1970 年,波音就已经引入了 CAD 电脑画图。但交付给下个部门的时候,却是把结果打印出来,让下一个部门的人用眼睛读、用脑子理解、再靠脑子去执行。

星巴克的咖啡师做咖啡的速度提高 100 倍,星巴克未必能多赚很多钱。星巴克的瓶颈不在做咖啡的速度,在于客流、选址、供应链管理。

同理,你们公司的瓶颈,大概率也不在于每个员工手头的任务完成速度。而在于部门和部门之间的信息流动,在于协调层。

那个在公司里被称为 “很能干” 的人,你仔细观察一下,他到底在干什么?大概率是这样的:他最熟悉各个项目的上下文,能在不同部门之间穿针引线,能把复杂的事情讲清楚让所有人都理解。

他的核心价值,是在一个信息流通不畅的组织里,做信息中介。他们也恰恰是 AI 最应该替代的角色。


用 AI 做会议纪要,本质上在做什么?

把一个小时的会议录音,变成一份文字摘要。以前要半小时,现在十分钟。确实快了。 但你有没有想过 —— 这份会议纪要,是给谁看的?怎么用的?

大概率是这样的:发到群里,你扫一眼,记住几个关键点,其他的全忘了。下次开会,大家又从头开始对齐,“上次说到哪了?那个问题有没有跟进?”

信息经过了人类的眼睛、大脑这个极度低带宽的通道,从一个丰富的多维度文档,退化成了你脑子里残存的十分之一。然后再退化,再退化。

AI 在这里做了什么?它替代的,是原来的助理、书记员、秘书。省的是记录的时间成本。

但组织协调的根本问题,一点没变。


真正的 AI 化,是组织共享一个被持续维护的事实库

你们有没有一个关于某个项目的 “总文档”,每次开完会,这个项目的进展、决策、待跟进事项,会自动更新进去?下次开会,大家是基于这个文档来开,还是靠各自脑子里的残存记忆来开?

如果是后者,那不管你们用了多少 AI 工具,本质上还是 1985 年波音工程间的状态 —— 每个人都有 CAD,但图还是打印出来开会。


真正的 AI 化不是每人一份会议纪要,而是整个组织共享一个被持续维护的事实库。会议是一个更新这个事实库的节点,不是一个独立的、被总结然后被遗忘的事件。

当 AI 真的接管了信息共享这一层,开会就会变成另一个样子:每个人只接收和自己相关的那部分,异步同步信息,只有真正有分歧的地方才需要大家坐在一起

费曼经典:一个好奇者的探险人生
本书完整收录了诺奖得主、科学顽童理查德·费曼的61篇经典自传文章,经过费曼的忘年密友拉尔夫·莱顿的精心编排,我们得以沿着生平时间重走费曼的冒险旅程:在麻省理工学院捉弄同学,在普林斯顿大学与爱因斯坦对话,研发原子弹的同时开遍保险柜,学敲鼓并加入桑巴乐队,在诺贝尔奖晚宴的趣事,学画、卖画、办画展,靠冰水和夹子解密航天飞机事故……费曼的这些文章,展现了他对科学、教育和人生的独特观念和态度,也告诉我们:做一个有趣的人比获得诺贝尔奖更难,也更重要。
weread.qq.com
  • 当我发现圣诞老人并不存在时,我没有感到难过,反而释然了,原来有一个更简单的说法可以解释为什么全世界那么多孩子会在同一天夜里收到礼物。之前的故事太复杂了,我快想不透了

  • 这是我从我父亲那里学来的:不尊重任何权威;不要管话是谁说的,但要关注他说的条件是什么,结论又是什么,然后问自己:“这合理吗”

Continue reading
  • 基于我划线最密集、最认同的这 3 本书的核心主张,帮我找出与其观点完全对立、批判最狠的 5 本硬核书籍,给我做一次认知压力测试。
  • 假设我以当前的阅读结构和速率继续读 5 年,推演那时的我会变成什么样的人,会形成哪些固化偏见,产生哪些知识盲区,错过哪些真正重要的问题,并指出现在必须立刻插入哪 5 本反向修正书来避免那个未来。
  • 在我读过的所有书里,按现在的我重读它获得的认知增量最大排序,给出 Top 10 重读清单。
  • 把我过去 1 年的阅读按动机分类,给出比例和具体书目,并诚实指出我可能在用哪类书逃避哪件事。

