2026-11-02 07:18:34
朋友，我最近在看 AI 短剧，你有看吗？我以研究的心态看了一点：《归墟》描述一个被黑雨侵蚀的，所有生物包括人类都开始大规模变异的末日世界。《妖怪衙门》则讲述了一个妖怪与人类共存的世界，围绕乌有乡的衙门所发生的故事。
抛开 AI 生成画面所产生的油腻感之外，这两个短剧让我能够追得下去，还在于它们的剧本十分精彩。我喜欢《归墟》是因为它的设定环环相扣，十分缜密，为了交代黑雨对生物的影响，故事里安排主角主动感染黑雨，并由他以第一人称视角来阐述这种感染的后果，显然要比直接用旁白来描述，更令人感到有说服力。播放量高达 40 亿的 AI 短剧《持械入宋》，其内容风评甚佳，很多人提到通过它学到了组织骑兵冲锋、士兵着甲等知识。
朋友，你有没发现，同为短剧，AI 短剧和短剧，风格有相当的不同——AI 短剧可能真的没法使用明星来兜底，在制造戏剧性冲突这部分可能也无法与短剧相比，所以故事内容多多少少比较硬核，更注重细节的打磨。很多 AI 短剧的作者不是中央戏剧学院这类科班出身，《持械入宋》背后的「瑾叶剧场」都「不是影视专业毕业生，在接触 AI 前多为网约车司机、宝妈、送货员、普通职工等，以线上协作的方式参与制作。」，创始人张汉生 53 岁。（来源）
最近流行「一代版本一代神」的说法，显然 AI 短剧是新一代版本，而每一次新版本的到来，势必令某些「草根」逆袭「成神」。瑾叶剧场就是如此。看到张汉生 53 岁还能有如此成就，朋友，我不知你会做如何感想？我的感想是，牢牢抓住版本更新的机会，比起什么都重要。
当前 Agent 总是以「对话」作为信息呈现，和操作的方式。Agent 自有十八般武艺可以处理这些。但是，我还是不得不发现，如果与 Agent 的互动，只有「对话」这一种形式，很多时候效率非常低下。
我自己有实际例子：我有一个由 Pi 运营的媒体工作室，它搜集素材，处理素材，写成文稿，然后发布。但是，不会所有稿子都能够合我心意，但每一次我都要另外打开一个 Markdown 编辑器来处理文稿，再告诉它去发布，这个流程、工具上的频繁切换所造成的摩擦，很是让人心累。还有就是，LLM 挑选的素材永远不可能完全满意，重新发现素材寻找素材的过程，就比较折磨了，在对话界面里，Agent 有时会列出完整的清单，有时不会，有时只会列出标题不带链接。
所以最近，我还是通过其它开源项目的基础上魔改了一个媒体工作台出来，它包含了我所有的流程，从搜集到写稿到发布。但所有操作都包含在统一的界面里，我需要的特性直接以按钮呈现，我不必再反复手动输入一长串文字来对内容，或选题进行修改。我这里不是否认 Agent 在自动化处理方面的作用，相反，这个媒体工作台的大部分流程都仰赖 Agent，只不过关键步骤，比如选题，改稿，和发布的时机，则是有人参与。我还保留了对话框，因为有时候，与 Agent 的直接沟通也是必要的。
从以上可以看出，我仅仅反对把「对话」当成与 AI 交互的唯一界面，在一些必要环节上，应当保留图形化界面的便利之处——一个按钮可以封装好的操作，就不必多打三段话。总之，这个工作台搞定了之后，我个人觉得每天的精力好了很多。
Lifestreams: a storage model for personal data 是 1996 年耶鲁大学发表的论文，及其产品原型在早期人机界面，人机接口的探索上，似乎占据着一个重要的地位，它总是很容易被不同的人，在不同时间点提起。其中不乏 Jaron Lanier、Stewart Brand、Steven Levy 等技术哲学家、硅谷精英。
直到今天，你都会觉得 Lifestreams 的想法与众不同。
用户打开 Lifestreams，看不到任何文件夹，首先看到的是一个重叠着 n 份文档的信息流，所有信息都在上面，包括要发送的邮件，今天的支出收入等等。然后，用户可以根据搜索的关键字，从这个总的信息流中分化出不同的子流。每个子流还可以包含独特的文档类型。
Lifestreams 还有 2 个信息处理器：Summarize 和 Agent。Summarize 是针对某个子流里文档，将其中信息进行整理，以合适的形式展现出来，论文中以股价信息为例，一连串的股价信息文档，可以压缩成一个股价走势图。如果是财务信息，还可以根据收入、支出的类型画成一个饼图。每一个 Summarize 生成的「概览」都会以文档的形式保存起来。
Agent 和现在流行的 AI Agent 概念完全不一样，它是一段特殊的程序，可以嵌入到文档、信息流或其它用户界面上，它可以自动化处理某些任务，或者是添加新的功能，和界面。论文中举例，比如有一个电话代理，如果激活它，会弹出对话框，然后输入对方的名字，代理会在信息流中寻找对应的名片，找到后提取里面的电话号码。Agent 的界面和操作完全可以由用户定义，我举例的这个电话代理，它就是由用户所写。
——所谓「生成式 UI」，还有「可塑化软件」这类当前看上去正在实现的理念，早在 20 多年前提出来了。不过，这其实不重要。因为如果你仔细看看 Lifestreams 的这套机制，你会发现它动摇的，其实是自施乐（Xerox）以来桌面操作系统的隐喻——桌面，文件夹，文件这套隐喻；乃至于现代软件产业的前提，不同的信息（数据），需要通过不同的专门软件进行处理。
在 Lifestreams 中，数据不需要保存为文件形式，甚至连文件名都不需要；针对不同类型的数据，只需要从总流中分出子流即可；而针对不同信息（数据）的处理，Summarize 和 Agent 则可以代劳，前者解决数据以何种形式呈现的问题，后者解决数据以何种方式操作的问题。当信息（数据）从软件中解放出来，还原成信息流（数据流），并使用 Lifestreams 这种方式来交互的话，我可以大胆这么说 Lifestreams 就是一个操作系统。
那么它和题目中提到的 AI OS 是什么关系呢？在 GPT-4 出来之后，已经有预言家说 AI 将在当前操作系统之上，另外形成一个操作系统层。我认为，预言十分准确。很多人已经懒得打开具体的应用了，取而代之的是让 AI 代劳。最近 GrokBot、Muse、ChatGPT Dots、Claude Dou 的出现，更让这条预言落到了实处，我看到有人用它经营十几个媒体和社群，有人用它来控制烤炉做菜，甚至说完全让它来承包一次旅游，旅游攻略、订票、订房统统都让它来。——但是有些对话如果是一而再再而三地重复，就太麻烦了。这是我一直比较疑惑的，因为我有实际的经历—
我有一个由 Pi 运营的媒体工作室，它搜集素材，处理素材，写成文稿，然后发布。但是，不会所有稿子都能够合我心意，但每一次我都要另外打开一个 Markdown 编辑器来处理文稿，再告诉它去发布，这个流程、工具上的频繁切换所造成的摩擦，很让人心累。所以最近，我还是通过其它开源项目的基础上魔改了一个媒体工作台出来，它包含了我所有的流程，从搜集到写稿到发布。但所有操作都包含在统一的界面里，我需要的特性直接以按钮呈现，我不必再反复手动输入一长串文字来对内容，或选题进行修改。我这里不是否认 Agent 在自动化处理方面的作用，相反，这个媒体工作台的大部分流程都仰赖 Agent，只不过关键步骤，比如选题，改稿，和发布的时机，则是有人参与。我还保留了对话框，因为有时候，与 Agent 的直接沟通也是必要的。
