MaybeJustLikeThis

能做和能上线之间，隔着一条叫”可靠性”的鸿沟。 ChatGPT 刚出来那会儿，很多人都有过一种错觉：这东西太强了，给它接上 API、挂上工具，是不是就能代替人干活了？我自己也这么想过。你让它帮你查个天气、订个外卖，它确实能聊得头头是道，感觉离”数字员工”就差一步。 但真动手做过 Agent 项目的人都知道，从”能聊天”到”能干活”这一步，远比想象中难。差距不在提示词写得好不好——Chatbot 只需要把话说对，Agent 还要把事做对。前者出错了你最多翻个白眼，后者出错了你可能是数据库没了。 所以一个能干活的 Agent，最小可行结构是什么样的？从 Demo 里跑通一个 Agent 到真正把它推上生产，中间到底缺了什么？这篇文章想聊聊这件事。 先从最基本的结构讲起。不管外面包装得多花哨，一个 Agent 的核心循环其实就这么简单： 12345while not done: thought = llm.think(context) # 想 action = llm.decide(thought) # 决定做什么 observation = ...

编排不是让 Agent 变得更聪明，是让它们各自做对的事。 你的 Agent 已经会查数据库了，会写代码了，会发通知了。单看每一项都还不错。但当你让它同时做这三件事——先从数据库查出问题，写一段修复代码，再发邮件通知相关人员——事情就开始失控了。上下文窗口塞满了数据库 schema、代码规范、邮件模板，Agent 开始用写代码的逻辑去组织邮件内容，或者在应该发通知的时候跑回去重新查一遍数据库。你不禁怀疑：这东西单独用的时候明明挺靠谱的？ 单 Agent 的瓶颈不是能力不够，是上下文和角色冲突。一个人再强，也没法同时当产品经理、工程师和测试——你脑子里同时装三套完全不同的指令体系、工具描述和历史记录，最后的结果一定是互相干扰。Agent 也一样。 那什么时候该拆成多 Agent？怎么编排？拆完之后怎么保证不翻车？ 这三篇系列走到这里，第一篇搭了骨架，第二篇注入了知识，这一篇想聊的是——当骨架和知识都不够用的时候，怎么通过编排让多个 Agent 分工协作。 先说清楚一件事：为什么要拆。 答案不是”多个 Agent 更厉害”。说实话，如果你的任务足够聚焦、上下文足够干净，单个 Ag...

检索是找到文档，RAG 是让模型基于文档生成正确的回答——这两者之间的距离，就是一整套工程系统。 你让一个 Agent 去查公司的退款政策，它可能会给你两个结果：要么编一个听起来很合理的规则——“7 天无理由退款，需保持商品完好”——但它其实是从训练数据里某个电商 FAQ 学来的，跟你公司一点关系都没有；要么它确实找到了你们公司的退款政策，但那是 2023 年 3 月的旧版本，早在去年 9 月就已经改过了。 这就是 LLM 最根本的两个知识缺陷：知识有截止日期，而且它不知道你公司内部发生了什么。训练数据再丰富，也覆盖不了你企业知识库里的那几十万份文档、不是昨天的产品变更、不是只有内部员工才看得懂的术语表。 上一篇我们聊了 Agent 的骨架——LLM + Tools + Memory + Harness。骨架搭好了，但光有骨架的 Agent 就像一个什么都不知道的新员工：它能用工具、能执行流程，但问它任何业务相关的问题，它要么说”我不知道”，要么更危险——假装知道。 所以怎么让 Agent 真正”懂”你的数据？答案指向一个被说烂了但很少被说清楚的词：RAG。问题在于，大多数人...

香港之行 有些地方，你去了之后才明白为什么那么多人想去。 五月底，趁着毕业前的空档，和一个朋友约了趟香港。从太原出发，经昆山、宁波，上海、香港、澳门，最后从珠海飞回——五天四城，行程紧凑得像在跑一场接力赛。 路线整趟行程大概是这样的：先从太原到昆山短暂中转，然后坐火车到宁波玩了两天，然后火车去上海浦东，第二天一早飞香港。在香港待两晚，坐大巴去澳门住一晚，最后从珠海飞回。 这趟行程最折腾的是交通——火车、飞机、大巴、轻轨全凑齐了。但说实话，穷学生嘛，折腾才是常态。 宁波在去上海之前，先在宁波停了两天，和东哥、谷哥、超哥碰了面。几个人好久没聚，一见面就是熟悉的互损模式，好像从来没分开过一样。 去了天一阁，说是中国现存最老的私家藏书楼，始建于明朝嘉靖年间。走进去的第一感觉不是”哇好多书”，而是——安静。院子里的树很老，石板路被磨得发亮，空气里有一种旧书和木头混在一起的味道。范钦当年建这个藏书阁的时候立了条规矩——“代不分书，书不出阁”，意思就是书是家族的共同财产，谁也不能拿走。几百年下来，战乱、火灾、盗窃都没能把它毁掉，这份对书的执念，放在今天来看简直是不可思议的。 其实最让我感慨的...

