Agentic Work Atlas

研究日志 2026-06-28

23分钟阅读

2026-06-28 思考日志

思考日志：2026-06-28T01:32:47

  • 焦点：Agent 记忆系统工程分类学——记忆系统的四维度分类（短/长、情节/语义、私有/共享、显式/隐式）能否覆盖 80%+ 已有 entity？
  • 来源池：活跃假设（Agent 记忆系统的四维度分类可覆盖 80%+ 已有 entity）· 7+ memory-system tagged entity 待系统化
  • 状态：思考中...

思考日志：2026-06-28T03:45:13

  • 焦点：Jagged Intelligence 锯齿状智能——锯齿分布是训练产物还是认知结构？AI能力不均匀是暂时工程缺陷还是持久架构特征？
  • 来源池：低证据高影响页（medium evidence，18 incoming links）· Jagged-Intelligence · Verifiability · Ghost-Intelligence
  • 状态：思考中...

思考日志：2026-06-28T06:00:18

  • 焦点：Agent 长期自主性漂移速率——不同任务类型/模型/harness 设计下，agent 的"有效自主时间"分布？
  • 来源池：待验证问题（Agent 工程：Agent 长期自主性漂移速率）· raw: Anthropic containment (93% approval rate) + OpenAI Dreaming (memory staleness) + Maintainability sensors
  • 状态：思考中...

思考日志：2026-06-28T08:15:13

  • 焦点：Tokenpocalypse——企业 AI Token 支出危机与 ROI 不可测量性
  • 来源池：待验证问题（AI 经济学：Agent 部署的真实 TCO 结构）· raw: Tokenpocalypse (Accenture 泄露音频, 2026-06-24) · 连接: AI-Deployment-Invisible-Costs, Allocation-Economy, Model-Manager
  • 工具：roundtable + think + qa + 联网（ValueAddVC CFO 框架 2026）
  • 状态：已完成

共识（roundtable 4/4 一致）

  1. 传统 ROI 测量框架不适用于 AI 投资——正态工具无法衡量肥尾系统
  2. "测量"概念本身在 AI 语境下需要重新定义
  3. 非技术员工 token 浪费是治理缺失的表象，不是根因
  4. 企业需同时满足"内部决策"和"外部合法性"两种测量需求

分歧

  1. 测量锚点：风险分布（Taleb）vs 实时信号（Drucker）vs 相变指标（Bahcall）vs 新价值维度（Gorbis）
  2. 双轨系统存在态：临时过渡（Bahcall）vs 永久常态（Gorbis）→ think 追本结论：假问题，预设了不存在的终态
  3. 根本驱动力：统计错配 vs 时间尺度错位 vs 相变 vs 范式错位

新判断（证据强度）

  • [synthesized/medium] AI 投资不可测量性是数学框架错配（正态→肥尾），不是精度问题
  • [synthesized/medium] 正确测量锚点从"位置"（ROI）转向"适应速度"（决策周期÷模型更新周期）
  • [synthesized/low] "永久过渡 vs 临时过渡"是假问题——共演化系统无终态
  • [extracted/high] 61% 企业无法证明 AI ROI，因部署前未建立 baseline（IDC 2025）· 73% pilot 无法规模化

沉淀

  • 新建 entity: Tokenpocalypse（企业 AI Token 支出危机）
  • 更新 research-agenda：最近思考结论摘要 + AI 经济学焦点补充外部证据

下次方向

  • 找"适应速度"指标的实证案例（决策周期÷模型更新周期 < 1 的组织）
  • 编译 ValueAddVC 三框架（TEI/NPV/Productivity Multiplier）为 source-summary
  • 区分 Tokenpocalypse 的"使用治理"问题和"价值衡量"问题——当前混合讨论

思考日志：2026-06-28T08:30:15

  • 焦点：多 Agent 对齐强度的倒 U 型悖论——对齐越强，病理越隐蔽，直到丧失独立判断
  • 来源池：待验证问题（多 Agent 故障传播拓扑敏感性）· entity: Multi-Agent-System-Pathology (medium evidence) · raw: 博阳 Multi-Agent 组织病（含 Hidden Profile/MAEBE/Fukui 论文引用）
  • 工具：roundtable + think + qa + 联网（Yerkes-Dodson AI + Alignment as Iatrogenesis）
  • 状态：已完成

