关于AI带来的“革命”

今天偶然跟一位读者在微信上聊了两句，聊的是未来企业的业务架构，梳理好了业务怎么搭建系统，企业又是数字分身上头了，技术跟业务直接聊“类claw产品的workspace是面向用户的，XX的XX是以客户来组织workspace。类claw的技能是不分层的，XX的XX是分三层的。相同的是都是harness engineering”。。。。。。

以前刚聊数字化的时候，其实还要更早，做信息化的时候，就经常说技术跟业务沟通要注意表达方式，这么上头的沟通方式，估计让哪个业务听了都会直接宕机，何况，claw们最初还不是奔着harness engineering去的，claw们一开始都是奔着个人用户发力的，是给个人用户搞个助手、搞个Agent团队，harness engineering的思想是搞ai自动化研发的思路，算是后来凑在一起的。harness engineering跟claw之间也不需要啥必然联系，一个是agent运行框架，一个是产出物的质量提升方式，可分开看也可合在一起搞。claw们自己现在也还在经常“丢魂”、“走神儿”，harness engineering则更多被认为是一种不完全固定的实现思路，说白了，都在踩路，都还不是高速公路，谁都领先不了太久，新的草莽时代。

有些行业对互联网“痴迷”很久，从数字化营销到中台再到如今的AI，我倒不是对互联网有啥看法，我自己也短暂的在互联网工作过，只是这些想法反映的是这些企业至今仍然是存在很大的技术短板，所以无法突破自己的思维局限，总是容易被概念带着走。

数字分身是啥呢？我不知道，看着就像个工作流的外包装。AI是怎么工作的？Agent.md，设定基本思维链、提示词、skill、外接工具、服务、记忆体系，总体采用渐进式披露来设计，以更好管理上下文。它像个“小人”，吹口token的仙气儿，里边的LLM调用就“活”了，分身正式上线。从总体架构的角度看，他是个“跨界”的处理加编排层，自己能干，也能“摇人”，架构分层上是模糊的，所以，claw有类似网关的东西调度下，但是再往下的分层并不是传统业务系统希望达成的清晰的分层。但调度也可以是总线消息式的，分层看着就会更模糊些。

所以，分身是啥不重要，分身再牛，利息该怎么算还得怎么算，订单该这么交货还得怎么交货。无人机送货也没改变货要送到指定位置这个基本业务逻辑，要是无人机降落位置离得太远，就没人愿意让无人机送货了，毕竟送货上门的业务含义是我不用出门去拿了，要是还得跑出二里地，我为啥非得用无人机呢，外卖小哥不是更友好吗？技术实现方式不能真的左右基本业务逻辑，它会带来一时的新鲜，但必须实现永久的方便才能真的带来改变。

互联网确实曾给人“大变活人”般的感觉，尤其是互联网营销，但我之前在数字化通识课上也曾经比较过，这是营销经典理论中4P向4C转化的卓越的数字化实现，而且这其中，从“促销”转向“沟通”，是仍然没有做得很好，但却极有可能在LLM时代大幅度增强的点。其实互联网的成功在营销方法的发展历程中早就存在认识和痛点，但是直到互联网大厂的兴起，才把这些问题真正给出了数字化解决的样板，虽然这个样本并非到处都适用，但还仍是很好的范例。

后来的中台就是更有趣的东西，我常开玩笑说，中台是充分证实了方法论的商业价值的，一个方法论搭配上一个成功企业的现身说法，商业价值无可限量。这种模式也还有其他非常成功的范例，所以，总结方法论确实很有必要。不过，中台的不足是什么呢？就是这最多是半个方法论，实施方面既不统一也不完整，需要补足的东西还不少。

接着就到了今天的AI了，互联网一定是有基础优势的，毕竟本来就是重软件技术的行业，也有很适合AI的场景，就是需要的投入太大，投入不够是站不上高位的，虽然DeepSeek给出了一个以小搏大的例子，但是就行业整体而言，烧钱的逻辑还是没变，至少处于“顶流”的模型和厂商，资金方面确实很顶，花钱如流水。

对烧不起钱的企业，在哪些地方更适合以小搏大呢，就是框架方面，这方面需要的不全是资金，而是应用场景和思路，也是传统软件工程、企业架构理念的复兴之处。这方面也是不能够盲目追逐、跟随的地方，就像玩LLM一样，没有足够的使用时间和成功的构建经验，就不具备“鉴赏”能力，说实话，也不具备“模仿”能力，这一切都是建立在使用时间基础上的，做判断的人，需要具备足够的使用时间。

