agent并非没有技术门槛，agent也绝非调一调harness策略这么简单，我心目中的核心能力应该是：
1. 系统级别理解
2. 业务sense
以上两点都需要技术同学能从infra、base model、harness等多个层次和角度融会贯通地解决实际问题。

这一点和推荐系统很像了。

1. 要看实际交付能力，而非token消耗。软件工程的核心并非管理开发者写尽可能多的代码，而是管理开发者的交付质量，道理都是相通的。ai coding不是关键，ai software engineering才是关键。

2. agent能力的核心壁垒，仍然聚焦在harness的各种工程实践和trick上。实践的共识应该内化成通用普适的基建。

时刻保持学徒心态

在北京的浪漫时刻：全北京共享一朵云

现在是「make ai lab great again」的时代

即刻是个很特别的ugc社区，其更像是一种介于熟人（微信）和纯陌生人（小红书）之间的、半生不熟的、有相同兴趣/目标/使命聚合的、经一度人脉裂变的内容社区，这使得我在熟人面前表达的羞耻感降低了，生人面前表达的欲望提升了。大多数人的表达安全感被设计到了这么一个令人舒服的位置。

即刻的内容分发更偏关注列表，而非传统意义的推荐（精选与算法）。基于这一点考量，产品的内容消费非常依赖将社交网络从稀疏图建设成稠密图。所以，即刻在触发关注上做的很好：推荐关注对象协同意义上的相似对象、显式展示关注对象的关注动态。这两个feature都很好，前者能让我随机游走link到一些不一样的人，后者能让我更容易follow到值得信赖的人。

原来真的没有七道口了

mark

搬回五道口的好处就是可以常回来散步

当你以陪伴价值为目标和chatgpt与claude对话时，会有两种截然不同的感受：
- chatgpt像是模仿人类说话用力过猛，有点恐怖谷，充满了黑话和固定的表达范式
- claude像是在吃夹生的米饭，有些表达、有些词语用得很奇怪，比如「你的难过」会表达成「你的哀悼」

我们在追求llm深度思考、逻辑推理、解数学题等能力上界时，还是需要对齐下人味。