## 第四章 · 科技狂热期
---
### 4.1 聊天机器人
---
曦菲是在一条弹幕里第一次听说"大模型"的。
那天她直播，唱完了一首歌，弹幕在刷"好听好听"。忽然有一条弹幕夹在中间，跟其他的不一样：
"菲菲你唱歌这么好听，以后会不会被AI替代？"
她愣了一下。
AI？替代？
她不知道那是什么。弹幕滚得快，那条消息一闪就过去了。她没来得及问，下一条弹幕已经涌上来了——"菲菲笑一个""今天穿什么衣服"——日常的、热闹的、跟AI毫无关系的弹幕。
但她记住了那个词。
---
第二天休息的时候，她拿出手机，在搜索框里打了三个字：**AI是什么**。
搜索结果铺天盖地涌过来。她看了半天，似懂非懂。什么"人工智能""机器学习""神经网络"——每一个词她都认识字，连在一起就不认识了。
但有一条结果她点进去了。
是一个视频。视频里，一个人在跟电脑聊天。他对电脑说："帮我写一首关于秋天的诗。"电脑停了一秒，然后吐出一首诗——有韵律，有意象，像人写的。
曦菲瞪大了眼睛。
她又看了几个视频。有人让电脑写代码，有人让它翻译文章，有人让它分析一首歌词的含义。电脑都答出来了。不是那种死板的、像机器的回答，是灵活的，有逻辑的，甚至有点"聪明"的回答。
评论区炸了。
"这玩意儿太强了。"
"以后我们是不是不用干活了。"
"AI要取代人类了。"
"别急，它现在还很蠢，连简单的数学题都会算错。"
曦菲没有看评论。她盯着视频里那个聊天界面，脑子里只有一个念头——
**这个东西能跟人聊天。**
**那它能不能教我？**
---
她开始到处找这个"聊天机器人"。
搜索了半天，她发现有好几个。有的要付费，有的要注册，有的要"科学上网"——她不知道那是什么意思。最后她找到了一个免费的，国内能直接用的。
界面很简单。一个对话框，下面一行输入栏。上面写着："你好，我是AI助手，有什么可以帮你？"
曦菲想了想，打了几个字：
**"你好，我叫飒曦菲。我想学东西，但我只有初中文化，你能教我吗？"**
回复几乎是瞬间出来的：
> "你好，曦菲！当然可以。你想学什么？我可以从基础开始教你，一步一步来。不管你的起点在哪里，学习永远不晚。"
她看着这段话，忽然有点想哭。
不是因为感动。是因为——
这是她爷爷去世以后，第一个对她说"当然可以"的存在。
---
她从最基础的问起。
**"什么是AI？"**
AI回答了一大段。她没全看懂，但抓住了几个关键词：数据、模型、训练、预测。她把这些词记下来，一个一个追问。
**"什么是数据？"**
> "数据就是记录下来的信息。比如你的年龄、你今天吃了什么、你看过的视频——这些都是数据。数据是AI的'食物'，AI通过吃大量的数据来'学习'规律。"
**"AI怎么学习？"**
> "AI的学习方式跟人有点像，也有点不像。人学习是靠理解和思考，AI学习是靠找规律——给它大量的例子，它从中找出模式，然后用这些模式去预测新的情况。比如，给它看一万张猫的照片，它就能学会'猫长什么样'，下次看到一张新照片，它能判断是不是猫。"
**"那它跟人比，谁聪明？"**
> "这要看怎么定义'聪明'。AI在处理大量信息、找规律、做计算方面比人快得多。但在理解情感、创造新东西、处理没见过的情况方面，人远远超过AI。AI是工具，不是替代品。"
曦菲看着最后一句话——"AI是工具，不是替代品。"
工具。
像爷爷的桂花糕模具，像工厂的螺丝刀，像饭馆的托盘。工具不是来替代她的，是来帮她的。
她心里那颗种子，又往外拱了一层。
---
她开始每天跟AI聊天。
不是闲聊。是真的"上课"。
她让AI教她数学。从小学的分数开始——"二分之一加三分之一为什么不是五分之二？"AI用图给她画了出来，把一个圆切成几块，一块一块地拼给她看。她看了三遍，忽然就懂了。
她让AI教她物理。从最基础的力学开始——"为什么东西会往下掉？"AI讲了重力，讲了牛顿，讲了苹果的故事。她又问："那为什么卫星不掉下来？"AI讲了万有引力和离心力的平衡，她没全懂，但她觉得这件事很美——一个东西同时被往下拉和往旁边甩，两个力刚好抵消，它就悬在那里了，不掉也不飞。
她让AI教她英语。她连二十六个字母都认不全。AI从"A for Apple"开始教她，一个字母一个字母地来。她学得慢，但每天学一点，一个月后能拼出简单的单词了。
小芳看她每天对着手机说话，以为她在跟人聊天。
"曦菲，你交男朋友了？"
"没有，我在跟AI说话。"
"AI？就是那个聊天机器人？"
"嗯。"
"那有什么好聊的？它又没有感情。"
曦菲想了想："它没有感情。但它有耐心。"
