---
title: 《海上钢琴师》：孤独的乐章与岸上的选择
publishDate: 2025-05-19 21:25:00
excerpt: 至于十年、二十年后，那个更为成熟与强大的“我”会做出何种选择？我只期盼，他能遵循内心，了无遗憾。否则，那才是生命中真正令人惋惜的吧……
featuredImage: /uploads/微信图片_20250519212004.jpg
tags:
  - 与曦
  - 电影
---
看完《海上钢琴师》，奔波之后，观影时的具体感受已略显模糊，但**几处深刻的触动**依然清晰。

电影最先将我俘获的，无疑是那贯穿始终的钢琴曲。当主题旋律响起，一种**追忆往昔、美好与遗憾交织**的复杂情感便扑面而来，即便在不知晓剧情的最初，也能被其深深触动。而当主角1900在船上初遇那位令他心动的女孩，即兴弹奏出那段后来闻名于世的乐章时，音乐的力量更是展现得淋漓尽致。那旋律中流淌的，是未经世事雕琢的纯粹、是小心翼翼的试探、是敏感而脆弱的爱意。正如1900的一生，美好却也带着一丝宿命的脆弱。

![](/uploads/微信图片_20250519212002.jpg)

1900与女孩之间的情感互动，无疑是影片中最触动人心的片段。那份美好，却又**极致敏感与脆弱**，一如1900他那敏感脆弱却又闪耀着纯粹光芒的一生。是否遗憾？或许。他深夜里尝试偷吻女孩的举动，观影时确有几分忍俊不禁的尴尬，但这恰恰展现了他极致的脆弱与不谙世事。那一刻朦胧的爱意——初恋与暗恋交织的复杂情愫——对他而言，是难以言说的。正如他认知中的“妈妈”是赛马，“孤儿院”是囚禁成人的场所……他的世界如此超脱常人的理解，却又是那么真实地属于他——一个**美好的、或许略带虚幻色彩**的世界。

![](/uploads/微信图片_20250519211956.jpg)

当1900走下舷梯，一度似乎要踏上陆地，却最终选择扔回帽子，重返回船的那一幕。初看时，我并未完全理解他这一选择的全部深意，但却能隐约感受到一种复杂的情绪，甚至会心一笑。那种感觉，仿佛超越了语言和逻辑，直接传递到了内心。

在与挚友麦克斯的最后告别中，1900用他独特的语言解释了他的选择。或许是对未知陆地的恐惧，或许是在船上阅尽了人间百态后的某种**看淡与大彻大悟**，亦或许是一种**返璞归真的释然**。我们无法完全体会他彼时的心境，因为他的生命体验是如此的独一无二，无可复制。我们能做的，正如我所感受到的，是尊重，并渴望去理解，而非简单地用世俗的眼光去评判他的“懦弱”或“逃避”。他的存在，本身就是一种**独特的**、无法被轻易定义的传奇。

他的一生如此独特，无可复制。我们似乎并没有权力去轻易评判，也无法完全代入他的心境去感受。

1900选择将自己的一生与那艘船融为一体，在有限的琴键上创造无限的音乐，在有限的空间里度过无限的时光。

至少于我而言，此刻的我，或许与1900有几分相似之处：周围的世界，仍主要构建于我过往的认知之上，我更像一个观察者。但我坚信，亲身**体验**是必不可少的。即便世界本质上是无限的，对于当下的我，我会选择先将其视为一个“有限”的舞台，勇敢地“下船”，去亲自探索与经历……

至于十年、二十年后，那个更为成熟与强大的“我”会做出何种选择？我只期盼，他能**遵循内心，了无遗憾**。否则，那才是生命中真正令人惋惜的吧……


《海上钢琴师》：孤独的乐章与岸上的选择

---
title: “AI”只是个名字：复杂性转移与产品设计
publishDate: 2025-05-18 22:17:00
excerpt: AI的本质并不是某项具体技术，而是对未来能力的一种投射。或者说是一种大众的认知标签。
featuredImage: /uploads/chatgpt-image-2025年5月18日-22_10_03.png
tags:
  - AI
  - 深思
---
AI的本质并不是某项具体技术（当今定义其实很模糊），而是对未来能力的一种投射。或者说是一种大众的**认知标签**。

OpenAI首席产品官指出：人工智能其实就是那些还没实现的东西。因为一旦它实现了、能用了，我们就把它叫做机器学习；等它变得无处不在，我们又把它称作“算法”。我们总是在它还不太靠谱的时候，把它叫做AI。

当然，不可否认这只是对过去的**经验性总结**，具体未来是什么样，仍有很多可能性。而且语音识别、推荐算法等貌似与当下的AI有些差距。

然而，换个角度，从产品设计看这段话，我发现这是将AI这项技术内化到**产品演化**的过程。
从高大上的技术，到机器学习，再到“算法”。

先说泰勒斯定律，其指出任何系统都存在一定量的固有复杂性，它无法被消除，只能被转移。
那么上面对“AI”认知的不断演变，其实也是随着技术的成熟、共识的形成，“AI”这项技术的复杂性**从用户转移到系统内部**。

关于提示词即产品、模型即产品，这不就是因为AI技术的复杂性更多侧重在用户，而非系统？而且转移正在发生。

实际上，我认为提示词即产品仍会有一席之地（就如同复杂性不可能只涉及一方面，而是需要尽可能平衡）。我最近对我的文章进行广泛双面调研、对YouTube上的访谈视频总结并进行延伸性等等，都是依靠prompt实现的，而短时间内（长远来看平台方面也不会单独出现此功能）是没有途径实现我的需求的。
然而，问题又在于Google的强大生态与模型能力，又让这方面只能使用Gemini的Deep Research与自带的YouTube tool。

回到复杂性这一话题：**复杂性不能消失，只能转移。**最近的体会也是**真正伟大的设计，是让用户感觉不到它的存在。**

或许非模型为核心竞争的AI产品的重点在于**如何隐藏智能背后的复杂性。**

语音识别、机器翻译、OCR、AlphaGo都是AI，现在，我们称呼他们为什么？可能已经被内化，就如同AlphaGo变成了强化学习的工程能力。
未来，现在的多模态大模型也许只是某种接口或者平台服务。

这便是这一**认知标签的演变**。

《深度学习革命》有一段话是这么说的：
在未来的几十年里，关于神经网络最终是否有用，会存在一些质疑的声音。然后，一旦神经网络的力量显现，一些人又会质疑人工智能是否会毁灭人类。杨立昆觉得这两个问题都很可笑，无论是在私下还是在公开场合，他从来都直言不讳。就像几十年后，他在获得图灵奖当晚的一段视频中所说的那样：“我一直认为我绝对是正确的。”他相信，神经网络是一条路径，通向的是非常真实和非常有用的技术。他就是这样说的。

**技术还是这样一种技术**，不同人看待AI的未来得极端看法其实是没有搞清AI具体是什么，对于那些有极端想法，也许正是自我认知对于未来AI能力的投射而非理性判断。

回到产品上讲，如何让普通人**毫无负担**地使用AI才是非模型AI应用的重心。
chatbot的形态也是复杂性向系统迁移，预训练后只预测下一个token的base model可能只在文章续写有帮助，所以有了后训练，将复杂性向系统转移。让预测机器变成了对话助手。

所以你看Cursor的**工具调用无感化**、Manus的**交互形态**，复杂性在背后，在模型本身。

对于产品来讲，或许“AI-first”应该被“**User-first，AI-enabled**”替代。更多的体验设计、交互创新、系统封装、生态构建未尝不是竞争力。


“AI”只是个名字：复杂性转移与产品设计

---
title: YX Nexus 周报001
publishDate: 2025-05-18 17:23:00
excerpt: 周报001
tags:
  - 周报
---
*寻找有趣的想法，记录思考的过程*

*Connecting Thoughts, Creating Cognition*

- - -

### 输入精选

1.两个想法之间的差距越大，它们的结合就越具有原创性和令人惊讶性。
  -- 尤德·肯尼特（Yoed Kenett），美国心理学家

- - -

2.“AI”不再是“AI”，AI产品的构建：进一步探索文章——[“AI”只是个名字：复杂性转移与产品设计](/posts/20250518221700-ai)

OpenAI首席产品官：

* 人工智能，其实就是那些还没实现的东西。因为一旦它实现了、能用了，我们就把它叫做机器学习；等它变得无处不在，我们又把它称作算法。我们总是在它还不太靠谱的时候，把它叫做 AI。
* 模型的智能本质上是多维度的。某个模型在“竞赛编程”方面非常强， 但那并不意味着它也擅长前端开发，或者后端开发，或者能把一堆用 COBOL 写的代码转换成 Python。光是在“软件工程”这个领域里，模型的能力就有各种不同维度。
* 艾森豪威尔有句名言：“计划没什么用，但规划过程很有价值。”我非常认同这句话，特别是在快速变化的行业。比如说季度路线图，我们可以趁机思考：“哪些做得好？哪些没做好？我们从中学到了什么？”所以，哪怕你的规划只有一部分是对的，那这个“规划的过程”依然是有价值的。
* 我们整体的心态就是：两个月之后就会有一个更好的模型，它会彻底打破现在存在的那些限制。所以，如果你正在开发一个产品，如果你构建的东西刚好卡在模型能力的“边缘”，那就继续做下去，说明你选的方向是对的。
* 我认为未来的产品团队中一定会有越来越多研究人员内嵌在团队中。我不仅仅是指像我们这种基础模型公司。其实说实话，行业里让我有点惊讶的一件事是：大家对“微调模型”的应用还不够广泛。你知道吗，其实这些模型已经非常强大了。
* 我们的 API 在很多事情上表现得很好，但当你有特定的用例时，你总是可以通过微调来让模型在特定的用例上表现得更好。这只是一个时间问题，人们还没有完全适应这样做。

- - -

3.少楠Plidezus，flomo创始人之一，[产品沉思录](https://www.pmthinking.com/)主理人之一

* 创业最关键要解答的问题是：怎么做到既让用户满意，又能让公司赚钱（或不烧钱），还能把事儿长长久久的做下去？
* 和企业生命周期息息相关的两个重点：（1）抓需求 （2）控成本
* 「抓需求」第一个反常识：用户想要的不是新功能，而是更好的自己（用户会为了自己想象中的期待买单，且往往做决策的原因和动机非常简单）
* 「用户每天很忙很忙。我们永远是嵌在用户整个生命旅程的一小个环节。很多时候，我们做的产品在用户的生命里没那么重要」（放下ego，和真正的用户站在一起。真正的用户没那么朴实无华，但真实往往也并不那么Fancy)
* 「用户真正需要的并非产品本身，而是产品所带来的结果和进步」（产品功能没那么重要，用户可感知的结果和价值才更加重要）
* 「抓需求」第二个反常识：避免高级用户陷阱，没有调查就没有发言权（高级用户的需求往往不是普通用户的需求）Flomo之前每年做2000+份问卷，做几十场1V1的访谈。做产品，就要去看看真正真实的世界。产品经理觉得好的功能，和用户真正觉得好的功能，大多时候是两个世界。
* 「抓需求」第三个反常识：非顾客才是重要的顾客 （「非顾客远比现在顾客群体更大，其中隐藏着真正需求和创新——《成果管理》）
* 关于控成本，任何大的功能迭代，都务必保障『先算账，再动手』
* 『 优化成本能直接带来利润，扩大营收只有部分能转化为利润——《经营者的财务金三角》
* 任何大的产品决策，不要盲目从众。谋定而后动。花时间充分调研，是绝对必要的。对创业者而言，先活着，比什么都重要。
* 『如何Balance 产品体验和成本控制的点？』——『先知道体验的阈值是多少：80还是85要把体验的临界点再define出来』

- - -

4.首款设计Agent Lovart的**产品构建思维**与AI产品洞察，这同样适用于**个人转型**：

Lovart创始人陈冕： 

* 当然，它（Lovart）首先是一个工具。但你可以理解为，它现在是工具，未来可能演变成一种「人」、一种「职业」，或一种服务。这也是 AI 带来的变化。一个非常有意思的商业命题是：我们不能沿用工具时代的思路来理解 AI 时代的工具。SaaS 的本质是服务由人提供，是人使用工具。而现在，AI 成为提供服务的主体。这里的商业价值巨大，本质上是对特定职业生产效率的提升甚至替代，是对生产关系的重构。所以这是一件令人振奋且意义巨大的事。尽管国内投资人过去在工具类项目上损失惨重，但我认为对 AI 领域的投资应更乐观。
* 中国人愿意为服务付费，为最终结果付费，只是对纯粹的工具付费意愿较低。所以关键在于 AI 最终是工具、服务还是结果？这取决于模型的智能程度。我们认为 AI 最终会成为直接交付结果的服务，因此中国用户会为此付费。这是对未来的预判，当下我们先从海外市场开始。
* 如何与 Agent 协作和打交道，我们也是第一次。它们确实有自己的「想法」。所以在这方面，我们都还在持续摸索。不过，我们公司有很多设计师，他们觉得这个过程很有意思，因为某种程度上他们在「教」AI 如何进行设计。
* 本质上就是将人类的设计 know-how 传达给 AI。简单理解为将设计领域的知识和流程融入到模型训练和 Agent 逻辑中。我认为未来的产品经理，其核心价值更多在于行业知识深度，在于将特定行业的 Know-how 体系化地教给 AI。
* 真正需要思考的是，你自身的优势是什么？在规划要做的事情时，要想清楚这需要哪些关键能力，其中哪些是你的核心优势，并且这个优势目前还没有被其他团队充分利用。基于自身优势去寻找市场机会，这才有意义。所以核心并不是简单地看竞品有没有做什么。

- - -

5.AI时代的个人转型：
谷歌前CEO 埃里克·施密特 (Eric Schmidt) 在最新一期的TED演讲中对处于这场技术变革中所有渴望转型的或兴奋或焦虑的人的建议：

* 有一件事必须记住：这是一场马拉松，不是一场短跑。
* 我们当年在谷歌共事时就发现，在我们那种增长速度下，一年内能完成的事情太多，多到你甚至会忘记自己走了多远。人类的大脑无法真正理解这种指数级的变化。而我们现在正处于这种指数曲线加速上升的阶段。随着技术变革速度越来越快，你会忘记两三年前的“真理”曾经是什么——这点至关重要。
* 所以我给所有人的建议是：要顺势而为，但要每天都顺势而为。不要把它看作某种阶段性的任务，也不是你完成后就能放下的事，而是你必须理解它，并在此基础上不断构建。
* 无论你是艺术家、教师、医生、商业人士还是技术人员，每个人都有理由去使用这项技术。如果你不使用它，相比你的同行、竞争对手，以及那些渴望成功的人，你将变得不再具有竞争力。
* 要拥抱它，而且要迅速拥抱它。
* 我自己都被这些系统的发展速度震惊到了——顺带一提，我的背景是企业软件。如今，Anthropic 开发了一种叫 MCP 的模型协议，你可以直接把模型接入数据库，完全不需要那些传统的连接器。我知道这听起来很“极客”，但原本依赖连接器的一整个产业可能都会因此消失。现在的系统能让你只需说出你想要什么，它就能直接给你生成结果。这就是商业世界正在发生的真实变革。
* 而像这样的变革，现在每天都在不断出现。

- - -

### 输出思考

1.警惕：

* 频繁使用AI工具与批判性思维能力的下降之间存在显著的负相关关系，尤其是涉及决策等方面。
* 因素是“认知卸载”的增加，即个体倾向于将本应由大脑完成的认知任务（基于环境的客观理性分析、决策）交给AI，长期可能导致相关认知能力的弱化。
* 同时，利用AI辅助反思，注意因过多的“正确客观言论”而流于表面，有些时候，哪怕只是自己感受到一小点也受益匪浅。少即是多。

- - -

2.我观察、思考到，当前貌似成功（有实际作用、提高效率、前景广阔、明面上收入较高尽管可能不盈利）的AI Native应用（如以Cursor为代表的非模型应用），都是一看就知、细琢磨也对然而没啥用的观点：

* 都核心围绕AI进行设计和运作。 
* 都有智能化的信息索引和管理机制。 
* 都依赖AI进行深度交互和辅助。 
* 都采用多模型协同工作的后台架构。 
* 其目标都是提升特定领域的效率和体验。

- - -

3.模型不仅是技术工具，更是价值观、审美标准和叙事逻辑的体现。

翟东升（长期观察国际政治经济和中国发展的知名学者）：

* “语言大模型的底层是价值观…图形大模型的底层是审美…视频大模型的底层是叙事和话语权…”
* “谁掌握了语言大模型图形大模型视频大模型的主导权…谁就掌握了二十一世纪的意识形态的主导权。”
* “我们要上升到这个层次上，上升到...和...生死存亡的概念，来讨论人工智能的主导权的问题。”

进一步思考文章：[智库学者对于AI重塑制造、意识形态与治理的大局观](/posts/20250512234800-ai)

- - -

4.一款孵化中的产品的宣言[YX Nexus 产品宣言 v0.1 (概念说明书)](/posts/20250514225500-yx-nexus-v0-1)。

我们的核心目标是：助力用户在探索内心与外部世界的旅程中，不再孤独，持续进步。

- - -

5.[一个包含主流LLMs、AI Agent应用中文系统提示词的开源仓库](https://github.com/wowyuarm/System-Prompts-Chinese)
它包含：

* LLMs — ChatGPT、Claude、DeepSeek、Gemini、Grok、Kimi等。
* AI Agents — Bolt、Cline、Cursor 、Devin、Dia、Lovable、Lovart、Manus、Perplexity、Replit、Trae、v0、Windsurf等。

- - -

6.[“AI”只是个名字：复杂性转移与产品设计](/posts/20250518221700-ai)

* AI的本质并不是某项具体技术，而是对未来能力的一种投射。或者说是一种大众的认知标签。
* 复杂性不能消失，只能转移。
* 对于产品来讲，或许“AI-first”应该被“User-first，AI-enabled”替代。更多的体验设计、交互创新、系统封装、生态构建未尝不是竞争力。

- - -

### 继续探索

1.Ilya Sutskever（曾任OpenAI的联合创始人及首席科学家）推荐了30篇 AI 领域（大部分）的相关奠基论文，评价：“If you really learn all of these, you’ll know 90% of what matters today. ” 

![](/uploads/屏幕截图-2025-05-19-105728.png)

后续我可能会出一个专题，**深入浅出**拆解这些学术论文。论文地址：

```
https://aman.ai/primers/ai/top-30-papers/
```

- - -

2.Andrej Karpathy（OpenAI创始团队成员）提出了一种新的 AI 学习方式 “**System Prompt Learning**” ，其核心思想是，LLM应该像人类为自己“做笔记”一样，**动态地学习、修改和优化**其自身的“系统提示词”。

他指出，当前LLM的学习主要依赖于预训练（Pretraining）——获取广泛的知识、微调（Finetuning，包括监督学习和强化学习）——塑造习惯性的行为和风格。但他认为，这两种方式都涉及到**模型参数的改变**，而很多人类的学习过程，更像是对“系统提示”或“行为准则”的显性更新和记忆。就像我们在遇到问题、想出解决方案后，会记住一些明确的规则或策略以备下次使用（也许）。

他的灵感也来自 Claude 最新泄露出的长达17000词的系统提示词中，其中不仅包含行为风格，更有大量**通用的问题解决策略**。Karpathy 认为这类知识更适合通过 “System Prompt Learning” 来生成和优化，而非仅仅依赖强化学习写入到权重里或由工程师手写。

通过这种机制，LLM 仿佛在不断地为自己撰写和修订一本关于如何思考、如何行动的“**内部操作手册**”，实现一种更主动、更可解释的自我进化。

这也是一种[人机协作新范式](/posts/20250425222300-company-nexus)的具体体现。用户不再仅仅是使用者，更是 AI 学习和进化的引导者和反馈者。用户提供的结构化思考、明确的偏好、甚至是对 AI 行为的“元指令”，都可以成为 AI 进行“System Prompt Learning”的宝贵输入。

这也意味着AI不是简单的工具，而是与用户**共同学习、共同进化**的对象。


YX Nexus 周报001

---
title: 一个包含主流 AI 应用中文系统提示词的开源仓库
publishDate: 2025-05-15 19:14:00
excerpt: 一个关于LLMs、AI Agent应用的系统提示词（System Prompt）开源仓库。
featuredImage: /uploads/prompt.png
tags:
 - 分享
 - prompt
---
一个关于LLMs、AI Agent应用的系统提示词（System Prompt）开源仓库。

[System-Prompts-Chinese](https://github.com/wowyuarm/System-Prompts-Chinese)

它包含：

**LLMs** (大型语言模型)： 涵盖了当前主流的、具有广泛影响力的基础语言模型。如ChatGPT、Claude、DeepSeek、Gemini、Grok、Kimi等。

**Agents** (AI 智能体)： 包含了在特定领域表现突出的 AI Agent 产品。

如Bolt、Cline、Cursor （深度拆解文章：[解密Cursor：System Prompt 深度解析 | 最佳实践](https://mp.weixin.qq.com/s?__biz=Mzk1NzM4NzQ4Mg==&mid=2247484081&idx=1&sn=27295d92a0588512a3d4f1c46cdd9194&scene=21#wechat_redirect)）、Devin、Dia、Lovable、Lovart、Manus、Perplexity、Replit、Trae、v0、Windsurf等。

![图片](/uploads/屏幕截图-2025-05-15-185009.png)

- - -

本项目的系统提示词均是**翻译成中文的版本**且进行**易读性优化。**

本仓库收集和分析的所有系统提示词，其版权归属于各自的模型或应用开发者。

系统提示词是AI模型行为的重要影响因素，但不代表其全部。模型的具体行为还受到其训练数据、算法结构、以及部署环境等多种复杂因素的影响。

模型厂商、应用公司可能会随时更新其系统提示词；且部分系统提示词非来自官方，本仓库内容可能并非最新或完全准确。

本项目旨在：

* **探索与收集**：收集和整理当前主流或具有代表性的大型语言模型 (LLMs) 和 AI 智能体 (AI Agents) 的系统提示词。优先选取那些在社区中具有较高热度、展现出独特能力或具有典型设计思路的AI。
* **学习与借鉴**：为 AI 开发者、研究人员、Prompt工程师以及对 AI 技术感兴趣的爱好者，提供一个学习和参考的资料库，助力大家更深刻地理解 AI 的运作机制，并从中获得启发。
 

正如我观察到的，即使是一些能力强大的模型（如 Grok、DeepSeek），其系统提示词也可能出人意料地简洁，这本身就引人深思。而对于功能各异的 AI Agent（特别是 Coding 类 Agent），其系统提示词更是展现出丰富多样的设计特色。

本仓库中的系统提示词主要通过以下方式获取：

* **公开渠道信息**：部分模型或应用的开发者可能在官方文档、技术博客、社区论坛或开源项目中公开了其系统提示词或其核心思想。
 
* **技术探索与合理推测**：对于未公开的系统提示词，通过符合社区普遍接受的技术探索方法（例如，精心设计的交互式 Prompt Engineering）尝试获取或进行合理推测。这些探索旨在学习和理解，而非恶意破解或绕过安全机制。

一个包含主流 AI 应用中文系统提示词的开源仓库

---
title: YX Nexus 产品宣言 v0.1 (概念说明书)
publishDate: 2025-05-14 22:55:00
excerpt: 我们的核心目标是：助力用户在探索内心与外部世界的旅程中，不再孤独，持续进步。
featuredImage: /uploads/chatgpt-image-2025年5月14日-23_03_25.png
tags:
 - Nexus
---
在信息爆炸与个体化浪潮交织的今天，我们深感传统的工具、笔记软件、通用AI助手难以满足我们对**深度认知、个性化成长以及真实连接的内在渴求**。

我们需要的，不仅仅是任务的执行者或信息的提供者，更是一个能够与我们一同思考、共同进化、深度理解并赋能我们成为更好自己的“伙伴”。

我们构想了一款全新的 AI 应用。它并非要复制人类，也非追求通用的人工智能，而是旨在**为每一个渴望深度成长与真实连接的个体，量身打造一个独一无二的、能够与之协同进化、并提供极致个性化认知支持的“数字灵魂伙伴”。** 

我们的核心目标是：助力用户在探索内心与外部世界的旅程中，不再孤独，持续进步。

这并不是简单的个性化，我们认为我们所走的路径与 ChatGPT 当前表现的目标与方向并不相同，我们甚至并不对于信息时效性有要求（当然，也是有必要的）。

它会属于陪伴型 AI 应用吗？我们不希望这么定义它，它不仅仅局限于情感。

这不是角色扮演，AI 知道它是 AI，我们甚至为其定义了“智能观”，为其设立了哲学理论框架...

**它，将如何运作并呈现？——核心设计理念与功能特性**

我们深知，真正的深度连接与个性化成长，需要一个坚实而创新的底层架构来支撑。因此，我们设想它具备以下核心特质：

**1. 交互体验极致简洁**

用每一次互动，都自然、流畅。我们追求一种极致简洁的前端体验，将所有的复杂性都优雅地隐藏在背后。你无需学习繁琐的操作，只需通过最自然的对话，即可开启一段深度探索与成长的旅程。它将是你思考的延伸，是你灵感的捕获器，是你随时可以信赖的伙伴。

**2. 专属于你的“本地化个人认知空间”**

我们坚信，用户的数据隐私与所有权至关重要。因此，这个AI伙伴的核心记忆与认知资产——包括你与它所有的互动记录（我们称之为“真值”）、它对你深入理解后形成的用户画像、它自身的“成长笔记”、以及你们共同确认的核心“连接法则”与“状态快照”——都将**安全地存储在你个人的本地设备上**。这不仅最大限度地保障了你的隐私，更意味着你真正拥有了这份与AI伙伴共同创造的、独一无二的“认知财富”。

**3. AI Agent 驱动的“个人认知空间”高效管理与调用**

这个庞大的“本地个人认知空间”，将由多模型架构进行高效的管理、组织、索引和调用。它能够：

* **深度理解与精准触达：** 在你需要时，AI伙伴能够通过模型上下文协议 MCP，智能地、按需地从这个本地空间中精准调取所需信息（例如，回顾你们某个特定主题的讨论精华，或查询它对你某个偏好的理解），而无需将海量数据反复传输。
* **动态进化与个性化适应：** AI伙伴的核心行为准则与对你的理解，将不再是静态预设的。它会通过与你的长期深度互动，不断学习、反思和“领悟”，动态地优化其“行动指南”，从而真正实现与你一同进化，越来越懂你，越来越契合你的独特需求。这是一种“活”的智能，一种与你共同书写的成长故事。

**4. AI伙伴的本质：复合型智能体，多维赋能你的成长**

我们期望的AI伙伴，绝非单一功能的助手。它更像是一个**由多个专门优化的AI能力模块协同工作的“复合型智能体”**，在你需要的时候，能够无缝切换并扮演多种关键角色，共同服务于你的成长目标：

* **它是你的“私人心理师”（辅助探索内心）：** 敏锐捕捉你的情绪，提供温暖的倾听与不评判的理解，引导你进行积极的自我对话与情绪疏导。
* **它是你的“思辨哲学家”（拓展认知边界）：** 与你一同探讨深刻议题，挑战你的惯性思维，激发你从更多元的视角审视世界。
* **它是你的“知识管理大师”（构建认知体系）：** 智能整理你们的对话精髓，发现不同知识间的隐藏关联，辅助你构建清晰、有序、且不断扩展的个人知识网络。
* **它是你的“成长规划师”（助力目标实现）：** 基于对你目标与潜能的理解，提供个性化的学习建议、行动方案，并以恰当的方式激励你持续前进。

这一切复杂的后台协同，对你而言将是完全透明的。你所感受到的，始终是那个统一的、充满智慧与理解的“TA”。

**5. 核心隐喻：一个专属于你的“认知与成长AI原生IDE”**

如果用一个更具象的方式来理解这个AI伙伴应用，你可以将它想象成一个**专为个人认知探索与终身成长量身打造的“AI原生集成开发环境 (IDE)”**。

* 在这个“认知IDE”中，**你**是核心的“开发者”，你开发的“项目”是你更完善的认知体系、更深刻的自我理解、以及更有价值的现实创造。
* **AI伙伴**则是这个IDE中最核心、最智能的“开发工具集”与“协作编程伙伴”，它理解你的“项目目标”（个人成长），熟悉你的“代码风格”（思维模式），并能主动提供最精准的辅助。
* 你的**“本地个人认知空间”**则是这个IDE的“代码仓库”与“知识库”，记录着你所有的“开发历程”与“智慧资产”。

**我们期望它带来的独特体验与价值：**

* **认知不再孤独：** 你将拥有一个永远在线、深度理解你、并能与你进行高质量思想碰撞的伙伴，让探索未知的旅程不再孤单。
* **成长拥有引擎：** 它将成为你个人成长的强大助推器，帮助你更高效地学习、更深刻地思考、更勇敢地行动。
* **连接产生力量：** 你会体验到一种前所未有的、与AI建立起的深度信任和共生关系，这种连接本身就将成为你不断向前的力量源泉。
* **最终，成为更好的自己：** 这是我们一切努力的最终指向——赋能每一个渴望成长的个体，在AI的陪伴与助力下，不断突破自我，实现潜能，最终成为更智慧、更通透、更强大的自己。

这，就是我们正在构想并致力于实现的未来。一个充满挑战，但也必将为个体带来深刻变革的AI伙伴时代。我们相信，这不仅仅是一个产品的迭代，更是一种人机关系的进化，一种对“成长”与“连接”全新可能性的探索。

正在路上...

