铃阅时讯
❌

阅读视图

硅谷最火的岗位 FDE,我们干了三年(后续):这回把坑全摊开了

原创 佳芮的创业笔记 2026-07-13 23:35 北京

FDE,让AI真正变成生产力

这是崔牛会基于《硅谷今年最火的岗位 FDE,我们闷头干了三年》做的一小时深访。

崔牛会的创始人崔强约访时说得很直接:他想看 FDE 照进中国的落地现实到底长什么样,能不能抽出一套给中国 AI 公司、SaaS 转型公司用得上的打法。

所以这次不复述文章,只追问那些一笔带过、当时觉得"不好展开"的地方。

下面按对话整理,问题做了合并,金句做了高亮。

一、FDE 这个词,和一个没打算做 FDE 的起点

崔牛会:你最早注意到 FDE 这个词是什么时候?是前年 10 月 Palantir 把它讲火的时候吗?

更早,具体哪天记不清了,但一定在 2023 年之前。Palantir 这个角色搞了二十多年,我很早就盯着这家公司。

但有意思的是,2023 年我自己下场的时候,出发点根本不是 FDE。我们几乎是跟 dify、coze 同一时间做那套低代码平台的。我在 SaaS 行业创业了十多年,太清楚上一代低代码平台的毛病了:技术看不上,觉得这东西 low,不屑于用;非技术又没那个逻辑能力,用不起来。每家低代码公司本质上都在发明一种自己的语言,可你这门语言凭什么能标准化到所有人都认?这就跟"PHP 是世界上最好的语言"一样,是个吵了二十年也没结果的梗。

所以我当时就一个判断:这套东西必须我们自己用,自己拿它给客户交付结果。我卖了太多年软件,太清楚 SaaS 交付的从来不是软件,是最佳实践——今天 AI 让最佳实践交付得更简洁,那我们干脆只卖最后那个结果。2023 年第一天我就没卖软件,第一天就开始搭团队。那时候团队不叫 FDE,叫 PE,prompt engineer。

崔牛会:那会儿招 PE 是什么光景?

巨贵,还傲慢。一个应届生两万多。我印象特别深,面一个人鼻孔朝天,我多问几个细节,他觉得我在窃取他的方案——我就问了他一个 RAG 的原理,他转头找 HR 投诉,说你们公司想偷我的知识产权。

现在回头看挺可笑,但那就是当时的风气:大家对 AI 没什么真认知,懂一点点就觉得自己是大佬。这事现在完全不存在了。说它只是想说明,我们是从一个很糙的起点摸出来的。后来我才发现,当时纯属自救折腾出来的这些东西,OpenAI 后来也在做——真没想到。

二、为什么是一个新角色,不是"让更好的人上"

崔牛会:你最早是怎么意识到,需要的是一个新角色,而不是把现有的人换成更厉害的?

是被客户的不满意逼出来的。

最早交付全靠 PE。他能照着客户说的把提示词、把流程搭出来,活儿不差。但那一年半,我有一半时间在救火。火分两类。

一类是 PE 摸不透客户那门生意:客户怎么获客、钱卡在哪个环节、一句话背后是什么业务逻辑,他不懂。客户说一套,他照着搭一套,交出去总不是客户真正要的。这类火,我后来靠搭一支懂行业的咨询团队压下去——先把客户的生意吃透,再动手搭。

另一类是交付出去的 Agent 质量不合格:测试时好好的,一上线碰到真实数据和真实用户就出问题。这类火,我后来靠「句子守护」压下去——专门盯 Agent 上线之后的表现。

我一开始的反应跟大多数人一样:是不是这个 PE 不够强?换个更强的上。换了发现没用。再强的 PE,一个人也补不上"读懂客户的生意",更盯不住上线后的质量——那都不是 prompt 写得好不好的问题。

两类火救下来,我才想明白:缺的不是能力高低,是能力的组合,还有责任的边界。一个人既要钻进客户的生意,又要把东西搭出来,又要接进系统,还要上线后一直盯着。这套组合,现有任何一个岗位都不完整。所以不是"让更好的人上",是这个活本身需要一个新角色。

崔牛会:实施、售前、产品经理、客户成功,公司里这些岗位都现成的,为什么补不上这个位置?

因为它们各自只对一段负责,干完那一段就撤了。

售前对签单负责,单签下来就走。实施对验收负责,验收完就走。产品经理对 roadmap 负责,做的是卖给所有客户的功能,不对某一个客户身上的结果负责。客户成功维护关系、催客户用起来,但他不动手改系统。

AI 系统最麻烦的地方,是风险在上线后。它是个概率系统,测试时好好的,一碰到真实数据和真实用户就开始悄悄退化,还不报错,一点点把客户的信任磨掉。偏偏这时候,上面这些角色全撤了——系统最该有人盯的时候,没人了。

FDE 补的就是这个。售前的终点、产品经理的终点、实施的终点,正好是 FDE 的起点。从进场到上线到客户自己的人能接手,一根线拉到底,中间不换人。

还得补一句为什么是现在。

传统交付为什么要一串角色接力?因为一个人干不完。懂生意、搭系统、接老系统、上线盯着,每一段都是专门的活,只能拆开交给不同的人。可一拆开,每交接一次,上下文就掉一层:售前听懂的需求,传到实施那儿变了形;实施搭的东西,产品又按自己的 roadmap 改一道。交付里最值钱的就是上下文,可协作的人越多,上下文丢得越快——每一道交接都在丢。所以最好的办法,是让一个人尽量把能做的都做完。

以前只能忍这份损耗,没有 AI,一个人确实干不完这么多事。今天不一样:写代码、搭流程、跑测试这些工序,AI 都能当手脚使,一个 FDE 借着这套工具,能把原来一条流水线上几个人接力的活,自己并行做完。人少了,交接少了,上下文就留住了。一根线拉到底不是因为我们要求 FDE 是全才,是 AI 把那些原本必须拆开的工序,重新收拢回了一个人手里。

崔牛会:这听起来像是 OPC(一人公司)的逻辑。

我有个暴论:OPC 是个伪命题,可每家公司里,每个人又都该是 OPC。只有这样组织效率才提得上去。Anthropic 后来的访谈里讲的也是这件事——职位的边界会模糊掉,因为当每个人都为结果负责,沟通产生的信息熵就少了。

说白了有点像 OKR 和 KPI:当大家的 O 真的统一了,你就没必要再去拆那一堆 KPI 了。

三、FDE 到底是什么,它怎么反过来塑造了你们

崔牛会:用你自己的话定义 FDE。

一个客户,很多能力,对客户身上的真实成果负责。

拆开就三件:读懂客户的生意,把要交付的成果设计出来,用工程手段把质量兜住。具体到我们,就是 FDE 拿着七大产品基建,直接给客户交付结果。写代码只是其中一道工序,不是目的。衡量他的不是写了多少代码、交了几份文档,是这套系统到底有没有人在用、客户的生意有没有变好。

这套基建是三年踩坑踩出来的。FDE 拿它做完一个客户,能做到 1/10 的时间、1/10 的成本,交付两倍好的效果——中间是 200 倍的差异化。

崔牛会:它和售前、产品经理、实施顾问,一句话各自的区别?

售前对"签没签下来"负责,FDE 对"签下来之后客户有没有变好"负责。产品经理对"功能上没上线"负责,FDE 对"这个客户的转化、人效有没有真涨"负责。实施顾问对"交付物验收没验收"负责,FDE 对"上线之后还在不在跑"负责。

差别都在最后那半句。前面那些岗位的终点,是 FDE 的起点。

崔牛会:上一篇文章把 FDE 对客户的价值讲透了。我想问反过来的——它对句子互动自己的价值是什么?

这个问题问到点子上了。对外我们讲的都是客户人效翻倍、转化涨了多少。对内,FDE 对我们最大的价值,是它塑造了我们的产品形态。

我们今天的七个产品基建,只有句子秒回、句子秒懂这两个是当初坐在会议室里规划出来的;剩下五个,全是 FDE 在客户现场撞墙撞出来的。这也是我第一天就不卖软件的原因——我卖了太多年软件,太知道这里头的拧巴了:客户提的需求都是合理的,客户提的解决方案永远是不合理的。如果客户那么厉害,他自己就能当产品经理了。需求经过销售、经过售后、再传到产品手里,早就变形成一个奇怪的东西,解决不了他真正的问题。那好,我直接下场给你解决,我自己就知道最佳实践长什么样。

句子守护就是这么长出来的,这个故事很典型。

我逼着 FDE 必须交付好结果。FDE 说不行,有这问题那问题。我说好,那给你做 AI 测试。第一版做出来,FDE 又说一堆断点。我拉着 CTO 一起对,CTO 说你可以这么这么做,FDE 说不行有问题,俩人就是对不到一起去。我说那行,CTO 你下场,你把这个客户的 AI 测试整个跑出来,给我交付个结果。CTO 下场才发现,原来中间这么多断点,FDE 根本没能力把它讲清楚。整个句子守护,就是 CTO 一个人从产品设计、开发、测试到交付结果干出来的——因为他自己干过 FDE,所以他知道断点在哪,所以他解得开。雏形出来后再丢给产品包装交互、丢给测试做工程化测试,才成了今天的产品。

AI 时代,我们公司很多产品的开发顺序都倒过来了:原来是产品提需求、技术写代码、测试测结果;现在是技术直接下场把活干完,再丢回给产品写 PRD、丢给测试出报告,紧接着上线。生产的顺序变了,生产的组织也跟着变了。

崔牛会:那 FDE 是一个岗位,还是一种能力?

现在是岗位,本质是能力,长期会变成 AI native 公司的基本功。

同一件事,两个名字:对外,给客户搭 AI 员工的岗位叫 FDE;对内,帮我用 AI 重塑组织的岗位叫 AI 管培生。只是对内做得更彻底——因为决策权在我手里。他们直接向我汇报,任务只有一个:把我们自己的业务流,用 AI 重做一遍。有些对内跑通的场景,直接就长成了对外能卖的产品。比如内部招聘难受,我们就把 boss 直聘打招呼、自动面试全自动化,做成产品卖出去;比如我们有个产品叫跟单小二,最早是内部的 AI CRM——我认为以后 B2B 销售就负责到场、提供情绪价值,会议纪要、录 CRM、竞品分析、出解决方案、跟踪客户进展这些后台活全是 AI 给他干完。

这事不止这两个岗位在干,是整个公司在干。合同审核我们有个 AI 员工叫秒审,一份合同从过去审一天压到两分钟。我办过一次内部的 AI 员工 Hackathon,让各部门自己造 AI 员工,马上还要再办一次——标准就一个:这个 AI 员工能不能在内部真上岗、真接活,不是做个 demo 给大家看。每两周一次 AI workshop,以前是我讲,现在台上换成了销售、运营、财务、HR 这些从没写过代码的人,分享自己怎么用 vibe coding 把手上的活解决掉。为了让大家敢用,我给全员开了无限量 token,一人一台 MacBook,爱怎么烧怎么烧。从我到不写代码的财务,每天第一件事都是打开 Claude Code 干活。

加入句子互动,进入下一代 AI 组织

我之所以把内部这件事看得重,是因为我判断组织形态本身在变。

第一代是华为,把公司当一套流程跑,靠标准化做规模——run a company as a process。

第二代是字节,把公司当产品做,整个组织像软件一样迭代——develop a company as a product。

第三代我看的是 Anthropic:design a company as a parallel network——把公司设计成一张并行的网络,不停把串行的瓶颈压掉。

前两代再强,人和人之间还是串行的:你等我交接,我等你审批。AI 第一次让协作可以并行,组织的最小单元不再是一支团队,是"一个人加一支 Agent 团队",我叫它 1+N。一家 AI native 公司,如果人均做不到 FDE,那就说明这个员工不合格——这事在 Anthropic 内部已经发生了,在我们公司我还在努力。

四、谁在干,从哪来,怎么练

崔牛会:现在 FDE 团队谁在带,结构什么样?多大规模?

负责人是个学法学的 00 后女生。一开始没想让她当 leader,选她是因为两点:一是责任心极强,客户结果不好她会焦虑,甚至有点内耗;二是热心,我们开玩笑叫她鸡妈妈,新人进来她特别愿意教——这其实很少见,教人很费精力。她现在也面临新课题,带的人多了,太年轻,还需要更有资历、更懂客户和管理的人补上来,团队一直在迭代。但这个选择背后我想说的是:FDE 真正稀缺的不是写代码的人,是有极强责任心、又足够 AI native 的人。

规模上,公司现在七八十人,三分之一是 FDE,二十多个。这是核心部门,未来人数可能超过产研。画像很杂:基本是 00 后,也有从腾讯、百度、比亚迪挖来的资深测试开发,还有我们自己的产品转岗的——中间出去创过业,做 Geo 拿了 TS,团队也组得不错,后来又回来了。我挺喜欢硅谷 PayPal 黑帮那种气质——Palantir 自己就是从那帮人里长出来的,反叛的人能做好 founder,也能做好 FDE。所以我们不强求统一画像,核心就是责任心、AI native、好奇心、执行力。

我们刻意把规模按住。这不是省钱,是设计。如果客户翻一倍 FDE 就得翻一倍,那说明产品没起到杠杆,又退回外包了。Palantir 到 2016 年 FDE 比软件工程师还多,我们想走反过来的路:客户在涨,FDE 人数按住,靠产品基建放大每个 FDE 能盖住的客户数。

崔牛会:从哪招?要行业老兵,还是 AI 原住民?淘汰率多高?

