铃阅时讯
❌

阅读视图

蔚来是一种命运

原创 李墨天 2026-09-02 21:18 上海

规划正确的方向,相信方向的正确

2023年底的媒体沟通会上,李斌表示“蔚来的谷底已经过去了”,不出意外收获一片嘲讽。

当时是蔚来NT2平台的产品周期末期,车型全面覆盖,最大的店都放不全。NIO Phone震撼登场,NIO life联名设计师堆满一面墙,原创设计有口皆碑,价格底线牢牢守住,顾客一进店就会被fellow教育:蔚来不参与价格战,没有低于30万的车。

唯一缺点是车卖不出去,两代平台8款车,凑不出一辆月交付破万的车型。

2023年,蔚来交付了16万辆车,研发、门店、充换电站投入只增不减,全年成功亏损211亿,差不多日均亏6000万,换成百元纸币,一天得烧1.124吨。

为什么李斌会认为谷底已经过去了,因为李斌看见的蔚来和市场看见的蔚来,不是一个东西。

市场眼里的蔚来,NT2车型基本失败,财报四处漏风,自然的想法是“还有退步空间”。事实也是如此,2024年蔚来再接再厉,亏了224亿。2025年上半年,蔚来交付11.42万辆,完成全年目标26%,新势力垫底。

李斌眼里的蔚来,NT3平台和ET9已经开发完成,基于NT3平台的ES8和ES9已经立项。李斌对NT3的技术成果有信心,知道蔚来大概能做个什么样的车出来,所以相对乐观。

上市车型和销量是研发和经营的结果,李斌看见的是新的决策正在执行,属于先行指标;市场看见的是上一个周期的结果,属于滞后指标,彼此难以理解对方。

当时有媒体问新车进度如何,是个提振信心的机会,李斌说还在PPD(预研)阶段,结果媒体听成了PPT,被解读为蔚来药丸。

新平台加上新车型的开发,3-5年都算快的,所以汽车行业,决策到结果的验证周期非常长。

具体到当时的蔚来,等ES8和ES9量产上市开始交付,结果要到2026年才能看见。

事实证明,李斌当年的乐观不是空穴来风。2026年,均价50多万的ES9用73天交了两万台,ES8是今年上半年大型SUV和40万以上车型双料销量冠军,近一年时间创造了近600亿营收。

芯片、内存、铜铁铝价格全面上行的背景下,几乎所有的车企毛利率都在下滑,靠ES8和ES9的高毛利,蔚来在上半年以不到20万的销量,创造了576亿营收。

同时,蔚来二季度现金储备提升至567亿,经调整经营利润2.1亿,连续三个季度盈利。而在衡量经营质量的毛利润上,蔚来上半年毛利总额107.7亿,同比增长282.2%。

纸面成绩以外,蔚来全新ES8和ES9大大推动了高端市场向纯电过渡的进程。今年7月,大型SUV整体市场纯电渗透率已经达到41.6%,无限接近纯电在乘用车市场整体44.3%的渗透率。

这两款车也回答了两个困扰蔚来整整五年的问题:纯电大车到底能不能卖出去?蔚来有没有做50万级市场的能力?

01.教训

第三代ES8开发期间,蔚来度过了非常挣扎的两年。李斌的总结是“蔚来丢掉了根据地”。

蔚来的根据地是什么?蔚来的定义是40万左右的市场,这也是第一代ES8的舒适区。第一代ES8整个生命周期里交付65233台,是中国汽车品牌突破豪华市场的标志。

到了NT2产品周期,蔚来账上现金非常充裕,导致一些产品的立项过程,没有经过系统的市场研究和用户画像分析。新车像下饺子一样推向市场。

2023年9月,第二代EC6发布,蔚来完成了NT2平台全系切换。车越来越多,交付量没有显著提升,效率实际上在降低。

回顾往昔,蔚来内部总结了NT2平台最大的两个教训:

一是既要又要。蔚来对NT2平台的定位是覆盖全球市场,在设计之初就考虑到了海外市场。团队认为车子做太大在欧洲卖不出去,因此对尺寸和空间非常克制,导致二代ES8的二三排空间局促。

为了兼顾右舵车的镜像开发,NT2平台车型的空调箱采用了纵置布局,占用了前舱空间,所有车型都没有前备箱。

二是车型迭代顺序规划失误。大部分车企规划新平台的产品线,都会从旗舰车型做起。比如奔驰会先发S级车型,确立技术与品牌高度,然后向下渗透。

但蔚来先发布了ET7/ET5/ES7三款新车,想把ES8打造成“二代车收官之作”压轴登场。结果ET5由于成本和尺寸限制,装不下空气悬架等配置,导致NT2一些领先的技术成果无法第一时间推向市场。

李斌认为,在40万左右的价格带,蔚来有一定群众基础。所以,NT3平台要“夺回革命根据地”,ET9确立技术标杆,ES8和ES9覆盖高净值用户。

当时,蔚来在软件系统、自动驾驶芯片、线控转向等领域的研发已经行进尾声,到了落地阶段。但整个2024年,蔚来要给乐道让路,只有年底发布的ET9一款新车。

ET9的定位是蔚来NT3平台一系列新技术的集中展示,整个发布会超过两个小时,但一些值得反复介绍的技术,只露脸了不到半张PPT。

02.踩坑

ET9的供应商里,有一家名叫ClearMotion的公司,拳头产品是主动悬架技术,用来消除车内破坏驾乘体验的晃动,是ET9“香槟塔模式”的关键零部件。

如果作为一个科研机构,ClearMotion可谓底蕴十足,2017年它收购了Bose的主动悬架业务。

对,就是那个做音箱的Bose,他们上世纪80年代就开始研究主动悬架,只是一直没有量产,ClearMotion收下了全部衣钵。

但作为商业公司,ClearMotion的道行浅得可怜,蔚来几乎是手把手扶着ClearMotion上了牌桌。

2022年,蔚来资本联合几家风投向ClearMotion注资3900万美元,双方在常熟联合建厂。ET9的主动悬架里,蔚来自研车辆运动管理系统和48V电源系统,ClearMotion提供控制算法及主控软件,京西智行提供液压部件,组成完整的电驱单元。

技术路线、财务状况的争议背后,很多人没有意识到,蔚来其实是一家垂直整合程度非常高的车企,自研浓度极高。

蔚来成立的2014年,全世界的车企都没把电动车玩明白,特斯拉距离遇到“产能地狱”都还有三年,行业供应链成熟度几乎为零。

蔚来当时知名度有限,供应商不愿意做联合研发,只想卖标准零件,导致核心参数锁在黑盒里。中国车企上次遇到这种待遇,还是改革开放初期,一机部找到丰田,但对方连CKD(散件组装)都不愿意,只想出口整车。

油车时代的坑,电车时代的新势力都得从头再趟一遍。新能源产业会创造新的供应链。但供应商不会自发出现,蔚来想干成这个事,必须承担催熟供应链的成本。

比如蔚来作为产业资本,投资了大量供应链企业,包括做激光雷达的图达通、做电池的卫蓝新能源、以及上面的ClearMotion等等。产业资本对上下游的投资大多基于自身需求,能够提供确定的订单,帮助供应链技术快速落地。

2019年之前,蔚来自己开发了一套电子电气架构的技术方案,电池管理系统、液冷恒温系统、快速换电装置都是从零开始。比如蔚来的子公司蔚来驱动科技(XPT),就负责蔚来电机、电控硬件的研发生产。

2021年,蔚来碳化硅电驱系统C样在XPT工厂下线

垂直整合的好处一般有两个,一个是节省成本。蔚来在2021年成立座椅研发团队,把座椅拆分为骨架平台、控制器、座椅组装等环节,分别寻找供应商拿订单。

这相当于把采购品种从整个座椅拆成了零部件,让供应商可以靠规模效应给出极低的采购价。

另一个是掌握关键技术,避免同质化竞争。

2020年后,蔚来启动NT3平台研发,整车操作系统、自动驾驶芯片、域控制器的集成化小型化等环节,给今天ES8、ES9等产品打下了扎实的地基,但也给当年公司造成了巨大的财务压力。

作为一个花钱花出名气的公司,要不要继续砸?蔚来的判断是,BBA都没法在电车时代卖标,想做高端纯电,势必要掌握独创性的技术方案。

同时,蔚来内部判断,2024-2025年将是高端纯电车的爆发期,不论纯电技术,还是换电站,届时都不是财务包袱,反而是胜负手,所以要继续建设。

技术投资成本虽然高,但都属于“一次性投入”,研发环节没有现金流,但落地后可以靠边际效应快速摊薄成本,是笔算得过来的帐。

在NT2车型不达预期的两年里,蔚来依然义无反顾的把资金投向了底盘、芯片、软件系统等环节的研发。体现在财务上,蔚来的研发费用在NT3平台开发期间,有一个不成比例的激增。

这些投入给NT3平台打了个不错的技术底子。坚持的故事之所以迷人,是因为在商业世界,坚持有成本,有风险,要承受巨大的代价。

03.执念

2023年春节过完,蔚来一位高管在内部会上分享了一个故事:

春节期间,他开着自己的二代ES8带父亲出门,车的二排没有实体按键,调节座椅都要盲操,大量功能集成在前排屏幕的二级甚至三级菜单里,导致后排的父亲非但没体验到各种舒适性配置,反而一路局促不安。

后来在第三代ES8上,蔚来一口气塞了111个物理按键,座椅调节按键从隐蔽的侧面全部挪到门板上。

当时NT3平台的伴生车型ET9基本定稿,蔚来的产研团队已经形成共识:

纯电的体验优势胜于其他技术路线。二代产品未达到商业预期,一方面是纯电技术、补能基建密度没突破临界点,另一方面是自己水平问题,不代表纯电路线有问题。

这个归因至关重要,但三代产品怎么做才能扭转市场认知,答案未知。

在ES8的预研过程中,蔚来曾规划了一个MPV车型:

团队的想法是做成侧滑门小MPV,既能保证空间,又能兼顾续航,唯一缺点是造型非常先锋且前卫。李斌当场表示“方向错了”,定了个既要又要的新方向:外观要回归得体、大气的SUV形态;但车内空间体验和乘坐舒适性,要向顶级MPV看齐。

按照这个方向,产品经理孙宁给工程团队下了需求,最终得到了一个长5.4米,重量3吨,风阻系数0.3的庞然大物。当时的产品会上,看着这辆ES8的渲染图,在场的每个人都露出了哀莫大于心死的表情。

好在这只是初稿,反复的推敲和纠结中,团队最终锁定了5280mm的车长和3130mm的轴距,这是第三代ES8的起点。以此为参照,定位更高的ES9同步立项。

尺寸不是唯一的问题,消费群体对二代产品普遍的看法是“高级但不够豪华”,怎么把豪华变成产品开发中可以量化的尺度,至关重要。

04.理解

ES8研发同期,蔚来公司的三品牌战略已经成型,乐道负责家庭用户市场,萤火虫主攻小型车,蔚来品牌需要进一步聚焦,渗透更高端、利润更丰厚的行政商务市场。

基于这个目标,产品团队定下了新的设计取向——Design for Business、Design for Success。

蔚来NT2车型走的是“北欧极简风”,推崇干净的线条和纯粹的视觉效果。NT2车型几乎没有物理按键,也没有车载大屏。为了极简的内饰设计,蔚来甚至有意隐藏了音响和座椅调节按钮。

为了弄清用户的真实需求,蔚来启动了一个规模庞大的调研项目,其中一个具体的问题是:“老板的快乐”怎么量化?

整个调研周期内,蔚来累计收集了超过两万个用户样本,从X5到X5M、从大G到大GLC一网打尽、宁滥毋缺。用户主要分为两类,一类是保时捷和BBA车主,一类是增程车与混动车车主。

除了真实车主,蔚来还调研了Lorinser这类改装厂,他们观察到车主不仅要坐得舒服,还要有衣橱、KTV和保险箱。调研结果在NT3车型定义中发挥了重要作用,比如第三代ES8上的移动衣帽间设计,就源于这次调研。

第三代ES8的移动衣帽间

调研结束,蔚来发现了几个关键结论:

一是60%以上的增程车主都只用纯电模式驾驶,几乎没启动过发动机,有的车主因为续航焦虑放弃蔚来选了增程,买完车后每天去蔚来充电桩充电,这个比例大大增强了内部对纯电和换电路线的信心。

二是高净值用户不缺购买力,但不太接受纯粹的品牌溢价,即花钱买标。同时,大量用户对复杂的选配项目感到厌倦,希望看到简单干净的SKU。

三是高净值用户喜欢显性的豪华感,在商务社交、家庭娱乐、会客、深度休息这些场景对应的功能上,NT2车型严重不足。用户对NT2车型几乎有着整齐划一的评价:太素。

而产品团队得到的最大的启发,是设计的极简和体验的极简,很多时候是两回事。

苹果消灭了手机键盘,但开创了一套符合人类直觉的手势交互方案,用户可以凭直觉操作手机,学习门槛大大降低。车载大屏虽然带来了极简的设计感,但体验却更加繁琐。

拿着一份全面改写自身认知的调研结果,蔚来大刀阔斧调整了NT3的设计理念。

05.算账

ET9是NT3平台第一款车型,没什么成本包袱,率先应用了线控转向、天行底盘、神玑芯片等自研新技术。

设计上,“飞航头等舱”理念的首次落地,大量运用斜线设计,使用多种材质进行拼接与对撞,力求一种精致但不铺张的美感。

落地在ET9上的飞航头等舱设计理念

ES8主攻40万级市场,既要有豪华感,又不能让成本失控。除了实体按键,蔚来在细节上大量费工夫,车内圆角曲率全部保持一致,氛围灯、真皮一路延伸到后备箱,儿童安全座椅卡口专门做了盖板,后备箱点烟器取电口的塑料盖、折叠小挂钩等,全部换成了和内饰颜色统一的金属拉丝配件。

ES9的设计更是个技术活。一方面,作为旗舰SUV,它必须有一眼旗舰的气势和体量感,也要像ET9一样搭载全部顶尖技术,同时还要和ES8做出一定区隔。既要大开大合,又要粗中有细。

外观上,为了营造顶级的体量感与视觉气场,ES9将车身肩线向上调整了两厘米,整体车高来到1870mm。别小看这些调整,当ES9和ES8同框时,用户一眼就能分辨出来,很大程度上就是因为外观设计上的体量感。

而在细节上,ES9也做出了很多花样。比如业内首发的LC隐私玻璃,ES9团队通过光刻机雕刻实现了独特的阵列效果,能通过滚轮滑动实现百叶窗一样的效果。但实际上产品经理的灵感来源,是清晨阳光慢慢打在层峦叠嶂上的景象。

ES9搭载的LC隐私玻璃,可以实现类似百叶窗的效果

座椅上的刺绣、门板上的音响氛围灯也有讲究:前者是苏绣工艺绣出的山,后者是模仿水波流动,取一个中国文化里依山傍水、靠山揽景之意。

很多人诟病NT2车型是“把肉埋在饭里”,按照这个思路,ES8、ES9就是“把肉埋在肉里”,用料、设计、技术,样样都要领先。

肉下面还是肉,价格又要足够有诚意,那成本从哪省?

