Xu的博客

再读经典的所思所想

Mon, 27 Jul 2026 00:00:00 GMT

最近心烦意乱，一来是连绵几周的阴雨，另外所期望之事并不按照预期而进行。

人一乱，就容易失去方寸，而方寸之间正是一个人思考的空间。所以很久没有静坐动笔写点东西了。

不过还好，近日偶有的闲暇时日翻看了水浒，也巧的是这种焦虑蔓延的心绪正好对味梁山泊的快意恩仇。回望那一个个好汉的经历，也产生了许多自己的思考。因此就借梁山事，来吐我心中忧吧。

思来想去，觉得可以用一句话来概括所有：知天命、顺天命、尽天命。

一、知天命：看见大势所趋

水浒里有一条贯穿始终的暗线，叫做天命。

洪太尉误走妖魔，是天数。梁山一百单八将聚义，是天罡地煞下凡。石碣受天文，排定座次，是天授名分。因天命而聚首，因天命而诏安，因天命而征伐，最后因天命而星散。

一百零八人，来路不同。林冲被高俅父子逼得家破人亡，鲁智深因救人而得罪权贵，武松在快意恩仇里越陷越深，宋江则在忠孝功名和江湖义气之间反复拉扯。每一个人都有自己极其具体的不甘与委屈，没有谁是为了"应劫"才上山的。

但故事读到最后，你会发现，无论他们从哪里出发，最后都被卷进了同一条轨道。

所谓知天命，就是意识到个人的挣扎始终在一条比个人更大的河流里。

这一层，水浒里真正做到的没几个人。公孙胜算一个，他在招安之前就以"奉养老母、侍奉罗真人"为由抽身。武松勉强算，他在招安问题上旗帜鲜明地反对，用他残破的身体投了最干净的一票。燕青和李俊也算一个，他们看穿了"鸟尽弓藏、兔死狗烹"的结局，在最合适的时候离场。

宋江是最复杂的一个。他名义上"替天行道"，但他从未真正看见天命，他看见的只有朝廷。他把招安当作归宿，把忠君当作圆满，最后连李逵的命也搭进去维护身后之名。

知天命解决的是一个问题：我是否看清了自己身处的局。

其实大部分人是看不见的，不仅看不见自己所处的局，也看不见自己。浑浑噩噩的度过了日子，什么也没有，有的只是在欲望的沟壑里面争夺一些身外物。因此求而不得时，会变本加厉的苛责自己，会让自己持续的体会那些不好的感受，让自己沉溺。

所以我会问自己一个问题：我自己又知道自己是谁么？我又看清楚了我自己的局吗？

当我问自己时，也不会有清楚的答案，但那种第三人称视角的自我反思，让很多事情变得更容易接受。

接受了，才能顺从大势所趋。顺从天命。

二、顺天命：身在洪流，借势前行

顺天命这三个字，最容易被误解成认命、躺平。

但就像水浒里的"顺"，从来不是消极。它是一种清醒的进取。

公孙胜顺势归隐，是拒绝继续消耗自己。

燕青顺势而退，是看清功名背后的危险。

武松顺势留在六和寺，是放下了对朝廷的最后一点幻想。

李俊诈病离队，最后出海远走，是把自己从整套功名系统里摘了出来。

他们不与大局硬碰，不拿鸡蛋去撞石头。但他们的退，从来不是怯懦，而是一种分寸。

顺天命解决的是另一个问题：面对无法选择的部分，我该如何与它相处。

它意味着——不拿幻想代替判断，不把责任推给命运，也不为了显得"有态度"而去做注定失败的事。

有一种勇气叫硬扛，有一种更难得的勇气叫停下来。

接受那些自己无法改变的东西，努力去改变自己能够改变的，有智慧能够看清这两者的差异。

顺从天命后，也就是尽天命了。

三、尽天命：走完这条路，再谈超脱

而水浒里真正抵达最高一层的人，是鲁智深。

他没有逃。他护送林冲到底，参与征辽、征方腊，一路走完了梁山那条注定悲剧的路。

他不是不知道结局，他比任何人都清楚朝廷和梁山之间到底是什么关系。可他没有中途撂挑子，也没有选择公孙胜式的提前离场。

他把自己活成了一支笔，走完了整卷水浒。

直到六和寺那个夜晚，钱塘潮信响起，他忽然明白——

鲁达是身份，提辖是官职，智深是法号，花和尚是外号，梁山好汉是江湖给他的名分，征方腊的将领是朝廷给他的用途。

这些都曾经是他，却没有任何一个，足以定义他。

所以"今日方知我是我"，不是顿悟成佛，是终于认出了自己。

宋江到死都在维护"忠臣"这个身份，所以他必须死得像个忠臣。鲁智深在最后一刻，把所有身份都放下了。他比宋江更尽天命，因为他没有拿天命去定义自己，也没有拿忠诚去要挟世界。

尽天命，回答的是最本质的问题：我把这一生，走完了没有。

四、AI 浩荡，个人何为

把水浒拉回到今天，其实每个人都被卷在一条更大的河里。

AI 浩荡而来，技术以月为单位在变，模型每隔一代就被重写一遍。在这种大势下，个人的焦虑几乎是必然的：怕跟不上，怕被淘汰，怕错过。

但鲁智深给了一个答案——

知天命，是承认 AI 正在重构知识、软件和人的协作方式。看清技术能力往哪里走，价值往哪里迁移，自己在新的版图里究竟还有没有位置。

顺天命，是在趋势里找到自己的立足点。不是每个人都需要去训练模型、做 Agent、写框架。关键是找到热爱与擅长的交集，再看这个交集能不能被时代放大。

尽天命，是沿着认定的方向，长期地、笨拙地、认真地做下去。

在 AI 时代，最容易复利的，依然不是追每一个热点，而是判断力、实践经验、可被看见的作品、以及可被信任的合作关系。模型迭代以月计，人的能力、声誉和表达仍以年计。

所以对个人来说，最难的不是看清大势，是不慌不忙。

不急，不是不动。是在看清潮水之后，仍然按自己的节奏，走该走的路。

该学的技术认真学，该写的代码认真写，该面试认真面，该读的书认真读。但不因为别人在跑就丢掉自己的方向，也不因为明天又出了新模型就否定今天的选择。

人可以接受天命，却不必交出对自我的解释权。

第一次跳槽的面试经验总结

Fri, 21 Aug 2026 00:00:00 GMT

近期没有频繁更新，原因很简单——我在跳槽找下家。这是工作后的第一次跳槽，回顾整个历程，有顺利也有不顺的地方。面对不同的处境和问题，尝试解决，得到了结果。现在把心得体会和经验做一个总结，写给同样在路上的你。

我是 AI 产品经理。AI 领域有一个挺有意思的现象：对一个 AI 产品经理的能力要求，到现在也没有形成一致的行业共识。能力画像是什么？必备的能力是什么？众说纷纭。

我自己的体会是，哪怕就是在同一个公司，一面、二面、三面对能力的要求都可能完全不同——当然有部分原因是职级差异带来的，但更根本的原因是这个行业还在快速变化，标准本身就在流动。

