目录加载中...
第二天上午的航班是十点二十起飞，韩路一和张彪八点多到了机场。
此时候机大厅里已经坐了不少人，一眼望去半数都开着笔记本电脑，一派和谐的牛马出游的场景。
韩路一去星巴克买了杯咖啡，找了个空座位坐下。
张彪站在他身旁，观察四周。
韩路一坐的地方，斜前方坐着个穿灰色西装外套的女生，她把笔记本电脑摆在腿上，浏览器里开着一个AI软件对话框，正跟聊天机器人较劲。
女生打了一长串话，等了几秒，盯着屏幕看了一会儿，然后打开一个新会话，重新打。
韩路一感觉好奇，稍微调整了一下角度，打开视界，女生屏幕上的信息都清楚地显示了出来。
原来女生是在用AI聊天机器人做幻灯片大纲。
AI的回复挺典型，开头先是一句：“好的！以下是为您生成的Q4业绩汇报PPT大纲【星星表情】”
然后刷刷刷的列出十几条来，里面有各种星号加粗和破折号，每个标题后面还跟着一个emoji表情，乍一看上去挺有东西，其实仔细一看，都是些没什么信息量的万能模板。
女生长长的叹了一口气，一边打字一边小声念出声：“你、可、真、蠢、啊。”
AI回复的很快：“很抱歉让你觉得我笨。我就在这，不躲不逃，先接住这句骂。”
韩路一在心里微微摇头，这人的用法错了。
AI只是工具，不可能得到你没给出的信息，想要得到有用的回复，上下文越相关、越精确，最后的结果才能越好。
女生扶着额头摇了摇头，停了一会，她准备再试一次。
这次她现在网上搜索了一通，找了好几个提示词模板，然后自己调整成了一个新的版本：“你是一个有二十年工作经验的四大审计业务线的经理，需要做一个Q4季度业绩汇报PPT，面向合伙人汇报，要包含营收数据、团队人效、客户满意度，措辞专业大气简洁，这些是原始数据。”
然后她从桌面上拖了几个文件到聊天界面上传，回车。
韩路一多看笑了，哪有二十年工作经验还在当经理的，这是典型的被网上流传的提示词模板给忽悠了。
伴随着AI正在回复，韩路一也好奇地看向女生的面板。
【陈玖玖】
【职位：毕马威会计师事务所审计经理】
【情绪：疲惫，烦躁】
【核心焦虑：升职不顺，工作压力大，寻求跳槽】
韩路一继续往下看去。
【当前需求：制作Q4业绩汇报幻灯片，体现工作成绩】
【需求解析（展开）】
还能看需求解析？这个有意思，和玩儿模拟城市似的。
韩路一好奇地展开了解析。
【汇报对象：审计业务线合伙人（非客户）】
【核心诉求：向合伙人证明目标主导的数据审计新业务板块已形成独立营收能力，具备从现有业务线拆分为独立业务线的条件】
【关键缺失：没有提供和同类业务的对比数据，合伙人决策数据不全】
【当前优化建议：提示词信息密度较低，缺乏结构化约束，无受众定义，无核心论点】
看到这，韩路一陷入了思考。
这个叫陈玖玖审计经理，她在让AI做的事情，和她心里想要达到的目的，不能说是南辕北辙，但也可以叫做毫无关系。
她真正想要的明明是一份独立提案，用来说服合伙人的。
可是她给AI输入的提示词里压根没提这件事，要让AI从那个业绩汇报的提示词和原始数据里提取出这层意思来，可真是难为AI了。
可以说，她的需求和她写的提示词，差了十万八千里。
韩路一收回目光，喝了一口咖啡。
有意思。
登机后韩路一靠在窗边，闭上眼睛，继续整理自己的思路。
金手指。
自从韩路一获得了【现实代码视界】这个金手指，他每天都在用，还升级了两次。随着不断的使用和总结，他对视界的了解也越来越深。
首先说说他推测的视界的工作原理。
获取信息，这是他从一开始就了解到的功能。把注意力集中在人或者物体上，就可以得到相关信息，准确性无法全部验证，就姑且相信都是正确的。
但是有一点，这个信息首先要是“已知信息”。所谓已知信息，不是指韩路一本人知道的信息，而是指这个信息已经确定的存在，至少有人知道。比如陈博文的那三个BUG，韩路一并不知道，甚至他本人都未必知情，但是王志远是知道的。
