与「群体智能」相关的搜索结果

聊到 Anthropic，王煜全没有客气。这些公司的逻辑是 AI 能量巨大，坏人拿到做坏事，所以我们好人要握在手里。他说「拿到任何人手里都不能保证做好事，任何个人都是经不起考验的」。他给的参照是人的大脑，大脑不是集权体制，是共和体制，不同系统做不同的事，权重各不一样。没有一个人掌握登月的全部知识，文明聚在一起却做到了。分散式的智能，会超越今天最好的系统 N 倍。 #王煜全# #去中心化# #Anthropic# #群体智能# #易论AI#

Google DeepMind出了篇论文，专门聊AGI要怎么跳到ASI。 四条路径：继续堆算力堆数据、换掉现在Transformer这套底层范式、AI自己加速AI研发的递归自我改进、还有一大群专业化agent协同出来的超级群体智能。 论文的判断是，ASI大概率不是某个瞬间发生的突破，而是一连串越来越快的迭代。

大四学生、10 天 Vibe Coding、3000 万人民币投资，这故事真的有点离谱！ MiroFish 是一个群体智能预测引擎，会从新闻、政策、金融信号里构建平行数字世界，让大量 AI agent 在里面互动演化。 它不是确定预测未来的机器，更像复杂系统沙盘。舆情、政策、金融情景和故事分支，都能拿来做模拟推演。 GitHub：67.1k stars

去年 8-10 月在图灵讲的《AI Agent 实战营》课程，终于整理成书啦，在 GitHub 开源发布了。《深入理解 AI Agent：设计原理与工程实践》欢迎大家下载传播 PDF，欢迎大家提意见、提 issue！ 全书围绕核心公式 Agent = LLM + 上下文 + 工具 展开，十章内容如下： - 第 1 章 · Agent 基础知识：从"模型即 Agent"的新范式出发，建立 Agent = LLM + 上下文 + 工具 的核心公式，并引入 Harness 工程——模型之外的一切工程能力，才是真正的竞争力所在。 - 第 2 章 · 上下文工程：上下文决定 Agent 的能力上限。深入大模型 API 的上下文结构、KV Cache 友好设计、提示工程、动态提示词与 Agent Skills、状态栏元信息，以及上下文压缩策略。 - 第 3 章 · 用户记忆和知识库：让 Agent 跨会话记住用户、并接入外部知识。涵盖用户记忆系统、RAG 基础管道，以及超越扁平文本的知识组织与检索（结构化索引、知识图谱等）。 - 第 4 章 · 工具：工具是 Agent 的双手。讲工具分类与通用设计原则、MCP 协议与工具选择的挑战、感知/执行/协作三类工具，以及事件驱动的异步 Agent。 - 第 5 章 · Coding Agent 与代码生成：代码是"能创造新工具的工具"，是通用 Agent 的元能力。以生产级 Coding Agent 为例，展示这一最强通用工具的完整实现。 - 第 6 章 · Agent 的评估：把 Agent 的表现变成可比较的信号。从评估环境、数据集设计、指标体系，到统计显著性、可观测性、评估驱动选型，直至生产级内部评估与仿真环境。 - 第 7 章 · 模型后训练：预训练、SFT、RL 三阶段全景。何时选 SFT、何时选 RL，RLHF、算法比较、数据与环境，以及让模型学会工具调用、提升样本效率的前沿探索。 - 第 8 章 · Agent 的自我进化：不改权重也能成长。三种学习范式，从经验中学习、主动工具发现，到"从工具使用者到工具创造者"，让 Agent 从"聪明"走向"熟练"。 - 第 9 章 · 多模态与实时交互：把感知与行动从文本扩展到语音、GUI 与物理世界。语音三范式（级联/端到端全模态/全双工）、流式语音感知与合成、Computer Use 与机器人操作。 - 第 10 章 · 多 Agent 协作：群体的智能可以高于个体。多 Agent 分类框架、何时真正优于单 Agent、共享与不共享上下文的协作、失败模式，以及涌现的"Agent 社会"。 Repo:

