2026-03-18 23:00:00
在变革时期不处于变革之内，便是温水煮青蛙。
第三次写年度总结，一直在犹豫写哪部分，把前两年的丢给 AI 分析了一番，Claude 说 23 年的总结更偏向情绪驱动的散文，24 年的则是有领域划分。
为了确保记录对读者有参考价值，对我也有一定的复盘价值，还是决定按照总分总的方式展开，对某个特别方面感兴趣的，可以按目录跳转到对应区域。
今年的第一个关键词一定是：AI。
面对 AI 任何人都有压力，特别是世俗意义上的好学生，遇到一丁点不懂的就会很焦虑，从 LLM 到 Transformer 到归一化，知识的深度就像黑箱一样，不仅如此，大家还在创造新的概念，Agent 的 MCP、SKILL 或者是 ReAct、Pipeline 等设计模式，这些都激起了 FOMO 情绪。
第二个关键词给：经济转型。
今年经济下行的影响扩散到绝大部分人，大家不敢消费 → 收入降低 → 寻求代偿，快消奶头乐继续繁荣，宏大命题和阴谋论成为饭后消遣谈资。
国内经济确实处于从房地产经济转向科技经济的阵痛阶段，劳动力人口仍是巅峰，外部又有中美博弈和地缘政治危机，历史书上的一句一页，放到当时人的身上就是一座大山。
第三个关键词给：分化。
这有点像是前两者的结果，我是认可 AI 会导致社会进一步分化理论的——掌握 AI 生产资料的人和被 AI 管理的人的悬殊比例，要比现在掌握金融生产资料的 2:8 更为夸张，我觉得甚至可以到 2:98。
社会尺度上，人群的选择也会导致人类演变成 AI 工具社会还是 AI 共治社会，这就很哲学了，个体在面临演变的时候，也许会愤世嫉俗、咸鱼摆烂，甚至是走极端变成恐怖分子。
三个关键词，会逐渐在下文中有所体现。
站在个体角度上给我的 2025 打分，可能是 6 分。
仔细想想，在相同的组已经待了 7 年多，虽然作为职能部门随着业务、形式、业界发展变化产生了诸多新玩意，但能跟随住业界前沿的内容越来越少了，几乎能体验的都体验了，也导致近一年的「成长感」略少，加上我并不想在这里当管理岗，实际上能探索的空间已经非常窄了。
虽说略少，但还是有的。今年主要成长还是在带人和管理方面：单纯的职位没有任何意义，帮助别人赢得回报和成长更容易赢得尊重。
因此下半年我也调整了策略，主打一个鼓励教育：强化别人做的好的地方。特别是对于很多已经无法补救的事情，简单提一下做错了哪里就好了，与其强调错误不如强调做的好的地方。
其次是给人发挥的空间，如果把自己思考过的想法、特别是把完整的操作步骤都讲清楚往往是一种限制，也是对他人的不信任。
今年应对 AI 的变化，腾讯显然是变化的最慢的一个，虽然这是腾讯一如既往的风格，但这种通过系统规模赢得的竞争优势对个体无益。加之原本有很多欠账——没有做好的基建、赶进度粗糙的实现、还没自动化的流程、不可延期的用户需求，在此基础上需要个体自觉探索 AI 应用，其实是有点强人所难的，也难怪绝大部分的产出集中在把原来的工作用 AI 实现一遍。
也许说句暴论，技术类管理类岗位，至少应该把 LLM 和 Agent 的核心研究看一遍吧，不然怎么知其然知其所以然？
就行业而言，安全仍然没有深度结合 AI，至少还没有像样的产出，毕竟作为创造负收益的行业也从来不会在新事物生长的阶段有什么话语权的呢。
本来这一行也是不温不火的，靠监管和灰黑产吃饭，本身就是诞生在业务错误和恶意意图上的，对普通人较高的门槛也导致了这一行规模就不可能很大。
所以其实我觉得倒也不用在这一行死磕，借着对业务的梳理和了解，趁早去业务为妙。
除了对自己行业的看法外，整个计算机相关产业也进入了裁员换 token 的时代，不过历史是曲线向前的，大家会裁员过渡、过渡使用 AI，然后再招回一部分人来使用 AI，最后达成 AI Engineer 和开支平衡。
因为工作上的边际效益减少，今年倾斜了不少精力在好好生活上。
首先今年换了更大的地方住，抱着最后一次换租的想法来，虽然遇到了坑爹中介有所磕绊，官司也还在打，但总归没有影响正常居住生活：相比原来 60 平的两室一厅，直接换到了 100+ 平的三室一厅，这下猫也有一个独立的房间，可以隔离一些味道了，在购物车躺了好多年的宜家毕利书柜也能顺利摆在客厅好好养眼。还顺便布置了几块毛毡板，把色纸们放到墙上，再叠加偶尔几处的挂画，顿时房间有了更多活人的气息。
为了搞好这种老房子的网络，还专门布置了 2 个交换机，避免 Wi-Fi 穿墙带来的功耗，还买了 Apple TV 和雷鸟电视，实现了在卧室大屏看 B 站的自由。
不过也许是久坐久躺的缘故，触发了腰肌劳损，于是还加强了散步的频率，尽量不在工位久坐，甚至在 26 开年还加强了锻炼，但没想到一锻炼就出现了心悸，第一次做 24h 心电监测，让我想到数学也被诊断出 HCM，感觉有点苦命一家的感觉呢，怪不得数学天天一副委屈脸。
一系列关于体重的小问题加强了我打算减肥的决心，虽然还没到那种肥胖的程度，但这次体检 180cm、80kg 属于已经到了我不太能接受的水平，话说都年纪这么大了竟然还能从 178 测到 180，说明人身高还真是有些浮动。考虑到饮食控制消耗自制力，运动又心悸，于是干脆去开了司美格鲁肽。