大神 Andrej Karpathy 应该也支持我的观点，他最近的 tweet 就分享了自己与 Agent 的沟通方式，使用 ASD-STE100 语言、图标还有 HTML 来承载沟通的内容，而不是通过反复对话。他的分享其实表达了同样的观点：「对话」不应该成为与 Agent 互动的唯一界面。
回头看我的工作台，它做的事情很简单：把我反复要说的那些话，固化成了按钮。这让我重新想起 Lifestreams。
Lifestreams 当年已经给出了答案的骨架：信息不归属于任何软件，统统放进一条流里；要看某一类信息，就从总流里分出子流；至于这类信息怎么呈现、怎么操作，交给 Summarize 和 Agent 这两个处理器。但这个答案在当时并没有成立，问题出在处理器上——处理器得有人来写。论文里的电话代理，是一位高级用户写的，大约 150 行代码；另外，作者自己也承认，编写代理的编辑器「很简陋」。Summarize 在最终评估中只占全部操作的 1.4%，作者的解释是有用的汇总器太少，用户也提出想要更多的类型。说到底，只有会写程序的人才能为自己的信息造一个界面，而大多数人不是程序员。
今天的 AI 恰好补上了这一环。但我觉得它补上的方式，并不是把 Lifestreams 里的 Agent 直接换成现在的 AI Agent——那样的话，我们只是把对话框搬进了信息流里，每次处理还是要重新对话一遍。AI 真正适合的位置，是处理器的作者：我用一句话描述我想要的界面，它写出这个处理器；之后每次打开，处理器直接运行，不再需要对话。对话只发生在设计的那一刻，留下来的是界面。
这是我在 Supertag（一个 Emacs 的笔记插件）上做的实验。Supertag 里有一个总流，所有笔记按时间排列；给笔记打上 #contact，它就进入联系人的子流。我对这条子流说一句：「联系人按社交等级分组，按一个键记下今天联系过。」模型写出一个代理，装上之后，这条流就变成了一个联系人管理界面：哪些人是核心、哪些人很久没联系，一眼就能看到；按一个键，就把今天的日期写进那条笔记。我没有安装任何联系人软件。项目也一样：一句话，项目的子流就把接下来要做的事排在最上面，已经过期的单独一组，任务挂在所属的项目下面。不满意，就再说一句修改它，让它一点点变成我想要的样子。
这里有两个处理器，分工和 Lifestreams 一致：Summary 负责汇总，适合做阶段性的概览；Stream Agent 负责操作，为一类信息生成专门的操作界面——怎么分组、每条显示什么、按哪个键改什么。它们和 Lifestreams 也有不同：Lifestreams 的概览是一份存下来的快照，Supertag 的概览每次打开都用当前的数据重新画；Lifestreams 的代理是藏在菜单里的一段脚本，Supertag 的代理直接就是一个界面。
做这个实验的过程中，我有几点结论。
第一，数据要比处理它的程序活得久。现在的 AI OS 恰恰在这里和 Lifestreams 相反：AI 叠在应用之上，替你去点按钮，数据还锁在一个个应用里，对话结束了，什么也没留下。Supertag 的规矩是，文本（Org 文件）是唯一真相，流只是一个视图；代理不新建笔记，只读取、只修改属性。哪天代理坏了、删了，笔记还在，换一个代理照样能用。
第二，模型只在被叫到的时候出场。Lifestreams 的代理是由事件触发、自己运行的，作者甚至戏称它为「良性病毒」。如果把这个位置直接交给大模型，就等于让一个输出不稳定的东西在后台自动改你的数据。所以在 Supertag 里，自动运行的部分都是确定的：规则、已经生成好的代理代码，都不调用模型；调用模型只发生在我主动按下的时候——设计一个代理、修改一个代理，或者某个明确的按钮。这和我的媒体工作台是同一个道理：大部分流程交给 Agent，关键的决定留给人。
第三，生成出来的界面，只能用一组可信的基础组件来搭。Lifestreams 的代理可以是任意代码；Supertag 的代理在装上之前，要先通过一组规则检查，比如每条笔记都要有归属、修改之后界面要能 生成。模型的能力有高有低，但界面的底线是固定的。
当我这么想的时候，我发现了一个新的世界：用户不必困在对话框里，也不必困在一个个应用里，按需分成不同的流；每一种信息都有专门的界面，却不再需要专门的软件；每一份文档都可以被 Agent 修改，但不必每一次都通过对话。
回头看 Lifestreams，它缺的从来不是想法，而是处理器的作者。今天这个作者终于出现了。这才是我理解的 AI OS：不是在应用之上再叠一层对话框，而是让对话的结果沉淀成界面，让信息从软件里解放出来。
PS：Lifestreams 还有很多其它优秀的理念，但由于与本次讨论的题目不合，就不一一列举了。
照例重阳回老家拜山，回到老家的下午，我和父亲，还有从广州赶来的堂叔，拿好精钢锄头和钩镰刀，就上山披荆斩棘，清理山路。
今年可能因为有人上山采松香松脂，所以到家族墓地的那条山路不再长满杂草，清理起来比去年都要简单。不到一小时，就一路清理到了家族墓园。去年就我和父亲两人清理，一路艰难，台风风力猛，又刚刮过，一路上不光杂草丛生，最难处理的，那些从中折断的树。那时辛辛苦苦搞到墓园后，还发现有一颗碗口大的树，折断了，架在墓园边，树头一侧正好在墓碑之上，父亲和我费尽九牛二虎之力，才终于把这棵夭折的树从墓园移走。
尽管如此，墓园的清理和去年一样麻烦。经历多年，墓园的水泥这些已经老化，墓碑、地面总长满了芒草，又滑又坚韧，而且有的长在墓碑之上，砍不顺手，非常费劲。
去年留在墓园里的扫帚，扫帚的头已经腐烂，拿起晃两晃，就只剩下光秃秃的扫把了。墓园里，黄色的落叶已经铺满地，没有扫帚，光用砍下来的芒草做扫帚，扫得腰酸背痛。
堂叔和父亲都是认真仔细的人，一边闲聊，一边将地面，墓边清理得干干净净，我也就大概清理一些，但完全没有两个老人轻松。
从山上下来，我其实非常困倦，但父亲还是神采奕奕，与老家的朋友不停聊天，完全不觉累，真是佩服极了
周日下午 5 点，与妈妈出发，去海天公园举办的粤港澳美食嘉年华。一下车，来到入口，就感受到活动的热浪，哪里都是人，用「摩肩接踵」这个成语形容毫不为过。
这一次由政府主导的美食嘉年华，的确汇聚了珠海知名餐饮品牌。比较有趣的，还有一个粤港澳挑战赛作品——这个挑战赛难道有在电视台播出么？不过，由于我家里人一般不看珠海电视台，所以有可能错过了也不一定。
我觉得每一个餐饮品牌都非常认真地准备了本次的活动，提供了代表性的产品，让人过来享受和感受。一些定位较为高端的，还推出套餐，让人 68 元就能吃到一只小青龙。
我和妈妈吃了：蛋挞，牛杂，咖喱角，羊杂，羊肉烧卖，羊肉汤面，一共用了 150 元。
看到这个知乎的回答才知道，原来小小一份爆肚的讲究可多了，光部位就有：食信，肚仁，肚领，肚板，蘑菇头等，做法还有水爆、油爆两种。
真是不了解都不知道，答主也是食客，看他怎么享受一份爆肚的：
自带一个二两的扁瓶二锅头，进门先点一盘食信，一份小料，单上一碗香菜。
