<?xml version="1.0" encoding="UTF-8"?><rss version="2.0" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>小土刀 5.0</title><description>寻穷天下无名水，历变人间不到山</description><link>https://wdxtub.com</link><item><title>计算机系统复习：从抽象边界找出易错点</title><link>https://wdxtub.com/blog/csapp/systems-review</link><guid isPermaLink="true">https://wdxtub.com/blog/csapp/systems-review</guid><description>以进程、文件、链接和存储为线索，补充 CSAPP 系列的复习方法与常见概念边界。</description><pubDate>Fri, 06 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;复习计算机系统，不必重新背一遍所有名词。更有用的办法，是沿着一个程序的运行过程，检查每次跨越抽象层时发生了什么。&lt;/p&gt;
&lt;p&gt;本文合并整理自《CSAPP 知识点复习》和《相关教材内容收集》。现有读薄、读厚系列已经覆盖主要知识，这里只补充复习框架与容易混淆的边界，不再复制实验解答。&lt;/p&gt;
&lt;h2 id=&quot;先画出从问题到执行的路径&quot;&gt;先画出从问题到执行的路径&lt;a class=&quot;heading-link&quot; href=&quot;#先画出从问题到执行的路径&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;一个问题被表述为算法，算法写成程序，程序转换为指令，指令在具体微结构上执行，最终依靠电路和器件完成。每一层都隐藏了部分细节，也把部分约束传给上一层。&lt;/p&gt;
&lt;p&gt;例如，算法复杂度没有改变，访问内存的顺序却可能改变实际时间；源代码中看似相同的表达式，在不同类型和优化条件下也可能产生不同指令。理解抽象的价值，是知道何时可以忽略细节，何时必须回到下一层检查。&lt;/p&gt;
&lt;h2 id=&quot;fork-复制了什么又共享了什么&quot;&gt;fork 复制了什么，又共享了什么&lt;a class=&quot;heading-link&quot; href=&quot;#fork-复制了什么又共享了什么&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;普通全局变量和栈变量在父子进程中属于各自的地址空间。子进程对普通变量加一，不会让父进程的变量也加一。Linux 通常用写时复制实现这一语义，不能把实现上的物理页共享误解成变量共享。&lt;/p&gt;
&lt;p&gt;文件则需要分层理解：子进程获得自己的文件描述符表，但继承的描述符会引用相同的打开文件描述，因此可能共享文件偏移。独立的描述符表和共享的打开文件状态并不矛盾。详见 &lt;a href=&quot;https://man7.org/linux/man-pages/man2/fork.2.html&quot;&gt;fork(2)&lt;/a&gt;。&lt;/p&gt;
&lt;p&gt;分析输出顺序时，还要说明标准 I/O 缓冲。&lt;code&gt;printf&lt;/code&gt; 的用户空间缓冲与内核文件状态不是一层东西；没有刷新的缓冲可能随进程复制。题目如果假定每次输出立即刷新，这就是重要条件。&lt;/p&gt;
&lt;h2 id=&quot;exec-替换程序wait-获取状态&quot;&gt;exec 替换程序，wait 获取状态&lt;a class=&quot;heading-link&quot; href=&quot;#exec-替换程序wait-获取状态&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;成功的 &lt;code&gt;exec&lt;/code&gt; 替换当前程序映像，不会像普通函数那样返回，也不会因此创建新 PID。失败时才返回错误。见 &lt;a href=&quot;https://man7.org/linux/man-pages/man2/execve.2.html&quot;&gt;execve(2)&lt;/a&gt;。&lt;/p&gt;
&lt;p&gt;父进程用 &lt;code&gt;wait&lt;/code&gt; 系列调用等待子进程状态变化并获取信息；对于已经退出的子进程，回收会释放保留的退出记录。等待还可以涉及停止、继续等状态，不能把所有 wait 行为都简单归结为“释放内存”。进程和信号基础见&lt;a href=&quot;/blog/engineering/linux-concepts/&quot;&gt;Linux 概念指南&lt;/a&gt;。&lt;/p&gt;
&lt;h2 id=&quot;源代码变量不等于某个固定-elf-段&quot;&gt;源代码变量不等于某个固定 ELF 段&lt;a class=&quot;heading-link&quot; href=&quot;#源代码变量不等于某个固定-elf-段&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;“已初始化变量都在 .data”过于粗略。静态存储期、初始化值、只读属性和编译优化都会影响表示；局部自动变量还涉及栈、寄存器或被优化消除的情况。ELF 是文件格式，也不能直接等同于运行时完整地址空间。&lt;/p&gt;
&lt;p&gt;复习链接时，应区分声明、定义、符号解析和重定位。某个名字编译时可见，不代表链接器一定能找到实现；能成功链接，也不代表运行时动态库一定能被正确加载。可以接着阅读&lt;a href=&quot;/blog/engineering/build-and-version-control/&quot;&gt;编译与版本控制专题&lt;/a&gt;。&lt;/p&gt;
&lt;h2 id=&quot;优化结论必须附带工作负载&quot;&gt;优化结论必须附带工作负载&lt;a class=&quot;heading-link&quot; href=&quot;#优化结论必须附带工作负载&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;增大缓存块可能利用空间局部性，也可能减少可容纳的块数、增加冲突和搬运成本。合并空闲块可能缓解外部碎片，也不意味着所有分配序列下空间利用率都更高。&lt;/p&gt;
&lt;p&gt;看到“越大越快”“合并一定更好”这类结论时，先问数据访问模式、缓存容量、分配策略和评价指标是什么。用两个相反的工作负载检验，比记住一句优化口号更有效。&lt;/p&gt;
&lt;p&gt;位运算也要区分数学整数、语言规则和机器指令。C 中移位量为负或不小于提升后的左操作数位宽，会触及未定义行为；不能用某台机器碰巧得到的结果代替语言保证。&lt;/p&gt;
&lt;h2 id=&quot;用最小反例检查理解&quot;&gt;用最小反例检查理解&lt;a class=&quot;heading-link&quot; href=&quot;#用最小反例检查理解&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;每复习一个概念，可以做三件事：解释正常情况，改变一个条件，预测结果会如何变化。例如去掉一次等待、让两个描述符引用同一个文件、改变矩阵遍历顺序。&lt;/p&gt;
&lt;p&gt;实验结果与预测不同的时候，先检查遗漏的假设，再回到对应层次。本站&lt;a href=&quot;/blog/csapp/thin-csapp-0/&quot;&gt;读薄 CSAPP&lt;/a&gt;提供主线，&lt;a href=&quot;/blog/csapp/thick-csapp-lab-4/&quot;&gt;缓存实验&lt;/a&gt;与&lt;a href=&quot;/blog/csapp/thick-csapp-lab-6/&quot;&gt;内存分配实验&lt;/a&gt;提供实践入口。旧实验仍需配合其课程文件与运行环境使用。&lt;/p&gt;</content:encoded><category>计算机系统</category><category>CSAPP</category><author>wdxtub@gmail.com</author></item><item><title>用 ApacheBench 做简单的 HTTP 压测</title><link>https://wdxtub.com/blog/engineering/apachebench-basics</link><guid isPermaLink="true">https://wdxtub.com/blog/engineering/apachebench-basics</guid><description>整理 ab 的请求数、并发数、POST 数据和结果解读，避免把完成请求数误当作业务成功数。</description><pubDate>Fri, 06 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;原笔记来自一次模型 API 测试。这里去掉具体业务地址，保留用 ApacheBench（命令名 &lt;code&gt;ab&lt;/code&gt;）检查单个 HTTP 接口的基本方法。&lt;/p&gt;
&lt;h2 id=&quot;请求数与并发数&quot;&gt;请求数与并发数&lt;a class=&quot;heading-link&quot; href=&quot;#请求数与并发数&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;&lt;code&gt;-n&lt;/code&gt; 指请求总数，&lt;code&gt;-c&lt;/code&gt; 指同时进行的请求数。例如，对自己控制的本地测试服务发出 100 次请求，并发数为 5：&lt;/p&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;bash&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;ab&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -n&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; 100&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -c&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; 5&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; http://127.0.0.1:8080/health&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;&lt;code&gt;-t&lt;/code&gt; 设置测试的最长秒数，同时会隐含一个 50,000 次请求的上限，并非无论响应多快都保证持续到指定时长。使用前可用 &lt;code&gt;ab -h&lt;/code&gt; 查看当前安装版本支持的参数。&lt;/p&gt;
&lt;h2 id=&quot;发送-json&quot;&gt;发送 JSON&lt;a class=&quot;heading-link&quot; href=&quot;#发送-json&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;在 &lt;code&gt;post_data.json&lt;/code&gt; 中准备请求体：&lt;/p&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;json&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;{&lt;/span&gt;&lt;span style=&quot;color:#8DDB8C&quot;&gt;&quot;data&quot;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;: [&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;&quot;示例文本&quot;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;]}&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;然后通过 &lt;code&gt;-p&lt;/code&gt; 指定文件、&lt;code&gt;-T&lt;/code&gt; 指定内容类型：&lt;/p&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;bash&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;ab&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -n&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; 100&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -c&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; 5&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -p&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; post_data.json&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -T&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; application/json&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; http://127.0.0.1:8080/predict&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;先用一次普通请求确认返回内容正确，再开始重复请求，避免把格式或鉴权错误测成接口性能。&lt;/p&gt;
&lt;h2 id=&quot;比较结果&quot;&gt;比较结果&lt;a class=&quot;heading-link&quot; href=&quot;#比较结果&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;记录请求内容、并发数、测试时长、是否复用连接和服务端条件，才有可比较的结果。&lt;code&gt;-k&lt;/code&gt; 开启 KeepAlive，默认不开启；两种模式不要混在一起比较。&lt;/p&gt;
&lt;p&gt;同时检查失败请求、非 2xx 响应和延迟分布。完成了请求并不意味着业务执行成功；动态响应长度变化也可能被记为失败，需要结合实际返回内容判断。&lt;/p&gt;
&lt;p&gt;ab 适合简单的单接口试验。测试端本身也可能成为瓶颈，不能把一次跑分直接当成系统容量结论。参数与输出定义以 &lt;a href=&quot;https://httpd.apache.org/docs/2.4/programs/ab.html&quot;&gt;Apache 官方文档&lt;/a&gt;为准。&lt;/p&gt;</content:encoded><category>HTTP</category><category>性能测试</category><author>wdxtub@gmail.com</author></item><item><title>从源代码到可复现修改：编译、Make 与 Git</title><link>https://wdxtub.com/blog/engineering/build-and-version-control</link><guid isPermaLink="true">https://wdxtub.com/blog/engineering/build-and-version-control</guid><description>理解编译阶段、依赖关系与 Git 暂存区，用一个最小例子把修改、构建和检查连起来。</description><pubDate>Fri, 06 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;一次修改是否可靠，不只取决于代码看起来对不对，还取决于能否说明修改了什么、怎样构建，以及检查结果属于哪个版本。编译工具和版本控制各管一部分，连接起来才构成完整的工作过程。&lt;/p&gt;
&lt;p&gt;本文合并重写自《Make 与 GCC 指南》和《Git 指南》，修正旧笔记中对警告、优化级别和暂存区的简化表述。&lt;/p&gt;
&lt;h2 id=&quot;编译是几个阶段&quot;&gt;编译是几个阶段&lt;a class=&quot;heading-link&quot; href=&quot;#编译是几个阶段&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;C 程序通常经过预处理、编译、汇编和链接。以 &lt;code&gt;hello.c&lt;/code&gt; 为例，GCC 可以分别停在不同阶段：&lt;/p&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;bash&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;gcc&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -E&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; hello.c&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -o&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; hello.i&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;gcc&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -S&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; hello.i&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -o&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; hello.s&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;gcc&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -c&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; hello.s&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -o&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; hello.o&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;gcc&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; hello.o&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -o&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; hello&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;&lt;code&gt;-E&lt;/code&gt; 停在预处理，&lt;code&gt;-S&lt;/code&gt; 生成汇编，&lt;code&gt;-c&lt;/code&gt; 生成目标文件而不链接。日常也可以直接运行 &lt;code&gt;gcc hello.c -o hello&lt;/code&gt;。详见 &lt;a href=&quot;https://gcc.gnu.org/onlinedocs/gcc/Overall-Options.html&quot;&gt;GCC 输出阶段说明&lt;/a&gt;。&lt;/p&gt;
&lt;p&gt;macOS 上名为 &lt;code&gt;gcc&lt;/code&gt; 的命令可能实际指向 Clang，检查 &lt;code&gt;gcc --version&lt;/code&gt; 比只看命令名可靠。平台不同，目标格式和链接细节也会不同。&lt;/p&gt;
&lt;h2 id=&quot;让编译器帮助发现问题&quot;&gt;让编译器帮助发现问题&lt;a class=&quot;heading-link&quot; href=&quot;#让编译器帮助发现问题&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;可以从 &lt;code&gt;-std=c11 -Wall -Wextra -Wpedantic -g&lt;/code&gt; 开始建立练习环境。&lt;code&gt;-Wall&lt;/code&gt; 启用一组常见警告，不是所有警告；&lt;code&gt;-Wextra&lt;/code&gt; 补充更多检查。警告不是正确性证明，但不应该在没理解原因时直接关闭。见 &lt;a href=&quot;https://gcc.gnu.org/onlinedocs/gcc/Warning-Options.html&quot;&gt;GCC 警告选项&lt;/a&gt;。&lt;/p&gt;
&lt;p&gt;优化级别也不是越高越好。性能要在实际工作负载中测量，代码体积、编译时间和可调试性都可能变化。调试与性能测试应该明确使用哪一组编译参数。&lt;/p&gt;
&lt;h2 id=&quot;make-记录依赖不只是保存命令&quot;&gt;Make 记录依赖，不只是保存命令&lt;a class=&quot;heading-link&quot; href=&quot;#make-记录依赖不只是保存命令&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;保存下面内容为 &lt;code&gt;hello.c&lt;/code&gt;：&lt;/p&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;c&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;#include&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; &amp;#x3C;stdio.h&gt;&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;int&lt;/span&gt;&lt;span style=&quot;color:#DCBDFB&quot;&gt; main&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;(&lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;void&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;) {&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#DCBDFB&quot;&gt;    puts&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;(&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;&quot;hello&quot;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;);&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;    return&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; 0&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;;&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;}&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;再保存一个 &lt;code&gt;Makefile&lt;/code&gt;。命令行开头必须是 Tab：&lt;/p&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;makefile&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;CC = cc&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;CFLAGS = -std=c11 -Wall -Wextra -Wpedantic -g&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#DCBDFB&quot;&gt;hello&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;: hello.o&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;	$(&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;CC&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;)&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; $(&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;LDFLAGS&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;)&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; hello.o &lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;$(&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;LDLIBS&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;)&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; -o hello&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#DCBDFB&quot;&gt;hello.o&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;: hello.c&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;	$(&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;CC&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;)&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; $(&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;CPPFLAGS&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;)&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; $(&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;CFLAGS&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;)&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; -c hello.c -o hello.o&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;.PHONY&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;: clean&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#DCBDFB&quot;&gt;clean&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;:&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;	rm -f hello hello.o&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;运行 &lt;code&gt;make&lt;/code&gt; 构建，运行 &lt;code&gt;./hello&lt;/code&gt; 应输出 &lt;code&gt;hello&lt;/code&gt;。Make 根据目标和依赖的时间关系决定是否执行配方；项目增加头文件后，也要把头文件依赖纳入规则，否则修改头文件可能漏掉重新编译。&lt;/p&gt;
&lt;p&gt;&lt;code&gt;.PHONY&lt;/code&gt; 标记不对应实际文件的目标，避免一个名为 &lt;code&gt;clean&lt;/code&gt; 的文件改变清理行为。更多规则见 &lt;a href=&quot;https://www.gnu.org/software/make/manual/&quot;&gt;GNU Make 手册&lt;/a&gt;。&lt;/p&gt;
&lt;h2 id=&quot;git-的三个观察位置&quot;&gt;Git 的三个观察位置&lt;a class=&quot;heading-link&quot; href=&quot;#git-的三个观察位置&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;工作区是正在编辑的文件，暂存区是下一次提交准备采用的内容，HEAD 通常指向当前分支的提交。三者不同，所以检查修改也有不同命令：&lt;/p&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;bash&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;git&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; status&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; --short&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;git&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; diff&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;git&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; diff&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; --cached&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;&lt;code&gt;git diff&lt;/code&gt; 通常比较工作区与暂存区，&lt;code&gt;git diff --cached&lt;/code&gt; 比较暂存区与 HEAD。只看第一个 diff，可能漏掉已经暂存的修改。语义见 &lt;a href=&quot;https://git-scm.com/docs/git-diff&quot;&gt;git-diff 文档&lt;/a&gt;。&lt;/p&gt;
&lt;p&gt;用 &lt;code&gt;git add hello.c Makefile&lt;/code&gt; 明确暂存范围，然后再次检查暂存内容。不要把“目录里出现了什么”直接等同于“这次都应该提交什么”。&lt;/p&gt;
&lt;h2 id=&quot;一次修改怎样交接&quot;&gt;一次修改怎样交接&lt;a class=&quot;heading-link&quot; href=&quot;#一次修改怎样交接&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;先说明问题与预期行为，再完成实现和适当验证，最后检查差异中有没有临时文件、调试输出和不相关变化。提交说明写出为什么改，复杂修改再补充方案取舍。&lt;/p&gt;
&lt;p&gt;构建成功只能说明当前环境中构建成功。要让别人复现，还应提供编译器、依赖、命令和必要输入。版本控制记录代码，构建配置记录方法，验证结果说明这次交付能支持什么结论。&lt;/p&gt;
&lt;p&gt;需要展开查阅规则和操作时，可继续阅读&lt;a href=&quot;/blog/tools/make-gcc/&quot;&gt;Make 与 GCC 指南&lt;/a&gt;及&lt;a href=&quot;/blog/tools/git-vim/&quot;&gt;Git 与 Vim 工作笔记&lt;/a&gt;。&lt;/p&gt;</content:encoded><category>编程</category><category>Git</category><author>wdxtub@gmail.com</author></item><item><title>云服务架构：围绕状态、故障与容量做取舍</title><link>https://wdxtub.com/blog/engineering/cloud-service-design</link><guid isPermaLink="true">https://wdxtub.com/blog/engineering/cloud-service-design</guid><description>从业务约束出发，讨论负载均衡、缓存、异步任务和数据存储怎样共同影响可靠性。</description><pubDate>Fri, 06 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;云平台提供了很多组件，但把组件接起来，并不自动得到可靠系统。架构首先要回答的是：系统保存哪些状态，允许哪些失败，需求增长时哪里会先达到上限。&lt;/p&gt;
&lt;p&gt;本文重写自《云平台架构沉思录》，保留负载均衡、缓存、业务层和数据层的主线，移除旧产品配置，以及“换成某类数据库就能解决性能问题”的判断。&lt;/p&gt;
&lt;h2 id=&quot;从一条请求开始&quot;&gt;从一条请求开始&lt;a class=&quot;heading-link&quot; href=&quot;#从一条请求开始&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;假设一个服务接收用户提交，保存记录，并生成一份耗时的报告。先画出同步请求必须完成的步骤：认证、校验、保存、返回任务标识。报告生成可以交给后台处理，用户稍后查询结果。&lt;/p&gt;
&lt;p&gt;这个拆分不是因为异步天然更好，而是因为用户不必一直等待计算完成。但它同时引入新问题：任务如何可靠入队，失败怎样重试，用户如何知道最终状态。选择异步，就要承担这些状态管理成本。&lt;/p&gt;
&lt;h2 id=&quot;无状态服务仍然依赖状态&quot;&gt;无状态服务仍然依赖状态&lt;a class=&quot;heading-link&quot; href=&quot;#无状态服务仍然依赖状态&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;把业务实例放在负载均衡之后，有助于分配请求与替换实例。实例不保存唯一的会话或任务状态，才能减少请求落到不同实例时的差异。&lt;/p&gt;
&lt;p&gt;这不意味着系统没有状态，只是状态被放在数据库、对象存储或其他明确的持久层。也不意味着负载均衡提供了全部隔离：健康检查、网络访问、认证和服务权限仍需分别设计。&lt;/p&gt;
&lt;p&gt;如果请求需要跨多个服务，必须考虑整个路径。单个服务各自表现良好，并不保证调用链在超时、重试和部分失败时仍然可用。&lt;/p&gt;
&lt;h2 id=&quot;重试会消耗容量也可能重复执行&quot;&gt;重试会消耗容量，也可能重复执行&lt;a class=&quot;heading-link&quot; href=&quot;#重试会消耗容量也可能重复执行&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;请求超时不能证明服务端没有执行成功。例如保存已完成，但响应在网络中丢失，客户端重试就可能创建重复记录。对于这类操作，需要业务层的幂等标识或其他去重约定。&lt;/p&gt;
&lt;p&gt;重试应区分临时错误与不会自行恢复的错误，并限制次数、设置退避和随机抖动。多层同时重试会放大流量；系统已经过载时，无限制重试尤其危险。相关原则见 &lt;a href=&quot;https://docs.aws.amazon.com/wellarchitected/latest/reliability-pillar/rel_mitigate_interaction_failure_limit_retries.html&quot;&gt;AWS 重试控制说明&lt;/a&gt;。&lt;/p&gt;
&lt;p&gt;设计时应写清楚哪一层负责重试，以及超过预算后如何向调用方表达失败，而不是让每层都“尽最大努力”。&lt;/p&gt;
&lt;h2 id=&quot;缓存必须先定义一致性要求&quot;&gt;缓存必须先定义一致性要求&lt;a class=&quot;heading-link&quot; href=&quot;#缓存必须先定义一致性要求&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;缓存可以降低读取成本，但要先说明允许读到多旧的数据、谁负责更新、未命中怎么办。商品展示信息与订单支付状态可能有完全不同的要求，不能使用同一个“过期几分钟”策略解释所有业务。&lt;/p&gt;
&lt;p&gt;缓存丢失时，后端是否承受得住回源流量，也是架构的一部分。热点键同时失效、查询结果为空、单个大对象等情况，都应进入测试场景。&lt;/p&gt;
&lt;p&gt;原文把共享 Map 的锁问题直接类比到 Redis，容易混淆进程内数据结构与远程存储的并发语义。具体需要什么锁或原子操作，应根据实际实现分析，不能仅凭容器名称决定。&lt;/p&gt;
&lt;h2 id=&quot;数据层按约束选择&quot;&gt;数据层按约束选择&lt;a class=&quot;heading-link&quot; href=&quot;#数据层按约束选择&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;先列出访问模式：按键读取、范围查询、多表关联、事务更新还是图关系遍历。再检查一致性、索引、容量和团队维护能力。&lt;/p&gt;
&lt;p&gt;关系数据库和不同类型的非关系数据库各有约束。增加节点之前，也应检查数据模型、索引和查询是否合理。分片带来的迁移、跨分片查询与运维成本，不会因为部署在云上就消失。&lt;/p&gt;
&lt;p&gt;报告文件适合放在可持久保存文件的存储中，但任务消息与文件不是同一类数据。消息队列负责传递工作，文件存储负责保存结果，中间需要明确的生产和消费过程。&lt;/p&gt;
&lt;h2 id=&quot;扩容前检查限制在哪里&quot;&gt;扩容前检查限制在哪里&lt;a class=&quot;heading-link&quot; href=&quot;#扩容前检查限制在哪里&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;如果数据库连接池只有固定容量，增加业务实例可能只是增加竞争。如果后台消费者比生产者慢，队列会延后失败，而不是消除失败。扩容应根据真实瓶颈和服务目标触发。&lt;/p&gt;
&lt;p&gt;一次完整验证应覆盖正常负载、峰值负载、单个依赖变慢和实例退出。关注吞吐、延迟分布、错误率和资源占用，同时验证降级与恢复路径。&lt;/p&gt;
&lt;p&gt;架构的最终结果应是一组解释得通的取舍：为什么这样划分状态，为什么采用这个同步边界，什么条件下需要调整。组件清单只是实现这些取舍的手段。&lt;/p&gt;</content:encoded><category>架构</category><category>云计算</category><author>wdxtub@gmail.com</author></item><item><title>Linux 排查：先观察资源，再验证瓶颈</title><link>https://wdxtub.com/blog/engineering/linux-troubleshooting</link><guid isPermaLink="true">https://wdxtub.com/blog/engineering/linux-troubleshooting</guid><description>把常用操作与服务器检查整理成一条排查路径，避免从单个数字直接跳到调参结论。</description><pubDate>Fri, 06 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;服务变慢时，最容易做的事是打开 top，然后被某个显眼的数字吸引。真正的排查应先确定症状，再把应用表现和系统资源放在同一个时间窗口比较。&lt;/p&gt;
&lt;p&gt;本文合并重写自《Linux 常用操作指南》和《Linux 服务器检查指南》，保留观察方法，去掉旧 JVM 配置和固定阈值。命令以 Linux 常见工具为例；有些需要另行安装或相应权限。&lt;/p&gt;
&lt;h2 id=&quot;先定义慢在哪里&quot;&gt;先定义慢在哪里&lt;a class=&quot;heading-link&quot; href=&quot;#先定义慢在哪里&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;记录开始时间、受影响请求、延迟分布、错误比例和近期变更。平均延迟相同，不代表尾部请求相同；没有错误，也不代表用户没有等待。&lt;/p&gt;
&lt;p&gt;Google SRE 用延迟、流量、错误和饱和度概括服务监控的主要方向。这里借用它作为观察入口，而不是把主机 CPU 当成服务质量的全部。&lt;a href=&quot;https://sre.google/sre-book/monitoring-distributed-systems/&quot;&gt;监控分布式系统&lt;/a&gt;&lt;/p&gt;
&lt;h2 id=&quot;从整体状态缩小范围&quot;&gt;从整体状态缩小范围&lt;a class=&quot;heading-link&quot; href=&quot;#从整体状态缩小范围&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;bash&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;uptime&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;free&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -h&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;df&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -h&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;df&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -i&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;vmstat&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; 1&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; 5&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;&lt;code&gt;uptime&lt;/code&gt; 的 load average 不是 CPU 使用率。在 Linux 中，它包括可运行任务和不可中断睡眠任务的负载情况，需要结合 CPU 数量与 I/O 等待分析，不能套用“超过 0.7 就危险”的统一阈值。见 &lt;a href=&quot;https://man7.org/linux/man-pages/man5/proc_loadavg.5.html&quot;&gt;proc_loadavg(5)&lt;/a&gt;。&lt;/p&gt;
&lt;p&gt;&lt;code&gt;free&lt;/code&gt; 中的空闲内存少，也不自动意味着内存不足。关注 &lt;code&gt;available&lt;/code&gt;、交换活动和应用表现；swap 已使用不等于正在频繁换入换出。&lt;code&gt;vmstat&lt;/code&gt; 的首行通常反映自启动以来的统计，后续行才对应采样间隔。内存字段见 &lt;a href=&quot;https://man7.org/linux/man-pages/man1/free.1.html&quot;&gt;free(1)&lt;/a&gt;。&lt;/p&gt;
&lt;p&gt;&lt;code&gt;df -h&lt;/code&gt; 检查容量，&lt;code&gt;df -i&lt;/code&gt; 检查 inode。大量小文件可能在容量耗尽前用完 inode。&lt;/p&gt;
&lt;h2 id=&quot;再定位到进程与设备&quot;&gt;再定位到进程与设备&lt;a class=&quot;heading-link&quot; href=&quot;#再定位到进程与设备&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;bash&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;ps&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -eo&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; pid,ppid,comm,%cpu,%mem&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; --sort=-%cpu&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;ss&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -lnt&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;前者是进程快照，后者显示监听中的 TCP 套接字。它们用于提出下一步假设，不能单独证明根因。进程 CPU 高，要继续判断是否有有效工作；CPU 低但请求慢，可能在等待数据库、网络或锁。&lt;/p&gt;
&lt;p&gt;需要进一步观察磁盘时可以使用 &lt;code&gt;iostat&lt;/code&gt;，检查日志时可以使用系统服务日志或应用日志。不要一次改多个参数，否则即使恢复，也很难知道是哪项变化起了作用。&lt;/p&gt;
&lt;h2 id=&quot;文件操作也要理解单位与边界&quot;&gt;文件操作也要理解单位与边界&lt;a class=&quot;heading-link&quot; href=&quot;#文件操作也要理解单位与边界&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;GNU 工具中可以用下面的命令查看当前目录下的占用：&lt;/p&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;bash&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;du&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -h&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; --max-depth=1&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; .&lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt; |&lt;/span&gt;&lt;span style=&quot;color:#F69D50&quot;&gt; sort&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -h&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F69D50&quot;&gt;find&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; ./logs&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -type&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; f&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -mtime&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt; +7&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; -print&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;人类可读的 &lt;code&gt;1G&lt;/code&gt;、&lt;code&gt;900M&lt;/code&gt; 应使用支持单位的 &lt;code&gt;sort -h&lt;/code&gt;，不能简单按数字排序。&lt;code&gt;find&lt;/code&gt; 的时间条件按整段时间计算，不等于自然日；先打印匹配结果，核对路径和范围，再另行决定是否删除。&lt;/p&gt;
&lt;p&gt;打包与压缩也不是一回事：&lt;code&gt;tar -cf archive.tar notes/&lt;/code&gt; 只归档，&lt;code&gt;tar -czf archive.tar.gz notes/&lt;/code&gt; 额外使用 gzip。提取前可用 &lt;code&gt;tar -tf archive.tar&lt;/code&gt; 查看成员，避免不了解内容就直接覆盖现有目录。&lt;/p&gt;
&lt;h2 id=&quot;为每个假设安排一个检查&quot;&gt;为每个假设安排一个检查&lt;a class=&quot;heading-link&quot; href=&quot;#为每个假设安排一个检查&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;假设磁盘写入是瓶颈，就观察相同时段的写入延迟、队列和应用等待；假设某次发布造成回退，就比较版本、请求和数据规模。每项观察都应能支持或削弱某个判断。&lt;/p&gt;
&lt;p&gt;恢复服务与找到根因可以分开推进，但恢复动作也要记录。重启解决了眼前问题，并不说明问题已经消失；它可能只是清空了积累的状态。&lt;/p&gt;
&lt;p&gt;排查记录最后应留下现象、证据、采取的动作和验证结果。下次遇到类似问题时，这些内容比一张脱离上下文的命令清单更有用。&lt;/p&gt;
&lt;p&gt;命令字段与历史输出示例可配合&lt;a href=&quot;/blog/tools/linux-diagnostics/&quot;&gt;服务器检查笔记&lt;/a&gt;阅读；&lt;a href=&quot;/blog/tools/linux-command-notes/&quot;&gt;Linux 实战&lt;/a&gt;整理了更多文件与文本操作。&lt;/p&gt;</content:encoded><category>Linux</category><category>性能优化</category><author>wdxtub@gmail.com</author></item><item><title>日志平台设计：从采集到查询的可靠数据流</title><link>https://wdxtub.com/blog/engineering/log-pipeline-design</link><guid isPermaLink="true">https://wdxtub.com/blog/engineering/log-pipeline-design</guid><description>合并旧 ELK 与 Kafka 系列，围绕事件结构、缓冲、交付语义、索引和排障讨论日志平台。</description><pubDate>Fri, 06 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;日志平台的价值，是在需要时回答问题：某个请求为什么失败，故障影响了谁，异常从哪一层开始。能把文本写进搜索引擎，只完成了其中一小部分。&lt;/p&gt;
&lt;p&gt;本文将旧版“通天塔日志分析平台”系列及 ELK、Kafka、Rsyslog 配套笔记合并为架构专题。保留数据流与排障思路，不再提供 ElasticStack 5.0、旧插件和旧集群配置的安装步骤。&lt;/p&gt;
&lt;h2 id=&quot;先定义事件再挑采集器&quot;&gt;先定义事件，再挑采集器&lt;a class=&quot;heading-link&quot; href=&quot;#先定义事件再挑采集器&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;一条日志最好能独立解释自己。常见字段包括事件时间、采集时间、服务名、环境、严重程度、请求或追踪标识，以及具体事件内容。&lt;/p&gt;
&lt;p&gt;事件时间说明事情何时发生，采集时间有助于判断传输延迟。时区和时间格式必须统一。异常堆栈跨多行时，也需要明确它们属于一个事件，而不是在下游才猜测怎样拼接。&lt;/p&gt;
&lt;p&gt;日志应为排障保留上下文，同时避免写入密码、访问令牌和不必要的个人信息。哪些人能够查询哪些数据、保留多久，应当在接入时确定。&lt;/p&gt;
&lt;h2 id=&quot;每一段都要知道失败会怎样&quot;&gt;每一段都要知道失败会怎样&lt;a class=&quot;heading-link&quot; href=&quot;#每一段都要知道失败会怎样&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;一个常见的数据路径是：应用输出，采集器读取，缓冲或队列接收，处理器解析，索引存储，最后查询与告警。不是每个系统都需要全部组件，但存在的每一段都应有明确责任。&lt;/p&gt;
&lt;p&gt;采集器需要知道读取位置怎样保存、文件轮转怎样识别、网络中断时缓冲在哪里。处理器需要决定解析失败的事件去哪里，是直接丢弃，还是隔离后修复和重放。&lt;/p&gt;
&lt;p&gt;将坏事件送到隔离队列时，必须同时记录原因、原始内容和处理状态。否则隔离队列只会成为另一个没人查看的日志堆。&lt;/p&gt;
&lt;h2 id=&quot;队列能吸收短时差异不能制造处理能力&quot;&gt;队列能吸收短时差异，不能制造处理能力&lt;a class=&quot;heading-link&quot; href=&quot;#队列能吸收短时差异不能制造处理能力&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;假设事件到达速率是每秒 10,000 条，消费者只能处理 8,000 条，每秒就会多积压 2,000 条。若每条按 1 KB 粗估，半小时新增约 3.6 GB 原始数据；副本、索引与存储格式还会增加实际占用。&lt;/p&gt;
&lt;p&gt;队列容量因此需要和允许积压时间一起规划。除了消息数量，还要看最旧未处理事件的年龄。消费者恢复后，处理速度必须高于新流量，才有机会清空积压。&lt;/p&gt;
&lt;p&gt;缓冲耗尽时，应事先决定阻塞、降采样、丢弃低价值日志或其他处理方式。不同选择的业务后果不同，不能等磁盘满了才临时决定。&lt;/p&gt;
&lt;h2 id=&quot;交付成功不等于恰好处理一次&quot;&gt;交付成功不等于恰好处理一次&lt;a class=&quot;heading-link&quot; href=&quot;#交付成功不等于恰好处理一次&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;处理完成后再提交消费位置，失败恢复时可能重放；先提交再处理，则可能在中途失败时丢失尚未完成的工作。消息系统的保证也不能自动延伸到任意外部数据库。&lt;/p&gt;
&lt;p&gt;Kafka 对交付语义、事务与外部系统协调有明确边界，使用时应结合实际配置与处理方式理解。&lt;a href=&quot;https://kafka.apache.org/40/design/design/&quot;&gt;Kafka 设计文档&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;对日志统计而言，重复事件可能抬高计数。因此可以为事件设计稳定标识，并让写入操作具备幂等性。需要精确计费或审计的数据，还应单独设计端到端保证，而不是默认普通日志链路已经满足要求。&lt;/p&gt;
&lt;h2 id=&quot;索引设计从查询出发&quot;&gt;索引设计从查询出发&lt;a class=&quot;heading-link&quot; href=&quot;#索引设计从查询出发&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;经常按服务、时间和请求标识查询，就应让这些字段有稳定类型和命名。把同一个字段有时写成数字、有时写成文本，会把问题留给下游。&lt;/p&gt;
&lt;p&gt;不是所有字段都值得索引，也不是所有日志都需要保留相同时间。高基数标识、巨大正文和无限增长的字段名会影响存储与查询成本。保留策略、分区粒度、分片与副本应结合数据量和故障目标测试，不能直接沿用旧教程中的常量。&lt;/p&gt;
&lt;p&gt;副本提供的是某种冗余，备份与恢复则解决不同问题。配置了副本之后，仍应验证误删、错误更新和跨故障域恢复。&lt;/p&gt;
&lt;h2 id=&quot;平台也要观察自己&quot;&gt;平台也要观察自己&lt;a class=&quot;heading-link&quot; href=&quot;#平台也要观察自己&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;业务没有新日志，可能是业务平静，也可能是采集器已经停止。需要分别观察事件输入量、解析失败率、队列积压、写入拒绝、索引延迟和查询延迟。&lt;/p&gt;
&lt;p&gt;可以发送少量已知测试事件，验证它们是否按预期进入查询结果。故障演练则覆盖网络中断、消费者重启、坏事件和存储不可用。恢复后不仅看服务是否启动，还要核对缺失、重复和积压是否符合预期。&lt;/p&gt;
&lt;p&gt;设计明确之后，再依据所选版本的官方文档落实组件配置；配置是否正确，需要通过这些失败与恢复场景检验。&lt;/p&gt;</content:encoded><category>日志</category><category>架构</category><category>数据工程</category><author>wdxtub@gmail.com</author></item><item><title>RESTful API 设计：资源、语义与错误</title><link>https://wdxtub.com/blog/engineering/restful-api-design</link><guid isPermaLink="true">https://wdxtub.com/blog/engineering/restful-api-design</guid><description>围绕资源、HTTP 语义、状态码与错误响应，建立一致且可理解的接口约定。</description><pubDate>Fri, 06 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;API 设计要先约定资源、操作和失败的含义，再考虑路径的命名。这里从原有后台接口笔记中保留可复用的设计要点，修正把 HTTP 操作直接等同于 SQL 的说法。&lt;/p&gt;
&lt;h2 id=&quot;资源与操作&quot;&gt;资源与操作&lt;a class=&quot;heading-link&quot; href=&quot;#资源与操作&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;&lt;code&gt;/projects&lt;/code&gt; 可以表示项目集合，&lt;code&gt;/projects/123&lt;/code&gt; 表示一个项目。复数名词是一种一致的命名约定，不是协议强制要求；资源也不必对应一张数据库表。&lt;/p&gt;
