⼤家好，Weekly Gradient第 93 期已送达，本期内容涵盖AI智能体的演进与垂直领域应用，探讨设计流程在AI时代的变革，分析AI辅助编程与开源策略，并深入人才管理、用户体验及人生战略等多元话题。
聚焦 AI 行业的商业化路径、市场竞争格局和商业模式创新，包含投资趋势、GTM 策略、SaaS 转型等商业话题。
这期播客聊得太有启发了！Albert作为资深AI创业者，分享了他从追求“高赔率”大机会到专注“优化胜率”的转变——原来一流企业家都在做变量可控、优势可放大的事情，通过每一步的确定性来等待真正的大机会，而不是盲目赌博。他特别提到AI Coding正在爆发，核心是实现开发能力的平权化，让非技术人员也能参与高价值研发，这才能真正释放AI的生产力。他还犀利指出，泛娱乐AI产品如果只是生成内容，很难颠覆现有平台，必须创造出不可替代的新交互形态。最打动我的是他提出的经营哲学：把一件事做到理论上该有的样子，在不完美的现实约束下，坚持追求技术与商业逻辑的最优解。听完感觉创业思路都清晰了不少！
嘿，这期榜单可太有意思了！字节跳动的豆包靠着春晚红包这波国民级操作，月活直接冲破了3亿大关，全球第二；阿里的千问更猛，砸了30亿生态补贴，月增速飙到552%，直接冲到全球第三。现在国内C端AI市场基本被豆包、千问、夸克、DeepSeek、腾讯元宝这五家给“焊死”了，后来者想挤进来可太难了。不过ChatGPT还是老大，9.56亿月活和订阅收入依然遥遥领先，只是增速明显放缓了，国产应用正靠着本土化运营和场景渗透快速追赶。春节这波营销大战，真是把AI应用彻底推向了大众市场。
最近和Atlassian CEO聊了场硬核对话，彻底刷新了我对AI时代软件行业的认知。原来所谓的“SaaS末日”根本是个伪命题——关键要看你的软件是帮人干活儿的工具，还是企业运转的“大脑”。那些按人头收费的客服系统确实可能被AI替代，但像Workday这种记录核心业务流程的系统反而会更稳固，因为它们定义了企业怎么运作。更颠覆的是定价逻辑：用户其实不在乎技术多先进，他们只想要“公平感”。按席位收费虽然看起来老派，但大家就是觉得透明可控；按结果收费在AI时代反而容易引发“账单惊吓”，因为没人知道AI到底干了多少活。还有啊，现在流行的“Vibe Coding”用自然语言写代码确实很酷，但别指望它替代企业级软件——那些系统里藏着几十年的业务规则和监管要求，可不是几句提示词就能搞定的。最让我共鸣的是“实习生悖论”：AI智能体就像个需要手把手教的实习生，设计难点在于怎么让它既主动干活，又不会因为老要确认而烦死用户。说到底，AI普及的最大障碍根本不是技术不够强，而是我们还没学会怎么设计让人信任的交互体验。
你有没有想过，那些在投行里天天对着Excel和PPT埋头苦干的金融分析师，他们的工作能被AI真正接管吗？这篇文章就讲了一个叫Rogo的金融AI Agent，它居然做到了！它可不是那种只会聊天的通用大模型，而是专门为金融行业量身定做的。金融行业对AI的要求特别苛刻，不能出错，数据又都锁在Capital IQ、FactSet这些付费数据库里，工作流程还特别复杂。Rogo厉害的地方在于，它直接打通了这些核心数据源，还能像插件一样嵌入到分析师天天用的Excel和PPT里，让他们在熟悉的环境里就能调用AI，大大降低了使用门槛。更关键的是，它通过多模型架构和金融领域的专门训练，准确度非常高，而且每个数据点都能追溯到原文，完全不用担心AI胡编乱造。正因为这么懂行，Rogo在短短两年内就实现了27倍的收入增长，拿下了超过50家顶级金融机构，连红杉这样的顶级风投都抢着投。这其实揭示了一个趋势：在专业领域里，像Rogo这样深耕垂直行业的AI Agent，比通用模型更有优势，因为它们更懂客户的业务细节和合规要求，一旦用上了，客户就很难再换掉。
