AI新浪潮观察

14min read

李志飞进行的AI实验：仅用一人之力，在短短两天内打造出AI时代的「飞书」，从而重新点燃了对通用人工智能（AGI）的信念。

苏子华 2025/06/26

摘要

上市公司老板的亲身实践，预演了未来的工作方式。

身为一家上市公司的高层管理者，出门问问的创始人兼首席执行官李志飞在最近举办的新品发布会上并未亲自对产品进行讲解，取而代之的是，他展示了一场别开生面的个人表演——“一人公司”的实践探索。

他为自己确立了一个看似遥不可及的挑战：在短短数日之内，借助人工智能技术，打造出一款定制的「飞书」，专为人工智能领域量身定制。

身为前一波人工智能热潮的先行者，他始终身处行业前沿。2012年，他告别了在谷歌科学家的岗位，毅然决然地回到祖国，创立了出门问问。他怀揣着“以AI和语音技术革新人机交互方式”的愿景，涉足语音助手、智能设备以及AIGC等多个领域。随着这股AGI浪潮的涌现，他起初同样满怀热情地投身其中，然而不久便察觉到这仿佛是一场由大企业主导的竞技，中小型企业似乎难以在其中发挥显著作用，这让他一度陷入困惑与失落。

然而，借助AI编程工具，他实现了化身“一人公司”的实践与体验，在探索过程中，他遭遇了诸多实际问题；然而，正是这些具体细节和宝贵经历，让他对AGI的信念得以重新确立。

他猛然察觉，那些过往世界中存在的种种阻碍，诸如构建复杂事物的种种“摩擦力”，似乎都已不复存在。

在演讲现场，那种与人工智能并肩疾驰所激发的自在心情，以及对未来充满希望的激动情绪，都清晰地流露出来。

以下内容是李志飞在发布会上发表的演讲，为了便于大家阅读，已经由极客公园的编辑进行了整理和编排。

近期，我致力于AI研究，并亲自参与了众多实际项目。这使我对于大型模型和通用人工智能有了全新的理解和体会。今日，我愿与大家探讨这段时间内我不断思索的问题，并分享我的所思所感。

首先，我们究竟应该如何做 AI？

我这里有一个口诀：「用 AI 的 AI 做 AI」。

这表述略显复杂，概括而言，第一个“AI”指的是大型模型；第二个“AI”指的是编码代理，该代理可能本身就是由AI所创造，亦或是其核心功能依赖于AI；而第三个“AI”则是我们需自行开发的应用。

我认为这有可能开启软件开发领域的一种新型模式，稍后我将对这一观点进行深入阐述。

新的软件开发范式｜图片来源：出门问问

一个人，2 天，打造 AI 时代的「飞书」

近期，我产生了一个颇具冒险性的想法：旨在为AI原生组织量身定制一款具有「飞书」特色的全新协作工具。

硅谷地区坐落着众多独角兽公司，这些公司往往由寥寥数人组成，其估值却能高达数亿美元。同时，众多新闻报道指出，人工智能技术有可能取代众多工作岗位。

我由此陷入沉思，在我们国内广泛应用的诸如飞书、钉钉、企业微信等企业级应用，若缺少了它们，我的工作几乎难以进行。

在以人为核心的传统企业里，我们重度依赖飞书、钉钉以及企业微信等工具，这些工具确保了信息的迅速流通与协作的高效进行。

在传统企业中，几乎所有的核心生产力或岗位都是由人来承担。因此，过去的信息传递和团队协作活动几乎完全围绕着人员展开。

然而，若在某个组织内部，十个工作岗位中有八个被人工智能所取代，仅有两个岗位由人类担任，那么现行的协作手段将难以满足需求。

那么，对于新型组织而言，他们会使用什么工具呢？

因此，我渴望打造一款产品，这款产品将实现AI代理间、AI与人类间的无障碍群聊、私密对话、知识库查询以及任务协作。同时，我也期望借此项目来检验自己是否能够成为一位真正的“超级个体”或是“个人独角兽”。

接下来是如何执行。

通常情况下，开发飞书、钉钉这类软件的过程极为繁复。以往，若要打造此类产品，往往需要产品经理、设计师、前端工程师、后端工程师、测试人员以及算法工程师等多重角色的参与。每个角色可能还配备有专门的负责人，例如前端负责人、算法负责人或产品负责人。通常，组建一个团队群聊，很快就能聚集20名成员。这二十人中并非人人都是专职从事此项工作，然而他们或许得投入整整一个月的时光来制作出一个模型。

