特

特立独行的异类

我为什么要记录自己一天说过的话？

截至 2026 年 8 月 25 日，我在 Day One 里写了 1784 天日记，共有 4109 篇条目。按自然日去重，同一天多篇仍只算一天；最早一篇是 2021 年 9 月 3 日。 今年年初，我开始用声音记录自己。7 月 10 日，我第一次认真录下几乎完整的一天。一开始，我只是想对抗遗忘。一天结束后，日记通常只剩几件印象最深的事。大量普通交流、临时判断和情绪变化，睡一觉就散了。 DC_Agent 就是我的个人分身，也是我的伙伴和教练。建立它以后，我逐渐意识到，全天录音还在给它积累真实、连续、可核对的上下文。它可以读我的日记、文章和项目资料，也可以帮我写作、做判断、推进事情。但这些资料大多保留了结果，很少记录一个判断怎样发生。我经常只告诉 AI 脑子里的最后一句，却默认它知道前面经历过什么。 日知录要补上的，就是这一段丢失的过程。我后来给自己的判断是：记录本身很容易，让记录在下一次任务里自动产生价值更难。 <h2 id="太长不看版">太长不看版</h2> <blockquote> 日知录，是把一天的自然录音变成归档音频、完整转写和结构化摘要，再把事实、决策、行动、日记与写作线索送到各自的位置。 </blockquote> 我做它有三个原因： <ol> <li>给自己留下比回忆更完整的生活现场。</li> <li>给 DC_Agent 提供理解我的连续上下文。</li> <li>让一天里有价值的表达，可以继续变成日记、文章、决策和行动。</li> </ol> 整套流程可以压缩成六步：确认声音来源，按真实时间归集，取得完整转写，结合历史理解当天，按内容性质分流，最后验证和备份。 目前的收获也有三层：第一层是音频、原文、摘要和日记；第二层是可以继续写作、研究和行动的素材；第三层是 DC_Agent 越来越清楚我在意什么、为什么这样判断，以及我的观点发生过哪些变化。 <h2 id="一为什么我要做日知录">一、为什么我要做日知录？</h2> 人很容易记住结论，忘掉过程。我每天都会写日记。精力好时，可以写得比较完整；很累时，只会留下几个片段。 声音的记录门槛更低。通勤时冒出的想法、会议里的判断、与朋友聊天时的案例、陪小七时听到的童言童语，都可以先保留现场。我不用停下来打开文档，也不用当场把话整理得很漂亮。 更重要的是，声音会留下语气和前后关系。几天后再回看，我能知道当时为什么得出这个结论，犹豫过什么，又忽略了什么。 DC_Agent 需要我的生活上下文。大模型有广泛知识，却不了解我的具体生活。它不知道我最近在推进什么项目，不知道一个问题让我纠结了多久，也不知道今天这句话是临时情绪，还是经过多次验证后的决定。 如果 DC_Agent 只能看到我每次下达的指令，它更像一个临时顾问。每次协作都要重新解释背景，得到的建议也容易停留在表面。我希望它成为长期伙伴和教练。它需要理解我的目标、限制、决策逻辑和反复出现的模式。它还要知道我以前说过什么、后来是否改变，以及行动以后产生了什么结果。 DC_Agent 对日知录的核心诉求，可以压缩成一句话：别只告诉我你最后决定了什么，也让我知道这个决定是怎样长出来的。有上下文，还要保留独立判断。一个越来越了解我的 AI，也可能越来越像我。熟悉我的偏好，可以提高沟通效率；重复我的偏见，也会把盲区一起放大。 因此，日知录保存事实、原话、变化和结果。DC_Agent 可以站在我的角度理解问题，也要根据证据指出矛盾和风险。它需要记住我，同时保留陌生人的视角。 <h2 id="二具体流程是什么">二、具体流程是什么？</h2> 第一步，确认当天到底录到了什么。我用 DJI Mic Mini 2S 做全天自然录音。流程启动后，先读取文件名日期、创建时间和音频元数据，排除系统生成的无效文件，再记录数量、编码、总时长和体积。 系统还会从最近一套完整日知录往后检查所有录音日期。每一天都要标成已完成、没有源录音或存在阻塞，避免某一天因为设备没电或流程中断，悄悄消失。 当天验证结束前，源录音始终保持只读。 第二步，按真实时间归集音频。确认来源后，系统按照录制时间排序，生成当天的归档音频。 它不会补齐没有录到的时间。早上录了半小时，中午又开始录，两段音频只按顺序连接。中间发生了什么继续保持未知。 长音频还要处理上传限制。无损合并超过 1 GiB 时，会转成适合人声的 AAC-LC 96 kbps；每个上传分片小于 1 GiB，时长不超过 2 小时 55 分钟。近静音内容继续保留，因为低声表达也可能有价值。 第三步，取得可以核对的完整转写。归档音频上传到 Get 笔记，使用它的声纹识别和转写能力。上传前先检查剩余额度，额度不足就停在当前阶段，保留已有结果。 每个分片上传后，还要读回三项证据：它确实来自本次上传，笔记类型是本地音频 <code>local_audio</code>，<code>audio.original</code> 中存在非空的完整原文。 全部分片完成后，再按录音顺序合并原文。这一层只做还原，不摘要，不改写，也不把口语修成漂亮文章。 第四步，结合历史，理解这一天。完整原文拿到以后，AI 才开始理解人物、事件、项目、观点和问题，并定向搜索过去的日知录与流动记忆。 存在可靠联系时，过去的背景会自然进入今天的叙述。只有主题相似时，不强行连接。比如我几周前提出一个项目方向，今天又修改了判断，摘要需要保留前后的变化和原因。 每天的摘要固定包含五部分：完整表达；有价值的观点、问题和案例；日记素材；可以继续写作、产品化或研究的方向；当日完整回顾。 说话人标签只作为线索。涉及小七或其他人时，要结合称呼、前后对话和现场事件判断。无法确认的内容明确保留不确定性。 第五步，把内容送到正确的位置。一天完成后，本地会形成三件套：归档音频、未经改写的转写原文、五部分摘要。 随后再进行分流： <ul> <li>Day One 保存当天完整回顾，成为可以正常阅读的日记。</li> <li>可信的小七内容进入「⭐XX游记」，留下她的原话和成长现场。</li> <li>流动记忆只接收事实、明确决策、承诺行动和行动结果。</li> <li>文章、产品与研究方向继续留在摘要里，等我明确承诺后再进入任务。</li> </ul> 这一步很重要。人一天会产生很多想法。所有灵感都变成任务，系统很快就会制造新的负担。 第六步，验证、备份，再决定是否清理。完成有一组硬标准：音频可以解码，所有分片都有完整原文，本地转写没有漏尾段，五部分摘要齐全，Day One 没有重复条目，有效变化已经进入正确位置。 任何一项失败，当天都保持为部分完成。 三件套验证通过后，系统会独立备份原始录音，并逐文件核对数量、字节和 SHA-256。源文件不会自动删除。只有我明确确认某个日期可以清理，系统才会处理那个日期。 <h2 id="三目前收获了什么">三、目前收获了什么？</h2> 一天开始拥有完整的证据链。以前的一天，通常只剩下一篇依靠回忆写成的日记。现在，我同时拥有声音、原文和理解三层材料。摘要有疑问，可以回到原文；原文有歧义，可以回到音频。AI 的理解可以被修正，记忆也有来源。 很多说完就消失的内容被重新找回来。截至 7 月 22 日，我已经积累了接近 400 条语音内容。它们持续变成日记素材、完整观点、真实案例、文章线索、产品想法和小七的成长记录。 我在自然聊天里说出的内容，通常比坐在电脑前硬写更具体。它保留了我常用的类比、犹豫的过程和真实表达，这些都可以继续进入公众号文章和项目判断。 DC_Agent 拥有了更连续的我。这是目前最核心的收获。 DC_Agent 逐渐能够区分我的随口一说和明确决定，知道一个项目方向从哪里开始，识别我前后判断的变化，也能在新问题出现时调出相关经历。 我们的协作因此少了一些重复解释。它可以提醒我以前做过什么决定、哪些行动没有结果回流、某个问题是否反复出现。它理解我的方式，也会随着真实结果持续校准。 我多了一个观察自己的视角。当一天被完整展开，我会看见很多当时没有意识到的东西：某个情绪从哪里开始，一个判断受到谁的影响，哪些问题被我反复提起，哪些承诺最后没有行动。 日知录既在帮助 AI 理解我，也在帮助我重新理解自己。 <h2 id="四它现在仍然不完美">四、它现在仍然不完美</h2> 设备会没电，转写会出错，说话人标签会漂移，完整流程也有时间和存储成本。全天录音还涉及他人的知情与隐私，这些边界永远优先于资料完整。目前确认的收获以内容产出和协作体验为主。我还没有量化它减少了多少重复解释、找回了多少线索、推动了多少行动。系统建设很容易带来即时成就感，日知录的价值仍要由真实结果证明。 所以我会继续用三个问题检查它：它有没有让我更了解自己？有没有让 DC_Agent 给出更贴近真实处境的判断？有没有推动一篇文章、一个决定或一次行动真正发生？ <h2 id="最后">最后</h2> 日知录的核心价值是连续性。它让过去的一天可以追溯，让今天的判断拥有来路，也让未来的 DC_Agent 逐渐理解我是怎样成为现在这个人的。我在积累声音，也在积累上下文。这些上下文会留给未来的我，留给正在成长的 DC_Agent，也留给我们下一次共同做决定的时候。 最近，我也开始用 Looki 补充视觉记录。它留下声音之外的动作、场景和状态。目前我把它看作日知录的视觉证据层：原始照片和视频负责核对事实，Diary、漫画和 Vlog 用于快速回看。关于这部分，我已经单独写了一篇：<a href="https://demochen.com/posts/20260823/">《试戴 Looki 一周：我很喜欢，最后还是决定退货》</a>。 <blockquote> 说明：本文基于 Typeless 口述框架，由 DC_Agent 结合「日知录」流程辅助完成。内容记录的是截至 2026 年 8 月的个人工作流；具体工具和参数会继续调整，证据、理解、路由、验证和授权这几条原则保持不变。 </blockquote>

