拥抱黑盒：一个研究者 All in AI 的实录与反思【更新：附录增加了写作过程】
正在消失的地平线 我找到了一些程序的问题，全放到了 GitHub Issues 上。睡了一觉醒来，Agent 已经自动地把这些 issues 都解决了。 这不是科幻场景。这是我这段时间常见的画面。 大学时期，一次 ACM-ICPC 比赛后和队友聊天，开玩笑说哪天我们可以写个 AI，读了这些题目自己做出来。跟 Dennis Sullivan 聊天时，他也开玩笑说，哪天数学会不会也被 AI 替代。而如今，十几年过去了，玩笑正在一点点变成现实。 我学数学出身，做理论计算机和组合优化的研究。参加过一些编程竞赛，也在大厂打过工。在 LLM（Large Language Model，大语言模型，也就是 ChatGPT、Claude 背后的技术）出来之前，我对这些东西了解得并不多。甚至对整个机器学习了解都非常少，可能比普通的计算机学生知道得还少。LLM 出来之后，我也只是有一段时间用过 ChatGPT 解决点小问题，仅此而已。 2026年一月，我和一位 Shopify 员工聊天。Shopify 大面积推行 AI 的使用，甚至是强制使用，作为 KPI 的一部分。他告诉我，使用 AI 如何改变了...
www.uscardforum.com
仔细看这个体系，会发现它和操作系统惊人地相似：LLM 是 CPU（概率处理器），上下文窗口是 RAM，MCP 是驱动协议（类似 USB 或 POSIX），Skills 是安装在 OS 上的 App，Subagents 是多任务调度中的进程。所有的 Agent 框架实际上都是在为一个基于语言模型的计算核心编写新的操作系统。
更深层的变化是，AI 正在改变你思考问题的方式。当你习惯了和 Agent 协作，你会不自觉地开始把所有问题拆解成"可验证的小步骤"——因为这恰好是 Agent 最擅长处理的形式。你的需求会表达得更精确，因为你知道模糊的指令会导致模糊的结果。为了让 AI 更高效，你自己的思维也变得更结构化了。这是一种意外的副产品：你在训练 AI 的同时，AI 也在训练你。
作者从数学与理论计算机研究背景出发，在2026年初受Shopify员工启发，决定全面拥抱AI尤其是Coding Agent，亲手构建并迭代Agent系统，实现从手动写代码→AI辅助→AI全自动处理GitHub issues的转变。他详细剖析了LLM的黑盒本质、Agent的“操作系统”架构（上下文、MCP、Skills、Subagents），解释为什么Coding领域AI进展最快（强反馈闭环、可复用模式、海量文档），并分享了自己从“issue-to-pr”单任务Skill，到“run”多任务Orchestrator，再到Thin Agent模式的演进经历。核心观点是：要用好AI必须放弃对确定性的执着，拥抱黑盒；人类角色正从 coder → reviewer → PM → user 迁移；Coding Agent已宣告“手搓代码时代”终结，但数学等领域仍有缓冲。作者情绪上既有兴奋（效率爆炸），也有对控制权、可靠性、人类价值意义的深刻焦虑。全文呼吁尽快深度使用AI，因为潘多拉魔盒已开，一切回不去。