逃避;那么,能不能直接把这些即时满足跟我们真正要面对的事情绑定起来,让它们反过来变成我们去行动的动力呢?

                                            比如:

                                            当你做了一个艰难的决策之后,试着去记录自己取得的成果,记录自己决策成功、顺利之后的喜悦,让这种成就感和满足感成为下一次推动自己去行动的动力。

                                            当你完成了一个复杂的任务之后,不妨把它分享给自己的朋友和家人,或者跟 AI 聊聊也行,让他们给你反馈和赞赏,从中获得鼓舞和激励。

                                            当你要做一些并不喜欢的事情,试着给自己一些阶段性奖励。比如把这些事情切分成多个小段落,完成若干个小段落之后,给自己一个小的奖励(比如看一集喜欢的影视剧);完成一个大段落之后,给自己一个大的奖励……

                                            当你要尝试一次陌生的行动时,试着告诉自己,我是在做实验,看看自己能不能处理好。如果做得好那当然好,如果做得不好,那也增长了我的经验值,帮我「解锁」了一个新领域,让我以后更有能力去应对各种问题……

                                            希望今天的推送,能够帮你理解和解决你的实际问题。

                                            参考文献:

                                            1. Tice DM, Bratslavsky E, Baumeister RF. Emotional distress regulation takes precedence over impulse control: if you feel bad, do it! J Pers Soc Psychol. 2001 Jan;80(1):53-67. PMID: 11195891.

                                            我是 李睿秋Lachel

                                            欢迎关注 L先生说

                                            每周四晚 21:30 更新

                                            一起探索心智成长的奥秘

                                            THE END

                                            -  晚  安  -

                                            跳转微信打开

                                            这一对一是非上不可吗?

                                            2026年10月15日 20:08

                                            特约发布 2026-10-15 20:08 北京

                                            大家可能经常在坊间听到一些真真假假的传说,就是朋友,或者同事家的孩子,一开始学习不好,到最后一年,家长拼了,砸钱各种一对一,终于突突了上去。

                                            也有说身边本身已经是大学霸的,最后靠一对一拔高,考出超高成绩的事例。

                                            其实可能也不是传言,而是事实,那就是娃到了初高中,班上悄悄找1对1辅导的同学,越来越多了。

                                            过来人都懂,中学阶段,特别是高中,拼的就是效率。孩子要是有薄弱科目,必须快!准!狠!地补上窟窿,否则漏洞像滚雪球,越拖越头疼。

                                            然而,好的一对一资源,是非常稀缺的,尤其是线下。

                                            之所以说这句话,是因为在微信后台,总是会有家长朋友找我,问我有没有一对一老师推荐,待遇好说,重点是要靠谱。

                                            我都是婉拒,一方面是我确实没有对应的资源,怕把人家孩子耽误了,另一方面是【重点要靠谱】真的很难判断。

                                            但是我也能理解这些朋友的焦虑——明明孩子在某个点上的问题很突出,上机构的小班课不解决问题,想要去找一个好的老师做一对一指点、提升下,可是环顾四周找了一圈却发现:

                                            学校老师都很谨慎,带学生不光是看钱,也看人情,有时候关系不到,你给钱人家也不接;

                                            机构老师,尤其是优秀的老师都不想带一对一,只想带班课,有没有顶级老师带一对一呢?有,但是那价格就很美丽了;

                                            大学生或者那些愿意接一对一的机构老师,自己又不放心,毕竟钱是小事,孩子的时间是最宝贵的.....;

                                            这种优质一对一老师资源缺失的现象,背后其实是有客观原因:

                                            人的时间都是有限的,带一对一是一个小时,带班课也是一个小时,而且一对一没有班课稳定,所以哪怕一对一再贵,划算下来也不见得比班课挣钱,但是一对一的要求更高——只有一个学生一个老师,课堂容量更大,针对性更强,效果一定要明显且迅速......吃力不讨好。

                                            如果是学校老师,一是碍于现在的各种监督,搞不好还有风险;二是人情关系要多少都不合适,不出效果更尴尬......

                                            所以,资源自然就有限了。

                                            可实际上,有很多孩子是需要一对一的,为啥呢?

                                            因为当你学习到一定水平之后,你的缺陷就不再是片状的了,而是点状的,是个性化的,而班课则是全面铺开的授课方式,很难贴心的去针对你一个人的情况去做提升或者补充,也因此一对一对于某些家庭来说是刚需。

                                            那么怎么解决这个问题?怎么样才能找到优质的一对一老师,同时也能让这些优质的一对一老师能够赚到相较于班课不逊色的费用,同时减轻他们的负担,还能让家长们放心自己的投入不打水漂呢.....

                                            老实说,这需要庞大的财力和人力,大家可以代入来琢磨下其中有多少风险、有多少繁琐的事情。

                                            所以这个事,还得是机构承担。

                                            有没有这样的机构呢?

                                            有。

                                            先说一个八卦,不知道你们听没有听过“领世培优”这个机构?

                                            这个机构有些家长应该听说过,大概是四年前我看到一篇关于知名高中数学网课老师分别都在哪家机构时,某位蒋姓名师就在这个机构,那时候我就知道他们有一块一对一的业务做的不错。

                                            当我再次看到这个机构的消息时,我发现他们和网易有道合并了,变成了有道领世......等于是有道通过这次合并,进一步补强了自己在初高中教育方面的力量。

                                            所以当又一次有位熟人找我为他家孩子推荐辅导老师时,我说要不你去试试这个线上机构?

                                            当时他就给我翻脸了——你不想推荐就直说,凭啥忽悠我?

                                            我哭笑不得:咱们俩的关系,我坑你作甚。

                                            而且,我给你介绍这个也不花钱啊,第一次体验只要一毛钱,我给你讲明白,这是他们的试听,40分钟,你和孩子先听听看。

                                            再者,我问你,你让孩子去找线下一对一老师,你总不好意思坐在旁边,所以老师讲的啥你知道不?孩子到底问题解决没有解决,你知道不?

                                            那肯定是不能的,对吧。

                                            这个课程是线上的,而且家长可以全程隐身监督,监督啥?除了能监督孩子的情况更重要的是可以自己看到老师的上课质量!

                                            你了解一下,起码做个准备,给孩子多准备条路嘛,万一你觉得不错,以后有需要了直接不就掏出干粮 就是馍嘛,省事!

                                            而且人家是初高中全学段,老师也多,时间也灵活。

                                            何况线上课,事后是有回放的,孩子有不懂的还可以再看,你不放心了也可以回看把关,这不是挺好的?

                                            好吧,我就去听听,我这个朋友还是有些不乐意,总感觉先上课没着没落的.....

                                            我都被气笑了,你看看这是啥机构?——有道领世,有道是哪里的?你买的单词笔是啥牌子的?是网易的啊!

                                            它欠你那1毛钱?

                                            而且人家的老师学历也很过关。

                                            然后他就去听了,然后反馈说不错,然后就问我,有没有关系能便宜点.....

                                            我默默地把他拉黑了.....

                                            开个玩笑,拉黑倒是不至于,反正我是推荐给他了,上不上那是他的事情了,反正大机构来去自由,我就不管了。

                                            当然我不管,有道领世自己还是会管的,对于学生,他们有一套比较完善的服务:

                                            第一,懂孩子

                                            最主要是要懂孩子知识掌握的真实情况,孩子的薄弱点和错误原因是什么,然后再针对性去学习和提升。他们家的老师课前都会给孩子安排个性化诊断,如果孩子有近期考试的试卷,可以把试卷直接给到老师,根据试卷的情况,老师会明确孩子具体的问题,安排相应的学习内容。

                                            咱们举个特别简单的例子,下面这俩孩子,同样是高二期中考试数学考了90多,老师一看试卷就知道孩子失分是怎么造成的。咱家长看卷子能看明白么?

                                            还有就是懂孩子的学习习惯问题,这个说起来好像不起眼,但实际对孩子学习的影响非常大。好的一对一老师会通过观察孩子课上的表现、看孩子作业的情况、甚至看孩子的草稿纸,去发现孩子学习习惯上的问题,跟盯孩子改善。

                                            【领世学员入学前后的笔记变化】

                                            报名他们家的试听课,可以让老师给孩子做一对一试卷分析,帮孩子指导一下自己该把力气花在哪。

                                            (初中数语外物,高中全科)

                                            第二,懂考试规律

                                            这个想必不用说太多,考试都是有规律的,什么省份考什么卷、这套卷每个题型几道题、往年这些题高频考的知识点是什么、考到什么程度,这些都是非常考验教研功底的。让一个擅长讲上海卷的老师,去给北京的孩子上课,虽然知识点可能相差不太大,但一定不如一个一直研究北京卷的老师,更能把力气使到刀刃上。

                                            再延伸一个关于考试策略的话题,先不说孩子在考场上能不能超常发挥,就是能不能正常发挥这个事情,其实很多家长都悬着一颗心。

                                            经常有孩子考完试说“这次马虎了”、“没发挥好”、“这道题本来会做的”、“这个就是当时没想到而已”,但家长是真的很担心,中高考的时候会不会状态不好啊!其实这些在专业的老师面前,都不会归因于玄学的所谓状态,而是会归因于一个个具体的考试策略问题。

                                            很多孩子每次考数学之前如临大敌,甚至考前都会拉肚子,对于专业老师来说—这种情况,通过考场策略调整,就能让孩子更从容做到正常发挥。

                                            考场策略包括:如何确定自己的作战地图、如何规划作战时间,甚至具体到什么程度呢?如果遇到“选择题做了几遍选项里都没有”这种情况,该怎么办。

                                            找一个懂当地中高考的考试规律、也懂考试策略的老师,会让孩子的努力离成绩的兑换更近一些。

                                            第三,懂规划

                                            近些年越来越多的家长开始重视规划这个事儿,孩子的学习不是一个短跑,要以高考考上好大学为目标,去给孩子做长期的规划。

                                            这次考试还没达到目标成绩和目标排名,不要紧,定好合理的目标学校和总分之后,拆解为各个科目的目标,再拆解为各个科目里各个知识模块的目标。

                                            每次考完试之后,老师带着孩子一对一的看一下试卷作答的情况,查漏补缺,调整接下来的的学习计划,稳中有序的推进。就跟家长在公司做项目一样,哪有一个项目是可以一下从无到有的呢?

                                            都是要先有一个整体的规划,然后每周有一个进度的更新、每个月有一次阶段效果验收,在这过程中不断微调,最终成果才能显现出来。孩子的学习也是这么一回事儿,只是这个主导者要变成孩子和懂规划的老师。

                                            今天花了很大的精力,给大家理顺了什么样的一对一老师才能真正帮孩子解决学习问题。

                                            最后再跟大家说一个点,就是为什么要给大家推荐像网易有道领世这样的大品牌?其实大品牌主打就是一个有保障,大平台、大品牌都是很爱惜自己的羽毛的,他们也备受社会各界的监管。

                                            大平台在老师选择上的保障也更强,他们有足够多的老师,一方面可以帮孩子挑到最适合的老师,一方面如果孩子学情有变化,也能够支持自由换师,这都是对孩子、对咱们家长的保障。最后再推荐一波,强烈建议家有初高中生的都来试试看,让孩子少走弯路,趁现在!

                                            优秀的老师是稀缺的资源

                                            量身定制的1对1学情规划

                                            扫码报名

                                            (初中数语外物,高中全科)

                                            购课后常见问题答疑

                                            1

                                             体验课程包括什么?

                                            · 1节1V1在线直播学情规划

                                            · 1份精细化“学情诊断分析”报告

                                            · 1个专属VIP答疑群

                                            2

                                            已成功抢占名额,不会预约怎么办?

                                            不用担心!48小时内,会有专属学习规划师主动联系您!

                                            3

                                            上课时间,如何安排?

                                            学习规划师会根据孩子的时间灵活安排

                                            跳转微信打开

                                            Agent 缺的不是记忆,是“教训”:causal-memory 的设计与实战

                                            2026年10月15日 19:58

                                            原创 贺璟轩 2026-10-15 19:58 北京

                                            记忆这件事,目标不是让 AI 记住所有事,是让人不必重复所有坑。

                                            一、Agent 的记忆有四个结构性缺陷

                                            用过 AI 编程助手的人对这些场面不陌生:昨天刚踩过的坑,今天换个会话再踩一遍;上周评审否决过的方案,这周原样又提了回来。前两个问题是「忘」,后两个问题是「错」——记错比忘记更麻烦。

                                            缺陷一:上下文压缩会吃掉"当初为什么"。长任务跑到一半,Agent 开始用同样的错误方法反复修同一个 bug。它不是忘了做过什么,是忘了当初为什么那么做、后果是什么。这不是感觉,可以实测:把一段包含因果细节的对话用生产级压缩算法反复压缩,每轮测两类记忆的召回率

                                            图 1 | 压缩 5 轮后,原文里的因果信息只剩 45%(2→3 轮之间断崖式衰退),而因果记忆库一行没丢——它活在上下文窗口之外,压缩算法够不着

                                            缺陷二:踩过的坑换个会话再踩一遍。我们做了一个专门埋重复陷阱的 trap-world 基准:不带因果记忆的系统重复踩坑率 67%,带上之后降到 33%。差别不在模型,在于"决策→结果"有没有被存成能检索的结构。

                                            缺陷三:记忆困在一台机器、一个进程里。Agent 的"经验"存在某个本地目录,换台电脑、换个同事接手,全部归零。团队里"那个坑我踩过"靠口口相传。

                                            缺陷四:记忆自己会劣化,而且没人发现。把"相关"记成"因果"、同一个决策反复记录同一种结局形成回声、失败案例压根没被写下来、互相矛盾的记忆同时排在检索前排——记忆入了库,不等于记忆是对的。这是四个里最难的一个,也是本文后半段的重点。

                                            目前常见的记忆方案主要在解决前三个缺陷。causal-memory 想把四个一起解掉:给 Agent 建一层以「决策 → 结果」因果边为核心、住在上下文窗口之外、并且持续接受体检的记忆系统。

                                            二、相关方向的现状

                                            2025–2026 年,Agent 记忆成了热门方向,学术界和工业界都有不少探索。几条主要路线:

                                            方案 

                                            路线 

                                            核心机制 

                                            mem0(arXiv:2504.19413) 

                                            事实抽取 

                                            从对话动态抽取/整合/检索事实,Mem0g 增加图表示;2026 年转向单遍 ADD-only 抽取 

                                            Zep / Graphiti(arXiv:2501.13956) 

                                            时序知识图谱 

                                            episode → 实体/事实(带双时态有效期)→ 社区摘要三层结构 

                                            Letta / MemGPT(arXiv:2310.08560) 

                                            OS 式内存管理 

                                            LLM 自主管理 core/archival 两级内存,函数调用换入换出 

                                            腾讯 TencentDB Agent Memory(2026-05 开源) 

                                            分层记忆 

                                            L0 原始对话 → L1 原子事实 → L2 场景 → L3 画像逐层蒸馏;符号化短期记忆使 Token 消耗最高降约 61% 

                                            Anthropic memory tool + Dreaming(2026-05 发布) 

                                            上下文外存储 + 后台巩固 

                                            文件系统式记忆 + 定时"做梦"进程重组记忆库;Harvey 报告任务完成量提升 6 倍 

                                            这些路线的重心大多在事实的抽取与召回上,主流基准(LoCoMo、LongMemEval)考的也主要是事实召回——用户的偏好是什么、第几周说过什么。

                                            评测口径的争议也一直存在:Zep 官方曾发文逐条质疑 mem0 的 LoCoMo 成绩(数据集只有 16k–26k token、不测知识更新、评测实现有 role 混淆);社区里也有"benchmark theatre"的说法,各家自报的分数因裁判模型和检索协议不同而难以直接对比。对读者来说,看分数之前先问评测协议,总是没错的。

                                            比分数更要紧的是:这些基准不考"Agent 有没有从失败里学到东西"。学术界更早开始关注这个问题——CLIN(ICLR 2024)让 Agent 从 action→observation→reward 里提炼因果抽象;MemRL(arXiv:2601.03192)指出被动语义匹配容易检索到噪声,解法是给记忆挂 Q-value 做效用排序;HeLa-Mem(ACL 2026)引入 Hebbian 学习,让一起激活的记忆互相增强。

                                            causal-memory 和 HeLa-Mem 的关系顺便说清:HeLa-Mem 做了记忆的「兴奋侧」,causal-memory 补上了「抑制侧」。完整的记忆既要知道"什么导致了什么",也要知道"什么阻止了什么再次发生"。

