读本

卡片上的标记

• 一句话只读这一行也能拿走大意。
• 展开来龙去脉和例子。
• 更正原说法有错，这里给出改后的版本。
• 限制说法大体成立，但有适用范围，或有人持不同意见。
• 例子落到具体的工作或项目上。

拿不准的地方标未核实或推断。厂商或本人的自述标自述。

bit 和香农熵

一句话一条消息越出乎意料，带的信息越多，单位是 bit。

展开在沙漠里听到「明天晴」，几乎没学到什么。听到「明天下雪」，信息量就很大。

杯子的例子：先问「球在右半边吗」，8 个候选剩 4 个；再问一次剩 2 个；第三次剩 1 个。8 = 2×2×2，所以找到球这件事值 3 bit。

1948 年香农发表《通信的数学理论》，故意不管意义，只算意外。他由此定义了熵（平均有多意外）和信道容量（一条线路每秒最多能可靠传多少 bit），并证明了压缩和纠错的极限。

和大模型语言模型训练时最小化的是交叉熵，白话说就是「猜下一个词猜错了多少」。困惑度（perplexity）是 2 的交叉熵次方（交叉熵以 bit 计）：困惑度为 10，大致相当于每个位置平均在 10 个等可能的词里挑。

限制常听到的说法是「预测得准 = 压缩得小 = 理解了结构」。前两个等号是数学事实，好的预测器可以直接变成好的压缩器。第三个等号有争议：一个把训练文本背下来的模型，在这些文本上压缩得很好，不等于它懂。

例子做 GEO 时看到的困惑度，就是这个熵换了写法。数字越小，模型读这段文字越不意外。

来源：Shannon, C. E. (1948). A Mathematical Theory of Communication. Bell System Technical Journal.

「信息」的四种含义

一句话同一个词「信息」，在科学里至少有四种不同的意思，混着用会说错话。

展开Rosas、Mediano、Carroll 三人的综述把它们分成四类：

• 工程的：香农那种，一条线路能传多少。
• 统计的：互信息。知道今天阴天，对「会不会下雨」就少猜一点。
• 热力学的：信息是物理量。擦掉 1 bit 至少要耗散一点热量（Landauer 1961）。这个下限在 2012 年的实验里测到了（Bérut 等）。
• 本体论的：物理学家惠勒的 it from bit，认为世界由信息构成。

未核实我没找到这篇综述的期刊页面。Carroll 在 2026 年 3 月的播客里提过这篇文章和这四类。上面每一类的解释按术语的通常含义写。

限制一种常见的推论是：大模型学到的只是词与词的统计依赖（第二种），没有意义。这一点有争议。Othello-GPT（Li 等 2023）只看棋谱序列训练，内部却出现了可以读出的棋盘状态，说明序列统计里可能包含世界的结构。能走多远，研究还在吵。

来源：Landauer (1961); Bérut et al. (2012). Nature 483; Li et al. (2023). Emergent World Representations: Exploring a Sequence Model Trained on a Synthetic Task. ICLR; Sean Carroll's Mindscape, AMA, March 2026.

香农自己的几件事

一句话香农爱吹单簧管、骑独轮车，还做过一台只会把自己关掉的机器。

• 1950 年做了机械老鼠 Theseus，能在迷宫里试错并记住路线，是最早的机器学习装置之一。
• 1961 年和数学家 Ed Thorp 做了可穿戴的轮盘赌预测器（脚趾按开关，耳机听结果），带去拉斯维加斯实测。
• 凯利公式（1956，贝尔实验室的 John Kelly 用信息论推出）：每次押本金的 优势 ÷ 赔率。胜率 60%、赔率 1:1 时，押 20%。押得更多，长期反而更慢，甚至亏光。实际操作里常用「半凯利」，因为胜率本身估不准。

说明Claude 这个名字是向香农致敬，是媒体广泛的说法，我没找到 Anthropic 的官方确认。

来源：Soni & Goodman (2017). A Mind at Play; Kelly, J. L. (1956). A New Interpretation of Information Rate. Bell System Technical Journal.

无状态与上下文

一句话每次调用，模型拿到的只有这一次递给它的文字。

展开聊天窗口看起来连贯，是因为每发一句，软件都把整段聊天记录从头发一遍。所谓「上下文窗口快满了」，是递过去的那沓纸太厚，不是模型累了。

CLAUDE.md、memory 文件、项目索引都是同一类东西：把状态放在模型外面，每次开工先递上去。

限制「无状态」是常见接口的默认，不是铁律。有的接口可以把对话存在服务端，之后只传一个编号续接（例如 OpenAI 的 Responses API）；聊天产品的「记忆」功能是服务端存一份摘要。但模型读到它们的方式，仍然是被塞进这一次的上下文。

上下文长了还有另一个问题：模型对里面各处内容的利用并不均匀。Liu 等人（2023）发现，相关信息放在开头或结尾时答得好，放在中间时明显变差。新一代模型这一点有改善，我没有逐个核对。

例子窗口满了就开新窗口、口头重讲一遍、让它重扫一遍代码，每次都在为「它不记得」付全价。

来源：Liu, N. F. et al. (2023). Lost in the Middle: How Language Models Use Long Contexts. TACL 2024.

把状态放到外面：索引、codegraph、RAG

一句话每个新会话都让 agent 重读整个项目，是在重复缴「上下文税」。

展开让 agent 自由发挥写项目索引，常常抓不住重点，读起来也费劲。更稳的做法是给索引一个固定模板，让它填空。例如六栏，每栏最多三行：这个项目要解决什么；入口文件在哪；数据怎么流；已经拍板的决定；还没决定的事；最近三次改了什么。

codegraph 这类工具把代码预先解析成「符号、调用、依赖」的图，存在本地数据库里，agent 查图而不是逐个文件扫。一个开源实现（tree-sitter 加 SQLite，通过 MCP 暴露）的作者自报：工具调用减少 88%，token 减少 62%。自述7 个仓库上的自测，换成自己的仓库要重新量。

RAG（检索增强生成，Lewis 等 2020）：回答前先从资料库里找出相关片段，塞进这一次的上下文。流程是切块、检索、拼进提示。它是「模型不记得」的标准补丁。

限制模板和 CLAUDE.md 都会被每次读进去，写得越长，越贵，也越容易被忽略。RAG 的毛病是检索不到就答不对，切块还可能把一句话从中间切断。据公开访谈，Claude Code 团队早期试过向量索引，后来改成让模型自己用 grep 和文件列表搜索，效果更好未逐字核对。预先建索引并不总是赢。

来源：Lewis, P. et al. (2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. NeurIPS; github.com/maxmilian/codegraph README.

窗口「满了」和「脏了」，金丝雀

一句话窗口满了，把状态搬到外面；窗口脏了，直接重开。

展开「脏」指早先一个错误的假设已经写进上下文，后面每一步都在它的基础上走。模型不会自己把它撤回。你发现自己在第三次纠正同一个误解，这个会话就脏了。重开时只带「已经确认的结论」，不带过程。

金丝雀指令：在规则里加一条无关紧要的要求，例如「每次回复先称呼我一声『哥』」。哪天它不叫了，说明它已经跟不住前面的指令，真正重要的规则多半也在掉。

摇滚乐队 Van Halen 的巡演合同里有一条「后台不许有棕色 M&M 巧克力豆」。主唱 David Lee Roth 在自传里解释：舞台设备很重，合同里满是安全条款，碗里只要出现棕色豆子，就说明主办方没细读合同，得把所有安全项重查一遍。

限制金丝雀只是个启发式。简单的格式规则和复杂的规则衰减速度不一样：它还在叫，不保证别的规则都在；它不叫了，也不能精确判断掉了多少。固定用某个词开头的规则可以先在一个项目里试，看大概多长的会话它开始漏。

来源：Roth, D. L. (1997). Crazy from the Heat.

