{"source":{"id":"2075500276476522770","title":"OpenAI 曾经在 AI Agent 上，浪费过五年时间。 当年他们搞了个项目，叫 World Of Bits。 目标…","url":"https://mubeitech.com/p/2075500276476522770"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"2073544407643496771","account":"mubei","brand":"@mubei","title":"Andrej Karpathy 认错了。 他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智…","summary":"Andrej Karpathy 认错了。 他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智能体（Agent）去干活。 这一步迈得太大，直接让他们多走了 5 年弯路。 那时候的项目叫 World of Bits。 目标很宏大：让 AI 像人一样，操控键…","body":"Andrej Karpathy 认错了。\n\n他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智能体（Agent）去干活。\n\n这一步迈得太大，直接让他们多走了 5 年弯路。\n\n那时候的项目叫 World of Bits。\n目标很宏大：让 AI 像人一样，操控键盘 and 鼠标，去网页上订机票、点外卖。\n\n结果呢？\n当时他们手里只有“强化学习（RL）”这一把锤子。\nAI 只能在简陋的网页上疯狂乱点，指望靠运气撞上高分奖励，最后证明根本走不通。\n\nKarpathy 总结说：当时最该干的事，是彻底忘掉 Agent，先去把大语言模型（LLM）造出来。\n\n先把脑子发育完全，再去学怎么用手。\n\n接着，他给现在的 Agent 热潮狠狠泼了一桶冷水。\n\n他说，Agent 跟自动驾驶、VR 是同一个物种：Demo 极其好做，产品化极其艰难。\n\n写个脚本，让车绕着街区开一圈，或者让 AI 跑通一个订票流程，一下午就能搞定，发到网上能拿成千上万个赞。\n但要让它变成真正能卖钱、不出错的产品？\n对不起，做好跟它死磕 10 年的准备。\n\n为什么这么难？\n因为今天的 Agent 只有一个“大语言模型”当大脑袋，它还缺了太多零件。\n\n海马体（记忆检索）在哪？\n基底神经节在哪？\n丘脑（当脑子里多个想法打架、争夺决定权时，用来分配麦克风的控制机制）又在哪？\n人类大脑进化了千万年的物理回路，现在的 AI 连毛皮都还没摸到。\n\n不过，这个大坑，反而给普通人留了条活路。\n\nKarpathy 顺便爆了大厂的底：\n在大模型训练上，像 OpenAI 这样的巨头已经把路线图摸得太透了。\n学术界刚发篇新论文，OpenAI 内部的 Slack 大概率就会弹消息：“哦，这玩意我们两年半前就试过，不信你看这儿有当年的失败数据。”\n\n但在 Agent 领域，大厂没有任何秘密武器，他们也正懵着呢。\n\n这也是为什么，现在真正站在 Agent 能力前沿、能做出新花样的，是那些在车库里连夜修 Bug 的黑客和创业者，大厂里写论文的科学家反而没做出来。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2074030551783141845","translated_status_id":"2074030551783141845","published_at":"2026-07-06 06:07:09","created_at":"2026-07-06T08:00:29.239922","url":"https://mubeitech.com/p/2073544407643496771","markdown_url":"https://mubeitech.com/p/2073544407643496771/markdown"},{"rank":2,"id":"2059986678262235405","account":"mubei","brand":"@mubei","title":"Anthropic CEO Dario Amodei 最意外的事，是公众还没意识到 AI 指数曲线快跑到最后一段了。 他…","summary":"Anthropic CEO Dario Amodei 最意外的事，是公众还没意识到 AI 指数曲线快跑到最后一段了。 