作者：賴文昕

編輯：陳彩嫻

在剛剛結(jié)束的英偉達(dá) GTC 大會(huì)上，CEO 黃仁勛描繪了一幅在 AI 大模型影響下軟件開(kāi)發(fā)的新藍(lán)圖：未來(lái)做軟件不太可能重頭開(kāi)始寫(xiě)一大堆代碼。

“很可能你會(huì)組建一支 AI 團(tuán)隊(duì)?！秉S仁勛稱(chēng)。

自大模型成為潮流起，“AI 團(tuán)隊(duì)”的藍(lán)圖便早已初見(jiàn)端倪， AI Agent 賽道也成為了科技巨頭與創(chuàng)業(yè)公司多方角逐的兵家必爭(zhēng)之地。

3月13日，由華人創(chuàng)始團(tuán)隊(duì) Cognition AI 發(fā)布的全球首個(gè) AI 程序員 Devin，徹底點(diǎn)燃了業(yè)界對(duì) AI Agent 與應(yīng)用的熱情，更掀起了一波由 AI 引發(fā)的失業(yè)焦慮與對(duì)于“AI 是否會(huì)取代人類(lèi)”的終極討論。

在這場(chǎng)“風(fēng)暴”之中，Babel 團(tuán)隊(duì)站在了極靠近中心的位置——產(chǎn)品 Babel 同樣定位為 AI 程序員，是 Devin 的直接競(jìng)品，團(tuán)隊(duì)也是目前國(guó)內(nèi)唯一一個(gè)聚焦 Coding Agent 的初創(chuàng)企業(yè)。目前，Babel 瞄準(zhǔn)的是海外市場(chǎng)。

Babel 能夠根據(jù)需求自主規(guī)劃任務(wù)、編寫(xiě)和調(diào)試代碼、研究新問(wèn)題、進(jìn)行自動(dòng)化測(cè)試、迭代開(kāi)發(fā)并在必要時(shí)尋求人類(lèi)幫助。

例如，當(dāng)被要求集成新發(fā)布的 Claude 3 這一超出了大模型固有知識(shí)范圍的任務(wù)時(shí)，Babel 會(huì)自主搜索SDK，找到文檔，編寫(xiě)代碼，然后進(jìn)行測(cè)試和驗(yàn)證。最后，它會(huì)交付一個(gè)經(jīng)過(guò)測(cè)試且可用的 Claude 3 集成模塊。

Babel 旨在開(kāi)發(fā)者的工作負(fù)擔(dān)，讓開(kāi)發(fā)者有更多時(shí)間處理創(chuàng)造性工作和解決復(fù)雜問(wèn)題。

“我堅(jiān)持認(rèn)為 AI 會(huì)替代初級(jí)程序員。”Babel 的創(chuàng)始人兼 CEO 張海龍說(shuō)。

3月初，張海龍從深圳坐早班機(jī)去北京見(jiàn)投資人。前一天晚上，同事說(shuō) Babel 更新了，張海龍便在五點(diǎn)半起床后輸入了 Babel 后臺(tái)管理系統(tǒng)的需求，飛機(jī)一落地，項(xiàng)目就已完成了。

那是他們第一次完整跑通如此復(fù)雜的需求。如果同一個(gè)項(xiàng)目找外包團(tuán)隊(duì)來(lái)完成，想要拿到一個(gè)可運(yùn)行的、通過(guò)測(cè)試的交付成果，大致需要一周的時(shí)間。

在決心做 Babel 前，張海龍的經(jīng)歷一直圍繞著軟件工程，并未真正進(jìn)入過(guò) AI 領(lǐng)域。

本科就讀于復(fù)旦大學(xué)軟件工程系，研究生就讀于卡耐基梅隆大學(xué)（簡(jiǎn)稱(chēng)“CMU”）的計(jì)算機(jī)學(xué)院，張海龍畢業(yè)后便在甲骨文任職高級(jí)軟件工程師。

2010年張海龍回國(guó)創(chuàng)業(yè)，聯(lián)合創(chuàng)辦了開(kāi)源中國(guó)社區(qū)。2014年，他又創(chuàng)辦了國(guó)內(nèi)領(lǐng)先的開(kāi)發(fā)者工具 SaaS CODING，隨后在2019年被騰訊收購(gòu)。

