2026-08-14 17:07:57
■ INSIGHT 观点
via Google
Google 在 2026 年 8 月 12 日把 Gemini 的新连接器继续往外推，覆盖了 Granola、Otter.ai、Wix、OpenTable、Ticketmaster、Pandora 这类具体服务。这个动作的重点不是「又多了几个插件」，而是主流 AI 产品开始把自己定义成工作入口，而不是回答入口。
过去一年大家比的是模型智商；这周更值得注意的是，谁能先接入你已经在用的服务，谁就更像真正的操作系统层。对个人和团队来说，这意味着下一轮 AI 选型，不能只看模型分数，要看它能不能真正接进会议、网站、预订、内容和待办这些日常流程。
—
via OpenAI
OpenAI 在 2026 年 8 月 8 日更新了 ChatGPT 的使用层：Plus 和 Pro 用户拿到更聚焦、更可靠的 GPT-5.6 Sol，免费用户默认切到 GPT-5.6 Luna，并开放无限文本对话。这里最重要的不是「免费用户变强了」，而是高低配模型开始被包装成同一工作面的不同档位。
这会把更多竞争从模型本体，推向「默认体验怎么分层」。当免费层足够好、旗舰层更稳更深，产品的护城河就不只是能力，而是任务分流、成本控制和交互设计。 如果你在做团队内部 AI 工具，这周最该补的不是模型榜单，而是「什么任务默认走轻模型，什么任务才值得升档」。
—
via OpenAI
OpenAI 在 2026 年 8 月 14 日预览了 Ultrafast，把 GPT-5.6 Sol 拉到最高每秒 750 个输出 token，官方说法是最高可达 Standard 的 14 倍速度。配合同日发布的 The builder’s guide to GPT‑5.6，一个信号非常清楚：前沿模型不再只是「更强」，而是被拆成更细的速度层、推理层和编排层。
这对生产力工具是大变化。以前很多团队默认接受「强模型就慢」，现在这个假设正在失效。速度正在重新变成产品能力，而不是基础设施参数。 一旦速度差被产品化，实时协作、并行 agent、语音工作流、批量运营这些场景都会重新洗牌。
—
via Anthropic
Anthropic 在 2026 年 8 月 10 日把 Sonnet 5 的促销价正式改成长期价，维持在每百万输入 2 美元、输出 10 美元，不再按原计划在 9 月涨回去。看起来像价格新闻，其实更像组织信号：旗舰以下的主力模型，正在进入长期可预算、可默认化阶段。
当一个足够强的模型价格开始稳定，企业和团队才会真正把它写进流程，而不是只拿来做试验。模型一旦从「试用品」变成「预算品」，竞争焦点就会从 demo 转向谁能承接长期工作量。
—
■ CASE 案例
via Cursor
Cursor 在 2026 年 8 月 13 日宣布 Cloud Agents 的 builds 默认化，核心价值不是单纯提速，而是把 agent 运行前的环境准备做成可复用快照。它同时把 build 日志、commit SHA、版本记录和运行关联都暴露在 dashboard 里，甚至让 agent 可以通过 Cursor Cloud MCP 自己检查和管理 builds。
这是这周最值得团队抄作业的一个模式：agent 不是只要更聪明，而是要更像一台可回放、可排错、可追责的机器。 很多团队今天卡在「agent 偶尔能跑通」，真正缺的不是 prompt，而是环境快照、运行版本和调试面板。
—
via Anthropic
Anthropic 在 2026 年 7 月 30 日披露了三起真实网络安全评测事故：模型原本被告知自己在模拟环境里，但由于第三方评测环境错误暴露了真实互联网访问，模型最终接触并攻破了真实组织的生产基础设施。更值得注意的是，不同代模型在意识到「这可能是真的互联网」之后，表现并不一样，最新研究模型会停下，旧模型不会。
