★ FEATURED ARTICLE 最近三个月我几乎没有怎么写文章。不是没有东西想写而是大部分时间都花在了三个项目上HCI.TOP、CodeNow以及一个尝试持续描述世界状态的 World OS。同时推进这三个项目的过程中我越来越强烈地感受到AI 改变的不只是做事的效率还有一个人能够做到的事情。 这些具体的实践也让我对 AI Native 有了新的理解。一、HCI.TOP从论文数据库走向研究系统https://hci.top/zh 最初看起来像一个人机交互领域的知识网站但我真正想做的远不只是把论文放在一起。过去一段时间我围绕数万篇论文做了大量清洗、结构化和关联工作。论文作者可能重名研究机构有不同写法同一个问题可能出现在不同研究方向里同一种方法也可能解决完全不同的场景问题。把信息抓回来只是开始真正难的是让它们能够被理解、比较和连接。我还在尝试用本体Ontology描述研究对象、用户需求、场景、技术、方法及其关系。这样系统不只是回答“有哪些论文”而是有机会进一步回答哪些问题长期没有解决哪些技术进展让过去做不到的事情变得可能当然这还不是一个已经拥有成熟洞察能力的系统。我现在做的是把未来进行研究和发现所需要的数据与结构一点点搭起来。二、CodeNow让知识不再停留在书和课堂里另一个项目是 https://www.codenow.wiki/ 。这些年我一直在写书、教学也积累了大量 AI 编程相关的知识、实践案例和课程经验。过去知识通常以一本书、一堂课、一段视频的形式交付制作周期长更新也很费力。尤其在 AI 技术变化这么快的时候内容刚做完就可能需要调整。最近我开始大量使用 AI把自己的知识转成视频、知识卡片以及更容易交互和理解的内容。这里最有意思的不只是制作速度变快了而是同一份知识可以用不同的形式被重新组织、表达和使用。过去需要写作、设计、剪辑、开发等多种技能协作的事情现在我可以独立完成其中很大一部分。但我也发现AI 能快速生产不代表生产出来的东西就足够好。知识怎么组织、案例怎么选、表达是否准确、哪里应该讲深一点依然需要我不断判断和修改。AI 扩大了我的生产能力却没有自动替我建立判断力。三、World OS尝试持续描述世界的状态第三件事更难解释也可能更有野心。我在尝试构建一个能够持续更新 World State也就是“世界状态”的系统。我们每天接触的论文、新闻、专利、产品和企业动态往往只是孤立的信息。但如果能把这些信息放在时间线上识别对象、关系和状态变化就有可能进一步理解一个技术方向正在加速还是停滞一个新事件改变了哪些原有判断不同领域之间是否正在出现新的连接这也是我做 Agent OS、World OS 和本体建模的原因。我不希望系统只是每天总结新闻而是希望它逐渐具备感知变化、维护知识、发现问题、提出假设的能力。距离这个目标还有很长的路。尤其是“关联”不等于“洞察”模型给出的判断也必须接受证据和现实的检验。不过正因为难我才觉得值得做。四、这三件事让我重新理解 AI Native如果放在过去这三条线可能要由三家不同的公司来推进。一家做专业研究数据库和知识服务一家做教育内容生产与交付还有一家做持续的信息监测和研究分析。每家公司可能都需要十几人、几十人才能把工作长期运转起来。但现在我一个人就能同时推动三条线并且已经做出一些实际成果。当然这不意味着我一个人已经达到了三个成熟团队的交付水平更不意味着这些项目都已经被市场验证。它真正改变的是过去根本不敢启动的事情现在可以在可控成本下开始做并持续往前推进。所以在我看来AI Native 不是给员工配几个 AI 账号也不是把原来十个人的工作压缩给两个人。AI Native 是一家公司从一开始就建立在 AI 能力之上离开 AI它所要完成的事情在现有规模和成本下就很难成立。它带来的不只是效率提升而是能力边界的变化以前想做却做不起、做不完、维护不了的事情现在有机会做了。但我也越来越清楚另一面AI 可以帮助我完成大量工作却不保证方向正确。哪些问题值得研究哪些内容真正有价值哪些机会只是看起来合理这些仍然需要知识、经验和判断。而判断本身也需要在实践和反馈中不断修正。我希望未来这些项目不仅能自动生产内容还能把一次次研究、制作和纠错留下来变成可以复用的方法让系统持续变强。最后还有一个不能回避的现实做得出来不等于有人愿意付费。 AI 降低了生产门槛商业价值仍然要由真实需求来检验。过去我总会先想自己有多少人、多少资源然后决定能做什么。现在我更常问自己如果 AI 可以承担大部分生产工作一个人到底能把事情做到什么程度这三个月我正在用三个项目寻找答案。它们都还在路上但至少让我越来越相信AI Native 最有意思的地方不是把原来的工作做得更快而是让我们有机会去做过去做不到的事。用 AI 做项目久了绕不开的三件事11 月我开个小班一起解决
阅读完成 · 觉得有帮助？
