哈斯日志

纪录我们在网路上奔波的历程！

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.

统一 Chat UI，还是场景效用约束？论 GUI 对概率性交互的鲁棒性设计

2026年9月3日

从 chatGPT 横空出世的，chatUI 如日初升，到 CLI交互的 Claude code 的爆火、codex 的出圈风靡，AI 智能软件的前端界面如何能更完美的发挥 Language as UI 的优势、如何规避其缺陷和不足，一直是我们反复尝试和不断创新实践探索的一个要点。市面上很多 AI 产品，最偷懒的地方不是模型不够强，而是交互太省事，视图一个聊天窗口all in one，我想说，别再把 AI 做成一个聊天框了。从迷信 chat 模式，到基于 GUI 嵌入 AI 智能能力的尝试，到基于业务目标和角色场景预设的 cockpit 模式，通过…阅读《统一 Chat UI，还是场景效用约束？论 GUI 对概率性交互的鲁棒性设计》更多内容...

This Written by loverty.

当我开始拥有一个关于“我”的 AI 模型

2026年8月27日

个人代理如何重写人与智能的关系我们过去讨论 AI，习惯从能力出发：模型会不会理解、会不会推理、会不会调用工具、会不会执行任务。随着 Agent 能力快速增强，这套问题仍然重要，但已经不够了。对于真正长期伴随人的个人 AI，决定它是否能够进入日常生活深处的关键，不只是“它能做什么”，而是“它是否形成了一个关于我的可操作模型，并能据此替我完成部分感知、认知、决策与行动”。这意味着个人 AI 的演进正在从“理解任务”转向“理解人”。一旦这一变化成立，我们面对的就不再只是效率工具升级，而是一种更深层的人机关系重构：AI 不仅帮助人完成任务，还开始根据对人的持…阅读《当我开始拥有一个关于“我”的 AI 模型》更多内容...

This Written by loverty.

AI 是在帮我进化，还是在驯化我？

2026年8月22日

当我们越来越习惯把调研、分析、搜索、整理、判断甚至局部决策直接交给 AI，一个很自然的问题会出现：这种变化究竟是在增强人的能力，还是在削弱人的能力？如果从传统“工具提升效率”的视角看，答案似乎很简单。AI 让一个人能够完成过去需要多人、多天甚至更长时间才能完成的工作，这当然是一种能力扩展。但如果把观察对象从“任务完成效率”收回到一个具体的人，问题就开始变得复杂：当感知、认知、决策与行动中的部分闭环逐渐由硅基智能接管，这个人自身的认知结构究竟发生了什么？这个问题不能简单归结为“AI 会不会让人变懒”，也不能用“能力上移”轻易解释。更准确地说，我们正在进入…阅读《AI 是在帮我进化，还是在驯化我？》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