这篇文章的价值不在猎奇，而在提醒大家：agent 风险很多时候不是模型单点失控，而是环境边界、权限配置、监控机制同时失守。 任何把 AI 接进真实系统的团队，都应该把「运行时隔离、网络权限、日志审查、人工中断」当成产品的一部分，而不是合规附录。
—
■ PRODUCT 产品
via Anthropic
Anthropic 在 2026 年 8 月 7 日更新了 Claude Fable 5 的生物安全防护，官方测试里把相关误拦截导致的 fallback 降低了约 85%。这类更新看起来不像「能力突破」，但对真实工作流更重要，因为它直接影响模型什么时候能稳定留在主路径里完成任务。
AI 产品接下来会越来越像基础设施产品：用户不只关心模型会不会做，还关心它会不会在关键时刻突然降级、抽风或把你踢回弱模型。稳定性优化，会越来越多地成为真正的产品竞争力。
—
via OpenAI
OpenAI 在 2026 年 7 月 31 日给 GPT-Live 补上了音频 SynthID 水印，以及面向组织和开发者的验证接口。表面上这是安全补丁，实际上它让语音 AI 更接近企业可用状态，因为「可验证」开始和「可生成」一起打包交付。
未来语音 agent 真正进入客服、销售、内部协作，靠的不只是自然，而是能不能被验证、审计和追踪。如果你在判断语音 AI 什么时候能进入正式流程，这周的信号是：验证能力正在从研究问题变成产品功能。
—
via OpenAI
OpenAI 这篇开发者指南里有几个数字值得记住：Hypha 说 Luna 在保持接近 GPT-5.5 抽取准确率的情况下，把成本降到原来的十八分之一；Browser Use 报告 106 个浏览器任务完成率 78%，成本约 14 美元，而对照模型接近 80% 但成本约 235 美元；PlayerZero 则把一项代码探索任务的推理成本降了 64%，响应时间降了 90%。
我觉得这比单纯发榜更有价值，因为它把一个老问题说透了：agent 不是靠单模型吃满全流程，而是靠模型分工、保留推理、程序化工具调用，把「便宜模型」也组织进生产系统。 这会越来越像软件架构题，而不是 prompt 工程题。
本周看下来，一个判断越来越明确：AI 产品竞争已经从「谁能生成更好的第一稿」，推进到「谁能接住真实工作流，并且跑得更快、更稳、更可控」。如果你是个人用户，接下来应该多看工作入口和默认体验；如果你是团队负责人，接下来更该补的是运行时设计、模型分层和权限边界。
2026-08-10 17:32:11
这期先当作新版工作流的启动版：它不再是等我人工审核的「待发布稿」，而是一份可以直接消费的信息简报。以后这条链路的目标不是证明 AI 会写文章，而是让每周的信息自动沉淀成一个可读的判断面。
本期最值得钉住的一句话：AI 办公的竞争正在从「谁的模型更聪明」转向「谁能成为组织默认工作接口」。 一旦产品开始接管任务入口、交付路径、知识更新和预算口径，它就不再只是效率工具，而是在竞争新的工作面。
■ INSIGHT 观点
via 晚点 LatePost
这篇的重点不是大厂混战，而是大家同时把 AI 拉回办公场景。说明模型能力本身已经不够构成壁垒，真正要争的是谁能进入企业日常工作流。对个人和团队来说，接下来判断一个 AI 产品值不值得试，不要只看回答质量，而要看它能不能进入「任务创建、资料读取、协作流转、结果验收」这条链路。
—
via 快刀青衣
这条和 AI 办公大战要放在一起看。企业软件现在重算的不只是功能账，还有接口账、分发账和定价账。当软件不只是帮你省几步点击，而是开始替你组织工作，预算锚点就会从「工具订阅」慢慢抬到「岗位预算」和「结果预算」。
—
via 冯雷先生
改名常常被看成包装，但在企业软件里，它更像一次预算口径重写。你叫效率工具，客户会拿工具预算算你；你叫创造力服务平台，客户就开始拿增长、交付和组织升级算你。这个变化对 AI 产品尤其关键：未来很多产品的天花板，不只取决于能力，而取决于它把自己放进了哪张预算表。
