不知不觉已经过去了大半年，回看年初的展望，甚是打脸，这段时间也时不时陷入自我怀疑与迷茫之中。
先说说自己探索的吧，从年初就很想搭建一套高度自动化的研发工作流，目前实验下来还是困难重重，效果甚不满意。只能说，从需求提出到方案设计到工程落地，这是一个极其复杂的工作流，环环相扣且非线性（可能需要多次回溯），这对 agent 编排、信息传递要求很高。软件开发更是一个充满细节的活，目前 vibe coding 开发一个比较复杂的功能已经不太容易了（需要花大量时间精力认真 review AI 产出的方案和代码，别说什么相信 AI 产出的鬼话）。每个环节都充满了挑战，更别提整个【需求->方案设计->落地】链路自动化了。逻辑能力并非模型强项，AI 做正确决策的能力很弱，整个链路一旦某一环节走偏，后面全部白费。再加上中间不断有事情打断，断断续续，且实验也相当耗费 token，到现在也没有迭代出让我初步满意的版本。
再聊点别的，AI 已经是日常，但如今是不是有点魔怔了呢？似乎很多时候我们完全丢掉了正确的做事方式，执意往所谓的 AI 靠拢，有种“拿着锤子找钉子”的感觉。这其实陷入了“实现决定需求”的误区，而非真正挖掘需求，合理 AI 化（即【我想做个 AI 应用，要有 agent】vs【我有个想法，解决 xx 问题，其中某个环节挺适合 agent 来做】）。另外，我也挺反感这句话：“用 AI 搞很快的，搞一下”。我们做决策的理由，是出于工作量考虑吗？是出于成本吗？不是应该出于正确性吗？不是应该评估：需求是否真的存在？方向是否正确么？因为有了 AI，所以丢掉了需求调研/评估么？另外 AI 执行很快，但 AI 目前无法给你保证做出正确的方案，也不对产出负责。AI 产出很快，但审核 AI 产出的工作量也很大，审核的心智成本绝对比古法编程大得多，因为你完全没有实现过程的上下文。而在没有 AI 之前，确定了需求，讨论清楚方案后，真正花在开发的时间也并不算高吧。未经深思熟虑的决策产出的 AI slop，带来庞大的上下文，也许还会污染 AI 的产出。这些痛，也许只有执行者能懂。
现在越来越多关注 AI 提效 + AI 协同，希望通过 AI 来提升组织的效率。我在使用 AI 的过程中，会有一种感悟：使用 AI 时的痛点，和组织协同的痛点，是有共性的，本质是信息传递的问题。信息对齐是最大的成本。这里的信息传递是双向的。如果我的指令不够明确，AI 就很难 get 到我的真实想法从而产出我预期内的产物。而 AI 产出之快之多，如果我无法快速对齐信息，及时发现产物中不符合预期的部分，则可能在多步迭代中越走越偏，导致 token 浪费，甚至整个项目的产出最终不符合预期。在 multi agent 也有类似问题，方案设计 agent 如果在不清楚先有架构/实现的情况下设计方案，coding agent 在执行过程中，有可能就会根据错误的设计方案硬实现出蹩脚的功能（实践感受： AI 是个很听话的执行者，很少 say no，而是硬着头皮干下去，respect…），除非做好两个 agent 之间的信息协同。而在组织中，从决策到最终落地，链路过长（即组织不够扁平），且信息有可能层层丢失/加码/加工，最终落地的结果即可能与最初的设想完全偏离。因为执行者拿不到完整的上下文，也缺乏信息交互的渠道。AI 执行需要完整清晰的上下文，人也需要，否则大概率只能交付出预期之外的产物。同时，多次迭代的决策，注意力也可能会偏差，讨论着讨论着，就完全偏离了初心（需求的核心价值），这点，人和 AI 都有类似的问题。
AI 激发了大家的热情去思考通过 AI 提效，却忽略了非 AI 的那一部分。解决个人/组织效率的问题，AI 是一个工具，但不是万能工具。是否应该更沉下心去思考呢。AI 执行是很快，但在没有 AI 时代，执行也不是瓶颈，决定一个产品是否成功，从来不是执行的快慢。我认为起决定性作用的，是是否挖掘到真正的需求，是否真正解决了用户痛点。
再聊回自己，这也许是我唯一能控制的。半年来记事本陆陆续续记录了好几个 idea，但一直没有做。我还是希望能把自动化 workflow 搭建出来后，再用 workflow 帮我实现 idea。希望能至少落地一个吧。
这篇文章就当是碎碎念想到什么写什么，也没啥逻辑，算是给这段时间的迷茫留个纪念。许个心愿，26年年底的展望，希望能真的做出一些有价值、自己认可的事情，能对自己有所交代。
