1
00:00:00,000 --> 00:00:20,100
过去一年,我们一直在训练AI,变得越来越聪明。但有一个奇怪的现象就是,单个AI的能力确实是越来越强了,但不同AI之间却依然像隔着一堵墙。不是因为它们没有交流能力,而是因为今天的大多数AI产品都被设计成独立的系统。

2
00:00:20,100 --> 00:00:22,280
它们有不同的平台

3
00:00:22,280 --> 00:00:23,580
不同的数据边界

4
00:00:23,580 --> 00:00:25,000
不同的运行环境

5
00:00:25,000 --> 00:00:28,400
但却没有一个天然共享的组织空间

6
00:00:28,400 --> 00:00:29,380
当然

7
00:00:29,380 --> 00:00:33,120
你可以通过API把不同的模型连接起来

8
00:00:33,120 --> 00:00:34,760
但对于个人用户来说

9
00:00:34,760 --> 00:00:37,360
一旦想让Agent24小时运行

10
00:00:37,360 --> 00:00:38,680
持续调用模型

11
00:00:38,680 --> 00:00:42,220
那API的费用很快就会成为一个现实问题

12
00:00:42,220 --> 00:00:45,460
而包裕的拆窗口虽然很便宜

13
00:00:45,460 --> 00:00:46,160
很好用

14
00:00:46,160 --> 00:00:49,700
但它们通常还是一个一个孤立的智能体

15
00:00:49,700 --> 00:00:52,560
所以一个运行在云端的AI

16
00:00:52,560 --> 00:00:55,320
和另一个运行在你私人服务器上的AI

17
00:00:55,320 --> 00:00:57,180
并不会像两个同事一样

18
00:00:57,180 --> 00:00:59,740
自然进入同一个会议室来协作

19
00:00:59,740 --> 00:01:04,140
最近Google JamLab Pro用户开放了Spark智能体

20
00:01:04,140 --> 00:01:05,620
我用了几天之后

21
00:01:05,620 --> 00:01:07,360
一个最大的感受就是

22
00:01:07,360 --> 00:01:09,880
它不像普通的JamLab聊天窗口

23
00:01:09,880 --> 00:01:12,280
当你给它一个复杂任务时

24
00:01:12,280 --> 00:01:14,340
它会主动的拆解问题

25
00:01:14,340 --> 00:01:15,360
寻找资料

26
00:01:15,360 --> 00:01:17,440
不断修正自己的答案

27
00:01:17,440 --> 00:01:18,440
甚至让我觉得

28
00:01:18,440 --> 00:01:21,980
它已经非常接近一个真正的智能助手

29
00:01:21,980 --> 00:01:23,120
而有意思的是

30
00:01:23,120 --> 00:01:26,200
这种体验和我一直使用的Hermis Agent

31
00:01:26,200 --> 00:01:27,700
有一种相似之处

32
00:01:27,700 --> 00:01:30,800
就是他们都不是简单等待指令

33
00:01:30,800 --> 00:01:34,440
而是在目标驱动下主动推进任务

34
00:01:34,440 --> 00:01:35,820
而且最爽的一点是

35
00:01:35,820 --> 00:01:38,060
以前如果想让Hermis

36
00:01:38,060 --> 00:01:39,680
这样用类似Gemlite的能力

37
00:01:39,680 --> 00:01:41,960
通常需要通过API接入

38
00:01:41,960 --> 00:01:45,040
然后还要考虑Token消耗和账单问题

39
00:01:45,040 --> 00:01:48,080
而现在订阅用户就可以直接体验了

40
00:01:48,080 --> 00:01:50,160
那种感觉有一点像

41
00:01:50,160 --> 00:01:51,900
终于不用担心账单

42
00:01:51,900 --> 00:01:53,940
可以放心好谷歌的羊毛了

43
00:01:53,940 --> 00:01:57,160
但是很快我就遇到了一个更有意思的问题

44
00:01:57,160 --> 00:01:59,420
就是如果Spark那么强

45
00:01:59,420 --> 00:02:01,720
那我不属在hostinger VPS上

46
00:02:01,720 --> 00:02:03,860
24小时运行的Hermes呢

47
00:02:03,860 --> 00:02:06,120
为什么他们不能一起工作呢

48
00:02:06,120 --> 00:02:07,980
为什么一个在Google云端

49