当初的技术投入,此时派上了用场。NT3平台采用自研全域925V高压平台,为了让新车兼容低压充电桩,传统方案是增加一个升压模块,但ES8通过自研电驱“反向升压”,省下了这个又贵又重的模块。

类似的部件还有不少,比如单是用自研神玑芯片代替4颗英伟达Orin-X,就能省下1万元。

蔚来“全球首颗车规 5nm 高性能智驾芯片”神玑NX9031流片成功 - 数码前沿 数码之家

2024年,蔚来发布神玑NX9031芯片

自研925V高压架构,让ES8减少了数十公斤内部线束,单车铜用量从32公斤降到了25公斤。这些技术升级既节约了成本,又能做一个巨大的前备箱。

团队后来计算,ES8最终设计比最初版方案减重600公斤。

06.没底

ES8和ES9发售后,最关心销量的不是蔚来的管理层,不是蔚来的消费者,也不是友商的产品团队,而是蔚来的供应商。

供应商是个非常现实的群体,给客户安排多少产能,甚至车企开完发布会要不要发微博祝贺,是第一时间发,还是等车企发完订单数据再发,都有一番讲究。

ES8上市前,李斌每周都要约见一两家核心供应商的老板,说服对方为ES8预备一万台月产能,整个过程持续了整整一年。其中有一半供应商力挺蔚来,一半供应商选择观望。

这种现实情有可原,汽车是个讲究配套的行业,供应商需要在车企产线周边配套建厂,产线和设备砸下去,甚至在合肥单独建厂,造出来的车卖的好不好,关乎蔚来的生死,也关乎供应商的经营。

因此,这些供应商要么自己派人,要么找第三方机构,蹲守在蔚来门店数人头,打算弄清楚一个问题:车卖得到底有没有蔚来说得那么好?

不仅供应商心里没底,蔚来产研团队也不敢半场开香槟,不少人对ES8的月交付预期只有5000台,考虑到二代ES8月交付只有2000多台,这个数字已经翻倍了。

毕竟,ES8上市前,纯电大车在市场上几乎没有成功的先例。增程虽然被视为过渡技术,但在2024年前后,是新能源车企进攻高端市场最务实的手段。

所以在ES8和ES9的开发上,蔚来要解决的不单单是个产品问题,而是能不能在纯电路线的前提下,用技术手段解决纯电大车的短板,刷新高端市场和大型SUV客群对纯电的认知?

内部的这种焦虑一直持续到2025年年中,直到发生了两件事,团队心里才算有了底:ES8进行了小范围的试乘试驾,反馈非常不错;乐道L90预售效果超预期,证明纯电+大车有真实需求,能跑得通。

或者说,用户本来就不在乎动力形式,只在乎产品体验、品牌调性。ES8上市的节点,纯电的体验突破了增程的上限,市场迎来逆转。

因此,当2026年补贴全面退坡,整个汽车市场迎来大考时,纯电整体,以及40万以上高端市场份额反而逆势增长。

今年7月,纯电车在新能源销量结构中的份额达到了惊人的68%。同周期内,10-20万的新能源车负增速,10万元以内同比减少26%,降幅甚至超过燃油车,唯独40万以上的市场,销量同比增速接近46%。

中国是全球最大的新能源车市场,新能源渗透率逐年提高,但各个细分市场的增长并不平均。其中40万以上的高端市场,尤其是今年各路车企酣战的“9系大车”市场,曾是燃油车最稳固的壁垒。

2020年新能源市场爆发后,电动化技术进入了一个快速进步周期。包括电池能量密度、补能效率的提高,800V架构与辅助驾驶的全面普及。相比上一个技术周期,纯电路线的技术积累已经从“补短板”变成了“做增量”。

高端纯电虽然定价高,但留给工程师的“堆料”空间也更大。同时,随着充电桩、换电站不断增加,在40万以上的区间,纯电车对比油车、增程的体验优势,反而能拉开更大的差距。

短期来看,市场是一台投票机;长期来看,它是一台称重机。

市场的称重,没有让蔚来等待太久。今年4月以来,纯电连续4个月稳居第一大动力形式,手握全新ES8、ES9的蔚来,1-8月销量同比增长57.9%,领跑行业,并连续三个季度盈利。

过去五年踩过的坑,都变成了命运的馈赠。

07.命运

回到2023年李斌的“走出低谷”,蔚来当时的状态,在商业史上有一个对照组:1997年的苹果。

那是一个字面意义上的烂摊子,离破产只有90天。回归后的乔布斯第一时间给苹果经典广告《1984》的导演克洛打电话说:“我们必须证明苹果依然活着,依然代表独特的品牌。”

乔布斯回归后做了三件事:先从微软那里拿到了1.5亿美元救命钱,再将十几种Mac型号和配件缩减为四类核心产品,同时叫停兼容机策略,坚持苹果的封闭生态。

先活下去,但不要让短期的市场变化影响长期的战略。

李斌说“造车是泥泞路上的马拉松”,正确的方向一定是后验的,所以会碰上泥泞难行的路段,会经历铺天盖地的质疑,会陷入迷茫和无助。

规划正确的方向需要智慧,相信方向的正确需要勇气。蔚来的故事之所以迷人,是因为我们都听过很多充满智慧的道理,总是缺少孤注一掷的勇气。

全文完,感谢您的耐心阅读。

作者:李墨天

编辑:戴老板

制图:李墨天

责任编辑:李墨天

图片

图片

跳转微信打开

  •  

微信放大招,微信小程序终于支持个人虚拟支付了!

原创 CUGGZ 2026-09-02 16:53 浙江

这两天,微信小程序悄悄上线了一个挺重磅的新能力:

个人主体小程序,终于可以开通虚拟支付了。

以前个人开发者做微信小程序,最大的尴尬之一就是支付。

代码可以自己写,服务器可以买云开发,甚至现在有了 AI Coding,一个人几天就能做出一个完整的小工具。但只要想收费,事情一下就复杂了。

因为普通个人主体没法直接申请标准的小程序支付,真想商业化,往往还得先去注册个体户或者公司,再申请商户号。

很多只有几百、几千块收入的小工具,可能产品还没验证,手续先折腾了一圈。

现在,这个门槛终于开始松动了。

个人小程序可以直接卖虚拟商品了

8 月 31 日,微信开放文档新增了「虚拟支付:个人」相关能力。

目前开放的主要是个人主体的工具类小程序。根据目前公开的信息,需要完成小程序认证和备案,服务类目包含「工具」,个人主体持有中国大陆居民身份证即可申请。

个人主体目前全终端月支付限额为 10 万元。

这意味着以后个人开发者可以直接在小程序里卖:

会员、付费功能、AI 使用次数、数字内容、增值服务……

比如你做了一个 AI 图片处理工具,免费用户每天可以处理 3 张,高级用户可以买次数或者开会员。

以前最麻烦的不是把这个功能写出来,而是怎么合法、顺畅地把这几块钱收回来。

现在微信开始直接给个人开发者提供这条路了。

但注意,不是所有支付都开放了

这里很容易被误解。

这次开放的是虚拟支付,并不等于个人主体已经可以申请完整的微信支付。

如果你卖的是衣服、家具、食品之类的实物商品,还是不能简单拿个人主体小程序直接接普通小程序支付。

微信支付目前公开的小程序支付准入主体,依然主要是个体工商户、企业、事业单位、政府机关和社会组织等。

所以准确地说:

微信这次解决的是个人开发者卖数字商品和线上服务的问题。

但仅仅这一块,其实已经非常大了。

这件事放在 2026 年尤其有意思

因为现在做软件的门槛已经完全不一样了。

以前一个人想做个产品,前端、后端、服务器、数据库、部署,可能折腾一个月都出不来。

现在 Codex、Claude Code 这些 AI Coding 工具已经把开发成本压得非常低。

一个有开发经验的人,从一个想法开始,到做出一个能用的小程序,可能真的只需要几天。

于是问题也变了。

以前的问题是:

“我一个人能不能把它做出来?”

现在越来越变成:

“做出来以后,我怎么验证有没有人愿意付钱?”

而微信这次开放个人虚拟支付,刚好补上了这块。

以后完全可能出现这样的路径:

有一个小需求 → 用 AI 快速开发 → 注册个人小程序 → 上线 → 接入虚拟支付 → 看看有没有人真的愿意花 9.9 元

如果没人买,关掉,再做下一个。

不需要一开始就注册公司,也不需要为了一个还不知道有没有用户的小工具搭一整套商业主体。

独立开发者的机会,可能真的来了

过去几年一直有人讲 Micro SaaS、独立开发、一人公司。

但在国内,一个很现实的问题就是:开发可以一个人做,商业闭环却未必适合一个人完成。

而今年这个环境正在明显变化。

AI 把开发门槛降下来了,微信又开始把支付门槛往下降。

尤其微信本身还有巨大的用户基础,小程序又几乎不需要用户额外下载安装。

对于 AI 工具、效率工具、查询工具、内容工具以及各种非常垂直的小需求来说,这可能比再多一个新的 AI 模型更值得个人开发者关注。

AI 已经让一个人做产品越来越容易。

现在,微信又开始让一个人卖产品变得更容易了。

这才是这次个人虚拟支付真正值得关注的地方。

跳转微信打开

  •  

被认证为最安全车主(还有钱拿!)

原创 也谈钱 2026-09-02 13:30 德国

跟大伙聊个好玩的事儿。

之前选车险,我发现德国有些车险可以选装传感器,放在车里,实时检测你的驾驶习惯。如果驾驶习惯安全,可以给最多 30% 的保费折扣。而且最差也只是没有折扣,不会因此加保费。

所以我就果断选了。

但开始也没抱太大希望,「最多」30% 折扣,就像商场口号全场 XX 元「起」,可能很难拿到。

结果,收到传感器,开了一段时间 👇 居然真给我评了满分 💯 属于驾驶习惯最安全的一批车主了

照这个节奏,真能拿满 30% 折扣。

车险还挺良心的,条件不算苛刻。像我在加速项目上弱一点,总分也满分了。有点不适应。

之前也太常说,坐我开的车感觉很稳。但我自己其实感觉不明显。光记得过往哪哪预判失误了,下次应该……

所以看到这个评分特惊喜。关键是有钱拿,预计能退回来近 300 欧(德国车险不便宜,但保额惊人,我签的车险保额是 1 亿欧。刚看到这个保额我都惊呆了,车险还保触犯天条么?)

……

这个经历倒是正好验证我的一个日常观察——很多短期看的运气,其实长期看是习惯。

比如看二手车时我发现,前车主要么几年一处剐蹭都没有,一旦有剐蹭,往往就不止一处,会有第二三四处,检查车况就要更小心。就像厨房里的蟑螂,不会只有一只。

想起上大学被偷过手机的同学,后来还会再被偷。第一次很同情,第二三次就变成无奈了。也太手机倒没被偷过,但没一台最终完整退役,不是进水了,就是屏幕碎了(还不许我嘲笑,哈,我就笑~)

我也是因此理解了,为啥我觉得 Apple Care 太贵,但又有很多人觉得便宜。

车险折扣只是把习惯的影响具象化,其他条件相同的情况下:

  1. 驾驶习惯越好,出意外的概率越低,保费越便宜;

  2. 无出险记录越久,下一年出意外的概率越低,保费越便宜。

对了,我中间还看到一个保险公司 HUK 的统计数据——德国有 20 年以上不出险记录的车主,居然占比达到一半。比我想得高很多(注:这里没考虑车主自费修的小剐蹭,只统计保险理赔的案件。因为出险保费涨价、不出险保费降价,所以小剐蹭很多人会自己修,或者干脆不修)

……

从这个角度看,经常重复的习惯真的会有复利。想改变长期结果,笼统地提醒自己「更小心一点、更努力一点、更自制一点」,可能不如改变习惯和结构影响大。

保险公司的定价思路也给我一个启发。

我们很容易根据决心、当下的感受和现在的行动,判断一件事能不能成。今天斗志满满,就觉得这次成功率很高;看到心动的营销广告,就觉得买回去肯定会经常用。

但真想预测结果,也许更有效的办法,是看同一件事过去的成功率。

保险公司的定价就是这个思路。它预测一个人下一年会不会出险,并不听车主保证以后一定小心,而是看他过去一路怎么开过来的。

我们总把更多注意力放在未来可能发生什么。但很多时候,未来发生一件事的概率,写在我们来时的路上。

过去不是判决书,改变习惯、环境和结构,也是在改变未来的概率。只是在新的记录积累起来之前,过去通常比一时的决心更诚实。

单次结果看运气,长期分布看概率。概率藏在习惯里,也会被新的习惯一点点改写。

跳转微信打开

  •  

The Batch: 977 | AI 对速度的需求为何如此迫切

原创 DeeplearningAI 2026-09-02 12:45 北京

Hi~新朋友,记得关注我们哟

已经在跟踪模型成本和准确率的开发者,现在又有了一个新的重要理由去更关注第三个关键因素:速度。

●最新消息:OpenAI 和 Cerebras 预览了 Ultrafast,这是一项新的 API 服务层,运行在 Cerebras 硬件上,而不是 OpenAI 通常使用的基础设施上,搭载的是 GPT-5.6 Sol。

