写不成规则的制度知识，才该进权重｜AI Engineer × Will Brown / Prime Intellect

十八个月前，Will Brown 在纽约这场会上讲推理模型。聊天机器人已经不新，推理是新的，智能体还没有真正出现。OpenAI 早期给通往通用人工智能的阶段排过序。他说走得比当时以为的快：聊天机器人，推理模型，智能体。下一问是组织。一家大企业怎样才算真正的 AI 原生，而不只是一家用很多智能体、用云编程工具把东西搭起来的创业公司。智能体要嵌进组织的整个生命周期，路上还缺什么。

他带 Prime Intellect 的应用研究。字幕把公司听成 Prim and Elect、Primer and Elect、Prime Electives、Primer Lex。下文写作 Prime Intellect。判断模型口播听成 Jev，后文又听成 Jeff，保留 Jev，不对到某一款已发布型号。

原始来源：Your Company Should Train Its Own AI Models - Will Brown, Prime Intellect。中文深度整理，非逐字翻译。本文依据 YouTube 自动生成的英文字幕，专有名词和数字可能有识别误差。30 万美元和「帕累托前沿」是演讲口播，字幕没有给出基准表。

同事在岗上学，智能体在上下文里重学

Prime Intellect 做的是训练、部署、持续改进模型的基础设施，尤其是开源模型和开源工具。他想象的用法是：组织拿自己的流程、数据和 harness，让开源模型跟着组织长大。Harness 是包住模型、让它能调用工具并维持运行的那一层。

智能体已经会在大量非结构化文本里找模式。他举的是：另一个团队其实早就发现解法，智能体把浪费时间的流程指出来。这种事做一次不够。他希望它成为组织采用 AI 的方式：智能体拿到上下文，同时改进智能体自己，也改进组织。

人同事在岗位上学会一套说不清的制度知识。智能体今天在岗位上的学习还很原始，主要是上下文学习：一份别人写的技能文件，或者在代码库里东看西看。它们反复重学、重新发现，烧掉大量输入 token。缓存后的输入已经是很多智能体成本的瓶颈。缓存命中再好、缓存再便宜，每次重做流程仍然要把大量输入再处理一遍。

所以想把更多东西烤进模型，尤其是难写成规则的那些。他用一条谱：规则对模式，也是代码对数据。规则和技能更像代码。偏好、摩擦、启发式、趋势是数据。机构就跑在这些数据上，雇员隐式地学会了，模型几乎没有机会学。他认为这挡住了智能体变成真正的同事。

什么进上下文，什么进权重，要先挣到。不是一上来就写进权重。新一代模型变好，是因为实验室训练得更多，训练在近似那些他们预期会成为组织里高价值、可重复的流程。变好不是因为提示写得更好。训练有用。

从会用 Salesforce 的人，到下一次前沿训练，中间是传话

他把今天实验室变强的路径说成低效，尽管它确实在工作。例子是学会一组 Salesforce 工具。知道这些工具怎么用的人在找活，也许以前的公司就在用，现在上网在专家网络上用空闲时间换钱。知识交给专家网络公司的人，再交给做强化学习环境的人。环境可能卖给一个并不具备这门知识的实验室研究者。研究者也不真是这个领域的专家，把它收进训练管线，放进下一次前沿模型。原来那个人的知识经过一次传话游戏，进了模型。管线相对秘密。人会谈其中的两段，真正懂的那个人并不监督这次训练，也没有像日常改编程智能体那样直接决定模型怎么学。

他希望把这个缺口合上。跟编程智能体共事时，人反复说同一件事：别再犯这个错。有些可以写成智能体的说明文件，文件会越堆越长，还得时常重构。更多时候人给的是情境里的偏好：在这个场合，你做的不是我想要的，我更想要那样。他要的系统能把这种偏好复利成耐久的学习。训练有效，是因为这种数据的形状接近真正的训练管线。

学习因此分几层。人在做的事是一层。Harness 上的技能和记忆是一层。组织里散落在文件系统和数据库、靠工具和代码去取的知识是一层。模型自己有很宽的世界知识，是另一层。知识截止日期让人挫败：近六个月的新闻，模型谈不利索，每次都得在上下文里重学一遍世界，流畅度对不上它谈更早事情的样子。组织若想从模型里拿到更多，他想象它们会要越来越懂「这家组织里正在发生什么」、而且是直觉级的懂。这要靠训练。这是想象，不是一家公司已经换成自有模型的清单。