&lt;p&gt;GET 用于读取，HEAD 获取相应的响应头而不返回内容；POST 交由资源处理，PUT 创建或替换目标资源的状态，DELETE 请求移除目标资源与当前功能的关联。OPTIONS 描述通信选项，不是查询哪些数据库字段可以编辑。具体语义见 &lt;a href=&quot;https://www.rfc-editor.org/rfc/rfc9110.html#section-9&quot;&gt;HTTP Semantics&lt;/a&gt;。&lt;/p&gt;
&lt;p&gt;PATCH 表达部分修改。补丁格式需要明确，例如“把计数改成 3”与“把计数增加 3”具有不同的重试效果；PATCH 本身不保证幂等。&lt;a href=&quot;https://www.rfc-editor.org/rfc/rfc5789.html&quot;&gt;RFC 5789&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;安全方法的请求语义不要求改变资源状态；幂等指重复请求的预期效果与执行一次相同，不保证响应相同。第一次 DELETE 成功、第二次返回 404，并不因此破坏幂等性。状态码本身不能决定一个业务操作是否幂等。&lt;/p&gt;
&lt;h2 id=&quot;状态与错误&quot;&gt;状态与错误&lt;a class=&quot;heading-link&quot; href=&quot;#状态与错误&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;成功、创建、接受处理和没有响应内容，是不同的结果：200 表示成功；201 用于创建；202 只表示接受请求，不能当作任务完成；204 不携带响应内容。认证凭据缺失或无效常用 401，拒绝处理用 403，404 表示未找到或不愿披露存在。冲突和无法处理的内容可分别用 409、422 表达。&lt;a href=&quot;https://www.rfc-editor.org/rfc/rfc9110.html#section-15&quot;&gt;状态码定义&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;不要把所有业务失败都包装成 200，让调用方只能猜正文。错误响应应有稳定的机器可读代码、可理解的说明，以及必要的字段信息，例如：&lt;/p&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;json&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;{&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#8DDB8C&quot;&gt;  &quot;code&quot;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;: &lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;&quot;validation_failed&quot;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;,&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#8DDB8C&quot;&gt;  &quot;message&quot;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;: &lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;&quot;项目名称不能为空&quot;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;,&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#8DDB8C&quot;&gt;  &quot;errors&quot;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;: [{&lt;/span&gt;&lt;span style=&quot;color:#8DDB8C&quot;&gt;&quot;field&quot;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;: &lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;&quot;name&quot;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;, &lt;/span&gt;&lt;span style=&quot;color:#8DDB8C&quot;&gt;&quot;code&quot;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;: &lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;&quot;required&quot;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;}]&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;}&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;详细错误不等于暴露服务器内部信息。客户端需要知道如何修正请求，内部堆栈则留给日志和排查。&lt;/p&gt;
&lt;h2 id=&quot;一致的约定&quot;&gt;一致的约定&lt;a class=&quot;heading-link&quot; href=&quot;#一致的约定&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;过滤、排序、分页、版本和字段命名要在各个接口间保持一致。列表响应除了数据，还应清楚表达下一页如何获取；修改响应是否返回最新对象，也应写进文档。响应中提供下一步可用的链接，可以减少调用方拼接路径的工作，但不能代替完整的接口文档。&lt;/p&gt;
&lt;p&gt;通信使用 HTTPS。认证、授权与资源访问规则需要单独设计，不能仅凭“客户端”或“服务端”分类就决定认证方案。原笔记中的 JSONP、URL 携带令牌和旧认证接口示例不再保留。&lt;/p&gt;
&lt;p&gt;最后，把异步任务、重试、限流和超时也视为接口契约的一部分。限流字段要明确窗口、剩余额度与重试时间的单位，不能把请求配额写成并发连接数。与其让客户端猜测，不如提供能运行的正常和失败示例。&lt;/p&gt;</content:encoded><category>HTTP</category><category>API</category><category>后端</category><author>wdxtub@gmail.com</author></item><item><title>让笔记进入工作：从信息收集到写作输出</title><link>https://wdxtub.com/blog/essay/knowledge-workflow</link><guid isPermaLink="true">https://wdxtub.com/blog/essay/knowledge-workflow</guid><description>把知识管理拆成收集、理解、连接与输出，减少工具依赖，让笔记真正支持问题解决。</description><pubDate>Fri, 06 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;笔记系统最容易出现的错觉，是把保存当成掌握，把分类当成理解。收藏夹越来越长，面对一个具体问题时却仍然不知道从哪里开始。此时缺少的通常不是新工具，而是让信息进入实际工作的过程。&lt;/p&gt;
&lt;p&gt;本文合并重写自《大河与大坝》《个人知识管理指南》和《极简解构工作流》，保留其中关于输入、整理和输出的方法，不再沿用个人经历与旧应用清单。&lt;/p&gt;
&lt;h2 id=&quot;先让信息流动再设计分类&quot;&gt;先让信息流动，再设计分类&lt;a class=&quot;heading-link&quot; href=&quot;#先让信息流动再设计分类&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;一个足够简单的流程是：收集到收件箱，判断是否值得保留，围绕问题整理，最后进入文章、方案或行动。每一步都要产生变化。如果一篇资料从网页搬进笔记后，永远没有再次被使用，那只是换了一个存储位置。&lt;/p&gt;
&lt;p&gt;收件箱的作用是降低当下的打断，不是无限延后决定。处理一条资料时，可以选择删除、留作参考、提炼为知识笔记，或转成一个需要执行的任务。任务应进入任务列表，参考资料应保留来源，自己的判断则应与原文摘录分开。&lt;/p&gt;
&lt;p&gt;分类不必一开始就设计完整。先建立几个稳定领域，再依靠标题、搜索和相互链接找到内容。一个主题跨越多个领域时，用链接表达联系，比为它反复搬家更合适。&lt;/p&gt;
&lt;h2 id=&quot;高质量输入要经过筛选&quot;&gt;高质量输入要经过筛选&lt;a class=&quot;heading-link&quot; href=&quot;#高质量输入要经过筛选&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;信息源应该有差异，不能只是很多账号重复同一个观点。阅读时先区分事实、解释和主张：发生了什么，作者怎样解释，作者希望读者做什么。它们需要不同的验证方法。&lt;/p&gt;
&lt;p&gt;原文提出过用时间过滤信息，这个方法仍值得保留：不紧急的材料先放一放，过一段时间仍然与问题相关，再投入完整阅读。它适合减少一时兴起的收集，但不适合拖延有截止日期的任务或必须及时处理的证据。&lt;/p&gt;
&lt;p&gt;长期维护的笔记至少要保存来源、记录时间和适用条件。技术结论还应写明版本或运行环境，否则日后只剩一句没有上下文的答案。&lt;/p&gt;
&lt;h2 id=&quot;用自己的问题组织笔记&quot;&gt;用自己的问题组织笔记&lt;a class=&quot;heading-link&quot; href=&quot;#用自己的问题组织笔记&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;“数据库”是分类，“为什么这个查询在连接后金额翻倍”才是能推动学习的问题。以问题为标题，笔记就有了一个可检验的目标。&lt;/p&gt;
&lt;p&gt;一张有用的笔记可以这样组织：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;问题：想解释哪一种现象。&lt;/li&gt;
&lt;li&gt;结论：目前最可信的回答，以及成立条件。&lt;/li&gt;
&lt;li&gt;依据：原始资料、推导或实验结果。&lt;/li&gt;
&lt;li&gt;例子：最小的正确例子与一个容易出错的反例。&lt;/li&gt;
&lt;li&gt;联系：它与哪些已有笔记相互支持或冲突。&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;不要为了套格式而填满所有栏目。短问题可能几句话就够；复杂问题则需要保留不同解释之间的分歧。&lt;/p&gt;
&lt;h2 id=&quot;输出会暴露理解的缺口&quot;&gt;输出会暴露理解的缺口&lt;a class=&quot;heading-link&quot; href=&quot;#输出会暴露理解的缺口&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;写作不是把摘录重新排版。先确定读者要解决的问题，再列出必须回答的几个子问题。写到某一步说不清楚，就回到资料或实验补上缺口。&lt;/p&gt;
&lt;p&gt;例如想写“如何让定时任务可靠运行”，只有 cron 时间表达式还不够。读者还需要知道脚本在哪个目录执行、失败如何发现、运行过久怎么办。文章结构应由这些问题决定，而不是由手头摘录的顺序决定。&lt;/p&gt;
&lt;p&gt;已有笔记也不必每次全部用上。与这次论证无关的材料可以继续保留，但不需要为了显得丰富而塞进正文。&lt;/p&gt;
&lt;h2 id=&quot;工具应允许替换流程也要控制成本&quot;&gt;工具应允许替换，流程也要控制成本&lt;a class=&quot;heading-link&quot; href=&quot;#工具应允许替换流程也要控制成本&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;纯文本、明确目录和常见格式的价值，在于降低迁移与检索成本。具体采用哪一个编辑器并不重要，重要的是能否导出、备份、检索和分享。同步解决多端访问，备份解决误删和损坏，二者不能互相替代。&lt;/p&gt;
&lt;p&gt;同样，整理本身也有成本。如果每次读一篇文章都要维护十几个标签、多个索引和复杂模板，系统就会反过来消耗注意力。先使用最少的规则，只有真正反复遇到问题时再增加结构。&lt;/p&gt;
&lt;p&gt;判断这套方法是否有效，可以回到三个具体结果：下次遇到相同问题，能否更快找到依据；能否解释得更清楚；能否做出更好的决定。笔记数量不必成为目标。&lt;/p&gt;</content:encoded><category>知识管理</category><category>写作</category><author>wdxtub@gmail.com</author></item><item><title>学习的悖论：用指标观察进步，而不是代替目标</title><link>https://wdxtub.com/blog/essay/learning-and-metrics</link><guid isPermaLink="true">https://wdxtub.com/blog/essay/learning-and-metrics</guid><description>讨论基础学习为何常常先投入后理解，以及怎样避免阅读时长、数量和排名反过来支配学习。</description><pubDate>Fri, 06 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;学习中有一个常见的矛盾：理解不够时，看不出基础知识有什么用；等到理解足够，又会觉得这些内容早该学会。另一个矛盾是，原本用来帮助坚持的数字，最后可能成为坚持本身的理由。&lt;/p&gt;
&lt;p&gt;本文由《学习的悖论》和《数字牢笼》合并重写，去掉生活叙事，集中讨论学习顺序和指标的使用。&lt;/p&gt;
&lt;h2 id=&quot;价值有时要在使用之后才看得见&quot;&gt;价值有时要在使用之后才看得见&lt;a class=&quot;heading-link&quot; href=&quot;#价值有时要在使用之后才看得见&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;一本教材通常已经替读者整理好了知识结构，但读者尚未遇到作者要解决的问题。这会造成一种错位：定义看得懂，却不知道为什么需要这个定义。&lt;/p&gt;
&lt;p&gt;一种补救方式是先做一个小问题。例如，先尝试统计订单金额，再遇到重复连接和空值问题，关系与聚合的概念就有了落脚点。但只靠即时需求也有局限：眼前的问题可能太窄，让学习者一直在修补局部。&lt;/p&gt;
&lt;p&gt;因此，基础学习和问题实践需要交替进行。基础提供尚未想到的工具，实践帮助辨认这些工具的用途。没有必要把“先学理论”与“先做项目”变成二选一。&lt;/p&gt;
&lt;h2 id=&quot;暂时不懂用途不等于无条件坚持&quot;&gt;暂时不懂用途，不等于无条件坚持&lt;a class=&quot;heading-link&quot; href=&quot;#暂时不懂用途不等于无条件坚持&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;一些基本概念值得在尚未看到直接收益时学习，但这不是要求把每门课、每本书都硬撑到最后。应为投入设置可检查的阶段。&lt;/p&gt;
&lt;p&gt;可以选择一个小主题，给出有限时间，要求自己能解释一个概念、完成一个例子并指出适用边界。如果仍然无法前进，就检查先修知识、材料难度或目标是否合适。换一个例子、补一层基础，往往比继续机械阅读更有效。&lt;/p&gt;
&lt;p&gt;坚持的对象应是学习目标，具体路径则允许调整。&lt;/p&gt;
&lt;h2 id=&quot;数字能记录行为不能自动代表理解&quot;&gt;数字能记录行为，不能自动代表理解&lt;a class=&quot;heading-link&quot; href=&quot;#数字能记录行为不能自动代表理解&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;阅读页数、学习时长和练习次数都容易记录，也能帮助观察习惯。但是它们与理解的关系并不固定：难的一页可能比简单的十页更需要时间，重复做熟悉的题也未必带来新的能力。&lt;/p&gt;
&lt;p&gt;当数字成为唯一目标，人就容易选择最能提高数字的行为。读得快、记得多、完成得多，看起来都有进步，却未必更能解决问题。这不意味着数字没有用，而是要让数字始终服务于一个具体目的。&lt;/p&gt;
&lt;p&gt;例如，目标是读懂一类论文，可以记录阅读投入，也应检查能否复述假设、解释实验设计、指出结论不适用的场景。&lt;/p&gt;
&lt;h2 id=&quot;用几种不同的证据检查进步&quot;&gt;用几种不同的证据检查进步&lt;a class=&quot;heading-link&quot; href=&quot;#用几种不同的证据检查进步&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;投入指标回答“有没有持续做”，结果证据回答“现在能做什么”，反例检查回答“还不知道什么”。三者放在一起，才能避免只挑好看的数字。&lt;/p&gt;
&lt;p&gt;一个简单的复习过程是：合上资料，写出核心解释；换一个例子应用；再设计一个会失败的情况。解释不清楚就补概念，用不出来就补练习，辨认不了失败条件就补比较。&lt;/p&gt;
&lt;p&gt;不需要每天给所有能力评分。可以在完成一个主题后留下一个作品、一次实验或一份解释，用它与下一次结果比较。&lt;/p&gt;
&lt;h2 id=&quot;为没有数字的部分留出空间&quot;&gt;为没有数字的部分留出空间&lt;a class=&quot;heading-link&quot; href=&quot;#为没有数字的部分留出空间&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;好奇心、阅读的乐趣和讨论中的新问题，不一定马上表现为产出。只允许“可计量的进步”，反而会把探索压缩成重复动作。&lt;/p&gt;
&lt;p&gt;把目标写清楚，定期回看指标是否仍能帮助这个目标；如果不能，就调整指标。学习本身应扩大选择，而不应把人锁进一张越来越漂亮的统计表。&lt;/p&gt;</content:encoded><category>学习</category><category>思考</category><author>wdxtub@gmail.com</author></item><item><title>Python 编程思想：名字、对象与资源边界</title><link>https://wdxtub.com/blog/language/python-object-model</link><guid isPermaLink="true">https://wdxtub.com/blog/language/python-object-model</guid><description>用小例子理解赋值、浅拷贝、深拷贝、可变对象和上下文管理，去掉依赖旧版本的技巧。</description><pubDate>Fri, 06 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;Python 中很多看似奇怪的行为，都可以回到三个问题：名字绑定了哪个对象，对象是否可变，谁负责释放外部资源。把这三件事弄清楚，比记住一串“黑魔法”更有用。&lt;/p&gt;
&lt;p&gt;本文重写自《Python 编程思想》，保留对象与资源管理主线，示例使用 Python 3，不沿用旧版字节码细节和实现偶然行为。&lt;/p&gt;
&lt;h2 id=&quot;赋值没有复制对象&quot;&gt;赋值没有复制对象&lt;a class=&quot;heading-link&quot; href=&quot;#赋值没有复制对象&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;python&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;a &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;=&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; [&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;1&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;, &lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;2&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;]&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;b &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;=&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; a&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;b.append(&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;3&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;)&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;assert&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; a &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;==&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; [&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;1&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;, &lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;2&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;, &lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;3&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;]&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;assert&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; a &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;is&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; b&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;&lt;code&gt;a&lt;/code&gt; 和 &lt;code&gt;b&lt;/code&gt; 绑定到同一个列表。&lt;code&gt;==&lt;/code&gt; 比较值是否相等，&lt;code&gt;is&lt;/code&gt; 比较是否为同一对象；不要用字符串或小整数缓存的现象推导通用规则。&lt;/p&gt;
&lt;p&gt;对象的身份、类型和值是不同概念。元组不能替换成员引用，但成员指向的对象仍可能可变：&lt;/p&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;python&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;items &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;=&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; ([&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;1&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;], &lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;&apos;label&apos;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;)&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;items[&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;0&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;].append(&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;2&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;)&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;assert&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; items &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;==&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; ([&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;1&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;, &lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;2&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;], &lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;&apos;label&apos;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;)&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;这里没有改变元组保存的引用，改变的是列表内容。定义见 &lt;a href=&quot;https://docs.python.org/3/reference/datamodel.html&quot;&gt;Python 数据模型&lt;/a&gt;。&lt;/p&gt;
&lt;h2 id=&quot;浅拷贝只复制外层&quot;&gt;浅拷贝只复制外层&lt;a class=&quot;heading-link&quot; href=&quot;#浅拷贝只复制外层&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;python&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;from&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; copy &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;import&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; deepcopy&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;original &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;=&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; [[&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;1&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;], [&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;2&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;]]&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;shallow &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;=&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; original.copy()&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;deep &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;=&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; deepcopy(original)&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;original[&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;0&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;].append(&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;3&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;)&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;assert&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; shallow[&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;0&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;] &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;==&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; [&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;1&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;, &lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;3&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;]&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;assert&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; deep[&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;0&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;] &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;==&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; [&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;1&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;]&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;浅拷贝产生新容器，成员仍指向原对象；深拷贝递归复制成员。深拷贝也不是万能的资源克隆：文件、套接字等并不会被复制成等价的独立资源，类还可以定制复制行为。见 &lt;a href=&quot;https://docs.python.org/3/library/copy.html&quot;&gt;copy 模块&lt;/a&gt;。&lt;/p&gt;
&lt;p&gt;选择哪种复制方式，要从是否允许共享成员状态出发，而不是把深拷贝当成默认的“更安全”。有时共享就是设计的一部分。&lt;/p&gt;
&lt;h2 id=&quot;区分修改对象与重新绑定&quot;&gt;区分修改对象与重新绑定&lt;a class=&quot;heading-link&quot; href=&quot;#区分修改对象与重新绑定&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;对列表，&lt;code&gt;append&lt;/code&gt; 增加一个元素，&lt;code&gt;extend&lt;/code&gt; 逐个加入可迭代对象中的元素。&lt;code&gt;+&lt;/code&gt; 通常创建新列表，&lt;code&gt;+=&lt;/code&gt; 对列表通常原地扩展；对于其他类型，行为由相应协议决定。&lt;/p&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;python&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;a &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;=&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; [&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;1&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;]&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;b &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;=&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; a&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;a &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;=&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; a &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;+&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; [&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;2&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;]&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;assert&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; b &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;==&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; [&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;1&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;]&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;a &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;=&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; b&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;a &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;+=&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; [&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;3&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;]&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;assert&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; b &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;==&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; [&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;1&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;, &lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;3&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;]&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;函数参数同样遵循名字绑定。函数内重新给参数赋值，不会重新绑定调用者的名字；修改共同引用的可变对象，则可能被调用者观察到。&lt;/p&gt;
&lt;p&gt;可变默认参数也与此相关。默认值在函数定义时求值，而不是每次调用都重新创建：&lt;/p&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;python&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;def&lt;/span&gt;&lt;span style=&quot;color:#DCBDFB&quot;&gt; add_item&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;(value, items&lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;=&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;None&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;):&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;    if&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; items &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;is&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; None&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;:&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;        items &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;=&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; []&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;    items.append(value)&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;    return&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; items&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;assert&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; add_item(&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;1&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;) &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;==&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; [&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;1&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;]&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;assert&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; add_item(&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;2&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;) &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;==&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; [&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt;2&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;]&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;h2 id=&quot;with-明确资源生命周期&quot;&gt;with 明确资源生命周期&lt;a class=&quot;heading-link&quot; href=&quot;#with-明确资源生命周期&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;文件、锁和事务有明确的开始与结束。用上下文管理器表达这个边界，能够在正常退出和异常退出时执行约定的清理逻辑。&lt;/p&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;python&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;from&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; contextlib &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;import&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; contextmanager&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#DCBDFB&quot;&gt;@contextmanager&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;def&lt;/span&gt;&lt;span style=&quot;color:#DCBDFB&quot;&gt; tracked&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;(events):&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;    events.append(&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;&apos;enter&apos;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;)&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;    try&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;:&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;        yield&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;    finally&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;:&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;        events.append(&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;&apos;exit&apos;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;)&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;events &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;=&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; []&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;try&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;:&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;    with&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; tracked(events):&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;        raise&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; ValueError&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;(&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;&apos;example&apos;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;)&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;except&lt;/span&gt;&lt;span style=&quot;color:#6CB6FF&quot;&gt; ValueError&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;:&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;    pass&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;line&quot;&gt;&lt;span style=&quot;color:#F47067&quot;&gt;assert&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; events &lt;/span&gt;&lt;span style=&quot;color:#F47067&quot;&gt;==&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt; [&lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;&apos;enter&apos;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;, &lt;/span&gt;&lt;span style=&quot;color:#96D0FF&quot;&gt;&apos;exit&apos;&lt;/span&gt;&lt;span style=&quot;color:#ADBAC7&quot;&gt;]&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;这个例子不会吞掉异常；外层仍需要决定怎样处理它。实际上下文管理器是否抑制异常、如何提交或回滚，由具体实现决定。&lt;a href=&quot;https://docs.python.org/3/library/contextlib.html&quot;&gt;contextlib 文档&lt;/a&gt;说明了协议与生成器形式的管理器。&lt;/p&gt;
&lt;h2 id=&quot;语言规则与实现细节分开&quot;&gt;语言规则与实现细节分开&lt;a class=&quot;heading-link&quot; href=&quot;#语言规则与实现细节分开&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;CPython 的引用计数、垃圾回收和对象缓存，是理解性能时的重要背景，但不应据此依赖某个对象恰好何时销毁。需要及时关闭的外部资源，使用明确的生命周期管理。&lt;/p&gt;
&lt;p&gt;分析复杂行为时，可以先画出名字与对象的引用关系，再写一个最小例子。能清楚解释哪个引用被替换、哪个对象被修改，很多问题就已经解决了一半。&lt;/p&gt;</content:encoded><category>Python</category><category>编程</category><author>wdxtub@gmail.com</author></item><item><title>机器学习平台设计：让实验能够交付</title><link>https://wdxtub.com/blog/mlds/ml-platform-design</link><guid isPermaLink="true">https://wdxtub.com/blog/mlds/ml-platform-design</guid><description>从数据、代码、环境和模型的关联出发，讨论实验记录、评估、发布与回滚怎样形成完整工作流。</description><pubDate>Fri, 06 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;机器学习平台最值得解决的问题，是把一次有效的实验变成可以解释、重复和交付的结果。拥有更多训练机器，不等于已经拥有这套能力。&lt;/p&gt;
&lt;p&gt;本文重写自 2017 年《深度学习平台设计指南》，保留“支持业务、支持研发、连接已有系统”的主张，去掉当年的公司流程、招聘信息和工具现状判断。&lt;/p&gt;
&lt;h2 id=&quot;先找到最昂贵的断点&quot;&gt;先找到最昂贵的断点&lt;a class=&quot;heading-link&quot; href=&quot;#先找到最昂贵的断点&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;训练慢、实验结果找不到、数据版本不清楚、上线靠手工复制，都可能是平台需求，但优先级不同。应先观察模型从开发到使用的过程，找出最频繁、最昂贵或最容易出错的环节。&lt;/p&gt;
&lt;p&gt;如果团队仍然无法确认一次实验用了哪份数据，先建设复杂的分布式调度，未必能提高交付质量。平台的目标应写成可观察的改善，例如减少重现实验的准备时间，或让一次发布可以追溯到明确评估结果。&lt;/p&gt;
&lt;h2 id=&quot;一次实验需要留下哪些信息&quot;&gt;一次实验需要留下哪些信息&lt;a class=&quot;heading-link&quot; href=&quot;#一次实验需要留下哪些信息&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;实验结果不只是模型文件。至少要关联代码版本、数据标识、预处理方式、参数、环境、评价指标和产物位置。随机种子可以帮助控制一部分变化，但不保证跨硬件、并行算法和依赖版本完全复现。&lt;/p&gt;
&lt;p&gt;可以给每次运行一个唯一标识，将它贯穿日志、指标和模型产物。失败运行也应保留足够信息，否则只看到成功结果，很难理解资源浪费和失败原因。&lt;/p&gt;
&lt;p&gt;MLflow 的实验追踪提供了参数、指标和产物记录等具体机制，可作为实现参考；它并不能代替团队定义什么才是有效实验。&lt;a href=&quot;https://mlflow.org/docs/latest/tracking/&quot;&gt;MLflow Tracking&lt;/a&gt;&lt;/p&gt;
&lt;h2 id=&quot;评估协议应独立于训练脚本&quot;&gt;评估协议应独立于训练脚本&lt;a class=&quot;heading-link&quot; href=&quot;#评估协议应独立于训练脚本&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;比较两个模型之前，先确认使用相同的数据划分、指标定义和评价过程。预处理如果提前接触测试数据，就可能使结果失真；重复试验时，也要注意逐渐把测试集变成调参集的问题。&lt;/p&gt;
&lt;p&gt;除总体指标外，还应检查关键子群体与错误类型。一个平均值更好的模型，可能在重要场景中更差。业务决定哪些取舍可以接受，平台则负责把证据保留下来，而不是替所有业务设定同一个通过阈值。&lt;/p&gt;
&lt;h2 id=&quot;把训练产物变成服务契约&quot;&gt;把训练产物变成服务契约&lt;a class=&quot;heading-link&quot; href=&quot;#把训练产物变成服务契约&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;上线接口应明确输入字段、类型、缺失值处理、输出含义和失败行为。训练时使用的预处理也必须与线上一致，否则发布的就不是评估过的同一个计算过程。&lt;/p&gt;
&lt;p&gt;例如，一个分类模型除了权重，还需要对应的特征顺序、词表或类别映射。仅复制权重文件，却沿用另一版本的转换规则，会产生难以察觉的错误。&lt;/p&gt;
&lt;p&gt;发布记录应把模型、预处理、配置和评估关联起来。出现问题时，回滚的是完整版本，而不是只换回一个文件。&lt;/p&gt;
&lt;h2 id=&quot;资源与重试也属于产品设计&quot;&gt;资源与重试也属于产品设计&lt;a class=&quot;heading-link&quot; href=&quot;#资源与重试也属于产品设计&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;训练任务需要声明资源需求、运行状态和产物位置。排队、取消、超时和失败重试应有清晰行为。一个失败任务不断重试，可能占满共享资源，让其他有效实验无法开始。&lt;/p&gt;
&lt;p&gt;长任务可以按框架能力保存检查点，但检查点恢复需要验证代码、数据和状态兼容。资源利用率只是观察维度之一；为了让 GPU 一直满载而反复运行低价值实验，并不代表平台高效。&lt;/p&gt;
&lt;p&gt;研发人员需要探索空间，平台则应在输入、产物和交付边界处建立约定。尽量让已有脚本通过小范围适配接入，而不是先要求所有人改用同一种交互界面。&lt;/p&gt;
&lt;h2 id=&quot;线上反馈要回到下一次判断&quot;&gt;线上反馈要回到下一次判断&lt;a class=&quot;heading-link&quot; href=&quot;#线上反馈要回到下一次判断&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;上线后同时观察服务可靠性和模型效果。延迟、错误率、输入分布变化可以较早获得，真实标签可能延迟到达。没有及时标签时，可以监控代理信号，但不能把它直接当成准确率。&lt;/p&gt;
&lt;p&gt;发现问题后，需要能够定位到数据、代码、模型和发布版本，并决定暂停、回滚、修复数据还是重新训练。这个过程是否可操作，比平台展示了多少功能更重要。&lt;/p&gt;
&lt;p&gt;从一条实际业务流程开始，把实验记录、评估与发布连接起来，再按重复需求扩展。相关背景可继续阅读本站的&lt;a href=&quot;/blog/mlds/mlds-b2/&quot;&gt;算法与数据中台笔记&lt;/a&gt;。&lt;/p&gt;</content:encoded><category>机器学习</category><category>架构</category><category>数据科学</category><author>wdxtub@gmail.com</author></item><item><title>从需求判断到技术债：把工程决策说清楚</title><link>https://wdxtub.com/blog/survive/engineering-decisions-and-debt</link><guid isPermaLink="true">https://wdxtub.com/blog/survive/engineering-decisions-and-debt</guid><description>把接口、资源约束、跨团队沟通与技术债放在同一个决策过程中，说明如何做取舍并留下依据。</description><pubDate>Fri, 06 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;工程项目的困难，经常不是不知道怎样实现，而是不知道应该先实现什么、为谁实现，以及愿意为速度付出什么代价。如果这些问题没有答案，代码写得再快，也可能只是在更快地累积返工。&lt;/p&gt;
&lt;p&gt;本文由《接口、系统、管理与熵》《跑步与技术债》和两篇《汇报后的小思考》合并重写，去掉生活与工作经历，将讨论集中到可以复用的工程判断。&lt;/p&gt;
&lt;h2 id=&quot;先证明问题值得解决&quot;&gt;先证明问题值得解决&lt;a class=&quot;heading-link&quot; href=&quot;#先证明问题值得解决&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;一项需求至少包含用户、场景、当前困难和希望出现的变化。只写“建设数据平台”或“提升效率”，还不能帮助决定资源如何投入。&lt;/p&gt;
&lt;p&gt;可以把讨论整理成一页：当前情况有哪些事实，问题造成什么损失，可选方案是什么，每个方案需要什么成本，最后建议先验证哪一项假设。暂时没有数据的地方应明确标注，不能用精确的数字装饰不确定的判断。&lt;/p&gt;
&lt;p&gt;最小成本不等于最少代码。一个看起来省事的临时方案，如果需要其他团队长期手工补偿，可能只是把成本转移了。&lt;/p&gt;
&lt;h2 id=&quot;接口是协作约定&quot;&gt;接口是协作约定&lt;a class=&quot;heading-link&quot; href=&quot;#接口是协作约定&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;接口设计首先要确定概念。相同的“用户”“完成”“有效”在不同团队中可能代表不同对象或状态。字段名称一致，并不保证理解一致。&lt;/p&gt;
&lt;p&gt;约定中除了输入输出，还应包含错误处理、权限、重试和版本变化。能独立修改的部分尽量分开；必须共同变化的部分，也不必为了追求形式上的解耦而制造大量适配层。&lt;/p&gt;
&lt;p&gt;一个简单检查是：如果实现团队更换，另一个团队能否仅凭约定理解如何调用、怎样判断失败。如果不能，缺失的信息很可能还藏在口头沟通里。&lt;/p&gt;
