Agent 文件系统:从“喂给模型记忆”到“让模型自己翻文件”
这篇文章梳理了 AI agent 外置记忆方案的三代演化:从把所有东西塞进上下文窗口,到用向量数据库做外挂记忆,再到 2025 年下半年兴起的“把文件系统当上下文用”。核心转变是让 agent 自己按需去文件系统里找信息,而不是开发者预先推送。
推荐理由:文章梳理了 AI agent 外置记忆从塞满上下文窗口、向量数据库外挂到把文件系统当上下文的三代演化,重点在让 agent 按需自行检索而非开发者预先推送。
行业关键人物在想什么:创始人访谈、研究者论战、投资人判断的观点集合。
这篇文章梳理了 AI agent 外置记忆方案的三代演化:从把所有东西塞进上下文窗口,到用向量数据库做外挂记忆,再到 2025 年下半年兴起的“把文件系统当上下文用”。核心转变是让 agent 自己按需去文件系统里找信息,而不是开发者预先推送。
推荐理由:文章梳理了 AI agent 外置记忆从塞满上下文窗口、向量数据库外挂到把文件系统当上下文的三代演化,重点在让 agent 按需自行检索而非开发者预先推送。
Alon Chen 12岁开始写代码,28岁在谷歌管着年收20亿美元的业务。但他现在劝年轻人别再把编程当唯一护城河。他给了两个数字:微软新代码里30%是AI写的,谷歌这个比例也超过25%。他的判断是,以后更稀缺的能力是执行、把问题定义清楚、以及沟通协作,纯写代码的壁垒在变薄。
推荐理由:Alon Chen 28岁在谷歌管年收20亿美元业务,他给出微软新代码30%、谷歌超25%由AI生成这两个数字,并据此判断纯写代码的壁垒在变薄。
别人拿 AI 输出来压你,你一眼就能看出他没动脑子。但轮到自己用 AI 写分析、回邮件时,那条线就模糊了:你读一遍觉得通顺,就发出去了,这到底算独立判断,还是只做了个熟悉度检测?沃顿的 Shaw 和 Nave 用实验把这事量化了。一千三百多人做认知反射测试,AI 给错误答案时,仍有八成的人照单全收。
推荐理由:沃顿的 Shaw 和 Nave 用一千三百多人的认知反射测试发现,AI 给出错误答案时仍有八成受试者照单全收,这条把复核与独立判断之间的界线摆到了实验数据上。
Reddit 用户 spencer_kw 把自己 10 天的编程工作流拆成 150 个任务,拿本地 Qwen 3.6 27B 和云端模型重新跑了一遍。结果 65% 的任务本地模型干得一样好,20% 勉强能用,只有 15% 必须上云端。他的 API 账单从每月 85 美元掉到 22 美元左右。
推荐理由:Reddit 用户把 10 天编程工作流拆成 150 个任务,用本地 Qwen 3.6 27B 与云端模型重跑,得出 65% 任务本地可胜任、15% 必须上云的分工比例,月 API 账单从 85 美元降到 22 美元。
理论物理学家 Alex Lupsasca 聊了他怎么用 GPT-5 做研究。他先让模型做了道课本里的热身题,然后 GPT-5 只花了 11 分钟就复现了他一篇获奖级别的论文,这篇论文的发表日期在模型训练数据截止之后。
推荐理由:理论物理学家 Alex Lupsasca 用 GPT-5 在 11 分钟内复现了自己一篇获奖论文的结果,而该论文发表时间晚于模型训练数据截止日期。
Andrew Sorota 和 Josh Hendler 提出了一套三层架构,把 AI 塞进知识获取、个人代理和制度运行里,想让它帮民主续命。他们引用了 X 平台上的实地测试:AI 写的事实核查被不同政治立场的人认为比人类写的更有用,不过这篇论文还没经过同行评审,这点先别太激动。
推荐理由:两位作者提出把 AI 嵌入知识获取、个人代理与制度运行的三层架构,并引用 X 平台测试显示 AI 事实核查被不同立场用户认为比人类更有用。
