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😂

现在的 Coding LLM，很擅长处理代码、日志、文档、终端输出，但它们理解的是被描述的世界，而不是真实运行后的世界。 开发时就会遇到一种情况，代码逻辑完全正确，然后页面问题一堆，例如字体发虚、间距不协调、响应式布局失效，或者小程序、WebView、浏览器之间表现不一致。 这些问题，人一眼就能察觉，但纯语言模型就是不行。这也是当前做软件开发最让人头疼的地方，调细节调到手软，🐶 很多 Agent 会接入 Playwright/Puppeteer/截图分析/OCR/DOM Tree 等能力，相当于在给 LLM 增加了视觉输入，但就算是拿到了截图，它也很难还原真实画面，因为它依然是通过本文的方式来理解这个世界的。 产品体验里有大量东西，包括视觉认知、空间感知、交互节奏、动态反馈等，都存在于人的直觉里，滚动、动画、拖拽、手势、页面切换、焦点变化、微交互，这些都不是单张截图能够理解的。 最近也看到了一些变化的趋势，多模态 Coding Agent 已经在路上了。 下一代 Agent 会越来越像一个真正的软件工程师，它会自己运行页面，观察界面变化，理解视觉问题，修改代码，再重新运行，再继续观察。 当前主要还在靠 Harnees 工程手段来弥补这一块。

之前做LLM推理芯片架构探索的时候，我把四大AI推理ASIC公司的架构都翻过一遍。Groq、SambaNova、Tenstorrent、Cerebras。前三家的思路虽然各有侧重，但底层逻辑都在同一个框架里：片上大SRAM + dataflow架构 + 确定性调度，核心差异在NoC拓扑、内存层级、编译器抽象这些维度上展开。 Cerebras是里面让我真正被震惊到的一家，而它却这四家里马上第一个拿到IPO结果的。 这家公司的选择比其他三家都激进一个量级：不做芯片，直接做整片wafer。 单颗WSE-3，21.5cm × 21.5cm的整片晶圆，90万个PE通过scribe-line stitching在物理上连成一片连续的silicon。这个工艺是Cerebras和TSMC联合定制的，把原本用于晶圆切割的窄条改造成跨reticle的金属导线，让所有reticle在物理上拼接成一整块芯片。（配图二展示了单颗WSE-3内部结构：左半边是整片晶圆的reticle网格和scribe-line拼接，右半边放大了单个PE的微架构。） 单个PE的结构极简：8-wide FP16 SIMD计算核，48KB本地SRAM直连，没有cache层级，所有数据访问都是确定性的单周期。加上一个5端口路由器（N/S/E/W + loopback），相邻PE之间的通信延迟也是单周期。关键在于，跨reticle边界的mesh在物理参数上和reticle内部完全一致，编译器和runtime完全不需要感知reticle边界的存在。 从LLM推理的视角看，这个均匀性的价值非常大。 LLM推理的瓶颈在decode阶段。每生成一个token，模型权重要被完整读取一次，计算量却很小，典型的memory-bound场景。GPU集群在这个环节的核心问题是数据搬运：HBM带宽有限，多卡之间还要经过NVLink → NVSwitch → InfiniBand → Ethernet四层互联，每一层带宽和延迟都差几个量级，编程模型必须显式处理每一层的拓扑边界。 Cerebras的做法完全绕开了这个问题。单片wafer内部fabric带宽27 PB/s，权重从外部的MemoryX存储集群通过SwarmX流入wafer后，在PE之间按数据流模式传播执行，同一套placement和routing算法跑遍整片wafer。（配图一展示了这个系统级架构：MemoryX参数存储集群到SwarmX互联fabric，再到底层最多2048台CS-3节点，权重广播和梯度规约的数据流方向一目了然。） 90万个PE各自带48KB SRAM，合计约42GB片上存储，每个PE对自己本地SRAM的访问是单周期确定性的，PE间通信每跳single-cycle，延迟和曼哈顿距离成正比。对于推理场景，前提是weight streaming的编译器能把权重有效地分配到对应的PE上，这42GB分布式片上SRAM的聚合带宽远超GPU的HBM方案，没有cache层级带来的访问不确定性，没有跨芯片搬运的开销。 回到我自己的体感。做推理芯片架构的时候，NoC拓扑和内存层级的权衡花了大量精力，因为芯片边界是硬约束，跨芯片通信的成本和片内通信之间永远存在断层。Cerebras的做法等于从片内通信的角度消除了这个断层，代价是整条制造和封装链都要重新定义。 这也解释了Cerebras的工程取舍。所有架构创新集中在wafer内部，scale-out方向直接复用100GbE + RoCE的以太网生态。wafer内27 PB/s对比跨CS-3的SwarmX在Tbps量级，几个数量级的差距全部交给商品化网络承担。推理场景下单wafer内部的带宽和延迟优势可以直接转化成token生成速度。 OpenAI选择和Cerebras合作做推理，从架构层面看逻辑是通的。大规模在线推理需要低延迟、高吞吐、确定性时延，这三点恰好是wafer-scale架构在片上通信均匀性方面的结构性优势。 但这套架构也有几个结构性的问题值得正视。 良率和成本是绕不开的。整片wafer做单颗芯片，任何一个reticle的缺陷都影响整体。Cerebras靠冗余PE和路由绕行来应对，但冗余比例和良率数据从未公开过。一片wafer的制造成本本身就远高于切割后卖单颗die的模式，叠加23kW、15U的单系统功耗和体积，部署密度和TCO在大规模推理集群的经济性上面临考验。 最关键的是KV cache的容量瓶颈。42GB片上SRAM看起来很大，但长上下文推理场景下KV cache随序列长度线性增长。以Llama 70B为参考，FP16下128K上下文的KV cache就要吃掉约40GB，即使做KV cache量化，长序列场景下的容量压力仍然显著。片上放不下的部分必须依赖MemoryX做外部存储，数据要经过SwarmX回传，这条路径的带宽在Tbps量级，和wafer内部27 PB/s的差距意味着长序列场景下decode速度会被外部带宽卡住。这可能是Cerebras在推理场景面临的最核心的架构约束。

