Round 1 · 哪一张照片不是 AI 生成的？
Round 2 · 哪一张照片不是 AI 生成的？
近距离再看一遍
看看 AI 到底能做到多真
用肉眼区分 AI 图片和真实照片，
对正常人类来说已经基本不可能了。
01文生图的六个阶段之一
"能画了" 阶段
AI 第一次学会从零生成图片，但听不懂人话
约 2,555 天
2014.6 → 2021.1
2014 年一个叫 Goodfellow 的人发明了让 AI 互相对抗来学画画的方法。到 2018 年出现了一个网站——上面每一张人脸都是 AI 生成的，不存在的人。但这时候你没法告诉 AI 你想画什么。
本阶段主角
StyleGAN
NVIDIA · 2018.12
第一次让 AI 人脸逼近真实——"这个人不存在" 网站引爆公众对 AI 造假的认知
关键事件 · 5 个
2014.6
AI 第一次学会凭空造一张不存在的图
Ian Goodfellow 等人在 NeurIPS 发表 GAN（对抗生成网络）论文。核心思想：让两个神经网络互相对抗——一个"造假者"不断生成图像、一个"鉴别者"不断识别真伪，直到造假的以假乱真。这是第一种能"无中生有"的图像生成方法。
2017.10
AI 人脸第一次逼近真实
NVIDIA 的 Tero Karras 等人发表 Progressive GAN（后改进为 StyleGAN）。训练出来的人脸质量首次到达"肉眼难辨"水平。
2018.2
"这个人不存在"网站上线，公众第一次大规模感受 AI 造假
thispersondoesnotexist.com 每次刷新随机出现一张由 StyleGAN 生成、从未存在的人脸。几天内在社交网络疯传。
2018.10
AI 画作第一次进入艺术拍卖市场
佳士得（Christie's）拍出法国艺术团队 Obvious 用 GAN 生成的《Edmond de Belamy》，成交价 $432,500。AI 作品被作为"艺术品"在主流艺术市场定价。
2021.1
第一次用一句话就能让 AI 画图 · DALL·E 1
OpenAI 发布 DALL·E（第一代）。把文字和图像放进同一个编码空间。用户输入"牛油果形状的沙发"（an armchair in the shape of an avocado），AI 第一次能画出来。质量粗糙，但"文字→图像"的桥梁正式搭好。
02文生图的六个阶段之二
"换画法了" 阶段
扩散模型诞生，画质飞跃，后来还变得快了几十倍、便宜了几十倍
约 670 天
2020.6 → 2022.4
Rombach（德国）发明了一种方法，不再用生成器和判别器互相博弈，而是先铺满噪点，再一轮一轮按要求把画面"显影"出来。
本阶段主角
DALL·E 2
OpenAI · 2022.4
扩散模型第一次做出让大众疯狂的产品——发布当天 100 万人排队申请内测，"AI 绘画"第一次成为大众话题
关键事件 · 3 个
2020.6
有人发明了一种更好的画图方法——从噪点里慢慢还原出图像
UC Berkeley 的 Jonathan Ho 等人发表 DDPM（Denoising Diffusion Probabilistic Models）论文。不再是 GAN 的"一次生成"，而是从一张纯噪点开始，让 AI 逐步去除噪点、直到还原出一张图像。结果比 GAN 更稳定、更清晰。
2021.12
新画法被改造得又快又便宜——让"家用显卡能跑"成为可能
Robin Rombach（慕尼黑大学）等人发表 Latent Diffusion Models 论文。关键改进：不在原始图像像素上去噪，而是在"压缩版的图像空间"里去噪，算力需求降低几十倍。这是后来 Stable Diffusion 能跑在家用显卡上的核心技术。
2022.4
DALL·E 2 让全世界第一次为 AI 绘画排队
OpenAI 发布 DALL·E 2。用 Diffusion + CLIP 的组合，画质相比一代是质变。发布当天就有 100 万人排队申请内测。从这里开始，"AI 绘画"第一次成为大众话题。
