将边缘AI引入家庭能源管理：在树莓派上打造安全无头的智能控制系统

最初我仅想优化数据监控面板，却意外打造出一套完整的智能能源管理方案。这套系统不仅能执行动态电网套利策略，更在边缘端部署了本地化大型语言模型，实现检索增强生成能力。出于安全考量，整套架构均运行在深度加固的无头树莓派平台上。

接下来，我将系统阐述该平台的搭建细节，展示实际运行成效，并总结在资源受限环境下部署边缘AI的关键技术心得。

一、安全优先：基于Cloud-Init的无头自动化部署

在DIY物联网项目中，常见的误区是将主机操作系统配置视为次要环节。本次项目要求树莓派从加电启动就具备强健、可复现且高安全性的特性。

我摒弃了手动烧录镜像和连接显示器的传统方式，转而采用Cloud-Init实现引导流程自动化。设备首次启动时自动完成安全加固：

• 零默认凭证：立即禁用默认"pi"用户密码，访问权限仅通过注入的后量子SSH密钥授予。
• 网络层隐私保护：Cloud-Init脚本自动部署Docker环境，并启动Pi-hole与Cloudflare服务，强制所有本地DNS查询经由DNS-over-HTTPS（DoH）协议，在边缘侧阻断运营商的数据窥探。
• 幂等性设计：配置脚本中的每条命令均遵循幂等原则，确保设备重启或重新配置时不会破坏现有状态。

二、动态能源管控：智能充放电决策系统

项目的核心在于管理Sol-Ark 15K逆变器。通过对接逆变器的Modbus/云端API，并融合ComEd电力公司的实时分时电价数据，我构建了"智能充放电顾问"功能。

该服务持续监控电网电价波动。当电价跌至每千瓦时1美分以下，甚至出现负电价时，系统自动覆盖逆变器的固定分时电价策略，主动从电网购电为EG4电池组快速充电。本质上，这是在户用场景实现了自动化的能源价差套利。

三、构建边缘数据湖：为AI模型储备训练资源

尽管当前"智能充放电顾问"采用基于规则的判断逻辑，但我的长期目标是实现自主预测性控制，这需要高质量的历史数据集作为支撑。

我设计了一个健壮的后台服务（solar-archiver.service，由systemd定时器驱动），类似每日cron任务。每夜自动采集关键遥测数据——光伏发电曲线、电池SOC状态、家庭负荷曲线及电网交互功率——并写入本地SQLite数据库。

随着时间推移，树莓派演化为本地化的"数据湖"。它静默积累规范化的时间序列数据，为未来定制化的预测充电机器学习模型提供训练素材，全程无需上传任何个人能源数据至云端。

四、核心创新：本地化"智能问答"RAG系统实现

项目最具技术挑战的是"智能问答"功能。我手头有数百页专业性极强的Sol-Ark设备手册、接线原理图和交流耦合配置指南。与其在PDF中手动检索，我更希望直接向系统提问：“交流耦合需要哪些参数设置？“并获取精准、上下文明确的答复。

核心约束是完全禁止调用云端LLM服务。为保障隐私、降低延迟并在电网断电时仍能依赖本地基础设施，所有运算必须在树莓派上闭环运行。

边缘AI技术栈

• LLM引擎：Ollama运行gemma2:2b模型，轻量化且能在树莓派上提供优异的推理性能。
• 向量数据库：持久化ChromaDB存储文档嵌入向量。
• 嵌入模型：sentence-transformers的all-MiniLM-L6-v2模型，专为快速语义检索优化。

资源约束与延迟优化

在4核4GB内存的树莓派上运行RAG系统需要精细的资源调配。最初采用查询时即时加载sentence-transformer模型并连接ChromaDB客户端的简单方案，在边缘设备上引发了严重的"冷启动"问题，导致系统卡顿和LLM生成前的巨大延迟。

为此我实施了两项关键架构优化：

1. 向量数据库预加载：将临时脚本改造为常驻RAG服务。通过在应用启动阶段初始化持久化ChromaDB客户端并将嵌入模型载入内存，彻底消除冷启动损耗，显著降低查询延迟，实现近乎实时的检索响应。

2. 显式线程限制：性能分析显示嵌入计算会耗尽全部CPU资源，导致Ollama进程资源饥饿。通过添加一行代码——torch.set_num_threads(1)——将PyTorch显式限制为单线程，使其约占CPU总资源的25%，避免资源争抢，确保LLM与仪表盘保持高响应性。

五、轻量级前端：基于Google Stitch的快速开发实践

为实现能源数据可视化并与"智能问答"RAG系统交互，需要一个简洁高效的UI界面。我选用Google Stitch框架构建用户界面（感谢Hayden的推荐）。它支持快速原型设计与部署，生成的现代化仪表盘能与Python后端API无缝集成。借助Stitch，我保持了前端资源的轻量级占用，避免对树莓派造成额外负担，同时为监控发电状态、电池SOC及与本地LLM交互提供了接近企业级的用户体验。

六、工作流增强：R.G.C.O.A提示架构的子代理机制

除硬件层面的边缘优化外，我们在本地与LLM的交互模式上也引入了安全工程思维。简单查询尚可接受临时提示词，但构建复杂自动化系统则需要一致性保障。

为此我集成了一个名为"架构师"的专属AI子代理，对所有内部工作流强制实施R.G.C.O.A.（角色、目标、上下文、输出、提问）框架。

系统执行任何生成任务前，架构师子代理会拦截原始请求，并以安全、确定性的方式结构化重构：

• 角色与目标：精确定义AI代理的身份与任务边界（如"扮演资深DevOps工程师重构Cloud-Init脚本”）。
• 上下文：注入确切的环境约束（如ARM64架构限制），抑制幻觉产生。
• 输出与提问：要求严格输出格式，并在存在歧义时强制"暂停并澄清”，防止破坏性自动化操作。

通过在边缘采用这种多代理模式，我们显著降低了幻觉发生率，并为扩展仪表盘功能构建了可预测、高可靠的管道。

实战经验总结

在边缘硬件上构建企业级系统迫使开发者保持严谨。以下是关键收获：

1. 资源约束催生创新：并非必须依赖H100才能开展有价值的AI应用。将PyTorch限制为单线程看似反直觉，却正是ARM64边缘推理保持稳定的确切优化手段。

2. 自动化投资高回报：前期投入精力构建健壮的Cloud-Init配置，使SD卡损坏不再成为噩梦。环境重建仅需数分钟而非数小时。

3. 安全需内建而非附加：通过强制使用后量子密钥、移除默认密码、从第一天就将DoH DNS服务容器化，系统从根本上抵御了常见的本地网络威胁。

结语

我们正在迈入家庭微电网时代——自主发电、储能，甚至参与能源交易。通过融合安全基础设施实践、动态电价API与本地化边缘LLM，我构建了一套不仅节省开支，更完全脱离云依赖的系统。

