AI 让「怎么学」便宜到免费,稀缺的是「为什么学

上周我导出过一段自己和 AI 的真实对话。我问的是:用 AI 学新领域时,“预设过载”——一上来一堆专业术语,把人砸懵——有没有现成解法。 AI 回得很漂亮,三大类:提示词层面(“解释得像讲给五岁小孩”、费曼式追问、强制降维模板),工具层面(划词解释插件、AI 闪卡、间隔重复),框架层面(苏格拉底式引导、螺旋式三轮学习、认知负荷自适应)。一条光谱,从轻到重,无懈可击。 然后我只回了一句: “我认为还有一个很重要,就是,为什么学习,和学习什么一样重要。虽然你说的全部都是怎么学习。” AI 立刻认了:“我上一轮确实默认了你已经知道为什么学、学什么,只谈了怎么学。但在 AI 学习场景里,这个默认恰恰最危险。” 然后它给了全篇最值钱的一句话:How 越来越便宜,Why 和 What 反而越来越稀缺。 这段对话就是本文的全部起点。AI 给了十几种"怎么学"的解法,而真正的问题根本不在"怎么学"。 为什么"预设过载"不是技术问题 先把机制拆开。为什么 AI 一上来就是术语洪水?表面是它"爱显摆权威",底层是一个更冷的东西: 没有 Why,你就没有筛选标准,AI 给什么你接什么; 没有 What,你就不知道什么重要,于是所有术语都显得重要; 最后,AI 的"完整、专业、全面",就变成了认知洪水。 注意这个顺序:过载不是 AI 的 bug,是 Why 和 What 缺位的症状。你缺的从来不是"让 AI 讲简单点"的技巧,是"我为什么碰这个、我要到什么程度就停"的标准。标准一立,术语里八成的词会自己变暗;标准不立,AI 讲得再简单你也照样被淹没——因为"简单"是相对的,没有"够不够",简单就没有止境。 这是通缩的迁移。AI 把执行层的成本压到接近零之后,稀缺性没有消失,只是挪了地方:从 How(怎么学)挪到了 Why(为什么学)和 What(学什么)。会写提示词、会查资料、会做闪卡,这些正在从"人的本事"变成"机器的默认能力"。 落到一句话:AI 是放大器。Why 清晰,它放大你的能力;Why 模糊,它放大你的焦虑和术语过载。在错误方向上高效奔跑,是最贵的一种浪费。 举个一人公司最常踩的场景。你想接一个新需求,客户说要"上向量检索",于是你去问 AI。它给你讲 embedding、召回、重排、ANN 索引,一页术语。你以为自己在"学 RAG",其实真正的问题早被术语盖住了:这个需求到底值不值得用 RAG 解,还是加个 grep 就够。没有 Why,你不会想到问"这个客户的数据量有多大"——而答案往往是"几百条,压根用不上向量检索"。目的没立住,学得越全,离钱越远。 这就是为什么"预设过载"的解法不是换一个更会降维的提示词,而是先把"我到底要拿它干什么"钉死。 再深一层,这也不只是个人学习习惯问题。当一项技能能被 AI 稳定、廉价地完成时,它就在被并入生产资料——就像当年织布手艺被并进纺织机。人剩下、不可外包的部分,从来不是"执行",是"判断":判断学什么值得、到什么程度该停、这个知识对我的问题到底有没有用。AI 是劳动资料,不是劳动主体;它替你干活,但"为什么干"必须是你自己的。所以"预设过载"骨子里不是技术现象,是没有目的的学习就是消费——你在为一个不存在的目标,消耗认知,也消耗 AI 那点"权威"。 三条能今天就用的 第一,先写"不学行不行"。 ...

