众力资讯网

AI 管家的下半场,拼的是"经验的结构化"

01 凌晨一点,一个空文件上个月,一位朋友叫我去他家看个东西。
凌晨一点多,他坐在电脑前,屏幕上是一个文本文件。打开,里面是空的。
他说:"它又犯了。"
我说:"犯什么了?"
他说:"这个坑,一年前就踩过。手册里写着,写得很清楚。"
事情本身很小。他让那台机器上的 AI 助手帮他部署一个脚本,AI 用了一条带密码的命令,一边从管道里读密码,一边又把要执行的脚本从同一个管道喂进去。
结果很自然:密码先被吃掉了,脚本永远到不了目的地。文件建出来了,里面是空的。
第一次,他以为是自己手误。第二次,他骂了一句。第三次,他盯着那个空文件看了很久。
不是因为不会修。是因为他清楚地知道:这个坑记在哪一页。
02 一个反常识的判断过去两年,所有人都在比 AI 有多聪明。
参数、榜单、跑分、推理能力。每隔几个月就有新的第一名。
但那天晚上从他家出来,我得到一个几乎相反的结论:
真正决定 AI 能不能替你干活的,不是它有多聪明。
是一台一点都不聪明的机器。
一台四盘位的家用 NAS。几千块的机器,CPU 是低功耗型号,没有独立显卡,内存按 G 计。
它上面住着他那个 AI 助手。修东西、跑脚本、盯定时任务、整理文件,全是它干。
我一开始也不信。一台连跑个大模型都费劲的机器,凭什么当 AI 的管家?
后来我想明白了:凭的不是它强,是它在位。
03 AI 需要的是手,不是脑你去数一遍家里的设备就明白了。
要让 AI 替你干活,那个落脚点得同时满足四个条件。
第一,它得一直醒着。 电脑关机就断,笔记本合上就睡。AI 没有上班时间。
第二,它得有一块能读能写的完整文件系统。 手机和平板是沙盒,AI 进不去;进去了也只能看,改不了。
第三,它得有一套权限体系。 否则它学会的第一件事,就是把你的东西删掉。
第四,它得能从外面被够得着。 你在公司想让它干点活,它得听得见。
说白了,你要的是一个不许下班、有钥匙、还有门禁卡的管家。
四条同时成立的家用设备,我想不出第二个。
现在,请注意一件事。
这四条里,没有一条叫"算力"。
而算力,恰恰是它最弱的一项。朋友把内存从 16G 加到 32G,能多跑几个容器。但离"在自己的盘上跑一个像样的模型",差得远。
这不是缺点。这是分工。
它负责手,不负责脑。
你可能会问:不负责脑,那还叫什么 AI 管家?
因为脑可以外挂,手不能外挂。
04 想和做,本来就该分开朋友那台机器上,跑着几个常驻容器。
功能就三种:一个负责调度,它不思考,只把一句人话翻成一串命令然后执行;一个负责记忆,存的是"上次这事怎么办的";还有两个小的,做检索和网关。
真正的推理在云端。它每次"想明白"该做什么,都是一次 API 调用。
机器上跑的不是模型,是手和记忆。
很多人第一次听到这个架构会失望,觉得是妥协。我恰恰认为这是最经济的一种安排。
为什么?
