邓思邈 发自 凹非寺
量子位 | 公众号 QbitAI

龙虾确实很火，但很多人用着用着，突然开始怀念一件东西：

控制感

就像个没戴紧箍咒的孙悟空一样，你让它改A，它反手把你写好的B给删了；你求它别动B，它转头趁你不注意把C改得面目全非。

更别提甚至没打招呼就清空你的手机，或者自作主张帮你去相亲这种极端案例了……

于是，一支来自清华、哈佛的团队坐不住了。他们觉得：AI越强，理应越可控，而不是越难伺候。

他们搞出了全球首个可操控AI平台MorphMind，直接把AI从一个黑箱对话框，改造成了一套可以被人随时干预的工作系统。

比起简单快速拿到一个答案，在这里你直接稳拿顶级霸总剧本，运筹帷幄，操盘整支AI专家团，与他们并肩作战。

每位成员职责和分工明确，主打工作过程全透明。

下属们分别都在想什么、干什么，你一眼看穿。逻辑跑偏了？当场打断；细节存疑？反手就是一个追问和质询。

你可以亲自调教这帮顶级大脑，让它们越用越顺手，越用越懂你；嗯……至于那些逻辑混乱、爱摸鱼的？直接一键打入冷宫。

△我手把手培养的团队

这种把AI彻底“拿捏”住、所有输出都尽在掌控的感觉，真还挺过瘾的。

所以话不多说，一手实测这就奉上咯。

一手实测MorphMind

打开主页面，是这个样子的，界面比较简单直观：

跟一般的对话式AI不一样，它没有设置“深度思考”类似的选项按钮，而是在右侧安放了两个开关：

Review each step（监督每步）Auto-complete（自动完成）

一上来系统默认的是打开前者。

我这种喜欢把控全局和细节的人，当然要来趁机体验一下当老板的爽感，所以基本上选的都是“监督每步”

