EP20 · 田渊栋访谈/OpenClaw/Karpathy 想法文件 · 04.07 早报-ginobefun

EP20 · 田渊栋访谈/OpenClaw/Karpathy 想法文件 · 04.07 早报

歌手:ginobefun

专辑:BestBlogs

时间:2026-03-15

    使用手机浏览器「扫一扫」

    在手机上保存,获得更好体验

标签
歌词

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

展开显示全部歌词