近日，美的被曝强制18点20下班的话题引起大家关注，网友也都纷纷羡慕。报道称，美的从这周开始提倡各部门领导严谨控制加班，**规定18:20不允许有人还在公司加班，同时禁止员工就餐后再返回工位继续加班的现象。** [](https://n.sinaimg.cn/finance/crawl/136/w550h386/20230924/2e46-a6e29eec499153e6f8e4e6c720c761f4.jpg) 到目前为止，一到下班时间，HR就开始挨着部门催促大家抓紧时间下班了。 据国内媒体报道，**美的集团对此回应称，早在今年初，美的就明确了关于简化工作方式要求的“六条禁令”，其中就包括“严禁下班时间开会、形式主义加班”。 ** 具体如下： **沟通精简：**内部沟通禁止使用PPT，含工作沟通、总结规划、述职、答辩、评优等（除技术方案、财务通报、集团和事业群/部年会外，其他如用PPT，要求白底黑色几行字一页以内）。 **亲力亲为：**严禁任何形式的代写材料行为，包括董事长与总裁在内，所有个人汇报材料均需亲自撰写。 **高效会议：**严格禁止下班后开会及形式主义加班，同时减少微信群数量，杜绝在群里喊口号、举拳头等形式主义。 **数字化管理：**减少手工报表和作业，全面禁止手工发送日报，利用数字化看板等工具提升管理效率。 **文件强调，任何不以用户为中心、不以业务为中心、不以一线为中心，不产生价值，不增加收入的工作都属于表演式工作，**需要全员果断简化，把节约的时间去做对用户有价值的事。 [查看评论](https://m.cnbeta.com.tw/comment/1484328.htm)

<blockquote><p>在仓库管理场景中，WMS（仓储管理系统）的移动端设计面临着诸多挑战，如复杂的操作流程、频繁的网络中断以及高强度的物理环境。本文将探讨如何通过极简交互设计，为仓库管理员打造一个高效、稳定且易于操作的移动端解决方案。</p> </blockquote>  「扫码枪扫了3次都没反应！」「断网了今天又要加班盘点…」 —— 这是不是仓库管理员每天最怕听到的哀嚎？ 今天带你们解锁：**如何用极简交互设计，让WMS移动端在混乱的仓库场景中稳如老狗**。 ## 一、死亡案例：一次扫码引发的仓库暴动 某服装仓曾因移动端设计缺陷导致： - **操作效率暴跌**：拣货员需要点击5次才能完成一个SKU的入库 - **错误率飙升**：因界面元素过密，某批次500件货物错贴标签 - **集体罢工**：系统断网后无法离线操作，全员手工记录3小时 **尸检报告**： - 功能堆砌导致界面混乱 - 断网场景未设计降级方案 - 缺乏符合人体工学的操作流 ## 二、极简交互六层铠甲（深度解决方案） ### 1. 环境适配设计：对抗仓库物理暴击 **挑战**：强光/灰尘/噪音/手套操作**解决方案**： **1）反光界面** - 高对比度配色（深蓝背景+荧光黄焦点） - 动态亮度调节（通过环境光传感器自动切换日夜模式） **2）防误触三重机制** - 点击热区放大（关键按钮直径≥15mm） - 操作确认延迟（扫码成功后振动+0.3秒延迟提交） - 手套模式（开启后禁用多点触控） **案例**：某3C仓上线新设计后，强光下扫码识别率从62%提升至98% ### 2. 分层信息架构：让核心操作一键直达 **策略**： **1）一级界面（高频核心）**  （原型图示例） 仅保留扫码枪、提交、异常上报三个按钮，其他功能通过手势触发 **2）二级功能（手势召唤）** - 右滑：库存查询 - 左滑：任务切换 - 长按：语音备注 **3）三级设置（深度隐藏）** 通过特定手势组合（如三指下滑）唤起系统设置 **数据验证**：某日化仓测试显示，分层设计使平均任务完成时间缩短40% ### 3. 离线模式：断网不断命 **核心设计**： **1）本地缓存智能分级**  **2）网络状态可视化** - 状态栏常驻信号灯（绿色：在线｜黄色：弱网｜红色：离线） - 每次提交自动附加网络标记（例：13:05提交（离线模式）） **容灾测试**：某冷链仓断网4小时期间，仍完成2000+批次出入库，数据恢复后0差错 ### 4. 异常处理：让系统学会自我修复 **智能诊断矩阵**：  **案例**：某图书仓上线该方案后，技术支援请求量下降75% ### 5. 手势操作革命：扔掉物理按键 **手势库设计**：  **人体工学验证**：通过EMG（肌电图）测试优化手势轨迹，降低长期操作疲劳度 ### 6. 语音交互：解放双手的设计 非接触式方案： 语音指令库，例如： - “上架A区” → 触发入库流程 - “异常件” → 跳转报错界面 - “下一个” → 自动切换任务 降噪处理：采用定向麦克风+AI降噪算法，在85dB环境噪音下识别准确率≥90% 作者：双栖产品手记，公众号：双栖产品手记 本文由 @双栖产品手记 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

<blockquote><p>从OpenAI的免费额度策略到ChatGPT的用户习惯培养，AI不仅重构了SaaS的定价逻辑，还推动了“免费增值”模式的复兴。本文将探讨AI如何通过降低边际成本、满足用户预期以及强化竞争烈度，改写SaaS行业的商业基因。</p> </blockquote>  当企业软件市场陷入「增长焦虑」时，AI 赛道正在上演一场逆向革命。一边是传统 SaaS 厂商用年复一年的涨价维系报表，另一边是 ChatGPT 们将免费额度慷慨推到 70%——**这不是简单的定价策略调整，而是底层商业逻辑的迭代。** ## AI 正在改写 SaaS 的定价基因 OpenAI 们用天量免费额度培养用户习惯时，实际上重构了三个关键认知： ### 竞争烈度倒逼客户中心主义 在当今激烈的市场竞争环境中，企业之间的竞争愈发白热化。以 Claude 和 DeepSeek 为例，当 Claude 的免费版本已经能够满足用户 60%的工作需求时，DeepSeek 为了保持竞争力，不得不跟进，提供更宽松的使用额度。 **这种竞争态势实际上是一场“军备竞赛”，但最终的结果是促使企业回归到 SaaS（软件即服务）的本质——服务而非绑架客户。** ### 用户预期完成代际迁移 Z 世代决策者正逐渐成为商业世界中的重要力量，他们对于软件和服务的期望与前几代人有着显著的不同。Z 世代决策者天然认为「好用就该免费试用」，就像他们习惯用 GPT-4 写周报。 **这种心智一旦形成，付费墙前置的 SaaS 将遭遇获客危机。** ### 边际成本曲线魔改 大模型推理成本在半年内下降了 10 倍，这一显著变化对 Cloudflare 这类从 CDN（内容分发网络）起家的公司产生了深远影响。 以往，提供免费 API 调用可能意味着沉重的经济负担，因为每次调用都会产生一定的成本。然而，随着技术的进步，特别是大模型推理成本的大幅降低，Cloudflare 现在能够承载每天数亿次的免费 API 调用，而不会对公司的经济状况造成过大压力。 这种成本的急剧下降可以视为边际成本曲线的一次“魔改”。当边际成本大幅下降时，意味着公司可以在几乎不增加成本的情况下提供更多服务。对于 Cloudflare 而言，这意味着他们可以更自由地采用免费模式，吸引更多用户，而不用担心经济上的限制。 **技术的进步不仅降低了成本，还解除了免费模式的经济镣铐，使得更多的创新和服务成为可能。** ## “免费增值 2.0” 的实战手册 当 47%的客户从免费版起步时，HubSpot 构建了从 Starter 到 Professional 再到 Enterprise 的三级进阶路径。这种设计有三个精妙之处。 - **免费层即产品说明书**：像 PagerDuty 的免费版，完整展示了事件响应流程，让用户在使用过程中自然理解产品的价值，降低了教育成本。 - **分层定价创造跃迁动力**：Cloudflare 将 WAF 等高级功能设置为付费选项，随着小客户的成长，他们能无缝升级到更高级别，享受更多功能，这既增加了收入，又提高了客户留存率。 - **免费用户即增长飞轮**：Opus Pro 的视频剪辑工具通过用户生成内容实现病毒式传播，表明免费用户不仅能降低获客成本，还能带来远超成本的传播价值，形成良性循环，促进产品快速扩散。这种策略巧妙地将免费用户转化为潜在的增长动力。 更值得关注的是经济模型进化：当 AI 的边际成本趋近于零，免费用户规模本身就能构筑竞争壁垒。**就像 ChatGPT 用海量对话数据持续优化模型，形成「使用即训练」的正循环。** ## 给 SaaS 掌舵者的行动清单 - **重新设计用户旅程**：将免费体验作为核心转化节点，而非营销附属品。这意味着免费体验不再只是一个吸引用户的手段，而是用户旅程中的关键环节，通过优化免费体验，可以更有效地引导用户转化为付费用户。 - **构建动态成本模型**：利用 MLOps 持续优化推理成本，像 Opus Pro 那样实现免费版的盈利闭环。这不仅有助于降低运营成本，还能确保免费版在不增加负担的情况下为公司带来收益，提高整体盈利能力。 - **重构价值度量体系**：不再单纯追求付费率，而是计算免费用户的 LTV（生命周期价值）。通过这种方式，可以更全面地评估用户的价值，理解免费用户在未来可能带来的长期收益，从而制定更合理的商业策略。 从 SaaS 产品经理的角度来看，这场变革的核心在于回归“服务即产品”的本质。随着 AI 技术的发展，功能差异逐渐被淡化，用户体验成为竞争的关键。 **将核心能力前置到免费版，不仅展示了产品的诚意，也建立了用户信任，为长期发展奠定了坚实的基础。** 作者：爱撸猫的产品仔；公众号：爱撸猫的产品仔 本文由 @爱撸猫的产品仔 原创发布于人人都是产品经理，未经许可，禁止转载。 题图来自 Unsplash，基于 CC0 协议。 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

2025年3月10日，截止收盘，沪指跌0.19%，报收3366.16点；深成指跌0.17%，报收10825.7点；创业板指跌0.25%，报收2199.88点，两市成交额较上一交易日减少3125.8亿元，合计成交15056.6亿元。

**在近日的Lenovo TechWorld India 2025上，联想表示将在未来三年内实现印度市场的PC全本土制造。**据联想印度董事总经理Shailendra Katiyal介绍，目前联想在印度的PC销售中，约30%为本地生产。 公司计划在明年将这一比例提升至50%，并在未来三年内实现100%的本地化生产，此外联想还将在今年4月开始从印度制造基地推出首批AI服务器。 2024年，联想在本地治里（Pondicherry）开设了新的生产基地，预计每年生产约5万台企业级AI服务器和2400个高端图形处理单元（GPU）。 联想还计划在班加罗尔设立新的研发中心，进一步提升其在AI领域的研发能力，并将印度打造成AI开发的关键枢纽。 联想国际销售市场总裁Matthew Zielinski表示，印度是“全球最重要的市场之一”，其制造能力不仅满足印度本地需求，还使印度成为重要的出口基地。  [查看评论](https://m.cnbeta.com.tw/comment/1484320.htm)

iPhone 17系列目前的设计已经基本定版，前不久供应链已经流传出了全系四款机型的CAD图，详细展示了尺寸数据和外观。海外博主根据数据3D打印制作了全系机模，带来了超前上手。**这次4款iPhone相较此前有较大变化，首先是产品线变更，Plus机型被砍，新增Air机型。** [](//img1.mydrivers.com/img/20250310/ba8d08956e9f43baae11a49efb70f4c6.jpg) **新产品序列为：iPhone 17 Air、iPhone 17、iPhone 17 Pro、iPhone 17 Pro Max。** 这4款新机在外观上的变化也比较大，共有三种不同的设计。 其中，iPhone 17标准版还维持了iPhone 16的竖置双摄方案，没有什么特别的变化。 [](//img1.mydrivers.com/img/20250310/4dc02cea5e2f4202b659404a46aa8b8c.jpg) **iPhone 17 Air作为新增机型比较特殊，是iPhone历史上最轻薄的机型，机模厚度约5.59mm，**采用长条形后摄模组，但只有单摄的模组却夸张的巨大。 iPhone 17 Pro和iPhone 17 Pro Max保持同步，但新设计却令很多网友表示无法接受。 [](//img1.mydrivers.com/img/20250310/a48dbe71d9dd4e8d8deafb9738b12d1f.jpg) **采用横向大矩阵模组设计，完全占据了机身顶部，夸张的后摄造型被调侃是致敬了小米11 Ultra。** [](//img1.mydrivers.com/img/20250310/45481a5441694d238a35d8987450426e.jpg) 值得注意的是，这次Pro系列厚度有明显增加，达到了8.64mm，Pro Max甚至达到8.725mm，电池容量将明显增加。 而且这次Pro系列还采用了金属和玻璃拼接后壳，最终可能导致重量进一步上涨，手感方面会带来不小的挑战。 [](//img1.mydrivers.com/img/20250310/bfb56a325b14457584ceabf6e6b438ea.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1484318.htm)

一架印度航空公司的航班因厕所堵塞，导致数百名印度乘客被困在没有厕所的飞机上，航班被迫在10小时后返回伊利诺伊州芝加哥。印度航空公司126号航班（波音777-300ER）在飞经格陵兰上空时，12个厕所中有11个出现故障，唯一可用的厕所在商务舱区域，要供约300名乘客使用。  上述事件也是引发了网友的热议，有人甚至直言，很难想象这些印度旅客对那11个厕所都干了些什么才能让它们全部堵住…… **对此，印度航空公司表示，会为此次航班取消提供退款，但这对一些乘客来说并没有带来多少安慰 ——他们称自己被迫经历了诸多繁琐的手续才得以重新安排航班或获得退款。** 飞机厕所堵塞的情况并不罕见，通常是因为乘客将未经许可的物品冲进管道才引发了这类问题。 由于可用厕所数量有限，即便只有一两个厕所堵塞，也足以促使机组人员决定让飞机折返并降落。 [查看评论](https://m.cnbeta.com.tw/comment/1484316.htm)

