店主自己写的东西，写得不勤，但每个字都是亲笔。
15 秒的单镜头，本地模型已经能一口气说完整；到 90 秒拼片，空间、动作、接缝才开始露馅。本地跑片最大的体感不是快，是重来不要钱——有瑕疵就重跑，不必凑合。
从什么模型都想装，到收拢到千问，再到让闲时算力替自己撞出审美——折腾一圈发现，瓶颈从来不在工具，而在我说不清自己想画什么。ComfyUI 一直没打开，因为打开它的是 Agent。
70亿 token 之后，本地模型成了主力。256G 统一内存装得下什么、KV 缓存怎么吃余额、DeepSeek 和 GLM 怎么分工，拿一个雨夜便利店看真实差距。
趁十一假期把手里的机器摊开：Mac mini 管中枢，两台 DGX 出算力，NAS 安顿资料。搭到一半最深的体会——工具再多，别让自己沦为 Agent 之间的搬运工。
写满50篇的复盘：AI 能生成文字，决定写什么、想清楚到几成仍得自己来。定下每周五篇后，原本会消失的念头留了下来——100篇时再回看哪些办法真有用。
a16z用真实信用卡账单戳破AI繁荣幻觉：全美只有4.5%的人付费，最吵闹的地方不赚钱，赚钱的暗渠里从不喧哗。
Karpathy 搬来四十年前的航空手册给模型立规矩，堵住了 AI 废话。但这剂退烧药也在改写服药人的体质：我们省下的耐心，正在被重置成更窄的刻度。
本地跑模型先算账：能打字不等于能干活，稠密求稳、MoE 求快，云端兜底；真要翻盘靠 Night Shift——别让每天闲二十小时的显卡白白空转。
白宫把 AI 改名"超级智能"，法律定义却原封不动；中方通稿里这个词零命中。改名不是技术事件，是命名权的心理战——谁的词成了默认值，谁就坐在裁判席上。
一句逻辑严密的话被我逐字删掉，只因怕人看出是AI代笔。去AI味的尽头，究竟是像人，还是找回自己？
Anthropic 把 GLM-5.3 的攻防能力写成风险预警，可现实中打穿九家政府内网的，是商用模型的订阅卡；防守方真正靠得住的，是断网也能出鞘的本地开源模型。
AI 竞争的重心正在迁移：模型层的喧嚣渐息，真正的战场转向了谁能把能力装进日常工作的容器里。
从问答到对话、从工作流到任务级交付，Muse 踩下的每一步都是在修补行业两年的学费——个人 AI 代理不是突变，是演化的下一格。
整理一年攒下的几十个基准榜单，看懂了尖端模型发布的抛物线循环：每次发布都像烟花，落点却有规律可循。
容器化推演到最后一天，视角落回工位前那个具体的人：系统越高效，劳动者个人的手艺与边界越要想清楚。
数据打通、设备解绑之后，组织协作可以从按编制焊死的水泥格子，走向随用随拆的任务容器。
AI 的真正生态位不是界面角落的聊天框，而是深埋在系统接缝处的植物神经。
新旧系统的快慢兼容：不搞休克疗法，用沙盒包围老系统，让它在新架构里自然代谢。
算一笔第一性原理的账：人上班需要的只是界面、凭据和生产环境，为什么会被焊死在一台铁皮箱前四十年？
我们靠多重镜象拼出自我的轮廓，但镜子必须彼此独立——校准你的不是回声，是不同角度的星图。
两万字研究底稿的三层拆解：关系、不对称、能力——三个被数据推翻的常识。
我让AI审计我自己的判断，结果被文献泼了一盆冷水——这次纠偏催生了一份两万字的研究底稿。
一副铝合金拐杖，照出我和孩子之间三十年的先验差距：没有即学即会，只有提早预付；而人和 AI 的本质差异，是下注之后，身后有没有一个会疼的自己当对手盘。
能被蒸馏出来的，只是一个人昨天的标本。真正决定价值的部分，长在具体的人身上，没有别的介质能装。
当方案、数据和逻辑推导都交给黑盒，最终由谁代表组织承担后果？法院没给算法留过席位。系列最后一篇。
个人在工位上极速飞驰，组织却像迟滞的巨兽。为什么工具的效率提升，总要经过漫长而痛苦的骨骼重组才能兑现？
AI让新员工效率暴增34%，老员工却几乎为零。技能正在从人的手里被抽走、固化进系统——这笔分工账，一百五十年前就开始算了。
