笔记
关于我所交付的 AI 系统背后方法论与架构决策的短文——规约、评估、多智能体编排、LLM 集成,以及调度编程智能体的纪律。
2026年6月19日
如何上线一个在车流中驾驶的智能体
Uber、WeRide 和 AVOMO 刚刚宣布在马德里推出西班牙首个商业自动驾驶出租车服务。有意思的不是车，而是上线方式：先上训练有素的安全操作员，只有在达成各项指标后才逐步增加数百辆自动驾驶出租车，等数字够格了才撤掉人。这就是每个认真的智能体都该遵循的部署曲线，软件智能体也不例外。
- business
- architecture
2026年6月19日
Apple 把模型变成了一个设置项
在本月的 WWDC 上，Apple 把 Siri 重建在了 Google 的 Gemini 之上——然后又让你能换成 Claude 或 ChatGPT。地球上垂直整合程度最高的公司，刚刚把 AI 模型变成了一个下拉菜单。这是迄今为止最清晰的信号：模型是一个可替换的零件，而不是护城河——而你也应该完全照这个思路来构建。
- architecture
- ai-native
2026年6月19日
瓶颈搬到了电网
OpenAI 与 NVIDIA 敲定了 10 吉瓦、又与 AMD 敲定了 6 吉瓦；一座 Stargate 数据中心刚在密歇根获批 1.4 吉瓦，无视当地居民的强烈反对。AI 的约束早就不再是模型了。它是电力、土地，以及围绕二者的政治。这重新定义了效率值多少钱，而这正是支配着远比数据中心小得多的系统的同一条规律。
- architecture
- ai-native
2026年6月19日
你的模型只有六周保质期
本月在短短两周的窗口里，行业就发布了 Claude Mythos 5、GPT-5.6、Gemini 3.2，以及一整面墙的中国前沿模型——Qwen 3.7、DeepSeek V4.1、GLM-6 等等。新的前沿模型如今大约每六周就按节拍器般落地。如果你产品的优势是「我们用最好的模型」，那这个优势比一个季度还快过期。这篇讲讲如何为移动的靶子去搭建。
- ai-native
- architecture
2026年6月15日
不是模型的错，是你的数据的错。
大多数 AI 项目都失败了——MIT 发现 95% 的生成式 AI 试点没有带来任何可衡量的利润，RAND 把总体失败率定在 80% 左右。出问题时，本能反应是怪模型：不够聪明、选错了、提示词不好。但数据说的是另一回事。被引用最多的失败原因是数据质量差，而只有大约 12% 的组织拥有干净到足以支撑 AI 的数据。你很可能根本不是模型出了问题，而是一个披着模型问题外衣的数据问题。下面教你怎么分辨。
- architecture
- methodology
2026年6月15日
我如何把一万名玩家放进同一个世界
大多数网络游戏都在掩盖自己的规模——把玩家拆进 20 人的房间，或者分成几百人的分片。为 Helix Empire 我故意定了一个更难的目标：一万名玩家在同一个共享世界里，跑在一台服务器上，在浏览器里实时呈现。这是它如何被一步步建起来的完整故事——你会撞上的四堵墙，为什么真正的瓶颈是流量而不是 CPU，以及一次压测如何证明我那个漂亮数字其实是个谎言。它很长，很技术，每一个论断都以一次测量收尾。这些经验适用于任何高负载系统。
- architecture
- methodology