置顶比较好找罢了

可能是一些一闪而过的灵光

mark一下今天少楠老师鹅厂的分享，很有收获
少楠老师的对话节奏也令人很舒适。

1. 知识管理从“分类存储”转向“上下文生成”
核心观点：过去知识管理关注如何保存、分类、检索；AI 时代更重要的是如何从内容中提取结构、发现维度，并生成新的观察视角和主线。

2. 关于skill的理解：Skill 是人与 AI 协作的接口
核心观点：Skill 不只是工具能力，而是一种协作约定。它定义 AI 如何处理内容、输出结构、遵守边界，并让下一次调用可以延续上下文。

3. 未来知识的来源讨论：未来知识可以直接从 AI 对话中提取，很多重要思考已经发生在和 AI 的对话里。问题不是要不要保存聊天记录，而是如何从对话中提取：观点、决策、偏好、反复出现的问题等

4. 标签不再只是分类，而是自主进化的系统:在 agent.md 里定义标签，意味着标签不是静态目录，而是一套会随着内容增长不断调整的聚合规则。标签的作用从“我手动分类”变成“系统帮我发现维度”。

5. flomo 的记忆机制：flomo 的记忆不是简单保存，而是从用户主动捕捉的内容中提取、聚类、导出。它和 Gemini 那种“该记不该记都记”的方式不同，flomo 更强调：帮助用户主动捕捉值得记的东西。

6. 知识的记忆与学习：记忆的本质是注意力的投射：“记”不是存储，而是注意力落在某个信息上，并把它转化为未来可调用的结构。所以产品设计的核心问题变成：
- 如何制造适度摩擦，让大脑参与消化？
- 如何区分“值得记”和“只是经过”？

7. AI 时代产品经理的关键能力是判断与节奏管理。
AI 执行速度太快，会放大细节、制造噪音，也会消耗人的注意力。因此人的核心能力不是一直执行，而是判断什么值得验证、什么时候该停、探索节奏如何控制。
包含要点：
- AI 一旦开始执行，会立刻展开大量实现细节。
- 人容易被带入具体框架，忘记原始问题。
- 更重要的是判断什么思考值得验证。
- 有些事情暂时不该做，甚至需要约束 AI 不要马上执行。
- AI 工具和范式持续变化，长期追新很耗能。探索应围绕自己的真实问题，而不是追所有变化。

some moments！

美好的梦幻般的海边和可见度极高的万里无云的好天气
日落时分的街道让这个世界都更加生动
谢谢美好的大自然给我充电
🏔️🌊🔋

“一片迷雾中，依赖一些直觉、拍脑袋，依赖模糊的正确。”

为什么大家现在都推skill？

更敏捷？重构了工作流？

skill干掉了saas？那么他的本质原因是什么呢？是哪些saas呢？

比如说 saas 它可以提供存储服务，但是 skill 并不会处理存储本身，那么这部分的工作去了哪里呢？
难道skill重构了工作流？把存储这部分的逻辑也干掉了？

到底是干掉了哪些saas？

（明天找gpt老师聊聊

是否需要做多agent的场景和朋友的讨论记录

多个agent解决的问题：
1.context不够，
2.多个任务并行

假设模型模型足够强，那么依旧需要多agent的场景
1.任务是否可以被拆成多个任务，被并行完成
2.任务是否足够复杂，如果很简单的任务串行也可以完成，那么无需多agent

场景举例：以开发页面为例子，可以一个Agent开发组件A，另一个Agent开发组件B，再一个Agent开发后端

更多畅想
-未来有可能造很多agent 出租我的agent帮你干活，外包agent
-那么agent如何定价？以算力？以人天？（agent天？）

一些最近工作的无力时刻：合作方太菜
有和你讲完具体怎么做的时间，我都可以让ai帮我干完了
但这本不应该是我的活。