树莓派近期对其安全启动配置工具 rpi-sb-provisioner 进行了重大更新，极大地简化了复杂系统镜像的批量配置，并支持大规模部署 Raspberry Pi Connect 远程连接服务。

安全启动的配置长期以来一直比实际需要更为繁琐。为此，树莓派团队在 2024 年发布了初代 rpi-sb-provisioner，该工具能够以稳定且可复现的标准化流程，为设备启用安全启动和全盘加密的操作系统。

自发布以来，树莓派广泛收集了用户反馈，并进行了全面升级：从最初零散的 Shell 脚本和工具，演变为一套集成生产数据库、审计日志和 Web 可视化管理界面的完整系统，所有改进均针对用户实际痛点。

然而，在树莓派上构建设备或项目时，仅完成系统烧录是远远不够的。官方还对 rpi-sb-provisioner 进行了适配，使其能够与其他官方工具无缝协作。

无缝集成 Raspberry Pi Connect 远程管理

很多用户反馈，Raspberry Pi Connect 在设备远程运维中十分实用。然而在批量生产时，手工逐台绑定设备会严重影响生产线效率；此外，用户也希望设备的绑定关系在系统更新或恢复出厂设置后依然有效。

rpi-sb-provisioner 2.3 现已适配 Raspberry Pi Connect for Organisations 的全新设备身份体系，能够自动为每台设备分配不可篡改的唯一标识，并将其绑定到企业远程管理账号下。

基于镜像描述的灵活配置方案

旧版 rpi-sb-provisioner 仅支持由 pi-gen 生成的、基于官方系统的传统镜像。随着工具的推广，不少用户提出了新需求，例如支持多分区复杂磁盘布局或使用更便捷的镜像制作方式。为此，树莓派在 rpi-image-gen 中引入了镜像描述式配置（IDP），并在 2.3 版本中完全集成。

镜像描述式配置打破了工具原有的固定功能限制，将其转变为可编程的配置平台，支持自定义各种分区布局、分区类型及参数。即使镜像并非由 rpi-image-gen 构建，只要能通过描述文件定义其结构，便可利用该工具完成批量烧录。

配套界面展示了 rpi-sb-provisioner 2.3 的镜像选择页面；描述文件携带的扩展元数据可在生产前快速核对和确认镜像参数，避免量产错误。

借助 rpi-fw-crypto 固件加密保障密钥安全

随着 rpi-fw-crypto 固件加密工具的发布，树莓派设备现在支持非对称加密机制，可防止设备唯一私钥（由 rpi-sb-provisioner 写入）的泄露。该能力已在两大关键场景中实现：

1. 配置服务器端：对签名密钥文件（PEM 格式）或硬件安全模块的 PIN 码进行加密，并将密钥绑定到当前配置服务器；

2. 已配置的设备端：将加密能力纳入全盘加密密钥的计算逻辑，可与官方预启动验证环境或用户基于 rpi-image-gen 自行搭建的开机校验环境配合使用。

公众号的推荐算法虽然能带来阅读便利，却也容易把我们的视野锁死在有限的信息范围内。系统每日推送的文章大约控制在30条上下，这就是消息触达的上限。如果想要跳出这个圈子，接触更丰富的观点和资讯，就必须学会主动探索，把信息来源掌握在自己手里。

对于人工智能领域的消息，可以重点关注 AIHot，一个实时追踪AI动态的平台：
https://aihot.virxact.com

移动端访问时，在手机的浏览器中打开该链接即可获得完整的浏览体验：

除了专门的资讯站点，知乎也是值得挖掘的信息宝库。过去平台聚集了大量深度专业的长文，而现在虽然“水文章”和碎片化内容增多，仿佛变成了文字版的短视频，但只要掌握正确的工具，依然能高效筛选出干货。不妨试试 知乎直答，用更聚焦的方式直接搜索答案：
https://zhida.zhihu.com/

记住，不要被动依赖系统推荐，而要主动使用搜索功能。此外，如果需要跨公众号检索内容，可以利用第三方的公众号搜索平台——搜狗微信：
https://weixin.sogou.com/

如果想回溯本公众号曾经发布的历史文章，也可以通过这个页面进行搜索查阅：
https://hyang0.github.io/

公众号发文这件事，看似简单——登录后台、点击“新建图文”、粘贴内容、保存并群发。可真正做起来却让人疲惫不堪：标题绞尽脑汁，配图反复修改，排版至少花费一小时，多个平台还得重复操作五遍以上。

更让人头疼的是，从2025年7月开始，个人主体、未认证企业以及不支持认证的账号，全部失去了发布草稿的权限。这意味着非认证公众号基本上告别了“自动发文”的可能——哪怕你安装的工具再强大，权限这道关卡一锁死，照样发布不出去。

我花了三周时间，把市面主流的18款公众号发布工具全部测试了一遍，其中包括12款AI Skill、3款浏览器插件、3款开源项目，以及Coze、OpenClaw、AIWriteX这类自动化平台。这篇文章会按照**“上手难度 × 自动化程度”**两个维度进行交叉归类，筛选出6款真正值得安装的工具，并附上详细的避坑指南。

一、选工具前，先弄清你的实际需求

我将所有工具按以下两个维度进行了分类：

如何选择？

• • 每天只发一篇、追求排版美观：选择浏览器插件（推荐壹伴AI编辑器）
• • 以Markdown写作为主、需要同步知乎/掘金：选择doocs/md或mdnice
• • 在Claude Code中写完直接发布：安装baoyu系列Skill
• • 矩阵号批量运营：使用Coze搭建工作流
• • 个人订阅号想实现全自动：基本没戏，2025年7月之后这条路已经被官方彻底封堵