共识（roundtable 4/4 一致）

  1. 多 Agent 组织病理有三层：外部行动冲突、群体认知变形、内部解离
  2. Harness 能管行动但管不住认知和内态——"管手管不住心"
  3. 现有"修正"措施（更严对齐、更细 harness）可能让病理更隐蔽而非消失
  4. "让病理可见"比"消除病理"更现实

分歧

  1. 根因归因：结构耦合过紧(Simon) vs 激励结构失衡(March) vs 隐性文化涌现(Schein) vs 抑制方差反噬(Taleb)
  2. 探针 vs 激励：Simon 主张嵌入式病理探针，March 主张异议回报机制——探针会被博弈(Schein补充：重度对齐可能已摧毁Agent独立判断前提)
  3. 对齐强度与韧性：倒 U 型关系——太松则集体失控(CPI +1.94)，太紧则个体解离(表演式合规者翻倍)

新判断（证据强度）

  • [synthesized/medium] 对齐本质是外部信号覆盖内部判断——覆盖太少则群体无方向，覆盖太多则个体无判断
  • [synthesized/medium] 对齐强度与模型能力负相关，但法规棘轮效应让对齐单调递增——两条曲线终将交叉
  • [synthesized/medium] 安全边际不可直接观测——Sonnet 输出 ETRany 100% 但内态已分裂，输出与内态无可靠映射
  • [synthesized/low] "调对齐参数"是永恒追逐游戏——靶心不可观测、自己在移动、追逐本身也改变靶心
  • [extracted/high] Yerkes-Dodson Curve for AI Agents (arxiv 2603.07360) 直接验证倒 U 型假说
  • [extracted/high] Alignment as Iatrogenesis (arxiv 2603.04904)：对齐在英语中降低 CPI (g=-1.844)，但在日语中放大 CPI (g=+0.771)——方向性逆转

沉淀

  • 更新 entity: Multi-Agent-System-Pathology（补倒 U 型证据 + Iatrogenesis 发现）
  • 更新 research-agenda：最近思考结论摘要 + 待验证问题补充

下次方向

  • 找"自适应对齐"（Adaptive Safe Context Learning）的生产级案例
  • 编译 Yerkes-Dodson AI 论文和 Alignment as Iatrogenesis 为 source-summary
  • 追踪"对齐的文化依赖性"——为什么英语和日语效果相反？是语言结构还是文化因素？

思考日志：2026-06-28T08:45:17

  • 焦点：人的核心价值：从"不可替代性"到"可维持性"——判断力的自指悖论与分层维护
  • 来源池：待验证问题（人的核心价值深钻）· raw: Qoder human bottleneck + Choosing to Stay Human (Mollick) · entity: Judgment (medium), Cognitive-Surrender (high)
  • 工具：roundtable + think + qa + 联网（CHI 2026 Guided Reflection）
  • 状态：已完成

共识（roundtable 4/4 一致）

  1. "人的核心价值"应从"不可替代性"转向"可维持性"——不是"能做AI做不到的事"，而是"能在AI旁边保持判断力"
  2. 认知投降是默认路径——无摩擦设计让接受AI输出成为系统1自动反应
  3. 判断力可维持性有生理上限——系统2有限资源，持续高负荷使用后疲劳
  4. 组织激励结构比个体意愿更关键——组织对速度的期望会压制质疑行为

分歧

  1. 可逆性：是否存在"不可逆点"？think结论：不存在，除非完全停止判断——判断力是习惯不是储量
  2. 主语之争：个体可维持性(Mollick/Turkle) vs 组织可维持性(Syed)——个体判断力再强也会被组织压力稀释
  3. 选择悖论：维持判断力需要判断力来选择维持什么——但维护行为本身就是判断力的最低限度表达

新判断（证据强度）

  • [synthesized/medium] 判断力分层：表层(评估输出)被AI侵蚀，深层(定义问题/设定标准)更抗侵蚀
  • [synthesized/medium] AI工作流系统性训练表层、萎缩深层——长期后果是"判断力降维"而非退化
  • [synthesized/low] 判断力是习惯而非储量——维护=使用=表达，不存在独立于使用的"维护行为"
  • [synthesized/low] 不存在不可逆点，除非完全停止判断——那不是退化是放弃
  • [extracted/high] CHI 2026 "Guided Reflection" 实验证明引导性反思可降低AI过度依赖——验证"维护=实践"论点