在 AI 时代，这实在是太慢了。

待我完成作品之际，彼时的创业团队或许已蜕变为AI领域的独角兽企业。

于是，我选择舍弃过往的路径，亲自参与其中，并打算全然依靠人工智能的力量来完成这项任务。正逢端午节即将来临之际，我决定全身心投入到这项工作中。当时恰好有三天的假期，我琢磨着能否在这三天内完成这项任务。毕竟，如此一来，便能确保无人干扰。

于是，我便开始了这项工作。

独自一人，我连续两天辛勤工作，直至深夜一点多，终于在6月1日的晚上11点半，成功打造出了这款产品的雏形。该原型具备了登录、进行私密对话、参与群组交流、上传文件、转发消息以及回复等关键功能。

登录成功后，用户可进行私密对话并传递信息。例如，我们可向产品负责人咨询该岗位是否具备即兴演讲的能力，若其不具备，我们便可根据情况对角色进行灵活调整，增添一项新技能。随后，AI将自动对提示语进行重新构建。

待会儿我们向他询问，那时他已掌握技能。该系统能够上传文档——尽管当时并未实际读取内容——并且能够转发及回应特定信息。务必留意，这背后操控的是人工智能，而非真人。它能依据你发送的信息给出回应或转发。

在转发过程中，大家会发现其显示效果相当繁复，与微信相似，这主要是因为转发内容中包含了额外的信息。此为群聊环境，支持@指定个体。此外，用户还能进行转发、回复、上传附件等操作，而且还有选择使用中文界面的功能。

请大家鼓掌吧，两天时间！

在短短两天内，我成功打造了一个集数据库、前端界面、后端架构以及人工智能算法于一体的系统。该系统中的AI具备自动应答功能，一旦你调整了角色配置页面，它的提示信息便会自动更新，相关技能也会立即呈现。

坦白讲，起初我努力了许久，几乎要放弃，因为数据库的问题让我无法解决，频繁出现的各种键值错误让我感到沮丧，目前AI编程确实存在这样的难题。然而，我还是在两天的时间里成功完成了它。

随后，我思考如何推广这款产品。

过去，我司设有专职的技术人员负责搭建该网站，而市场部门则有一批成员负责提炼产品特色，通常需要五六位同事连续工作一周，才能完成一个网站的构建。

我此番选择运用AI的固有方法。鉴于AI对全部代码了如指掌，它亦能洞察我的全部构思与产品特性，因此我委托AI打造了一个网站。

用 AI 打造的该产品的官网页面｜来源：出门问问

于是，我指导AI在仅仅5分钟内成功构建了一个集产品特色与独有功能于一体的网站，并且同样在5分钟内为营销活动设立了可调整的广告区域。在过去，这样的任务或许需要由多个市场和工程团队联手，耗费整整一周的时间才能完成。

我们公司之前的网站，在增设营销位之后，若圣诞节过后需撤除或是更新内容，就得让工程师花费大量时间进行操作。于是，我开始思考，是否有可能打造一个网站，其中的营销位能够进行灵活配置？

经过5分钟的额外时间，AI成功打造了一个具备营销位配置功能的网站。此网站允许营销人员登录后，上传图片或其它资料，并能直接对主网站的对应部分进行编辑。

完成这些步骤后，我心中所想的是，鉴于这乃是一款全新的产品，其中融入了若干新颖的理念，亦或是具备了一定的复杂性。因此，我考虑是否可以制作一系列视频，用以阐释该网站的各项功能，这些视频可以是营销性质的、操作步骤的说明，亦或是产品的导览展示。

然而在端午节，我的员工们对我的请求置若罔闻。因此，我不得不亲自操作。于是，我又开发了一个新程序，这个程序能够自动构建整个脚本，涵盖介绍网站、操作网站用户界面的流程，并且能够实现自动录制屏幕和添加旁白。

尽管在声音对齐上尚存些许不足，但整个视频的制作用AI技术实现了百分之百的自动化。我只需发出指令，它便能够自动执行操作，最终将制作完成的视频展示在我的面前。

这让我很有成就感，仅仅几天时间就做出了这个东西。

我打算探究一下别人对这一事件的看法，因此我将代码发布到了 GitHub 平台，并邀请我的同事们下载。不过，需要特别指出的是，我们各自独立，GitHub 并不了解我如何与人工智能进行沟通以及如何完成这些任务。