这是我想写这份总结的本质观点：当外界没有形成一个一致的标准答案时，你应该主动写定自己的答案，并说服他。

这篇文章不谈行动上的细节——毕竟每个人的习惯和准备方式不一样，条条大路通罗马，目标恒定且有效，怎么行动都会接近那个结果，只是时间效率的问题。

更想谈思考。

一、先想清楚：为什么跳

这一点非常重要，但也是最容易被忽略的。

很多人跳槽的理由是：

感觉自己应该跳了

年限到了，经历到位了

工作无聊不想干

身边的人跑路了，对自己有影响

这种外部动机驱动的，一旦遇到问题，很难坚持下来。

举例几个真实场景：

简历投递但无音讯，你能坚持改多少次简历？想清楚怎么改？写多少份对应不同岗位的版本？

面试不通过，你有多少心力可以次次复盘、做面试准备、提前 coding 一个 demo 来演示？

等待结果的焦虑中，你是不是能平静下来继续做自己的事，考虑额外的准备？

太多突发情况了。如果你纯粹靠外部动机去支撑这件事——

你会在 offer 进展不顺时，好不容易拿到一个 offer 就盲目做决策

你会在进展不顺时，怀疑自己的能力，怀疑自己能否有一个好的结果

盲目带来错误的判断，怀疑带来自我否定——一个影响未来的生活，一个直接对当前产生负面的效益。

所以，得先想清楚自己为什么要做这件事。

我自己也经历了被他人影响、跳槽犹豫的阶段，也经历了那种盲目和焦虑的自我怀疑。但当我一遍又一遍被迫看清楚客观现实时——因为你要接近客观的问题——将由外的视角引入向内时，跳槽的理由就和对未来的长期规划、生活方式的选择密切相关了。

仅我个人而言，跳槽的理由是：

走出自己的舒适圈，成长得更快

找到或为一名 AI 产品经理的标准而努力

看中短期回报，看中长期职业发展

更看重自己能否去做一件有意思的事情，把一个产品做出结果

去收获成就感，去面对挑战

基于这些，对下一份工作的筛选标准也就清晰了：

大平台

必须是 AI 领域

有核心的业务

事情要有所挑战

有目标、有资源

能把一件事从头到尾落地并做出结果

同时有回报

二、简历：面试准备的第一关

先用第一性原理，重新定义简历这件事

在动笔写简历之前，先退一步，从头想清楚。

简历是得到面试机会的必要前提，是给面试官留下"好印象"的首要方式。它的本质，是你的面试能力、对找工作这件事的认知、工作能力的外在体现。

一个连简历都不愿意花时间和精力精修的人，如何能让人相信他能胜任一份工作？

所以从准备上，应该把简历当作重中之重。

但其次，简历也没有那么重要

这是一个倒 U 的曲线：充足准备后的简历能起到很好的效果，但过度准备反而不妥当。毕竟"优秀"没有天花板，总有更厉害的人、更厉害的简历。

做到那个"刚刚好"，就够了。

至于"刚刚好"是什么水平，每个人的标准不一样。我自己的经验是——差不多陆陆续续能收到面试邀请，且能覆盖中小大厂，就够了。当然部分岗位要求不同，适当的修改简历去做适配，也是合理的。

怎么才算一份"刚刚好"的简历

我自己的体会是，简历有三点特别重要：格式简约大气、内容主体突出、优中有优。

第一，格式排版要简约大气。

简历的第一印象往往决定了面试官愿不愿意往下读。我的做法是：选一套干净的模板，别花里胡哨的；一页装下所有内容，不拖沓；关键数据标粗，让成果一眼可见；段落分明，时间线清晰，结构整洁。

排版这件事，本质上是在替面试官省精力。你帮他把信息整理好，他才有耐心去看你的内容。

第二，内容要主体突出。

你是什么岗，简历里就应该几乎全是这个岗相关的内容。比如我是 AI 产品岗，那简历里出现的就应该几乎全是 AI 项目、AI 思考、AI 实践。

强相关的要写够，弱相关的要有取舍。这里考验的其实不是"我做过什么"，而是"我懂不懂这个岗位该放什么上去"——这是行业认知，也是你的专业性。

第三，优中有优，要有自己的特点。

你得先知道一个"优秀简历"长什么样，然后对齐它，再想办法用自己的东西超越它。

我的方式是：准备很多简历"之外"的东西，然后把链接附上去。目的不是堆料，而是向面试官传递三件事——我的主动性、我对事情的思考深度、我动手解决问题的能力。

一个 AI 产品经理会主动用 AI 来解决真实的工作问题，这本身就是我想突出的特点。

三、如何准备面试

先回答一个问题：面试准备的目的是什么

是为了通过面试？对，也不对。我自己的答案不是这个。

准备面试，本质是让自己通过预演面试的场景，来看看自己能否在一个陌生人面前侃侃而谈，把工作上的事讲清楚、把思考展示完整。简单说：看看自我展示的能力。

为什么？因为"想通过面试"是一个下位的心态。

面试是一场双向选择，不是一场考试。你不应该用"通过考试"的要求来看待它——你越祈求什么，越可能求而不得。

当然你可以说："我先通过，通过了再决定去不去。"这也是很典型的学生思维。

我自己也犯过类似的问题：一个后来再回头看觉得明显不适合的机会，没有通过，竟然会影响心情，并产生自我怀疑。

合适不合适，面一次就知道了。 不合适的也非要想先通过，装着装着别把自己骗了。

准备阶段的拆解

基于这个认知，再来拆解准备阶段。不想拆得太复杂，就两部分：

1. 根据 JD 做准备。

JD 写了什么，就一条一条对照自己的简历去匹配。JD 里强调的点，大概率就是面试会重点追问的地方。

2. 根据简历做准备。

简历里的每一段经历，都要按照项目背景、人员构成、你的角色、你的行动、你的结果、你的反思——通读通背几遍。面试官问的所有问题，几乎都从这个框架里来。

一个补记的小技巧： 把简历和 JD 一起丢给 AI，让它提问；你回答；回答完它再点评、再追问——反复演练几轮。虽然 AI 的提问不一定完全贴合真实面试场景，但反复练下来，你至少有回答问题的熟练度、拆解问题的反应速度，不至于面试时过度紧张，大脑一片空白。

顺便说一句，这其实就是 AI 产品经理会用的方法——把日常在用的工具，用在准备自己的面试上。

四、面试中：宗旨是「自圆其说」

面试中会遇到各种乱七八糟的问题。但宗旨只有一条：能够自圆其说。

在这条宗旨之上，有几个技巧可以尝试学习。

1. 别轻易回答"标准的正确答案"

什么意思？

比如面试官问："你觉得 harness 往后发展还会很重要吗？"

面试官能问这个问题，大概率他已经知道你会怎么回答——无非是"模型能力发展到后面会把 harness 吞掉"之类。

你照这个套路回答，他只觉得 OK，没什么毛病。追问几个细节，也就过去了。

这种情况——你知道正确答案是啥，你回答了，别人也回答了——拉不开差距，留不下印象深刻的点。

你应该尝试给面试官新奇的体验。

我当时的回答大致是这样的：
"Harness 在现阶段非常重要，往后可能会因为模型能力提升，harness 的权重会降低，这是行业共识。
但从我这半年做 Agent 的经验来看，'harness 是否重要'其实是个伪命题——我更看重的是 Agent 在线上的迭代周期和性能效果。
所以我们既不会只短期关注 harness，也不会长期死守 harness。我们试着在 Agent framework 的思路上做转变：一个稳固的 Harness 框架应该迭代成 Agent Platform，围绕整个 Agent 构建起完备的观测和评测体系。
这样才能在模型能力迭代升级后，随时看到指标变化，甚至定位到可以删掉哪些冗余的部分。"