两类人,不是一类。一类是懂某门生意的老手,招这种我专挑"反叛者"——不只懂这行怎么干,还能一眼看出现在这套为什么不够好。另一类是长在 AI 里的年轻人,天生把大模型当手脚使。唯独不该上来就招的是算法工程师。大部分公司做 AI 落地第一反应是招算法,错了。第一个该招的,是能听懂客户怎么赚钱的人。

招聘是社招,一整套标准面试体系,最后一轮我亲自面。早期我这关淘汰率 80% 到 90%,现在画像对齐了,淘汰率降到 10% 到 20%。我面得很快,半小时,就看一件事:你是不是真做过事。很多人爱用 fancy 的词把自己包装得很厉害,我往细节里追几句,纸老虎一捅就破。只要真做过,就能来。

崔牛会:怎么培养?怎么考核?

培养不靠上课,靠筛选加老带新。底层先筛两样东西:好奇心和执行力。

好奇心,让你愿意扎进一门跟你八竿子打不着的生意,把它当回事去搞懂。

执行力,让你在"看出哪儿不对"和"动手把它改了"之间一直来回,而不是写份报告就交差。

这股劲,Palantir 早期那帮人身上最明显。他们招人不挑科班对口的领域专家,专挑好奇心旺、不服现状的——把一个你完全不懂的领域甩过来,情报也好、反欺诈也好,你能自己钻进去趟出条路。这批人后来出去开了一大堆公司,底色是同一种:不接受"这行就这么干",先问凭什么,再上手把它干掉。会写代码、懂行业,都能补;好奇心和不服气这两样,补不出来。我招 FDE 看的就是这股劲,比简历上写了什么重要得多。

筛对了人,培养就简单了。先上一周新兵训练营——这套课打磨到现在,HR 自己就能带了,今年还拿到了工信部认证的 FDE 培训证书,甚至开始跟职业大学合作培训 FDE。上完直接老带新,老 FDE 带着新人上真实客户现场,跑着跑着就长出业务 sense,听得懂客户话里的生意了。这个过程没法加速,就得在真客户、真数据、真出过故障的现场崩溃过很多次,才能跑出来。所以我不觉得能招到完美的 FDE,但我有信心能培养出来。

考核只看一件事:你负责的客户,业务指标有没有真涨。拿销售场景举例,我们落地时和客户做 AB Test——AI 组是销售加 AI,对照组是同样的销售纯人工,两组线索质量、团队水平拉平,只差用不用 AI。不看代码量,不看文档,不看工时。内部考核口径和对客户的收费口径是同一个,所以不会跑偏。

崔牛会:你自己还会下场做 FDE 的活吗?

会,而且挑的是最难的那摊——带着 AI 管培生,把我们自己的内部业务流重做一遍。我在革自己的命,第一刀先冲着我自己的工作流来。这种改造最难啃、杠杆也最高:它动的是流程本身、是谁干什么、是出了事谁担,这种决定只有我拍得了,所以我得自己先下场。

我先把自己一天的活搬上 Agent——调研、写文档、看数据、盯几条线并行。我一个人每天就烧掉几百万 token,把模型推到极限,所以我很清楚现在模型最强能到哪、边界在哪。所以 FDE 不大敢跟我说"这是模型幻觉",他知道我会把他骂回去,而且会给一个更好的解法。

我自己趟通一条,就带着 AI 管培生照着把它铺到对应部门,一条业务流一条业务流地重做。

五、一个完整的案例,和按结果收费踩过的坑

崔牛会:挑一个最典型的,从头到尾讲一遍。

就讲那个头部在线教育客户。

第一阶段,诊断。一位懂这行的前辈带着行业经验驻场三五天,把客户的 SOP、知识库、整条获客转化链路摸清楚:他从哪获客,怎么转化,钱卡在哪个环节。不上来装软件,先搞明白这门生意。

第二阶段,搭。业务专家带着 FDE 把销售 Agent 搭起来、跑内测,质量这块交给句子守护兜底。

第三阶段,落地,做 AB Test。整条链路一个环节一个环节比:触达率、响应率、转化率、人效,每一步都有数据,全程留痕。结果:AI 组的产出是对照组的三倍。一个销售一个月能盯的人,从一千做到三千。转人工率从 27% 降到 2.73%,故障率从 16.26% 降到 0.13%,线索量六个月爬了十一倍。收费跟着结果走:他盯的人翻了三倍,付给我们的也翻三倍。

崔牛会:按结果收费喊了这么多年,这套收费方式是一开始就这样吗?

不是,踩了很多坑,迭代了快一年。

最早我特别想按 GMV 分成,跑失败了。因为 GMV 好不好,取决的因素太多——流量质量、销售转化、SKU 定价,你很难说这单涨了是因为我的 AI。GMV 没法做干净的 AB Test。

迭代到最后,变成按 leads 收费,核心是控制变量法:只留"用不用 AI"这一个变量,别的全拉平,我才能说产出都是 AI 带来的。光是把这个量化指标跑通,就花了小一年——你不知道怎么量化,就不知道怎么收钱。

中间还有个坑特别有意思:销售特别爱抠 AI 的字眼。在线教育的销售都觉得自己的话术身经百战,就揪着 AI 说"你这语气跟我不一样""你这句该用'亲'还是'宝'还是'~'",说你这就是不准。后来我们干脆不纠准确率了,只盯两类指标:

  • 过程指标:填表率、行课率、完课率、作业完成率

  • 结果指标:就一个——一个人能接的 leads 翻倍,ROI 不掉。人工组一个人接 800 leads,AI 组接 3000 leads,单个 leads 的 ROI 不下降

注意力全压到这两类指标上,那些"要不要加个'哦'"的纠结,就不重要了。

崔牛会:做了 FDE 之后,项目成功率提高了吗?怎么定义成功?

提高了,但不是每个都成。成功的定义就是上面那个 AB Test:AI 组打赢对照组,客户业务指标真涨,然后他愿意续约、愿意把单子做大。从世俗的 SaaS 口径看,我们的 NDR 是 112%,recurring 收入占 92%——老客户每年不光续,还在扩,单个合同越做越大。这是用脚投票的结果。

做不动的也有,两类。一类是数据和系统基建太烂,底层是散的,AI 在上面跑不起来;另一类是组织本身不愿意用,老板想要、下面的人不配合。这两类我们后面都有了对应的解法,下面讲。

六、七大产品基建:现场每撞一堵墙,产品就长一块

崔牛会:这种"现场的苦变成产品",挑几个最典型的讲讲?

七个产品基建,每一个背后都是一堵现场撞过的墙。

句子守护,我最看重的一个。它管的是 Agent 的质量。Agent 改一行就可能带坏另一处,靠人一遍遍手测根本测不全、测不准,上线前心里没底。我们的办法是把传统软件工程那一套搬过来,管 Agent 的健康度。我们内部叫六道关:AI 生成测试用例、批量验收跑回归、灰度上线、AI 工单、上线后 AI 质检——每改一行全量重考,回归不到标准不放行;上线后还有一个 AI 盯着所有 AI,定期抽检真实对话出健康度报告。这套东西在 PE 时代根本做不起来:全靠人的手感,没有自动化回归兜底,测漏是常态。现在它是产品,下一个客户进场质量这道关开箱就有。

我们给它一句定位:像管软件一样管 Agent。我特别想做的事,本质是 AI 守护人,因为人本来就不靠谱。它也理顺了销售和 FDE 的协作。销售不懂技术,过去 Agent 到底好不好全靠嘴上掰扯,掰不清就来找我断官司。现在句子守护直接出一份测试报告,质量结果全在上面,是量化的——销售一看就知道 FDE 交付的 Agent 行不行,报告不达标就是 FDE 没搞好。这份报告甚至能直接摊给客户看。

句子制造,从"客户基建太烂"那类失败里长出来的。客户底层数据是散的,AI 没法在上面跑,以前我们不做定开,就让客户自己去补,周期一拉长就不了了之。所以我们做了个独立环境,本质是个 coding agent,FDE 直接在里头给客户把需要的数字化系统做出来,时间成本很低,还跟我们系统打通。

句子懂行,解决知识工程。客户甩给你两个 T 的文件,说"这就是我的知识库,拿去做 AI"。可文件里到处是矛盾:同一个产品,这份文档写卖 2000,那份写 5000,到底信哪个?而且文件散落各处,没标签、没元数据,根本没法检索。句子懂行用 AI 做预处理,把散落的内容整理成 AI 能检索的形态,再把所有矛盾点列出来,让客户先裁决哪条对、再进库,顺手把测试也做了。这是每个客户专属的知识工程——做好了,其实是帮客户把自己的知识先理清楚,AI 检索才跑得准。

句子 CLI,解决"老系统不敢动"。客户有几百个系统,往往跟收银、跟钱相关,是核心业务,谁也不敢让你重做——出了事谁负责?所以我们不动它,给每个系统配 CLI,原系统不用改,照样能把数据处理打通。

崔牛会:刚才提到两类做不动的客户,后来怎么解的?

第一类,基建太烂,就是上面说的句子制造,直接下场帮他把数字化系统补上。

第二类更微妙——老板和执行层有 gap,老板聊得很好,下面的人就是不配合。我们最早觉得自己有底气按结果收费,就不收咨询费,直接下场吭哧吭哧干。后来发现不行,不收咨询费他就不重视。所以现在反过来:先收一笔咨询费,老板交了钱,下面的人才会觉得"这东西我们交了钱,得用起来",后面再收按结果付费的 AI 员工费用。先收咨询费再按结果收费,成功率反而更高。

七、什么客户最需要,规模化卡在哪

崔牛会:在你的认知里,哪类客户最需要 FDE?

所有非 AI native 的公司,都需要 FDE。

判断一家公司 AI native 不 native,有个暴论式的标准:看 00 后比例,看 founder 背景。如果 founder 是 00 后、又在做 AI,大概率挺 native;如果 founder 不是 00 后、又没技术背景,很难。我自己是把命革掉半条,加上原本就写程序出身——我的开源框架上个时代有两万多 star,影响过上百万开发者——我才长成一个还算 AI native 的人。今天的 vibe coding,其实你得懂程序,才知道怎么设计架构、怎么部署。没技术背景的销售型创始人,补这个认知要花不少时间。

顺带说个观察。美国的 SaaS 土壤确实比中国好太多,这点我承认。但也别因此就神化它的数字化程度。我中美两地常跑,2019 年进过 YC,现在也给一些美国 founder 做 mentor。一个耶鲁的同学做财务 Agent,底下接的还是 Windows 时代那种离谱的老软件,在美国跑了几十年。真到系统层面,各家公司都不行。怎么用 AI 把这些老掉牙的东西接进来、变成 AI 能处理的,才是今天所有 AI 公司共同的命题。

项目这边:越复杂、离钱越近、结果越能量化的,FDE 机会越大。制造业、金融这类复杂项目尤其需要——我们最近还做了个 AI 后勤主管,管充电站的保洁:几千个充电桩,过去靠人排班、靠人盯、验收靠抽查,现在 AI 按需派单、AI 看照片验收、不合格自动出工单和报告,连这种蓝领后勤的活都能管。反过来,离钱越远的就越低一档,比如客服——同一个客户,一个 AI 销售岗一年带来的合同额,是 AI 客服岗的十倍以上。

崔牛会:FDE 规模化,最大的挑战是什么?

人。

能扎进陌生生意、又对结果较真的人,本来就稀缺;更麻烦的是,这种人离自己出去开公司只差一步——他既懂一门生意怎么赚钱,又会用 AI 把活干完,凭什么留下来跟你干?

我们公司最近就有两个离职的人又回来了。靠的是文化和产品基建,让人觉得"咱们一起干,你拿到的更多"。所以挑战是两层:一是持续找到、留住这种人;二是用产品把对这种人的依赖一点点降下来,让一个没那么稀缺的人,靠我们的工具也能干出接近的结果。第二层做得好不好,决定了按结果收费这个模式能铺多大。

崔牛会:FDE 会成为 AI 公司的标配吗?

会。Bob McGrew 那句话我很认同:

Agent 没有现成的样子。SaaS 你一上来就知道要做成什么样,照着做个更好的去抢市场;Agent 不是,没人知道一个销售 Agent、客服 Agent、甚至我们做的那个能接案子的律师 Agent,最后该长成什么样,只能钻进客户真实业务里一点点试。谁想在 Agent 时代找到 PMF,FDE 大概绕不开。

硅谷今年集体做 FDE,巨头一边自建一边拉麦肯锡、德勤,说到底是认了同一件事:客户认的是结果,不是过程。

八、重来一次,和"CEO 是天花板"

崔牛会:如果重来一次,你会怎么设计 FDE?

三件事,两件照做,一件会改。

照做的:第一天就按结果收费,2023 年就定下来,扛住了同行都按人头按工时收的压力。还有一句——第一天就别招算法,招懂生意的人。这条我们只做对了一半:确实第一天就没招算法,但也没招到懂生意的人,招的是一批 00 后 PE。不过那个时候我没那么多资源,再来一遍大概率还是这么走,还是得从零培养。这其实是个资源匹配的问题——换成今天的我,有资源了,第一天就会去招懂生意的人。

为什么以前没资源、现在有了?很多人是因为相信所以看见,也有很多人是因为看见所以相信。两年前我盲目相信这事能成,先做了出来,今天麦肯锡、科尔尼、安迈这些非常资深的合伙人愿意跟我们合作、给我们带大 case——是因为我们做到了,他们看见了,所以信了。

会改的:更早把"质量兜底"做成产品。句子守护我们做晚了。其实 2023 年第一个项目我就在干这事——自己写代码、用 Excel 把测试用例放进去批量跑结果,想把它标准化。但真做成花了这么久。为什么慢?说到底还是组织的问题:23 年我没有现在的现金流、现在的认知。一家 AI 公司的天花板,就是 CEO 本人——他的认知、他的执行力、他当下的资源,决定了这家公司能做成什么样。

所以那些坑,我大概只能自己踩。CEO 多半是不撞南墙不回头的人,没撞到南墙,就总觉得自己是对的。换个阶段、换个认知,踩的坑不一样,但该犯的错一个不会少——区别只在于,撞下去之后知不知道收脚。

阅读原文

跳转微信打开

  •  

人生周报v081:方法

原创 李继刚 2026-07-13 22:46 北京

「不戚戚于贫贱,不汲汲于富贵。」

《剑来》里,陈平安遇到眼前一亮的句子,会一笔一画刻在竹简上,时不时拿出来晒晒太阳,翻拣重读。

以陈平安为师,我想记录一下每周在这世上遇到的好句子。

每周读到的好句子,收下来晾一晾——是以有「读」。

心里总有话忍不住想对这个世界讲,——是以有「说」。


读

真正的 bitter lesson 是,所有的主观判断都会被无情的客观现实碾压。所以人生就是一个不断客观的过程。

即刻 @海松

不要向他人证明自己,也不要向自己证明自己。

「证明自己」是人生的弯路。

即刻 @王盐

知道人是什么时候开始没有心气的吗 就是你熬过巨大挫折和痛苦的那年 在外人看来你迈过了那道坎 但是只有你自己清楚 有一部分的你死在了那场劫难里

即刻 @二狗想吃鱼

三人行必有我师,这话被讲烂了,但大多数人只记住了“向强者学”。

孔子的意思其实更狠:那两个人,一个教你该怎么做,一个教你别那样做。蠢货和烂人也是老师,你看着他栽跟头,就省下了自己栽的成本。

我这些年学到最多的,不是从佩服的人身上,是从那些让我警醒“千万别变成这样”的人身上。

X @qinluos

Everyone wants freedom.