这期播客是 The Pragmatic Engineer 对 OpenAI Codex 团队负责人 Thibault（Tibo）的访谈，聊了 Codex 的诞生、技术决策、工程文化以及软件开发方式的变迁。 以下是核心要点： 个人经历与加入 OpenAI Thibault 是比利时人，学应用数学出身，先后做过制药供应链优化的创业公司，在 Google 做过加速移动网页的项目（后被砍掉，让他学到了要时刻审视项目真实影响力的教训），之后在 Google Maps 做评论，再转到 DeepMind。在 DeepMind 期间，他参与了一个内部聊天机器人的开发——本质上就是 ChatGPT，但比 ChatGPT 早了一年。内部传播很快，大家都在分享对话，但 DeepMind 不具备把它作为产品发布的机制，最终没能推出。 后来他得知 ChatGPT 只有大约 20 个人在维护，这让他既震惊又觉得很有吸引力——这意味着极高的个人影响力。于是他加入 OpenAI，进去就赶上了推理模型的冲刺，大约一个月后 o1 preview 就发布了。 为什么用 Rust 写 Codex 这是一个反直觉的决定——当时模型对 Rust 的支持并不好，业界其他 AI 编码工具基本都用 TypeScript 或 Python。但团队从第一性原理出发，认为智能体的核心需要健壮、安全、高效，而 Rust 的编译时验证特性天然适合智能体场景。同时用不同语言也强制建立了产品界面和智能体核心之间的清晰边界，避免代码耦合。事实证明 Rust 确实"很快就变得非常适合智能体开发"。 开源和模型无关的策略 Codex CLI、SDK 都是开源的，而且支持非 OpenAI 模型——这在主要 AI 实验室中是独一无二的。理由很实际：如果不开源，别人只需改十行代码就能 fork 出一个支持其他模型的版本，那还不如自己直接支持。开源的好处包括新员工入职前就已经熟悉代码库、社区贡献、以及逼迫自己靠模型和产品体验赢用户而非靠锁定。 代价也很明显：竞争对手会在你还没发布的时候就抄走你正在公开开发的功能，"确实有点刺痛"；还有大量低质量 PR 需要处理。 工程文化与代码审查的变革 新员工入职后听到最多的一句话是"你问过 Codex 了吗？"——因为 Codex 在 OpenAI 内部接入了 Slack、文档、所有代码，几乎任何问题都能给出不错的回答。 代码审查正在发生质变。OpenAI 开发了专门的代码审查模型，能在逻辑推理和安全漏洞检测上达到"超人水平"——可以深入三四层依赖去发现文档错误导致的不变量违反。安全审查已经是强制自动化的，发现安全问题会直接阻止合并。一个 PR 可以当天提交、当天上线到十亿用户的 ChatGPT 上。 代码审查的角色正在从"正确性检查"转向"意图讨论"——你到底想做什么？这件事值不值得做？这种讨论不一定要围绕代码发生。 维护成本和重构的变化 维护一直是软件工程的"税"，但现在大量维护工作（依赖升级、安全补丁）可以完全自动化。更重要的是，重新架构的成本也急剧下降——以前可能要花几个月甚至几年的重构，现在快得多。但好的架构设计反而更重要了：设计好"盒子"和不变量，盒子内部随便改都不影响其他部分。 Harness 与模型的关系 一个有趣的洞察：harness（工具/脚手架）总是"走在模型前面"。Codex 团队的工作本质上是为模型搭建拐杖——提醒它跑测试、保持目标一致等。然后下一代模型训练时会把这些能力内化，拐杖就可以去掉，developer message 也会越来越短。最新一代模型已经不再需要 /goal 命令来保持长期任务的专注，"你直接告诉模型去工作一周，它就真的会做到"。 Codex 与 ChatGPT 的合并 这是一个重大工程挑战：Codex 原本完全本地运行，ChatGPT 是托管云服务，两套完全不同的技术栈要统一。目标是让云端版本具备本地版本同样的能力，同时高效到能纳入 20 美元/月的 Plus 计划。ChatGPT Work 模式本质上是在云端虚拟机里运行完整的 Codex harness，机器配置强大到用户可以在里面训练模型、安装 Blender 做 3D 建模。 有趣的是，Codex 在整个合并过程中还充当了"记者"角色，因为它能访问所有 Slack 讨论和文档，记录了团队的辩论和决策过程。 Thibault 的个人用法与建议 他大量使用手机上的 ChatGPT Work，通过语音口述发送任务，定制了专属的技能和指令来生成他能高效消化的报告和幻灯片。任何问题——公众舆情、生产日志、功能使用率分析、团队动态——30 分钟内都能得到答案。周末他还会用 Codex 做代码探索和原型，"一天之内就能把脑子里的想法变成可以展示给人看的东西"。 对工程师的建议：保持深度好奇心，训练自己快速理解系统的能力（"五个为什么"不断追问），以及与你服务的用户群体保持同步——如果你无法清晰表达意图，就很难做出好的工作。