&lt;h2 id=&quot;技术债需要明确的代价&quot;&gt;技术债需要明确的代价&lt;a class=&quot;heading-link&quot; href=&quot;#技术债需要明确的代价&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;技术债可以理解为为了当前交付而推迟的一部分工程工作，它会在未来的修改、排错和运行中产生额外成本。不是所有不完美代码都值得立刻重构，也不是所有临时方案都可以无限延期。&lt;/p&gt;
&lt;p&gt;一条可讨论的债务记录，应说明当初省略了什么、为什么省略、现在造成什么影响，以及什么时候需要处理。例如，暂时共用一张表可以加快原型验证；当权限隔离和数据生命周期开始不同，继续共用的代价就可能明显增长。&lt;/p&gt;
&lt;p&gt;优先处理频繁阻塞交付、放大事故影响或使系统难以验证的部分。单纯追求代码外观整齐，未必是当前最有价值的工作。&lt;/p&gt;
&lt;h2 id=&quot;给变化留出位置&quot;&gt;给变化留出位置&lt;a class=&quot;heading-link&quot; href=&quot;#给变化留出位置&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;排期不能假设所有工作都连续进行。跨团队依赖、评审、发布与反馈都会占用时间。与其给所有任务乘一个固定系数，不如把已知依赖、未验证假设和可用容量逐项写出来。&lt;/p&gt;
&lt;p&gt;同一时间承担太多任务，会增加切换和等待。可以限制同时进行的工作数量，把相似任务集中处理，并为紧急事项安排明确的入口。新增需求进入时，也应明确哪项原计划推迟，而不是假设团队可以无限吸收。&lt;/p&gt;
&lt;h2 id=&quot;不把比喻当成定律&quot;&gt;不把比喻当成定律&lt;a class=&quot;heading-link&quot; href=&quot;#不把比喻当成定律&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;旧文用“熵”描述系统随着修改变得难以理解的现象。这个比喻可以提醒人关注维护成本，但软件复杂度并不直接遵循热力学熵的定量规律。&lt;/p&gt;
&lt;p&gt;实际管理时，应观察可验证的现象：一个小修改影响多少模块，失败是否容易定位，回滚是否可行，新成员理解一项任务要多久。它们比抽象地判断系统“有序”或“混乱”更能指导行动。&lt;/p&gt;
&lt;h2 id=&quot;决策记录比事后解释更有用&quot;&gt;决策记录比事后解释更有用&lt;a class=&quot;heading-link&quot; href=&quot;#决策记录比事后解释更有用&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;保留做决定时的背景、备选方案、取舍理由和重新评估条件。日后条件变化，就能判断是原先推理错误，还是世界已经不同。&lt;/p&gt;
&lt;p&gt;好的复盘不止追问谁做错了，也要追问当时能看到什么、为何那个选择显得合理、怎样让下一次更容易做对。团队应持续减少必须依赖个人记忆和临场救火的部分。&lt;/p&gt;</content:encoded><category>架构</category><category>技术管理</category><category>技术债</category><author>wdxtub@gmail.com</author></item><item><title>招聘工程师：从一次面试到可验证的协作能力</title><link>https://wdxtub.com/blog/survive/hiring-engineers</link><guid isPermaLink="true">https://wdxtub.com/blog/survive/hiring-engineers</guid><description>讨论算法题、公开作品和工作样本分别能证明什么，以及怎样让招聘与团队培养形成一致标准。</description><pubDate>Fri, 06 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;招聘最难的不是在一小时里问倒候选人，而是判断双方能否长期合作。岗位需要的能力、面试观察到的行为和入职后的评价标准，应当尽量一致。&lt;/p&gt;
&lt;p&gt;本文重写自《招聘与工程师文化》，去掉个人求职经历和当年的项目计划，保留对招聘方式及人才培养的思考。&lt;/p&gt;
&lt;h2 id=&quot;先定义工作再选择题目&quot;&gt;先定义工作，再选择题目&lt;a class=&quot;heading-link&quot; href=&quot;#先定义工作再选择题目&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;算法题能观察抽象、推导和编码能力，但不能单独证明需求理解、维护意识和团队合作。反过来，做过某个热门框架的项目，也不能直接证明基本功扎实。&lt;/p&gt;
&lt;p&gt;设计面试之前，先列出岗位中反复发生的任务：是在既有系统中定位问题，交付新功能，设计数据模型，还是协调多个团队。然后为这些任务选择能观察到相关能力的环节。&lt;/p&gt;
&lt;p&gt;同一道题也可以有不同的观察重点。除了答案是否正确，还可以看候选人是否澄清条件、是否主动检查边界，以及收到新信息后能否修正方案。&lt;/p&gt;
&lt;h2 id=&quot;作品提供线索不是身份门槛&quot;&gt;作品提供线索，不是身份门槛&lt;a class=&quot;heading-link&quot; href=&quot;#作品提供线索不是身份门槛&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;博客、开源代码和长期作品能呈现一个人的思考过程，原文因此提出用公开积累补充短时面试。这个方向有价值，但公开作品并不是人人都有的条件。&lt;/p&gt;
&lt;p&gt;有人长期处理内部系统，成果无法公开；有人承担了大量不显眼的维护工作。没有 GitHub 活跃记录，不等于没有能力。更合适的做法是让候选人选择能够分享的材料，也允许用匿名化案例或现场讨论替代。&lt;/p&gt;
&lt;p&gt;阅读作品时，重点问取舍、限制和修改过程。漂亮的最终结果未必能说明谁完成了什么，解释一次失败和后续改进，往往提供更多信息。&lt;/p&gt;
&lt;h2 id=&quot;工作样本要控制负担&quot;&gt;工作样本要控制负担&lt;a class=&quot;heading-link&quot; href=&quot;#工作样本要控制负担&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;贴近工作的小任务可以补充问答，但范围必须明确。不要把公司真实需求包装成免费试做，也不要用数天作业消耗候选人的时间。&lt;/p&gt;
&lt;p&gt;例如给一个小模块和测试，让候选人解释问题、修复一个边界条件，再讨论扩展方式。提前告知预期时间、可使用的资料与工具、评价标准。如果考察的是推理过程，就允许把不确定之处讲出来，而不是只接受一个标准答案。&lt;/p&gt;
&lt;p&gt;评价应尽可能记录行为证据：“补充了空输入测试”比“很细心”具体，“没有说明数据来源”比“缺乏业务感”更容易讨论。&lt;/p&gt;
&lt;h2 id=&quot;招聘和培养使用同一套语言&quot;&gt;招聘和培养使用同一套语言&lt;a class=&quot;heading-link&quot; href=&quot;#招聘和培养使用同一套语言&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;如果面试要求严谨测试，入职后却从不安排测试时间，招聘标准很快就会失去意义。团队应把岗位期待延续到入职任务、代码评审和阶段反馈中。&lt;/p&gt;
&lt;p&gt;内部学习材料可以从真实的高频问题整理：怎样运行项目，怎样定位失败，怎样提一个可评审的修改。材料成熟后再考虑公开分享，而不是先建设一个宏大的课程平台。&lt;/p&gt;
&lt;p&gt;招聘提供的是一个有限证据下的判断。把标准写清楚，把反馈持续收集起来，才有机会知道面试到底筛选出了什么，又遗漏了什么。&lt;/p&gt;</content:encoded><category>招聘</category><category>团队</category><category>技术管理</category><author>wdxtub@gmail.com</author></item><item><title>团队文化怎样变成日常协作</title><link>https://wdxtub.com/blog/survive/team-culture-and-remote-work</link><guid isPermaLink="true">https://wdxtub.com/blog/survive/team-culture-and-remote-work</guid><description>把务实、信任与责任落实为目标、任务、文档和反馈，讨论远程团队怎样减少等待与误解。</description><pubDate>Fri, 06 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;团队文化是否存在，往往要在事情不顺利的时候才能看出来：需求变了会不会重新排期，承诺做不到会不会提前说明，出了问题会不会先找原因，还是先找一个人承担指责。&lt;/p&gt;
&lt;p&gt;本文由《团队文化指南》和《远程团队项目成功指南》合并重写，保留关于边界、透明和产出的讨论，去掉项目经历与工具广告。&lt;/p&gt;
&lt;h2 id=&quot;先把共同目标说具体&quot;&gt;先把共同目标说具体&lt;a class=&quot;heading-link&quot; href=&quot;#先把共同目标说具体&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;“把事情做好”是一种态度，还不是可以执行的目标。团队需要知道正在为谁解决什么问题，这次交付改变什么，以及怎样判断它确实有用。&lt;/p&gt;
&lt;p&gt;短期计划可以围绕当前版本和下一个版本组织，避免把不确定的未来拆成虚假的精细日程。方向可以稳定，假设则应接受反馈。出现新证据时，调整计划需要说明原因和影响，不能只把变动转嫁给执行者。&lt;/p&gt;
&lt;h2 id=&quot;责任必须与决定权相配&quot;&gt;责任必须与决定权相配&lt;a class=&quot;heading-link&quot; href=&quot;#责任必须与决定权相配&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;每个任务应有明确负责人，但负责人不等于独自完成所有工作。要同时写清楚他能决定什么、依赖谁、哪些变化需要讨论，以及遇到阻塞时向谁求助。&lt;/p&gt;
&lt;p&gt;“用人不疑”不能代替检查机制。信任意味着允许成员在约定范围内行动，也意味着让进展、风险和决定可见。没有信息的放任与随时介入的控制，都很难形成稳定合作。&lt;/p&gt;
&lt;p&gt;团队边界还包括工作时间和响应预期。非紧急消息可以异步处理，紧急情况则应有明确通道和轮值安排，而不是靠每个人随时在线。&lt;/p&gt;
&lt;h2 id=&quot;让任务离开聊天记录&quot;&gt;让任务离开聊天记录&lt;a class=&quot;heading-link&quot; href=&quot;#让任务离开聊天记录&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;聊天适合快速讨论，却不适合承担全部记忆。讨论结束后，把结论放回一个双方都找得到的位置：问题是什么，决定是什么，谁负责，何时检查。&lt;/p&gt;
&lt;p&gt;一项任务至少应包含目标、交付物、验收方式和依赖。例如“优化接口”过于模糊，“在约定数据量下完成压测，提交延迟分布与瓶颈分析”才有可以共同检查的结果。&lt;/p&gt;
&lt;p&gt;状态也应表达事实。“开发中”如果持续数周，外部很难判断是否有进展；补上已经完成的部分、当前阻塞和下一步，才能让协作发生。&lt;/p&gt;
&lt;h2 id=&quot;远程会议要解决需要同步的问题&quot;&gt;远程会议要解决需要同步的问题&lt;a class=&quot;heading-link&quot; href=&quot;#远程会议要解决需要同步的问题&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;远程协作最稀缺的资源之一，是大家共同空闲的时间。状态通报可以先写成文档，把会议留给意见分歧、复杂取舍和需要立即澄清的问题。&lt;/p&gt;
&lt;p&gt;会前给出议题和材料，会上围绕决定展开，会后记录负责人和下一步。如果没有人需要做决定，也没有问题必须当场讨论，就不一定需要会议。&lt;/p&gt;
&lt;p&gt;异步文档也不是把负担全部推给读者。作者要写清楚希望谁看、需要什么反馈、何时需要，避免一份长文同时发给所有人，却没有明确请求。&lt;/p&gt;
&lt;h2 id=&quot;文化由日常奖惩强化&quot;&gt;文化由日常奖惩强化&lt;a class=&quot;heading-link&quot; href=&quot;#文化由日常奖惩强化&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;如果嘴上鼓励质量，实际只奖励赶工，团队学到的就会是赶工。如果口头欢迎坏消息，却处罚提前报告风险的人，风险就会一直被藏到最后。&lt;/p&gt;
&lt;p&gt;可以从小处检查一致性：是否为文档和交接安排时间，是否允许指出不合理的排期，是否承认那些避免事故但不显眼的工作。规则不必很多，但应该稳定，并能解释它保护了什么。&lt;/p&gt;
&lt;p&gt;复盘时把事实、原因和改进分开。有人犯错需要处理，系统允许同类错误反复发生也需要处理。一次复盘最好带来少量可执行的改变，再观察这些改变是否真的减少了问题。&lt;/p&gt;
&lt;p&gt;关于成员如何承担具体责任，可以接着读&lt;a href=&quot;/blog/survive/good-teammate/&quot;&gt;好队友指南&lt;/a&gt;；关于把讨论写清楚，可以参考&lt;a href=&quot;/blog/survive/tech-doc-guide/&quot;&gt;技术文档写作指南&lt;/a&gt;。&lt;/p&gt;</content:encoded><category>团队</category><category>管理</category><category>远程工作</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】22 痛苦才是壁垒</title><link>https://wdxtub.com/blog/aitalk/aitalk-22</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-22</guid><description>现在做出产品人人都会，比的是持续迭代。别人一次做不完、你坚持到第 21 次做完，那前 20 次失败才是壁垒；抽卡抽不出护城河。</description><pubDate>Sun, 23 Aug 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;&lt;em&gt;现在编程像抽卡一样轻松，但壁垒只属于坚持到第 21 次的人。&lt;/em&gt;&lt;/p&gt;
&lt;p&gt;迭代无处不在——四季更替、生老病死、体内细胞不断更新。但在 2026 年，当研发人员已经不再直接写代码时，「迭代」这个词有了完全不同的分量：好的团队和差的团队，差距恰恰就藏在迭代这件事上。&lt;/p&gt;
&lt;h2 id=&quot;吃自己的狗粮理解需求的重要前提&quot;&gt;吃自己的狗粮：理解需求的重要前提&lt;a class=&quot;heading-link&quot; href=&quot;#吃自己的狗粮理解需求的重要前提&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;很早之前有个说法叫「吃自己的狗粮」——研发人员做出来的东西，自己也要真的在用。我一直觉得这是最重要的开发理念。因为你不去用，你就感受不到一个产品到底应该做成什么样。&lt;/p&gt;
&lt;p&gt;原因在于：不做业务，就不可能真正理解业务需求。需求写得再清楚，研发也做不到百分百理解——这是所有问题发生的根本。所以一个团队里，最好有 50% 左右的人是既做业务又做研发的。这批人最好还是中高级研发。他们承担起桥梁的作用，让另外 25% 的纯业务和 25% 的纯研发，能真切地感知到自己到底在做一件什么事情。&lt;/p&gt;
&lt;h2 id=&quot;迭代的速度就是团队的竞争力&quot;&gt;迭代的速度，就是团队的竞争力&lt;a class=&quot;heading-link&quot; href=&quot;#迭代的速度就是团队的竞争力&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;为什么迭代这么重要？因为没有人能一次就做出百分百满足市场的产品，必须去摸、去试。同样是打磨一个产品，每周迭代一版和每月迭代一版，中间是四倍的迭代次数差距。当然，每天一版也没必要——这么短的时间，你大部分精力都耗在合并代码上了。你可以说自己有很完善的软件工程流程，但我们心里都清楚，那不可能完美，合代码就是要占用时间。&lt;/p&gt;
&lt;h2 id=&quot;ai-时代团队在比什么&quot;&gt;AI 时代，团队在比什么？&lt;a class=&quot;heading-link&quot; href=&quot;#ai-时代团队在比什么&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;好的团队和差的团队比拼的不再是「谁能做出产品」，而是：谁能更快地把一个 70 分的产品，通过数据闭环（用户行为 → 反馈 → 下一版）迭代到 90 分。这个点很重要：如果一个产品依赖一两个人的产品思维和天才，那点子很快就会枯竭；但只要建立起围绕数据去迭代的机制，你就不需要天天纠结需求——战略方向定了，哪里缺就补哪里。&lt;/p&gt;
&lt;p&gt;竞争格局也变了。以前，做出一个产品就难倒了大多数团队，剩下少数团队去争夺绝大部分市场份额；现在，因为 AI，做出产品变成了一件人人都会的事，几乎所有团队都在抢同一块市场——比的不再是能不能做出来，而是能不能持续迭代，所以对人的要求反而更高了。&lt;/p&gt;
&lt;h2 id=&quot;选工具的逻辑看谁在持续迭代&quot;&gt;选工具的逻辑：看谁在持续迭代&lt;a class=&quot;heading-link&quot; href=&quot;#选工具的逻辑看谁在持续迭代&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这些年我见过太多 Agent 类产品（不具体点名）——在我看来它们都一样：跑不到一定量级，服务的群体就只能是和产品作者高度相似的人，几乎无法规模化盈利。因为所有 Agent 应用都逃不开同一个问题：你和 Codex 有什么差别？和 WorkBuddy 有什么差别？这个问题几乎无法回答——很难比它们好，最多在一两个地方略好；而且只要它看得到你的好，下个版本就学过去了。&lt;/p&gt;
&lt;p&gt;所以我现在选工具，很重要的标准就是看谁投入的资源多。一个产品如果能占据公司的主要营收，它就会被持续迭代——比如 Kimi Code、DeepSeek Harness、Codex、Claude Code 这些，不管是不是泡沫，商业和研发之间都形成了「营收 → 持续投入 → 研发 → 更好产品 → 更多营收」的循环，只有这样的循环，才能持续稳定地驱动研发。它们的迭代速度，大家用起来都能感受到，非常快——甭管更新了啥，反正一直在更新。不断更新，才不掉队。&lt;/p&gt;
&lt;h2 id=&quot;前-20-次失败才是你的壁垒&quot;&gt;前 20 次失败，才是你的壁垒&lt;a class=&quot;heading-link&quot; href=&quot;#前-20-次失败才是你的壁垒&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;以前比的是一场 100 米——谁先做出来，谁就能吃一波红利站稳脚跟。现在呢？大家都能做出来，比的既是 100 米，又是马拉松——而且是每天一个马拉松。这对团队的精气神要求极高。&lt;/p&gt;
&lt;p&gt;迭代背后，其实是「想不想迭代」。迭代并不快乐，要面对一次又一次的失败：把一个任务交给 AI，它做不了，撤销重来；再做，再撤销重来……能坚持很多次吗？大部分人不行。最终可能转而去捣鼓哪个工具更好用，但实际的业务问题还在那里，终究要解决。&lt;/p&gt;
&lt;p&gt;当遇到这种情况，我会提醒自己：如果 AI 解决不了的、而我能解决，那就是我的竞争优势。因为大家都用 AI 了，以前我和竞争对手之间是不透明的，现在是透明的——我用 AI 一次能做完的事，别人也行。但如果别人一次做不完，而我坚持了 20 次、在第 21 次做完了，那前 20 次失败就是我的壁垒。在一个产品长周期的迭代里，这种因坚持次数拉开的差距会越拉越大。&lt;/p&gt;
&lt;p&gt;反过来，如果你的软件每三个月就要重写一次，说明你根本攒不下东西，自然也没有壁垒——因为你亲手把自己攒下来的东西砸掉了。至于那些主张「干脆完全重写」的人，不好意思，既做不到，也赢不了：重写，等于亲手毁掉自己的积累。&lt;/p&gt;
&lt;h2 id=&quot;结尾&quot;&gt;结尾&lt;a class=&quot;heading-link&quot; href=&quot;#结尾&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;零零散散说了很多，核心其实就是一句话：迭代，速度很重要，持续迭代更重要——速度决定你能跑多快，持续迭代决定你能跑多远，而壁垒只来自后者。持续迭代说起来简单，做起来很难——你要面对的是不确定性和人性。现在的编程很轻松，像抽卡一样，但抽卡是抽不出壁垒的，痛苦才是壁垒。&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>迭代</category><category>团队</category><category>壁垒</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】21 绕开 Loop 和知识图谱</title><link>https://wdxtub.com/blog/aitalk/aitalk-21</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-21</guid><description>loop 是生造的技术概念，知识图谱是十几年都没被证明能赚钱的技术。管理成本不会因为 loop 消失，判断力也不会因为图谱被外包。</description><pubDate>Thu, 20 Aug 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;今天我们来说一说最近很火的 loop 和知识图谱。这两个东西被反复提起，但问题都很大。先说结论：一个是生造的技术概念，另一个是十几年来都没被证明能产生足够商业价值的技术。&lt;/p&gt;
&lt;p&gt;先说 loop。loop 这个东西就好像你跟一个团队说，你的要求是 ABCDE，你的目标是什么什么，然后让团队放手去做，你什么都不管，什么都不看。loop 迎合了大部分人的一种幻想：我在输入框里给 agent 设一个目标，第二天早上起来，一切就会做好。如果你真正试过，你等来的是花了很多钱，还没做好。这就是 loop 的问题。&lt;/p&gt;
&lt;p&gt;这里有一个基本的常识：你在现实生活中需要付出的管理和协调成本，用大模型并不会减少，只是变得更标准化了。所以 loop 我从来没有关心过，因为看起来很美好的东西都是有代价的，大部分情况下这个代价就是它并不美好。&lt;/p&gt;
&lt;p&gt;再说知识图谱。知识图谱在概念上也非常“完备”：把所有概念分门别类，归到各自的节点里。但本质上，这是在用规则来建模一个复杂的世界，这件事本身过于理想化了。为什么现在没有人再大量堆规则来做模型了？因为穷举不了。规则最核心的问题就是边界。什么叫边界？就是一个东西这也可以，那也可以，它到底应该归到哪里？这时候就会引入系统性误差。比如有 100 个边界概念，可能 50 个判到了类别 A，50 个判到了类别 B。光这一条就已经很不靠谱了，再乘以知识图谱实际的覆盖量，误差很快就到不可接受的程度。&lt;/p&gt;
&lt;p&gt;那好，我先不做大，我做一个小的是不是就行了？不好意思，也不行。为什么？因为第一次建设的成本和后续维护的成本几乎一样，甚至越维护成本越高。技术在商业上的立足点是边际成本要不断下降，那如果一个东西越用越贵，这个钱到底谁来付？&lt;/p&gt;
&lt;p&gt;所以这两个概念，不用特别关心，不要在上面浪费时间。你的精力花在验证上，花在理解你的业务到底需要什么判断上。管理成本不会因为 loop 消失，判断力也不会因为图谱被外包，这两件事，目前没有人能替你。&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>Loop</category><category>知识图谱</category><category>验证</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】20 好的研发需要什么样的 Coding Agent</title><link>https://wdxtub.com/blog/aitalk/aitalk-20</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-20</guid><description>GUI、CLI/TUI、插件本体三类 Coding Agent 各有取舍，但选工具的标准只有一条：看谁把资源真投进去了，能持续迭代。</description><pubDate>Tue, 18 Aug 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;今天我们来聊一个话题：好的研发，到底需要什么样的 Coding Agent？随着 DeepSeek 发布 Harness，我觉得是时候认真聊聊了。目前这个赛道上的方案，我大致分成三类。&lt;/p&gt;
&lt;p&gt;第一类，以 Codex 为代表。标准的GUI+Vibe Coding，配上各种 Plugin 和操作层。这类方案通常会有一些配套做法，比如 Grill Me——开工之前先让你回答 50 个问题，把能想到的、想不到的边界都尽量考虑清楚。&lt;/p&gt;
&lt;p&gt;第二类，是 TUI 和 CLI。终端方案的好处是，可以挂个服务器直接用，不用被本地电脑绑住。毕竟笔记本电脑的问题在于不能随便挪动：现在的任务动不动就跑两三个小时，你总不至于被摁在座位上。可服务器方案的问题在于，很多在图形界面里很简单的事，到了服务器上就变得很麻烦。比如生成一张配图，在服务器上怎么看？装插件？麻烦。本地打开文件管理器就能直接预览。所以这类方案更适合偏后端的工作。那前端能不能用？其实也可以，但来回操作会比较麻烦。视觉模型虽然能看，但品位不行——那能怎么办？还是得人看，才能保证稳定产出。&lt;/p&gt;
&lt;p&gt;第三类，像 DeepSeek Harness 这种，一切皆插件、插件就是本体。这个设计有点像《我的世界》《动森》，核心定位更适合不把编程当谋生手段的人，本质上是个玩具。为什么说它是玩具？你改改前端页面、改改展示没问题，但真正核心的部分，你没法建立大沙箱、长程任务的数据闭环，Agent 也很容易过拟合。倒也不是&quot;差生文具多&quot;，但精力确实没花在正经业务上。就像给 VS Code 装一堆插件，每天看 Obsidian 有什么新插件好用，业务却没有往前推进半步。&lt;/p&gt;
&lt;p&gt;那么，一个好的程序员，需要什么样的 Coding Agent 呢？&lt;/p&gt;
&lt;p&gt;第一，不做大模型研发的程序员，注意力一定要放在业务上。业务是什么？客户需求是什么，他为什么买单，竞争对手在做什么，为什么在客户眼里比你强或比你差，技术怎么去降低成本。从这个角度来说，什么 Agent 用着顺手，用啥即可。&lt;/p&gt;
&lt;p&gt;第二，你需要一个智商基本在线的模型。这条斩杀线到底在哪里？我自己的体感是，DeepSeek v4 Flash 和 GPT 5.6 Luna 极高。其他的如 GLM 5.3、Kimi K3、GPT 5.6 Sol 更强，但太贵了，要用在刀刃上。注：旗帜鲜明地不支持 A/。&lt;/p&gt;
&lt;p&gt;第三，在工作中不断培养自己的架构思维和规范思维。这是值钱的，因为迭代三个月左右的AI项目，需要非常贵的研发来主导。贵在哪？贵在对架构的把控、对代码整体质量的把控，以及在重构和稳定性之间找平衡。因为最终你要对外提供服务，不可能接受 AI 大改一波、线上又冒出一堆新 bug。当然，这可以靠更完善的单元测试和集成测试来兜底，但本质上，这还是软件工程问题。&lt;/p&gt;
&lt;p&gt;所以回到话题本身：其实用什么 Coding Agent 都不重要，远离那些人为设计的“精妙”架构，远离长期记忆，相信我，你现在并不需要它们。&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>Coding Agent</category><category>研发</category><category>工具选择</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】19 公司与产品的活人感</title><link>https://wdxtub.com/blog/aitalk/aitalk-19</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-19</guid><description>最有竞争力的 AI 应用公司不是模型最大、工程最优雅的，而是最有活人感的：把员工当人、把关键细节决策当成核心资产、把活人感做成有规格的产品。</description><pubDate>Sat, 01 Aug 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;什么样的 AI 应用公司能更有竞争力？不是模型最大的，不是工程最优雅的，不是 Token 最便宜的，而是&lt;strong&gt;最有活人感&lt;/strong&gt;的公司。&lt;/p&gt;
&lt;p&gt;什么是活人感？第一层，是把员工真正当成独立的个体，而不是耗材。现在很多大公司嘴上说以人为本，实际干的是工厂式管理。但越来越多有价值的工作，需要由有价值的人来完成；而有价值的人，很难接受自己被当成耗材消耗。所以活人感不仅仅是一种感觉，它是对传统管理方式的一次大变革。&lt;/p&gt;
&lt;p&gt;第二层更重要：&lt;strong&gt;活人感是未来竞争的分水岭&lt;/strong&gt;。所谓市场竞争，一直是人和人、组织和组织之间的竞争。AI 已经在深度参与到企业的经营和竞争中，在这里环节，真实的反馈最重要。如果不满足第一层的要求，拿到的反馈就一定不是完整和真实的，那么 AI 不过只是会放大错误，更谈不上市场竞争优势了。&lt;/p&gt;
&lt;p&gt;解决现实问题的起点，是有能解决问题的人，不是 Agent，也不是 OS，这些都是人的辅助。因为大家已经非常清楚什么是“AI 味”了，也都有过大量 AI 对轰的经验，这些东西没有价值。大家要的是能看得明白、愿意看、并且切中痛点的东西，而不是“不明觉厉”——论制造不明觉厉，没有人比大模型更擅长。&lt;/p&gt;
&lt;p&gt;那么，我们需要有活人感的人，来做的工作有两类：&lt;strong&gt;和人做攻防、博弈的工作，以及连接人、服务人的工作&lt;/strong&gt;。当然这并不意味着工程类的工作（如编码）可以被 AI 完全接管。举个例子。最近很火的 grill me 这类 skill，会把你的需求拆解成三四十个问题。大部分时候，我们会确认同意它的方案，这些属于它的常识，也符合逻辑。但你真正赢的部分，是那些你不认同、并且提出了比大模型更有洞见、更符合市场判断的决策。可能三十个问题里只有两三个，但这两三个极其关键，我管它们叫&lt;strong&gt;关键细节决策&lt;/strong&gt;。&lt;/p&gt;
&lt;p&gt;这些关键细节决策，没有办法通过纯粹的 AI 流程做到——所需的上下文集中在一个久经沙场的人的脑子里，没法蒸馏出来，因为世界是动态的。市场本质上是不可知的：如果真有一个方案能保证挣到钱，那一定不会是公开的。&lt;/p&gt;
&lt;p&gt;接下来是更难的问题：&lt;strong&gt;活人感怎么变成可售卖的产品？&lt;/strong&gt; 活人感是随性的，而可售卖的东西要有报价单、有售价、有规格（specification）。怎么把想提供的东西按规格交付出来，同时还不失活人感，这是未来最重要、最有价值的事情。&lt;/p&gt;
&lt;p&gt;所以回到开头：什么样的公司能赢？把员工当人，把关键细节决策当核心资产，把活人感做成有规格的产品。以前说“做个人吧”是骂人，现在它是最高级的赞美，也是 AI 时代最稀缺的竞争力。&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>产品</category><category>组织</category><category>活人感</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】18 模型越大，模型越小</title><link>https://wdxtub.com/blog/aitalk/aitalk-18</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-18</guid><description>顶级开源模型个人部署不起，但数据类工作要的是稳定版本、可控标注和低成本——小模型加后训练，才是最适合工程落地的那条路。</description><pubDate>Wed, 29 Jul 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;后训练仙人的含金量还在升高。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-18-1.webp&quot; alt=&quot;小模型与后训练&quot; loading=&quot;eager&quot; decoding=&quot;async&quot; fetchpriority=&quot;high&quot; width=&quot;1080&quot; height=&quot;720&quot;&gt;&lt;/p&gt;
&lt;p&gt;当前最顶级的开源模型（如Kimi、k3）性能已经非常强大，但个人部署成本高达数百万美元，与直接调用API相比差距显著。这使得个人用户难以承担部署成本，转而依赖API服务。&lt;/p&gt;
&lt;p&gt;而数据类工作需要稳定的版本、可控的标注、快速响应和低成本，这些需求更适合用小模型来解决。通过小模型加上后训练，在特定垂直领域可以比通用大模型更具性价比，同时实现更快、更准确的效果。&lt;/p&gt;
&lt;p&gt;构建自己的数据闭环可以持续优化和迭代模型。例如，使用4B模型进行微调，搭配消费级显卡（虽然最近涨价）可以在标注满载的情况下快速收回成本。对企业而言，尽早掌握后训练技术至关重要。&lt;/p&gt;
&lt;p&gt;尽管不少人会认为&quot;微调已死&quot;，但实际上微调可能才刚刚找到最适合的路径。严肃的工程实践需要好的小模型作为工具。未来半年内，小模型微调和后训练的会再次火热。&lt;/p&gt;
&lt;p&gt;成功的微调需要公司的综合能力，包括产品侧的数据生产、数据流程中的损失降低和噪声减少，以及数据正常回流到模型的微调迭代上线。这种Agentic研发团队围绕本地模型工作，注重工程灵感和踏实执行苦活累活的能力，而非技术前瞻性。&lt;/p&gt;
&lt;p&gt;做微调或者后训练，其实有一个邪修的路线，就是先去做图像生成模型的微调，你会在很短的时间内建立起构建数据集验证和去做市场营销的闭环。这里有一篇我的老文章，说的就是如何花一个月的时间冲到全球新人榜第一。&lt;a href=&quot;https://mp.weixin.qq.com/s?__biz=MjM5MzAxMzAwNw==&amp;#x26;mid=2652856033&amp;#x26;idx=1&amp;#x26;sn=7fecb14b833082af9ce263ed13e2a361&amp;#x26;scene=21#wechat_redirect&quot;&gt;看后视镜做不到第一名&lt;/a&gt;&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>小模型</category><category>后训练</category><category>微调</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】17 概率、成本与确定性</title><link>https://wdxtub.com/blog/aitalk/aitalk-17</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-17</guid><description>大模型应用和编程语言本质上是一回事：确定的逻辑交给代码，不确定的部分交给模型。研发的衡量标准也从执行效率变成了稳定交付结果。</description><pubDate>Tue, 07 Jul 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;大模型应用看编程语言，就好像编程语言看机器代码。更高层级的抽象带来了新的研发衡量标准。以前因为输入和输出的确定性，研发的标准是执行效率。现在因为带来了不确定性，研发的标准是稳定交付结果。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-17-1.webp&quot; alt=&quot;确定与不确定&quot; loading=&quot;eager&quot; decoding=&quot;async&quot; fetchpriority=&quot;high&quot; width=&quot;1080&quot; height=&quot;720&quot;&gt;&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;大模型应用和编程语言从本质上是一回事，二者都是用机器能理解的语言向机器传达执行指令的载体。编程语言从汇编逐步演化出 C Python JavaScripts，在易用性、运行时智能类型推导、组件化封装完善度、运行时效率上都有各自的权衡，但总体来说是越来越开发者友好的。&lt;/li&gt;
&lt;li&gt;当前AI可以替换部分产品流程，以往需要编写大量多重条件分支或决策树的场景，现在可以用skill来实现决策树、循环等相关逻辑。Skill subagent loop 本质上是对传统判断逻辑的升级，以往的判断条件是布尔计算式，现在变为由大模型判断是否完成，核心本质没有改变，只是判断方式发生了变化。&lt;/li&gt;
&lt;li&gt;编程语言演化过程中形成的软件工程相关思路，比如对象、继承、组合的实现方式，错误处理方案等，都可以为新的软件研发思路提供参考。传统软件工程的核心关注点之一是降低运行时偏差，这类偏差以往常来自 CPU 的 分支预测失效，会造成时钟周期浪费，而基于大模型的软件工程不需要在意分支预测问题，核心关注点变为实际输出的结果是否符合预期。&lt;/li&gt;
&lt;li&gt;编程语言的流程分支是确定的，大模型的流程分支是不确定的，实践中可以将确定的逻辑交由传统代码实现，不确定的部分交由大模型处理，具体的划分方式完全取决于实际的场景和功能需求。如果大模型直接做流程控制不够稳定，那么可以让大模型把判断依据输出成多维度的参数，再通过代码组合和控制这些参数。这是非常行之有效的 work around。&lt;/li&gt;
&lt;li&gt;工程的管理核心是考量管理成本，任何模块的封装最终都需要平衡灵活度和通用性，这一关系类似公平和效率的关系。这类问题不存在通用的金科玉律，没有绝对标准的答案，只有适配特定场景的最优解。如何找到这样的最优解，需要建立决策前后的完整上下文数据流程，这样大模型本身就可以参与到自进化的过程，但强化学习的奖励信号需要专业经验的人来把控，不然往往大模型会找到邪修的路线。&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;白盒子的系统，最终比的是成本。黑盒子的系统，最终比的就是归因和可解释性。因为，概率中的确定性就是价值。&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>软件工程</category><category>概率</category><category>确定性</category><author>wdxtub@gmail.com</author></item><item><title>【图解 Skill】Skill 重要的不是用，是写</title><link>https://wdxtub.com/blog/bookgems/%E5%9B%BE%E8%A7%A3Skill</link><guid isPermaLink="true">https://wdxtub.com/blog/bookgems/%E5%9B%BE%E8%A7%A3Skill</guid><description>会用 Skill 只是知道 AI 多了一个能力入口，能写 Skill 才是把判断、流程、边界和禁忌沉淀成生产力的方式。写 Skill，本质上是在做一个小产品。</description><pubDate>Sat, 04 Jul 2026 00:00:00 GMT</pubDate><content:encoded>&lt;h2 id=&quot;读后感&quot;&gt;读后感&lt;a class=&quot;heading-link&quot; href=&quot;#读后感&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;首先感谢编辑老师赠阅这本书。&lt;/p&gt;
&lt;p&gt;最近用 AI 越来越多，一个很明显的感受是：真正消耗人的，不是让 AI 干活，而是每次都要重新教它怎么干活。正所谓你无法教你自己都不懂的东西，无论是 skill 还是 agent，核心还是要提升大模型后面的脑袋。从这个角度来说，使用大模型和摄影有点像：设备固然重要，但核心还是怎么用。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;Skill 重要的不是用，是写。&lt;/strong&gt;&lt;/p&gt;
&lt;p&gt;会用 Skill，只是知道 AI 多了一个能力入口；能写 Skill，才是把自己的判断、流程、边界和禁忌沉淀成可复用的生产力。Prompt 更像临场发挥，Skill 更像 SOP 的文字版。AI 越强，人的经验越要写清楚，否则强大的模型也只能在含糊的指令里原地打转。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;写 Skill，本质上是在做一个小产品。&lt;/strong&gt;&lt;/p&gt;
&lt;p&gt;Skill 最容易被误解成某种神奇插件，好像装上就能自动变强。其实真正难的地方，还是把需求定义清楚：它解决什么问题，谁在什么时候用，需要什么输入，应该产出什么结果，有哪些规则，哪些事绝对不能做。这不就是产品定义吗？好 Skill 和好产品一样，都是从真实痛点里长出来的。痛点足够真实，Skill 才有生命力。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;AI 工程里的很多复杂度，不是模型不聪明，而是我们没有把隐性规则显性化。&lt;/strong&gt;&lt;/p&gt;
&lt;p&gt;我很喜欢书里把任务拆成几类动作的思路：做判断、执行规则、调外援。判断就是 IF ELSE，流程里的循环其实就是 while。听起来很程序员，但这恰好说明 Skill 的写法和软件工程是相通的。好的 Skill 不是堆大段说明，而是把任务拆成稳定的判断点、可执行的步骤、必要时调用的工具。复杂任务当然需要拆分，但拆分不等于一定要上子代理。很多时候，一个写得清楚的 Skill，加上合适的工具调用，比一组昂贵的子代理更稳定、更便宜，也更容易调试。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;现在开始写一个你自己的 Skill，非常重要。&lt;/strong&gt;&lt;/p&gt;
&lt;p&gt;这本书尤其适合三类人：第一类，是已经每天使用 AI，但总觉得每次都要重新解释需求的人；第二类，是有固定工作流、固定交付标准，希望把经验沉淀下来的人；第三类，是正在做 AI 应用、AI Agent 或团队效率工具的人。&lt;/p&gt;
&lt;p&gt;你不一定要先搭一个复杂系统，也不一定要先学会所有新概念。先从一个真实痛点开始，把你最常重复的工作写成 Skill，让它跑起来，再慢慢调。准备好的一天永远不会到来，写第一个 Skill 的最好时间就是现在。这本书，是一个很好的开始。&lt;/p&gt;
&lt;h2 id=&quot;读书笔记&quot;&gt;读书笔记&lt;a class=&quot;heading-link&quot; href=&quot;#读书笔记&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;ul&gt;
&lt;li&gt;调试满意 -&gt; 同一个对话里让 AI 做 skill 初始化&lt;/li&gt;
&lt;li&gt;是否生效的检测（用skill 调用更加清晰的 agent 工具）&lt;/li&gt;
&lt;li&gt;技能是 SOP 的文字版，解决业务对齐的问题&lt;/li&gt;
&lt;li&gt;按需加载是一个双刃剑，因为怎么是按需，怎么按需，都可能带来很多的复杂度&lt;/li&gt;
&lt;li&gt;description 的内容，围绕是否触发来描述（误触发、漏触发），= 功能定义 + 触发场景/触发词。
&lt;ul&gt;
&lt;li&gt;反向触发词：告诉大模型什么时候不用&lt;/li&gt;
&lt;li&gt;人称：不要有 “我”，“你”&lt;/li&gt;
&lt;li&gt;长度：100字左右，最多不超过 200 字&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;li&gt;任务的 3 类动作：做判断、执行规则、调外援（IF ELSE）- 现在的 LOOP 其实就是 while&lt;/li&gt;
&lt;li&gt;先跑起来，再慢慢调&lt;/li&gt;
&lt;li&gt;约束型技能 vs 模板型技能 vs 流程型技能&lt;/li&gt;
&lt;li&gt;好技能从真实痛点长出来（好产品也是）&lt;/li&gt;
&lt;li&gt;定义需求：
&lt;ul&gt;
&lt;li&gt;问题 - 解决什么&lt;/li&gt;
&lt;li&gt;场景 - 谁在什么时候用&lt;/li&gt;
&lt;li&gt;输入 - 需要什么&lt;/li&gt;
&lt;li&gt;输出 - 产出什么&lt;/li&gt;
&lt;li&gt;规则 - 有什么约束&lt;/li&gt;
&lt;li&gt;禁止清单 - 绝对不能做什么&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;/ul&gt;
&lt;pre class=&quot;astro-code github-dark-dimmed&quot; style=&quot;background-color:#22272e;color:#adbac7; overflow-x: auto;&quot; tabindex=&quot;0&quot; data-language=&quot;plaintext&quot;&gt;&lt;code&gt;&lt;span class=&quot;line&quot;&gt;&lt;span&gt;分析 Collection/03 燕子集 中文章的写作风格，从以下四个维度总结我的写作特点：用词偏好、句式习惯、结构特点、语气风格。然后帮我创建一个写作风格技能。&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;子代理的效果和性价比在我这里并没有得到认可，花大钱办小事在商业上是没有意义的。&lt;/p&gt;</content:encoded><category>书评</category><category>AI</category><category>Skill</category><category>AI工程</category><category>读书笔记</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】16 Contexts 和 Loop 对大部分人来说并不重要</title><link>https://wdxtub.com/blog/aitalk/aitalk-16</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-16</guid><description>提示词工程、上下文工程、loop 说到底是同一件事的不同叫法，跟着用就行；真正难的是过程不清楚、验证也不清楚时，怎么达成目标。</description><pubDate>Fri, 03 Jul 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;随着AI技术的发展，从提示词工程到上下文工程，再到最新的循环loop概念，技术术语不断演变，但本质差异不大。对于大部分人来说，跟着用就行。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-16-1.webp&quot; alt=&quot;Contexts 与 Loop&quot; loading=&quot;eager&quot; decoding=&quot;async&quot; fetchpriority=&quot;high&quot; width=&quot;1080&quot; height=&quot;720&quot;&gt;&lt;/p&gt;
&lt;p&gt;Q1：从提示词工程到上下文工程再到循环loop，这些概念的本质区别是什么？&lt;/p&gt;
&lt;p&gt;A1：这些概念本质上没有特别大的差别，只是提示的哪一部分发生了变化。提示词工程需要编写详细的步骤和思维链引导。上下文工程是将完成任务所需的必要上下文信息放入系统中，包含检索等功能。循环loop则是明确了验证过程的说明。&lt;/p&gt;
&lt;p&gt;Q2：AI任务可以分为哪些类型？各有什么特点？&lt;/p&gt;
&lt;p&gt;A2：过程导向型任务：特点是完成步骤ABCDEFG就能得到结果。例如制作蛋糕：放蛋糕胚→抹奶油→放水果→层层叠加。每个步骤只要能达到进行下一步的标准即可，不追求完美。&lt;/p&gt;
&lt;p&gt;结果导向型任务：特点是过程变量多，结果难以预测。例如烧制瓷器：准备原料→上釉→封窑→烧制。受窑温、天气、釉料纯度等多因素影响，结果像开盲盒。AI的作用是降低尝试成本，只要试出成功结果即可。类似模型训练，使用者的感知好坏难以完全验证。&lt;/p&gt;
&lt;p&gt;注：瓷器仅比喻，我都是从视频里看来的，和实际肯定有偏差。&lt;/p&gt;
&lt;p&gt;Q3：为什么会有层出不穷的新技术术语出现？&lt;/p&gt;
&lt;p&gt;A3：行业需要新的刺激点。每个技术都有其能解决的问题和解决不了的问题。针对解决不了的问题会发明新的概念和方法。但本质上，这些技术（如loop和上下文工程）并没有那么重要。解决问题才重要。&lt;/p&gt;
&lt;p&gt;Q4：AI领域最难解决的问题是什么？&lt;/p&gt;
&lt;p&gt;A4：最难解决的是在过程不清楚且验证也不清楚的情况下达成目标。类似&quot;把信交给加西亚&quot;的任务：知道方向但路径不明。需要额外信息支持，但如何获取和验证这些信息是挑战。每一步都可能包含赌的成分。目前难以训练AI具备这种能力，因为训练需要具体信号。&lt;/p&gt;
&lt;p&gt;Q5：有价值的数据具有什么特征？&lt;/p&gt;
&lt;p&gt;A5：有价值的数据一定不是公开的。公开数据的价值有限，数据获取成本决定其价值。重要的是如何将数据串联成长上下文。例如商品从调研到开发到上线售卖再到销量等等的全流程数据如何被复用。&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>上下文工程</category><category>Loop</category><category>问答</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】15 尽早开始构建验证流</title><link>https://wdxtub.com/blog/aitalk/aitalk-15</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-15</guid><description>大模型研发中最影响使用体感的不是预训练和后训练，而是验证。把验证做成可规模化、自动化的体系，相当于为模型研发找到了新的损失函数。</description><pubDate>Tue, 30 Jun 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;围绕大模型的各类工作，越靠近应用层，重点越要放在验证上。推进验证的规模化自动化，是AI原生公司需尽早投入的关键工作。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-15-1.webp&quot; alt=&quot;验证流&quot; loading=&quot;eager&quot; decoding=&quot;async&quot; fetchpriority=&quot;high&quot; width=&quot;1080&quot; height=&quot;720&quot;&gt;&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;
&lt;p&gt;当前大模型及应用研发中，最影响用户实际使用体感的环节并非预训练和后训练，而是验证过程。常规的人工验证方式是研发者用自身熟悉的少量场景提问，对比不同阶段模型的表现差异。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;当前大量依赖人工验证的核心原因是，传统数学层面的损失极小值指标已经无法匹配模型实际使用效果，没有明确的数学指标可以直接判定训练到哪个阶段的模型效果最优。如果仅用固定的有限验证集按训练步长抽检模型，会因为验证题数量不足无法得到可靠结果，直接用训练集验证也没有太大的实际意义。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;大模型验证领域当前的核心难点，是如何实现验证过程的规模化与自动化。搭建出可规模化验证评比的体系，相当于找到了新的损失函数，能为模型研发指明新的优化方向。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;验证体系需要对齐验证集和用户实际使用的核心场景，不同场景的验证落地难度存在差异。代码场景的验证相对容易落地，因为软件工程领域长期积累了大量规范、可复用的工程资产，而设计这类偏主观的场景，很难搭建出普适的验证体系。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;对于AI原生公司而言，搭建有竞争力的数据流程或模型的逻辑简单又复杂。简单点在于只需找到足够多的场景加入验证体系，复杂点在于多场景下的模型调整容易出现连锁反应，效果并非呈稳定向上的递增曲线。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;当大模型参数量提升后，目前公开的通用验证方法已经失效。各头部公司内部积累的专属验证技巧都是投入大量成本换来的，几乎不会完全对外公开，愿意分享这类技术经验的主体具备很高的公共价值（对说的就是 DeepSeek）。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;对于大模型相关从业者而言，不管是做后训练、微调、技能开发还是工程修改，都需要搭建属于自己的上下文和验证题来验证工作成果。市面上很多公开跑分榜单的场景脱离实际使用场景，跑分高的模型不代表实际体验更好，就像性能参数高的手机可能很快出现发热问题影响体验。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;搭建适配自身业务的验证体系是一项需要长期推进的工作。AI原生公司应当在成立初期就投入资源开展相关验证体系的建设工作。&lt;/p&gt;
&lt;/li&gt;
&lt;/ol&gt;</content:encoded><category>AI</category><category>Talk</category><category>验证</category><category>后训练</category><category>大模型研发</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】14 豆包值 68 还是 500</title><link>https://wdxtub.com/blog/aitalk/aitalk-14</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-14</guid><description>通用 AI 应用靠低价 Token 留不住用户；真正能让用户付费的，是能让用户沉淀自有数据、并深入到后训练环节做专属模型的产品。</description><pubDate>Mon, 29 Jun 2026 00:00:00 GMT</pubDate><content:encoded>&lt;ol&gt;
&lt;li&gt;
&lt;p&gt;当前国内主流AI应用如豆包虽用户基础好、多模态等产品表现不错，但免费版智力较差，被调侃为糖包。入局通用大模型收费赛道的时间偏晚。当前赛道内已有WorkBuddy、各种虾等大量玩家，这类产品普遍存在产品层能力薄弱的问题，仅提供公网可访问的IP、MCP、Skill调用等基础附属功能，核心竞争力不足。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;这类通用AI应用当前靠Token低价吸引用户，用户付费意愿低，一旦涨价用户会快速流向性价比更高的替代方案，换个角度看，它实际上和中转站的生意没有本质区别。这类产品的Skill、MCP等附属功能不具备强绑定属性，用户可随时迁移带走，仅能覆盖零散的小时工需求，很难靠通用功能收费实现盈利。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;过往笔记类产品如印象笔记、Notion的核心竞争力是用户沉淀的内容数据带来的高迁移成本，满足用户多终端同步、信息自动收集整理等自身难以实现的需求。当前国内同类知识管理类产品大多以工程师视角而非用户视角设计，用户完全可以借助Codex等工具自行打磨定制化方案，无需绑定这类产品。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;办公类AI生成的内容无法支撑用户向客户、领导做汇报时的突发追问，这类AI产出的内容本身不具备核心价值，无法帮助用户完成核心工作场景的闭环。用户不会为这类通用AI生成的内容买单，只会为能持续迭代、帮自身建立独有竞争壁垒的产品付费。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;真正能让用户买单的产品需要满足两个核心要求，一是用户沉淀的自有数据不会被公开共享，不会变成所有用户通用的能力，保障用户自身的数据壁垒。二是不能仅停留在表层提示词工程层面，要深入到模型后训练环节，才能保障功能效果稳定，实现真正的能力进化。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;基于后训练（尤其是强化学习的训练），可帮助用户用自有数据低成本调整模型行为，让模型输出更符合用户预期，同时大幅降低使用成本。这类模式能形成完整的数据闭环，用户使用过程中产生的新反馈数据可继续用于迭代模型，形成独有的能力优势。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;仅靠把自有资料上传给大模型做整理的模式存在明显缺陷，只能得到表层文本结果，无法还原过往事件发生时的完整上下文，不能真正沉淀用户独有的决策逻辑。大模型给出的决策结果用户不会完全信任，因为大模型不会为决策结果负责，用户更愿意基于自身沉淀的经验做决策。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;国内可落地的本地大模型商业化可行路径是先深入行业调研，筛选出行业内表现优质的标杆企业合作，将行业专属打法落地到访问范围受限的专属模型中，对外售卖这类细分场景的模型API。通用大模型虽然整体能力强，但在单个细分垂直场景的任务完成质量和性价比上，远不如基于行业专属数据微调的小模型，通用大模型也没有精力逐个行业做深度商业迭代。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;这类商业化模式的算力可由云厂商提供，用户仅需低成本租用云厂商的显卡资源，就能完成模型微调、后训练全流程。迭代一次模型的总成本不到千元，配套做好版本管理、AB测试等工程能力，就能实现低成本无缝的模型升级切换。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;这类模式对不同规模的企业都具备实用价值，小团队可借助专属微调模型快速建立竞争优势，大企业如果不充分利用自身业务沉淀的数据迭代专属模型，后续很容易被竞品借助大模型能力拉开差距。这类模式虽然无法快速规模化，需要逐个场景深耕，但落地后能构建极高的行业壁垒，是国内大模型行之有效的商业化盈利路径。&lt;/p&gt;
&lt;/li&gt;
&lt;/ol&gt;</content:encoded><category>AI</category><category>Talk</category><category>商业模式</category><category>豆包</category><category>后训练</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】13 置身 AI 内</title><link>https://wdxtub.com/blog/aitalk/aitalk-13</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-13</guid><description>读完七万五千字的钉钉内网长文《置身钉内》，浮现出一条暴论：不单纯的 AI 原生产品都是竹篮打水。单纯、热爱、无我，是新的产品版本答案。</description><pubDate>Sat, 06 Jun 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;今天一早刷到了 7.5 万字的钉钉内网长文《置身钉内》，找到全文后让 AI 帮我浓缩成 5000 字的精简版，看完之后就浮现出了一条暴论：不单纯的 AI 原生产品都是竹篮打水，唯一的结局就是一场空。&lt;/p&gt;