 种种迹象表明，AI应用已逐步“入侵”了我们的日常。 今年春节，播放着春晚的电视被搁在一边，七大姑八大姨们一边在“相亲相爱一家人”群里转发着DeepSeek爆火的新闻，一边劝家里的小辈多学点实实在在的手艺，以免未来被AI取代；家里的大学生们则是一边喊着“我命由我不由天”，一边却跟风玩起了AI算命；打工人节后跳槽面试中，“是否能熟练使用AI工具”几乎成为了每个岗位的“必考题”......当AI应用承包了普通人的日常话题、融入了生活的细小瞬间，**一个可以被清晰感知到的事实是，AI超级应用时代真的到来了。** AI助手作为最具代表性的AI应用类型，近几年引爆市场，其中的佼佼者非DeepSeek莫属。DeepSeek R1拥有卓越的高密度推理能力，在信息整合和语言组织方面表现惊人。自上线以来，DeepSeek累计下载量超1.1亿次，阿里巴巴、华为、百度等企业纷纷接入DeepSeek模型，拥抱AI新趋势。今年2月，36氪也宣布正式接入DeepSeek，为企业自动生成融资报道，打造以高效率、高成本效益为特点的融资报道生产新模式。（[《36氪正式接入DeepSeek，让有价值的企业更快被发现！》](https://mp.weixin.qq.com/s?__biz=Mzg5MDc1MDAxNA==&amp;mid=2247493995&amp;idx=1&amp;sn=40ef686ce2243f085e481da259c0e4e1&amp;scene=21#wechat_redirect)） AI技术的发展已经从卷大模型步入卷应用的阶段，从C端到B端，AI应用渗透进智能制造、金融科技、医疗健康、供应链管理等多个场景。百度李彦宏就曾在多个公开场合表示，不要卷模型，要卷创造实际价值的AI应用。那么，下一个AI超级应用会是什么？它将在哪个领域诞生？它会颠覆现有的行业模式，还是开辟全新的赛道？这些问题不仅关乎科技与商业趋势，更关乎人们的未来生活图景。 36氪持续关注AI领域的发展，通过报道AI技术的最新趋势、创新企业和应用场景，为行业提供了丰富的信息和洞见。**4月18日，36氪2025AI Partner大会将落地上海，本次大会以“Super APP来了”为主题，探索AI时代的变量，试图在被新技术改造的细分行业里，找到好产品，让好产品被知道、被应用。** AI Partner是在2024年由36氪发起，聚焦AI场景端与应用的新IP。2024年，AI Partner系列已成功落地多场活动，包括5月的首届“2024 AI Partner大会”、6月入驻WAIC的“氪话未来直播间”、9月“具身智能大会”等等。**2024年，AI Partner年度策划携手70余家企业解锁AI赛道突围之匙，收集AI赛道深度合作需求200+，吸引1500+从业观众到场，并打造2大AI领域标杆案例名册。**今年，AI Partner IP也将策划多场活动，为行业各方参与者创造链接场域。2025年AI Partner策划将包括：2025AI原生应用创新案例名册、36氪超能直播月-AI秀、2025AI Partner大会、2025WAIC“世界人工智能大会”36氪专场活动、以及在年底WISE大会上发布“WISE AI年度名册”，合力打造AI行业超级影响力阵地。 本次大会将分为“Super App来了”和“谁是下一个超级应用”两大篇章，聚焦“在AI世���中长大”“2025卷AI就卷Super App” “AI 超级应用的爆发的引线、评判标准和应用场景”“AI Partner创新大奖”“必将惊艳2025的AI原生应用”“发现、惊艳、迭代与再造” 七大话题，邀请国内外AI领域的知名专家、学者和企业家，探讨AI技术的创新和应用，探索AI领域下一个Super App的可能。此外，大会将隆重发布“2025 AI原生应用创新案例”企业名册，让那些在AI原生应用领域具有创新性、示范性和推广价值的优秀案例被传播、被看到。 2025 AI Partner大会将于上海徐汇西岸“模速空间”举办。“模速空间”是由上海徐汇区联合市相关部门推出的大模型创新生态社区，是全球最大的人工智能孵化器，入驻企业涵盖了从算法研发到应用开发的全产业链布局。模速空间积极推动大模型产业孵育范式升级，支撑徐汇加快建成全国人工智能高地，助力上海构建更具竞争力的世界级人工智能产业集群，助推更多中国人工智能企业迈向全球化舞台。 在现象级AI超级应用已然出现的今天，Who&#39;s next Super App？让我们拭目以待。 点击下方链接，立即报名参会⬇️ [2025AI Partner大会 | Super App来了](https://hdxu.cn/B7dv)

ByteDance has shown no indication of interest in divesting its US operations, although Chief Executive Officer Shou Zi Chew met with Trump at Mar-a-Lago in December and attended the inauguration earlier this year.

没能延续第一款AI产品闷声发大财的路线。

<blockquote><p>从早期的智能客服到如今基于大语言模型的AI Agent，银行客服产品正经历着从被动服务到主动服务的变革。本文将深入探讨AI Agent在银行客服产品中的应用探索，分析其技术实现方式、核心架构设计以及未来发展方向。</p> </blockquote>  最近各类AI（Artificial Intelligence）大模型产品如雨后春笋般出现，国产AI大模型DeepSeek的出现一夜之间家喻户晓。近几天Manus AI产品的推出，更是一码难求，大家在各种渠道在寻求Manus邀请码，以便于在第一时间可以体验Manus智能体的功能。目前各政企也纷纷宣布，已经接入AI大模型来推升工作效率。足以看出各行各业对AI大模型的重视程度。 AI Agent相信大家已经不再陌生，根据大家普遍的理解，AI Agent是以大语言模型为驱动的系统，具备自主理解、感知、规划、记忆和使用工具的能力，能够自动化执行完成复杂任务的系统。结合实际场景简单理解，就是一个可以辅助人类完成特定场景下操作的智能体，比如在财务领域，我们希望给管理层提供企业报表，我们可以为管理层打造一个财务Agent，听从管理层的指令，向管理层随时随地提供所需要的财务数据，相当于一个智能财务助理。 对于银行而言，近些年大多数银行都为客户提供了基于企业微信的客户经理服务，由客户经理通过企业微信同客户建立连接，同客户互动，进行产品营销或是解答客户问题，提升银行服务水平和客户满意度。不过，这些客户服务基本由真实的客户经理提供。根据企业微信客户案例数据，以招商银行为例，1.6万多名的客户经理使用企业微信服务450多万高价值客户。 随着大模型技术的不断发展，银行客服产品，完全可以由AI替代，打造基于AI Agent的客户经理，实现银行客户产品全生态智能化发展，为客户提供随时在线的客户服务，减轻人工客户经理压力，使得人工客户经理更加聚焦于服务增值，人才发挥更大的价值。 ## 一、银行客服产品发展历程 作者很早之前就负责过智能客服系统的建设，当时大模型相关技术还没有出现，早期智能客服实现的方式是通过词槽填充的方式，去对应相应的应答话术，这种方式优点是实现快速，的确可以解答客户的一些高频问题，但是缺点也很明显，就是上下文联系比较难，计算机真正去理解客户的语意也比较难，准确率不高。 之后的版本，升级为基于机器学习的客户服务，利用机器学习算法，例如大家经常听到的向量机、随机森林这些理论，对大量历史客服数据进行学习和分析，提取特征，构建模型来分类和预测客户问题及意图。客服的准确率有了一定提升，但需要大量的历史数据，构建成本也比较高。 后来，我们为了进一步提升智能客服的应答质量，采用了基于深度学习的智能客服产品搭建，使用卷积神经网络、循环神经网络、注意力机制等技术，使得机器能更好地理解客户问题的语义、情感和上下文信息，例如可以理解客户在一段长文本中表达的复杂需求和情绪倾向；还能自动提取更高级的特征，提高对复杂问题的处理能力，实现更精准的回答和对话。 但是即便如此，我们觉得当时的客服产品仍然差了点意思，那就是基本上是被动服务，也就是说，客户来提问，智能客服进行应答。我们一直是想打造一种变被动为主动的客服模式，让客户感觉到他的服务助理就在客户身边，能主动给出建议。 如今大模型技术的出现，使得这些假想可以变为现实，也为智能客服带来新变革。大模型具有强大的语言理解和生成能力，能处理各种类型的客户问题，一个模型可覆盖多种业务场景。比如，以前银行客服产品在回答用户当期要还款金额这类问题时，只是被动地告诉用户结果，形式也比较单一。基于大模型的智能客服，可以在告诉还款金额的同时，还能主动向用户提供相关价值信息，帮客户定制符合客户需要的金融产品，从而提升银行业绩。 如果用户使用了银行AI Agent技术的智能客户经理，AI Agent可以与知识图谱技术结合，将企业的业务知识、产品信息等构建成知识图谱，使智能客服能更准确地进行知识检索和推理；与语音识别、图像识别等技术融合，实现多模态交互，客户可通过语音、图片等多种方式与客服交流，提升银行服务的广度和深度。AI Agent模式的银行客服产品，将是未来银行客服产品的趋势。 ## 二、银行AI Agent客服产品实现方式 现阶段，基于AI Agent的产品市面上总体不多。2025年3月6日由中国大模型团队Monica发布的全球首款通用型 AI 智能体产品Manus，一经推出，之所以如此火爆，主要是其产品特点符合了人们最普遍的产品期待。Manus 能够独立思考、规划并执行复杂任务，直接交付完整成果。接到用户指令后，可直接操作电脑完成报告撰写、表格制作等工作，并导出符合需求的产品。让用户感觉到最懂你的助手就在你身边。 基于AI Agent的客服产品，目前市面上还没有普及，但作者相信一定是未来银行客服产品的发展方向。对于银行AI Agent客服产品的实现方式，大致上也可以分为两类，一类是银行自研，基于银行现有技术和数据，打造属于银行自己的AI Agent产品，另一类是接入到类似于Manus这种成熟的产品，通过对方提供的服务结合银行客服场景，来实现AI Agent客服产品。 不论使用哪一种，我们都会先构建一些核心的产品架构，来满足未来的发展需求，也就意味着，我们可以先基于顶层设计，打造一个AI Agent产品框架，对于后续是自研AI Agent 还是使用成熟的AI Agent产品服务，都可以快速接入和切换，从而避免重复造轮子，节省研发成本。 对于核心架构而言，银行AI Agent客服产品主要由用户界面、对话管理模块、自然语言理解模块、自然语言生成模块、知识图谱模块、模型训练模块、数据存储模块和业务系统接口模块组成。用户通过用户界面与系统进行交互，系统接收用户输入后，由对话管理模块进行统筹协调，自然语言理解模块负责理解用户意图，自然语言生成模块生成回复内容，知识图谱模块提供知识支持，模型训练模块不断优化系统性能，数据存储模块存储各类数据，业务系统接口模块实现与银行内部业务系统的对接。如下图所示。  每个模块，我们可以作为单独的服务进行部署。这样的好处是AI Agent客服产品的架构比较清晰，模块之间耦合度较低，便于未来对某个模块进行单独升级，提升产品的可扩展性，同时降低维护成本。各模块的核心功能说明如下。 - 用户界面：提供用户与 AI Agent 客服交互的入口，支持多种形式，如网页端、移动端 APP、微信公众号等。用户可以通过文本输入、语音输入等方式发起咨询。 - 对话管理模块：负责整个对话流程的管理和控制，记录对话状态，根据用户输入和系统回复的历史信息，决定对话的走向，如是否需要进一步追问、是否完成业务处理等。 - 自然语言理解模块：对用户输入的自然语言进行分析，识别用户的意图、提取关键信息，将其转化为系统能够理解的格式。例如，判断用户是咨询理财产品信息、办理转账业务还是查询账户余额等。 - 自然语言生成模块：根据自然语言理解模块的结果和知识图谱模块提供的信息，生成自然流畅的回复内容。回复内容可以是文本形式，也可以根据需要转换为语音输出。 - 知识图谱模块：构建银行领域的知识图谱，将银行的业务知识、产品信息、政策法规等以图的形式进行组织和存储，方便系统进行知识检索和推理，为自然语言理解和生成提供支持。 - 模型训练模块：使用机器学习和深度学习算法，对大量的历史客服数据进行训练，不断优化自然语言理解和生成模型的性能，提高系统的准确性和智能水平。 - 数据存储模块：存储系统运行过程中产生的各类数据，包括用户对话记录、模型训练数据、知识图谱数据等，为系统的分析和优化提供数据支持。 - 业务系统接口模块：实现与银行内部业务系统的对接，如核心业务系统、信用卡系统、理财系统等，根据用户需求调用相应的业务接口，完成业务查询、办理等操作。 基于上述AI Agent客服产品各模块的功能说明，构建用户AI Agent核心流程。当用户通过网页端、移动端等渠道发起咨询或业务办理请求时，用户输入首先被对话管理模块接收。该模块依据用户历史交互记录与当前输入，判断请求类型，协调后续处理流程。 如果为简单咨询，对话管理模块将请求导向自然语言理解模块。该模块运用自然语言处理技术，剖析用户意图与关键信息，随后从知识图谱模块中检索相关知识，知识图谱涵盖银行产品信息、业务流程、政策法规等海量数据。获取知识后，自然语言生成模块据此生成回复内容，再由对话管理模块反馈给用户。 对于复杂业务办理或咨询，如贷款申请、复杂理财规划等，AI Agent的多任务处理能力被充分调用，将复杂任务拆解为多个子任务，AI Agent客服系统通过 API 接口从银行核心业务系统、客户关系管理系统、市场数据接口等获取必要数据，如客户财务状况、产品库存信息、市场行情等。 之后依据业务逻辑自主规划执行步骤，例如在贷款申请中，协助收集客户资料、向风险管理部门获取风险评估数据，完成任务后生成详细报告或解决方案，由对话管理模块传递给用户。 这种产品设计的优势在于可以提升服务效率，通过智能判断与任务分配，快速响应用户需求，同时增强服务精准度，借助知识图谱与多系统数据支持，提供准确解答与方案，无论是简单咨询还是复杂业务，都能实现一站式服务，减少用户等待与沟通成本。核心流程如下图所示。  对于流程中的每一个步骤，都可以由相应的模块或组件完成，也便于团队成员分工协作，提升产品的实施效率。例如，在自然语音处理模块，基于 Transformer 架构的预训练语言模型，在银行领域数据集上进行微调。利用词嵌入、位置嵌入等技术将文本转化为向量表示，通过多头注意力机制捕捉文本中的语义关系，经全连接层输出分类结果（用户意图类别）与关键信息提取结果。部分示例代码如下：  对于AI Agent用到的知识图谱模块，可以使用 Neo4j 图数据库存储知识图谱。通过 ETL（Extract，Transform，Load）工具从银行各类数据源抽取数据，经过实体识别、关系抽取等处理，将数据转换为节点与边的形式加载到 Neo4j 中。查询时，利用 Cypher 查询语言根据自然语言理解模块输出的意图与关键信息，从知识图谱中检索相关知识。  在自然语言模块生成回复中，采用基于 Transformer 的序列到序列模型，将自然语言理解模块输出的意图与知识图谱检索到的知识作为输入，对应回复文本作为输出。生成回复时，模型根据输入预测下一个词的概率分布，选取概率最高的词逐步生成回复文本。  ## 三、总结 作为一款新兴的 AI Agent 银行客服产品，目前还处于探索阶段。很显然，AI Agent的银行客服产品的确有很多优秀，在服务效率方面，其能凭借自然语言处理技术快速响应客户咨询，对于常见问题瞬间给出答案，极大减少客户等待时间。 在处理复杂业务时，可将企业贷款申请等复杂任务拆解并自主执行，协调多部门，显著提升业务办理速度。在精准度上，通过深度学习模型对客户意图的理解，结合丰富的银行知识图谱，无论是理财规划咨询还是贷款业务解答，都能提供精确答复。 从用户体验来看，产品支持多轮对话引导，贴合客户沟通习惯，逐步明确需求，并且能依据客户历史数据挖掘潜在需求，实现个性化服务，如为高净值客户定制高端理财方案，为普通客户推荐日常优惠，有效提升客户满意度。在业务拓展层面，精准洞察客户需求，挖掘潜在金融服务机会，促进银行新业务推广和客户资源深度开发。 既然是AI Agent产品，在客户使用时，银行要向用户明确告知，防止在处理客户情绪激动或投诉场景时，难以有效安抚客户情绪，从而加剧与客户的矛盾。在处理客户大量敏感信息过程中，需要注意数据安全与隐私风险，做好防护措施，避免引发客户信任危机。 为了进一步提升AI Agent产品能力，需要增加复杂语义标注数据，运用对抗训练等技术提升对复杂语义的理解，定期更新和扩充知识图谱，提升知识覆盖度与准确性，建立快速学习机制，在新业务推出前对产品进行模拟培训，利用专家标注数据和业务预演数据加速学习，同时建立实时反馈机制，根据客户咨询快速优化服务策略。 未来，AI Agent银行客服产品将走向多模态融合交互，结合语音、图像、手势等多种交互方式，为客户提供更便捷、自然的交互体验，如客户可通过上传图片咨询信用卡卡面定制服务，或通过语音指令完成复杂业务操作。 同时，借助更强大的数据分析和人工智能技术，实现从客户需求预测到主动服务推送的全流程智能化，为每位客户提供独一无二的金融服务体验，如根据客户生活场景主动推荐合适金融产品。 产品还将与金融生态深度融合，不仅局限于银行内部服务，还将与上下游金融机构、第三方服务平台等协同，为客户提供一站式综合金融服务，如在客户进行跨境电商交易时，自动协调银行、支付机构、物流金融等多环节服务。 随着 AI 技术在金融领域应用加深，可解释性 AI 技术也将得到发展，让客户和监管机构清晰了解 AI 客服服务决策依据，增强信任度 。这需要银行各团队之间通力协作，是一项非常复杂的系统工程，艰难却有价值！ **专栏作家** 王佳亮，微信公众号：佳佳原创。人人都是产品经理专栏作家，年度优秀作者。《产品经理知识栈》作者。中国计算机学会高级会员（CCF Senior Member）。专注于互联网产品、金融产品、人工智能产品的设计理念分享。 本文原创发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于CC0协议。 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

