2026-11-01 16:56:09
在 S3 的那几年，我每年都要接好几个 region build 的活。所谓 region build，就是在一个新的数据中心里，把 AWS 的服务一个一个重新搭起来。听着像盖楼，实际更像拼一副几百个组共有的拼图，谁卡住了，后面一串人都动不了。
有一次 oncall，我被 page 了一整天，下午头疼得厉害，搬着电脑去厨房晒太阳。屁股还没坐热，又来一个 page：一位 TPM 说我们的 task 挡住了 S3 在新 region 的上线。我回复说问题出在另一个组的 dependency，明天下班前修好。不到三分钟，我在群里被 @，被质问为什么要等到明天，我老板和老板的老板也一起被 @ 了进来。
还有一次，我们依赖的一个服务在新 region 只肯发布有问题的新版本，理由是规章不允许发布旧版本。德国的姐妹组熬了一天，跑通了一个临时补丁；我照着他们的文档又忙了一下午，服务还是起不来。正要细查，群里来了消息：对方同意发布旧版本了。我先是松了口气，紧接着就想，这一天算什么呢。那天晚上躺在床上，「无意义」三个字在脑子里蹦来蹦去，晃得我很久都没睡着。
Region build 的累，不在活多，而在大部分力气都花在了和事情本身无关的地方：吵架，等待，绕开一条谁也不肯变通的规矩。
Region build 年年都有，数据中心年年都在扩，把这套流程理顺就成了非做不可的事。于是 2023 年前后，有了 Project Alpha Lyrae：用一套完整的 SOP 加上各种自动化脚本，试着让 region build 自己跑起来。
我对这个名字很好奇，去查了一下。Alpha Lyrae 是天琴座 α，中文名叫织女星，北天第二亮的恒星，仅次于大角星。我原以为北极星是固定的某一颗，其实不是：地球的自转轴像一只慢慢晃动的陀螺，大约两万六千年画一圈，天北极指向哪颗星，也就跟着换。现在是勾陈一；一万四千年前是织女星；再过一万多年，天极又会转回它附近。项目取这个名字，是管理层觉得它会指引 AWS 接下来很多年的方向，像织女星一样，再次成为我们的北极星。
说来好笑，我离开 S3，很大一部分原因就是这个项目。名字再好听，寓意再好，region build 还是那么脏，我干不下去了。一个以北极星命名的项目，成了我离开的理由。于是我开始找自己的那一颗。
经同事推荐，我去了广告组。我们做亚马逊的站内广告：商家给关键词出价，用户搜索时，我们在正常结果里混进几条出价高、又还算相关的广告。这门生意做了很多年，也一直在长，如今一年几百亿美元，被普遍看作亚马逊在 AWS 之外最赚钱的一块，算得上公司眼下的北极星。
可我去年年中就写过一篇文章，说我觉得它不长久。站内广告活在一种「有限」里：搜一样东西，结果有几十上百页，我只看前一两页，没时间一件件点开比；商家于是在这一两页里竞价，把自己挤进去。人的时间和注意力有限，广告才有了位置。大模型来了以后，这份有限开始松动。今年的 Muse 也好，早就有的 ChatGPT 也好，它们知道你是谁、想要什么，可以在后台耐心地替你翻完所有页。意图在更上一层的入口被说出来，谁接住了意图，谁就能做更好的推荐，广告也该长在那里。
我跟老板提过两次，去年一次，今年 Muse 出来又一次，都没看到组里或者 org 往这个方向动。公司的姿态是守：不让 ChatGPT 和 Muse 访问亚马逊的网站。可守住了门，挡不住地轴在转。站内广告这颗星一点没暗，只是渐渐不在正北了。
在广告组的那两年，最难受的不是累。压力很大，加班是常事，这些我都认。难受的是每天拼尽全力，推的却是一个自己不相信的方向，中间很撕裂。让我决定走的，直接原因是累垮了，根本原因是不信任这个方向。
从 2023 年起，我一直在听各种播客，42章经、elsewhere、信号与噪声，说来说去都是 AI。那时我总觉得这件事离我有点远：大家聊的大多是大模型，而我没有训练大模型的机会，也没有经验，找不到一个切口。热闹是别人的。直到今年，我才慢慢意识到模型的能力已经够了，大家开始在上面搭应用，而这恰恰是我喜欢做的事。可估值一轮比一轮高，各大公司 AI 基建水涨船高，我心里压着一层担心：这个泡沫，是不是快要炸了。
