今天开发者说采访的对象是郭志才，他曾在外企和京东工作，后投身大模型相关的行业，一干就是八年。
今年他在Github发布的 AI 生成 PPT 的项目，仅上线半年就斩获 1.4k star。在探索Ai生成内容的尝试中，他勇敢迈出了一步，在这个过程中他也遇到了许多志同道合的朋友，今天他希望能在这里和更多人相遇。
从"组装电脑大神"到NLP工程师
本科阶段，我就读于天津工业大学光电专业，并非计算机科班出身，但因为我一直对计算机领域抱有浓厚兴趣，我主动选修了相关课程。当时我还热衷于硬件研究，那时候特别流行组装电脑，我也喜欢捣鼓这些，当时我们全系的人几乎都知道我会组装电脑和做系统，不少同学组装电脑时都会来寻求我的帮助。
毕业后，我进入一家外企担任运维开发工程师，主要负责服务器管理、监控维护及服务开发等工作。之后，我又跳槽到京东，转型从事大数据运维相关岗位；后续又加入一家初创企业，聚焦 NLP 小模型的研发工作。如今，我的工作方向已拓展至大模型、多模态技术及 Agent 相关领域。
目前，我任职于一家医疗科技公司，主要做的是医疗+ AI 的赛道。今年 11 月，国家卫健委发布相关政策，明确提出要实现基层诊疗智能 AI 全覆盖，并从八个维度阐述了医疗与 AI 的融合路径，其中多项内容已落地或处于持续完善阶段。我们当前的核心发力点是医疗 + 科研方向，我对该领域的未来前景也十分看好。
做了一套Ai生成PPT项目，斩获1.4K star
做这个 AI 生成 PPT 项目的初衷其实特别简单：我想做出一款好用的产品。
做这个项目之前，我调研了不少大厂的产品和开源项目，那时候PPT 系统的市场需求还挺大的，所以我就着手开发了第一套系统。不过第一版系统还很不成熟，存在不少问题。
这套系统的开发界面是另一个开发者做的，他的前端思路是用 XML 渲染，先让大模型生成 XML，再由 XML 生成 PPT------ 这个思路本身不错，但有两个明显的缺点：一是模板样式特别少，二是预览的 PPT 和最终导出的版本不一致，毕竟 HTML 格式渲染成 PPT 很难做到 1:1 还原。当时我做了很多升级和维护来解决这些问题，用了谷歌的 A2A 和 ASK 搭建多 agent 系统，现在这套 PPT 系统也还是基于这个思路来实现的。
最初的核心逻辑是：用户输入一个主题，系统先检索大量资料生成大纲，再把大纲拆分成不同部分，自动生成多个并行的 agent，每个 agent 负责研究其中一部分，研究完汇总结果，最后再把汇总的内容写成 PPT。说白了就是总分总的结构：先有整体大纲，再分模块研究，最后汇总成完整的 PPT。
这个思路本身没问题，但因为第一版系统的那些缺点，后来我就想着开发第二套系统 ------ 模板式 PPT。这一版解决了模板少、导出渲染不一致的问题，还把 agent 做了简化。为了提升速度简化 agent ，我又专门写了一套强化学习的训练代码。
现在的训练模式已经变成了 agent 训练，核心是动态调用工具、动态决定下一步动作，用的是 react 模式，也就是 "思考 - 观察 - 行动"。最开始我试过用 art 框架做，但翻墙太麻烦，就换成了国内的 model scope 框架，效果还不错，不过目前强化学习这块还得继续升级。
强化学习最大的难点是奖励机制不好判断。举个例子，生成一份大纲，得先定义清楚什么样的大纲才算 "好"，模型才能跟着学。奖励可以自定义，比如格式奖励 ------ 生成的大纲符合 Markdown 格式就给奖励；或者内容奖励 ------ 内容质量高、有深度也给奖励。不同奖励的判断方式不一样，格式奖励能靠规则判断，内容奖励得用更优质的大模型打分，但奖励机制一旦不稳定，模型训练的效果也会受影响。
还有个难点是，现在的训练都是单个 agent 针对单一任务练，比如先训练生成大纲的 agent，再训练写内容的 agent，要么同时练两个，要么一个模型练两遍。但在同一个模型里先练完大纲 agent，再练内容 agent，很容易导致模型退化；可做 PPT 本身是个完整流程，必须先写大纲再写内容。这里面至少涉及到四类奖励：大纲格式、大纲内容、PPT 格式、PPT 内容，奖励维度越多，模型训练的稳定性就越差。
