打造 Jarvis：为什么我依然在追逐 1956 年的梦想 （以及为什么你应当加入我）
“在我 11 岁第一次爱上人工智能 45 多年后的今天……我们拥有了庞大的神经网络，它们能够撰写诗歌、辩论量子物理，还能以无比自信的态度幻觉出虚假引用。”
早在 1956 年，一群杰出的智慧心灵聚集在达特茅斯学院，提出了一个极其乐观的想法：他们认为，只要共同努力两个月，就基本上能解决人工智能问题。
然而，真正的人工通用智能（AGI）——达特茅斯会议所构想的那种无缝、具备上下文感知和推理能力的智能助手——至今依然遥不可及。
我们离真正的 AGI 还有多远？说实话？一点都不近。
我在乎吗？一点也不。因为无论如何尝试去打造它，依然是我们这个时代最引人入胜的工程冒险。
从计算机视觉到企业级 IT 的深水区
我与人工智能的故事并非一帆风顺。上世纪 90 年代初，我直接从实操入手，专注于计算机视觉领域。但随后“人工智能寒冬”降临：过度夸大的承诺让位于现实，整个行业陷入沉寂。于是我转向企业架构，在长达二十多年的时间里深耕大型信息系统——SAP、SharePoint、ECM。
这段曲折的经历并没有白费。它教会了我企业究竟如何运转、数据治理如何落实，以及如何在规模化场景下构建关键架构。当我在 2014 年全职重返 AI 领域时，我带回了这种双重视野：复杂系统的理论基础，与现实业务的实操落地（涵盖金融、国防、能源，以及如今的 Swift）。
作为一名阿斯伯格综合征（Asperger's）患者，我与技术之间有一种非常直接且无过滤的关系。我不热衷于炒作；我关心的是系统、架构与工程落地。在我的 YouTube 频道（Le Lab IA）上，我会深入拆解本地 LLM、智能体框架和企业级架构。但在内心深处，我始终保留着一个极客的终极幻想：打造一个真正且完全可运行的 Jarvis。
> 不仅仅是另一个让你输入“请帮我格式化这段 JSON”的聊天框。
我梦寐以求的是一个个人化、高度能干且具备上下文感知的 AI 助手——一个能够管理真实世界任务、对接复杂 API、高效（通常在本地）运行，并作为人类智慧真正延伸的助手。
Kaonomi 与 M-A-R-I 的探索之旅
为了超越纯理论的探讨，我一直在积极为这个生态系统构建开放且实用的基础：
- ➔ Kaonomi： 旨在将现代 AI 模块、企业工具和本地模型进行结构化、连接与编排，融入统一架构的项目。
- ➔ M-A-R-I： 关于模块化多智能体架构以及人机交互的协同探索项目。
构建这些项目并不是为了销售又一个闭源的 SaaS 订阅服务。它们的存在于回答一个核心问题：我们如何将所有这些零散的 AI 拼图整合为一个真正的个人助手平台？
为什么我们需要社区（以及为什么你应当加入）
打造一个钢铁侠级别的 Jarvis 绝非单枪匹马在周末就能完成的副业项目——这是一个生态系统层面的挑战。它需要：
- 本地与混合控制： 在需要强劲算力时调用云端模型，同时确保敏感数据留在本地。
- 上下文与记忆： 摆脱传统的静态上下文注入，走向语义缓存、动态 RAG 与有状态记忆。
- 具身化的工具使用： 为智能体提供安全、受控的执行边界，以同真实 API 和现实工作流打交道。
No comments:
Post a Comment