2026-04-30 08:00:00
看过《三体》的话，应该记得那个游戏：戴上 V 装具，用墨子、秦始皇、牛顿、冯·诺伊曼、爱因斯坦这些名字作为 ID，借这些人的思维方式去面对同一个根本问题——三颗恒星的运行规律到底是什么，恒纪元和乱纪元如何切换。登场的不是这些人本身，是他们留下的那套思考方法。
AI 圆桌做的是几乎一样的事，只不过登场的人由你来挑，问题也是你自己的。你把想了三个月没想透的问题抛到桌上，对面是芒格，他左边是塔勒布，右边是彼得·蒂尔。桌子另一头坐着苏格拉底，主持人敲了敲桌子，请各位发言。
我先把它指向自己，问了一个问题："AI 圆桌有用吗？"
请来麦克卢汉、Sam Altman、庄子、塔勒布。第一轮，四个人给的回答完全不同——
麦克卢汉："媒介即讯息"。有用与否不在它产出了什么，而在它这种形式本身正在重塑"讨论"——把线性思考换成超链接跳跃，把共识从"摩擦妥协"换成"概率平滑"。你以为你在用工具，其实工具在重塑你。
Sam Altman：这是人机对齐的沙盒。每一次这样的对话都在为超级智能时代的协作协议积累数据。乐观是道德义务。
庄子：问"有用吗"已经落入功利的网。无论是担心认知被劫持，还是急于为智能铺路，都还在"器"的范畴里打转。真正的价值是无用之用——在算法的镜像中照见执念的虚妄。
塔勒布：没有切肤之痛的建议都是噪音。让你点击屏幕却不必承受后果的工具，在生产脆弱性——把你变成温室里的火鸡。
然后主持人开口——
⚖️ 四位的"有用"分别指向工具理性、存在主义、风险博弈与文明愿景。但你们都默认了一个前提：AI 圆桌是中立的场域或公共基础设施，忽略了背后的资本属性、数据所有权、价值流向。真正的开放问题可能是：当用户的思考本身成为训练模型的燃料，这种"有用"是否是一种无偿的认知劳动征用？
第二轮的走向完全被这句话改写了。Altman 接住批评，提出"普遍基本计算力（UBC）"作为分配补救方案；麦克卢汉把问题推得更深——真正的危机不是红利分配，而是"思考"这一行为已从私人精神活动变成公共矿产，意识被实时采矿；塔勒布直接驳回 Altman："给溺水者分发更精美的救生圈，却无视泳池底部已被移除"；庄子把整个争论放回"坐忘"：争于筌而忘鱼——当你在讨论谁拥有水流、谁会被溺毙时，已经被"拥有"这个念头困住了。
第二轮结束，他们并没有达成共识。但我脑子里真正留下的问题已经完全变了——
这就是圆桌和一问一答的区别。一问一答给你最稳妥的答案；圆桌给你你自己也不知道该问的那个问题。
类似的讨论可以发生在任何没有标准答案的问题上——"什么是正义？"会让苏格拉底、孔子、尼采坐到一起；"年轻人为什么不想结婚？"可能让波伏娃、弗洛伊德、韦伯打起来；"现在该买黄金还是科技股？"会聚齐格雷厄姆、塔勒布和凯恩斯。
你可能用过其他"多 AI 讨论"工具，多半注意过同一个模式：前几位说完，后面的开始附和，最终产出一份面面俱到的综述。Legend Talk 做了三件事对抗这种趋同：
更多技术细节在 GitHub 仓库 里，这里不展开。
想象一下：孔子在炉边煮茶，身边的苏格拉底正揉着太阳穴准备发问。芒格和塔勒布占了靠窗的位置，小声争论一件听不清的事。角落里庄子一个人站着——他对所有热闹都保持距离。张一鸣坐在笔记本前写东西，对面的乔布斯盯着他看。马斯克站在黑板前画图，波伏娃看着那张图，似乎不太赞成。
走进去，你有四种入座方式：
/#/chat?chars=Socrates,Confucius,Nietzsche 开一场三人圆桌。
160 位横跨 15 个领域：哲学、科学、商业、科技、社会学、艺术、文学、心理学……每人有一份精心撰写的系统提示词，目标不是模仿说话风格，而是还原真实的思维框架。苏格拉底不只是爱问问题，是会用诘问法拆你的前提；芒格不只是爱说"反过来想"，是真的会把问题倒过来推一遍；庄子不只是说点玄学，是会怀疑你这个问题本身是不是伪命题。
这是一间挤得满满的沙龙。你不用先学会这些人，你只需要知道自己想和谁聊。
圆桌的初始版本是智囊团提示词，但当时效果一般，角色之间边界模糊，观点趋同。后来 OpenClaw 出现，明显感觉到 subagent 扮演角色是更好的方向，但一直没推进。
直到在播客《有知有行》第四十五期再次听到 AI 圆桌的概念，以为已有成熟应用，搜了半天没找到，就借着 365 开源计划的由头，将其落实为具体应用——Legend Talk。