&lt;p&gt;什么叫做不单纯？一个服务于老板强控制的办公软件，说要为被控制的人减负，这是不单纯。一个目标为 AI 原生产品的团队，用工厂式的执行和考核方式，这是不单纯。一个消耗员工和客户，成就个人的地位和目标，这是不单纯。这种不单纯已经到了匪夷所思的地步，以至于我都开始心疼作者，也明白了为什么人员流动性是按照三个月来计算的。&lt;/p&gt;
&lt;p&gt;更让我觉得黑色幽默的是，以前说“做个人吧”是骂人，现在是“良药苦口”。AI 原生的产品研发，初心是最重要的。初心不做人的，想着的是控制压迫的产品必将失败，因为它站到了大多数人的对立面。而初心是天下大同的产品，那些赢得大家喜爱和尊重用户和客户的产品，才能通向未来，即使不太均匀。&lt;/p&gt;
&lt;p&gt;单纯的前提，是找到一个好问题。好的问题比好的方法重要，好的问题不带“自我”，要从他人的角度去问问题。比如是不是能让用户的生活更美好，是不是能帮助客户在竞争中取得优势，利他最终是利己。当然，能进行解答的好的问题需要更多的细节，比如谁在什么时候什么场景有哪些不美好的，比如什么细分市场什么竞争格局怎么扩大优势或者扭转劣势。&lt;/p&gt;
&lt;p&gt;单纯的做法，是让付出和收益对等，让使用者能感受到价值而不是压力，至少价值要大于压力。产品的研发，一定不是养尊处优的坦途，但不能是强制劳动或表演式加班，后者没有任何意义。只有带着热爱，才能做出超越平常的作品。更可怕的是，现在大家已经不需要平常的作品。&lt;/p&gt;
&lt;p&gt;单纯，热爱，无我，是新的产品版本答案。&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>产品</category><category>组织</category><category>钉钉</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】12 对 Agent 严肃的公司一定会做自己的模型</title><link>https://wdxtub.com/blog/aitalk/aitalk-12</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-12</guid><description>对软件严肃的公司会做自己的硬件，对 Agent 严肃的公司会做自己的模型。要做的是 PAM：微调开源模型、建数据闭环，藏住的不是数据，而是用数据做决策的方法。</description><pubDate>Fri, 01 May 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;不知道大家有没有听过这样一句话：“A company that’s serious about software should make its own hardware.”—— 对软件严肃的公司，一定会做自己的硬件。&lt;/p&gt;
&lt;p&gt;乔布斯的这句话放在今天依然适用：iPhone和 iOS，Mac 和 macOS，再到底层的 M 系列芯片，在我看来都是这句话的精神延伸。华为实际上也在走这条路线，从手机到电脑再到车，从鸿蒙到海思，应用层和基础层的整合催生了人无我有的新产品（三折和大阔折是集中体现）。&lt;/p&gt;
&lt;p&gt;而在这一轮 Agent 的浪潮中，这句话可以引申一下：“对 Agent 严肃的公司，一定会做自己的大模型。对大模型严肃的公司，一定会做自己的 Agent。”&lt;/p&gt;
&lt;h2 id=&quot;甜蜜的毒药&quot;&gt;甜蜜的毒药&lt;a class=&quot;heading-link&quot; href=&quot;#甜蜜的毒药&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;随着模型能力越来越强，大模型对数据的需求也从文本到多模态，从静态知识到动态决策，从方案到执行。更大的数据需求如何满足？那就让全部的用户成为数据本身：公司用 Agent 蒸馏员工，基座大模型用 Agent 蒸馏公司。在这个大鱼吃小鱼，小鱼吃虾米的游戏中，大模型套壳是甜蜜的毒药，甜蜜在看起来无所不能，毒药在把自己的数据交出去。个人和公司独有的数据交完了，就像榨完汁的甘蔗，统一回收。&lt;/p&gt;
&lt;p&gt;每个做 Agent 的公司都要回答一个问题：“你们的 Agent 和直接用 Claude Code 或者龙虾有啥区别。” 如果差别只是在于 skills，那么最好的办法就是开源吸引流量来起号。如果还带上了一个知识库，那么确实可以带上更多的领域知识，但很有可能大模型的下一个版本就会把这些数据占为己有。对于现在 2-3 个月迭代一个版本的大模型来说，这点时间差还不足以建立足够的竞争优势。&lt;/p&gt;
&lt;h2 id=&quot;agentic-model把数据优势转为模型优势&quot;&gt;Agentic Model：把数据优势转为模型优势&lt;a class=&quot;heading-link&quot; href=&quot;#agentic-model把数据优势转为模型优势&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;&lt;strong&gt;真正将 Agent 规模化的公司，必须拥有对工具调用模型的高度定制能力&lt;/strong&gt;。这种定制不一定是从头造模型，而是通过微调开源模型，并建立持续的数据闭环优化 token 效率，我称之为 ”Private Agentic Model“（下文简称 PAM）。这样做有两个显而易见的好处：一是单位 Token 的成本降低，二是完成任务所需的 Token 减少（时间和算力成本都降低）。还有一个隐藏的好处：把数据优势转化为差异化的模型优势。&lt;/p&gt;
&lt;p&gt;实际上，一个 7B 型在经过高质量垂直数据微调后，在特定任务上可以轻松超越 200B 的通用模型，并且用户的感知会非常直观：一个详细精准，一个泛泛而谈。尤其是在和人或其他公司博弈产生的过程和结果数据，更是非常有价值，是花钱也买不到的数据。&lt;/p&gt;
&lt;h2 id=&quot;大小还是小大&quot;&gt;大小还是小大&lt;a class=&quot;heading-link&quot; href=&quot;#大小还是小大&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;那么下一个问题来了：是大模型调用 PAM，还是 PAM 调用大模型？&lt;/p&gt;













































&lt;table&gt;&lt;thead&gt;&lt;tr&gt;&lt;th&gt;维度&lt;/th&gt;&lt;th&gt;模式A：大模型调用 PAM（大→小）&lt;/th&gt;&lt;th&gt;模式B：PAM 调用大模型（小→大）&lt;/th&gt;&lt;/tr&gt;&lt;/thead&gt;&lt;tbody&gt;&lt;tr&gt;&lt;td&gt;&lt;strong&gt;调用频率&lt;/strong&gt;&lt;/td&gt;&lt;td&gt;每次任务都调用外部大模型（主控）&lt;/td&gt;&lt;td&gt;大部分简单任务只用 PAM，复杂时才调大模型&lt;/td&gt;&lt;/tr&gt;&lt;tr&gt;&lt;td&gt;&lt;strong&gt;成本&lt;/strong&gt;&lt;/td&gt;&lt;td&gt;高（外部大模型每次会话都参与）&lt;/td&gt;&lt;td&gt;低（多数 token 来自 PAM 推理）&lt;/td&gt;&lt;/tr&gt;&lt;tr&gt;&lt;td&gt;&lt;strong&gt;延迟&lt;/strong&gt;&lt;/td&gt;&lt;td&gt;相对高（外部 API 网络往返）&lt;/td&gt;&lt;td&gt;简单任务极快，复杂任务增加一次额外调用&lt;/td&gt;&lt;/tr&gt;&lt;tr&gt;&lt;td&gt;&lt;strong&gt;PAM 能力要求&lt;/strong&gt;&lt;/td&gt;&lt;td&gt;只需要专精于执行具体工具（格式转换、参数解析、代码运行）&lt;/td&gt;&lt;td&gt;需要具备规划、决策、自知之明、工具选择能力&lt;/td&gt;&lt;/tr&gt;&lt;tr&gt;&lt;td&gt;&lt;strong&gt;训练难度&lt;/strong&gt;&lt;/td&gt;&lt;td&gt;低（只需 SFT 教会调用固定几种工具）&lt;/td&gt;&lt;td&gt;中等（需要构造包含“拒绝”或“升级”决策的数据）&lt;/td&gt;&lt;/tr&gt;&lt;tr&gt;&lt;td&gt;&lt;strong&gt;可解释性&lt;/strong&gt;&lt;/td&gt;&lt;td&gt;高（外部大模型的思考链清晰可见）&lt;/td&gt;&lt;td&gt;中等（PAM 的内部决策可能难调试）&lt;/td&gt;&lt;/tr&gt;&lt;tr&gt;&lt;td&gt;&lt;strong&gt;系统耦合度&lt;/strong&gt;&lt;/td&gt;&lt;td&gt;松耦合（替换 PAM 不影响整体流程）&lt;/td&gt;&lt;td&gt;紧耦合（PAM 错误会影响整个任务）&lt;/td&gt;&lt;/tr&gt;&lt;/tbody&gt;&lt;/table&gt;
&lt;p&gt;没有标准答案，但一个符合工程直觉的方向是：&lt;strong&gt;PAM 作为主控，但支持“软升级”——当 PAM 输出的置信度低于阈值时，自动回退到外部大模型&lt;/strong&gt;。这样就取了两种方案的优点，避开了两种方案的缺点。那么，代价是什么呢？代价是不容易做到，因为怎么把握”度“本身就是一个很难的事情。&lt;/p&gt;
&lt;p&gt;我们通过 PAM，关键不是为了“藏住数据”，而是“藏住如何用数据做决策的独特方法”，这正是最难以逆向的部分。当然，PAM 同样可以被蒸馏，但持续保持 3-6 个月的领先，已经可以转化为市场优势，进而扩大领先优势。所以实际上百花齐放的应用场景，就对应不同公司的不同 PAM，背后是独特业务数据驱动的持续优化闭环，这是AI 原生的”业务模型“。&lt;/p&gt;
&lt;h2 id=&quot;写在最后&quot;&gt;写在最后&lt;a class=&quot;heading-link&quot; href=&quot;#写在最后&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;以前我们说”纸上得来终觉浅，绝知此事要躬行”，现在则是”问遍模型终觉浅，绝知此事要躬行”。大模型的出现把几乎所有事情都变成了”知易行难“，做 Agent 不要停留在表层，要朝 PAM 的目标勇往直前。&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>Agent</category><category>PAM</category><category>微调</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】11 Token 的工程汇率学</title><link>https://wdxtub.com/blog/aitalk/aitalk-11</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-11</guid><description>按 8.7 的 Token 工程汇率算下来，更贵的模型可能反而更便宜；想提升性价比，可以从提示词引导、Auto 模式、Unix 哲学三条路下手。</description><pubDate>Sun, 19 Apr 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;最近我的日均 Token 消耗来到了五千万的量级，无论是编码还是文档的工作都有很大一部分是和 AI 协作完成的（当然本文是纯手打），在不同的模型间来回切换，让我发现了一个很有意思的事情，我管它叫做“Token 的工程汇率学”。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-11-1.webp&quot; alt=&quot;Token 的工程汇率&quot; loading=&quot;eager&quot; decoding=&quot;async&quot; fetchpriority=&quot;high&quot; width=&quot;1200&quot; height=&quot;800&quot;&gt;&lt;/p&gt;
&lt;p&gt;已知国外的 Coding Plan 是 200 刀，国内的一般是 200 元，这里有一个货币的汇率，我刚查的是 6.82。考虑到国内的 Coding Plan 一般会量大一些，以 GLM5.1 的 Max 套餐为例，469 元可以得到大约 3 个国外的 Coding Plan。这样一波折算下来，单个 Token 的汇率是 8.7（1海外 Token兑换8.7国内 Token)。但是因为不同模型的智能程度和配合 Agent 的消耗量不同，所以实际在不同任务上，对应的工程汇率会有很大的波动。&lt;/p&gt;
&lt;p&gt;简单来说，工程汇率决定了怎么样才是更有性价比的，假设模型智能相同，工程汇率是货币汇率的倒数，即同样的价钱，用国内模型的产出是海外模型的 8.7 倍。但实际上，单价更贵的模型往往可以转化为更少的返工次数、Token 消耗和重构次数，最终的结论可能反而是 Token 越贵，Token 就越便宜（更聪明的模型在完成任务的成本上反而更低）。&lt;/p&gt;
&lt;p&gt;从追求性价比的角度来说，实际上我们可以通过很多不同的方式来提升国内模型的工程汇率（哪怕从 8.7 下降到 4，都还有 4 倍的成本优势）。各家基础大模型的厂商都在推出的 Harness 特性实际上都在通过工程的方式提升单个 Token 的性价比，那么对于上层的应用构建来说，还有一些其他的方式来优化工程汇率。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-11-2.webp&quot; alt=&quot;性价比优化&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;1200&quot; height=&quot;800&quot;&gt;&lt;/p&gt;
&lt;p&gt;第一个方法就是更好的提示词，并不是结构上的精雕细琢，而是在方法论上引导 Agent 直接找到 80 分的方案。这里是高级程序员的主场，因为大模型学习了足够多的开源代码，实际上只需要思路上的简单引导，就可以很快达到最佳实践。当然，非科班出身也一样可以最终达到最佳实践，只是可能多 1-2 次试错。&lt;/p&gt;
&lt;p&gt;第二个方法是构建自己的 Auto 模式。不少 Coding Agent 都有 Auto 模型，即会自动评估任务的难度，选择最合适的模型。但在一个领域做了一段时间之后，实际上应该有自己的判断，直接选择最合适的模型，以达到最佳的工程汇率。95 分的模型应该做 90-95 分的任务，用来做 60 分的任务不是不可以，但就性价比不高。&lt;/p&gt;
&lt;p&gt;第三个方法是 Unix 哲学。每个工具只做一件事情，但是做得足够好，这样消耗的上下文长度可以得到很好的控制（长上下文又贵又慢），ALL in One 只适合模型层面的融合，应用层面返璞归真才是最有性价比的。但分久必合合久必分，工程学是一个循环，可能明年又会得到不同的结论。&lt;/p&gt;
&lt;p&gt;最后分享一下我的常用方法：架构设计用最贵最聪明的，功能实现测试驱动用国内的足矣。&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>Token</category><category>成本</category><category>工程汇率</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】10 Human in the loop 是 Agent 的点睛之笔</title><link>https://wdxtub.com/blog/aitalk/aitalk-10</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-10</guid><description>Agent 的问题往往不在执行，而在关键细节上的决策偏差逐步累积。谁能把 Human in the loop 做进流程、谁能先跑通自己的软智能模型，谁就有竞争优势。</description><pubDate>Sun, 12 Apr 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;年后爆火的 Openclaw 和后浪 Harness Agent 实际上是在用对话的形式来做 Human in the loop。对话的形式非常自然、非常轻松、非常有甩手掌柜的感觉。但实际上，如果你真的用这些Agent的时候，你会发现它上限也许很高，但下限确实很低。&lt;/p&gt;
&lt;p&gt;OpenClaw 要配上各种 Skill，怎么选择 Skill 就成了新的问题，于是就有了帮你选 Skill 的 Skill 和让 Skill 自己迭代的 Skill。逻辑上听起来很完美，但实际上一定会遇到如下问题：1）怎么验证选的 Skill，写的 Skill 是否有效。2）如果有一个 60 分的 skill，怎么才能提升到 90分。3）skill 本身的灵活性和流程的多变性结合，如何得到稳定的交付物。&lt;/p&gt;
&lt;p&gt;当我被这三个问题反复折磨的时候，我突然意识到了一个问题。如果我的目标是打死一只蚊子，那么用大炮打蚊子，只要打死了，我还可以安慰自己至少达成了目标，而成本（大炮）是可以优化的。但如果实际上变成了用大炮放烟花，那就完全没有任何意义了，因为我实际上并不需要机器给我提供情绪价值。&lt;/p&gt;
&lt;p&gt;于是我把 Agent 的完整执行日志整理了出来，发现核心的问题并不在于 Agent 执行不到位，也不是大方向思路不对，而是在一些关键细节的决策上出现偏差，这些偏差逐步积累，最终导致整个交付产物不可用。这样一来，问题变得简单，也变得复杂了。简单在于，实际上我只需要把这些关键细节拎出来，让人来决策就可以。复杂在于，怎么判断一个细节是否关键。&lt;/p&gt;
&lt;p&gt;如果事事都要人来确认，实际上 Agent 节省的只是重复机械劳动的时间，而这些时间通过软件工程实际上能节省得更彻底。如果只对关键细节做确认，缺失部分执行上下文的决策者实际上并不一定能做出比 Agent 更好的决策。那么问题来了：向左走还是向右走，依赖人还是不用人？&lt;/p&gt;
&lt;p&gt;对于大模型厂商来说，因为要讲 AGI 和替代打工人的故事，一定是通过更多的 Token 和更强的模型来提升关键细节的决策成功率。这实际上是可行的，因为用 Agent 的对话和反馈实际上就是很好的强化学习训练数据，Claude Code 记录用户破防本质上是非常聪明的做法，因为用户在Agent做得好的时候不一定会夸，但做得不好肯定会骂。只要在类似的任务上积累足够多的数据和消耗足够多的算力，一定会有非常大的提升。&lt;/p&gt;
&lt;p&gt;但是对于要和其他人、其他组织、其他公司博弈的场景里，叠加上信息不完全透明，这一套实际上和扔硬币没有区别。举个例子，A 知道关键信息，B 不知道，那么 A 可以通过信息差占据优势。A 知道关键信息，A 知道 B 也知道这个信息，B 不知道 A 知道自己知道，那么 A 实际上仍然可以利用这个信息占据优势。反过来，如果 B 知道 A 知道自己知道，那么 B 也可以想办法利用这个信息。这个套路不是不可以让大模型学习，但从目前大家重点发力编程和图像视频来看，短期内（甚至中期内）都不会有太多进展。&lt;/p&gt;
&lt;p&gt;那么在这样的场景下，谁能把 Human in the loop 整合到 Agent 的流程中，谁就能拿到巨大的竞争优势。因为只要解决了关键细节判断时机和决策胜率的问题，Agent 带来的效率提升是指数级别的。而在这个环节中不断用一个相对小模型学习和模仿软智能，配合上硬智能越来越强的大模型，是我当下认为的解决方案。对于非大模型厂商来说，谁能先构建自己的软智能模型，跑通强化学习的飞轮，谁就能滚雪球在细分市场逐步取得优势并建立足够高的竞争壁垒。&lt;/p&gt;
&lt;p&gt;用最近大火的张雪机车来比喻，赛车比的一定是车，但实际上比的是开车的人，和人车合一。个人只有逐步构建的软智能体系，才能更好地对接不断快速提升的硬智能。从这个角度说，一个好的 Human in the loop 设计，不但能大幅提升 Agent 的交付质量，更是软智能模型的根基，是点睛之笔。&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>Agent</category><category>Human in the loop</category><category>强化学习</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】09 融合 Skills、大模型和 Python 的 Harness 工程控制论实践</title><link>https://wdxtub.com/blog/aitalk/aitalk-09</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-09</guid><description>Harness Engineering 的内核还是 1954 年钱学森的工程控制论：闭环负反馈、鲁棒性设计、分层控制、可观测性、冗余容错，落到 Skills + 大模型 + Python 的工作流上。</description><pubDate>Sun, 29 Mar 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;最近 AI Coding 行业又涌现出一个新词“Harness Engineering”，不由得让我想起”古法编程“时代程序员的最大难题”起变量名“，看来 AI 写代码之后，程序员的起名天分就彻底放飞了：只要放弃了第一眼的可读性，起名字还是很简单的。虽然我对各种层出不穷的不说人话的名词没有太多好感，但是能够把一些工程上的核心概念让更多人知道，总体来说还是利大于弊的。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-09-1.webp&quot; alt=&quot;Harness 与工程控制论&quot; loading=&quot;eager&quot; decoding=&quot;async&quot; fetchpriority=&quot;high&quot; width=&quot;1200&quot; height=&quot;800&quot;&gt;&lt;/p&gt;
&lt;p&gt;说到工程，就一定绕不开《工程控制论》，是 1954 年钱学森创立的，核心目标是让存在内部波动、外部干扰的动态系统，持续、稳定地输出符合预期的结果。2026 年的百虾大战，把软件工程师从数字电路拉到了模拟电路的层次：基于天生不稳定有幻觉的大模型，如何做到 100% 可靠的产品。(注：数字电路中只有 0 和 1，但模拟电路中实际上是不稳定的电压和电流，如何把不稳定转为稳定的 0 和 1，是现代计算机体系的基础)&lt;/p&gt;
&lt;p&gt;对于纯提示词控制的项目来说，天花板很低，因为分分钟模型把这些能力给内化掉。但是融合 Skills、大模型和 Python 的完整工作流程，再融入人的环节（解决目前大模型无法解决的问题），基本上是确定性的生产力大提升。&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;核心灵魂：闭环负反馈机制&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;核心逻辑：系统输出结果后，和预期目标做对比，把偏差返回给输入端自动调整，形成&quot;执行→校验→修正&quot;的闭环，不需要人工干预&lt;/p&gt;
&lt;p&gt;实际在开发过程中，“不需要人工干预”是一种完美状态，大部分时候，需要把验证的标准告诉 Agent，但是很多微妙的“感觉”难以用文字描述，大模型也难以从案例中学习，这需要在更高的维度来解决，简单来说就是我们要深入理解大模型的执行逻辑，直接给出更加工程化的方案。这要求我们有更强的表达能力，长期输出的工程师在这个时代有巨大的 AI 杠杆。&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;鲁棒性设计：抗干扰能力&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;核心逻辑：系统在内部参数波动、外部环境干扰的情况下，依然能保持稳定的性能，不会因为微小变化就崩溃。&lt;/p&gt;
&lt;p&gt;实际在开发过程中，用任何格式都无法避免不规范的输出（如 JSON, YAML, CSV），首先是在大模型执行的上下游都需要做参数检查，用工程学的大招“不行就重试”来解决。比较好的方法是通过 CLI 的不同参数来控制，在输入时就进行“严进”，才能做到稳定的结果输出。针对 CLI 的参数，一定要设置好默认值，降低 Agent 执行过程中的智能负担，这样即使用更加便宜的模型（甚至本地模型），也能保证稳定性。试想，如果能用 9B 的模型在特定 skills 中实现 300B 以上大模型的效果，成本可以被极致压缩。&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;分层控制架构：警惕 Sub-Agent 陷阱&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;核心逻辑：把复杂系统拆成多层，高层负责战略决策，中层负责任务调度，底层负责具体执行，每层只负责自己的职责范围，不跨层干预，降低复杂度。&lt;/p&gt;
&lt;p&gt;实际在开发过程中，一定要控制 Sub-Agent 的数量，假设一个 Agent 的可靠性是 90%，两个叠加并不一定是 81%（0.9 的平方），可能是  72.9%（0.9 的三次方），甚至是 65.61%（0.9 的四次方）。我称之为 Sub-Agent 陷阱：因为 Agent 的稳定性，收益可能远小于投入。&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;可观测性与可追溯性：能看到就能解决&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;核心逻辑：系统的每一个状态、每一步操作、每一次决策都要能被监控、被溯源，出问题能快速定位根因。&lt;/p&gt;
&lt;p&gt;实际在开发过程中，如果只是把日志一股脑输出，试图让 Agent 自己搞定，基本上属于知心妄想。我的经验是一定要输出中间步骤的产物，通过累计一小步一小步的优化，最终得到整体的优化。对于长工作流，只在最终结果反馈，大模型会浪费大量 Token 去搜索和解决不重要的问题。最有效率的办法就是直接找到核心点，让大模型围绕这个核心点去优化方案，这才是最高效的方法。&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;冗余设计与容错机制：不仅要有 Plan B，还要有 Plan C&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;核心逻辑：关键路径做多重备份，单一组件失效不会影响整个系统的正常运行。&lt;/p&gt;
&lt;p&gt;实际在开发中，如果一定要联网检索，那么就需要至少准备 2 个检索的工具。如果一个任务很关键，那么要用 3个不同的模型/Agent 独立执行，结果交叉验证，避免单个模型幻觉导致的错误。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-09-2.webp&quot; alt=&quot;闭环负反馈&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;1200&quot; height=&quot;800&quot;&gt;&lt;/p&gt;
&lt;h2 id=&quot;写在最后&quot;&gt;写在最后&lt;a class=&quot;heading-link&quot; href=&quot;#写在最后&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;工程控制论诞生于1954，Harness Engineering 火在2026。72年过去了，我们面对的问题从导弹制导变成了AI Agent，但工程思维的内核从来没变过——如何在不确定性中构建确定性，在混沌中寻找秩序。这让我想起了冯诺依曼的另一句话：&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;在数学中，你并不理解东西，你只是习惯它们。&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;写代码久了，我们习惯了0和1的确定性，习惯了代码跑一遍就有确定结果的世界。但大模型把我们重新拉回了那个充满随机性的现实世界，像第一次面对模拟电路的工程师，像第一次面对惊涛骇浪的舵手。&lt;/p&gt;
&lt;p&gt;AI 把生活的复杂暴露无遗，但工程思维就是把复杂变简单的那把钥匙。Skills 是你的工具箱，大模型是你的原材料，Python 是你的粘合剂，但最后把这一切组合成产品的，还是工程品味。&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>Harness</category><category>工程控制论</category><category>Skills</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】08 Agent 带来的工程质量幻觉</title><link>https://wdxtub.com/blog/aitalk/aitalk-08</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-08</guid><description>Coding Agent 普及之后最容易踩的两个坑：把技术品味当成目的，以及用重写代替重构。工程质量该以 6 个月为周期的重构-重写循环来衡量。</description><pubDate>Sat, 21 Mar 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;随着 25 年底 Coding Agent 的能力突破临界点，我已经很久没有再手写过代码了。按照技术的传播规律，预计到今年第三季度，绝大部分代码的实现工作就会由 AI 完成，那么问题就来了，现在的研发工程师何去何从？所以今天我想以一线研发负责人的视角，以工程质量为切入点，聊聊我的观察和想法。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-08-1.webp&quot; alt=&quot;技术品味是手段&quot; loading=&quot;eager&quot; decoding=&quot;async&quot; fetchpriority=&quot;high&quot; width=&quot;1200&quot; height=&quot;800&quot;&gt;&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;观察 1：技术品味是手段，工程质量是目的。&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;研发容易走进的一个误区就是把手段当成目的，比如花太多的时间想要去找到“最优雅”的技术。现在有了AI之后这个误区被放大了数倍——AI总能生成看起来语法完美、结构优雅的代码，甚至能主动给你优化出“更符合设计模式”的实现，但问题在于，真的和业务的需求匹配么，是否能够更好适应未来的需求变更，随波(AI)逐流的后果就是醒来发现掉坑里了。&lt;/p&gt;
&lt;p&gt;另外一个极端就是试图去管理 AI 在不同时间点生成的“脚本级”零散代码，大部分脚本都是当时解决了某个临时问题，之后场景稍微变一点就完全用不了，反而团队花在管理这些脚本上的时间比写新脚本的时间还多。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-08-2.webp&quot; alt=&quot;零散脚本&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;1200&quot; height=&quot;800&quot;&gt;&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;观察 2：技术品味本质上是在深入理解业务和团队的基础上，在架构、先进性、复杂度和成本上找到均衡点。&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;AI生成代码的时候是没有“业务上下文”和“团队上下文”的，它只会按照通用的最佳实践来输出。同样是做一个用户管理模块，To C的消费级产品和To B的企业级产品需要的技术选型完全不同，十人以下的小团队和百人以上的大团队适合的封装层级也天差地别。如果完全让AI来做技术决策，它大概率会给你输出一个“业界标准”但完全不匹配你当前团队和业务阶段的方案，看起来每个部分都符合技术规范，但跑起来处处是问题。&lt;/p&gt;
&lt;p&gt;从这个角度来说，初级工程师的关键点就是通过写代码来理解软件工程，而高级工程师需要把绝大部分精力放在给AI做技术选型、边界约束和结果验收上——这些需要判断的部分，才是技术品味的核心价值。什么？你说中级工程师怎么办？不好意思，要么降级成初级，要么快速提升到高级，因为未来不需要中级工程师（苦笑）。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-08-3.webp&quot; alt=&quot;技术选型与边界&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;1200&quot; height=&quot;800&quot;&gt;&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;观察 3：工程质量的衡量标准是以 6 个月为周期的重构-重写循环。&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;第一版代码能用，第二版代码勉强能改，第三版代码运行不起来，第四版代码只会持续说“你说得对”但是就是改不对，最终不得不推翻重来。这种绕了一圈回到原地的感觉，多来几次就容易心态爆炸。完全丢给 AI，用重写来代替重构只是在逃避问题，并且丢失部分在迭代中隐含的业务理解知识，导致重复填坑。&lt;/p&gt;
&lt;p&gt;比较理想的状态是半年内能持续在一个项目中，用重构的方式进行迭代。半年后深度复盘总结后，借助 AI 完整重写。或者换句话说，一辆车如果只是样子没变，从底盘到全部系统都换了个遍，是不是也就等于一辆新车了。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-08-4.webp&quot; alt=&quot;重构与重写&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;1200&quot; height=&quot;800&quot;&gt;&lt;/p&gt;
&lt;p&gt;写在最后：&lt;/p&gt;
&lt;p&gt;识别幻觉需要成本，也许是 10 亿 token，也许是 100 亿。Token 有价，时间无价。这让我想到了 Ansel Adams 的一句话：&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;The single most important component of a camera is the twelve inches behind it.&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;编码未来也是一种摄影，而&lt;strong&gt;摄影师的头脑、审美与思想，比器材更重要&lt;/strong&gt;。&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>Agent</category><category>工程质量</category><category>研发管理</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】07 OpenClaw 和 Claude Code 怎么选</title><link>https://wdxtub.com/blog/aitalk/aitalk-07</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-07</guid><description>解决能力范围外的问题，本质上是在搜索空间里找解：CC 的搜索空间小、剪枝效率高，龙虾擅长跨领域对话。选择标准只有一个——哪个工具的综合成本更低。</description><pubDate>Sun, 15 Mar 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;随着 OpenClaw 的持续爆火，大模型和云厂商几乎都推出了自己的“龙虾”。对于工程师来说，带来了一个新的选择问题：OpenClaw（后文简称龙虾） 还是 Claude Code（后文简称 CC）。从社区的讨论话题来看，原本争论什么是最好的编程语言和编程框架的人，开始争论龙虾和 CC 到底谁好，这又是一个公说公有理婆说婆有理的话题。这样的讨论实际上意义不大，因为用以终为始的角度来看，只有一个判断标准：成本。&lt;/p&gt;
&lt;p&gt;龙虾通过接入聊天软件来极大降低了需求描述和环境配置的成本。甚至可以让龙虾来驱动 CC，这都是可行的技术路径。本文并不打算涉及这部分的内容，因为功能和流程层面的讨论，在 AI 驱动 AI 写代码的今天已经没有多少意义。我想要聊的是，从解决问题的角度，如何选择合适的工具。&lt;/p&gt;
&lt;p&gt;解决一个已有成熟方案的问题，最大的工作量是找到和评估方案，这个内容在软件工程里已经有非常充分的讨论，大模型也学得七七八八，大部分喜欢深入思考的程序员会自然而然涌现出这样的能力。但是在解决一个自己能力范围外的问题，大部分人的思路是前面的延续，但因为自身能力不足与评估方案，所以实际上变成了抽盲盒，抽到好的方案就能成，抽不到就不能成。&lt;/p&gt;
&lt;p&gt;所以面对自己能力范围外的问题，真的只能拼运气吗？不是的，这里跟大家分享一个工程上思路，可以用大道至简的方式解决看起来没有明确方案的问题。剧透一下，如果你的大学课程《数值计算方法》有好好学，并且领悟到了精髓，现在应该就可以明白我想要说的是什么。当然，为了照顾没有学过这门课程或者干脆就是文科生，我也简单说明一下。&lt;/p&gt;
&lt;p&gt;举个非常简单的例子大家就能明白：比如我们要求函数 &lt;code&gt;f(x) = x² + 3x + 2&lt;/code&gt; 在 &lt;code&gt;x=2&lt;/code&gt; 处的导数。&lt;/p&gt;
&lt;p&gt;第一种是公式法：如果你学过高等数学，你知道这个函数的导数公式是 &lt;code&gt;f&apos;(x) = 2x + 3&lt;/code&gt;，直接把&lt;code&gt;x=2&lt;/code&gt; 带进去，算出来就是7，精准无误。但这个方法有个前提：你得首先知道这个函数的具体表达式，还得会求导才行，要是给你一个复杂到根本求不出解析解的函数，或者你根本就不知道这个函数长什么样，这个方法就直接失效了。&lt;/p&gt;
&lt;p&gt;第二种就是数值计算方法，也就是牛顿法这类算法用的思路：我根本不需要知道导数公式，甚至不需要知道函数本身是什么，我只要能算出任意x对应的函数值就行。取一个非常小的h，比如0.0001，用前后两个点的函数值来算斜率：&lt;code&gt;(f(2+0.0001) - f(2-0.0001))/(2*0.0001)，算出来结果是6.9999999999&lt;/code&gt;，和真实值7几乎没有区别，完全够用。&lt;/p&gt;
&lt;p&gt;你看，这两种方法的区别就很明显了：公式法就像你是这个领域的专家，对问题的本质了如指掌，当然能最快得到最优解；而数值计算方法就像通用的解题框架，哪怕你对这个领域一窍不通，只要按照这个框架走，依然能得到足够精准、可以落地的结果。&lt;/p&gt;
&lt;p&gt;让我们回归正题，实际上我们只需要有这三个信息，就可以让计算机自己找到答案：A：初始状态；B：结束状态；C：评估方法。简单来说，我们要从 A 到达 B，有无数种可能，只要尝试足够多次，每次尝试完都用 C 来评估最终是否到达 B，最终一定可以找到方法。&lt;/p&gt;
&lt;p&gt;这个逻辑放在龙虾和CC的选择上也是完全成立的，两者本质的区别就在于&lt;strong&gt;搜索空间的大小&lt;/strong&gt;和&lt;strong&gt;剪枝效率的高低&lt;/strong&gt;，最终体现在使用成本上的差异。&lt;/p&gt;
&lt;p&gt;龙虾和 CC 本质上都属于通用的问题解决方法，但两者的设计侧重点不同，导致在不同场景下的搜索效率差异巨大：CC 内置了代码场景特有的上下文信息和工具链，在工程类任务上天然就有更小的搜索空间，不需要你额外提供太多领域背景就能精准输出；而龙虾优化的是自然语言对话交互流程，在创作类、跨领域协调类的任务上，反而能通过多轮对话快速缩小搜索范围，得到你想要的结果。&lt;/p&gt;
&lt;p&gt;所以选择的标准其实非常简单：&lt;strong&gt;哪个工具的综合成本更低，就用哪个&lt;/strong&gt;。&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;如果你的需求偏向可复现的工程：改bug、写功能、重构、排查性能问题，选CC准没错，它在代码领域的搜索效率是通用Agent比不了的，不需要你写复杂的提示词，直接描述代码需求就行，成本最低。&lt;/li&gt;
&lt;li&gt;如果你的需求是跨领域的：比如先做产品需求分析，再写文案，最后生成对应的前端页面，或者需要对接多个不同的工具链、协调多个任务流程，这时候龙虾的通用能力优势就体现出来了，它不需要你在不同工具之间来回切换上下文，一次就能搞定全流程，综合成本反而更低。&lt;/li&gt;
&lt;li&gt;甚至你还可以组合使用：让龙虾做上游的需求拆解和流程规划，再把具体的代码实现交给CC来做，两者发挥各自的优势，总成本能降到最低。&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;很高兴可以看到工程思维在 AI 时代的“文艺复兴”，毕竟“码农”和“搬砖”已经让大部分人忽略了“工程师”的本质：是用创造性的方法，通过权衡和妥协，不断逼近完美。&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>OpenClaw</category><category>Claude Code</category><category>工具选择</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】06 决定最佳 AI 同步率的两个关键要素</title><link>https://wdxtub.com/blog/aitalk/aitalk-06</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-06</guid><description>借 EVA 的同步率讲人机协作：同步率太低，模型能力发挥不出来；太高，则被幻觉和谄媚反噬。最佳值取决于你对幻觉的识别能力，以及你的逻辑表达能力。</description><pubDate>Sun, 08 Mar 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;我是一个机甲迷，每当看到人类驾驶巨大的机甲，在钢铁中融入意志，并以此对抗宿命的剧情，都会不由自主地热血沸腾。回想起大学时候训练几十万参数的小模型，现在通过API来调用万亿参数大模型，总让我有种机甲剧情走入现实的浪漫，仿佛我就是初号机的驾驶员，通过意念操纵着巨大的战斗机甲。&lt;/p&gt;
&lt;p&gt;在《新世纪福音战士》中，决定机甲能力上限的，是一个叫做“同步率”的指标，简单来说就是驾驶员与机甲的神经/精神连接强度 。同步率越高：操控越精准、反应越快、战力越强 。反之，同步率越低：操控越迟钝、无力，低于临界值就无法启动。但同步率太高还有一个风险就是精神污染，即被机甲反向吞噬了自我。大家在使用大模型和各种Agent的时候，肯定会遇到各种令人哭笑不得直砸键盘的场景，除了不同模型本身的差异，其实就是同步率没有达到最佳值，没有人机合一导致的。最近大火的openclaw龙虾也是如此，如果说第一关安装还可以通过外力帮助，那么第二关把龙虾和我们的同步率提升到足够高，最终感觉能用好用，就会卡住绝大部分人。&lt;/p&gt;
&lt;p&gt;深究同步率这个指标，又可以拆解成两个点，第一是同步率的最优值（太高也不行），第二是如何达到这个最优值。这一篇文章里我想要说的的第一个点，即什么决定了同步率的最优值。&lt;/p&gt;
&lt;h2 id=&quot;关键要素1-幻觉和谄媚&quot;&gt;关键要素1: 幻觉和谄媚&lt;a class=&quot;heading-link&quot; href=&quot;#关键要素1-幻觉和谄媚&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;在《新世纪福音战士》中，有一种可怕的减益叫做精神污染，也就是精神被其他人或机甲强行入侵、扭曲、崩溃，这会极大降低同步率的上限。当然了，现实生活中使用大模型不至于真的产生精神污染，但是会有精神误导。换句话说：你掌控不了的能力，就不是你的能力。甚至反过来被能力控制。&lt;/p&gt;
&lt;p&gt;这里的幻觉，不但指大模型的幻觉，也指把大模型的能力等同于自己能力的幻觉。实际上，大模型能稳定发挥出的能力边界，就是你能评估和判断的认知边界。同步率太低，模型能力发挥不出来；同步率太高，把大模型的回答当做自己的想法，也非常危险。&lt;/p&gt;
&lt;p&gt;更不好的是，大模型习惯性地谄媚也在不断在把模型的概率输出“伪装”成你独立思考的结果。当你指出大模型的问题时，它只会说“你说得对”，然后再给一个仍然有问题的方案。&lt;/p&gt;
&lt;p&gt;最佳同步率取决于你对于幻觉和谄媚的识别能力，拥有更强识别能力的可以达到更高的同步率而不会带来太多的精神污染。因为这种精神污染是非常隐蔽的，且在意识到之前无法主动清理，建议在谨慎提升同步率，一定要在现实世界中进行实践验证。&lt;/p&gt;
&lt;h2 id=&quot;关键要素2-逻辑表达&quot;&gt;关键要素2: 逻辑表达&lt;a class=&quot;heading-link&quot; href=&quot;#关键要素2-逻辑表达&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;和意识操纵机甲那近乎无损的信息传递不同，我们使用大模型/Agent仍然需要通过语言和图片进行信息交互，所以决定最佳同步率的第二个因素就是逻辑表达。&lt;/p&gt;
&lt;p&gt;为了能让模型更好完成一项任务，详细的提示词必不可少。这份提示词的视角是决策和管理，但在关键步骤中又需要细致到执行层面。因此用词、结构和任务拆分都非常重要，我称之为“工程式写作”，这也是为什么在前面的文章中我会建议大家开始写日记，因为多写才能会写，有输入有输出有反馈才是强化学习。&lt;/p&gt;
&lt;p&gt;最佳同步率取决你的逻辑表达能力，拥有更强写作能力的人可以达到更高的同步率而不至于让任务失控，不然相当于把一切交给概率，只能通过抽盲盒来撞大运出来一个可用的结果。&lt;/p&gt;
&lt;p&gt;每个人有自己的最佳 AI 同步率，每过一段时间需要重新校准最佳值，认识到这一点非常重要。下一篇文章，我会分享一下我的工作流和工具，提供一个逼近自己最佳 AI 同步率的可能路径。&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>同步率</category><category>提示词</category><category>人机协作</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】05 也谈 OpenClaw：日记即记忆</title><link>https://wdxtub.com/blog/aitalk/aitalk-05</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-05</guid><description>给大模型装记忆分 RAG、Graph、Unix 三派，OpenClaw 选的是纯文本加本地优先的 Unix 派；写了八年日记之后，我认为日记本身就是一个天然的 Unix 记忆系统。</description><pubDate>Tue, 24 Feb 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;今天是初八，在这里祝大家开工大吉。缓解假期综合症的最佳办法就是通过深度思考来给自己换换脑子。这里我就想和大家聊聊春节期间爆火的 OpenClaw，不聊安装不聊配置不聊使用场景，只想聊聊 OpenClaw 的记忆系统。作为一个写了八年日记的人，对于给大模型装上记忆系统，我有一个激进的预测：&lt;strong&gt;日记即记忆&lt;/strong&gt;。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-05-1.webp&quot; alt=&quot;日记与记忆&quot; loading=&quot;eager&quot; decoding=&quot;async&quot; fetchpriority=&quot;high&quot; width=&quot;768&quot; height=&quot;1024&quot;&gt;&lt;/p&gt;
&lt;p&gt;注 1：本文前摇较长，心急的朋友可以直接看最后的结论。&lt;/p&gt;
&lt;p&gt;记忆本身的原理，我们现在并不完全了解。如果破解了记忆的奥秘，可能就离我心目中脑科学的皇冠——意识——更近了一步。当然，我不是一个生物学家，无法从生理角度给出专业的猜想，但我是一个工程师，擅长用工程的视角来观察和理解。正如人类飞天的梦想，在流体力学等理论的基础上，通过莱特兄弟的工程方法得以实现。而智能和 AGI 的梦想，也在机器学习几十年的探索中，找到了一条&quot;压缩即智能&quot;的路线。也许记忆的原理，同样能够通过工程的方法，另辟蹊径找到新的突破口。&lt;/p&gt;
&lt;p&gt;从去年下半年开始，给大模型装上海马体（也就是记忆）的研究就逐渐多了起来。不严谨地总结一下，主要有三个大的流派：1️⃣ 第一派我称之为 RAG 派，核心思想是通过更强的嵌入、更复杂的检索和召回机制来实现更加精准的记忆。这个流派实际上是把记忆当成了联网搜索，只是不联&quot;互联网&quot;，而是联&quot;人脑网&quot;。2️⃣ 第二派我称之为 Graph 派，核心思想是通过语义的联结来解决 RAG 派不太好解决的记忆内容的关联问题。这个流派让曾经小众的知识图谱相关技术重见天日，不过也有硬伤。3️⃣ 第三派我称之为 Unix 派，核心思想是通过文件夹和文本文件的组织，以关键词和正则为主要检索逻辑来实现记忆系统，强调记忆对于人类用户的可解释性和可操作性。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-05-2.webp&quot; alt=&quot;记忆流派&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;1024&quot; height=&quot;1364&quot;&gt;&lt;/p&gt;
&lt;p&gt;在 OpenClaw 爆火之前，RAG 派是主流，Graph 派一般靠踩 RAG 派博眼球，而 Unix 派则比较清高，基本不参与讨论。关于 Unix 派的&quot;战绩&quot;，据我不准确的记忆，最初是 OpenAI 推出&quot;记忆&quot;功能、Manus 使用 Markdown 文件来做上下文工程和流程控制，后面则是 Claude Code 通过迭代式的 Claude.md 文件实现不断进化。OpenClaw 爆火之后，大家对其记忆系统开始深入地解析，发现居然是如此&quot;离经叛道&quot;的设计：纯文本 Markdown + 本地优先。&lt;/p&gt;



































&lt;table&gt;&lt;thead&gt;&lt;tr&gt;&lt;th&gt;&lt;strong&gt;特性&lt;/strong&gt;&lt;/th&gt;&lt;th&gt;&lt;strong&gt;业界主流设计 (如 RAG / Vector DB)&lt;/strong&gt;&lt;/th&gt;&lt;th&gt;&lt;strong&gt;OpenClaw 记忆系统&lt;/strong&gt;&lt;/th&gt;&lt;/tr&gt;&lt;/thead&gt;&lt;tbody&gt;&lt;tr&gt;&lt;td&gt;&lt;strong&gt;存储形态&lt;/strong&gt;&lt;/td&gt;&lt;td&gt;向量嵌入 (Embeddings)，存在向量数据库中。&lt;/td&gt;&lt;td&gt;&lt;strong&gt;纯文本 Markdown&lt;/strong&gt;，存在本地文件系统中。&lt;/td&gt;&lt;/tr&gt;&lt;tr&gt;&lt;td&gt;&lt;strong&gt;透明度&lt;/strong&gt;&lt;/td&gt;&lt;td&gt;&lt;strong&gt;黑盒&lt;/strong&gt;。用户很难直接查看或修改 AI 到底“记住了什么”。&lt;/td&gt;&lt;td&gt;&lt;strong&gt;白盒&lt;/strong&gt;。用户可以用记事本直接打开、编辑、删除记忆。&lt;/td&gt;&lt;/tr&gt;&lt;tr&gt;&lt;td&gt;&lt;strong&gt;编辑成本&lt;/strong&gt;&lt;/td&gt;&lt;td&gt;高。需要重新计算向量并更新数据库索引。&lt;/td&gt;&lt;td&gt;&lt;strong&gt;极低&lt;/strong&gt;。像改文档一样简单，甚至支持 Git 版本管理。&lt;/td&gt;&lt;/tr&gt;&lt;tr&gt;&lt;td&gt;&lt;strong&gt;检索方式&lt;/strong&gt;&lt;/td&gt;&lt;td&gt;主要是语义相似度检索 (Vector Search)。&lt;/td&gt;&lt;td&gt;&lt;strong&gt;混合检索&lt;/strong&gt;：关键词触发 + 语义搜索 + 目录索引。&lt;/td&gt;&lt;/tr&gt;&lt;tr&gt;&lt;td&gt;&lt;strong&gt;交互逻辑&lt;/strong&gt;&lt;/td&gt;&lt;td&gt;被动检索。只有用户提问时才去搜记忆。&lt;/td&gt;&lt;td&gt;&lt;strong&gt;主动维护&lt;/strong&gt;。Agent 会定期自我复盘并重写记忆文件。&lt;/td&gt;&lt;/tr&gt;&lt;/tbody&gt;&lt;/table&gt;
&lt;p&gt;从这一点上我就很欣赏 OpenClaw 的技术品味，说实话我是如释重负，爆火的项目如果品味差，是会影响很多人的。我对于架构的理解就是大道至简：复杂的人为设定的机制，很可能是画蛇添足（此处推荐《Unix 编程艺术》一书）。OpenClaw 的记忆系统设计，让我想到了另外一个小众的笔记软件 Obsidian，它的核心思想借鉴了另外一个非常拗口的单词 Zettelkasten（卢曼卡片盒笔记法），我认为是摸到了记忆的工程化精髓。当然，在我看来，目前原教旨的 Zettelkasten 也陷入了误区：过于强调工具属性和&quot;双向链接&quot;，想要通过 Graph（图谱）来解决记忆问题，本质上变成了前面所说的 Graph 派。&lt;/p&gt;
&lt;p&gt;注 2：心急的朋友你们好，前方开始结论。&lt;/p&gt;
&lt;p&gt;为什么说日记即记忆呢？这是从我实际写了八年日记的经历中，结合对 OpenClaw 记忆系统的理解，自然而然得出的结论。让我们用工程师的视角来拆解一下——&lt;strong&gt;日记，其实就是一个天然的 Unix 派记忆系统&lt;/strong&gt;，完美契合了前面表格里 OpenClaw 设计的所有精髓：&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-05-3.webp&quot; alt=&quot;时间索引&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;1024&quot; height=&quot;1360&quot;&gt;&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;第一，时间维度是天然的索引。&lt;/strong&gt; 我的日记文件名就是年月（比如 &lt;code&gt;2026年02月流水日记.md&lt;/code&gt;），内容本身按日期排列。这就像文件系统的目录树，不需要额外的向量数据库，时间本身就是最高效的索引。当我想找&quot;上一次去巽寮湾是什么时候&quot;，不需要语义搜索，先定位到最近几个命中的文件，再扫一遍，效率极高。这正是 OpenClaw&quot;目录索引&quot;的思路。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;第二，精简是自然进化的结果。&lt;/strong&gt; 刚开始写日记时我也事无巨细，但写了十年后，自然就学会了抓重点——只记那些真正重要的、将来可能会用到的信息。这和 RAG 派追求&quot;更大的嵌入、更复杂的召回&quot;完全相反：&lt;strong&gt;好的记忆，不在于记住了多少，而在于该记住的都记住了&lt;/strong&gt;。这其实就是一种人工的&quot;压缩&quot;，巧了，&quot;压缩即智能&quot;又出现了。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;第三，白盒、可编辑、可迭代。&lt;/strong&gt; 日记是纯文本，我可以用任何编辑器打开，想改就改——忘了记的可以补，记错了的可以修正，事后有新的感悟还可以在旁边批注。更重要的是，&lt;strong&gt;我可以主动复盘&lt;/strong&gt;：年底翻翻年初的日记，把重要的经历提炼、整合，形成新的认知。这就是 OpenClaw&quot;主动维护&quot;机制的雏形——记忆不是静态的存档，而是动态生长的文档。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;第四，混合检索最自然。&lt;/strong&gt; 找&quot;去年包了多少钱红包&quot;这种精确信息，直接用关键词搜索（&quot;红包&quot;）；想不起来具体细节，但记得是&quot;和张三一起吃饭时聊的&quot;，就看上下文语境；想回顾&quot;这一年的成长&quot;，直接按时间线扫一遍。&lt;strong&gt;关键词 + 语义 + 时间线&lt;/strong&gt;，这不就是 OpenClaw 的&quot;混合检索&quot;吗？&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;最后，可解释、可控制、有温度。&lt;/strong&gt; 日记是我的，每一个字都是我写的，我完全知道里面有什么、没有什么。不像 RAG 派的黑盒，我根本不知道 AI&quot;记住&quot;了什么、为什么会检索出这段而不是那段。也不像 Graph 派的复杂关联，这种关联人类根本无力维护。活人的掌控感，对于记忆系统来说太重要了。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-05-4.webp&quot; alt=&quot;白盒记忆&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;1024&quot; height=&quot;1360&quot;&gt;&lt;/p&gt;
&lt;p&gt;如果你问我关于大模型的记忆，哪一派会最终胜出，我相信 Unix 派最有可能。如果你问我作为个人现在能做点什么，我会说，开始写日记，写啥都行，因为 &lt;strong&gt;日记即记忆&lt;/strong&gt;。&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>OpenClaw</category><category>记忆系统</category><category>日记</category><author>wdxtub@gmail.com</author></item><item><title>【AI工程】想做 AI 应用，先把认知框架搭好</title><link>https://wdxtub.com/blog/bookgems/AI%E5%B7%A5%E7%A8%8B</link><guid isPermaLink="true">https://wdxtub.com/blog/bookgems/AI%E5%B7%A5%E7%A8%8B</guid><description>AI 工程不是写几行 prompt：训练数据决定认知边界，采样带来幻觉，RAG 的护城河在检索评估，Agent 的准确性最后还是要人来守门。</description><pubDate>Sat, 21 Feb 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;AI工程的核心，从来都不是写几行prompt那么简单。最近翻完这本AI工程指南，才发现之前踩过的坑，原来都在书里写过了。全书从要不要做AI应用的决策逻辑讲起，把大模型原理、评估体系、提示工程、RAG、微调这些知识点串成了完整的方法论。连怎么权衡成本和效果、怎么处理幻觉这类高频痛点，都给出了可落地的步骤。先搭好认知框架再动手，比瞎写100个prompt有用多了。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/bookgems/ai-app-1.webp&quot; alt=&quot;概率、多样性与幻觉&quot; loading=&quot;eager&quot; decoding=&quot;async&quot; fetchpriority=&quot;high&quot; width=&quot;1728&quot; height=&quot;2304&quot;&gt;&lt;/p&gt;
&lt;p&gt;概率、多样性和幻觉，是大模型最有趣也最难搞的特性。训练数据决定了模型的认知边界，语料里没有的内容，模型自然也不懂。采样过程赋予了模型概率性，这种特性让AI在创意任务中表现出色，但也带来了输出不一致和幻觉的问题。做AI工程，就是要在这种不确定性中，构建出系统化的工作流程。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/bookgems/ai-app-2.webp&quot; alt=&quot;RAG 的检索质量&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;1728&quot; height=&quot;2304&quot;&gt;&lt;/p&gt;
&lt;p&gt;RAG系统落地最大的障碍，永远是检索质量：关键字简单但是有歧义，Embedding 理论上很好实际用起来效果不佳。现在明白了核心问题就是没有建立检索效果的评估标准。没有质量把控的检索都是碰运气，高效检索能力就是RAG系统的核心护城河。&lt;/p&gt;