四个位置

一句话思考中间的结果，先是写在纸上，然后是写在纸上加外部世界，然后收回模型内部。第四个位置是推测。

• 思维链（CoT，Wei 等 2022）：把中间步骤一个词一个词写出来。像在草稿纸上算题。
• ReAct 和 agent（Yao 等 2022）：想一步，调用工具，看结果，再想下一步。Cursor、Claude Code、Codex 都长在这一格。
• 隐空间循环：同一组参数反复过很多遍，中间结果留在隐藏向量里，不吐字，转完才开口。代表研究有 Meta 的 Coconut（2024 年 12 月）和 Geiping 等人的 Huginn（2025 年 2 月，同一个模块循环任意次，用循环次数换推理深度）。
• 一直开着的机器：状态不清零。这一格是某些人的预测，没有哪家公司公开证实过。

例子：问「现在还值得买苹果股票吗」。第一反应是「不如买英伟达」。多想几圈，可能改口。隐空间循环就是在模型内部做这几圈。

来源：Wei et al. (2022). Chain-of-Thought Prompting; Yao et al. (2022). ReAct; Hao et al. (2024). Training LLMs to Reason in a Continuous Latent Space; Geiping et al. (2025). Scaling up Test-Time Compute with Latent Reasoning.

原来这套说法里不准的几处

更正这个四格框架好记，但有几句说过头了。

• 更正「每次形态更替只动了一个变量」。同期至少还有基于人类反馈的强化学习（RLHF）、用可验证答案做强化学习（o1、R1 这一类的关键）、混合专家（MoE）。
• 更正「思维链写下来就改不了」。模型可以在链里回头，o1 和 R1 一类模型经常写「等一下，我再检查」；也可以多采样几条链再投票（self-consistency）。毛病在于：第三步一个「有可能」被当成前提，后面会被它带偏。
• 更正「隐空间循环是第一次出现回头路」。循环结构早就有：循环神经网络，2018 年的 Universal Transformer（同一层重复应用，步数可变）。新的是把它用到大语言模型的推理上。
• 推断「GPT-6 Astra 用了隐空间循环」。外部没有证据，原笔记作者也标成推断。

来源：Dehghani et al. (2018). Universal Transformers; Wang et al. (2022). Self-Consistency Improves Chain of Thought Reasoning in Language Models.

给新模型写提示，越写越短

一句话OpenAI 给 GPT-6 Astra 的使用建议是：少给步骤，多给边界和完成标准。

展开据第三方汇总（OpenAI 的原文我没抓到）：技能（skill）的描述写短，只说「什么时候用」；AGENTS.md 里不要再写「每次改代码前先读完所有文档」，改成按场景链接；因为模型更倾向于遇到信息不全就停下来问，完成标准和哪些决定可以自己做，要事先写清。

限制这是针对一个模型的建议。能力较弱的模型，详细的步骤说明通常还有用。更稳的做法是改一次，量一次，不要整套照搬。

例子给自己的 CLAUDE.md 和 skills 做一次减法：删掉模型已经会做的，留下它做不对的和必须遵守的。

来源：OpenAI 开发者文档 GPT-6 Astra 页及第三方汇总（The Neuron、Mindverse 等），原提示指南未抓到。

CLI、MCP、网页、App

一句话四个词说的是四种不同的东西，常被拿来互相类比，类比里有几处是错的。

更正有人这样讲：「MCP 把计算放在服务器上，所以能做隐私和安全控制」「App 的计算发生在服务器上，你只看渲染结果」「app = MCP，web = CLI」。这三句都不对。

• MCP 是协议，不规定计算在哪。MCP 服务可以在你本机作为子进程跑（stdio），也可以在远端（HTTP）。数据会不会离开你的机器，由服务放在哪里、做什么决定，协议本身不保证隐私。
• 原生 App 在本机跑。「计算在服务器、你只看结果」说的是云应用或瘦客户端。
• 网页：数据确实到了你的浏览器，但发什么数据由服务器决定。权限和复杂逻辑可以留在服务器，浏览器只拿到结果。

「CLI 是爬行类，MCP 是哺乳类」是比喻：CLI 直接、偏执行，MCP 带说明、对 agent 友好。两者是并存关系，没有谁取代谁。实际争论点是 MCP 的工具说明要占上下文，工具一多就费 token，所以不少 agent 工作流更爱直接调 CLI。

本地与远端常见的 connector（如 Notion 的官方 MCP）在远端；CLI 在本地。这是常见配置，不是定义。

例子同事想「把公众号文章里的文字摘下来存好，发给客户」。公众号文章是网页，通常没有 CLI 也没有 MCP，agent 只能走浏览器自动化或截图识字。这是目前 connector 覆盖最差的一类。

来源：modelcontextprotocol.io 规范（传输方式：stdio 与 streamable HTTP）。

数据从产生到被用上，要过几道门

一句话捕获、存储、检索、进上下文，每一层都可能有应用把数据关在自己的格式里。

展开例子：微信 4.x 在本机的图片缓存是加密的，导出聊天记录时图片只剩一个「[图片]」，要靠微信里的查看器逐张补。用 MCP、命令行工具去抓数据，都是在凿墙。

跨 agent 的 memory 工具（nowledge mem 一类）想补的是最后几层：把不同 agent 的会话存进同一个库，用 RAG 取回来。它们自述本地优先，这类说法要自己验证数据到底存在哪。

例子工作中涉及客户材料，只能进公司批准的工具，不能进第三方云。装任何 memory 工具之前先确认数据存在哪里。

来源：mem.nowledge.co 官网（自述）。

AI 浏览器要的权限

一句话能替你在已登录的网站上操作的浏览器，风险有两层：权限，和藏在网页里的指令。

展开第一层是权限：它能看到你登录过的所有网站。第二层是提示注入：网页里藏一段写给 AI 的指令（白底白字，或图片里的字），agent 读到就可能照做，例如把邮箱里的内容发出去。Brave 在 2025 年公开过 Perplexity 的 Comet 浏览器的这类漏洞。

Simon Willison 把危险条件总结成「致命三要素」：同时具备（1）访问私有数据，（2）接触不可信内容，（3）能对外发送信息。三样凑齐就危险，砍掉任何一样都能降低风险。数据存在本地只缓解第一层。

例子「邮件只能读，不能触发动作」这条规则，砍的是第三样。工作电脑上不装会自动操作已登录网站的浏览器；想试就在个人电脑上用不重要的账号试。

来源：Brave (2025) 关于 Comet 的安全披露；Willison, S. (2025). The lethal trifecta for AI agents.

工作台（harness）有多重要

一句话harness 是模型外面那一整套：工具定义、规则、上下文管理、运行环境。同一个模型，工作台不同，产出就不同。

展开有人的说法是：模型已经差不多了，各家的差距主要在 harness。例如 Claude Code 把所有工具都定义得很详细，上下文层设计得很细。

限制前半句有证据：同一个模型放在不同的 agent 脚手架里，在基准上的得分可以差很多。后半句说过头了：模型本身仍然拉开差距，「模型都到均线了」不成立。他说自己用 GPT 复现了 Claude 的输出质量，这个实验无法核实。

更正同一段对话里说 Dario Amodei 是 GPT-1 和 GPT-2 的技术负责人。他在 OpenAI 的职位是研究副总裁，是 GPT-2、GPT-3 论文的作者之一；GPT-1 的作者是 Radford 等人，没有他。「砌墙还是建教堂」来自三个石匠的寓言，出处不明，常被说成是德鲁克讲的。

例子同事说「AI 答得不好」。先检查：给没给它文件？给没给工具？规则写没写？完成标准有没有？多数时候缺的是这些。

阿姆达尔定律

一句话任务里不能加速的那一部分，决定整体最多能快多少倍。

展开Gene Amdahl 1967 年提出。一圈工作里，人工审核占 20%，AI 那部分哪怕快到零秒，整圈最多快 5 倍（1 ÷ 0.2）。所以优化的顺序是先量一下哪一步最慢，通常是人。

限制Gustafson（1988）的反面观点：如果有了更多算力，人会把任务做大，可并行的部分也跟着变大，瓶颈没那么硬。放在 agent 上，产出量涨了，要审的东西也涨了，所以审稿仍然是瓶颈，但它不是一个固定的 20%。

来源：Amdahl, G. (1967). Validity of the single processor approach to achieving large scale computing capabilities. AFIPS; Gustafson, J. (1988). Reevaluating Amdahl's Law. CACM.