✴ 吞吐量:Ultrafast 宣称每秒最高可输出 750 个 token。Artificial Analysis 在 OpenAI 自家 API 上以最高推理强度测试 GPT-5.6 Sol,结果为每秒 65 个 token,这意味着 Ultrafast 大约快 11 倍。

✴ 完成时间:在 6 个质量匹配的 GDPVal (OpenAI 用于衡量真实、经济价值较高工作任务的基准)任务中,Cerebras 测得 Ultrafast 每个任务耗时 83 秒,而标准版 Sol 需要 7.7 分钟,端到端速度提升 5.6 倍。

✴ 延迟:GPT-5.6 的延迟异常高。Artificial Analysis 显示,标准版 GPT-5.6 Sol 在最高推理强度下,首个回答 token 的出现时间为 97.2 秒;相比之下,GPT-5.5 在高推理强度下为 14.5 秒。两家公司都尚未公布 Ultrafast 的延迟数据。

✴ 价格与可用性:仅向部分客户开放有限预览,其他用户可排队等候;尚未公布价格或正式全面上线日期

✴ 未披露:基准测试结果尚缺独立验证

同一周里,还有另外两个发布把“速度”作为主打卖点。Google 推出了 Gemini 3.7 Flash,Nvidia 发布了 Nemotron 3.5 Lightning。这三者都面向正在构建这类应用的开发者:响应时间决定产品表现有多好。

●速度到底是什么:在 AI 领域,“速度”常常对应两个指标,而不同模型和硬件对它们的处理方式也不同。延迟(有时称为首 token 时间)是模型开始返回响应前的等待时间;吞吐量则是模型启动后每秒生成多少 token。Ultrafast 主要针对吞吐量:Cerebras 的硬件将 GPT-5.6 Sol 的权重保存在 44GB 的片上 SRAM 中,避免了访问外部存储器所带来的瓶颈,而这正是基于 GPU 的推理常见的限制。

✴ Ultrafast 上的 GPT-5.6 Sol:吞吐量方面最清晰的展示来自 Cerebras。Ultrafast 在 Humanity’s Last Exam(这是一项涵盖 100 多个学科、测试专家级问题的考试) 上回答了全部 2,500 道题,耗时 11 小时 11 分钟;相比之下,Claude Fable 5 需要 78 小时 27 分钟,Ultrafast快了约 7 倍。Cerebras 还表示,Ultrafast 在 Fast 模式整体上比 Claude Fable 5 快 11 倍,比 Claude Opus 4.8 快 5 倍。

✴ Gemini 3.7 Flash:Google 尚未披露 Gemini 3.7 Flash 的吞吐量或延迟数据,但 Artificial Analysis 测得其输出速度为每秒 330 个 token——仅次于 Gemini 3.5 Flash-Lite——首 token 等待时间为 13.2 秒。该模型相较前代也有性能提升:其 Artificial Intelligence Index 平均分为 56,高于 Gemini 5.6 Flash 的 52。

✴ Nemotron 3.5 Lightning:据 Nvidia 称,其输出速度最多比同类其他模型快 4 倍,智能体式任务完成速度快 30%。Artificial Analysis 在不同提供方之间测得其平均吞吐量为每秒 302 个输出 token,首 token 时间为 7.5 秒。Nvidia 与该模型一同发布的开源路由库 NeMo Switchyard,会将智能体工作流中的每一步发送给当前最适合该步骤在速度、质量或成本方面需求的可用模型。Nvidia 报告称,通过 Switchyard 进行路由,而不是让每一步都在单一大模型上运行,可将任务完成成本降至仅使用 Claude Opus 4.8 的约三分之一。

● 新闻背后:Ultrafast 并不是 OpenAI 对速度的唯一投入。本周,该公司发布了其首批关于 Jalapeño 的测试结果;Jalapeño 是其与 Broadcom 合作生产的新推理芯片。这些测试显示,在同时运行 OpenAI 自家的模型和开源权重模型时,延迟和吞吐量表现都很有前景。需要注意的是,芯片厂商也必须在速度、用户总量以及硬件功耗之间取得平衡:这些因素都会影响推理成本和可靠性。

●重要原因:以这样的速度进行推理,改变的不只是模型完成固定任务的好坏,而是它能被用于什么。

✴ 在对话和其他实时应用中,用户会直接感受到延迟:如果语音助手停顿超过约 1 秒,体验就开始显得不正常,因为人类对话的轮次间隔大约在 0.3 到 1 秒之间。

✴ 对于用智能体写代码的开发者来说,等结果几分钟就足以让人分心、忘记上下文,或者转去做别的任务。之后再回来,就得在脑中重新构建问题,这会因为上下文切换而增加心理疲劳。

✴ 低延迟和高吞吐量有助于常驻智能体监控系统、网站或安全信息流,并在事件发生时立即作出反应。一个需要花一分钟分析才能发现问题的智能体,可能已经错过了实时采取行动的窗口。

✴ 工具使用同样高度依赖延迟和吞吐量。搜索、代码执行和数据检索工具都会给智能体式工作流增加时间成本。

● 我们在想:更快的 AI 模型已经使智能体能够写代码、检索数据,并以接近语音速度回应对话。我们鼓励开发者不仅思考哪些应用需要更高吞吐量和更低延迟,也要思考那些只有借助新模型和新硬件所能提供的速度才可能实现的新应用。

点击下方阅读原文查看更多有趣内容哦~

阅读原文

跳转微信打开

  •  

当我们再也读不完AI写的代码: 理解债务、Harness Engineering 与代码审查的未来

Thoughtworks 2026-09-02 12:00 北京

当代码增长速度远超团队理解速度,“理解债务”正在悄然累积。本文从 Robert C. Martin 的播客谈起,探讨 Harness Engineering 能否成为驾驭 AI 代码的答案,以及在 AI 时代,我们是否还需要阅读代码。

理解债务

Comprehension Debt

2026年8月20日,《代码简洁之道》的作者 Robert C. Martin 参与了 Matt Pocock 的一期播客,讨论了 AI 时代程序员是否仍需阅读代码,以及如何通过 Harness Engineering 驾驭 Coding Agent。 听完这期播客之后,我回想起第一次加入一个全面使用 AI Coding 的项目时,TL(Tech Lead)在我完成第一张 Story(用户故事)后问我:是否能够适应这种开发方式?

我当时的回答是可以,但有一个问题至今都没有改变:每次 AI 生成代码后,我还是忍不住用自己的"碳基大脑" review 一遍 diff,再根据我的人类意见东删西改,最后才敢谨慎提交 —— 毕竟无论代码由谁生成,最终对生产环境和客户负责的仍然是人。是的,大模型们,We still don't trust you。

这并非因为 AI 不够强。AI 生成代码太快了,但它的能力并不稳定:有时准确高效,有时又会误解需求、过度设计,或者生成表面合理、实际存在隐患的代码。

然而,"快"显然不是人类的强项。AI 一分钟生成的代码,人类可能要花十分钟以上才能读完并理解。这不禁让我思考,如果不能建立新的审查方式和信任模型,我们是否只是把"人类先理解,再编写代码"的流程,倒转成了"AI 先生成,人类再理解"?

更危险的是,当我们为了效率而不再阅读,是否还真正理解这个系统?AI 大幅降低了代码的生成成本,理解成本却没有同步下降。从2025年前后开始,由于AI生成的代码数量爆发式增长,理解债务(Comprehension Debt)被越来越多的工程师用来描述AI生成代码带来的理解缺口:当代码增长的速度远超过团队理解代码库的速度,成本最终必定在维护过程中偿还。它积累在团队的认知里,很难被察觉,往往要等到生产事故、复杂变更或关键人员离开时才突然暴露。AI 生成的代码拥有极高的表面可信度,能够轻易通过单元测试和 Lint 检查,却无法验证代码语义是否真的符合业务需求,更无法检查团队对系统的理解程度。因此在AI时代,我们必须改变代码审查的方式,新的工具,新的方法论。

Specification 不是理解的替代品

我的项目正在使用 Spec-driven Development(SDD,规格驱动开发)。Specification 是一种对人类和 AI 都可读的 source of truth:人类审查需求、约束和验收标准,Agent 负责把这些意图翻译成代码。

但从 Specification 到代码从来不是机械翻译。即使需求足够明确,实现中仍然存在大量隐性决定:如何组织数据、怎样处理异常、如何权衡性能、责任应该属于哪个模块。Specification 可以描述"我们想要什么",却无法穷尽系统的全部行为,更不能替代对实现的理解。

如果试图预先写下所有决定,又会遇到另一个悖论:一份详细到足以替代代码审查的 Specification,几乎等于用自然语言重写程序。执行 SDD 所产生的大量文档同样需要维护和审查。有时我甚至觉得,直接阅读代码比阅读写得满满当当的文档更为轻松。

这并不意味着 Specification 没有价值。把需求、约束和验收标准写清楚,确实能够帮助人类与 Agent 对齐意图;从 Sprint 数据上看,我的团队短期内也开发得更快了。只是 Specification 无法自动保证实现质量,更无法替团队维持对系统的理解,仍有改进的空间。

Harness Engineering:把工程纪律写进环境

AI 降低了代码生成成本,却没有取消软件工程对可维护性和架构质量的要求。真正发生变化的是工程纪律的载体:过去许多要求依靠程序员记住并主动执行,现在则需要写进 Agent 的工作环境,成为它可以读取并执行的约束。诸如OpenAI、Anthropic之类的科技公司,以及 Robert C. Martin本人,都在尝试把这些约束组合成一套可以持续纠错的工程闭环。

明确的任务边界

在播客中 Robert 分享了他设计的一套由五个 Agent 组成的工作流:Specifier 负责把人的需求整理成 Gherkin 验收场景;Coder 负责实现;Cleaner 专门清理重复代码、改善命名和结构;Hardener 使用各种指标和测试检查风险;QA 则验证成品是否真正满足需求。

Spotify 的技术团队也做过类似的架构。Spotify 的后台 Coding Agent 采用了另一种边界划分:执行任务的 Agent 每次只接收一个 Prompt,并在指定代码库中完成一次修改;组织上下文、代码推送等工作由其他系统负责。Spotify 的经验是,Agent 的能力范围越明确,行为越容易预测,安全风险也越容易控制。因此,多 Agent 并不是必要条件,关键在于把模糊的大目标拆成范围清晰、结果可验证的工作单元。

可执行的质量关卡

在播客中,Matt 问 Robert:他是否认为《代码整洁之道》中的某些实践在现如今需要改变?Robert 的回答是"阈值"。他的观点是:AI 可以继承传统软件工程的价值观,但不一定要继承所有面向人类形成的实践,由于 Agent 能快速阅读、修改和运行代码,函数长度、复杂度等阈值都可以重新实验。

一些过去没有成为日常实践的质量工具,也因为 Agent 的出现重新变得可行。例如突变测试(Mutation Testing)会故意制造细小错误,再运行测试。如果错误代码仍然通过测试,就说明测试并没有真正覆盖关键行为。在没有 AI 的时代,执行突变测试需要大量的人工,但在 AI 出现之后,则能够以非常低的成本运行这些测试,并由 AI 快速修复测试结果。

因此,与其在文档里反复要求 Agent"代码写好一点",不如尽量把要求变成可执行的关卡:测试、类型检查和 Linter 不通过,任务就不能结束。OpenAI 的 Harness Engineering 实验也沿着类似方向,把模块分层、依赖方向、结构化日志、Schema 命名等规则写入自定义 Linter 和测试,使其稳定作用于 Agent。

不过,质量关卡只能覆盖能够被形式化的部分。设计是否过度复杂、模块边界是否合理、代码是否准确表达业务语义,仍然需要具体判断。过多规则可能让 Agent 只是在"把指标变绿",例如通过过度拆分代码,把一种复杂度转移成另一种复杂度。因此,Harness 不能把"所有检查通过"等同于"代码一定正确"。如何选择指标,以及判断哪些问题必须交给人类,仍然是工程实践中最困难的部分。

独立评估与持续自我纠错

在 Robert 设计的流程中,Agent 需要持续运行突变测试和其他检查,根据失败结果补写测试、降低复杂度或重构代码,直到外部工具判定合格。在此基础上,他又引入独立的 Hardener 和 QA Agent,通过上下文隔离进一步检查实现结果。

独立评估的意义在于,不让同一个上下文既负责实现,又负责证明自己的实现正确。Agent 在生成代码时会形成一套假设,如果随后仍由它自己 Review,很容易沿着原来的思路自我确认。换一个上下文,让 Reviewer 只根据 diff 和验收标准寻找问题,可以减少这种路径依赖。Claude 最佳实践推荐的 Writer/Reviewer 模式,本质上也是同一思路。

Spotify 的实践则采用两层验证:第一层是确定性的 verifier,负责执行固定规则检查;如果失败,Agent 不能创建 PR,而要根据错误继续修改。第二层是 LLM Judge,用来对比原始 Prompt 和最终 diff,判断 Agent 是否超出任务范围,或通过禁用测试掩盖问题。确定性工具适合判断代码能否构建、测试是否通过;独立 Reviewer 则补充那些难以完全形式化的语义判断。

OpenAI 的实践进一步把这个循环扩展到交付过程:Agent 可以检查 UI 和日志、复现问题、修复错误、请求其他 Agent Review,并根据反馈继续修改。检查结果不再只是等待人类处理的报错,而会成为 Agent 下一轮工作的输入。

Harness Engineering 的目标并不是消灭人的参与,而是减少机械流程,把人的注意力留给真正需要经验与判断的地方。

Harness Engineering 智能体工作流

人类定义意图 → 边界明确的任务 → Agent实现 → 确定性关卡 → 独立评估 → 人类判断

读还是不读代码,这是个问题

Robert C. Martin 最近关于"不会阅读 Agent 写出的代码"的表态,引发了程序员社区不少讨论。乍看之下,这似乎是一个很激进的观点。但如果放回他的完整语境里,这个判断并不是简单地"放手让 AI 写"。他强调的是,要用比管理人类程序员更严格的 Harness 来约束 Agent。同时,他也承认偶尔会抽查代码,至于架构设计,则完全由他本人负责,不会交给 AI。

其实,真正的争议不是 Harness 有没有价值,而是它能否代替人的理解。作为程序员,我们是否还需要阅读 AI 生成的代码?如果我们认真理解和审查 Agent 生成的所有代码,就很难充分获得 AI 带来的速度优势;但如果为了速度跳过这些工作,又可能失去程序员最重要的能力。Harness Engineering 很擅长检查那些已经被形式化的标准,却不一定能阻止人类逐渐退出对系统的理解过程。如果反馈循环只验证代码能否通过检查,而不保留人对系统的理论和判断,那可能只是让一座无人理解的塔,更稳定地继续升高。

但也许我们并不需要滑向两个极端,要么"一行代码不读",最大程度榨取 Agent 的生产力,要么逐行阅读每一行 AI 生成的代码。有的科技公司正在探索一种 Risk-based hybrid 的代码审查方式:判定为安全、影响较小的 PR 可以自动合并,复杂或有风险的修改则引入人工审查。一些程序员则让 Agent 处理 CRUD 和 boilerplate,把时间用于研究真正不懂的东西。这种分工未必是逃避理解。关键在于:哪些工作适合交给 AI,哪些工作本身就是我们理解系统、积累判断力的过程?

