MacTalk
订阅
MacTalk 开通于2012年末，内容起于 Mac 而不止 Mac，内容覆盖了技术、创业、产品和人文思考。文风有趣，又有一点力量。
MacTalk微信公众号二维码
关注该公众号

会员可查看最新的全部文章

^__^ • 10 / 09
刚发现 Google 发布了一个可以调用 Claude 的 Gemini，这到底是谁在给谁打工？今天看产品发布新闻，嚯，Google 给 Gemini 找了一位同事，名字叫 Claude。这可有意思了，像一家手机厂商宣布：自家的新产品，可以按需调用隔壁公司的处理器。事情是这样滴，在 Gemini at Work 2026 上，Google Cloud 推出了一个云端产品叫 Gemini Agent，能写代码、生成内容，做知识工作者的助手，也能连接企业工具，在云端工作数小时甚至数天。换一台设备，记忆和上下文也跟着走。我看最近的趋势就是，卷完了本地 Agent，又开始卷云端 Agent 了。而且，Agent 和模型的隔离越来越清晰了。你看，这个名叫 Gemini 的 Agent，可以使用 Google Gemini 系列模型，也能用 Anthropic 的 Claude，能调度能协作，未来还计划接入其他闭源和开放模型。模型厂商的工作入口与底层模型也拆开了。产品是 Agent，后台是哪个模型上场，自行安排。有读者就说了，以前 Claude Code、Kimi Code 等等不都可以使用第三方模型了？这次有点不一样，因为 Gemini Agent 是运行在云端的，并且，这是一套云端企业工作平台里的 Agent。看官方文档，其中有个设计很像组织管理。Google 的 Coworker Agent 可以拥有独立的 Workspace 账号，包括邮箱、日历、Drive 空间和企业目录身份。同事可以把它拉进群，在文档里提及它，它做出的修改会以自己的名字进入版本记录。并且，这个有账号有权限的 Agent 可以用 Gemini 驱动，也能用 Claude 驱动。这个感觉是，模型有长短（其实就是 Google 干不过 A 社）但我生态好用户多啊，显然，Google 在争取更长久的用户关系。即便模型的领先很多，短时间也很难改变企业积累的工作记录、技能、文档关联和协作习惯，底层用 Claude，入口仍然是 Gemini，客户还在 Google 的工作环境里，何乐而不为呢？模型仍然重要，只是它在产品里承担的角色正在变化，虽然能力越来越强，但是，不管是本地工具还是云端的 Agent，模型越来越像可替换的计算资源，而保存工作关系、承接任务的 Agent，则有机会成为新的应用平台。昨天和我司大师聊天，前阵子他 K3 用得欢，我问额度够不够啊，他说已经转 Codex 了，Sol 6.1 多好用啊。你看，模型和本地 Agent 都很难留住人，哪个好用哪个，因为切换没成本，或者成本很低。一旦个人工作数据上云了，比如你用飞书企微或钉钉，想切就得脱层皮。在未来的 Agent 时代，这依然是一场博弈。 Gemini Agent 目前看是打了个样。
^__^ • 10 / 02
沉寂两个月后 AK 终于发声：理解 LLM 输出比以往更重要。 Andrej Karpathy 自从加入 Claude 就很少公开分享了，看来去哪个大厂规则尿性都差不多。国内十一长假，AK 时隔两个月写了篇长文，讲述自己理解和消化 LLM 输出的的方式方法。写作：要求 LLM 用 ASD-STE100（航空航天控制语言规范）来解释概念。这种严格规范化的语言比自然语言更清晰易读。Karpathy 有时还会要求"80% 符合规范"来保留一点灵活性。图表：让 LLM 生成图表或图片。相比文字，视觉形式更直观、解析更快。网页：要求输出 HTML，生成可交互的精美页面。比静态文档更具表现力。视频（最看好）：生成定制化的解释视频，如 3b1b 风格，并加入语音旁白。这一形式已开始真正可用。以下是原文译文：我们将花越来越多的时间，去努力理解语言模型的输出。以下是我的一些想法、技巧和窍门：写作：有一个我屡试不爽的方法：让 LLM 用 ASD-STE100 来解释某个东西。这是一种受控语言规范，最初为航空航天维修文档而开发。LLM 对这门语言掌握得很好，它带有大量对干净写作风格的硬性约束，我经常觉得这种输出可读性强得多。有时我会试着让它稍微柔和一点，比如要求“做到 ASD-STE100 的八成”，因为这套规范相当严苛。但还有更好的：图表 / 图像：与其让 LLM 写文字，不如让它画一张图。图表往往更容易消化、解析和理解。但还有更好的：网页：要求输出“用 HTML”，就能得到漂亮的、可交互的网页。LLM 的前端能力越来越强，能做出漂亮的体验、动画等等。但还有更好的：讲解视频：我最看好的输出格式，是针对任意主题完全定制的讲解视频。可以试试这样的提示：“做一个 3Blue1Brown 风格的视频来讲解 X，用我的 ElevenLabs API Key 配音。”（后者需要你有 API Key，或者让 LLM 帮你找一些使用本地算力的靠谱免费替代方案。）这真的已经开始跑通了！总结一下随着 LLM 变得更强，它们会自主完成越来越多的基础工作，而我们工作中更多的部分会沿着抽象层向上移动，变成监督和理解。幸运的是，LLM 在这方面也能帮上忙。当智能和代码变得越来越廉价易得，你可以要求生成大型的、定制化的、用完即弃的软件制品（比如网页应用、讲解视频）——这些东西在以前根本没有造出来的道理。在这个方向上多做尝试，你会惊讶地获得一些有趣的成果。