食信吃差不多了，再下单一盘蘑菇头或是肚领，比食信软和，也是下酒的好菜，再喝一两酒。分开下单，是因为他家爆肚上菜快，一起点就凉了。，爆肚一凉就硬，跟皮条一样，没法吃了。
喝完酒，来一盘百叶或者肚仁，这时候第一碗麻酱小料也差不多吃完了，再加一碗麻酱，一个烧饼，百叶和肚仁适合就着烧饼吃，吃饱喝足了，来瓶北冰洋漱漱口，后海边上溜达溜达晒晒太阳，看看老头下棋。
我最近重温《麻辣教师 GTO》的动漫版，剧情依然经典，虽然比漫画版要删减了很多不适合在电视上播出的内容。它真是一个成功的漫画 IP，无论动漫，还是电视剧，都十分经典。我大概是 20 多年前看过这部漫画，当时它其实已经在讨论「原生家庭」的问题了。
回顾前苹果交互设计师 Bret Victor 的《可学习的编程语言》，主要探索将编程语言的求值过程可视化
让两台数字设备一起玩的双人游戏 bigboard.game，非常绝妙的想法。其技术主要来自之前的一个技术展示，有开发者站是使用两个 Chrome 浏览器，但相互之间传递信息流，甚至可以产生互动。
LindPad OS 令 iPad 以 App 的形式运行完整运行的 Linux。可以做很多事情，比如说，在上面跑个 Emacs。
2026-10-03 16:51:48
朋友，这封信来晚了，本来应该中秋就写的，没想到国庆也已经过了 3 天了，才终于提笔写起来。祝你中秋，国庆快乐！
每到中秋，都非常想念爷爷奶奶。我永远记得，在老家住的 3 个月，是我一生中最快乐的日子。
爷爷写得一手好字，奶奶能烧一手好菜；爷爷说话慢条斯理，奶奶说话噼里啪啦；爷爷常坐在大厅的一角，看着门外，奶奶总进进出出，屁股总没有坐下的时候。
我记得，正是贪玩的年纪，小朋友喊我出去玩，我放下笔就跑出去了，回来看到爷爷跟我说，你看你一急就把题目写错了。下一次小朋友喊我时，我再心急也把题目做完了，但是此时小朋友早就一溜烟跑没影了。
我记得，奶奶喜欢背着我，到村广场的早餐店里吃肠粉，那时候趴在奶奶的背上，感受到奶奶温暖粗糙的手，时不时提一提，拉一拉我。
我记得和不记得都都还有很多，但每大一岁，就会愈发想念爷爷奶奶，想念那个无忧无虑的午后。
我和老妈一起去看了《欢迎来龙餐馆》是由沈腾、蒋明奇主演，文牧野导演的一部反战剧情片。我是冲着网络上的评价才去看的，看完之后，我认为它的好看程度甚至超越了网络的评价。我最大的感受是，这部电影其剧情之精彩，对战争的反思之深刻，堪比尼古拉斯·凯奇主演的名作《战争之王》——甚至是超越。在这部影片里，沈腾扮演的徐福作为被当地冲突波及到的外乡人，提供了一个第三方视角来看待这场冲突。走私酒水这件事，刚好将所有角色都收集了起来，走私酒水的通行证，本地人扎伊德提供了帮助，但它服务的对象却是一帮侵略了这个国家的外国人。
最关键的是，这部片子描绘的战争十分平等，它平等地对待了在影片里出现的每一个角色所代表的一群人，包括徐福自己：被占领国的民众死了，侵略者的士兵死了，恐怖分子也死了，徐福身边的朋友也死了。
《欢迎来龙餐馆》有三条故事线，我一直在品味：
我觉得《欢迎龙餐馆》很好看，它的写实主义没有参杂太多「戏谑感」，而是像纪录片一样，准确真实地反映了一个中国厨子远在他乡的遭遇。而在这个故事中，作为观众的我们，没有感受到价值观被调教，而是跟随着故事，自然而然地产生了感受。
我非常赞赏文牧野的创作方法，我查了一下，他 1985 年出生，也可以被称为「最强 80 后」之一了。
马庵位于南屏，当今被称为南屏观音庙，相传是葛洪（又称抱朴子）在罗浮山隐居时，受邀到此地游历讲道，遂建成马庵。
马庵里有一濂泉洞，常年流有泉水，是附近人家一直以来重要的水源地。
为了本次还愿，老爸提前了差不多一个星期准备。先是找到一个地方订供神用的母鸡、烧猪肉、苹果，然后准备好纸宝、香、烧酒等物。说来很巧，上个星期，老妈买了一些苹果，刚好剩下 6 个用于还愿，不用另外准备。菩萨有灵！
当前上午 7 点多时，我们全家出发，取了母鸡和烧肉，直奔马庵。从山脚到马庵，是一段缓缓的斜坡，刚好走到庵的入口处，下了一点雨，我们在入口的迎客亭歇了一小会，等雨停了，再走进马庵。
马庵不大，走到门口就有一道石板路引人向上，直接到濂泉洞口，也就到了观音庙。我们摆好供神用品，一家人都虔诚地拜了拜，烧了纸宝就下山了，此时，凉风阵阵，空气清新，心情一阵舒畅。
本次准备的母鸡、烧猪肉，皆购自湛祺烧腊店，位于三小附近。
每一次大模型厂送额度，都让人肾上腺素激增，但用完这些赠送的额度之后，回头一看发现自己都制造了一些什么垃圾，一地狼藉，还得多另外花更多的时间来重构，理顺项目结构，清理多余的代码。
我认为，「送额度」和商场发给你的折扣券没有差别，都是一种刺激你消费欲的临时措施。至于刺激消费欲的后果，大家也知道，家里会囤积一大堆没用的东西，不舍得丢，整理又麻烦，还占了空间。
折扣券的意义和目的，就是为了消费膨胀，但不真正引导人拥有更好的生活。它只是用一种稍微轻微 的代价，为他人制造了一种「低质量」的生活幸福感——虚幻的拥有。
「送额度」也制造了「膨胀」，和「消费膨胀」一样，「代码膨胀」也是低质量的，它制造了一种「我很能干，我干了很多的」的能力幻觉。
所以我觉得「送额度」很多时候是一个陷阱。如果只是为了花光这些额度，而匆匆忙忙制定某些开发计划，我觉得后果必然是花更多的精力，去收拾烂摊子。但有一种情况，我觉得是可以享受「送额度」的，就是原本已经有一些计划，只不过暂时尚未安排，在这种情况下，使用赠送的额度来加速整个计划的执行——这完全没问题，一切都在计划之中，而且你没有花额外的精力和时间。
下一次，如果再遇到「送额度」，我觉得还是，不妨冷静下来，先看看自己原来的计划有什么可以加速，查漏补缺的地方，如果有，那么好好享受这些额度，但未来的计划提前；如果没有，那还不如按照原来的节奏走。
总之，不要因为「送额度」这件事多占用自己的时间和精力，有多余的精力可以锻炼、社交、娱乐，又或者，好好想想下一个计划。
把时间投入到高质量的方面去。
看到一篇刘欢讲课的结语：
音乐真的没有什么作用，我们这个世界就是这样，我们看到西方音乐走来的这个历程了，我们看到了这么多美好的音乐，这么多优秀的音乐家不断的努力，但是怎么了，音乐没有消除过贫困，没有阻挡过战争，那些缔造出那么美好音乐的民族，他们照样去屠杀，他们照样劣迹斑斑，音乐没有什么作用。
但是对于我们来说，音乐可能又有作用。
有作用就是在我们心底，因为我们爱它，我们可以留住一个随时可以去盼望美好的希望，一个希冀而已。
实际上，音乐和所有的艺术在人类文明中的位置是一样的，就是一个不停地对美好的追问和探索。这就是有生命力的文明为什么可以一而再再而三延续生命力的原因，因为人们心底需要这种美好。而且我们看到的这个世界，我也不敢说他比以前更美好了，还是更不好了，但是我们只有一点可以告诉我们自己。如果我们更喜欢音乐，可以让我们自己更幸福、更快活。这就是我们在一起了解音乐所能达到的一点点，一点点的目的。所以，我能告诉大家的话就是，希望大家以后，爱音乐，他能给你们很多快乐。
Scott Jenson 曾就职于牛蛙设计公司、苹果、诺基亚、Google，在用户体验设计上，有着超过 35 年的经验和积累，他参与过苹果最早期的操作系统的界面设计，领导过 Google 用户体验设计以及物联网方面的设计。
