周钧看世界 · 2026.10.23
周钧看意愿
新世界第一次允许我的意愿被无限放大
这几天，我在做自己的一个网站：zhoujun.ai。
最初想到的，是放一些文章、课程和个人介绍。做着做着，我逐渐明确：我更希望它成为企业家每天值得打开的信息站。有人进来，能够知道世界正在发生什么变化，找到与自己有关的机会，带走一点对经营有用的判断。
这个想法一旦明确，后面的事情开始迅速展开。每日商业参考、生意信号、持续关注的专题、搜索、判断题、预测，以及依据站内内容回答问题的助手，逐渐出现在同一个网站里。
我不断提出要求，查看结果，指出问题，再作调整。眼前的页面随着讨论发生变化，一个原本只存在于头脑里的设想，开始成为别人能够打开、阅读和使用的东西。
就在这个过程中，我突然有了一个非常具体的感受：新世界第一次允许我的意愿被无限放大。这里的“无限”，指向一种正在打开的可能：一个人的行动规模，开始能够远远越过他亲手操作、亲自掌握和逐项组织的范围。当然，算力有价格，系统有边界，任何真实结果都要接受现实检验。但过去那些首先挡在面前的门槛，正在松动。这件事，比AI能够写一篇文章、画一张图片，更值得认真思考。
过去，一个人有想法，首先要面对自己的能力边界。想做网站，要懂开发，或者找到开发的人；想做研究，要搜集资料、阅读、比较、核实；想持续提供服务，还要安排人员、建立流程、支付成本，并让所有环节不断衔接。
意愿与结果之间，隔着一整套组织工作。很多想法就是在这里慢慢消失的。人先盘点自己会什么、认识谁、手里有多少钱，再决定自己有资格想多大的事情。久而久之，我们甚至把能力边界当成了愿望边界。AI正在改变这件事。当它能够理解目标，编写代码，处理文件，分析数据，调用工具，一个人就开始有条件把“我希望什么发生”放在更靠前的位置。某些能力可以在任务出现以后，再被寻找、组合和调用。
人的意愿，开始能够直接参与组织生产。这种变化，在Agent身上表现得尤其清楚。Agent通常译作智能体。理解它，可以看一件很具体的事：你让AI“帮我研究这个行业”，它给出一段分析；你把目标交给具备相应工具的Agent，它可以搜索资料、打开原文、比较数据、整理文件，再根据途中发现的问题继续查证。它在一个执行过程中，持续选择下一步。OpenAI的官方开发资料，也将模型、工具、状态与编排列为构建这类系统的基本组成。
这意味着，人的表达开始越过单次问答，进入任务委托。以我的网站为例，一项可以进一步建立的任务是：每天寻找与企业经营有关的政策和采购信息，保留来源，检查参与条件，区分报名截止、投标截止与政策生效日期，再按统一格式整理，交给审核环节。
我真正提出的，是一个持续服务企业家的目标。检索、阅读、提取、分类、排版，都围绕这个目标展开。当然，系统仍然需要配置、权限、运行环境和验收标准。把一句话说出去，只是任务的起点。值得注意的是，越来越多原本需要人逐项安排的步骤，开始能够由系统承担。
这时，再理解Skill，就会看到另一层变化。Skill可以译作技能。它通常把某一类任务所需的操作方法、参考资料、模板和脚本整理在一起，让Agent在需要时读取并使用。Anthropic公开介绍过这种方式：把专业经验组织成可以组合、按需加载的资源，使通用智能体更适合具体工作。
对于经营者，这件事的分量很重。一家企业真正有价值的经验，经常藏在人的习惯里。老采购知道怎样辨别供应商，老销售知道什么线索值得跟，财务负责人知道哪些异常需要追查。很多时候，他们能够把事情做好，却很难把自己的判断完整交给别人。
现在，我们可以开始尝试把这些经验整理出来。例如，为网站建立一套信息编辑Skill：优先使用哪些来源，什么情况必须复核，金额怎样标注，新闻事实与经营分析如何区分，哪些内容不值得发布。再把做对的案例、犯过的错误和修改后的标准一并放进去。
经过测试和修订，这套经验就有机会在下一次任务中继续起作用。我今天作出的一次判断，可以逐渐成为明天反复使用的工作方法。这里开始出现一种新的积累。过去，我做完一件事，留下一个结果；现在，我还可以留下一种完成这类事情的能力。随着方法不断完善，未来每次启动任务，都能从已有积累继续向前。
一个人的经验，由此有了更大的使用半径。再往前，AI还可以接入外部系统。通过API、MCP等接口，具备相应授权的智能体能够读取资料、调用业务工具，并在允许的范围内执行操作。MCP提供的，就是让模型连接外部工具和服务的一种方式。