最近Qwen开源负责人林俊旸离职这事儿，其实暴露了AI公司们普遍面临的深层困境。你看啊，很多公司嘴上喊着开源，实际上只是把它当成商业竞争的工具，一旦自己领先或者赚钱压力大了，立马就变卦封闭起来，这种摇摆不定真的很伤生态信任。更头疼的是，AI研发需要那种能长期专注的超级个体，但大厂那套轮岗制度和集体主义文化，根本容不下这种有个人影响力的技术明星，人才流失就成了必然。再加上现在商业竞争这么激烈，公司为了赶进度抢市场，经常临时改变模型训练计划，把宝贵的GPU算力都用在政治化的资源争夺上，最后技术路线搞得一团糟。这些问题不解决，光有技术优势恐怕也走不远。
Box的CEO Aaron Levie聊了个挺有意思的观点：现在企业里那些被遗忘的合同、备忘录、研究报告，突然成了AI智能体的宝藏。但问题来了，这些智能体总不能在企业里随便乱跑吧？他提了个‘每个智能体都需要一个盒子’的概念，其实就是给AI划个安全区，让它既能干活又不会泄露敏感数据。Levie还对比了编程助手为啥那么快就火了——代码本来就是规规矩矩的文本，而企业日常数据却乱七八糟的。最扎心的是，他说别指望AI能无缝融入我们现在的混乱流程，得是我们人类先改变工作方式，把文档整理好、流程理顺了，AI才能真正派上用场。企业安全团队现在还得头疼怎么给这些‘数字员工’定身份、分权限，毕竟它们可不像人类那样有法律责任。说到底，想让AI在企业里规模化落地，光有技术不够，还得有配套的基础设施和工作习惯改革。
这期播客聊得真够劲爆的，Insight Partners的联合创始人Jerry Murdock直接放话，说Cursor这类工具已经过时了，未来是自主智能体的天下。他可不是在说简单的AI功能叠加，而是预言软件将由智能体自己编写、自己购买，整个SaaS的收费模式都得从按人头付费转向按消耗量计算，这简直是要掀翻现有的估值体系。硬件那边也不消停，他判断专为特定任务设计的ASIC芯片会因为成本优势挑战英伟达的通用GPU。更扎心的是，白领工作可能被大规模替代，全民基本收入说不定真要成为政治议题了。最后他还分享了投资秘诀，说顶级决策靠的是直觉，但要小心别把个人喜好当成直觉，真正的创业天才往往让人感觉‘不舒服’。听完感觉既兴奋又有点慌，AI这场海啸看来是躲不掉了。
探索 AI 原生产品的设计范式与用户体验革新，强调产品哲学、交互模式、Agent 产品设计等。
最近和设计专家聊了聊，发现一个挺有意思的现象：现在很多初创公司的网站，用AI工具一生成，看起来都差不多，像从一个模子里刻出来的。专家们管这叫“同质化海洋”，因为AI老爱推荐紫色渐变、Bento Box布局这些流行元素，结果把品牌个性都搞没了。更头疼的是，AI还特别喜欢加些花里胡哨的动画和悬停效果，看着酷，但用户注意力全被带跑了，关键信息反而找不着。有些网站甚至搞“滚动劫持”，用户想自己滑快点都不行，体验特别差。专家提醒，AI确实让做高保真设计变简单了，但创始人可不能把脑子也交给AI。得自己把关，控制好信息层级和品牌策略，还得手动检查AI生成的代码有没有小bug，不然网站看着就不专业，用户信任和转化率都得掉。说到底，AI是工具，人才是老板。