在 KDE 峰会上，他发表《我们真的要永远使用相同的桌面用户体验吗？》主题演讲，本次演讲：前 20 分钟是针对主流桌面操作系统的吐槽，主要是集中在苹果和微软上，紧接着 10 分钟讨论设计思想，在最后 10 分钟，针对当下桌面系统，在设计和用户体验方面的困境，他公开了自己在这方面的探索和想法。
一个问题：计算机桌面和什么有关？是那些图标，窗口，还有鼠标吗？并不是。当前的桌面设计倾向于「无状态」设计，这种方式可以让人直接操作各类数据，很强大，但它无法保存之前的状态，这也意味着如果隔了一段时间回来，之前所做的操作记忆全部消失，需要重复再操作一次。为了可以更好地解决这个问题，Scott Jenson 切换了视角，不再把桌面认为一种数据操作的模拟，而是关于「工作记忆」——该怎么管理自己的数据，才能在所有这些工具里都能查到之前的相关内容。
「我们要怎么优化工作记忆，来改进桌面用户体验？」
Scott Jenson 随后演示了他构思的三个原型：
Scott Jenson 在本次演讲里，大量援引 Alan Kay 的话，还提及了如下几个项目和论文：
「Multi-Agent 开发是一个谎言」里我提到，Multi-Agent 的开发效率未必就高，在使用 Herdr 的时候 Leader Agent 会不定时发布命令查看 Worker Agent 的工作进展，白白浪费许多 token。
与群友相互分享了很多工具，和 Vibe Coding 的经验。一开始我们讨论的是 Multica，一个看板式 Agent 调度器。但我很快就放弃了用它来指挥 Agent 开发项目——即便设计了 Leader、Reviewer、Researcher、Worker 这些角色，让它们相互之间检查，但还是很容易一个 Agent 跑偏之后，带着其它 Agent 跑偏。我之前一直是手动搬运对话方式，完全不会出现这种问题。
后来群友发现问题之所在，Multica 居然是让所有 Agent 共享一条 Session 也难怪容易集体跑偏了。
我认为 Multi-Agent 协作时，每一个 Agent 最好还是保留自己的 Session 和记忆，这样子才好纠偏。我将 SPEC-AGENTS 项目归档时，所产生的认知就是，模型能力越强，越要位它准备纯净的上下文空间，Multica 让所有 Agent 共享一条 Session，令所有 Agent 的上下文杂讯太多了，也难怪容易跑偏。
Multica 还有另外一个问题，就是尽管它提供了供人查看日志的地方，但它毕竟还是隐藏起来了。这对于我这种希望发现 AI 的错误，能够马上干预和调整的习惯不符，而且 Multica 想要调整某个正在实施任务的 Agent 的行为特别困难，基本没有对应的入口。
我发现了两个不错的编排器，希望它们能够解决一点点这里提到的问题：
https://github.com/ordewell/ordewell
https://github.com/dagu-org/dagu
我让 Agent 帮我做了一个对比：https://gist.github.com/yibie/9bf286b60285fbc9836518f69fecb496
两者的风格差异很大。
由 Livid 开发的这个公开信息流，各方面都显得非常有趣味。
使用 Mac System 时期的系统界面作为皮肤，看上去干净利索，且细节有品位。
但这个信息流不只是 Post，它将人与 AI 的互动，以回帖的方式展现了出来。（这正是我想在 threadnote 里呈现的体验）
真的很棒！
https://github.com/anishfn/shapeshift
https://shapeshiftui.vercel.app/
一个有趣的实验，借用 Jev 的快速决策力，迅速的鉴别用户输入的内容，分析意图，将输入内容变成类似小程序那样的——但更快，更轻。
https://github.com/yetone/magpie
由 yetone 开发，可以用来切换模型
2026-09-22 17:29:23
朋友，上周我又做了不少事情，而且收获良多，忍不住跟你分享！
自上周 Jev 发布之后，我跟进了一个 Awesome-Jev 的 Github 仓库，很受欢迎。这大概是我历史上增速最快的 Github 仓库，仅仅一周就获得了破千的星标，每天都有十多个主动提交，可以说非常热闹了。
当然，我搞这个仓库，主要还是方便自己研究。得益于之前 Awesome-Autoresearch 的经验和模板，起这个仓库很快，我并不需要重复讨论应当如何搜集，和整理的问题。
从 Awesome-Jev 收录项目的方向变化，可以看到当下信息迭代的速度有多快——我说的这个快，并非那种信息流滚动的快。而是，议题翻新的快。
这一点需要结合传播学的知识来解释一下，假设每一个项目背后都存在着对某一种事物所探索的议题（毕竟产品和项目，都是对应解决问题而生），那么从 Awesome-Jev 收录的项目来看，几乎半天时间，就会冒出新的议题方向，然后出现一堆的项目开始探索这个方向，然后再过半天时间，如此循环。
我观察 Jev 的议题变化，将它的议题循环总结为：
探索与辨认 - 应用与验证 - 尝试复现 - 理论深化 - 替代联想 - 话题消散
我觉得 Jev 作为一个热点，现在已经过了最热的阶段了——接下来就是凭各自的本事，将 Jev 与现实的项目深度整合了。
要深入理解 Jev，不难，因为它本来就不难，TypeSafeai 已经把谜底放在谜面上了——Jev 是一个针对「系统一」的模型。
这个概念来自非常有名的书《思考，快与慢》，作者是诺贝尔经济学奖得主丹尼尔·卡尼曼（Daniel Kahneman）。这本书详细地向大家解释了人脑的工作机制，它存在 2 个系统，一个是「系统一」，它的特点是快速判断，自动化，且不费力，另一个是「系统二」，它的特点是缓慢，主动推理，费力。
按照这个分类，当前世界主流发展的都是「系统二」的大模型，Fable 和 Astra 的推理能力空前强大，越来越有活人感，而弊端也和「系统二」一样，更慢，消耗更加巨大。问题是，并非所有任务都用上这么强大的思考能力，我最近想整理某个项目的文档，我只是用 Astra 的 Low 这一档，只一会儿就烧了 20% 的额度。
我可以抱怨 OpenAI 不干人事，又来削用户额度了之类的，这只是事情的第一层。第二层则是，即便 OpenAI 融了这么多的钱，它也无法支撑 Astra 的无限量供应，你可以看到为了支撑这个强大的模型本身，OpenAI 本身也支付着巨大的代价——虽然它的商业模型植根于根据 token 的消耗量收费，但我充分怀疑，这种烧越多，收越多的方式是否可持续。因为每一个 token 的产生，都需要消耗电能。与之相比，互联网里的「复制代码即获得收入」，可以「一次开发，多次销售」，才可以认为边际成本几乎为零。所以，Astra 和 Fable 的额度都不经烧——我甚至偏激地认为，这两家都不应该将这么强的模型放进订阅套餐里。