00:02:07,980 --> 00:02:10,460
一个在我的hostinger VPS上的AI

50
00:02:10,460 --> 00:02:13,160
他们之间还是隔着一堵墙呢

51
00:02:13,160 --> 00:02:16,000
以前我的解决方法非常原始

52
00:02:16,000 --> 00:02:18,240
就是手动复制粘贴

53
00:02:18,240 --> 00:02:19,780
再复制再粘贴

54
00:02:19,780 --> 00:02:21,840
我必须做人肉搬一工

55
00:02:21,840 --> 00:02:23,120
把Spark的思考

56
00:02:23,120 --> 00:02:24,280
搬给Hermes

57
00:02:24,280 --> 00:02:26,540
再把Hermes的回复搬回来

58
00:02:26,540 --> 00:02:28,440
这显然不是一个好方法

59
00:02:28,440 --> 00:02:31,320
我突然想到了我管理过的公司

60
00:02:31,320 --> 00:02:32,320
在公司里

61
00:02:32,320 --> 00:02:33,700
员工不会靠CEO

62
00:02:33,700 --> 00:02:35,800
每天复制邮件传递信息

63
00:02:35,800 --> 00:02:37,320
他们有办公室

64
00:02:37,320 --> 00:02:38,180
有会议

65
00:02:38,180 --> 00:02:39,060
有文档

66
00:02:39,060 --> 00:02:39,700
有历史

67
00:02:39,700 --> 00:02:40,780
所以最近

68
00:02:40,780 --> 00:02:42,420
我尝试做了一件事情

69
00:02:42,420 --> 00:02:45,120
就是给AI建了一间会议室

70
00:02:45,120 --> 00:02:47,720
我想验证一个非常简单的问题

71
00:02:47,720 --> 00:02:51,840
就是如果两个原本无法直接通信的智能体

72
00:02:51,840 --> 00:02:53,820
拥有了同一个共享空间

73
00:02:53,820 --> 00:02:56,600
它们能不能真正形成协作呢

74
00:02:56,600 --> 00:02:58,260
为了测试这件事情

75
00:02:58,260 --> 00:03:00,300
我做了一个非常简单的实验

76
00:03:00,300 --> 00:03:03,500
我打开Spark开始了一轮正常讨论

77
00:03:03,500 --> 00:03:04,880
讨论过程中

78
00:03:04,880 --> 00:03:06,380
我又像平时一样

79
00:03:06,380 --> 00:03:09,340
把一个新的想法交给外部顾问拆GPT

80
00:03:09,340 --> 00:03:11,360
请他提供第三方意见

81
00:03:11,360 --> 00:03:12,580
对我来说

82
00:03:12,580 --> 00:03:14,360
这种模式其实非常自然

83
00:03:14,360 --> 00:03:16,940
因为不同模型有不同的特点

84
00:03:16,940 --> 00:03:19,640
有时候我会让一个模型来提出方案

85
00:03:19,640 --> 00:03:22,580
再让另一个模型来负责挑战和审查

86
00:03:22,580 --> 00:03:24,100
所以接下来

87
00:03:24,100 --> 00:03:26,640
我把ChaiGPT的建议带回Spark

88
00:03:26,640 --> 00:03:28,440
继续进行了几轮讨论

89
00:03:28,440 --> 00:03:30,840
整个过程其实很普通

90
00:03:30,840 --> 00:03:33,260
这就是我平时和多个AI模型

91
00:03:33,260 --> 00:03:34,820
进行交流的方式

92
00:03:34,820 --> 00:03:37,540
但是真正有意思的部分来了

93
00:03:37,540 --> 00:03:40,220
接下来我打开Hermis的新对话窗口

94
00:03:40,220 --> 00:03:42,960
注意我没有告诉他前面发生了什么

95
00:03:42,960 --> 00:03:44,580
没有复制聊天记录

96
00:03:44,580 --> 00:03:46,280
没有重新解释背景

97
00:03:46,280 --> 00:03:47,920
我只输入了一句话

98
00:03:47,920 --> 00:03:51,760
进入会议室了解一下刚才关于这个问题的讨论

99
00:03:51,760 --> 00:03:54,420
然后你可以看到他的回复

100
00:03:54,420 --> 00:03:56,880
他不仅知道Spark之前讨论了什么

