在野卡（bewildcrd ）的 74 刀提现失败

之前因为被迫关停，我当天申请提现，没有成功。

最近上了余额兑换，可以把之前余额兑换 ChatGPT ，但是我没有看到余额，上周联系客服，终于经过四天时间，在今天找回了 74 刀。

由于 1.13 日我已经买了三个月，而余额兑换只有 45 天时间，账号目前还在有效期内，被告知没办法叠加兑换，且暂时不能提现，也就是说在 45 天内我如果不兑换 74 刀，就又没了。

让我意外的是，我几乎踩中了他们每一个节点，然后进了一个死胡同，现在出不来了。

@大华Dahua 好即友

Token 真是个伟大的「发明」，它明确告诉我们：输入和输出都应该有成本。哪怕是一句简单的问候，都应该有消耗。

以前加微信，喜欢说“在吗？”但是在 AI 世界里，它正在变成这个时代最贵的一句话。

以前我从没认真想过，说话到底值不值钱。

发一句“在吗？”，对方不回也没损失；
发一句“帮我看下”，大不了再解释几句。
我们早就习惯了：不想清楚也能开口，表达混乱也有人兜底。😂

但是在 AI 的世界里，每一次表达都是有成本，都是消耗。每打一段字，背后都在消耗算力。你问得越模糊，模型为了搞懂你在说什么，就要跑越多轮推理。你越随意，系统付出的成本就越高。

更讽刺的是：想得越少的人，其实花得越多。

如果只说一句“帮我想想”，看起来省事，其实是把所有思考成本一股脑甩给了对方；再比如不讲背景、不说边界、不提目标，最后只能靠一轮轮补充把问题补全。

在人与人的沟通里，这种成本是隐形的。浪费的是别人的时间、耐心和专注力，但没人给开账单。而 Token 的出现，就能把这张账单打出来了。

看起来比较冷酷，好像世界突然变得只讲效率不讲人情。在 Token 的世界里，“在吗？”真的很贵。
不是因为这句话字数多，而是因为它几乎没有任何信息量，却要求对方为你打开完整的思考流程。

于是我开始意识到：真正节省 Token 的方式，从来不是少说话，而是想清楚再说。

当你能一次性讲明白：你要什么、为什么要、有什么限制、期待什么结果——这不是对系统的讨好，而是对任何接收者的尊重。

Token 并没有发明成本，它只是第一次让“胡说八道”变得明码标价。

前两天和人交流～为什么 AI 泛泛而谈，答案不满意？我说，从我的经验看，有两个方面原因。

1，上下文不完整。
以述职报告为例，这里的上下文至少应该包含：
• 述职的目的是什么？如升职？加薪？加多少？市场多少？
• 参与述职的人是哪些？对目的的影响有多大？平时对接的特点是什么？
• 完整的项目完成情况，工作内容、去的结果等分贝是什么？
• 述职的形式是什么？时长？等

请 AI 根据这些上面的信息帮整理大纲，确认无误后整理成文字稿，再整理成 PPT 或者需要的格式。

2，大模型太差，或者没选对。

用豆包和 Gemini 是有区别，哪怕是 Gemini 用2和3也是有区别的；ChatGPT 亦如此。大模型厂家不一样、模型版本不一样都会影响其结果。

这里延伸开来是需要建立对模型能力边界的认知，推理能力、搜索能力、文本能力、声音音色、画图能力等等。都是利器，看怎么握刀了。

终于，我还是用回了 Inoreader。

21年的时候用 Readwise Reader 替代了 Inoreader，后面因为其体验确实一般，再用 NetNewsWire 替代了 Readwise Reader，在后面就是 folo；在21年之前一直是 Inoreader。

上月甚至还是尝试用 Docker 部署了几个服务，体验下来都很一般，设计上就很不好看，体验就更难了。关键是自部署也费时间，维护成本高。

这两天重新捡起来 Inoreader，还是经典的产品更适合我；对比21年的时候，在设计和交互上有了很大的改观。

昨天发邮件试着申请一个五折优惠码，早上收到回复暂时不行，可用现在的7折优惠活动，算下来400元/年，也能接受。 @千古壹号 让我坚持看下去，哈哈。

Tips：直接访问官网（www.inoreader.com ）打开速度略慢，特别是加载列表和文章内容；后面尝试用 www.innoreader.com 还是有丢丢慢；最后在 @404KIDSSEEGHOSTS 的推荐下，采用「jp.inoreader.com」几乎秒开。（均是🇺🇸节点）

开始享受阅读的乐趣了。

PPT 算不算是一种“AI 摘要”呢？

比如一份十万字的文档用 PPT 来描述，可能不超过 300 字，但因为有可视化的效果，看起来更加清晰，但文档里面的信息相对完整。

再整理微信背后的产品观笔记时发现，如果直接用 notebbooklm 做成 PPT 很多信息都没有了，没有办法完整体现书里的内容，有时候甚至想直接拍照，但是会牺牲可读性。

好在 AI 比较方便，用 nano banana Pro 来帮助实现，PPT 的效果基本上能体现对应节点的信息，可视化效果还原的很形象。

关联帖子：m.okjike.com

跑通了 notebooklm 以后，我又有了一个新的想法，利用 notebooklm 的能力搭建内容处理中台，比如我司是用石墨、confluence 写文档，各部门还不一样，计划利用 notebook、LM 来实现信息处理，最后把处理的结果保存到 conference 或者石墨当中。😂