让我定下心来的，是张小珺采访曾鸣的那一期。他拿前几次技术革命作比：大模型是蒸汽机，是电，是最底层的互联网；在它之上的电灯、冰箱、浏览器、搜索引擎，都还没来。我想起互联网泡沫。那时大家相信，上了网，一切都会变好，泡沫吹起来，又炸了；可泡沫退下去以后，技术留了下来，一层层沉淀，后来的应用都长在上面。这一轮短期也许有泡沫，长期我看好，心就定了。
回头看，离开广告也是同一个道理。那里营收再好，我看不到一个更长久的未来，就不愿意再待下去；这里眼下哪怕有泡沫，我看得到它的未来，就愿意信，愿意投身。
他还说，接下来会是智能体的大爆发，agent 会多到数不清，到那时就需要一个 agent 的推荐系统，而推荐的前提是 benchmarking。我听着，想到的是广告：广告因为人的注意力有限而生，agent 的推荐也会因为人试不过来而生。我不是从广告跳到了 AI，而是从一种有限，走到了下一种有限。
而我现在的组，同时负责 agent 的 benchmarking 和 insights。这两件事首尾相接，是一个闭环：insights 在 agent 运行时收集数据，让它变得更聪明；benchmark 再跑一遍，验证它是不是真的变聪明了；然后进入下一轮。
这一次，我觉得我找到了自己的 Alpha Lyrae。
我转组的初衷，其实是想找个轻松点的组。进组第一天晚上十点多，我发现大家还在一个接一个地发 CR，当场震惊了。后来几天也差不多，活不少，晚上还得接着干。奇怪的是，我并不抗拒。在广告组加班，我心里一直在问值不值；在这里加班，我愿意，也想为这个目标拼一把。累还是一样的累，这一次，我信。
我想起当年在 S3 写过的一句话：绝对不要把生命的意义寄托在工作、名声这样外在的事物上。现在愿意为工作加班，好像和那句话背道而驰。可我想了想，并不矛盾。那时的北极星是别人命名、发到我手上的；这一颗，是我自己找到的。它碰巧是我的工作，可我信的是它指着的那个未来。
我因为 Alpha Lyrae 离开待了四年的 S3，又花了两年，找自己的那一颗。我不确定它会不会永远是我的北极星，至少以我现在知道的来看，是。就算哪天不是了，也没关系：这次选择本身就是一轮行动，它的结果会变成反馈，帮我校准下一次判断。我每天在给 agent 搭的那个闭环，原来也是在给自己搭。
织女星不会永远是北极星，勾陈一也不会。星星没有动，动的是地轴；世界在转，正北也会跟着挪。曾鸣说愿景化比愿景重要：不是找到一颗星，然后一直盯着它，而是一次次抬头，看它还在不在正北。不在了，就去找下一颗。
2026-11-01 16:56:09
《Visioning — Project Alpha Lyrae》里没有展开的行业判断，放在这里。
亚马逊站内广告是一门很简单的生意。商家给关键词出价，用户搜索时，平台在正常结果里混进几条出价高、又还算相关的商品。它在亚马逊做了很多年，一年几百亿美元，被普遍看作 AWS 之外最赚钱的一块。
可它的地基，是人的有限。搜「空气净化器」，结果有几十上百页，我只看前一两页，没有时间一件件点开比。商家要抢的，就是这一两页。广告卖的从来不是商品，是用户那点有限的时间和注意力。
大模型来了以后，这份有限开始松动。Muse 也好，ChatGPT 也好，它们知道你是谁、家里几口人、上个月买过什么，也不嫌累，可以在后台替你翻完所有页。更要紧的是，你不必再把自己的问题压缩成一个关键词。
举个例子。一个刚当爸爸的人，连着几周睡不好，白天也没精神。站在搜索框前，他得先替自己做一轮诊断：是枕头不对，床垫太硬，还是该吃点褪黑素？想好了，再把问题压成一个关键词，比如「助眠枕头」，然后在结果页里一页页翻。可他真正的问题也许根本不是枕头，而是孩子半夜要喂奶，工作压力大，睡前还一直刷手机。这些搜索框都接不住，它只认关键词。曾鸣在《智能》里讲过这一层：过去，定义问题的大部分工作是消费者自己承担的。