ChatGPT 的橫空出世與底層模型的突破讓張海龍突然意識(shí)到，未來(lái)十年所有的創(chuàng)業(yè)機(jī)會(huì)都和 AI 相關(guān)。帶領(lǐng)著 CODING 時(shí)期的精銳，張海龍的第四次創(chuàng)業(yè)殺入了 Coding Agent 賽道。

以下是雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng)) AI 科技評(píng)論與張海龍的對(duì)話。

Devin發(fā)布后，投資人有信心了

AI 科技評(píng)論：你有預(yù)料到會(huì)有 Devin 這樣的競(jìng)品出現(xiàn)嗎？

張海龍：我其實(shí)沒(méi)有那么驚訝，因?yàn)檫@事我們能想到，別人也能想到。創(chuàng)業(yè)從來(lái)不是因?yàn)橛刑貏e牛的想法，關(guān)鍵是如何實(shí)現(xiàn)。

Devin 出來(lái)之前我們就確定要干 Coding Agent，但并沒(méi)有引起大的反響，很多人質(zhì)疑是不是有點(diǎn)過(guò)于超前和理想主義。我們要花很大的精力去說(shuō)服投資人這個(gè)方向是對(duì)的，側(cè)面意味著中國(guó)投資人其實(shí)信心不足，對(duì)于看起來(lái)特別超前的東西，第一個(gè)問(wèn)題就是海外有沒(méi)有對(duì)標(biāo)。

Devin 出來(lái)后大家發(fā)現(xiàn)很快可以看到產(chǎn)品，對(duì)于行業(yè)和賽道來(lái)講都是利好的。

AI 科技評(píng)論：那你怎么看 Devin？

張海龍：其實(shí)大家對(duì)同一個(gè)問(wèn)題解決的深度不同。

類(lèi)比自動(dòng)駕駛，L1是 Google 這類(lèi)純搜索，需要自己去組織信息；L2 是 ChatGPT 和 Copilot 這類(lèi) Prompt，可以直接問(wèn)內(nèi)置很多能力的 AI，AI 以用戶想要的方式提供信息；

L3 是 Synthetic Search 綜合搜索，相當(dāng)于把前兩者融合了，Perplexity 和 Devv.ai 就屬于這一類(lèi)，只不過(guò) Devv.ai 聚焦 Coding，是一個(gè)垂直的 Perplexity；L4 則是 Issue Level Coding，目前看來(lái) Devin 屬于 L4，L5 是 Project Level Coding。

從語(yǔ)言選擇上來(lái)講，就可以看到 Devin 和我們團(tuán)隊(duì)的背景差異。Devin 選擇 Python，我們選擇 NodeJS，Python 是科學(xué)計(jì)算，但其實(shí)對(duì)軟件工程不友好，我們選擇 NodeJS 是因?yàn)闃I(yè)界做工程、做網(wǎng)站它就是最牛、用戶量最廣、生態(tài)最好的。

雖然大家的切入點(diǎn)不同，但都是先把一個(gè)語(yǔ)言做好。現(xiàn)在還是用 demo、演示視頻比劃，真刀真槍的競(jìng)爭(zhēng)還要看誰(shuí)能更快地開(kāi)放使用，拿到真實(shí)的用戶反饋。

AI 科技評(píng)論：那 Babel 屬于 L4 還是 L5 呢？

張海龍：Babel 是從 L5 開(kāi)始探索的，現(xiàn)在在一些更窄的領(lǐng)域里面，比如只做后端、一些常規(guī)項(xiàng)目開(kāi)發(fā)，已經(jīng)初步驗(yàn)證可行。但要使其受眾面更廣，要先解決 L4 的問(wèn)題，所以我們計(jì)劃優(yōu)先發(fā)布一個(gè) L4 的產(chǎn)品，叫 Gru.ai。

Gru.ai 是從 Babel 里面拆出來(lái)的一個(gè) Agent，我們是在做 Babel 這個(gè) L5 項(xiàng)目的過(guò)程中發(fā)現(xiàn) Agent Team 里面需要一個(gè) Agent 能夠解決具體的技術(shù)問(wèn)題。

