AI做事已练到77分,给我们剩下的只有真实的生活转的是这半年看到的事：AI agent完成真实职场任务，一年从20%涨到77%。为啥AI今年终于上路，知道光学推理不够，必须训练真实行动？
然后想到自己。毕业前实习，单位人际关系复杂，我的第一反应是回图书馆借《红顶商人胡雪岩》。学校学了十几年，为啥没让我学会"在真实混乱里行动"？
躺着重温《士兵突击》，许三多的“好好活”提醒了我：AI已经学会在数字世界里做事。留下能给自己和孩子的，还剩什么？下面是这两周写的四篇日记。从一个数字77%开始，绕了一大圈。
5月2号，周六，阵雨，刚暖和点又降温！
看到这张图：AI Agent在电脑上独立完成真实任务的成功率，从2025年2月的20%，到2026年2月的77.3%。哦，它找了小一百个职场白领，拿自己日常工作，编软件、分析数据、文件管理、行政助理、编辑视频……改造成测试任务，让AI做。一个是行政助理，帮几个领导协调开会时间。读取日历，找空闲时段，还要顾及领导们的感受：谁不乐意周一，谁习惯上午开会。另一个做数据爬虫，爬一个互联网书店，一页页翻过去，把书名、作者、年份、评分、价格都抓下来，存成CSV文件。不能有错。
哎，近半年玩Vibe coding，感觉AI编程进步很大。但没想到，其他职场任务也开始被agent感染。再联想到红杉资本前一阵给AGI下的新定义：能独立把事做完的AI就叫AGI，不在乎是不是比人聪明。（资本家，你们就瞎下定义吧！先射箭，再画靶子，总有故事可讲。煽动焦虑。）
5月5号，星期二，立夏，晴有大风，吹走毛毛，宜踢球！
今天有人问我，认不认识阿里通义大模型前一阵离职的leader林俊旸，问他是不是文科生。人家最年轻P10，带通义拿到开源第一的结果，让阿里股票涨涨涨，就冲这一点，还挑人家是文科理科？无事搜了一下，林离职后发过一篇推文，讲Agentic Thinking，智能体式思考，值得看看。以前训练AI，目标是让它"想得更明白"。给它一道题，它先在脑子里推敲，最后交一个答案，看质量评分。这叫推理式思考，Reasoning。现在目标变了。要AI能跟环境持续交互，把事做完、做对。边做边想，发现错了修正，继续做。这叫智能体式思考，Agentic Thinking。
找来前天看的斯坦福报告，agent独立完成任务的测试，里边挑个例子来解读：书店爬虫。任务是爬一个网站，把所有书的书名、作者、价格、评分抓下来，存成CSV。理论上可以先思考：网站有哪几种类型，不同类型怎么爬。想明白再动手。但如果链接都给你了，agent不如直接打开看看，网站什么类型，每一页什么结构，先行动再思考。根据之前行动了解到的信息，agent选择对口的工具。如果没有对口的，自己造一个。碰到的数据很乱，有的书没作者，金额格式不统一，页面结构不一样……信息从来不是干净的，agent得自己决定哪些有用、哪些忽略、怎么统一。应该有87本书，结果只有82条；有3条没有作者、6条价格格式是错的。agent得主动去查验结果，数一数，判断哪里不对。发现问题，找原因，改，再跑，再看。（5）一件事要干很久、干很多轮，怎样保证不走偏，维持目标不变？爬虫任务，从头到尾可能要跑十几轮。每一轮都会冒出新问题。每一个新问题，都是一个诱惑——诱惑agent钻进去，把这个局部做大做强。但agent的任务是：抓一张完整的书单，五列，每本书一行。不走偏，是靠每一轮都记得：我在干什么，我要的结果是什么，这个问题值得我花多少时间。就好像两个员工。靠谱的被打断十次，还能维持同一个目标。不靠谱的那个，被打断两次，就忘了原来要干什么了。
从reasoning（Deepseek-R1去年爆红就是因为这个）到现在的agent，全球顶级AI公司，花了一年把这5种能力练出来了。又突发奇想：我们人类的这5种能力，需要多长时间、用什么方法来训练呢？（今天凌晨，中国卫冕克鲁斯堡，不枉我这几天熬夜！小将吴宜泽有没有这5种能力？从哪儿训练的呢？）
5月10号，周日，晴，下次换短裤！
今天踢球回来，在路上又想到agent的5种能力。踢足球，不就是跟环境持续交互、用行动来推理吗。场上球员位置、攻防关系、空间机会不断变化，信息、噪音都很大，留给我思考的时间窗口很短。两次后场脚下球都被抢断，对手压迫太紧，我试试过顶、打身后？左前队友接长传不行，跟他换个位？这些能力，在真实世界里很有用，可我们是在哪里训练的？学校教不教呢？
晚上到家，再想想这5件事，好像大部分都…… 都被学校的应试教育完美避开~这个学校也有练。作文用什么论据，几何题画不画辅助线。前两件事，学校还过得去。从第三件开始，情况就变了。但试卷上的噪音、干扰项，都是出题人设计的。有标准答案等着我。我做个产品，用户反馈互相矛盾，有人说太复杂，有人说不够用。没人知道哪些是干扰项，问出题人——我老板，他也不知道，因为根本没有标准答案。学校练的技能是识别出题人意图——材料考什么，答案藏在哪，哪些是干扰项。但最难的那一步是老师替我做的：给我打对错，正确解法写在黑板上，我只要看懂、记住、下次照做。自己发现错了、诊断哪里错了、出替代方案、验证有没有效，这条链路，从没完整地交给我。我出了校门才发现，没有对钩和叉叉，没有黑板了，不会诊断和验证，没准我都发现不了错误。（5）一件事要干很久、干很多轮，怎样保证不走偏，维持目标不变？这件事学校做得很好，课表、教学进度、月考期中期末、成绩排名……有一套精密的系统维持我的连贯性。没有外部系统约束时，自建一套保持连贯的系统，给自己设检查点，在偏离的时候把自己拉回来。
应试教育的环境，把这5件事里的3件，系统性地帮我回避了。学校要在有限时间里，把确定的知识教给很多孩子，就没法让我在真实的混乱里自主试错、花时间、犯错。记得我毕业前实习，觉得单位人际关系复杂，第一反应居然是：回学校图书馆，借一套《红顶商人胡雪岩》来看。可，AI agent都tm训练出来了，我们的学校却不训练这个，我是毕业后趟了20年的坑，那孩子怎么办？
5月16号，周六，多云，停一周运动
没力气干别的，重温了十几集《士兵突击》，刚毕业那会看过但没太看懂。
看剧，又想起了上周自己问的傻问题：agent在练的东西，我们人类学校没在练，怎么办？
AI agent独立完成真实任务，1年成功率就提升到77%了。明年、后年呢？我们还要跟它比吗？编程、行政助理、数据爬虫、文件整理、分析数据……都是数字世界里的事。人际世界里，说错了话，关系就变了。系统不会提示"操作失败，是否重试"。还有跨越几个礼拜、几个月、几年的一个目标，中间没有系统帮你打分。AI练会了在数字世界里行动。我们只剩真实的生活可以练。
夜雨聆风