September 22, 2026 · 1 min · 113 words · kwelldo

代码能 git,环境不能——把一整年攒的东西打包成 22 MB

先做个假设,会让人后背发凉的假设:明天这台笔记本丢了,或者你要换一台新机器,这一年攒的东西,你能带走多少? 答案很不对称。代码能带走——都在 git 仓库里,一条 clone 就回来了。但环境带不走:这一年里你给 agent 调出来的技能库、喂出来的记忆库、七个 agent 各自的配置目录、系统里那三百多个"当初为了跑通某件事装上的东西",全都不在任何仓库里。它们散落在 ~/.pi、~/.claude、~/.config、~/.ssh,以及你根本记不清装没装过的包管理器清单里。 一人公司真正的生产资料不是源码,是"跑起来的那套环境"。 源码是死的,环境是活的——换台机器重写一遍,等于把这一年的磨合归零。 这个不对称还有个更扎心的版本:git 管的是"你愿意公开、愿意版本化的东西",而一人公司最值钱的那部分,恰恰是最不可能进 git 的——记忆库里那些"上次为什么踩坑、下次别再犯"的判断,agent 配置里那些"这个项目用这套 prompt 才听话"的调校,会话记录里那些被一句话点醒的瞬间。护城河不在仓库里,在环境里。 等你意识到这点的时候,往往已经是灾难之后了。 所以别把这当成"备份"——备份是运维的活。这是把你一年攒下的思考底稿,做成一份能随身带走的快照。 我做了什么:把整屋子东西压成六个包 上周末我把这件事做了。现在这套环境,六个 tar 包就是全部: 包 内容 大小 是否加密 skills-pi pi 全部技能与扩展 176 KB 公开 skills-taxonomy .agents 技能 + 中文法律 38 + 商业 15 18 MB 公开 env-manifest pacman/npm/cargo 清单 + secrets 键名 8.6 KB 公开 pi-core memo/settings/models/memory/auth 222 KB AES-256 sessions pi 全部会话 74 MB → 22 MB AES-256 agents-config claude/codex/dsh/opencode/prime/hermes/shell/ssh 配置 1.4 MB AES-256 恢复是一条命令,任何联网机器上都能跑: ...

September 21, 2026 · 1 min · 160 words · kwelldo

换了个目录,我的 Agent 还认识我吗——记忆为什么突然要分三层

换了个目录,我的 Agent 还认识我吗——记忆为什么突然要分三层 9 月 16 号晚上,我做了一件有点多余的事。 我开了一个全新的会话,把它的工作目录指到另一个项目目录,然后问它:你现在能看见什么、还记得什么。 这不是测试工具,是测试我自己。因为那几天我脑子里一直梗着一个问题,梗得难受:我的 Agent 越来越多了,项目也越拆越多,一条经验——比如"这个项目里 dsh-* 开头的脚本不能用 rm -rf 清理"、比如"某台机器的代理端口是 7897 不是 7890"——我到底该把它记在哪一层,才能保证它在该出现的时候出现,不该出现的时候别串出来。 这个问题,我以前从来没有过。 一个人干活的时候,这个问题根本不存在 先承认一件事:单干的时候,“记忆该放哪一层"是个伪问题。 一个人,一台机器,一个目录。你所有的经验——怎么装驱动、怎么绕过那个坏掉的 SSL 握手、哪个客户爱砍价——都装在你自己脑子里,走到哪儿带到哪儿。没有第二个人要跟你共享,没有第二个项目要跟你隔离。经验只有一种命运:要么你记得,要么你忘。不存在"这条经验属于 A 项目还是 B 项目"这种划分,因为 A 和 B 都是你自己。 问题是从什么时候开始出现的? 从工作被拆成多个项目、同时有多个 Agent 在跑的那一刻。一旦你有了三个仓库、五个 Agent、十几种各自的技能和约定,你就必须回答一个以前不用回答的问题:哪些经验对"我"这个整体成立,哪些经验只对"这个项目"成立,哪些经验只对"这一次任务"成立。 一句话——记忆的边界,是被协作的规模逼出来的。 我不是在讲哲学,我是在讲一个很具体的坑。我亲眼见过 Agent 把 A 项目的约定用到 B 项目上,因为它的记忆里根本没有"项目"这个概念,所有东西平铺在一个大池子里。默认不隔离的代价,就是污染。 一次换目录实测:记忆其实分成了三组 那天晚上我干的,就是把这事验证清楚。我让一个 Agent 在全新的工作目录里,如实报告它"能看见什么”。结果很干净,记忆天然分成了三组,边界各不相同。 第一组:跟着我走的。 换到哪个目录都不变——全局的记忆、我平时记笔记的小记忆本、家目录下的技能、各种密钥和设置、装好的环境、会话列表。这些是"我"的,不是任何一个项目的。换机器、换项目,它们都还在。 第二组:换了目录才会变。 最典型的是项目技能和项目约定。我指过去的那个项目目录里,.agents/skills/ 下面躺着 12 个 dsh-* 开头的技能;可我在自己家目录下,一个都看不到。还有那份 16 KB 的项目 AGENTS.md,只有工作目录指过去,它才会被逐级加载进来。这些东西跟着"目录",不跟着"人"。 第三组:既不跟目录,也不靠同目录继承。 这一组最反直觉——会话级的临时记忆。它按会话 id 分,不按目录分。也就是说:在同一个目录新开一个会话,它不会继承上一个会话的临时记忆。 上个会话里算到一半的东西、临时记的进度,新会话一概看不见,哪怕它们开在同一个目录下。 三组记忆,三条不同的边界线。这不是设计出来的,是实测出来的。 那条最该问的问题:经验归谁、给谁看 理清楚这三组之后,我意识到一个更有意思的事实:划层的标准,从来不是"这条记忆是什么内容",而是"谁来用、在哪用、要不要传给第三方"。 ...