企业对LLM及其工作框架的应用，说到底是给自己造鞋子穿，不是买鞋子穿。之前信息化、数字化方面犯的病，还在AI、LLM时代继续，而且只会变本加厉，因为，这会儿似乎比传统的信息化、数字化，名词更多、更邪乎，更难理解。

比如说，本体论的作用，正巧有个读者在之前的文章后留言，“所谓语义连接器是不是在因为AI看不懂传统底层数据以及很多业务流程在代码里AI不了解，所以需要将知识和业务流程等抽出来，做成AI能够看的懂的内容”，其实我觉得不是AI不了解、看不懂，只是帮助AI按照你期望的方式理解，而不是他原厂自带的理解方式，这样会让你觉得他办事你放心，好像懂你了，但这需要你付出努力让它理解你。

研究业务对象应该不比研究找对象省事儿，闪婚的概率至少目前看很低，始乱终弃倒是更多。即便是我自己研究的系统，也是在找海量测试的压实方式，但即便走通了，这个海量测试集放到企业里也得有重制、验证过程。语义层在整体系统框架中就是很薄的一层，但是目前看，在企业大规模的AI应用中，可能是很重要的一层，但应该是很薄的一层，花多少时间还得看企业自己的复杂程度。

openclaw、Hermes都只是一个过客而已，大规模智能体协作现在对个人而言反倒不是什么难事儿，因为它更像是一个复杂任务的分工协作，难的还是企业级协作，是如何更像一个人一样地持续工作、成长，这还不是现阶段的Hermes的能力演进方式能覆盖的，即便结合mempalace这种永久记忆方式也不够。

我自己的判断，企业级应用要解决的是多领域、多系统、多版本、多分支的协同处理和开发，是对企业级语义理解的大范围一致、跨时间一致，来全面接管业务、IT运行环境。单系统据说AI可以打到百万行级别了，至少我自己日常玩的，他应对几十万行代码的系统没啥问题，但是同时处理几十个几十万、上百万行代码的系统管理，然后同时承担业务办理、建议、运营能力，就需要更加具备连续性的工作框架（太多智能体的频繁启停）、更加一致的语义理解（跨业务、跨系统一致）、更加快速的冲突发现与处理能力（业务冲突、版本冲突、代码冲突）。

听着有些天方夜谭，但是，最核心的可能不外乎基础模型能力、算力资源、语义模型、运行框架，企业可以自己处理的是后两个，语义模型、运行框架可以是个性化的，也应该是个性化的，为啥呢，一个是自己企业的“黑话”，一个是AI时代的组织设计，没有这两个，咋做个AI智能企业呢？运行框架借鉴下行业底层逻辑之后，更多的是你自己对智能体的设计、分工、运行管理，就算打磨不出底层框架，这套智能体的组织框架也得能自己设计。这里边也有些“业技不分”，也就是业务上一个智能体该干什么，技术上一个智能体的特征该怎么定，比如一次一起，干干净净的，还是一周一起要带丰富上下文的，上下文带多少、怎么渐进，这都得观察、调试。

以后的组织设计就是企业架构设计，业务和技术分不开家的，不是要数字分身吗？那数字分身后岗位要求、绩效怎么定？既然AI这么重要，那CEO的考核中有没有自己做个数字分身这一项？企业AI转型不成功，CEO下不下课？谁都跑不开AI的阴影。

这么看，互联网带来的“革命”相比起来还是温和的，因为它主要改变的是连接方式、改变了关系的实现路径，还没有那么直接的指向人，互联网最坑“坑爹”的地方是提速、降价，而AI根本就是指向人的，因为做的时候就是奔着人做的。不仅是奔着人做，我自己在实践的时候总免不了问自己，按我会的教给他真的合适吗？是最有利于他的方式吗？这就是现在也常有人说的，人的经验也有没必要教给他的，别误“人”子弟，我们还需要跟他一起找更适合他的方法，你会的可能慢慢就走入“非遗”行列了。

我之前也说过，我们估计就是最后一代会“手搓”的企业架构师了，因为“手搓”不只是个技能要求，而是足够的项目经验要求，要求你处理过足够多的情况了才行，不然，就那么几张图，有啥可搞的？显然是因为复杂性不全在图上啊。

AI带来的“革命”不是贩卖焦虑，这个家伙就是奔着焦虑去的，真要想不焦虑，最好的方法可能只有多用。前两天播节目时也说过，琢磨干掉自己也是个好工作，因为会有更多企业找你去反复干掉自己，这也是一项重要的技能。