G

Ideas.

Concepts that shape a better future — society, economy, culture, technology. Slow writing, posted when there is something to say.

56
NEW LIVE 2026.09 · Tech· Economy

WHOOP 公司研究 · 一条没有屏幕的手环，如何长成百亿美元的健康订阅平台 →

我戴 WHOOP，八月那场流感它把我的压力分和恢复分全记了下来；病好之后想知道的是另一件事：这家公司到底是谁、靠什么赚钱、还能走多远。于是用麦肯锡做公司与行业研究的方法把它从 2012 年查到 2026 年 9 月：八轮融资、四年半沉默之后一轮把估值抬到 101 亿美元；五代无屏硬件与六层软件，2025 年同时完成硬件换代、医疗化（FDA 510(k) 心电图、血检、癌症早筛）、监管过关（FDA 警告信一年后撤销）与现金流转正；客户从更衣室扩到诊室的五级扩圈，海外占六成；「倒过来的 Apple Watch」——硬件白送、85% 收入来自订阅，年化订单额 11 亿美元、增速 103%、会员 300 万；竞争在一年内从没有对手变成六面受敌，Amazfit、Polar、Garmin、Google 全部推出 99 到 199 美元的免订阅无屏手环，Oura 以 500 万会员先递交 IPO；TAM / SAM / SOM 与 2030 年三情景、风险登记表和七个待解议题。最后用《商业模式新生代》的九宫格画布把九个格子重摆一遍。四张图表各只讲一个结论，每个数字标了可信度。不是投资建议：WHOOP 还没上市，我和它的唯一关系是付年费的会员。
55
NEW LIVE 2026.09 · Tech· Economy

澳新独角兽解析｜Halter：从造火箭到高科技养牛 →

2026 年 3 月，Halter 完成 2.2 亿美元 Series E，估值 20 亿美元。把它叫作「智能牛项圈公司」没有错，却低估了这个故事：从 Craig Piggott 离开 Rocket Lab 回到农场，到二十版原型、手工搭塔、冬天每天给几百个项圈充电；从最初 3–5 家客户，到新西兰产品市场匹配、澳洲肉牛、美国牧场和一百万个项圈。它连续跨过的不是几轮融资，而是动物行为、硬件可靠性、客户依赖、跨国复制和工业化五道门槛。Blackbird 把 Series E 之后叫作 Act II——第一幕证明它能工作，第二幕要证明它能全球规模化。卫星连接正在移除偏远牧场的基础设施障碍，Beef Pro 把产品从执行围栏指令推向经营决策，下一道真正的瓶颈则落在预测、采购、合同制造、质量和全球交付。我的判断：Halter 真正有机会建立的不是更聪明的围栏，而是一个能完成「感知—判断—执行—反馈」的农场操作系统。文末另有一层「研究索引」（2026-09-06 加入）：九宫格商业模式画布、单位经济、规模与市场、增长七自由度、五力、资本与现金模型、组织与 AI 采用、机遇矩阵、风险热力图、三个情景，以及每一块的置信度。
54
NEW LIVE 2026.08 · Culture

东京 2026 — 三条线，十五天，一次寻根 →

「东京 2026」这条线的总目录，也是一次编辑上的返工：四篇长文（三条线 / 食味地图 / 设计线 / 拉面线）加起来二十八节，信息够了，却没有一句讲为什么是我去。那个答案在一年半前的一条朋友圈里已经写完了——「从上大学开始衣服就只穿优衣库、寿司拉面超过凉皮肉夹馍是我的最爱、以为进了一家 kiwi 公司没想是日本公司控股」——三条线一条不差，而且顺序是反的：我是先用了十几年，才回过头来问它是什么。所以这一版按真正的三个目的重排：线一美食（入口是那次从凉皮肉夹馍到寿司拉面的口味迁移，落点是同一样东西吃到两端——寿司、拉面、荞麦各两次，最弱一环是 すき焼き 还空着）· 线二设计（入口是优衣库：《设计线》把它放在民藝→无印→优衣库这条百年谱系的终点，可对我它是起点，这趟不是去认识日本设计，是去认领一件用了十几年却没问过来历的东西）· 线三认识这个国家（原来叫「现代史」，但现代史不是目的是方法；入口是几年前才发现自己进的那家新西兰公司母公司是三得利）。三条线在一个牌子上会合：1923 年山崎日本第一家麦芽威士忌蒸馏所，初代厂长竹鹤政孝在格拉斯哥学化学、回国把西方的东西按日本的方式重装，正是洋食那句话的液体版；1961 年创馆、理念「生活の中の美」的三得利美术馆，恰好是民藝的「用之美」与无印之间缺的那一环，而它就在还没排的那个六本木半天里（东京中城，隈研吾内装，火曜休）；1963 年三得利第一家啤酒工厂就在东京府中；2008 年角ハイボール那场品类复活，是每天晚上坐下就能喝到的一课。另外两处返工：十五天分成六幕（序 / 密度 / 呼吸 / 日本人自己的五天 / 高潮 / 对照与收束），因为原来每天都很满、看不出起伏；以及把银色周从「坑」改回内容——9/21 敬老の日是世界上最老的社会一年一次为老人放的假，9/23 秋分的法定含义是「敬祖先、怀念逝者」，正落在秋の彼岸中间，顺手买一个おはぎ（同一种点心春天叫ぼたもち随牡丹、秋天叫おはぎ随萩），线一的缺口和线三的年中行事一口吃掉两个。末尾是「已定案 / 还没定」台账与出发前必须重核的七件事。四篇原文未改，网址不变，仍可单独访问。
52
NEW LIVE 2026.08 · Tech

16 宫格编舞法 — 先把舞拆成分镜，再让 AI 跳 →

直接让视频模型「跳一段古典舞」，你会稳定拿到三类失败：一格一变脸、动作是真人关节做不出来的、镜头自己乱飞。多数人的反应是把提示词写得更长——但文字里塞不下十六个动作的空间关系。我在 X 上追了一个人三个月，他绕开了这件事：先用 GPT-Image-2 生成一张 4×4 的十六宫格编舞分镜图，再把这张图当剧本交给视频模型执行，把「编舞」这个工种从视频模型手里拿走，交给更擅长在一张画面里维持一致性的生图模型。我把他九套中国古典舞的动作表逐格对齐，数出三条 9/9 命中的固定结构：格 1 永远是静态亮相（建立身份与空间，不承担动作）· 低位格永远落在格 6 或格 9，而且后面永远紧跟一格「起身」，从不隔开——这一对在制造纵向落差，给视频模型一个方向明确、幅度够大的插值区间 · 格 16 永远是定格而不是动作。高潮格也在收敛：九套里七套放在格 15，紧贴定格，早期放格 12 的写法被他自己放弃了。另有八个块各自在防哪一种失败（第一块永远先说「这不是什么」，最后一块是给长提示词做的收尾加权）、负面清单的三种类型（反舞台、反玄幻、反脏画面，其中「不要舞台不要黑背景」九套全有，因为训练数据里演出照占压倒性多数）、第二棒怎么把视频模型降级成执行者，以及这个模板在一个月里自己演化的五个版本。边界写在第 9 节：它解决「让 AI 跳一段看得懂的舞」，不解决「这段舞好不好看」——编舞质量完全等于你写的那十六行；另外我还没自己跑过这条流水线，成功率与翻车样本待补。
51
NEW LIVE 2026.08 · Culture

注意力工程 — 拆开 Mel Robbins 的 30 集 →

全球下载榜前列的那档播客，结构到底是什么样的？我把最近 30 集拉下来数了一遍——28 集官方逐字稿约 38 万词、全部章节时间戳、全部节目简介，不靠听感。拆出来是一条七段流水线，而且每一段都能解释「为什么人还没走」：冷开场 28/28 集给的都是「能力承诺」而不是话题（不说今天聊 ADHD，说今天你会拿到你早该拿到的那份解释，没有一集用寒暄或笑话开场）· 订阅请求带一个具体百分比 · 先报足嘉宾头衔再立刻自曝（权威负责「可信」，自曝负责「说的是我」）· 正文切成中位 6 个章节，149 个非开场章节里 43 个是 How to、27 个疑问词开头，给走神的人留了六个跳车和上车的接口 · 她自己只说 38% 的词，把岗位设计成「你在现场的代表」，每千词抛 14.3 个问号 · 13/28 集给可照抄的话术 · 最后是 28/28 集逐字相同的祝福，据称 428 集没变过——单集是消费，仪式才是订阅。附六个机制（最关键的一条是「权威外包，脆弱内包」：可信度全交给嘉宾，她自己供的是「我曾经」这类自曝，28/28 集共 483 次）、三件能直接搬走的和一件先别搬的（83% 靠嘉宾是结果不是方法），以及边界：这套结构解决的是「让人听完」，不解决「值不值得听」，硬套到纯记录、纯审美、纯情绪类内容上会很难看。
50
NEW LIVE 2026.08 · Culture

How to Speak — 一位 MIT 教授讲了四十年的表达课 →

Patrick Winston 每年一月在 MIT 开一堂讲演讲的课，讲了四十年，2018 年最后一次录像，2019 年去世。这堂课的价值在于它拒绝把表达当天赋：开场就给公式——表达能力 = 知识 × 练习 × 天赋，而天赋那一项被他写得最小，剩下一小时讲的全是可以学的部分。他的清单：开场别用笑话（那几分钟听众还在适应你的语速，接不住），要给「能力承诺」——告诉他们这一小时后会知道什么此刻还不知道的事 · 四个随时挂在心上的启发式（同一件事绕回去说三遍，因为任何时刻都有约五分之一的人在走神；给你的想法建一道栅栏，说清它不是什么；留编号路标让掉队的人重新上车；抛问之后真的等，他数过大约七秒）· 为什么他讲课用黑板（写字速度约等于人吸收概念的速度，加上他自称非主流的「共情式镜像」解释）· 幻灯片的六宗罪（永远张数太多、每张字太多——人只有一个语言处理器，字一多就只读不听；激光笔一转头就断了和听众的连接）· 让作品被记住的五个 S（符号、说法、意外、一个突出的点、故事）· 求职演讲的五分钟规则 · 以及最反直觉的一条：别用「谢谢」收尾，那是弱棋——潜台词是这些人本来想去别处，只是出于礼貌硬撑到最后。最后一页该放的是「贡献」不是「结论」。文末附一张他的规矩与《注意力工程》那 30 集实测的对照表：命中率高得不像巧合，而两人显然互不相干——差别在于他优化的是一次性说服一屋子人，她做的是每周两次的连载关系。
49
NEW LIVE 2026.08 · Tech