他说，过去三年，底层技术大体按他的预期前进。 模型从聪明高中生，走到聪明大学生，再走到开始做 PhD 和专业工作的水平。 在代码领域，甚至已经越过这个线。 真正让…","body":"Anthropic CEO Dario Amodei 最意外的事，是公众还没意识到 AI 指数曲线快跑到最后一段了。\n\n他说，过去三年，底层技术大体按他的预期前进。\n模型从聪明高中生，走到聪明大学生，再走到开始做 PhD 和专业工作的水平。\n在代码领域，甚至已经越过这个线。\n\n真正让他惊讶的，是外面的人还在吵同一批旧政治议题。\n新剧集。\n新表情包。\n明星互撕。\n选举新闻。\n人类历史级别的生产力迁移，反而像背景噪音一样被滑过去。\n\n他的底层判断很朴素。\n早在 2017 年，GPT-1 刚出来时，他写过一个想法，叫 Big Blob of Compute Hypothesis。\n大意是，别太迷信聪明技巧。\n真正长期起作用的，是几件笨东西。\n\n原始算力有多少。\n数据量有多少。\n数据分布够不够广。\n训练时间够不够长。\n目标函数能不能一路扩展。\n数值稳定性能不能撑住那团巨大的计算流。\n\n这套逻辑，后来在预训练 scaling law 里跑通了。\n现在 Anthropic 看到，RL 也在走类似路线。\n先在数学竞赛题上训练。\n再扩到代码。\n再扩到更多任务。\n模型能力会随着训练时间呈现近似对数线性提升。\n\n有人质疑，这不像人类学习。\n人类不用看几万亿个 token，也不用烧掉几十亿美元算力，才会用 Excel、PowerPoint、浏览器。\n如果 AI 真有人的学习核心，为什么还要建这么多强化学习环境？\n\nDario 的回答有意思。\n这个谜题存在，但可能没那么致命。\n人脑出生时已经带着进化给的先验。\n语言模型从随机权重开始，像一张更空的白纸。\n\n所以预训练和 RL，更像夹在人类进化与人类学习之间的一层东西。\n模型先用天量数据长出先验。\n再靠长上下文，在具体任务里快速适应。\n当上下文长度到一百万级别时，推理成本成了主要阻碍，学习能力本身已经开始显形。\n\n这就是很多人低估 AI 的地方。\n他们以为差距在于知道哪个工具火。\n真正的差距在于，谁已经把工具嵌进工作流，谁还把它当搜索框、玩具、聊天窗口。\n\n大多数人只用了 10%。\n少数人正在把 100% 的工作方式重写一遍。\n\n下一轮阶层分化，未必先发生在公司估值表里。\n它会先发生在同一间办公室里，发生在两个看似职位相同的人之间。\n一个人在操作软件。\n另一个人在调度计算。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-28 16:01:27","created_at":"2026-05-28T17:58:23.017496","url":"https://mubeitech.com/p/2059986678262235405","markdown_url":"https://mubeitech.com/p/2059986678262235405/markdown"},{"rank":3,"id":"2079985963862786352","account":"mubei","brand":"@mubei","title":"4到6个月后，没人再去死磕提示词了。 Anthropic内部，80%的工程师已经切到了自改进循环。 他们现在玩什么？ 编…","summary":"4到6个月后，没人再去死磕提示词了。 Anthropic内部，80%的工程师已经切到了自改进循环。 他们现在玩什么？ 编排图（Graph），用图来协调那些能自我进化的Agent。 AI的干活方式，正在经历一次底层的工程演变。 退回2024年初，Opus 3时代。 模型顶多能自主干…","body":"4到6个月后，没人再去死磕提示词了。\nAnthropic内部，80%的工程师已经切到了自改进循环。\n他们现在玩什么？\n编排图（Graph），用图来协调那些能自我进化的Agent。\n\nAI的干活方式，正在经历一次底层的工程演变。\n退回2024年初，Opus 3时代。\n模型顶多能自主干10到20分钟。\n这种“短上下文协作”，人类必须死死盯着，一行行喂指令。\n\n后来，同步代码Agent（比如Claude Code）出来了。\n它能自己跑大概一小时。\n一小时听着不错。\n但在本地跑，一旦遇到报错，它马上掉头回来找你哭。\n\n想让它跑十个小时？甚至几天？