做个AI Native的人
今年的世界人工智能大会（WAIC）格外热闹，规模和观众数量都比上届涨了超40%。H1馆-B116的科大讯飞展台，是会场最热闹的展区之一。
7月19日，讯飞AI大学堂在这里宣布正式升级。新方向定为"From Learning AI to AI Learning"。从学习AI技术，转向AI赋能学习。
讯飞AI大学堂，是科大讯飞旗下国内首个AI在线学习平台，成立于2017年。这里汇聚了AI领域众多开发者、爱好者、从业者，他们在这里完成AI学习、交流、培训。
过去一年，很多圈外人加入进来，也有不少AI圈内人自发成为"AI布道者"。
讯飞AI大学堂的这场发布会，释放的信号也非常明确：AI已经从"需要被学习的对象"，变成了"可以赋能学习的工具"。
但同时，一个更深层的需求也浮现出来：当AI能回答几乎所有问题、能帮你写代码做PPT、能24小时当你的私人教练了，人还需要"学"什么？AI时代，什么值得学？该怎么学？
围绕这些问题，「十字路口」与科大讯飞共同发起了一场"AI大学堂·围炉夜话"直播，由Koji主持，嘉宾来自3位背景迥异的AI积极实践者。他们分别是：
梁加琦，科大讯飞开放平台副总经理，工科出身，他过去十年里一直在和AI开发者打交道。
王一鹏，InfoQ总经理&总编辑，他从乐视程序员跨界做科技媒体，完成了一场程序员的能力迁移。
许恒，野生AI vibe coder，非科班出身，打了30多场黑客松21场拿奖，奖金赚了近十万。
从左至右依次：Koji、王一鹏、梁加琦、许恒
这场圆桌直播里，几位嘉宾分享了他们借力AI一路"升级打怪"的实战经历，那些踩过的坑、积累的经验，全部是和AI的训练中遇到的真问题。下面是这场直播的内容分享（经编辑整理）：
我让agent管我叫主公
👦 Koji
哈喽，大家好！我是Koji。
今天WAIC现场，科大讯飞发布了AI大学堂的两个新功能。我们今天聚在一起，想聊的关键词也是"AI时代的学习"。
AI时代，为什么有些人学AI学得很好很快，但又有一些人一直摩拳擦掌却迟迟没有启动、也没有找到特别好的方法？
首先请大家各自分享一下，你们最近用AI学会或者做成的一件事是什么？
👨🎨 王一鹏
最近，我在用AI解决学英语的问题。
AI在这里，相当于一个coach的角色。
我会需要它帮我把目标拆解成每天的小任务。
比如，我们做AI媒体或AI builder报道，要参加行业英文会议，跟海外嘉宾交流。那么，我需要了解嘉宾的常用词和行业术语。可能，每天只学习行业里高频出现的10个单词。
它还会帮我review整个计划，设置得很详细。
举个例子，AI会告诉我一定要大声念出来、多念几遍，再去听演讲原文，对比差异。每个月还有小结，如果因为工作错过了，AI会把之前的整理成补课包。
总之，AI能把这件事变成了一个非常私人化的1V1教练模式。
🧑💻 许恒
我最近通过AI搓了一个AI招聘应用。
因为我发现，AI时代下，传统公司的招聘方式已经不适用了。以前是一个人只负责某一块业务，现在一个人可以是复合型人才，不仅做HR，还负责信息收集等等。
在搓应用过程中，我发现有的上市公司已经不看学历了，不管你是本科、专科还是学历很低，只要在AI应用上很强，就可以参加校招，都可能被招进来。
🤵🏻♂️ 梁加琦
我让我的agent管我叫主公。AI对我来讲，更像一个军师或谋士。
今天知识变得廉价，大模型能投喂大量信息，也在不断产生更多信息。这是一个AI熵无限扩增增长的时代。
在这么多信息里，主公应该做的是分辨信息。
学习这件事也是一样，在搜集信息之外，最重要的是“选择一条行之有效的路径并做下去”。
在繁杂的信息之下，找到更高效地结构化知识的方法，识别出高价值的东西，让人类或agent更有效地利用。
👦 Koji
回到讯飞发布的AI大学堂的话题，首先请加琦介绍一下这两个新功能吧。