有了 agent，他可以直接说：「最近总觉得很累，晚上睡不好。」agent 知道他家刚添了孩子，知道他最近常加班，会先帮他把问题理清楚，再决定推荐什么。也许是一个枕头，也许是一副遮光眼罩，也许只是建议他和伴侣轮流起夜。搜索记录的是你的注意力去了哪里，回答的是「你属于哪类人」；agent 关心的是「你正在面对什么问题」。
问题一旦能被完整地说出来，人就会去最懂自己的那个入口说。没有人会在购物 app 里讲自己最近为什么失眠，大家会对那个陪了自己一整年的助手讲。亚马逊也做了 Alexa Shopping，可它难用，而且它站错了位置：它在货架这一层等人，意图却在更上一层被说出来。谁接住了意图，谁就能做更好的推荐，广告嵌在那里也更合理，因为它回应的是一个具体的问题，而不是一个被猜出来的标签。
亚马逊的选择是守。它不让 ChatGPT 和 Muse 访问自己的网站。这是一种贸易保护主义：筑起关税墙的一方，往往是已经没有把握在公开竞争里赢的一方。墙能挡住 agent 进门，挡不住用户换一个地方开口。我跟老板提过两次，去年一次，今年 Muse 出来又一次，组里和 org 都没有往这个方向动。大家仍然在一两页的搜索结果里，为下一个 Weblab 里零点几个百分点的提升拼命。
如果不做出巨大的改变，我看到的结局是这样的：亚马逊零售退化成别人家助手背后的购物仓库，有货、有物流、有价格，却没有了流量入口；广告商则跟着意图走，去上一层的入口竞价。曾鸣在播客里说，旧平台大概率变不成新平台。我不希望这句话应验在亚马逊身上，但守门不是答案。
那上一层会长出什么？我之前以为这一轮 AI 已经快走到尾声。听了张小珺采访曾鸣的那一期，才意识到我们离终点还远：大模型是蒸汽机，是电，是最底层的互联网；在它之上的电灯、冰箱、洗衣机，浏览器、搜索引擎，更不用说抖音、拼多多那样的原生应用，都还没来。
我们现在做的，大多是把一个现成的工作流里的人拿掉，换成 AI。这不是 AI native 的想法。AI native 是围绕 AI 去搭脚手架，让一整条工作流在它身上跑通。
曾鸣还说，接下来会是智能体的大爆发，agent 会多到数不清，到那时就需要一个 agent 的推荐系统，而推荐的前提是 benchmarking：先把 agent 放到各类任务上跑一遍，才知道什么样的任务该交给什么样的 agent。有点像 App Store，app 多了，人得靠榜单和推荐，才找得到想要的那一个。只是 agent 更难试：一个任务只有真的分发下去、跑出结果，才知道好坏，用户的时间和钱都不够一个个试过去。说到底，这和广告出现的理由是同一个：资源有限，就需要有人按一套标准替你挑。广告本来也是一种推荐。站内广告离开正北之后，下一颗星，也许就是 agent 的推荐。
可选对了 agent，事情也才做了一半。眼下的模型加 harness 加 agent，处处都有摩擦，自主性和准确性都不够，人得一直在旁边盯着，我管这叫 botsitting。曾鸣在《智能》里也写到，在 AI 敢对结果负责之前，人要决策、确认、兜底，能并行的任务就没法无限扩张，瓶颈在人。人越干越累。
要让人从旁边撤下来，就得用每一次任务留下的数据，反过来把 agent 训得更好。insights 在 agent 运行时收集 trace 数据，清洗、分析，拿来提升它的能力；能力提升了，重跑 benchmark 验证；验证过了，进入下一轮。agent 就这样一点点变聪明，一个垂类一个垂类地攻下来。等到要跨 agent 做推荐，benchmark 又会被叫回来，成为推荐的依据。这条循环跑通了，人才能真正离开 loop，让 agent 去做确定的事，人去挑下一个值得解决的问题。
我相信，接下来两三年，大家都绕不开这件事。
2026-10-28 01:02:53