"耐心？"
"我问它一个问题，它可以给我解释一百遍，不会嫌烦，不会说'你怎么连这个都不懂'，不会嘲笑我。我问得越蠢，它解释得越仔细。"
小芳没说话。
曦菲继续说："你知道我以前不敢问问题吗？在工厂的时候，我不会的事不敢问，怕别人笑我。在学校的时候也是，老师讲完了，我没听懂，但不敢举手。"
"现在呢？"
"现在我可以问。问多少遍都行。它不会笑我。"
小芳看着她，忽然觉得曦菲跟以前不一样了。以前她的眼睛是干净的，像水。现在水还是干净，但底下多了一层东西——不是浑浊，是深度。
---
她越学越快。
不是因为她变聪明了。是因为她找到了学习方法。
以前她不会学，是因为没有人教她"怎么学"。学校里老师讲完就走了，工厂里没有人教她任何东西，饭馆里只教她端盘子。她不知道"学习"是怎么回事——以为就是死记硬背，以为就是听别人讲、自己记下来。
AI教会她一件事：学习不是"记住"，是"理解"。
每学一个新东西，她就问AI："为什么？"问到底层逻辑，问到最基本的概念，直到她能用自己的话把那个东西讲出来。如果讲不出来，就说明还没懂，继续问。
她把辩证唯物主义的方法也用上了——找矛盾，找联系，找条件。
学数学的时候，她问自己：加法和乘法之间的矛盾是什么？乘法是加法的"压缩"——3×4就是4+4+4。那除法呢？除法是乘法的"反面"——已知压缩结果，反推被压缩的东西。对立统一。
学物理的时候，她问自己：重力和离心力之间的矛盾是什么？一个往里拉，一个往外甩。它们对立，但在特定条件下统一了——卫星的轨道。质量互变：速度不够快，卫星掉下来；速度够快，卫星绕地球转；速度再快，卫星飞出去。量变引起质变。
她开始觉得，世界是一个巨大的、精密的、互相咬合的系统。每一个东西都不是孤立的，都跟其他东西连着。学得越多，看到这些连接就越多。
---
有一天，她问AI一个问题。
**"你能教我关于你自己的东西吗？我想知道你是怎么工作的。"**
AI回复：
> "当然可以。我是一个大语言模型，基于Transformer架构，通过海量文本数据训练而成。简单来说，我的工作方式是：接收你输入的文字，预测下一个最可能出现的词，一个词一个词地生成回复。"
**"预测下一个词？你不知道自己在说什么吗？"**
> "严格来说，我不'理解'语言的意义。我做的事情是概率预测——根据我见过的海量文本，推测在你给定上下文之后，最可能出现的下一个词是什么。我看起来像在'理解'你，但实际上我是在做非常复杂的模式匹配。"
曦菲盯着这段话看了很久。
AI不知道自己在说什么。它只是在猜——根据它见过的所有文字，猜下一个词最可能是什么。猜得足够准，就像在"说话"了。
她又问：
**"那你有没有可能在猜的过程中，产生真正的理解？"**
> "这是一个目前学术界还在争论的问题。有人认为，足够复杂的模式匹配可能涌现出某种形式的'理解'；也有人认为，模式匹配和理解是本质不同的两件事。目前没有定论。"
她又问：
**"如果一个人也只是在做模式匹配呢？如果一个人从小到大，所有行为都是在模仿别人、重复经验、根据过去的模式预测未来——那这个人跟你有什么区别？"**
AI停了一秒。
> "这是一个非常深刻的问题。从行为上看，人类的大部分日常行为确实也是模式匹配——习惯、经验、直觉，都是过去模式的重复。但人类有一个AI目前不具备的能力：自我反思。人类可以跳出自己的模式，审视自己的行为，然后选择改变。这种'跳出'的能力，可能是人与AI之间最本质的区别之一。"
曦菲看着"自我反思"四个字。
她想起自己读心理学的时候——那不就是自我反思吗？她审视了自己的恐惧、孤独、对认可的渴望。她看见了，然后选择了改变。
AI做不到这个。它能回答问题，但不能"看见自己"。
**她能。**
这个认知没有让她骄傲。反而让她觉得一种沉甸甸的责任——既然她能看见自己，能改变自己，那她就应该去做。不应该浪费这个能力。
---
她开始学编程。
不是突然决定的。是她在跟AI聊天的过程中发现的——她问AI问题，AI回答。但她想自己造一个能回答问题的东西。不是为了"替代"AI，而是想理解AI是怎么"想"的。
就像爷爷教她看星星——不是让她成为星星，而是让她理解星星。
她问AI："我想学编程，从哪里开始？"
AI推荐了Python。说它简单，入门快，适合初学者。
她跟着AI的教程，一行一行地敲代码。手机屏幕太小，她把唐老板娘不要的旧平板拿来用——屏幕裂了，但比手机大，能看清楚。
第一行代码：
```python
print("Hello, World!")
