即刻App年轻人的同好社区
下载
App内打开
yuerzzzyy
348关注51被关注0夸夸
光影收藏家＆现实感受爱好者
水瓶座＆INFP
希望下辈子可以成为自然的一部分
宇宙里有什么不是暂时
yuerzzzyy
12天前

携隐Melody: 日记可以分两种。 ☀️ 一种是记录生活的，这种我叫它journal（比如航海日记就叫captain’s journal，不叫captain’s diary嘛）。 我们忘性很大，很多事情，不记下来，很快就忘记了。一年过去，转头看看，都不知道是咋过的，模糊一片，像是被偷走了时间。 记下来，重点不在于日后可翻看，重点在于：记录过的东西，是一个完整的叙事，有前有后，有因有果，有骨架有细节，它就直接变成了记忆。相信大家都有过这样的体验吧？小时候的事很多记不清了，但记得小学作文里写过的内容。 我就特别记得，小学有一篇作文，没有特别具体的题目，只是要求我们观察生活。当时正好妈妈种的金桔，结了一大堆金黄饱满的果。金桔是不多见的冬季水果，在颜色大幅减少的冬天，一棵又苍翠又挂满橘黄小灯笼的金桔树，是非常好看的。我把金桔搬到书桌前，一边看，一边写，我至今记得那时的温度，金桔的样子，甚至叶片的脉络（我也写了）。 写作替我“咔擦”了那个冬天。 记录生活细节，也是一种注意力训练。大脑需要先关注到，然后才能写出来。你还需要将抽象感受转化为具体文字，久而久之，你的观察会更敏锐，你的注意力会更容易集中，你感知当下的能力也会得到提升。 更不要说还会训练到写作和表达能力了。 ☀️ 一种是写给边缘脑看的，这种我叫它diary（吸血鬼日记就叫The Vampire Diaries，因为写的都是主角内心的情绪）。 我们的大脑很奇怪，有时候要看到你写出来的东西，才会明白发生了什么。毕竟，理性脑出现的时间还很短，我们主要是靠感受、直觉、情绪指令生存的，它们到来的速度远快于逻辑、语言、理性理解。 如果情绪很简单，理性理解部分就能很快跟上：哦刚才是看到一只蜘蛛吓了一跳；心中的酸涩是因为要离开家了；心跳加速是因为我的crush刚刚走过！ 但如果情绪很复杂，而且很多元，混在一起，同时，强烈的情绪压抑了理性思考，压力又影响了记忆，理性脑的注意力此时又去向了维持日常任务，整个人就会处在一种混沌感中，不知道发生了什么。 此时，写出来就是让大脑看懂发生了什么的过程。这种日记是纯情绪的，不需要完整的叙事，只有情绪的整理。我经常写这种日记，尤其是在让人困惑和痛苦的感情中时，我经常在日记里问自己：为什么我不开心？为什么我有这么大的反应？我应该痛苦吗？我应该怎么做？ 在大段大段的情绪描述和自我解惑中，我不断弄清楚我经历的情绪是什么：不是悲伤，是愤怒；不是松快，是麻木；不是失落，是受伤；不是心怀希望，是通过wishful thinking逃避现实。 是在这些日记中，我一点点把事情弄清楚，一点点逼自己面对现实，把自己从泥潭里挖出来的。也是在这些日记中，我把痛苦转化为修炼，重新诠释伤痛的经历，不断凤凰涅磐般不断推翻自己，把自己内心烧成灰烬，然后从灰烬中重生。 这两种日记都很重要。前者提高了我的认知能力，后者把万般情绪都慢慢发酵成滋养我灵魂的养料，提高了我的人生智慧，也提升了我面对现实的勇气。 很多人问我日记要怎么写。情绪总是失控泛滥的人，就推荐从diary开始写，然后你才会逐渐获得更客观、全面和平静地记录生活的能力。太追求理性和冷静，习惯压抑情绪的人呢，就相反，推荐从journal开始写，然后你才会从感知生活细节中，逐渐重新打开感知情绪的开关。 无论如何，随便写点什么，先写起来。

