AI 哲学 on Code Plato

Web4.0 要来了

Wed, 06 May 2026 00:00:00 +0000

AI 不只是工具升级，而是一次新的计算平台革命。

一、前言：裂缝已经出现了

我最近在找工作，然后我发现了一件很有意思的事情：现在真正招聘"LLM 整合开发"的岗位，其实还很少。更有意思的是，即使招聘，大部分公司也要求：

有 AI Agent 经验
有 LLM 项目经验
有 RAG 经验
有 AI Workflow 经验

问题是，LLM 才爆发几年？真正有完整 AI 开发经验的工程师，到底有多少？很多工程师开始转向 LLM 开发，也不过才几个月。

你现在非要卡得这么死，招不到人，这些人最后就会被别的公司抢走。再过一两年，你可能想招都招不到了。

（所以我最近在找工作的话，其实可以现在就招我了。但不要考 LeetCode。）

但这件事情真正有意思的地方，其实不在招聘，而在于大部分公司直到现在，依然不知道该怎么使用 AI 盈利。很多真正开始利用 LLM 做事情的人，反而是独立开发者、小团队、极客、个人创业者。他们甚至不知道未来能不能赚钱，但他们依然在疯狂实验，因为"这件事情本身很酷"。

这种极客的直觉，其实很难用传统企业的经营逻辑去理解。很多伟大的技术革命，最开始都不是因为"商业模式清晰"，而是因为有一群人觉得这东西太有意思了。

互联网如此，个人电脑如此，智能手机如此，AI 也是如此。

真正危险的，是很多大公司直到现在还停留在自己的舒适区里。他们还在问：

AI 能不能赚钱？
AI ROI 怎么算？
AI 会不会影响现有业务？

但他们真正应该思考的问题其实是：

“十年后，公司还会不会存在？”

因为历史已经发生过很多次了。柯达不是死于技术不够强，诺基亚不是死于工程师不优秀，它们死于"新计算平台出现时，它们还活在旧时代"。

而现在，裂缝已经出现了。

在我看来，一个尼亚加拉大瀑布正被一层薄薄的土墙挡住，而那层土墙已经开始裂开了。

今天 90% 的互联网公司，其实都已经站在悬崖边缘，只是它们自己还没有意识到。不信？我们可以从现在开始做一个社会实验：

做 Jira 的 Skill
做有道的 Skill
做各种 Web2.0 软件的 AI 版本

看看它们会不会被颠覆。

二、正文：Web4.0 架构

Web3.0 这个词，已经快被说烂了。为什么？因为它并没有真正出现足以重构 Web2.0 的新计算范式。

但 AI 不一样。

我愿意把这次浪潮称为 Web4.0，因为 AI 正在开始深度进入软件本身。它不再只是搜索框、聊天机器人、辅助工具，而是在逐渐成为软件运行逻辑的一部分。

我甚至认为，这会是第四次工业革命，因为机器第一次开始"自己参与软件的生产"。

1. 软件界面

Web4.0 的软件界面，会和今天的软件非常不一样，但也不会完全陌生。

未来的软件，大概率会变成"左边是软件，右边是 AI"。

左边依然是传统 GUI，例如：

任务列表
表格
图表
Dashboard
状态栏

因为人类依然需要"看到状态"，GUI 不会消失。

但右边会出现 AI 操作层。用户不再主要通过按钮操作软件，而是通过自然语言、对话、意图完成大部分工作。

例如：

“帮我把这个 issue 调整到下周并通知相关成员。”

AI 会：

修改 issue
更新状态
发送通知
修改时间线

而左边 GUI 的作用，则变成"展示系统当前状态"。用户甚至可以看着 AI 在系统里操作，必要时再自己接管。

未来的软件，会从：

“人操作软件”

变成：

“AI 操作软件，人监督 AI。”

2. 系统架构

Web4.0 的核心变化，是所有前端最终都会连接到 AI 引擎。

例如：

App
Web
Desktop
Skill
Agent

最终都会接入：

SLM + RAG

很多人现在默认未来一定是超大模型统治世界，但我并不这么认为。因为 LLM 成本太高，企业敏感数据不能外流，技术命脉也不能被外部模型公司掌握。一个真正成熟的大公司，不可能把自己的核心业务永远建立在别人的 API 上。