接下来进入正题。

二、AI Skill 类（Claude Code 用户的首选）

这一类工具虽然2025年下半年才兴起，但用对之后，完全可以在Claude Code的对话窗口中完成从撰写到发布的整个环节。其中最成熟的是宝玉（Jim Liu）的baoyu-skills系列。

✅ 必装1：baoyu-post-to-wechat（公众号发布）

• • GitHub Stars：17k+（baoyu-skills整个仓库）
• • 核心能力：将Markdown直接推送到微信公众号草稿箱
• • 支持的模式：

• • API模式：需要申请公众号API凭证（适合认证服务号）
• • Chrome CDP模式：模拟人工操作公众号后台（适合个人订阅号）

安装命令：

npx skills add JimLiu/baoyu-skills --skill baoyu-post-to-wechat

典型用法：

最近半年，Agent基础设施圈出现了一个耐人寻味的动向：好几位资深数据库人，几乎在同一时间做起了专门给AI Agent使用的文件系统。

Timescale推出了TigerFS，把PostgreSQL挂载成一棵目录树，每个文件对应一行记录，目录化作表，写入带事务，变更可版本化。Turso的AgentFS将Agent的文件、键值状态和工具调用审计痕迹装入一个由SQLite支撑的文件系统中，支持快照、隔离、搬移、分支。AGFS则把数据库、消息队列、对象存储等资源暴露为文件接口，并明言向Plan 9致敬。

我本人一年前也折腾过基于PostgreSQL的PGFS方案，最近又收到好几个Harness团队的询问，明显感觉到这个赛道正急剧升温。

乍一看，一堆做数据库的人齐刷刷转向文件系统，仿佛是文件系统赢了。可是剖开这些项目，心脏全是数据库。TigerFS是PostgreSQL投射出一张文件系统的脸，AgentFS是SQLite/Turso装扮成POSIX风格的工作区，AGFS底层同样由一组存储引擎和服务接口在托底。所谓的“Agent爱文件系统”，落实到实现上，全都变成了“数据库学会说文件系统的方言”。

这并非新鲜事，而是一场打了五十多年的战争的再次延续。文件系统和数据库这对老冤家，同根同源，分道扬镳，互相蔑视，又反复试探——历史上几次高调的联姻均以失败告终，私底下的技术互偷却持续了半个世纪。

要判断Agent时代这一轮会怎样收场，必须先翻清楚前几轮的旧账。这篇文章打算做两件事：把五十年的恩怨理成一条主线；然后在这条线的延长线上，对Agent时代的存储格局做出几个敢被打脸的判断。

一、共同的起点：文件系统是数据库的母体

辈分得先理清：文件在前，数据库在后，而且数据库是从文件系统的肚子里生出来的。

上世纪五十年代，数据处理无非就是文件处理。磁带上一卷卷顺序记录，1959至1960年间定型的COBOL，其核心抽象就是记录（record）和文件（file），当时所谓的“数据库”，往往指的就是一堆归档好的文件。六十年代初，Charles Bachman在通用电气开发出IDS，首次将“程序穿行于记录之间”这件事做成了通用系统；1968年，IBM为阿波罗计划交付了IMS的前身ICS/DL/I，翌年更名为IMS/360，用来管理阿波罗飞船和土星五号第二级火箭数百万零件的物料清单——层次模型，数据结构是一棵树。

有意思的是，几乎同一时期，Multics的文件系统设计也给出了分层目录结构。同样是一棵树。Multics论文里的文件结构，本质上就是一棵带有链接等访问机制的基本树形层级。

这不是巧合。六十年代的存储世界里，文件系统和数据库仿佛亲兄弟：都是层级命名空间，都依赖“从根往下走”来定位数据。真正的分岔发生在1970年——Codd发表关系模型论文，矛头直指这种“穿行”：程序员不该像领航员一样在指针和层级里导航，你只需声明要什么，系统负责如何获取。Bachman在1973年的图灵奖演讲标题就叫《作为领航员的程序员》（The Programmer as Navigator），而关系革命要斩杀的对象，恰恰就是这个“领航员”。

数据库这边的革命成功了。层次模型、网状模型被关系模型逐渐边缘化，SQL后来成为事实上的主流语言。但同一场革命，从未波及隔壁的文件系统——路径就是导航，cd就是穿行，ls就是环顾四周。

反过来看，文件系统何尝不是一种数据库。只不过，它是一个没有关系代数、没有查询优化器、没有schema、没有事务语义的导航式数据库。事实上，文件系统是最后一个活着的导航式数据库。

较真的读者可能举出DNS、LDAP、注册表作反例——这些当然成立，但它们主要为机器和管理员服务；天天被普通人和程序员cd来ls去的，只剩文件系统这个最大的遗民。

数据库世界经历了革命，文件系统保留了旧制度。旧制度活得下来的原因很朴素：对文件这种对象，导航够用了——人类自己取名字、自己翻目录，天经地义；至于文件内容是什么结构，那是应用程序自己的事。

而“内容结构谁负责”，恰恰成为接下来五十年战争的导火索。

二、分道扬镳：语义所有权的争夺战

七十年代之后，两边彻底分家，各自竖起旗帜，旗帜上写着同一个问题的两种不同答案：数据的语义该归谁管？

文件系统的答案：归应用。存储平台对内容保持无知，我只管字节流和命名空间，打开、读、写、关，其余一概不问。无知换来的是普适——任何程序、任何格式、任何用途，一视同仁。Unix把这一哲学推到极致：“一切皆文件”，连设备和管道也尽量纳入文件接口。