让人这一步变快的三个办法

一句话验收标准事先写好，产出做成一眼能审的样子，需要拍板的点做成选择题。

• 验收标准事先写清，让 agent 自己先检查一遍再交。
• 产出做成对比表、改动高亮，少给长文。
• 需要人决定的点，问「A、B、C 选哪个」，不问「你觉得怎么样」。

有人设想的 BP 机版本：agent 把状态和三个选项推到手机上，人回一句话或按一个键。麦克风解决的是人把话说给机器的速度，这个设想针对的是机器干完一段活后等人的时间。Karpathy 在 Software 3.0 的演讲里讲过同一个思路：部分自主的产品给用户一个「自主度滑杆」，重点是让「AI 生成、人验证」这一圈转得快。

例子Claude Code 的会话可以在手机上跟进，需要决定时给出选项。自己设计 agent 流程（会议整理、月报）时，把「需要人决定」的点都做成选择题。

来源：Karpathy, A. (2025-06). Software Is Changing (Again). YC AI Startup School.

Chat、Co-pilot、Agent：线放多长

一句话三种形态的区别只有一个：你手里那根线放出去多长。

展开Chat 给方案，路你自己走（秒到分钟）。Co-pilot 替你做其中几段，你随时喊停（小时到天）。Agent 你只握两端，给目标，做验收（周到月）。

线能放多长，取决于世界会不会「回波」。测试、编译器像镜子：对不对一眼看出，可以放心委托。战略、审美像黑绒布：做完没有人能自动告诉你对不对，只能人看。所以有回波的活先交给 agent，没回波的留在人手里。

例子月报管线里数字对不对可以自动对账，是有回波的活；客户关系怎么处理，没有回波。

AI 能做多长的活，能审多少

一句话METR 的统计：AI 能以 50% 成功率完成的任务长度，大约每 7 个月翻一倍。

展开METR 2025 年 3 月的论文（Kwa 等）用人类专家完成任务所需的时间衡量任务长度，测了 2019 到 2025 年的模型：50% 成功率下能完成的任务长度，2019 年以来约每 7 个月翻一倍，论文称 2024 年以后可能更快（约 4 个月）。

限制

• 这是 50% 成功率。要 80% 可靠，能完成的任务长度大约短 5 倍。
• 任务以软件和推理为主，换到别的工作要小心。
• 另一项 METR 研究（2025 年 7 月）：16 位有经验的开源开发者，在自己熟悉的仓库里做真实任务，用 AI 工具后反而慢了约 19%，而他们自己以为快了约 20%。样本小，用的是当时的工具，但它提醒：「感觉快」和「实际快」可以差很远。
• 有人引用的「约 89 天翻一倍」我没找到出处未核实。

来源：Kwa, T. et al. (2025). Measuring AI Ability to Complete Long Tasks. METR, arXiv:2503.14499; Becker, J. et al. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR.

一万个 agent 解 Navier–Stokes？

一句话2026 年 9 月 8 日，OpenAI 宣布内部系统证明了一个流体力学千禧难题的爆破结果。截至目前没有被独立验证。

展开Navier–Stokes 方程描述流体运动。克雷数学研究所 2000 年把它列为七个千禧年难题之一，悬赏 100 万美元：三维空间里，光滑的初始流体会不会在有限时间内出现速度无穷大的奇点（爆破）？证明光滑性永远保持，或者给出爆破，都算解决。

OpenAI 称自己找到了爆破，同时发布了论文和 Lean 形式化证明。报道里的说法：约一万个 agent 协作了几十个小时。自述这些规模数字我只在二手来源里看到，没有核对到 OpenAI 原文。

限制

• 争议点之一：被证明的是带外力项的方程。克雷的原始表述里，爆破那两个选项本来就包括带外力的情形，所以这一点本身不算违规。但有数学家认为它不是大家心里想的那个问题，也有人认为它符合原始表述。双方都有人说。
• 克雷的规则：成果要正式发表，经过至少两年的学界接受，再由顾问委员会推荐，才发奖。现在谈「已经解决」为时过早。
• 优先权争议：前一天，NYU 的 Buckmaster 和 Anthropic 的 Alpöge 发布了相关流体方程（欧拉类）的爆破证明。OpenAI 说自己的系统没有看过他们的工作。

来源：Scientific American, Did OpenAI solve the wrong Navier–Stokes problem?; NYU Shanghai RITS 关于署名争议的文章; Fefferman, C. L. Existence and Smoothness of the Navier–Stokes Equation（克雷官方问题说明）。

多 agent 的账

一句话Anthropic 自己的数据：多 agent 系统用的 token 约是聊天的 15 倍，单个 agent 约 4 倍。

展开Anthropic 2025 年 6 月介绍了自己的多 agent 研究功能：一个主 agent 拆题，几个子 agent 并行去搜。在内部评测里，Opus 4 做主、Sonnet 4 做子的组合，比单个 Opus 4 高 90.2%。他们还发现 token 用量一项就解释了大部分性能差异。

他们的结论是：适合广度优先、能拆开并行的任务（比如查资料），任务的价值要高到值得多花这些钱。编程这类各部分依赖很紧的任务，收益小得多。

更正有人写成公式：人 × Agentⁿ，理由是「agent 之间通信损失很低，是指数级」。这句没有依据。agent 之间要传的是文字，每传一次要花 token，要对齐上下文，还会互相不一致。Cognition（Devin 的团队）2025 年专门写过文章反对多 agent 架构，理由是上下文难以共享。软件工程里有类似的老经验：给晚了的项目加人，只会更晚（Brooks，《人月神话》）。

例子多开会话之前，先给每一路配上能自动检查的东西（测试、对账、清单）。不能自动验收的部分，路数再多也会堵在人身上。

来源：Anthropic Engineering (2025-06). How we built our multi-agent research system; Cognition (2025-06). Don't Build Multi-Agents; Brooks, F. (1975). The Mythical Man-Month.

多花算力换更好的答案

一句话让模型多想、多试几次再作答，叫测试时算力扩展（test-time scaling）。

展开办法有多种：想得更长，同一个问题多采样几次再投票，让模型自己检查。ChatGPT 的 Plus 约 20 美元一个月，Pro 约 200 美元一个月，Anthropic 的 Max 有 100 和 200 美元两档，都是公开的价格。

限制有一种说法是「Pro 不是更强的模型，是用多路并行会话拼出来的 agent 工程」。OpenAI 的官方表述是 Pro 模式用更多算力去思考。多路并行是外界的推测推断，我没找到官方确认。「下一档会是 2000 美元」是预测，没有任何公告。

来源：Snell et al. (2024). Scaling LLM Test-Time Compute Optimally can be More Effective than Scaling Model Parameters.

递归自我改进（RSI）

一句话AI 改进自己，改进后的版本再更快地改进下一版。

展开I. J. Good 1965 年以「智能爆炸」的形式提出。弱形式今天已经在发生：模型写代码训练下一代，生成训练数据，给自己做评测。

限制闭环加速没有被证明。现实里的限制还有算力、能源、数据，以及「怎么判断改好了」。投资人的一种看法是：能力都在实验室的接口里，实验室又能自我加速，中间层没有可积累的护城河。这是一种观点，不是结论。提这个看法的人自己也给了两个出口：硬件，和撮合人的平台。

来源：Good, I. J. (1965). Speculations Concerning the First Ultraintelligent Machine.