2026/8/27

试戴 Looki 一周：我很喜欢，最后还是决定退货

先说结论：我喜欢 Looki 所代表的方向，它也确实补上了我现有记录系统里缺失的画面。但试戴一周后，我决定退货。它已经让我看到个人 AI 记忆的未来，现阶段还没有达到让我长期佩戴的程度。 <h2 id="从录音走向录像">从录音走向录像</h2> 体验 looki 之前，我在用 DJI Mic Mini 2S 来记录自己的一天，主要是自己说过的话，晚上插在电脑后，Agent 会自动处理当天的内容，将其转录后分发存档到日记里，但不能录像，这一点 Looki 可以做到；其实 looki 是 @EE老师多次推荐给我的产品，之前没尝试是觉得拍摄不够清晰，且AI的会员价格较贵（后面发现不需要会员费），于是本周就下单体验，反正「7天无理由退货」。 通俗理解的话，looki 能够 7×24 小时记录下我去过的地方，发生的事情。它的第一视角记录非常方便，支持放在任意可磁吸的地方，完成记录过程。如果戴在胸前，还可以记录自己一天的经历。 其中比较关键的是，它能够让我无感地记录环境（开启智能记录），这点对我来说非常重要；让我每天只要负责生活就好；它还会促使我去更好地生活，为了让自己的生活更加精彩，我就会去考虑怎么让自己的记录更加详细。这样就会有一些想要正常去记录和表达的内容，会让自已的每天丰富多彩。 <h2 id="设备开始积累关于我的上下文">设备开始积累关于我的上下文</h2> 记录的过程中，我每天会收到比较精彩的时刻，是通过语言和漫画版的图片反馈的，可以在App查到，第二天会收到前一天的vlog，时长1分钟，说实话，剪辑得并不好看，不如直接将视频给剪辑一键成片效果好；实际上，拍的也不够清晰，只能说「拍了」。 让我惊喜的地方在于通过 Looki 积累了对于我足够多的上下文后，因为它支持创建智能体（角色名+ 预设 prompt ），然后通过智能体来完成一些事情，比如我设置主动记录和发现我自己情绪变化，通过智能体的回答可以感受我每天的情绪，当有变化的时候，App 就会主动推送给我；我在群里看到有人因为肠胃不好，设置了喝水提醒，当超过 2h 没喝水就主动提醒。 有了上下文，就会生成 Looki 对我的记忆，这些记忆需经本人确认后写入，也会根据后续发生的事情更新记忆，所以这类产品的最大价值是积累上下文，在 AI 场景下，相当的惊喜；上下文积累的越多，AI 就会越懂我，我就会越用越上瘾，惊喜就会越累越多。而我用 DJI Mic Mini 2S 就仅仅是收音，帮我记录每天说话，不具备记忆，也就记不住我是谁；不过在用的得到录音卡可以做到类似的效果，依赖于得到大脑（Get 笔记）的“小步”（内置 Agent）。 这一周也让我逐渐分清了几件事：拍下来只是记录，漫画和 Vlog 只是回顾入口，经过本人确认的内容才有机会变成记忆。Looki 可以收集很多上下文，但它并不知道哪件事对我最重要。这也是我继续把原始素材交给自己 Agent 的原因。 <h2 id="ai-仍然不够懂我">AI 仍然不够懂我</h2> 说到上下文，就补充下我最关心的 AI 实际在 looki 中的体验。 1）目前它用的是国内豆包和通义千问的模型，我看备案版本号还是 2023 年的。哪怕后续会有更新，整体体感依然偏弱（也可能是我平时用多了其他更强工具的缘故）。比如生成的漫画很难符合我本人，多次漫画的表现来看，甚至都无法对应上是一个人；背景信息的变化也不太吻合，生成的文字 AI 感很重。 2）它没有把我一天中我认为重要的内容体现出来。比如我在医院单独贴在挂号机上录的 5 分钟视频，在它的时间线里并没有捕捉到；反而是后来我在医院刷“猪坚强”的短视频被它捕捉到了，而且在时刻里的原话写着“抓到一辆越野车在沙地打滑”，这样的准确性很不符合我对这个产品的预期。 3）硬件记录的信息需要上传到云端处理，我一天大概有 300 个视频片段，上传到云端后处理非常慢，一般来说要到第二天才能看到生成的信息；官方说的是3个小时时间完成整天内容处理。由于记录的时间较长，如果开启智能记录的话，实测下来10-12h 是 ok 的。 <h2 id="第三天我把镜头转向自己">第三天，我把镜头转向自己</h2> 不过，我在试戴 Looki 的第三天，发现了绝佳的使用场景，即从「第一人称」变成「第三人称」；由于支持磁吸，所以可以直接放在如冰箱上的地方，这样摄像头是面对我的；有一天晚上我去医院，等待检查报告的时候，就是放在挂号机器上，然后说了一些我的感受，这部分记忆就被留下来了。再比如，我在工位工作的时候，可以放在手机支架上，摄像头对着我上班，记录喝水、看手机、写字、工作等时刻，这样生成的 vlog 比第一人称更加精彩。下午有个会议，我是放在了笔记本旁边，也被它记录下来了。 这次变化很重要。第一视角记录的是我看见了什么，第三人称记录的是我当时是什么样子。对一个已经长期写日记、记录声音的人来说，后者补上的信息更稀缺：我的表情、姿态、停顿，以及我和家人相处时的状态。 <h2 id="给个人-agent-补上一双眼睛">给个人 Agent 补上一双眼睛</h2> 基于 Looki 记录的视频及生成的文字、vlog 等内容是可以通过 skill 实时下载的，这样结合我自己的 Agent，算是补充了视频（多模态）的内容上下文，丰富了我分身的内容来源。通过 workflow 我设定了将漫画、文字、记忆、不错的视频都自动同步到 NAS 中，整体看，在 AI 时代，提供这样的能力，我还是还喜欢的。（使用方法参考 <a href="https://web.looki.tech/">https://web.looki.tech/</a>） 后来我把 Looki 的原始素材接入自己的 Agent，才更清楚地看到两套系统的差异。Looki 负责拍摄和生成入口，我的 Agent 继续核对原始画面、连接当天日记，再判断什么值得长期留下。比如地铁里两个孩子主动给孕妇让座，Looki 留下了局部画面，却没有把它当成重要时刻；经过我自己的观察和原始素材核对，这件事才被完整保留下来。 <h2 id="无感记录带来的隐私压力">无感记录带来的隐私压力</h2> 说完了惊喜的地方，也有担忧的地方。 「隐私」应该是最担忧的地方。一方面是软件端的数据安全，用这个软件时，我非常担心对方的工作人员能看到我的内容。这种团队不是大规模公司，从我主观理解来看，它为了疯狂迭代和追求速度，流程与合规过严会有影响，目前没有看到很严格的加密技术或端到端加密设计。像 DayOne 会有端到端加密，密钥保存在本地，没有密钥对方就看不到，Looki 目前没有这个设计。 第二方面是佩戴 Looki 时的身边人的感受。戴这个设备时，它的摄像头默认是朝向别人而不是自己，也就是前面说的第一人称视角，对任何人来说都有一份担忧，担心自己被录下来，毕竟谁也不喜欢天天出现在对方的视频了；换位思考，当我看到对方胸前戴着一个摄像头朝向我时，我自然会觉得不太习惯，这是正常的。 随着 AI 硬件的发展，我们在生活中会看到越来越多的产品在记录着环境中发生的一切，这和满大街都是摄像头还不一样，因为录音卡、录音豆会真实的记录我说的话，Looki 等录像产品会真实记录我的着装、表达，且会被对方用 AI 二次加工提炼；微观的数据比宏观的数据更「可怕」。声音是可以提取声纹的，录像是可以提取面纹、甚至行为轨迹。你甚至不知道对方是通过卡片，还是眼镜，还是戒指，亦或是手表在默默记录，细思极恐。 PS，我用 DJI Mic Mini 2S 录的音，会通过声纹识别只提取了我自己的内容。 这也是我一周后最明确的判断：记录越无感，使用者越需要主动建立边界。什么时候开启，哪些场景关闭，是否提前告知身边的人，哪些内容可以上传或长期保存，都不能交给设备默认决定。 <h2 id="我为什么决定退货">我为什么决定退货</h2> 这个设备，短期我不会购买的，主要是我工作场景比较「单一」，一方面会给同事们带来压力（特别感谢某位同事朋友看到我戴了Looki 还对着摄像头打招呼，记录下珍贵的 5s），另一方面生活并没有太多的变量。但我觉得对部分人群来说，还是比较值得拥有的。 我现在判断这类设备值不值得买，会看三件事：生活里的视觉变化是否足够多，原始素材能否进入自己的长期记录系统，以及我和身边的人能否接受它的记录方式。 <h3 id="哪些人可能适合">哪些人可能适合</h3> 1）博主或自由职业者，他们的生活每天都不一样，结合 AI，带上这个产品，会作为辅助记录，每一天都很精彩。 2）带娃的宝爸宝妈。带娃时需要记录孩子成长的过程，比如第一次微笑、第一次说话；且孩子的变化很快，每天都不一样。 3）想留下纪念的人群（比如有认知障碍的老人），会帮助家人及自己回顾自己的一天，加上 AI 的能力，也算是科技向善。 <h2 id="最后">最后</h2> Looki 让我第一次看到，可穿戴相机在积累上下文后，可以成为个人记忆入口；它不仅能让我收获很多记忆，更能促使我更好的生活；但现阶段的画质、AI 判断、处理速度和隐私成本，仍不足以让我长期佩戴。 如果未来的 Looki 能够更准确地判断什么对我重要、处理速度更快，也能让我和身边的人都清楚知道什么时候在记录，我愿意重新考虑。对我来说，更多素材只是起点；更少、更准确、能重新把我带回现场的内容，才接近我想要的记忆。