不止是华熙生物。

再现亏损的奈雪的茶，真得加把劲了。

3月10日消息，据淘宝官方规则网站显示，于3月4日起正式生效《淘宝网开店规范》《淘宝网市场管理与违规处理规范》《淘宝网关于无货源店铺实施细则》等平台规则的调整，以治理恶意店群，保护在平台合规经营的优质商家权益，维护平台公平。  图源：淘宝官方规则网站 近年来，随着电商行业竞争变化，出现以冒用、套用他人身份或主体信息控制几百上千家店铺的恶意店群商家，他们以重复铺货、抢占流量等手段，抢夺合规经营商家的生意，侵害消费者的权益。   恶意店群商家具有明显的“卖高发低、无货无售后”等特点。举个例子，如商品的原价为50元，恶意店群商家往往可能标价为100元，甚至是300元进行出售，他们出单后即用消费者的收货地址到源商家处进行下单发货，如遇退货退款等情况，则将商品原路退回给源商家即完成甩锅。   于商家而言，其花费大量时间成本、人力成本、推广成本打造而成的爆款商品，不仅被恶意店群无成本挣差价。更甚，他们的商品更因会被恶意店群商家无售后等情况导致口碑受损，对商家的长期发展造成极大影响。   于消费者而言，花费50元与300元是同一个商品，更甚的是，恶意店群常为了追求利润最大化，会选择低价供应商进行发货，致使到达消费者手上的常为“质量低劣、货不对版”等商品。更甚的是，如遇消费者集中维权情况，他们则直接关闭店铺，以躲避责任。   此外，记者查询黑猫投诉平台数据显示，恶意店群商家除涉及虚假发货、商品劣质等方面投诉，消费者信息泄露也屡见不鲜，此举更是极易引起电信网络诈骗。举个例子，恶意店群以控制大量店铺为其生意模式，因此常需注册新店以维持其经营。可见，过程中的个人信息不正当使用、泄露及衍生而来的电信网络诈骗，常会使普通消费者遭受巨大损失。   当前，淘宝以各种形式对“恶意店群”进行治理，通过升级商家新开店规范、升级拦截第三方恶意铺货软件等方式，从源头进行阻断。此外，平台也推出《无货源商家合规经营指南》，以引导商家积极转型，走向规范经营。   一位资深电商行业人士向记者表示，“淘宝下重拳治理恶意店群，意在鼓励和保护优质商家，特别是中小商家在平台上实现公平竞争、持续发展。同时他也认为，恶意店群商家不要心存侥幸，规范经营才是长久发展。”

AI超声的发展为何落后于人？

<blockquote><p>在TOB（企业对企业）用户运营中，客户评分系统常被用于评估潜在客户的转化价值，但实际应用中却常常面临理想与现实的差距。本文从一位资深用户运营从业者的角度出发，探讨了客户评分在运营策略中的价值与局限性。</p> </blockquote>  看到很多厂商（尤其是SCRM系统厂商）提到客户打分和评分模型，很多产品设计的时候是理想的，实际运营人员会发现很不实用。因为我自己就是做用户运营的，也会涉及到这块，为了避免对评分过度解读，所以所本次就聊聊这个。 先说结论：实践观察下来，建议大家不要太较真评分，然后挖空心思去探析多少评分差不多就是合格的线索之类的数据分析。没必要！但可以用这个评分去筛选部分高质量人群，后面细说。 说“没必要！”之前，需要先了解评分是怎么来的，主要是以下四类： 1.客户标签相关，比如打上某标签加几分； 2.阅读内容相关，比如经常阅读素材，长时间阅读素材加几分； 3.特殊行为相关，比如入群退群，打开某链接等加几分； 4.完善客户画像相关，比如填写了电话、企业、名字、职位等加几分。 看似多种，其实都是串起来的，比如客户阅读一个素材，给他打上某阅读标签，然后长时间阅读的话再加分，对方跟我互动了再打分。（题外话：这一点其实跟CRM内的线索判定/商机判断的成功率很像。） 了解了怎么来的就知道评分高意味着什么？ 1.清楚了解了客户的基础画像； 2.客户经常看内容，参加活动，多轮互动分享。 总结来说就是客户愿意交流以及对某话题感兴趣。 评分机制在一定程度上反映了客户的兴趣和活跃度，但打分评价只是参考，高评分≠高意向。 有几种情况： 1.高意向度客户：是我们想要的可转化客户； 2.高兴趣和高活跃度客户：比较喜欢交流，也喜欢看看热点内容，也有单纯凑个热闹的，有时间就多看看； 3.竞对同行：喜欢看看同行发的东西，了解竞对。 而且基于我自己经验，1类客户很少，一般真的能马上转化的客户，都有明确的需求点，能马上转化，所以评分都不会很高。2类客户是可培育客户，但也比较困难，因为往往是没有需求，自研或已外采，但时间内只是学习参考。3类客户是无法避免的。 所以没必要细究评分的数据分析，因为得出来的平均值，中位数等并不准确，在之后实际转化中不太能提供支撑。 那如何合理用起来评分？高评分客户群体怎么筛选？如何进一步交流？ 首先由于客户画像的完整不排除是为了获取某内容，企业要求留下的。所以我们可以根据目标客户画像，先筛选出部分客户，比如我之前提到的ABM客户或是目标客户所属行业等等。 接着重点筛选出上述2类客户，因为2类客户可以根据标签量和运营人印象筛出来。没错，就是客户印象，因为SDR/MDR上手后，会对一些客户有深印象，比如近期经常跟SDR交流，SDR经常能在活动报名的名单上看到某些客户等等。 最后需要定期回访筛选出来的客户，这一步往往容易忽略，其实很多高活跃客户是愿意交流的，可以定期回访看看是否能有机会转线索，或是有新活动了问问是否要参加，又或是对之前参加活动有什么建议等等，主要是加深客户对品牌的认知，当客户有需求的时候，能够快速想到我们。 为了更有效地管理这些筛选后的高评分客户以及其他某种特点客户，我个人是有一个“高质量客户表”，包含了高评分、高互动、高参与（多次私聊反馈不错也算）。这个表需要运营人平日记录或者在私域池内打标签，后续定期回访回访、优先推送等都可以尝试。 不过重点还是日常整理，比如活动名单整理时可以看到之前客户参与情况（这一点需要跟活动运营那篇文章结合看，可以重点看名单整理部分），跟客户私聊时知道以往互动情况，以及客户画像，CRM内记录情况等等。 保持理性态度，正确看待评分的作用与局限！ 本文由人人都是产品经理作者【cici手记】，微信公众号：【cici手记】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>从支付宝的“支小宝”到荣耀的YOYO助手，这些AI管家正在改写传统App的生存法则。本文将探讨手机厂商如何通过超级App和智能体技术争夺AI入口，分析超级App在智能体时代的生存策略，以及未来人机交互的变革方向。</p> </blockquote>  凌晨三点的杭州西溪园区灯火通明，支付宝产品团队正在验证最新版本的”支小宝”。这个能调用地铁码、点咖啡甚至规划出游路线的AI管家，正在改写移动互联网的底层逻辑——当机器开始理解你的生活习惯，传统App的生存法则正在崩塌。 ## 一、智能体的”觉醒时刻” 2024年9月的那个周末，上海白领林薇对着手机喊出”帮我点杯少糖生椰拿铁”，支付宝新上线的支小宝瞬间完成从识别需求到完成支付的整套动作。这看似简单的交互背后，是智能体从”玩具”到”管家”的质变。过去半年，国内智能体数量激增17.9万，QuestMobile数据显示其MAU增速已达传统App的3倍。 真正的转折发生在多模态技术突破后。荣耀YOYO助手的”2000杯咖啡订单”测试，实则是验证智能体跨应用调度的极限能力。不同于初代智能体局限于文本交互，新一代产品已掌握视觉识别、场景感知等核心技能。当你对vivo Phone Use说”查一下明天下午3点的会议资料”，系统会自动调取日程、打开文档并开启投屏——这种无缝衔接的服务体验，正在重新定义人机关系。 ## 二、超级App的生死劫与重生术 面对智能体的降维打击，微信、支付宝们祭出两大战术： **1. 生态反包围** 支付宝祭出”服务型App”大旗，将8000+生活服务能力封装成智能体接口。当用户在支小宝说”找附近的充电桩”，系统可智能匹配车企、地图、支付三方服务。这种”超级接口”模式，让传统App从工具升级为服务中枢。 **2. 硬件突围战** OPPO Reno12手机内置的”小布家庭管家”，可直接控制智能家居并调用美团外卖。这种软硬一体化的布局，实质是在抢占物联网时代的交互入口。小米更激进，计划将澎湃OS深度集成AI大模型，让每个设备都具备场景化服务能力。 ## 三、破局之道：共生而非替代 在深圳南山区某创业孵化器，某本地生活服务公司开发的”美食侦探”智能体已接入支付宝、抖音双平台。创始人李想透露：”我们在支付宝获得精准流量，在抖音完成内容种草，这种跨平台协作让获客成本降低60%。”这印证了荣耀赵明的判断：”未来不会有孤立的智能体，只有开放的生态联盟。” 值得关注的是，这场变革已蔓延至B端市场。携程推出的酒店智能体”TripGenius”，不仅能处理退改签，还能根据用户行为预测热门房型。这类垂直领域的深度服务，恰恰是超级App短期内难以复制的竞争优势。 ## 四、未来战场：从手机到元宇宙 当Meta发布Quest 3的AI助手时，业内人士嗅到了新的硝烟味。支小宝团队正在测试AR导航功能，用户只需说出目的地，虚拟箭头就会叠加在真实环境中。这种虚实融合的服务形态，预示着智能体终将突破屏幕限制。 “真正的战争不在App Store排行榜，而在用户心智。”腾讯元宝负责人坦言。随着工信部发布《生成式AI服务管理暂行办法》，合规性将成为新赛道的准入门槛。可以预见，未来十年最大的商业机遇，属于那些既能守住流量入口，又能开放生态协作的玩家。 本文由 @老林 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自 Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

历史上，科学的每一次重大突破，往往源于不同学派或研究者之间的激烈论辩。而对抗性合作（Adversarial Collaboration），便是让持对立观点的科学家共同设计实验、检验理论的研究模式，正是推动科学进步的重要引擎。