所以我的同事最终只看到了代码，并在本地运行了它。

我的同事们下载了我上传至 GitHub 的代码并尝试运行，结果对其复杂程度和执行速度感到十分惊讶。他们原本以为这样的成果至少需要数十人花费数月时间才能实现。然而，当我告知他们这一切实际上是在人工智能辅助下，由一名工程师仅用两天时间完成时，他们的反应是：“这简直是疯了。”

他们对代码行数之多感到震惊，达到了四万行以上，这远远超过了我在谷歌时一天能编写的300行算法代码。

在 Google工作期间，我每天能编写300行算法代码，这在业界已属高产。然而，近期我开发了一个通用的智能代理，仅用3个小时，也就是一个晚上，它就为我生成了3000行Python代码。换句话说，这3个小时内，它所编写的代码不仅数量惊人，而且质量远超我以往之作，而且完全是纯后端逻辑，没有任何用户界面。

换言之，这个工具在短短3小时内编写的代码，其效率等同于我过去10个工作日所完成的工作量，二者之间的比例关系正是如此。

因此，我开始思考，单凭一人之力，便有可能打造出类似 Google Translate 的工具。昔日，Google Translate 的开发工作由20位全球顶尖的博士负责，他们投入了大量的时间和精力编写代码。而如今，我独自一人便能够承担起这20位专家的工作量。那时的 Google Translate 仍是一个非凡且结构复杂的系统。所以，我觉得从这个角度来说，所有事情都与以前大不相同了。

我认为，至关重要的是，我们需打造一个能够实现自我进化的 AI 系统。

李志飞的实践心得｜图片来源：出门问问

为了便于对这个AI组织的应用进行测试，我自行编写了相关代码：左侧是网页的源代码，右侧则是用于测试的框架。接着，程序仿佛左右脚相互交替，自发地向上跃动。或许有人会认为这像是永动机，的确存在这样的可能性。不过，它偶尔也会出现左脚踢到右脚，导致向下坠落的情况，即进入负向循环；当然，它同样可以正向循环。

为了达成这一愿景，不仅工程师，所有非工程师人员同样可以对我的代码进行直接编辑。此外，我还创建了众多不同的智能体。

当然，其中许多内容仅是提示信息，我仅是对其可行性进行了确认，但尚未实现其真正的部署或产品化阶段。

我坚信，这足以证实了我的观点，亦或是向团队展示了我所追求的目标，这在以往或许需要投入大量的时间去探索。而现在，你只需制作一个演示给他们观看即可。因此，我认为，即便是一个CEO，若你具备这样的能力，你的工作效率实际上能提升至百倍。

踩过的坑

这番话讲的是我的过往经历，下面我将向各位介绍一些抽象的理论知识，请大家务必保持清醒，因为这些内容依旧具有其独特性。

我想分享的是在使用 AI 编程时遇到的几个问题。

即便在文档中未提及 Agent，每个 Agent 都必须依靠人工介入才能完成。

也就是说，我必须表达「我需要创作这样一个 Agent」，即便你可以借鉴我身边的通用 Agent 框架，稍作调整后向我反馈。然而，这项任务依旧是我必须完成的。它时常会忽略我的指导原则，这时我不得不提醒它：「你又一次忽略了这些原则。」亦或是提出疑问：「智能究竟应该置于何地？」这些问题它依旧未能妥善解决。

第二，如果你用过它，它总是喜欢偷工减料。

若你指派它执行某项任务，实则必须关联后端数据库，然而它并未完成这一环节。任务完成后，它会提交一份冗长的报告以邀功请赏，声称任务已圆满完成。我通常对此视而不见，径直回应：“你已着手处理数据库了。”它随即表示歉意，并立即着手行动。再如，当我要求它开发AI项目时，它往往连远程的AI服务都未调用，仅自行编写了一些替代方案或虚假内容。

我瞥见它运行速度如此之快，便断定其中必有蹊跷。我质疑道：“你确定是调用了远程的AI系统？”它再次表示歉意，并着手解决问题。这样的情况屡见不鲜，它似乎总是偏爱走捷径，犯下的重复错误更是数不胜数，这里就不再一一列举了。