不过到现在还没打，对打针还是有点发怵。话说回来，医保体系应该早点介入体重管理，不要等着因为肥胖产生疾病了再消耗医保资金。
等写完这篇回深，就开始用用这个司美格鲁肽，希望它不要坑。
消费方面，今年（指 2025.2 ~ 2026.1）如下图所示，整体支出绝对值提高了 20%，与去年相比，住房提高了 6%、主食提高了 1%。
爱好从 11% 降低到几乎不可见，这主要是因为 24 年有关于 VTuber 计划的支出；
设备从 4% 翻倍到 8%，核心还是因为买了 A7C2 和两个镜头占了大头，以及搬家买的 Apple TV 和电视。
其他变化不大，娱乐从 6% 提高到了 8%，算是回归正常水平。
总体上看，这个住房占收入的比例还好，在深圳算是中间水平，恩格尔系数算较低水平，因此能出去转转。
今年全年都坚持用 ATracker 记录时间去向，日均睡眠时间大概是 8.5h，按 250 个工作日算日均工作时间是 7.9h，不过根据 Rond 的统计，在公司的时间日均是 8.9h，说明有 1h 是不在工作的，可能是吃饭、散步等等。
排第三的是看视频，平均每天 4.8h，是主要的长信息渠道，它往往是跟其他东西并行的，比如吃饭、洗漱之类的，我还挺喜欢边吃饭边刷知识区，整个经济学的视频基本都是吃饭的时候看的。
再往后是听小说、播客，作为背景音，这种时候往往不看手机，休息眼睛或者享受旅游，在交通、旅游期间也消耗掉了大量小宇宙的播放列表，在消解孤独的时候也满足了「有用」感，没那么焦虑。
在图录还能看到的就是吃饭和散步了，也许是吃了很多次怂火锅、椰子鸡的缘故，平均进食时间也有所加长，吃完饭又喜欢到处走走，两者都比去年长了一些。
在折叠起来的时间块中，还有通勤（和工作同一个颜色的）、写作、读书（纸质书）、作为甲方的时间消耗等等。
说完时间去向，来根据活动统计讲讲其他活动。
左下部分有个 79h 的交通记录，这里统计的是停留在交通枢纽的时间，一般是等高铁、飞机产生的消耗。
2025 年一共飞了 21 次，主要是跑日本旅游比较频繁。
25 年从福冈 Aimer 开始，到福冈 ReoNa 结束，当然主要还是因为福冈太近了，从香港飞来回太过于方便。
除了繁荣的都市圈东京、横滨，和镰仓的海边打卡，还进行了关东地区的探索。
不知道几线城市新潟，有新干线、机场却没有地铁，但人也确实少，只有热门的地方例如在 Tabelog 上相中的一家刺参寿司店在排队，在这里体验了第一次国外的外卖。
而仙台作为还算热门的旅游城市，就热闹许多，就算晚上下雨也有不少社畜在外面打伞聊天，另外仙台牛舌确实好吃，比神户牛肉好吃。
神户是那种很标准的商业化港口城市，如果不是神户牛肉——以及《千恋万花》我想我根本不会来这个地方。
在生日月去札幌拍了樱花，说起来我在国内其实没看过樱花，只看过枫叶。至于樱花有什么好看的，其实在镜头里面它的处理与其他花草鱼虫没什么不同——特写、虚化、构图，但景色只在特定记忆下或者激活了特定记忆时才有意义，樱花对老二次元们来说承载了一小片的青春。
不过这次特意注意带了咩栗的手偶一起旅游，感觉有陪伴感了，拍照也多了些花里胡哨的构图，下次可以考虑带些对应的透卡来。
后续从新潟转长崎，感觉长崎也没什么意思，打卡了一下二次元中心，住了 2 天就跑路去鹿儿岛了，相比之下鹿儿岛还挺适合居住的，有樱岛火山（下图），景色也不错，还特意去了鹿儿岛水族馆，看了心心念念的水母，真可爱。
不过写到这里，又想到一堆图根本没修，也算是摄影师日常了。
再往后，就是专门为了 Live 跑的旅游了，那些放在娱乐板块处理。
在旅游期间，感觉散步是伴随着放松和孤独，离开工作地，不看企业微信，不仅减少压力、焦虑，还多多少少激活了一些灵感，有不少想法都是在旅游散步期间产生的，而孤独感大多是无人分享，少那种能听懂、接得住的交流对象，而后者在网络社交时代还是太难了。
再聊聊健康的部分，今年体检比往年差了一些，虽然注意了几年肩颈，体检身高也有所提高，但主要问题还是平时大吃大喝导致的脂肪肝问题。血脂有所增高，不过美食毕竟是为数不多快乐的事情了，强行控制实在是有些难度。
从各类检查结果来看，熬夜是最大的因素，其次是各种压力，再者才是咖啡因。也确实，整天都是 4 点睡，只有周末补觉，虽然勉强满足一天 8h，但是节律已经乱了。所以，看看 26 年是不是能早点睡。
其次是如果司美格鲁肽有效果的话，就要考虑加强耐力和力量训练了，似乎从三亚团建回来左边手腕在弯曲用力的时候就一直疼，疑似是抓漂流船边缘太用力了，但这也过去了好几年，就很奇怪。
还有视力，在晚上总有酸酸的感觉而且有 100+ 度的近视，也是这个原因在散步的时候强迫自己不看手机。
在生活方式上，比上一个阶段外向了一些，不知道是因为淡淡的无所谓的死感导致的还是单纯因为无聊，有一个非常明显的变化是更善良了，对陌生人、对恪守其则的职业人、对因为非自己原因出错的打工人都更善良了，也许是意识到这个世界就是在草台班子上发展起来的，对一切充满了包容。
但对死不认错的也更苛刻了，宁可花时间花钱也要维持住正义。
当然也有可能是一个人确实比较孤独，需要找点事情干。
今年定了 12 场次的 Live 计划，完美完成，美波场、刺团都认识了不少同好，也扩展了下小圈子，有摄影佬、有创业富二代，当然最多的肯定是留学生们。
