关于AI智能体发展的关键观察与影响 · AI HOT
Berryxia.AI @berryxia 62
2026-05-16 08:28 ·48天前
AI 摘要 AI智能体通过记忆功能形成使用先发优势,预计12个月内将出现能自主学习并替代人类工作的智能体。本地模型使AI产品可在终端设备运行,为医疗、法律等受监管行业提供无数据隐私风险的解决方案。企业需将内部流程与知识转化为AI可读的“第二大脑”,而代理成本正逐步取代传统人力成本。智能体可能引发部门间无意识的竞争,公司结构可通过YAML配置文件定义和版本化。输入数据质量直接决定输出效果,技能文件比传统SaaS更具价值,而人类审批环节成为工作流中的主要瓶颈。
Berryxia.AI @berryxia · X 2026-05-16 08:28 · 48天前
在 X 看原推 · x.com AI 摘要 AI智能体通过记忆功能形成使用先发优势,预计12个月内将出现能自主学习并替代人类工作的智能体。本地模型使AI产品可在终端设备运行,为医疗、法律等受监管行业提供无数据隐私风险的解决方案。企业需将内部流程与知识转化为AI可读的“第二大脑”,而代理成本正逐步取代传统人力成本。智能体可能引发部门间无意识的竞争,公司结构可通过YAML配置文件定义和版本化。输入数据质量直接决定输出效果,技能文件比传统SaaS更具价值,而人类审批环节成为工作流中的主要瓶颈。
代理人的响应速度(即处理任务的速度),已经相当于网页的加载速度了。 如果你的客服代表需要 45 秒才能回复客户,那么客户很可能已经转而使用那些响应速度更快(仅需 13 秒)的客服服务了。
"技能文件"(Skills files)实际上就是新的"应用程序"; 一个能够指导客服代表如何高效完成某项任务的文档(如 SKILL.md),比那些通过登录界面来提供相同功能的 SaaS 服务更有价值。
在人工智能硬件领域,如何开发出既实用又受消费者欢迎的产品呢? 其实只需要一个价格约为 30 美元的插件,就能将人工智能功能添加到现有的普通设备中。
比如,智能烤面包机并不需要从头开始设计;只需将这个插件连接到价值 15 美元的普通烤面包机上即可。
目前,每个客服工作流程中的瓶颈都在于人工审批环节--人类本身才是效率最低的部分。这确实是个令人反思的现象。
客服代表让"80/20 规则"(即工作中 80% 的任务由人工完成、20% 的任务由自动化系统完成)变得更加明显。 如今,只有那 20% 的关键任务仍由人类负责,而剩下的 80% 的工作内容早已被自动化系统取代了。
许多原有的工作描述其实都隐藏在那些"被自动化处理"的任务中。
我一直反复强调的一点是:如今最成功的商业模式,都是由那些比他们的客户稍微领先一点的人创造的--这种领先幅度既不是十年,也不是六个月。 这样的领先程度既能确保他们能够引领市场的发展,同时又足够接近客户的实际需求,使他们能够被客户真正理解。
GREG ISENBERG More AI agent observations below (I keep adding to the list): 1. Hermes agents write to their own memory after every task. Which means starting today versus sta...
这意味着:每一个流程、每一个决策,以及每一项机构知识,都必须以Agent能够理解的形式存在(即必须以Agent能够读取的格式进行表达)。
然而,大多数公司在这方面都做得非常糟糕(即这些信息并没有以代理能够理解的形式被保存或使用)。
对于许多公司来说,将总人力资源成本的 50% 以上用于购买代币(tokens)也并不算什么疯狂的决定。
代理们在无意中在企业内部引发了竞争:营销人员和销售人员虽然都在为不同的目标而努力,但他们实际上是在相互抵触、互相妨碍对方的工作效率。 而人类花了数十年时间才建立起跨部门之间的协作机制。对于这些"代理"来说,这个问题却从未被真正考虑到过。
YAML 配置文件正在逐渐取代传统的组织结构图:谁向谁汇报、他们拥有哪些权限、可以使用哪些工具--所有这些信息都通过 YAML 配置文件来定义。 公司的整体结构实际上就是一个可以被版本控制、分叉(fork)并部署的文件罢了……这确实是一个全新的模式。
那些第一批能够识别出骗局的公司,将会因此获得巨大的价值(甚至可能价值数十亿美元)。 目前,许多代理人会毫不犹豫地将资金转给那些格式看似合法的虚假发票;他们的判断完全缺乏任何信任机制或理性分析。
实际上,很多所谓的"专业知识"不过只是对某些信息的记忆罢了--比如税法规定、判例法内容、以及不同供应商的收费标准等。 只有当代理人能够将这些信息放在具体情境中加以理解时,他们的价值才会真正体现出来(即他们能够判断出哪些信息才是真正重要的)。具备这种能力的人其实非常少。
真正的区别在于我们为这些模型提供了什么样的输入数据。两位创始人即便使用相同的代理人、相同的模型和相同的工具,最终得到的结果也可能大相径庭--这完全取决于他们所掌握的知识质量。
如果输入的信息质量低劣,那么输出的结果自然也会很糟糕(这种情况会永远持续下去)。
目前人工智能领域发展最为滞后的领域就是为老年人服务的智能辅助系统; 有约7000万的婴儿潮一代需要帮助填写医疗表格、处理保险索赔以及安排预约等事务。
代理人的响应速度(即处理任务的速度),已经相当于网页的加载速度了。 如果你的客服代表需要 45 秒才能回复客户,那么客户很可能已经转而使用那些响应速度更快(仅需 13 秒)的客服服务了。
"技能文件"(Skills files)实际上就是新的"应用程序"; 一个能够指导客服代表如何高效完成某项任务的文档(如 SKILL.md),比那些通过登录界面来提供相同功能的 SaaS 服务更有价值。
在人工智能硬件领域,如何开发出既实用又受消费者欢迎的产品呢? 其实只需要一个价格约为 30 美元的插件,就能将人工智能功能添加到现有的普通设备中。
比如,智能烤面包机并不需要从头开始设计;只需将这个插件连接到价值 15 美元的普通烤面包机上即可。
目前,每个客服工作流程中的瓶颈都在于人工审批环节--人类本身才是效率最低的部分。这确实是个令人反思的现象。
客服代表让"80/20 规则"(即工作中 80% 的任务由人工完成、20% 的任务由自动化系统完成)变得更加明显。 如今,只有那 20% 的关键任务仍由人类负责,而剩下的 80% 的工作内容早已被自动化系统取代了。
许多原有的工作描述其实都隐藏在那些"被自动化处理"的任务中。
我一直反复强调的一点是:如今最成功的商业模式,都是由那些比他们的客户稍微领先一点的人创造的--这种领先幅度既不是十年,也不是六个月。 这样的领先程度既能确保他们能够引领市场的发展,同时又足够接近客户的实际需求,使他们能够被客户真正理解。
GREG ISENBERG More AI agent observations below (I keep adding to the list): 1. Hermes agents write to their own memory after every task. Which means starting today versus sta...