BestBlogs.dev 第 111 期：经验复利

文章报道了谷歌于美国时间 9 月 2 日发布 Gemini 3.8 系列模型，包含标准版 Gemini 3.8 Flash 与网络安全专用版 Gemini 3.8 Flash Cyber。在编程与推理方面，新模型采用循环迭代式工具调用机制，在 DeepSWE v1.1、Vals Finance Agent V2、Harvey Legal 等基准测试中接近更高成本模型表现，而 API 定价维持输入 0.75 美元/百万 Token、输出 3.75 美元的优惠促销价。Cyber 版本专攻漏洞挖掘与自动补丁修复，内部测试漏洞发现成功率超 70%，自动化修复 Pass@1 达 47.2%。此外，谷歌将 Agentic 智能体架构引入视频多模态理解，实现按需调取画面与音频，Token 消耗最高降低 88%，开发者综合成本降低 66%。文章认为谷歌在六周内连续三次更新 Flash 系列，体现出以快速迭代和降本增效建立工程与垂直场景生态的明确战略意图。

这场圆桌既披露了 Nano Banana 2 Lite 与 Gemini Omni Flash API 等最新产品信息，也提出了一套关于生成媒体研究与产品发展的完整判断。短期内，专用模型仍将与更通用的多模态系统并存，因为工程实现、训练方式、延迟和产品体验之间存在现实取舍。语言能够复用预训练阶段获得的知识与推理能力，并为因果结构提供条件；视频则补足符号模型欠缺的时空理解。音频与视频的联合生成并非简单拼接，而是源于二者共享同一事件的潜在成因。讨论也揭示了偏好优化的局限：更讨喜的输出可能更鲜艳、更迎合用户，却不一定更连贯，审美默认还可能固化文化偏见或产生奖励投机。最具实践价值的结论是，基准测试和公开数据并不足够；真正的进步需要人类评估、专业创意判断、真实任务轨迹、早期客户工作流，以及把生产环境中的实际失败持续反馈到模型训练与评估中的闭环。

Claude Code 团队成员介绍了一种以目标为中心的开发方式：工程师不再逐一监督模型的每个动作，而是明确期望结果，再让智能体利用产品上下文与决策自主推进。Slack 中的智能体 Claude Tag 能检索上下文、协调相关方、制作原型、协助实现改动，并在内部上线后持续收集反馈。团队认为，产品的交互与能力边界会随模型进步而变化；待办清单和交互式提问等机制曾为模型提供必要支架，如今也会随着记忆与长程执行能力提升而被调整或移除。面对复杂任务，他们把长时间运行的托管智能体与扇出式流程结合：先广泛排查缺陷或研究路径，再通过对抗性审查过滤误报，并用确定性循环保证每项工作都得到一致处理。人的审查重点随之转向 API 意图、服务边界与关键判断；测试、截图、录屏、指标和个人检查则构成证据闭环，让团队逐步扩大信任，而非盲目接受生成的改动。

本文分享了 Anthropic 基于与零售商、电商平台、旅游、娱乐和电信服务提供商的合作经验，为使用 Claude 构建商业智能体总结的模式与最佳实践。核心强调简化架构：在标准智能体循环中使用单一模型，配合技能与工具，避免子智能体和意图路由。主要建议包括：用技能替代子智能体以保留上下文并降低延迟；根据使用频率决定将内容放在系统提示词还是技能中；在现有核心系统之上构建智能体工具；将 UI 组件作为工具使用以确保可靠的 schema 生成。指南还涵盖了通过减少交互轮次、加速工具调用和利用感知延迟技巧来优化延迟，以及实现 90%-99% 缓存命中率的提示词缓存策略。此外还讨论了记忆、harness 中的安全执行、针对非确定性系统的评测，以及跨组织扩展等生产级问题。

OpenClaw 2.0 的发布是一个重要的里程碑，包含了超过 16，000 个拉取请求，并得到了近 1，000 名开发者的贡献。此次更新专注于改善用户体验，通过简化设置流程、重建浏览器界面，并添加对共享云会话的支持，从而实现 AI 任务的协作工作。

