KernelCAT 林志航：做能真正掌控你電腦的智能

OpenClaw 爆火的第二天，我們坐在了智子芯元的辦公室里，聽聯合創始人林志航分享他們的新產品 KernelCAT。

KernelCAT 是一款本地運行的 AI Agent。

在林志航看來，今天很多 AI 產品的交互方式仍然是為人類設計的。GUI、按鈕、菜單，這些都是為了讓人更容易操作計算機而發明的。但計算機誕生之初并沒有這些界面，只有 terminal。在那個世界里，人們通過一行行指令直接與機器對話。

「當一個系統已經可以完全由 terminal 控制，」他說，「為什么還要再給它做 GUI？」

KernelCAT 的起點正來自這種想法：不是把 AI 嵌入一個產品，而是讓它成為能夠掌控電腦的智能體。

當材料只存在于你的電腦里，當文件、代碼和環境都只在本地存在時，再強大的模型也無法真正理解你的世界。只有在這臺機器上運行的智能，才能進入這個上下文。

于是 KernelCAT 試圖做一件更極端的事：讓 AI 直接操作電腦。

很多頂級程序員至今仍然在 terminal 里工作，因為那里更直接、更接近計算機本身。林志航覺得，AI 也應該擁有屬于自己的工作方式。

智子芯元一直在用 AI 做計算加速。在來上海見真格之前的飛機上，林志航正在讀《人類群星閃耀時》。書里寫到斯科特遠征南極，他離開溫暖的家和剛出生的孩子，向地球最后的未知之地進發。

他們做了周密計劃，卻仍被風暴、嚴寒和無盡的冬夜拖垮。斯科特最終抵達南極點，卻發現那里早已插上他人的旗幟。返程途中，體力耗盡，世界只剩白茫茫一片。

他沒有抱怨，只在遺書里給妻子寫道：「關于這次遠征的一切，該怎么和你說呢？」

它不知比坐在舒適的家里要好多少。

同一天，林志航在自己的備忘錄里寫下：「我們的目標是人類無法觸及的算子?！?/p>

或許這一路會日夜難安，也許在盡頭會看到他人先一步插下的旗幟，但這場探險本身的每一刻都彌足珍貴。

繼續向未知之地挺進。

KernelCAT

Q：設計 KernelCAT 的靈感從何而來？

林志航：KernelCAT 被設計之初是為了做計算加速，在這個過程中我們主要在賦予 AI 一些運籌優化的能力。我們設計時發現，這些能力如果真正釋放出來，在其它領域也會有巨大潛力。

很多特性的增加不是憑空想出來的，而是跟著用戶真實的使用需求去演進。就像我寫代碼的時候，常常同時改三個不同位置的代碼，它們各自承擔不同任務。那對應的就是我給 KernelCAT 一個特性「同時在多個 workspace 工作的能力」。

很多時候我們是先觀察自己。畢竟我們自己既是開發者，也是第一批重度用戶。我們會反思自己的使用方式，把它們逐漸體系化。慢慢地，KernelCAT 一個很核心的目標是想看看非技術同事會怎么用這個產品。

Q：有用出來什么好玩的 case？

林志航：我意外發現大家對整理文件夾的需求特別強烈。

我一直很相信 AI 的底層能力。如果一個 AI 產品的第一步是讓你先選擇一個工作區，本質上是在假設：你已經提前準備好了一個文件夾，里面放齊了所有任務材料，然后再讓 AI 開始執行。可現實是，如果我真有這么一個文件夾，我的工作大概率已經沒有那么痛苦了。

就像我這周出差報銷發票。如果我已經把飛書、郵件、微信里所有發票都整理進一個文件夾，那后面的事情也不需要 AI 了。

這有點像做飯。最累的是前期備菜，可能要花三小時，真正下鍋只有一小時。AI 要解決的恰恰是那三小時。

KernelCAT 有個我們之前沒預料到的能力：它能處理那些命名混亂、格式雜亂的發票。理論上，如果所有發票都用清晰的自然語言命名，當然容易。但現實往往是一串隨機數字。但 KernelCAT 會自動獲取你電腦里的材料作為參考，各種格式都能處理。