韩路一尝试去看自己不了解的量子物理或者天体物理论文，视界能给出的大多是关于论文的元信息，例如作者信息、论文引用次数、影响力因子之类的，但是关于里面的事实部分，尤其是没有实验支撑的理论，视界也给不出答案。
在看到的信息中如果有不合理，或者不是最优状态的情况，视界也会提示为“BUG”或者“漏洞”。
另外在和别人面对面开启视界时，视界也会显示对方的情绪和隐藏情绪，这里的准确率也无从得知，但韩路一的经验来看，至少在谈判中十分好用。这种能力的原理呢？它没有读心术那么强大，也不是读取对方的脑电波，可能是基于心跳、微表情等生理信息的推测。
这样看来视界的这些功能有点像一个加强版的接入现实数据的搜索引擎。
到现在视界已经升级过两次了，除了增加精力上限和恢复速度，加上极大的提升了身体素质之外，第一次升级之后解锁了更多信息，第二次升级之后则解锁了【路径编译】的能力。
【路径编译】是基于已有信息来推演最优解决方案的能力，在BugKiller被鼎盛和CodeSafe围剿时，就是它给出了和多个云服务商合作来破局的方案。
但是路径编译的缺点是它能计算的复杂程度有限，而且消耗的精力和复杂程度成比例的上升。赵文渊开启后训练时韩路一就尝试让视界直接给出模型的最佳参数组合来抄作业，但是只得到“精力不足”的提示。
其他的例子还包括金融产品和天气。
刚得到视界时韩路一以为是视界不鼓励投机赚钱，但是现在看来，应该是因为两点。
一是视界不能预测未来，二是视界在计算复杂系统时有局限性。天气和公开交易的金融产品是典型的、《黑天鹅》的作者塔勒布称之为复杂模型的系统模型，模型中一部分的变化会引起其他部分的变化，进而又引起更多的变化，使计算整个模型的全部变化成为不可能。
以股市为例，如果一个人购买或卖出某只股票，这可能极其细微的影响股价，这种影响又会引起市场中其他参与者的心理变化，有人贪婪而买入意愿升高，有人恐惧而买入意愿降低。这些进而影响他们的行动，又进一步影响股价。更可怕的是市场参与者本身会持续受这些外界变化的影响，他自己的行为经过外部的传导后又会影响自身的行为，这种特性被索罗斯称为反身性。
索罗斯靠这套理论在1992年做空英镑一战赚了十亿美金，号称“打垮英格兰银行的人”。但同样是索罗斯，到1998年做空港币时被香港金管局正面硬刚，亏了十亿美金灰溜溜撤退。
可以说这种系统没有人可以准确地预测，除了拉普拉斯妖。
这么看来，视界是一个接入现实数据的搜索引擎加算力超强的电脑，但是毕竟不是拉普拉斯妖。
那他平时都是怎么使用视界的？
看代码Bug，他用的越来越少了，因为写代码的机会越来越少了。
获取信息，帮他识破王志远的幕后布局：BVI架构、快闪造假、卡位收购。
读人，读梁宇，读贺云深，读王志远。
每一种都好用。
但这些跟做模型有什么关系？
韩路一想了几个直接的用法。
第一个简单直接，用视界读竞争对手。鼎盛、Nexus AI、或者其他做模型的团队，找机会跟他们的核心人员碰面，一开视界就知道他们的技术路线走到哪了、卡在哪了、下一步打算怎么做，这样就能永远比对手多知道一步，在信息上碾压对方。
这种用法，他想了一会儿，觉得有用，但可能不够。
信息优势能帮他做对决策，却不能帮他做出好模型。就算他知道Nexus的技术路线，他也没有四十个前OpenAI研究员来执行，知道别人的答案和自己能算出答案根本就是两回事。
或者第二个呢？用视界来挖人？
AI行业和很多行业一样，最值钱的就是人才，但是招聘却是个大难题。
简历写得漂亮的人可能是包装高手，面试表现好的人可能进来三个月就躺平了，辛辛苦苦花了时间精力招进来的人可能完全不是你想要的样子。
这些问题韩路一都可以用视界解决，当面一看，就能知道一个人的能力强不强、好不好合作、是不是来做事的。