你的第一个数字员工 · Claude Code 完全上手手册 →

写给第一次打开 agent 工具的人。骨架来自 Greg Isenberg 的一期视频，他开场那句话很不客气——很多人用 Claude Code 的方式是错的：把它当成一个会写代码的聊天框，惊艳三天，然后放回抽屉。解法一点都不玄：你想让它像员工一样干活，就得给它一个员工该有的东西。九块拼图，一块都不能少——工位（一个它能进去干活的文件夹，五个目录按「一个生意有哪些部分」分，其中 /customers 这一格最被低估：它让 AI 从「你的意见」出发改成从客户真说过的字出发）· 记忆（三个 .md 就是大脑：CLAUDE.md 定怎么工作、ROADMAP.md 定这周做什么——真正生效的是另一半「明确不做什么」、REVIEW.md 定什么才算做完）· 简报（plan mode：先读上下文再出方案，批准前不许动文件）· 工单（一件事一条终点线；「更好」没有终点线，它一开始猜，你就从管理工作变成了收拾工作）· 眼睛（做完自己打开点一遍——能跑起来不等于好用，视频里它自己发现「让陌生人交出邮箱却没告诉他会收到什么」是全页最大的摩擦点）· 复核（两层：你读 diff 只问三个问题，意外的地方就是风险所在；再让它照 REVIEW.md 把问题分成必须改／应该改／可以发）· 排班（第一个定时任务千万别让它改产品，从只读、有产出物的晨报开始）· 并行（一个会话＝一个人＝一份任务，你要的不是一堆待解的线团，是几个能单独验收的小包裹）· 权限（自由做／先问我／只有人能做三档，放权的额度是前面八块拼图挣来的）· 外加一层装备（同一段提示词敲到第三遍，就该变成一个 skill）。每一块配一段可以直接粘贴的中文提示词，共十二段，附七天上手计划——其中第六天「发给 10 个真人，把回复原样丢进 /customers」是最容易被跳过、也最不能跳的一天：那一格空着，整套系统就没有输入口。最后两节是这一篇自己加的：一张把整套结构从「软件产品」换算到「你自己的分身」的映射表（demos/ 那一行在分身语境里变成最重要的一格——你做得好的那几次的样本，风格学不来但抄得到），以及三个我自己踩过的坑：建成≠用过（搭过的格子里有两个真实使用次数是零）、它会静默地死（定时任务停摆一整个月才发现，所以每个任务都必须在固定位置留下一份带日期的产出物）、完整性成瘾是最舒服的拖延（九块全设计完再跑第一件真事，三周后系统很完整，产出是零）。收尾判据只有一句：如果这个数字员工明天消失，你会不会难受。
45
NEW LIVE 2026.08 · Tech· Society

混编之前，先读懂团队 · Team Intelligence · 读书会第 85 期 →

最新的一场读书会分享，第 85 期，也是这条 AI 线自然长出的第五拍：当队友里坐进 AI agent，守住的仍是那套被几十年验证过的团队科学。Jon Levy 的判断是，工作中最小的生产力单位不是领导者、不是个人，而是团队——重点从来不是把最聪明的人请进房间，而是造一个让人们在一起时能发挥出最聪明状态的房间。团队智能三支柱（推理对齐 / 注意力 / 资源显性化）与 Anthropic《Building effective human-agent teams》的四课几乎一一映射；信任的配方是善意 > 诚实 > 能力；超级鸡实验、Shane Battier 的 plus-minus、大学生队胜 NBA 全明星，招牌案例都在。一句数据把「团队为什么值得投资」讲完：培训一位领导影响 9 条单向关系，改善团队动态影响 45 条双向关系。
33
NEW LIVE 2026.08 · Tech· Society

你的认知，存在谁的 repo 里 · Personal AGI · 演讲图解 →

YC 总裁 Garry Tan 对着七千人讲了四十分钟，题目是《Personal AGI Is How You Stay Under Your Own Power》。这一页把整场拆成十张图。前半场是工程：所有人都在等 AGI 作为一个「事件」降临——数据中心里的一尊神、某个公告、某天天空变色——而它其实已经弥散在屋里了，像基础设施：一个终端窗口、一个 markdown 文件夹、一个在你睡觉时跑完的任务。他把它叫 personal AGI，不是「给所有人的通用智能」，是「给一个人的通用智能」，并且死死区分两样东西：你月付订阅的聊天框（关掉标签页就重置、知道的和所有人一样、公司一转向就在别人的时间表上被切了脑叶）是你租的产品；跑在你自己基础设施上、读你拥有的记忆、执行你写的流程、每天复利的那个，才是你建起来的资产。公式只有三项：前沿模型（租的，在变便宜）+ 你的上下文（拥有的，地球上没有第二份）+ 一个 harness——杠杆不在权重里，同一个模型有人 2x 有人 100x，差别只在给了什么上下文、相不相关、有没有在对的那一步给。尺度那张图最锋利：人脑同时握七个东西，人类建过的一切制度（清单、组织架构图、档案柜、站会）都是给这个限制打的假肢；agent 一次握一百万 token 约一千页，但你的人生不是三本书是一座图书馆——于是真问题变成「谁决定哪三本摊在桌上」，那个决定者就是 brain：图书馆加图书管理员。skill file 是什么？一页英文，判据是「聪明的实习生读完能照做，agent 就能跑」，所以 markdown 真的是代码、编译器是语言模型、这事不再属于工程师；skill 是员工、resolver 是组织架构图，在你注册任何公司之前你已经在运营一个组织。最实用的一张是分工流程图：品味和判断留在潜空间（用 markdown 引导），算术和状态必须落到确定性空间（SQL、脚本），他见过的每一次 agent 失败都是把这两件事搞混——给 5 个人排座位是前者，给 6000 人排全场日程必须写代码。实操只有五步，配一条 90 天曲线（第 1 周是玩具、第 2 周大多数人退出、第 4 周飞轮咬合、第 12 周库在你问完之前就答了），其中第五步是纪律不是技巧：永不做一次性的活，做完就 skillify，同一件事要问第二遍就是你失败了。而后半场是政治，也是全场的刀口：每一条 skill 都是你的认知被抽出体外、写成文件、可执行。一个客服工程师用两年教出 40 条 skill，文件在她自己的 repo 里，她换工作时带着两年复利的判断力第一天上工；同样的文件在公司 repo 里，她离职两手空空、公司继续跑她的判断而不再需要她、提交记录里连名字都没有——同样的文件、同样的人，只差一个变量：谁控制它。他的判词是「那不是一份职业生涯，那是一次抽取」，纲领是「拥有你的 skill，否则你的工作会变成一份 skill file」。工匠拥有工具所以自由，工厂打破了它（织机属于工厂主），知识工作者一直以为安全因为工具长在脑子里没法没收——skill file 终结了这个前提。整场用斯宾诺莎编织：1656 年 23 岁被下了唯一没有悔改条款的绝罚令、被出价每年一千荷兰盾只要闭嘴别写、白天磨镜片夜里写《伦理学》、1673 年读了海德堡教席那份「只要不扰动宗教」的条款然后拒绝了这笔收购、死后清单只有两条裤子七件衬衫一台车床 160 本书和锁在书桌里的手稿——那个抽屉就是他的 repo。而那一千荷兰盾从没消失，只是换了包装：任何让你的判断力在别人 repo 里复利的舒服安排都是。最后一个例子不谈钱：一位父亲为患罕见癫痫的儿子建了 8 万个 markdown 文件的 brain，每次门诊、每篇论文、每条发作记录、每个药物相互作用都索引交叉链接，好让下一个医生冒出想法时几分钟内知道是不是已经试过——没人会来给他建那个，也没人会来给你建你的。
32
NEW LIVE 2026.08 · Culture· Society

一起唱歌，真的有用 · 合唱、身体，与在异乡被接住的两年 →

2023 到 2025 年，我在奥克兰一个华人室内合唱团待了两年——加入的理由并不高尚：那两年我在人生的低谷里，想找一点群体的温暖，顺便，我确实喜欢唱歌。两年后我去翻了证据，想知道每周那两小时里到底发生了什么。① 「唱」和「听」不是一回事——Kreutz 2004 让同一个业余合唱团在相隔一周的两次排练里分别「唱」和「听」同样的合唱作品，前后各采唾液：唱的那次正面情绪上升、唾液免疫球蛋白 A（S-IgA）上升、负面情绪下降；只听的那次负面情绪反而上升。曲子是同一首，差别只在你是听众还是参与者。所以戴一年耳机和每周唱两小时，在身体上根本不是同一件事。② 你的呼吸被交出去了——Vickhoff 2013 发现合唱成员之间的心率变异（HRV）会耦合、趋于同步，机制是呼吸性窦性心律不齐（RSA）：乐句结构约束了所有人什么时候吸气，呼吸对齐了，心跳就跟着对齐。主观上的样子是：低谷期最折磨人的不是情绪本身而是脑子停不下来，而排练的两小时里注意力被气口、音准、指挥的手完全占满，没有余量去反刍——这不是「分散注意力」，是呼吸被一个外部结构接管。③ 不用先熟，就能亲近——Pearce, Launay & Dunbar 2015 的「破冰效应」：跟踪成人教育班七个月，唱歌组的正面情绪与自评亲近感比手工组、创意写作组涨得更快，关键不是终点更高而是破冰更快。诚实的边界：同一项研究里两组在负面情绪和痛觉阈值上并没有差异——它精确地只作用在「让陌生人不再陌生」这一件事上。④ 人多了不会被稀释——Weinstein 等 2016 在同一个社区合唱团里比较 20–80 人的小场合和一个 232 人的 megachoir，结果大团里连接感与包容感的变化反而更大（这篇里痛阈确实升高了，与上一项不一致，证据本身还在生长）。派对要你逐个建立连接，人越多任务越重；合唱只要求你把自己交给同一个整体，人越多那个整体越有重量。⑤ 在异乡格外有效——昆士兰大学 UQ Voices 对国际学生合唱的对照评估显示归属感、孤独、幸福感三项都改善；更广的移民与难民合唱研究还发现多语言同唱降低语言门槛、参与门槛低（不必识谱、不必口语流利）、好处会外溢回日常生活。对一个在新西兰的华人，它同时解决三件事：一个每周固定、不容反悔的坐标；一群不需要你先解释履历的人（入场券是你的声部）；一个不靠语言流利度就能完全平等参与的集体场合。⑥ 这不是小众说法——Fancourt & Finn 2019 那份 WHO 欧洲区综述梳理了三千多项研究，把艺术参与放进了公共卫生的证据体系。最后一句必须说清楚：合唱不是治疗，它没治好任何事，真正需要专业帮助的部分就该去找专业的人。起作用的从来不是音乐本身，而是和一群人一起把一件必须彼此才能做成的事做成——你唱不了别人的声部，别人也替不了你的，少一个人，和弦就是缺的。
31
NEW LIVE 2026.08 · Tech· Culture