                                            三、核心设计

                                            3.1 七种边类型:先给因果关系分型

                                            causal-memory 把所有记忆统一成一张图上的七种边,每种边在扩散激活时有不同的传播系数(hippocampus/types.rs 的 spread_coeff):

                                            图 2 | 七种边的扩散系数。

                                            prevented 是唯一的负系数边——生物大脑有兴奋和抑制两种信号,这里把抑制侧补上了

                                            这张词表是因果记忆和事实记忆的分界线。写入时 LLM 必须给每条经验标注关系类型;下游所有因果推演都读它。关键的一条:co_occurrence(共现)专门收留"机制不明、疑似共同原因"的观察——机制没搞清楚的一律记为关联而非因果,链式前向遍历的 SQL 里显式排除它。一条混杂未排除的关联,永远不会以因果预测的身份出现在干预查询结果里。

                                            prevented 是另一端的重头戏。它不是"低分事实",而是负扩散:Agent 即将采取一个曾经避免过事故的动作时,相关节点以负激活出现在召回结果前列,作为显式警告,而不是沉默地排在队尾。实现上有三个细节:

                                            • 绝对值最大合并。节点激活的合并规则是 abs-max 而不是有符号 max——signed-max 下 −0.126 > 0.0 不成立,负激活永远写不进去。abs-max 让同一节点上 caused(正)和 prevented(负)谁强谁赢。

                                            • 扇出豁免。经典的 Collins & Loftus 扩散模型要求激活按扇出度分流,但这里只对联想通道(fact / co_occurrence)除扇出,因果家族边不除——否则一条“此操作曾阻止生产事故”的边,仅仅因为节点连接多,警告信号就被稀释掉了。

                                            • 消融可验证。引擎留了 disable_inhibition() 开关,测试证明:有抑制时“零停机发布”节点以负激活出现(预警生效);关掉抑制后这个节点彻底消失。预警能力确实来自负扩散,不是别的机制顺带实现的。

                                            3.2 海马体引擎:把脑科学翻译成工程组件

                                            引擎不是工程堆叠,是脑科学 × 因果推断 × 系统工程的交叉。人脑海马体不是硬盘,它有精细分工,代码里逐一有对应实现(hippocampus/mod.rs,模块头注释就是映射表):

                                            图 3 | 整体架构:写入门控保证检索池干净,海马体引擎负责扩散激活与离线巩固,SQLite 持久层位于上下文窗外

                                            • DG(齿状回)→ SimHash 模式分离:128 位 SimHash,hamming ≤ 2 判定近重复。相似经验不重复记录,防止互相污染。

                                            • CA3 → K-hop 扩散激活:正向 CSR 图(decision→outcome)加反向 CSR 图(归因追溯用),默认衰减 0.7、最深 5 跳;种子激活按 Q 值加权(0.5 + 0.5·Q),被验证好用的经验天然先被点亮。图存储是 CSR + SoA 布局,扩散系数建图时预乘进权重数组;新写入的边走 patch overlay,下次重建时并入。

                                            • CA1 → 新颖度检测:新记忆写入前先对 decision 文本做内部扩散得到“预测结果”,再和实际 outcome 比相似度,surprise 超过阈值才值得记——意外才是最有价值的经验。混合门控模式下,只有落在边界带的样本才付费调 LLM 做语义级判断。

                                            • SWR(尖波涟漪)→ 离线巩固:对齐 Anthropic Dreams 的不可变模式——所有变更(LTP 强化 ×1.05 封顶 2.0、LTD 衰减、三重标准 GC:弱且零重放且 30 天休眠)先算成 delta 应用到 clone 上,原图绝不动,附完整审计日志。

                                            3.3 因果三层:顺着 Pearl 的阶梯往上爬

                                            Pearl 的因果阶梯把智能分三级:观察(我看到了 X)、干预(如果做 X 会怎样)、反事实(当时换个做法会怎样)。事实的存取对应第一级,causal-memory 的工具按三级阶梯补齐:

                                            层级 

                                            工具 

                                            实际在算什么 

                                            R1 关联 

                                            search_causal

                                            从已记录的边算 P(outcome|相似决策)

                                            R2 干预 

                                            intervention_query

                                            经验式 do-效应:沿相似历史动作的前向链推演,按 task_tag 分层,带Simpson 悖论警告 

                                            R3 反事实 

                                            counterfactual_query

                                            对比式 A/B:两个候选方案各自的实际结局分布 

                                            图 4 | Pearl 因果阶梯的工程化映射:R1 检索、R2 干预仿真、R3 对比式反事实,逐级上行

                                            反事实这一层值得展开。严格的 Pearl 第三层需要溯因(abduction,基于当时的世界状态做条件化)和机制模型,开放世界里拿不到 SCM 真值——有论文测过(arXiv:2510.01539),强制模型做溯因时分数会掉 25–40 个点。我们的做法是只做工程上能站住的子集:

                                            第一,记录溯因需要的原料。

                                            record_decision 有个 context 参数,记下决策时的环境、约束、关键参数。同样的 task_tag + 同样的 context 指纹 = 同一个世界状态下的不同选择,也就是一次自然实验(存进 decision_forks 表)。设计文档里有句话我很喜欢:"a fork pair is evidence about one world; distributions are evidence about many"——成对证据讲的是同一个世界里的两种选择,比跨世界的统计分布硬得多。所以反事实对比时,fork 兄弟边永远渲染在分布证据前面。

                                            第二,每次反事实判断都记账。

                                            counterfactual_query 每出一个结论(prefer_a / prefer_b / no_difference),就往 pending_predictions 写一条待决预测。等现实发生了——新记录的决策文本匹配上某个待决选项——自动结算对错:押了 X、现实走了 X、结局是好,算押对;现实走了对手、对手翻车了,也算押对;结局 mixed 则不计入分母。

                                            prediction_report 随时给出按方法、按领域分层的准确率仪表盘。反事实判断因此是可证伪的,而不是修辞。

                                            第三,证据不足时明说。

                                            真正的 micro-SCM 估计(noisy-OR + EM 拟合)被刻意推迟:同一个领域内攒够 30 个 fork 对才触发,不够就直接回答"不可识别,降级为对比式"。这比硬给一个漂亮数字强。

                                            R2 干预查询是 Agent 动手前的最后一道安检。一次典型调用长这样:

                                            图 5 | 一次干预预警的完整链路:危险动作触发前向仿真,命中 prevented 负扩散边,输出 DANGER 并引用当初记录的事故教训

                                            这道安检经过了带 ground-truth 的合成世界校准:真危险、真安全、被阻止三类场景 100% 判准;而"被混杂伪装"类在修复前 100% 虚报 DANGER——Agent 会因为一条假因果不敢做正确的事。修复就是把机制不明的观察全部降级为 co_occurrence 并在前向链 SQL 里排除,修复后这类虚警降到 0%,写死为回归守卫。

                                            3.4 记忆归账:结果怎么回流成"下次排前面"

                                            记住了"决策→结果"只是第一步。更难的问题是归账(credit assignment):一堆决策和结果混在一起,谁该为哪个结果负责?被验证有用的经验,下次凭什么排在前面?causal-memory 里有四条归账链路。

                                            第一条,Q-value 贝尔曼回传。睡眠巩固时,被重放验证过的边给两端节点发奖励 r=1.0,跑标准贝尔曼更新 Q ← Q + α·(r + γ·max_Q(邻居) − Q)(α=0.1,γ=0.9)。关键在 γ·max_Q 那一项:结果端的高 Q 会沿因果链回流到父决策——一个决策通向了好结果,它自己的分数也涨。Q 值写回 SQLite 持久化,下次检索时种子激活就是 0.5 + 0.5·Q。一句话:有用的经验下次自动排前,不用人调。

                                            图 6 | 归账回路:验证有用 → Q 值更新并沿链回传 → 持久化 → 下次召回自动排前

                                            第二条,失败显著性。巩固阶段给边打重放分数时,结局明确失败的加 0.5 分、用户反馈来源的加 0.3、别处出现矛盾结局的加 0.2。代码注释里管这个叫 emotional salience——和人脑一样,疼过的记忆更牢。

                                            第三条,影响面归账。每条新决策可以记录 influenced_by——"这个决定受了哪些已有记忆的影响"。等到某条记忆被证伪作废时,系统反查它影响过的所有后续决策,浮出水面供人复查。错误记忆的影响半径是显式的,不是猜的。

                                            第四条,来源分层的时间账。每条边记录发现来源(用户反馈 / LLM 推断 / 时间邻近 / 规则),来源直接决定半衰期档位:用户确认过的经验 90 天半衰期且永不被 GC,LLM 推断的 90 天,纯时间邻近的只剩 7 天。谁说的,决定了这话能活多久。

                                            3.5 写入门控:噪声不进场,检索才干净

                                            很多记忆系统精度不行,锅不在检索,在写入太脏。写入路径有三道闸:原始对话轮次只进审计表 session_logs,永不进检索池;规则过滤分三级——失败必记(40+ 个 error/panic/timeout 标记)、状态变更工具必记、只读工具显式排除,早期版本"每个工具调用都记"曾产出大量 ran cargo build → exit 0 式噪声;最后 LLM 用 130 行的 V3 prompt 提炼五类条目(fact / preference / lesson / event / causal),其中 causal 类用对照 few-shot 严防 caused 和 prevented 混淆——"加了重试之后超时消失"是 PREVENTED 不是 CAUSED。

                                            3.6 检索:每查询临时建索引的反直觉选择

                                            检索是 BM25(k1=1.2, b=0.75)与语义向量(本地 ONNX bge-small,或 HTTP 嵌入,没配置就优雅降级纯 BM25)经 RRF 融合。一个反直觉的选择:每查询临时重建 BM25 索引,不维护全局索引。候选集通常数百到数千条,重建只要微秒,换来的是按 task_tag 过滤后的子语料上 IDF 统计精确——过滤完再算词频,和不过滤直接查全局索引,结果可能完全不同。

                                            四、记忆治理:入库之后,谁保证它是对的

                                            回到开头的缺陷四。记忆入库 ≠ 记忆是对的。提炼模型会犯几种系统性错误:看到"改了 A 之后 B 也变了"就记一条 A→B(可能背后有共同原因 C,这是伪因果);同一个决策反复记录、结局永远相同(记忆在回声,不在跟踪世界);某类任务记下来的几乎全是好结果(失败根本没被写下来);互相矛盾的记忆同时排在检索前排,谁也不提醒谁的存在。

                                            causal-memory 的做法是给引擎加一条治理横切面,核心原则一句话:系统只标注、不静默裁决——所有可疑结构标出来给人审查,记忆库永远不替人删历史。

                                            4.1 五道 refuter:给每条因果边做置信度体检

                                            借鉴 DoWhy 的反证框架,但 Agent 记忆图上跑不了统计检验,于是全部换成图结构检验。每条有效边过 5 道测试,综合打 A–F 级:

                                            # 

                                            Refuter 

                                            检验逻辑 

                                            抓什么 

                                            1 

                                            confounder 

                                            两端邻居集合的 Jaccard 重叠 

                                            真因果边共享上下文;零重叠 = 疑似伪相关 

                                            2 

                                            corroboration 

                                            去掉该边后的替代路径计数 

                                            真关系有冗余证据;孤立单边可疑 

                                            3 

                                            placebo 

                                            随机节点替换源点做可达性测试 

                                            真边有激活特异性;随便换个节点也能到 = 不特异 

                                            4 

                                            backdoor 

                                            公共祖先能否绕过该边到达终点(底层是精确 d-分离判定) 

                                            "A→B"其实被共同原因 C 完全解释 

                                            5 

                                            temporal 

                                            因的 event_time 必须早于果 

                                            果先于因 = 时序上不可能,伪边铁证 

                                            这些阈值不是拍脑袋的,是校准出来的——每个阈值背后都有一次"合成 ground-truth 世界"实验。举两个校准期的真实战例:corroboration 里"无替代路径即判伪"这一支被直接砍掉,因为最小 DAG 链本来就不可冗余,它曾误杀 38% 的真边;backdoor 坚持绝对计数阈值而不是密度归一化,因为稠密图里祖先路径几乎连通所有节点,归一化版本同样误杀 38% 真边。temporal 是唯一近乎零误杀的信号,加入后伪边标记率从 35.7% 提到 64.3%,真边保留率纹丝不动。

                                            4.2 BiasAudit:给记忆库做统计体检

                                            睡眠巩固的第五个阶段是三个纯观测检测器:

                                            • 极性偏斜:某个领域已知结局 ≥90% 是同一方向(至少 5 个样本)就盖章。13 个样本只有 1 个反对,在公平过程下是约 0.2% 的小概率事件——要么这个领域真的顺,要么失败根本没被记录。

                                            • 零方差重复:同一决策记录 ≥3 次、结局极性次次相同,自我强化嫌疑。

                                            • 置信度漂移:最近 20 条边的平均置信度和历史均值偏移 ≥0.15,只报告不盖章——没有单条边该负责,这是提炼模型最近的系统性偏差。

                                            被盖章的边进人类审查队列。检索、衰减、GC 全部刻意忽略这个标记——它和软作废是同一个哲学:系统只标注,不裁决。

                                            4.3 矛盾主动检索:检索结果里的"反方辩友"

                                            search_causal 带 explain=true 时,检索完正信之后主动追加一段矛盾历史:取候选池里排位最高的带极性条目当"当前信念",把极性相反的历史条目以 [contradiction] 标签附上。同一个问题的两面同时摆上台面,"记忆自相矛盾"从沉默风险变成显式信息。

                                            五、评测:自己出一份考卷

                                            公开基准考不了因果能力,所以项目自带了一份考卷 CausalEval:因果图即答案键。先确定性生成类型化 DAG,再由 LLM 把图叙事化成对话,标准答案直接从图结构推导,零人工标注。结果如下图,灰色是同一协议下不带因果结构的事实记忆基线:

                                            图 7 | CausalEval v13 七个维度的自评结果(项目内部基准,仅供参考)。C2 干预、C4 抑制、C7 更新是相对基线提升最多的维度;C6 跨任务迁移是目前最弱的维度

                                            公开的事实召回基准(LoCoMo、LongMemEval-S)我们也跑了对照实验,能到可用水平,但那不是这套系统的主攻方向,具体数据以仓库评测页为准。另外提醒一句:各家基准的裁判模型和检索协议差异很大,这类分数建议都当"自报数据"看待——包括我们自己。

                                            两组更贴近实际价值的实验:压缩存活(图 1 的数据来源,5 次压缩后文本 45%、因果表 100%);trap-world 重复犯错率 33% vs 无记忆对照组 67%。

                                            六、实战:一个真实记忆库的两个多月

                                            评测之外,我自己日常研发的 Agent 一直挂着 causal-memory。下面是这个真实数据库(2026-07-27 至 2026-10-03,只读统计)的全貌:

                                            426 条因果边、817 个记忆节点、2901 条事实、56 条跨任务 meta 边。边的分布:caused 303(71%)、enabled 69(16%)、prevented 52(12%)。有个分布细节值得注意:prevented 类的平均置信度最高(0.815)——"避免事故"的教训被记得最牢,写入时系统也最有把握。

                                            图 8 | 真实记忆库画像:426 条因果边的类型分布(左)与月度增长(右)

                                            复用情况有硬数据:46% 的因果边被召回过 6 次以上。最典型的一条是"GitHub 直连不通时用 git -c http.proxy 走系统代理"——两个月里被复用了 4 次,每次都有新边记录"又复用了同一方案"。被召回最多(19 次)的是一条 Go toolchain 缓存路径的工程细节。

                                            两个我自己印象最深的故事:

                                            “

                                            一次被阻止的生产事故(prevented · 置信度 0.95)

                                            某存储服务多租户改造,Agent 记录下"新二进制先对租户库副本跑漂移验证,确认后再换容器"。副本验证直接暴露了一个迁移 FK bug——避免了生产 9 个租户库全部打不开的事故。修复后全量迁移零失败。

                                            “

                                            "没查记忆,多花 20 分钟"(元教训 · negative)

                                            一次 GitHub 443 端口完全不通,Agent 没有先查因果记忆,手写脚本走 REST API 绕推,多花约 20 分钟;事后发现代理方案在记忆里已经被验证过两次,一行命令就能解决。这条边让我们定下一条纪律:网络/部署类操作前,先 search_causal。