Clare Liguori 介绍了 Amazon 如何从渐进式 AI 编码辅助走向前沿开发：工程师将大部分实现工作交给自主智能体，并行推进多项任务。她结合 Bedrock Mantle 的交付、Prime Video 的受控冲刺，以及 Amazon Stores 覆盖 50 个团队的试点说明，结果差异并不来自工具本身。表现最好的团队重塑了工作方式：把隐性知识沉淀为 steering context，投入建设更易被智能体理解的强类型代码库，在写代码前先明确规格，为智能体提供完整验证闭环，并将确定性测试和本地 mock 前移。分享也正视代码评审疲劳、认知负荷和管理层预期等组织成本，并指出实现速度提升后，产品决策、治理与审批会成为新的主要瓶颈。

Meta 为合规工作开发了一款领域专用 AI 智能体，将「组织知道什么」与「组织如何推理」分离。知识被预先提炼为可浏览的文件系统——包含立场文件、分类定义、路由索引和网关阈值——并带有明确的依赖图，而非在推理时通过嵌入动态检索。推理被编码为多步骤的命令式配方，可组合为流水线，并渐进式地仅暴露每个阶段相关的知识与指令，从而将 Token 消耗降低约 80%。人类专家通过检查点机制保留控制权，中间推理过程可供审阅；当检测到真正的模糊性时还会触发升级。该系统最具特色的部分是自我改进飞轮：专家修正被诊断归入根因类别（知识缺口、配方缺陷或模糊性），由子智能体在独立对抗审查下编译为最小化的经验证修改，再通过针对性重放和回归基准进行测试，最终附带完整审计轨迹以拉取请求形式落地。每项修复都会永久丰富回归测试套件。经过六个星期三个冲刺周期的迭代，领域专家一致认为输出结果几乎在所有时候都有用，个别评估时间从数天降至数分钟，系统在所有改进周期中均实现了零回归。

AI 驱动研发：本地优先与知识飞轮实践 本文总结了团队在 AI 驱动研发体系的实践探索，从 AI 辅助编程发展到完整的 AI 驱动研发体系。文章指出业务AI研发的真正瓶颈是上下文而非模型能力，提出'本地优先：Agent + 文件夹 + Git'理念，通过 Price360-KB 项目 Harness 将业务知识、源代码、项目规则和验证证据组织在同一工作空间。实践表明迭代过程本身就是知识飞轮，项目无需完美知识库即可启动，在真实产品迭代中持续完善。文章阐述了项目 Harness 的三层结构设计、机器可读的迭代协议以及人负责决策而 Agent 负责执行完整的工作模式。随着模型和通用 Agent 能力提升，项目 Harness 将收缩，但业务知识治理和质量责任不会消失，未来技术人员将更接近 FDE 角色，需深入理解业务、设计项目规则并对端到端交付结果负责。

作者通过两个月的 Agent 开发实践，首先将 Agent 的本质定义为 ReAct 模式的工程化抽象，分析了思考、行动、观察三个关键环节。针对目前主流多 Agent 框架中 Leader-Worker 架构过于机械、Worker 之间信息孤岛等问题，作者提出了一套完整的 Agent Team 协作机制。该机制包括：将 Leader 定义为资深专家而非简单分发器、采用启发式管理激活模型正向分布、建立「讨论→共识→执行」的启动流程、引入 Worker 间的横向通信、基于多 Agent 协商式 OKR 进行进度管理、通过岗位定义（JD）和团队宗旨锚定方向，以及实施集体复盘以实现组织层面的演化。文章强调，多 Agent 系统的价值完全取决于协作机制，缺乏机制的堆砌仅是资源浪费。

