本字幕由TME AI技术生成
大家好
欢迎来到best block 早报播客
我是吉诺
今天是四月七号
星期二
今天这一期的主题可以用四个词概括
田园洞访访谈
Open cloud 争议和新版本car paacy 提出的想法文件
还有上下文工程的真正含义
听完这一期
你大概能拿到三个东西
第一
关于两千零二十六年大模型往哪里走
一个真正在拉玛团队待过的人
他自己的判断是什么
第二
Ac coding 这条线最近的两个具体动作
Open cloud 新版本和clod code 的工程实践到底意味着什么
第三
在agents 真的能干活之后
软件分发和上下文管理这两件事正在被重新定义成什么样子
我们今天会重点展开四条
剩下的六条我会用速览的方式带过
开始吧
第一条
也是今天评分最高的一条
是卫世杰商业漫谈做的一期播客
访谈对象是田园洞
前meter 尔的研究总监
第果你对这个名字不熟悉
简单说一下背景
田园洞是华人faa i 研究里非常有代表性的一位
长期在meta 的人工智能实验室参与拉玛系列的研发
这次访谈他刚刚从美塔离开
所以聊得很坦诚
我自己是从拉马二那个时期开始关注他的工作的
他是少数几个记写论文也写博客
还能用大白话把研究讲清楚的研究员
我一期博客一共聊了快两个小时
干货密度非常高
我把里面对我冲击最大的几段拎出来讲
我把这一期的精华归纳成三个让我自己印象很深的判断
第一个判断是关于大厂ai 的组织模式
田元栋讲了一个很扎心的问题
他说
大厂在ai 竞速的压力下
正在从原来那种自下而上的自由探索
慢慢转向所谓的数字驱动管理
听上去很合理对吧
看数据
看benchmir 看汇报
但他指出来
过度看分数的结果是研究员开始倾向于刷分
而不是去解决本质问题
这种模式训练出来的模型更像是一个会应对考试的差生
而不是真正具备深度理解力的学生
我听到这里的时候有点感慨
因为这个逻辑不只是ai 实验室的问题
几乎所有大组织都会掉进去
第二个判段是关于scaling law 的边界
田园栋的态度是
他并不觉得完全按照现在scaling law 这条路走下去
最后会真的产生agi
他举了一个对比
人脑的功耗大概是二十到三十瓦
用的数据量也远远小于今天的大模型
但人能形成高阶智能
所以下一站的关键不是继续堆算力
而是找到一种更接近人脑的学习范式
他自己最近的研究方向
比如隐空间推理
也就是让模型在一个抽象的表示空间里完成推理
还有流失大模型
本质上都是在回答这个问题
第三个判断是给所有技术从业者的
他叫科研品味
在ai 能够无限供给内容的时代
他认为人的核心价值是去选择那条没被选过的路
T happp s not taken
他的原话是
一个人必须有一个能被痛的东西
这个压注本身就构成了你的价值
我自己听完这一期
最大的收获不是某一个技术结论
而是他的一句话
两千零二十六年会是一个遍地神灯的时代
真正稀缺的不再是实现愿望的能力
而是愿望本身
大模型会让执行越来越便宜
那么你想做什么
为什么做
反而成了最值钱的部分
如果你最近也在思考方向问题
我强烈建议你去把整期播客听完
链接在show notes 里
第二条跳到android car pathy 的一条推文
他最近又抛了一个新概念
叫做法法文件
英文是idea files
这条是借着他之前背条很版本关于llm 个人知识库的推文继续讲的
Kkpathy 的核心观点是这样的
在llm aggent 时代
分发一个特定的app
或者分发一段代码
价值在快速下降
真正有价值的是分发抽象的蓝图
什么意思呢
你可以这样理解
过去我做了一个工具
要上架
要打包
要让所有人都装我这个版本
但是现在
我只需要把这个工具背后的想法
结构
关键决策写成一个文件扔到get tap gist 上
任何一个用户让他自己的agent 去读这个法法文件
Agent 就能根据他自己的需求构建一个完全个性化的版本
这个范式转变我觉得有两个非常实际的含义
第一个含义是软件分发的重心从代码变成了意图
以前我们抢的是用户的应用列表
未来抢的是用户agent 里的那个想法源
第二个含义是对个人开发者特别友好
你不需要再去做发行
做兼容
做克服
另一要把意图讲清楚
剩下的都是用户的agent 去完成
我自己最近在做best blocks 的内容工作流
其实也在体感这件事
很多功能我不再写完整的脚本
而是写成一个意图描述
扔给cloud code 这种agent 去执行
这条路线跟karpathy 描述的方向非常一致
第三条紧接着说open cloud
今天早报里open cloud 了两条
一条是a 十六c 的视频访谈聊open cloud d 议议事和软软件未另
另一条opopen cld 自己发了两千零二十六年四月五号的新版本
我把这两条合起来讲
先说新版本
更新内容很丰富
我自己视频和open 生成上线了
引入了一个实验性的功能叫dreaming
梦境是一种记忆巩固系统
思路是让模型在空闲时把短期记忆固化成长期上下文
这个方向非常有意思
还有更好的提示词
缓存复用
控制台和文档新增了十二种语言
但是这次发布最受关注的其实不是新功能
而是open cloud 在公告里说的一句话
Anthropic 切断了我们的连接
Gpt 五点四表现更好了
我们继续前行
这就是a 十六z 那期视频聊的所谓open cloud 争议事件的背景
简单复述一下件件事
Open cld 原本是通过第三方接入anthroropic 的模型