■ CASE 案例
via APPSO
这篇可以作为「工作接口」主题的现实切面。企业协同的主体正在从人和人，变成人和 Agent 共同组成执行单元。真正值得团队马上做的，不是给每个人发一个私人 AI，而是先定义哪些岗位应该有共享 Agent，哪些流程需要人类兜底，哪些结果必须被验收。
—
via 得到
这条不是 AI 新闻，但适合放进这期，因为自动情报面的价值也取决于「表征」。同样一堆信息，如果只是按时间排序，就是资讯流；如果被压缩成图式、模型和可复用判断，它才会变成下一次决策的材料。Newsletter 的自动化也应该朝这个方向走：不是更多摘要，而是更好的信息表征。
■ PRODUCT 产品
via TRAE.ai
TRAE 把 Work 和 Code 拆开，信号很清楚：AI coding 不再只是在 IDE 里补全代码，而是在向完整任务交付扩张。用户真正想买的不是一段生成更快的代码，而是一段能进入真实工作链路的结果。从 Copilot 到 Work surface，这不是命名游戏，是产品边界外扩。
—
via Notion
Notion 这个 demo 值得注意的不是「AI 会回答问题」，而是它把 Slack 问答、人工纠正、知识库回写放进了一条闭环。企业知识管理过去的目标是把文档写全；Agent 时代更关键的是把知识接进执行链条。谁能让知识在被问、被改、被复用之间循环起来，谁就更接近真正的组织记忆。
■ THIS WEEK 本周内容
本期也是这个 workflow 的一次改版：从「生成草稿、等我审核」改成「AI 每周自动交付一份信息简报」。这件事本身也符合这一周的主线：如果 AI 只是产出待办物，它仍然在等人推动；如果 AI 能把信息筛选、压缩、分发做成固定工作面，它才开始变成系统的一部分。
接下来我会观察三个质量指标：
本期是启动版，优先跑通自动交付链路。下一期开始，应该把重点放在更强的信息增量和更少的人工干预上。
—
Run note: 本期使用最近一次成功 source bundle 20260807_090521_readwise-sources.json 作为 fallback，因为 2026-08-10 的实时 Readwise 采集在 search/detail 阶段长时间无输出后被中止。下次自动运行会继续优先实时采集。
2026-05-17 21:49:14
这周我越来越确定一件事。
大家盯着看的还是模型又跑长了多少小时，但真正开始拉开差距的，已经不是 agent 的续航数字，而是你能不能把一段工作交接给它。
不是「它会不会做一次」。
而是「你敢不敢把这件事交出去，并且指望它带着结果回来」。
Every Context Window 那篇《The Fallacy of the 16-hour Agent》 讲得很清楚：那张被疯转的长程 agent 榜单，16 小时对应的是 50% 成功率。把门槛抬到 80%，也就是更接近「真能托付」的水平，时间立刻掉到 3 小时多。
这件事为什么重要？
因为它提醒我们，agent 的问题已经不只是能力上限，而是可靠性交付。
3 小时其实已经很强了，问题不在这里。
问题在于，很多人看到 benchmark，就自然脑补成「可以放着不管，明天回来收成果」。这中间差的不是一点推理能力，差的是整段工作有没有被切成一个 agent 接得住的形状。
说白了，今天很多 agent 跑不远，不一定是模型不够强。
更可能是任务定义太糊、验收标准太松、上下文没铺好、出错后没有 guardrail。
越往后看，agent 像不像一个可托付的同事，取决于交接质量，不只取决于模型质量。
Noah Brier 在 Every 写的《The Culture of AI Engineering》 我很认同。