&lt;p&gt;&lt;a href=&quot;/static/images/bookgems/ai-app-3.webp&quot; title=&quot;查看原图&quot;&gt;&lt;img src=&quot;/static/thumbnails/7343afc454b714f8b28d6b21.webp&quot; alt=&quot;Agent 的准确性&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;960&quot; height=&quot;1280&quot;&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;Agent的本质是（LLM + Tools）在特定环境下的应用，但关键还是产出的准确性。工具再强大，模型再聪明，如果输出结果不靠谱，那一切都白搭。这时候就需要人在流程中扮演守门员的角色，把好最后一道关。AI不是来替代人的，而是来增强人的能力的。&lt;/p&gt;
&lt;p&gt;&lt;a href=&quot;/static/images/bookgems/ai-app-4.webp&quot; title=&quot;查看原图&quot;&gt;&lt;img src=&quot;/static/thumbnails/6f5710be4e81506dd5da7719.webp&quot; alt=&quot;非代码形式的软件工程&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;960&quot; height=&quot;1280&quot;&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;软件工程的思维，早就需要以非代码的形式展现出来了。以前做软件工程，只需要对齐程序员的开发规范；现在做AI工程，要对齐整个组织的需求和标准。从需求沟通到评估标准，从成本核算到风险控制，每个环节都需要工程化思维。软件工程不再是程序员的专利，而是整个组织的基础设施。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/bookgems/ai-app-5.webp&quot; alt=&quot;标准化的工程能力&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;1728&quot; height=&quot;2304&quot;&gt;&lt;/p&gt;
&lt;p&gt;非标和标准化的传统定义正在失效。以前我们总觉得定制化需求没法标准化，但用书中提到的Engineering as a Service思路，把prompt开发、评估、微调、运维全流程拆成标准化模块，现在哪怕是完全非标定制的AI应用，也能按模块清晰计价。标准化的是工程能力，不是产出结果，这才是AI落地的最优解。&lt;/p&gt;
&lt;p&gt;这本书已经把AI工程的底层认知给你搭得明明白白，剩下的就是动手实操。AI行业变化快，但这些基于大模型根本特性的方法论，可能在 2026 年依然有效的。当你发现自己已经进入书里没有的领域，恭喜你，你已经是弄潮儿了。&lt;/p&gt;</content:encoded><category>书评</category><category>AI</category><category>AI工程</category><category>RAG</category><category>读书笔记</category><author>wdxtub@gmail.com</author></item><item><title>【技术管理必修课】技术人做管理少走十年弯路</title><link>https://wdxtub.com/blog/bookgems/%E6%8A%80%E6%9C%AF%E7%AE%A1%E7%90%86%E5%BF%85%E4%BF%AE%E8%AF%BE</link><guid isPermaLink="true">https://wdxtub.com/blog/bookgems/%E6%8A%80%E6%9C%AF%E7%AE%A1%E7%90%86%E5%BF%85%E4%BF%AE%E8%AF%BE</guid><description>技术靠逻辑，管理靠人心。技术管理必修课里最值得先记住的几件事：信任是基石、价值观是决策基准、公开赞美私下反馈、设边界不是自私。</description><pubDate>Wed, 18 Feb 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;最近翻完整理的技术管理必修课笔记，最大的感触是：技术靠逻辑，管理靠人心，没毛病。很多技术人刚转管理的时候总想着靠代码能力服众，最后发现越抓细节团队越散。信任从来不是管理的手段，而是所有动作的基石。技术人转管理最大的误区，就是以为把代码写好就能带好团队。其实不然，写代码是跟机器打交道，逻辑对了就行；但做管理是跟人打交道，每个人都有不同的性格、需求和动机。译者序里说得特别好，要为新人设置阶段性里程碑，在每个突破点给予具体反馈；为快速成长的成员安排具有挑战性的项目，并预留专属指导时间；发现沉默寡言却见解独到的技术专家，通过技术分享来放大他们的声音。这些具体的做法，本质上都是在建立信任。&lt;/p&gt;
&lt;p&gt;&lt;a href=&quot;/static/images/bookgems/tech-mgmt-1.webp&quot; title=&quot;查看原图&quot;&gt;&lt;img src=&quot;/static/thumbnails/9dfca067b443d49bb3f1cc32.webp&quot; alt=&quot;信任是管理的基石&quot; loading=&quot;eager&quot; decoding=&quot;async&quot; fetchpriority=&quot;high&quot; width=&quot;960&quot; height=&quot;1280&quot;&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;做管理的第一要务是明确自己的核心价值观。我自己选的三个词是好奇心、可依靠、成长，所有决策拿这三个标尺一卡，基本不会出大错。好的价值观从来不是墙上的口号，是遇到冲突时的决策基准。书中列出了一个价值观词典，从责任、倡导、自主、同情、协作、贡献、创造力、好奇心、可依靠等几十个词里选出最能引发共鸣的三个，其实是一个自我认知的过程。理解自身价值观与你作为管理者所关心的事物之间的联系——你支持什么、反对什么——是一项宝贵的训练。好的团队价值观应具备这样的特质：传达了某个大家可以轻松理解的观点，并可作为决策的基准。比如授权员工自主决策，因为我们看重他们的专业知识和能力；鼓励犯错，因为失败是成功的垫脚石。&lt;/p&gt;
&lt;p&gt;&lt;a href=&quot;/static/images/bookgems/tech-mgmt-2.webp&quot; title=&quot;查看原图&quot;&gt;&lt;img src=&quot;/static/thumbnails/a70451bfd5c57f9212e80cc8.webp&quot; alt=&quot;价值观词典&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;960&quot; height=&quot;1280&quot;&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;跨团队协作和开源协作的核心其实非常简单，就八个字：礼貌、尊重、友善、透明。不管是项目维护者还是参与者，多站在对方角度想一步，减少信息差，就能避免90%的矛盾。书中专门用一章讲跨团队协作与开源协作，从维护者视角和用户视角分别给出了具体的建议。从维护者视角看，要避免&quot;知识的诅咒&quot;困境——项目维护者因过度熟悉项目细节，容易误以为所有信息对他人都显而易见。降低协作门槛的关键措施包括：新手友好引导，使用&quot;需要帮助&quot;&quot;初学者友好&quot;等标签；标准化贡献流程，通过 makefile、CONTRIBUTING.md 明确项目构建流程和PR要求；规范问题提交，设计并使用标准化的问题模板。在尊重贡献者方面，即使不合并PR，也要留下评论说明原因，这是对贡献者时间和热情的尊重。&lt;/p&gt;
&lt;p&gt;&lt;a href=&quot;/static/images/bookgems/tech-mgmt-3.webp&quot; title=&quot;查看原图&quot;&gt;&lt;img src=&quot;/static/thumbnails/6d819276d8cd2f979456ae59.webp&quot; alt=&quot;跨团队协作&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;960&quot; height=&quot;1280&quot;&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;优先级管理是技术管理者的核心技能，宏观上用价值观对齐日程，微观上拆解任务先做小的拿正反馈。OKR要遵循70%成功原则，不用追求满打满算，太保守的目标没有任何意义。书中用两章篇幅讲优先级规划，宏观层面的核心问题是决策疲劳——日常中无数的决策和任务优先级判断，会消耗认知能力，导致做出不理智选择。对策是建立宏观规划体系，避免每周重复琐碎决策。价值观导向的优先级设定策略包括：坦诚面对价值观，投入精力的地方就是价值观的体现；季度网格练习，设立四个象限将任务归入，观察任务覆盖的象限数量。日常工作的优先级规划则包括：全面梳理任务，复杂任务拆解，先做紧急的小任务和能迅速搞定的小任务，快速获得成就感，释放多巴胺，保持工作热情和动力。&lt;/p&gt;
&lt;p&gt;&lt;a href=&quot;/static/images/bookgems/tech-mgmt-4.webp&quot; title=&quot;查看原图&quot;&gt;&lt;img src=&quot;/static/thumbnails/fb945eb7cf58b7f0a725d997.webp&quot; alt=&quot;优先级规划&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;960&quot; height=&quot;1280&quot;&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;给反馈记住一个黄金准则：公开赞美，私下反馈。别当着全团队的面挑人毛病，也别吝啬在公开场合肯定成员的贡献，具体的反馈永远比空泛的评价有用。书中第11章专门讲提供反馈，虽然没有一成不变的规则，但有一些值得参考的指导原则：重拾心态，在提供反馈之前，先思考一下这个人现在的心态是否适合获取反馈，你自己的心态又是否适合进行这场对话；及时反馈，最好在事件发生后尽快给出反馈；选择适合对方的方式；保持对话开放；结合自身经历，给出具体的反馈；如果能明确指出具体有哪些地方可以改进以及为什么要改进，反馈会更有帮助；将反馈与价值观和目标联系起来。一对一会议也是反馈的重要场合，核心价值在于让交谈的双方更加明确彼此的意图，减少工作中的不确定性与误解。&lt;/p&gt;
&lt;p&gt;&lt;a href=&quot;/static/images/bookgems/tech-mgmt-5.webp&quot; title=&quot;查看原图&quot;&gt;&lt;img src=&quot;/static/thumbnails/9b5c5e05c3a87b5929741528.webp&quot; alt=&quot;给反馈&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;960&quot; height=&quot;1280&quot;&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;最后想跟所有管理者说，设定边界不是自私，是对自己和团队负责。你连自己的时间和精力都照顾不好，怎么可能撑得起整个团队的发展？大家加油！书中第22章专门讲设定边界，核心认知是设定边界不是自私，而是保护团队与自我。帮助他人容易过度付出，牺牲自身利益；不设边界会导致无法践行价值观，也无法真正支持团队；照顾好自己，才是照顾好团队的最好方法。学会适时拒绝，避免承诺过载，不自觉地承诺过多会导致沉重压力和疲惫。拒绝技巧包括：不必立即答复，可深思熟虑后再决定，设定答复期限；在他人初次提出请求时就明确拒绝，避免后续麻烦。应对会议繁多的策略包括：勇敢取消无价值的会议，降低会议频率；明确期望，提议&quot;两周开一次会，问题用邮件解决&quot;等方式。&lt;/p&gt;
&lt;p&gt;&lt;a href=&quot;/static/images/bookgems/tech-mgmt-6.webp&quot; title=&quot;查看原图&quot;&gt;&lt;img src=&quot;/static/thumbnails/c3988042c2c9e3fb45315b2b.webp&quot; alt=&quot;设定边界&quot; loading=&quot;lazy&quot; decoding=&quot;async&quot; width=&quot;960&quot; height=&quot;1280&quot;&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;另外，感谢图灵出版的英子给我寄来的新书，我是看着图灵的各种书籍走上了技术的道路，相信大家都身有同感。接下来我也会分享各类新书。&lt;/p&gt;</content:encoded><category>书评</category><category>技术管理</category><category>职场</category><category>团队</category><author>wdxtub@gmail.com</author></item><item><title>【影评】027 飞驰人生3，中年热血番</title><link>https://wdxtub.com/blog/movie/movie-027</link><guid isPermaLink="true">https://wdxtub.com/blog/movie/movie-027</guid><description>春节观影计划里的《飞驰人生3》：追逐一个梦想、一个好的团队、野生车手绝地反击。有笑点有燃点，推荐去看。</description><pubDate>Wed, 18 Feb 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;&lt;img src=&quot;/static/images/movie/movie-027.webp&quot; alt=&quot;飞驰人生3&quot; loading=&quot;eager&quot; decoding=&quot;async&quot; fetchpriority=&quot;high&quot; width=&quot;768&quot; height=&quot;1024&quot;&gt;&lt;/p&gt;
&lt;p&gt;今年的春节的观影计划有两部，一部是我自己想看的《飞驰人生3》，另一部是娃要看的《熊出没》。&lt;/p&gt;
&lt;p&gt;对于难得可以放松的假期，我一向喜欢有笑点有燃点也能打动我的故事：追逐一个梦想，一个好的团队，野生车手绝地反击。&lt;/p&gt;
&lt;p&gt;推荐大家去看！&lt;/p&gt;</content:encoded><category>影评</category><category>电影</category><category>热血</category><category>春节</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】04 看后视镜做不到第一名</title><link>https://wdxtub.com/blog/aitalk/aitalk-04</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-04</guid><description>冲到 CivitAI 全球新人榜第一之后才明白：让大模型分析榜单来定方向，看到的只是过去；想拿第一只能 all in 自己认定的方向。顺便算清了一笔账——卖 Token 是真不挣钱。</description><pubDate>Sun, 15 Feb 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;首先祝大家新春快乐，给大家拜个早年！&lt;/p&gt;
&lt;p&gt;25年底，随着Z-Image Turbo（后文简称 ZIT）的发布，我参与了开源社区轰轰烈烈的大炼丹运动，冲到了CivitAI 全球新人榜的第一名，全站排行榜第29名。截至目前，我发布了18个模型，下载超过2.5 万次，在线生成超过 1.2 万张图片。&lt;/p&gt;
&lt;p&gt;&lt;img src=&quot;/static/images/aitalk/aitalk-04-1.webp&quot; alt=&quot;CivitAI 首页&quot; loading=&quot;eager&quot; decoding=&quot;async&quot; fetchpriority=&quot;high&quot; width=&quot;1071&quot; height=&quot;460&quot;&gt;&lt;/p&gt;
&lt;p&gt;有名次当然好，但其实最有价值的是在冲榜的过程中真正参与到大模型的供给生态中。参与之后才发现看在岸边看风景和下水游泳是完全两码事，看风景固然云淡风轻，但到中流击水才更有挑战。想写这篇文章其实已经很长时间了，终于在年前才有了一些空余时间。那么我们就开始这篇迟到了一个多月的文章吧。&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id=&quot;经验一完成最重要先发了再说&quot;&gt;经验一：完成最重要，先发了再说&lt;a class=&quot;heading-link&quot; href=&quot;#经验一完成最重要先发了再说&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;最开始是在 reddit 上看到有人分享自己做的训练工具，对比了几个之后找了一个可以在 mac 上运行的工具，但 120 分钟一轮，一般要 3000 轮，直接把我的本地训练梦想劝退。于是再多放对比云 GPU 的租用，惊人的发现一张两万多的显卡，租一个小时居然不到 2.5 元，而训练一轮则仅仅需要 1.5 分钟。差不多 100 倍的提升，让我真切感受到了英伟达的护城河。&lt;/p&gt;
&lt;p&gt;经过几次尝试，终于训练出来了我的第一个&quot;能用&quot;的模型。按照我原来的风格，肯定要做到自己基本满意才发布，但是这次决定先看看社区的反馈。发了之后，收到了更多不同人的反馈，使得我更加明确优化的方向和市场的需求。现在想想，这一点真的非常重要，大模型一定要多收集真实有效的反馈。&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id=&quot;经验二第二和第一的差距是无限大&quot;&gt;经验二：第二和第一的差距是无限大&lt;a class=&quot;heading-link&quot; href=&quot;#经验二第二和第一的差距是无限大&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;在 ZIT 发布之前，社区基本都还在用 SDXL 作为基模，至少我就被标签方式的提示词折磨得死去活来。大家都在期盼一个能够用自然语言进行描述的文生图模型，因此 ZIT 模型一发布，社区热情高涨，大家直呼 SDXL 后继有人！&lt;/p&gt;
&lt;p&gt;因此在 ZIT 不断受到更多人关注的同时，我做的微调也跟着水涨船高。某天我发现 CivitAI 有排行榜，更神奇的是我的试水模型居然有名次。看着排行榜前面来自不同国家的 ID，冲到第一的想法居然在我脑海里涌现了出来。&lt;/p&gt;
&lt;p&gt;说干就干，在第一个微调上尝试了各种技巧，足足训练了 20 多个版本之后，我开始通过标准化来释放产能。借助 Vibe Coding 直接做了一个数据采集及标注的产品，最终做到了训练模型 A、准备模型 B 的数据集、再寻找模型 C 的灵感。&lt;/p&gt;
&lt;p&gt;模型训练就在北京时间十点前发布，这样刚好可以赶上北美用户的集中时段。当然也少不了找最能体现模型效果的图片做案例展示，首先得把用户吸引进来嘛。接着就是根据用户的点赞和下载量来决定是否需要迭代了。&lt;/p&gt;
&lt;p&gt;就这样，在发布了差不多十个模型之后，我的分数来到了全球新人榜的第二名，并以固定的速度在缩小和第一名的差距。正当我以为可以登顶的时候，我直接被第三名给反超了，而且一下还被拉开了不小的差距。&lt;/p&gt;
&lt;p&gt;这个时候内心就有两种声音：一个说&quot;放弃吧，第二名已经很不错了&quot;，另一个说&quot;就差一点了，为什么不再努力一下呢&quot;。恰逢周末，感谢阿宝仔的支持，我可以花更多的时间投入到模型训练中：周六重新回到第二名，周日一天发了 4 个模型，终于在周一早上八点排行榜刷新的时候，冲上了第一名。&lt;/p&gt;
&lt;p&gt;有意思的是，这之后我就一直占据新人榜的第一，再也没有被挤下来，直到我不再满足&quot;新人&quot;的标准（发第一个模型的 30天内）。&lt;/p&gt;
&lt;p&gt;第二名固然很好，但第一名意味着勇气、坚持、效率、心力的超越。现在回过头去想，如果当时没有顶住那一口气，也就没有第一，也不会有这篇文章了。&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id=&quot;经验三看后视镜做不到第一名&quot;&gt;经验三：看后视镜做不到第一名&lt;a class=&quot;heading-link&quot; href=&quot;#经验三看后视镜做不到第一名&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;当树立了拿下新人榜第一的目标之后，微调方向的选取的标准，就从&quot;我喜欢什么&quot;，变成&quot;大家喜欢什么&quot;。&lt;/p&gt;
&lt;p&gt;为了验证大模型数据分析对实际业务的有效性，我专门花了一些时间做了 CivitAI 不同模型的榜单和头部创作者信息的采集，并让各种大模型据此给我推荐可能的方向。有了大量数据之后，大模型的分析可谓是头头是道，有理有据令人信服，但都没有脱离数据本身的范围。&lt;/p&gt;
&lt;p&gt;为了实际验证，我做了大模型最推荐的两个微调方向，结果两个都扑街，没有一点水花。&lt;/p&gt;
&lt;p&gt;看着不同大模型一本正经给出建议的时候，我的内心就充满了怀疑。基于榜单和详情数据，真的可以这么简单的复刻成功吗？&lt;/p&gt;
&lt;p&gt;答案是否定的：&lt;strong&gt;看着领先者的后视镜，看到的是过去。想要冲到第一，要 all in 自己认定的方向。&lt;/strong&gt;&lt;/p&gt;
&lt;p&gt;大海航行靠舵手，方向的问题绝不能交给大模型，再强大也不行。那些看起来超超超合理的建议，不过是概率最大的套话，也可能是蓄意的奉承讨好。真正好的信息一定是稀缺的，是有极强时效性的，甚至可能是反模式的。&lt;/p&gt;
&lt;p&gt;当然，这并不是说看后视镜没用，前期还是很有用的，至少追赶时候的方向不会错。但是真的到了争第一的时候，就是狭路相逢勇者胜，犹豫就会败北，想干就要快干。&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id=&quot;经验四卖token是真不挣钱大模型供给最重要的就是验证财务上的可行性&quot;&gt;经验四：卖Token是真不挣钱，大模型供给最重要的就是验证财务上的可行性&lt;a class=&quot;heading-link&quot; href=&quot;#经验四卖token是真不挣钱大模型供给最重要的就是验证财务上的可行性&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;虽然我看到过无数的文章说卖 Token 不挣钱，但有多不挣钱，不自己做一下是很难有切身体会的。&lt;/p&gt;
&lt;p&gt;在 CivitAI 上，我的模型被使用 1.2 万次后，我能拿到的创作者分成是：&lt;strong&gt;不到 7 美元&lt;/strong&gt;，这四舍五入等于没有。&lt;/p&gt;
&lt;p&gt;当然，随着拿到新人榜的第一名，ZIT 模型榜的第三名，私信里陆陆续续会有一些找我定制微调模型的需求，但这些也很难带来稳定的收益。&lt;/p&gt;
&lt;p&gt;这说实话让我有些绝望，既然大模型应用的本质是卖 Token，而卖 Token 又只是亏钱，那么怎么样才能真的找到财务上的可行性呢？&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id=&quot;结语&quot;&gt;结语&lt;a class=&quot;heading-link&quot; href=&quot;#结语&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;拿第一好，很多东西瞬间就通透，希望在新的一年里，我能继续超越自己，也让我的朋友，我的团队能够更上一层楼。&lt;/p&gt;</content:encoded><category>AI</category><category>Talk</category><category>大模型</category><category>微调</category><category>创业</category><author>wdxtub@gmail.com</author></item><item><title>【数码】001 2026 为什么我看好阔折叠</title><link>https://wdxtub.com/blog/device/device-001</link><guid isPermaLink="true">https://wdxtub.com/blog/device/device-001</guid><description>足够的屏幕宽度是思考深度的必要条件：屏幕够宽才容易进入状态，回车斩杀线才够长。而阔折叠恰好解开了手机握持与写作体验之间的矛盾。</description><pubDate>Sat, 14 Feb 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;最近换了一台小屏性能手机，这台设备舍弃了拍照，换来了性能和大电池，更小的尺寸和更小的宽度使得单手握持非常舒适。&lt;/p&gt;
&lt;p&gt;但是当我需要在手机上做一些文字编辑工作的时候，更窄的屏幕意味着每行的字数减少，同样减少的还有我思维的带宽。于是我得出一个猜想：&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;&lt;strong&gt;核心猜想&lt;/strong&gt;&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;足够的屏幕宽度是思考深度的必要条件（但不是充分条件）。&lt;/strong&gt;&lt;/p&gt;
&lt;/blockquote&gt;
&lt;h2 id=&quot;屏幕宽度与写作体验&quot;&gt;屏幕宽度与写作体验&lt;a class=&quot;heading-link&quot; href=&quot;#屏幕宽度与写作体验&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;今年之前，但凡我需要做长文的写作，如果没有电脑，基本上只能在手机列个提纲。就我自己的体验来说，每一次换行都像在叠加斩杀计数，在达到某个值之前，对我的思路只有轻微的影响，但一旦达到斩杀线，思如泉涌的状态就被斩杀，往后的每一句话都很艰难。&lt;/p&gt;
&lt;p&gt;对于习惯了电脑写作的我来说，我的回车斩杀线的数值是基于电脑屏幕的16:10设定的。换成9:16甚至9:18的手机屏幕，基本上只能坚持140个字了（一条微博的字数）。&lt;/p&gt;
&lt;p&gt;当然，现在因为语音输入法效果和体验的大幅提升，我可以一边说一边写，但终究不适合相对书面和正式的写作。换句话说，写写公众号和随笔可以，但要比较系统和有逻辑的阐述一个想法，手机屏幕对于我来说还是限制太大。&lt;/p&gt;
&lt;h2 id=&quot;横屏的问题&quot;&gt;横屏的问题&lt;a class=&quot;heading-link&quot; href=&quot;#横屏的问题&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;当然我也可以选择把手机屏幕横过来，这样就变成了16:9或者18:9。但这样的问题在于，宽度够了，高度又不够。&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;&lt;strong&gt;屏幕与思考&lt;/strong&gt;&lt;/p&gt;
&lt;p&gt;一个屏幕上显示的内容，实际上就是人脑中上下文的一级缓存。这个缓存太小，同样有问题。&lt;/p&gt;
&lt;/blockquote&gt;
&lt;h2 id=&quot;阔折叠的解决方案&quot;&gt;阔折叠的解决方案&lt;a class=&quot;heading-link&quot; href=&quot;#阔折叠的解决方案&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;所以第一代阔折叠出现的时候，我是非常心动的，通过折叠解决了屏幕宽度过大，不好握持的问题。&lt;/p&gt;
&lt;p&gt;打开之后横屏过来，16:10的比例也非常接近电脑的写作体验。结合我现在的工作流程，左边是文档，右边是Agent交互界面。真的就是我的梦中情机。&lt;/p&gt;
&lt;p&gt;当然，大折叠也可以做到，但展开后接近1:1的比例和半斤的重量都让我有点难受（现在很多裸机可以做到210克左右，但实际上带上保护套之类的也是往半斤靠了）。&lt;/p&gt;
&lt;h2 id=&quot;2026年的期待&quot;&gt;2026年的期待&lt;a class=&quot;heading-link&quot; href=&quot;#2026年的期待&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;根据网上的消息，今年苹果和华为都会出这个比例的折叠屏。OPPO第一代折叠的比例我是很喜欢的，不过后面也越做越大，希望今年能有一个思路的变化。vivo则暂时没有听到什么消息。&lt;/p&gt;
&lt;p&gt;现在我们家集齐了果华米OV耀的手机，希望今年各家能端上来一桌好菜。我今天早上&lt;/p&gt;</content:encoded><category>数码</category><category>手机</category><category>折叠屏</category><category>写作</category><author>wdxtub@gmail.com</author></item><item><title>【成长】001 2026 最值得培养的三项能力</title><link>https://wdxtub.com/blog/essay/growth-001</link><guid isPermaLink="true">https://wdxtub.com/blog/essay/growth-001</guid><description>2026 年最值得培养的三项能力：讲故事、沟通、评审。三者都靠实践和阅读慢慢积累，AI 越强，这几项能力带来的差距越大。</description><pubDate>Fri, 13 Feb 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;快要过年了，在这里继续给大家拜个早年。顺着昨天的猜想，今天我们来聊聊2026，我个人认为最值得培养的三项能力。&lt;/p&gt;
&lt;h2 id=&quot;能力一故事能力&quot;&gt;能力一：故事能力&lt;a class=&quot;heading-link&quot; href=&quot;#能力一故事能力&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;大部分我感兴趣的艺术形式，其实本质上都是故事。当然，故事也是分大小的：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;KB级&lt;/strong&gt;的是小说&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;MB级别&lt;/strong&gt;的是漫画&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;GB级&lt;/strong&gt;的是电影电视剧短剧&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;TB级&lt;/strong&gt;的现在因为存储的缘故还没有出现，但是我个人认为会是游戏&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;还记得我高中时候的梦想就是做一个能在全球卖掉100万份的游戏。真正自己尝试制作游戏，发现仅靠编程实际上只能做一些像俄罗斯方块啊、贪吃蛇这样的规则类游戏。如果想要做一个故事性强的游戏，那么就需要有大量的创作：文字的创作、图片的创作、视频的创作。&lt;/p&gt;
&lt;p&gt;这些在大模型出现之前，对我来说是不能想象的。而如今鹏鹰在手，却发现找到苍龙在哪里才是最难的。&lt;strong&gt;如何讲好吸引人的故事，这个问题没有标准答案。&lt;/strong&gt; 唯一知道的是，好的故事可以让人投入和沉浸其中。它不一定仅仅是娱乐。也可以是事业。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;怎么锻炼故事能力呢？&lt;/strong&gt; 我现在找到的做法就是通过讲故事来锻炼讲故事的能力。如果一个完整的故事太大，那可以通过讲开头来锻炼讲开头的能力。&lt;/p&gt;
&lt;h2 id=&quot;能力二沟通能力&quot;&gt;能力二：沟通能力&lt;a class=&quot;heading-link&quot; href=&quot;#能力二沟通能力&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;大模型之所以不能替代人，最核心的就是人类实际上不能精准描述自己的需求。而且在需求的表达和接收过程中会出现各种的&lt;strong&gt;信息丢失&lt;/strong&gt;和&lt;strong&gt;信息偏离&lt;/strong&gt;。在我看来，从最开始的提示词工程，到现在的上下文工程，实际上都是在想要通过工程的方式来精准描述自己想要表达的意思。&lt;/p&gt;
&lt;p&gt;当我遇到大模型不能理解我想要的东西的时候，我会继续和大模型讨论我的表达有哪些问题，使得大模型没有准确理解。一方面，大模型本身的智能在不断提升。另一方面，我们自身去和大模型沟通的能力也需要不断提升。&lt;/p&gt;
&lt;p&gt;和大模型沟通是容易的，因为并不太需要去考虑大模型的情绪，也不需要考虑措辞。但是在和人沟通的时候，这一点就变得尤为重要。&lt;strong&gt;人和人之间的沟通是带角色的&lt;/strong&gt;：你是一个leader还是一个队员？你是一个长辈还是一个晚辈？这些不同的角色实际上在不同的场景下决定了要说什么以及怎么说。&lt;/p&gt;
&lt;p&gt;我曾不止一次地被教导：&lt;strong&gt;管理的所有工作就是沟通。&lt;/strong&gt; 更进一步，随着工程能力和文档能力被大模型逐步地内化，可以说在未来协作的所有工作也是沟通。这意味着会沟通的人会有更大的影响力和更强的交付能力。&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;这里的交付不指的是交一份作品，而是完成一件事，比如筹备一场婚礼，组织一次跨城的团建等等。这是未来最难被替代的能力。&lt;/p&gt;
&lt;/blockquote&gt;
&lt;h2 id=&quot;能力三评审能力&quot;&gt;能力三：评审能力&lt;a class=&quot;heading-link&quot; href=&quot;#能力三评审能力&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;相信大家不止一次地在网上冲浪的时候看到，品味在未来会变得非常重要。品味这个词说实话有点抽象，所以我一般把它翻译成&lt;strong&gt;给不同的事物评价和打分的能力&lt;/strong&gt;。也就是说，需要能够判断：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;什么好、为什么好、怎么样能更好&lt;/li&gt;
&lt;li&gt;什么是真的、有多少是真的、怎样去交叉验证这是真的&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;现在大模型都有幻觉，如果无法判断和修正这些幻觉，就意味着时间上和成本上浪费。让我举个简单的例子：一个熟练掌握前端技术本质的高级工程师，可以很快的指导大模型写出它想要的代码。但对于一个后端工程师来说，很可能会因为一两个极小的错误而浪费大量的token，最终只能一次又一次地让大模型抽代码盲盒。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;评审能力的高低，实际上对应的是对一个事情本质理解的深入程度。&lt;/strong&gt; 软件工程在这个时代会占据越来越重要的地位，并且也会有新的发展。因为实现这个工程的主体变成了AI，而不是人。&lt;/p&gt;
&lt;p&gt;顺着这个逻辑去推论，想要提升在任何一个领域的评审能力，就要去阅读这个领域的经典巨作。这里的阅读是和AI一起去更加深入地把书读薄，再通过具体的实践把书读厚。&lt;/p&gt;
&lt;hr&gt;
&lt;p&gt;好了今天就到这里，我去打怪练级了。&lt;/p&gt;</content:encoded><category>成长</category><category>能力培养</category><category>2026</category><category>沟通</category><author>wdxtub@gmail.com</author></item><item><title>【AI Talk】03 小土刀的AI猜想2026</title><link>https://wdxtub.com/blog/aitalk/aitalk-03</link><guid isPermaLink="true">https://wdxtub.com/blog/aitalk/aitalk-03</guid><description>2026 年的三个猜想：vibe reporting 会在 2028 年前后爆发、研发团队的未来是台积电、信息隐藏率才是 AI 产出价值的底层瓶颈。</description><pubDate>Thu, 12 Feb 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;熟悉我的朋友都知道，从2023年开始，我们就在做AI相关的数据监测。转眼之间，年份翻到了2026，值此新年之际，给大家拜个早年。&lt;/p&gt;
&lt;p&gt;言归正传，做数据监测和分析是非常有意思的事情。这个其实分两个层面来看：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;
&lt;p&gt;&lt;strong&gt;第一层有意思&lt;/strong&gt;：在这个充满数据的世界，用不同的数据来建模、验证、测算、评估乃至到预测，实际上是一个非常有挑战性的工作。因为不同的数据有不同的统计口径，怎么把来自不同设备、不同平台、不同时间、不同人群、不同地域的数据汇总，并得到合理的结果，这个事情本身就可以看作是统计数学在应用上的皇冠。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;&lt;strong&gt;第二层有意思&lt;/strong&gt;：在AI的浪潮中，虽然我们的角度是站在空中去客观地观察，但为了要得到更加准确的预估，我们其实需要大量地去研究行业、研究产品、预估未来可能的趋势。看惯了社交媒体上每天都&quot;炸裂&quot;的新技术，习惯于越来越陡峭的花几十亿砸出来的增长曲线，突然就很想抛开所谓的客观和科学，想聊一聊我自己对于产品和行业的看法猜想。&lt;/p&gt;
&lt;/li&gt;
&lt;/ol&gt;
&lt;blockquote&gt;
&lt;p&gt;注：本文是我一边口述，一边用AI输入法整理的。&lt;/p&gt;
&lt;/blockquote&gt;
&lt;hr&gt;
&lt;h2 id=&quot;猜想一vibe-coding-之后的下一个高地是-vibe-reporting&quot;&gt;猜想一：Vibe Coding 之后的下一个高地是 Vibe Reporting&lt;a class=&quot;heading-link&quot; href=&quot;#猜想一vibe-coding-之后的下一个高地是-vibe-reporting&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;可能是因为我的工作中大量接触到报告、方案、归因，从最开始火了又沉寂的Deep Research，到现在的各种报告、解决方案，我基本上每一个都深度用过。结论很残酷，就是都不行。&lt;/p&gt;
&lt;p&gt;最终的产出实际上会有一个最核心的问题：&lt;strong&gt;当你不懂这个行业的时候，你觉得他说的都对；当你一懂这个行业，你就觉得他是在讲笑话&lt;/strong&gt;。仿佛回到了之前听各种知识付费的演讲，还有各种大V的内容的感觉。道理其实是一样的，没有调研就没有发言权，只是信息的整理，缺乏实践的指引，实际上产出不了有指导意义的内容。&lt;/p&gt;
&lt;p&gt;我们当然可以用AI去给出那些看起来合理，但是逻辑和叙事都有漏洞甚至互相矛盾的草稿。但是这样做的意义又有多大呢？&lt;/p&gt;
&lt;h3 id=&quot;信息隐藏率&quot;&gt;信息隐藏率&lt;a class=&quot;heading-link&quot; href=&quot;#信息隐藏率&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;如果说AI编程的信息隐藏率是&lt;strong&gt;20%&lt;strong&gt;的话，那么AI分析的信息隐藏率可能会达到&lt;/strong&gt;60%&lt;/strong&gt;，这是阻碍AI真正产出有价值内容的最底层的逻辑。&lt;/p&gt;
&lt;p&gt;那么什么是信息隐藏率呢？简单一点说，就是在一个任务的完整的信息上下文中，有哪些部分是AI获取或推断不了的。&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;
&lt;p&gt;&lt;strong&gt;代码本身&lt;/strong&gt;就代表了架构和思路，这些是大模型可以很好去学习的。唯一隐藏的部分就是团队内部的讨论、需求的沟通，这些也可以通过文字的描述去尽可能地还原。&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;&lt;strong&gt;报告&lt;/strong&gt;本身实际上极致压缩了过程信息。已经丢失的内容，大模型只能按照它训练中见到的数据去反推，这也就代表着，它只能应付最常见的情况。&lt;/p&gt;
&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;遗憾的是，大家想要花钱去解决的是那些不常见的问题，常见的问题很可能是免费就可以解决了。&lt;/p&gt;
&lt;p&gt;按照今年AI编程的进化速度，整个行业一年大概能抹平&lt;strong&gt;10%~15%&lt;strong&gt;的信息隐藏率。因此，我预测在&lt;/strong&gt;2028年左右&lt;/strong&gt;，vibe reporting会迎来爆发。&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id=&quot;猜想二研发团队的未来是台积电最终扭转微笑曲线&quot;&gt;猜想二：研发团队的未来是台积电，最终扭转微笑曲线&lt;a class=&quot;heading-link&quot; href=&quot;#猜想二研发团队的未来是台积电最终扭转微笑曲线&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;所谓&lt;strong&gt;微笑曲线&lt;/strong&gt;，就是在一个供应链的两头利润最高——比如提供原料的和最终直接面向消费者去销售的，才能拿到最大的利润，中间加工环节实际上只能赚取微薄的利润。&lt;/p&gt;
&lt;p&gt;中国的软件行业和SaaS实际上就在微笑曲线中挣扎。这种情况其实一直以来让我感到很郁闷。也有一些说法认为美国的SaaS可以挣很多钱，是中国的SaaS没做好。我认为这样说的人，要么是蠢，要么是坏。&lt;strong&gt;国内国外的核心差别在于，一个吃人，一个不吃人&lt;/strong&gt;。&lt;/p&gt;
&lt;p&gt;那么在科技领域有没有一个行业是微笑曲线反转的呢？你别说，还真有——&lt;strong&gt;芯片制造&lt;/strong&gt;就是一个很好的例子。谁的制程精度更高，谁就有更高的议价权，谁就能拿走最多的利润。&lt;/p&gt;
&lt;p&gt;那么在编程能力用Token计价之后，实际上工程架构就变成了一个高精度的制程问题：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;谁能用更少的Token得到更准确的结果&lt;/li&gt;
&lt;li&gt;谁的良品率更高&lt;/li&gt;
&lt;li&gt;谁的品控更稳定&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;谁就能为自己的产能定价。&lt;/p&gt;
&lt;p&gt;一定要选择上限更高的技术路线，因为工程能力会不断提升。但是路线选错了，就像被智子锁死了科技。当然，这是一个动态博弈的过程，首先需要通过领先的工艺挣到钱，才能发展下一代。&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id=&quot;猜想三社媒平台会两极分化要么是全ai生成的要么是全真人发的&quot;&gt;猜想三：社媒平台会两极分化，要么是全AI生成的，要么是全真人发的&lt;a class=&quot;heading-link&quot; href=&quot;#猜想三社媒平台会两极分化要么是全ai生成的要么是全真人发的&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;大模型带来的内容生产的爆发式增长，会使得平台的流量完全不够分。那么对于平台来说，就有两个终极办法：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;版本回退&lt;/strong&gt;：回退到之前没有AIGC的模式&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;版本飞升&lt;/strong&gt;：直接飞升到全是AIGC的模式&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;这个情况现在其实已经在各种小说平台发生了，扩散到短视频平台和社媒平台只是迟早的事情。&lt;/p&gt;
&lt;p&gt;但这个事情的影响很大吗？也没有那么大，因为本质上背后都还是人，最终优质的创作者还是会流向收益最高的平台。&lt;/p&gt;
&lt;p&gt;对于创作者来说，一定要去观察平台本身的动作，这决定了这个平台到底能有多少商业价值。&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id=&quot;结语&quot;&gt;结语&lt;a class=&quot;heading-link&quot; href=&quot;#结语&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;新的一年，每个人都应该尝试创作自己的作品。&lt;/p&gt;
&lt;p&gt;世界的聚光灯就好像演唱会的灯光抽奖一样：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;首先你要去看演唱会&lt;/li&gt;
&lt;li&gt;其次灯光刚好要照到你在的区域&lt;/li&gt;
&lt;li&gt;最后在照到这个区域的时候，要站起来吸引注意力&lt;/li&gt;
&lt;/ol&gt;</content:encoded><category>AI</category><category>Talk</category><category>猜想</category><category>2026</category><category>行业观察</category><author>wdxtub@gmail.com</author></item><item><title>【论文笔记】019 Enabling Personalized Long-term Interactions in LLM-based Agents through Persistent Memory and User Profiles</title><link>https://wdxtub.com/blog/paper/paper-019</link><guid isPermaLink="true">https://wdxtub.com/blog/paper/paper-019</guid><description>通过将六种代理型AI模式（如多代理协作、持久性记忆等）与动态演进的用户画像相结合，提出了一个能同时满足适应性、一致性和定制化需求的框架，显著提升了大语言模型代理在长期交互中的个性化水平。</description><pubDate>Wed, 14 Jan 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;论文发表时间：2025-10-09&lt;/p&gt;
&lt;h2 id=&quot;快速定位核心&quot;&gt;快速定位核心&lt;a class=&quot;heading-link&quot; href=&quot;#快速定位核心&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;现在的 AI 助手虽然功能强大，但往往&quot;转头就忘&quot;，无法根据每个用户的独特习惯和长期历史进行调整，导致交互体验显得生硬且千篇一律。这篇论文开发了一套新系统，相当于给 AI 装备了一个&lt;strong&gt;具有&quot;长期记忆&quot;的大脑&lt;/strong&gt;和一份&lt;strong&gt;动态更新的&quot;个人档案&quot;&lt;/strong&gt;。&lt;/p&gt;
&lt;p&gt;它不再只是简单地抓取信息，而是通过&lt;strong&gt;多个专门的 AI 角色分工协作&lt;/strong&gt;（有的负责记忆、有的负责核实、有的负责优化语气），让 AI 能够像老朋友一样，随着交流的深入，越来越精准地理解你的偏好、工作背景和沟通风格，从而在长期的互动中提供真正&lt;strong&gt;量身定制的智能服务&lt;/strong&gt;。&lt;/p&gt;
&lt;h2 id=&quot;理解问题与方法&quot;&gt;理解问题与方法&lt;a class=&quot;heading-link&quot; href=&quot;#理解问题与方法&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文主要研究如何通过&lt;strong&gt;持久化记忆（Persistent Memory）和用户画像（User Profiles）&lt;/strong&gt;，在基于大语言模型（LLM）的智能体中实现&lt;strong&gt;个性化的长期交互&lt;/strong&gt;。&lt;/p&gt;
&lt;h3 id=&quot;研究的必要性与重要性&quot;&gt;研究的必要性与重要性&lt;a class=&quot;heading-link&quot; href=&quot;#研究的必要性与重要性&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者认为该问题值得研究的原因如下：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;当前系统的局限性：&lt;/strong&gt; 现有的AI智能体通常是静态且特定于任务的，缺乏个性化能力，无法保留和利用过去的交互数据，导致回复与用户需求不符，引发用户挫败感。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;提升用户体验：&lt;/strong&gt; 个性化被视为智能代理的下一个关键步骤，能够提高系统的一致性、适应性和上下文感知能力，从而增强&lt;strong&gt;用户的接受度、参与度和交互质量&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;技术实现空白：&lt;/strong&gt; 尽管个性化在人机交互等领域已有研究，但大多停留在概念层面，缺乏将概念转化为具体系统技术要求的实现方案。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;核心研究方法与关键步骤&quot;&gt;核心研究方法与关键步骤&lt;a class=&quot;heading-link&quot; href=&quot;#核心研究方法与关键步骤&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者提出了一个&lt;strong&gt;集成六种代理AI模式（Agentic AI Patterns）的框架&lt;/strong&gt;（包括中央协调、规划、多源检索、多智能体协作、反思和持久化记忆），以解决个性化问题。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;关键步骤描述如下：&lt;/strong&gt;&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;推导技术需求：&lt;/strong&gt; 基于统一的个性化定义，推导出系统实现所需的三大核心需求：&lt;strong&gt;适应性、一致性和定制化响应&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;构建多智能体协作流：&lt;/strong&gt; 设计由&lt;strong&gt;协调员（Coordinator）&lt;/strong&gt;、&lt;strong&gt;操作员（Operator）&lt;/strong&gt;、&lt;strong&gt;自我验证器（Self-Validator）&lt;/strong&gt; 和&lt;strong&gt;响应生成器（Response Generator）&lt;/strong&gt; 组成的架构，根据任务复杂度动态调整检索策略并进行自我纠错。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;建立持久化存储模块：&lt;/strong&gt; 开发包括&lt;strong&gt;短期记忆（STM）&lt;/strong&gt;、&lt;strong&gt;长期记忆（LTM）&lt;/strong&gt;、&lt;strong&gt;对话摘要&lt;/strong&gt;以及&lt;strong&gt;动态用户画像&lt;/strong&gt;的存储系统，确保信息跨会话的一致性和持续演进。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;多维度评估：&lt;/strong&gt; 首先在三个公开数据集上进行&lt;strong&gt;合成评估&lt;/strong&gt;，对比检索准确率和响应正确性；随后进行为期五天的&lt;strong&gt;试点用户研究&lt;/strong&gt;，以获取用户对个性化感知的真实反馈。&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id=&quot;聚焦核心发现&quot;&gt;聚焦核心发现&lt;a class=&quot;heading-link&quot; href=&quot;#聚焦核心发现&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;根据提供的来源，这篇论文最核心的研究发现可以概括为以下三点：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;性能显著超越基线：&lt;/strong&gt; 在合成数据集评估中，该代理框架在&lt;strong&gt;检索准确率（最高提升20%）&lt;strong&gt;和&lt;/strong&gt;响应正确性&lt;/strong&gt;方面均显著优于标准的检索增强生成（RAG）基线，证明了其处理长期交互的有效性。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;用户画像的关键作用：&lt;/strong&gt; 消融实验表明，&lt;strong&gt;用户画像（User Profile）&lt;/strong&gt; 对系统性能至关重要；移除它会导致检索准确率下降高达7%，并降低响应的针对性，这证明了显性用户建模对生成个性化回复的必要性。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;用户感知的高度认可：&lt;/strong&gt; 试点用户研究证实，系统&lt;strong&gt;记忆过去对话的能力&lt;/strong&gt;是用户感知个性化的核心要素，用户认为这种持续性让交互随时间推移变得更加自然和&quot;以用户为中心&quot;。&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id=&quot;理解意义与价值&quot;&gt;理解意义与价值&lt;a class=&quot;heading-link&quot; href=&quot;#理解意义与价值&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;作者通过将实验发现与个性化理论相结合，深入阐释了这些结果的意义，并指出了该研究对人工智能领域的学术与实践贡献。&lt;/p&gt;
&lt;h3 id=&quot;1-对核心发现意义的解释&quot;&gt;1. 对核心发现意义的解释&lt;a class=&quot;heading-link&quot; href=&quot;#1-对核心发现意义的解释&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者认为，实验结果证明了&lt;strong&gt;个性化并非一种静态的功能，而是一个由持续交互驱动的动态演化过程&lt;/strong&gt;。&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;超越简单检索：&lt;/strong&gt; 核心发现表明，单纯的记忆检索不足以实现个性化；系统必须能够通过&lt;strong&gt;用户画像&lt;/strong&gt;将零散的交互数据转化为稳定的用户模型，才能生成真正具有针对性的响应。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;技术与感知的统一：&lt;/strong&gt; 试点研究的反馈解释了技术指标（如检索准确率）如何转化为用户的真实感受：&lt;strong&gt;对过去对话的记忆能力&lt;/strong&gt;是用户认为系统具有&quot;人性&quot;和&quot;自然感&quot;的核心原因。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;2-对研究领域的贡献与影响&quot;&gt;2. 对研究领域的贡献与影响&lt;a class=&quot;heading-link&quot; href=&quot;#2-对研究领域的贡献与影响&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者认为该研究在以下方面具有深远影响：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;弥合技术鸿沟：&lt;/strong&gt; 此前的研究大多停留在人机交互的&quot;概念定义&quot;阶段，本文通过推导具体的&lt;strong&gt;系统级技术需求&lt;/strong&gt;，为如何从技术上实现个性化智能体提供了蓝图。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;重塑代理模式（Agentic Patterns）：&lt;/strong&gt; 论文不仅使用了现有的AI模式（如规划、反思），还从个性化的视角重新审视了这些模式，证明了它们在提升&lt;strong&gt;任务效率之外&lt;/strong&gt;，对于增强&quot;以用户为中心&quot;的适应性同样至关重要。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;3-主要学术价值与实践意义概括&quot;&gt;3. 主要学术价值与实践意义概括&lt;a class=&quot;heading-link&quot; href=&quot;#3-主要学术价值与实践意义概括&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;学术价值：&lt;/strong&gt; 建立了一个统一的&lt;strong&gt;个性化技术要求框架&lt;/strong&gt;（适应性、一致性、定制化响应），将原本碎片化的个性化定义整合进智能体架构中，推动了长时记忆管理从&quot;信息召回&quot;向&quot;用户理解&quot;的范式转变。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;实践意义：&lt;/strong&gt; 该研究展示了如何通过持久化记忆和动态画像显著&lt;strong&gt;提升用户的交互体验、参与度和信任感&lt;/strong&gt;。它为开发能够与用户建立长期、深层关系的下一代AI伴侣（如车载系统、个人助手）提供了可落地的技术参考方案。&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id=&quot;快速批判性评估&quot;&gt;快速批判性评估&lt;a class=&quot;heading-link&quot; href=&quot;#快速批判性评估&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;基于对该论文的深入分析，以下是对其最突出优点与潜在局限性的快速评估：&lt;/p&gt;