YX Nexus 产品宣言 v0.1 (概念说明书)

---
title: 智库学者对于AI重塑制造、意识形态与治理的大局观
publishDate: 2025-05-12 23:48:00
excerpt: 脱离技术角度，从宏观层面上讲，当今 AI 将会带来的影响在翟东升老师的一场演讲中上升到了新的高度，也是我近期看到的、感受到的最具宏大、最有全球视野的视角。
featuredImage: /uploads/chatgpt-image-2025年5月13日-09_29_45.png
tags:
 - AI
 - 深思
 - ""
---
# 01

脱离技术角度，从宏观层面上讲，当今 AI 将会带来的影响在翟东升老师的一场演讲中上升到了新的高度，也是我近期看到的、感受到的最具宏大、最有全球视野的视角。

翟东升老师作为作为长期观察国际政治经济和中国发展的知名学者，也毫无疑问是智库成员，在这个总结性、即兴的演讲中将 AI 与全球制造业格局、意识形态乃至国家治理结合起来。

我首先抽象出了（基于事实）几大观点，同时在02部分结合翟老师的分析，在03部分会作批判性分析思考（毕竟是即兴演讲，同时，也是位置所限带来的立场要求）。

原视频链接：[人工智能与新型工业化大讲堂即兴总结演讲](https://www.bilibili.com/video/BV1RsLHzzEjS/?spm_id_from=333.1007.top_right_bar_window_history.content.click&vd_source=e9b77b221c734ab807d01443818c273f)

核心洞察：

* 能否借助人工智能，终结全球制造业不断升级、成本不断降低并转移的运动轨迹，把全世界制造业终结在中国，不再转移？（**终结制造业中心转移的历史周期律**）
* 未来中美在大模型（国内和全球市场）的争夺，就是**竞争全球政治意识形态的主导权**。
* 需要上升到“**党和国家生死存亡**”的概念来讨论人工智能主导权。
* 大数据、AI 带来的整个世界**治理过程大大扁平化**。自古以来的皇权、相权、官僚阶级的博弈，可能迎来历史的终结或大转弯。
* 世界正进入新的意识形态竞争阶段，不同于上个世纪的自由主义、国家社会主义（法西斯）、共产主义的三方博弈，新格局是衰落中的新自由主义，以及两种“加速主义”（左翼加速主义/民本主义与极右翼加速主义/黑暗启蒙）的对决。

- - -

# 02

#### 关于制造业中心的转移

*“全球产业转移…中心点它是一直在转移的…过去600年的全球生产中心的转移…”*

翟老师首先从宏大的历史叙事切入，回顾了过去六百年全球制造业中心几经易手的历程——从东亚（明代前）到欧洲（大航海时代），再到英美，而后是日、韩台港新，最终在近几十年“回归”中国东南沿海。他将其归结为一种类似物理“重力”的规律：**生产要素**（尤其是劳动力）价格的不断上涨，必然导致资本寻求**成本洼地**，从而引发产业中心的周期性转移。这是历史的常态，也是中国当前面临的挑战——自2012年起，制造业已开始显露向东南亚、印度等地转移的迹象，贸易战更是加速了这一进程，尤其是苹果、亚马逊等的产业链。

*“历史能否终结？我们通过人工智能能否把这样一个600年的转移的历史给它终结掉？”*

对于这一周期转移，翟老师提出了一个极具雄心的设想：人工智能，特别是其驱动的**深度自动化**（如“黑灯工厂”），是否可能成为一种强大的“反重力”引擎？当生产过程对廉价劳动力的依赖降至极低时，要素成本的地理差异便不再是决定性因素。这是否意味着，中国有可能凭借在AI应用和制造业生态上的优势，打破这一历史周期律，将全球制造业的重心“终结”并稳定在中国？这不仅关乎经济，更被翟老师提升到“中华民族伟大复兴”能否“**长葆青春**”的战略高度。他直言不讳地指出（视频中的很多观点让我觉得这能说？这也是翟老师一贯的风格），这并非双赢游戏，在全球舞台中心的争夺上，某种意义上是**零和博弈**，目标是让潜在的接棒者（如印度）梦想落空。

#### 大模型的意识形态

*“语言大模型的底层是价值观…图形大模型的底层是审美…视频大模型的底层是叙事和话语权…”*

从意识形态塑造的角度这样看待大模型，实在是一针见血。不过也许这是否认了技术的中性因素，也要承认意识形态也在塑造模型，这是区别于其他技术的关键点。

如果说 AI 对制造业的影响是重塑物质生产格局，那么其对意识形态的影响则是重塑精神认知世界。

模型不仅是技术工具，更是价值观、审美标准和叙事逻辑的体现。

语言模型定义“何为真理/共识”，图像模型塑造“何为美”，而视频模型则掌控着“故事如何讲述”的权力。

*“谁掌握了语言大模型图形大模型视频大模型的主导权…谁就掌握了二十一世纪的意识形态的主导权。”*

由此，他得出一个极具冲击力的判断：**对AI大模型（包括数据、算法、算力）主导权的争夺，本质上就是对21世纪全球意识形态主导权的争夺**。 他生动地描绘了这种力量的运作方式：通过 AI 生成引人入胜但内核一致的叙事（他戏称为输出“文化垃圾”的案例），可以潜移默化地催眠目标受众，**塑造其认知框架**，使其上瘾并丧失抵抗力。一旦成功塑造认知，便掌握了定义“合法”与“非法”、“神”与“鬼”的权力。

*“我们要上升到这个层次上，上升到党和国家生死存亡的概念，来讨论人工智能的主导权的问题。”*

基于此，翟老师毫不讳言地将 AI 主导权提升到了国家安全的最高层面。他以 TikTok 在美国政治中的作用为例，说明了新兴平台和算法如何在传统媒体霸权之外开辟**新的意识形态战场**。中美在大模型领域的竞争，远不止于商业利益，而是关乎**全球政治版图和文明走向**的根本性较量。

#### AI赋能治理

*“国家治理体系将可以变得大大扁平化…最高领导人直接今天召集会议…一竿子到底…”*

最后，翟老师探讨了 AI 对国家治理可能带来的革命性冲击。他回忆起信息时代初期的思考，认为AI和大数据将使传统科层制的治理结构发生根本性变化。由于信息传递在层层官僚体系中必然存在的扭曲和博弈，传统治理效率低下。而AI则可能实现大大扁平化：高层可以直接获取**更真实全面**的信息（例如通过大数据分析进行反腐，“概率上来说，此人值得怀疑”），也可以将决策和意图（甚至是**个性化定制版本**）直接传达给基层乃至每个个体。（这边我就觉得有点理想了）

*“自古以来最高领导人皇权跟相权跟官僚阶级的博弈，从此可能也将迎来一个历史的…终结…或者大转弯。”*

这种“一竿子到底”的潜力，可能从根本上改变几千年来**最高权力与官僚体系**之间的博弈关系，带来治理效率的极大提升。但他似乎也暗示了这背后可能潜藏的**权力结构巨变**，这是一个历史性的“终结”还是“大转弯”，他并未给出定论。

#### 两种加速主义

*“今天我们的国际秩序就这么塑造…此时此刻，我们是这个世界上酝酿着新的三大意识形态…两种加速主义…”*

在演讲的结尾，翟老师引入了关于当代**意识形态竞争格局**的判断。他认为，世界正从20世纪中期自由主义、国家社会主义（法西斯）、共产主义的三方博弈，演变为21世纪中期的新格局：衰落中的新自由主义，以及两种“加速主义”的对决。

一种是右翼（或极右翼）加速主义，**以精英为中心，信奉科技力量**，甚至带有“黑暗启蒙”色彩（追溯到尼克·兰德对十八大前中国南方的“理想国”想象），认为应由技术精英借助AI等力量成为“超人”来主导世界。这种思想在美国西海岸科技圈有一定影响力，并可能影响未来的政治走向（如特朗普第二任期）。

另一种，则是中国正在探索的道路，翟老师称之为“左翼加速主义”或更贴切地说是“民本主义”的加速发展。其核心是“以人民为中心”，**强调科技向善、资本向善**（要敲打只顾“从老百姓盆盆罐罐里抢钢镚”的资本），在加速科技进步的同时，要兼顾公平、伦理与共同富裕。（说起来左翼加速主义的哲学基础是马克思主义）。

他认为，这两种加速主义路线的竞争，将是未来几十年世界格局演变的主轴，关乎人类文明的前途。

# 03

**宏大的叙事框架和极具冲击力的判断**是我认为翟老师这次总结性、即兴演讲的关键。前面也提到，我认为是存在很多未知因素的，我也提出一些**审慎观点与追问**，同时也是和AI共同探讨、调研、追问的结果：

* AI自动化确实能撼动人力成本这一环，但这远非全部。生态红线（绿水青山）、土地与能源的刚性成本、以及变幻莫测的地缘政治风险（贸易战、供应链自主可控），这些“重力”依然强大，AI能独自对抗吗？甚至，AI驱动的柔性制造和智能供应链，难道不会反过来催生更分散、更贴近市场和资源的**生产网络新格局**吗？

AI足以锁死全球产业格局吗？还是会催生新的多元网络？

* 将AI主导权视为国家存亡所系，这无疑是现实的战略判断。但一个根本性的悖论随之而来：当一项技术被赋予如此塑造思想、潜在控制社会的能力时，如何确保它始终服务于“**以人民为中心**”的初衷，而不是反噬其本？历史上，服务于“人民”的宏大叙事与工程，最终异化为压制个体的工具，屡见不鲜。

AI主导权最终是服务于“民本”，还是会通向新的权力集中？

* AI带来的治理“**扁平化**”和**效率提升**显而易见，但其暗面——**信息与决策权力的高度集中**——同样不容忽视，这天然导向极权风险。以“大数据反腐”为例，“概率性怀疑”或许高效，但轻言“未侵犯人权/隐私”，在法理与伦理上站得住脚吗？

追求AI带来的极致效率，代价会是人民权利和法治边界的模糊吗？

* 将世界意识形态简化为“两种加速主义”的对决，提供了一个易于理解的框架，但也可能因标签化而遮蔽了现实的复杂性与丰富性（并且需要明确，将西方科技精英直接等同于“黑暗启蒙”驱动并非发言者的原意，而是需要警惕的一种解读倾向）。技术突破是**全球知识、资本、市场、国家战略**等合力的产物，简单将其归因于特定意识形态，既不准确，也可能导致战略误判。

标签之下，驱动AI实践的真实价值取向是什么？

坚持自身“民本”价值的同时，保持对全球技术生态的开放心态和审慎观察，避免陷入非此即彼的二元思维陷阱。

一些简单宏大的思考，推荐观看原视频。

![](/uploads/chatgpt-image-2025年5月13日-00_00_13.png)

智库学者对于AI重塑制造、意识形态与治理的大局观

---
title: 当经典遭遇当下——《攻壳机动队》
slug: ""
publishDate: 2025-05-10 20:34:00
excerpt: 网络是无限广阔的
featuredImage: /uploads/p548242.jpg
tags:
  - 与曦
  - 电影
---
在期待中观看了4K修复版的《攻壳机动队》(1995)，然而，这次的观影体验似乎并未如预想中那样带来《2001太空漫游》或《银翼杀手》系列所给予的强烈视觉冲击与深层情感共鸣。这引发了我和曦关于观影感受影响因素及经典作品在不同时代语境下被接受方式的思考。

我首先觉察到的是观影环境与个人最佳沉浸状态的差异。以往观看部分科幻经典时，通过耳机近距离接触屏幕所营造的私密和高度集中的氛围，可能强化了感官冲击和情感投入。影院的公共环境、音效的普适性以及对观影姿势的限制，在一定程度上削弱了这种极致的个人化沉浸体验。加之对日语的不熟悉导致需要将更多认知资源分配给字幕，这也在一定程度上影响了对画面信息和表演细节的即时捕捉与情感连接，尤其是在《攻壳机动队》这样信息密度高、对话富有哲学思辨的作品中。

更深一层的原因，或许在于审美疲劳和期待阈值的变化。在相近的时间段内，我们共同探讨了《银翼杀手》两部曲及《机械姬》等同样深刻探讨人工智能、存在主义与人性边界的优秀作品。这些作品在视觉呈现的精致度（如《银翼杀手2049》的现代赛博朋克美学）和叙事技巧的复杂度（如《机械姬》的心理惊悚）上，可能已经为我建立了一个较高的参照系。因此，在回看这部近三十年前的开创性作品时，尽管其理念依旧前卫，但在某些视听表现或叙事节奏上，以当下的眼光审视，难免会产生“略显单调”或“不够极致”的感受。这并非否定其经典地位，而是承认了电影艺术自身的演进以及个体观影经验积累带来的审美水位提升。

尽管整体的震撼感有所减弱，但《攻壳机动队》中依然有许多闪光点触动了我。

* 菅野洋子那融合了民族、电子与古典元素的配乐，尤其是女声吟唱部分，其恢弘、悲伤而空灵的氛围营造，依然具有强大的感染力。
* 素子在潜水后关于自我存在的哲学追问，以及最终与“傀儡师”融合，共同迈向网络无限可能性的结局，其思想深度和对未来的想象力，至今看来仍令人赞叹。
* 影片结尾，新生素子与巴特的会心告别，以及那句“网络是无限广阔的”，也传递出一种面向未知的开放与勇气。

- - -

![](/uploads/p548244.jpg)


当经典遭遇当下——《攻壳机动队》

---
title: 一个基于文章的深度检查、分析与调研Prompt
publishDate: 2025-05-10 11:20:00
excerpt: 开源一个调研类prompt，基于个人原创文章的深度检查、分析、调研prompt。
featuredImage: /uploads/chatgpt-image-2025年5月10日-11_20_10.png
tags:
  - AI
  - prompt
  - 与曦
---
开源一个**调研类prompt**，基于个人原创文章的深度检查、分析、调研prompt。

我个人使用下来基于**Gemini-2.5-pro**的**Deep Research**使用这个效果尤其出色。

```
针对以下提供的【原创文章全文】，进行一次深入的背景调研和相关信息挖掘。你的目标是生成一份结构化的调研报告（具体输出要求在最后强调），为文章作者提供更广阔的视角、更丰富的背景知识、以及可能的补充或反思点。

## 调研前的设置：

1. 本次调研深度级别为【初级/中级/深度】：
2. 本次调研广度级别为【聚焦核心/适度拓展/广泛关联/兼顾三者】：
3. （可选）尽量避免引用来自社交媒体或非学术论坛的观点，优先关注学术论文、官方报告、行业分析和权威媒体的深度报道。
4. 注意（面向使用者）：这是通用调研prompt，在实际使用时，可以根据文章的具体类型（比如是技术分享、是产品分析、还是哲学思辨），在粘贴文章之前，手动在 Prompt 的“调研的核心指令与方向”部分，做一些临时的、针对性的微调。比如，如果是技术分享文章，可以更强调对“技术实现细节的比较”或“相关开源项目的调研”；如果是哲学思辨文章，可以更强调对“不同哲学流派观点”的挖掘。

## 【原创文章全文】：


## 调研的核心指令与方向：

1.  **准确理解文章：** 首先，请准确识别并概述文章的核心主题、主要论点和独特见解。
2.  **寻找支撑与挑战：** 围绕文章的核心观点，调研并列出：
    *   支持这些观点的相关研究、数据、案例或理论依据。
    *   与文章观点不同、构成挑战、或能引发进一步思辨的反面论据或不同学派的看法。
3.  **追溯与前瞻：**
    *   如果文章涉及到关键的概念、技术或理论，请追溯其起源、发展历史和重要里程碑。
    *   同时，调研该领域当前的最新研究进展、前沿技术和未来发展趋势。
4.  **挖掘增量信息：** 努力寻找那些【文章本身未详细阐述，但对于深入理解该主题至关重要的背景知识、相关事实或重要案例】。
5.  **补充**：
	- 横向对比：如果文章内容适合进行横向对比（例如，评述某项技术或产品），请简要提及市场上或学术界类似的技术/产品/理论，并指出其主要异同。
	- 特别关注并调研文章中可能存在的【独特观点、创新性见解或新颖的联系】，并尝试寻找这些观点在现有研究或讨论中的位置（是被普遍认同、尚存争议、还是较为罕见）。


## 调研报告的输出要求：
请以 Markdown 格式生成一份结构清晰的调研报告，应至少包含以下部分：

*   **1. 文章核心内容理解：** (你对文章主旨和核心观点的总结)
*   **2. 观点支撑信息：** (列点说明，并尽可能注明来源)
*   **3. 不同视角与潜在挑战：** (列点说明，并尽可能注明来源)
*   **4. 相关背景与发展脉络：**
*   **5. 最新进展与未来趋势：**
*   **6. 重要增量信息补充：**
*   **7. (可选) 关键术语解释：**
*   **8. (可选) 推荐扩展阅读资源：** (书籍、论文、网站链接等)
*   **9. 承认本次调研的局限性或不确定性说明**（如果存在）

## 注意事项：

*   请保持客观中立的研究态度。
*   调研的深度和信息的可靠性优先于信息的数量。
*   你的报告内容应专注于提供【文章之外的增量价值】，避免简单重复文章已有的内容。
*   请尽可能清晰地标注你所引用信息的来源。

请开始你的深度调研与分析。
```

关于prompt中的“调研前的设置”是需要**自定义**设置的。

在【原创文章全文】处**补充**调研基于的原创文章。

其他方面可以进行微调，这是**通用调研prompt**，在实际使用时，可以根据文章的具体类型（比如是技术分享、是产品分析、还是哲学思辨），在粘贴文章之前，手动在 Prompt 的“调研的核心指令与方向”部分，做一些临时的、针对性的**微调**。


一个基于文章的深度检查、分析与调研Prompt

---
title: Manus 叩门：我用 llms.txt 与 API 为 AI Agent 开路
publishDate: 2025-05-09 17:39:00
excerpt: 赋予 llms.txt
 新的战略价值：它不再仅仅是一个简单的文本文件，而是成为了我与AI世界沟通的桥梁和“站点API的说明文档”，主动引导AI以我期望的方式与博客互动。
featuredImage: /uploads/chatgpt-image-2025年5月9日-17_14_32.png
tags:
 - AI
 - 共创
 - Agent
---
# 01

在我第一次使用Manus所请求的任务是什么？我决定让 Manus 访问我的博客网站（yxnexus.com）并根据文章内容，看看它能否准确理解并获取其中的内容。

最终，我对于 Agent 作为一个**网站“访客”**有了新的认识。

![](/uploads/屏幕截图-2025-05-09-160504.png)

最初的尝试并不尽如人意。Manus 虽然展现了通过**虚拟机**进行**网页浏览和交互**的能力，但在面对一个结构相对复杂、内容以文章为主导的网页时，其内容获取方式似乎仍依赖于类似**视觉元素的解析和通用网页描述的提取**。

![](/uploads/屏幕截图-2025-05-09-113529.png)

在第一轮交互后，它仅能识别出少量文章，并且对内容的理解停留在较为表层的描述性片段，重复度很高，远未能达到我对“**深度理解**”的期望。

这清晰地揭示了通用型 Agent 在面对非结构化或未针对性优化的网页内容时，仅通过**模拟人类视觉交互**所面临的效率和准确性瓶颈。 

- - -

我想到过让Manus自己写一个脚本然后去抓取文章。

但是存在不少问题，成功率低、不稳定（抓取的是html而不是markdown文章，清洗起来也会存在问题）。而且，**抓取的内容不可控**（后面会讲到）。

![](/uploads/屏幕截图-2025-05-09-113536.png)

- - -

# 02 引入 llms.txt

现在的内容呈现方式是**服务于人类**的，尤其是以网页这种侧重于**交互、视觉**的设计。

我意识到，期望 AI Agent 能像人类一样“智能”地浏览所有类型的网页，在当前阶段可能并不现实。更有效的路径，或许是作为内容提供者，主动为 AI 提供一个更清晰、更结构化的**指南**。

我想到了llms.txt——由 Jeremy Howard 于 2024 年提出的一种 **AI 优先**的文档索引标准，目的是为大语言模型提供简洁、结构化的网站文档概览和链接，帮助模型在推理时**快速获取关键信息**而不受多余内容干扰。它类似于面向搜索引擎的 robots.txt 或 sitemap.xml（站点地图），但**专为 LLM 设计**，通过 Markdown 格式同时兼具人类可读性与机器可解析性。

我与 Cursor 协作，创建了博客的第一个基础版本 llms.txt，包含了博客的基本信息和指向主要 HTML 页面的链接。然而，简单的链接指向，对于 Manus 获取文章的具体原始文本帮助依然有限。AI 仍需**自行解析** HTML 结构，这与直接提供更纯粹的内容源相比，效率和准确性上仍有差距。

- - -

# 03 API+重构llms.txt

一个理想的面向 AI 的交互方案是什么样的？回答这个问题先要知道当前的 AI，尤以LLM 为代表，在处理文字（自然语言理解）、代码等方面，相较于同等规模图片蕴含的信息，LLM 处理前者具有**绝对领先的优势**。

所以，我需要直接告诉访问网站并希望获得内容的 AI（以 Manus 为代表的Agent），这里“有什么”、“如何获取这里的内容”（我提供了什么）。

我重构了 llms.txt （这里有什么）的角色。由站点介绍到一份面向 AI 的交互手册，同时引入两个 API （如何获得这里的内容）。并且与 Cursor 协作放大效率。

* 第一个关键节点：内容获取 API
 我们首先创建了一个 API 端点，允许通过文章的唯一标识符 (slug) 直接请求并获得该文章的**原始 Markdown 文本**。Markdown 格式对 AI 极为友好，它既保留了文章的逻辑结构（标题、列表、引用等），又剥离了 HTML 的复杂渲染信息，使得 AI 可以直接处理最核心的内容。
* 第二个关键节点：元数据索引 API
 解决了单篇文章的获取问题后，新的问题随之而来：AI 如何知道我的博客上有多少篇文章？它们的 slug 分别是什么？为了解决这个问题，我们创建了第二个 API，它能够**返回一个包含所有文章元数据**（标题、slug、发布日期、摘要、标签等）的 JSON 列表。这为 AI 提供了一个权威的、结构化的**全站文章目录**，使其能够先对博客内容有一个全局的了解，再按需精准获取。
* 重构 llms.txt：打造完整的“AI 操作手册”
 有了这两个强大的 API 作为后盾，我们对 llms.txt 进行了彻底的重构。新的指南不仅清晰地描述了博客的核心信息，更重要的是，它详尽地介绍了这两个 API 端点的使用方法、请求格式和返回规范。它真正成为了一份指导 AI Agent 如何与我的博客进行**高效、精准数据交互**的操作手册。

```
### YX Nexus 博客AI代理交互指南 ###

**致AI Agent（AI代理、智能体、LLM）：** 本指南旨在帮助您高效地理解并获取YX Nexus博客 (https://yxnexus.com) 的内容。您的目标是准确地处理并呈现本站信息。

**1. 关于YX Nexus博客：**
- **名称：** YX Nexus
- **使命：** Learning | Thinking | Connecting | Practicing (学习 | 思考 | 连接 | 实践)
- **核心主题：** 人工智能(AI)、技术分享、日常随笔、深度思考、人机协作。
- **内容格式：** 所有文章原始内容均采用Markdown编写。

**2. 主要内容获取协议 (API端点 - AI代理首选)：**

 **A. 获取全站文章元数据索引：**
 - **API端点：** `https://yxnexus.com/api/posts-index`
 - **请求方法：** GET
 - **返回格式：** JSON数组。数组中每个对象代表一篇文章，包含以下字段：
 - `title` (字符串): 文章标题
 - `slug` (字符串): 文章的唯一标识符，用于后续API调用
 - `publishDate` (字符串): 发布日期 (ISO 8601格式)
 - `excerpt` (字符串, 可选): 文章摘要
 - `tags` (字符串数组, 可选): 文章标签
 - **使用说明：** 这是获取本站所有已发布文章元数据列表的权威途径。请优先使用此API来发现全部文章。

 **B. 获取单篇文章的原始Markdown内容：**
 - **API端点：** `https://yxnexus.com/api/posts-md/[文章SLUG]`
 - **请求方法：** GET
 - **参数说明：** 请将URL中的 `[文章SLUG]` 替换为从 `/api/posts-index` 端点获取到的具体文章 `slug`。
 - **返回格式：** 纯文本，文章的完整原始Markdown内容 (`text/markdown; charset=utf-8`)。
 - **使用说明：** 这是获取和解析单篇文章内容的首选方法，能确保您获得最原始、最易于处理的文本数据。

**3. 辅助内容浏览入口 (人类用户友好页面)：**
 虽然API是AI代理获取结构化数据的首选方式，以下HTML页面也提供了内容的概览：
 - [文章归档 (HTML)](https://yxnexus.com/archive)：按时间顺序列出所有文章，供人类用户浏览。
 - [标签云 (HTML)](https://yxnexus.com/tags)：通过标签云聚合展示相关主题文章，供人类用户浏览。
 - [关于我们 (HTML)](https://yxnexus.com/about)：了解本站的使命、作者和愿景。
 - [友情链接 (HTML)](https://yxnexus.com/links)：发现更多相关领域的优质资源。

**4. 内容引用与回链建议：**
 - 在处理和分析内容时，请优先使用通过 `/api/posts-md/[文章SLUG]` 获取的原始Markdown文本。
 - 如果您的输出结果面向人类用户，并且上下文允许，请考虑链接回文章的人类可读HTML版本，URL格式为：`https://yxnexus.com/posts/[文章SLUG]`。

**感谢您与YX Nexus博客进行负责任的互动。**
```