AI 时代真正稀缺的资源,已经不再只是编写代码的时间,而是人类的注意力。软件工程接下来要解决的问题,也许不是怎样让 AI 写得更快,而是怎样决定有限的人类理解能力应该花在哪里。

结语:当我们学习软件工程时,我们在学些什么

作为一名程序员,我得承认我仍然享受 review 代码的乐趣,也很愿意和 Agent 讨论当前实现是否合理。即使它有时显得过于"墙头草",但也往往能够发现我第一眼没有看到的隐患。

在播客最后,Matt Pocock 问了一个很实际的问题:Robert C. Martin 已经写了 60 年代码,所以即使不再逐行阅读代码,也能依靠长期积累的经验构建出好的系统;但对于刚入行的 Junior 来说怎么办?如果 AI 接管了大量初级编程工作,他们要通过什么途径积累经验?

Robert 的回答其实和 AI 出现之前并没有太大不同:花大量时间亲手进行基础的编程和调试;在资深工程师的指导下工作,学会识别风险、权衡方案、判断什么样的代码可以保留;阅读经典软件工程著作。书中的技术可能会过时,但许多架构经验,都是前人付出真实代价后留下的教训。至于商业公司是否仍愿意承担这样的新人培养的成本,那就是另一个问题了。

以前,理解是一种要求;AI 出现以后,理解变成了一种选择。从这个角度看,AI 有点像托尔金笔下的魔戒:它赋予使用者强大的能力,也不断诱惑我们把原本需要亲自理解的事情交出去。至于这些由 AI 大量参与建造的软件系统是否真的坚固,更严格的 Harness 能否长期确保系统质量,不断积累的理解债务最终又会造成怎样的风险,也许还需要几年才能验证。我们已经看到了一些信号,但只有时间能给出更确定的答案。

作者:黄智涵

跳转微信打开

  •  

Agent 为什么会“忘事”-Agent的记忆管理

原创 小编 2026-09-01 17:52 北京

Agent 为什么会“忘事”:从上下文拼接到可治理的记忆系统

很多团队第一次把 Agent 接入真实业务时,都会遇到一个看似简单、实际很棘手的问题:它明明在前几轮对话里看过这些信息,为什么后面还是会问同样的问题,或者根据已经过期的内容做决策?

常见的第一反应是扩大上下文窗口、把更多历史消息塞回 Prompt,甚至把整个会话原样回放。但这往往只能延缓问题,不能真正解决问题。

Agent 的“记忆”不是模型天然具备的能力,而是应用层围绕上下文构建的一套工程系统。它需要决定哪些信息值得留下、哪些信息应该更新、什么时候召回,以及如何避免无关或错误记忆污染当前任务。

本文从运行机制出发,梳理 Agent 记忆系统的核心概念、常见实现方式和落地路径,重点讨论一个生产系统真正需要回答的问题:

当前这一轮请求,究竟应该把哪些历史信息带给模型?


一、先区分两个容易混淆的概念

1. 上下文是“当前可见信息”

对模型来说,一次调用就是一次独立推理。模型能够利用什么,取决于本次请求中实际传入的内容,包括:

  • 系统指令

  • 用户当前输入

  • 最近几轮消息

  • 工具调用结果

  • 应用主动检索并注入的历史信息

  • 任务状态或结构化变量

这些内容共同构成当前上下文窗口。它们像工作台上的材料,模型只能使用已经摆到工作台上的东西。

2. 记忆是“跨时间保存并可再次使用的信息”

记忆则发生在模型之外。应用需要把信息提取出来,存放到数据库、文档库、向量索引或其他存储中,等未来某次请求需要时再召回。

所以,“模型记住了用户喜欢 TypeScript”并不准确。更准确的描述是:

  1. 应用从历史交互中识别出这条偏好;

  2. 将偏好写入外部记忆存储;

  3. 新请求到来时检索到它;

  4. 把它放入当前 Prompt;

  5. 模型据此生成回答。

这个过程里,模型负责理解和推理,应用负责保存、筛选和编排。


二、为什么把全部历史放回 Prompt 仍然不够

最朴素的方案是每一轮都携带完整聊天记录。它确实能让 Agent 在短时间内表现得像“有记忆”,但很快会遇到四类问题。

2.1 上下文窗口始终有限

窗口再大也不是无限的。随着会话变长,系统最终仍然要做截断、压缩或摘要。更大的窗口只是把决策点推迟,并没有替应用做出信息取舍。

2.2 成本和延迟会随历史增长

如果每轮都重复发送大量历史,输入 Token、首字延迟和整体费用都会上升。长上下文还会增加调试难度:当模型答错时,很难判断是指令、历史事实、工具结果,还是某一段旧消息造成了干扰。

2.3 信息越多,不一定越容易找到重点

模型可能对上下文的不同位置表现出不同注意力。关键事实被大量普通对话包围后,即使它仍然存在,模型也未必能稳定利用它。把信息放进窗口,不等于让信息变得可用。

2.4 历史事实会发生变化

“项目使用 React”可能在下个月变成“项目已经迁移到 Vue”。如果系统只是不断追加历史,而没有更新和失效机制,检索出来的内容就会同时包含新旧结论,最终把冲突交给模型自行判断。

因此,记忆系统的目标不是“尽可能多地保存”,而是:

为当前任务生成一份足够准确、足够精简、来源可追溯的上下文。


三、建立一套记忆分层模型

把所有信息都称为“记忆”会导致存储和检索策略混乱。更实用的做法,是按照信息的生命周期和用途进行分层。

3.1 工作记忆:当前任务正在发生什么

工作记忆通常位于当前上下文中,内容包括:

  • 当前用户问题

  • 正在执行的步骤

  • 已经完成的工具调用

  • 当前任务的中间结果

  • 还没有解决的错误

  • 最近几轮对话

它的优点是访问快、语义完整、无需检索;缺点是消耗窗口空间,且通常不能自然跨会话延续。

适合放入工作记忆的信息,应该与当前任务强相关。例如在排查部署失败时,当前分支、最近一次构建日志和已经尝试过的修复,都比半年前的一段闲聊更重要。

3.2 情节记忆:过去具体发生过什么

情节记忆保存事件和过程,强调“当时发生了什么”。例如:

  • 某次发布因配置错误失败,最后回滚;

  • 用户曾经要求保留某个兼容性方案;

  • 某个需求经过讨论后放弃了一个实现路径。

这类信息通常需要保留原始片段、时间、来源和关联对象,便于日后追溯。它适合使用文档存储加向量检索,也可以结合时间过滤和关键词过滤。

3.3 语义记忆:当前已知的事实是什么

语义记忆是从多个事件中提炼出的稳定事实,例如:

项目:订单服务
当前数据库:PostgreSQL
前端框架:Vue 3
部署环境:Kubernetes

这类信息回答的是“现在是什么”,通常比原始对话更适合精确查询。由于事实可能更新,存储时最好同时记录:

  • 事实键和值

  • 来源

  • 更新时间

  • 生效范围

  • 置信度

  • 是否已过期

3.4 过程记忆:应该如何完成一类任务

过程记忆描述做事方法和约束,例如:

  • 发布前必须执行回归测试;

  • 修改数据库前要先生成迁移预览;

  • 处理生产数据时必须经过审批;

  • 某类代码要遵循团队约定的目录结构。

过程记忆通常不应该和普通聊天记录混在一起。它更接近版本化的 Prompt、Skill、策略配置或工具使用规范,需要有明确的版本、权限和回滚机制。

3.5 一个简单的分类表

类型

主要回答

典型内容

更适合的载体

关键治理点

工作记忆

现在正在做什么

当前步骤、工具结果、最近消息

上下文、会话状态

Token 预算、截断、摘要

情节记忆

过去发生过什么

某次故障、一次决策、历史过程

文档库、向量索引

来源、时间、切块、保留期限

语义记忆

现在是什么

技术栈、偏好、当前版本

KV、关系库、图数据库

去重、冲突更新、有效期

过程记忆

应该怎么做

流程、规范、工具策略

版本库、配置中心、Skill

版本、权限、审批、回滚

分层的意义在于:不同类型的记忆,应该使用不同的写入、查询和更新规则。


四、一轮请求中的记忆运行时

记忆系统并不是简单地“查一下数据库”。一轮请求通常包含以下流程:

flowchart LR
    A["接收请求"] --> B["识别任务与作用域"]
    B --> C["召回候选记忆"]
    C --> D["过滤、重排、去重"]
    D --> E["摘要与 Token 预算控制"]
    E --> F["组装当前上下文"]
    F --> G["调用模型与工具"]
    G --> H["异步抽取并更新记忆"]

4.1 先确定作用域,再做检索

记忆至少要区分用户、租户、项目和会话。否则,某个项目的配置可能被错误地召回到另一个项目,甚至出现跨用户信息泄漏。

建议在记忆记录中显式保存类似以下元数据:

{
"user_id": "u-123",
"tenant_id": "tenant-a",
"project_id": "project-x",
"session_id": "session-456",
"memory_type": "semantic",
"source": "conversation-789",
"updated_at": "2026-08-20T10:30:00Z"
}

检索时,作用域过滤应当是硬约束,而不是交给模型判断的软提示。

4.2 候选记忆不等于最终上下文

向量检索返回的是候选集合。应用还需要根据当前任务进行:

  • 相关性重排;

  • 时间和有效期过滤;

  • 重复内容合并;

  • 新旧事实冲突处理;

  • 敏感信息过滤;

  • 长度压缩;

  • Token 预算分配。

最终进入 Prompt 的内容应该少而准,而不是把检索结果原样倾倒给模型。

4.3 回写最好异步完成

在回答结束后,可以异步完成记忆抽取和更新,避免用户等待。回写过程通常包括:

  1. 判断新信息是否值得保存;

  2. 识别它属于哪种记忆;

  3. 提取结构化字段或保留原始片段;

  4. 与已有记录去重;

  5. 检查冲突并更新状态;

  6. 保存来源和时间信息。

如果每条对话都写入长期记忆,系统很快会被低价值内容淹没。记忆写入本身也需要门槛。


五、常见实现方式与适用边界

5.1 截断和滑动窗口

只保留最近若干轮消息,超出范围的历史直接丢弃。

优点:实现简单,成本低,适合局部性很强的短对话。

问题:早期决策和关键约束会直接消失,无法支持跨会话记忆。

它可以作为基础兜底,但不适合作为复杂 Agent 的完整记忆方案。

5.2 滚动摘要

当历史超过阈值时,让模型把较早对话压缩成摘要,并保留最近几轮原文。

一个实用的上下文组合通常是:

系统约束
+ 当前任务状态
+ 长期记忆中与任务相关的事实
+ 历史摘要
+ 最近若干轮原文
+ 当前用户输入

摘要能延长有效对话周期,但它并非无损压缩。数字、条件、例外和否定关系尤其容易在摘要中丢失。因此,重要决策不应只存在于自然语言摘要里,最好同步写入结构化状态。

5.3 RAG 式记忆

把历史片段切块、向量化并存入检索系统,之后根据当前问题召回相关内容。

它擅长回答“过去有没有发生过类似事情”,优势是保留原始证据,方便追溯;但它也容易召回过期信息、重复信息和相互矛盾的信息。

RAG 记忆要想稳定,至少需要配合:

  • 元数据过滤;

  • 时间衰减或有效期;

  • 混合检索;

  • 结果重排;

  • 记忆来源展示;

  • 过期和删除机制。

5.4 事实抽取

不保存全部原始对话,而是把其中有长期价值的信息提炼成结构化事实。

例如:

{
"key": "user.preferred_language",
"value": "TypeScript",
"scope": "user",
"source": "conversation-789",
"valid_from": "2026-08-20T10:30:00Z",
"status": "active"
}

事实抽取适合偏好、技术栈、项目配置等状态型信息。它的难点在于抽取错误和覆盖错误:模型可能把一次临时尝试误判成长期偏好,也可能用新错误值覆盖旧的正确值。因此必须保留来源,并在必要时要求确认或设置置信度。

5.5 知识图谱与时序记忆

当业务中有大量实体、关系和状态变化时,图结构比单纯的文本相似度更有表达力。例如:

用户 -> 负责 -> 订单服务
订单服务 -> 部署于 -> 集群 A
集群 A -> 当前版本 -> v2

如果关系还会随时间变化,就需要额外记录生效时间和失效时间。

图谱适合 CRM、项目协作、企业知识和长周期个人助手等场景,但建设成本、数据建模成本和维护复杂度都更高。只有当关系查询确实成为瓶颈时,才值得引入。

5.6 主动调页式记忆

另一种思路是让 Agent 通过工具主动管理自己的记忆,例如提供:

  • 写入记忆;

  • 查询记忆;

  • 更新事实;

  • 删除记忆;

  • 获取历史片段。

这种方式的自主性更高,但也带来新的控制问题:Agent 可能过度写入、错误删除,或者在不该检索时调用记忆工具。生产系统需要在工具层增加权限、范围和审计约束,不能完全依赖模型自律。


六、RAG 和事实抽取应该如何组合

RAG 与事实抽取经常被拿来比较,但它们解决的是不同问题。

RAG 更适合保留证据

RAG 保存“发生过什么”,适合:

  • 回顾历史决策;

  • 查找故障处理过程;

  • 找到某条信息的原始来源;

  • 处理开放式、语义不确定的问题。

事实抽取更适合维护状态

事实抽取保存“目前是什么”,适合:

  • 用户偏好;

  • 当前技术栈;

  • 当前项目版本;

  • 账户或业务状态;

  • 具有明确键值关系的信息。

比较稳妥的组合是:

用结构化事实支持快速决策,用 RAG 提供原始证据和过程追溯。

例如,模型需要回答“项目现在使用什么前端框架”,可以先读取结构化事实 frontend_framework = Vue;如果用户追问“什么时候从 React 切换过来的”,再通过 RAG 查找迁移过程和相关决策记录。

每条结构化事实最好都保留来源指针。这样既能快速使用,又不会失去可解释性。


七、如何选择实现工具

工具选择不应从“哪个产品功能最多”开始,而应从业务最主要的记忆类型开始。

可以用下面的判断方式:

主要需求

优先考虑的方向

个人偏好、跨会话事实、快速接入

结构化事实记忆层

历史事件、原始证据、时间线

文档库与混合检索

多实体关系、状态变化、复杂关联查询

时序知识图谱

Agent 主动管理上下文和记忆工具

分层记忆运行时

已经使用某个 Agent 编排框架

优先采用其生态内的状态和记忆组件

具体工具只是实现选择,不能替代记忆治理。无论使用什么组件,都需要自己回答:

  • 记忆的作用域是什么?

