说实话，现在AI行业有点群魔乱舞的感觉。
从提示词工程到上下文建设，从MCP skills到Open Claude，再到最近的Hermes Agent——三天两头冒出一个"版本答案"。上一个是终极方案，下一个又是，搞得从业者很焦虑：不学怕落后，学了又怕白费。
坦白说，很多所谓的"新东西"，不过是在前人基础上做点包装优化。就像"养龙虾"——所谓的Hermes Agent，不就是让模型记住你的背景、习惯、上下文？我自己用Open Claude就在做类似的事。
但问题来了：上下文不可能无限加。
模型窗口200K又怎样？真堆到160K，准确率和稳定性早就大打折扣了。无脑加信息，最后可能是个废的系统。
做减法，才是正道。
就像人的注意力机制，无论脑容量多大，总量始终有限。AI的演进思路一直在模仿人类感知世界的方式——裁剪和压缩，什么时候开始都不晚。
我觉得没必要追每一个新热点。出来一个东西就扑上去喊"版本答案"，真的没必要。
真正能落地、产生价值的，至少要等半年验证。理论到实践的距离，从来都不短。
特别是管理者，别因为怕掉队就带着团队盲目冲锋。创新的成本是要付的，但什么时候做什么事，得看当下的环境和机遇。
说到底，AI很强，但别太急躁。沉下心来打磨产品和服务，比追热点实在多了。
以下是口述原文：
我觉得现在 AI 行业有点群魔乱舞的感觉，三天两头就出一个新东西。上一个新技术还没捂热，可能下一个替换的就出来了。
比如说，现在不管是所谓的提示词工程 Prompt，还是到后面的上下文建设、上下文压缩，还有到 MCP skills，以及前段时间最火的 Open Claude，现在又出来一个 Hermes Agent。循环不断，一个接着一个。有些可能是新瓶装旧酒，有些可能是在前沿基础上做一些包装、升级优化，带来一些新东西。
但不管怎么说，我感觉现在这个行业变革或者说这个赛道、这个新技术本身还在摸索阶段，没有一个定论的东西。所以就会造成这种三天两头出来一个新东西。对于熟悉它的人，也就是从业者来说，就非常焦虑。你出来一个新东西，我不学可能就怕落后。谁知道它会不会就是那个终极答案呢？不敢赌。
所以我觉得现在这种状态是有点问题的，不断地浪费时间在一个接着一个工具或者技术的学习迭代上，可能中间很多都是无用功。包括现在这两个星期刚出的 Hermes Agent，我自己用 Open Claude 就在做类似的事情。我用 Open Claude 的时候，就是让它记住我的上下文，每天基于我的 Session 自己去提炼、蒸馏，形成一些固定的知识，然后加强自身。每天从我的对话里面概括出我的一些习惯、爱好、准则，形成自己的一些内容。然后在每次加载的时候自动加载，确保它下次记忆，重新打开一个新绘画，它还能有这方面的记忆。
我自己也在做，只不过这个 Hermes Agent 可能把这个包装成了一个比较规范的产品。我相信所有使用 Open Claude 的人都在做类似的事情，就是所谓的"养龙虾"，不就是喂它更多的语料信息、上下文背景等等知识，让它记住嘛。
但是这里面有个问题，就是它不断增长的一些信息内容，其实并不是像真正你本质上并没有这个所谓的 Agent。它并没有真正理解你的世界的知识，它只是把这个文件录入系统了，下次加载上下文它可以加载进去。但是上下文虽然你现在已经涨到 200K 了，它始终还是有限的呀。当然这里面有个和谐统一的点，就是矛盾统一的点，就是可能围绕我们个人的背景知识、上下文知识，可能不需要 200K 这么多。所以当前的窗口最大值是有可能可以满足我们的需求的，这也是一个方面，所以也不能说它没用。
但是随着这个越增加越多，虽然模型上下文是 200K 最大值，但是你不可能达到 200K 最大值还能工作。你有可能达到 160K，了不起你还能保持原来的 80% 的效率和准确度。实际上你达到后面 100 多 K 的时候，你的准确率、稳定性可能就大打折扣了，那有什么用呢？你无脑加的这些上下文就是你不能保证它可用性了，那它本身的机制其实就是到了这个阶段的时候就是废的。这也是其中我觉得是一个问题。
