23. 把历史连起来：能力、应用、生态与尚未解决的问题

来源：大模型技术演进

2022 年 11 月 30 日，ChatGPT 以研究预览的形式开放。人们面对的是一个可以追问、修改要求、继续讨论的对话入口。代码解释、文章草稿和知识问答不再分别藏在不同的演示里，而是出现在同一个窗口中。发布公告

到了 2025 年 1 月，DeepSeek-R1 发布，推理模型与开放权重同时进入更多开发者的视野。又过了一年，OpenClaw 的传播把关注点推向持续运行的个人助手：人们开始讨论怎样接入消息软件、保留任务状态，以及把一项工作交给 AI 执行。DeepSeek-R1 公告、OpenClaw 项目介绍

如果只记住这些名称，很容易把几年历史看成一轮接一轮的热点。前面的文章已经展示，变化发生在更具体的地方：模型可以处理的输入变多了，能够承担的任务变长了，某些能力的使用成本下降了，外部工具与运行环境也逐渐补齐。

这一篇把这些线索放回同一张图里。我们关心的不是谁赢得了每一个月，而是：为什么某一阶段会出现那一类应用，典型产品怎样改变人们的使用方式，又为什么新能力总会带来新的工程问题。观察截止日期为 2026 年 10 月 3 日。

一张地图：应用边界是怎样被逐步推开的

下面是前 22 篇的阅读地图。时间表示这些问题在本系列中的主要观察阶段，不是技术的唯一诞生时间，也不是后一行取代前一行。

主要观察阶段	模型与使用条件的变化	变得突出或更可行的应用	相伴发展的生态与问题
2022 年前后至 2023 年	对话与指令遵循更易用，图像生成并行发展	ChatGPT、AI 绘画、内容创作、角色对话	提示词、生成界面、内容真实性与可控性；见第 1—4 篇
2023—2024 年	API 把能力交给开发者，模型可以结合检索和工具	知识库问答、Microsoft 365 Copilot、定制助手与固定工作流	LangChain、LlamaIndex、Dify、Coze；资料接入、流程与权限；见第 2、4—7 篇
2024 年	长上下文、多模态与推理效率发展	成套资料分析、语音视觉交互、理解项目的编辑器	文档处理、实时接口、本地推理与服务部署；见第 8—11 篇
2024 年末至 2025 年	推理时计算、代码与工具使用进步，生成过程更可迭代	推理助手、Vibe Coding、Coding Agent、深度研究、连续创作	Cursor、Claude Code、Codex、创作工作台；验证、反馈、素材一致性；见第 12—17 篇
2026 年，截至观察日	更长任务与更多产品集成进入实际探索	个人 Agent、跨软件任务与多模态工作流程	OpenClaw 及中国配套、连接协议、Skills、追踪和 Harness；见第 18—22 篇

这张表中每一阶段的变化，都可以拆成一个具体问题。

模型能够理解较复杂的要求，开发者才敢把任务描述交给它；API 把能力变成可调用的服务，个人项目才能接入；当一份材料太长或资料经常变化，检索和长上下文便成为不同的处理手段；当模型能根据工具反馈继续行动，应用才有机会从生成答案扩展到执行任务。

但模型能力不是唯一条件。一个语音应用还需要足够低的等待时间，一个个人 Agent 需要可用的账号与工具，一个视频产品需要修改和整理素材的界面。技术能力、成本与产品配套同时达到合适水平，新的体验才可能成立。

更准确的主线因此是：能力与成本改变了可行范围，产品把这种可能变成具体体验，生态降低了复用门槛，而真实使用暴露下一批限制。 这是本系列依据已介绍案例作出的归纳，不是一条能够预测所有产品命运的定律。

AIGC、RAG、Workflow、Agent 为什么会同时存在

回看当年的讨论，似乎总有一个词特别热门：AIGC、知识库、RAG、工作流、Agent。把它们排成“上一代与下一代”，却会产生错误的理解。

AIGC 强调由 AI 生成内容，范围可以包括文字、图片、音频和视频。RAG 强调先检索相关资料，再让生成过程利用这些资料。Workflow 强调步骤及其连接方式。Agent 则强调系统根据任务与反馈选择行动。这些词描述的并不是同一个维度。

