鄧思邈 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

龍蝦確實很火，但很多人用著用著，突然開始懷念一件東西：

控制感

就像個沒戴緊箍咒的孫悟空一樣，你讓它改A，它反手把你寫好的B給刪了；你求它別動B，它轉(zhuǎn)頭趁你不注意把C改得面目全非。

更別提甚至沒打招呼就清空你的手機，或者自作主張幫你去相親這種極端案例了……

于是，一支來自清華、哈佛的團隊坐不住了。他們覺得：AI越強，理應(yīng)越可控，而不是越難伺候。

他們搞出了全球首個可操控AI平臺MorphMind，直接把AI從一個黑箱對話框，改造成了一套可以被人隨時干預(yù)的工作系統(tǒng)。

比起簡單快速拿到一個答案，在這里你直接穩(wěn)拿頂級霸總劇本，運籌帷幄，操盤整支AI專家團，與他們并肩作戰(zhàn)。

每位成員職責(zé)和分工明確，主打工作過程全透明。

下屬們分別都在想什么、干什么，你一眼看穿。邏輯跑偏了？當(dāng)場打斷；細節(jié)存疑？反手就是一個追問和質(zhì)詢。

你可以親自調(diào)教這幫頂級大腦，讓它們越用越順手，越用越懂你；嗯……至于那些邏輯混亂、愛摸魚的？直接一鍵打入冷宮。

△我手把手培養(yǎng)的團隊

這種把AI徹底“拿捏”住、所有輸出都盡在掌控的感覺，真還挺過癮的。

所以話不多說，一手實測這就奉上咯。

一手實測MorphMind

打開主頁面，是這個樣子的，界面比較簡單直觀：

跟一般的對話式AI不一樣，它沒有設(shè)置“深度思考”類似的選項按鈕，而是在右側(cè)安放了兩個開關(guān)：

• Review each step（監(jiān)督每步）
• Auto-complete（自動完成）

一上來系統(tǒng)默認的是打開前者。

我這種喜歡把控全局和細節(jié)的人，當(dāng)然要來趁機體驗一下當(dāng)老板的爽感，所以基本上選的都是“監(jiān)督每步”

任務(wù)1：創(chuàng)業(yè)從0到1冷啟動

先上開胃小菜。

• Prompt：我失業(yè)了，想去擺攤賣淀粉腸，幫我想個立刻就能從0開始執(zhí)行的方案出來。

它想了一會兒，沒有一股腦給我端上一個糊弄人的半成品方案來，而是先來征求我的想法和意見

真的是靠譜啊，把我壓根沒想到的問題前置性考慮到了。而且還提供了不同選項，我只要拍板做決策就行，游戲互動感極強。

在哪里擺攤賣呢？我一頭霧水，所以希望它給我的方案包括選址的決策邏輯。但如果你很有主見，預(yù)先就想好了擺攤地點，就可以明確告訴它大方向。

緊接著，它就自動為我把這個項目拆解為四步，以思維導(dǎo)圖的形式呈現(xiàn)在頁面的右方，然后系統(tǒng)會自動給我的同事們派活兒：

于是，我之前在其他任務(wù)下培養(yǎng)過的同事們，像什么：

市場調(diào)研專家、預(yù)算精算師、供應(yīng)鏈專家、財務(wù)顧問、文案與品牌大師、安全合規(guī)官……

他們就都冒泡了，甚至都不用我張嘴吩咐，然后就被分配到不同的任務(wù)底下。

由于創(chuàng)業(yè)剛剛起步，為了節(jié)省開支，它備貨清單里列出來的有些東西我并不想要，它還沖出來勸阻我：

鑒于我也不是賣什么“法式街頭慢烘脆皮植物蛋白凝萃配克什米爾風(fēng)味迷蹤辛香粉末”淀粉腸，所以我糾正了它要求我用牛皮紙袋打包的要求，毅然決然選擇塑料袋。

幾個員工這么一頓忙活下來，再加上我的及時糾偏和確認，直接整出來一個包含選址決策、啟動成本清單、定價與盈虧模型、第一天SOP的完整創(chuàng)業(yè)手冊。

