对话陈锴杰：做你的Personal Agent，更要做你的“高情商Agent”｜NEXTA创新夜谈

我们正处在一个与AI日常对话的时代，但这些强大的模型似乎总是患有“健忘症”。每一次新的对话，我们都不得不重复描述任务、背景和我们的需求。我们期待一个能真正记住“我是谁”，理解“我在干嘛”，甚至感知我们情绪与处境的AI。当AI能做到这一点，它将不再是冷冰冰的工具，而是我们真正的数字伙伴。

正是在这个背景下，连续创业者、马卡龙AI创始人陈锴杰，正在探索这个问题的答案。他创立的马卡龙AI，并非又一个聊天机器人，而是一个致力于成为“Personal Agent”（个人智能体）的全新物种。

技术背景的转变是这一切的起点。陈锴杰指出，AI行业正从单纯依靠增加参数和数据的“规模定律”（Scaling Law）时代，迈向“经验时代”（Era of Experience）。当互联网上的高质量数据被消耗殆尽，模型的智能提升遇到了瓶颈。未来，智能系统的竞争力将不再由规模参数决定，而是取决于其从真实用户经验中持续学习和进化的能力。

这一理念的核心是强化学习（RL）。陈锴杰用一个生动的比喻解释了其本质：看十小时网球视频，远不如亲自拿起球拍挥动一次学得快。每一次真实的互动，都为模型提供了蕴含因果关系的高质量数据，让它知道“怎样做才是对的”。这正是硅谷AI代码助手Cursor成功的秘诀——通过分析程序员采纳或放弃了哪些代码建议，其专用模型在速度和质量上甚至超越了许多通用大模型。

陈锴杰将这种哲学融入了马卡龙AI。他认为，AI的终极目标不应是帮你写更多的报告或PPT，而是成为一个“真正关心你生活”的伙伴。为此，马卡龙AI的核心突破在于其独特的“记忆系统”。它不依赖传统的关键词检索（RAG），而是将记忆内化为模型的一部分，通过强化学习不断更新。一个强大的“教师模型”（Reward Model）会根据用户的反馈，判断AI的回复是否令人满意，并指导“学生模型”如何更好地记住和使用信息。

在这种机制下，马卡龙AI能为用户创建超过十万个覆盖旅行、健康、理财等场景的个性化“小应用”。更重要的是，它致力于成为一个纯粹的“个人管家”。陈锴杰刻意避免了社区和广场功能，因为他相信，一个私密、专属的交流环境，才能让用户放心地与AI探讨恋爱、家庭、育儿等真正属于生活的话题。

从一个问答工具到一个生活伙伴，这不仅是产品的进化，更是AI发展范式的深刻变革。正如陈锴杰在分享中所说，好的技术能创造前所未有的产品体验，而产品体验又反过来为模型提供最宝贵的养料。马卡龙AI的探索，或许正是通往那个“高情商AI”未来的务实一步。

以下是嘉宾分享实录，经36氪整理——

一、从“规模定律”到“经验时代”：AI发展的下半场

我相信这张图大家都非常熟悉，这是2020年OpenAI发布的一张图，也是我们常说的“规模定律”（Scaling Law）的基础。图中显示，随着算力越来越大，模型的损失（loss）降得越来越低，效果越来越好，在对数坐标图上形成了一条直线。这张图说明：算力越大，模型越好。

但在2020年后的今天，情况发生了变化。我们现在更常引用的是“Chinchilla定律”。它指出，模型的参数量和其训练所需的数据量之间存在一个恒定的比例关系：模型参数越大，所需的数据就越多。然而，世界上的数据量是有限的。今天我们训练一个模型，大部分使用的数据量级在14TB左右，能训练出的模型参数量大约在1万亿（1T）左右。这意味着，无论是千问、DeepSeek还是Kimi，其模型参数量都很难超过这个上限，因为互联网的数据已经被穷尽了。