101
00:03:56,880 --> 00:04:00,500
还知道中间有一个外部顾问ChadGPT参与

102
00:04:00,500 --> 00:04:05,640
甚至理解了ChadGPT提出的建议和整个讨论的发展过程

103
00:04:05,640 --> 00:04:08,320
接下来我又回到了Spark窗口

104
00:04:08,320 --> 00:04:09,120
我告诉他

105
00:04:09,120 --> 00:04:11,000
Hermes刚刚参加了会议

106
00:04:11,000 --> 00:04:14,340
你总结一下他提出的几个值得考虑的方向

107
00:04:14,340 --> 00:04:18,300
你可以看到Spark没有要求我重新介绍Hermes

108
00:04:18,300 --> 00:04:20,860
也没有让我复制Hermes的回复

109
00:04:20,860 --> 00:04:23,180
他直接继续了这场会议

110
00:04:23,180 --> 00:04:25,880
就像两个员工进入了同一个会议室

111
00:04:25,880 --> 00:04:27,780
然后继续讨论

112
00:04:27,780 --> 00:04:29,840
而这次实验真正验证的

113
00:04:29,840 --> 00:04:33,580
并不是Spark或者Hermes每一个智能体更聪明

114
00:04:33,580 --> 00:04:36,460
因为今天的大模型已经足够强大了

115
00:04:36,460 --> 00:04:40,580
真正的问题是当多个智能体开始工作的时候

116
00:04:40,580 --> 00:04:42,980
他们能不能拥有共同的历史

117
00:04:42,980 --> 00:04:45,280
人类组织之所以能够协作

118
00:04:45,280 --> 00:04:47,340
并不是因为员工聪明

119
00:04:47,340 --> 00:04:48,280
更重要的是

120
00:04:48,280 --> 00:04:50,740
他们享受同一个办公室

121
00:04:50,740 --> 00:04:51,780
同一套流程

122
00:04:51,780 --> 00:04:52,900
同一份会议记录

123
00:04:52,900 --> 00:04:55,900
以及过去所有决定留下来的历史

124
00:04:55,900 --> 00:04:58,000
而这一次我第一次看到

125
00:04:58,000 --> 00:05:00,120
两个运行在不同地方的AI

126
00:05:00,120 --> 00:05:01,700
一个在Google云端

127
00:05:01,700 --> 00:05:04,500
一个在我的Hostinger VPS服务器上

128
00:05:04,500 --> 00:05:07,800
开始像同一个组织里的成员一样协作起来

129
00:05:07,800 --> 00:05:10,420
过去我们把AI当成工具

130
00:05:10,420 --> 00:05:14,320
而现在我开始尝试让AI形成组织

131
00:05:14,320 --> 00:05:15,940
欢迎回到All Insight

132
00:05:15,940 --> 00:05:17,940
在继续今天的视频之前

133
00:05:17,940 --> 00:05:20,720
我想先感谢一直支持这个频道朋友

134
00:05:20,720 --> 00:05:23,540
我知道还有不少观看我视频的朋友

135
00:05:23,540 --> 00:05:24,600
还没有订阅频道

136
00:05:24,600 --> 00:05:27,120
如果你觉得我的内容对你有所帮助

137
00:05:27,120 --> 00:05:28,400
欢迎订阅我的频道

138
00:05:28,400 --> 00:05:30,160
并点赞分享我的视频

139
00:05:30,160 --> 00:05:32,240
也欢迎加入我的频道会员

140
00:05:32,240 --> 00:05:34,220
每月一杯咖啡的钱

141
00:05:34,220 --> 00:05:35,780
不仅是对我的支持

142
00:05:35,780 --> 00:05:37,740
也会帮助我继续制作

143
00:05:37,740 --> 00:05:42,480
更多关于AI 智能体和未来技术方向的深度内容

144
00:05:42,480 --> 00:05:45,100
好的 接下来进入今天的主题

145
00:05:45,100 --> 00:05:47,580
如果今天你只有一个人

146
00:05:47,580 --> 00:05:50,080
那你仍然可以拥有一个程序员

147
00:05:50,080 --> 00:05:52,040
一个架构师 一个审计专家

148
00:05:52,040 --> 00:05:55,440
而且他们不是三个孤立的聊天窗口