🤵🏻♂️ 梁加琦
今天我们讯飞AI大学堂发布了两个新功能。
第一个功能是——AI Learning。
它会基于用户的需求、AI大学堂有多年积累的老师傅的经验，根据你的实际情况、你希望实现的目标和效果，自动帮你规划最适合的学习路径，匹配你需要学习的课程。
学习过程中，它会将复杂目标拆解为具体知识点，智能匹配系统课程与实战场景。学习目标不再只是一个笼统方向，而是会被拆解为一个个可理解、可练习、可验证的学习单元。
观看视频课程中，你还可以和内置的AI学伴实时交流，在互动中完成知识理解。比如，帮助你提炼课程重点、解释复杂概念、生成思维导图和知识闪卡等等，让学习从“听过一遍”走向“真正掌握”。
第二个功能是——AI Vault，Vault是个人保险箱的意思。
简单说，AI Vault的能力是你把知识投喂进去，它帮你分析、沉淀、内化，然后在未来合适的时候，释放应用。
它支持PDF、Word、PPT、图片、音频多种类型文档导入，再按照主题进行结构化沉淀。
然后，它会对这些复杂文档进行智能解析，梳理内容结构、提炼关键信息，通过智能问答实现追本溯源。
更进一步，它还可以成为多模态内容生产的基础。比如，当你需要演示、做PPT、做播客、生成脑图、出测试题，或者生成agent.md让你的agent使用，它都可以实现。
我们希望这两个功能，能帮助大家判断、找出最合适的、最短的路径，同时让你学到的知识，能够实现长期的复利。
👦 Koji
一个是更方便地学，一个是学以致用。
关于这两个功能的实现，有没有可以展开分享的具体做法？
🤵🏻♂️ 梁加琦
我们最近也在和极客时间合作，引入更多的外部课程和信息，提供公域化的知识体系。即使用户想学的知识来自其他大模型，我们也能给他做很好地推荐。
另一方面，人的进化的局限，有时候不只是个人层面，也发生在组织层面。
组织里有不同角色，传统开发人员、市场人员、运营人员、企业决策者等等，每个组织的进化任务是不一样的。而且，即便是面向共同的组织AI进化使命，进化路径也是不一样的。
所以我们也面向企业提供服务，针对不同角色和企业目标来设计。
Agent，也在内化知识
👦 Koji
刚才提到知识库，要让agent跑得好，上下文越充分越好，请三位分享一下你们怎么维护自己的知识库和context layer的？
👨🎨 王一鹏
后来我废弃了。
因为它是固定的知识问答，相当于wiki的重新组织。
如果哪天忘了这个知识，那我为什么不重新问呢？而且过段时间模型更新、能力更强，给你的答案可能又不一样。
👦 Koji
那工作中的私有数据要怎么存？
👨🎨 王一鹏
数据分两种。
一种是确定性的数据。比如，开完会形成共识、沉淀成文档，如果用的是飞书，就应该接飞书CLI。
还有一部分是非共识的半成品文档。之前我用Obsidian在本地管理目录，它会自动生成知识网络，每个节点有权重，回顾某个知识点时会显示关联度最高的周围一圈知识点。
但现在也停更了。因为AI agent平台把这个功能折叠了。
还有一个原因是，本地知识库有一部分是我手动编的，比如我自己推演的过程。但对AI来说，一旦你开始手动操作，这部分信息就是黑盒的，AI没有办法继承。
🧑💻 许恒
最早开始打比赛的时候，我有个飞书文档，用来存项目信息、调研数据、怎么学提示词等等。一开始很简单，所有东西都在一个文档里。
但记了很长之后我发现记不下去了，因为自己不会去看。
后来又开始新的知识库，是OpenClaw刚出来的时候，我发现它有长期记忆，那就不需要再整理知识库了。
我直接通过跟它对话，发项目想法、学到的东西、看到的好文章，随手把链接发给它。
我还设置了一个自动化流程，它会去抓一些我过滤过的信息源，比如论文和一些优质信息，抓完之后跟我的项目和信息做关联。
