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