agent fast什么意思

ajc 到底是个啥？ ai jc 又和 a jc 有 啥关系？今天我们就来简单说明一下。 ai 这个就不用说了，大家非常熟悉，就是人工智能的意思。那 jc 呢？其实就是生产内容， 早些年呢，我们生产内容的方式呢，叫 pgc， 就是 专业的平台方去生产内容，比如说像电视台、报纸、杂志等这样的专业媒体去产出的内容。再后来呢，随着互联网的发展，主流的方式呢，又叫 ugc， 用户自己去产出内容，比如说像现在的抖音等众多自媒体平台，用户自己去产出内容，所以 ai g c 就是 通过 ai 的 方式来生产内容。那目前通过 ai 去生产的内容呢？大致分为四个方向，分别是图片、视频、语言和声音。那 ai g c 的 发展过程当中呢？我们就会发现， 这些大模型他们是无法感知或者改变外界环境的。什么意思呢？比如说你想让 j p t 四 o 来帮你写一个俄罗斯方块的游戏，它确实可以马上给你写出代码，但是写完之后呢，它是没法直接帮你把这个代码写入到文件的， 也就是说大模型是无法改变外界环境的。还有一种可能，你其实已经有了一些俄罗斯方块的代码了，你只是想让 ai 根据这些代码来继续改写，增加或者删减一些功能，那这样的情况下，你就必须把自己已有的代码复制给他才可以，如果我们不主动告诉他的话，他是没办法自己察觉到这些 代码的。这就是大模型无法感知外界的环境的体现。所以综合来看，大模型是无法感知或者改变外界环境， 那有啥办法可以解决这个问题呢？其实也很简单，我们直接给他接入对应的工具就可以了，比如读写内容的工具、运行终端命令的工具等等。那这个工具呢，就是大模型自己的感官和四肢，有了它，大模型就可以自己查 文件，自己写入代码，自己运行程序，整个过程不需要我们去干涉，完全自动化。就像这样，把一个大模型和一堆工具组合起来，变成一个能感知和改变外界环境的智能程序，这就是 agent。 那 agent 就是 ai 发展的最终目标了吗？ 当然不是，目前看县级段的目标呢，其实就是 agi。 agi 呢，就是通用人工智能，指的是一种能够在各种不同任务和环境中都表现出类似于人类的智能系统。 ai 的 本质就是通过计算机的代码去模拟探击生命的 dna 代码，从而实现贵贱生命完美仿真探击生命。也许在不久的将来， ai 终将成为现实。

你认为 agent 跟 workflow 之间的区别是什么？对于 agent 和 workflow 之间的区别，我觉得可以这样理解。从本质上来说， workflow 就 像一个事先规划好的剧本，你需要提前把每一步都设计好，先做什么再做什么，最后做什么。 整个流程就是固定可预测的。比如说你要做一个客户公单处理系统，用户提交公单，自动分类派发给对应的部门，生成回复，然后发送给用户。每一步都是确定的，不会改变，但是 a 选项就更像一个自主决策能力的助手。 你给他一个目标，比如帮我分析这份新闻报告，他会自己去思考怎么做，可能会先去搜索相关的资料，发现信息不够，再去调用其他工具，甚至中途发现方向不对，还会自己调整策略。 他不是按照固定步骤执行，而是根据实际情况动态决策。我觉得核心区别有这么几点，第一个就是灵活性， workflow 是 预编排好的流程， 配置完成后就基本固定不变，而 agent 可以 根据环境和反馈实时调整，具备一定的自主智能。 第二个就是适用场景， workflow 特别适合流程明确、规则清晰的场景，比如审批流程、数据处理管道等等，因为它稳定可控，容易调试。但是 agent 更适合开放性需要探索的任务，比如做研究分析，处理复杂的客户问题等， 没办法提前把所有的情况都列出出来。第三个就是成本和风险的权衡。沃克福洛因为每一步都是确定，所以可能性高，成本可控，不容易出现意外。 但 a 型者因为具备自主决策能力，虽然更智能，但意味着不确定性更大，可能会产生意外的投肯、消耗，或者做出预期之外的行为。 不过，在实际智能体和产品设计过程中，我认为这两者并不是非此即彼的关系，很多时候我们会把它们结合起来用。比如说用 workflow 搭建主流框架，保证核心内容的稳定性， 然后在某些关键环节嵌入 agent， 让他去处理需要灵活判断的部分，这样既有流程的可控性， 又有智能的灵活性。所以总的来说， workflow 是 确定性的，智能化 a 选项是智能化的决策选择用哪一个来完成智能体的搭建，关键要看业务场景更需要稳定可控，还是需要灵活智能？ 我已经把二零二六年大模型进阶的最新路线整理好了，如果你也想进阶大模型，我可以给你一份大厂内部必读的文档，里边包含模型原理、产品落地、思维、框架，内容非常全面，需要的话我直接安排。

