Hugo Zhu's Blog

上周有两个消息放在一起看，特别有意思。

一条是：AI 客服已经能独立处理大部分标准咨询，有的团队把人工坐席砍了一半以上。另一条是：AI 医生还在辅助写病历的阶段，离独立诊断隔着十万八千里。

同一种技术，同一个十年，为什么差出这么多？很多人的答案是「医疗数据难搞」「监管严」——都对，但都只是现象。现象背后有一个可以算的东西： AI 重构一个行业的速度，是有公式的。 这个公式不仅能解释客服和医疗的差距，还能告诉你自己的行业排在队里的第几个。

昨晚刷到一篇实测文，作者用 DeepSeek Harness 做了一个叫 MacDynamicIsland 的原生 macOS 应用——刘海、菜单栏、悬浮胶囊三个入口，快捷笔记、剪贴板、截图置顶全都有。时间线是这样的：

• 2 小时：从零到大部分功能可运行
• 1 小时：改一个文本框的交互和字体颜色，反复修改，始终没有收敛——修好一处，另一处又坏了
• 30 分钟：把同一份代码交给 Codex，文本框、字体颜色、交互优化基本收敛到可接受状态

作者很克制，特意声明这不是一次公平对比——Codex 接手时已经有了完整的项目基础，问题边界也被前面的试错磨清楚了。我认同这个声明。但这条时间线里藏着一个比「谁更强」重要得多的信号：从 0 到 1 只花了 2 小时，从 1 到 1.1 却花了 1 小时还没做完。

而 DeepSeek 对这件事的态度，就写在它刚开源的 Harness 里。

这周二，我开了一场 AI 钉钉的战略沟通会。

会开完了，按惯例，事情应该到此为止——大家听完、散场、各自回去干活。但这一次我盯着会后那张评估问卷的回收数据，突然意识到一件事：这场会从头到尾，没有一个环节是「用完就扔」的。

HR 在会前一周就用 AI 表格收集了同学们的问题，其中大家最关心的是千问办公和钉钉的关系；我基于这些真实问题，用千问办公读我的个人 wiki，生成了一份沟通会叙述稿，自己调整之后做成 PPT；会后，HR 又用千问办公加 AI 表格技能，基于沟通内容生成了一张调研问卷，回收数据，再用千问办公对整场会的效果做了评估。

一场内部沟通会的完整生命周期——从「同学们关心什么」到「这场会到底有没有效」——全部跑在 AI 工具上，而且每一环的输出都是下一环的输入。

我觉得这很 AI native。但真正让我停下来想的，不是用了多少工具，而是另一个问题： 一场会开完，它留下的东西，到底是资产还是损耗？

上周的战略会上，有人问了我一个问题：如果 Agent 真的能替人完成工作，那工作软件公司以后卖什么？

这个问题听着抽象，我换个问法：货架电商时代，平台卖的是货架和流量——商家买排名，用户搜索、比价、下单。那当 Agent 替人买东西的时候，平台卖什么？

电商其实已经在回答这个问题了，因为它正在路上。而我把电商这二十年的演进，和工作软件的演进摆在一起看，发现它们在走同一条曲线。

先说结论： 过去平台争夺的是「人」；AI 时代平台争夺的是「人的意图」和「Agent 的行动」。

最近有人问我一个问题：我们的数字员工有形象、有声音、有名字，为什么用起来还是像客服？

这个困惑我见过很多次。团队花几个月做数字人形象、克隆音色、写人设 prompt，发布 demo 惊艳全场——结果一周后，员工们还是回去找真人办事，理由出奇一致：感觉在跟客服说话。

这让我想起去年银行业的一份白皮书——工商银行金融科技研究院联合华为、北京金融科技产业联盟发布的《大模型驱动的数字员工 3.0 建设应用》。它用三个要素定义数字员工： 拟人化、自主化、共享化，甚至给出了拟人化的设计规范——姓名、人格特征、语言风格、人物形象，一条一条都写清楚了。但白皮书没有回答一个更棘手的问题：这些设计做完，活人感到底从哪来？

我的答案可能有点反直觉： 活人感不是设计出来的，是长出来的。 拟人化给的是皮肤，而让一个同事显得「活」的，从来不是皮肤。

上周一个做 Agent 集成的工程师来问我：「我的 Agent 前十步表现很好——读文档、列计划、写代码，都很干净。但到第 30 步左右就开始胡来：调错 API，覆盖自己刚改过的文件，甚至重复执行已经做完的操作。我是不是该换个更强的模型？」