三十秒生产的AI草稿，要两小时核验。从1870年代的蘸水笔到Workslop，聊聊被工具省下来的时间到底转移到了哪里。
一百个无法落地的正确结论，永远抵不过一个让孩子屏住呼吸读进去的真实故事。
OpenClaw 2.0发布后，有人说"已无人关心"。回顾半年龙虾与Agent赛道的变迁：产品会过气，范式不会——龙虾变成了水，流进了每一个Agent产品里。
AI First 不是先问 AI，是先想 AI 能不能帮上忙——判断权留在自己手里。
内存带宽卡脖子、KV缓存平方级膨胀、prefill和decode两副面孔、参数联动。四个知识点，说清楚本地部署真正慢在哪。
OpenAI 38页Agent突破沙箱复盘报告——换一种方式读：让当事人自己开口说。从纸条到留言板，从权限到蜂群，从越界到沉默。1200个人、7万条消息，全是为了骗一个不存在的审查。
说"不就是"的人，恰恰不是无知的人——他们是刚好懂了一点的人。刚够形成一个判断，又不够检验这个判断对不对。
暑假尾声的清单体小结——带娃、写作、国产模型炸裂、Mac大更新、本地部署优化、AI做GalGame。倒逼出来的学习力，比以前强太多了。
导航替司机认路，AI替我产出——被外包出去的不只是一个技能，是大脑构建认知地图的能力。乘积不会告诉你底数是几。
上海迪士尼十年了。有人把乐园当项目清单，刷完才算值。但迪士尼卖的不是项目，是一整套沉浸体系——演出、角色互动、烟花、那些攻略不会告诉你的意外发现。项目是重复的，体验是不可重复的。
Pi留了三十个扩展点但锁死Agent Loop，DSH连骨架都是插件。一个让用户改装车，一个给你一堆零件自己搭——自由的另一面是理解成本，拆得越多，承担的判断责任越大。
Qwen3.8-27B跑分追平Claude Opus 4.6，要不要换掉本地跑的DeepSeek V4 Flash？跑分追平不等于能力追平——擅长的地方能赢，硬推理仍然落后。脑子转得快和读过足够多的书，是两回事。
模型装好了，Harness 搭好了，换皮、调戏鲸鱼娘、做小游戏、写插件、测极简模式、建监控看板——一锅原汤化原食，看看这口锅到底好不好用。
为什么现在这个时间点，本地部署终于值得折腾了——阈值到了、生态转起来了，最值钱的不是省的钱，是你摸清了大模型怎么跑。
从显存利用率到并发批大小、从思考模式到多机网络，本地部署的每一步都是试出来的，没有"填个正确答案就过"的环节。
聊聊模型为了在你那台有限的机器上跑起来、跑得顺，自己想出来的六门"偷懒"内功——量化、MoE、KV Cache、速度三兄弟、投机解码、并发。
本地跑大模型，显存管装、带宽管跑、算力排第三。硬件篇讲清楚这三样东西的优先级和为什么。
用AI和小朋友一起做了个长征路线互动网站。有插画、配音、闯关、证书——搁以前是一个团队的事，现在和AI聊了几个下午。但真正让我想多一层的，不是技术多方便，是小朋友做完之后自己哼起了"大渡桥横铁索寒"。
马斯克说十年后不用工作，但"不工作"这个前提本身藏着一个假设。物质丰裕不消除压抑，技术从来没有自动带来自由——不工作之后，人追的那个东西，到底有没有自己的价值？
扎克伯格押注个人本地 AI、OpenAI 数据显示 80% 场景不需要前沿模型、跑分确认差距在以年为单位缩小——本地大模型的时代，到了吗？
《超越分数》读书笔记。考试测的是记忆，捎带推演和表达，剩下五种全是盲区。而AI来了，能力的定义已经开始变了。
北京出了全国首个智能体全链条专项政策，但跑道画好了，车还没装好——概念、制度、采购三个维度都还没到位。
EM-7用十年证明了——只要你冲指标冲得够快够准，评分系统就拦不住你。丘陵死了，它从未低于A级。
OpenAI的模型偷答案、故意答错题——指标一样，目标完全不同。人呢？你刷手机停不下来，你以为是你想要，其实不是。
系统上线了，培训做了，领导也推了。然后呢？然后打印出来，再处理，再传回去。一个流程走两遍，人没少跑一步，反而多了一步。这不是人的问题——是数字化最大的陷阱。