Claude Code 刚出来的时候我并没有多「喜欢」，主要是「我不熟悉」，特别是对比 Cursor 的操作体验；中间 Claude 推出 MCP 后，我也没用起来，因为我觉得这是给开发者用的服务，而非面向「用户」；

但最近因为 Claude Skills 让我对其大为改观，我甚至开始尝试从零了解 Claude Code。比如在 X 上看到案例是：借助 Skill 实现自动将文件上传到 notebookLM 并自动输出文章，等于将 notebookLM 作为专业的知识库自动化了。
Refer：mcpservers.org

第二个很喜欢的 Skills 是「Superpowers」，它是一个完整开发工作流与技能库，在写代码前先确认项目目标，并分块设计产品及功能，最后再制定可执行的细粒度计划。对于Coding 新手来说，可以极大程度帮助我理清需求，对比之前「一句话的需求描述」更加符合「软件工程」或者「产品研发」流程。
Refer：github.com

MCP 需要开发者提供，而 Skills 是文档，是一个具象描述工作流或需求的文件而已，自己可以手搓，AI 写的我们也能看懂，安装方便，使用方便，甚至自己还能写几个符合自己需求的 skills，可玩性和实用性都大大提高了。

不同的模型有自己独特的能力，没有100%满意的，关键是根据自己需求匹配合适的模型，即了解模型的能力边界。继续学习吧。🤣

用 AI 读书思路是没有问题的。

因为现在书本身就很难读。 AI 又很有意思，可以让读书这件事情变得有意思，所以用 AI 去读书的这个方式甚至更提效，甚至更深刻。但问题点在哪里呢？

问题点在于现在市面上的产品，它大多数都是对信息的总结摘要。它会有一些提炼，而提炼的话就会让这个信息变得不够立体和全面，那我们用 AI 去总结文章或者看书的时候，就好像是在读摘要一样，就会损失作者原来的意思。

如果我们利用多模态的能力，我们可以在读书的时候做信息的延伸，画面的呈现。音频视频，比如说你某个画面，我们可以马上生成对应的图视频。

那这样每个人看的书的内容就立体了，每个人都有自己独特的画面，独特的音视频，让他的感觉是不一样的。这样的读书才有意义，这样会比我们去读小说，读枯燥的古文。都非常的有帮助。

以上来自和好友交流 「AI 读书」话题时，我的观点。

编程即写作，写作是项目，编程亦如此。

最近读到一段关于编程的观点，即“编程应该是一种流畅的表达形式，就像写作一样”。

这让我想起自己最近折腾的一些小东西，无论是为了解决飞书多维表格同步问题去写插件 ，还是为了更好地管理体重去搭建 ChatGPT Project ，本质上，我并不是为了成为一名专业的程序员，而是为了“表达”我的需求，解决我的问题。

1. 语法只是标点，项目才是故事

我们在学习写作时，肯定不会只盯着拼写、语法和标点符号死磕。学会了所有的汉字，不代表能写出一篇好文章；同样的，仅仅学会编程的语法，也不代表你能做出一个好的产品。

写作的核心是讲故事，是交流想法；编程的核心，是逻辑的表达，是价值的创造。

如果你只是为了学习语法而去挑战一个个孤立的算法题，那就像是为了学写作而去背字典，枯燥且很难产生心流。

这也是为什么很多人（包括曾经的我）在入门编程时容易放弃的原因——我们太在意“标点符号”是否正确，而忘记了我们要讲一个什么“故事”。

2. 什么是「项目」？

所谓的“项目（Project）”，是一项独特的、临时性的任务。它有三个关键要素：
- 明确的起止日期： 给自己一个 Deadline。
- 具体目标： 比如“我要做一个能自动抓取新闻的机器人”，而不是“我要学会 Python”。
- 创造价值： 这个东西做出来，得有用，哪怕只对自己有用。

入之前分享，为了解决“把网页变成电子书”这个需求，我和 @大华Dahua 交流并尝试了 Epubkit 插件 。这就是一个典型微行项目。在这个过程中，我们不需要从头学习电子书的编码规范，具体参数怎么用，我只需要知道工具怎么用，流程怎么跑通。

在“做项目”的过程中遇到的问题，才是真正属于你的知识。 这种以项目为本的方法，是达到“流畅表达”的最佳途径。

3. AI 时代的“新”流畅

现在，我们有 Cursor，有 Gemini。它们就像是全知全能的程序员，帮我们修正了所有的“拼写错误”和“语法漏洞”。

这反而让“项目制”思维变得更加重要。当语法的门槛被 AI 抹平后，“想清楚自己要做什么” 以及 “如何用逻辑将需求串联起来” 就成了核心竞争力。

早上看到一篇文章，写到「人人都是产品经理的时代要来了，等大家都能把想法实现出来的时候，大家会深刻体会到一个道理：大部分想法都是不靠谱的。」

我们拥有的数字资产越来越多 ，处理信息的能力也需要升级。即便我们大多数人最终不会成为职业的小说家，但学会写作对沟通至关重要；同理，即便我们不以此为生，学会用代码的逻辑去思考，流畅地与机器对话，通过一个个小项目去构建自己的数字世界，这对每个人来说都是一种从不确定性中获益的能力 。

我能想到是去找一个让你感到痛苦的小问题，把它定义为一个“项目”，然后开始你的“写作”（编程～AI Coding），你会发现，解决实际问题，远比通过考试更有趣。