把模型当代码库：痕迹变成测试

从「我们要在自己的数据上训练」到真的做，他认为实用的起点是把评测当测试用例。代码已经有测试和生命周期，代码库才长得健康，智能体已经在做其中很多工作。对多数组织最实用的持续学习，是把模型当成代码库：有生命周期，可以加测试、加功能、加资产。

使用过程就在攒资产。痕迹里有提示，也有人对模型所做之事的反馈。这些就是做评测的原料。手工做评测历来痛，很多组织不愿意自己做。智能体正在快到能承担大量评测编写，尤其是再按「怎样把评测做成稳、做成学得动」来训练它们之后。他口播里说 we have robots，指的是能做评测的智能体，不是工厂里的机器。

近几周另一件他拿来并列的，是判断模型，口播 Jev，以及路由。Claude 每个月可以花掉很大一笔，于是大家在算什么时候用更便宜的模型。这件事人开始觉得该住在 harness 里，形状又很像判断模型。两边都有清楚的标签，人和另一个智能体都能给反馈。大模型和小模型做同一件事，判断小模型是否一样好；若是，这种任务以后更多路由到小模型。判断模型则在学：这种情境里人会怎么判。人今天会像在 Claude Code 里批准工具调用那样做批准，但他说多数人已经打开了自动接受。组织里更专门的规则不只是工具安全，各家有自己的规矩和偏好，可以复利进一个判断模型。这是他认为明天就能接上、而且能看到直接价值的一种持续学习。字幕没有给出节省的比例。

Prime Intellect 和一些组织合作的，是更重的训练：把模型在生产里高调用量场景的痕迹，做成又真实又合成的环境，抓住他们想交给长程智能体的任务有多复杂。智能体在足够的编排、工具和人在环里，能把这些收成训得了的环境。开放模型和闭源模型每一代都让这件事更自动。他看到的机会是：把已经在做的事收成自我改进的环，从「用智能体整理数据」和「给人一个能给出信号的界面」里掉出来。没有点名这些组织。

要决策的时候才把人拉回来

他自己在试一种界面，认为会变成以后跟模型相处的常见方式。模型已经能当场写代码，小部件、卡片这种动态界面变得实用，也适合把人的决定问出来。它像工具调用的批准，但更针对眼前这件事。

一个机器人还是二十个，来回晃。先觉得一个就好，接着要两个，然后二十个。单线线程和多线线程也在晃。他要的是做决定：把想法交给智能体，让它们跑，该人拍板时再回来，并由智能体判断什么时候该回来。当场生成的界面比在一长条消息里翻「问题在哪」更顺手。这也是判断模型那一侧的人机对应：人的输入直接就是标签，目标明确，模型可以直接对着改进。奖励作弊这类问题仍要处理，这里是他认为很多问题可用的起点。不必栈里每个模型都这样练。编排层可以，判断模型可以。偏好和隐性知识的复利从这里进模型。

三十万美元，对标雇一名工程师

例子是当天才加进幻灯片的。一家叫 Paper Instruments 的公司，他们的朋友，用了 Prime Intellect 的一些工具，花 30 万美元训练一个模型。Will 称它在知识工作上处于帕累托前沿，例子是表格和幻灯片。量级是组织雇一名软件工程师，或者训一个模型。也可以把花费摊在更长的时间里，让知识慢慢复利。他认为这正在变得可做。看到的需求逐月在涨。原因有两层：这件事有价值；开源模型已经够好，把你这个领域的知识、你的 harness、你的环境变成训练设定之后，它们能变得更好，也更贴这家组织。字幕没有分数表，下文不补。

这也自然接上学习环。他们内部有一个原型，用来想象持续学习怎么部署：先收集痕迹；每天晚上看提议的实验、看被标成问题的地方，然后踢开一次夜间训练。白天的推理容量在服务智能体。晚上员工用得少，容量改去训练。他认为组织很快就能用这种方式真的做持续学习，把知识复利成智能体更好的能力。「很快」是他的预期，夜间开训是内部原型，不是一场已经交付的产品说明。

顺序他放在最后。先发现自己的流程，写技能，做评测，做路由。然后才想要规模经济和公司内部数据的复利，组织越来越能自己变好。前沿接口还在这套顺序里：贵的 Claude 什么时候不该用，是路由问题；开源模型吃进组织自己的知识，是训练问题。演讲没有说用自训模型换掉前沿接口。片尾他提到很多工作是开源的，也在招人。招聘按下不表。