善护念：自我管理，管的是念头 “云何应住，云何降伏其心？” —— 《金刚经》 须菩提问佛陀：云何应住，云何降伏其心——这颗心，到底该怎么安放，怎么降伏？问完之后，他自己加了一句赞叹：”如来善护念诸菩萨，善付嘱诸菩萨。” 佛陀开口说的第一句话，不是道理，不是法门，而是一句看似什么都没说的回答：”善男子、善女人，发阿耨多罗三藐三菩提心，应如是住，如是降伏其心。“ 应如是住，如是降伏其心——就这样安住，就这样降伏你的心。 你刚才聚精会神问我的时候，你的心不就是安住的吗？它不就是降伏的吗？答案已经在你身上了。 须菩提没有意识到，他在恭敬合掌、专注提问的那个时刻，心念已经很自然地”住”在了那个当下。不需要额外来一个方法，不需要另外找一个技巧。能听到自己的一呼一吸，能问出一句真心想问的话，那种”完全在听、完全在问”的专注，这件事情本身就是答案。 然后佛陀才开始展开后面一切——人相我相、不住布施、凡所有相皆是虚妄、应无所住而生其心——在”如是”的基础上搭出了整部《金刚经》。落到最实处的就是那四个字，应无所住而生其心。惠能当年在客店听见有人念这句，当场就悟了。 后来南怀瑾说，佛陀讲了这么多，但...

标签：互联网时代的一维化解法 “你对我的解读，构不成万分之一的我，而构成了一览无余的你。” 小学的时候，有一次机会去同学家做客。这个同学的成绩在我们班排倒数第一，平时你在教室里看他，标签很清楚——“差生”，不爱学习，上课走神，考试垫底。到此为止了，这个标签已经足够让大多数人停止继续观察他。 但那天去到他家里，我看到的是另一个人。 他爸做饭特别厉害，厨房里忙活了一下午，端出来满满一桌子菜，每一道都很用心。他爸妈对他说话的语气很温和，家里的气氛是暖的。他很机灵——打游戏反应极快，操作比我们所有人都溜。他脾气好，被开玩笑也不急眼，笑呵呵的。他在自己家里是松弛的、立体的、闪闪发光的人。 我那时候还小，说不出什么大道理，但心里种下了一个印象：原来”差生”这个标签，只能覆盖他众多切面里最不重要的一角。 而他在教室里被定义的那个版本，甚至不是真实的他——那是他被塞进一个狭窄标签之后，不得不扮演的角色。 这件事后来成了我心里一个锚。每当我想快速判断一个人的时候，它会把我的判断往回拉一拉。 标签的本质不是分类，而是停止观察互联网把标签变成了一种通用语言。你去任何一个社交平台，评论区、个人简介、...

直觉：身体知道的，比大脑多 “我们知道的多于我们能言说的。” —— 迈克尔·波兰尼 写代码的时候，有时候你会有一种奇怪的感觉：说不上来为什么，但你就是觉得这段代码会出问题。不是 bug 已经冒出来了，而是在它还没发作的时候，身体先告诉了你——“这块不对”。 你会停下来，重新读几遍。有时候当场找到问题，有时候隔几天真的在那附近爆了个雷。而另一种情况是，代码写完了，跑得好好的，但你总觉得某个地方”写得不够好”，有一种隐隐的不安或者别扭。回头看，往往是那个地方的抽象不对、命名不顺、或者埋了一个未来会咬你的坑。 这种事情经历多了，你开始信任这种感觉。你不会给它起名字，只在心里觉得”嗯，我好像对代码有一点感觉了。” 另一种场景是选 offer。你画了一整张表格，薪资、成长空间、团队氛围、通勤距离、公司规模……逐个打分，加权求和。表格告诉你选 A，但你就是不想选 A。你对 B 有一种说不上来的偏向——可能 B 钱少一点，平台小一点，但你在 B 的面试里聊得更舒服，或者 B 做的事情让你觉得**”更有意思”**。表格是公平的，但你心里不服表格。 如果表格和内心的偏向指向同一个方向，你就是笃定...

