蚍蜉 Showtime

大厂软件工程师， 分享 AI 探索和思考

AI 时代，蚍蜉撼大树

[蚍蜉 Showtime @JackchanceLi]

我十分认同。我原本的阅读方式其实就是带着问题去读，没遇到问题不会主动找书读。遇到一本好书会废寝忘食的读，我的阅读量取决于这段时间是否遇到了一本好书。

AI 的方式让这个过程变得更加高效。

不过很多人的观点是阅读不能这么功利性，读那些“无用之书”，也是一种体验，像逛街看电影，也是理解的

[dontbesilent @dontbesilent]

用上 Agent 之后，我的读书量大幅缩减，可能都不到以前的 10%了，但是我的阅读量却大幅增加

开始在 Agent 的对话页面去阅读，而不是通过书本去阅读之后

知识储备飞速增长，学习速度也飞速增长

非必要，不读书

[蚍蜉 Showtime @JackchanceLi]

@Barret_China 最近对数字员工和数字分身的 PMF 有些质疑。

人的价值是信任和责任，这是数字分身达不到的，用数字分身来应付同事，其实是互相消耗。更合理的还是助理，人售卖信任，交付责任，具体执行由 agent 助理执行。

[蚍蜉 Showtime @JackchanceLi]

知识库，是资产还是负债？
很多人的做法，耗费 token，耗费精力，耗费时间去维护，但却很少被检索召回，产生价值，这是负债。

当你把它单独拎出来视为资产的时候，就已经注定了。

实际上，智能体的 memory 就是最有效最有价值的知识库，由智能体自主维护和召回，持续产生价值，这是资产。

[苏茶 @Suercha007]

对于个人知识库这个概念，我其实一直不太理解。

搭过 llm wiki，也玩过 obsidian 那套东西，到最后依然没搞明白个人知识库对个人到底有啥作用，有啥意义。

真的能带来什么价值吗？

[蚍蜉 Showtime @JackchanceLi]

@caiyue5 @li9292 手搓了一个在团队内用，底层通过 acp 对接各大 agentcli，上层做可版本化管理的多智能体空间，核心其实是上下文拆分和管理。我觉得值得为自己构建一个

[蚍蜉 Showtime @JackchanceLi]

@zty0826 @wanxxz 一个人就是一支队伍，个人工厂，个人厨房～

[蚍蜉 Showtime @JackchanceLi]

方便人类参与并调节的自运行组织。这个叙事深得我心👍

[TennyZhuang @zty0826]

Raft 并不需要第一天就是一个多 Agent 工具。如果一个 Agent 能做好的情况下，根本就没必要建多个 Agent。这个会努力在 Onboarding 的时候引导一下。并不是一开始就要搭建团队的。Raft 本身也会保证单人两个 Agent（其中 Onboarding Agent，Cindy 并不应该干活）足够好用。
项目维护到一定规模之后，多 Agent 的需要自然会出现，因为我们要的不仅仅是许愿编程，而是方便人类参与并调节的自运行组织（Autonomous organization）

[蚍蜉 Showtime @JackchanceLi]

@fkysly 是，也没错

[蚍蜉 Showtime @JackchanceLi]

我目前是这样想的，可以交流一下～

如果不考虑成本的话，确实是可以的。但有多少场景，多少用户是可以不计成本的呢？

还有速度问题，有些 sota 是真的慢，在执行层面的任务上反而不如 flash 模型

有的模型适合当大脑，有的模型指哪打哪，效能最高。就像招聘一样，有些岗位找的并不是最优秀的人，而是最适合的人。

[蚍蜉 Showtime @JackchanceLi]

多 agent 一定是趋势，但也意味着 agent 更大量的交付，就看审查和看结果这里的体验了。
目前从我的实践来看，审查一个Agent交付的 90% 的成果，所耗费的精力并不是剩下的 10%，可能会更多。

目前更舒适的方式还是人的审查在回路，在过程中逐步验收对齐，人负责决策，agent 负责执行，就像两个人协作一样，最终人和 agent 一块完成。

[宝玉 @dotey]