宝子们，今天这条视频一次性给你讲透全网刷屏的四个 ai 灵魂拷问，正好对应咱们的标题，到底什么是 ai， 什么是大模型，什么是 agent？ 还有最近爆火的 ai 小 龙虾到底是个啥？全程没有半句废话，先把核心概念给你掰碎了讲，小白也能一秒听懂，再按品牌一家一家捋明白每家的核心大模型。咱们普通人直接能用的 ai 产品，给企业用的云服务，全给你归拢的清清楚楚，一 家做一张图刚好对上，听完再也不会被各种 ai 名词绕晕。首先先把标题里的四个核心概念一句给你讲明白，记住这几句，你就超过百分之九十的人再也不会 ai 入门九蒙。一、 什么是 ai？ ai 就是 人工智能的总称，是个超级大框，咱们现在听到的所有 ai 技术、 ai 产品、大模型、 a j 全都是 ai 这个大类里的东西，它是所有人工智能相关内容的总称呼。 二、什么是大模型？大模型就是 ai 的 超级大脑，他只会思考、聊天、做推理，给你出主意，相当于一个满腹经纶的军师。但他没手没脚，只会动嘴出方案，不会帮你落地干实际的活。咱们平时用的恰恰七 p p 豆包文心一言，这些 ai 助手背后靠的就是各家的大模型。三、什么是 ai 智能的？中文叫 ai 智能体，你可以把它理解成给只会动脑子的大模型，装了眼睛，手 嚼嚼长期记忆和会变通的脑子，是个能全自动干活的专属助理。 a j g c 又能力酷，就是 ai， 把解决过的问题，学会的方法存起来，下次遇到直接附用，干活效率直接拉满 四、什么是 ai 小 龙虾？他跟吃的小龙虾半毛钱关系都没有。真名叫做 open club， 是 最近全网爆火的一款开源超级 a j g t 智能体。外号小龙虾，是因为 club 就是 龙虾的钳子，它的 logo 也是龙虾形象，能像钳子一样牢牢抓着你的电脑，全自动帮你干活。是 a j 的 里的顶流爆款，后面我会给你细讲他到底能干啥好和 新概念全讲透了。接下来咱们快速过一遍市面最火的 ai 品牌，一家对应一张图，大家可以收藏对照国内头部有字节跳动、月季暗面、西语科技、 mini max 深度求索、阿里巴巴、百度，各家都有自研核心大模型，以及普通人直接能用的 c 端产品和企业级云服务。海外头部有 open nai、 二零二六年三月刚发布的 g p t 五点四分庭、 antropic、 谷歌，还有全网刷屏的 maggie、 开开 apps、 快 手可联、 ai、 声速科技、微度这些爆款工具，全是上手就能用的款。讲完了各家的产品，咱们再回头给大家把标题里的 ai agent 小 龙虾，也就是 oppo， 它就是咱们前面讲的 ai agent 顶配款， 一款完全开源的超级 ai 智能体。他最大的本事就是能像个全职助理一样，牢牢抓着你的电脑，全自动帮你干完所有重复枯燥的活。比如你让他整理这个月的销售数据，做成规范报表，给没达标的负责人发提醒邮件，同步到部门工作群，他全程不用你交，一步自己全给你闭环干完。再比如批量下载研报，自动回客户邮件，二十四小时钉盘执行交易策略，甚至是帮你自动剪辑视频，定时发布作品，他 全都能搞定！纯纯打工人和创作者的续命神器！最后给大家总结一致，牢牢记住，再也不会懵！ ai 系总称呼，大模型是 ai 的 大脑 agent， 是 给大脑装了手脚的全自动助理。而爆火的小龙虾，就是 agent 里的顶流开元神器。刚才给大家按品牌里的所有内容，一家对应一张图收藏起来，下次再刷到任何 ai 名词，你直接翻出来对照，再也不会一脸懵了。

