https://www.candobear.com/detail/l_682fc801e4b0694c5ad94880/4阅读路径:第一组先拆 Agent 的判据,避免把模板数量当成能力;第二组看日常判断为什么值得交给模型;第三组把发布会信息和个人知识接起来;第四组落到读书、写作与交付。只看一组就看第一组:有没有根据结果调整下一步,比产品自称多少个智能体更值得检查。
一句话结论:如果一个工具不能围绕目标、根据新信息调整行动,那么即使包装成上百个智能体,也不能兑现这场直播所说的 Agent 价值。
howie 把本场的核心判断放在开头:2025 年值得投入的变化,是强推理模型开始灵活使用工具。他自述在 O3 发布后的一个月里用了至少 500 次,起初只把它看成新模型,使用量上来、不断与过去体验比较后,才认为它与此前的模型有明显差别。
他给的简化公式是:足够强的推理模型,加上按需要调用工具的能力。所以听到某产品宣称有上百个智能体,他首先追问的不是数量,而是底层模型来自哪里、推理能力如何、能操作哪些工具、由谁决定调用顺序。他也提出智商和上下文容量的门槛,但没有展开测量依据,不能把这些数字当成行业认证标准。
这不是说任何工作都必须自主规划,而是说不能用预设模板的数量,替代对实际解决问题能力的检查。他对套模板、拉工作流也叫智能体的现象尤其不满。
Ben哥可以把这个判据用于 cron-jobs.json 所对应任务的能力审查:拟在任务说明中区分 goal、tools、completion_evidence,不要仅凭任务名称含有“智能体”就判断能力。定时启动本身只是触发,不等于会调整计划。这里及下文的字段、函数都是应用设计,未检查当前文件结构,也未实施任何改动;不能直接当作现有配置字段写入。
他展示的软件排错案例,输入很简单:把报错截图交给模型,让它解决。模型搜索、阅读、思考,再继续调用网页工具,最后给出问题本质和分步排查路线。这里的亮点不是一下调用了多少工具,而是信息获取服务于解决问题,每一步都能改变后面的动作。
Deep Research 则把同样结构放大:收到研究目标后分解任务,搜索资料、读取网页,再根据新信息继续查找和调整。howie 把它概括为“思考、行动、用工具”的循环,也用计划、执行、检查、调整来解释。他还举了用 Python 数字数、压缩文章长度的例子:文字生成之外,工具能承担可核对的约束检查。不过精确压缩是否真的无损,原文未展开。
| 对照项 | 固定工作流 | 本场所说的 Agent |
|---|---|---|
| 起点 | 预先给定步骤或模板 | 给定要完成的目标 |
| 下一步怎么来 | 按既定路径往下走 | 根据已取得的信息决定 |
| 工具有什么用 | 执行安排好的动作 | 按当前问题选择并调用 |
| 结果怎么处理 | 本场未展开异常处理设计 | 结果反馈到思考与计划 |
他还以写作 Agent 为例:如果目标是文章获得大量阅读,就不能把生成一篇文字直接等同于完成目标。但长期保存尝试结果、据此持续改进,在这场里更多是设想,不是已经验证的案例。
针对 knowledge.py,可以拟加 evaluate_research_step(goal, evidence, gaps):输入研究目标、已取资料和缺口,输出继续检索的具体问题或结束理由;不是让它无限搜索。针对 ~/.agent-autoloop/report_html.py,拟加 render_evidence_status(),把“已生成报告”与“来源、约束是否满足”分开展示。这是把原文的反馈循环转成可观察接口,并不表示这些函数当前存在。
现场谈得最多的不是宏大任务,而是买镜头、换电饭锅、选锅铲这样的琐事。howie 的常用问法是“buy or not”:把具体情况交给模型,让它列出什么条件下买、什么条件下不买。现场也有人说,用了之后反而不想买东西,因为模型会指出新物品与已有器材用途重叠。
电饭锅案例里,他先拍磨损涂层,问自己的风险判断是否成立、是否需要更换,再给两款产品的截图做对比。他看重的是模型替自己拆解营销词:哪些是实际差异,哪些是夸大,哪些并不能改变使用效果。二手镜头的讨论则加入使用之后再转卖的考虑,并不只看购入价。
这些都是当事人的消费经验,不是本篇给出的产品推荐。具体材质、风险和价格是否判断准确,转写没有提供足够材料复核。
Ben哥做 Amazon 竞品分析时,可以在 ~/.agent-autoloop/report_html.py 拟加 render_purchase_conditions():每条卖点展示 buy_if、skip_if、existing_alternative、evidence。这不是替买家下决定,而是把“为什么值得换”与“为什么不必换”放到同一张卡片里。资料没有解释作用机制的,证据栏写“原文未展开”,不要把竞品标题里的形容词直接变成产品事实。