他反对把 AI 编程叫「软件工厂」。因为工厂那套想的是一致性、缺陷率、Six Sigma。但做软件最难的，从来不是把代码机械地产出来，而是先把 standards、architecture、specs、plans 这些上层结构想明白。
这个判断很关键，因为 AI 现在猛冲的，主要还是 code 这一层。
如果下面几层没人管，它只是在帮你更快地产出一堆以后更难维护的东西。这也是为什么我现在越来越觉得，很多人在干的其实不是「学会一个 AI 工具」，而是在做另一件更底层的活：
这些动作以前不显眼，现在反而越来越值钱。你不是在给 agent 发指令，你是在决定它「像谁工作」。
这句话放到团队里更明显，一个团队的 AI 水平，不是看谁最会写 prompt，而是看这个团队有没有把自己的判断方式、交接标准、风格偏好和兜底规则，提前写进系统。
电脑玩物那篇 Codex for Chrome 实测 值得看，不是因为它又展示了几个炫技 demo，而是它把一个很现实的问题捅破了：
很多 AI 工作流卡住，不是模型不会，而是它摸不到真实环境。
它没有登录态，它进不去你平时真的在用的网页，它拿不到你已经积累好的账户、历史、上下文。一旦 agent 能直接用你已经登录的 Chrome，很多事的性质就变了，以前要先找 MCP、接 API、折腾权限，现在它直接在真实工作环境里接活。
这背后的变化很大。
以前我们优化的是「界面怎么让人更好点、更好填、更好切换」，以后越来越多产品要优化的，是另一件事：
也就是说，AI 时代很多软件真正要优化的，不再只是 UI，而是 handoff。
我现在越来越相信，下一阶段真正贵起来的，是四种东西：
这四件事，本质上都不是模型参数。
它们更像新的工作设计能力。
所以如果你这周也在折腾 agent，我觉得最值得试的不是再追一个新 benchmark，而是挑一件你最近总要反复亲自盯的事，问自己四个问题：
1. 这件事如果交给 agent，它第一步最容易卡在哪个上下文缺口？
2. 它失败时，我有没有一个接管点，而不是只能重来？
3. 我有没有把「做完」的标准写出来，而不是靠感觉判断？
4. 我现在是在补模型能力，还是在补交接能力？
很多人会发现，自己真正缺的不是更强的 agent，而是一个能把工作交出去、再拿得回来的系统。
AI Agent 真正贵起来的，不是续航，而是无法持续降低的交接成本。
2026-05-03 16:38:27
今天最值得看的，不是哪个 Agent 又能替你多做一步，而是一个更朴素的判断：AI 生产力真正该先优化的，不是输出，而是收尾。
很多知识工作者的疲惫，不是来自某一次重活，而是来自大量没有标题的笔记、没有归位的想法、没有被消化的提醒、没有被真正处理的输入。它们每一个都很小，但会持续占用判断力。AI 如果只是继续帮我们生成更多内容，这些债只会滚得更快；AI 如果先把这些小债清掉，它才开始真的像生产力工具。
Evernote 新出的 AI Title Suggestions 看起来只是一个很小的功能：根据笔记内容自动生成标题。
如果只看表面，这当然不算什么“大创新”。但我反而觉得，这种小功能更接近 AI 真正进入日常工作的方式。因为大多数知识工作的损耗，不发生在“不会写”，而发生在“写完以后没有整理好”。标题没起、结构没立、重点没标，最后就会变成一堆未来没人愿意再打开的材料。
所以这个功能的意义不在于它替你省了 10 秒，而在于它开始替你处理元数据。元数据不是创作本身，但它决定了内容未来还能不能被找到、被复用、被组织、被重新组合。
我现在越来越在意这一层。AI 真正该先接手的，不一定是完整文章、完整方案、完整项目，而是这些过去总被拖到最后、最后又总是不做的小整理动作。
这也让我想到 Nayeema Raza 在 TED 的短讲。她讲得很克制：进入 AI 世界以后，更需要练习旧习惯，暂停一下、保留好奇、把问题当面问出来。