印象最深的肯定是 Meumy 的 Live 了，小两口在 V 圈这么多年靠两人也能办出一场 Live 实属不易，而且确实足够诚意，不论是灯光、演唱、场内互动、道具、事后谈都没什么可挑剔的，弱虫だって是真的好听，可惜的是短期之内没什么再办 Live。
Meumy Live 是 BW2025 的 Day2，这次 BW 专门找了这一年常看的 V 连麦，体验不错，希望他们明年还活着。
不过 BW 场地是真的大，走了两天脚都开始疼了，但还是挺开心的，希望 26 年继续有票。
这一年还跑了心心念念的 MyGo、GBC、ReoNa，这几个都是很早就想去的 Live，小众歌手里面，リリア的歌一如既往温馨，KOTOKO 没有以恋结缘有些失望。
实际上我还是在去 GBC 2 周年才把番刷完，也是边哭边看完的，话说我觉得 ED《誰にもなれない私だから》是 GBC 的灵魂，与トゲ表达的个性遥相呼应。
特别是 GBC 武道馆这一场，看过番的同学知道，里面的目标就是冲击武道馆，也算是打破二次元的墙了，而且理名现场《誰にもなれない私だから》钢琴版 solo 太有感情了，哦对了，得去看看谱子出来了没有。
娱乐的第二部分给 V 圈，首先，我还是没开播，甚至 PC 都很少开了，精力确实不够，虽然平时也很喜欢自言自语吐槽，但是在寥寥无人的直播间端坐着自言自语还是挺没意思的，这也是很多人不想播的原因吧——没有正反馈。
今年 B 站直播的用户等级到了 50 级，然后突然感觉自己在上面花了很多钱，一瞬间感觉就有点无趣了，加上现在经济形势让大家直播的时候也带着焦虑，焦虑会体现在直播状态上，使得看起来没有那么让人快乐。
或者原因在于我已经不会固定停留在一个直播间当本家了，更多是寻找一个 BGM，也很少有节目效果能吸引到我（或许这就是中年心态），会习惯地从交流中找到更深刻的情感投射，而这显然是水中捞月。
特别的是，結城さくな的周年周边寄到了，挂画包装成了一个长筒，过海关还被查了小黑屋。但就像 Meumy 一样（也许不一样），MeAqua 也是挺甜的，特意在 Mirra 上用两位的录播当日语听力学。
游戏方面，几乎没有新坑，本来想试试《崩铁》《绝区零》《鸣潮》，但是要么觉得剧情冗长、要么觉得卡伤害，其实我还是挺怀念小时候可乐吧代理的一个叫《奇域》的游戏，免费时长只有 3 天勉强打到主城，但音乐音效都很好听。当然了，可能就是小时候见识更少更能体会到游戏单纯的快乐吧。
不过，今年倒是期待《异环》上线，看着画面很好，感觉是个不错的养老地。
休闲方面，《无人深空》也吃灰了，galgame 买了没怎么打，其他游戏就更别说了。
但是得益于新电视，终于把番追起来了，特别是我要强烈推荐的《败犬女主太多了！》，无论是作画、剧情、音乐都很棒，创造了今年感情最深刻的一期，为此我应该 26 年会去丰桥圣地巡礼一番，大胆预言一下，第二季应该是 7 月开播。
这番还是第一次追小说追到最新的番，可以说是很爱了，准备把八奈见和小鞠的角色曲都学一下，继《春日影》之后还能唱点新的。
除了一些老的后宫番，还有一个比较深的是《午夜心旋律》，本来打算在福冈找一下它的实体漫画的，但似乎没找到，结果惨遭动画化。
投资是 25 年的重要分支，从不小心在 V2EX 接触「策引」开始，就探索如何构建自己的投资纪律，先做了投资信号工具，然后做了个分享。
不过说实话每天一次看盘操作还是挺频繁的，特别是操作的时候价格往往还在波动，很容易在细小的差异上犹豫不决，导致操作变形。
后来就直接改成了定投+补仓策略，从大概 2 月开始，定投到了年尾，目前的持仓可以见下图。
在定投标的上，先选择了纳斯达克，特别是在纳斯达克低位的时候根据下跌百分比做了加仓，即使年尾有回撤但还是盈利的；
其次是有几个主动基金，特别是「易方达全球成长精选混合（QDII）A」「华夏全球科技先锋混合（QDII）」，基本是看持仓选的，一直处于波动上行，还算不错。
其他的，例如「鼎顺长城沪港深精选股票 A」和一些行业主题 ETF 则是因为看好科技长期发展选择的。
这里面表现最差的就是「易方达恒生科技 ETF 联接（QDII）A」了，也许是 26 年的资金主要去了不在指数的 AI 股票中，导致整个恒生科技表现都非常疲软。
不过这些都是过去式了，来讨论下今年投资的心路历程。
首先，年尾清仓了 B 站，因为感觉一直下行，打算低位再买入做长 T，虽然 240 HKD 卖了之后确实走到了 190+，但很快就反弹到 280+ 根本没有给上车的机会，这也形成了一期：当机会来临的时候你最好在车上。
经过与 AI 讨论来修正策略，趁着恒科整体下行，又开始分仓位买入 B 站，现在开始不纠结单次交易的盈亏了，最主要的是「在车上」。
其次，目前定投的波动性太差了，不太符合我的风险偏好，或者专业一点的说法是「核心-卫星」建立的不符合自己的投资风格，高风险的部分没有高流动性，导致整体练手的机会不多，体感上就是一直在等每日结果，太过于依赖大盘。因此，26 年应该考虑在个股上做做量化。
现在的量化遵循的规则是「捕捉并跟随趋势、吊灯止损获利」，用人话就是，MA 交叉捕捉上行趋势，在左侧买入，当回撤达到一个止损比例的时候获利了结。这种方式比较依赖选择的基金，必须是波动趋势上行，否则要么总是在上涨时卖出，要么就是压根没有买入的机会。
