问题描述：

AI Coding 的效率不取决于模型的能力，而是取决于你所使用的架构是否支持多工作树低冲突合并；
AI 的能力边界也不取决于模型的能力，而是取决于工程过程可被 token 化的范围边界在哪里。
以下是 CTO 的反馈。这个 CTO 是我的贵人，我刚毕业第一份面试和实习就是他：
image676×246 11.9 KB

---

表示边界论

定义

人工智能系统直接处理的不是现实本身，而是现实的表示。
所谓 token，在广义上指一切可被机器编码、传输、存储和运算的符号单元。
所谓 token 化，指将现实中的对象、状态、关系和过程转化为机器可处理表示的过程。

基本命题

只有进入机器表示系统的对象，才可能被人工智能处理。因而，人工智能的认知边界首先受表示边界约束。
模型本身只能执行表示变换，而不能直接触及现实。人工智能要对现实产生作用，必须借助接口、工具、传感器与执行系统形成因果闭环。
算力决定表示处理的规模、速度、成本与可持续性。

推论

人工智能能力的扩张，不只是模型能力的扩张，更是表示边界与接口边界的扩张。
多模态、工具调用、数据库连接、传感器接入，本质上都是在扩大人工智能可处理和可作用的世界。
Agent 的价值，不在于替代模型，而在于将模型嵌入现实闭环，使其从“表示变换器”变成“可作用系统”的核心部件。

---

这些东西我本来想写成论文，但是最近真的太忙了。CTO 说一个人自己的宝贵认知不应该随意公之于众，但是我觉得我的脑子还很新，我的认知会被自己不断推进，我不怕随时和人分享我的知识。现在模型的部署成本、能力、token的费用，还远远没有发展到极限。AI 是一个新领域，佬们，我们真正在共同构建一个全新的世界。

网友解答：

---

--【壹】--：

我第一版标题是“跳槽时我说了这些话，CTO直接给我35k”
我觉得很不妥，刻意改成人话了，但还是很浓的公众号标题感。。