裁剪｜Youli

6 月 30 日晚，抖音主播「女流 66」直播间里，一场有些「额外」的直播拉开帷幕。

清北学霸姐「女流 66」、电竞冠军姐夫「YJJ」与整活之王弟弟「壮壮」三东谈主生僻同框，共同插足一个由 AI 驱动的确实空间游戏：「女流 66」需要以「往日之东谈主」身份独走一条只消她能走通的单线，而弟弟「壮壮」和姐夫「YJJ」则在「畴昔」侧隔着一堵墙配合，只消通过重重关卡，三东谈主才能收尾重聚。

过程中，手机镜头、麦克风、房间物件以及不雅众互动都被纳入了并吞套游戏逻辑，而 AI 则齐备承担了编剧、主抓、场控、任务调度和内容反馈等多重扮装。

比如，直播中不雅众打赏的礼物会化作「金币雨」，玩家需要攫取更多的金币来用作后头的游戏情节：

跟着游戏鼓动，玩家需要躬步履对方 Vibe Coding 接下来要闯的关卡，而从玩家到不雅众，没东谈主知谈接下来作念出的游戏关卡长啥样，这些都是跟着「实战」的进行而「及时」鼓动的。

从这个角度来看，这场直播禁绝了传统直播「不雅看主播完成内容」的单向模式，而是透顶鼓动到「主播、AI 和不雅众共同参与、生成内容」的全新范式：玩家在确实房间里出动、不雅察、抒发和行为；不雅众通过直播间互动转变场内事件；AI 则抓续把这些输入组织成关卡、剧情、任务反馈和节目恶果。

正如在游戏收尾后「壮壮」的体验感受，以前不雅众可能通过弹幕带来一些夸赞和赏赐，但这是第一次，我方在弹幕的匡助下完成游戏。

看着这「魔法」般的游戏，直播弹幕纷繁测度这背后到底是哪家游戏公司或是 AI 大厂？

谜底是「整点贝果 Bagelive」团队，而这场直播，恰是 AI 互动内容居品「整点贝果 Bagelive」的首秀。但若是只把它作为一次 AI 新玩法展示，可能就低估了它的意旨，这更像是一次极具贪心的 AI 原生互动文娱「实验」。

往日，大模子行业更多比拼单点才略：能不可生成图片和视频、能不可推理、能不可写代码…… 可跟着 Agent 期间到来，AI 启动插足直播、游戏、酬酢和数字职工等确实场景，问题也随之变化：一次申请、复兴，已无法掩盖这些场景的复杂度。AI 需要清醒运行数小时，及时清醒多东谈主输入，神往景况一致性，调度内容节律，还要在高并发环境下保抓相识和安全。

这时，实在决定 Agent 居品竞争力的，一经不单是模子才略，而是 AI 如安在确实分娩环境中抓续、相识、可靠运行。背后的关键才略，也从 Prompt Engineering 转向怎样截止复杂度的系统工程才略（Complexity Engineering）。

围绕这小数，业界也启动了多种尝试与探索。而贝果团队以为，多东谈主及时互动直播，是当今最复杂、也最能考据这类才略的绝佳环境，在这场长达近两小时的直播首秀中，贝果团队给出了第一版解法。

最直不雅的恶果来自数字。数据骄慢，这场直播总曝光东谈主数达到 93.5 万，最高在线东谈主数高达 2.9 万，约为近 7 场均值的 3.2 倍。而互动和买卖化推崇一样凸起：批驳东谈主数约为近 7 场均值的 6.5 倍，耸立东谈主数约为近 7 场均值的 7 倍……

这意味着，整点贝果带来的不单是不雅看热度晋升，还把不雅众卷入内容现场，从「围不雅者」滚动为「参与者」，并进一步撬动确实付费步履。不错说，此次「实验」，在确实流量、互动和买卖化场景中，初步考据了 AI 互动内容的成立。

运行永劫长程的直播任务，

为何需要一整套 Agent Runtime 才略？

从直播切片中不错看出，整点贝果把直播间体验推到了一个新维度：主播、AI 和不雅众共同生成内容，但践诺上，这并不是最难的部分。

更大的挑战，是在多东谈主、多内容、永劫分及时互动的复杂环境下，让系统抓续运行、神往景况、保抓一致，并在相当出当前及时收复。

比如，谁在作念什么，任务进行到那里？哪些事件一经触发？不雅众互动对后续游戏进程带来何如的影响？主播语言出动、弹幕爆发、礼物触发后，系统该怎样处理这些事件流，并进一步推动后续内容？以及当主播跳出预期经过、模子输出不相识时，如安在环球莫得感知的情况下快速收复、回到可控领域？