定义你的,不是你的本质,而是你的所作所为。

《蝙蝠侠》
  • 虽然我做了坏事,但我内心是个好人。
  • 是生活所迫,让我做了这个那个,但我本质上是这个那个,现在不是真正的我。但依然有很多人为了面临更大压力的时候也从未妥协。选择妥协的那个,就是真正的你
  • 一件事情,在大多数时候是没有确定性答案的。认知不是从天上掉下来的,它是靠人不断推演、争论、交流,一点一点磨出来的——这个过程不能省略,因为这个过程就是人本身。 如果认知直接由 AI 给到,且不论它是否全面、是否带着批判性,单是中间那段思考的缺席,就足以让主体性一寸一寸地退场,最后沦为珍妮机前面那个等待被淘汰的身影。
  • 帕斯卡说,人是一根会思考的芦苇,宇宙无需武装就能碾碎他;但人依然比碾碎他的东西高贵,因为人知道自己会死,而宇宙对此一无所知。在 AI 时代,这句话有了一个新的读法:模型可以在几乎一切任务上超过我们,但知道自己在做什么、为什么做、做成之后世界会有什么不同的,依然只有这根芦苇。
Why I Don’t Vibe Code
A “brief” accounting of various reasons why vibe coding has just never clicked for me personally as a developer.
jacobharr.is
  • AI 的热潮确实让我想起早期低代码和无代码工具的突破。我不怀疑 AI 能成为开发者的有用工具,我知道有些任务它能作为更好的工具来辅助完成。但这些论点总让我再次思考偶然复杂性与本质复杂性的问题。

  • 布鲁克斯在《没有银弹》一文中探讨了新工具对开发者生产力的影响。要像程序员一样思考,你必须理解现实世界的复杂性。编程最好被理解为在混乱的现实之上施加简化的表征——我们称之为_抽象_——通过降低复杂性使其可理解。这让我们能够将特定情境泛化为可层层叠加的抽象层。

  • 即使更好的工具减少了偶然复杂性,本质复杂性依然存在。我们仍需以正确的方式设计抽象和系统——一种优雅、清晰且可维护的方式——这本身就是一项复杂的工作。而这种复杂性不会消失。这类工作需要技能、经验以及从过去系统失败中艰难获得的智慧。


  • LLM 驱动开发的魅力在于它理应消除摩擦。拥护者们编造着开发团队一天内交付数十个功能的故事,他们指挥着多个自主运行的智能体团队,以越来越奇特的拓扑结构协同工作。我理解,软件开发有时确实繁琐且令人沮丧。能够以相对惊人的速度产出代码,并摆弄那些打磨精美的产品而非原型,这种感觉一定令人无比兴奋。

  • 不过我需要这种摩擦。

  • 当我初次学习一门新语言或框架时,即使是最基本的任务也会让我感到举步维艰。这感觉糟透了!而当我面对一个陌生且不熟悉的代码仓库或数据源时,我需要花上几个小时仔细审视。我常常会进行细致的研读,调出特定文件逐行查看,直到理解它们的上下文以及开发者做出的选择。我知道我可以直接让 LLM 帮我总结项目来节省时间,但我发现我需要这个过程来真正沉浸到代码中。我需要的不只是理解开发者做了哪些选择,更是理解他们为何做出这些选择,以及这些选择如何体现所用语言的约束或惯用法。我在失败中学习,如果 LLM 替我完成了这部分工作,我就无法真正理解自己在做什么。

  • 如果编写提示词的工程师缺乏判断好坏的能力,他们就会陷入反复让 AI 硬编码来消除摩擦的循环。这可能导致一团混乱的抽象层,而留给未来团队的唯一设计文档,只是一份为几年前使用的 AI 模型写的 Markdown 指令。


  • 也许我不使用 LLMs 的最简单原因就是,我实在是太热爱编程了,以至于我不想把它交给机器。就像如果我是艺术家或音乐家,我不会求助于 AI 一样,编程是我表达创造力的一种方式,我不会放弃这种快乐。尽管有时会极其令人沮丧,但从一个模糊的想法塑造出一个真实的系统,尤其是涉及优雅的实现或有趣的问题时,会带来深沉的喜悦。有些晚上,我合上工作笔记本,打开个人笔记本,去探索一些我想构建的有趣新东西。