The Information 的报道说,xAI 手里大概 55 万张英伟达 GPU,但模型浮点运算利用率(MFU)只有 11%,折算下来相当于真正在干活的卡就 6 万张左右。文章把锅甩给了 HBM 显存读写、服务器之间通信、训练时空等和软件栈不统一这几个问题。作为对比,Meta 的利用率是 43%,Google 是 46%。
推荐理由:xAI 约 55 万张英伟达 GPU 的模型浮点运算利用率只有 11%,相当于约 6 万张卡在干活,Meta 和 Google 分别为 43% 和 46%。
Anthropic 联合创始人 Jack Clark 给了个时间点:到 2028 年底,AI 脱离人类独立做研发的概率超过 60%。他拿几个基准测试当证据——Claude Mythos Preview 在软件工程测试 SWE-Bench 上跑到 93.9%,Opus 4.5 在评估 AI 复现研究能力的 CORE-Bench 上拿到 95.5%。
推荐理由:Anthropic 联合创始人 Jack Clark 给出时间点,判断 2028 年底前 AI 无人类参与做研发的概率超过六成,并列出 Claude Mythos Preview 与 Opus 4.5 在两项基准上的成绩。
Jack Clark 根据公开数据做了一个判断:到 2028 年底,不需要人类插手的 AI 研发有超过 60% 的概率会出现。他主要拿两个指标说事。
推荐理由:Jack Clark 依据 SWE-Bench 和 METR 两项公开指标,判断 2028 年底前出现无需人类插手的 AI 研发概率超过六成,为观察 AI 研发自动化进度提供了一条可追踪的时间线。
新智元这篇推文本身被微信环境拦截,正文没披露原始数据表,只能从标题和摘要反推。标题说迪士尼内部有个AI使用看板,一名员工在9个工作日内向Claude发起了约46万次调用,平均每天超5万次,频率高到像在跑自动化任务。另一组数字是Meta 30天消耗60万亿token,按公开API价格算大概值90亿美元,但实际内部成本肯定低得多。
推荐理由:迪士尼一名员工9个工作日内向Claude发起约46万次调用,Meta同期消耗60万亿token,两组数字对照出企业级AI用量的真实量级。
Reddit 用户 abhinand05 在一台 5 年前的华硕 ROG Zephyrus G14 上跑起了 Qwen3.6-35B-A3B 模型。这台笔记本只有 RTX 2060 Max-Q 6GB 显存,搭配 24GB DDR4 内存和 Ryzen 7 处理器。插电时生成速度约 23 token/秒,不插电掉到 10 token/秒出头。
推荐理由:Reddit 用户在一台 5 年前的 6GB 显存笔记本上跑通 35B 模型,插电约 23 token/秒,展示了 CPU 混合推理与显存受限场景下的可行组合。
Replit 的 CEO Amjad Masad 在 StrictlyVC 活动上回应了几个尖锐问题。首先是竞争对手 Cursor 被传要以 600 亿美元卖给 SpaceX,他怎么看。Masad 没直接评价这个价格,但明确表示自己不想卖 Replit,更想独立发展。
推荐理由:Replit 的 Amjad Masad 在 StrictlyVC 活动上回应 Cursor 被传以 600 亿美元出售一事,并表明自己更想独立发展、不卖 Replit。
VILA-Lab 把 Claude Code v2.1.88 的 51.2 万行代码扒了一遍,发现真正跟 AI 决策逻辑相关的部分只占 1.6%。剩下 98.4% 全是确定性的工程基础设施:权限控制、上下文管理、工具路由和错误恢复。核心变化不是把提示词写得更长,而是给模型套上了一套好用的“缰绳”。
推荐理由:VILA-Lab 逆向拆解 Claude Code 的 51.2 万行代码,发现与 AI 决策相关的部分仅占 1.6%,其余 98.4% 是权限控制、上下文管理和工具路由等工程基础设施。