\n这就得靠异步自改进Agent。\n怎么搞？\n第一步，把“大脑”和“双手”劈开。\n双手是执行容器，死了就死了；大脑是一个无状态进程，只管把进度写进追加日志。\n容器崩溃，任务一分一秒都不会丢。\n\n第二步，给它配一个冷酷的独立验证器。\n以前让AI边干活边给自己打分，它经常陷入幻觉，疯狂肯定自己。\n现在，把验证切进另一个独立的上下文窗口。\n一边建，一边测，死循环，直到通过验证才准许输出。\n\n第三步：让AI“做梦”。\n执行长任务时，AI会把过程写进短时记忆，但这种记忆极其短视。\n玩宝可梦时，模型记错了一个没用的细节，导致它一次次掉进同一个陷阱。\n怎么救？靠离线的“做梦”机制。\n在后台洗一遍记忆，踢掉局部最优的废数据，沉淀出正确的长期记忆。\n醒来再跑，它精准绕开了陷阱。\n\n当异步Agent足够聪明，最后一步就是Graph编排。\n把它们连成一张网。\n不再是你电脑里的私人小助手，而是接入全公司数据的组织级大脑。\n新人入职第一天就能用，它甚至能主动跳出来警告你别踩别人的坑。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2080182625759568045","translated_status_id":"2080182625759568045","published_at":"2026-07-23 06:08:29","created_at":"2026-07-23T08:01:16+02:00","url":"https://mubeitech.com/p/2079985963862786352","markdown_url":"https://mubeitech.com/p/2079985963862786352/markdown"},{"rank":4,"id":"16188190","account":"mubei","brand":"@mubei","title":"Anthropic 工程师在 AI DevCon 上 ：别再哼哧哼哧给 AI 写 Prompt 了，真正的方向是构建一个…","summary":"Anthropic 工程师在 AI DevCon 上 ：别再哼哧哼哧给 AI 写 Prompt 了，真正的方向是构建一个能自己写 Prompt 的系统。 AI 应用开发的底层范式，正在发生一场海啸般的迁徙： 从“写一句好 Prompt”，彻底转向“设计一个会管理上下文、记忆 an…","body":"Anthropic 工程师在 AI DevCon 上 ：别再哼哧哼哧给 AI 写 Prompt 了，真正的方向是构建一个能自己写 Prompt 的系统。\n\nAI 应用开发的底层范式，正在发生一场海啸般的迁徙：\n从“写一句好 Prompt”，彻底转向“设计一个会管理上下文、记忆 and 反馈回路的系统”。\n\n简单来说，你不需要去调教 AI，你需要构建一个能自己给自己写 Prompt、自己进化记忆的系统。\n\n绝大多数开发者还在用手工业的方式调教大模型，而最前沿的玩法，已经把 Agent 架构抽象成了一套极具美感的工业化框架。\n这套框架可以直接保存，分为三层：\n\n第一层：动态记忆管理（In-band Memory）\n很多人一上来就把所有背景资料塞进 Context，结果就是 Context 爆炸，AI 开始胡言乱语。\n最聪明的做法是“文件系统化”：\n1. 把所有背景知识写成结构化的 Markdown 文件。\n2. 不要写死复杂的读取工具，直接让 Agent 像程序员一样，用 Bash 和 Grep 去自主检索、读取和修改这些文件。\n3. 渐进式披露（Progressive Disclosure）：只给 Agent 看文件头部的几句摘要，它觉得有用，再去加载细节。\n\n第二层：生产级的工程防线（Production Guardrails）\n单 Agent 跑 demo 很爽，多 Agent 协作就会天下大乱。你需要这三道锁：\n1. 并发锁（Concurrency）：两个 Agent 同时想修改同一个记忆文件怎么办？引入哈希校验（Hashing）。Agent 准备修改前算个哈希值，写完提交前再算一次，如果对不上，说明中间被别人改过，立刻撤回、重新拉取、重新编辑。\n2. 权限隔离（Permissioning）：组织级别的公共知识库只读，Agent 自己的草稿本（Scratchpad）可写。防止某个 Agent 犯傻，把污染过的脏数据写进公共记忆，毁掉整个 Fleet。\n3. 版本控制（Versioning）：每一次记忆更新都有可追溯的 Transcript（对话副本），随时可以回滚。