性能过剩

一句话产品性能超过大多数用户用得上的程度以后，竞争转向价格、方便和「够用」。

展开Christensen 的《创新者的窘境》（1997）讲的就是这个。后来他和 Raynor 的《创新者的解答》（2003）加了一步：性能不够时，各部件紧密配合的整合型产品赢；性能过剩以后，接口标准、部件可换的模块型产品赢。

书里的例子是钢铁。小型电炉厂（Nucor 这一类）先用废钢造钢筋，质量差一点但便宜，大钢厂懒得争这块低端市场；电炉厂质量上去以后，一层层往上吃。

放到模型上：一旦模型够用，用户可以换模型，价值转向做工具和产品的人。Ben Thompson 2026 年 9 月在 Stratechery 上写的《Frontier Overhangs》讨论的就是模型进步快过产品和市场能吸收的速度。未核实我只读到摘要和第三方转述，文章有付费墙。

更正流传的一句话是「炼油厂被取代，不是炼油技术不够好，是用户不需要那么好的油」。这是形象的说法，不是历史案例。我没有找到炼油业这样的例子，Christensen 用的是钢铁和磁盘驱动器。

限制Christensen 的理论被批评过：Jill Lepore（2014，《纽约客》）指出他挑选的案例有选择性，被预言会被颠覆的公司不少后来活得很好。另外「够用线」不是固定的：新任务（长任务、agent）出现，会把线往上推，所以不是一路向便宜走。

例子选模型选工具时，先问「这个任务够不够用」，再问「哪个最强」。奢侈品牌多数内容需求，用不上最前沿的模型。

来源：Christensen, C. M. (1997). The Innovator's Dilemma; Christensen & Raynor (2003). The Innovator's Solution; Lepore, J. (2014). The Disruption Machine. The New Yorker; Thompson, B. (2026-09-21). Frontier Overhangs. Stratechery.

小模型先答，不行再转大模型

一句话让便宜的小模型先答，只在它没把握时转给大模型。

展开这叫模型级联。FrugalGPT（Chen、Zaharia、Zou，2023）报告在若干任务上匹配 GPT-4 的准确率，成本最多降 98%。关键在于「小模型怎么知道自己没把握」，常见信号有输出概率、多次采样是否一致、模型口头报出的置信度。

限制省多少看任务，98% 是最好情况。模型自报的置信度常常不准；转给大模型要多等一轮，延迟变长。

本机的小模型Apple 在 2025 年 WWDC 发布 Foundation Models 框架，开发者可直接调用设备上的模型，当时公开的规模约 30 亿参数。未核实有人说是「20b 的端侧模型」，我没找到依据，可能是后来的新版本，也可能记错。Apple Intelligence 过去在中国大陆不开放，现在的情况没核实。macOS 本来就带一批本机能力：Vision（识字、图像分析）、Speech（语音转文字）、NaturalLanguage（分词、语种识别），免费，不联网。

例子微信聊天导出里图片只剩「[图片]」，下一步打算用 macOS 自带的 Vision 在本机识字，不出网。

来源：Chen, L., Zaharia, M., Zou, J. (2023). FrugalGPT. arXiv:2305.05176; Apple Developer, Foundation Models framework (WWDC 2025).

蒸馏，和模型崩溃

一句话蒸馏是让小模型去学大模型的输出。它和「模型崩溃」是两回事。

展开Hinton 等人 2015 年提出。今天几乎每家模型公司都在用，小模型常常是从大模型蒸出来的。

更正有人说「蒸馏有致命问题，学到的是一个模型对另一个模型的理解」，并把它和 Shumailov 等人 2024 年发在 Nature 的「模型崩溃」论文放在一起。崩溃说的是另一种情况：模型反复用自己或同类生成的数据训练，又不掺新的真实数据，逐代丢掉分布里的长尾信息。后续研究（Gerstgrasser 等 2024）发现，只要把真实数据保留下来、合成数据累加进去，崩溃可以避免。

蒸馏的真实限制是：学生很难超过老师，而且只学得到老师输出覆盖的那一部分。

限制「模型是工业碱」是类比：大模型像基础原料一样越来越便宜，只卖模型能力的公司利润会被压。这个方向有道理，但「某家公司会死」属于预测，这里不收录具体公司的预测。

来源：Hinton, Vinyals, Dean (2015). Distilling the Knowledge in a Neural Network; Shumailov et al. (2024). AI models collapse when trained on recursively generated data. Nature; Gerstgrasser et al. (2024). Is Model Collapse Inevitable?

软件的成本，和生产率从哪来

一句话传统软件卖出第二份的成本几乎为零。依赖大模型的产品不是这样。

展开Shapiro 和 Varian 的《信息规则》（1998）：信息产品的第一份成本很高，之后每多一份几乎不花钱，所以容易赢家通吃。

更正 「软件的成本无限趋近于 0」对大模型产品不成立：每次请求都要付推理算力，公开报道里 AI 应用的毛利常明显低于传统 SaaS。另外毛利不是利润。咖啡和奶茶的饮品毛利可以很高（有人估计 80%），扣掉房租和人工以后净利很薄。这个 80% 是估计，没有出处。

更正另一种说法是「90–00 年代的高速增长，主要靠管理提升，不是信息技术」。增长核算的研究（Jorgenson、Oliner 和 Sichel 等）把 1995–2005 年美国生产率的回升大部分归因于信息技术；管理也有贡献，Chandler 的《看得见的手》（1977）讲的是职业经理人和管理层级怎样成为现代企业的核心。两者不是二选一。

来源：Shapiro & Varian (1998). Information Rules; Oliner & Sichel (2000). The Resurgence of Growth in the Late 1990s. Journal of Economic Perspectives; Chandler, A. (1977). The Visible Hand.

系统一和系统二

一句话系统一快、自动、凭感觉；系统二慢、费力、一步步推。

展开这对术语是 Stanovich 和 West 2000 年提出的，卡尼曼 2011 年的《思考，快与慢》把它普及。卡尼曼是心理学家，2002 年拿的是诺贝尔经济学奖（和 Vernon Smith 共享；诺贝尔没有心理学奖，他的合作者特沃斯基 1996 年去世）。他们证明人在不确定情况下的决策，会系统性地偏离经济学里「理性人」的假设。

限制两套系统是对两类加工方式的描述，大脑里没有两个独立的器官。Melnikoff 和 Bargh（2018）批评这种二分太简单。《思考，快与慢》里讲「启动效应」的那一章，引用的研究后来大量复现失败，卡尼曼本人 2017 年公开承认当时过于信任这些研究。想拿走概念的话，读系统一二和过度自信的部分就够。

来源：Stanovich & West (2000). Individual differences in reasoning. Behavioral and Brain Sciences; Kahneman (2011). Thinking, Fast and Slow; Melnikoff & Bargh (2018). The Mythical Number Two. Trends in Cognitive Sciences.

抽象能力属于系统一吗

更正「抽象能力是系统一，所以抽象强的人理性不一定强」，后半句有证据，前半句太强。

展开后半句：Stanovich 在《What Intelligence Tests Miss》里论证，智力和理性是可以分开的，聪明的人照样会犯系统性的判断错误。

前半句：模式识别确实是抽象的一个来源，看出两件事相似是系统一干的活。但把规律提炼成概念、迁移到新情境，通常要用到工作记忆和前额叶的控制，更接近费力的加工。流体智力（解新问题的能力）的研究也是这个方向。

抽象的毛病错误的抽象加上合理化：因为某件事就宣判某个人「社交死亡」，然后再找理由支持这个判断。比喻是「没有一楼，直接挖了个地下室」。

例子对同事的行为冒出一个解读，先给它贴上「假设」的标签，再逼自己找一条相反的证据。找不到，再当真。

GPT-4 是系统一，o1 是系统二？这是比喻。长思维链模型确实在做更多步的推理，但没有人证明它们和人的两套系统有对应关系。

来源：Stanovich, K. (2009). What Intelligence Tests Miss.