B站UP主“混沌皮切总”用 AI 生成了 42 首“劝退读博”的歌,全网播放量超过 5000 万。一首歌要跑上百次生成,同时用 Suno、MiniMax 音乐、心模拉和 ACE-Step 几个工具来回试。正文没披露具体技术细节,但能看出现在 AI 做歌最花时间的不是生成,而是人得一首首听、一首首挑,这个筛选成本很高。
推荐理由:B站UP主用AI生成42首劝退读博歌曲,播放量超5000万,其中一首要跑上百次生成并在多个音乐工具间反复试听筛选,筛选环节的人力投入是AI做歌的主要成本。
Podcast Index 抓了九天的新播客数据,发现 39% 很可能是 AI 生成的,行业管这叫“podslop”(播客垃圾)。文章没披露他们用什么方法检测、样本总量多大、以及这些节目分布在哪些平台。这个比例看着挺高,但先别太激动——如果检测手段比较糙,可能会把一些只是用了 AI 辅助的节目也算进去。
推荐理由:Podcast Index 抓取九天新播客数据,发现 39% 可能由 AI 生成,行业称之为播客垃圾,这一比例提供了观察音频平台内容供给变化的量化背景。
Dave Lee 直接批评 Meta 的 AI 资本支出太离谱,最高可能冲到 1450 亿美元。他的核心质疑是:亚马逊和谷歌敢这么花钱,是因为有云业务带来的销售增长做支撑,Meta 没有这块收入,花大钱却看不到能匹配的回报。视频里没展开讲 Meta 具体把预算烧在了哪些模型或基建上,但点出了这种支出节奏不可持续。
推荐理由:Dave Lee 指出 Meta 的 AI 资本支出最高可能达 1450 亿美元,而亚马逊和谷歌敢这样花钱是因为有云业务收入支撑,Meta 缺少这块收入。
作者花了几周时间,用 7B 以下的本地小模型和免费云端模型跑多文件编程任务,发现结构化输出很不靠谱。崩得最多的地方有三个:模型在回复里乱加 markdown 代码块标记,把编辑内容写到错误的文件里,以及分不清该读文件还是写文件。
推荐理由:作者用几周时间测试 7B 以下本地小模型跑多文件编程任务,记录下结构化输出最常崩的三个环节,并给出后处理、JSON schema 校验等补救办法。
陶哲轩最近公开说,数学研究的瓶颈已经从“找不到证明”变成了“证明太多看不过来”。在一个关于 Erdős 问题的 GitHub 页面上,已经有 20 多个 AI 生成的解法等着人去评估。文章提到 GPT-5.4 Pro 用 80 分钟就给出了 Erdős #1196 的一个思路,陶哲轩自己在 24 小时内验证了核心部分。
推荐理由:陶哲轩指出数学研究的瓶颈已从找不到解法转为解法过多,一个 Erdős 问题页面就积压了 20 多份 AI 生成的解法等待评估,数学界正面临验证与消化的新课题。
这篇付费文章只露了个头,正文没披露具体的时间范围和各家花钱的明细。从摘要看,Google 在云计算增速上超过了亚马逊和微软,而 Meta 因为大幅上调资本支出,股价承压。7250 亿美元这个数字是几家巨头 AI 投资计划的总额,但具体怎么算出来的、覆盖几年,文章没给。这点先别太激动,关键细节都锁在付费墙后面。
推荐理由:Google 在云计算增速上超过亚马逊和微软,Meta 则因上调资本支出股价承压,几家科技巨头的 AI 投资计划合计达 7250 亿美元。
Latent Space 这期把近期几条线索串了起来:AI 的推理(inference)需求正在急剧膨胀。黄仁勋在 GTC 上说,过去两年单次任务的算力消耗涨了约 1 万倍,总用量涨了约 100 倍,他管这叫“推理拐点”。
推荐理由:黄仁勋在 GTC 给出单次任务算力两年涨约 1 万倍、总用量涨约 100 倍的数据,Latent Space 由此串起推理需求膨胀与 CPU 沙箱、智能体调度等实际负载的关联。