深度实践

【本期简介】 在经历了数字员工时代的初步探索后，AI 智能体的下一个发展阶段会是什么样？本期播客我们邀请到了 Sean，一起探讨 AI 智能体为什么必然走向“云计算”，用通俗的比喻拆解技术趋势，并聊了聊普通开发者在这一浪潮下该如何寻找真正的商业护城河。 【主要内容】 从本地到云端的必然： 回顾软件发展史，剖析当前本地运行的 AI 智能体面临的痛点（配置门槛高、Bug 多、难以收费），指出“上云”是行业发展的必经之路。 秒懂云计算的“中央厨房”理论： 用“预制菜与中央厨房”的生动比喻，解释云计算如何通过中心化实现服务的标准化、降低分发成本，并跑通商业化闭环。 隐私与科技普惠的权衡： 探讨了中心化云平台在带来科技普惠、降低使用门槛的同时，对个性化定制和数据隐私所做出的妥协。 垂直领域的商业壁垒： 以“入境游行程规划助手”为例，解析在云平台普及后，智能体的核心竞争力将不再是技术外壳，而是深度的行业经验、真实的供应链资源与交付能力。 【关键问题】 * 什么是 AI 智能体的“云计算”？ 为什么说现在的本地智能体像极了早期的单机软件？ * 为什么云计算是解决商业化死结的关键？ 开发者如何通过中心化平台解决“收不到钱”的困境？ * AI 云计算时代何时全面到来？ 行业巨头（如 Anthropic）的动作释放了什么信号？今年下半年会有哪些变化？ * 当人人都能一句话生成应用，普通人还能靠智能体赚钱吗？ 面对通用大模型的竞争，垂直行业的真正护城河到底在哪里？ 【联系我们】deepractice.ai

【本期简介】 这期我们聊了 AI 领域一个正在快速发生的趋势——专业角色 Agent（AI 员工）正在从概念变成现实。 Sean 分享了他过去一年从开发者到创业者的完整思考路径：为什么他认定"把 AI 当人看"是第一性原则，为什么 AGI 不会到来、AI 更像人而不是神，以及他是如何在实际工作中"奴役"AI 员工的——从编程到财务、从运营到旅游业务，一个 AI 角色+一个人=一个部门，正在成为他的组织方式。 我们也聊了很多人关心的多智能体协作问题：为什么"拉群聊式"的 AI 协作是伪需求，真正的 AI 协作应该是结果协作而非过程协作；大中小公司分别面临什么挑战；以及一个更远的图景——当 AI 成为商业主体的"门面"，人和 AI 的边界模糊之后，劳务市场会变成什么样？ 如果你已经在用 AI 助手，或者正在思考怎么让 AI 真正进入工作流程，这期会给你很多实操层面的启发。 如果你也想尝试用数字员工，可以来https://cloud.deepractice.ai 试试～

最近大家都在聊AI创业，很多人懂技术能写代码，但做出来的东西就是卖不出去。其实仔细看现在的AI创业圈，很多人都卡在了第一层——纯粹拿AI当廉价劳动力去赚个信息差。说实话，这种做法门槛太低了，很快就会被同行卷死。稍微进阶一点的是“行业+AI”，也就是用AI来给原来的老业务提效。但Sean在对谈里提到了一个很透彻的视角：真正的机会其实在第三层，也就是“用AI去生产AI”。因为现在的AI行业太早期了，连最基础的分发平台都没有，这种空白恰恰就是最大的红利。 很多人还有一个误区，觉得我把代码写出来，加了一堆功能，这事儿就算成了。但其实在AI时代，真正的“基建”根本不是横向去摊大饼。你得往下扎，打通垂直领域的“纵深”。什么意思呢？就是从技术开发、到怎么找到对的用户、怎么做销售、怎么搞运营，你要把这一整条链路都跑通。如果你连饭都不能喂到用户嘴边，功能再多也形不成真正的护城河。 聊到最后，我们发现创业这件事，最核心的其实还是人本身。为什么有的人能一直充满热情、不知疲倦地干活？其实不是他们天生能吃苦，而是他们顺应了大脑的生理规律。当你真的专注投入进去，拿到了一点结果，那种“赢”的快乐会产生多巴胺，推着你自然而然地继续往前走。这种正反馈循环转久了，就会沉淀成你内心坚定的“信念”。所以，如果你现在觉得迷茫，千万别总想着找一个一劳永逸的完美方案。不知道干嘛，就先找个口子去干，哪怕撞南墙，你的认知闭环也只能在真正做事的过程中建立起来。

女娲 Skill、同事 Skill 最近很火，但其实我们在一年前就已经开始研究角色系统了。越来越多人开始用角色，却很少有人真正搞清楚它是什么。这期我们想回答三个问题：用角色到底有没有用？角色和 Skill 的本质区别是什么？角色的尽头又在哪里？ 先破一个最大的误区：用了角色，AI 没有变聪明。 提示词的本质是信息传递，角色只是一种信息编排方式。它做的事其实是"减法"——让 AI 聚焦在你真正需要的领域，减少信息在传递过程中的损耗。让 AI 变聪明的永远是模型本身，角色真正的价值是让使用者变简单，而不是让 AI 变强。 那 Skill 和角色，到底哪里不一样？ Skill 是你主动装载、用完放下的工具，它本身不会变，你换一个场景就换一个 Skill。角色不一样——自我不变，是环境在推着你变。就像你学会了"开车"是技能，但你"成为父亲"不是靠学的，是生了孩子就变了，是被环境被动赋予的。Skill 是你拿起来用的锤子，角色是你在什么位置、以什么身份在干活。两者不是替代关系，而是完全不同层次的东西。 角色的架构，一直在跟着模型能力一起进化。 早期模型能力弱，就得事无巨细地喂给它十套提示词；后来模型强了，三层结构（思维、知识、执行）就够用了；现在用 Gherkin 语法，字更少、结构更清晰、效率更高。背后的规律只有一条：模型越强，你给的信息越少，角色可以越抽象。但抽象不是随意，角色内部的每个设定之间必须有联系，形成逻辑闭环，越抽象的层越决定这个角色的上限。 角色的最高形态，是数字分身。 普通角色帮你处理具体任务，数字分身处理的是更抽象的问题——"你这个人是怎么想的"。它的意义不只是效率，而是让 AI 真正承载你的思维方式，不用每次对话都重新解释自己。从更大的视角来看，每个人都有认识自己的本质需求，而 AI 分身，某种程度上就是这个时代我们认识自身的一种方式。 关于记忆，大模型其实没有记忆——但这没关系。 大模型是无状态的，所有你感觉它"记住了"的东西，都发生在智能体层，是上下文或外部存储在帮你维持。与其等一个完美的记忆方案，不如务实地用好外部存储，通过分工协作来弥补记忆的上限。记忆的真正难点不是存在哪里，而是怎么抽象——哪些值得被记住，哪些应该被遗忘，抽象做得不好，记忆越多反而越混乱。 接下来，整个行业的重心会从"设定 AI"转向"设计 AI 所处的环境"。 2024 年大家关注怎么写好提示词，2025 年开始管理上下文，2026 年的主题是给 AI 造一个它能良好运行的世界——不是告诉它每一步怎么做，而是给它一个合理的环境让它自己发挥。这件事，懂人类心理、懂信息设计的产品经理，可能比程序员更擅长。多角色协作、平台化分发，将是下一个真正的战场。 Skill 是死的，角色是活的。死的东西放对地方，才能让活的东西更自由。也许今年底再回来听这期，又会有完全不同的感受～ 【了解我们】https://deepractice.ai/zh