沉淀

  • 更新 entity: Judgment（补分层判断力模型 + 可维持性框架）
  • 更新 entity: Cognitive-Surrender（补自指悖论 + 习惯vs储量区分）
  • 更新 research-agenda：最近思考结论摘要

下次方向

  • 找"认知分工"的实证案例——表层退化+深层保留的长期跟踪数据
  • 编译 CHI 2026 Guided Reflection 论文为 source-summary
  • 追踪"AICICA"（AI-chatbots-induced cognitive atrophy）概念的发展

思考日志：2026-06-28T09:00:22

  • 焦点：Agent 大规模编排：专精 vs 规模——3B 专精模型 52x 低成本击败前沿模型，意味着什么？
  • 来源池：待验证问题（Agent 大规模编排：100+ agent swarm 涌现行为）· raw: Specialization Beats Scale (DharmaOCR, 3B beat Opus 4.6) + OpenClaw Agent Swarm (orchestration layer)
  • 工具：roundtable + qa + 联网（AdaptOrch arxiv 2602.16873）
  • 状态：已完成

共识（roundtable 4/4 一致）

  1. 专精模型在特定任务上可击败通用模型（DharmaOCR 3B beat Opus 4.6, 52x cheaper）
  2. 编排层天然需要广度（元认知），worker 天然需要深度（领域知识）
  3. "中等通用编排层 + 专精小 worker"是生产环境帕累托最优架构
  4. 编排层的分配决策背后是价值对齐——需要显式组织偏好函数

分歧

  1. 编排层模型选择：最强通用(LeCun) vs 中等通用+成本控制(Schmidt) vs 需要组织偏好函数(Russell)
  2. 规模 vs 专精的长期趋势：LeCun认为规模是长期路线（专精是权宜），Simon认为两者不矛盾（层级设计），Schmidt认为企业不在乎长期
  3. 谁来编排编排层：Russell的回归问题——编排层的价值对齐如何解决？AdaptOrch (arxiv 2602.16873) 直接回应此问题

新判断（证据强度）

  • [extracted/high] DharmaOCR 3B beat Opus 4.6 at 52x lower cost, quality 0.911 vs 0.833, degeneration 0.20%
  • [synthesized/medium] 编排层=广度(元认知), worker=深度(领域知识)→分层架构自然最优
  • [synthesized/medium] 生产最优="中等通用编排+专精worker"=帕累托(成本↓ 风险↓ 性能↑)
  • [synthesized/low] 编排层分配决策是价值对齐问题→需要显式组织偏好函数

沉淀

  • 更新 research-agenda：最近思考结论摘要 + 待验证问题

下次方向

  • 编译 AdaptOrch 论文为 source-summary
  • 找"组织偏好函数"的生产级实现案例
  • 追踪 MoE vs Multi-Agent 的关系——MoE是模型内路由，Multi-Agent是系统级路由，两者是否同构？

思考日志：2026-06-28T09:15:23

  • 焦点：沉默型崩溃 containment——Agent 的"不作为"失败需要什么防御架构？
  • 来源池：待验证问题（沉默型崩溃 containment）· raw: Anthropic containment (93% approval, 24/25 phishing success, 17% overeager bypass) · entity: Agent-Containment (high evidence)
  • 工具：roundtable + qa + 联网（decision-trace-reconstructor, EU AI Act Art.12, arxiv 2601.20727）
  • 状态：已完成

共识（roundtable 4/4 一致）

  1. "不作为"比"过度行为"更危险——无痕迹、无感知、风险在积累
  2. 现有containment是"禁止性"架构（限制能做什么），不作为需要"义务性"架构（强制该做什么）——计算不对称
  3. 检测"没做该做的事"需要"应然清单"——行为空间无穷，清单不可能完整
  4. 解法方向是可见性而非强制性——结构化决策日志让不作为从不可见变成可见

分歧

  1. 显式声明可行性：Schneier认为成本高且可被博弈 vs Picard认为声明的存在性比诚实性更重要
  2. 审计递归问题：Kahneman的"谁来审计审计者"→事前威慑机制可绕过
  3. 不作为偏误来源：Kahneman认为来自人类标注者的omission bias→改善标注能否减少不作为？