不过现在也有不少新框架出来了，比如国外微软的 agent-lightning、国内阿里的 agent scope，主流方向都是研发多任务训练的框架，专门针对 agent 训练设计的，比我之前手动拼接的框架好用多了。到现在我已经开发了两版 PPT 系统、两版训练框架，第三版训练框架也在升级迭代中。我觉得到今年年底，这类训练框架应该能成熟起来，到时候多 agent 的智能水平也能再上一个台阶。
这是一个"众筹项目"
在这个项目从上线到后续升级维护的过程中，我认识了特别多朋友，他们不光给我的项目提了许多实用的意见和建议，还有不少人直接贡献代码，跟着我一起改进这个系统。比如 PPT 里怎么插图片、发图片，还有一键启动这些功能，都是热心网友和我一起做出来的。
还有很多网友给我提了不少新的功能改进想法。比如有人说，能不能支持根据上传的文件生成 PPT------ 有的用户不想联网搜最新资料，就想拿自己的一篇文章来做 PPT，那只要把文章传上来，系统就能照着文章生成对应的 PPT。另外还有两个还没实现的功能：一个是自动化相关的，还有一个是用 AI 生成模板。比如有些公司有自己专属的 PPT 模板，用户把模板传上来，AI 能先把模板转换成在线 PPT 格式，之后再照着这个模板的风格生成 PPT。这些都是网友给我的特别宝贵的建议，我也希望在不远的将来能把这些功能都实现。
开发第一套系统的时候，上线才一周就涨了八百多个关注，那会儿我突然就觉得，自己做的项目真的被很多人用上了，说实话还挺震撼的。我也发现，能解决大家日常高频遇到的问题、或者是常用的工具类产品，更容易受到关注 ------ 这也成了我之后做开发的一个方向。
现在的技术更新特别快，差不多每三个月就至少有一次比较大的迭代。我觉得下一步的迭代重点还是会放在 agentic training 这块。因为每个人关注的点、使用的场景都不一样，用这种 agent 的方式去训练，能适配更多不同的情况，按这个思路做训练，整体的逻辑也会更顺畅。
AI正在模糊内容的产权边界
AI生成内容的版权争议，确实特别难解决。你说现在的 AI 有版权吗？就拿谷歌、OPEN AI 来说，他们训练模型的时候，会从全网搜集各种数据，这些数据的来源是否有版权，AI是无法精确判断的，这些模型训练完生成内容提供给全世界，但它的数据源 90% 以上都存在版权问题。
再说咱们国内的模型，为啥一个新模型出来后，其他模型很快也变聪明了？因为这里面有个 "蒸馏" 的过程。比如现在最新的模型是 Gemini3，它一出来，很快就会有模型达到接近它的水平，但基本不会超越它。因为咱们现在开发模型，大多是做模型蒸馏 ------ 把 Gemini3 当成 "老师"，让它教 "学生" 模型，获取对应的数据集、答案和解题思路，再用这些去训练自己的模型。靠这种方式训练，想超越 "老师" 很难，真要做到的话，得在强化学习这块下更大的功夫。要是没有 "老师" 指导，给模型设定奖励的时候，谁来判断奖励是否合理？模型蒸馏就好比有能力比你强的人给你指明方向。现在的开源数据，大多能给出明确答案，不管是数学验证还是代码验证，都能得出清晰的奖励标准。但像 PPT 这种东西，什么样的质量才算 "好"，有时候根本说不清楚，这时候就得靠更智能的模型来判断；咱们获取数据集也是一样，得向更聪明的模型去要数据。
所以我觉得版权问题肯定是存在的，但 AI 正把这个问题变得越来越模糊。有人问过我：用 AI 生成图片、代码，或者写教案、写歌、写网络小说，这些东西的版权就归AI所有了吗？要是真这样，那世界上估计没几家独立的公司了，所有公司都成了 AI 的 "小弟"，其他人都没版权了 ------ 这显然不可能。所以我觉得，AI 其实是让版权的边界变模糊了，也让全人类的知识在慢慢走向共享。
外企和国内私企的工作异同
外企和私企的职场氛围差异挺明显的。我之前在国内私企和外企都待过，外企那种"规规矩矩讲平等"的感觉特别突出。当时我们团队有日本同事、爱尔兰同事、美国同事，我们的年龄差别很大，当时我是算最年轻的，其次是日本同事，大概30多岁，而美国同事大概50岁，爱尔兰同事大概是50多岁，胡子都白了。我那时候刚毕业没几年，是队里最年轻的，但从没因为资历浅被冷落过------不管是开需求会还是查运维故障，大家都围着屏幕平等讨论，领导也不会摆架子，这种氛围对程序员来说真的很舒服。
有一次我们去号称印度硅谷的班加罗尔出差了一星期，我们从出发前就开始"做功课"，网上总说"印度水质可能不行"，结果到了之后，我们几个人紧张了好几天，倒也没人闹肚子，算是虚惊一场。饮食上的冲击更直接。我们在当地吃咖喱，端上来的时候香气特别浓，但看到旁边印度人直接用手抓着吃，还是受到了一点文化冲击。