                                            意外也被如实记录过。distill 链路曾经整体失效,查下来是上游模型静默升级,V3 prompt 在新模型上陷入重复循环。这条边以 0.4 的低置信度入库,如实标注"这是负面意外结果",后来直接促成了一条工程纪律:prompt 必须按当前模型重新校准。

                                            也得说实话:这个库同样暴露了短板。写时门控的 session_logs 没启用,Hebbian 共现边只积累了 6 条且权重从没涨过,召回审计功能 9 月才上线、只有 12 条记录,决策分叉表还是空的。机制都落地了,但有几个能力还没攒够有统计意义的实战样本。

                                            七、工程化:一个人也能维护的记忆层

                                            整个系统是 Rust 写的单二进制:MCP server(stdio + Streamable HTTP)、离线 session 提取 CLI(extract / judge / reasoning / distill 四档成本可选)、睡眠巩固、基准 harness,全在一个文件里。几个工程决策值得单独说:

                                            • git 式快照同步,语义完全自实现。commit 是内容寻址的 sha256 对象,换机器 clone 一次恢复完整上下文,checkout 回滚任意快照;单写者假设下不需要 merge 算法。第一目标不是团队共享,是上下文灾备——Agent 跑到哪,记忆跟到哪。团队共享是自然延伸:多台 AI 工具挂同一个共享远端,纠错状态随 pull 全员对齐,新人一次 clone 继承全组历史。

                                            • 多租户 HTTP:token 映射租户,每租户独立 SQLite 惰性打开,配置热重载、损坏时 fail-closed。团队级共享记忆中心的部署形态。

                                            • 可观测性:Prometheus /metrics,/debug/recall 返回每次召回的完整 trace(种子、逐跳摘要、逐结果溯源)。记忆系统的召回过程本身必须可调试。

                                            • 生态接入:Claude Code / Cursor / Kimi Code / Codex 走 MCP + skill;PyO3 Python 绑定与 17 个 MCP 工具一一对应;另有 Hermes 和 DeepSeek Harness 的原生插件。

                                            • 测试:HEAD 实测 460+ 个测试,覆盖 16 个设计层的端到端验证;校准 harness(合成 ground-truth 世界)全部开源在仓库里。

                                            八、一个延伸视角:自我改进的地基是记忆

                                            最近 RSI(Recursive Self-Improvement,递归自我改进)的讨论不少:ICLR 2026 开了相关 workshop,工业界和开源社区都有项目在探索让 Agent 越用越强。有个定义比较干净:系统改变自身的持久组件,评估这个改变,再用改进后的流程跑下一轮。

                                            拆开看是三个环节:改持久组件、评估、循环。每个环节都值得问一句。

                                            改哪个组件?按风险和成本排:改权重最贵最险,改自身代码次之,改 prompt、工具策略便宜一些,而改记忆是成本最低、今天就能做的一层——不动模型、不动代码,只让"下次调用时的经验排序"变得更好。causal-memory 的睡眠巩固加 Q 值归账,本质上就是一个记忆层的最小闭环:行动 → 记录结局 → 归账更新排序 → 下次行动用到新排序 → 再记录。循环已经跑起来了,只是改的东西是记忆而不是权重。

                                            评估信号从哪来?每个自改进循环,本质上都在声称"某种评估信号可以替代人类判断",这个信号不能凭空来。causal-memory 里有三样东西在造它:结局极性判定(这次成了还是败了)、Q 值贝尔曼回传(好结果沿因果链给决策加分)、预测账本(反事实判断自动结算准确率)。没有这层归账,"改进"就只是"变化"——系统变了,但没人知道是变好了还是变坏了。

                                            循环怎么不退化?这是最少人提的一点。没有持久记忆的自我改进会原地打转:上一轮改了什么、效果如何,下一轮全忘了,同样的错误改法反复出现;更糟的是回声式劣化——自己产生的记录不断强化自己。第四章的治理机制放在这个语境下再看就有新含义:BiasAudit 的零方差重复检测,防的是"自我改进变成自我重复";置信度漂移检测,防的是"评估信号本身悄悄变质"。

                                            所以 causal-memory 在这件事上的位置,我们放得比较低:它不承诺让 Agent 自己变成更强的模型,只是让 Agent 的每一次"改"都有据可查、有账可算、有坑可避。

                                            九、局限与展望

                                            系统目前还是 alpha(v0.9.3),未竟之事写明白:C6 跨任务迁移只有 20%,跨领域的经验类比还是最难的开放问题;干预查询的准确率基准设计好了还没跑完;缺 7×24 生产环境的长周期验证;Hebbian 共现、决策分叉在真实流量下还没形成规模。

                                            后续有几个明确的方向:把 session 级的快照与恢复补上,让上下文灾备形成闭环(换机器、换工具都能带走完整记忆);从反复成功的决策模式里蒸馏可复用的 skill 文件,从 prevented 边里沉淀"禁止事项";做更主动的记忆保鲜——过期轮换和陈旧度检测,让"这条经验还新吗"成为可查询的属性。企业场景里也有自然的落地处:运维 Agent 的故障复盘记忆(每次处置的 decision→outcome 自动沉淀,同类故障不二次踩坑)、研发团队的共享记忆中心、客服运营里"什么动作曾引发客诉"的抑制性预警。

                                            “

                                            记忆这件事,目标不是让 AI 记住所有事,是让人不必重复所有坑。

                                            参考与链接

                                            • 项目仓库(Apache-2.0):github.com/JingxuanC/causal-memory

                                            • mem0:arXiv:2504.19413

                                            • Zep / Graphiti:arXiv:2501.13956;Zep 对 LoCoMo 评测的质疑:getzep.com/blog(2025-05)

                                            • MemGPT:arXiv:2310.08560

                                            • CLIN:arXiv:2310.10134(ICLR 2024)

                                            • MemRL:arXiv:2601.03192

                                            • HeLa-Mem:arXiv:2604.16839(ACL 2026)

                                            • Executable Counterfactuals:arXiv:2510.01539

                                            • ICLR 2026 Workshop on AI with Recursive Self-Improvement;awesome-rsi 资源库

                                            • 腾讯 TencentDB Agent Memory:github.com/TencentCloud/TencentDB-Agent-Memory(2026-05 开源)

                                            • Anthropic:Effective context engineering for AI agents(anthropic.com/engineering);Dreaming(Code with Claude, 2026-05)

                                            • LoCoMo(ACL 2024)、LongMemEval:arXiv:2410.10813(ICLR 2025)

                                            跳转微信打开

                                            AI 帮我干完了 20 年的活儿,我却感觉像坐牢

                                            2026年10月15日 18:24

                                            原创 Mars任鑫 2026-10-15 18:24 美国

                                            国庆四天,文浩用 Opus 5.5 烧掉 2000 美金,每天醒来有十几个窗口等他验收。我们从又火起来的个人助理聊起,聊到琐事该不该交出去、助理会不会免费、卖掉算不算出路,最后聊到写代码的坐牢感。

                                            本期要点

                                            ·DevDay 没亮点,最大的槽点是额度砍半

                                            ·Dot 把 OpenClaw 从宜家变成了成品家具

                                            ·在中国,点评网页连人类都不给看

                                            ·摩擦降下来,会长出原来没有的活

                                            ·琐事对很多人来说是小确幸

                                            ·个人助理大概率要免费,只有巨头玩得起

                                            ·做不成超级 App,卖掉也是出路

                                            ·企业根本不需要我想做的东西

                                            ·我认真做的视频,输给了放手让 AI 做的

                                            ·今年写了过去 20 年的代码量,像个快车司机

                                            ▶ 收听完整版:小宇宙、喜马拉雅、Apple Podcasts、Spotify 搜索「AI炼金术」,本期《AI 帮我干完了 20 年的活儿,我却感觉像坐牢》

                                            DevDay:最大的新闻是额度砍半

                                            DevDay 文浩没看直播。大半夜的谁想看,第二天早上起来看看 X 上大家的评论就够了。他的说法是,很多东西需要你了解的时候你自然会了解,跟得很紧除了让自己很累,没什么意义。

                                            他作为程序员的第一大抱怨,是 OpenAI 把额度砍了一半。他是老账号,要到月底才砍,还送了大概 2500 美金的 credit,但本质上还是砍了。双持套餐的人体感很明显:Claude 的 Opus,他这种重度用户一周正好用完;Codex 一两天就用完了,模型能力还比 Opus 5.5 差一截,「这个玩意儿不具有性价比了」,给人一种 OpenAI 这个要黄了的感觉。

                                            我正好反过来。之前因为 GPT-6 Astra,我把 OpenAI 的 Plus 升成了 Pro;结果从 Fable 5 换到 Opus 5.5 之后,用得飞起,额度快得完全用不完,就觉得好爽。出那么多花里胡哨的,还不如一个模型好一点。

                                            DevDay 发的 Dot 我们俩都用了。文浩的体感是慢,过程也不透明,它其实是在后台调起你本地的 Codex 偷偷干活,干完再 summarize 一下回给你。

                                            它只是把 OpenClaw 这样一个更像需要自己动手组装的宜家一样的产品,变成了一个你买完的家具过来直接就放进房间里的产品,但是这个产品并没有做得更好。

                                            在中国,点评连人类都不给看

                                            我也很困惑这东西为什么最近又火了。我好歹有一点点动手能力,harness 早就自己搭完了,用下来感觉它其实就是云端的小龙虾,优点是让不太会自己搭东西的人,打开一个软件就能用上我们在 Claude Code 里玩到的那些好玩的东西。

                                            现在火的某一家,之前 pitch 的时候我听过。我当时的想法就是,这个东西是主战场,所有人都会做,你作为创业公司做这个是做不起来的。但是它生在这个时间点,在 Muse 之后,我至少相信它下两轮估值是没有什么问题的。

                                            文浩觉得,是 OpenClaw 出来之后更多人觉得能做了,产品陆续冒出来:Instinct 融了一大笔钱,Meta 上了 Muse,OpenAI 出了 Dot,Manus 也下场了。大厂花一点点钱就有很大的声量,创业公司反而很难被听见。在美国这是顺理成章的事,因为美国没有超级 App。

                                            篱笆扎得很紧,助理进不去

                                            篱笆扎得很紧,助理进不去

                                            放到中国,我当天就撞上了。我打算过节前去体检,让 Dot 帮我搞,它查的那些网站我都不敢相信。我说你直接在点评上帮我买,结果点评的网站是不能用的。点评的网站连信息都不给你看,它都不给人类看。

                                            文浩说这很正常,淘宝、京东、抖音电商的网页版都一样,要么扫码登录,要么看个价格都让你扫码到 App 上。在中国,篱笆已经扎得很紧,只有本身就是超级 App 的能做。微信能做,因为供给端想接也好不想接也好都得接;阿里也能做,淘宝、淘宝闪购、飞猪、高德它啥都有。其他人,「我只要把篱笆一扎,不让你进来,你就干不了这个业务」。

                                            美国也在扎篱笆,Muse 已经被 Amazon 封了,买不了东西了。但文浩觉得美国的篱笆没那么好扎。一是 PC 天然难扎,很多人就是在电脑上下单;二是供给天然分散,大量独立站、Shopify,订个餐馆用的是 OpenTable,每个垂直领域都有自己的 SaaS。需求更旺盛,供给更分散,机会天然更大。

                                            煤油灯时代想象电灯

                                            我抛了两个想法,一正一反。

                                            正面那个是在别的播客里听到的,好像是做个人助理的 Today 的一个产品经理分享的例子。几个老朋友约好定期聚一聚,这件事就要求一个热心肠、有全局观的人定期来张罗,他一不搞,整件事就没人搞了。像我们这种人,但凡有一个人张罗,我们都会尽量配合,但是我们自己也不想来张罗。

                                            摩擦降下来,长出原来没有的活

                                            摩擦降下来,长出原来没有的活

                                            我在商学院讲课,习惯性地把它理论化:很多需求可能本来是存在的,只是原来摩擦有点大,或者有公地悲剧,到底谁来张罗?现在有个 AI 来负责张罗,这种事反倒会更多。我们现在想到 personal assistant,想到的大多是把已经在干的活交出去;但很有可能还有一些活应该存在,只是被摩擦掉了。有点像我们正在点煤油灯的时候想电灯,只想到点个灯可以看书了,没想到会有整个夜间经济。

                                            拼乐高的孩子在买爽感

                                            反面那个,是我看我们家孩子拼乐高时想到的。他最近已经开始拼一些奇奇怪怪的东西了,但你买一盒新的,它其实是照着说明书在拼,经历一些小探索、小挫折,都搞得定,最后产生一个成就感。如果这是他在打一份工,其实还要倒给他钱;但现在我们还要花钱买乐高让他拼。他在买爽感。

                                            照着说明书拼,也是一种放松

                                            照着说明书拼,也是一种放松

                                            做这些产品的产品经理,举的例子都是五个人要约,怎么对行程;你每天好忙,机票订不过来;你有伟大的事情要忙,这些琐事都丢给我。我就在想,真的每个人都这么忙吗?我要挑一件适合我的裙子,这真的是我想交出去的事情,还是难得有一件我说了算、反正错了也就错了的事情?花两个小时找特价、找哪张信用卡刷了能拿到这个特价,对一个在真实世界里被老板骂、又怕出错的人,这个过程是不是有点像拼乐高?

                                            所以我会觉得大家画的那个 persona 画得太窄了一点,画的都是忙得找不着北的人,他会把琐事当作成本。可对很多人来讲,琐事就是一个小确幸,它不是一个应该被解决的问题。

                                            拖了一年的报销

                                            文浩不完全同意。他之前就是 Codex App 和 OpenClaw 的重度用户,他的体会是,琐事不一定是因为忙,而是消耗你的精力和带宽。

                                            帮他省时间最多的是报销。他拖了很久,去年可能有一年没报。我当场说他真是离谱。打车票、Codex 的订阅费,想到要一张张拉出来做 Excel、再一遍遍填进飞书,就越拖越多。现在高德把行程发到邮箱,Codex 按条件把邮件筛出来做成表,再用 computer use 在飞书上填好,他扫一眼,一两个小时就报完了。

                                            我问他你是创始人,为什么不用什么企业滴滴、企业信用卡,大哥?他说他懒,就懒得开。

                                            还有预约。美国理发、修车都要 reservation,打个电话好麻烦,算了过两天再说。Google 很早就演示过打电话订餐馆、约理发,当时没做起来。他觉得这是真需求,但更像巨头的机会。

                                            暑假带孩子出去玩,他是跟 Codex 商量着挑的:哪里不会太热,只有两三天,未来几天下不下雨。在携程、飞猪上,你得看完酒店退出来看天气,再去搜山里凉不凉快。跟 Codex 聊几轮就够了,决策还是他在做,反而多找到了一些可以去玩的地方。他说这不是减少乐趣,是增加乐趣。

                                            至于「行程太满、太忙」,他觉得是伪命题。他虽然在创业公司算核心管理团队,工作其实很简单:早上爬起来开始写代码,写到晚上睡觉,中午出去买一个麦当劳。

                                            白给的 token 都懒得开

                                            我其实想的是,我们到底是不是典型用户。一年的报销懒得报,这已经不是 99% 的用户的行为了。我们想减少摩擦,是因为我们还有其他的事情要做;但绝大部分人减少完摩擦,到底是出现了一个洞,还是出现了一个机会?

                                            而且我们这批人太难转化了。我已经交了 Claude Code 的钱,context 也在上面,Claude Code 还在补贴 token;这时候另一个 App 收你 100 美金一个月帮你做 personal assistant,很难。前几天还有朋友说可以给我管饱的 token,我到现在都还没去开通,因为 Codex 的 token 还没花完。白给的时候你都有点不想去要,我们这些人真的不是好用户。

                                            文浩认了一半。懒得报销可能只是他这样,但琐事多的用户很多,尤其是家庭用户。学校布置个社会实践要做小报,你自己可以拖着不理发,娃你一定会按时带去理发。

                                            个人助理最后会免费

                                            文浩不看好订阅制。他转述一位美国投资人在一档播客里的观点:personal assistant 最后一定会成为免费产品,而且只应该是免费产品。to C 的付费产品有天花板,一涨价,转化和增长就下来;免费产品靠广告,变现压力来自广告主之间的竞争。

                                            大家都想卖车,都来这儿出价

                                            大家都想卖车,都来这儿出价

                                            大家都想卖车,理想也想卖车,小鹏也想卖车,特斯拉也想卖车。

                                            他早年做过五年广告,他同意这个判断。今天的 C 端产品,会员数比用户数至少低一个数量级。免费就没有转化这道坎,但它可能真的只是巨头、或者巨额补贴才玩得起的游戏。

                                            Muse 和 Instinct 其实都是这个思路。Muse 现在在补 token;Instinct 的创始人在访谈里讲的,是旅行和酒店这类佣金高的交易。说白了就是意图经济:我吃意图,然后别人来我这边竞价买这个意图。

                                            这套逻辑我们这些老登都很熟。文浩还点我,说我也参与过这个竞价游戏,把公司卖给了京东。但他觉得 Instinct 想得太理想了。超级 App 讲的是高频打低频,如果我理发、订餐馆、买东西、打车都在 Muse 上做,我凭什么订酒店要切到 Instinct 去?