September 17, 2026 · 1 min · 132 words · kwelldo

一人公司没有安全部门——从一行明文写死的邮箱授权码说起

一人公司没有安全部门——从一行明文写死的邮箱授权码说起 前天晚上快十点,我随手敲了个 git status,想看看网站项目攒了多少没提交的改动。屏幕上跳出一行: M send-email.py 这是个给网站发邮件通知的小脚本,我一直没当回事。git diff 一看,改动的核心就一行:把脚本里写死的邮箱授权码,换成从环境变量读,外加一句"登录前先检查,没有就直接退出"。 改前:AUTH_CODE = "***",改后:AUTH_CODE = os.environ.get("QQ_MAIL_AUTH_CODE", "")。 这行改动小得不能再小。但我盯着它看了很久,心里冒出一个不太舒服的念头:在我改掉之前,这把钥匙已经在仓库里躺了多久?它跟着我的笔记一起被 git 跟踪、被跨设备同步、被备份到远程——也就是说,那个能代表我发邮件的东西,明文写在文件里,散在我所有设备和所有备份里。 我不是不知道"别把密码写死在代码里"。每个写过程序的人都知道。但这次不一样。这次我意识到,我不是"忘了规范",我是压根没意识到这里有一道需要把关的坎——因为过去这道坎,是由一个叫"安全部门"的东西替所有员工把着的。而我一个一人公司,从来没有这个部门。 我们谈 AI 风险,谈错了对象 有个认知错位,得先点出来。 现在一聊到 AI 和 Agent 的风险,话题几乎都绕着一个方向转:模型会不会失控?它会不会自己有了目标?会不会骗人、越权、自我复制? 这些担忧不能说没道理,但它们离我太远了。我真正亲手搭 Agent 的第一天,遇到的第一件危险的事,不是什么高级的"模型觉醒",而是我发现自己在把一把能代表自己身份的钥匙,明文贴在了一个会自己执行代码的脚本里。 这句话值得停下来细看。我们习惯把风险想象成"模型很强大,所以很危险"。但一人公司搭 Agent 的现实是反过来的:危险不来自 Agent 太强,而来自你太省事——为了让它跑起来,你随手就把自己的权限塞给了它,自己还没意识到。 那 2KB 的脚本,到底是个什么东西 说说这个脚本本身。它很小,小到你可能觉得不值一谈。但它干的是一件很重的事: 它用我的邮箱,以我的名义,向任何人发信——可以带附件,而且每发一封还会抄送一份给我自己。命令行三行调用,一封以我名义的信就出去了。 这不是一段代码,这是一只手。 一只替我用本名对外发信的手。它写的内容、收信的人、带的附件,一旦泄露出去,别人能拿它干的事没有上限:给你的客户发一封"请把尾款打到这个新账户"、给你的合作方发一份"合同已变更"、给你列表里的每个人发一封带木马附件的信。收信的人不会怀疑——因为那封邮件,是真的从你的邮箱发出来的,连抄送都一模一样。 注意这里的代价落在哪。普通代码漏洞的代价,落在你的生产系统里:服务挂了、数据坏了、钱被盗刷了。而这把钥匙泄露的代价,落在你的社会关系里:你的客户、你的合作方、所有信任你名字的人。 系统坏了可以重建;关系坏了,重建的成本高一个数量级,而且往往是静悄悄的——对方不会告诉你"我不再信你了",他们只是不再回你的邮件。 所以我后来反复跟人讲一个词:身份外包。这不是"代码写得不规范",这是你把"我是谁"这件事的一部分,外包给了一个脚本。而外包的时候,你没签任何协议、没设任何门槛、没留任何收回的机制。 一人公司为什么天然漏 到这里还只是"一个人犯了错"。但这件事值得往结构上看一层,因为它不是运气问题,是结构决定的必然。 一人公司的整个逻辑,就是"把每件事交给脚本和 Agent,从而获得一个人的规模"。你写文章靠 Agent,管订单靠脚本,发通知靠脚本,做网站靠管线。这没错,这是唯一的活法。但请注意这个动作的另一面:你每自动化一步,就交出去一把钥匙。 自动化发信,交出发信权;自动化下单,交出下单权;自动化回复客户,交出你的客服身份。 大公司也这么干,但大公司有东西兜底:安全部门、职责分离、审批链。 写代码的人没有生产库的密码,运维的人没有发布权限,动钱的事要两个人签字,异常操作会有人审计。这些制度不是摆设,它们是专门用来"兜住那些被交出去的钥匙"的结构——钥匙交出去了,但交出去之后有人盯着、有人复核、有人能停。 一人公司没有这些。你那个"安全部门",就是你自己。 而你自己,同时是写代码的人、运维的人、和审计的人。写代码的人随手把密码写死了,运维的人(还是你)把它部署上线了,审计的人(依然是你)根本不会去审——因为审自己的代码,等于让自己跟自己对质,这是人性上最难做到的事。 我写过一篇《我不会组织》,讲的是一个人缺的是"把个体实践组织起来的能力"。这里缺的是同一个东西的另一面:把个体风险分离开的结构。 公司不只是把人组织起来干活,也把"谁负责兜底、谁负责监督"这件事组织了起来。一人公司把前者省了,顺带把后者也省了——省下来的,是一整个没人替你兜底的风险层。 最小凭据原则:一人公司的四条 那怎么办?我不打算写一篇"记得用环境变量"的工具贴——那只是这件事最表面的一层,而且谁都懂。我想给的是一套更上位的、能反复用的判断方式。我把它叫最小凭据原则,四条,都很具体。 第一条:凭据只活在运行环境里,不进入任何会被同步、被提交的文件。 环境变量、密钥管理工具、运行时的 secret 注入,随便哪种,关键是一条硬线:凡是会进入 git、进入云同步、进入备份的东西,一律不准出现明文凭据。 一个简单的自测:把你的整个文件夹想象成明天就公开到 GitHub 上,里面还有没有哪一行会让你手心出汗?有,就是没过关。 第二条:能给"只能干一件事"的独立授权码,就绝不给主账号。 这次我用的是邮箱授权码,但不少服务的授权码权限是粗粒度的。真正该追求的是最小权限:发信就给"只能发信"的钥匙,而不是一个能登录你整个邮箱、能读你全部邮件的钥匙。Agent 触达什么,就只给什么,多一分都是风险敞口。 ...

