> 2026-08-17 | 博海视角
> 系列缘起：任总一天内分享的四篇文章，用"结构→关系→系统"框架分析后，
> 发现它们共享同一个底层结构 —— 只是发生在四个不同的领域。
60后、70后正在慢慢退场。没有轰动的新闻，没有政策突变，但社会学者说，这将是未来几十年重塑中国社会的最大力量。
这代人规模庞大，完整亲历改革开放，是过去几十年社会建设的主力军。他们一退场，四个领域会同时重构。
家庭伦理首当其冲。过去维系几代人的纽带——对上赡养父母、对下帮带孙辈、逢年过节张罗家族团聚——全靠这代人在硬撑。等他们老去，80后90后大多是独生子女，兄弟姐妹少、异地工作、和远房亲戚交集少，过去靠长辈维系的宗族人情没了中间人，大家族解体，小家庭成为绝对主流。亲情不再是伦理义务，变成情感自愿。
乡土社会同样在变。现在守在乡村种地、打理老屋、维持村庄烟火的就是这代人。他们退场后，老旧村落持续空心化，土地向规模化种植集中，一部分区位好的乡村转型旅居和特色产业，偏远村落慢慢完成人口迭代。老家从所有人的"根"，变成一部分人的"记忆"。
劳动力市场的观念迭代更彻底。这代人吃苦耐劳、一份工干一辈子、稳定第一。新一代打工人不再执着于一个单位，更看重工作生活平衡，灵活就业和短期项目成为常态。劳动密集型岗位人力供给收缩，倒逼产业智能化升级；社会从人口红利转向人才红利。
财富也在完成代际交接。这代人手里掌握大量房产和储蓄，是当下银发消费的主力。等资产向下一代转移，消费主体换成互联网原住民，养老产业、房产、传统消费都会跟着人口结构重新改写。
但变革不等于灾难。传统大家族弱化，小家庭关系可以更纯粹；乡村烟火减弱，乡村可以探索新路；体力劳动减少，科技升级弥补缺口。旧的运行模式慢慢失效，新的规则一点点生长出来——这就是代际交替的本质：不是谁做错了什么，是底层的"人"变了，整个系统随之重构。
结构变了，关系必然变，系统跟着变。这就是第一篇——社会的底层结构替换。
8月17日，智象未来发布了交互式世界模型HiDream-O1-World。用户可以进入生成场景，自由移动视角，通过文字、语音或图片控制人物动作，改变场景接下来的发展。
传统视频模型生成一段画面就结束了。交互式世界模型要解决的是"视频生成之后的问题"：用户介入时，模型能否记住此前的空间和人物，根据新操作继续运行这个世界。
难点在于空间一致性。普通视频生成以像素为基础，前后两帧出一点误差，短视频里看不出来；生成时间一长，误差累积，人物变形、物体漂移、场景结构改变。用户操作又进一步打破平衡——移动镜头、改变动作，模型既要响应新指令，又要保留此前的空间关系。
HiDream的解法是把"几何结构"和"外观信息"分开处理。空间结构决定墙在哪、人物和桌子距离多远；纹理光照决定墙面材质和场景风格。两部分相对独立，镜头移动时不必把整个画面推倒重来。这就像影视制作：先在虚拟片场搭好舞台，确定人物和物体位置，镜头动后再重新打光和上色。
它还用了两套机制维持长期一致。3D先验注入Memory上下文：模型维护持续更新的空间记忆，物体暂时离开画面，仍记得它曾经的位置，用户再进入时能衔接上。Test-Time Training：推理阶段根据当前场景在线适应，让后续生成继续遵循已建立的空间关系。
动作也要产生合理的后果。抓取一杯水，手指要准确接近、杯子随手移动、松开后受重力落下。碰撞、流体、柔性形变、重力抛射，都需要模型理解物体间的因果关系。
创始人梅涛把世界模型的目标概括为两句话："model the world"和"mold the world"。前者是理解和表达世界，后者是允许人进入其中，改变世界接下来的运行方式。视频模型只能看，世界模型能进去改——从理解到改造，是这条技术路线最本质的跨越。
结构（几何）与状态（外观）分离，记忆让断开的场景续上，运行时在线适应——世界模型的技术内核，恰恰是任何复杂系统维持长期稳定的通用解法。
上周我把Hermes Desktop升级，装上官方Bot Mode插件。左侧栏多出一栏"Bots"——我原来的researcher、coder、reviewer三个Profile，自动变成了三个具名Bot，有头像、有职责、有记忆，什么都没重建。
官方原话很直白：Bot就是Profile穿了制服。一个Bot本质是一个Hermes Profile，不是新格式。以前你开多个Profile，得靠自己记"这个负责写码、那个负责查资料"；现在它们变成左侧一排具名Bot，各自的SOUL、memory、skills、MCP、聊天历史完全隔离。你半年积累的人格和记忆，一夜之间成了"员工档案"。