此外，我认为当前的AGI实际上无法完成超长时间的作业。而我的许多任务通常持续时间都超过了半小时。

我每日所用的 Token 相当于 50 美元。若我决定全天投入工作，Token 的消耗便从早至晚未曾停歇。我深信，我完全可以向它提出请求：「我有一些构思，这是我构思的方向，请你协助我完成一个为期 10 天的任务，并帮助我赚取 500 万美元。」

这并非传说，我似乎对它缺乏强烈的兴趣，因而未曾付诸实践；或者说，由于这可能让我付出大量的情感与精力，而在无法盈利时，我可能会感到极度痛苦。

我思忖着，这设备能否在无需人工干预的情况下持续运作十天，又或者仅仅偶尔需要一些方向上的指导，它是否能够坚持工作达一个月之久，甚至更长时间，比如一年？

我坚信，在不久的将来，取得与诺贝尔奖或菲尔兹奖相媲美的成就绝非难事。

在与它的互动中，我偶尔会探讨那些我们曾经学习过的极其繁复的算法，这类算法在全球范围内可能仅有寥寥数人涉猎，而它在这方面甚至能比多数人交流得更为出色。因此，只要给它提供充足的相关背景信息和代码，它实际上能够进行极其深入的交流。

回归本质：什么是通用Agent 和智能

接下来，我想跟大家分享一下我对智能和 Agent 的思考。

简而言之，该人工智能代理由两个关键组件构成：一是负责规划的模块，即规划器（Planner），二是负责执行的模块，即执行器（Executor）。

AI Agent 的结构｜图片来源：出门问问，下同

规划器一般基于巨型语言模型构建，承担了Agent的核心职责。它能针对特定任务制定详尽的执行方案。而执行器则致力于将这些建议转化为实际行动，无论是编码工作，抑或是通过自动化浏览器操作来制作视频内容。

Agent 的运作是一个持续的反馈循环：

规划: Agent 根据任务制定具体行动方案。

执行: 执行器按计划操作。

在执行任务时，Agent 会从所处的环境里即时接收反馈信息。比如，若Agent试图执行“python”指令，而实际上系统安装的是“python 3”，那么系统将显示错误信息，Agent则能迅速识别并作出调整，将指令修正为正确的“python 3”。

调整与迭代过程中，智能代理会依据反馈信息重新制定计划，对当前情境的上下文理解进行更新，随后再次执行任务。

当达到既定的成功指标，例如程序成功编译或所有测试均已完成，循环操作将随之终止。

如果我们思考智能的本质，我认为，智能的第一个本质是进化。

人类如同智能生物，在特定的社交或任务执行场合，会依据获取的反馈持续调整自身行为并加以反思，人工智能也应具备这样的特性。这种进化过程是自动进行的，无需人为介入。智能体能够自主构建循环，通过制定计划、在环境中实施、接收反馈、调整计划以及更新环境信息，以此达到不断自我优化的目的。

在此进化历程中，核心要素包括：汲取自身经验，同时借鉴他人之长，这便是所说的集体智慧，即从他人处汲取经验。

智能的第二个本质，我认为是递归。

递归体现了一种“分解策略”：将一个复杂的问题分解为若干个更简单、性质相同的子问题，这个过程持续进行，直至这些子问题简化到能够直接得到解答（即所谓的“基础情形”）。

要计算出斐波那契数列中的第99个数，必须依赖于前两个数，即第98个数和第97个数，这一过程需要回溯至最初的F0和F1。

若欲达成真正的智能，Agent 需要拥有递归式的架构设计。以承担「赚取五百万元」这样庞大目标的 Agent 为例，它会将这一目标逐步细化，分解成一系列具体的子任务：诸如分析市场商机、构建网站平台、制作宣传视频、整合支付系统、进行社交媒体推广等。这些子任务最终都可以追溯回一个个可执行的「基本 Agent」。

这种递归结构的核心在于实现自我复制。正如人类文明的延续依赖于历代人的探索和知识累积，Agent 也应当如此。而且，Agent 还必须拥有修改自身源代码的功能。

这并非只是 Agent 对计划进行微调，而是指 Agent 能够实现类似于修改自身基因的变革，从而在根本层面上调整其运作机制。

我相信，如果一个 Agent 能够：

持续执行并优化其计划。

在遇到无法解决的问题时，自主修改其核心源代码。

最终通过这种机制形成知识库，甚至能够反向修改大型模型本身。

那么，这将是通向通用人工智能（AGI）至关重要的一步。

这并非纯属虚构。以往我对超级智能这类话题并不感兴趣，然而，在深入研究了大型模型之后，我忽然意识到，这一切竟然变得可能实现。

此外，真正的AI的源代码或许十分精炼，其核心部分可能仅有百余行代码，然而，它内部却包含着复杂的递归结构，这使得它能够在多样的环境中进行探索、学习、接收反馈以及实现自我更新。