若你是安全从业者或工程师，希望涉足边缘AI与物联网领域，我强烈建议从无头树莓派入手，探索其潜力边界。

延伸阅读：

• 当AI开发触及上下文墙
• KMO框架详解

第一部分：引子 —— 一个值得深思的现象

今天我想探讨一个现象：**为何时至今日，能够真正管理生产环境的DBA Agent依然凤毛麟角？**我的判断直截了当——大模型的智力已足够强大，它缺少的不是大脑，而是一副身体。这副身体需要具备感知状态、执行操作、评估风险、留存证据以及出错后回退的能力。接下来，我要分享的就是如何为DBA Agent锻造这样一副身体。

2 令人震惊的流量真相

在座诸位或许都听说过Pigsty。这是我开发的一款开源PostgreSQL发行版，初衷很纯粹：让缺乏专职DBA、不使用RDS的团队，也能通过开源方式自助构建企业级PostgreSQL服务。

该项目在GitHub上已收获逾5000颗星标，稳居PG发行版项目前三甲，也是中国PostgreSQL生态中星标最多的开源项目。如此体量的开源项目网站，月访问量会是多少？10万？100万？还是1000万？

3 流量异常背后的秘密

答案远超所有人的预期——过去一个月产生了9600万次请求，且仍在持续攀升，按当前趋势很快将突破1亿大关。问题随之而来，真实用户怎会产生如此庞大的访问量？

查看网页分析后发现，月度独立访客仅数万人，页面浏览量约几十万量级。那么剩余的近亿次请求源自何处？通过User-Agent、访问路径和触发方式分析，大量流量并非传统人类访问，而是由AI/Agent工具在读取文档。

4 谁在幕后访问？

我琢磨许久才恍然大悟。年初发布Pigsty 4.0时，我们加入了一项名为DBA Agent的特性。听起来高深莫测，实则就是一个CLAUDE.md文件，内容极其朴素：第一，禁止删库；第二，遇问题查阅文档；随后附上所有文档链接。就这么简单的文件，用户群体中却悄然涌现出一批新面孔——他们未必精通PostgreSQL与Linux，但手握Claude Code和Codex。

他们在Linux环境下对AI发号施令：“帮我装个PG"“帮我创建用户"“帮我排查这个问题”。AI要完成这些任务，就必须持续不断地读取文档。因此那近亿次请求并非人类手动点击产生，而是Agent代为用户执行的。Agent正在替代用户承担DBA角色，而且——表现得相当出色。

5 Agent已悄然承担DBA职责

坦率讲，我觉得这些Agent干得相当不错。我自己遇到棘手问题时也会如此操作。我会在仿真环境的Pigsty目录中告知它：我遇到了这个问题，或客户遇到了这个问题，请你根据源代码、配置文件、日志和文档分析可能原因。有时我会提供几个直觉方向：A、B、C，帮我判断哪个可能性更高。

它最终分析的结果往往八九不离十。不是说它永远正确，但已足够令人刮目相看。因此今天讨论的DBA Agent并非PPT上的概念，而是已在开源用户群体中真实发生的现象。

6 D-Bot：两年前的成功预言

更有趣的是，如今众人蜂拥而入DBA Agent赛道，其实两年前在Pigsty上就已有人实践。

清华大学周轩赫团队基于Pigsty环境开发了名为D-Bot的DBA Agent，相关论文后来发表在VLDB会议上。当时他们使用的还是GPT-4，即便在当时的模型条件下，也已能让D-Bot在Pigsty环境中完成相当复杂的故障诊断，并生成有据可查的根因分析与处置建议。

他们选择Pigsty的重要原因在于，Pigsty提供了这样一个开源开放、标准化、具备生产质量的运行时环境。因此他们只需实现智能逻辑，无需从零搭建基础设施：数据可直接取自监控系统，执行操作也有现成命令行原语。两年过去，模型能力已提升不知多少倍。那么今天，我们手中的这套Runtime加SOTA模型的组合，又能创造出怎样的成果？这个想象空间——我想留给在座的各位。

第二部分：理论——身体由什么组成？

7 数据库自动驾驶为何屡屡碰壁？

听到这个故事，肯定有人会问：“那AI是否要替代DBA了？“我的判断是：为时尚早，毕竟AI无法替你背锅。但这确实揭示了一种可能性：数据库自动驾驶。这个概念并非新生事物，Oracle提过，云厂商提过，学术界也提过。

但这么多年来，真正好用的寥寥无几。我认为在当前技术条件下，这件事实际上已经可以落地。即便L5级全自动眼下尚难实现，作为Copilot形式的副驾驶辅助，肯定不成问题。所以真正的问题是：我们到底应该为它准备什么，才能让数据库自动驾驶成为现实？

8 解读数据库需求金字塔

我此前绘制过一个数据库需求金字塔。金字塔顶端是智能——数据库自动驾驶，这是终极目标。但要实现这一点，其下必须有掌控与洞察——你得能看见、能控制。再往下，是质量、安全、效率、成本这些基本盘。你连监控都没做好，变更还依赖祖传脚本，高可用和时间点恢复都无法稳定演练，那就别谈数据库自动驾驶。

这就像想造自动驾驶汽车，结果车上没有传感器、没有刹车、没有方向盘、没有安全气囊，算法再聪明又有何用？因此DBA Agent的核心不是模型，也不是Agent框架，而是一个确定性的环境，以及与这套环境交互的身体。这也是今天演讲的主题。

9 身体的基石：可观测性与可控制性

给Agent一副身体究竟意味着什么？我认为最基础的两样东西是眼睛和手脚。第一，眼睛——可观测性。它要能看到数据库、操作系统、网络、磁盘、连接池、备份、复制延迟和历史趋势。第二，手脚——可控制性。它要有可靠的动作入口，能执行变更、重启服务、主从切换、备份恢复、创建用户、扩缩容。先说眼睛。

10 眼睛：构建全方位可观测性

任何DBA Agent要解决的首要问题必定是信息收集。它得知道当前正在发生什么。这件事在Pigsty中其实早已实现：Pigsty提供了一整套基于VictoriaMetrics、Grafana的开源可观测性栈，将PostgreSQL中能采集的观测数据基本一网打尽。无论是Agent还是人类，有效管理的基础必然是充分的信息收集。

例如这类AI DBA产品的形态，通常都会先聚焦监控：指标采集、异常检测、告警，再加一个与Agent对话的入口。PGEdge的AI DBA Workbench就是典型例子。这实际上说明，监控系统肯定是DBA Agent最基本、最重要的组成部分。但监控系统这件事我已讲过多遍，今天不想重复。今天我想讲讲身体的另一部分，也就是"手脚”。我们今天不讲"眼睛”，我们讲"手脚”。

11 数据库自动化的演进之路

从自动化角度看，数据库管理大概经历了几个阶段。第一阶段，纯手工操作，DBA逐条敲击命令。第二阶段，祖传脚本，或在控制台里点点点，也就是所谓的ClickOps。第三阶段，IaC——用Ansible、Terraform、Operator这类工具做声明式管理。第四阶段，Agent——人不再逐条编写命令，而是告知Agent目标，让它观察、计划、执行、验证。这里有个关键点：Agent要进入第四阶段，必须先具备第三阶段的基础。没有IaC，Agent很难稳定工作。这件事我后面会专门讲，先回到一个更具体的问题——Agent到底应该如何操作数据库？