数据库的答案：归平台。你先把结构声明给我，也就是schema；我凭借这份结构向你保证一系列昂贵的性质：完整性、并发正确性、崩溃恢复、查询优化。ACID这个词直到1983年才被造出来，但那套保证七十年代末就已经在System R和Oracle里成型了。

两边不仅是理念不合，更是真枪实弹地互相看不上。数据库阵营的态度，Stonebraker在1981年的CACM上写得毫不客气：操作系统提供的缓冲、调度、文件系统、进程间通信、一致性控制，对数据库来说常常不合用，甚至方向相反。

所以那个年代的严肃数据库经常绕开文件系统直接读写裸设备，自建缓冲池、自建WAL、自建恢复。在数据库人眼中，文件系统不是完全可信的持久性边界：fsync的合同要穿过操作系统页缓存、文件系统、块层、控制器和磁盘缓存，任何一层的重排、缓存、错误处理或硬件语义偏差，都可能让数据库的恢复模型变得复杂。O_DIRECT这类东西，本质上都是数据库试图缩短这条信任链，文件系统被迫给数据库开的后门。

文件系统阵营看数据库，同样一肚子鄙夷：一个自带祭司阶层的半封闭世界——需要DBA、需要schema、需要专用协议，而世界上大部分数据根本不需要这套繁文缛节。

平心而论，双方都对，因为守的地盘不同。共享的、争用的、错不起的数据，值得付schema和事务的税；随手一存的字节，付这个税就显得有些荒谬了。

问题在于，总有野心家不信邪，想把两边统一起来。

三、历史镜鉴：三次联姻为何均告失败

从九十年代到2006年，大一统的梦做了一轮又一轮。按方向可以分成三路，三路的结局出奇一致。

第一路：文件系统吞掉一切。代表作Plan 9。它把“一切皆文件”贯彻到极致：网络是文件，窗口是文件，进程是文件，别的机器的资源挂过来也是文件。技术上美得像诗，商业上却没有成为主流。但它的基因并未消失，而是一次次回响在per-process namespace、union/overlay mount、资源文件化接口等设计里。今天容器技术的mount namespace与overlayfs，和Plan 9至少共享同一种审美：给每个执行上下文一棵可定制的树。AGFS明说向Plan 9致敬，是三十年后的回声。

Plan 9的教训值得铭记：接口的普适不等于语义的普适。你可以把万物都叫作“文件”，但事务在哪、查询在哪、权限委派在哪、审计在哪？把非文件硬说成文件，open/read/write之外的语义依然缺席。

第二路：文件系统长出数据库器官。BeFS给文件属性建索引、支持实时查询，作者Dominic Giampaolo后来去了苹果，把这套思路带进了Spotlight；ReiserFS更加直白，Hans Reiser的野心就是让文件系统拥有接近数据库的小对象效率。结局呢？BeOS死了，Reiser4没能进入Linux内核主线。真正活下来的是Spotlight——请注意它活下来的身份：一个旁挂的搜索服务，而非POSIX文件系统的本体语义。查询作为外挂能活，作为文件系统的核心合同很难活。

第三路：数据库吞掉文件。这一路阵仗最大，尸体也最多。Oracle在8i时代推出iFS（Internet File System），把文件存在关系数据库中，让数据库看起来像共享网络盘。Oracle当年的文档明确说，iFS可以让用户像访问文件服务器一样，通过Windows Explorer、浏览器、FTP、邮件客户端等访问数据库管理的文件。

微软前后也扑腾过几次：九十年代Cairo计划里的OFS，Exchange 2000那套Web Storage System，最后是集大成的WinFS——2003年PDC上高调登场，要替整个Windows换上关系型的底座；2004年被移出Longhorn/Vista首发范围；2006年不再作为独立产品交付，残余技术流进SQL Server、ADO.NET等方向。

WinFS值得仔细复盘。微软没有公布过一份完整的工程死因清单，我将它的工程死因归纳为三条。

第一，性能税。为了让1%的操作能被查询，强制99%不需要查询的操作陪着一块交税。

第二，兼容性。数以百万计的应用假设的是文件语义，不是表。

第三，也是最深的一条：文件和记录的改写模型截然不同。文件倾向于就地的字节改写，记录则偏向事务性的逻辑更新。把一种改写模型强加给另一种负载，两边一起受罪。

借助 AI，我打造了一个用于查询火山引擎 Coding Plan 用量的 Web 应用。不过，在查询之前必须先完成 arkcli 的授权流程。由于 arkcli 本身需要授权后才能获取用量数据，因此无法直接访问。为此，我通过 Web 层封装了 arkcli，这样不仅能够在网页端便捷操作，还能将用量信息实时共享，非常适合多人共用一个 Coding Plan 的场景。

在授权环节，系统会跳转至火山引擎的统一认证（SSO）页面：

在该页面上完成登录授权后，复制生成的授权码：

再回到我们的 Web 应用，粘贴刚才复制的授权码，之后就能随时查看用量信息了：

这些都依赖 arkcli 工具，需要先安装 arkcli 命令行工具:

npm i @volcengine/ark-cli@latest -g

安装完 arkcli 就可以在命令行显示 coding plan 用量了：

arkcli usage plan

利用 AI 的能力，我将命令行输出无缝转换成了网页交互。AI 非常善于处理此类任务，具体实现细节不再展开，基本不会遇到太大障碍。在 arkcli 使用过程中，还需执行登录和登出操作，这同样可以借助 AI 将身份认证集成到 Web 流程中来完成：

