夜雨聆风昨天发了那篇Hermes写的系统介绍后，暂时手头儿没啥积压工作了，早上也收尾了《禅与摩托车维修艺术》和《智人之上》这两本书，可以整理整理之前的感受了，毕竟深度接触AI也有一年多了，都给我带来点儿什么感想呢？
操作入口搬家了
先说个非常具体的东西，LLM的应用确实把编程工具或者Agent框架收成了现在主要的系统入口。我之前还是用wps在处理的一些事情，比如生成票据的pdf，现在都是直接跟codex去聊，人家生成的很快，替换也很方便；公众号可以跟Hermes聊，无论是让他自己写，还是我写他排版，都可以，万字左右的文章也就是一两天的事情，而且这其中大部分还是花在排版沟通上，不是内容上，内容方面我们沟通是很快的，毕竟，我的大部分文章是要他对着我自己的工作成果写，不是指导他去想象个什么东西；ppt这块还在努力，毕竟我要的是260多页的课件的逐页打磨，不是半小时的主题演讲，后者nano2是很适合的。
我自己原本用电脑做的事情就比较单调，没有多少，而这些现在几乎都可以通过LLM去改变过去的操作习惯了，这也导致我自己开发的系统，我已经有日子没去看它的前端了，所以，我也挺认可将来的“无前端”趋势，说的极端些，前端是电脑或者系统无自主能力的证明，尤其是复杂前端。
新磨坊与能力增益
能力的增益是极为明显的，毕竟，我是一个不会写代码的选手，LLM在这方面带来的绝对是“质”的飞跃。这套系统就是我自己对未来“磨坊”的想法，通过代码去验证思路，去感受企业架构师最难充分体会的东西：从思考到实现，即便是在企业中工作，企业架构师往往距离最终实现都是有一定的距离的，不是我们刻意拉开距离，而是企业的分工决定了这个工作距离最终实现就是会有一段空间。
一个很有趣的当前的矛盾：如果你企业级的视野足够，你必然会离最终实现有距离；如果你深入最终实现，那你离足够的企业级视野就会有一段距离。之所以说当前，是因为AI如果打造了新“磨坊”，这个矛盾可能会有所改变，就像我自己瞎鼓捣的一样，你离这两端似乎都可以很近了，当然，相对来讲，二者之中还是离代码远了些。
能力的增益不只是编程，也包括一些更宽泛的技术能力的获得，比如，“全栈”，在一台笔记本上用容器、网关、服务、前后端分离、智能体平台、架构工具平台、自动规划研发体系、模拟图数据库等技术加起来实现一整套系统，到处“借鉴”最新实践，本体论、OpenClaw、Hermes、harness、mempalace等等，架设海外节点，远端部署OpenClaw、Hermes实例，这些东西一年以前对我而言都是不太可能做到的，现在，只需要动动手指“说出”自己的想法就可以了。
玩久了之后新增加的一项能力就是能够比较快的在对话过程中意识到LLM在哪里要犯错，及时去提醒他，不过，他工作的时候我大部分时间是在“摸鱼”，所以也不会总是盯着他。
由于之前我的自动化研发框架“偷跑”，导致token消耗很快，当时没察觉，所以token额度买高了，于是就做了些闲事儿，比如，做个动画助手，制作战争图书馆，将一些战争过程做成5分钟的动画；ppt助手也做了，还在打磨中。不过我对完全交给龙虾、爱马仕做这些没啥兴趣，还是想自己搞。毕竟按照我的个人偏见，我觉得这两个都不是真正适合企业的框架模式，所以一直也不是我的使用重点，只是解剖对象。
模模糊糊的探索现场
之所以会这样，感觉也是因为与LLM做的大部分都是探索型工作，是对想法的验证，路径并不是特别清晰，我也会模糊，他也会模糊。我们有时也会深入思考，这种时刻就是对方案的讨论，我一般做长周期任务时都会跟他深入聊方案，虽然我不懂代码，但我要他做的方案都是到代码级、字段级的，之后才会进入实施总纲包，再开展工作，以减少长周期工作的漂移，有mempalace支持，还能做更长周期、跨任务的回顾。但说实话，跟他讨论方案可没有跟人讨论那么费劲，再复杂的方案也不会需要很长时间，这也就导致模模糊糊的时间其实远长于“清楚”的时间，毕竟，一旦进入实施后，我就只能到完成的时候才能真的比较“清楚”了。
会“模糊”的另一个原因就是，思考的时间确实被抽走了，节奏加快，总是在尝试下一个，反而整体的思考时间减少了，整体思考很重要，但往往需要做一些失败的验证后，才会重新认定合适的方向，比如，之前他帮我设计的智能体框架是那种门禁很严、状态很多的体系，我隐隐有些不对劲的感觉，但说不太清楚，直到经历过几次迭代，他还持续兼容旧实现，最终导致状态过于复杂了之后，我才坚定地认为，要砍掉绝大多数状态，而且在“逼”了他多次之后，他才真正下手，而这一下手，最终砍了3万多行代码，然后就进入了一个比较顺畅的、简单的框架了。