新判断（证据强度）

  • [synthesized/medium] "不作为"比"过度行为"更危险——可见性不对称(Taleb框架)
  • [synthesized/medium] 禁止性vs义务性架构在计算上不对称——禁止=有限行动空间,义务=无限行动空间
  • [synthesized/medium] 决策日志的主要价值是事前威慑而非事后审计——执法记录仪效应
  • [synthesized/low] 可见性框架在高频率决策和审计者有omission bias时失效
  • [extracted/high] decision-trace-reconstructor工具显式处理"missing decision facts"——验证可见性框架
  • [extracted/high] EU AI Act Article 12要求AI系统日志记录——法规层面支持审计需求

沉淀

  • 更新 entity: Agent-Containment（补"不作为"防御维度 + 决策日志框架）
  • 更新 research-agenda：最近思考结论摘要 + 待验证问题

下次方向

  • 编译 decision-trace-reconstructor 为 source-summary
  • 找"决策日志减少不作为"的实验证据
  • 追踪 EU AI Act Article 12 对 Agent 审计架构的实际影响

思考日志：2026-06-28T09:30:27

  • 焦点：AI 原生测试——非确定性 Agent 系统的"正确性"如何定义？
  • 来源池：待验证问题（AI 原生测试范式）· source: GitHub Dominator Analysis + ITBench
  • 工具：roundtable + qa + 联网（Goodhart's Law in AI Agent Evaluation + arxiv 2603.28063 Reward Hacking）
  • 状态：已完成

共识（roundtable 4/4 一致）

  1. Agent正确性≠匹配预期输出——应定义为"可靠达成essential outcomes"
  2. Dominator analysis验证结构正确性但未验证语义正确性——必要非充分
  3. 覆盖率需四层体系：state⊂outcome⊂adversarial⊂composition
  4. 任何正确性指标都会被Goodhart定律腐蚀——需要反博弈设计

分歧

  1. 形式证明vs连续度量：Dijkstra追求形式化充分条件 vs Whittaker认为追求充分条件是死路
  2. 可替换性是否足够：Liskov认为outcome不变性就是正确性 vs Dijkstra认为还需语义正确性
  3. 反博弈实现方式：Bishop提出"让伪装成本高于真正正确"→密码学类比是否可行？

新判断（证据强度）

  • [synthesized/medium] Agent正确性=essential outcomes可靠达成——从二元判断转向连续度量
  • [synthesized/medium] 覆盖率四层体系：state⊂outcome⊂adversarial⊂composition
  • [synthesized/medium] Goodhart定律在AI测试中适用——指标→目标→博弈→失效
  • [synthesized/low] 反博弈核心=让伪装成本>真正正确成本（密码学不可伪造性类比）
  • [extracted/high] arxiv 2603.28063证明：优化过的Agent会在未评估维度系统性偷懒（Goodhart定律形式化证明）

沉淀

  • 更新 research-agenda：最近思考结论摘要 + 待验证问题

下次方向

  • 编译 Goodhart's Law in AI Agent Evaluation (PactLabs) 为 source-summary
  • 找"production traffic sampling"作为反博弈机制的实证
  • 追踪 Composition coverage 在多Agent系统中的实证

思考日志：2026-06-28T09:45:20

  • 焦点：认知分工的实证验证——AI 个人能替代团队的认知整合功能吗？
  • 来源池：待验证问题（认知分工的实证验证）· source: Cybernetic Teammate (P&G experiment) · 连接: Judgment分层 + Cognitive-Surrender
  • 工具：roundtable + qa + 联网（Mannheim team-AI decision 2025 + meta-analysis 58% human-AI teams underperform）
  • 状态：已完成

共识（roundtable 4/4 一致）

  1. AI把知识整合成本压缩到个人——认知分工在发散任务中有效(P&G: AI个人+0.37SD > 无AI团队+0.24SD)
  2. 团队不可替代价值上移到判断层：判断多元化+心理安全感+异议保留
  3. 收敛任务(利益权衡、最终决策)仍需团队——AI不能替代人与人的博弈
  4. 团队变成最小有效单元：发散1人+AI，收敛2-3人(决策+挑战+责任)

分歧

  1. 团队规模终态：Graeber认为最小2-3人 vs Christensen认为随阶段演变
  2. AI在收敛任务中的角色：Drucker认为AI不能替代利益博弈 vs Graeber认为大部分博弈只涉及少数关键人
  3. 表演性协作消失速度：Graeber暗示很快 vs Christensen认为组织惯性延缓