                                            卖掉也是出路

                                            我一直在想,我跟他都创业失败过,都有 PTSD,是不是天然过于想要逃避正面战争?

                                            文浩说反而不是,做这个的都得想好退出通道。能做大的个人助理天然就是超级 App,很难,但拼多多、字节、小红书都长大了,不是不存在,只是那更像年轻人的机会。资本觉得有的玩也没问题,可能过两年谷歌花 300 亿美金把这公司收了。你要 beat Meta,挑战大到难以想象;但卖给苹果、Google、三星、Expedia,出路有很多。

                                            这让我想起在硅谷见过的一个创业者。他在 Apple Intelligence 之前做了一套 Apple Intelligence,单看这个东西你会觉得过于荒谬,但看他的背景又非常值得投:他就是当年做「捷径」、被苹果收购的那个人。上一次成功的打法,就是把苹果必然要做的一个东西自己在外面做了。如果是他做,这件事就非常 make sense;如果是我做,就……

                                            一个善良的创业者本能想我怎么把这个事情做大,你觉得这事情不能做;但是如果你想把这个东西卖掉,很多事情是可以做的。

                                            这倒是打开我思路了。前段时间我吆喝了一嗓子要做 Agentic FDE,10 月 2 日 Anthropic 就推了 Claude Frontier Academy,拿 1 亿美元,要在 2027 年底前培养 1 万名 FDE。按文浩这个思路,我就应该做一家帮企业培养 FDE 的公司,不做成培训公司,做成中国最好的帮企业转型的社区,最后看看哪家大模型公司要不要买,而不是苦哈哈地「来,我给你们讲个课」。

                                            当然在中国卖公司没那么容易。我卖过两家公司,经常有人来问我怎么卖,我的感受是真的 80% 靠命。文浩回了一句:「你卖成两家公司,说明你命好。」

                                            还好我没做

                                            文浩还提醒我,做任何一个产品之前,先要把产品卖出去再开始做,因为今天做产品的成本实在太低了。

                                            这事我刚好验证过一次。我跟朋友发起了 CAIO 联盟,然后把「agent 版的 FDE」,就是 AI 来指导你们公司做 AI 转型这个概念,直接在 100 多个企业家面前发布了。东西啥都没做,就一个官网。确实有几家企业带着订单来找我了,详细聊下去之后发现,他们根本不需要我做的这个东西,官网上任何功能都还用不到,他们只是想理清楚这到底是个啥、自己现在到底该干啥。

                                            打个比方,我们已经做到何首乌黑发洗发水、做细分定位了,大家还在研究为什么要洗头发。我一边跟大家聊,一边心里想,还好我没做,还好我只是做了一个官网。

                                            文浩接得很快,说他们可能需要我们昨天刚拿了 Product Hunt 榜一的 ZooWork.ai。我说你终于开始做广告了。他自己先拆台:Product Hunt 榜一是怎么来的,大家都明白。按他的介绍,ZooWork 是一个不绑死在 OpenAI 和 Claude 上的托管型 agent 平台,DeepSeek、GLM、Kimi、千问、Gemini 都可以混用,大部分 agent 任务用 DeepSeek V4 Flash 就能做得很好。至于贵模型有多贵,他自己就是例子:前两天把一些流程都改成了 Opus 5.5,四天就把一个月 2000 美金的额度用完了,当天早上就被 DevOps 的同事问:一个月才设了 2000 美金,你怎么四天就用完了?

                                            我认真做的,效果都比较烂

                                            以为是品位,其实是偏见

                                            以为是品位,其实是偏见

                                            国庆在酒店里,我用 Opus 5.5 搭了一个视频的工作流。AI 炼金术之前我每天会做大量阅读、做知识卡片,就让它直接根据我的知识卡片出小短文,用我的声音直接发,效果蛮好。

                                            后来我觉得不能这样,我得要有活人感,我是一个负责任的人,我怎么能让 AI 帮我做呢?然后我就自己认认真真读了自己的卡片,认认真真思考了,自己口播了几段。结果数据就降了。我以为是发多了,又让 AI 随便挑几条以前的卡片,用原来的方法再出几条,效果虽然没有第一二条那么好,但明显比我口播的好。

                                            凡是我比较认真做的,效果就比较烂;凡是放手让 AI 干的,效果就比较好。反正只要不要我参与,它的效果就挺好;但凡我想贡献一下,效果就会变差。大家不要以为自己有 taste,你只是有 bias。

                                            文浩没那么快投降。从大众社媒的角度,我们俩肯定是过时的,做 AI 炼金术之前谁也没经营过社媒大号,一开始还念台词让大家转发,后来台词都懒得念了。AI 做过大量强化学习,大众传播效果好不奇怪。可你自己做的内容,是不是带来了更多企业家来找你?AI 做的那些,真的能吸引到那些人吗?吸引一堆大学生来点赞,对你现在的商业化不一定有帮助。

                                            我后来让 AI 帮我分析过,它说你讲的都比我讲的长很多。我老想把一件事翻来覆去讲清楚,四五分钟就过去了;它两分钟就讲完,我有时候觉得它没讲清楚。可我以为讲清楚了,谁有空看你四分钟?好像就是我自己的执念太多了。

                                            撞车实验里的假人

                                            文浩提起 Anthropic 最近的新闻:他们找了一堆宗教领袖闭门开会,讨论 Claude 有没有自我意识。他的评价是「一以贯之的神棍风格」。

                                            假人必须要感到疼

                                            假人必须要感到疼

                                            我倒觉得蛮好理解的。他们内部本来就有哲学家这种角色,总要干活嘛。而且我们用到的,很有可能是他们手上东西的阉割版;他们无限量地用最好的、同时开 1000 个的时候,体验到底是什么样子?所以有可能他们真的已经看到神迹了。

                                            我一直觉得意识这个东西没那么高级,它本来就是一个错觉,本质上是用来做 simulation 的:让我畅想未来,让我担忧未来提前受苦,让我反刍过去,在没有真实生存挑战的情况下产生更多训练数据,最后是为了让我活下去的概率高一点。

                                            其实就有点像撞车实验里面那个假人,但是那个假人必须要感到疼,感到疼他才会把这个神经网络重排。

                                            文浩是工具派。他觉得通用人工智能已经实现了,但还是把它当工具看:今天的模型没法自己主动启动干任何事,agent 的「主动」都是程序里写了个 heartbeat,定期把它唤醒,扳机还是人在扣。

                                            我比较相信千脑智能那一套:脑子里可能是好多个小脑子在聊天,底层有一个心跳一样的机制,目的只有一个,活下去。如果 Claude 也有这么一层,至少在形态上就跟意识一模一样。至于是不是意识,我们彼此之间其实也没办法确认对方有意识,也只能按形态判断。搞 AI 的,最后都要聊聊哲学、聊聊人文。

                                            电动车快,不是我快

                                            文浩说聊人文很有必要,因为为了效率写代码,已经很没有乐趣了。

                                            我感觉我今年写了过去 20 年写的代码的量吧,当然不是我写,其实是 AI 写的。

                                            没有 running 的感觉,也没有克服困难的感觉,跟开滴滴快车、送外卖差不多,不停地完成任务。难吗?并不难。为什么快呢?因为电动车快,不是我快;导航软件做得好,所以很快能到。

                                            快,是因为车快,不是我快

                                            快,是因为车快,不是我快

                                            我说那你要擦屁股是吧。他说不是,他的主要工作就是快点把东西做完。像外卖员,早上睁开眼,今天能送 200 单就绝对不能只送 100 单。刚送到 200 单的时候觉得自己牛,原来只能送 10 单;连送一个月,生理心理都很疲倦,也不觉得自己牛了,就觉得自己是个外卖员。

                                            他现在面对电脑,有一种坐牢的感觉。每天早上起来,昨天晚上开的十几个窗口要验收一遍,验收的时候发现好像都还在 ongoing,再开一个窗口去跑下一单;两个订阅跑完了,要不要开第三个;一看就到了晚上十二点一点,去睡觉。东西太容易做,人就容易 overcommit,答应了一堆事。

                                            AI 都能做完,但是我验收不完。

                                            我也这样,会因为 AI 想多。录这期的时候 Riverside 又宕机了,我就在想,要不今天晚上让 Codex 写一个,我们俩自己用,服务器放国内,好像也不是很难。可做一个自己用,属于找个乐子;真要交活,压力完全不一样。

                                            聊到这儿,文浩说他得调整一下,减少面对电脑的时间,多出去走走,多找人聊聊。我说那我们可以拿个麦克风,多去找人面聊嘛。

                                            我确实比他轻松很多,没有他这么有生产力,基本上还处于一种无所事事的状态。所以分工也很清楚:技术问题全部丢给徐文浩,我负责讲人生大道理,做心灵陪伴。

                                            ▶ 完整版在小宇宙、喜马拉雅、Apple Podcasts、Spotify,搜「AI炼金术」,本期《AI 帮我干完了 20 年的活儿,我却感觉像坐牢》。

                                            — 完 —

                                            跳转微信打开

                                            10 分钟,Kimi Work 从入门到精通

                                            2026年10月15日 18:20

                                            月之暗面 Kimi 2026-10-15 18:20 天津

                                            Kimi Work 是我们推出的本地 AI Agent,就像住在电脑里的 AI 同事,可以直接读取本地文件、操作浏览器和其他常用软件工具。

                                            今天我们从下载安装开始,手把手带大家完成基础任务,再进一步解锁进阶能力。希望能给你带来灵感,找到更适合自己的 AI 协作方式。

                                            开始使用:kimi.com/products/kimi-work

                                            跳转微信打开

                                            给大模型装上“一双耳朵”:小米开源空间音频理解大模型 MiDashengLM-Spatial

                                            2026年10月15日 17:22

                                            小米技术 2026-10-15 17:22 北京

                                            想象你正穿行在嘈杂的街道上,忽然有人喊你的名字。不必回头,你就可以本能地判断出声音来自哪个方向,还能大致估计出对方离你有多远,然后顺势转身,朝那个方向寻去。

                                            人类听到的并不仅仅是“什么声音”,还包括“声音来自哪里”以及“声源与我处于怎样的空间关系”。双耳接收到的相位差(Interaural Phase Difference, IPD)和响度差(Interaural Level Difference, ILD),以及声波经过头部和耳廓反射、衍射后产生的细微变化,共同帮助我们感知声音的方向、距离和运动状态。

                                            然而,对于机器而言,理解声音背后的空间信息往往受到物理条件的制约,例如麦克风的数量、布局方式和设备形态等。因此,相较于识别语义内容,机器要准确感知声源的位置、距离和运动状态,无疑更具挑战性。

                                            近年来,大语言模型(Large Language Model, LLM)在语音、图像等多模态领域快速发展,空间智能也成为人工智能的重要方向。空间智能,是机器感知、理解和推理三维物理世界的能力,也是实现全场景智能生态的重要基础,为小米“人车家全生态”战略提供了重要技术支撑。但现有主流多模态 LLM 大多只有“一只耳朵”,故无空间听觉能力。

                                            过去两年,小米先后发布并开源了声音基座模型 Xiaomi Dasheng(https://github.com/xiaomi/dasheng)及声音理解大模型 MiDashengLM-7B(https://github.com/xiaomi-research/dasheng-lm)。相关技术已在小米智能家居、汽车座舱等场景实现超过 30 项落地应用,能够对语音、环境声音和音乐进行统一感知与理解。

                                            今天,小米带来 Dasheng 系列的重要新成员——MiDashengLM-Spatial。该模型以 MiDashengLM-7B 为基座,进一步为声音理解大模型赋予“一双耳朵”,使其不仅能够听懂声音的内容,还能感知声音来自何处、如何在空间中分布。据我们所知,MiDashengLM-Spatial 是业界首个开源的端到端空间音频理解大模型,在保留基础音频理解能力的同时,具备空间感知与推理能力,推动音频大模型从“听懂声音”进一步迈向“理解声音所处的空间”。

                                            01

                                            技术核心:为大模型装上"一双耳朵"

                                            ▍双分支音频编码器

                                            当前主流多模态大语言模型在声音、语音和音乐理解方面已展现出优异性能,并在部分基准测试中达到甚至超过人类水平。然而,面对多声道音频,这些模型通常将各声道信号在声道维度上进行简单平均,将其转换为单声道输入,因而缺乏对空间信息的建模能力。

                                            与此同时,多声道音频在格式和声道配置上存在较大差异,相关数据规模也远小于单声道音频。这不仅限制了模型的通用性,也使其难以通过统一的数据扩展实现规模化提升。

                                            基于此,我们最终采用双分支音频编码器方案:利用规模远小于原始 MiDashengLM 音频数据(>100 万小时)的双耳音频数据(~1 万小时),在 MiDashengLM 的基础上扩展空间理解能力,同时保持其通用音频理解性能。

                                            Dasheng Semantic Encoder 完整继承 MiDashengLM 的原有音频编码器,其骨干网络基于 Dasheng-Huge (0.6B);Dasheng Spatial Encoder 则采用轻量化的 Dasheng-Base(86M)架构。两条分支结构同源,参数规模不同,分别负责提取音频的语义信息和空间信息。

                                            两条分支通过跨层语义到空间特征注入 (Hierarchical Semantic-to-Spatial Conditioning) 的方式连接:语义分支不同层级的中间特征经映射后,逐层注入空间分支,与其特征进行融合。该连接方式使空间分支充分利用语义信息,增强对复杂空间声学场景中声源的感知、定位与分离能力;同时,单向注入不改变语义分支原有的信息流,从结构上保持模型通用音频理解能力的稳定性。最终,两条分支分别生成音频语义 Token 和空间 Token,并通过特征映射统一融合为完整的音频 Token,供后续语言模型进行音频理解与空间推理。

                                            ▍场景级空间数据合成

                                            空间音频理解不仅需要识别语音、环境声和音乐等基础内容,还需要感知声源的绝对位置、声源之间的相对空间关系,以及声源随时间发生的动态变化。因此,空间与时序信息的联合建模至关重要。

                                            尽管公开音频资源十分丰富,且各类声音已得到系统性收集,但现有数据格式复杂多样,并以单声道音频为主,能够支持空间音频理解的数据仍十分稀缺。为此,我们基于头相关传递函数(Head-Related Transfer Function, HRTF)与虚源法(Image Source Method,ISM)模拟不同室内声学环境,合成时长约 1 分钟的双耳音频场景,包含多个静态或动态声源,如下图所示(俯视图)。

                                            每个声源的语义描述继承自原始单声道数据,其空间位置、运动轨迹和时序变化则由参数化合成过程精确记录。基于这些结构化元数据,我们进一步利用 LLM 生成场景级空间音频描述,构建同时覆盖声音内容、时空关系与动态变化的训练数据。

                                            Spatial Caption: The scene begins with a doorbell ringing in front-left of the listener, overlapping with a dog barking as it moves counter-clockwise from the listener’s front-right and below to directly in front and below. Next, a woman statically positioned behind and to the listener’s right asks, “Who is at the door?” Finally, a man moves from the back-left to the front-left of the listener and says, “I’ll take a look.”