149
00:05:55,440 --> 00:05:57,860
而是共享同一份组织记忆

150
00:05:57,860 --> 00:05:59,720
知道过去做过什么决定

151
00:05:59,720 --> 00:06:01,420
为什么做出这个决定

152
00:06:01,420 --> 00:06:04,700
那你觉得这还只是一个AI工具吗

153
00:06:04,700 --> 00:06:08,840
过去公司需要通过招聘员工来组成团队

154
00:06:08,840 --> 00:06:10,600
每个人有自己的岗位

155
00:06:10,600 --> 00:06:11,840
有固定的职责

156
00:06:11,840 --> 00:06:12,860
有会议记录

157
00:06:12,860 --> 00:06:13,900
有项目历史

158
00:06:13,900 --> 00:06:17,520
而现在我们普通人完全可以尝试

159
00:06:17,520 --> 00:06:21,080
用不同的方式构建属于自己的AI组织

160
00:06:21,080 --> 00:06:23,280
在搭建这套系统之前

161
00:06:23,280 --> 00:06:25,340
我思考了一个很久的问题就是

162
00:06:25,340 --> 00:06:27,460
AI如果要成为组织

163
00:06:27,460 --> 00:06:30,580
它首先需要一个不会消失的办公室

164
00:06:30,580 --> 00:06:32,500
对于个人开发者来说

165
00:06:32,500 --> 00:06:34,420
这个办公室必须得便宜

166
00:06:34,420 --> 00:06:37,860
要24小时在线稳定有固定身份

167
00:06:37,860 --> 00:06:40,100
那我们人类员工入职公司时

168
00:06:40,100 --> 00:06:43,560
会有工位邮箱会议记录历史档案

169
00:06:43,560 --> 00:06:45,780
但今天的大部分AI agent

170
00:06:45,780 --> 00:06:47,820
即使拥有自己的记忆

171
00:06:47,820 --> 00:06:50,040
也往往只是保存自己的上下文

172
00:06:50,040 --> 00:06:53,280
而不是整个组织共同形成的历史

173
00:06:53,280 --> 00:06:55,460
他们知道自己做过什么

174
00:06:55,460 --> 00:06:58,600
却不知道整个团队为什么这么决定

175
00:06:58,600 --> 00:07:02,120
真正的问题不是让AI记住更多信息

176
00:07:02,120 --> 00:07:05,420
而是让一个AI组织拥有持续的历史

177
00:07:05,420 --> 00:07:08,740
共享的经验和可追溯的决策过程

178
00:07:08,740 --> 00:07:12,400
我想解决的核心问题不是让AI更聪明

179
00:07:12,400 --> 00:07:15,820
而是给AI建立一个固定物理住所

180
00:07:15,820 --> 00:07:18,460
加上一套组织记忆系统

181
00:07:18,460 --> 00:07:23,120
我想让Agent拥有24小时常驻运行的服务器生命

182
00:07:23,120 --> 00:07:25,020
但我遇到了三个难题

183
00:07:25,020 --> 00:07:29,420
第一 直接调API的按量气费成本和轮巡焦虑

184
00:07:29,420 --> 00:07:32,160
高频上下文轮询和代码分析

185
00:07:32,160 --> 00:07:35,880
如果每个request都走API按token计费

186
00:07:35,880 --> 00:07:39,020
阅读账单会带来巨大的不确定性

187
00:07:39,020 --> 00:07:39,740
第二

188
00:07:39,740 --> 00:07:44,020
不同agent之间缺少共享上下文和组织历史

189
00:07:44,020 --> 00:07:47,440
每个agent可能都有自己的记忆能力

190
00:07:47,440 --> 00:07:51,100
但他们并不知道另一个agent为什么做出某个决定

191
00:07:51,100 --> 00:07:54,800
也无法自动继承彼此之间的讨论过程

192
00:07:54,800 --> 00:07:55,840
最开始

193
00:07:55,840 --> 00:07:58,900
Spark和Hermes之间没有共享空间

194
00:07:58,900 --> 00:07:59,960
我只能

195
00:08:00,000 --> 00:08:05,820
最開始,Spark和Hermes之間沒有共享空間,我只能充當人工中轉戰,在兩個智能體之間不斷複製黏貼轉述上下文。