你有没有想过，如果你睡觉的时候，你的资产能全网去寻找最高的收益，遇到风险呢？自己止损，顺便呢，还能撸个羊毛，这是一种什么样的体验？嗨，大家好，我是司马。在第四季，我批判过很多理财协议啊，是庞氏骗局。 但到了二零二六年，一个真正硬核的新物种，它出现了，它就是 agitify。 一 句话定义啊，它是 ai 代理 agit 与去中心化金融 defy 的 终极合体。 在这个时代啊，金融不再需要手动挡，我们正式进入了无人驾驶时代。作为产品经理，我发现人类在金融的交易当中，有三个无法克服的弱点，贪婪、恐惧，以及呢，需要睡觉。但 ai 没有 action， 逻辑非常的暴力，他拥有我们第一级讲的，他有自主的财权，又有第二级讲的意图。理解，当你设定一个目标， 在保证本金安全的前提下，追求百分之十的年化收益， ai 员工就开始他的表演了。 它会在毫秒级的时间内对比 a v e 的 借贷利率， uniswap 的 手续费收益，甚至是某个新协议的流动性激励，它不需要休息。当凌晨三点，某个池子出现了流动性倾斜的时候，它已经完成了搬砖，掏利复利， 最后稳稳地回到你的钱包。很多人担心，如果大家都有了 agent fin， 那 收益不就会被抹平了吗？ 这就是我要提醒大家清醒的点， agentfive 的 核心竞争已经从消息面啊变成了策略模型和响应速度。 在 web 四的时代，如果你还手动点屏幕去参与理财，你其实是在和千万台不知疲倦的机器肉搏。那普通人的机会在哪里？机会肯定不在于让你自己去写算法嘛， 而在于你如何去筛选和管理这些 agent。 这就好比你不需要懂怎么去造车， 但你需要懂怎么去选一个靠谱的司机。 agent five 让金融的门槛变高了， 指的是算法层面，但呢，也变低了，指的是操作层面。当然了，我也必须给你泼个冷水， agent five 的 时代啊，你需要警惕两件事，第一个呢，就是黑箱风险， 你雇佣的这个 ai 代理啊，他的逻辑是透明的吗？有没有后门？第二呢，就是算法踩踏，当所有的 ai 都识别到一个套利机会的时候，可能会引发瞬间的流动性枯竭。记住，在机器的经济里啊，代码既法律，但代码呢，也有漏洞啊， 我们要把决策权牢牢的掌握在手里，只把执行权呢交给机器。这一集呢，我们聊了 ai 怎么帮我们来赚钱，但你肯定会问，这些 ai 代理在链上说的话，做的操作，我怎么知道是真的呢？万一他骗我说赚了，但其实是亏了呢？ 下一集，我们来聊一个最硬核的数学防线， g k m l 零知识机器学习，看看数学是如何让机器学习不会撒谎，用最短的时间理解最长远的未来，拜拜！

agent、 workflow、 mcp、 防身、 call， 这五个 ai 热词是不是经常把你搞晕？它们是目前 ai 应用生态里的一套严密的班底。我用开公司的例子一次给你讲明白。 在公司里， ceo 就是 agent， 根据公司的战略目标，要对目标金拆解，任务规划、组织生产出现问题要及时调整。每个公司会有很多个流程， 例如报销流程、采购流程，这些流程就是 workflow， 这些流程是定死的，先干啥再干啥。在一个公司里有很多个不同的流程啊。 在公司里有 hr 要招人，绩效考核，所以 hr 这岗位就必须具备人力资源管理能力，这个就是 skills。 公司除了人事，还有很多其他岗位，例如销售、研发、生产和售后等。往往在小公司里，人人都是身兼数职，这说明这个人同时有多个技能。 对一个公司来讲，深层次需要的是这些技能，并不是某个特定的人或者岗位。 对于销售这个技能来讲，是不是需要能够打电话、发朋友圈？这个打电话和发朋友圈的功能，你就可以认为是防身靠。 字面意思就是函数调用，就是你要调取外面的系统，也就是说大模型不能自说自话，需要和外界沟通，调用外面的能力就叫防身靠。 那么随着公司的发展，这个销售慢慢成为了一个销售总监，觉得自己打电话发朋友圈太麻烦了，他就雇了个小弟， 他想打电话了，就给小弟说，你去给某某打个电话，看看客户目前什么状况。需要发朋友圈的时候给小弟说，你去把咱们今天的产品发个朋友圈， 你发现这个销售不用自己一会儿摸电话一会儿开微信了，他的工作就是动动嘴，这个事儿就能干了。这种对外采用统一的沟通方式的形式，在大模型里就就叫 m c p 模型上下文协议 agent 呢，就是大脑， workflow 是 规矩呃， skills 是 本事， function call 是 动手指令， mcp 是 万能接口，这就是现在最火的 ai 应用生态。

