LLM workflow从出来的第一天，我就说，这玩意儿给企业用绝对必死无疑，跟low code和no code一样，属于民办三本文科宝妈的意淫幻想。 典型就是，设置一个自以为挺有用的场景，一堆人跟个大傻逼似的，忙活设计，玩连连看，反复测试，跟个胡闹厨房一样， 做完美滋滋地跟团队炫耀，大面积推广， 用了一周之后发现，哎，缺少了功能ABCDEFG，其中ABCD和EFG还矛盾，如果要完善LLM workflow的这些缺失功能，那就要完完全全重新写一套。 这时候这些民办三本文科宝妈的脑子直接烧了，因为要满足接下来层出不断需求，就要每周时时刻刻重写，而这对于他们人均边牧一样的产品设计和coding能力，是绝对做不到的。 这些人连python写一个从1加到100都费劲，让他们持续维护一个不断推翻、不断重新设计、不断连连看的LLM workflow，比让他们学会正确写一个feature requirement document还难。 于是整个团队出现了五六个LLM workflow之后，彻底失去维护能力，持续烂尾，又回到了人肉办公处理的时代。

LLM 几乎可以重构所有 App 业务的今天，真的有一种回到十几年前移动互联网刚爆发时的感觉。每天都在灵感井喷：这个东西可以重做一遍，那个产品也可以重新做一遍，过去很多因为成本太高做不了的东西，现在一个人加几个 Agent 就能开干。但和十几年前最大的区别是——那时候创业者面对的还是一片相对蛮荒的新大陆。现在你旁边站着一群大厂。他们有用户、有流量、有数据、有渠道，还有成熟到可怕的中台和弹药库。你今天灵光一闪想到的功能，他们可能明天就能塞进现有产品里。所以这一轮 AI 创业最刺激的地方，不只是机会多。而是机会和威胁，几乎同时到达。

LLM 这块真的有什么硬性的护城河吗，开源社区已经把各种大模型，基础设施都端上来了，openai 和 anthropic 的领先地位到底还能持续多久？又或者以后是否还有必要为那一点智能支付高昂的溢价？目前的感觉是，谁有卡谁就是大爷，这么看马斯克布局数据中心确实是一手好棋

LLM 每一轮迭代，都会让一批创业者丢掉生意。今天跟一位朋友聊，他说模型越强，他却越兴奋。 他是做硬件集成解决方案的，前十年在工厂摸爬滚打，2023 年 AI 爆发后开始跟着 waytoagi 社区沉浸式学习，将 AI 能力转换成生产力，然后将经验复制到工厂生产场景，写 prompt，建 workflow，也捏 agent，认识了很多工厂老板。 两年下来，最大的感受是，再好用的提示词和工作流，都会随着大模型能力的提升成为历史的遗迹。这也一度让他产生焦虑。 今年年初，他把投入的方向做了一些调整。Coding agent 的能力跃迁，让 AI 可以做好大量繁琐工作的拆解了，例如可以把工厂的需求拆解成更具体的电路问题和软件设计问题，将复杂的电路集成问题拆解成可单元化合成的简单问题。凭借着对硬件领域的认知和人脉关系，他开始从咨询顾问转型为硬件集成方，除了做方案供给，也把软硬件实现环节给承接了下来。 在能力打磨阶段，一方面承接市场各类个性化定制需求，一对一客服，另一方面线下跑工厂，帮助工厂完成 AI 转型和升级。过程中，把对 AI 的理解附加到硬件产品上，又把对硬件的理解融入到AI 的交互体验中，逐步积累了深厚的技术壁垒和认知壁垒。 过去半年，他几乎每天只睡四个小时。为了解决某个硬件集成或设计问题，会去了解每个元件的工作原理，做好参数调试，以及供应商对比，在实战中沉淀和优化了丰富的元件知识库，也与大量硬件供应商建立信任关系，很快就逐渐形成了自己的集成方案优势、价格优势和服务体验优势。 他说这些都是脏活苦活累活，很多人不愿意下场，愿意下场的人又不懂 AI，也就没办法将沉淀的知识转换成有效生产力。 在做生意方面，也是务实的风格。遇到了好的硬件想法和创意，他并没有直接下场实现，而是把利润让给合适工厂，跟工厂一起打磨更顺畅的合作模式，同时也为自己建设更全面的硬件调试能力，以此来构建更持久、更健康的生态合作环境。 跟这个朋友的沟通，让我感受到，1）无论是数字时代还是智能时代，都需要下苦功夫，没有捷径可走；2）行业 know-how 就是最强护城河，充分发挥自己的领域优势，结合 AI 把人解决起来最难、最痛苦的问题搞定，前面就是曙光；3）做生意，三分利七分情，生态好了，自己才会更好。

LLM 不只在污染我们读到的文字，也在重塑我们写的文字，进而腐蚀人和人之间的信任。 最近读 Armin Ronacher 的一篇 blog，他是 Flask 的作者，python 圈很老的人了。 Armin 这篇 blog 叫《Content for Content's Sake》，大概意思是：LLM 不只是在污染我们读到的东西，它正在改写我们自己怎么写、怎么说话，最终腐蚀掉人和人之间最底层的信任。 他扒了自己过去 90 天的 AI 会话记录，把中频词的使用频率跟 wordfreq（一个历史词频基准）对了一下。结果capability、substrate 这种词在 AI 给他的回复里出现的频率，远远高于历史正常水平。 也就是说，AI 已经有一套自己独特的语言指纹。 这只是第一层。 第二层是这些指纹正在渗透回人类。Armin 说，他上推特、刷 HN 的时候发现，越来越多回复读起来像 LLM，但发帖人不少是他认识的真人。他自己也察觉到了，读了太多机器生成的文本之后，人会无意识地吸收那种腔调。 不是 AI 模仿他，是他在变成 AI。 这个我也有同感，很多时候，即使是我自己写的东西，我看着也像 AI 写的东西…… 然后是第三层。信任被腐蚀。 系统层面已经在崩：欧盟的投诉系统被 AI 批量投诉搞到接近瘫痪；开源项目的 GitHub issue 区被 AI 生成的伪 bug 报告冲烂；已经有公司专做“自动化发送 LLM 内容”的服务。 但最贴身的崩坏不是这些，比如他的一个朋友，现在跟陌生人聊几句就会强制对方打电话过来，只为了确认对面是个活人。 结尾更有意思 Armin 承认，这篇文章里的表，是他让 AI agent 帮他做的，爬 Google Trends 数据的代码也是 AI 写的。 他用来论证“AI 在污染我们”的图表和数据，本身就是 AI 帮他生成的。 整篇博客就是在说：我们已经被卷进这个漩涡里了，保持清醒已经很难，保持干净几乎不可能。 感觉是时候写一篇论文了：人与 AI 如何和谐共生😂