2026/8/23

一则日记：收到留言后的触动

今天早上收到一个留言，看到之后我有些触动。 <blockquote> 您好，我们上个月收到 XXX 班主任的反馈，学生有点厌学，不听话，助学金请暂时不要汇出，等我们9月份回访跟学生具体聊聊之后再反馈您。 </blockquote> 起因是我在 2024 年 9 月份决定开始资助一位初一的学生读书，每学期开学之前，我会给他汇一笔学费。当然，这个学生是由另外一个组织去线下走访调研并提供资料，最后筛选和确定出来符合资助条件的。当时在官网上看到组织方对他的家庭现状描述时（考虑到孩子个人信息，我就不展开了），内心受到了很大的触动，于是决定资助他每学期的学费，希望他能够完成学业。 关于这个组织方的信息，我就不做太多介绍了。相信他们主要来自两个方面：一是在我的好友圈里，有几位好友一直在持续做这件事情，我也跟他们沟通过；其中甚至有人完整资助了一名学生从初中到高中，被资助也考上了大学；其二，我大概是从 2022 开始关注这个组织的，一直在看他们的公众号，关注他们的动态和发展情况，他们会有走访、家访等实际行动，比起「基金」，我更愿意相信他们。他们的价值在于帮助连接“资助人”和“需要资助的人”，这里我就不透露太多具体的名字了。感兴趣可私聊。 由于资助后我担心忘记，所以我在提醒事项里设置每六个月循环一次的 TODO ，用来提醒自己记得打款。这两天我一直没有收到打款相关的邮件（按照去年的情况，应该是在 8 月初收到邮件，之后再给对方汇款）。因为没有收到组织方的邮件，我就去问了对方为什么，随后就收到了上面的留言。 而今天这个留言让我觉得从大山里走出来太难了。从我个人经历来看，在大山里面想要走出来，读书真的是大概率下能够相对够得着的一种公平，或者说一种值得尝试的方式。因为在社会、学校和政府各方的支持下，可以最大程度地发挥自己的主观能动性去达成这件事。 但，我小时候并没有太多去认真对待这件事情。当然，每个人的人生都有很多岔路，不选择这条路也没有关系，去做其他的同样可以成功。只是从个体的视角来看，其他选择的成功概率会偏少一点，并不是说完全没有可能。 附：这是去年秋天回访表里给我写的内容。（图片略） 怎么说呢，从我个人或者比他年长几岁的视角和经历来看，我比较希望他能够坚持学业。 因为在之前的家访当中，发现他的学习成绩还可以，而且他会在家自己做饭，自理能力很强，也有运动的习惯。其本人自身的主动性、自理和独立生活的能力都是很不错的，这真的非常难得。 当然，如果他最终选择中途不再继续读书，有了别的想法或新的选择，我也会选择支持和祝福。