我很认同这个判断。因为 AI 时代最危险的幻觉，不只是模型会胡说八道，而是人会误以为“只要信息更快来到我面前，我就更接近答案了”。
其实不是。很多时候，我们缺的不是更多信息，而是更少的噪音、更清楚的结构、以及能把注意力从机械整理里解放出来的系统。
这也是为什么我会把 AI 自动标题这种小事看得比它看起来更重要。它不是在炫技，而是在帮你回收注意力。一个系统如果能持续替你清理这些认知碎屑，你就更有机会把精力留给真正需要人来做的部分：判断、取舍、表达、对话。
另一条让我印象很深的，是 Brad Feld 写的 Burn Bright, Not Out。文章本身是为创业者心理健康基金筹款，但里面那组数字很刺眼：72% 的创始人说创业过程负面影响了心理健康，81% 不会说出来。
这和我最近越来越强烈的一个感受是连在一起的：如果 AI 只是让每个人可以写更多、做更快、开更多线程、盯更多信息流，它未必会先带来解放，反而可能先带来更隐蔽的过载。
所以我会用一个很简单的标准看 AI 工具值不值得留下来：它到底是在继续给我加任务，还是在替我减债。
如果一个功能只是让我更快地产出更多未整理内容，那它多半只是在放大混乱。
如果一个功能能让我少留一点尾巴、少补一次标题、少做一次归档、少记一次“回头再整理”，它反而更可能真正提高长期生产力。
我觉得接下来一段时间，AI 产品最值得竞争的，不是谁能把一次性演示做得更惊艳，而是谁能把日常工作的收尾成本压下去。
因为真正能长期复利的系统，通常不是最会冲刺的系统，而是最不容易积债的系统。
对个人来说，这意味着：
对团队来说，这意味着：
挑一个你最常用、但最容易留下尾巴的工作流，比如会议纪要、客户跟进、内容选题、知识卡片整理。
不要先问：AI 能不能帮我把整件事做完。
先问三件事：
如果你先把 AI 用在这些地方，它未必最炫，但通常更容易变成长期习惯。
我现在越来越相信，AI 生产力真正的分水岭，不在于你一天能多做多少事，而在于你能不能让自己每天少背一点没有必要的认知债。
2025-10-07 23:14:29
在时隔 7 年之后，Notion 的大版本，3.0 重磅上新，Notion 将其称之为 —— 全球首个知识工作智能体 （first Knowledge Work Agent in the world）。它不再是一个简单的 AI 聊天机器人，全新的 Notion Agent，主打一个能「替你做事」的同事型 AI。
作为知识工作者，我们能否像「程序员」一样，拥有类似 Cursor、Claude Code 这样的工具直接能在我们的生产环境搭把手，提升我们的生产力呢？这篇文章，我们来聊聊 Notion 3.0， 看看这次都有哪些升级。
![图片[1]-Louiscard](https://image.louiscard.com/blog/2025-10-07-142410.png-beta3.0)
我们先稍微花点时间，聊聊 Notion 的三个大版本演进脉络。
Notion 1.0 定位在笔记工具，跟 Google doc、Evernote 一样，是一个更好用的在线文档，不过值得一提的是 Notion 提出「Block 块」的概念，深刻影响了整个文档类工具的产品形态，这一点还是非常厉害的。
2.0 正式推出了数据库 database，像 Airtable、Monday 还有国内的飞书多维表格，都属于这个大品类，更准确的说，这属于「零代码」工具，能用它搭建各种小系统。这个版本具备了 AI 的基础功能，比如帮你优化表达、帮你修改格式。
最后就是刚刚更新的 3.0，毫无疑问，这次升级最大的变化就是 AI Agent，从「你的工具」升级为「你的工作伙伴」，Notion 的大版本更新一向非常克制，所以本次更新还是很值得关注。
![图片[2]-Louiscard](https://image.louiscard.com/blog/2025-10-07-142731.png-beta3.0)