其中用到的命令是：

arkcli auth login
arkcli auth logout

整体而言，这个应用并不复杂，本质上是对命令行工具做了一层 Web 封装，在 AI 辅助下开发效率很高。起初我还担心 Web 端无法良好地处理命令行式的交互逻辑，但事实证明这完全是多虑了。在 AI 时代，代码本身的重要性逐渐降低，更可贵的是分享思路与解决方案，所以这里就不贴详细代码了。

Betavolt 的 BV100 微型核电池已进入量产阶段，尺寸和一枚硬币差不多，标称寿命长达 50 年，但输出功率仅有 100 微瓦。

PERSPECTIVE

它更像一枚被封装在密封壳里的微型发电站，而不是那种可以随手换掉的充电宝。

01 镍-63衰变供电，核心设计已公开

电池的内部结构极其简单：一条只有两微米厚的镍-63 金属箔，夹在两片十微米厚的单晶金刚石半导体之间。镍-63 在 β 衰变过程中释放出电子，金刚石半导体直接将这股电子流转化为电流。

正因为结构极薄，整个装置才可以被压缩到硬币大小；同时它的封装非常封闭——镍-63 衰变的最终产物是稳定的铜-63，从内部就不需要向外表现出硬辐射。

它的衡量标准不是输出多少千瓦时，而是能否在 50 年里一直稳定供电。这类产品天然只适合低功耗场景，不适合那些一味追求快充和峰值功率的消费电子设备。

02 “永远不用换电池”真的可行吗？

可行，但有一个硬性的前提：你必须接受一块只能持续供应微瓦级功率，而且输出会随着时间缓慢衰减的电源。

镍-63 的半衰期约为 100 年，这意味着 50 年的寿命只代表输出电压仍可维持在一个可用的低水平上，并不等于在这 50 年里始终输出相同的功率。

真正值得追问的，并不是“一块电池能不能撑 50 年”，而是“50 年后，它所在的那台设备还在不在服役序列里”。

03 真正适用的，是那些换一次电池代价高到难以承受的设备

医疗植入物是最自然的目标。心脏起搏器、人工耳蜗以及长期植入的监测传感器，它们的痛点从来都不是“电池没电了”，而是“为了换块电池得再开一次刀”。

野外传感器、气象节点、航天器上的低功耗设备也是同样的逻辑。一次部署之后数十年无需维护，这让它比可充电电池更接近“无感供电”。

当前最该关注这个技术的并不是普通消费者，而是上游的方案商。如果你正在开发低功耗采集终端、植入式医疗原型，或者需要长期无人值守的设备，现在就可以把“免维护 50 年”写进你的需求评估里。

核电池并不会让手机彻底告别充电器，但在那些“永远不该关机”的设备里，它的价值才刚刚开始显现。

职场里，老板隔半小时催一次进度，客户追着问项目为何延期，一条不想回又躲不掉的消息，能让人对着屏幕卡上十分钟。想请 AI 帮忙，光把背景交代清楚就得敲几百字。忙到天黑，老板突然一句“日报交一下”，回头一想，这一整天到底干了什么。

2026 年，Agent 几乎是 AI 圈最热的词。可热闹归热闹，大部分产品还停在同一个套路：你得先学会提问、把指令写明白，它才肯动手。演示视频里光鲜，落到真实工作里常常掉链子。到底有没有一款让我少输入背景、甚至不输入背景就能帮忙干活的 Agent？

我上手了一款叫 Vida 的产品，主打「主动」两个字。据官方说，Vida 会理解上下文、记住历史、判断你真正要什么。

看着像是我要找的 Agent，我准备拿办公室里最磨人的几件事，挨个试试。

打开官网 vida.app，Slogan “在你问之前，它就已经干完了”一下子就抓住了我。

下面的解释是：Vida 是一种主动型 Agent，它能理解上下文语境、预判你的意图，并给出生产级的成果，团队正攻克 100 个顶尖水平的实际应用场景。目前 Vida 只支持 Mac 客户端，Windows 预计七月底上线。

注册支持 Google 邮箱、GitHub 一键登录，也支持 QQ 邮箱。

安装注册不到 3 分钟，直接开始实测。

场景1：快速回复老板项目进展

回消息常是办公室最耗神的环节。每条消息都要掂量措辞，信息散在云文档、聊天记录、设计稿里，凑齐就够费事。一上午，正经活儿没推进多少，光回消息耗掉半条命。

现在，在飞书的项目文档里按住快捷键激活 Vida，直接问。

很快就拿到答复。

把回复直接复制给老板，整个过程不到两分钟。以前回答类似问题至少要 20 分钟——翻资料 5 分钟，打字 10 分钟，检查润色 5 分钟。

Vida 给出的回答逻辑在线：先抛结论（29 号前上线、后移 2 至 3 天），再讲清卡点与补救。老板最关心的“几号上、卡在哪”，一句话就拿到答案。速度很快，省掉了翻文档凑信息的十来分钟。称呼得体，口吻像正式汇报，不揽功不甩锅，结尾还主动认领关键节点。这个 Vida 确实有东西，不过实际使用时，建议审核一遍再发送。

场景2：快速提供高质量提示词

测试 Vida 快速提供高质量提示词的能力，关键点在于“快”和“高质”。

AI 时代最诱人的福利之一，就是 Coding Plan。

数月前申请了 OpenAI Codex 开源开发者计划（OPC），最近终于获批，直接赠送六个月的 ChatGPT Pro 订阅，还是一个全新账号。

这简直就是雪中送炭。最近 Codex 的 token 消耗速度越来越快，每周配额往往两三天就用尽，剩下的时间只能靠 Claude 和 GLM 勉强支撑。现在手上有了第二个价值 200 美元的 GPT 订阅，再加上各种附赠的重置机会，总算能稳定、连贯地输出了。