00
yuerzzzyy
14天前
缺省银行｜女主唱们都是宝藏
00
yuerzzzyy
29天前
学习

春溪: 分享一个情绪调节的方法。 作为一个情绪敏感的人，任何的负面反馈我都能接收到，情绪随之波动，而且情绪的蓄水池很小，如果半天里有 2-3 个连续的负反馈，整个人就会非常压抑，再多一些，焦虑感逐渐浮现，低自尊也跟着来了，极限的时候会崩溃，许多以前的阴影也噩梦袭来一样再次缠上我。就像卡夫卡那句话一样，一切障碍都能摧毁我。 不过还好，这是可以改变的。 改变的开始，在于我开始学心理学。 关于如何进行自我情绪的调节，学心理学的这些年，我觉得简单有效的方案就是： 1、进行情绪的自我觉察。即及时捕捉到情绪的发生。 2、进行情绪的调节。即启动情绪拯救预案，采取一些情绪调节方法。 这两句话看起来很简单，不过要做好，需要很多练习。 及时捕捉到情绪的发生，这不是很容易。 难点在于，人在情绪来袭的时候，意识和理性是让位的，尤其是情绪敏感的人，一些事情发生以后，情绪的发生非常迅速，接着就会有一些下意识的自动反应，说一些话做出一些行为，这个时候你的前额皮层控制的理性甚至还来不及确认发生了什么，就像很多女生生气，其实自己也不知道为什么生气，但就是生气了。 意识慢于情绪，是情绪觉察困难的主要原因。 那如何做到及时的情绪觉察呢？ 没有别的办法，练习，在很长一段时间内刻意的练习。 我自己刚开始的时候，每次产生情绪，到理性意识到自我感觉不好且做出了一些非理性行为，中间大概需要 1 个小时。 当然是懊悔的。 不过我会记录下来，这就是情绪日记。 我没有采取很严格的记录，就是随手在备忘录写，我感觉怎么样（不好？愤怒？沮丧？难过？）是什么原因导致了这种感受？这个原因让我对自我价值的评判产生了什么影响？其实是想到什么写什么，你甚至可以在日记里骂人（有助于缓解情绪）。这个时候，也可以跟 AI 对话，问它自己的情绪是不是对的，对方做了什么是不是很不合理等等，说到你觉得不想聊为止。 总之就是，把情绪讲出来，不论是写日记还是和 AI 对话。 这样的记录和对话多了，你会慢慢地对自己的情绪敏感点有一个判断，什么人说什么做什么会让你有什么感受。 同时，由于你经常记录，这种记录的练习达到一定次数，大概半年以后，但凡你产生了情绪，你会开始觉察到，哦，我感觉不好了，虽然还说不上具体是什么。 能够觉察到情绪以后，该怎么调节自己的情绪呢？ 1、先冷静，短时间内转移注意力。 2、接着回头看，进行“情绪评价分离”。 短时间内转移注意力是指，告诉自己，一个小时内先不要想这件事，先等一个小时再说。在这一个小时里，去做你喜欢的任何事情，不管是下楼去喝杯奶茶抽根烟，还是刷会短视频看电视剧，又或者和朋友聊天，甚至出去跑一圈，都可以，重点是这一个小时内不要想这件事。 等到一个小时以后，情绪往往会趋于平静，此时，再回过头来，回忆自己之前的“感受”，进行“情绪评价分离”。 人的感受往往是复合的，比如你感觉难受，可能是“受到了别人的指责让你觉得自己差劲，于是很沮丧”，又或者“男朋友做了一件事情让你觉得他不在乎你，你很崩溃。” 仔细看看你会发现，这个感受复合体里有“事实”“情绪”和“判断”三个东西。你需要把它们进行“情绪评价分离”： - “受到了别人的指责”“男朋友做了某件事”，是事实。 -“很沮丧”“很崩溃”，是情绪。 -“感觉自己很差劲”“感觉他不在乎我”，是判断/评价 当经历了冷静期和情绪评价分离，情绪就会好不少。接着可以质疑一下自己的评价，自己真的差劲吗？他真的不爱你吗？冷静下来的你或许会得到不一样的答案。 人的情绪是由事情引发的，这只是调节情绪的一部分，剩下的一部分是去改变事情本身，不在此次的论述范围内。不过当你的情绪平稳下来，也有助于事情的解决。 这个小方法讲出来很简单，要做到并不容易，需要长时间持续的练习。 希望对大家有用。

00
yuerzzzyy
2月前
有时候会抽离出来看手机里各种app的信息流，尤其是小红书，不是去看每一条具体的内容，而是观察它为我推送了什么，为什么会推送这些，以此来知道我最近的兴趣点和消费取向是什么，一整个因果倒置 ​​​
00
yuerzzzyy
2月前

