2025 我的年度播客｜做家务时也能成长 这是我 2025 年反复在听的 4 个播客，陪我度过了不少做家务的时刻。香喷喷的饭做好了，屋子收拾完了，心里也感觉满满当当的✨ ▫️ The Tim Ferriss Show ▫️ The Mel Robbins Podcast ▫️ On Purpose with Jay Shetty ▫️ The Diary of a CEO 它们不需要整块时间，却在很多碎片时刻里，悄悄放进了一些关于选择、成长和人生的经验。 🎧 入坑必听 · 四个播客各分享2期 ▫️ The Tim Ferriss Show • Ray Dalio on Principles • Naval Ravikant on Wealth & Happiness Tim 最强的不是访谈，而是把高手的底层原则拆出来。这两集几乎奠定了他整个播客的“方法论气质”，适合反复听。 ▫️ The Mel Robbins Podcast • The 5 Second Rule (Why It Works) • How to Stop Letting Other People’s Opinions Control You Mel 的优势是立刻可用。这两集能快速感受到：不是安慰你，而是给你一个能立刻行动的小杠杆。 ▫️ On Purpose with Jay Shetty • How to Stop Overthinking • Finding Purpose Without Burning Out Jay 最好的状态，是把灵性语言翻译成日常可理解的表达。这两集很温和，适合在情绪需要安定的时候听。 ▫️ The Diary of a CEO • Jordan Peterson: Responsibility, Meaning & Suffering • Dr. Gabor Maté on Trauma & Healing 这两集代表了最打动人的部分：不谈成功技巧，而是直面痛苦、创伤和人的复杂性，共鸣感很强。 #张静初 #播客推荐 #碎片化时间 #自我成长 #复利成长之路

贝拉·塔尔去世，他完成了自己的语言

赶紧通知你朋友，出现这3种症状可能是轻微智障！

2025 我的年度播客｜做家务时也能成长

#模型时代# 斯坦福CS229课程：替代人类工程师，Agent设计指南 最近比较关注Agent。这堂斯坦福CS229课程由Resolve AI的三位创始工程师授课，分享他们过去几年构建"能替代人类软件工程师"的Agent系统的实战经验。Resolve AI专注于生产环境运维自动化，Spiros Xanthos曾管理大型生产系统和工程团队，Gabor Angeli和Bharat Khandelwal负责Agent架构设计。 核心观点：不是每个问题都需要多Agent系统，关键是找到恰到好处的复杂度。 三人从最简单的单次LLM调用出发，逐层递进到多Agent架构，每一层都解释能解决什么问题、解决不了什么问题。 一、为什么软件工程是Agent的理想战场 Spiros开场讲了个切身体会："在我上一个角色，我管理一个大型生产系统和工程团队。时间久了我们发现，绝大部分精力都花在维护现有系统、保持可靠性上，而不是开发新功能。而且没有用户会因为你延迟发布某个功能而投诉，但系统一宕机他们就炸了。" 软件工程的工具生态本身就很复杂：代码工具、基础设施（AWS、GCP）、可观测性平台（Datadog、Splunk）、代码仓库、告警系统……每类工具可能还有好几个选择。传统模式是人类成为所有工具之间的"胶水"，一个一个查，再手动综合结果。 现在的Agent进化路径是这样的： • 第一阶段：AI辅助单个任务（比如代码补全） • 第二阶段：人类成为Agent之间的胶水（每个Agent负责一类任务） • 第三阶段：多Agent系统自主协作，人类只需给高层指令 Resolve AI的Demo展示了第三阶段的样子：用户说"今早UI很慢"，Agent自动检查dashboard、日志、代码变更、feature flag，发现是混沌工程测试的定时任务触发了故障注入，最后给出修复命令。整个过程人类只问了一句话。 二、5个复杂度层级：从简单到足够复杂 Bharat接过话筒，强调一个设计原则："保持简单。不是所有问题都需要多Agent系统，如果简单方案能解决，就用简单方案。"他用一个支付系统故障的例子，逐层演示什么时候该升级复杂度。 1、单次LLM调用：能解决的问题比你想象的多 最基础的方案：给LLM一个prompt，拿到一个response，结束。 用户半夜2点被页面叫醒，支付系统出问题。手动查PagerDuty的告警、看dashboard找异常指标、检查最近部署、写几条日志查询，最后把大约1000行日志贴给LLM问"为什么支付失败了"。LLM扫描日志，找到一条"card expired"，回答"看起来是卡过期了"。 问题来了：如果80%的失败其实是网络超时，而那条"卡过期"只是噪音呢？LLM不知道该追问什么，没法验证假设，也不会对照所有失败案例做交叉验证。它只是发现了一个pattern，回答了你问的问题，然后收工。 单次LLM调用的三个局限： • 没有内部反馈循环，无法评估或优化自己的回答 • 没有迭代推理机制，一旦跑偏就没法自我纠正 • 没有不确定性感知，不知道自己到底有多大把握 2、Actor-Critic系统：加入反馈循环 缺什么就补什么。