格局打开：如何利用 AI Agent 重塑食品系统 —— Cody Menefee, Firecrawl
AAI Engineer
Computing/SoftwareSmall Business/StartupsEnvironment
Transcript
00:00:00好的，大家好。我叫 Cody。我把这张照片放出来，是因为这件夹克目前
00:00:20其实并没有像我预想的那样受欢迎。没人在意这个梗。所以我是想明确地
00:00:26展示给大家看。我可不是纯粹喜欢穿满是品牌 Logo 的校队棒球
00:00:30夹克。我们是故意想配合一下这个梗。总之，我叫
00:00:35Cody。我是 Firecrawl 增长团队的成员，今天我来到这里是想告诉大家
00:00:40你们的格局还没有打开。不过在正式开始之前，我必须
00:00:45先处理一个有点尴尬的问题：Theo 抄袭了我的演讲主题。Theo 大概一个月前发布了
00:00:50一个题为《你需要打开格局》的视频，但我想澄清的是，
00:00:54早在 Theo 发布视频的一个月前，我就提交了这个演讲的题目。我
00:00:58没有抄袭他的演讲。是他偷了我的创意。所以今天，我们要聊的其实是
00:01:04农业，没错，我指的就是真正的农业。更具体地说，是畜牧
00:01:10养殖，而最具体的是指草饲
00:01:14畜牧系统的轮牧自动化。我感觉你们大多数人今天都没料到会来了解奶牛、
00:01:20牧草和农业，但既然我站在这里了，你们就得听听。先简单介绍一下
00:01:25我的背景，以及你们为什么要听我讲。简单来说，
00:01:30其实我没有任何资历能胜任这场演讲，尽管如此，我还是会
00:01:34尽我所能讲好。我在肯塔基州长大。我有蓝领
00:01:38工作的背景。我当过酒吧调酒师、机修工、服务员，干过一大堆乱七八糟活。但其实从没当过农民。
00:01:46后来，我也算摸索着进入了工程、软件开发等领域。
00:01:51我其实不太喜欢被称为软件工程师。我很排斥
00:01:56这个头衔。感觉像是冒充的，因为我就是你们大多数人
00:01:59你们大多数人所害怕的那种“凭感觉写代码”的人。我整天都在使用 AI 智能体，没记住任何语法。我
00:02:05精通不了任何特定的编程语言，但周末我也能胡乱拼凑出一些东西。
00:02:10但现在我其实在 Firecrawl 工作，我们在那里为 AI 智能体构建上下文。我们有
00:02:16一系列网络数据 API，能让你的智能体接入互联网。刚才说了我是增长团队的，
00:02:21不过今天我们要深入聊聊更多关于农业的东西。但首先，要证明我的“资历”，
00:02:26这是一张我用特斯拉车顶运送火鸡的真实照片，现在我的特斯拉玻璃天窗上
00:02:33还留着当时弄出来的裂缝。这是在我的居住地纳什维尔，在一个普通的
00:02:38居民区里，那里原本是不允许养火鸡的。但我还是在后院养了10只火鸡，
00:02:43因为我想亲自体验一下养殖自己要吃的牲畜是什么感觉。
00:02:49老实说，这是一个心理上非常艰难的过程。但当时我就把它们装到了
00:02:56装到我的特斯拉车顶上，然后带着它们开三个小时车去加工厂，中途还得去
00:03:01超级充电站停靠，很多人都在拍照。我可以明确告诉你的是，如果你
00:03:07的车顶上顶着这么一大个装满火鸡的挡风笼，续航里程会大幅下降。
00:03:13我可以告诉你，那次开车真的让人非常焦虑。我也差点放弃工程去当个农民。我
00:03:21真的很想养鸡。这是我想出的一个真实的产品图片。我想把
00:03:26火鸡用白色包装纸包裹起来，然后直接在上面印上“e-e”两个字。我觉得这很有挑衅意味。
00:03:31我觉得这样能吸引你们买鸡。但我意识到搞农业其实很难挣到
00:03:36钱。惊喜吧，意不意外。我有妻子，还有两个孩子。我觉得让他们
00:03:46放弃原本的生活，好让我去扮演农夫养鸡，这不太合适。所以
00:03:51我决定转向，看看是否有办法可以规模化农业本身，以及在牲畜
00:03:57农业方面我感兴趣的那些系统。所以在这次演讲中我想完成
00:04:02三件事：一是说服大家去追求更大的构想。我认为很多这种
00:04:07演讲、很多这种会议，我们很多个人都花了大量时间讨论
00:04:12为软件开发者开发软件的开发者开发软件，如此循环往复。而我
00:04:17今天来到这里，只是想挑战一下大家：除了为另一家公司的另一个 SaaS 方案再做一个 MCP
00:04:22之外，还有其他问题值得去解决。此外，我也只是在试图利用