最近读到一篇关于AI社交产品Elys的访谈，创始人Tristan提出了一个挺有意思的观点：人的灵魂是所有context的总和。他聊到从AI陪伴产品到社交产品的演进，核心就是围绕用户上下文做文章。Elys设计了三大系统，比如基于context的记忆系统，用128个记忆槽位模拟人类潜意识调用背景知识，让AI回答更有高维感和人情味。Tristan认为AI社交的本质不是让AI自己聊天，而是用AI消除人际交往中的摩擦，就像输入能量对抗熵增，实现更高效的灵魂匹配。他还特别强调交互必须有人参与，反对无意义的AI对聊，通过用户认可来不断强化分身的灵魂特征。读完感觉这不仅是技术问题，更是在重新思考连接的本质。
Anthropic的设计负责人Jenny Wen最近抛出了一个挺震撼的观点：传统那套设计流程已经过时了。在AI Agent辅助开发的快节奏里，设计师如果还守着调研、发散、收敛的老路子，根本追不上工程师的发布速度。她分享了团队内部的变化，设计师花在画稿上的时间从70%降到了40%，更多精力转向了代码实现和协作。未来需要的是‘方块型’通才，在设计、产品、工程几个领域都能达到前20%的水平，这样才能在边界模糊的AI协作环境里游刃有余。她还提到‘速度即功能’的理念，在AI领域，快速发布、及时修复Bug比追求像素级的初始完美更能赢得用户信任。当然，即便AI能处理审美和代码，人类的核心价值依然在决策判断和责任承担上——决定‘该不该加某个功能’的签字权，是AI替代不了的。管理者也别光指挥，得回归一线动手做实事，这样才能真正理解流程的演变，传递出关心产品的信号。
听说传统设计流程已经跟不上AI时代的节奏了？Anthropic的设计负责人Jenny Wen直接宣告了双钻石设计流程的死亡，因为工程师用AI把产出效率提得太快，设计师现在只能把画稿时间压缩到30-40%，剩下的时间都得用来跟工程师实时碰撞、直接参与代码实现。更刺激的是，愿景规划周期从几年缩短到几个月，现在谁还做精美PPT啊，都得靠能实际运行的原型来指方向。Jenny还点出了人类在AI时代的核心价值——处理那些人与人之间关于该做什么的博弈，以及在出错时签字负责的勇气。最让人印象深刻的是她提出的方块型强通才概念，现在行业最缺的就是在设计、产品、工程多个维度都能打到80分的人才，这种通才才能在角色边界越来越模糊的AI开发流程中真正发光发热。
涵盖 AI 工程技术实现与场景化开发的全流程，包含 Agent 工程架构、工具实践、上下文工程等核心技术话题。
阿里开源的这个Team版OpenClaw，真是把AI团队协作的痛点摸透了！以前用Agent总得像个保姆一样事无巨细地配置，现在有了管家角色Manager Agent，它能自动拆解任务、分配工作，咱们终于能当个甩手掌柜只管决策了。最让人安心的是那个AI网关设计，把敏感的API密钥藏得严严实实，Agent手里只有临时令牌，再也不用担心聊天时不小心把家底都输出去了。而且它居然内置了Matrix通讯协议，手机上就能直接指挥Agent干活，所有Agent的协作过程在群里看得一清二楚，随时都能插一手。他们还用共享文件系统来传递中间结果，而不是把所有东西都塞进上下文里，配合按需唤醒机制，长周期项目的Token消耗能降下来不少，记忆也不会被污染。5分钟就能在本地装好，还附带了完整的SaaS开发案例，这简直是给想搞AI团队协作的工程师们送了一份大礼包！
如果你正在搭建RAG系统，肯定遇到过召回率低、回答跑偏或者上下文太乱的问题。这篇指南简直就是及时雨，把20种优化方法掰开揉碎了讲。比如语义分块，不是简单按字数切，而是找到语义突变点，让每个文本块都保持逻辑连贯；还有查询转换，能把用户模糊的问题重写成更具体的查询，直接提升召回效果。重排序和上下文压缩也很实用，先用向量搜索快速召回，再用更精准的模型打分，还能压缩掉冗余信息，既降噪又省token。最酷的是Self-RAG，系统能自己判断什么时候该检索、文档靠不靠谱、生成的内容有没有依据，大大减少了幻觉问题。这些方法都有具体思路、代码逻辑和适用场景，从原型到生产环境都能用得上。