<blockquote><p>随着Manus等AI Agent的出现，产品经理面临着前所未有的机遇和挑战。本文将探讨如何利用AI技术，特别是AI Agent，帮助产品经理从繁琐的需求轰炸中解放出来，提高工作效率。</p> </blockquote>  几乎一夜之间，互联网被Monica团队研发的全球首款通用型AI Agent**「Manus」**狠狠刷屏，外媒评价其为“中国AI技术的里程碑”，资本市场更以**单日20%**的概念股涨幅和二手平台**10万元天价邀请码**的疯狂反应了市场的热度。从DeepSeek的爆火到今天一码难求的Manus。AI的全面应用时代已经开启，AI的能力会逐渐成熟，一些繁琐的任务流是不可避免的将被更高效的AI工具所取代。 而作为产品经理而言，我认为Agent时代对于有想法，懂业务的产品经理来说，开启了新的机会，使产品经理的想法的落地不用再束缚于代码，而是更垂直聚焦于场景需求的洞察，业务流程的梳理，产品方案的设计。这也是我开始写这一系列文章的初衷，尝试探索Agent的能力解决一些实际问题。回归产品经理这个岗位的初心：**发现问题-解决问题**。 ## 让AI把”999+”变成”已读√” 日常工作中我们经常会感叹，产品经理的工作有时候是跟“客服”是一样的，打开微信，几十个群，信息分分钟999+，要解答问题，要沟通需求，常常这个对话框信息刚回两句，有一个需求信息就又发来了。重要的信息有时候是难免会被遗漏。有一些公司对于产品需求的提交这块，是会有规范性的要求，比如OA/禅道或者是单独的工单系统等等，但“规定是死的，人是活的”，业务部门更多还是习惯直接通过微信或者企微/飞书/钉钉等办公软件给发来需求。 遇到这样的情况，你通常需要跟业务部门反复沟通，收集必要的信息，然后再评估这个需求的紧急程度，然后再记录这个需求，把它和你其他来源的需求整合在一起。在“降本增效”主流下，还有一些产品团队管理上可能还会要求统计需求处理情况，可能包括接收量，处理量，消化率，服务满意度等等指标，产品经理还要面临着填写很多的周报月报，增加了很多无形工作量。这个时候如果能有一个“助手”可以帮你沟通业务部门，初步收集整理并记录需求来源、基本信息，按照一定的规则帮你判定紧急程度，整理成对应的表格，那么我们就可以减少很多沟通成本，减少重要信息的遗漏，根据表格，一条条信息跟进处理，也不容易遗漏。 下图是我配置在飞书的一个需求收集助手的Agent，下面我将详细展开讲解这个Agent的思路。   ## 怎么培训你的AI助手 ### 步骤1：制定合适的培训大纲  想让Agent能够很好地帮你执行，你就需要像培训“实习生”一样，给它做一个定制化的培训。 上图我画出了整个“培训大纲”的思路：首先我们要明确要AI做的核心事项，我根据我的场景需求罗列出了4大关键步骤①需求沟通；②需求整理；③需求判断；④需求记录。 然后我们我们基于这四大核心步骤，要细化拆解具体的工作细项： - 需求沟通：哪些是我必须要了解的信息，如果需求方没有告诉我的信息，我需要用话术引导他补充哪些信息… - 需求整理：需求方可能跟我说了几大段话，那哪些关键要点是我初步收集需求时候，希望AI整理出来的…. - 需求判断：我需要针对我的需求制定几类标签，每一类的标签分别对应什么样的规则…. - 需求记录：我需要AI帮我记录哪些字段信息… 基于四大关键步骤展开思考，得出最后基于你实际应用场景的目标方案：即你要培训你的“实习生”的具体工作标准。 ### 步骤2：模板和规范制定 就像你培训“实习生”，你需要给它制定规范和模板一样，你要让AI按照你的要求填写记录，那你也需要把表格的模板创建出来。 下图是我用飞书的智能表格，创建的写入模板，上面要收集的字段，可以根据实际的需求进行设置（注意：这里字段的类型，可以选择文本/多选/单选，选择其他类型时候，后续写入会容易报错），接收时间这栏，可以勾选[新纪录自动填写创建时间]，这样AI帮你写入记录的时候，会自动生成时间。   ### 步骤3：工作流程培训 下图是我通过扣子平台配置的完整工作流，便于理解，我分别用不同颜色的选框备注了对应节点执行的任务。  需求整理的大模型，通过提示词可以看出，我让他做了两件事，一方面是按照我要求的格式提炼我要的内容，另一方面我给它定义了一个规则，让它按照这个规则，判断输出对应的需求级别的标签。  另一条支线是则是需求时间的判定，在实际的业务场景中，有时候需求方通常是不会很明确的告诉你XX月XX日要上线，可能都是一些很模糊的时间节点，所以需要根据信息进行推理得出具体的时间。所以在需求时间判定的大模型前，我配置了一个获取当前实时时间的插件，用于告诉大模型现在时间，让它可以结合原始输出的内容进行判断。  下图框选出来的部分这两个节点就是将前面两条支线总结提炼出来的关键信息，按照飞书文档写入插件的要求格式进行整理，传输给飞书插件（具体的配置方式可以查看上一篇文章知识库的详细步骤，此处考虑篇幅，就先不展开赘述了，写入飞书文档的配置基本大同小异，根据实际你配置的表格中要的字段进行设置即可https://www.woshipm.com/ai/6186130.html）  这里为了让大家更清晰地理解配置的工作流，下图我运行了一个测试的字段，大家可以看详细看展开结果中的输入和输出内容，来了解整个的一个运行逻辑。  ### 步骤4：上岗培训 配置完工作流，并且测试完成之后。下面就要开始做上岗前的最后培训，配置bot。 回到扣子的工作空间-项目开发，点击右上角创建，选择创建智能体。  按照个人喜好编辑智能体的名称和描述，然后在中间栏-工作流中选择上面我们配置好的工作流。（注意：需要在这个人设和回复逻辑中明确提到“什么情况下，运行这个工作流”）  为了能够尽量让需求方给到你要的信息，可以给智能体设置一个开场白，通过开场白的话术引导需求方，按照一定的格式提供你必要的信息点。  配置完成，并且测试完成后，可以点击右上角发布，选择发布到飞书（注意：这里需要有管理员的权限授权），成功发布完成之后，在飞书的工作台，就可以看到并且使用这个AI助手了。（注意：首次使用时，需要授权智能体写入你的文档。）   通过工作台，这个飞书组织下的成员都可以通过这个助手，提出需求，而助手也将收集到的信息记录到对应的飞书表格中。在实际使用过程中还可以结合飞书智能表格中的能力，比如提醒功能，或者@某某人的能力，实现需求更精细化的管理。  ## 写在最后 就像PPT从诞生到现在已经过了几十年，还是最好用主流的汇报工具一样。其实我们身边是不缺少各式各样的工具，工具不在于多或者是新，而在于知道有什么工具，知道如何使用，知道能解决什么样的问题。 本文由 @笛仁杰 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

百年历史，机器人的新篇章。

<blockquote><p>Manus AI Agent的出现引发了AI圈的广泛关注，其强大的任务规划和执行能力让许多人惊叹不已。然而，Manus究竟是什么？它与ChatGPT等其他AI产品有何不同？它的技术实现原理是什么？又是否真的如外界所吹捧的那般神奇？本文将从应用视角、技术实现以及Agent未来发展趋势等多个角度，对Manus AI进行深度剖析。</p> </blockquote>  不得不说，最近一段时间AI圈的发展实在是太快，我们的学习速度实在是有些跟不上，因为这两天身边的技术圈和AI圈的高手们都在讨论Manus，让我觉得自己有必要深入的理解一下Manus的产品和技术原理，所以今天优先快速输入关于Manus的分享，后续会把我过去一个月关于Deepseek的学习成果也分享大家。 为了快速的搞清楚它到底是什么，我花了一天的时间阅读了大量的文献并从产品经理的视角做一次系统的梳理和总结，相比Deepseek，Manus还是相对更容易理解，加上研究助手的支持，今天很快就把这篇文章输出出来了，全文近8000+字，我将从应用视角、技术实现、以及对于Agent探索等角度，深度理解这个产品。 ## 一、从应用视角理解Manus AI ### 1. Manus AI是什么？ 简单一点讲，Manus AI本质上是一个具备“多智能体”**能力的应用产品，是一个拥有**更多的技能，并且能够**自动规划**并一次性组合多种技能，解决一个复杂的应用场景问题，相比之前以ChatGPT为主的产品，Manus Ai可以更具体的解决很多通用场景的问题，并且输出结果的满足度更接近用户想要的结果，例如根据其官网的示例，它可以执行“**爬取特斯拉股票数据，生成一篇带图表的分析报告，并创建一个数据面板，将其部署成一个可以查看的网站**”等这样需要完成爬虫收集数据、图表可视化、创建分析报告、编写代码、部署网站等多个复杂任务的指令，接下来我们详细介绍Manus AI的每一个核心信息： - **ManusAI是一个应用，不是大模型：首先它只是个AI应用产品，不是一个大模型，跟DeepSeek完全不是一会事，只能算一个做的很不错的超级产品工程，所以不要和大模型混淆，更不要提“下一个DeepSeek”这种外行的观点，它跟DeepSeek的影响力完全不是一个水平，鉴于当下很多人错误的观点，这里有必要纠正一下部分人的误解；** - 具备自动规划和任务拆解的能力：Manus 可以基于用户输入的指令，理解用户的意图之后，自动建立规划，并拆解任务；比如用户输入“帮我生成一篇特斯拉的报告“的时候，Manus将该指令拆解为”**创建Python文件-爬取数据-生成图表-创作分析报告-编写HTML代码-部署网站**“这个过程，这里的规划能力，和大模型的规划能力还稍微有些不同，后面我们会详细讲解； - 具备更多的技能，可以完成更多复杂的任务：以上面的特斯拉的案例为例，完成整个过程所有的任务，需要具备编写爬虫代码、对接金融数据API、对接数据可视化API、生成分析报告、代码编程、对接网站部署API等一些类的能力，Manus相当于提前具备了这么多技能，当需要使用这些技能的时候，自动调用技能解决问题，”技能库“是Manus AI非常重要的一个能力，同样我们后面会详细讲解； - 可以解决更多通用性的应用场景问题：通过Manus 用户可以更加大胆的提出更多的应用场景问题，比如特斯拉这个例子，以往面对ChatGPT等产品，我们还不能提出让它自己写代码，并且把网站也部署了，可以支持用户直接打开网页这种事情，因为它不支持直接部署网站的能力，而manus却做到了，这是它让大家惊艳和赞叹的原因之一。 总结起来，从应用层的角度上看，manus是一个技能超群，能更灵活的解决用户更复杂的应用场景问题的应用工具，未来很多需要存在复杂工作流的任务，通过Manus这种类型的产品，可能能够得到很好的满足；  ### 2. Manus AI究竟有没有那么神？ 这两天有很多营销媒体有点过分的吹捧Manus，这其实并不太客观，很多人甚至都还没有真实的体验过这个产品，也还没搞清楚它就开始吹捧。 但不得不说的是，单纯从当前AI应用的角度上看，Manus定义的应用实现方式和实现效果确实是惊艳的，这个评价并不是个人说的，而是来自业界权威的GAIA测试的结果，GAIA它是由数个来自Meta、HuggingFace和AutoGPT的专家们共同完成，模拟了真实世界的复杂问题，要求AI展现推理、多模态处理、网页浏览和工具使用等多维能力；之前GPT-4+工具调用在这个测试中仅获得了15%的成绩。而Mannus AI在GAIA测试中超越了之前的各种Agent以及OpenAI的DeepResearch，这非常了不得，但是我们只能说，当下它相比其他应用还是很了不起的，至于实际能不能真正一步到位的解决用户的问题，达到非常炸裂的效果，这个我觉得不一定，还是要看到实际的产品，真正放到应用场景里面才好评价。  ### 3. Manus AI和ChatGPT等产品的区别？ Manus AI和ChatGPT都属于AI应用，那么两者有什么区别，Manus为啥能够让科技圈觉得它与众不同，个人的理解，两者的差别主要包括如下：  1.从产品形态和能力边界上看，ChatGPT本质上是一个以大模型为主的生成式AI应用，它目前只能解决一些跟内容生成有关的问题，解决不了跟生成无关的问题，包括自动化任务，或者跨平台执行任务，比如部署网站、帮你订餐等，这些跟生成式AI无关； 而Manus AI更像是一个自主规划并执行任务的机器人，生成式AI只是它的一部分能力，除此之外，它还能能自主执行自动化任务，或者跨端执行任务；而现实的应用场景中，用户并不是只有AI生成的需求，还有自动化任务相关的需求，这是很多用户认可它的原因，相当于它能帮用户解决的问题更多了； 2.从用户体验的角度上看，ChatGPT在执行任务的时候，更多的需要用户写清楚提示词，提供清晰的指示，在用户的引导之下才能完成任务；而Manus可以支持用户简单的输入一个指令，Manus自动理解用户需求并拆解任务，并自动完成任务； 另外一个角度，在解决一些具体任务问题的时候，ChatGPT很多时候只是提供建议和操作指引，但是并不会帮助你完成任务；比如当你问ChatGPT怎么部署网站的时候，它可以很清晰的告诉你一系列过程，但是还是需要用户自己动手做；而Manus不同，它可以自己动脑规划的同时，还直接动手帮你把之情给做了，这完全呼应了“Manus”的中文翻译是“手脑并用”这个点；因此**ChatGPT更像是一个只指挥不干活的老板，而Manus是一个动脑子还做事情的优秀员工**，这是用户更加喜欢Manus这种应用形态的原因； **3.从技能水平上**，ChatGPT除了大模型服务之外，还支持联网搜索等技能，但是整体的技能和工具是比较少的，目前更多的是官方引进了一些跟生成相关的技能，但是Manus却又大量的内置技能，包括搜索引擎、浏览器、本地文件处理、代码编程等，还具备调用多种数据API以及跨端操作等技能，所以技能更多； 4.