木遥: 前几天在群里和朋友聊用 AI 写代码的痛点，我说我最大的抱怨是它在完成某些看似很平凡的任务的时候异常吃力，比如最常见的操作：把一个代码库里的某个变量全局统一改名。这个事显然开发环境有现成的接口，但 AI 只会逐个文件编辑，又慢又浪费还容易出错。这件事之所以荒谬，在于 cursor 自己就是个开发环境。换句话说，它在这件事上表现的像是那种两个部门老死不相往来的大公司，明明一个部门已经把某件事做到了近乎完美，另一个部门却对此不闻不问，非要用自己的笨办法重来一遍。 这听起来像是一个简单的可以修复的 bug，但它背后反映的是 AI 现状里一个巨大的鸿沟，这个鸿沟时时处处在各种 AI 应用里会以不同面貌展现出来。你试试看给一个业外人士（比如你的父母）解释为什么 AI 算不清楚两个数字谁大谁小，你会发现这种解释惊人地困难，因为人民群众的直觉在这里是合乎情理的：再怎么说，它自己就是个电脑，它为什么不直接算一下呢？另一个例子是我在玩 GPT 4o 生成图像的时候发现虽然模型虽然强大，但它仍然完成不好诸如「把一张风景照主体内容不动，把上面的天空再往上延伸一些」这样的 outpainting 任务，而这即使在十年前对传统图像处理来说就不是什么特别困难的问题了。 在这里，我们谈论的实际上仍然是自人工智能这个概念于1956年在达特茅斯诞生之日起就阴魂不散的「符号主义 vs. 联接主义」之争。在基于统计神经网络的大语言模型走上主流地位之前，人们一直认为基于符号计算的专家系统是通向智能最有希望的道路，几十年来的软件工程实践在这条路上已经走了足够远，常用的工具（比如传统的软件开发环境）基本打磨到了极致。直到上世纪末联接主义这个烧了几十年的冷灶咸鱼翻生，基于神经网络的大语言模型从零开始试图重写从轮子到火箭发动机的一切已有的软件工程成就。它遵循的是完全不同的生长逻辑，因此对习惯了旧世界的我们来说，它的表现常常好得莫名其妙也差得莫名其妙，有些技能近乎魔法，有些方面又笨拙得宛如一个弱智。前面所说的变量改名就是个有代表性的例子，事实上，这里的难点甚至都不在于语法解析，而在于更底层的文本替换——对旧世界来说，哪怕在亿兆级别的文本里要把所有的 A 都替换成 B 也不费吹灰之力，以至于你根本都不觉得这还是一个「任务」。但对大语言模型来说这件事天生困难，并且难度随着文本大小急剧上升。绘画也是这样，你想直接让今天的生图模型「对图片按照某些明确到像素级别的规则做某些明确定义好的操作」极其困难，它觉得整体重画一遍比较省事。对用户来说这种体验常常令人抓狂。 打一个不精确的比喻。这两种模式可以粗略对应于大脑的左右半脑。基于符号主义的左脑在过去几十年里得到了充分的发育，基于联接主义的右脑在过去十年里急起直追，并且仍然在极速进化。问题在于这两个半脑之间沟通——对应于人脑胼胝体的功能——极其孱弱，才会出现 cursor 的编程助手不知道如何调用 cursor 的编译功能这种奇葩问题。 于是人们开始引入中间层。 在现实中这个中间层会被人们冠以各种不同的称呼，有人认为自己做的叫垂直 AI，有人认为自己做的是 agent，也有人认为自己做的就只是单纯的 wrapper。但在这个上下文里，它实质上起到的总是类似于胼胝体的作用，让神经网络模型这个右脑可以调用已经高度成熟的传统软件左脑的功能来完成更复杂精细的任务。事实上，这一部分的历史欠账已经如此严峻，以至于哪怕接下来一两年里大模型本身的思考能力停止提高（并不是完全不可能），单单改善这个左右脑的对齐问题也能解锁许多前所未有的能力。在今天，如果一个人说自己在搞 AI 创业但又没有直接训练大模型，那他们的工作多半就实际上可以归属于这一类。 这当然在整体概念上是个充满机遇和潜在回报的领域。毕竟，现有的软件工程领域的应用如此繁荣，切入社会的所有方面。但值得改进和革新的方向又俯拾皆是。把现有的专业知识和大语言模型的智能结合起来，再造一次信息化革命，听起来是成千上万现成的创业机会。 