我是自己生活的主角，不要做自己故事里的路人。

使命感会让你明白，即使没有人为你鼓掌，你的故事也很重要。

你的目标不必轰轰烈烈，不必意义深远，也不必惊世骇俗。目标可以很小，很温和，很个人化。

目标能让你感觉自己的人生真正属于自己。它是连接你的行为与意义的无形纽带。

专注于自己的生活，就是在一个不断要求你放弃自我的世界里选择做自己。

选择一种让你每天醒来都感到自豪的生活，而不是一种你只是在忍受的生活。

因为总有一天，你会回顾自己的一生。你会回顾你做出的选择、你留下的人、你坚守的界限、你追求的梦想，以及你最终允许自己成为的那个自己。

我希望你回顾自己的人生时，能够说：

“我没有等着别人来救我。”

我没有等待最佳时机。

我没有等待许可。

我选择了我自己。

我全心全意地投入其中。

这就是沉迷于自己生活的表现。

它的意义远超你的想象。

1，当您仍然牢记旧事物时，很难专注于新事物。

2，笔记的主旨是想法的保险，他们让我们放心地忘记。

3，写的动作才是最重要的，是在我们大脑中留下重要思想的印记。

4，最重要的东西会自己再次出现，你会一次又一次地遇到那些最好的想法。

5，Notes app 是想法消亡的地方，而且这事好的。

《Notes apps are where ideas go to die. And that’s good.》

https://reproof.app/blog/notes-apps-help-us-forget

出发！目的地——
星露谷！

• 我一直在想现代AI开发的这场“悲剧”。我们正活在满是slop（平庸垃圾）的世界里，今天我要讲的，是我怎么造了pi来逃离它。

• Claude Code在你背后操纵你的上下文：系统提示每个版本都在变，连工具定义都会被改、被删，而且不通知你；它还会往上下文里塞各种“系统提醒”，经常用类似“这里有些信息，可能跟你正在做的事相关，也可能无关”这种话——这种模棱两可恰恰会把模型搞糊涂、打断它的连贯思路；零可观测性，你根本不知道这些agent实际在干什么；零可扩展性，就算有hook也都很浅，每触发一次就新开一个进程，谈不上深度集成。

• 我们真正需要的，是能自我改写、能被捏来捏去、会适应“我们”的agent，而不是反过来让人去适应工具。

• 都给我慢一点！

• 我们已经到了一个危险的地步：有人会吹嘘自己的产品“100%由agent造出来”。通常，这只意味着——这产品现在很烂。

• agent在制造复利式的“boooos”（我对“连环错误”的叫法）。

• 其一是衔尾蛇问题：你用一个编程agent写代码，再用一个“审查agent”去查它。可这两个agent都是从同一个地方学来的——互联网，而互联网上90%是陈年的垃圾代码。

• 其二是局部成功、全局失败：agent打了个“局部正确”的补丁，却把全局架构搞坏了，因为整个代码库已经大到塞不进它的上下文窗口。

• 其三是延迟的疼痛：人写出烂代码会疼，所以人会去重构；agent不会疼，它会心安理得地一层抽象叠一层抽象，直到你的代码库变成一个超级复杂的噩梦。

那到底该怎么用agent？别让它替你做大决定，把它用在这些任务上：

• 范围明确（它能找到完成任务所需的全部上下文）

• 可验证（你能给它一个函数来判断有没有做成）

• 无聊/非关键（复现bug的用例、当个“橡皮鸭”陪你理思路）

• 同时把代码库模块化：更小、边界更清晰的模块，才让agent的任务变得可处理、可审查。

• 摩擦其实是个好东西。写代码的摩擦，正是你脑子里那套系统心智模型被建立起来的过程，也是你学到新东西的地方。如果你把所有思考都外包给一个clanker，等系统不可避免地崩了，你就失去了修它的能力。