你的语音助手其实是一台对讲机 · 全双工、Moshi 与 AI 语音走到了哪一步 · 视频导读 →

ChatGPT 语音里那三个选项——standard / advanced / live——我一直当成清晰度档位在选。看完这期才知道那是三种在概念上完全不同的「怎么给对话建模」，而界面完全没打算告诉你。这篇把 Julia Turc 的视频（含对 Kyutai 联合创始人、Gradium CEO Neil Zeghidour 的访谈）拆成八段。① 三种世界观——standard 是级联：VAD 每 30 毫秒做一次「你在说话还是安静」的二元判断，ASR 转写，纯文本模型读字写字，TTS 念出来；声学在转写里丢了，所以现场试探时它承认「我并不精确测量你的音量」，beatbox 直接崩成一串乱码。advanced 是端到端（GPT-4o，o = omnimodal），各部件在语音数据上一起训练，声学不丢、延迟接近人类，但一次只能做一件事：要么说要么听。live 是全双工。② 一个 1940 年的比喻——半双工的经典器物是对讲机（Donald Hings 发明，二战大规模使用），单根天线既发又收，物理上不可能同时，所以士兵每句话末尾要喊「over」；你今天用的语音助手，架构上就是这个，那声 over 就是它在等你安静够久。③ 扔掉轮次只留时间——Mira Murati 在 Bloomberg 的说法：不是 turn-based 是 time-based，20 毫秒切一块，持续输入持续输出；核心是两条并发音频流谁都不中断，而最反直觉的一句是「静音也要像普通音频一样建模」——一旦「没在说话」也是持续读入的信号，VAD 那个判断从根上被删掉了。这才是 back channeling（你「嗯」一声它不停）能成立的原因。④ 巴黎那十个人——GPT Live 上了头条，但第一个全双工是 Kyutai 的 Moshi，早两年、开源、不到 10 人不到 6 个月，独自领跑近两年；约 100 张 H100 训一个月，量化后能跑在 MacBook 上，响应比人类平均还快。他们当时连 full duplex 这个词都不知道，是发推时有人提醒的。⑤ 引擎盖下——直接预测原始振幅要每秒 24,000 次顺序预测，所以切成 80 毫秒一帧当音频 token；音频比文字厚，同时装着语义和声学，Moshi 把一帧拆成 1 个语义 + 7 个声学（所以助手侧其实是 8 条流），并人为把声学延后 1–2 帧来强加「先语义后发声」的层级；文字以「内心独白」回来，但它和 chain-of-thought 完全不同——它与音频同速、不增加任何延迟，职责只是把语音拴在语言上，没有它模型会听起来对但说不出实质。副产品：把文本流延后几秒得到语音识别，把音频流延后得到 TTS，同一架构三种行为。⑥ 反转——造出第一个全双工的人，转头分拆出 Gradium 做级联系统的积木，因为 Unmute（流式 STT + 流式 TTS，把任何 LLM 变成能说话的）引来的大公司兴趣远超 Moshi：端到端的致命劣势是你插不上最新最好的 LLM，除非重训整条管线，还得拿得到权重。所以今天级联是务实答案，长期不是。⑦ 边聊边查——tool calling 时核心模型把活委派给异步后台模型，Moshi RAG 往内心独白里丢一个特殊 token 触发检索，并被专门训练成用「我帮你查一下」填掉那一两秒沉默（正是人类客服在等系统加载时做的事），文档回来后作为第四条流注入。⑧ 卡在哪——不是算力是后训练：文本模型的可验证问题奖励能被精确计算，但「这段对话自然吗」找不到客观自动的度量，你怎么从两段十分钟对话里挑出更好的那段？时间表他自称悲观：1–2 年，然后是小型化与机器人。字幕经 NotebookLM 全文转录，3,338 词。附 builder 批注：静音也是信号=别让沉默变成盲区、等待时不静默、以及「我不是在偷懒，我是在买可换零件权」。AI 学习记录 #11。
30
NEW LIVE 2026.08 · Economy· Society· Tech

财富不是钱，这就是泡沫破的原因 · Ray Dalio 谈 AI 泡沫、大周期与普通人的位置 · 视频导读 →

主持人开场就把最硬的球扔过去：另一位投资人说这是美国史上最大的投资泡沫，你怎么看？Dalio 的回答是「他是对的」——但立刻加了一个比确认更重要的限定：泡沫不是有或没有的开关，是程度。这篇导读把两个多小时拆成七段。① 机制——财富不是钱，你花不掉它，必须先卖掉；于是 $100 的股票抵押借出 $50，某件事逼所有人同时要现金，价格跌到 $25，反向复利开始，最后传导到不炒股的人身上（你少下的那顿馆子是别人少掉的收入）。针有两种：需求端的加息与财富税，和被忽略的供给端——「几乎没有什么东西比股票更容易生产」；加上弱手信号：不专业的投资者用杠杆进场，那不是投资是掷骰子。现场还有个活标本：一位 AI 创始人因为相信泡沫要破而拼命融钱好去抄底，Dalio 指出这个动作本身正在给泡沫添柴。② 大周期——债务打满、贫富撕裂引发的内部政治冲突、地缘秩序重估，三条线同时到期，约 80 年一轮（上次重置 1945），里面套着 6 年 ±3 的小周期；穿过这一切的是一条几乎从不回头的技术线（学会的东西不会忘掉），所以「技术真的很棒」和「资产价格会腰斩」可以同时为真。位置判断：美国、英国等处在后段，他用的词是「衰落」，并强调这是可测量的体检指标不是感觉。③ 钱怎么摆——先算「不再有钱进来能活几个月」，再谈配置；不要择时；现金最不安全（3.5–4% 通胀吃掉本金，名义利息还要交税）；股票熊市跌 60–70%；黄金是最有效的分散器（1971 年前它就是钱、至今第二大储备货币、唯一不是别人负债的金融资产），硬通货 5–15%；比特币他持有约 1%，称为 gold light，因量子计算、可追踪可征税、央行不会持有而更偏好黄金。④ 没资产的人——你唯一的资产是你自己；同一项技能在不同语境里定价天差地别（开 Uber vs 给 Dalio 当司机，都是开车），而顶端价格是平均值的数倍，多投入 10% 可能换两倍。⑤ AI 与人——先替代身体再往上爬到思维，收入份额从工人转向所有者，大学毕业生更难雇；留给人的是情绪和直觉，以及「能与 AI 搭档的那前 10%」；关键区分：泡沫破裂造成的周期性裁员和 AI 造成的结构性替代会同时发生但性质完全不同。⑥ 给 16 岁孩子的建议是全场最反直觉的一段：别选职业，选适应力——「历史证明最成功的不是最聪明或最努力的，是最能适应的」；他现场举的例子是「以前的建议是确保你会写代码，然后 Claude Code 出现了」。⑦ 国家与地缘——英国是教科书样本（七年六位首相），结局的固定动作是印钞+债务重组+资本管制与离境税；财富税的四个机制难题；康涅狄格州的例子（全美第二富，22% 高中生辍学或挂科，监禁账单已超过教育预算）；世界秩序走向区域化而非单一霸主，台湾走压力不走战争，伊朗是个大错且照亮了脆弱性——「就像英国人在苏伊士」。字幕经 NotebookLM 全文转录，15,187 词。附 builder 批注：这是一个区分「周期噪音」和「结构变化」的框架，不是行动信号。
29
NEW LIVE 2026.07 · Tech· Society

我想给自己造一个 CHO · 从日常提醒到跨国第二意见的个人健康运营系统 →

一次书友群里的健康讨论，把问题从《Outlive》、睡眠和可穿戴数据一路推到了新西兰 GP、专家转诊与回国治疗：我真正想要的不是一个更会回答健康问题的 AI，而是一层长期健康安全垫。这篇文章把 CHO（Chief Health Officer）定义成个人健康运营系统——三层数据底座、四种健康场景、一条从平静期到专家协作的介入链，以及 AI、程序与医生之间不能越过的边界。它不负责诊断；它负责记住、发现、解释、协调和跟到底。最后给出一条从私人原型到可验证系统的完整构建路线图。
28
NEW LIVE 2026.07 · Tech· Culture