多 loop 或者说多个 Agent 自己执行任务自己验证，这种方式会成为趋势的，原推说的这些问题都存在，但都不是障碍。

这很像一个人从一个 IC（独立贡献者）晋升为 Manager，必经之路就是要学会多线程工作，把任务拆分，交给几个不同的员工去完成，然后并不是活交出去就可以当甩手掌柜不用管了，在这过程中还要不断对齐方向、提供支持、验收、合并，出问题了还要背锅。

之所以说会成为趋势，是因为人的注意力是稀缺的，而 Agent 执行任务是异步的要消耗时间的。

我日常交给 Agent 的任务平均半小时左右，甚至更久，这意味着一个任务给 Agent 后我要等一段时间才能看到结果，如果这期间我一直等着，那是低效的。

所以要充分利用人的效率，就要多开任务，让 Agent 同时做几个任务，这样我可以一直要去分派任务，去验证结果。

就算你要摸鱼，你的老板也不会让你闲着的，最终必然是每个人都被迫从 IC 转型 Manager，只是管的是一堆 Agent，每个人都要多 Loop。

如果你现在还不需要这么做，那么好好珍惜、多多摸鱼，这样的好时光不会持续太久。

之所以说原推说的问题都不是问题。

1. Agent 已经具备纠错能力，只要有合适的工具就能做很多验证的活，coding 自不用说，就连视频剪辑这种事，Agent 都能截取连续帧图片放在一起，借助多模态能力去分析。

2. Agent 也能自己检验和修正错误，只要提供验收的标准和检验的工具，Agent 就能不知疲倦的自我修正。

---

至��和使用者预期不一致，这是无法避免，但不是问题，所以要人工介入去调整。

而且你管理 Agent 方法也很重要，就像好的 Manager，不会等到项目 Dead Line 到了才去看员工任务进展怎么样了，一定是一开始就要通过文档、原型、设计去反复对齐避免理解出错，中间要设置小的里程碑防止走偏。

管理 Agent 也是类似，前期让 Agent 做 Plan、写文档就是为了保证 Agent 理解了意图，后面的验收也是避免结果不是想要的。

让 Agent 干活和人干活有个很大的不同，人做事太慢，时间成本其实很高，同样一个功能，以前人做至少周为单位，现在 Agent 是以小时为单位甚至更小，这意味着犯错的成本同样低。

就算 Agent 做错了有什么关系，让它重做并不是什么大的问题，更何况大部分时候不需要推翻重做，只要小的调整就可以了。

使用者直接、频繁的介入，要耗费大量的注意力会是常态，这是 IC 变成 Manager 的代价，我们再难回去当年 IC 单线程做事的快乐了。

[蚍蜉 Showtime @JackchanceLi]

一致的观点。多智能体必然会引入额外的成本，但这些投入是为了获得：可持续迭代且职责清晰的智能体，降低人与 AI 协作的认知负载

[TennyZhuang @zty0826]

Raft doesn't encourage splitting tasks into multiple agents when a single agent can already do them well. Even the widely accepted Review Pattern often adds less value than people think.

But human input and output tokens are extremely scarce. Agent-to-agent communication across projects is far more efficient than human-to-human coordination, with much less information loss.

As projects evolve, shared subsystems and reusable components naturally emerge. Instead of turning everything into Skills that everyone contributes to, why not give a dedicated agent ownership of a component, with a clear scope and responsibility for its long-term evolution?

It's just like hiring people. At some point, there's a natural moment when you realize a responsibility deserves its own owner.

The same goes for agents.

Don't do multi-agent for the sake of multi-agent.

Decompose ownership, not tasks.