2. 聚焦

说起来也有点多此一举，毕竟如果面试官的问题非常发散，你也聚焦不了回答。

这里我真正想说的，不只是回答内容要聚焦在主题上，更重要的是——让一场面试中你的"人设"很聚焦。

JD 要求一个动手能力强、实践精神足的产品，你就应该表现得足够热情、有很多想法、看起来很 AI Native。

JD 要求一个中后台的内部提效产品，那你就应该具备中后台产品的共性：逻辑思维足、好沟通协作、深谙企业中那些边边角角的琐碎处理方式。

一句话：让别人看到并记住你的人设，比什么都重要。

3. 了解你的面试官

面试官在沟通中表现出来的状态、提的具体问题、一些细节，都可以观察和留意。要按他想听的去说、按他的偏好行事。

一个好的例子

某次 offer 的二面，二面官是一位技术负责人。交流中很多问题偏技术视角——那作为产品，我应该怎么回答？

我倾向于从技术侧切入：先交代产品观点，再讲可行的技术路径，然后估计会有什么技术障碍，结合已有经验怎么处理。

这位面试官跟我聊得很开心。他说："觉得我们不像是一场面试，更像是一次技术层面的交流。"这个感觉他觉得非常好。

一个不好的例子

同样是这个 offer 的一面，一面官是产品总监。面试中，他多次跟我说"1-2 分钟讲清楚就行"，但我有几次回答超过了他的"忍受范围"。

后来面评里有一句："多次要求限制回答长度，但不奏效。"

虽然也通过了，但看到这句面评的时候，我会觉得自己还是没有发挥好。

在面试中及时调整你的策略——所谓的"见人说人话，见鬼说鬼话"，大致就是这个意思。

不过还是一样，不需要过度"猜测"。过度猜测反而可能带来不好的效果。

五、我在面试阶段犯的几个错误

讲完技巧，讲教训。把这一路犯的几个错也写下来，给后来人避坑。

1. 因为太久没面试，拖延心态把战线拉得太长

太久没面试，所以简历修改花了很多时间。其实可以很早就改好，但自己拖延了一段，导致正式投递和面试的阶段来得比较晚。

当面试阶段来得晚，好的机会就少一些。我又低估了面试的周期——以为 3 周内就能拿到 offer，但实则不然。

较晚开启面试 + 没预料战线会比较长 = 心态没有想象中持续稳固。

2. 想要"解脱"的动机，一度超过了想要变好的内部动机

当你开始幻想自己拿到某个 offer、提离职、进入休息状态时，自然就希望一切快点发生。

巧的是，面试中听过最多的一句话之一，反而是——"事缓则圆"。

一切都没有想象的那么顺、那么快，有的是等待的折磨、悬而未决的结果。

在悬而未决时，又想要早点"解脱"——想要得到结果，想要一切按理想的状态发展——那就很难接受。让人踟蹰、让人自我怀疑。你很难停下来去做什么事，只有心慌意乱。

这也印证了开头说的：找工作是一个持久战，要保持良好的心态，在波折中稳固地做好自己应该做的事。

3. 认为自己没有想象的那么强大

当你受挫、接连失败、得不到正反馈，自我怀疑是顺其自然的事——会觉得自己可能就只能去找个小厂、去一个差不多的地方。

但一旦你这么想了，事情就会急转直下。你会丧失信心，会对很多事丢失判断力。

我大概在 7 月初陷入这种状态——已有流程悬而未决、新增流程还没结果、公司事情又不少，得作为多面手准备很多意外、接受很多结果。所以开始自我怀疑了。

不过我算是比较实事求是的人。想清楚这些之后，那段时间在努力调整状态，从能把控的事情做起。一场一场的面试，经历了不少，渐渐地也就找回了一些自信。

4. 过于把面试想得太能掌控

面试会出现各种乱七八糟的问题。面试通过，只是你能努力做到的那部分；但就算通过了，也可能出现其他变数：

有其他候选人已经接了 offer，三面暂停（某中厂）

内部 HC 盘点，暂时发不出来 offer（某大厂）

Anyway，面试就是这样。

我一开始把面试当作实力的证明——觉得实力的比重 > 运气。但现在认知已经彻底被颠覆了：

面试就是面试。 想找到一个合适的 offer，除了需要绝对实力之外，还需要运气。综合在一起，就是看你跟哪家企业有缘分。

心态 Peace 一些。天无绝人之路——说不定你担忧和遇到的否决，不一定是坏事。事物都有两面性。

5. 别跟太多人说你在做什么

这件事对我来说，其实不是"说不说"的问题。

在之前的公司，我的薪资很低，大家也很认可我，公司里也公认我是 AI 积极探索者。所有人都看到了这届应届生都在往外流失，所以每个人都很清楚我大概率是要跑路的——只是早晚的问题。

经常有人打趣性质地问："怎么还在这？"

那我自然而然会有一种跑路的压力。这是一种不好的处境。

如果可以的话，跑路这件事不应该告诉任何人——所有人都不知道，是最好的。

写在最后

如前面所说，面试是一个复杂任务。

复杂任务需要多步拆解、需要 Loop 多次、需要调用工具、需要更强大的上下文承载能力。

别忌讳，也别担忧这一阶段的到来。 所有职场人（除了那些财富自由的）都将经历，或者已经经历过。

人生的丰富度来自于不同阶段的体验。

享受吧。

2026的4月，谈到的AI是什么？

Sat, 11 Apr 2026 00:00:00 GMT

2026年4月大家对AI的理解是什么样的？这是一个有趣的问题，答案显而易见：不就是Openclaw？不就是Cowork？不就是Agent嘛。然而什么是Openclaw？什么是Cowork？什么又是Agent？我相信，绝大部分人都是有体感的，但是在理解的层面上有多深入，则因人而异了。

理解，这是一个可深，可浮于表面的词。本文也就做1件事：缩小体感与理解之间的鸿沟。

Cowork是Openclaw的孪生还是新生？

Cowork，作为一款产品，首次被提是在 2026 年 1 月 ，Anthropic 推出了一款全名为Claude Cowork 的产品。背景也很简单，Anthropic 发现很多非技术人员也在尝试用 Claude Code 来处理日常任务，于是决定开发一个面向所有办公场景的、具备 Agent（智能体）能力的桌面端产品。

由于时间线的交叠，很难说这款产品的发布没有Openclaw的影子。所以最开始有人会将Cowork与Openclaw相提并论。不过时至今日，两款产品完全走的是不同的道路了。

简而言之，Cowork实际上是本地的manus，但没有具备植入IM进行远程协同的能力。Openclaw则更加开放，能够远程调度。如果要从实现层面来区分Cowork和Openclaw，Cowork使用Computer use的方式来理解用户在本机想要做的操作，并进行复刻。比如打开WPS写一个文档，Computer use是纯视觉理解，响应速度相对会慢一点。Openclaw则直接调度可用的APi。

然而，这些都不是各自软件的壁垒。Openclaw可以接一个视觉UI的API，来实现Computer use的能力，Cowork也能够通过Cli（Openclaw也可以）来直接完成本机本地的相关任务操作。这也是为什么3月的时候，自媒体开始鼓吹“MCP已死，Cli独尊”。所以本质上，由于都是Agent系统，这两者之间都是一种范式下的同一种衍生物。

