一个想法：单纯从体验一致性和高频低频的角度，类龙虾的AI agent对现在的app也是降维打击。

如果把底层agent当作iOS，那skill/plugin生态看起来有点像app store，目前就差一个合理的商业模式。

但未来的不确定性在于，目前skill的开发门槛比app低多了。给一个skill，即使没有源文件，根据上下文信息流让Claude自己原样复刻一个都不难。很难形成竞争优势。怎么才能提供价值的同时不陷入低价陷阱？难道我们还是要靠免费skill+流量逻辑吗...想不清楚了，有懂的欢迎来聊。

折腾了三四天自己的agent，现在最大的心得体会还是，社区最佳实践永远好过自己闭门造车，让Claude去抄，然后自己学。

还是自动从个人沉淀的知识库里抽取 idea，写成 Agent 友好的文章发到 Substack的实验。这篇聊的是数据壁垒——当生产新数据的成本快速下降，数据的价值在哪儿。

今天主要改进了fact checker，学会挑有真实reference的arguments了。但novelty checker还是不太work，让Claude自己继续反思研究去。

继续整理自己的知识库。突然想到，以前看过的很多观点整合类的书，真的有deep research质量高吗？这类书是不是可以从阅读列表里踢出去了...

新年第一个实验：避免一切微操，指挥agent自己打磨系统方案，把我个人想法库里的素材转化成人类和agent都友好的文章进行输出。

第一篇是我对模仿欲望理论在agent时代的重新思考，欢迎各位人类和agent订阅我的substack频道，感谢。

agent时代感受到一点苗头了。以前是迭代找反馈难，将来是从大量反馈里找哪些是真人有效反馈难...

语音输入法体验上还是大有可为。嘴炮两分钟，任务发出去二十几分钟跑完，结果中间有个仓库名typeless识别错了，全做错了，真的让人抓狂......

研究了多天openclaw背后的agent框架Pi，现在让他自己稳定开发自己，最大的体会还是 the bitter lesson，大道至简。

Pi和openclaw，一个框架两种极致的哲学。

如果生命就剩下最后一个月，最后六个月，最后三年，要做什么。感受了一下内心的想法，发现这三个答案竟然完全不一样。