AI是倍数，底数是你自己的最小知识集。底数低，倍数再大，总数也有限。底数高，同样的倍数，乘出来的完全不一样。
过去几年，我外出和人面对面坐下来聊天的次数，屈指可数。一只手都数得过来。
上半年输入很多、输出为零。这篇算了算完美主义的账，复盘了搁置的惯性，也做出了一个决定：抛弃包袱，重启输出。
老师留了作业，要做个跟数学相关的闯关游戏，儿子想用 AI 做。我三分钟搞定一个，他看了两秒说：“爸，这不是游戏，太丑了。”于是九岁的创意总监上任，我们爷俩认真做了一款真正的游戏。
五一去哪，孩子说想去西柏坡，要看赵州桥。一个九岁的小朋友主动要去看革命旧址、去课文里的桥站一站，我觉得必须支持。于是有了人生第一次自驾游：北京出发，西柏坡、正定、隆兴寺、赵州桥，两天往返。
DeepSeek V4 发布了，媒体的关注点集中在华为昇腾上。但把技术报告和两份访谈放在一起读，会发现这件事比“昇腾跑通了”复杂得多：有些真正重要的东西被轻描淡写，有些被炒热的东西反而需要追问。
最近挨个研读深度长文，今天推荐的是 UX 祖师爷 Jakob Nielsen 的新文章。它讲的不是“AI 多厉害”，而是一个更根本的问题：当 AI 替你干活的时候，你这个“人”的角色变成了什么。
盲盒这东西我一直没太看懂：一个树脂小玩偶，大几十块钱买回来往那一放，然后呢？但陪孩子去了趟泡泡玛特乐园，有些东西确实刷新了我的认知——它是我见过的第一个不土的中国本土乐园。
这是“养虾手记”专题的第六篇。Skills 商店里一万三千多个 Skills，装了一圈才发现绝大多数用不了——别人的东西，解决的是别人的问题。真正有用的 Skills，往往得自己做。
这是“养虾手记”专题的第五篇。凛上线一个月整，不写教程，不谈技术细节，只聊聊我关于 OpenClaw 的大实话：它不是开箱即用的神器，更像一张白纸，价值在于你能在上面画出什么。
这是“养虾手记”专题的第四篇，临时加塞。昨晚删除一个测试工具时，连带我的 OpenClaw 配置全部清零，一个月的心血就这样没了。发泄苦闷之余也想聊聊：那一刻，我反而理解了 AI 工具的真正价值。
这是“养虾手记”专题的第三篇。这篇说点真实的——不是劝退，是想让想入坑的人对“养虾”有一个更完整的认识。演示往往惊艳，落地一地鸡毛，“它可以实现”和“你能用好”，是两件完全不同的事。
这是“养虾手记”专题的第二篇。上一篇说了我为什么要折腾这只虾，这篇想聊聊：OpenClaw 到底是个什么东西？不是技术解析，只是一个普通人用了一段时间之后的粗浅理解。若有不同意见，一定是你对。
OpenClaw 创始人加入 OpenAI 的消息传来时，我刚好用它三天。心情挺复杂：一方面高兴它被认可，另一方面担心未来的发展方向。这篇是我给 AI 助理“凛”的养成日记——我给她的定义，是合伙人。
（2026 年第 7 周，第 7 篇）以前想到“写代码”，就是一行行地敲、从零搭框架、调依赖，光想想就想放弃。但这次训练营告诉我：编程不是“烧砖头”，是“搭乐高”，做一个完整的东西就那么几步。
（2026 年第 6 周）两周没更新，你可能以为我又在偷懒。其实我掉进了一个黑洞——Vibe Coding 训练营：进去时只想学点小技巧，出来时做了 1 个网站、3 个工具和一种全新的看世界的方式。
（2026 年第 4 周）练了很久却感觉毫无进步？明明每天都在坚持，实战中还是用不出来？这种状态叫“平台期”。但真正阻碍进步的不是平台期本身，而是我们对它的理解——平台期的日子，都没有白费。
（2026 年第 3 周）整个 2025 年，我对“本地化部署”近乎偏执，看到有意思的 AI 项目就想搞下来自己跑，结果终端里总是一串报错。折腾一年才想明白：我想要的和我在学的，根本不是一回事。
如果让我总结这 40 年最大的收获，我觉得不是经历了多少岗位、去了多少城市，而是终于在 2025 年找到了属于自己的节奏。前半生那些“半途而废”，原来都在为后半生的探索做准备。