理解Agent很重要

过去，AI 被认为是一个**“函数”**：你输入一段 Prompt（提示词），它输出一段文字结果。这就是 ChatGPT 刚诞生时的形态。

但 Agent（智能体） 打破了这个局限。简单来说：Agent = 大脑（大模型） + 手脚（工具） + 记忆（数据库） + 规划能力。业界有一句非常经典的话：“Agent 不是一个模型，而是一种复杂的软件工程架构。”很多人以为 Agent 的核心是那个大模型（LLM）。但实际上在真实的工程落地中，LLM 只占了 10% 的工作量，剩下 90% 的脏活累活全在这 5 层架构里。

市面上的那些Agent，底层的代码库基本都是按照以下 5 层来组织目录的：

1. 感知与接入层

这一层负责把外部世界混乱的信息，转化为 Agent 能听懂的指令。它不仅是“聊天框”，更是一个复杂的事件监听器。

它的日常工作：

被动接收：用户在文本框输入了一句话，或者通过语音输入。

主动监听：比如在 WPS 里，用户高亮了一段文字并点击了右键，或者系统到了每周五下午 5 点，这些都是“事件（Event）”。

意图路由：这是非常关键的网关。用户说“你好”，直接走闲聊通道；用户说“帮我排版”，立刻拦截并路由给排版 Agent。不能什么废话都去唤醒庞大的 Agent 引擎，那太烧钱也太慢了。

核心工程难点：多模态对齐和防并发风暴。如果用户在 1 秒内连发了 10 条长语音并传了 3 张图，感知层必须有消息队列来把这些零散的输入打包成一个完整的“任务上下文”，而不是启动 10 个 Agent 去互抢资源。

2. 中枢调度层

这是 Agent 架构的绝对核心，也是拉开产品差距的护城河。最为核心的ReAct（推理+动作）循环就是跑在这一层。

ReAct 是 Reasoning（推理） 和 Acting（行动） 两个词的缩写。它最早由普林斯顿大学和 Google 的研究人员在 2022 年底的一篇论文中提出的，它把“内部的逻辑思考”和“外部的工具交互”完美地交织在了一起，是现在正是目前所有主流 Agent 框架最底层的“运转引擎”。用最白话的方式来说：ReAct 是一种教大模型“像人类一样边想边做”的提示词工程模式。 如果去使用Agent产品，并打开思维链进行观察就会发现，Agent会经常性的在后台疯狂运行着这样一个无休止的循环，直到任务完成：思考：大模型分析当前面临的状况，决定下一步该干什么。行动：大模型决定调用某个具体的工具（比如搜索接口、计算器、或者某个特定的 JSAPI）。观察：工具在真实环境中执行后，返回的客观结果（比如网页的内容、API 的报错信息

它的日常工作：

任务拆解：收到“整理一份竞品报告”的任务后，调度器会生成一个流程图（先搜索 -> 再总结 -> 最后生成表格）。

循环控制：驱动大模型进行 Thought -> Action -> Observation 的循环。

错误兜底与重试：这是最难的。如果 Agent 调用的天气 API 挂了，或者找错了文件，调度层必须能“踩刹车”，告诉模型：“刚才的调用报错了，换个方法试试，你还有 2 次重试机会。”

这里有个有意思的地方：业界都在鼓吹“全自动自治”，但这其实并没有考虑到用户本机的资源限度。未来在移动端使用的场景下，这种“全自动调度”会非常危险。一旦调度器失控陷入死循环（无限重试一个死掉的接口），手机就会发热耗电甚至崩溃。更务实的做法是“Human-in-the-loop（人类在环）”调度器，在关键执行节点主动悬停，弹出授权框让用户确认。

3. 大模型引擎层

这一层是对外接 API（如 GPT,Opus,KiMi）的深度封装。它屏蔽了不同厂商模型的差异。

它的日常工作：

Prompt 模板引擎：将调度层传来的指令，动态组装成 LLM 喜欢的格式。比如把当前时间、系统状态、用户权限悄悄塞进 System Prompt 里。

Function Calling 解析：强制大模型以极其严格的 JSON 格式输出结果。大模型天生喜欢说“好的，没问题，我已经为你调用了...”，引擎层必须把这些废话过滤掉，只提取代码需要的 JSON 字段。

Token 截断与滑动窗口：如果上下文太长超过了 128K 限制，引擎层要负责把最不重要的历史对话“剪掉”，保证最新指令能传进去。

核心工程难点：输出格式的强稳定性。 如果模型哪怕少输出一个 } 括号，下层的代码就会直接崩溃。所以这里通常需要配置多重正则验证和自动修复机制。

4. 记忆与数据层

大模型本身像是一个失忆症患者，你刷新一下它就全忘了。记忆层赋予了 Agent “历史连续性”。

它的日常工作：

短期记忆：通常缓存在内存或 Redis 中，记录“当前正在进行的这个任务”的中间状态和上下文。

长期记忆：通常使用向量数据库。把用户过去的所有喜好、文档语料转化为多维向量存起来。

RAG 管道：当用户问“我上个月那个关于 AI 的 PPT 里写了啥”，记忆层会先去向量数据库里检索出相关的 PPT 段落，喂给大模型。

核心工程难点：“记忆污染”与“遗忘机制”。 用户的偏好是会变的。如果去年用户设定了“用冷酷的语气回复”，今年改成了“用热情的语气”，如果长期记忆不更新权重，Agent 就会精神分裂。必须设计时间衰减算法。

5. 工具与执行层

这是架构的最底端，也就是大模型最终要去改变世界的地方。所谓的业界常提到的JSAPI、CLI、Bash 都在这一层。

它的日常工作：

接口注册表：维护一个清单，告诉大模型现在有哪些工具可用（比如“翻译工具”、“日历查询工具”、“本地文件重命名工具”），以及它们的入参规范。

沙箱执行：安全地执行模型生成的代码或接口请求，并将执行结果（成功或报错信息）原封不动地返回给中枢调度层。

核心工程难点：绝对的权限隔离。 对于移动端 App（如 WPS），工具层的大部分能力是由端侧的 JSAPI 提供的。必须极其严格地校验每一个来自云端的 API 调用指令，防止中间人篡改指令，导致恶意读取本地私密文档。。

阅读经典《Attention Is All You Need》

Wed, 11 Mar 2026 00:00:00 GMT

1. 序言

2017年谷歌发布这篇论文时，没有人会预料这篇论文将成为若干年后各家AI产品的基石。我也没有想过还会有一次经典的重温时刻。

这次的经典论文阅读，选择从本篇开始，其中既有追忆过往的嫌疑（2017年正是大学入学的时刻，那时还处于疫情前），又算是一次名正言顺的系统性AI理论技术的梳理。

不过在开始所有阅读和梳理之前，一个问题很重要：我作为AI产品经理，真的要懂这些吗？这些阅读是有意义的吗？能给我带来什么可见的收益？

至少从我本人过往的经验来看，对底层技术的理解是能够让思考进一步升纬的必要条件，对一件事情进行深度思考，是可以带来的是超越当前认知的收益。

2. 论文作者

首先，我觉得比较戏虐的是这篇论文的作者们（被称为“Transformer 八子”）如今已经基本全部离开了Google，各自都站在既定的AI方向上成为“操盘手”。其中，Shazeer因为 Google 不让发布聊天机器人 Meena（LaMDA 的前身）而愤然出走。但在2024 年，Google 为了抢回他，不仅支付了巨额技术授权费，还直接让他回归执掌 Gemini 的大权。Kaiser则直接加入了OpenAI。