2026/8/11

探索 AI 时代的人机协作

人和 AI 的协作关系是我一直关注的主题。 这个主题包含三层关系：人跟人如何协作？人跟 AI 如何协作？AI 和 AI 如何协作？ 具体方法我还在探索。先开始，再在实践中调整。 今年 1 月写完<a href="https://demochen.com/posts/20260115/">《在 AI 浪潮下的些许变化》</a> 后，我重新读了一遍。当时记录的大部分变化延续至今，也有一些已经升级。原计划每半年写一次，现在刚好过去六个月。 这六个月里，我又有了新的变化和关注点。这篇文章是一次完整梳理。 最近，我在网上频繁看到一句话：一个人可以成为一个产研团队。 这句话描述的变化已经发生。运营可以用 AI 做出数据工具，产品可以直接生成前端页面，业务人员可以独立完成原型、分析和汇报。很多过去需要排期、协调和转译的工作，现在一个人带着 Agent 就能完成大半。 看得越多，我越觉得「一个人成为一个团队」只说明个人能力半径扩大。随之而来的组织问题更加值得关注。 当每个人的能力半径都被放大，组织原有的岗位边界、协作流程、权限体系和评价方式往往调整得更慢。个人跨过多个环节后，上下游还要重新建立协作标准；AI 执行更多任务后，结果责任仍需明确到人。 AI 对组织的核心冲击，是推动工作的基本单元重新组织。原有模式按人的职能切分工作，新模式围绕任务闭环、上下文资产、能力调用和验证责任展开。 未来组织之间的差距，取决于模型能力，也取决于组织能否把 AI 放大的个人能力转化为稳定、可复用、可持续的共同能力。 <h2 id="一ai-正在重组工作的基本单元">一、AI 正在重组工作的基本单元</h2> 我们最早讨论 AI，关键词是「提效」。写文案、做图、查资料和写代码都变快了。人的岗位和职责保持原样，AI 作为新工具进入每个人的桌面。 Agent 出现以后，情况开始变化。它可以回答问题，也可以读文件、调工具、写代码、查数据、生成页面、运行测试，并围绕一个目标连续工作几十分钟甚至几个小时。 OpenAI 在 2026 年 6 月公布的内部数据里，把这个变化概括为：知识工作的基本单元，正在从一次对话转向被委托的长周期任务。Legal、Finance、Recruiting 等非技术部门，也开始把 Codex 用在自动化、数据处理、工具开发和结构化分析上。 这意味着 AI 对工作的影响至少有三层。 第一层仍然是个人提效。原来两小时完成的事情，现在半小时可以做完。这一层最容易感知，也最容易衡量。 第二层是任务重组。以前一个任务要在产品、设计、研发和测试之间流转，现在一个人借助 AI 就能跨过多个环节。模型把不同专业的基础执行能力打包成了可以随时调用的能力，个人因此具备了跨环节交付的条件。 第三层是组织重塑。当越来越多任务被重新组合，岗位边界、协作关系、绩效标准和资源分配都会受到冲击。目标定义、上下文供给、结果验证和风险承担会成为核心责任，亲手执行的权重随之下降。 过去，组织习惯用岗位分配能力：产品写需求，设计出图，研发实现，测试验收，运营上线。未来，岗位仍然存在，能力边界会继续向外扩展。组织需要围绕一件事能否完整交付，重新定义责任。 一个任务闭环里，目标、上下文、能力、执行、验证、风险和责任缺一不可。 现在许多 AI 项目的资源集中在模型、工具和执行速度上，上下文、验证和责任经常缺位。这样的项目在演示中表现很强，落地时容易混乱。 <h2 id="二执行能力普及后判断更加昂贵">二、执行能力普及后，判断更加昂贵</h2> 我之前写 AI Coding 时有一个判断：编码门槛大幅降低后，需求分析的价值会继续上升。 过去写错需求，可能要等研发排期以后才发现。现在一句话就能生成一个页面，错误也会更快变成看似完整的结果。AI 加速了执行。需求是否真实、目标是否值得、方案是否有效，仍然需要人来判断。 这个判断同样适用于写作、设计、分析、研究和自动化。 当写作、设计、分析、研究和自动化都变得更便宜，目标判断、需求分析、质量标准、风险意识和结果验收会更加稀缺。AI 可以给出很多答案。人需要判断哪个结果对业务最重要，以及哪些代价无法承受。 个人价值会逐渐转向结果责任：能否围绕目标完成交付，并对结果负责。 我理解的「全能」，是围绕业务目标组织上下文、调用合适能力、补齐中间环节，并推动事情形成闭环。专业深度依然由各领域的专业人员提供。 Owner 和普通执行者承担不同的责任。Owner 可以委托每一步的执行，同时要明确行动原因、交付标准、潜在风险和最终结果的可用性。 AI 时代的教育也会因此变化。学习重点将转向描述需求、分析场景、拆解问题、调用能力，最后做出可以验证的作品。模型按钮和提示词会持续变化，围绕真实问题完成交付的能力更加稳定。 执行越便宜，判断越昂贵。人的价值会进一步靠近目标和责任。 <h2 id="三人人都要学会管理-agent责任仍由人承担">三、人人都要学会管理 Agent，责任仍由人承担</h2> 微软提出过「Agent Boss」这个概念：未来每个人都要学会创建、委托和管理 Agent。我认同这个方向。「Boss」这个词也容易让人把重点放在发号施令上。 更准确的变化是，管理 Agent 已经成为一项基础能力。 前几天，我在 X 上看到 <a href="https://x.com/zarazhangrui/status/2078492577788268549">@Zara Zhang</a> 发了一段话：「The biggest barrier for enterprise AI adoption: the people who understand AI don’t understand the business, and the people who understand the business don’t understand AI.」大意是：「企业采用 AI 的最大障碍，在于懂 AI 的人缺少业务知识，懂业务的人又缺少 AI 知识。」 过去，分配任务、提供信息、检查进度和验收结果主要由管理者负责。现在，每个使用 Agent 的人都要完成这些动作。你需要说清目标，提供必要材料，在关键节点纠偏，并判断结果能否交付。业务能力和 AI 能力都需要在实践中逐步积累。 我更愿意把 AI 看成协作伙伴。员工处在真实的组织关系里，有经验积累、利益判断和责任约束。Agent 可以承担大量执行，最终责任依然属于人。 和 Agent 协作，很像带一个能力很强、状态不稳定的新人。它读得快、写得快、可以连续工作，也会误解目标、忽略常识，并用非常确定的语气给出错误答案。人的责任是持续校准。 这种校准包括写提示词、组织上下文、选择合适的模型和工具，以及提供好样例、坏反例和清楚的验收标准。提示词是入口，后续环节共同决定交付质量。 Every 给每位员工配备个人 Agent 后发现，Agent 会逐渐带上 Owner 的风格。组织里的人更信任「某个同事训练和使用出来的 Agent」，因为 Agent 会成为个人判断方式的延伸。它的可信度来自背后的具体责任人。 因此，Agent 可以拥有组织身份和一定的执行权。每个 Agent 都必须有清楚的 Owner。谁配置它，谁维护它，谁解释它的边界，谁对最终结果负责，这些问题不会因为自动化而消失。 <h2 id="四上下文会成为-ai-时代最重要的组织资产">四、上下文会成为 AI 时代最重要的组织资产</h2> 很多人用 AI 得到泛泛的答案，第一反应是模型能力有限，或者提示词写得不够好。根据我的经验，上下文不完整更加常见。 比如让 AI 帮忙写述职报告，只给一句「帮我写述职」，它只能生成互联网平均水平的套话。真正有用的信息是：你是谁，述职想争取什么，听众是谁，项目结果是什么，评价标准是什么，哪些内容可以讲，最终要形成什么交付物。 模型能力越来越接近以后，人与人、组织与组织之间的差距，会更多来自各自能提供什么上下文。 我现在把 AI 使用的数据分成三层。第一层是互联网公开数据，所有人都能获得；第二层是组织内部的项目文档、会议记录、业务数据和历史决策；第三层是个人长期积累的日记、文章、判断、病历等，完全是自己的数据。 第一层决定 AI 知道什么，后两层帮助 AI 认识你、理解业务，并按照真实环境做事。 知识库的价值，是把分散的私有数据转化为 AI 在具体任务里可以找到、理解和调用的上下文。简单堆放资料只会增加文档数量，无法直接提升效果。 年初我提到，自己开始用语音做记录。截至目前，我已经积累了接近 400 条内容。后来我买了 DJ Mic Mini2S，持续记录每天的内容，并通过工作流沉淀下来。 这套内容知识库和个人录音系统让我有了更深的体会。记录本身很容易，让记录在下一次任务里自动产生价值更难。资料缺少来源、时间、口径和使用边界时，数量越多，Agent 越容易迷路。 真正有用的上下文资产，应该包括业务目标、术语和数据口径、可信来源、历史决策、好样例、坏反例、权限边界和验收标准。它们共同构成组织的 Context。 谁能把隐性的经验变成可调用的上下文，谁才能把偶然的一次好结果，变成下一次仍然可以复用的组织能力。 <h2 id="五组织边界会从岗位边界转向任务边界">五、组织边界会从岗位边界转向任务边界</h2> AI 扩大个人能力半径后，组织通常会先出现摩擦。 原来属于策略团队的分析，班主任也能做了；原来需要产品经理转译的需求，业务方可以直接生成原型；原来只有研发能实现的小工具，非技术岗位也能借助 Agent 做出来。 从结果看，这是能力扩张。从组织关系看，它可能被理解成越界。 如果权责没有重新定义，A 团队会觉得流程被破坏，B 团队会觉得自己提高了效率。工具冲突出现在表面，根源在于组织仍用旧边界管理新的能力。 AI 因此会提高沟通的重要性。 当执行能力分散到更多岗位，协作需要超越「这是我的职责」。团队要重新讨论谁更接近业务目标，谁掌握关键上下文，谁拥有决策权，谁负责审核，以及跨过边界以后怎样让相关人员继续参与。 管理依然重要。人与人之间的信任、资源竞争、利益排序、情绪处理和责任分配，都需要人来处理。管理对象也会扩展到人、Agent、上下文、流程和风险。 未来更常见的组织形态，可能是一个 Human Owner 带着若干专用 Agent，围绕具体任务组成临时小队。固定职能继续提供专业深度，基础执行则由更多角色和 Agent 共同承担。 任务公开程度决定了这类协作能否成立。Agent 数量只反映资源规模。 如果每个人都只在私聊里使用 AI，组织只能得到个人效率。把任务目标、上下文来源、调用过程、人工修改和最终结果沉淀下来，其他人才能理解工作流的有效原因，组织也能从每次实践中学习。 公开过程的目的，是复用有效的协作方式，并让团队共同吸取失败经验。公开范围和权限也要受到明确约束。 <h2 id="六真实工作流是-agent-的起点">六、真实工作流是 Agent 的起点</h2> 最近，我在搭建一个直播内容生产工作流。知识库承担其中一个环节，完整任务还覆盖选题、脚本、直播和反馈。 完整流程从收集自然语料开始，还要结合单场直播目标、行业信息、公司业务和主播风格确定选题，再形成大纲、案例和脚本，最后用真实直播效果反向校准内容。任何一步没有说清楚，Agent 都不可能凭空补上。 业务方的第一步，是还原原本由人完成的工作：每一步怎么做，需要什么输入，产出什么结果，什么样才算合格，哪些地方必须由真人判断。提示词学习可以沿着这套工作流展开。 第一版可以采用人和 AI 手动协作。先跑通一次，找到稳定、重复的环节，再把它们逐步配置成 Workflow、Skill 或脚本。第一个闭环最难，因为它在定义标准；标准一旦成立，从一次复制到一百次，边际成本才会快速下降。 我现在对几种概念的理解也越来越清楚。Skill 是单一、可复用、可验证的能力，像 Agent 的手和脚；Agent 根据目标分配任务、调用能力并处理过程中的变化；Rule 约束它不能越过的边界；Memory 只保留经过验证、下次仍然有用的信息。 Human Owner 对最终交付负责，并通过整条工作流协调 Skill 和 Agent。 Anthropic 对 Workflow 和 Agent 的区分也说明了各自的适用范围。路径固定、输入输出清楚的任务，更适合确定性流程；步骤无法预先判断、需要动态决策的任务，更适合由 Agent 自主规划。Agent 化需要明确收益，自治程度要由任务复杂性和风险决定。 验证需要嵌入整个流程。另一个 Agent 可以检查生成结果的逻辑、来源和格式，人负责价值判断和高风险决策。多层验证带来稳定交付，单一模型的能力和可信度都有边界。 成熟的 Agent 工作流应当目标清楚、过程可见、错误可查、结果可验，并且在关键节点知道什么时候把决定交还给人。 <h2 id="七ai-落地最终要回到业务结果和系统治理">七、AI 落地最终要回到业务结果和系统治理</h2> AI 项目很容易停在演示效果里。漂亮页面、完整报告和长时间运行只能展示产出或过程，业务价值还需要真实结果来证明。 我参与的另一个项目在阶段性复盘时发现，流程性工作提效约 20%，九人团队释放了两个人力，日均模型成本不到 20 美元。这些数据证明 AI 可以产生真实结果。项目同时暴露了数据链路、Skill 漂移和团队使用差异等问题。 最终方案采用人机分工：AI 负责分发任务、调用 Skill 和脚本、执行标准流程；人负责审核、兜底和处理不确定判断。 另一个项目也采用了类似逻辑。团队先跑通单个模式，保证转化率与大盘一致，再随着后台、SOP 和人员熟练度逐步扩大 AI 的服务规模。单人服务客户数属于后续优化目标。 AI 适合处理重复数据、基础触达和标准流程，人的精力则回到情感沟通、关键转化和异常学情。人机协同需要重新分配人的时间，让人专注于更需要判断和关系的环节。 因此，评估 AI 项目要同时观察效率、成本、结果和风险。节省时间、Token 消耗和 Agent 数量只能反映局部情况。核心指标包括交付是否稳定，人工加模型的总成本是否下降，业务结果是否改善，风险是否仍然可控。 系统治理需要前置。只读数据和写入业务系统的风险不同；内部草稿和对外发布的风险不同；普通分析与财务、法务、隐私判断的风险也不同。权限、限流、日志、监控、回滚和审批，都应该跟着任务风险一起设计。 Agent 的运行记录应该服务于流程改进，重点包括目标由谁提出、Agent 调用了什么能力、哪里被反复修改，以及最终怎样交付。员工工时需要其他合适的方法来衡量。这些信息能帮助团队找到高频失败点，并进一步改进上下文、Skill 和规则。 新人培养也容易被忽视。如果大量基础工作直接交给 AI，新人可能失去通过低阶任务建立判断力的机会。组织需要保留练习路径，让新人逐步形成高级判断。 Shopify 在增加实习生，并让他们用 AI 做更多原型探索。这个案例说明，AI 也能为新人拓宽探索空间。关键在于减少机械执行，同时保留真实反馈、专业 Review 和逐步承担责任的成长路径。 <h2 id="八组织真正需要重塑的是责任和学习方式">八、组织真正需要重塑的，是责任和学习方式</h2> 写到这里，我越来越确定：AI 时代最值得讨论的问题是，当一个人突然拥有过去一个小团队的执行能力，组织能不能接住这种放大。 岗位变化和团队规模都由这个问题继续展开。 接住这种放大，意味着组织要把目标说得更清楚，把上下文变成公共资产，把稳定能力封装起来，把验证和风险嵌入流程，并让最终责任始终能够找到具体的人。新的边界和流程也要随能力变化持续调整。 对个人来说，核心能力是从执行者成长为 Owner：知道要解决什么问题，怎样组织资源，如何判断结果，并愿意对交付负责。工具数量只代表可调用的选项。 对组织来说，核心竞争力是把个人探索沉淀成共同能力。Agent 数量属于资源规模，工作流复用、错误复盘、上下文积累和成员成长决定了资源能否持续产生结果。 AI 会继续让强个体变得更强，也会暴露组织原来被流程掩盖的问题。边界冲突、信息断裂、责任模糊和评价失真早已存在，AI 加快了它们暴露的速度。 所以，AI 时代的组织重塑需要重新回答三个问题：什么应该交给机器，什么必须由人判断，以及人和机器怎样共同对结果负责。 谁先把这三个问题回答清楚，谁才真正把 AI 从个人工具变成了组织能力。 <blockquote> PS：最近一周在啃<a href="https://github.com/bojieli/ai-agent-book">《深入理解 AI Agent：设计原理与工程实践》</a>，主要是用技术来磨脑子。 </blockquote>

