
【GDC加更】AI进游戏,为什么这么难2026 GDC观察:AI进游戏,为什么这么难? 今年GDC的AI议题翻了一倍,但开发者问得最多的问题却是:"这些技术到底什么时候能用到我的游戏里?"当AI竞争的焦点从"谁的模型更强"变成"谁能真正用起来",游戏行业正面临一场从认知到落地的艰难跨越。这期内容从一个游戏PM的视角,拆解AI进游戏的三层门槛,以及不同体量团队的应对思路。 📌 关键观点 ▸ 只有36%的游戏从业者在实际使用生成式AI,大部分停留在个人效率工具层面▸ 科技公司提供API,但"怎么接进管线"不在他们的方案范畴内▸ AI进游戏的三层门槛:工业管线复杂性、玩法体验融入、与原有系统深度耦合▸ 世界模型连"100血砍5点剩95"的基础数值逻辑都处理不了——游戏需要确定性系统▸ AI队友的设计思路:不是附加功能,而是核心机制的一部分▸ 游戏的成熟商业模式(内购、赛季制、创作者经济)可能反过来帮AI找到变现路径 🎙️ 关于主播 Hao|游戏行业近10年,从策划转型的项目经理公众号/B站/知乎/小红书:Hao的游戏PM笔记网站:pmnote.ai 📚 相关内容 ▸ 游戏行业的几个AI落地方向思考 ▸ 游戏公司的AI转型,为什么这么难? ▸ AI时代,游戏从业者应该怎么用AI ▸ 游戏PM的AI提效课程——围绕真实工作场景的实操方法 ▸ PM成长社区——每日工作思考与行业观察
【春招季加更】文科生做游戏PM,到底要补什么?播客简介: 文科生转行做游戏PM,第一反应往往是"我得先补技术"。但学了两个月Unity之后,你可能会发现自己离拿到offer一点都没更近。 这期播客聊的是一个被问了无数次的问题:文科背景想做游戏PM,到底要准备什么?我按四个能力模块拆解——行业认知、流程理解、工具能力、沟通协调——逐个讲需要补到什么程度。以及一个很多人没意识到的事实:文科生在沟通和信息整理上的优势,恰恰是游戏PM最核心的能力。 关键观点: * "喜欢玩游戏"和"理解游戏行业"是两回事 * PM不需要会写代码,但必须听得懂研发在说什么 * 文科生的理解力、表达力、结构化思维是游戏PM的核心能力 * 别泛泛地"学技术",按岗位需求补到够用就行 * 你之前的非游戏行业经历不是白费的,关键是能不能翻译成游戏行业语言 提到的资源: * 行业媒体:游戏葡萄、GameLook、触乐 * 项目管理工具:JIRA、飞书项目 * 文档协作工具:飞书文档、Confluence、Notion 📌 相关内容 关于游戏PM入行和成长,我做了几档系统课程: 「游戏项目管理14讲」——面向零基础或刚入行的同学,从游戏研发全流程到PM日常工作全覆盖,帮你建立完整的认知框架。 「从执行者到架构师」——面向1-3年经验的PM,解决从执行层往管理层跨越的核心问题。 「游戏PM的AI提效课」——围绕游戏PM日常工作场景,手把手教你把AI嵌入工作流。 课程详情和PM成长社区入口可以在我的主页找到。有具体的转行困惑也可以来社区里聊,或者私信我做一对一咨询。 @Hao的游戏PM笔记
【油管解读】2月Anthropic创始人Dario深度访谈Shownotes 🎙️ 「油管解读」是我新开的一档节目 油管上有太多高质量的深度内容,但大多是英文的,动辄几小时,听起来费劲。所以我用 AI 把感兴趣的内容转成中文播客,方便自己通勤收听,也分享给你。 本期解读:Dario Amodei — "We are near the end of the exponential" Dwarkesh Podcast 最新一期,主持人 Dwarkesh Patel 深度对话 Anthropic CEO Dario Amodei。这是 Dario 三年来最坦诚的一次长访谈——两个小时,覆盖 AI 技术走向、商业化路径、算力军备竞赛、监管争议和中美博弈。他给出了具体的概率判断:90% 确信 10 年内实现「数据中心里的天才国度」,直觉判断是 1-3 年。 