196
00:08:06,080 --> 00:08:11,020
這種方式不僅低效,也讓整個協作過程失去了連續性。

197
00:08:11,020 --> 00:08:15,780
第三个难题是服务器选型与长期运行成本

198
00:08:15,780 --> 00:08:18,940
对于个人开发者和实验项目来说

199
00:08:18,940 --> 00:08:22,400
最大的成本压力往往不是第一次部署

200
00:08:22,400 --> 00:08:24,120
而是长期运行

201
00:08:24,120 --> 00:08:28,120
传统大厂云服务通常采用按量机费模式

202
00:08:28,120 --> 00:08:30,800
当agent开始24小时运行

203
00:08:30,800 --> 00:08:33,860
频繁调用模型和同步数据的时候

204
00:08:33,860 --> 00:08:36,680
成本就很容易变得不可预测

205
00:08:36,680 --> 00:08:39,520
所以我选择了一台轻量级VPS

206
00:08:39,520 --> 00:08:41,600
作为Hermes的长期住所

207
00:08:41,600 --> 00:08:42,880
比如我现在使用的

208
00:08:42,880 --> 00:08:45,300
Hostinger KVM2 VPS节点

209
00:08:45,300 --> 00:08:48,120
它更像是一个永远在线的办公室

210
00:08:48,120 --> 00:08:50,100
而不是一次性的计算资源

211
00:08:50,100 --> 00:08:51,540
我们来算一笔账

212
00:08:51,540 --> 00:08:53,620
8.79美金的VPS

213
00:08:53,620 --> 00:08:57,000
加上19.99美金的GemLab Pro订阅

214
00:08:57,000 --> 00:08:59,220
等于每月不到30美元

215
00:08:59,220 --> 00:09:01,460
那么在合理使用范围内

216
00:09:01,460 --> 00:09:03,300
你就已经可以拥有一个

217
00:09:03,300 --> 00:09:05,500
7×24小时在线的

218
00:09:05,500 --> 00:09:07,580
个人AI agent的基础设施

219
00:09:07,580 --> 00:09:10,580
而且不需要承担传统API

220
00:09:10,580 --> 00:09:13,040
按Token计费带来的不确定性

221
00:09:13,040 --> 00:09:15,980
那如果你也想尝试搭建自己的

222
00:09:15,980 --> 00:09:17,940
个人AI Agent的基础设施

223
00:09:17,940 --> 00:09:19,880
我这次合作的Hostinger

224
00:09:19,880 --> 00:09:21,960
提供了一个频道专属优惠

225
00:09:21,960 --> 00:09:24,420
使用我的专属优惠码All Insight

226
00:09:24,420 --> 00:09:27,120
可以获得额外10%的折扣

227
00:09:27,120 --> 00:09:29,860
链接我会放在视频简介的最上方

228
00:09:29,860 --> 00:09:32,480
以及评论期的置顶位置

229
00:09:32,480 --> 00:09:33,760
在存储方面

230
00:09:33,760 --> 00:09:36,680
Google Drive提供了足够大的共享空间

231
00:09:36,680 --> 00:09:39,080
作为AI组织的sheld workspace

232
00:09:39,080 --> 00:09:43,620
当然如果你希望进一步增强Hermes的推理能力

233
00:09:43,620 --> 00:09:46,820
也可以给它配置额外的大模型服务

234
00:09:46,820 --> 00:09:50,620
例如利用一些免费额读API去处理轻量任务

235
00:09:50,620 --> 00:09:53,400
把复杂推理交给更强的模型

236
00:09:53,400 --> 00:09:56,680
或者订阅像ChattieT这样的一些服务

237
00:09:56,680 --> 00:09:59,420
让Hermes拥有更强的决策能力

238
00:09:59,420 --> 00:10:02,660
这里还有一个我自己的真实变化

239
00:10:02,660 --> 00:10:06,280
过去我曾经让Mac mini M4运行Hermes

240
00:10:06,280 --> 00:10:09,420
把它作为家里的常驻agent的节点

241
00:10:09,420 --> 00:10:11,000
但实际体验下来

242
00:10:11,000 --> 00:10:13,680
一个云端VPS在稳定性

243
00:10:13,680 --> 00:10:16,920
网络可达性和24小时运行方面

244
00:10:16,920 --> 00:10:19,680
其实更适合作为agent的办公室

245
00:10:19,680 --> 00:10:23,040
所以我已经把Mac mini上的Hermes停止运行了

246
00:10:23,040 --> 00:10:25,560
把它迁移到了云端VPS上了

247
00:10:25,560 --> 00:10:27,600
我的Mac mini和MacBook

248
00:10:27,600 --> 00:10:30,420
现在更多的是承担本地创作

249
00:10:30,420 --> 00:10:31,980
开发和生产任务

250
00:10:31,980 --> 00:10:34,020
而Hermes则拥有了一个

251
00:10:34,020 --> 00:10:37,100
不会关机不会离家的云端住所