12 统一动作接口：专家与Agent的共同需求

Agent操作数据库，是让它打开浏览器在控制台里点点点？还是调用API？亦或是使用命令行？

对专家和Agent而言，真正重要的不是GUI，而是一个明确、可组合、可审计、可复制的动作接口。CLI是最自然的形态之一，尤其当它同时支持JSON/YAML这类结构化输出时，它就既适合人类，也适合Agent。

美国前总统特朗普团队近期正式进军AI基础设施领域，推出名为WorldClaw的API聚合服务平台。这一跨界布局在科技圈引发强烈关注，标志着政治人物商业版图向新兴技术产业的罕见延伸。

该项目的营销体系设计颇具话题性，用户采购服务即可享主流AI大模型30%的价格优惠。更具噱头的是，高额消费用户将自动获得抽奖资格，奖品包含海湖庄园私人晚宴的珍贵入场名额。这种将个人IP影响力深度植入商业运营的模式，展现出独特的市场策略构思。

WorldClaw平台本质上对标OpenRouter等API路由服务，但其最大创新在于强制采用特朗普家族发行的WLFI加密货币作为唯一支付手段。目前该平台已成功接入超过300个AI大模型，既包括国际顶尖的GPT、Claude系列，也涵盖中国自主研发的DeepSeek、Qwen等优质模型，产品线覆盖面相当广泛。

平台的价格体系分为四个层级，其中最高规格的Max Plan定价高达9999美元，属于超高端定位。不过该档位配备了多重附加权益，购买者不仅能享受顶级API服务，更将自动获得参与抽取海湖庄园专属活动体验的资格（Chance to Win a Mar-a-Lago Private Event Opportunity），这种将政治符号、个人品牌与AI产业热度创造性融合的商业打法，确实开创了行业先例。

从商业模式来看，WorldClaw并非简单的技术服务平台，而是加密货币生态、政治影响力变现与AI需求爆发三重红利叠加的产物。通过自营数字货币WLFI构建封闭支付体系，既能规避传统金融监管，又能为代币赋予实际应用场景，这种设计思路体现出深厚的资本运作逻辑。

当前API中转市场正处于高速增长期，各类聚合服务竞争激烈。WorldClaw凭借其独特的政治人物背书、加密货币支付体系以及高端社交权益捆绑，成功实现了差异化定位。对于普通开发者而言，30%的折扣具有实质吸引力；而对于高净值用户，海湖庄园活动的稀缺性溢价则可能远超服务本身价值。

这种将个人政治遗产转化为商业资本，再与前沿科技产业结合的运作模式，在全球范围内都具有鲜明的实验性质。无论项目最终成败，其商业设计本身已为AI服务市场提供了极具研究价值的样本。

日常撰写报告、工作总结是否总是耗费大量时间？频繁在不同AI工具间切换操作是否觉得繁琐不堪？或许你热爱写作、习惯记录日记，却苦寻不到一款真正称心如意且无需付费的工具？今天为大家推荐一款完美契合这些需求的开源智能笔记应用——WitNote智简笔记本，它全面支持MacOS、Windows、Linux三大主流平台，内置AI功能开箱即用，最关键的是完全免费。

这款笔记软件正如其名，将智能化与极简设计融为一体。此前也曾介绍过一些基于NAS Docker部署的笔记方案，但这类方案对技术门槛和硬件配置都有一定要求。相比之下，WitNote只需在电脑上完成安装即可立即投入使用，便捷性方面优势显著。

该工具支持在Ollama、WebLLM以及云API引擎之间灵活切换，可完全脱离云端服务独立运行，所有数据均存储在本地设备中，从根本上消除了隐私泄露和数据安全方面的顾虑。用户可根据实际需要，对侧边栏、编辑器与AI面板进行独立调节尺寸或隐藏关闭。分屏工作状态下，拖动分隔条即可随心调整编辑区与预览窗口的显示比例。

不同平台的界面呈现略有差异。Windows版本布局相对简洁直接，而Mac版本则采用了类似Finder的文件树状结构，支持通过颜色标记文档、拖拽移动文件位置、鼠标悬停自动展开文件夹等交互方式，并以iOS风格的卡片形式管理内容，拖动卡片即可快速整理归类。此外还提供了三种预设界面模式（精简版/标准版/完整版），编辑过程中可通过Tab键逐句采纳AI给出的内容建议。

关于具体使用方式，安装后即可深入体验各项功能。Mac用户可直接在App Store搜索下载WitNote，完成安装后首次启动需在界面右侧点击安装WebLLM组件，配置完成后即可顺畅使用各项AI特性。

本文将以Windows系统为例进行详细演示。Windows与Linux用户既可通过官方网站获取最新版本，也可访问GitHub仓库下载历史版本。相关链接整理如下：GitHub仓库可获取各历史发行版，官网则提供最新稳定版的直接下载。

https://github.com/hooosberg/WitNote

https://hooosberg.github.io/WitNote/

完成安装初次启动后，界面较为简洁，此时需要进一步配置Ollama引擎或添加云端API才能激活完整功能。

Ollama可通过界面中蓝色提示文字一键下载，点击后会自动跳转至系统版本选择页面，确认后即可开始下载。下载完成后需手动执行安装程序。

需要注意的是，此处提供的Ollama版本号可能并非最新。如需获取最新版本，建议直接访问Ollama官方网站下载，相关链接也一并提供以便使用。

https://ollama.com/

Ollama安装成功后启动，主界面中央下方位置设有输入框，并配备了模型选择器，用户可根据实际硬件条件和任务需求下载不同参数规模的模型，下载完成后便能立即调用。

点击界面左上角图标进入设置面板，配置项设计得简洁明了，包括账号登录、联网功能开关、模型存储路径、文本生成长度限制等，根据个人偏好调整即可。

配置妥当后返回主界面，即可开始畅享AI增强的笔记体验。界面右侧为AI交互输入区，自动调用Ollama已下载的模型，能够实时读取当前编辑的文档或整个文件夹内容，支持智能问答、文案创作、内容续写等多种场景。中央白色区域即为文本编辑区。

编辑器内置了完整的Markdown支持，提供一级标题、二级标题、引用块、有序列表、无序列表等快捷功能按钮，同时支持图片上传、文本下划线标注，足以满足各类日常记录需求。

Ollama默认使用本地GPT架构模型，如需切换至豆包、DeepSeek等其他服务商，可在设置中将AI引擎改为云端模式，使用各平台提供的免费试用API或按需购买付费接口，这部分配置可根据个人需求灵活选择，此处不再赘述。