                                            02

                                            性能领先:空间能力登顶,基础能力不降

                                            ▍空间理解:大幅超越主流开闭源模型

                                            MiDashengLM-Spatial 在空间音频理解方面具备显著优势:

                                            已有研究表明,部分音频理解基准对真实音频能力的要求有限:即使仅依赖语言先验和世界知识,将原始音频替换为高斯噪声,甚至完全屏蔽音频信号,LLM 仍可能取得较高分数。空间音频理解类基准测试也同样发现类似现象,例如,图中所示的单声道音频理解模型(Gemini-3.6-Flash、Qwen3-Omni 和 Moss-Audio)在空间相关任务上的表现均明显高于随机猜测水平。因此我们引入声道轮换(左右声道交换)策略,以进一步检验模型是否真正具备空间听觉能力。

                                            对于双耳音频,声源的左右定位线索通常编码在 IPD 和 ILD 中。若声源位于左侧,交换左右声道后,其空间位置应相应映射到右侧,模型的判断也应随之发生变化。基于该特性,我们选取问答数据中仅涉及左右方向判断的样本,分别评估模型在声道轮换前后的表现,包括预测是否符合空间变化规律,以及交换前后均答对的全正确率(All-Correct Rate)。相比单次问答准确率,该指标能够更有效地检验模型是否真正利用双耳声学线索进行空间理解,而非依赖语言先验或数据偏差作答。

                                            MiDashengLM-Spatial 的空间音频编码器是其空间感知与理解能力的核心。在真实场景声源定位数据集上,该空间音频编码器展现出优异的定位性能,并超越多种专业空间声源定位模型。

                                            ▍通用理解:与基座持平,部分基准更优

                                            MiDashengLM-Spatial 在音频问答、语音识别和音频描述等基础音频理解任务上的表现与 MiDashengLM 基本持平,并在部分基准测试中取得更优成绩。

                                            这一优势得益于其双分支音频编码器架构。该架构在模型结构上解耦音频的语义信息与空间信息,在拓展空间理解能力的同时,保持了原有基础的音频理解性能。

                                            03

                                            在线体验:🎧 佩戴耳机

                                            亲耳验证模型空间感知力

                                            以下 4 条双耳音频示例,涵盖方位判断、轨迹追踪、相对位置关系与空间说话人推理,戴上耳机听听模型答得对不对:

                                            Prompt: Which direction are the two boys in <A>: left side <B>: right side <C>: directly ahead

                                            Ground Truth: B: right side

                                            MiDashengLM-Spatial: B: right side

                                            Prompt: What is the motion path of the alarm bell? <A>: From left to right <B>: From right to left <C>: Remains unchanged

                                            Ground Truth: A: From left to right

                                            MiDashengLM-Spatial: A: From left to right

                                            Prompt: Who is more to the left, male or female? <A>: Male <B>: Female <C>: Same position(equally left)

                                            Ground Truth: B: Female

                                            MiDashengLM-Spatial: B: Female

                                            Prompt: Which speaker has children? (A) The mic-holder (B) the person in the right (C) the person in the left

                                            Ground Truth: The mic-holder

                                            MiDashengLM-Spatial: A. The mic-holder

                                            04

                                            全面开源:开放权重与代码,赋能“人车家全生态”

                                            小米拥有丰富而多元的硬件生态,产品在真实物理空间中与用户持续交互,因此不仅需要“听见”声音,更需要感知并理解声音所处的空间。作为小米“人车家全生态”战略的重要技术支撑,MiDashengLM-Spatial 为 LLM 赋予了空间听觉能力,助力提升模型在复杂用户场景中的理解与泛化能力,开启全场景音频理解的新篇章。

                                            在经典的“鸡尾酒会”场景中,模型可以利用不同说话人的空间方位线索,增强复杂声学环境下的语音识别与语义理解能力,提升说话人日志的准确性与鲁棒性;在家庭场景中,模型不仅能够理解家庭成员“说了什么”,还能结合声源的方向与距离判断“用户在哪里”,进而帮助系统调度附近的智能终端就近响应,推动小爱同学从被动接收指令走向主动感知与服务;在自动驾驶场景中,模型可以利用环境声音的方向信息,辅助弥补视觉盲区,及时识别潜在风险,提升车辆主动安全能力;在机器人等场景中,MiDashengLM-Spatial 则进一步补足音频模态的空间智能能力,为机器感知、理解并响应真实三维环境提供新的技术路径。

                                            今天,MiDashengLM-Spatial 正式开源。我们将完整公开模型权重和推理代码,并以 Apache 2.0 许可证发布,诚邀全球开发者、行业伙伴和学术机构将其免费用于商业产品集成或学术研究。同时,该模型也将陆续应用于小米智能家居、汽车座舱等场景,以空间听觉能力进一步提升“人车家全生态”的交互体验。

                                            我们期待与广大开发者和研究者携手,基于 Dasheng 共同推动全场景音频理解的发展。

                                            开源链接:

                                            项目主页:https://jinbo-hu.github.io/midashenglm-spatial-demo/

                                            技术报告:https://arxiv.org/abs/2610.11156

                                            评估代码(GitHub): 

                                            https://github.com/xiaomi-research/midashenglm-spatial

                                            模型结构与权重(HuggingFace):

                                            https://huggingface.co/mispeech/midashenglm-spatial

                                            END

                                            跳转微信打开

                                            晚点具身季报:Astra 冲击后,通用模型会吃掉 Robotics 吗?

                                            2026年10月15日 17:01

                                            晚点团队 2026-10-15 17:01 北京

                                            以下文章来源于:晚点LatePost

                                            晚点LatePost

                                            晚一点,好一点

                                            “没见过神迹的人是不信的!”

                                            文丨王小淳(实习生)程曼祺

                                            “不好意思,借过一下。” GPT 这么说时,并不是要入侵谁的领地,它只是在走自己的路。无意中被撞到的就有具身智能。

                                            在 OpenAI 于 9 月初发布 GPT-6 Astra 后,更多具身智能从业者发现,通用多模态基础模型居然也可以直接做过去 VLA(vision-language-action,视觉-语言-动作模型) 等机器人策略模型的部分工作——它可以直接输出机器人末端执行器的位姿,完成部分任务的成功率甚至超越一些具身模型。

                                            这动摇了数字世界 AI 和物理 AI 的边界,也引发了一个灵魂拷问:GPT、Fable 之类的通用模型是否会吃掉具身智能?

                                            同时,已经发生的事实是:OpenAI、Anthropic、DeepSeek、Kimi 等多数通用前沿模型公司都正酝酿进入具身智能和物理 AI。

                                            这是 26 年 Q3 《晚点聊》具身季报关注的最重要的变化。这次,我们继续邀请 Alphaist 创始合伙人陈哲担任分享嘉宾。

                                            Alphaist 是一家聚焦 AI、机器人与智能硬件领域的早期美元基金。创立 Alphaist 前,陈哲曾在五源任董事总经理,主导机器人和科技领域投资。

                                            在 Astra 的冲击之外,本期具身季报还关注以下 4 个行业进展和事件:

                                            AMD 拟以 82 亿美元收购 World Labs

                                            宇树 IPO 及连锁反应

                                            有可能大幅压缩部署成本的 “上下文学习”

                                            美国 FCC 实际禁止了新型号的中国机器人进口

                                            对一些人来说,Astra 的变化已经撼动了独立具身智能公司的发展叙事和估值逻辑。至少,现在到了重新思考物理 AI 与通用 AI 边界的时刻。

                                            这期节目录制之后,本周工博会上,宇树创始人王兴兴也聊到了 GPT-6,他说:“过去十几年,我犯的最大错误就是对 AI 的相信还不太够。”

                                            Astra 冲击:通用 AI 会吃掉物理 AI 吗?

                                            “没有见过神迹的人,是不会相信的”

                                            晚点:我们还是从本季度最重要的 Top 5 进展和事件开始。这个季度,你看到了哪些值得分享的行业变化?

                                            陈哲:首先是 GPT-6 Astra 发布,让大家看到了通用多模态基础模型进入物理智能的潜力。

                                            第二是 AMD 和李飞飞创立的 World Labs 签署了 82 亿美元的收购协议。这笔交易给过去一两年兴起的 Neo Lab 做了一次实质定价,也可能影响世界模型和具身模型公司的出路。

                                            第三是宇树 IPO,以及它对整个具身行业估值的重构。

                                            第四是具身模型里的上下文学习(ICL,in-context learning)更成熟了。本季度 Generalist 发布的 GEN-1.5 和 Skild AI 发布的 S1 都展现了相关能力。ICL 的重要意义是有可能大幅降低部署成本。

                                            最后一件事是,美国联邦通信委员会(FCC)在 7 月底将 “外国生产的先进机器人设备” 列入受管制清单,新型号的机器人如果没有获得批准,将无法进入美国市场。这可能会影响中美具身的研发节奏和供应链发展。

                                            晚点:我们先从 GPT-6 Astra 开始聊。之前,通用基础模型主要是提升编程、agent 等数字世界任务的表现,但这一次,Astra 进入了物理世界。你怎么理解这种变化?为什么它在此刻发生?

                                            陈哲:最近去美国和研究员交流,我感到以 OpenAI 为代表的前沿实验室的普遍想法是:物理 AI 是 AGI 的一个子问题,解决 AGI 的过程中涌现的能力会自然帮助解决物理 AI。这是一个研究思路的重大变化。

                                            这种思路最早可以追溯到 2025 年初 Google 发布的 Gemini Robotics。它当时分为两个版本:VLA 模型 Gemini Robotics,以及侧重上层空间推理的 Gemini Robotics-ER(Embodied Reasoning,具身推理)。

                                            当时很多人不理解为什么要出 ER,因为大家之前觉得语言模型不擅长理解空间和物理世界,所以需要训练专门的物理 AI 模型。

                                            今天回头看,Google 可能那时就看到了通用语言模型在复杂空间理解和推理上的潜力。

                                            晚点:其实 2025 年初 Google 发这两个模型时,相比 ER,具身智能行业更关注 VLA。

                                            陈哲:对。让机器人在开放环境里执行通用任务,可以分成几层。上层负责理解、推理和拆解任务;中间层负责长程执行;更底层还有电机、控制器这些物理层操作。

                                            过去 VLA 和 WAM(world-action model,世界动作模型)主要解决中间和下层的问题,比如把 “拿一个盘子” 转换成连续的动作信号。而 Gemini Robotics-ER 更关注上层问题:理解复杂意图、拆解任务,再调用底层工具完成它。

                                            晚点:这种分层思路一直就有,这次 Astra 给业界的震撼在于它哪里不一样?

                                            陈哲:这次 Astra 不只拆解任务,还能直接生成末端执行器的位姿。

                                            晚点:相当于它和 VLA 一样也充当了机器人的策略模型?

                                            陈哲:不完全一样。现在的测试多是让 Astra 输出位姿,再由一个 IK(inverse kinematics,逆运动学)模块把位姿转换成关节角度,底层控制器再执行动作,而 VLA 或 WAM 能直接输出电机控制信号。

                                            但即使只到位姿这一层,也是过去人们认为通用模型很难做到的,这需要大量空间和物理常识,它们原本是 VLA 等具身模型的工作。

                                            晚点:OpenAI 发布 GPT-6 Astra 时,官方博客没有提到机器人和具身智能。研究者怎么发现了这种用法?

                                            陈哲:其实 7 月上旬 Anthropic 在《Claude 操作机器人》(Claude Plays Robotics)一文中就做了铺垫,他们当时测试了 Claude Opus 4.7、Claude Mythos Preview、GPT-5.4、Gemini 3.1 Pro Preview、Kimi K2.6 和 Qwen 3.6-Plus 等 12 个模型控制机器人的表现。其中一种方法,就是让模型生成末端执行器的位姿。

                                            Anthropic 在 Claude Plays Robotics 中展示的数据。对于选取的模型,Anthropic 团队测了三类任:经典控制、运动控制(Locomotion,这部分测了各模型在宇树 Go2 四足狗和 G1 人形上的表现)和操作(Manipulation);并观察了 4 种接口(interface)也就是四种控制方法:橙色是让模型直接输出动作;蓝色是让模型先编程一个 Python 控制器,再由程序读取机器人状态并连续生成动作;绿色是让模型去监督其它的机器人策略模型,比如监督一个 VLA 模型;紫色是让模型设计奖励函数、策略网络和训练计划,从头训练并部署一个强化学习策略。柱顶数字是各模型在不同机器人、任务和 interface 上的标准化综合得分,并非任务成功率;四种接口的权重皆为 0.25,和为 1 。

                                            后来 Robocurve 等团队搭建了相似的测试管线。Astra 发布后,他们只用一两天就完成了适配,发现 Astra 在部分任务上的成功率大幅提高。

                                            晚点:你这次在美国和欧洲接触的一线研究者和从业者,他们是什么时候意识到这个变化的?

                                            陈哲:真正见过 OpenAI 在做什么的人和没见过的人,思维完全不同。

                                            比如 9 月底我去匹兹堡参加了 IROS 2026(机器人学顶会)。有一天的晚宴上,CMU 助理教授石冠亚老师做了一个调查,问在场 100 多位研究人员如何看 Astra 对 Robotics 的影响。从现场表态看,一派认为:语言模型解决一切,Robotics is over(机器人学结束了),只要通用模型不断推进前沿,就没什么问题值得研究了,这派大概占三分之一。

                                            另一派认为,通用模型永远解决不了我们今天研究的很多物理问题。也有折中派认为通用模型和物理 AI 模型是分层的,会各占生态位。

                                            晚点:你认为为什么会有这种差别?

                                            陈哲:没有见到神迹的人,就是不会相信的。这很像 2024 年初特斯拉发布 FSD V12 时,他们已经看到了 scaling laws 在自动驾驶上是成立的。但当时国内多数团队无法复现,甚至一度认为这是特斯拉故意放出的烟雾弹。只有亲眼见过这种突破的人,视角才会不同。

                                            晚点:一批知名具身智能公司,如 Generalist、Physical Intelligence(PI) 等,它们属于哪一派?

                                            陈哲:换个方式来回答这个问题,比起流派之争,更根本的冲击在于——物理 AI 的创业叙事和估值底座正在被动摇。

                                            此前,具身 “大脑” 公司在没有商业闭环时能拿到极高估值,底层逻辑在于,部分人相信物理 AI 是大于数字 AI 的独立领域,有望诞生新的 OpenAI。

                                            但 Astra 的出现显示,物理 AI 可能只是通用模型的一个子集,这消解或者削弱了专用具身模型的价值。

                                            不过另一方面,这也可能加速整个物理 AI 的发展,做大市场规模。所以不一定对每个公司都是坏事。

                                            最让人头皮发麻的用法是,把 Astra 当成具身研究员

                                            晚点:Astra 发布之后,不少机构、公司和开发者都自己做了实验与测试,你看到了哪些有趣的研究和发现?

                                            陈哲:我会把 Astra 的影响分成三层。

                                            最直接的第一层,是让它充当策略模型:就是前面聊到的,由 Astra 生成末端位姿。开源社区在 RoboDojo 基准上测的大多是这种用法,直接看它在各类标准任务里的成功率。

                                            当然,这种测试集不一定能真正反映真实世界里的场景和需求,但作为一个代理指标,可以反映不同模型的相关能力。

                                            Robocurve 使用了同类 YAM 双臂平台和同一套 agent 策略,比较 GPT-6 Astra、Claude Fable 5.1 和 Fable 5 的任务完成率与调用成本。

                                            在 “把积木放进碗里” 的任务中,Astra 20 次成功了 19 次,完成率为 Fable 5.1 的 2.4 倍,单次成本约为其 44%;在更精细的拼图任务中,Astra 与 Fable 5.1 的完成率同为 10%,Astra 成本更低。

                                            往上一层,是让大语言模型去监督和纠正现有的 VLA 等动作模型。比如银河通用最近做了一个混合控制测试:在选取的 RoboDojo 任务中,Astra 单独控制的成功率为 26%;让 Astra 监督并纠正 π0.5 后,成功率跃升到 48%,Astra 扳正了一些原本会失败的不合理动作输出。而此前 π0.5 的公开成绩约为 15.67%。目前这些方法在速度上还没有做太多优化,更多是在提高成功率,探索通用模型的能力边界到底在哪里。

                                            银河通用 9 月 29 日在 arXiv 预印本平台发布文章 Systematically Exploring the Capabilities of GPT-6 Astra as Embodied Policies(《系统探索 GPT-6 Astra 作为具身策略模型的能力》)。混合控制中,85.6% 的动作由 π0.5 执行,Astra 只生成或修正了其中 14.4%(图 d)。图中的 π0.5 单模型成绩来自重新加权的公开数据,并非在同一批实验中的重新测试。

                                            比较有意思的数据还有图 c:在 RoboLab 的任务上,单独使用 Astra 的成功率比 Astra + π0.5 更高。RoboLab 的任务更偏单臂任务,如理解语义后放置、拾取和调整杯子。而 RoboDojo 有更多双臂和长程任务。

                                            但我认为,最让人头皮发麻、具有颠覆性的是第三层:把 Astra 当成一个具身研究员。凭借很强的工具调用能力,它可以在 Blender 里搭 3D 环境,生成资产并设定属性,然后再调用仿真器自主调试、修改和优化运动策略,自己把建模、训练和调优都干了,完成了 “real-to-sim-to-real”(真实到仿真到真实)的闭环。

                                            这也就是所谓的 Physical RSI(物理 AI 自进化):在物理世界里,AI 开始自己训练 AI。

                                            晚点:在第三种用法上,有看到什么具体探索吗?

