数字员工的"大脑"，哪里像人脑，哪里不像？
我们最早没打算跟神经科学扯上关系。做数字员工的认知系统，出发点是一个很朴素的工程问题：一通电话里，"该不该让大模型接话""这句话该垫场还是直接答""客户不耐烦了该不该还坚持业务目标"，这些决策堆在一起，塞进同一个 system prompt，很快就会打架。我们是在到处找"怎么给这些决策分层"的答案时，才发现人脑早就把这道题解过一遍了——而且解法跟我们后来摸索出来的架构，重合度高到有点意外。
这篇不是要证明"我们造了个人脑"，那种说法太浮夸也不严谨。我们想聊的是：神经科学里几个朴素的分层直觉，怎么变成了我们认知系统里实际能跑的工程决策，以及——同样重要的——这套类比在哪些地方我们主动选择了不硬凑。
先说结论：不是"模拟大脑"，是借了一根轴——从反射到深思
人脑处理外界信号，不是所有信号走同一条流水线。膝跳反射不需要经过大脑皮层，脊髓直接就把动作发出去了；眨眼、吞咽这类脑干反射也是同理，快到你意识不到自己"决定"过要眨眼；再往上，小脑和基底节管的是肌肉记忆——骑车、打字这种练熟了的动作，不需要每次都重新"思考"怎么做；再往上是边缘系统，管情绪和新旧信息的识别；最上层才是前额叶，管目标、规划、语言表达这些"慢而贵"的深思熟虑。
这条"反射 → 肌肉记忆 → 情绪识别 → 深思"的轴，几乎可以直接拿来给我们的模块分层。我们把这张对照表贴出来，不是说这是什么严谨的科学映射，而是它作为设计直觉，好用到我们现在做架构决策时还在用：
- 脊髓反射（膝跳反射）→ Safety Plugin（安全过滤）：直接阻断，不进大模型
- 脑干反射（眨眼、吞咽）→ DirectCommand（语速/音量指令）：直接阻断，不进大模型
- 小脑 + 基底节（肌肉记忆）→ FlashFiller（垫场词）：出声，顺带给大模型一点上下文
- 边缘系统·杏仁核（情绪识别）→ Sentiment（情感分析）：不直接上报，横向喂给语气模块
- 海马体（新旧信息识别）→ RepetitionDetection（重复检测）：不直接上报，横向喂给节奏模块
- 前额叶·工作记忆（7±2 容量的短期缓冲）→ CognitiveState + 工作记忆：压缩后才上交，不是原始数据直喂
- 前额叶腹内侧（目标驱动、长期规划）→ Director（对话导演）：真正需要深思时才介入
看这张表最有意思的地方不是"AI 也有反射"这种噱头，而是它暴露了一个我们一开始没意识到的问题：如果什么信号都往"前额叶"（也就是大模型）那一层扔，你其实是在让一个负责深思的系统，去处理本来两毫秒就该处理完的反射级信号。客户说了句"啊？"，这本该是脊髓级别的反应——"没听清，再说一遍"——结果被当成一次需要理解、推理、组织语言的正式对话轮次扔给大模型，多绕了一大圈，延迟和成本都在陪跑。
人脑不是一个"决策中枢"，是很多个专才拼起来的
我们踩过的一个坑，可能很多做 AI 应用的团队都踩过：把系统能力做加法的时候，本能地会往"一个更聪明的大脑"这个方向使劲——加更长的 prompt，加更多规则，指望这一个模型把所有情况都想明白。这个直觉其实和人脑的实际工作方式是反的。
人脑没有一个统一的"决策芯片"负责接收全部感官信号再统一输出指令。听觉、视觉、情绪判断、运动控制，各自有专门的脑区在处理，大部分信息处理根本不会被"你"意识到——你不会意识到自己在处理平衡感，直到摔了一跤才反应过来。这是一种"专才制"，不是"通才制"。