03文生图的六个阶段之三
"普通人能用上" 阶段
三个爆款产品同时出现，普通人第一次能用上
约 120 天
2022.4 → 2022.8
120 天内三个产品同时引爆——DALL·E 2 走封闭精品路线，Midjourney 走社区美学路线，Stable Diffusion 走开源免费路线。这三条路线的分歧一直延续到今天。
本阶段主角 · 三路并起
DALL·E 2
OpenAI · 2022.4
封闭精品路线——邀请制、严格审核
Midjourney
Midjourney · 2022.7
社区美学路线——Discord 上起家
Stable Diffusion
Stability AI · 2022.8
开源普惠路线——家用显卡免费跑
关键事件 · 3 个
2022.4
DALL·E 2 打响第一枪——封闭精品路线
OpenAI 的策略：邀请制、严格审核、商业化谨慎，由官方控制质量和品牌形象。
2022.7
Midjourney 开放 Beta——社区美学路线
David Holz（前 Leap Motion 创始人）的小团队做的产品，核心哲学是"美学感"。不用自己训练、不用 API——在 Discord 上输入一条命令，几秒钟出图。这种体验和社区氛围，让 Midjourney 快速聚集第一批 AI 艺术家。
2022.8
Stable Diffusion 开源——AI 绘画的"安卓时刻"
Stability AI 把 LDM 论文的代码和模型权重全部开源。任何人可以下载到自己的电脑上免费跑。接下来 3 个月里，民间涌现出 LoRA、ControlNet、WebUI 等工具，整个生态被彻底点燃。
04文生图的六个阶段之四
"好看但是瞎画" 阶段
画质以假乱真，但 AI 不理解自己在画什么
约 940 天
2022.8 → 2025.3
画面精致到让人分不清是不是摄影。但你让它在蛋糕上写 Happy Birthday，它写出来的是 Hapy Brithday。好看，但它不懂自己在画什么。
本阶段主角
Midjourney v5
Midjourney · 2023.3
"AI 画的图第一次让人觉得不像 AI 画的"——画质巅峰的代表，此后两年的自媒体默认工具
关键事件 · 6 个
2022.10
开源社区三个月造出几百个专用模型
LoRA 让普通人用几百张图就能训练专属风格；ControlNet 让 AI 遵守人体姿态、深度图等精确控制；WebUI（Automatic1111）把这些工具整合成浏览器界面。这个生态的爆发速度超过闭源产品。
2023.3
Midjourney v5 第一次让 AI 画的图不像 AI 画的
v5 的画质在"摄影感"上出现质变——光线、纹理、皮肤都足够真实，几乎成为自媒体内容的默认选择。
2023.9
DALL·E 3 第一次让 AI 懂"对话式"改图
OpenAI 把 DALL·E 3 绑进 ChatGPT。用户可以说"把帽子改成红色"、"把人的表情变严肃"。但仍是"ChatGPT 改 prompt 再喂给 DALL·E 3"的两段式，不是一个模型真的理解画面。
2024.7
开源派反攻——FLUX.1 把开源画质拉到商业第一梯队
Robin Rombach（原 SD 架构师）离开 Stability AI 后创立的公司 Black Forest Labs 发布 FLUX.1。画质、语义遵从度都达到当时 SOTA 水平。
2024.8
学术界为下一代范式铺路
Meta AI 发表 Transfusion 论文，提出 AR + Diffusion 混合架构——语言用自回归生成、图像用扩散生成，共享一套 transformer 主干。为后来的 GPT-4o 原生图像生成做理论铺垫。
2025.3
Midjourney v7 文字渲染提升——但在同期已不是最强