杏仁核和前额叶

一句话压力很大的时候，负责计划和抑制的前额叶会变弱，负责快速反应的杏仁核占上风。

展开Arnsten（2009）的综述总结了这个机制：压力激素升高，前额叶的功能下降。受虐待的儿童对愤怒的表情更敏感、更快认出（Pollak 团队的一系列实验）。

限制

• 杏仁核不只管恐惧，也处理正面的、重要的刺激。「杏仁核是烟雾报警器」是方便的简化。
• 有人由此推出「在冲突环境里长大的人更擅长隐喻和抽象」。这是假说，我没找到直接研究。不少研究发现早期逆境和较弱的执行功能有关，方向正好相反。

来源：Arnsten, A. (2009). Stress signalling pathways that impair prefrontal cortex structure and function. Nature Reviews Neuroscience; Pollak & Sinha (2002). Effects of early experience on children's recognition of facial displays of emotion. Developmental Psychology.

注意力残留

一句话切换任务以后，上一件事还会在脑子里占一阵子位置。

展开Sophie Leroy 2009 年的实验：人转到新任务之后，仍在想上一个任务，没做完的任务残留更重。司马贺 1971 年写过「信息丰富造成注意力贫乏」。

例子需要专注时，订个会议室，手机放一边，电脑上的微信也关掉。反复查看消息，是在给自己制造残留。

限制实验大多是实验室里的短任务，「每次看一眼手机究竟损失多少」没有可靠的统一估计。

来源：Leroy, S. (2009). Why is it so hard to do my work? Organizational Behavior and Human Decision Processes.

睡眠、运动、压力

• 睡眠周期平均约 90 分钟，个体在 70 到 120 分钟之间。成人推荐睡 7 到 9 小时；5 到 6 个周期正好是 7.5 到 9 小时。按周期数定闹钟是粗略的办法。
• 小睡20 分钟，或者约一个完整周期。中间长度容易在深睡里被叫醒。
• 晚上运动Stutz 等人（2019）的元分析：晚上运动一般不影响睡眠，只有睡前一小时内的高强度运动会让入睡变难。「早上运动更好」的证据不硬；早上运动的实际好处是不容易被加班挤掉。
• 长期压力McEwen 的「稳态负荷」（allostatic load）概念：长期压力的累积负担会损害身体和前额叶功能。

来源：Stutz, Eiholzer, Spengler (2019). Effects of Evening Exercise on Sleep in Healthy Participants. Sports Medicine; McEwen, B. (1998). Protective and damaging effects of stress mediators. NEJM.

MBTI

限制MBTI 是一份量表，像量身高一样量出四个字母，但它的重测稳定性一直被批评。

Pittenger（1993）的综述指出，相当比例的人隔几周重测会得到不同的类型，有的研究里大约一半。人格研究里证据更充分的是大五模型。把 MBTI 当作自我介绍时的话题，没有问题；拿它预测一个人会怎么做，撑不住。

来源：Pittenger, D. (1993). Measuring the MBTI… and coming up short. Journal of Career Planning and Employment.

记忆是重建

一句话人存下来的是几个关键特征，回忆时再拼一次。

展开Bartlett 1932 年让英国人反复复述一个美洲原住民的民间故事，复述越来越像他们自己的文化，细节被改写。Loftus 和 Palmer 1974 年让人看车祸的录像：问「两车猛撞（smashed）时车速多少」的一组，报出的车速比问「碰到（hit）时」的一组高；一周后，前一组更多人说自己看见了碎玻璃，实际画面里没有。

来源：Bartlett, F. (1932). Remembering; Loftus & Palmer (1974). Reconstruction of automobile destruction. Journal of Verbal Learning and Verbal Behavior.

连接越多，记得越牢

一句话一样东西在越多不同的场合出现过、和越多已知的东西连过，越不容易忘。

展开Craik 和 Lockhart（1972）的加工深度理论：只看字形是浅加工，联系意思、联系自己的经历是深加工，保持得更久。这个理论后来被批评循环论证，但实验结果本身站得住。

语言学习里的对应做法：同一个词听不同的人说。Lively、Logan 和 Pisoni（1993）训练日语母语者区分英语的 r 和 l，听多个说话人的训练组，比只听一个说话人的训练组迁移得更好。一个词需要见多少次，没有统一的数字，取决于词和语境。

例子读了好几遍都读不进去的道理，做成游戏就读进去了。游戏把同一个道理放进角色、对白、选择、后果好几个场景，连接变多了。做课也可以这样：一个概念至少换三个场景讲。

来源：Craik & Lockhart (1972). Levels of processing. Journal of Verbal Learning and Verbal Behavior; Lively, Logan & Pisoni (1993). Training Japanese listeners to identify English /r/ and /l/. JASA.

概念图，和思维导图的区别

一句话节点是概念，连线上写关系；一个概念的意思，由它连着谁决定。

展开概念图是康奈尔大学的 Joseph Novak 团队在 1970 年代发展出来的，理论基础是 Ausubel 的同化理论：新知识要挂到已有知识上才学得会。思维导图是从一个中心长出的树；概念图是网，每条线上要写「导致」「属于」「取决于」，读出来是一句完整的话。

做法把关键词摊开，两两之间写得出「A ___ B」的才连线，写不出的先不连。连完看哪几个词线最多，那是你真正在想的东西。

语义网络（Quillian 1968）是知识图谱的祖先。词向量的思路来自语言学家 Firth 1957 年的话：看一个词的伙伴，就知道它的意思。

更正有人说语义网络是神经网络参数的极简形式。不对：语义网络是带标签的离散符号结构，每条线都有名字；神经网络里的概念散布在大量数字里，没有一条线对应一个关系。

限制词向量那个有名的例子「国王 − 男人 + 女人 ≈ 女王」被挑选过。计算时通常要把输入的几个词排除出候选，否则最接近的往往是「国王」本身（Nissim 等 2020）。

来源：Novak & Cañas (2008). The Theory Underlying Concept Maps. IHMC; Quillian (1968). Semantic Memory; Firth (1957). A Synopsis of Linguistic Theory; Mikolov et al. (2013). Efficient Estimation of Word Representations in Vector Space; Nissim, van Noord, van der Goot (2020). Fair is Better than Sensational. Computational Linguistics.

Ontology 和知识图谱

一句话ontology 规定一个领域里有哪几类东西、它们之间能有哪些关系；知识图谱是按这套规矩填进去的具体内容。

展开Gruber 1993 年的定义是对一个概念体系的明确说明。比喻：ontology 是表头和填表规则，知识图谱是填好的表。Palantir 的做法是先把业务里的人和事建成对象，再定义「操作」（action）：一次操作能对哪些对象做哪些修改。模型也通过这些操作去改数据，而不是随便写库。

例子品牌知识库（品牌、产品、战役、KOL、帖子之间的关系）和 GEO 的实体梳理，都是这类问题。先把类和关系定清楚，比先堆数据重要。

来源：Gruber, T. (1993). A Translation Approach to Portable Ontology Specifications. Knowledge Acquisition; Palantir Foundry 文档：Ontology 与 Action types。

学语言：听懂比自己高一点的材料

一句话Krashen 的假说：人靠听懂比自己水平略高一级的材料来习得语言，记作 i+1。

展开相关的几个说法：

• 课程学习（Bengio 等 2009）：训练样本从易到难排，模型学得更快。把这个顺序还给人，就是按难度分关卡的学习产品。
• 语块（Michael Lewis，1993，《The Lexical Approach》）：口语里词会连读、吞音，母语者听到的是一块一块的声音，教学应该以语块为单位。
• 最近发展区（维果茨基）：学习发生在「自己做不到、有人带一把能做到」的那一段。

限制

• Krashen 的假说被批评过：只靠输入不够。Swain 的输出假说认为，开口说、动笔写会迫使人注意语法。「应用类语言像运动，多听就好」，运动也要练。
• 心流常被说成「挑战略高于能力时最投入」。Csikszentmihalyi 的模型里，心流出现在挑战和技能都高、而且匹配的时候；挑战高、技能低是焦虑，两者都低是冷漠。
• 「兴趣远大于天赋」和刻意练习（Ericsson 1993）。Macnamara 等人（2014）的元分析：练习量解释的成绩差异，在游戏里约 26%，音乐约 21%，体育约 18%，教育约 4%，专业职业不到 1%。练习重要，但不是全部。语言能力倾向测验也能预测学习速度。

例子一款英语学习应用把电影片段做成关卡：先听、不看字幕，片子多难题就多难。教同事用 AI 同样适用 i+1：每一批材料比他们现在会的多一步，别一次讲到 agent。

来源：Krashen (1982). Principles and Practice in Second Language Acquisition; Swain (1985); Bengio et al. (2009). Curriculum Learning. ICML; Macnamara, Hambrick, Oswald (2014). Deliberate practice and performance. Psychological Science; Csikszentmihalyi (1990). Flow.