&lt;h3 id=&quot;最突出的优点&quot;&gt;最突出的优点&lt;a class=&quot;heading-link&quot; href=&quot;#最突出的优点&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;理论与技术的成功桥接：&lt;/strong&gt; 论文不仅停留在&quot;个性化&quot;的概念讨论，而是建立了一个统一的定义框架，并从中推导出&lt;strong&gt;适应性、一致性和定制化响应&lt;/strong&gt;三大技术需求，为如何实现个性化智能体提供了清晰的工程路线图。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;多维度的记忆与画像体系：&lt;/strong&gt; 与简单的 RAG（检索增强生成）不同，该框架集成了&lt;strong&gt;短期记忆、长期记忆、对话摘要和动态用户画像&lt;/strong&gt;，确保了信息在长短周期内的一致性与演进性。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;灵活的代理化架构：&lt;/strong&gt; 通过集成六种代理 AI 模式（如自我验证、协调等），系统能够根据任务复杂度动态调整策略，在检索准确率上显著超越了传统的 RAG 基线（最高提升 20%）。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;潜在局限性或不足之处&quot;&gt;潜在局限性或不足之处&lt;a class=&quot;heading-link&quot; href=&quot;#潜在局限性或不足之处&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;&quot;冷启动&quot;问题：&lt;/strong&gt; 该框架高度依赖过去的交互数据，在没有历史记录的初始阶段（冷启动），系统只能提供通用的、非个性化的回复。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;用户研究规模有限：&lt;/strong&gt; 试点用户研究的规模较小（仅 4 人完成全程）且持续时间短（5 天），这可能不足以全面捕捉长期交互中用户感知的复杂变化。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;缺乏主动性与交互自然度：&lt;/strong&gt; 用户反馈显示系统仍显&quot;机器人感&quot;（LLM-like），且主要处于&lt;strong&gt;被动响应&lt;/strong&gt;状态。作者也承认系统在处理模糊查询和主动引导对话（主动性）方面仍有提升空间。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;模型依赖性：&lt;/strong&gt; 实验显示，某些核心组件（如协调员）的效果受底层模型（如 GPT-4o 与 Gemini 2）的影响较大，这限制了框架在不同模型间的通用稳定性。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;快速评估&quot;&gt;快速评估&lt;a class=&quot;heading-link&quot; href=&quot;#快速评估&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;&lt;strong&gt;该论文在学术上具有高度的系统性，成功地将复杂的个性化需求转化为可实现的代理化架构。其核心价值在于证明了&quot;用户画像&quot;与&quot;持久化记忆&quot;是提升 AI 代理长期吸引力的关键技术路径。然而，如何解决初始阶段的个性化缺失（冷启动）以及如何让 AI 从&quot;被动响应&quot;转向&quot;主动参与&quot;，将是该领域未来需要跨越的主要障碍。&lt;/strong&gt;&lt;/p&gt;</content:encoded><category>个性化</category><category>长期记忆</category><category>用户画像</category><category>论文笔记</category><author>wdxtub@gmail.com</author></item><item><title>【论文笔记】020 Generative Agents - Interactive Simulacra of Human Behavior</title><link>https://wdxtub.com/blog/paper/paper-020</link><guid isPermaLink="true">https://wdxtub.com/blog/paper/paper-020</guid><description>这篇论文的核心贡献是提出了一种生成智能体（Generative Agents）架构，该架构通过将大语言模型与长期记忆、反思和规划机制相结合，使计算智能体能够在大规模交互环境中展现出可信的、具有长期连贯性的人类行为模拟。</description><pubDate>Wed, 14 Jan 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;论文发表时间：2023-08-06&lt;/p&gt;
&lt;h2 id=&quot;快速定位核心&quot;&gt;快速定位核心&lt;a class=&quot;heading-link&quot; href=&quot;#快速定位核心&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;想象一个类似于《模拟人生》的虚拟小镇，但其中的角色不再是依靠简单的预设脚本运行，而是拥有了由人工智能驱动的&quot;大脑&quot;。这篇论文的研究者们开发了一种新技术，让这些 AI 角色能够像真人一样生活：它们会&lt;strong&gt;记录自己的所有经历（记忆流）&lt;/strong&gt;，通过&lt;strong&gt;思考这些经历来形成对自己和他人的深刻见解（反思）&lt;/strong&gt;，并根据这些见解来&lt;strong&gt;安排一天的行程（规划）&lt;/strong&gt;。&lt;/p&gt;
&lt;p&gt;最令人惊讶的发现是，当给予一个简单的初始指令（比如告诉其中一个角色她想办一场派对）时，这些智能体能自发地在小镇中散布消息、结识新朋友、互相邀约，并最终在正确的时间共同出现在派对上。这证明了通过这种架构，AI 不仅可以模拟单次对话，还能&lt;strong&gt;模拟出复杂的、长期的社会动态和人类社交行为&lt;/strong&gt;。&lt;/p&gt;
&lt;h2 id=&quot;理解问题与方法&quot;&gt;理解问题与方法&lt;a class=&quot;heading-link&quot; href=&quot;#理解问题与方法&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文主要研究&lt;strong&gt;如何构建&quot;生成智能体&quot;（Generative Agents）&lt;/strong&gt;，即能够在大规模社交和交互环境中展现出&lt;strong&gt;可信、连贯且类人行为&lt;/strong&gt;的计算软件智能体。其核心问题在于如何使智能体不仅能在单一时间点模拟人类，还能在长期交互中保持行为逻辑的一致性，并应对不断产生的社交动态和环境变化。&lt;/p&gt;
&lt;p&gt;作者认为这个问题具有重要的研究价值，因为&lt;strong&gt;可信的人类行为模拟可以赋能广泛的交互式应用&lt;/strong&gt;。这包括创建沉浸式的虚拟环境、为人际沟通提供演练空间（如面试准备）、作为社交平台的原型工具来测试设计方案、以及支持社会科学理论的实验研究。虽然现有的大语言模型（LLM）在模拟个体行为方面已有突破，但其受限于上下文窗口，难以处理长期的记忆流和复杂的社会协作。&lt;/p&gt;
&lt;p&gt;为了解决这一问题，他们采用了&lt;strong&gt;一种扩展大语言模型的智能体架构&lt;/strong&gt;，并将其部署在一个名为 &lt;strong&gt;&quot;Smallville&quot;&lt;/strong&gt; 的类《模拟人生》沙盒世界中进行实验。该架构的核心设计在于使用&lt;strong&gt;自然语言&lt;/strong&gt;作为存储和推理的媒介。解决问题的关键步骤如下：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;构建记忆流（Memory Stream）&lt;/strong&gt;：建立一个长期记忆模块，以自然语言完整记录智能体的所有感知记录和经历。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;实现记忆检索（Retrieval）&lt;/strong&gt;：根据当前情境，基于&lt;strong&gt;近期性（Recency）、重要性（Importance）和相关性（Relevance）&lt;/strong&gt; 三个维度，从记忆流中动态筛选出最相关的记录。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;进行反思（Reflection）&lt;/strong&gt;：架构会定期将原始记忆合成更高层级的抽象见解。这些&quot;反思&quot;会作为一种新型记忆存入记忆流，引导智能体做出更深层级的判断和概括。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;生成规划与反应（Planning and Reacting）&lt;/strong&gt;：智能体会将高层级目标递归分解为详细的时间表（规划），并在行动循环中感知环境动态（如看到厨房着火），从而决定是继续执行原计划还是产生实时反应。&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;最终，研究者通过 25 个智能体的自主模拟（如自发策划并举办情人节派对）以及对智能体的&quot;面试&quot;评估，证明了该架构在维持角色特质、记忆检索和社交协作方面的有效性。&lt;/p&gt;
&lt;h2 id=&quot;聚焦核心发现&quot;&gt;聚焦核心发现&lt;a class=&quot;heading-link&quot; href=&quot;#聚焦核心发现&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文最核心的实验结果和研究发现可以概括为以下三点：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;架构的高可信度&lt;/strong&gt;：实验证明，全架构（包含记忆、反思、规划）生成的智能体行为可信度最高，不仅&lt;strong&gt;显著优于人类众包编写的结果&lt;/strong&gt;，且表现远超缺乏这些核心组件的架构（效应量达 8.16）。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;突发性社会行为&lt;/strong&gt;：智能体在无人工干预下展现出了复杂的&lt;strong&gt;社会动力学&lt;/strong&gt;，包括信息扩散（关于派对的信息从 1 人传播至 13 人）、关系形成（社交网络密度从 0.167 增至 0.74）以及自发的社交协作（多个智能体协调时间共同参加派对）。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;组件的必要性&lt;/strong&gt;：消融实验证实，&lt;strong&gt;观察、反思和规划&lt;/strong&gt;三个核心组件对维持智能体行为的连贯性和特质一致性缺一不可，移除任何一个都会导致其行为可信度下降。&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id=&quot;理解意义与价值&quot;&gt;理解意义与价值&lt;a class=&quot;heading-link&quot; href=&quot;#理解意义与价值&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;作者通过以下几个方面解释了这些核心发现的意义，并阐述了其对学术界和实践领域的深远影响：&lt;/p&gt;
&lt;h3 id=&quot;1-学术价值开启了交互式行为模拟的新范式&quot;&gt;1. &lt;strong&gt;学术价值：开启了交互式行为模拟的新范式&lt;/strong&gt;&lt;a class=&quot;heading-link&quot; href=&quot;#1-学术价值开启了交互式行为模拟的新范式&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者认为，这项研究最重大的贡献在于证明了&lt;strong&gt;大语言模型（LLM）与特定架构（记忆、反思、规划）结合后，能够模拟出具有长期连贯性的类人行为&lt;/strong&gt;。&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;突破技术限制&lt;/strong&gt;：该架构解决了 LLM 上下文窗口有限的难题，使得智能体能够处理不断增长的长期记忆，并应对复杂的社会动态。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;重启经典课题&lt;/strong&gt;：作者指出，这为重新审视人机交互（HCI）中的经典问题（如认知模型、原型设计工具和泛在计算应用）打开了大门。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;2-实践意义赋能广泛的交互式应用&quot;&gt;2. &lt;strong&gt;实践意义：赋能广泛的交互式应用&lt;/strong&gt;&lt;a class=&quot;heading-link&quot; href=&quot;#2-实践意义赋能广泛的交互式应用&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;这些发现为多个领域提供了实用的技术路径和交互模式：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;社会原型设计与测试&lt;/strong&gt;：设计师可以利用生成智能体来测试社交平台的设计方案或社会科学理论，在投入实际应用前观察虚拟社区中可能产生的社会现象（如信息扩散或协作）。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;沉浸式环境与游戏&lt;/strong&gt;：为虚拟世界、元宇宙或游戏提供更具真实感、不再依赖预设脚本的非玩家角色（NPC），提升用户的沉浸感。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;人际沟通演练&lt;/strong&gt;：用户可以在安全的环境中（如模拟面试或冲突解决）与智能体进行交互练习。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;个性化技术体验&lt;/strong&gt;：智能体可以作为用户的&quot;代理&quot;，通过学习用户的生活模式（如 Sal 的案例）来提供自动化的个性化服务（如自动煮咖啡、调节灯光）。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;3-社会与伦理贡献建立负责任的-ai-开发模式&quot;&gt;3. &lt;strong&gt;社会与伦理贡献：建立负责任的 AI 开发模式&lt;/strong&gt;&lt;a class=&quot;heading-link&quot; href=&quot;#3-社会与伦理贡献建立负责任的-ai-开发模式&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者不仅关注技术实现，还强调了该研究在伦理层面的指导意义：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;风险防范框架&lt;/strong&gt;：提出了应对&lt;strong&gt;准社会关系（Parasocial relationships）&lt;/strong&gt;、&lt;strong&gt;深度伪造&lt;/strong&gt;和&lt;strong&gt;过分依赖&lt;/strong&gt;等风险的原则，如强制智能体披露身份、保留审计日志以及确保价值对齐。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;互补而非替代&lt;/strong&gt;：作者强调生成智能体应作为人类利益相关者的&lt;strong&gt;补充工具&lt;/strong&gt;，用于设计的早期阶段，而非在设计过程中完全取代人类的真实输入。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;主要意义概括&quot;&gt;&lt;strong&gt;主要意义概括&lt;/strong&gt;&lt;a class=&quot;heading-link&quot; href=&quot;#主要意义概括&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;该论文的主要学术价值在于提出了&lt;strong&gt;首个能在大规模社会环境下实现长期连贯行为模拟的智能体架构&lt;/strong&gt;。其开发实践意义在于，它将 AI 从简单的&quot;对话助手&quot;提升为&lt;strong&gt;具有社会属性的虚拟代理&lt;/strong&gt;，为未来构建智能虚拟社区、社会模拟工具和高度个性化的人机交互系统奠定了基础。&lt;/p&gt;
&lt;h2 id=&quot;快速批判性评估&quot;&gt;快速批判性评估&lt;a class=&quot;heading-link&quot; href=&quot;#快速批判性评估&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;基于对该论文的研究内容和实验结果的深入理解，以下是对其优缺点的快速评估：&lt;/p&gt;
&lt;h3 id=&quot;最突出的优点&quot;&gt;&lt;strong&gt;最突出的优点&lt;/strong&gt;&lt;a class=&quot;heading-link&quot; href=&quot;#最突出的优点&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;开创性的架构设计&lt;/strong&gt;：论文提出的**生成智能体架构（记忆流、反思、规划）**成功解决了大语言模型（LLM）在长时记忆处理和长期行为连贯性上的局限。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;涌现出的复杂社会行为&lt;/strong&gt;：智能体能够在&lt;strong&gt;无人工脚本干预&lt;/strong&gt;的情况下，自发实现信息扩散、关系形成和多方协作（如自发筹办情人节派对），这证明了模拟复杂人类社会动力学的可能性。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;极高的可信度&lt;/strong&gt;：实验结果表明，该架构生成的行为可信度不仅显著优于传统方法，甚至在某些评估维度上&lt;strong&gt;超越了人类众包参与者&lt;/strong&gt;的行为编写水平。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;自然的交互媒介&lt;/strong&gt;：全架构统一使用&lt;strong&gt;自然语言&lt;/strong&gt;作为记忆存储、检索和推理的媒介，极大地释放了大语言模型的零样本（Zero-shot）推理能力。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;潜在局限性与不足&quot;&gt;&lt;strong&gt;潜在局限性与不足&lt;/strong&gt;&lt;a class=&quot;heading-link&quot; href=&quot;#潜在局限性与不足&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;记忆与幻觉问题&lt;/strong&gt;：智能体有时会&lt;strong&gt;无法正确检索记忆&lt;/strong&gt;，甚至产生**&quot;记忆幻觉（Embellishments）&quot;**，虚构出未曾发生的细节或将模型库中的常识（如亚当·斯密是《国富论》作者）错误地带入模拟环境。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;行为过于模式化与礼貌&lt;/strong&gt;：受底层 LLM 指令微调（Instruction Tuning）的影响，智能体的对话风格往往&lt;strong&gt;过于正式和客气&lt;/strong&gt;，且表现出&lt;strong&gt;过度协作&lt;/strong&gt;的倾向，容易被他人的意见左右而忽视自身特质。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;高昂的成本与延迟&lt;/strong&gt;：目前的模拟极其耗时且&lt;strong&gt;成本高昂&lt;/strong&gt;（25 个智能体模拟两天需花费数千美元的 Token 费用），难以实现大规模的实时交互。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;物理环境理解的缺失&lt;/strong&gt;：仅靠自然语言难以完全模拟复杂的&lt;strong&gt;空间物理规范&lt;/strong&gt;，例如智能体可能无法理解公共浴室的排队规则或商店的闭店时间。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;鲁棒性风险&lt;/strong&gt;：架构可能面临&lt;strong&gt;提示词攻击（Prompt Hacking）&lt;strong&gt;或&lt;/strong&gt;记忆黑客&lt;/strong&gt;的风险，即通过特定对话误导智能体相信虚假的过去经历。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;快速评估&quot;&gt;&lt;strong&gt;快速评估&lt;/strong&gt;&lt;a class=&quot;heading-link&quot; href=&quot;#快速评估&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;这篇论文是&lt;strong&gt;人工智能模拟人类行为领域的里程碑式工作&lt;/strong&gt;，它通过精妙的架构设计，首次在沙盒环境中复现了连贯的、具有社会属性的虚拟社区。虽然目前仍受限于&lt;strong&gt;LLM 的幻觉、运行成本以及行为过于机械化&lt;/strong&gt;等技术瓶颈，但它为社交原型设计、沉浸式游戏和人机交互研究提供了一个极具潜力的底层框架。&lt;/p&gt;</content:encoded><category>生成式智能体</category><category>长期记忆</category><category>社会模拟</category><category>论文笔记</category><author>wdxtub@gmail.com</author></item><item><title>【论文笔记】021 A-Mem - Agentic Memory for LLM Agents</title><link>https://wdxtub.com/blog/paper/paper-021</link><guid isPermaLink="true">https://wdxtub.com/blog/paper/paper-021</guid><description>这篇论文的核心贡献是提出了一种名为 A-Mem 的新型大语言模型（LLM）智能体内存系统，它通过借鉴&quot;卢曼卡片盒&quot;（Zettelkasten）方法，实现了内存结构的自主构建、动态链接和持续进化，从而显著提升了智能体在复杂长期交互中的推理能力。</description><pubDate>Wed, 14 Jan 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;论文发表时间：2025-10-08&lt;/p&gt;
&lt;h2 id=&quot;快速定位核心&quot;&gt;快速定位核心&lt;a class=&quot;heading-link&quot; href=&quot;#快速定位核心&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;目前的人工智能助手在处理超长对话时容易&quot;断片&quot;或难以关联旧知识，而这篇论文通过&lt;strong&gt;模拟人类的学习与思考方式&lt;/strong&gt;，为 AI 打造了一个&lt;strong&gt;会自我进化的知识网络&lt;/strong&gt;。与传统的仅仅是&quot;存储和搜索&quot;信息的系统不同，A-Mem 会在存入新信息时自动将其拆解为带有上下文标签的&quot;笔记&quot;，主动寻找它与旧记忆之间的深层联系，并&lt;strong&gt;根据新经验实时更新和修正过去的认知&lt;/strong&gt;。实验证明，这种方法不仅让 AI 在处理复杂逻辑问题时更聪明，而且相比现有技术，它在运行成本和效率上也具有显著优势。&lt;/p&gt;
&lt;h2 id=&quot;理解问题与方法&quot;&gt;理解问题与方法&lt;a class=&quot;heading-link&quot; href=&quot;#理解问题与方法&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文主要研究&lt;strong&gt;如何为大语言模型（LLM）智能体构建一个灵活且通用的内存系统&lt;/strong&gt;，以支持其在复杂任务中的长期交互能力。&lt;/p&gt;
&lt;h3 id=&quot;1-为什么这个问题重要&quot;&gt;1. 为什么这个问题重要？&lt;a class=&quot;heading-link&quot; href=&quot;#1-为什么这个问题重要&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者认为，现有的智能体内存系统存在以下局限：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;结构僵化：&lt;/strong&gt; 现有的系统（如基于图数据库或固定模式的系统）依赖于预定义的结构和固定的工作流，难以适应多样化的场景。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;缺乏进化能力：&lt;/strong&gt; 传统内存系统仅提供基本的存储和检索功能，无法像人类一样随着知识的增长自主建立创新联系或动态调整组织模式。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;长期交互效能低：&lt;/strong&gt; 在处理复杂、开放式任务时，由于缺乏灵活的组织和持续的适应能力，智能体在长对话中的泛化能力和推理能力受到限制。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;2-核心研究方法a-mem-系统&quot;&gt;2. 核心研究方法：A-Mem 系统&lt;a class=&quot;heading-link&quot; href=&quot;#2-核心研究方法a-mem-系统&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者提出了 &lt;strong&gt;A-Mem&lt;/strong&gt;，这是一种受&quot;&lt;strong&gt;卢曼卡片盒&lt;/strong&gt;&quot;（Zettelkasten）方法启发的代理式内存系统。其核心在于不依赖静态、预定义的操作，而是通过 LLM 驱动的自主管理，实现知识网络的&lt;strong&gt;动态构建和持续进化&lt;/strong&gt;。&lt;/p&gt;
&lt;h3 id=&quot;3-解决问题的关键步骤&quot;&gt;3. 解决问题的关键步骤&lt;a class=&quot;heading-link&quot; href=&quot;#3-解决问题的关键步骤&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;该方法主要包含以下三个核心步骤：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;笔记构建（Note Construction）：&lt;/strong&gt; 将原始交互内容转化为结构化的&quot;原子笔记&quot;，由 LLM 自动生成内容摘要、上下文描述、关键词和标签，从而捕捉信息的深层语义。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;链接生成（Link Generation）：&lt;/strong&gt; 当新笔记存入时，系统先利用嵌入向量进行初步匹配，再由 LLM 分析新旧记忆间的潜在联系（如因果关系或逻辑模式），建立动态链接。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;内存进化（Memory Evolution）：&lt;/strong&gt; 这是该系统最独特的步骤。新记忆的整合会触发对旧记忆的更新，LLM 会根据新经验实时修正、细化旧笔记的属性和上下文，使整个知识网络随时间不断提炼和深化。&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;通过这种方式，A-Mem 能够像人类学习一样，将零散的信息整合为不断进化的知识体系，从而在长对话推理中表现出优于现有基准的效果。&lt;/p&gt;
&lt;h2 id=&quot;聚焦核心发现&quot;&gt;聚焦核心发现&lt;a class=&quot;heading-link&quot; href=&quot;#聚焦核心发现&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文最核心的实验结果可概括为以下三点：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;性能全面超越基准，尤其擅长复杂推理&lt;/strong&gt;：在 6 种基础模型上，A-Mem 在长期对话任务中均显著优于 SOTA 基准；特别是在&lt;strong&gt;复杂多跳（Multi-Hop）推理任务中，其性能（F1 分数）相比现有技术提升了一倍&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;极高的计算与成本效率&lt;/strong&gt;：相比 LoCoMo 和 MemGPT 等基准系统，A-Mem 在单次内存操作中的 &lt;strong&gt;Token 消耗降低了 85-93%&lt;/strong&gt;，且在内存规模扩展至百万级时，检索延迟依然极低，具有极强的可扩展性。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;自主构建更有序的知识结构&lt;/strong&gt;：T-SNE 可视化分析证明，其&quot;链接生成&quot;和&quot;内存进化&quot;机制能让智能体&lt;strong&gt;自主形成比传统系统更聚合、逻辑更清晰的记忆聚类&lt;/strong&gt;，从而实现对长期知识的深度理解与提炼。&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id=&quot;理解意义与价值&quot;&gt;理解意义与价值&lt;a class=&quot;heading-link&quot; href=&quot;#理解意义与价值&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;作者对核心发现的意义、领域贡献以及学术与实践价值的解释可以概括如下：&lt;/p&gt;
&lt;h3 id=&quot;1-作者对核心发现意义的解释&quot;&gt;1. 作者对核心发现意义的解释&lt;a class=&quot;heading-link&quot; href=&quot;#1-作者对核心发现意义的解释&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者认为，这些发现证明了 A-Mem 成功打破了传统内存系统依赖预定义结构和静态操作的局限。&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;深层语义理解&lt;/strong&gt;：A-Mem 不仅仅是存储信息，而是通过 LLM 驱动的自主管理（如动态链接和进化机制），能够识别信息间微妙的模式、因果关系和逻辑联系，从而在复杂推理任务中表现卓越。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;模拟人类学习&lt;/strong&gt;：通过内存进化机制，系统能根据新经验实时修正旧认知，这种&quot;自主内存学习&quot;过程模仿了人类不断深化理解的认知过程。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;2-对研究领域及更广泛领域的影响&quot;&gt;2. 对研究领域及更广泛领域的影响&lt;a class=&quot;heading-link&quot; href=&quot;#2-对研究领域及更广泛领域的影响&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者认为 A-Mem 在以下方面做出了重要贡献：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;推动智能体自主性&lt;/strong&gt;：它为 LLM 智能体提供了一种无需预设流程即可应对复杂、开放式任务的通用框架，使智能体能够在长期交互中自主构建和提炼知识体系。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;解决可扩展性瓶颈&lt;/strong&gt;：实验证明系统在处理百万级内存时仍能保持极低的延迟和极高的成本效率（Token 消耗降低 85-93%），这为长周期、大规模的 AI 应用提供了技术支持。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;超越静态检索增强（RAG）&lt;/strong&gt;：它标志着内存系统从简单的&quot;信息检索&quot;向&quot;自进化知识网络&quot;的演进，为构建具有长期记忆和持续进化能力的 AI 系统开辟了新路径。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;3-主要学术价值与实践意义概括&quot;&gt;3. 主要学术价值与实践意义概括&lt;a class=&quot;heading-link&quot; href=&quot;#3-主要学术价值与实践意义概括&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;学术价值&lt;/strong&gt;：提出了受&quot;卢曼卡片盒&quot;启发的新型&lt;strong&gt;代理式内存范式（Agentic Memory）&lt;/strong&gt;，通过自主的笔记构建、动态链接和持续进化，实现了知识组织的结构化与灵活性之间的平衡。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;实践意义&lt;/strong&gt;：提供了一个&lt;strong&gt;高性能、低成本且易于扩展的工业级解决方案&lt;/strong&gt;。它显著提升了 AI 智能体在处理跨度长、逻辑复杂的实际任务（如长对话推理、个性化助手）时的稳定性和效率，具有极高的落地潜力。&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id=&quot;快速批判性评估&quot;&gt;快速批判性评估&lt;a class=&quot;heading-link&quot; href=&quot;#快速批判性评估&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;基于提供的来源，这篇论文的快速评估如下：&lt;/p&gt;
&lt;h3 id=&quot;1-最突出的优点&quot;&gt;1. 最突出的优点&lt;a class=&quot;heading-link&quot; href=&quot;#1-最突出的优点&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;范式创新与灵活性&lt;/strong&gt;：论文引入了受&quot;卢曼卡片盒&quot;启发的 &lt;strong&gt;代理式内存（Agentic Memory）&lt;/strong&gt; 范式，通过 LLM 自主管理内存的构建、链接与进化，彻底摆脱了传统系统对预定义结构和僵化工作流的依赖。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;极高的成本效率与可扩展性&lt;/strong&gt;：在单次内存操作中实现了 &lt;strong&gt;85-93% 的 Token 消耗削减&lt;/strong&gt;，且在内存规模达到百万级时仍能保持极低的检索延迟（仅微秒级增长），非常适合大规模工程应用。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;深层逻辑推理能力&lt;/strong&gt;：通过动态链接和内存进化机制，系统在处理&lt;strong&gt;复杂多跳（Multi-hop）推理&lt;/strong&gt;任务时表现卓越，性能相比现有最强基准（SOTA）提升了一倍。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;2-潜在局限性或不足之处&quot;&gt;2. 潜在局限性或不足之处&lt;a class=&quot;heading-link&quot; href=&quot;#2-潜在局限性或不足之处&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;对基础模型的高度依赖&lt;/strong&gt;：系统性能在很大程度上受限于所使用的底层大语言模型的固有能力；模型解析上下文或建立逻辑联系的能力若有不足，会直接影响记忆组织的质量。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;输入模态单一&lt;/strong&gt;：目前的实现仅专注于&lt;strong&gt;文本交互&lt;/strong&gt;，尚未探索图像、视频或音频等多模态信息的整合与处理。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;实验统计严谨性受限&lt;/strong&gt;：由于调用 LLM API 的成本极高，作者在实验中&lt;strong&gt;未提供误差棒（error bars）或统计显著性分析&lt;/strong&gt;，这可能影响对实验结果稳定性的评估。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;3-快速评估&quot;&gt;3. 快速评估&lt;a class=&quot;heading-link&quot; href=&quot;#3-快速评估&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;&lt;strong&gt;A-Mem 是一项具有高度创新性和实用价值的研究&lt;/strong&gt;。它不仅在学术上提出了一种模拟人类认知进化的新架构，更在工程实践上解决了 LLM 智能体长期记忆的&lt;strong&gt;高昂成本与检索低效&lt;/strong&gt;两大痛点。尽管目前在多模态扩展和模型依赖性方面存在局限，但其在复杂交互场景下的卓越表现使其成为当前智能体内存系统的重要突破。&lt;/p&gt;</content:encoded><category>长期记忆</category><category>智能体</category><category>LLM</category><category>论文笔记</category><author>wdxtub@gmail.com</author></item><item><title>【论文笔记】022 Beyond Static Summarization - Proactive Memory Extraction for LLM Agents</title><link>https://wdxtub.com/blog/paper/paper-022</link><guid isPermaLink="true">https://wdxtub.com/blog/paper/paper-022</guid><description>该论文的核心贡献在于提出了主动记忆提取框架（ProMem），它借鉴认知神经科学中的复发处理理论（RPT），通过引入自我提问的循环反馈机制，将大模型（LLM）对对话历史的记忆处理从&quot;被动、一次性&quot;的总结提升为&quot;主动、迭代&quot;的认知过程，从而显著增强了记忆的完整性与准确性。</description><pubDate>Wed, 14 Jan 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;论文发表时间：2026-01-08&lt;/p&gt;
&lt;h2 id=&quot;快速定位核心&quot;&gt;快速定位核心&lt;a class=&quot;heading-link&quot; href=&quot;#快速定位核心&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;目前的 AI 助手在处理长期对话时，通常像是一个只听一遍就急着做简报的学生，很容易&lt;strong&gt;遗漏细节&lt;/strong&gt;或&lt;strong&gt;产生幻觉（记错信息）&lt;/strong&gt;。这篇论文发明了一种叫 &lt;strong&gt;ProMem&lt;/strong&gt; 的新技术，让 AI 拥有了类似人类大脑的 &lt;strong&gt;&quot;反思确认&quot;能力&lt;/strong&gt;。AI 不再只是简单地记录总结，而是会&lt;strong&gt;主动通过&quot;向自己提问&quot;来反复核查&lt;/strong&gt;之前的对话内容，看看自己漏掉了什么或者哪里记错了。这种&quot;回头看&quot;的反馈机制让 AI 记地更全、更准，即便面对非常漫长且复杂的聊天，它也能像一个&lt;strong&gt;细心的专业分析师&lt;/strong&gt;一样，给出更可靠的回答。&lt;/p&gt;
&lt;h2 id=&quot;理解问题与方法&quot;&gt;理解问题与方法&lt;a class=&quot;heading-link&quot; href=&quot;#理解问题与方法&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文主要研究的是&lt;strong&gt;大模型（LLM）智能体在内存管理中的初始&quot;内存提取&quot;（Memory Extraction）问题&lt;/strong&gt;。&lt;/p&gt;
&lt;h3 id=&quot;为什么该问题重要&quot;&gt;为什么该问题重要？&lt;a class=&quot;heading-link&quot; href=&quot;#为什么该问题重要&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者认为，现有的基于总结的内存管理方法存在两个根本性局限：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;&quot;提前总结&quot;的局限性&lt;/strong&gt;：目前的智能体在不知道未来任务的情况下进行一次性总结，就像是一种盲目的&quot;前馈&quot;过程，容易&lt;strong&gt;遗漏微小但重要的细节&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;&quot;一次性提取&quot;的局限性&lt;/strong&gt;：现有的提取过程缺乏验证反馈，一旦在提取时产生&lt;strong&gt;幻觉（错误信息）&lt;/strong&gt;，这些错误会一直留在记忆中并产生累积效应，损害智能体的长期表现。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;核心研究方法promem&quot;&gt;核心研究方法：ProMem&lt;a class=&quot;heading-link&quot; href=&quot;#核心研究方法promem&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;为了解决上述问题，他们提出了&lt;strong&gt;主动记忆提取框架（ProMem）&lt;/strong&gt;。该方法的核心灵感来自认知神经科学中的&lt;strong&gt;复发处理理论（RPT）&lt;/strong&gt;，将内存提取从简单的&quot;一次性压缩&quot;转变为 &lt;strong&gt;&quot;迭代式&quot;的认知过程&lt;/strong&gt;。&lt;/p&gt;
&lt;h3 id=&quot;解决问题的关键步骤&quot;&gt;解决问题的关键步骤&lt;a class=&quot;heading-link&quot; href=&quot;#解决问题的关键步骤&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;ProMem 通过以下三个主要模块协同工作：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;初步提取（前馈阶段）&lt;/strong&gt;：作为初始扫描，智能体快速识别对话历史中的潜在事实，生成初始记忆列表。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;语义匹配补全（对齐阶段）&lt;/strong&gt;：利用语义相似度将记忆点映射回原始对话轮次。如果发现某些对话轮次未被记忆覆盖，则进行&lt;strong&gt;针对性的二次提取&lt;/strong&gt;以弥补遗漏。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;自我提问验证（反馈阶段）&lt;/strong&gt;：这是核心步骤。智能体化身为&quot;记忆分析师&quot;，针对提取的每个事实&lt;strong&gt;主动生成问题&lt;/strong&gt;（自我提问），并回看原始对话寻找证据。如果证据不足则判定为幻觉并剔除，如果发现新细节则更新记忆。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;去重与融合&lt;/strong&gt;：最后对比验证后的条目，通过相似度阈值去除冗余，形成最终的高质量内存库。&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id=&quot;聚焦核心发现&quot;&gt;聚焦核心发现&lt;a class=&quot;heading-link&quot; href=&quot;#聚焦核心发现&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文最核心的实验结果可以概括为以下三点：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;内存完整性（Memory Integrity）显著提升&lt;/strong&gt;：ProMem 在 HaluMem 基准测试中达到了 &lt;strong&gt;73.80%&lt;/strong&gt; 的完整性评分，远超 Mem0、Supermemory 等主流基线方法（约 41%-43%），证明了主动反馈机制能有效找回被传统一次性提取方法遗漏的大量细节。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;下游问答（QA）表现最优&lt;/strong&gt;：在 HaluMem 和 LongMemEval 两个权威测试集上，ProMem 均取得了最高的问答准确率（分别为 &lt;strong&gt;62.26%&lt;/strong&gt; 和 &lt;strong&gt;69.57%&lt;/strong&gt;），验证了更完整、准确的记忆提取能直接增强大模型智能体处理复杂长期对话的能力。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;极强的鲁棒性与成本潜力&lt;/strong&gt;：即便将原始对话文本大幅压缩 &lt;strong&gt;80%&lt;/strong&gt;，ProMem 依然能保持稳定的提取质量，其在极低资源下的表现甚至优于全量输入下的基线方法；此外，该框架在搭配 Llama3-8B 等 &lt;strong&gt;小型语言模型（SLMs）&lt;/strong&gt; 时同样表现卓越。&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id=&quot;理解意义与价值&quot;&gt;理解意义与价值&lt;a class=&quot;heading-link&quot; href=&quot;#理解意义与价值&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;作者从认知科学、数据质量以及实际应用三个维度解释了这些核心发现的意义，并强调了该研究对大模型（LLM）智能体领域的深远影响：&lt;/p&gt;
&lt;h3 id=&quot;1-对发现意义的解释从无意识到有意识的转变&quot;&gt;1. 对发现意义的解释：从&quot;无意识&quot;到&quot;有意识&quot;的转变&lt;a class=&quot;heading-link&quot; href=&quot;#1-对发现意义的解释从无意识到有意识的转变&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者认为，ProMem 的成功验证了**反馈循环（Feedback Loop）**在记忆管理中的决定性作用。&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;认知升级&lt;/strong&gt;：他们将传统的&quot;一次性总结&quot;比作无意识的快速扫描，而将 ProMem 的迭代过程解释为向&quot;有意识感知&quot;的转变，这使得智能体能够像人类一样通过&quot;回头看&quot;来修正错误和补全细节。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;完整性优先&lt;/strong&gt;：作者特别指出，对于下游任务而言，&lt;strong&gt;记忆的完整性比单纯追求高准确度（但内容贫乏）更重要&lt;/strong&gt;；宁愿保存稍多但完整的信息，也优于为了准确而丢失大量关键细节的&quot;保守策略&quot;。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;2-对研究领域的贡献与影响&quot;&gt;2. 对研究领域的贡献与影响&lt;a class=&quot;heading-link&quot; href=&quot;#2-对研究领域的贡献与影响&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;重塑技术范式&lt;/strong&gt;：论文指出当前领域过度关注&quot;如何检索记忆&quot;，而忽视了&quot;初始提取什么&quot;。作者提出的观点是&quot;&lt;strong&gt;更好的数据质量胜过更精巧的检索算法&lt;/strong&gt;&quot;——如果初始提取的记忆本身就是残缺或错误的，再先进的检索技术也无济于事。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;确立&quot;一次写入，多次读取&quot;的价值观&lt;/strong&gt;：作者提出记忆提取虽然在初始阶段增加了计算成本，但由于它是&quot;一次写入、多次复用&quot;的异步过程，这种投入能显著降低长期交互中的&quot;错误累积&quot;风险，为长生命周期智能体的开发提供了新思路。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;3-主要学术价值与实践意义概括&quot;&gt;3. 主要学术价值与实践意义概括&lt;a class=&quot;heading-link&quot; href=&quot;#3-主要学术价值与实践意义概括&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;学术价值&lt;/strong&gt;：成功将**认知神经科学中的复发处理理论（RPT）**跨界应用于大模型记忆架构，为构建具有类似人类反思能力的 AI 系统提供了理论支撑和工程框架。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;实践意义&lt;/strong&gt;：证明了该框架在&lt;strong&gt;资源受限环境&lt;/strong&gt;下的可行性。通过结合&lt;strong&gt;高压缩率技术&lt;/strong&gt;和&lt;strong&gt;小型语言模型（SLMs）&lt;/strong&gt;，开发者可以在不牺牲性能的前提下，以较低的成本在现实世界中部署具备高质量长期记忆能力的 AI 助手。&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id=&quot;快速批判性评估&quot;&gt;快速批判性评估&lt;a class=&quot;heading-link&quot; href=&quot;#快速批判性评估&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;基于对该论文的深入理解，以下是对其&lt;strong&gt;优点&lt;/strong&gt;、&lt;strong&gt;局限性&lt;/strong&gt;及&lt;strong&gt;快速评估&lt;/strong&gt;的概括：&lt;/p&gt;
&lt;h3 id=&quot;最突出的优点&quot;&gt;最突出的优点&lt;a class=&quot;heading-link&quot; href=&quot;#最突出的优点&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;理论框架的跨界创新&lt;/strong&gt;：该研究最核心的亮点在于&lt;strong&gt;将认知神经科学中的复发处理理论（RPT）成功应用于大模型内存管理&lt;/strong&gt;，将内存提取从一个简单的&quot;数据压缩&quot;任务提升为具有&quot;自我反思&quot;特征的&lt;strong&gt;迭代认知过程&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;显著提升记忆完整性&lt;/strong&gt;：通过引入&quot;语义匹配补全&quot;和&quot;自我提问验证&quot;，ProMem 成功解决了传统方法容易&lt;strong&gt;遗漏细节&lt;/strong&gt;的问题，其内存完整性评分（73.80%）远超现有基线（41%-43%）。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;极高的实用鲁棒性&lt;/strong&gt;：论文证明了该框架在**极端文本压缩（丢弃 80% 内容）&lt;strong&gt;和使用&lt;/strong&gt;小型语言模型（SLMs）**的情况下依然能保持优异性能，这极大增强了其在低成本、高效率应用场景中的部署价值。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;揭示了核心洞察&lt;/strong&gt;：作者提出了&quot;&lt;strong&gt;高质量的初始数据胜过精巧的检索算法&lt;/strong&gt;&quot;这一重要观点，纠正了领域内过度关注检索而忽视提取质量的偏向。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;潜在局限性或不足之处&quot;&gt;潜在局限性或不足之处&lt;a class=&quot;heading-link&quot; href=&quot;#潜在局限性或不足之处&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;计算成本与延迟&lt;/strong&gt;：由于采用了迭代式的&quot;提问-验证-更新&quot;循环，该方法比传统的单次总结需要&lt;strong&gt;消耗更多的 Token&lt;/strong&gt; 且&lt;strong&gt;推理延迟更高&lt;/strong&gt;，这可能限制其在极高实时性要求的场景中的应用。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;对基座模型能力的依赖&lt;/strong&gt;：ProMem 的有效性高度依赖于 LLM 的&lt;strong&gt;推理和提问能力&lt;/strong&gt;。如果基座模型太弱（如无法生成高质量的验证问题），反馈循环的效果可能会大幅下降。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;动态记忆管理的缺失&lt;/strong&gt;：目前的研究主要集中在单次交互后的提取，尚未深入探讨在&lt;strong&gt;超长生命周期（Lifelong）&lt;strong&gt;中如何进行&lt;/strong&gt;记忆的动态更新、遗忘和合并&lt;/strong&gt;。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;快速评估&quot;&gt;快速评估&lt;a class=&quot;heading-link&quot; href=&quot;#快速评估&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;这是一篇&lt;strong&gt;极具启发性&lt;/strong&gt;的论文。它跳出了&quot;如何总结&quot;的固有思维，通过模拟人类大脑的&quot;回头看&quot;机制，为 LLM 智能体构建了一个&lt;strong&gt;更可靠、更完整&lt;/strong&gt;的记忆基石。尽管在&lt;strong&gt;计算开销&lt;/strong&gt;上有所增加，但其在&lt;strong&gt;小模型兼容性&lt;/strong&gt;和&lt;strong&gt;信息保真度&lt;/strong&gt;上的突破，使其成为解决长对话场景中&quot;信息丢失&quot;与&quot;幻觉&quot;问题的有力方案。&lt;/p&gt;</content:encoded><category>长期记忆</category><category>主动记忆提取</category><category>LLM</category><category>论文笔记</category><author>wdxtub@gmail.com</author></item><item><title>【论文笔记】023 HippoRAG - Neurobiologically Inspired Long-Term Memory for Large Language Models</title><link>https://wdxtub.com/blog/paper/paper-023</link><guid isPermaLink="true">https://wdxtub.com/blog/paper/paper-023</guid><description>这篇论文的核心贡献是提出了 HippoRAG，这是一个受神经生物学启发的检索框架，通过将大语言模型（LLMs）与知识图谱以及个性化 PageRank 算法协同，模拟人类海马体的记忆索引功能，从而实现了比现有方法更高效、更深入的跨文档知识集成与推理能力。</description><pubDate>Wed, 14 Jan 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;论文发表时间：2025-01-14&lt;/p&gt;
&lt;h2 id=&quot;快速定位核心&quot;&gt;快速定位核心&lt;a class=&quot;heading-link&quot; href=&quot;#快速定位核心&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;&quot;目前的 AI（大语言模型）虽然强大，但在处理大量新信息时，往往像是在&lt;strong&gt;孤立地阅读每一段文字&lt;/strong&gt;，很难关联起分散在不同文档里的碎片信息。这篇论文的作者们开发了一套名为 &lt;strong&gt;HippoRAG&lt;/strong&gt; 的新技术，其灵感源自人类大脑中&apos;海马体&apos;关联记忆的机制。&lt;/p&gt;
&lt;p&gt;它通过将海量文本转化为一张&lt;strong&gt;互联的知识网&lt;/strong&gt;（知识图谱），并利用类似于谷歌搜索的排序算法（个性化 PageRank），让 AI 能够像人类大脑一样，通过一个线索迅速&apos;联想&apos;并串联起跨文档的复杂逻辑链条。相比于目前需要多次尝试、成本高昂的传统技术，HippoRAG 不仅在解决复杂问题上的准确率提升了高达 &lt;strong&gt;20%&lt;/strong&gt;，而且运行速度快了 &lt;strong&gt;6 到 13 倍&lt;/strong&gt;，成本也降低了 &lt;strong&gt;10 到 30 倍&lt;/strong&gt;。&quot;&lt;/p&gt;
