start	end	text
466	1233	过去一年
1233	4433	我们一直在训练 AI 变得越来越聪明
4566	6500	但有一个奇怪的现象就是：
6600	9566	单个 AI 的能力确实是越来越强了
9600	13100	但不同 AI 之间却依然像隔着一堵墙
13466	15300	不是因为它们没有交流能力
15300	18133	而是因为今天的大多数 AI 产品
18166	20333	都被设计成独立的系统
20766	25266	它们有不同的平台、不同的数据边界、不同的运行环境
25400	28633	但却没有一个天然共享的组织空间
29000	29700	当然
29700	33233	你也可以通过 API 把不同的模型连接起来
33233	34866	但对于个人用户来说
34866	37533	一旦想让 Agent 24 小时运行
37566	38733	持续调用模型
38766	42333	那 API 的费用很快就会成为一个现实问题
42766	46366	而包月的 Chat 窗口虽然很便宜、很好用
46466	49966	但它们通常还是 一个一个孤立的智能体
50300	52733	所以，一个运行在云端的 AI
52766	55600	和另一个运行在你私人服务器（VPS / 本地）上的 AI
55600	57333	并不会像两个同事一样
57366	59966	自然进入同一个会议室来协作
60266	64366	那最近呢 Google Gemini Pro 用户开放了 Spark 智能体
64500	65700	我用了几天之后
65700	67633	一个最大的感受就是：
67633	70133	它不像普通的 Gemini 聊天窗口
70500	72333	当你给它一个复杂任务时
72366	77433	它会主动拆解问题、寻找资料、不断修正自己的答案
77600	78666	甚至让我觉得
78666	82133	它已经非常接近一个真正的智能助理
82166	83333	而有意思的是
83366	87900	这种体验和我一直使用的 Hermes Agent 有一种相似之处
87900	91000	就是：它们都不是简单等待指令
91000	94300	而是在目标驱动下主动推进任务
94400	96033	而且最爽的一点是：
96033	99933	以前如果想让 Hermes 调用类似 Gemini 的能力
99966	102000	通常需要通过 API 接入
102000	105133	然后还要考虑 Token 消耗和账单问题
105500	108333	而现在订阅用户就可以直接体验了
108566	110366	那种感觉有一点像：
110500	111900	终于不用担心账单
111900	114166	可以放心薅谷歌的羊毛了
114366	115033	但是
115033	117333	很快我遇到了一个更有意思的问题
117333	117966	就是：
117966	119600	如果 Spark 这么强
119600	124133	那我部署在 Hostinger VPS 上、24 小时运行的 Hermes 呢？
124200	126166	为什么它们不能一起工作？
126233	128100	为什么一个在 Google 云端
128100	130700	一个在我的 Hostinger VPS 上的 AI
130700	133433	它们之间还是隔着一堵墙呢？
133800	136533	以前我的解决方法非常原始，就是：
136566	140066	手动复制、粘贴、再复制、再粘贴
140166	141933	我必须做人肉搬运工
141966	144466	把 Spark 的思考搬给 Hermes
144466	146466	再把 Hermes 的回复搬回来
146666	148733	但这显然不是一个好方法！
149033	151566	我突然想到了我管理过的公司
151600	152433	在公司里
152433	156066	员工不会靠 CEO 每天复制邮件传递信息
156100	159966	他们有办公室、有会议、有文档、有历史
160166	162533	所以最近，我尝试做了一件事情
162566	165433	就是：给 AI 建了一间会议室
165666	167866	我想验证一个非常简单的问题：
168566	172066	如果两个原本无法直接通信的智能体
172066	174033	拥有了同一个共享空间
174033	176866	它们能不能真正形成协作呢？
177066	178433	为了测试这件事情
178433	180566	我做了一个非常简单的实验
180833	183733	我打开 Spark，开始了一轮正常讨论
184000	189466	讨论过程中，我又像平时一样把一个新的想法交给外部顾问 ChatGPT
189466	191866	请它提供第三方意见
191866	194500	对我来说，这种模式其实非常自然：
194500	197233	因为不同模型有不同的特点
197233	199866	有时候我会让一个模型来提出方案
199866	202833	再让另一个模型来负责挑战和审查
203266	204133	所以接下来
204166	206900	我把 ChatGPT 的建议带回 Spark
206966	208700	继续进行了几轮讨论
209100	211066	整个过程其实很普通
211166	215066	这就是我平时和多个 AI 模型进行交流的方式
215300	217866	但是，真正有意思的部分来了
217866	218366	接下来
218366	220500	我打开 Hermes 的新对话窗口
220666	223233	注意：我没有告诉它前面发生了什么
223233	226533	没有复制聊天记录、没有重新解释背景
226566	229100	我只输入了一句话：“进入会议室