而且，RAG 并不是 2023 年才被发明。2020 年的代表性论文已经研究了把参数化模型与外部检索结合的生成方法。它后来在大模型应用开发中受到广泛关注，是因为“让通用模型使用我的资料”成为更普遍的开发需求。RAG 原始研究

用复习助手就能把这些关系看清：应用先检索笔记，这是 RAG 的一部分；根据资料生成卡片，是内容生成；草稿检查和确认保存可以由固定工作流组织；如果资料缺失，系统再决定搜索什么、是否请求补充，就可能加入 Agent 的行动选择。

这个应用同时包含几种机制，并不自相矛盾。后来的 Agent 可以继续使用 RAG，固定工作流也可以在某一个节点调用 Agent。反过来，只需要把三份格式稳定的笔记转成卡片时，普通程序加一次模型调用也许就够了。

这也解释了为什么 Dify、Coze 与 LangGraph 能同时拥有使用场景。它们面向的开发入口、流程表达和运行问题不同，不能只因为都出现“智能体”三个字，就认为是同一种产品。具体机制可回看工作流篇与框架篇。

典型产品怎样推动技术变化

把技术与产品放在一起，一个重要问题就出现了：技术变革是不是由典型产品推动的？

从这几年的案例看，产品确实是关键推动力量，但它与底层技术相互作用。ChatGPT 让人们能够以低门槛体验自然对话；Cursor 把模型放进真实代码项目；Claude Code 把读文件、执行命令与验证连成工作过程。它们把“模型可能做到”变成用户可以反复尝试的体验，也让原本抽象的不足变得具体。

一个模型在代码题上得分很高，用户仍可能在真实项目里遇到错误依赖、启动失败和跨文件遗漏。编辑器与 Coding Agent 把这些问题摆到面前，进一步推动项目上下文、工具反馈和验证环境的发展。第 10 篇、第 14 篇分别介绍了这两个阶段。

同样，Midjourney、Stable Diffusion 及其工具生态，让人们不满足于“生成一张图”，转而要求保持人物、控制姿势、修改局部。视频和音乐产品又进一步带来镜头、时间线与分轨编辑的需求。产品使用提出的新问题，会成为后续模型与工程研究的目标。

这种推动并不意味着产品一走红，就证明其中出现了一种全新的模型架构。一次体验突破也可能来自更好的交互、更合适的工具组合，或者更低的等待与使用成本。OpenClaw 就需要放在这个层次理解：它组织模型、消息入口和持续任务，并不是一个新的基础模型。

也不要把“用户使用产品”理解成“每段对话都在实时训练模型”。产品团队可以通过评测、获准使用的反馈与研发迭代改进系统，具体数据使用方式仍取决于产品设置和政策。应用里的记忆、配置调整与模型参数更新是不同的机制。

公司、模型、产品和框架，要放在不同层次上看

几年的名称叠加之后，混淆往往比知识缺失更妨碍理解。可以先用四个问题定位一个新名字。

层次	要问的问题	本系列中的例子
公司或研发团队	谁在研发、提供或维护它？	OpenAI、Anthropic、阿里、月之暗面、腾讯、LangChain 团队
模型	哪个训练好的系统在处理输入、生成输出？	GPT、Claude、Qwen、DeepSeek-R1、Kimi K3 等模型或系列
产品或应用	用户从哪里完成一项具体工作？	ChatGPT、Kimi Code、WorkBuddy、Cursor、Dify、Coze
框架、协议及配套工具	开发者怎样组织、连接和检查系统？	LangGraph、LlamaIndex、MCP、LangSmith、Langfuse；它们自身也分属不同类别