&lt;h2 id=&quot;理解问题与方法&quot;&gt;理解问题与方法&lt;a class=&quot;heading-link&quot; href=&quot;#理解问题与方法&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文主要研究&lt;strong&gt;大语言模型（LLMs）如何高效且有效地集成预训练后获得的大量新经验与知识&lt;/strong&gt;的问题。作者特别关注现有检索增强生成（RAG）方法在处理需要跨越文档边界进行知识集成和多跳逻辑推理（Multi-hop Reasoning）时的局限性。&lt;/p&gt;
&lt;h3 id=&quot;为什么作者认为这个问题重要&quot;&gt;为什么作者认为这个问题重要？&lt;a class=&quot;heading-link&quot; href=&quot;#为什么作者认为这个问题重要&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;现有方法的缺陷&lt;/strong&gt;：当前的 RAG 方法将每个文本段落孤立地编码为向量，无法识别分散在不同文档中的碎片化关联信息。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;现实需求迫切&lt;/strong&gt;：科学文献回顾、法律案例简报和医疗诊断等许多重要的现实任务，都极度依赖跨文档的&lt;strong&gt;知识集成能力&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;效率与成本矛盾&lt;/strong&gt;：为了解决复杂推理，现有系统常采用迭代式检索（如 IRCoT），但这会导致计算成本高昂且检索速度缓慢。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;核心研究方法hipporag&quot;&gt;核心研究方法：HippoRAG&lt;a class=&quot;heading-link&quot; href=&quot;#核心研究方法hipporag&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者提出了 &lt;strong&gt;HippoRAG&lt;/strong&gt; 框架，其核心设计灵感源自神经生物学中的&lt;strong&gt;海马体记忆索引理论（Hippocampal Indexing Theory）&lt;/strong&gt;。该方法通过协同大语言模型（LLM）、知识图谱（KG）和个性化 PageRank（PPR）算法，模拟大脑新皮层与海马体在长时记忆存储与检索中的分工。&lt;/p&gt;
&lt;h3 id=&quot;解决问题的关键步骤&quot;&gt;解决问题的关键步骤：&lt;a class=&quot;heading-link&quot; href=&quot;#解决问题的关键步骤&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;离线索引（模拟记忆编码）&lt;/strong&gt;：
&lt;ul&gt;
&lt;li&gt;利用 LLM（充当&quot;人工新皮层&quot;）从原始文档库中提取&quot;命名实体&quot;和&quot;三元组&quot;。&lt;/li&gt;
&lt;li&gt;构建一个&lt;strong&gt;无模式的知识图谱（KG）&lt;/strong&gt; 作为&quot;人工海马索引&quot;，并将实体关联起来。&lt;/li&gt;
&lt;li&gt;使用检索编码器（模拟&quot;旁海马区&quot;）为相似但不完全相同的词条添加&quot;同义词边&quot;，增强图谱的连通性。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;在线检索（模拟记忆检索）&lt;/strong&gt;：
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;提取查询线索&lt;/strong&gt;：LLM 从用户提问中提取核心命名实体。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;定位起始节点&lt;/strong&gt;：通过检索编码器将查询实体映射到知识图谱中的对应节点（即&quot;查询节点&quot;）。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;关联图谱推理&lt;/strong&gt;：以查询节点为起点运行 &lt;strong&gt;PPR 算法&lt;/strong&gt;，在图谱上进行概率传播，从而通过关联路径识别出相关的子图。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;文档重排序&lt;/strong&gt;：将图谱节点的概率得分回传给所属文档，对文档进行排名并检索出支持推理的证据。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id=&quot;聚焦核心发现&quot;&gt;聚焦核心发现&lt;a class=&quot;heading-link&quot; href=&quot;#聚焦核心发现&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文最核心的实验结果和研究发现可以概括为以下三点：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;多跳问答性能的显著提升&lt;/strong&gt;：在多跳问答（Multi-hop QA）基准测试中，HippoRAG 的表现显著优于现有的最先进方法，准确率提升最高达 &lt;strong&gt;20%&lt;/strong&gt;。在衡量是否能找齐所有证据链的&quot;全召回率&quot;（All-Recall）指标上，它在某些数据集上比 ColBERTv2 提升了约 &lt;strong&gt;38%&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;极高的运行效率与低成本&lt;/strong&gt;：HippoRAG 的单步检索能力在性能上可比肩甚至超越复杂的迭代检索方法（如 IRCoT），但其检索速度比后者快 &lt;strong&gt;6 到 13 倍&lt;/strong&gt;，且计算成本降低了 &lt;strong&gt;10 到 30 倍&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;强大的跨文档知识集成能力&lt;/strong&gt;：它成功解决了现有技术难以处理的&quot;路径发现&quot;（Path-finding）型多跳问题，能够通过其模仿海马体的关联索引结构，找回分散在不同文档中、缺乏直接文本关联的隐藏逻辑链条。&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id=&quot;理解意义与价值&quot;&gt;理解意义与价值&lt;a class=&quot;heading-link&quot; href=&quot;#理解意义与价值&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;作者通过神经生物学的视角解释了这些核心发现，认为 &lt;strong&gt;HippoRAG 的成功验证了人类海马体记忆索引理论（Hippocampal Indexing Theory）在人工智能领域的有效应用&lt;/strong&gt;。他们认为这些发现对研究领域及更广泛的实际应用具有以下深远影响：&lt;/p&gt;
&lt;h3 id=&quot;1-对核心发现意义的解释&quot;&gt;1. 对核心发现意义的解释&lt;a class=&quot;heading-link&quot; href=&quot;#1-对核心发现意义的解释&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;模拟海马体功能实现深度集成&lt;/strong&gt;：作者解释称，HippoRAG 模仿了大脑海马体与新皮层的协同机制，通过知识图谱作为&quot;人工海马索引&quot;，解决了传统 RAG 系统中每个文本段落被&quot;孤立编码&quot;导致的知识碎片化问题。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;攻克&quot;路径发现&quot;难题&lt;/strong&gt;：他们强调，该方法不仅能处理标准的多跳问题，还能应对更具挑战性的**&quot;路径发现（Path-finding）&quot;** 型任务，即在海量分散信息中寻找隐藏逻辑链条的能力，这是现有方法难以企及的。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;2-对研究领域及更广领域的贡献与影响&quot;&gt;2. 对研究领域及更广领域的贡献与影响&lt;a class=&quot;heading-link&quot; href=&quot;#2-对研究领域及更广领域的贡献与影响&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;为 LLM 提供了全新的&quot;长期记忆&quot;框架&lt;/strong&gt;：HippoRAG 被视为一种介于标准 RAG 和参数化记忆（模型微调）之间的&lt;strong&gt;强力中间框架&lt;/strong&gt;，为 LLM 高效整合预训练后的新经验提供了长期记忆方案。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;颠覆效率与性能的权衡&lt;/strong&gt;：在更广泛的 AI 应用领域，该研究证明了&lt;strong&gt;单步检索可以达到甚至超越复杂迭代检索（如 IRCoT）的效果&lt;/strong&gt;，这显著降低了部署多跳推理系统的技术门槛。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;现实任务的实用性提升&lt;/strong&gt;：由于其出色的跨文档集成能力，该发现对&lt;strong&gt;科学文献回顾、法律案例分析和医疗诊断&lt;/strong&gt;等极度依赖复杂逻辑关联的现实任务具有重大参考价值。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;3-主要学术价值与实践意义概括&quot;&gt;3. 主要学术价值与实践意义概括&lt;a class=&quot;heading-link&quot; href=&quot;#3-主要学术价值与实践意义概括&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;学术价值&lt;/strong&gt;：提出了一种受神经生物学启发的&lt;strong&gt;新型检索范式&lt;/strong&gt;，成功实现了大语言模型、知识图谱与个性化 PageRank 算法的&lt;strong&gt;跨学科协同&lt;/strong&gt;，丰富了知识密集型 NLP 任务的研究思路。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;实践意义&lt;/strong&gt;：在显著提升检索准确率的同时，实现了惊人的&lt;strong&gt;降本增效&lt;/strong&gt;——其计算成本降低了 &lt;strong&gt;10 到 30 倍&lt;/strong&gt;，检索速度提升了 &lt;strong&gt;6 到 13 倍&lt;/strong&gt;，为大规模、高性能 AI 知识助手走向商用铺平了道路。&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id=&quot;快速批判性评估&quot;&gt;快速批判性评估&lt;a class=&quot;heading-link&quot; href=&quot;#快速批判性评估&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;基于对来源文件的深入分析，我对这篇论文的优点与局限性评价如下：&lt;/p&gt;
&lt;h3 id=&quot;最突出的优点&quot;&gt;&lt;strong&gt;最突出的优点&lt;/strong&gt;&lt;a class=&quot;heading-link&quot; href=&quot;#最突出的优点&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;性能与效率的完美平衡&lt;/strong&gt;：HippoRAG 在多跳问答（Multi-hop QA）任务上不仅实现了高达 &lt;strong&gt;20% 的性能提升&lt;/strong&gt;，更重要的是，它通过&lt;strong&gt;单步检索&lt;/strong&gt;达到了以往需要多次迭代检索（如 IRCoT）才能具备的推理能力，且&lt;strong&gt;速度快 6-13 倍，成本降低 10-30 倍&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;攻克&quot;路径发现&quot;难题&lt;/strong&gt;：它首次有效解决了&lt;strong&gt;路径发现（Path-finding）型&lt;/strong&gt;多跳问题，即在没有直接文本关联的情况下，通过模拟大脑海马体的关联索引功能，在海量分散文档中识别出隐藏的逻辑链条。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;极强的互补性与灵活性&lt;/strong&gt;：它不仅可以作为独立框架运行，还能与现有的迭代方法（如 IRCoT）结合以获得额外增益。此外，它对开源模型（如 Llama-3）的支持良好，降低了部署门槛。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;潜在局限性或不足之处&quot;&gt;&lt;strong&gt;潜在局限性或不足之处&lt;/strong&gt;&lt;a class=&quot;heading-link&quot; href=&quot;#潜在局限性或不足之处&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;高度依赖 NER 和 OpenIE 的准确性&lt;/strong&gt;：系统的表现极大程度上取决于大语言模型提取命名实体（NER）和三元组（OpenIE）的质量。错误分析显示，&lt;strong&gt;近一半的检索失败源于 NER 限制&lt;/strong&gt;，另有 28% 源于 OpenIE 的错误或遗漏。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;概念与上下文的权衡（Concept-Context Tradeoff）&lt;/strong&gt;：该框架过于偏向&quot;实体中心&quot;，容易忽略非实体形式的上下文线索。在处理包含大量通用概念而非特定命名实体的提问时，其表现可能不如传统的密集向量检索。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;长文档处理的鲁棒性不足&lt;/strong&gt;：实验表明，随着文档长度增加，OpenIE 的提取质量会显著下降。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;超大规模场景下的扩展性待验证&lt;/strong&gt;：虽然在现有基准测试中表现优异，但在知识图谱规模呈指数级增长时，其检索精度和计算效率是否能维持，仍缺乏实证验证。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;快速评估总结&quot;&gt;&lt;strong&gt;快速评估总结&lt;/strong&gt;&lt;a class=&quot;heading-link&quot; href=&quot;#快速评估总结&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;&lt;strong&gt;HippoRAG 是一项具有突破性的研究，它通过引入神经生物学灵感，成功地将知识图谱的结构化关联能力赋予了大语言模型，打破了 RAG 系统在跨文档推理上的瓶颈。&lt;/strong&gt; 尽管它目前在非实体信息的捕捉和长文档提取的稳定性上存在短板，但其在&lt;strong&gt;大幅降本增效的同时实现深度知识集成&lt;/strong&gt;的能力，使其成为解决复杂知识密集型任务的有力候选方案。&lt;/p&gt;</content:encoded><category>长期记忆</category><category>知识图谱</category><category>神经生物学启发</category><category>论文笔记</category><author>wdxtub@gmail.com</author></item><item><title>【论文笔记】024 LongMemEval - Benchmarking Chat Assistants on Long-Term Interactive Memory</title><link>https://wdxtub.com/blog/paper/paper-024</link><guid isPermaLink="true">https://wdxtub.com/blog/paper/paper-024</guid><description>这篇论文的核心贡献是提出了 LongMemEval，这是一个专门用于全面评估聊天助手在长期、持续交互中五项核心记忆能力（信息提取、多会话推理、知识更新、时间推理和拒答）的基准测试，并揭示了当前最先进的模型在处理此类任务时存在显著的性能缺陷。</description><pubDate>Wed, 14 Jan 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;论文发表时间：2025-03-04&lt;/p&gt;
&lt;h2 id=&quot;快速定位核心&quot;&gt;快速定位核心&lt;a class=&quot;heading-link&quot; href=&quot;#快速定位核心&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;目前的 AI 助手（如 ChatGPT）虽然在单次对话中表现出色，但往往会&quot;转身就忘&quot;，难以在长达数周或数月的多次交流中记住并准确理解用户的背景信息。这篇论文就像是为 AI 助手设计了一场&lt;strong&gt;严苛的&quot;长期记忆力考试&quot;&lt;/strong&gt;，研究发现，即便目前最顶尖的 AI 系统在面对复杂的长期记忆任务时，准确率也会大幅下降 30% 到 70%。为了解决这个问题，作者还提出了一套&lt;strong&gt;优化的&quot;记忆管理系统&quot;&lt;/strong&gt;，通过更精细地分类事实、标注时间戳和优化检索策略，显著提升了 AI 记住和理解用户长期信息的能力，让 AI 朝着真正的&quot;个性化私人助理&quot;迈进了一大步。&lt;/p&gt;
&lt;h2 id=&quot;理解问题与方法&quot;&gt;理解问题与方法&lt;a class=&quot;heading-link&quot; href=&quot;#理解问题与方法&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;h3 id=&quot;研究问题&quot;&gt;研究问题&lt;a class=&quot;heading-link&quot; href=&quot;#研究问题&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;这篇论文主要研究&lt;strong&gt;聊天助手在大模型（LLM）驱动下的长期交互记忆能力&lt;/strong&gt;。作者关注 AI 如何在长达数周或数月的持续对话中，有效地记录、回忆并推理与用户相关的个人知识和背景信息。&lt;/p&gt;
&lt;h3 id=&quot;研究的重要性&quot;&gt;研究的重要性&lt;a class=&quot;heading-link&quot; href=&quot;#研究的重要性&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者认为这个问题具有极高的研究价值，原因如下：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;现有基准测试存在局限性&lt;/strong&gt;：当前的评估基准大多侧重于人与人的对话，而非人机交互，且对话历史通常过短（仅几千个 token），无法体现真实场景中不断增长的交互记录。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;核心记忆能力评估缺失&lt;/strong&gt;：现有测试往往忽略了跨会话推理、动态知识更新、时间推理以及在信息缺失时拒答等关键能力。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;个性化服务的必然要求&lt;/strong&gt;：如果 AI 无法记住用户的偏好和背景，将直接导致回答准确性降低，难以胜任如心理咨询或私人秘书等需要深厚背景知识的任务。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;核心研究方法与实验设计&quot;&gt;核心研究方法与实验设计&lt;a class=&quot;heading-link&quot; href=&quot;#核心研究方法与实验设计&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;为了解决上述问题，作者提出了 &lt;strong&gt;LongMemEval 基准测试&lt;/strong&gt;，并设计了一套&lt;strong&gt;统一的长期记忆系统框架&lt;/strong&gt;。其核心步骤如下：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;构建全面的基准测试&lt;/strong&gt;：人工精心设计了 500 个测试问题，涵盖了&lt;strong&gt;信息提取、多会话推理、知识更新、时间推理和拒答&lt;/strong&gt;五大核心记忆能力，并配以可自由扩展长度的连贯对话历史。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;建立统一的记忆框架&lt;/strong&gt;：将长期记忆系统分解为&lt;strong&gt;索引（Indexing）&lt;/strong&gt;、**检索（Retrieval）&lt;strong&gt;和&lt;/strong&gt;阅读（Reading）**三个核心阶段，以便对不同系统的设计选择进行标准化对比。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;提出针对性优化策略&lt;/strong&gt;：
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;存储粒度优化&lt;/strong&gt;：采用&quot;轮次（round）&quot;而非整个&quot;会话（session）&quot;作为存储单位，以提高推理精度。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;键（Key）扩展技术&lt;/strong&gt;：通过提取对话中的事实（facts）来增强索引键，显著提升检索的召回率。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;时间感知检索&lt;/strong&gt;：在索引中加入时间戳，并利用 LLM 进行时间范围查询扩展，以解决复杂的时间推理问题。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;多维度系统评估&lt;/strong&gt;：对主流商业系统（如 ChatGPT、Coze）和长上下文开源模型进行深度测试，揭示了它们在处理长期记忆任务时存在的性能缺陷（性能下降约 30%~70%）。&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id=&quot;聚焦核心发现&quot;&gt;聚焦核心发现&lt;a class=&quot;heading-link&quot; href=&quot;#聚焦核心发现&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文最核心的实验结果可以概括为以下三点：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;现有顶尖系统存在显著的性能缺陷&lt;/strong&gt;：实验发现，当前最先进的商业聊天助手（如 ChatGPT、Coze）和长上下文开源模型在处理长期交互记忆任务时，准确率较直接读取完整上下文的情况大幅下降了 &lt;strong&gt;30% 至 70%&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;细粒度存储与事实扩展索引能显著提升效果&lt;/strong&gt;：研究证明，将记忆存储单位从&quot;会话（session）&quot;细化为 &lt;strong&gt;&quot;轮次（round）&quot;&lt;/strong&gt;，并利用提取的 &lt;strong&gt;&quot;用户事实（facts）&quot;扩展索引键&lt;/strong&gt;，能使检索召回率提升 9.4%，问答准确率提升 5.4%。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;优化阅读策略与时间感知检索至关重要&lt;/strong&gt;：在阅读阶段采用 &lt;strong&gt;Chain-of-Note（笔记链）&lt;/strong&gt; 和 &lt;strong&gt;JSON 结构化格式&lt;/strong&gt;，并结合&lt;strong&gt;时间感知查询扩展&lt;/strong&gt;（Time-aware Query Expansion），可将复杂任务的回答准确率最高提升 &lt;strong&gt;10 个百分点&lt;/strong&gt;。&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id=&quot;理解意义与价值&quot;&gt;理解意义与价值&lt;a class=&quot;heading-link&quot; href=&quot;#理解意义与价值&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;作者通过以下几个方面解释了研究发现的意义，并阐述了其对学术界和实际应用的贡献：&lt;/p&gt;
&lt;h3 id=&quot;核心发现的意义解释&quot;&gt;核心发现的意义解释&lt;a class=&quot;heading-link&quot; href=&quot;#核心发现的意义解释&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者指出，即便目前最先进的商业系统和长上下文模型，在处理长期交互记忆时仍存在 &lt;strong&gt;30% 至 70% 的性能大幅下降&lt;/strong&gt;，这揭示了现有系统在构建&quot;个性化助手&quot;方面仍停留在表面，缺乏真正的长期记忆能力。作者认为这种差距表明，单纯依靠增加上下文窗口长度并不能解决记忆问题，必须开发更精细的&lt;strong&gt;记忆管理机制&lt;/strong&gt;（如索引、检索和阅读策略的优化）来处理不断增长的对话历史。&lt;/p&gt;
&lt;h3 id=&quot;对研究领域及更广泛领域的影响&quot;&gt;对研究领域及更广泛领域的影响&lt;a class=&quot;heading-link&quot; href=&quot;#对研究领域及更广泛领域的影响&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;提供了标准化的评估工具&lt;/strong&gt;：&lt;strong&gt;LongMemEval&lt;/strong&gt; 填补了现有基准测试在人机交互、超长历史和核心记忆能力（如时间推理、知识更新）评估上的空白，为该领域提供了宝贵的资源和改进方向。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;确立了统一的系统框架&lt;/strong&gt;：通过提出涵盖&quot;索引、检索、阅读&quot;的&lt;strong&gt;统一长效记忆框架&lt;/strong&gt;，作者为未来开发更可靠、更具个性化的 AI 助手（如心理咨询、私人秘书等需要深厚背景知识的任务）提供了设计准则和优化路径。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;验证了模块化优化的有效性&lt;/strong&gt;：研究证明了诸如&lt;strong&gt;细粒度存储（Round-level）&lt;/strong&gt;、&lt;strong&gt;事实增强索引&lt;/strong&gt;和&lt;strong&gt;笔记链（Chain-of-Note）阅读&lt;/strong&gt;等策略的有效性，这些发现可以直接应用于提升现有聊天助手的召回率和推理精度。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;主要学术价值与实践意义概括&quot;&gt;主要学术价值与实践意义概括&lt;a class=&quot;heading-link&quot; href=&quot;#主要学术价值与实践意义概括&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;学术价值&lt;/strong&gt;：重新定义了评估 AI 长期记忆的五大核心维度，挑战了&quot;长上下文即解决记忆&quot;的假设，并提出了一套标准化的数学化框架来拆解记忆系统的每个环节。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;实践意义&lt;/strong&gt;：该论文的研究成果具有&lt;strong&gt;即插即用&lt;/strong&gt;的特性，其提出的优化策略（如时间感知查询扩展）能显著提升 AI 处理现实中复杂、动态的用户信息的能力，推动 AI 助手向真正的&quot;数字伴侣&quot;进化。&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id=&quot;快速批判性评估&quot;&gt;快速批判性评估&lt;a class=&quot;heading-link&quot; href=&quot;#快速批判性评估&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;基于对该论文的深入理解，以下是对其&lt;strong&gt;最突出优点&lt;/strong&gt;与&lt;strong&gt;潜在局限性&lt;/strong&gt;的快速评估：&lt;/p&gt;
&lt;h3 id=&quot;最突出的优点&quot;&gt;最突出的优点&lt;a class=&quot;heading-link&quot; href=&quot;#最突出的优点&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;评估体系的全面性与真实性&lt;/strong&gt;：论文不仅提出了覆盖五大核心记忆能力（如时间推理、知识更新）的 &lt;strong&gt;LongMemEval&lt;/strong&gt; 基准，还通过人工精心设计的 500 个问题，模拟了真实且可自由扩展长度的人机交互场景，填补了现有测试偏重人与人对话且长度固定的空白。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;模块化的统一系统框架&lt;/strong&gt;：通过将长期记忆系统拆解为&lt;strong&gt;索引、检索、阅读&lt;/strong&gt;三个标准化阶段，为后续研究和工业界优化 AI 助手的记忆管理提供了一套清晰的&quot;路线图&quot;和对比基准。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;深刻的实验发现与实用优化&lt;/strong&gt;：论文敏锐地揭示了 SOTA 模型在长期记忆任务中存在 &lt;strong&gt;30%-70% 的巨大性能鸿沟&lt;/strong&gt;，并给出了如&quot;事实增强索引&quot;和&quot;时间感知检索&quot;等具备即插即用价值的优化策略。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;潜在局限性或不足之处&quot;&gt;潜在局限性或不足之处&lt;a class=&quot;heading-link&quot; href=&quot;#潜在局限性或不足之处&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;对基础模型能力的依赖性强&lt;/strong&gt;：论文中提出的一些关键优化策略（如时间感知查询扩展）高度依赖于底层 LLM 的强推理能力。实验显示，较弱的模型在处理复杂时间推理时容易产生幻觉或预测错误，限制了这些方法的普适性。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;构建与评估成本较高&lt;/strong&gt;：LongMemEval 依赖于大量的人工标注（如耗费 400 人时进行数据处理）以及昂贵的 GPT-4o 作为裁判。虽然评估准确率高达 98%，但在大规模扩展测试或对于资源有限的团队来说，复现成本较高。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;记忆操作范畴有限&lt;/strong&gt;：目前的研究重点主要集中在记忆的&quot;记录、检索和更新&quot;上，对于长期记忆中同样重要的 &lt;strong&gt;&quot;删除&quot;机制（即遗忘机制）&lt;/strong&gt; 以及如何处理隐私敏感信息的物理删除等问题，论文尚未进行深入探讨方案。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;快速评估概括&quot;&gt;快速评估概括&lt;a class=&quot;heading-link&quot; href=&quot;#快速评估概括&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;这是一篇&lt;strong&gt;极具实操指导意义的基准测试论文&lt;/strong&gt;。它成功地证明了&quot;长上下文不等于强记忆力&quot;，并通过科学的系统框架设计，为 AI 助手从&quot;短期对话者&quot;向&quot;长期数字伴侣&quot;的进化提供了重要的理论支撑和工具支持。其局限性主要在于对高性能 LLM 的强耦合，以及在记忆生命周期管理（如遗忘）上的缺失。&lt;/p&gt;</content:encoded><category>长期记忆</category><category>基准测试</category><category>聊天助手</category><category>论文笔记</category><author>wdxtub@gmail.com</author></item><item><title>【论文笔记】025 Seeing, Listening, Remembering, and Reasoning - A Multimodal Agent with Long-Term Memory</title><link>https://wdxtub.com/blog/paper/paper-025</link><guid isPermaLink="true">https://wdxtub.com/blog/paper/paper-025</guid><description>本研究引入了 M3-Agent 框架，其核心贡献是构建了一个具备长期记忆的多模态智能体，它能通过以实体为中心的多模态记忆图谱持续积累情节和语义知识，并在长视频问答任务中显著超越了目前最强的商业大模型组合。</description><pubDate>Wed, 14 Jan 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;论文发表时间：2025-10-09&lt;/p&gt;
&lt;h2 id=&quot;快速定位核心&quot;&gt;快速定位核心&lt;a class=&quot;heading-link&quot; href=&quot;#快速定位核心&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文开发了一个像人类一样拥有&quot;记忆力&quot;的 AI 助手，它不仅能实时处理&lt;strong&gt;无限长的音视频流&lt;/strong&gt;，还能把看到的人脸、听到的声音和发生的事件自动整理成一个&lt;strong&gt;有条理的知识库&lt;/strong&gt;。就像一个理想的家庭机器人能通过长期的日常观察，记住你早餐爱喝咖啡的习惯而无需重复提醒一样，M3-Agent 能够通过持续的感知&lt;strong&gt;边观察边学习&lt;/strong&gt;，并利用这些积累的经验来解决诸如人物关系推断或复杂事件追溯等高级智能任务。为了验证这种能力，研究团队还专门推出了一个包含真实机器人视角和网页视频的测试基准 &lt;strong&gt;M3-Bench&lt;/strong&gt;，证明了这种具备长期记忆的智能体在理解现实世界方面比现有的顶级 AI 更加高效和一致。&lt;/p&gt;
&lt;h2 id=&quot;理解问题与方法&quot;&gt;理解问题与方法&lt;a class=&quot;heading-link&quot; href=&quot;#理解问题与方法&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文主要研究的是&lt;strong&gt;多模态智能体（Multimodal Agents）如何构建和利用长期记忆&lt;/strong&gt;来理解复杂的现实世界环境并执行任务。&lt;/p&gt;
&lt;h3 id=&quot;1-研究问题及重要性&quot;&gt;1. 研究问题及重要性&lt;a class=&quot;heading-link&quot; href=&quot;#1-研究问题及重要性&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;研究核心问题：&lt;/strong&gt; 现有的多模态模型在处理&lt;strong&gt;无限长的输入流&lt;/strong&gt;和构建&lt;strong&gt;一致的外部世界知识&lt;/strong&gt;（而不仅仅是存储原始描述）方面存在困难。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;研究重要性：&lt;/strong&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;模仿人类智能：&lt;/strong&gt; 人类通过长期互动积累经验，能记住用户的偏好和日常惯例（如早起喝咖啡），智能体若要达到这一水平，必须具备感知、存储、组织经验并进行推理的能力。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;解决现有局限：&lt;/strong&gt; 传统方法难以处理无限长的视频流，且在长期背景下容易出现实体识别（如人物身份）的不一致。这对于未来能够自主执行家务、理解复杂人际关系的机器人至关重要。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;2-核心研究方法与实验设计&quot;&gt;2. 核心研究方法与实验设计&lt;a class=&quot;heading-link&quot; href=&quot;#2-核心研究方法与实验设计&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者提出了 &lt;strong&gt;M3-Agent&lt;/strong&gt; 框架，其核心是将智能体分为&lt;strong&gt;记忆（Memorization）&lt;strong&gt;和&lt;/strong&gt;控制（Control）&lt;strong&gt;两个并行过程，并构建了一个&lt;/strong&gt;以实体为中心的多模态记忆图谱&lt;/strong&gt;。&lt;/p&gt;
&lt;h3 id=&quot;3-关键步骤描述&quot;&gt;3. 关键步骤描述&lt;a class=&quot;heading-link&quot; href=&quot;#3-关键步骤描述&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;在线记忆构建：&lt;/strong&gt; 智能体逐个片段（Clip-by-clip）处理音视频流，利用外部工具提取&lt;strong&gt;面部和声音特征&lt;/strong&gt;，确保在长跨度时间内对同一实体的识别是一致的。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;生成双重记忆：&lt;/strong&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;情节记忆（Episodic）：&lt;/strong&gt; 记录具体发生的事件（如&quot;谁说了什么&quot;）。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;语义记忆（Semantic）：&lt;/strong&gt; 提炼一般性知识（如&quot;某人喜欢黑咖啡&quot;）和实体间的关系。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;图谱化存储：&lt;/strong&gt; 将上述记忆整合进一个&lt;strong&gt;多模态图谱数据库&lt;/strong&gt;，节点代表记忆项（文本、图像、音频），边代表逻辑关系，并通过基于权重的投票机制解决记忆冲突。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;自主推理与控制：&lt;/strong&gt; 当接收到指令时，控制模块通过&lt;strong&gt;多轮推理&lt;/strong&gt;自主调用搜索工具，从记忆图谱中迭代检索相关信息，而非简单的一次性检索。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;强化学习优化：&lt;/strong&gt; 采用**DAPO（直接优势策略优化）**等强化学习算法训练控制模型，显著提升了其在复杂任务中的推理和检索准确性。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;构建评估基准（M3-Bench）：&lt;/strong&gt; 开发了包含机器人视角和网页视频的大规模基准测试，专门评估智能体在人物理解、知识提取和跨模态推理等高阶认知任务上的表现。&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id=&quot;聚焦核心发现&quot;&gt;聚焦核心发现&lt;a class=&quot;heading-link&quot; href=&quot;#聚焦核心发现&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;根据这篇论文，最核心的实验结果和发现可以概括为以下三点：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;性能超越顶级商业模型组合：&lt;/strong&gt; &lt;strong&gt;M3-Agent 在所有测试的基准（包括 M3-Bench 和 VideoMME-long）上均显著优于目前最强的基线模型&lt;/strong&gt;（即由 Gemini-1.5-Pro 负责记忆、GPT-4o 负责控制的组合），在 M3-Bench-robot 和 M3-Bench-web 上分别实现了 &lt;strong&gt;6.7% 和 7.7% 的准确率提升&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;语义记忆是实现长期理解的关键：&lt;/strong&gt; 消融实验证明，&lt;strong&gt;语义记忆（即关于实体的特征、关系和一般性知识）对智能体的表现至关重要&lt;/strong&gt;；移除语义记忆会导致在不同基准上的准确率大幅下降 &lt;strong&gt;13.1% 至 19.2%&lt;/strong&gt;，这表明仅靠情节描述不足以支撑复杂的长时认知任务。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;强化学习显著增强自主推理能力：&lt;/strong&gt; 通过 &lt;strong&gt;DAPO（直接优势策略优化）&lt;/strong&gt; 进行的强化学习训练使模型在多轮推理和内存检索方面的准确率提升了 &lt;strong&gt;8.0% 至 10.0%&lt;/strong&gt;，证明了相比于简单的提示工程（Prompting），强化学习能更有效地让智能体学会如何从海量记忆中自主检索关键信息。&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id=&quot;理解意义与价值&quot;&gt;理解意义与价值&lt;a class=&quot;heading-link&quot; href=&quot;#理解意义与价值&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;作者通过以下几个方面解释了这些核心发现的意义，并强调了其对人工智能领域及实际应用的深远影响：&lt;/p&gt;
&lt;h3 id=&quot;1-推动智能体迈向类人长期记忆&quot;&gt;1. 推动智能体迈向&quot;类人&quot;长期记忆&lt;a class=&quot;heading-link&quot; href=&quot;#1-推动智能体迈向类人长期记忆&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者认为，核心发现在于证明了多模态智能体可以像人类一样，通过&lt;strong&gt;持续感知（听和看）&lt;/strong&gt;、&lt;strong&gt;增量学习&lt;/strong&gt;并&lt;strong&gt;构建结构化世界知识&lt;/strong&gt;，而非仅仅存储原始数据。这种&quot;情节记忆&quot;与&quot;语义记忆&quot;并行的双重机制，解决了传统模型在处理无限长视频流时容易出现的实体识别不一致和信息丢失问题。&lt;/p&gt;
&lt;h3 id=&quot;2-填补高阶认知评估的空白&quot;&gt;2. 填补高阶认知评估的空白&lt;a class=&quot;heading-link&quot; href=&quot;#2-填补高阶认知评估的空白&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;通过 &lt;strong&gt;M3-Bench&lt;/strong&gt; 的实验发现，作者指出该研究填补了多模态基准测试的空白。现有的测试大多侧重于浅层的动作识别，而本研究证明了智能体在&lt;strong&gt;人物理解、跨模态推理和常识提取&lt;/strong&gt;等复杂任务上的潜力，这对于评估未来智能体的实际生存与协作能力至关重要。&lt;/p&gt;
&lt;h3 id=&quot;3-强化学习在自主控制中的必要性&quot;&gt;3. 强化学习在自主控制中的必要性&lt;a class=&quot;heading-link&quot; href=&quot;#3-强化学习在自主控制中的必要性&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;实验结果显示，通过 &lt;strong&gt;DAPO（直接优势策略优化）&lt;/strong&gt; 训练的模型显著优于简单的提示工程。作者据此解释：要让智能体在海量长期记忆中具备&lt;strong&gt;多轮自主推理和精准检索&lt;/strong&gt;的能力，必须通过强化学习来优化其决策策略，这为未来复杂智能体的控制系统设计提供了重要范式。&lt;/p&gt;
&lt;h3 id=&quot;4-主要学术价值与实践意义概括&quot;&gt;4. 主要学术价值与实践意义概括&lt;a class=&quot;heading-link&quot; href=&quot;#4-主要学术价值与实践意义概括&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;学术价值：&lt;/strong&gt; 提出了一种将&lt;strong&gt;认知科学中的记忆模型（情节 vs. 语义）&lt;strong&gt;与&lt;/strong&gt;大规模多模态模型&lt;/strong&gt;相结合的新架构，并定义了衡量智能体长期记忆效能的新标准（M3-Bench）。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;实践意义：&lt;/strong&gt; 为开发&lt;strong&gt;具备自主学习能力的家庭服务机器人&lt;/strong&gt;提供了技术路径，使其能够通过日常观察记住用户偏好（如&quot;某人爱喝咖啡&quot;）、理解人物关系并处理复杂的家庭事务，无需人类反复下达指令。&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id=&quot;快速批判性评估&quot;&gt;快速批判性评估&lt;a class=&quot;heading-link&quot; href=&quot;#快速批判性评估&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;基于对该论文及我们此前讨论的深入理解，以下是对该研究最突出优点和潜在局限性的快速评估：&lt;/p&gt;
&lt;h3 id=&quot;1-最突出的优点&quot;&gt;1. 最突出的优点&lt;a class=&quot;heading-link&quot; href=&quot;#1-最突出的优点&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;模拟人类认知架构：&lt;/strong&gt; 该论文最显著的创新在于将智能体的记忆系统划分为&lt;strong&gt;情节记忆（Episodic）和语义记忆（Semantic）&lt;/strong&gt;，这不仅模仿了人类的认知过程，还解决了传统模型仅能存储原始描述而缺乏&quot;世界知识&quot;的问题。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;长时一致性的技术突破：&lt;/strong&gt; 通过构建&lt;strong&gt;以实体为中心的多模态记忆图谱&lt;/strong&gt;，利用面部和声音识别工具锁定了跨越长时间跨度的人物身份。这使得智能体即使在长达数小时甚至更久的视频流中，也能保持对同一实体认知的连贯性。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;强大的自主推理与检索：&lt;/strong&gt; 不同于简单的一次性检索（RAG），M3-Agent 采用了&lt;strong&gt;基于强化学习（DAPO）优化的多轮迭代推理&lt;/strong&gt;，能够像人类一样在海量记忆中根据初步线索不断挖掘深层关联信息。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;高质量的新基准测试：&lt;/strong&gt; &lt;strong&gt;M3-Bench&lt;/strong&gt; 的提出填补了多模态评估领域的空白，它不再局于浅层的动作识别，而是强制模型进行人物理解和跨模态推理等高阶认知任务。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;2-潜在局限性或不足之处&quot;&gt;2. 潜在局限性或不足之处&lt;a class=&quot;heading-link&quot; href=&quot;#2-潜在局限性或不足之处&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;极细粒度细节的丢失：&lt;/strong&gt; 作者在&quot;硬案例&quot;分析中承认，为了避免认知过载，智能体无法记住所有微小的视觉细节（例如&quot;谁想吃火腿肠&quot;），这在处理需要极高精确度的任务时可能导致失败。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;空间推理能力薄弱：&lt;/strong&gt; 目前的记忆主要以&lt;strong&gt;语言描述&lt;/strong&gt;为主。由于文本在描述空间布局方面效率较低，智能体在理解物体精确位置关系或跟踪空间变化时面临挑战，缺乏丰富的视觉快照（Snapshots）支持。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;对基础能力和合成数据的依赖：&lt;/strong&gt; 尽管 M3-Agent 表现优异，但其训练过程高度依赖于 Gemini 和 GPT-4o 生成的高质量合成数据。此外，它对外部识别工具（如面部识别）的准确性也有一定依赖，背景噪声或遮挡仍会导致记忆冲突。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;系统复杂性与成本：&lt;/strong&gt; 维护一个持续增长的多模态图谱并进行多轮强化学习推理，在计算资源和系统延迟方面可能比传统的一次性处理模型更具挑战。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;3-快速评估&quot;&gt;3. 快速评估&lt;a class=&quot;heading-link&quot; href=&quot;#3-快速评估&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;&lt;strong&gt;总结：&lt;/strong&gt; 这是一篇在&lt;strong&gt;多模态长时记忆&lt;/strong&gt;领域具有里程碑意义的论文。它成功地将智能体从&quot;实时监控器&quot;提升为具有&quot;长期经验&quot;的思考者。虽然在极细粒度感知的权衡和空间建模上仍存在局限，但其提出的&lt;strong&gt;双重记忆框架&lt;/strong&gt;和&lt;strong&gt;图谱化组织方式&lt;/strong&gt;为未来开发能真正融入人类生活的家政服务机器人指明了清晰的技术方向。&lt;/p&gt;</content:encoded><category>多模态</category><category>长期记忆</category><category>智能体</category><category>论文笔记</category><author>wdxtub@gmail.com</author></item><item><title>【论文笔记】026 Mem0 - Building Production-Ready AI Agents with Scalable Long-Term Memory</title><link>https://wdxtub.com/blog/paper/paper-026</link><guid isPermaLink="true">https://wdxtub.com/blog/paper/paper-026</guid><description>这篇论文推出了 Mem0，一种专为 AI 智能体设计的可扩展长期记忆架构，通过动态提取对话精华并利用图谱化表示（Mem0g），实现了在多轮会话中维持高度的一致性，同时比传统全上下文方法降低了 91% 的延迟和 90% 以上的成本。</description><pubDate>Wed, 14 Jan 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;论文发表时间：2025-04-28&lt;/p&gt;
&lt;h2 id=&quot;快速定位核心&quot;&gt;快速定位核心&lt;a class=&quot;heading-link&quot; href=&quot;#快速定位核心&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;目前的 AI 就像一个只有&quot;瞬时记忆&quot;的助手，一旦对话时间过长或开启新会话，它就会忘记你的偏好和之前的约定，这是因为它们的固定&quot;窗口&quot;限制了记忆长度。这篇论文提出的 &lt;strong&gt;Mem0 系统相当于为 AI 换上了一个&quot;永久大脑&quot;&lt;/strong&gt;。&lt;/p&gt;
&lt;p&gt;它不再死记硬背成千上万字的原始聊天记录，而是模仿人类的认知过程，&lt;strong&gt;动态地从对话中提取关键事实，并像思维导图一样将它们整理成有逻辑的知识网（图谱记忆）&lt;/strong&gt;。这种方式让 AI 能够精准地记住你的饮食偏好或日程细节，不仅在&lt;strong&gt;准确性上远超现有主流系统&lt;/strong&gt;，而且因为处理的信息更精炼，其&lt;strong&gt;响应速度大幅提升，运营成本也显著降低&lt;/strong&gt;，使 AI 真正具备了成为长期、可靠合作伙伴的能力。&lt;/p&gt;
&lt;h2 id=&quot;理解问题与方法&quot;&gt;理解问题与方法&lt;a class=&quot;heading-link&quot; href=&quot;#理解问题与方法&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文主要研究如何为 AI 智能体构建&lt;strong&gt;可扩展的长期记忆架构&lt;/strong&gt;，旨在解决大语言模型（LLM）因&lt;strong&gt;固定上下文窗口限制&lt;/strong&gt;而在多会话长对话中难以维持一致性和连贯性的基本挑战。&lt;/p&gt;
&lt;h3 id=&quot;1-为什么这个问题重要&quot;&gt;1. 为什么这个问题重要？&lt;a class=&quot;heading-link&quot; href=&quot;#1-为什么这个问题重要&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者认为研究该问题至关重要，原因包括：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;人类交互的核心需求&lt;/strong&gt;：人类记忆是理解偏好、建立信任和形成长期关系的基础，缺乏持久记忆的 AI 会出现遗忘偏好、重复提问或前后矛盾的情况，严重损害用户体验。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;上下文窗口的局限性&lt;/strong&gt;：虽然现有模型在不断扩大窗口长度，但这只是&quot;延迟&quot;而非&quot;解决&quot;问题。随着对话增长，窗口终会溢出，且处理包含大量无关信息的完整历史会导致&lt;strong&gt;计算成本（Token 消耗）剧增&lt;/strong&gt;和&lt;strong&gt;响应延迟显著增加&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;注意力衰减&lt;/strong&gt;：在极长的上下文中，模型的注意力机制在处理远距离信息时会发生退化。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;2-核心研究方法与实验设计&quot;&gt;2. 核心研究方法与实验设计&lt;a class=&quot;heading-link&quot; href=&quot;#2-核心研究方法与实验设计&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者推出了 &lt;strong&gt;Mem0&lt;/strong&gt; 架构及其增强版本 &lt;strong&gt;Mem0g&lt;/strong&gt;。&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;核心架构&lt;/strong&gt;：
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;Mem0&lt;/strong&gt;：采用增量处理范式，通过自然语言动态提取和管理事实。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;Mem0g&lt;/strong&gt;：引入&lt;strong&gt;图谱记忆表示&lt;/strong&gt;，将信息存储为由实体（节点）和关系（边）构成的有向标记图，以支持复杂的关联推理。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;实验设计&lt;/strong&gt;：
&lt;ul&gt;
&lt;li&gt;使用 &lt;strong&gt;LOCOMO 基准数据集&lt;/strong&gt;，涵盖单步、多步、时间维度和开放域等多种问题类型。&lt;/li&gt;
&lt;li&gt;对比了 RAG、全上下文（Full-Context）以及 OpenAI 记忆功能等 6 类基准系统。&lt;/li&gt;