从技术实现方式上，ChatGPT主要依托大模型技术，而Manus技术底座采用了多代理虚拟机架构，融合规划代理（任务拆解）、执行代理（工具调用）、验证代理（结果校验）等多层代理，形成一个同时具备“模型调度+工具链整合+环境交互（例如跨端交互）”三重能力的应用。 事实上，openai推出的产品中，跟Manus直接对标的可能不是ChatGPT，而应该是其推出的Operator这款产品，但是为啥operator推出的时候，并没有引起相应的轰动，最主要的还是因为其限制只有200美元/月的PRO用户才可使用，或许在能力上Operator并不比manus差，但是因为只有极少数用户才能用上，因此不具备市场效应。  ### 4. Manus AI执行任务的过程 在大致的理解了Manus应用相关的问题之后，我们来分析理解一下Manus AI在具体应用的过程中，它是怎么运作的，我们以其官网示例的：“特斯拉股票分析和投资见解”这个应用场景为例，分析它是怎么逐步完成这个应用场景的实现的，整个实现的效果是，**用户仅输入一个需求指令，manus最终输出了一份关于特斯拉的股票分析，同时将数据固定成为一个数据看板，并开发部署为一个可以打开的网站**；整个从输入到输出的过程的原理，通过一个脑图梳理概括如下：  具体每个步骤的明细如下： **1.用户输入需求指令**，要求对特斯拉股票做一个全面的分析，并提供了需求细节；  **2.连接数据源，获取分析需要的数据：**获得需求指令后，manus第一件事情是先通过调用金融数据的API获取特斯拉相关的企业信息，财务数据等数据，这个过程中，Manus调用了获取数据的API；  **3.规划和任务拆解：**接着，manus基于用户的需求，开始制定规划并将该需求拆解成多个任务，任务中包括收集公司概况、财务分析、分析市场情绪、技术分析、竞争对手分析、内在价值分析、制定投资理论、撰写报告等多个任务；  **4.任务工作流梳理和执行**：然后，开始逐步执行各个任务，在执行该任务的时候，manus先梳理完成该任务的工作流，然后依次执行，我们以收集财务数据这个任务为例，整个流程包括撰写python爬虫代码，运行爬虫并获取财务数据，调用数据可视化组件将数据整理成可视化图表；**整个过程背后的技术过程，Manus先是调用了大模型的能力完成python文件的撰写，并自动运行爬虫程序爬取数据，且调用数据可视化图表的API完成图表的转换；**   **5.最终输出一份分析报告**：第一项任务的终点，最后调用大模型的生成能力输出的是一个股票分析报告，客观的讲，个人觉得案例中输出的分析报告肯定还达不到非常专业的水平，但是从完成度而言，已经是比较不错了，一方面基本满足用户的需求，并且报告中有数据、有洞察，只是要说达到ChatGPT DeepResearch的水准那没有。  **6.制作仪表板：**接下来用户再次发送一个制作仪表板的指令，Manus继续完成前面从规划、任务拆解、任务执行的过程，完成一个交互式仪表板的创作；  **7.将仪表板发布为网站：**最后一步，用户发送指令，将该仪表板部署到一个公共的URL上，该过程中Manus完成应用程序的编程，并自动将程序部署到公网，支持用户访问，当用户直接打开这个网页，看到这个网站的时候，确实让人觉得非常爽，只是一个指令，真的最后开发了一个网页并且部署为可以直接访问的应用，这点是目前ChatGPT等产品无法做到的；   ### 5. Manus未来更适合能解决哪些应用场景的问题？ 从前面大家也可以看到，manus的核心能力个人概括起来主要就两点：**任务规划和拆解、调用工具**； 因此其应用场景，核心围绕着这两个能力，比如基于其任务规划和拆解的能力，未来那些工作流比较漫长并且复杂的应用场景，可能可以被很好的解决； 同时基于其调用工具的能力，未来那些需要跨端、跨系统操作，或者需要组合多动API工具的应用场景，可能通过Manus更好的解决，不过鉴于目前Manus可以调用的工具库主要以浏览器操作、文件操作、编程等为主，API主要以数据获取等为主，未来在应用场景上，也将围绕着其可以调用的技能范围来，概括起来个人觉得，以下这些应用场景可能在Manus中会被更好的满足；  ### 6. Manus AI的能力边界和局限性 概括起来，Manus可能更加适合解决满足一下条件的应用场景的问题，对于任务流程个性化、缺乏公开工具和API、专业性较强的应用场景，Manus依然无法很好的满足。 - **任务和工作流可以被标准化或结构化拆解的应用场景：如果任务拆解非常个性化，流程也很难被标准化，比如创意发掘、用户需求洞察等，这些是很难被标准化设计和规划的；** - **该场景存在可以开放的API和工具，如果没有开放的工具和API可以使用，这种场景就无法被实现和满足，比如复杂的依赖私密信息的金融投研、企业战略决策等；另外目前Manus在跨端操作上还只支持浏览器的跨端操作，而对于电脑操作系统层级的软件的跨端操作，由于** - 专业性较强的场景：从前面的案例中，我们可以看到，即使Manus在自动化执行方面已经非常出色，但是目前它还是没有完全解决专业性的问题，比如它还并不一定知道一个专业的股票分析报告应该是什么样的，可能还是需要用户提供一些信息或者需要进一步的探索，自动规划和工具调用并不能解决这个问题，如何定义一个好的回答，以及专业的结果，其中的know-how依然是壁垒，没有被打破。 ## 二、从技术实现的视角理解Manus AI ### 1. 从产品实现的角度看，Manus和以往AI Agent设计的思路有什么区别？ 作为一个AI应用的产品经理，在了解完Manus的实现逻辑和技术原理之后，我们能明显的感觉到Manus带来了另外一种Agent实现的方式，那么相比之前的AI Agent搭建的方式，manus搭建AI的方式有什么特别之处，这部分主要阐述这个问题。 不管新旧的方式如何，一个Agent的搭建，都必须通过大模型、规划、工具（包括知识库、API、computer use等）这几部分才能搭建出一个完整的Agent，Manus相比之前的AI Agent搭建的方式，有如下几点不同： - 自动的任务规划和拆解：Manus能够自动的规划和拆解任务，不需要人工的接入，而以往我们开发一个Agent的时候，这部分的规划和拆解是产品经理人工拆解的，由人工来定义； - 从工具库从调用工具：Manus具备一个内置的工具库，该工具库中包括浏览器、文件处理、代码编辑器等工具，并且支持调用多种API完成特定任务，还可通过computer use的方式跨端操作，因此它具备了更出色的工具调用能力，而以往AI Agent开发的时候，每一个环节里面的工具能力都需要对接具体的API或者使用具体的工具，工具接入的过程更加繁琐； - 通用性：因为技能限制，以前的Agent的实现，每个agent只能解决特定的场景，很难解决通用场景的应用，而Manus在超多技能支持的情况下，可以成为一个通用的AI Agent，灵活的解决很多问题。 ### 2. Manus AI背后的技术架构和原理 在前面特斯拉的案例中，我们也能够看到，Manus在具体解决某一个问题的时候，是先规划和拆解任务，然后再分别执行各个子任务的工作，最后输出结果； 仔细理解，Manus AI 的底层使用了多代理虚拟机的架构，架构中包括规划代理、执行代理、验证代理三层代理，每个代理都具备动态调用工具库和API的能力，三个代理协同起来，完成任务的处理，整个工作流程概括起来如下： 1.用户输入具体指令需求； 2.规划代理完成任务规划和拆解； 3.通过执行代理完成具体指定任务的执行； 4.通过验证代理验证操作结果并输出结果；  ### 3. Manus的规划任务拆解和大模型的规划能力有什么区别？ Mannus的核心能力之一是自主规划和任务拆解，大家可能会觉得奇怪，大模型明明也具备规划和拆解的能力，为啥不直接使用大模型，Manus为啥还要采用多代理虚拟机这样一个特殊的架构来实现这个事情其中。 其中最主要的原因在于大模型的规划能力和任务拆解往往只是基于“文本生成逻辑”，规划结果也只是停留在文本层面，而非基于实际可行的操作，比如当用户要求“生成特斯拉股票分析报告”时，大模型可能输出步骤建议（如“先获取数据，再分析趋势”），但缺乏具体工具调用路径，如调用雅虎金融API、Python脚本编写、Matplotlib可视化等，因此规划不到具体可落地的层面； 另外对于一些复杂的任务，通常需根据中间结果动态调整策略，Manus的规划代理需要能实时监控执行代理的进度，并根据异常（如API调用失败）重新规划子任务，而单一模型难以实现这种闭环反馈，这就是大模型规划能力和Manus背后的规划能力的区别。 ### 4. Manus是如何解决工具的获取和调用的问题？ 前面我们已经知道了Manus具备自动调用工具和API的能力，其中这些工具可能来自如下3个来源： 1.内置工具库：**包括浏览器、文件处理器、代码编辑器、图表生成工具等等，这些可能都是一些公开的工具组件，官方整合后放到工具库，并基于Claude在2024年6月20日发布的Artifacts，让Manus能够在对话中动态创建和修改这些工具，从而完成从代码到图表，从文档到交互式组件等直观内容的呈现；** 2.API：其中包括数据获取的API以及具体某一个技术能力的API，过往我们搭建Agent的时候，我们是通过function call技术将API转换成模型可以调用的工具或者函数，每次在一个Agent 里面调用API的时候都需要单独做对接，这样的方式，就意味着如果要支持100种API，就要对接100次，这样就不具备可持续发展的条件，Manus之所以能更轻松的解决这个问题，**得益于2024年11月25日Anthropic开源了划时代的“模型上下文协议”(MCP)，MCP解决了数据获取和功能获取等API的统一接入问题**，一方面，市面上只要是支持了MCP协议的API，开发者都可以直接调用，有些指定的API如果还不支持，开发者可以通过自主的开发，让指定的API支持MCP协议，这样，Manus可以构建一个API工具库，这些工具可以被直接调用，不用再进行单独开发； **3.Computer use能力：另外，即使没有API和工具，通过Computer use的能力，AI应用可以不局限于专用工具，而是能像人类一样“看见”屏幕并操作计算机，移动光标、点击按钮、输入文本，真正模拟人类与计算机的自然互动，该能力由Claude在2024年10月22日发布，Manus利用该能力，通过跨端操作等方式，增添了更多的能力；** 从这里可以看到，其实Manus并没有创造太多的技术方案，只是将这些大公司公开的技术方案利用到极致，用于形成自己的AI应用，他可能算不上是AI技术的引领者和贡献者，但是至少一定是利用开源技术做产品工程最极致的企业。 ### 5. Manus调用工具的方式：云端异步执行与沙盒环境 **1.云端计算环境：**Manus的所有工具调用均在独立云端沙盒中完成，用户无需本地安装软件或配置环境。例如，生成HTML演示文稿或运行Python脚本时，直接在云端虚拟机执行，用户可随时关闭设备等待结果。 **2.异步处理能力：**支持用户上传任务后离线，系统自动分阶段调用工具并执行，完成后通过通知推送结果。例如，用户可提交旅行规划需求，Manus在后台调用地图API、酒店预订接口及预算计算工具，最终生成完整行程表。 **3.安全性保障：**调用API时优先使用权威数据源，避免非结构化数据的干扰；同时通过沙盒隔离确保用户隐私与任务安全。 ## 三、透过Manus AI看Agent未来的发展趋势 ### 1. Manus的产品形态，是否代表未来Agent的趋势？ 个人的观点，Manus AI的这种产品形态，并不一定代表未来Agent的发展趋势，应用的本质是解决用户的应用场景问题，至于产品形态个人认为不重要。 ChatGPT等这些类型的AI应用，也并不是不能实现Manus AI的功能，前面我们理解到，Manus相比ChatGPT等应用主要是多了任务规划和拆解、工具调用（工具库、API、computer use）的能力，如果ChatGPT也同步支持这些能力，其照样也可以实现manus一样的效果，其中核心的多代理虚拟机架构、工具库、基于MCP协议的API、computer use等都并不适合Manus的公司原创，其他应用复现和支持的代价并不高，也就是说ChatGPT等类型的应用也能以其产品形态实现相同的应用效果。 ### 2. Manus是否具备竞争壁垒，和扣子等Agent开发平台的区别 鉴于Manus的很多产品能力其实都是基于开源框架和技术造就的复杂产品工程，所以个人认为，并没有太大的核心竞争壁垒，优势仅仅是因为率先推出，可以抢先获取用户，而像扣子、腾讯元器等类型的Agent搭建工具，也完全有条件可以实现和Manus同样的能力，比如扣子只需要增加任务拆解和规划的能力，以及快速接入支持MCP协议的API，改变其当下通过Function call的方式对接API的方式，可能达到类似的效果，并且多智能体这种实现方式，在很早的时候，已经被应用于扣子的agent搭建流程中，只是目前多智能体需要人工取连接，不是通过模型自动串联，但是这个事情要实现不是很难的事情，对于字节来说。 ## 结尾 OK，以上即为三白对Manus AI Agent建立的快速理解，从一开始不明所以，完全不知道这个东西到底是什么，到逐渐理解其实现方式，并对比之前的Agent产品，慢慢的理解这个产品，无论其产品能力如何，Manus的这种实现，也算的上是应用层的创新，他的实现方式，给AI应用的创业者们提供了一种做应用产品的思路，或许应用中的很过规划细节可以交给模型和规划代理处理，MCP之下的API接入的方式，或许可以改变目前AI应用接入API繁琐且困难的局面。 作者：三白有话说，公众号：三白有话说 本文由 @三白有话说 原创发布于人人都是产品经理。未经作者许可，禁止转载。 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