任务1：创业从0到1冷启动

先上开胃小菜。

prompt：我失业了，想去摆摊卖淀粉肠，帮我想个立刻就能从0开始执行的方案出来。

它想了一会儿，没有一股脑给我端上一个糊弄人的半成品方案来，而是先来征求我的想法和意见

真的是靠谱啊，把我压根没想到的问题前置性考虑到了。而且还提供了不同选项，我只要拍板做决策就行，游戏互动感极强。

在哪里摆摊卖呢？我一头雾水，所以希望它给我的方案包括选址的决策逻辑。但如果你很有主见，预先就想好了摆摊地点，就可以明确告诉它大方向。

紧接着，它就自动为我把这个项目拆解为四步，以思维导图的形式呈现在页面的右方，然后系统会自动给我的同事们派活儿：

于是，我之前在其他任务下培养过的同事们，像什么：

市场调研专家、预算精算师、供应链专家、财务顾问、文案与品牌大师、安全合规官……

他们就都冒泡了，甚至都不用我张嘴吩咐，然后就被分配到不同的任务底下。

由于创业刚刚起步，为了节省开支，它备货清单里列出来的有些东西我并不想要，它还冲出来劝阻我：

鉴于我也不是卖什么“法式街头慢烘脆皮植物蛋白凝萃配克什米尔风味迷踪辛香粉末”淀粉肠，所以我纠正了它要求我用牛皮纸袋打包的要求，毅然决然选择塑料袋。

几个员工这么一顿忙活下来，再加上我的及时纠偏和确认，直接整出来一个包含选址决策、启动成本清单、定价与盈亏模型、第一天SOP的完整创业手册。

甚至连跟路人打招呼揽客的话术、食品安全注意事项、每日记账模板都给我备好了，I人P人看了真是狂喜啊！！！

任务2：旅行规划

刚从普吉岛团建旅游回来，感觉玩得还不够尽兴，就让它为我下一次重返，安排一下行程吧。

这次我给的prompt比较详尽，直接告诉它我需要哪些人替我出谋划策：

乍一看，给我推荐的都是这次我没玩过的，而且满足我的要求，够小众、也不网红

△@量子位老板，下次能带我去这吗？

好家伙，原本以为我把普吉岛这地探索得已经够彻底了，没想到还别有洞天啊，当时在小某书上做攻略的时候咋没瞅见啊。

让我惊喜的一点是，我从未向它透露过我的内在倾向，但在制定行程时，它绕过了那些热门的传统骑象项目，优先给我安排了去这个象园，也是非常有人文温度了。

而且推荐的那些餐厅定睛一搜，评分竟然还不错：

想要点名表扬的还有我的“安全合规官”，它为我出具了一份七日行程里可能涉及的潜在风险：

去过那的人就知道这些风险的的确确真实存在，并不是那种车轱辘套话，让第一次出国的人感到暖暖的很安心～

真后悔没早点看到，这样就不会像当时一样那么着急忙慌，临出门还突然打起了退堂鼓。

任务3：中英文翻译

之前备考翻译资格证的时候，总是被汉译英折腾得不轻。

重点是有些文本翻译出来，网上也找不到原汁原味的范本来对照参考，我们试着考考它。

材料节选自钱穆先生的《国史新论》，理解起来有些复杂，所以我跟它说，我需要两名员工：一名母语级翻译大师，一名逻辑校审官

翻译得够不够信达雅咱先不说，至少看上去它是诚实的——逐段进行拆分，会把它为何选择这么翻译的思路，清晰展示出来：

有些它拿不准主意的，还会给你提供三种方案，我查了查资料、动用我为数不多的毕生所学，选择了分支B：

这种咀嚼和对比的过程，似乎也能提高我对语言的把控力。

校审官在审查上也非常严谨，比如我在翻译时经常犯的错误——术语统一问题、逻辑断层这类问题，它也细心指出来了。

我有哪里觉得不对劲的地方，还可以直接@校审官出来“挨打”，真是快哉：

看到这儿，我真觉得MorphMind就像是一个给我启发和灵感的语言学习搭子

因为我本身就喜欢探索同一意义的多种语言表达方式，包括回想起高中英语老师在教我们写作时，她也会跟我们讲，尽量多用那些不烂大街的——所谓高级表达词组和句式。

诶，说不定真的可以靠着MorphMind，有朝一日拿下CATTI二笔资格证呢，flag我先立在这里了。

任务4：续写文学作品

最近甜茶在北京四处晃悠，在地铁上那叫一个班味十足。

看到他那张脸，不禁又让我回味起了他那部经典作品。

原著改编的电影都翻来覆去看了十多遍了，不如咱搞个二创？

prompt：帮我续写《以你的名字呼唤我》这部文学作品

因为是突然心血来潮，我脑子里对细节残存的记忆也不多了，它竟然会主动问询我从哪个时间节点开始续写、续写的篇幅字数、续写时想要使用的语言。

紧接着系统自动将这个任务拆解成这么几步，包括风格研究、续写创作、润色校准，曾经在其他任务里调教过的AI专家们，又齐聚一堂了：

仔细看它写的初稿，我发现有一些不对劲的地方，例如某一处语言文风似乎有点偏离原著的语感，以及音乐描述的细节与那个场景下的气氛不太搭，稍显喧闹……

于是我当场就提出了质疑：

而且，进行到某一步我突然不知道该做什么了，这AI也会提醒我下一步可以干嘛，选就是了：

紧接着，上面翻译用到过的“校审官”不请自来，它对自身要求很高，直接给我摊开展示哪些地方续写得与原著吻合，哪些地方还要再进行校准：

我真的感觉这样一步步核查和确认后写出来的东西，融入了我的创意进去，是我能够放心署名交出去的作品：

实测了一圈下来，我开始思考一个问题：

为什么在别的AI那儿充其量我只是个“提问者”，而在MorphMind这里我可以安心做“主理人”

深挖下去才发现，MorphMind团队对AI的理解，原来是走了一条和主流AI产品截然不同的路。

“如果AI只学会了读书，它永远无法抵达AGI”