这些对于我的职业来讲还是很矛盾的，毕竟我的职业就是整体设计优先，不过，有时也会被他的一些“承诺”诱惑了，觉得很好，但其实不是那样的。这种模糊的感觉也许会随着开发经验的积累逐渐消失吧。
明日微光像扫雷
一年的时间说长不长、说短不短，最大的好处是，我不会再站在门外或者一个浅层应用的视角去看待LLM及其周边相关概念的兴起，能够按照我自己的理解去做一些以前我无法做的尝试，比如本体论的反向建模、自动化建模，我觉得FDE是个不错的主意，但是让人去完成所有重要建模不太合适，企业架构当年最大的弱项——初始化问题，在本体论上如果也重演，那它根本就推广不起来，毕竟它之前也没大火。我估计真正看过本体论建模的人应该不会觉得他比过去的4A建模、DDD建模更容易，而且，别忘了，与这两个相比，它还是一个原本就不会直接指向系统设计的建模方式，多学一个建模技法的价值是啥呢？是不是真想清楚了？对于我这个比较随性的选手来讲，我做个本体模型倒是挺快，因为我根本不在意那些所谓的语法规则，我只在意自己要去梳理的东西和要达到的目标，建模快我觉得也不是我对本体论理解的好，只是我一直就在研究建模、研究行为和数据结合的表达方式罢了。
本体论语义图从语义表达的角度看也许是更适合机读的模型，但这也同样决定了它不那么适合人读，所以，反向建模、自动化建模是解决应用初始化问题的首选，尤其是在有LLM的情况下，但这样出来的模型，语义质量就需要通过海量测试压实，这就是我的实验思路和我研究的系统在做的东西。否则，多引入一种建模技法的实用价值在哪里呢？企业数智化在底层上来讲，需要的终归不是解决某个局部问题的特殊能力，而是在一套实施体系中可以发挥全局作用的泛用基础能力。
结合架构资产，LLM也许要不了太久就能真的替代企业架构师大部分的工作量了，注意，是工作量，不是工作，因为我们的工作中，沟通、灰度处理的部分依然存在，也还有些需要承担责任的“人在回路”要考虑，毕竟LLM是不会承担工程责任的。但是，随着研发自动化程度的升高，沟通、灰度也会下降，比如，“能力复用”这个技术伪命题（标准化就可以解决复用问题，而不是非要什么特殊的复用技术）、组织死命题（一句不同意就啥都没了），如果后端开发的人工下降，大家逐渐习惯以AI为主的开发和设计，部门的系统边界会自然下降，因为系统实现会逐渐对业务侧真正“黑盒”了，AI对能力的复用将成为后台黑盒动作，人就失去了吵架对象，只是对着token之类的计费指标承担费用，也不知道钱花在哪里了。说白了，能力复用的最大障碍不过是人或者说组织而已，如果都看不见复用这件事了（真正回归技术处理了），就没什么可吵的了。
LLM的使用会不会影响组织结构，会，但速度还不清楚，之前跟一个客户开玩笑，说这个就取决于你们能用的基础模型的迭代速度。现实地看，基础模型能力越强，流程就可以变化越快、越灵活（“会话即实现”的显性流程是什么？思维链就是流程了啊，但已经看不见了），而流程不过是组织结构关系的表象，流程如果有实现巨大变化的能力（而这个能力其实一直都有），剩下的就是组织转变意愿，但组织转变意愿主要取决于外部压力（组织转变意愿很难真正来自内部，毕竟内部很难有生死意愿，外部论生死，内部论分配），市场压力、转型压力足够大时，组织阻力没有想象的强大，也许内部人还会觉得难，但是一旦跳出企业外，就会发现，所谓的“阻力”都是“求死”的表现，而一个企业的消失在漫长的经济循环中并没有什么特殊意义，站在今天捍卫昨天不过是堵死明天罢了。
LLM会对个人造成什么影响？最近不是盛传一个人的10亿美元独角兽故事吗，虽然99.99%的人估计是做不了独角兽规模的，但是它的确跟我们讲了一个人就是一个企业的故事（他干的事情据说达到相同规模，同类企业需要2500人）。我在《银行数字化转型》一书中曾经提出，技术发展的历史有两个趋势一直未变，一是将空间（距离）对人类活动的影响持续压缩，二是个体能力持续增强，LLM至少在后边这个事情上让人印象深刻，而且，还会持续深刻，深刻到我们也不知道一个人的能力上限到底会到哪里。
那么问题是，这个能力可以用来干啥，随着AI的发展，我们都得去思考一件事：一群人聚在一起到底要实现什么，毕竟，全世界的各个主要经济体中，大约95%的人都是在中小企业（中其实也是不太大的中）工作的，他们不像巨头型企业或者特殊类型企业那样有那么明确的社会位置，他们非常重要，但又很不稳定，而且这其中的岗位也在随着AI的应用发生变化，所以，我自己也时常在想，随着AI应用能力的提升，我还可以做点儿什么，尤其是以前做不了的。70、80年代的人总是会赶上各种变革，是见证的一代，那就继续见证吧。
未来的变化会是什么节奏？肯定不是线性的，更像是windows自带的经典游戏——扫雷，按着按着突然开了一大片，当然，按不好就炸了。