一张“膏药”里藏着大生意。

 # 第一部 古装片的黄金期 # 第三幕 “魔鬼冈田”——影坛猛男冈田茂（下） # 统领拍摄现场的魔鬼队长 五十年代中期，东映一跃成为业界的霸主。然而，作为直营影院较少的新兴公司，东映为了维持这一地位，必须确保其他公司不会抢走其合作影院的排片，因此只能继续大量制作电影。当时其他公司每年制作四十到五十部电影，而东映仅在京都一地每年就制作约八十部电影。而且，其中大部分是拍摄耗时费力的古装片。现场的工作负担非常沉重。 坊间传言：“在东映京都制片厂，没有人是走路的，所有人都在跑。”这种说法虽然有些夸张，但也并非完全错误。 那么，东映京都是如何应对这种疯狂的制作节奏的呢？当时作为年轻现场制片人员奔波于现场的高岩淡，在接受笔者采访时这样回答：“哎呀，我们这里有个叫‘魔鬼冈田’的可怕大叔啊。”“魔鬼冈田”指的就是冈田茂。 冈田茂在牧野光雄离开京都现场后，从大川博社长手中接过财政大权，担任制作课长，1957年他33岁时升任制作部长，负责管理整个制片厂。据高岩说，当时的东映京都制作部，即使在以“不良分子”著称的东映京都中，也是出了名的“硬汉”云集。制作部主要负责现场管理，解决问题也是其重要职责。因此，那些有人脉和胆识的人备受推崇，成员包括从中国东北回来的前左翼、前警察、前陆军坦克队长、前海军军士长、前黑帮成员等。这些猛将们年纪都比冈田大，他们称呼冈田为“冈田君”。冈田必须管理这些人并推动制片厂的运作，为此他不得不成为“魔鬼”。 高岩与平山亨是第三期（1954年入职）的同期生，平山亨刚入职就被派往京都现场担任副导演。他回忆起与冈田在制片厂的初次见面时说道：“那时候的冈田先生掌控着现场的一切。一到制片厂，他就突然吼道：‘听着，副导演无论如何都要跑起来！你们不需要动脑子！’” 后来成为《无仁义之战》等热门作品的制片人日下部五朗（1957年入职）这样评价当时的冈田：“那时候的冈田先生给人一种‘现场的总管’的感觉。”（本人原话） 原本立志成为画家，青年时代深受法国导演朱利安·杜维维埃作品影响的日下部五朗，参加了“艺术职招聘（导演、编剧、制片人候补）”考试，并于1957年进入公司。然而，刚入职不久，他就接到了“去京都”的调令。在那里，工作内容与“艺术”相去甚远。 日下部与同样以“艺术职”身份被录用并派往京都的山内铁也、佐伯明等人一起，站在了冈田茂面前。冈田仔细打量了他们一番，目光停留在日下部身上：“你体格不错，看起来很结实。好，从今天开始，别用脑子，用身体干活！” 就这样，日下部被分配到东映京都制片厂最艰苦的制作部，担任现场制片人员。和冈田刚入职时一样，他的工作内容涵盖了各种杂务。他的第一个任务是参与一场战争场景的外景拍摄。而日下部的第一项工作，竟然是清理拍摄中使用的马匹的粪便。 “总之，干的都是像奴隶一样的活儿。在那个连睡觉时间都没有、让人吐血的杀人现场，我每天想着‘我可不是为了干这个才进电影公司的’，但当时就业困难，也没有其他地方可去。”（日下部谈） 后来成为东映京都代表性导演之一的中岛贞夫于1959年入职。虽然公司给了他一周的“培训期”，但在这期间，他就被直接派往京都担任副导演，投入实战。一到制片厂，中岛就被冈田叫了过去：“现在去支援外景队！别忘了带长靴。” “为什么是长靴……？”带着这样的疑问，中岛前往了拍摄地——滋贺县的饗庭野。当时，饗庭野已经是自卫队的训练场，但由于其广阔的地形非常适合拍摄时代剧的战争场景，因此经常被用作外景地。这次的拍摄是加藤泰导演、大川桥藏主演的《红颜密使》中的战争场景。连日的大雨让周围变成了一片泥沼，但东映京都的拍摄日程可不会等待泥地干涸。然而，大部分的临时演员都是附近中学的学生，他们是以“捐赠电视机”为条件被免费召集来的。因此，他们的动作迟缓，导致拍摄进度大幅延误。外景队并不知道前来支援的是个新人，以为“来了个帮手”，于是直接把中岛推到了前线。他不得不在泥泞中奔跑，对着初中生大喊“快跑！”。从此，中岛被分配到加藤组，经历了连续通宵的拍摄现场。中岛自己这么讲：“真是来了个不得了的地方……当时我就是这么想的。” 这时，与中岛同期成为京都制片厂副导演，并一起在现场泥水中摸爬滚打的，还有后来以笔名“飞鸟弘”活跃于《钱形平次》等电视剧的编剧鸟居元宏。他这样说道：“我是橄榄球部出身，中岛是棒球部出身。我想我们是被看中了这一点。我们纯就是来干体力活儿的啊。” 当时的东映有六十六名副导演。如果只是按部就班地等待，不知道要多少年才能当上导演。“必须跑起来！跑起来，才能被人注意到！”鸟居和中岛互相这样鼓励着，在严酷的现场拼命奔跑。 冈田一方面以“魔鬼”的姿态将年轻的助理导演和现场制片人员投入地狱般的战场，另一方面，他自己也为维持量产体制而拼命工作。 “那个大叔，每天早上七点半就到厂里了，他明明只是个课长啊。然后他会目送所有外景队出发，接着从十点开始把自己关在房间里，从剧本检查到所有工作都亲力亲为。他房间的桌子上总是放着每个演员一年的日程表。他会根据演员和工作人员、导演的契合度来分配任务，然后整理出每年近百份的详细拍摄日程表。他厉害的地方就在这里。当他让别人吃苦的时候，他自己也在做非常辛苦的工作。正是因为有这种公平性，大家才愿意跟着他干。” 高岩淡如此说道。 # 宛如铁臂阿童木的顽强编剧：结束信二 在如此庞大的量产体系下，承受巨大压力的不仅是拍摄现场。作为一切基础的剧本创作自然也必须实现量产。因此，每部作品的剧本都在突击作业中仓促完成。由于签约编剧数量不足，策划部员工参与剧本创作成为常态。森田新便是其中一员，他经常给拯救东映于濒危的热门系列片《新诸国物语 笛吹童子》《红孔雀》的编剧小川正（记正）打下手。在极端的量产压力下，小川不得不争分夺秒地赶写剧本，导致剧本提示中仅有 &#34;他来了&#34;&#34; 她回去了 &#34; 等模糊描述，既无具体角色名也无情节走向。而森田的任务就是将这些框架填充成完整的戏剧。 这种全员参与剧本创作的模式，为东映策划部培养出大批日后的金牌编剧。从创作了电视古装片史上高收视作品《素浪人月影兵库》的森田新，到执笔内田吐梦导演《宫本武藏》系列及《饥饿海峡》的铃木尚之，均出身策划部。其中最具代表性的，当属从策划部转岗编剧，以年均数十部的产量支撑东映时代剧的结束信二。 &#34;结束先生写剧本的速度简直快得惊人。&#34;（森田回忆）在开拍在即剧本难产时，他总能独当一面完成救场。即便被制片人催稿 &#34;明天就要开拍了还没定稿，拜托了！&#34;，他也面不改色瞬间完成。甚至能同时创作三部剧本，或三天内完成一部。这种临危受命的可靠性与超负荷工作的抗压能力，让他获得了 &#34;铁臂阿童木&#34;（既能及时救场又永不疲倦）的称号。 结束本人将东映古装片的剧本创作视为 &#34;最高级的匠人技艺&#34;：&#34;如果把电影区分为娱乐作品或艺术作品，我反而会不知所措。比如，当一部作品需要十位明星参演且每人仅有三天拍摄时间时，能在这种限制下写出有趣的故事，对我来说就是最大的乐趣。&#34;（《古装电影》1962 年 3 月号） 曾在结束代表作《新选组血风录》担任副导演、并执导《燃烧吧剑》的松尾正武，曾向他请教快速写作的秘诀。结束透露：&#34;我从不写分镜大纲，直接从脑海里开始创作。普通编剧这样做容易卡壳，但我不会。因为我会先确定开场男女主角相遇的场景，再决定结局走向。只要这两点确定，剧本就完成了。剩下的就是设计反派及其党羽，用三角关系推动剧情。&#34; 正是这种预先构建的叙事模板，让他能保持惊人的写作速度。 不过，像结束这样在短时间内完美交稿的能力实属罕见。同样被量产压力驱赶的森田新，则采用了公认的 &#34;得过且过&#34; 策略：&#34;时间紧迫时只能拼命写，根本无暇顾及质量。只要写出来就能换钱，当时就是这么现实。&#34;（森田回忆）他的创作理念是：反正最后有导演收尾，编剧只要填满稿纸就行。有时甚至只写 &#34;此处插入爱情戏，男女主角最终相爱&#34;。当导演质问 &#34;相爱之后呢？&#34;，他会回怼 &#34;这种事你自己想！&#34;。这种现象并非森田独有，翻看当时的东映古装片剧本，&#34;此处请安排爱情戏&#34;&#34; 此处请设计武打场面 &#34; 之类的模糊提示比比皆是。 在东映京都制片厂，所有人都在以疯狂的速度运转，共同支撑着这个庞大的电影工业体系。 # 宛如地狱的量产体制 “那个时候的拍摄现场就像战场一样。” 如此回忆的，是当时在制作部里在现场四处奔走的翁长孝雄（1955 年入职）。翁长原本希望成为副导演而被分配到京都，但他的直属上司冈田茂制作课长命令他：“要是想做导演，就得成为一个了解现场全貌的人。工藤荣一和山下耕作也都经历过制作事务的阶段，你也去做吧。” 于是他被安排到了制作部。由此可见，在东映京都，日程管理是被高度重视的。 一年制作约八十部古装片，按周来算就是每周不到两部。这几乎是以现代电视连续剧两倍的速度在制作电影，而且还是那种准备和拍摄都很耗费时间和精力的古装片。因此，当时的东映京都被残酷的拍摄日程追着跑。 而负责管理这一切的就是冈田茂。 “去拍外景的时候，不管是下雨还是下刀子，在拍完之前都不准回来。雨的话，通过调整照明的角度是可以消除的。我自己也是从现场一步步打拼上来的，这些我很清楚。如果因为下雨就中断拍摄，一次外景拍摄就要损失五十万到一百万日元。这种事是绝对不允许的。所以，日程必须严格按照计划进行，预算也要精准把控。其他公司拍一部电影可能要花四千万到五千万日元，而我们的娱乐版电影只花了九百万日元，这样当然能赚钱啦。”（高岩回忆） 不过，据当时在现场担任现场制片的翁长说，在雨中拍摄古装片确实非常困难。于是，场记们为雨天制定了两套拍摄日程。下雨的时候就在室内拍摄其他场景，等日后天气放晴再去拍外景。这样一来，拍摄杀青的日期就不会受天气影响，拍摄期限也必定能得到保证。 在预算方面，限制最严格的是胶片。当时物资还很匮乏。在东映京都，有句话叫 “电影预算中最便宜的是人工费，最贵的是胶片费”。因此，NG（重拍）率被限制在 190%，如果超过这个比例，导演就得写检讨书。 不过，冈田作为从现场打拼上来的人，也深知电影制作中会有一些突发的费用支出。所以，他不只是严格管理，有时还会设法筹集资金，对制片人或现场制片们说：“你们肯定没钱了吧，用这个。” 然后私下把钱给他们。 当然，不只是外景地，摄影棚内也是战场。拍摄古装片时，由于很难挪用现成的道具，只能从零开始搭建场景。在东映京都，拍摄任务多的时候，一天会有十个摄制组同时开拍，每个摄影棚的拍摄计划都排得满满当当。所以，搭建好一个场景拍完一部电影后，当晚就得拆除，然后在第二天早上之前为下一个摄制组搭建好新的场景，这种突击作业一直在持续。同样是专门拍摄古装片的摄影棚，大映京都主打文艺风格的古装片，他们会在柱子上刷漆，然后用蜡打磨，再做旧，打造出逼真色调的场景。但东映没有这样充裕的时间安排，只能不停地刷漆。即便如此，油漆、拉门和障子纸的浆糊也常常到早上都干不了。这种时候，现场制片们就得一大早拿着炭火罐四处烘烤。即便这样，有时也还是赶不上进度。 “稍微照一下灯就能干了。从干了的地方开始拍吧。” 据说，在导演们这样灵活应变下，有时也能顺利度过困境，在拍摄结束时所有东西都干了。 特别厉害的是，以拍摄速度快而闻名的渡边邦男导演。比如在拍摄两个人面对面交谈的场景时，如果分别用一个镜头拍摄两人，通常需要切换镜头。但这样一来，每次都得调整照明的位置，很费时间。于是渡边决定，不移动摄像机和照明设备，只更换演员背后的拉门。这样一来，不仅节省了拍摄和照明准备的时间，场景也只需要搭建单面的就行。 在这样突击作业完成拍摄后，接下来就是进行配音。但由于其他拍摄任务繁忙，制片厂里没有专门为配音预留的录音室。只能把拍完的场景再次拆除，在那里放上椅子，在半夜里等交响乐团来演奏，直到下一个摄制组开始拍摄。这项工作通常会持续到清晨。然后，早上又要开始搭建新的场景…… 每天都是这样循环往复。 因此，负责道具的木工们通宵工作是家常便饭。拍摄日程特别紧张的时候，现场制片会请他们喝酒。 “这次准备几瓶一升装的酒能行？” “十瓶怎么样！” “好！我去准备！” “好嘞，这样肯定能赶上进度！” 这就是他们充满斗志的工作氛围。工作人员的加班时间多的时候一个月能达到近三百小时，这样算下来能多挣将近一倍的月薪。而且，当时法律禁止女性深夜工作，所以女员工们会在私下收到现金报酬，不用申报纳税，因此能挣到不少钱。即便如此，一部电影杀青后也几乎没有休息时间，马上就得投入下一个拍摄现场。像样的休息时间一年也就正月和盂兰盆节这两天左右。当然，也很难有时间回家。龙套演员们不回家，就在休息室里随便找个地方睡，为清晨的拍摄做准备。 虽然有个制度叫 “深夜送返”，就是制作部用车把工作人员送到他们家附近，但通常会把人放在离住处还有一段距离的地方，所以大家还得拖着疲惫的身体走很长一段路回家。然后，还没等疲惫消除，又得一大早去拍摄现场。这样的话，还不如不回家。抱着这样的想法，摄影助理原田裕平决定在制作部的被褥间里睡觉。但根本很难入睡，疲惫不断积累。 “这样的生活，到底要持续到什么时候啊。” 原田这样想着，决定搬到在摄影棚徒步范围内的岚山天龙寺的别院去住。那是一间只有书架和饭桌的六叠大的房间，但比起被褥间，他能在这里睡得好太多了。拍摄常常会持续到很晚，导致寺院的门都关了，据说这种时候他就会翻墙进去。 而最艰苦的部门当属制作部了。 制作部是负责现场拍摄进度管理的部门，从在预算范围内调整日程安排、协商和确定外景地，到安排盒饭、采购拍摄所需的设备、管理演员的进出，以及现场的预算调配等等，都由他们负责。可以说他们是摄影棚的 “幕后功臣”。尤其是在推行前所未有的古装片量产体制的东映京都，这个部门的重要性比其他公司更高，甚至可以说这个部门就是公司的核心。冈田茂、高岩淡以及大川博之后的历代社长都出自这个部门，这就是最好的证明。 