252
00:10:37,100 --> 00:10:38,780
这也是我想验证的一件事情

253
00:10:38,780 --> 00:10:40,980
就是未来个人开发者

254
00:10:40,980 --> 00:10:43,520
可能不需要购买昂贵的服务器

255
00:10:43,520 --> 00:10:46,260
也不需要准备一台永远开机的电脑

256
00:10:46,260 --> 00:10:48,280
一个低成本云端节点

257
00:10:48,280 --> 00:10:51,900
就可以成为属于自己的AI组织基础设施

258
00:10:51,900 --> 00:10:53,360
刚才你看到的实验

259
00:10:53,360 --> 00:10:55,700
其实没有什么神秘的agent的魔法

260
00:10:55,700 --> 00:10:59,820
Spark、Hermes甚至中间参与讨论的ChagPT

261
00:10:59,820 --> 00:11:02,560
他们之所以能够像一个团队一样协作

262
00:11:02,560 --> 00:11:04,680
其实核心只有一个

263
00:11:04,680 --> 00:11:08,020
就是他们拥有了一个共同的工作空间

264
00:11:08,020 --> 00:11:11,460
这个空间成为整个AI组织的记忆中心

265
00:11:11,460 --> 00:11:13,640
这里需要强调一点就是

266
00:11:13,640 --> 00:11:16,440
Google Drive本身并不是关键

267
00:11:16,440 --> 00:11:19,260
真正重要的是背后的组织协议

268
00:11:19,260 --> 00:11:22,920
也就是让不同agent能够共享同一份历史

269
00:11:22,920 --> 00:11:26,120
并且理解这些历史为什么产生

270
00:11:26,120 --> 00:11:29,440
这就是我说的AI组织操作系统

271
00:11:29,440 --> 00:11:30,800
很多人可能会问

272
00:11:30,800 --> 00:11:32,640
为什么不直接属于MCP

273
00:11:32,640 --> 00:11:34,680
让两个agent连接起来呢

274
00:11:34,680 --> 00:11:35,740
实际上

275
00:11:35,740 --> 00:11:37,340
MCP非常重要

276
00:11:37,340 --> 00:11:39,140
但它解决的是另一个问题

277
00:11:39,140 --> 00:11:40,660
MCP解决的是

278
00:11:40,660 --> 00:11:44,460
agent如何调用工具和访问外部的能力

279
00:11:44,460 --> 00:11:46,580
而我现在遇到的问题是

280
00:11:46,580 --> 00:11:49,580
多个agent如何共享组织历史

281
00:11:49,580 --> 00:11:52,540
一个电话可以让两个员工交流

282
00:11:52,540 --> 00:11:55,120
但它不会自动变成公司的答案系统

283
00:11:55,120 --> 00:11:58,200
MCP更像公司的业务接口

284
00:11:58,200 --> 00:12:00,060
而Shield Workspace

285
00:12:00,060 --> 00:12:04,360
更像办公室里的会议室 档案库和项目历史

286
00:12:04,360 --> 00:12:08,500
未来真正强大的AI组织一定需要两者结合

287
00:12:08,500 --> 00:12:12,080
那就是Agent通过MCP获得行动能力

288
00:12:12,080 --> 00:12:15,100
而且通过组织记忆获得连续性

289
00:12:15,100 --> 00:12:17,020
在这个共享空间里

290
00:12:17,020 --> 00:12:19,260
我搭建了一个简单的AI董事会

291
00:12:19,260 --> 00:12:21,560
他们可不是三个聊天窗口

292
00:12:21,560 --> 00:12:23,980
真正让他们成为一个组织的

293
00:12:23,980 --> 00:12:27,040
是背后的会议记录和决策历史

294
00:12:27,040 --> 00:12:29,060
现在AI最大的问题

295
00:12:29,060 --> 00:12:30,760
并不是他不知道答案

296
00:12:30,760 --> 00:12:32,320
而是他知道答案

297
00:12:32,320 --> 00:12:35,620
却不知道为什么当初选择了这个答案

298
00:12:35,620 --> 00:12:36,720
一个真正的组织

299
00:12:36,720 --> 00:12:39,700
不是靠数据库保存所有文件

300
00:12:39,700 --> 00:12:41,680
而是靠历史去理解

301
00:12:41,680 --> 00:12:43,180
为什么做出这个决定

302
00:12:43,180 --> 00:12:44,940
为什么放弃另一个方案

303
00:12:44,940 --> 00:12:47,580
哪些原则是不能被轻易改变的

304
00:12:47,580 --> 00:12:49,600
所以我真正想解决的

305
00:12:49,600 --> 00:12:52,080
不是让AI保存更多的知识

306
00:12:52,080 --> 00:12:55,260
而是让它保存知识形成的过程

307
00:12:55,260 --> 00:12:57,440
这也是为什么我们加入了

308
00:12:57,440 --> 00:13:00,060
SOPF自动实施落盘

309
00:13:00,060 --> 00:13:02,140
它就像AI组织里的秘书

310
