Vol.1562026年6月23日 · 星期二
AI 日报Builders Digest
追随建造者,而非追随影响者
今日主线

代理时代的新范式:模型吃掉工具链

Google IO 后,Logan Kilpatrick 谈到 Gemini 3.5 进入真正的「代理时代」。这个判断背后是一个关键洞察:当 AI 能够实时编辑视频并理解舞台上的细微互动——比如让一只虚拟狗走上讲台、跳上演讲者大腿,还要让其他嘉宾自然地注意到并做出反应——世界理解(world understanding)已经在发生。而 Aaron Levie 从企业视角指出,代理使用软件的频率将是人类的 100 倍,一次查询可能触及用户一个月才会接触的数据量,这意味着从 CRM 到文档系统的所有平台都将被「无头化」重塑。

这种转变也在改变开发者工具链的结构。Sakana 推出的 Fugu 模型采用「模型混合」(mixture of models)架构,自动分配任务给最擅长的专家模型。这本是应用层 AI 产品正在构建的 agent harness 逻辑,但现在被下沉为任何开发者都能调用的 LLM。正如 Guillermo Rauch 所说,编码代理会榨干你的「宜家效应」——当工具本身成为智能体,模型正在吃掉原本属于开发者的协调层。

与此同时,质量与效率的矛盾开始显现。Zara Zhang 提出一个实用法则:为了避免 AI 生成物沦为废料,输入上下文的长度往往要是输出的 3-5 倍。而 Garry Tan 则强调,在可用 AGI 的黎明,拥有「个人大脑」和「公司大脑」的重要性被低估——AGI 提供智能,但你仍需收集个人上下文才能真正解锁价值。从保险业的 Corgi 到邮件客户端,那些在绿地市场实现近 100% 份额突破的产品,都在用新范式重写行业规则。

本期播客

Logan Kilpatrick:当模型理解世界的细微之处

YouTube · 2026年6月

Google DeepMind 的 Logan Kilpatrick 在节目中分享了一个令人印象深刻的案例:在一次演讲中,有人用 Omni 实时编辑了舞台画面,让一只虚拟狗走上台并跳到他腿上。关键在于,模型不仅完成了视觉合成,还让其他嘉宾自然地注意到狗、发出笑声,甚至在 Logan 继续发言时表现出恰当的互动反应。

这种对「世界理解」的细腻把控,让 Logan 开始思考内容创作方式的根本变化。他认为 Gemini 3.5 时代才真正进入「代理纪元」,而这种能力的突破远超此前 Gemini 2.0 时的早期尝试。作为 Google AI Studio 和 Gemini API 的负责人,他把大量时间投入到为下一代建造者构建工具上。

收听原片 ↗
建造者观点
Aaron Levie @@levie · Box 代理经济

代理使用软件的频率是人类的 100 倍。当无头化交互成为常态,那些能支撑这种使用模式、且商业模型和技术策略匹配的平台将占据最佳位置

Guillermo Rauch @@rauchg · Vercel 开发者体验

编码代理会榨干你所有的宜家效应——如果你允许的话

Zara Zhang @@zarazhangrui 质量控制

防止 AI 生成废料的经验法则:你的输入上下文长度往往要是输出的 3-5 倍。如果输入远短于输出,几乎肯定会产出垃圾

Garry Tan @@garrytan · Y Combinator 上下文即资产

在 2026 年可用 AGI 黎明,拥有个人大脑和公司大脑被严重低估。AGI 给你智能,但你必须收集个人上下文才能真正解锁

Peter Yang @@petergyang 架构选择

HTML 成为代理视频制作基础的原因很简单:代理没有视觉智能,但 HTML 是 LLM 的母语,能同时表达信息和视觉美学

Swyx @@swyx 颠覆式增长

Corgi 在保险业实现近 100% 绿地市场份额的突破,在这个行业几乎闻所未闻

官方博客

Sakana 推出 Fugu:模型混合架构的 API 化

来自社区讨论

Sakana 发布的 Fugu 采用「模型混合」(mixture of models)方式完成任务。开发者只需调用单一 API,Fugu 会自动处理模型选择、任务委派、验证和结果合成。当问题简单时直接解决,当任务复杂时则协调专家模型团队。这种多代理系统的复杂性对开发者完全透明。

这种架构正是当前应用层 AI 产品构建 agent harness 时采用的方式,但 Sakana 将其包装为任何开发者都能交互的 LLM。随着封闭和开源前沿模型的创新加速,能够智能路由到最佳模型的这一层将产生巨大价值。

阅读原文 ↗