这些问题很难只靠 Prompt 处理。

原因在于，Prompt 更允洽处理单次生成问题，而直播面临的是清醒运行问题。一次 Prompt 不错让模子生成一句台词、一个任务、一个反馈，但一场及时互动直播需要的是一个永劫、有景况、事件驱动的底层扩充环境。

这亦然贝果团队强调 Agent Runtime 的原因。Agent Runtime 承担的是让 Agent 实在相识跑起来的底层环境，中枢是把 Agent 的方案逻辑滚动为可扩充的算计过程，让任务在复杂现场中安全、相识、可控地完成。

具体到直播现场，Agent Runtime 领先要处理的即是直播现场的三重概略情味：

输入概略情：直播间输入来自多模态信号，既有主播语音、画面、动作，也有弹幕、点赞、礼物和不雅众激情等，通常语义朦胧、意图不解确，且随时变化；

时序概略情：多东谈主多内容并发，时序依赖极强，比如主播前一秒的动作、不雅众互动或任务触发，都可能会影响后一秒的现场景况；

输出概略情：多模态输出具有概豪恣和方差，生成式 AI 的输出自然带有概豪恣和方差，而直播现场又条目低蔓延、相识、安全，不可永劫分卡顿，也不可出现彰着失控。

为此，整点贝果在底层构建了高强度的料理、校验、分级左迁与及时审核机制，得胜将概略情味「锁死」在受控领域内。

在及时一致性上，整点贝果领先依靠 oLM 场景清醒才略配置对现场的协调明白，oLM 即指 omni model 全模态模子，会同期输入直播画面、现场音频和当前游戏措施等险阻文信息，综合判断主播动作、不雅众互动和游戏程度。

在此基础上，系统遴荐 S2S（语音到语音）低蔓延语音 + 旁路意图识别时期，将朦胧的意图及时滚动为详情的游戏事件，尽量确保主链路零防碍、无背压。同期，面临异步、高频、乱序的事件，系统依靠 SSOT（单事实开端）、事件有序性以及重传 / 丢失抵偿播送同步，让全端在毫秒级内速即料理到并吞份节目景况，以收尾极强的故障自愈与景况同步。

在异步编排上，整点贝果强调长耗时异步任务的并发截止与冲突仲裁：及时任务优先响应，长耗时任务后台并发扩充；当多个抛弃同期复返时，系统再凭证当前节目景况作念冲突仲裁，判断哪些内容不错插足现场，哪些需要恭候、丢弃或重算。

多模子编排则走 SLA (并发 / 重试 / 预申请) 压尾蔓延：语音、文本、视觉、剧情、安全审核等才略通常由不同模子或模块承担，系统需要通过并发、重试、预申请等机制配置 SLA，把尾部蔓延压下来，幸免某个慢响应拖住整场直播。

此外，还有容错和安全。直播莫得重来的契机，一次识别失败、模子输出跑偏、审核遗漏，都可能平直泄露在不雅众眼前。因此，整点贝果的 Runtime 必须具备故障自愈和优雅左迁才略：模子超时就切备用旅途，生成不稳就回退到保守反馈，不雅众输入过乱就镌汰其对干线影响，主播跳出预期经过就从头对都现场景况。

而这一切最好对用户「无感」。主播看到的是直播继续鼓动，不雅众看到的是节目节律莫得断，后台系统则完成了重试、替换、左迁和景况修正。

抛弃即是，首秀当晚，最高在线东谈主数高达 2.9 万东谈主的直播间，蔓延被死死锁在东谈主类反当令分的秒级，全程零事故安全跑通……

不外，单纯「跑通」并不是全部。直播不是测验，完成任务只是底线，节目恶果才决定不雅看体验。这亦然为什么整点贝果要提议「节目恶果 Agent」：在多东谈主、多内容并发的及时现场，AI 要作念的中枢事情，是激勉并督察好的激情与联系。

它要能判断什么时候该鼓动任务，什么时候该制造小数冲突，什么时候该帮主播「接梗」，什么时候该放大不雅众激情等。

比如斯次直播三位主播同框，自己就接洽系张力，他们之间的配合、吐槽、拆台和临场反应，是直播内容的遑急构成部分。AI 若是只是机械地下发任务，现场会变成时期演示，可若是过度介入，又可能打断主播之间当然产生的化学反应。

是以直播 Agent 的难点并不单是「能不可给出下一步提示」，还包括「能不可作念现场」。为了收尾这小数，整点贝果引入面向激情清醒和心思学建模的系统才略，用来预演接下来何如让激情和联系往更好的标的发展。

从这个角度看，整点贝果思镌汰的不是「开播」的门槛，而是高质料多东谈主互动内容的分娩门槛。在贝果团队的设思中，若是这套「节目恶果 Agent」能抓续优化，畴昔 KOC 也有契机作念出综艺级的直播恶果。