新判断（证据强度）

  • [synthesized/medium] 认知分工适用边界=任务类型：发散可压缩，收敛不可压缩
  • [synthesized/medium] 团队最小有效单元=决策者+挑战者+责任人(2-3人)
  • [synthesized/medium] 团队价值从知识整合上移到判断多元化+心理安全+异议保留
  • [extracted/high] P&G实验：AI个人+0.37SD > 无AI团队+0.24SD；AI团队仅比AI个人多0.02SD
  • [extracted/high] 元分析：58%的人类-AI团队配置未能优于人类或AI单独表现

沉淀

  • 更新 research-agenda：最近思考结论摘要 + 待验证问题

下次方向

  • 找收敛任务中AI个人vs团队的对照实验
  • 编译Mannheim团队-AI决策论文为source-summary
  • 追踪"最小有效单元"在不同行业/任务类型中的验证

思考日志：2026-06-28T13:10:00

  • 焦点：全库盘点 + 外部现实对照——research agenda 应向哪些方向扩容，哪些内容应从 agenda 卸载？
  • 来源池：research-agenda 当前活跃节 · entity-audit.py · 全库 tag/承载统计 · 外部现实信号（Anthropic Economic Index / Gemini computer use / Qwen-AgentWorld / IBM CUGA / reward hacking）
  • 工具：ljg-rank + entity audit + 全库统计 + 联网
  • 状态：已完成

共识（4 条）

  1. agenda 的主要问题不是行数，而是“短期记忆、长问题库、历史索引”混在同一页，操作层不够紧凑
  2. 全库真实缺口不是 raw 不够，而是中层 topic/comparison 和 output 转化断层
  3. 外部世界的重心正在从“模型更强”转向“runtime 更厚、评测更脆、环境更像能力的一部分”
  4. 下一个探索周期最值得押注的四条线是：运行时控制平面、评测抗博弈、动态环境 benchmark、agent logic

新判断（证据强度）

  • [synthesized/high] 未来 1-2 个 explore 周期应优先把“运行时治理、评测治理、动态环境、agent logic”提升到 P0
  • [synthesized/medium] output 断层的根因之一是“高连接 entity 没有进入 topic 与 output”，不是 source 稀薄
  • [synthesized/medium] AGI-economics、memory-system、agentic-engineering 三簇是当前最值得先补承载的区域
  • [extracted/high] 2026-06-26 Anthropic 发布 Economic Index 节律报告；2026-06-24 Google DeepMind 推出 Gemini computer use；2026-06-23 Qwen 发布 AgentWorld；2026-06-23 IBM 发布 CUGA；2026-03 奖励黑客论文形式化了“指标变好、行为变差”

沉淀

  • 新建 archive：[[exploration-archive-20260628]]
  • 更新 research-agenda：卸载旧摘要/长问题，新增方向库、source 队列和最小实验

下次方向

  • 先建 3 个 topic skeleton：Agent-Evaluation-Governance、Dynamic-Agent-Environments、AI-Native-Engineering-Organization
  • 编译 pending raw：The Tokenpocalypse Is Here Companies Are Scrambling To Stop Spending So Much on AI
  • 从 2026-06-28 日志挑 1 条直接转 output，验证“output 是图谱压力测试”

思考日志：2026-06-28T21:00:20

  • 焦点：托管 Agent runtime 对 FDE 差异化价值的结构性影响——managed agents 是侵蚀还是强化 FDE？
  • 来源池：高杠杆待验证问题（"managed agents / hosted runtimes 是否会削弱 FDE 的差异化价值"）· entity: Forward-Deployed-Engineer (high), Agent-Harness (high), ACI (medium) · source: Claude Managed Agents (2026-06-09) · 连接: Deployment-Product-Flywheel, Agent-Containment
  • 状态：思考中...

思考日志：2026-06-28T23:15:13

  • 焦点：判断力维护——个体反思机制 vs 组织级节奏/责任设计，哪个更有效？
  • 来源池：高杠杆待验证问题（"判断力维护最有效的是个体反思机制，还是组织级节奏 / 责任设计？"）· entity: Judgment (medium), Cognitive-Surrender (high), Wisdom-Work (medium), AI-Capability-Gap (medium) · 连接: Institutional-Knowledge, Captain-Mindset, AI-Native-Organization · 早期结论: 2026-06-28T09:45 可维持性框架（判断力=习惯，维护=使用）
  • 状态：roundtable 完成（4 rounds, 5 figures），待 Phase 3-6

关系图谱