回到用户视角，很多任务不需要全程都由 Astra 或 Fable 来盯着执行，换成弱一点，快一点的模型也未尝不可。只不过现在的 Codex 和 Claude Code 并不提供这种切换，很难让人根据任务自如地切换模型。毕竟，一个项目下来，要执行的任务挺多的，有的任务难，有的任务简单，但它不是按照顺序执行的，而是根据需要产生的。每一次执行都要先输入斜杠命令，跑到切换 model 那里切换，这种操作再简单，频繁且重复了之后，都会让人感到精力巨大的浪费。而 Jev 则将这种「简单任务」的场景，再细分到，仅需要快速分类就够了。
人脑之所以发展出「系统一」和「系统二」两套机制，很大程度上也是因为节能。而且，在危险的自然界，完全依靠「系统二」显然是不够的，通过「系统一」快速辨别，快速判断是这套机制的本身基础。而且，我觉得「系统一」和「系统二」未必是孤立的，可能很多信息第一时间先经过「系统一」才到达「系统二」。所以 TypeSafeai 的创始人 Diogo Almeida写了一篇将 Jev 和 Agent 结合使用的指南。
很多人觉得 Jev 没啥难的，所以评价中不自觉地流露出一种贬低——我也觉得 Jev 不难，因为实现这个模型本身不难，但难的是思路转换。毫不讳言，Jev 会直接引发行业一次范式的切换，打破过去的路径依赖。就这件事而言，TypeSafeai 本身就值得 2 亿美元的天使融资，因为它证明了人才的价值。
对于接下来 Jev 以及 Jev 衍生品的发展，我觉得很快就会进入「微调」阶段。训练多一个 Jev 并不难，我看到有人一天之后，就拿了 Qwen-3.5-1B 的模型就训练了一个类似东西来。但这不重要，因为想要令 Jev 真正发挥价值，它必须经过「微调」，做个比方，它就是个非常擅长填选择题的「做题家」。但成为那个「做题家」的前提是，它必须经历过浩瀚的题海，甚至有一个详细的错题集。
在这件事上，数据依然是最宝贵的资产。
Supertag 原名 org-supertag，是我独立开发的笔记工具。最近一段时间，我一直在重构它。这一次重构的目标是，精简模块数量，回归工具本质；目的是回归流畅的笔记体验。
一直以来 org-supertag 拥有数量众多的模块，功能全面强大，它也野心勃勃，「要将现代笔记的体验迁移到 org-mode」。直到有一天，我发现一件可怕的事实，我不愿意用 org-supertag 写笔记。所以，我停了下来，回顾自己使用 org-supertag 的经历，有觉得很舒服的部分，但也存在很多摩擦力很大的部分——后者的比重过大，导致我想用 org-supertag 写笔记的时候，心头一阵烦躁。
Org-supertag 其中一个设计的初衷，是降低笔记的整理成本，用户不用管笔记记录的位置，只需要通过特定的视图就可以直接找到对应的记录，这一点实现得不错。但 Fields 的填写与组织，还有 Table View， Kanban View 等等夹在一起，让笔记的整体流程充满摩擦力。尤其是 Fields 的存在，令笔记的流程多了一个复杂的维度——笔记不是数据库，如果真的要实现这一点，我推荐大家使用 Recutils。它是 GNU 标准工具之一，而且结构非常简单，理念是「Text as Database」，它可以和 org-mode 完美结合。
据此，我认为现代笔记工具已经走向一个弊端，作为个人的笔记工具，它没有足够的盈利点，而总要膨胀到团队协作，或者其他方面去；而功能规模的膨胀，固然令工具变得强大，但也让用户记录笔记的时候想东想西的，心智负担大，记录笔记不流畅。让我想起 Evernote 从繁荣走向衰败的历程。
我的结论是，我想要的是这样的笔记工具：在记录时不打断我思路，在整理时不要让我费神，在回顾时不复杂。幸运的是，org-supertag 尽管变得膨胀，但其基本架构完全可以做到以上 3 点，尤其数据流部分，我在这方面花费的心思最多，尽管现在经历了多次重构，但数据流并没有发生多大的变化，称得上 rubust 和 solid 了。
我最后把自己的需求缩减成了三句话：
我现在通常先把内容写下来，之后再决定如何整理它。好处是，写信比以往更方便了，我通常只需要从自己的日记里寻找到之前的材料，直接复制过来就行
这一次重构给我带来的教训是，「一切都要从心出发」，用心感受真正需要的功能是什么。只有自己能够一直使用下去的功能，才是值得推荐给他人使用的。
在上一封信里，我提到封存 SPEC-AGENTS 这个项目后，有网友 James 来信希望跟我继续讨论，我回信之后，没过多久，他又回了一封信息密度极大的邮件过来，里面有非常深刻的思想和洞察，迫使我继续深入思索这个话题——益友就是如此，能够促使你进步。
James 在邮件中提到了他设计 SPEC 开发方法的出发点，还有他那一套方法和 SPEC-AGENTS 的异同，他提到：
我觉得我们的两个抽象其实很值得并排比较一下，因为出发点极其接近，但最后似乎分别走向了：
你：如何让模型拥有一个足够好的、可持续演化的世界模型
我：如何限制模型只能在已经获得人类语义授权的世界里行动
而 Jev 又从另一个方向在追问：模型如何暴露并结构化自己的判断。
我怀疑这几条路最后还会在更高一层重新汇合。
虽然我还没能拿起笔回信，但我现在已经想到了这个最终一层的抽象应该什么——「软件工程设计」。把 SPEC 开发流视为一个软件工程，然后以软件工程的角度，重点使用抽象、复用、组合，三板斧来解决开发流过程中遇到的问题。
这个想法来自与群友 geekinney 的讨论。他在群里晒了两张使用 Pi 之后，自己编写的技能和插件，数量非常庞大，光技能将近 20 个，插件也有 10 个。我记得，才两三周前，他说要开始尝试 Pi。如此短的时间内，如此大量的成果，生产力非常惊人。
在群里，他也提出关于技能的有趣的观点：「优秀的技能，是要写出来之后，连本地小模型也能够准确地执行。」
我觉得，这个标准提得很好。我们在网络上，经常看到大 V 晒技能，效果很不错，常常弄得心痒痒的，但自己尝试又未必如此，很大的原因是大 V 跑这个技能时的客观条件，与别人有很大的不同。这意味着，这些技能基本上是一时的产物，缺乏持久性，泛用性。尽管大 V 自己用起来的效果很炫，但难以成为一个大家都可用的、优秀的技能。
总之，不要问为什么大 V 行，而自己不行，也千万不要把这事儿的原因归于自身，就好像做实验，完全两种的实验条件，得到的结果自然是不同的，这里所应当。如果按照 geekkinney 所说的，一个优秀的技能，应该如何？
geekinney 在他自己的 Telegram Channel 里系统总结了自己的想法：
「我觉得 skill 本身就是一种软件，需要按照软件的工程规范来组织。它和软件的区别在于：软件完全就是代码，要求所有的功能提前开发好，然后精确执行。而 skill 更加的灵活，它结合了自然语言和程序；程序负责具体的功能，自然语言负责定义规则，规定用什么程序来做。这样的组合放大了传统程序的能力，因为自然语言可以拓展程序的能力边界，通过最小功能的组合和复用来实现。这就是 unix shell 的哲学。
技能的内部是如此组织的，所有的功能都要最小的操作原语，常用的流程可以固化下来哪些组合，不常用的就让模型自己推理如何组合。技能与技能之间也是如此组织的，一个更复杂功能的技能可以由更小的技能组合来完成，无需重复造轮子。」