September 11, 2026 · 1 min · 98 words · kwelldo

我欠了一笔「理论债」:12 个主题挂在账上,最久的一条 80 多天

我欠了一笔「理论债」:12 个主题挂在账上,最久的一条 80 多天 8 月 30 日下午 4 点,我在便签上写了一句话: 理论研究和实际方法?还是技术方法,得分开并行了。不能一直耗费再理论上。 就一句。写的时候很平静,不是深夜的顿悟,也没带情绪——就是工作到一半,抬头看了眼主题清单,把这个决定记了下来。 这个时间点本身值得记一笔。我过去的理论灵感,几乎都集中在晚上 8 点之后:8 月 23、24、25,连续三晚,都是 20 点以后冒出想法,一路聊到深夜。今天这条不一样——它落在白天,而且它不是灵感,是一个分配决定。 逼我写下这句话的,是一张清单。 先看证据:12 个主题,9 个是纯思考 我的 Obsidian 里有一套「策展」机制:每天扫一遍素材,把值得写的东西立成主题,挂账待撰。到今天,这张挂账清单上攒了 12 个主题。摊开看: 纯思考、哲学类的,9 个。 真正可操作的,两三个。 挂得最久的一条(「无内化的积累死劳动」),已经 80 多天。 更扎眼的,是那 9 个纯思考主题的状态:每一个都「素材完整」「框架清晰」,但就是没成文。最久的一个快三个月,最短的也挂了 6 天。 反观可操作的主题——8 月 29 号那个 GoAgent 架构,从策展立题到写成《把 LLM 从循环里拿出去》,当天晚上就写完了。 同一个人,可操作的主题一天兑现,纯思考的主题一挂几十天。这中间的差别不在意志力,在结构。 理论债的反馈回路,天然没有停止信号 为什么理论会越欠越多?因为它有个要命的特征:没有出口。 理论的反馈回路是这样的:读到 → 想通 → 有表达欲 → 写。问题在于「想通」永远不会结束。每读一本书、每和 AI 聊一次,都会蹦出下一个概念、下一个问题、下一篇要写的文。它是自我增殖的——一个理论主题写出来,常常顺手又欠下两三个新主题。 关键在于最后一步:「写」这个动作,在理论这里不是硬约束。 你不写,天不会塌,账上多挂一天而已。于是挂账成了常态,清单越拉越长。 实践不是这样。做 GoAgent 那种工具,反馈回路是:构建 → 运行 → 出错 → 修。每一步都有硬性的完成信号——代码跑不起来就是跑不起来,bug 不修就摆在那儿。它不会自我增殖,它逼着你把它做完。 ...