Anthropic 调整了订阅政策之后
把这条路切断了
Open cloud 回应是切换到gpp 五点四
并且专门在新版本本里为还在用第三方接入工具的用户提供了一个绕路的趋式
这件事的意义不只是两家公司之间的恩怨
它反映了一个更大的趋势
Ai 工具的生态正在割据
模型厂商在收紧对自己模型的访问权
套工工具和原生工具之间的差距在拉大
Peter young 在a 十六z 那期视频里也提opc load code 这种深度集成的工具正在重新定义软件开发的范式
跟外外挂式的接入完全是两个物种
我自己的判断是
未来一两年
我们会看到更多类似的切断和绕路
对用户的建议很简单
不要把自己的工作流绑在任何一个第三方代理层上
要么用原生的
要么做好可以随时切换的准备
第四条是bad bad go 的一篇文章
叫llm 上下文工程指南
这篇我也强烈推荐
因为他把一个被滥用的词上下文工程讲清楚了
文章一上来就挑战了一个流行的迷失
更大的上下文窗口等于更好的性能
这话听上去很对
但作者引用了chrome 在两千零二十五年的一份研究
叫上下文衰减c on text route
研究发现
一旦上下文超过某个阈值
模型的准确率可能会从百分之九十五直接掉到百分之六十
这多一个token 都在消耗有限的注意力预算
这里有两个非常具体的现象
第一个是迷失在中间
模型对长输入的开头和结尾记得很清楚
但对埋在中间的关键信息容易忽略
这是transformer 加上这种位置编码编码方式带来的结构性问题
第二个是注意力稀释
信息越多
每条信息分到的关注就越少
那上下文工程到底是什么
作者给了一个很清晰的定义
它跟提示词工程不是一回事
提示词工程关注的是怎么写一句话
怎么措辞
上下文工程关注的是整个上下文窗口里所有信息历史记录
工具调用结果的动态组合
怎么编排
文章给了四个核心策略
我用一句话讲清楚每一个
第一个是写入
把不重要但需要保留的内容放到外部草稿板里
第二个是选择用rag 这类方法
按相关性把需要的信息检索回来
第三个是压缩
对历史记录做总结或者修剪
第四个是隔离
把任务拆给专门的子智能体
每个智能体维护自己干净的上下文
我自己用一句话总结这篇文章的精神
当模型能力足够强的时候
大多数失败就不再是智能层面的失败
而是上下文层面的失败
如果你最近在做a 或者
或者调一个总是出错的prompt
先别急着换模型
先把上下文重新梳理一遍
下面六条用速览的方式过一遍
第五条
阿里技术发了一篇文章
讲止损防控agent 从vv 到v 二的眼眼
Vv 是多智能体编排
V 二是单agent 自主决决策
它的的核洞洞察
我觉得别值值构的一下更强思模型意味着更薄的编排层
通过长上下文加mcp 工具链加git 知识管理准确率和召回率编排倍
这个思路跟今天前面讲的car pacy 想法文件上下文工程其实是同一条线
第六条
Smo willion 推荐的一篇深度复盘
标题叫八年的构想
三个月的ai 构建之旅
开发者
莱lit
Maranti 用cloud code 三个月把一个拖了八年的高保真sekl light 工具做出来了
但是这篇文章的真正价值是他给了一个反向的警告
Ai 让变更成本变得极低
反而会让开发者陷入设计拖延
反而会更看上去那么便宜
关键的架构决策反而被一直推迟
我自己也踩过这个坑
建议大家读一下
第七条
E engineering at mata 发了一篇讲meta 怎么用ai 梳理大规模数据流水线里的部落知识
他们搭了一个预计算引擎
用五十多个专门的ai 智能体去分析四千一百多个文件
然后生成结构化的指南文件
结果是ai 编程助手能理解那些没写在文档里的设计决策和跨模块依赖工具调用次数减少了百分之四十以上
这个思路跟car acthy 想法文件跟上下文工程的写入策略又是同一件事
今天早报有一条很清晰的主线
就是ai 时代的核心资产正在变成结构化意图图和术文题
第八条
Hii 频道一期视频
A ten 演示一个非工程师怎么用cloud code 同时操作十五个代码库去回答客户的技术问题
这条挺打脸我自己以前的判断
Ai coding 工具不只是给工程师用的
对客服 支持
Pm 这些角色可能影响更大
第九条
十字路口crossing 的一期播客访谈
Mox 联合创始人张浩然
标题就很有冲击力
A gi 来了
我用了一周头皮发麻
聊的是ai 原生协同产品的设计逻辑
以及在agi 临界点创业的机遇和挑战
如果你最近在做协同类产品
可以听一下
第十条
回到我们一开始重点讲的a 十六z 那期视频
Peter young 做客ca 十六z show
主题就是open cloud c load coat 与软件的未来
前面已经展开过了
这里不重复
今天的早报就到这里
如果让我用一句话总结今天的主线
我会说
Ai 时代真正稀缺的不是模型能力
而是意图和上下文
从田园栋讲的科研品味
到car prthy 的想法文件
到上下文工程指南
到meta 用agent 整理部落知识
都是同一句话的不同侧面
模型会越来越便宜
执行会越来越廉价
剩下的是你
你想做什么
你的判断从哪里来
你怎么把信息组织成一个能被agent 理解的环境
完整的文章和博客链接都在今天的show notes 里
如果你今天只能挑一条听一条读
我会推荐田园栋那期访谈和bat bat go 的上下文工程指南
一个负责拓宽视野
一个负责直接落地到你手上的项目
如果你觉得今天这期对你有帮助
欢迎在小宇宙关注guest blog 早报
我们明天见