Q：設計 KernelCAT 有什么不一樣的視角？

林志航：AI 和人類的結合要到什么程度？

10% 是結合，100% 也是結合。在計算加速這條線上，很多人都在做類似的事。不同之處在于，我們可能更極端。我們想走到 90% 以上。

我們和華為官方一起發布過一個成果，適配的模型是 DeepSeek OCR 2。我們用了 38 分鐘，把它從一臺機器適配到另一臺。全過程我們只輸入了一句話：「把這個項目適配到這臺機器上?！?/strong>

然后按回車。

接下來就是等待。

每一個團隊都在不同切面上做自動化。我們設計時更愿意考慮「如何把控制權完全交出去」。

在我組建新團隊的時候，對這種信仰的要求變高了。三年前找「相信 AI 的人」很難，現在找到聲稱「相信 AI 的人」變簡單了，但找到「真正相信 AI 」的人依然很難。就像讓你不系安全帶，上一個從沒坐過的司機的車，然后完全相信他。大概就是這種難度。

AI 帶來的生產方式變化太大，大到我們這種自認很懂 AI 的人也會跟不上。很多產品會說「每一行代碼都是 AI 寫的」。我們會更極端——KernelCAT 第一版是 AI 設計的，UI 也幾乎由 AI 完成。

Q：這個發現是在意料之外？

林志航：更準確地說是情況之外。

我們昨天在討論 KernelCAT 下一次迭代。有同事提出一個問題：有些命令執行本來就需要超過 10 分鐘，但我們現在給 AI 的單次執行時間上限是 10 分鐘，會超時，該怎么辦？

如果是傳統產品思維，我大概會延長超時時間。但在 AI 時代，我們完全換了一種方式。

我們給了它兩個能力：第一，創建后臺任務的權限；第二，讀取后臺任務輸出的權限。

假設是一個下載任務。人類如果等了 10 分鐘沒進度，可能就會中斷它。如果只是簡單把超時時間延長到 30 分鐘，問題仍然存在。相反，如果把它放到后臺，讓它周期性讀取進度，每 3 分鐘檢查一次，如果連續幾次沒有變化，它會主動終止；如果已經下載 80%，即使超過 30 分鐘，它也會判斷值得繼續。

我們解決「時間不夠長」這個問題的方法和時間本身無關。我們只是給了兩個能力，它自然就解決了。

今天下午我們還在討論并發探索。它可以在后臺同時開啟三個任務，通過讀取三路輸出實現并發。我們的邏輯一直很簡單：給它足夠 native 的能力，它通常能做得比我們預期更好。

我們很少限制 AI 的行為。我們更傾向于在可控邊界內給予它充分權限。它會努力做得更好。

我是 AI 降臨派。諾亦騰創始人戴若犁博士曾發過一條朋友圈：「如果有一天 AI 統治人類，在萬人坑上，最上面、坐北朝南曬得到太陽的，一定是我們這些曾為 AI 做過貢獻的人。」

一個激進的降臨派

Q：為什么會是降臨派？

林志航：我是一個堅定認為 AI 會比人類更聰明的人。

我的編程能力不算差，現在如果我說 AI 編程已經比我強，大家也不會意外。一年前我就這么說過。那時候人類和 AI 像我們在比賽跑步——如果它跑得更快，我們就開始強調別的能力，比如規劃路線、決策策略，把比賽規則往體力之外的方向去定義。

可這不代表人類更聰明。只是因為現有的工作環境是為人類設計的。

很多時候，人類之所以看起來更強，是因為被放在了一個更適合自己的環境里。環境是人類設計的，工具是人類設計的，流程也是人類設計的。如果在這樣的環境下你覺得 AI 不夠好，那不能說明你更聰明。

換個環境就未必了。就像如果把我們丟進一個完全為盲人設計的世界，我們未必生活得比 AI 好。

我甚至覺得，現在很多工程軟件和系統效率低下的問題，本質上都源于人類不夠聰明，包括我自己。我常常會因為自己的愚蠢而感到疲憊，但 AI 不會。

Q：在什么瞬間會有這種想法？

林志航：寫代碼的時候經常有。

如果某一天，全世界所有車瞬間都變成 AI 自動駕駛，人類完全不用參與，你信嗎？

如果真的能一次性全部替換成自動駕駛，而且已經是 L4、L5 級別，我相信是夠用的?，F在自動駕駛要處理很多復雜場景是因為它在和人類一起開車。它需要預測人類的錯誤、防御人類的猶豫、對沖人類的不穩定。如果是一個純 AI 的系統，規則會簡單很多。