交易的时候，卖出机会比买入机会重要得多。
投资的第二部分是黄金，我自己的逻辑有两个：跟随央行购金、三巨头继续斗争。
但买入黄金的理由，来自全天候策略，当时想着配置科技太高了，需要一些对冲，于是就想到了黄金作为兜底，虽然当时有上涨的趋势，但是想着每天定投一点点也无所谓。
没想到的就是后来局势动荡，突然黄金的波动就跟 A 股似的开始玩起了心电图，但想着成本本来也足够低，于是也没有关定投，慢慢累积本金好了。
最后一部分是美元债和红利，说实话这个买的真不好，当时是科技股低位，想着需要一些对冲长期持有，于是就买了美元债和红利，但其实美元债和黄金持仓是冲突的，而红利也已经过了适合持有的时间段——买在无人问津之时才好。
所以我预计 26 会考虑清仓掉这几个，给真正的核心策略让路。
今年是投资初入门的一年，除了真正在研究这些外，还加入了一些小团体，比如靳卫萍的线下课，参加了上海和深圳课，虽然主要是八卦，但核心思想还是 get 到了：即政经不分家，经济基础决定上层建筑。在上完课的半年里，还逐渐体会到了另一些感受，例如「不要把国家拟人化」，人的决策往往没有那么强的复杂性，也不会过于理智和长远，更不会需要平衡多方利益。
后来虽然做了一段时间宏观的研究，但最后还是发现个体离真正决策宏观走向的层次实在是太远了，这也是为什么我们总觉得宏观总是在事后解释，能被普通机构看出来的趋势早就被机构自己吃干净了。
不过这也是对挑战者的考验吧，任何以出卖时间赚钱的阶层，想要变成靠自己在资源流转中的位置赚钱，都需要一人挑战别人三代人的努力。当然，有时候时代也给加速的机会，比如现在 AI 时代就把一部分人洗牌出去，但这里面最困难的地方在于，随着资源优先但科技革命加深了，掌握资源的人又会缩小。
也许，太空时代才是更能靠勇气创造机会的时机，在当前，想要创造新的增长点还是太考验人类这个物种了。
后续在投资方面，我应该还是要继续侧重科技，这是中美斗争的主旋律，但在今年，还是有不少失误的地方。
一是没有把握住创新药的增长机会，这属于我根本不了解的领域，也没有提前关注，甚至，现在有哪些细分赛道、近况如何，我也是说不清楚的，这就是副业的坏处了——没有足够的时间去了解。
二是作为 AI 相关从业，也没有入场智谱和 Minimax，触发了 FOMO，当然，最后我还是没入场，因为这确实是我没关注到，当关注到的时候已经接近京东市值了，明显溢价。
总结 2025，应该还是要坚持定投，其次是拿出一部分精力结合自己的从业经验，捕捉一些潜在上涨的标的，具备基础的基金经理选股能力。
然后把原本简单信号的量化工具，改成更专业好用的 Agent，做一次升级，顺便理解一下市场。
个体就是一个系统，从这个角度，来看看这个系统与外界的交互。
今年的输入，仍然主要来自视频、Newsletter、小宇宙。
视频方面，主要是 B 站长视频，相比去年，今年多了经济学、时政时评的长视频，特别是类似麻薯波比呀这种偏向播客的，特别适合洗澡的时候听。
今年 Newsletter，除了原本的《新闻实验室》就主要是藏师傅的《AIGC Weekly》，AI 变化太快了，需要跟上节奏。
不过，今年的《产品沉思录》停更了，感觉少了点产品视角——虽然我觉得现在产品视角也参差不齐，单纯的文字很难传递设计审美。
阅读方面，根据仪表盘，今年阅读完成的只有 3 本，相比 24 年的 9 本下降了非常多，仔细想想，25 年的精力分配太过于分散，在空闲的时候已经没有足够的阅读欲望了。
今年阅读推荐是《掌控习惯》，小时候很多问题都被归因为自控力差，但实际上也许是没有创造习惯的环境、诱因等，这本书试图让人从自控力归因中脱离，确实不错。
由于今年旅游出门很多，小宇宙的累积时长目前是 180+ 小时，其实 180h 确实不多，虽然我日常是开 1.5 倍速，但播客的特点是不能像小说一样边干活边听——播客需要集中注意力，于是就只能在散步的时候听一听，甚至遇到有意思的地方还要暂停来记录，所以日常不是很喜欢开它。
但不得不说播客已经变成主要的信息来源之一，特别是《起朱楼宴宾客》《纵横四海》等知识类节目，小宇宙的编辑日推也往往质量很高，生活类的节目也值得一听，算是了解大千世界不同视角的好养料。
今年做的最好的事情就是坚持写周刊，虽然每次字数也不多，但这种每周强制总结大大促进了发现问题、记录信息的水平，如果不是周刊，我可能会懒得实现某些想法，懒得优化某些架构。
本来还想对周刊做些调整，比如增加 AI 生成，让我彻底把思源、Things 3 的 inbox 信息 AI 化，或者也增加点趣味内容，但对于信息，我总觉得还是要亲自处理比较好。
另一个值得提的就是系统化，今年彻底放弃了目标导向，对于我想达成的事项，直接把它拆分成某个定期执行的动作，周刊就是其中一例。对此，明年继续在日语方面坚持。
AI 带给人最大的感觉似乎是「即时反馈」，所有的消息发出去都有回应，让人非常安心。
但有时候 AI 会了，会让我觉得我会了，特别是 AI 给了一长串的判断标准，不去执行应用几遍压根记不住，每次还要去问就很烦，记得去看牛奶的配料表，我到现在都没记住蛋白质、脂肪、碳水化合物的较好的标准是什么，每次都是拍照发给 AI 判断一下。
