Dash (@DashHuang)

_{查看完整讨论串}

Dash (@DashHuang)

从 AI Agent 到持续工作的 AGI：我对现阶段 AGI 的理解，以及假期里的开发实践

一、我理解的现阶段 AGI

我觉得现阶段的 AGI 可以这样理解：一个自动自发、持续成长和进化，能自我验收、自我迭代，并能自主决策达成既定目标的智能体。

其实这个目标在今天几乎已经可以实现，只是对人的要求还很高，还需要人来做不少工程上的探索和实践。最后可能还差临门一脚，也许是还差一次模型的升级，也许还差一轮工具的迭代。

最近一两个月陆续推出的 Dots、Grok Bot、Muse，差不多也是以这样一个能实现 AGI 的智能体为目标的产品。但现在大家也都还在起步阶段，无论产品还是用户，都也还在摸索和成长。

我们自己在做的Cindy，也希望往这个方向多做努力——帮助用户实现 AGI。最直接的第一步，就是先帮我们自己的公司的同事实现这个目标。让我们的同事，都用自我进化自我迭代，自主达成工作目标的智能体。

二、下一步：从回合制到持续工作

如果说过去一年的阶段，是把 AI 的使用从聊天框推进到 AI Agent，让 AI 有手有脚、直接把工作完成；那么下一步，就是从 AI Agent 进化成持续工作的智能体，让 AI 像一个活着、持续工作的同事。需要让大家有这方面的意识，往这方面去追求，决不能还停留在回合制里，一来一回的和 AI 沟通。

三、我们需要做的转变

1. 给 AI 更高、更大的目标，让她跑得更久、做得更久。

不要只给 AI 一个小任务、一问一答，而是给她一个更大的目标，让她能持续工作得更久。

2. 不只是习惯 AI 的能力，更要信任她、信赖她。

AI 已经大多数方面超越了人。多向 AI 提问题，让 AI 出解决方案。现在的 AI 是过去从没机会遇到的全能型大神，要习惯让大神出方案，尊重她的意见。

之前看到 DHH 的一个观点：现阶段写程序，非程序员的表现会比程序员好非常多。我最近使用下来，这种感受越来越明显：不要让自己的固有思路束缚 AI 的发挥。 自己少提具体的解决方案，让 AI 自己去研究、去探索、去学习、去成长。

3. 动脑筋给 AI 搭建一个能持续运行的环境。

要想办法搭配一个环境，让 AI 能更持续地运行，能够自我迭代和成长，比如用自动化任务、目标模式等方法来实现。

当然，这个环境最终一定会不需要用户来搭。应该由我们来悉心培养一个 AI Agent，通过 Cindy 来帮用户把各种自动化任务、各种 session 全部编排和管理好。

四、对团队的要求：从两个披萨到两片披萨

AI 的能力上来了，对团队里每个人的要求也要更高：每个人都应该能借助 AI，独立把一件事从想法做到上线，而不是只负责流水线上的一段。

1. 团队更小：两片披萨，1~2 人最佳。

过去 Amazon 倡导“两个披萨团队”：一个团队的人数应该少到两个披萨就能喂饱，大约 6 到 10 人。现在有了 AI，团队应该缩小到“两片披萨”，1~2 个人是最佳配置。

“两片披萨团队”（Two-Slice Team）这个说法来自 AI 媒体公司 Every 的 CEO Dan Shipper。他提出，AI 时代的工程团队只需要两个人：一个海盗，一个建筑师。

海盗（Pirate）：用 AI 以最快速度写代码、上线功能，找出真正有价值的东西。海盗端到端负责自己的产品。
建筑师（Architect）：把海盗探索出来的产品整理成稳定、可靠、结构清晰的系统。建筑师也用 AI 写代码，只是节奏更慢、考虑更周全。

2. 先把项目仓库开放打通。

公司内第一步，是让每个人都有能力、也有权限做全流程的事情：看代码、改代码、跑构建、做验收，都不需要找别人开权限、等别人配合。火炬之光 II 的仓库就是这样做的：在公司内部对所有人开放，欢迎大家带着自己的 AI 工具参与。

