LLM

2026 年 9 月思考笔记 本月共 220 条笔记 | 记录时间：2026-09-01 — 2026-09-19 主题分布：AI 与 Agent 系统 105 条 · 日常与其他 44 条 · 产品、工程与开源 34 条 · 自我认知与心理 16 条 · 旅行、地理与城市 8 条 · 阅读、思想与历史 7 条 · 商业、投资与职业 3 条 · 内容、创作与记录 2 条 · 身体、健康与日常 1 条 ...

2026 年 8 月思考笔记 本月共 484 条笔记 | 记录时间：2026-08-04 — 2026-08-31 主题分布：AI 与 Agent 系统 212 条 · 日常与其他 118 条 · 产品、工程与开源 96 条 · 自我认知与心理 36 条 · 商业、投资与职业 9 条 · 内容、创作与记录 6 条 · 阅读、思想与历史 4 条 · 旅行、地理与城市 3 条 ...

2026 年 4 月思考笔记 本月共 222 条笔记 | 记录时间：2026-04-01 — 2026-04-30 主题分布：AI 与 Agent 系统 87 条 · 旅行、地理与城市 56 条 · 日常与其他 34 条 · 自我认知与心理 29 条 · 阅读、思想与历史 5 条 · 产品、工程与开源 4 条 · 身体、健康与日常 3 条 · 商业、投资与职业 2 条 · 内容、创作与记录 2 条 ...

2026 年 3 月思考笔记 本月共 464 条笔记 | 记录时间：2026-03-01 — 2026-03-31 主题分布：AI 与 Agent 系统 135 条 · 旅行、地理与城市 109 条 · 阅读、思想与历史 57 条 · 日常与其他 55 条 · 自我认知与心理 48 条 · 产品、工程与开源 30 条 · 内容、创作与记录 11 条 · 商业、投资与职业 11 条 · 身体、健康与日常 8 条 ...

2026 年 1 月思考笔记 本月共 386 条笔记 | 记录时间：2026-01-01 — 2026-01-31 主题分布：AI 与 Agent 系统 89 条 · 阅读、思想与历史 79 条 · 日常与其他 70 条 · 商业、投资与职业 46 条 · 自我认知与心理 44 条 · 产品、工程与开源 23 条 · 旅行、地理与城市 14 条 · 身体、健康与日常 12 条 · 内容、创作与记录 9 条 ...

2025 年 3 月思考笔记 本月共 52 条笔记 | 记录时间：2025-03-01 — 2025-03-30 主题分布：AI 与 Agent 系统 21 条 · 自我认知与心理 15 条 · 产品、工程与开源 8 条 · 日常与其他 4 条 · 商业、投资与职业 2 条 · 旅行、地理与城市 1 条 · 阅读、思想与历史 1 条 ...

2025 年 2 月思考笔记 本月共 40 条笔记 | 记录时间：2025-02-17 — 2025-02-28 主题分布：AI 与 Agent 系统 11 条 · 自我认知与心理 9 条 · 产品、工程与开源 8 条 · 日常与其他 4 条 · 商业、投资与职业 3 条 · 阅读、思想与历史 2 条 · 旅行、地理与城市 2 条 · 身体、健康与日常 1 条 ...

一段动画里，同一个角色跨过几个镜头，颜色没有变，身体比例没有漂移，字幕准时出现，最后一个动作落在音乐节拍上。看到这样的作品，很容易把进步归结为“模型突然懂视频了”。但在公开项目 Shipvideo 里，Opus 交出的核心文件其实是一份 HTML：浏览器负责把它变成画面，编码器再把画面变成视频。项目说明 ...

我最近在研究 Evaluation，也就是怎样评估一个 AI 应用做得好不好。正在看的一期视频，是 Lenny’s Podcast 对 Hamel Husain 和 Shreya Shankar 的访谈。电脑上，视频下方有中英双语字幕，右边打开着转录面板。 ...