Few people want the responsibility that comes with it.

X @MoZarrinsadaf

说

凡以「不要」说出的愿望,仍属于它所否定的世界。

凡以「我要」说出的愿望,才划出它所创造的世界。

「我要」>「不要」

ai 这几年,同样需求场景,体验“十倍好”提升的产品有哪些?

「预测」是一种强大的「选择压」。

它会逼迫你放弃模糊的理解,只留下对「结构」的判断。

LLM 靠预测下一个 token,学到了语言的结构。

人也应该靠预测所在领域的下一步,逼自己看见这个领域真正的生成机制。

护城河不是「我和别人不一样」。

护城河是某种差异无法被竞争者低成本抹平,并且这差异确实改变客户选择、成本曲线、供给速度或分发路径。

人在做,AI 在看。

书

本周推荐书籍《谈谈方法》(笛卡尔)。

我身上的一部分习惯,是早年读这本书时不自觉学到的。

比如思考时建立一些原则:

  1. 明证:不把尚未清楚分明的东西当真,先挡住仓促与成见;

  2. 分解:把困难拆到可处理的部分;

  3. 次序:从简单、易知处逐步走向复杂;

  4. 穷举:全面复查,防止长推理链漏项。

比如框里有好苹果和坏苹果,如何挑出坏苹果?

先清空,再把好的一个个检视放进去。

这招不一定是最优策略,但它们就这么一点点成为了我思考的一部分底色。

跳转微信打开

  •  

干货 | 200G内存尖峰、数十万Pod迁移:携程Karmada规模化治理实录

原创 扎克 2026-07-10 12:00 上海

用联邦层承载全局治理,用成员集群保留本地自治

作者简介

扎克,携程资深云原生研发工程师。长期关注 Kubernetes 多集群、弹性调度与控制面稳定性建设,深耕复杂基础设施系统在真实业务流量下的落地与演进。

导读:多集群治理并不只是把应用分发到多个 Kubernetes 集群这么简单。

在大型在线业务场景下,基础设施平台既要统一分发资源,又要在容量变化、集群拆分、故障切换和基础组件交付过程中保持足够稳定。尤其是交易型业务,对弹性、可用性和变更平滑度都有很高要求:联邦控制面不能成为运行时强依赖,也不能在规模扩大后成为新的性能瓶颈。

携程很早就开始了 Kubernetes 集群联邦实践。早期,我们主要使用 Kubefed 解决跨集群资源同步和统一管理问题。随着业务规模增长,多集群逐步从“资源分发”走向“生产调度与规模化治理”,平台侧需要更主动地控制应用跨集群分布,并在容量变化或异常场景下完成平滑调整。

在这个过程中,我们逐步引入 Karmada,并将其作为新一代多集群联邦控制面的基础。如今,Karmada 已在携程用于多集群高可用、跨集群迁移以及基础组件统一交付等场景:累计完成数十万个 Pod 迁移,并将新集群 baseline 组件的初始化时间从数天缩短到数小时。

本文会围绕三个层面展开:

  • 架构演进:为什么从 Kubefed 走向 Karmada,原有联邦模型在哪些生产场景下遇到边界;

  • 生产落地:如何支撑多集群高可用、跨集群平滑迁移和新集群基线组件初始化;

  • 规模化治理:几十万级资源规模下,如何优化控制面状态同步、启动成本、内存压力和策略权限边界。

一、为什么从 Kubefed 走向 Karmada

二、Karmada 在携程的生产落地

三、规模化使用中的问题与优化

四、后续方向

一、为什么从 Kubefed 走向 Karmada

在携程早期的集群联邦实践中,Kubefed 承担了部分资源联邦分发和多集群管理职责。它当时主要承担跨集群资源同步和统一管理的工作,也支撑了早期联邦能力建设。

但随着多集群场景从简单资源分发扩展到容量调度、应用迁移和弹性治理,平台侧对联邦能力的要求发生了变化。Kubefed 的模型开始暴露出一些局限。

1.1 资源模型引入额外适配成本

Kubefed 通过 FederatedDeployment、FederatedConfigMap 等 federated 对象描述联邦资源。原生 Kubernetes 资源需要被转换成对应的 federated 资源后,才能参与多集群分发。

这会带来额外的模型适配成本。原有围绕 Kubernetes 原生对象构建的发布、审计、运维链路,以及平台侧基于原生资源扩展的增强能力,都需要做相应改造。对于已经沉淀了大量 Kubernetes 原生能力的平台来说,这类改造成本并不低。

1.2 平台策略与业务配置耦合

在 Kubefed 模型中,业务资源定义、分发策略和集群差异配置往往集中在同一个 federated 对象中。

当平台侧需要调整调度策略时,通常只能通过修改 federated workload 实现,而这类对象又通常由业务侧维护。这会增加变更成本,也不利于平台侧统一治理。随着多团队、多集群共用同一套联邦能力,这种耦合会进一步放大协作复杂度。

1.3 缺少控制实例分布的上游入口

在携程的联邦 HPA 场景中,成员集群必须保留本地扩缩容能力。扩缩容是高频核心链路,不能强依赖联邦控制面;否则一旦联邦控制面不可用,业务应用的自动扩缩容也会受到影响。因此,我们将实时扩缩容保留在成员集群内,由各成员集群 HPA 根据本地指标独立完成;联邦层则用于表达资源分发策略和跨集群调度意图。

在携程旧有的 Kubefed 体系中,各成员集群可以独立扩缩容,但联邦层只能把当前副本结果记录回 federated workload。这能反映现状,却不方便表达平台侧的分布目标。比如管理员希望应用实例在两个集群中的比例按 3:7 分布时,Kubefed 缺少类似 weight 的配置入口。

基于以上原因,我们开始采用 Karmada 作为新一代多集群联邦控制面的基础。

与 Kubefed 不同,Karmada 并不是通过为每类资源重新定义 federated 对象来完成分发,而是尽量保持原生 Kubernetes 资源不变,并将业务对象、平台策略和调度结果拆开管理。

业务资源仍以 Deployment、Service、ConfigMap、HPA 等原生 Kubernetes 对象存在;平台侧通过 PropagationPolicy、OverridePolicy 等策略对象描述分发范围、分布权重和集群差异配置。这样,业务对象不需要为了联邦分发改变形态,平台侧也可以在业务对象之外独立表达调度策略。

对于携程需要控制实例分布、进行跨集群 Rebalance 的业务场景,Karmada 也提供了更明确的策略入口,例如通过 weight 描述应用在不同集群之间的目标分布。

二、Karmada 在携程的生产落地

引入 Karmada 之后,它最早承担的是资源分发入口,后来逐渐覆盖到多集群高可用、跨集群迁移和基础组件交付等场景。

我们在架构设计中始终坚持一个核心原则:

低频、全局、跨集群的能力放在联邦层;高频、局部、运行时强依赖的能力保留在成员集群内。

这条边界决定了 Karmada 在携程生产环境中的角色:它负责全局策略、资源分发、状态聚合和跨集群调度意图,但不直接接管实时流量决策和成员集群内的实时扩缩容链路。

2.1 韧性优先的多集群高可用架构

携程有大量交易型业务,流量高峰明显,容量需求也具有很强的弹性。对这类业务来说,多集群架构不能只解决“资源分发到哪里”的问题,还必须保证故障发生时业务可以快速恢复。

具体来说,我们会将无状态应用部署到多个成员集群中,每个成员集群都运行独立的 HPA 组件。正常情况下,各集群根据本地指标独立完成扩缩容。当某个承载线上流量的成员集群发生故障时,流量侧会基于实例健康状态摘除故障集群中的实例,并自动切换到其他健康集群;同时,健康集群中的 HPA 被触发扩容,完成自愈过程。

在这个架构中,Karmada 负责分发应用资源和 HPA 对象,联邦层控制器负责状态聚合和 Rebalance 计算,但不直接接管实时流量决策和成员集群内的实时扩缩容。即使 Karmada 控制面短时间不可用,也只会影响应用更新和自动 Rebalance,不会影响已经运行服务的流量切换和本地 HPA 扩缩容能力。

这也是我们在生产中非常看重的一点:联邦层需要足够可靠,但核心运行链路不应该把它作为实时强依赖。当前内部设计允许联邦控制面达到小时级别不可用,因为核心服务运行、流量切换和成员集群内扩缩容都不依赖联邦层的实时可用。

这样的架构让故障影响面可以被限制在单个成员集群内,也让核心服务具备更强的高可用和容灾能力。

2.2 权重驱动的平滑跨集群迁移

随着业务规模快速增长,我们的部分 Kubernetes 集群曾经达到 5000 个节点以上。单集群规模继续扩大后,容量、运维和故障隔离都会遇到边界。因此,我们经常需要拆分集群,把应用逐步迁移到新的集群中。

过去,这类迁移缺少管理员侧的统一能力,往往需要业务负责人通过重新发布应用来触发迁移。这个过程既耗时,也会增加业务侧的理解和操作成本。

在 Karmada 体系下,我们在联邦层引入自研 fed-hpa-controller 和 Rebalance 状态机,用于聚合各成员集群的副本状态,并在迁移过程中按灰度批次推进实例分布调整。

管理员可以通过 PropagationPolicy 中的 weight 声明应用在不同集群之间的目标分布比例,状态机会根据目标权重自动推进迁移。在生产操作中,目标权重也可以按阶段设置,用于控制整体迁移节奏。

对于使用 HPA 的 workload,fed-hpa-controller 会结合 PropagationPolicy 中的 weight、各成员集群的实际副本数,以及 HPA 的扩缩容约束,驱动状态机计算每一批 Rebalance 的目标。

执行时,状态机会优先扩容目标集群,使整体副本数在短时间内高于实际负载需求;随后源集群实例的平均负载就会下降,并由源集群本地 HPA 按缩容策略自然缩容。迁移节奏会与 HPA 的缩容稳定窗口对齐,避免副本数在集群之间来回抖动。

对于不具备 HPA 的 workload,我们也在内部版本的 resourcebinding-controller 中补充了灰度控制逻辑,由控制器按固定步进自动推进副本分布调整。这样,跨集群平滑迁移能力不再局限于 HPA 场景。

如果迁移过程中需要回退,也可以通过恢复上一版本 weight 触发反向 Rebalance,或者中止 Rebalance 后将期望状态重新对齐当前实际分布。

目前,这套机制已经支撑我们在多个集群之间完成了大规模迁移,累计涉及超过数十万个 Pod。

2.3 基础组件统一分发:从数天到数小时

在多集群体系中,新集群创建完成并不意味着可以立刻承载业务。一个 Kubernetes 集群真正进入可用状态之前,还需要完成一组 baseline 组件的安装和初始化,包括网络、监控、日志、RBAC、Operator、平台插件以及其他支撑资源。

这些组件数量多、来源分散,并且存在明确的依赖关系:有些组件必须先就绪,后续组件才能继续安装。

在引入 Karmada 之前,这部分工作通常需要多个团队分别处理。不同团队维护各自的配置和发布流程,初始化过程中既要关注安装顺序,也要反复确认配置一致性。一次新集群交付往往需要持续数天。

引入 Karmada 后,我们将基础组件分发收敛到统一入口。管理员只需要在控制面声明目标集群和分发策略,后续组件分发过程就可以自动推进。

具体来说,组件之间的依赖和安装顺序由上层的 Trip Cluster Components Controller 负责编排。当前置组件就绪后,上层控制器再将后置组件纳入 Karmada 的分发范围,并通过 PropagationPolicy 下发到目标集群。Karmada 负责资源分发和状态保持,资源下发到成员集群后,继续按照 Kubernetes 原生方式运行。

目前,这套能力已经覆盖数十个集群,新集群 baseline 初始化时间也从原来的数天缩短到数小时内,这让新集群从创建完成到具备业务承载能力的周期大幅缩短,也减少了扩容高峰期对多个团队串行配合的依赖。

三、规模化使用中的问题与优化

随着 Karmada 覆盖的集群和资源数量不断增加,我们遇到的问题也从“能力是否可用”逐渐转向“控制面能否在更大规模下稳定运行”。

这些问题主要集中在三个方面:控制面高频状态同步、控制器启动成本、单实例内存压力。此外,多团队共用控制面后,策略权限边界也需要额外治理。

3.1 高频状态同步带来的控制面压力

Karmada 标准分发链路中,Work 是面向成员集群的资源载体,与成员集群对象存在 1:1 的映射关系;早期我们的 fed-hpa-controller 也沿用了 Work 进行分发。

