回到首页

输入关键词，多个关键词用空格分隔。

← 返回栏目

AI Talk

作为AI创业公司的创始人，日常技术探索与一线实践中的观察与思考总结。本系列将从实际场景出发，既不回避技术细节，也不陷入纯理论空谈，力求在工程实践与行业洞察之间找到平衡。

23 篇 · 最近发布在前

文章目录23 篇

  1. 【AI Talk】22 痛苦才是壁垒

    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。

  2. 【AI Talk】21 绕开 Loop 和知识图谱

    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。

  3. 【AI Talk】20 好的研发需要什么样的 Coding Agent

    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。

  4. 【AI Talk】19 公司与产品的活人感

    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。

  5. 【AI Talk】18 模型越大，模型越小

    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。

  6. 【AI Talk】17 概率、成本与确定性

    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。

  7. 【AI Talk】16 Contexts 和 Loop 对大部分人来说并不重要

    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。

  8. 【AI Talk】15 尽早开始构建验证流

    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。

  9. 【AI Talk】14 豆包值 68 还是 500

    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。

  10. 【AI Talk】13 置身 AI 内

    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。

  11. 【AI Talk】12 对 Agent 严肃的公司一定会做自己的模型

    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。

  12. 【AI Talk】11 Token 的工程汇率学

    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。

  13. 【AI Talk】10 Human in the loop 是 Agent 的点睛之笔

    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。

  14. 【AI Talk】09 融合 Skills、大模型和 Python 的 Harness 工程控制论实践

    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。

  15. 【AI Talk】08 Agent 带来的工程质量幻觉

    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。

  16. 【AI Talk】07 OpenClaw 和 Claude Code 怎么选

    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。

  17. 【AI Talk】06 决定最佳 AI 同步率的两个关键要素

    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。

  18. 【AI Talk】05 也谈 OpenClaw：日记即记忆

    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。

  19. 【AI Talk】04 看后视镜做不到第一名

    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。

  20. 【AI Talk】03 小土刀的AI猜想2026

    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。

  21. 【AI Talk】02 敢问 Agent 路在何方

    告别华而不实的框架，真正的Agent未来藏在「标准化工作流+个性化交付」中！人机协作C&C（Copilot & Coach）正在颠覆行业，而最值得研究的竟是一个小众项目。成本悖论、Context Engineering…一篇说透Agent的下一站爆发点！

  22. 【AI Talk】01 等待戈多的 Manus 们

    关于 AI Agent 发展的思考：从 Manus 裁员谈起，探讨 Agent 技术的现状与挑战，强调数据质量和工程实践的重要性。

  23. 【AI Talk】00 系列概览

    AI 新时代，我的一些观察与总结。如果有不同意见，那么一定是你对。