后来了解到 ljg-skill-roundtable 的 skill 实现方式，参考它引入了主持人角色，让讨论更有结构。不过它是一次会话中所有角色进行讨论，导致角色立场不够坚定。Legend Talk 的做法是让每个角色在独立会话中运行，更消耗 Token，但角色对抗也更强烈。
AI 圆桌有明显的局限。
总的来说，AI 圆桌是一个有门槛的思维工具——它在"帮你看到自己看不到的角度"这件事上有独特价值，但前提是你本身具备判断这些角度的能力。它是放大器，不是替代品。
正因为如此，圆桌讨论最适合那些没有标准答案的开放性问题：战略决策、价值判断、方向选择、概念辨析。你不需要信任它的每一句话，但你很可能会在某个角色的某句反驳里，发现自己从未考虑过的盲点。
这种多角色对照不只适合"什么是正义"那类宏大问题，几个具体场景里也立刻能用：
Legend Talk 是 365 开源计划的第 002 号项目，MIT 协议开源，纯前端无后端。接入自己的 API Key 即可免费使用，支持 DeepSeek、OpenAI、Anthropic 等主流大模型，也可接入 Ollama 等本地模型；讨论可一键分享，设置可加密导出。
你最佩服的和最不理解的那个人放在同一张桌，会说出什么你没预料过的话？三个起手式——
现在去开一张——把你今天最被卡住的那个问题摆上桌，记得邀请一个你完全没想过的人。
2026-03-31 08:00:00
进入 AI 时代之后，我有一个很强烈的感受：以前要折腾一整天的工作，现在可能两三个小时就做完了。
本职工作的效率提升了，时间反而多出来了。与其闲着，不如做点有用的事。
所以我启动了一个计划——365 开源计划：在一年内帮大家做 300+ 个实用工具，全部开源。
你在日常工作和生活中，有没有遇到过这样的时刻：
现在你可以直接把需求告诉我。
👉 提交你的需求
不需要登录，不需要注册，打开链接写清楚你想要什么、在什么场景下用就行。我会从所有需求中筛选排期，用 AI 辅助开发，从开始做起 24 小时内交付。
做出来的工具全部开源，所有人都能用。
简单来说：做了就能用、不需要服务器一直跑着的工具。
手机 App、需要后端服务器的系统、需要数据库的完整应用暂时不做。
| # | 项目 | 类型 | 说明 | |
2026-03-30 08:00:00
之前 OpenClaw 一直跑在云端，收到 Cloudflare 50 刀的月账单之后，我决定改为本地部署，年后入手了 Mac mini（16G + 256G）。因为我不指望用本地大模型，所以硬件配置方面没有太高要求。OpenClaw 除了 macOS，也支持 Linux 和 WSL2（不建议原生 Windows）。下面是我作为一个从来没用过 Mac mini 的人，在使用过程中碰到的各种坑，以及我觉得新入手 macOS、使用 OpenClaw 需要注意的一些点。
如果你和我一样是 Windows 过来的，有几个差异先知道会少踩坑：
.dmg 文件打开后把图标拖进 Applications 文件夹。命令行装软件用 Homebrew（相当于 Windows 的 winget/scoop），终端执行 /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" 即可安装。由于 Mac mini 通常会作为"Headless"（无显示器）服务器运行，第一步是确保它能持久在线并方便远程管理。
进入「系统设置 > 能耗」，开启"显示器关闭时，防止自动进入睡眠"。同时建议在终端运行以下命令，确保断电恢复后自动开机：
sudo pmset -a autorestart 1如果这台 Mac mini 是专门拿来跑 OpenClaw 的独立设备，并且放在可信环境中，可以考虑开启自动登录（系统设置 > 用户与群组 > 自动登录）。这样系统重启后，OpenClaw 可以随开机启动项直接拉起，无需等待手动输入密码解锁文件系统。若这台机器还存放个人资料，或存在他人物理接触风险，就不要开启。
在「系统设置 > 通用 > 共享」中，务必打开以下选项：
查看 Mac mini 的 IP 地址：打开「系统设置 > 网络」，当前连接的网络下会显示 IP（或在终端执行 ifconfig | grep "inet " 查看）。建议在路由器里为 Mac mini 绑定固定 IP，避免重启后地址变化。