甚至連跟路人打招呼攬客的話術(shù)、食品安全注意事項、每日記賬模板都給我備好了，I人P人看了真是狂喜啊！！！

任務(wù)2：旅行規(guī)劃

剛從普吉島團建旅游回來，感覺玩得還不夠盡興，就讓它為我下一次重返，安排一下行程吧。

這次我給的prompt比較詳盡，直接告訴它我需要哪些人替我出謀劃策：

乍一看，給我推薦的都是這次我沒玩過的，而且滿足我的要求，夠小眾、也不網(wǎng)紅

△@量子位老板，下次能帶我去這嗎？

好家伙，原本以為我把普吉島這地探索得已經(jīng)夠徹底了，沒想到還別有洞天啊，當(dāng)時在小某書上做攻略的時候咋沒瞅見啊。

讓我驚喜的一點是，我從未向它透露過我的內(nèi)在傾向，但在制定行程時，它繞過了那些熱門的傳統(tǒng)騎象項目，優(yōu)先給我安排了去這個象園，也是非常有人文溫度了。

而且推薦的那些餐廳定睛一搜，評分竟然還不錯：

想要點名表揚的還有我的“安全合規(guī)官”，它為我出具了一份七日行程里可能涉及的潛在風(fēng)險：

去過那的人就知道這些風(fēng)險的的確確真實存在，并不是那種車轱轆套話，讓第一次出國的人感到暖暖的很安心～

真后悔沒早點看到，這樣就不會像當(dāng)時一樣那么著急忙慌，臨出門還突然打起了退堂鼓。

任務(wù)3：中英文翻譯

之前備考翻譯資格證的時候，總是被漢譯英折騰得不輕。

重點是有些文本翻譯出來，網(wǎng)上也找不到原汁原味的范本來對照參考，我們試著考考它。

材料節(jié)選自錢穆先生的《國史新論》，理解起來有些復(fù)雜，所以我跟它說，我需要兩名員工：一名母語級翻譯大師，一名邏輯校審官

翻譯得夠不夠信達雅咱先不說，至少看上去它是誠實的——逐段進行拆分，會把它為何選擇這么翻譯的思路，清晰展示出來：

有些它拿不準主意的，還會給你提供三種方案，我查了查資料、動用我為數(shù)不多的畢生所學(xué)，選擇了分支B：

這種咀嚼和對比的過程，似乎也能提高我對語言的把控力。

校審官在審查上也非常嚴謹，比如我在翻譯時經(jīng)常犯的錯誤——術(shù)語統(tǒng)一問題、邏輯斷層這類問題，它也細心指出來了。

我有哪里覺得不對勁的地方，還可以直接@校審官出來“挨打”，真是快哉：

看到這兒，我真覺得MorphMind就像是一個給我啟發(fā)和靈感的語言學(xué)習(xí)搭子

因為我本身就喜歡探索同一意義的多種語言表達方式，包括回想起高中英語老師在教我們寫作時，她也會跟我們講，盡量多用那些不爛大街的——所謂高級表達詞組和句式。

誒，說不定真的可以靠著MorphMind，有朝一日拿下CATTI二筆資格證呢，flag我先立在這里了。

任務(wù)4：續(xù)寫文學(xué)作品

最近甜茶在北京四處晃悠，在地鐵上那叫一個班味十足。

看到他那張臉，不禁又讓我回味起了他那部經(jīng)典作品。

原著改編的電影都翻來覆去看了十多遍了，不如咱搞個二創(chuàng)？

• Prompt：幫我續(xù)寫《以你的名字呼喚我》這部文學(xué)作品

因為是突然心血來潮，我腦子里對細節(jié)殘存的記憶也不多了，它竟然會主動問詢我從哪個時間節(jié)點開始續(xù)寫、續(xù)寫的篇幅字數(shù)、續(xù)寫時想要使用的語言。

緊接著系統(tǒng)自動將這個任務(wù)拆解成這么幾步，包括風(fēng)格研究、續(xù)寫創(chuàng)作、潤色校準，曾經(jīng)在其他任務(wù)里調(diào)教過的AI專家們，又齊聚一堂了：