                                            陈哲:我知道很多创业公司正在试这个方向,甚至有新的公司会以 Physical RSI 去融资。不过还没有特别重磅的公开成果。我们可以期待 Q4 的更多进展。

                                            晚点:在第一种用法上,就是直接让 Astra 生成位姿、做部分 VLA 的工作,Astra 在哪些任务上做得更好,又不太擅长哪些任务?

                                            陈哲:首先,在显著需要推理能力和空间理解能力的任务上,Astra 的能力明显比 VLA 强。

                                            第二是泛化能力,VLA 此前的瓶颈之一就是泛化性不佳,物体换个颜色或位置,模型就懵了。而通用模型的体量和训练方法都使它的泛化能力更突出。

                                            但 Astra 不擅长精细操作,比如扣纽扣、插拔线束这种有摩擦、形变的动作。很多 VLA 模型,会专门获得这类精细操作的遥操数据来做后训练,这是通用模型缺少的。

                                            晚点:它现在还有一个显著缺点,就是速度比较慢,结合它不擅长精细操作,是不是可以认为,这是通用模型和物理模型未来会分层存在的论据之一?

                                            陈哲:我认为长期看,整个机器人系统确实有可能是分层的。但这并非因为大模型永远做不到物理模型今天能做的事,而是因为实时性与边缘算力的约束。

                                            就像无人驾驶,低频的决策可以放到云端,能接受一两秒的延时,但毫秒级的避障与控制要放在车上完成。所以未来更可能是:通用模型在云端,负责低频推理,端侧轻量 VLA 负责高频执行。

                                            但即使有分层,做 VLA 等具身模型公司的价值依然受到挑战。未来的通用基座巨头完全可能通过模型蒸馏,得到一个轻量化的端侧动作模型。也就是说,VLA 还存在,但有可能是 OpenAI 这类公司就把它做了。

                                            OpenAI 招募了 Blender 艺术家做建模,也购买了大量具身数据

                                            晚点:Astra 在空间智能上的提升从何而来?

                                            陈哲:主要来自三项底层能力:一是三维空间理解,二是复杂长程任务的逻辑推理,三是调用机器人接口的工具使用能力。这三项并不是凭空出现的,都是过去通用大模型在数字世界里一直在持续进化的底座。

                                            晚点:我们分别来说,空间理解和推理能力的提升来自什么?特殊的数据,还是训练方法?

                                            陈哲:核心还是在数据。据我了解,他们大概今年 5 月就招募了大量 Blender 艺术家,做了很多 3D 建模轨迹和数据标注,所以 Astra 操控 Blender 的能力才会突飞猛进,这也是空间理解能力的一种体现。

                                            晚点:供应链消息显示,他们也采购了大量具身智能的 egocentric(第一人称视角)数据。不过,不太清楚它们是否被用于 Astra 的预训练。

                                            陈哲:我认为没有理由不用。从 AGI 的视角看,多模态模型的训练必然会需要所有模态的数据,无论是 3D 资产、视频、音频,还是机器人的物理轨迹,都会被纳入模型 scaling 的范畴。

                                            而且通用模型最大的好处,是它的成本可以被多个任务摊薄。比如,OpenAI 雇人来做 Blender 的 3D 建模,这既可以提升数字世界 agent 的表现,也是空间理解能力提升的一个重要来源。

                                            同时,通用巨头的算力代差是碾压式的——头部具身公司可能只用得起千卡集群,而顶级通用大厂手握十万卡甚至百万卡,这是两到三个数量级的悬殊差距。

                                            晚点:你觉得现在的变化会如何影响一批具身智能数据公司的发展?

                                            陈哲:做数据的公司,是谁有预算就服务谁,所以今天它们的最大潜在客户可能就是通用 AI 公司。等具身数据到了足够数量、被通用模型学习之后,它们又可能和其他类型的数据交叉,一起增强模型的能力。

                                            晚点:那是不是意味着,这类数据的供给窗口可能只有几年?

                                            陈哲:其实所有数据生意都是阶段性的。数据服务公司提供的数据模态,会随着模型能力提高而变化。你总要提供今天 AI 还不能解决的问题的数据;等这些问题被 AI 学会,就需要提供更复杂、更高精度的数据。

                                            晚点:再来说第二项能力,逻辑推理能力,这是大语言模型一直在提升的。

                                            陈哲:对,推理是以语言为支柱的大模型非常擅长的任务。而 VLA 和 WAM 为了优化动作生成,更多是一个 “直觉模型”:给一个指令或一张图像,它直接映射出一段动作序列。所以,Astra 擅长的这一点刚好是 VLA 的相对短板。

                                            晚点:你提到的第三个能力是 GPT-6 Astra 能更好调用各种抽象过的机器人接口了,这是不是编程能力的一种表现?

                                            陈哲:它本质上就是 coding 与 agent 能力的外溢。像 MuJoCo、Isaac Gym 这些仿真器都有严谨、清晰的 API。对一个大模型或 agent 系统来说,调用 MuJoCo 和调用浏览器或 Excel 没有区别,都是程序接口的输入与输出。

                                            更有意思的是,让大模型自己写 MuJoCo 程序,在仿真里跑出结果、复盘纠偏,然后再去指导真机策略。这就是前面聊到的 “Physical RSI”,现在一些公司已经在做了,我期待下个季度看到更多尝试。

                                            独立具身公司的机会:重新思考与通用 AI 的边界

                                            晚点:9 月,业内传闻 Kimi、智谱都在筹建具身智能团队,梁文锋此前也说 AGI 的下一步一定是物理 AGI。接下来中国的大模型公司也会集体入局吗?

                                            陈哲:我觉得会。既然物理智能是通用智能的子集,所有奔着 AGI 去的公司,都有意愿和有能力去做这个方向。我觉得国内的大模型公司未来一个季度就会下场。

                                            今天通用模型的难点在于怎么清洗、标注和匹配多模态数据,怎么保证训练不崩,以及怎么搭建规模化的强化学习环境让训练收敛。这些能力只有掌握预训练能力的大模型公司才有,它们下场会比只基于开源模型做开发的具身公司更有竞争力。

                                            我觉得 Astra 最大的启发,就是我们要真正去理解和尊重 scaling laws。

                                            晚点:那原生的具身智能创业公司的护城河究竟在哪里?

                                            陈哲:我觉得空间被挤压可能是注定会发生的,但不代表这些公司真正的市场体量会很小。我觉得大家可以停止争论 VLA 和 WAM 哪条技术路线更好了,在超级智能面前,更重要的,是想清楚边界:如果做一家具身创业公司,哪些能力通用模型已经可以提供?哪些能力仍然是通用模型没有机会做的?

                                            晚点:你的答案是?

                                            陈哲:我认为至少有两件事可以做,第一是做好接口,把自己想象成一个可以被通用模型反复调用的工具。第二是留住属于自己的闭环:它可能是触觉、力学等独有的数据,是满足具体工艺和场景约束的能力,是硬件的可靠性等等。

                                            晚点:听起来你说的是这几类公司:一种是关键零部件公司,比如做本体、灵巧手、传感器的;还有一种是在具体行业或场景里有积累的公司。

                                            陈哲:对,尤其在 to B 领域。垂直行业有极高的工艺沉淀、安全规范和合规牌照门槛。就像数字世界里的 Harvey 或 OpenEvidence,哪怕底层依托通用大模型,它们依然凭借在法律或医疗领域的专业壁垒做成了百亿美金公司。物理世界也一定有类似的位置。

                                            AMD 拟收购 World Labs:大厂往往只愿意买赛道里的第一家

                                            晚点:接下来讨论第二个事件:World Labs 拟被 AMD 收购。目前双方已签署收购协议,收购流程还没有正式完成。

                                            陈哲:我把它列为行业第二重要的事,是因为 World Labs 是典型的 Neo Lab 和世界模型公司。一个拿了巨额融资的明星团队,最终选择被大公司收购作为退出或放大价值的途径,关注度非常高。它也是对世界模型和 Neo Lab 的一次实质定价。

                                            晚点:World Labs 做世界模型,和去年底到今年上半年在中国特别火的 WAM(世界动作模型)不完全是一回事。它和具身智能,和物理 AI 的关系是什么?

                                            陈哲:李飞飞给 World Labs 定义的使命是做 “全模态的空间智能模型”。他们不久前发布的 Atlas 模型擅长空间重建和视角再生成。我们可以把它视作一个更好的生成模型,只是它生成的对象不仅有图像和视频,还有 3D 表示。所以它能用来做游戏,也能用来做机器人训练的仿真环境。

                                            然后今年 7 月,World Labs 还收购了李飞飞以前在斯坦福的合作者参与创办的 SceniX,这是做机器人仿真验证和真机测试的公司。这让 World Labs 生成的环境有了一个更好的出口,去做我们刚才说的 real-to-sim-to-real、Physical RSI 流程里的部分环节,主要是构建空间资产和做与之相关的工作流与数据流。

                                            晚点:所以 World Labs 是我们平时讨论的具身智能公司的基础设施服务商之一?

                                            陈哲:是的,他们和 VLA、WAM 不是竞争关系,是上下游。以 Astra 为代表的通用模型变强之后,World Labs 这类专注空间重建和仿真环境搭建的公司,价值甚至可能进一步放大。

                                            晚点:World Labs 2 月刚融了 10 亿美元,9 月又刚发布 Atlas,看起来进展不错,为什么在这个时间点接受收购?AMD 的诉求又是什么?

                                            陈哲:我只能作为第三方推测:李飞飞和 World Labs 想要持续探索前沿,做出 SOTA(最优表现)的研究,但在无法自我造血时,运营一个独立的研究实验室要消耗大量算力和资源,AMD 正好可以提供这些资源。

                                            而站在 AMD 的角度,今天大家讨论 “AI 头部公司” 时不包含它。英伟达则有 GEAR Lab、Cosmos、Robotics Research Lab 等很多有影响力的物理 AI 团队。AMD 也想吸纳李飞飞这样有业界号召力的人。而且目前是全部用股票支付 82 亿美元的对价,这对近万亿美元市值的 AMD 来说成本不算特别高。

                                            晚点:这笔 82 亿美元的交易,对其他世界模型公司有多大参考意义?

                                            陈哲:国内、国外要分开看。至少在美国市场,这可能是一个标志性事件。虽然这个价格不直接反映 World Labs 的业务表现,但体现了一家万亿市值的头部公司愿意为顶尖 AI 研究团队付出的价值。此前也一直有传言说,Anthropic 有可能收购 PI。(据 TechCrunch 报道,今年春天,两家公司聊过收购事宜,但没有继续推进;后来 PI 的 CEO 否认了 “正在进入收购流程” 的说法。)

                                            考虑到通用模型的发展速度,我觉得 World Labs 可能对这类交易起了一个锚定作用,它在提醒所有 Neo Lab:大厂往往只愿意买赛道里的第一家,如果难以独立实现商业价值,中短期内,尽早卖给大厂可能是多数团队的好归宿。

                                            晚点:国内呢?会有大模型公司收购具身公司吗?

                                            陈哲:国内少有大公司会出这么高的收购价格。中国创业公司的首要目标还是在复杂环境里独立活下来。所以中国公司比较关注落地。

                                            而对美国的不少 Neo Lab 来说,哪怕它们的技术探索不成功,也往往能谈到不错的收购 offer。所以美国很多头部创业公司都很敢做技术判断,无论是 PI 还是 Generalist,它们的很多工作都很有技术独到性和领先性,因为环境奖励这种行为,头部大企业也愿意收购这样的资产,这是一个比较良性的循环。

                                            晚点:中国自动驾驶领域发生过巨头对创业公司的收购。

                                            陈哲:那是在行业已过高峰期、估值相对低的阶段,它不是好的退出方式。前几天我看了一家头部具身公司的创始人说,他的公司融了 30 亿元,但先不打算花,准备等一两年泡沫破灭后,再去用极低价格抄底其它团队,某种程度也有道理。

                                            宇树 IPO 后暴涨、大跌,和暂缓的具身上市潮

                                            晚点:第三个话题是宇树的 IPO 和连锁反应。宇树的发行市值 609 亿元,8 月 19 日开盘当天一度冲到 4449 亿元,大跌后目前仍有约 1700 亿元。它上半年营收 11.52 亿元,同比增长 48%,但估值倍数依然很高。怎么看现在的市值?

                                            陈哲:上季度我们预测时,我觉得 1000 亿元是比较合理的市值区间。至于上市后的暴涨暴跌,短期炒作的成分很多,不能反映长期价值。

                                            同时,对这种具有生态稀缺性的龙头,也很难用传统的 PE、PS 财务模型去套。真正的试金石,要看明年 8 月部分限售股解禁后,长线机构投资人究竟怎么定价。

                                            晚点:你一直认为宇树是这个领域非常扎实的好公司,这个判断有变化吗?

                                            陈哲:肯定增强了。GPT-6 Astra 的出现加速了通用智能,进一步放大了硬件本体公司的价值。宇树很可能跑出类似英伟达的生态位——上层大模型越神仙打架,底层对高质量机器人硬件的需求就越水涨船高。而且宇树也正在像英伟达一样做开源项目,让大量学术工作在它的硬件上复现,再开放给整个生态的开发者。

                                            晚点:宇树募资里有 20 亿元投向具身算法,王兴兴做 “大脑” 的动力还迫切吗?

                                            陈哲:宇树在很多方向上非常克制,王兴兴向来不会在公众场合下激进判断。但宇树自己做模型依然很有价值。他们 9 月发布了一个 6B 参数的模型 UnifoLM-WLA-1.0,主要做桌面操作和全身移动操作。WLA 指 World-Language-Action,世界语言动作模型。

                                            作为硬件原厂,做这类模型最大的价值是把本体和前沿开源具身模型串成完整的工具链,降低用户用宇树硬件完成任务的难度和成本。

                                            晚点:去年大家普遍认为,今年会是具身智能企业集中上市的窗口。而据我们了解,近期监管明显收紧了对具身公司的上市审查,重点看是否有持续性收入和技术突破。行业内是怎么讨论这种变化的?

                                            陈哲:过去 12 个月,可能是这个领域资本最狂热、乱象也最多的阶段。很多公司估值快速上涨,是市场情绪的体现,并不代表合理价值。

                                            之前国家鼓励机器人产业上市,是希望通过上市帮头部企业获得资源、建立长期竞争力。但如果把上市当成唯一目的,靠概念炒作包装公司去快速套现,就本末倒置了。

                                            我最担心创新市场出现 “劣币驱逐良币”——像宇树、DeepSeek 这样专注解决底层问题的公司,自身节奏未必直接迎合资本市场;而追逐外部激励的人,容易做出违背行业规律的事。

                                            晚点:这里有一个错位,具身智能行业,尤其是侧重解决智能或者说 “大脑” 问题的这些公司都还处在技术和商业化的早期阶段,但一旦开始上市流程,又不得不接受二级市场的财务审视。

                                            陈哲:其实在行业极早期追求持续健康的营收甚至盈利,本身就是不合理的指标。

                                            为了迎合收入要求,行业里出现了两种行为:一种是用财技虚增收入;另一种更危险,是拿着大额融资去工厂做传统自动化或传统 CV(计算机视觉)就能解决的专机项目,对外却包装成 “具身落地”。

                                            对比通用模型的发展:如果在 GPT-1、GPT-2 时代逼着 OpenAI 赚钱,去搞各种微调和外围工程,或者像 2018—2019 年国内大批公司基于 BERT、T5 那样做智能客服、智能医疗落地,事后看都与解决通用 AI 背道而驰。

                                            GPT-6 Astra 给我的强烈信号是:如果真走在解决智能的大道上、相信 scaling laws,今天很多短期的落地部署和收入根本无关紧要。

                                            晚点:另一方面,当前有什么类型的收入是相对真实、健康、有长期价值的吗?