这是一张定位表，不是互斥的公司分类。同一家公司可以跨越多层，一个产品也可以使用多个模型。Dify、Coze 是面向应用构建的平台；MCP 是连接协议；LangSmith、Langfuse 是工程配套，不能因为都帮助开发者就统称为“模型”。

DeepSeek-R1 的权重可以被其他服务提供者部署，因此用户在第三方产品里使用它，不等于正在使用 DeepSeek 官方应用。同样，一个工作助手的表现除了模型，还受到资料接入、工具、界面和运行环境影响。

这个区分也适用于中国厂商。DeepSeek、Qwen 的开放生态，Kimi 的模型与工具，字节的模型和创作产品，腾讯的模型与 WorkBuddy，以及智谱、MiniMax 各自的产品路线，应该按实际推动了什么能力和体验来理解。公司规模不能直接替代模型或产品影响力。具体近期能力与开放范围见第 19 篇。

另一条并行分支：人们也会为了交流本身使用 AI

前面的主线大多围绕生产力：写代码、读资料、做研究、生成素材。如果因此以为大模型应用只是在节省工作时间，就会漏掉一条重要分支。

Character.AI 在 2022 年 12 月的介绍中回顾，其公开测试已于当年 9 月开始，早于 ChatGPT 发布。用户可以创建并与不同的对话角色互动，场景覆盖娱乐、学习和交流。Character.AI 早期公告

中国厂商也探索了类似方向。MiniMax 在招股书中将面向国际市场的 Talkie 与面向中国市场的星野列为互动产品，介绍了角色定制、连续对话与语音互动等设计。这一产品线与它的视频生成、开发工具等方向并行，不能只用“能不能做办公任务”来判断其用途。MiniMax 产品说明，印刷页 266—267

角色互动与 AI 陪伴有交集，但也不完全相同。有人想参与一段故事，有人希望练习表达，也有人重视持续交流的体验。它们共同让一些能力变得特别重要：表达风格是否稳定，能否接住上下文，语音是否自然，是否记得用户明确表达的偏好。

评价方法也会随用途改变。知识库助手需要忠于资料；一个明确设定为虚构的故事角色，可以发挥想象；学习伙伴又必须在鼓励用户与纠正错误之间取得平衡。一个模型在某类任务中受欢迎，不必然意味着它在所有任务中最准确。

这种应用还要求产品清楚说明 AI 身份，让用户能够管理记忆和结束互动。让人愿意继续聊，不应成为唯一的设计目标。自然的交流体验可以有价值，但不能据此推断系统具有人类情感，或者把模拟关系当作可靠专业服务。

对个人开发者的启发是，应用价值并非只有“替用户完成一项事务”。互动方式、创作空间与学习体验也可以构成价值，只是需要为它们建立合适的目标与评价标准。

开放策略与成本，决定能力怎样扩散

模型能力增长解释了“能做什么”，开放方式与使用成本则很大程度上影响“谁能做、怎样做”。

API 让开发者不必先购买训练设备，就能把模型接入自己的程序；开放权重让更多团队有机会自行部署、适配和研究。DeepSeek-R1 发布时同时提供模型、蒸馏模型与 API 路径，就体现了多种使用方式可以并存。DeepSeek-R1 发布内容

不过，开放也有不同层次。能够下载权重、能够修改和分发、能够取得训练代码与数据，不是同一个条件。Hugging Face 在启动 Open-R1 项目时指出，R1 权重已公开，但原始训练数据与训练代码仍存在缺口；该项目希望研究和重建相关流程。这里说的是当时发布的范围，不是声称开放权重没有价值。Open-R1 项目说明

因此，看到“开源”两个字，还需要确认具体开放了什么、采用什么许可、自己是否有运行条件。下载不收费，也不等于部署、运维和每次推理没有成本。对于个人项目，托管 API 与自行部署各有适用条件，不能只按一个标签选择。

价格变化同样会改变产品设计。2024 年 7 月发布的 GPT-4o mini，就把低成本作为核心定位，并明确讨论了链式、多次调用等应用场景。它说明，小模型与效率改进可以让原来舍不得反复调用的环节进入日常使用。当时的发布公告