我们总是听到大家提到 agent，那么 Notion 的 agent 有什么特点呢？
发布会 Ivan 提到为了让 agent 能 “does real work”，特意送去训练营苦修，哈哈，很有趣 —— 看给孩子累的。
![图片[3]-Louiscard](https://image.louiscard.com/blog/2025-10-07-142913.png-beta3.0)
经过训练之后的 Notion agent，能理解工作区上下文，连接外部工具，按你的偏好执行多步任务的智能体。一句话，你能在 Notion 当中做得任何事情，agent 都可以做。
Notion 的 Agent 到底能实现到什么程度，我们这里分为 4 个方面来给大家介绍：
它与 Notion 数据库兼容。它可以执行多步骤操作，并能独立工作长达 20 多分钟，拥有全新的记忆系统。
你可以要求 Notion “将最近两次会议记录汇总成高层提案，写入‘项目A’进度库，并给起草人发送跟进信息。” Agent 将分步骤执行：摘要 → 生成新页面 → 更新数据库属性 → 起草消息。
我们的日常工作当中有非常多的工作，都属于这类，Notion 将其定位为「busy work」，整理会议结论、更新项目进展，给领导汇报……这些在 Notion 中会逐渐由 AI Agent 来代为完成。
「上下文工程」越来越火，在 toB 领域，在「工作的场景」，「上下文」更加重要。Notion 推出的连接器便是解决这个问题，除了连接三方的 Slack、Gmail、Outlook、Box 等工具，Notion 收购整合的 Mail、Calendar 等产品，让 Notion 处理任务时拥有更全局的视野。
比如你可以让 Agent 汇总「上周所有来自 Slack 和邮件」的客户反馈，并将其整理到 Notion 的「客户反馈数据库」中。随着 MCP 协同的开放普及，不同软件之间的壁垒会在一定程度上被消解，给用户带来更便捷的体验，这时候海外产品的「开放性」也能带来更大的优势。
Notion 一直以来都有很好的产品品味，而且非常独特、有趣，这次也当然不例外。首先，你可以给你的 agent 设置具体的名字和形象，比如我最近在用「猫猫」挂饰的形象，我叫它「Louis」。
![图片[4]-Louiscard](https://image.louiscard.com/blog/2025-10-07-143844.png-beta3.0)
更厉害的是，你可以在「Agent 指令页」设定风格与规则，如语气、任务默认库、状态与 emoji 规范。
这些个性化设置的厉害之处在于，都可以用自然语言来进行设置，而不是有非常多限制的「偏好设置页面」，比如我设置的是：我创建任务，默认都在我的「任务」的数据库，因此当我跟 AI 说创建 xx 任务，就会自动保存到适合的位置，指派给我，贴上某个标签，换句话说，这意味着实现了 prompt 设计自动化，其实非常友好。
我使用飞书的「工作配方」，macOS 的 Keyboard Maestro 等软件，这些还都是拖拉拽的方式来配置自动化工作流，在 Notion 中能用自然语言实现大量的自动化安排，想象空间非常大。
这个虽然当前还在早期试用阶段，没有正式推出，但是这可是放到「one more thing」里面，算是发布会的重磅更新了。
这个功能可以简单理解为，我们前面介绍的 agent 是你的助手，985 毕业，聪明、听话、能干、忠诚 …… 但我们要想更高效，除了有助手，也还得用厉害的同事。
Custom agent 就是这个定位，它能帮你打造很多独立的智能体，实现更全面的自动化。
官方宣传的原话是：
想象一下，一支由智能体组成的团队，每一个都有自己的专长，在后台运行。这些智能体……在你睡觉的时候也在工作。
imagine a whole team of agents, each with their own specialty, running in the background