我们后来把认知系统拆成三层职责分明的角色，其实就是在照抄这个思路：一层专门盯业务目标该往哪推进，一层专门盯这一刻的语气和节奏该收还是该放，还有一层专门盯这个数字员工"是谁"、跟这个客户之前聊过什么。这三层各自维护自己的状态，各自做决策，谁都不替对方说话，它们的产出都只是"给这一轮回复提一条建议"。真正要把这些建议融合成一句自然的话，是再往下一层的事——这部分我们在另一篇文章里细讲过提示词装配器怎么做冲突剪枝，这里不重复。
值得强调的是这套"专才制"带来的一个直接好处：某个专才模块出错，影响是局部的，不会污染整个决策链路。人脑里视觉皮层受损不会让你丧失说话能力；我们系统里情感分析模块判断错了客户的情绪，也不会直接搞崩业务目标推进的逻辑——因为它们本来就没有共享同一套决策路径。这种"故障隔离"在设计一个大而全的单体 prompt 时，是完全拿不到的。
"优秀决策的标志，是做出更少决策"——人脑的节能哲学
人脑只占体重的 2% 左右，却要消耗身体大约 20% 的能量，代价不低。但真正到达"你能意识到"这一层的计算量，占比小到惊人——绝大多数处理都在意识不到的地方悄悄完成。人脑这么"贵"，却还是把绝大部分算力藏在水面下，只在真正需要的时候才浮出意识层——这不是偷懒，是一种经过演化筛选出来的节能策略：不是所有信号都值得被"想一想"。
我们最早的版本没有这个概念，吃过一次实实在在的教训。客户耐心持续偏低这件事，只要状态一直存在，我们就会每一轮都把"耐心值低，注意简短"这类提示重新塞进给大模型的上下文里。信息本身没错，但同一句话反复出现，会稀释真正有价值的新信息，也在悄悄推高每一轮的处理成本——本质上是在用"我很谨慎"的姿态，制造噪声。
后来我们改成了一条规则：只有"新出现"的状态变化才值得说一遍，持续存在但没有变化的状态，不需要每轮都念叨——除非它是必须每轮都看到的关键目标类指令。这个改动听起来很小，但背后是同一个哲学：好的系统不是把所有维度都变成背景噪音喂给决策层，而是学会"该说的时候才说"。这跟人脑处理感官输入时的"预测编码"策略是同一个思路——大脑不会对一成不变的背景信息保持持续的高强度关注，只有"意外"才会被推上来。你能感觉到衣服贴在皮肤上吗？大部分时候不能，因为这个信号没有变化，不值得占用你的注意力；但只要有一只蚊子落上去，你几乎立刻就能感觉到。
信号该"横着走"还是"竖着走"：一次我们改错的设计
这是这次重新梳理架构时，我们纠正的一个比较关键的判断。人脑内部的连接方式，绝大部分是横向的——皮层和皮层之间、皮层和基底节之间直接沟通，不需要每次都绕经某个中枢再往下分发指令。真正需要"上报给最高层，等它拿主意"的场景，其实是少数。
我们早期的插件系统不是这么设计的。情感分析、重复检测、副语言特征（语速、音量）、问题类型分类，这几个偏"感知"性质的模块，产出的信号一律直接注入给大模型的上下文，相当于让每一个感知模块都各写一份报告，直接递给公司里最贵、决策链路最长的那个人。客户语气有点不耐烦，这条信息不需要惊动"业务决策层"，它真正该做的，是让语气模块自动收敛一点用词、让垫场词的选择更贴合当下情绪——这些都是可以在不惊动大模型的情况下，横向消化掉的调整。
我们现在的做法是把这类边缘感知信号先横向喂给下游的执行模块——语气映射、节奏引擎、垫场词选择——只有在信号真正触发了需要业务判断的场景时，才会有一条经过提炼的结论被上交。原始的"情绪强度是 0.73"这种数字，本身对大模型没什么用；真正有用的是被翻译过一次之后的判断，比如"客户情绪有点上头，这轮别急着推进业务"。前者是把仪表盘甩给决策者自己看，后者是先经过一层判断，只把结论交上去。这两种方式我们目前都还在跑，也在持续对比效果，但方向上，"横向优先、上交是例外"这条原则，我们认为是对的。
