哈斯日志

纪录我们在网路上奔波的历程！

抽象、压缩与加速：理解AI产业演进的一种实践框架

2026年11月2日

从几个产业现象开始观察过去两年，Coding Agent、Research Agent、OPS/SRE Agent等产品已经开始进入真实生产环境，并在部分场景中承担越来越重要的工作。但与此同时，一个值得关注的现象也越来越明显：并非所有领域都以同样的速度进入Agent时代。相同的大模型能力，在不同场景中的落地速度、自动化程度和商业价值存在明显差异。如果只从模型能力解释这种差异，很容易陷入“模型还不够强”的单一判断。但从实际产业实践来看，很多场景的问题并不完全来自模型本身，而与这个行业、场景、用例的具体层面上是否已经形成足够成熟的数字化表达、抽象结构、可…阅读《抽象、压缩与加速：理解AI产业演进的一种实践框架》更多内容...

This Written by loverty.

当 AI 开始替人行动，谁有权说了算？

2026年10月26日

AI Agent 的发展正在进入一个微妙的阶段：一边是技术公司努力让 AI 获得更多权限，使其能够跨应用、跨系统完成任务；另一边是平台开始收紧权限，重新审视 AI 究竟可以访问什么、代表谁行动，以及能够在多大程度上替用户做出决定。这不是技术发展的倒退，而是 AI 从回答问题走向执行任务之后，必然面对的一次权力重构。过去，AI 的主要工作是理解和生成信息。即使回答错误，后果通常也停留在信息层面。Agent 不同，它能够调用工具、读取文件、发送消息、操作账户，甚至完成交易。当 AI 从信息系统变成行动系统，能力边界就不再只是模型的能力边界，而成为用户、…阅读《当 AI 开始替人行动，谁有权说了算？》更多内容...

This Written by loverty.

如果AI开始替我们行动，我们还是不是自己？——从工具使用到主体性外包

2026年10月16日

如果AI开始替我们行动，我们还是不是自己？忒修斯之船。前两篇讨论 Agent 时，我一直在沿着一条产品演化路径往前走。互联网产品最初帮助人获取信息，随后帮助人筛选信息、使用工具、完成任务；Copilot 开始参与人的工作过程；Agent 则进一步接受人的目标，替人规划路径、调用工具并完成行动。从产品角度看，这是一次效率的持续提升。但如果把视角从产品移到人身上，一个更深的问题就出现了：当 AI 不只是帮助我们行动，而开始替我们判断和行动时，我们还是不是那个正在行动的人？这不是一个关于“AI有没有意识”的哲学问题。它是一个非常现实的产品问题。 …阅读《如果AI开始替我们行动，我们还是不是自己？——从工具使用到主体性外包》更多内容...

This Written by loverty.

当 AI 开始预测人的下一步：从阅粒读伴到 Codex Composer

2026年10月13日

最近体验和了解 OpenAI Codex 的 Composer Predictions，我有一种熟悉的感觉。 Codex 开始根据当前对话上下文，预测用户接下来可能发送的消息。用户可以接受建议，再检查、编辑或发送，减少重复组织指令的成本。这让我得拉出我们阅粒读伴（YueliLibrary）在 2026 年 7 月上线的 Quick Question Chip。（阅粒读伴界面截图）作为阅粒读伴的创造者和开发者，我们当时也在思考一个问题：AI 回答完用户的问题之后，为什么一定要等用户重新组织语言，才能开始下一轮交互？阅读尤其如此。用户读完一段内容，可…阅读《当 AI 开始预测人的下一步：从阅粒读伴到 Codex Composer》更多内容...

This Written by loverty.

当决策被委托给AI：Agent的意图漂移、行为走偏的风险边界

2026年10月8日

上一篇讨论 Meta Muse、Cue、grok、Dots、豆包手机以及 Agent 产品时，我把一个正在发生的变化概括为“行为委托”。互联网产品长期以来都在帮助人降低行动成本：搜索帮助人获取信息，推荐帮助人筛选信息，App 帮助人完成操作，Copilot 帮助人完成部分工作，而 Agent 开始进一步承担完整任务。问题也恰恰从这里开始。当 AI 只是回答问题时，错误通常仍然停留在信息层面。当 AI 帮助人写一封邮件时，用户仍然是最终发送者。当 AI 开始自主调用工具、访问账户、与其他系统交互并完成任务时，情况发生了变化。人的目标成为起点，A…阅读《当决策被委托给AI：Agent的意图漂移、行为走偏的风险边界》更多内容...

This Written by loverty.

