More agents is all you need. ArchitectureAfter researching the agent designs of products like Cline and Nanobrowser, it is evident that the current state-of-the-art approach involves dividing agent

《苦涩的教训》中，我们已经发现，符号主义的失败是必然的，AI的发展充满了工具先行，理论后至的路线，甚至目前也没有一个很好的理论来完整解释神经网络和大语言模型。回顾蒸汽机和热力学的发展，人们首先发明了工具（蒸汽机），后来在对工具的不断优化中，发现了各种理论，如卡诺循环。对于LLM而言，人们似乎也是首先发现了GPT，后来应用到chat、workflow、agent上，在实践过程中不断优化。 1. 现象

Vibe Coding通过漂亮的定义和新颖的方式绕过了软件行业几个重要的问题：技术债、安全编码、DevOps，以及程序员的必经之路：对复杂系统的心智模型建立 不要以软件行业生产代码的方式看Vibe Coding，因为他们的成果通常不会用于软件行业，而当真正把Vibe Coding的成果转化为稳定运行的软件时，人们通常会寻找真正专业的人士，因为Vibe Coding没办法做到这些。 这有点像平时喜欢

在Satya Nadella – Microsoft’s AGI Plan & Quantum Breakthrough的访谈中，S.N.提到他并不担心算力和模型能力的非线性增长，而更加担心我们的经济增长速度是否匹配我们的AI能力增长。 这让我越来越担忧一件事：我们正在用着人类最先进的芯片和计算技术，为无意义的工作雕花。人们对于AI引发的所谓“技术性失业”充满了担忧，特别是拼接类型的岗位和

现在的LLM变革就像从地图到自动驾驶，以前AI尝试给用户以指引，所有操作和判断仍需要人类进行。当导航技术逐渐发展时，人们基本可以按照导航行事。但自动驾驶非常不同，他需要AI主动地感知道路状况以作出判断。最初，自动驾驶使用专家系统，通过规则来实现智能的下限和响应时间要求，LLM之前的AI发展也是如此，人们通过规则设计，实现了一整套大数据Pipeline，通过数学建模来实现AI决策。现在越来越多企业转

今天来聊一聊 AGI 时代的产品设计。 从现在回看互联网时代，一个观察是互联网时代创造的最重要价值之一是“互联”，以使用产品的人数对产品进行评价，其中一个最重要的指标就是 DAU（Daily Active User）。 而在 AGI 时代，一个产品是否被“更多”的人使用是否仍然能作为最重要的指标？或许并非如此。随着 AI 的能力发展，能够更多地使用智能，更高效的利用模型能力带来的提升，将是 AGI

The PMF Trap通常，一个公司找到 PMF 是一件值得庆祝的事，但与此同时，由于你已经获得了一批客户，并且他们愿意给你付钱，那么你就很难改变你的服务形态。在运气够好的前提下，你的产品没有在短时间内被颠覆，它最终将成为了这个时代的一部分。而如果没有那么好的运气，你的产品可能只是一个阶段性的成果，最终会被淘汰。 一个例子是诺基亚与苹果的竞争，在互联网时代可能是倒下了无数的按网店收租网购平台，在

最近在研究 Agent 系统，重新整理了一下 Agent 相关的发展和实现，有两个认识，记录一下 AIOS 互联基础研究：MCP 协议我们在开发 Agent 的过程中会发现，基于开发者定义的 Function Call 模式缺乏灵活度，人们必须要在获得 Agent 源代码的情况下，才能根据自己的数据进行二次开发。这也就导致了各种 Agent 实际上是封闭的，无法从外部有效获得自定义数据的。 为此，

最近有一些新的讨论，在这里记录一下 Token Generation真的是思考吗？还是说，人类的思考本质上也是一种Token Generation？ 我之前一直认为Token Prediction/Generation是一种通过概率对思维的拙劣模仿，永远存在幻觉等问题，永远不能达到人类的高度。但是从来没有从反方向考虑，即既然神经网络是对人类神经的模拟，难道transformer不可以

随着Deepseek R1的推出，高质量的Agent即将取代偏重工程化的Workflow，更多的工具提供给AI的情况下，细微的bad case在大数定律下将会变得更加明显。 推理模型不代表幻觉的消失一个理论基础是：推理模型仍然是Next token prediction，而不是真的通过思考来规划路径。COT并不能避免其中的幻觉所在，而如何识别幻觉，仍然依赖工程化手段 大数定律下bad case无法