写下这个标题的时候，我依然深度依赖Deep Research，但是在过去的几个月里，只要有可能，我都在尝试完全依靠IDE工具（我只使用Cursor，但是我相信Windsurf，Trae等也一样），完成我的目标。
在一些中级难度和产出要求的场景下，我已经实现了这个目标。例如批量信息的搜索与知识图谱的生成，例如内部培训材料的准备，比如摄影相关一般内容性网站的建设……
在这个过程中，我已经完全摆脱了MCP，90%以上可用的MCP都高度依赖原生API，那么直接生成代码使用就好了，不必要在MCP环节增加不确定性。
当然，在可见的很长一段时间里，我依然摆脱不了对Deep Research的依赖，因为无论OpenAI还是Google，都把这个产品优化的很好（当然在Gemini-2.5的5月6号的版本更新后，Gemini's Deep Research可见的变差了）。可是它依然存在难以在目前架构下解决的问题：
- 最突出的，就是无法进行增量更新。尽管我们可以在一个对话session里完成几次深度研究，用户也可以很认真的告诉模型“对XX部分进行扩充和更新”，但是结果往往不如我们所愿；
- 无法进行批量的标准化输出。例如，我们要对一个话题的十个子话题分别进行深度研究，并且希望每个子话题间用同样的研究方法，同样的输出格式。是的，当我们对模型提出上述要求时，模型会“告诉我们它理解了”，但是结果依然会让我们失望；
简而言之，尽管目前的Deep Research是一个工程化的实现，但它无法在一个工程化的架构下进行持续迭代式的产出：我们需要按照一个节奏走出1000步，但是这个目标无法通过每次从不同的起点走50步，然后进行20次的方式获得。它不会让我们得到一条清晰路径的曲线，更可能的是从一个圆环上不同点向外发散的类似于星芒的形状。
上面的插图也是一个很好的例子：当我把前面一段描述给到GPT-4o并让她生成一张图时，在两轮对话后，它返回了上面这张。
是的，大体上，这张图呈现了我要表达的意思，却总有些出入。然而，我基本上无法再通过“对话”的形式修正其输出，以达到100%或者95%准确的意图表达。
这不能完全说是模型的问题，还有很大部分我的问题：即使我脑子里有一个画面，我也可能无法很准确的以模型能够理解的方式用语言表达出来。
写到这里，我跳出了目前的“书写进程”，尝试手绘了一个存在于大脑里的概念草图：既然文字的理解有偏差，那么多模态下图形的理解应该会有帮助。
是的，下面三张图呈现了再输入图形后，又通过文字指令进行局部修正的输出过程。
我们可以很明显看到其中的差别，也可以很明显看出，模型在修改我们希望变化的部分的同时，也改动了我们不希望变化的部分。
我们当然可以认为这是模型本身的随机性设定造成的，但深层次的原因还是在于当前生成式AI本身：每一次的输出其实都是全新的。
当然，这个问题不是新出现的，所以我们看到了workflow工具，看到了agent，看到了human-in-the-loop。
过去半年，我们看到了大量的demo，包括我自己分享的，更包括类似于Manus这样的卖家秀，我们产出了大量的类似于“缝合怪”的结果，却鲜有生产环境里大批量落地的实例。当然，也包括我本职工作范围内的“生产环境”。
在快速demo与实际落地之间，我们遭遇了一系列的矛盾：
我们希望有一些模型可以专注于“代码生成”，可是大概没有任何一段“不结合具体业务场景”的代码是有用的，“专注的模型”如果没有足够业务背景知识理解的基础，也生成不了“好代码”；然而，当我们引入更大知识面更丰富的模型时，代码与业务的结合度显著提升了，问题也出现了，模型开始频繁的受到自身“知识”的影响从而逐渐脱离我们的本意；
在一个工程里，我们希望模型聚焦于某一个具体任务，不必自由发挥，可是，如果不给模型输入足够多的背景信息，任务执行的效果会大打折扣，给足输入后，“自由发挥”却开始让我们哭笑不得；
更多的灾难来自于引入“思考”……
在当前的模型架构下，这几乎是无解的：尽管模型的架构尽可能复现大脑的神经网络，尽管attention和预测下一token很像我们的语言方式……
然而以我们目前的算力，是无法清晰的知道为什么模型在面对选择题时，为什么会选“C”？模型也无法通过我们的输入，准确无误地得到我们的真实意图。如果我们把自己大脑的输出过程也类比为一个生成器的话，我们的这个生成器与模型的生成器，是完全两个世界。我们此刻正互相看不起，互相嘲笑着对方“智商为零”……
另一方面，大脑似乎具备一种独特的“专注能力”，虽然我们经常进行跨学科跨领域的关联和比较，但是当我们执行一项具体工作时，我们会倾向于专注在一个较窄的领域，而“自动隔断”其他领域的输入，这帮助我们将“创造力”和“执行力”在一定时间范围内进行分离。
对模型而言，所有训练的知识都被压缩到一个高维空间中，所有的attention之间其实都是有关联关系的（只不过强弱不同），我们无法或者其实也不可以在这个空间里人为设定一堵又一堵的墙，进行类似于人脑的“自动隔绝”。
以上，大概从更技术化的层面解释了为什么那么多“不如人愿”的结果，或者被我们简单称为“幻觉”的输出。
这是两个世界，我们不可能放弃对自己世界的绝对控制权，但我们其实也无法控制那个事实上我们并不理解的世界。
当然，或许这不会成为太大的困扰，我们需要尽可能的相信黑盒的输出，也需要学会如何自己对结果负责。
所以，如果我们需要Deep Research或者Agent的全面与高效，我们就需要认真的从中学习足够的经验，帮助我们自身如何更好的在提效的同时对产出结果负责。
这个过程本身可能就会付出很多的时间和失败教训，正如我最新一个教训：我逐步认识到human-in-the-loop可能是错误的，模型的输出能力已经早就超越了人可以承受的生理极限，过多的人为干预只是在开时代的倒车。
我们也无法在当下，完全信赖于模型或者应用的产出，不一定是它“错”，只是它还不能被我们完全理解、处理和接受。
模型也不是Copilot，因为没有主次之分。
这就是一种symbiosis，共生关系。在这样的关系下，能让两个世界和谐共处的，就是程序代码：在互联网的世界里，我们所有的意图，其实都可以通过模型生成代码来实现。
我们需要的只是这个共生关系下的生产环境，一个IDE：它既可以让在我们一个工程化的框架下逐步迭代，也可以让两个世界各自发挥最大的优势。