因为他们要负责现场的全面管理，所以必须等所有摄制组的工作都结束后才能回家。通常情况下，等把为通宵工作的工作人员准备的被褥搬运完后，这一天的工作才算结束。翁长孝雄就这样持续了两年这样的生活，最终因为过度劳累倒下了，不得不休养了一年。 因为有这么多摄制组同时运作，演员的 “撞档期（即日程冲突）” 也自然而然地频繁发生。在摄影棚最繁忙的傍晚三点到六点左右，一天出现五次撞档期的情况是家常便饭。像原健策、阿部九州男、加贺邦男等支撑东映古装片的知名配角演员们，每天都会互相炫耀 “我今天要拍好几部电影”，到了年末还会互相汇报 “我今年出演了四十部电影”“我出演了五十部”。 此外，群众演员和马匹也会出现撞档期的情况。控制着群众演员人数进入拍摄现场后，却发现他们被其他拍摄现场调走了，结果到场的人数只有预计的一半。如果是拍摄打斗场景，需要五十个以上的 “被砍杀” 角色。人数不够的时候，工作人员就会乔装打扮，充当群众演员。 为了避免这种混乱，傍晚时分各个摄制组的制作主任们会聚集到制作部，对演员、场景、外景地等方面的撞档期问题进行协调。据负责协调工作的制作事务翁长孝雄说，为了让协调工作顺利进行，会对电影进行分级。“C 级电影 = 不管质量如何，只要能赶上公映就行的电影”“B 级电影 = 普通的电影”“A 级电影 = 即使花费一些预算也要全力以赴的电影”。在这之上还有〈特等列车〉松田定次组。按照这个优先顺序，从高等级开始安排有档期冲突的演员。这样一来，日程安排上的损失就减少了。 配角演员们上午在 A 组拍摄，中午开始在 B 组拍摄，结束后又去松竹，回来后再去 C 组拍摄，就是这样的情况。因此，有不少演员不卸妆就跑来跑去。 “导演，不好意思。那个人下午要去松竹，能不能早点拍他的戏份。” 场记在导演耳边小声说这样的话也是常有的事。在其他公司，拍摄日程通常是由导演主导决定的，制作部只是负责在其中进行协调。但在东映京都，制作部的权力比导演还大。在这个 “战场” 上，导演的坚持是不被允许的。最重要的是要遵守拍摄日程和预算。 在这之中，有一部被东映京都的老员工们称为 “传奇现场” 的、极其悲壮的作品，那就是 1957 年末公映的泽岛忠导演的出道作品《忍术御前试合》。 这部电影在开拍前不久，原本预定的导演突然无法继续执导，很有可能赶不上公映。 “只能靠泽岛了。” 冈田做出了把这个难题交给新人泽岛的决定。两人在东横时期曾一起共事，冈田是现场制片，泽岛是副导演，冈田对泽岛的组织能力和做事的条理评价很高。不过，正如前面所说，泽岛当时还担任着松田定次导演的全明星贺岁片《任侠东海道》的B 组导演，在完成他负责的部分之前无法开始拍摄这部电影。 结果，泽岛得到的拍摄时间只有短短的十天。在这么短的时间内拍摄一部电影，即使是普通电影也很困难，更何况是古装片，而且还是忍术题材的电影。那个时候没有 CG 技术，连特摄用的摄影器材也很简陋。所有需要各种机关设置的忍术场景拍摄都只能靠手工完成。因此，比起普通的古装电影，准备和拍摄都更加耗费时间和精力。 但根本没有时间去抱怨。泽岛的摄制组开始了一场艰苦的强行军式拍摄。在现场指挥的是入职三年的现场制片高岩淡。高岩制定了一个前所未闻的 “十天通宵拍摄计划”。 一旦进入摄影棚开始工作，休息时间只有早饭、午饭和晚饭各一小时。大家都要在摄影棚里过夜，一天都不能回家。到最后，连回工作人员休息室的时间都觉得可惜，大家就在场景里铺上被褥打个盹。 京都的冬天很冷。穿着蛤蟆装的演员们会因为里面的温暖而昏昏欲睡，甚至在正式拍摄时睡着了。突然，巨大的蛤蟆 “咕咚” 一声倒下，工作人员们都吓了一跳。 “泽岛组在干一件了不起的事。” 如此严酷的拍摄现场在整个摄影棚都出了名，前来参观和加油的工作人员络绎不绝。 最后，泽岛组出色地按时完成了拍摄，赶上了公映。这让大映的永田雅一社长也大为惊叹。当时，大映京都制片厂制作的古装片在海外电影节上多次获得大奖，永田以此为傲，一直看不起东映的古装片。但他却对冈田茂率领的完成了量产任务的制作部另眼相看，他说：“东映的电影就像糊弄小孩的拉洋片。不管多受欢迎，也没什么可羡慕的。不过，东映京都的制作部我是想要的。哎呀，那可是日本第一啊。” “我们公司是后来才成立的，除了拍片子之外没有别的出路。如果对方是战列舰，那我们就是驱逐舰。所以只能靠数量取胜。也因此养成了节俭的习惯。” 高岩淡回忆往事时如是说。 # 基层磨练出来的老手vs 大学毕业正式工 支撑五十年代时代剧量产的，是高效化的制片厂设施。为了提高量产的工作效率，东映京都几乎不将电影赚来的钱用于人工费用，而是全部投入到制片厂设施的完善中。 1954年“娱乐版”启动时，东映从大映正式买下了制片厂，随后砍伐了周围的竹林，收购了后面的田地和墓地，原本只有五千坪的土地到1957年扩展到了三万坪。原本仅有四个、且都是战前遗留的破旧木制摄影棚，变成了二十个钢筋混凝土摄影棚。原本像工地临时搭建的简陋小屋般的员工室和灰泥建造的二层楼厂长室，也变成了混凝土建筑。此外，还建造了一座四层楼的“演员会馆”，将演员的休息室、排练室、服装和发型室集中在一起。 从演员会馆正门延伸的道路两侧建起了摄影棚。这样，演员和工作人员都能以最小的移动距离到达摄影棚。这种布局完全以“便于量产”为优先考虑。后来，这里还建成了广阔的江户街景永久露天布景，成为“电影村”的一部分。这样一来，就不需要为每部作品重新搭建街景布景了。而这里建造的天守阁永久布景被称为“东映城”，成为其霸权的象征。 然而，这里出现了一个问题：早在东横时代就在当地入职的小学或初中毕业的基层磨练打拼派员工，与东映成立后通过总部招聘并派往京都的大学毕业正式员工之间发生了矛盾。 对于基层磨练打拼派来说，他们有着从伪满历经生死回到日本，并在东横时期一边勉强糊口的一边支撑现场的经历，他们以此为傲。正因如此，他们对公司走上正轨后才来到京都的总部招聘组始终难以接受。“从东京来的白面书生！你们对拍摄实务一窍不通，却拿着比我们更高的工资！我们可是把命都赌在这个制片厂了！”不少人这样怒斥道。 后来以《秘密战队五连者》和《假面骑士》等作品奠定东映儿童特摄基础的平山亨，也是总部招聘组的一员。平山曾受到前辈们的刁难，被折腾得团团转。仅仅因为“讲普通话”就被骂“侬伐要老卵（你不要嚣张，译文用上海话表现京都方言）！”于是，平山拼命练习京都方言。然而，独特的语调并不容易掌握。不过，这反而帮了他。他用半生不熟的语调回应“覅讲迭种闲话（别这么说嘛）……”，反而逗笑了前辈们。 “被笑话的时候反而是最好的机会。”平山看开了这一点，逐渐拉近了与前辈们的距离。 另一方面，从东京大学毕业并成为京都片厂副导演的中岛贞夫，最初也经常被战前就入行的老员工们欺负。于是，中岛决定努力与手下的年轻员工建立良好关系。拍摄结束后，他会邀请年轻的道具组员工喝酒，并主动买单。结果，他因酒后口无遮拦而得到了“拳击瘪三”的绰号，并借此融入了员工群体。 在这样的环境中崭露头角的，是后来成为制片厂厂长、并最终升任东映社长的高岩淡。他与平山同属第三期入职，在京都担任现场制片人员。 让他在制片厂声名大噪的，是1954年秋天在制片厂举办的运动会。当时，京都制片厂为了慰劳在繁重工作中辛苦的员工，会组织一些放松身心的娱乐活动。例如，稻荷祭那天，从早上开始就可以在制片厂喝酒，完全是无拘无束的日子。粗犷的男人们随着酒劲上头，到处开始打架。导演和摄影师、现场制片和道具组……大家扭打在一起，拳脚相加。尤其是东急派来的管理部员工，经常成为目标，被打得鼻青脸肿。然而，第二天大家又会像什么都没发生过一样，继续一起工作。 这场运动会的重头戏是骑马战。不过，规则并不是抢对方的帽子，而是看哪一队能在对方背上的篮子里投进更多的球，规则相对温和。 然而，第三期员工的骑马队遭到了摄影部和照明部等战前就入行的老员工们的猛烈攻击。他们想借此机会发泄对大学毕业“精英”们的不满。高岩是第三期骑马队的领头“马”。高岩淡在学生时代系统练习过刚柔流空手道和橄榄球，对自己的臂力很有信心。他一边背着骑手，一边对袭来的骑马队连续踢击，将他们一一击倒。现场一片混乱，厂长山崎真一郎出面制止。在大川博社长也在场的情况下，山崎脸色苍白。“高岩君，快住手！” 高岩对厂长怒吼道：“是他们先动手的！我们只是在防守！” 最终，运动会在一片混乱中结束。事后，照明部的扛把子——基层打拼磨练派的扛把子——来到高岩面前。“刚才我的部下做了那种事，真是抱歉。” 扛把子向高岩低头道歉。从此，双方之间的隔阂消失了，他们成了共同在现场奋斗的伙伴。 # 听见制片厂的脉动 在持续量产古装片的东映京都制片厂，备受推崇的并非有着大师范儿的艺术派导演，而是那些懂得体恤团队、能带领现场前进的匠人气质导演。其中代表人物是佐佐木康导演。这位曾担任松竹大船制片厂厂长的重量级人物，转投东映后仍被委以贺岁档电影重任，作为主力导演活跃于一线。他因浓重的秋田口音被昵称为“土腔老佐”。 拍摄《大冈政谈·千鸟印笼》时，剧组将架于濑田川的唐桥模拟成隅田川取景。为拍摄宴会场景，三艘屋形船被绳索固定，佐佐木在河畔料亭的临时指挥所发号施令，而向船上演员和工作人员传达指令的任务则落在现场制片高岩身上。他像“八艘飞”（日本忍者跳跃术）般在船间跳跃传递消息，但因水流湍急导致船只难以稳定停泊，多次重拍。 佐佐木在对岸大声指挥，却因情绪激动方言愈发浓重，包括高岩在内的现场人员完全无法听懂。众人浑身湿透坚持拍摄，甚至有工作人员嘀咕：“干脆把导演扔进濑田川算了！”气氛逐渐紧绷。 身经百战的佐佐木敏锐察觉到异样。拍摄结束后，返程的剧组巴士途经花园时，他突然叫停车辆，自掏腰包带全体百余名工作人员涌入夜总会，告诉大家“敞开了喝”。随后又单独请照明和摄影组吃苦最多的助手们到茶屋，“醉卧艺伎美人膝” 。据说那晚他花掉了片酬的一半。 从大映调过来，从东横映画创立之初就参与其中的河野寿一导演，也是凭借着扎实的能力支撑着量产拍摄的一位导演。这位酒量很大、身材魁梧的导演，有着与他豪迈的外表相反的、细腻的性格。在东映的量产导演中，河野很是少见，他会用细致的画面和工整的小字制作出所有场景的分镜脚本，然后再进入拍摄现场。 《小天狗雾太郎》两部曲的拍摄，原本是由伏见扇太郎主演推进的，只剩下要在和歌山的白滨拍摄完结篇的最后部分了。然而，就在这时伏见因病倒下了，主演换成了南郷京之助。自然，所有的内容都要重新拍摄。 作为制片主任正在白滨的拍摄现场做拍摄准备的高岩那里，有工作人员匆匆跑来报告。 “河野导演从大白天就喝得酩酊大醉了！从房间的窗户把被褥、桌子什么的全都扔了出去，怎么也拦不住！” 高岩急忙跑到河野下榻的旅馆，费了好大的力气才把他制服。 “您怎么了，导演！” 河野庞大的身躯颤抖着，一句话也说不出来，只是呜呜地哭着。精心准备、拼命拍摄的画面全都付诸东流，这让他懊悔得不得了。 正因为河野是这样的人，所以他对别人的话也格外敏感。 正因这种敏感特质，河野对他人言语格外在意。某次拍摄中，他指示摄影师俯视摇镜，众人纷纷赞叹“精彩”，却有个道具组临时工嘀咕：“ 啥呀这手法，不就常见的嘛 。”此人正是后来以《卡车野郎》系列电影开创喜剧时代的铃木则文。 “你小子说什么！”河野勃然大怒，现场瞬间冻结。前辈急忙打圆场：“他是临时工不懂事！”四年后，成为副导演的铃木被分配到河野组。作为底层的副导演，铃木没机会跟河野说话， 他期待着.....不管怎样能就这样相安无事地过去就行了，可是老天弄人，有一天，河野和铃木在偏偏工作人员休息室里单独相处了，气氛变得很尴尬。 先开口的是河野：“当年那个嚣张的临时工……是你吧？” “……是。” 正当铃木准备道歉时，河野却笑了：“居然当上副导演了！太好了！ “恭喜你！走，咱们喝酒去！” 从那以后，在拍摄现场或者工作人员休息室里，一有事情河野就会问铃木 “你有什么意见吗” 之类的话，似乎开始关注并喜欢上铃木了。 河野的体贴持续到职业生涯晚期。六十年代担任《新选组血风录》等电视剧的总导演时，，对于那些在极其紧张的日程安排下，辛苦地进行通宵拍摄的工作人员和众多的龙套演员，他会挨个说 “来，喝一杯吧”，然后请他们喝威士忌。 铃木则文还提到另一位“体贴之人”——被称作“法皇”的编剧比佐芳武。这位以帝王般态度使唤策划部成员的权威编剧，在东映京都却有一套独特的剧本哲学，这才是他的立足之基。 在剧本中，描写情景和人物行动的部分（除了台词之外的所有内容）被称为 “ト書（场景说明）”，当编剧想要在这里传达细腻的情感时，比如说在其他公司，可能会使用像 “年迈的千代吉，然而他的身体却如钢铁般坚硬，正用全部的精神力和肉体忍受着”（松竹电影《砂之器》= 编剧：桥本忍）这样可以说是富有诗意的抽象表达。然而在东映古装片的剧本里，几乎所有细腻的情感都用拟声词来表达：“ギクッ！”（浑身僵硬）、“キッ！”（猛然回头）、“ヌッ！”（突然现身）、“サッ！”（迅速退后）、“ヒタヒタ！”（步步紧逼）这种写法正是比佐确立的。 当副导演铃木询问缘由时，比佐解释道：“读剧本的不只是演员和导演，还有无数幕后人员。要让大学出身的导演、中学毕业的工匠、文化程度参差的演员全都能理解，还不能落入低俗，就必须写得具体直白。” 编剧结束信二在《电影旬报》的连载《小村庄的奇怪人们》中，披露了关于比佐的这样一个轶事。 结束还在做策划部员工的时候，来制片厂拜访的比佐突发心脏病。在医生到来之前，是结城一直在照顾被抬到演员会馆休息室的比佐。因为结城在前一年母亲因心脏病去世，所以他在护理方面多少有一些经验。到了晚上，比佐醒了过来。从房间外面，传来了和白天一样忙碌的摄影棚的脚步声。“现在这是去吃夜宵的脚步声吧。” 比佐用平静的语气询问，结束回答说 “我也这么觉得”。然后，比佐又开口了：“在这里，能听见各种声音——通知进景的广播、制片人的吼叫、助理导演的奔跑、外景巴士的发动、道具卡车开进来的轰鸣……这都是制片厂的脉动啊。” 原来这位“法皇”的内心深处，始终深爱着制片厂。 （第一部 完）