00:04:27这群离不开的听众。如果你在任何时间、任何地点把我堵在角落，我很可能会
00:04:32跟你聊农业。所以我就在这儿了。希望我也能说服你们来 Firecrawl 工作。
00:04:39首先第一点，我认为牲畜属于草场。我认为动物应该生活在草地上。
00:04:45我觉得这对动物、消费者、农夫和生态系统都更好。如果有必要，关于其中任何一点
00:04:48我都能给你做一场完整的 TED 演讲。如果你需要我解释为什么动物
00:04:53在草地上生活更好，可以待会儿找我。但我没有足够的时间展开讲所有这些。请相信我的话。
00:04:57我们就从这里开始。前提假设是动物应该在草地上。这是我想达成的目标。
00:05:05我其实并不反对圈养农业。我认为我们需要这样做是有原因的。但目前仍有 97% 的肉牛是在
00:05:11肥育场育肥的。只有 3% 是在草场上放养的。我个人的观点是，应该有更多动物能在
00:05:17草地上生活。我想弄清楚我们该如何让更多动物回归草地。问题在于，为什么它们不在
00:05:22草地上？答案是，劳动力是瓶颈。在草地上养动物真的很极其繁琐。
00:05:28要真正做好草场放牧，实际上意味着要不断地移动动物。这需要大量的工作。如果你
00:05:35想到草饲牛肉，你可能会想：我有 100 头牛，100 英亩地。我把 100 头牛放在 100 英亩地上。它们吃草。
00:05:41年底我就能收获牛肉。事情可没那么简单。如果你只是让牛
00:05:48随心所欲地吃草，草场的质量很快就会下降，因为它们会挑最喜欢的草吃，
00:05:51无视不该吃的草，还会不停地践踏某些区域，诸如此类。所以解决办法就是
00:05:58划区轮牧（rotational grazing）。意思是把你的草场分割成一个个单独的小牧区（paddock），让动物
00:06:04有足够吃一天的食物，然后每天都移动它们。这样能让某些区域休养生息，
00:06:10让其他区域被放牧，久而久之就会提高草场的生产力。但这需要
00:06:17极其庞大的工作量。这意味着你必须每天移动围栏、动物、水槽，并做好记录，
00:06:25以便按照动物所需的频率适时地移动它们。目前有一些
00:06:33方案正在尝试解决这个问题。你最近可能在新闻里看到过一家叫 Halter 的公司。
00:06:38彼得·蒂尔（Peter Thiel）以 20 亿美元的估值投资了它。No Fence 是另一家公司。这些
00:06:44公司做的是为动物提供连接 GPS 卫星的项圈，允许你绘制
00:06:50虚拟边界，从而可以远程移动动物。我认为这是在
00:06:56扩大劳动力供给方向迈出的伟大一步，但这也存在一个问题，那就是你必须知道把动物移到哪里。
00:07:05牲畜。说实话，这其实并不是一门精准的科学，你不能只是每天
00:07:10机械地把它们沿着草场直线赶往同一块地。原因在于，草的生长
00:07:17长得并不是每天都一样。会有干旱状况、降雨量、某个特定的
00:07:23牧区区块受到了多大程度的影响等因素，而目前这种模式的卖点，实际上是靠农夫亲身去到
00:07:28草地上，亲眼观察牧草，凭直觉做出关于下一次最佳移动地点的决策。
00:07:33所以问题在于，我们如何替代农夫在草地上的眼睛，以便他们能够远程做出
00:07:41理智的决策，决定将虚拟围栏移动到哪里？这其中其实还涉及
00:07:48更多细节，那就是你不能仅凭眼看，还必须知道草有多高。草是有生长
00:07:54周期。如果啃得太短，恢复起来就要很久；如果放任长得太长，
00:07:59草就会老变苦，动物就不喜欢吃了。草类有一个“幼嫩黄金期”，
00:08:04是你想让草保持的状态。你想在它长得太高之前吃掉它，但同时又不想
00:08:08吃得太短。你需要让动物保持移动，然后源源不断地回到同一个草场，
00:08:13这样你的草就能保持在最理想的生长领地，并持续发挥出最高的生产力。
00:08:21因此，有几种方法可以做到这一点。这些是我的一些解决方案。这是
00:08:26我一直在研究和思考的事情，探讨我们该如何做到这一点。我考虑的几个选项有
00:08:31无人机正射影像地图。如果我们能找到自动化无人机飞行的方法，就可以让它们在
00:08:36草场四周飞行，拍摄大量照片，获取一些非常保真、高分辨率的
00:08:41牧草图像供农夫分析。这样做的问题在于，需要对农夫进行大量的技能升级培训，
00:08:48教他们如何飞无人机。此外，要保持无人机在视线范围内还存在很多监管问题，
00:08:52理想情况下这应该是完全自主的，但目前世界上还没有任何一个司法管辖区
