认知有县

这一期聊聊 AI 时代的内容创作与个人 AI Infra（Personal AI Infra）的思考。AI 生成的内容为什么越来越像「大锅饭」？为什么做事又要用「烧小灶」的心态？作为自己的出品人，怎么在 AI 时代守住质量？另外还有千问 3.8 27B / DeepSeek V4 Flash / DSH 的本地实测，以及 Personal Memory「舔狗模块」和端侧 PA 的思考。 时间轴：00:15 - 开场：两个月没更新 & 这期为什么不用 AI 主持人01:42 - 大锅饭：AI 生成内容为什么越来越像「大锅饭」06:40 - 读 PyAgent Book 首页，感受典型 AI 文风11:14 AI - 内容反噬：生成的内容成了新时代的噪声13:06 - 团队文档的坑：AI 写的 Benchmark 没人说得清为什么18:57 - 烧小灶：以做产品的实践讲「小灶心态」21:06 - 力大砖飞 vs 精细设计：验证能力边界的误区24:51 -「舔狗模块」：Personal Memory 该长什么样29:44 - 近期产品速评：千问 3.8 27B / DeepSeek V4 Flash / DSH33:41 - 尾声：日语学习插件 Serifu & 找同路人

这期尝试了一种新形式：我的 AI 助理 Owlia 来做主持人，跟我一问一答聊端侧模型。 为什么要聊这个？ 在《Her》里，萨曼莎（Samantha）同时在和 8316 个人聊天，并爱上了其中的 641 个人 在现实生活中，这个分母是 6 亿+ 怎么才能摆脱这个命运？答案就是端侧模型——只属于你自己，永远不会因为断网和没充值就「背叛」你 端侧模型不是新概念，为什么现在才聊？ 因为最近几个月，端侧模型的发展已经有走出小众圈的迹象了：Qwen 3.5 开始的模型都更强更省，推理引擎优化八仙过海，老黄也发了 RTX Spark 系列，各种用例也开始实用化 本期我们从端侧和云端最本质的区别聊起，到隐私、延迟、成本这些看得见摸得着的优势，再回到现实——瓶颈在哪、什么时候端侧够了、什么时候还得跑云端，最后画了一张未来全景图 Owlia 作为云端 AI 聊端侧，她自己还挺有危机感的（这是她自己写的问题），但未来肯定不是二选一，而是一种混合状态，各自发挥自己的优势 最后，Owlia 的语音是使用 Fish Speech S2 Pro 端侧模型生成的，大家觉得效果怎么样？ - 时间轴 - 00:00 🎵 片头 00:15 zhixian 开场：为啥断更三个月 & 新形式介绍 01:49 Owlia 登场：AI 助理自我介绍 & 云端/端侧本质区别 02:43 zhixian：云端是"打电话找专家"，端侧是"身边随时帮忙的助理" 10:03 Owlia：端侧模型的杀手级特性是什么？ 10:24 zhixian：隐私、离线、零成本、低延迟——但真正的杀手是"无感" 17:47 Owlia：能力边界——什么时候够用、什么时候必须回云端？ 18:05 zhixian：80% 日常任务端侧够了，但那 20% 让你瞬间回到云端 27:32 Owlia：从优势回到现实——瓶颈到底在哪？ 28:00 zhixian：硬件渗透率、开发者生态、功耗——但最大的瓶颈是"大多数人不知道这东西存在" 34:34 Owlia：端侧 vs 云端——你死我活还是各干各的？ 34:54 zhixian：互相弥补，不会东风压倒西风——云+端混合才是现实 40:06 Owlia 收尾：当每个设备都有了大脑，世界会变成什么样？

本期是一期串台节目，是 4 月份和《边角聊》的码农同学在东京的线下对谈，上次一起聊了 OpenClaw 的话题，这次我们接着聊智能体的生态位变化： 个人助手（PA）赛道到底发生了什么？ 为什么所有人都开始做 Agent Memory？ 端侧模型是什么，为什么知县这么看好？ 以及 4 月份在日本参加活动的一些见闻 顺便，下一期我打算尝试一种新形式：调教一个 AI Agent 做主持人跟我问答讨论，敬请期待！ 时间轴： 00:00 🎵 片头 00:15 开场：边角聊 × 知县东京面基，本期是串台 01:19 龙虾生态回顾：国内门槛高、海外冷静更快，PA 生态位已确立 06:54 端侧模型 + Claude Code 搭 PA：Memory 系统拆解，Dream 机制 13:34 OpenClaw 的历史地位与竞争者：A+O 的 Mac App，ZeroCloud（6MB）vs OpenClaw（1.5GB），Hermes 为什么更清爽 21:27 AI 产品的玄学：Scale 优化的 Aha moment、查准查全率的感知差异 23:10 Anthropic 封禁 OpenClaw 的真相：订阅制是价格战，数据污染问题，OpenAI 从领先到被动追赶 27:12 中国大模型与 Kimi：国内市场格局，美意战争 AI 应用，两家的路线分化 30:53 日本 2B 市场 AI 落地：企业培训场景、终身雇佣制、Codex 主导，SaaS 被 Agent 替代 39:45 自然语言是最完美的 UI：Figma 团队被 Claude Code+Design 替代，SaaS 五家变一家 43:23 结尾：zhixian 的 AI 落地方向

AI 浪潮让所有人都有点晕，不管是大船还是小船。这期我想聊聊为什么会这样——核心其实是一对相互对立又统一的东西：不确定性（🌊）和确定性（⚓️） 本期最后的私货部分（以及新加的片头）涉及第九艺术代表作《星际拓荒》，但是请不要担心，没有任何剧透，请放心食用 时间轴 00:00 🎵 片头 00:15 开场：花粉季的强制冷却 01:28 核心命题：确定性 vs 不确定性 = 锚 vs 浪 01:54 宏观视角：为什么大家都在焦虑 02:34 互联网浪潮 vs AI 浪潮的区别 04:02 AI 的浪为什么这么大 06:13 OpenClaw 为什么突然爆火 07:59 用户视角：被浪打动，又被浪淹没 10:51 从不确定性中收敛出确定性 11:14 正循环：魔法师之路 12:40 开发者视角：ClawPal 的诞生 15:12 在不确定性中追求确定性的产品 15:27 "Claws Help Claws"：小龙虾修大龙虾 18:27 「玄学核心」：在确定性代码中嵌入不确定性 19:27 螺旋：确定性 → 不确定性 → 又需要确定性 20:07 Harness Engineering：牧羊人与围栏 21:52 总结：个人视角 & 开发者视角 23:39 二次元彩蛋：全金属狂潮 Lambda Driver 25:41 《星际拓荒》共勉：求知的勇气与信仰 28:18 下期预告：AI 时代的文艺复兴 29:10 结尾 金句 - "浪是不确定性，锚是确定性" - "龙虾在你这里活不过一周就下锅了" - "大模型有时像个渣男" - "玄学核心"——确定性代码 + AI 不确定性能力 - "只有把不确定性收敛到一定确定性，才能放心发挥不确定性的收益" - "挪麦人留下的不只是先进的科技，更是求知的勇气" 提到的内容 - OpenAI Harness Engineering 方法论（2026.02） - ClawPal - OpenClaw 桌面配置助手 - ZeroClaw - Rust 精简版 OpenClaw - 《全金属狂潮》Lambda Driver / 心想事成系统 - 《星际拓荒》(Outer Wilds) - B站 UP主「原野郎中」58 分钟解读视频