這個(gè)問(wèn)題是抽象的、不含有業(yè)務(wù)上下文、純粹的技術(shù)問(wèn)題，比如問(wèn) Claude 3 的 API 怎么調(diào)，它就會(huì)給一段經(jīng)過(guò)測(cè)試的代碼。我們會(huì)先把 Gru.ai 單獨(dú)拉出來(lái)去服務(wù)客戶。

AI 科技評(píng)論：所以你們最近要開(kāi)始推出產(chǎn)品了。

張海龍：我們會(huì)先開(kāi)放小規(guī)模使用，現(xiàn)在要解決最后一些產(chǎn)品化問(wèn)題，之前都在開(kāi)發(fā)功能，沒(méi)有在搞穩(wěn)定性。

用戶對(duì)于 AI Developer 和 Agent 的容忍度還是挺高的，只要不是完全不能用或者特別傻，都還是知道潛力在哪的，所以我們沒(méi)有打算做到 100% 完美再推出，因?yàn)檫@不可能、也沒(méi)意義，還是會(huì)盡早放出來(lái)，讓大家先起碼在一小部分問(wèn)題上面看到它能解決問(wèn)題。

AI 科技評(píng)論：為什么選擇從 Agent 切入？目前最成功的應(yīng)該是 Copilot 模式？

張海龍：在編程這個(gè)領(lǐng)域，最大的成本是人，所有的商業(yè)都圍繞人展開(kāi)，從傳統(tǒng)的培訓(xùn)、獵頭、外包，到通過(guò)提供生產(chǎn)工具提高人的生產(chǎn)效率的 VSCode, Copilot 等等工具。

開(kāi)發(fā)者的日常除了造火箭，還有擰螺絲，Copilot 的邏輯就是把開(kāi)發(fā)者的螺絲刀換成電鉆，讓開(kāi)發(fā)者擰的又快又好，但 Babel 的邏輯是給開(kāi)發(fā)者配個(gè)小弟，開(kāi)發(fā)者只要造火箭就行了，擰螺絲的事兒都是小弟干。

所以 Copilot 是一個(gè)更好的工具，但 Babel Agent 就是那個(gè)生產(chǎn)力，這是兩件完全不一樣的事情。

Copilot 是一個(gè)已經(jīng)驗(yàn)證成功的商業(yè)模式，但它離模型太近，離模型太近的商業(yè)模式對(duì)創(chuàng)業(yè)公司來(lái)說(shuō)，離天堂也太近。我認(rèn)為真正留給創(chuàng)業(yè)公司的機(jī)會(huì)就是 Agent。Agent 是模型能力 + 行業(yè) Know How + 復(fù)雜工程，創(chuàng)業(yè)公司還是有機(jī)會(huì)做出領(lǐng)先優(yōu)勢(shì)的。

當(dāng)然這些心得我們也是探索出來(lái)的， Stephen Wolfram 的《What Is ChatGPT Doing...and Why Dose IT Work? 》給了我很多啟發(fā)。

AI 科技評(píng)論：中國(guó) 2B 的 SaaS 創(chuàng)業(yè)企業(yè)似乎沒(méi)有成功過(guò)，所以 Babel 是要走出海戰(zhàn)略嗎？

張海龍：作為一家替代程序員的公司，自然是哪里有程序員，哪里程序員貴我們?nèi)ツ睦?，?dāng)前最大和最貴的初級(jí)程序員市場(chǎng)在美國(guó)，這當(dāng)然是我們的首選目標(biāo)。

至于國(guó)內(nèi)市場(chǎng)，你提到國(guó)內(nèi) 2B 創(chuàng)業(yè)的問(wèn)題，確實(shí)存在，這是由于中國(guó)的整個(gè) 2B 市場(chǎng)仍然是大 B 驅(qū)動(dòng)的，所以最終往往走向銷(xiāo)售型/定制化的不歸路，不少人說(shuō)過(guò)再也不想趟大 B 這個(gè)坑，我們?cè)隍v訊也干了 3 年服務(wù)大 B，也干的很痛苦。

但是從另外一方面說(shuō)，中國(guó)軟件的定制化程度是最高的，這是 Babel 擅長(zhǎng)的事情，但目前國(guó)內(nèi)的大模型能力無(wú)法支撐，需要至少達(dá)到 GPT-4 的水平，我們才有希望服務(wù)國(guó)內(nèi)用戶。