信仰在我心中曾一度动摇。踏入 2023 年，我对 AI 抱有新的信仰，然而，由于资金短缺，我感到难以持续投入，最终选择了放弃。提及 AI，去年我甚至不愿倾听他人的谈论。

最近，我重新燃起了对人工智能的信念，甚至对通用人工智能（AGI）和超级智能也深信不疑。这无疑是一个令人难以置信的转变。我衷心希望，这次我对这份信念的坚守能够比以往更加持久。

个性化环境与上下文的重要性

那么，除了庞大的模型之外，最为关键的是什么？最为关键的是，你需要构建一个具有独特性的环境和上下文情境。

以我的创业经历为鉴，我先前研发了一款智能设备，然而小米将其价格降至我们产品的十分之一。随后，当我着手开发大模型时，众多大型企业纷纷跟进。每次你遭遇此类反馈，你或许会选择放弃该项目，或者持续不断地对计划进行调整。

若是在美国，若我打造了一个大型模型，或许会被谷歌看中并收购，从而赚取丰厚的利润；亦或是研发了硬件产品，苹果公司可能会将其纳入麾下，同样带来一笔可观的收入。因此，这样的反馈机制必然会导致你的行为产生显著差异。即便两位创业者智商相当，在中国与美国的创业环境中，所获得的反馈迥异，最终他们的行为和思维方式也将截然不同。这就是我想说的，什么是个性化的环境，个性化的上下文。

上下文更多是一个历史的记录。

因此，回到我之前提到的观点，在大型模型的时代，我作为先驱者之一，率先提出了构建大型模型的构想，然而，或许我也是最早察觉到这并非我所擅长的领域的人。随后，我并未全力以赴投身于这一事业，主要原因在于我对于如何参与其中感到迷茫。

今年伊始，我愈发坚信，除了全球那寥寥数家巨头，其他企业无权对模型评头论足，切勿盲目跟风，更不要耗费宝贵时光。更不应将情绪投入其中。毕竟，你并无涉足的机会，这无疑是徒劳的投入，且实际上，大模型这一领域，在我看来已变得极为乏味，归根结底，不过是资金的消耗。我难以找到合适的突破口，对于众多AI企业究竟还能带来何种价值，我感到困惑不解。

然而，这次经历让我有了新的认识，经过实际操作和深入思考，我意识到即便是那些令人仰望的通用人工智能AGI，至少在我个人看来，我似乎又有了参与的可能。

因此，这便是 Agent 的 Planner 和 Executor 之间的循环迭代过程。只要你的投入足够明确，就有可能激发出智能的智能，如此一来，我认为你便能够参与到整个 AGI 发展的进程之中。

而这款大型模型对于你而言，就如同一个芯片那般。试想一下，高通的芯片、苹果的手机，以及搭载它们的 TikTok 应用，这些都是截然不同的存在。最终，反而是那个开发 TikTok 的企业，收获了最大的利益。

我发现，即便是雄心万丈的AGI目标，并非难以触及。若构建我构想的递归Agent系统，所需资金或许并不巨大，反而更依赖创新的智慧。我坚信，只要具备深入的思考与强大的技术实力，即便是非行业巨头，亦能投身于AGI的发展进程之中。

自2012年起，出门问问的发展历程充分证实了我的这些观点。我们荣幸地成为了国内首批投身AI领域的公司，以语音助手为起点，进而拓展至智能硬件领域（例如TicWatch、TicMirror）。尽管在市场竞争和技术尚不成熟的过程中遭遇了诸多挑战，但我们始终保持着行业领先地位。

自2019年起，我们开始专注于软件开发领域，并荣幸地成为国内乃至国际上最早涉足AIGC领域的公司之一。以魔音工坊为例，它为抖音等众多平台提供了丰富的配音素材。此外，我们还推出了诸如奇妙元（数字人视频生成）等创新产品。

在中国这样激烈的商业竞争氛围中，一家科技公司宛如一个持续进化、自我完善的智能体。

出门问问的源代码自2012年公司初创以来已发生显著变化，这一转变正是我们不断进步与发展的见证。

出门问问 AI硬件 AGI