今天一大早啊，被meta官宣收购Manus的新闻刷屏了，为什么这么重要呢。首先，Manus是中国本土的明星AI应用，这个非常重要。其次是快，怎么快呢，第一是收购快，整个收购过程用了十来天，另外一个快是大家都知道Manus是北京蝴蝶效应今年3月份推出的，一推出就一炮而红（10万的一个邀请码我抢不到），仅仅不到一年的时间就被收购；最后，这次收购是一次AI核心资产级别的收购，且创始人直接进入核心管理层。为什么会有这次的收购呢，大家可能关注到了更多的Manus数据（），其实不然，我认为，真正重要的是Meta要的不是一个Agent产品，而是一条已经跑通的Agent路线。针对大模型而言，目前各大模型的差距在迅速缩小，真正拉开差距的可能就是Agent这一层。也就是说，谁能够把Agent能做成可规模、可交付、可挣钱的生产力，谁就掌握了下一个阶段的入口，Manus已经被市场验证了，这对于开源中国社区而言，甚至很多做智能体的企业来说无疑是兴奋的，所以，我们更加坚定Agent这条路线，这是2026年我们收到最好的开年礼物。
在AI的时代，对于互联网公司，我们最大的好处就是我们可以快速切入AI领域，不需要经过漫长的POC（概念验证），跟传统公司不同。认定一个方向就一路走到黑，泡沫也好，任性也罢，我们肯定是不回去了，唯有坚持一直做下去。这也是开源中国社区一开始选择做AI Agent（专用智能体，并非通用智能体），一直坚持到现在的原因。实际上，社区在近一年的时间里，我们在AI Agent化的实践上，明显感受到它带来的极致的效率，我说两点：第一，就我们的产品开发而言，开源中国社区的技术同事全面 用上了（）工具，就昨天，我用提交代码次数统计个人的工作量，社区其中一个技术同事在今年的提交次数就达到4090次，每提交一次都是对社区单个或多个功能的修复，也就是说，我们用Agent工具，一个人一年可以完成至少5000多个bug的修复和需求开发，这对于以前来说是想都不敢想的事情。第二，开始社区在初步完成Agent化的时候，首先是针对的是社区运营的工作进行Agent化，原先在内容发布、审核、编辑、翻译、推荐等等一序列工作，需要到十四五的人来完成，现在社区只需要2个人就可以完成，极大的减少了社区的运营成本，并且能够释放更多的人力去做更加专注的事情，去做商业化交付、直播、大会、大赛等等事情。因此，对于我明年的工作方式，甚至说是社区明年的工作规划是，我们不花任何的时间，甚至不花1秒的时间在与AI无关的事情上，继续坚持走专用智能体的路线。
第二页：
好，接下来我们复盘2025年开源中国社区的一些变化：
大家看到，从2008 年开始，开源中国社区成立，进入了社区1.0时代，为国内开发者提供了集软件资讯、技术问答、博客、软件库于一体的知识学习与交流平台，这是典型的“频道模式”社区，我把它看作1.0时代；
到2.0 平台时代，2013年开源中国推出代码托管平台 gitee.com，直接对标美国GitHub，解决了国内开发者在代码协同开发方面的核心痛点，并迅速积累了海量代码仓库与开发者用户，成为了国内最大的代码托管平台；
3.0 效能时代，2020年开源中国推出企业级研发效能平台 gitee.cn，提供覆盖软件开发全生命周期的一体化解决方案，成为公司主要的收入来源，并成功在DevOps赛道击败了国内各大互联网巨头。
直到4.0 智能时代，2023年，开源中国全面拥抱人工智能浪潮，推出开源人工智能平台 ai.gitee.com，致力于打造集模型、数据、算力、应用为一体的AI创新生态，这也是为我国人工智能产业发展提供开源AI底座。
实际上，开源中国社区的AI生态不是突然冒出来的，是通过社区内容、协作、AI底座三块，一步一步叠起来的，真正的形成闭环；图片为社区通过以“模力方舟”为AI底座，来构建社区多个Agent能力，并用它来驱动社区的产品，进而去服务我们的运营工作，用AI接管策划、采集、编辑、审核、发布这些传统的链路，把编辑工作流水线化；服务开发者高校阅读、学习、搜索、创作。服务企业构建私有化知识库、内部技术影响力等。
这是我们目前正在实现的路径，其实是在告诉大家：社区不是孤立的，它背后还有协作与 AI 的底座。所以我们不是简单做一轮“功能上新”，而是在把这些 AI 能力封装成可复用、可编排的 Agent，最终把知识、关系和工具编织成一套持续运行的 Community OS。
第三页：
先看上面这张图，我们的模力方舟AI底座在做什么？它在这里的角色不是“某一个模型”，而是一个底座 + 路由，我们不是单一模型，而是做“多模型路由”。根据不同的场景调用不同的模型，保证质量、成本和稳定性都可控。也就是说，社区的 AI 能力不是一套“统一大脑”，更像一个由多个 Agent 组成的系统，每个 Agent 背后可以选最合适的模型来跑。
接下来我想回答一个特别现实的问题，开源中国社区到底有没有 AI 需求？AI 化是不是“想象很美、使用很少”？