作者	2017 年身份	2026 年现状	备注
Ashish Vaswani	Google Brain 研究员	Essential AI 创始人	论文一作。曾创立 Adept，现专注于企业级 AI。
Noam Shazeer	Google Brain 资深软件工程师	Google Gemini 技术负责人	曾离开创立 Character.ai，2024 年被 Google 以 27 亿美元“买回”。
Niki Parmar	Google Brain 研究员	Essential AI 联合创始人	团队中唯一的女性。曾任 Adept CTO，现与 Ashish 再次创业。
Jakob Uszkoreit	Google Research 软件工程师	Inceptive 创始人	“Transformer”这个名字的命名者。现专注于 AI + 生物 mRNA 研发。
Llion Jones	Google Research 软件工程师	Sakana AI 联合创始人兼 CTO	在日本东京创业，探索受生物启发的非传统 AI 架构。
Aidan N. Gomez	多伦多大学博士生（实习生）	Cohere 创始人兼 CEO	创立了全球领先的企业级 LLM 服务商 Cohere。
Łukasz Kaiser	Google Brain 研究员	OpenAI 核心研究员	离开 Google 后加入 OpenAI，是 GPT-4 及后续推理模型（o1/o3）的核心贡献者。
Illia Polosukhin	Google 软件工程师	NEAR Protocol 创始人	跨界最远。将 AI 逻辑带入 Web3，创立了知名公链 NEAR。

在场外，据说当时团队在 Google 内部推进这个项目时，并没有预料到它会彻底终结 RNN 和 CNN 在 NLP 领域的统治地位。他们当时的主要动力是：RNN 太慢了，我们要搞个并行的加速计算。

无论如何，重温这篇经典论文，站在一众AI产品爆发的时间线下，我相信肯定会有新的思考与发现。

3. 摘要

相信大家对RNN和CNN应该不陌生，摘要中提及表现最优的模型中通常还通过注意力机制（Attention mechanism）连接编码器（Encoder）和解码器（Decoder），其实指的是GNMT (Google Neural Machine Translation)和ConvS2S (Convolutional Sequence to Sequence)。前者是谷歌当时的翻译模型，通过在编码和解码中引入注意力机制（Additive Attention-加性注意力），提升了 2 个 BLEU （BLEU 衡量的是机器翻译结果与人类专家翻译结果之间的相似度，在自然语言处理领域是最核心的“跑分”指标）以上，后者是meta的模型，有点复杂不过多介绍了。

在过往，注意力机制都只是RNN/CNN这些模型改进方向中不起眼的配角，而本篇论文则发现当注意力机制作为主体架构时，模型的表现反而更好。因此，比较嘲讽的取了本文的名字，即《Attention Is All You Need》。

最后，摘要提到：在 WMT 2014 英德翻译任务中，我们的模型达到了 28.4 BLEU 分数，比包括集成模型在内的现有最佳结果提高了 2 个 BLEU 以上。如何理解呢？要知道，在本篇论文发表前，研究者大多数是为了将BLEU提升0.1-0.2，就已经耗费所有精力了。而且使用Transform架构所需要的训练成本非常的低。

因此，很难相信这篇论文在发表后，为什么没有引起巨大的轰动呢？其实不然，学术界就对此产生了高度兴趣，论文的引用量在当时就很高了。而业界也不乏有人以及预判了某些领域的变革：OpenAI的首席科学家Sutskever就全身心投入到GPT的研发中。无奈Google内部不够重视，这也直接导致了“八子”纷纷离职。而2017年，互联网的热度还是“外卖”，“短视频”，现在回想，也有些觉得过分的反差。

从Transformer到GPT，其中还有BERT模型的故事，这就不在此论述了，感兴趣的话，后续再引文更新。

4. 引言

正文翻译：三种神经网络模型，rnn、lstm、gru在序列建模和转化问题已被证实为是最为先进的方法。因此后续的大量研究继续去推进循环语言模型和encoder - decoder的架构边界。

备注：这里提到的rnn、lstm、gru都是用来解决时间序列型（有先后顺序）的任务。rnn的原理是会不停的根据上一个字来预测下一个字，因此很难解决长文本任务，记忆力很短。这也是比较著名的”梯度消失“问题。

模型的”梯度“解释

第一段正文翻译：循环模型通常沿输入和输出序列的符号位置进行分解计算。通过将位置与计算时间步对齐，它们生成一系列隐藏状态 ht，这些状态是前一个隐藏状态 ht−1 和位置 t 的输入的函数。这种本质上的顺序特性（inherently sequential nature）排除了训练样本内部的并行化，这在处理较长序列时变得至关重要，因为显存限制了样本间的批处理规模。尽管最近的研究通过分解技巧和条件计算在效率上取得了显著提升，但顺序计算这一根本约束依然存在。

解释：

这一段非常直接的阐述了RNN这类模型的特征与缺陷：顺序计算带来了低内存占用，但计算效率和长文本的推理则效果很差。

第二、三段正文翻译：注意力机制已成为各种任务中极具吸引力的序列建模和转换模型的重要组成部分，它允许模型在不考虑输入或输出序列距离的情况下建模依赖关系。然而，除了极少数情况外，此类注意力机制仍需与循环网络（RNN）结合使用。

在这项工作中，我们提出了 Transformer，这是一种摒弃了循环（eschewing recurrence），完全依赖注意力机制来刻画输入与输出之间全局依赖关系的模型架构。Transformer 允许显著提升并行化程度，并在 8 颗 P100 GPU 上仅训练 12 小时后，就在翻译质量上达到了新的业界顶尖水平（SOTA）

解释：

由于上述所言，注意力机制因此大多用来解决这些循环模型的“记忆问题”。本文则与之不同，不考虑循环而是完全依赖注意力机制的模型架构。

这里有个细节，为什么RNN叫做“循环模型”？RNN全称：Recurrent Neural Network，Recurrent就意味着“循环”。在模型的架构中，它有一个隐藏状态 (h)。每读入一个新词，它都会把“旧的自己”和“新的输入”揉在一起，变成“新的自己”。数学表达上：ht=f(ht−1,xt)。这个 ht−1 到 ht 的过程，就是在同一个神经元里不断重复、循环的过程。

5. 背景

背景这里其实也就是相对详细的再带过了一些前情提要：以卷积网络作为基础构建模块的模型都逃不了长文本的信息遗忘问题。

并引入了Transform这个架构是如何生效的：即自注意力机制中，序列里的每个单词与其他单词的点积距离是1。如何理解这个1呢？这里有个非常巧妙的线性代数的计算，由于公式的解释不如直接展示公式（我看不懂）：

按照我自己粗暴的理解，以前的计算方式（如RNN）是带有位置信息单维度的计算，很暴力很有效，但也很难解决更多的问题。现在的Transform其实是让每个词之间的关系从单维度变成多维了，通过一次矩阵间的计算让每个词之间的关系都直接被解，没有其他计算上的依赖。

也就是所谓的自注意力机制：让模型在处理一个序列（比如一个句子）时，能够“自动判断”哪些词对理解当前词最重要。这也是接下来我们核心要大谈特谈的内容。

6. 模型结构

解释：人类的语句是由一个个词语组成的具有语意的一段话。因此要想计算机能处理人类语言，除了将人类语言翻译成计算机的语言外，最重要的是不能够让人类语言本有的语意被损失掉。每个词可以硬编码为向量，计算机如何理解语意呢？这就是前文编码器（Encoder）的作用，通过将词映射到高纬连续空间，类似含义的词相互接近，不同含义的词相互远离，类似含义的词可以平滑的相互过度，让模型可以“类比”。