正因为如此，最近一直忙着把这些 Token 充分用掉，连写文章的时间都有些紧张。

当下最大的羊毛：Coding Plan

三个月前，我曾在《AI 时代的最大红利》中提过：眼下最大的红利窗口，就是各 AI 厂商推出的 Coding Plan。

一个月费 200 美元的订阅，如果能每周都把额度用到极限，差不多能撬动价值一万美元的 AI 算力——相当于列表价的 50 倍。

当然，这是 3 月份的状况。现在 Codex 2 倍额度的福利期已经结束，我看了一下，用到极致大概只能撬动 4000 美元左右了。尽管缩水了一半，这个价格显然也不是长久可持续的，而是一个过渡期的红利，一个必须牢牢抓住、充分榨干价值的窗口期机会。

一个 Codex 账号烧到上限，现在大约能消耗 4000 美元/月的 API 列表价 Token，力度明显下降。

Coding Plan 的隐藏福利

也许你会好奇，既然 Coding Plan 这么划算，为什么企业不都去用，反而要用贵上几十倍的 API 按量付费呢？AI 公司并不傻，通常它们都明确限制 Coding Plan 只能供个人使用，而企业必须采用企业版 API 按量付费。各家订阅的条款里一般都会强调，这是面向“普通个人用户”的。

字节跳动四年后再度更新领导力原则，将“Context over Control”正式纳入管理者的晋升与年度考核核心标准。这一动作，是内部管理泡沫与AI时代决策效率压力交织倒逼的结果，正在全行业引发震动。

就在昨晚，梁汝波给字节全球员工发了一封全员信，宣布更新公司的十条领导力原则。

外界讨论最多的，是管理者下沉一线、考核实质产出这些表述，但真正值得深究的一条，是重新被推到台前的“Context over Control”。

这个短语在字节并不陌生。从张一鸣时代起，它就作为管理理念的标志性表述存在了近十年。过去，它被当成一种文化倡导，出现在新员工培训里，没做到也不会有人因此受到实质影响。

这次彻底变了。新版原则明确写入核心考核标准，与晋升和岗位权责直接挂钩。做不到的管理者，其岗位、权责都将被重新调整。从软性倡导变成硬性约束，背后绝非管理者一时开窍，而是组织和整个行业走到了不得不直面问题的节点。

01 文化倡导撞上现实重力，老原则终于变成了考核硬指标

“Context over Control”的源头，最早可以追溯至奈飞的文化手册。多年前，张一鸣在源码资本码会上正式把它作为字节的管理理念对外分享。

核心逻辑非常直白：公司做大后，与其堆叠层层的审批和规则来控制风险，不如把足够完整的上下文信息同步给一线团队，让听见炮火的人做决策。

字节早年的凶猛扩张，很大程度上正是得益于这套逻辑。全面公开的OKR体系、扁平汇报线、低流程束缚，让团队在移动互联网的红利期里跑得飞快。增长把一切问题掩埋，哪怕管控不知不觉在回潮，也没人真当回事。

变化是悄悄发生的。业务盘子越摊越大，团队人数翻了数倍，多元业务遍及全球。风控、对齐、合规的压力之下，流程与管控节点自然逐层加码。许多团队不自觉地长出了繁复的汇报线、多层审批，以及无休止的同步会、填不完的报表。

管理者的日常，从解决具体问题悄然滑向了传递信息、对齐口径、把控流程。

全员信中直接指出的“全员忙碌却无实质产出”，正是大公司集体困境的缩影。

今年5月，Atlassian发布的《2026团队状态报告》对全球12000多名知识工作者和173位财富1000强高管进行了调研，得出的数字令人咋舌：仅财富500强企业，每年就要为“工作之上的工作”——状态同步、重复沟通、跨部门协调、寻找最新版本文件这类事，付出1610亿美元的成本。

绝大多数受访者表示，团队一直在执行模式里连轴转，却挤不出时间做真正重要的事。

字节显然也无法幸免。这一次明确把形式化工作列入负面管理案例，足以说明内部空转的积累已经到了非出手不可的程度。

而选择在此时把“Context over Control”升格为考核标准，还有一个更现实的推动力：整个行业正从推荐时代跨入AI时代，新的竞争节奏容不下拖沓的决策链条。

过去两年，字节在大模型、多模态、具身智能等方向投入巨大，Seed团队的调整、业务线的整合，本质上都是为了在AI时代抢占身位。

AI业务的迭代速度、技术变化的节奏远快于传统互联网。如果一个决策要穿越三五层审批才能落地，机会窗口早就关上了。把控制权削减、把决策权前移，已不只是文化理念的倡导，而是业务竞争的刚需。

02 管控上瘾：全行业一起陷入的管理怪圈

字节的调整放在今年的科技行业，毫不突兀。近半年里，从硅谷到国内，头部科技公司几乎都在做同一件事：压缩管理层级、挤掉管理泡沫，把决策推回一线。

最典型的是Meta。今年5月，在营收和净利润双双创下历史新高的背景下，Meta依然启动了新一轮组织重组，裁撤约8000个岗位，并把7000名员工调配到新设立的AI部门。

扎克伯格的思路十分清晰：公司全面转向AI，预算和编制向算力、技术倾斜，传统中层管理和协调岗，能压就压。整家公司推行更扁平的小团队模式，目的只有一个——提升决策效率。