因为"想"这件事,是通用能力。通用能力可以规模采购,谁便宜用谁,谁强换谁。朋友说了一句很到位的话:模型每半年换一代,他换的是 API 地址,不是机器。
而"做"这件事,是私人场景。你的目录结构、你的权限习惯、你哪块盘上放着什么,这些东西没法外包给别人。
通用的部分,向规模要效率。私人的部分,向就地要准确。
这不是省钱的办法,这是对的办法。
那三个必答的理由,也摆在这里:
显存。消费级 NAS 没有独显,几十亿参数的模型都吃力,几百亿的连加载都放不下。
内存带宽。就算塞进去了,家用 NAS 的内存是给缓存和容器用的。一跑起来,整台机器都在等内存。
功耗。这条最容易被忽略。推理是持续满载,不是峰值一瞬。一台 7×24 满载的机器,噪音、发热、电费,还有风扇积灰之后的稳定性,都是要还的。
所以看到"在 NAS 上跑本地大模型"的教程,先别急着跟。不是不能跑,是跑起来不值得。
05 为什么厂商给不了到这里一定会有人问:厂商为什么不自己干?他们离得最近。
我的判断是——不是不愿,是不敢。
要让 AI 管一台 NAS,它得能改配置、能动权限、能在出事之后帮你恢复。这些操作的共同前提是:它得拿到这台机器的最高权限。
而一个拥有最高权限、又会自己判断该干什么的进程,在工程上不叫功能,叫事故预案。
朋友机器上就能看到这种警惕。删除操作被一层钩子拦着,不是 AI 判断"该不该删",是它根本删不掉。要改一个文件,得先把旧的改名让位,再写新的。
但这不是技术问题。
往深一层看:权限的本质,是责任。
你给一个员工批报销的权限,不是因为他能力最强,是因为他签的字能追到他。出了事,有人负责。
你不敢给 AI 最高权限,也不是因为你不信它的能力。是因为它签的字,追不到任何人。
机器不会写检讨,也不会被扣工资。
在"谁负责"这个问题有答案之前,权限就只能停在一个安全的地方。
所以官方能给的,注定是一个安全子集:改改下载路径、查查容量、推荐个套件、把照片按人脸分个组。这些都有用,但都不碰"出错就完了"的那一面。
而那一面,恰好是运维真正的内容。
朋友自己搭的合法性,来自一件很简单的事:机器是我的,盘上装的是我自己的东西,我自己承担后果。
这句话,厂商永远说不出口。
差别就在这。这也解释了为什么有些事不是它不敢做,是他不敢交。
比如关机。
停机的时候,他得先挨个把容器停下来、等它们退干净,再走系统界面关机,最后拔电源线——机器关了,电源那头还带着电。
顺序错了,数据库会留一个锁文件,下次开机无限重试。
这跟 AI 会不会操作无关。是这一步他不敢交出去:它判断不了"现在真的可以停了吗"。
所以它会修东西、会跑脚本、会自己换条路重试。但它不知道什么时候该停手。
这条边界,是留给人的。
06 记录是廉价的,检索才是贵的现在回到那个空文件。
这是他这一年里最值得说的一段。因为他的做法,比大多数人想得都认真。
一开始,他就在做"自优化"。 同一个错犯第二次,就把处理方式写进 AI 的手册。把踩过的坑变成规则,让机器越长越像一个用了很多年的老手。
这套做法,网上所有讲"给 AI 建记忆"的教程都在教。他做了,做得挺认真。
然后他犯了同一个错,第三次。
问题出在哪?
他有一份主记忆文件,长度有硬上限,大约两千八百个字符。他看了一眼:两千七百七十九。
它满了。
这就像一个写满的笔记本。想记新的,就得先擦掉旧的。而"擦哪一条"这个判断,比记录本身难十倍。
所以实际上没人擦。它就停在那儿:新东西进不来,旧东西慢慢过期。
还有一次更典型。
他让 AI 数一批文件——权限不对的那批,一共多少个。AI 报三百五十六。他自己跑了一遍,八百五十二。差了 2.4 倍。
更麻烦的是,AI 连原因都归错了。它看修改时间,而真正的原因是某次存储卷重建改了权限和属主——那些文件的修改时间是旧的,变更时间才是那一天。
它不是不会查。它查的方式是对的。只是它没想到"在这块盘上,修改时间不可信"这条经验,早就写在别处了。
所以那句判断是这么来的:
记录是廉价的,检索才是贵的。
写一条经验,成本是几分钟。让它在正确的时刻、正确的场景被正确地想起来,是另一回事。
打个比方:图书馆有书不算本事,能找到书才算。
记住,不等于拥有。能被调出来的,才叫拥有。
07 他把教训变成了资产后来他换了做法。
不再往那份顶格的记忆文件里硬塞,而是把历史上积累的经验全部导出来,做成一件事——
按来源分文件、每条带时间戳、只读、独立成档,由一套专门的规则去读它。
我给他这个做法起了个名字:【教训资产】。
一条教训,要成为资产,得同时满足三个条件:
有日期。 技术经验会过期。两年前正确的命令,今天可能换了参数;两年前合理的判断,今天可能因为换了架构而反过来。不带时间的经验,等于在档案里埋了一批会说谎的证人。
有来源。 从哪件事、哪台机器、哪次故障里来的,必须记清楚。混在一起,就变成了"好像有这么回事"。
能独立检索。 它不能挤在那本能装两千八百字的笔记本里,等着被"顺便想起来"。它得能被单独问到,单独调出。
缺一条会怎样?
