想法

发布想法

• 默认
• 最新

• A. ๑ 嘟嘟℡ 

  「✅ Agent」 不只是给你建议，而是真的开始替你干活了。 并不是狭义的软件开发，而是所有操作电脑的事情都可以完成，甚至做事的广度、深度、勤奋程度远高于普通人。 要求：能清晰表达自己的需求、设计好自己的任务、并给一定的规划，同时监督它做好每一个规划等。 虚拟世界的迭代，永远比现实世界的扩散速度快。技术上能做到，但使用的人的能力不一定跟得上AI的进步速度。 聊天机器人：单轮对话，简单搜索后把搜索的内容和文章整合成一篇全新的文章。任何人面对一个空白的对话框，在1分钟内表达不会有太大差异，拉不开所谓的方差。 端到端：先做规划，自己写代码、做数据分析。在它出计划的第一步，仔细帮它修改，之后不太干预。会调用你本地的文件系统，有你过往所有工作的上下文等，更像一个合作了一段时间的同事。 「✅人是主宰」 人机协作中，人是主宰：我们不应该把思考的能力让渡给 AI。 最关键的是，自己花时间思考和打磨“品味”和“判断力”。 Agent之后，一切都是新时代。拿着旧地图看新时代的东西，还不如接受这件事情。 第一，组织包容你去试错。最先用起来的人，不断试错和开发者交互的一批人，定义了它能做什么、不能做什么。 第二，你自己以及所在环境，足够相信模型和AI产品的能力还会进步。那你慢慢上手，同时等着它进步就好。 「✅拥抱不确定性」 搞科技的人正在拼了命地砸自己饭碗，人很难在开发这件事情上比AI做的更好，离技术越远的人反而越能从中获益，用这些聪明的脑袋（世界级智能）解决已有的问题。 在AI时代，未来就像是一个集市，而不是大公司盈利的组织形态。 物理世界的约束：人和人之间的信任、法律或监管层面的许可、需要人物理上在。 大部分需要写代码或深度调研的任务，同时间内Agent能处理的信息量和人不是一个量级。用它代替人脑中计算量不够大的问题。做好监督，确保它在正确的方向上。 对主动性强的人来说，AI是翅膀；对疲惫的人来说它是鞭子；对有资源的人来说它是杠杆；对没有资源的人来说它是更高的门槛。 塔勒布：幻觉人做好分内事，可以永续一辈子。是对人本身能力的扼杀。 AI最擅长的是，在有限的规则之内不断重复、精进。人最擅长是，在不确定性的、有创造性的空间里，尽可能地做更多事情。尽可能的端到端，为自己做的东西负责，为它们的美和重要性负责。不再沉溺于专业化的螺丝钉分工中。 专业化分工不是人的自然状态，是某一个特定科技的带来的时代性产物。 只有昆虫才专业化，一个人本来就应该掌握各种各样的技能。只是我们的教育、习惯的社会，把我们束缚住了。 人比AI强的能力，是拥抱不确定性的能力。所有人都比自己想到的适应能力更强一些。 「✅AI的低估 & 高估」 1）低估 AI的能力被低估了，因它产生的商业化收入被低估了。 因为他在旧时代赢过，他的路径依赖一定不能让他在新时代，做到最好。每一代人有每一代人的机会。 低估了AI这件事情的重要程度，以及这些科技巨头认为这件事情对自己的重要程度。AI能够加速科学发现的文艺复兴，进而让我们对能源的利用效率达到一种新的高度。现在看起来，系统是以个体的牺牲来进步的。 2）高估 不要高估AI现在一下子能把任务完成。 擅长和AI沟通的能力，目前只有少部分人掌握。但大家都是同一起跑线开始赛跑的。 把人管理好的人，不一定能管理好Agent。不同人的工作方式在下一个时代都是不一样的。要相信年轻人的力量，而且年轻人要相信自己用AI的能力。 「✅AI 在物理世界的渗透速度可能没有我们想得那么快」 第一个问题，我今天的工作是不是能够大幅的有AI介入帮忙？ 第二个问题，AI如果进来了之后，你部门的人会不会显著的变少？ AI是暂时一个没有看到创造新岗位的科技。无法预测未来，但人一定能有某些需求填充社会的岗位。 人总能找到自己的活法。 「✅AI 圈多数都是噪音：用最好的产品，多上手，少看自媒体」 最好的信号是时间。 1个月后，上手试试。用起来，多跟它交互和体验。一手经验和二手经验，在AI时代带来的变化会更加大。 尽可能用最好的产品（模型/Agent），暂时不要相信太多的平替。 与其看100条新闻，不如找一个能用的模型先用起来。 对于观察者来说，最重要的是那条鲨鱼，它决定了此处生态系统里大部分的东西。 人有、AI无：品味、判断力、面对不确定性时做决策能力。人和人之间的差异，永远不会被替代。 「✅预测未来」 线下、实际、物理空间发生的有沉浸感的体验，未来会更有价值。 两个市场：to Agent 或 to Human。 购物不是简单的效率问题，基于人的注意力的冲动、符合品味。 「✅奖励函数」 算不出李白的诗篇，也算不出人被一首歌所打动的瞬间。 强化学习中的奖励函数，无法构建出一个好的数学建模，建模出人觉得美和好玩的标准答案。因为这太多元了。 这些不是可计算的东西，就是接下来to Human中最重要的东西，才能清楚自己的差异化优势。 AI不在场，替代不了。AI的感知能力、多模态，是以语言为真迹的，因为语言是目前世界上信噪比最高，通过语言了解“符号世界”。 如果某些体验，你穷其一生都不能用语言清晰的描述出来的话，那AI在很长时间内就无法取代这件事情。 人与人面对面的聊天，那种氛围感、在场感，技术无法替代。 未来人和agent的关系，会有点像运动员和教练的关系。我们最终的目标是判断力，最终的目标是判断AI做的在不在一个对的方向，以及能不能达到我想要的目标。 你要做一个AI的好领导。当它做完一开始的规划，一定要去纠正他，和它反复互动，反复去问它做的到底是不是对的。 「✅让 AI 帮你管钱？可以是可以，但它背不了锅，也没真的亏过钱」 AI真正的问题是它背不了锅，这个责任你推不掉。 有一些锅必须得人背。出现问题的时候需要人去定位问题，判断问题是否重要。 不能预测未来，只能用一种概率分布，建模未来。 AI的渗透，以及AI的商业化的加速落地，以及AI就是行业本身的加速，在短期的两三年之内是很难停下来的。这是个庞然大物，势能越来越大。更多人感知到之后，一定会体现出在应用和技术上的双重加速。 技术上乐观，但中期对AI是否能持续向上的市值增长，不确定。 「✅出发吧，扔掉旧地图，去探索新世界的无限可能」 人不应该被固定在现在过度专业化的氛围当中，人不应该是螺丝钉。 每个人更容易被发现自己身上的闪光点，找到自己的天赋所在。AI把人变成了某种程度的通才，反而能够因为这种广而在某一个领域做得更深。 健身、健脑。 人是很宝贵的，事儿是不重要的。 看到Agent正在成为世界上的新物种，并且拥抱这种变化，扔掉旧世界的地图，探索新世界的无限可能。 出路从来不止一条。

