G

Ideas.

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

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。
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。

// 29 pieces · more land here as they finish