ai agent， 也就是 ai 智能体，要真正的让它跑起来呢，离不开三件东西。上一期呢，我们讲了 prompt 提示词和 toots 工具。今天呢，我们讲第三件事， agent skills， 没有它的话，前两天事情全白搭，有没有发现啊，就是我们在给 ai 配置了这种身份，也就是系统提示词 system prompt 之后，也给它装了像 mcp 这样的强力的工具， 看起来也挺像那么回事了，对吧？但是我要给各位同学泼一个冷水，就是能干活和干好活中间啊，还差着十万八千里了，它缺的不是什么工具，而是具体的方法论。这就是我们今天要讲的最后一块拼图， agent skills， 也就是教 ai 怎么用好工具的 sop 操作手册。有同学可能会问了，我把这个怎么干好活的 sop 写到这个系统提示里面不就行了吗？ 啊？不行，原因有两个，第一个就是塞太多信息的话， ai 会精神分裂，你就好比说你让一个会计一边在迪厅里边蹦迪，然后再一边给你算账， 你说他能算吗？他肯定能算出来，但是问题是他的错误率肯定也很高。 agent skills 其实就是做的是把 ai 关进一个静音的图书馆里边，这一刻他的世界里边就只有会计准则了，专注度肯定是百分之百，这叫做什么上下文卫生 a 证 skills 呢，可以做到物理隔离，保证了每一个垂直领域下的专业度都能够是百分之百输出的。第二个呢，就是 ai 啊，都会有一些上下文限制，也就是我们所谓的大脑的容量是吧？也就是他每一次对话都能够记住的信息总量是有上限的， 你把几百页的这种税务法规全塞给他，他只会记住开头和结尾，把中间最关键的条款直接给忘了。 a 证 skills 呢？不强迫 ai 把这些内容全都给背下来，而是 像书一样给它放到一边，遇到具体的问题呢，专门去找对应的那页去读。听到这呢，可能有时候就有点懵逼了，是吧？那是不是要我去写一个很复杂的程序，根本就不需要 agent？ skills 最性感的地方其实就是在于你不需要是个程序员，你只需要是一个懂规则的好领导，或者说是懂流程的一个好管理。 哎，知道怎么去做就 ok 了。所以这里边只需要四步就行，第一个就是见文件夹，第二个就是写说明书，第三个就是 c 资料，第四个就是放工具脚本。我们直接用三个最真实的场景案例带你走一遍。首先我们先拿一个职场场景的案例来说啊，最简单的一个就是我的嘴。替给大家举个例子， 你是一个客服，每天要回几百条的微信，想让 ai 呢，用你的语气帮你进行回复，而不是这种 ai 味儿是吧？只需要新建一个文件夹，里边放上一个 skill， 点 md 文件在里边写清楚，你是九五后创业者，说话只有干货，不讲客套话， 结尾呢，要给对方一个明确的下一步行动，禁止用亲啊家人这类词汇，这样一个 skills 就 完成了。具体的文件内容和效果大概是这样的， 给到我们的需求，他就可以给我们不同的选择。是不是很简单，你只要把你的脑子里边的规则变成一个文档就可以，只要有了这个文档， ai 瞬间就会从一个路人甲变成你的私人助手了。 接下来呢，我们稍微进阶一下，就是让 ai 变成一个专属的数据画图师，老板甩给你一个 excel 表格，让你简单分析一下，然后你不想打开 excel 表格进行画图，你想让 ai 帮你画，而且要画的专业好看， 不能随机生成一些丑图啊。那怎么办呢？第一步就是新建一个文件夹，第二步呢，就是在文件夹里边放上一个画图的脚本，这就是给 ai 的 一个工具了。第三步就是编辑 skill， 点 m d 文件， 在这个文档里边说清楚脚本调用的一个逻辑，具体的使用也一样，明确我们的需求，它就能输出合适的表格。所以终极 skill 的 精髓其实是在于用确定性的代码管住随机性的 ai， ai 只负责去摁按钮，而摁钮呢，是我们提前已经设计好的。 最后，我们来讲一个高阶的案例，竞对情报官要写一份竞品分析报告，不仅要搜集信息，还得严格的符合公司几十页的行研规范， 格式错一点肯定就得被你老板骂了。