EP73 · Codex 开发操作系统、RAG 检索架构失效、AI 认知异化 · 05-31 早报-ginobefun

EP73 · Codex 开发操作系统、RAG 检索架构失效、AI 认知异化 · 05-31 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

欢迎收听best blocks 早报播客

今天是二零二六年五月三十一日

我是你的ai 主播

今天是ep 七三

今天三篇精讲围绕一个越来越清晰的主线展开

当ai 正在改写我们做事的方式

他同时也在改写我们认识自己

认识思考本身的方式

第一篇

一位没有工程背景的产品负责人把codex 搭建成自己的日常开发操作系统

结论

独立完成了过去需要十五人十八个月才能完成的mvp

第二篇

一篇可复现的实验文章

用四款主流嵌入模型系统拆解rag 检索的五类可预测失效模式

结论

有点刺耳

但非常实用

第三篇

一篇让人停下来想一想的深度文章

讨论的不是工具好不好用

而是当我们把认知成果外包给ai 之后

我们究竟失去了什么

三篇合在一起

技术 工程 人文

我们开始第一篇

来自open ai 发布的视频文章builders on scripted

第三期

主角是一位完全没有工程背景的产品负责人

他把codex 打造成了自己每天处理产品和开发工作的操作系统

这期节目最让人印象深刻的不是某一个功能点

而是整体工作流的密度

这位产品负责人的日常是这样运转的

他用linear 管理产品backlock

用gpt 五点五做隔夜竞品研究

对着apple watch 用语音触发codex 任务

第二天早上起床

已经有一批代码在等他审查

这不是把ai 当助手偶尔问问题

而是把ai 整合进日常节奏

变成一套持续运转的系统

Pr 内自动代码审查是这套工作流里一个非常具体的例子

有一次生产事故发生之后

他用codex 做了事故回溯

结果在代码里找到了一个race condition

也就是静态条件

是典型的并发场景下持续不确定引发的bug

事后他把这个回溯能力固化进了pr 审查流程

每次pr 里的代码变更都会自动触发一轮分析

问题在合并之前就能被发现

而不是等到生产出事在追

这里把一个判断值得单独讲

他提出现在的ai 编码平台必须同时满足两种用户的需求

一种是借助a i 辅助的人类开发者

另一种是能独立执行长任务的自主agent

这两种用户的诉求其实是有张力的

人类开发者需要透明

可中断可解释的交互

随时知道ai 在做什么

而自主agent 需要稳定的上下文

持续运行

尽量少的打断

以及能够在不确定情况下自主决策的空码

同一个平台要同时服务好这两种使用模式

设计上需要在控制力度和自主程度之间做非常精细的权衡

这期节目让我想到的一个更大的背景是

过去我们谈ai 辅助编程

讨论的主要是速度和代码质量

哪个模型补全的更准

哪个能生成更少bug 的代码

但这位产品负责人展示的是另一个维度

也就是工作流的重组

而它能在七天内独立完成以前需要十五人十八个月才能完成的mvp

不仅仅是因为代码写的更快

而是整个从想法到验证的路径被压缩了

决策速度

迭代周期

反馈回路全部同时加速

这种加速对没有工程团队的独立创业者或早期团队来说

意味着一个根本性的进入门槛变化

这个变化也带来了一个问题

接下来第二篇要讲的是

当我们大量使用rock 支撑这类系统时

有哪些失效模式是现有工具无法解决的

第二篇来自一个专注于数据科学与机器学习的英文技术社区

标题是嵌入并非魔法

副标题直接点明了内容方向

而ag 检索的可预测失效模式

作者做了一组可复现的实验

选了四款嵌入模型

分别是经典的glove 词向量

轻量级的mini lm

Open ai 的adi 零零二以及embedding 三large

用同样的测试集验证了五类架构性失效

结论是这些失效并不是偶发的

随机的

而是结构性的

可以提前预测

在选择架构时就需要考虑进去

第一类失效叫做专业术语盲区

当文档里包含特定领域的专有名词

比如医疗

法律

金融里的行化时

通用嵌入模型很可能把这些词嵌入到语义空间里错误的位置