\n\n第三层：终极闭环，离线“梦境”机制（Dreaming）\n这是整套架构最核心的设计。\n\n为什么你觉得 Agent 越用越笨？\n因为你让它边干活、边整理记忆。\n这就像让一个外卖员一边骑车送外卖，一边总结全城的交通堵塞规律。不仅分心、增加延迟，而且他的视角只有自己走过的那几条路。\n\n怎么办？把“执行”和“复盘”彻底解耦。\n引入一个异步的离线进程，我们称之为“梦境（Dreaming）”：\n1. 到了晚上，干活的 Agent 都歇了。\n2. 启动一个专门的“复盘 Agent”，它不干别的，只做一件事：调出今天所有 Agent 的聊天记录、报错日志，和现有的“记忆库”进行比对。\n3. 像校长批改期末试卷一样，它会发现规律：“怎么今天 80% 的 Agent 在写代码时都犯了同一个单位错误？”\n4. 找到痛点后，它直接修改公共记忆库，更新下一天的“操作指南”。\n\n第二天一早，你的 Agent 舰队醒来，自动加载了更新后的记忆。\n你什么都没干，它们自己学会了避免昨天的错误。\n\n当所有人都在大谈大模型智商（IQ）的时候，真正的套利者已经在悄悄构建这套系统了。\n因为模型的智商是别人给的，而这个持续自我进化的“梦境”闭环，才是你真正的、拿不走的护城河。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2074094340394086899","translated_status_id":"2074094340394086899","published_at":"2026-07-06 10:31:37","created_at":"2026-07-06T12:25:35+02:00","url":"https://mubeitech.com/p/16188190","markdown_url":"https://mubeitech.com/p/16188190/markdown"},{"rank":5,"id":"2068682756347814293","account":"mubei","brand":"@mubei","title":"这几天，AI 圈的终极战争突然打完了。 输家是发明了这一切的谷歌，而最大的赢家，是几天前差点被川普送进监狱的 Anthr…","summary":"这几天，AI 圈的终极战争突然打完了。 输家是发明了这一切的谷歌，而最大的赢家，是几天前差点被川普送进监狱的 Anthropic。 很多人总觉得，AI 竞赛拼的是芯片、是算力、是上千亿美金的资本。 全是外行话。 地球上真正能从零构建前沿模型的人，数来数去，大概只有 50 个。 谷…","body":"这几天，AI 圈的终极战争突然打完了。\n\n输家是发明了这一切的谷歌，而最大的赢家，是几天前差点被川普送进监狱的 Anthropic。\n\n很多人总觉得，AI 竞赛拼的是芯片、是算力、是上千亿美金的资本。\n全是外行话。\n地球上真正能从零构建前沿模型的人，数来数去，大概只有 50 个。\n谷歌培养了其中的绝大多数。\n但在过去这几天里，谷歌最核心的两个神级大脑，叛逃了。\n\n先是三天前。\nNoam Shazeer 宣布离开谷歌，加入 OpenAI。\n谁是 Noam？他是那篇奠定今天所有大模型基础的论文《Attention Is All You Need》的合著者。\n没有他，就没有今天的 Transformer 架构，连谷歌自家的 Gemini 都是用他的理论生出来的。\n\n紧接着。\nJohn Jumper 宣布离职，加入 Anthropic。\n这位是 2024 年诺贝尔化学奖得主，AlphaFold 的共同创造者，在谷歌 DeepMind 带了近十年的生物蛋白质团队。\nAlphaFold 开启了整个 AI 生物 and 制药行业，是谷歌最关键的护城河。\n结果，他直接投奔了死敌。\n逼得 18 个月前刚跟他一起领诺贝尔奖的 DeepMind 老大 Demis Hassabis，不得不公开在社交平台上“大度地”祝贺这位老搭档的叛逃。\n你的诺奖合著者，转头去了最想让你破产的公司，这得多憋屈。\n\n华尔街之前一直有个共识：算力才是壁垒，人才随时能换。\n这周的事把这个共识砸得粉碎。\n谷歌空有大把算力，但懂怎么用算力的人，已经不在了。\nGemini 3.5 Pro 无限期推迟，而抢到人的 OpenAI 估值直奔 5000 亿美金，Anthropic 的暗盘估值甚至被传到了 2 万亿。\n\n最戏剧性的是，就在五天前，Anthropic 还在生死边缘。