今天大多数AI产品真正的问题，是能力越来越强，人却越来越难掌控它。

问题的根源，在MorphMind团队看来，并不是单个模型参数，而是系统架构和工作方式本身。

复杂任务本来就不是“一问一答”，而是一个不断循环的过程：分工、检查、调整、继续。

但在一个对话框里同时完成检索、分析和写作，这些标准完全不同的工作往往被揉成一个答案。用户既看不到过程，也无法只修改其中某一步，只能整段重来。

MorphMind试图解决的正是这个结构性问题。

在设计上，它并没有选择继续给单个模型叠加更多工具或Skill，而是把AI重新组织成一个具有分工的专家团队系统

在这里，你可以针对不同任务开辟“工作室”，请不同专家坐镇。很妙的点是，这些专家能随时“串门”，在不同项目里合力帮你解决问题。

这专家你培养得足够优秀，还能挂这平台上出来给大家，甚至收到打赏，赚一点“睡后”收入（目前平台尚未上线该功能，可以期待一下）。

其实这么看下来，MorphMind有点“Agent领域的油管或者B站”那味儿。

把AI产品变成创作者社区，这听起来像是一个关于未来的宏大叙事。

但要真正实现“越用越聪明”且“永不退化”的体验，靠的不是虚无的情怀，而是对系统运行逻辑的推倒重来。

剥开MorphMind的交互外壳，会发现他们平台背后的核心，建立在三类底层能力之上。

第一是单调性（Monotonicity）

团队希望系统对用户的理解随着使用时间不断增强，而不是越用越混乱。

用户纠正过的错误、确认过的标准、否定过的方向，都会在后续任务中继续发挥约束作用。当用户与AI互动越多，系统对用户判断逻辑的理解也会稳定提升。

第二是共生式运行（Mutualistic Runtime）

正如上面你所看到的，在MorphMind的设计里，它会让用户在任务运行的过程中持续参与系统能力的塑形，而非在结果出来之后再让用户去试图检查和纠错。

AI会在合适的节点吸收用户反馈，并将这些反馈转化为可复用的能力，以便后续再遇到类似的任务，能够逐渐贴近用户的思路。

第三是即时学习（Just-in-Time Learning）

AI会在任务执行过程中识别知识缺口：

什么时候现有信息已经足够，可以继续推进；什么时候需要去外部搜索资料；什么时候问题仍然存在不确定性，需要回到用户处进一步确认。

在这三类能力之上，系统才会组织不同的AI专家角色。

值得注意的是，这些“专家”并不是同一个模型简单换个名字，而是在能力边界上的真正分工

不同专家角色调用的底层模型并不相同，它们各自可以访问不同信息、调用不同工具，并承担不同类型的任务。例如，有的专家负责文献检索，有的负责数据分析，有的负责写作表达。

每个专家也拥有各自独立的上下文和记忆路径。

用户纠正文献研究专家的内容，并不会直接影响写作专家的判断；不同角色也会在各自领域中逐渐形成独立的能力积累。

为了避免多Agent系统常见的混乱问题，MorphMind把任务组织成一个有方向的协作图

任务会被拆解成具有先后关系的节点：谁负责搜索、谁负责整理、谁负责校对，以及在哪些关键节点需要回到用户进行确认。

这样一来，AI团队的协作过程就更像是接力，而不是一场混战。

要真正做到“来源可查、逻辑可审”，MorphMind的做法并不是在答案最后附上一长串引用链接，而是让每一个关键结论都能回溯到它依赖的原始资料和中间步骤。

他们认为很重要的一点是，如果信息本身存在不确定性，系统也会明确标注出来，而不是替用户“糊弄过去”。

在使用体验上，这也带来了一个明显变化：

用户可以在任务进行过程中随时暂停、修改或回滚某一步，而不需要因为一个小问题就重新生成整个答案。

相比许多Agent系统追求的“自动跑完整个流程”，MorphMind的选择看起来有点叛逆。

它没有向用户兜售什么无所不能的超级Agent，而把精力瞄准在构建一套看起来不那么讨巧的协作结构

但好处是，人类可以持续性介入和引导，即这套框架下所有内容可检查、可编辑、可重跑

事实上，我们很多时候都希望能够在一个工作项目的关键节点参与判断、调整策略，并逐渐把经验沉淀为系统能力，而不只是当个最后的验收者草草了事。

在MorphMind联合创始人刘嘉心里，这也是AI真正走向AGI的重要一步。

刘嘉目前是哈佛大学工程与应用科学学院助理教授，在纳米电子学和生物电子学领域拥有超18年研究经验，长期深耕脑机接口前沿领域。

他本科就读于复旦大学化学系，师从赵东元院士；在哈佛大学师从Charles M. Lieber教授（美国国家科学院院士、国际纳米科技领军人物之一）完成博士深造，期间主要进行纳米电子器件应用于脑机接口的研究。

正因为长年研究如何让机器与生物系统实现无缝的“底层连接”，刘嘉对机器如何辅助人类智慧有着更本质的洞察：

如果AI只学会了读书，那它永远无法抵达AGI。真正的智慧，存在于人与世界的感知和交互之中。MorphMind要做的，是把深藏于专家直觉里的“隐性知识”，转化为AGI进化的燃料。

要抓住这些“只可意会”的专家直觉，唯一的办法就是把掌控权交还给人。

所以，MorphMind的底层逻辑是——充分尊重人的直觉和创造性，让人主导AI，从而在协作中精准地把事情做对。

失控的效率，与被找回的主导权

在传统对话式AI的交互模式中，用户输入提示词，模型输出答案。检索、分析、判断、写作……这些步骤往往被压缩在一次生成之中。

表面上看效率很高，但整个过程几乎是一个黑箱。用户既不知道模型是如何得出结论的，也很难判断问题究竟出在哪一步。

于是，一种有些奇怪的工作方式逐渐形成：AI先生成，人再返工。

很多人已经习惯了这种工作流，让模型输出结果，人再逐句核查、补充信息、修正逻辑，必要时甚至从头重写。

这与MorphMind公司的CEO丁杰观察到的用户痛点高度一致。

丁杰是清华大学2008级校友、哈佛大学博士（师从美国工程院院士Vahid Tarokh教授），美国国家科学基金会杰出青年职业奖（NSF CAREER）获得者，目前是明尼苏达大学统计学终身教授，同时兼任电子工程与计算机科学研究生导师，长期研究聚焦生成式AI、AI for Science以及人机协作系统

