我每天都在很努力地做一件事：

杀死昨天的自己。

世界呈现现象。

问题暴露缺口。

洞察发现结构。

思想形成模型。

人类群星闪耀

是不是可以这么理解：

llm：问答题
jev：选择题

Agent = Harness(LLM)

Result = Agent(Context)

"我通过学习获得能力，通过能力获得工作，通过工作获得收入、社会认可，以及对自身价值的确认。"

这是一种很容易被内化的生活逻辑，但这条链从来不是自然定律。能力能否变成岗位，劳动能否换来体面生活，还取决于社会怎样组织生产、分配收益。

当 AI 改变其中某些「日用而不知」的前提条件，震动就沿着这条链向两端传递。

向前，是教育问题：
如果某些成果可以借助机器完成，我还应该学习什么，怎样才算学会？

向后，是意义问题：
如果社会不再需要我以原来的方式工作，我过去为之努力的东西还算什么？

解释力：压缩过去已见
预测力：泛化将来未见

一个交互设计问题：

在手机端和模型聊天，输入一个问题，它输出一大段回答，并直接滚动到了结尾处。

为了阅读它的回答，需要不断上滑，找到起始处。

这里的交互，是不是可以改为直接定位到起始处？

“一个用户省去上滑的 3s，1000 万个用户省去了多少时间？”

“老登”经历多，遇事时，容易触发“经验预测”：“这事我遇到过，是这样子的”。

年轻人经历少，遇事时，没有经验匹配上，只能去观察、提炼、抽象、假设、建模，在摸索和反馈中试错、修正，使用“模型预测”。

世界多变，模型预测的泛化能力，优于经验预测。

经验最好的用法，是帮助我们提出更好的假设，而不是让我们免于检验。