这让AI从处理眼前的文字，进一步进入真实业务。设想一家制造企业收到客户询价。接入了相关系统的Agent，可以读取规格，查询库存，调用成本计算方法，整理历史订单，生成报价草案，并指出交期或毛利上的异常，提交负责人审核。
这里有一个很深的变化：原本散落在邮件、表格、库存系统和个人经验里的东西，开始能够围绕同一个目标被组织起来。企业多年积累的数据，也因此获得了重新进入行动的机会。我们过去常说数字化，但大量数据仍然安静地躺在系统里。Agent与工具的结合，让这些积累开始有机会在需要的时刻参与判断、生成方案、推动下一步。而更高级的能力，已经涉及持续执行和多智能体协作。
任务可以在后台运行；配合部署好的调度系统，还可以按时间或事件再次启动。有人提交一份资料，流程开始检查；一项政策发生变化，相关记录进入复核；每天到指定时间，信息被整理成新的参考。这些能力需要具体建设，不能把一次聊天当成已经存在的长期服务。后台执行本身，已经有正式的技术支持。
于是，一个人的意愿可以在他离开屏幕后，继续通过系统发挥作用。多智能体协作，则进一步扩展了任务的规模。一个系统可以安排不同Agent处理不同方向：有人搜集，有人计算，有人核对，有人汇总。Anthropic已经公开介绍过由主智能体组织多个子智能体并行开展研究的系统。
甚至，AI已经开始协作制造新的工具。2026年2月，Anthropic公布过一项实验：研究人员让16个Agent协作开发一个用Rust编写的C编译器。经过近2000次会话，消耗约2万美元API费用，团队产出了约十万行代码，并报告能够编译Linux内核。研究者同时强调了测试、运行环境与反馈机制的重要性，也明确指出了系统的局限。
这个案例最值得看的地方，在于执行能力开始具有延伸自身的条件：完成任务所需的工具，也能够成为任务的一部分。一个人提出目标，系统组织行动；行动中发现缺少工具，再尝试开发工具，测试以后继续推进。由此，能够被一个人调动的工作范围，开始超出他预先拥有的工具清单。
这才是“意愿被放大”的深处。它涉及表达、执行、方法积累、外部连接、持续运行，以及围绕目标展开的协作。几种能力叠加以后，一个人所能发起的事情，与他个人的手速和工时之间，开始出现越来越大的距离。
但这也把一个更严厉的问题推到了人面前：当执行能力不断扩展，你究竟要它成就什么？工具匮乏的时候，我们容易把没有行动归因于条件不足。条件逐渐具备以后，许多更深的问题会显现出来：目标是否清楚，标准是否成立，自己是否愿意为结果负责。
你说要做一个有用的信息站，什么叫有用？信息多算不算？更新快算不算？一条过期的机会会不会耽误别人？一段看似专业的判断，究竟来自证据，还是来自机器流畅的措辞？
机器执行得越快，这些问题越需要提前想清楚。模糊的愿望会被放大，未经检验的判断也会被放大。一项错误标准，可以被稳定地执行很多次；一个看错的方向，可以迅速长出完整的页面、报告、流程和组织。过去，缓慢还给人留出了迟疑与修正的时间。现在，漂亮的成果来得太快，人反而容易把完成误认为成立。
企业家尤其需要警醒。多生成一些内容、多增加几个功能、多部署几个Agent，并不会自动产生客户价值。真正需要追问的是：这些能力最终帮助谁解决了什么问题？对方是否愿意持续使用，是否愿意为此付出时间、信任和金钱？
我的网站也一样。它可以很快变得丰富，但“企业家愿意每天打开”这件事，仍然要靠真实使用来回答。AI能够扩展行动，现实负责检验结果。因此，AI时代的经营能力，需要越来越多地体现在目标、标准、反馈和责任的组织上。人要说清希望抵达哪里，什么结果才算完成，哪些证据出现就应调整，以及哪些决定必须由自己承担。
老板的工作也会随之发生变化。过去，大量精力用于催促每一个环节继续运转；今后，越来越多精力要放在判断整个系统究竟在把什么做大。当执行开始变得容易，取舍就有了更高的分量。我越来越觉得，人真正拥有的，包含那些经过长期经历，终于愿意为之承担代价的追求。
想让一群企业家看清时代，想把自己的经验变成别人用得上的东西，想建立一种值得长期相守的关系。这些意愿，需要借助具体的能力进入现实，也需要在现实的回应中不断修正。
AI、Agent、Skill，以及正在出现的更多能力，给了这样的意愿一条更宽的道路。从前，一个人经常要根据自己已经拥有的条件，缩小所愿之事。今天，我们开始有机会围绕值得成就的事情，重新寻找和组织条件。
新世界第一次允许我的意愿被无限放大。而我真正需要想清楚的，是当它越过我的双手、我的工时、我的在场，继续向外展开时，我希望它为这个世界留下什么。
文本由亿林学堂提供。原文见 亿林学堂官网。