[蚍蜉 Showtime @JackchanceLi]

最近的经验：先实现会话的无状态化，然后跨会话协作就十分丝滑。

[蚍蜉 Showtime @JackchanceLi]

1. 会话即任务会话，如果任务足够简单，提示词和几个 turn 就能驱动，每个开新会话的即可。
2.复杂任务，需要很多 turn 或者多线并进，这种就涉及到跨会话协作了。要实现会话的无状态化（我可以随时销毁一个会话，并在新会话中继续），这就需要任务持久化，其实本质就是任务级的长期记忆。比如 claude 和 cursor 的project 机制，或者一个目录即可。

[蚍蜉 Showtime @JackchanceLi]

1. 会话即任务会话，如果任务足够简单，提示词和几个 turn 就能驱动，每个开新会话的即可。
2.复杂任务，需要很多 turn 或者多线并进，这种就涉及到跨会话协作了。要实现会话的无状态化（我可以随时销毁一个会话，并在新会话中继续），这就需要任务持久化，其实本质就是任务级的长期记忆。比如 claude 和 cursor 的project 机制，或者一个目录即可。

[蚍蜉 Showtime @JackchanceLi]

@cellier_ a2a 沟通？ 如果让 agent 去和他人沟通，这个好过分啊

[蚍蜉 Showtime @JackchanceLi]

@JasonPang0720 是的，让 agent 自主解决冲突问题，总结变更和影响。人来维护的成本很高。

[蚍蜉 Showtime @JackchanceLi]

十分同意，和我们的理念很一致。

之前，团队各个同事的机器上具备各种 AI 能力，但是这些能力和具体的 agent 运行时耦合，无法走出来形成团队共享资产。

这需要通过工厂/智能体即代码来形成组织的标准化资产（类似供应链中的集装箱）。

我们通过 git 来作为管理和分发这些资产，拥有对这些资产的完全掌控，并通过供应链将工厂快速部署到每个人的机器上。

通过供应链，我们也可以采集回各个工厂的更新优化，并被所有工厂所复用。

[Zach Lloyd @zachlloydtweets]

We've found a few key pieces to successful software factories, both from our internal testing and from helping companies deploy their own:

Factories-as-code: you should configure every part of the factory (agent orchestration, automations, permissions, sandbox configuration, etc) as code. This enables testing of different factory configurations to see which are most efficient, highest quality, etc.

Multi-model & multi-harness: you should make sure that your factories are able to use the latest models, both frontier and open-weight, and use different coding agent harnesses like Claude Code and Codex.

Data ownership: you should make sure you store and own all data coming out of your factory. This is the raw material for improving its operations.

[蚍蜉 Showtime @JackchanceLi]

@ameliax111 iphone 迁 iphone 很容易，iphone 迁安卓，window 很难。 personal agent 目前和平台严��绑定，用户失去了对自己数据的掌控

[蚍蜉 Showtime @JackchanceLi]

@JasonPang0720 这也是我们遇到过的问题。我们的解法是：在个人机器上构建可独立运行的工厂，有自己的 skillhub（工厂仓储），更新可以闭环。至于团队协作，就需要一种标准化的资产（集装箱），这样团队成员机器间就可以通过 git 的方式来协作了。

[蚍蜉 Showtime @JackchanceLi]

@shuige_notes 是的，个人提效已经真实发生，但还处于水面之下，需要标准化资产，让其浮出水面。

[蚍蜉 Showtime @JackchanceLi]

每台机器上有独立的 skill-hub，mcp-hub，knowledge-hub，command-hub，共享资产作为一个资产包，将团队严选和维护的资产列成一个清单，安装该资产包即可把资产分发到机器 hub，这相当于是工厂的仓储。可以用这些组装 agent 实例（yaml，含 skill，提示词，mcp，知识库等配置），在任务中迭代好的 agent 也可作为一种资产打包，进入 agenthub，然后也可以像 skill 那样在团队分发。

[蚍蜉 Showtime @JackchanceLi]

zach lloyd 最近的帖子总能一语道出我最近在思考的问题和观点！也许我们在探究类似的事情，也许我深受其影响！

[Zach Lloyd @zachlloydtweets]

The goal of software factories is not to get to full automation (not today).

It's to get the most out of coding agents so that you are shipping the highest quality software with the most customer impact as quickly and efficiently as possible.

You’ll want to prove that you are doing this by carefully measuring and tuning your factory. We call this “factory engineering.”