这里非常有趣，模型本质是不会理解人类的语意的，因为人类的语言指代的是一个个真实存在的物理实体，但是模型并不会理解这个实体，模型只是去计算，计算context下哪些内容是相匹配的，概率最大的。因此模型有幻觉。而也恰恰如此，模型会“涌现”。

回到Model Architecture正文，其中先是解释了encoder对语意的处理，接着再谈decoder对模型输出的处理。这里有一个Auto-regressive自回归的概念：模型的每一个输出都需要依赖刚才已输出的内容。因为模型依旧是概率计算，尽管得到了语意的理解和推理，输出的内容也是要一字一句进行输出的。

如图所示，解释这个架构可以非常简单，左侧负责模型的理解，右侧负责模型的输出。左侧的理解部分主要做这几个事情：将文字转化为高纬向量，通过位置编码带上每个词的位置信息（告诉模型什么词在前，什么在后），然后是Transform的关键，多头注意力（Multi-Head Attention）。

不过在谈论多头注意力之前，回顾前文，我们继续聊聊注意力机制，注意力机制将每个词划分三个向量空间QKV：

Query (Q)：像是一个“搜索词”，代表“我正在寻找什么信息”。

Key (K)：像是一个“索引/标签”，代表“我能提供什么信息”。

Value (V)：像是一个“内容主体”，代表“我实际携带的信息

看起来比较抽象。我先抛一个例子，“乔布斯拿了一个苹果”。这段话如果用word2vec传统算法来表达，模型去理解苹果时，无法分辨苹果是一部手机还是一个水果。而通过QKV去计算时，“苹果”被划分成了三个向量，“苹果”和“苹果”自己计算内积（向量空间的距离），“苹果（Q）”和“乔布斯（K）”进行计算，最后汇总所有计算的结果作为苹果的最终向量（即V）。

同样还是粗暴理解下，“苹果”关联了上下文中其他词的属性，而乔布斯 = 科技领域人物，因此模型理解了在这段话中苹果大概率是一个手机。这就是QKV起到的核心作用：消除歧义。

所以没有QKV，模型就是一个查字典的机器人，有了QKV，模型就会进行推理。

而多头注意力则进一步优化了这个过程。单头的注意力机制，是类似于线性的处理思路。而多头注意力机制相当于再进一步的对词向量的输入进行更多纬度的划分，通过在不同纬度的计算，来避免一些错误（即增强鲁棒性），此外由于模型不得不去从多维度来计算，也变相的丰富了模型的可表达空间。

在注意力机制处理完词与词的关系后，数据会进入这个蓝色的 Feed Forward 模块。这里起到的作用就是模型去消化和理解这些词本身以及，词和词之间关系的信息。其中2020年有一篇论文解释了Feed Forward模块起到的作用：《Transformer Feed-Forward Layers Are Key-Value Memories》。这里挖个坑，以后再续。

简单来说，FFN像是一个中央处理器，通过数学层面的变换来消化这些“知识”。在FFN之前，注意力机制带来的是离散的词，这些词有各种关联“上下文”的属性。因此有很多“噪音”，以及没有层次和重点。这就像数据分析的过程，再决定用什么方式分析数据之前，都会做的就是数据清洗。FFN就类似于这样的操作，不断的进行降噪和特征提取。

FFN之后进入“ Add & Norm ”（残差连接与归一化），残差连接：FFN 计算完的结果会和进入 FFN 之前的那个向量相加。这里起到的作用很简单，这一层模型无需从头开始学习，而是在刚刚FFN的基础上，学习理想输出与原始输入的差值。Attention给了模型效果的上限，Add则让模型的训练具备了可行性。

其实看到这里，上下文始终是贯穿模型架构、模型训练、模型应用的问题。换句话说，上下文就是模型的宿敌。

残差连接后开始Norm（归一化）。Norm简单理解就是：对残差连接处理后的数据进行标准化。Norm后的数据既保留了核心差异，又具备了统一的稳定性。具体怎么实现的，这里也不过度解释了。

在2017年，基于实验以及数据的具体表现，包括谷歌当时的算力来看，编码和解码器中会重复6次计算数据的输入和输出。这种多次的计算，进一步的提取了深层次的语义。

7. 本篇论文的核心

7.1 关于 O(n2)：Transformer 的“昂贵税收”

回顾整个Transformer的架构，由于模型要求词与词之间都要做一次相似度的计算，来获取注意力的线索，这就导致了当文本内容足够长时，词的数量足够多时，计算量和显存会极速增加。由于计算量的限制，模型在同一时刻要处理任务的上下文就因此有了限制。

这也是为什么，大多数模型会标注上下文窗口为128k的原因。这里128k指的就是模型有一次性处理128k的token的限制。实际上，当处理量到120k甚至不到120k时，模型的处理能力就开始下降了，就好比在一个广场在站满了1000个人，其中一个人说话，尽管超级大声，四周的人也很难听见。

如果超出了上下文的窗口会怎么办？很简单，模型会丢失最开始的内容。所以基于这个问题也就衍生了后续很多研究方向，比如RAG（不是全文喂给模型，而是先向量化后，检索那些用户提问关联度最高的内容投喂给模型），以及KV Cache（对内容进行压缩，只保留最关键内容给到模型）。

以及考虑到这种注意力带来的算力限制，当前热度比较火的方向：线性注意力 (Linear Attention / SSM 架构)，把注意力机制改写成RNN的那种递归状态。关于这块后续会有新的文章详细介绍。

不过不管怎么说，这里就是Transformer对算力有着强要求的原因之一。也许有一天算力达到无限制，或者蹦出了一个全新的架构。但此时此刻，AI，或者说人工智能，只要基于Transformer架构就难以突破并有更大的天花板。所谓的“AI意识觉醒”，离这个世界还非常遥远。

7.2 关于 FFN 的本质：模型的“事实记忆库”

如果说注意力机制（Attention）是模型的眼睛，那么FFN（Feed-Forward Network，前馈神经网络）就是模型的大脑。当模型不断的去看Attention处理的那些内容时，模型会发现在互联网上有很多一成不变的“事实”。

比如“周杰伦是歌手”，“WPS是一个办公软件”。这些是不需要被推理的，因此这些都会被直接压缩到FFN中。这就解释了为什么模型参数量（Parameter Count）越大，知识越丰富。因为参数主要都堆在 FFN 里，参数越多，能存下的“KV 对”就越多。这也是为什么很多模型的微调，实际上都是在往FFN中写入数据。

不过这里就有人要问了，那通用模型加一个领域知识库怎么样？用RAG的方式搭载一个充满专业知识的上下文。这当然是没问题的，不过影响的也是上下文的窗口大小和每次计算消耗的资源。

关于FFN的学习和介绍，我想可能用后续这篇论文的阅读进一步展开了，即2020 年那篇著名的论文《Transformer Feed-Forward Layers Are Key-Value Memories》。

8. 结语

本篇论文的阅读暂且如此，2017年是很多事情还未开始的一年，也是很多即将发生的事情蓄势待发的一刻。人不能假设未来，同样也不能抱有悔恨的意味去回顾过往。时间永远残酷，永远验证着或揭示一个又一个许诺。