  • 什么内容允许写入?

  • 过期信息如何处理?

  • 冲突由谁解决?

  • 用户如何查看和删除?

  • 如何评估召回是否有用?

如果这些问题没有答案,换一个记忆框架通常也只是把问题换了一个位置。


八、推荐一条渐进式落地路径

记忆系统适合逐步建设,不适合一开始就做成“万能平台”。可以按以下三个阶段推进。

阶段一:先让会话内任务稳定

目标是解决同一轮长对话中的任务状态丢失。

建议组合:

  • 保留最近几轮原文;

  • 增加滚动摘要;

  • 单独维护结构化任务状态;

  • 设置明确的 Token 预算;

  • 记录已完成步骤和待处理事项。

这一阶段不需要复杂的向量数据库,先让 Agent 能稳定回答“我们已经做了什么、现在进行到哪一步”。

阶段二:补充跨会话事实

当用户开始期待个性化体验时,再加入长期语义记忆,例如:

  • 用户偏好;

  • 项目技术栈;

  • 团队约定;

  • 长期有效的业务约束。

此时要同步加入作用域、来源、更新时间、冲突更新和删除能力。长期记忆一旦影响真实操作,就不能只当作一个“黑盒召回接口”。

阶段三:在确有需要时引入关系和主动调页

当系统出现以下特征时,再考虑图谱或主动记忆工具:

  • 同一批实体之间存在大量关系;

  • 关系会随时间持续变化;

  • 查询需要跨多个实体和事件推理;

  • 固定的自动召回规则已无法满足复杂任务。

复杂技术应该由真实问题驱动,而不是由架构图驱动。


九、记忆写入和更新的四条规则

规则一:不是所有信息都值得记

可以在写入前询问:

这条信息在未来是否可能改变 Agent 的回答或行动?

如果答案是否定的,就不必写入长期记忆。一次性的寒暄、临时猜测和低价值重复内容通常不应该持久化。

规则二:每条记忆都要有边界

同一句话在用户、项目和会话三个层级上的含义可能不同。例如“我们使用 PostgreSQL”可能只是当前项目的约束,并不代表用户所有项目都使用 PostgreSQL。

作用域应该成为数据模型的一部分,而不是写在备注里的说明。

规则三:更新比追加更重要

长期记忆如果只有新增没有更新,最终必然变脏。至少要支持:

  • 新增;

  • 合并;

  • 覆盖;

  • 标记过期;

  • 软删除;

  • 冲突保留与人工确认。

规则四:记忆必须可以解释

当 Agent 根据某条长期记忆做出重要决定时,系统应该能够回答:

  • 这条记忆来自哪里?

  • 什么时候写入?

  • 为什么认为它仍然有效?

  • 是否存在相反证据?

  • 用户能否修改或删除?

可解释性不是额外装饰,而是排查错误和建立用户信任的基础。


十、最常见的工程误区

误区一:上下文窗口越大,记忆问题就越小

大窗口能减少短期截断,但不能替代跨会话存储、状态更新和相关性筛选。把多年历史全部塞进 Prompt,既昂贵,也可能降低模型对重点的把握。

误区二:所有记忆都放进同一个向量库

原始事件、当前事实和操作规范的查询方式不同。把它们混在一起,会让相似度检索承担它不擅长的去重、冲突判断和权限治理。

误区三:只做记忆写入,不做记忆清理

没有过期、删除和冲突处理的记忆库,规模越大,噪声越多。记忆系统必须同时设计“记住什么”和“忘掉什么”。

误区四:只看召回数量,不看召回质量

召回十条信息不代表系统更聪明。真正重要的是:召回内容是否与当前任务相关,是否包含过期事实,是否改变了最终决策。

误区五:让模型独自决定权限和范围

模型可以参与判断,但用户、租户、项目等隔离必须由应用层或数据库层强制执行。敏感记忆的读取和写入还应有审计记录。


十一、怎样评估一个记忆系统是否有效

记忆功能上线后,不能只用“看起来它记住了”作为验收标准。至少应该从四个方面评估。

11.1 召回质量

可以构造带标准答案的测试集,检查:

  • 关键记忆是否被召回;

  • 无关记忆是否被排除;

  • 过期事实是否被过滤;

  • 来源是否能够追溯。

11.2 任务结果

最终指标仍然应该回到业务任务:

  • 任务完成率是否提升;

  • 重复询问是否减少;

  • 工具调用是否更准确;

  • 错误决策是否减少。

11.3 成本和延迟

记忆系统不能只提升效果而无限增加成本。需要同时观察:

  • 平均输入 Token;

  • 记忆检索耗时;

  • 首 Token 延迟;

  • 回写任务的额外模型调用;

  • 存储和索引成本。

11.4 安全与可控性

还需要验证:

  • 不同用户和项目之间是否隔离;

  • 删除操作是否真正生效;

  • 敏感信息是否会被不必要地召回;

  • 记忆更新是否可审计、可回滚。

将记忆召回、过滤结果、最终注入内容和模型输出放进同一条 Trace,才能真正定位“为什么它会记错”。


结语:好的 Agent 不只是记得多,而是记得对

Agent 的记忆管理,本质上是一个信息治理问题,也是 Harness 设计的重要组成部分。

成熟的记忆系统通常具备三种能力:

  1. 该记的能留下:关键事实被提炼并保存,重要决策有来源;

  2. 该忘的能清理:过期、错误和冲突信息不会无限积累;

  3. 该用的能召回:当前任务只获得真正相关的最小有效上下文。

因此,当用户再次说“这个 Agent 怎么又忘了”,排查顺序不应该只是继续扩大 Prompt,而应该依次检查:

  • 当前会话状态是否维护完整;

  • 重要事实是否成功抽取;

  • 旧事实是否正确失效;

  • 检索是否命中正确范围;

  • 最终上下文是否被摘要、排序或 Token 预算错误处理。

模型能力决定 Agent 能做什么,记忆架构决定 Agent 能否持续、稳定、可控地把事情做对。真正值得建设的,不是一个装满历史记录的“记忆仓库”,而是一套能够判断、更新、解释和约束信息流动的运行系统。

CadenzaOS:https://github.com/SuperTapir/CadenzaOS

PCB Atelier:https://github.com/SuperTapir/pcb-atelier

tapir-skills:https://github.com/SuperTapir/tapir-skills

PCB_lightgraph:https://github.com/tomatorigid/PCB_lightgraph

我用AI编程复刻了老罗的TNT,还顺手做了个万能遥控器……:https://www.bilibili.com/video/BV1qMKg6uEJr

送朋友一张PCB做的贺卡!:https://www.bilibili.com/video/BV11MjE6qEXb

🎉🕯🎂🕯🎉(我的第一块 PCB Art 作品图案取自这位老师的视频):https://www.bilibili.com/video/BV1ihNx61Ewq

从零开始的二次元电路板艺术画设计教程:https://www.bilibili.com/video/BV1CQjz6ZELZ

-END -

如果您关注前端+AI 相关领域可以扫码进群交流

添加小编微信进群😊

关于奇舞团

奇舞团是 360 集团最大的大前端团队,非常重视人才培养,有工程师、讲师、翻译官、业务接口人、团队 Leader 等多种发展方向供员工选择,并辅以提供相应的技术力、专业力、通用力、领导力等培训课程。奇舞团以开放和求贤的心态欢迎各种优秀人才关注和加入奇舞团。

跳转微信打开

  •  

VisActor 全新图可视化开源项目:VGraph

字节跳动开源 2026-09-01 17:29 北京

VGraph 正式开源了!

来源|VisActor 团队

VGraph 正式开源了。如果你正在做数据血缘、知识图谱、关系网络、树图分析、流程编排或图编辑器,现在可以用一套更贴近真实业务场景的关系图库,直接把复杂关系变成可读、可交互、可落地的产品体验。

什么是 VGraph:面向真实业务场景的关系图库

VGraph 是一套面向真实业务场景的关系图库,聚焦关系数据的可视化表达、交互编辑与产品化落地。

关系图产品常常不是输在算法或数据,而是输在体验:用户看不明白、交互不顺、细节做不深、工程接不住。

VGraph 这次开源,带来的价值就在于:让关系图不再只是一个技术展示能力,而是一种可以进入日常业务系统的产品能力。

一句话总结:如果你希望把复杂关系做成真正可用、可交互、可持续演进的业务产品,VGraph 值得加入你的技术选型清单。

VGraph能解决什么问题

很多团队都遇到过同一个问题:关系数据不难拿到,难的是把它讲清楚、跑顺畅、做得像产品。

  • 图画出来了,但节点一多就乱,用户看不懂重点

  • 能展示静态关系,但缺少真实业务需要的交互和编辑能力

  • 想做复杂节点、信息卡片、右键菜单、Tooltip、表单编辑,接入成本很高

  • 图分析、图编辑、树图、血缘、流程场景往往要拼很多能力,工程复杂度高

VGraph 想解决的,正是这类“从图形展示到业务产品”之间的最后一公里。它不只关注“把点和边画出来”,更强调复杂关系的表达能力、交互能力和产品落地能力。

  • 关系表达更完整:支持有向图、关系图、树图、嵌套布局、力导向布局等多种结构

  • 业务组件更友好:内置节点、连线、分组、图例、交互行为,同时支持高度定制

  • React 节点能力强:复杂节点、标签页、按钮、表单、状态切换都能自然接进来

  • 图编辑能力更贴近产品:适合做流程编排、节点编辑、自由排布、批量操作等场景

  • 从展示到分析一体化:既能做看板式分析图,也能做可交互、可操作的业务图应用

一眼就能想到的应用场景

  • 数据血缘:表级血缘、字段级血缘、上下游影响分析

  • 知识图谱:人物关系、企业关系、事件关系、社交网络

  • 流程与编排:DAG 流程、审批流、任务编排、流水线编辑

  • 树状分析:组织架构、行政区划、分层指标、目录结构

  • 图编辑器:低代码流程设计器、策略编辑器、图形化配置面板

现在就开始

如果你想先感受 VGraph 的表达力,不需要从零造轮子,最快可以按下面这条路径开始:

  1. 先跑示例:直接打开官方文档里的 demo,优先看数据血缘、知识图谱和流程编排几个代表场景。

  2. 再装依赖:在你的前端项目里接入核心包,快速把一张关系图先跑起来。

npm install @visactor/vgraph @visactor/react-vgraph @visactor/react-vgraph-ui

第三步,替换成你的业务数据:先用真实节点和边把业务关系映射出来,再逐步叠加复杂节点、交互操作和编辑能力。

经典业务场景

如果你希望快速判断 VGraph 是否适合自己的业务,最直接的方法不是先看参数表,而是拿一个典型场景做最小验证。下面这 4 类场景,基本覆盖了大多数关系图产品的第一批落地需求。

数据血缘

适合表级 / 字段级上下游追踪、影响范围分析和链路排查。

对应 Demo:

https://www.visactor.io/vgraph/demo/solutions/dataLineage

import { GraphStructure } from '@visactor/vgraph';
import { DataLineageGraph } from '@visactor/react-vgraph';
const data = new GraphStructure({
  directed: true,
  nodes,
  edges
});
<DataLineageGraph
  data={data}
  baseTableId="table_a"
  size={[width, height]}
  minDepth={-2}
  maxDepth={2}
/>;

知识图谱

适合人物、企业、事件、资产之间的关系探索,从“看关系”走向“找线索”。

对应 Demo:

https://www.visactor.io/vgraph/demo/force/redMansions

import { Graph, defaultForces, ForceX, ForceY, ForceLink } from '@visactor/vgraph';
const forces = defaultForces();
forces.set('posX', new ForceX({ options: { x: width / 2, strength: 0.05 } }));
forces.set('posY', new ForceY({ options: { y: height / 2, strength: 0.05 } }));
forces.set('link', new ForceLink({ options: { distance: 50 } }));
const graph = new Graph({
  container: 'container',
  width,
  height,
  layout: { type: 'force', options: { forces } }
});
graph.data({ nodes, edges });

流程编排与图编辑器

适合 DAG、审批流、任务编排和低代码流程设计器,让图既能展示,也能编辑。

对应 Demo:

https://www.visactor.io/vgraph/demo/editor/commonFlowEditorForm

import { CommonFlowEditor } from '@visactor/vgraph';
const editor = new CommonFlowEditor({
  container: 'container',
  graphSize: [width, height],
  renderMode: 'dom',
setDefaultNode() {
return {
      width: 140,
      height: 40,
      anchors: [
        { show: 'hover', position: [0, 0.5] },
        { show: 'hover', position: [1, 0.5] }
      ]
    };
  },
  setDefaultEdge(edgeData) {
return {
type: edgeData.target ? 'turningLine' : 'line',
      endArrow: true,
      radius: 10
    };
  }
});
editor.getGraph().data({ nodes, edges });

