BabyAGI 之父中嶋洋平：把大脑当工具的人，不太怕 AI

「我常开玩笑说，总有一天要用 AI 把自己换掉。但我相当确定，我不是在开玩笑。」

说这话的是中嶋洋平（Yohei Nakajima），风险投资基金 Untapped Capital 的普通合伙人，2023 年最出圈的自主智能体项目 BabyAGI 的作者。

BabyAGI 的起点低到离谱：一个周末，大约 100 行代码。他给自己出了道题，造一个能自主运转的 AI 创业者。演示视频发上网，人们追着问它还能不能干别的，能。朋友 Jenny 评论了一句，「兄弟，你刚造了个 Baby AGI？」名字就这么来的。这个周末项目后来把他卷进开源 AI 社区的中心，也把他送上了 TED AI 的舞台。

2024 年 2 月，他在 Nathan Labenz 主持的播客 Cognitive Revolution 二度做客。这期玩法挺特别：两人逐段重看他的 TED 演讲，播一段停一段。台上他只有九分钟，这期节目给了一小时。前半场聊技术，怎么开发 agent，怎么押注下一代模型，怎么拿《权力的游戏》剧情测知识图谱；后半场聊哲学，聊身份，聊东西方文化看 AI 的差异。录制那天早上，正好是他生日。

开发 agent 的笨办法：盯着日志等灵感

很多人以为做 agent 靠精巧架构。中嶋洋平的方法听起来土得多。

做出第一个原型后，他会换着提示词和例子反复跑，然后盯着日志看，一遍又一遍，直到某个瞬间突然反应过来：等一下，这里有件我会做、但它没做的事。

自我反思功能就是这么来的。他发现同一个目标跑多次，程序不会从上一次的失败里学到任何东西。换他自己会怎么做？做完一件事效果不好，他会复盘，问自己为什么没做好。于是他给流程加了一步：任务全部跑完后，让大语言模型对结果做一次反思，把反思存下来，转成向量。下次跑类似目标，先做相似度检索，找出最相关的五条历史反思，用来指导新任务清单的生成。他在节目里把这个思考过程原样讲了一遍，像自言自语。

Nathan 很认同这种做法，说读原始日志几乎是所有 AI 开发的必修课：模型的能力面太宽，惊喜太怪，强项弱项经常反直觉，不回去看原始输入输出，很多问题根本发现不了。

有意思的是，中嶋洋平没用任何专门的观测工具。Nathan 问他是不是打印出来看，他说不是，就是盯着屏幕，等灵感自己冒出来。

模型选择上，他大部分 agent 用的反而是 GPT-3.5，而非 GPT-4。逻辑很简单：用 3.5 能跑通的东西，随时可以升级到 4；一开始就用 4 搭的流程，往往塞满不必要的脚手架。4 是他的「超级模式」，需要更好的答案时再开。日常开发用 3.5，还便宜、快。Nathan 补了个细节：GPT-4 的一次生成经常超过 30 秒，而 Google Sheets 自定义函数的超时线恰好是 30 秒，他被这条线折磨过很多次。

这套思路的另一面，是判断哪些问题根本不值得现在解决。例子是读融资演示稿。GPT-4V（带视觉能力的 GPT-4）快发布时，他直接放弃了所有 OCR 和解析 PDF 的尝试，就等着把整页幻灯片喂给模型。GPT-4V 上线那天，他手上有三四个原型，只需要换一行 API 调用。

他一直在琢磨一个更大的问题：编排层里做的事，哪些迟早会被吸进模型本身。混合专家（MoE）就是个例子，在了解它之前，他会以为「给几个专家描述、让模型路由分发」是编排层的活，结果它直接做进了模型。检索和工具调用今天还是编排问题，但 Nathan 点名 Perplexity 的联网模型在往端到端方向推，DeepMind 十八个月前的 RETRO 论文更是把检索放进了模型中间层。工具调用虽然还没进模型，OpenAI 和 Anthropic 都已经把它做进了 API。开发者视角看，工具在模型里还是在 API 里区别不大，反正都是白送的。