• 造你自己的工具。把控制权拿回来。去启发你的用户，而不是喂饱你那点“token最大化”的欲望。

• 慢下来，造点真正重要的东西。

• 那我们怎么知道哪些是“关键”的？Mario：你去读代码。理解这件事没有捷径。你不读它，你就不拥有它。

• 黄金法则：如果它是关键的，逐行读；如果它是重要的，亲手写。

——

我现在很喜欢用pi Agent，它超级极简，然后但很多任务上往往比Claude Code、Codex 还要好用。然后收到这个创始人的访谈，我发现他的话语我都很容易听进去，就很喜欢。

我也认同他的观点，就是在真正重要的事情上，你还是要你亲自去做，去手写，去感，通过摩擦带来真正的理解，带来真正的思考，带来真正的学习。

我一直在思考：

当 AI 模型能够持续吸收人和组织的专业能力、并把它商品化的时候，组织该如何继续学习、积累知识产权、保持差异化、并活得好?

每家公司都将不得不去构建两种东西，我把它们叫作人力资本和 token 资本。

• 人力资本，是它的人所拥有的知识、判断力、关系、巧思和模式识别能力;

• token 资本，则是这家公司自己构建并拥有的 AI 能力。

要紧的是：人力资本不会因为 token 资本变多而贬值——它只会变得更值钱。我相信，人的能动性，将是 token 资本增长的驱动力。

是人去设定雄心勃勃的目标、跨领域连点成线、建立关系、识别出最要紧的那些模式。没有人的方向感，你拥有的只是一堆原地空转的算力。

这意味着真正的机会,不在于挑出最好的那个模型,而在于在模型之上搭建一个学习闭环——让人力资本和 token 资本在其中复利式地一起增长。

企业的未来,就在于能否把这种学习在人与 AI 之间不断复利积累。

每一家企业都能构建出会随时间自我改进的智能体系统,同时又始终牢牢掌握自己的知识产权。一家公司应该能够把一个"通才"模型换掉,而不丢失那些已经沉淀进自己学习系统里的"老员工"式专长。

这，就是衡量你在未来时代里是否拥有控制权与主权的关键"测试"。

公司需要把自己的工作流、领域知识和长期累积的判断力,变成会越用越强的 AI 系统。私有的强化学习环境,应该让模型在来自组织内部的真实轨迹上变得更强。而它的知识库,则让机构记忆变得可被检索,也让 token 的使用更高效。

这个闭环,会成为企业新的知识产权。我把它想象成一台爬山机器。而且和大多数资产不同，它会复利。每一个被改进的工作流，都会产生更好的训练信号,反过来加速积累那些只属于这家公司的、难以言传的隐性知识。

那些早早把它建起来的公司，将拥有一种很难被复制的优势——无论之后又冒出什么新的单一模型能力。

我们任何人最不愿看到的，是这样一个世界：

每个行业里的每家公司，都把价值拱手让给少数几个"看见什么就吞掉什么"的模型。如果所有价值最终只被少数几个模型攫取，这个政治经济格局根本不会被容忍。一个掏空整个行业的 AI 未来，是不会获得社会许可的。

——

我也一直在想，模型之外的能力是什么？因为模型人人都有，盯着这个没有机会。纳德拉举了几个例子：

1，来自真实场景的私有数据

2，隐性知识（人与人之间的微妙关系，潜规则，老师傅的手艺等等

3，最好是能形成持续循环，积累复利

仔细翻译完，觉得这篇只是一个想法，暂时不具备特别强的现实价值。

真好看 (❛◡❛✿)

还蛮喜欢这种书堆在地上，凌乱又极简的书房。

https://semaphore.substack.com/p/things-i-learned-at-openai

• “我喜欢的叙事是，一群平凡的人做出了不平凡的事。对 DeepSeek 来说，我们的核心是要保证团队的稳定性——这比钱和资源都更重要。这是最大的风险，也是最大的挑战。”

• “假设 AGI 会占 GDP 的20%，想要其中 5% 的人会输给想要 1% 的人，想要 1% 的人会输给想要 0.1% 的人。”