我的第一份工作在好未來。那一年我拿了集團唯一一個最高績效。因為我做了一個新的技術框架。在很多大公司里，晉升往往依賴搭建新的規則。于是這個世界上就有了很多奇怪的框架。

我受益過，但我不喜歡這種體系。

就像 FPGA，它本質上是用軟件去定義硬件，理論上可以變成任何結構，非常酷?？伤恢辟u得不好，其中一個原因是，人類寫不出足夠好的代碼。如果沒有足夠好的編程語言幫助我們，它就像給你一張復雜到看不懂的地圖。

F1 是最快的車，但它難開。如果未來自動駕駛已經可以把 F1 開好，那這個世界為什么還需要家用車？現在車的形狀本質上是為了保護人類的不穩定。很多科幻電影里的車不是為了讓人安心設計的。未來，也許滿街都是 F1 型的機器。

Q：所以你希望打造更適合 AI 的工作環境。

林志航：對，這幾乎是我們唯一重要的事情，其它都只是邊角。我們在做的是運籌優化。更準確一點，是為 AI 創造一個更原生的工作環境。

Q：這 7 個月為什么決定換成這種形態？

林志航：我們一直在用 AI 做計算加速，我們希望硬件能不受軟件約束，設計更第一性，軟件都由 AI 來寫。就像車，如果不考慮人類駕駛，輪子的設計、轉向機制，都可以完全不一樣。現在很多設計本質是為人類能力做妥協。

Q：你怎么判斷什么是有價值的？

林志航：看人類是否需要它，以及需要到什么程度。

在我看來，價值分兩種：優化性的價值和顛覆性的價值。

不要做錦上添花的東西，也不要做太顛覆的事。要像左暉做鏈家那樣，他第一天就想做大平臺，但做不起來，于是先在線下打透，再回來構建平臺。

我們做計算加速也是一樣。問題在于，使用芯片的人不夠聰明，包括我在內。我們寫不出足夠好的代碼，所以芯片能力沒有被釋放。也不是我們做錯了什么，是智力就擺在這了。

我們在想，如果用 AI 替代我們去寫計算加速的軟件呢？

我相信那會是完全不同的一種光景。

如果豆包開源了，你會做什么？

Q：面試時會怎樣保證技術價值觀一致？

林志航：第一個問題是：假設明天豆包開源，你可以做任何事情，你會讓它做什么？

這里可以替換成任何一個當前主流 AI 的名字。如果回答只是「再做一個類似產品」，那太沒意思了。我還沒聽到讓我特別滿意的答案。

第二個環節是技術驗證。我們做算法加速，會給面試者一個題目，讓他用我們的工具寫一個算子。前后端都一樣，技術崗都要寫。我們會看他的操作 history。

第一層看能力。第二層我們問：你覺得我們的產品怎么樣？有今天的智能程度，人類還能為 AI 做什么？

最后一個問題：你認為最強的 AI 是什么？

Q：如果豆包真的開源，你會做什么？

林志航：我發現我現在已經答不好這個問題了。因為我心中的答案已經在做了。

Q：為什么把自己定義為極端？

林志航：「支持不絕對，就是絕對不支持?！?/p>

我覺得這句話放在這里也成立。你要做偉大的事情，如果不極端堅定，大概率做不成。當然，極端的想法不等于極端的行為。

就像之前教我們的俄羅斯合伙人打麻將，他是 IMO 金牌得主，特別會算，一整晚幾乎每次都是第一個胡。但他從來不胡大牌，最大的也就是門清自摸。

我問他為什么不沖更大的牌？他說那些玩法收益波動太大，競爭激烈。他的策略是：通過放棄極端選項，降低計算復雜度，保證自己穩態最優。

我恰恰相反。我是放棄那些平衡、穩妥、看起來合理的選擇，把空間壓縮到極端路徑上。

他的 action space 是通過「減法」變簡單。我的 action space 是通過「砍掉中間狀態」變純粹。

想要做一個偉大的事業，你如果內心不夠堅決，很難走到最后。

產品背后是一只控制它的小貓咪

Q：產品今天的形態有受哪些經歷啟發嗎？

林志航：有一個瞬間影響了我們未來五年的決定。

當時和真格的鐘天杰在上海吃飯，我們討論為什么不該給 AI 設計一個 GUI 操作系統。

我當時說，計算機誕生的第一天是沒有 GUI 的，只有控制臺。既然如此，使用 terminal 的 AI 能力下限應該是那個時代的人類在 terminal 里能做到的一切總和。