文章指出AI Coding任务中工程判断难以跨任务复用的核心问题，识别了三个断点：代码留下结果但理由消失、任务交付但经验未进入下次、知识保存但未进入决策。Forge Memory围绕连续性、准确性、安全性和复利性四个目标展开，将知识从简单日志升级为带稳定身份的结构化对象，并设计了读取与沉淀双门准入机制——读取侧先过滤消费资格再计算相关性缩小候选，沉淀侧通过五问判断不沉淀、更新已有知识或新建。知识按角色分为导航知识、模型知识、操作手册、诊断知识、决策理由和约束规则六类，分别解决入口、系统理解、执行路径、故障定位、方案取舍和边界限制。最终通过Harness封装为独立子流程，主Agent只获得提炼后的作用与沉淀结果，避免内部规则挤占认知资源。

在敏捷开发的浪潮下，代码与文档的割裂几乎是每一支研发团队的“灵魂之痛”。携程机票前端团队主动向这一顽疾“宣战”，提出了“代码即文档”的理念，并自研了 Lumos 平台。通过持续集成流水线、Dify 工作流和智能问答系统的深度整合，实现代码改动与文档生成的自动化联动，确保文档与代码的实时同步。本文详细阐述了机票前端团队在这一自动化文档与代码分析体系上的构建过程与实践经验。

本文是宝玉在腾讯内部的分享整理，核心围绕两个问题：AI 产品怎么做、个体如何与 AI 共同进化。作者以自制的字幕翻译 App BaoCut 为案例贯穿全文，系统阐述了 AI 原生产品的方法论。首先提出找需求的三个判断维度——痛点够不够硬、自己是不是用户、AI 是不是刚好够到；接着讨论产品必须通过的三关：能力边界（同一想法因模型成熟度不同命运迥异）、成本边界（Token 消耗的动态优化）、价值边界（用户买结果还是买结果背后的人）。在开发层面，作者强调高保真原型快速验证、以终为始的设计追问（为何对不齐/翻译质量差/人工多）、三条设计准则（给 Agent 熟悉的格式、给规范不给模板、把 App 做成 Agent 插件）。问答环节进一步延伸到个体成长——用先做起来建立反馈循环、执行层交给 AI 而人在定义和验收两端刻意练习、品味通过大量输入与上手内化。文章的核心隐喻是：像训练大模型一样训练自己，敢于推翻旧权重。

在这场较长的 Y Combinator 对谈中，Paul Graham 将当下更具雄心的创业命题与公司构建中长期不变的规律联系起来。他认为，雄心并不只是对财富的追求，更是推动创始人穿过日常故障和压力的力量；而卓越创始人的实际检验标准，是能否在困难情境中持续得到自己想要的结果。讨论还涉及新平台如何使旧巨头的模式过时、为何创业公司仍可从很少的资本起步，以及如何先完成可信里程碑，再获得下一阶段融资。Graham 认为，AI 改变了工具和成本结构，却没有取代快速交付的重要性；他也解释了 YC 批次作为同行网络和早期用户市场的价值。

Tara Seshan 以一线视角讲述 OpenAI 如何在模型能力和用户行为同步变化的环境中打造产品。她认为，在涌现且快速变化的市场里，产品工作的严谨性来自提出尖锐假设并迅速验证；团队既要面向未来两三个月的模型能力设计产品，也要持续深度使用自己的工具。新的人机分工会让人类从划桨者转向掌舵者：智能体承担越来越广泛的执行任务，人则保留最终责任、品味、战略框架和人际领导力。Seshan 还说明，ChatGPT 对话、Codex 和 Work 模式，是建立在日益共享的智能体基础设施上的不同界面，其中 Work 为知识工作者移除了面向开发者的操作控件。她给出的实践包括用临时网站和数据可视化取代静态演示文稿。她区分了作为汇报的写作与作为思考的写作，为自动化划出实用边界；而她对可验证代码与模糊知识工作的比较，也揭示了持久化 AI 同事面临的核心产品挑战：协作方式、来源可见性与透明推理。