三档播客,一个可检索的新西兰 · 我怎么把 1001 集变成本地语料库 →

Claude 听不了音频——常规解法是下载音频跑 ASR,慢、没有说话人分离、专有名词一塌糊涂。转折点是一个很笨的问题:播客 app 里那份字幕是从哪来的?答案是 Apple 早就替你做完了,而拿到它只需要一次 HTTP GET:一集 95 分钟的节目 → 14,323 词 / 3 个说话人 / 2.7 秒。这篇分六段:① 起点——最好的转写是别人已经转好的,造轮子之前先确认轮子是不是已经躺在自己硬盘上;② 一条必须承认的边界——中文播客是死路(实测 14 集零个中文字符,一集 69 分钟只产出 4 个词),所以工具内建词密度闸门,并且故意不做 ASR 兜底:换一条更差的路是另一个决定,不该由工具替我做;③ 三档我真在听的新西兰播客,数字全部从本地库全量扒出——Kiwi Yarns(307 集,226 集标题就是人名,几乎从不重复嘉宾,最好的几集是异乡人的)、Smart Money(343 集却只有 57 位嘉宾,一位理财作者上了 47 次,所以它根本不是访谈节目而是固定专家轮值+听众来电,你听到的是本地人真的会打电话去问的问题)、The Health Hub(106 位嘉宾 21 位常驻,真正不可替代的不是健康知识而是「在新西兰这套医疗系统该怎么用」);④ 从一集到一千集——可断点续跑 / 礼貌节流 / 残稿闸门 / index.csv,1001 集、790 万词、32.5 分钟、零失败;⑤ 最没预料到的发现——标题那一层是骗人的:KiwiSaver 标题层 32 集全文层 197 集,买房 13 vs 244,看医生 7 vs 136,差的不是一点是一个数量级,因为真正有用的东西出现在第 34 分钟某个听众打进来的问题里;⑥ 三条命令的复现路径,以及一个细节——读本地库时把 sqlite 连 WAL 复制到临时目录再读,绝不碰 app 正在写的活库。落点:这不是听得更快,是从「我听过什么」变成「我能问什么」。AI 学习记录 #10。
27
NEW LIVE 2026.07 · Tech· Society

同一个网球产品,我用两种方式造了一遍 · React vs OpenAI Sites 零基础图解 →

这不是一篇「哪个技术更高级」的争论,而是把同一个 Tennis Buddy 放进两种建造方式里,看责任究竟落在谁身上。React 版本像自己买地盖店:品牌、域名、登录、数据库、部署和每个细节都能自己决定,也都要自己维护;OpenAI Sites 版本像进一座配好水电和门禁的商场:ChatGPT 身份、托管与数据绑定把第一公里缩短,但产品要住进平台给出的边界。文章用两套真实代码做剖面,依次画出责任栈、登录/Join/Deploy 三条动作链、功能矩阵、长期维护成本和可调决策实验;同时把「当前两个项目做了什么」与「平台理论上能做什么」分开,避免把产品取舍误说成技术限制。落点也不是二选一:Sites 适合低成本验证约球闭环,React 更适合承载长期品牌与完整产品;真正不该长期保留的是两套彼此分叉的后端真相。给没有编程经验的人的一句话:建 app 不只是画页面,而是在决定哪些麻烦自己拥有、哪些麻烦交给平台。AI 学习记录 #09。
26
NEW LIVE 2026.07 · Tech· Society

我没造一个网球平台,只把东区的下一场球做成了 · Tennis Buddy 两晚建造复盘 →

一开始我问的是一个很大的问题:这个 site 到底是不是 web app,能承载多少人,距离成熟的网球工具还有多远?真正让产品开始前进的,却是后来那句小得多的话:不用做到第三层,就是一个 East Auckland 的网球约球工具。这篇复盘两晚建造的完整过程:① 先把「成熟」拆成三层——页面 demo / 能闭环的约球产品 / 完整网球平台,只拿第二层;② 把承诺写成一条动作链:发现附近球友 → Invite/Host → Join/Accept → 比赛内聊天 → 上场,再用 ChatGPT 登录、D1 的五张表和服务端权限把它落地;③ 一张生成的红土球场照片为什么被删掉,换成按 23.77m × 10.97m 比例用 CSS 画出的抽象球场;④ 第一轮真实使用撞出的三个小洞——固定 club 列表容不下 Koru Tennis Club、People Nearby 只有自己时 Invite 规则怎么表达、Open Game 卡片缺 Host/参与者/View/Join——以及用两个账号、一间新 club、一场真实 Join 把整条路走完;⑤ 那些没人截图却决定能不能用的成熟度:条件写入防重复与超员、过期比赛自动取消/完成、24 场分页、读取不再偷偷写时间戳。最后明确没做的 ranking/scoring/booking/community:边界不是欠债清单,是这版产品的形状。结论:MVP 不是缩水版大产品,是一个小承诺从头到尾都是真的。AI 学习记录 #08。
25
NEW LIVE 2026.07 · Tech· Economy

同一张桌子上,有人 AI 焦虑,有人已经活在 2028 · Naval × Gary Tan 圆桌的 AI 部分 · 视频导读 →

Naval 播客的一期圆桌:Naval 对面坐着 YC 总裁 Gary Tan 和两位创始人(警务 AI + 健康超级 app)。我把完整字幕(约 15,000 词)经 NotebookLM 全文转录后读完,这篇只取 AI 部分,政治与地缘的岔路一律略过。整期的主轴是一根:同一条能力曲线,焦虑和狂喜是同一枚硬币的两面。① 两种体感——焦虑面:前沿实验室研究员普遍抑郁、有人 2021 年就因怕孩子没未来推迟生育,民间开始攻击数据中心(水资源借口已被证伪),真正的问题不是转型是转型速度(农业那次用了六七十年);狂喜面:Gary 的暴论「一年花 $10 万买 token 就活在 2028」、推理算力 24–36 个月涨约 9 万倍、Nvidia 可能被低估几个数量级,以及桌上另一位的实操反面:每用户一个 agent,$100/月压到 $2.84——「瓶颈不是智能,是成本」;临界点时间线收在 Claude Code(2025.12)。② 未决问题——scaling laws 会不会走到 ASI、最后一英里创造力(Erdős 数学问题的进展「有点毛骨悚然」)、半人马象棋的教训、国有化苗头(新模型先向政府批准的伙伴开放)、少数人控制 AI 比人人都有可怕得多、错误率复利(99.9% vs 90% 递归百步后是 80–90% vs 13%)、truth.ai 愿望。③ AI 写作大辩论——Naval 人味派(好写作是好思考的输出、AI 给不了意外感、「直接把 prompt 发给我」)vs Gary 引擎派(Gbrain 40 万 markdown 文件 + 跨模态 eval + LSD 模式,「9 个月内这场辩论会消失」),Naval 当场下战书:匿名账号涨到 30 万粉丝再来打脸——把品味之争变成可证伪实验;尾巴是 agent 对 agent 的预言。④ 中国与开源的大棋(本期信息量最大)——四层解释:自有预训练不受版权约束、蒸馏拦不住(Claude Max 灰色转卖两折)、权重在漏人也在流动(「我们的华人对他们的华人」),以及第四层战略:Claude Code 把软件烧掉了、软件被商品化对拥有硬件的中国有利,所以中国补贴开源打掉软件利润,竞争回到硬件层;唯一没被商品化的是 AI 研究本身,但它不再民主化。再叠五王变二王(OpenAI/Anthropic 唯二有收入+RL 飞轮;别做空 Elon;Google PM slop、Meta 买不来文化)、优势时间压缩、开源登顶不让位(Linux)、2027 = harness 战争之年、垂直 SaaS 在苦涩教训枪口上。⑤ 人的位置——骑上 AGI(100 万 token ≈ 三本哈利·波特 vs 人脑 7±2、CEO 总体信息感知、「你的大多数员工是 GPU」)、大学输给肯重讲十遍的老师、「你被 AI 取代的唯一原因是你拒绝用 AI」、宝可梦训练师、欲望不可替代、UBR(人人发一个机器人)。附 builder 批注:我同时是两派的人——中间交给引擎,两端(出题和给人的成稿)留给人。
24
NEW LIVE 2026.07 · Tech· Economy

同一份 playbook,我让两个 AI 接力读:ChatGPT 画出蓝图,Claude 问它怎么活下去 · 供应链人-agent 混编推演 · 双 AI 实验 →

上一篇(#23)我逐层深拆了 Anthropic 的官方 playbook《Building effective human-agent teams》。这一篇做了个实验:把同一份 playbook 先后交给两个 AI,而且给它们派了不同的座位——正是原文第四课的 doer-verifier。第一步,让 ChatGPT 当 doer:「放到制造业供应链部门,怎么混编?」它交回一份 15 页的完整蓝图——不把 agent 当私人助手、当 roster 正式成员;9 类 agent 各就各位(Control Tower 每日风险简报、Inventory Risk 盯两头着火、Supplier Follow-up 追单草拟邮件、PO/GRN/Invoice 对账抓流程断点、Forecast Exception 不让错误预测静悄悄进 supply plan、Production Constraint 排产体检、S&OP 会议记忆资产化、Master Data 查参数、Verifier 分开批卷);一张人机并列编制表、一天的工作节奏、四级权限(只读→草拟→半自动→受控自动,关键商业动作永久人批)、三阶段落地;终局是 planner 从 executor 变 orchestrator。第二步,把这 15 页连同原文交给 Claude 当 verifier,只问一句:这套东西怎么活过第三个月?它的判断是「蓝图拿走了原文的架构,没拿走原文的纪律」,然后给出七个补丁:①安全边界只画了一半——供应商邮件是不受信输入,prompt injection 是真实攻击面,独立凭证=IT 要给 agent 办工卡;②编制表上少了「管 agent 的人」——9 个 agent 就是 9 个会静默死掉的承诺,简报疲劳、管道断裂、无人监控心跳(我自己的舰队真发生过:一层定时任务静默停摆一个月);③四级权限有级别没升级判据——没有写死的门槛,人审三周后退化成橡皮图章,清单要具体到字段;④没人回答「怎么知道有没有用」——原文五问当季度审计,再加提前预警周数/采纳率/false positive 三个数;⑤Master Data 不该排第八,它是地基——先给 agent 修一条数据出口的路,再谈上岗;⑥透明规则的一半管辖权在部门外——Forecast Agent 瞎不瞎取决于销售肯不肯写,这是变革管理不是技术;⑦别从 3 个 agent 开始,从 1 条闭环开始——感知→草拟→人审→写回→复盘,一环活了再谈第二环。落点:两个 AI 的差异不在智商,在座位——doer 读出架构,verifier 读出生死,而出题、定角色、裁决的座位还是人的。这篇文章的生产方式,本身就是原文第四课跑了一遍。供应链 AI Agent 第 3 篇 × AI 学习记录 #06。
23
NEW LIVE 2026.07 · Tech· Economy