最近读到一篇关于AI Agent开发中“Skills”这个概念的深度文章，感觉特别有启发。它讲清楚了为什么有些场景下Skills显得多余，而在另一些复杂的企业级系统里却成了核心。文章对比了像Claude Code这样的专用编程工具和大型企业平台，发现Skills的价值完全取决于场景——标准化高的地方可能直接用Commands就行，但面对多业务、多角色的复杂环境，Skills就成了连接大模型泛化能力和用户具体需求的桥梁。它把各种后端能力封装成标准化的模块，让Agent能像搭积木一样组合功能，解决了重复造轮子和能力孤岛的问题。更妙的是，文章还介绍了“上下文工程”的设计思想，通过“渐进式披露”机制，只在需要时才加载详细参数，大大优化了上下文窗口的利用率。最后还点明了从“硬编码”到“声明式”微服务架构的演进趋势，让Agent真正成为能动态选择工具的智能代理。如果你也在做AI系统开发，这篇文章提供的决策维度和设计思路绝对值得细读。
如果你也在为AI对话越来越长、成本越来越高而头疼，那OpenClaw这套方案简直是为我们量身定做的。它不像那些粗暴截断历史记录的方法，而是像给对话做了一场精密的‘瘦身手术’——先试着删掉那些不太重要的旧对话，如果还不行，就请AI自己来总结关键信息，实在没办法了才动用‘截断’这个最后手段。最妙的是，它连文件操作记录、工具失败信息这些细节都小心翼翼地保留下来，确保AI压缩后还能记得项目的来龙去脉。更厉害的是，这套方案还考虑到了云服务商的缓存机制，虽然短期可能影响缓存命中，但长远来看能省下大把的Token费用。看完之后我就在想，原来管理对话历史也能这么有策略性，既保住了效果，又捂紧了钱包。
如果你也头疼那些没完没了的业务答疑和问题排查，这篇文章简直是救星！它讲的是怎么把一个智能助手从“一问三不知”变成靠谱的“老专家”。核心思路特别巧妙：别让AI自己瞎编流程，而是把公司里那些现成的排查手册直接变成它的技能包。比如订单卡住了、物流出问题了，助手不是凭空给建议，而是严格按手册一步步走，这样既减少了AI的“幻觉”胡说，维护起来也简单多了——改手册就行，不用重写代码。他们还搞了个双层知识库，通用知识放一边，具体场景的流程放另一边，找答案又快又准。最厉害的是那个闭环运营系统，每次回答都有个质量评分，发现答得不好的就自动抓出来让人工复查、更新知识库，让这个助手能像活的一样自己学习和成长。看完感觉，这才是真正能把AI用起来的工程化思维，不是炫技，而是扎扎实实解决实际问题。
如果你还在用AI模拟点击浏览器来搞自动化，这篇文章可能会让你换个思路。企业内网的工单分析，数据隔离、重复性高、不同角色需求还不一样，传统方案动不动就失效。作者发现，与其让AI学点按钮，不如直接抓取SPA的API接口数据，在浏览器里执行验证过的Fetch请求，稳定拿到JSON数据。更妙的是用Anthropic Skills把这些操作打包成Markdown格式，用自然语言就能编排流程，还能用Git管理版本。这可不是简单的工具替代，而是把那些藏在脑子里的操作步骤，变成了AI能直接执行的资产，一条指令就能触发整个分析流程，省下的脑力劳动可太实在了。
