第一篇｜今日 AI 观察：AI 产品正在悄悄取消“模式选择”，把复杂性留给系统自己
过去一天里，几家主要 AI 公司做出的产品调整有一个共同点，但并不是“模型又强了多少”。更值得注意的是，它们正在减少用户必须理解的技术结构：你不再需要先判断这件事该用聊天、Agent、文档工具还是语音模型，而是直接说明想完成什么，系统自己决定怎样组合能力。
Anthropic 9 月 16 日宣布把原本分开的 Claude Chat 和 Claude Cowork 合并成一个统一入口，同时上线 Claude Docs 和 Claude Slides，并把 Claude Design 也放回普通会话中。原来用户需要先想清楚“这是一个问答，还是一个适合交给 Cowork 的复杂任务”，现在 Anthropic 的设计方向变成了：先说目标，Claude 自己判断需要哪种能力。复杂任务可以在云端继续运行，即使用户关闭电脑；研究结果可以直接变成文档，再基于同一个上下文生成演示文稿，用户也能继续手工修改、评论和导出 PowerPoint 或 PDF。
这个变化看起来只是“少一个按钮”，其实触及了 AI 产品一个越来越明显的问题。过去两年，产品每增加一种能力，就增加一个入口：普通聊天、深度研究、代码、画布、Agent、Cowork、Artifacts……功能越多，用户越需要先理解产品内部是怎么分的。Anthropic 这次选择反过来做：不要让用户学习 AI 产品的组织结构，让产品去理解任务。这可能比再增加一个专门模式更接近成熟软件应有的样子。
Google 最近发布的 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，从另一条路径做了类似的事情。它们面向实时语音 Agent，不只是“把文字回答念出来”，而是允许模型在继续和人对话的同时，在后台调用工具或 API；Extended Thinking 版本则在语音交互过程中进行更复杂的多步推理。Google 还把视觉输入纳入实时交互，并支持自动识别多种语言。也就是说，用户可以一边说话、一边给它看东西，而系统同时在后台完成查询或操作，交互不必为了“模型正在工作”而停下来。
这对语音 Agent 的意义不只是响应快。现在很多所谓“语音助手”，实际上仍然是语音输入、等待、文字模型处理、再朗读结果，只不过外面套了一层声音。真正自然的助手应该更接近人与人协作：你可以继续补充信息，它可以告诉你“我正在查”，后台工具还在运行，必要时再回来确认。交互本身和任务执行开始并行，而不是排成一条串行流水线。
OpenAI 9 月 16 日公布的 Sponsored Agents，则把这种变化带到了一个完全不同的领域——广告。ChatGPT 中的广告点击之后，不一定马上把人送去一个网站，而是可以进入一个明确标注为赞助内容的企业 Agent 会话。用户可以继续问：“这张桌子适不适合我的房间？”“坐几个人？”“怎么保养？”等具体问题，确认有兴趣后再进入商家网站。OpenAI 同时允许广告主在 ChatGPT 中用自然语言创建和分析广告，并把广告体系接入 HubSpot 和 Shopify。
这里真正值得观察的不是 OpenAI 又多了一条广告收入，而是广告本身正在从“一个页面入口”变成“一个可以完成判断的对话对象”。过去广告负责吸引点击，落地页负责解释产品，客服负责回答问题；Sponsored Agent 试图把这三步压到一个连续对话里。它当然会带来新的信任问题——所以 OpenAI 特别强调赞助 Agent 与 ChatGPT 自己的回答、用户原来的会话彼此分开——但从产品设计角度看，它说明 AI 正在改变的可能不只是内容生产，而是软件中“交互单位”本身。
这一趋势有一个容易被忽略的反面：当入口越来越简单，后台运行反而越来越复杂。近期一篇预印本《When Agents Slow Down》研究了长时间运行的 Agent 是否会随着投入更多 token 一直变好。作者在多个开放式任务上观察到，Agent 初期能够有效利用更多计算和工具调用，但边际收益会逐渐下降；在论文中的一个优化任务上，把同样的 1 亿 token 预算分到若干并行会话，反而比让单个 Agent 一直运行取得更好的结果。这个结果目前只来自特定实验和基准，不能直接推广到所有工作流，但它提出了一个很有实际意义的问题：Agent 什么时候应该继续想，什么时候应该重新开始一个独立方向？
