Bojie Li | 李博杰修改

2025-04-01 10:00:00

【本文是笔者在 2025 中国生成式 AI 大会 的主旨演讲，演讲内容是笔者与 AI 头脑风暴 2 小时的结果，然后在 Cursor 中与 AI 协作工作 3 个小时精修内容】

内容概要：一些团队在实际应用 AI 编程、 AI 写作时，发现效率提升并没有想象中的大。究其原因，往往是大量的知识仅在特定员工的头脑中，并未文档化，因此 AI Agent 就像一个新来的实习生，很难编写代码，就算是写出了代码，也不知道该如何测试。另一个原因是项目管理等内部工具只能通过 GUI 操作，对 AI Agent 不友好。如今文本推理模型的能力已经达到人类水平，不能完成任务往往是因为缺少背景知识和对 AI 友好的工具。

我们将从软件开发、项目管理、运营三个方面，讲解如何构建一个对 AI Agent 友好的 AI 原生团队。 AI 原生团队需要像开源社区一样，尽量使用有记录的语音和书面沟通，减少对人的单点依赖。 AI Agent 需要能够通过 MCP 访问公司内部的各种工具，有足够的上下文信息和测试环境高效工作。 AI Agent 需要记忆压缩机制、反思机制和检查点回溯机制，才能在无需人类干预的情况下持续工作一晚上，每个小时都产生有用进展。 AI 员工也需要与人类员工和其他 AI 员工主动沟通。这样，人类员工的大多数时间就可以用来做思考和讨论，而大多数重复性的执行工作就交给 AI。

《AI Agent 新探索：构建 AI 原生团队，使能 AI 员工》 PPT 下载（PDF）

以下是演讲全文：（PPT 是 2025 中国生成式 AI 大会上所用的版本，但文字说明并非实录，是笔者与 AI 头脑风暴生成的扩展版本）：

封面页

2025-03-14 11:30:00

直播主题：AI Agent，注定爆发？！

时间：2025 年 3 月 13 日 20:00——22:00

方式：极客公园微信视频号「今夜科技谈」直播（连麦）

直播嘉宾：

• 靖宇｜极客公园 副主编
• 李博杰｜PINE AI 首席科学家
• 宛辰｜极客公园 记者

精华要点总结

• AI Agent 的核心特征是具备感知、规划和行动三大能力，能够自主收集信息、制定计划并执行动作
• 像 Manus 一样的通用 Agent 会模仿 “极客程序员” 而非普通人，具备计算思维，懂得何时使用代码和工具解决问题
• 当前 AI Agent 主要分为编译型 (如 Dify) 和解释型 (如 Manus) 两类，编译型是固定工作流，解释型是自主规划决策
• 编译型 Agent 与解释型 Agent 将长期共存，而非相互替代，不同场景有不同的最优解决方案
• 大模型存在 “100 倍成本定律”：芯片公司赚 10 倍，大模型公司再赚 10 倍，这揭示了模型定价与实际成本的巨大差距
• 基础模型是通用 Agent 能力提升的关键，人类很难想象比自己聪明 10 倍的东西，因此不要把人类的思维方式强加给 AI
• Manus 强调的 “Less Structure, More Intelligence” 与经典的《The Bitter Lesson》异曲同工，人类强加给 AI 的结构限制越少，AI 的能力上限就越高
• Claude 3.7 Sonnet 等新一代模型在工具调用和编程能力上有重大突破，为 Agent 发展奠定基础
• DeepSeek R1 的开源使得 RL (强化学习) 技术更易获取，降低了开发高质量 Agent 的门槛
• RL 训练是构建竞争壁垒的重要手段，可以将行业经验和专业知识转化为模型能力
• RL 训练所需的算力门槛没有想象的高，小模型经过 RL 训练后在一些垂直领域的能力可以超过大模型
• 多智能体架构不适合所有场景，在软件开发等领域可能会复制人类组织中的低效协作模式
• AI 编程工具在大型软件工程项目中也可以发挥很大作用，但需要高质量的代码工程基础，包括完善的文档、测试用例和标准化的接口
• 屎山代码 AI 编程工具难起作用，原因与新入职的实习生难以接手一样，都是代码中有太多没有文档化的 tribal knowledge
• Agent 技术的发展将推动软件工程实践的改进，促进代码质量和可维护性的提升，达到知名开源项目的标准，让更多项目变得 AI 友好
• Anthropic 提出的 MCP 协议为 Agent 生态系统的互联互通提供了标准化方案，将使多样化的专业服务相互连接而非相互替代
• OpenAI 的 Responses API、Realtime API 和 Anthropic 的 MCP 代表了 Agent 框架的发展方向
• Agent 的工作效率目前受限于视觉模型的延迟，人类在某些操作速度上仍有优势
• 虚拟机沙盒可以提供独立的工作环境，但需要更好的个人数据集成方案
• AI Agent 未来可能会分为 “快思考” (用户交互) 和 “慢思考” (后台处理) 两个部分协同工作
• 通用 Agent 是硬件、操作系统巨头的兵家必争之地，但大公司发布产品会相对谨慎
• 创业公司在 Agent 领域的机会主要在垂直领域，通过深耕特定场景积累专业数据和行业知识
• 编程、教育和人际沟通是最有可能率先出现成熟 Agent 应用的三大领域