\n当时川普公开警告，说 Anthropic 乱出口前沿模型“危害国家安全”，搞不好“立刻有人要坐牢”，公司面临联邦封锁和投资者反水。\n结果呢？\n四天前，川普在 G7 AI 峰会上见到了 Anthropic 的老板 Dario Amodei。\n谈完出来，川普对记者说：Dario 是个“好小伙、聪明人，回应得非常负责任”。\n几句话，警报瞬间解除，生死反转就在 24 小时内完成。\n\n川普为什么这么快松口？\n因为他需要这帮科技巨头帮美国干翻中共国。\n川普在采访里直接透露了双方的底牌交易。\n大模型需要巨量电力，甚至相当于美国总发电量的两倍，传统电网根本撑不住。\n川普给他们支了个绝招：“你们建厂的时候，自己建配套的发电厂，不用传统老电网，多余的电还能便宜卖回给国家。”\n既不用纳税人花钱，又解决了能源危机，还能确保美国在 AI 上绝对压制中共国。\n\n这就是最顶层的地缘、资本与科技的疯狂博弈。\n谷歌发明了轮子，却在终局之战里被洗劫一空，沦为配角；\nOpenAI 和 Anthropic 彻底锁定了双雄格局；\n而那个在幕后既拿着“坐牢威胁”皮鞭、又分发“自建电厂”糖果的川普，才是真正的超级庄家。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2068772922001326219","translated_status_id":"2068772922001326219","published_at":"2026-06-21 19:08:27","created_at":"2026-06-21T20:17:15.896828","url":"https://mubeitech.com/p/2068682756347814293","markdown_url":"https://mubeitech.com/p/2068682756347814293/markdown"},{"rank":6,"id":"2082259279449293033","account":"mubei","brand":"@mubei","title":"一年前，整个科技圈都在倒计时：程序员完蛋了。 结果呢？ OpenAI 创始人萨姆·奥特曼承认：在这个问题上，整个 AI…","summary":"一年前，整个科技圈都在倒计时：程序员完蛋了。 结果呢？ OpenAI 创始人萨姆·奥特曼承认：在这个问题上，整个 AI 行业都错得离谱。 如果把现在的 AI 模型直接拿回 2019 年。 所有人都会认定，这就是 AGI（通用人工智能）。 所有人都会笃信，经济将迎来天翻地覆的洗牌，…","body":"一年前，整个科技圈都在倒计时：程序员完蛋了。\n结果呢？\nOpenAI 创始人萨姆·奥特曼承认：在这个问题上，整个 AI 行业都错得离谱。\n\n如果把现在的 AI 模型直接拿回 2019 年。\n所有人都会认定，这就是 AGI（通用人工智能）。\n所有人都会笃信，经济将迎来天翻地覆的洗牌，饭碗会碎满地。\n但这并没有发生。\n当预测错得如此离谱又如此自信时，唯一的选择就是更新认知。\n\nAI 到底改变了什么？\n它没有吃掉程序员，它是把程序员往上一层推。\n现在的程序员，确实不再像传统意义上那样一行行手敲代码了。\n但这依然是纯正的软件工程。\n不管是用打孔卡片，还是用提示词，核心永远只有一个。\n指挥系统，让它去实现你的意图。\n\n奥特曼发现，现阶段的 AI 是极其“偏科”的。\n它在某些方面是超级天才，在另一些方面却像个笨拙的幼儿。\n它无法完全独立运转，它和人类的能力是高度互补的。\n\n还有一个被忽视的因素：人。\n现在你完全可以弄一个 AI 顾问，或者 AI 销售。\n但事实证明，绝大多数人，依然固执地偏爱与真实的人类互动。\n\nAI 确实没有消灭岗位。\n它只是强行拔掉了那个只会埋头死磕的旧插头。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2082412456341631337","translated_status_id":"2082412456341631337","published_at":"2026-07-29 06:21:41","created_at":"2026-07-29T08:01:31+02:00","url":"https://mubeitech.com/p/2082259279449293033","markdown_url":"https://mubeitech.com/p/2082259279449293033/markdown"}]}