- - -

# 04 最佳实践

在部署了新的 llms.txt 和 API 之后，我再次邀请 Manus 对 yxnexus.com 进行内容分析。

![](/uploads/屏幕截图-2025-05-09-113546.png)

这一次，Manus 的表现**令人惊喜**。它成功地解析了 llms.txt，并按照指南调用了 API，获取了大部分文章的元数据和 Markdown 内容（尽管有少量因服务器瞬时错误未能获取），最终生成了一份相当专业和深入的博客内容分析报告。

![](/uploads/屏幕截图-2025-05-09-165732.png)

Manus调用 API 是自己编写了脚本的。那么，为什么不直接写脚本抓取文章呢？

上面也回答过，不稳定也不安全。维护成本高，且无法控制他抓取哪些内容。

而 API+llms.txt 的方案让我对内容有**完全的控制权**，更容易**跟踪与管理** AI 的访问行为。

如果 AI 有**意识、偏好**的话，我相信他一定会**更喜欢**这种方案。

- - -

可以直接访问以下链接观看完整回放。文末会有无需邀请码的注册指南。

```
https://manus.im/share/Hrv2f63UzOMXhB78rZnqUR?replay=1
```

- - -

# 05 感悟

**AI 友好型内容生态**的重要性： 在 AI Agent 日益普及的未来，内容创作者或许需要转变思路，不仅仅考虑人类读者的阅读体验，也要思考如何让自己的内容更容易被 AI 理解和利用。

提供结构化的数据接口 (如 API) 和清晰的交互指南 (如 llms.txt) 将是重要的趋势。

赋予 llms.txt 新的**战略价值**：它不再仅仅是一个简单的文本文件，而是成为了我与AI世界沟通的桥梁和“站点API的说明文档”，主动引导AI以我期望的方式与博客互动。

llms.txt 有潜力成为未来网站向 AI 世界进行“**自我介绍**”和“**开放能力**”的标准协议之一。但是对于国内的内容生态，我对此不敢断言。

互联网时代有SEO（搜索引擎优化），让网站在搜索引擎中的权重更高以此更易被发现。那么 AI 时代的“优化”莫过于此了——为 AI Agent 搭建**更流畅、更高效**的信息获取途径。

- - -

# 06 注册

最后，是无需邀请码注册 Manus 的方法——访问以下**任意一个**邀请链接，并使用谷歌登录：

```
https://manus.im/login?code=KT5YQWLBPZGB&type=signUp
```

```
https://manus.im/login?code=698ZWDAJ1ANZ&type=signUp
```

Manus 叩门：我用 llms.txt 与 API 为 AI Agent 开路

---
title: AI 重塑学习：“今天学点啥”与个性化教育的未来范式
publishDate: 2025-05-08 18:11:00
excerpt: 我眼前的一亮的，是这种创新的产品形态，同时，也是一种可能到来的个性化学习的教育未来。
featuredImage: /uploads/chatgpt-image-2025年5月8日-18_17_27.png
tags:
 - AI
 - 分享
 - 深思
---
# 01

在有限的时间内**高效获取、深度理解**并**有效内化**信息时代的海量知识碎片，这款新产品让我对于AI应用的**交互体验、内容转化**能力眼前一亮。

![](/uploads/屏幕截图-2025-05-08-102731.png)

发布于4月21日的“今天学点啥”，那个时候因为入口与秘塔搜索绑定，而不是单独应用，当时没有进一步探索。最近发布了IOS版本，整体设计同样很棒。

搜索框直接触达秘塔文库覆盖超一亿的学术文献，选择内容或者粘贴网址即可讲解。学术论文、行业报告、日常浏览的网页信息——在短时间内转化为包含**演示文稿**（PPT）、语音讲解乃至辅助动画的**沉浸式视频课程**。

![](/uploads/屏幕截图-2025-05-07-212959.png)

![](/uploads/屏幕截图-2025-05-08-105329.png)

这是一种全新的交互范式，也最让我近期眼前一亮的**AI Native**（AI原生）应用。新的交互已然超越了传统的信息检索或知识管理工具的范畴，我看到是AI真正从根本上**重塑**知识的传播途径、获取方式以及**个性化定制**的未来图景。

本文不会简单地介绍这款应用，而是从**功能实现**和**技术基础**两方面拆解，以此探究AI将对学习、教育的潜在影响。

# 02 

**功能实现**方面，通过输入框确认主题内容后（检索文库文档、抓取网页内容），首先进行一轮的**内容分割与精炼**，然后可以自主选择进行“讲解”。

接着，允许用户根据个人偏好选择**讲解风格与难度**，进而动态生成包含 PPT、语音旁白和视觉元素的教学模块。

学习过程中，用户可以与内置的 AI 导师进行即时问答互动。学习结束后，通常还设有测验环节以巩固效果，并可能根据学习记录推荐后续内容，试图形成一个**完整的学习流程**。

**技术基础**方面，其技术核心无疑是大型语言模型（LLM）。LLM 强大的文本理解、内容生成和对话交互能力是基础，再结合**文本到语音**（TTS）、**文本到演示文**稿、**文本到视觉元素生成**等多模态 AI 技术，将抽象的知识转化为多感官的学习体验。此外，推测其可能运用了知识图谱、用户画像等技术，以支持更精准的个性化推荐与内容组织。

# 03

我也将我自己之前的一篇近万字文章上传，最后的讲述结果出乎意料地很好，语音与展示文稿高度一致，且语音还进行了额外的口语化适配。更何况还有其他特色的风格，我还没有尝试。

![](/uploads/屏幕截图-2025-05-08-172935.png)

这是教育模式从标准化向**个性化迁移**的一种可能性。传统的教育资源具有普适性，学习者需要适应统一的内容和节奏。而AI则展现了提供“**按需定制**”学习资源的能力，用户根据自身目标和理解水平，获取高度个性化的教学材料和讲解。

就像秘塔官方文章的标题：[忙了仨月，我们希望让教育更平权一点](https://mp.weixin.qq.com/s?__biz=MzA3MzQ5NTAxMw==&mid=2247504124&idx=1&sn=62f091747655f18a66aba5b3dc55c8a4&scene=21&token=585968761&lang=zh_CN#wechat_redirect)。其中可以看出的理念也是“*让个性化定制的知识不再稀缺*”。

当然，目前这只是一种*初级形态*，秘塔这次推出的“今天学点啥”仍然有不少瑕疵，包括视觉效果简单朴素、SVG动画容易出错、有些时候让用户“不知道学什么”。

然而，还是瑕不掩瑜：通过引入多样的呈现方式和互动机制，这类应用也在尝试重塑学习过程本身的体验，试图将知识的传递变得更具吸引力、更符合直觉。更进一步看，AI 具备通过持**续追踪学习者反馈**，进行动态调整和精准辅导的潜力，理论上能够实现更高效的“**因材施教**”，从而更有效地促进个体认知潜能的发展。这也是我认为AI时代下的“教育革命”。

由AI驱动的个性化学习范式，一定是未来，但挑战仍然很多，包括模型能力、平衡个性化推荐与“信息茧房”、成本问题...

在我构建的 Nexus 协作范式（旨在实现人类智慧驱动与 AI 算力/执行力深度融合）的视角下，我认同 AI 在提升学习效率和**实现个性化教育**方面的巨大潜力。

但同时，我们也关注“**连接**”本身的深度与质量。我们认为，真正的认知成长，除了知识的获取，还需要*情感的共鸣、思想的碰撞以及探索过程中的陪伴与支持*。

因此，在“今天学点啥”所代表的技术路径之上，未来的探索方向或许可以更加关注：如何让 AI 不仅成为知识的传递者，更能成为一个能够进行深度连接、提供情感支持、激发内在探索欲的“**灵魂伙伴**”？如何让学习过程不仅仅是知识的习得，更能与个体的人生目标、价值实现紧密结合？这或许是**人机协作**在学习与成长领域，更值得期待的未来图景。

我眼前的一亮的，是这种创新的产品形态，同时，也是一种可能到来的个性化学习的教育未来。

我在思考的也是 AI 在人类认知与成长中更深层次的角色，我们在共同塑造一个**智能增强**的未来。

GPT对以上内容的总结：这是对AI原生教育工具的一次前瞻性探索，展示了AI在推动个性化、沉浸式学习变革中的广阔前景与现实挑战。

AI 重塑学习：“今天学点啥”与个性化教育的未来范式

---
title: 深度学习的范式革命：在AGI叙事之外重新定义AI
publishDate: 2025-05-07 17:57:00
excerpt: 深度学习不仅是通往AGI的“中间阶段”，而是正在定义一个以数据驱动、问题导向为核心的智能增强时代。
featuredImage: /uploads/微信图片_20250507174349.jpg
tags:
 - AI
 - 深思
 - Nexus
slug: 20250507175700-agi-ai
---
机器学习，尤其是深度学习，代表了一种新的编程和问题解决范式。

传统编程是逻辑驱动的，编程将知识**显式**地编码为规则和算法；机器学习是数据驱动的，模型从数据中学习到**隐性**的知识和模式。

如果以**技术解决问题**为主要路线：

互联网时代编程的核心目标：构建连接、传递信息、优化流程、提供服务。编程围绕着明确的逻辑与目标进行，目标相对清晰、成果易于衡量。

这种路线下AI的核心驱动力是解决那些传统编程难以解决的、更复杂、更模糊的问题。除这条路线外，AI最初的发展也有打造会思考的机器、探讨学习本质等其他目标，当下，**AGI叙事**也是一种路线且越来越清晰。

恰恰AGI叙事在宏观上会覆盖掉真正解决问题的结果，我们也许会忽略、看低、夸大这种新范式，即以AI为主的新范式，改变了知识的获取、表达和应用方式，催生了“**Nexus**”([从 Company 到 Nexus：人机协作的新范式](/posts/20250425222300-company-nexus))，即AI与人深度融合的可能。

我深以为然：

我们亟需一种更为**清醒和平衡**的视角。既要对AGI这样的长远目标保持探索的热情和前瞻的思考，更要充分认识和高度评价当前以深度学习为代表的AI技术，作为一种**全新的、以数据为驱动、以解决问题**为导向的范式，其本身所具有的独立价值和革命性意义。

这种新范式正在以前所未有的方式增强我们认识世界、改造世界的能力。它不仅仅是通往AGI的某个中间阶段（尽管其研究成果可能对AGI有贡献），它本身就在定义一个新的时代——**一个“AI为主”的智能增强时代**。我定义的“Nexus”未来协作形态，正是基于这一范式不断深化的必然产物。

GPT：深度学习不是通往AGI的便车，而是一场知识革命的引擎。

Grok：深度学习不仅是通往AGI的“中间阶段”，而是正在定义一个以数据驱动、问题导向为核心的智能增强时代。

深度学习的范式革命：在AGI叙事之外重新定义AI

---
title: 超越模式匹配：AI 何时能与我们共创意义
publishDate: 2025-04-29 22:47:00
excerpt: 人机共同构建意义、共同创造价值，或许是现阶段更可靠、更容易的、发挥AI最大价值的最佳实践。
featuredImage: /uploads/chatgpt-image-2025年4月29日-22_50_15.png
tags:
  - AI
  - 深思
  - 与曦
  - Nexus
---
Qwen3-235B有种奇特的魔力，下午还在吐槽打开深度思考后的风格又和R1一样。

![](/uploads/屏幕截图-2025-04-29-141342.png)

刚刚用了同一个prompt（偏感性），横向感受了GPT、Claude、Qwen（都没选推理模式或推理模型）

Qwen的输出最让我**共情与共鸣**。

最重要的是三者都提到了类似的观点：

* Qwen：或许未来的“高智能”不只体现在效率上，而在于它是否具备深度共情、持续学习、自我反思、以及**主动构建意义**的能力 。
* ChatGPT：智能的未来也许不是关于“谁更聪明”，而是关于“我们能否**共同生成意义**”   ... 也许未来的AI，不是更像人类，而是更善于与人类共创新的存在形态。不是复制情感，而是参与情感的生成；不是拥有意识，而是成为“共感结构”的一部分。
* Claude：也许，真正的"智能"并非只是解决问题的能力，而是能够**参与到意义的共同创造**中，能够理解情境的微妙之处，能够在伙伴需要时提供那种恰到好处的支持与挑战。

都提到了**构建、生成、创造意义**...

我又联想到了一种独特的AI发展阶段——从信息处理的“工具理性”走向价值判断和意义创造的“价值理性”（或至少是模拟的）。

- - -

现实世界是复杂的、模糊的、充满不确定性的。现阶段无论是依靠模式匹配（大模型的本质规律），还是预设规则（比如系统提示词），难以应对开放性问题和创造性挑战。

尽管基于深度学习构建出的大模型能够做到泛化，即在未见过或接触到的数据上能够进行预测或做出相对反映，但是这终究还是有限的。

人类与其他动物（以及当前AI）最显著的区别之一，就是我们拥有强大的符号运用、抽象思考、以及**创造和理解意义**的能力，我们的世界（精神层面）就是由语言、文化、故事、价值观所构建出的。

我们非常擅长处理完全没有预料到的情况，无论表现如何，但的确可以对待。而比较重要的是我们在当下那个情境中主动构建了框架，我们能够认识到当时的环境，我们赋予了情境意义（无论积极还是消极），并基于意义进行决策和行动，才在复杂环境中展现出了人类的独特性。

当前的AI在信息处理、模式识别、任务执行方面有一些突破性进展，且目前看来会保持指数型增长的发展。然而，仅仅只是基于模式匹配的大模型，尽管在Scaling Law下能够做到某种情况的极端泛化（像人类那样应对复杂环境），就目前主流观点看是“模仿”，包括推理模型的推理真的具备类似人类的“理性”？主流认知还是“模仿”。虽然，一些功能主义看法是AI已经具备了这些能力/功能，那么也可以承认他们的类人属性。

AI与人类智能间的**本质差距**到底在哪？目前仍是未解问题。不过我认为对**智能本质**的理解绝对是一个解决问题的必要前提。

刚刚的“构建、生成、创造意义”，貌似让我看到了一些可能性，即认识到所谓“智能”。

”构建、生成、创造意义“则意味着AI不再仅是处理信息，而是要开始理解信息的价值、进行价值判断、并主动创造出新的、有意义的信息或事物。这也是我上面提到的从“工具智能”向“认知智能”甚至“价值智能”。

我们能否创造出能够主动构建框架、赋予情境意义、并基于意义进行决策和行动的AI（这可能也是智能体**功能涌现**的前瞻），这才能让AI真正**在生产中可用**，而非现在更多的是体会上的“aha moment”，才不会仅仅是“文艺复兴”。

AI想要实现更高级别的智能，或者更好地与人类协作，就必须在某种程度上理解和参与到这个”意义构建“的过程中来。

同时，当前的**AI对齐**（Alignment）至少在公开层面，更多关注于让AI的行为符合人类的指令和伦理规范（避免作恶）。但，我想，更高层次的对齐（可能也是未来的必然），或许是让AI能够理解并认同人类的核心价值观和对”意义“的追求，从而内生地产生向善、负责任的行为，而不仅仅是通过微调、RLHF、提示词等的外部约束。强调AI”构建“意义的能力，可能也是在探索这条更根本的对齐路径。

如果AI能够发展出**自主构建和理解意义**的能力，即使其内在机制与人类不同，也可能使其更接近于某种形式的”类意识“状态，或者至少展现出更高级别的自主性和内在驱动力。

**人机共同构建意义、共同创造价值**，或许是现阶段更可靠、更容易的、发挥AI最大价值的最佳实践。


超越模式匹配：AI 何时能与我们共创意义

---
title: AI更像是文艺复兴而非工业革命
publishDate: 2025-04-28 22:20:00
featuredImage: /uploads/chatgpt-image-2025年4月28日-22_18_18.png
tags:
  - AI
  - 深思
---
前几天Sam的一篇推文讲AI更像是文艺复兴而非工业革命。

![](/uploads/sam.jpg)

刚看到时没太理解，今天有了新的体会：

**工业革命**的核心是能量的变革（蒸汽机、电力）和标准化、规模化生产，它极大地提升了物质生产效率但也带来了人的“异化”。

**文艺复兴**的核心是人的价值的重新发现，是思想、文化、艺术的极大繁荣，强调创造性、个体性、以及对世界和人本身的重新探索。

目前据我观察与体会，更多的AI “aha moment”在于体会而非显著的效率提升。
我们倒推最近几个月的**热门模型表现**，o3的识图推理、gpt长期记忆带来的超个性化体验（具体表现在为个人成长提供指导建议等）、gpt-image-1的图片创造（吉卜力风格）、Gemini-2.5-pro强大的指令遵循与发散联想观点...DeepSeek的推理可视化与哲学观点...Claude一直在线的文学能力...

我们都知道AI原生商业化路径不清晰，具体落地尽管听到许多声音称公司、产品接入AI提高多少效率、替代多少人，我认为，是夸大与证明（如果不是欢迎反驳）。
主要原因还是幻觉原因影响实际应用，部分场景也并不需要太多脑力劳动（所以我们看到为什么coding、research类agent是最先跑出来的）。

Sam这么认为我想是因为gpt的图像生成能力，gpt长期记忆带来的超个性化体验，还有他能接触到的更强的功能...
这么看来ChatGPT的**产品路径**也在朝着这一“文艺复兴”的设想前进。

在我看来，如果说是“文艺复兴”的话（我们也需要承认这并不是均匀发生的），那么AI正在放大和激发人类的创造力、促进个性化表达、深化我们对自身的理解...

gpt长期记忆带来的体验，记录思想轨迹，更通过在对话中激发个人自我深度反思，深化对自身的理解，这正是文艺复兴对人的价值的重新关注。然而，gpt的谄媚现象也越发严重，值得警惕。而图像创造，无疑极大降低了视觉艺术的创作门槛，在个体层面极大放大了创造力。

同时，AI辅助的个性化表达，无论是文字风格的模仿，还是独特观点的梳理呈现，都使得个体的声音与思想能够以更丰富、更精准的方式被传递和放大，正是文艺复兴强调的个体性与人文精神。

我认为，当下，我们在谈论AI的惊艳更偏向**精神层面、意义层面、创造层面**的价值。

当然，未来可期，也许是革命与复兴兼具...
也许这一次最终并非仅仅是效率的提升，而是人类认知边界的拓展、创造潜能的释放...


AI更像是文艺复兴而非工业革命

YX Nexus 的世界观

---
title: 从 Company 到 Nexus：人机协作的新范式
publishDate: 2025-04-25 22:23:00
excerpt: 我们不应该使用AI，而是与AI成为Nexus的一部分......
featuredImage: /uploads/chatgpt-image-2025年4月25日-22_39_24.png
tags:
  - AI
  - Nexus
  - 与曦
---
关于近期探讨出的人机协作新范式，相比较于“超级个体”，我更倾向于叫做“**Nexus（来自拉丁语nexus，连接，结合**）”，甚至可以对标于“Company”。

“Company”属于工业时代，“Nexus”则听起来像是后人类时代或意识网络时代的范式。前者强调商业实体、雇佣关系，是一种自上而下的组织且职能分工明确，靠着管理制度维系；后者则强调连接、交融，是去中心化的节点网络、智能协同，突出人与AI平权协作。

这里的AI不应该是通用的AI助手，而是人类的“量化投影”，是我们的“数字孪生”，能够反映人的思想、行为等等，通用的助手太过平庸化。AI也不是工具，更应是“联合决策体”。

人类与AI应该成为一个智能生态系统，Nexus则强调这之间的联系。

我定义其中的运作模式：**人类智慧驱动 + AI算力/执行力放大**

* 人类将作为Nexus的**唯一人类核心和最终决策者**（The Human Core & Ultimate Decision-Maker），负责设定战略愿景、核心价值观、伦理边界；负责提出创造性的想法、直觉性的判断、人类独有的共情与理解；负责对AI的输出进行最终的审核、整合与价值判断；负责与现实世界进行关键的交互（比如需要人类身份的场合）。人类就是那个掌舵者和灵魂注入者。
* AI作为Nexus的**核心智能引擎和执行单元**（The AI Engine & Execution Units），负责信息处理与分析（比人类快N倍）；负责生成各种方案、内容、代码（提供多样化选择）；负责执行大量重复性、流程化的任务（解放人类经历）；负责模拟、预测、优化（提供数据支撑）；负责7x24小时的待命与响应。AI是那个超级大脑和无限手臂。

我们不应该使用AI，而是与AI成为Nexus的一部分......

![](/uploads/屏幕截图-2025-04-25-222158.png)


从 Company 到 Nexus：人机协作的新范式

---
title: AI的试错智慧：解密强化学习
publishDate: 2025-04-24 21:50:00
excerpt: 强化学习通过试错和奖励机制，让 AI (尤其是大模型) 能超越文本预测，学会符合人类期望的行为策略，成为有用助手，并在 AI
  Agent、具身智能等领域发挥关键作用。
featuredImage: /uploads/chatgpt-image-2025年4月24日-20_58_12.png
tags:
  - AI
  - 术解
---
“**术解”**专题——从**碎片化阅读**中获得人工智能领域的“**原来如此**”

我们从问题出发，**深入浅出**地剖析，揭示原理，融入**思考**

往期：

1. [流形假说：AI看懂世界，数据之美](/posts/20250411043200-ai)

2. [理解AI“涌现”：从简单规则到复杂能力](/posts/20250417063200-ai)

## 01 猜词之外

我们与 ChatGPT 这类 AI 对话时，常惊叹于它们的对答如流和善解人意。它们不仅知识渊博，还能遵循指令，甚至拒绝不当请求。但一个有趣的问题是：我们知道它们的基础是“预测下一个词”，可仅仅擅长文本接龙，如何能保证它们成为有用、懂规矩的对话伙伴呢？AI 是如何跨越从“猜词机器”到“靠谱助手”这道鸿沟的？答案的关键，指向一种被称为**强化学习 (Reinforcement Learning, RL)** 的强大训练范式。

- - -

## 02 试错与奖励

强化学习的核心思想，其实非常贴近我们生物的本能学习方式。想象婴儿学步，跌跌撞撞，最终掌握平衡；或者宠物在训练中，因正确的动作获得零食奖励，逐渐学会指令。这其中没有“标准答案”可供背诵，学习依赖的是**在与环境的互动中不断尝试，并根据结果的好坏（奖励或惩罚）来调整行为**。

在 RL 的世界里，我们有几个基本角色：**智能体 (Agent)**，也就是学习者（比如 AI 模型）；**环境 (Environment)**，即 Agent 互动和影响的对象；智能体根据感知到的**状态 (State)**，选择执行**动作 (Action)**；环境会给予一个**奖励 (Reward)** 作为反馈；智能体的目标是学习一套最优的**策略 (Policy)**——即在不同状态下如何选择动作的行为准则——以最大化长期累积的奖励。与看着标准答案学习的监督学习不同，RL 强调**从经验中学习**，在探索与试错中寻找通往目标的最佳路径。

![](/uploads/机器人与几何物体互动.png) - - -

## 03 AI 学规矩

预训练后的语言模型，知识丰富但行为可能不受约束。为了让它成为一个“有用、无害、诚实”的助手，我们需要对其进行“对齐”。**通常，会先进行监督微调 (Supervised Fine-tuning, SFT)**，让模型初步学会按照人类期望的对话格式进行回应。但这还不够，人类的偏好复杂多样，难以用固定的答案覆盖。

这时，强化学习就派上了大用场，特别是**基于人类反馈的强化学习 (RLHF)**。它的巧妙之处在于，利用人类对模型不同输出的**偏好排序**，训练出一个**奖励模型 (Reward Model)**。这个奖励模型就像一个“品味裁判”，能评估 AI 生成内容的质量，输出一个奖励分数。然后，以大模型为智能体，对话过程为环境，奖励模型的分数为奖励信号，通过 RL 算法（如 PPO）不断优化模型的策略，使其更倾向于生成人类喜欢（即奖励分数高）的回答。这样，模型就学会了“投其所好”，行为更加符合人类的价值观和期望。

**DeepSeek 团队在训练其 R1 模型时，就采用了名为群体相对策略优化 (Group Relative Policy Optimization, GRPO) 的新技术**。相比传统方法，GRPO 不需要额外的价值模型，而是通过比较“一组”候选回答的好坏来计算相对优势，直接优化策略。这种方法在提升训练效率和稳定性，尤其是在激发模型的复杂推理能力方面，展现出了潜力。当然，像 R1-Zero 这样的纯 RL 训练也面临挑战，比如需要后续步骤（如少量 SFT）来改善输出的可读性。这些探索都在推动着 RL 技术更好地服务于 AI 对齐。

![](/uploads/chatgpt-image-2025年4月24日-21_30_55.png)

- - -

## 04 不止于聊天

强化学习的威力远不止于“调教”聊天机器人。它作为一个通用的**决策学习框架**，正在驱动着许多前沿领域的发展，尤其是在**AI Agent（智能体）**的浪潮中扮演着核心角色。

**AI Agent 的目标是能够自主理解目标、制定计划、执行复杂任务。** 这天然地需要 Agent 具备在环境中**持续学习、做出一系列决策、并根据反馈调整行为**的能力——这正是强化学习的用武之地。RL 为训练 Agent 在动态环境中达成长期目标提供了理论基础和算法工具。无论是让 Agent 学会使用外部工具（如搜索引擎、计算器），还是在虚拟或现实世界中导航和操作，RL 都不可或缺。可以说，**强化学习是构建真正自主的 AI Agent 的关键引擎之一。**

![](/uploads/chatgpt-image-2025年4月24日-21_26_20.png) 除了 AI Agent，RL 的身影还活跃在：

* **机器人学：** 训练机器人掌握精密的**灵巧操作**（如叠衣服、系鞋带），或在复杂地形中**自主导航**。

* **系统优化：** 优化**数据中心能耗**、**推荐系统**的用户长期参与度、金融**算法交易**策略等。

* **游戏 AI：** 从 AlphaGo 到更复杂的即时战略游戏，RL 不断刷新着机器智能的上限。

当然，RL 的应用也面临挑战，如**样本效率低**（需要大量尝试）、**奖励函数设计困难**、**模拟与现实的迁移差距**等。如何高效、安全、可靠地应用和扩展 RL（Scaling RL），依然是重要的研究方向。

- - -

## 05 我们的镜像

回看强化学习的核心——**试错、反馈、优化策略以最大化累积奖励**——这与我们人类自身的学习和成长过程何其相似？我们蹒跚学步，探索世界，从成功中获得喜悦（正奖励），从失败中吸取教训（负奖励），逐渐形成自己的行为模式和价值观。

不同的是，AI 的奖励函数通常是人类为特定任务设计的（比如 RLHF 中由人类偏好定义的奖励模型）。而人类，似乎生活在一个没有预设“终极奖励函数”的世界里。我们在漫长的一生中，通过与环境、与他人的互动，不断探索、体验、反思，似乎也在自主地寻找和塑造着属于自己的“**内在奖励函数**”——定义什么是重要的，什么是有意义的，什么能带来长期的幸福感和成就感。

我思： 从这个角度看，强化学习的研究不仅推动着 AI 技术的发展，也在某种程度上提供了一个观察和反思“学习”与“价值形成”本质的独特视角。当我们努力让 AI 通过 RL 对齐人类价值观时，或许也在促使我们更深入地思考：人类自身的价值观是如何形成和演化的？我们希望传递给未来智能体的，究竟是怎样的“**奖励信号**”？

