YX Nexus 周报 003：Agent、创作、注意力
本周主题主要聚焦在AI Agent的认知、构建与经验，还有对于AI与认知科学相关结合的“情感”与“注意力机制”等
1.先分享一个很有趣的小故事：
1900 年，两匹马凝视着早期的汽车，思考着它们的未来。
“我很担心技术性失业。”
“嘶嘶，别做个卢德分子（泛指因担忧技术冲击而抵制技术的人）。在蒸汽机取代我们在工业中的地位、火车取代我们拉货车的工作时，我们的祖先也说过同样的话。但今天，我们的就业岗位不减反增，而且，这些岗位比过去更好，我宁愿拉一辆轻巧的四轮马车，也不愿整天原地打转，只为了驱动一台愚蠢的矿井抽水机。”
“但是，如果内燃机真的腾飞了呢？”
“我肯定，一定会有超出我们想象的新工作给我们来做。过去一直都是这样的，就像轮子和犁发明的时候一样。”
2.对于 AI Agent Infra（基础设施层）新的认知：
目前 Agent 开发仍处于行业开发标准前期，并没有系统性的构建规范（虽然有框架，但没有统一性的）。不过，可以预见的是 Agent 开发难度与成本都在持续下降，随着 MCP 逐渐被接受、Manus 等许多通用型智能体让 Agent 具象化，无疑会促成新的认可与规范。下面的对于 Infra 层的几点概括：
拾象：
2025 年以来，Agent 开发量和使用量都有明显提高。Agent 的爆发带来了 Agent Infra 需求的爆发。在过去 1-2 年，Agent 开发大多依赖开发者手动使用传统 Infra 搭建，开发工程量大、流程复杂，但随着越来越多 Agent-native Infra 涌现，Agent 开发的难度和周期都在缩小，
开发的范式正在重构和收敛。Agent Infra 是 Agent 落地的关键，涵盖了 Agent
从开发到部署的完整生命周期。我们对这个领域进行了初步扫描后，按重要性划分出了四大赛道，分别是：
Environment的作用是给 Agent 执行任务提供容器，是一个 Agent-native computer；
Context层是在 Agent 工作中赋予记忆 Memory 和领域知识的重要中间层；
Tools由于 MCP 协议的统一而百花齐放，同时目前 Tools 的核心用户还是开发者，普通用户的使用门槛太高；
Agent Security是在 Agent 产品范式固定之后会涌现的大机会，需要同时确保避免 Agent 受攻击和发起攻击。
3.对于构建一个较为完整的 Agent（有目标、有记忆、能规划、调用工具）的经验分享：
有趣的是，作者所言，大部分代码为 AI 所写，自己进行测试与优化。 原文：Vibe coding 实战
该 Agent 能够基于用户需求，自主规划包含行程、交通、场地推荐和预算的周末活动方案。核心能力包括：
自主规划与思考：AI 能在半开放的“轨道”上（开发者设定边界和硬规则）自主判断任务步骤、所需工具组合及信息完整性。多工具调用：集成了小红书（获取灵感）、POI 地图信息（如百度地图 API，核实地点客观数据）、路线规划工具和上下文查询工具（复用已有信息）。
记忆能力(上下文管理)：通过精细的上下文注入策略（筛选、压缩、存储不同类型和重要性的信息，如系统消息、用户消息、AI 输出、工具结果），模拟长期记忆，确保 Agent 理解并持续追踪用户需求。- Human-in-the-Loop：强调在复杂任务中多轮交互和用户确认的必要性，因为用户需求往往模糊且动态。
其他拓展思考：
关于“记忆”：
上下文管理与“真正”的记忆：
目前的上下文管理是“模拟记忆”。真正的突破可能在于模型本身具备更长、更高效的内部记忆机制，或者出现新型的记忆存储和检索架构（超越向量数据库的简单相似性搜索）。
“分层记忆机制”的设想非常重要。可以借鉴人类记忆模型（瞬时记忆、短时记忆、长时记忆），并根据信息价值、遗忘曲线等设计更精细的策略。