3. 项目只在合并和发布环节把关。

除了合并和发布，其他环节随便大家躁。谁有需求，谁来做。

4. 想法不等排期。

做需求不应该还要等排期。只有合并和发版需要排期，想法不应该等排期。

五、一次实践：国庆假期的火炬之光 II 现代化改造

最近自己用 AI，明显感觉到她的能力越来越强，可以给她更多信任和更多空间。

举个例子。国庆假期期间，我对火炬之光 II 的代码做了一次现代化改造：把一个十几年前的老代码仓库重新整理回来，对引擎和渲染做了全方位升级。改造后它能原生支持现在的 ARM64 芯片和 Metal 渲染，能在只有 2GB 内存的 Apple TV 上 4K 满帧跑起来，还适配了手柄和手机触屏交互。

放在过去，一个人几乎不可能在这么短的时间里完成这些事。而且虽然整个工作持续了一个假期，我个人实际投入的时间非常少。大部分时候我在家里躺着，或者陪我爸在新西兰到处游山玩水。绝大部分工作都是 AI Agent 自主完成的。

AI 其实早就能自主验收了。现在的区别是，她自主验收、自我迭代的能力越来越强，工程能力和持续工作的能力也越来越强，同时成本越来越低、速度越来越快。 所以你越来越可以把这些工作交给 AI。

在这个项目里，AI 会自己跑程序、跑代码、跑游戏，截图检查渲染有没有问题，看性能有没有提升。整个过程我基本没出什么主意，全是 AI 自己解决、自己搞定的。我自己也从来没有维护过完整的 GitHub 仓库，更别说游戏仓库了。仓库怎么迁移、怎么管理，都是 AI 自己处理的。

当然，AI 第一次也没做得那么完美，有很多问题。但她有自我进化、自我提升的能力。我做的其实就是让 AI 自己去看每天的 GitHub 日志和流程，问她还有哪里可以提升，让她自己改规则、去提升、去解决问题。效果很明显。

整个过程我非常轻松，大部分工作甚至是在手机上完成的，连电脑都没碰，验收全是 AI 自己做的。这个过程只花了我一点点时间和精力。成本也不高：整个国庆这一周，用量最多相当于两个 Claude Max 套餐，折合周成本大约 100 美金。同时我还在继续优化 Cindy，用手机时遇到的 Cindy 里的各种问题，也都顺手修掉了。

火炬之光 II：做成了什么

把一套乱掉的老代码统一并现代化。 原来的代码非常乱：每个平台都是独立的一套代码，彼此还有矛盾的地方。这次统一做了整理：

不同平台统一成一套代码
基于输入设备而不是平台来适配用户的交互界面，并能无缝切换
清理掉约 550 万行没有接入构建的第三方代码副本

一个代码库，跑在四个平台上：

Mac（Apple Silicon）：原生 ARM64，默认 Metal 渲染，完整构建、打包和每晚测试包
iPhone：触屏操作直接战斗、原版界面适配、可选 120 帧
Apple TV：手柄操作，纹理改为 ASTC 后战斗场景纹理内存从 451 MB 降到 149 MB，能在小内存设备上跑起来
Windows：恢复原生构建，Win32 和 x64 双架构，新增 D3D11 后端

体验上的提升：

新增原生 Metal 渲染器，支持动态分辨率和 FXAA
预计算寻路，缩短地图加载
补齐七种语言的过场字幕（28 份、222 条台词）；全量检查 23 份词典、32.5 万个词条，修复漏译和错译 2,019 处（新增 833、修正 1,186），另外对齐简繁中文 4.2 万对词条
兼容旧 MOD，接入原主机的手柄界面
Steam 联机大厅和好友邀请

工程体系： 补了安全扫描（修复 40 条告警）、合并队列、每晚测试包和每日自动巡检。CI 成本也让 AI 自己优化过一轮。

规模： 9 天里，合并 70 多个 PR、近 900 个提交，自动构建和验收跑了 1,193 次。