仔細看它寫的初稿，我發(fā)現(xiàn)有一些不對勁的地方，例如某一處語言文風(fēng)似乎有點偏離原著的語感，以及音樂描述的細節(jié)與那個場景下的氣氛不太搭，稍顯喧鬧……

于是我當(dāng)場就提出了質(zhì)疑：

而且，進行到某一步我突然不知道該做什么了，這AI也會提醒我下一步可以干嘛，選就是了：

緊接著，上面翻譯用到過的“校審官”不請自來，它對自身要求很高，直接給我攤開展示哪些地方續(xù)寫得與原著吻合，哪些地方還要再進行校準：

我真的感覺這樣一步步核查和確認后寫出來的東西，融入了我的創(chuàng)意進去，是我能夠放心署名交出去的作品：

實測了一圈下來，我開始思考一個問題：

為什么在別的AI那兒充其量我只是個“提問者”，而在MorphMind這里我可以安心做“主理人”

深挖下去才發(fā)現(xiàn)，MorphMind團隊對AI的理解，原來是走了一條和主流AI產(chǎn)品截然不同的路。

“如果AI只學(xué)會了讀書，它永遠無法抵達AGI”

今天大多數(shù)AI產(chǎn)品真正的問題，是能力越來越強，人卻越來越難掌控它。

問題的根源，在MorphMind團隊看來，并不是單個模型參數(shù)，而是系統(tǒng)架構(gòu)和工作方式本身。

復(fù)雜任務(wù)本來就不是“一問一答”，而是一個不斷循環(huán)的過程：分工、檢查、調(diào)整、繼續(xù)。

但在一個對話框里同時完成檢索、分析和寫作，這些標準完全不同的工作往往被揉成一個答案。用戶既看不到過程，也無法只修改其中某一步，只能整段重來。

MorphMind試圖解決的正是這個結(jié)構(gòu)性問題。

在設(shè)計上，它并沒有選擇繼續(xù)給單個模型疊加更多工具或Skill，而是把AI重新組織成一個具有分工的專家團隊系統(tǒng)

在這里，你可以針對不同任務(wù)開辟“工作室”，請不同專家坐鎮(zhèn)。很妙的點是，這些專家能隨時“串門”，在不同項目里合力幫你解決問題。

這專家你培養(yǎng)得足夠優(yōu)秀，還能掛這平臺上出來給大家，甚至收到打賞，賺一點“睡后”收入（目前平臺尚未上線該功能，可以期待一下）。

其實這么看下來，MorphMind有點“Agent領(lǐng)域的油管或者B站”那味兒。

把AI產(chǎn)品變成創(chuàng)作者社區(qū)，這聽起來像是一個關(guān)于未來的宏大敘事。

但要真正實現(xiàn)“越用越聰明”且“永不退化”的體驗，靠的不是虛無的情懷，而是對系統(tǒng)運行邏輯的推倒重來。

剝開MorphMind的交互外殼，會發(fā)現(xiàn)他們平臺背后的核心，建立在三類底層能力之上。

第一是單調(diào)性（Monotonicity）

團隊希望系統(tǒng)對用戶的理解隨著使用時間不斷增強，而不是越用越混亂。

用戶糾正過的錯誤、確認過的標準、否定過的方向，都會在后續(xù)任務(wù)中繼續(xù)發(fā)揮約束作用。當(dāng)用戶與AI互動越多，系統(tǒng)對用戶判斷邏輯的理解也會穩(wěn)定提升。

第二是共生式運行（Mutualistic Runtime）

正如上面你所看到的，在MorphMind的設(shè)計里，它會讓用戶在任務(wù)運行的過程中持續(xù)參與系統(tǒng)能力的塑形，而非在結(jié)果出來之后再讓用戶去試圖檢查和糾錯。

AI會在合適的節(jié)點吸收用戶反饋，并將這些反饋轉(zhuǎn)化為可復(fù)用的能力，以便后續(xù)再遇到類似的任務(wù)，能夠逐漸貼近用戶的思路。