从Cue、Muse、GrokBot到Dots：Agent演化逻辑从帮助你到成为你

2026年9月30日

过去几年，大模型行业一直围绕一个问题不断向前推进：如何让模型变得更聪明。更大的参数规模、更长的上下文窗口、更强的推理能力、更快的响应速度、更低的推理成本，构成了这一轮人工智能技术竞争最重要的主线。但到了9月份至今，产品形态正在发生一个值得关注的变化。 Cue、Muse、GrokBot以及OpenAI刚刚推出的Dots，都开始明显摆脱传统Web聊天产品的形态。它们越来越重视桌面应用、手机应用、后台运行、长期记忆、跨应用操作和持续执行。这些智能体后端甚至专门构建了运行Agent和用户数据的安全虚拟机；OpenAI则将Dots定义为可以持续运行、主动完成多步…阅读《从Cue、Muse、GrokBot到Dots：Agent演化逻辑从帮助你到成为你》更多内容...

This Written by loverty.

从Meta Muse到豆包手机：Agent想成为新的用户行为入口

2026年9月24日

Meta Muse 与豆包手机看起来属于两个不同方向的产品：一个更接近软件形态的 AI 助手，一个试图把 AI 深度嵌入手机这一最重要的个人计算终端。但如果把它们放回互联网产品发展的历史中观察，会发现它们其实正在沿着一条非常熟悉的路径继续向前。互联网产品过去几十年的核心工作，一直是在降低人与数字世界之间的操作成本。搜索引擎降低信息获取成本，推荐系统降低信息筛选成本，移动互联网降低服务获取成本，App 将复杂服务封装成按钮和流程。到了 Copilot，软件开始理解人的自然语言；到了 Agent，进一步发生的变化则是：用户不再需要亲自完成全部操作，而可以直…阅读《从Meta Muse到豆包手机：Agent想成为新的用户行为入口》更多内容...

This Written by loverty.

Jev不是决策模型：它正在定义Agent时代的决策执行层

2026年9月20日

Jev：Agent从“会说”走向“会做”的重要一步最近几天，Jev（System One Models）在 Agent 开发者社区持续升温。很多讨论聚焦于一个问题： Jev 是否正在把上下文驱动的人类决策变成一个概率游戏？如果仅从输入状态、输出概率分布的形式来看，这种理解并不完全错误。Jev 接收状态（State），输出决策（Decision），本质上是在求解： P(Action | State) 而大模型 LLM 求解的是： P(Token | Context) 两者看起来都建立在概率基础之上，只是作用对象不同。前者预测下一步应该采取什么行动，后…阅读《Jev不是决策模型：它正在定义Agent时代的决策执行层》更多内容...

This Written by loverty.

从 Prompt Engineer 到语义系统设计者：AI 正在抬升真正的能力门槛

2026年9月14日

过去两年，AI 行业有一个颇具代表性的现象：Prompt Engineer（提示词工程师）从炙手可热的新职业，迅速淡出了主流讨论。2023年至2024年期间，几乎所有关于大模型应用的讨论都会围绕 Prompt 展开。大量课程、认证、咨询服务和招聘岗位围绕 Prompt Engineering 构建，甚至一度被描述为进入 AI 时代最重要的能力之一。然而仅仅两年之后，行业关注点已经转向 Agent、Tool Use、Workflow、Context Engineering、Semantic Layer 等更高层概念。Prompt Engineer 并没有真…阅读《从 Prompt Engineer 到语义系统设计者：AI 正在抬升真正的能力门槛》更多内容...

This Written by loverty.

从 Seat-Based 到 BYOK：AI时代软件价值主权的重新分配

2026年9月8日

过去二十年，软件产业始终遵循着一条稳定而隐蔽的商业规律：谁控制能力，谁拥有收费权。从 ERP、CRM 到协同办公、设计工具和数据分析平台，SaaS 的本质并非销售软件，而是通过持续订阅的方式出租能力。用户购买的不是代码，而是功能；厂商出售的不是产品，而是对功能入口的控制权。Seat-Based 模式之所以能够长期成立，本质上建立在能力稀缺和信息不对称之上。软件开发能力掌握在厂商手中，数据处理能力掌握在平台手中，用户只能通过持续付费获得有限使用权。因此，软件产业形成了一种稳定的价值分配结构：厂商拥有能力，用户购买访问权，平台则成为价值流转的中心节点。然而…阅读《从 Seat-Based 到 BYOK：AI时代软件价值主权的重新分配》更多内容...

This Written by loverty.

AI助手

你好！我是哈斯日志的AI助手

我可以基于当前页面的内容回答你的问题。

有什么想了解的吗？

刚刚