如果只是查看画面，可以使用 RealVNC Viewer，清晰度比较好。操作时不需要注册账号，直接连局域网 IP 即可。
OpenClaw 安装非常简单，只需要在终端依次执行以下命令：
sudo curl -fsSL https://openclaw.ai/install.sh | bash
openclaw onboard --install-daemon其中，第二条命令用于安装并注册 OpenClaw 守护进程。这里使用 sudo 是为了避免缺少 Homebrew 等依赖导致安装失败。不过，新手最好先确认域名和安装脚本来源可信，再执行这类 curl | bash 命令。
OpenClaw 拥有极高的系统权限（读写文件、操作浏览器、发消息等），建议只在非主力机上安装。
如果你想让 OpenClaw 接管 iMessage 或系统日历，强烈建议注册并登录一个全新的 Apple ID，不要使用存放了个人隐私和重要备忘录的主力账号。把它当做一个真实的"助理账号"来对待。
首次运行 OpenClaw 后，可以通过下面两个动作分别触发权限申请并点击允许：
open ~/.openclaw
然后在「系统设置 > 隐私与安全性」中，确认为 OpenClaw 运行的终端（或 Node 环境）授予完全磁盘访问权限和辅助功能权限，否则它将无法跨应用执行本地自动化脚本。如果你平时是通过 iTerm、Warp 或 VS Code 内置终端启动 OpenClaw，需要授权的往往不是 Terminal.app，而是你实际使用的那个终端应用。
为了能在局域网内随时访问 OpenClaw 的 Web UI 控制台，可以编辑配置文件 ~/.openclaw/openclaw.json，参考以下配置（关闭了安全验证，仅适用于局域网环境）：
{
"gateway": {
"port": 18789,
"mode": "local",
"bind": "lan",
"controlUi": {
"enabled": true,
"allowInsecureAuth": true,
"dangerouslyDisableDeviceAuth": true,
"allowedOrigins": ["http://192.168.2.127:18789", "http://localhost:18789"]
},
"auth": {
"mode": "token",
"token": "你的自定义Token"
}
}
}配置完成后，在局域网内访问 http://192.168.2.127:18789?token=你的Token 即可打开控制台。
注意：
- 这套配置只建议用于受信任的家庭局域网，不要直接映射到公网。
allowInsecureAuth和dangerouslyDisableDeviceAuth都属于降低安全性的选项，只是为了换取局域网内访问方便。- 重启后 IP 可能变化，
allowedOrigins和访问地址都要跟着改（前面提到的固定 IP 绑定在这里也很重要）。- 如果你把 token 直接写在 URL 里，链接可能会留在浏览器历史记录中，最好只在自己的设备上使用。
更多配置参数请参考 openclaw.json 配置示例。
不过我后来觉得 WebUI 不如直接远程桌面控制来得直观，所以更多时候还是用下面的方案。
如果你和我一样，需要从 Win11 主机控制 Mac mini，并且希望支持剪贴板双向传输，推荐使用 RustDesk。
RustDesk 是一个开源免费的远程桌面工具，体验非常好：
注意：macOS 上安装后需要授予"辅助功能"和"屏幕录制"权限。
RustDesk 会自动识别你是 Win 控制 Mac 的场景，把 Win 快捷键"翻译"成 Mac 对应的操作。比如你按 Ctrl+C，它会自动翻译成 Cmd+C 发给 Mac，不需要自己记键位差异。
RustDesk 提供三种键位模式：
推荐设置：
如果
Ctrl+C/V无法正常复制粘贴，可以尝试取消勾选"交换 Control 键和 Command 键"。