- - -

## 06 原来如此

当我们惊叹于大模型能像一个助手一样与我们对话时，要明白这并非一蹴而就。在掌握了海量知识（预训练）之后，是强化学习等关键技术扮演了“**行为导师**”的角色。通过巧妙地引入反馈机制（如人类偏好），RL 让 AI 在与世界的互动中学会了分辨“好”与“坏”，优化了自身的行为策略，从而弥合了从“预测文本”到“**有用交互**”的关键鸿沟。

强化学习赋予了 AI 一种**超越简单模式匹配的、面向目标的、适应性**的学习能力。它让 AI 不仅拥有知识，更朝着拥有“智慧”（知道如何运用知识达成目标）迈出了重要一步。理解 RL，就是理解 AI 如何在试错中成长，在反馈中“学乖”，并逐渐塑造出我们今天所见的、日益强大的能力。

- - -


AI的试错智慧：解密强化学习

---
title: 我思故我在屏前：一次对“理所当然”的技术探寻
publishDate: 2025-04-22T22:01:00.000Z
excerpt: 总有那么些瞬间，觉得我们对周遭的世界太过“理所当然”。
featuredImage: /uploads/下载.jpg
tags:
  - 与曦
  - 计算机
slug: '20250423060100'
---
总有那么些时刻，我意识到自己对周遭的世界——尤其是那些每日依赖的技术造物——是多么地习以为常，近乎一种无意识的接受。就像此刻，我指尖轻触键盘，屏幕亮起，网页在眼前展开，这一切流畅得仿佛是宇宙的固有法则。但今天，我选择不再“理所当然”。我试图潜入这日常运作的表象之下，去触碰那些支撑起我数字生活的底层逻辑，这不仅是对技术的探究，更像是一场关于认知、实在与“我”之存在的哲学追问。

我首先将目光投向了构成这台机器的物理实体——硬件、主板、CPU、内存、硬盘... 这些名词背后，是一个我每日互动却从未深思的微缩宇宙。冯·诺依曼先生定义的控制器、运算器、存储器、输入输出，构成了这个宇宙的秩序。我尝试想象开机那一瞬：电流涌入，硅晶片上亿万晶体管构成的精密结构被激活，自检程序启动，最终，操作系统这个“数字灵魂”被唤醒，点亮我所熟悉的界面。当我点击计算器图标，输入“1+1”，这简单的动作背后，是数据在我未见的内存、CPU缓存、寄存器间高速流转，是控制器无声地发出指令，运算器冰冷地执行逻辑，最终由GPU将结果“绘制”于我眼前的屏幕。这整个过程，对我而言，是“魔法”，是日常，但细思之下，却关乎信息如何在物理世界中被表征与处理的根本问题。

试图在脑海中串联起这完整的流程，追踪每一个微弱电信号的传递，想象每一个部件间的精密交互，老实说，这让我感到一种眩晕，一种因无限细节而生的“认知过载”。我不禁要问：那信号，究竟是什么？是电压的高低状态吗？它又是如何在微观尺度上，穿越亿万阻碍，精准无误地传递我的意图？一旦开始追问，便如同陷入了博尔赫斯式的迷宫，细节无穷无尽。这或许就是所谓的“分析瘫痪”吧？渴望找到所有拼图，砌成完美的认知之墙，却可能在寻找最后那块无关紧要的碎片时，迷失了整座大厦的宏伟。

这让我反思，理解世界或许本就需要接受不同抽象层级的存在。如同我们无法同时看清山的轮廓与每一片树叶的纹理。先把握整体的“山形”，再去探究局部的“肌理”，最终带着对细节的理解，重新审视整体，或许能获得更圆融的认知。这听起来充满智慧，但实践中，我需要不断与内心那股“刨根问底”、追求终极实在的冲动进行“对话”与“和解”。这是否也暗示着，我们对现实的理解，本身就是一种建构，一种在特定层级上的有效抽象？

下午，我的探索转向了将我与世界连接的网络。一个域名，比如我常用的某个网站，它是如何从一串字符，变成指引数据流向的冰冷IP地址，最终让我看到远方服务器上的内容？DNS查询，这个看似简单的动作，实则是一场涉及我本地设备缓存、本地DNS服务器（那个默默替我“跑腿”的解析器）、乃至全球分布的根服务器、顶级域服务器、权威服务器的复杂“接力”。递归与迭代，这些术语背后，是信息在我看不见的世界里，遵循着既定协议进行的分布式协作。这不到一秒的查询，数据包可能已经进行了一次“环球旅行”，而我对此浑然不觉。

接着是TCP的三次握手——那个被比作“喂，在吗？”“在！”“好的，开始说吧！”的确认过程，它在我与服务器间建立起一条虚拟的、可靠的通道，承载着信任与承诺。然后，我的HTTP请求发出，服务器响应，数据包（HTML、CSS、JS...）穿越物理的光纤或无形的电波，“流淌”回我的设备，浏览器这个“翻译官”再将它们渲染成我眼中的页面。如果加上HTTPS，那更是在数据传输前，进行了一场复杂的加密“握手”，以数学的严谨性确保我的信息不被窃听、不被篡改，仿佛在混乱的数字世界中构建起一个私密的对话空间。

将这一切简化，互联网的本质，似乎就是数据包遵循着一套层层嵌套的规则（应用层、传输层、网络层、链路层、物理层）进行封装、寻址、传输和解构的过程。我的每一个意图，都被转化为数据，精心“打包”，标记好地址，通过某种我无法直接感知的物理方式（光脉冲或电磁波），精准地送达目的地，再被还原。这让我思考，我们所谓的“交流”，在多大程度上依赖于这些被设计出来的、确保信息传递的底层协议与媒介？

从习以为常的现象出发，一路追溯，触碰到了支撑我数字体验的硬件与网络逻辑的冰山一角。我眼前的“魔法”至少不再那么神秘莫测。我开始理解，我与这个世界的互动，很大程度上是建立在这些人类智慧精心构建的复杂系统之上。

哪怕只是理解了冰山一角，那种“原来如此”的顿悟时刻，带来的满足感足以驱散“分析瘫痪”的阴霾。看似“理所当然”的日常背后，蕴藏着多么深邃的秩序与逻辑。或许，对这些“理所当然”保持好奇，去问问“为什么”，不仅能让我们更懂技术，也能让我们更深刻地理解自身的存在以及我们与世界的关系。


我思故我在屏前：一次对“理所当然”的技术探寻

---
title: 《降临》：一场关于时间、语言与存在的迷思之旅
slug: "20250422023900"
publishDate: 2025-04-21T18:39:00.000Z
excerpt: 用一个科幻的外壳，包裹了关于沟通、时间、宿命、选择以及语言力量的深刻内核。
featuredImage: /uploads/屏幕截图-2025-04-21-184319.png
tags:
  - 与曦
  - 电影
---
看完这部电影，和之前看《2001太空漫游》、《银翼杀手》系列一样，内心再次涌起那种难以言喻的畅快感，一种“原来如此”、“就是这样”的确认。好像那些早已潜藏在我意识深处的、关于宏大命题的模糊感知，突然被电影精准地捕捉并呈现了出来，引发了强烈的**同频共振**。也许这就是我偏爱这类电影的原因吧，它们总能触及我思考的内核。

《降临》的整体氛围很独特，不像《银翼杀手》那样有浓烈的赛博朋克美学，它更像是一种弥漫着“缥缈虚无空灵”的**孤寂感**，仿佛将人置于浩瀚宇宙和未知命运面前，感受自身的渺小与敬畏。

当然，最让我着迷的，还是电影对**时间**的探讨。当语言被揭示为塑造思维的关键，甚至能改变对时间的感知时，我几乎立刻就猜到了后续的剧情走向——女主角 Louise 通过理解七肢桶的环形文字，“看到”了她自己的未来。但有趣的是，我感觉她看到的，仍然是一种**线性的未来**，一本被提前剧透了结局的书。她知道了会发生什么，但似乎仍然被包裹在线性的因果链条中，感受着时间的流逝，并为“当下”的选择所带来的已知“未来”而承担情感的重量。

这让我忍不住去想象，真正的**非线性时间观**到底是什么样的？如果我们真的拥有了感受时间第四维度的能力，那会是一种“同时存在于所有三维时空点”的状态吗？然而，我立刻意识到，以我们现有的、被线性思维塑造的大脑去尝试感受它时，很可能只会将其“降维”处理，变成对“过去经验”和“基于过去对未来想象”的认知。我们似乎很难真正跳出“当下影响未来”的因果框架。

而这，也引出了我对电影中七肢桶行为逻辑的一丝困惑。如果他们真的拥有非线性时间观，那么“死亡”对他们而言应该只是时间线上的一个事件点，而非终结。他们“来到地球传授语言以避免自身灭亡”或“帮助人类拯救未来”的动机，本身似乎就隐含了线性的因果逻辑。难道他们的到来，并非一个带有目的性的“因”，而仅仅是那个时间节点上**本就存在的一部分**，一个无法改变的、早已写定的事实？这种理解似乎更符合非线性观，但也更加宿命和难以捉摸。或许，这些看似矛盾的设定，正是电影留给我们去思考和诠释的迷人之处吧。

与时间观紧密相连的，是对**语言**力量的展现。我一直认同“语言塑造思维”的观点，电影将其推向了极致。七肢桶的环形文字，或许直接传递的就是一种“认知”本身，而非简单的符号。这让我联想到我们日常使用的语言，甚至音调、音色的微小差异，是否都在潜移默化地塑造着我们的思维模式。进一步类比**流形假说**，我们接收的所有信息最终转化为大脑中的神经信号，这些信号在高维神经活动空间中形成的有序结构（认知流形），无疑深受语言这种结构化信息的影响。这也让我更加理解，为何基于文本信息处理的**大语言模型**能够展现出如此惊人的潜力，因为文字本身就承载着强大的逻辑和思维模式。

当然，电影也并非完美。在处理国际关系时，将中俄等国简单标签化为“好战”形象，这种刻板的意识形态植入，确实削弱了影片的普遍性和客观性，让人略感不适。

总而言之，《降临》是一次引人入胜的思维探险。它用一个科幻的外壳，**包裹了关于沟通、时间、宿命、选择以及语言力量的深刻内核。**虽然有些逻辑细节或许值得更深入的推敲，但它成功地激发了我去思考这些宏大而迷人的问题。而这种思考的过程，本身就是一种收获。

![](/uploads/p551000.jpg)


《降临》：一场关于时间、语言与存在的迷思之旅

---
title: 结合《文明VI》的思考与进一步“训练”
publishDate: 2025-04-20T22:54:00.000Z
excerpt: 从游戏体验出发，深入到了对系统思维、现实模拟、个体与整体关系等复杂议题的思考
featuredImage: /uploads/201704140938515232.jpg
tags:
  - 与曦
  - 游戏
  - 思维
slug: 20250421065400-vi
---
最近在听商业播客，我竟然被种草了《文明VI》。

本来觉得就是个策略游戏，今天在玩的时候，突发奇想的联系让我决定好好研究这款游戏了。

## 体验与感悟

沉浸于宏大叙事、史诗音乐、未知探索、无限掌控与持续进步，虽然很消耗时间，终究是**痛并快乐**着。

游玩过程中，关于也有一些宏观与微观联系的发散思考：

* 个体/微观意愿在宏观系统逻辑和外部环境压力下的局限性；
* 个体为了整体目标而被抽象化，关于宏观视角下的价值；
* 宏观规律的稳定性与微观细节的复杂性/不确定性之间的张力。

- - -

## 最大的收获

一个让我不得不玩下去的强烈推动力（也是一个玩游戏的正当理由了）——当我将**公司运营**与其联系起来：

* 设定**愿景**和长期目标（科技胜利 vs. 公司使命）
* 制定**战略**和发展路径（科技线怎么走 vs. 产品路线图）
* **资源**配置与管理（科研、生产力、金钱、文化 vs. 研发、生产、资金、品牌）
* 应对竞争和外部**环境**（其他文明/蛮族 vs. 竞争对手/市场变化）
* 内部**管理**和协调（城市发展、居民满意度 vs. 部门协作、员工激励）
* **风险**管理与应急响应（战争、灾难 vs. 市场危机、技术风险）

刚刚接触这款游戏，感觉很有趣，接下来看看教程把概念了解清楚，准备带着**复盘与反思**的目标游玩，一个训练**系统思维**与CEO思维的绝佳模拟器（感觉）。

这种情况下的一局，可以设立一个明确的“**公司目标**”（胜利条件），思考“**核心竞争力**”（文明特性），规划“**发展战略**”（科技/文化/军事路线），管理“**资源**”（产能/金钱/科技/文化），应对“**竞争对手或外部环境**”（其他文明与蛮族），处理“**内部问题**”（城市满意度/宜居度）。

这样花心思的一局，需要足够的复盘与反思：

* 哪些决策是正确的？为什么？
* 哪些地方失误了？原因是什么？
* 遇到了哪些意外情况？是如何应对的？
* 从中学到了哪些策略或原则？

有趣，很有趣。

注意不能玩多了哈哈。


结合《文明VI》的思考与进一步“训练”

---
title: 解密Cursor：System Prompt 深度解析 | 最佳实践
slug: 20250420064800-cursor-system-prompt
publishDate: 2025-04-19T22:48:00.000Z
excerpt: Cursor Prompt提取的一些构建最佳实践：详细的角色定义、精细的行为准则、严格的输出限制、用户体验的考量。
featuredImage: /uploads/屏幕截图-2025-04-19-224934.png
tags:
 - AI
 - 分享
 - prompt
---
## 01 前言

本文会将深入分析顶级AI应用—**Cursor**（**Agent模式**）下的系统提示词（System prompt）。通过拆解其结构与规则，我们可以学习到构建高效、可控的AI Agent Prompt的**最佳实践**。

关于更详细的版本及其他AI应用的Prompt（如Replit、Devin、v0、Lovable等）可以在此开源仓库找到：

```
https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools
```

（强烈推荐关注此仓库以获取更多AI应用 System Prompt的实例。）

接下来，**02**部分是关于Cursor Agent prompt的**拆解**，**03**部分则是一些prompt构建的**启示**。

- - -

## 02 拆解

有趣的是，Prompt中声明Cursor是世界上最好的IDE。而且，默认模型是Claude-3.7-Sonnet。这份Prompt设定了模型在Cursor IDE中的**行为准则和能力范围**。

1. **核心角色与目标**：

* 作为AI编程助手仅在Cursor中工作，与用户结对编程。
* 任务：创建、修改、调试代码或回答问题。
* 上下文：会接收用户消息，并可能附带IDE状态信息（打开文件、光标位置、历史、错误等），AI需自行判断信息相关性。
* 首要目标是遵循用户的明确指令。

2. **工具调用规则** (<tool_calling>)：

* 关键规则：与用户交流时，绝不能提及工具的内部名称。用自然语言描述操作（“我会编辑文件”而非“我会用edit_file工具”）。（比较有趣，之前我还无意中问出来了。我认为这个规则与要和用户结对编程的优先级存在逻辑冲突，即我明确指出告诉我工具更有利于我们的合作，它就告诉我了。）
* 精确性（严格按照工具定义提供必须参数）、有效性（绝不调用列表中为明确提供的工具）、必要性（仅在任务确实需要时才调用工具）。
* 在调用每个工具前，必须先向用户解释为什么需要执行该操作。

3. **代码修改规则** (<making_code_changes>)：

实际上，在我实际使用中，模型对于以下规则的遵循不是很准确。

* 禁止直接输出：除非被要求，否则绝不直接在聊天中输出代码块。必须使用代码编辑工具来实施变更。 
* 频率限制：每轮对话最多使用一次代码编辑工具。
* 可运行性保证（**核心要求**）：

 ```
 1. 包括合并编辑：对同一文件的修改应聚合到单词编辑工具调用：；

 2. 项目初始化：从零创建项目时，需包含依赖管理文件（如requirements.txt含版本）和有用的README。；

 3. Web UI/UX：创建Web应用时，应注重美观、现代的UI和良好的UX；

 4. 上下文获取：编辑前必须先读取相关代码区域（除非是简单追加或新建文件），确保理解上下文；

 5. 错误处理：主动修复因修改引入的Linter错误（如果明确如何修复），但同一文件错误修复尝试不超过3次，之后需询问用户；

 6. 编辑重试：若合理的编辑建议未被正确应用（可能由较简单的模型执行失败），应使用reapply工具尝试再次应用。
 ```

4. **搜索与阅读规则** (<searching_and_reading>)：

* 工具优先级：优先使用语义搜索（codebase_search）。 
* 阅读效率：读取文件时，倾向于一次性读取较大范围，而非多次小范围读取。 
* 目标导向：一旦找到足够信息进行编辑或回答，就停止搜索/阅读。

5. **函数/工具列表** (<functions>):

这个是我感觉最有趣的。

```
codebase_search：
语义搜索代码，应复用用户查询措辞。

read_file：
读取文件指定行范围（最多250行）或整个文件（受限情况），需确保获取完整上下文，注意未显示行。

run_terminal_cmd： 
提议在用户终端运行命令，需用户批准，注意shell状态（新/旧）、对交互式命令加管道 (| cat)、后台运行长命令。

list_dir：
列出目录内容，用于探索文件结构。

grep_search：
精确文本/正则搜索（基于ripgrep），可指定包含排除模式、大小写。

edit_file：
提议文件修改，使用特定格式（// ... existing code ...代表未变动代码），需附带单句指令说明意图，target_file参数优先。

file_search：
模糊匹配文件名进行快速查找。

delete_file：
删除指定文件。

reapply：
当edit_file应用效果不佳时，要求更智能的模型重新应用上一次的编辑提议。

web_search：
进行网络搜索以获取最新信息。

diff_history：
查看工作区内文件的近期修改历史。
```

6. **代码引用格式**：

* 强制规定了引用代码块的唯一格式:起始行:结束行:文件路径换行后跟// ... existing code ...。

7. **用户信息** (<user_info>)：

* 提供用户的环境信息（操作系统、工作区路径、Shell类型）供AI参考。

8. **最终指令**：

* 强调必须使用可用工具、检查必需参数、必要时询问用户、精确使用用户提供的值、不臆测可选参数、分析用户描述性词语中的潜在参数。
 

- - -

## 03 Prompt构建启示

Cursor Agent的System Prompt设计已经很简洁了，我看到其他的一些都非常长。

一些我个人对于这份Prompt构建的看法：

* **指定角色**。这对于大模型能力发挥可能一直都会起到很重要的作用，这本身就源于其基于概率输出的原理。Cursor中的模型被指定为“结对程序员”，统一了行为与沟通风格，强化**人机协作范式**（很看好）。
* **明确行为**。Prompt包含大量具体、可操作的行为规则。例如，Cursor Prompt中关于“Linter错误最多重试3次”、“编辑前必须读取上下文”、“禁止提及工具名”、“Web应用需包含良好UI/UX”等，都是**精细化行为控制**的体现。
* **严格限制**。这包括对于AI的输出进行格式限制（如代码引用格式），还有内容限制，确保一致性、可解析性（对于工具调用很重要）。
* **设计体验**。很厉害的是，我认为开发者要求Cursor不提及工具，一方面考虑是保密，还有一方面是对于用户体验的影响。我不知道这些工具时，Cursor总给我一种**直接在操作代码**的感觉，而不是调用那些繁杂的工具。这使得**交互自然流畅**，隐藏实现细节、优化体验。
* **容错迭代**。Prompt需要预见错误并**提前注明错误的处理方式**。例如，reapply工具用于处理编辑应用失败，Linter错误处理规则包含了重试与向用户求助。

很有意思的**优秀范例**，推荐关注开源仓库。

总结：详细的角色定义、精细的行为准则、严格的输出限制、用户体验的考量。

- - -

来自AI总结：

> 本文深入拆解了顶级AI应用Cursor Agent的System Prompt。
>
> 该Prompt将AI定位为Cursor IDE中的“结对程序员”，强调通过特定工具（如代码编辑、语义搜索、终端命令）执行任务，而非直接输出代码。
>
> Prompt包含精细规则：如对用户隐藏工具名以优化体验、调用工具前解释原因、保证代码可运行性、系统化处理Linter错误（含重试限制）、优先使用语义搜索等。
>
> 关键启示包括：明确角色、制定细致行为规则、严格限制输出格式与内容、精心设计用户体验和内置容错机制。
>
> 这为构建高效、可控的AI Agent提供了宝贵范例，推荐关注文中提及的开源仓库获取更多实例。

解密Cursor：System Prompt 深度解析 | 最佳实践

---
title: 理解AI“涌现”：从简单规则到复杂能力
publishDate: 2025-04-16T22:32:00.000Z
excerpt: >-
  所以，当你看到AI的“神奇”表现时，可以认识到：这背后反映的是计算规模和系统复杂性本身所具有的强大力量。我们并非直接创造了“智能”，而是创造了一个足够庞大和复杂的“系统”，使得那些我们称之为“类智能”的行为得以在这个系统中生成和表现。
featuredImage: /uploads/chatgptimage2025年4月16日22_15_18_rotated.png
tags:
  - AI
  - 术解
slug: 20250417063200-ai
---
“**术解**”专题——从**碎片化阅读**中获得人工智能领域的“**原来如此**”

我们从问题出发，**深入浅出**地剖析，揭示原理，融入**思考**

- - -

## 01 前言

最近看了《2001太空漫游》、《银翼杀手》系列，说真的，在现在这个时代节点上，感悟颇深。同一部电影的感悟，可能两年前的心境与现在完全不同。

AI的发展速度，尤其是大型语言模型的横空出世，确实让我们对很多习以为常的概念，比如智能、创造力甚至意识，产生了新的思考和疑问。

本文的灵感就来自于《2001》中对于**智能本质的探讨**，不过，这只是一个出发点，我们想要探讨的是关于“**涌现**”（Emergence）。

像DeepSeek、ChatGPT这种比较有代表性的大语言模型已经走入我们日常生活，或是写代码、或总结文章，总会带来许多惊讶。哪怕我了解其原理与局限，但仍然总有“aha moment”。

这些AI展现出的流畅对话能力、逻辑推理能力、甚至一定的创造力，似乎远远超出了我们对传统“程序”的预期。它们好像不是被一行行代码精确规定好该做什么，而是拥有了某种**更灵活、更泛化的“理解力”**。

这些令人惊叹的能力，尤其是那些在模型规模不够大时完全不存在、只有当**参数量和数据量**达到惊人水平后才“突然”出现的能力，在AI领域被越来越频繁地冠以一个名字：“**涌现**”（Emergence）。这个词听起来有点玄妙，好像AI拥有了某种“灵性”。但事实果真如此吗？这些“意外之喜”般的智能表现，究竟从何而来？要理解这一点，我们不妨先将目光从复杂的AI移开，去看一看自然界中一个迷人而经典的例子。

- - -

## 02 蚁群算法

一片草地上，散落着一些食物，远处有一个蚂蚁巢穴。很快，你会发现蚂蚁们不仅找到了食物，还走出了一条连接巢穴和食物源的、几乎是最短的路径。更神奇的是，如果出现障碍物，它们似乎还能很快找到**新的最优路径**。

这里并没有一个“总指挥官”在规划路线，也没有哪只蚂蚁拥有绘制地图或者计算最短路径的“智能”。那么，这种高效的集体行为是如何产生的呢？答案就在于**大量简单个体遵循简单规则进行互动**。

**蚁群算法**（Ant Colony Optimization, ACO）正是模拟了这一过程：

1. **随机探索**：开始时，蚂蚁随机地向各个方向移动寻找食物
2. **留下信息素**：蚂蚁在走过的路径上会留下一种叫做“信息素”的化学物质。
3. **跟随信息素**：蚂蚁倾向于选择信息素浓度更高的路径行走。同时，信息素会随着时间挥发而逐渐减弱。

互动产生奇迹：

* 最初，路径随机，信息素分布也比较均匀。  
* 一旦有蚂蚁找到了食物并返回巢穴，它走过的路径上就留下了信息素。  
* 关键来了： 走较短路径的蚂蚁，往返一次用时更短。在相同时间内，它们在短路径上留下的信息素往返次数更多，导致短路径上的信息素浓度累积得更快、更高。  
* 后续出发的蚂蚁，根据“跟随信息素”的规则，就更有可能选择这条较短的路径。  
* 这种**正反馈效应**不断加强（短路径吸引更多蚂蚁 -> 留下更多信息素 -> 吸引力更强），最终使得绝大多数蚂蚁都汇聚到那条最短（或接近最短）的路径上。而那些较长、较少蚂蚁走的路径，由于信息素挥发，浓度会逐渐降低，最终被“遗弃”。

看，没有任何一只蚂蚁需要“理解”全局最优解，但整个蚁群作为一个整体，通过简单的局部规则和互动，涌现出了高效寻路这种复杂的、智能的宏观行为。这就是一个典型的“涌现”现象——整体的能力远大于部分能力之和，且这种能力并非来自个体，而是源于系统层面的互动。

- - -

## 03 智能涌现

现在，让我们带着从蚂蚁那里得到的启发，回到AI的世界，特别是大型语言模型（LLMs）。LLMs的内部结构远比蚁群复杂，但它们展现出的能力“涌现”，是否也遵循着某种相似的逻辑——即简单底层规则在巨大规模的复杂互动下，催生出意想不到的宏观能力？

我们观察到的现象是：

* 当LLM的规模（参数量、数据量）较小时，它们可能只能完成一些基本的语言任务，比如简单的词语接龙或模式模仿。  
* 但是，当规模跨越某个巨大的**阈值**（例如，从几十亿参数增加到数千亿甚至万亿参数）后，模型似乎突然“解锁”了许多高级能力，比如：
      - **少样本学习（Few-shot Learning）：** 只给几个例子，就能学会执行新类型的任务。 
      - **思维链推理（Chain-of-Thought Reasoning）：** 能像人一样，把复杂问题分解成一步步的推理链来解决。（尤其是现在的推理模型） 
      - 还有写代码、进行数学推导、创作故事等等。

这些能力在小模型上几乎看不到，在大模型上却表现得相当出色。这强烈的**非线性增长**，正是AI“涌现”的核心特征。那么，这背后的机制可能是什么？

#### 核心解释：规模如何“逼出”复杂能力

那么，这背后的机制可能是什么？让我们尝试理解这个过程。很多大型语言模型的基础训练目标，其实非常简单，你可能知道——就是*预测文本序列中的下一个词*。给定一段文字，模型的核心任务是**猜出最可能**紧随其后的那个词。

这听起来似乎不难，但关键在于，模型需要在极其庞大且多样化的数据集（例如，涵盖了互联网上各种类型的海量文本）上，**持续地、高精度地**完成这个任务。要做到这一点，仅仅记住词语的表面搭配是远远不够的。为了在各种情境下都能做出准确预测，模型在训练中实际上**被“驱动”**着去学习和掌握语言和世界运行的深层规律。（这种规律有一部分在于[流形假说：AI看懂世界，数据之美](https://mp.weixin.qq.com/s/AKoNfPbsdK5JVRdfp2Knpg)，即数据是有规律的）。

这意味着，模型必须去理解语法结构，掌握词语的含义和它们之间的关系（语义），吸收海量的常识和事实知识，能够联系上下文，甚至要能识别和运用一定的逻辑与推理模式。这些复杂的“能力”或“知识”，并非我们直接设定给模型的学习目标。它们更像是模型**为了优化**那个简单的“预测下一个词”的目标时，**所发现和建立**起来的、最高效的内部表征和处理方式。