🔥 本期核心内容 1. Scaling 继续,RL 走上了和预训练一样的路2017年的「大算力假说」依然成立|RL 在各类任务上呈现 log-linear 扩展|底层逻辑没变,加速维度多了一个 2. AGI 时间表:90% 置信度 10 年内,直觉 1-3 年可验证任务(编程/数学)1-2 年内端到端完成|不可验证任务是唯一的基础不确定性|泛化能力已在显现 3. 软件工程自动化是光谱不是开关90% 代码 → 100% 代码 → 90% 工程任务 → 100% 工程任务 → 需求减少|目前快速穿越光谱中 4. 算力采购是生存游戏年收入 10x 增长持续三年(0→1亿→10亿→100亿)|预判偏差一年可致命|行业到 2029 年将达万亿级年投入 5. 算力即国运:出口管制与威权体制的命运民主国家应在关键节点持有更强杠杆|不卖芯片和数据中心给中国|设想用 AI 帮助威权国家公民抵抗监控 💡 对游戏/科技从业者的启示 * Diffusion 是管理者最该关注的变量——从「AI 能做」到「团队在用」之间,全是项目管理的活 * 预测误差一年就能致命:版本排期同理,保持余量是核心纪律 * 把软件工程光谱翻译到美术/程序/策划,定位你的团队在光谱哪个位置 * AI 不需要「入职」,但需要显性化的知识库——这本身就是好的管理实践 📌 关于我 我是 Hao,游戏行业项目管理从业者,9 年经验。这档节目是我的"学习笔记",把油管上的好内容消化成中文播客,带上我自己的视角和思考。如果你也对 AI、科技趋势、项目管理感兴趣,欢迎订阅 🎧 🔗 延伸内容 * 游戏项目管理进阶课程:j6cuy7img2.feishu.cn * 模拟面试 / 简历优化服务:j6cuy7img2.feishu.cn * 游戏 PM 成长社区(含工作思考与案例沉淀):j6cuy7img2.feishu.cn
【加更】网易外包大裁员?游戏团队的AI转型,一场集体默契的表演简介: 工具买了、培训开了、PPT里AI出现频率翻了五倍——但走进工位看看,大家干活的方式跟一年前一模一样。 游戏公司的AI转型推不动,问题到底出在哪? 这期聊聊我在不同游戏团队里反复看到的同一套剧本:每个人都在"配合",每个人都做了最合理的选择,但叠在一起就是集体原地踏步。 另外也聊了聊最近网易清退外包的事,以及一个很多人不愿意面对的问题:全行业AI化之后,游戏公司真的能省钱吗? 💡 本期要点 → 游戏公司AI转型难的核心:激励机制还在奖励旧行为,"配合但不真干"是所有人的最优策略 → 制作人、组长、一线、PM四个角色各有各的"合理不作为",叠加起来就是系统停滞→ 跟游戏设计一个道理:想改变玩家行为得改机制,骂玩家没用 → 全行业AI化≠降本,更可能是"换了一种花钱方式",AI是入场券不是印钞机 → 网易外包清退是一个信号:外包首当其冲,正编工作密度也在上升 → PM别试图推全面转型,先从自己的场景跑通,用结果带动团队 🎙️ 关于主播Hao 游戏行业PM,近10年从业经验,「Hao的游戏PM笔记」主理人。专注游戏项目管理方法论与AI时代的PM成长路径。 📌 相关内容 → 游戏PM的AI提效课:围绕排期、风险识别、会议纪要、需求文档等真实工作场景,手把手教你把AI嵌入日常工作流 → 游戏PM进阶课《从执行者到架构师》:适合工作2年以上、想从跟进度转向设计体系的PM → PM成长社区:每日工作思考与复盘(已更新近200篇),游戏PM的系统学习资源 → 所有课程与社区详情:pmnote.ai → 更多内容欢迎关注「Hao的游戏PM笔记」
【油管解读】从170封退稿信到魔兽世界:暴雪传奇制作人Jeff Kaplan的游戏人生🎙️ 「油管解读」是我新开的一档节目 油管上有太多高质量的深度内容,但大多是英文的,动辄几小时,听起来费劲。所以我用 AI 把感兴趣的内容转成中文播客,方便自己通勤收听,也分享给你。 本期解读:Lex Fridman #493 — Jeff Kaplan Jeff Kaplan 是暴雪娱乐前副总裁,魔兽世界和守望先锋的核心缔造者。他参与塑造了游戏行业过去二十年最重要的两款产品。这期 Lex Fridman 播客长达五个多小时,从他的写作梦碎聊到了暴雪的黄金与衰落,再到他用"金繕い"哲学重新出发。 