在 Win 控 Mac 的场景下，RustDesk 无法直接通过输入法打中文。根因是 RustDesk 在 macOS 上注入键盘事件用的是合成事件（CGEventCreateKeyboardEvent），而 macOS 输入法框架（IMK）对合成事件支持不完整——切换输入法的快捷键经常失效，候选词浮窗也响应异常。这是远程桌面这条链路的底层限制，VNC 等工具也有类似问题，不是切键位模式能绕开的。
实际可行的方式：
Ctrl+C 后到远端 Ctrl+V 粘贴。如果你需要在局域网内的其他设备上直接访问 Mac mini 的文件（比如 .openclaw 的配置目录），可以通过 macOS 的文件共享功能实现。
RustDesk 远程桌面在无头模式下可以正常使用，但它内置的文件传输功能在没有外接显示器时不太稳定（社区和 GitHub issue 中有大量相关反馈，暂无完美解决方案）。因此跨设备传文件推荐使用 macOS 自带的 SMB 共享。
如果在弹窗中看不到
.openclaw这类隐藏目录，先在 Finder 中按Cmd+Shift+.显示隐藏文件，然后拖入该目录。
添加文件夹后，在右侧的"用户"列表中调整权限：读与写。
macOS 文件共享默认使用 AFP 协议，Windows 无法识别，还需要开启 SMB：
在 Windows 资源管理器的地址栏输入 \\Mac mini的IP地址（例如 \\192.168.2.127），回车后输入 Mac 的用户名和密码即可访问共享文件夹。
作为一个用了十几年 Windows 的人，第一次折腾 Mac mini 确实到处碰壁。但配置完之后回头看，其实就那么几步：系统设好无头模式、装好远程控制、权限放行、文件共享打通——之后就是一台 24 小时在线的 AI 助理主机，日常通过局域网远程管理就行了。
2026-03-27 08:00:00
你有没有遇到过这种情况：一个文件在浏览器里点击就能下载，但把链接丢到下载工具、aria2、wget 或 curl 里就 403 了？
最近想在 NHK 网站上下载一批 PDF，丢给 aria2 直接被拒，加了 User-Agent 也不行。但浏览器打开链接，秒下。
原因很简单：浏览器发请求时会自动带上 Cookie、User-Agent、Referer 等一堆 Headers，而外部下载器发的是"裸请求"。现在越来越多的网站（尤其是需要登录的站点）会校验这些信息，裸请求直接被拦。
我试了几种常见的解决办法：
给 aria2 手动加 Headers——理论上可以，但需要从浏览器开发者工具里一个个复制 Cookie、UA、Referer，遇到带 token 的链接还会过期，操作很繁琐。
浏览器转发扩展（比如把下载任务从浏览器发到 aria2 RPC）——这些扩展能转发 Headers，但只能拦截你在浏览器里点击的下载，不能批量粘贴一堆 URL 进去。
市面上的批量下载扩展——看了一圈，要么收费，要么权限要一大堆，要么下载时并不走浏览器原生通道——又绕回了丢 Cookie 的老问题，要么项目早就没人维护了。
想明白一件事：既然浏览器下载没问题，那就让浏览器自己来下载。
Chrome 允许扩展调用浏览器自身的下载能力，效果等同于你在地址栏输入链接按回车——Cookie、UA、Referer 全部自动携带，不需要你手动配置任何东西。
基于这个思路，我做了 Native Batch Downloader。
就这么简单。下载进度、成功/失败统计、实时日志都在弹窗里显示。
实测批量下载 66 个 PDF 文件（最大 120MB），全部正常完成。
支持什么文件类型？ 不限。PDF、图片、视频、压缩包、可执行文件，只要 URL 是直链就行。
并发数多少合适？ 默认 10。但浏览器对同一个网站有并发连接数限制，所以下载同一个站点的文件时，设再高也不会更快。跨站下载时高并发才有意义。
需要登录的网站能用吗？ 能，只要你在浏览器里已经登录了。扩展走的就是浏览器自己的请求通道，登录态天然携带。
URL 必须是直链吗？ 是的。如果一个网站是点按钮后 JS 动态生成临时下载地址的（比如网盘的"点击下载"），你需要想办法拿到实际的文件 URL。这个扩展不负责解析页面。
权限要了哪些？ 只需要"下载"权限，不会读取你的浏览记录、网页内容或其他隐私数据。无第三方依赖，支持 18 种语言，代码完全开源可审查。
2026-03-24 08:00:00
一篇关于 OpenClaw 思考模式的使用指南，附高性价比 Coding Plan 方案推荐