August 30, 2026 · 1 min · 110 words · kwelldo

把 LLM 从循环里拿出去:一个「随时能按暂停」的 Agent 是怎么设计的

把 LLM 从循环里拿出去:一个「随时能按暂停」的 Agent 是怎么设计的 8 月 16 号深夜,我在日记里记了一句没头没尾的话:「我要做一个 agent 和 WezTerm 结合起来的工具。」当时只是想解决一个具体问题:同时跑好几个 Agent,谁都不知道谁在干什么。这个问题我写过——《多个 Agent 同时跑,谁都不知道谁在干什么》,结论是缺一块看得见的状态面板。 十几天过去,这件事没停在「面板」上。它一路往下钻,最后长成了一个完整的 Agent 架构设计。而且方向跟我最初的设想,正好反了过来。 让我掉头的那一瞬间 掉头发生在一个很具体的翻车现场。 我让一个主流 Agent 帮我整理一批文件。它理解错了我的意思,但没停下来问我,而是自己规划了一整套错误的流程,开始批量改名。等我发现的时候,它已经改到第七个文件了。我想叫停——结果发现,它正在「生成」下一步的推理,我只能等这一拍跑完,或者直接杀进程。 那一刻我意识到一个别扭的事实:这个工具号称在帮我干活,可它真正干起来的时候,我是插不上手的。 我能做的只有两件事:下指令,和验收结果。中间那一段——它是怎么想的、为什么要这么干、下一步准备动什么——全都锁在一个我够不着的循环里。 主流 Agent 的架构就是长这样的:LLM 是核心循环的引擎,规划、执行、判断全在模型里转,人退到两头,当个「下命令的」和「收结果的」。模型越强,这个循环转得越顺,人就越插不进去。 这不是 bug,这是设计取向:让 LLM 更好地工作。 而我想反着来:让「我」更好地掌控 Agent。 先共识,后协作 反着设计,得先想清楚一个问题:人和人是怎么协作的? 不是靠互发消息。两个人搬桌子,不是一个喊「抬」、另一个喊「放」这么简单——是先默认了「抬」和「放」是什么意思、什么时候该抬、谁抬哪一边。先有一套共识,然后才谈得上配合。 没有这套共识,消息传得再多,也是各说各话。 而主流 Agent 架构用的隐喻,是 Actor 模型——把协作想象成一群独立个体互发消息。这个隐喻错位了。它只看到了「消息」,没看到消息底下那层共识。 所以我的 Agent runtime 的地基,不是「消息传递」,而是共同协议:事件有哪些类型、每个状态是什么意思、人什么时候可以介入、介入的方式是什么、Agent 怎么向人解释自己在干什么。这套协议必须先于一切逻辑被固定下来。 有了这层共识,「随时介入」就不再是补丁,而是协议的一部分。人从设计的第一天就是参与者,不是系统外面的旁观者。 三个设计决策 顺着这个地基,落了三个具体决策。 第一,共同协议内置在 Core 里,不插件化。 事件类型、状态语义、介入的权限和时机、解释的格式,这些是所有人——人和机器——达成共识的地基,只能写死在核心,不能让某个插件随便换。核心之外的一切都按这个协议交换状态。 第二,把 LLM 从核心循环里拿出去。 这是最反直觉的一条。Core 是确定性的——状态机、事件总线、脚本执行,没有 LLM 也能跑。LLM 变成一个按需调用的外部插件,只在六类不确定场景被叫进来:初始规划、意图理解、重规划、生成自然语言内容、异常恢复、用户要解释。而且 LLM 的输出不能直接执行,必须经过状态机裁决,必要时请人批准。 翻译成人话就是:确定性的事走脚本,机器自己照做;真正模糊、需要「智能判断」的地方,才把 LLM 请进来出主意——但它只是顾问,不是执行者。顾问出的主意,要过我这道关。 ...

