上一篇文章发出去2个月了。
终于摸到浅水区的边界了。
我有很多想法，但以前都没有实现。
因为摩擦太大。
一件事要做，脑子跑的太快，已经把后续的麻烦都想了一遍，就不做了。
AI把摩擦去掉了。现在不管什么想法就直接开始。
很难吗？不难。我需要学什么，马上能学会。
我需要做什么，AI可以帮我做。
AI水平不够，一起和AI做工具，让它水平够。
对于一个ADHD人来说，这是很可怕的一件事。
以前一堆停下来没做的事情，现在全部可以重启了。
以前觉得一生都做不了的事，现在可能一星期就能做完。
每天东西都做的停不下来。
一个月做到原来需要10年才能做到的事。那岂不是有效寿命被大大提高。
足够多就接近永生了。
我所接触的人的AI使用水平早就超过99%的人类了，甚至99%的从业者。
但连浅水区都没游熟练。
很多人还在说自己遇到瓶颈。
根本不是瓶颈——直接问AI接下来怎么做就好，不要给自己加限制。
只要思维方式转变了，瓶颈少很多，要做的就是“教我要做什么，我去做”。
AI做日常任务，省时间不用说。
最近报税等常见的烦心事项，都利用AI来做。但还是很多事需要自己执行。这种落差，是游到了浅水区边界的人才能感受到。
想了一些蛮有兴趣的方向，都适合开创业。
自己的分身
很多人对AI的一大要求，就是完全了解自己、帮自己处理杂事的工具。
所以应该分两条线：知识靠外部 RAG，行为靠 fine-tuning。
RAG + personal wiki：把关于自己的内容都存进去，让 AI 随时查。
利用 fine-tuning 改说话方式、思维 process、用工具的习惯。
都不便宜。第一个要用很多tokens。
知识这条线的数据来源本身也是个问题。就算是你的数字数据——聊天记录、邮件——也只是你人生context的一小部分。你每天看到、听到的东西，绝大多数没有被记录下来。真正了解你，最终可能需要某种形式的lifelogging：持续的音频图像记录，让AI看到你每天看到的，听到你每天听到的。
fine-tuning一般人做不了——需要自己可控的模型。
最好的模型是越来越贵。最近，如Claude强制降智，让你花同样的钱得不到相同的结果。
Claude $200的max plan现在连一个bug都没搞完就5个小时token用光了。
有自己可控的模型，才能做自己的分身。
强化学习（RL）与加速
上一篇文章也提到Sutton的The Bitter Lesson，核心意思是：人类想出来的各种rules，最终在数据和算力面前全部失效。
那看起来LLM就是终局。这不就是数据和算力堆积起来的结果？
但Sutton认为这想法是错的。因为LLM本质上还是从人类产生的数据里学习的。
对比一下，在AI围棋时代，最终的版本是AlphaZero。它完全不了解任何人类棋谱，从零开始自我对弈，最终可以轻松击败任何版本的AlphaGo（学习了大量人类对弈的版本）。两者本质上不同：一个被困在人类知识的上限里，一个可以超越它。
所以终极版应该是不从人类数据里学习的AI。
AI4Math是我很关注的领域。上篇很多判断没跟上——东西发展太快了。
我最近也开始用Aristotle这类工具，越用越觉得时间线比想象中短得多。
听了洪乐潼的采访，很推荐。
她没说具体怎么做，但推测是：
对llm模型做post training，获得输入输出全是Lean的会推理的AI。 即使它推理不完美，写出的Lean代码也可以自动check。Feedback loop就是完全闭合的。
AlphaZero式的数学自我进化。
但暂时还不完全一样——现在还是要靠人类写的Lean代码来训练。
RL还有个推论：别争论，做实验。
数学可以靠逻辑推导，但现实世界里有太多假设，只有跑过才知道。
人类对世界的很多预测，看起来很聪明，其实很多都是错的，因为有太多我们没意识到的假设夹在里面。
RL绕开了这个问题，让实验结果说话。
AI现在的核心瓶颈在工程上。我们都没把工程做到极限。就算AI的研究完全停止，只要把工程做好，产出可能就能达到千倍。很多看起来很厉害的技术，原理都很简单。没有哪家公司做出了其他人无法复刻的东西。
feedback loop越快，品味越没用。想出了一个好方案，测试一下还是想出1000个差不多的方案去测试找到其中最好？只要过程够高效，品味不再是瓶颈，execution才是。要尽量让feedback loop越来越快。