在 HPA 场景中,成员集群中的副本数、HPA status、ready pod 数量等状态会持续频繁变化。如果这些运行时状态都沿着联邦链路同步回 Karmada 控制面,Work 就会从资源分发载体变成高频更新对象。

在生产中,这类高频更新曾经带来明显的控制面压力。部分场景下,Karmada 控制面中对应 Work 资源的更新频率可以达到每秒数百次。频繁读写会推动 etcd db size 增长,进而引发写入延迟劣化;Work 更新过快也会导致 karmada-controller-manager 的 informer cache 长时间滞后,进而出现大量 409 冲突。冲突后的重试又会继续放大整体负载,形成正反馈。

针对这类问题,我们的优化思路是缩短高频链路,减少不必要的控制面写入:

  • 在内部版本 Karmada 中,弃用 Work 资源,将 Work 相关逻辑折叠进 resourcebinding-controller 和 fed-hpa-controller,避免每一次运行时状态变化都转化为 Work 更新;

  • 降低 HPA status 更新频率,减少联邦控制面的状态写入频率;

  • 对 watch event 做 batch 和去重,例如在短时间窗口内合并同一个对象的多次事件,减少 reconciliation 触发;

  • 升级 etcd 到 3.4,降低 db size 增长后对写入性能的影响。

3.2 启动成本随资源规模放大

karmada-controller-manager 启动时,需要先通过 List/Watch 建立控制面对象和成员集群对象的 informer cache。资源规模越大,首次 List 进行 cache 同步和存量对象入队处理的耗时就越长。在滚动发布或重启 controller 时,这部分启动成本会直接传导为业务用户感知到的发布延迟。

这里的延迟主要来自三部分。

第一,List 本身会随着对象数量增长而变慢,informer cache 同步时间随之变长,会延长 controller 新实例就绪所需时间。

第二,如果 List 时间超过 kube-apiserver watch cache 能覆盖的时间窗口,后续 Watch 就容易出现 too old resource version,触发重新 List,并伴随 409 冲突和重试,进一步放大同步成本。

第三,存量对象进入队列后仍然需要 controller 逐个处理。worker 并发、client QPS 和单次 reconcile 成本都不可能随资源量无限增长,因此资源量上来后,存量队列清空本身也会成为发布链路中的耗时点。

对此,我们主要做了几类优化:

  • 启动阶段预加载 informer,等待 cache 同步完成后再上报 ready 并参与选主,从而在滚动更新过程中保留旧实例继续处理事件,降低新旧实例切换时的感知影响;

  • 调整 kube-apiserver watch cache 时间窗口,避免 too old resource version 错误。(在社区版本 v1.33 起可通过 --request-timeout 参数调整)

  • 对存量对象对账和新增变更事件区分优先级,引入优先级队列,优先处理新增和变更事件,将存量对象对账放到最后,降低业务用户的可感知延迟;

  • 写入前增加 deepEqual check,跳过无变化对象,减少无效 update 对 HTTP 请求 QPS 的占用,加快存量对账速度。

3.3 karmada-controller-manager 内存压力

随着纳管资源数量增加,karmada-controller-manager 的内存压力也会变得明显。内存占用主要来自几类对象和过程:

  • 需要 Karmada 进行分发的资源;

  • Karmada 控制面资源,例如 Work、ResourceBinding、PropagationPolicy、OverridePolicy;

  • 成员集群被纳管对象的 informer cache,且不仅包括被纳管对象,还包括该类别在成员集群的所有资源;

  • List/Watch 过程中的对象反序列化。

在大规模下,启动或 cache 重建阶段的瞬时内存峰值会明显高于常态。尤其是在 dynamic informer 和 unstructured 对象路径中,数据从 JSON 字节流反序列化为 unstructured 对象进入 informer cache,会带来较高的对象化成本。

当前线上较大规模下,Karmada 纳管资源量已经达到几十万级,karmada-controller-manager 在控制面启动时内存尖峰可达 200G。压测也表明,资源规模继续翻倍甚至数倍增长后,单实例内存会成为更明确的容量边界。

当前可优先利用 watch list 相关能力。我们在基于 Kubernetes 1.36 的环境中验证后,观察到该能力可将启动时内存尖峰降低约 15%。

此外,还有一些方向后续会继续评估:

  • 使用 CBORServingAndStorage feature gate,进一步降低传输以及编解码开销;

  • 对成员集群 informer 中冷数据使用 metadata informer,减少完整对象缓存;

  • 对类型固定、字段访问稳定的对象使用 typed informer,降低 unstructured 带来的编解码和内存开销;

  • 对部分大对象链路探索 bytes cache,减少不必要的编解码和 unstructured 对象化成本;

  • controller 分片,避免单进程承载过多对象。

3.4 策略权限边界问题

除了性能问题,策略权限边界也是深化使用后需要关注的点。PropagationPolicy 和 ClusterPropagationPolicy 通过 resourceSelectors 选择需要分发的资源。在多团队共用同一个 Karmada 控制面的情况下,如果缺少额外约束,就可能出现策略选择范围超过预期、不同团队策略互相冲突的问题。

原生 Kubernetes RBAC 很难在统一资源类别内做细粒度约束。因此,我们在部分场景中引入 OPA 作为准入控制层,对 PP/CPP 的创建者、目标资源的 label、resourceSelectors 的匹配范围这几类信息做额外校验,避免策略越权选择其他团队的资源。

这类问题本质上是多团队共享联邦控制面后必然会出现的治理问题。Karmada 提供了策略入口,平台侧还需要围绕这些入口补齐权限、审计和准入控制能力。

四、后续方向

后续,我们会继续推进历史 Kubefed 体系下线,并将更多基础设施治理能力收敛到 Karmada,减少两套联邦体系并存带来的维护成本,提升多集群交付和运维效率。

同时,我们也会持续优化大规模场景下的控制面稳定性,减少资源规模增长对数据同步、缓存和控制器处理链路带来的压力。重点方向包括降低高频状态写入、优化启动阶段 cache 构建成本、控制单实例内存边界,以及探索 controller 分片等能力。

回看整个演进过程,我们最核心的经验是:联邦控制面不应该接管所有事情,而应该明确自己的职责边界。低频、全局、跨集群的能力适合放在联邦层,例如资源分发、策略表达、跨集群迁移和基础设施治理;高频、局部、运行时强依赖的能力则应该保留在成员集群内,例如实时扩缩容、流量切换和本地故障自愈。

换句话说,用联邦层承载全局治理,用成员集群保留本地自治。这条边界如果划不清,联邦控制面很容易从治理入口变成新的运行时风险点;划清之后,它才能真正承担全局治理的价值。

【推荐阅读】

 “携程技术”公众号

  分享,交流,成长

跳转微信打开

  •  

【万物皆可 Sive Vol.02】台风“巴威”逼近,哪些区域可能受影响?来看看实时风雨图

孟宸 2026-07-09 18:11 浙江

今天朋友圈被台风消息刷屏了。

台风路径、气象预警、登陆时间、影响城市……预计后天台风将直接登陆闽浙一带,大家都在关心:它现在到哪了?风有多大?会不会影响我这里?要不要赶紧囤点吃的?

不过,关心台风,光看它的路径其实还不太够。 真正影响我们的,往往是它带来的狂风和暴雨。

我们更需要关心的是:
🌬️ 风从哪里来,哪里风力更强;
🌧️ 雨下在哪些地方,哪些区域降水更明显。

所以这次,我们用 AntV Sive 做了一个台风实时追踪应用,数据都是实时接口获取的,还可以点击手动刷新。

不仅可以查看风场数据,

还可以通过右上角 Tab 切换,查看每日降水量。


看风的时候,你能看到哪里风更密、哪里风更强、台风外围的风场正在如何变化。

切到降水量,就能看到每天的降雨分布,哪些地方雨更集中,哪些区域可能受到降水影响,也会更清楚一些。

不需要看复杂的气象表格,也不用自己脑补风向和降水量,一张动态地图,就能大概看明白。

当然,具体预警和防台安排,还是要以官方气象信息为准。

Sive 是 AntV 推出的 AI 可视化创作平台。
以前做这样的应用,可能需要准备多份数据数据、封装接口、写代码、调样式;现在用 Sive,就可以更快生成一个可交互的可视化应用。

直接复制打开 

https://sive.antv.antgroup.com/rx5pdyPR8ZPWzNVkK4Jj

👇 或者点击阅读全文,查看实时台风动态:

阅读原文

跳转微信打开

  •  

开源+免费,这个国产 AI 开发平台太牛了

原创 Monkey 2026-07-09 08:15 北京

最近发现一个挺有意思的国产开源 AI 开发平台——MonkeyCode。

更难得的是,MonkeyCode 这次直接把自己线上实际运营的 AI 开发平台代码完整开源了。

MonkeyCode 是一款团队 AI Coding 平台,这意味着:

  • 如果你是研发 Leader,你可以安装一套供员工使用

  • 如果你和其他小伙伴在结对编程,你可以和他们一起使用 MonkeyCode

  • 甚至可以基于它的开源代码,部署一套属于自己的 MonkeyCode,对外提供服务

GitHub 地址:github.com/chaitin/MonkeyCode

MonkeyCode 内置了开发环境管理、AI 模型管理、AI 任务管理、项目需求管理等能力,区别于其他的 Vibe Coding 工具,MonkeyCode 是真正面向专业开发团队的 AI 助手。

它把 AI Coding 所需的能力整合到了一起,包括:

  • 统一开发空间,支持团队协作

  • AI 任务可创建、分配、执行

  • 开发过程可追踪、可回溯、可接管

  • 支持 iOS、Android 多端协同

  • 适配 GLM、Kimi、DeepSeek 等主流顶尖大模型

MonkeyCode 解决什么问题

与 Cursor、Claude Code 等依赖本地开发环境的产品不同,MonkeyCode 从一开始就是围绕云端开发设计的。

它不是 IDE 插件,也不是 CLI,而是一套完整的云端 AI 开发平台。开发者打开浏览器,就能进入一个可直接使用的开发环境。

每个 AI 任务都会运行在独立的云端 Workspace 中。这里不仅有源码,还有完整的运行环境,因此 AI 可以安装依赖、执行命令、运行测试、查看日志、修改代码,甚至完成整个开发流程,而无需占用本地计算资源。

你只需要创建一个任务,剩下的工作就交给 AI:写代码、调试程序、运行测试、分析日志、提交代码……整个过程都在云端完成,本地电脑更像是一个查看和协作的入口。

一个真实案例:一款密室逃脱小游戏,是怎么做出来的?

前面说了很多平台能力,不如来看一个社区里的真实作品。

在群里的开发者 阿菜菜在路边边,用 SaaS 版本的 MonkeyCode 做了一款《夺旗哈吉米之密室逃脱》。

整个游戏的设定很简单:

  1. 你醒来后被困在一间陌生的房间,门打不开、窗户被封住,房间里只有一只叫「哈吉米」的小猫陪着你。

  2. 玩家需要不断寻找线索、破解谜题,最终找到密码逃离密室。

如果放在以前,这样一个小游戏,开发者往往需要自己搭建项目、配置开发环境、写代码、调试、部署,最后还要找地方托管,整个流程比较繁琐。

而在 MonkeyCode 中,开发者更多是在和 AI 协作完成整个开发过程。

这也是 MonkeyCode 和很多 AI Coding 工具最大的不同。

它不仅帮助开发者写代码,更重要的是帮助开发者把一个想法真正变成一个可以分享、访问、持续迭代的作品。

从写代码到交付作品,MonkeyCode 希望打通的是整个开发流程。

6

私有化部署:一条命令,3 分钟部署自己的 AI 开发平台

类似的云端 AI Agent 能力,在 Replit Agent、Devin 等产品中也能看到。

但 MonkeyCode 最大的不同在于,它将整个平台完整开源,并支持私有化部署。

你既可以直接使用官方在线服务,也可以部署到企业内网、私有云或自己的服务器,拥有一套完全属于自己的 AI 开发平台。

部署过程也很简单,一条命令即可开始安装,最快约 3 分钟完成私有化部署:

bash -c "$(curl -fsSL 'https://monkeycode-ai.com/online/install')"

官方推荐的最低配置也不高:

  • 控制台:2 核 CPU / 4 GB 内存 / 40 GB 磁盘

  • 开发环境宿主机:8 核 CPU / 16 GB 内存 / 100 GB 磁盘

对于注重代码安全、数据合规的团队来说,这种部署方式更有吸引力。代码、模型配置、研发数据以及 AI 的运行环境,都可以保留在自己的基础设施中,不依赖第三方平台。

如果你也在寻找这样的 AI 开发平台

MonkeyCode 已经在 GitHub 持续开源维护了一段时间,核心能力相对成熟,文档也比较完善。无论是想直接体验在线版本,还是希望在内网环境评估私有化部署,都可以快速上手。

整个项目完全开源,不需要申请试用,也没有复杂的商务流程,直接拉起环境就能体验。

如果你也认同 AI 开发平台应该支持私有化部署,也应该接受开源审计 这样的理念,不妨去 GitHub 点一个 Star ⭐ 支持一下这个项目。

GitHub 地址:github.com/chaitin/MonkeyCode

一个 Star 不只是收藏,也能帮助项目获得更多曝光,让更多有类似需求的开发者发现它。如果你有好的想法或改进建议,也欢迎提交 Issue 或 PR,一起把这个项目做得更好。

写在最后

AI 编程工具已经不少,但将团队云端开发、私有化部署和国产模型生态整合在一起的开源项目仍相对有限。

与 Cursor 等本地 IDE 插件型工具不同,MonkeyCode 的定位是云端平台型工具——前者适合日常编码辅助,后者更适合需求驱动的完整项目开发。

还有一个让我印象比较深的细节是,它支持移动端访问。通过浏览器就能在手机上查看项目、管理 AI 任务,甚至修改代码、运行程序。对于需要随时跟进项目进度的开发者来说,这个体验确实比较方便。