公司缩到几个人之后,剩下的座位坐的是 agent · Anthropic 官方的人-agent 混编团队 playbook · 深度导读 →

Anthropic 把自己内部怎么和 AI agent 混编工作,写成了一份官方 playbook:《Building effective human-agent teams》(Kristen Swanson,2026-06-24)。开头一句就是判断:工作不再是单人游戏(一个人对着一个聊天窗),而是多人游戏——一队人定战略,Claude 执行。这篇深度导读把它逐层拆开。先是三个技术前提:agent 有了持久记忆(记得团队目标、朝着它调整执行)、不挂在人类名下的独立凭证(从「某人的工具」变成「团队的成员」)、对组织信息的持续宽访问,并且住进了 Slack 这类工作真正发生的地方。然后是四条经验,每条都带能直接抄的做法清单和真实案例:① Work in public——「如果没写下来、agent 够不着,它就不存在」;安全边界画在公司级少数几个工作区,新渠道默认公开,决策每次落进 channel/文档/纪要,写文档时把 agent 当第一读者(它已是团队文档的「主要消费者」);② 每人每 agent 一个明确角色——一份人机并列的共同名册(roster),任务、边界、工具写清,agent 专长用 skill 文件定义,工程团队甚至配了专管发布的 release manager agent;③ 设北极星让 agent 主动——人类先讨论、辩论、写下有野心的目标,再显式点名哪些 agent 有权主动建议新工作流(案例:内部工具团队的 agent 主动建议改 onboarding 报错文案,次周上手成功率可测地涨了);④ 信任随时间建立,分三阶段——早期逐份人审+验证者 agent 分开批卷,中期让 agent 复盘自己的失误、按任务类型追踪挣得的自主权,后期重复成功才扩权(案例:一位工程负责人最终让 agent 独立处理 500 个 bug 修复,靠每周「lessons & missteps」报告纠偏)。再往深读,四条经验下面压着两根梁:信任第一次被工程化了——不是开关,是一部按任务类型计量、可升可降的梯子,公司第一次需要给 agent 建一套试用/考核/转正/扩权/降级的「人事制度」;稀缺资源换位了——agent 产能近乎无限后,人类注意力成了全系统最稀缺的资源,批量提问、限制沟通量、日工作量护栏、在日历上保护人的高质量时间,而且护栏有双重目的:也防人类技能空心化。文末收得最狠:这些模式没有一条是新的——全是健康团队的老功课(目标清晰/角色明确/强文档/质量门/学习文化),只是 agent 没有隐性知识、没有茶水间,只有写下来的才存在,AI 把好管理从可选的美德变成了硬性的接口。附原文五问自检清单和一小段 builder 批注。公司的形态 #04 × AI 学习记录 #05。
22
NEW LIVE 2026.07 · Tech

我搭的第一台自动机器,第一次就抓到了我自己的错 · 把 skill/workflow/loop 焊进一件真事 · 实操记录 →

前三篇(AI 学习记录 #01–03)我都在读 Anthropic 的 skill/workflow/loop 三篇、给自己的 skill 与舰队打分,结论高度一致:我擅长「生成」、不擅长「证伪」,全是「交出去」这一步没做够。这一篇是收官——我真把三样东西焊进了一件天天要做的真事(舰队里的投资简报官):给它加了一道「交付前自查闸」(来自 #01 skill 的自动 check)、一个专门唱反调的「红队」(来自 #02 workflow 的对抗式验证)、再挂成每周一次的本地循环(来自 #03 loop,数据不上云、触发为隐私留半手动)。三样加起来没写一行复杂代码,难的只是想清楚「一份合格的东西长什么样」「该从哪个角度拆自己的台」。然后按下试跑——第一次运行,这台机器就当面抓到我三个自欺:① 复读:我直接沿用了上一版的一个判断,而世界这周已经变了(self-preferential bias);② 越界:它差点催我做一件不可逆的事,被我自己定的纪律拦下、降级成「只起草、时点你定」;③ 假装完整:我在没看全数据时就想下结论,被逼着老实标「待核」。交付闸 5 条 4 过 + 1 带诚实标注放行,没有一个数被瞎填。落点:这三个自欺不是投资独有的,是每个人每天做决定都在犯的,过去唯一的区别是没有任何人任何机器会拦我——现在有了一个,它不比我聪明,只是不偏袒我。呼应《两次模拟》里招供过的「自己出题自己阅卷」:读→焊→跑,这一整圈才算真的闭上;学一样东西的终点不是看懂,是它开始替你干活还敢当面纠正你。全篇已脱敏,不含任何持仓/金额/涨跌。AI 学习记录第 4 篇,Anthropic 三件套小系列收官。
21
NEW LIVE 2026.07 · Tech

我天天说「循环 > 派活」,其实我只是派了一次活 · 用 Loops 的四级阶梯给自己定位 · 学习笔记 →

Anthropic 的《Getting started with loops》把 loop 定义成「agent 反复循环干活,直到满足停止条件」,分成四级:① 手动循环(turn-based,你 prompt 一次它干一次)② 目标循环(/goal,定义什么算成功、试几次就停)③ 定时循环(/loop 本地按间隔重跑、/schedule 挪云端)④ 自主循环(proactive,把 schedule+goal+skills+workflows+auto 拼起来长期跑)。真正戳中我的是一条暗线:这不是四种并列工具,是一部电梯——每升一级你就多交出去一件事:验证 → 停止条件 → 触发 → 连提示都不用。这正是我一直写的「把人安全地移出信任链」,终于有了能一级级踩的梯子。诚实自评:我把「循环>派活」写进了操作系统,身体却基本住一楼——整支舰队几乎都在 Lv1(还没几个 skill 带自动验证),/goal 几乎没用(停止条件一直攥自己手里),/loop 半分,Lv4 只有一条(Chief of Staff 每早自动出 briefing),证明做得到只是只做了一台。动手不贪四级、先升一级:把「投资简报」从手动派活升到定时循环——先补 Lv1 验证 skill、再用 /goal 交出停止条件、最后 /schedule 挂成每周云端例行,还叠上一篇的对抗验证当红队。三篇连起来是同一台机器的三个零件:skill 补坑、舰队补证伪、日常补循环,全是「交出去」这步没做够。落点:交出去的每一件事都得先值得信,信任不是省出来的,是一级级验出来的。AI 学习记录第 3 篇。
20
NEW LIVE 2026.07 · Tech

派活谁都会,难的是不让 AI「自己批自己的卷」· 用 dynamic workflows 给我的 AI 舰队做体检 · 学习笔记 →

Anthropic 出了 dynamic workflows——让 Claude 遇到复杂任务时,自己现写一段 JS,临时搭一套多智能体编排(他们叫 harness):派几个子 agent、每个用什么模型、能不能各开一个干净工作区、断了能不能续跑。读的时候我一直点头,因为我早就手工搭了一个 harness——我的 AI 舰队(一个 Chief of Staff 扇出给投资/营销/健康/进化几个专职 agent)。文章说用 workflow 是为了从结构上治大模型干长活的三个老毛病:① 偷懒(半路宣布搞定,其实只做一半)② 自偏(要验证时偏袒自己的产出,自己出题自己阅卷)③ 跑偏(聊越久离最初目标越远)。再给七个可复用的编排套路:分类再派、扇出再合并、对抗式验证、多生成再筛、锦标赛两两对比、干到干净为止、智能分级路由。我拿这七招量自己的舰队+供应链沙盘:扇出合并(Chief of Staff)和分类再派(EVO)我天天在用只是不知道有名字,分级路由和 loop 各得半分,而对抗式验证是最大的洞——我的舰队全是「建设性」角色,没一个专门唱反调;供应链沙盘更是我在《两次模拟》里招供过的「邮件我造、规则我定、断言必然通过」,活生生的自偏。动手补四步:给舰队加个红队/审卷官、让别人给沙盘出脏数据边界场景、配 /goal+/loop+token 预算三个护栏、用 quarantine 隔离不可信邮件不给高权限。落点:我擅长生成不擅长证伪;认知免费之后,值钱的越来越是「有没有人诚实告诉你这里错了」——对抗式验证就是交出去前的最后一道自查。上一篇给 skill 补坑,这一篇给舰队补唱反调的人,同一件事。AI 学习记录第 2 篇。
19
NEW LIVE 2026.07 · Tech

我有 30 个 Skill,却没一个是「造」出来的 · 拿 Anthropic 的方法给自己的 Replen 打分 · 学习笔记 →

Anthropic 的 Thariq Shihipar 写了篇《Lessons from building Claude Code: how we use skills》,把内部几百个 skill 的经验蒸馏成「好 skill 和平庸 skill 差在哪」。我没停在读后感——把自己那个供应链 skill「Replen」搬上手术台,拿他的判准逐条打分。文章先把 skill 分成 9 类(产品验证类对产出质量的可测量提升最大),再给出一串判准,我挑出对「会用、想做好」的人最要紧的八条:① 别说 Claude 已经知道的废话 ② Gotchas 坑清单是信息量最高的一段(作者原话)③ 门牌 description 写给模型看、塞触发词 ④ 分层按需展开 progressive disclosure ⑤ 给方向别写死 ⑥ 帮它记住(日志/JSON/SQLite)⑦ 存脚本别让它重造轮子 ⑧ 用 hooks 上保险。拿这八条量 Replen:门牌(带负向触发)、分层(references/cpim/)、不写死(判断框架而非死脚本)这三条它做对了;但真正把好坏分开的三样——坑、记忆、脚本——一样都没有,而它们恰好是「skill 生成器」吹不出来、只能亲手喂的。最狠的一刀是补 Gotchas:我从真实供应链工作刮出五条真·坑(前置期方差比需求方差更致命、MRP 看批量规则先于数量、「服务水平」fill rate vs 不缺货概率的双关、FEFO 撞上 WMS 默认 FIFO、牛鞭真凶是批量+促销+长 LT 而非终端需求),再配一个 safety_stock.py + 一个追加式参数日志。落点:生成一个 skill 很容易,「造」一个不容易;通用能力 Claude 自带,你的坑和判断才是护城河——认知变免费之后,专业值钱在「你踩过而它没踩过」的那一段。「AI 学习记录」第 1 篇。
18
NEW LIVE 2026.06 · Tech· Economy