数据穷尽后我们发现，即便尝试把模型做得更大、放入更多合成数据，模型的智能也并未得到显著提升。这是今天大模型预训练上半场遇到的最大问题：预训练的容量已达上限，我们达到了规模定律的极限。

那么，下半场是什么？就是我今天主要想讲的——欢迎来到“经验时代”（Era of Experience）。

“经验时代”主要解决的是在无法继续依赖规模定律后，我们该怎么办的问题。这个概念由DeepMind的首席科学家David Silver和强化学习之父Richard Sutton提出。他们倡导用经验来推动模型智能的发展，即用真实的产品和产品中反馈的数据来推动模型进步，而非仅仅依靠预训练。

在“经验时代”，有几个最重要的要点：

1、智能系统的竞争力不再由规模参数决定，而是由其从真实经验中持续学习的能力决定。

2、智能不再仅依靠事先输入的海量数据（Pre-train），而是需要实时、动态的经验反馈来实现自我进化。

这基本上是今天硅谷乃至全球顶尖AI团队的最大共识。

二、强化学习的魔力：如何用真实反馈训练模型

为什么当模型无法做得更大时，我们需要用真实产品的数据来做反馈？这背后的逻辑是什么？

1、寻找信息增益最大的数据

因为无法获取更多数据，所以我们需要更高质量的数据。如何定义高质量？答案是：对模型来说信息增益最大的数据。

让我们回到强化学习的本质。以学打网球为例，一种方法是看10个小时的教学视频再去打球；另一种方法是直接拿起球拍打一下，第一球近了，调整力度再打，第二球就过网了。后者就是让模型进入真实环境互动，它能立刻知道自己“打轻了”或“打重了”。这一个数据点，对模型来说价值极高，因为它包含了明确的因果关系。而在看视频时，你无法确定该关注挥拍节奏、脚步、天气还是观众，信息的价值密度非常低。

因此，真实世界的强化学习数据是更高质量的数据，这是我们进入“经验时代”的根本原因。

2、目标对齐与奖励模型（Reward Model）

强化学习的另一个核心优势是“目标对齐”。我们能把我们想训练的目标，和对用户最有价值的目标对齐起来。过去，AI训练下围棋、打DOTA，这些任务的现实价值有限。今天，我们想训练的是如何写好代码、如何服务好用户、如何选对股票。强化学习能帮助我们把目标从虚拟世界拉到真实世界。

以AI代码助手Cursor为例，它是我认为现在被低估的一家优秀公司。Cursor最近发布了一个自研模型，虽然在最高准确率上不及OpenAI等最顶尖的模型，但它的速度极快，体验非常出色，写代码几乎变成了不断按Tab键的工作。

Cursor是如何做到的？他们采用了“Agent RL”——在Agent产品上做强化学习。具体来说，对于一个写代码任务，模型会生成多个解决方案路径。有的方案能成功运行，有的则失败。系统会收集这些“对”与“错”的结果，然后进行一次训练，告诉模型“对”的方案更好。通过每两个小时聚合一次用户数据并迭代模型，Cursor的模型智能分从40分逐步提升到55分、60分，并且我相信它有潜力超过世界上最好的模型。

这个过程中，最关键的一环是奖励模型（Reward Model），即如何定义“对”与“错”。实际上，并非直接由用户来二选一，而是由一个巨大的“教师模型”（Reward Model）来判定。这个教师模型本身也是一个万亿参数级别的大模型，它通过学习海量的用户数据（例如，用户接受了哪个代码建议、修改了哪里），来预测用户会接受哪个答案。这个教师模型就是我们为AI设定的目标，它的准确性至关重要。

当然，这里面存在“Hacking Problem”，即“学生模型”会用一些小聪明来骗过“教师模型”以获取高分。解决方案是，在“教师”和“学生”身上投入同等级别的算力，让它们进行公平的博弈和共同进化。

三、Macaron AI：打造有记忆、懂你的“个人智能体”