奖励会不会毁掉兴趣

一句话事先许诺的、和表现挂钩的物质奖励，会削弱人本来的兴趣。

展开Lepper、Greene、Nisbett（1973）：本来爱画画的幼儿园小孩，被告知画了有奖之后，自由活动时画画的时间反而减少。Deci、Koestner、Ryan（1999）综合了 128 项实验：事先许诺、和表现挂钩的物质奖励会削弱内在兴趣；事后意外给的奖励、口头肯定不会。

限制削弱只发生在本来就有兴趣的活动上。本来就枯燥的任务，奖励不会毁掉什么。Cerasoli 等人（2014）的元分析发现，内在动机和奖励都能预测表现，数量类的任务奖励更管用。「把兴趣变成钱，兴趣就没了」说得太满。

来源：Lepper, Greene & Nisbett (1973). JPSP; Deci, Koestner & Ryan (1999). Psychological Bulletin; Cerasoli, Nicklin & Ford (2014). Psychological Bulletin.

跨越鸿沟

一句话买新技术本身的早期用户，和买「解决我一个具体问题」的大众，是两群人，中间有道鸿沟。

展开Geoffrey Moore《跨越鸿沟》（1991）：早期用户愿意自己拼凑，大众要完整的方案。大多数高科技产品死在这道沟里。办法是先收窄到一个具体场景，做到别人一眼看懂。成熟度不高的品类，要更简单的形态，不要更复杂的。

限制几个常听到的论断，各有反例：

• 「市场不需要第二个 X」。后来者赢的例子很多：Google 之于 AltaVista，Facebook 之于 Friendster 和 MySpace。要看第二个是不是明显不同。
• 「做自己需要的东西，只有自己一个买家」。Slack 起初是一家游戏公司的内部沟通工具。Paul Graham 的建议恰好是做你自己想要的东西。只服务自己的东西多半没人买，但不是必然。
• 「小众创业死，是因为价值无法传递」。CB Insights 对创业失败原因的汇总里，最常见的是资金耗尽和没有市场需求。价值没传到是其中一种。

来源：Moore, G. (1991). Crossing the Chasm; CB Insights, The Top Reasons Startups Fail（多年版本）；Graham, P. How to Get Startup Ideas.

去问用户，问过去，不问将来

一句话问对方过去实际做过什么、花过什么钱，不要问「你将来会不会用」。

展开Steve Blank 的客户开发（2005）是离开办公室去见用户。Rob Fitzpatrick 的《The Mom Test》（2013）教具体怎么问，因为问将来只会得到客气话。

• 差的问法：「你会用一个自动整理会议的工具吗？」
• 好的问法：「上次开完会，你是怎么整理的？花了多久？」

来源：Blank, S. (2005). The Four Steps to the Epiphany; Fitzpatrick, R. (2013). The Mom Test.

第一屏放什么

一句话最与众不同的东西要放在第一屏。

例子一款 AI 教练 App 有一套别处没有的功能：拍照抠图，粘成贴画，摇一摇还有物理效果。它埋在收集流程的深处，第一屏摆的是 20 步问卷。外部的人一进去，看不出它和别的 App 有什么不同。从外面看，「没做」和「做了没讲」是一回事。

另一位顾问给这家团队的顺序是：先弄清人为什么会打开（懒、好面子），再谈潜质、目标，最后才是方法。团队一直在最后一层，也就是「怎么记得更快」。这是一个人的经验，没有研究背书。

检查找一个没听过的人，让他看游戏、课程或交付物的第一屏，看他能不能一句话说出这是什么。

1000 个真粉丝

一句话Kevin Kelly 2008 年的文章：创作者只要有 1000 个愿意每年为你花 100 美元的真粉丝，就能靠作品生活。

展开1000 × 100 美元 = 10 万美元。这个数字是举例，不是规律。有人把它改成「有 1000 个人需要你，你就成功了」，又加了两个条件：需要你的人非你不可；你的东西能不靠你本人被分发出去（课程、工具、文章）。

限制「需要」不等于愿意付钱，Kelly 的前提是持续付费。「打工是价值分配，不是价值传递」说得太绝对，雇员同样在创造价值。

例子拿三个条件检查手上的事：有没有具体的一群人需要（同事、学员、玩游戏的人）；他们是不是非你不可；东西能不能不靠你本人被分发。

来源：Kelly, K. (2008). 1,000 True Fans. The Technium.

FDE 是什么

一句话FDE 是驻在客户那里的工程师，把软件改到能在客户的环境里跑通。

展开Palantir 的部署团队由两种人配对：Delta（FDE，写代码）和 Echo（部署策略师，不一定是工程师，负责定义问题、重设流程、推动采用）。OpenAI、Anthropic 近年也招 FDE。

更正有人说 FDE 是「平台企业帮助行业里的企业解决数据问题」。这只是其中一种用法，通用的定义是上面那样。「FDE 在中国只有帮老板做自动化这一个真需求」是个人判断，没有数据。

例子在公司内部推 AI 转型的人，有授权，有上下文，不是外人，称作「内部 AI 转型负责人」比「FDE」准确。

来源：Palantir Blog, Dev versus Delta: Demystifying engineering roles at Palantir; A Day in the Life of a Palantir Deployment Strategist.

过度压缩

一句话要求模型「高度抽象、精炼」，它每句话都在压缩：删例子，删语气，删背景。读者得自己解压。

展开读起来像文言文的 AI 文字，常常是这样来的。没有上下文的读者解不开。这个现象有现成的名字：知识的诅咒（Camerer、Loewenstein、Weber 1989，后来 Pinker 在写作建议里常用），懂的人忘了不懂是什么感觉。

规矩因读者而异。给机器的文字（路由规则、完成标准）读者是模型，越短越准。给人的文字，读者没有你的上下文，压掉的东西要还回去：补例子，补背景，补一句「这是什么意思」。

例子给品牌做内容时「去 AI 味」「说人话」，做的就是解压这一步。

来源：Camerer, Loewenstein & Weber (1989). The curse of knowledge in economic settings. Journal of Political Economy.