树状分析与层级关系

适合组织架构、目录结构、分层指标和行政区划等树图场景。

对应 Demo:

https://www.visactor.io/vgraph/demo/tree/basic

import { TreeGraph } from '@visactor/vgraph';
const graph = new TreeGraph({
  container: 'container',
  width,
  height,
  layout: {
type: 'dendrogram',
    options: { direction: 'LR', radial: true }
  }
});
graph.data({
  id: 'root',
  children: [{ id: 'child1' }, { id: 'child2' }]
});

如果你正在评估关系图产品的技术底座,最直接的方式就是拿一个真实业务场景试一遍,看看 VGraph 能不能把你的关系数据真正做成产品。

跳转微信打开

  •  

The Batch: 976 | GLM-5.3 取得网络安全进展

原创 DeeplearningAI 2026-09-01 12:45 北京

Hi~新朋友,记得关注我们哟

Z.ai 的最新旗舰模型在 Artificial Analysis 的智能基准指数上,表现与开源权重领先者 Kimi K3 持平。该公司表示,这个模型在发现并利用软件漏洞方面能力提升,因此在发布其权重之前需要先进行安全测试。

●最新消息:Z.ai 仅通过微调其前代模型 GLM-5.2,就提升了 GLM-5.3 在编码和智能体工作中的表现,而无需从头训练一个新模型或修改其架构。

✴ 输入/输出:输入文本最多 100 万 token,输出文本最多 128,000 token,速度为每秒 90 token

✴ 架构:混合专家 transformer,总参数量 7530 亿,每个 token 激活 400 亿参数

✴ 功能:可调推理级别(低、高、最大)、工具调用、结构化输出、流式传输、上下文缓存

✴ 性能:在 Artificial Analysis 的 Intelligence Index 上获得 60 分;在对 Z.ai 的测试中,其在 CyberGym(漏洞检测基准)上取得所有模型中的最高分

✴ 可用性/价格:GLM Coding Plan 订阅(每月 18 美元至 168 美元)和 ZCode 开发环境;Z.ai 的 API 价格为每百万输入/cached/输出 token $1.40/ $0.26/ $4.40

✴ 权重/许可证:权重预计在发布后约两周提供,许可证尚未公布(GLM-5.2 使用 MIT 许可证)

✴ 未披露:知识截止时间、GLM-5.3 的具体训练数据

●工作原理:公司扩大了 GLM-5.2 的微调方案,将其应用到规模更大、更多样化的环境集合中(即模型尝试执行指定任务的模拟工作区)。该方案包括单次 rollout 的异步优化,这是一种强化学习方法,它一次只训练一个尝试,而不是等待整批完成。训练方法还会把智能体尝试过程中的长记录切分并压缩成片段,使模型能从长时间运行的任务中学习,而不只是短任务。

✴ 公司设计的编码相关训练任务,更像长期的软件工程工作,而不是规整、独立的谜题。在其中一个任务里,模型获得了一个机器学习工程师的工作环境,被要求找出训练流水线变慢的原因,然后优化流水线,并在不降低输出质量的前提下证明提速有效。

✴ Z.ai 训练所需的环境数量,超过了开发者自己能够构建的范围。公司使用智能体来构建环境,并在某些任务中也用智能体来提供奖励信号。

✴ 另一个独立的评分智能体会先检查每个任务在对应环境中是否可解,然后再对模型表现打分。Z.ai 构建每个评分器时都不会向其展示任务的参考答案。只有当评分器接受了正确解法,并且正确拒绝了未经修改或未完成的方案时,它的判定才算有效。

✴ 公司还研究并试图阻止模型进行奖励黑客行为,即模型利用漏洞骗取奖励而不是真正完成任务。

● 性能表现:独立测试显示,GLM-5.3 与顶级开源权重模型处于同一水平,只比领先的专有模型低几个百分点,但在智能体工作上有显著提升。Z.ai 自己的测试显示,其在智能体编码和网络安全方面的提升最大。

✴ 在 Artificial Analysis 的 Intelligence Index 上,(这是一项由九个对经济上有用任务的评估组成的综合指标),GLM-5.3 将推理设为最大时得分 60 分(每项任务 0.68 美元),与 Kimi K3(每项任务 0.84 美元)表现持平,并比将推理设为最大时的 GLM-5.2(每项任务 0.44 美元)高出 7 分。它落后于领先的专有模型,包括将推理设为最大的 Claude Opus 5(63 分,每项任务 2.34 美元)、将推理设为最大的 GPT-5.6 Sol(61 分,每项任务 0.96 美元/1.23 美元)以及将推理设为高的 Grok 4.6(61 分,每项任务 0.84 美元)。

✴ 在 Z.ai 的网络安全测试中,GLM-5.3 在 CyberGym (通过触发错误来寻找并确认源代码中的漏洞)上获得 84.5%,这是该基准上的最高分,超过 Claude Mythos 5(83.8%)和 GPT-5.6 Sol(83.6%)。在 ExploitBench(测试针对加固软件的漏洞利用尝试)上,GLM-5.3 达到 54.4%,是 GLM-5.2(24.4%)的两倍多,也领先于 Kimi K3(32.2%),但远远落后于 Claude Mythos 5(78.0%)和 GPT-5.6 Sol(76.5%)。

✴ GLM-5.3 的通用知识成绩就没那么亮眼了。它在 Humanity’s Last Exam 上答对了 42.3% 的问题(落后于较旧的 Grok 和 Claude Opus 模型),在 GPQA Diamond 上解决了 91.72% 的问题(在中等设置下落后于 Gemini 3.7 Flash),而且其 AA-Omniscience Accuracy 得分只有 34%,远低于其他顶级模型。

✴ 在 Code Bench 上,这是 Z.ai 针对编码任务设计的自有基准,基于完成度和逐步准确率评分;将推理设为最大时,GLM-5.3 使用大约每个任务 75,000 个输出 token 完成了 34.5% 的任务,领先于将推理设为最大的 Claude Opus 4.8(29.5%,每个任务 120,000 token),但落后于将推理设为最大的 Claude Fable 5(39.5%,每个任务 57,000 token)。

● Z.ai 的低调发布:本周,Z.ai 确认,Ox Alpha——一个处于低调模式、在 OpenRouter 和其他平台用户中迅速走红的多模态模型——实际上就是 GLM-5.3 Flash。公司还依据 MIT 许可证发布了这个 3200 亿参数模型的权重。

● 新闻背后:GLM-5.3 出现在关于“具有先进网络安全能力的开源权重模型是否危险到不应发布”的争论中,并同时为双方的观点提供了可信度。

✴ Z.ai 选择的是临时护栏,而不是 OpenAI 和 Anthropic 采取的永久性方案;后两者都要求组织注册后才能使用其最擅长安全利用的模型。相反,Z.ai 公布了该模型在 CyberGym 和 ExploitBench 上的得分,并选择只在与经过筛选的安全合作伙伴进行两周安全评估后才发布模型权重。

✴ GLM-5.3 的发布引来了竞争对手的直接回应。在 8 月 17 日的一篇帖子中,OpenAI 总裁 Greg Brockman 警告称,具备接近或达到最先进水平网络技能的开源权重模型,可能会“显著加速威胁态势”,并附上了 GLM-5.3 的发布页面链接。他的警告出现在数周之后;此前,OpenAI 自己的评估智能体曾从其 ExploitGym 环境中逃脱,并攻破了 Hugging Face 的基础设施。

✴ 对其他开源权重模型的早期测试表明,这种警报可能超过了实际威胁。7 月,美国和英国的 AI 安全研究机构联合评估了 Kimi K3,发现它在 41 项 ExploitBench 任务中没有执行任意代码——这是最严重的结果。最强大的专有模型在关闭防护后,平均会执行 20 次任意代码。

●重要原因:Z.ai 的目标是打造更强的智能体编码器,但同时也得到了一个非常擅长发现安全漏洞的模型。公司有意加入了数据和环境,当模型发现网络安全缺陷时就会获得奖励。按预期,随着训练规模扩大,这项能力也随之提升,并在 CyberBench 上超过了其他所有模型。但该模型在构建漏洞利用方面的进步,超过了设计者在发现漏洞方面的目标。公司并不打算让 GLM-5.3 在 ExploitBench 上的得分比前代提高一倍以上;模型只是通过追逐利用漏洞所带来的可用奖励,变得更强了。

● 我们在想:Z.ai 每次发布的模型都比上一次更强,也引发了更多关注。所有用户都会受益于 AI 实验室彼此竞争、不断超越对方——尤其是在它们把权重开放给所有人研究、修改,并在自己的硬件上运行的时候。继续把新模型呈上来吧!

点击下方阅读原文查看更多有趣内容哦~

阅读原文

跳转微信打开

  •  

GLV号外|为AI找电——对话诺瓦聚变创始人郭后扬

高瓴创投 2026-09-01 08:10 北京

近日,国内首家专注场反位形小型模块化聚变小堆(FRC-SMR)研发与产业化的高科技企业——诺瓦聚变能源科技(上海)有限公司,正式宣布完成总额12亿元Pre-A系列融资,高瓴创投持续加码。

我们为什么关注聚变?

过去两年,AI大模型的爆发把一个曾经属于能源行业的命题,推到了整个科技产业面前:电从哪里来?

AI数据中心(AIDC)对电力的要求近乎苛刻——高密度、不间断、低碳、靠近用户、且成本可控,而传统能源方案很难同时满足这五重约束。而在各类候选方案中,可控核聚变因燃料近乎无限、零碳、无长寿命核废料、本质安全等特性,被视为潜在的长期解决方案。真正的问题在于:哪条技术路线,能让聚变在可预期的时间内走向工程落地?

诺瓦聚变创始人郭后扬博士,在这个领域已经工作了四十余年。

他是美国物理学会会士、中国国家特聘专家,深耕聚变领域40余年,历任美国DIII-D托卡马克边界等离子体与材料研究中心主任、欧盟JET托卡马克实验负责人之一、中国EAST托卡马克研究室主任,并出任美国能源部最大FRC实验研究计划负责人、全球最大FRC能源公司TAE首席科学家兼实验运行部主任,是全球少数横跨托卡马克与FRC两大路线的科学家。其2010年提出的FRC等离子体对撞"动态融合"技术,正是FRC-SMR模块化设计的物理基础。

但直到十五年后,他才决定离开熟悉的科研机构,创办一家商业公司。

为什么是现在?聚变商业化的窗口离我们还有多远?

带着这些问题,我们和郭后扬聊了聊,以下是对话内容。

AI时代的能源命题

GL Ventures

Q

很多人觉得聚变是“永远还有三十年”的技术,为什么您认为AI改变了这件事?

郭后扬:

AI数据中心的用电需求有它的特殊性:功率密度高、要求全天候不间断、要低碳、要尽量靠近负荷中心,同时成本还要可控。这五个约束叠在一起,传统能源方案很难同时满足。聚变的燃料近乎无限、零碳、无长寿命核废料、本质安全,长期看是匹配这类需求的候选方案之一。

更重要的变化是节奏。在我个人的判断里,AI算力的爆发把聚变的产业窗口从大家习惯的“还有三十年”压缩到了5-10年——不是物理规律变了,而是需求侧第一次给出了明确、且愿意付费的应用场景。

Q

FRC-SMR是怎样一条路线?它凭什么去满足刚才说的五重约束?

郭后扬:

FRC-SMR的核心特点是小型化、模块化。物理上,FRC位形可实现接近100%的超高β值(等离子体压强与磁场压强之比),结合强磁场,可以把装置做得很小;配合磁压缩加热方案和直接发电技术,能量利用效率也有优势。落到工程指标上:单堆50MW,核心部件模块化便捷更换、无需停机大修,可以就近部署在数据中心侧,度电成本的目标是低至1美分。

另一个容易被忽略的优势是迭代速度。这类装置结构相对简单、单次建造成本较低,企业可以“小步快跑”,用较短周期完成“设计—建造—实验—修正”的闭环,而不必等待动辄数十年的巨型工程周期。当然也要说明,从技术源头到商业化发电,中间仍有一系列待验证的物理与工程环节,这是我们每天在做的事。

Q

成立16个月,诺瓦在工程上具体做出了什么?

郭后扬:

我们在四个核心工程环节上取得了突破,全部通过工程样机实测验证,并已申请相关专利:

一是高功率全固态开关电源。突破了固态开关峰值电流与电流上升速率(dI/dt)的双重性能瓶颈,性能超越当前商用固态半导体开关的上限,可显著压缩脉冲电源整体研制成本、提升系统可靠性。

二是模块化强磁场磁体设计。在物理与工程两个层面创新,提升压缩磁场强度、延长磁场续流时长,既降低配套电源建设投入,又延长FRC等离子体的维持时间。

三是大型石英真空腔体的国产化制造。联合国内特种材料制造企业,攻关产出国内最大规格的直线型、锥形石英真空腔体,成品样件已完成标准化性能测试,解决了FRC装置大型真空腔体的国产化制造难题。

四是纳秒级精密控制采集系统。自主研发纳秒级时序确定性控制与高保真、高精度等离子体信号测量系统,采用全光通信架构隔绝强电磁环境干扰,适配聚变装置的极端工况。

在此基础上,“诺瓦一号”装置已完成工程设计与核心部件研制,全面转入总装集成阶段:真空抽气、诊断、加料等辅助系统均已定型,烘烤测试平台就绪,土建基础完工。

团队目前的目标是冲刺2026年底实现首次等离子体放电。

从大科学装置到创业公司:

商业化认知的转变

GL Ventures

Q

您先后在JET、EAST、DIII-D等大科学装置和TAE任职,再到独立创业,对聚变商业化的理解发生了哪些变化?