如果把 Claude Tag 只理解为 Slack 机器人，会错过它最重要的产品变化。它把频道变成了一个可授权、可记忆、可持续运行的 Agent 空间：团队共享同一个执行者，任务在 Anthropic 托管的线程级沙箱中异步完成，外部凭证由 Agent Proxy 在边界注入，结果回到公开线程并留下可追溯记录。Claude Tag 官方文档 已经把这些机制写得相当具体。 ...

一次交流里，我卡在一句看似简单的话上：“我知道 Agent 的体感边界，但是不知道 Agent 具体的定义怎么样说。” 我能判断一个固定路径的 workflow 不太像 Agent，也能看出一个会根据工具结果改计划、必要时暂停或移交的系统更像 Agent。可当对方等我给出一句没有漏洞的定义时，我发现脑中的东西不是一句话。它更像许多正例、反例、相邻概念和行动后果叠出来的判别器。 ...

Open Design 很容易被名字带偏。这个词也指更早的开放式设计运动，但本文讨论的是 nexu-io/open-design ：一个把 Coding Agent 组织成设计生产系统的开源工作区。 它不是模型，也不只是一个出图工具。更准确地说，它是一套 harness——给能力加上边界、流程与反馈回路的工作台。它为 Agent 准备可控的词汇、可复用的工作方法、视觉约束、工件迭代环，以及检查结果的地方。模型和操作者依然决定质量上限，Open Design 改善的是从意图走到成品的那段路。 ...

用得越熟，为什么反而越累 先说一个我自己撞了很久才想明白的怪现象。 刚开始用 Claude Code 的时候，效率提升是肉眼可见的：一个下午干完过去两天的活。用熟之后，效率还在涨，但一天结束时的疲惫感也在涨——因为我整天都在做同一件事：看它跑完、判断对不对、想下一句该说什么、再敲回车。 ...

我决定做一个面向程序员的开发机体检 skill，代号 devbox-doctor。它只读扫描你的 Mac，把应用、包管理器、配置接管点、常驻资源和可能的卸载残留整理成事实；模型只负责解释证据并提出下一步，不能把“看起来像”变成删除命令。最终交付是一份能复核、能降级、能说明自己哪里不知道的体检报告。这篇文章记录它的设计，也记录几处最容易写得漂亮、做得危险的地方。 ...

一套有价值的 Skill，核心不在 prompt 多精妙，而在三件事划分得多干净：确定性的工作交给代码，语义判断交给模型，执行确认交还给人，再用结构化契约把三者缝起来。这个结论来自我最近拆解的一个存储清理 Skill。删文件是 Agent 的高风险能力，而它能让我从「本能警惕」走到「愿意确认」，靠的是设计，不是信任。 ...

框架立完之后，我发现自己没有「第一现场」 「从信息到创作」五篇写完，框架是立住了：信息采集降噪，记录沉淀半成品，知识结构化成能力，创作面向受众重组。但写完第三层·知识 里那句「知识库是你和 AI 共用的第一现场」之后，我一直有点心虚—— ...

假如今天你要给自己选一个 AI Agent 的方向下注，你最该先问的问题是什么？ 多数人问的是"这个能不能做出来"。但在 2026 年，许多应用的首要瓶颈已不再是模型能力，做出 demo 也不再稀缺。真正该问的，是另一个更冷的问题：“为什么这么大的机会，别人还没把它做死？” ...

假设你现在真的有一个 agent，能把一件事从头做到尾——拉数据、写代码、跑测试、发 PR、改文档，一条龙。它不需要你在旁边一句一句喂提示词。你晚上把任务丢给它，去睡觉。 ...

一个人究竟养得起多大的 Agent 舰队？ 这个问题听起来像是在数进程，其实是在找一个错误的单位。一个 Agent 可能只抽取一段文字，也可能搜索二十分钟，或者经过八十次工具调用才完成一次仓库重构。真正有意义的单位不是“Agent 个数”，而是一个被验收的任务，以及它背后的输入、输出、工具、重试和人工善后。 ...