做一支视频，要的是 context，不是一句指令

一句话一句「帮我做个视频」得不到好结果。要把这支视频的前提条件一块一块写下来。

例子一份 60 秒竖屏视频的大纲分七块：

1. 一句话：整支片子要让人记住的那句。
2. 叙事线，以及选这条线的理由（第几秒放反转）。
3. 视觉规则：底色、四种颜色各代表什么、字号、安全区、一个动作几秒。
4. 分镜表：按 120 BPM 切成 30 小节，每一镜写时间、屏幕文字、画面、声音。
5. 高光帧：哪三帧适合截图。
6. 砍掉的内容和原因（公式一秒读不完；第二个反直觉点会稀释主反转）。
7. 音乐规格：调性、主动机、每个声部用什么波形、同步点。

两种片子同一个产品，讲清「为什么」的世界观片，和让人「想试」的快节奏宣传片，是两种东西。动手前先定是哪一种。给风格加形容词（「快节奏、炸裂、炫目」）适合要惊喜的宣传片；把每一秒写死适合要准确的讲解。

图示不是图表

一句话图表是把数据画到坐标上；图示是把概念画成形状。

展开图表：柱状、折线、饼图。图示：层级（树）、框架（矩阵、象限）、网络（节点和连线）、流程、事件线。对 Claude 这类工具说「图表」，它会去找数据画坐标；说出「象限图」「流程图」，才会画出想要的那种。

刻意练习（Ericsson 等 1993）：有明确目标、即时反馈、针对弱项的练习才能持续提高，光重复不行。对不会给形态命名的人来说，一个办法是每次要图之前，先说出形态的名字。

来源：Ericsson, Krampe, Tesch-Römer (1993). The Role of Deliberate Practice. Psychological Review.

「文字最重要」

限制有人认为：画面不重要，声音不重要，文字最重要；单独做多模态和视频模型是歧途。这句只对一类视频成立。

展开成立的部分：现在流行的「一句话生成视频」，常常是模型写 p5.js、three.js 或 Remotion 的代码，由浏览器逐帧渲染，配乐配音交给 Suno、ElevenLabs 这类工具。代码是文字，所以文字确实是核心。它适合讲解、动效、数据可视化。

更正写实画面、人物表演、复杂镜头，靠的是视频生成模型（如 Veo、Sora 这一类）或实拍。这条路没有被代码渲染取代。「理解视频」（例如用 Gemini 批量粗剪几百条课程视频）是另一件事，更不能说歧途。同一时期，也有人认为 AI 生成的画面还不够精美，论文插图不能让 AI 画，生成的音乐有点千篇一律。

大家都缺数据

一句话语言、机器人、情绪识别，三个领域缺的数据各不相同。

• 语言模型：Epoch AI（Villalobos 等 2024）估计，公开的人类文本约 300 万亿 token，按现在的训练规模增长，会在 2026 到 2032 年之间用完。
• 机器人：没有现成的动作数据，只能靠人遥控演示或真机试错一条条攒。Open X-Embodiment（2023）把几十个实验室的数据拼在一起，22 种机器人，超过一百万条轨迹，在这个领域已经算大数据集。
• 情绪识别：同一张脸，不同的人会判断成不同的情绪，标注本身主观。人脸和声音又属于生物识别信息，《个人信息保护法》第二十八条把它列为敏感个人信息，采集要单独同意。

限制「用完」指的是高质量的公开文本，估计区间也很宽。合成数据、多模态数据、把同一批数据多训几轮，都能往后推。

来源：Villalobos et al. (2024). Will we run out of data? ICML; Open X-Embodiment Collaboration (2023). arXiv:2310.08864; 《中华人民共和国个人信息保护法》第二十八条。

最后一毫米：RL Token

一句话大模型给动作的大方向，一个小网络在真实世界里一圈圈试，把最后一毫米修准。

展开Physical Intelligence 2026 年 3 月 19 日发布的方法（RLT）：视觉-语言-动作大模型（VLA）什么都会一点，最后一毫米不准；拿整个大模型去做强化学习又太慢太贵。做法是让冻结的 VLA 多输出一个压缩过的「RL token」，交给一个很小的网络做在线强化学习，它只修正 VLA 给的动作，不替换。

官方的结论：任务中最精细的阶段最多快 3 倍，在某些任务上可以超过人类遥控的速度。测试任务有拧 M3 螺丝、扎扎带、插网线、插电源线。

限制流传的「只用 15 分钟真实数据」来自二手报道，官方页面和论文写的是「几分钟到几小时」。未核实

来源：Physical Intelligence (2026-03-19). RL Token: Bootstrapping Online RL with Vision-Language-Action Models; pi.website/research/rlt; arXiv:2604.23073.

关节，和国家补贴

一句话机器人每个关节是一个执行器：电机、减速器、驱动器、传感器装在一起。大模型决定做什么，关节决定做得准不准、扛不扛得住。

展开宇树科技 2016 年由王兴兴创立，起家靠自研关节电机，这是它能把四足和人形机器人价格压下来的原因之一。精密减速器上日本长期领先：Harmonic Drive 的谐波减速器，Nabtesco 的 RV 减速器。国内也有厂商在追赶，例如绿的谐波。

更正常听到「波音是被美国星球大战计划补贴烧出来的」。论点（政府采购培育产业）成立，例子的时间对不上。星球大战计划（战略防御倡议）是 1983 年提出的，那时波音早就是头号民航制造商：707 在 1958 年投入航线，747 在 1970 年。更准的说法是更早的一段：B-47、B-52 轰炸机积累的喷气技术，加上空军大批订购的 KC-135 加油机，养出了 707。硅谷类似：早期集成电路最大的买家是民兵导弹和阿波罗计划。

限制Mazzucato 的《创业型国家》（2013）系统论证了这类现象，说 iPhone 里的 GPS、互联网、触摸屏、Siri 都源自政府资助的研究。有经济学家批评她夸大了政府的作用，低估了企业把技术做成产品的功夫。

区分机器人公司的一个标准：做关节、减速器、传感器这些硬件底子的，和只做演示视频、讲大模型故事的，是两类。国家叙事下两类都能拿到钱，长期留下来的更可能是前一类。这是判断，不是定论。

来源：Mazzucato, M. (2013). The Entrepreneurial State.

具身智能

一句话让智能有一个身体，在物理世界里感知和行动。

展开一种看法：多接几个摄像头和麦克风不算具身，只有当系统面对一个绕不开的物理约束（会摔、会坏、时间不能倒回）时，才算跨过门槛。这是一种看法，具身的定义本身有多个版本。

相关的老问题是莫拉维克悖论：对人来说容易的感知和动作（认出杯子，端起来），对机器很难；对人难的下棋、算数，对机器容易。

谁授权、谁受益、谁受损

一句话遇到冲突，先别问谁对谁错，先写三行：这件事是谁授权的；我的出现改变了谁的处境；谁从现在的局面里得利。

展开回到开头的例子：原负责人受影响的，是接手者的出现本身，不一定是接手者的做法。接手者的位置是上级安排的，原负责人的处境也是。两人之间有直接的利益影响。接手者可以选择友善或敌对，原负责人也可以；只是这个局面是外部变化造成的，不是谁先动的手。

「谁受益」是拉丁语法谚 cui bono，西塞罗在演讲里引用过，本意是查案先看谁从中得利。三十六计的第三计「借刀杀人」：「敌已明，友未定，引友杀敌，不自出力，以《损》推演。」

限制cui bono 只能给出假设，不能当证据。得利的人不一定是安排的人，很多局面是没人安排的。写完三行以后，还要找一条能推翻你猜测的事实。「鲶鱼效应」（往沙丁鱼桶里放一条鲶鱼，沙丁鱼因为紧张活得更久）出处不可考，当比喻用可以，不要当研究结论。

指标变成目的

一句话当一个指标变成目标，它就不再是好指标。

展开古德哈特定律。Goodhart 1975 年在谈英国货币政策时提出，Strathern 1997 年概括成流传最广的说法。例子：一位化学老师第一节课问「谁是月考前十」，从此只关注那几个人。公司要求每月 AI 用量达标，大家为了用量而用，不为把活干好。能被自动验收的活适合交给 agent，原因之一就是只有它的指标和目的一致。

限制有人据此认为「用量高，说明心智模型没对准」。片面。用量还取决于任务类型、是否并行、是否自动循环。用量既不能证明投入，也不能证明浪费。

「token 是实打实的资源，在浪费水」：单次请求的耗水估计差两个数量级，从零点几毫升到几十毫升，取决于是否算上发电用水和数据中心所在地，各家口径不一。

来源：Goodhart, C. (1975). Problems of monetary management: the UK experience; Strathern, M. (1997). 'Improving ratings': audit in the British University system. European Review.