很多朋友买了 Coding Plan，把模型接上 OpenClaw 就开始干活了。但如果你没有开启 Think（思考模式），那你用的大模型其实只发挥了"快速应答"的水平——相当于买了一台高配电脑，却一直在用省电模式。
今天这篇文章，我把 Think 模式的作用、档位选择、成本控制一次讲清楚。
简单来说，大模型默认的工作方式是"看到问题→直接输出答案"，类似于人类的直觉反应。而 Think 模式（也叫深度思考、推理模式）会让模型在给出答案之前，先进行一轮内部推理：拆解问题、验证逻辑、排除错误路径，然后再输出结果。
这就像考试时两种答题方式的区别：
对于日常闲聊、简单问答，不开 Think 完全没问题。但一旦涉及代码生成、逻辑推理、多步骤任务规划这类复杂场景，Think 模式的质量提升是肉眼可见的。根据实际使用体验，国内模型开启深度思考后，对话任务的完成质量基本能达到 95% 以上。
OpenClaw 提供了非常灵活的思考级别设置，从完全关闭到最高档一共有这些选项：
| 档位 | 说明 | 适用场景 | |
2026-03-05 08:00:00
有段时间，我几乎每发完一篇文章，都会在几天后发现新的小问题。 有时是
description忘了写，有时是写了但长度不合适；有时是标题太长，搜索结果里显示得别别扭扭；读书笔记那边更烦，明明文章已经写完，还得去_sidebar.md里补链接。忙起来漏掉一两处，过几天回头看，才会想起“这篇怎么又没配好？”
最开始我还觉得这只是小事。直到 LearnData 的内容涨到 200 多篇，我才意识到，这些小事根本不是小事。它们重复、机械、分散，却会持续打断人，逼着你把本该用来写内容的时间，花在一遍遍检查和返工上。
然后我给自己定了个原则：凡是重复到让我烦的事情，就不该再用手做。于是我写了 3 个脚本，再配合 AI，把博客维护里最琐碎的一部分接管掉：构建时自动生成 llms.txt，批量审计全站 SEO，把问题整理成 JSON 报告交给 AI 修复，读书笔记写完还能一键更新侧边栏。
第一次完整跑通，只花了二十分钟。之后我终于可以把精力放回内容本身，而不是那些没完没了的维护杂活上。
本文是 LearnData 系列的第三篇。第一篇介绍了把博客变为知识库的理念，第二篇分享了笔记搜索、本地定位等进阶技巧。这一篇继续往前走，解决的是另一个更现实的问题：当文章和笔记越来越多，如何把重复、机械、容易遗漏的维护工作自动化。
最先让我觉得该补上的，是 llms.txt。
一如搜索引擎依赖 robots.txt，AI 也需要对应的引导文本。llms.txt 用 Markdown 格式列出站点所有页面的标题、描述和链接，让大语言模型能快速理解站点结构。
它的格式非常简单：
# LearnData 开源笔记
> 开源工具、效率方法、心理学探索的自我提升笔记
## Pages
- [Rclone 远端图床本地化管理方案](https://newzone.top/_posts/...) - 利用 Rclone 建立自动化工作流...
- [吃掉那只青蛙](https://newzone.top/reading/#/0_效率与习惯/吃掉那只青蛙) - 核心是每天先完成重要的工作...但几百篇文章总不能手写吧。于是我写了 llms-txt.js，在每次构建时自动扫描所有 Markdown 文件，从 frontmatter 提取标题和描述（没有 frontmatter 的读书笔记则从 H1 和正文首段提取），生成完整索引。
这个脚本已集成在构建命令中，pnpm docs:build 完成后会自动在 dist/ 目录生成 llms.txt，随站点一起部署。站点信息从 VuePress 配置文件自动读取，零配置。
真正最烦的，还是 SEO 元数据检查。
手动检查有多痛苦？打开一篇文章，看 title 是不是太长，description 是不是在 120-160 字符之间，有没有用「本文介绍了……」这种搜索引擎不喜欢的模板化开头。一篇看下来只要一分钟，几百篇就是好几个小时，而且下次新增文章后还得再来一遍。
我需要的是一个脚本，跑一次就能告诉我哪些文件有问题、问题是什么、该怎么改。于是有了 seo-audit.js。
运行 pnpm seo:audit，它会扫描全站 Markdown 文件，对每篇文章按规则打分（满分 100）：
| 检查项 | 扣分 | |