基于 Transformer 架构的 LLM 最大的问题就是没有时间感，我觉得这是主观智能甚至是意识到重要部分，时间的连续感知和记忆的先后形成了“自我”！每次涉及到Agentic 任务我都得让模型自己使用 tool 确定操作时间，别让它靠幻觉脑补😂 不知道我这样对不对？

🤖 AI Agent 学习地图 — 从基础 LLM 概念到自己构建多 agent 系统，为“想学习 AI 或 AI agent 的人”设计。 结构化 7 阶段学习路径，从「LLM 是什么、token 怎么算」一路到 multi-agent 编排、本地部署， 每阶段都有必做的 動手練習 练习、必修阅读、精选 project

实用小工具推荐：Hyper-Extract 使用 LLM 将非结构化文本转换为结构化知识。你可以把一大段乱糟糟的文字丢进去，它能帮你用 LLM 自动提炼结构并生成知识图谱，自带命令行工具，一行命令就能跑起来，还预置了 80 多个领域模板，金融、医疗、法律都有覆盖，不用自己写提示词。

会用 Claude 聊天，不等于会做 LLM 工程。 这两件事之间的距离，比大多数人想象的远。 2026 年，"会用 AI"已经是基本门槛，不是护城河。 真正的护城河是：能设计、部署、监控一个生产级 AI 系统。 这需要的不只是会写 prompt。 从聊天到生产，你需要补上这几段距离： 提示工程 → 上下文工程 不是写更好的 prompt，是设计信息如何进入模型、以什么格式、在什么时机。 本地跑通 → 生产部署 延迟、并发、成本控制、降级策略——这些在 demo 里不存在，在生产里全是问题。 单次调用 → 可观测系统 你不知道模型在哪个请求上出了问题，就没办法系统性地改进它。 RAG 原型 → 检索工程 向量搜索只是起点。重排序、混合检索、上下文压缩，每一层都影响最终质量。 单 Agent → 多 Agent 协作 任务分解、状态管理、错误恢复——这是分布式系统问题，不是 prompt 问题。 "能设计 AI 系统"的人，永远比"会用 AI 工具"的人稀缺。 稀缺才有溢价。