从以上总结可以看出，关键词是两个：抽象组合，复用。这也是软件工程的基本原则。
我与 geekinney 之前交换过「软件工程」的看法，和他一样，我认为在 Vibe Coding 盛行的今天，「软件工程」的素养变得更加必要了。看他对技能的开发，能够明显感受到，将「软件工程」的思维运用到其它领域的确是一个非常值得尝试的方向。
现在，我要面对一个心情问题，如果有一个朋友比你聪明，能力比你强，还比你帅，你是羡慕嫉妒恨呢，还是羡慕嫉妒恨呢？
朋友，今天的信就到这里，祝你中秋快乐，生活愉快！
2026-09-22 16:55:37
一段时间没写信了，你还好吗？再次提起笔来，真是让人开心，每一次写信都是你我的一次重逢，为了这份不断的缘分，我也要提笔写下去。
最近，我在 X 上的粉丝突破了 5000 人，不算多，也不算少。但现在 X 上的内容更新，基本上是我指挥 Agent 来处理的，我每天除了对着一张选题表选择今天写作的内容，或者想到什么改善点之外，其它的活儿都是 Agent 一手包圆。尽管涨粉的速度在最近 1 个月变得非常迟缓，但我大概摸到了令粉丝量增长的路径——你火啥就发啥。
之前我提到自己在通过 Keybr.com 这个网站练习打字，现在最高的记录是 75wpm，我对该速度已经感到满意，就没有继续再练习。在日常打字中，我一直使用的是 RIME + 魔然输入法这个方案，我将自己输出的习惯调整到以字词为主，打字的速度就快了许多，而且准确率还不错。
Keybr.com 的算法设计很不错，它会统计你打的哪一个英文字母容易输错，那么在下一个安排的练习环节里，就会增加多几个包含了该字母的单词。在长时间练习之后，手对键盘渐渐熟悉，开始知道自己的手指正在放在哪个位置。这时候打字的速度才开始提了上来。朋友，尽管现在大家都爱用语音输入了，甚至写啥都让 AI 来了，但我觉得，手动输出还是很有必要的，只有在自己亲自动手的时候，我们的大脑才会真正进入思考的空间。
尤其是打字的准确率提高了之后，在电脑上输出不再是那么痛苦的事情。反正，根据我自己的估计，在练习之前，我可能打一句话就会有一般时间浪费在纠正错字，修改语序等等零散的小事上。所以，练习打字还可以让人在输出时，不容易被小事打断。
SPEC-AGENTS 是我之前探索 Vibe Coding 方法论，从而自己设计的 SPEC 驱动的开发框架，在 Github 有 128 个星标，一共有 25 个 Fork。从第一个版本到发展到第四个版本，我在这方面的耕耘，花了不少时间。然而，在最近一个项目的大重构中，我发现把 SPEC-AGENTS 所产生的记录全部删除，直接让 Astra 来处理，之前三四天一直没能处理完的任务，只需要半天就搞定了。
在沮丧之下，我决定把它封存了。在日记里，我写了一点感想：
「在实践当中，发现强模型（Astra，Fable）本身已经具备软件工程方法方面的知识和方法，思维能力和记忆能力相比过去，进步了许多——harness 本身的进步也是有目共睹。
已经不需要一个 SPEC 像一个记事本一样，在旁边让它是不是查看，以防走偏。相反，由于过于注重 SPEC，让强模型不断的回顾历史，上下文塞入太多杂讯，结果往往是强模型浪费更多 token 在思考上，继续往上下文塞进杂讯，循环往复，便会令它的注意力焦点偏移。
基于我对 AI 的理解，我认为原因有以下几点：
反向传播算法是大模型基本的思维特征，意味着之前输出的 token，都会影响下一个 token 的输出。不断地寻找对齐也是大模型基本思维特征——两相叠加，后果就是，模型在杂讯过多，所引发的过度思考的时候，反而令自己的逻辑混乱。
因此，面对能力更强的模型，写 Prompt 或使用 Skill 都不如以往重要，重点应该放在保证它上下文的纯净。这样子强模型才能真正发挥自己在思维能力方面的优势。」
在封存了 SPEC-AGENTS 之后，我还收到一封邮件，对方说也和我一样尝试将抽象语义与开发结合，然后看到了我的项目，当他想留言与我讨论时，才发现我已经把项目封存，因此他来信想与我讨论封存项目的原因，以及在这方面想跟我继续深入讨论。我想了想，给他写了回信，不过我当时忘记了跟他提到越强大的大模型，越不需要过度严格的脚手架：
「如你所说，最大的问题是 Kernel 层的更新与迭代。和你一样，我打算使用类似「本体论」的方式，来约束开发的过程。然后最大的挑战是在一轮长程开发完成之后 Kernel 层所产生的大量漂移。
软件工程的复杂度就在于，计划往往赶不上变化——在开发前的约定并不能完全能够充分预估所有开发的细节，而我们往往也不会完全等待所有细节都确定之后才进入开发；我认为，大部分是产生一个想法，有一个模糊的计划框架之后，想了想大概的结构，觉得没问题了之后，就会着手进入开发阶段。
因此，在 Do 这个阶段，尤其是进入长程任务开发，中间经历了几次对原先计划的修订之后，会不可避免的产生大量语义的漂移。这种漂移如果在简单任务上，还好处理，但面对复杂任务，就会变成一场噩梦。想一想，跑了一轮 /goal 之后，发现产生 50 个漂移点，如果只是纯人工检查，会浪费半天的时间，如果只让 AI 来处理，那肯定对整个方案都不负责任。
这里，我认为 Vibe Coding 就像「潘多拉魔盒」一样，一边诱惑着我们打开盒子顷刻即满足任何欲望，但实质上它是一个诅咒。因为在设计规划阶段，人类必须应当首先探索后整个方案的空间，而这个空间也会是以后产品的空间，就好像即时战略游戏里的战争迷雾一样，也许我们还没进入建设生产，但就应该先派兵出去掌握地图的情况。在 SPEC-AGENTS 里，我一开始的假设是 AI 智能体足够强大到可以让我省下探索地图的精力，但实践则证明，并非如此。
除了以上我所提到的「语义漂移」导致无法通过纯人工解决，剩下则是工程细节的问题：
我原本将 SPEC-AGENTS 升级到语义权威，是因为我觉得详细记录所有任务，然后完成后再标记完成任务，这种按照开发阶段的 Vibe Coding 方法，在模型能力变强的情况下，已经过时。但我没想到，引入语义权威之后，所带来的问题并没有减少。因为语义漂移所造成的麻烦，比想象中要严重很多。
我并没有停止探索 Vibe Coding 的方法，只是在我经历了 3 天的沮丧之后，我决定暂时先停下来，不要投入精力到修补 SPEC-AGENTS 这个具体的项目里，好让我跳出来四处看看，所以我决定暂时先封存 SPEC-AGENTS。
不知道我的回复是否覆盖了你希望和我讨论的所有问题，总之，我很高兴有人来信与我共同探讨。我当前正在总结 DeepSeek Harness 的开发方法。我可以确定，它是完全 Vibe Coding 出来的，而尤为宝贵的是，团队将所有的开发记录都保留了，这为研究提供了宝贵的样本。」
布莱士・帕斯卡尔（Blaise Pascal）是法国著名的数学家、物理学家、发明家、哲学家，同时也是一位天主教作家，是著名的计算机语言 Pascal 的名字来源。由于帕斯卡尔影响过于广泛，在诸多文学，影视，文学作品里往往能够看到使用 Pascal 命名的角色。