缩减开支与加码AI，是芯片龙头释放的两大关键信号。

字节和腾讯，走上两条路。

比利时作为欧洲昔日的汽车制造先锋，是如何从辉煌走向没落的？

有人落袋为安，有人排队进场。

用最科学的工具做最玄学的事：我们为何钟爱AI算命？

截至目前，智元机器人已完成天使轮、A1、A1+等多轮融资，累计募资总额超过16亿元。据钛媒体AGI了解，预计2025年的未来几个月内，智元会推出基于强化学习的仿真模型，新的人形机器人也将亮相。

 肥良不会有意识地给角色安排文戏，让他们调理心理问题，实现人格转变，而是就这样利用他们的心理问题和弱点，进一步地将故事的矛盾推向尖锐化，保证每一话都有打交看。而且如果不打死人，就不解决问题，而是把问题进一步激化，等着下一次爆一个更大的。 地 主 的 仓 库 IDLE ESSAY 今天来讲港漫《武神》，离上一次《海虎》的漫评已经有几个月了，所以这边先放一个链接在这里↓ [点击跳转](https://mp.weixin.qq.com/s/fewYm_mstg0Qm3tISJP2vA) 《武神》是由温日良主编，邓志辉主笔的连载漫画，该作品于1997年开始连载，2006年完结，总共连载了300话。 这部作品是《海虎》三部曲的续作，在海虎的漫评中我提到，白首男的塑造成为了在整个连载期间都困扰着温日良的一个困境，而这个困境在《武神》连载时期同样没有得到一个很好的解决——甚至走向了硬着陆。这次我希望可以对温日良在《武神》中在主角塑造的困境中的新探索和新困难做一点分析。  此外，除开彪悍的人际关系和剧情不说，《武神》等港漫在直观上的画面张力，几乎形成了一种独特的美学风格，仅通过少量截出来的画面就能让人直观感受到它的感染力，所以能快速通过单图或者若干梗图传播。  这对于习惯了日式画风的中国二次元的确是个不小的冲击，同时也很符合快节奏网络时代的需求。所以作为一种全新口味，一种对于日本二次元单一化审美的补充，它在二十多年后在中国大陆的网络上重新获得一定的热度，倒也是有某种必然性。  (邓的画工是不可替代的，而且在《武神》时期还在不断进步。) 现在我们就进入《武神》漫评的正题。 # 将邪道剧情贯彻到底 《武神》的故事发生在《海虎3》结束后5000年的世界。由于万能的超能力【磁场力量】始终存在，在《海虎3》的主角白首男死后，全世界便进入了磁场高手群雄割据，争斗不休的末法之世。偶有断层级别的强者出来以暴力建立秩序，但混乱、杀戮依然是磁场世界的基调。 磁场力量将个人的力量放大到了非生物的级别（脸扛核弹），从而让正常社会的伦理不再适用于这些颠佬，他们将自己的全部生命投入到了战斗，或凌驾他人之中，一切从自身的生存、快乐和利益出发，导致世界上充满了尔虞我诈、冤冤相报，没有磁场力量的人委身于磁场强者的庇护（统治）下，而磁场强者之间的冲突则无穷无尽。 （最底边的磁场强者手一挥都能杀死一个普通人，在这种环境下人类社会还能留存五千年，人口还能不断再生产，这件事本身才是奇迹吧） （所以读者都说，磁场平民早上六点都会自动刷新一批） 就在这样的世界里，我们的主角白武男横空出世了。他的力量不强，只能凭过人的战术、智慧保全性命（不过文化水平很高，读得懂五千年前也就是公元21世纪的文字）。  故事前二十话的他简直是个圣人，不肯轻易杀人（哪怕对自己有利），做事愿意约法三章；他甚至还对人类之外的生物同样富有爱心，在用动物控制器控制动物载他一程之后，还要和它道个歉寒暄几句，简直是磁场世界的迪士尼公主。 然而，故事最初，他所在的部落风族，由于唯一强大的族长死去，风族面临被外族征服的风险，于是他便出发去寻找传说中五千年前的秘宝：千军武神，传说找到了它便可以获得强大的力量。但这小子寻宝的效率有点太高了，其他人找了几千年没找到的东西，就他进展异常迅速，导致大地的各路人马都追随着他的脚步而来。 在旅途中他遇到了贵人出手相助，也有人想提早取他性命，有人加入了他的队伍，也有人离他而去。而他们之间也同样有数不尽的恩怨，甚至当时世界上最强的家族：白家皇族也被他吸引来，其中的最强者：海虎武神白愁，更是所有大地强者都想打败的家伙。 总而言之，故事在新仇旧恨之间不断螺旋上升，随着千军武神的秘密逐渐被揭开，力量上限被突破，不同势力之间的力量对比发生变化，越来越多的势力被卷入了冲突当中，终于到了世界被完全毁灭的关头。而这时，白武男选择牺牲自己的生命，将最大最强的敌对势力：蓝国长久地击退了。  如果是日本作品，可能故事在这里就完结了，迎来一个《jojo》式的相对非主流结局。但温日良显然不想就这样让颠佬们停止。 他在白武男死前不久，给他安排了一次人格分裂的危机：他随着力量与地位的上升，开始不得不杀人，不得不面临来自复数女人的爱（港漫就没怎么处理好过男女爱情），明明按照乱世的准则，成为颠佬，这些就都不是问题，但白武男就是无法接受做了那些行为的自己，最后在极度的压抑之中分裂出了一个邪恶的（黑毛）人格。虽然他想方设法将其抹杀掉了，但白武男死后，他邪恶的那一半灵魂借尸还魂，用着白武男“救世英雄”的名义，以及比原来的他更强的力量，逐步除掉了那些明牌威胁他的势力，成为了世界的统治者。与此同时，那些不满他统治的强者也开始尝试整合起来，将他推翻……  这个故事长达300话，创作时间跨度达到近十年，这个过程中作者个人的创作心态、港漫市场，乃至香港的社会环境都有了很大的变化，所以我们能明显地感到正义白武男死前和邪恶白武男诞生后故事基调的显著差别。 正义白武男死前，《武神》的故事整体基调很接近传统意义上的香港武侠故事，所有人都快意恩仇，以武为尊；而男主角则承担了替天行道的责任。他重情义、讲信用、有仁爱之心，同时也有若干性格缺陷，为了贯彻自己的人生准则不惜付出自己的生命，这些其实是很经典的武侠小说男主角元素。 前半段的《武神》也因为正义白武男的存在，故事的行动被划出了一个明确的价值取向：和武男站在同一阵线的势力，就是较为正当的势力。哪怕是故事开端杀人如麻的白愁，在父子相认之后，也放弃了打交解闷的习惯，变得拟人起来。  而正义白武男死去，邪恶白武男诞生后，故事的发展便进入了某种“百无禁忌”的阶段，顶着英雄名号的人做着最下作的事，尚存有良知的人只会被一点点折磨致死，故事越来越只剩下恶人和相对不那么恶的恶人之间的尔虞我诈，还得看着好人被枪指着，被枪打死，至少对于今天的读者而言，比较劝退。  此外，后半段还有一点劝退的：温日良不知道发了什么疯，就是见不得邪恶白武男吃瘪，非必要不让他吃瘪，导致读者只能眼睁睁地看着他作妖犯贱，认为白武男就是温日良亲爹。这种邪道心态即使在神人辈出的日本业界也是少见的，所以这个故事多少有点挑人，或者读到正义白武男死后就可以跳着看了。 # 正白面对的塑造死局 上次讲《海虎》第二第三部主角白首男的时候就已经提过，肥良虽然有意通过磁场力量制造一个混乱邪恶的磁场世界，但肥良的本心切开时并不完全是黑的，他心中总有种无法抑制的追求：即使是在磁场世界中的故事，也应该让愿意建立秩序、规则乃至道德和爱的人占有一席之地，最后让他们胜利。   但他在海虎中并没有想明白该如何处理这个矛盾：道德底线（对个人欲望和情感在各方面的克制）对提升磁场实力几乎没有任何帮助，但践行自己的价值观就需要实力，乃至你死我活。所以在《海虎》的塑造中，高强度战斗的环境下，首男几乎没有机会展现出自己作为一个社会人、领导者个人魅力的机会，而是只刻画他个人的修行，以及他镇压社会上异见者的场面。导致白首男在故事中的实际表现和作者/读者对他的期望（圣人救世）发生了某种程度上的偏移。 到了《武神》，正白同样承担了救世圣人的任务，而温日良很明显试图在正白身上弥补白首男身上缺失的那种“对所有人温柔友好”的态度。同时，肥良还刻意强化他身边颠佬的残暴、反复无常，让正白在面对这些恶行时依然坚持自己的原则。从而让他的形象进一步升华。 应该会有观点认为，正白的角色形象在那样的社会环境中过于突兀了，他的品格应该是特定的社会环境的产物才对。我倒不觉得这是正白这个角色的关键问题，因为故事前期特地强调了数次：他这样的人在这个世界活不久的。看正白如何在践行自己原则的同时，还能成功存活，以及正白能否实现自己进一步的目标，实际上反而构成了故事的一大悬念。  正白的塑造问题出现在一个双向融合的过程中。其中一个“融合”是30话后，正白的身世逐渐揭晓，他开始逐渐接受大地原本的秩序，如他成为无量岛实际的统治者，他的行动和想法也不再是“纯白”；另一个“融合”是他身边的人因为他而自觉或不自觉地采取的改变。 尤其是正白在和白愁父子相认之后，他对白愁的态度发生了180转弯，对白愁直接孝出强大，那之后直接默认了自己那个全世界最强的爹能给自己在所有场合撑腰（虽然做的事情也不坏），好像完全不记得自己在前几话是如何控诉白愁的。  这里塑造的问题在于，在父子相认那几话，肥良自知理亏，将白武男对白愁愤怒和仇恨的原因归在了他对个人身世的否定，以及他对自己生母的误会上；但在孤岛混战篇，正白是直接站在更加抽象的道德、秩序的基础上指责白愁滥杀无辜的。于私（家庭伦理）出发，正白得知真相后，确实没有太多可以指责白愁，因为那时白愁也是被白无边陷害；但这不应该意味着白愁此前的滥杀无辜，对社会造成的破坏和损失，这些在“公”上的罪恶，就可以一笔勾销了。所以肥良通过偷换概念，用“正白接受了自己的身世”，替换了“正白是否应该接受白愁数次无差别的屠杀”，这种处理是经不住仔细推敲的。 其实正白变得更加“实际”，多少是大家都能预见的事，只是需要一个接受的过程，然而在父子相认之后，故事就再没有给正白安排过比较大块的文戏，让他正视自己原则发生的动摇，然后通过各种思路把他的改变正当化，导致这个问题一直存在于这里。 正白的另一个麻烦在于，他和谁站在一起，和他一起的那群人就必须在不同程度上善堕。塑造一个有底线的特别男主本身其实没什么，但问题在于，他身边几乎没有其他和他一开始就相似的强者，围绕在他身边的强者，克豹、大海、白愁，都是不同领域上的神人，手上不知道有多少条人命，但他们和正白站到同一条阵线之后，他们的形象就不约而同地慈祥了起来。 尤其是大海，是一个把怨气带回家里，打老婆孩子，为了在外人面前逞面子，不惜亲手杀掉自己老婆，导致儿子一辈子与自己反目的神人。但在认识了正白之后，直接变成慈祥老父亲，一次都没勉强过他。虽然我知道这种转变里面带着大海的愧疚，但通过让大海凸显正白优秀、善良的做法，反过来让正白不得不对大海的恩情做出更多回应，甚至直接介入他们的父子纠纷，进而导致了一系列连锁反应。  这两种拉力同时存在，而故事又没有专门安排文戏让正白重新调整新情况下对自己的预期，只是不断地将自己原来的原则束之高阁，那它总有一天就会变成定时炸弹。 此外，故事舞台的不断扩展，也让正白最初的原则越来越难以在实践中得到践行。最初正白的原则其实非常个人化：他自己不希望自己杀人，自己乐意遵守与他人的约定，并没有完全改造整个世界的念头。但随着他不断被卷入各方势力的纷争之中，被推上了无量岛主、海虎武神的位置，他怎么做就无法只顾着他自己了。 到故事中期，魔神这种非人生物，以及意图明确要毁灭地球现有文明的蓝国都出来了，但同时，正白也已经形成了自己交际范围的亲疏远近，他想守护的人是有限的，那面对那些新冒出来的陌生人，正白还应该坚持他狭义上的那些道德信条吗？还是说更加博爱？他似乎没有时间思考这些，比如说他真的尊重月球人民命运，放他们去那个即将爆炸的水星了。  肥良的风格是容不下慢吞吞的文戏的，要是那样的正白继续留到结局，那故事的最终矛盾很大概率是抱着崇高个人道德的正白大战某个被他介入了私人矛盾的苦主，这样故事就不好看了也…… 总而言之，正白黑化不能简单地理解为“大地和战争太残酷了，逼疯了好人”，因为作者在许多本能留出文戏空间的地方并没有给白武男太多解决自己内心道德准则矛盾的空间，同时也疏于处理白武男的道德准则和大地平均水准之间过大的落差，最后导致积重难返，只能让善良的他提早退场。  # 《武神》剧本的结构性问题 同时，《武神》的背景设定和叙事风格的受害者并不仅限于正白，这种结构性的故事问题损害的是故事整体的表现效果，谁也逃不过。 至少在大陆互联网上，《武神》前期故事的风评远好于后期，其原因不止在于有一个代表着善的正白，还在于，几乎每隔十话左右就会有一批新势力出现。无量岛、银月派、平原星、魔神、蓝国……每个新增势力都会分别和原有势力、原有角色之间发生新的关联，原有角色在既有的恩怨上同样会采取全新的行动，要么加速复仇，要么暂时放下恩怨统一战线，读者能有非常多的畅想空间。 此外，新势力背后还能联动出各种历史的来龙去脉，从而联动当时读者所熟悉的《海虎》的要素（比如说终极和尚的来历、蓝国的来历等等），简单快捷地勾起读者的兴趣。 这些追加的新要素能直接给读者带来大量刺激，毕竟比起老面孔排列组合车轮战，大家还是更想看新面孔用新把式来打架（说的就是你《刃牙》）。所以大家会觉得武神前期整个太阳系版图逐渐开拓明朗，各方势力轮番登场，近乎太空歌剧式的剧情很有趣，很激动人心；而后期几乎不再有亮眼的新角色，新上来的角色缺乏个性和独立性，故事几乎变成了邪白和其他人的宫廷斗争+大逃杀，自然就无聊了。  (肥良似乎有意将磁场警察作为《武神》第三代角色的重要部分——但他既没有给他们合格的颜值，也没给他们合格的数值。最后剧情中的地位被合成人完全取代了。) 但我想，《武神》后期观感的下降不应该完全赖在“后期没有有效地追加新角色”上。如果你要说后期追加强大战力的失败例子，咱们也可以举几个出来：《咒术回战》的死灭回游，追加了一大堆复杂规则系新角色，战力确实提高了，但剧情观感并不如人意；《游戏王GX》后期的那批转校生，实力和行动力的确更强，甚至和十代建立了更深的羁绊和信任，但他们的亮眼表现和前期登场角色在暗黑界篇的降智表现形成了鲜明对比，反过来否定了前期游城十代和那些不那么强的配角建立的友谊的价值，进而导致主角和前期伙伴的塑造失败。  我们得意识到，在一个有具体的世界观的故事中，追加的新角色数量是有一个极限的，在前期故事没什么发展，平均战力都不高的情况下，你可以让若干实力在平均线以上的强者直接凭空冒出来，就当是地图没点亮，没发现。但到了中后期，作者要是还让能够同步跟上版本强度的陌生人再凭空跳出来，可能就有点突兀了：故事都发生那么久了，你们那时候为什么没来呢？ 蓝国的安排是合理的，毕竟他们有长期潜伏的理由，但肥良不可能掏出第二个第三个红国绿国出来。太阳系的版图是有限的，已经点亮过的，展现过当地势力的那些区域，就不太可能再凭空出来断层式的强者，更何况《武神》中期为了提高矛盾复杂度，直接引入了平原星火星一堆新势力，小行星带内外的地图点亮得太快了。如果再把新势力的来源扩展到太阳系外，那《武神》就变成《七龙珠》了，颠佬直接去打弗利萨沙鲁就行，那这也不符合《武神》的故事定位。所以在地图全部点亮之后，武神的这种故事模式就必然走向较为沉闷的内斗和大逃杀……吗？  大家喜欢追加厉害的新角色，本质上是大家渴望故事带来新的刺激。除了新的角色之外，还可以是新的战场（战斗规则）、新的人物关系，乃至角色自身的转变等等。 比如说天尊，他（她？）在终极武神死后经历了一段痛苦的思想斗争，最后成功直面了自己的内心，光明正大地出柜。事实证明，只要角色心路历程刻画得好，这种特殊属性就可以变成加分项，天尊直面内心之后脱胎换骨，从一个没什么存在感的小跟班一跃成为了《武神》刻画得最好的角色之一，还贡献了《武神》中难得的能够动人的感情戏。 被ta看上的衰仔狂风的转型也相对成功，他在水星爆炸后，从一个执拗、独断的莽汉进化为了白不二的昂贵义父，当时故事里少数还算有点良知、有点义气的人。  然而不幸的是，除了这两个角色之外，《武神》的其他角色几乎没有得到过什么用心刻画的形象和心路历程转变。每个角色的性格中都有一个死硬、刻板的部分，比如说大海和大刀父子俩，再比如说正白异常死硬的道德观，或者说按照剧情需要发癫和装逼的克豹。 肥良不会有意识地给角色安排文戏，让他们调理心理问题，实现人格转变，而是就这样利用他们的心理问题和弱点，进一步地将故事的矛盾推向尖锐化，保证每一话都有打交看，而且如果不打死人，就不解决问题，而是把问题进一步激化，等着下一次爆一个更大的，读者都是嗜血观众，不会有疑问的。  (雷奥对邪白的反叛就是这种逻辑主导下的产物。) 其实我倒也能理解肥良的这种选择，毕竟大多数时候，构思文戏都是一个吃力不讨好的事情，文戏比起图像没有直接的刺激，读者不喜欢；文字需要动脑去解读，读起来比看打架的图像费力，总之就是不好看。角色塑造问题，反而可以通过高强度打交掩盖过去。 结果就是，到了地图基本开拓完毕，追加强力新角色越来越难的时候，肥良塑造角色时轻视角色性格成长变化的一面就开始凸显了。不二一直都是愣头青，克豹一直都是发癫摸鱼二象性，刹暗天要摸鱼一辈子，雷奥更永远都是坨答辩。结果就是被硬实力更强的邪白逐个击破，故事虽然也是一直打交，但也勾不起读者兴趣，因为故事的新地图空间已经不够支撑更多强者势均力敌地打交了。  黑暗雷奥其实是肥良在后期尝试重做老角色的体现，但最后还是被他捧邪白的欲望战胜了（悲） （我还想说一句，中期的蓝国大屠杀影响真的没有想象中那么大，被杀掉的也就白无边一个大人物，其他多少在以前也是路边。真要说，不如去怪前期的白愁，三眼要是留到后期还有话说。） 此外，故事后期追加角色倒也的确有一些初始问题。根本原因在于：肥良将所有后期新出场的主要人物都安排在了大地帝皇邪白周围，所有人的行动都围着那个大贱人转，想的都是如何效忠，或者如何在他手下分到更多的蛋糕，而不再有初期群雄逐鹿时每个人都高昂起来的个人英雄主义，或者说“侠义”。也许肥良自己的心理也发生了转变吧。