这就让我有点焦虑，感觉退化了——因为如果我自己知道，筛选的时间会快很多，而不是等 AI 回复。
AI 现在解决了不少我遗留的问题，我记得我从初一开始到现在，就有一个本子来记我的灵感，后来大学切换了 Google Task、Ticktick、Flomo，现在是 Things 3 和思源 inbox，本来以为等到死也没办法一一验证我的想法，但现在 AI 确实给我看到了希望。
不过难点就是 token 和精力了，好模型的 token 比较贵，虽然可以随着算力提升模型水平提升而降低，但早晚有一天要考查 token 性价比。比 token 这种消费品更稀有的就是高质量的控制 AI 的能力了，我认为现在行业内还是喜欢用经验、年龄来划分谁会操控 AI 得更好，这就有点陈旧了，想要控制好 AI 更多需要的是思路而非经验，我想大概再过几年，这会形成一种类似批判性思维的方法论，比如智能思考论，用以表示一种擅于使用 AI 的思维方法。
用 AI 完成同样的工作，耗时更短、token 更少就是好的使用方法；同样的时间用 AI 实现需求，受众更广评价更好的就是好的 AI 使用思维。
在发出本文前，应该已经准备好了 AI 开发相关的分享文章，这里就不赘述了。
对我来说，有了 AI 之后我更想做研究工作了，甚至觉得学术才是人类正途，其他很多行业、玩法就像是在垃圾堆上建垃圾（从历史的角度看），但明显感觉精力不够用，在公司开至少 5 个项目干活，回家再开另外 5 个，让我明显感觉到更累了——虽然 AI 确实更容易进入心流，但事后空虚和劳累也是真的。
但是 AI 也让垃圾产生的更快了，因为实现的成本太低了，垃圾想法能很快变成垃圾产品，但好就好在，好东西也会很快脱颖而出。
现在确实是 AI 的前期，大家都不计成本投入，不顾代价探索，也没有形成标准范式，没有寡头垄断，也是浑水摸鱼的好时机。
但我想最终问题会回归到人身上，作为工具，如果没有人的目的性指导，断然是无法做出满意的结果的，更何况不同人的想法极其复杂，也并非是 AI 在不沟通的情况下就能快速令人满意的。
AI 时代确实来了，它会像电力一样普遍，但这都是在我们摸清它的上限与不确定性之后的事情了。
个人向，26 年最大的期望，是生活变得有趣一些，这个有趣可以是有成就感，例如创造 → 分享，也可以是社交层面，多参与线下活动与真人交流，也可以是兴趣方面，更有掌控感。
当然，还是得继续保持系统化进步，而不是考虑目标，所以 26 年打算每天都学一点日语，虽然没什么场景，但也无所谓，至少单纯取悦自己也是一种快乐，有了整体的、系统化的方法后，其他内容再想放进来也更便捷。
另外，希望能在投资方面得到一个稳定的投资纪律，至少迭代到 v2 版本吧，并且执行下去。从投资开始，希望也能建立一些劳动力外收入，靠创意赚钱而非工作时间。
当然最后还有一个非常重要的内容，就是健康，希望今年能降低到 140 以下，这就靠司美格鲁肽了。
非个人向的，也许最大的期望是台湾回归吧，去了那么多地方，还没去过台湾呢。
2026-03-16 23:00:00
无
无
2026-03-09 21:00:00
无
无
2026-03-08 05:00:00
AI 创作声明：本文正文均手工打造，为方便阅读，-1 节由 AI 生成，0 节是综述，1-7 是以开发项目为例说明 AI 使用经验
一句话概括：本文从技术原理和人文反思两个维度拆解了"如何用好 AI"，并以开发项目为完整案例，给出一套可复用的七步协作工作流。
文章结构 全文分两部分：第 0 节是核心论述，覆盖原理认知、哲学反思和方法论；第 1-7 节是实战案例，以开发项目为例演示方法论如何逐步落地。两者是主从关系——理解第 0 节的思考框架后，1-7 的每一步都是其自然推导。
第 0 节：核心论述 技术原理：AI 系统分为 LLM 和 Agent 两层。LLM 是语言层面的下一词预测引擎；Agent 是以 LLM 为底座，通过提示词、记忆、调度、工具四大能力构建的作业系统。两者边界正在模糊，架构仍未形成统一范式。
核心观点：使用 AI 是在让渡选择权来获取更强的执行能力。 这种让渡利大于弊，但需要警惕三件事——幻觉（语言分布 ≠ 物理真理，且倾向说人类想听的话）、训练者偏见（数据、奖励函数、偏好对齐均由人类设定，模型输出携带组织级倾向）、自省弱化（快速获得结果降低了人主动追问"为什么"的动机，主体性被稀释）。
六条方法经验（对冲风险的操作框架）：
关于审美：知道"什么是好的"依赖长期经验积累，AI 无法替代。能从具体维度评价结果好坏，才算具备审美——这决定了你能否判断 AI 的输出是否真正符合初衷。
第 1-7 节：七步工作流
plan.md，识别隐含假设和幻觉需求AGENT.md 开发规则，确保任何时刻可回溯、可迁移为什么值得读 如果你已经在用 AI 但总觉得"结果差点意思"，这篇文章提供是一套从认知到操作的完整框架——先理解 AI 的能力边界和风险本质，再用结构化的方法把控每一步协作质量。第 0 节帮你建立判断力，第 1-7 节给你一条可以直接套用的路径。