• “我们要做的是和提高智能有关的事情，其他的事情都不会去做。”

• " AGI 是个足够大的事情，其他都只是过程。”

• 四个小时里，贯穿始终地，梁文锋反复强调的其实都是同一些问题：比如只追求 AGI ；比如 less is more ；比如克制等等。

• 按照一位投资人话来说：“他们是抱着巨大的善意在做这一切。他似乎在告诉我们：世界本来就应该是这个样子。”

• 有参与的投资人说，整个交易过程中，他珍藏了每一份文件，希望未来有机会可以裱起来。还有一位投资人重复了两遍 DeepSeek V4 预览版发布时的那16个字：“不诱于誉，不恐于诽，率道而行，端然正己。”

——

我第一次真正被Deepseek震撼，是用 PI Agetn +Deepseek ，交付了一篇深度的稿子后才发现，花费只有0.5元。对比CodeX /Claude 动不动额度用完，真心觉得还好有 Deepseek ，不然我对token的焦虑会是现在的10倍，因为有Deepseek，也会觉得未来普通人也用得起还不错的 AI 。

在加上了解到Deepseek在AI基础领域做了很多被人根本不会去做的事情，比如开发基于华为芯片的模型（超级费力但不一定赚钱的事情），我对这家公司和创始人就很有崇敬之情，我极少对别人有这样的情感。就像摘抄中说的，他们是抱着巨大的善意做这一切。

脱口秀演员+游戏，太松弛了。无聊斋都不太听了，但这期听的津津有味。

做了一个 obsidian 插，把笔记转化为带版式设计的 HTML 页面。笔记上右键直接生成，在obsidian里就可以直接阅读。

个人体感阅读体验提升了3倍，原本读不进去的长段内容，一下子变得好读了。主要是元素清晰，很方便眼睛选取需要的或进行跳读。

上传官方社区中，想要尝试可以直接下安装到obsidian库里。

感谢 @Lightory 的轻轻推动。起了做一个这个插件的念头才发现插件市场里并没有这样的插件，这类长期使用的简单的工具按照自己心意开发的感觉真好。

• 今年三月，《纽约客》杂志发表了一篇文章，专门讨论硅谷这股突如其来的品味狂热。文章里造了一个词：taste-washing，品味漂白。

• 硅谷口中的品味，不是法国启蒙思想家伏尔泰（Voltaire）说的那种东西。伏尔泰的原话是，要拥有品味，仅仅看到并知道一部作品哪里美还不够，你必须感受到美，并且被它打动。硅谷的品味不是这个。硅谷的品味是一种可以带来利润的决策能力，是一条护城河，是一个新的KPI。

• 有一个日本设计师叫水野学。你大概率没听过他的名字，但他做的东西你很可能见过：NTT Docomo的品牌形象是他打造的，熊本熊的视觉系统出自他手里。他写过一本书叫《品味，从知识开始》，里面给品味下了一个更精确的定义：品味，是使无法量化的现象表现出最佳样貌的能力。

• 这句话的关键在那四个字：无法量化。品牌的气质，一个空间的舒适度，一段文案的节奏感，这些东西数字抓不住。品味负责的恰恰是这些灰色地带。

• 水野学在书里做了一个非常重要的区分：品味不是"我喜欢什么"，而是能说清楚"为什么这个符合目标"。前者只需要感觉。后者需要你曾经亲手做过类似的事情。觉得"不是判断。"觉得"是偏好的另一个名字。

• 品味是从知识中长出来的。他用了一个很朴素的类比。一个只会五十个词的人，和一个掌握五万个词的人，写文章的可能性完全不同。知识像纸张，品味像画。纸张越大，能画的东西越多。没有知识，创造力就没有材料。没有知识，判断力就没有依据。没有知识，品味就只能退化为"我喜欢"或"我不喜欢"。

• 品味从一种需要时间、需要犯错、需要反思的内在过程，退化成了可以被下载、可以被展示、可以被识别为"自己人"的外部标签。

• 品味是在做东西的过程中形成的，不是在选东西的过程中形成的。当AI让你可以无限地选，你以为你的品味在精进。实际上，你只是在用越来越多的选项，掩盖越来越弱的判断力。

