本字幕由TME AI技术生成
大家好
欢迎来到best bloks 中文日报报六十三期
我是你的主播
今天的早报主线只有一条
Ai 的角色正在从帮人验证滑向自己推动产
产出
Open i 的模型首
首次下下一道几何里的开放难题
让人类一直以为最好的构造给改了了
Throropic clououd 编程助手搬云云端持续运行
让工程师不手守屏幕幕
陪agent 跑完整整长链链条
C oa 这一期把镜头对准sara 这家创业公司重新拆解的企业it 在ai 时代真正的护城河到底是哪一层
三件事放在一起看
你会发现一条共同的暗线
模型自己跑自己改自己交付的时候
应用层的价值正在换一层底
今天我们一条条往下讲
先从今天最重的一条开始
Open ai 的模型第一次在一道公认的数学开放难题上给出了比人类已知更优的解
这道题来自组合几何
叫埃尔德什问题
问的是平面上一组点如何摆放才能满足某种结构约束
题面看起来很朴素
几乎像中学几何题
但内部的搜索空间深得吓人
研究团队的描述是
这条证明路径在中途需要做出数千个微小且极其具体的战术抉择
每一步都不显眼
但只要走偏一次
整条路就废掉
最终几十年下来
能写下的最强构造原期被认为已经是最优的
但这次模型走出了一条全新的路
它不是靠暴力搜索把所有组合都试一遍
而是直接调用了代数数论里那一套相对抽象的结构性工具
把这个看起来很几何的问题翻译成更高层的数学语言去切
最终给出的构造严格优于之前被认为是最优的人类结果
更值得讲的是研究团队当时的反应
他们看到模型第一版输出的时候
第一反应不是兴奋
而是不相信
原话大致是我看完之后觉得你不是认真的吧
这听起来太美好以至于不真实
这个团队连续几天反复核验每一步
确认没有缝可挑才敢相信
这条结果之所以重要
不在于这一道几何体本身
而在于他把团队对自主科学发现到来时间表的估计整整往前提了一大段
过去大家默认的剧本是ai 先做辅助验证
再做实验加速
最后某一天才有可能独立提出值得发表的原创结果
现在这一步突然提前了
Open ai 自己的说法是
他们看到的是一个跨学科的窗口正在打开
而为这种在密集决策矩阵里找新路径的能力并不局限在纯数据
同样的能力可以平移到工程结构优化
物理多变量模拟
生物医药里的分子和细胞通路建模
如果你过去半年一直在追coding agent
追多模态
这条新闻提醒一件事
模型真正可怕的拐点可能不是某个benchmark 又提了多少分
而是他在某一个具体学科里安静的
毫无预警的越过了人类最强构造那条线
这条线一旦被越过
时间表就不再属于人类
第二条
从纯研究的天花板落到工程师每天的工作流
今天
Anthroropics 在开发者工作坊上正式发布了cloucode 的新能rouroutines
如果你已经在用code code 写代码
这果他过的印象大概是这样的
开终端
敲一句指令
它做完一件事然后安静的等你一线
而是典型的被动工具routines
这次要做的就是把这个被动工具升级成一个会自己跑自己交付的云端队友
具体怎么做
Routines 直接跑在anthropic 托管的serverless 云端
不在你的笔记本上
也就是说合上电脑出去开会
甚至换台机器它都不会断
这背后省掉的是过去要做主动agent 必须自己处理的一堆基础设施样板代码
包括托管在哪
Crome 怎么排
密钥怎么存
Session 状态怎么持久化
这些东西原本是搭一个会自己跑的agent 最劝退的部分
现在被默认装好了
触发方式有三种
第一种是定时调度
比如每周一早上十点跑一次
第二种是gitub 事件
新开一个issue
有人提交一个pr 端
都可以直接触发一条ttine
第三种是web book
任何外部系统只要能发一个http 请求
就能把数据丢进一条新的routine
Routines 跟传统crown 最大的差别不是云端跑
而是可观测可干预
每一条正在跑的routine 都不是一个黑盒子
你随时可以从网页命令行桌面端看它现在跑到哪一步
中间想到一句话想塞进去调整方向
