标题是我近期听了几期播客、看了一些 X 用户的动态后最大的感受。
01 我并不了解 AI/Agent
过去两年，我们常看到类似言语：你要告诉模型你想要什么，你要学会写提示词，你要给足上下文，你的提示词要写够 1500 字…
这个过程中，我因为提示词享受到足够多的利好，会给我的 AI/Agent/project 个性化配置，coding 的，学习的，脑暴的，（任务）执行的，结构化的，信息收集的…
与此同时，我也会收到不少来自于它们给我的提示：我没有哪些信息，我不确定某些事情，我不能做什么——有点像是，我并不能确切地知道模型的限制在哪里，而我的模糊既分散它们的 attention，也导致额外 token 的消耗。
用跨学科学习举例，如何跨越纯人文背景和技术领域的鸿沟。
找到具体的锚点（书也好，文章也好…甚至是音视频），告诉 AI 我们的背景、目标，让它扮演具有某些特点的某个角色，并且将目标映射（跨学科迁移）到所在领域…
这是一套有点好用、也比较初级的方法。
此外还需要注意的是，AI 是否会脱离具体材料（脱离也可以，但保证准确性），是否会一本正经地胡编乱造，能否读出材料本身的局限性…
甚至是「目标该如何描述才能让 AI 接收无误」也需要结构化，这也是我觉得技术世界的美妙之处——很多原本模糊的东西，一旦进入 AI 的工作流，就会开始被拆解、被框架化。而 AI 更擅长的，往往是那些能够持续反馈、持续迭代的任务——也就是评价标准足够清晰，从需求到结果之间能持续优化、迭代的事情。
这也是为什么业界会说「如今最 AI-native 的产品是 coding 类产品」。
02 人适应 AI vs Agent 适应人
翻阅之前写的这篇记录，其中提到说，我在过去的教学现场中发现，我们的学习过程和机器学习、强化学习、监督学习等有共通之处——但事实其实是，AI 的预训练、强化学习等相关理论与实践源自于人类的认知行为和学习模式。
——这个发散与联想让我觉得，过去我们强调的提示词工程更像是人在适应 AI 的工作方式。
在互联网时代，计算机以人类为中心打造，于是我们有了键盘、鼠标、屏幕，还有文件夹，搜索框、网页等。
那在我们现在经历的这个变革时期，Agent 才是中心。
OpenClaw、MoltBook 陆续上线之后我的感觉是，这不就是人类社会的数位化版本吗？
人类成了背后的操控者，或者我们说「编排者」。
就像养鱼——我们要给鱼儿一个适合它生存的环境一样，我们也要给 Agent 造一个更适合它「生存」的环境。
也就是，给 Agent 赋予人类在人类社会中拥有的东西，给它搭建更理解人类的脚手架。
比如 ID、关系、目标、到达路径、目的地和记忆，又或是它能感知自己在环境中的状态，知道自己拥有什么能力、如何使用这些能力，甚至是自主决定如何行动…这些——提示词做不到，而 context engineering 可以。
而且我感觉，「提示词有用」是基于「人类是环境的受体」而言，效果集中于前端。那当 Agent 成为受体，环境搭建则转移到工程化更重的部分——后端。
这就不得不提到最近贼火的一个词汇，Harness。
怎么理解呢？
做产品的公司加上 LLM，像是拥有一个超级实习生，工程师们做的就是，给这个实习生写 SOP（workflow）、给它工具（skill、MCP）、给它记忆/上下文（清洗与组织）、给它加限制防止出错…这一系列动作就是所谓的 Harness。
之前我感觉 Elys 的主页动态筛选结果（与我不对齐）和 chat 界面（与我对齐）如何割裂的原因似乎更明确了？负责和我聊天的 chatbot 和帮我筛选信息流的 AI 不在同一个世界，它们不共享我输入的上下文——又或是，系统为了 engagement，默认把热门内容、情绪化、刺激类内容推到我的主页上而不管我接受与否？🤔
03 产品经理不会消失
中美双方做 ToC 产品的区别，我最近才算是有了更具像化的认识：大多数情况下，美国是用 ToB 的价值观（做工具的逻辑）做 ToC 的消费级体验，而中国则抓到了 ToC 的破绽，且做得极好：用户增长快，日活高，留存强，商业化效率高，对用户行为的调动极其有效…
那如何做到以上这一套？和用户调研/洞察有关，其他角色是锦上添花的存在。
ToB/工具指向的是，有用且好用，而且大多是清晰客观能用标准量化的；而消费品指向的则是模糊的、无法客观描述的体验——就像，中国做 ToC 这一套，背后的逻辑能用代码写出来，但为什么是这样的逻辑——只能从用户中来，从人类社会中来，这需要的是产品经理，或者是对 ToC 市场的深刻认识/深度理解。
也就是，要研究人，还是得人来——至少目前是如此。
不过我有种模糊的感觉🤔，哪怕坚持用工具逻辑做消费级产品，也是能玩好商业化，但很考验产品经理和 UX 设计师的能力——典型的 thinker 偏见？好吧，这样的论断还挺不负责任的。
另外，如何设计好的人机交互（HCI）是门很有趣的研究/学问——对于我而言。
最近两天在 NotebookLM 开了几个新项目，感受到的摩擦/注意力分散让我不得不吐槽：
1）Agent 过于恭维/顺从用户，哪怕是只有几个字的开头第一句话，也会多少影响用户自我认知。
2）生成回答前有固定的等待时间，生成过程无法固定消息让我边阅读它边生成，必须得全部生成完成再从底部滑拉回顶部再阅读——流式生成速度是否和用户的大脑/眼睛接收信息速度保持近乎一致也是重点。
3）项目与项目之间是独立的知识库。这里就涉及本篇记录的主题了，即要给 Agent 造世界，让它生活在一个环境共同体中：作为用户如我，我需要 Agent 对我拥有持续性的记忆，还有对我的建模状态持续更新。
综合来讲，给 Agent 造世界不仅是后端问题、工程问题，还是人机交互的问题，是「如何理解人」的问题。