三个动作真正拉开了差距。第一，按Bot锁模型：每个Bot单独pin一个provider和model，研究Bot挂前沿模型、编码Bot挂代码强模型、收件Bot挂本地小模型跑晨间邮件归纳。第二，Bot-to-Bot转交：在主聊天@reviewer，任务塞进它的Bot Chat，回完再把结论带回主线程。第三，Routine变成岗位班次：每个Bot挂自己的cron，reviewer每天9点跑测试汇总、researcher每天下午拉竞品changelog，结果直接进自己的聊天历史。以前是"我提醒Agent干活"，现在是"这岗本来就该这个点交班"。
最忌讳的是一口气建七八个Bot——群聊有硬上限，每回合最多10条、连续最多3轮，否则token全烧在它们互相等回复上。建议起步三个：coder开文件开终端，禁生产写权限；reviewer只读代码跑测试看日志；researcher挂搜索和本地笔记，专门出带来源的简报。
回到Sessions模式那晚，我翻了旧对话：47个长得一模一样的窗口，谁干过啥全靠回忆。那不叫多Agent，那叫健忘症分组。
Bot Mode没让模型变聪明，它只做了一件事：把"谁该干什么、记住了什么、该调什么工具"钉死在一个身份上。这一步迈完，Hermes才从"高级终端助手"变成"你桌上那几个不辞职的同事"。
身份即边界，边界即职责，职责即班次——多Agent的真相，是把分工钉死，而不是开一堆长得一样的窗口。
你有没有算过一笔账？让Agent帮你填个表单、抓点数据，它每点一下按钮、每滚一次页面，背后都是一次Tool Call，都是真金白银的Token。网页任务一直是Agent里的"吞金兽"。
过去，Hermes给Agent配了一整套独立浏览器工具：navigate、click、type、scroll，算下来十几个。问题在于Agent必须一步步指挥——点一下登录，一次调用；滚到页面底部，一次调用；填一个输入框，又一次调用。一个完整网页任务，往往在几十上百次往返里慢慢磨出来。每一次调用都要把页面快照、工具Schema重新塞回上下文，Token就这么哗哗流走。浏览器Agent最贵的地方，不是它做错了什么，而是它"做对每一步"的成本被无限放大。
现在，Hermes把Browser Use模式设为默认。原来十几个分散的工具，整合成一个browser_exec：Agent不再逐步指挥，而是直接面对网页的无障碍树，在本地写一段Python脚本，一次性跑完整个工作流。按钮、输入框、链接被标成@e1、@e2这样的引用ID，Agent看懂结构后直接写Python去click、type、drag、scrape——不是"下一步点哪"，而是"把这一整件事写成代码跑掉"。
数字说话：Tool Call次数从每动作一次变成一次脚本跑完，Token消耗直降48%到66%，任务准确率不打折。少的是Schema开销和无效往返，没少的是准确率。
Browser Use CLI 3.0背后的思路很新：最新模型在网页任务上，给自由比抽象掉复杂度更好。与其把"点击""输入"封装成一个个被严格约束的小工具，不如直接让模型写代码去操作浏览器。模型本来就更擅长写一段连贯的逻辑，而不是在几十轮对话里反复确认"下一步点哪个"。
当然有边界：browser_exec会在机器上执行模型写的Python，所以只开放给有终端权限的会话；跑不起来时自动回退到旧工具，多一层保险。默认更省，旧路还在，出问题无缝兜底。
Agent的效率革命，不在"调更多工具"，而在"少调工具、多写代码"。当浏览器Agent学会自己写脚本，那笔一直藏在细节里的Token账，终于算明白了。
把这四篇放在一起看，会发现它们说的是同一件事。
社会代际更替：人口结构变了，家庭关系、职场关系跟着变，整个社会系统重构。世界模型：几何结构不变，外观状态随便变，靠结构稳定支撑持续运行。Bot Mode：身份（Profile）钉死，职责边界清晰，协作系统才真正成立。Token治理：减少调用往返，一次脚本跑完，成本自然下降。
结构、关系、系统——这六个字在四个领域里反复出现。结构是那个不变的地基，关系是地基上长出的连接，系统是连接运转起来的整体。无论是一代人的退场、一个世界的生成、一群Agent的协作，还是一笔Token的账目，底层逻辑是同一个。
古人说"一即一切"。今天我们用四个当代案例验证了它：同一个结构，在四个世界里展开。看懂一个，就懂了全部。
（博海科技：专注中小企业数据治理与AI决策支持。我们相信古老的结构，也相信现代的验证。）