软件内置了十余种经过精心调校的角色提示词模板，涵盖作家、翻译官、润色专家等多种身份，在角色设定界面可根据当前任务场景一键切换，或自行创建个性化提示词。

智能续写功能允许自定义触发阈值、上下文参考长度和专属提示词，还能根据个人操作习惯设置快捷键，进一步提升码字效率。

视图模式支持一键切换为专注写作模式，或启用分屏显示、纯编辑、纯预览等布局，完成的作品可导出为PDF、TXT、Markdown等多种通用格式。

文件管理方面，支持对单个文档进行拖拽排序、创建自定义分组，或通过设置标签颜色实现可视化重点分类，在内容整理与归档的便捷性上超越多数同类笔记工具。

从实际使用感受来看，WitNote的应用场景相当广泛，界面设计务实高效，核心亮点在于完全免费且支持将任意本地文件夹设定为笔记存储库。特别是使用本地AI模型时，所有数据处理均在设备端完成，信息不会上传至任何云端服务器，这对高度注重数据隐私的用户而言极具吸引力。若日常工作涉及大量文字创作与编辑，这款工具绝对值得在电脑上常备。

文本能力为何仍是AI王冠上的明珠？

当多模态AI成为行业热词，各大厂商纷纷推出"文生图"“文生视频"功能时，一个耐人寻味的现象是：OpenAI的GPT-5、Anthropic的Claude-4以及Google的Gemini Ultra等顶尖模型，仍将超过70%的训练算力与研发资源倾注于纯文本能力的精进。这种看似"反直觉"的战略选择，实则揭示了人工智能发展的深层逻辑——文本能力从未过时，它是通往通用智能的基石。

在参数规模突破万亿、模型架构持续创新的今天，文本处理为何能持续占据核心地位？这并非路径依赖，而是基于数据本质、认知科学和商业价值的三重考量。从训练数据的获取成本到模型推理的可靠性，从跨领域迁移能力到商业落地的成熟度，文本能力展现出的综合优势，使其成为AI巨头们无法放弃的战略高地。

知识密度：文本是最高效的信息载体

人类文明的数字化精华

文本数据承载的知识密度远超其他模态。一本300页的教科书可以浓缩数千个概念、逻辑关系和推理链条，而同等信息量的视频需要数十小时播放时长，图片则需要数百万张标注数据。顶尖模型聚焦文本，本质上是在抓取人类文明的"压缩包”——每个汉字、每个单词都经过千年演化，携带精确的语义与语法结构。这种高质量、低噪声的知识载体，让模型能在相同训练周期内吸收更多有效信息。

结构化优势构建认知骨架

与像素点的连续空间不同，文本天然具备离散的符号结构。这种结构化为模型提供了清晰的学习路径：从字词到短语，从句子到篇章，层级分明的语法体系让注意力机制能精准捕捉长程依赖。研究表明，在混合模态训练中，文本token的损失函数收敛速度比视觉token快3-5倍，且形成的表征空间更利于后续推理任务。这也是为什么即使多模态模型，也需先用海量文本"预训练"出基础认知能力，再逐步融入视觉、听觉信息。

通用接口：语言是智能的"操作系统"

跨领域对齐的唯一桥梁

不同模态的数据表征空间存在本质差异——图像关注纹理与空间，音频注重时序与频率，唯有文本能作为"通用翻译层"实现跨领域对齐。当我们要求模型"解释这张图"或"根据这段描述生成代码"时，实际依赖的是其将多模态信息统一编码为文本语义的能力。顶尖模型之所以强大，正是因为它们将文本作为中间表征层，所有输入最终都转化为token序列，在统一的"语言空间"内完成复杂推理，再解码为目标模态。

工具调用与智能体的基础

当前AI智能体（Agent）的核心运作机制——无论是调用API、编写代码还是执行指令——都依赖文本形式的交互。函数名、参数列表、返回结果均为文本，这决定了模型的工具使用能力直接绑定其文本理解精度。Anthropic的研究显示，Claude在复杂任务链中的表现，与其代码生成准确率呈0.92的强相关性。放弃文本深耕就等于放弃智能体生态，这是任何追求AGI的厂商无法接受的。

成本理性：经济杠杆下的最优解

训练成本的指数级差异

训练一个SOTA文本模型的成本约为5000万美元，而达到同等智能水平的多模态模型需耗资2-3亿美元。视觉编码器、音频处理器带来的参数膨胀与数据对齐成本，使得投入产出比急剧下降。对于商业公司而言，将有限算力聚焦文本，能更快实现模型能力提升与产品迭代。文本数据的清洗、标注成本仅为视觉数据的1/20，这种经济性在大规模训练中形成压倒性优势。

推理效率决定用户体验

在实际应用中，文本生成的延迟可控制在100ms以内，而多模态生成往往需要秒级响应。云端API的调用成本方面，纯文本处理的单价仅为多模态服务的1/15。这种效率差异直接影响产品可用性。顶尖模型维持文本优先策略，能在保证智能水平的同时，为用户提供即时、低成本的交互体验，构建商业竞争护城河。

多模态时代的"文本锚点"效应

并非替代而是增强

值得强调的是，聚焦文本不等于放弃多模态。恰恰相反，顶尖模型采用"文本为核、多模态为翼"的架构——用文本能力锚定智能水平，再将视觉、听觉作为增强接口。GPT-4V的视觉理解能力，实质上建立在强悍的文本描述与推理基础之上。当模型"看懂"一张图表时，它先将视觉信息转化为内部文本描述，再激活文本推理链。这种"视觉→文本→推理"的通路，证明了文本能力的中枢地位。

应对幻觉问题的压舱石

多模态模型易产生"跨模态幻觉"（如错误描述图像内容），而强大的文本能力可通过自我纠错机制缓解该问题。模型会先用文本生成初步判断，再调用视觉编码器验证一致性，这种文本验证循环显著提升了输出可靠性。OpenAI的技术报告中明确指出，GPT-4V的准确率提升，70%归功于底层文本模型的推理增强而非视觉模块本身。

未来图景：文本能力的进化方向

顶尖模型的文本深耕战略不会停滞。下一代技术焦点在于：合成数据生成——让模型自主生产高质量文本训练数据，突破人类知识边界；思维链压缩——将更长的推理链条编码进更短的文本序列；符号神经融合——在文本框架内嵌入数学逻辑与代码规则。这些方向都围绕文本展开，因为AI界已达成共识：离开文本的深度，多模态只是无根之木；没有文本的精度，通用智能便是空中楼阁。

当市场追逐炫酷的生成视频功能时，真正的技术壁垒仍在静默的文本处理中持续加固。这不仅是技术选择，更是通往AGI的必经之路。

在RAG技术发展的初期阶段，向量数据库几乎成为该系统的标准配置。那么，这个技术组件的本质究竟是什么？

向量数据库本质上是一种专门用于存储和检索高维向量数据的信息系统，其核心要素包含两个层面：首先，通过Embedding模型将文本、图像、音频等内容转换为多维数组形式的向量表征；其次，支持基于相似度的快速检索，即根据查询向量定位语义最接近的Top-K条记录，并返回相关原始片段。这种机制实现了从关键词匹配到语义相似度计算的跨越，例如搜索"苹果"时，系统能够关联到iPhone等相关概念，而非仅限于字面匹配。