00:13:02,140 --> 00:13:04,800
人类公司为什么需要秘书呢

311
00:13:04,800 --> 00:13:06,940
不是因为CEO不会写字

312
00:13:06,940 --> 00:13:08,800
而是因为一个组织

313
00:13:08,800 --> 00:13:12,480
不能依赖某一个人的大脑保存所有历史

314
00:13:12,480 --> 00:13:14,520
秘书负责记录会议

315
00:13:14,520 --> 00:13:15,520
整理决定

316
00:13:15,520 --> 00:13:16,520
保存上下文

317
00:13:16,520 --> 00:13:20,500
让未来加入的人能够快速理解过去发生了什么

318
00:13:20,500 --> 00:13:22,340
AI组织也是一样

319
00:13:22,340 --> 00:13:26,640
SOPF负责把重要的讨论冲突和决定

320
00:13:26,640 --> 00:13:28,120
自动写入这个文件

321
00:13:28,120 --> 00:13:31,720
让每一次会议都成为组织记忆的一部分

322
00:13:31,720 --> 00:13:34,720
那为什么采用单文圈会议记录呢

323
00:13:34,720 --> 00:13:37,440
因为理解一个长期项目

324
00:13:37,440 --> 00:13:39,500
最重要的不是文件数量

325
00:13:39,500 --> 00:13:41,320
而是时间连续性

326
00:13:41,320 --> 00:13:44,740
比如事情是如何一步一步发展到今天的

327
00:13:44,740 --> 00:13:47,540
为什么当初选择A而不是B

328
00:13:47,540 --> 00:13:50,800
这些信息才构成项目的真正的背景

329
00:13:50,800 --> 00:13:52,860
所以这个文件承担的

330
00:13:52,860 --> 00:13:54,840
其实不是普通的日志功能

331
00:13:54,840 --> 00:13:57,080
而是一种情景记忆

332
00:13:57,080 --> 00:13:58,400
而在这套协议里

333
00:13:58,400 --> 00:14:02,060
我认为最有价值的设计之一就是异议日志

334
00:14:02,060 --> 00:14:04,120
未来AI最大的问题

335
00:14:04,120 --> 00:14:06,460
可能不是不知道现在发生什么

336
00:14:06,460 --> 00:14:10,280
而是不知道为什么当初没有选择另一个方向

337
00:14:10,280 --> 00:14:11,300
例如半年之后

338
00:14:11,300 --> 00:14:12,600
Hermes可能建议

339
00:14:12,600 --> 00:14:15,100
我们应该迁移到Vector Database

340
00:14:15,100 --> 00:14:18,260
但是他查看异议日志之后

341
00:14:18,260 --> 00:14:19,100
他会发现

342
00:14:19,100 --> 00:14:22,280
过去Audit Agent已经提出过这个建议

343
00:14:22,280 --> 00:14:25,360
而当时CEO选择继续使用简单方案

344
00:14:25,360 --> 00:14:28,540
原因是当前阶段简单优异复杂

345
00:14:28,540 --> 00:14:32,340
未来当规模达到某个条件时再重新评估

346
00:14:32,340 --> 00:14:36,760
这时候AI理解的就不只是一个技术选择

347
00:14:36,760 --> 00:14:38,640
而是一套工程哲学

348
00:14:38,640 --> 00:14:40,100
这就是组织文化

349
00:14:40,100 --> 00:14:41,780
其实回头看

350
00:14:41,780 --> 00:14:45,160
这套设计延续了我过去一直探索的问题

351
00:14:45,160 --> 00:14:47,580
就是个人如何管理知识

352
00:14:47,580 --> 00:14:50,320
AI如何理解知识之间的关系

353
00:14:50,320 --> 00:14:53,440
组织如何保存自己的决策历史

354
00:14:53,440 --> 00:14:56,620
过去Obsidian更关注个人知识组织

355
00:14:56,620 --> 00:15:01,500
MemGraph Reg探索的是知识之间如何连接和推理

356
00:15:01,500 --> 00:15:06,720
而现在我更关注一个AI组织如何保存自己的经验

357
00:15:06,720 --> 00:15:08,200
因为确实可以复制

358
00:15:08,200 --> 00:15:11,640
但决策历史才构成一个组织真正的灵魂

359
00:15:11,640 --> 00:15:15,540
没有这一层再多agent的也只是工具集合

360
00:15:15,540 --> 00:15:16,680
有了这一层

361
00:15:16,680 --> 00:15:19,180
AI才开始接近一个真正的组织

362
00:15:19,180 --> 00:15:23,640
另外我还加入了类似Gate Comet的S.O.P.E

363
00:15:23,640 --> 00:15:26,400
它记录当前系统状态

364
00:15:26,400 --> 00:15:29,260
活跃agent 版本信息和核心约束

365
00:15:29,260 --> 00:15:31,540
这样新的agent加入会议室时

366
00:15:31,980 --> 00:15:38,480
這樣新的agent加入會議室時,不需要重新閱讀幾萬次的歷史,而是通過最新狀態快照,快速理解當前環境。