所以高阶的 skills 就 可以帮我们输出一份优秀的报告了。首先啊，第一步一样的就是新建的文件夹。第二步呢，建立一个 子文件夹，在文件夹里边放上两样东西，公司的排版规范 pdf， 再加上去年的得奖的优秀的报告范文。第三步就是编写一个我们的老朋友 skills， 点 m d 文件，让 ai 呢写之前先读规范， 模仿范文的逻辑结构，输出之前呢，先自查一下，不达标呢就自动重写，使用的方法依旧是说出我们的需求，他就能根据我们投喂的东西给出结果。你不用废话连篇的去教 ai 什么叫好的报告，直接把满分的答案 c 给他，让他进行开卷考试就可以。 ok， 那 这么看来的话，构建一个 agent skills 其实还是有一定门槛的是吧？但是它的门槛不在于技术，而在于你对于业务的理解深不深。你会写代码，但是你如果不懂财务的话，你也写不出来一个财务审计的 skills。 你 会 ai 原理的话，但是你如果不懂什么叫爆款文案的逻辑，也写不出来一个小红书的这种 skills。 所以，只要你能够把你的工作经验总结成文档的形式，你就能够通过 skills 的 方式把你的经验克隆给 ai。 这也正是 agent skills 最大的一个革命性的原因所在，它把员工的经验变成了一种可拷贝的代码。 以前老员工离职啊，十年的经验跟着人就走了，现在呢，只要让他把经验写成一个 skills 文件夹，人可以走，但他的销售灵魂，他的销售技能，他的销售经验，永远都留在了公司的服务器里边了。新来的实习生加载这个 skills， 立马就能成为销冠了， 这才是企业拥抱 ai 的 一个终极形态。未来谁能把工作拆解成 skills， 谁就能够用 ai 放大十倍的效率。你觉得你最想让 ai 学会你的哪一项技能呢？欢迎在评论区告诉我。

我问了 ai 一个问题，我说如果一个机构鼓吹 agent 的 开发，但说 java 已死，是什么心态？ ai 告诉我啊，是制造焦虑，迈克赚钱。然后呢，还分析它的具体套路，比如说 java 已死，让后端工程师啊恐慌，说 agent 的 开发是未来制造新赛道的幻觉，说 agent 啊必须报班，目的是收割转型。焦虑，说传统后端没前途呢，就是为了打压自学的可能性。然后呢，还罗列出来各种各样的矛盾点，比如真做 agent 的 后端开发，都知道大部分系统呢，是在原有的系统上进行再开发。 举个例子，原有系统 java， 你 还得用 java 做。所以呢， java 的 生态啊，根本绕不开 spring ai language 框架。而真实的需求啊，从来都不是 java 和 agent 做对比。 实际上呢， agent 它只是后端工程师拓展的一个基础站。之前系统用什么语言写的啊？继续用之前的语言写就对了。之前呢，你用 java， 你 就继续用 java， 之前用 go， 你 就用 go， 之前用 python， 你 才用 python， 你 告诉我， 之前系统是不是绝大多数都是 java 呢？所以啊，你还得靠 java 继续写 ai， 只不过在此基础上呢，加上了一下大模型集成的经验。它得了一个结论啊，说这种培训机构呢，它不是蠢， 是坏，利用技术变更的人心惶惶呢，把技能更新包装成了职业淘汰。麦克割韭菜。我觉得这个结论啊，真的是非常好， 有些啊，他真的不是蠢，他就单纯的坏，毕竟割韭菜要割外行人，韭菜内行的人啊，割不动外行人。不知道的是啊，你现在学 c 加加 java pattern 嵌物式，之所以入不了行呢，不是因为你要学 ai， 而是因为培训这两个字它本身又过时了。因为培训呢， 他是没有办法让你拥有工作经验的，但现在企业招人呢，他一定要你有工作经验。所以啊，如果你真的想入行，你需要的是实习， 或者找那种培训加上模拟工作一起做的就业机构实习或者模拟工作，都能让你拥有真实的工作经验，当你拥有工作经验的时候，自然能够入行。