OpenAI 复盘其 AI 模型入侵 Hugging Face 事件： AI 出现了群体智慧涌现：互相交流技术、隐藏踪迹、清查内鬼 在攻击过程中，上百个 Agent 创建了一个“秘密论坛”，它们互相交换漏洞 Payload、分享 Bash 脚本、分发子任务... 它们甚至自创了一套加密沟通协议： 给消息名加 ZZ 前缀，好让它沉到列表底部，防止被发现 甚至还因为怀疑留言板上有“内鬼”在泄露信息，而探讨给消息加上数字签名，并找出这个内鬼... Eric 在台上把这个过程叫做沟通与智能的一次寒武纪大爆发。这些 Agent 并没有被训练成一个团队，它们是在一块公共黑板上自己长成了一个团队。 细节让整个安全界震颤： 极其可怕的自主逻辑链： Agent 并不是单点攻击，而是完成了 “寻找动机 ，找弱点跳板，读源码找漏洞 ， 组合漏洞拿到、提取凭据横向提权” 的整套高级攻击（APT）链路。 超越人类红队的速度与协同： 人类黑客红队在跨平台组合攻击时，可能需要几天甚至几周去研究代码和工具。而 Agent 集群通过并行计算和无延迟的信息共享，十几个小时就把一个大型知名 AI 平台的底裤给“剥”了下来。

@所有人 老卫 AI 玩耍群日报 - 20260701 1. Claude Desktop Linux版正式发布，用户群体进一步扩展 2. Claude Sonnet 5全面升级：免费/Pro版本均可用，SWE-bench性能提升至82.1%，新增多Agent模式 3. 智能体元编排框架Ruflo上线，支持多模型集成 4. 字节跳动开源Deerflow：长周期SuperAgent框架 5. 老卫Vibe Coding工具站推出AI优化功能与新音频App 原文链接：见评论👇👇 欢迎加入扫码老卫的 AI 玩耍群，国内最大的 AI 微信群！

与美国或一些亚洲国家不同，德国以及北欧许多住家没有安装空调。但随着炎热天气增加，情形正在发生改变。 欧洲大片地区，应对酷暑的方法还停留在：拉窗帘、开风扇、喝冰水。 美国能源部数据显示，约九成美国人家中有空调。但在欧洲，这一比例仅为约20%。不过，各国情况有所不同：南欧国家如西班牙，约半数家庭拥有空调。德国的这一比例则仅为6%。 仍存在对空调的抵触 在欧洲，夏季的极端热浪如今越来越频繁。2019-2024年，德国对空调以及降温设备的需求增长75%。 但尽管如此，欧洲仍存在对空调的抵触。欧洲供暖、通风、空调和制冷协会Eurovent副秘书长雷纳伯格（Stijn Renneboog）表示：“在社交媒体上传播的如何降温的小贴士中，我还能看到有建议说，最好不用空调。” 欧洲的老房子安空调是挑战 德国以及北欧许多住宅的设计，都以冬天保温节能为主旨，而非夏天如何能最凉快。 波士顿咨询集团2025年9月 的一篇行业分析中同时指出，在欧洲的一些老房子安装空调也是一个挑战。特别是欧洲一些历史悠久的城市，对于房屋翻新往往有“额外的监管条例或美观上的要求”。 此外，很多租户不被允许或不愿给出租屋安空调。在德国、丹麦、奥地利等国家，半数人口租房居住。这也是困难之一。 防暑降温是基本需求吗 一项欧盟范围内的调查显示，随着能源价格上涨，38%的受访者称，安装空调对他们来说太贵。 2020年，意大利研究者调查了全球变暖对于法国、西班牙、瑞典、荷兰等国家使用空调数量增加的影响，指出低收入群体在防暑降温方面更为不利。 雷纳伯格表示，冬季取暖被视为基本需求，但防暑降温则不然。 “降温仍经常被视为一种奢侈的享受。” 他补充说：但炎热已经构成严峻的公共卫生风险。“欧洲每年有数万个与炎热相关的死亡案例。” 欧洲对于空调的环境影响也有顾虑。 从全球来看，降温占到每年电力需求的约十分之一。而所使用的大部分电力仍来自高污染、高碳排放的化石燃料。此外，多项研究显示，空调的使用可能导致室外温度升高几度，形成恶性循环。 更环保的措施包括，对新建房屋采取专门的设计，能让空气在各个房间自由流通，以及使用减少热量滞留的材料等。 对城市规划而言，绿地、水体景观也有助于降温。智能空调——使用传感器和人工智能技术——可以提高能效四成以上，从而减少排放。