00:08:56批准将自主无人机用于此类应用。所以这是一个很大的瓶颈。
00:09:01我认为它在图像质量上有相当高的保真度，但在真正突破所有这些障碍方面，
00:09:05将是一个很难解决的问题。卫星是我目前最喜欢的选择。
00:09:11有一家叫 Planet 的酷公司，每天都在用 1x1 米分辨率拍摄整个地球
00:09:17分辨率可达1米×1米，但这些卫星毕竟身处极高的天空之中
00:09:25很难辨别出做出明智决策所需的一些具体细节。
00:09:31中间这张照片其实是我在密苏里的一位朋友拍的，他在密苏里林肯大学担任研究
00:09:35助理，在林肯大学工作。这个想法只是在树旁放一个追踪相机
00:09:42以及相机可以拍摄的某种测量仪器，以此来算出草的高度
00:09:48与该特定物体相比较是多少，这样我们就有了一个参照点，可以用来
00:09:54来观察草地长势如何。如果我们能解决这个问题，加上
00:09:59项圈的难题，我认为就能在这一环中引入大语言模型（LLM），
00:10:07进而着手推进自主放牧业务，这意味着大语言模型本质上
00:10:14要在每一天做出关于动物该去哪里的最佳决策，但这属于多变量
00:10:19分析过程。这需要输入多种数据给 LLM，包括动物当前的 GPS 位置、
00:10:25它们昨天在哪、明天可能去哪、当地的干旱状况如何，
00:10:30以及整个农场的牧草高度，实际上，它做出的决定不仅要
00:10:36考虑日复一日的安排，还要兼顾不同层面的关系。比如，某头
00:10:43牛最适合去哪？牛群相对于草场本身的最优位置在哪？
00:10:49相对于整个农场，乃至更广泛的生态系统而言又该如何安排？
00:10:55所有这些因素都是相互反馈的。如果你能优化整个全局图景，
00:11:00农场的生产力就会更高，可以用更少的土地养活更多的动物，
00:11:05这也是我们最终能够规模化、与传统集中饲养模式竞争的方式——在更少的草地上养更多的牛。
00:11:12我们该如何解决这个问题？有几个关键部分。我认为要构建这个系统，
00:11:17我们需要具备这些条件才能真正建立起这个系统。第一点是构建知识库，
00:11:21这也主要是我在 Firecrawl 以及我的开源项目
00:11:26OpenPasture 中主要在做的事。这里的核心想法是，关于何时移动、为何移动、如何移动
00:11:32以及轮牧的好处等大量知识，主要都锁在 YouTube 视频里。有很多
00:11:38非常酷的农夫，我可以给你推荐一堆频道，保证让你沉迷其中，
00:11:42全是密苏里、田纳西、肯塔基州朴实的农夫，他们每天都在尝试移动牲畜，
00:11:48分享自己的经验，告诉你哪些物种最适宜，草场生物多样性中
00:11:54应该引入哪些豆科植物。这里面有很多学问，
00:11:59而我们需要建立这个知识库。Firecrawl 就是我用来
00:12:03收集这些数据的工具包。我用它抓取这些 YouTube 视频、抓取研究论文
00:12:08进行归档，从而构建起这个知识库；而 OpenPasture 则是我存放这些
00:12:13信息的实际仓库，方便任何可能有需要的农夫使用。
00:12:18下一个需要解决的是实际的可视化层。关于牧草，有很多要素
00:12:24是农夫以前光凭观察草场直觉获得的。关于草场，
00:12:28无论是弄清牲畜目前在哪、该去哪，还是你想让他们去哪，两大核心在于：
00:12:34它们该去哪以及你想让它们去哪，那就是生物量是多少，究竟有多少枝叶
00:12:40可供它们食用，以及长远来看，该牧场的生物多样性如何。如果它们
00:12:46过度放牧某些区域，就会导致不同类型的冷季型、暖季型
00:12:52豆科植物等的比例失衡。理想情况下，你希望草场长期保持十分全面且多样化的状态，
00:12:58确保牛群获得所需的营养，这样就不必额外补充干草、铜、
00:13:03铝等微量元素。理想情况下，它们直接从草本身就能获取所有宏量和微量营养素，
00:13:10从而变成一个完全无需人工干预的理想系统。第三个阻碍是那些地理围栏公司，
00:13:19比如 NoFence、Halter。虽然我很赞赏他们正在推动的这项技术，但我与他们
00:13:24有很大的分歧：要想使用他们的软件，就必须购买他们的项圈，而且
00:13:29你不能把自己的软件接入他们的项圈。从商业角度看，我理解这是为什么；但从
00:13:34行业角度来看，我觉得这真的很令人头疼。我想在软件层面上创新，
00:13:39我想把我的 LLM 预测出的 GPS 位置推送给这些项圈。我不想