2026/7/22

垃圾分类，我真的做不到

小区里面虽然开始实行垃圾分类，但基本上是“上有政策，下有对策”。 从实际情况来看，大家扔的绝大多数都是“其他垃圾”。我偶尔观察过，几乎没人会专门去扔厨余垃圾或可回收垃圾，基本上都是用一个袋子把所有垃圾装在一起，直接扔进“其他垃圾”桶里。虽然垃圾站后面排了一整排不同的垃圾箱，但实际上并没有真正实现分类。 回想早期刚推行垃圾分类政策时，我还专门去学习过什么是可回收垃圾、有害垃圾、厨余垃圾和其他垃圾。但真正了解完之后，我发现日常生活里极难做到： <ol> <li>分类门槛太高：比如厨余垃圾有汤有水，处理起来很麻烦。而且厨余垃圾里如果混了塑料袋，还不能直接一起扔，得把塑料袋拿出来扔到“其他垃圾”里。</li> <li>家庭空间和设备不支持：如果真想做好分类，在家里就得提前把厨余垃圾、可回收垃圾和其他垃圾区分好，而不是等拿到外面再去分。但我们家里根本没有针对这种分类设计的区域或装置，无法从源头上降低分类的门槛。</li> </ol> 相比之下，国外有一种做法就聪明得多：他们把瓶子变成钱。你拿一个塑料瓶扔进机器，就能得到一笔钱。 这种方式之所以有效，原因在于： <ol> <li>目标极其明确：塑料瓶是单一物品，非常容易辨识，你不需要去纠结它到底属于哪一类。</li> <li>驱动力强：这种行为能带来直接的收益，让人非常有动力，做起来轻松又积极。</li> </ol> 所以，目前的垃圾分类其实只是一个倡导大家参与的行动，但从头到尾的执行链路都非常艰难。我不知道有多少人能真正坚持做垃圾分类，反正对我来说这实在太难了，我几乎很少去做。 不过，我也看到过另一种切实可行的分类方式，就是我们小区不是特别大，一共有三个垃圾统一回收和收集的地方。 这三个地方都有人守着，我感觉他们几乎 12 个小时都在。有时候我凌晨 1 点去扔垃圾，他们在那儿；早上 5 点起来，他们仍然在。 由他们守在垃圾回收点帮忙分类，其实挺可行的，同时还可能增加就业岗位。因为他们可以把可回收垃圾拿去卖，其他垃圾则由他们帮忙分类，再由政府、物业或小区等各方提供一些支持。这样一来，无论是人工还是机器去完成垃圾分类，门槛都会降低，大家也愿意提供这样一种方式。 这或许不失为一种好的方向，当然可能还有更好的方法，但我目前还没想到。不过，就当前阶段来看，要倡导大家自发做好垃圾分类，从我个人的体感来说，确实是一件非常难的事情。

2026/7/20

主动观察身体的些许反馈

人这套系统真的让我惊喜，或者说有更多的期待。前两天也恰好在交流身体和大脑的一些反应，然后我慢慢有主动感知和观察自己的状态。 前天下午大概五到六点的时候，我的状态不是很好。不好表现在感觉整个人会有一点点乏力和疲惫。我往前回顾了一下，大概是因为我两天前晚上睡得太晚了，起得太早了，就突然出现睡眠不足的情况让我身体没适应；我当时是两点钟睡的，八点钟起，可能就睡了六个小时，甚至不到六个小时。 当天七点下班到家，八点左右我就躺在床上先睡了一觉。睡到晚上十一点起来，我觉得自己精神突然好像恢复了这种状态，于是我就开始洗漱、收拾东西，简单处理些许事情。到十二点再次入睡，睡到第二天早上八点，感觉自己好像恢复了。 上班前我喝了一杯冰美式，没喝完。我正常是买一杯，倒在我的敞口杯里，倒完后有剩下的我就不喝了，所以其实还有一部分是没喝完的。之后就开始出现了一些另外的反应，比如说我的肚子开始不舒服了、我的额头会有一点点发烫。因为我循证，所以我不太会去理解说这是因为喝凉的，因为我从始至终都是喝冰美式，都是凉的，所以它不会对我的身体有什么问题，只是说可能会有这样的反应，而这种反应我暂时还没有接住。 再往后，我发现到上午大概十一点的时候，我喝了两杯热水。试图来缓解下胃的不适反应，但其实并没有，还是会有一点点难受。这个时候我的额头其实有一点点微微的烫，应该是在冰美式喝完了之后，就那个时候开始吧，会有一点烫。 你说它们之间会有什么因果性吗？我没有发现，原因是以前也是这样做的。但我唯一能够想到的就是熬夜的这个问题，因为我很少有两点睡，然后七点、最近八点的时候就起来的突然性的这种操作。身体好像在那个阶段达到了一个相对的极限值，以至于说我不太舒服了。它告诉我我有点不舒服，在考虑我下午是否要请假。 当天中午不太想吃饭，我先慢走大概30-40分钟，再骑车25分钟后，最后吃了简餐，下午相对恢复。 在这个过程当中，身体给了我一些反馈，我就去做些简单的复盘，或者叫做回顾。做了一些回顾之后，我发现我对我自己的身体，然后我身体在告诉我身体上的一些状态和变化。有可能是因为我接触了循证医学，所以我对我身体的微妙变化，我都会去做，可以说叫记录，可以说叫做观察。因为当我真的出现具体的疾病和症状，我需要就医的时候，又或者说我需要给我的 AI 的时候，它就是我非常详细的上下文，它就是 Context。只有完整的 Context 才能让 AI、医生、甚至是线上的医生帮我去做详细的判断，进而给出具体的解决方案。有趣的地方就在这儿，就是观察自己的身体变化，然后感受这个过程，就会非常的有趣。

2026/6/10

我允许朋友查看朋友圈的范围是半年

今天加了一个同事@史琢玉的微信，是我主动加的。他在企微上跟我说，他发现我有孩子，表示很诧异，说我脸上甚至都没有皱纹。其实我没有太多保养，甚至看不出来自己不太像个年轻小伙子。 虽然我俩在工作上没有太多的对接和沟通，但实际上聊得还蛮投缘。于是我主动加了微信，刚刷完他的朋友圈，这是我目前为止很少看到的全部开放的朋友圈。 人和人之间的防护体系建得很多，比如朋友圈有“仅半年可见”、“仅三天可见”，甚至还有很多的权限设置，包含了标签、分组、好友可见与不可见等等。这一系列的限制，就像是在微信的熟人社交圈里建立了不同的屏障。 我刚刚浏览完他的朋友圈，发现从 2015 年开始到现在的动态完全开放，没有任何屏蔽。但在他的朋友圈置顶里，又仅有两条关于家庭旅行的动态。 这不禁让我想到，之前我们在交流另一件事情：在“看一看”或者视频号的推荐里点赞得万分小心。因为我们不想让同事知道自己的爱好，比如在看八卦，或者在看一个觉得还不错的视频。 在“问一问”和“搜一搜”里，都有单独的权限设置系统，可以限制不准谁看。特别是在朋友圈早期，标签是静态的，即你发动态时的标签仅对当时的人生效；如果你后来往标签里新加了人，之前的那条动态他们是看不到的。直到后面微信才更新了逻辑：只要人在这个标签下，就都看不到对应的动态。 哇，这些权限设置真的非常“精妙”（加个引号）。我之所以用这个词，是因为很难想象在各种权限设置下的这种隔离和“群己关系”——这种关系太复杂了。但没想到他愿意把朋友圈对所有人开放，我非常之诧异。 如果朋友圈里有一个人的权限是对你完全开放的，我会觉得这个人非常有“活人感”。而这个词是他今天下午加了我微信之后，对我的一句评价。他说： “现在发朋友圈的人很少，你的朋友圈原来这么有活人感。” 我听完之后，其实还蛮开心的，因为我一直觉得朋友圈是我的一个公开日记。 在字里行间的几个小伙伴会一直在更新自己的内容，包括日更。我其实没有做到他们那么高精力的去做日更，但我在做日常的输出和表达，可能是属于半公开的程序之下，比如我正在写的日记。在这个过程当中，它是不利于别人对我们去建立个人形象或者叫做第一印象的。比如说我加了同事的微信之后，我就发现他有很多点都非常好，这不是标签，就是他的生活会很开朗、很精彩，丰富多彩。我觉得真的好有意思。 他甚至都不能说是名片，因为我们大多数的社交都属于线上。在线上这个过程当中，如果我们要去跟一个人建立相对深度的连接，那必然会有一个窗口。微信之下的窗口，朋友圈应该是现在还为数不多的或者叫做常用的一个窗口动态。其实像视频号和公众号等等，它都是在帮助我们去建立。但这些是依赖于你在进行第二阶段的了解，或者说你从公域里面通过这个内容到了你的微信之后的一种状态。如此来看的话，其实朋友圈承载了它的动态分享，承载的是我们无论从哪个地方来到了我的微信，在进行线上社交的过程当中，了解这个人的重要窗口。多更新朋友圈，多分享，就会变得非常有意思。 说到这儿，我同时也在做一些其他的东西。比如说放否，我会更新一些我可能不太愿意在朋友圈分享的信息。其实我也没想明白，我为什么不愿意把有些信息在朋友圈分享，可能是不太好意思，可能是它比较阴暗（加个引号），它可能只能出现在我的日记。今天另外一个人问我，我的日记有没有给过第二个或者其他的人类看到过？目前来看是没有的，因为我的 AI 在看我的日记，但没有其他除我之外的第二个其他的人类想看我的日记，这块确实是没有的。好在有意思的是，我正在慢慢地去放开这样的一个尺度，就是我更愿意在公开可见的范围内去展示更多的东西。像 20 年我在朋友圈写长文的时候，就是写到你朋友圈最长的字数超了的时候的那种激情，我现在确实变少了。 聊到权限，聊到输出，最后再收一收。这个日记的内容就是说，把一件事情做透，把公开表达这件事情做透。像这种微小的习惯，逐渐建立起来还是蛮好的。因为发朋友圈这个事情，我不太有太多的过程去看它的反馈，比如说评论和点赞，因为只是两个嘛。我更关注的是，朋友圈来到了我微信的视线里，这过程会让我的正反馈变得更大。大部分的好友可能有那个感触，就是我在回复对方评论的过程当中，其实我新增了一个朋友圈动态之后，我会集中去回复一些比较多的内容，甚至有些都回复得比较晚。就是会有这样一个变化，在慢慢地去尝试。所以我对这个动态的反馈不是很重要。 今天有另外一件事情是，有个微信好友加了我的微信之后，他说他是因为我之前做了一本电子书，然后他在电子书里面找到了我的微信，加上了我的好友。哇，我就觉得好。然后我就问他这个电子书是从哪里来的？我开始以为是极客，后面他说不是，他的小红书说书的书籍相关的推荐，然后别人推荐的我做的那本电子书的内容之后，他再通过我的电子书打开之后，找到了我的信息。这个链路其实很长，因为它其实已经不太像是真的要找到这个人。他加我的时候只是想跟我认识一下，然后一方面会去交流。我觉得这就很有意思。这个过程就是这种链接的产生，就很让我觉得互联网其实又很小。但我已经在互联网上认识了太多我们可能有深度交流和可以去尝试交流的好朋友。 明天周末，那就希望我们明天的安排顺顺利利