第三是即時學(xué)習(xí)（Just-in-Time Learning）

AI會在任務(wù)執(zhí)行過程中識別知識缺口：

• 什么時候現(xiàn)有信息已經(jīng)足夠，可以繼續(xù)推進；
• 什么時候需要去外部搜索資料；
• 什么時候問題仍然存在不確定性，需要回到用戶處進一步確認。

在這三類能力之上，系統(tǒng)才會組織不同的AI專家角色。

值得注意的是，這些“專家”并不是同一個模型簡單換個名字，而是在能力邊界上的真正分工

不同專家角色調(diào)用的底層模型并不相同，它們各自可以訪問不同信息、調(diào)用不同工具，并承擔(dān)不同類型的任務(wù)。例如，有的專家負責(zé)文獻檢索，有的負責(zé)數(shù)據(jù)分析，有的負責(zé)寫作表達。

每個專家也擁有各自獨立的上下文和記憶路徑。

用戶糾正文獻研究專家的內(nèi)容，并不會直接影響寫作專家的判斷；不同角色也會在各自領(lǐng)域中逐漸形成獨立的能力積累。

為了避免多Agent系統(tǒng)常見的混亂問題，MorphMind把任務(wù)組織成一個有方向的協(xié)作圖

任務(wù)會被拆解成具有先后關(guān)系的節(jié)點：誰負責(zé)搜索、誰負責(zé)整理、誰負責(zé)校對，以及在哪些關(guān)鍵節(jié)點需要回到用戶進行確認。

這樣一來，AI團隊的協(xié)作過程就更像是接力，而不是一場混戰(zhàn)。

要真正做到“來源可查、邏輯可審”，MorphMind的做法并不是在答案最后附上一長串引用鏈接，而是讓每一個關(guān)鍵結(jié)論都能回溯到它依賴的原始資料和中間步驟。

他們認為很重要的一點是，如果信息本身存在不確定性，系統(tǒng)也會明確標注出來，而不是替用戶“糊弄過去”。

在使用體驗上，這也帶來了一個明顯變化：

用戶可以在任務(wù)進行過程中隨時暫停、修改或回滾某一步，而不需要因為一個小問題就重新生成整個答案。

相比許多Agent系統(tǒng)追求的“自動跑完整個流程”，MorphMind的選擇看起來有點叛逆。

它沒有向用戶兜售什么無所不能的超級Agent，而把精力瞄準在構(gòu)建一套看起來不那么討巧的協(xié)作結(jié)構(gòu)

但好處是，人類可以持續(xù)性介入和引導(dǎo)，即這套框架下所有內(nèi)容可檢查、可編輯、可重跑

事實上，我們很多時候都希望能夠在一個工作項目的關(guān)鍵節(jié)點參與判斷、調(diào)整策略，并逐漸把經(jīng)驗沉淀為系統(tǒng)能力，而不只是當(dāng)個最后的驗收者草草了事。

在MorphMind聯(lián)合創(chuàng)始人劉嘉心里，這也是AI真正走向AGI的重要一步。

劉嘉目前是哈佛大學(xué)工程與應(yīng)用科學(xué)學(xué)院助理教授，在納米電子學(xué)和生物電子學(xué)領(lǐng)域擁有超18年研究經(jīng)驗，長期深耕腦機接口前沿領(lǐng)域。

他本科就讀于復(fù)旦大學(xué)化學(xué)系，師從趙東元院士；在哈佛大學(xué)師從Charles M. Lieber教授（美國國家科學(xué)院院士、國際納米科技領(lǐng)軍人物之一）完成博士深造，期間主要進行納米電子器件應(yīng)用于腦機接口的研究。

正因為長年研究如何讓機器與生物系統(tǒng)實現(xiàn)無縫的“底層連接”，劉嘉對機器如何輔助人類智慧有著更本質(zhì)的洞察：

• 如果AI只學(xué)會了讀書，那它永遠無法抵達AGI。真正的智慧，存在于人與世界的感知和交互之中。
• MorphMind要做的，是把深藏于專家直覺里的“隱性知識”，轉(zhuǎn)化為AGI進化的燃料。