因此，Web4.0 最终一定会走向：

企业自己的 SLM（Small Language Model）+ 自研 RAG。

LLM 会更像早期探索工具、通用推理引擎、产品验证平台。而真正成熟后的产品，最终会拥有自己的：

AI Engine
Memory
Knowledge Base
Workflow System

未来公司的技术护城河，也会逐渐从：

前端页面
CRUD 系统
数据库设计

转向：

RAG 架构
Workflow 编排
企业知识组织
Agent 协作系统

3. 生命周期

Web4.0 产品的生命周期，也会发生变化。

在产品早期，很多团队会直接使用：

OpenAI
Claude
Gemini

配合：

MCP
RAG
Workflow

快速构建产品，因为试错成本低，产品一开始就能"活"。

这和过去完全不同。以前产品必须开发大量逻辑后才能 usable，但现在 AI 本身就已经拥有大量通用能力。

但到了成熟阶段，企业一定会逐渐迁移到：

SLM + 自研 RAG

原因很现实：

降低成本
控制数据
降低 API 依赖
保证稳定性
建立技术主权

所以 Web4.0 产品的发展路径，很可能会变成：

LLM API
 ↓
RAG
 ↓
Workflow
 ↓
SLM
 ↓
企业 AI Engine

4. 客服系统

客服行业，可能会是最先被重构的行业之一。

但这一次，是真正的 AI 客服，而不是以前那种"让所有人都烦躁的假 AI"。

过去的 AI 客服：

听不懂上下文
不能连续对话
无法理解情绪
只会关键词匹配

所以用户最终总会"转人工"。

但 Web4.0 的 AI 客服不一样。它会真正理解：

上下文
历史记录
用户情绪
用户行为

它甚至能判断：

“用户已经开始不耐烦了。”

然后主动：

“我帮你转人工客服。”

未来很多公司的客服系统，其实已经完全可以 AI 托管。真正需要人的场景，只会剩下：

高风险决策
情绪安抚
特殊案例处理

又一个产业，会被重构。

5. 版本迭代

这一部分是一个比较激进的想法，但我觉得它很酷，而且很可能带来病毒式传播。

那就是：

“下一个版本做什么，由用户投票决定。”

AI 会：

分析用户行为
总结用户需求
自动生成候选功能
让用户投票

甚至未来，AI 还能自动实现部分功能。

过去的软件开发流程是：

产品经理
 ↓
需求
 ↓
开发

而 Web4.0 时代，可能会逐渐变成：

用户
 ↓
AI 分析
 ↓
AI 实现
 ↓
用户反馈

软件会开始进入：

“高速自进化时代。”

三、结论：Web4.0 不是升级，而是替代

很多公司现在还认为，AI 只是一个插件、一个功能、一个聊天框、一个提高效率的工具。

但我认为，AI 真正改变的，是整个软件架构。

Web4.0 不是"Web2.0 + AI"，而是一个新的计算平台。就像：

PC 替代大型机
智能手机替代部分 PC
云计算重构企业系统

一样。

AI 会重新定义：

软件
工作流
组织方式
开发模式
用户交互
企业架构

很多公司现在以为，自己只是在等待 AI 成熟，但实际上：

AI 正在等待替代它们。

我们现在，可能正站在自计算机发明以来最大的技术风口上。而很多公司已经站在悬崖边缘，只是它们自己还没有意识到。

基于 LLM 的 AI 智能体架构：一台长在你设备里的新型电脑

Tue, 05 May 2026 00:00:00 +0000

基于 LLM 的 AI 智能体架构：一台长在你设备里的新型电脑

过去，我们一直把 AI 理解成一个"聊天机器人"。

但如果从系统架构角度重新观察，会发现未来真正成熟的 AI 智能体，更像是一台安装在你设备里的新型个人电脑。

它拥有：

计算核心
内存
文件系统
软件系统
输入输出设备
长期存储

只是：

它的核心不再是传统 CPU，而是 LLM。

一、LLM 引擎：没有记忆的"CPU"

LLM 本身其实没有长期记忆。

它更像一个推理引擎：

接收输入
读取上下文
进行推理
输出结果
然后"失忆"