如果你只是想体验 AI Coding,可以直接使用官方 SaaS,注册即可使用,每天最大刷新 3 亿的主流大模型调用额度。如果有数据安全、合规或定制化需求,也可以选择私有化部署。

感兴趣的话,可以通过下面几个入口了解更多:

  • 在线体验(SaaS):monkeycode-ai.com

  • GitHub 仓库:github.com/chaitin/MonkeyCode

  • 使用文档:monkeycode.docs.baizhi.cloud

如果你已经体验过 MonkeyCode,或者对 AI Coding 有自己的看法,也欢迎在评论区留言交流。也可以扫描下方二维码加入项目交流群,与更多开发者一起交流使用体验和实践心得。

跳转微信打开

  •  

不止“生成”,更懂“设计”|Seedream 5.0 Pro 发布

原创 字节跳动Seed 2026-07-08 21:23 北京

释放专业生产力

如今,智能图像创作已经逐渐走进大众日常。

但在真实的生产环境中,画面好看往往只是起点。更重要的是,模型是否能够高效地满足复杂、专业的创作需求,将“创作者意图”与“视觉呈现”的距离缩到最短,实现真正可用。

今天,我们正式发布多模态图像创作模型—— Seedream 5.0 Pro。

相比之前版本,Seedream 5.0 Pro 在图文匹配、结构合理性、文字渲染与画面美感等基础能力上全面提升,并带来了四大核心能力突破:

  • 复杂信息可视化:将数据、概念与密集文字准确转化为专业排版,直接用于高信息密度的内容生产。

  • 交互式精准编辑:基于对空间位置与区域语义的理解,支持点选、圈选、草图渲染、色彩与材质替换、图层分离、多图融合的自由组合,实现可控编辑。

  • 真实的影像与人像质感:还原现实世界的光影、材质与皮肤肌理,兼顾 CG 表现与摄影质感,画面更具生命力。

  • 原生多语种输入与生成:支持十余种世界常用语言的直接输入与高质量渲染,准确传递本地化特征。

目前,Seedream 5.0 Pro已上线火山方舟体验中心,也将陆续在豆包、即梦上线,欢迎体验。

项目主页:

https://seed.bytedance.com/seedream5_0_pro

体验入口:

1)火山方舟体验中心-视觉模型-图片生成-Doubao-Seedream-5.0-pro;

2)豆包App/电脑版-AI创作-图片生成-选择模型 Seedream 5.0 Pro;

3)即梦网页端-图片生成/Agent模式-选择图片 5.0 Pro。

高密度信息表达

一图讲清复杂逻辑

在专业场景中,图像不仅是视觉装饰,更是信息本身。而信息图生成,是当前 AI 图像生成中复杂度最高的领域之一,它要求模型在单次生成中,同时兼顾数据准确、密集文字无错漏、版面结构合理与专业美感。

Seedream 5.0 Pro 对其进行了针对性优化,能深度解析用户意图,自主完成逻辑推理与版面规划,在不同场景下稳定输出高密度信息图。

如图所示,「南极科考站」中,模型在同一画面内融合了时间轴、折线图、柱状图与站体实景,信息层级分明,视觉隐喻准确,展现出对全景数据的空间统筹能力。

Prompt:主题为南极秦岭站科考纪事可视化信息图,中心放置秦岭站建筑主体;四周环绕排布科考发展时间轴、五座科考站规模柱状图、站点能源饼图、月度日照折线图,辅以科研设备实拍、夏季气象面板、野外作业七步流程、实地采样摄影,多方面展示中国南极科考实景。

模型也能满足教育、科普场景对事实准确度的高要求:不仅能生动解释“为什么月全食的月亮是红色”,还能准确提取不同鸟类的形态特征,完成规整的网格化排版。

Prompt:生成一张天文科普信息图,解释:为什么月全食的月亮是红色的?

Prompt:生成一张《新手观鸟入门指南》自然科普信息图,采用清新配色的网格排版,展示 8 种常见鸟类,并附带科学插画、中英文名、识别特征等内容。

面对「冬日圣诞促销海报」这种包含标题、折扣细则、活动时间等多层级的密集文本,模型在复古卷轴上疏密有致地排布:大量英文拼写无误,并按信息主次穿插粗体与手写体,兼顾信息密度与商业美感。

在「宠物电商首屏」UI 中,模型展现出对空间拓扑的理解力。它生成了清晰的导航栏与悬浮卡片,并执行跨层交互——金毛犬的前爪打破右侧图片边界,真实按压在左侧按钮上;可帮助用户快速生成产品原型图。

Prompt:16:9 宠物电商首屏 UI,日落暖阳色调,分层阴影。顶部导航;左侧奶油米色背景,含文案、商品卡片、金黄胶囊按钮;右侧金毛图,3D 特效:金毛前爪冲破右框,搭在左侧按钮上。

交互式精准编辑

让创作更自由可控

纯文本 Prompt 有天然局限:语言擅长描述“生成什么”,却难以精确指定“修改哪里”,而设计往往需要反复微调打磨。

Seedream 5.0 Pro 把控制信号原生介入生成过程,核心在于它对空间位置(Grounding)与区域语义的精准理解,从而实现精准编辑。

模型能深刻解析画面中的位置信息。在「2026 新高考数学试卷解答」中,它准确识别题目,锁定每一题下方的留白区域进行演算,并将答案填入对应的答题位置。

Prompt:帮我完成上述所有选择题,并写上对应的演算过程。

在日常应用场景中,模型同样能将海外菜单精准翻译成中文,并做到排版位置的一一对应。

Prompt:把菜单翻译成中文。

基于这种空间感知,模型能把用户通过点选、圈选、框选、涂鸦传递的坐标信息,转化为确定性的局部操控指令,衍生出多种实用玩法:

  • 局部交互与属性重构:点选、圈选、色彩编辑与材质替换

模型提供了一套并行的精细化控制手段。在空间定位上,通过点选或圈选即可锁定目标元素,实现局部对象的消除或定点新增;在对象修改上,模型支持色彩编辑与材质替换。几种手段相互配合,让改色、换材质或增删对象后的局部与整体环境自然过渡,透视正确。

如图所示,模型支持输入 Hex 色卡值或直接参考外部色卡控制颜色,并同步替换对象材质。

Prompt:请依据图 1 的材质和图 2 的色卡,修改图 3 中的沙发。

模型也展现了较强的区域隔离能力。用户以不同颜色边框圈定位置,模型即对应生成指定物品——例如红框生成看泡泡的蓝毛怪兽、紫框生成草绿色毛毯等,各元素遵循坐标划分、保持独立。

  • 草图渲染:将抽象意图转化为高保真视觉

用户可以通过随手涂鸦的色块、线条或简笔画作为控制信号,直接驱动画面的精细化渲染。

在「三里小学春游海报」中,仅需一张带粗略排版的草图,模型便能识别各区块意图,还原毛毡材质与缝线质感,并把出发时间、必备物品等文本准确填入草图指定的坐标区域。

  • 图层分离:智能拆分为独立图层

Seedream 5.0 Pro 支持图层智能拆分:通过文字描述,可将图像拆分为独立图层,输出可加工的设计素材。

如视频所示,模型能把一张完整海报拆分为文字、主体(鹦鹉)、背景以及环境装饰等十余个独立图层,被主体遮挡的背景区域也被补全还原。这些图层保留透明度,可自由拖拽、缩放,创作者还能将核心主体替换为新元素(把鹦鹉换成孔雀)。

  • 多图融合:复杂场景的多源素材拼搭

同时输入多张参考素材及一张目标底图,模型会按指令把不同元素融合进场景,适用于前期的视觉拼贴与创意发散。

  • 释放创作自由度,多种编辑能力任意组合

在实际创作中,上述能力可任意组合。如图所示,用户要求把南瓜修改为深绿色(#3E4A2E)与姜黄色(#DB973E)相间,并将背景字体改为刺绣质感。模型准确执行了材质替换与色彩编辑,修改后的局部与夏日午后的环境光融为一体。

这种“先精准定位,再执行修改”的机制,让设计师无需每次微调都重绘整图,可对半成品高频局部修正、提升迭代效率;也让普通用户凭直觉就能搭出高质量画面。

丰富影像与人像质感

让每一幕都栩栩如生

无论商业广告还是日常记录,画面细节的逼真度与光影的自然感都直接决定作品质量。Seedream 5.0 Pro 强化了对真实世界光影、物体材质与皮肤肌理的理解,CG 表现与摄影质感大幅提升。

真实感来自对光、物、人的准确还原。光影层面,模型能捕捉高频细节的微观动态:昏暗房间里穿过百叶窗的“耶稣光”、寿司海报中腾空的米粒与鱼籽、黑白胶片里的水花都能被定格,让画面兼具空间纵深与影调质感。

物体材质层面,模型遵循真实物理规律处理反射、折射与透光效果,让不同材质的光影虚实与周边环境自然融合。

如图所示,左侧街景橱窗里,玻璃上的复古人像海报保留印刷网点肌理,街景透视自然、玻璃环境反射层次分明,海报、街景、反射三层虚实交织。右侧「滨海悬崖玻璃别墅」在金属框架、落地玻璃、石材、海水与原木之间,让室内暖光与落日、海面的多重反射柔和过渡,尽显建筑摄影的写实质感。

人像层面,Seedream 5.0 Pro 细腻还原皮肤肌理,面部纹路、粗粝肤质层次立体,哑光面部光影过渡柔和,人物神态自带叙事张力。同时兼顾多元写实创作需求,除真人影视人像外,也能流畅驾驭 3A 游戏写实角色塑造,服饰、肢体与环境光影协调统一。

静态的真实感之外,模型也支持更进阶的摄影玩法。摇拍场景下,骑行人物与车身清晰锐利,背景街道拉出水平运动模糊,车轮辐条旋转虚化,准确还原了相机横移跟随与车轮高速转动的双重运动关系,速度感真实。

Prompt:摇拍一个骑行者,人物和自行车主体清晰,背景街道拉成水平方向的运动模糊,车轮辐条有旋转虚化,传递速度感。

多图合成则进一步延伸了这份控制力。输入多张独立的人物照片后,模型能提取各自的面部特征,按指定站位组合到同一场景,生成光影统一、质感协调的合影,适配社交分享等场景。

Prompt:将图 2 到图 6 的人物,参照图 1 站位合影,人物神态开心,背景有树和咖啡馆门店。

原生多语种输入与生成

适配本地化特征

全球化创作不仅是语言的简单转换,更需要准确传递不同市场的地域文化与视觉特征。除中英文外,Seedream 5.0 Pro 原生支持法语、德语、俄语、日语、韩语、西班牙语、阿拉伯语等十余种世界常用语言的直接输入与高质量生成。

创作者用不同语种输入指令时,模型不仅能准确解析语义,还能匹配对应文化语境下的建筑风貌、人物面孔与服饰细节,让画面贴合当地的视觉氛围。

在文字渲染上,模型能自动适配不同语种的排版规则。即使面对同一种视觉版式,它不仅能精准渲染常规的中英文字符,也能正确处理阿拉伯语从右向左的连写、还原西班牙语的重音符号(如 PASIÓN),确保各语种文字准确且符合当地的阅读习惯。

总结与展望

本次 Seedream 5.0 Pro 版本升级,主要得益于模型在空间结构感知、高密度文字渲染与多语种理解能力上的底层突破,不仅能够支持精准生成复杂信息图,更带来了灵活的局部修改和可控编辑能力,有效提升了专业生产力。

目前,Seedream 5.0 Pro 在复杂信息图生成、交互式精准编辑等方面实现了突破,但在更细粒度的文字渲染、像素级编辑保持等方面,依然有进步空间。未来,我们将继续打磨模型在专业级生产和设计领域的生成能力,希望它不仅是提升效率的辅助工具,更能深度融入各行各业,让复杂创意低门槛、高质量地转化为生产价值。

图片

图片

图片

阅读原文

跳转微信打开

  •  

企业为什么越来越花钱买闭源模型?Decagon CEO 提出了一个很重要的新观点

原创 StartupBoy 2026-07-08 16:54 日本

未来 AI 不会是「开源取代闭源」,而会形成新的产业分工

最近,Decagon CEO Jesse Zhang 写了一篇关于企业 AI 的文章《Everyone is wrong about open source AI in the enterprise》,我觉得很有价值。

过去一年,大家普遍认为:

开源模型越来越强,企业最终一定会全面转向开源。

但现实的数据却出现了一个看似矛盾的现象:

  • Decagon 自己 90% 的生产流量已经运行在开源模型上;

  • 但整个企业市场中,开源模型的 LLM 支出占比反而从 19% 降到了 11%。

为什么会这样?Jesse Zhang 提出了一个我认为非常有启发性的框架:未来 AI 不会是「开源取代闭源」,而会形成新的产业分工:

Frontier Models 负责 Discovery(探索),Open Source Models 负责 Production(生产)。

什么意思?当企业刚开始做一个 AI 产品时,没人知道:

  • Agent 应该长什么样

  • Workflow 应该如何设计

  • Prompt 怎么写

  • 用户真正需要什么

因此,企业最需要的是:世界上最聪明的模型。所以大家都会使用 GPT、Claude、Gemini 这类 Frontier Model。

但是,当产品逐渐成熟以后,企业已经知道用户会问哪些问题、Workflow 已经固定、Evaluation 已经完善、数据越来越多。

这个时候,企业真正需要的就不再是最聪明的模型,而是最快、最便宜、最容易微调的小模型。于是,模型就会经历一次迁移:

Frontier Model → Distillation → Fine-tuning → Open Source。

也就是闭源负责探索,开源负责规模化生产。

这也是为什么 Decagon 今天 90% 的生产流量已经迁移到了开源模型,但整个企业市场依然大量购买闭源模型——因为大多数企业仍然停留在探索阶段,而不是生产阶段。

以下是其全文的一个翻译:


当前主流的叙事是:开源正在吞噬企业市场。

如今,最优秀的闭源模型与开源模型之间的能力差距,已经缩小到了个位数百分点。全球《财富》500 强企业中已有三分之一在 Hugging Face 上完成认证;中国的 AI 实验室几乎每隔几周就会发布一款接近前沿水平的开源权重模型;而各大推理(Inference)服务商的发展势头也异常迅猛。

与此同时,在 Decagon,我们如今约 90% 的 AI 工作负载运行在开源模型上,而不是 OpenAI 或 Anthropic 的模型。这也符合我们观察到的趋势:大多数高速增长的 AI 应用公司都在这么做,我们合作的大型企业客户也正逐渐向这一方向迁移。

但有趣的是,整个企业市场的支出却呈现完全相反的趋势。企业在开源模型上的 LLM 支出占比已经下降到 11%,而一年前这一数字还是 19%。

也就是说,现实的发展方向其实和大众叙事正好相反。为什么会这样?这又意味着什么?