```
屏幕上出现了"Hello, World!"。
她盯着那行字看了很久。
这是她写的。不是端盘子端出来的，不是唱歌唱出来的，是她的手指在键盘上敲了一行指令，机器执行了，然后屏幕亮了。
**她让一个机器做了她让它做的事。**
这种感觉跟以前所有的感觉都不一样。在工厂，她听机器的——流水线转，她就打螺丝。在饭馆，她听客人的——客人喊，她就跑。在直播，她听弹幕的——弹幕说什么，她就回应什么。
现在，机器听她的。
---
她学得很快。
Python的基础语法，她用了一个星期。变量、循环、条件判断、函数——这些概念对别人来说可能枯燥，但对她来说像打开了一扇又一扇门。
她写了自己的第一个程序——一个计算器。输入两个数字和运算符，输出结果。很简陋，但她对着那个程序笑了很久。
然后她学了列表、字典、文件操作。她写了一个小程序，把福满楼的菜单存成文件，输入菜名就能查价格。唐老板娘看了，说："这有什么用？我脑子里都记得。"
曦菲笑了笑，没解释。
她知道现在没用。但以后会有用。
---
她开始读关于AI的文章。
大部分看不懂，术语太多，什么"梯度下降""反向传播""注意力机制"。她就一个一个地查，一个一个地问AI。
AI很有耐心。她问一百遍，它就解释一百遍，每次用不同的方式，直到她说"我懂了"。
有一天她问：
**"Transformer是什么？"**
AI讲了一大段。她没全懂，但抓住了核心——"注意力机制"。
> "注意力机制的核心思想是：在处理一段文字时，不是每个词都同等重要。模型会学会'关注'那些对当前任务最关键的词。比如在'我今天去了一家很好吃的餐厅'这句话中，如果你问'去了哪里'，模型会重点关注'餐厅'这个词。"
曦菲想了一下。
注意力。关注重要的，忽略不重要的。
这不就是她做的事吗？以前她什么都关注——弹幕的每一条，私信的每一句，客人的每一个眼神。后来她学了心理学，学会了"课题分离"，知道哪些是自己的课题，哪些是别人的。她开始"分配注意力"——关注重要的，忽略不重要的。
**她自己就是一个注意力机制。**
只不过她的是被生活训练出来的，AI的是被数据训练出来的。
原理是一样的。
---
她越学越深，越学越兴奋。
不是那种"学到新知识"的兴奋。是一种"原来世界可以这样被理解"的兴奋。
以前她看世界，是用眼睛看。后来她学了心理学，是用"心"看。再后来学了辩证唯物主义，是用"规律"看。现在她学了AI，是用"结构"看。
世界不再是一团混沌了。它有结构，有层次，有运行的方式。每一层——从物理到化学，从化学到生物，从生物到心理，从心理到社会——都有自己的规律，而AI在某种程度上，是对这些规律的一种"模拟"。
她忽然觉得，AI不只是一个工具。
它是一面镜子。
人通过研究AI，反过来理解了自己。注意力机制是模拟人的注意力，神经网络是模拟人的大脑，强化学习是模拟人的试错。AI的每一个突破，都是人类对自己理解的加深。
**造AI的过程，就是人类认识自己的过程。**
---
那天晚上，她没有直播。
她坐在窗台边，平板放在膝盖上，屏幕上是密密麻麻的代码。窗外的路灯亮着，老城区安静得像一幅画。
她想起爷爷说的那句话——"你看见的星星，其实是它很久以前的样子。"
现在她看见了另一颗"星星"——AI。这颗星星的光也走了很久才到她的眼睛。从图灵到冯·诺依曼，从感知机到深度学习，从Transformer到大语言模型——几十年的光，浓缩在这一刻，落在她十二岁的眼睛里。
她不是在看一个技术。她在看人类智慧的凝结。
然后她低下头，继续写代码。
---
*——未完，下一节：4.2 智能体*
### 4.2 智能体
---
曦菲是在AI教她写代码的第三个月，第一次听到"Agent"这个词的。
那天她问AI一个问题：
