我终于意识到:AI 产品真正的单位不是 Function,而是语义连续性

我终于意识到：

AI 产品真正的单位，

可能不是 Function，

而是「语义连续性」。

这件事，我是最近长期用 coding agent 去做 agent 的时候，才真正感觉到的。

以前我一直以为：

Agent 做不好，

是因为模型不够强。

后来我又觉得：

是不是 Prompt 不够好？

是不是 Workflow 不够复杂？

是不是记忆系统太弱？

是不是工具调用不够智能？

于是开始疯狂加东西。

memory、

graph、

workflow、

node、

tool call、

summary……

系统越来越复杂。

但奇怪的是：

Agent 反而越来越“假”。

它看起来什么都会。

但你始终感觉：

它没有真正理解你。

——

后来我才慢慢意识到：

问题可能根本不在模型。

而在于：

语义在工程链路里，

被一点一点切碎了。

传统软件工程，

本质上是低级语义系统。

它追求的是：

- 确定性

- 状态机

- 输入输出

- 字段

- schema

- control flow

但模型不是这个世界。

模型本质上更像一个高维语义系统。

它很多时候理解的，

不是字段。

而是：

整体上下文之间连续的关系。

——

于是我开始发现一个特别奇怪的问题：

很多 Agent 系统，

其实从代码层就已经开始“丢语义”了。

比如一句很自然的话：

“这个功能其实能跑，但整体体验特别奇怪，好像哪里断掉了。”

传统工程会很自然想把它拆成：

- issue

- task

- feedback

- emotion

但真正重要的东西，

可能恰恰在那些无法被结构化的部分里。

“整体体验”

“奇怪”

“断掉了”

“说不上来的不连贯”

这些东西，

其实是一整段连续语义。

可很多系统会在：

workflow、

summary、

memory abstraction、

structured output

这一层层处理中，

不断压缩、

切分、

归类。

最后：

语义已经不是原来的语义了。

——

我后来越来越强烈地感觉到：

很多 Agent 为什么很“机械”，

不是因为模型不够聪明。

而是：

低级语义正在强行控制高级语义。

代码在试图规定：

模型应该怎么理解世界。

但模型真正擅长的，

恰恰是整体语义理解。

于是你会发现：

很多 Agent 功能很多，

但始终不像“活的系统”。

因为语义在中间已经断掉了。

——

这也是我最近做项目时一个特别大的认知变化。

以前我总觉得：

AI 产品的核心单位是：

- function

- workflow

- tool

- memory node

但现在我越来越觉得：

真正重要的，

可能是：

语义能不能在整个系统里持续流动。

这甚至会决定：

为什么有些 AI 会越来越像助手。

而有些 AI，

永远像客服。