但把多次调用用起来之后，预算又会受到循环次数、资料长度、失败重试和人工检查影响。对开发者真正有意义的比较，是“在目标质量下完成任务需要多少成本”，而不是只比较单个输入 token 的价格。

这也解释了开放生态、便宜模型和强推理模型可以同时发展：它们回应不同的限制。快速分类可以优先考虑低延迟；复杂修改可能值得投入更多推理；需要控制运行环境的项目可能重视权重和部署选择。

热度、榜单与产品寿命，不能混为一个指标

一个发布会演示很精彩，一款应用下载量上升，一个模型在某个榜单领先，分别说明了不同的事情。演示说明选定场景能够呈现怎样的效果，使用量反映传播和采用，基准成绩则取决于任务、运行方式与评分规则。

2023 年的 MT-Bench 与 Chatbot Arena 研究，既探索了模型评委和人类偏好评价，也分析了模型评委的位置、冗长等偏差。榜单是一种观察工具，它需要连同方法一起阅读。评测研究

所以，理解一项进展时，可以进一步看：成绩测的是模型还是带工具的完整系统？采用了多少计算？结果能否在自己的资料和环境中复现？这不是否定榜单，而是把它放在正确的决策位置。上一篇的项目评测正是补上这一段距离。

名称变化又是另一种干扰。2024 年 2 月 8 日，Google 宣布 Bard 更名为 Gemini。后来读者看到 Gemini，既可能指模型家族，也可能指面向用户的应用；不能把这次更名误解成同一天才首次出现 Gemini 模型。Google 更名公告

还有的产品会退出。Sora 曾是本系列多模态创作史上的重要节点，但官方帮助中心说明，其网页与 App 体验已于 2026 年 4 月 26 日停用，官方另将同年 9 月 24 日列为 API 的停用日期。Sora 停用说明

历史影响与当前可用性必须分开。产品停用不会抹去当年的技术展示和产业影响，也不能仅凭停用通知就断言视频生成没有需求，或认定唯一原因是某项技术失败。对开发项目来说，它提醒我们保留自己的资料与产物，并留意所依赖服务的变更和迁移安排。

带着什么认识，进入真正的应用开发

把这些历史放在一起，最值得保留的并不是一张永远有效的厂商排名，而是一套观察方法。

当一个新产品出现时，先辨认它改变的是模型能力、使用成本、交互入口，还是执行环境。再看这种变化使什么任务更容易完成，依赖哪些资料和工具，以及结果怎样验证。最后才判断，它是否解决了你当前项目的真实问题。

假如你要做一个复习助手，就无需等待一个包办所有事情的 Agent。读取笔记、生成草稿、检查来源、让用户确认、保存卡片，可以从有限范围开始。以后需要理解图片时再加入视觉能力，需要跨天安排任务时再加入状态和调度。历史提供的价值，是帮助你判断下一步应该补什么。

截至观察日，长任务可靠性、资料可信度、多模态的一致性、权限与操作边界、成本控制和稳定交付，仍然需要模型与工程共同推进。这些问题不会因为换了一个流行名称就消失，也不意味着个人项目无法成立；它们决定了项目应该承诺多大范围，以及怎样证明承诺已经做到。

从第一次惊讶于聊天窗口里的回答，到要求 AI 接手一段真实工作，这几年最深刻的变化，是人们对软件能承担什么开始有了新的预期。典型产品让这种预期变得具体，开发者则要把它变成可以使用、能够检查、出错后可以恢复的程序。

本部分还剩最后一个视角：这些能力与应用背后，计算究竟发生在哪里？下一篇将从 GPU、内存、存储、CPU 与个人设备的需求变化出发，观察大模型工作负载怎样改变硬件需求。

---

上一篇：22｜更强的模型为什么仍然需要工程保障

下一篇：24｜硬件视角：从 GPU 紧缺到 Mac mini 热潮，工作负载怎样改变计算需求

返回：第 0 部分大纲