曾鸣 著 · 微信读书 2026-09-10 至 10-25 读完 · 113 条划线 / 63 条想法
补充材料:张小珺 × 曾鸣播客文字版《和曾鸣聊产业史观:我的非共识判断》
我的评价(2026-10-24,西雅图):5 分给 3.5 到 4 分,扣分在车轱辘话多。观点不错,核心就一个:在智能体层、战略层、个人发展上,都建立「执行—分析—反馈」的循环,持续提升。对 AI 后续发展的预测很有意思。
全书说的是同一个循环在五个层面各跑一遍:
行动/执行 ──→ 真实结果 ──→ 反馈 ──→ 更新理解 ──→ 能力提升 ──→ 接更难的任务 ──┐
↑ │
└───────────────────────────────────────────────────────────────────┘| 层面 | 书里的名字 | 循环怎么跑 | 卡点 |
|---|---|---|---|
| 智能体 | 智能复利 | 系统执行 → 结果 → 反馈 → 优化 → 处理更复杂任务 | 60 分奇点:AI 敢不敢对结果负责 |
| 商业 | 一人千面 / 实时协同 | 需求和供给在反馈中同时生成,产品进市场后才被筛选放大 | 物理供给能不能跟上 |
| 平台 | 智能调度 / AI OS | 掌握任务拆解与资源调度规则,越调度越会调度 | 调度规则定义权 |
| 组织 | 认知共创 / 组织 OS | 工作过程被记录 → 认知沉淀 → 组织持续学习 | 层级、决策权集中 |
| 战略 | 战略生成 | 行动 → 反馈 → 理解 → 修正方向(愿景化) | 长期方向与现实反馈的张力 |
个人层面书里讲得少,播客补上了:创造力、high agency、自我变小(见第 6 节)。
书里的划分
规律:重大产业变化不发生在技术发明时,而在技术基础设施化之后(蒸汽机→工业体系,TCP/IP→平台经济)。早期竞争比能力,后期比谁围绕能力建立新系统。
播客补充(更具体、更大胆)
我的批注:模型公司像发电厂,投入巨大但收入有上限;电价终将下来,不然电器没法普及。——播客的说法几乎一样:模型公司 = 未来的 AI 云公司 = 炼油厂,化工厂(应用)才更值钱。
我的批注:「不就是数据飞轮吗?干嘛重新造词」
播客给的区别:数据飞轮升级成了智能飞轮。数据飞轮的前提是真实世界反馈,真实世界反馈的前提是 Agent 独立干活、离开人的参与;中间还要叠加上下文管理、记忆等算法创新,在一个场景变聪明后再泛化到其他场景。差别在于「能力在增长」,而不只是「数据在累积」。
我的批注:软件工程现在就卡在 60 分之前,最后一步还要人,没法 scale,人越干越累。解法是建仿真生产环境,AI 先自测,通过再部署,再让 AI 自己跟进部署后的情况,自己形成闭环。
我的批注:先主攻一个垂类,打磨 SOP,收集真实输入输出,持续迭代,才是真把飞轮跑起来。模型、harness、agent 各是一层。
| 千人一面(工业) | 千人千面(互联网) | 一人千面(AI) | |
|---|---|---|---|
| 解决什么 | 大规模供给 | 高效找到合适商品 | 实现真实意图 |
| 逻辑 | 标准化 → 规模化 → 低成本 | 用户拆成标签,归入人群 | 关心「你正在面对什么问题」 |
| 局限 | 面对的是平均用户 | 回答的是「你属于哪类人」,记录的是注意力去向不是问题指向 | 物理供给跟不跟得上 |
我的批注:
- 个人 agent 解决的就是意图匹配,这也是个人 agent 突然火起来的原因。社交媒体天然适合做这个入口。
- 伦理问题:价值判断变成一家公司能定义的事很不好。不被主流认可但无害的价值观(比如国内对 LGBT 群体)谁来定义?
- 日常工作也一样:事情太多,要自己定优先级。
我的批注(保留的怀疑):
- 企业不可能今天生产奶嘴、明天生产猫粮,供应商应该还是相对固定。
- 大平台都想吃上下游,凭什么把数据分享给你?