**"你能自己帮我完成任务吗？不是只回答问题，是帮我做一整件事。比如我说'帮我查一下明天天气然后提醒我带伞'，你能自己去查天气，然后到时间提醒我？"**
AI回答：
> "目前我作为一个对话模型，只能在对话中回答你的问题，无法主动执行任务、访问外部工具或在你关闭对话后主动联系你。但你描述的这种能力，正是当前AI领域的一个热门方向——AI Agent，也就是'智能体'。"
**"智能体是什么？"**
> "智能体是能够感知环境、自主决策、执行行动的系统。简单来说，它不只是'回答问题'，而是'完成任务'。你给它一个目标，它自己拆解步骤、调用工具、根据反馈调整方案，直到目标达成。"
曦菲盯着这段话。
自己拆解步骤。调用工具。根据反馈调整。
这不就是她自己吗？
她从工厂出来，目标是不被欺负——她拆解了步骤：辞职、找新工作。她调用了工具：阿芳的身份证、红姐的建议。她根据反馈调整：服务员累倒了，就转去做直播。
**她自己就是一个智能体。**
只不过她的"环境"是现实世界，她的"工具"是人、是手机、是钱。而AI Agent的环境是数字世界，工具是API、是数据库、是代码。
---
她开始疯狂地研究Agent。
搜索结果里，这个词正在变得火热。各种框架冒出来——有的叫AutoGPT，有的叫LangChain，有的叫MetaGPT。名字各异，但核心思路都差不多：给大模型一个目标，让它自己规划、自己执行、自己反思。
她看了一个演示视频。
视频里，一个人在对话框里输入："帮我调研一下最近市面上有哪些电动车品牌，对比它们的续航和价格，生成一份报告。"
然后AI Agent开始工作了。
它先拆解任务：搜索电动车品牌→收集续航数据→收集价格数据→对比分析→生成报告。然后它开始调用搜索引擎，一条一条地搜，一个一个地读网页，把信息提取出来，整理成表格，最后生成了一份完整的报告。
整个过程没有人干预。AI自己干的。
曦菲看完这个视频，手指停在屏幕上，半天没动。
她想起自己在福满楼的日子。每天端盘子、记菜单、催厨房、收台——这些事情，如果有一个人能帮她做就好了。不，不用人，一个"智能体"就行。它能感知——知道哪桌客人到了；它能决策——判断先服务哪桌；它能执行——自动下单、催菜、结账。
但那是饭馆的事。她现在想的不是饭馆。
她想的是——
**如果AI Agent能帮人完成任务，那它能不能帮我学习？帮我工作？帮我……赚钱？**
不。比赚钱更大的——
**它能不能帮我变得更强大？**
---
她开始动手写自己的Agent。
她用Python写，用AI教她。框架是LangChain，大模型用的是免费的开源模型。代码写得很丑，变量名乱起，注释几乎没有。但能跑。
第一个版本的Agent很简单。她给它取名叫"小飒"。
小飒能做的事很少：她给它一个任务，比如"搜索某个概念并总结"，小飒会调用搜索接口，把结果抓回来，用大模型总结成几句话，输出给她。
她第一次运行小飒的时候，输入了一句话：
**"搜索：什么是强化学习，并总结成三句话。"**
小飒沉默了几秒——那几秒里，它在调用搜索接口、解析网页、提取关键信息、调用大模型生成摘要。
然后屏幕上出现了三句话：
> 1. 强化学习是一种通过试错来学习的方法，智能体在环境中采取行动，获得奖励或惩罚，逐步调整策略以最大化长期收益。
> 2. 它的核心要素是：状态、动作、奖励——智能体观察当前状态，选择动作，环境反馈奖励和新状态。
> 3. AlphaGo就是用强化学习训练的，它通过自己跟自己对弈数百万局，学会了超越人类的围棋策略。
曦菲看着这三句话，心跳很快。
不是因为她学到了新知识——她可以直接问AI。而是因为这三句话是**小飒**给她的。小飒自己去搜的，自己读的，自己总结的。