howie 认为,人碰到陌生领域的一串名词,很容易耗尽判断带宽,随后被情绪和本能带走。模型的价值,在于调用已有知识,检查某个宣传是否符合基本原理。他举了昂贵床垫、宣称净化空气的挂件,以及家人购买止咳药的例子,想说明“见效快”“说得专业”都不等于解释成立。
这些例子里还有一个值得保留的动作:他不只问结论,也把自己的怀疑交出来。例如电饭锅问题,他说有人觉得危害大、自己觉得影响不大,请模型检查。这让模型面对的是一个需要验证的判断,而不是帮提问者搜集赞成理由。
但他进一步说模型专门解决劣质信息、不必担心错误,这属于强烈的个人评价。转写没有提供足以证明模型不会误判的材料。药品成分与儿童用药等内容更不能从口述案例直接转成行动指令。
在 kb/STANDARD.md 可拟定一条“判断可追问”规则:深蒸馏涉及强断言时,区分 speaker_claim、supporting_example、unresolved_question,分别记录讲者判断、现场例子与未解决问题。Ben哥之后检索到本篇,就能看见“讲者相信模型善于识别营销”与“本篇已验证模型可靠”不是同一件事。本轮只把这条应用写进文章,不修改标准文件。
标题虽然提到最近的发布会,howie 却明确说,自己不想逐场追。他会让 O3 列出 Google 发布会的要点,先过一遍;其中反复遇到或自己感兴趣的概念,再单独追问,并放进笔记的双向链接。
他反感的是同一内容被大量账号同时转述:经过多轮翻译、改写,再夹进娱乐化表达,读者不断看,新增的信息却有限。他并不反对评论,而是认为如果有自己的思考和观点,就值得说;仅重复相同要点,会消耗注意力。
本场也谈到 Gemini、Claude、OpenAI 的订阅与模型价格,但没有做完整横向测试。最值得带走的不是当时谁最强,而是先判断一个信息是否改变手上的任务,再决定是否深入。
reading.py 可拟加 triage_release_note(),把输入分成 release_points、repeated_concepts、work_question:发布要点先压缩,重复概念链接旧笔记,只有能回答 Ben哥当前问题的部分进入深读。kb/STANDARD.md 可拟加“新闻转述与个人分析分栏”的写法要求,避免把讲者在 2025 年的价格和额度,复制成今天的采购依据。
howie 提到腾讯 ima 的知识库,也展示自己的另一条路线:把七八千篇笔记切块,做 embedding,存到本地,再接模型 API。他希望知识工具能允许用户自由选择模型,而不是把资料和回答能力绑定在一起。
这部分最重要的推理是:如果不同人用相同提示词做 Deep Research,措辞可能不同,但研究依据没有各自的个人资料,结果的本质差异就有限。加入自己的笔记、经历和工作材料,研究才可能真正个人化。
连接器、MCP 和直接接入电脑资料,在这场中既有期待也有推测。切块怎样保留上下文、如何检索、如何处理资料冲突,原文未展开。不能把“本地做了 embedding”写成一套已经证明最佳的知识库方案。
| 资料层 | 本场怎么描述 | 对答案的作用 | 本场未讲清什么 |
|---|---|---|---|
| 模型内部知识 | 模型训练中已学到的知识 | 提供解释与推理基础 | 覆盖范围与错误率 |
| 互联网资料 | 搜索、读网页、继续研究 | 补充外部信息 | 来源冲突怎样裁决 |
| 个人资料 | 笔记、文稿、本地资料 | 加入个人问题与背景 | 切块和检索的具体参数 |
| 工具接口 | API、连接器、MCP 等 | 让资料和操作可被调用 | 预期功能何时完整可用 |
在 knowledge.py 可拟加 build_personal_context(query, selected_notes),每段上下文保留 source_path、source_date、excerpt,并将外部资料与个人笔记分开交给回答环节。对 Ben哥而言,重点不是立刻重建 embedding,而是回答“这项判断来自哪篇笔记、是否适用于这次任务”。原文没有给检索参数,本篇也不替它编一个固定切块长度。
howie 认为,有了模型之后,读书更重要的价值是触发思考。他以阅读冯骥才《一百个人的十年》为例,联想到家庭中的羞辱、批斗式语言与行为模式,再把模糊猜想交给模型讨论。这些社会因果关系在现场没有得到验证,值得保留的是从阅读、疑问到追问的过程,不是把他的联想当成定论。
谈到 GPT-4.5 写作,他反对一上来就说“给我写一篇文章”。他的做法是先聊自己的观点,经过多轮讨论,一边读、一边记笔记;当自己形成大纲后,再把大纲和前面的材料交给模型成文。他强调,前面聊的质量越高,后面的文章质量越高。