- 不会一下子形成垄断,更可能先形成行业标准和共识,像 MCP 和 skill。(播客里曾鸣也说下一步先是「浏览器式」的标准统一)
- 定制刀具之类的例子太遥远;物理世界的供给很难被生成,数字产品容易得多。
我的批注:
- 「大家都能提方案」取决于组织是否取消了一两个人拍板;要是他们有执念,照样难搞。
- 传统组织只要 checkpoint 定细,反馈也能及时收到,说到底是组织架构问题。快速迭代的场景早就这么做了,不是因为有了 AI 才成立。
- 上下文切换很费劲,手里同时给好几个 agent 布置和跟进任务,脑子忙不过来。
- 沉淀分两层:最后生成的文档进知识库;和 AI 来回的对话与操作过程用来提升 AI。
- 组织会像 agent 一样从任务和反馈中迭代认知;区别是 agent 处理相对确定的问题,组织还要持续探索。
我的批注:大组织里很常见:各团队拼命提 initiative 给自己挣业绩,局部最优不等于整体最优。
我的批注:很多团队就是这样:这里找个 initiative 那里找一个,短期数字好看,长期看东一榔头西一棒子。
我的批注:
- 小的 A/B 实验改进满天飞,没有统一连贯的 goal,注意力一直在分散。
- 在用文档代替 PPT 的环境里待过,文档写得比 PPT 多得多。write to learn。
- 人不可能永远判断对。把自己当成可优化的系统:成功了分析哪里对了(也可能是运气),失败了总结教训。不把成败当成对自己的评判,而是对方法论的一次校准;一次失败对校准的帮助可能远大于一次成功。
我的批注:这和前面的 visioning 不是同一件事吗?——是同一件事,书在这里换了个角度又讲了一遍,属于车轱辘话的典型。
播客补充
我的批注:
- 世界本来就一直在变,不是 AI 来了才需要张力机制,而是 AI 让变化更快。
- 短期收益要和长期对齐,否则短期收益越大,长期损失越大。
- Amazon LP「Are Right, A Lot」:不是每个决定都对,而是把大部分重要决策做对。
- 不确定性永远在。建自己的机制,收集数据,验证猜测,make your bet,再用结果优化机制,而不是把结果当成对自己的价值判断。
曾鸣在播客里说自己的人生之书是《基业长青》系列和德鲁克。书里能对上的地方(下面是我做的对应,不是书里的原话):
| 德鲁克 | 《智能》里的对应 |
|---|---|
| 企业的目的是创造顾客 | 商业从任务开始;帮客户把模糊困境变成清晰目标(需求生成) |
| 有效性 vs 效率:先做正确的事 | 认知生成 vs 信息协同;探索期要创新效率,不是执行效率 |
| 要事优先(《卓有成效的管理者》) | 需求判断力:帮客户给问题排序;愿景作为方向约束 |
| 目标管理与自我控制(MBO) | AI 让 OKR 真正落地;自驱、high agency、任务认领 |
| 知识工作者是自己的管理者 | 岗位 → 任务;人是认知过程的设计者 |
| 事业理论(Theory of the Business)需要持续检验 | 战略生成系统;实验前写下核心假设 |
| 回馈分析法(《自我管理》):做关键决策时写下预期,9–12 个月后对照实际 | 个人版的「执行—分析—反馈」loop,和我那条「把失败当方法论校准」的批注几乎同构 |
| 三次革命框架 | 播客直接引用,再加上第四次「创造力革命」 |
如果想把书里的 loop 落到个人身上,德鲁克的回馈分析法是现成的操作版本,比书里写得更具体。
时间均以 2026 年秋的访谈和成书为准。
| # | 预测 | 时间窗 | 来源 |
|---|---|---|---|
| 1 | 2026 年第一阶段(基础设施)基本完成,第二阶段(智能体)开场 | 2026 | 书 + 播客 |
| 2 | 第二阶段约 3–5 年,不可跳过 | 2026–2031 | 播客 |
| 3 | 下一个最大机会是 Agent 时代的「浏览器」:统一 Agent 标准 + 普通人简单调用 | 未来 2 年 | 播客 |
| 4 | 之后才出现 Agent 的「Yahoo」(入口 / 信任第三方 / 熵减),新平台约 3–5 年出现,是新公司 | 3–5 年 | 播客 |
| 5 | Agentic OS / AI OS 属于第三阶段,比想象的远,赢家是「谁都不知道长啥样的公司」 | 更远 | 书 + 播客 |
| 6 | 模型公司 = 未来的 AI 云公司;格局为寡头垄断 + 政府强监管;做基础模型的窗口已关闭 | 已发生 / 进行中 | 播客 |
| 7 | 中国模型公司年底跑不到 3T 模型的出局 | 2026 年底 | 播客 |
| 8 | Anthropic、OpenAI 大概率不是原生应用阶段的大赢家;会有 10 万亿美元公司,但未必是这两家 | 长期 | 播客 |
| 9 | 旧平台大概率变不成新平台:豆包不是答案,腾讯社交关系、阿里人货关系都会被重构,Google 能做好 AI 云但入口级应用不确定 | 长期 | 播客 |
| 10 | Agent 公司不用训传统意义的模型,模型能力会成为大宗商品 | 中期 | 播客 |