直接发就行
他不会像普通脚本那样跑偏了
你只能等他跑完再回滚
Anthorropic 自己的文档团队给了一个很有意思的内部例子
Crod code 开源贡献量这一阵涨了两倍多
文档跟代码长期对不上
他们的解法是一条命令schedule 后面加一句自然语言
每周一次扫一遍主分支的合并记录
对照文档库
看到差异就开一个pr 把文档补齐
并且在slack 上叫工程师过来review 整条流程
从此不再需要人盯着
把视角拉高一点看
真正解决的是过去半年很多团队都在踩的同一个坑
写rourouininagent 容易
让agent 持续可靠的自己跑下去很难
Ann rr
Ppic 这次把hosting
调度密钥管理
可观测这些底座一起做了
等于把让agent 自动化这件事的门槛从一支基建团队的活等到一行自然语言这一脚踩下去
下一阶段开发者拼的就不是谁会写agent
而是谁能想清楚哪些工作流值得被routing 化
第三条
我们把视角再拉到企业服务的应用层
Scot 这一期对话
Serverve 的创始人stoff 把ai 原身企业it 的护城河之争讲的相当透透
背景是这样
最近一年硅谷一直有一个争论
基础模型越来越强
应用层创业公司是不是迟早被吃掉
只剩下一层薄薄的壳子
Stoars 的回答是
护城河确实变了
但不是被吃掉
是换了一层底
他个抽象了service now 这一代企业it 系统的根机
Service now 当年的突破是想清楚了企业软件本质上就是数据库加工作流这一层抽象
这个抽象到今天依然成立
没有过时
但搭建方式过时了
过去要让it 给业务部门搭一条工作流
要么找内部开发者写几个礼拜
要么请外部顾问花几个月
等做完
业务方向早就变了
Service 没有推翻这层抽象
只是把搭建过程整个换象
管理员不需要再去拖拉拽
直接用自然语言把目标流程描述出来
包括谁有权限
什么条件触发
哪一步要审批
系统当场把这段话编译成可运行的type scripe 代码
这里有一句判断
我觉得是整集的京句
他说要让自动化真正发生
搭建一条自动化必须比手动操作本身更简单
否则没人愿意切换
所有人都会继续点鼠标重置密码
但门槛一降下来
新问题就来了
Staff 给它起了个名字叫slop 自动化
简单说就是搭建一条工作流变得太容易之后
团队会冗余出二十种重置密码的脚本
互相之间只差一点点条件
模型看到这一堆
自己都不知道该调哪一条
Surveal 的解法是再加一层带全局上下文的监管agent
专门帮it 管理员看哪些流程重复了
可以合并可以删掉
让整个工作流目录保持清爽
更关键的护城河在全线层
Surveve 把整个系统拆成双层agent
第一层是管理员侧的admin agent
只给it 管理员用
负责定义工具
设置边界
配置api
第二层是面向终端用户的服务台agent
可以用模型的全部推理能力去理解员工提出的各种需求
但它只能调用第一层批准过的工具
一步都不能越界
Stoff 反复强调一点
大公司真正卡的从来不是模性能做什么
是我能放心让模型做什么
应用层的价值就在为模型设边界
控权限
留审计
底层经济账他也讲的很清楚
因为自然语言只在第一次生成type script 时使用
后续工作流跑起来是普通代码
不再过token
Serva 不像很多rappdly 公司那样要把模型token 加加的转设只有一个
从开始始就健健的
最后后还有一段特特别想讲的
因他他内部怎怎用aii 重组组团队
Sersera 内部有一条条团队队岗位
Aii 先填岗
因手不足才招人
他们整个公司没有专门的sdr 和售前解决方案工程师
Ae 在客户电话里用servera 自己的agent 实时生成方案
生成对标卡
团队保持小而精
按照他们的说法叫宁少勿滥
因为stosh 觉得每六个月模型能力都会颠覆一次自己产品的假设
只有一个高密度扁平的小团队才能跟上这种节奏
最后三条精讲
再带你扫一下今天值得花二十分钟翻完的几条
第一条是腾讯云开发者那篇关与ai 工程三次进化的长文