要抓住這些“只可意會”的專家直覺，唯一的辦法就是把掌控權(quán)交還給人。

所以，MorphMind的底層邏輯是——充分尊重人的直覺和創(chuàng)造性，讓人主導(dǎo)AI，從而在協(xié)作中精準地把事情做對。

失控的效率，與被找回的主導(dǎo)權(quán)

在傳統(tǒng)對話式AI的交互模式中，用戶輸入提示詞，模型輸出答案。檢索、分析、判斷、寫作……這些步驟往往被壓縮在一次生成之中。

表面上看效率很高，但整個過程幾乎是一個黑箱。用戶既不知道模型是如何得出結(jié)論的，也很難判斷問題究竟出在哪一步。

于是，一種有些奇怪的工作方式逐漸形成：AI先生成，人再返工。

很多人已經(jīng)習(xí)慣了這種工作流，讓模型輸出結(jié)果，人再逐句核查、補充信息、修正邏輯，必要時甚至從頭重寫。

這與MorphMind公司的CEO丁杰觀察到的用戶痛點高度一致。

丁杰是清華大學(xué)2008級校友、哈佛大學(xué)博士（師從美國工程院院士Vahid Tarokh教授），美國國家科學(xué)基金會杰出青年職業(yè)獎（NSF CAREER）獲得者，目前是明尼蘇達大學(xué)統(tǒng)計學(xué)終身教授，同時兼任電子工程與計算機科學(xué)研究生導(dǎo)師，長期研究聚焦生成式AI、AI for Science以及人機協(xié)作系統(tǒng)

在加入明尼蘇達大學(xué)之前，他還曾擔(dān)任Amazon Scholar，與Amazon Alexa及AGI團隊合作開展過數(shù)據(jù)隱私和基礎(chǔ)模型研究。

在他看來，一方面，人們很難判斷什么時候可以信任AI，因此每一次輸出幾乎都要從頭檢查；另一方面，即使已經(jīng)糾正過一次錯誤，下一次再遇到類似任務(wù)，AI仍然可能像一個“失憶的實習(xí)生”，需要重新教一遍。

類似的情況，也出現(xiàn)在MorphMind團隊的科研計算場景里。

有一次，團隊成員讓AI生成一段slurm腳本，并明確說明先生成腳本，自己檢查后再提交。結(jié)果AI直接執(zhí)行了提交命令，占用了8張A100開始跑實驗。

當(dāng)時實驗配置還沒有確認，GPU資源又屬于實驗室共享集群。等到發(fā)現(xiàn)時，算力已經(jīng)消耗了好幾個小時，其他同學(xué)的任務(wù)也因此被迫排隊等待。

這些經(jīng)歷讓團隊逐漸意識到，現(xiàn)階段問題并不在于模型寫得好不好，而是當(dāng)前大多數(shù)AI系統(tǒng)，本質(zhì)上更像一臺每次重新運行的機器。

它很難被逐步引導(dǎo)，也很難像真實合作者那樣按步驟協(xié)作。

用戶無法凍結(jié)已經(jīng)完成的部分，也無法逐步調(diào)整系統(tǒng)行為。AI越強，這種失控感反而越明顯。

正是在這樣的背景下，MorphMind開始逐漸成形。

團隊最早的嘗試其實發(fā)生在實驗室內(nèi)部。

2024年初，他們已經(jīng)開發(fā)過多個AI Agent，用來自動化科研流程中的不同環(huán)節(jié)，例如實驗管理、數(shù)據(jù)分析和文檔整理等。

那段時間的體驗很直接：AI已經(jīng)可以替他們完成大量任務(wù)，但真正的瓶頸很快就暴露出來。

他們發(fā)現(xiàn)，其實很多擁有深厚專業(yè)判斷的人，并不缺問題，也不缺應(yīng)用場景，他們?nèi)鄙俚闹皇且粋€能力——把自己的想法快速變成一個可以工作的AI系統(tǒng)

