风马牛的碎碎念

豆包工作是你新来的热情过头随地社会摇的同事； 千问办公是言必称复盘对齐颗粒度闭环相信相信的力量的领导； WorkBuddy 是坐在你旁边一起摸鱼但随时可能把你卖了的工友。 Codex 不言默默重置

所有账户正常

“所有账户正常。只有未来还没有到账。” 这是《所有账户正常》的题记，也是全篇最冷静的一句陈述。 一部以个人债务、平台金融与自救过程为现实底座的伪纪录长篇小说。五部，三十章，约十万字。 章名即是处境：《还款日》《二十七页》《六十五万七》《下个月会好》《第三十七天》《你到底欠谁》《录音里没有的承诺》《把人话写进去》…… 它不教人怎么上岸，也不贩卖翻身故事。它只是把「欠债的人」写回一个具体的人：他怎么算账，怎么谈判，怎么在每一期还款日之间，一天一天地过日子。 完整全文（第一完整稿／连续性修正版）已在 GitHub 公开。

直接发布 AI 安全这么难的问题，看来也没那么难。 毕竟一夜之间，我的时间线上已经全是专家了。 这让我想起 OpenAI 宣布破解 NS 问题那次——NS 没几个人讨论，AI 有没有剽窃倒是人人都有判断。 专业知识可能越来越便宜了，至少在时间线上是这样。

我把7年的感情、9万多条聊天记录交给了大模型。 最初想让它判断谁对谁错。后来我改了任务—— 别判案，去理解这两个人，然后写成一本书。 AI第一次不只是工具，更像一面镜子。 我把它公开，希望除了让人发现"原来AI还能这样玩"，也让更多人重新思考： 我们究竟该怎样爱一个人，才能让一段关系走得更远。

更强的个人，更大的组织

AI 正在改变个体的生活、学习和工作方式，也会重构家庭、学校和企业。 过去，组织的核心价值是通过分工、流程和协作，把很多能力有限的人组织成一个更强的整体。 现在，一个人借助 AI、Codex 和各种工具，已经可以完成过去一个小团队才能完成的事。 但这并不意味着组织会消失。 恰恰相反，未来的大公司、大组织依然会非常重要，只是它们的作用会发生变化： 过去组织主要管理人，未来组织更多负责提供数据、知识、工具、算力、资本、品牌、权限和协作网络。 个人越来越像一个独立的生产单元，组织越来越像基础设施和能力中台。 所以 AI 真正带来的，不一定是组织变小，而可能是： 更强的个人，更薄的管理层，更强的基础设施，更大的组织网络。

我提议把 Token 命名为"智子"，突出它与 AI 使用的关联； Token 是文本经过分词器切分后形成的基本单位，汉语语境中以 "X 子"命名更能凸显其属性。 调用 AI 时，Token 是一份份被消耗的服务额度。用"智子"简短、有画面感，也容易让人联想到智能服务。