但困难（以及有趣之处）在于，虽然这种泛泛而论听起来很难反驳，但你会发现对每一个具体例子而言，人们对它的价值都充满怀疑。问题的根源是这两个半脑中传统的那一个相对静止，而新的那一个每天都在变化。因此任何工作都像是在和历史（确切来说大模型的进化史）赛跑。一个近乎讽刺的事实是，如果两个人都在前年开始投身 AI 图像生成领域，一个花大量时间和金钱投入 ComfyUI 和工作流的研究，另一个两年都在游山玩水，本周 GPT 4o 发布更新之后他们仍然基本上站在同一起跑线上。换句话说，你很难说服自己（和投资人）相信，你不只是一直在一架上升中的电梯里做俯卧撑。 于是你会看到 Richard Sutton 的 The bitter lesson 被人一遍又一遍提起——我想不出除了 Shannon 等人的早期作品外还有哪篇短文在人工智能历史上有这么大影响力——简单地说，它概括了这样一种原则或者说是哲学： AI 研究者总想把人类已有的专业知识经验塞进 AI。 它短期确实管用，还带来成就感。 但这么做迟早会遇到瓶颈，甚至阻碍 AI 的进步。 而真正的突破往往来自更多算力和更大的模型。 换句话说，大力出奇迹。除非你的专业应用有某些不同寻常的护城河，比如只有你自己掌握的独家数据，否则长远来看，通用模型总是能赢过专业方法。 回到上面那个左右脑的模型，这基本上就是在说右脑的成长如此势不可挡，以至于终将吞噬和取代左脑。因此任何立足于胼胝体的商业模型早晚都是失效的。或者用很多人很喜欢的一个说法：基于大模型的产品只是一个幻觉，模型本身才是产品。 当然，现实世界总是更为复杂。即使你认同 The bitter lesson 所阐述的原则，你也未必会接受这个极端的一刀切的判断。真正重要的问题在于边界何在，或者说，是否存在一些问题，即使对大模型的发展做最乐观的估计，用传统的（基于左脑的）软件工程解决方案也还是更为经济？如果这样的问题存在，围绕着它们所建立的接口就总是有价值的。 在我看来，这样的问题事实上大量存在。这篇文章开头所写的文本替换就是一个简单但有代表性的例子。你当然可能设想有一天大语言模型的 token 如此便宜，上下文窗口如此之大，以至于它真的能胜任亿兆级别的文本的文本字符替换。但它在这个问题上的效率上限也不过就是做到和传统工具一样好，换句话说，在这个问题上，左脑事实上已经掌握了 ground truth，右脑能做的只是逼近它而已。作为对照，上面举的另一个例子 image outpainting 则不然。虽然今天人们可以通过 Photoshop 一类工具做到这件事，但对它的实现几乎总是伴随着复杂的规则和需要考虑各种现实条件的工作流程，你完全可以想象有一天通用模型能够一鼓作气吃掉它。 现实中的问题几乎总是上面这两个简单例子的复杂混合。它们可能在各种层面纠缠在一起，并且由于历史的惯性并不被分别对待（因为在从前无此必要），但最终它们还是会被小心翼翼的解耦，然后分而治之。在我看来，这里才是所谓 agentic AI 领域的真正挑战：在日新月异一日千里的模型能力进化中辨认出仍然存在长远经济价值的「旧世界」的孑遗，进而围绕着它们构建人工智能接口。即使是为 AI 做带路党，也要做一名有长期利用价值的带路党。 目睹这场洪流之中新旧两个世界之间大规模的技能迁移，以及在洪流冲刷之后新的边界的浮现，可能是当下这个时刻最有意思的体验。 差不多两年前的这时候我写过一段话，后来被很多人转引过： 「当你抱怨 ChatGPT 鬼话连篇满嘴跑火车的时候，这可能有点像你看到一只猴子在沙滩上用石头写下1+1=3。它确实算错了，但这不是重点。它有一天会算对的。」 两年后你再访这片沙滩，那只猴子还在，但已经非复吴下阿蒙。此刻它正在充满困惑地摆弄一台袖珍电子计算器。电子计算器太小巧，显然是另一条文明路线下千锤百炼的产品，它的手指太粗太笨拙，还驾驭不了这么精致的工具。于是你充满信心——但也不无恐惧地——等待着它找到开关看懂按钮的那一刻的到来。