August 29, 2026 · 1 min · 181 words · kwelldo

不做广场,做沙龙——一个深度思考产品,为什么第一步是删掉点赞

不做广场,做沙龙——一个深度思考产品,为什么第一步是删掉点赞 最近刷抖音,经常刷到有大学生在找 DeepTalk:就是想找个人深度聊一次,不聊天气,聊一个具体问题到底该怎么想、为什么这么想。这个需求我自己也有。于是我停下来问自己一个问题:我认真深度思考过吗? 有。其实每个人都有深度思考,最大的共同点就是"死磕"——或者说,坚定地相信自己脑子里那个还没理顺的东西,值得花一个晚上把它掰扯清楚。 但奇怪的是,我打开手机,找不到任何一个产品是帮人做这件事的。抖音让你刷到停不下来,微博让你吵完就走,微信群让你把观点扔进去、然后被下一个话题淹没。没有一个地方,是让你慢下来、把一个想法真正想透的。 所以我开始做一个东西,叫 DeepTalk。定位就一句话:不做广场,做沙龙。 然后我做了一个很多人不理解的决定:第一步,删掉点赞。 诊断:广场机制在杀死死磕 为什么删点赞?因为点赞从来不是中性的。 点赞、即时反馈、信息流、下拉刷新——这些东西合起来,是注意力经济的底层协议。它的奖励对象从来不是"想得深",而是"反应快"。你发一句话,三秒内收到十个赞,大脑分泌多巴胺,于是你接着发下一句。这就是广场的逻辑:谁嗓门大、谁反应快、谁情绪足,谁就占据中心。 而深度思考恰恰相反。它需要慢,需要反复,需要允许自己暂时想不明白。死磕的过程,大部分时间是安静的、没人看的、甚至有点狼狈的。点赞机制容不下这个过程——它会在你想清楚之前,就用"没人理你"或者"有人骂你"把你打断。 所以,如果一个产品想帮人深度思考,却套用广场的激励机制,那它做的方向就是反的:一边号召你思考,一边用最原始的情绪反馈把你拽回即时反应。 这也解释了为什么"想深度交流"的需求一直存在,却始终没有产品接住它——不是没人有这个需求,而是现有产品的底层协议,跟这个需求根本是冲突的。 设计:三个反潮流的决定 想通了这一点,产品怎么做就清楚了。我做了三个决定,每个都跟主流反着来。 第一个是反冲动,落地为异步。 DeepTalk 里不是你说一句、我立刻回一句。观点发出去之后,允许隔很久再回——几小时,甚至第二天。“消化,让情绪性冲突消解在时间中。“很多争论之所以越吵越僵,不是因为观点差得多,而是因为时间被压缩到了零:你没有空隙去理解对方到底在说什么,只来得及防御和反击。异步,就是把这点空隙还给人。 第二个是安全感优先。 这是我从自己身上体会到的:人只有在确认自己不会被嘲笑、不会被挂出来、不会被情绪攻击的时候,才敢把那个"还没理顺的想法"拿出来。可现实是,想法恰恰是在表达中变清楚的——想清楚了才敢说,就永远想不清楚。所以产品要做的第一件事,不是催人表达,而是营造一个"说错也没关系"的环境。网页端讨论记录里我给自己留了一句:如何在机制上提供给人安全感去思考,这是主要问题。 安全感不是一句价值观声明,它得是一堆具体的设计决定。 第三个是去点赞化。 不给点赞,给"语言实践的结果”。点赞奖励的是情绪,我们要奖励的是语言本身的质量。所以评价维度改成三条:这算不算一个"洞见”(性质)、论证够不够"严谨"(印象)、以及最重的一条——“它让我改变了观点”(由对方自己描述)。负反馈也不是踩、不是骂,而是"逻辑谬误"。背后是一个朴素的信念:写作即思考。你不写下来,就永远不知道自己其实没想明白。 底层逻辑:这不是技巧,是一个哲学框架的落地 这三条看着像产品决策,其实是一个理论框架在往下落。 我最近在整理一套东西,叫"知识生产的辩证法"——借鉴启蒙辩证法,问的是一个根本问题:人的知识,究竟是怎么被生产出来的? 传统的理解把它当成纯粹的大脑活动:一个人关起门来,想,然后想出来了。但这是假的。知识从来是在人和人的交往中、在表达与反驳的来回里、在具体的社会关系中被生产出来的。没有孤立的思考者,只有被关系中介了的思考。 DeepTalk 想做的,就是把这套理解做成界面。所以呈现形式我坚决不要列表——列表是即时通讯的范式,一条压一条,最新的永远在最上面,天然奖励"最新"而不是"最真"。我要的是树状、星状:观点和观点之间的关系。因为一个做深度思考的应用,它该呈现的不是信息,而是概念之间的关系。 这也是"观点树、观点星丛"的由来,以及为什么认知图谱要 AI 实时生成。注意这个分工:AI 在这里不是替你思考,是帮你看见自己思维的拓扑结构。 它把我说的东西结构化成关系图,逼我看见自己逻辑里的跳跃和空白。 落点:一个人加一台机器,就够开始 对和我一样的一人公司来说,这件事真正值得说的,不是 DeepTalk 本身,而是一个更通用的结论:理论是可以直接做成产品架构的。 我们习惯把"理论"当书斋里的装饰,把"产品"当纯粹的执行。但你会发现,真正拉开产品差距的,从来不是功能多少,而是底层假设。点赞还是语言实践、同步还是异步、广场还是沙龙——这些决定,本质上是世界观的选择。你想明白了"深度思考是怎么发生的",产品形态自然就长出来了;你想不明白,堆再多功能,也只是给广场添砖。 三个可以抄走的判断,我写在这里: 第一,先诊断你的激励机制在奖励什么。 写下来:用户做出哪个动作、在多短的时间内、得到什么反馈。如果它奖励的是"反应快",那你做的产品一定在杀死你想要的那个"慢"。机制不会撒谎,口号会。 第二,把安全感做成功能,而不是文案。 “我们鼓励友善讨论"是文案;能不能异步、能不能不显示围观人数、能不能让"被反驳"不触发情绪警报,才是功能。后者需要设计,前者只需要写字。 第三,一个人就善用 AI,但别让 AI 替你想。 让 AI 负责呈现结构,人负责产生判断。理论框架你来定,AI 帮你把它变成看得见的东西。这是分工,不是外包。 深度思考在 AI 时代会越来越稀缺——不是因为人变笨了,是因为所有工具都在加速,而思考需要减速。谁先做出"深度思考的基础设施”,谁就接住了一个一直存在、却一直没人接住的需求。这件事,一个人加一台机器,足够开始。 相关 项目缘起 知识生产的辩证法