OpenAI大量收购tooling公司，道理就在这：faster tooling = faster feedback loop。
加速很重要，需要让所有的代码都加速。
Multi-Agent和人类合作的界面
用RL的视角会意识到自己是feedback loop最慢的那个环节。
只要你in the loop，整个系统的速度上限就是你的速度。
正确的模式是：系统自己不断进化，你只在方向彻底跑偏时出手。像RL里你只需要定义好奖励，不需要手把手告诉它每一步怎么走。
但现在做不到。
现在太多harness，本质上都是对话驱动的：你说一件事，它做一件事，结束。
一般用户为了效率，那就多开窗口，控制多agent。最后也要有agent帮自己控制多个agent。
可是整个系统还是无法scale上去。多agent本身就是没好好解决的问题。甚至LLM在处理有dependency的并发任务时表现很差: 这类问题需要的是推理和优化，这不是它天然擅长的。但这个问题将来可能有解。涩谷十字路口同时3000人通过，没有人会撞到对方，靠的不是有人统一指挥，而是每个人都在遵循某种隐性规则。所以也许将来真的可以一堆 autonomous agent 扔在一起，然后期望它自己运转。但暂时大多时候的解决方法，还是有个global orchestrator，把每个agent限制在一个局限的范围里，靠控制来维持稳定。
自己的尝试
问题本来很简单：有一堆issues，AI都能解决。设计个系统，告诉agent要什么，然后去睡觉，一堆agent异步处理。
第一代叫 orc，当时纯粹是为了解决写代码问题的。做的是 gitea issue → code → verify → merge 这个 workflow。之前就跑通了，但是感觉它各种state management设计的不够好，然后非常的git dependent。于是我想应该弄一个更general的做任何任务的工具。
第二代是 pai + shou，名字合起来是"拍手"，设计更认真一些。shou 是 durable state machine 框架，负责执行具体 workflow，每个 step 要么是有状态的 session（AI agent 就是这类），要么是无状态的 function。pai 是调度层，管优先级、依赖、冲突，有 event queue 和各种 source adapter。pai是用来控制每一个shou。
我的使用方式就是说一些问题，跟agent说，agent把这些写成issue，然后让pai根据输入来决定做哪一些，然后分发给shou，触发workflow。可以十几个互相无关的issue同时被十几个agent解决。
做出来之后，作为演示给人看不错。
发现一些问题，跟agent聊聊，之后问题就被解决了，而且还有一定的可见度：因为agent会发PR，会comment。
但很奇怪：增加了并行，最终速度却几乎没变，且token消耗大了很多。
直接在claude code里用skills并行解决，和一大堆agent一样快。
仔细研究发现是因为每开一个新任务单元就要丢掉之前积累的context，等于一直在重新学习。
我设计一开始就有问题，我做的是workflow execution framework，每个agent之间都是独立的。但真正缺的是多agent task + context management framework。
另一个教训是隔离。就算是只是做workflow execution，成功快速的隔离并不简单。整个执行过程里，出问题最多的来自于处理隔离问题，Docker都不够。
现在我理解了，需要一种随时能开出来的VM。这才是正确方向，快速create/destroy lightweight VM，才是让multi-agent系统真正可用的基础设施。
未来
因为AI的context可以共享，context management也应该是多agent系统的一等公民。
好的multi-agent系统，要管任务和agent团队的context生命周期。
而这里面，agent应该也包括人类。
用AI这么久，我还是一个人和agent沟通。就算是多个agent，人只有我一个。而我要任何其他人加入，我又成为了瓶颈。
我们需要的系统，应该是多agent多人的协作系统。