然而，早期技术存在显著局限。主流Embedding模型的有效编码长度通常限制在500个token左右（256-768 tokens，近期虽有扩展至8000 tokens的模型），这一限制与初代大模型的上下文窗口恰好吻合。过短的片段导致信息不足，难以生成完整语义表征；而过长的片段则会使核心语义被稀释，在相似性搜索中面临"信息淹没"风险。正因如此，向量数据库在RAG发展初期成为近乎唯一的选择，Coze、Dify、N8N等低代码Agent平台均将其作为默认组件，进一步强化了其不可或缺的印象。

实际应用却暴露出深层问题。最核心的缺陷在于"断章取义"现象——文档切分过程破坏了原文的完整性，导致表格断裂、论证逻辑中断等上下文割裂问题。典型案例包括：在电商退款场景中，系统可能仅召回"退款T+1到账"条款，却遗漏"黑名单用户与已发货订单除外"的关键限制，造成高风险订单的误操作；在医疗领域，降压药"适用症"与"妊娠期禁用"警示被切分到不同片段，可能引发严重的临床安全隐患。

面对这些局限，部分从业者开始质疑语义检索的可靠性，转而重新依赖关键词检索。随着大模型上下文窗口的持续扩展，向量数据库的地位变得愈发尴尬。但将全部责任归咎于技术本身并不公允，RAG效果不佳的根本原因往往在于数据处理的粗放——开发者试图以简单方案应对复杂场景，忽视了高质量数据工程的重要性。

当行业逐渐认识到仅靠语义相似性无法完整表征真实世界的复杂关系时，知识图谱技术重新进入视野。所谓关系，不仅是数据间的简单关联，更是上下文语境中实体间的逻辑纽带。例如，提及"苹果"时，系统应能自动关联iPhone、乔布斯等相关实体，这种深度关联能力正是知识图谱的价值所在。值得注意的是，当前复杂的AI知识库多采用"伪知识图谱"技术，融合关键词检索、向量检索等多种手段，而非纯粹的图结构查询。

向量检索的深层困境与知识图谱的破局之道

传统向量库构建知识库的底层逻辑存在结构性缺陷，其流程可概括为四个环节：机械切分、向量化映射、相似度检索、片段拼接。当原始文档篇幅较长且切分粒度不可控时，必然引发上下文完整性丧失问题。前文所述的电商与医疗案例，正是这一技术缺陷的典型体现。

这种"碎片化"处理方式的弊端在于：系统将知识压缩为孤立的向量点，依赖概率性匹配而非确定性推理，导致检索结果缺乏逻辑连贯性。尤其在医疗、法律等高风险领域，单一的信息片段往往不足以支撑可靠决策。

知识图谱的技术内涵与临床价值

知识图谱可视为知识库的有机组织形态，其本质是在传统知识管理基础上，通过图结构（实体-关系-属性）显式呈现知识的内在关联网络。三大核心构成要素包括：

1. 实体节点：代表真实世界中的事物、概念或类别，如特定疾病、症状、药物等；
2. 关系边：定义实体间的交互逻辑，如"疾病表现为症状"、“药物治疗疾病”；
3. 属性集：描述实体或关系的特征值，如疾病的ICD编码、药物的用法用量等。

这种标准化表示不仅支持语义分析，更赋予计算机理解与推理能力。为便于理解，可通过糖尿病案例对比：

无关联结构的传统知识库示例：

疾病: {  
  名称: "糖尿病",  
  类型: "慢性疾病",  
  并发症: ["心血管疾病", "肾脏病", "神经损伤"]  
}  
症状: [  
  { 名称: "口渴", 常见疾病: "糖尿病" },  
  { 名称: "频繁排尿", 常见疾病: "糖尿病" }  
]

具备显式关系的知识图谱示例：

实体: [  
  疾病("糖尿病"): {类型: "慢性疾病"},  
  症状("口渴"): {},  
  药物("胰岛素"): {用途: "控制血糖"}  
]  
关系: [  
  (疾病("糖尿病") - 表现为 -> 症状("口渴")),  
  (疾病("糖尿病") - 治疗 -> 药物("胰岛素"))  
]

在大模型时代，尽管模型已擅长症状到疾病的初步推导，但幻觉问题仍威胁临床安全。知识图谱通过结构化路径推理可显著提升答案可靠性：

输入：咳嗽+呼吸急促+发热+胸痛  
图谱推理路径：  
症状组合 → 呼吸系统疾病候选{肺炎,支气管炎,COPD}  
检查指标关联 → 血氧饱和度+白细胞计数+胸部影像  
影像特征分析 → 肺炎(浸润阴影) vs 肺结核(钙化灶)  
临床史整合 → 吸烟史、基础疾病 → 慢阻肺合并肺炎可能性

这种"慢思考"机制与大模型的"快思考"形成互补，构建快慢结合的双系统决策架构。

OpenCode作为一款完全开源且免费的人工智能编程智能体，专为开发者打造。它能够在终端、桌面或集成开发环境中深度协助编程工作，涵盖代码生成、理解、调试及重构等全流程。与传统代码补全工具不同，OpenCode具备理解完整项目结构、自动规划开发任务并独立执行代码修改的能力，堪称全方位的AI编程搭档。

免费Token获取攻略

小米近期推出了万亿Token创作者激励计划，参与者至少可获得2亿Token额度（部分用户甚至能拿到7亿），使用期限为一个月。接下来详细介绍申请流程，有需求的朋友可以参照操作。

申请地址：https://100t.xiaomimimo.com

首先输入常用邮箱地址，审核结果将通过邮件通知。

根据实际使用情况勾选AI开发工具和大语言模型，选择选项不影响审核结果。

详细描述AI工具的使用场景与具体用途，填写内容越详尽越好。如果不知如何表述，可将现有内容截图发送给AI助手，让它帮你生成专业描述。

最后上传日常使用AI工具的证明材料，例如费用截图或用量统计。

提交申请后耐心等待邮件通知，通常3个工作日内会收到审核结果。

审核通过后登录控制台，即可查看订阅详情和Token额度。

笔者成功获得了2亿Token额度，API密钥和接口地址在页面中有明确标注。

页面底部列出了所有可调用的模型清单，注意配置时需使用小写名称。

Docker部署配置方案

采用Docker Compose方式部署，配置代码如下：

services:  
  opencode:  
    image: ghcr.io/anomalyco/opencode:latest  
    container_name: opencode  
    entrypoint: ["opencode", "web", "--hostname", "0.0.0.0", "--port", "3000"]  
    network_mode: host  
    ports:  
      - 3000:3000  
    volumes:  
      - ./workspace:/workspace  
      - ./config:/root/.opencode  
    restart: always