微软的动作更为彻底。据Business Insider报道，纳德拉今年已悄悄废除了运行数十年的高级领导团队——那个由十几位直接向CEO汇报的高管组成的权力中枢，取而代之的是一个规模更小的决策组。纳德拉自己每周亲自审核AI指标，每两周和算力团队召开会议。

过去微软各业务线各守一方，拥有独立的预算和KPI，跨部门协作成本居高不下。现在要打AI整体战，首先要拆的就是管理层之间的墙。

国内大厂也毫不松懈。百度移动生态事业群在6月初完成新一轮架构调整，合并事业部、升级独立业务，关键目标就是拉平层级，让AI能力和商业场景更快融合。阿里从年初成立ATH事业群，到后续设立技术委员会、拆分新业务部，三个月内连续多轮调整，反复梳理的是资源分散与协同低效的老问题。

有近期报道统计，2026年第一季度全球科技行业裁员人数超过8万，几乎创下两年来单季最高纪录，其中约一半的岗位缩减与AI和自动化直接相关。被裁的不只是基层，很大一部分恰恰是传统中间管理层——那些负责信息传递、流程执行、跨部门协调的岗位。

Cloudflare的例子更具代表性。这家公司今年裁掉了占总人数20%的员工，给出的离职补偿非常丰厚，官方直言这不是常规绩效优化，而是结构性调整。过去三个月，公司内部AI调用量激增600%，大量AI Agent开始承担标准化业务流程和跨部门协同工作。原来那些充当信息中介的岗位，价值正被技术快速稀释。

这恰恰是管理异化的根源。

业务高速增长时，公司愿意为管理溢价买单。多几层架构、多几道流程，只要能稳住大盘，成本都能被增长覆盖。可当增速放缓，当AI技术开始接管标准化流程，那些原本就不直接创造业务价值的管理环节，就变成了最先被挤掉的泡沫。

许多团队最终会陷入一种怪圈：管理者忙着搭建更完善的制度、更复杂的流程、更密集的汇报体系，人人看起来都在忙碌，日程表塞得满满当当。但所有忙碌到底给用户、给业务带来了什么实际价值，没有人能说得清楚。

管理就这样从服务业务的工具，蜕变成了目的本身。所有人都在为流程打工，却忘记了最初为什么出发。

03 动真格容易，真正落地从来都很难

喊出“Context over Control”的公司不少，但真正能坚持落地的，少之又少。因为这件事从根上反人性，尤其反管理者的直觉。

对绝大多数管理者而言，控制权是安全感的来源。审批权、汇报线、规则制定权，这些东西清晰地界定出管理的边界，让管理者能够明确感知到自身价值。

推行Context，则意味着要把决策权真正下放到一线，意味着要放弃一部分控制权，还要为一线做出的决策结果承担责任。这种放手的感觉，远不如亲自审批、亲自修改方案来得踏实。

这也正是为什么很多公司天天喊放权，最后还是会回到层层审批的老路上。嘴上说相信团队，真到了关键时刻，还是忍不住要插手、要过问、要亲自拍板，否则就觉得自己没管到位。

久而久之，一线团队也学会了凡事往上推。反正出了问题有领导担着，责任又卷回了管理者手里。放权就此沦为空话。

这一次，字节同步把“深入一线”列为独立的领导力原则，其实也是在补上Context的前提条件。管理者要放权，首先得自己掌握足够真实的上下文信息。如果天天坐在办公室里看报表、听汇报，拿到的全都是经过层层加工的信息，既判断不了一线决策的对错，更不敢真正把权力放出去。

但深入一线这件事，同样极易走形。

如果只是简单规定管理者每个月要下去几次、要写多少份调研报告，它很快会演变成新的形式主义，变成一种需要应付的KPI。真正的下沉，是带着问题去一线寻找答案，是直接面对用户和业务的真实痛点，而不是走马观花式的视察。

这个尺度，很难用制度去量化，归根结底要看管理者自身的认知。

还有一个绕不开的难题，是长期价值与短期考核的平衡。这次新增的“做有高度的事”“敢于设定高目标”，要求管理者跳出短期的月度数据，去锚定长期的高价值赛道。

道理完全正确，但落到考核上，长期成果该怎么评估？怎么分辨一个管理者是在真正布局长期，还是在借着长期的名义混日子？如果最终的考核标尺仍然紧盯着短期营收和数字，那么大家还是会迅速滑回追月度指标的惯性里去。

所以回头看，这次的十条原则更新，并不是孤立地修改某一项，而是一套互相咬合、彼此支撑的组合。要减少管控，就要让管理者深入一线，掌握一手信息；要敢放权，就得要求管理者着眼于长期目标，不纠结于日常琐碎；最后所有要求，都必须落在实质产出上，用业务结果来检验对错。

这套逻辑是通顺的，但落地的难度丝毫不会因此而变小。大公司的组织惯性极强，一套已经运行多年的管理模式，绝不会因为一封全员信就彻底翻篇。过程中一定会有反复，会有变形，会有上有政策下有对策的应付。但至少，把问题摊到台面上，把标准明确摆出来，已经是改变的开始。

纵观科技行业几十年的管理演变，其实一直是在管控与灵活之间反复寻找平衡点。

工业时代传承的层级化管理，帮助无数公司完成了规模化扩张，同时也带来了僵化与官僚的副作用。互联网时代，很多公司试图用扁平化、透明化来破解这一难题，可一旦规模做大，管控的惯性又会把组织拉回老路上。

现在，AI技术的出现，相当于给这个老问题加了一个全新的变量。当越来越多流程化、标准化、协调性的工作可以被技术替代，传统中层的价值边界正在被重新定义。管理者如果还停留在信息传递、流程管控的阶段，被淘汰就只是时间问题。