如果每一次嘗試都必須依賴開發(fā)者、復(fù)雜配置和長周期工程協(xié)作，那么很多本來可以快速驗證的想法，最終還是會被卡在執(zhí)行環(huán)節(jié)。

于是MorphMind團隊逐漸意識到，比起繼續(xù)開發(fā)幾個內(nèi)部使用的Agent，更重要的事情，是把這套能力做成一種平臺，讓更多人可以直接使用

在這個過程中，他們用一個詞來描述自己想要實現(xiàn)的方向：Mutualistic AI，希望達到人與AI和諧共生的關(guān)系——

AI負責(zé)承擔(dān)那些高頻、耗時、可擴展的感知、認知和執(zhí)行任務(wù)，而人始終保留對目標、邊界和關(guān)鍵判斷的主導(dǎo)權(quán)。

這樣一來，AI能夠隨著人的反饋持續(xù)學(xué)習(xí)、持續(xù)貼近并放大專家能力的系統(tǒng)。

從行業(yè)角度看，MorphMind的產(chǎn)品形態(tài)，也正好踩在了一個關(guān)鍵節(jié)點上。

過去三年，AI產(chǎn)品形態(tài)大致經(jīng)歷了幾次明顯的變化：聊天機器人、工具型AI、單智能體，再到如今正在興起的Agent系統(tǒng)

在Agent系統(tǒng)這一最新階段里，AI開始承擔(dān)完整流程，而不僅僅是完成單個任務(wù)，AI正在從工具逐漸演化為一種新的組織結(jié)構(gòu)。

人類的角色也正在從使用工具的人，逐漸變成管理AI系統(tǒng)的人。

不同公司也正沿著不同方向探索這一變化：有些團隊專注于單個Agent能力的提升，有些則致力于構(gòu)建更復(fù)雜的自動化流程。

而MorphMind選擇的路徑，是構(gòu)建一個人與AI團隊協(xié)作的系統(tǒng)，除了替人執(zhí)行簡單的任務(wù)，也能夠隨著人的反饋不斷調(diào)整和成長

在MorphMind的設(shè)想中，他們希望能夠構(gòu)建一種新的基礎(chǔ)設(shè)施，一種可以讓人的思考能力被持續(xù)放大、沉淀并協(xié)作起來的基礎(chǔ)設(shè)施

過去很多復(fù)雜工作必須依賴一個完整團隊才能完成，而在AI參與之后，一個人就可以是一支隊伍，把這些事情真正推進下去。

• 讓每一個有想法的人，不再被執(zhí)行和工具門檻困住，而能夠帶著AI把事情真正做出來。

未來AI的組織方式會發(fā)生變化，一個以Agent為核心的世界正在逐漸成形。

如果這種形態(tài)逐漸成為現(xiàn)實，AI帶來的變化將不只是效率提升，而是一種更深層的轉(zhuǎn)變：工作的基本單位，不再以團隊的形式呈現(xiàn)，而是一個人和Ta管理的一群Agent

MorphMind想做的，就是讓這樣的協(xié)作方式不再停留在想象之中，而是成為現(xiàn)在就可以被真實體驗的一種工作模式。

△圖片為AI生成

這種協(xié)作范式的改變，在用戶真實場景中已初現(xiàn)端倪：

無論是在二級市場投研中，將原本耗時大半天的資料復(fù)盤縮短至半小時的結(jié)構(gòu)化產(chǎn)出；還是在強化學(xué)習(xí)科研中，將“實驗、異常、解釋”的復(fù)雜閉環(huán)固化為可復(fù)用的研究流；抑或是獨立開發(fā)者們將腦中靈感拆解為可交付的項目進程……

如果你第一次打開MorphMind，最直觀的感受或許會很簡單：

原來不需要懂復(fù)雜的AI技術(shù)，也不用反復(fù)遷就模型的行為，就已經(jīng)可以開始帶著一支AI專家團隊做事了。

而這，或許正是Agent時代最真實最鮮活的一種開端。

MorphMind官網(wǎng)：
https://morphmind.ai
立即免費試用：
https://agentlab.morphmind.ai