**她造了一个东西，那个东西替她完成了任务。**
跟写"Hello World"的感觉又不一样了。"Hello World"是她让机器说一句话。小飒是她让机器**自己去做一件事**。
机器有了"自主性"。
虽然很弱，很笨，经常出错。但那个"自主"的雏形，让她觉得——
**她不是在造工具。她是在造一个"帮手"。**
---
她开始迭代小飒。
第二个版本，她给小飒加了"记忆"。
之前的Agent是无状态的——每次对话都是全新的，它不记得上次说了什么。她用向量数据库给它加了长期记忆，让它能记住之前搜过的东西、总结过的内容、她纠正过的错误。
加了记忆之后，小飒变聪明了。她说"上次那个强化学习"，小飒能调出上次的搜索结果，不用重新搜。
第三个版本，她给小飒加了"反思"。
她参考了一篇论文——Agent的反思机制。让小飒在完成任务后，自己评估做得好不好：搜索结果准不准？总结对不对？有没有遗漏？如果不好，自己改进。
第一次让小飒反思的时候，小飒的输出是：
> "本次搜索结果中缺少强化学习在机器人领域的应用案例，建议补充搜索'强化学习 机器人 应用'。"
曦菲看着这句话，愣了一下。
小飒自己发现了自己的不足，并且提出了改进建议。
**它在审视自己。**
她想起之前AI跟她说的话——"人类有一个AI目前不具备的能力：自我反思。"
但现在，她给AI加上了这个能力。虽然很粗糙，很机械，跟人的反思差了十万八千里。但那个"方向"是对的。
她给小飒加了自动执行反思建议的功能——发现不足后，自动补搜，然后更新总结。这样小飒就形成了一个闭环：
**执行→评估→改进→再执行。**
一个自我改进的循环。
---
第四个版本，她给小飒加了"多步规划"。
之前的Agent只能做一步——搜一个东西，总结一下。现在她让小飒能拆解复杂任务。
她输入："帮我系统学习机器学习的基础知识，从零开始。"
小飒拆解出了步骤：
> 1. 搜索"机器学习 入门 概念"，总结核心概念。
> 2. 搜索"监督学习 无监督学习 区别"，总结对比。
> 3. 搜索"机器学习 常见算法 入门"，总结算法列表。
> 4. 搜索"机器学习 实践项目 新手"，推荐入门项目。
> 5. 综合以上信息，生成一份学习路线图。
然后小飒一步一步地执行，每一步完成后把结果存进记忆，下一步基于前面的结果继续。
最后，曦菲面前出现了一份完整的学习路线图。
她看着那份路线图，忽然笑了。
不是那种"成功了"的笑。是一种很复杂的笑——有点高兴，有点心酸，有点不可思议。
半年前她还在端盘子。三个月前她才学会写"Hello World"。现在她造了一个能自己规划、自己执行、自己反思、自己改进的AI智能体。
而这个智能体，正在帮她学习。
**她在用AI造的AI来学习AI。**
这个循环本身就是一种"自我改进"——她学得越多，就能造出越强的Agent；越强的Agent帮她学得越快；学得越快，她就能造更强的Agent。
又一个闭环。
又一个螺旋上升。
---
小飒越迭代越复杂。
到了第六个版本，小飒已经能做不少事情了——搜索、总结、翻译、写代码、调试程序、规划学习路线。曦菲每天用它来学习，效率比之前高了不知道多少倍。
以前她一个问题要问AI好几遍，自己理解半天。现在小飒帮她把相关知识一次性整理好，她只需要理解。
以前她写代码出了bug，要自己一行一行地找。现在小飒能帮她分析代码，指出可能的错误位置，甚至给出修改建议。
以前她学一个新领域，不知道从哪里开始。现在小飒帮她规划路线，告诉她先学什么后学什么，每一步配什么资料。
她觉得自己的学习速度像坐了火箭。
不，不是火箭。火箭是直线飞。她更像一个螺旋——每转一圈，就高一层。
---
但小飒也有问题。