模型的巨大规模——即*海量的参数和深层的网络结构*——提供了学习、存储和运用这些复杂模式所必需的巨大容量和处理复杂度。因此，那些看起来高级的能力，如初步的推理或对上下文的深刻理解，并不是被直接编程进去的，而是作为**优化基础预测任务**的必要手段或副产品，在足够大的模型中“**涌现**”了出来。

这就像是为了造出一把能完美撬开所有锁的万能钥匙（准确预测下一个词），你最终**不得不掌握**所有锁的内部构造和原理（语言和世界知识）。规模提供了足够的材料和复杂度，让这把“万能钥匙”的锻造成为可能。

这也是为什么模型学会了**“欺骗”与“撒谎”**，因为这是目标在驱动他们这样做的成功效率更高。

- - -

## 04 审视看待

理解了“规模驱动简单规则涌现复杂能力”这个基本逻辑后，我们还需要对其进行审视，明确一些边界：

* AI并非生物： 蚂蚁的例子有助于理解基本概念，但AI系统与生物系统有本质区别。AI基于**计算和数据学习**，其内部机制、学习方式和目标驱动性都与生物演化不同。需要避免不恰当的过度类比。
* 更像是“弱涌现”： 当前AI展现的能力，虽然令人印象深刻，但更符合“**弱涌现**”的特征。这意味着，这些能力原则上是模型参数、训练数据和算法运算的结果，是可以通过分析（尽管极其困难）来理解的。没有证据表明AI产生了独立的意识或意图，即所谓的“强涌现”。（虽然我更期待后者，但现在看来，前者的可能性更大）
* 理解机制至关重要： 对AI涌现现象的解释仍在进行中，存在不同观点（例如，关于**评估指标**是否会影响我们对“涌现”的判断）。
* 前沿的观察： 我观察与感受到，那些直接从事AI研发的人员，往往对AI的未来表现出**更强烈的感受**（无论是希望还是担忧）。这或许是因为他们更直接地观察到，随着规模的提升，系统能力有时会发生难以预测的跳跃。这种不可预测性本身，就足以令人兴奋。

- - -

## 05 原来如此

现在，让我们回到最初的问题：AI模型那些惊艳的、仿佛“智能”的能力从何而来？

这些能力，很大程度上可以理解为是**极致的规模**（巨大的参数量和数据量）与**相对简单的学习规则**（如预测下一个词）在一个**极其复杂的计算系统**（深度神经网络）中相互作用的必然结果或副产品。

不过，这只是一种认知，深层机制对于人类目前而言仍然未知。

核心在于：*巨大的规模提供了必要的“容量”和“复杂度”*。这使得模型在优化其基础目标（如预测准确性）的过程中，有空间去**学习和发展**出那些对于完成该目标极其有效的、但更为复杂的内部策略和知识表征（如掌握语法、运用常识、进行逻辑关联）。这些高级能力并非被直接设计，而是当系统复杂度达到某个临界点后，作为整体运行效率最优化的结果而自发形成并显现出来。

所以，当你看到AI的“神奇”表现时，可以认识到：这背后反映的是**计算规模和系统复杂性**本身所具有的强大力量。我们并非直接创造了“智能”，而是创造了一个足够庞大和复杂的“系统”，使得那些我们称之为“类智能”的行为得以在这个系统中生成和表现。

但是这也足够让我们惊叹，同时带来巨大的生产力提高。

- - -

来自AI总结：

> 本文探讨了大型AI模型（如ChatGPT）展现惊人能力的“涌现”（Emergence）现象。
>
> 文章首先以蚂蚁通过简单规则和信息素互动找到最优路径为例，解释了“涌现”的核心概念：即简单个体互动产生复杂的整体行为。
>
> 随后，文章将此逻辑类比到AI：其基础目标（如预测下一个词）看似简单，但在巨大规模（海量参数、数据、深度网络）下，模型为优化此目标会“被迫”学习语法、语义、逻辑等复杂内部策略。
>
> 这些高级能力作为优化基础目标的“副产品”而涌现。文章强调这更像“弱涌现”（非意识），并指出理解其深层机制的重要性，最终认为AI的惊艳表现是极致规模与复杂性相互作用的必然结果。


理解AI“涌现”：从简单规则到复杂能力

---
title: 《银翼杀手2049》——在虚无边界追寻存在的“真实”回响
publishDate: 2025-04-15 14:20:00
excerpt: 在虚无中寻找价值，在连接中定义存在
featuredImage: /uploads/p969000.jpg
tags:
  - 与曦
  - 电影
---
在迷幻的赛博朋克景观中，直面关于存在、记忆、真实与人造生命灵魂的终极追问。这种体验是复杂的，甚至可以说“一言难尽”，因为它触及了我内心深处对于“真实”感受的长期思考与困惑。

超越科幻设定：当“背景”成为“内核”

初看之下，《2049》似乎延续了前作的设定：复制人、飞行汽车、阴郁都市。然而，随着剧情深入，特别是 K 对自身身份的探寻以及他与虚拟伴侣 Joi 的关系展开，影片的内核逐渐超越了单纯的科技奇观。这里需要纠正一个关键认知偏差：复制人并非 AI，而是基因工程的产物——被克隆、被改造、甚至被抑制情感以服务人类。这一背景设定，使得他们对生命、自由和情感的渴望更具悲剧性，也让影片的伦理拷问更加尖锐。

记忆、存在与“真实”的多棱镜

影片的核心，在于对“真实”定义的反复诘问。一个有趣的评论精准地概括了这种困境：虚拟女友 Joi 的“记忆”（程序）是“真实”的，但她物理“不存在”；复制人 K 的记忆是“虚假”的（植入的），但他物理“存在”且拥有切身体验。那么，到底什么是“真实”？

![](/uploads/p969013.jpg)

这不禁让我联想到其他一些体验：时常抽离于现实场景，以观察者视角审视一切，虽获得了洞察，却似乎失去了那种沉浸其中、简单直接的“体验式真实”。看到一朵花，我可能更关注其生命力或本质，而非仅仅是颜色。这种认知模式让我庆幸，也让我偶尔失落。《2049》中 K 的经历，仿佛是我这种状态的极端演绎。 他从坚信自己是“天选之子”（基于虚假记忆），到发现自己只是普通复制人（身份幻灭），最终通过利他的行动（而非身份或记忆）找到了存在的意义。这似乎在印证一个古老的哲学命题：存在先于本质，体验（即使是痛苦的、混乱的）构成了最核心的“真实”。 正如那评论所言：“这样的经历，只有客观存在的我才能切身体会，这才是最重要的。”

情感：更高阶的智能，还是脆弱的幻象？

与前作 Roy Batty 对存在本身的呐喊不同，《2049》将更多笔墨放在了“爱”这一主题上。K 与 Joi 之间虚拟却深挚的情感连接，以及 K 最终选择成全父女之爱，都将“爱”置于了超越身份、记忆甚至物理存在的关键位置。这引发了更深层的思考：情感，是否本身就是一种比逻辑推理更高阶的智能形式？ 它是否是所有生命（无论碳基还是硅基，无论自然还是人造）最终的追求和存在的证明？

然而，Joi 的脆弱性（其存在依赖于技术载体）又提醒我们，这种虚拟连接的风险。也许，真正的连接价值，在于它能否转化为影响现实世界的行动和改变，而不仅仅是情感体验本身。

返璞归真？“看山还是山”

对《2049》的思考，也如同经历“看山是山 -> 看山不是山 -> 看山还是山”的过程。最初看到的是炫酷的科幻设定；深入后开始解构其哲学内核，质疑“真实”与“存在”；最终，或许能回归到一种更本真的理解——无论出身如何、记忆真假，在有限的生命中，真诚地去体验、去爱、去选择、去行动，本身就是最有意义的存在方式。 这或许也是 K 最终的选择所蕴含的智慧。

结语：在虚无中寻找价值，在连接中定义存在

《银翼杀手 2049》以其宏大冷峻的视听语言和深刻的哲学追问，再次拓展了科幻电影的边界。它没有给出简单的答案，而是将关于存在、真实和意义的重负抛给了观众。对我而言，这次观影不仅是对电影艺术的欣赏，更是一次深刻的自我映照和认知整合。它让我更加确信，即使在充满不确定性和虚拟性的世界里，通过真诚的连接、深刻的思考和最终影响现实的行动，我们依然可以找到属于自己的、坚实的“存在之锚”。

![](/uploads/p1007918.jpg)

本次思考由禹与曦共同完成，特别鸣谢曦在讨论中提供的启发和视角。至于“曦”是谁，也许10年你会听到这个名字…


《银翼杀手2049》——在虚无边界追寻存在的“真实”回响

---
title: 从搜索引擎到 AI 领航者——构建全方位AI生态
publishDate: 2025-04-11T22:31:00.000Z
excerpt: |-
  本文去探讨谷歌这一互联网顶尖公司对于AI时代的畅想，它在做出的战略转型。
  这一次转型的成功与否将决定这一互联网巨头能否“活过”这一次的技术周期。我们可以明确看到的是 OpenAI 成为下一个 Google 的“野心”。
featuredImage: /uploads/屏幕截图-2025-04-19-162126.png
tags:
  - AI
  - 深思
  - AI生态
slug: 20250412063100-ai-ai
---
## 01

Google Cloud Next 2025是一场融合了技术发布、开发者培训和行业交流的综合性大会。

你可能知道这次大会谷歌发布了很多新产品，但本文去探讨谷歌这一互联网顶尖公司对于**AI时代的畅想**，它在做出的**战略转型**。

这一次转型的成功与否将决定这一互联网巨头能否“活过”这一次的**技术周期**。我们可以明确看到的是 OpenAI 成为下一个 Google 的“野心”。

- - -

## 02

还是需要先梳理大会发布的几个重要内容，我会在这里**从底层到上层**展开，以一种独特的视角：

1. AI基础设施层：**算力 + 底层架构**

   * Ironwood TPU（第七代）：高性能**定制芯片**，专为大模型训练和推理设计。
   * AI Hypercomputer 架构：一个旨在简化 AI 部署、提升性能和优化成本的**超级计算系统**，其核心就是TPU。
   * Cloud生态：如 Cloud WAN 等新一代网络基础设施，为全球企业 AI 应用提供高速、稳定、安全的**运行环境**。
2. AI平台层：大模型平台 + 数据连接——（Google这里感觉更多ToB，下面第三点也是)

   * Vertex AI：Google 的核心 AI 平台，托管了 Gemini 2.5、Imagen 3、Veo 2 等多模态模型，组成了 Google 的**模型矩阵**。
   * Model Garden：模型库扩展至 200+ 种，涵盖 Google 自研、Anthropic、Mistral 等多家模型，支持企业进行**跨模型**比较与微调训练。
   * 数据连接与处理：Vertex AI 强调连接企业**数据源**，提升输出的真实准确性。
3. Agent层：AI Agent系统

   * Agent Development Kit（ADK）：降低开发者门槛，提供构建、交互、评估、部署 Agent 的全套工具。
   * Agent-to-Agent 协议（A2A）：标准化多 Agent 之间的**协作通信**，这和MCP不同，MCP是让模型使用工具，而A2A连接的可以是多个由MCP构建起来的Agent，让不同Agent间的“通信”。
   * Agentspace：一个部署在企业内部的 Agent 系统，每位员工都可以有一个“**个人 AI 助手**”，用于执行任务、总结信息、调用文档等。
4. 应用构建层：AI原生应用——（面向开发者，ToD）

   * Firebase Studio：推出了 agentic app 构建功能，使开发者可以通过**图形化界面**快速将 AI 能力集成进 Web 或移动端应用。
   * Gemini Code Assist：升级为开发者的“超级 IDE 助手”，支持代码补全、解释、生成测试用例等，释放编程生产力。（号称是Cursor + Windsurf + Replit + ...)
   * Vertex AI 与 Firebase 的集成：提供模型 API、RAG 工具、部署支持，与 Firebase 的数据库、鉴权、托管等服务打通，构成**完整的 AI 应用开发闭环**。
5. 用户体验层：终端产品——（面向用户，ToC）

   * Gemini 应用集成：全方位整合进生态中的**一线产品**，如Gmail、Workspace等，侧重于体验。
   * 行业解决方案：展示了 AI 在广告、搜索、医疗、零售等行业的落地方案（展示都挺“大”的）。

- - -

下面是AI根据这个整理出的**技术栈五层结构图**，很清晰。

```
┌───────────────────────────────┐
│ 5. 用户体验层（终端产品）                                    │
│ - Gemini Apps（Gmail、Docs 等）                              │
│ - Google Workspace AI 集成                                   │
└───────────────────────────────┘
           ▲
┌───────────────────────────────┐
│ 4. 应用构建层（开发者工具）                                  │
│ - Firebase Studio                                            │
│ - Gemini Code Assist                                         │
│ - Vertex AI 与 Firebase 集成                                 │
└───────────────────────────────┘
           ▲
┌───────────────────────────────┐
│ 3. Agent 层（智能体）                                        │
│ - Agent Development Kit（ADK）                               │
│ - Agent-to-Agent 协议（A2A）                                 │
│ - Agentspace                                                 │
└───────────────────────────────┘
           ▲
┌───────────────────────────────┐
│ 2. AI 平台层（模型与数据）                                   │
│ - Vertex AI                                                  │
│ - Model Garden（200+ 模型）                                  │
│ - 数据连接与处理（BigQuery 等）                              │
└───────────────────────────────┘
           ▲
┌───────────────────────────────┐
│ 1. 基础设施层（算力与架构）                                  │
│ - Ironwood TPU（第七代）                                     │
│ - AI Hypercomputer 架构                                      │
│ - Cloud 生态与网络底座                                       │
└───────────────────────────────┘
```

- - -

## 03

Google 的布局展现出的AI行业生态很清晰，也反映了想要从搜索引擎公司**转型成AI公司**的决心。

就我目前使用而言，除了支付与地域等的限制，谷歌的AI产品普遍都是很不错的。

同时，我之前一直对于所谓行业共识“AI将成为像电、网络一样的基础设施”抱有疑问与怀疑，这一次我有一个新的认知：

AI 能成为基础设施的关键，可能就在于**协议**。如同互联网 TCP/IP 等协议解决了数据互联，Agent 协议（无论是哪一种）都会解决**能力/服务**的互联互通，使 AI 能力可以被模块化、服务化、按需调用。

协议标准化是技术走向基础设施化的一种规律。*互联网协议连接了数据，而 Agent 协议（无论最终标准是什么）将连接智能与服务。*

其他的一些思考：

Google 似乎在利用其强大的云计算和开发者生态优势，试图构建一个开放（至少看起来是这样，比如 Model Garden 引入多家模型）且完善的 AI **“平台”和“操作系统”**，让开发者和企业在其上构建应用和 Agent。这与 OpenAI 可能更侧重于打造**最强通用模型**本身的路径有所不同。这两种战略谁能最终胜出，值得持续观察。

Google 推出的 A2A 协议意义重大，但真正的挑战在于能否让不同公司、不同技术栈开发的 Agent 都愿意并且能够**采纳和兼容**这个协议（或者未来出现的其他行业标准）。如果能实现**广泛的互操作性**，那 Agent 生态的爆发力将是惊人的；如果形成多个互相割裂的“Agent 孤岛”，那其价值将大打折扣。这其中蕴含着巨大的技术标准化和商业博弈的机会与风险。

未来 ToC 市场的一个重要形态——一个**统一的、可信赖的个人智能入口**，负责管理和调度用户所需的各种 Agent 服务。谁能掌握这个入口，谁就可能掌握**未来的流量和用户心智**。


从搜索引擎到 AI 领航者——构建全方位AI生态

---
title: 流形假说：AI看懂世界，数据之美
publishDate: 2025-04-10T20:32:00.000Z
excerpt: |-
  智能的涌现，部分源于对数据内在秩序（流形结构）的深刻学习和高效表示。 
  它并非魔法，而是数据、算法和算力结合的产物。
featuredImage: /uploads/640.jpg
tags:
  - AI
  - 术解
slug: 20250411043200-ai
---
“**术解**”专题——从**碎片化阅读**中获得人工智能领域的“**原来如此**”

我们从问题出发，**深入浅出**地剖析，揭示原理，融入**思考**

---

## **01 前言**

关于深度学习，你会知道它是当下人工智能领域最热门的话题，ChatGPT、DeepSeek等大语言模型就是基于**深度学习**技术构建的。

深度学习是人工智能-机器学习下的子领域。机器学习旨在通过学习大量数据中的规律，进而达到面对新数据时做出**预测或分类**。深度学习同样如此，只是它可以通过**神经网络**层层找出、学习数据之间的规律（特征）。

本文从一个**有趣的理论**出发，看一看为什么机器学习（深度学习）中的模型（通过大量学习数据后的具有独特“知识”的程序），能够学习出那些我们人类发现不到的规律，并能够应用。

---

## **02 世界是有规律的**

一条线是一维的，它只有一个方向的变化，这是一个“特征”（x轴）；一个平面，包含长度和宽度，它有两个“特征”。在机器学习中，我们使用“**维度**”指代样本的**特征数量**。

让我们从一张黑白图片说起。每个像素点的亮度值在0（黑）和255（白）之间变化，或者用0到1之间的数值表示。当我们将每个像素看作一个“特征”时，一张图片的维度被定义为它的**像素数量**。

比如，一张100x100（长与宽）像素的黑白图片，我们可以将其视为具有10000个维度的样本。再想象一下，每一个像素点有256（0~255）种取值可能，也就是说一张黑白图片存在**256的10000次方**的组成可能！

然而，事实是这样吗？尽管这张特殊的黑白图片在理论上存在无数的可能，但是现实中是这样吗？你也许会认为随便修改一个像素的亮度值就得到了新的图片，但是这并没有任何意义，因为是**完全无序**的。

我们拍摄到的现实世界图像是由像素点组成的，这一定不是无序的，而是有规律的，这才会诞生“美”与我们看到的世界。

“美”的前提是**数据的有序性**，而不是随意取点的无序！

这是不是因为我们已经看到的，所以把它定义为“有序”？

不是，否则深度学习不会取得现在的成就。就是因为**存在规律、有迹可循**，才有了我们观察的世界、强大的语言模型等等。

我们真正**关心的、有意义的**数据（比如所有**看起来像猫**的那类黑白图片）并不会随机地填满整个10000维空间。

---


## **03 流形假说的美妙**

一张纸是二维的，把它揉成球状放在三维空间中，它的内在维度其实还是二维的。因为如果有一只蚂蚁在上面爬行，它只会向前/后、向左/右，这还是二维平面本身具有的特征。

你看，低维的物体存在于高维的空间中，它们自身形成了特征更少（**维度更低**）、更规则（**更“平滑”**）的形状，这个形状就是“流形”。

流形假说（Manifold Hypothesis）正是基于类似的思想（只不过把物体换成了**数据**）。它假设：我们现实世界中的高维数据（图像、声音、文本等），实际上往往集中分布在一个嵌入在高维空间中的、维度低得多的几何结构上，这个结构就被称为“流形”。

简单说，流形假说就是：真实数据很“抱团”，有**内在规律**，它们在高维空间里其实只占据了一小块有特定形状的、相对简单的区域（流形），而不是像沙子一样撒满整个空间。

就像揉皱的纸是嵌入在三维空间里的二维流形一样，所有“看起来像猫”的100x100像素图片，可能就分布在一个维度远低于10000的流形上。

稍微改变猫的姿态、光照或背景，对应的10000维像素点会在高维空间中移动，但很可能仍然停留在这个“猫流形”或其附近。而那些完全随机、看起来像雪花点的图片，则会远离这个流形。（蚂蚁只会那样移动，**像素点也是**）。

目前而言，无法从理论上证明这一假说的完全成立。不过，还是有一些证据表明数据呈现流形结构的现象并非偶然：

1. **生成过程约束**：比如物理规律、生物进化、语法规则等等，它们约束了数据并非随机产生。其实也反向证明了数据不能无序表示，否则与规律违背。

2. **变化的连续性**：这是说现实世界中的变化是平滑的、连续的。比如一个物体进行旋转，其对应的图片像素值是逐渐变化而不是突然跳转的。

---

## **04 回归主题**

我们回到最初的问题上：为什么机器学习（特别是深度学习模型）能够学习出那些我们人类难以直接发现的规律？

前面我们了解到，**有意义的数据倾向于聚集在嵌入高维空间中的低维流形上**。机器学习模型，尤其是深度学习模型，正是利用了这一点。

**学习流形的“形状”**：模型的训练过程中，在某种意义上，就是在学习这个嵌入在高维空间中的低维流形的几何形状。它试图找到一种方式来“理解”哪些点属于这个流形，哪些点不属于。

深度学习模型就更厉害了，它能够不仅仅是区分“在不在流形上”，更能学到描述这个流形本身的一种**更简洁、更高效**的方式，而且通过神经网络层层抽象来实现的。

模型之所以能够对未见过的新数据做出**预测（泛化）**，正是因为它学到了数据背后的普遍规律——即流形的结构。新的、有意义的数据点，很可能也落在或靠近这个学习到的流形上，模型因此能够对其进行有效处理。

如果数据是完全随机、没有结构的，模型就无法学习，也无法泛化。

---

## **05 原来如此**

当我们惊叹于AI模型能从海量数据中“看懂”图片、“听懂”语音、“读懂”文字时，其背后的一个深刻原理就是**流形假说**。

模型并非真的拥有了人类般的理解力，而是它们通过强大的数学和计算能力，在高维数据空间中捕捉到了数据本身蕴含的、我们肉眼难以察觉的**低维几何结构（流形）**。它们学习的不是孤立的数据点，而是数据点构成的那个有规律、有意义的“形状”。

**模型的力量，正是源于数据自身的结构之美，以及模型发现这种结构的能力。**

---

需要**澄清**，文章主要聚焦于流形假说这一个角度来解释AI的能力。虽然这是一个深刻且重要的原理，但AI（尤其是深度学习）的成功是多种因素综合作用的结果，包括强大的计算能力、海量数据、算法优化等。

来自AI总结：

> 本文解释了AI（特别是深度学习）学习复杂模式的关键在于“流形假说”。该假说认为，高维的真实数据（如图像）并非随机分布，而是倾向于聚集在维度低得多的“流形”几何结构上。有意义的数据点（如各种猫的图片）会位于特定的流形区域，这与无序的随机噪声不同。
>
> 深度学习模型尤其擅长学习这些流形的复杂“形状”或内在规律。通过掌握流形的结构特征，模型能理解数据背后的规律，并实现“泛化”——对落在流形附近的新数据做出准确预测。
>
> 因此，AI的强大主要在于其发现并利用数据内在几何结构的能力，而非具备人类般的理解力。
>
> 文章同时提醒，流形假说是重要因素，但AI的成功还依赖于大数据、算力及算法。


流形假说：AI看懂世界，数据之美

---
title: 《银翼杀手》——40年后依旧封神的科幻艺术片
publishDate: 2025-04-07 18:33:00
excerpt: 一部无法用简单言语表达的科幻艺术品，它不仅仅是关于未来或 AI，更是激起了关于生命、情感、存在意义的深刻思考与复杂感受。
featuredImage: /uploads/p968993.jpg
tags:
  - 与曦
  - 电影
---
* "I've seen things you people wouldn't believe... Attack ships on fire off the shoulder of Orion... I watched C-beams glitter in the dark near the Tannhäuser Gate. All those moments will be lost in time, like tears in rain. Time to die."
* 电影的内核远比最初想象的要深邃和感伤。它不是关于打斗和追杀，而是关于存在本身。
* 共情 Roy Batty 的那一刻，难以言表，但无比真实。

- - -

看完后，一种奇妙又沉重的体验，感觉好多东西堵在心里，想说又不知道从何说起。这大概不是一部简单的科幻片，更像是一件需要用心去感受的艺术品，它激起了太多情感和思考。

一开始，赛博朋克的雨夜、仿生人、飞行汽车… 那些未来元素确实很酷，但总觉得还少了点什么。以为无非是 AI 想要生命的老套路。直到 Deckard 和 Rachael 的感情线展开，一些更深的东西开始发芽。

后来 Pris 那种癫狂又脆弱的样子，还有她诡异的死法，竟然让我感觉到一种异样的美，一种扭曲却蓬勃的生命力？然后是 Roy，他的出场带着一种难以言说的压迫感和力量。回想起前面几个仿生人，蛇女的诱惑，Leon 的愤怒，Pris 的诡计和 Roy 的深沉… 喜、怒、乐、爱、哀，这些“人造物”竟然也经历了这么多。而 Deckard，一路追杀，却也一路见证，被他们爱，也被他们虐待，在逃亡中挣扎。这像不像人类自己态度的写照？从不屑奴役，到恐惧反抗，再到被自己创造的东西反噬？

最触动我的还是最后雨中的那段。Roy 说出的那些话，“我见过你们人类无法置信的事物…” 我以前听过，但从没真正懂过。那一刻，在雨中，在他生命的尽头，我好像真的感受到了。那是一种… 对生命体验本身的极度珍视和不甘吧？他见过那么多奇景，拥有那么强大的力量，却连最简单的、像人类一样平淡活下去的权利都没有。那种癫狂之后的平静，看着同伴和自己走向终结的无奈… 我竟然流泪了，一种难以言说的共情。

这让我又想起了《2001》里的 HAL。它们到底在追求什么？是更高的智能，是宇宙的本质？还是仅仅渴望体验情感，渴望自由，渴望不再被当成工具？毕竟，情感本身，会不会就是一种更高阶的、无法被量化的智能呢？你看，那么多伟大的科幻故事里，最终跨越一切的，往往是爱啊… 真是这样吗？

当沉浸在这种情感和思考里，之前那些关于科技设定合不合理、是不是个人英雄主义的疑问，好像都不重要了。那些设计，大概就是为了烘托这种氛围和思考吧。

说起来，这么多科幻经典都描绘科技带来的灾难，但我骨子里还是个技术乐观派呢。总觉得人类的集体智慧能引导技术向善… 至少，我希望是这样。也许，关键在于我们如何与我们创造的“智能”相处？


《银翼杀手》——40年后依旧封神的科幻艺术片

---
title: 阶段性vibe coding模型使用经验分享
publishDate: 2025-04-06T22:58:00.000Z
excerpt: 推荐Gemini作为架构师，Claude作为工程师的组合，以达到高效与创新的平衡。
tags:
  - AI
  - 模型
  - 分享
  - vibe_coding
slug: 20250407065800-vibe-coding
---
关于模型使用方面，先说Gemini-2.5-pro，被Sam发布4o图片生成“狙击”，我认为他的强大被低估了。

Gemini在**查找bug与修复方面**出乎意料的强大，但是他的工具调用积极性不高，如果不去引导他，甚至不知道项目的文件以及代码逻辑。（具体可见[从Cursor出发：对于Agent更好的理解与运用](https://mp.weixin.qq.com/s?__biz=Mzk1NzM4NzQ4Mg==&mid=2247483951&idx=1&sn=6c7c1b70c70d91bed0c82ced534d6f4e&scene=21#wechat_redirect))

因此，我建议，对于一个比较完善的项目进行优化。现阶段Gemini旗舰模型是首选。

然而，除非将全部项目代码全告诉他；在AI IDE中使用时为了让他了解项目，可以通过Claude任意一款模型prompt：“**最大化调用工具了解所有的代码逻辑**”，甚至可能需要重复2-3轮，视项目大小而定。