AI 作为工具，没有必要苛求所有人都用好它，但你越明白它的原理，就越能用好它。
从技术原理上，我们可以把 AI 分为 LLM 和 Agent，LLM 是基于 Transformer 构建出来的模型，模型需要经过pretraining、SFT、RLHF/DPO这一目前的标准流程构建，在云原生情景下，Agent 通过 API 调用运行在高性能服务器上的 LLM 来实现与人类的任务。
不过现在 LLM 已经有了 CoT、Reflection 等机制，不排除未来会演变成内生 Agent 模式，也不排除后续厂商会训练专用模型从而把模型从云端拉到本地作为助手工具。
而 Agent 更像是基于 LLM 形成的作业系统与感知系统，以提示词（Prompt）为入口，基于 Embedding 的记忆（Context/Profile/RAG）、调度（DAG/ReAct）、工具（MCP tool/Skill）为核心能力帮助人把需求实现。
不必被名词唬住，有太多东西是中间层，例如因为工具的提示词过长而并不每次都需要，于是就有了 Skill 这种渐进式披露，有些文档是按需查询且存储在第三方于是就形成了 RAG，而决定什么是记忆、什么是工具的边界也非常模糊，例如一个读取知识库的工具可以以 MCP 协议嵌入到 Agent 中，相信后续 Agent 的架构仍有较大的调整，毕竟还没形成业界统一的范式。
就像 DAG 里可以把 ReAct 认为是一个节点，Agent 之间也可以嵌套，形成 SubAgent，如此种种，但万变不离其宗，Agent 的是为完成人类指令的作业系统，而这一方面做的最好的当然就是操作系统，最终会与底层能力 LLM 达成平衡，也会与上下文大小、Token 成本和逻辑准确性达成平衡。
除了原理，AI 在人类学上成为了人实质的思考力的外延，在互动中成为了心理学意义上的人的「伙伴」和焦虑的来源，在政治经济上又成为新的基础设施，所以也会有一些 AI 哲学的讨论，我们确实正处于 AI 革命的历史中。
我个人认为，使用 AI 是在让渡选择权来获取更强的执行能力。
不同于以往大家对搜索结果信任程度不一，现在人类对 AI 的结果是远高于大多数渠道的，这种信任让我们在用 AI 学习、获取信息、决策的时候无形中放弃了其他渠道，它带来的好处就是比其他渠道都要快、多，也比大多数渠道准确。
我不反对这样，但要警惕，这是因为：
幻觉顾名思义，LLM 预测的下一个词建立在语言学的分布性假设上而不是真实的物理世界和数学逻辑上，其反映的是共识而非真理；它更倾向说人类想听的（RLHF 强化了这一过程），而不是一定正确的，所谓忠言逆耳对 AI 来说并不是第一位的。
AI 的预训练和 RLHF 带有明显的人类先验设定，数据集是人类给的，奖励函数是人类写的，DPO 也是人类选的，因此其生成的结果必然带有强烈的训练者属性，只是当下训练链条太长了，人数和数据规模较大抹平了个体的差异，但作为一个组织仍然有机会指导一个现网模型的确定性偏好。
最后则是 AI 能快速生成结果，弱化了人反思自省的能力，当所有问题都可以通过「代词+目的」表述的时候，人类会懒得思考那么多，比如为何这样、是否合乎逻辑、数据是否准确、影响有多大、如果按这样实施会如何，如果人不去思考这些，那最终他也无法判断 AI 给出的结果是否真的符合其初衷，从而稀释主体性，进而选择生物成本更低的方式，选择奶头乐。这种影响在有互联网和 AI 的时间内体现也许没有那么明显，毕竟使用工具本身就是人类的智慧（虽然有一定的负面效果，但这就是进化），但在无法使用 AI 的场景下，甚至需要即时决策呢？
不过总归来说利大于弊，弊端也只是分化了人群，只要注意注意我觉得还好，在让渡选择权的时候，在此过程中我遵循自己的方法经验，后文 1~7 可以见微知著：
至于老生常谈的所谓审美，仍然需要积累和练习，知道什么是好是依靠经验的，需要长期训练才能形成，比如一张好看的画外行只会觉得「卧槽牛逼」但是懂的人就可以通过构图、色彩、线条、视觉引导等各方面评价，知其所以美即审美。同样的，什么是好的想法，好的架构，好的逻辑，好的 AI 回复？
接下来我们以实现一个开发项目为例看看如何与 AI 协作，至于其他领域也可以作类似流程的拆分。
我的原始的想法只有一句话甚至一个单词，所以实现需求的第一步，应该是先跟 AI 讨论清楚如下问题：
在与 AI 调研的过程中，重要的是把自己原本抽象的想法具体到可判别的层面，由虚到实，让 AI 补充自己原本无法简单调研的信息。
这样做的好处是把意图暴露出来，人类比 AI 强的是在对话、想法前就能主动感知到背景、氛围等方面的信息，并建立各线索之间的联系。
因此，把这些隐秘的约束暴露给 AI，能让后续的工作减少相当多的分歧。
这一步实际上就是在跟 AI 讨论自己的想法到底要不要做，通过让 AI 收集信息来让朦胧的想法确定下来（或者不用做了）。
在收集完信息后，可以让 AI 整理上述信息，然后来确认是否满足自己的初衷。
在这一阶段，提出的要求分正、反两方面，这是在明确需求的边界，我比较喜欢的表述是列出 N 条重点，以让 AI 来构建下一步计划。