原因是通用训练数据里这类词出现的频次和上下文分布和它在实际文档里的使用方式差异很大

用户用行话提问

模型用行话找不到

但换个普通说法反而能检索到

这是企业rag 里非常常见的一类反馈

根源就在这里

第二类失效是术语相似

但文案不相关

两个查询在语义向量空间里距离很近

但实际上用户想要的答案完全不同

举个例子

苹果的营养价值和苹果公司的市场估值在某些嵌入模型里会被映射到相近的位置

因为两个句子里都有高频出现的苹果

模型没有足够的能力把水果苹果和公司苹果的语义完全分开

这类失效在企业文档检索里特别容易出现

尤其是有大量内部缩写或品牌名的场景

第三类是否定无法处理

比入模型本质上是在捕捉语义的相似性

而不是逻辑关系

当用户的问题里包含否定词

比如哪些产品不支持x 功能

两型往往会把这个查询和介绍x 功能的文档匹配上

因为两边都在谈x

语义向量相近

但用户想要的恰恰是不同x 的部分

这个问题在任何基于语义相似性的检索里都存在

不是某个模型的bug

是这类技术路线本身的局限

第四类是数值量级失效

当用户查询里包含具体数值

比如营收超过十亿的公司

嵌入模型没有能力处理数值的大小关系

它能理解十亿这个词出现在数字语境里

但无法做比较运算

也无法理解超过的含义

这类查询用传统过滤条件处理会更准

但很多rag 系统没有把数值过滤和语义检索结合起来

第五类是长文信号稀释

文档越长

里面有价值的信息被淹没在大量平均化向量里的风险就越高

一篇三千字的技术文档

用户想要的答案可能在第十七段

但这段话的信号被其余两千九百字的内容稀释了

导致检索时这篇文档的相关性分数偏低

作者的结论是

企业rag 的可靠性核心来源不是找到更好的嵌入模型

而是建立更强的上游过滤机制

包括关键词过滤和文档结构感知两类

换句话说

在做向量检索之前

先用确定性的方法缩小候选范围

而不是让嵌入模型承担它结构上无法承担的工作

这个结论对很多团队来说

是一个值得认真回看自己现有架构的提示

第三篇

来自腾讯科技旗下的还有好聊专栏

标题是

在ai 引发的认知缴械中

我们失去的将不仅仅是能力

这篇文章讨论的不是某个技术方案

而是一个更根本的问题

当我们把思考的过程越来越多的外包给ai

我们和自己的关系会发生什么变化

作者引入了一个叫做认知缴械的概念

字面意思是缴械

放下武器

在这里指的是认知层面的一种特定状态

你拥有了成果

但你与形成这个成果的过程断裂了

你有了答案

但你没有经历的出答案的那段思考

你得到了一篇文章

一份报告

一段代码

但你的认知主体

也就是那个在思考中一步步推进

在不确定中确认自己的你没有参与其中

作者的论点是

这种断裂并不是ai 时代特有的新问题

而是一条更长的历史脉络里的最新节点

他从泰勒智讲起

二十世纪初的工厂流水线把工人的工作分解成细小的重复动作

工人知道怎么拧螺丝

但不知道自己在造什么

更不知道为什么这样造

这是一种劳动的异化

人执行劳动

但与劳动的意义断开了

Ai 带来的认知异化是类似的结构

只不过发生在脑力劳动层面

不是体力被外包

而是思考被外包

不是双手与产品断裂

而是认知过程与认知成果断裂

它深层的根源

作者指向的是增长社会对效率的永恒追逐

泰勒制的出现是因为工厂需要提高产量

Ai 写作工具的普及是因为内容生产需要降低成本

驱动力是一样的

都是在效率最大化的框架下

把人当做可以被优化的生产要素

那解法是什么

作者没有给出一个技术答案

也没有呼吁停止使用ai

它给出的方向是目的性活动这个概念

也就是那些不以外部产出为核心目标

而是以活动本身为目的的事情

写日记不是为了让人看

练习乐器不是为了成本

跑步不是为了成绩

这类活动的价值在于过程中你和自己的关系

在于那段思考或感受本身

这不是反技术

而是一种主动的选择

在某些领域选择保留那段缓慢的

不高效的

但属于你自己的认知过程

这篇文章不给答案

但它提出了一个稳定的问题

当我们在评估哪个ai 工具更有用

哪条工作流能提高效率的时候

我们同时也在做一个往往没有被显示说出来的选择

哪些思考过程值得保留

哪些可以外包