文字准确率提升约 65%，但在同月的 Arena 评测中已明显落后 GPT-4o。"文字渲染"这块山头易主。
05文生图的六个阶段之五
"听懂了要画什么" 阶段
AI 终于理解了你在说什么
约 390 天
2025.3 → 2026.4
画图的'大脑'和理解语言的'大脑'是同一个。吉卜力风格头像一夜之间刷屏全网，首周 1.3 亿用户生成了 7 亿张图。
本阶段主角
GPT-4o 原生图像
OpenAI · 2025.3
从扩散 → 自回归的范式转变，图像生成第一次和语言理解共享一个模型；吉卜力风格全网刷屏，首周 1.3 亿用户生成 7 亿张图
关键事件 · 7 个
2025.3
GPT-4o 原生图像生成——吉卜力风格全网刷屏
第一个用自回归方式（像写作一样一个 token 一个 token）生成图像的大规模商用模型。关键改变：图像生成和语言理解共享同一个模型，而不是两个。用户发现它能正确画字、数对物体数、懂复杂指令。首周有 1.3 亿用户生成 7 亿张图。
2025.4
API 开放——开发者可以把这个能力接进任何产品
gpt-image-1 API 正式开放，单张图成本约 $0.02-0.08。
2025.8
Google 偷偷参加匿名考试拿了第一
用代号 Nano Banana 匿名参加 Arena 榜单，数周内拿到第一。揭晓身份后产品爆火，迅速追到 OpenAI 脚边。
2025.10
便宜版来了——成本降 80%
OpenAI 发布 gpt-image-1-mini，单张图成本降到 $0.006，适合大规模低成本场景。
2025.11
OpenAI 宣布 DALL·E 将于 2026.5 退役
独立图像模型的讣告——连 DALL·E 3 的母公司自己都选择放弃"独立图像模型"这条路，全面转向"通用模型做图"。
2025.12
OpenAI 反攻——gpt-image-1.5 重回 Arena 第一
Elo 1,271 分，Nano Banana 暂时被拉开差距。
2026.2
Google 再次逼近——差距缩到 7 分
Nano Banana 2 发布，Arena Elo 1,264 — GPT Image 1.5 的 1,271 仅领先 7 分。此时所有人都在等 OpenAI 拿出下一招。
06文生图的六个阶段之六 · 当下
"会想了" 阶段
AI 第一次"想一想"再下笔，复杂任务一次完成
3 天
2026.4.21 → 至今
本阶段主角
GPT Image 2.0
OpenAI · 2026.4.21
首个具有原生推理能力的图像模型——生成前先"思考规划"，然后分步生成、自我验证；Arena 榜单 +241 分 历史最大领先
关键事件 · 4 个
2026.4.4
三个神秘模型短暂出现在 Arena 榜首——几小时后消失
代号 packingtape / maskingtape / gaffertape 三个模型匿名出现，被社区识别为 OpenAI 在 Arena 上的"秘密考试"。
2026.4.21
GPT Image 2.0 正式发布——首个带"推理"的文生图模型
关键特性 · Thinking Mode：生成前先用语言"思考规划"（例如"这张图有 5 个对象，布局应该是……"），然后分步生成，并自我验证。复杂指令第一次能一次性到位。
2026.4.22
Arena 榜单公布——1,512 分，+241 领先第二名
Arena.ai 历史上最大的领先差距。横扫全部 7 个子类别，文字渲染子类别 +316 分。
2026.5.12
DALL·E 2/3 API 正式退役（预定）
独立图像模型时代正式落幕。
把六个阶段放在一条时间轴上
从 GAN 论文到此刻，12 年。而你看到的所有"AI 绘画爆发"，都是最近这 3 年里的事。
六大产品 · 八个维度
客观 benchmark + 厂商声明 + 媒体估算——每个数据的来源类型都明确标注。
把所有模型放回理解力阶梯