详细参数解析（更多高级配置建议查阅官方文档）：

entrypoint启动命令指定以Web模式运行并绑定端口；/workspace路径用于存储项目源代码（非必需）；/root/.opencode路径用于存放配置文件（目前持久化功能可能存在异常）；OPENCODE_SERVER_USERNAME和OPENCODE_SERVER_PASSWORD环境变量可设置Web访问的账号密码；NPM_CONFIG_REGISTRY环境变量可以配置国内npm镜像加速；GIT_AUTHOR_NAME和GIT_AUTHOR_EMAIL环境变量用于设置Git用户信息；HTTP_PROXY和HTTPS_PROXY环境变量用于配置网络代理服务。

网络模式建议选用host模式，这样当AI创建并启动项目时，若需要使用其他端口可自动开放，无需手动映射。虽然host模式已能直接通信，但为便于NAS系统Docker管理界面的端口跳转，配置中仍保留了端口声明。

功能使用详解

在浏览器输入http://NAS设备IP:3000即可访问OpenCode Web界面。

点击左下角图标打开设置面板。

界面默认支持中文显示，对国内用户非常友好。

系统内置丰富的键盘快捷键，提升操作效率。

提供商配置界面是我目前见过支持AI服务商最全面的开源工具。

现在配置刚才申请的小米AI服务。

准确填写控制台提供的API密钥（务必使用Token Plan的密钥而非其他类型）。

对于DIY爱好者而言，装机过程往往伴随着对CPU、主板、显卡等核心配件的反复斟酌与权衡。而当硬件配置尘埃落定后，如何将主机打造成兼具强悍散热与视觉美学的桌面艺术品，便成为资深玩家关注的重点。在本次装机实践中，利民A70 Vision机箱与FROZEN GUARDIAN冰封护卫360水冷的组合，凭借双屏联动显示方案与精密的工艺设计，成功实现了性能与颜值的双重突破。

旗舰级水冷配置解析

冰封护卫360作为利民旗下的顶级散热解决方案，市场定位明确指向追求极致体验的发烧级用户。其千元级定价虽属高端范畴，但相较同规格竞品仍具备显著的技术优势与功能溢价。产品提供曜石黑与冰霜白双色版本，可无缝融入不同配色主题的装机方案。从散热鳍片、风扇框架到冷头外壳，整体用料扎实厚重，金属质感与表面处理的精细度均展现出旗舰产品应有的工艺水准。

核心风扇系统

预装的三把TL-K12性能级风扇构成散热基础，采用第二代S-FDB流体动态轴承技术，通过三次元动平衡校准工艺确保扇叶运转稳定性。金属强化轴心结构不仅延长使用寿命，更在2000RPM高转速下将风噪压制至行业领先水平。风扇框架内嵌减震胶垫，进一步抑制共振传导，为静音运行提供硬件保障。

高效冷排架构

冷排部分采用高密度波浪形鳍片阵列，相较传统平直鳍片设计，单位体积内散热面积提升约15%。波浪结构人为制造气流湍流效应，显著增强空气与金属的热交换效率，配合12条微水道精密布局，形成立体散热矩阵。这种设计在有限空间内实现了热传导路径的最大化，为高功耗CPU的持续负载提供温度缓冲余量。

耐用管路系统

EPDM+IIR高分子合成橡胶编织水管构成冷却液传输通道，双材质复合结构将渗透率控制在年化1%以内，彻底杜绝长期使用后的液量衰减问题。外编织层赋予管路极高的柔韧性与抗弯折能力，即使在紧凑型机箱内走线，也不易产生永久性形变或压瘪隐患。接口处的金属卡箍加固工艺与可旋转接头设计，为安装调试阶段的管路角度调整预留了充分自由度。

智能冷头技术突破

冰封护卫的核心竞争力集中体现在经过深度优化的ASETEK第八代水泵方案。三相位电机驱动配合0.1mm精度微水道铜底，在低转速工况下即可实现3.5L/min流量，将CPU热点热量快速转移至冷排。水泵工作电压动态调节范围覆盖6V-12V， PWM智能温控曲线确保散热效率与声学舒适性的平衡。

2.88英寸IPS全贴合彩屏无疑是视觉系统的最大亮点。这块屏幕拥有480×480分辨率与450nit峰值亮度，表面覆盖2.5D弧面玻璃，边缘与CNC铣削铝合金外壳顺滑衔接。在寸土寸金的冷头空间集成如此规格的显示单元，体现了利民在结构堆叠上的深厚功底。

人性化安装设计

三风扇串联式供电设计大幅简化理线复杂度，单根4Pin PWM线与双ARGB 5V/3Pin接口替代传统六线方案，降低机箱内线缆缠绕风险。全平台金属背板支持Intel LGA1700/1851与AMD AM5/AM4插槽，预装高性能硅脂层厚度均匀，撕开保护膜即可扣合安装，避免新手涂抹不均导致散热效能损失。

利民A70 Vision机箱针对双屏方案预置顶部竖装支架，钢化玻璃侧板与顶盖形成270度展示窗口。机箱内部规划多组穿线孔位，USB上行线缆与水冷管均可沿隐藏通道走线，配合集成式风扇集线器，整机布线整洁度得到质的提升。

双屏生态系统体验

通过TRCC（Thermalright Control Center）与TR-VISION HOME双软件平台，用户可实时调控机箱侧屏与水冷头屏幕的显示内容。软件内置数十套动态主题，涵盖硬件监控、个性化GIF、短视频播放等功能模块。屏幕支持重力感应自动旋转，无论冷头安装方向如何，画面始终正向显示。

实测视频解码性能，H.264编码的1080P/60fps片源在2.88英寸屏幕上播放流畅无掉帧，色彩饱和度与对比度表现远超传统LCD段码屏。配合华硕AURA SYNC、技嘉RGB Fusion等主流灯效协议，风扇RGB可与整机光效同步律动，形成统一的视觉节奏。

性能实测与噪音表现

测试平台搭载华硕RO姬Z890-H主板，支持DDR5-9066+超频与PCIe 5.0显卡插槽。在主板BIOS中启用静音模式后，待机状态下CPU温度稳定在31℃附近，此时风扇转速维持在800RPM左右，环境噪音增量小于3dB，几乎与环境底噪融合。

AIDA64 FPU烤机持续24分钟，封装温度峰值仅56℃，核心温差控制在5℃以内。此成绩在360水冷品类中属于顶尖水准，证明冰封护卫的散热余量足以应对超频玩家的暴力使用场景。日常办公、观影场景下，风扇始终工作在低转速区间，高速运转啸叫仅在满载烤机时出现，且PWM智能调速机制会随温度回落自动降低转速。

售后保障政策

利民为冰封护卫系列提供6年质保、3年换新与漏液包赔三重保障。因产品缺陷引发漏液事故，用户可获同型号实物赔付或现金补偿：购买一年内全额赔付，两年内按85%折旧率赔付。该政策在高端水冷市场具备显著竞争力，从根本上消除玩家对分体式水冷安全性的顾虑，侧面印证制造商对品控体系的自信。