• 品味的价值，恰恰在于它不是关于你自己的。你被一首诗打动，不是因为这首诗证明了你有文化。你被一件家具吸引，不是因为能在朋友圈获得点赞。是诗本身。是家具本身的线条和触感。

• 1996年，《连线》杂志采访乔布斯，他讲了一个细节：他和家人曾经在晚餐桌上讨论洗衣机，讨论了整整两周。不是因为他痴迷家电。是他在做一个决定，一个需要信息收集、比较、权衡、最后选择一个方向然后承担后果的决定。最终他们买了一套德国Miele。这不是品味。这是判断。

• 乔布斯真正的遗产，不是他"有品味"。是他做了三十年这样的选择。1997年他回归苹果之后做的第一件事，不是定义苹果的美学方向，而是砍掉了百分之七十的产品线。砍掉七十款产品不需要品味。需要的是勇气，是你愿意为这个决定承担后果。这恰恰是AI永远做不到的事情。AI能生成一百套产品线方案，但它不能替你承担砍掉七十套的后果。

• 判断力的唯一来源，是在真实世界里反复做东西、发东西、被否定、再做的循环。品味只是这个循环的副产品。你把副产品当成护城河，护城河里没有水。

• 品味为什么不是护城河？真正稀缺的，是判断。在信息不完备、结果不确定、没有人能替你做决定的情况下，做出选择并承担后果的能力。

• 品味可以外包。你可以让AI帮你选颜色、选字体、选方案。判断不能外包。不是AI不够聪明，而是判断的本质不是信息处理，是代价承担。

• 品味的形成和增长，需要大量的切身的实践，需要不断投入能量；或者说，不有限的能量投注到恰当合意的方向或位置上。那才是AI时代的护城河。

我们从小到大习惯于把所做的事当成达到自己目的的手段和途径，于是习以为常，以为人生做事就应该这样。儒家反对这种态度，我们之所以要去做这件事，不是因为它可以带来一个有利于我们的结果，这件事本身只是途径和手段。儒家主张的是，我们之所以要去做这件事，因为它本应当被做，这件事情它自己就是自己的价值。自己就是自己的目的。自己就是自己的意义。

Every 编辑创建的审稿 Skills ，不同阶段由不同的审稿人进行审阅：

• 提纲：驳斥论点

• 章节草稿：尽早发现薄弱之处。

• 完整草稿：让文章进行反驳

• 最后检查：运行团队检查清单

这份飞行前检查清单是在我反复修改、斟酌、重写和反复阅读文章之后才制定的。到了这个阶段，无论 AI 是否参与了写作，文章都已完全属于我了。AI 的任务是找出我最容易忽略的地方，因为我可能会因为疲惫、情感投入或过于沉浸于文章的逻辑而忽略其真实面貌。

https://github.com/EveryInc/draft-review-kit

https://every.to/working-overtime/my-editor-caught-me-sounding-like-ai-now-ai-catches-me-first

大卫·福斯特-华莱士，一位能打动人心的作家：

真正优秀的作品，或许源自一种袒露自我的勇气——你愿意在精神与情感上全然敞开，哪怕这会让你显得平庸、夸张、天真、落伍或多愁善感；也愿意让读者真切地感受到些什么。你得有那种几乎“以死相搏”的决心，只为触动读者的内心。（饭：首先打动自己

——

这段文字出自他 1993 年接受拉里·麦卡弗里（Larry McCaffery）的采访，该采访刊登于《当代小说评论》（Review of Contemporary Fiction，第 13 卷，第 2 期）的一期青年小说家特刊上。