2026/6/5

想到了就去做，开始比完成重要。

上周六临时飞了一趟 CD，大约 11:30 决定，就买了下午的飞机，落地 CD 后已是傍晚，从机场到酒店晚上八点半；周日两点多飞机回京。原因是在早上知道家人患了较大的疾病，小时候一直在他们家玩，想着我应该回去看看，之前计划 6 月 30 日左右回重庆，顺便可以过去（这是其他原因，也并不知道已经患病），周六在得知老人患病的后，还是决定先去看看；相聚虽短，但我感受到了时间流逝，也感慨人生很短。都说三十而立，可前 25 年不是在读书就是在「成长」，用什么立呢？30 后考虑成家立业，也就是开始照顾小的，40 后是上有老，下有小，50 若无慢病已是万幸，加之父母逐渐变老，自己已过半，好短，人生好短啊。 大约五月中旬，我在「<a href="https://mp.weixin.qq.com/s?__biz=MzIzNzE3NjE5Ng==&mid=2247485085&idx=1&sn=e24b24329eb274426fd6927051e8bac6&scene=21#wechat_redirect">字里行间</a>」提问：“各位健身达人们：我想买一辆自行车，晚上或早上的时候骑出去兜一圈。大家觉得是买一个好呢，还是说骑共享单车就行？反正肯定不会常用。”，在@路希（#路希路克）和@李水（#人类拥抱大地）的补充后，我决定先用共享单车骑行 50KM 后再说；次日晚上本决定去骑车的，无奈天公不作美，当晚下雨了，还很大。直到现在，我才去；今天下午六点，小区门口扫码美团共享单车，计划骑行 20km，感受过程，熟悉路线；北京今天温度很高，哪怕我 6 点出门，还是有些燥热，还是选择出发，因为「开始比完成更重要」，好在最终完成了 20km 的骑行，真舒服啊！ 第一件事如果我从成本角度考虑，可以说很不划算，我们呆的时间不是很长，在 CD 白天的总时长可能 6h 不到；按常理推论，将往返路费通过转账的方式表达慰问亦可，但这不是见面，也无法替代见面所带来的意义，因为有些时光和回忆错过了就很难再拥有了。想到了，我们就去做了，无所谓其他，仅仅是希望自己能见见想见的人。 第二件事若从时间考虑，随时其实都可以，但我并没做到。之前健身教练和我说，你这两天一练，很难得了，若后续能做到一周三练，相当优秀了。离开教练后我才知道，原来真的很难，且不考虑通勤，就光工作、生活本身，想做到就不容易。就连写作这么享受的事情，我都开始追求「口喷」了。刚和@圈总（#圈圈的成长游乐园）说，我今晚要更新一篇文章，她试探性的回我「口喷」？我现在<a href="https://mp.weixin.qq.com/s?__biz=MzIzNzE3NjE5Ng==&mid=2247485269&idx=1&sn=62ece3dce074984127a196bae248e86d&scene=21#wechat_redirect">确实很喜欢语音输入法</a>，甚至是我和 AI、和别人交流首选的一种方式，快速表达清楚自己的想法并且结构化输出，何乐而不为呢？加之 AI 在手，写篇文章不是轻轻松松？ 我特别喜欢住在有水的地方，可能是我本属林，更喜水；疫情期间住在一个小河附近，傍晚和清晨人都很多，散步、骑行、钓鱼、露营，无不体现着忙碌城市里的一份惬意，简简单单；之后搬到了大运河附近，更开心了，过了马路就是大运河，大运河是我在北京为数不多喜欢的地方，无论是骑行还是散步，每一次风景都截然不同。你可以选择任意一个码头开始，也可以从任意路口驶出。 如果你在北京，恰好喜欢骑行，可以在大运河试试看。 做事情有时真需要一个契机，可能来自于某位朋友的激励（@圈总今天和我说「你还有什么理由不努力」），也可能是自己的「比较」；后续我希望自己能先开始做，哪怕先建立一个文件夹呢，或者先和 AI 发起一次对话，让想做的事情先留痕，就完成了「从零到一的跃迁」。 噢，对了，公众号从「特立独行的异类」改名为「陈杨树下」，@宇子（#地球游客宇子）知晓后给我的反馈是「原来有一种中二少年要标新立异的感觉，而现在有了岁月沉淀，静心处世的平和感。」，@纪遇（#百象纪遇）甚至希望我写篇文章单独说明下为什么要改名，我回「确实是个素材，但好像也没有写的必要」。下次别人问为啥要改，我就把宇子的话转给他吧，简单而真实，毕竟谁没有经历过青春的「肆意妄为」呢？