LLM 不是"嘴巴"，是一个"外设没配齐的小型大脑"
我们一开始有一个简化到有点粗糙的心智模型："认知系统是大脑，大模型是嘴巴"——认知系统负责想清楚，大模型只负责把想好的东西说出来。这个说法在解释系统架构的时候很好用，但仔细推敲会发现它低估了大模型本身的能力，也高估了我们需要替它做的事。
真实情况更接近：大模型本身已经是一个具备相当多"人脑功能"的东西，只是外设没配齐。它的语义理解、知识检索能力已经很强；推理和情绪识别也具备一定水平，只是强弱不一；语言表达这块它做得比大多数专门的自然语言生成系统都好。它真正缺的，是这些：
- 跨对话长期记忆：不具备，每次调用都是从零开始
- 实时音频感知：不具备，只能读文本，听不到语气本身
- 跨轮状态一致性：弱，容易在长对话里"漂移"
- 100 毫秒级反射响应：不具备，光是一次调用延迟就有几百毫秒起
- 确定性的安全过滤：弱，可以被绕过，不能当唯一防线
- 实时时间感知：不具备，不知道现在几点、这通电话打了多久
把这几条列出来之后，我们对"一个模块该不该存在"的判断标准也变得清楚了：不是"这个模块能不能让回复更好"，而是"这个模块能不能做到大模型自己做不到的事"。凡是大模型自己就能做好的部分（比如把几条建议融合成一句通顺的话），我们就不该再用一堆规则去抢它的活；凡是大模型天生缺的部分（跨对话记忆、毫秒级反射、确定性过滤），才是认知系统真正该花力气的地方。这条标准帮我们砍掉了不少"看起来有道理但其实在跟大模型抢工作"的设计。
这个类比会在哪里失效——我们不打算硬凑的部分
前面聊了很多"像"的地方，也得说清楚"不像"、以及我们不打算硬凑的地方，不然这篇文章就成了一篇过度包装的营销稿。
人脑的学习是靠几个具体机制在跑的：多巴胺驱动的奖励循环、场景与反应之间的联结性学习、动作练熟之后固化成的程序性记忆、看别人做而学会的观察学习。这几件事我们的系统目前几乎都没做——数字员工现在不会因为某次通话效果好就自动调整自己下一次的行为，它的"记忆"目前主要是跨通话的客户画像和预先设定好的经验片段，不是那种持续自我更新的学习闭环。我们讨论过要不要往这个方向补，但现阶段判断是：投入产出比不划算，先把"让已有能力发挥出来"这件事做扎实，价值比强行搭一个学习闭环大得多。
还有一个我们主动克制的地方：这套神经科学类比，我们只拿它当设计直觉的起点，不拿它当研发路线图的权威依据。"这个模块像不像杏仁核"从来不是我们决定要不要保留一个模块的标准，真正的标准是黄金对话集上跑出来的分数、A/B 测试的结果、线上通话的实际表现。类比很好用，因为它能帮我们在纸面上快速排出"这个信号该走多快的通道"这类直觉判断；但类比终究是类比，一旦我们发现某个"像大脑"的设计在实测里没有带来实际收益，我们会毫不犹豫地把它砍掉，不会因为"这样更像人脑"就留着。
我们在做的事
回到最开始的问题：我们不是在造一个人脑，我们是在解一个很具体的工程问题——一通电话里，太多信号同时需要被处理，怎么让系统在正确的层级上做正确重量的决策，而不是把所有事情都甩给同一层去想。神经科学给了我们一根很好用的轴——从反射到深思——让我们知道哪些信号该被挡在最外层、哪些该横向消化、哪些真的值得惊动最贵的那一层判断力。
这条轴目前还在帮我们做很多具体的取舍：一个新加的插件，产出的信号是该直接怼给大模型，还是该先横向喂给别的模块？一个持续存在但没有变化的状态，这一轮到底该不该再提一遍？这些问题没有一次性写对的标准答案，更像是要靠大量真实通话不断校准的工程活。我们想做到的效果很朴素：客户在电话那头，感受到的应该是一个反应有轻重缓急、说话不割裂、真正在"听"而不是在"处理输入"的对话对象。