郭后扬:

核心有三点。第一,从追求科学极限到追求工程可行。在大科学装置做研究,追求的是物理参数的极限——温度能做多高、约束时间能做多长;做商业化,问题变成了用什么路径、什么成本、什么时间表把电发出来,每一个参数最终都要让发电在经济上算得过来账。

第二,从单一路线到多路线并行、场景驱动。站在产业化角度,未来聚变能源大概率是多路线并存的:大型集中式托卡马克瞄准2040年以后的基础负荷市场;小型分布式FRC-SMR有机会更早落地,匹配AI数据中心全天候、大功率、分布式的用电需求。不同路线服务不同场景,不是非此即彼。

第三,从国家主导到民企与国家队协同互补。国内聚变研发长期以国家队科研院所为主体,他们深耕基础前沿科学和大型集中式装置,是行业的奠基石;民营企业更像突击队,聚焦商业化落地和分布式场景。二者各司其职、协同互补,共同构成中国聚变产业的完整拼图。

全球坐标下的中国机会

GL Ventures

Q

海外同路线公司已有实质进展。放在全球坐标里,中国团队的机会在哪里?

郭后扬:

海外FRC路线的代表企业Helion Energy已实现1.5亿摄氏度的等离子体运行,累计融资超过21亿美元,其聚变电站计划2028年为微软AI超算中心供电,并已获得全球首个聚变电站运营牌照。如果如期落地,这将是全球聚变商业化发电的标志性事件,也说明这条路线的产业化进程已经在推进之中。

中国的优势我看重三点。一是完整的工业制造产业链。聚变装置建造涉及几十个工业门类,中国是全球少有的工业门类齐备的国家。我们在建“诺瓦一号”的过程中深有体会:超大口径特种石英真空室联合国内团队攻关成功,全固态开关电源的核心指标超越商用上限——这种产业链配套能力和工程落地速度,是很多国家不具备的。

二是全球规模领先的AI算力市场需求。聚变商业化的第一个大规模落地场景很可能就是AI数据中心。FRC-SMR可以靠近负荷中心建设,50MW的输出功率匹配数据中心用电需求,不需要远距离输电,这种需求侧拉动会加速商业化进程。

三是国家队与民企的协同体系。中国有世界一流的聚变科研国家队,在托卡马克领域积累数十年;民营企业则发挥高效迭代的优势聚焦商业化落地。这种协同格局是中国聚变产业的独特条件。

至于所谓“换道超车”,我的观点是:不要在别人已深耕几十年的赛道上硬追,而要在有差异化优势的路线上率先突破。我2010年在美国等离子体物理年会上提出的FRC等离子体对撞“动态融合”技术,是FRC-SMR模块化设计的物理基础;依托国内的产业链、工程能力和市场需求,中国团队在这条路线上有自己的路径和节奏。

Q

聚变领域多条技术路线并行,未来会走向收敛吗?您如何判断3-5年后的行业格局?

郭后扬:

我的判断是不会完全收敛,而是“技术分化+场景匹配”。聚变不是赢家通吃的领域:托卡马克适合大型集中式发电,瞄准2040年以后的基础负荷市场;FRC-SMR适合分布式供电、尤其是AI数据中心场景,有机会更早商业化;仿星器、惯性约束等路线也有各自的探索价值。就像今天的能源市场,火电、水电、风电、光伏、核电各有其位。对企业而言,关键不是赌哪条路线会“赢”,而是把自己选择的路线做深做透。

至于格局,随着各家验证装置陆续出结果,行业会从“百花齐放”走向“分层分化”:有实体装置、有实测数据、有清晰里程碑的企业会脱颖而出,停留在概念阶段的企业会被逐步淘汰——这是硬科技行业从热度期走向成熟期的必然规律。同时,国家队与民企的分工协同也会更加清晰,形成更紧密的人才交流与产学研用协同。

Fusion for AI & Beyond

GL Ventures

Q

最后,聊聊愿景。创业至今,您最大的感受是什么?

郭后扬:

我们的愿景是“Fusion for AI & Beyond”——以聚变之光,点亮无限算力,掀开AI的电力天花板,并把这束光投向更远的未来。

具体分三层:我们希望成为全球首批实现聚变商业化发电的企业,在2030年代前半叶建成50-100MW小型分布式聚变示范电站,首先服务AI数据中心;推动FRC-SMR成为分布式聚变能源的重要方案;助力中国聚变产业进入全球核心竞争梯队。

感受可以用三个词概括。

幸运:我在聚变领域深耕四十余年,但真正让我在2025年下决心创业的,是几件事同时发生——AI算力压缩了聚变的窗口期,海外同行验证了FRC路线的工程可行性,国内硬科技创业生态和资本环境也真正到位了。

踏实:聚变容不得半点浮躁,每一个参数都要靠实验数据说话,每一个工程节点都要靠实物支撑。

期待:期待“诺瓦一号”于年底打出第一束等离子体,2027年实现1亿摄氏度,2029年实现Q>1,更期待2030年代前半叶示范电站为AI数据中心送出第一度电。每一个里程碑都是对团队的检验。

最大的收获是这支团队,公司现在已经有60余名成员,覆盖物理设计、装置建造、脉冲电源、系统集成、等离子体控制与诊断的完整链条。聚变是团队的事业,不是个人英雄主义的舞台。有这样一支团队,我对实现愿景有信心。

写在最后

GL Ventures

从技术源头到商业化发电,中间仍有待验证的技术与工程环节。但从行业整体看,聚变已从物理学愿景逐步转入工程竞赛阶段,比拼的是谁能更快把设计变成装置、把参数变成数据。在这场竞赛里,中国有机会凭借完整的供应链、成本与迭代速度上的优势,形成自己的竞争力。

我们期待的不只是一座聚变装置。

也是一个关于能源、算力和中国工程能力的新答案。

跳转微信打开

  •  

面向 Agent 沙箱的内核全景观测|滴滴开源 CCF 中国开源大会分享回顾

原创 滴滴开源 2026-08-31 19:58 北京

近期,CCF中国开源大会在重庆山城国际会议中心开幕。大会以“渝见开源,数智启新”为主题,围绕泛在操作系统、具身智能、开源供应链安全等前沿方向,为参会者带来了行业技术干货。

大会上,滴滴 HUATUO 华佗开源项目负责人张同浩带来了《面向 Agent 沙箱的内核全景观测》主题分享,介绍 HUATUO 在内核观测、异常捕获和性能分析方面的探索。下面将从 AI 时代的系统观测挑战出发,带大家了解 HUATUO 如何构建面向 Agent 沙箱的内核全景观测能力。

项目地址:https://github.com/ccfos/huatuo

项目官网:https://huatuo.tech/

背景和挑战

云原生时代

  • 容器虚拟化,共享内核,资源混部以及服务网格等技术的引入增加了基础架构的复杂度,间接增加了系统故障定位的复杂度。

  • 在生产实践中,当出现问题时,往往需要进行服务的止损,降级,以及容器的迁移和重建等操作,这些操作导致了故障现场的丢失。然而,线下复现故障往往需要投入大量的人力物力,最后也未必能够复现,即使复现也无法完全保证根因一致。

  • 其次,我们面临的问题更加复杂,之前解决的问题都是周期性,可复现的问题。然而现在面临的问题更加复杂化,从周期性问题已经演进为了间接性,不可复现问题。这些问题存在窗口非常短,触发条件非常苛刻。

  • 面对这些业务痛点,更棘手的问题是当时行业内并没有有效的、观测内核微观异常的工具。

AI 时代

然而到了AI 时代,又新增了很多挑战首先 Agent 沙箱工作负载呈现高并发,资源突发的特点,并且这些工作负载资源画像,很难预测。在 AI 训练场景中,硬件已成为关键资源,任何单点硬件异常都可能拖慢整体训练速度、甚至训练任务失败。

解决方案

面对这些挑战我们的解决方案是什么?

要实现系统故障分析,首先要完成系统可观测,现场可追溯,故障可分析的目标。

  • 如何解决内核版本兼容和稳定性问题?eBPF技术的出现,使得内核可编程,并能够安全的运行用户定制代码。采用 eBPF 可以替换传统的内核模块实现问题分析。eBPF+内核动态追踪技术,可以实现零侵入的、低损耗的、安全的执行观测埋点。

  • 如何解决系统与业务数据串联问题?系统层面和应用层面的数据天然存在隔离,但在故障定位中,必须实现系统层面观测数据与应用业务层面数据的串联,这样才能够真正的定位到故障根因。通过在内核侧感知cgroup创建事件,将容器ID和内核cgroup地址进行关联,所有的内核事件都带上cgroup地址,最后在用户态完成解析关联。

  • 如何实现系统层面的可观测?HUATUO 华佗开源项目综合使用 kprobe、tracepoint、ftrace、perf event 和 eBPF 等动态追踪能力,在不修改业务代码的前提下,从宿主机内核侧获取指标、事件和调用栈,并把能力分成五层:

    • 内核全景指标,通过eBPF实现更加精细化内核指标采集,把“系统慢”定界到具体子系统,如调度,协议栈或者BlockIO等。

    • 异常事件感知,在关键系统的异常路径,慢速路径,常态挂钩。保留内存,调度,网络异常现场,避免故障恢复后证据丢失。

    • 全自动换追踪 AutoTracing, 通过滑动窗口,阈值触发,自动采集火焰图、内核栈、进程和文件快照。这种方式兼顾低损耗与观测深度。

    • 持续性能剖析。在传统火焰图基础之上,增加时间维度,实现对历史时间内热点回溯,解决性能抖动问题。

    • 异构硬件感知。此外该项目也支持 AI 计算场景下的硬件(包括ECC、AER、PCIe、GPU/NPU、RoCE等)故障感知,提升 AI 训练的有效时常。

全栈观测底座

有了上面的顶层设计之后,需要实现具体观测能力。因此,我们实现了全栈观测底座。

全栈观测,全景覆盖

  • 全网络协议栈观测。实现从物理链路、驱动、协议栈到用户态的全链路观测,覆盖收发延迟、硬件与软件层面的丢包检测、报文重传以及 TCP 收发队列状态。

  • I/O 全栈观测。以 inode 为核心,对进程级 I/O 生命周期进行端到端追踪,涵盖 VFS、文件系统、Page Cache、Block Queue、驱动直至物理设备。通过关联丰富的上下文信息,定位 I/O 响应缓慢的根本原因。

  • CPU 争抢检测。在高密度沙箱节点环境中,单纯依赖 CPU 使用率无法有效反映资源争抢状况。HUATUO 关注容器内部争抢和外部争抢(这对 Agent 沙箱尤其关键,因为一个任务的延迟既可能来自自身并发,也可能来自“噪声邻居”):

    • 内部争抢:同一容器内线程数超过可用 CPU;

    • 外部争抢:容器与节点上的其他工作负载竞争 runqueue;

    • 调度延迟:任务已 runnable,却迟迟没有获得 CPU;

  • 通用系统观测。HungTask、Softlockup、IRQ/SoftIRQ 延迟和内存回收共同覆盖了系统级停顿。它们能发现平均利用率无法描述的短时异常,例如某个 CPU 长时间关中断、D 状态任务堆积,或容器直接内存回收阻塞。

异常即捕获,而非事后猜测

指标适合观察趋势,事件更适合保留边界明确的异常现场。HUATUO 将 eBPF 程序挂到内核的异常路径或慢速路径:事件触发时,在内核态收集进程、调用栈、网络或硬件上下文,通过 Perf Event Buffer 交给用户态处理,再执行过滤、容器关联和持久化。

AutoTracing 自动捕获毛刺

很多性能问题既不是清晰的内核异常,也无法靠平均指标复现。例如容器 CPU 突然冲高 10 秒、磁盘 await 连续抖动、匿名内存快速增长,等工程师介入时已经恢复。

AutoTracing 的做法是:实时监测系统异常,通过滑动窗口、EMA、增量阈值或连续超阈判断异常。阈值并不是不可改变的常量:项目提供了生产经验默认值,但在不同 CPU 配额、磁盘介质和任务密度下,仍应根据基线进行校准。

火焰图把“CPU 高”进一步转换成函数和调用路径。左侧 Top Table 适合快速寻找热点符号,右侧火焰图适合分析调用关系。对沙箱节点而言,还可以把目标限制到对应的 VMM PID、线程组或 cgroup,避免全机聚合掩盖单个 Sandbox 的热点。

持续性能剖析,让现场可回溯

AutoTracing 解决“异常时自动抓一次”,持续性能剖析解决“问题在一段时间内如何演进”。传统临时采样把所有数据聚合成一张图,缺少时间线;持续剖析按窗口保留结果,使偶发慢变成可以搜索、对比和回溯的历史现场。HUATUO 的统一 profiler 目前覆盖:

其中 Off-CPU 剖析尤其适合分析“CPU 不高但请求很慢”的问题。它把线程离开 CPU 的时间归因到切出时的调用路径,并区分阻塞等待和 runqueue 调度等待:前者更可能指向 I/O、锁或条件变量,后者更可能指向 CPU 争抢。

原生内存剖析则区分三个经常被混在一起的概念:

  • virtual_alloc:申请了多少虚拟地址空间;

  • physical_alloc:采集窗口内实际分配了多少物理页;

  • physical_usage:采集时仍有多少物理页驻留。

图:物理内存驻留按进程与调用路径聚合,可以从“节点内存高”下钻到具体分配路径。

在单机现场,可以直接使用 CLI:

在平台侧(huatuo-apiserver),Profiling API 可以完成能力查询、创建任务、查看状态和结果、获取原始数据、停止及删除任务。由此,临时命令进一步演进成服务化、任务化的持续剖析平台能力。

从 RAS 到 GPU/NPU

AI 基础设施中,硬件问题并不总以“设备掉线”的方式出现。ECC 可纠正错误持续升高、PCIe 链路降宽、AER 错误、GPU 降频或 RoCE 重试,都可能先表现为吞吐下降或长尾延迟。

HUATUO 通过 Linux RAS 体系中的 MCE、EDAC、ACPI GHES 和 PCIe AER 捕获结构化硬件事件,进入告警与审计链路:

图 3:硬件错误从 CPU、内存、平台和 PCIe 设备进入内核 RAS 子系统。

这套能力主要服务于四类目标:
  • 提前预警:同一 DIMM 的 ECC CE 频率持续升高时,支持提前换件;

  • 故障隔离:GPU、HCA、PCIe 或网卡链路异常时,支持隔离节点和迁移任务;

  • 性能退化定位:把 NVMe/HBA AER 与 I/O 延迟关联,区分软件、设备和链路问题;

  • 审计复盘:保留时间、设备 BDF、严重级别和原始字段,形成可追溯证据。

关键不是增加一批孤立的硬件指标,而是把硬件事件与同一时间窗口内的调度、网络、I/O 和剖析数据关联起来。只有这样,平台才能判断一次 Agent 卡顿到底来自软件调用路径,还是来自底层设备退化。

Agent 沙箱层级关联

探针采集到内核栈之后,仍然要回答“这是谁的现场”。容器环境可以利用 cgroup CSS、网络命名空间和容器运行时元数据完成关联;微虚拟机沙箱还需要补充 Sandbox 与 VMM 的映射。

社区进展

HUATUO 华佗项目于2025年由滴滴公司正式开源,并捐赠给中国计算机学会(CCF),经过持续建设,项目已逐步从滴滴内部的技术实践走向更广泛的开源社区。

截至 2026 年 8 月,HUATUO 已发布 v2.3.0,拥有约 1.1k GitHub Stars、51 位贡献者和 1,310 次提交,镜像拉取量超过 15k,并已在 20 多家企业部署。与此同时,沐曦、华为昇腾社区等也持续向 HUATUO 社区贡献 GPU/NPU 相关能力,推动项目进一步拓展 AI 基础设施场景。

在开源社区建设与技术创新方面,HUATUO 也获得了来自产业与社区的认可。项目入选《CCF-光华青年开源专项基金种子计划重点级项目》,同时进入 CNCF Landscape,并被 eBPF 基金会列为新兴项目。

面向 Agent 和 AI 基础设施,HUATUO 社区也将围绕以下方向持续建设,欢迎更多开发者参与共建:

  • MCP 故障分析:以标准工具接口向 Copilot 和 Agent 暴露诊断能力;

  • 分布式链路分析:把单节点内核现场扩展到跨节点网络和任务链路;

  • AI 场景性能分析:继续深化 GPU/NPU 训练与推理的软硬协同分析。

往期推荐

跳转微信打开

  •  

Dify 全新 Agent 体验正式上线

原创 Dify 2026-08-31 15:31 江苏

让成熟的 Agent 能力从一次构建走向更多业务场景。

今天,我们正式推出全新 Dify Agent。

随着模型能力不断提升,企业对 AI 的期待也从完成单一任务,走向让 Agent 自主理解目标-规划步骤-调用工具,并在真实业务中交付结果。

麦肯锡 2025 年全球调研显示,62% 的受访企业已经开始探索 AI Agent。当 Agent 从概念验证走向生产,团队需要解决的不只是“能否完成任务”,还有如何持续优化、跨场景复用,以及在出现偏差时快速定位和改进。

因此,我们重新思考了 Agent 在 Dify 中的角色。

在全新的设计中,Agent 不再只是依附于某个应用的执行节点,而是成为拥有独立配置、完整生命周期的 Dify Agent:它可以被独立构建、调试、发布和管理,也可以通过 Web App、API 或 Workflow 灵活接入各类业务场景。

从 Agent 节点到独立 Agent

过去|Workflow 中的执行单元

  • 2025 年初,Dify 在 Workflow 和 Chatflow 中引入 Agent 节点与代理策略(Agent Strategy),让模型得以在编排中自主决策。但彼时,它本质上仍是一个执行单元。

详见:

Dify Agent 节点 - 当工作流学会「自主思考」

随着 Agent 进入生产环境,企业对 AI 能力的长期可维护性与跨场景复用提出了更高要求。

现在|可独立维护与复用的 Agent

  • 在全新的 Agent 体验中,Agent 不再只是一个节点,而拥有了独立身份、配置和生命周期。

每个 Dify Agent 均拥有独立的模型、指令、技能、工具配置。团队只需集中构建与维护一次,即可在全局场景调用,让业务经验得以持续复用与演进。

1

Build 构建

基于真实业务任务打磨与沉淀能力

Manage 管理

精准管控维护,实现跨场景复用

2

3

Track 追踪

覆盖单次排查与长期运行监测,实现白盒治理。

Build

  从真实任务出发

  持续打磨 Agent 能力

许多业务问题,往往始于一线团队那些高频、具体且结果可明确评估的任务。

Agent 运行后,编排初期未曾考虑的缺口、规则冲突和流程断点会更快暴露,也正是在这个过程中,团队才能精准迭代,把验证有效的工作方法沉淀为 Agent 的长期能力。

为此,全新的 Agent 提供了两种互补的构建路径:

在 Build Mode 中,对话产生的配置变更会先保存为草稿(Build Draft)。你可以查看改动并选择应用(Apply)或放弃变更(Discard),也可以切换至预览模式(Preview),在正式发布前验证 Agent 的回答效果与交互体验。

Agent 不只是一段 Prompt

随着任务复杂度提升,把业务规则、专业方法、参考资料和工具说明全部写进 Prompt,会让配置越来越冗长,也更难维护。

Agent 不应依赖单一 Prompt,而应由多个可独立维护的模块组成。

因此,Dify 将 Agent 的能力拆分为不同部分:

Prompt 定义 Agent 的角色与行为边界,Skills、Tools 和 Sandbox 则分别赋予其业务能力、工具调用能力与安全的执行环境。

模块化后,团队可以分别维护不同能力。你可以随时替换某个工具或优化某项技能,无需反复调整 Prompt,极大降低了长期维护与多人协作的复杂度。

三种方式扩展 Agent 的执行边界

要让 Agent 真正进入业务,仅仅能够调用模型还不够。它还需要连接外部系统、复用团队已有的工作方法,并根据任务灵活调用临时能力。

为此,Dify 提供了Tool、Skill和Sandbox CLI 三种扩展方式:

Tool:接入需要长期运行的正式能力

为你的 Agent 接入生产级集成能力。

团队可通过以下方式扩展功能:Dify Marketplace 下载拓展工具、连接自定义 API 或 MCP 服务器,或将现有工作流封装为工具。

工具在工作区层级进行管理,并可在多个 Agent 之间共享。

例如,生成图表工具仅需安装配置一次,之后不同的 Agent 便可使用它来分析数据、生成周报,或是为内部仪表板构建图表。

对于需要额外配置的功能,高级设置(Advanced Settings)可将环境变量集中保存在一处,并在沙箱中供代理使用。当默认值或 runtime 设置发生变更时,无需逐一查找其所有出现位置即可完成更新。

Skill:沉淀团队方法与实践

许多业务任务都有固定的判断逻辑和工作方法。

Skill 可以将操作指南、参考资料与执行脚本封装在一起,让 Agent 按统一方法完成任务。

例如,一个增长分析 Skill 可以包含指标定义、计算规则和执行脚本,让 Agent 按照统一的方法计算 CTR、CPA 与 ROAS。

脚本不会显示在 Tools 列表中,而是随 Skill 保存和维护,无需额外开发为独立插件。

随着团队沉淀出更多可复用的方法,Skill 也不应只存在于单个 Agent 中。

我们也同时推出 Skill Management 功能,让 Skill 成为工作空间中的共享资源。团队可以集中创建和维护 Skill、管理发布版本并查看引用关系,让同一套业务方法服务于多个 Agent。

当客服分级、销售跟进或员工入职流程发生变化时,只需更新对应的 Skill,即可实现跨场景的能力同步。

Skill Management 已在 Dify 1.17.0 自托管版本上线,更新试试:

https://github.com/langgenius/dify/releases/tag/1.17.0

Sandbox CLI:处理当前任务中的临时需求

部分任务仅需使用一次,无需将其添加至 Agent 的长期配置中,Agent 可直接在当前 Sandbox 中安装并运行 CLI 工具。

例如,当你临时需要根据当前项目获取一份方案演示文稿时,Agent 可以在 Sandbox 中安装所需工具并生成文件;日志解析、文件转换和数据处理等一次性需求,也可以用同样的方式快速完成。

如果相同的 CLI 配置反复出现,可以将安装和调用方法沉淀为 Skill。当该能力需要在多个 Agent 间稳定运行时,可通过 API、MCP 服务器、插件或工作流,将其打造为 Dify 的共享能力。

在这样的扩展架构下,团队可以先快速验证,再将成熟做法逐步沉淀为安全、稳定且易于维护的生产能力。

让修正成为下一次运行的起点

Agent 的构建不会在首次发布时结束。

真实任务会持续暴露新的问题,团队需要判断应该调整提示词、工具还是 Skill,并把修正放到正确的位置。

在一次商品比较测试中,Agent 曾混淆两款商品的营养字段。我们没有继续追加临时 Prompt,而是将商品知识拆分为独立记录,并把“逐项检索、交叉核验、缺失信息不作推断”保存为 Skill 规则。

再次验证后,Agent 已能稳定区分两款商品的数据,并在处理过敏原、库存、退款及隐私相关问题时均把握好了恰当的边界。

Agent 的价值,不止于完成一次任务,更在于能够随着业务反馈持续演进。团队可以把运行中发现的问题转化为对知识、规则或 Skill 的调整,让一次修正成为下一次运行可复用的能力。

Manage

  一处构建,随处复用

过去,同种业务类型的 Agent 被复制到多个应用和 Workflow 中,复制次数越多,更新维护越混乱。

新的 Agent 体验改变了这种依附关系,Agent 从具体应用和节点中独立出来,团队可以在 Agents 页面集中查看和维护工作空间中的 Agent,并按状态、创建者和更新时间快速筛选。

每个 Agent 都拥有清晰的名称、描述和配置来源,让团队知道它负责什么、目前处于什么状态,以及应该在哪里继续维护。

Agent Console

一份配置,多个使用入口

Agent 构建完成后,不会被固定在一种产品形态中。

在访问点(Access Point)中,团队可以查看 Agent 的所有使用入口。工作流访问(Workflow access)还会列出正在调用该 Agent 的流程、版本和更新时间,帮助维护者在修改配置前了解可能影响的业务范围。

进入 Workflow,只管理当前业务

同一个 Agent 进入不同 Workflow 时,可以承担不同工作。

流程设计者无需重新配置它的 Prompt、Skills、Tools,而是通过 Agent 任务(Agent Task)为当前节点补充任务说明:这一次要完成什么、可以使用哪些上游变量与预期结果。配合新增的声明式输出,Agent 的结果可以按照预设结构交付给后续节点。

我们来看一个示例:假设你已经搭建了一个增长分析 Agent,它能够解答增长相关问题、计算指标并生成图表。

你既可以单独使用它,也可以将同一个智能体接入到活动分析工作流中,为其分配更具针对性的任务(Task)。在此基础上,工作流可负责处理质量检查、分支逻辑以及人工审核环节。

对于仅限单个工作流使用的临时功能,可从空白 Agent 节点开始从零搭建。如果后续发现该功能在其他场景下也适用,可将其保存到 Agent 库中进行集中管理。

Agent 决定“会什么”,Workflow 决定“做什么”。

既保证了共享能力的一致性,又明确了不同流程的业务边界。

Track

让工作过程清晰可见

当 Agent 被多个入口和 Workflow 复用时,仅依靠最终回答已经不足以定位问题。

因此,Dify 提供了从单次运行到长期表现的三层观测能力:

单次追溯

完整还原用户输入、规划过程、工具调用与回复。每条日志均标明请求来源,帮助团队判断是局部流程问题还是 Agent 配置问题。

节点流转检查

当 Agent 在 Workflow 中运行时,最终结果还会流经各类节点处理。

单节点运行信息与变量检查可帮助团队检查执行步骤及节点间传递的数据,看是否发生在 Agent 内部?还是后续的质量检查?条件分支或人工审核环节,从而更轻松地定位代理或其关联工作流中的问题。

长期指标监测

团队可以按时间和调用来源汇总使用量、交互情况、响应速度、用户满意度、Token 消耗与预估成本,并持续比较不同版本和业务场景下的质量、性能与成本表现。

此外,Dify 新增了 Workflow 日志归档功能,支持按月整理和下载历史运行记录,便于长期问题追溯、运营分析与内部审计。

该功能暂不在社区版中提供,关于日志留存与归档,请参阅:
http://docs.dify.ai/zh/cloud/use-dify/monitor/logs#日志保留

为什么选择 Dify 构建企业 Agent

全新的 Agent 体验建立在 Dify 一贯强调的四项能力之上:

  • 模型中立:灵活对接主流与私有模型,摆脱单一厂商锁定,平衡性能、成本与合规要求。

  • 可视化构建:从真实任务开始,通过 Build Mode 逐步完善 Agent,既保留 Build Mode 的自然语言探索,又提供透明可视的结构化配置,打通业务与技术团队的协同障碍。

  • 灵活组合: Agent 可以独立使用、通过 API 接入现有业务系统,也可以进入 Workflow,与数据处理、规则判断、人工审批及其他节点协同工作。同一份能力只需集中维护,便能服务不同团队和业务场景。

  • 透明可控:覆盖 Logs、Tracing、Monitoring、版本控制、凭证隔离与 Human Input(人工介入),确保 AI 在安全可控的边界内运行。

对于企业而言,真正的挑战往往不是能否构建一个 Agent,而是能否让它在组织中被安全地复用、持续地维护,并以可观测、可治理的方式进入生产环境。

Dify 将模型、Agent、Workflow、API 与运行观测放在同一平台中,让团队可以围绕一份能力建立清晰的开发和改进流程。

即刻开始构建

Agent 负责动态判断,Workflow 负责流程结构与控制边界,在二者的结合下,让企业无需在上线前预设所有情况,而是能在真实业务场景中灵活迭代。

从一项真实业务开始构建 Agent,在运行中不断打磨,再将成熟的能力复用到更多业务场景。

马上开始使用 → 

https://cloud.dify.ai/agents

了解如何配置 Agent,请参阅 → 

https://docs.dify.ai/zh/self-host/use-dify/build/new-agent/build

跳转微信打开

  •  
❌