所以写作流程并没有被取消:仍然要头脑风暴、搭架子、写出来。变化是每一段都有一个能响应、扩展、反驳的对话对象,而不是等到最后才找工具润色。
reading.py 可拟加 capture_reading_question(),记录 source_excerpt、my_question、my_hypothesis、model_challenge;到文章生成前,再用拟议的 build_writing_brief() 汇总已形成的大纲和材料。Ben哥的深蒸馏因此可以保留“这段原文引出了什么问题”,而不把未经证实的个人假说悄悄混成讲者结论。这些是后续接口方案,不是本轮新增脚本。
本场的模型分工很直接:howie 把多数问题交给 O3,把需要文笔、细腻理解和表达的写作更多交给 GPT-4.5。他还比较了两者价格、输出长度和订阅额度,但这都是当时的使用语境,不能推成永久排序。现场把 token 和字数混用的地方,也不能照抄成精确规格。
他鼓励有条件的人付费并充分使用,因为只看介绍,很难建立真实体验。但这不是一份预算方案:怎样计算收益、多少任务才值得升级,原文未展开。他关于“越多用越好”的强烈表达,更适合作为实践动员,而不是硬性的调用配额。
最后,现场有人问如何复制模型输出的表格。他解释 Markdown 的复制方式,主张把它作为日常文本格式,必须交 Word 时再转换。核心是减少在编辑器之间搬运的阻力,而不是证明其他交付格式都没有价值。
Ben哥可以在 ~/.agent-autoloop/report_html.py 拟加 render_from_markdown(source_md),让报告展示从同一份 Markdown 生成,减少正文与交付版各自改写造成的分歧;能否适配现有代码,仍需另行检查。模型选择则在任务说明中拟记 task_type、model_choice_reason、result_issue,记录为什么选、实际哪里不够用,不把本场的 O3/4.5 分工写成不可更新的固定规则。
| 这条里的什么 | 对应你手上的什么 | 具体怎么用 |
|---|---|---|
| 目标比智能体数量重要 | cron-jobs.json 对应的任务说明 | 拟区分 goal、tools、completion_evidence,不把定时启动等同自主行动 |
| 新信息改变下一步 | knowledge.py | 拟加 evaluate_research_step(),按资料缺口决定继续查什么或结束 |
| 买不买先于买哪款 | ~/.agent-autoloop/report_html.py | 拟加 render_purchase_conditions(),同时呈现购买与不购买条件 |
| 强判断必须能追问 | kb/STANDARD.md | 拟区分讲者断言、现场例子和未解决问题,避免体验冒充验证 |
| 发布会先概览再深读 | reading.py | 拟加 triage_release_note(),将重要概念连回当前工作问题 |
| 私人资料进入研究 | knowledge.py | 拟加 build_personal_context(),保留文件路径、日期与摘录 |
| 多轮讨论后再写文章 | reading.py | 拟加 build_writing_brief(),先汇总自己的问题、大纲与依据 |
| Markdown 作为文本源 | ~/.agent-autoloop/report_html.py | 拟加 render_from_markdown(),减少交付版本之间的内容分叉 |
原文:【同步直播】熊聚MU2505 AI 2025:最近的发布会、趋势分析、应用落地分享,@howie.serious,2025.05.24。来源链接见篇首;提供的转写无时间戳,时长未标。
本篇依据:仅依据本任务提供的转写全文,未补外部资料,未观看原视频。正文围绕 Agent 判据、消费与信息判断、个人知识、读写实践重新分组;序号 40 按目标文件 q40 对应填写。“欧三”“电话猫”等明显误识别按上下文归为 O3、电饭锅;无法可靠还原的旁支不强行补名。
更正与边界:模型智商、知识覆盖、训练取向、绝对可靠性、消费省钱和学习收益等,均不作为本篇独立核实的事实。医疗与社会事件只保留其论证作用,不提供诊断或因果定论。价格、额度、模型分工与产品更新均限于讲者当时表述;连接器、长期记忆等期待不写成已经兑现的能力。所有实际应用均为面向 Ben哥文件的拟议设计,未读取或修改这些文件,不声称已有对应字段或函数,也不代替独立验收。
定位:中文深蒸馏,不是逐字摘要。