《剑来》里，陈平安遇到眼前一亮的句子，会一笔一画刻在竹简上，时不时拿出来晒晒太阳，翻拣重读。

以陈平安为师，我想记录一下每周在这世上遇到的好句子。

每周读到的好句子，收下来晾一晾 —— 是以有「读」。

心里总有话忍不住想对这个世界讲 —— 是以有「说」。

读

Don’t optimize your life for productivity.

Optimize it for creative energy.

X @MoZarrinsadaf

看到一段话，觉得很有道理，而且我认为这就是“审美”：

一个人的成长上限，很大程度不取决于主观用力程度，而取决于他曾经接触过的最高标准。

长期处在低标准环境里，人会把含糊当正常、把完成当结果、把不复盘当结束；而一旦见过更清晰的表达、更严谨的流程、更稳定的协作方式，认知的参照系就会被重新校准。标准并不是通过说服建立的，而是通过真实样本被替换的。

一旦看见过更高版本，就很难再对低版本保持默认接受。

即刻 @王紫君 Zima

话说快递员就是当代圣诞老人啊。雪橇是电瓶车，驯鹿是导航，烟囱是快递柜。差别在：圣诞老人一年一回，他们可能一天一回。

即刻 @关于莉莉鱼的一切

最近参观了一些 AI 用得很成熟的团队，也研究过一些很优秀的 agent 和工作台。发现照搬过来完全行不通。

原因是违反了 Gall 定律了。

【Gall 定律：一个能正常运行的复杂系统，一定是从一个能正常运行的简单系统演化而来的。从零设计的复杂系统永远无法运行，也无法修补成可运行的状态。】

这很好地解释了为什么“抄最佳实践”经常失效。

我们看到的是别人已经长成的系统，却看不到它是怎么一步步长出来的。

那些流程、规则、Skill、Agent，很多都不是一开始规划好的，而是在业务里先跑一个简单版本，再根据一个个真实问题慢慢加出来的。

所以现在我研究优秀的 AI 团队，不关注他的大而全的工作台。而是：“他最开始解决的那个小问题是什么？下一步为什么会多出这个东西？”

成熟系统可以用来理解方向，但自己的 AI 系统，还是得从一个真正能跑的小系统开始。

复杂是长出来的，不是规划/抄出来的

即刻 @老黄

长大了之后就是不断挣钱然后给成年的自己报兴趣班。

即刻 @西蓝发

把向内的攻击性转化成自省

把向外的攻击性转化为建设

前者确认自己的精神领土

后者延伸它

即刻 @方六

你真的很想要自由，

但你又很容易把自由重新变成一项 KPI.

即刻 @丸籽本丸

人应该害怕捷径。 因为捷径存在， 就要投入精力和心力去寻找、探索捷径。

就不能再安心、平静地走路。

即刻 @puuoo

说

回看 Agent 的发展，基本是一路补短板：

• 缺少当前事实，就加检索和数据接口
• 长任务容易丢信息，就加状态保存和上下文管理
• 工具调用会失败，就加重试、检查和恢复
• 行动可能越权，就加权限隔离和审批
• 结果看着对但不达标，就加测试和验收

这些「支撑技术」决定了模型的原始能力能不能真正落进现实场景。

但它们也带来自己的代价：延迟、维护成本、错误传播、协调开销。

于是形成两股力量：

外围不断加支撑系统来兜底，让结构不断深化、复杂；

模型进步又把其中一部分能力吸收进去，让结构重新变简单。

新技术不要求每个组件都新，「新的组织方式」本身就能带来新能力。

现在听人说话，大脑会自动过滤掉「形容词」和「副词」，只抓「名词」和「动词」。

于是经常发现，一个人讲了半天，观点是「null」。

在家里：一张白纸 + 一支笔 在外面：一个 iPad + 一支 Apple Pencil 在公司：一个白板 + 一支白板笔

它们都是我的思考画布。笔一落下，思路就开始展开；写着画着，新的想法就一个个冒出来。

Agent = Harness(LLM)

Result = Agent(Context)

解释力：压缩过去已见

预测力：泛化将来未见

「增一减二」：每增加一个 x，就同步强制减少两个同类的 x。

x 可以是你的微信好友，可以一个关注账号，可以是一本书，可以是家里添加的新物件，任何事情。

这个原则，可以不断逼近我们内心真实“价值函数”，到底最重要的是什么。

书

本周推荐《集装箱改变世界》。

这是一本「老书」。但在今天的 AI 时代背景下重读，别有一番收获。

金属箱子早就出现了，为什么等了半个多世界才真正改变世界？

类似的问题，电的发明和点亮全世界为什么也隔了那么久？

回到今天，AI 已经这么聪明了，为什么我们的 GDP 报表上还没看到它的比例提升？

过去在等「x」的出现，今天的「x」是什么呢？