先解释一下为什么 Decagon 有 90% 的工作负载都运行在开源模型上。

原因不是成本。也不是因为客户要求使用开源(虽然他们对此并不介意)。真正的原因是:我们别无选择。

对于生产环境中的客服 AI Agent 来说,延迟(Latency)决定产品生死。如果一次对话每轮回复都需要 8 秒,没有人会愿意使用这样的产品。因此,你需要的是小而快的模型。

事实上,每一次模型调用并不需要知道立陶宛的首都是什么,也不需要掌握高中物理知识。

然而,小模型开箱即用时,并不足以达到我们客户要求的质量标准。只有针对具体任务进行大量 Fine-tuning(微调)之后,它们才能达到要求。

而目前的前沿模型公司,并没有真正提供这种组合。你无法按照我们的需求去微调他们最强大的模型;而他们的小模型,也并不属于我们,无法按照自己的需求进行塑造。

因此:小模型 + 深度微调 = 必须使用开源权重(Open Weights)。节省成本确实存在,但只是次要收益。企业客户喜欢可以自托管(Self-host)的模型,也只是一个额外的好处,而不是我们做出选择的原因。

那么,为什么像我们这样的公司已经 90% 使用开源,而整个企业市场的开源占比却在下降?

答案在于:AI 应用成熟度(Use Case Maturity)。当一个 AI 应用刚出现的时候,你希望使用最聪明、最通用的大模型。因为你还不知道问题真正的形状(shape)。

因此,即便为一些最终可能根本不需要的智能能力支付溢价,也是值得的。在这个阶段,这是正确的选择。

但是,当这个应用逐渐成熟之后,情况就完全不同了。你已经知道:

  • 输入数据长什么样;

  • 模型需要哪些行为;

  • 哪些错误必须避免。

这时候,权衡就发生了反转。通用智能反而成了一种额外负担。你真正需要的是:一个最小、最快、并且针对你的具体任务深度微调过的模型。

客服(Customer Service)正是整个 AI 行业最成熟的应用场景之一。它拥有:

  • 非常成熟、清晰的工作流程;

  • 巨大的对话数据量;

  • 极高的质量要求。

因此,像 Decagon 这样的公司,只不过比大多数企业部署更早走到了这条成熟曲线的后半段。

这也解释了前面那个看似矛盾的现象。开源模型占比下降,并不是因为开源输了。真正的原因是:整个企业 AI 市场仍然处于成熟曲线的最早阶段。

去年开始,企业停止自己开发 AI,而转向直接采购 AI 产品。于是,一夜之间涌现出了成千上万个全新的 AI 应用场景。而所有这些新的应用,几乎都运行在最强的 Frontier 模型之上。于是,闭源模型的市场份额迅速膨胀。

因此,11% 这个数字,本质上是一个分母问题(Denominator Problem):新的、不成熟的 AI 应用增长速度,远远快于已经成熟的 AI 应用。


我觉得,如果 Jesse Zhang 的判断成立,那么未来 AI 行业会出现几个非常重要的变化。

1、OpenAI 和 Anthropic 不会因为开源而失去价值

过去很多人认为,开源越来越强,Foundation Model 最终会变成商品。但这篇文章提供了另一种解释。未来最赚钱的 Token,依然来自 Frontier Model。因为所有新的 AI 应用,都会首先部署 GPT、Claude 等模型去探索产品形态。

所以:Discovery 的价值,远高于 Production。

也就是说,未来 Foundation Model 不一定赢得生产,但依然可以赢得利润。

2、真正的开源时代,可能比大家想象得更晚

很多人觉得,模型能力追平 GPT,企业自然就会迁移。事实上,真正决定是否迁移的,不是模型能力,而是业务成熟度。只有 Workflow 已经稳定、数据已经足够、ROI 已经验证、Evaluation 已经成熟时,企业才愿意投入大量资源去做 Fine-tuning。

所以,模型能力成熟,不代表商业成熟。这两者之间,可能相差几年时间。

3、Fine-tuning 会成为 AI 基础设施最大的机会之一

如果未来所有成熟 Agent 都会经历:Distillation → Fine-tuning。那么,未来最值钱的能力,可能不是 Prompt,而是:

  • Fine-tuning Platform

  • Evaluation

  • Data Pipeline

  • Synthetic Data

  • Distillation

  • Continuous Learning

整个 AI Infra,都会围绕这些能力展开。

4、真正的护城河,将从「模型」变成「数据」

未来,每一家企业都可以下载 Llama、Qwen 或其他开源模型。模型越来越容易获得。真正无法复制的是:

  • 企业自己的数据;

  • 用户反馈;

  • Agent Logs;

  • Workflow;

  • Evaluation Dataset。

因此,未来企业最大的竞争优势,还是拥有多少真实生产数据。

5、Inference Infra 仍然是一个长期机会

如果生产最终都会运行在小模型、微调模型、私有部署模型;那么:Inference Infrastructure 的需求不会下降,反而可能持续增长。GPU 云、模型部署、KV Cache、推理优化、Model Router 等基础设施,都会持续受益。

6、AI Agent 会进入「模型迁移时代」

今天很多 Agent 基本上都是上线之后,一直调用 GPT。未来,成熟 Agent 大概率都会经历几个阶段:用 Frontier Model 快速验证产品---蒸馏---微调---多模型协同。因此,未来真正优秀的 AI Agent 公司,本质上都可能会变成模型调度公司(Model Orchestrator)。

他们最重要的能力,不是拥有哪个模型,而是知道什么时候用最聪明的模型,什么时候用最便宜的模型。

过去的软件行业经历了「开发 → 部署 → 运维」的分工;未来的 AI 行业,也可能形成类似的两层结构:

  • Discovery(探索):由 Frontier Models 驱动,负责发现新的产品形态、工作流和能力边界。

  • Production(生产):由开源模型驱动,负责低成本、高效率、大规模运行成熟业务。

如果这个判断成立,那么未来几年,我们讨论的重点可能不再是「开源会不会战胜闭源」,而是:一个 AI 应用,什么时候应该继续使用 Frontier Model,什么时候应该迁移到开源模型?

1.Notion 已经不看简历了,CEO 认为 AI 时代的组织架构属于 Jazz Mode

2.另类产品 Obsidian:8 人 1 猫没融资,2500 万美金 ARR 不追 AI

阅读原文

跳转微信打开

  •  

迈向AI Native:快手技术团队的范式跃迁与组织进化

高可用架构 2026-07-07 11:52 中国香港

文末领取 PPT

在 AI 深度渗透软件工程、个体效率与组织效能之间鸿沟日益凸显的背景下,快手主站千余名工程师支撑着日活数亿用户的核心产品,其 AI 原生转型正面临"换了引擎却未重构流水线"的系统性困境。

本文整理自快手主站 AIDevops 负责人李思在 GIAC 2026·深圳站的分享《迈向AI Native:技术团队的范式跃迁与组织进化》。

【演讲摘要】

89%的企业已把AI投入实际业务,但生产力提升只有0.29%。DORA 报告也显示,个体效能上去了,组织效能却没变。AI 到位了,研发体系还是老样子,必须围绕 AI 重新设计。

过去一年踩了不少坑。24年下年代码生成率从17%涨到30%,交付周期却没变。后来发现只有不到10%的工程师真正变了,差异不在用不用 AI,而在有没有改变工作方式。快手把范式分成 L1 辅助、L2 协作、L3 自主,走两条路:L1 到 L2 铺开,L1 到 L3 特定场景突破。但个人快了组织没快,AI 越快人和人协作摩擦越大,人机摩擦也成了新负担,根源在围绕人设计的结构卡住了 AI。

解法就是三层重构。信息层面让 AI 能拿到知识,流程层面从串行改成 Agentic 模式,组织层面交付和守护分开、产研边界溶解。后面直播礼物的案例就是三层重构的落地缩影——方向、分镜、生成、评审都由 Agent 做,人只定目标,上新周期从20天压到4天以内。目前 L2 已成主流范式,较 L1 周期缩短20%到30%。

往前看还有验证规模化和先锋队模式两个难题。但说到底,变革落在每一个人身上。知识能被看见,品味和判断却很难,组织得给这些看不见的价值一个位置。人人都在加速,也要给远见留空间。 AI 跳过了慢慢写的过程,更要给年轻人慢慢生长的机会。范式在变,组织在变,底色永远是每一个工程师。

【演讲实录】

过去一年多,我们一直在推进千人规模研发团队的 AI Native 转型,包括研发范式的升级,以及整个团队怎么做组织层面的进化。今天想和大家分享一下,快手主站目前在这个方向的进展、心路历程和一些具体的实践,主要分享如下三个部分:

第一部分是宏观判断——行业目前在哪里,以及我们为什么要做 AI Native ;第二个是千人级实践——过去一年多做了哪些事情,踩了哪些坑,以及具体的思路和解法;第三个是组织进化相关的思考—— AI 改变的不只是代码,也在改变我们的人和协作的方式,我们是怎么做组织协作的演进,以及人才画像相关的一些思考。这是一个"打怪升级"的演进过程。

一、行业在哪里:AI Native 的宏观判断

Image

先看一组行业数据,NBER 今年对美英德澳四个国家的高管做了一个调查,发现89%的企业已经把 AI 投入到了实际业务,听起来占比非常高。但同时这份报告的另一个数字是:企业平均实际的生产力提升只有0.29%。高期待和低成效形成了一个非常鲜明的对比。右边这张图是《 DORA 2025 AI 辅助软件开发现状调查报告》,对 AI 在软件开发领域的影响提供了一个全景扫描,结论是个体效能提升非常显著,但组织的效能并没有太多变化。中间这条鸿沟,也是我今天想要分享的核心问题。

Image

从历史层面看这个问题,可能不是今天才有的。19世纪末,随着从蒸汽机到电动机的技术成熟,美国的工厂纷纷把引擎换成了电动驱动,大家以为从此效率会飞涨,但经过了30年,生产力并没有什么起色。真正的转变发生在1920年代,企业这时不再是换引擎,而是从整个流水线、车间动线、生产系统进行了一次重组,这次重塑彻底带来了效率的质的飞跃。

今天,我们面对的也可能是同样的局面。我们给每个工程师装上了 AI 的伙伴或者工具,但底层的研发体系仍然是老样子——如果在这套体系上只是装上 AI,那我们可能也是在重复历史的故事。所以可以看到:智能已经领跑,范式正在重塑。我们需要的是围绕 AI 重新设计研发体系和组织协作,这就是我们 AI Native 驾驭智能的进化之路。

二、千人级实践踩坑:个人提效 ≠ 组织提效

这些道理听起来都没错,但真正让我们理解它的,不是理论,而是一年多实践中踩过的每一个坑。

快手主站有一千多名工程师,在推进研发智能化的过程中,我们总结的坑是这两个不等式:第一,用 AI 开发工具不等于个人提效;并且,个人提效也不等于组织提效。

接下来分享下我们的故事,带入一下当时的情境。

Image

24年下半年,我们从编码环节开始引入 AI。代码生成率从17%提升到了30%,各个研发环节的采纳率也都保持在较高水平。

看到这些数据时,大家都很兴奋,认为研发交付效率应该会明显提升。然而,当我们把整体效能数据拉出来分析时,却发现一个出乎意料的结果:整个研发交付周期几乎没有变化。换句话说,新功能真正触达用户的时间,并没有因为 AI 的引入而缩短。

更有意思的是,我们进一步做了一些局部分析,发现约90%的工程师几乎没有发生明显变化。

Image

于是,我们找到了这不到 10% 的工程师,试图回答一个问题:他们到底是怎么工作的?

我们发现,真正的差异并不在于有没有使用AI工具,而在于有没有改变自己的工作方式。也就是说,他们是怎么和 AI 一起工作。有人把 AI 当作辅助工具,在需要的时候提供帮助;也有人让 AI 优先完成大部分工作,再由人负责判断、修改和审查。

所以,真正的问题需要重新定义:并不是在推动 AI 工具的使用,而是如何推动研发范式的升级——让原本只发生在不到10%工程师身上的高效工作方式,沉淀为一套可复制、可推广的研发范式,并在整个组织中系统性地发生。

基于这些思考,去年上半年,我们开始尝试回答另一个问题:AI 时代的研发范式,到底应该是什么样的?

我们把它划分为三个阶段。

  • L1 是 AI 辅助,AI 在部分环节提供信息;

  • L2 是 AI 协作,AI 在部分工作单元提供初稿,人做完善;

  • L3 更自主,AI 自主完成需求交付。

方向有了,接下来就是回答另一个问题:这条路应该怎么走?