AI Developer 是工程，不是算法

AI 科技評(píng)論：Babel 是基于 GPT-4 Turbo 搭建的，為什么會(huì)選擇它？當(dāng)紅炸子雞 Claude3 表現(xiàn)會(huì)更好嗎？

張海龍：我們團(tuán)隊(duì)做了個(gè)開(kāi)源項(xiàng)目 LLM-RGB，用來(lái)測(cè)評(píng)當(dāng)前市面上的大模型是否達(dá)到了 Babel 需要的最低標(biāo)準(zhǔn)。LLM-RGB 并不是一個(gè)全方位的測(cè)評(píng)，只關(guān)注開(kāi)發(fā)領(lǐng)域。

從我們測(cè)評(píng)的結(jié)果來(lái)看，可以說(shuō)在 Turbo 出現(xiàn)之前，L4 都不成立。Turbo 在上下文長(zhǎng)度有巨大的擴(kuò)展，號(hào)稱(chēng) 128K，實(shí)測(cè)可能在 50K 左右。Devin 目前信息不明朗，但目測(cè)也是 GPT-4，magic.dev 則是明確自己做模型。

Claude3 出來(lái)以后，我們測(cè)試過(guò)，不需要修改任何代碼/Prompts，Babel Agents 可以完美地基于 Claude3 Opus 運(yùn)行，并且效果比 GPT-4 更好，但是 Claude3 Opus 太貴、太慢，暫時(shí)無(wú)法實(shí)際采用。

對(duì)于 Babel 來(lái)說(shuō)，底層的模型誰(shuí)好用誰(shuí)，切換成本并不高。把自己做到模型無(wú)關(guān)，才能搭上最快的火車(chē)。

AI 科技評(píng)論：那 AI Developer 不需要自己的大模型嗎？

張海龍：這涉及了公司的路徑選擇，我認(rèn)為在 AI Developer 賽道自己做模型是錯(cuò)誤的，意味著市面上所有的模型公司都是競(jìng)品，而我們更愿意站在巨人的肩上做事情。

有人會(huì)青睞小模型或垂直模型，但我持相反意見(jiàn)，因?yàn)橹挥写竽Ｐ湍軒?lái)智力，而智力是不分寫(xiě)代碼寫(xiě)得好還是打官司打得好，是底層的東西。

AI 科技評(píng)論：你之前的經(jīng)歷并沒(méi)有和 AI 強(qiáng)相關(guān)，做 AI Developer 有遇到什么技術(shù)難題嗎？

張海龍：其實(shí)技術(shù)上的困難沒(méi)有那么多，做 AI Developer 不是個(gè)科學(xué)或算法問(wèn)題，是個(gè)工程問(wèn)題，科學(xué)部分 GPT 已經(jīng)幫忙做完了，工程問(wèn)題是我們團(tuán)隊(duì)擅長(zhǎng)的。

一個(gè)模型就像一個(gè)剛畢業(yè)的大學(xué)生，聰明，有知識(shí)，但沒(méi)法去企業(yè)里直接創(chuàng)造價(jià)值，我們要思考的是如何把一個(gè)聰明的模型變成一個(gè)聰明的工程師。

這個(gè)過(guò)程中最難的不是碰到了技術(shù)問(wèn)題，而是不知道要解什么技術(shù)問(wèn)題，因?yàn)檫@件事情沒(méi)有人做過(guò)。摸著石頭過(guò)河，畢竟也沒(méi)有可以參考的對(duì)象、工程方法論。

而且可用的基礎(chǔ)設(shè)施也有限，比如當(dāng)前市面上的 Multi Agent 框架一旦深入細(xì)節(jié)就會(huì)發(fā)現(xiàn)問(wèn)題，還是得自己做。

AI 科技評(píng)論：你提到工程是 Babel 團(tuán)隊(duì)擅長(zhǎng)的，你覺(jué)得這是你們的最大優(yōu)勢(shì)嗎？

張海龍：工程能力可以幫助我們積累一些早期優(yōu)勢(shì)，但 AI 公司最大的優(yōu)勢(shì)來(lái)源于“數(shù)字化的經(jīng)驗(yàn)積累”。互聯(lián)網(wǎng)上所有公開(kāi)信息都是結(jié)果，比如stark overflow 上的回答，Github 上的代碼，都是結(jié)果。很少有人把思考的過(guò)程和真正的經(jīng)驗(yàn)數(shù)字化，這也是員工的價(jià)值所在。