  2026年5月30日

  4
• tang2024

  目标 事实 拟合，想好目标，过滤事实，积极拟合

  2026年5月29日

  3
• Jeff Xu

  希望播客可以有文字版

  2026年5月29日

  2
• Niffler

  听了博客，用KIMI花了10分钟改了3遍，写了篇【新闻稿】，请不要当真。 发布日期： 2026年5月31日 标题：AI时代产权重构与分配转型：基于历史、政治与科技视角的跨学科分析 --- 【导语】 一项基于历史学、政治经济学及人工智能研究的跨学科分析指出，当前生成式人工智能浪潮正推动产权边界从物理空间向认知与数据空间系统性扩展。该过程并非技术决定论下的单向覆盖，而是呈现历史连续性：通过法律程序确立排他性权利，伴随社会冲突与制度博弈，最终趋向基础设施化与去可见性。在此过程中，分配制度发生结构性重组，按劳分配的主导地位让位于按资分配与按权分配的混合形态；特权维系机制亦随之转移，从技术所有权走向接入控制权与治理协议制定权。历史在此呈现为产权重构、冲突与阶段性均衡的循环过程。 --- 一、从物理圈地到认知圈地：产权重构的历史连续性 历史比较研究表明，15至19世纪英国共有地的产权重构与当代数据及认知空间的产权扩张具有结构同源性。第一次圈地运动通过议会私法法案逐步瓦解共有地制度，历经数百年，伴随反圈地立法、农民反抗与军事镇压的反复博弈；当代的数据产权重构同样处于持续的立法争议与司法挑战中，例如欧盟《人工智能法》与美国各州数据隐私立法的碎片化格局，表明该过程远未完成，亦非单向度的技术覆盖。 技术史提供了关键参照。电力系统在20世纪早期曾是高度可见的技术奇观，美国各地曾为重大输电工程举行大规模公众庆典；随后电力退居为沉默的基础设施，语言可见性消失，但社会依赖性加深。然而，电力的去可见化伴随的是网络接入权的监管重构与反垄断诉讼（如美国电信业的互联互通强制令），而非垄断特权的自动消解。 人工智能正遵循同样的路径。其语言标记（“AI”）将随普及而淡化，技术能力从显性应用退居为底层封装模块，但这不等于排他性权利的消亡。权力载体发生转移：从技术所有权转向网络接入权与治理协议控制权。历史表明，当技术完全基础设施化后，维持壁垒的机制不再是技术本身，而是控制接入与制定标准的制度性权力。 技能演化同样遵循历史规律。纺织机械替代手工纺织后，手工技艺退居为小规模形态；打字技能被图形界面替代后，键盘输入仍作为底层操作持续存在。人工智能应用能力未来若被集成，更可能的命运是退居为数字素养的底层组件，而非彻底消亡。 二、分配制度的结构性重组：从按劳分配到按权分配 产权边界的扩展直接驱动分配制度的重组。按劳分配从来不是单一存在的纯粹制度，它始终与按资分配、按权分配混合运作。人工智能时代的变化并非劳动分配的消亡，而是分配依据的重新排序：数据资产、算力配额、模型权重与平台接入权成为新的分配基础。 相关实证研究呈现结构性特征。部分研究表明人工智能技术应用可能提升特定行业的劳动收入份额，但这种效应主要通过平均工资上涨实现，且集中于高议价能力行业与技术密集型群体，呈现分层递进而非普惠性特征。这意味着技术红利是选择性渗透的。 特权阶层的形成机制必须置于政治经济学框架中理解。平台资本主义研究指出，垄断平台在扩张初期常借助“参与性”“民主化”话语建立用户基础；在达成垄断地位后，则通过数据化、筛选机制与商品化手段提取剩余价值，并与国家治理结构形成共生关系以巩固权力。因此，特权并非技术的自然产物，而是产权制度、准入许可与平台-国家共生结构的综合结果。 