他正拿 Assistants API 重写一个 BabyAGI 概念项目，内置工具调用确实降低构建成本，代价是交出一部分控制权。这笔账他算得很清醒。

把邮箱、推特和《权游》剧情灌进知识图谱

这期节目里最具体的项目，是一个自主 CRM 原型。

测试数据很别致：《权力的游戏》每集的维基百科剧情简介，一集一集喂进去，后端自动构建知识图谱。基础是他之前开源的 InstaGraph，把任意文本转成知识图谱。他加了一个去重环节：每加一个新节点，先在已有节点里做检索，把最像的五到十个节点和新节点一起发给大语言模型，判断这个节点是否已经存在。存在就映射到已有 ID，不存在就建新 ID。边（关系）同样处理。第一集可能先发现珊莎和奈德·史塔克的关系，第二集又会补上珊莎和其他人的关系，图越滚越大。

当然还有 bug，比如「奈德·史塔克」和「艾德·史塔克」会变成两个节点。他说得把提示词再调调。

他做这个的目的很直接：把每天流过的信息，邮件、短信、推特关注、网页，全部转成人物、实体和事件的结构化知识图谱，这样该联系谁、该给谁和谁做引荐，一眼就能看出来。干 VC 这行，这就是把人脉从脑子里搬到纸上。

Nathan 追问了一个关键问题：时间怎么办？现实里人和人的关系会变，《权游》剧情是凝固的，人生是边播边更新的。中嶋洋平还没在知识图谱上处理时间，但他在另一个功能里试过：给每条反思打时间戳，检索时套一个衰减函数，越旧的条目乘上一个小于 1 的系数，相似度分数随时间慢慢掉。他设想知识图谱也能这么办，节点和边加时间戳，慢慢褪色，或者新边直接覆盖旧边。

顺带一提，Nathan 自己也踩过 GPT 内置检索的坑。他把一个代码仓库传进 GPT，发现系统把文件切得太碎，搜出来的片段上下文根本不够用，这正是他最近迷上知识图谱的原因。

节目还聊到他赶 GPT Store 上线发布的 VC 助理 GPT。几个数据点：上线两周左右约 7000 次对话，进了研究类目前六。他感慨，想想自己一年能跟创始人聊多少次，这个数字相当疯狂，AI 在放大一个人的影响力。Nathan 算了笔账，ChatGPT 付费用户哪怕只按 100 万估，7000 也意味着触达了接近 1% 的付费用户。而且中嶋洋平一分钱没花，算力成本全在用户付的每月 20 美元订阅费里。他之前做过一个免费网页版聊天机器人 Mini Oha，在推特上推过，用量明显不如 GPT 店里的版本，分发差距摆在那。

但他对这个平台的判断相当冷静：GPT Store 可能像插件一样哪天就被关掉，这里不适合建业务，适合拿来观察用户怎么用。还有个痛点，开发者看不到对话数据，他只能在介绍里鼓励创始人把生成的投资备忘录发给他，结果真有十来份进了他的收件箱和私信。

他正在做的第二版把备忘录存进 Airtable 的具体字段。再往下接一步，这个 GPT 就能主动提议把某位创始人的备忘录转给其他投资人，自动做引荐。他有个叫 DealFlow Digest 的工具本来就在 Airtable 里匹配创始人和投资人，两套系统一接，事情就通了。

我是谁：一张索引卡片，一串角色

聊完技术，演讲把话题带向哲学。开头是个聊天机器人：他有个叫 Mini Oha 的实验品，创业者可以找它聊，它会定期把对话摘要发到中嶋洋平的邮箱。他在台上问，这玩意算我的延伸吗？

接着他搬出办公室里那叠索引卡片，管它叫《你是你遇见过的人》。每张卡片正面写一个名字，背面写从这个人身上学到的一课。有朋友、老师、敌人，还有虚构角色。Nathan 抓住「敌人」问了一句，他解释说就是高中时的对手，后来多数成了朋友，和你交手的人教你的东西，不比站在你身边的人少。虚构角色也一样，小时候看的故事对人的塑造超乎想象。

演讲的主体是一个类比。生命起初是单细胞生物，后来变成多细胞，细胞开始分工：有的擅长把光变成能量，有的擅长储存，有的擅长运动。越复杂的生物，越会自组织成互相缠绕的细胞群，群里再分小群。这个模式到处都是：BabyAGI 从 100 行代码写到两三百行，再变成多个文件、多个文件夹；创业公司从一两个人包办所有事，到招一个 HR，再到人力资源部、市场部，部门里再分小组。

在组织里，身份是清楚的：你的角色，以及别人对这个角色的期待。麻烦的是个人身份，因为每个人同时属于很多互相重叠的群体：伴侣、家庭、社区、国家、全人类。在每个群体里，人都扮演一个角色，这个角色由他的言行，更准确地说，由言行对这些人的影响来定义。