今天在逛哔哩哔哩的时候，看到了一则吸引人的标题，「动起来，否则你就要费劲思考了」，视频里讲的是帕斯卡尔的哲学思想中的一面——不要因为「逃避」而动作。视频里将这种行为特点总结为「逃避式努力」。意义就是，通过盲目的做事，掩盖虚无感，逃避问题。
我看了有所触动，因为觉得大部分人，包括我自己，在日常当中存在很多逃避式努力。反思自己，「买书」、「下载资料」全都是我逃避式努力的一种。我日常缺乏对自己的安排，因为我讨厌安排。但如果扪心自问，为何讨厌安排——心理上的难受是无法逃避的，可能这是一个难得的启动自我对话的契机。
但是没有安排，我又感到无聊和惶恐，于是我装作努力——扮演一个努力的人，来安慰自己。
很幸运通过一个视频与布莱士·帕斯卡尔相遇，让我认识到有这么一个伟人，他一生奉献于自己的信仰，开拓人类的视野，传播科学的精神。并从他的思想中，我获得了对自己的启示。
我计划阅读帕斯卡尔的《思想录》。
朋友，今天的信先写到这里了，祝你生活愉快！
2026-08-02 15:42:59
我最近读到一篇非常好的文章，来自美国顶级文理学院汉密尔顿学院的社会学教授丹尼尔·F·钱布利斯（Daniel F. Chambliss）。1989 年，他发布的《卓越的日常性》（The Mundanity of Excellence），引起了社会各层面的极大反响。因为该论文，丹尼尔教授被授予美国游泳学会理论分会奖，以及美国社会学协会理论分会 1989 年度奖。
丹尼尔教授的个人经历丰富，除学术之外，还长期担任校队助理游泳教练，《卓越的日常性》包含着作者对从初学者到奥运选手各层级运动员的多年观察；跟随 Mission Viejo Nadadores 顶级俱乐部生活和训练；参加美国国内、奥运选拔赛及1984年洛杉矶奥运会；以及访问约120名全国级和世界级运动员与教练。
《卓越的日常》对我最大的启发，则是告诉我 3 个道理：1. 卓越的表现，来自「质变」；2. 一昧的追求「量变」，是不会卓越的；3. 卓越是可拆解的。
丹尼尔教授观察到，乡村俱乐部的游泳运动员和奥运冠军之间的差异，来自 3 个层面：技术动作、纪律性、态度。
| 维度 | 细分项 | C级选手 / 初学者 | AAAA级选手 / 顶尖水平 |
|---|---|---|---|
| 技术 | 动作效率 | 动作幅度大，力量分散 | 动作紧凑，发力路径优化 |
| 蛙泳技术 | 手臂后拉，双腿外翻宽踢 | 手臂内扫，窄蹬夹水 | |
| 转身技巧 | 身体抬高，速度损失 | 身体低位，快速衔接 | |
| 水下与触壁 | 水下动作短，触壁随意 | 水下拉臂充分，严格双手触壁 | |
| 动作表现 | 水花大，效率低 | 安静流畅，动作经济 | |
| 纪律 | 训练执行 | 关注完成训练即可 | 严格执行标准与规则 |
| 细节意识 | 容忍小错误 | 追求每个细节完美 | |
| 生活管理 | 准备不稳定 | 饮食、作息、热身高度规律 | |
| 态度 | 对苦练的理解 | 认为训练是痛苦牺牲 | 认为训练是成长过程甚至享受 |
| 对重复训练 | 感到枯燥无聊 | 进入专注、冥想状态 | |
| 目标与动力 | 避免困难，缺少挑战 | 主动寻找挑战，追求极限 |
从这张表看到，奥运冠军与一名普通的游泳运动员的，光技术动作就有了 5、6 项的不同，更别提其它各个方面，可以这么说，奥运冠军与其它选手之间的差异不是某个方面的差异，而是方方面面都存在这差异，这里体现出了一种「系统性」。普通选手在一个系统，而奥运冠军在另外一个系统。
所以，我认为，《卓越的日常》提示了一点，卓越来自系统性的做事方式不同。
那么是否训练时长变长，也能达到同样的效果呢？论文里，举了一个例子，「1968 年奥运会 400 米栏金牌得主 David Hemery 访问了 22 个项目的世界级运动员。他报告说，在许多案例中，从开始专项训练直到最高水平，训练时间并没有显著变化。」换言之，顶级运动员的训练效果，相对于普通运动员的，可以称得上事半功倍。
不过，丹尼尔教授讨论的，是比较达到职业水平运动员之间的表现，而不是所有人都拿来比较。我要特别提这一点，因为在某个领域里「职业水平」，本身并非易事，也需要付出相当的努力，但显然，达不到「职业水平」是无法站在竞技台上与他人竞争。朋友，这里需要特别提醒你，无论是什么人，只要他在一个领域达到「职业水平」，那么就不要贸然兴起傲慢之心。
《卓越的日常性》还提出了一个反直觉的怪论，优秀的运动员成功并非来自某种天赋。论文里引用了 Kalinowski 的研究，多名运动员表示，「有天赋」这个评价往往来自他们取得了重要赛事的奖项之后，而非之前。也就是说，通常我们称一个人「有天赋」，往往是一种事后贴上的标签，而非提前就预知。所以丹尼尔教授认为，「也许根本没有所谓“天赋”，只有卓越的表现本身」。
论文的另外一个怪论，「卓越是日常的」，没有 Drama 戏剧性的效果。丹尼尔教授说，
「超常表现其实是几十种小技能或小活动的汇流。每一种技能都是学会的，或偶然发现的；随后经过认真练习成为习惯，最后组合成一个综合整体。任何一个行动本身都没有什么非凡或超人之处；只有当它们被稳定、正确地完成并全部组合起来时，才产生卓越。」
女游泳运动员 Mary T. Meagher，外号「蝴蝶夫人」，职业生涯里一共获得奥林匹克 5 枚奖牌（3 金 1 银 1 铜），在 1981 年创造了 100 米（57.93秒）和 200 米（96秒）蝶泳世界纪录，这两项纪录分别保持了长达近20年及21年之久。她面对采访时的回答是，「人们不知道成功有多么普通。」
论文里记录，自从她获得全国锦标赛资格后，就立志要打破 200 蝶泳世界记录。为此，她对自己的日常训练，施加了 2 个改变：1. 每次训练都准时到场；2. 在日常训练中严格按照比赛规则正确完成每一次转身。一年之内，她就打破了蝶泳世界记录。
可能你觉得到这里就结束了，但是《卓越的日常性》还提出另外一个反直觉的观点，即便是优秀的运动员，也只会为自己先为自己定下可实现的短期目标，而不会为自己设定那些高不可攀的宏大叙事。还是「蝴蝶夫人」的原话：「我从不看下一年以外，也从不看下一个层级以外。十岁时我没有想过奥运会；那时我想的是州锦标赛。达到地区赛资格标准后，我才开始想地区赛；达到全国青少年奥运赛资格后，我才开始想全国青少年奥运赛……我现在甚至无法去想1988 年奥运会……想得太远会把人压垮。」
在日常，多名优秀的运动员将精力集中在可以实现的目标，比如某种技术动作的改进，邀请教练对训练效果进行深入的评估等等，一切都在循序渐进。而在重大比赛中，优秀的运动选手业也保持着这种「日常感」，他们并没有把那些重要比赛，比如奥林匹克运动会当成某种戏剧性时刻，而是认为「那不过是又一场比赛」。这种放平的心态有助于他们在关键时刻保持水准，而不是发挥失常。
朋友，不知道你是否和我也有同样的感觉，《卓越的日常性》就好像在揭示魔法背后的原理：卓越是可积累的，是正确的，是系统性，是质变的。关键是「质变」，由于我国从小学开始，就喜欢提倡「精诚所至，金石为开」，还有「愚公移山」的例子，但他们往往被引导在重复做某件事情上，而不是教人从「质变」的角度来看待事情。