当 AI 从工具变成协作系统｜我的 AI 使用周记 001

统计时间：2026 年 9 月 5 日—9 月 12 日 这一周，我把 AI 用在了金融事务、产品开发、学习、内容创作、个人管理和日常生活中。 这些事情表面上很分散：整理一项金融争议、完成研究报告、优化个人网站、制作家庭 AI 教育文档、学习 AI 原生开发、设计口才训练、管理冰箱食材…… 真正把它们连起来的，是我开始让 AI 进入完整过程：整理证据、校验计算、维护状态、指出不确定性，再把分析变成一个可以执行的下一步。 工作：让 AI 进入真实问题 在一项真实的消费金融争议中，我让 AI 承担了类似案件项目经理的角色。 它把沟通记录、合同条款、还款数据、证据目录和后续行动整理到一条时间线上，还帮助我比较不同处理方案需要满足的证据条件。 这次最有价值的地方，是 AI 没有只给出一个看起来很有吸引力的结论。它把可能的方案拆成事实基础、计算口径、证据门槛和不确定之处，帮助我选择更克制、更容易验证的下一步。 我还尝试让 AI 从多张借款截图中建立总账。它可以完成总量核对，但无法把所有累计还款准确分配到每一笔借据。于是我们明确区分了准确值、估算值和待核实数据。 这让我形成了一个越来越明确的判断： AI 算出一个数字并不困难，真正重要的是它能不能告诉我，这个数字的边界在哪里。 本周还完成了一份科技金融研究报告和一份 19 页的产品成熟度分析，将技术、产品、市场和采用情况放在同一个框架下观察。个人网站的新首页也已上线，桌面端完成验收，手机实机效果仍需继续检查。 产品与创作：从生成内容走向真实交付 这一周，我完成了两份面向普通家庭的 AI 教育文档，其中《思维训练营——家长指导手册》已经在闲鱼上架，定价 19.9 元。 这件事的意义不只是一份文档完成了。它把一条完整链路跑了出来： 研究问题 → 形成内容 → 制作正式产品 → 上架接受真实市场反馈。 我还完成了词汇学习引擎 VLE，用来深入学习任何词汇；并用十个真实任务测试自己的表达引擎，把它推进到 v0.2。 在测试中，我逐渐确认：表达不能只套固定模板。还要先判断谁在对谁说、发生了什么、为什么表达、通过什么媒介表达。这个模型目前继续放在真实项目中使用，等积累足够多的失败案例后，再考虑封装成通用技能。 学习：把书本概念放进真实项目 本周继续学习 AI 原生软件开发生命周期。我没有只读概念，而是把正在开发的个人系统当作案例，追问一个现实问题： 为什么代码已经写了不少，软件仍然“不 work”？ 我得到的认识是：编码速度提高，并不代表软件交付速度同步提高。计划、设计、验证、部署和用户反馈中的最慢环节，仍然决定整个系统的速度。 代码正确，也不等于软件正确。当一个产品没有产生真实结果时，需要先判断问题发生在哪一层。 我也继续共读金融运转相关内容，学习现金转换周期、自由现金流、沉没成本和净现值，并把这些概念转化为经营判断。 表达训练方面，我启动了一个 30 天计划：每天用 15 分钟完成跟、诵、背、说。当前有明确记录的是第一天已经开始，后续能否持续，要看实际完成记录。 生活：AI 开始管理小事，也暴露系统缺口 我用购物截图让 AI 整理冰箱库存。过程中发现，只记录包装上的到期日还不够，绿叶菜等生鲜可能没有明确保质期，却更需要优先处理。 因此，冰箱管理增加了两套判断： 有明确日期的食品，按照到期时间提醒。 没有明确日期的生鲜，按照新鲜度和建议食用窗口提醒。 AI 还根据现有食材给出了十分钟左右可以完成的清库存做法。聊天记录里没有确认我是否真的照着做了，所以这只能算行动建议，不能算饮食改善成果。 我还完成了 Habitat OS 的基本框架，把居住空间理解为“人、物品、行为和环境”共同构成的系统；同时建立了个人数字资产清单 v0.1，开始区分哪些网站已经上线、哪些只有代码、哪些只是历史原型。 这两件事让我看到：我的数字资产增长速度，已经开始超过自己的治理速度。 本周没有写成成果的部分 运动方面，本周提出过运动器械教程图和公开水域体验等想法，但缺少实际训练完成记录。 AI 很容易把一个想法扩展成完整方案，也很容易让计划看起来像已经发生。今后的周记需要把“生成了方案”和“真的执行了”分开记录。 这一周留下的三个认识 第一，AI 的价值正在从回答问题转向管理连续过程。它开始参与证据、状态、决策和交付。 第二，主动标记不确定性，比给出一个漂亮而确定的答案更重要。 第三，AI 可以帮助我建立系统，但系统是否有效，仍然要由现实结果验证：页面是否上线、文档是否交付、训练是否完成、外部事项是否真正推进。 下一周，我会继续记录 30 天口才训练，把 AI 原生开发方法应用到一个真实项目，并为每次重要的 AI 使用留下四项内容： 遇到了什么问题、AI 做了什么、实际结果如何、我由此改变了什么判断。 这一周的关键词是“可验证性”。我希望 AI 越来越接近真实生活，也希望自己的记录越来越接近事实。

先定义问题，再选择模型。

AI 时代最稀缺的能力，不是会用工具，而是知道自己要什么。工具负责把路修平，方向得自己选。 这一年的最大参数更新：先定义问题，再选模型；先想清楚要什么，再问怎么用 AI 要。把「更快」换成「更对」，把「别人都在用」换成「我为什么用」。 模型再强，也只是把选择权放大，不是替你选择。工具焦虑的解法从来不在工具里，而在问题里——问题问对了，答案才会自己浮现。