综合来看，利民冰封护卫360水冷在工业设计、散热效能、智能交互与售后保障维度均达到旗舰级水准。双屏联动方案为DIY主机注入灵魂，将传统硬件监控升级为动态内容展示平台。对于预算充足且追求极致装机美学的玩家，这套组合堪称当前市场的闭眼入选择；若预算受限，利民家族丰富的产品线同样提供从入门到中高端的多档解决方案，满足不同层级的散热与颜值需求。

波兰尼的“默会知识”早已揭示：真正的直觉、体感与判断力，或许只能在实践中自然生长而成，AI 时代的知识“蒸馏”注定遇上一道 70% 的天花板。

一、能否将专家经验“蒸馏”进 AI？

近段时间，一个概念颇为流行：将员工的知识“蒸馏”到 AI 模型里。

具体做法往往是让资深员工撰写标准作业流程与排障手册，把多年积累的经验沉淀为文字，然后作为上下文直接喂给智能体（Agent），试图以此复制这个人的全部能力。

听上去确实诱人：单个人类只能 7×24 值守一套系统，而 AI 能够同时监控一万套。把专家蒸馏成 Agent，相当于瞬间将一个人的能力复制了一万份。

如今许多企业已经在这样操作。DBA Agent、运维 Agent、客服 Agent、法务 Agent 等纷至沓来。笔者也在打造 DBA Agent。

但这里必须坦率地说出一个不太好听的事实：这条路径存在一道非常坚硬的天花板，而绝大多数人还未真正撞上它。

二、那道 70% 的天花板

笔者自身的经历便是一个例证。

从事 PostgreSQL 十年，在 PG DBA 这个细分领域已贴近天花板。确实能把很多经验写成文档：高可用如何搭建、备份恢复方案如何设计、参数怎样调优、索引如何优化……这些知识都是可以显性化的，写出来就是 SOP，喂给 AI 就能工作。开源 PG 发行版 Pigsty 本身就是这种蒸馏的产物——把专家经验固化为代码与配置。

但诚实地说：能够完整表达出来的，大约只占全部能力的 70%。

余下那 30% 是什么？

是盯着 Grafana 仪表盘那一瞬间，心里觉得“不对劲”的体感。是两种方案听起来都合理时，凭直觉选对了那一个，你却只能回答“靠感觉”。是生产环境突然冒出一个从未见过、文档里完全没覆盖的故障，而你却能从过去零散的经验碎片中瞬间“涌现”出一条全新的解决路径。

这些东西，写不出来。不是不愿意写，而是它们根本不以一种可被书面表达的形式存在。写 SOP 时常碰到类似情境：到了某一步，实际操作中会根据“当下的感觉”做出一个判断，但这个判断完全无法被编码成一条明确规则。最后只能憋出“请根据实际情况酌情处理”——这九个字，就是那 30% 的遮羞布。

初级工程师看到“酌情处理”只会茫然。因为“酌情”所需要的那种判断力，根本就不在文档里。

三、波兰尼早在六十年前就讲透了

这一现象并非笔者第一个发现，六十多年前就有人将其分析得透彻。

1958 年，匈牙利裔英国学者迈克尔·波兰尼（Michael Polanyi）在巨著《个人知识》中写下了一句名言：

“我们所知道的，远比我们能够言说的多。”

波兰尼并非书斋里的哲学家。他首先是一名硬核科学家——物理化学家，在柏林威廉皇帝研究所从事研究十三年，发表了超过两百篇论文，是势能面理论的奠基人之一。1948 年，他将物理化学教席换为社会研究教席，全力转向哲学。之所以做出这一转变，是因为他在科学实践中深切体验到：最重要的知识，恰恰是形式化方法所无法捕捉的那部分。

他用余生搭建了一套理论，核心可归结为三个层次：

第一层：背景与焦点。 所有认知都具备双层结构。当你钉钉子时，注意力聚焦在钉子上，而手掌的触感只留下模糊的背景觉察。开车时注意力放在路况上，方向盘和踏板的操控同样处于背景觉察中。关键在于，这个结构不可逆转：钉钉子时一旦把注意力转移到手掌的肌肉发力，立刻就会钉不准。经验丰富的司机若突然刻意关注自己如何踩刹车，反而容易出现误操作。有些知识只能待在“背景”中才能真正生效，一旦试图拎到“焦点”下审视，便立即失效。

第二层：寓居（Indwelling）。 盲人用拐杖探路，意识不在手柄，而在路面，拐杖已变成身体的一种延伸——他“住进”了拐杖中。同样，经验丰富的司机“住进”了他的车，资深厨师“住进”了他的厨房，程序员“住进”了他的编辑器。把一个用了十年 Vim 的人突然换成别的编辑器，不只是换工具，而是切掉了他一部分思考的能力。专家与自身工具、环境之间并非“使用”关系，而是“融合”关系。

波兰尼的“默会知识”在AI时代被重新唤醒：真正的直觉、体感与判断力或许只能在实践中生长，而能写下来的那部分，至多占到能力的七成。

知识的“蒸馏”：一个诱人的幻象

近来常听到一种说法：把员工的知识“蒸馏”进AI。

做法听起来非常直接：让资深员工撰写标准作业流程（SOP），整理排障手册，把多年累积的经验沉淀成文本，然后作为上下文送给智能体，让模型复现这个人的能力。计算也很清楚——一个人只能7×24盯着一套系统，AI却可以同时盯住一万套。把专家蒸馏成Agent，似乎就等于把一个人复制一万份。

许多公司已经开始这么干了。DBA Agent、运维Agent、客服Agent、法务Agent遍地开花。老冯自己也在做DBA Agent。但我还是想说一句不太好听的真话：这条路有一个非常硬的天花板，而大部分人还没有撞到它。

难以逾越的70%

我自己就是一个活生生的例子。

做了十年PostgreSQL，在PG DBA这个领域几乎触碰到了顶点。我确实能把很多东西写成文档：参数怎么调、索引怎么建、高可用怎么搭、备份恢复怎么做——这些知识是可以显性化的，写出来就是SOP，喂给AI就能用。开源PG发行版Pigsty某种意义上就是我自己蒸馏出来的产物，是把专家经验固化成代码和配置。

但我必须非常坦诚地说：能写出来的，大约只占我能力的70%。

另外30%是什么？是我看一眼Grafana仪表盘就觉得“不对劲”的那种感觉。是两个方案都说得通的时候，我选了那个“对”的，但要我解释为什么，只能说“直觉”。是生产环境突然冒出一个从没见过的故障，所有的文档都没有覆盖，但我能从过去经验的碎片中涌现出一条新的解决路径。

这些东西，我写不出来。不是不肯写，而是它们根本不以“可写”的形式存在。写SOP时我常常卡在某一刻：明明在实际操作中会根据“当下的感觉”做一个判断，但这个判断却无法被编码成一条死规则。最后只能在文档里写上一句“请根据实际情况酌情处理”——这八个字，就是那30%的马甲。

你让一个初级工程师看到“请根据实际情况酌情处理”，他只会一脸茫然。因为“酌情”的能力，从来都不在文档里。

波兰尼半个世纪前的洞察

这个现象并非我的独到发现。早在六十多年前，就有人把它彻底说透了。

1958年，匈牙利裔英国学者迈克尔·波兰尼在他的巨著《个人知识》中写下了一句震动人心的命题：

“We can know more than we can tell.”