这是他被引用次数最多的采访之一。

之前一直觉得 AI 效率很高，但我自己却很累，我看很多人也都说，怎么感觉像是在给 AI 打工？

终于在这篇 Twitter 里面找到答案了：

作者提到，我们用 Agent 并行处理任务时，有个隐蔽的不对称——多个 AI 智能体可以同时生成内容、跑流程（并发干活），但只要遇到需要人来判断、审核、解决代码 / 内容冲突、梳理整体架构的环节，就必须排队等你处理。结果就是：AI 产出越来越快，待审核的任务越堆越多，形成长长的任务队列。

阿姆达定律非常准确的说明了这种情况（系统优化的上限，是由最慢/不可优化部分决定的）。并行化带来的加速，受限于串行处理的工作比例。

你的累来源于切换注意力：

每次你查看一个离开过的代理时，都会付出上下文切换的代价。你需要清空上一个任务的思绪，重新开始加载这个任务的记忆，这个过程非常消耗脑力，这也是你感觉到越来越疲倦的根本原因。

一旦你的注意力资源消耗光了，你的判断力会极速下降，根本做不了高质量决策。

精心设计你的注意力：

把你的注意力当成稀缺资源来管——它就是你系统里的串行瓶颈：

1. 代理能跑多快不是重点，你的判断速度才是。别看着能并行就猛加代理，你吃不消。

2. 把活分两堆。AI 能自己搞定的，放出去跑，最后收一下就行。必须你下场判断的，别并行，一个个吃。

3. 别来一个审一个，攒着批量审。每切一次任务，脑子都要“重启”一次，很贵。让活稍微积一积，抽一块时间一口气审完。

4. 脑子只做判断，别的让机器来。能自动验证的别自己盯。AI 干完 80% 的脏活，你只盯必须你拍板的 20%。

5. 保护好你的专注时间。该合电脑就合上，集中想一个具体问题。来回协调、切来切去，真的不叫工作。

并行大量的任务会让产生一种生产力爆棚的感觉，实际上可能全部卡在你的决策质量上。

真正的技巧在于围绕你的注意力（这是唯一稀缺的资源）设计系统。

The Orchestration Tax

巴菲特的十年指数基金赌约：

2007年，巴菲特发起了一场公开的十年慈善赌约：从 2008年1月1日到2017年12月31日，一只低成本的 S&P 500 指数基金，在扣除费用后，能否跑赢一组由专业机构挑选的对冲基金组合。

应约方是 Protégé Partners, LLC。他们并不是随便选几只基金，而是挑了 5只“对冲基金中的基金”，这些基金背后又投资了上百只对冲基金。也就是说，挑战巴菲特的不是普通散户，而是一套典型的华尔街专业筛选体系：专业机构选基金经理，基金经理再选择投资策略。

结果很清楚。十年结束后，巴菲特选择的 S&P 500 指数基金累计收益为 125.8%，年化收益 8.5%；而 Protégé 选择的5只基金，最终累计收益分别为 21.7%、42.3%、87.7%、2.8%、27.0%，没有一只跑赢指数基金。

这个案例最有力量的地方，不是证明“主动管理一定不行”，而是揭示了一个长期投资里经常被低估的事实：费用、复杂度和频繁选择，本身就是很重的成本。 很多专业管理人即使聪明、勤奋、资源丰富，扣除层层费用后，投资者真正拿到手的结果，仍可能输给一个简单、低成本、长期持有的指数基金。

后来，代表应约方的 Ted Seides 也专门写过文章复盘这场赌约，承认自己输了。他并没有完全否定对冲基金的价值，但也承认，在这十年的实际结果里，巴菲特选择 S&P 500 是赢下赌约的关键。

信息来源：

- Long Bets 官方赌约记录：[Bet 362](https://longbets.org/362/)

- 伯克希尔哈撒韦 2017 年年报，巴菲特披露最终成绩：[2017 Annual Report PDF](https://www.berkshirehathaway.com/2017ar/2017ar.pdf)

- Ted Seides 复盘文章：[Why I Lost My 10-Year Bet With Warren Buffett](https://www.wealthmanagement.com/alternative-investments/why-i-lost-my-10-year-bet-with-warren-buffett)

