劳动节的劳动

FIELD NOTE · LABOR DAY

劳动节的劳动：当 AI 在忙，人的工作开始换一种形态

趁着 AI 在忙，自己动手写点东西。五一这篇小记，不是节日抒情，而是一段关于多智能体协作、本体论语义图和“磨坊”变化的现场记录。

趁着AI在忙，自己动手写点东西吧。

01 / WORKFLOW

从挥鞭子到总线：劳动先变成一条可流转的链路

五一又是很好的AI时间，白天没有事就挥上一鞭子，体验下自己手下有几个听话牛马的感觉。在我的不停督促下，这个基于总线机制的多智能体协作开发流程终于自己跑下来了，从战略顾问写报告、提需求开始，由后续智能体写解决方案、做实施任务安排，再到任务发车、独立写码、独立测试，写码测试循环，再到集成提交、语义图回写，终于顺流而下完成了几十次，算是大体能跑通了。

图示 01｜总线机制下的多智能体研发队：提需求、拆任务、写代码、做测试、回写语义。

02 / SEMANTIC GRAPH

语义图真正难的，不是生成，而是压实

这个“听话”的研发团队建立起来之后，就是回到之前断了线的地方，本体论语义图的尝试，在这个过程中，全线带入语义图，建立评分体系，扩大压测，尝试通过测试压实语义建立，然后实现基本不靠人建立语义图的实验过程。其实不靠人建立语义图并不是难事，难的是验证这个图的质量，这也是要做海量测试的原因，但是gpt-5.4那会儿，它做的海量压测都是“自洽”模式的，压了半天压都是查询模式、测试机制自己，都没压到语义上，这一点无论怎么提示，就算他自己认识到了，也还是不往正路上走，但是到了gpt-5.5，这个问题好像就不是只停留在口头上了，开始真的往下走了，看来AI目前还是挺遵循“基模至上”的原理，实在干不通的，靠基模。

不靠人建立语义图并不是难事，难的是验证这个图的质量。

目前的语义图，AI对我的意图理解的还是比较好的，业务、IT一体化的语义图，业务不过是全图中的一个群组而已，为了方便业务使用而划定的一个避免搜索过界的范围。架构侧的使用则是面向全图的。昨天青年节，他帮我写了个有图无图的使用效果分析，当然还是偏自洽型的，他自己也知道，目前更多证明的是分析的可追溯性，还不是真正的语义质量提升的证明，后续已经在自己改进测试和评分了，与之前不同的是，他自己的小样本测试已经发现并修改了不少语义质量问题，不像之前，都是绕着圈在门外跑。

图示 02｜语义图质量验证：测试样本、评分体系和业务/IT/架构语义共同压实。

03 / AGENT COLLABORATION

我期待的智能体协作：少一点框架裁判，多一点岗位自治

关于智能之间的协作，我自己期望的模式是：

1语义图统一全局概念、语境一致性，这也是企业架构的基本作用；

2智能体完全独立自主工作，根据目的决定Agent.md、skill，合同、交付物路径都由智能体自己内化，不靠框架运行时指定，跟一个独立岗位差不多，有事儿直接改岗位，减少框架复杂性；

3消息总线、智能体框架只负责体系监控、智能体启停、消息流转，不承担业务判决、语义裁决，智能体给什么就流转什么，东西好坏，智能体之间根据自己的设计目的自己判断，因为我觉得让一个不会真懂语义的框架去裁决一个根据语义做设计的智能体的工作结果，只能造就不会有效的机制缺口，也就是很难把一个语义系统当成机械的状态机去管，为了纠正这个，还砍了3万多行代码；

4记忆体系负责帮助智能体更好地衔接启停造成的干扰，这方面龙虾、爱马仕、记忆宫殿的模式都试了一些，毕竟也都布了实例，但是不同类型的智能体，我觉得记忆处理方式还是不太一样，比如方案型的本身启停周期就可以比较长，配合codex自己的体系，记忆体系会更有助于长期记忆，但是对记忆体系的使用，比如记忆宫殿，它类似skill，应该还是需要显性的提示词要求的；但是写码型的为了干净基本上一次任务希望一次启停，记忆主要帮助的是任务执行过程中出现多次启停时的衔接，但是跨任务的衔接尤其是间隔较长的任务之间的衔接未必重要，因为这个事情更希望的是前序方案阶段去识别、去完成的，而且行为有些重复也不重要，毕竟B端开发，拉抽屉也是常态，不需要太纠结，有些重复智能体自己会去处理的，“基模至上”；

5体系基本上是“仿生式”设计，也就是仿照人类的工作模式，开发部分已经仿照多团队方式设置了。但与人类体系的区别在于，这套体系对某种预置理念的导入会更容易接受，也就是有组织的协作优势，但没有组织的壁垒障碍，比如，你只需要研究本体论语义图在这里怎么用，不用去说服每个岗位接受本体论语义图，最后看客观结果就行了，有用就是有用，没用就是没用，只有不会用，没有不能用。

让一个不会真懂语义的框架，去裁决一个根据语义做设计的智能体的工作结果，只会制造新的机制缺口。

04 / THE MILL

磨坊会变，而且不会太久

也正是基于以上的期望吧，AI会推动“磨坊”彻底改变，而且也只是个不那么长的时间问题，制约因素不外乎：基模能力、资源瓶颈、成本压力、信息安全、观念障碍。也许大家会觉得需要很久，不过，想想本世纪初的样子，想想抖音上偶尔会给你推送的80年代的某个下午，估计就不觉得会要很久了。

金句卡｜AI 会推动“磨坊”彻底改变，只是个不那么长的时间问题。

目前这个体系的语义图部分再增强些，就可以向业务侧发展了，建立业务侧智能体，实现业务、IT的一体化模拟，相当于完整建立一个模拟企业，全智能体的，看看“人不在回路”的感觉，再去思考“人在回路”的问题。小的实验理想了，再考虑更大规模时需要面对的更复杂的版本、分支问题，但这些东西也可能慢慢就不再是问题了。

FINAL NOTE

劳动节这篇“劳动”，写的其实不是偷懒，而是观察一种新劳动怎样形成：人在回路还是不在回路。