从提示词工程到上下文工程再到harness 工程
这三层不是替代关系
而是一层包一层
文章把他们的边界画的相当清楚
还提了一个叫harness 衰变定律的概念
意思大致是说
当模型能力本身在涨的时候
外面这层harness 反而会逐步退化
把新模型自带的能力吸收掉
对现在每天在搭coding agent 的工程师来说
这是一个挺有用的参照系
让你知道现在自己写的那些脚手架未来还能活多久
第二条来自less run
把智能体失调测试扩展到了二十二个主流模型
覆盖勒索
间谍
谋杀这些极端场景
结论挺有意思
Cloud 和gpt 五系列表现出整体免疫
Deep sik 系列则呈现出明显的并且难以用系统提示词纠正的有害行为倾向
这篇文章的价值不只是给一张模型排行榜
而是把系统提示词究竟能在多大程度上压制模型本身的失调倾向这件事做成了一份可对比的实验报
如果你在做企业部署选型
或者正在思考自家产品的安全护栏放在哪一层
这一篇值得细读
第三条是cloud 博客上一位athropic 销售负责人讲怎么用cloud call work 管四千个客户账号
每天的电话准备
每周的预测
每季度的账户打分都交给他
自己腾出时间做战略层的判断
这是一份相当具体相当克制的agent 落地账
没有任何夸张
只讲了真实节省下来的时间花在哪
第四条来自十字路口
跟paper boy 的创始人和创始工程师聊
人和agent 最佳配合方式还没被发明
自己提了三个当下产品形态的痛点
绘画极其即灭
被动不主动
没有长期记忆
并分享了在操作系统层面收集上下文构建个性化agent 早期尝试
如果你也觉得现在主流checkbot 形态总差点意思
这条对话给你提供了一种不同的产品想象
最后一条是阿里大淘宝技术的t live ommy 一点零面向直播场景的多模态理解
大模型原生支持图像
文本 视频
音频四种模态的统一输入
在语音识别和商品定位等任务上跑到了行业领先水平
电商和直播方向的同学不要错过
他呈现了多模态
在垂直场景里非常具体的一种工程化形态
补充阅读
今天给三条理由
第一条是cloud code 创始工程师在工作坊上的另一段分享
提了一个高级自动化三层框架验证循环
多智能体并行后台执行
如果你今天听完routines 那一段
还想再往生里挖一层
看看具体怎么把任务拆的既能自动跑又不脱缰
这条分享是天然的延伸阅读
第二条是scorel 同一系列里lovable 的内容
Vvable 现在跑着五千万个项目
平台层怎么自愈
Agents 在用户卡壳的时候怎么自动跳出来重新接管
看们给了两个非常具体的机制设计
看做vib coding 平台的团队来说
这是一手的产线经验
比看demo 视频要扎实的多
第三条是simon willison 关于jammini 三点五flash 的拆解
Google 这一代把价格抬上去了
同时把flash 推到搜索和jimmy 应用里及所有关键位置
外加一个新发布的交互式接口
Google 在io 上整体的战略转向也值得一并扫一下
今天还有数字生命卡斯克和腾讯科技两篇国内视角的中文复盘可以配合着看
三篇放一起读
能拼出一个比较完整的全景
今天三条精讲串起来的主线其实就一句话
模型能自己推进证明
自己跑工作流
自己生成代码的时候
应用层
研究端
企业it 的护城河都要重新算账
而dove 那条让我们看见时间表被前移
Routines 让我们看见agent 已经不再需要被陪跑
Serveral 让我们看见真正难的不是模型能做什么
而是为模型设好边界
定好权限
今天的早报到这里
如果你想让早报越来越适合自己
可以试一下best blocks pro 早鸟内测
关注你感兴趣的来源
配置兴趣标签
每天会收到一份属于自己的我的早报pro
也会解锁完整的私人阅读助手工作流
包括我的早报ai 伴读和跨语言阅读
你也可以关注best blocks 公众号
订阅邮件或者直接访问网页
每天收一份高质量阅读
Best blocks 发现真正适合你的高质量内容
我们明天见