最近忙项目有点把自己累到了，昨晚10点半就睡着了。

但此刻坐在这里内心就很安定舒服，就是那种做什么都可以，什么都不做也可以的那种安心感。

是一种运动之后筋疲力尽的畅快感，是那种拉伸到点上，呼吸到深处让肌肉呻吟的酥麻感。

自由之后因为恐惧，因为有退路，很久没有体会到这种把自己推到极限的感觉了，总是浅尝则止，总是处在前进和后退中犹疑，缺少一些畅快感。

突然理解为什么有些成功人士喜欢极限登山了，就对他们来说，什么都得到了，但人反而越来越麻木，只有在生死之间才能感受到自己在活着。

我倒没有那么严重，我还有匮乏感，对未来还有不确定和担忧。但确实和之前相比，现在有爱人有温暖的家，整个人精气神是松下来很多的，难怪最近总是对自己的状态不满意。

我希望保持活力，保持生命力，保持强烈的探索欲，保持足够的匮乏，这样才有持续的动力想歪探索，就像那个芭蕾老奶奶说的：要扩张，不要收敛。

舞者和作家 Twyla Tharp 在她那本关于优雅的老去的书的开篇就警告到：

当我们变老，我们的身体从运动的自由中得到的快感会减少，我们倾向于占据更少的空间，物理上和比喻上的。

这种倾向的终点便是：我们的脊梁向前弯曲，不再挺拔。

我们的步伐缩短，从迈步变成蹒跚。我们的视野变窄，缓慢的从外围抹去边际，直到鼻子前面的这一点点。

自然的，我们更喜欢呆在家里，我们生活只需要更少的房间。我们限制自己的身体，邀请周围的世界来迫近我们。

6月过冬。

• 人工智能就像一面镜子，它会反映出你的品味、判断力和技艺。

• 有时候你觉得是人工智能很糟糕，但实际上可能是你还没有明确表达出真实需求，没有提供足够的背景信息，没有用清晰的语言表达出来。

• 人工智能非常善于填补空白，这就是为什么你会觉得输出结果平平无奇——除非你教他别的，否则它会用互联网的平均品味来填补这些空白。

• 我所追求的是经过深思熟虑的输出。我们不需要更多模板化的、套用 Claude布局的、千篇一律的东西。打造一款让人感觉是用心打磨、注重细节的作品。这就是人们谈论「品味」时的意思。

• 对我而言，品味在于反复体验——欣赏、思考、创造。这一切都有助于帮我更好地完成我的设计、确信它能吸引目标受众。品味需要用心、专心和细致，绝非轻而易举。

• 真正让你成为10倍设计师的，是能够理解为什么某些东西用起来很顺手，或者看起来很漂亮。

• 你在不经意间做出的上千个微小判断，其累积的影响会一直存在，直到你试图将它们梳理清楚时，才会发现自己根本做不到。by Julie Zhuo，Sundial 创始人

• 当其他人都在用人工智能撰写几乎所有内容时，你仍然掌握并保持清晰表达自己想法的能力。不要失去你拥有独立观点的能力；不要失去解释某件事好在哪里的能力，不要失去将这些解释提炼成明确输出的能力。这些都是人工智能无法取代的。

• 有意识地消费：

• 每周一次，我会坐下来整理一周内读过、看过或保存过的内容，然后写下我从中获得的实际感受。不是人工智能生成的总结，而是我自己的感悟。

• 为什么这很重要？它让我想起了什么？接下来我可以在哪里应用它呢？......

• 你通过反复练习，越来越了解自己的口味。

不想晒衣服，更要好好晒。一件一件抻直想要快点洗完澡而不擦干身体，更要一寸一寸擦。工作中的琐事烂摊子不想做，更要一个一个解决。日复一日，在这种对抗里，你会长出平静心，长出耐心。你不再有感到无比烦躁的事情，过不去的坎。做任何事情，都想呼吸一样，融入你的身体与日常。生命在于解锁一次次自我图片的微小体验，直至任何事情。