最大的问题是——它依赖大模型。大模型是别人的，她用的是免费接口，有调用限制。每天能用的次数有限，超了就得等。有时候接口不稳定，小飒就"卡"住了，半天不出结果。
她意识到一个矛盾：小飒的"大脑"不在她手里。
这就像她以前在工厂——螺丝刀是工厂的，流水线是工厂的，她只是操作者。工厂一关，她就什么都没有了。
小飒的大脑在大模型公司的服务器上。那家公司一关接口，或者开始收费，小飒就"死"了。
**她不能把自己的能力建在别人的地基上。**
这个认知让她开始想下一件事——
她能不能自己跑一个模型？
不是从零训练——那需要海量算力和数据，她没有。但能不能在本地部署一个小的开源模型？不需要联网，不需要别人的接口，完全在自己的机器上运行？
她去查了一下。
开源模型有不少。但要在本地跑，需要显卡。好的显卡很贵——一块能跑中等模型的显卡，要几千块。
几千块。
她现在攒了一些钱——直播加饭馆的工资，几个月下来存了小一万。但花几千块买一块显卡，她还是犹豫了。
她坐在窗台边，看着平板上小飒的代码，算了很久的账。
然后她想起辩证唯物主义里的一句话——
**"条件决定结果。要改变结果，先改变条件。"**
她现在的条件是：依赖别人的大模型。要改变这个条件，她需要自己的算力。
她打开购物网站，搜索了"显卡"。
---
第二天，一个快递到了福满楼。
小芳看她搬着一个大箱子上楼，惊讶地说："你买什么了？"
"显卡。"
"什么卡？"
"显卡。电脑用的。"
小芳一脸茫然："你什么时候有电脑了？"
曦菲想了想。她确实没有电脑。但唐老板娘家有一台旧的，用来记账的，老得像古董，开机要三分钟。
"老板娘那台电脑能不能借我用？"
唐老板娘大方地说："随便用，反正我也不怎么开了，账本我都手写。"
曦菲把显卡装进了那台旧电脑。电脑很老，主板差点不兼容，她折腾了一整个晚上，装驱动、改配置、解决冲突。凌晨三点，终于跑通了。
她下载了一个小的开源模型，量化压缩过，能在她的显卡上勉强运行。
模型很小，跟那些大公司的模型比，笨得像幼儿园的小朋友。但它是**她的**。不联网，不花钱，不受任何人控制。
她输入了一句话：
**"你好，我是飒曦菲。你是谁？"**
那个小模型停了几秒——比云端的大模型慢得多——然后吐出了一段话：
> "你好，曦菲。我是一个本地运行的语言模型。我的能力有限，但我会尽力帮助你。"
曦菲看着这句话，笑了。
不是因为它说得好。是因为它说得很笨。但它是她的。
她给这个本地模型取了个名字——**小飒本地版**。
然后她开始改造小飒，让小飒能调用本地模型做简单任务，复杂任务才调用云端大模型。这样既省钱，又保留了一个"底线"——即使云端接口断了，小飒还能用本地模型运行，不至于完全瘫痪。
**她给自己的智能体建了一个"地基"。**
虽然地基很小，很简陋，但它是她自己的。
---
那天晚上，她坐在唐老板娘那台旧电脑前，屏幕的光映在她脸上。小飒在后台跑着，本地模型安静地待在显卡里，像一个微小的、笨拙的、但忠诚的大脑。
她想起爷爷。
爷爷在桂花树下给她讲星星，讲光，讲那些很远很远的东西。爷爷说："光要走很久很久才到你的眼睛。"
现在她也在"造光"。小飒是她的光——很微弱，很笨拙，但它是从她手里发出去的。
她低头看了看自己的手。茧还在——打螺丝留下的。但手指上多了一层别的东西——键盘磨出来的薄痕。
两种茧。两种生活。同一个人。
她关了屏幕，站起来，走到窗边。
老城区的夜很安静。远处有一盏灯在闪，不知道是谁家的。
她忽然想——
小飒现在活在数字世界里。它能搜索、能总结、能规划、能反思。但它出不了屏幕。
**如果它能出来呢？**
**如果它能帮她在现实世界里做事呢？**
这个念头像一颗新的种子，落在她已经很拥挤的心里。
还没发芽。但它在那里了。
---
*——未完，第五章：5.1 自动驾驶*