本期张小珺访谈战略学家曾鸣教授，围绕 AI 新时代的产业阶段、战略与组织展开系统性讨论。曾鸣提出 AI 产业化分为三阶段：基础设施形成、应用爆发、原生应用成熟。他认为 2026 年标志第一阶段完成（以 token 标准化为标志），春节 Open Crown 事件开启智能体第二阶段，类比互联网的浏览器前夜，下一个最大机会是类似浏览器的 agent 入口。他直言模型公司本质是未来的 AI 云公司，不可避免陷入寡头垄断加政府强监管的格局，因此 Anthropic、OpenAI 大概率不是原生应用阶段的大赢家。组织层面，他认为科层制公司制度作为工业化产物将衰亡，AI 原生组织应是基于任务而非岗位的网状协同，战略应从规划转向生成，构建支持战略涌现的组织文化。他强调卓越来自反共识，创始人需使命驱动而非自我证明。对中国模型公司，他判断年底 3T 模型是淘汰赛门槛，优势者将形成黑洞效应。最后讨论了智能复利、数据飞轮升级为智能飞轮、新平台将不来自旧平台，以及 AI 对教育、创造力与社会结构的长远影响。

本期节目围绕“模型到底吃不吃应用”展开，针对 AI 应用市场常见的极端观点进行分析。通过对比 Figma、Canva 的估值下调和美图的转型案例，指出模型更多取代的是单点功能，而复杂场景下的结果交付仍是应用公司的核心价值。节目详细分析了市场担忧的几大问题：单点功能被 AI 取代、AI 应用缺乏网络效应、用户留存难以及成本与收入倒挂，并提出了应用公司应内化模型选择、聚焦任务拆解与交付的观点。美图正从“功能集合”转向“AI 工作流和结果交付”，其财报显示 AI 板块已有规模收入，自研模型生成内容占比高达 96%，为应用公司提供了可行的转型路径。最后，节目总结了 AI 应用公司面临的挑战和机会，强调成熟业务与 AI 新业务并重、形成正反馈循环的重要性。

中欧国际工商学院经济学教授兰小欢从风险、责任、权力与可替代性四个维度，用经济学眼光拆解AI时代的组织逻辑、商业模式与个人知识工作。核心观点包括：法人存在的意义在于隔离自然人风险、兜底承担责任，AI不能当被告所以组织不会消失；Token计量标准随模型和分词器变化而不稳定，不适合作为分析产业的核心尺度；信息被打平后权力不会平均消散，而是向产业链中暂时无法被替代的环节集中；初级岗位从内容生产转向验证，大学的核心功能是大规模筛选认证；AI可作为研究助理极大扩展个人知识探索，但「决定说什么、不说什么」的判断力仍是人类不可替代的部分。文章还分享了兰小欢用AI模拟金融历史人物关系的实验经验，强调人物关系而非仅效用函数才能让人物真正活起来。

本期周刊以 OpenClaw 2.0 的发布为切入点，分析了 AI 驱动的软件开发模式。文章指出，尽管 OpenClaw 实现了快速迭代，但大量未审查的 PR 可能引入隐患，建议用户在隔离环境中运行。同时，探讨了技术堆栈迁移的现象，认为 AI 正在推动行业向主流解决方案靠拢，可能牺牲多样性。在科技动态方面，介绍了中国在太空通信的突破、韩国的 AI 普及政策，以及多个实用工具和资源。

Nick Saraev 的这门长篇课程从注意力、工作记忆和执行功能讲起，强调行为并非单靠意志力决定，而是会受到默认选项、摩擦、身体状态与环境的共同塑造。课程借助行为神经科学、选择架构、空气质量、睡眠、运动和工作空间设计等案例说明：对周围环境做出细微调整，就能让有益行动更容易发生，也让分心不再成为下意识选择。后半部分转向可复用的决策工具，包括期望值、幂律、链式定律中的瓶颈、机会成本、激励机制、贝叶斯推理、费米估算、计划谬误，以及探索与利用之间的取舍。课程始终把原理与行动问题配对，例如减少养成目标习惯所需的步骤、为重大决定记录概率判断、找出影响远超其他因素的少数输入。其面向 AI 时代的核心主张是：应把模型当作工具使用，同时保留经过审慎思考的独立判断，而不是把推理能力外包出去。