Hyperliquid:把交易所做成链,再用真金白银回购自己 · 深度长文 →

接着「其他值得研究的 L1」往下钻,单独写一篇 Hyperliquid——周期四「应用拥有整条栈」迄今最强的实证。它不是「又一条更快的公链」,而是一家完全开在链上、却有中心化交易所级体验的永续交易所:把自己变成了 L1,再用约 97% 的真实手续费每天回购 HYPE。全文八节:① 是什么(为永续而生的 app-specific L1,链上能不能跑一个真正的交易所)② 架构(HyperBFT 共识 ~0.07s 最终性 + HyperCore 把订单簿/撮合/清算做成 L1 原生状态机 + 全链上 CLOB 而非 AMM + 清算三层兜底 HLP→保险基金→ADL)③ HyperEVM(2025/02,与 HyperCore 同共识同区块、read precompiles + CoreWriter 双向无信任读写——护城河 = 任意合约直接调用原生 CEX 级订单簿)④ 产品机制(把撮合/做市/清算/上币/开市场/前端分发全做成开放原语:HLP 社区金库、HIP-1 荷兰拍、HIP-3 建设者自部署永续、Builder Codes)⑤ 代币经济与回购飞轮(零 VC、11 人团队、~31% 推送式空投、Assistance Fund 约 97% 手续费回购、年化强度约市值 7% 是 ETH 销毁的 4–5 倍)⑥ app-specific L1 命题(与 dYdX v4 的控制变量对照、vs GMX/Jupiter「拥有链 vs 租用链」、对手其实是 CEX)⑦ 风险与争议(JELLY 事件 2025/03「裁判下场踢球」+ 验证者中心化/预言机/HLP 回撤+ADL/桥单点/飞轮顺周期五个投影)⑧ 多空辩论 + 诚实展望。全文经多智能体对抗式核查,份额/回购/收入等数字均标注为时点敏感快照。认知框架,非投资建议,不含任何个人持仓。
17
NEW LIVE 2026.06 · Economy· Tech

四轮加密周期复盘 · 叙事、革命性技术与每轮的主导 Layer 1 · 图解深读 →

从 2013 到现在,加密走过四轮牛熊。我把它做成一份按「主导 Layer 1」这条主线串起来的复盘——每一轮各自的宏观背景、能让普通人听懂并驱动散户入场的主导叙事、当轮才成熟的革命性技术原语,以及最关键的:那一轮真正主导链上价值的公链是谁、谁在挑战。主线很清晰:独霸(比特币,「L1」概念还没诞生、它是事实上唯一的链)→ 一超(以太坊借 EVM/ERC-20 与 ICO 上位,把 BTC.D 从 ~87% 砸到 ~31%)→ 群雄(L1 大战:ETH 仍主导 DeFi/NFT 但 gas 危机外溢催生 BSC/Solana/Terra/Avalanche)→ 双极 + 锚回归(比特币靠现货 ETF 机构化、dominance 重回 65%,以太坊被自家 L2 吸血、Solana 从 FTX 废墟靠 memecoin 复活反超,形成双极)。还提炼了贯穿四轮的七条结构性规律(减半时钟、叙事逐层上移、每轮一个新原语点火、每轮顶部都有一场「最体面的暴雷」当墓碑、上一轮泡沫=下一轮地基、主导权高度黏滞、挑战者高死亡率)和一组纪律型投资启示。全文事实经一套多智能体流程逐轮对抗式核查(4 研究 + 4 核查 + 2 综合 agent),价格/份额/日期都用核过的口径。文末还内嵌了一章「技术沉淀」延伸:以太坊(模块化/L2-rollup)与 Solana(单体/scale-up)两条技术栈按七层对照,各自在熊市里沉淀下来、还活着还在用的技术(ETH:Rollup/OP Stack、EIP-4844 blobs、再质押 EigenLayer、ERC-4337、DeFi 乐高+RWA;Solana:PoH/Sealevel 八件套+Firedancer、去 FTX 化重建的 Jupiter/Jito、状态压缩、pump.fun、DePIN),并对 Base 这条 L2 做了专题——为什么它没自己造轮子、而是站在 Optimism 的 OP Stack 上、无原生代币却靠真实活跃度领跑(澄清:领先的是链上活跃度,绝对 TVL 仍是 Arbitrum 第一),最后落到 ETH/Solana 两条路线的趋同与各自护城河。再加一章「ETH/Solana 之外还有哪些 L1 值得研究」——把 Sui/Aptos(Move 系)、Hyperliquid(app-specific L1)、Cosmos/Celestia、并行 EVM(Monad/MegaETH)、TON/Tron/BNB(分发派)、Berachain/Cardano/Polkadot(强叙事弱生态的反面教材)分成四档,提炼七种「新架构押注」+ Sui×Aptos 同源孪生对决。认知框架,非投资建议,不含任何个人持仓。
16
NEW LIVE 2026.06 · Tech· Economy

AI 不会取代你,用 AI 的人会 · 把两本书熔成一个职场跃迁 skill · 操作手册 →

读书会发下来两本讲「AI 时代怎么工作」的书:LinkedIn CEO 的《Open to Work》和 McKinsey 的《Agents, Robots, and Us》。我没停在写读后感——把两本完整读完、蒸馏,熔成了一个职场跃迁教练 Navi,并开源:用 Claude 的人 clone 成 skill,不用 Claude 的人直接在 ChatGPT 里打开 Custom GPT 版就能聊。这篇是它的操作手册。两本书正好互补:报告给「人机到底怎么分工」的硬数据(57% 工作小时理论上可自动化、但 72% 的技能落在「人机伙伴区」、AI fluency 需求两年涨近 7 倍、最有价值的人正从 executor 变成 orchestrator/validator),书给「人怎么重新定位自己」的那一面(5C 人类能力、把工作拆成三桶的任务自评、职业是攀岩墙不是梯子、anxiety→agency→aspiration 的情绪弧)。核心是把这一切收成一条一次只爬一级的 6 级阶梯:L0 焦虑回避者 → L1 AI 使用者 → L2 任务架构师 → L3 编排者/验证者 → L4 人类优势创新者 → L5 新型职场人,每级都有认知转变、动手练习和升级判据。贯穿全篇的校准是同一句:自动化冲着任务来不冲着头衔(放射科医生在 AI 大举进入后就业还年增约 3%),真正的风险不是 AI 取代你,是「用 AI 的人」取代你——这条阶梯就是让你成为那个人。附 builder 批注:这又是一次「把读到的变成能交出去的」。
15
NEW LIVE 2026.06 · Tech· Economy

能力已经到了,差的是把它用起来的速度 · Code with Claude 伦敦 2026 现场笔记 · 现场笔记 →

Anthropic 第一次把 Code with Claude 开到旧金山之外——伦敦站,24 场讲座。我把整个播放列表逐场拉出完整字幕、读完,做成这份现场笔记(全 24 场已整理)。贯穿全场那句话来自开场 keynote:能力其实早就到位了,真正剩下的差距是我们把它用起来有多快(平台 API 调用量同比 17×、人均每周用 20+ 小时、12 个月出 8 个前沿模型)。先提炼贯穿全场的 9 条主线——① 指数 vs 线性(为下一个模型设计)② 编程不再是瓶颈(敢审敢杀旧流程)③ 能力来自工具不是指令(每次新模型砍掉缝合怪 prompt)④ eval 是进步的单位(按「每个成功结果最便宜」选模型、警惕饱和 eval)⑤ 思考是杠杆不是开关 ⑥ 基础设施才是新约束(Managed Agents 原语+自托管沙箱+MCP tunnel)⑦ Memory+Dreaming 组织级自学习 ⑧ 上下文即护城河(被治理的 skills)⑨ 从工具到队友(routines/验证循环/council 评审/远程遥控)——再按 6 大主题逐场拆讲者·主旨·要点·数字·金句:keynote、AI 原生工程组织、prompting playbook、选模型/thinking lever、capability curve、记忆与做梦、托管 agent、Beyond the basics/Stop babysitting/What's new、Foundry/AWS/Google Cloud、以及 Man Group(自动交易信号)、Legora(法律)、Lovable、Spotify(2.5M 自动 PR)、Delivery Hero(Hurigen council 85%)、Base44(一人到 80)等客户故事。
14
NEW LIVE 2026.06 · Tech· Economy