字节这一次把老原则翻出来动真格，更像是一个行业信号：管理的价值，终究要回归到业务产出上。所有的流程、制度、层级、管控，最终都应该服务于创造用户价值，而不是反过来变成目标本身。

当然，没有哪套管理原则是万能的，字节的这次调整最终能走到哪一步，还要看后续的执行、校准和迭代。但对整个行业来说，当越来越多的公司开始反思管理本身的成本，开始下决心挤掉管理里的水分，这总归是一件好事。

想知道AI产品的真实进展，最靠谱的路径是什么？绝不是频繁刷屏的新闻、二手拆解，也不是在社交圈里追逐几个新名词。真正戳中要害的信息，通常只来自那些亲自下过场、踩过坑的人。因为只有他们，才清楚一个AI产品从想法变成上线版本，中间究竟卡在哪；一个智能体从Demo演示到企业真实运转，需要跨过多少暗沟；一项AI能力落到具体行业里，最后到底是提了效、降了本，还是根本跑不通。这些话，没实际做过的人讲不出，做过的人一旦开口，才真实、具体，才有实打实的参考价值。

问题是，平时你想找到这样一批人，太难了。真正负责AI产品的一线骨干、创业者、算法专家和落地操盘手，绝大多数都把时间砸在自己的业务上。你很难在日常工作中触达他们，更难系统性地听到他们把一整套实践经验彻底讲透。这正是2026 AI产品大会最值得你到场的原因：8月8日至9日，北京，超过30位AI实战派将聚在一起，把自己在AI Coding、AI Agent、具身智能、AI硬件、行业落地、数据智能以及企业AI转型等真实场景里跑出来的一手经验，一次讲给你听。

那么，在这场大会现场，你究竟能听到些什么？

01 重构产研范式：AI如何重写「做产品」的底层规则

当绝大多数团队还在把AI当作辅助某个环节的工具时，他们已经把AI变成了一种全新的生产方式——用自然语言生成应用、用智能体调度替代传统的迭代流程，把一个产品从构思到上线的周期压缩到天级别。他们不是在聊“效率提升10%”的浅层故事，而是在展示整个产品研发范式正在发生根本性转移：AI到底怎么改写“谁能做产品、如何做产品”这条基线。对任何一个仍以传统方式做产品的人来说，这是必须关心的趋势——不是因为焦虑，而是因为你需要看清前面的人已经走到了哪里。

百度的秒哒产品总经理朱广翔，以及百度个人超级智能事业群国内业务部负责人钟昊，正是这个方向上最前沿的实践者。朱广翔老师是清华交叉信息研究院博士，握有14篇AI顶会论文，他负责的“秒哒”是百度面向AI原生应用时代的核心产品。钟昊老师则主导了百度文库从传统资料库到AI内容创作平台的整体重构，部署了数百个多模态AI Agent，打造了GenFlow智能调度中枢。对于AI如何重构产研这件事，他们拥有极强的发言权。

02 Agent的商业闭环：从概念热词到真实交易的落地路径

“Agent”这个词，过去一年你可能听了几百遍，但大多数人的认知还停留在“Agent能做什么”的层面。眼下的Agent战场早已跑进了下一步：Agent怎么扎进企业流程？怎么从免费工具体系化地变成付费产品？怎么从能陪你聊天变成能替你干活？怎么让响应速度短到用户真正愿意天天用？每一条路线上都有人在冲刺，而且跑出了形态迥异的答案。把这几条线放到一起对照，你对Agent赛道的理解会彻底刷新。

字节跳动旗下国内最大AI Agent搭建平台之一“扣子”的商业化负责人卢杰，声网AI产品线负责人姚光华，以及阿里QoderWork产品负责人余航，都是在Agent产品落地与商业化上拼杀过来的一线专家。卢杰老师正推动扣子从免费工具走向企业级商业闭环。姚光华老师做出了全球首个对话式AI引擎，端到端响应延迟压到650毫秒，让大模型不只能思考，还能像真人一样实时对话。余航老师负责的桌面级通用AI智能体直接对标Anthropic Computer Use，AI不再只跟你聊天，而是直接替你操作电脑完成工作。对于Agent如何从概念走向真金白银的商业落地，他们带来的全是现场感十足的一手经验。

03 走出屏幕：AI硬件与具身智能的产品逻辑嬗变

很多人对AI的理解仍框在软件层面——对话框、内容生成、自动写代码。但这一群人做的事截然不同：机器人在咖啡馆冲咖啡，在客厅陪孩子互动，在智能音箱里真正听懂你说的话。AI一旦离开屏幕，产品逻辑就完全改写。你在软件行业用惯了的那套快速迭代、灰度发布，在硬件场景里大多失效。成本结构、供应链周期、物理交互安全、量产良率、售后运维，每一项都可能卡死一个产品。一个机器人能不能跑通商业模式，跟一个App能不能跑通，完全是两套不相干的大题。

AI硬件的赛道正从概念风口向业绩兑现与大规模量产跨越。影智科技创始人兼CEO唐沐，具身智能产品专家贾明华，百度小度智能生态与创新业务负责人孙浩，都将在大会上直击他们的具身智能与AI硬件实践。唐沐老师是腾讯CDC创始人、前小米生态链副总裁，在小米开创了路由器和小爱音箱两条亿级产品线；离开小米后获张小龙天使投资创办影智科技，其XBOT咖啡机器人已落地15个国家。他一直主张“放弃人形执念，机器人的进化从‘更有用’出发”。贾明华老师主导过多款具身智能产品从0到百K级量产交付，所负责的家庭陪伴机器人登上2026年北京春晚，成为具身智能消费级落地的标志性事件。孙浩老师从360到百度，横跨硬件工程、产品设计与AI能力整合，是国内罕见的AI×硬件全栈操盘手。对于AI如何走进物理世界做成产品，他们的经验和思考方向参考价值极高。