為什么老員工寶貴？就是因?yàn)楹芏嘀R(shí)經(jīng)驗(yàn)，他的命題邏輯、解題思路和解題過(guò)程在大腦里不可傳遞。很多厲害的程序員在工作的時(shí)候都恨不得自己有分身術(shù)，給他多少人手都不解決問(wèn)題，就是源于這種經(jīng)驗(yàn)的不可傳遞性。

但 Agent 的經(jīng)驗(yàn)可以順便傳，可以復(fù)制 100 個(gè) Agent，同時(shí)服務(wù) 100 個(gè)客戶，并行做 100 個(gè)項(xiàng)目。整合經(jīng)驗(yàn)接著做第 101 個(gè)的時(shí)候，就是質(zhì)的飛躍了。

Developer 賽道本質(zhì)是個(gè)工程問(wèn)題，不是算法問(wèn)題，畢竟不是搞大模型。所以 Devin 的團(tuán)隊(duì)雖然光環(huán)很大，但在這個(gè)賽道的實(shí)際表現(xiàn)有待觀察。人才的核心是團(tuán)隊(duì)的 chemistry，現(xiàn)在 AI 賽道上特別喜歡頂著各種頭銜干活。雖說(shuō)絕對(duì)的智商和學(xué)術(shù)上的權(quán)威很重要，但是也沒(méi)有那么重要，不然 GPT 就是 Google 做出來(lái)的了。我們和 CodeGen，Pythagora 的團(tuán)隊(duì)基本都是干了很多年工程的人，從團(tuán)隊(duì)優(yōu)勢(shì)上，我更相信我們這個(gè)成分的團(tuán)隊(duì)更有優(yōu)勢(shì)。

同時(shí)，過(guò)去創(chuàng)業(yè)踩坑過(guò)程積累的經(jīng)驗(yàn)也讓我經(jīng)常會(huì)反思，現(xiàn)在可以更好站在一個(gè)第三者視角審視我們項(xiàng)目的 vision、團(tuán)隊(duì)和狀態(tài)，在一個(gè)新型的領(lǐng)域創(chuàng)業(yè)，面對(duì)技術(shù)和商業(yè)的雙重不確定性，這種觀察者的視角也會(huì)讓我們少走些彎路。

AI 科技評(píng)論：那目前在 AI Developer 賽道創(chuàng)業(yè)面臨著什么挑戰(zhàn)呢？

張海龍：第一，行業(yè)競(jìng)爭(zhēng)非常激烈，因?yàn)樗腥硕家?L5 走，少說(shuō)有 20 個(gè)競(jìng)爭(zhēng)對(duì)手是拿過(guò)風(fēng)險(xiǎn)投資的，所以融資能力也很重要。

但客觀來(lái)說(shuō)，中國(guó)現(xiàn)在的融資環(huán)境確實(shí)差得很遠(yuǎn)，對(duì)于中國(guó)團(tuán)隊(duì)的競(jìng)爭(zhēng)是極其不利的。但有利的地方在于中國(guó)團(tuán)隊(duì)的工程經(jīng)驗(yàn)高于外國(guó)團(tuán)隊(duì)，我們各種非標(biāo)項(xiàng)目、定制化開(kāi)發(fā)、私有化、端到端全都干過(guò)。

第二是大模型太貴，所以依賴底層模型的進(jìn)化，GPT-4 至少得再降價(jià) 10 倍，大規(guī)模開(kāi)放才具有真正的可能性。不解決成本問(wèn)題的話整個(gè)賽道都會(huì)完蛋。

Coding Agent 創(chuàng)業(yè)對(duì)所有人都挺難的，但會(huì)有一種扮演上帝的感覺(jué)，很有成就感。我們最初做一頁(yè)紙需求還做得磕磕巴巴，但現(xiàn)在已經(jīng)能處理大概四五頁(yè)紙的需求了，產(chǎn)品的每一次演進(jìn)都能帶來(lái)正反饋，這種感覺(jué)真的太爽了。