它无法天然记住过去发生的事情。

因此：

LLM 本身更像 CPU，而不是完整的智能体。

它只负责计算。

真正让 AI “看起来认识你"的，是外部为它提供的上下文。

二、上下文：AI 智能体的内存

如果 LLM 是 CPU，
那么 Context（上下文）就是 AI 的内存。

而这个内存，其实应该分成两层。

1. 全局上下文（Global Context）

这一层属于整个智能体。

它记录：

用户偏好
长期目标
常用习惯
人格设定
长期规则
历史知识

例如：

“用户喜欢 Markdown”
“用户正在学习 AI Agent”
“用户习惯使用中文写作”

这些信息会长期影响智能体行为。

2. 会话上下文（Session Context）

这一层只属于当前对话。

例如：

当前正在讨论的话题
当前文章结构
最近几轮对话
临时推理结果

它更像程序运行时的临时内存。

上下文窗口，本质上是"内存限制”

LLM 的 Context Window 并不是无限的。

这意味着：

历史不能无限累积
信息会越来越贵
超过限制后必须被压缩

于是：

智能体必须像操作系统一样管理内存：

压缩历史
总结摘要
清理低优先级信息
转移长期信息
动态加载需要的数据

因此：

Context Window 本质上就是 AI 的内存容量。

三、Markdown 文件：智能体的硬盘

长期数据不应该一直放在上下文里。

否则：

成本会越来越高
推理速度会下降
Context 会迅速膨胀

因此：

长期记忆应该存在文件系统中。

而一种非常自然的形式，就是 Markdown 文件。

例如：

笔记
项目资料
日记
世界观
用户档案
写作素材
长期知识库

都可以直接存成 Markdown。

这意味着：

传统电脑	AI 智能体
硬盘	Markdown 文件系统

Markdown 有一个巨大优势：

它既能被 AI 阅读，也能被人类直接阅读。

因此：

人类可以编辑
AI 可以处理
Git 可以版本管理
文件可以同步
即使脱离 AI 依然存在

这会形成一种：

“人与 AI 共用的知识空间”。

四、Skill：安装在 AI 上的软件

未来的 AI 智能体，不会只有"知识"。

它还会拥有"技能"。

例如：

写作 Skill
编程 Skill
视频剪辑 Skill
数据分析 Skill
项目管理 Skill

这些 Skill 可能由：

Prompt
工作流
Python 代码
MCP 配置
Tool 调用规则

共同组成。

它们就像：

安装在 AI 身上的软件。

因此：

传统电脑	AI 智能体
软件 / App	Skill

Skill 可以：

安装
卸载
更新
共享
组合

未来甚至可能出现：

Skill Store
Skill Marketplace
开源 Skill 社区

五、输入输出：不只是文字

传统聊天机器人最大的误导之一，是大家以为 AI 只有文字交互。

实际上未来的 AI 智能体，会拥有完整的多模态输入输出系统。

输入

AI 可以读取：

文字
语音
图片
视频
摄像头
文件
屏幕内容
设备状态

输出

AI 可以生成：

文本
语音
图像
视频
自动化操作
控制指令

因此：

AI 智能体本质上是一种新的交互层。

电脑整机：一种"类冯诺依曼结构"的 AI 计算机

如果把整个架构放在一起：

传统计算机	AI 智能体
CPU	LLM 引擎
内存	Context
硬盘	Markdown 文件系统
软件	Skill
输入设备	多模态输入
输出设备	多模态输出

你会发现：

它已经越来越像一台真正的计算机。

只是：

这台计算机不是围绕 GUI 构建的。

而是围绕：

“语言理解与推理”

构建的。

操作系统：个人 AI 操作系统

未来每个人设备中，都可能长期存在一个 AI Agent。

它：

理解你
记住你
帮助你工作
管理你的知识
调度你的 Skills
操作你的设备
与你长期共同成长

那时：

我们使用的可能不再只是：

Windows
macOS
Android

而是：

一个以 LLM 为核心的新型个人 AI 操作系统。

而今天的聊天框，

可能只是这个新时代最早期的雏形。

参考资料

Park, Joon Sung et al.
MemGPT: Towards LLMs as Operating Systems
arXiv:2310.08560
https://arxiv.org/abs/2310.08560
Wang, Lei et al.
LLM as OS, Agents as Apps: Envisioning AIOS, Agents and the AIOS-Agent Ecosystem
arXiv:2312.03815
https://arxiv.org/abs/2312.03815