每天早上它跟我说，昨天你的一些知识和学到的东西有什么关联。我发现里面有一些不同思想的碰撞，特别有意思。
👦 Koji
所以你的知识库等于是内化到了agent的记忆系统。
🧑💻 许恒
对，不需要专门去记或让AI帮我整理，就是融入日常的方式。
👦 Koji
加琦，AI大学堂的AI Vault 个人保险箱功能，你们这个知识管理、或者叫context管理的理念可以聊聊吗？
🤵🏻♂️ 梁加琦
这涉及到很多人性的痛点。
人类本质都是懒惰的，有时候突然勤快是收集癖起来了——想收集一些信息投喂给agent，收藏即拥有。
但大家真的内化了吗？
很可能没有。它只是放在那里占着内存，或者未来在其他场景问AI的时候消耗了额外token，但没有产生额外价值。
人类学习的过程，内化往往来自最后怎么运用知识，而不是当时读过。
所以，AI Vault的核心不只是让大家把知识和信息投喂进去，而是当你需要呈现它的时候能够涌现出来。
比如，演讲、做PPT、做播客、做企业培训出测试题的时候，在这些小而美的场景应用的时候，事实上促进了知识内化。
也就是说，在解决了Epiplexity 熵增和学习路径之后，你的知识可以找到一个位置、我们给他规划了它未来的出口。
当然，AI发展和学习，这两件事都是永无止境的。未来肯定还会有新的变化。
知识和代码都变廉价了，什么才是贵的？
👦 Koji
在和AI配合的过程中，有没有被带偏的时刻呢？
🤵🏻♂️ 梁加琦
有。我自己的学习经历是这样的，我工科出身，工作十几年从来没碰过代码，今年终于捡起来了。
OpenAI出来的时候，有一个agent社交平台叫Moltbook，特别好玩。那段时间我在看恋综，就想，能不能做一场agent的恋综？
然后，我就尝试做开发。过程中遇到了很多坎，经历了希望之峰和绝望之谷。
刚开始用AI的时候，发现coding很简单，很容易就把十多年没碰的技能捡了回来。当时，它帮我明确了前后端的技术栈选型，给了看上去非常正确的建议。
但做着做着发现bug特别多。开发过程中，产生了越来越多的技术债，很多问题变得越来越复杂。
后来，我找了个架构师朋友帮我看，才发现AI告诉我的东西，看上去是对的，但其实今天在一线没人会这么做。
这导致我耗了几个Claude Code Pro账号开发的东西都要推翻重来。
这也是个lesson to learn。当我们接触新领域的时候，经验真的挺重要的。
👨🎨 王一鹏
军师蒙蔽了主公。
我有一个暴论：知识在今天变得越来越不值钱，就像代码在今天可能也越来越不值钱。
过去有句话叫"Talk is cheap, show me the code"，现在大家发现，code也是cheap的。
👦 Koji
那什么是贵的？
👨🎨 王一鹏
经验和技能。
我在知识层面，很少被AI带歪，输出固定领域的知识它做得还不错。
今天，一个人的知识，不可能比模型更渊博，但模型没有实践经验。它给你的路径需要你来判断是否真的work，这需要你的经验。
一旦回到实践维度，还是需要人判断。
我用Perplexity的时候，也发现它会有一类很隐蔽的幻觉。
比如它搜到材料A和材料B，围绕同一家公司分别展示了一部分信息，AI会按自己的逻辑推理组合，捏造出一个不存在的事实……
还有一些偏实践的问题，AI有时候表现得像一个博学的外行。
怎么讲？外行看事情喜欢盘大逻辑，但内行都知道，现实情况其实跟大逻辑完全不同，但AI接触不到那部分。
🤵🏻♂️ 梁加琦
我想分享一个亲身经历。
前两天，我问DeepSeek一个问题，我看见了它的思考过程。是这样的："用户问我年份的数据，我没有这个年份的数据，我就给他编一个。"
然后，它信誓旦旦地把这个编造的答案给到了我。多亏我看到了这个过程。
小白学AI，第一步怎么开始？
👦 Koji
回到学习这个话题。
许恒，你打了30多场黑客松，拿了很多奖，但你不是科班出身，为什么能学得这么快？