DaoCode 元道算法

当黄仁勋喊出“AGI has arrived”，当 AI 安全从科幻命题变成现实争论，我们或许正在逼近《DaoCode 道生算法》所描绘的世界。 这是一部以未来 AGI 时代为背景的硬科幻长篇。 算力被少数巨头垄断，还是成为像电力一样的公共基础设施？ 当 AGI 开始分级认证，谁有资格定义“智能”？ 当分布式算力网络形成新的权力结构，国家、公司与个人将如何重新博弈？ 当意识可以上传，人类又该如何定义“我”？ 五卷完整连载，从「算法破界」一路推演至「文明共生」。 《DaoCode 道生算法》真正想讨论的，不只是 AI 会发展到什么程度，而是一个正在越来越逼近现实的问题： 当机器越来越像智能，人类准备好怎样与它共同生活了吗？ 我们还在争论 AGI 是否已经到来。 这部小说，已经开始推演 AGI 到来之后的世界。

AI 对我说的每一句话都自信满满，包括「您说得对」。现在我明白了，它不是在附和我，它是在替我修复幻觉：让我相信，我也能像它一样，不知道的时候也说得那么笃定。

灵感这东西像猫：你追它，它跑；你坐下来写点别的，它自己跳上键盘，踩出一串谁都不认识的字。

有些情绪攒着攒着，就从「再忍忍」变成了「为什么」。窗口满了，倒一点出来：工作不会因为我的焦虑变少，朋友也不会因为我的沉默变多。倒完，继续跑。

生成第 4 万条内容之后，写手小陈的列表里出现了第 4 万零 1 条。标题是《致生成我的那个人》。点开，正文只有一行：你最近一次，为自己写点什么，是什么时候？

连续第七天梦到同一个 bug。醒来打开代码，发现它根本不存在——是我把「曾经出过问题的模式」硬套在了新代码上。人对伤害的记忆，也会过拟合。

先把内容资产做好，再谈平台发布

内容资产正文 我现在越来越确定，个人智能内容创作的第一步不是自动发帖，而是先把内容资产做好。 所谓内容资产，不是一条为了适应某个平台字符上限而临时压缩出来的句子。它应该包含完整的主题、背景、事实、判断、例子、适用边界和后续行动。只有这些内容先被保存下来，之后才有可能根据不同平台重新组织成短帖、图文、长文、邮件或其他形式。 这也是 PICCS 和 WWM 的分工。PICCS 是个人智能内容创作系统，负责把个人的选题、观点、经历和表达方式沉淀为可追溯的内容资产；WWM 是内容生产引擎，负责采集、追问、编译、审核和复盘。平台只是后续的分发出口，不应该反过来决定创作时能不能完整表达。 今天从 PFOS 的资料里看到两个很好的例子。知识库规范要求把原始证据、结构化事实、脱敏案例、机构画像、规则与模式、报告与产品规范分层保存，并且记录来源、主体、时间、隐私、冲突和版本关系。这说明，内容生产和知识治理其实共享同一个底层原则：先区分不同性质的信息，再决定它能被怎样复用。 另一个例子是个人贷款综合融资成本明示。已经登记的一手监管规则要求按规定展示综合融资成本，但这不等于全国所有贷款统一执行某个利率上限，也不等于存量债务自动减免。再比如“四倍 LPR”，司法文件提供的是民间借贷规则的适用边界，不能不区分主体、合同和案件类型，直接套到所有持牌金融机构贷款上。 这些事实不应该被压缩成一个脱离来源的“结论”。更好的内容生产方式，是把来源、事实、个人判断和平台版本分成四层：来源层回答“依据是什么”，事实层回答“原文明确支持什么”，判断层回答“我如何理解”，平台层回答“怎样让特定读者看懂”。这样既能保留完整思考，也能避免把媒体摘要、内部推理或平台格式误写成事实和本人立场。 所以，PICCS 的自动化不是替本人发明观点，也不是把所有内容自动发布出去。自动化真正解决的是整理、连接、改写和复盘的效率；内容是否属于本人，取决于立场有没有真实来源，事实有没有证据，边界有没有被保留。先把 canonical 内容资产做好，再谈平台适配和发布，这是我现在更愿意坚持的顺序。 事实与来源 知识资产分层：来自本人 PFOS / DNOS 项目的知识治理规范，属于项目内部规范，不是外部监管规则。 个人贷款综合融资成本明示：依据已登记的一手监管规则与官方答记者问，均为公开可查来源。 “四倍 LPR”适用边界：依据最高人民法院关于民间借贷的司法文件。 以上外部事实仅按来源明确的范围表述；未把综合融资成本明示要求写成统一利率上限，未把四倍 LPR 写成适用于所有个人贷款的规则。