00
yuerzzzyy
2月前
玉兰落海棠开，此处樱花飘落，彼处的也在盛开；
但最难忘的还是在树下眯起眼，一睁眼就涌入整片樱花天空的惊喜。
春天是一瞬间，
春天也是无数个瞬间的总和。
00
yuerzzzyy
3月前

程艺Truman: 0预算做外链围绕的一个核心就是“抄” 我们做网站的同时，肯定会有一帮竞争对手，跟我们一样去竞争同一个关键词。 你可以挑几个你认为做的还不错的，搜索排名靠前的，把它们的网址粘贴到semrush中 然后你会看到右侧有一个反向链接的字眼，我们点进去 进入到反向链接页面后，有几个选项，和我一样，选中（活跃）和（Follow） 之后你往下滑，就可以看到这个网站的全部外链信息了。 这里优先选择活跃和Follow，虽然NoFollow谷歌说也算一个有效外链，但是Follow的效果肯定会比NoFollow更好。 活跃，也就是指没有被网站主删除的外链。有些网站你上去发了外链之后，网站主可能不给你发外链，于是会把你的链接删除，这种会被semrush标记为（丢失）。 我一般最常用的就是活跃和Follow，然后一个一个点开看，看看有没有我也可以同样发链接的网站。 这张图片左侧的源页面和url这一栏就是我们想要找的网站，一个一个点开看就好。右边的锚链接和url指的就是这个网站都在这个能做外链的网站上给他自己哪些页面做了链接，一般是不用看的。 接下来再讲讲Ahrefs Backlink Checker 这个的思路和semrush类似，打开我在文章开头给的链接之后，输入你竞争对手的域名，点击check，就会弹出一个窗口，里面都是这个网站的外链，同样我们看左侧那一栏就好，右侧依旧是这个网站都在这个能做外链的网站上给他自己哪些页面做了链接。 Semrush在淘宝买的话是20左右一个月，Ahrefs Backlink Checker是免费的，但是有限制，一次只能看15条左右的外链，需要付费才能看完整的，所以我一般是semrush用的比较多。 等你做网站做的多了，研究的竞争对手也变多了之后，你就会像我一样，积累了一个属于自己的外链库，以后做了什么新网站，就不用再一个一个去挖竞争对手的了，直接在自己过去做过的外链网站里面做就好了，方便省事很多。

00
yuerzzzyy
3月前

小赫一言: 怎么更好的提问？ @ChatV根据您的对问题的发问，汇总了下之前的思考。 除了公共的提问套路，我是这么做的。 1.过程 把问题从脑子转移到纸上，再到苹果备忘录，现在在flomo上。 一旦找到我觉得比较满意的答案，这个问题就删掉了。 今年复盘时，发现写了这么多，变化这么多，根源都是我的好奇心，我的问题。 2.问题的产生 对现实世界探索，会产生好奇心和反思。 让你产生疑问？ 比如，为什么做抖音的都好有钱，而且学历很多也不高。 再比如，毕业后，你发现在老家的人，比你来到一线城市过的滋润的不少。 反而不是你曾经的印象，大城市的美好生活。 如果你能真的探索到答案，带给你的可能是价值观和认知的变化。 3.如果找到答案 其中核心节点，是你掌握了多少相关的专有名词。 关键词决定你吸收的信息 4.问题的价值 问题就会产生探索，探索会有答案 这个答案如果都在互联网上，这个就是个非常强的数字资产。 如果你想变现，他就是生产资料。 我提到了两个关键词 数字资产，生产资料 5.如果掌握的关键词 多看高质量，很多看不懂的专业文章。 这个该怎么找到呢？ 看行业的顶尖大佬的书籍和文章 用ai了解这些关键词后，用这些关键词去搜索信息。 或者反过来问ai这些关键词。 相信你会得到比原来质量高非常多的答案。