画质的差距在缩小——理解力的差距才是真正的代际鸿沟。
独立图像模型 vs 能做图的通用模型
2026 年，这个行业正在发生一次结构性迁移。
左侧
独立图像模型
▼ 在减少
右侧
能做图的通用大模型
▲ 在增加
DALL·E 2/3 将于 2026.5.12 退役——连发明独立图像模型的公司，都亲手关掉了它。
当独立模型的厂商都选择并入通用模型，这不是产品迭代，是赛道切换。
Chapter 1 · 文生图 · 完
文生图
已经毕业了。
+241
Arena 榜单差距 · 历史最大领先幅度
99%+
文字渲染准确率
L4
刚进入"推理驱动"层级——新阶段的第 3 天
那文生视频呢？
是同一件事、同一条路径吗？
还是完全不同的故事？
还是完全不同的故事？
Chapter 2 · 接下来
文生视频 — 收敛陷阱 与 品味红利
Chapter 2
文生视频
从"能动了"到"对得上了"
文生图和文生视频共享同样的理解力基础。
但文生视频还有一个文生图没有的难题——一致性。
一张图只需要好看一次，一段 15 秒的视频需要好看 450 次，而且 450 次之间要完美对齐。
但文生视频还有一个文生图没有的难题——一致性。
一张图只需要好看一次，一段 15 秒的视频需要好看 450 次，而且 450 次之间要完美对齐。
文生视频的专属难题 · 一致性阶梯
以前"不能用"不是画质差——单帧截图往往还不错。连起来播放时，人脸变形、物体闪烁、画面抖动。
文生图 vs 文生视频 · 同一把尺
文生视频晚起步 8 年，但从"能用"到"跨过门槛"只用了不到 2 年。
01文生视频的四个阶段之一
"能动了" 阶段
AI 让图片动起来了，但连"不变形"都做不到
约 730 天
2022 → 2024.2
2023 年之前，AI 视频就是模糊的几秒钟。Runway 是第一个吃螃蟹的人——它证明了"花钱用 AI 做视频"这件事是可能的，虽然效果还很粗糙。
本阶段主角
Runway Gen-1 / Gen-2
Runway · 2023.2-3
第一个普通人花钱就能用的文生视频产品——证明"AI 做视频"这件事是可能的
关键事件 · 3 个
2022
CogVideo（清华 / 智谱）
最早的大规模文生视频模型，仍然是学术实验，没有面向公众的产品。
2023.2-3
Runway Gen-1 / Gen-2 发布
第一个花钱就能用的文生视频产品。Gen-1 做视频转视频（风格迁移），Gen-2 做文字到视频。效果粗糙但证明了商业化方向。
2023.11
Stable Video Diffusion 开源
Stability AI 把视频生成模型也开源了，开源社区正式进入视频领域。
02文生视频的四个阶段之二
"像真的了" 阶段
Sora 的一段演示视频改变了所有人的预期——但只能看不能用
约 298 天
2024.2 → 2024.12
Sora 在 2024 年 2 月展示了"AI 视频可以这么真实"。OpenAI 自己把它叫做视频领域的"GPT-1 时刻"。但从演示到公开可用，中间隔了 10 个月——这段时间里 Runway、Kling、Luma 拼命追赶。
本阶段主角
Sora 预览
OpenAI · 2024.2.15
文生视频的"ChatGPT 时刻"——1 分钟高清视频 + 物理模拟震惊全场；但只能看不能用
关键事件 · 3 个
2024.2.15
Sora 预览发布
OpenAI 公布 1 分钟高清视频 demo，物理模拟（液体、光影、物体互动）震惊全场。官方称之为视频领域的"GPT-1 时刻"。
2024.6
Gen-3 / Kling 国际版 / Luma 同月发布
Sora 打开想象力后，能用的产品开始集中涌现——Runway Gen-3（高清）、Kling 国际版、Luma Dream Machine 同一个月登场。
2024.12.9
Sora Turbo 公开
从演示到公开可用隔了 10 个月。质量仍然不稳定，首次命中率低。