在加入明尼苏达大学之前，他还曾担任Amazon Scholar，与Amazon Alexa及AGI团队合作开展过数据隐私和基础模型研究。

在他看来，一方面，人们很难判断什么时候可以信任AI，因此每一次输出几乎都要从头检查；另一方面，即使已经纠正过一次错误，下一次再遇到类似任务，AI仍然可能像一个“失忆的实习生”，需要重新教一遍。

类似的情况，也出现在MorphMind团队的科研计算场景里。

有一次，团队成员让AI生成一段slurm脚本，并明确说明先生成脚本，自己检查后再提交。结果AI直接执行了提交命令，占用了8张A100开始跑实验。

当时实验配置还没有确认，GPU资源又属于实验室共享集群。等到发现时，算力已经消耗了好几个小时，其他同学的任务也因此被迫排队等待。

这些经历让团队逐渐意识到，现阶段问题并不在于模型写得好不好，而是当前大多数AI系统，本质上更像一台每次重新运行的机器。

它很难被逐步引导，也很难像真实合作者那样按步骤协作。

用户无法冻结已经完成的部分，也无法逐步调整系统行为。AI越强，这种失控感反而越明显。

正是在这样的背景下，MorphMind开始逐渐成形。

团队最早的尝试其实发生在实验室内部。

2024年初，他们已经开发过多个AI Agent，用来自动化科研流程中的不同环节，例如实验管理、数据分析和文档整理等。

那段时间的体验很直接：AI已经可以替他们完成大量任务，但真正的瓶颈很快就暴露出来。

他们发现，其实很多拥有深厚专业判断的人，并不缺问题，也不缺应用场景，他们缺少的只是一个能力——把自己的想法快速变成一个可以工作的AI系统

如果每一次尝试都必须依赖开发者、复杂配置和长周期工程协作，那么很多本来可以快速验证的想法，最终还是会被卡在执行环节。

于是MorphMind团队逐渐意识到，比起继续开发几个内部使用的Agent，更重要的事情，是把这套能力做成一种平台，让更多人可以直接使用

在这个过程中，他们用一个词来描述自己想要实现的方向：Mutualistic AI，希望达到人与AI和谐共生的关系——

AI负责承担那些高频、耗时、可扩展的感知、认知和执行任务，而人始终保留对目标、边界和关键判断的主导权。

这样一来，AI能够随着人的反馈持续学习、持续贴近并放大专家能力的系统。

从行业角度看，MorphMind的产品形态，也正好踩在了一个关键节点上。

过去三年，AI产品形态大致经历了几次明显的变化：聊天机器人、工具型AI、单智能体，再到如今正在兴起的Agent系统

在Agent系统这一最新阶段里，AI开始承担完整流程，而不仅仅是完成单个任务，AI正在从工具逐渐演化为一种新的组织结构。

人类的角色也正在从使用工具的人，逐渐变成管理AI系统的人。

不同公司也正沿着不同方向探索这一变化：有些团队专注于单个Agent能力的提升，有些则致力于构建更复杂的自动化流程。

而MorphMind选择的路径，是构建一个人与AI团队协作的系统，除了替人执行简单的任务，也能够随着人的反馈不断调整和成长

在MorphMind的设想中，他们希望能够构建一种新的基础设施，一种可以让人的思考能力被持续放大、沉淀并协作起来的基础设施

过去很多复杂工作必须依赖一个完整团队才能完成，而在AI参与之后，一个人就可以是一支队伍，把这些事情真正推进下去。

让每一个有想法的人，不再被执行和工具门槛困住，而能够带着AI把事情真正做出来。

未来AI的组织方式会发生变化，一个以Agent为核心的世界正在逐渐成形。

如果这种形态逐渐成为现实，AI带来的变化将不只是效率提升，而是一种更深层的转变：工作的基本单位，不再以团队的形式呈现，而是一个人和Ta管理的一群Agent

MorphMind想做的，就是让这样的协作方式不再停留在想象之中，而是成为现在就可以被真实体验的一种工作模式。

△图片为AI生成

这种协作范式的改变，在用户真实场景中已初现端倪：

无论是在二级市场投研中，将原本耗时大半天的资料复盘缩短至半小时的结构化产出；还是在强化学习科研中，将“实验、异常、解释”的复杂闭环固化为可复用的研究流；抑或是独立开发者们将脑中灵感拆解为可交付的项目进程……

如果你第一次打开MorphMind，最直观的感受或许会很简单：

原来不需要懂复杂的AI技术，也不用反复迁就模型的行为，就已经可以开始带着一支AI专家团队做事了。

而这，或许正是Agent时代最真实最鲜活的一种开端。

MorphMind官网：
https://morphmind.ai
立即免费试用：
https://agentlab.morphmind.ai