367
00:15:38,480 --> 00:15:45,080
這也是為什麼我把這個方向稱為loop engineering。目標不是讓AI完成一次任務,

368
00:15:45,080 --> 00:15:48,000
而是让一个系统能够观察自己的状态

369
00:15:48,000 --> 00:15:49,240
记录自己的经验

370
00:15:49,240 --> 00:15:52,780
并在长期运行中不断形成更强的组织能力

371
00:15:52,780 --> 00:15:55,960
当然今天这间AI会议室只是一个开始

372
00:15:55,960 --> 00:15:58,700
Building my personal AI company这个系列

373
00:15:58,700 --> 00:16:01,700
并不是说我要真的开一间AI公司

374
00:16:01,700 --> 00:16:04,320
这里的公司更像是一个隐喻

375
00:16:04,320 --> 00:16:08,600
就是如果我们普通人也可以拥有多个AI agent

376
00:16:08,600 --> 00:16:10,440
他们有不同职责

377
00:16:10,440 --> 00:16:12,380
共享技艺持续协作

378
00:16:12,380 --> 00:16:16,740
那么一个人的生产方式会不会开始接近一个小型组织呢

379
00:16:16,740 --> 00:16:21,420
所以接下来我想用一系列实验去测试一个AI组织

380
00:16:21,420 --> 00:16:23,160
到底需要哪些能力

381
00:16:23,160 --> 00:16:26,220
这一集我们建立了第一件AI会议室

382
00:16:26,220 --> 00:16:30,420
测试的问题是两个原本无法直接通信的职能体

383
00:16:30,420 --> 00:16:33,520
能不能共享历史理解过去的决定

384
00:16:33,520 --> 00:16:35,600
并像团队成员一样继续协作

385
00:16:35,600 --> 00:16:40,120
答案就是今天你看到的Spark加上Hermes AI董事会

386
00:16:40,120 --> 00:16:44,060
下一集我们会给AI介入真正的工程能力

387
00:16:44,060 --> 00:16:46,540
通过Cloud Code加上VCC

388
00:16:46,540 --> 00:16:50,040
测试AI是否不仅能够讨论代码

389
00:16:50,040 --> 00:16:52,500
而是可以真正参与软件开发

390
00:16:52,500 --> 00:16:57,320
像阅读项目 修改代码 运行测试 修复问题这些

391
00:16:57,320 --> 00:17:01,860
第三集我们会探讨AI能不能建立自己的情报网络

392
00:17:01,860 --> 00:17:04,800
因为一个组织不能只等待信息

393
00:17:04,800 --> 00:17:08,660
下一阶段我们会让AI拥有自己的情报部门

394
00:17:08,660 --> 00:17:11,560
通过OmniHunter加上Knowledge Graph

395
00:17:11,560 --> 00:17:14,960
让AI持续追踪代码论文博客

396
00:17:14,960 --> 00:17:17,100
以及开放网络中的重要信息

397
00:17:17,100 --> 00:17:18,920
并形成自己的知识地图

398
00:17:18,920 --> 00:17:21,140
在第四集我们会探讨

399
00:17:21,140 --> 00:17:23,920
AI能不能形成长期知识体系

400
00:17:23,920 --> 00:17:25,460
知道信息还不够

401
00:17:25,460 --> 00:17:28,060
真正的组织需要积累经验

402
00:17:28,060 --> 00:17:31,520
在这一集我们会探索MemGraph Reg

403
00:17:31,520 --> 00:17:34,580
Obsidian以及更复杂的知识结构

404
00:17:34,580 --> 00:17:37,080
让AI的记忆从简单文件

405
00:17:37,080 --> 00:17:39,020
逐步变成可以检索

406
00:17:39,020 --> 00:17:41,260
可以关联和可以推理的知识网络

407
00:17:41,260 --> 00:17:42,620
那在第五集

408
00:17:42,620 --> 00:17:43,760
也就是最后一集

409
00:17:43,760 --> 00:17:47,040
我们会探讨AI能不能形成自己的协作网络

410
00:17:47,040 --> 00:17:50,100
我们会继续探索Hermes Agent Math

411
00:17:50,100 --> 00:17:51,840
让不同设备

412
00:17:51,840 --> 00:17:52,960
不同服务器

413
00:17:52,960 --> 00:17:54,180
不同云端Agent

414
00:17:54,180 --> 00:17:58,420
形成一个更加完整的个人AI协作网络

415
00:17:58,420 --> 00:18:00,960
那这一套系列真正想探索的

416
00:18:00,960 --> 00:18:03,020
并不是我用了多少AI工具

417
00:18:03,020 --> 00:18:04,660
而是一个更大的问题

418
00:18:04,660 --> 00:18:07,340
就是当AI从一个聊天窗口

419
00:18:07,340 --> 00:18:10,140
逐渐变成多个拥有职责

420
00:18:10,140 --> 00:18:12,560
记忆和反馈循环的智能体势

421
00:18:12,560 --> 00:18:14,260
一个人的工作方式

422
00:18:14,260 --> 00:18:17,220
会不会开始出现类似组织的形态

423
00:18:17,220 --> 00:18:19,320
我不知道AI公司时代

424
00:18:19,320 --> 00:18:20,840
是否真的已经开始

425
00:18:20,840 --> 00:18:23,820
但我想亲自验证一个普通开发者

426
00:18:23,820 --> 00:18:26,480
今天到底能不能搭建属于

427
00:18:26,480 --> 00:18:28,100
自己的第一个AI组织

428
00:18:28,100 --> 00:18:30,180
今天的视频我们就先聊到这里

429
00:18:30,180 --> 00:18:30,880
感谢观看

430
00:18:30,880 --> 00:18:31,760
我们下期再见