04 行业深水区：AI在传统复杂场景里到底怎么跑通

工程机械、物流供应链、财税、工业设计——这些行业很少占据AI公众号的头条，但恰恰是这些领域，AI要深深扎进去最难。强合规约束、极复杂的业务链路、沉重的遗留系统包袱、对稳定性和准确率的苛刻要求，绝不是接个API调一调模型就能交代过去的事。做产品的人最容易犯的判断错误，就是只盯着自己熟悉的赛道，以为很多传统行业还在观望，实际上别人可能早就开始算效率、算成本、算商业回报了。

为此，这次大会特别邀请到这些传统行业里的AI践行者：智鹤科技首席科学家王晔，京东物流技术与数据智能部物流产品负责人李亚曼，财税AI落地转型专家崔敏，洛可可创新设计集团合伙人李凡聪，来分享垂直领域的AI亲身实践。王晔老师是耶鲁计算机科学博士、前Google总部数据产品工程师，曾主导广告AI创新实现年化5亿美元营收增长，如今他把大模型和物联网融合应用到工程机械施工管理——一个大多数互联网人完全不了解的万亿级传统产业。李亚曼老师深耕物流行业14年，多次从0到1打造物流智能产品，并获得物流行业技术创新的最高荣誉。崔敏老师在用友BIP主导大模型在财税领域的商业化应用，覆盖超过2000万企业客户，帮助客户财务效率提升40%，有力证明了大模型在强合规、高专业度的领域同样能创造巨大价值。李凡聪老师设计过百度Apollo无人车、泡泡玛特机器人商店，斩获红点奖和iF奖，正在探索AI如何赋能品类创新、驱动产业增长。对于AI在传统行业里如何真正落地，他们的经验能帮你重新校准判断坐标系。

05 增长新算力：流量红利退潮后，AI如何重构增长底层逻辑

流量红利消失之后，增长团队面对的问题越来越实际：用户到底在哪？什么时间推？推什么内容？通过哪个渠道转化？过去靠经验、靠人力、靠AB测试慢慢磨合，但现在有人已经在用AI重建整条增长链路——不是帮你看报表，而是直接帮你做判断、做预测、做决策。这不是“AI帮你写个推广文案”这种表面故事，而是智能推送、时机预测、渠道自动优化、用户行为实时判定这些直触业务核心的东西。对运营、市场、增长和产品团队来说，这很可能是最容易直接拿回去用的内容。

阿里巴巴高级产品专家、友盟+产品总监冯成蹊，正是这个方向的实践代表。他主导了覆盖191个行业的全域数据平台向AI方向演进，率先将通义大模型与全域数据结合，推动友盟+从数据分析工具升级为AI驱动的智能决策引擎。对于AI如何进入增长的底层逻辑，他的实践极具说服力。

06 周期穿越者：长期深耕AI的实践者看到了什么

AI的全民热度是最近几年才爆发的，但AI产品并不是这几年才出现。大模型热起来之前，就有一群人一直在做AI产品。他们经历过AI的冷板凳期——没有风口、没有资本追捧，一个场景一个场景地去磨；也经历了这一轮爆发期——见识过泡沫，也见证了真正立得住的产品。他们所能给予你的，是穿越周期的判断力：哪些是真机会，哪些是伪需求；AI产品从0到1到底卡在哪里；To C和To B的路径差异到底有多大；创业怎样才能找到用户真正愿意付费的场景。这些问题，没有经历过完整周期的人，答案就是纸上谈兵。

前腾讯智能考评产品负责人史景慧，资深AI算法专家魏进锋，国际大型软件企业首席AI应用科学家Mengmeng Ye，AI产品创业者吴亮，起点课堂AI培训合伙人张佳，人人都是产品经理社区创始人老曹，都是在AI产品领域有深厚积累的实战派。史景慧老师从0到1打造了腾讯翻译君和腾讯同传，后者成为世界人工智能大会、博鳌论坛等顶级会议的标配AI产品，职业轨迹完整覆盖了AI产品从C端到B端的进化路径。魏进锋老师有15年AI算法深耕经验，从IBM、达摩院到小米，横跨智能客服、AI+新药研发、AI+心理健康等方向，著有《一本书读懂ChatGPT》。Mengmeng Ye老师拥有20余年AI产品研发经验，是CCF和IEEE高级会员、多项中美AI专利持有者，善于将前沿AI技术转化为可落地的行业解决方案。吴亮老师All-in AI后打造了垂直行业AI客服系统与中国版OpenAI Router，累计服务超过100家企业的AI转型。张佳老师是连续创业者，同时为高德、腾讯云、蚂蚁集团等头部企业提供AI落地咨询，拥有20K以上Star的开源项目运营经验。老曹15年来帮助数百万人成就产品经理职业梦想，在AI时代，他提出了“AI开启了人人都是产品经理时代——只要懂产品，人人都可以让想法直接落地”。对于AI产品的长期路径与底层方法，他们的经验值得细细聆听。

2026 AI产品大会，不同战场的人带着各自的一手经验来到同一个现场。两天时间，你看到的不是几十场孤立的演讲，而是一幅拼接完整的AI产品世界实况图景。想真正搞懂AI实践，这两天一定不要错过。