🔥 本期核心内容 1. 从失败作家到游戏设计师170封退稿信 → EverQuest公会会长 → 在论坛写游戏设计帖 → 被暴雪通过"隐形面试"招入 2. 魔兽世界的任务革命用"阻力最小路径"设计理念颠覆了MMO的刷怪升级模式,让玩家在故事中成长 3. Titan 的死亡与守望先锋的诞生百人团队花数年做不出的东西,小团队用6周7页文档找到了方向。crawl-walk-run 策略的胜利 4. 暴雪衰落的组织真相CFO威胁裁员、商业指标压过创作自由、核心创作者被消耗——从黄金年代到人才流失 5. AI 与游戏的未来Jeff 认为目前 AI 在游戏领域是"一团乱麻",但真正的机会属于小团队——AI 让小工作室能做到以前做不到的事 💡 对游戏/科技从业者的启示 * 好的系统设计不是靠制度逼人遵守,而是让正确的路径成为阻力最小的路径 * 大项目失败往往不是技术问题,而是方向过多、决策分散的组织问题 * 保护创作者的创作空间,是管理者最重要的职责之一 * AI 正在拉平能力差距,小团队的黄金时代可能真的要来了 📌 关于我 我是 Hao,游戏行业项目管理从业者,9 年经验。这档节目是我的"学习笔记",把油管上的好内容消化成中文播客,带上我自己的视角和思考。如果你也对 AI、科技趋势、项目管理感兴趣,欢迎订阅 🎧 🔗 延伸内容 * 游戏项目管理进阶课程:j6cuy7img2.feishu.cn * 模拟面试 / 简历优化服务:j6cuy7img2.feishu.cn * 游戏 PM 成长社区(含工作思考与案例沉淀):j6cuy7img2.feishu.cn
【油管解读】Notion创始人:Agentic Engineering时代,人的角色怎么变?Shownotes 🎙️ 「油管解读」是我新开的一档节目 油管上有太多高质量的深度内容,但大多是英文的,动辄几小时,听起来费劲。所以我用 AI 把感兴趣的内容转成中文播客,方便自己通勤收听,也分享给你。 本期解读:From Coder to Manager - Navigating the Shift to Agentic Engineering No Priors 播客最新一期,主持人 Sarah Guo 对话 Notion 联合创始人 Simon Last。Simon 从去年夏天开始不再亲手写代码,转型为 Agent 的架构师和管理者。这期29分钟的对话,用一手经验展示了当 AI Agent 真的能干活之后,技术领导者的角色如何从「写代码」变成「管理写代码的 Agent」。 🔥 本期核心内容 1. Notion AI 的演化路径:从写作助手到自定义 AgentGPT-4 触发的两个方向|三四次重写才跑通长期方向|个人 Agent → 自定义 Agent 的渐进发布 2. 每六个月重写一次技术框架模型在进化,框架必须跟着进化|大多数公司犯的错是做一版就不动了|重写速度本身也在加快 3. 为 Agent 重新设计 API原有 JSON 格式对 Agent 太冗长|页面改用 Markdown 方言,数据库改用 SQLite|Agent 成为新的「客户」 4. 渐进式信任:邮件分诊 Agent 和 Bug 路由 Agent先审批模式再自动运行|Agent 自己生成规则列表|两周后完全放手 5. 产品理念的根本转变从「人类直接完成工作的工具」到「人类管理 Agent 完成工作的工具」|原有产品原语仍然有用|100个 Agent 需要看板不需要100个聊天窗口 💡 对游戏/科技从业者的启示 * 从执行者到架构师:管理 Agent 的核心能力就是项目管理的核心能力——任务分解、验证机制、渐进授权 * AI 工具迭代速度远超传统工具,团队需要建立定期审视的机制 * 为 Agent 设计接口:Markdown + SQLite 替代复杂 JSON,值得所有做内部工具的团队参考 * 100倍工程师意味着排期模型、资源分配、绩效评估都需要重新思考 📌 关于我 我是 Hao,游戏行业项目管理从业者,9 年经验。这档节目是我的"学习笔记",把油管上的好内容消化成中文播客,带上我自己的视角和思考。如果你也对 AI、科技趋势、项目管理感兴趣,欢迎订阅 🎧 🔗 延伸内容 * 网站:pmnote.ai * 游戏项目管理进阶课程:j6cuy7img2.feishu.cn * 模拟面试 / 简历优化服务:j6cuy7img2.feishu.cn * 游戏 PM 成长社区(含工作思考与案例沉淀):j6cuy7img2.feishu.cn