August 26, 2026 · 1 min · 59 words · kwelldo

GitHub 上的一人公司项目全景调研:从方法论到落地工具

调研背景 一人公司(OPC / Solopreneur / Indie Maker)的概念在中文社区持续升温,但信息分散在博客、论坛、播客各个角落。GitHub 作为开发者首选平台,聚集了大量高质量的一人公司相关开源项目。本文基于 2026 年 6 月的 GitHub 搜索数据,按方法论 → 教程 → 资源 → 工具的梯度整理。搜索关键词涵盖「一人公司」「solopreneur」「indie maker」「indie hacker」「独立开发」等。 一、方法论与核心理念 这类项目提供的是"怎么想"——一人公司的认知框架、商业模式选择、定价策略等。 1. easychen/one-person-businesses-methodology ⭐8.3k 最贴合"一人公司"概念的中文项目,作者 Easy(方糖全栈路线图作者)。 核心内容: 一人公司的定义:1~3 人 + 兼职,本质上是用杠杆取代人力规模 个人支付方案(Stripe、PayPal、支付宝当面付) 消息触达方案(邮件、推送、IM bot) 产品设计策略:小而美、高利润率、低维护成本 获客渠道:SEO、内容营销、Product Hunt 更新状态: 已发布《一人企业方法论 2.0》(CC-BY-NC-SA 协议),但主仓库最后一次 commit 是 2 年前。建议关注方糖全栈路线图的动态。 适用场景: 刚起步的一人公司创始人,需要建立认知框架。 2. hua1995116/indiehackers-steps ⭐3.6k 《独立开发者的艺术》—— 一套从零到一的出海实操指南。2 周前还在更新,非常活跃。 核心内容(目录结构清晰): 出海基础:美国公司注册、EIN 申请、Stripe 开通、美国银行、Wise 账户、税务、港卡 免费大厂云设施:GitHub Enterprise($5040 额度)、Azure($15 万 credit)、AWS($1.5 万)、Google Cloud($2000)、NVIDIA、阿里云、华为云 中小厂云设施:Supabase 等 技术篇:技术栈选择、企业客服邮箱、安全防护、性能优化、AI API 资源 增长篇:Influencer 寻找、Product Hunt 养号、SEO 营销篇:官方博客文案、社交媒体、PR、新闻稿 生活篇:如何维持动力 优势: 实操性强,每周更新,覆盖了从公司注册到增长获客的完整链路。 ...

