8 posts tagged with "Agent 认知"

AI Agent 产品的中间区域放什么，它就是什么产品——布局即定位。

• 核心观点：中间放 chat、主工作区还是 artifact，决定了产品类型
• chat 居中派：ChatGPT / Claude.ai / Perplexity，chat 是产品本身
• chat 置右派：Cursor / Windsurf，主工作区是产品，chat 是辅助
• 工作区居中派：Devin / Manus / v0，artifact 居中，chat 是命令面板
• 判断标准：用户操作什么、产出什么、中间是输入还是输出
• 设计反问：你想强调什么，就把什么放中间
• 调布局成本：布局一旦定，所有功能都会被它框住，改一次代价巨大

AI 时代浏览器的角色正在反转 —— 过去三年「把 agent 塞进浏览器」（agent in browser，AI 浏览器）这条路线已经被验证为死胡同，OpenAI Atlas 不到 10 个月就宣告停服；新范式是「把浏览器塞进 agent」（browser in agent，内嵌浏览器），浏览器作为 agent 的工具组件存在。

1. 范式反转：浏览器在 AI 时代从「容器」降级为「工具」。
2. 根本原因：用户心智太窄，必须先有想法才打开浏览器；而 agent 时代用户常驻的是 agent。
3. 新范式优势：browser in agent 把浏览器变成按需工具，避免了独立 AI 浏览器的心智负担。
4. 规律可推广：不局限于浏览器，凡是「agent 接管传统软件」都跑得通，凡是「独立 AI 垂直软件」都可能会重演 Atlas 结局。
5. 趋势结论：用户的工作流以 agent 为中心，传统软件是被调用的工具。

2026 年 AI Agent 的真正主战场不在 ChatGPT 这种对话框里，而在用户的桌面端 —— 直接接管点击、视觉验证、本地长 workflow 的能力，云端 Agent 暂时做不到。

1. 方向转向：桌面端 Agent 率先爆发，2C 侧先于 2B，传统桌面软件进入"回光返照"窗口期。
2. 核心优势：千人千面 + 极低使用成本 + 极低试错成本，云端 SaaS 不具备这种灵活度。
3. 战场转移：Agent 取代的第一步是人在桌面的操作：点击、视觉验证、多软件长 workflow。
4. 演进优先级：先跑通本地流程，云端 SaaS 那些传统优势后做再说；本地 + token key 已足够跑 MVP。
5. 结论：个人 PC + AI 是 2026 年最被低估的应用形态，性价比远超云端订阅。

Anthropic 的真正危机不是模型能力，而是商业模式——一手收客户的钱、一手偷客户的数据和 IP，等模型足够好那天，企业就会发现这是一笔血亏的交易。

1. 指控核心：提供模型的公司会变成你的竞争对手，Figma、Cursor 都被吃过了。
2. 老剧本重现：微软靠 Windows 垄断吃掉合作伙伴、Google 用搜索流量做自家页面、OpenAI 在 YC 撒钱偷创新。
3. 成本测算：实测用最强开源模型替代 Anthropic，成本降 90%+，代价只是慢 3 倍。
4. 关键窗口：6~12 个月，开源模型一旦越过能干活的门槛，闭源巨头就被绕开。
5. NVIDIA 转向：英伟达模型免费送、靠芯片赚钱，帕兰提尔 + 英伟达 = "主权 AI" 已经在跑了。

三个原因：

1. 信息爆炸：AI 一次吐出的内容远超人能消化的密度，配图塞满模块，看完记不住结论。
2. 宏观对、微观不对：大方向常对得上，细节总差，要反复打磨 prompt。结合上条放大了消耗。
3. 承担更多：AI 让原本不归你干的事也变成了你干的事，加上行业卷效率，总量更大。

三个缓解动作：

1. 加密度上限：配图任务要求"一张图最多 3 个元素"，超出就拆。
2. 前置成功标准：每个 AI 任务先写一句"我需要什么具体结果"，再开工。
3. 明确责任边界：AI 干哪些、你干哪些，不因为 AI 能干就揽过来。

面试官三轮的真实考察点，不是会调 API。

1. 一面（项目深挖，70 分钟）：从短期记忆到长期记忆、从成本控制到模型选型，全程追问项目细节，无八股文
2. 二面（系统设计）：从 0~1 搭一套商用 Agent 系统，边画架构图边追问落地细节
3. 三面（认知面/定级面）：聊赛道判断、个人差异化、1-2 年内行业瓶颈预测
4. 面试官要的不是会调框架的人：要的是做稳定、做可控、上线不出事的人
5. 新人别只写 demo：先把 token 机制、注意力机制这些底层搞清，再做有工程细节的完整项目

软件开发范式的底层逻辑变了——从瀑布到敏捷再到 AI 开发，不是在改进旧流程，而是把整个开发流程替换掉了。

• 瀑布模型：靠前期规划，像从零攒一辆摩托，上线那天才知道对不对
• 敏捷开发：靠快速反馈，从滑板迭代到摩托，但每一步仍然要人写代码
• AI 开发：靠意图表达，你描述要什么，直接给你成品摩托
• 核心转变在于驱动力的迁移：Plan → Feedback → Intent
• 效率提升不是"AI 写代码更快"，而是消灭了中间的等待和沟通成本

别再把 AI 当成"更快的程序员"——它在替换开发流程本身，不只是加速写代码这个动作。