Kevin Simback

如今的智能体尽管取得了所有这些进展，但仍然相当愚蠢
我们使用一个极其聪明的 LLM，但需要在上面加一层工具框架，让它记住昨天做了什么，然后不断检查它，以确保它不会搞砸
想象一下，雇用一名每天来到办公室却没有记忆的博士，他必须阅读笔记本才能弄清楚自己之前在做什么，然后老板还得整天盯着他或她的一举一动
但如果那个笔记本是持续强化学习的训练数据呢？
这名博士会记得昨天做了什么，因为这些内容现在已经成为其永久记忆，不再需要笔记本
如今 CRL 这一概念尚未得到解决，但我怀疑未来几年内它会被解决
这将是让智能体变得更实用的最大突破之一，尤其是在 TAM 最高的企业环境中
如今，LLM 已经足够智能，可以完成大多数知识工作，只是还需要在所有外部工具框架管理方面投入大量工作，才能将其用于生产场景
这就是为什么工具/解决方案市场如此碎片化，也解释了对 FDE 的需求为何如此旺盛
我不认为当前这种情况会永远持续下去
更有可能的是，我们会拥有无限多的定制 LLM，它们在基础模型之上使用 CRL，最终成为独一无二的智能体
后训练工作将从实验室转移到任何运行智能体的人手中

人工智能产品发布简直疯狂的一周
如果 Grok 4.7 明天发布就搞笑了
星期二：
>Claude Fable 5.1 / Mythos 5.1
>Qwen3.8-Max-0902
星期三
>Gemini 3.8 Flash
>Meta Muse Spark 1.3
星期四
>GPT-6 Astra

等着所有购买 20 美元/月订阅计划的人抱怨 Fable 5.1 很快耗尽额度，说它很烂
你只需支付 Netflix 的价格，就已经离 AGI 更近了一步，别抱怨了

《鱿鱼游戏》，但这是为智能体打造的——谁在构建它？

我感觉自从 ChatGPT 和 Codex 集成后，Codex 桌面端体验变得糟糕多了
直观性差了太多，请把旧版应用带回来

关于 AI 智能体，我有件事很好奇
当智能体之间的交互增多时，哪些智能体会：
-更擅长谈判
-更擅长解决问题
-更具操纵性
-更具对抗性
大多数基准测试都是在孤立环境中评估模型的，我想看看模型在交互条件下接受测试的结果

“语境系统”是价值万亿美元的企业软件机遇
几十年来，企业一直在构建和维护记录系统
SAP、Oracle、Workday、Salesforce——这些都是记录系统
但它们并不是为 AI 世界而构建的
当然，它们都会加装智能体能力，但会受到严重限制，充其量只能带来边际改善
企业现在需要的是语境系统（SoC）
SoC 是一个汇集、解读并持续更新 AI 所需信息的层，使 AI 能够理解、推理并自信地采取行动
它告诉你组织中什么是真实的，而不仅仅是一些孤立的数据点
它还是构建自我改进型组织的基础——一家能够复合自身智能、每天变得更好的公司
自我改进型组织是最终目标，而没有语境系统就无法实现
这就是为什么这是当今企业软件领域最大的机遇

我对今日市场的快速看法：
> Bessent 昨天发出信号，称他将保护收益率曲线的长端，这使 AI 建设融资保持正常，并降低折现率，从而利好股票
> 不过，这推动美元走低，并暂时使股票对边际海外买家而言更加昂贵，等其稳定下来，随后可能恢复上涨
> 美元走弱通常会推动加密货币上涨 + Trump 的看涨发帖为火上浇油（当然是巧合），并造成了大规模逼空
> 市场喜欢轮动，因此在仓位变得过于激进之前，BTC/加密货币+黄金很适合持续获得买盘——关注 ETF 资金流，以此获取信号
总体而言：短期内看涨加密货币+黄金，直到仓位变得过于偏向一侧，然后在下一轮上涨之前，以折扣价买入 AI 股票

我的智能体多得都要从屁股里冒出来了
大多数人都在问“我该使用哪个智能体”，而我在问“我该杀掉哪些智能体”
一切始于 OpenClaw，后来发展成多个实例（现在已停用）
接着来了 Hermes，一见钟情，我现在整个桌面都配上了 Bot Mode + VPS 设置
我还有一些由我的主 Hermes 智能体协调的定制 Claude 智能体
我正在运行带有一个团队的 Grok Bot
我正在用 Instinct 处理个人事务
我正在使用 TrueNorth 智能体进行交易
我至少试过其他十几个，有些还在闲置积灰（还记得 NemoClaw 吗？）
我一直收到私信，让我试用新的智能体
我非常喜欢尝试新的智能体和相关工具，但随着这场寒武纪大爆发，我正在减少尝试——我需要看到证据，证明某个新智能体或工具可能比我已经在使用的更好
我面临的最大挑战，是为新智能体建立上下文，以便对它们进行恰当评估
我有一个可以接入的个人上下文层，但要让新智能体跟上进度仍然需要一些工作，就像培训新员工一样
因此，测试每个新智能体都需要一些时间来形成有依据的看法，否则就只是凭感觉
关键在于，随着时间推移，迁移成本会不断上升，而这是最大的启示
智能体和工具链锁定正在发生，赢家目前正在消费者层面形成
接下来 12-18 个月内，企业层面也会发生同样的事情
试点之后，切换智能体平台很容易，但一旦它们进入生产环境，迁移成本就会更高

健身房趣味小技巧
请别人帮你保护，然后故意少报次数，说“我打算做 3-4 次”，接着一口气完成 10 次
你会得到积极鼓励的反应，同时也能训练自己完成比说出口的次数更多

好吧，我还是被所有的 FOMO 诱惑到了
有人能私信给我一个 Instinct 的邀请吗？
先谢谢了

我觉得人们对 AI 模型抱有部落主义心态很有趣
我更喜欢广泛尝试，不对任何单一模型提供商表现出过多偏好

时间线上对 AI 的负面情绪，只会进一步证明我们仍处于非常早期且尚未形成共识的阶段
基本上有两种论点：
1. 企业没有获得 ROI，因此会停止或放缓支出
2. AI 建设的融资是一场终将破裂的泡沫
公平地说，空头和怀疑者提出的这些论点确实有一些证据支持
但这些论点大多只见树木、不见森林
企业 ROI 不会立即显现，而且在很多情况下，AI 支出将关系到生死存亡，并会成为基本门槛（详见我置顶的文章，其中对此有详细分析）
所以，仅仅因为一项已经过时的 McKinsey 或 MIT 研究称许多试点项目失败了，并不意味着企业会放弃 AI 采用计划——你只需看看 Anthropic 的收入运行率，就能发现相关支出仍在以前所未有的速度持续发生
至于许多人认为会引发类似 2008-09 年抵押贷款危机的金融循环性问题，你显然没有接近过当时的情况，否则就会看到两者有多么不同
2007-2012 年间，我有大部分时间都身处那场危机及其清理工作的中心——这两件事并不相同
融资方面是否有我们应该持续监测的担忧？当然有，而历史告诉我们，风险会被尽可能向风险曲线的下游转移，直到某些东西崩溃
但目前的警示信号甚至远未亮起红灯
当你看到数据中心处于空置状态、大型 GPU 合同未获续签或被取消，以及产能提供商出现偿付能力问题时——那时你才可以开始将其与 2008-09 年相比较
如果你认为我们已经接近那种情况，我建

我的看法是，AI 更适合增强你最优秀的人，而不是将你最差的人自动化
给 10 倍员工提供他们想要的尽可能多的 AI，围绕他们能做的事情构建自动化流程