比饮食更特别的是当地的风土人情。工作间隙我们去参观了几处佛像古迹，进佛殿必须光脚，那时候是夏天，光脚出入的时候还有点烫脚。还有路上的牛，真的是"横行无忌"，后来才知道在印度牛是神圣的象征，连堵车的时候，司机都会停下来等牛慢悠悠走过。
让我印象更深的是印度的交通。我们住的地方离办公点也就五到十公里，搁国内开十分钟就到了，在班加罗尔却要堵一个小时。我们挤在一辆小巴士里，红绿灯仿佛只是个摆设。这几天的出差让我感受到了不一样的风土人情和工作氛围，印象还是很深的。
我此前任职的外企主营企业邮箱系统，核心服务对象是中国移动、中国电信等通信运营商。当时企业邮箱市场规模持续萎缩，行业内企业频繁合并，业务范围不断收缩 ------ 在缺乏创新突破的情况下，企业发展明显走下坡路。出于职业发展的考量，我最终选择了离职。
之后我跳槽至京东，当时电商大促活动热度很高。每逢双十一、618 这类大促节点，系统升级工作需提前一周暂停，所有精力都投入到保障系统稳定上。大促期间，用户习惯在凌晨 12 点集中抢购，服务器承载着巨大压力；双十一当天公司也会通过数据大屏实时展示每分钟的销售额，整个大促过程极具挑战。大促当天我们基本需要连续工作 24 小时，公司会安排丰盛的餐食，到后半夜三四点后，无需全员值守，大多数人可以前往公司安排的酒店休息。高强度的工作持续到后半夜，脑子都转不动了，现在回想起那段经历就像 "渡劫" 一样。
现在就好多了，平台把深夜整点促销的玩法取消了，用户的购物欲也没那么强了，不用像以前那么卷了。
未来的职业规划
我平时工作里会攒下不少 idea，很多还没来得及落地。我还是想往 AI 创新这块儿深耕，也确实有一些自己的想法。之前在 AIGC 相关的大会上认识过一个人，他们当时在做的事特别有意思 ------ 用 AI 帮人类创新、拓宽思维。AI 不只能做那些有规律的事，还能尝试无规律的创新，他们当时是靠知识图谱来做创新挖掘，现在我们也在做类似的事，不过是聚焦在医学方向的创新。怎么挖掘创新点、落地创新想法，我觉得这块儿大有可为。
核心问题其实是：AI 该怎么帮人创新，还能验证这个创新确实符合大的创新方向？这事没那么容易，既要大量思考，还得做很多数据统计。创新得既结合实际，又能天马行空 ------ 首先得读透海量文献，才能判断某个主题或方向是不是未来的发展趋势，进而找到可能的创新点；提出创新想法后，还得想办法验证它的可行性：要去全网搜集相关知识，通过大数据统计确认这个方向没人做过，而且从实际层面来说确实能落地，这才能算找到一个好的创新点。
创新对人类来说本就很难，对 AI 而言也一样，但这块儿的价值特别大。你看美国那边做药物、蛋白质、基因相关的研究，还有神经网络模型里注意力结构更高效这类课题，都在靠 AI 做创新突破。我们日常工作里其实也有很多创新机会，比如把不同领域的点结合起来 ------ 就拿做 PPT 来说，哪个切入点能让人眼前一亮？哪两个看似不相关的领域交叉融合能出惊喜？这些都得结合创新理论、具体数据，再加上天马行空的思路，才能打磨出好的创新点。
正因为这块儿的价值和潜力都很大，我未来也打算往 AI 助力创新这个方向深入研究。
给AI新手的建议
我觉得现在要敢于迈出这一步。敢想敢做，读万卷书不如行万里路，你要真正去做起来。现在 AI 门槛越来越低了，以前做NLP的时候，你要学很多数学公式，你要看它到底是怎么去算的，计算原理是什么，现在基本上统一了，以前是各种各样的模型，每个领域还不通用，现在用一个生成模型就全部解决了，训练算法也比较统一，因为好的算法可能就那几种，对年轻人来说，不用学那么多老旧的东西了，只需要你去尝试最新的算法和技术，很快就能掌握皮毛。
现在借助 AI 去实现编程的话也很快，因为我们现在写代码，80%也是靠 AI 去写。所以对于现在想入门的年轻人来说，你只要大胆去做就行，有什么不懂的去问 AI 。以前需要自己探索，或者是上网查很多资料，现在AI可以解决 90 %以上的问题，现在对想入行的年轻人来说，学习 AI 的难度大大地降低了，这也算是我们的一个时代红利吧。
=故事征集=
《开发者说》是程序员客栈推出的一个访谈栏目，邀请了一些国内外有趣的程序员来分享他们的经验、观点与成长故事，我们尝试建立一个程序员交流与学习的平台。欢迎大家推荐朋友或自己来参加我们的节目，分享与对话是一件利他又利己的事。