2026/5/30

习惯了语音输入后，再也不想打字了

开启口喷时代把，本文主要分享我为什么会使用语音输入法？为什么会选择 Typeless？现在给我带来了哪些正向的反馈。 我最早使用语音输入法是在 2024 年，当时微信输入法上线了语音输入功能，那个时候的功能还相对比较简单，只要我进行输入，它就会把我想说的内容原封不动地转写出来，当时的核心要求就是准确度高。 但是我发现对语音输入的使用场景稍有限，大多数时候，都是在不方便打字的时候回复消息，或者面对相对熟悉的人时才会用，还不敢全面使用，因为总觉得对方的阅读体验可能不太好。 应该是从去年开始，随着 AI Agent 的发展，现在语音输入法也在慢慢爆火。到现在为止，之前在 Twitter 上看到，已经有几十款与语音输入相关的产品出现。对于编码和写作来说，「口喷」真的是一个非常方便的输入方式，它不需要码字，只需要表达自己的想法即可。 我在上一篇文章里提到，我最近变化就是开始深度尝试使用语音输入法。市面上的产品很多，我就不再过多赘述。今天主要是想分享一下，语音输入法是什么，我为什么要用语音输入法，以及语音输入法在现阶段给我带来了哪些正反馈。 <h2 id="第一部分语音输入法是什么">第一部分：语音输入法是什么</h2> 由于我在 2024 年的时候养成了一个坏习惯，不太喜欢在记录时添加图片。文字可以相对准确地描述信息，再加上稍微做一下检索，就能够方便地找到对应的产品，所以我不想在内容中放入太多图片。 语音输入法操作是最简单的，只要打开输入法，点击语音输入按钮就可开始说了。估计我们所有人都用过，在微信聊天窗口支持语音输入，我们可以将微信的语音输入看作是最早的雏形，而现在的语音输入法发展极快，现在的输入法已经非常完善了。 现在，电脑和手机上都有很多此类产品。因为我使用的是 iOS，目前使用的是Typeless，先后用过微信输入法、豆包输入法、闪电说；不考虑其他因素，豆包语音的准确度确实比微信更高，尽管我们多次在微信输入法内群反馈，目前准确度依旧一般。 语音输入的打字效率要比文字输入更快。无论你是双拼还是五笔，应该都没有语音输入快，毕竟你还需要敲键盘，我只需要正常说话就行，而且还能自动加上标点符号，比我专业。比较惭愧的是，我到现在为止都没有习惯双拼。 它会促使我减少在表达过程中的一些陋习。虽然是语音输入，但是最终呈现的方式是文字，所以需要注意一些书面表达。类似“然后，接着，然后”这种口头习惯，一旦通过文字的形式呈现出来就会很不雅，所以在开始进行语音输入的时候，就会先有几秒钟想一下自己准备说什么。 针对长文本回复，语音输入后转文字要比文字输入后更方便调整。这个有点反常识，因为文字输入后调整看起来更快，但我自己实际用下来发现，语音转文字之后调整内容确实更快一些，这个主要场景是写日记的时候。 当然，语音输入也有一些很难解决的毛病。比如同音字很难识别出来，常见的就是“他她它”，但我想说“它”的时候就比较难，需要结合上下文才能理解，此外还有“的得地”。还有中英文混输也很难，这里面还包括拼音。若是英文，需要对单词发音相对准确；若是拼音，就需要后续直接调整。（截止2024年的使用体验） 直到我现在用到了一款叫作 Typeless 的软件，大概是从 2026 年 1 月份年后开始深度使用（设置为默认输入法）。这款软件的好处在于你不需要设置任何模型，打开就开始说，说完之后，它会对内容进行简单的处理，去掉一些错误的词汇或语气词。 **真正感受语音输入法的魅力是电脑端。**正常逻辑下，Mac 的输入法切换键是固定的快捷键，语音输入通常只是输入法中的一种模式。但 Typeless 不一样，它是一个单独的 App，授权之后可以在任意窗口通过快捷键直接调用，它不需要切换输入法，不影响当前的文本输入流，还可以实现一边说话一边打字。 这种体验非常棒，Typeless 给我的体验非常出色，我体验下来，最核心的两点优势就在于自动去语气词和实时纠错与重构。自动去语气词是它的第一步，能让表达更准确。实时纠错与重构则更有意思，说话和打字不一样，说话时想法很快。如果我突然发现前面说错了，我可以直接跟 Typeless 说，我前面有一段说错了，你帮我纠正一下。它并不会把这句指令直接转成文字，而是会根据我的指令，直接把我前面的内容修改正确。 这就是 AI 让语音输入法变得好用的最核心原因。 当然，它也会有一些不太好的地方。比如网络要求，由于是国外的软件，它对网络环境有一定要求。我不太清楚它底层使用的是什么模型，但说完内容后，通常会有 1-2 秒的加载延迟；再比如价格较高，这个软件的费用比较贵。它早期的限额是每周 4000 字，当时为了够用，我分别在电脑和手机上各登录了一个账号。因为这两个账号的信息不互通，所以我每周相当于有 8000 字的额度。最近两周，官方把限额改成了每周 8000 字，于是我切回了一个账号。但即便如此，我发现额度仍然不够用。比如这周才到周二，我就已经说了 6000 多字，那剩下的半周该怎么办呢？ 所以我在这周选择了付费。它的原价是每年 998 元，但如果你有学生证或者通过其他方式，可以拿到五折优惠。我收到的邮件显示，这个五折优惠的有效期长达 8 年。最后我花了 400 多元买了一年。我觉得这个价格对于提升效率来说是非常划算的，它让我更愿意、也更容易去进行内容输出了。 关于什么是语音输入法以及 Typeless 的一些简单介绍，这部分就 OK；因为 Typeless 是我常用核心的软件，我就不再去说别的哪些软件好，哪些软件不好了，萝卜青菜，各有所爱，感兴趣自行了解即可。 <h2 id="第二部分我为什么要用语音输入法">第二部分：我为什么要用语音输入法</h2> 最直观的一个原因，就是我发现语音输入会让我的输出变得非常高效。我只需要负责说就可以。不需要去想我这个组织语言对不对，这个想法 OK 不 OK 等等。因为我的核心目的是为了表达我的需求，表达我的想法。 在表达我的需求和想法的时候，我不需要有太多的影响因素在。比如说打字的时候，有可能打字打不出来或者说不对；然后有可能我想到了很多很多内容，但是我打字的话就很慢。这个效率的过程我是有点难以接受的。所以我就希望以不停下来的方式一直说，这样我的注意力就不会被打断。我就可以通过语音的方式，不需要先审查自己的表达，也不需要把一句话说得是不是很漂亮。最核心的是记录和让这段内容留下来。 举一个场景，比如我在写日记的时候，以前我可能会去想，我今天大概的日记大纲要怎么写，内容要怎么写，我是不是这么写不合适，我还有哪些没想到的。但我最近写日记，可以在打开日记软件和语音输入法 Typeless 之后，从头说到尾。说完之后可能就是一千字，我能快速地把这一天回忆的内容和想法都写进去。哪怕针对一个主题去描述和书写，我也能很快地将想法呈现出来。它不需要有太多的修饰，Typeless 就会把我的想法进行整理，输出的内容几乎 90% 都能满足我的需要了。 再有一个场景，我最近在 Coding 的投入会比较多，在描述需求和想法的时候，我并没有太多地去逐一整理。我只要知道提示词的框架是怎样的，知道我的想法内容是什么，它的边界、标准、背景等信息，我就可以通过这样一套框架去描述我的需求。 打开 Coding 软件，它能自动生成文件夹，自动进行编码。我再去修饰和调整，比如样式不对、逻辑不对，我同样可以通过这种语音表达方式，很快地描述出修改内容。但如果一旦去打字，我的效率就会很慢。所以，对于效率的追求，是我在用语音输入法当中一个很核心的点。 第二个原因在于，我的普通话和英语发音中的一些单词都不够标准，但是我希望输出是准确的。如果我去打字，或者在这个过程中，我可以通过 Typeless 帮我做一些修正，让我的内容尽可能表达正确。比如 Claude Code，就是一个很常见的情况（容易识别为 Cloud Code）。打字时有些英文单词很长，我没办法快速打出来。比如谷歌的那个编码软件 Antigravity，它就很长，去记这个单词很难记。 如果用语音输入，我只需要把我大概意思正常说出来就好了，我的输入法会自动帮我进行校正，让单词变得正确，它也会让我的语言格式更加准确。这种体验是在传统的文本输入过程中所没有的。 第三个原因，是我发现语音输入法有一个功能，叫做“输入历史”，也就是进行语音输入时，所有说的话都会被记下来。 以 Typeless 为例，这些数据是存在本地的。我在电脑中写了一个 Skills 脚本，用来读取并解析本地数据，进而生成我想要的内容。目前这个 Skills 已经发布了，感兴趣的话可以去尝试一下。这个功能的价值在于帮我做了很好的语料积累。传统的文字输入，内容发出后，只存在于你和对方的聊天记录或特定的记录文档中。语音输入法则更像一个记录工具。虽然不是所有软件都有，但我用的这款可以把我所有说的话，可能是一句话，也可能只是一个词，全部记下来。 这些导出的语料对我来说非常有价值。在 AI 时代，我更重视个人原始语料的积累。把这些内容拿到后再喂给 AI，它会帮我理解我之前说过的内容。我过往的一些经历、思考和想法都会被重新翻寻出来，这非常有意思。 语音输入除了是一个更快的输入方式，它其实还在放大我原本就有的思考方式。因为它更接近我自己，更接近我真实的表达方式。它不会让我在进行记录和表达的时候被结构绑住，也不会让我去考虑太多的修辞。它能把我原本那些零散的想法先记录下来，让这些碎片变成素材。然后这些素材就自然而然地成了一种记录方式。后续我会把这些记录转化成可以复用的、属于我自己的数据资产。 <h2 id="第三部分语音输入法带给我的正反馈有哪些">第三部分：语音输入法带给我的正反馈有哪些？</h2> 很重要的一个正反馈其实是 AI 给我的。它能让我了解自己在语音输入或思考问题时，表达方式上存在哪些问题。这主要依赖于我记录下来的内容，我将这些内容提供给 AI 进行分析。 我把 Typeless 的记录导了出来。虽然这个账号导出的内容只有 300 多条，并不完整，因为早期我没发现可以设置为全部保存历史记录，而且这只是我家里的电脑，我最核心的记录其实更多分布在手机和公司的电脑上，公司那边更多是工作内容，但我今天还是把家里电脑导出的这 300 多条信息给到了 ChatGPT，让它帮我进行整理。 我问了 ChatGPT 几个问题。如：我需要了解我的表达逻辑是什么，我所关注的核心主题大概有哪些，对此有哪些建议，以及对对于我的表达方式有哪些改进建议。 在看完这份整理后的报告，发现它与我的实际情况吻合程度非常高，差不多在 90% 以上。 ChatGPT说： <blockquote> 1，从表达方式上看，你有几个比较稳定的特征。第一，你天然是目标导向的，表达往往不是为了抒情，而是为了推进事情，哪怕是闲聊，最后也会落到怎么做、放哪里、如何调用、怎样更高效上。第二，你很在意结论优先、重点突出，也天然反感过度冗余和形式化的罗列，所以你会反复强调减少有序列表，更多用段落把意思讲完整。第三，你习惯边说边校准，发现偏了就立刻修正，这说明我的判断并不慢，反而很快，只是很多时候快于表达本身。 </blockquote> <blockquote> 2，这也恰好说明，你的表达能力其实有明显优势。 一个是抽象能力强，很多生活或工作里的小问题，你会自然上升到原则层。另一个是校准能力强，你通常知道“不对”具体不对在哪，不只是模糊地不满意。再一个是你对“有用”很敏感，知道什么信息值得长期保留，什么只是当下噪音。这类能力放在语音输入里反而更容易被看见，因为语音保留的是原始思路，而不是事后加工过的体面。 </blockquote> <blockquote> 3，当然，也有值得改进的地方。最主要的一点，是你常常把思考过程说得比最终指令更长。这样做的好处是真实，坏处是容易让协作者先接住枝叶，错过主干。所以后续你更适合做一个小调整，先讲结论，再讲标准，最后补背景。 比如先说你要什么，再说做到什么算完成，最后再补充你为什么在意这个。这样不会损失你的思考密度，反而能让别人更快进入你的轨道。 </blockquote> <blockquote> 4，另一点是，你可以把那些高频出现的价值判断，慢慢沉淀成固定词库，比如准确第一、结论优先、减少冗余、真正痛点、可持续、经济效应、社会效应。等这些词越来越稳定，你的表达就会更像你自己，也更容易被 AI 和记忆系统持续继承。 </blockquote> 语音输入法给我的正反馈，已经不只是“说得更快”这么简单了。它让我更接近自己，也让我更容易看见自己。它保留了我的原始判断，也暴露了我真正重要的东西。后续要做的，就是让这种真实更早收束，更容易复用。这样，表达就不只是输出，它会慢慢变成我自己的方法论。 从这个角度看，语音输入法确实已经不只是一个输入工具。它一方面提高了我的效率，另一方面也帮我完成了语料积累、表达校准和思维复盘。在 AI 时代，这件事情的意义会越来越大。因为你留下来的每一段原始表达，未来都有可能成为理解你、辅助你、继承你思考方式的一部分。 由于 Typeless 的手机和电脑目前都不支持导出历史记录，电脑端我是用自己写的一个 Skill 来完成的，但手机端目前还不支持。我给他们提了反馈，他们给我的回复是会将此作为考虑因素之一。我也蛮期待他们后续能够优化完成，这样的话，我多个设备的信息就可以进行合并了。 还有一些习惯上的调整和变化。 在文字打字的时候，其实我们对声音以及对自己说话的语气不会有太多的感受。但语音输入的过程，会让我去理解和听到我表达的声音是否标准（特别是普通话，因为我的普通话肯定不是严格标准的）。 为了让准确度提高，我在说话的时候需要尽可能让表达更加符合上下文，更加准确。这样我在后续校验和调整的环节工作量就会降低，效果也会很好。因为打字是感受不到这个过程的，所以每一次语音输入，其实都是一次“微表达”的训练。 所以我现在会觉得，语音输入法，确实是 AI 时代非常强的工具。它让我更愿意表达，也更容易表达。更重要的是，它让我说出来的东西，不再只是飘过去的话，而是能留下来、被整理、被理解、被继续调用的内容。 题外话，前两天在一个群里看到大家对于 AI 生成的内容会有一些「争议」。其实这篇文章是我通过 Typeless 输入后得到的输出，并且我在这个基础上进行了结构和部分内容的微调，或者说进行了更符合我习惯的结构优化。但所有的内容都是语音输入的。那语音输入经过提示词（Prompt）微调之后，算不算 AI 生成的呢？我不知道，但这个事情确实没必要去过度考量和判断，因为我只需要让我的想法表达出来就好了。