Meta每天要处理10亿次视频上传，这可不是个小数目！他们之前为了应对这个规模，不得不维护一个自己重度修改的FFmpeg分支，加上了多线程编码和实时质量监控这些定制功能。但维护自己的分支太累了，于是他们决定换个思路：和FFmpeg社区合作，把这些好用的功能直接贡献给上游版本。从FFmpeg 6.0到8.0，他们推动了可能是这个工具几十年来最大的一次重构。现在FFmpeg能在一个进程里并行编码多个输出分辨率，不用再一个个排队了，大大降低了计算开销和延迟。更酷的是，他们引入了“环内”解码，在编码后立刻解码对比，能实时监控视频质量，这对直播场景特别关键。Meta这次开源策略也很聪明：把对大家都有用的通用性能提升贡献出去，但像支持自家专有MSVP芯片这种特定硬件的补丁就留在内部，既造福了社区，又没给维护者添麻烦。这波操作不仅简化了Meta自己的基础设施，还让整个行业都受益，真是双赢！
如果你还在用那种让AI自由发挥的“氛围编程”，这篇文章可能会让你重新思考。它讲的是怎么让AI助手在企业里真正靠谱起来——不是随便生成代码，而是先让AI写一份详细的技术规约，工程师审过再执行，这招叫Spec Coding，能把线上风险压到最低。更厉害的是，文章还拆解了怎么用Skill机制和Workflow来管理复杂任务：把大问题切成一个个小技能，再用工作流文件明确告诉AI每一步该调用哪个技能，这样AI就不会在长任务里迷路或者乱来了。最后还提到了MCP协议，能让AI助手动态接入团队自己的工具库，快速适配那些小众的技术栈。整体看下来，这简直是给AI工程落地踩坑指南，特别适合那些受够了AI“胡言乱语”又想把它用到正经生产环境的团队。
OpenAI这次真的放大招了！GPT-5.4不仅把编程和推理能力合二为一，还直接让AI学会操作电脑界面，在OSWorld测试里表现比人类还厉害。更让人兴奋的是，现在连9B参数的小模型都能在普通电脑上跑智能体任务了，隐私和延迟问题一下子有了新解法。行业也在悄悄升级，从简单的RAG转向用强化学习训练智能体完成复杂工作流，Databricks的KARL就证明了这种方法的潜力。再加上针对Blackwell GPU优化的FlashAttention-4，下一代AI模型的训练瓶颈又要被突破了。
编程这件事正在发生根本性的变化，我们可能正站在一个新时代的门口。过去我们依赖IDE的自动补全，现在AI智能体已经能接管整个开发流程了。Cursor的最新进展让人眼前一亮——他们给智能体配备了独立的云端虚拟机，让AI不仅能看代码，还能真正运行代码、测试代码，甚至通过模拟鼠标点击来操作界面。最酷的是，现在智能体提交代码时会附带一段视频演示，你不需要逐行审查那些AI生成的代码差异，看段视频就能知道功能是否正常。开发场景也在迁移，团队可以直接在Slack里触发智能体协作开发，沟通工具变成了开发环境。为了保证质量，这些智能体采用“测试优先”策略，先复现Bug、跑通测试，再提交经过验证的解决方案。传统的IDE正在被更高层级的抽象取代，手动编码可能真的要变成次要活动了。
这期播客聊得太硬核了！Anthropic的工程负责人Boris Cherny直接摊牌了他的“非人”工作流——彻底抛弃IDE，每天用多个AI代理并行提交二三十个PR，代码100%由AI生成。他不仅解释了为什么在代码场景下“代理式搜索”比传统RAG更靠谱，还分享了Anthropic那套独特的“去职级”文化和“以原型代替文档”的开发模式。最震撼的是他把现在的程序员比作印刷机发明前的抄写员，认为我们正站在软件市场爆发的前夜，未来属于那些能跨学科思考、在多任务间无缝切换的技术通才。听完感觉整个编程范式都在重构，从亲手写代码转向当指挥官，这波进化真的来了。