03文生视频的四个阶段之三
"能用了但像抽卡" 阶段
画质能骗过人眼了——但 10 次生成只有 2 次能用
约 540 天
2024.6 → 2025.12
这个阶段画质已经能骗过人眼了——Runway 找了 1043 个人做测试，90% 的人分不出 AI 视频和真实视频。但核心问题是首次命中率只有 ~20%——用 10 次大概 2 次能用。用起来像抽卡，所以只有早期玩家在用，公司还不敢拿来赚钱。
本阶段主角 · 两路并起
Runway Gen-4.5
Runway · 2025.12
图灵测试 1043 人中 90%+ 无法区分 AI 视频和真实视频（5 秒精选片段）
Kling O1
Kuaishou · 2025.12.1
生成+编辑+参考+转场整合到一个模型，工作流统一化
关键事件 · 3 个
2025.5.20
Google Veo 3
首个原生音视频同步的主流模型——在生成画面的同时生成环境音和对话。
2025.12.1
Kling O1
生成、编辑、参考、转场整合到一个模型里，工作流第一次统一化。
2025.12
Runway Gen-4.5 · 图灵测试 90% 无法区分
Runway 找了 1043 个人做测试，90% 分不出 AI 视频和真实视频（5 秒精选片段）。画质上限证明够用，但抽卡式命中率还是卡住了商业化。
04文生视频的四个阶段之四 · 当下
"对得上了" 阶段
声画同步、命中率 90%——从"抽卡"变成了"工具"
约 77 天
2026.2 → 至今
Seedance 2.0 把声音、画面、动作对齐到同一个模型里。首次命中率从 20% 跳到 90%——短剧公司涌进来了，央视春晚的"十二花神"也是它做的。
本阶段主角
Seedance 2.0
ByteDance · 2026.2.12
音视频联合生成 + 首次命中率 ~90% + 央视春晚"十二花神"
Seedance 2.0 做对了三件事
01
统一模型
以前是"画面 + 音频 + 唇形同步"三个模型拼接，每一步都引入误差。Seedance 2.0 一个模型一次性输出——跟 GPT Image 2.0 的 Thinking Mode 同一方向。
02
字节的数据优势
抖音和 TikTok 是全世界最大的短视频数据库。模型见过几十亿条"人说话时嘴型""跑步时脚步频率"的真实样本。
03
首次命中率跃迁
行业平均 ~20% → Seedance ~90%。短剧公司涌进来的真正原因不是"画质好了"，而是"效率够了"。
关键事件 · 5 个
2026.2.5
Kling 3.0 · AI 导演
4K / 60fps，6 镜头叙事。6000 万用户，$2.4 亿年化收入。
2026.2.12
Seedance 2.0
音视频联合生成，命中率 ~90%。央视春晚"十二花神"。冯骥："AIGC 的童年时代结束了。"
2026.3.24
Sora 关停
终身收入 210 万美元，每天烧 1500 万。一家的退出 ≠ 行业失败——正是行业进入商业化的副产物。
2026.4.7
HappyHorse 登顶 Arena
Kling 前架构师张迪跳槽阿里做出的新模型，登顶 Arena Video 榜首。
2026.4
Veo 3.1 免费开放
任何 Gmail 账号每月 10 次免费——Google 把视频生成能力下放给所有人。
心智模型
首次命中率
≥ 50% 才有机会进入日常工作流（"工具"）
< 30% 只适合平时玩玩（"抽卡"）
心智模型 · 4
首次命中率 · 抽卡 vs 工具的分水岭
≥ 50% 可以进入日常工作流（"工具"）· < 30% 只适合碰运气（"抽卡"）
心智模型
品味门槛
当大多数观众已经分不出 AI 作品和人类作品的区别时，
拼的就是品味和意图。
参考例子
手机摄影 · 一个已经跨完门槛的品类
看看当"人人都能拍出好照片"之后，真正的护城河变成了什么