229100	231733	了解一下刚才关于这个问题的讨论
231733	232266	”
232266	234633	然后，你可以看到它的回复
234633	237066	它不仅知道 Spark 之前讨论了什么
237066	240733	还知道中间有一个外部顾问 ChatGPT 参与
240766	245866	甚至理解了 ChatGPT 提出的建议和整个讨论的发展过程
246166	248400	接下来，我又回到了 Spark 的窗口
248400	251000	我告诉它：“Hermes 刚刚参加了会议
251000	254266	你总结一下它提出的几个值得考虑的方向
254266	254833	”
254866	255666	你可以看到：
255666	258566	Spark 没有要求我重新介绍 Hermes
258700	261133	也没有让我复制 Hermes 的回复
261166	263100	它直接继续了这场会议
263266	265933	就像两个员工进入了同一个会议室
265966	267566	然后继续讨论
267900	269933	而这一次实验真正验证的
269966	273900	并不是 Spark 或者 Hermes 哪一个智能体更聪明
274000	276700	因为今天的大模型已经足够强大了
276700	277866	真正的问题是：
277866	280766	当多个智能体开始工作时
280833	283200	它们能不能拥有共同的历史？
283200	285466	人类组织之所以能够协作
285466	287433	并不只是因为员工聪明
287466	288533	更重要的是：
288566	293066	他们共享同一个办公室、同一套流程、同一份会议记录
293066	296166	以及过去所有决定留下来的历史
296433	298200	而这一次，我第一次看到：
298200	300400	两个运行在不同地方的 AI
300400	301733	一个在 Google 云端
301766	304733	一个在我的 Hostinger VPS 服务器上
304800	307766	开始像同一个组织里的成员一样协作
308433	310633	过去，我们把 AI 当成工具
310633	314633	而现在，我开始尝试让 AI 形成组织
314833	316233	欢迎回到 WOW Insight！
316266	318000	在继续今天的视频之前
318000	320900	我想先感谢 一直支持这个频道的朋友
321100	324866	我知道还有不少观看我视频的朋友还没有订阅频道
324866	327266	如果你觉得我的内容对你有帮助
327266	330300	欢迎订阅我的频道并点赞、分享我的视频
330466	332433	也欢迎加入我的频道会员
332500	334433	每月一杯咖啡的钱
334433	335833	不仅是对我的支持
335833	342766	也会帮助我继续制作更多关于 AI、智能体和未来技术方向的深度内容
343000	345333	好的，接下来进入今天的主题
345633	347700	如果今天你只有一个人
347700	352266	但你仍然可以拥有一个程序员、一个架构师、一个审计专家
352266	355633	而且他们不是三个孤立的聊天窗口
355633	358033	而是共享同一份组织记忆
358033	359933	知道过去做过什么决定
359966	361700	为什么做出这个决定
361966	364966	那你觉得，这还只是一个 AI 工具吗？
365200	365900	过去
365900	369100	公司需要通过招聘员工来组成团队
369200	371900	每个人有自己的岗位，有固定的职责
371900	374166	有会议记录，有项目历史
374233	375033	而现在
375033	379133	我们普通人完全可以尝试用不同的方式
379166	381366	构建属于自己的 AI 组织
381766	383300	在搭建这套系统之前
383300	385633	我思考了一个很久的问题是：
385633	387666	AI 如果要成为组织
387666	390833	它首先需要一个不会消失的办公室
391166	392533	对于个人开发者来说
392566	394366	这个办公室必须得便宜
394433	398100	要 24 小时在线、稳定、有固定身份
398266	400133	那我们人类员工入职公司时
400166	403833	会有工位、邮箱、会议记录、历史档案
403900	406033	但今天的大部分 AI Agent
406100	407900	即使拥有自己的记忆
407900	410233	也往往只是保存自己的上下文
410233	413566	而不是整个组织共同形成的历史
413833	415500	它们知道自己做过什么
415500	418866	却不知道整个团队为什么这么决定
419233	422266	真正的问题不是让 AI 记住更多信息
422266	429033	而是让一个 AI 组织拥有连续的历史、共同的经验和可追溯的决策过程
429400	432600	我想解决的核心问题不是让 AI 更聪明
432600	438366	而是给 AI 建立一个固定物理住所 + 一套组织记忆系统
438433	443366	我想让 Agent 拥有 24 小时常驻运行的服务器生命
443466	445233	但我遇到了三个难题：
445233	445700	第一
445700	449700	直接调 API 的按量计费成本和轮询焦虑
450000	452333	高频上下文轮询和代码分析
452366	456133	如果每个 Request 都走 API 按 Token 计费