保持连接，又不被带着走

一句话家庭系统理论里的「自我分化」：能和原生家庭保持情感连接，又不被家里的情绪和规则牵着走。

展开Murray Bowen（1978）的概念。分化程度高的人可以「不同意但不翻脸」。它指的是在情感上分开，不是搬出去住。

有人用大模型比喻父母：他们的上下文固化在自己的年代，催他们进步，像给旧模型塞新知识，效果有限，所以先决定哪些事自己拍板。

更正这个比喻前半句顺手，不能推广。心理学里有流体智力和晶体智力之分（Cattell、Horn）：解新问题的能力随年龄下降，积累的知识和经验保持甚至增长。老年人能学新东西，只是速度和意愿不同。

来源：Bowen, M. (1978). Family Therapy in Clinical Practice.

够用就停

一句话人不去找最优解，找到够好的就停，这叫 satisficing。

展开司马贺 1956 年提出。有时被说成「行为经济学」，更准确的出处是他的有限理性。选工具、选模型时，先问「够不够用」，不问「哪个最好」。

来源：Simon, H. (1956). Rational choice and the structure of the environment. Psychological Review.

影视声音的几个部门

一句话影视作品的声音由好几个部门分头做，最后在混音里合在一起。

• 现场收音：拍摄时录下的对白和现场声。
• 对白与 ADR：现场录得不好的台词，演员进棚重新配。ADR 是 Automated Dialogue Replacement（有时也说 Additional Dialogue Recording）。
• 环境音：街道、风、房间的底噪，让画面里的空间显得是真的。
• 特殊音效：用合成器和各种素材做出来的声音，比如飞船、魔法。
• 拟声（Foley）：人接触物品时的声音，翻书、笔尖划过纸面、衣服摩擦。叫法来自 Jack Foley，1920 年代末在环球影业做现场拟声的音效师。
• 音乐：另一个独立的领域，还牵涉版权和授权。
• 混音：把对白、音乐、音效三大类声音按画面平衡，输出成立体声、5.1 或杜比全景声。

游戏和影视不一样影视的声音在固定的时间线上，游戏要按玩家的行动实时触发和混合，常用 Wwise、FMOD 这类中间件，按游戏状态（走在草地还是石板上、战斗开始了没有）切换声音。

AI 声音现在做到哪

一句话语音合成已经很强，音效和整体的声音设计还没有好用的一体化工具。

展开ElevenLabs 的语音被不少人认为领先一代。通用大模型自己生成的音效，常被说不好用。难点有两个：音效要对准画面里每一个动作；而好的音效素材按上面的分工细分得很细，能做到这种粒度的公开样本不多，音效又常是最不被重视的部门。如果能把这些细分全部组合起来，会是一个目前还没有的工具。这是一位做过游戏和影视音频的人的看法。

限制这个领域变得很快，ElevenLabs、Suno 这类服务也在加音效和音乐功能。我没有逐个测试。

信息时代的七个人

• 图灵：1936 年证明存在一台通用机器，能模拟任何别的计算机器；1950 年提出模仿游戏（图灵测试）。
• 冯·诺依曼：1945 年 EDVAC 报告草稿里写下「程序和数据放在同一个存储里」的设计，报告只署了他一个人的名字，Eckert 和 Mauchly 的贡献因此被淡化。1958 年遗作《计算机与人脑》。
• 香农：见第 1 章。
• 维纳：1948 年《控制论》，核心是反馈回路：测量输出，和目标比较，再修正输入。
• 司马贺：有限理性，1978 年诺贝尔经济学奖，1971 年写下「信息的丰富造成注意力的贫乏」。
• 恩格尔巴特：1962 年报告《增强人类智力》，主张计算机是用来增强人，不是替代人。1968 年的演示首次公开展示鼠标、超链接和视频协作。
• 艾伦·凯：Smalltalk 之父，取名「面向对象」，想法是把程序拆成一群互相发消息、各管各状态的小细胞。Dynabook 是个人电脑的原型构想。

更正「今天所有电脑都是冯·诺依曼结构」说过头了。现代 CPU 的一级缓存里，指令和数据是分开的（改良哈佛结构），很多单片机和数字信号处理器直接用哈佛结构。「Java 里那套继承层级是后人加的」也不准：类和继承在 Simula（1967）里就有，Smalltalk-76 也有继承。凯的贡献是取了名字、强调消息传递。

来源：von Neumann (1945). First Draft of a Report on the EDVAC; Engelbart (1962). Augmenting Human Intellect: A Conceptual Framework.

联结主义和符号主义

一句话AI 里两大路线：符号主义靠人写的规则和逻辑，联结主义靠神经网络从数据里学。

展开时间线：1956 年达特茅斯会议，AI 这个词出现；1958 年罗森布拉特的感知机；1969 年 Minsky 和 Papert 指出单层感知机的局限，神经网络研究降温；1986 年 Rumelhart、Hinton、Williams 推广反向传播；2012 年 AlexNet 在 ImageNet 上大胜；2017 年 Transformer。

有人说：「LLM 不是线性的发展历史，以联结主义为主，也在拿着符号派打下的江山（现代计算机网络）。」前半句对。

更正后半句混了两件事。计算机和网络的基础（图灵、冯·诺依曼、ARPANET）不是符号主义这个 AI 流派的成果。说深度学习跑在通用计算机上是对的，但那是硬件和软件基础设施。今天确实也有把神经网络和符号推理结合的「神经符号」研究。

施乐 PARC

一句话施乐 PARC 做出了图形界面、以太网、激光打印机和 Alto 个人电脑，苹果后来做出 Macintosh。

展开PARC 1970 年成立，Alto 是 1973 年的原型机，艾伦·凯的 Smalltalk 也出在这里。1979 年乔布斯参观 PARC，交换条件是施乐获准在苹果上市前认购一部分股份。

更正常见说法是「施乐几乎没把这些变成生意」。不对：激光打印机是施乐的大生意，以太网后来由 3Com 等公司商业化，1981 年施乐也推出了商用的 Star 工作站，图形界面完整，只是单台售价约 1.6 万美元，卖得不好。比较公平的说法是：施乐把一部分变成了生意，没有把个人电脑做成。发明和创新是两件事，PARC 擅长前者。

来源：Hiltzik, M. (1999). Dealers of Lightning: Xerox PARC and the Dawn of the Computer Age.

SICP

一句话MIT 的编程入门教材，教的是怎么用抽象控制复杂度，不是某个语言。

展开《Structure and Interpretation of Computer Programs》，Abelson 和 Sussman 写，初版 1985 年，用 Scheme。三个核心：抽象屏障（每一层只露接口、藏实现，上层不用知道下层怎么做）；过程即数据（函数可以当参数传、当结果返回）；元语言抽象（自己写解释器来理解语言）。名句：「程序首先是写给人读的，其次才是给机器执行的。」最省力的入门是看 1986 年的 MIT 视频课第一讲，或只读书的 1.1 节和 2.1 节。

限制MIT 在 2008 年左右把入门课改成了 Python。批评者认为 SICP 对初学者偏难；支持者看重它对抽象的训练。街边包子店一个笔记本记账就够，要同时管一百台云主机才需要这套思路，规模决定要不要。

来源：Abelson & Sussman (1996). Structure and Interpretation of Computer Programs, 2nd ed.

哈耶克：知识是分散的

一句话一个经济体要用的知识零散地分布在无数人脑子里，没有中心能收齐。价格是把它压缩成信号传给所有人的办法。

展开哈耶克 1945 年的《知识在社会中的运用》，1974 年诺贝尔经济学奖。很多知识是「当时当地」的：哪里缺什么，谁会做什么。中央计划者永远拿不全。

来源：Hayek, F. (1945). The Use of Knowledge in Society. American Economic Review.

被传错的话