| 11 | 基建投入会因周期性一度超过真实需求,反而让应用公司用上廉价智能 | 中期 | 播客 |
| 12 | 机器人在等「T 型车」时刻;更好的类比是电器,会出现 n 种机器人对应不同场景 | 长期 | 播客 |
| 13 | 科层制公司衰亡,岗位和层级消失,「一人公司」是阶段性产物 | 长期 | 书 + 播客 |
| 14 | 平台竞争从争用户规模和交易频次,转向争行业资源调度标准 | 长期 | 书 |
| 15 | 曾鸣自己的关键 bet:出现一个足够好用的 to C Agent | 近期 | 播客 |
精读建议:第一章(三阶段 + 智能复利 + 60 分奇点)和战略部分的「行动—反馈—理解」「张力机制」值得精读;「一人千面」的商业部分看小标题即可;组织部分配合播客的「岗位 → 任务」一起看。
2026-09-27 02:15:00
演出结束，片尾曲响起，演员和幕后一个个走上舞台。我也合上电脑，从音效台绕个大圈走上去，和接近四百位观众一起谢幕。我感谢他们的到来，掌声和笑声是对我们这几个月付出最大的肯定；也在心里感谢我们三个字话剧社自己，今天又交出了一场好戏。今年我们甚至连演三场，大概是西雅图华人群体里第一个售票破千的活动吧。周日场谢幕结束，大家聚在后台，有的忙着把道具搬出剧场，有的抱在一起，说着笑着。那一刻我在想：又一年喜剧节结束了，今年的梦也要醒了呢。
今年我最喜欢的节目是大枣的《晚安，承天寺》。故事以《记承天寺夜游》为底本：遭贬的张怀民在承天寺里坐立不安，等一封右相的来信；豁达洒脱的苏轼变着法子逗他，替他松一松那根绷紧的弦。等到信终于来了，怀民才知道自己等来的不是起复，而是罢黜——而那时候，他已经把这一切放下了。
就像涛哥说的，喜剧就是把日常里那些让你痛苦、难受的东西解构出来，笑了，就不那么害怕了。而这部戏的内核，其实是每一个职场人的挣扎。张怀民是所有在职场受挫、不被看见、却还盼着有一天被重新赏识的人，他夜里睡不着，等一封"右相"的信。苏轼则是从这个异化人、乃至吃人的体系里走出来的那个人，他劝怀民，开导怀民。最后那封信是用画外音念出来的，内容是标准的美国职场裁员信："嗨，怀民张，经朝廷全面审视，我们不得不做出一个艰难的决定：对部分官职进行调整。很遗憾，你的官职亦在此列。感谢你一直以来……"念到"感谢你一直以来"，怀民当场把信撕了，邀苏轼赏月。然后苏轼一边饮酒一边吟："何夜无月？何处无竹柏？但少闲人如吾两人者耳。"每到这里，我的眼泪就刷刷刷地往下掉。
这几年，我越来越厌倦这样一个彼此异化、效率至上、优绩至上的职场。我们耗着身体、精力和情绪拼命干活，替公司赚钱，为自己的 scope 和别人争来争去，我看不出这中间有任何意义。工作只让我疲惫、不开心，很少给我正反馈和能量。世上没有闲人，只有忙人，而忙人也是盲人。那些曾经让我们高兴的东西，就这样一件件被忽视了。就像剧里演的：
怀民：（赏月片刻）这月亮可真大啊，以前怎么没发现呢。
苏轼：你以前不举啊。
怀民：你说谁不举？
苏轼：我说举头，举头才能望明月
怀民：哈哈哈，真烂！
而喜剧节，就是一场让我们重新当一回闲人的梦。近百人的剧组前前后后、里里外外忙活两三个月，搭进去大把的时间和精力，为的就是把那些触动过自己、也曾让自己痛苦难受的东西搬上舞台——解构出来，就不怕了；笑出来，就过去了。导演们做这场梦，演员和幕后陪着他们把舞台一点点搭起来，到最后，成了所有人一起做的一个闲人梦。还有什么比这更美好的事呢？当效率、scope 这些东西都被放下，那些曾经被我们忽视的月亮，又重新被看见了。这个过程当然累：演出前一周，白天上班，晚上到剧场跟排到十二点，周末一睁眼就往剧场赶；更早之前也是一遍遍地跟排，和导演对剧本、做音效。但一路上大家帮着彼此、撑着彼此、认可彼此，这是在日常工作里很难感受到的。
也正是在喜剧节的那一周，我开始筹备内部转组，这就是我在上一篇里写到的、决定要做的那个改变。我意识到我所在的这个 org 的文化，就是在奖励那些愿意加班、愿意拿休息时间去换"进步"的人；不适应的人都走了，留下的人又反过来把它加固。我显然不适合，我只想做一个闲人。转组的念头，其实一个月前在 DH 的葬礼上就有了。那天 DH 老公的最后致词：去找你的 passion 吧，whatever it is, then go for it。我很清楚，我的 passion 不在现在这份工作里。我不喜欢广告的商业模式，它和我抵制消费主义的价值观相冲；我也不喜欢现在的工作环境，这里太卷了。也许我还得继续找我的 passion，但至少得先闲下来，不再盯着地上的这些六便士。举头，才能望明月。而昨天，新组的 offer 下来了，是一个相对清闲的组。
何夜无月？何处无竹柏？但少闲人如吾两人者耳。
2026-09-14 08:40:00
何伟在《江城》的结尾处，分享了他教给班上学生的一首英文诗，用以怀念他在涪陵的最后时光，诗是这么写的。
NOTHING GOLD CAN STAY
Nature’s first green is gold,
Her hardest hue to hold.
