每隔三个月就会新的感悟：
2025Q3的版本：人生选择，本质上是被很多人需要一小部分、还是被一小部分人需要很多，二者之间的取舍，恐惧伴随贪婪而来，热爱往往源于满足

追美股M7财报的这几天，开始探索用更快捷的方式快速阅读财报。想起美林纽约office一位快退休的banker，讲过40年前他刚入行的时候刷comps是在图书馆里翻阅读财报（没有database）、再手抄到纸上（也没有excel），当时的震惊程度，不亚于未来agent看我今天分析财报的笨拙程度

最近聊项目遇到的问题，几乎都能归结为代码和垂直业务知识之间的关系将如何演变：
1）pre LLM，代码梳理和封装了业务知识，业务知识指导了代码编写，复杂的代码、复杂的业务知识都没有联网，智能沉淀在一个个代码库、人脑的孤岛里，缺乏泛化性。
2）post LLM，人和agent跑在同一个环境里做业务，理想假设是agent能全量观察到人的介入和操作流程，将前1%的业务知识提取成代码，再由agent去泛化给别的业务。
context engineering涉及到的数据的选取、知识图谱的构建、工具链的整合，是为agent做产品的核心，所有使用agent的人都是标注员。
软件将吞噬人类的通用智能，垂直领域专属数据成为唯一的后链路护城河，AI产品之间比的是单位token消耗、能生成的新的智能的速度。

Here we go

学会接受不同版本的自己 螺旋上升也算进步

自我科普到VoidZero并立刻被吸引&停下来欣赏，感叹大佬的技术审美

1/高质量信息的输入->学习型CEO，好苗子
2/非共识见地的输出->思考性CEO，高潜项目
3/高水平产品的交付->成事型CEO，跪求想认识

Steve Yegge大神上个月的新作
sourcegraph.com

持续的体验+辩证的思考，深挖每一个产品的好与坏，想明白之前就什么都不做，跑道属于有无限定力的选手

普通人的用户体验，不在于最终绝对效果的好坏（90%来自模型、10%来自应用，应用之间拉不开差距）。而在于ROI的高低，用户付出1分的input成本、获得10分还是100分的output效果，应用之间有10倍的差距。10分和100分的差距，来自于agent架构的设计、以及RL机制的Scalability