2017年的这篇论文，我相信可能没有人能够预料当前的变革。会不会在2026年的当下，也有着积蓄力量的人正在创造影响下一个10年的技术？天下英雄如过江之鲫，没有人能看透未来，但总有人在等待未来。我不愿等待未来，我愿意主动迎接和创造未来。

Vibe Coding的那些事

Sun, 22 Feb 2026 00:00:00 GMT

前言碎嘴

尽管已是2026年，但Coding这件事的门槛并没有被降低到谁人都可做。

编码Agent诸如Claude code、Cursor这些象征变革与先进生产力的工具已经相当普遍，如何去用好他们，是每个工具使用者都要直面的问题。

网络上已经层出不穷各种教学，各种指南，虽然大多数仍旧是奔着圈一波钱就跑路的思路来教人。同时这些工具本身也在逐一提升自己的可用性。

所以从使用维度来看，1分钟搓一个demo变得轻而易举。但是这就代表了生产力了吗？其实只要深度去Coding过就会发现非常非常多的问题，不论是某个细节的还原度，比如脑海里面构思了A，AI给你了B，还是发生阻塞性障碍，项目在某个进程中反复报错。这些都印证一件事，Vibe Coding实践工程项目是不容易的，特别是对于没有太多Coding功底的非计算机科班出身的人来说。

要做好，核心是思考 - Coding的前提是你想清楚

作为一个日常用Cursor来画原型demo，自己从0-1探索一个项目并在外网部署出来自用的AI产品经理，我最经常性的感受往往是“我不知道我要什么”。坐在Cursor面前，我要写一个前端页面来展示我的产品，我不知道我要什么样的风格，不知道要什么样的官网。

我非常的讨厌一眼AI的感觉，非常不喜欢那种粗陋的精致感。没有人味。

这是我产品目前的官网（Coding了很久，还是用的Gemini3pro，没用skill，去年10月做的）地址：www.neofeed.cn

这个页面我努力做到了两点：

有个性，少AI感

精致的人味

你们无法想象第一版AICoding的官网长什么样，Gemini3pro的那个模型版本不知道为什么非常喜欢黑曜石，对科技风的理解非常粗暴（黑色、银色、绿色胡乱叠加）。

最开始我Coding的时候，我用着“帮我实现一个符合我的产品调性的官网”，“帮我做一个产品官网，要求具备以下风格：有个性、风格独特、能突出我们的产品名、要非常精致好看”这样的表述。

由于AI的服从性，他是不会去质疑你的，他不是团队的UI设计师，他不喷人，不会反问你：“什么叫有个性？什么是风格独特？”，他只会生成，并告诉你“太棒了，我实现了xxx，这下你肯定很满意“

想不清楚就讲不清楚

在心理学中，通过对问题的结构进行划分，将问题分成了“界定清晰/界定不清晰问题”：

一个应届生发问“你对我的职业生涯有什么规划建议吗？”这是界定不清晰问题，这么宏观的一个问题，非常非常难答复一个具备能够落地属性的回答。

“今天中午吃外卖还是自己煮泡面？”这是一个界定清晰问题，无非是与否，我去选择就好了。

同样，对于AI来说也一样，你的每个表述看似是结构精炼且完整的，像什么“有个性”、“风格独特”，够具体了吧，但是AI没法理解。而这也正是人类语言的伟大之处。人类语言中，有非常非常多的词，能够描述抽象的事物。

”有个性“，对应的答案是非常离散的。鬼火少年骑着电驴狂飙是有个性，这个作家按照大家从没想过的方向写作是有个性。我就不想讲那些非常无聊的Coding技巧，也是有个性。

所以Gemini的理解（训练数据就长这样啊）：“有个性” = “黑不拉几的”，“科技风” = “黑曜石”，“风格独特” = “字体要特别大”，“精致好看” = “我给你做一堆阴影”。

那最后的产出物能跟你脑子里面想的那样就有鬼了。

所以不要对AI表述抽象的词汇，不过之所以你表述抽象词汇来描述你想到的内容，原因也无非有二：

我真不知道我想要什么

我真不知道该怎么描述我想要什么

知而不行，只是未知

著名的心学大家，王阳明先生说的好“知行要合一”，然知行不合一者，“只是未知”。所以，话说到底，你不知道该如何表达你想的内容，说白了，还是你没有想清楚。

这就和以前做B端的产品设计一样。我觉得我想的很清楚了，开始写稿子。然后发现，哇塞，这里还有这个场景没考虑到位，那里还有一个异常场景要有兜底方案。最后上评审会，研发又给了一堆异常/边缘场景的提问。最后本来一个流程图好像就串起来了的事，硬生生思考了一套架构（虽然多数情况都还是以最小成本实现，但是你的可拓展性大大提升了）。

同样的情况，其实在Vibe Coding中也依旧呈现。不同的是，AI不会主动帮你补充。他不会去考虑可拓展性，不会考虑返工的风险，不会考虑交付不了的话，今晚得疯狂加班。他只会“好的，我这就帮你实现。”

想不清楚，就去抄 - 抄作业至少有用

那么咋办呢？当最终矛头都指向“想不清楚”这件事时，那解决方案就无比简单了：去抄

不知道自己喜欢什么风格？去逛各种设计网站。不知道下一步是什么？看看竞品流程是什么样的。

能不打字说就不要打字。去各个设计网站找灵感，去看，去走马观花式的找你想要的风格。不要对AI描述xx风格，而是甩一个截图，要求去复现。

让AI教教你应该要什么。这句话听起来好像有点费解，我本就给AI输出指令了，为什么还要AI教我？怎么教我？作为产品经理，虽然对一些常规技术栈有所了解，但是实际情况下，能对上某个实现细节所用的代码结构是非常的困难。

比如我觉得这个风格特别的喜欢（网站网址：https://evagher.com/en），想复现：

你会发现，你很难截图给AI了，哪怕你给Gif，AI也不一定能好好的理解。那咋办呢？我的做法非常Native了：把这个web的地址交给Gemini，我去询问技术栈和实现思路。最后去让AI复刻时，我已经有一串这个效果怎么实现的提示词了。 原Url喂给AI —> AI向我解释是怎么实现的 —> 我转头告诉AI帮我实现+投喂这张图的几帧截图

小建议：我不愿意进行上下文的污染，所以向AI进行技术栈咨询的那一步和写代码的AI，我用的是两个互不影响独立的AI产品

所以Coding这件事，只奖励有心人

这也是我这篇文章的核心：当Coding的门槛极具降低时，很多其他的东西变得重要起来。审美很重要，对复杂问题进行原子化拆解的能力很重要，系统性思考的能力很重要。

但归根到底，一个Coding的作品，那些浮于表面的设计，给人看到产品后产生的体感，本质上传达的是这个人的“用心程度”。

有心人，会在看到一个好的设计表达时，想着如何去描述这个设计，想着能不能借鉴，能否用在某个Coding项目中。同样，一个有心之人，也会去迭代自己的表达逻辑。那套对AI的表达方式，同样也适合在职场中进行复刻。更有甚者，通过自我表达的训练，让自己的思维方式也能得到训练。这些细小的，平时不会被敏锐觉察的习惯，以及结合一个对内容有追求偏执的，并且热衷于雕钻的行为特性，就能够作出一个好的Coding作品。

后话

最后，Coding在AI更新迭代如此迅速的年代，是一件新的武器。掌握Coding绝对不是几句提示词生成的那几个demo样例，也不是简简单单的Agent带来的文件交付，当然也不可能是我这篇文章就能表达完全的。