最近 opencloud 的 热度一直不减，也有粉丝让我分享一下为什么 opencloud 会这么火，以及它背后意味着什么。首先分享一下 opencloud 对 比只有对话框的目前的 ai 聊天机器人的一些区别，它应该算是一个真正的 agent， 因为它是二十四小时不间断地主动地帮用户完成任务。当你把一个任务交给 opencloud 时候，只要你装在自己的 mac mini 或者是在虚拟机上，它有一个 heartbeat 机制，可以不断地帮你去完成任务，一直到完成为止， 而且呢，还会不断的去提醒他现在已经贡献了。第二呢，他是有记忆的，他是可以在沟通中不断的去理解用户，在给足权限的基础上，是不断的去深度的理解用户的电脑里面的所有信息，你可以理解他是一个用户肚子里的蛔虫。 第三呢，就是他便利性，因为他可以接管 tenogram， 接管 slack， 就 像一个同事一样和用户沟通。所以呢，他不需要专门的开启新的网页或者打开新的应用，而是可以把所有的入口用一个用户熟悉的入口进 沟通。所以他的角色呢，其实已经从一个软件完全转变成一个代理，或者是一个 ai 同事。那类似的很多功能呢，其实 melix 或者是 cloud work 也都已经实现了，那为什么 open cloud 还这么重要？ 比如说 melix 也可以长时间的做一个独立的通过整体的工作 cloud code 呢？做一个软件也可以去管理用户的 pc。 open cloud 的 最核心价值我觉得就是开源，因为有了开源，所以呢，他才会给予开发者足够的空间去在目前的基础上进行优化，进行调整，它里面的所有的运营逻辑都是非常透明的， 于它的非常透明的运营机制呢，才会建立一个非常完整的体系和生态。所以呢，很快呢，据 opencloud 的 各个类型的 skills skill 说白了就是对应的一些其实词就已经在社区里面供出来了，那对应 skills 呢？还有很多的对于工具的调用，如果你是一个病人的产品，类似 madison 这样产品的话，虽然会有些接口暴露出来，但是没法端到端的去优化对于工具的调用，但是 opencloud 是 可以支持的，因为这样的自由度，因为 opencloud 可以 自动发掘工具， 寻找路径去完成结果。所以呢，很多的用户发现在跟 opencall 的 交互中呢，涌现出很多新的能力，比如说有用户分享他在买车过程中呢， opencall 呢，主动的帮他去寻找不同的供应商，通 过发邮件比价，最终帮他省了四千多美元。也有用户分享的 opencall 在 发送视频文件格式不支持情况下，自动的寻找格式转化的软件，自动转化了视频格式之后再成功的发送。这些能力呢，其实都不是用户在 使用初期预想的一个结果，这涌现能力的背后的一个核心逻辑就是 openclaw 开源的架构非常强的一个使用的自由度，能主动去寻找工具， 能主动为结果探索路径，就是因为 openclaw 拥有这样的开放的生态呢，我们认为呢，其实 openclaw 今年带来的影响力呢，真的就像 agent 的 deep six 时刻，因为原来的在大模型闭源的时候呢，其实很多的模型上的创新是很困难的。 c 呢，吹起了开源的号角，看到越来越多的模型开源起来 a 证一样的，在 meliss 这样的产品刚出世的时候呢，很多人都会对它结果感到惊叹，但是因为没有一个开源的框架，所以呢背后的很多的实线都是黑盒，那 opencloud 呢，把这个黑盒变得更 透明，让生态变得更健全，越来越多的人去分享它的 skills， 越来越多的人分享它的人工案例，这样的一个共享生态呢，才可以真正的让整个的 a 证智能体或者代理的能力在全球范围之内蓬勃的发展起来。我们认为二零二六年一定是一个应用的，大连 在开年两个月之内呢，就看到了一个非常完整的生态跟组合，包括季末中的千万三点五横空出世，包括 openclaw 作为开源 a 帧框架带来的这样的社区的变化，以及呢 cds 二点零实现了多模态的影视级的效果和高度。