还有我觉得每出来一个新新的技术或者新的所谓的热点、爆点工具或者解决方案，我们其实没有必要急着就扑上去说这个就是 AI 的最终答案，我觉得为时尚早。你看 Open Claude 这种形式出来的时候，大家都觉得这种就是真正落地的。你现在回过头来发现，你真正其实包括你这么多人养龙虾，它真正能帮你的其实是很有限的。包括你自己实际使用过程中，当成一个玩具龙虾没问题。但实际上你一个龙虾玩具玩着玩着你就会有厌倦感，它真正能不能融入你日常工作生活里面呢？
我们现在做精分服务的时候也很苦恼。我们做的东西，比如说项目组的同事不用，那我们就想着你不用，那我能不能把服务做到你的关键路径里面，你每天必须做的事情里面必须用到我。有些场景它就是可以这样做。我们现在有些场景就做到了，比如说你每天要收集数据写日报，那我现在就有一个自动化的东西帮你收集好数据，或者帮你很方便地做好这个数据收集的工作，那这个就是关键路径。那你龙虾现在有没有什么关键路径，是一定这个人一定要使用的呢？原来是说没有关键路径，那我创造关键路径。
关键是很多时候需求是要解决人的实际问题，创造需求可以，但是是使用者创造需求，而不是你工具创造需求让使用者去使用，是吧？这个逻辑可能搞反了，我觉得这是要区别开的。包括你现在基于龙虾做了很多所谓的日报、监控等等。如果你本身每天原来没有龙虾的时候你就在做的，那现在有了，那确实它是可以帮你解决问题了。但是实际上我们很多所谓的这种需求本来就是可有可无的，或者没有更好，有也行，没有更好。但是它有没有，其实根本不影响你做事情的判断，多录入这点信息根本就无关紧要的。那其实是不是说就没必要呢？因为你多录入的这点信息又没有产生必要的价值，那不就是垃圾吗？是吧？有的时候我们说有或者没有无关紧要，那还是有吧，那就是没有做减法嘛，是吧？我们经常说人生要做减法，工作要做减法，就是因为你噪音太多了，上下文噪音太多了，你要不断地做减法，对上下文进行裁剪。我们人也是要通过做减法来进化的。
你可以说现在的模型还没发展到必须做减法的阶段，但实际上，目前模型的演进思路一直是在模仿人类接触和学习世界的方式，也是在教模型如何感知世界、进而影响世界。我觉得裁剪和压缩上下文，什么时候开始都不算晚。
-
资源限制与压缩：即便人类增长寿命或增加脑容量，也不影响我们对上下文信息进行压缩和精简。因为无论你怎么扩容，总量始终是有限的。
-
注意力机制的本质：所谓的"注意力机制"，人本身就是这一机制下的产物。这就是为什么《Attention Is All You Need》这篇论文能解决这么多问题，因为它抓住了人类特性的本质。
你可以回想一下，现在的日常工作、生活和学习，是不是都是基于注意力机制下的动作行为？
正如我昨天的文章提到的：AI 虽然很强，但如果你根本没有注意到、没有意识到它可以这样用，或者在某个方面需要用到 AI，你就不会产生好的结果。AI 的存在和出现，也就根本不会对你产生作用。这本质上也是一种注意力机制带来的影响。说了这么多，我最后再补充一下：我觉得我们没必要一直去追这种新技术、新热潮，还是要沉下心来慢慢打磨产品或服务。
你可以关注，但没必要在它刚出来时就觉得这就是"版本的最终答案"。版本答案哪有那么容易出现？是不是真经得起验证，至少要等半年，真正能在业务落地并产生应用价值，才能下结论。
现在很多东西刚出来，什么都没有，只是一个思维方向。思维方向上"应该这样做"能产生效果的路径多了去了，但理论落地到实践并产生价值，是有很长距离的。如果只靠理论就能解决问题，那人类早就冲出太阳系了。科学理论上早就有冲出太阳系的方法，但实际落地能实现吗？实现不了。
我觉得这是一个道理。在 AI 时代，AI 固然很强，但真的不能太急躁。出来一个新东西就觉得能通杀一切、是版本答案，这没必要。
特别是我们的管理者，最怕的就是盲目让大家一起冲新东西。管理者可能也害怕自己掉队，害怕做不出新东西。这种场景下，对于进取型管理者来说有利有弊：
- 利：可能真的可以基于此做出新东西。
- 弊：可能会做非常多的无用功，导致团队反复折腾，浪费各种资源。
这可能也就是一些创新的成本吧。但在某个阶段该做什么事情，是跟当前的历史机遇、背景以及团队所处的环境有关的。我觉得不能太激进，反正现在给我的感觉就是有点太激进了。