00:13:45依赖他们的软件来做这件事，因为我觉得它不够好，或者说我觉得我能做得更好，
00:13:49坦白和大家讲。所以，今天演说的很大一部分目的，其实是向
00:13:55在座的各位发出倡议。我需要有人帮我做一个项圈。它必须是开放的，API 必须
00:14:02开源。理想情况下它是个现成方案，有我们可以拼装的零配件。
00:14:08农夫们都很能折腾，喜欢自己动手修东西。这和约翰迪尔（John Deere）
00:14:13以及那种“维修权”非常类似。所以，我对关注这个问题的任何人的请求是：
00:14:19帮我设计一款专利开放、API 开源的项圈，这样我们就能在软件层面上竞争并
00:14:23优化解决方案。接下来我想掉大家胃口的是，这其实不仅局限于
00:14:31反刍动物。反刍动物是一种动物类型，牛、羊、山羊都是反刍
00:14:36动物。它们咀嚼草，在被称为瘤胃的器官中消化草，因此被称为反刍动物。
00:14:43但实际上我们还能获得额外的优势，那就是在这些草场轮牧中进行多物种叠加。
00:14:48这是一家名为 Pasture Bird 的公司。他们是我开始狂热沉迷于
00:14:53他们做的是把普通鸡舍装上大轮子，实现移动自动化，
00:14:59使其每 24 小时在草场上缓慢推进自身宽度的距离。你能对鸡做如此
00:15:05精准的科学养殖，是因为它们大部分的营养其实并非来自
00:15:08草类。你必须给它们补充谷物饲料，因为鸡是杂食动物，而不纯粹是
00:15:13草食动物。所以你可以把鸡舍一点点挪过草地，给它们一片肥沃的生长土地。
00:15:22它们粪便中的氮元素，实际上可以作为牧草本身的肥料。
00:15:30当把反刍动物和鸡混养时，还有一个额外的好处。如果先让反刍动物
00:15:34吃过，它们相当于啃掉了草的顶部，接着鸡跟在后面，把它们粪便里的
00:15:39寄生虫啄食掉。这就降低了整个农场的寄生虫负荷，进而减少了
00:15:45为了保持动物健康而必须支付的药物费用。长此以往，你就能拥有更
00:15:50优质的种子库或繁殖种群，培育出更强壮的动物，它们需要更少的人工
00:15:56干预，只需顺其自然地吃草、最终长成肉即可。所以，关于这次演说，
00:16:04我非常希望大家能记住三件事：第一，我认为我们需要寻找现实世界中那些需要多元
00:16:09分析、而非非黑即白的重大物理难题去解决。
00:16:17外面有大量的难题其实并没有确定性的答案。我听到过很多
00:16:22工程师讨论如何将 LLM 转化为确定性流程。而我的主张则是，
00:16:27实际上有很多问题是你无法用确定性算法解决的。这就是其中之一。
00:16:33这是个多元分析。并没有绝对“最佳”的下一个要转入的放牧分区，只有你对
00:16:38牲畜去向的最佳推测。我认为如果我们能利用这类系统——这些
00:16:44多数据输入系统，并在核心位置引入 LLM 来对数据进行推理，且至少
00:16:49给出能让农夫确认或拒绝的建议，我们就能真正开始规模化这类系统，
00:16:55而这些系统以前严重受限于农夫扩展自身劳动力和决策精力的能力；
00:17:02这能真正为他们提供扩大运营所需的工具，希望未来所有的动物都能
00:17:08在草地上抚育，只要我们解决这些问题。最后一点是，也许你可以来帮我解决
00:17:13其中的一些问题。首要问题其实只是为智能体提供所需的上下文，
00:17:19收集数据、打包数据，然后以 LLM 可以推理的方式呈现出来。
00:17:24这就是我们在 Firecrawl 所做的事情。所以，你的格局还要再放大些。Firecrawl 是我们
00:17:29为 AI 构建上下文层的地方，我希望你能加入我们共同构建。我们正在招聘。
00:17:34这里是我们目前所有的招聘岗位。请访问我们的网站。看看有没有适合你的岗位，
00:17:39联系我吧。我们非常希望能有更多人来探索如何从网络获取数据
00:17:44来解决更多复杂的难题，并将这些数据作为上下文呈现给 AI 智能体。
00:17:50或许我们能让世界变得更美好。我叫 Cody。Open Pastures 是我的开源
00:17:57项目。Firecrawl 是我平时工作的地方。这些是我的社交账号。我会在附近
00:18:02多逗留一会儿。我很乐意交流关于动物、牛、鸟等任何大家感兴趣的话题。非常感谢大家光临。
Community Posts
No posts yet. Be the first to write about this video!
Write about this video