百人工厂零GPU自建36智能体大脑，花费不到外包报价的十分之一
The Factory That Dreams: 39 AI Agents, No Framework - Rushabh Doshi, Machinecraft · Rushabh Doshi
全片 10 分钟·真正值得盯屏约 3 分钟·2 个必看点
- 0:01 – 1:00看
工厂最贵的资产在三个人的脑子里
一家家族热成型机工厂，客户是谁、当年为什么那样报价、机器为何要定制，这些答案只存在于三代经营者的记忆中。人一走，知识就没了。讲者用这个痛点开场，随即说“我给你们看看是怎么做到的”并切入实机。
写没人读的文档救不了隐性知识，得给公司造一份能被调用的替代性记忆。
这里讲者从口头叙述转向屏幕演示，实机画面本身就是全片的信任基础，光听声音会漏掉最关键的那一眼。▶ 跳到 0:01讲者 · Rushabh Doshi - 1:00 – 2:30略
零训练、零 GPU、训练账单为零
数百 GB 私有历史数据被切块后交给现成模型阅读、抽取事实：语义存进向量库，实体关系存进图谱。全程没有训练任何模型，也没碰 GPU。
所谓公司大脑，本质是一套组织良好的记忆，不是一个更聪明的模型；贵的从来不是算力，是让公司学会记住自己。
这一段主要靠架构示意图在推进，图看一眼结构就清楚了，细节讲解可以快进着过。▶ 跳到 1:00讲者 · Rushabh Doshi - 2:30 – 4:10略
36 个只干一件事的智能体在开会
没有一个万能大提示词，而是协调、销售、定价、机器规格、事实核查、修正守护各设一个角色。遇到问题它们真的会互相辩论，最后收敛成一个答案。
一个智能体一项职责——靠团队而不是靠英雄，这是可靠性的来源。
屏幕上是角色分工与协作路径的结构图，扫一遍分工关系即可，不必逐帧盯着看。▶ 跳到 2:30讲者 · Rushabh Doshi - 4:10 – 5:40看
它每天真的在跑整个前端业务
系统每天完成九项具体工作：发外呼邮件、通话前生成客户简报、出报价、唤醒沉睡线索、判断客户是否匹配等等。所有交互都发生在一个编辑器标签页里，没有另建界面。
落地的门槛比想象中低——不需要产品化的后台，一个工作台就能承载全部业务动作。
这是全片信息密度最高的实机画面，九项业务和那个单一工作台只有看到屏幕才有说服力。▶ 跳到 4:10讲者 · Rushabh Doshi - 5:40 – 7:01略
永不打破的黄金法则
无论系统写得多好，最后一步一定由人来点发送。AI 只负责起草，人类负责发出。这条规矩在这家公司没有例外。
把“谁按下最后那个按钮”定死，是让业务方敢真正用起来的前提。
配合屏幕上的流程示意讲解，看清审核卡在哪一步就够，讲者的展开可以略过。▶ 跳到 5:40讲者 · Rushabh Doshi - 7:02 – 8:20听
记忆要分层，还要每晚做梦
原始大模型是金鱼记忆，所以记忆被刻意工程化成几层：工作记忆、钉选事实、把对话存成小故事的情节记忆、逐步升温的关系模型，前面还有一道闸门先判断什么值得记。每晚系统会回放当天、锁定有用信息、排查矛盾、温和遗忘过时内容，早上产出一份报告。
人工修正永远压过模型判断，而且改一次就永久生效——这是让记忆越用越准的关键机制。
这段是纯粹的机制论述，屏幕上没有需要辨认的东西，边做别的事听着就行。▶ 跳到 7:02讲者 · Rushabh Doshi - 8:20 – 9:10听
三代家训变成代码里的护栏
每个智能体内置一份价值观文件，内容来自这个耆那教家族企业三代传下来的经营原则：开口前先交叉核验、绝不把话说死必须引用文档和日期、只做职责内的事、真相难看也如实上报、没有人单独作业。
企业文化不是贴在墙上的标语，它可以被翻译成一条条能约束模型行为的硬规则。
五条准则是逐条口述的，听清楚措辞比看屏幕更重要。▶ 跳到 8:20讲者 · Rushabh Doshi - 9:10 – 9:52听
23 万的报价 vs 3 万的自建
外包机构开价 23 万美元，自己搭下来约 3 万美元，月运行费几千美元。团队把整套架构开放成可以直接分叉的版本，任何人都能拿去改。
公司大脑没法外包——只有你自己知道该记住什么，也只有你自己能建。
收尾的成本对比和开放地址靠口述交代，记下数字和结论即可。▶ 跳到 9:10讲者 · Rushabh Doshi