2007 年 iPhone 让人人都有了相机。但接下来十几年，专业摄影师的地位没变——因为手机画质还是比不过单反。
直到 2024 年前后的一代旗舰（vivo X200 Pro / iPhone 16 Pro Max），计算摄影让手机拍出的画面，普通观众已经分不出是单反还是手机。
这一刻，摄影师的护城河变了——从"有器材 + 会用设备"，变成了"构图、审美、时机"。
直到 2024 年前后的一代旗舰（vivo X200 Pro / iPhone 16 Pro Max），计算摄影让手机拍出的画面，普通观众已经分不出是单反还是手机。
这一刻，摄影师的护城河变了——从"有器材 + 会用设备"，变成了"构图、审美、时机"。
跨门槛的时间线
2007
iPhone 1 代
相机普及的起点
~2012
计算摄影雏形
HDR 开始走向主流
~2018
夜景模式
画质接近中端单反
~2024
旗舰机世代
画面已经分不出来源 ★
摄影师的护城河变了
跨过之前
- 有好设备
- 会用器材
- 暗房 / Photoshop 技巧
工具 / 技术能力
→
跨过之后
- 构图决策
- 审美判断
- 时机把握
- 对观众的理解
品味 / 判断力
展望 · 4 个前沿方向
视频生成的下一步
01
推理型视频模型
生成前先"想"，分镜规划再出片——跟 GPT Image 2.0 同思路
代表 Luma Ray3 · 即梦 Agent 模式
02
时长突破
从 15 秒走向 3 分钟——长片连贯性的第一个拐点
代表 Kling 3.0 延长至 3 分钟
03
统一工作流
生成 + 编辑 + 参考 + 转场在一个模型里——不再拼接多个产品
代表 Kling O1 · 剧火平台
04
世界模型（完全不同的赛道）
视频生成的"终点"不是"更好的视频"——而是让世界在镜头里运行，不是在 prompt 里生成。被认为是"大语言模型之后最重要的赛道"。
代表 Odyssey-2 Max（4.22 发布） · Yann LeCun AMI Labs（融 5 亿欧元）
但也别神话 · 4 个当前瓶颈
这些地方还做不到
01
长片连贯性
15 秒内超过中位导演，但 3 分钟以上的叙事连贯性还不稳定
对我们的影响
评测完整片段仍需实拍
02
真人面部精度
微表情、牙齿、头发边缘——这些细节还会被观众一眼识破
对我们的影响
出镜类内容仍需真人
03
版权法律灰色
Seedance 因好莱坞争议暂停全球推广；训练数据版权仍未解决
对我们的影响
商用时注意法律风险
04
同质化
所有人用同样工具，输出趋向同一种"AI 视频质感"
对我们的影响
需要有意识建立品牌视觉风格
Chapter 3
AI 对话
为什么 AI 越聊越笨？
前两章讲了"能力"——文生图学会思考，文生视频学会对齐。
这一章讲"记忆"——为什么 AI 有时像天才、有时像傻子。
关键在一个你每天都在经历、但可能从没想过为什么的概念：Context。
这一章讲"记忆"——为什么 AI 有时像天才、有时像傻子。
关键在一个你每天都在经历、但可能从没想过为什么的概念：Context。
AI 对话的六个阶段 · 快速过一下
这些你们都很熟了，不展开讲
2018
能说了
GPT-2
第一次生成像人写的文字，但经常胡说
2020
说得像了
GPT-3
写得像真人，但不能对话，普通人用不上
2022.11
能聊了
ChatGPT
两个月 1 亿用户 · AI 的 iPhone 时刻
2023.3
变聪明了
GPT-4
能看图、通过律师资格考试、真能干活了
2024.9
会推理了
o1 / DeepSeek-R1
数学准确率 13%→83%，先想步骤再说答案
2025.12
会干活了
Claude Code · Hermes
不只回答问题，自己动手做事
实例 · 1
实例 · 2
实例 · 3
实例 · 4
先问一个问题
不管是写稿、做方案，还是生活里遇到问题，
你去问 AI 的时候——你最佳的用法是什么？