加一个Critic LLM来审核答案。 工作流程变成这样：Actor根据输入和之前的反馈提出候选答案，Critic审核这个答案是否合理，如果通过就返回，不通过就把反馈发回给Actor重新生成。 同样是支付故障的例子，Actor说"支付失败是因为卡过期"，Critic回应"卡过期只有一条日志，而且卡过期通常是单独事件，不太可能导致大规模故障。"于是Actor调整回答："我发现了卡过期的日志，但我认为不是根本原因，可能需要检查其他地方。" 这就比第一版聪明。但还有局限： • 输入受限：只能处理用户最初贴进来的日志，没法自己去查新数据 • 没有持久记忆：如果Actor和Critic迭代10轮、20轮、100轮，它们可能会忘记第一轮的结论，陷入死循环 • 基础能力受限：上下文窗口有限、数学能力弱、可能产生幻觉 • 无法获取外部知识：不能搜索、不能查最新的Stack Overflow 3、LLM + 工具调用：打破输入的天花板 工具（Tool）是什么？任何LLM可以用来与环境交互的外部函数：查数据库、调计算器、甚至向用户追问。 对LLM来说，工具定义为结构化接口，包含名称、描述、输入参数schema。LLM想用工具时，输出一个结构化的调用请求（比如JSON），执行引擎运行工具并返回结果，LLM再决定下一步。 现在用户不用贴日志，只需说"我查了dashboard，支付一直失败，帮我看看日志"。LLM自己决定查哪些日志、怎么写查询语句（Loki的语法），发送工具调用，拿到结果分析，发现网络问题导致Stripe连接超时。 关键进步：LLM能主动获取它需要的信息了。 仍有局限： • 没有状态追踪：难以管理演化中的任务状态 • 工具失败处理有限：虽然可以在prompt里做一些容错，但不可能覆盖所有错误场景 • 没有真正的规划：更像是reactive模式，"我要解决这个问题，有哪些工具，调一下，看结果，下一步"，缺乏对全局目标的规划 • 工具调用效率低：可能调用不必要的工具，只是为了"覆盖全面" 4、单Agent系统：加入规划与记忆 什么才算Agent？在LLM工具调用的基础上，加两个关键能力： • 规划循环（Planning Loop）：LLM能够推理任务、拆解步骤、自我反馈 • 自主执行：能独立完成长时间运行的任务，而不是每一步都等人确认 Agent有记忆、能反思、能设定内部子目标。它不只是reactive地响应，而是战略性地执行计划。 Agent的工作循环是：接收指令 → 推理 → 行动（工具调用）→ 观察结果 → 重新规划 → 循环直到达成目标。 Bharat强调了Agent的关键组件：推理能力、工具集、执行循环、记忆，以及护栏（Guardrails）。"LLM今天还不够好，没法完全自主做所有事情。比如你只是想查日志，结果它开始写代码修bug了，你得有护栏限制它的行为边界。" 现在的支付故障场景变成这样：用户只说"支付一直失败"。Agent自己决定先查dashboard看哪个服务有问题（这本身可能要迭代好几次），找到问题服务后再决定查哪些日志，写查询语句，第一次查询没结果就调整参数再查，最终定位到Stripe网络超时。 但单Agent系统也有天花板： • 广度vs深度困境：一个Agent不可能精通所有领域，"我们希望LLM是万事通，但现实是它什么都不精" • 规划脆弱性：LLM很容易在子任务中迷失主目标。比如陷入"怎么写好这个日志查询"的死循环，忘了用户真正关心的是"支付为什么失败" • 中心化瓶颈：所有决策都经过一个LLM，速度受限于API响应时间 • 错误传播：一个错误判断可能毁掉整个推理链 • 工具过载：复杂任务需要几百个工具，从查时间到查日志都得有，一个Agent管理这么多工具会崩溃 5、多Agent系统：像团队一样分工协作 现实世界的团队有专家分工。多Agent系统也是这个逻辑。 分拆的好处： • 专业化：一个Agent专精日志，一个专精dashboard，一个专精代码，prompt和工具集都可以针对性优化 • 长上下文分摊：每个子Agent只处理自己领域的上下文，不用把所有信息都塞进一个窗口 • 去中心化决策：每个子Agent只看10个工具，orchestrator只看10个子Agent，认知负担大大降低 • 多层错误防护：任务分布意味着更多审核节点，错误更难一路传播到用户 • 工具管理简化：100个工具分给10个Agent，每个只管10个 支付故障场景的多Agent版本：用户说"支付一直失败"，orchestrator同时调用logs Agent和dashboard Agent。Logs Agent自己决定怎么写查询，返回"可能是Stripe超时"。Dashboard Agent返回"checkout服务有问题"。Orchestrator综合两边结果："checkout服务的Stripe调用超时"。然后调用code Agent："请增加checkout服务的Stripe超时配置"。Code Agent去改代码，返回修复方案。 接口变得极其简洁：用户只需要说"有问题，去修"，多Agent系统完成所有工作，返回解决方案。 三、多Agent系统的架构模式 Gabor接过话筒，用了一个类比："如果把Agent想象成函数，多Agent系统就是程序。