  • 编程也一直是我在困难时期的慰藉。有研究表明,玩俄罗斯方块是避免创伤后应激障碍的有效方法。其理论依据是,调动大脑中负责排列和旋转形状的部分,会妨碍创伤记忆的形成。幸运的是,我没有患 PTSD(我也并非轻视那些受其困扰的人),但确实能理解这一概念。编程就像解复杂的谜题,有时是我黑暗时刻的慰藉。

宝贵的人生建议
在他68岁生日那天,凯文·凯利开始动笔为他的子女写下一些人生建议,他希望子女们能早点知道这些智慧。他在几年间不断写下新的建议,当这些建议足够多了,他决定写下这本书,以便读者能与朋友和希望改善自身生活的人,分享这些建议。这些建议有些基于他特定的人生经验,但大多数建议基于永恒不变的价值观和美德,不管科技如何创新,它们都不会变,包括感恩、善良、乐观等。
weread.qq.com

养成习惯的好处是,在行动时,不必再进行内心的权衡。

不再消耗能量去思考是否要做这件事。

你只管去做。


每个人都害羞。

其他人在等你做自我介绍;

他们在等你给他们发邮件;

他们在等你

约他们出去。

Continue reading
当我们在讨论 Harness 的时候,我们在讨论什么 | 深度对谈: Minimax × Hermes Agent
听《十字路口Crossing》上小宇宙。AI 正在给各行各业带来改变,我们在「十字路口」关注变革与机会,寻找、访谈和凝聚 AI 时代的「积极行动者」,和他们一起分享实战经验。
xiaoyuzhoufm.com
  • 在这样高密度、高复杂性的任务上,如果想 scale up, 那人在其中的占比一定要是少的,人只能是驾驭,否则这个效率就会很低,我们就做不出最有生产力最好的东西。
  • 要改变视角,工作应该改造成以 ai 为中心,而非继续以人为中心。
  • 不要想模型做不到,而且想模型能做到,我应该怎么配合模型做到。
  • 如果一个 AI 公司不是以 AGI 为目标,那它就不应该存在。而 agent 是 AGI 之路的一个重要工具,因此大模型公司一定会做agent。
  • OpenClaw 出来之后,我一直在想它和claude code的本质区别是什么,对谈里给 OpenClaw 的定义我觉得挺好的:
    • 第一就是随时随地能够联系到他的一个伙伴。
    • 第二就是他能够你在使用过程中越来越聪明。
  • 一方面,我越来越擅长自学,也养成了独立思考的能力;另一方面,我变得孤僻,不善与人建立连接。面对人群,我总是局促不安,不知如何表达真实的自己;我害怕袒露想法,总觉得无人理解,也无人愿意理解。

  • 人必须与外部世界建立连接,而表达,就是这场连接中的第一道桥梁。

  • 我才明白,表达不是可有可无的能力,而是一门人生的必修课

  • 真正的表达,不是为了炫耀,也无关于技巧,而是一种自我的袒露。你越愿意将内在推向外部,你就越清楚自己是谁、想要什么、和他人有什么不同。而你越害怕表达、越不敢袒露,你的“自我”就越容易被模糊、被裹挟、被湮没。久而久之,甚至你自己也不认识自己了。

  • 表达像是一面镜子,一面不断校准自我认知的镜子。你表达得越多,越真实,就越靠近那个真实的“自己”

如果你希望存储一段信息,让 100 年后的人也能访问,要怎么做?

三体中有类似的想法:如果人类灭亡,最好的保存文明的方式是什么?答案是:“刻在石头上”

但在一百年的时间尺度上,文章作者认为 GitHub 是存储信息的最好方式:

  • Github 已经是全人类的互联网基础设施
  • Git 能保存所有的 commit 历史
  • Git 是分布式存储的,即使 Github 被黑客侵入数据丢失,只要有一份 fork 还在,数据就还在。

越来越多的人会把自己的信息搬到 GitHub 上,依托 GitHub 实现曾经人们可望而不可及的”永生”。

几十几百年后,GitHub 将成为世界上最大的数字公墓,注册用户大部分都已去世,然而个人主页,项目,commit 历史 还述说着他们生前做过的事——就比如 Joe 的博客。 这虽然是个比较 creepy 的推论,但从另一个角度想,却证明了人类的巨大进步:对抗死亡是人类文明的永恒主题,而我们已经实现了阶段性胜利。