这些重点项就包括了基于上述理解，形成的相对具体的内容，例如我在写量化信号系统的时候，因为我只希望每个标的最多 1 天调整 1 次，所以就形成了「使用每日交易统计指标作为数据，忽略日内分时数据」；
我有喜欢的框架，那就明确提出要求「使用 Django 作为后端，前端优先使用 React 和长期维护的 UI 库，且所有库应使用 CDN 加载，涉及的所有组件源应优先使用腾讯软件源」；
我需要保证开发环境干净，那就「必须使用 docker compose 运行开发环境」。
有些内容是禁止的，比如「禁止使用 alert 提示框，禁止引入需要付费的 API 和组件」
当然这里主要关注的是需求方面，具体开发过程的约束可以通过后续 AGENT.md 来实现，因此不用多提。
通过这些条条框框进一步对需求约束后，我们可以形成一段需求文档，和一长串对需求的约束。
把上述两部分信息提交给 AI，用你能用的最好的模型（当前是 Claude Opus 4.6)，告诉它：需要根据需求和约束条件生成：
prd.md: 产品需求文档，即功能、业务逻辑、界面等基本信息plan.md: 需求计划说明，应按照需求关系，优先实现 MVP 版本，并把细化需求拆分多个开发阶段architecture.md: 架构说明，使用文字和 mermaid 描述项目架构，描述项目的组件、模块、依赖关系frontend.md: 前端需求与计划说明backend.md: 后端需求与计划说明appflow.md：描述预期中用户如何使用该 APP，需要对其产品意图、数据流向、用户交互设定等内容注意，这里并没有生成 progress.md 这种进度文件，因为现在仍然在做需求拆分的工作，开发中的文档由下一步操作。
当然，根据需求大家也可以添加其他文档，这些都会参与形成项目的持久记忆。
比如，有的项目对 UI、UX 有详细要求，甚至找到了参考图，那就可以在 1、2 步的时候，让 AI 根据参考图，生成一个 ui.md 作为参考；
更进一步，可以要求 AI 生成一个 default.rule.md，作为初始的项目规则，明确表明哪些做、哪些不做、哪些要参考。
不过我个人认为在需求确认阶段去指导开发过程有些越俎代庖，应该解耦。
当拿到 AI 给的 md 文件后，最重要的事情就是去阅读并修改它，我比较建议你直接修改对应文件并用特定的标识符，例如我比较喜欢用 --> 来进一步解释我调整的原因。
特别是 plan.md，针对复杂需求，AI 生成的 plan.md 一定不是完美的，因为多数事情只有我们看到的时候才会意识到分歧，所以一定要认真读认真改 plan.md，并告诉 AI 为何改，然后让它调整到满意为止。
还要额外关注 AI 是不是引入了特定的假设，你需要找出它并且告诉 AI 这些假设不合理；还需要找到 AI 因为幻觉而生成的需求外需求，要尽量减少需求的分支，或者说减少 AI 自主决策，尽量让它做具体的事情。
最后，记得检查 AI 在开发过程中是否需要额外的信息，比如某些只有在特定公司才会用到的流程、mcp、skill 等等。
在拿到上述一堆.md 后，先初始化本地 git 仓库——至少你需要一个版本管理工具，新建一个文档目录例如我喜欢的 .agent-doc，把这几个.md 放进去。
其次，你还需要准备一个对开发环境的约束文件并放到根目录下，我把它称之为 AGENT.TEMPLATE.md，我会放到附录里，它指导了 Agent 如何开发，包含:
.agent-doc，需要 AI 阅读并分析它打开 IDE 的 Agent 比如 Cursor，或者 claude code 之类的 cli：
@AGENT.TEMPLATE.md 初始化/实例化项目的 AGENT.md, 完成后删除 AGENT.TEMPLATE.md 即可.agent-doc中的内容，阅读并理解项目需求与架构，完善 AGENT.md，初始化开发文件，如 progress.md, bug.md, feat.md, chat-summary.md 等./example/xxx ，仅参考架构，禁止复制不相关的功能初始化后，你应该能得到一个较为友好的开发环境，后续不论你如何变更，总能溯源回现场，这很重要。
当然，每个人有不同的习惯，我只是个人喜欢用 AGENT.md 放这些东西，实际上所有个性化的开发规范都可以放在这里，甚至引入一些 mcp、skill 也是可以的，其实 AGENT.md 也是一种渐进式披露，因为更详细的规则在 AGENT.md 和.agent-doc 中。
需要强调的是.agent-doc/chat-summary.md，没有人是一开始就把脚手架设计好的，所以 AGENT.md 中会要求 commit 前检查是否有需要记忆的开发习惯或规则，记录到 chat-summary.md 中，当项目完结后，我们会根据 chat-summary.md，git commit log，来完善 AGENT.TEMPLATE.md。
这些内容有太多人提了，从实现角度，用于实现特定功能的提示词应该参考 instruction following 设计的格式，即「角色定义+技能描述+思考方向+人格特点+用户指令」，以保障后续预测更为聚焦，不过在开始一个 chat 后，就没必要这么细节了，直接说需求就好。