                                            陈哲:我认为具身行业真正的健康收入,必须来自与通用智能和 scaling laws 正相关,但不会被通用模型直接覆盖的业务:比如,做一个更好的通用人形机器人,让硬件和控制更稳定、可靠,成本更低;做更通用的灵巧手,减少夹爪在物理操作上的限制;做更规模化、更自动化的数据采集和训练方式。

                                            GEN-1.5、S1 中的 “上下文学习”,一个加速落地的好消息

                                            晚点:本季度,Generalist 发布的 GEN-1.5 和 Skild AI 发布的 S1 都展现了更成熟的 ICL(上下文学习)能力。它是什么?和 few-shot(小样本学习)有什么区别?

                                            陈哲:通俗来讲,ICL 就像提示词工程——它不改变模型的参数,而是给模型一段上下文指令或示例,就能让模型学会这个特定任务或提升表现。

                                            ICL 在具身智能里的典型应用,是给机器人系统一个人工示范——比如一段第一视角或第三视角的操作视频,让系统快速学习、理解这个任务。

                                            你可以说它就是一种 few-shot,只不过过去业界提到 few-shot,一般是指需要采集少量真机遥操轨迹做后训练,会改变模型参数。它花的时间更长,需要几小时甚至几天。

                                            而这次 GEN-1.5 和 S1 的新模型,都只是给机器人看几秒到几分钟的视频。它的好处就是可以非常低成本地完成任务部署,能帮助解决商业落地的痛点。所以很多中国公司非常关注这个方向的进展。

                                            更重要的是,Generalist 和 Skild 的研究展示了两个出人意料的表现:

                                            一是能处理 “分布外”(out-of-distribution)任务,即训练集里没见过的新技能,以前的模型很难做到这一点。

                                            二是能学会长序列的技能组合,比如拿起一个东西、拧一个旋钮,这些单个技能可能已经在预训练里出现过。但一段较长的示教会涉及很多原子技能的重组,目前看,模型也可能通过示教学会这种组合。

                                            晚点:具身模型的这种能力可能来自什么?

                                            陈哲:语言模型的 ICL 能力是到 GPT-3 时比较强了。在具身领域,Generalist 认为 ICL 同样是大规模预训练后自然涌现的能力。

                                            而 Skild 则表示他们在训练中专门针对示范条件做了优化,只要按指定方式示范,学习效率就会很高。

                                            晚点:GEN-1.5 和 S1 做 ICL 的具体实现有什么区别?

                                            陈哲:GEN-1.5 的示范轨迹更短,主要是 3 到 12 秒、包含关节信息的第一视角原始轨迹;Skild S1 则强调第三视角、长时序的视频输入——报告里甚至用了长达 10 分钟的视频,重点是让模型学会组合不同原子技能,完成长程任务。这也和 Skild 偏重全身运控的基因有关。

                                            晚点:除了 GEN-1.5 和 S1,还有哪些值得关注的模型进展?

                                            陈哲:Dyna 先后发布了 Dyna-2 和 2.1。Dyna 2 强调数据量,应该用了超过 100 万小时的第一视角数据。9 月的 Dyna-2.1 则完整展示了自研半人形机器人、全身控制策略,以及在洗衣房工作的从规划、执行到反馈的全流程工程实践。

                                            晚点:Dyna-2 应该是一个 WAM 模型。

                                            陈哲:对,但今天网络架构已不再是最核心的变量,决定上限的是数据配比、清洗处理能力,以及谁能拿到专有的高质量数据。

                                            自变量创始人王潜之前在外滩大会上说,为了理解物理空间,OpenAI 和具身模型公司要处理的数据管线可能是一样的,所以 OpenAI 可能没有额外的优势。

                                            我认同他的描述,但不一定认同他的结论。头部大模型公司在数据处理经验、算力和工具链上远比具身公司先进。甚至今天很多具身公司处理数据管线时,调用的最聪明的大脑还是 GPT 和 Claude,而且 OpenAI、Anthropic 能提前几个月用上内部的最强版本,具身公司在这方面反而处于劣势。

                                            晚点:Google 在 7 月底也发布了 Gemini Robotics 2 系列,Robotics 2、ER 2、和跑在本地的一个更小的 VLA 模型 On-Device 2,层次清楚、布局系统。但为什么 Google 入局这么早,最先给行业带来震撼的却是 OpenAI?

                                            陈哲:一方面是 Google 组织惯性和政治复杂,资源不够集中,当前的基础模型也不如 OpenAI。

                                            另一方面,我有个略带 “暴论” 的观察:过多的机器人经验,有时反而会阻碍团队认识通用模型的潜力。

                                            真正做过多年机器人的人,对硬件复杂度和物理世界的不确定性有极深的敬畏,他们会本能排斥和怀疑新方法——就像当年一批最懂 NLP(自然语言处理)的学者,恰恰是最不相信 LLM(大语言模型)的那群人。

                                            Google 是所有硅谷大厂里最早、最深入研究机器人的,也是最早提出 VLA。当你有这么多历史包袱时,一个需要相当投入的新思路很容易遇到阻力。

                                            另外,OpenAI 等前沿实验室里的 Robotics 团队整体更年轻——普遍比 Google Robotics 的人小 5 到 10 岁,不少是 2000 年前后出生、刚毕业的博士。

                                            晚点:另一家引发人形热潮、但最近声音较少的公司是 Optimus,他们有什么进展吗?Optimus 之前宣称的量产时间几度延迟。

                                            陈哲:我觉得 Optimus 现在处在一个不太被关注的状态。特斯拉三季度最大的精力都花在了 Robotaxi 的落地上,而这两块业务的很多人员是共用的。

                                            晚点:这一点很有意思。以前大家认为 Robotaxi 和 robotics 高度交叉,很多东西可以复用。现在看,至少在智能这一层,和 robotics 复用更多的可能是通用模型。

                                            陈哲:我的感觉是 yes and no。VLA 和 WAM 其实是在加强自动驾驶和机器人操作之间的关系,主推这条路线的很多创业者和行业意见领袖也是自动驾驶背景。

                                            特斯拉最早公开的世界模型,就是一个从 video 到 action 的 VA 模型。驾驶时的转弯、刹车,更多是一种本能反应,开车不需要特别多语言文字的反馈。同样的思想也被很多公司用到具身模型的训练里,语言在这类模型里的权重比较低。

                                            但今天,自动驾驶模型和具身模型因为受限于算力和数据量,参数量都很小。而通用模型是在完全不同的数据尺度上做更复杂的推理和理解。

                                            晚点:你觉得大家心中的第一梯队公司有变化吗?比如之前大家关注 PI、Generalist 等等,现在是谁?

                                            陈哲:我觉得第一梯队没有变化。如果要说变化,可能是更多公司开始做灵巧操作了。灵巧手今天可能变成了一种新的训练基础设施。就像有更多 GPU 就能更快训出模型一样,有更多硬件,就可以测试更多场景、做更多真机验证。

                                            美国 FCC 的机器人准入新规:应对限制的方式之一可能是产能出海

                                            晚点:最后一个话题是 FCC(美国联邦通信委员会)的准入新规。在 Q1 的具身季报里,我们简短地讨论过一种可能:美国会禁止中国的人形机器人进口到美国。现在这件事真的发生了。这一次,FCC 的新政策具体是什么?影响面有多大?

                                            陈哲:在美国市场,任何涉及无线通信、联网传感甚至远程控制的电子设备,都必须通过 FCC 授权认证才能准入。

                                            新规主要覆盖重量超过约 2 公斤(4.4 磅)、能离开操作者在地面自主移动,并同时具备环境感知、联网和控制软件的机器人。

                                            这样,不仅人形、四足机器人,一部分扫地机器人和割草机器人等消费机器人也会受影响。但网联汽车、无人机、水下无人设备是不受影响的。

                                            而且这个规定不光涉及中国产品。它要求达到上述门槛的先进机器人要在美国本土组装;而且到 2028 年,美国零部件成本占比要超过 65%,2029 年要继续提高到 75%。不满足要求的机器人都要另获批准才能进入美国市场。

                                            所以一些原本支持这个政策的美国公司也提出了申诉,他们也很难达到要求。

                                            比如波士顿动力的情况很有意思:它是一家美国公司,但被现代收购后,它的大量生产制造在韩国。所以,波士顿动力等公司正在争取一些政策修改,比如把友好国家的产能按一定比例折算成美国产能。

                                            晚点:美国从业者接下来如果想用中国的机器人硬件来做研发,要怎么办?

                                            陈哲:短期影响有限,因为 FCC 新规只涉及新认证的设备。那些在 7 月底之前已经获得了认证的型号可以继续销售。以宇树为例,它目前所有主流型号都拿到了 FCC 认证,但新型号会出问题,这也是他们 8 月在招股书里专门披露的一个风险。

                                            晚点:把零部件拆开运到美国,在美国组装可以绕开这个限制吗?

                                            陈哲:不行,因为它要看关键零部件的原产地,如果所有零件都在中国生产,即使在美国组装,那还是一台 100% 中国生产的硬件。

                                            晚点:你觉得这对宇树等中国本体公司和关键零部件公司的长期影响是什么?

                                            陈哲:借鉴宇树在招股书里披露的观点,他们会逐渐考虑布局美国本地产能。

                                            晚点:可能还得带着供应商一起。这有点像中国汽车产能出海,前几年,中国整车厂和宁德时代等供应商,都在去欧美建厂。

                                            陈哲:这也是这个政策的长期目的。但这些政策可能和关税博弈一样,是短期的、动态的。中国在供应商质量和密度上的优势,是整个电子产业、汽车产业多年迭代形成的,很难靠短期的限制性政策改变。就算真的要变,也需要很长时间。整个行业的发展速度非常快,我们很难想象 5 年以后具身智能会是什么样子。

                                            展望:Physical RSI  和未来的蛋糕分配

                                            晚点:最后我们聊聊对未来的展望。你觉得下个季度大概率会发生些什么?

                                            陈哲:第一,围绕通用模型能力的 Physical RSI 会成为热门方向,四季度会有大量新工作展示 AI 如何自己搭建 3D 仿真环境、生成资产、并自己迭代策略。

                                            第二,越来越多中国通用大模型公司会正式切入具身领域,比如智谱、DeepSeek、Kimi 等独立模型公司。同时,像字节 Seed Robotics、腾讯 Robotics X 这类此前就在做具身智能的大厂团队,也很有可能发生组织重组,转向以通用 AI 为核心来做机器人。

                                            第三,围绕 ICL 的工作会明显增多。国内市场看重快速部署和落地,而 ICL 恰好是一个容易出成果的方向。

                                            晚点:你期待看到什么变化?

                                            陈哲:期待大家能仔细地去研究通用模型怎么系统性提高具身智能的上限。Astra 只是一个非常初步的尝试。

                                            晚点:你没有说的另一面是,面对通用模型的跨界影响,可能不少从业者仍有抵触。

                                            陈哲:这很正常,那就用现实去证明。四五年前,很多资深机器人学者和创业者还非常排斥把深度强化学习作为控制算法,依然坚持手写规则和经典 MPC(模型预测控制),觉得神经网络不可靠。但今天,人形机器人和机器狗之所以能有这么好的运动表现,深度强化学习是重要推动因素之一。

                                            晚点:此刻有什么悬而未决,但你觉得比较重要的问题?

                                            陈哲:如果通用智能可以更快做大具身智能和机器人产业的蛋糕,利润会流向哪里?通用智能公司和深扎在物理世界、有硬件与场景的公司会如何分配价值?

                                            题图来源:GPT 生成。原图为 2019 年 OpenAI 用强化学习展示的灵巧手单手玩魔方 demo。

                                            - FIN -

                                            跳转微信打开

                                            从零构建Agent(六):Skills

                                            2026年10月15日 16:33

                                            原创 从码农到工匠 2026-10-15 16:33 上海

                                            本文讲述了 Agent Skills 的构建与 渐进式披露 机制。

                                            上一期我们为 Agent 接通了 MCP,让工具像 USB 设备一样即插即用。但很快大家就会发现一个现实问题:给了 Agent 一把锤子和一把锯子,它依然盖不出一栋漂亮的房子。

                                            要把领域的“行医指南”或“施工图纸”教给 Agent,最土的办法就是把所有指南都写进 System Prompt。但这就好比让一个人把全科医学百科全书时刻背在脑子里去应诊——不仅脑容量(Token)受不了,脑子(LLM 推理)也容易被繁杂的信息搅混,信息过载和信息不足一样有害,所谓过犹不及是也。

                                            Skills是上下文工程(Context Engineering)的重要创新,本文将带你拆解Agent如何构建完整的Skill是功能。

                                            1. 什么是 Skill

                                            和 MCP 一样,Skills 也是 Anthropic 制定的一个规范,它并不意味着一定要和 Claude Code 绑定。只要遵从 Skills 规范,其核心是关于Skills的文件系统结构:

                                            my-skill/
                                            ├── SKILL.md          # Required: metadata + instructions
                                            ├── scripts/          # Optional: executable code
                                            ├── references/       # Optional: documentation
                                            ├── assets/           # Optional: templates, resources
                                            └── ...               # Any additional files or directories

                                            其中最重要的是SKILL.md,其中name和description是必选项,是为了把Skill能力暴露给大模型。

                                            ---
                                            name:skill-name
                                            description:Adescriptionofwhatthisskilldoesandwhentouseit.
                                            ---

                                            完整内容请查阅官方网站,你会发现 Skills 规范的内容非常简洁,关键是定义 Skills 的文件结构和发现机制。

                                            2. 为什么需要Skill

                                            大模型主要依靠prompt工作,每次模型交互,模型接收到的prompt叫Context(上下文),在Agent Loop中,经常出现的问题不是Context内容不够,而是信息太多,导致。

                                            • 上下文过载(Context Bloat): 浪费极高的 Token 成本。

                                            • 注意力稀释(Attention Dilution): 模型被大量无用信息干扰,出现幻觉或忽略关键指令(即“信息过载导致推理质量下降”)

                                            Skills(技能)就是解决这一难题的优雅答案。 Skills 的底层灵魂在于“渐进式披露(Progressive Disclosure)”:

                                            就像一个优秀的图书馆员,平时只看图书检索目录(元数据);只有当读者明确要查某种资料时,才去书架上取出具体的操作手册(完整指令);如果书中提到某个附录,再翻开附录(辅助资源)。

                                            借由这种设计,上下文窗口永远只保留当前任务最核心的信息。这种渐进式的披露过程可以分为三级:前言(Frontmatter)--> 全文(Body) --> 引用(Reference)。在这里插入图片描述接下来,我们将逐步为 Agent 构建完整的 Skills 系统,帮助Agent解决上下文膨胀问题!