2026/4/4

闪灵让我恐怖的是什么？

昨晚半夜包场刷闪灵，有期待，也紧张，记录一下想法。 忘了什么时候，第一次看它，我记住的全是画面级的刺激：电梯门一开，血像不要钱一样涌出来；走廊尽头两个小女孩手牵手站着；Jack把脸贴在门缝里，像某种坏掉的玩具一样咧嘴笑。那时候我把它当成一部经典恐怖片，吓人，厉害，结束。 但这次不一样。我发现最恐怖的东西并不在镜头里，而是在镜头外那层慢慢变厚的寂静里。你越看越能意识到，Overlook 酒店不是闹鬼，它更像一个把人隔离起来的容器，把时间、关系、秩序都抽空，只留下一个人和他自己相处。你以为孤独是给创作留白，结果它更像是给人性做放大。 我突然理解一个以前没太在意的细节：Jack 接这份工作时的兴奋，是很真诚的。他要的不是钱，甚至也不完全是责任感，他要的是一个自洽的理由，一个可以对自己交代的闭环。五个月的安静时间，听起来像极了成年人的幻想：只要环境合适，我就能重启；只要没人打扰，我就能把自己修好；当然，他很装，明明失业了，还说自己是老师、作家。 问题是，环境真的合适吗。 Overlook 的可怕在于它太干净了，干净到没有噪音，没有变量，没有外界的反馈。你在里面做任何情绪反应，都像对着一个巨大的空房间喊话，最后只剩回声。人在这种地方很容易进入一种错觉：不是我在变坏，是世界在针对我；不是我在失控，是别人逼我失控。 这就是我觉得它厉害的地方，它把很多恐怖片喜欢讲的超自然，换成了一个更现实、更难防的机制：熵增。 一段关系的熵增，通常不是因为谁突然出轨或背叛，而是因为沟通链路断掉了。Jack 和 Wendy 之间的链路就是断的。他们说话，但不真正交换信息。Wendy 的每一句关心，在 Jack 耳朵里都像审判；Jack 的每一句努力，在 Wendy 看来都像不稳定的前兆。两个人都在试图维持家庭系统的稳定，但用的是相反的操作。 Jack 想通过控制来稳定。越不确定，越要抓住一点确定性，比如写作，比如权威，比如我说了算。 Wendy 想通过顺从来稳定。她不是不知道问题，她只是更害怕系统崩掉，所以先忍着，先不激化，先把孩子放在背后。 这种组合在城市里太常见了。平时靠日常琐碎的噪音掩盖矛盾，上班、做饭、买菜、看电视，都是缓冲区。可一旦把人扔进 Overlook 这种隔离环境，缓冲区没了，矛盾就会直接对撞。 很多人喜欢把 Jack 的堕落解释为酒店的诱惑，但我更倾向于把它理解成一个失败者的自我叙事终于找到了舞台。你注意看，他的疯狂不是突然出现的，它是一层一层被允许的。 一开始是抱怨。抱怨工作不顺，抱怨家人不理解，抱怨自己被拖累。 然后是自怜。自怜是很危险的情绪，因为它会把责任从自己身上拿走，交给命运、交给别人、交给环境。 再往后就是合理化。合理化意味着暴力开始有了借口，控制开始有了正当性。我不是坏人，我只是需要专注。我不是想伤害你们，我只是你们不懂我。 你会发现这套路径很像很多现实里的失控，只是电影把它推到了极端。现实里不一定是斧头，也可能是冷暴力，是情绪勒索，是用沉默惩罚对方，是用我这么辛苦你还不体谅来盖住一切讨论。 Overlook 只做了一件事：它让 Jack 失去了外部校准。没有朋友，没有同事，没有社会规则，没有日常秩序。一个人的内心如果没有校准机制，就会像系统没有监控一样，错误会自我复制，最后变成灾难。 所以我一直觉得，孤独并不天然高尚。独处当然重要，但独处是能力，也是幸运，它需要边界、节奏和出口，否则它就会变成封闭系统里的自燃。 Danny 的闪灵在我看来也很有趣。它表面上是超能力，实际上更像是孩子面对创伤时的高敏感。孩子会先感知到家里气压不对，会先闻到父母关系的火药味。大人以为自己藏得很好，其实孩子早就把一切都看在眼里，只是他没有语言去表达，只能用想象朋友、噩梦、身体反应来承载。 Tony 这个角色，我以前当作恐怖片套路，这次更像是在看一个孩子自我保护的机制。你可以把它当成 Danny 在给自己加一层缓冲：当现实太难以承受，就让另一个自己来提醒我，别进去，别靠近，快跑。 而 Wendy 的转变，是整部电影里我最心疼也最佩服的部分。很多人会觉得她一直在尖叫，很吵，但如果你站在她的视角，你会明白那种尖叫不是软弱，而是系统报警。她从一开始就处在一种长期应激里，只是她没有选择。她想维持家庭，想给孩子一个完整的家，同时又隐隐知道这个家已经有裂缝。 直到她看到那一叠打字纸：“All work and no play makes Jack a dull boy”。 那一刻太残忍了。因为它不是鬼脸，不是血海，不是突然出现的女尸，它是一种更现实的崩塌：你以为他在努力，结果他在原地打转；你以为你们是在一起熬过困难，结果你们根本不在同一条路上。他的所谓创作，只剩下一句不断重复的咒语。一个人把自己困在一个循环里，然后把这个循环当成命运。 这也是闪灵特别像现实的地方。很多灾难不是因为坏人太坏，而是因为一个普通人不断重复自己的错误，并且越来越相信自己没有错。重复本身就是一种恐怖，它意味着你失去了学习能力，失去了反馈闭环，失去了更新模型的能力。 迷宫这个意象也很妙。它既是空间上的困住，也是心理上的困住。Jack 最后不是被外力击败，而是被自己的执念困死。Danny 反而靠一个很简单的策略活下来，倒退走，把脚印抹掉。孩子不讲大道理，他只解决眼前问题。他不需要证明什么，只需要活下去。 这让我想到一个很现实的问题：成年人很多时候不是输在能力上，而是输在要赢。要赢就会要面子，要面子就会硬撑，硬撑就会拒绝反馈，拒绝反馈就会越来越封闭。最后走进自己的迷宫，还以为那是深思熟虑。 结尾那张老照片，我以前觉得是恐怖彩蛋，这次更像是一种冷冰冰的结论：你以为你是被选中的那个，其实你只是被吸纳进一个循环。Overlook 不需要创造邪恶，它只需要提供一个场景，让你把你本来就有的东西演完。暴力、控制、欲望、逃避，平时被文明压着，一旦环境允许，它们就会自然浮出来。 所以我现在很难把闪灵当成单纯的鬼故事。它更像一面镜子，照的是人如何在隔离、挫败、无反馈的状态里逐渐失控。它恐怖，是因为它不遥远。 你问我看完之后留下的是什么，我觉得是一个提醒：不要把自己的生活做成 Overlook。 给自己留独处，但也要留连接。连接不一定是社交，它可以是规律的作息，是稳定的工作流，是每周一次和朋友走路聊天，是在情绪上来之前提前做记录。人一旦开始把所有问题都关在脑子里，脑子就会开始自我说服，然后自我审判，最后自我毁灭。 我现在越来越相信，所谓理智不是天赋，而是一套外部系统。睡眠是系统，运动是系统，记录是系统，关系也是系统。你需要它们来给你做校准，减少熵增，保持闭环。没有这些，你以为自己在思考，其实只是在重复。 闪灵的恐怖不是那一斧头，也不是那片血海，而是那种你明明在家里，却越来越像一个人在荒野里的感觉。那种感觉出现的时候，很多人会选择忍，选择扛，选择再坚持一下。 但电影已经把结局演给我们看了。别等到酒店选中你。你要先选中自己，先把门打开，让风进来，让人进来，让真实的反馈进来。 <blockquote> 本文大部分内容是借助 <a href="https://www.typeless.com/refer?code=HHT6XKS">typeless</a> 完成语音书写的。 </blockquote>

2026/2/7

特立独行的异类

我为什么要记录自己一天说过的话？

试戴 Looki 一周：我很喜欢，最后还是决定退货

一则日记：收到留言后的触动

探索 AI 时代的人机协作

垃圾分类，我真的做不到

主动观察身体的些许反馈

我允许朋友查看朋友圈的范围是半年

想到了就去做，开始比完成重要。

习惯了语音输入后，再也不想打字了

闪灵让我恐怖的是什么？

推荐订阅

牛客网 - 牛客面试经验

Cloudflare 博客

美团技术团队

The Initium - 作者

LoRexxar's Blog | 信息技术分享