Agency 就是那把钥匙 · 李飞飞 × MasterClass 创始人聊 AI 时代 · 视频导读 →

李飞飞(Fei-Fei Li,做出 ImageNet、现在创办 World Labs)和 David Rogier(MasterClass 创始人)的一场对谈。我读完整份字幕做成的视觉笔记——他们在反复讲同一个判断:在一个认知能力强到「自动我们的智能」的技术面前,决定你被甩下、还是被放大的,不是学历、不是岗位,而是 agency(能动性)。真正打动我的那句是李飞飞的「entrepreneurial 几乎就是 agency 的同义词」——你可以是专科医生、可以是 K12 老师,身份不重要,重要的是有没有勇气抓住工具、命令它、为自己所用。沿着字幕往下拆四块:① CEO 的工具栈已是他自己用 Claude Code 建的 app(含模仿他写信语气的 Davidify、一个超 1.5 天就逼你「现在做/扔掉/派人」的待办 app),造一个 app 从「几个月」掉到「一个周末」;② 别 vibe code 你的 dashboard——只有前端、不接真实数据,好用一小时然后就坏;③ 工作的杠铃效应:顶尖 1% 专才 + 高能动性通才,中间「还行」被抹平;④ 「智能成本归零」是不负责任的化约——人类还有感知/空间/物理/情感智能和创造力,LLM 只是语言这一块。再补上李飞飞的空间智能四件事(理解·推理·生成·交互,World Labs 攻 3D)、教育的分叉($80k/年→约 $100、用 AI 学省 60% 时间)、以及怎么练 agency(拒绝「求表扬」、人人都说好的点子大概不好)。给害怕 AI 的人的唯一建议:找一个 25 岁以下、你信任的孩子,牵你的手用一个周末。附我作为 builder 的一点批注:这几乎是我那套 AI 舰队的外部印证。
13
NEW LIVE 2026.06 · Culture· Society

认知四象限 · 把「我不知道我不知道」变成一张能用的地图 · 图解深读 →

一句被拉姆斯菲尔德讲红、又被齐泽克补全的「认知绕口令」——已知的已知 / 已知的未知 / 未知的已知 / 未知的未知——其实是一套能用的自我觉察方法论。这篇先把它背后的两条轴立起来(横轴:我意识到了吗;纵轴:我到底有没有),用一支「黑屋子里的手电筒」把四个格子一次讲透,再补上它真正的来路(1955 乔哈里窗 → 2002 拉姆斯菲尔德只讲三格 → 齐泽克补第四格)。核心洞察是:左半边(①②)靠自省就能盘点,右半边(③④)是盲区,按定义照不到自己,只能被外力照亮。三个应用各配一张框架图:① 求职——把简历照成镜子,③④ 靠 Career Coach 显影,华人尤其要找「折射率不同」的本地(Kiwi)教练,因为你的④可能正是他的①;② 投资——最隐蔽的陷阱是把③(我以为我懂)当成①(真的懂),而④(黑天鹅)消除不了、只能靠仓位与冗余活下来;③ 人际——绝大多数误解都来自「我不知道对方不知道」。还拆开第三象限的两张脸(被埋没的天赋 vs. 不肯承认的自欺),用「学开车四阶段」④→②→①→③ 讲清象限会流动,最后收在一句递归的谦卑:这张地图本身也有盲区。
12
NEW LIVE 2026.06 · Economy· Tech

极简创业操作手册 · 把《小而美》拆成 10 个能调用的 skill · 操作手册 →

Sahil Lavingia 把《小而美 / The Minimalist Entrepreneur》亲手开源成了 10 个能在 Claude Code 里调用的创业参谋 skill(github.com/slavingia/skills),我把它们装进自己的 fleet——等于把一本书变成了一支创业参谋团队。这篇把它们按出场顺序串成一条从 0 到盈利的完整动线:① 找方向(find-community 不从点子开始而从你已属于的社区开始 + validate-idea 验证靠卖不靠造,附绿灯/红灯清单)→ ② 做出来(processize 先手动跑通的「魔法纸」、mvp 的四个动手问题、pricing 哪怕只收 1 块的零价格效应 + 财务自由算式:$10×200 客户=$2000/月,每工作日成交一个不到一年)→ ③ 卖出去(first-customers 的亲友/社区/陌生人销售同心圆、marketing-plan 的五步漏斗 + 教育/激励/娱乐三层内容 + 邮件才是自己的地)→ ④ 活下去(grow-sustainably 盈利即超能力、先用机器人再用人、default alive/dead、company-values 的 Gumroad 四条)→ ⑤ 持续校准(minimalist-review 的 8 问决策表)。一个普通人怎么不融资、不招人、从第一天就盈利地建一家小而美的公司。附我作为 builder 的三点批注:AI 把「手动→产品化」压扁了、这个网站本身就是一次极简创业、盈利即超能力对打工人也成立。
11
NEW LIVE 2026.06 · Economy· Tech

公司可能是一个 300 年的临时实验 · 公司形态的过去与下一站 · 图解深读 →

独立开发者花叔的一篇小红书把一个我一直没想清的问题摆上台面:「公司」作为人类默认的组织形态,到底存在了多久?他翻完历史和经济学后给的答案是——满打满算,约 300 年。这是我读后的重述 + 自己画的 8 张逻辑图:从行会的 500 年(匠师嵌在一张行会·教会·家族的密网里,这张网替个人兜底)、到工业化抬高交易成本的三关(规模·资本·信任)催生了「公司」这个在匿名社会重造长期信任的容器、到科斯 1937 年那把双向的尺子(公司边界 = 内部协调成本 = 市场交易成本),最后把尺子反过来用:AI 系统性砍下交易成本,公司规模沿曲线下滑——但被「承诺」这条 AI 砍不动的地板拦在 3–10 人。结构在向 18 世纪的独立匠师复归,但匠师有行会兜底,今天的独立开发者没有。比「公司消失」更大的,是「员工」这个心智模型的消失——身份真空。结尾那句金匠的发问:「你的行会在哪儿?」我答不出来。附我作为供应链计划员 + builder 的三点批注。
10
NEW LIVE 2026.06 · Tech· Economy

两次模拟,一条火线 · 从「公司是什么」到「周五选供应商」 · 复盘 →

两周里我做了两次供应链模拟。第一次(05.30)从「帮我模拟一个分销商」一路追问到「AI 原生公司是什么」——产出 deck 和研究报告,验证方式是推演自洽,它产出信念。第二次(06.11)方向反过来:把我自己的日常工作做成等比例缩微模型(3 医院 / 3 供应商 / 9 SKU,FCST·MM·BTO),克隆行业标杆做成能跑的 Action Center,再接上模拟的 D365 跑通 7 个场景 27 条断言——验证方式是 assertion,它产出证据。复盘这两次,我真正在找的答案只有一个:认知变免费之后,我的专业值钱在哪一段。两次模拟的共同盲区是「自己出题自己阅卷」,所以第三步不是第三次模拟,而是真实工作里的试点:一个供应商 × PO 确认段,shadow → assisted → 白名单,六周出数。信念 → 证据 → 信任。
09
NEW LIVE 2026.06 · Tech· Economy

把人,安全地移出信任链 · Claude Code 一周年 × Boris · 专题 →

同一周,两支都来自 Claude Code 创造者团队的视频:团队的「一年回望」(Reflecting on a Year of Claude Code)和 Boris Cherny 的「未来判断」(#08)。两份完整字幕读完做成的专题——它们在讲同一件事:这一年所有的工程,本质是把人类一步步、安全地移出信任链。分三幕走:【退场】人怎么被一层层移走(交互对象从源码→agent→Loop、模型替人做更多、专业身份融化、维护杂活交给 routines)→【为什么敢退】把信任做成可证明的(验证从跑 lint 变成「run the thing」、classifier+红队+eval 证明 Auto 比人更安全、错误写进 CLAUDE.md 让 loop 永远跑不歪)→【退场之后】把文件柜扔掉让 Claude 坐到流程正中央,连「品味」也退场,剩下的只有价值观。「人类退场」一辑的压轴。
08
NEW LIVE 2026.06 · Tech· Economy

连「品味」也不再是人类独有 · Boris Cherny 聊 Claude Code · 视频导读 →

社媒上那句「连品味都不再是人类独有」把我抓住了——它来自 Claude Code 创造者 Boris Cherny 的访谈。很多人以为人类最后的护城河是「产品品味」,但 Boris 判断这道墙 3–6 个月内也会被攻破(模型自动生成的想法已有约 20% 是好主意);真正留给人的，是教模型「成为一个好模型」的价值观，像教孩子做一个好人。顺着完整字幕往下，是一整套关于 AI 发展的切片:Claude Code 怎么从「产品悬垂」时期的原型长出来(他已 6 个月没亲手写代码、11 月卸载 IDE、~200 个 Claude 后台常驻)、工程师从「写代码」变成「写 Loop」、为什么编程是 AI 安全干净得不可思议的「培养皿」，以及几个很辣的反直觉判断(资深要先 unlearn、代码品味常是愚蠢执念、故意让团队人手不足 +无限 token、拉平头衔减少盲从)。
07
NEW LIVE 2026.06 · Tech· Economy

不是一人公司,是几个人的公司 · OPC 的真实形态 · 视频导读 →

AI 火了之后,人人都想做一家 OPC(一人公司)——「一个人在家,几个 Agent 干掉过去一整个团队」。但 Gumroad 创始人、《小而美》作者 Sahil Lavingia(这个领域的 OG)说:真要把用户体验做好,最后大概不是 1 个人,而是几个人。基于一期《科技早知道》的视频导读:Gumroad 是怎么被 VC「逼」小、年入 2000 万却只靠 3 个工程师 + 半个 CFO + 1.5 个客服跑起来的;5 个核心观点(AI 能写代码但找不到客户 / 最好的软件不一定躺赢 / AI 当 CEO 人类负责热爱);以及把「想象中的一人公司」和「真实形态」摆在一起的那个核心落点 —— 极简不是把人减到 0,而是减到刚好还能保证体验的那几个。
06
NEW LIVE 2026.06 · Society

The Intimate Animal · 亲密的动物 · 全书可视化解读 →

Kinsey Institute 执行主任、演化生物学家 Justin Garcia 2026 年的新书：人类不是只被性驱动的动物，而是被「亲密」深刻塑造的 intimate animal。这份可视化解读读完了全书——从内华达沙漠里一项 2 万美元、却不一定包含性的「Girlfriend Experience」讲起，拆开社会性单偶 vs 性单偶的核心悖论、关系生命周期的 10 个阶段（Need → Love Again）、亲密危机的数据、出轨的 8 种动机，到 Aron 那套「促进亲密的 36 个问题」，以及作者关于 AI 时代如何重塑亲密关系的追问。为读书会做的视觉版。
44
LIVE 2026.05 · Tech· Society