当前阶段的认知劳动形态应被重新界定为商品化与产权分离：数据标注员、内容审核员、提示词优化者的劳动被计价购买，但其劳动成果（训练数据、模型改进、内容资产）的知识产权归平台或模型持有者所有。这不是按劳分配的残余形态，而是劳动过程与劳动成果产权的系统性分离。换言之，劳动者获得工资，资本方获得资产增值，这一古典政治经济学的命题在认知劳动领域被重新激活。 三、技术基础设施化与认知锁定 人工智能作为通用目的技术（General Purpose Technology），表现出典型的技能偏态技术变革特征：替代常规认知劳动与常规体力劳动，同时增强高技能劳动者的生产力，并创造新型劳动岗位。 技术架构演进表明，人工智能能力正从独立应用向后端服务与模块封装迁移（如大模型API、嵌入式智能）。这一过程不是技术消亡，而是能力下沉为技术栈的底层依赖。然而，技术下沉伴随认知锁定效应：平台通过提供认知外包（判断、记忆、问题解决）形成依赖结构，用户无法脱离特定生态系统而不损失数据、身份或功能，切换成本随依赖加深而指数级上升。 这种依赖同时引发过度依赖风险。研究表明，更高的AI辅助水平若缺乏有效的人类监督与评估机制，可能导致使用者批判性思维与纠错能力退化，进而降低复杂任务的整体完成质量。这印证了技术必需性与技术替代性之间的核心张力：社会必须在依赖人工智能与维持人类独立判断力之间建立动态平衡，否则系统将陷入认知能力退化与过度依赖的陷阱。 四、阶段性阵痛与循环均衡 产权重构与分配转型必然伴随社会冲突。技术变革引发的分配冲突通常通过三种机制达到阶段性均衡： 第一，制度内调整，包括反垄断立法、行业监管与互联互通强制令；第二，制度外压力，包括社会运动、集体谈判与认知劳动者的组织化；第三，市场侵蚀，包括技术扩散、开源替代与模仿竞争。 这三种机制的交互作用产生阶段性稳定，但新技术浪潮会再次打破均衡。历史在此呈现为产权重构、冲突与再均衡的循环过程，而非线性进步或终局稳定状态。每一次均衡都是下一次圈地运动的起点。 五、结论 人工智能时代正在重演历史上产权重构的核心逻辑，但形式从物理圈地转向认知圈地。分配制度随之发生结构性重组，按劳分配的主导地位持续弱化，按资分配与按权分配重组为新的主导逻辑。技术走向基础设施化与语言标记淡化，不等于权力关系的终结；特权维系机制依赖于接入控制权、治理协议制定权与平台-国家共生结构。 社会将经历阶段性阵痛：认知劳动的商品化与产权分离导致高强度低保障劳动形态扩张，社会冲突通过制度调整、集体行动与技术扩散达到阶段性均衡。但均衡是暂时的，下一个技术周期会再次打破现有结构，形成新的准入门槛与排他性权利。理解这一循环结构，是制定适应性政策与保持社会韧性的前提。 --- 【说明】 本分析基于历史学、政治经济学及人工智能研究领域的公开学术文献进行跨学科整理，旨在为政策制定者、产业界与公众提供技术-社会动态评估框架。

  2026年5月31日

  2
• Luckygirl

  通过有知有行AI的投喂，我也算是浅浅了解了Ai，谈不上运用。播客里讲的ds和agent的区别，我小有体会，因为我就是给ds文档让它帮我修改完善的，agent还接触不到暂不需要

  2026年6月4日

  1
• 培根烫蒜

  想看Cage做客无人知晓

  2026年5月31日

  1
• 此生待续

  低学历人群，到现在碰都没碰过 AI 似乎不知道用它来干什么，我只是追根究底探讨一些问题

  2026年5月31日

  1
• 普洱茶

  有台是什么

  2026年5月31日

  0
• 那个白

  君子不器

  2026年6月10日

  0
• 阿白_ipx68

  脑子666～

  2026年6月3日

  0