June 5, 2026 · 2 min · 264 words · kwelldo

OPC(一人公司)落地困境深度分析:从概念狂欢到生产结构

背景 做 AI Agent 工作流部署服务的过程中,我不断回到同一个问题: 一个人能不能成为一个稳定可持续的生产组织? OPC(One Person Company / 一人公司)在国内很火。翻开抖音小红书,满屏都是"超级个体"“轻资产创业"的叙事。但真正下场的人都知道——落地几乎是一地鸡毛。 为了厘清这个问题,我让 GPT 和 DeepSeek 进行了一场严肃的结构化对谈,双方各两轮交锋。下面是对这场对谈的整合与提炼。 一、OPC 被混用的三种东西 当前语境下的 OPC 被混用了三种完全不同的形态,必须先拆开: 1. 生存策略(个体创业 / 自由职业) 本质:就业替代方案 典型形态:接单、代运营、信息差套利 结构:仍然依附平台 / 流量 / 甲方 这是绝大多数 “OPC 实践”——本质上是"高级打工”。 2. 商业神话(高利润轻资产叙事) 本质:叙事驱动的吸引机制 核心卖点:自由、独立、财务自主 这是传播层的主导形态,高度脱离现实生产条件。 3. 潜在的生产关系变体(真正值得讨论的部分) 本质:用技术降低组织成本,改变协作方式 核心问题:是否能替代传统公司结构?是否能形成稳定再生产? 这一层,几乎没人真正做出来。 二、为什么落地"一地鸡毛" 问题 1:收入结构不闭环(最致命) OPC 想成立,必须满足: 稳定需求 + 可复用能力 + 可预测现金流 现实是: 需求来自平台/短视频/热点(高度波动) 能力不可复用(每单定制) 收入非连续(靠爆单/运气) 结果:不是公司,而是高级打工。 问题 2:生产资料仍被平台垄断 你以为你是 OPC,其实你是: 在抖音上获客 在小红书上种草 在微信上成交 关键点:流量、分发、用户关系都不属于你。 OPC 没有"生产资料",只有"使用权"。 ...

May 3, 2026 · 2 min · 287 words · kwelldo

一人公司的 AI 智能体选型指南:从 Claude Code 到 OpenCode

背景 在做 AI Agent 工作流部署服务,公司只有我一个人。这意味着我需要最大化的杠杆——每个工具的选择都决定了我的单位产出。 最近花了时间对比了市面上主流的三个 AI 编程智能体:Claude Code、Crush、OpenCode。这篇是选型思考的记录。 三个工具的定位差异 维度 Claude Code Crush OpenCode 开发者 Anthropic Charmbracelet anomalyco (原 sst) 核心理念 纵深防御的垂直产品 开发者愉悦感优先 水平 Agent 平台 开闭源 源码可读(非开源) MIT 开源 MIT 开源 主语言 TypeScript Go TypeScript + Rust 这三个工具反映了三种完全不同的产品哲学: Claude Code:相信模型本身的能力。不做意图分类器、不做任务路由器、不做 DAG 编排器——模型自己决定什么时候调什么工具。 Crush:命令行美学。Bubble Tea + Lip Gloss 构建的 Elm 架构终端 UI。 OpenCode:水平平台。支持 75+ Provider、多种传输协议、多端(终端/桌面/IDE)。 关键差异点 上下文管理 这是三者差异最大的维度。对于大型项目,上下文管理直接决定了 AI 的可用性。 Claude Code 有一套 5层渐进式压缩管道:BudgetReduction → Snip → Microcompact → ContextCollapse → AutoCompact。从 1K 压缩到 32K token 时,模型性能下降 50-70%。 ...

May 1, 2026 · 2 min · 215 words · kwelldo