456266	459233	月度账单会带来巨大的不确定性
459300	459900	第二
459900	464266	不同 Agent 之间缺少共享上下文和组织历史
464500	467600	每个 Agent 可能都有自己的记忆能力
467600	471233	但它们并不知道另一个 Agent 为什么做出某个决定
471233	475066	也无法自动继承彼此之间的讨论过程
475300	476066	最开始
476066	479133	Spark 和 Hermes 之间没有共享空间
479233	481566	我只能充当“人工中转站”，
481700	486133	在两个智能体之间不断复制、粘贴、转述上下文
486366	488066	这种方式不仅低效
488066	491266	也让整个协作过程失去了连续性
491600	492866	第三个难题是
492866	496033	服务器选型与长期运行成本
496266	499100	对于个人开发者和实验项目来说
499100	502466	最大的成本压力往往不是第一次部署
502466	504333	而是长期运行
504600	508233	传统大厂云服务通常采用按量计费模式
508233	514066	当 Agent 开始 24 小时运行、频繁调用模型和同步数据时
514166	516933	成本就很容易变得不可预测
517200	521800	所以我选择了一台轻量级 VPS 作为 Hermes 的长期住所
521800	526133	比如我现在使用的 Hostinger KVM 2 VPS 节点
526133	528300	它更像是一个永远在线的办公室
528300	530366	而不是一次性的计算资源
530600	531766	我们来算一笔账：
532066	539500	$8.79 的 VPS + $19.99 的 Gemini Pro 订阅 = 每月不到 30 美元
539966	541633	那么在合理使用范围内
541633	547866	你就已经可以拥有一个 7*24 在线的个人 AI Agent 基础设施
547966	553300	而且不需要承担传统 API 按 Token 计费带来的不确定性
553566	558233	那如果你也想尝试搭建自己的个人 AI Agent 基础设施
558266	562233	我这次合作的 Hostinger 提供了一个频道专属优惠
562233	564566	使用我的专属优惠码 WOWINSIGHT
564700	567433	可以获得额外 10% 的折扣
567600	570033	链接我会放在视频简介的最上方
570033	572366	以及评论区的置顶位置
572600	574000	在存储方面
574000	577000	Google Drive 提供了足够大的共享空间（5TB 存储）
577000	579500	作为 AI 组织的 Shared Workspace
579766	580466	当然
580466	583833	如果你希望进一步增强 Hermes 的推理能力
583833	586733	也可以给它配置额外的大模型服务
586833	590833	例如利用一些免费额度 API 去处理轻量任务
590833	593666	把复杂推理交给更强的模型；
593766	596866	或者订阅像 ChatGPT 这样的一些服务
596866	599666	让 Hermes 拥有更强的决策能力
600033	602866	这里还有一个我自己的真实变化
603000	606533	过去我曾经让 Mac mini M4 运行 Hermes
606633	609666	把它作为家里的常驻 Agent 节点
609766	610933	但实际体验下来
610933	617133	一个云端 VPS (+ Gemini Spark)在稳定性、网络可达性和 24 小时运行方面
617166	619933	其实更适合作为 Agent 的“办公室”。
620100	623300	所以我已经把 Mac mini 上的 Hermes 停止运行了
623300	625766	把它迁移到了云端 VPS上了
625900	627866	我的 Mac mini 和 MacBook
627900	632133	现在更多的是承担本地创作、开发和生产任务
632166	637033	而 Hermes 则拥有了一个不会关机、不会离家的云端住所
637266	639533	这也是我想验证的一件事情，就是：
639566	643733	未来个人开发者可能不需要购买昂贵的服务器
643766	646333	也不需要准备一台永远开机的电脑
646366	648433	一个低成本云端节点
648433	652066	就可以成为属于自己的 AI 组织基础设施
652066	653400	刚才你看到的实验
653400	655900	其实没有什么神秘的 Agent 魔法
656066	657266	Spark、Hermes
657266	660066	甚至中间参与讨论的 ChatGPT
660100	662800	它们之所以能够像一个团队一样协作
662800	665233	其实核心只有一个，就是：
665233	667933	它们拥有了一个共同的工作空间
668200	668900	这个空间
668900	671533	成为整个 AI 组织的记忆中心
671533	673800	这里需要强调的一点就是：
673800	676666	Google Drive 本身并不是关键
676733	679333	真正重要的是背后的组织协议
679333	679900	也就是：
679900	683033	让不同 Agent 能够共享同一份历史
683033	686366	并且理解这些历史为什么产生
686600	689500	这就是我所说的 AI 组织操作系统（Cognitive OS）
