Writing

Thoughts

如何打造一台效率机器，并扩展知识边界

我们先来看一下计算机处理流程，从底层的0101二进制电极门信号出发，经过硬件集成电路、寄存器、中央处理单元、编译器、汇编语言、编程语言再到应用，整个过程通过一层层的抽象和封装，最后经过gui图形界面来对齐人类的用户习惯。整套系统通过确定性的规则集来处理信息。

效率机器LLMAgent知识边界计算机

The full English text is not available yet

This article is currently using its Chinese source. Add a matching file under content_en/writing/posts/ to enable the English version.

如何打造一台效率机器，并扩展知识边界

一些不成熟的想法。

我们先来看一下计算机处理流程，从底层的0101二进制电极门信号出发，经过硬件集成电路、寄存器、中央处理单元、编译器、汇编语言、编程语言再到应用，整个过程通过一层层的抽象和封装，最后经过gui图形界面来对齐人类的用户习惯。整套系统通过确定性的规则集来处理信息。

以笔者浅薄的认识，现有计算机以内存为核心，四向连接CPU、外存、输入设备、输出设备，共同来构成体系化的信息处理流程。早期计算机还以打点计数器和纸带来做运算，自贝尔实验室诞生晶体管，快速的正负极性变化对应到0101逻辑，使得计算效率实现极大的扩展。晶体管元器件变得越来越小，使其可以封装进有限大小的物理设备上，集成电路的诞生再次扩展了计算效率。简要提下仙童半导体公司（受仙童摄影器材公司资助），其中八位早期创始人从公司独立出去创业，俗称“仙童八叛徒”，创办了英特尔、AMD等等半导体公司，一举开创了整个硅谷。

为了有效利用集成电路庞大的计算规模，面对各项物理器件的局限性，操作整套计算设备的系统应运而生。系统设计需要综合取舍，早期的操作系统设计者想尽可能的考虑·到方方面面，设计的过于复杂，不能很好的兼顾可用性。后来项目失败，其中的设计者独立出来，汲取失败的经验，设计了Unix操作系统，为了方便开发并创立了C语言。再到之后的Linux开源操作系统内核，全世界的开发者联合起来，一同合力开发，最终蓬勃辉煌至如今世界。硬件可编程是一种非常大的跨越，后续GPU诞生，CUDA使得并行计算可编程，催生出整个大模型时代。

前者所诉，大多还存在于面向企业（To B）层面，当时IBM公司如日中天，个人计算机世界方兴未艾，乔布斯和沃兹尼克在车库设计了跨时代的计算机盒子（To C也To B），一炮而红。之后面临设计周期长，过于苛刻产品美学，硬件局限性，公司管理层理念不合，乔布斯被一举踢出了公司。乔布斯后投资收购皮克斯，计算机图形学和艺术交叉融合创造了众多经典IP（玩具总动员等），公司市值水涨船高。当时迪士尼公司看到自己产品的局限性，发现自有IP远远抵不过皮克斯，以股票交易形式，收购皮克斯，一举使乔布斯成为迪士尼的大股东，一时间竟不知道是迪士尼收购了皮克斯，还是皮克斯收购了迪士尼。

苹果电脑公司在多款产品的失败后，伴随IBM、微软等公司进军个人电脑市场，走向了濒临倒闭的边缘。乔布斯被请回了公司，之后乔布斯在施乐公司调研看到图形用户界面（GUI），他说自己看到计算机的未来。再往后就是各种输入输出设备，诸如鼠标、键盘、蓝牙等等的快速发展。后来苹果电脑公司，去掉了电脑二字，改为苹果公司。

笔者所述多来自阅读传记、科普书、教科书的记忆，计算机世界是综合发展的，这里不能兼顾到方方面面。

接下来结合过去的半年对于智能体、大语言模型、视觉语言模型的使用和学习，谈谈如何打造一台个人的效率机器，并在此基础上扩展自己的知识边界。

简要提及一下模型的架构和原理，日前所使用的绝大多数产品（豆包、chatgpt、deepseek等），其要根据训练数据的模态类别来区分所能处理的信息。生图、生文字、生视频、生音频等用法不同，但多头注意力机制，以及其他方法使得不同模态的信息可以同时进行训练，使得模型可以处理你的截图、文字、文件、声音、视频等等。

