AI的变革日志-1

打算在这里开始记一些与 AI 发展相关的记录和感想。都说现在的 AI 时代重要的事是把信息都喂给智能体，结果发现人脑里最深层、最抽象的知识却难以文字化。好在 AI 的时代日新月异，过往的知识很快会遇到被抛弃和遗忘的一天，那就从今天开始，一笔一笔写下自主个体对人类种群最后的贡献，碳基生物对地球文明最后的馈赠吧。

前几篇写下了年初时装 openclaw，第一次面对「智能体」时的惊讶。近半年过去，openclaw 依然活着，但它的竞争者更加强大。Hermes 作为具有更易用的「自主记忆」智能体框架，在 5 月开始迅速占领程序员圈子。随后OpenAI 的 Codex 和 Anthropic 的 Claude Code/Cowork 开始露出 AI 生产力的獠牙。然而大部分跟风安装 openclaw 的普通人，在开头闲聊两句后，开始遇到「我能用小龙虾干什么」「它和豆包聊天没啥区别」的困惑。说白了，绝大部分人并不需要「助理」角色，因为大部分日常行为都是直接触及结果，「给助理下命令让它做事」超出了大部分人的工作范围——更扎心的推断是：你没那么多事需要/值得让助理去帮你完成，哪怕它是一个边际成本很低的虚拟助理。

因此，站在 AI 智能体初现的当下，最靠谱的落地场景是 to B 的企业工作流提效，因为只有在需要大量重复性工作的场合才能放大「助理」的价值。作为一个天生拧巴的群体，「同事」往往既是伙伴也是竞争对手，在大大小小的组织中充斥着由于个人能力、认知的不同而导致的损失——信息传达的损失，以及交接过程中不可避免的「公差」。让智能体参与生产过程，“协助”组织提高工作流个人能力的下限，补齐过低的短板，似乎是一个美妙且可能实现的愿望。换成人话，就是「建立交付标准，共享协作信息」。
然而在收益不明确的时候进行变革，一定附带着大量的质疑和反对。在把智能体引入生产现场的过程之前，需要将生产过程抽象建模，把生产数据收集建档，才能将重复性的生产经验「传授」给智能体。这是一个不得不接受的开销，也是逃不掉的投入。糟糕的是，当前的智能体虚拟员工并不“成熟”——对于非科技企业而言，期待的是开箱即用，快速回本。而当前的智能体受发展初期的阶段限制，从模型能力到工程结构，都处于爆炸初期——能看到美好的前景，但模型能力、记忆方式、持久化数据、提示词工程都在迅速发展，也在相互妥协。没有一个公认的收支平衡点，也没有一个可靠的最佳实践。因此，要不要投入，从哪个角度开始，是决策中最大的犹豫。

一般认为，从成本高的岗位开始提效，最符合传统 ROI 统计模型。然而如果科技从业者本身就是接触 AI 最先进的人群，程序员更是首先被 AI 学习和超越的职业，杠杆倍率已经非常显著，增量有限。反而在从全局观察组织效能时，会发现管理的层级、横向跨部门的沟通偏差是最大的成本——在需求到达程序员之前发生偏差，vibe coding 的脑力再强也无法纠正提示词的错误。因此，重构信息的沟通模式仿佛是更根本和收益更大的变革目标。而正如前文所述，这种变革，触动了最根本的工作方式，质疑和反对声必然强烈。如何妥善地变革生产关系，成了既远又近的现实问题。

让智能体发挥 AI 的最长处，以无限脑力纵向贯穿整个生产，关注所有过程细节并不断给出反馈和纠偏，甚至自主完成部分生产，应该是目之所及的终极目标。