一个持续异步运行的系统，有自己的task inbox，懂得优先级和依赖，不绑定特定的agent，你偶尔看dashboard或给点方向，而不是每次坐在对话框前面推进。
这个系统里，人和AI没有特别的不同，人只是比较缓慢、权限更大的AI。
这东西市场上还没有成熟的方案。
就不算agent，人类本身来说，这样的好东西都用不好。
大厂有Slack + Linear + Notion一整套。
但因为大多数时候没人管理KB，整个团队context还是破碎不堪，新人学习还是找老人获得context。
有了AI，直接把AI接入，天天读所有context保证最新，教人该知道什么。
这些平台都在快速向AI native转型，如Linear。甚至感觉在整合。这几个工具看起来不一样，实际上都是shared context manager（包括人和机器）。所以这几种工具的最终整合应该距离不远。
光是写代码这一件事，Github Next的Ace已经非常接近了。Ace 解决了两个核心：一是 multiplayer——多人在同一个 context 里规划执行，agent 是共享的；二是 sandboxed micro VM——每个任务在独立的轻量 VM 里跑，可以随时 branch，随时销毁，隔离 问题真正解决了。
但Ace还是代码专属的。我想要的更夸张：不只是代码，而是任何 workflow——写论文、做决策、管项目——都能把 agent embed 进去。这才是真正的 agentic OS。人和 AI 的区别，只是速度和权限。
我的每日工作
研究
上一篇文章里特别提到了自己的研究问题GPT 5.2-Pro解决不了。不过那是上个时代的问题了，几天后GPT 5.4-Pro出来了，80分钟解决了它（答案：那个问题和Exact Matching是等价的，所以暂时确定性多项式时间算法较难获得）。GPT 5.5-Pro出来之后可以20分钟得到结果。
5.4最大的新闻：GPT 5.4-Pro终于完美解决了Erdős primitive set conjecture。这个问题非常有名的，上一个improve这个结果的Lichtman，发了堪比数学四大的Forum of Mathematics, Pi——但那只是基本的上界，最优的 1+o(1) 版本当时还没做到。有兴趣的话看看Lichtman的回复。
研究有两种：有意思的和重要的。我做有意思的那种。
自从5.4-Pro出来，我不再是从头到尾自己证明一切，而是我想一些猜想和可能的解法，让AI去探索。一小时之内可以做到以前要花十小时的事情。
以前灵机一动想到什么，自己花几个小时钻研，通过探索的过程发现错误，那个过程本身是好玩的。
现在AI直接告诉你答案，那种乐趣有点消失了。
我现在像个指导兼翻译：根据AI的发现，理解了之后给出指导，直到AI得出最终结果。
AI用的不是人类的思维方式，我拿到之后需要翻译成人话——但这件事谁都可以做。
我也怀疑自己的指导有没有用。现在可能有点用，未来可能意义也不大了。
我写文章的意义也越来越小了。
写作
这段时间刚提交了一批论文，大量在用AI写作。模式是让AI写出大部分内容，然后自己调整。
这过程很痛苦。
写作的feedback loop和coding有个本质区别：文字本身就是产品，你一看就能判断，想改直接改，自己动手的速度远快于给AI说"改一下这里"。AI反而是修改循环里最慢的环节。
这当然还是延迟和体验问题。迟早会解决的。
每次改动，都在教AI你的taste。我当然希望AI写出来，一看就差不多。
这件事很难：自己写的东西都需要改，不能指望AI一遍成功。但方向是对的，它可以通过你的修改的总结，来越来越了解你的风格。
但最终要完全符合自己的taste，纯context injection是不够的。还是要做点fine-tuning。
我以前就觉得改文章很痛苦。想过给数学家用的写作工具，算是写数学文档的Typora：chickenglass。而AI来了之后，我就真的把它写出来了（bug很多），也顺便改名了叫做Coflat。下面是视频（视频是AI帮忙生成的）。
Coflat让修改过程顺畅一点。毕竟它本身不是为了从头到尾的写作，因为AI已经成为了第一个draft的创建者了。而是成为了一个修改的工具。
这几件事，每一件我都真的想做。有的已经开始动了，有的还停在脑子里。以前可能就放弃了——现在不会了。