这是个竞争优势没错，但这也只是解决了一个团队的问题，却没能对模型质量的提升起到帮助。
就算韩路一能挖到全中国最好的十个工程师，这十个人训模型用的还是公开的数据集、公开的训练方法。
至于第三种用法，其实也是韩路一用的最多的，就是用视界来做商业谈判。
和投资人谈、和合作方谈、和对手谈，不管是和谁谈判，韩路一都能看见对方的底线在哪，相当于是立于不败之地。
但这个对于做模型来说就更不沾边了。
想来想去，韩路一发现了一个规律。
自己刚才想到的这些方法，加强的其实都是他本人，但是对于他要做的事情，没有系统性的加强。
这其实本身就是视界的限制，韩路一的时间和精力都是有限的，他就算每天都全天开着视界，一天又能见几个人呢？
这个思路走不通，韩路一又换了一个方向来想。
有什么事是视界做不到的呢？
视界推理的是现有的信息，它既不创造信息，也不发明知识，更不能预测未来。
但是代码里的那些Bug，人通过表情、语气、声调所表达出来的隐藏情绪，还有那些存在在什么地方的信息。
这些信息本来就存在，视界可以把他们联系起来，用来得出结论。
除了信息来源更丰富更直接，结论也更有用，视界的工作流程不是和模型很像吗？
想到这，韩路一兴奋地睁开眼睛。
是啊，现在视界的能力只有他一个人能用，别人用不了，但是之前是不是有过类似的例子？
BugKiller当初为什么能成功？
产品做的好，社区做的好，这些当然都很重要。
但最重要的其实是检测率高，是韩路一靠自己用视界收集到的数据，训练出了能力接近视界的检测Bug的能力。
BugKiller就是一个代码扫描专用的小视界。
那这个同样的逻辑可不可以用在通用大模型的训练上呢？能不能做出来一个意图理解方面的小视界？
通用模型想成为入口，一个很大的难题就是理解用户到底想要什么。
“做一个Q4季度业绩汇报PPT”，这句话十个人说出来，可能完全是十种不同的需求。
这个问题，别的模型公司是怎么解决的？
把输入的语料和对应的、提前准备好的答案都交给标注团队，一个一个的加上标注，再训练到模型里，期待下一次模型能够给出正确的答案。
但是这个标注是怎么进行的？一些不太受过高等教育的标注工人，跟着经理写的标注指南，一边猜一边标注，这种情况下，训练时使用的标注正确率能有多少？五六成？或者还到不了五六成。
但是韩路一不一样。
他能用视界清楚地看到一个人在说一句话的时候想表达的是什么意思。
甚至有时候比说话者本人还要清楚。
那如果——
韩路一能把自己看到的这些语料里的信息提取出来，做成高质量的标注数据，那是不是就能把视界这种惊人的理解力也复制到模型上？
韩路一的脸上微微露出笑意。
所以，金手指的真正用法，其实不是直接用它做事。
而是把它变成一个产品，让每个人都可以使用它。
那接下来需要做的事情就很清楚了，回到海城之后就开始积累数据、处理数据，把人们想要表达出来的，但是普通模型理解不了的那些意思都记录下来。
这些只有视界能够收集到的，高质量的标注数据，就是韩路一的壁垒了，也是新公司、新模型的核心竞争力。
等到第一批数据到手，可以先在开源基座上跑一版微调，看看效果。
如果微调后的模型在意图理解方面表现出了明显提升，那就说明方向是对的。
这就是韩路一找鼎盛谈的筹码。
窗外的云层在下沉，远处的地面开始露出轮廓，那些建筑和道路从模糊的色块变成了清晰的线条，就像是镜头在对焦的过程。
飞机落地滑行，广播响了起来。
“请您保持安全带不要打开，停留在自己的座位上，直到飞机停稳，安全带指示灯熄灭……”
韩路一拿出手机，给赵文渊发了一条消息：“文渊，在办公室吗？我还有一个小时到，对一下细节。”
张彪转过头问他：“韩总，到了先吃个饭？”
“不了，先回公司。”
BugKiller从想法到发布，用了两个月。
这次要更快。