关于“流程”，文章提到了将可控工作流（即清晰的硬规则）与自主性平衡结合。即：
设定清晰的“硬规则”（如必须先查天气、POI 工具的特定用途、关键节点的用户确认），但在规则框架内给予 AI 判断工具组合和执行顺序的自由。
4.本周最喜欢的创始人访谈来自于晚点对明超平的访谈，其为 YouWare CEO，方向为coding agent、社区、押注 coding 会成为一种普遍的新创作方式：
时间窗口：
大家都觉得 AGI 重要，你可以俯拍、仰拍、侧拍。字节可以用徕卡拍，我们可能只能用手机。但最后不是设备决定了结果，而是你在什么时间、什么位置，按下了快门。
创作动机：
太多 AI 产品提供创作能力，而 YouWare 想
激发创作动机。今天大多数 AI 产品只是在解决 “能力”——给你一个足够简单、能出效果的对话框，告诉你什么都能做，指望你自己发挥，这时大多数人都是懵的，因为组织语言很费劲。我们则希望通过社区，给用户 “动机” 和 “触发器”——因为这里有创意分享、内容参考和创作者间的互相帮助。
智能赋能：
我突然悟到，好的公司，必须被一个技术周期里
最主流的趋势赋能。今天判断一个 AI 产品的价值，也应该看它对它的 token 消耗是在加速还是放缓？它是不是在最大化利用智能红利？
提高价值：
从最开始追求 token 消耗，到追求 value per token（单个 token 的价值）。选 coding 和社区，就是在追求 value per token。
社区进一步放大了单 token 的价值，当一个 vibe coding 作品被放到社区，不仅能被复用，还能激发其它人的创作和消费。这种指数级的扩散是我们真正关注的杠杆。
当前问题：
目前的 AI 产品都太效率导向，这个世界也需要更多元的东西。我们今天在思考这些取舍，我希望工具足够易用、效果足够好，也希望用户在能享受作为人和创作者的
创造过程。有趣总是重要的。
激励与商业：
这是三个阶段：第一阶段是我们充当广告商，knot 激励就是 YouWare 官方付的广告费；第二阶段是我的广告费和三方广告费平摊给作者；第三阶段，纯粹靠三方广告去激励作者就行了。
设想的未来：
- 一类是
调度型 Agent，本质上像一个 OS（操作系统），直接面向用户；- 另一类是被调度的 Agent，按需被调用来完成具体任务。
比如一个用户说 “我想做一个设计”，调度型 Agent 会分解需求、匹配工具，在它的调用列表里可能有 100 个可选的设计 Agent。有意思的是，现在搜索里的 page rank 可能会变成
Agent Rank
硬件、上下文：
我想过，如果我做眼镜，可能会做极致减法，只保留一个传感器：它要么是个摄像头，但不用来拍照或拍视频，而是每隔一段时间采集环境信息；要么是一个扬声器或录音器，可以记录声音信息，这样 AI 就能帮你处理更多线下数据。
这背后是两种逻辑：
- 一是把物理世界的信息喂给 AI，通过 prompt 告诉它：我是谁、要干嘛；
- 二是把 AI 拉入现实世界，通过具身智能或其它设备，让它一直 “在场”，持续理解你。
这是眼镜这类设备的最大价值。你如果想颠覆苹果、Google、微软，你就要拿到他们拿不到的
上下文。
个人决策：
我还是偏直觉型。我不相信绝对理性，“理性是对感性的说服”。我的起点是 “我觉得”，然后我会用数据去验证，看是否要修正直觉。
产品思维：
在月之暗面（Kimi）中学到的，很多产品形态，不是一两个月就能做出来的，你要押注一、两年后的模型能力和技术条件，要思考怎么在今天做事，才能让产品继续被下一阶段的
智能赋能。确实在 Kimi 之前，没人这么跟我交流过，互联网产品也没必要这么做。
产品经验（一加-字节剪映-月之暗面-youware创业）：
- 一是用户：你得真的知道用户是怎么用产品的，这必须贴近观察。
- 二是用科学方式做产品：产品会有一部分偏艺术或感性的东西，但其中至少六、七成完全可以被科学化。