演讲里有一段原话：

「我们不只是自己对他人产生影响，他人也在影响我们。我们最终是物质、能量和想法的导管，靠每天的选择决定放大什么、抑制什么。」

他说做这场演讲的目标，就是往听众脑子里种一个念头：人并非孤立的个体，身份是各自在更大系统里的位置。今天很多人问「我是谁」时，习惯往内挖；他想让人往外看。

他还说了做这场演讲的私人标准：作为 TED 的老观众，他想要一场十年后还成立、孩子上大学前能看、他还能跟他们聊聊的演讲。所以结尾落在一个朴素的道理上：接受「不全懂」。人为了理解世界，会把一切塞进框架，框架是计算效率的妥协，总有事情装不进去，装不进去就焦虑。承认任何理解都是简化版，随新信息不断修正，就没那么难受。他想传给孩子的就是这句：不懂所有事，没关系。

大脑是身份，还是工具？

这部分是全期的核心，跟中嶋洋平的成长经历直接相关。

他出生在日本，在西雅图长大，家里说日语，周六上日语学校。小时候他活成两个版本，美国学校一个版本，日语学校另一个版本，两拨朋友零交集，说两种语言。长大些回日本读高中，才发现「原来我不是日本人」：在一个全是日本人的国家，他成了那里最美国化的人。开头很痛苦，三年慢慢适应，之后回加州读文理学院，又把自己「重新美国化」了一遍。

也是成年后他才意识到，日语这门语言里嵌着多少哲学。他举的例子：日本人日常打招呼说 genki desu ka（元気ですか），元是「根」，気是「能量」，这句最日常的问候直译过来是「你的根能量还好吗」。他觉得这非常哲学，而日本人每天都在说。

由此引出他最想讲清的论断：

西方的身份观倾向于认为，我的想法就是我，头脑和思想构成「我」。东方文化更倾向把大脑当作一个可以调控的工具，想法只是这个工具的输出。冥想和开悟，练的就是怎么用好这个工具。

他强调没法代表所有日本人，但这个视角直接改变了对 AI 的态度。AI 和真实智能一样，就是个工具。作品由大脑这个工具产出，还是由人工大脑这个工具产出，在他看来区别不大。把头脑和创造力当成身份本身，机器也能创作就是威胁；把大脑看作一台肉做的机器，这个落差就小得多。他的原话是，「我已经把我的大脑看作肉做的机器了，所以这个差距对我没那么大。」

Nathan 说他想给年轻时的自己留两句话，一句是「下一个词预测的威力超出你能想象的上限」，另一句就是「你不是你的想法」。

节目里还有一段关于蚁群的讨论，演讲里没讲透，播客里补上了。有研究观察到，蚁群的行为像神经网络，每只蚂蚁是一个神经元，蚂蚁之间的互动共同构成一个智能，对蚁群意图和环境的理解超过任何单只蚂蚁。关键在于，这些研究看的还包括蚂蚁留下的轨迹：单看一只蚂蚁，轨迹不属于它；把蚁群当作一个身份，轨迹和沟通工具就成了集体智能的一部分。类比到人：单独看中嶋洋平，他的电脑不属于他的智能；把人类社会看作一个集体智能，计算机、技术、互联网就都是这个身份的一部分。顺着这个逻辑，AI 长在人类集体智能的延长线上，造它是在给整个集体变强。

这也能解释各地对 AI 的态度差异。Nathan 提到，据他了解日本正走向对训练数据很宽松的政策，等于集体优先，个人不太主张把自己的数据从这场集体合成项目里排除出去。流行的说法是亚洲人对 AI 恐惧更少，虽然中国总理也公开说过 AI 要有红线，但中嶋洋平觉得，集体身份和工具态度之间的关联，直觉上成立：把自己认同为集体的人，群体里大家都能用的工具就是「我们」的一部分；认同为独立个体的人，身体之外的一切默认都是外部工具。

