谈AI发展方向与程序员的前景：信息不等于价值

最近 Kimi 的 Agent Swarm 我体验了许久，并且花糕最近也有在研究多Agent和Agent辩论对抗。它让一个AI能够指挥多个“分身”协同工作，像一支分工明确的队伍，效率极高。

但一个严重的问题也随之暴露：它产生了太多无用的信息。

一、信息不等于价值

要理解这一点，需要回到信息论的起点。香农：“从通信工程的角度看，一段信息的意义是什么并不重要。工程师只关心如何准确、高效地传输它。”

香农做了一个数学上的比喻：一段完全随机、没有意义的“噪声”，它所包含的潜在信息量，反而是最大的。因为它的“不确定性”最高。

这恰恰点出了当前AI的困境：它越来越擅长制造“高不确定性”的复杂内容，像生成一片信息的“噪声”。但对用户而言，我们需要的恰恰是“确定性”，是能直接解决问题的清晰信号。

AI在工程上追求“更多信息”，而人在体验上需要“更少噪声”。

二、为何多反而是问题？

目前的多智能体系统，就像一个只会做加法的团队。它们并发工作，四处搜集、生成、拼接，将任务的“可能性”扩展得极大。但这过程缺少一个来果断地做减法，删掉冗余、矛盾的指挥官。

目前不少系统是让一个Agent担任指挥官进行裁剪，但是AI是喜欢阿谀奉承并且热情工作以显得自己有用，AI在需要裁剪的工作中存在先天性的不足。因此结果并不理想，甚至可以说是糟糕，在我的实践中，许多时候AI反而会把真正有用的信息给裁剪掉。

结果就是，我们得到了一堆未经提炼或者粗加工的原材料。AI 瓶颈不在于“生不出内容”，而在于“停不下来”。

三、文学的本质是裁剪，AI 的未来也是

我们要区分两个概念：数据量和价值感。

想象一下大理石雕刻。米开朗基罗面对一块巨大的石头，他要做的工作不是往上面粘泥巴，而是把所有“不是大卫”的部分全部凿掉。文学创作也是如此，一部好的小说之所以精彩，是因为作者删掉了无数平庸的废话；一首诗之所以动人，是因为它用最少的文字消除了最大的不确定性。

现在的 AI 恰恰相反，它在疯狂地往石头上粘泥巴。

以 Claude 系列模型为例，让它实现A功能，它会写出ABCDEFG来画蛇添足。而 GLM 系列模型则是会擅自行动以证明自己。

四、程序员的新工作：园丁

过去，程序员的工作是写具体的指令，告诉电脑“怎么做”，是搬砖工。

后来，有了 AI，程序员的工作变成了写提示词，告诉 AI“我想要什么”。

但我认为，未来的高级程序员（或者说 AI 编排师）核心竞争力将变成园丁：学会如何裁剪。

一个优秀的 AI 系统，应该是一个“熵减”的过程：

1. 发散阶段： 让 AI 像疯子一样去搜索、去联想、去产生噪声。
2. 裁剪阶段： 设置极其严苛的过滤网，把重复的、逻辑自相矛盾的、正确但没用的废话全部剪掉。

这意味着，构建和驾驭AI系统的人，其核心工作将发生转变。从追求“如何让AI产出更多”，变为设计“如何让AI留下更少”。我们需要编排不同的智能体，并设定严格的规则来裁剪掉多余的、无意义的信息。

这不是在否定生成的能力，而是在为其赋予方向和意义。就像矿石需要冶炼才能成为金属，泛滥的信息需要裁剪才能产生真正的价值。

结语

我认为，AI的实用化，最终可能不取决于它有多能“说”，而取决于我们有多会“剪”。