请不要忘记，日常使用的计算机在大模型诞生前，已能通过软件（使用编程语言设计）来处理你存在计算机上的信息，所以当大模型通过在代码、软件工程、信息处理等等方面进行训练时，他可以遵照你的自然语言指令来通过调用计算机的各种的功能来处理信息。

再次强调一下，模型训练的数据虽然有局限，但在规模上扩展到一定程度，就像前边计算机处理信息能力的扩展一样，从互联网以及人工构造的各种信息中来学习，远远超过人所能处理的边界，随着推理能力的增强，其能渐进的处理复杂问题，但其也有非常大的局限性，这是客观事实。

那如何设计一套适合自己的效率机器呢？

首先，我需要找出日常使用计算机重复性最高的事情类别，然后把这种事情抽象成一种任务，诸如做PPT、处理文件、填写报表等。

然后我会思考，我日常处理这些任务的软件时哪些，它的原理是什么，边界在哪，我如何通过大模型去处理这些软件。一般情况下先要思考整个任务的处理流程，比如打开WPS，然后找到对应的文件，选择按照何种格式，进行哪些修改，怎么进行核对，存在什么地方。一旦理解整个信息处理的流程，就可以使用智能体来自动化整个任务，一般情况下可以使用对应软件的命令行终端cli形式操作整个流程，还可通过调用开源版拥有相同功能的项目，以及使用智能体的计算机操作能力，使其通过内连鼠标和输入来操作。当你通过自然语言与智能体对话，完成一项任务时，后背的发凉感会催着你对背后的处理流程感到好奇和惊悚，这就是扩展你知识边界的良机，先理解，再做，后深度思考。这是一项重复任务的处理流程，我们不难合理的拓展到其他领域，渐进式的解决日常生活的绝大多数能使用计算机处理的问题。你要知道，大多数软件是使用代码语言调用计算机硬件资源来实现信息的处理，大模型可以通过遵循你的自然语言来自发的选择代码语言实现你的需求，如果你能考虑到这一步，能阻拦你的只剩动机和安全对齐了。

为什么我们要造一台效率机器呢？

总看到文学作品描写机器剧烈的轰鸣，摧枯拉朽的碾掉过往生活的美好瞬间，而对机器产生一种厌恶。但是，对于生活的感知和对美的追求与效率机器并不完全相悖，我不知道有多少人对巨大的铁轨感到惊奇，对树木漫长的年轮感到静寂。我常常会走在马路上，对被漠视的建筑、立牌、草木、行人感到奇怪的和谐，美不只存在于过往被记录的山山水水。

如何扩展个人知识的边界？

读书、做题、背诵、写作等等方式，并没有消失，我们仍需要综合的使用过往的知识组织方式，但前文所延伸的整个计算效率的扩展，使得我们可以在海量的信息中，寻觅你我所爱、所喜、所乐的旷野。有很多时候，阻碍我们好奇的可能是媒介、批评、时机。大语言模型等的扩展，将综合性的各个领域建构在计算机上的信息在庞大的向量空间中，硬生生开出一朵流变的花朵。我们如何从这空间中钓出答案，或者搜索出结果，或者推荐原典，这是我们使用其来收发有效信息的首要问题。

抖音等产品的搜索算法，百度等产品的搜索引擎，淘宝等产品的广告算法等等，很多信息的组织方式投射到人类的具体需求上，能释放极大的威力。但是世界不是这样的，世界是唯物的、客观的、复杂的、非二元对立的、多元的，很难形容的，你从各个方面深入尝试去理解世界，都改变不了它自身的存在，由此我们拥有很大的局限性，我们要客观认识到我们的认识拥有极大的局限性，我们创造的产物依然具有极大的局限性。

知识出处与延伸阅读

本文正文是个人学习记录和不成熟的思考。下面列出文中涉及的主要历史、技术与论文来源，方便继续核对和阅读；它们不代表对正文每一个历史细节或判断的逐一考证。

半导体、晶体管与硅谷

Unix、C 与 Linux

GPU 与 CUDA

Apple、GUI 与 Pixar

Transformer 与多模态模型