第120期 - 游戏行业的AI分水岭:效率、阶层和个人选择🔗 更多内容入口:pmnote.ai AI不只是在改变游戏的开发效率,它正在重新划定这个行业里谁有价值、谁会被边缘化。这期聊的不是"AI工具怎么用",而是一个更根本的问题:当个体能力差距被AI拉到十倍甚至几十倍,游戏行业的权力结构、职业路径和个人选择会发生什么变化? 聊了这些话题: * 一个反直觉的历史事实:为什么技术进步从来不会让人更轻松 * 游戏行业的"效率陷阱"——工具越强,加班越多的底层逻辑 * 同岗同级产能差10倍:AI正在打破什么假设 * 游戏行业的段位重置:谁在上分,谁在掉段 * "努力就有回报"这个信仰正在被动摇 * 过去十年的高薪,有多少是红利托着走的 * 别指望行业变好了你就能变好 * 这个行业对人的消耗是有极限的 * 三个具体建议:评估段位、投资不可替代的能力、主动做选择 相关内容: * 完整文字版:公众号「Hao的游戏PM笔记」 * PM成长社区 & 课程详情:pmnote.ai * 往期相关:《一名互联网游戏PM眼中的AI变革》《游戏公司的AI转型,为什么这么难?》
第119期 - AI Agent、咒语时代和一台4000块的Mac mini🔗 更多内容入口:pmnote.ai 本期简介: 最近OpenClaw火了——一个开源AI助理,号称能在你自己的电脑上跑起来帮你干各种事。 但一位完全不懂代码的用户花四千块买了台Mac mini专门折腾它,结果被反复折磨到重装了二十遍。 这期我们聊聊这个故事背后的启示: 当下AI工具对非技术用户来说到底是什么状态? 游戏从业者现在应该怎么面对AI焦虑? 以及为什么"写文档"可能是PM在AI时代最大的杠杆。 本期关键词:AI Agent、OpenClaw、Stable Diffusion、游戏PM、AI工具、自然语言文档 提到的工具/产品:OpenClaw、ChatGPT、Claude、Cursor、Midjourney、Stable Diffusion、Mac mini 信息源:播客《诗梳风》 相关链接: ∙ Hao的PM成长社区 & 课程:pmnote.ai ∙ 小红书/B站:Hao的游戏PM笔记 关于我 Hao,游戏行业9年,从策划转型的项目经理。运营「Hao的游戏PM笔记」,专注游戏项目管理实战内容。 📌 PM成长社区: pmnote.ai(社区入口、课程介绍、免费内容都在这里) 📌 课程:游戏PM入行 / 进阶 / AI提效,三个模块,详情见社区 📌 一对一咨询:模拟面试、简历优化,社区内联系我 如果这期内容对你有帮助,请分享给身边做游戏的朋友,这对我非常重要 🤝
第118期 - 游戏研发的钱、人和下一个周期🔗 更多内容入口:pmnote.ai 大厂不堆料了,一线团队和PM该怎么办? 网易砍掉名越稀洋工作室、腾讯关闭天美蒙特利尔——2020-2023年"砸钱冲3A"的海外扩张浪潮正式收场。当大厂战略从"不计成本"转向"省一分钱等于挣一分钱",一线研发团队和项目经理的工作方式正在被重塑。这期聊聊这个转向的因果链,以及它对我们每个人意味着什么。 📌 核心观点 → 大厂从"堆料扩张"转向"性价比研发",不是短期节流,是至少持续两三年的结构性变化→ 立项逻辑从"先做大再验证"变成"先验证再做大",PM需要适应精干小队阶段→ 外包管理的核心是"标准前置"——需求清晰、验收标准明确、沟通机制顺畅→ 性价比时代,最贵的浪费是"做了不该做的事",判断力的价值在上升→ PM的价值从"协调大团队高效运转"变成"用更少的资源做出更多的东西" 📎 相关内容 这期聊到的外包管理方法论和成本管控思维,在我的游戏PM进阶课里有更系统的拆解。 