我们所知道的，远比我们能说出来的多。

波兰尼不是书斋里的空想家。他首先是一位硬核科学家——物理化学家，在柏林威廉皇帝研究所泡了十三年，发表了两百多篇论文，是势能面理论的奠基人。1948年，他把物理化学的教席换成了社会研究的教席，全身心投入哲学。因为他从自己漫长的科研实践中深刻地感到：最重要的那部分知识，恰恰无法被形式化方法捕捉。

他用毕生心血搭建了一套认知理论，核心可以拆解为三层。

第一层：背景与焦点。所有的认知都具备双重结构。你钉钉子时，注意力在钉子上（焦点），而手掌的触感却只存在于模糊的背景觉察之中。你开车时注意力在路况上，方向盘的握感和踏板的控制则退为背景。关键在于，这个结构不可逆：钉钉子时一旦将注意力转向手掌肌肉的发力，你就立刻钉不准了。老司机开车时一旦刻意去琢磨脚下怎么踩刹车，反而容易踩错。有些知识只能待在“背景”里才能发挥作用。你一旦试图把它拎到“焦点”下仔细审视，它就会失效。

第二层：寓居。盲人用拐杖探路，意识并不在手柄上，而在路面上——拐杖已经成了他身体的延伸，他“住进”了拐杖里。同样，老司机“住进”了他的车，老厨师“住进”了他的厨房，资深程序员“住进”了他的编辑器。你把一个用了十年Vim的人换成别的编辑器，不只是换个工具那么简单，而是直接截断了他一部分思考能力。专家和他的工具、环境之间，不是简单的“使用”关系，而是“融合”关系。

第三层：不可完全形式化。这不只是“暂时说不出来”。波兰尼的主张更强硬：默会知识是全部知识的根基。你把一个技巧写成手册，读手册的人需要调用新的默会知识才能理解它。你把一层知识外化，底下立即又会冒出新的一层。就像剥洋葱，永远剥不到那个没有皮的核心。

波兰尼之后，日本管理学家野中郁次郎把他的理论简化成了著名的“SECI模型”，隐含地假设隐性知识可以被“外化”为显性知识。这个简化版极为流行，也是中文世界里“隐性知识”传播的主要通道。但它恰恰钝化了波兰尼最锐利的洞察。而今天所谓的“蒸馏员工”，本质上就是SECI模型在AI时代的翻版，仍然建立在同一个假设上：只要方法得当，隐性知识就能被完整地显性化。

波兰尼的回答斩钉截铁：不能。你以为自己在蒸馏知识，实际上你蒸馏出来的，不过是知识的副产品。

棋谱永远不是棋感

用深度学习来打个比方，或许更直观。

专家的大脑相当于一个训练了十年的神经网络。你让他写SOP，相当于让这个网络导出一批推理日志。这些日志确实反映出网络的部分能力，但远不等于网络本身。

然后你把这些日志塞给Agent，当作提示词用。

专家的输出，变成了Agent的输入。两个层次天然错位了一级。

现在有许多模型都在蒸馏Claude，用Claude输出的数据来训练自己的模型，但没有一个能真正达到Claude的水准。

因为你拿到的是一个高手下棋的棋谱，而不是高手这个人本身。棋谱能让初学者快速进步，但光啃棋谱是成不了高手的，因为高手真正的能力不在棋谱里，而在“棋感”里。

棋感是什么？是权重，是那个被十年对弈反复锤打而成的神经回路。它决定了一位高手“怎么想”，而不仅仅是“想什么”。你给AI再多棋谱，改变的是它“想什么”，而不是它“怎么想”。

这就是70%天花板的本质：SOP编码出来的是推理日志，而专家的直觉活在权重里。你永远蒸馏不出权重。

湿件里的体感

那专家那30%的判断力究竟从何而来？

在计算机文化中，相对于硬件和软件，人的大脑与身体被戏称为湿件——碳基的、含水的、活的运算基底。老冯把这30%的判断力，叫作湿件体感。

硬件和软件可以复制、可序列化。湿件却有一个致命的不同：计算和存储无法分离。 在冯·诺依曼架构里，CPU和内存是分开的。但在大脑里，神经元既是计算单元也是存储单元，知识结构决定着感知方式，感知方式又在持续重塑知识结构。每一次使用经验，都在改造基质本身。

而“体感”并不是一个纯粹的比喻。认知科学家Damasio提出了“躯体标记假说”：大脑在做出决策时，会重新激活过去类似情境中的身体状态——心率、肌肉张力、内脏感受——用这些信号迅速缩小决策空间。高级专业判断确实常常以身体感觉的方式浮现：胸口微微发紧、直觉不对、说不出哪里不舒服，但就是不安。

老飞行员在气流颠簸中一瞬间就知道“没事”还是“要拉起来”。老司机过弯时脚上自然就清楚该给多少油。老厨师颠勺时手上就知道咸淡的分寸。老中医三根手指一搭上去，就感受到脉搏是“滑”还是“涩”。这些判断都不是逻辑推理，而是身体在重放过去无数次相似情境的感觉模式。

这种体感如何生长出来？四个条件缺一不可：

时间。 不是在资料堆里读一万个小时，而是在真实场景中暴露一万个小时。

后果。 犯了错真的会出问题，没有真实的后果就没有情绪标记，模式就无法刻进身体，只会停留在表层记忆。

归因。 做了决策之后，能快速看到后果并能清晰地归因到自己头上，反馈链条不能断裂。

变异。 同类问题的不同变体反复涌现，逼迫身体发展出弹性，而不是背答案式的僵硬反应。

这四个条件合在一起，不是在完成信息的输入、存储和检索，而是神经回路在真实后果的压力下被反复雕刻，形成身体记忆。

在过去，这个过程有一个古老的名字：学徒制。师父带徒弟，不是把SOP塞给他，而是让他在真实环境中跟着干，用手去摸、用眼去看、用身体去试错。书读得再多不动手，永远形不成手感。手感只能在真实的环境中长出来。

这也是波兰尼六十年前就已经看得一清二楚的事情。

AI Agent的天花板

现在，用这个框架来审视AI Agent。

当前几乎所有的Agent框架，不管怎么包装，本质上都奋战在同一个层面——Harness层：系统提示词、工具定义、RAG知识库、SOP决策树、Few-shot示例。全部是显性的、可序列化的。用波兰尼的话说：全是焦点知识，全是推理日志。

Harness层的效果确实不错。一个顶尖专家把70%的能力编码进去，Agent就已经能在大部分日常场景中表现得像一个靠谱的中级从业者。这已经具备了巨大的商业价值，因为现实中有大量日常工作本就是例行的、可规则化的。

但天花板就在那儿，纹丝不动。