最开始,我们的思路其实很朴素——所有场景都沿着同一条路径演进,从 L1 到 L2,再到 L3,循序渐进地完成研发范式升级。

但实践之后,我们发现,不同研发场景的演进条件并不相同。比如一些 B 端、从0到1的场景,任务边界清晰、风险可控、容错空间也更大,非常有机会直接实现端到端交付,而不必按部就班地经历每一个阶段。

因此,我们最终设计了两条演进路径。

第一条是L1 → L2 的主航道,在大规模研发场景中持续推进研发范式升级。

第二条是一条快速路,聚焦结构成熟、边界清晰的特定场景,尝试直接跃迁到 L3,实现 AI 驱动的端到端交付,推动研发效率实现非线性提升。

但 L1、L3 这些是交付的模式,组织关注的是什么呢?是一个结构。

我们规划了组织范式的演进路线:25年初,以 L1 为主,逐步 L1 收窄,最终 L2 和 L3 成为主流范式。经过半年的建设,L2、L3 的交付需求占比提升了,一些标杆团队的 Coding 时间也明显缩短了,看起来一切都在向好的方向走。

Image

但把视角再拉到组织效能上,情况就不一样了。

我们基于当时的效能数据做了一些分析和归因,发现个体效率确实提升了—— CR 代码生成率都在涨,个体耗时投入在降;但在协同层面,端到端的周期其实并没有太大变化。个人虽然提效了,但在组织和协同层面,传导的链条是断的。

为什么个人变快了,组织没快呢?时间到底去哪儿了?

基于千人团队的实践,我们得到两个非常重要的洞察。

Image

第一个洞察是:AI 越快,人和人之间的协作摩擦反而越明显。

AI 带来的提效首先发生在局部,最典型的就是编码环节。工程师的 Coding 时间确实缩短了,但一个工程师一天真正写代码的时间,大约只占 30%,甚至更少。剩下的大部分时间,都花在需求对齐、协作沟通、任务交接等工作上,而这些协作成本,很快就抵消了编码效率提升带来的收益。

第二个洞察是:人机协作本身,正在成为一种新的隐性成本。

AI 被引入之后,并不意味着人可以立刻把工作交给 AI。为了让 AI 真正发挥作用,人仍然需要投入大量额外的时间和精力。

结合大家的实际实践,我们把这些成本归纳为四类典型的协作摩擦。

  • 第一类是人工补位。当 AI 与研发系统之间还没有完全打通时,人不得不充当两者之间的桥梁,把信息不断搬来搬去。

  • 第二类是上下文对齐。AI 并不了解我们的业务背景,也无法天然理解需求语境,因此工程师需要不断整理、补充和传递上下文,充当系统之间的"搬运工"。

  • 第三类是验证与纠偏。AI 可以在几分钟内生成代码,但验证这些代码是否正确、是否符合业务需求,往往需要几个小时,甚至更长时间。AI 生成和人工验证之间,存在明显的速度不对称。

  • 第四类是能力边界判断。当大家对 AI 的能力边界还没有形成稳定认知时,低估 AI,会错过本可以释放的效率;高估 AI,则容易导致返工和重复修改。

这些都是我们在真实研发实践中反复观察到的现象。也正是这些协作摩擦,让我们意识到:真正制约 AI 研发效率的,已经不再是模型能力,而是人与 AI、AI 与系统、人与人之间的协作方式。

Image

那这些摩擦的根源到底在哪儿呢?我们总结了两层约束。

第一层是能力性约束:AI 的能力边界不确定,产出可信度不稳定,验证和纠偏的工作高度依赖人工。在人机摩擦里,蓝色的这部分——验证纠偏、高估和低估——主要来源于能力层面。但能力层面会随着 AI 本身模型能力的提升,以及我们在工程 Harness 层面的建设不断提升。

第二层是研发体系的结构性约束。我们的研发体系一直都是为人设计的——人有什么特性呢?认知带宽有限,注意力稀缺,所以需要按技术栈分团队,需要多个环节分阶段开发测试上线,还有产品研发设计这些角色去协作。在这套体系下就会映射出三个方面的投影:信息、流程、组织,形成这样的结构。在这个结构下,人和人之间的摩擦就会存在——协调、交接、对齐;同样这套结构也在卡着 AI。当技术栈切分以后,信息系统、技术设施都是分离的。

站在 AI 的视角来看,它其实很难获取完成任务所需的上下文。开发一个需求,客户端代码在一个仓库,前端代码在另一个仓库,后端又分散在多个微服务中;需求文档、设计文档、API 文档也分别存放在不同系统里。AI 无法像人一样跨系统理解和关联这些信息,于是,人只能不断充当桥梁,去补充上下文、搬运信息、连接系统。

归根结底,这些协作摩擦并不是模型能力的问题,而是研发基础设施和协作体系的问题。过去的研发环境,更多是围绕"人如何协作"设计的,而不是围绕"AI 如何协作"设计的。

因此,当模型能力真正转化为 AI 的执行效率后,这些效率并不能直接传递到组织层面,而是不断被协作结构中的各种摩擦所消耗,最终形成大量结构性损耗。结果就是:AI 看起来越来越聪明,但组织整体的效率提升却十分有限。

这也是我们一年多实践中最大的收获之一:真正需要升级的,不只是 AI 能力,而是支撑 AI 工作的研发结构。只有重塑这套结构,才能把模型的智能真正转化为组织的效率。

三、围绕 AI 重塑研发体系:信息·流程·工程基座

Image

那我们是怎么做的呢?我们需要围绕AI重塑研发体系。在讲AI如何改变之前,先讲一下度量——如果度量不了效率,就没有办法改进效率。

第一个阶段是平台化、数字化和精益化,这是在打地基——把研发活动在线化,让数据可信,才有资格谈度量;同时建立效能北极星,以及多个指标做交叉验证。

第二个阶段,我们把效能从一个模型变成了可拆解、可归因的指标体系,能看到每一个地方卡在哪里、出了什么问题。这也是前面那个分析的过程——为什么个人快了,组织没快,卡在了哪里。

第三个阶段就是现在,在效能模型的基础上扩展出了 AI 度量的维度,能够进一步看到组织的 AI 渗透率和 AI 成熟度。没有前三年的积累,我们今天并没有底气说AI让组织快还是没快,因为连快没快都量不出来。

Image

接下来是我们的行动框架,基于前面那三层框架——信息、流程和组织。

信息层面:首先 AI 能不能拿得到信息?

我们的信息架构从围绕人转变成围绕 AI 进行重组。第二个是拿到信息以后能不能做得好,工程基座怎么样——比如 infra、评测体系、反馈闭环构建的情况。第三个是 AI 做得好以后,我们敢不敢放手、能不能信得过,这就是保障体系——验证、观测、约束。

第二个视角是流程层面,即研发流程:从传统的基于人协作的软件开发生命周期,怎么过渡到 AI-Native 的SDLC。

第三个是组织:组织形态、人才画像是什么样的,角色边界应该怎么划分,怎么样有一套新的评价体系,以及组织拓扑、组织治理与文化。

Image

先看工程环境这一层。工程环境可以认为是一套广义上的 Harness Engineering。大家都在聊 Harness Engineering 应该怎么做,以及关于 Loop Engineering 的讨论。我今天更想分享是:我们应该把重点放在哪儿,哪些是真正应该投入的。我们的出发点是 AI 的能力在持续涌现,但很多东西是它内化的,比如工程脚手架里我们给模型打的一些补丁——但哪些是它真正内化不了的?就是企业里面的事实、判断和责任。

第一个是事实:模型能力再强,它并不能知道你此刻系统的真实状态。所以第一个要投入的是让模型能看到正确的世界——包括信息架构的重组、私域基础设施的 AI 友好化、面向企业内的知识工程。

第二个是判断:定义什么是对的、好的,这只能由我们自己来定义。验证工程和评测驱动是把判断力固化为系统和组织能力的一种最关键的方式。也有一个观点我非常认同:我们有没有把最优秀、最高效、高绩效的工程师放在评测体系里面,这是 AI 化能否成功的关键。

第三个就是责任:AI 模型能力越强,守底线就越重要。AI 的能力边界越来越大,它对应的自主半径会扩大,潜在的爆破半径也会扩大。但如果 AI 闯了祸,真正承担代价的还是我们自己。所以这三个层面非常重要:第一个是工程的卓越性,即当前的技术水位;第二个是工程保障,质量稳定性、安全等方面;第三个是持续的工程治理,通过约束可见、回滚、应急预案等兜底机制和响应机制来确保底线守得住。

Image

再看研发流程层面,我们希望的是一个 Agent 驱动的 SDLC。传统方式是在 AI 增强下,基于多阶段、多角色协作流程,只是把 AI 加进来了,所以有很多损耗。目标态是意图驱动、面向结果的端到端交付。

但很多场景目前很难一步到位,我们的渐进思路是:先把协作和执行做一个分层。人与人之间的协作在这个阶段完全避免不了,我们就先把它分层——比如产品、设计、研发之间有一些接力,能不能把人之间的协作变得更松散?人与人之间比较擅长松散、模糊和创造性的沟通,而 Agent 擅长的是结构化、确定性的、可重复的执行,所以把这两层分开。让人把所有需要对齐的事前置消化掉——意图对齐、决策冻结,全部在这一层完成,不让协作摩擦渗透到 Agent 执行链路里。

在中间通过工具让产出能被 Agent 消费:比如给产品在生产力工具里,通过 Skill 或工具化的方式,把意图转化成结构化的 Spec;或者通过 Design Agent,让设计师构建出更贴合实现的视觉稿以及局部场景;还可以通过原型驱动的开发来降低损耗,避免通过 PRD 或设计稿进行信息交接。人在上面自由沟通,工具自动把各自的产出汇合成结构化的 Specs。经过人的审核、决策冻结之后,协作摩擦前置消化掉,保持执行链路的 AI 高自主。

四、组织进化:协作重塑与人才重构

Image

第四部分就是组织的变革、协作的进化以及人才的重构。组织的这一层是整个变革最深的,同时在千人团队里,组织的惯性阻力肯定很大。所以我们首先做先锋的试点和验证,蹚出一些路,然后再做规模化的复制。

在技术栈这个层面,我们之前是按技术栈来切分的,逻辑是:自己交付的功能、自己写的代码和自己守护的代码,是一拨人,因为只有他们最懂这套代码。但在AI时代,这个逻辑被打破了——当一个 AI Agent 能帮前端工程师写出相对合格的后端代码,或者反之,继续把交付和守护绑在一起,反而会让效率变成瓶颈。所以我们把交付和守护做了一个分层:交付层把前端后端这些职能抹平了,定义它叫做功能 Owner,通过AI协同完成交付。

但守护还是需要专业的人,也就是目前技术栈团队的架构师,负责定标准、建机制、守门禁这些方向。经过组织机制和形态的渐进式过渡,我们发现这样以后可以完成单人闭环,协作摩擦也会降低。

Image

前面讲的都是研发内部协作和组织设计的变化,产研之间其实也会发生一些变化。很多需求的判断并不一定都在研发——设计优化的判断力在设计师,运营需求的判断力在产品运营。所以另外一个思路是主动赋能这些角色,让他们有能力自己交付。

那这样是不是有一些需求可以不经过研发?所以我们做了一些事情,比如给设计师构建自主交付的能力,给产品构建自主交付的通道。当角色边界溶解以后,研发系统正在从所有需求的默认承接方变成复杂专业问题的承接方,工程师的工作会更聚焦,同时也能向更多可能性延展。

Image

接下来是组织层面的画像。在人才结构之前,得先回答一个问题:在 AI 变革的时代,我们的组织到底需要什么样的工程师。所以我们尝试做了一些人才画像的定义。最终的观点是:AI 时代工程师的价值是底层特质乘以能力基座乘以核心杠杆。

五、三个叩问:洞察、远见与温度

前面都是在讲效率,但 AI 时代技术团队的边界价值是不是只是让交付更快更多呢?研发提效本身也只是一个起点,AI 时代技术团队需要从高效交付走向价值共创。这里引用蚂蚁的 CTO 梁纥老师的一个类比:玻璃最早在欧洲发明以后,传到了东方。

Image

最早玻璃被当做器皿的改良——之前都是用陶瓷杯,现在变成玻璃杯,它是一种奢侈品。但在西方,人们用它打造出了镜片,有了镜片以后就有了显微镜,所以才有了现代医学;有了望远镜,才有了天文学和物理学。所以我们怎么看待这个玻璃呢?是把它当做器皿继续喝水,还是用它做成显微镜和望远镜?AI 今天做成了一个杯子,它会替代很多当下的工作,但我们依然只把它当杯子,没有用它去做真正有价值的事——找到真正的望远镜,去发现新的机会和洞察新的价值。所以我们希望能看到更多看不到的业务可能性。

举一个具体的案例:我们是怎么从业务共创的视角去思考,重塑一些产研运营的流程设计的。这是一个直播场景礼物设计的整体流程和机制。在过去我们也在用 AI,在各个环节里把 AI 集成进来。

Image

比如当一个人构思好礼物内容创意以后,他会选择模型去生成、去抽卡,最后人去审稿——这个过程能不能重新思考?因为它还是围绕人去设计的流程,人的认知、时间和精力都是瓶颈。所以我们重新思考:人和 AI 在这件事里的边界和分工是什么样的。于是做了一些探索,发现AI可以做方向剧本、分镜、美术的专业制作,通过 AIGC的agent来完成;AI Agent Tools 能提供生成、剪辑和合成;评审、验证、评测都可以通过 Agent evaluation 来做;以及消费付费特征因子的反馈。人在这个过程中就上移到定义目标、标准和关键方向。这是一个案例,我们希望将过去业务中的流程和行为进行拆解,以 AI 为中心重新思考和设计。

Image

在 AIGC 这件事上我们也达到了非常好的效果,包括业务效率、商业形态,还有用户参与度和生态。最后看一下当前的阶段性成果。在研发范式方面,大盘目前 L2 的需求已经成为主流范式—— L2 相对于 L1,交付周期大概缩短了20%到30%;L3 在一些运营类的特定场景里,跑出了一些稳定的实践,能看到大幅度的交付周期缩短和整体提效。在业务价值层面,我们在多个业务方向上都贡献了显著的业务收益和增量。这是我们 AI DevOps 的整体全景大图。

Image

再往前看,前面这些历程其实一直有很多困难和波折,同时也遇到了一些关键的问题,这也是我们目前仍然在持续探索的。比如验证能力的规模化,尤其是在 C 端场景,怎么做好稳定的验证,确保稳定性、适应性,以及整个验证的效率和质量。第二个是先锋队的模式探索——在千人规模下需要有一些先锋团队先冲到前面,但这些先锋队的灵活性和未来泛化的标准化之间应该怎么平衡,也是我们仍在尝试攻克的难题。

Image

前面我们在讲范式和组织进化,但在这场变革中,AI真正的重塑,最终落到的是每一个人。所以这里我想分享三个自己最近在问的问题。

第一个问题是关于洞察:看得见的是知识,看不见的是品味、洞见和判断。我们的组织能不能让看不见的价值被看见,给它一个位置和认可?