Her early leaf’s a flower;
But only so an hour.
Then leaf subsides to leaf.
So Eden sank to grief,
So dawn goes down to day.
Nothing gold can stay.
人生的金色不可永久
大自然的第一抹绿意乃是金色
她最难留住的颜色
她最早的一片叶子乃是一朵花儿
但是只停留一点钟儿
然后叶子便褪为了叶子
如斯，乐园落入了哀伤
如斯，黎明落入了白昼
人生的金色不可永久
英文原版还有个韵脚的押韵，读起来很舒服。而中文版的翻译，把 So 翻译成「如斯」很美。
前一阵子读完了《飘》，原名叫做《Gone with the wind》。虽然电影版的名字常翻译成《乱世佳人》，但这完全弱化了原书想表达的主题。作者想表达的，是在经历南北战争之后，对南方种植园生活的那种深深的怀念。作者出生在南北战争之后，常常听自己的父辈诉说那个动荡年代的故事，怀念那种带着古典、贵族气息的生活。这部分的思念，借着书里的艾希礼以及各种传统南方人在战后对过往岁月的留念，乃至一种近乎顽固的思想所表达出来了。而当我这次读完之后，我意识到那些随风逝去的，不仅仅是南方种植园的生活，还有斯嘉丽曾经那天真烂漫、不谙世事的少女时光，一场战争，三次婚姻，作为塔拉庄园长女的责任，彻底把那个只知道和男生跳舞、调情的小姑娘变成了一个精于生意的少妇；同样随风逝去的，还有她对艾希礼的幻想，以及白瑞德对她的爱，凡此种种。
《飘》是我非常非常喜欢的一本小说，第一次读是在高中毕业后的暑假，合上书之后的那种震撼感，让我久久不能平静，一直很想再读一遍。谁曾想这一等，就是 12 年。而回看这十二年的光阴与岁月，我又不禁感慨，这自由烂漫的时光，就这么随风逝去了呢。
上个月底参加了我们好朋友 DH 在Seattle Mountaineering Club葬礼。山是她的热爱，亦是她的归宿，而葬礼选在 Mountaineering Club，亦是最好的选择了。当得知朋友逝世之后，我写了《Gone with the wind》那篇文章悼念她。这么美好的一个生命，就这么轻易地离去了，我又一次理解了米切尔在书里写的那对某件人、事、物止不住的怀念。而当读到《Nothing gold can stay》之后，我又不禁感慨，是啊，所有的那些美好，终将会逝去，我只能接受这么一种必然。
她的丈夫在最后的致辞里面说，他也许在很长的一段时间里都不能再次走进山里，但他一定会继续攀登，因为这是他热爱的事情；而他也对他们的小女儿说：去寻找你的 passion 吧，whatever it is，then go for it。而这句话也给了我很多的触动，我意识到我把自己的生命、生活局限在了一些我并不热爱，甚至很痛苦的事物上，对此我也决定做一些改变。生命太短暂、美好的事物不会久留，当我们还有机会去抓住这些事物的时候，就好好的活在当下，享受它；而当它终将随风而去之时，那就随他去吧。然后我们就像斯嘉丽那样告诉自己：Tomorrow is another day。
2026-07-21 12:25:00
有的人的灵魂自由而轻盈，在这世间尽情地活着，做自己喜欢的事：阅读，徒步，跑马拉松，登山，养育自己可爱的孩子。永远活在当下，对朋友友善，爱护家人，不愿给生活留下任何遗憾。但也许正是因为灵魂过于轻盈，风一吹，就散了。自由与永恒，似乎永远难以两全。
下午上班的时候，YR突然发来消息：XX走了，爬山出了意外。看到消息的那一刻，我莫名地平静。我点开微信，读书群里有人宣布了这件事，我依然平静，只有些恍惚，没有任何情绪涌上来。紧接着连开了一个半小时的会，和组员商量工作上的事情，我没有时间让自己静下来想这件事。