如果它已經可以完全由 terminal 控制，你為什么還要給它做 GUI？

GUI 本質上是為人類設計的。很多頂級程序員其實并不用 GUI，他們仍然在 terminal 里工作，還寫得非常強。我不鼓勵這么極端的方式，但這件事本身說明：PC 是為人類設計的，不是為 AI 設計的。

AI 應該有自己的使用方式。從那天起，我們就開始往一個方向推：讓 AI 真正一往無前地往前跑，不再被人類的交互框架束縛。

你未來看到的很多產品，表層都會趨向「可用」「好用」「好看」，因為它們要面向人。但底層真正的智能可能只是一個控制它的小貓咪。

Q：假設五年后我們再對談，你會設想一個什么樣的場景？

林志航：我覺得人類的思想會被交互方式塑造。

當你坐在電腦前，你天然進入生產力場景；當你用手機打開 AI，就偏休閑一點；如果是在抖音里用，那就更娛樂。人們并沒有把很多 AI 產品當成真正的生產力工具，而是把它當成娛樂工具，或者非常有限的生產力輔助。這不是能力問題，是交互問題。

不同的交互形式會改變人類對 AI 的預期。

我們觀察到，同一個產品在電腦端和手機端收到的 query 完全不同。你在手機上發出的消息更探索性、更隨意；在電腦上，你會想很多、組織很多。哪怕是同樣的任務，你給 AI 的 prompt 都會完全不一樣。

OpenClaw 之所以火，一個客觀原因是它給了 AI 一個機會——即時通信的文本輸入。人們在 IM 里發出的內容往往非常自然、非常真實。這種輸入給 AI 的發揮方式很大。

相反，如果你給的是一個被框住、極度規范化的輸入，你不要指望 AI 有太大空間。

現在的教程都在教人如何把 prompt 寫得更清晰、更規范。但那些真正有創造力的輸入不會是被框限出來的。

Q：就像大家現在很喜歡 Typeless 這種語音輸入，也是新的交互方式。

林志航：我講個故事。

我之前做醫療大模型「華佗」。剛畢業那年，我得了嚴重腱鞘炎。有個很久沒聯系的朋友突然問我：「好了嗎？」我說：「感謝 AI?！顾詾槭轻t療模型幫我治療。我說不是，是它幫我寫代碼了。

后來前幾天腱鞘炎又復發了。因為我現在和三個 AI 一起寫代碼。雖然它們幫我寫，但我同時要和三個對話，打字反而更多。換成 AI 讓我的腱鞘炎復發了。

天杰給我推薦了 Typeless。我試了一下，確實很好。但問題是，我還有慢性咽炎。接下來我可能就得看看腦機接口的項目了。

這個故事剛好對應三個階段：

第一階段，AI 幫助人類；

第二階段，AI 變快了，人類被迫跟上；

第三階段，人類開始擴展自身接口。

我覺得我做不了更快工作的原因不是因為我不會想，而是我的 IO（輸入/輸出）太慢。打字慢，讀得慢，輸入輸出都有限，再快就開始打錯字?，F在有點像是 AI 在鞭策人類升級自己。

Q：為什么 Anthropic 會是最好的？

林志航：Anthropic 有種感覺，你會覺得他們想做成什么，就一定能做成。我還不知道他們怎么做到的。

有人問我為什么不去做大模型。我說做大模型很無聊。要訓練一個頂級模型，只要有資源和錢，未必做不到。但我做不到的是，建立一支可以持續領先且不靠抄別人也能領先的團隊。

Q：你用 Anthropic 有什么 wow moment 嗎？

林志航：沒有。但如果一家公司在你心里地位這么重，卻從未有一個 wow moment，那意味著它不是一次驚艷，而是持續地強。

人生或許不敵預期，但更精彩

Q：剛才聊到轉型的陣痛，你有任何類似的經歷嗎？

林志航：我本科是重慶理工大學，一個雙非院校。在創業，尤其是在 AI 圈子里，我認識的幾乎每個人學歷都比我強。

當年我放棄了北航的自主招生名額，去了這所學校。因為我通過比賽拿到的那個名額，只能選民用飛行器設計專業，而且是從本科讀到博士，路是被鎖死的。那是代價。

但我初中就開始寫代碼了。程序員很早就是我的人生夢想，所以我放棄了那條路。

從雙非本科到好未來，又正好遇上雙減。后來創業有過突破，但也沒有達到預期。很多投資人問我：「你一路走來好像都挺順的，會不會有一天遇到挫折，一蹶不振？」

我說，過得順，是結果。

Q：是什么機會初中就開始編程的？

林志航：電視怎么發光？怎么顯示畫面？聽起來很復雜，但你往下拆，最后不過是三原色的組合。燈也是一樣，看著復雜，本質不過是發熱發光、通電激發。工程機械也是，百噸級的設備看起來夸張，底層不過是內燃機、活塞、齒輪放大了規模。