2025-03-14 10:00:00

为什么需要一个三层隧道

你所在的 AI 公司是否经常遇到以下情况？

• 需要访问只对美国 IP 开放的应用或大模型 API，如 OpenAI、Anthropic、Google 等
• 需要连接到美国的公司内网，但不想频繁设置代理

很多人搭建的是应用层代理，那么就需要在环境变量中设置 HTTP_PROXY，HTTPS_PROXY 等，但很多软件并不支持直接用环境变量配置代理，例如：

• Docker 容器内部并不会感知到外部的环境变量，如果要用现成的 docker compose 文件，又想让 docker 内的服务自动用上代理，就要折腾一番了。
• Docker 访问 docker.io 拉镜像和 build image 的时候，需要单独配置代理。
• 各种软件源，例如 pip、npm 等，需要单独配置代理。
• 一些软件，如 Google Cloud CLI，并不会从环境变量中读取代理配置，需要单独配置代理。
• 一些软件，如 Cursor，直接使用 IP 地址访问服务器，且使用的是非标准的 Websocket 协议，一些代理软件不兼容，或容易出问题。
• Node.js 服务端的一些库并不会直接检测 HTTP_PROXY 环境变量，而是需要配置 HTTP Proxy Agent，其中一些库（如 axios）在代理模式下还有 bug。
• 一些编译型语言的代码（如 C++、Go）常常自己组装 HTTP 请求发送，可能根本不支持配置 HTTP 代理。
• 一些 App（如 ChatGPT、Claude Code）使用额外的机制检测网络环境，如果发现代理，可能会拒绝服务，或者降低智商（例如用较差的模型代替 SOTA 模型）。

2025-03-08 23:30:00

【本文首发于知乎回答《如何评价中国团队发布的通用型 AI Agent 产品 Manus？会成为下一个爆款吗？》】

总体来说，我觉得 Manus 是一个 idea 很好，但工程上还有很多打磨提升空间的产品。

关键创新：具备计算思维的 Agent

好多人都觉得它就是个更好的 computer use，其实第一眼我就发现一个根本区别：OpenAI Operator、Anthropic Computer Use 都是模仿普通人，而 Manus 是在模仿极客程序员。

OpenAI Operator / Deep Research 和 Anthropic Computer Use 打开的都是浏览器、桌面 GUI 和移动端 App，最后交付的结果是一段文字（最多带点 Markdown 格式）。而 Manus 一上来打开的是一个命令行终端，在里面用文本编辑器写了个 todo list，干活的过程中不断写代码做自动化，最后的交付件（Artifact）也是一段代码（交互式网页和图表）。

这让我一下子想到了 Jeannette Wing（周以真）博士在 MSR 给我们讲的 Computational Thinking（计算思维）。计算思维就是把日常生活和工作中的问题抽象化，然后用系统化的逻辑推理和自动化工具解决。我在科大期间也把计算思维介绍给了很多师弟师妹。

2025-03-08 21:00:00

【转载自网易科技公众号】

原标题为：《Manus 会开启 Agent 元年吗？和大厂离职的两位 AI 创业者聊了聊》

出品 | 网易科技态度栏目
作者 | 袁宁
编辑 | 丁广胜

像一颗巨石投入湖水， Manus 发布溅起的水花虽已逐渐退去，但激起的涟漪还在不断扩散。

Manus 会开启 Agent 元年吗？怎么理解 Agent 及其壁垒？当前是不是 Agent 的发展机会点？不同玩家如何迎接 Agent 的浪潮？当前 Agent 能代替实习生吗……

3 月 8 日，网易科技邀请了两位大厂离职，在 AI 创业一线的嘉宾——李博杰和彭康伟，分享他们的判断与思考。

李博杰，华为“天才少年”出身，曾任华为计算机网络与协议实验室副首席专家，微软学者奖得主。 2023 年投身 AI 创业，目前是 PINE AI 首席科学家，致力于为每个人和每个组织构建类似《Her》 里面 Samantha 的通用智能助理。

彭康伟，曾在腾讯 0-1 打造过月活破亿的 C 端产品， 2023 年离职创业，成立梦马智能，正在做新一代的 AI 内容平台。

作为 AI 浪潮下的创业者，他们如何在巨浪中寻找方向？透过他们的视角，又能看到一个怎样的 Agent 未来？网易科技整理了他们对十个关键问题的回答。

以下内容经《网易科技》不改变原意的编辑：

2025-02-17 17:00:00

【本文转自“蜗壳小道消息” 公众号】

当初只是一个灵光乍现的想法，拉着两个好友，历经两个多月正式上线，就这么在蜗壳存在了十年。

「10 年前」，正逢 2015 年春季学期选课，物理学院大一的张静宁在 QQ 群聊里参与热烈讨论。

“下学期的必修课哪个老师教的好？

“给分怎么样？”

“有没有什么有趣的选修课？”

群聊的生态封闭。讨论者们通常仅能得到一两位学长学姐随手打出的一句评价，犹如盲人摸象。这些只言片语的讨论难以筛选出真正有价值的信息，更难以留存。

张静宁想起了自己上网课（MOOC 课程）的经历：她学习 MOOC 是自发的、主动的。她可以提前了解课程内容、教师风格、课程难度等等，基于自己的兴趣、偏好、需求来选课，在 MOOC 课程的学习上有极强的主动性。

正逢侯建国院士在科大推出《新生“科学与社会”研讨课》，张静宁拉着好友，计算机学院的李博杰和常震，一起开发了 USTC 评课社区，促进校内课程信息公开，帮助学生找到更适合自己的课程。

项目从 2015 年 3 月 8 日开始，到 5 月 25 日发布内测，历时两个多月。

时至今日（2025 年 2 月 17 日），该网站已经持续运行了 3566 天， 14234 位小伙伴们为 17431 门课程贡献了 37176 篇点评。