AI嵌入PM工作流的具体做法,可以看AI提效课。日常的工作思考和复盘我会发在PM成长社区,欢迎来聊。 @Hao的游戏PM笔记 关于我 Hao,游戏行业9年,从策划转型的项目经理。运营「Hao的游戏PM笔记」,专注游戏项目管理实战内容。 📌 PM成长社区: pmnote.ai(社区入口、课程介绍、免费内容都在这里) 📌 课程:游戏PM入行 / 进阶 / AI提效,三个模块,详情见社区 📌 一对一咨询:模拟面试、简历优化,社区内联系我 如果这期内容对你有帮助,请分享给身边做游戏的朋友,这对我非常重要 🤝
EP07 学习AI是一门手艺,不是一门科学本期简介 最后一期,聊一个看起来最"虚"但其实最重要的话题——学习方法。为什么很多人学了很多AI知识但用不起来?为什么有些人没怎么"学"但用得特别好?因为他们的学习方法不同。这一期帮你扔掉从学校带出来的六个错误习惯,建立"行动大于思考大于求知"的学习优先级。 本期你会听到 * 六个被学校教坏的思维习惯:为什么"找正确答案""越难越好""有人打分"在AI学习中全部失效 * AI是手艺不是科学:手艺没有标准答案,只能从实践中积累 * 手艺的学习方法:学徒制+实践,行动>思考>求知 * 三个学习误区:不实验、浅尝辄止、人云亦云 * Strong opinions, weakly held——学AI的最佳心态 * 游戏人在AI时代的核心竞争力:非共识的判断和行动 * 七课总回顾与行动建议 关键概念 手艺vs科学: 科学有标准答案,可以从课本学。手艺没有标准答案,只能从实践积累。AI的使用是手艺——你没法证明为什么这个prompt比那个好,但你知道它好用。 行动>思考>求知: 行动告诉你该思考什么,思考告诉你该学什么。大多数人的顺序是反的——先学知识再想用途再去做,结果"学了用不上"。 非共识判断: AI擅长在已知模式中找最优解。人的核心价值在于判断一个从没人做过的方向值不值得做——这种判断在被大众认可之前,看起来都像疯子的想法。
EP06 游戏人如何在AI时代建立竞争力本期简介 前五期建立了认知,这一期给你一个可执行的行动框架。不喊口号,讲具体怎么做。从"两种人的区别"讲起,给你一个五步行动法,以及为什么游戏行业的人做Builder有天然优势。 本期你会听到 * 两种人的区别:为什么有些人用AI两年还在原地,有些人半年就重构了工作方式 * Builder's Mindset不是创业,是一种思维习惯——遇到问题想"我能不能自己做一个" * 五步行动框架:从痛点出发→让AI帮做→克服困难→扩大价值→持续循环 * 过度分析陷阱:先做出来再说,分析不出好产品 * 游戏人的天然优势:需求定义能力、系统设计能力、审美判断力——这些正是AI最缺的 * 为什么不要等公司带你转型 关键概念 Builder's Mindset: 遇到需求或问题,第一反应不是等别人解决,而是想"我能不能自己做一个"。AI把"自己做"的门槛降到了前所未有的低。 五步行动框架: 找痛点→AI帮做→克服困难→扩大价值→持续循环。每一轮循环都在加深你对AI的理解和编排能力。
EP05 理解AI系统的底层逻辑本期简介 这一期是整门课里最"技术"的一期——但不讲代码和算法。我用游戏行业的类比把Agentic AI的三个核心组件讲透,然后用一个"版本质量报告生成"的完整场景走一遍流程。理解了这些,你就知道AI为什么有时候"做到七八成就停了",以及怎么解决。 本期你会听到 * Agentic AI的三个核心组件:大语言模型(大脑)、工具描述协议(菜单)、Orchestrator(调度中心) * 用"版本质量报告生成"的场景完整走一遍:LLM怎么决策、调度中心怎么执行、工具怎么被调用 * 为什么AI经常"做到七八成就停了":自我迭代闭环被打断的根本原因 * 两个解决思路:给AI配"眼睛"(多模态感知)和定"标准"(明确的成功标准) * 多智能体系统:一个AI不够用那就用一群,就像管理一个项目团队 * MCP协议是什么,为什么你应该知道它 * 为什么现阶段不需要学AI框架 关键概念 LLM + 工具协议 + Orchestrator: 所有Agentic AI产品的三个基本组件。