............看到这篇我完全无语..........
最近这边左脚踩右脚 科技线推进是指数成长 Agent这玩意绝对不是翻译机
现在裁员的除了政治斗争 老印派搞人外 基本上没有所谓的冗员
果家最近把siri的人全部送去AI Agent训练营 强迫全员用claude 那个保守的果家耶
那个最不相信AI 一且以reliable为见长的果家 现在却要求大家用coding agent
也是少数唯一能拿到Mythos AI模型
至于基层的情况培养 就如同我在股板说的 你在大学实习变很重要 大公司会透过实习
挑选能善用AI工具去直接有产出 现在这领域变得很像职业运动 就不在是人人有饭吃
而是适者生存 新人还是有在培养 但只是更卷的方式在培养
回到Agent工作情况
举个例子 这是我最近常用的RL 训练框架
https://github.com/modelscope/ms-swift/issues?q=is%3Aissue%20state%3Aclosed
你去看里面所有的feature 搭配Agent 根本就是飞快地在进化
上周Gemma 才刚出 所有能在上面搭的RL都盖好 PR还一堆agent帮忙review
这在以前 大概半年才会推进那一点
这是个例子
https://github.com/modelscope/ms-swift/issues/9012
https://github.com/Jintao-Huang 你看他这PR产量
我那天在写多模态模型 打算encoder底层要把Abs Embedding
换成Rotary 考虑用相近位置去算 目标就是让模型在inferece在 可以使用Cache
不会因为绝对位置被影响到 这是个全新想法 但好处就是可以省计算量
这想法我在原本公司 通常会写白板 然后跟底下人一起讨论怎样做
现在在新公司 每个人都是搭配agent 都是单干 于是我只能跟codex 讨论
然后codex马上get到 给我一套实验 底层code都写对 还写数学式子跟我讨论
然后我把类似有相关的paer 都丢给他 比方说Mistral最近出的模型 跟他讨论优缺点
他都把实验设计好 然后跑完 给我正确feedback 在这过程 我一行code都没写!!!
两个礼拜后 模型弄好了 计算量下降40% 效能不减 这玩意你跟我说只能翻译!!?
现在的智慧体已经快可以把Reearch Scentist (Model Owner)干掉了
我们公司甚至把许多流程盖成一个AI职员 常住在slack 你可以call他
叫他查code 改架构 问系统 问及时流量 根本就是全知全能
我们除了Codex/Claude 我们还有IT Agent, Data Sceintist Agent(LangSmith)
测试员agent UI
现在产品开发速度根本就过去x10在全速迈进 谁跟不上这速度 公司就让你走人
我司好几个名校毕业 跟不上速度已经被请走路 这根本不是沉员问题
公司立场就是一个人给你上达五千到一万美金每个月token fee 达不到x10
就叫你滚 新创是这样做 大公司也开始这样搞 Meta以后就是以Pod为单位(3~5)人
开发一个产品
每人都是横向掌握 目标都是产出x10 原因很简单 你不这样干 其他公司就干掉你
每个人都是UI/PM/Eng/Infra/Full Stack/Backend/Frontend 都是用实作产品对接
Snap最近60% code都是AI写
Square(block)也是
微软从去年底就开始讲 要瘦身 要全速跑起来 要向AI样build fast
狗家GDM(Deep Mind)现在一周工时都上到60hr 疯狂用AI agent在狂盖
这玩意你跟我说是翻译功能!!!!?????? 比较悲观是 剩下存活的人都具有卷的意识
跟我搭配AI Infra Engineer哥们 (产出x20) 最近开始在看我的模型设计
开始自己横向掌握能不能自己盖模型... 已经掌握到清洗数据和实验分析利用最新
calude 4.7 来做各种探讨
在大AI时代 要建立的基本技能就是横向 和对产品用实作方实作去沟通对接以及速度
以前你可以用自身知识去block对接 现在你这样搞 对方就用AI Agent做你工作范围
抢你scope 因此整个硅谷变得很卷
※ 引述《dream1124 ()》之铭言：
: ※ 引述《bigblack0921 (owen)》之铭言：
: : 最近看到许多国际一线公司打着Agentic AI大旗行裁员之实，我属于悲观派，觉得配套没
: : 有准备好的话未来没有新人可以衔接工作会有断层，老人以前有团队一起打拼/背锅现在
: : 只剩自己扛责（AI产生垃圾但是你没review好），而且如果公司深度绑定Agentic AI，未
: : 来这些框架或模型的维护/升级的费用不就是卖家市场，你不给钱直接断炊回到石器时代
: : 而且团队人数早被优化…
: : 除了既得利益者（CEO高管团队跟公司内做Agentic AI的团队） 没有人会私下反抗吗？
: : 还是我眼光太短浅误会了第四次工业革命？
: 我觉得你说的事情不会发生，但我不是乐观派。
: 除非未来发展出真正的智慧，
: 而非像现在这样拿本来用来解决翻译问题的程式 （LLM）喂一堆资料，
: 然后再一厢情愿的把它基层工人来用，
: 否则几年后他们可能会惊讶发现大费周章搞这些花里胡哨的东西，
: 整体综效竟然没有显著提高太多，现在裁掉的也只是过去超征的冗员，
: 或是一些工作模式本来就比较低效的单位，而非生产力过剩。
: （你若拿这些裁员企业领导人对外的说法来辩驳也行，只能说这就人人看法不同）
: 依我所见，LLM 真正善长的东西始终是语言事务，
: 也就是──翻译、换句话说、照样造句，
: 顶多再加上辅助人类扩展知识范围的能力。
: 目前那些令人兴奋的使用体验其实往往问的是常见或主流的概念，
: 其普遍到人类语言中已经有个名字或是简洁的表达方式，
: 因此使用者能用较短的提示词得到够多有用的结果而不必再花一堆篇幅描述规格。
: 举凡那些叫 LLM 重新发明某些轮子的实验都是这种状况。
: 至于其他好的体验本质多半是语言事务，只是用的人自己没意识到罢了。
: 例如：人类讲简单逻辑，机器生程式码、机器升级框架的版本或换框架──
: 这些体验其实没超出翻译的范畴，但是用的人往往相信是机器靠智慧做到的。
: 若我的判断没错，那么当这些公司发现上述状况后，
: 会做的也就是在利率正常化的时代用更高昂的代价把人再找回来而已，
: 因此也不至于有过度依赖大厂的问题，反而是大厂可能陷入泥沼。
: 大厂会意识到因为人类的知识会不断增加和变化，
: 所以这些模型的训练和开发工作也要不断加码，否则使用者会不乐意花钱。
: 它难以跟其他人类发明的工具一样研发到够好用即可减缓投入并且开始获利了结。
: 硬件和营运的成本可能越来越便宜，但请人撰写有用的训练资料却可能越来越贵。
: 到时这些大厂真正得到的好处大概就是那些对话纪录。
: 这些资料应该有利大厂发展更精准的广告投放服务，
: 只是这涉及到资讯的理解和判断力，因此要投入大量研发资源开采和分析，
: 最后大概又是一个研发资源的黑洞。
: LLM 的研究能有这样的发展实属不易，
: 但仅凭目前这样的设计以及树立在这种不稳定基础上的工具炼恐怕不会形成工业革命。