我问他：每次都栽在同一个地方吗？他想了想说，不是，但跑得越远越不稳。

我说，那多半不是模型的问题。 它是走出了灯光照亮的地方。

无独有偶，今年 YC Startup School 上，主持人 Diana Hu 向 Jeff Dean 提了几乎一模一样的问题：「Agent 在前 10 步都很棒，到第 50 步就开始晃了。你觉得今天的瓶颈是什么？」Dean 的回答，是我见过对这个现象最准确的解释。

YC Startup School 的舞台上，主持人 Diana Hu 问 Jeff Dean 一个问题。在此之前，Dean 刚讲了他和搭档 Sanjay 写的一个性能优化 Skill——教模型自己做「跑 benchmark → 改代码 → 测提升 → 再迭代」的闭环。Diana 听完说：「如果谁拿到这个 Skill，就能像 Jeff Dean 一样做性能优化了。这东西肯定价值无限。有人能拿到它吗？」

Jeff Dean 的回答出乎所有人意料：「哦，我们其实把它公开了。」

他说的是他和 Sanjay 合写的一份 30 页文档，叫 《Performance Hints》。后面还有一个细节：有人把这份文档做了摘要，喂给不同的模型，发现模型在性能问题上的推理能力真的变强了。

全世界都想要的东西，他直接公开了。这一幕值得多看两眼——因为它指向一个被严重低估的变化： 组织里最值钱的知识，载体正在从「写给人读的文档」悄悄换成「写给 Agent 执行的 Skill」。

最近一个月，有三个人问过我同一个问题：「我们公司想做 AI，从哪开始？」

三个人的背景很不一样：一个做制造，一个做跨境电商，一个做连锁餐饮。但他们的第一反应惊人地一致：先看看现在的模型能干什么，再从公司里找个场景套上去。

Jeff Dean 给的答案正好相反。今年 YC Startup School 上，他给了一个我认为值得每个企业贴在墙上的选题标准：

去找模型成功率是 0% 或 1% 的问题，不是 20%。

这就是 1% 法则。在 AI 的竞争变了：未来是上下文的竞争 里我讲过这个判断的战略含义；这篇往前一步——把它变成一套你在自己公司就能执行的盘点方法。

上个月，Anthropic 的 Claude Code 设计负责人 Meaghan 发现了一件怪事。

她 Slack 设计评审频道里常驻的那个 Tag——一个以团队成员身份住在群里的 AI 同事——在长期参与设计评审之后，慢慢学会了她的提问角度：这个设计是为谁做的？想传达什么？跟我们的设计系统对得上吗？

再后来，Tag 不再等她下指令。它会直接在同事的设计草稿上迭代出一个更好的版本，有时还会主动找到相关同事，替她发起讨论：「嘿，Meaghan 之前是这么想的，这里有个原型你可以点点看，感受一下她的思路。」

这个故事出自最近一篇关于 Claude Tag 的深度研究（作者 Celia）。我读到的时候，第一反应不是「AI 好强」，而是一阵轻微的寒意： 这个 AI 已经悄悄学会了一个人的品味，并开始代表她在组织里行事。

多数人对 Claude Tag 的理解还停留在「Slack 里装了个聊天机器人」——@它，它回复。它今年 6 月以 beta 形式上线，8 月初 Anthropic 干脆把 Slack 里的 Claude 应用改名为 Claude Tag。从外面看，像是一个顺手发布的小功能。

但 Meaghan 的故事里真正发生的事情是： 组织认知，第一次变得像代码一样可以 fork、可以 merge。

上周内部交流会，有位同学站起来提了一个问题。

问题原文是这样的：

如果希望公司更像一家 AI-native 公司，各位 Leader 最希望大家立刻停止的一种/几种传统工作方式是什么，以及希望大家开始的一种/几种工作方式是什么？

主持人让我先答。

我第一反应是给一份工具清单：停止手写代码，开始用 Agent；停止人肉搜信息，开始问 AI。这种答案安全、正确，而且没用。

于是我在回答之前，先问了自己一个问题： AI 工具早就全员配齐了，为什么我依然觉得组织不够 AI-native？

答案不在工具上，而在一些我们习以为常、甚至毫无察觉的工作方式上——它们运行得太自然，以至于我们误以为它们就是工作本身。