AI News｜2026-08-04

今日目录

• Vercel 内部运营已全面由 AI Agent 驱动
• AI 正在重塑我们对“工作”和“身份”的认知
• AI Agent 的“技能”管理：Hermes 如何避免“杂乱”
• AI Agent 的“统一入口”：Vercel 的 @v 实践
• AI 驱动的自动化实验室：Core Automation 的研究视角
• AI 对数学和科学研究的潜在影响

今日判断

我今天更关注的是 AI Agent 在实际工作流中的落地和对身份认知的冲击。Guillermo Rauch 的分享非常具体，Vercel 内部运营已经完全由一个名为 @v 的 Agent 驱动，这不仅仅是工具的进步，更是对公司运作模式的根本性改变。这让我思考，当 AI 能够承担起如此复杂的任务时，我们作为人类的价值和角色将如何演变。

Dan Shipper 的观点则从更宏观的哲学层面探讨了这种变化。他提出的“Agency Rupture”（代理断裂）概念，描述了当 AI 接管了我们曾经赖以生存的任务时，所带来的身份认同危机。这种断裂并非一蹴而就，而是经历一个从“AI 替代”到“理解人类协作”的过程。这提醒我们，在拥抱 AI 带来的效率提升时，也要关注其对个体心理和社会结构可能产生的深远影响。

快讯

Vercel 内部运营已全面由 AI Agent 驱动

查看原文 · 来源：Guillermo Rauch (@rauchg)

Guillermo Rauch 分享了 Vercel 内部运营已全面由一个名为 @v 的 AI Agent 驱动的实践。这个 Agent 已经深入到公司日常工作的方方面面，包括财务、沟通、文档、市场和工程等领域，并且在交互量和 token 使用量上呈指数级增长。@v Agent 能够根据个人用户定制工作流和记忆，例如，它会主动提醒 Rauch 关注 skills.sh 的发展。Rauch 认为，这是未来企业 AI Agent 的发展方向，并暗示了其背后的技术设计与 @evedev_ 相关。我的判断是，这标志着 AI Agent 从辅助工具向核心运营系统的转变，企业内部的 AI Agent 整合和统一管理将成为关键。

AI 正在重塑我们对“工作”和“身份”的认知

查看原文 · 来源：Dan Shipper (@danshipper)

Dan Shipper 提出了一个深刻的观点：当 AI 能够独立完成过去需要人类一步步操作的任务时，会引发一种“代理断裂”（Agency Rupture）。这种断裂感源于我们习惯于将自我价值与工作任务绑定，当 AI 取代了这些任务，人类会感到身份的丧失和无力感。他将这一过程分为两个阶段：初期的“AI 替代”阶段，人们只看到 AI 的能力，而忽略了人类在其中起到的支撑作用；随后是“看到人类脚手架”的阶段，人们开始理解 AI 能力背后的复杂人类工作。我的判断是，这种“代理断裂”是 AI 发展过程中不可避免的心理和社会冲击，理解并适应这一过程，将是未来个体和组织发展的关键。

AI Agent 的“技能”管理：Hermes 如何避免“杂乱”

查看原文 · 来源：Peter Yang (@petergyang)

Peter Yang 分享了关于 Hermes Agent 如何管理其自主生成技能的讨论。Nous Research 的联合创始人解释说，Hermes Agent 内置了一个名为“Hermes Curator”的后台任务，它会定期清理 Agent 的技能和记忆，识别并优化效率低下的部分。更重要的是，由于 Hermes 是开源的，用户可以自定义“杂乱”的定义，Agent 会根据用户的偏好重写其清理逻辑。我的判断是，这解决了 AI Agent 在自主学习和执行过程中可能出现的“失控”或“低效”问题，通过用户可配置的清理机制，确保了 Agent 的行为符合预期，并提升了其长期可用性。

AI Agent 的“统一入口”：Vercel 的 @v 实践

查看原文 · 来源：Guillermo Rauch (@rauchg)

Guillermo Rauch 进一步阐述了 Vercel 的 @v Agent 的设计理念。他指出，过去存在大量独立的 Agent，用户体验不佳，如同每个 Agent 都有自己的域名。@v Agent 解决了这个问题，它既是一个 Agent，也是一个路由器，能够管理子 Agent 和技能，并进行工作委派。Rauch 将其比作一个“单体”或“单仓库”，但同时具备通过网络代理到其他 Agent 的能力，类似于互联网路由的演进。我的判断是，这种“统一入口”和“代理路由”的设计，是构建大规模、易于管理的 AI Agent 生态系统的关键，它简化了用户与复杂 AI 系统交互的复杂度。

AI 驱动的自动化实验室：Core Automation 的研究视角

查看原文 · 来源：Training Data (Podcast)

Core Automation 的创始人 Jerry Tworek 和 Rohan Anil 在播客中讨论了构建自动化 AGI 实验室的理念。他们将学习过程比作不同类型的体验，例如足球训练中的强化学习和数学学习中的深度思考。他们认为，目前 AI 在“从经验中学习”方面投入了大量计算资源，但强化学习并非终点，未来会有更优的方法出现。我的判断是，这个播客提供了对前沿 AI 研究的深入洞察，特别是关于不同学习范式和未来研究方向的讨论，对于理解 AI Agent 的底层能力和发展趋势具有重要价值。

AI 对数学和科学研究的潜在影响

查看原文 · 来源：Thariq (@trq212)

Thariq 观察到，Jevons 悖论（一种资源消耗悖论）似乎在数学领域开始显现。他认为，随着 AI 的发展，数学研究变得更容易理解和进行，这使得数学家有更多时间在高层次上进行讨论和交流。他预测，对能够进行深度思考和理解数学的人才的需求将会增加。我的判断是，AI 不仅是工具，它还能加速科学发现和知识传播，并可能改变对人才的需求结构，尤其是在高度抽象和理论化的领域。