这件事对于多 Agent 工作流尤其值得注意。现在很容易把“长任务”理解成“让最强模型一直做下去”，但如果 Agent 已经被早期假设锁进一条路径，继续增加上下文和推理未必仍是最好的资源分配。未来比较成熟的编排可能需要同时拥有两种能力：一条会话负责持续积累上下文，另一套机制在发现收益下降时主动分叉，用新的上下文重新尝试，再把结果比较回来。这里的关键不在“多 Agent 一定更好”，而在于并行应该发生在信息价值开始下降的位置，而不是为了显得复杂而从第一步就启动十个 Agent。
基础设施层面也出现了类似的分化。Anthropic 9 月 16 日签下其首个澳大利亚数据中心协议，规划中的园区主要用于 AI 推理而不是训练，并预计 2027 年开始运营。训练前沿模型仍然集中在少数超大集群，但随着 AI 真正进入办公、语音、Agent 和应用软件，持续发生的推理本身正在形成一套越来越独立的基础设施需求。
如果把这些变化放回实际使用，我觉得今天最有意思的不是某一个新功能，而是一个产品设计方向正在变得清楚：用户越来越不需要先选择 AI 的工作模式，而系统必须越来越擅长选择自己的工作方式。
这意味着未来判断一个 AI 工具是否成熟，也许不应该只看它提供多少按钮和模型，而要看用户能不能直接描述结果，然后让系统自己决定：这次应该聊天、搜索、调用工具、后台执行、生成文档，还是启动另一条独立尝试。
第二篇｜每日一个创意 AI 应用深度解析：AI 把调查做快以后，下一个瓶颈可能变成“人怎么读完它”
生成式 AI 很擅长制造一种新的生产力幻觉：原来一个人要几天才能完成的调研，现在十几分钟或者几个小时就可以生成几十页报告，于是我们自然会觉得“效率提高了”。
但真正使用过深度研究工具的人很容易遇到另一个问题。
报告生成得越快，人需要阅读的东西反而越多。
一份 60 页的 AI 调研报告可能只花几个小时生成，但使用它的人仍然必须判断：哪些结论真的重要？某一句话的依据在哪里？引用的文章是否真的支持它？这个推断是来源明确写的，还是模型自己的解释？如果最后还要给领导或者团队汇报，又要重新把几十页内容挑选、压缩、改成自己的表达。
结果可能是：AI 消灭了“找资料”的瓶颈，却把瓶颈推到了“理解资料”。
日本 Sakana AI 在 9 月 16 日给其深度研究产品 Sakana Marlin 增加的两个功能，恰好是在解决这个问题，而且我觉得这比简单再让研究 Agent “多搜一些资料”更有启发。
Marlin 本身是一种长时间运行的研究 Agent。Sakana AI 在今年 6 月推出商业版本时，将它定位为面向战略研究的系统：用户提出一个研究问题以后，系统可以持续数小时进行假设、搜索、验证并生成数十页报告和演示材料。公开介绍显示，早期测试中生成的报告经常达到几十甚至上百页。
真正有意思的是，这次更新来自产品投入实际使用以后暴露出的一个问题。Sakana AI 表示，一些用户反馈：报告内容虽然很全面，但阅读几十页结果依然很耗时间；当他们怀疑某个结论时，还要自己打开引用来源，再去寻找到底哪一段支持这个判断；如果准备内部汇报，还需要重新修改内容，把自己的理解放进去。于是原来宣传的“让 AI 调查，人负责决策”中间，突然暴露出一个此前没有被充分设计的步骤——人必须先形成自己的理解，才能决策。
Sakana AI 的解决方式叫 Interactive Reading，直译就是“交互式阅读”。
用户不必从第一页开始线性读到最后一页，而是可以直接围绕报告提问。例如：“为什么这里判断这个市场会收缩？”“这个结论最依赖哪几个来源？”“反对这个观点的证据是什么？”系统可以把人带回报告中对应的位置。更重要的是，点击引用后，Agent 会继续打开原始来源，并指向支撑当前陈述的具体内容，而不是只把一个网址丢给用户。
这里最聪明的地方其实不是聊天。
现在任何 PDF 阅读器都可以加一个“和文档聊天”的窗口，但如果只是让模型重新概括文档，它并没有改变阅读这件事。
Marlin 这次真正有价值的设计，是把“提出疑问—定位论点—回到证据”这条路径缩短了。
传统的 AI 报告是一种终点式产品：Agent 工作结束，扔给你一份长文，人从头开始接管。
Interactive Reading 更像把报告变成了一个可以继续探索的界面。文档不再只是最终答案，而是研究过程的地图。你看到一个结论有疑问，不需要重新做一次搜索，而是可以沿着现有研究路径往下钻。
这会带来一种完全不同的阅读方式。
以前我们读报告，基本结构是：
作者决定顺序，读者跟着作者走。
但如果文档本身具备可交互的研究上下文以后，阅读可能变成：
读者决定自己此刻需要理解什么，系统重新组织研究材料。
一个负责战略的人最关心市场结构，一个财务人员可能先追问成本假设，一个法律人员可能先看政策依据。他们使用的仍然是同一份研究成果，却不必按同一个顺序读完所有内容。