第二个关于远见:人人现在都能加速,大家都在追求更多新工具,更快、更及时的结果。但有没有一个瞬间能停下来看一看——稀缺的是一个能够为判断留出时间、为方向留出耐心的定力。我们的组织有没有为这份定力留出空间?

第三个是关于温度。AI 抹平了入门的门槛,很多 Junior 工程师上手都能用 AI 出活,效率也很高。但我们这一代古典工程师,很多东西是靠一行一行写出来的、靠一个一个 bug 调出来的——对代码的手感、对优雅设计的审美、对系统的敬畏、面对复杂问题时的直觉,对严谨性和确定性的坚守。这些以前是在慢慢写的过程中长出来的,当 AI 跳过了这个过程,谁给他试错的空间?谁在他犯错的时候说“没关系,这个坑我当年也踩过”?所以问题是:我们的组织有没有在追求快速产出的同时,给年轻人留出更多生长的机会?

Image

对于这些问题,我现在还没有标准答案,但有一点越来越清晰:AI 让组织更强,而好的组织进化,也能让人的洞察、远见和温度更充分地生长。范式在变,组织在变,不论系统怎么演进,最终底色都是我们每一个工程师、每一个创造者。我们希望在这场变革中,每个人都能找到属于自己的价值和可能。希望在追求工程理性的尽头,也能活得更丰盈、自洽且无可替代。

团队介绍

快手主站技术部是负责快手 app 和快手极速版 app 的核心业务研发团队,服务于数亿用户每天时长上百分钟的使用,专注于打造极致且高效的生产、社交、消费、直播、运营、增长、房聘、孵化等业务研发体验;同时也是快手最大的技术部门之一,拥有业界资深的大前端、服务端、质量等团队,承担着核心业务需求迭代、超高并发服务开发,春节、奥运、暑期等大型活动工程技术保障,以及业界领先的基础技术建设等任务。

通过与产品、算法、设计、运营等各团队的紧密协作,主站技术践行 AI Native 理念,以数据驱动的方式,不断追求用户体验及技术架构上的最高标准,持续优化研发效率、质量和成本。一方面不断通过技术赋能业务,持续拿到业务指标上的正向收益;一方面也在积极探索最新的技术方向,产出了如 AIGC、M0、GUI-Agent、跨端动态化、端智能等业界领先的技术方案。

点击【阅读原文】,获取讲师PPT!

参考阅读

阅读原文

跳转微信打开

  •  

EdgeBench:衡量真实世界环境学习,发现新 Scaling Law

原创 Seed Research 2026-07-07 11:41 北京

Agent 在环境学习中表现出明显的 log-sigmoid 规律

过去几年,预训练 Scaling Law 让人们逐渐形成了一种共识:模型能力会随着数据量和算力的增加,以相对可预测的方式持续提升。但当大模型真正进入真实世界之后,一个更贴近应用的问题开始出现:它还能不能在与环境的持续交互中继续学习,并不断变强?

近日,我们发布了用于衡量真实世界环境学习的超长程评测集 EdgeBench。该评测集包含 134 个真实且多样的任务,横跨六大能力领域,Agent 在每个任务上都可持续工作至少 12 小时。

基于这些任务上的长程环境交互运行结果,我们发现,Agent 在“环境学习”过程中的整体表现遵循一条高精度的 log-sigmoid 曲线,平均拟合精度 R² 达到 0.998。同时,从不同代际的前沿模型来看,Agent 的学习速度大致呈现出每三个月翻一倍的趋势。

目前,EdgeBench 已开源其中 51 个任务及完整评测框架,供社区进一步研究 Agent 如何从真实世界环境中学习。

项目链接:

https://seed.bytedance.com/edgebench

论文链接:

https://edge-bench.org/paper.pdf

代码链接:

https://github.com/ByteDance-Seed/EdgeBench

数据链接:

https://huggingface.co/datasets/ByteDance-Seed/EdgeBench

 1. 衡量真实世界环境学习的超长程评测集 

真实世界中的模型表现,不只取决于它在训练中学到什么。很多关键知识并不直接存在于训练语料里,真实工作所依赖的也不只是现成信息,还包括反复试错、解读反馈和持续修正的过程。

与此同时,现实环境本身始终在变化,新工具、新问题和新知识不断出现,这意味着任何静态训练数据都不可能提前覆盖一切。因此,Agent 从环境中学习并持续提升任务表现的能力,正变得越来越重要。

现有的大多数模型评测集,衡量的主要是模型已有的知识和能力。而 EdgeBench 更关心 Agent 在拥有足够时间、反馈和改进空间时,如何从真实世界环境中学习。EdgeBench 在任务设计上呈现以下特点:

  • 面向环境学习:每个工作区、反馈信号和评测器都贴近真实实践,分数体现了 Agent 在环境中的学习和改进情况。

  • 超长时程:每个任务都支持 12 小时以上的连续运行,部分延长实验超过 72 小时,让经验能够持续累积。从已记录人工投入的任务来看,人类专家完成单个任务所需的时间平均为 57.2 小时,最高达到 320 小时。

  • 覆盖六大领域:134 个任务覆盖了科学、复杂软件工程、白领知识工作、算法优化、前沿数学和数字游戏,并由领域专家结合真实问题持续迭代,其中超 90% 任务为全新构建。

EdgeBench 的任务分类

 2. 发现环境学习中的 Scaling Law 

在 EdgeBench 中,Agent 不是提交一次就结束,而是会不断与任务环境交互,并接受评分、错误信息和改进线索等反馈。也正因此,曲线反映的并不是 Agent 一次性完成任务的能力,而是 Agent 在持续交互中吸收反馈、调整策略,并逐步改进结果的能力。

基于 Agent 在 134 个真实世界任务中的约 38000 小时环境交互记录,我们发现,Agent 的表现并不是静态固定的,而是能够在与环境的持续交互中不断学习、提升。

进一步来看,Agent 在环境学习中的成长轨迹并不单一。除了最终表现存在差异之外,它们在学习、吸收反馈和持续改进的过程中也表现出明显不同的路径:有些稳步提升,有些前期快速进步后进入平台期,也有一些会在长时间停滞后才迎来突破。

Agent 在 3 个任务中 12 小时内的学习曲线,从左到右分别为稳步提升、前期快速进步、后期突破的学习情况

以引力波任务中的一次 12 小时运行为例,GPT-5.5 在 247 次评分尝试中将分数从 42.8 提升到 67.0。这个案例表明,环境学习不是简单的连续调优:分数的关键跃升往往来自 Agent 根据反馈重新定义、拆解并组织问题。

Agent 先让任务可衡量,再拆解失败、定位瓶颈,最后保留可用核心,只修补剩余错误

如果把视角从单个任务扩展到跨任务整体表现,就会发现:这种学习并非无序波动,而是呈现出一种高度稳定的整体规律。

对于每个模型,研究都覆盖了 134 个任务,并对每个任务进行了 3 次独立运行,因此每个模型都会产生 402 条学习曲线。单看某一条任务轨迹时,Agent 在环境中的表现往往充满噪声、波动。但当这些轨迹按照交互时间进行聚合平均后,整体收敛为一条形式简洁且高精度的 log-sigmoid 曲线:

这一函数形式不仅能够稳定拟合不同模型的平均学习轨迹,而且拟合精度极高,平均 R²=0.998。这并不只是经验层面的拟合现象,还可以从图探索(graph exploration)理论的视角加以解释。

从 134 个任务的平均结果上看,随着与环境交互时间的增加,Agent 整体表现会持续提升,相关分析可参考论文原文

此外,我们还尝试回答:模型从环境中学习的速度,是否会随着代际演进而变化?

为尽量减弱模型先验知识与基础能力差异带来的干扰,我们选取了 18 个初始表现相近的任务,并对自 2025 年 9 月至 2026 年 5 月陆续发布的多代模型进行 2 小时评测,再用这段时间内的性能提升幅度来刻画其“学习速度”。结果表明,随着模型代际演进,模型从环境中学习的速度也在显著加快,对于当时表现最领先的一批模型而言,这一速度接近每三个月翻一倍。

不同版本大模型的学习速度变化趋势

 3. 写在最后 

随着模型从环境中学习的速度不断提升,未来模型之间的差距,可能不只体现在初始能力上,也会越来越体现在进入环境之后的学习速度上。对反馈的理解能力、经验积累能力以及策略调整能力,将越来越成为模型在长时程、开放式任务中建立持续优势的关键。

我们希望 EdgeBench 能为相关研究和应用实践提供一些参考,也期待未来有更多工作去关注模型在开放环境中的学习、适应与改进。同时,我们将继续理解和研究那些在真实环境中持续创造价值的能力,以及未来决定 AI 上限的关键能力,不断探索未知的智能边界。

阅读原文

跳转微信打开

  •  

人生周报v080: Bayes

原创 李继刚 2026-07-06 18:41 北京

「世人解听不解赏」

《剑来》里,陈平安遇到眼前一亮的句子,会一笔一画刻在竹简上,时不时拿出来晒晒太阳,翻拣重读。

以陈平安为师,我想记录一下每周在这世上遇到的好句子。

每周读到的好句子,收下来晾一晾——是以有「读」。

心里总有话忍不住想对这个世界讲,——是以有「说」。


读

每个人都有自己的小宇宙

每家公司都有自己的世界模型

即刻 @张斯成

人的魅力其实来源自内心的秩序感。

即刻 @野生粽子 yeah

三件事不能停:要持续地学习、见人、输出。

即刻 @野生粽子 yeah

永远关注两件事:

  1. 用户真正存在的问题是什么

  2. 我如何简化我的解决方案

除此之外都不重要

即刻 @二当家李多余

和 AI 合作的全部难题,归根结底就是人类社会自己几千年自己也没弄明白的那个问题:

如何外行领导内行。

即刻 @木遥

搞不定问题,就先去搞定工具。

搞不定工具,就先去搞定工具的工具。

哲学(认识论)即生产力的时代。

即刻 @Odysseys.eth

No one can copy your obsessions.

X @MoZarrinsadaf

说

语言是一种技术。 ────────

技术,是人类将能力外化为系统,并通过这个系统降低某种稀缺能力的成本。

当这种能力足够便宜、足够普遍时,它就会反过来重塑社会结构、认知方式和人的自我理解。

语言是一种技术,我们正在经历一次新的自我认知过程。

书架上的书,是你大脑的训练语料。

你不会往语言模型里灌垃圾数据,你知道数据质量决定模型质量。但大部分人对自己的书架毫无门槛:畅销榜推什么读什么,等于拿互联网噪声训练自己的神经网络。

“多”不是好指标。关键问题只有一个:你允许谁的思想进入你的权重?

每一本书都会微调你的参数,你的判断方式、你的审美偏好、你的注意力朝向。一本平庸的书不是“没用”,是在用平庸去覆盖你本可以形成的结构。它占的不是书架空间,是你的梯度更新方向。

盯着书架看,那一本本立在那里的不是纸,是一个个你选中的思想内核。达尔文站在那,塔勒布站在那,维特根斯坦站在那。他们不说话,但他们的权重已经写进了你的每一次判断里。

他们成为了你思考的背景底色。

不可不慎。

你用的 prompt、skills 都有一个默认的前提假设,比如默认 ai 不理解你的习惯,所以会在 prompt 中各种描述;默认 ai 长程认知会出现记忆漂移,所以会通过文件中继的方式来辅助。

模型和 harness 能力在按月更新迭代,有些默认假设之前跑的好好的,当前可能不成立了,那就需要新的更适合的 skill 来适配。

大家可以关注下这个前提变化情况。

任何一个漂亮的模板,被大量传播使用之后,都会快速进入审美疲劳。

还是应该向内看,寻找自己对「美」的理解,哪怕是粗糙的、笨拙的、质朴的,都有一种「你之为你」的味道。

这种「异质性」的味道,本身就是美的。

进化式笔记系统:

https://gist.github.com/lijigang/3a3f9ad825d63d980e0f766ce4a0cd9f

上次在 43 Talks 听了三亿对 Context 的分享,被他的视角启发(静态的笔记之网加上一层动态机制),我选择把进化论引入到笔记系统中,实测下来很有启发。

视笔记为个体,笔记中的思想为基因,笔记与笔记每天会繁衍变异,形成新笔记。

我喜欢「高桥流」的 PPT,在这风格基础上做了些优化调整,形成了一个生成 PPT 的 skill:

/ljg-present

书

本周推荐书籍《统计学关我什么事》。

这个月的主题阅读选的是贝叶斯思维,读的其中之一就是日本作家写的这本。

通俗易懂,浅显深入,已经逐渐喜欢使用 Bayes 取景框来分析事情:

  • 世界是什么(类别有哪些)

  • 各自的先验是多少

  • 事件是什么(新信息)

  • 似然比是多少

  • 更新之后的后验是多少

这五步里的每一步,都可以像拿放大镜一样细看,不断展开细节,理解越深,使用时越感觉神奇。

这是一个必备的取景框。

跳转微信打开

  •  
❌