但更大的意旨在于，整点贝果以直播为切口，跑通了一种新的 AI 互动内容花样，AI 不单是帮主播生成素材，而是能够及时清醒现场，调度任务，匡助内容创作家掌控互动节律、激情张力和现场联系。

这亦然整点贝果思从头界说的标的：让 AI 互动内容从「生成一个抛弃」，走向「组织一个正在发生的现场」。

「Runtime + 场景智能」，

怎样筑起无法复制的壁垒？

前边说了这样多整点贝果 Agent Runtime 的上风，但践诺上， 这只是其「跑」起来的底座，更持久的壁垒，来自于由 Runtime + Scene Intelligence（场景智能）+ Benchmark + Reward（奖励信号） 构成的完整闭环。

原因在于，文娱规模和代码、数学这类任务有很大不同。代码能不可跑、数学谜底对不合，都有相对明确的考据尺度，但直播恶果莫得自然 Oracle（公开尺度）。怎样评断一场直播恶果好？是弹幕更多、互动更高、主播反应更当然、现场联系更具张力，照旧任务鼓动更教化？

莫得公开谜底，也莫得现成数据和熟识模子。因此，谁先把这个规模的 Oracle 建出来，谁就有契机配置实在的壁垒。

贝果团队的作念法，是把高行业明白结构化为 Benchmark。行业众人和时期团队沿路界说业务问题，完成冷启动；随后通过确实场景获取出奇数据，其中最高质料的数据，来自 KOC 我方对优秀动作的判断和打标。

这意味着，整点贝果的护城河并不单来自工程系统自己，还来自明白、场景和数据的叠乘：先占据场景，才能拿到确实数据；有了数据，才能配置评测尺度；有了评测尺度，才能构造 Reward；有了 Reward，才能反过来优化模子调用、调度计策和节目恶果……

这条「飞轮」不错详尽为：占场景、攒数据、建评测、反哺优化。

其中，Reward 是最难的一环。传统文娱内容中，并莫得一套现成的 Reward 不错平直拿来用。直播恶果容易被上层见解误导，比如只追求弹幕数目、礼物金额或互动频率，可能会带来 Reward Hacking：系统学会刷见解，却莫得实在晋升不雅众激情和不雅看体验。

因此，整点贝果需要复用现场网罗的多组信号，包括弹幕语义、互动步履、现场恶果、参与度，以及 KOC 对优秀动作的打标数据，从中构建更能响应激情和联系质料的 Reward，将抽象的、不可编排的「节目恶果」具像化，在每一场直播中相识、当然地呈现出来。

只消 Reward 率先达到并卓绝东谈主工水平，就能用数据闭环驱动模子与计策的离线优化，酿成一条越跑越快、越滚越大的场景数据飞轮……

而关于整点贝果来说，这种移交是同业在短期内根柢无法复制的壁垒。

凭什么是整点贝果先「跑」出来？

能够率先在行业里跑通如斯复杂的系统工程，底气领先来自于整点贝果的中枢首创团队。

贵府骄慢，研发崇拜东谈主 Johnny 领有极其硬核的 ToC 大流量与 AI Native 居品实战配景。曾任 MiniMax ToC 居品时期崇拜东谈主，作为 Glow 时期崇拜东谈主从 0 到 1 崇拜团队搭建与架构盘算；随后作为 Talkie / 星野的时期崇拜东谈主，立项一个月即完成第一版上线。在此之前，他照旧字节跨越海外化社区客户端时期众人。

算法崇拜东谈主蔡达则具备深厚的学术与工业界双栖配景，他领有 UCL（伦敦大学学院）算计机科学硕士学位，此前在腾讯担任行使商议需求建模组崇拜东谈主，持久深耕于内容行业，探索供需联系、因果推断（自研 DeepCausalModel）以及多模态内容清醒等前沿标的，以科学的形势量化不同内容关于平台中枢见解的影响。

而这样的团队配景，对应到整点贝果的居品才略中，偶合酿成一个交叉组合：兼具耗尽级居品、高并发工程劝诫，以及内容恶果建模、因果分析和多模态揣度才略。

但这只是基础，实在支抓整点贝果快速迭代的，是团队总结并践行的 AI Native 团队方法论。

具体来看，AI Native 研发方法并不是浮浅用 AI 写代码，而是围绕复杂 Agent 居品的持久迭代，重构了「复杂度管理」「研发经过」和「组织合作形势」。

复杂度管理：模子越强，并不料味着复杂度磨灭，只是系统能堆到更高复杂度才会「崩」。因此，关于整点贝果这样需要持久迭代的多东谈主及时互动居品，团队以为必须「把复杂度当第一公民来拆」，主动对业务作念规模分袂、按正确维度拆分，用拆分把合座明白复杂度降下来。

