Proactive AI 的下一步：理解目标，找到一个开放权重模型，自主改进该模型，在该任务上获得最优性能

“两年后，我们会有足够聪明的 AI 模型：它们能把自己对准一个明确目标，找到一个开源权重模型，然后自主改进以在该任务上获得更好表现。一个转瞬即逝、可定制的 AI 系统时代正在逼近——它们会像蘑菇孢子一样被构建出来，并扩散到世界各地。”

这段话击中我的不是“AI 又变强了”，而是它描述的形态变化：

• 不再是“一个大模型 + 一堆人手工搭系统”。
• 而是“无数个小系统”，为一个具体目标短暂诞生，完成任务就消散，必要时再复活、再分叉。

我把它叫做：孢子式 AI（spore-like AI）。

不是“模型时代”，而是“系统繁殖时代”

过去几年我们谈 AI，习惯把注意力放在“更大的模型”“更高的 benchmark”。但真正改变社会分工的，往往不是某个核心部件更强，而是生产方式变了。

蒸汽机带来工厂制度；电力带来流水线；互联网带来平台与网络效应。

而 AI 带来的，可能是另一种：系统的边际生产成本趋近于零。

当“做一个能用的小系统”变得像写一段脚本一样简单时，世界就会被大量临时系统填满：

• 为某个岗位定制的“面试孢子”
• 为某个销售团队定制的“跟进孢子”
• 为某个老师定制的“备课孢子”
• 为某个家庭定制的“管家孢子”

它们不需要永生。它们只需要在一个具体目标上短暂地更强。

“短命”不是缺点，是优势

传统软件追求稳定、可维护、可复用。

但在孢子式 AI 的世界里，“短命”反而是一种优势：

• 需求变化太快，维护长期系统不划算。
• 任务足够具体，复用价值有限。
• 生成与迭代太便宜，修修补补不如重新生成。

你会看到一种新的工程伦理：

• 宁可丢弃，也不背负技术债。
• 宁可重生，也不追求完美抽象。

这听起来反常识，但它更像自然界：

• 真正强的不是“一个个体”
• 而是“繁殖能力”

生态系统会变：从“应用商店”到“孢子场”

我们熟悉的分发逻辑，是应用商店式的：

• 少数头部应用
• 大量长尾
• 用户下载、安装、更新

孢子式 AI 的分发更像“孢子场”：

• 不再下载应用，而是生成一个临时系统
• 不再更新版本，而是在上下文里再生成一次
• 不再追求统一入口，而是在每个工作流节点长出一个工具

入口会碎片化，但能力会密度化。

个人与组织的新护城河：不是“会用 AI”，而是“能养 AI”

当孢子满天飞，新的稀缺不在“能不能做出来”，而在：

1. 你能否把目标说清楚（Objective）
2. 你能否把数据喂对（Context / Data）
3. 你能否把反馈闭环做短（Evaluation / Feedback）
4. 你能否把权限与边界划好（Security / Governance）

也就是说，护城河从“工具使用能力”转向“系统饲养能力”。

会提问只是入门。

真正的能力是：

• 你能定义指标
• 你能提供样本
• 你能约束行为
• 你能持续让它变好

三条实操建议：在孢子时代保持主动权

1）把工作拆成“可评估的目标”

孢子式 AI 的燃料是明确目标。

与其说“帮我把这事做好”，不如说：

• 产出是什么（文档/代码/课件/名单）
• 约束是什么（风格/格式/时长/成本）
• 评估是什么（准确率/通过率/满意度）

目标越清晰，孢子越强。

2）建立你的“私有语料池”

孢子要长得像你，需要你的材料。

• 你写过的文章
• 你做过的方案
• 你团队的 SOP
• 你真实的案例与复盘

未来不是“谁有更强的模型”，而是“谁有更好的上下文”。

3）为孢子准备“安全容器”

孢子满天飞的副作用，是权限外溢。

你需要默认把它们当成：

• 可能出错
• 可能泄露
• 可能滥用

所以要把权限、数据、执行环境切开：

• 只给必要权限
• 敏感数据最小化
• 所有执行可追溯

这不是保守，这是让你敢用、用得久。

结语：我们要适应的不是智能，而是繁殖

AI 变强当然重要。

但更重要的是：AI 系统的繁殖方式正在改变。

当“生成一个临时系统”像“写一条消息”一样简单时，世界会涌现出无数孢子。

你无法阻止孢子。

你只能选择：

• 让它们在别人的田里繁殖
• 或者，学会在自己的田里种出可控的生态