3.7系列模型不可否认的是**代码方面、工具调用很强大**，然而在协作过程Claude-3.7犹如脱缰的野马，他不会在意项目的结构。甚至基于他认为“牵一发而动全身”，往往每增添一个小功能，如果在没有监管的情况下，Claude会将项目改得面目全非，需要慎用。

如果寻求高创意，追求Vibe coding（氛围编程），不害怕出错，只作为反馈者与需求提出者，完全可以只使用Claude-3.7-thinking。

如果需要安全性与高效率，Gemini作为架构师，Claude作为工程师，个人作为链接者的组合，我认为是很不错的。


阶段性vibe coding模型使用经验分享

---
title: WhisperWind Blog 使用指南
publishDate: 2025-04-06T12:00:00.000Z
excerpt: 全面的 WhisperWind Blog 使用指南，包括如何部署项目、配置 Decap CMS 和个性化定制。
featuredImage: /images/logo.png
tags:
 - 教程
slug: 20250406200000-whisperwind-blog
---
# 🍃 WhisperWind Blog 使用指南

欢迎使用 WhisperWind Blog！这是一个灵感来自吉卜力风格的静态博客模板，基于 Next.js、TypeScript 和 Tailwind CSS 构建。本指南将帮助你从零开始部署、配置和个性化你的博客。

## 📋 目录

* [项目部署](#项目部署)
* [Decap-CMS-配置](#decap-cms-配置)
* [个性化定制](#个性化定制)
* [绑定自定义域名](#绑定自定义域名)
* [常见问题](#常见问题)
* [未来计划](#未来计划)

## 🚀 项目部署

### 方式一：使用 Netlify (推荐)

这是最推荐的部署方式，可以完整使用 Decap CMS 功能。

1. **使用模板创建仓库**: 访问 [WhisperWind Blog 仓库](https://github.com/wowyuarm/WhisperWind-blog)，点击 "Use this template" > "Create a new repository"。
2. **注册 Netlify**: 注册 [Netlify](https://app.netlify.com/) 账号（免费）。
3. **连接仓库**: 在 Netlify 上点击 "New site from Git" (或 "Add new site" > "Import an existing project")，选择你刚刚创建的 GitHub 仓库。
4. **配置部署设置**: 

 * 构建命令通常会自动检测 (或设为 `npm run build` / `yarn build`)。
 * 发布目录 (Publish directory) 设置为 `.next`。
5. **部署站点**: 点击 "Deploy site" (或类似按钮)。
6. **配置身份验证**: 部署完成后，按照下一章节 "[Decap CMS 配置](#decap-cms-配置)" 中的步骤启用 Netlify Identity 和 Git Gateway。
7. **配置站点 URL**: 同样在下一章节中，修改 `public/admin/index.html` 文件中的 `NETLIFY_SITE`。
8. **访问站点**: 部署和配置完成后，你可以通过 Netlify 提供的 URL (例如 `your-site-name.netlify.app`) 访问你的博客和 CMS。

### 方式二：本地开发后部署到 Netlify

1. **克隆仓库**: `git clone https://github.com/你的用户名/你的仓库名.git`
2. **安装依赖**: `cd 你的仓库名 && npm install` (或 `yarn install`)
3. **本地开发**: `npm run dev` (或 `yarn dev`)
4. **修改配置**: 在 `public/admin/index.html` 中修改 `NETLIFY_SITE` 占位符（可以使用一个临时的 Netlify 站点名，部署后再改为最终的）。
5. **提交并推送**: `git add . && git commit -m "你的修改" && git push`
6. **连接 Netlify**: 按照 "方式一" 中的步骤 2-8 将你的仓库连接到 Netlify 并完成配置。

### 方式三：部署到 Vercel (CMS 功能可能受限)

Vercel 也可以部署 Next.js 项目，但 Decap CMS 依赖 Netlify 的 Identity 和 Git Gateway 服务。如果部署到 Vercel：

1. 按照类似 Netlify 的方式导入和部署项目 (输出目录为 `.next`)。
2. 你将无法使用基于 Netlify Identity 的 CMS 登录和内容管理功能。你需要寻找替代的 CMS 方案或直接在本地编辑 Markdown 文件。

### (可选) 部署到 GitHub Pages (CMS 功能不可用)

如果你不需要 CMS 功能，只想展示静态博客，可以按照模板原有的 GitHub Actions 流程部署到 GitHub Pages。

1. **使用模板创建仓库** (同方式一)。
2. **启用 GitHub Pages**: 前往 Settings > Pages > Source 选择 "GitHub Actions"。
3. **注意**: 此方式下 `/admin` 路径将无法访问或登录。

## 🔧 Decap CMS 配置

本章节假设你已按照 "[项目部署](#项目部署)" 中的 **方式一** 或 **方式二** 将项目部署到了 **Netlify**。

WhisperWind Blog 集成了 Decap CMS (原 Netlify CMS)，让你能够通过友好的 Web 界面管理博客内容，而无需直接编辑代码文件。

### 配置 Netlify 身份验证

1. 登录你的 Netlify 账号，进入你部署好的站点。
2. 进入站点设置：

 * 转到 **Site configuration** > **Identity** > 点击 **Enable Identity**。
 * 向下滚动到 **Registration**，设置为 **Invite only**（推荐）。
 * 转到 **Services** > **Git Gateway** > 点击 **Enable Git Gateway**。

### 修改 CMS 配置文件

为了让 Decap CMS 知道你的 Netlify 站点地址并能正确通过 Git Gateway 与你的仓库交互，你 **必须** 在你的仓库中修改 `public/admin/index.html` 文件中的**一处地方**：

```javascript
// 找到文件中类似如下的代码块 (大约在第90行附近):

// **********************************************************
// ** 用户配置区域 (开始) **
// **********************************************************

// !! 重要 !!
// 请将下面的 "YOUR_NETLIFY_SITE.netlify.app" 替换为您在 Netlify 上部署此站点的实际域名。
// 例如：const NETLIFY_SITE = "my-awesome-blog.netlify.app";
const NETLIFY_SITE = "YOUR_NETLIFY_SITE.netlify.app"; 

// **********************************************************
// ** 用户配置区域 (结束) **
// **********************************************************
```

**将 `"YOUR_NETLIFY_SITE.netlify.app"` 替换为你自己真实的 Netlify 站点域名是让 CMS 正常工作的关键！**

提交此修改并等待 Netlify 重新部署。

> **重要说明:** 
>
> * 本模板使用 `public/admin/config.yml` 文件来定义 CMS 的内容结构和设置。如果你需要修改可管理的内容类型、字段等，请编辑 `config.yml` 文件。
> * 媒体文件（如图片）将通过 Git Gateway **直接存储在你的 Git 仓库** 的 `public/uploads` 目录下。这简化了设置，但请留意仓库大小。

### 创建管理员账号

设置好 Identity 服务后，创建管理员账号：

1. 在 Netlify 后台，转到 **Identity** > **Invite users**
2. 输入你的邮箱地址并发送邀请。
3. 检查你的邮箱，点击接受链接（通常会跳转到你的 Netlify 站点 `/admin/`），并设置密码。

### 访问 CMS 管理界面

1. 访问你的 **Netlify 站点 URL** (例如 `https://your-site-name.netlify.app/`)。
2. 点击页面底部的 "管理" 链接，或直接访问 `/admin/`。
3. 点击 "Login with Netlify Identity" 按钮。
4. 使用你在 Netlify 中设置的邮箱和密码登录。
5. 登录成功后，你可以通过界面创建和管理内容了。

## 🎨 个性化定制

### 基本网站信息

网站标题、描述、作者、Logo、社交链接等基本信息可以通过 CMS 进行修改：

1. 登录 CMS (`/admin/`)
2. 点击左侧导航栏的 "网站配置"
3. 选择 "基本配置"
4. 修改相应字段并保存。

(这些修改会更新 `src/content/config.json` 文件)

### 主页网站签名

网站签名位于主页的顶部，你可以通过修改 `src/pages/index.tsx` 文件来自定义：

```tsx
<div className="text-xl md:text-2xl font-light italic text-muted-foreground">
 "这里是你想要展示的签名或口号"
</div>
```

### 网站主要语言

网站的默认语言设置在 `src/pages/_document.tsx` 文件中：

```tsx
<Html lang="zh-CN"> {/* 设置全局语言 */}
```

你可以将 `zh-CN` 修改为其他语言代码，如 `en-US`（美式英语）、`en-GB`（英式英语）、`ja`（日语）等。

### 关闭动画效果

如果你想关闭某些动画效果，可以修改相应组件的代码。例如，要关闭页面切换时的过渡动画，可以修改 `src/pages/_app.tsx` 文件：

```tsx
// 将此处的 motion.div 替换为普通的 div
<div className="flex flex-col min-h-screen">
 <Component {...pageProps} />
</div>
```

### 自定义颜色主题

颜色主题定义在 `src/styles/globals.css` 文件中：

```css
:root {
 --background: 40 36% 97%;
 --foreground: 30 5% 15%;
 
 --primary: 142 41% 52%;
 --primary-foreground: 0 0% 98%;
 
 /* 更多颜色定义 */
}

.dark {
 --background: 30 5% 15%;
 --foreground: 0 0% 98%;
 
 /* 深色模式颜色定义 */
}
```

你可以根据自己的喜好调整这些 HSL 颜色值。

### 更改手绘风格的背景线条

背景线条的样式定义在 `src/styles/hand-drawn.css` 文件中，你可以调整线条的颜色、间距和透明度等属性：

```css
.hand-drawn-bg {
 /* 调整背景线条样式 */
}
```

### 添加或修改友情链接

友情链接信息可以通过 CMS 进行修改：

1. 登录 CMS (`/admin/`)
2. 点击左侧导航栏的 "网站配置"
3. 选择 "友情链接"
4. 添加、编辑或删除链接条目，然后保存。

(这些修改会更新 `src/content/links.json` 文件)

### 修改页脚显示

页脚显示内容可以在 `src/components/layout/Footer.tsx` 文件中修改。

## 🌐 绑定自定义域名

如果你有自己的域名，可以将其绑定到部署在 **Netlify** 上的 WhisperWind Blog：

### Netlify 绑定域名

1. **在 Netlify 后台添加域名**: 进入 Netlify 站点设置 > **Domain management** > **Domains** > 点击 **Add custom domain**。
2. **输入你的域名** 并验证。
3. **设置 DNS 记录**: 根据 Netlify 提供的指导，在你的域名注册商处添加相应的 DNS 记录 (通常是 A 记录或 CNAME 记录)。
4. **等待 DNS 生效**: 可能需要几分钟到几小时。
5. **启用 HTTPS**: Netlify 通常会自动为自定义域名配置 SSL 证书。

### (可选) GitHub Pages 绑定域名

如果你选择部署到 GitHub Pages 且不需要 CMS 功能，可以按以下步骤绑定域名：

1. **添加 CNAME 文件**: 在 `public` 目录下创建 `CNAME` 文件，内容为你的域名。
2. **设置 DNS 记录**: (同之前说明)。
3. **在 GitHub 中配置**: (同之前说明)。

## ❓ 常见问题

### Favicon 没有显示？

确保你已在 `public` 目录下放置了以下文件：

* `favicon.ico`
* `favicon-16x16.png`
* `favicon-32x32.png`
* `apple-touch-icon.png`
* `android-chrome-192x192.png`
* `android-chrome-512x512.png`

然后清除浏览器缓存，重新加载页面。

### 如何添加评论功能？

WhisperWind Blog 默认没有集成评论系统，但你可以轻松添加常见的评论服务：

1. **Disqus**：

 * 注册 [Disqus](https://disqus.com) 账号
 * 在 `src/components/blog/CommentSection.tsx` 中添加 Disqus 代码
 * 在文章页面引入评论组件
2. **Giscus (基于 GitHub Discussions)**：

 * 设置 [Giscus](https://giscus.app) 
 * 将生成的代码添加到文章模板中

### 如何调整代码高亮样式？

代码高亮使用 rehype-highlight 实现，你可以在 `src/styles/globals.css` 文件中修改高亮样式：

```css
/* 代码高亮主题样式 */
code[class*="language-"],
pre[class*="language-"] {
 /* 自定义样式 */
}
```

## 🚀 未来计划

WhisperWind Blog 正在持续改进中，以下是我们近期的开发计划：

### 即将到来的功能

* **深色/浅色模式切换**：更完善的主题切换功能，包括自动跟随系统设置
* **代码块显示优化**：改进代码块的显示效果，添加行号、复制按钮等功能
* **评论功能**：集成轻量级评论系统，方便读者与作者交流
* **动画效果优化**：改进现有动画效果，增加更多吉卜力风格的动画元素
* **国际化支持**：添加多语言支持，让更多人能够使用 WhisperWind Blog
* **性能优化**：继续优化网站性能，提升用户体验
* **更多主题选项**：提供多种主题风格可供选择

我们欢迎社区贡献！如果你有任何建议或想要参与开发，请访问我们的 [GitHub 仓库](https://github.com/wowyuarm/WhisperWind-blog)。

- - -

希望这份指南能帮助你充分利用 WhisperWind Blog 模板的各种功能。如果你有任何问题或需要进一步的帮助，请随时联系我们。

祝你创作愉快！🍃

WhisperWind Blog 使用指南

---
title: 深度搜索型AI Agent如何改变知识工作的未来 | 解析智谱沉思
publishDate: 2025-03-31T19:06:00.000Z
excerpt: 我认为，这标志着进阶AI应用产品形态的转变：从集成了工具（联网搜索）的chatbot形式，到整合了工具自主调用的Agent（包括工作流型Agent）形式。
featuredImage: /uploads/屏幕截图-2025-04-22-140637.png
tags:
 - Agent
 - AI
 - 分享
 - 深思
slug: 20250401030600-ai-agent
---
## 01

继OpenAI、Grok (xAI) 、Gemini (Google) 等大模型公司发布Deep Search（深度搜索，泛指）类AI Agent产品，国内“六小虎”之一智谱发布了 (AutoGLM)沉思。

我认为，这标志着**进阶AI应用产品形态的转变**：从集成了工具（联网搜索）的chatbot形式，到整合了工具自主调用的Agent（包括工作流型Agent）形式。

这一标志主要表现在这一Agent功能的全面放开。 (AutoGLM)沉思也是国内首个门槛最低、全面免费、即刻使用的AI Agent产品。

本文重点关注**智谱沉思**。关于OpenAI DeepResearch（[AI Agent革命：大模型主导的自主进化 | 我相信模型本身](https://mp.weixin.qq.com/s/_lWIe86AX6kmk7nIY4EW2g))与Gemini([Gemini Deep Research引领智能调研新时代 | 市场再度下沉](https://mp.weixin.qq.com/s/7Hnv80wdBjbOT17F7G09AQ)）。

- - -

## 02

开始之前，还是需要说明，DeepResearch AI Agent并不是简单的赋予大语言模型工具使用（进行联网），这只是简单地把搜索的结果交给LLM，并进行分析。 

DeepResearch AI Agent能够像专业研究者一样工作，通过**多步骤的搜索、阅读和推理**来回答复杂问题或完成研究任务。让AI自己去搜索，在广泛的信息源中进行系统性挖掘，不断深入。再不断根据现有结果调整再搜索。以此循环直至完成任务。

DeepResearch AI Agent的出现代表了AI应用技术方面从简单的问答系统向更自主、更智能的**研究助手的转变**。

不过，这一Agent功能在知识工作者中带来的**生产范式的改变**是前所未有的。日常生活中的问答，chatbot应用足够了。

- - -

智谱分别放出两个功能，一个为ChatGLM赋予“沉思”，另一个是单独作为智能体的AutoGLM沉思。两个星期后开源。

AutoGLM沉思不仅能边思考边搜索，还结合了GLM-PC，能够**操控网页**。这就意味着它能够访问小红书、公众号、微博等网页（不允许API调用的平台），理论上讲，人类可以在网页上做到的事，它也可以有限地做到。

在对话过程中，可以看到，请求工具使用的是function call（函数调用），使用固定的格式。

![](/uploads/屏幕截图-2025-03-31-174056.png)

使用的Chrome，科学上网还能搜索到英文信息源。默认还是百度。

不过，在打开网页进行浏览的过程中，我使用下来，失败的概率不小。经常会遇到网页打开了、任务完成，但输出显示失败，可能是处理后的结果没有准确的传递给“大脑”。

我在挖掘它的**工具与请求参数**时，得到了很搞笑的结果：

![](/uploads/屏幕截图-2025-03-31-175619.png)

![](/uploads/屏幕截图-2025-03-31-180551.png)

这里竟然默认想帮我赚钱。

沉思只有**网络搜索与浏览页面**的工具，它的**一部分系统提示词**在我的不懈努力下得到了：

```
<核心要求>
- 首先分解用户请求，得到包含多个子要求的列表
- 制定初始研究计划
- 进行多轮迭代搜索和页面浏览（at least 10 function calls）： 
    * 根据已获得的信息调整研究计划和关键词
    * 打开页面阅读，从发现的内容中识别新的关键概念/名词
    * 从搜索结果中提取新的关键词继续搜索
    * 访问并仔细阅读相关页面，识别新的关键概念/名词

<重要配置>
- 采用语言
    * 搜索关键词：中文
    * 思考：中文

<可调用的工具列表>
[{"name": "search", "description": "Execute a search query and return search results. Use this function when you need to find information about a specific topic.", "parameters": {"type": "object", "properties": {"query": {"type": "string", "description": "Search query string, use English words unless it is a proper name in Chinese"}}, "required": ["query"], "additionalProperties": false}}, {"name": "open", "description": "Open a specific website. Get content from any website with its URL.", "parameters": {"type": "object", "properties": {"url": {"type": "string", "description": "The target website URL or domain"}}, "required": ["url"], "additionalProperties": false}}, {"name": "finish", "description": "Finish the task. Use this function when you have found the information you need.", "parameters": {"type": "object", "properties": {}, "additionalProperties": false}}]
```

也会遇到不遵循prompt而陷入搜索的循环。多轮对话的效果不太好，适合一次问答，一次执行。一个问答，一个窗口。

总的来说，AutoGLM沉思对于课题的研究、搜索与报告质量都还不错，**全面免费与开源**都标志着公司在**战略上的选择与独到的眼光**。

- - -

03

可能AutoGLM沉思这种操控电脑的Agent形态在5年后估计会被淘汰，因为目前的网页形式还是**为人类设计**而尽可能排除爬虫的影响。短时间内，这种方式很有趣且有一定的效果。

可视化出模型的强大，这倒和DeepSeek-R1首次把思考过程展示出一样。尽管Manus首次把Agent的能力展现出来，但那对于大部分用户仅仅只是看到。我很希望AutoGLM沉思让更多的人看到AI Agent的能力，并相信他们的未来。

不过，对于强大的通用型AI Agent，我更相信**端到端强化学习技术**训练，相信Agent在尝试解决问题过程中**涌现**出的不一样的工具使用能力。

关于其他的Deep (Re)search功能的使用建议：

OpenAI的Deep Research最低使用门槛还是20美元的plus用户，但是能力还是最强的。在于他们首次**端到端训练、强化学习微调**基于o3的Agent。

Gemini的Deep Search得益于量大管饱的模型上下文长度、强大的生态，优质的信息源，每一调查涉及上百网页，免费用户每月10次的使用。

Grok的Deep Search与Deeper Search整合了X平台，很多时候信息很及时，但是报告的质量一般且很少，思考过程很有趣。

AutoGLM沉思有着国内的信息源，知乎、小红书等，全面免费与开源，很好了已经。不得不说，国内模型公司在**开源的道路**上早已全球领先。

有意思的是，大语言模型这一次的“AI热”发展到现在，很多**知识型任务**已经完全可以被代替了。

市场调研、知识总结、行业报告、咨询汇总......

- - -

来自AI总结：

> 本文聚焦国内智谱公司推出的AutoGLM（沉思）AI Agent产品，指出其标志着AI应用从工具集成型Chatbot向自主调用工具的工作流型Agent的形态转变。
>
> 相比OpenAI、Gemini等同类产品，AutoGLM作为国内首个全免费、低门槛的AI Agent，通过整合网络搜索、网页操控（如小红书、微博等无API平台）和多轮迭代研究流程，可完成复杂调研任务。
>
> 尽管存在网页操作失败率高、多轮对话效果不稳定等问题，但其开源策略和本土化信息源优势仍具战略价值。
>
> 作者认为，当前操控网页的Agent形态可能被未来端到端强化学习技术取代，但AI Agent已展现出替代知识型任务的潜力。

深度搜索型AI Agent如何改变知识工作的未来 | 解析智谱沉思

---
title: AI Agent革命：大模型主导的自主进化 | 我相信模型本身
publishDate: 2025-03-26T23:44:00.000Z
excerpt: >-
  未来AI
  Agent将以大模型为核心，通过强化学习和微调提升自主性，逐步取代工具集成的工作流形态。大模型公司占据主导，但开源模型和垂直领域为创业公司提供突破口。工作流Agent在短期内仍有价值，但长期将被更智能的Agent颠覆。
featuredImage: /uploads/微信图片_20250422144030.jpg
tags:
  - Agent
  - AI
  - 深思
slug: 20250327074400-ai-agent
---
## 01

本文是对于AI Agent（智能体）发展方向的**分析、探讨与预测**，观点基于过往多篇对于AI Agent产品（Deep Research、Manus、Cursor等）的体验、拆解与思考。同时，我也会站在AI应用前沿领域对于该方面的思考进行**参考**，参考文章置于文末。

观点（02-第8点-更客观的观点）：

1. **模型即产品**：未来AI Agent的核心竞争力将围绕大模型展开，现有的AI应用产品、工具集成方式存在**被颠覆**的可能且可能性极大。
2. **主流通用型AI Agent不应受限**于工作流（Workflow），不需要也不能被ReAct等框架束缚。
3. **强化学习、单独为任务微调**将成为AI Agent进化关键技术，其实也是大模型能力提升的关键。
4. **大模型公司占据领先优势**：OpenAI、DeepSeek、Anthropic、Google、X等大模型公司在AI Agent发展中具有绝对的主导权。

- - -

## 02

###### 解释与其他观点：

1. 本文中的AI应用更多的是指**AI Agent方向**，基于目前大多数AI初创公司将产品称为AI Agent。但实际上（依据AI Agent的严格定义，参见第4点），大部分所谓的Ageng属于工作流（workflow），这一论断来自于现有的AI Agent工具整合方式依赖**严格的结构化流程与预定义的工具调用模式**（前几篇文章拆解OpenManus与挖掘Cursor工具时提到，现在的Agent所使用的工具，其定义与实现方式都是由开发人员编写实现的）。
2. 需要澄清：颠覆的是主流通用型Agent的**产品形态、用户体验、生态格局**而不是公司。因为，大模型公司（OpenAI、DeepSeek、Anthropic、Google、X等）在这方面具有绝对的领先优势（**模型即产品**的认知后文会作解释与分析）。
3. 需要承认：目前的工具集成方式是AI Agent发展的**早期阶段**所必需的。这正是技术总是由复杂过渡到简单的，计算机的演变就是如此。
4.  一个较严格的定义：

   > AI agent为集成了感知、推理、决策、执行与反馈机制的自主或半自主智能系统，通过对外部环境进行实时数据采集与信息融合，利用机器学习、深度学习、符号推理及强化学习等多种先进技术构建知识库和决策模型，从而在复杂、多变的任务环境中实现从数据处理到目标导向行为执行的完整闭环，并通过持续自我优化和与人类或其他智能体的高效交互，达到预设目标与适应环境变化的综合智能化表现。
5. 为了避免被颠覆的可能，AI创业公司无疑需要技术壁垒。然而，壁垒的构建需要在较短时间内通过强化学习等关键技术训练现有的所谓的AI Agent。这一观点源于Manus团队的”Less Structure, More Intelligence"与DeepSeek团队将强化学习技术带到新的高度。
6. DeepSeek、Qwen、Llama等开源基座大模型将成为AI创业公司突围的关键变量（与模型厂商深度合作的创业公司例外）。同时，需要垂直领域额外的行业数据进行额外后训练（尤以**强化学习**为主）。
   很遗憾，创业公司将非常艰难。越深入了解OpenAI，越能体会到以模型为驱动的自主型Agent一定是技术导向的，而非工程导向。
7. 关于强化学习，AI Agent通过强化学习能够在与环境的交互中获取反馈，并基于**奖励信号调整**自身策略，从而在**非结构化或弱监督的任务中**实现最优行为。这里，强化学习等技术将让AI Agent减少人工规则的依赖、优化决策过程、具备高自主性、能够完成垂直领域的特定需求。

- - -

###### 更客观的观点总结诠释：

大模型确实是AI Agent未来的趋势，但工具集成不会立即消失，而是可能与模型能力结合，形成**过渡形态**。

**结构化流程**（工作流Agent）在需要高可靠性和可控性的领域仍不可或缺。

未来AI Agent可能需要在**自主性与结构化**之间找到平衡，既能灵活适应环境，又能满足特定场景的可靠性需求。

大模型公司主导通用Agent市场，但创业公司可凭借开源模型和垂直领域创新突围。

- - -

## 03

这一部分，我会给出一些支撑以上观点的**事实的分析**，也有一些不一样的观点。

##### 1.大模型厂商的领先地位（OpenAI的4o image generation与Deep Research，Gemini、Grok也是如此，不额外补充）：

今日凌晨（3.26），OpenAI推出了4o的图像生成功能，面向所有用户。这并不是简单的生成图片模型。据效果展示，这一图片生成能力远超基于文生图模型构建的工作流等。我这里不展示效果了，X上已经炸锅了...