一个反直觉的信号：它开始反过来提示你 假设有一天，你打开工作台，Agent 没有等你输入下一条命令，而是先说： 我注意到昨天那份方案的第三节还没有收尾。我按你上周的口径起了一个草稿，现在要看吗？ ...

如果你搭一个 AI，让它追某个领域的论文、发布、benchmark、观点和 changelog，它到底能替你走到哪一步？从 2026 年 1 月到 6 月，我持续试用了自己能接触到的一批资讯聚合、页面监控和自动简报工具。这个样本不覆盖市场上的全部产品，也不是严格的横向测评；它只是我在同一套技术资讯任务上的长期观察。结论是：AI 很擅长搬运和整理；但缺少用户目标、工作上下文与结果反馈时，它不能可靠替代最终判断。 ...

一年过去了，为什么大多数人的 AI 还停在原地 过去一年，写文案、翻译、总结和分析都用上了 AI。但诚实地问一句：它真的接管了业务环节，还是每次仍由你重新交代背景、判断输出、决定下一步？ 模型变聪明了，反复切换上下文和担责任的人往往没变。 ...

聊了很久，手里留下了什么 我也有过这样的晚上：本来只想把一个选题想清楚，结果和 AI 从标题聊到商业模式，又从商业模式聊到人生。对话很顺，窗口关掉之后，文章仍是一片空白。 这不说明对话无用。它只提醒我：探索和执行是两种不同的工作。 ...

「能跑」不等于「可靠」 大多数人搭个人 AI 系统时，第一条验收标准是：能不能跑？ 能写出一篇文章，能改完一段代码，能把十页资料压成一页，看起来就算完成了。但用久以后，真正折磨人的是无声的错误：结构工整，语气笃定，结论却悄悄偏离了事实。 ...

创作，是向外的那一半 我们走到了最后一层。信息被降噪，记录被沉淀，知识被结构化成能反复调用的能力——但到此为止，所有工序解决的都是你自己的问题。知识让你变强，却不会自动变成别人愿意看的东西。 ...

越堆越大，越来越没用 到第三层了。信息被采集降噪，记录被写下、精修成半成品——现在要回答的是：怎么把这些半成品，变成真正的知识？ 先说知识的定义。知识是和你相关的、结构化的、能反复调用的东西：某种思维模型、某几项技能、某套方法论，还有你的判断、定位、价值观。它的关键词是可复用，它解决的是你自己的问题。 ...

被塞进"知识"那一格的半成品 在大多数人的心智模型里，笔记只有三档：看到信息 → 变成知识 → 拿去创作。中间那个"记录"的动作，被默默塞进了"知识"这一格。 ...

信息的默认状态，是噪音 上一篇立了框架：信息、记录、知识、创作是四道工序。这一篇只谈第一道——信息。 关于信息，最重要的一个认知是：它的默认状态是噪音。 我们对信息有一种天然的贪婪。看到一篇好文章就想收藏，看到一个金句就想存下来，看到别人推荐的书单就想加进待读。每一次"存"都给我们一点"我在进步"的错觉。但存这个动作，本质上只是把信息从别人的仓库搬到了你的仓库，它没有经过你这台机器的任何加工。 ...

四个名字，代表四种不同的工作 我过去的笔记只朝一个方向生长：向内。链接进来，碎片堆积，目录反复改名，仓库越来越重。我把“拥有”错认成了“加工”。 AI 让这种错误变得更便宜。模型可以快速生成、摘要、分类和改写文字，但速度不会自动把来源变成证据，把观察变成知识，也不会把初稿变成我应当发布的东西。它完全可能把仓库撑得更大，而机器一点没变强。 ...

先说结论：GEO 没有一个总分 把四件不同的事压成一个“GEO 分数”，度量就开始撒谎：答案可能提到你却没有链接，可能给了链接却不足以支撑旁边的论断；读者也可能从 AI 产品来到网站，却因为 referrer 丢失而被记为 Direct。 ...