我们的产品Maccron，于8月15日上线，至今用户已在上面创建了超过10万个不同的小应用，涵盖旅行、健康、宠物、心情记录、职业规划等方方面面。

我们在两个方面应用了“经验时代”的技术：

1、小应用生成：在用户生成“拍照识别卡路里”或“记录房贷”等小应用的过程中，我们使用了强化学习技术，让模型学会如何生成一个稳定、可用的应用。

2、记忆系统：这是我们应用强化学习的另一个重点。

今天的记忆系统惯常做法是基于关键词的检索（RAG），但这更像是“背诵课文”，而非“理解应用”。我们认为，记忆应该是手段，而不是目的。调取记忆的最终目的是为了更好地解决用户当前的问题。

因此，我们将用户的满意度作为评估指标，训练了一个带推理能力的Reward Model。我们的记忆系统不是一个外部数据库，而是一个内嵌在模型中的、可训练的“记忆区块”。在对话过程中，这个区块会根据上下文和用户反馈动态变动，模型会自主决定什么值得记、什么需要修改。这种方式让记忆成为了大模型自身的一部分，从而可以被强化学习训练，效果远超传统的RAG。

在这个过程中，我们还用到了蚂蚁集团开源的Text Diffusion技术（dInfer推理框架）。它能同时生成千字文本，并且支持直接修改中间内容，速度极快。我们相信这项技术在未来会有巨大的产品潜力。

我们认为，好的技术可以创造前所未有的产品体验，而产品体验又作为环境收集用户数据，反过来加强模型训练，模型变强后又能创造更新的体验。这是当代AI公司可以做的最有趣的事情。

四、现场问答：关于产品、技术与未来的深度交流

Q1：Macaron支持很多场景，但这和强化学习需要在垂直领域应用的特点似乎有矛盾，如何平衡？

陈锴杰：确实，RL在垂类场景更好发挥。但“垂类”的定义是相对的。对模型来说，“写代码”已经是一个垂类。我们做的“写小应用”是写代码的一个子分类，因为我们有固定的前后端选型和UI交互方式，范围更小。

从应用场景来说，我们也在做减法。Macaron不是一个工作Agent，它不做PPT、财报或深度研究。我们希望它专注在“生活记录与规划”上。无论是理财、健身还是旅行规划，其核心都是记录和规划，这背后有一定的UI范式可以遵循。我们先在缩小的范围内做深，未来随着技术发展再逐步打开边界。

Q2：如何筛选用户记忆的有效性？用户有时候的表达是随意甚至矛盾的。

陈锴杰：我们理想的Agent，是你只需跟他对话，他就能自行判断什么该记、什么该忘。比如你昨天爱吃牛肉，今天过敏了，他应该知道不再推荐牛肉。

我们的训练方式就是不去预设规则，让模型自己判断。我们观察到，模型会更关注用户以“我”开头的、关于个人情况的句子，而对于一些评论性的内容则不太会记录。我们相信，只要模型训练得足够多，它最终能根据用户的语言习惯，帮助他记住他想记的东西，并持续更新。

Q3：生成小应用和个人记忆这两个功能之间似乎是割裂的，如何理解这个设计？

陈锴杰：这涉及到我们更长远的愿景。我们希望Macaron成为一个懂你的生活管家，能用多种形态满足你的需求。比如你问“晚上吃什么”，AI除了用文字回复，更好的方式是直接提供一个类似外卖软件的卡片让你挑选。这个卡片就是一个“小应用”。

我们最终设想的形态，是在聊天中交付各种小组件来创造价值，而非仅仅通过聊天。今天因为技术限制，我们还无法在5秒内生成并交付一个小组件，所以才把它做成了一个独立的Mini App功能。未来，我们希望这两者是融合的。

Q4：你认为Personal Agent未来的发展趋势是什么？

陈锴杰：我相信未来每个人都会有一个自己的AI生活管家。它可能会替代今天手机上排名靠后的大部分应用。你的个人管家应该能帮你设闹钟、管理日历、订机票、在淘宝下单、叫外卖。这个空间非常大，但谁会成为最大的玩家，以及最终会是什么形态，今天还很不确定。