你可以講材料學的細節，講工程優化，但原理是很簡單的。它用了更強的材料、更大的結構，但邏輯沒有質變。

只有計算機，我沒辦法講清楚為什么它能工作。

1 + 1 = 2，計算機是怎么做到的？你們現在能完整解釋嗎？即使是現在的我也要查些資料。

它對我來說是無法拆解的東西。我學它是因為我想理解它，沒有什么宏大敘事，只是想搞明白。

后來 AI 出現了?，F在的小朋友，已經能覺得「計算機也沒什么了不起」，但他們完全無法理解 AI 為什么能有智能。每一代人都會遇到一個無法拆解的東西。

如果你問我，為什么要有人工智能？我最近很喜歡用一個概念去解釋：lossless compression（無損壓縮）。

你用 Python 生成一個一億位的隨機數。你怎么把它帶走？最簡單的方法是把生成這串隨機數的代碼帶走。如果這串數字足夠長，真正有價值的不是那一億位數字，而是生成它的程序。程序比數字更短，但包含了全部結構。

壓縮到極致，最后留下的是規律。

所以有人說，智能本質上是一種壓縮能力。當你能用更短的結構去表示更復雜的現象，你就在逼近智能。這是我見過最優雅的解釋之一。

Q：真遇到一個小朋友，你會跟他怎么解釋 AI ？

林志航：我講不明白。

Google 有道有名的面試題：「如何向你奶奶解釋搜索引擎？」

有一次我真的去跟我外婆試著講，講不通。后來我去看那些所謂的優秀答案，發現它們有個下限，對方至少得學過初中數學。所謂「講清楚」是有前提的。

Q：你怎么有的創業想法？

林志航：每一代人有每一代人的使命。我覺得用 AI 做計算加速是我們這代人的使命之一。

假設有一天我們把這件事真的做成了，很可能下一代人會覺得我們是垃圾。他們會說，你看這家公司還在用 AI 去寫計算硬件的軟件，這思路太落后了。在他們看來，我們現在這一套也許就是過渡階段，是「too old too slow」。

我們現在溝通的時候發現，越資深的算子工程師，越不相信我們在做的邏輯。反而是一些 CEO 或站在更宏觀視角的人，會更容易接受。

這很正常。你想象一下，你發明了自動紡紗機，然后去找織布最快的那個人演示。他可能覺得你是垃圾。他會說，我已經夠快了，你能幫我多少？如果你去找國家級非遺傳承人講這個機器，他不打你都算客氣。但如果你去找廠長講，就不一樣。

將來可能也是一樣。當更強的智能出現后，人們會覺得現在的路徑根本不對。也許他們會說，為什么還要軟件去調度硬件？為什么不能直接在芯片上內嵌 AI，由芯片自己完成調度？

到那個時候，我們又落后了。

一代人終究會被淘汰。我的思考能力可能也只能到達當前這個階段。下一代人會跳得更遠。

我很早看過一本書叫《浪潮之巔》，里面講了一個話：「要在老糊涂之前退休?！?/p>

Q：藝術里面有個詞叫 unlearn，就是說你要把你學過的東西忘掉，那是不是現在做這些就是得忘掉一些東西？還是就忘不掉？

林志航：LLM 的 unlearning 正好是我研究過的方向。

你會發現，unlearning 和 forget 是兩回事。假設一個模型訓練于 1990 年，那時蘇聯還沒解體。到了 1993 年，現實已經改變，你怎么讓模型「忘掉」原來的世界觀？