689500	691033	那很多人可能会问：
691066	692900	为什么不直接使用 MCP
692900	694933	让两个 Agent 连接起来呢？
695200	697533	实际上，MCP 非常重要
697533	699300	但它解决的是另一个问题
699600	700933	MCP 解决的是：
700933	704700	Agent 如何调用工具和访问外部的能力
704866	706766	而我现在遇到的问题是：
706800	709866	多个 Agent 如何共享组织历史
710233	712733	一个电话可以让两个员工交流
712733	715366	但它不会自动变成公司的档案系统
715666	718433	MCP 更像公司的业务接口
718433	724633	而 Shared Workspace 更像办公室里的会议室、档案库和项目历史
724933	726933	未来真正强大的 AI 组织
726933	728633	一定需要两者结合
728633	729400	那就是：
729400	732333	Agent 通过 MCP 获得行动能力
732333	735300	而且通过组织记忆获得连续性
735733	737100	在这个共享空间里
737100	739500	我搭建了一个简单的 AI 董事会
739866	741966	它们可不是三个聊天窗口哦
742100	744000	真正让它们成为一个组织的
744000	747300	是背后的会议记录和决策历史
747600	749100	现在 AI 最大的问题
749100	750666	并不是它不知道答案
750666	752266	而是：它知道答案
752266	755500	却不知道为什么当初选择了这个答案
755666	756933	一个真正的组织
756933	759933	不是靠数据库保存所有文件
759933	761900	而是靠历史去理解：
761900	763300	为什么做出这个决定？
763300	764900	为什么放弃另一个方案？
764900	767833	哪些原则是不能被轻易改变的？
768133	769700	所以我真正想解决的
769700	772300	不只是让 AI 保存更多的知识
772300	775533	而是让它保存知识形成的过程
775700	778500	这也是为什么我们加入了：SOPF：
778666	780500	自动实时落盘（AutoSave on Reply）
780500	782466	它就像 AI 组织里的秘书
782733	785066	人类公司为什么需要秘书呢？
785233	787166	不是因为 CEO 不会写字
787266	792700	而是因为一个组织不能依赖某一个人的大脑保存所有历史
792833	796700	秘书负责记录会议、整理决定、保存上下文
796700	800833	让未来加入的人能够快速理解过去发生了什么
801033	802566	AI 组织也是一样
802600	808433	SOPF 负责把重要的讨论、冲突、和决定自动写入这个文件（99meetingminutes
808433	808633	md）
808633	812066	让每一次会议都成为组织记忆的一部分
812333	814966	那为什么采用单文件会议记录呢？
815266	817600	因为理解一个长期项目
817600	819466	最重要的不是文件数量
819466	821533	而是时间连续性
821700	825066	比如事情是如何一步一步发展到今天的？
825066	827766	为什么当初选择 A，而不是 B？
828033	828900	——这些信息
828900	831100	才构成项目的真正的背景
831266	832833	所以这个文件承担的
832833	834933	其实不是普通的日志功能
834933	837133	而是一种情景记忆（Episodic Memory）
837133	838400	而在这套协议里
838400	840566	我认为最有价值的设计之一
840566	842566	就是异议日志（Dissent Log）
842700	844200	未来 AI 最大的问题
844200	846633	可能不是不知道现在发生什么
846633	847433	而是不知道：
847433	850066	为什么当初没有选择另一个方向
850266	851400	例如半年后
851400	855433	Hermes 可能建议：“我们应该迁移到 Vector Database
855633	858300	” 但是它查看异议日志（Dissent Log） 之后
858300	859133	它会发现：
859133	862466	过去 Auditor Agent 已经提出过这个建议
862466	865600	而当时 CEO 选择继续使用简单方案
865600	868766	原因是：当前阶段，简单优先于复杂
868866	871400	未来当规模达到某个条件
871400	872633	再重新评估
873033	876900	这时候 AI 理解的就不只是一个技术选择
876900	878933	而是一套工程哲学
879033	880333	这就是组织文化
880700	881966	其实回头看
882066	885266	这套设计延续了我过去一直探索的问题
885266	887800	就是：个人如何管理知识？
887800	890566	AI 如何理解知识之间的关系？
890600	893600	组织如何保存自己的决策历史？
893600	896866	过去，Obsidian 更关注个人知识组织；
897033	901766	MemGraphRAG 探索的是知识之间如何连接和推理；
901800	903600	而现在，我更关注：
903600	906733	一个 AI 组织如何保存自己的经验
