0. 背景

随着 26 年的开局，以 OpenClaw 的最短时间登顶 GITHUB 榜首，以及全世界（尤其是国内大厂）的不断追捧，开启了「万虾」大战，同时叠加国产模型的 Agent 能力的增强，似乎无所不能，装备各种工具的「赛博外挂」就要出现了，能文能武，上能拍人类马屁，让普通人也过一把皇帝的瘾；下能处理各种脏活累活，能解 BUG，粗剪视频等等。同时各路软件厂商也是纷纷表态，出来喊“SASS”已死，将各路GUI 软件打回娘胎，直接变回 CLI，双手递上，给困在 shell 里的 Agent 大人送上自家的工具链。

如此种种，上一次这种「生机勃勃，万物竞发」的境界，还是在上一次。虽然我作为 AI Infra 的行业里，对比动辄就全员被裁的前端老哥来说，私以为护城河稍微厚一点，兴许能扛到最后。但是唇亡齿寒的道理我还是懂的。那么作为程序员，就是天生自己革自己的命吗？兴许不然，对这个问题，我也观察了很久，有一些自己的拙见。

1. 各路工具/术语/模型从夯到拉进行评比

1.1 模型横评

经过我近几个月的大力度测试后，基础模型在我这里排名是：

2. 新的泛化 — Agents和Skills

1. 之前的软件处理的泛化是：运行时的变量的泛化，比如用户输出的值的长度，天气的温度等等。这也是为什么那个经典笑话长久不衰：用户来到酒吧点了一份炒饭，酒吧就炸了。这其实存在一个 GAP：用户脑子里的电信号 → 用户输出的行为，比如语音/打字输入 → 程序员预先设想的数据/字符范围。这里的几次转换，其实是强迫用户进行细化，即在软件运行之前，其实就已经默认用户知道怎么用，怎么输入了。
2. 现在的 Agent/Skills，是优化了哪一部分？Skills 其实是一种软性的约束，约束了模型输出时的分布，使得其具备「某种软件特质」，比如完成特定的 code-review，完成特定的机械任务等。那现在的流程变成：用户脑子里的电信号 → 用户用语音/打字输入 → LLM 翻译成合理的边界范围和指令/脚本 → 程序员预先设想的数据范围。可以看到，为啥大家会觉得「SaaS」已死了，因为这相当于给传统的界面又引入了一层包装，易用性又得到了增强，而以前的界面，如脚本/GUI 等，都让位给了新来的Agent 进行翻译操作。
3. 但是这个泛化是万能的吗？显然不是，而且这里还有一定的博弈空间。我们都知道，这就像「测不准原理」，如果能支持模糊的输入，模糊的指令，那么输出结果显然是不够精确的；如果只是用自然语言支持了准确的指令，那么套一层 LLM 进行转译又显得多余且浪费算力。所以，我们需要一个新的表示系统，来表示执行任务的模糊程度，如果模糊程度不高，显然是 LLM 的甜点区。如果模糊程度过高，就说明 LLM 此时无法直接替代人类去给下层组件下指令，需要人类用户去逐步拆解，降低模糊程度，或者也可以说是降低熵值。而这一结论，与现有的许多实践结论可以对上：Agent 在前面狂飙突进地写代码，还是需要人类来 review 把关，否则输出的代码都不说上线，内部用都可以造成很大破坏，这也是过度信任 LLM 的泛化能力导致的。（类比雍和宫许愿，不降低模糊程度，鬼知道许的愿会得到什么结果）。
4. 新的曙光？Skills 有用吗？为何 Skills 会一时间风头无两？因为解决了两个事情：1. 人类的懒惰性，直接做成 skills，封装起来反复复用解决经常遇到的小问题；2. 降低了泛化程度，比如总结 PR，做 code review，浏览网页等等，封装起来后，可以一键调用，变成了软件里面的按钮了。
5. 但是我这里要说一下，skills 注定会被新的技术封装淘汰，第一，模型本身的泛化能力可能会被伤害，由于自然语言+脚本描述的 skills，相当于在发散的概率空间，给LLM 输出的概率分布做了约束，但是这里的约束是合理的吗？现在很多 skills，里面有很多个人的倾向，如果直接迁移新的硬件环境等，反而会破坏掉模型本身的发散/泛化能力。
6. 新的接口? 我笃信，现在的 Agent 和 Skill，MCP 等，都不会是最终形态。面向用户的那层输入，应该是支持模糊的，泛化的；但是交给底层机器，无论是 CPU/GPU/FPGA 等，都必须是确定的，无二义的。

3. 中心极限定理 — 正态分布

1. 模型的输出符合正态分布吗？ — 需要推导
2. CoT 是不是就是爬过概率山峰的可视化？还是隐式的梯度下降？
3. 如何得到显著性结果？
4. 高维空间里 token 的向量都是正交的