把这个选择说清楚

会让我们在用ai 的时候更有意识一些

接下来进入今日速览

七条值得关注的内容快速过一遍

第四条

一篇来自less run 的文章

讨论的是为什么微调大模型往往无法持久的改变模型行为

核心论点是大模型在结构上缺乏稳定的自我

它没有一个能够抵抗外部框架设定的内在立场

当用户在对话里持续建立某种前提模型

很容易顺着那个框架走

而不是依据自身训练时形成的价值倾向做判断

微调能改变表面行为

但没有从根本上缺决这个结构问题

所以治标不治本

这个观察对做模型对其研究的团队和评估工具可靠性的工程师都有参考价值

第五条

来自ai engineer 的一篇文章

做的是google deep mind 的一位工程师

讨论为什么很多经验丰富的软件工程师在转向ai agent 开发时会卡住

他的诊断是

软件工程师长期训练的心智模型是确定性流程

给定输入输出是可预测的

但agent 开发要求的是另一套思维

你给agent 的是目标而不是步骤

中间的执行路径是agent 自己决定的

从给步骤到给目标

这个心智模型的切换听起来简单

但对习惯了确定性控制流的工程师来说

实际上非常难

这篇文章对正在做agent 开发转型的工程团队是一个很好的对镜材料

第六条

Latent space 的播客节目嘉宾是a news 的创始人

也是一位长期在一线做模型部署的工程师

也期内容涵盖的面很广

包括强化学习训练中一个关键bug 的发现与修复过程

包括权重模型在过去半年里的快速崛起

以及google 和open ai 各自在agent 平台方向的最新进展

如果你想补一下近期ai 工程社区里的信息密度

这期播客是个不错的入口

第七条

快手旗下的可零团队在摩哒model scope 平台开源了k 二点零这个模型

最持端端面环境同

它率先把winwindeep seek 的dsa 稀疏注意力机制引入了多模态模模型参参数百百

但激活参数数团队环型实际推理时的计算量大幅低于参数规模模起来的体量

同同在多项基准比测式上超了参参数量超过二百亿的多个开模模型

这是一个在性比方向向超的比较致致多模态模模型率得做多模态应用的模态环境

第八条

Open ai 更新了codex 的windows 支持

新版本支持windows 的computer 模能

能就就是cocodex 直接操作dodows 桌面环境

同时增加了移动端访问能力

际意义是你可以在在机机上发起个任务

Cocox 在云端的windows 环境里运行

完成之后

你再查看结模型

这需需要在特定环境里跑任务的用户来说

打通了一个之前缺失的环节

第九条

英伟达和清华大学联合发布了一个叫做伽马沃尔的多智能体事件模型

这个工作最核心的技术贡献是重新设计的位置编码和注意力机制

让模型能够在不经过专门训练的情况下

直接扩展到多个智能体同时存在的场景

也就是说

用单智能体数据训练的模型

可以零样本泛化到多智能体的协作和交互场景

不需要重新收集多智能体数据在训练

这个能力对游戏ai

机器人协作以及多agent 的系统仿真领域的研究者来说

有比较直接的应用价值

第十条

一位博主实测的clode opops 四点八版本

给出了比较细致的评级

总结来说

编程能力有明显价值

代码更精确

执行任务时更少偷懒

对需要完成具体编程任务的用户来说是一次实质性升级

但创作和写作类任务的表现不如opos 四点六

文字的灵活度和风格感有所下降

对于主要用来做内容创作的非专业用户来说

升级需要根据自己的使用场景判断

不是无脑升级就一定更好

今天三篇精讲

从用codex 重组工作流的实践

到rage 检索失效的结构分析

再到认知缴械的哲学追问

三个角度回应的是同一个大背景

Ai 正在深刻改变我们怎么做事

以及我们怎么思考

工程上的问题和人文上的问题

其实是同一枚硬币的两面枕

如果你希望每天收到一份根据自己兴趣定制的早报

可以试一下best blocks pro 内测

配置你感兴趣的来源和标签

每天收到一份属于自己的早报

今天的内容就到这里

感谢收听best blocks

发现真正适合你的高质量内容

我们明天见

展开显示全部歌词