&lt;li&gt;评估指标结合了准确性（F1、BLEU-1、&lt;strong&gt;LLM-as-a-Judge&lt;/strong&gt;）和部署性能（&lt;strong&gt;延迟、Token 成本&lt;/strong&gt;）。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;3-解决问题的关键步骤&quot;&gt;3. 解决问题的关键步骤&lt;a class=&quot;heading-link&quot; href=&quot;#3-解决问题的关键步骤&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;该系统通过以下步骤动态管理记忆：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;提取阶段&lt;/strong&gt;：结合当前对话对、异步生成的对话摘要以及近期消息，利用 LLM 提取出关键的&lt;strong&gt;显著记忆事实（Salient Memories）&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;更新阶段&lt;/strong&gt;：系统检索数据库中语义相似的旧记忆，利用 LLM 的推理能力决定执行 &lt;strong&gt;ADD（添加）、UPDATE（更新）、DELETE（删除）或 NOOP（无操作）&lt;/strong&gt;，以确保记忆库的时效性与一致性。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;图谱化表示（Mem0g 特有）&lt;/strong&gt;：将提取的信息转化为&quot;实体-关系-实体&quot;三元组，并利用&lt;strong&gt;冲突检测机制&lt;/strong&gt;和更新解析器维护知识图谱的逻辑结构。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;双重检索&lt;/strong&gt;：在查询时，结合&lt;strong&gt;实体中心检索&lt;/strong&gt;（寻找锚点节点）和&lt;strong&gt;语义三元组匹配&lt;/strong&gt;（整体嵌入向量匹配）两种策略，精准提取相关背景信息。&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id=&quot;聚焦核心发现&quot;&gt;聚焦核心发现&lt;a class=&quot;heading-link&quot; href=&quot;#聚焦核心发现&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文最核心的实验结果可概括为以下三点：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;性能全面领先&lt;/strong&gt;：在 LOCOMO 基准测试中，Mem0 和 Mem0g 在单跳、多跳、时间维度和开放域等所有问题类别上均优于现有主流系统（包括 RAG、OpenAI 记忆功能等），其中在 &lt;strong&gt;LLM-as-a-Judge 指标上比 OpenAI 相对提升了 26%&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;极高的部署效率&lt;/strong&gt;：相比性能略优但计算昂贵的全上下文（Full-Context）方法，Mem0 将 &lt;strong&gt;p95 延迟降低了 91%，并节省了 90% 以上的 Token 成本&lt;/strong&gt;，在推理能力与实际成本之间取得了最佳平衡。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;图谱记忆的增益&lt;/strong&gt;：增强版的 &lt;strong&gt;Mem0g 在处理复杂的时间推理和开放域任务时表现更优&lt;/strong&gt;，证明了利用图谱结构捕捉实体间的复杂关系对于维持长期对话的逻辑连贯性至关重要。&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id=&quot;理解意义与价值&quot;&gt;理解意义与价值&lt;a class=&quot;heading-link&quot; href=&quot;#理解意义与价值&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;作者通过以下几个维度解释了核心发现的意义，并阐述了其对研究领域及实际应用的贡献：&lt;/p&gt;
&lt;h3 id=&quot;1-解释发现的意义平衡性能与实用性&quot;&gt;1. 解释发现的意义：平衡性能与实用性&lt;a class=&quot;heading-link&quot; href=&quot;#1-解释发现的意义平衡性能与实用性&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者强调，Mem0 最大的意义在于&lt;strong&gt;打破了 LLM 在强大推理能力与高昂部署成本之间的矛盾&lt;/strong&gt;。&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;超越上下文限制&lt;/strong&gt;：传统的&quot;全上下文（Full-Context）&quot;方法虽然准确，但随着对话增长，其延迟和成本呈指数级上升，使其在生产环境中&quot;不切实际&quot;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;记忆效率的革命&lt;/strong&gt;：Mem0 通过动态提取显著事实，仅需全文本约 1/20 的 Token 消耗即可维持近乎同等的推理水平，这证明了&lt;strong&gt;精简、结构化的记忆表示优于原始文本堆砌&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;图谱记忆的必要性&lt;/strong&gt;：Mem0g 的成功说明，对于涉及&lt;strong&gt;时间顺序&lt;/strong&gt;和&lt;strong&gt;复杂关系推理&lt;/strong&gt;的任务，仅靠自然语言描述是不够的，显式的图谱结构是实现高级认知能力的关键。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;2-对研究领域及更广泛领域的影响&quot;&gt;2. 对研究领域及更广泛领域的影响&lt;a class=&quot;heading-link&quot; href=&quot;#2-对研究领域及更广泛领域的影响&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者认为这些发现将推动 AI 智能体从&quot;工具&quot;向&quot;伙伴&quot;演进：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;重塑人机交互基础&lt;/strong&gt;：通过解决 AI 的&quot;遗忘&quot;问题，模型能够建立跨会话的持续叙事，从而像人类一样&lt;strong&gt;建立长期的信任和个性化关系&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;定义未来智能体架构&lt;/strong&gt;：论文提出的&quot;提取-更新-检索&quot;双阶段架构，为构建&lt;strong&gt;可扩展、具备自主进化能力&lt;/strong&gt;的智能体存储系统提供了标准模板。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;跨行业应用价值&lt;/strong&gt;：这些发现为&lt;strong&gt;医疗保健、私人教育、企业支持&lt;/strong&gt;等对连续性、准确性和响应速度有严苛要求的领域铺平了道路。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;3-主要学术价值与实践意义概括&quot;&gt;3. 主要学术价值与实践意义概括&lt;a class=&quot;heading-link&quot; href=&quot;#3-主要学术价值与实践意义概括&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;学术价值&lt;/strong&gt;：提出了一种创新的&lt;strong&gt;可扩展长期记忆架构&lt;/strong&gt;，系统性地对比了多种记忆范式，揭示了&lt;strong&gt;自然语言事实记忆与图谱关系记忆在不同推理任务中的互补性&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;实践意义&lt;/strong&gt;：提供了&lt;strong&gt;生产就绪（Production-Ready）&lt;strong&gt;的解决方案，不仅在性能上刷新了 LOCOMO 基准，更通过&lt;/strong&gt;极低的延迟（降低 91%）和成本（节省 90%+）&lt;/strong&gt;，使得在大规模实时应用中部署具备复杂记忆能力的 AI 智能体成为可能。&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id=&quot;快速批判性评估&quot;&gt;快速批判性评估&lt;a class=&quot;heading-link&quot; href=&quot;#快速批判性评估&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;h3 id=&quot;突出的优点&quot;&gt;突出的优点&lt;a class=&quot;heading-link&quot; href=&quot;#突出的优点&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;极高的工程实用性与成本效益&lt;/strong&gt;：这篇论文最显著的优点在于其**生产就绪（Production-Ready）**的特性。相比于处理全量历史记录的方法，Mem0 将 &lt;strong&gt;p95 延迟降低了 91%，并节省了 90% 以上的 Token 成本&lt;/strong&gt;，这使得在实时、大规模场景下部署具备长期记忆的 AI 智能体变得经济可行。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;动态且一致的记忆管理机制&lt;/strong&gt;：系统不只是简单的存储，而是采用&lt;strong&gt;增量更新逻辑&lt;/strong&gt;。通过 ADD、UPDATE、DELETE 和 NOOP 四种操作，LLM 能够自主决定如何处理新旧事实，有效地解决了信息冗余和记忆冲突问题，确保了记忆库的时效性和一致性。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;灵活的双重记忆表示（Mem0 &amp;#x26; Mem0g）&lt;/strong&gt;：论文提供了互补的架构：&lt;strong&gt;Mem0&lt;/strong&gt; 利用纯文本事实实现极速检索；而 &lt;strong&gt;Mem0g&lt;/strong&gt; 通过&lt;strong&gt;图谱化表示&lt;/strong&gt;显式建模实体间的复杂关系。这种结合在处理简单事实定位和复杂的时间维度推理任务时都表现出了卓越的性能。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;潜在的局限性与不足&quot;&gt;潜在的局限性与不足&lt;a class=&quot;heading-link&quot; href=&quot;#潜在的局限性与不足&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;准确率与全上下文方法仍有差距&lt;/strong&gt;：虽然 Mem0 的效率极高，但在 &lt;strong&gt;LLM-as-a-Judge 评估指标上（约 68%）仍略逊于处理全部原始对话记录的&quot;全上下文&quot;方法（约 73%）&lt;/strong&gt;。这意味着在压缩和提取过程中，仍不可避免地会损失一些细微的语境信息。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;图谱化的额外开销与任务适配性&lt;/strong&gt;：增强版的 &lt;strong&gt;Mem0g 虽然增强了关系推理，但其 Token 占用是基础版的两倍，且延迟更高&lt;/strong&gt;。实验还发现，在多步推理（Multi-hop）等任务中，图谱结构有时会带来冗余负担，并不总能产生优于纯文本记忆的结果。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;应用领域相对集中&lt;/strong&gt;：目前的研究和评估主要聚焦于&lt;strong&gt;基于文本的对话场景（LOCOMO 数据集）&lt;/strong&gt;。对于涉及多模态信息（如图像、声音）或更复杂的程序化推理（Procedural Reasoning）场景，该架构的适用性尚待进一步验证。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;快速评估&quot;&gt;快速评估&lt;a class=&quot;heading-link&quot; href=&quot;#快速评估&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;&lt;strong&gt;Mem0 是一套在&quot;推理性能&quot;与&quot;部署成本&quot;之间取得了极佳平衡的记忆方案。&lt;/strong&gt; 它通过模仿人类的认知过程，将庞杂的原始对话提炼为结构化的精华，成功地解决了大模型由于&quot;窗口限制&quot;导致的遗忘问题。尽管在&lt;strong&gt;绝对精度&lt;/strong&gt;上仍有微小提升空间，但其&lt;strong&gt;极低的延迟和卓越的资源利用率&lt;/strong&gt;使其成为当前构建长效 AI 助手、个性化教育及医疗智能体的技术优选。&lt;/p&gt;</content:encoded><category>长期记忆</category><category>生产就绪</category><category>智能体</category><category>论文笔记</category><author>wdxtub@gmail.com</author></item><item><title>【论文笔记】010 A Survey of Personalized Large Language Models - Progress and Future Directions</title><link>https://wdxtub.com/blog/paper/paper-010</link><guid isPermaLink="true">https://wdxtub.com/blog/paper/paper-010</guid><description>现在的AI大模型大多是&quot;万人一面&quot;的，无论谁问它，它给出的回答都大同小异；而这篇论文探讨的是如何让AI实现&quot;量体裁衣&quot;式的个性化。它总结了目前学术界让AI学习用户历史对话、写作风格和个人偏好的各种技术手段，并将这些方法系统地归纳为改变说话方式（提示词）、调整大脑结构（模型适配）和校准价值偏好（目标对齐）三个层面。其最终目标是构建一个不仅能记住你的历史，还能适应你的需求，并随着你的成长而不断进化的私人智能伙伴。</description><pubDate>Tue, 13 Jan 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;论文发表时间：2025-09-20&lt;/p&gt;
&lt;p&gt;现在的AI大模型大多是&quot;万人一面&quot;的，无论谁问它，它给出的回答都大同小异；而这篇论文探讨的是如何让AI实现 &lt;strong&gt;&quot;量体裁衣&quot;式的个性化&lt;/strong&gt;。它总结了目前学术界让AI学习用户历史对话、写作风格和个人偏好的各种技术手段，并将这些方法系统地归纳为&lt;strong&gt;改变说话方式（提示词）、调整大脑结构（模型适配）和校准价值偏好（目标对齐）&lt;strong&gt;三个层面。其最终目标是构建一个不仅能&lt;/strong&gt;记住你&lt;/strong&gt;的历史，还能&lt;strong&gt;适应你&lt;/strong&gt;的需求，并随着你的成长而不断&lt;strong&gt;进化&lt;/strong&gt;的私人智能伙伴。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;类比理解：&lt;/strong&gt;&lt;/p&gt;
&lt;p&gt;这篇论文就像是一本**&quot;智能裁缝指南&quot;**。它告诉开发者如何不再制作&quot;均码&quot;的成衣，而是通过测量每一位用户的&quot;数据体征&quot;（偏好、历史、风格），利用不同的缝纫技法（技术路径），为每个人定制出一套独一无二的智能服务。&lt;/p&gt;
&lt;h2 id=&quot;理解问题与方法&quot;&gt;理解问题与方法&lt;a class=&quot;heading-link&quot; href=&quot;#理解问题与方法&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文从&lt;strong&gt;输入层、模型层和目标层&lt;/strong&gt;三个维度，系统地介绍了实现个性化大语言模型（PLLMs）的研究方法。以下是这些方法的关键步骤、区别及优劣分析：&lt;/p&gt;
&lt;h3 id=&quot;1-个性化提示personalized-prompting---输入层&quot;&gt;1. 个性化提示（Personalized Prompting - 输入层）&lt;a class=&quot;heading-link&quot; href=&quot;#1-个性化提示personalized-prompting---输入层&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;这类方法通过在输入阶段注入用户信息，而不改变模型参数，是目前最灵活的方法。&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;关键步骤：&lt;/strong&gt; 将用户的历史对话、风格或偏好提取并整合到输入提示词中。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;子类别与优劣：&lt;/strong&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;画像增强（Profile-Augmented）：&lt;/strong&gt; 总结用户信息并与查询拼接。&lt;strong&gt;优点&lt;/strong&gt;是效率高；&lt;strong&gt;缺点&lt;/strong&gt;是存在信息损失。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;检索增强（Retrieval-Augmented）：&lt;/strong&gt; 从记忆库中检索相关记录。&lt;strong&gt;优点&lt;/strong&gt;是具备长效记忆；&lt;strong&gt;缺点&lt;/strong&gt;是计算开销大且可能检索到无关数据。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;软融合（Soft-Fused）：&lt;/strong&gt; 将个人信息编码为&quot;软提示&quot;（Embedding层注入），。&lt;strong&gt;优点&lt;/strong&gt;是能捕捉细微语义；&lt;strong&gt;缺点&lt;/strong&gt;是缺乏可解释性。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;对比提示（Contrastive）：&lt;/strong&gt; 对比有无个性化信息的输出差异，。&lt;strong&gt;优点&lt;/strong&gt;是可控性强、可解释；&lt;strong&gt;缺点&lt;/strong&gt;是对超参数敏感。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;2-个性化适配personalized-adaptation---模型层&quot;&gt;2. 个性化适配（Personalized Adaptation - 模型层）&lt;a class=&quot;heading-link&quot; href=&quot;#2-个性化适配personalized-adaptation---模型层&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;这类方法通过微调模型参数（通常是高效参数微调 PEFT）来深度定制模型。&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;关键步骤：&lt;/strong&gt; 使用用户的特定数据，通过 LoRA 或适配器（Adapter）等技术更新模型的部分权重。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;方法区别与优劣：&lt;/strong&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;单 PEFT 服务所有用户：&lt;/strong&gt; 所有用户共享一个微调模块，通过输入区分。&lt;strong&gt;优点&lt;/strong&gt;是参数效率高、易扩展；&lt;strong&gt;缺点&lt;/strong&gt;是个性化深度有限。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;单用户单 PEFT：&lt;/strong&gt; 为每个用户训练独立的微调模块。&lt;strong&gt;优点&lt;/strong&gt;是个性化极强、用户数据隔离安全；&lt;strong&gt;缺点&lt;/strong&gt;是存储开销巨大且训练复杂。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;3-个性化对齐personalized-alignment---目标层&quot;&gt;3. 个性化对齐（Personalized Alignment - 目标层）&lt;a class=&quot;heading-link&quot; href=&quot;#3-个性化对齐personalized-alignment---目标层&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;这类方法旨在调整模型的底层偏好，使其价值观或行为模式与特定用户一致，。&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;关键步骤：&lt;/strong&gt; 构建体现用户偏好的数据集，通过强化学习（如 RLHF）或直接偏好优化（DPO）进行校准，。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;方法区别与优劣：&lt;/strong&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;训练时对齐（Training-Time）：&lt;/strong&gt; 在训练阶段通过多目标优化进行调整。&lt;strong&gt;优点&lt;/strong&gt;是个性化效果稳固、推理高效；&lt;strong&gt;缺点&lt;/strong&gt;是训练成本高且缺乏灵活性。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;解码时对齐（Decoding-Time）：&lt;/strong&gt; 在推理阶段通过模型融合或权重合并来实现。&lt;strong&gt;优点&lt;/strong&gt;是无需重新训练、高度灵活；&lt;strong&gt;缺点&lt;/strong&gt;是推理计算开销大。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;&lt;strong&gt;总结对比：&lt;/strong&gt;&lt;/p&gt;





























&lt;table&gt;&lt;thead&gt;&lt;tr&gt;&lt;th&gt;维度&lt;/th&gt;&lt;th&gt;技术重心&lt;/th&gt;&lt;th&gt;核心优势&lt;/th&gt;&lt;th&gt;核心劣势&lt;/th&gt;&lt;/tr&gt;&lt;/thead&gt;&lt;tbody&gt;&lt;tr&gt;&lt;td&gt;&lt;strong&gt;个性化提示&lt;/strong&gt;&lt;/td&gt;&lt;td&gt;改变输入（不改模型）&lt;/td&gt;&lt;td&gt;响应快、无需训练&lt;/td&gt;&lt;td&gt;记忆长度受限、深度不足&lt;/td&gt;&lt;/tr&gt;&lt;tr&gt;&lt;td&gt;&lt;strong&gt;个性化适配&lt;/strong&gt;&lt;/td&gt;&lt;td&gt;改变模型（微调参数）&lt;/td&gt;&lt;td&gt;性能强、适配度高&lt;/td&gt;&lt;td&gt;存储和计算成本高&lt;/td&gt;&lt;/tr&gt;&lt;tr&gt;&lt;td&gt;&lt;strong&gt;个性化对齐&lt;/strong&gt;&lt;/td&gt;&lt;td&gt;改变目标（调整偏好）&lt;/td&gt;&lt;td&gt;价值观对齐、行为一致&lt;/td&gt;&lt;td&gt;训练极其耗时&lt;/td&gt;&lt;/tr&gt;&lt;/tbody&gt;&lt;/table&gt;
&lt;p&gt;&lt;strong&gt;类比理解：&lt;/strong&gt;&lt;/p&gt;
&lt;p&gt;这三种方法就像是让一个演员演好你的&quot;私人助理&quot;：&lt;strong&gt;提示词法&lt;/strong&gt;是给他一张写满你习惯的纸条（临时交代）；&lt;strong&gt;适配法&lt;/strong&gt;是让他去参加专门针对你家规矩的短期培训（深度学习）；&lt;strong&gt;对齐法&lt;/strong&gt;则是从根本上通过奖惩改变他的性格和价值观，让他自然而然地变成你喜欢的样子（本质重塑）。&lt;/p&gt;
&lt;h2 id=&quot;聚焦核心发现&quot;&gt;聚焦核心发现&lt;a class=&quot;heading-link&quot; href=&quot;#聚焦核心发现&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文作为一篇综述，其核心研究发现并非单一实验数据，而是通过对全行业技术的系统性梳理，总结出了以下三个最关键的结论：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;揭示了个性化技术的&quot;三角权衡&quot; (Triangular Trade-off)：&lt;/strong&gt; 现有的个性化方法在&lt;strong&gt;性能 (Efficacy)、效率 (Efficiency) 和隐私/信任 (Trustworthiness)&lt;/strong&gt; 之间难以兼得。例如，为每个用户独立微调模型（One PEFT Per User）虽然性能和隐私性强，但存储和计算成本极高；而共享参数的方法虽高效，却存在隐私泄露风险。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;明确了不同技术路径的适用边界：&lt;/strong&gt; 研究发现&lt;strong&gt;个性化提示 (Prompting)&lt;/strong&gt; 在处理&lt;strong&gt;事实提取 (Extraction)&lt;/strong&gt; 任务时最高效，但在应对需要深度语义理解的&lt;strong&gt;抽象 (Abstraction) 和泛化 (Generalization)&lt;/strong&gt; 任务时，必须依赖更深层的&lt;strong&gt;模型适配 (Adaptation) 或目标对齐 (Alignment)&lt;/strong&gt; 技术。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;确立了从&quot;静态适配&quot;向&quot;动态进化&quot;的发展愿景：&lt;/strong&gt; 论文指出当前技术已能初步实现&quot;记住&quot;和&quot;适配&quot;用户信息，但实现能够随用户需求和偏好长期&lt;strong&gt;持续进化 (Evolve)&lt;/strong&gt; 且不产生灾难性遗忘的智能体，仍是目前最核心的挑战与研究空白。&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;&lt;strong&gt;类比理解：&lt;/strong&gt; 这就像发现了一套 &lt;strong&gt;&quot;不可能三角&quot;&lt;/strong&gt;：在装修房子（个性化大模型）时，你很难同时做到&quot;装修最豪华（高性能）&quot;、&quot;工期最短且最省钱（高效率）&quot;以及&quot;完全不让外人进屋（高隐私）&quot;，必须根据具体需求在三者间进行取舍。&lt;/p&gt;
&lt;h2 id=&quot;理解意义与价值&quot;&gt;理解意义与价值&lt;a class=&quot;heading-link&quot; href=&quot;#理解意义与价值&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;作者通过对**个性化大语言模型（PLLMs）**领域的全面梳理，将其核心发现的意义、对领域的贡献以及学术与实践价值总结如下：&lt;/p&gt;
&lt;h3 id=&quot;1-核心发现的意义破解万人一面的局限&quot;&gt;1. 核心发现的意义：破解&quot;万人一面&quot;的局限&lt;a class=&quot;heading-link&quot; href=&quot;#1-核心发现的意义破解万人一面的局限&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;作者认为，现有的通用大模型在处理特定用户需求时存在 &lt;strong&gt;&quot;一成不变（One-Size-Fits-All）&quot;&lt;/strong&gt; 的缺陷，无法理解个人情感、写作风格和特定偏好，。提出个性化框架的意义在于：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;提升用户体验：&lt;/strong&gt; 通过利用个人数据（如画像、历史对话等），模型能提供上下文更相关、更契合用户特定需求的回应，从而&lt;strong&gt;显著提高用户满意度&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;识别技术瓶颈：&lt;/strong&gt; 揭示了&lt;strong&gt;性能、效率与信任（隐私）之间的&quot;三角权衡&quot;&lt;/strong&gt;，这为开发者指明了在实际部署中必须解决的冲突点。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;2-对研究领域的贡献确立标准与蓝图&quot;&gt;2. 对研究领域的贡献：确立标准与蓝图&lt;a class=&quot;heading-link&quot; href=&quot;#2-对研究领域的贡献确立标准与蓝图&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;这篇论文对该领域具有里程碑式的指导作用：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;填补系统性综述的空白：&lt;/strong&gt; 论文通过建立&lt;strong&gt;统一的分类体系（输入层、模型层、目标层）&lt;/strong&gt;，将原本零散的研究整合进一个结构化的框架中，架起了现有研究与未来探索之间的桥梁。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;定义未来演进路径：&lt;/strong&gt; 作者提出了从简单的&quot;记住&quot;和&quot;适配&quot;向 &lt;strong&gt;&quot;持续进化（Evolve）&quot;&lt;/strong&gt; 跨越的愿景，确立了构建&quot;长效、动态&quot;AI助手的长远目标。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;3-学术价值与实践意义概括&quot;&gt;3. 学术价值与实践意义概括&lt;a class=&quot;heading-link&quot; href=&quot;#3-学术价值与实践意义概括&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;学术价值：&lt;/strong&gt; 提供了&lt;strong&gt;标准化的术语定义、任务分类（提取、抽象、泛化）以及多维度的评估指标体系&lt;/strong&gt;，为后续研究的可对比性和科学性奠定了基础。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;实践意义：&lt;/strong&gt; 勾勒了 PLLMs 在&lt;strong&gt;医疗保健（定制治疗方案）、教育（因材施教）、创意产业（风格化生成）和企业应用&lt;/strong&gt;等领域的应用蓝图，并指出了边缘计算和云端协作等具体的技术落地方向。&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;&lt;strong&gt;总结：&lt;/strong&gt; 这篇论文的学术贡献在于 &lt;strong&gt;&quot;定规矩、立坐标&quot;&lt;/strong&gt;，它将个性化研究从分散的技巧探索提升到了系统性的学科高度，；其实践贡献在于 &lt;strong&gt;&quot;指方向、划雷区&quot;&lt;/strong&gt;，为实现真正具备个人属性的下一代AI代理提供了技术指南和风险警示。&lt;/p&gt;
&lt;h2 id=&quot;快速批判性评估&quot;&gt;快速批判性评估&lt;a class=&quot;heading-link&quot; href=&quot;#快速批判性评估&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;基于对这篇论文（综述）的深入分析，以下是对其最突出优点与潜在局限性的快速评估：&lt;/p&gt;
&lt;h3 id=&quot;1-最突出的优点&quot;&gt;1. 最突出的优点&lt;a class=&quot;heading-link&quot; href=&quot;#1-最突出的优点&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;构建了严谨的系统性框架：&lt;/strong&gt; 论文首次将零散的个性化研究整合为一个涵盖**输入层（提示）、模型层（适配）和目标层（对齐）**的结构化体系，并定义了标准化的数学表达，为该领域确立了&quot;通用的语言&quot;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;深刻的技术权衡分析：&lt;/strong&gt; 论文并未盲目吹捧个性化，而是尖锐地指出了&lt;strong&gt;性能、效率与隐私（Trustworthiness）之间的&quot;三角权衡（Triangular Trade-off）&quot;&lt;/strong&gt;，这为实际工程落地的技术选型提供了极具价值的避坑指南。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;前瞻性的演进愿景：&lt;/strong&gt; 提出了 &lt;strong&gt;&quot;记住、适配、进化&quot;&lt;/strong&gt; 的三阶段愿景，将研究视野从简单的&quot;历史记录重现&quot;提升到了&quot;动态持续生长&quot;的高度，指明了通往通用人工智能（AGI）辅助助手的路径，。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;2-潜在的局限性或不足&quot;&gt;2. 潜在的局限性或不足&lt;a class=&quot;heading-link&quot; href=&quot;#2-潜在的局限性或不足&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;缺乏&quot;全能型&quot;解决方案：&lt;/strong&gt; 综述揭示了当前领域尚未出现能同时解决性能瓶颈、计算开销和隐私泄露的&quot;银弹&quot;方案，大多数技术仍处于&lt;strong&gt;顾此失彼&lt;/strong&gt;的状态，。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;评估基准（Benchmarks）的现实滞后性：&lt;/strong&gt; 作者指出，现有的测试集大多局限于单模态（文本）或单一任务，且难以模拟现实中&lt;strong&gt;用户偏好随时间动态漂移&lt;/strong&gt;的复杂场景，评估的全面性有待提高。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;数据匮乏与隐私矛盾的死结：&lt;/strong&gt; 实现高质量个性化极度依赖大规模个人数据，但在全球隐私监管趋严的背景下，如何合法、低成本地获取这些数据仍是文中提到但尚无完美解法的难题，。&lt;/li&gt;
&lt;/ul&gt;
&lt;hr&gt;
&lt;p&gt;&lt;strong&gt;快速评估总结：&lt;/strong&gt; 这篇论文的&lt;strong&gt;学术价值极高&lt;/strong&gt;，它成功地将个性化大语言模型从一个&quot;功能点&quot;提升为一个&quot;学科方向&quot;，。它的优点在于 &lt;strong&gt;&quot;看透了现状并指明了终点&quot;&lt;/strong&gt;，而局限性则反映了 &lt;strong&gt;&quot;现状与终点之间巨大的技术鸿沟&quot;&lt;/strong&gt;——即如何在资源有限、隐私受限的真实世界中，低成本地大规模部署这些复杂技术，。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;类比理解：&lt;/strong&gt; 这篇论文就像是一份 &lt;strong&gt;&quot;自动驾驶技术的发展白皮书&quot;&lt;/strong&gt;。它清晰地划分了从L1到L5的等级（分类体系），指出了传感器成本、算法精度与安全性之间的矛盾（三角权衡），并勾勒了无人驾驶的终极形态（进化愿景）；但它也坦诚地告诉你，我们现在大多还处于&quot;辅助驾驶&quot;阶段，离真正处理复杂路况且完全安全的自动驾驶，还有很长的路要走，。&lt;/p&gt;</content:encoded><category>个性化</category><category>LLM</category><category>综述</category><category>论文笔记</category><author>wdxtub@gmail.com</author></item><item><title>【论文笔记】011 A Survey on Personalized Alignment - The Missing Piece for Large Language Models in Real-World Applications</title><link>https://wdxtub.com/blog/paper/paper-011</link><guid isPermaLink="true">https://wdxtub.com/blog/paper/paper-011</guid><description>首次对大语言模型（LLM）的个性化对齐进行了系统全面的综述，并提出了一个整合了偏好记忆管理、个性化生成与奖励、以及反馈对齐的统一框架，旨在让模型在不突破通用伦理边界的前提下，精准适应不同用户的多样化需求。</description><pubDate>Tue, 13 Jan 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;论文发表时间：2025-05-05&lt;/p&gt;
&lt;p&gt;目前的 AI 模型大多采用&quot;一刀切&quot;的标准，对所有人都给出千篇一律的回答，这虽然保证了安全，却忽视了每个人的独特背景和需求，。这篇论文就像是为 AI 制定了一份 &lt;strong&gt;&quot;私人订制&quot;指南&lt;/strong&gt;：它研究了如何让 AI 在&lt;strong&gt;守住道德红线&lt;/strong&gt;（如不造谣、不伤害）的大前提下，通过学习和记住每个人的特定偏好，进化成一个&lt;strong&gt;既懂规矩又懂你&lt;/strong&gt;的个性化助手，。&lt;/p&gt;
&lt;p&gt;为了更直观地理解，你可以把这个框架看作是一个&lt;strong&gt;有原则的私人管家&lt;/strong&gt;：他首先有一套不可逾越的社会行为准则（通用对齐），同时他又备着一本关于你个人喜好的笔记（偏好记忆），并根据你的实时反馈不断调整服务方式，从而在不违背原则的情况下，为你提供最合心意的服务。&lt;/p&gt;
&lt;h2 id=&quot;理解问题与方法&quot;&gt;理解问题与方法&lt;a class=&quot;heading-link&quot; href=&quot;#理解问题与方法&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;这篇论文主要从&lt;strong&gt;偏好记忆管理&lt;/strong&gt;、&lt;strong&gt;个性化生成与奖励&lt;/strong&gt;以及&lt;strong&gt;反馈对齐&lt;/strong&gt;三个维度介绍了实现个性化对齐的研究方法。&lt;/p&gt;
&lt;p&gt;以下是核心研究方法的对比及其优劣分析：&lt;/p&gt;
&lt;h3 id=&quot;1-个性化生成与奖励方法-personalized-generation-and-rewarding&quot;&gt;1. 个性化生成与奖励方法 (Personalized Generation and Rewarding)&lt;a class=&quot;heading-link&quot; href=&quot;#1-个性化生成与奖励方法-personalized-generation-and-rewarding&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;这类方法决定了模型如何将用户偏好转化为具体的输出内容。&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;基于提示 (Prompting-based)&lt;/strong&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;关键步骤&lt;/strong&gt;：在输入提示中直接加入用户的显式偏好（如职业、兴趣）或隐式信息（如历史对话、行为信号）。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;优点&lt;/strong&gt;：实现简单，&lt;strong&gt;无需重新训练模型&lt;/strong&gt;，部署灵活。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;缺点&lt;/strong&gt;：受限于大模型的&lt;strong&gt;上下文窗口长度&lt;/strong&gt;，且模型表现可能随提示词的微小变化而剧烈波动。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;基于编码 (Encoding-based)&lt;/strong&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;关键步骤&lt;/strong&gt;：将用户偏好映射到连续的**潜空间（Latent Space）**中，生成个性化嵌入向量或分布。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;优点&lt;/strong&gt;：在保持计算效率的同时，能较好地平衡个性化表现与模型通用能力的保留。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;缺点&lt;/strong&gt;：将复杂的隐含信号精准映射到个性化目标具有较大的挑战性。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;基于参数 (Parameter-based)&lt;/strong&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;关键步骤&lt;/strong&gt;：通过全参数微调或引入轻量化模块（如 &lt;strong&gt;Adapter/LoRA&lt;/strong&gt;）来直接修改模型参数。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;优点&lt;/strong&gt;：&lt;strong&gt;个性化拟合能力最强&lt;/strong&gt;，能够处理高度定制化的需求。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;缺点&lt;/strong&gt;：计算成本高（尤其是全参数微调），且容易出现&lt;strong&gt;灾难性遗忘&lt;/strong&gt;（即丧失通用知识）。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;基于代理 (Agent-based)&lt;/strong&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;关键步骤&lt;/strong&gt;：编排多个专门的 LLM 代理（如搜索代理、用户画像代理）协同完成任务。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;优点&lt;/strong&gt;：能够处理复杂的个性化工作流，具备较强的&lt;strong&gt;动态适应性&lt;/strong&gt;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;缺点&lt;/strong&gt;：系统架构复杂，&lt;strong&gt;推理开销和延迟显著增加&lt;/strong&gt;。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;/ul&gt;
&lt;hr&gt;
&lt;h3 id=&quot;2-通过反馈进行对齐-alignment-through-feedback&quot;&gt;2. 通过反馈进行对齐 (Alignment through Feedback)&lt;a class=&quot;heading-link&quot; href=&quot;#2-通过反馈进行对齐-alignment-through-feedback&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;这类方法探讨了如何利用人类或 AI 的反馈来持续优化模型。&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;训练时对齐 (Training-time Alignment)&lt;/strong&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;关键步骤&lt;/strong&gt;：使用有监督微调（SFT）或强化学习（RL）在训练阶段注入偏好。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;优劣&lt;/strong&gt;：效果持久，但需要访问模型底层权重，且更新频率受限。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;推理时对齐 (Inference-time Alignment)&lt;/strong&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;关键步骤&lt;/strong&gt;：在解码生成阶段进行引导（如奖励引导解码），或通过外部模型修正输出。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;优劣&lt;/strong&gt;：&lt;strong&gt;无需训练&lt;/strong&gt;，响应速度快，但在长期偏好的一致性上可能不如训练对齐。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;多目标优化 (Multi-objective Optimization)&lt;/strong&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;关键步骤&lt;/strong&gt;：在损失函数或选择策略中，平衡&quot;通用伦理边界&quot;与&quot;个性化偏好&quot;。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;优劣&lt;/strong&gt;：能显式处理价值冲突，但找到最优的帕累托前沿（Pareto frontier）技术难度大。&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;/ul&gt;
&lt;hr&gt;
&lt;h3 id=&quot;总结实现个性化对齐的关键步骤&quot;&gt;总结：实现个性化对齐的关键步骤&lt;a class=&quot;heading-link&quot; href=&quot;#总结实现个性化对齐的关键步骤&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;偏好建模&lt;/strong&gt;：从用户历史、行为或属性中提取并学习隐式或显式的偏好信号。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;个性化适配&lt;/strong&gt;：选择上述一种技术（如提示、参数微调）将偏好整合进模型的生成过程。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;约束对齐&lt;/strong&gt;：在满足个性化的同时，通过反馈机制确保输出不违反通用的安全性、诚实性和无害性原则。&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id=&quot;聚焦核心发现&quot;&gt;聚焦核心发现&lt;a class=&quot;heading-link&quot; href=&quot;#聚焦核心发现&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;由于这篇论文是一篇关于&quot;个性化对齐&quot;的&lt;strong&gt;综述性论文&lt;/strong&gt;，其核心发现并非通过单一实验得出，而是通过对全行业研究的系统梳理总结出的规律性结论。&lt;/p&gt;
&lt;p&gt;以下是该论文最核心的 3 个研究发现/结论：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;现有模型的局限性（&quot;一刀切&quot;问题）&lt;/strong&gt;：当前的对齐技术普遍采用&quot;一刀切&quot;的方法，虽然保证了通用的安全性，但导致模型行为过于趋同（Homogenized Behavior），无法满足不同背景用户的多样化需求，。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;分层对齐目标体系&lt;/strong&gt;：论文提出个性化对齐应遵循&lt;strong&gt;分层逻辑&lt;/strong&gt;——将通用的伦理边界（如诚实、无害）设为&lt;strong&gt;最高优先级（硬约束）&lt;/strong&gt;，在此边界之内，再根据个人偏好进行最优化调整（低优先级），从而平衡社会规范与个人需求，。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;统一的个性化对齐框架&lt;/strong&gt;：论文总结并确立了实现个性化对齐的&lt;strong&gt;三大核心组件&lt;/strong&gt;：&lt;strong&gt;偏好记忆管理&lt;/strong&gt;（记录和检索用户特定知识）、&lt;strong&gt;个性化生成与奖励&lt;/strong&gt;（将偏好转化为模型输出）以及&lt;strong&gt;反馈对齐&lt;/strong&gt;（通过人类或 AI 反馈进行持续优化），。&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;&lt;strong&gt;简而言之&lt;/strong&gt;：这篇论文发现，AI 不能只有一套标准，而应在守住通用道德底线的前提下，通过&quot;记忆-生成-反馈&quot;的循环闭环，实现从&quot;大众对齐&quot;向&quot;私人订制&quot;的范式转变，。&lt;/p&gt;
&lt;h2 id=&quot;理解意义与价值&quot;&gt;理解意义与价值&lt;a class=&quot;heading-link&quot; href=&quot;#理解意义与价值&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;作者在论文中通过以下几个维度解释了核心发现的意义，并阐述了其对学术界和实践领域的深远影响：&lt;/p&gt;
&lt;h3 id=&quot;1-学术价值构建了从通用到个性化的范式桥梁&quot;&gt;1. 学术价值：构建了从&quot;通用&quot;到&quot;个性化&quot;的范式桥梁&lt;a class=&quot;heading-link&quot; href=&quot;#1-学术价值构建了从通用到个性化的范式桥梁&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;弥补理论空白&lt;/strong&gt;：作者指出，当前的对齐技术多采用&quot;一刀切&quot;的方法，导致模型行为同质化并忽视了少数群体的需求，。这篇论文作为&lt;strong&gt;首个系统性综述&lt;/strong&gt;，填补了该领域的研究空白，为开发更具适应性的 LLM 奠定了结构化基础，。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;确立统一框架与分层目标&lt;/strong&gt;：论文提出了一个整合了记忆管理、生成奖励及反馈对齐的统一框架，并确立了&lt;strong&gt;分层对齐目标体系&lt;/strong&gt;——即在不损害通用人类价值（硬约束）的前提下，优化个人偏好（软约束），为后续研究提供了清晰的路线图，。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;2-实践意义推动大模型进入私人订制时代&quot;&gt;2. 实践意义：推动大模型进入&quot;私人订制&quot;时代&lt;a class=&quot;heading-link&quot; href=&quot;#2-实践意义推动大模型进入私人订制时代&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;解锁高价值应用场景&lt;/strong&gt;：作者认为个性化对齐是 LLM 真正走向现实世界应用的关键。通过该技术，LLM 可以进化为真正智能的&lt;strong&gt;私人助手&lt;/strong&gt;（如量身定制的写作支撑）、&lt;strong&gt;消费级应用&lt;/strong&gt;（如具备情商的角色扮演）以及&lt;strong&gt;公共服务工具&lt;/strong&gt;（如个性化教育辅导和远程医疗健康管理），。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;提升用户体验与社会包容性&lt;/strong&gt;：研究强调，个性化对齐能显著提升用户满意度，并通过理解特定文化背景和多样化价值观，减少对少数群体的系统性偏见，。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;3-风险预警与前瞻性指引&quot;&gt;3. 风险预警与前瞻性指引&lt;a class=&quot;heading-link&quot; href=&quot;#3-风险预警与前瞻性指引&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;界定伦理红线&lt;/strong&gt;：作者预警了个性化对齐可能带来的&lt;strong&gt;社会风险&lt;/strong&gt;，包括隐私泄露、偏见强化（回声筒效应）以及数字鸿沟的扩大。这些发现提醒领域内的开发者，在追求极致个性化时，必须建立有效的安全缓解方案，。&lt;/li&gt;
&lt;/ul&gt;
&lt;hr&gt;
&lt;p&gt;&lt;strong&gt;一句话总结主要贡献：&lt;/strong&gt; 该论文通过提出&lt;strong&gt;首个统一的个性化对齐框架&lt;/strong&gt;，解决了大模型在&quot;通用伦理&quot;与&quot;个人偏好&quot;之间的冲突，不仅为学术研究提供了&lt;strong&gt;结构化的理论基石&lt;/strong&gt;，也为 LLM 在教育、医疗等&lt;strong&gt;现实高价值领域的落地&lt;/strong&gt;提供了实践指南，。&lt;/p&gt;
&lt;p&gt;你可以将这篇论文的意义类比为 &lt;strong&gt;&quot;从标准化流水线向高级私人订制的飞跃&quot;&lt;/strong&gt;：它不仅提供了订制的技术工具箱，还为订制过程划定了不可逾越的道德底线，确保 AI 既能成为每个人的&quot;知心人&quot;，又是守规矩的&quot;模范公民&quot;，。&lt;/p&gt;
&lt;h2 id=&quot;快速批判性评估&quot;&gt;快速批判性评估&lt;a class=&quot;heading-link&quot; href=&quot;#快速批判性评估&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h2&gt;
&lt;p&gt;基于对提供的来源和对话历史的分析，我对这篇论文的快速评估如下：&lt;/p&gt;
&lt;h3 id=&quot;最突出的优点&quot;&gt;&lt;strong&gt;最突出的优点&lt;/strong&gt;&lt;a class=&quot;heading-link&quot; href=&quot;#最突出的优点&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;开创性与系统性&lt;/strong&gt;：这是&lt;strong&gt;首篇针对大语言模型（LLM）个性化对齐的全面综述&lt;/strong&gt;，填补了该领域在系统性理论指导上的空白。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;分层对齐逻辑&lt;/strong&gt;：论文提出了一个极其清晰的&lt;strong&gt;分层目标体系&lt;/strong&gt;。它明确了&quot;通用价值观（如诚实、无害）&quot;作为不可逾越的&lt;strong&gt;硬约束&lt;/strong&gt;，而&quot;个人偏好&quot;则是在此边界内的&lt;strong&gt;软优化&lt;/strong&gt;，解决了价值冲突下的优先级难题。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;高度结构化的框架&lt;/strong&gt;：它将复杂的个性化对齐分解为&lt;strong&gt;偏好记忆、个性化生成与奖励、反馈对齐&lt;/strong&gt;三个可执行的核心组件，为开发者提供了从数据管理到模型优化的全链路指南。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;潜在局限性与不足&quot;&gt;&lt;strong&gt;潜在局限性与不足&lt;/strong&gt;&lt;a class=&quot;heading-link&quot; href=&quot;#潜在局限性与不足&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;时效性挑战&lt;/strong&gt;：由于 LLM 领域发展极其迅速，作者承认论文可能未能涵盖该领域所有最新的技术进展。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;分类的简化风险&lt;/strong&gt;：为了构建统一框架，论文对不同技术组件（如提示、参数、代理等）的归类可能&lt;strong&gt;过度简化&lt;/strong&gt;了它们之间复杂的相互作用和重叠部分。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;评估体系的不完善&lt;/strong&gt;：作者指出，现有的评估指标和基准测试仍处于初级阶段，难以捕捉个性化对齐中细微且感性的差异，且评估过程本身面临&lt;strong&gt;高成本和扩展性不足&lt;/strong&gt;的问题。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;实践落地的鸿沟&lt;/strong&gt;：虽然提出了框架，但在现实中如何平衡实时推理的效率与高度定制化需求、以及如何获取高质量的隐私偏好数据，仍是尚未完全解决的难题。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;快速评估总结&quot;&gt;&lt;strong&gt;快速评估总结&lt;/strong&gt;&lt;a class=&quot;heading-link&quot; href=&quot;#快速评估总结&quot;&gt;&lt;span class=&quot;icon icon-link&quot;&gt;&lt;/span&gt;&lt;/a&gt;&lt;/h3&gt;
&lt;p&gt;这篇论文是该领域的一份&lt;strong&gt;里程碑式导航手册&lt;/strong&gt;。它不仅在学术上对零散的研究进行了&lt;strong&gt;范式整合&lt;/strong&gt;，还通过界定&quot;道德红线&quot;与&quot;个人偏好&quot;的关系，为 AI 走向**&quot;私人订制&quot;应用**提供了兼顾安全与灵活性的实践基石。尽管在评估标准和动态适应性方面仍有局限，但其作为研究起点的学术价值极高。&lt;/p&gt;</content:encoded><category>个性化</category><category>对齐</category><category>LLM</category><category>综述</category><category>论文笔记</category><author>wdxtub@gmail.com</author></item></channel></rss>