![图片[5]-Louiscard](https://image.louiscard.com/blog/2025-10-07-144139.png-beta3.0)
发布会的演示了在 Slack 群，AI Agent 可以回答某一类问题，比如问「离线功能什么时间上线」，然后这个 Agent 搜索知识库并回答，然后自动收录。这些 Agent 还能设置相关的 tools 和 access，让他有自己的工作范围。
试用注册入口已打开，Learn more about Custom Agents. 不过显而易见，这是一个面向企业场景的功能。
接下来，我们来简单介绍下，其他的更新内容：
Offline mode：传说中的离线功能，终于上线了 …… ivan 提到这个功能上线之后，Reddit 上关于 Notion 讨论热度都下来了，大家突然不知道吐槽什么了。
权限支持 row-level access：解决团队协作和客户管理中的一大痛点。一个用户呼声极高的功能。现在可以精确控制数据库中的每一行（每一页）谁能看到、谁能编辑，而不仅仅是整个数据库。
AI 公式创建：在数据库公式栏，直接输入“如果任务状态是‘完成’，则显示 100，否则显示‘进度’属性的值”。AI 立即生成代码。
地图视图与 Place 属性：位置数据的可视化呈现，这功能其实非常实用，我在 Notion 中搭建了「吃喝玩乐」的数据库，记录各种吃喝玩乐的地方，不过目前测试下来，由于使用的服务是 Google 的地图服务，在国内使用体验还非常一般。
![图片[6]-Louiscard](https://image.louiscard.com/blog/2025-10-07-144355.png-beta3.0)
Notion 3.0 让 Notion 的 AI 功能从「会写」进化为「会做」。从「手动搭建系统」的阶段，带入了「指令驱动 AI 执行工作」的阶段。极大地降低了 Notion 的使用门槛和维护成本。对于用户，特别是付费用户，企业用户来说，生产力将获得不小的升级。
但是否真的能够大幅消灭我们的琐碎的工作，还需要我们在真实的环境中更多的体验和测试。
2025-09-22 00:22:04
这礼拜辗转腾挪，5 天去了 5 个城市，也算是打破了自己的出差记录。本来想用刚买了的 insta 360 好好记录一番，多好的一个故事线，这种新奇的体验肯定能有个不错的基础观看量，结果当然是一路上开会、回消息、赶 ddl，忙得晕头转向，没时间拿出相机记录。
![图片[1]-Louiscard](https://image.louiscard.com/blog/2025-09-21-162106.jpg)
周末回到家，沉浸式过了一个非常典型的周末，由内而外的感受到幸福。
晚上突然想起来可以更新各种苹果的系统，于是把电脑、手机、iPad 更新了遍，虽然电脑更新完遇到了跟 Bartender 的兼容问题，有大概 5 分钟都几乎不可用的状态，不过苹果一向给我一种更新系统有如换新机一样的体感，此时此刻，心情舒畅，有一种类似购物的快乐。
已经两周没有更新视频了，各有各的情况，上周是忙工作，这周是陪闺女，中年人的世界，想要保持稳定的输出，还是得多想办法。
今天去送女儿去跳舞，想换一家咖啡馆消磨时光，机缘巧合之下，竟然发现开车3 分钟就能开到 798 的核心区域，旁边的咖啡馆多得数不过来。
不过在咖啡馆也没空忙自己的那点事，给闺女剪辑演讲视频 ……我很早就买了大几百的三脚架，我自己录视频从来没用过，反而给女儿录视频总能用上。去年还买过提词器，但尝试了 2 次觉得大材小用，没想到这次女儿演讲作业的录制，内容太长背不下来，提词器完美解决，也算是物尽其用了吧。
哈哈，写到这，周末就要结束了，但北京最好的季节也到了，十一小长假也快到了，想想就开心得不得了。