这其实是在改变“报告”这种存在了几百年的信息形态。
Sakana AI 同一天增加的另一个功能，看上去更普通：输出可编辑的 PowerPoint。但它和 Interactive Reading 放在一起以后，逻辑就变得完整了。Marlin 生成的幻灯片中，文字、图形、表格和图表数据都可以继续编辑，也可以套用公司的既有模板，并保留来源 URL。使用者可以在 AI 调研结果上加入自己的判断，再把它带进真正的会议和决策场景。
这里的人机分工并不是“AI 写，人审核”这么简单。
AI 负责扩展搜索空间，生成大量候选事实和关系；Interactive Reading 帮人缩小自己真正需要理解的区域；人决定哪些判断值得相信、哪些值得进一步追问；最后 PowerPoint 又把经过人重新解释的结果带进组织沟通。
所以这个案例真正解决的不是“怎么让 AI 写更好的研究报告”，而是：
怎样避免 AI 生产的信息速度超过人吸收信息的速度。
这可能会成为未来几年非常普遍的问题。
现在我们已经开始看到 AI 写文档、写代码、生成会议纪要、做 Deep Research。大家首先关心的是生成能力。但如果生成成本持续接近零，真正稀缺的资源就会逐渐变成人的注意力。
如果一个 Agent 一晚上能够给你产生二十份分析报告，第二天早晨你面对的并不是生产力奇迹，而可能是一个新的收件箱。
因此我觉得 Marlin 这次更新可以抽象出一个很有价值的产品设计原则：当 AI 自动化掉一个环节后，不要继续盯着已经被自动化的环节优化，要去看新的瓶颈移动到了哪里。
调查变快以后，瓶颈移动到了理解。
代码生成变快以后，瓶颈可能移动到审查和验收。
内容生成变快以后，瓶颈可能移动到筛选和选择。
会议记录变快以后，瓶颈可能移动到“哪些决定真的需要落实”。
这和单纯追求“模型再多生成一点”是完全不同的产品思路。
如果把这种设计迁移到专业研究中，可以想象一个比“自动生成 80 页尽调报告”更有用的工具。
假设 AI 已经完成一家公司的尽职调查。传统交付是一个 PDF；更进一步的做法，则是让阅读者直接问：
“这份报告中，哪三个风险结论只依赖单一来源？”
“哪几项判断来自公司自己的披露，而没有第三方材料支持？”
“过去一年新增的风险点在哪里？”
点击其中一个结论后，系统直接带回原始材料对应段落。阅读者可以标记“接受”“有争议”“需要补证”，再让系统只围绕这些未解决问题继续研究。
注意，这里的进步并不是再让 AI 重写一份更短的摘要。
它是在把阅读过程本身做成一个可以操作的工作空间。
沿着这个方向，我觉得还有两个可以继续发散的设计。
第一个，是让 AI 报告记住“读者理解到了哪里”，而不是只记住报告写到了哪里。
现在文档一般只有已读、评论、修改记录。但未来一份研究报告可以有另一种状态：哪些结论已经被团队确认，哪些存在异议，哪些证据看过了，哪些假设仍然依赖未知条件。
第二天再打开时，用户不需要重新面对 80 页全文，而是直接看到：“昨天还有四个关键问题没有形成共识。”
如果几个部门一起阅读，这种设计甚至可以进一步生成一张“分歧地图”：大家并不是在整篇报告上各留几十个批注，而是系统识别出真正存在判断分歧的三四个问题，然后把下一次会议围绕这些问题组织起来。
第二个方向更有意思：报告可能不再需要固定的“最终版本”。
今天我们做研究，默认最后必须得到一篇结构固定的长文。但如果证据、分析和来源已经被组织成可导航的结构，所谓报告可能只是其中一种视图。
管理层看到五页关键判断。
项目团队看到二十页操作分析。
专业人员进入某个结论以后，可以继续一路追到原始材料。
它们不是三份不同报告，而是同一个研究空间的不同阅读深度。
这与今天很多 AI 产品不断追求“生成更漂亮的报告”相比，是另一条路线：不是让 AI 更像一个会写 Word 的人，而是开始重新思考——当机器已经可以随时生成文字以后，我们为什么还必须用传统文档的方式消费信息？
Sakana Marlin 这次更新目前仍然主要是厂商自己的产品说明和用户反馈，没有独立数据证明 Interactive Reading 到底能节省多少阅读时间，也不能因为可以跳转到来源，就认为模型对来源的解释一定正确。它真正值得关注的地方并不是这些效果已经被证明，而是它抓到了一个非常真实的新问题：AI 的生产能力开始超过人的理解能力。
如果这个判断成立，接下来一批真正有意思的 AI 产品，很可能不会继续问：
“怎么让模型再多生成一点？”
而会开始问：
“当机器已经替我们生产了海量内容，人应该怎样更快地理解、质疑、选择和形成自己的判断？”
这可能比再做一个更长的 Deep Research 报告，更值得探索。