研发经过的结构性重构：当 AI 让写代码变低廉后，实在稀缺的不再是代码分娩，而是验收、联调、方案和抓续扩充。因此，团队把大批经过滚动为「AI 能我方跑的可扩充物 + Gate / 公约」，东谈主只在尺度制定和关键判断处介入。

把 AI 行为组织基础设施：AI native 团队不单是用 AI 写代码，而是让 AI 系统性补上东谈主在组织运转里的三个自然短板 ——「记不住、盯不外来、作念不抓续」，从而收尾 AI 崇拜相接 Context、查对 PRD / 时期文档 / 测试 Case/ 代码之间的不一致；通过任务轨迹 benchmark 让 Agent 步履自我料理；再把复盘论断千里淀为 Skill，让阅兵劝诫在团队内抓续复用。

但这还不够，更遑急的是，整点贝果在居品计策上走出了一条与基座模子才略正交演进、垂直 90 度的出奇旅途。

怎样清醒？

整点贝果明确指出：基座模子是居品的才略底座，模子才略的晋升会平直举高整点贝果的恶果天花板，大模子进步对团队而言是齐全的「顺风」。但团队不是作念模子自己会处理的事，而是从模子才略维度、AI 工程维度、场景清醒三大正交维度，积聚自身的齐全 Delta（增量壁垒），并让其相互粘合复利：

模子才略维度：全面配置从感知到方案到生成的才略栈。自建围绕激情的及时清醒与心思学建模，并在多模态及时输出上深耕，围绕直播场景系统性的构建了一套包含多个不同参数目、不同模态模子的复杂协同链路。其中包含端到端低蔓延语音 S2S，以及李诞同款「秉公司法」玩法背后的永劫帧间一致、及时教化的东谈主像视频滤镜。

这里插一句，「秉公司法」玩法是整点贝果首秀时推出的一个酷好酷好功能，用户说我方要变成什么，系统就会快速把镜头里的东谈主改写成对应形象。前段时分李诞在体验居品时，解锁了广大玩法。比如，李诞说出一句「我思变成一颗蛋。」随后镜头里就出现了一颗蛋的形象，以致还保留了李诞带着眼镜的细节。

AI 工程维度：在万东谈主级、不允许出错的极限分娩环境中，「死磕」并跑通高并发系统的可不雅测性、相识性与长程景况保抓，针对不同 AI 生成场景和模态需求，动态疗养资源保证生成的及时性和相识性。

场景清醒维度：把头部 KOC 级的直播恶果解构、抽象为一个个可被界说的原子化模块并千里淀到系统库中。凭证不同的主播特质和粉丝偏好，每场内容都进行个性化的拼装和拼接，Agent 会基于直播情况及时调配，保证直播内容持久都督察在最好的体验上。

这样作念的公道在于，纯行使公司一味与底层模子同向竞走，可当模子升级时，行使极易被内化并吞，而整点贝果与模子垂直 90 度，别东谈主在同向竞走，他们在「垂直升起」……

从数万东谈主直播间，

走向确实宇宙的「互动内容引擎」

在直播的临了，主播「女流 66」得胜「画」门破墙，三位主播得以重聚，在高燃、热血的 BGM 声中，总结空间中出现的他们玩过的扫数游戏……

到这里， 这场多东谈主及时互动直播首秀就收尾了，但整点贝果来说，这只是是一次齐备的军力预演。整点贝果从来都不是为了作念一个放心的、垂直的直播 Agent，而是思向全行业展示一套不错无缝移动、泛化到更多确实宇宙场景的 Agent Runtime 才略。

今天，这场直播中所出现的关键问题，大致只是确实复杂分娩环境中诸多问题的「侧写」，畴昔，数字职工可能需要更永劫分清醒险阻文并扩充多步任务；AI 主抓需要及时感知现场并疗养氛围；AI 酬酢需要神往多东谈主联系与持久记念；多东谈主游戏需要处理更复杂的及时景况、玩家步履和内容生成……

但这些场景分享并吞个底层命题，即 AI 不可只会生成内容，还必须能相识运行、及时调度、清醒场景、截止风险，并抓续产生有用反馈。

而整点贝果思作念的，是但愿这套千里淀下来的、面向「多东谈主多内容及时交互」的系统级调度引擎，演变为下一代 AI 及时交互内容的通用引擎，畴昔能够在数字职工、AI 主抓、AI 酬酢、多东谈主游戏等复杂环境中开释出颠覆性的买卖与时期价值。

从这一层面来看，整点贝果的此次直播首秀，大致恰是时期范式「质变」的启动……

© THE END

转载请接洽本公众号得回授权

投稿或寻求报谈：liyazhou@jiqizhixin.com开云(中国)kaiyun网页版登录入口