如果把Agent想象成服务，多Agent系统就是分布式系统。" 他回忆起学分布式系统时的建议："第一步，别做。第二步，好吧，认真想想复杂度。"多Agent系统也是一样的道理。 三种常见架构模式： Scatter-Gather（分发-收集） 类似MapReduce。一个Agent发起多个子任务，收集结果，汇总返回。 可观测性场景：一个（甚至可以是确定性的）Agent说"调用我能访问的所有系统，所有dashboard，所有日志，收集所有证据"，子Agent各自完成任务返回，再由一个汇总Agent说"根据证据，问题可能是这个"。 Orchestrator Loop（编排循环） Gabor说这是他个人最喜欢的模式。Orchestrator决定调用哪些Agent，拿到结果后判断"我还没完成，需要再调用这些Agent"，拿到结果，继续判断……本质是链式的Scatter-Gather。 极端情况是每次只调一个Agent（链式），进阶情况是并行调多个。 Free-for-all（自由协作） Agent之间可以随意互相调用。类似Actor模型，有共享上下文，Agent之间通过handoff传递控制权。 这种模式最灵活，也最难管理。 四、多Agent系统的核心设计问题 1、上下文传递：每个Agent该看到什么？ 这是Gabor花大量时间思考的问题。 极端一：全局可见 每个子Agent都能看到整个对话trace和所有Agent的内部状态。好处是信息零丢失，坏处是上下文爆炸。代码Agent为什么要关心dashboard Agent的完整输出？ 这种模式在free-for-all架构中效果较好，在orchestrator loop中往往不必要。 极端二：只看自己的输入 每个Agent像RPC一样，只看请求内容，不知道请求从哪来、系统里还在发生什么。调试简单，但请求必须包含Agent完成任务所需的所有信息。如果某个上游Agent漏传了关键信息，下游就抓瞎了。 中间方案：调用栈可见 每个Agent能看到"谁调用了我"，也就是调用链上的所有信息，但看不到系统其他部分发生的事情。深度有限，但比全局可见更可控。 2、状态管理：有状态还是无状态？ 两种思路： 有状态Agent：像人一样，你问我一个问题，再问follow-up，我记得你第一个问题。适合free-for-all和Actor模型。 无状态Agent：像RPC或函数，每次请求都是独立的。适合orchestrator-worker模式。 当涉及异步并发时（这对用户体验很重要，因为你不想让所有Agent串行执行），问题更复杂：如果要传递全局上下文但某些任务还在运行怎么办？如果有状态Agent被并发调用两次怎么办？ Gabor的建议是：参考分布式系统的成熟方案，很多思路可以直接迁移过来。 五、Agent如何学习：后训练 vs 记忆 一个关键问题：如果昨天2点收到告警，今天2点又收到同样的告警，Agent能不能记住昨天的处理方式，今天做得更好？ 这触及LLM的根本局限：它们本质上是"纯函数"，相同输入产生相同输出。 两种学习策略： 后训练（Post-training） 添加新的训练数据，重新训练模型。传统ML方法。 优点：一致性高，因为知识直接烘焙进权重；可以教模型一些"怪异"的行为，只要数据足够。 缺点：成本高（人力时间+GPU成本）；难以跨模型迁移；最难的是"如何只教新东西而不让模型忘记旧能力"。 记忆（Memory） 保持外部数据库，存储"已知事实"和"过去经验"，在运行时动态拉取相关记忆注入prompt。 例如，添加一条记忆："当看到这个告警时，应该查这个dashboard"。下次运行时，系统检索到这条记忆并注入上下文，模型遵循这条指令。 优点：迭代快、灵活、模型无关。 缺点：能教的东西有限，无法让模型偏离其自然行为太远。 Gabor用软件开发类比：后训练相当于改代码，记忆相当于改配置。 六、当前Agent的局限与开放问题 问题："你们在座有没有人用LLM用久了之后开始讨厌它的？" 当前的核心局限包括： • 推理能力衰减：长链调用和复杂指令后，推理质量明显下降 • 上下文窗口：虽然新模型号称支持几十万token，但长上下文的实际性能会稳步下滑 • 长时间任务：还做不好真正的持续运行任务 • 人类工具不适配Agent：很多工具没有API，只有GUI；吞吐量设计是给人用的，对Agent来说太慢 • 人类成为瓶颈：Agent可以7×24工作，但如果流程中需要人类确认某个步骤，人反而成了卡点 几个开放的研究问题： 如何微调模型而不丧失通用能力：你只想教5个新事实，但不想让它忘了怎么写诗、怎么遵循指令 Prompt工程缺乏科学基础：有些人特别擅长写prompt，但他们不知道为什么管用，你也不知道。这不应该是黑魔法 为什么同一个prompt在不同模型上效果差异巨大：哪些是模型特异性的，哪些是通用的好实践？ 如何让模型学会说"我不确定"：LLM天生喜欢自信地胡说八道，这对构建可靠系统是致命的 预判：模型会继续进步，能处理更长的任务链；人类会持续向更高抽象层移动，从写代码到管理Agent；专门为Agent设计的工具会取代为人类设计的工具；人类的角色从执行转向"设定目标、评判质量、做品味决策"。 http://t.cn/AXUBJjmR