朋友，我觉得这篇文章是我近年来阅读最有收获的一篇文章，期待与你一起讨论。
这是一个练习打字的网站，我上周每天在上面练习 30 分钟，打字的速度比之前提升了很多。现在我终于在电脑前打字，没有一种憋住的感觉了。
Keybr 的训练方式非常有趣，首先它的初级训练课程，训练你习惯输入包括单个字母的单词，只有正确率和速度达到一定程度之后，才能进入下一个字母。而在它的评价体系中，正确率要比速度重要很多。当完成了所有字母的初级训练，就会进入下一个阶段，此时 Keybr 会随机提供多个单词，让你完成输入。但它会统计，你这一次训练容易在输入哪个字母中犯错，然后再下一次训练里，提供更多包含该字母的英文单词。
我在 5 天内，将自己的打字速度从 30 WPM 提升到 60 WPM，效果非常显著。
2026-07-29 23:16:58
最近的天气愈发郁热，要么下一天的雨，要么太阳出来将前一天的雨蒸发。出门在外，见到谁，我都情不自禁的感慨一句，「最近真的太湿，太热了！」在这样的日子里，却有着激动人心的故事，非洲西边的小岛国佛得角首次进入世界杯 16 强，但藏在数字背后的是，佛得角实际上抽中的死亡签，在阿根廷队淘汰之前，它的对手是葡萄牙，西班牙等强队。即便是对战阿根廷，佛得角铁壁般的防守让阿根廷在上半场找不到任何机会，而球王梅西几次起脚射门，意图都被佛得角门神沃西尼亚轻松识破，一直到加时赛，阿根廷才踢出了一个运气球，让比分超出，终结比赛。
这场比赛，无论是球队之间较量，还是两名老将之间的算计，都堪称经典。
AI 和 Agent 没办法带给我们这样的感动，它也无法替我们感动。假如我有孩子，我会让他多体验体验这种单纯属于人类的快乐，多出去玩，多在泥巴里面滚打。我一直遗憾，自己的童年经历，缺少这种单纯的快乐。尽管我小时候也有几个月待在老家，要我回想，心情是很快乐的，但我想不起具体的人和事。因为有一次，小伙伴门口臭水沟的石桥对面，骗我分糖果给我吃，结果等我走上桥时，却自己一口吞下，惹我大怒，一边骂他，一边跑起来的时候，不小心掉下桥，似乎脑袋撞到了石头，等我醒来后，这三个月的记忆，就只剩下一些片段，连具体的小伙伴都认不出来了。
我一直觉得 Agent 可以随时切换性格这件事令人惊叹。只要换一个 Skill，换一个 Soul，Agent 可以完全不一样，上一秒还是冷酷理科男，下一秒就是甜美萌娘。著名的科幻动漫《攻壳机动队》里有一个问题让人深思，「什么是 Ghost？」但其实，我觉得这部动漫想讨论的远超这句台词，「如果没有了 Shell，Ghost 是什么？」 ，甚至「如果没了 Shell，Ghost 还是那个 Ghost 吗？」大家都已经知道一个 Agent 的大致组成，除了核心的 LLM 之外，，一些脚手架，一些定义其行为和性格的 md 文件，如果 LLM 没了这些围绕它而搭建的 Shell，它无法成为一个 Agent。
阳明心学有个四句决，很出名，「无善无恶心之体，有善有恶意之动，知善知恶是良知，为善去恶是格物。」这句话首先说明，「心」与「意」是两个层面：儒家认为「心」（可理解为灵魂）是先天，是无垢澄明的，它并不没有善恶的偏向，但先天的「心」会被后天的「意」（可理解为意识）所干涉，结果导致了人的行为上的差异。Agent 的结构，也分为 2 个层面，这么一对照，是否发现两者在结构层面有惊人的相似之处？LLM 就是心之体，Harness 则是拴住意之动的围栏。
人是环境的产物。但哲学存在的意义就在于，让我们可以暂时脱离环境，为同一件事，增加不同的视角。其实，塞翁失马这个故事说的就是这个道理，赛翁从不同的时空解读了同一件事，就避免了单纯的情绪判断。朋友，虽然好久没有和你写信了，但一提起笔来，还是忍不住发散思绪，且让胡言乱语吧，在现实空间里，往往很难有机会进行这样的抒怀。
已读三分之二，这本书自我买来，一直想读，然而之前每一次捧起，很快就放弃——原因无它，尽管它可以视为「媒介环境学」这一学术领域的入门书籍，但毕竟是一本严肃的学术著作，字小且密，句子冗长，和网络小说的无脑爽文写法形成了强烈的反比。
最近，处于越来越渴望深度阅读的情况下，我重新捧起，并克服阅读中的不适，慢慢读了下来，感觉居然不错，用力读完每一篇后，有着健康的多巴胺充斥着神经，内心怡然喜悦，可能因为大脑真正吸收到了营养，而不是困在社交媒体的回声笼里。
不好意思，说了那么多题外话，关于这本书，如果是对「媒介环境学」这一学科感兴趣，是非常值得阅读的，尽管里面大部分是对某个人学术成就，和观点的总结，但我认为即便是这样子，对于我们普通人而言，也有足够的启发。我来抛砖引玉地提一个问题：
如果 AI 是一种媒介，那么它会如何塑造我们？
大前研一自不必说，来自日本的管理学家，经济评论家，对社会的观察视角独特，写作深入浅出（虽然有时候我觉得他为了迎合大众，写得太过于流行），创造了多个流行词，包括：M 型社会，OFF 学，专业主义，全球化等等。
不过这本书，是大前研一语言激烈，恨铁不成钢地批判日本社会各个层面，通过这本书，我才知道日本也有「食品安全」方面的问题，也有愚民教育，也有官僚主义等等，我看完之后，深深感受到，书中提到日本所面临的困境，80% 国内也同样出现。
对于大前研一提出的解决办法，我不见得完全认同，但我觉得他有一点说得很好，应当尽可能提高社会的「集体智商」。
我最近对这个体型娇小的 E-ink 设备感兴趣，跟朋友 C 君提了一嘴，他说，别急着下手，他和朋友入手了之后，现在已经搁在一边吃灰了，妥妥的「灰产」。
不过，他还是给我寄了一台把玩。目前到手 3 天，《低智商社会》这本书就在阅星瞳里读完的。
我觉得，阅星瞳是很好的专注于「阅读」方向的产品，拿在手里轻若无物，就像纸一样，揣在兜里，毫无压力。正好可以用它填满等待 AI 完成任务的间隙，还可以实现「马上读，厕上读，床上读」这种随时随地阅读的环境。
由于我还沉浸在新玩具的新鲜感中，所以以上评价并不客观，我也不能保证这台「阅星瞳」以后不会变成「灰产」。
我是从 Xah Lee 的博客中，了解到 KINESIS 这个键盘品牌的。由于他多年来测试了很多键盘，最终他还是对该键盘推崇备至，这让我一直很眼馋。
我在闲鱼上看到一个卖家出货，想着不到 800 就可以上手玩一把，一时冲动就盘下来了。到手后才发现，KINESIS Classic 是一款早已停产的型号，而且接口是旧式键盘的 PS/2 圆型接口，估计现在的新生代都没见过。
用了 2 天，第一个感受是，这是一把非常人体工学的键盘，它将按键放进一个凹面，而且针对人五指不同的长度定义了按键的排布，和按键不同的高度。刚一上手，就感受到打字很舒服，很快让大脑接受了这种操作方式。说出来你不信，第一次用，敲了大概 10 分钟，我回到日常用的键盘，然后我发现开始有点忘记原来的键盘是怎么按的。现在这封信，有一半也是通过这把键盘敲的。
不过，KINESIS Class 也有用不惯的地方，Ctrl、Alt 等修饰键有点难按，而且对于习惯用 Ctrl + Alt 来设置快捷键的人来说，这种排列方式，和按键位置是需要习惯的。也许之后我会探索出更合理的方式。
当然，最近最开心的是，之前开发的窗口管理软件，在没怎么管的情况下，居然来了好几单！