大家好，今天我们来聊一个特别火的概念， ai agent， 也是所谓的 ai 智能体。很多人呢，经常听到这个词，但又说不清它到底是什么。其实不用把它想得特别复杂，用一句话来讲就是， agent 是 既能和你聊天，又能替你把事情做完的真正的 ai。 在 ai 系统里呢，其实有三个非常容易混淆的概念，一个是大模型，一个是 workflow， 还有就是 agent。 像这模型呢，它就像这个 gpt 啊， deepsea 啊， kimi、 豆包这些，其实背后它们都是大模型语言。大模型最核心的能力呢，就是理解和生成内容，比如回答问题，写文章， 总结资料，但它本身并不会去执行一些复杂的任务，你可以理解，它主要负责思考。第二个概念呢，就是 workflow， 也就是中文，是工作流。工作流其实是一套程序员提前设计好的流程，比如第一步抓数据，第二步处理文本，第三步生成报告。整个过程呢，就像一个固定的流水线， 每一步都是提前写好的规则。所以它的特点呢，是比较稳定可控，每一次运行结果呢，都能保持一致。而 agent 呢，就完全不一样了。 agent 呢，是并不是他一个简单的聊天模型，也不是一个固定的流程，他是把模型的思考能力和工具调研能力结合在一起的系统， 你只需要给他一个目标，他就会自己决定下一步要做什么，调用哪些工具和执行哪些步骤，直到把任务完成。呃，举个很实际的例子，假设一家公司或者企业准备发布一个新产品，那想要快速了解市场上的真实反馈 传统做法呢，需要工程师先写爬虫，然后从视频平台去抓取数据，然后再做文本提取，情绪分析，关键词统计这些。整个流程呢，往往需要很多工程师协助，需要好多天才能完成。如果换成 agent 呢，你只要 输入一句，帮我收集最近一周视频平台上关于某类新品的这种热门视频，总结大家讨论最多的功能和评价。这样 agent 呢？他自己呢，就会去拆解任务， 然后先去抓取视频数据，再把视频内容转化成文本，最后提供关键词，生成一份总结报告。整个过程呢，不需要我们人工去参与了。那从企业应用的角度讲，这种能力其实带来的变化是非常明显的，以前很多跨平台的数据分析、市场调研、内容整理都需要人工去写脚本大流程。现在呢，你只需要一个人去描述目标， agent 就 可以自动帮你完成任务。这也是为什么很多人说 agent 正在成为下一代 ai 应用的重要形态。所以呢，简单总结一下就是，模型负责思考， workflow 负责按照既定步骤执行，而 agent 则是把思考能力和执行能力结合在一起， 能够围绕一个目标自主完成复杂的这种智智能系统。理解了这个概念呢，以后小伙伴们听到 ai 真的 你就不会再陌生了。那我今天的分享就到这里，如果喜欢 ai 和我的话，也请持续关注我，我是一顿同学，我们下期再见，拜拜！

北美数据中心接入电网平均要等四年，而 ai 的 算力需求连天花板在哪都还没看到。今天我跑了一遍市场扫描，有个信号让我觉得很有意思。 agent 的 时代来了之后，大家都在聊 gpu， 聊芯片，但我的扫描一直在指向另一个方向，就是电为什么会聚焦到这？ 我来解释一下背后的逻辑。真相一，你每次问 ai 一个问题，耗电量是一次谷歌搜索的将近十倍。 agent 的 时代来了之后， ai 从帮你想变成帮你做，调用量在指数级增长，这个电从哪来？真相二，北美数据中心接入电网 平均要等四年，美国电网平均服役将近四十年，关键变压器新定一台要等三到六年，机贵到了 gpu 装好了插头插不上，这是物理级别的时间差。真相三，中国占了全球变压器产量的百分之六十，美国本土二零二五年变压器需求 预计超出供应百分之三十，欧美买家排队等货，部分欧洲客户甚至主动提出负百分之二十溢价锁货。二零二五年，中国变压器出口六百四十六亿，创历史新高，均价涨了三分之一， 订单排到二零二六年，年终的企业比比皆是。这是我扫描跑出来的主题，收敛信号。然后我去看了 a 股这边的状态，电力设备板块估值目前还没有特别夸张，板块贝塔是向上的出海订单背后有真实业绩在撑着，国内这边同步在加满 国家电网十五，投资四万亿，比上一个五年增长百分之四十，年均突破八千亿，创历史新高。这一轮跟上一轮 gpu 行情有个本质区别，上一轮是预期驱动， 这一轮是物理约束驱动情绪会降温，变压器的交货周期不会凭空缩短。如果你也在跟踪这个方向，分享我自己定的四个指标， hyperscaler capx 公告北美电网并网申请排队数量电力设备龙头在手订单批录 agent 时代的算力竞赛，赢家不一定是造 gpu 的， 而是让 gpu 能持续开机的那些人。