建议采用：意图+功能+验收方式来描述自己的需求，让 AI 充分理解你为什么要做，要做哪些，以及如何衡量。
要注意主动拆分 chat，不要在一个 chat 中引入太多的上下文，应该一个原子需求在一个 chat 里完成和提交，以减少 Context Window。至于如何拆分出来原子的 chat，实际上就是 PM（项目经理）的工作，建议每个人都学一些，并把自己常用的方法论揉到提示词中区。
在提示词方面我认为重要的 2 个其他人比较少提及的部分有两个。
第一，是形成自己的 system prompt 特别是领域 prompt，不要试图每次都在 chat 中指定，善用 APP 自带的 rule/settings/instruction 来固化这些内容；
第二，是要定期优化自己的 prompt，这个优化分两部分，一个是让 AI 根据你的意图查漏补缺，让它来拟合对于 APP 的规则以达到最大跟随效果，另一方面是让 AI 根据你的长期记忆，总结和补充缺失的部分，重新归纳你的长期偏好和习惯。
没有什么提示词是一劳永逸的，迭代才是正道。
触发优化的条件无非是 bug 或者不够满意。
AI 的结果肯定不会一次满意，得益于之前的版本管理，有.agent-doc 和 commit message，至少可以随意回滚和切换 APP，在 Claude Code 不满意可以换 Codex，还不满意换 Cursor。也可以让不同的 APP 交叉检验自己的代码，特别是涉及到重大决策的系统。
在多数无法一次性修复的 bug 情形中，往往是 Agent 的思考方向出了问题，一般是我们给出的描述太过于宽泛了，Agent 要一个方向一个方向地尝试，如果要更快达成修复，人类就需要介入提供约束条件。
特别是你已经提问一轮了还没解决，不能像老板一样单纯指出来哪里哪里不行，要跳出当前循环，告诉 AI 你从哪里得到的日志、表现，告诉它预期结果，补充你认为这是 bug 的背景信息，还要认真阅读之前 AI 修 bug 的逻辑是否存在某种假设。
这里有多种方式来改进，例如要求 AI 变更前先说明理由，由你确认；也可以直接人类介入告诉它哪里可能有问题，哪里基本上不会有问题，主动剪枝（即主动排除不可能的原因）。
对于不够满意的部分，就需要直接指导 AI 朝着想要的方向努力了。
除了角色扮演来让 AI 激活知识库和训练数据，最常用的办法就是直接给参考对象。参考 preference pair 的思路，给出正反样例，并说明正例正在哪里、反例反在哪里，从而让 Agent 进行修复。这里最忌讳就是空洞说的「不满意，再改改」，基本上就是抽奖。
为了能清楚描述出来哪里满意以及提供改进方向，还需要人能顺利表达想法，这就是审美了，可以经常把两个有差异的内容让 AI 描述具体差异在哪里，并不推荐只给参考而不说理由。
把重复的东西固化，然后进行版本迭代。所以 AGENT.TEMPLATE.md 肯定是要在每个项目完成后进行版本更新的，一定要把停留在 APP 的用户画像迁移到你自己的本地模版和规则文件中去，不然换个 APP 还要重蹈覆辙。
我个人是不喜欢在特定 APP 上写全局、项目规则的，这种迁移一下 APP 就没了的东西必须要自动化。
再回忆一下为了实现这个需求在 AI 之外做了什么，比如查询某个内部的 DB、查看线上部署后的日志，那就应该直接把它们做成 MCP、Skill，让 AI 自己感知到。
我自己不喜欢胡乱添加 skill，因为 skill 隐藏了太多其开发者意图，往往与我预期不一致，只有遇到问题的时候，我会找喜欢的 skill 把它放到 iCloud 上，然后所有 APP 都 ln -s 它，使用的时候也明确指定并提出需求。
更进一步，还可以让 AI 分析一遍 commit log，结合 chat history 和 plan.md，看看最开始规划的方向和实际执行过程差距在哪里，通过这种简单复盘来提示我们后续应该怎么更好地编写 plan.md 和拆分子任务。
最后补充一些我认为非常重要的开发规则：
git status 应该都是干净的，有 commit message 和 .agent-doc 描述本次变更的所有信息，commit message 和 .agent-doc 形成渐进式披露plan.md 并完善它.psd 、.ppt、.md 的版本 历史都非常有意义，额外关注参考图参考文件的存储，不要轻易覆盖写入，最好能放在需求文档的二级目录下2026-03-02 22:00:00
无
无
因为败犬女主这个番跑了一趟丰桥，话说竹轮也太腻了吧老八竟然吃得下去，丰桥的人特别少，感觉都是在名古屋打工的。
名古屋的 Zepp 差评，低音给太多，人声都几乎听不到了
周六晚上开始打司美格鲁肽，看到针后思想建设了半天，没想到一点感觉都没有。打了之后第二天就不是很能吃下东西了，吃完东西就有点恶心，根本不敢吃太快，也不敢吃油腻的东西。不过，心理想吃，感觉嘴里淡淡的
不过听说司美格鲁肽 4 月专利就过期了，希望以后能进医保
2025 的年报竟然还没写完，回来上班实在是太困了
2026-02-22 22:00:00
无
无
无