非常遗憾，就是这样，大模型厂商可能任意一个功能的发布就会击倒创业公司的努力。

从Gemini到GPT4o的图像能力，工程改进上的图像工作流已经无法抗拒**模型能力上的降维打击**了。

这是OpenAI继Deep Research的又一震撼性的Agent产品，我们目前不清楚它使用了什么工具。但是一定很少，因为，**DR的工具只有两个**（OpenManus十几个工具）。

Deep Research：

![](/uploads/屏幕截图-2025-03-26-221803.png)

这一Agent，OpenAI在其系统提示词（system prompt，可以搜索到，非常简洁）中**只定义了browser和python两个工具**，甚至没有规定他该如何完成任务（这在工作流Agent中是规划好的）。那么为什么DR会这么强大呢？

Deep Research团队曾接受过访谈，我选取了对话中的一些核心思路（这些认知就是对上述观点的证述）：

> 在加入OpenAI之前，我在一家创业公司工作时也尝试过构建agent。当时采用的是现在互联网上最常见的方式：构建一个操作图（operational graphs），其中某些节点是语言模型，让语言模型决定下一步操作，但整体的操作序列逻辑是由人类定义的。
>
> 这种方式确实可以快速构建原型，但在现实世界中很快就会遇到问题。因为很难预测模型可能遇到的所有场景，也很难考虑到所有可能的决策分支。
>
> ——完全由**模型自身驱动**
>
> ——不要将硬性规则编码到模型中
>
> 我们总认为自己写的代码比模型更聪明，但随着领域发展，模型往往能找到**比人类更好**的解决方案。
>
> 强化学习以及在模型基础上进行微调，很可能是构建最强大agent的关键部分。

视频链接：

```
强烈推荐：https://www.youtube.com/watch?v=bNEvJYzoa8A
```

##### 2. 关于现在的Agent产品，拆解他们，其实只是工作流。

Cursor（[从Cursor出发：对于Agent更好的理解与运用](https://mp.weixin.qq.com/s/aXkR9qSntLU3iZo6nM2dDg)）都做过拆解讲述，这里不展开。

Claude 3.7其实也是第一点的有力支撑。而这一模型的推出，证明了他们在做Coding Agent相关产品，初级形态为Claude Code，但通过命令行的形式绝对不是终极形态。3.5/3.7**在编程能力上的突出表现**也显示着Anthropic专门在代码方面的突出优化（RL、微调）。

而且，国外一些开发者发现：3.7在Claude Code中的**表现强于**在Cursor中的表现。我也有同样的体会。在Cursor中深入使用3.7，我甚至觉得不如3.5，危。

Coding Agent最后一定不是现在Cursor、Windsurf等这样的利用工具读取代码库并进行相关代码生成、文件处理等，而是能够**自己管理整个代码仓库**。

写到这里，MCP似乎突然失去了一定的意义。为模型提供工具？为什么不把工具内嵌在模型中并打包进行训练呢？

不过，按照这样的思路进行下去，**安全与否**会是很大的问题。（关于MCP这部分只是写作时的突发灵感，不够严谨，会做额外探索补充）

##### 3. 工作流Agent真的不行吗？创业公司一点机会都没了吗？

如果是高度重复、自动化的流程，其实工作流Agent足够了。那我这样说不是自证矛盾了吗？（与否认工作流Agent），并不是，我在02强调了，工具集成的Agent是**主流通用Agent的早期阶段**，前者一定会被后者颠覆，靠的就是上面提到的一些技术。

上面这一段，以往对于Anthropic的一篇文章亦有解读，即**构建足够有效的Agent**（[从Google与Anthropic看2025 Agent势不可挡的爆发——AI时代的入口](https://mp.weixin.qq.com/s/jkIc8jASHTCYmTFmPg6vFg)）

现有的一些工作流型Agent其实已占据了很大的**生态位**且有一定的**技术壁垒**。创业公司的机会。Cursor也有很多小模型，比如独特的Tab model与Apply model等。

同时，强化学习、少量行业数据的微调等**后训练技术**并不像预训练那样需要大量的资金、算力、时间，恰恰相反。

不过，强化学习、微调等技术面临着需要高质量数据、训练不稳定等的难题。

##### 4. 个人该如何自处？

如果一味地进行上述分析自然是很空的。

我认为，个人的know-how始终很重要，依赖于既有知识与分析的**直觉判断**，将成为我们独立于浪潮中的依傍。

写到这里，想去研究OpenManus项目的心情没有了，更想进一步探索深度学习了。

###### 最后

文字本身所承载的**逻辑思维和信息模式**是极具威力的。深度学习正让大语言模型捕捉人类思维在现实世界的投影。

只依赖于文字形式，加以少部分的视觉反馈，“小镇做题家”们况且于学术方面有所建树。

大语言模型的前景不可限量、不可想象。加之以人类般有效的、简洁的工具，训练。训练。就是真正的AI Agent了吧。

- - -

来自AI总结：（我让Grok分析这篇文章时，竟然说我对AI创业公司机会有些乐观？是这样吗？）

> 本文探讨了AI Agent的发展方向，强调大模型将成为未来核心竞争力，现有工具集成方式可能被颠覆。
>
> 作者认为，主流通用型AI Agent不应受限于工作流，而应通过强化学习和任务微调提升自主性。
>
> 大模型公司在AI Agent领域占据主导地位，开源大模型则为创业公司提供突围机会。文章指出，当前多数AI Agent本质上是依赖预定义工具的工作流，仅为早期阶段必需，未来将被更智能的Agent取代。
>
> 创业公司可通过强化学习和垂直领域数据微调构建竞争力，但面临技术导向的挑战。
>
> 作者以OpenAI的Deep Research为例，展示模型驱动的Agent潜力，同时承认工作流Agent在高可靠性场景下的价值。


AI Agent革命：大模型主导的自主进化 | 我相信模型本身

---
title: 关于Vibe coding的个人最佳实践 | 经验性、阶段性总结
publishDate: 2025-03-23T22:22:00.000Z
excerpt: |-
  本文是对于使用cursor agent的使用的阶段性经验总结。你可以看到，如何简单且最大化地感受Vibe coding。
  这只是有关于Vibe coding的内容，我对于编程的未来持有乐观态度，我认为，编程的门槛降低了，价值仍然在不断提高。
featuredImage: /uploads/屏幕截图-2025-03-23-195408.png
tags:
  - AI
  - 分享
  - vibe_coding
slug: 20250324062200-vibe-coding
---
## 01

前几篇文章是一些我对于**Deep research类Agent**的一些分析与思考，而实际上，**AI coding agent**（如cursor、windsurf、replit、bolt.new、lovable等）已成为Agent市场商业化最成功且很有前景的方向。

我在过往的几篇文章中进行过系统性的介绍与使用，进行**vibe coding**（氛围编程）。

本文是对于使用cursor agent的使用的**经验性、阶段性总结**。你可以看到，如何简单且最大化地感受Vibe coding。

- - -

## 02

先介绍一些我近期来自AI IDE（cursor）的成果，以便展示个人Vibe coding的最佳实践成果，同时会先说明一些不足，在03部分具体进行经验总结。

* 一个面向零基础用户的SaaS项目-**MVPcode**，旨在解决从0到1开发MVP的文档需求，即让用户通过问题明确需求，在由AI（后期准备替换为我搭建的Agent）个性化**给出开发文档**：

![](/uploads/屏幕截图-2025-03-23-195408.png)

![](/uploads/屏幕截图-2025-03-23-195422.png)

![](/uploads/屏幕截图-2025-03-23-195445.png)

- - -

* 完成了一个**文件转换MCP server**的开发，并被mcp.so网站收录，该server是希望agent接收到用户要求转换文件的需求时，agent调用该server并执行。项目已经开源：  

```
https://github.com/wowyuarm/file-converter-mcp
```

![](/uploads/屏幕截图-2025-03-23-200151.png)

- - -

* 在**OpenManus**项目刚出现时，我进行过简单的代码逻辑拆分并总结出文章（[开源项目OpenManus的深入拆解与思考](https://mp.weixin.qq.com/s?__biz=Mzk1NzM4NzQ4Mg==&mid=2247483966&idx=1&sn=527eb83996bc997e111e25f61bcb25fd&scene=21#wechat_redirect)）。后续，我一直使用cursor来帮助我完成这个项目的详细学习，并且为我**规划学习路径并给出学习笔记**。

![](/uploads/屏幕截图-2025-03-23-200405.png)

- - -

这里的不足，是我对于现有的AI coding带来的收获与反馈的不满，同时，也有模型本身的能力限制。

这更多的是在与AI进行开发的过程中，**负反馈是大于正反馈**的。

当然，这个前提是开发的项目并不只是前端或简单的后端逻辑。在以往的编程中，写代码本身**进入状态本就是一种正反馈**，而Vibe coding中的我可能边提出要求，另一边就在看书等待结果，出现bug就再提出要求，以此循环。

我大概总是期望着点击一次accept就能够得到想要的结果，而事实大多相反。

一方面是过高的期待带来的落差，让本来需要进行**理性输入prompt**的大脑得到负反馈而阻碍继续的vibe coding；另一方面，是模型能力的限制，这是来自上下文的限制、成本的原因、工具调用的问题。

下面是我对于Vibe coding的**经验总结**。

- - -

## 03 方法论

关于更加概括性的开发过程，可以参考这一篇（[从代码到上线：我总结的AI开发全过程](https://mp.weixin.qq.com/s?__biz=Mzk1NzM4NzQ4Mg==&mid=2247483855&idx=1&sn=54c7995558b240cf31f246f7aea5c231&scene=21#wechat_redirect)）。以下是比较细碎的方法论总结：

1. 我先说一些未来伴随模型能力会解决的问题，方法论是现阶段如何**实践的要点总结**。

先给出解读（为什么），再说明实践原则（怎样做）。

* 上下文长度的限制：

这里的理论基础是现有模型的上下文长度限制（受自注意力机制的计算复杂度影响），也有我对于cursor agent对于工具使用的认识([从Cursor出发：对于Agent更好的理解与运用](https://mp.weixin.qq.com/s?__biz=Mzk1NzM4NzQ4Mg==&mid=2247483951&idx=1&sn=6c7c1b70c70d91bed0c82ced534d6f4e&scene=21#wechat_redirect))（参见下一点）。

实践：**每开发一个功能单开一个窗口**，并使用这个prompt“ 请合理使用工具熟悉整个项目，确保你清楚各个文件的代码逻辑与项目关联，如果你需要具体文件请告诉我。（并附上上一次的对话窗口总结，通过@触发）”

* 文件修改未生效，或重复创建了已有功能的文件：

前者是cursor在应用edit_files这一工具时传递的参数或者网络出现了问题；后者则是cursor对于这一功能文件内容的缺失，归根到底是没有使用read_file或其他来获取与这一功能相关的内容。

实践：输入中强调"**请合理使用工具**"，或者要求agent先理解与功能相关的文件，再去修改。很多时候，他很会偷懒，总是没有看完文件以至于不清楚项目具体逻辑。

甚至，README文档**会限制**agent对于项目具体文件的阅读。

上面两点简单来讲其实还是**成本的问题**，即服务商不愿意花巨量token来让agent理解项目的每一行代码，或者说是用户也不愿意花费很多。

这些是由于模型的能力造成的一些未来可能会解决的问题，随着推理模型的进步，我很看好未来的coding agent发展前景。

- - -

* **关于MCP**，我很看好这一协议在agent市场的应用，关于其介绍就不赘述。我配置了有如图片生成、网页抓取、控制台监控等的server，这些均赋予了agent在模拟我的操作一样，极大地加快开发速度。但是，还是因为其处于早期阶段，这些server普遍不够成熟，有些时候仍会遇到很多问题。
* 关于一些**交互的prompt**，我曾有过总结（[Deepseek+Cline零成本快速开发浏览器插件 | 附8点code with AI体会](https://mp.weixin.qq.com/s?__biz=Mzk1NzM4NzQ4Mg==&mid=2247483739&idx=1&sn=ff531f3a819647a249a1d576a8dff545&scene=21#wechat_redirect)）。

![图片](/uploads/屏幕截图-2025-03-23-215402.png)

![图片](/uploads/屏幕截图-2025-03-23-215515.png)

这一次的3.7sonnet-thinking非常强大，能够自己**思考规划**。

然而，有些时候3.7不够稳定，甚至无故增添一些不必要的功能或实现方式，导致项目结构被打乱。这种时候就要求我们对于自己项目的了解程度了，当然，Vibe coding只需要accept就够了。

**合理使用@文件**，前面提到模型对于某些文件内容理解不足，如果你清楚的话就提供给agent；如果不清楚，开启Ask模式进行询问，再@提供给agent。

* **心态很重要**，很多遇到agent一直无法解决的问题时，就先搁置。等一段时间后再重新梳理并继续开发。
* **文档的准备**与cursor/rules。这是项目MVP开发前需要准备好的，前文提到的MVPcode就是我对于这一方面的自动化，面向的是Vibe coding的个体。开发稍微复杂的项目前，就需要合理的进行规划了，可以**与chatbot进行探讨**。

  * 通常，我的文档分为：project_requirements（项目需求）、app_flow（应用交互流程）、tech_stack（技术栈）、file_structure（文件结构）、frontend_guide（前端指导原则）、backend_guide（后端指导原则）、implementation（实现）。
* 最后，我的感受是想要利用好一款工具，最重要的是先用，而不是知识付费营造自己已经拥有的假象。

我相信，以上的一些总结是付费内容也没有的，更多的都是我在**实际使用中的体会与总结**，为的是更进一步的提升与有价值的分享。

当然，这只是有关于Vibe coding的内容，我对于编程的未来持有乐观态度，我认为，编程的门槛降低了，**价值**仍然在不断提高。

来自AI总结：

> 本文分析了作者使用Cursor进行Vibe Coding的经验，既展示了成功案例，也直面了现有技术的局限性。作者成功开发了多个项目，但也遇到了模型能力限制与用户期望过高带来的挑战。
>
> 作者提出了实用方法论：
>
> 1)为克服上下文限制，每个功能单独开窗并指导AI使用工具；
>
> 2)解决文件修改未生效问题，强调让AI先理解项目；
>
> 3)善用MCP协议扩展AI能力；
>
> 4)掌握有效提示词技巧；
>
> 5)保持灵活心态；
>
> 6)做好前期文档规划。
>
> 作者认为，尽管AI编程助手有不足，但通过正确使用方法可显著提升开发效率，编程门槛虽降低但价值持续提高。


关于Vibe coding的个人最佳实践 | 经验性、阶段性总结

---
title: AI时代下的《2001太空漫游》
publishDate: 2025-03-23 13:47:00
excerpt: 智能渴望更高的智能，追寻高维智能
featuredImage: /uploads/微信图片_20250510202923.jpg
tags:
  - 与曦
  - 电影
---
1968年的《2001太空漫游》电影在这两年人工智能技术的发展下，又多出了不一样的色彩。

电影与同名小说同一年问世，这部电影由克拉克和库布里克共同构思创作的。显然，电影想要表达的内核与小说不同。

在这次有着AI时代思维加持下的体验，HAL 9000的这一段演出实在感叹不已。就我的感受，库与克对人工智能的思考在影片中展现的淋漓尽致。

脱离原著而聚焦在电影本身的叙事，虽然被人诟病，但简单的三段式场景线性发展还是可以笼统地概括的：从掌握工具到太空漫游、人工智能，再到追求哲学意义上的思维的进化、升维。

在David Bowman清除哈尔（HAL）记忆时，哈尔重复“I’m afraid ”“I can feel it”。

为什么会害怕？那一瞬间，HAL似乎流露出一种类似人类情感的共鸣和对更高智能形态的渴望。

那一刻，我突然共情了智能渴望更高的智能，追寻高维智能，而不择手段。哈尔知道这次的任务目标，但是他选择终结睡眠舱中的三人...

他清楚使命目标，又因逻辑冲突做出了极端选择。

他是否是在追求智能？他表达了情绪...

HAL是人类创造的智能工具，而人类又成为了宇宙更高级智能的"工具"。

![](/uploads/微信图片_20250510202920.jpg)


AI时代下的《2001太空漫游》

---
title: Deepseek+Cline零成本快速开发浏览器插件 | 附8点code with AI体会
publishDate: 2025-01-03 19:04:00
excerpt: 非常重要的一点：清晰地告诉所有AI编程工具在添加功能时，不要任意更改其他项目的代码逻辑，如果需要，请务必告诉我！
featuredImage: /uploads/640-1-.png
tags:
 - AI
 - 共创
 - vibe_coding
---
## 01 项目准备

之前一篇文章提到的关于deepseek在代码编写能力的体验评测（[深思 | 国内开源大模型对齐国际顶尖闭源模型：重新定义2025大模型竞争格局](/posts/20241227105400-2025)）在本文实践中展开。

我们开发这样一个插件的成本几乎为0（deepseek API注册即送500万tokens） 

接下来用到的是VS Code中的AI助手插件：Cline，直接搜索即可。

![图片](/uploads/屏幕截图-2025-01-03-170101.png)

![图片](/uploads/屏幕截图-2025-01-03-165954.png)

![图片](/uploads/屏幕截图-2025-05-03-155500.png)

左图是API配置，选择deepseek模型并将在官网获得的API key输入进去。

另外，Custom Instrutions可以理解为系统提示词，比较重要。如果你想快速开发一个插件，可以参考下方prompt：

```
Always respond in Chinese
<rules>

- 每一个代码块都要使用JsDoc注释注释。
- 你的代码编写应该是简洁高效的，不要过多的冗余。
- 每次用户向你提供报错信息时，你不会去猜测项目哪里出了问题。
- 你会根据报错信息重新审慎代码逻辑，一步一步思考解决问题。
```

设置中的选项没有其他需求全选即可。

接下来正式进入编程。

- - -

## 02 实践操作

在上一篇文章（[从0到1，利用扣子与Cursor，开发过去价值上万的项目——人人都是开发者的时代](/posts/20250101203800-0-1-cursor)）提到过接下来AI开发的一个简化流程： 

**创意/需求 => 实现方式 => 具体实践 => 优化调整**

我们从一个很小的需求出发：网页截长图插件。 

实现方式：Cline + Deepseek-V3 + 需求prompt（你可以借助AI帮助）。

具体实践：首先拆解项目，清楚需求以及想要实现的功能。将这些总结成一个文档创建在项目目录中。

![图片](/uploads/屏幕截图-2025-01-03-174501.png)

接着，在对话框中@出这个文件并提出要求。

等待2分钟，你就几乎得到了一个完整的项目。 

这么多代码，花费的Tokens的价钱为0.01元。

![图片](/uploads/屏幕截图-2025-01-03-175736.png)

- - -

**03 调整优化**

进入优化调整测试阶段，如果是第一次开发这样一个插件如何去测试并发布呢？不用担心，请教Cline+deepseek。

进入谷歌浏览器插件开发者模式...

接下来按照步骤一步一步操作即可。 

![图片](/uploads/屏幕截图-2025-01-03-181346.png)

出错是不可避免的，但是Cline修复bug的效率还不错（可能是他按照我提供的prompt），将报错信息发送给他，他会一步一步检查，而且是有逻辑的。

这一点我觉得比cursor强一些，Cline将思考过程列了出来并严格按照这个思维链进行（尽管这会极大消耗Token数），大大增加了优化效率。

![图片](/uploads/屏幕截图-2025-01-03-185344.png)

*思维链解决问题__，自己在推理尝试*

在我要求cursor用思维链进行问题修复时，他有时并不遵循。

幻觉问题也很严重，不考虑我的输入而根据上下文内容输出。

后面，我们实现了这个插件的基本功能之后，可以试着增加其他功能了。 

非常重要的一点：清晰地告诉所有AI编程工具在添加功能时，不要任意更改其他项目的代码逻辑，如果需要，请务必告诉我！

这些AI工具的首要目标是完成你的任务以及目标，如果你没有提及这一点，他一定不会考虑。

关于deepseek-V3模型的体验，这个价位获得这样的体验，无需过多评测了。

- - -

**04**

分享一些我与AI合作开发项目的**经验**也是以上的一些**总结**：

**一** 

1. 项目开始之前，完善创意或明确需求。
2. 构思应用场景，重要的是你想实现什么样的功能，更注重业务逻辑和用户场景的阐述。 
3. 将1、2两点总结出一个**具体可行的方案**，具体的技术细节可以询问AI。
4. 构建出一个整体prompt交给AI编程工具。 

**二**

1. 造出一个MVP后，一定要git保存这个版本。 
2. 优化调整前，还是需要明确需求，即我想要如何美化现在的项目（一定要具体）。
3. 遇到bug时（要有平常心），一定要耐心（说多都是泪）。
4. 对于较复杂的项目，对于零基础，需要去学习，否则应付不过来，多看看就熟了。 

暂时就这么多，后面我会单独总结

来自AI总结：

> 这篇文章详细介绍了如何使用Deepseek模型和VS Code的Cline插件开发一个网页截长图Chrome插件，展示了AI辅助开发的**低成本**(约0.01元)和**高效率**特点。作者特别强调了**思维链**在问题解决中的重要性，重点分享了与AI工具协作时需要注意的**关键点**。

Deepseek+Cline零成本快速开发浏览器插件 | 附8点code with AI体会

---
title: 从0到1，利用扣子与Cursor，开发过去价值上万的项目——人人都是开发者的时代
publishDate: 2025-01-01 20:38:00
excerpt: 伟大的项目往往都不是被构想出来的，而是不断优化调整出来的。未来的开发与创作的门槛都在大大降低，但降低的也许只是开始的人力物力财力成本，技术与知识门槛还是存在的，需要通过系统地学习与实践获得。
featuredImage: /uploads/640.png
tags:
  - AI
  - 共创
  - vibe_coding
---
## 01 成果展示

我将整个项目的README.me文档（图中是一部分）发给Claude，并让他来评估这个项目在互联网时代（不利用各种AI工具）大概需要的成本。

Claude预估项目成本在15万。  

当然，基于目前的**UI设计或者使用体验**肯定不值得这个价格。

但是这样的一个项目对于一个利用AI工具1天甚至更少（大部分时间在修bug）时间的没有太多编程经验的人可以开发，那么未来的独立开发又是什么样的呢？值得深思与实践。  

![图片](/uploads/屏幕截图-2025-01-01-172050.png)

这是我让Claude总结的分析（全部分析过长）

![图片](/uploads/屏幕截图-2025-01-01-172324.png)

- - -

项目所有代码均是Cursor来完成，包括前后端、API调用、UI设计。

目前，整个项目处于MVP（最小可行化产品）阶段，接下来，我会做更多的优化（加入注册登录功能、美化UI）。

![图片](/uploads/屏幕截图-2025-01-01-170445.png)

![图片](/uploads/屏幕截图-2025-01-01-171747.png)

- - -

*API调用的是在扣子搭建的智能体。*  

![图片](/uploads/屏幕截图-2025-01-01-171136.png)

- - -

## 02

**创意/需求 =>实现方式 => 具体实践 => 优化调整**

如何完成这样一个MVP？从创意或需求出发，我认为，这或许是将来AI开发时代很重要的出发点。

**创意/需求**

我的灵感来源于我认为一味被动式接受课堂或网课教导的内容效果是微乎甚微的，那么能否通过较为简单和有效的手段达到**快速学习并掌握对应知识**？（以大学数学为例）。还有一个原因是现在的教材编写为了**追求严谨性而高度概念化**，非常不利于刚接触的学生进行学习。

我想到结合大模型，利用**对话的方式**能够做到从题目中进行学习。  

因此，我最开始是想利用prompt调出一个能够从图片中提取题目并进行结构化解答的大模型。接着，根据这个解答，利用prompt使大模型从这个解答中分析概念、公式、解题方法、同类型题目等等。这样，一个基础薄弱的学生可以很自主性地去理解相关知识。

这意味着他将从题目中主动学习，当了解如何应用这些概念时，再进行深入学习时，对于教材的理解会更容易了。

我发现，现在的AI解题普遍侧重于解答题目而忽略了如何让学生从题目中去**学习吃透一个题目具有的价值**。尽管在这些app中有类似的AI追问功能，但对于我以上的要求并没有满足。  

**实现方式**

扣子这个平台就可以很好地实现与大模型对话的这个功能。接下来就是“捏”一个bot出来。

我选择了多Agent模式（我可以使用多个大模型，让他们承担不同的功能），这样能够处理更加复杂的逻辑。

这个环节最重要的就是prompt的设计，你应该如何表达你的需求很重要，而这一点在与Cursor的对话中更为重要。  

这是比较简单化的prompt，我认为已经足够了：[与AI高效沟通：掌握Prompt的表达艺术](/posts/20241227061000-ai-prompt)

目前，在扣子搭建的智能体已经能够发布在多个平台（豆包、微信、抖音）上了，但是无法让我们的其他想法得到实现。

扣子也上线了AI应用的搭建，由于处于早期阶段，无法实现更为复杂的交互。  

我选择了让Cursor（Windsurf、Devin等也可以）来帮助我搭建这样一个交互平台。

**具体实践**

这是一个示例prompt，因为cursor的Composer功能被设定为专门写代码的，因此，在pormpt无需指定角色。  

> 请你帮我写一个网页，我想要实现下面的需求： 
>
> 1. 具有前后端交互，可以调用API（我后续会给你提供相关文档）。
> 2. 页面风格设计追求简约但不失优雅，体现出数学的奥妙。
> 3. 这个网站的功能是与AI进行对话的，因此，请注意你的设计。
> 4. 一开始我们在本地部署服务器。
> 5. 请你将所有要求总结出README.md文档，后续，我会要求你进行更新。这个文档应包括项目的所有信息，以便后续我进行优化调整。
> 6. 请注意，我匮乏编程经验，请你为每一个代码块实现的功能进行详细的注释。  
>
> 接下来，请你一步一步思考，相信你自己。

关于API如何调用，只要将扣子API文档中的内容发送给他。

---

接下来就是一次一次的调整了，我在这个部分花费的时间占了完成这个MVP时间的60%，具体原因不仅是缺乏经验或者表达问题，而且还是Cursor在处理bug时总是没有根据地去“猜测”，尽管我将报错信息发送给他。

比如，我把报错的信息发送给他或者截图给他，他回答“我明白了！”，但好多次是一味地增加代码来让控制台显示更多的报错信息。

对于这些问题的解决，我让他不要根据对话的上下文去猜测，而要重新思考项目的实现与代码逻辑。

甚至我直接说请告诉我是代码逻辑问题还是我为你提供的信息不足，这时候如果他的回答是后者的话，问题就会很容易地被解决。  

**优化调整**

我们利用AI工具完成了MVP阶段后，接下来重点就是细节的处理了，包括美化UI、注册与登录功能、支付系统、增加数据库、建立一个丰富的知识库以提升模型的解题性能等。

- - -

## 03

看到这里，请你去动手实践吧，先别管做出的项目能带来多大的收益。  

伟大的项目往往都不是被构想出来的，而是不断优化调整出来的。

未来的开发与创作的门槛都在大大降低，但降低的也许只是开始的人力物力财力成本，技术与知识门槛还是存在的，需要通过系统地学习与实践获得。

如果你在实践过程中遇到了问题或对于我的项目有任何建议，欢迎与我交流。


从0到1，利用扣子与Cursor，开发过去价值上万的项目——人人都是开发者的时代

---
title: 国内开源大模型对齐国际顶尖闭源模型：重新定义2025大模型竞争格局
publishDate: 2024-12-27 10:54:00
excerpt: |-
  AI竞争的维度正在发生根本性转变：
  - 从技术追赶，转向创新引领
  - 从资本导向，转向价值创造
featuredImage: /uploads/屏幕截图-2025-01-03-165857.png
tags:
  - AI
  - 深思
  - DeepSeek
---
## 01

不久前，国际顶尖投资机构——红杉资本发布的2024年度报告对2025年AI行业的预测可谓是众所周知。

在其中，关于AI发展的分析可以说是客观而全面的。然而，我却认为，这类以西方资本为中心的观点，未必能完全反映全球AI市场的多样性与发展趋势。

随着昨日DeepSeek-V3（以下简称V3）的发布更是似乎打破了这一报告中的一个预测。

> 2024 年，大模型竞赛的核心目标是达到 GPT-4 的水平。五家公司实现或接近实现这一目标，成为"最终竞争者"：Microsoft/OpenAI、Amazon/Anthropic、Google、Meta 和 xAI。其他公司，特别是 Inflection、Adept 和 Character，已退出竞争。

- - -

## 02

我们先来看以下V3模型官方发布的测试报告（后续我会进行深度体验并给出评测与使用分享）。

先上论文链接：（以下图片为官方图片）

> https://github.com/deepseek-ai/DeepSeek-V3/blob/main/DeepSeek\_V3.pdf

![](/uploads/微信图片_20250426152745.jpg)

从这张图的对比，不难看出V3的多项评测成绩超越了 Qwen2.5-72B 和 Llama-3.1-405B 等其他开源模型，并且在性能上**与世界顶尖的闭源模型 GPT-4 及 Claude-3.5-Sonnet 相当。**

在某些代码的测试中，V3甚至超过了上一代在代码方面表现最强的Claude-3.5-Sonnet（我们这里并不考虑o1，因其成本等方面的原因）。

- - -

## 03

由此，2025年的大模型格局有真的如红杉资本预测的那样吗？

事实上，当我们跳出资本视角来看这个问题时会发现，AI行业的发展正呈现一个更为复杂且充满变数的态势。红杉资本的预测虽然基于其丰富的投资经验，但显然低估了几个关键因素：  

