把 skills 整理了下, 大家可以用用看:

github.com

之前会把很久之前读过但不会重读的书，一本本摘出微信读书书架，这样每次上下滑动找书时，更容易找到合适的。

现在有了微信读书的 weread-skill，发现最好的方式是把自己读过的，已经感兴趣想要阅读的，全给添加到书架上。让 agent 调用 skill 去做筛选、回顾、比较。

在这个场景中，明显感受到“主体”的差异。之前是“我”在阅读，现在是“它”也要阅读。

「预测」是一种强大的「选择压」。

它会逼迫你放弃模糊的理解，只留下对「结构」的判断。

LLM 通过预测下一个 token，逐渐获得了对语言结构的把握。

人也一样。真正理解一个领域，不是能解释它的过去，而是能持续预测它的下一步：什么会变，什么不会变，变化从哪里来，又会被什么约束。

护城河不是「我和别人不一样」。

护城河是某种差异无法被竞争者低成本抹平，并且这差异确实改变客户选择、成本曲线、供给速度或分发路径。

当AI已经无处不在，以至于我们不再特意去提「AI」这个字眼的时候，它才真正进入成熟期。

当下的惊异讨论，恰恰是因为它的「特异」，明晃晃立在那，让人不得不盯着它去琢磨。

可以试着从这角度观察各行业的AI渗透率进展。

每个人的秉性各异，我对于具体的「技艺熟练度」始终耐不住性子，对于抽象的「内在结构」探索，乐而不疲。

曾经花了不少时间，尝试去「补短板」，尽量接点地气，学点「技术」，但总是痛苦低效，走向自我怀疑。

最终还是选择放过自己，在自己的秉性约束空间里，尽情发挥自己的「长板」潜力。

我们始终面临一道选择题：

A：「活出自己的样子」
B：「活出他者希望看到的样子」

自从装了Artab Chrome 插件，每次打开新Tab时，都会有一丝期待：会遇到什么作品呢？

chromewebstore.google.com

技术改变人之为人的方式。

语言是一种技术。

书架上的书，是你大脑的训练语料。

你不会往语言模型里灌垃圾数据，你知道数据质量决定模型质量。但很多人对自己的书架毫无门槛：畅销榜推什么读什么，等于拿互联网噪声训练自己的神经网络。

"多"不是一个好指标。关键问题只有一个：你允许谁的思想进入你的权重？

每一本书都会微调你的参数，你的判断方式、你的审美偏好、你的注意力朝向。一本平庸的书不是"没用"，是在用平庸去覆盖你本可以形成的结构。它占的不是书架空间，是你的梯度更新方向。

盯着书架看，那一本本立在那里的不是纸，是一个个你选中的思想内核。达尔文站在那，塔勒布站在那，维特根斯坦站在那。他们不说话，但他们的权重已经写进了你的每一次判断里。

他们成为了你思考的背景底色。不可不慎。

即刻给我的感觉很像是一个“小镇”。

镇上的人，不多，也不能多，一多就成“城市”了。

镇小，有点新鲜事，就容易被街头巷尾的闲聊传播开来。

好像有个“结界”笼罩在小镇四周一样，安静，有生活气息。

这个氛围，或者味道，非常难得。

LLM token 是思维的卡路里。