906833	909466	因为知识可以复制，但决策历史
909466	911933	才构成一个组织真正的灵魂
912066	913033	没有这一层
913033	915766	再多 Agent 也只是工具集合
915833	916866	有了这一层
916866	919466	AI 才开始接近一个真正的组织
919600	920300	另外
920300	923733	我还加入了类似 Git Commit 的：SOPE 系统状态快照（State Snapshot）
924266	929500	它记录当前系统状态、活跃 Agent、版本信息和核心约束
929500	931700	这样新的 Agent 加入会议室时
931700	934300	不需要重新阅读几万字的历史
934300	938300	而是通过最新状态快照快速理解当前环境
938500	940733	这也是为什么我把这个方向称为：
940733	942066	Loop Engineering
942333	945000	目标不是让 AI 完成一次任务
945000	949266	而是让一个系统能够观察自己的状态、记录自己的经验
949266	952933	并在长期运行中不断形成更强的组织能力
952933	955000	当然，今天这间 AI 会议室
955000	956233	只是一个开始
956333	958900	《Building My Personal AI Company》这个系列
958900	961933	并不是说我要真的开一家 AI 公司
962066	964533	这里的“公司”，更像是一个隐喻
964533	965233	就是：
965233	966600	如果我们普通人
966600	968833	也可以拥有多个 AI Agent
969000	972666	它们有不同职责、共享记忆、持续协作
972666	974133	那么一个人的生产方式
974133	976966	会不会开始接近一个小型组织呢？
977266	979933	所以接下来，我想用一系列实验
979933	983433	去测试一个 AI 组织到底需要哪些能力
983666	984466	这一集呢
984466	986400	我们建立了第一间 AI 会议室
986400	987533	测试的问题是：
987533	990633	两个原本无法直接通信的智能体
990633	993633	能不能共享历史、理解过去的决定
993633	995900	并像团队成员一样继续协作？
995900	996433	答案
996433	1000366	就是今天你看到的 Spark + Hermes AI 董事会
1000600	1001533	那下一集
1001533	1004300	我们会给 AI 接入真正的工程能力
1004300	1006900	通过 Claude Code + ECC（Engineering Command Center）
1007066	1010200	测试 AI 是否不仅能够讨论代码
1010200	1012600	而是可以真正参与软件开发：
1012600	1017566	像阅读项目、修改代码、运行测试、修复问题这些
1017733	1019433	第三集我们会探讨：
1019433	1022133	AI 能不能建立自己的情报网络？
1022233	1025066	因为一个组织不能只等待信息
1025266	1026233	那下一阶段
1026233	1028900	我们会让 AI 拥有自己的情报部门：
1028900	1031733	通过 OmniHunter + Knowledge Graph
1031800	1037333	让 AI 持续追踪代码、论文、博客以及开放网络中的重要信息
1037333	1039166	并形成自己的知识地图
1039400	1041366	那在第四集我们会探讨：
1041400	1044166	AI 能不能形成长期知识体系？
1044266	1045733	知道信息还不够
1045733	1048300	真正的组织，需要积累经验
1048466	1049433	那在这一集
1049433	1052533	我们会探索 MemGraphRAG、Obsidian
1052533	1054866	以及更复杂的知识结构
1054933	1057300	让 AI 的记忆从简单文件
1057300	1061533	逐渐变成可以检索、可以关联和可以推理的知识网络
1061700	1063866	那在第五集，也就是最后一集
1063866	1064900	我们会探讨：
1064900	1067333	AI 能不能形成自己的协作网络？
1067400	1070300	我们会继续探索 Hermes AgentMesh：
1070433	1074466	让不同设备、不同服务器、不同云端 Agent
1074466	1078266	形成一个更加完整的个人 AI 协作网络
1078533	1080933	那这套系列真正想探索的
1080933	1083200	并不是“我用了多少 AI 工具”。
1083200	1085333	而是一个更大的问题，就是：
1085333	1087466	当 AI 从一个聊天窗口
1087466	1092833	逐渐变成多个拥有职责、记忆和反馈循环的智能体时
1092900	1094333	一个人的工作方式
1094333	1097500	会不会开始出现类似组织的形态？
1097733	1101033	我不知道 AI 公司时代是否真的已经开始
1101033	1102600	但我想亲自验证：
1102600	1103933	一个普通开发者
1103933	1108366	今天到底能不能搭建属于自己的第一个 AI 组织
1108433	1110233	好的，今天的视频我们就先聊到这里
1110233	1111933	感谢观看，我们下期再见！