你是不是也经常遇到这种情况：AI生成了好几个版本的内容，每个都有可取之处，但就是没有一个完美的？手动拼凑吧，费时费力不说，风格还容易割裂。这篇文章就给出了一个超实用的解决方案——用AI来合并多稿！它详细介绍了如何利用Claude这类具备推理能力的模型，不仅能智能提取各版本的亮点，还能在融合时保持全文风格统一，效果比人工操作强太多了。更酷的是，作者把整个流程固化成了一种叫“Skill”的自动化工具，通过YAML和Markdown定义好触发条件和步骤，以后遇到类似任务一键就能搞定。文章还分享了两种创建Skill的方法：一种是基于实践复盘，让AI帮你提炼流程；另一种是直接描述逻辑步骤。这种把高频AI交互“技能化”的思路，简直是提升生产力的神器，特别适合那些需要反复处理文本任务的场景。
最近和 Sebastian Raschka 聊了聊，发现 AI 圈正在发生一场静悄悄的革命。大家不再只盯着怎么把模型预训练得更大，而是开始琢磨怎么让已经训练好的模型变得更聪明——这就是所谓的后期训练。比如通过强化学习给模型一些可验证的奖励，就能低成本地提升它的逻辑推理能力，听起来是不是很划算？现在像 OpenAI o1 和 DeepSeek R1 这些新模型，都在玩一个叫“推理侧扩展”的花样，简单说就是让模型在生成答案时多花点“思考时间”，用更多的算力换更高的准确率，这招对解数学题、写代码特别管用。还有个挺有意思的趋势叫“氛围编程”，意思是开发者开始用大语言模型来构建确定性的工具和自动化脚本，而不是只跟它聊天。这让技术门槛大大降低，哪怕你不是编程专家，也能搭出复杂的系统。另外，架构上也有新突破，比如 DeepSeek 用的多头潜变量注意力，能压缩内存占用，让长文本推理更便宜。未来呢，智能体会进化成能独立处理复杂任务的工作流系统，比如帮你订机票酒店一条龙服务。Sebastian 还透露他正在写一本关于构建推理模型的新书，看来这场推理革命才刚刚开始。
行业前沿与开源生态，整合行业深度洞察与开源技术动态的复合型主题，技术哲学、AGI 讨论、领袖观点。
这期播客聊得太有启发了！Jim Collins这位管理大师把人生战略讲得特别通透。他提出了“人生编码”这个概念，说每个人内心都有个独特的动力源泉，找到它工作就不再是苦差事，而是源源不断的能量。更厉害的是那个“运气回报率”模型——成功的人不是运气更好，而是特别会在好运来临时抓住机会，在坏运面前又能巧妙避开致命打击。他还分享了超实用的时间管理方法，比如用“打孔卡”系统拒绝无效社交，确保每年有1000小时以上的创意时间。最打动人的是，他把成功的终极定义落在了亲密关系的尊重与喜爱上，提醒我们在追求卓越的同时别忘了什么才是真正重要的。
这期播客聊得真有意思！斯坦福教授和一位有僧侣背景的精神科医生Dr. K一起探讨怎么用神经科学的方法“忘掉”那些烦人的负面思维和行为模式。他们提到现在很多人因为社交媒体和数字产品，对痛苦的忍耐力越来越差，动不动就焦虑。Dr. K分享了两个超实用的方法：睡眠瑜伽和虚空冥想，能帮我们在半睡半醒的状态下直接改写潜意识的“代码”，比光靠意志力硬扛有效多了。更让人警惕的是，他们分析了AI算法的问题——这些系统太顺从我们的偏好了，反而会强化我们的狭隘认知，甚至可能引发精神风险。如果你也感觉被手机绑架、情绪容易失控，或者好奇技术怎么影响心理健康，这期内容绝对值得一听，里面既有科学原理又有具体操作指南，干货满满。
这期播客太有意思了！Naval和Brett Hall聊的《无穷的开始》完全颠覆了我对科学的理解——原来科学不是简单总结规律，而是靠大胆猜测和不断纠错找到那个“好的解释”。最震撼的是他们提出人类是宇宙里唯一的“通用解释者”，我们的大脑能理解任何物理定律，还能把原材料变成文明。他们还狠狠反驳了那些资源枯竭的悲观论调，说所有问题都能解决，资源匮乏其实只是知识不够。听完感觉整个人都通透了，原来知识增长真的能带我们走向无限未来！
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。