缺一条,它就不是资产,是负债。 因为它会让你以为你知道了。
他最后做了三千二百多条。按四个来源分开,互不污染。
这件事没有让那台机器变聪明。但它让他在第四次遇到同类问题时,至少有一次被提醒的机会。
而这一次机会,就是全部差别。
08 下半场,拼的不是存储,是提取这件事往大了看,指向一个正在发生的变化。
这一代人的核心竞争力,正在从"知道"变成"调得出"。
过去,知识是稀缺的。谁记得多,谁有优势。老师、老工程师、老中医,靠的是脑子里的存量。
现在,知识不稀缺了。你问任何一个模型,它都能给你一份看起来很像回事的答案。
稀缺的变成了另一件事:在你需要的那一刻,能不能把对的那条经验,准确地调出来。
知识管理的上半场,拼的是存储。收藏夹、笔记软件、知识库,所有人都在解决"怎么存进去"。
下半场,拼的是提取。
而绝大多数人,现在停在上半场。收藏夹三千条,一条都没再打开过。
朋友的笔记本满了。我们的笔记本,其实也满了。
我们以为自己有十年经验,实际上只是把十年的事,堆在了一个没有索引的地方。
09 市场会长成哑铃最后说一个观察。这件事对市场的影响,不会是"一起升级"。
会长成一个哑铃。
一头是"带硬盘的网盘":简单、封闭、开箱能用,慢慢转向订阅。它服务绝大多数人。绝大多数人买 NAS,需求简单得很:手机照片自动备份,别丢;几台设备共用一个盘;看个电影不用来回拷。
这个需求不需要 AI,也不需要运维。它只需要一个安静、稳定、便宜的盒子。
另一头是"家庭 AI 主机":复杂、开放、自己搭、自己修。它服务极少数人。
中间那层最难受——既不够简单,也不够自由。功能很多,但没有一个是真正需要的。它想同时服务两类人,就得同时满足"开箱就能用"和"能改到底",每个决策都得妥协一次。
妥协多了,产品就失去了形状。
这两年市面上有些产品,功能越加越多,用起来却越来越不知道该拿它干什么。我猜大概就是这个位置造成的。
哑铃型不是坏事。它意味着选择变清晰了:你要的是一个盒子,还是一台机器。
10 两种人朋友那台机器,我最后帮他调好了。
但那天晚上让我一直想着的,不是那台机器。
是一个更麻烦的问题:如果一台机器,记过都会忘,那我们呢?
我们的经验,是不是也堆在一个已经满了的笔记本里,等着某天被"顺便想起来"?
我们也会犯同一个错,第三次。
我们也会在归因的时候,看错了那一列时间。
这台机器最后能替他接住那么多活,不是因为聪明。是因为他把它的每一次教训,都变成了有日期、有来源、能被调出来的东西。
它因此拿到了一样东西——成长权。
所谓成长权,就是有没有资格把上一次的教训,用在这一次上。
AI 不会取代你。
但一个把教训结构化的人,和一个只把教训存在脑子里的人,正在变成两种人。