LLM负责想,工具协议告诉它有什么工具可用,Orchestrator负责实际执行和循环调度。 自我迭代闭环: AI做事→看到结果→对照标准→不达标就改→再看→达标才交付。闭环被打断(AI看不到输出或没有标准)是"做到七八成就停了"的根本原因。 MCP(Model Context Protocol): Anthropic推动的开放标准,让不同AI和不同工具之间可以互通,类似USB接口的作用。
EP04 AI正在怎样改变游戏研发本期简介 前三期都在聊个人认知和能力。这一期拉远一步,从美术、程序、策划、QA、项目管理五个维度,聊AI正在怎样改变游戏研发本身。不是讲AI技术趋势,是讲你每天工作中正在发生的实际变化。 本期你会听到 * 美术管线:从"画三稿选一稿"变成"画三十稿选一稿",产能瓶颈从"手不够快"转向"脑不够用" * 程序和工具:一个不会写代码的PM怎么用AI做出200多个模型文件的自动化验收脚本 * 策划和设计:从"确定性设计"到"涌现性设计"——逆水寒、和平精英、王者荣耀已经在做的事 * QA的全新挑战:怎么测试一个"每次玩都不一样"的系统 * 项目管理:经验主义直觉为什么不够了,数据Agent能看到你看不到的东西 * 一个结构性机会:善于使用AI的小团队可能打出超越规模的产品力 关键概念 涌现性设计: 策划不再预设所有内容,而是定义角色性格和世界规则,具体内容在运行时由AI动态生成。需要策划从"叙事能力"升级到"系统设计能力"。 产能结构转移: 当AI接管了"体力活"(蒙皮、基础动画、材质批量生成),团队的瓶颈从"执行速度"转向"审美判断和创意方向"。
EP03 从操作员到AI Manager——工作方式的根本转变本期简介 前两期搞清楚了AI在发生什么。这一期聊一个更直接的问题:跟你有什么关系?你的工作方式要怎么改?我从一个策划同事的真实故事讲起,聊"使用AI"和"编排AI"的本质区别,以及游戏PM为什么天然适合这个转变。 本期你会听到 * 小张的故事:策划写完需求文档,让AI扮演程序员做"程序视角自检",评审从三轮变成一轮 * "使用AI"vs"编排AI":同样是用AI,为什么效率差了一个量级 * 我自己的内容创作工作流拆解:语音输入→AI整理→AI搜索→人工终审 * PM的三个段位在AI时代的重新定义:任务跟进者、问题解决者、体系架构师 * 三个实在的建议:描述目标而非步骤、评价AI的工作质量、给AI有效反馈 关键概念 编排AI: 不是把AI当一次性问答工具,而是把AI嵌入工作流程,让它扮演固定角色,和你形成持续的协作关系。 PM三段位: 任务跟进者(AI正在接管)→ 问题解决者(需要人的判断)→ 体系架构师(需要系统思维)。AI时代你必须往上走。
EP02 AI Agent的三大核心特征本期简介 上一期聊了AI的大图景,但"AI变强了"这个认知太模糊。这一期拆解Agentic AI的三个核心特征——工具调用、多步决策、自我迭代。理解了这三个特征,你就有了一个判断框架,能评估任何AI工具是真的能干活还是包装过的聊天机器人。 本期你会听到 * iPhone的教训:为什么诺基亚和微软看到了屏幕大小却看不到核心特征,以及这对理解AI有什么启示 * 工具调用:AI从"一张嘴"变成了"有手有脚",具体到游戏研发场景意味着什么 * 多步决策:好用的实习生和不好用的实习生的区别——AI现在能自己拆活儿了 * 自我迭代:用资产规范检查的例子讲"复利效应"——你培养AI的每一分钟都不白费 * 三个特征缺一不可,组合在一起才是真正的威力 关键概念 工具调用(Tool Use): AI能够使用外部工具——搜索、读写文件、执行代码、调用API。从"只能说"变成"能做事"。 多步决策: AI能自己规划执行路径,一步步推进任务,中间遇到错误能自己处理。 自我迭代: AI能把经验教训记录下来,下次不犯同样的错。你对它的每一次纠正都会积累。