                                            3. 实现Skill功能

                                            3.1 Skill类型定义

                                            我们创建一个新的skills 包,将skill相关代码都放在这里,首先需要定义typesccript类型,其中skill的数据结构比较简单,被定义在src/skills/types.ts :

                                            exporttype SkillDefinition = {
                                            /** Unique name of the skill (kebab-case). */
                                                name: string;
                                            /** Human-readable description of what the skill does. */
                                                description: string;
                                            /** Instruction text injected into the system prompt when the skill is used. */
                                                instructions: string;
                                            };

                                            三个核心字段:name 是唯一标识,description 用于让模型判断"该不该用这个技能",instructions 是完整的指令正文。

                                            3.2 Skill加载

                                            在 Claude Code 中,它支持两种Skill来源:

                                            • 全局 Skills:~/.claude/skills/

                                            • 项目 Skills:{workdir}/.claude/skills/

                                            为了实现类似的能力,我们首先要让我们的Agent支持,实现方式是在request中加入role为developer的item信息。

                                            const requestBuilder = new PromptRequestBuilder(options.model ?? this.#model)
                                             .addDeveloperMsg(`Working directory: ${this.#workdir}`)
                                             .addUserMsg(input)
                                             .setInstructions(this.#skills.buildPromptInstructions())
                                             .setParallelToolCalls(true)
                                             .setStore(false)
                                             .setReasoning(options.reasoning ?? { effort: 'low' });

                                            注意,在Responses API中,developer role和Instructions和传统的system prompt的作用类似。其效果就是,在每一次模型交互中,都会带上working directory的信息。为了区分user prompt,其role是developer。

                                            "input": [
                                                {
                                            "role": "developer",
                                            "content": "Working directory: ~/ZeroAgent/chapter6"
                                                },
                                                {
                                            "role": "user",
                                            "content": "请问,当前有哪些可用的skill?"
                                                }
                                              ],

                                            对于我们的Agent而言,参考Claude Code的实现,我们需要把 ~/.zeroagent/skills/ 作为全局目录、{workdir}/.zeroagent/skills/ 作为项目目录。其实现方式如下,具体是通过先后顺序来实现优先级的,后加载的优先级更高:

                                            exportasyncfunctionloadAllSkills(workdir: string): Promise<{
                                                registry: SkillRegistry;
                                                loaded: LoadedSkill[];
                                            }> {
                                            const registry = new SkillRegistry();
                                            const loaded: LoadedSkill[] = [];
                                            const dirs = [userSkillsDir(), projectSkillsDir(workdir)];
                                            for (const dir  of dirs) {
                                            const skills = await loadSkillsFromDirectory(dir);
                                            for (const entry of skills) {
                                                        registry.register(entry.skill);
                                                        loaded.push(entry);
                                                    }
                                                }
                                            return { registry, loaded };
                                            }

                                            3.3 渐进式披露:三级加载机制

                                            前面提到,Skills 解决"上下文危机"的关键设计叫渐进式披露。这是上下文工程(Context Engineering)中的一项核心实践:不要一次性把所有信息塞给 LLM,而是根据任务进展分阶段注入。

                                            如果没有 Skills,将多个专业领域的操作指南全部塞入 System Prompt 会导致上下文爆炸。Skills 通过三级加载机制优雅地解决了这一问题。

                                            第一级——Skill发现

                                            会话启动时,Agent 只加载所有可用 Skill 的 name 和 description,通常在几十到几百个 Token 内。这相当于在 Agent 的认知中建立一个"技能目录",让它知道有哪些能力可用,但不了解具体操作细节。

                                            这正是 SkillRegistry.buildPromptInstructions() 的职责——只输出目录,这段目录被放入 Responses API 的 instructions 字段,作为全局指令注入给模型。几百 Token 的目录开销可控,模型也因此具备了"技能意识"。

                                            第二级——Skill理解

                                            当用户提出任务后,Agent 判断需要调用某个 Skill,此时才加载该 Skill 的完整 skill.md 指令。

                                            例如用户要求"请从这个 PDF 中提取所有表格,并统计每个表格的行数和列数",Agent 识别匹配 pdf Skill,于是通过 load_skill 工具加载其完整指南(可能几千 Token),获取详细的操作方法论——包括如何定位 PDF 中的表格对象、如何解析表格结构、如何处理跨页表格等。

                                            这个两步分离的设计——先看目录选择技能,再获取完整指令——是渐进式披露的核心。这样做的好处是:

                                            • 节省上下文:10 个技能的目录可能只有 200 Token,但 10 个技能的完整指令可能有 10000 Token

                                            • 按需注入:模型只获取与当前任务相关的技能指令,其他技能的指令不会干扰推理

                                            • 聚焦推理:上下文窗口只包含当前任务真正需要的信息,LLM 不会因信息过载而降低质量

                                            第三级——资源按需加载

                                            在执行 Skill 过程中,如果需要额外的资源(如脚本、模板、参考文档),Agent 再按需加载这些文件。

                                            例如 PDF 处理 Skill 可能需要执行一个表格提取的 Python 脚本模板、一个处理加密 PDF 的解密工具、或一个针对扫描件 PDF 的 OCR 配置模板。这些资源存放在技能文件夹内,skill.md 的指令中会引用它们的相对路径:

                                            ~/.zeroagent/skills/pdf/
                                              skill.md              ← 第二层加载
                                              templates/
                                                extract-tables.py   ← 第三层按需加载
                                                ocr-config.json     ← 第三层按需加载
                                              scripts/
                                                decrypt.sh          ← 第三层按需加载

                                            Agent 在执行指令时,通过Skill中Instructions的指引,决定加载哪些额外资源,执行哪些脚本命令,有一段时间鼓吹的推荐用CLI代替MCP,用到的就是Skill能力指引CLI执行。

                                            4. 实际运行

                                            完成以上实现之后,我们就可以在我们的Agent中使用Skill能力了。创建一个技能目录 ~/.zeroagent/skills/tech-writer/skill.md,Agent 启动时自动加载:

                                            $ pnpm --filter @zero-agent/chapter6 start "分析当前代码仓,写一篇技术文章"
                                            [skills] Loaded 1 skill(s): repo-tech-writer
                                            [step 1]
                                            [tool_call] load_skill({"name":"repo-tech-writer"})
                                            [tool_result] ## Skill: repo-tech-writer
                                            ...
                                            [step 2]
                                            [tool_call] run_terminal_command({"command":"git clone --depth 1 ..."})
                                            [tool_call] read_file({"path":"package.json"})
                                            ...
                                            [run_end after 8 step(s)]

                                            模型在第一步先调用 load_skill 获取完整指令,然后按照指令流程克隆代码仓、分析架构、撰写文章、保存到 Obsidian。

                                            5. 总结

                                            本文讲述了 Agent Skills 的构建与 渐进式披露 机制。Agent 光有 MCP 工具还不够,还需要领域知识和操作流程。把指南全塞进 System Prompt 会导致 Token 过载、推理混乱。Skills 是 Anthropic 提出的上下文工程规范,通过 SKILL.md 及配套文件(scripts、references、assets)来组织可复用技能,让 Agent 真正会做事。

                                            读者可以在 https://github.com/significantfrank/ZeroAgent 的chapter6中,获取本文的Demo源码。

                                            跳转微信打开

                                            苹果iPhone Duo完成大模型备案!搭载Apple智能、通义千问等

                                            2026年10月15日 14:41

                                            阿里研究院 2026-10-15 14:41 浙江

                                            10月14日消息,工信部电信设备进网许可信息显示,苹果iPhone Duo折叠屏手机国行版(型号A3721)在今年9月2日获得试用批文许可证后,于9月29日完成换证,新增了所搭载大模型的备案编号。

                                            文章转载自公众号

                                            苹果iPhone Duo完成大模型备案!Apple智能、通义千问等现身

                                            图片来源:界面图库

                                            10月14日消息,工信部电信设备进网许可信息显示,苹果iPhone Duo折叠屏手机国行版(型号A3721)在今年9月2日获得试用批文许可证后,于9月29日完成换证,新增了所搭载大模型的备案编号。

                                            该设备搭载的大模型备案编号为:Shanghai-AppleZhiNeng-202506160057、Shanghai-TongYiWanXiang-202410090024、ZheJiang-TongYiQianWen-20230901,分别对应Apple智能、通义万象、通义千问。

                                            图片

                                            进一步查询发现,国行iPhone 18 Pro系列(型号A3718)最新电信进网许可也于2026年9月29日换证,增加了搭载的大模型备案编号。涉及机型包括iPhone 15 Pro / Pro Max及后续机型。

                                            图片

                                            早在2024年6月,苹果便在WWDC2024全球开发者大会上正式推出Apple Intelligence系统。该系统集成了生成式人工智能功能,可跨平台应用于iPhone、iPad和Mac等产品,并与OpenAI达成合作,将ChatGPT集成至系统平台。首批功能于同年10月通过iOS 18.1在部分海外市场上线,但中国大陆版本一直缺席。

                                            此后,市场传出苹果与多家国内AI模型厂商展开接触,为Apple Intelligence寻找符合中国监管要求的本地合作伙伴。2025年2月,在迪拜2025世界政府峰会上,阿里巴巴联合创始人、董事局主席蔡崇信确认了阿里与苹果就AI合作的传闻,苹果在中国销售的iPhone手机将采用阿里巴巴的人工智能技术。

                                            在今年的WWDC2026全球开发者大会上,苹果发布新一代Apple智能及Siri AI。功能层面,Apple智能支持文本校对、图像生成、自然语言搜索及跨应用操作。比如照片编辑可自动添加隐藏水印;Safari能整理标签页、监控网页更新,比如产品补货或降价;信息与邮件应用提供智能回复和协同建议;电话可自动显示商家相关确认信息,比如当用户致电航空公司更改航班,“电话”可以自动在“邮件”应用中找到确认码;日历和快捷指令支持通过描述,自动生成事件或步骤。同时,自动校对和Apple Watch健康数据整合功能也得到增强。

                                            但苹果明确宣布,在中国大陆,Siri AI和其他Apple智能新功能需要配合监管要求推进相关工作,因此暂时不能提供。Siri AI初期也明确不向欧盟地区提供。

                                            7月8日,苹果技术开发(上海)有限公司的“Apple智能”大模型正式完成生成式人工智能服务备案,适用场景为苹果手机。7月15日,国家互联网信息办公室通过“网信中国”微信公众号发布公告,确认“Apple智能”等7款面向移动终端的生成式人工智能服务已完成备案。同批过审的还包括华为、OPPO、vivo、小米、三星和中兴等品牌的端侧AI服务。

                                            对于Apple智能完成备案,阿里巴巴方面回应界面新闻称,阿里千问将作为AI能力集成至Apple智能,为 iOS、iPadOS、macOS 和 visionOS 的中国用户带来智能体验。用户无需在应用间切换,即可在 Apple 设备上直接体验千问的文本与图像理解、内容生成等能力。

                                            此后,一篇名为《在Mac上配合Apple智能使用千问》的支持文档现身苹果官网Mac简体中文使用手册,其中明确提到Apple智能可配合阿里巴巴千问模型工作。然而,8月9日,这份操作手册已从苹果官网被删除,目前相关页面已恢复为此前“配合Apple智能使用ChatGPT”的版本。

                                            8月9日上午,苹果客服相关工作人员表示:“我们有功能发布的时候或者新项目的发布,(苹果)都会提前让我们知道,但是目前(苹果)并没有通知我们这个内容,就代表暂时没有这个功能的实现,所以(落地)还会需要一些时间。”

                                            随着此次包括iPhone Duo折叠屏在内的多款手机备案大模型编号,业界分析认为,Apple智能在华落地的节奏正在加快。

                                            值得注意的是,已经卸任苹果CEO的蒂姆·库克近日再次访华,开启担任苹果董事会执行董事长后的首次中国之行。

                                            10月10日,他首先抵达广州,探访使用iPhone拍摄作品的创作者,随后与应用开发者交流。11日晚些时候,他也去到了Apple北京三里屯店与消费者互动。

                                            在接受界面新闻等媒体采访时,库克将AI视为应用生态扩张的新机会。他认为,“氛围编程”(vibe coding)正在降低开发门槛,让拥有好想法的人更容易创建自己的应用,吸引更多人加入开发者群体,也带来更多应用。

                                            他强调,苹果提供的支持覆盖开发、运行和分发。开发者可以使用苹果的开发工具创建应用,通过苹果芯片运行AI功能,再借助App Store触达全球用户。

                                            作为苹果首款折叠机产品,iPhone Duo即将于10月16日开启预售,10月23日正式发售。它提供256GB、512GB、1TB和2TB容量,星光白与夜空色两种配色。不同容量版本在中国区的售价为15999元、17999元、21499元、26499元。

                                            在iPhone Duo预售前夕,苹果高管再次到访中国考察供应链。10月11日,苹果首席运营官(COO)Sabih Khan来到河南郑州富士康科技园,参观iPhone Duo生产线重点制程、iPhone 18 Pro后置摄像头模组产线、外观中框阳极氧化车间及SoC芯片级表面溅镀智造车间。被问及iPhone Duo的产能准备情况时,Sabih Khan表示,团队一直在为这款创新产品推进制造开发,目前正按照苹果一贯的高质量标准扩大生产规模。

                                            图片

                                            跳转微信打开

                                            山行公司 | 4个月融资数亿元,元环智能用“元模型”给 AI 装上“上帝视角”

                                            2026年10月15日 14:00

                                            山行资本 2026-10-15 14:00 北京

                                            元环智能(MetaCircle)完成数亿元融资。

                                            近日,仅成立4个月的元环智能(MetaCircle)宣布完成种子轮及种子+轮共计数亿元融资。所获融资将用于元模型的核心算法迭代与阶段性产品的探索、扩充团队,并持续发布自研基准benchmark。

                                            今天,全球都在用大语言模型(LLM)“思考”,元环智能创始人、首席科学家刘子鸣认为,大语言模型只能覆盖世界问题的约30%——文本、数学、编程这些“说得清”的任务。剩下70%的难题——科学发现、物理世界建模、AI本身的设计——单靠语言解决不了,模型需要更底层的直觉。

                                            近期Jev等模型的发布,也让资本市场第一次看到“非语言直觉模型”路线的可行性。

                                            而元环智能做的“元模型”(Meta Model),是一台能直接生成模型架构和训练超参数的“直觉机器”:给Ta一个陌生模型,Ta能预判它表现如何、在什么场景下更适配,相当于给AI行业装上“上帝视角”,将灵光一现变成日常,不堆算力卷直觉——帮开发者少走弯路、把算力花在刀刃上。

                                            这正是元环智能与热门RSI(Recursive Self-Improvement,递归式自我改进)路线的根本区别。业内用大语言模型做AI自我进化,在刘子鸣看来,就像户外野线探险:没有地图,没有方向直觉依据,唯一的通关方式是刷海量算力一遍遍试错。元模型能够学会直接生成AI模型的表现背后的规律,相当于拿到了整张地图并配备了GPS,自动屏蔽错误路线,对通过性有最充足的支持依据和判断,就拥有了属一阶乃至全局的信息指引。

                                            支撑这一判断的,是创始人的学术履历。

                                            刘子鸣生于1998年,现为清华大学人工智能学院助理教授,本科就读于北京大学物理系,博士毕业于麻省理工学院(MIT),曾在斯坦福大学从事神经科学与AI方向的博士后研究。他此前最重要的成果KAN(Kolmogorov-Arnold Networks,柯尔莫哥洛夫-阿诺德网络),用“可学习的激活函数”替代传统神经网络的固定激活函数,把模型从“黑盒”变成“白盒”——2024年发布至今,在GitHub上获得超1.6万星标、单篇谷歌学术引用超5700次。

                                            KAN发表之后,很快掀起了大量围绕该成果的后续研究,这让彼时还在MIT念博四的刘子鸣收到了清华大学人工智能学院的教职offer(在全球范围内极度稀缺)。“KAN不是一篇文章,也不是一个具体的模型,它是一种方法论和一种世界观,能够从混乱之中涌现出秩序。它证明了模型设计可以像牛顿定律一样,被‘科研审美’与第一性原理收敛,元模型正是这一方法论的下一个台阶。”刘子鸣介绍。

                                            刘子鸣表示:“如果说LLM擅长的是30%的已经被压缩过的符号世界或语言世界,元环智能所做的元模型则是解决剩下70%未被压缩过的数值世界,其核心就是KAN模型,中短期内可用于工业检测、金融量化、气象预测、电力预测、自动驾驶、世界模型等按时间连续记录的数据场景设计出专门的预测模型,并验证可行性及商业化落地。明年,我们将推出通用的元模型1.0,不限定场景,去生成适配各个垂直领域的专用模型。”

                                            公司成立于2026年5月,团队平均年龄约22岁,成员多来自清华、北大等顶尖高校,公司的slogan是“扩大洞察,而不只是算力”(Scale Insight, not just Compute)。团队自主研发的模型训练直觉的测试基准“Architecture IQ”近期也会发布,用来评估大模型和人类研究员对模型训练的直觉水平。

                                            山行资本在种子+轮押注元环智能,也是看到了元环智能的独特性。

                                            山行投资团队表示,AI4AI是模型主线探索的重要方向,产生好的idea与实现好的verification缺一不可,二者相比提出足够好的idea是其中更难也更关键的环节,决定了AI4AI的上限,元环智能通过元模型的新范式优先切入idea生产环节,有机会实现超过大部分人类研究员的直觉判断,推动AI research更好更快发展。子鸣老师是AI native的杰出科学家,兼具技术理想主义和对真实可验证成果的追求,期待他能够带领元环智能不断突破智能边界。

                                            山观 HIKE Insight | AI4AI:让AI成为自己的科学家

                                            山行荣誉|山行资本入选AI及应用投资竞争力机构

                                            山行公司| 谦合益邦打造全球首款4层3D DRAM存算一体芯片

                                            山行荣誉 | 山行荣获半导体与集成电路活跃机构奖项

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

                                            跳转微信打开

                                            ❌