聊回语言模型本身，他试过用日语跑 BabyAGI，第一反应是惊喜，但提示词模板是英文写的，跑到一半模型会自己切回英文，让编排层支持多语言是个真实的坑。幻觉规律也符合预期：写得多的主题表现好，写得少的就飘。日语的分词效率也吃亏，现有优化基本围绕英文转。至于各国要不要养自己的模型，他的判断是，如果政府要用大模型汇总民意、辅助决策，就不能接受开关握在别国手里，这会变成国家安全问题，有人才储备的国家自己做是合理的，印度大概率会出模型公司。还有两个冷知识：OpenAI 负责对齐研究的 Jan Leike 发推说过，他们的指令模型只用英文指令训练，居然能泛化到其他语言，团队自己也不理解为什么；反过来，把一句会被拒绝的恶意指令翻译成非英语语言，有时就能绕过拒绝机制，因为拒绝行为主要靠英文 RLHF 训出来。

用 AI 当翻译，把人连起来

演讲后半段有个观察：语言再强大，也只是这个高度并行世界的一种线性表示。听一个人讲话，接收的不只是词句，还有表情、语气，还有过往经验在帮忙理解，这一切是并行的。可一旦要复述这场演讲，就得一个词一个词往外蹦。把复杂的并行想法压成线性表达很难，而大语言模型恰好极擅长这件事。他的期待之一，就是用模型帮人类集体更好地理解复杂想法。

他把当下比作又一次启蒙运动。上一次启蒙，政治革命、科学发现、对个体声音的拥抱，带来了崇尚理性与自由的时代。今天，数字和社会革命把世界越缠越紧，旧范式不断失效，而 AI 给了每个人一个可以对话的智能集体声音。和大语言模型聊天，可能是目前最接近「和集体意识聊天」的体验。

所以他把 AI 看成一面镜子，或者一副镜片：透过它更理解彼此，弥合分歧，把不同的故事织成一张集体的挂毯，或者说，一张知识图谱。

这不是纯抒情，他真的做了几个小实验。一个健身群聊里的 AI 调解员，扮演虚拟教练，每天冒出来问一句今天练了吗，做了几个，明天多来两个。简单，但看起来有用。另一个是邻居纠纷调解 AI，测试场景是篱笆压了地界这种小事，目标是帮说不拢的人达成一个还过得去的方案。

还有一个让他印象很深的案例：有人用 AI 写了两封信，一封从以色列人的视角解释巴勒斯坦人为什么愤怒，另一封反过来。读到「对面那边的人」替自己解释自己为什么生气，这件事本身就有价值。他说这种练习当然解决不了冲突，但它在往解决问题的方向播撒能量。

他还提醒，这种连接已经在发生。推特上的「查看类似帖子」，本质上就是 AI 在帮你找到可能相关的人。当每个人都有声音、每个人都连在一起，信息流就需要 AI 来筛选，关键看背后意图。

Nathan 感慨，这几年最稀缺的就是对未来的具体正面想象，要么说社会病了，要么说未来太不确定没法想象。他给中嶋洋平的尝试鼓掌，也鼓励更多人自己动手想。中嶋洋平的回应很轻：他自认是想法、物质和能量的导管，站在台上只有十分钟，传播什么信息、什么价值观、什么气质，是可以选的，他选了正面那个。

结尾他补了一句：他运营着 Untapped Capital，而创业本身就是一场终极的自我反思之旅，他自己建基金时是这样，他投的创始人在各自行业里也是。身份这个话题，跟每个人都有关。

明天就能用上的几件事

• 定期读原始日志。不管在调 API、做产品还是写提示词，别只看汇总指标，回去看原始输入和输出。模型的长短板经常反直觉，惊喜都藏在日志里。
• 先用便宜模型把流程跑通。用 GPT-3.5 这个量级的模型把逻辑、流程、输出格式调稳，再升级到更强的模型。为弱模型写的清晰提示词，对强模型同样有效。
• 造轮子前，先想想它会不会被下一代模型送给你。OCR、检索、工具调用，这些能力正在被吸进模型和 API。中嶋洋平在 GPT-4V 发布前直接放弃 OCR 尝试，模型上线时只换了一行 API。
• 把「我是谁」换成「我在哪些群体里扮演什么角色」。写下自己所在的几个圈子，每个圈子里扮演什么角色，在放大什么、抑制什么。这是个比内省更具体的自我盘点方法。
• 用 AI 做一次换位练习。下次和人谈不拢，让模型分别站在双方立场各写一段「对方为什么不满」，只用来理解，不用来反驳。

这期播客一小时，前半场是给开发者的，后半场是给所有人的。一个做 agent 的工程师把哲学讲得让人愿意听，这事本身就不常见。