快下班时，我又看了一眼群。大家还在说，说着各自与她的种种过往。我也开始想起我的。四五月份的读书会，我们读的是苏轼传，散场后一起吃饭，谁能想到那竟是最后一面。她大我十五岁，我们聊起天来没有任何隔阂，我单身那阵子，她还总打趣我，怎么还不找个女朋友。她爱读书，也爱写字，我有个闲置的公众号，索性给了她，她用来记录自己的生活——登山，读书，还有女儿。她的文字细腻，又真实。那个公众号，从此不会再更新了。
我打开微信读书，点开《比山更高》。我早已从书里知道这样的事会发生，我知道亲友们会是什么反应，知道同行的山友会经历怎样的伤痛。她是幸运的，生命终结在追寻自由的路上；她又是不幸的，这条路她走过很多次，她一定没想过会在这里出事，她一定还在期待着下山后与女儿的相聚。
但我不知道，我居然会这么平静，平静得让我自己都觉得冷漠。我从书里找到当初划线的一段，发到群里，试图安慰大家。我一直觉得，一个人如果是在追寻自己热爱的事物时死去，那是一件幸福的事。
小柳曾计划过，假如他们登顶了幺妹峰，就将这条新路线命名为"勒满"。在四姑娘山当地的方言中，勒满是快乐的意思。也许在最后那一刻，他们真的很快乐。正如小柳的那句座右铭：如果什么意外发生让我丢了性命，那不是个悲剧，因为我在做我热爱的事，睡觉前想到，明天还会做自己爱的事，那是一种恩赐。
我继续往下翻，看到另一处划线，泪水突然就涌了出来。每一个追求自由的人，都背负着这样一条原罪。严冬冬，伍鹏，还有我的朋友——他们知道自由的代价是什么，知道自由会刺伤离自己最近的人，但那份热爱实在太过强烈，他们只能背着这份原罪，继续向着朝阳，向着远山走去。
这是自由攀登者永远无法与自己和解的原罪：他们选择远离这个安逸的美丽世界，走上一条遍布悬崖与荆棘的道路。路上的死亡悬崖属于自己，而路边的荆棘刺伤了离他们最近的人。在他们看似坚定地寻找自由和自我的路途中，也会有这般彷徨怯懦、犹疑的时刻。大多数成熟的自由攀登者不会回避、无视这原罪的存在，而是清醒、痛苦地背负着它一起攀登。
后来我知道了，我们的平静不是冷漠。出事之后，我和YR在线上聊得极少，两个人都很克制，几乎没说什么。可见了面，眼圈都是红的。见面第一件事，是紧紧地拥抱——还在外面，不好哭。等进了去车库的电梯，四下无人，我们抱在一起痛哭，什么话也没说；然后默默走进车里，再一次抱住，失声痛哭。
我由衷地佩服她，和她的爱人。他们都是登山者，一起登山，一起跑马拉松，像登山界的神雕侠侣。她也是一位母亲，女儿得来不易，她把所有的爱都倾注在这个孩子身上，陪她跑步，陪她徒步，把她带进山野。山和家，在她身上从来不是两件相互撕扯的事——那是同一种爱，爱这个世界，爱得具体而用力。他们是勇敢的、坚毅的，是大写的人。任何不了解、不曾走进这项运动的人，都没有资格指责他们。没有谁可以束缚他们，不许他们追求心中的热爱——因为这于他们就是生命，就是空气。我们作为生者，能做的是好好支持他们，支持这份热爱，而不是站在山下评判。这才是对逝者的尊重。
"如果你放弃很喜欢的事情，我觉得这一个人身体里的某个部分就死掉了。你变成了不完整的一个人。我相信登山也是一样的，"曾山说，"如果一个人喜欢去登山，就让他去登山。如果父母不让他去登山，我觉得不让子女追逐他们热爱的事情，是非常自私的行为。"
就像严冬冬和周鹏开辟的那两条路线——幺妹峰的自由之魂，嘉子峰的自由之舞——一座座山巅上矗立着的，是一个个追求自由的人。他们和那些追求世俗意义上成功的人一样，都在追求自己热爱的事物。他们的灵魂轻盈、干净，一阵风吹过，就随风散去，gone with the wind。风之所去，即是自由所在。