效率不再是护城河 · Open to Work × McKinsey · 读书会第 80 期 →

第一次从「分享」走到「主持」，也是读书会自己的第 80 期：为这一场做了三周课题工作室——书读了三遍、写下 1.6 万字解读、发了三期播客、海报排了一整夜。90 分钟的讨论围着一个判断转：AI 在效率赛道注定赢，人的护城河从来不是效率，是创新；工作的最小单位是任务不是岗位，用三桶框架（AI 独做 / 人机共做 / 只有人能做）给自己重新定位；把职业从爬梯子换成攀岩墙，用 5Cs（好奇、勇气、创造、共情、沟通）盘点 AI 赢不了的自己。McKinsey 给组织全景数据，Roslansky 给个人行动手册，两本互为体用。当晚手记里留下这一场真正的收获：主持人最危险的不是讲错话，是把自己的预设包装成问题。
43
LIVE 2026.05 · Tech

从 Chat 到 Agentic · Claude 五个月使用体验 →

AI 已经有博士级智商，大多数人却只拿到两三成提升——因为还把它当聊天工具，不是团队成员。这场分享把差距讲成数量级而不是百分比：四个角色的心智模型（Microtasker → Companion → Delegate → Teammate，大多数人卡在前两个，真正的杠杆在后两个），配上自己五个月的真实曲线——130+ 会话、8 个项目，从初次聊天到后台自动跑起来，和 Claude 的发布节点一一对上。工具四级跳：Web → Cowork → Code → Extension。收尾那句后来常被引用：「你不需要成为程序员，你只需要成为系统的架构师。」当晚复盘里写了一句更诚实的：三场分享，首先是我自己学习的截稿日。
05
LIVE 2026.05 · Tech

用 AI Agent 运营一家公司 · Distributor 的 Agent 原生架构 →

如果让 AI Agent 来运营一家分销公司，人到底还留在哪里？一张可视化架构图给出答案：一个 Orchestrator 调度 4 个 Agent（客服 / 供应链 / 财务 / WMS），人只守在三件事上——搬实物、维护关系、对钱和异常负责。核心原则是「Agent 跑 happy path，人当 exception owner」，外加两道授权闸（PO 金额闸 + 付款闸）守住内控。
04
LIVE 2026.05 · Economy

Open to Work · LinkedIn CEO 的 AI 时代职业指南 · 全书解读 →

Ryan Roslansky（LinkedIn CEO）+ Aneesh Raman 2026 年 2 月新书的完整可视化解读：10 章 × 3 部分的论证骨架、5Cs（curiosity / courage / creativity / compassion / communication）、三桶任务框架、攀岩墙式职业模型、30-60-90 day plan，加上从书里精挑的 11 位真实工作者故事。专门为这周末的读书会做的视觉版。
03
LIVE 2026.05 · Culture

文明系列 · 十书可视化解读 →

Iain M. Banks 用十本书、二十五年时间，雕刻出一座"工作可选"的乌托邦。这是一份可视化解读：每本书一种颜色、一个母题、一个对今天硅谷大佬的回声——从《Phlebas》的入场到《Hydrogen Sonata》的退场。
02
LIVE 2026.05 · Culture

《文明》系列与 AI 时代的人生意义 →

为什么马斯克、贝佐斯、扎克伯格几乎都在不同场合推荐 Iain M. Banks 的《文明》（The Culture）系列？如果 AI 真的把我们从"工作"中解放出来，人活着的意义到底是什么？这是我和 Gemini 的一次深度对话的整理。
01
LIVE 2026.05 · Economy

Yang 的竞选史 + UBI 起源 →

Yang 上一次参选总统是 2020 年大选，那本《The War on Normal People》系统阐述了 UBI 论证——但当时谈的是蓝领+物理自动化的故事。2026 年再看，论证的射程已经从蓝领扩到了白领，这是质变；但政治可行性其实比 2020 年还要更复杂。
42
LIVE 2026.04 · Culture

如何健康地吃 · Mastering the Art of Healthy Eating →

三个切面同时看「吃」：用营养科学看身体，用审美与愉悦找回对食物的正视，用一顿饭找回归属感。戴了 14 天动态血糖仪、每餐拍照做对比，最反直觉的结论是寿司升糖比披萨还猛——组合怎么吃，比吃什么更重要；一碗米饭约等于二十块方糖，而每天 30 克纤维能把肠癌风险压下三成。后半场从数据走向人：蔡澜与 Michael Pollan 的「感性 × 理性」对话（用 Pollan 的眼睛选食材，用蔡澜的舌头品滋味）、江振诚的「料理不是创造，是转译」，以及最私人的那章：在奥克兰的家乡小馆反而更想家——归属感不是相似，是不被突出。27 页 deck 全部由代码生成，七轮迭代，讲前一晚才定稿。
41
LIVE 2026.04 · Society· Tech

把经历做成方法 · The Modern NZ Job Search Playbook v2.0 →

十一月那场求职复盘的二次开讲：「I was in your seat 5 months ago.」这次不讲故事，讲配方——Hybrid = AI 的速度 × 人的洞察：五成机会来自猎头、三成来自 LinkedIn、两成来自内推，内推私信的回复率有七成；JD 深挖 prompt 升级到 v2（提取核心能力 → 逐条自评 → 补 STAR 故事 → 预测面题 → 红旗预警）；五个 STAR 故事覆盖八成行为题；AI 让你便宜地失败五十次，教练负责做减法——AI adds, coach subtracts。金句留给被拒的人：拒信不是对你价值的反馈，只是某个周二那天，一份 70 行的 JD 和一份 2 页的 CV 之间的匹配度反馈。
40
LIVE 2026.02 · Tech· Economy

门已经开了 · Agentic AI and Us →

把两种温度放在同一张桌上：一线创业者的震撼（「像 2020 年 2 月疫情前」）和麦肯锡的冷静计算（57% 的美国工时在技术上已可自动化，AI 可独立完成的任务时长每几个月翻一倍）。温差本身就是信息——公众认知和现实的鸿沟比想象的大。因果链从能力指数增长推到 Skill Partnership：出路不是恐慌，是重新划分人机分工。然后话锋一转：报告预测的「2028 年供应链计划员的一天」，我 2026 年 2 月已经在这样工作了——现场把自己搭的多 agent 工作系统和预测逐项对照，还带了一个能当场装走的插件。理论讲完，证据摆上。
39
LIVE 2026.01 · Culture· Society

意义危机 · 在异乡怎么安放自己 →

十一场里唯一没有任何视觉物的一场：没有 deck，没有讲稿，只有 40 分钟的现场录音，后来剪成了 14 分钟的播客版。一场关于意义危机的谈话，留在了声音里。这一篇先把这场在时间线上的位置占住——它讲于一月末的奥克兰，讲的人后来把「意义」这条线走成了好几场分享；等录音整理转写之后，这一页会补全。
38
LIVE 2026.01 · Economy

先算清斩杀线，再谈投资 · 除了房子，在新西兰还能投什么 →

谈投资之前，先把恐惧变成数字。「斩杀线」用四个情景算清在新西兰掉到底会怎样——失业、最低工资、中等收入背百万房贷、中等收入租房，每个情景都是一条 prompt 加一遍查证；最扎心的一页是 80 万房贷加单人收入，10 万年薪才勉强打平。算完底线，才轮到保险三件套（health / income protection / trauma——30 岁时你最大的资产是未来赚钱能力）和 Managed Funds / Stocks / Crypto 三条资产线：Sorted 的理财人格测试、Morningstar 报告怎么读、比特币从微信转账的「中间人」讲起，讲到「记住 12 个单词，财富装在脑子里过海关」。全场口径只有一个：理财科普，不是荐股。
37
LIVE 2025.12 · Culture

给大脑装一套新系统 · MindOS →

一场拿 Apple 发布会的壳讲晨间仪式的分享：「Your morning. Upgraded.」心智被比作跑着默认焦虑固件的系统——garbage in, garbage out——八句晨间肯定语是系统更新。原理挂在大脑网状激活系统（RAS）的注意力过滤上：反复说出口的句子会告诉过滤器什么重要，你就开始注意到什么。八句话被包装成 App、Feature 和「One More Thing」（第八句：I have an important contribution to make to the world），安装协议只有三条：说出声、写下来、连续 30 到 60 天——覆盖多年的负面编程需要重复。尾页一句话收束：Program a better day. Create a better life.
36
LIVE 2025.11 · Society· Economy

四周，两个 offer · 新西兰供应链求职复盘 →

四周，四家本地公司（乳业 / 食品 / 医疗 / 能源），每家两到三轮，拿到两个 offer。当晚分享的就是这份第一手复盘：机会从猎头、LinkedIn、内推三条渠道来；AI 把职位描述拆成作战手册、陪着模拟面试；一位本地求职教练在关键轮次前做 mock；每场面试后 24 小时内复盘，让上一场喂养下一场。也讲了底色：在新西兰的十年、三段行业，工作语言从中文一步步走到全英文。心态那页问了一个问题——「你能控制的到底是多少？」——答案比想象的低，所以金句是对自己说的：prepare thoroughly, accept the result, never doubt your worth。会后一周，这份复盘被剪成了六集播客风视频。
35
LIVE 2025.11 · Tech

怎么向 AI 提问 · Mastering the Art of the Prompt →

整条线的起点，也是当时所有人的起点：大家都还在聊天框里摸索。二十页讲清一件事——AI 输出的质量，取决于你提问的质量。PTCO 四要素（Persona / Task / Context / Output）把模糊的许愿变成精准的指令，配上思维链、few-shot 示例、迭代精修三个进阶动作，和 Anthropic 的六段式提示词结构；最常见的错误不是问错，而是背景给得不够——prompting 是对话，不是咒语。收尾留了一个问题：「怎么用到我们自己的项目上？」九个月后回头看，这份朴素的指南成了整条 AI 线的对照组：那时还在教怎么问，后来变成了怎么共事。

// 55 pieces · more land here as they finish