我每天都在很努力地做一件事：

杀死昨天的自己。

我们看到壮观风景时，会赞美「我 k，这也太那个了吧」。

再读到「黄河之水天上来」时，不由感慨「你可真有文化」。

那是不是可以把这种对比给对调一下，先让 ai 生成视频画面，把古诗文的通俗表达作为字幕，让孩子观看。

然后逐画面展示作者的描述。

从大俗，入大雅。

现在抖音会推送一些数学题目，早上睁眼做一道，就当是健脑了。

可以让 AI 每天定时生成一张「洞见」卡片

0 → 1 : AI (build machine)
1 → N : Internet (copy machine)

最近从 ChatGPT 完全切换到了 Grok Bot，两者的体验差异很微妙，我尝试从「产品原子」的视角来分析下。

先给「产品原子」做个定义：产品原子是用户在这个产品里创建、命名、分享、归档、删除的最小单位。

用这个视角看 Agent，大致可以分成三类：

1. 以对话为原子（session）：主界面像一条按时间倒排的聊天流水，新对话不断把旧的往下推，几周前聊过的事要靠搜索才找得回来。

2. 以项目为原子（project）：主界面像一个文件柜，每个抽屉装着一个项目的资料、说明和一叠对话，先拉开抽屉，再在里面接着聊。

3. 以角色为原子（bot）：主界面像一张组织架构图，每一个是有职责、有记忆的角色，和它相关的事都在同一个会话里接着聊。

产品对「原子」的不同定义，带来体验上的一系列变化，我觉得最值得关注的是「连续性」：

用 ChatGPT 时，从一个对话走到下一个对话，中间唯一不断的是我自己。我就是最大的「记忆池」。

用 Project 时，资料和指令可以写入文档，让渡了一部分记忆出去。

用 Bot 时，连续性沉淀到了一个个 Bot 身上。

（虽然每类产品，都有 Memory 功能，但同样一个词，在不同的「原子」产品中的作用差异还是蛮大的。）

关于以角色为原子的产品，如何「切分」各个 bot 的职责边界，是个很关键的课题，可以参照 Simon 在论文《The Architecture of Complexity》中提出的近可分解性（near-decomposability）：层内交互强，层间交互弱。

读到 1991 年 March 的这篇论文《Exploration and Exploitation in Organizational Learning》，讨论组织中的 EE 问题：

任何组织都面对一个问题：应该如何分配资源？

- Exploitation: 把资源花在改进已有做法上
- Exploration：把资源花在尝试新东西上

论文中的互相学习模型非常有意思：

每人对现实有自己的信念，还有一个「组织代码」（code），可以理解为组织的共识知识库或者集体常识。

个体会向code学习，新人进来之后慢慢被组织同化，这叫社会化。同时，code也向那些知识得比自己多的个体学习，这叫多样化。社会化太快的组织，code还来不及从个体身上学到东西，个体就被同化了，快速社会化杀死了多样性。

在读这篇论文的过程中，不断联想到现在AI与人的关系。

人就像论文中的个体，AI就像是论文中的组织code。

面对一个个「问题」，我们快速滑向了「AI」先思考，我们再「点头」称赞的「快速社会化」境地。

以前身边的一些朋友，认知结构和表达风格十分鲜明，最近在针对一些问题在线讨论时，明显感觉到对方返回的消息是「AI」，对方那个鲜明的「个体」不见了，他被AI同化了。

反观自身，我也陷入了同样的境地。

这种情况，非常不对劲。论文对EE问题的解法是制造「慢」：慢速社会化让个体在被同化之前有时间贡献多样性；人员流动引入新的差异来源；容忍暂时的无知和低效，为长期的改进保留素材。

两个结构的类比，虽有不同（我们不是为了提升AI「Code」而努力），但这种被「同化」的境地，值得警醒。

好问题有一个特征：

你越懂它，它向你打开的门就越多。

无限游戏：让自己更好
有限游戏：比别人更好