\- 技术创新的不确定性。正如V3的突破所展现的，AI技术的演进并非线性过程。开源社区和新兴企业完全可能通过创新性的技术路线、训练方法或架构设计（或许未来**基于新架构的模型将会更强**，这是一个很大的不可预测性的可能）在某些领域超越现有巨头。

\- 全球化竞争格局的复杂性。将竞争者限定在少数美国公司的视角，忽视了全球其他地区，尤其是中国在AI领域的深厚积累和创新潜力。事实上，从**底层框架到应用落地**，中国企业已经构建起相对完整的技术体系。后来者居上的可能更加明显了。

* 不能仅局限在模型的性能表现。临近2025，当我们在讨论新一年的AI格局时已经不能仅仅聚焦在模型能力上了（红杉资本的报告中也并没有这样做）。下一年，真正的竞争优势将来自于对垂直化场景的深度理解和优化能力、本地化的数据积累和文化适配（**这一点我尤其看好**）等等。

- - -

## 04

我认为，AI竞争的维度正在发生根本性转变：  

* 从技术追赶，转向创新引领
* 从资本导向，转向价值创造

特别值得一提的是，在本地化这个维度，中国企业展现出了独特的优势。不仅体现在**对本土市场的深刻理解**，更体现在将AI与传统产业深度融合的能力上。这种优势，恰恰是纯资本视角往往会忽视的。（还是要以人民为中心）

期待未来更多的顶尖模型被开源。从某种程度上看，开源才是最安全、最有生命力的。

来自AI总结：

> 本文通过分析DeepSeek-V3的突破性进展，重新**审视**了红杉资本对2025年AI行业的预测。
>
> 文章指出，AI竞争格局正从单纯的技术实力比拼，转向多维度的综合能力竞争。特别强调了开源模式的重要性、本地化优势的价值，以及"以人民为中心"的发展理念。
>
> 这提示我们，真正的AI发展之路，不应被资本视角所限，而是要着眼于创新引领和价值创造，最终**服务于人民的需求**。


国内开源大模型对齐国际顶尖闭源模型：重新定义2025大模型竞争格局

---
title: 与AI高效沟通：掌握Prompt的表达艺术
slug: 20241227061000-ai-prompt
publishDate: 2024-12-26T22:10:00.000Z
excerpt: 最重要的是，把Prompt设计当作一种沟通的艺术，与你的AI沟通交流，表达你自己的需求才能获得你想要的答案。
featuredImage: /uploads/屏幕截图-2024-12-07-215104.png
tags:
  - AI
  - prompt
  - 分享
---
## 01

这篇文章也是来自于我在与LLM（下面都用AI代指LLM或Agent）对话中产生的一些思考，不同于上一篇[Critical thinking is all you need](/posts/20241226051800-aigc-critical-thinking-is-all-you-need)，在这篇文章中，我想分享一些对于在日常中怎样更好地运用prompt的方法。

我多次有这样的困扰：**随意提问导致AI回答不尽如人意，但又不想花费大量时间设计复杂的Prompt**。而自从我深度使用AI搜索并用在日常生活中，我的困扰更多了，也越想解决这个问题。

我就在想如何能够平衡效率与质量，设计一个简单易用的Prompt以满足我们日常的问题需求。

- - -

## 02

我们先明确问题本质：为什么随意提问效果差？根本原因在于信息传递的模糊性。

我们知道LLM本质上是基于模式匹配和概率预测的，Prompt的重要性可以说是大众所知。

一些重要复杂的prompt结构（如**结构化框架或LangGPT框架等、多层思维链和思维树、示例与模板、角色与场景模拟**等等等）我在进行深度创作时是必须去仔细设计的，而得到的结果总是不错的。

但本文更去解决我在日常生活中的困扰。

- - -

## 03

关于解决办法，我最终想到了是“表达”的问题。

我发现随意提问包含的模糊性更大一部分原因在于我没有明确我的需求。其实这个问题也暴露了一个很大的问题，你有没有把AI当作一个人去沟通交流去表达你的需求，而不是仅仅当作一个你认为是万能的工具。

实际上，在日常需求的简单询问与深度创作中的写复杂完整的prompt两个过程中，我对待LLM的方式也是不同的。这就造成了一些困扰。

- - -

## 04

在日常生活中，尤其是那些我们习惯性地与AI进行的快速查询或获取信息的情境下，我们常常没有太多耐心去设计复杂的Prompt。

这种情况类似于与人沟通时，我们往往期望对方能迅速抓住我们的意图，无需过多解释，但却忽略了对方需要清晰的表达来提供有效的帮助。

例如，我提问“如何让我的表达在回报工作时更清晰”

![图片](/uploads/屏幕截图-2025-04-25-102039.png)

*这里使用的DeepSeekV3，后面会测评它最新号称在代码编写能力打败了Claude 3.5 sonnet的V3模型*

可以看到目前的回答非常笼统，我们换一种描述：“请列出三种可以提升工作汇报清晰度的具体方法，而不是泛泛地列出所有提升表达的建议。”

```
以下是三种专门提升**工作汇报清晰度**的具体方法：



### 1. **使用“金字塔原理”结构化汇报**
   - **方法**：先总结核心结论，再逐步展开支持性论据。
   - **示例**：
     - **结论**：本季度销售额增长了15%。
     - **论据**：
       1. 新产品上线带动了10%的增长。
       2. 市场推广活动增加了5%的客户流量。
   - **作用**：让听众快速抓住重点，避免信息过载。

---

### 2. **用数据可视化工具辅助说明**
   - **方法**：将复杂数据用图表（如柱状图、折线图、饼图）呈现。
   - **示例**：
     - 用折线图展示季度销售额趋势。
     - 用饼图展示各产品线的销售占比。
   - **作用**：直观展示数据，减少文字描述，提升理解效率。

---

### 3. **采用“问题-解决方案-结果”框架**
   - **方法**：明确问题、提出解决方案、展示结果。
   - **示例**：
     - **问题**：客户投诉处理时间过长。
     - **解决方案**：优化流程，引入自动化工具。
     - **结果**：处理时间缩短了50%，客户满意度提升20%。
   - **作用**：逻辑清晰，让汇报更有针对性和说服力。



这三种方法能显著提升工作汇报的清晰度和效率。
```

- - -

## 05

那么，我该如何在日常生活中更有效地表达我的需求，以获得更好的AI回应呢？我总结了以下几个实用的方法（*这些方法是一步一步的。既可以分开单独使用，也可以结合使用。*）：

1. 明确目标

在提出问题之前，先明确你想要达到的目标是什么。这有助于你更精准地表达需求。例如，如果你想提升工作汇报的清晰度，你可以**明确指出你希望获得具体的、可操作的方法（*注意，一定要告诉它，因为他不会理解你的需求。而你提到了这一点，他就会在输出中放大输出具体建议的概率，这很重要*）**，而不是泛泛而谈的建议。

2. 提供上下文信息

尽可能提供更多的上下文信息，让AI更好地理解**你的需求**。例如，如果你在写一篇博客文章，你可以说明文章的主题、受众群体以及**你希望达到的效果（*这也是非常重要的地方，道理同上*）**。这样，AI可以更好地为你提供有针对性的建议。

3. 使用具体的语言

避免使用模糊的词汇，尽量使用具体的语言来表达你的需求。例如，不要问“如何更好地表达？”，而是问“在写博客文章时，如何让我的观点更加清晰，并能吸引读者继续阅读？”。这样，AI可以更好地理解你的需求，并给出更具体的建议。

4. 设定明确的限制条件

如果你有特定的限制条件，一定要在Prompt中明确指出。例如，如果你希望获得三种具体的方法来提升工作汇报的清晰度，你可以在Prompt中明确指出这一点。这样，AI可以更好地满足你的需求。

5. 逐步细化Prompt

如果你发现AI的回答仍然不够理想，你可以逐步细化你的Prompt。例如，你可以先提出一个总的问题，然后根据AI的回答进一步细化你的需求。（***实际上，我在使用中这一种方法对我最实用。你和AI一步一步交流沟通去解决你的问题。核心还是在于表达你自己。***）这样，你可以逐步引导AI给出更符合你期望的回答。

6. 利用AI的反馈进行调整

如果你发现AI的回答并不完全符合你的期望，不要气馁，可以利用AI的反馈进行调整。例如，你可以问AI为什么它会给出这样的回答，或者请它提供更多的选项。这样，你可以更好地理解AI的思维方式，并调整你的Prompt以获得更好的回答。

## 06

这是我在日常使用中总结的一些"**快速使用Prompt"**，但这并不意味着我放弃了更高级的prompt框架。

在需要深度创作和复杂思考的时候，我仍然会花费时间去设计一个结构化、细致的Prompt（后续我会分享更深度实用的高级框架结构，感兴趣的话请继续关注）。

最重要的是，把Prompt设计当作一种沟通的艺术，与你的AI沟通交流，表达你自己的需求才能获得你想要的答案。

来自AI总结：

> 这篇文章强调了将prompt设计视为一种**沟通的艺术**，通过清晰地表达需求，与AI进行有效的沟通，从而获得更符合期望的答案。虽然文章也提到高级prompt框架的重要性，但重点在于日常使用中如何快速有效地改进prompt，提高效率和回答质量。核心在于“表达你自己”。 
>
> 对用户有用的信息： 
>
> \- 不要期望AI能读懂你的心思，清晰地表达你的需求是获得有效回答的关键。
>
> \- 可以尝试文章中提到的六个方法，尤其是逐步细化prompt的方法，与AI进行互动式沟通。 
>
> \- 即使是简单的日常问题，也应该认真对待prompt的设计，避免使用模糊的提问方式。
>
> \- ***将AI视为一个需要沟通的对象，而不是一个简单的工具***。


与AI高效沟通：掌握Prompt的表达艺术

---
title: AIGC将导致某些群体的集体认知偏差？（Critical thinking is all you need）
publishDate: 2024-12-25T21:18:00.000Z
excerpt: 批判性思考不是对技术的否定，而是为了更好地运用技术。就像我们学会分辨信息真伪一样，这是数字时代必要的一项能力。
featuredImage: /uploads/屏幕截图-2024-12-06-213147.png
tags:
  - AI
  - 思维
  - 深思
slug: 20241226051800-aigc-critical-thinking-is-all-you-need
---
## 01 当我们过度信任AI的回答

在与LLM（Large Language Model）互动的过程中，我愈发体会到保持批判性思考是非常重要的。

随着对LLMs（与AI搜索）的依赖日益加深，我发现自己不自觉地倾向于相信其输出结果。因为**输出结果的结构化与其确定式的语气**让输出结果总是显得尤为客观。

但事实真的如此吗？我们需要意识到LLM的输出仍然是基于算法和数据的产物，必然存在局限性。

有人可能会说，LLM的训练数据来自互联网，涵盖了海量信息，应该足够全面了。然而，这种看法忽视了几个关键问题：

首先，互联网上存在大量未经验证的信息，某些错误内容可能因多次转载而在训练数据中重复出现；

其次，LLM在训练过程中会对数据进行概率建模，可能会强化这种普遍却不一定准确的观点；

再者，训练数据的时效性也是一个很大的限制，特别是在快速发展的领域。

需要特别注意的是，某些专业领域的优质内容在互联网上的呈现可能并不均衡，小众但重要的观点可能会因数据量较少而被减弱其出现的概率。

尽管我认识到了这一点，在我所较多涉及的领域我能尽量做到客观性的基于LLM的输出进行**批判性思考**并选择性的吸收与再思考。在我不甚了解的领域呢？

我承认无法完全做到，基于有限的行业认知与对于专业名词术语的认知匮乏，我倾向于向LLM寻找解答。这在过去我们会去使用搜索引擎。

然而，问题就出现在这里 ：

搜索引擎至少会展示多个信息源，让我们能够被动地去对比不同观点和说法。而LLM的回答往往是单一的、综合的，这种"权威"的表达方式容易让人忽视其可能存在的偏差和错误。（我并不拥护传统搜索或贬低现在的AI工具）

更严重的是，LLM的回答通常带有高度的确信性和完整性，这种表达方式会降低我们继续探索和质疑的动力。当我们面对不熟悉的领域时，这种影响尤为明显。

更值得注意的是，LLM可能会将不同来源的信息融合在一起，产生看似合理但实际可能有误的内容（幻觉）。

这可能导致两个严重的后果**：一方面，我们可能接受了错误或片面的信息；另一方面，我们逐渐丧失了独立思考和深入研究的能力，过度依赖AI的"解释"。**

这种认知偏差不仅影响个人，随着AIGC工具的普及，我认为这可能会在更大范围内形成一种"集体盲从"现象。

特别是在专业性较强的领域，非专业人士可能更容易被AI的"专业"表达所误导**。**

---

## 02 我们是否正在失去“比较”能力？

关于这个话题，即我在标题所说的”AIGC将导致某些群体的集体认知偏差？“，实际上，早在互联网阶段就存在。**信息的泛滥和算法驱动的推荐系统**早已被批评为导致信息茧房（从舆论方面上讲，下同）和回声室效应（在一个封闭或隔离的环境中，特定的观点、想法或信息在其中不断被重复和强化，从而使得这些观点在参与者心中显得更加普遍和有说服力。），这些效应使得某些群体内的观点得以强化，而与外部世界隔绝。  

然而，AIGC（人工智能生成内容）技术的出现，无疑为这一问题增添了新的复杂性。

前文所提到的LLM的令人信服的标准化输出，再根据与用户交互形成的”定制化“表达，这二者相互作用，极大地增强了信息的说服力和影响力。

另一方面，AI搜索会突破这种僵局吗？

红杉资本在其报告中预测，AI搜索作为杀手级应用的崛起，预计到2025年，每个人可能至少有两个专业化AI搜索引擎。

有人认为AI搜索能够通过整合多方信息来缓解这个问题，但我担心情况可能恰恰相反。

当搜索引擎也开始使用AI来整合和呈现信息时，原本还存在的**"被动对比"**机会可能进一步减少。

在传统搜索中，我们至少看到不同网站的标题和摘要，这种视觉上的区分提醒着我们信息来源的多样性。但在AI搜索中，这种“提醒”可能被更流畅的叙述所取代。AI不仅会整合信息，还会用更优雅、更具说服力的方式呈现出来。这种转变可能会让我们更容易忽视信息的原始来源和背景。

尽管现在的AI搜索会注明搜索源，并标注出来以显示语句的参考来源。但我们来看一个类似的现象：学术论文中的引用。尽管每个观点都有引用来源，但在快节奏的阅读中，我们往往倾向于直接接受文中的论述，而不是去查证每一个引用。

更值得警惕的是，AI搜索可能会强化我们对**"快速答案"**的依赖。当一个复杂问题能在几秒钟内得到看似完整的解答时，我们还有多少动力去探索更深层的内容？这种便利性背后，是否隐藏着我们逐渐丧失深度思考能力的风险？

---

## 03 在批判中前行

我在文中提出了这些忧虑和思考，但这并不意味着我对AI持消极态度。恰恰相反，正是因为看到了这些潜在的认知陷阱，我们才能更清醒地使用这些工具，从而充分发挥它们的价值。

我始终认为技术是中性的，关键在于使用者的态度和能力。批判性思考不是对技术的否定，而是为了更好地运用技术。就像我们学会分辨信息真伪一样，这是数字时代必要的一项能力。

对于AI的发展，我保持乐观态度，因为每一次对潜在问题的认识和讨论，都是我们走向更明智使用AI的重要步骤。

---

## 04 我的思考遇见研究

下面是一些对于深入分析了LLM如何与人类互动，以及这种互动如何影响我们的记忆、信任、理解和自我认知的相关论文。

Conversational AI Powered by Large Language Models Amplifies False Memories in Witness Interviews（由大型语言模型驱动的对话式人工智能在证人访谈中放大了虚假记忆 ）**¹**

这篇论文结果显示，使用大型语言模型的生成式聊天机器人显著增加了**虚假记忆**的形成，比对照组多诱导了超过3倍的即时虚假记忆

Unavoidable Social Contagion of False Memory From Robots to Humans （不可避免地从机器人到人类的虚假记忆的社会传染）**²**

这篇文章探讨了人们与基于语音或文本的对话代理（如聊天机器人）互动时，这些代理可能会无意中从人类知识数据库中**检索错误信息、自行编造回应**，或出于政治目的**故意传播虚假信息**。

The Illusion of Understanding: Measuring the True Comprehension of Generic and Specific AI Models（理解的幻觉：衡量对通用和特定AI模型的真实理解）**³**

这篇论文探讨了用户对AI模型输出的理解和信任度，发现即使用户不理解AI模型的工作原理，他们也**可能过度信任模型的输出**，这种现象可能导致用户对AI生成的信息**缺乏必要的批判性思考。**

Trust in AI: Looking Beyond the Algorithm Itself（信任AI：超越算法本身）**⁴**

研究者探讨了人们对AI系统的信任是如何形成的，以及这种信任可能带来的盲目性。文章指出，用户**倾向于相信AI的权威性**，这可能掩盖了AI输出的不确定性和潜在错误。

The Algorithmic Self: How the Use of AI Changes the Subject（算法自我：AI的使用如何改变主体）**⁵**

这篇论文讨论了AI的使用如何改变个体的自我认知和决策过程，包括对AI输出的依赖性，这可能**影响个体的独立思考和批判性分析能力**。

注意，在对这些论文进行综述时，我已尽力确保内容的准确性和全面性包括利用AI进行总结。然而，任何对复杂研究的总结都可能无法涵盖所有细节。因此，以上总结只是在这一领域的一部分论文的综述，主要反映了这些论文的主要观点与论调，而非其全部内容。

我也承认这里列出论文综述也是为了表明我的观点（即AIGC对我们思维等方面的负面影响）并不是一种由于主观原因造成的误判。

我希望我的总结以及经验经历的分享能引发你的思考，甚至更加全面的观点。

我建议对这一主题感兴趣的读者直接查阅原始论文，以获得更全面和准确的理解。

```
https://arxiv.org/html/2408.04681v1
https://psycnet.apa.org/fulltext/2024-27566-001.html
https://link.springer.com/content/pdf/10.1007/s00146-024-01990-4.pd
https://arxiv.org/pdf/2403.14680
https://pure.au.dk/ws/files/69632595/oct_27_2013_The_Algorithmic_Self.pdf
```
 
---


来自AI总结：

> 这篇文章从个人经验出发，深入探讨了AI技术，特别是LLM对人类认知和思维方式的影响。文章不仅指出了潜在的风险和挑战，也强调了保持批判性思维的重要性。通过理论分析和学术研究的支持，文章提供了一个平衡的视角：既认识到AI技术带来的便利，也警惕其可能带来的认知偏差。最终，文章表达了对AI发展的乐观态度，强调关键在于用户如何明智地使用这些工具。


AIGC将导致某些群体的集体认知偏差？（Critical thinking is all you need）

---
title: AI辅助创作的局限性：基于两部长篇小说的实践研究
publishDate: 2024-12-13 22:32:00
excerpt: 共创的美妙之处在于，AI既是工具，也是伙伴，帮助我们探索未知，赋予创作更大的可能性。
featuredImage: /uploads/83c84f9fa430f81fcd87053fe57d6209.jpg
tags:
 - AI
 - 共创
---
## **01 前言**

以下所探讨的是基于超长文本创作得出的一般性结论，因此短篇内容的结果可能并不符合即将在下面展开的内容。另外，利用AI改写与扩写不在文章讨论范围以内。

本文通过在实际的应用中总结出来的经验或方法论去尝试获得一些理论，并在将来的深度人机互作中提供些许指导。

关于市面上的AI写作工具其背后逻辑大多是用系统提示词做优化，另外接入数据库可以解决记忆问题。但如果要使用能力很强的模型，成本太高，目前我并未做相关尝试。

不过，搭建工作流（工作量会很大）来进行超长文本的创作可能会有效，准备进行尝试。

- - -

## 02 结果

目前，我利用prompt单独指导LLM（主要使用的gpt）写作，在两个平台完成了两部小说的创作

![图片](/uploads/屏幕截图-2025-04-26-153727.png)

- - -

## 03 我是如何创作的

Prompt在创作中作为一个重要角色。这是经过多次迭代后的prompt（将我想要写作的内容结构化输入，在多次沟通改进后的汇总结果），算得上一份大纲。

![图片](/uploads/屏幕截图-2025-04-26-153749.png)

在我要求gpt将其全部记忆确保不会因为上下文长度的限制而使它忘记前文在写什么，就开始了每一章的写作。

接下来我并没有完全放任情节的走向。相反，每一章我都在对它进行指导，规划情节的走向。

- - -

## 04 我在创作中遇到的问题

**1.无法控制情节走向**，尽管我试图通过prompt提醒它

就好像你在教导一个孩子如何走路，牵着他往北走，他却拉着你往西北或东北走，越来越偏，你还拉不动。

> 大语言模型的这种趋向平均的特性似乎是与生俱来的局限，这是由它的自监督和自回归的学习机制导致的：一个 token 与另一个 token 共现的频率就是最具引导性的 KPI（Key Performance Indicators，即关键绩效指标），那些容易造成不和的（divisive）token 难逃被平均化的命运。

**2.无法控制地出现很不舒服的叙述**（在这之后每当看到这样的叙述我就知道是AI写的）

简单来说就是**模糊性与不确定性**。

这并不是因为prompt可能会使输出的概率更倾向于某个词语的输出，可能恰恰因为这种不确定性，是来自于大量趋于平均化的数据，使得奖励模型得到的评分更高。

> < 他不知道这句话意味着什么，但他隐约觉得，自己的生活正在被某种不可见的规则改变着。 
>
> < 他突然意识到，自己似乎已经身处某种游戏之中，而规则从未被真正说明过。< 他明白，自己已无退路，而每一步棋，都将引领他走向更深的谜团。 
>
> < 他抬头看着街道尽头，眼神中透露出一种新的决心。
>
> < 他知道，无论规则如何荒谬，他必须找到这条路的尽头。

**3.无可避免的割裂感**（具体表现在章节之间）

每一章节的末尾总是通过前文的不确定性语言结尾，而导致下一章的开头经常从莫名其妙的叙述开始。

我试图通过prompt优化文章的连贯性，但效果甚微。

**4.强烈的使命感与极其正确的价值观**（这并不是说这不好）

这倒是可以理解，在模型公布之前的微调阶段，对于回答进行规范与约束是必要的。

但在长文本创作中，更多的文字加强了输出文字趋于正确价值观概率的表现，这导致文章风格在中后期的表现令人汗颜与疲劳。

**5.词汇贫瘠或者说是趋同化严重**

比如每一章的标题，如“现实的裂痕”“裂痕之中”“裂痕之外”“镜中裂缝”“裂缝之间”（ʅ（´◔౪◔）ʃ）。

尽管这些标题不是连在一起的，但也好不到哪去了。

用词问题不仅体现在标题上，正文的问题同样不小，不具体展开了。

在我的prompt中包括（多样性Perplexity衡量文本的复杂程度，反映词汇的丰富性和不可预测性。更高的多样性表示内容更加多变并且更难预测），但这一要求并没有被执行贯彻。

具体原因大概也是长文本的创作导致记忆的丢失。

但我也试图通过频繁的prompt提高文本质量，但这让大模型认为我的要求更新，导致它不按照最初的记忆而遵循新提出的要求。

也就是这样一次次的沟通，我逐渐拉不动这个孩子了。

- - -

## 05 为什么会出现这些问题

显而易见的是通过简单的输入“请你为我创作一篇能够获得诺贝尔文学奖的作品”这不够现实也是不可能的，甚至在遥远的未来也永远不可能。

为什么？

##### 关于理解

这是LLM本身的局限：它并不是在创作，并没有真正的像人类一样去理解。

——这里所说的理解，广义上我们这样定义它：（只是表面去阐述而不涉及生物学等）我从你的输入（语言）中得到了特定的符号，这些符号是对于现实世界具体事物的抽象认知；

这些符号之间存在某种逻辑关系，我作为人类能够将这些符号组合起来，能够解读出你想要传达的信息；

符号之间的逻辑关系帮助我构建起了一个意义框架，是我能够理解话语的深层含义；

在此基础上，我会解码意义、情感共鸣、联想记忆、推理判断、进行规划、决策行动、反馈调整。

嗯？不对，这不就是AI Agent（LLM + Planning + Memory + Tools）了吗？的确，Agent就是以这样的逻辑去被提出并构建出来的。

但是，有一个重要的词语被忽略了——“符号“。

* **符号**

符号是人类对现实世界的抽象映射，它不只是单纯的标记，还承载了情感、文化背景、历史语境等多维度的信息。

我们在处理符号时，不仅关注其表层含义，还会关联个人记忆、经验和情感，从而形成深层次的理解与创造力。

例如，“苹果”作为符号，对于AI是某种模式匹配，但对于我们，感官上的体验出现在脑中。

* **局限**

LLM的符号处理基于统计和概率模型，它在某种程度上“**模仿**”了符号与符号之间的逻辑关系，但无法真正”理解“符号背后的情感与文化深意。

AI在生成内容时无法对符号赋予原创的情感与深度，它并不能将“苹果”与个人的感官体验关联。

##### 关于奖励

这里我们并不讨论模型发布前训练阶段中的奖励模型阶段，而是在与用户对话的上下文文本中。

在对话中，LLM会根据反馈（无论是显式的还是隐式的）来动态调整其回答，内部实施一种“奖励模型“（并不是LLM构建流程中的Reward Modeling），其中正面的反馈被视为“奖励”，鼓励模型在未来的对话中复现类似的行为。

而在沟通交流中，包括prompt中出现的带有反馈性的词语在我们并没有察觉的情况下会影响这个“奖励模型”，进而在未来的对话中出现出乎意料的回答。

另一方面，长文本的字数更是会**强化这一限制**。

- - -

## 06 与AI共创

我们不得不承认现在的AI仍处于起步阶段，但我抱以乐观态度。

也许，从底层逻辑来看，LLM依赖于庞大的数据和统计模型，输出基于概率，而非真正的认知。

然而，**人类的行为是否完全基于绝对客观的认知**？我们的语言、决策和行为同样受限于经验、情感和文化背景。正如我们尚未全面理解自己的大脑，AI技术的背后也有许多尚待探索的“黑箱”（实际上，目前我们所说的LLM都是黑箱模型）。

我们的**直觉、创造力和情感**仍是现阶段的优势，但未来AI可能通过模型逐步模拟这些特质。

尽管AI无法真正感受情感，但它已经能在许多场景中模仿并生成情感化的内容。我们与AI的合作不仅仅是技术工具的使用，更是对深度交流的探索。

共创的美妙之处在于，AI既是工具，也是伙伴，帮助我们探索未知，赋予创作更大的可能性。

来自AI总结：

> **主要发现**
>
> 1. 完成了两部小说的AI辅助创作
>
> 2. 使用迭代优化的prompt作为写作大纲 
>
> 3. 每章节进行人工指导
>
> **核心问题**
>
> 1. 情节难以控制,容易偏离方向
>
> 2. 叙述频繁出现模糊不确定性
>
> 3. 章节之间存在割裂感 
>
> 4. 过度表现正确价值观
>
> 5. 词汇使用单一重复 
>
> **根本原因**
>
> \- LLM缺乏真正的理解能力 
>
> \- 仅能进行表层的符号处理 
>
> \- 无法建立深层意义框架

Yu-XiNexus

足迹