你现在的痛点大概是这样的：
01
每个问题都要开一个新窗口
02
遇到同类型话题，每次都得重新交代背景
03
聊到后面，AI 开始"忘事"——你明明说过的要求它不执行了
04
让它改第三段，它改了第五段
理想的用法
应该是这样的
你跟 AI 之间只有一个窗口。
你所有的背景信息只输入一次——你的工作内容、你的偏好、你的项目进展。
当你说"这次是工作上的事"，它就调用你所有工作相关的背景；
当你说"生活问题"，它就切换到你的生活信息。
聊一个星期，它比新同事更懂你。
聊一个月，它是全世界最了解你的助手。
你所有的背景信息只输入一次——你的工作内容、你的偏好、你的项目进展。
当你说"这次是工作上的事"，它就调用你所有工作相关的背景；
当你说"生活问题"，它就切换到你的生活信息。
聊一个星期，它比新同事更懂你。
聊一个月，它是全世界最了解你的助手。
你可能会问：ChatGPT 不是有记忆了吗？Claude 不是也能记住我吗？
确实有。但你有没有发现——即使开了记忆，聊到后面 AI 还是会忘事？你给了一大段资料它只用了开头和结尾？要求越复杂它漏掉越多？
概念定义
Context · 上下文
AI 在回答你这一次提问时，能"看到"的全部信息
它包括
- 你写的系统提示词
- 你们之前的对话历史
- 你上传的文档
- AI 自己生成的回答
所有这些必须全部塞进
一个固定大小的"窗口"里
一个固定大小的"窗口"里
把它想象成一块白板
系统提示词...
你说：帮我写一份方案
AI：好的，需要哪些维度？
你说：预算、时间、资源
AI：让我整理一下...
...
（早期对话被擦掉）
白板写满了，最早的内容就被擦掉 · 白板之外的信息对 AI 来说不存在
Memory 的真相
Memory 本质是有损压缩
把过去几十轮对话"压缩"成几句话摘要，塞进下次对话的 Context 里
老同事手里的
📋 完整项目文档
📋 会议记录 · 百轮对话
📋 决策背景 · 踩过的坑
📋 细节与例外情况
📋 未成文的判断逻辑
压缩
→
新同事收到的
📄 200 字交接备忘
大概知道项目做什么
大量细节、决策背景、踩过的坑——全丢了
大量细节、决策背景、踩过的坑——全丢了
案例一
OpenClaw（小龙虾）
很强——但不会成长
现象
能连微信、飞书、终端，帮你发邮件、管日程
昨天教它怎么格式化日报，今天又忘了
纠正过它一个错误，下次还犯
每次会话结束，学到的东西清零
Context 视角
OpenClaw 的记忆是静态的
你手动写配置文件 → 它读取执行 → 会话结束什么都不留下
案例二
Hermes Agent
两个月 GitHub 8.8 万星 · "the agent that grows with you"
做了什么
每次任务完成后自检：值不值得记下来？
工具调用 > 5 次？中途出错自己修好？你纠正过？走过不明显但有效的路径？
如果有 → 自动生成 Skill 文件（一份 SOP）
下次遇到类似任务 直接复用——发现更好做法再打补丁，不重写
Context 视角
Hermes 让 Context 持久化
任务 → 沉淀 Skill → 下次继承 → 迭代修正 → 跨会话积累
上帝视角
问一个问题就能看穿本质
它怎么处理 Context？
新的 Agent 框架火了
→
它比前一个在 Context 管理上好在哪？
某个模型号称"1000 万 token 上下文"
→
有效上下文是多少？给它 100 万 token 它还能用好吗？
某个产品出了"记忆功能"
→
是有损压缩还是完整持久化？丢掉了什么？
某个 AI 工具"越用越好用"
→
它的 Context 是跨会话积累的吗？怎么积累的？
你自己用 AI 发现它变笨了
→
Context 可能已经"腐烂"——开个新窗口带着关键结论重新开始
AI 不笨。它只是"记不住"。
理解了 Context，你就理解了——
不是它的能力在波动，是它能"看到"的信息在变化。
AI 分享会 0423