00
yuerzzzyy
3月前
有意思

Kennyzhang29: 中国市场产品设计的“性价比”迷思 今天在网上看到一个视频在吐槽“泰磨积木”咖啡磨豆机不行，把他和国内山寨大厂“恶作剧”的同价位产品对比。说泰磨的产品用的塑料多就是不如山寨的用料足。 泰磨是一家国内的原创设计咖啡器械里做的最好的牌子，在欧美也有很多渠道售卖，之前在格鲁吉亚都看到一家咖啡店里摆满了泰磨的产品，非常厉害。 恶作剧是广东的一个工厂，专门cnc仿制一些卖的比较好的咖啡器械。原版都是在那个品类里卖的比较贵的。比如一把咖啡称原版卖1500，他同样的样子基础功能一致卖300。 我会想说，塑料未必会比金属差，比如德国品牌司令官c40（咖啡手摇磨豆机里的行业标杆）它的固定中框支架也都是塑料，虽然国内市场磨豆机不上cnc加工是一种原罪一样。优质的塑料可以达到与金属一样的精度、稳定度、耐用度，还可以做出金属cnc做不出来的结构。 把泰磨和恶作剧做对比就像是拿国产仿制家具厂的仿品和欧美的原版设计做对比。那些原版的家具价格一定是更离谱的，国内仿版一定是“用料”更好的。因为国内市场是这样的，大家都在做仿品，我没有性价比就没有竞争力，这就是工厂思维。但是设计思维应该是我为达到我的功能与目的，用最合适的材料。 这里提供一个思路，就是泰磨做全球市场的，除了中国之外，欧洲美洲也是需要拿下的。而定位如此便宜的磨豆机，在扣除关税平台抽成之后，要保证高品质的出品，那成本会是一个问题。首先零件的成本如果是全CNC 就非常恐怖了，注塑件的生产工时更短，周期更快，成本更划算。其次重量上会差特别多，当你卖出好几万台，就算每台打包重量轻200g，国际航空运费也可以省下超级多钱。 再就是出粉口问题，视频里提到，恶作剧的磨豆机是公版模型，出粉口容易堵塞咖啡粉的地方是可拆卸的易于清理，而泰磨的有用自己的专利技术，可以把残粉轻松的抖下来。 在我看来这更像是一种设计、商业策略，而不是真的单纯从发烧友的“实用、极致追求”的角度思考而作出的设计决策。 千元价位的普通用户这辈子都不会拆开机器清洁几次。一个专利出粉口可以形成商业优势与产品卖点，与别的产品形成差异化。这个形成的购买决策力远比“容易清洁”来的好感知。 再加上品牌售后、设计、等等 这都是成本。 所以说他在视频里说的这些非常“物理”的点我觉得是没有错的，材料是这样的。当然磨豆机还得看风味，看疗效。大部分人也就只会有一台磨豆机，用惯了也不会折腾。只有我们发烧友在这里说这个结构好啦，那个设计棒了。 说回来泰磨这台机器直接对标的是fellow的ops。一样的塑料件偏多、差不多价位、一样是意式。如果要对比的话这两台机器放在一起才是真的公平竞争。 看到乱拳打死老师傅的表演也是一种乐趣。像玲珑、汉匠（别的一些外观设计差一些，但是用料很足，研磨品质不差的厂家）工艺上做的都不比国际大牌差，都很棒了，但还是思路不同，受众不同，市场也就不一样。

00
yuerzzzyy
3月前
ui交互设计无意识的影响行为太多例子了

julian.: 再给“行业共识”破盆冷水：我不认可 agent 这个方向，反而 copilot 的 in-context 交互是更重要的。 1. 我不认可 agent 这个方向。逻辑上大家当然能说手机和电脑的 ui 分两类，一类是 gui、另一类是 lui。这种分类被提出时，说出这种话和听到这种话的人在语言层面已经把这两类的注意力权重放在同等位置上了。但让我们回归生活，你会发现 gui 的效率真的很高。你想象自己打开手机、点开 app、上下滑的具体动作，你可能太习惯了以至于没觉得这是如此的丝滑。每次打字、说话，远比即时点击图标笨重 ，lui 的 agent 叙事没有给第一视角的生活经验以足够的尊重。至于长程任务，人在这些任务里也类似于强化学习，plan - execute - learn 的循环不断接力（人是环境的反应器），本就是社会博弈和动态规划的过程。所谓一个 agent 来总包，会涉及到复杂的权限和边界设置选项，更要不断和人主观意志的对齐（对齐的交互成本也很高）。现在叙事里常用词是“完全懂你的 agent”，可你自己懂下一秒的你自己吗？ 2. copilot 的 in-context 交互是更重要的。现在产品实际 pmf 的原因，我倾向于早已不是底座模型能力提升带来的了，而是产品交互变化带来的。cursor 不是因为 claude 更新了一版于是牛逼，而是找到了轻松读和写本地代码文件的交互。github 插件只能读，cursor 特意做 ide 的原因就是为了一键“写 / apply”的这个丝滑交互。不是用户、没干过产品经理、天天听由标签串联起来的叙事，就不容易想清楚价值分配里啥是关键的。 无论是 ai 还是其他任何科技，我们的分析首先应回归真实的生活。不作用于人们生活而只体现在文章和估值里的科技，可能不是我想要的。当然总有人为了自身利益无视其他人的生活，还嘲笑其他人看不懂；我对此保持沉默。

00