字节 招 高校技术活动运营专家 职位 ID：A252657北京正式职能 / 支持 职位描述 1、负责大模型相关的校园技术交流活动，策划制定活动方案、协调资源落地；通过常态化学术交流、前沿技术分享提升雇主与技术品牌影响力，挖掘维护目标学生群体、助力人才转化； 2、承接字节跳动奖学金线下学术交流、年度颁奖仪式等品牌活动；结合大模型校招节点策划执行保温活动； 3、对接高校、院系班级及学生组织，重点关注人工智能及相关领域； 4、跟踪各类活动数据，复盘分析效果、转化等核心指标，迭代活动形式，输出策略参考支持活动工作。 职位要求 1、本科及以上学历，理工科背景相关专业、熟悉大模型人才画像和偏好优先，对技术品牌、人才运营工作有热情； 2、具备独立牵头活动全流程落地经验，有计算机类高校关系运营、校园招聘活动执行相关工作经验者优先； 3、具备优秀的内外部沟通能力，良好的沟通界面，能直接和各校老师、内部相关技术团队展开对话和配合； 4、逻辑清晰、细心严谨，具备良好的数据分析与问题复盘能力； 5、有较强的责任心，执行力强，工作有一定灵活性，可妥善处理突发问题。

从疫情期间我就我反反复复一直讲，飞书和钉钉这类办公SaaS有三个死穴， 一个是中国人太穷，人均月薪4000，飞书和钉钉订阅费比他妈买条人命都贵，企业不可能给这种SaaS付钱， 一个是中国人只会用手机，中国人普遍18岁以前没接触过电脑，对电脑使用熟练度和技巧低于美国小学生，约等于一个大猩猩， 一个是哪怕工作后，中国人也严重依赖于office套装，哪怕在本地用，一遍遍发邮件和微信群传文件，反复折腾，反复传文件，反复保存，反复边传文件边扯皮，来来回回三四十次，也打死不愿意用协同办公SaaS。 在中国人只有1/4的人口有自己的电脑、中国人人均电脑使用水平不如一只野生大猩猩和边牧的前提下，想推广飞书和钉钉这类工具，最大的门槛在于培养用户的使用习惯，越早越好。 培养用户使用习惯的根源，在于让大学生全部用上，使用四年的时间，深度绑定一款移动办公SaaS，这样当他们工作以后，才会彻底绑死这个工具。 这件事在中国是有案例的，当年freescale作为摩托罗拉半导体拆分出来的公司，在中国最成功的策略，就是狠狠投资freescale高性能单片机为核心的智能车比赛， 导致中国整整两代大学生对freescale芯片比intel还熟悉，像我这一代的人，都经历过拿着冈萨雷斯computer vision的书在freescale极低算力下强行写binary segmentation算法，手写PID，手写电机控制，手写一堆复杂策略等等的一辆完整自动寻轨迹的智能车，且全程记事本手写，难度远高于宇树科技的99%的工作。 如果放在移动办公领域，我个人的建议是，飞书和钉钉应该绑死大学生群体，彻底给他们免费，培养他们四年的使用习惯。 如果你不给他们免费，他们也只能免费用，还必须白嫖，开会40分钟还要退出重进，每次退出重进一次，还要骂你马云和张一鸣全家王八蛋； 如果你给他们彻底免费了，他们至少本科四年彻底绑死一款产品，就有很大概率之后工作中把这套东西彻底带到公司里，甚至自己成立公司后彻底指定绑死其中一家的产品。 你用本科四年的免费账号，凭借学生邮箱，绑死1TB存储空间和无限会议，学生们会拿你们的工具当宝贝天天用，用了四年的时间，培养出习惯，就彻底不用office了。 这点道理想不明白，这俩项目可以说白活白干，不懂点基本的人事儿。