我想直接用数据说话——我们现在在社区里的 AI 调用，月均 8.6 亿 Token。如果按一篇文章使用四五千token来算，就是一个月用AI创作将近20万篇，这还只是一个试验量，还没有达到日常使用的规模。8.6 亿 Token 不是集中在一个功能上，而是分布在搜索、推荐、创作、翻译、运营、代码、互动这些核心场景上。社区的 AI 化不是“针对某个点”，而是全面进入主流程。
第四页：
接下来，我想简单说一下社区正在规划的一件事情，就是AI数字人，它的目标很明确：把全站的内容与互动，变成可调用的知识与能力，并且靠反馈与治理让它持续进化。
大家看左边部分“数据流动层”，它其实是一个闭环的数据飞轮，开发者输入 → 创作内容/代码 → AI 加工 → 结构化知识沉淀 → 数字人输出 → 问答/推荐/传播 → 社区反馈 → 新数据沉淀。这里最关键的点是：AI 数字人不是一次性的调用结果，而是一个持续运转的数据飞轮。每一次内容发布、每一次互动、每一次问答都会形成新数据，然后回到系统里，让数字人下一次更懂你、更会做事。
看中间上部分
接下来我们看中间这块“技术架构层”。这里表达的是：数字人是怎么跑起来的。它从开发者本体开始：你的文章、代码、互动、项目经历，会形成数据沉淀。然后进入核心——数字人引擎。
看中间下部分
这是“功能实现层”，你可以理解为数字人对外的“交付”，包括基础服务、进阶能力、生态链接。你可以理解为：AI 数字人就是把社区从“内容场”变成“协作场”，再进一步变成“生态场”。
看最底层
最下面的“支撑体系层”。这层决定了数字人不是 demo，而是能长期运行的生产力系统。
这里有四块：
技术底座：模力方舟 + Gitee 代码库
数据源：海量代码仓库 + 海量技术文章
激励机制：声誉积分、技能等级、商业分成
开放接口：开发者成长面板、跨平台履历通行证
简单说：有底座，数字人才跑得动；有数据，数字人才长得大；有激励，开发者才愿意持续贡献；有开放接口，生态才可能真正共建。
看最右边
最后看右侧“数字人人格设定”。这块的意思是：数字人不只是聪明，它还必须风格一致、边界可控。
所以我们做了人格层次：本我、自我、超我；再加上 AI 本体能力、专项 Agent 技能组合、few-shot 引导；
最上面还有“道德/价值约束”，保证它在社区里“可信、可控、可治理”。
这页图我最后想落在一句话：
开源中国把内容、关系、工具变成可编排的能力，再用 AI 数字人把这些能力组织起来，让社区变成一个持续运行、可进化的生产力系统。
这也是我们通往 Community OS 的关键一步：
先把能力 Agent 化，再把 Agent 系统化，最终让社区像操作系统一样，长期为开发者提供“可调用的生产力”。
第五页
好，接下来这一页，我想用一种“操作系统”的方式，讲清楚我们对 2030 的路线判断：开源中国社区在 2030 年要走的，不是一个更大的资讯站，也不是一个更全的功能集合，而是一套面向开发者生态的 Community OS。
而这套 Community OS 的起点，就是AI 数字人——它会从一个入口形态开始，逐步演化成一套“像操作系统一样”的社区基础设施。
这页图的标题很关键：“社区从资讯站 → 生产力操作系统 的抽象视角”。
我下面按图左侧的五条，逐条讲：Shell、Kernel核心、Services服务、Platform底座、飞轮。你把它当成一台“社区操作系统”就很好理解。
第一条写得很清楚：Shell。
在传统操作系统里，Shell 是用户入口；在 Community OS 里，我们把 Shell 抽象成：
数字人作为统一入口，全站可召唤，跨场景召唤，并且交付“能做事”的对话。所以第一步，是把社区的入口从“页面集合”变成“智能入口”。
第二条是 Kernel核心，图上写：Agent 运行时，并列了四件事：
任务拆解、模型路由、工具编排、回溯评测。这就是 Community OS 的“内核”。它决定了数字人到底是不是一个“能干活的系统”。
第三条是 Services服务。图里写的关键词是：治理/风控、可观测、反馈系统、画像与推荐、RAG 知识交付。真正能进生产的操作系统，一定不只“能跑”，还得“可控、可管、可迭代”。
这层存在的意义是：让数字人从“会说”变成“可信赖的生产力”。
第四条是 Platform。图里写的是：内容/关系/工具三要素沉淀为可调用能力；生态连接形成外部扩展。这里其实点出了 Community OS 最独特的地方：
社区最核心的资产不只是内容，而是内容 + 关系 + 工具三件事被统一抽象出来，成为可调用能力。这一步相当于：把社区从“站点”升级成“平台底座”。
飞轮：行为与内容回流 → 更懂你 → 更会做事（持续进化）
图里写得很直白：行为与内容回流 → 更懂你 → 更会做事（持续进化）。
这就是 Community OS 的生命力来源。
每一次阅读、提问、创作、协作，都会产生新的数据；数据回到画像、知识库、评测体系；
系统就会更懂你、更会做事，你用的越多越聪明——它不是静态产品，而是一套持续进化的系统。