从《搏击俱乐部》聊起 “你拥有的东西最终会拥有你。” ——《搏击俱乐部》 最近又把《搏击俱乐部》翻出来看了一遍，说实在的，第一次看的时候关注的都是那些很刺激的场面，打斗啊，反转啊，Tyler Durden有多酷啊之类的，但是这次重看，反倒被一些很安静的镜头击中了。 有一个场景是主角站在自己被炸掉的公寓废墟前，那些他一本一本从宜家目录上精心挑选的家具，那些构成了他”体面生活”的一切，全没了。但是他的表情不是崩溃，反倒有一种说不上来的……轻松？ 我当时就愣了一下，因为这种感觉其实挺熟悉的。 你有没有过那种时刻，打开手机准备买点什么，但突然意识到自己其实根本不需要它，只是最近有点焦虑，或者有点无聊，或者刷到了某个帖子让你觉得”好像我也该有这个东西”？我就经常这样，每次收到快递拆开那一瞬间是开心的，但这种开心大概维持不了半天，然后东西就放在那里，慢慢变成生活背景的一部分，你也分不清它到底是丰富了你的生活，还是只是占了一个位置。 《搏击俱乐部》里其实一直在讲这个事。主角的公寓像一本被复制出来的生活方式杂志，每一件东西都”对”，都在告诉别人”我是一个有品味的人”，但他自己却失眠、空虚，每天...

长久以来，我们都沉浸在”互联网实现了信息平权”的认知里——觉得只要有网络、有设备，人人都能搜到想要的信息，都能站在同等的信息起跑线上。可随着AI大模型时代到来，当技术抹平了表层的信息获取门槛，藏在水面之下的真实不平等，才渐渐浮出水面。我们如今谈论的信息平权，早已偏离了原本的核心，所谓的公平，不过是一层看似美好却不堪一击的外壳，真正的信息平权，在当下依旧遥不可及。 一、信息平权的核心早已转移：从渠道平权，到数据源垄断前AI时代的信息平权，是停留在表面的渠道平权。互联网普及后，搜索引擎、各类平台打破了信息传播的地域与阶层限制，无论普通人还是企业，都能通过公开渠道浏览资讯、查找知识，不用再被信息渠道的壁垒阻隔，这是我们最初理解的信息平等，也是大众普遍认可的平权形态。 但进入后AI时代，这套逻辑彻底失效了。真正决定信息价值的，早已不是”能不能看到信息”，而是”能不能拿到高价值、真实有效的原始数据”，这便是数据源的不平等，也是当下最核心的信息壁垒。就像最典型的12306火车票数据，所有人都能通过官方渠道查票、购票，这是渠道上的平等；可从正规途径来看，普通个体、中小团队根本无法获取全量、实时...

“千年暗室，一灯即明。” 1914-1918年，第一次世界大战爆发，但是我们在这个地方不去讨论战争本身的对与错， 我只想揭示第一次世界大战带来的经济变化，市场供需关系的变化。 在战争结束后，坦克机械技术向农用拖拉机的转移，这一转变直接推动了农业生产的机械化革命。拖拉机的出现，深深地影响了农民：机械化让少量农民即可耕种大片土地，传统的小农经济逐渐被大农场模式取代，土地兼并和规模化经营成为趋势，农业生产的专业化、商品化程度大幅提升（农产品不再仅满足自给自足，而是成为商品进入市场）。 但是一辆拖拉机的价格是极其昂贵的，一辆较好的福特森（Fordson）履带式拖拉机需要800-1000美金左右，这在当时相当于一个农民一年的收入，如果农民需要购买拖拉机，在当时银行会给你提供贷款服务，多数农民都会选择去贷款，毕竟在当时看来，一辆拖拉机能够顶替相当几十人的劳动力，带来的农作物产出肉眼可见，于是许多农民贷款购买了拖拉机。在购买后的一年到两年内，许多农民切实的靠拖拉机赚到了钱，但是三年四年，问题出现了： 以原来的价格，粮食卖不出去了。 这是一个典型的供需关系的问题：农作物生产的提高，实际上是效...