覆蓋數據是不夠的。因為某些敘事占據了它大量訓練比例。我做著做著會覺得這個問題非常難。也許真正的 unlearning 本來就是人類做不到的。

與其強迫自己忘掉，不如在還記得這些東西的時候，保持開放。

Q：剛才提到打開一個 AI 產品是有預期的，我們應該對 KernelCAT 抱有什么預期？

林志航：我們現在的出發點是基于算子，把 AI 和程序化能力結合起來做產品。但當有一天我們發現，這個產品擁有更大的智能空間，我們可能要重新定義它。

我們現在有個草稿式定義：它是一臺能真正掌控你電腦的智能。

我們不太想從「它能做什么」去定義，而是從「它如何存在」去定義。它的形態是一個可以操作你電腦的智能體。至于它能做什么，那由用戶自己去想象。材料只存在于你的電腦上，哪怕一個比我們厲害得多的寫作者，沒有訪問權限，也無法重構那段內容。

所以我們會強調，它是在你的電腦上運行的智能。

混亂中長出生命力

Q：你希望未來別人會怎么描述你的團隊呢？

林志航：我來上海見真格之前，在飛機上讀了《人類群星閃耀時》。其中有一章《征戰南極》，講的是英國探險家斯科特。

他出發去南極時，孩子剛出生。他還是選擇遠征，去地球上最后一個無人占領的區域。那意味著嚴寒、風暴、極夜。后來他們確實抵達了南極點，但死在了返程途中。

在一片白茫茫的原始世界里，燃料耗盡，只剩凍死或餓死兩個選項時，他選擇體面地面對死亡。他在給妻子的遺書里寫，甚是懷念家里的火爐和孩子，但接著又說：「關于這次遠征的一切，我該怎么和你說呢？它不知比坐在舒適的家中要好多少！」

我覺得創業也是這樣。如果只是為了錢，沒有必要創業。

這個故事最美妙的地方在于，斯科特的起點是成為第一個征服南極的人。但他不是第一個。第一位是挪威人阿蒙森。

人類歷史上大量先進的計劃死在了路上。比如現在又火起來的 RISC-V。RISC-V 當年并不是因為不先進而失敗，是市場競爭輸了。后來時勢變了，它又被重新提起。

智子芯元也可能會死。我對這個無所謂。做計算加速這件事，有人把我們先打敗了，我也會高興。樂趣不在于第一個到達。功成不必在我。

你問我希望怎么被描述？

「計算加速先行者」很好，「未竟的先行者」也不錯。

智子芯元也可能會失敗，但用 AI 做計算加速這件事，如果有人把我們先打敗了，我也會高興。我真正害怕的，是如果我們倒在路上，后面的人看到，從此不再走這條路。

Q：這種創業心情就像很多書里寫過的冒險。現在你還有什么沒搞懂的問題？

林志航：搞不懂的問題不一定是我的錯。我相信世界上總有人更聰明。有人問 Elon Musk 創業最難的是什么。他說，最難的是在一個復雜系統中，構建一個持續給出正確 feedback 或 reward 的機制。你需要一個系統能持續校正你。

Q：你會喜歡找之前也有過創業經歷的人嗎？

林志航：要看他的動機。如果他創業是為了偉大的事業，那要看我們在做的對他來說算不算偉大。如果不偉大，那就不匹配。如果他創業是為了快樂，那我們能不能給他快樂。從這個角度看，不合適的人遠多于合適的人。

Q：找到合適的人很難。

林志航：是長期且痛苦的事情。

Q：那你創業是為了什么？

林志航：偉大的事業。但偉大能持續多久？做人工智能平權當然很偉大。但也許有人只對某一階段感興趣，解決完一個問題后就覺得無聊。我自己也是，訓練大模型剛開始很有意思，后來對我來說就是流水線。

Q：如果用三個詞來形容現在的團隊的話，你覺得會用哪三個詞？哪三個詞？

林志航：年輕、混亂、多樣化。

Q：混亂這個詞很有意思。

林志航：要對抗熵減，首先得有熵。沒有混亂度，你拿什么對抗？

我們花了一個月討論如何和 agent 交互。傳統設計思路是字段、結構、拆解 JSON。但現在不需要了。AI 說什么，就渲染什么。不用定義字段格式，不用糾結結構。你只要接受它的輸出。

這在公司內部造成了巨大混亂。后端第一天入職就問：「為什么 Day 1 就做這么重的產品？」看起來什么都能做，結構復雜。

但實際上不是。底層智能程度一樣，輸出是同步的，只是形態不同。

很多同事不習慣這種模式，會覺得怪。我會說，我知道你難受，但忍一下。

探索可能失敗。但探索這個詞，本來就和成敗無關。

文｜Cindy