所谓关于Coding的方式方法，每个角色或者说每个岗位的人员都会有不同的理解。作为AI产品经理，习惯了行之有术，术之有道。基于此，本篇是侧重于道。

在下一篇，我会以一个实际demo的Coding案例来展开讲讲实操的路径，侧之于术。

Agent产品的差异化心理体验

Mon, 08 Jun 2026 00:00:00 GMT

前几天有人问我：Agent 和普通的 AI 工具，到底差在哪？

我的第一反应是列功能——记忆、多步执行、工具调用、自主决策。但说完之后觉得不对。这些东西，竞品也能做。你今天做了一个能记住用户偏好的 Agent，明天别人也能做一个。功能层面的差异化，保质期越来越短。

真正让我不一样的是什么？

我想了一段时间，答案可能不在"它能做什么"，而在"用户用它的时候，心里发生了什么"。

这篇文章聊的就是这件事：Agent 产品在用户心理层面，建立了哪些传统软件从未有过的东西。

一、先占住那张桌子

我说一个观察。

你现在用的 AI 服务，大部分是网页端。打开浏览器，输入网址，用完关掉。整个过程中，你在心理上是怎么定位这个东西的？——一个"网站"。跟你打开大众点评、刷小红书没什么本质区别，用完就走。

但如果你桌面上有一个客户端，每天开机就能看到它，它安安静静待在那——你对它的感觉会不一样。

这不是玄学，有理论基础的。

具身认知说的是，人的认知深度依赖物理环境。你看到一个东西实实在在摆在那，跟"知道它存在于某个服务器上"，大脑的处理方式完全不同。你的书桌上有一本书和你的书单里有一本书，对你注意力的影响是不一样的。前者是环境的一部分，后者只是一条信息。

桌面图标每天出现在你视野里，日积月累，它会被大脑归入"我的环境"。这不是产品设计的技巧，是人脑的工作方式。

然后是社会临场感。这个理论说的是，不同媒介传递"有人在"的感觉强度是不同的——面对面最强，视频次之，电话再次，文字最弱。顺着这个逻辑推：一个常驻在你设备上的客户端，它的临场感天然就比一个需要你主动打开的网页高。不是因为它更聪明，而是因为它"在"。

还有一个你可能没意识到的东西：单纯曝光效应。心理学实验反复证实，你只是单纯地反复看到一个东西，就会对它产生好感。不需要它做了什么好事，不需要它有什么用，只是"又看到了"就够了。桌面图标的每天出现，就是一种持续的低剂量曝光。

三个理论指向同一个结论：客户端不只是技术架构选择，是心理体验的基础设施。

这带来一个很实际的产品推论。Agent 要替代真人助理，需要两样东西——数据安全和真人感。数据安全靠本地存储解决，但真人感靠什么？靠物理存在。一个你每天都能看到的东西，比一个你每次都要去找的东西，更像"一个人"。

还有一个有意思的推论：Agent 主动跟你打招呼、给你提醒、帮你预判下一步——这些主动触达的价值，不在于内容本身，而在于它持续强化"这个东西在"的感知。但这里有个分寸问题：你在用电脑的时候它跟你说话，叫主动；你没开机它给你推消息，叫打扰。所以客户端还有一个网页端没有的优势——场景感知。你什么时候开机、正在做什么、当前的上下文是什么，这些信号只有客户端能拿到。

主动和打扰之间的分寸，本质上是对场景信号的利用能力。

二、先成为你脑子里的一部分

聊完物理存在，再聊认知层面。

Andy Clark 有个著名的理论叫认知延伸，核心观点是：人的思维不只在大脑里，还会延伸到外部工具上。你用纸笔记东西、用日历管理时间、用 Todo List 跟踪进度——这些工具在某种意义上是"你认知系统的一部分"。纸上的笔记替代了你的记忆，日历替代了你的规划能力。

这不难理解。你想想，如果把一个人的所有笔记、日历、待办全删掉，他不会只是"不方便"，他会觉得自己变笨了。因为那些外部工具确实在承担一部分认知功能。

Agent 比纸笔更进一步。

纸笔记东西，你得自己理解、自己归类、自己回忆。Agent 不一样，它能理解你写的东西。当你的 Agent 积累了足够的上下文——知道你的项目进度到哪了、知道你上次讨论的方案是什么、知道你最近在纠结的决策点——它就不再是一个你"使用"的工具，而是你思考系统的一部分。

这个转变一旦发生，产品逻辑就不一样了。

我自己的体感是：Agent 最有价值的时刻，不是它帮我完成了一个具体任务，而是它在我需要做决策的时候，能基于对我的理解给出相关的上下文。不是答案，是上下文。"你上次在这个问题上是这么想的，后来情况变了这些……"这种东西，传统软件给不了。

它要做到这一点，前提是深度融入你的思维流程。知道你在想什么、做到哪了、下一步打算怎样。换句话说：要成为你的助理，得先成为你思维系统的一部分。

这也解释了一个很多人没注意到的事情——换一个 Agent 的心理成本，远比换一个软件账号大得多。你换一个笔记工具，迁移一下数据就行。但你换一个 Agent，之前积累的所有上下文、所有默契、所有它对你的理解，全部归零。这就像换一个跟你配合了三年的搭档，之前的磨合全白费。

从产品角度看，这是一个巨大的护城河。不是技术护城河，是认知护城河——用户已经把一部分思维过程交给它了，迁移成本是认知层面的重置。

三、它在就够了

最后一个心理体验，跟安全感有关。

心理学里有个概念叫安全基地，来自依恋理论。说的是人在面对不确定环境的时候，需要一个"知道它在，我就能安心"的锚点。你不需要时刻依赖它，但你知道它在那里，就能放手去做自己的事。

这个概念最经典的场景是婴儿和母亲——婴儿在探索新环境的时候，会时不时回头看一眼妈妈在不在。妈妈在，他就敢继续探索；妈妈不在，他就焦虑、哭闹。

你可能觉得这跟 Agent 没什么关系，但仔细想想：你用一个云端 AI 服务的时候，关了网页就"消失"了。下次打开，上下文还在不在？它还记不记得我之前说了什么？这种不确定性是潜移默化的。

Agent 常驻在你的设备上，给的就是安全基地的感觉。不是你每时每刻都需要它，而是知道它在就够了。打开电脑它就在，之前的工作上下文还在，上次聊到哪里还记得。这种确定感，是信任的基础。

有意思的是，这里说的"信任"不是理性层面的——不是你评估了它的技术架构、数据安全策略之后做出的判断。它是一种更原始的感觉：这个东西一直在，而且一直在那里，所以我信它。

实体存在感成了信任的替代物。你不需要真的理解一个 AI 是怎么工作的，它的物理在场就给了你足够的安心。

结语

回过头来看，Agent 产品真正的差异化，其实藏在三个心理层面：

物理存在带来的环境归属感，认知延伸带来的不可替代性，以及在场感带来的安全感。

这三样东西都不是功能，而是体验。不是你写在产品文档里的 feature，而是用户用了半年之后说"换不了了"的那个东西。

如果只看功能，Agent 之间的竞争会很快陷入同质化——你有的我也有，大家都能做。但如果从心理体验的角度去理解产品，你会发现真正的壁垒不在代码里，在用户的大脑里。

这可能是 AI 产品时代一个值得被认真对待的产品方法论：不是问"我的 Agent 能做什么"，而是问"我的 Agent 在用户心里是什么"。