數(shù)字員工崛起，人類(lèi)失業(yè)？

AI 科技評(píng)論：你提到近幾個(gè)月 Babel 的很多想象逐漸變成了現(xiàn)實(shí)，那對(duì)于未來(lái)的 Babel，你的想象或者規(guī)劃是什么？

張海龍：Babel 到最后比較好的狀態(tài)是成為一個(gè)賣(mài) Agent 人頭的外包公司。

比如我們以一個(gè)月 1, 000 美金賣(mài)出 Agent 后，客戶負(fù)責(zé)它耗費(fèi)的電力、算力各種成本，相當(dāng)于從外包招了個(gè)人進(jìn)來(lái)，讓小弟幫干活。Babel 會(huì)持續(xù)升級(jí)這個(gè)小弟，讓小弟更聰明、干活干得更好、配套上各種工具環(huán)境，就是相當(dāng)于數(shù)字員工。

AI 科技評(píng)論：那你也認(rèn)為在未來(lái) AI 程序員會(huì)取代人類(lèi)程序員吧？

張海龍：其實(shí)我現(xiàn)在已經(jīng)看到了 AI Developer取代人類(lèi)這件事了。

我們團(tuán)隊(duì)只有 10 個(gè)人，沒(méi)人開(kāi)發(fā)管理后臺(tái)這種非核心業(yè)務(wù)，所以我變成了要去負(fù)責(zé)后臺(tái)系統(tǒng)的人。當(dāng)時(shí)我面對(duì)三種選擇，第一是自己寫(xiě)代碼、從頭到尾開(kāi)發(fā)系統(tǒng)，但這太累了；第二是找外包；第三也就是我選擇的，用我們自己的 Agent 寫(xiě)。

之前沒(méi)有 Agent 的時(shí)候，我們會(huì)找外包去處理這個(gè)問(wèn)題，所以我相信對(duì)于初級(jí)程序員的替代最遲一年就會(huì)發(fā)生，我們的產(chǎn)品近期會(huì)發(fā)布，隨著后續(xù)迭代它會(huì)更成熟，在一年以后，相信可以就替代擰螺絲的初級(jí)程序員，但高級(jí)程序員是不會(huì)被替代的。

高級(jí)程序員往往擁有專(zhuān)業(yè)領(lǐng)域的非共識(shí)知識(shí)，這些知識(shí)無(wú)法通過(guò)公開(kāi)領(lǐng)域的信息獲取。

AI 科技評(píng)論：但是高級(jí)程序員也是從初級(jí)程序員成長(zhǎng)而來(lái)的。

張海龍：以后程序員的培養(yǎng)路徑也會(huì)跟現(xiàn)在不一樣，就像高科技種地一樣，不需要真的從種地開(kāi)始學(xué)，以后所有低端培訓(xùn)都可能會(huì)利空了。

AI 科技評(píng)論：除了 Coding 之外，你覺(jué)得還有哪些 Agent 會(huì)成為趨勢(shì)？

張海龍：其實(shí)從最新的融資情況來(lái)看，現(xiàn)在在法律、財(cái)務(wù)、市場(chǎng)等方向上都有團(tuán)隊(duì)在做 Agent 了，程序員應(yīng)該是數(shù)字員工這個(gè)大賽道中難度最高的一個(gè)。

我個(gè)人期待看到的是音樂(lè)和影視領(lǐng)域的 Agent。音樂(lè) Agent 能全自動(dòng)寫(xiě)完整的歌曲，包括作詞、作曲，把詞和曲對(duì)上并且演繹出來(lái)。影視  agent 能全自動(dòng)生成一個(gè) 10 分鐘的帶完整情節(jié)的短劇，不是一個(gè)個(gè)片段，而包含了鏡頭切換、故事內(nèi)容和情節(jié)。

現(xiàn)在看大模型，行內(nèi)人士遙遙領(lǐng)先、各種牽頭，但對(duì)于周邊老百姓的生活影響很小，只有當(dāng)數(shù)字員工普及，人人都是 CEO，那才是真的社會(huì)性的變革。

雷峰網(wǎng)本文作者 anna042023 將持續(xù)關(guān)注AI大模型領(lǐng)域的人事、企業(yè)、商業(yè)應(yīng)用以及行業(yè)發(fā)展趨勢(shì)，歡迎添加交流，互通有無(wú)。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。