- 三是
以终为始：要基于未来可能发生的事，而非过去已经发生的事推演产品。这包括未来的技术成熟度、市场和竞争格局、用户心态和行为等。这可能是 AI 时代最重要的东西了。
5.一位独立开发者复刻 Youware，代码开源，同时有详细的文档规划指导 AI 完成项目开发，认识到：
当时我很欣赏他们，感觉必火，然后感觉自己复刻一个也没那么难，最后发现我错得离谱——我能把它做出来，弄上线，但是没办法持续运营它——
增长能力才是他们的核心竞争力。
我从很久以前，就明白应该从
需求侧开始设计产品了，用工程师的思路、供给侧思路正向去盘，一定会出问题。我大部分时间也是从需求侧做的，也终于赚了一点钱。但偶尔，只是偶尔，我还是忘不掉我曾是一个无所不能，几乎能做出市面上任何 AI 应用的工程师——只要时间和资源允许。
这当然是犯浑，一个自负盈亏的生意人不该这么做。所以就有了上面的仓库，一个痛苦的教训。
其他的一些随笔思考：
6.关于 AI 与情感：
并没有什么已知的法则明确禁止一个足够复杂的、基于信息处理的系统，发展出类似于“情感”的内在状态。
“情感”甚至也是一种高度复杂系统涌现的特性。
并不一定要求这种情感是和人类一样的，毕竟生理基础本身有很大差异。
不过，如果将“情感”作为反馈机制？本身已经实现。
未来构建的复杂AI系统，多模态感知输入（预训练的世界基座模型）、强大的自我学习与环境交互能力（强化学习）、一个能够进行内在状态评估和目标驱动的“价值”系统（创造意义、prompt、system prompt learning）
如何定义与度量？是不是还是模式匹配？负面情感是否要赋予？是，则有巨大风险；否，则可能无法涌现出复杂的“情感”？
我们把情感放到两个层面来看看：
- 功能层（情感=特殊的控制与反馈回路）
- 现象层（情感=主题可报告、可区分的内在状态）
现有的强化学习中的奖励函数已经可以理解为是一种“情感信号”，处于功能层面。
在AI的学习中尤其保持跨学科思维，毕竟，Transformer的成功本身就证明认知科学与AI的深刻关联。
对智能定义为“完成某种复杂任务的能力”，这样，注意力机制还能否作为智能的一个底层机制？复杂任务中的挑战，超长信息、任务动态变化、长程依赖...
为了完成任务，所具备的一个能力就是注意力机制，核心是”在资源有限的情况下动态地选择、关注意义——即对于任务完成有所帮助的某些信息“，这是认知层面的一个能力。
在这种情况下，QK匹配——过滤无关信息、Softmax权重分配——资源分配给最相关信息、Value加权融合——任务所需上下文信息、多头机制——并行多种视角。
动态过滤、资源优化分配、多种视角（多模态融合、世界模型）
注意力机制是智能的必要条件，但不是充分条件。
8.复杂系统是相似的：
对智能功能性定义为“完成某种复杂目标的能力”
把人工智能看作人类有意识的、为达到某种目的的复杂系统。公司已经是我们造出来的“AI”，只是它还没有意识罢了。但它已经拥有了“目标函数、反馈机制、自组织结构和影响世界的能力”。
尤其以拟合数据（对于公司的输入变成了市场、用户、监管、竞争等）类比，商业作为核心，亏损是欠拟合、过度追求利益则过拟合。这个模型“局部最优”等变得“失控”，则需要被微调…
9.底层逻辑是相通的：
AI能够泛化，也是因为很多底层逻辑是相通的—泛化依赖底层逻辑相通，学习到了数据、乃至于未来世界中的底层规律。世界模型变得很重要了…
人类现在为止并不清楚、也无法验证，AI也许已经进化出了新的维度感知能力。就如同对天生盲人来说颜色是什么…这也是一种智能“黑箱”。
人类引以为傲的创造力、情感感受等（心智特征），AI未必不能出现而且也许不需要出现…AI的发展会使其出现新的存在形态，然而这很大程度上取决于人类的引导。
未必不能让AI与人类协作共生中，发展出其自身的、独特的感知维度、认知方式、价值实现，我们需要定义“生命”…