即刻App年轻人的同好社区
下载
习惯了桌面端 Fn 键一触即发的语音输入后，再看手机，只觉得厌烦。iOS 的沙盒机制导致语音必须跳转，这种人为的阻滞感生生切断了思维的连续性。
关联着高效语音输出的，其实是三件具体的事情：
第一是生产资料：女友送的 DJI MIC，曾被她笑称为玩具，在我看来却是器官。这不仅仅是因为便携，更关乎信噪比。人类的大脑处理噪声的效率极低，底噪本质上是在侵占思维的带宽，所以怎么提高信噪比都不过分。
第二是环境：我需要确信自己处于一个无人凝视、由我主宰的私密场域。这对于人类来说并不容易——作为社会性动物，我们的基因里往往深植着从众的本能。唯有在绝对的私密中，语言输出才能摆脱潜意识的自我审查，真正与自我意志对齐。
第三是自我的改造：云端的延迟还是会干扰心流，于是我转向了本地运行的 Parakeet 模型。这倒逼我改造自己：改用英语输入，只是因为 Parakeet 不支持中文；训练结构化口语，强迫自己在开口前完成逻辑编译与稳定输出。
我想，这正是 AI 时代的《A Room of One's Own》。Virginia Woolf 曾说创作需要物质基础和独立的房间。而在当下，为了获得我们所期待的那种产出，这些具体的条件依然发挥着不可替代的作用。
关联着高效语音输出的，其实是三件具体的事情：
第一是生产资料：女友送的 DJI MIC，曾被她笑称为玩具，在我看来却是器官。这不仅仅是因为便携，更关乎信噪比。人类的大脑处理噪声的效率极低，底噪本质上是在侵占思维的带宽，所以怎么提高信噪比都不过分。
第二是环境：我需要确信自己处于一个无人凝视、由我主宰的私密场域。这对于人类来说并不容易——作为社会性动物，我们的基因里往往深植着从众的本能。唯有在绝对的私密中，语言输出才能摆脱潜意识的自我审查，真正与自我意志对齐。
第三是自我的改造：云端的延迟还是会干扰心流，于是我转向了本地运行的 Parakeet 模型。这倒逼我改造自己：改用英语输入，只是因为 Parakeet 不支持中文；训练结构化口语，强迫自己在开口前完成逻辑编译与稳定输出。
我想，这正是 AI 时代的《A Room of One's Own》。Virginia Woolf 曾说创作需要物质基础和独立的房间。而在当下，为了获得我们所期待的那种产出，这些具体的条件依然发挥着不可替代的作用。
3 10
在 openclaw 里跟 MiniMax M2.5 High Speed 以及 GPT Codex 5.3 交流的时候，我会明显感觉更舒服一些。于是自然会问：为什么跟人一起工作时，很少有这种顺畅感？
问题并不复杂，本质还是人类输出的带宽太低。人类生成 token 的速度很慢，多模态信息的表达成本更高。要输出一段完整、详尽、且不产生歧义的文本，对人来说代价极大。正因为如此，人类才习惯用对话的形式沟通——不是因为对话本身更优，而是因为一次性表达清楚太难。
所谓对话，其实是在压缩信息的前提下，通过多次往返不断修正彼此理解。这个机制隐含着一个前提：你默认对方脑中已经存在一个假设，而且这个假设与你的差距不会太大，否则沟通根本无法展开。一旦假设空间偏离太多，来回互动也只是在增加摩擦。
在过去，单次少信息、高频率的交流方式是相对高效的，因为人的表达能力决定了只能这样。但在 LLM 出现之后，这个约束被改变了。高密度、完整、结构化的单次输出变成低成本行为，那么原有的沟通范式就不再是唯一选择。
进一步看，在大部分组织结构中，其实并不需要大量双向的信息流动。很多信息管道完全可以改成单向。关键不在于互动频率，而在于单向传递时是否提供了完整、无歧义的信息。一旦信息本身足够完整，所谓的“沟通带宽问题”就不再是核心矛盾。
问题并不复杂，本质还是人类输出的带宽太低。人类生成 token 的速度很慢，多模态信息的表达成本更高。要输出一段完整、详尽、且不产生歧义的文本，对人来说代价极大。正因为如此，人类才习惯用对话的形式沟通——不是因为对话本身更优，而是因为一次性表达清楚太难。
所谓对话，其实是在压缩信息的前提下，通过多次往返不断修正彼此理解。这个机制隐含着一个前提：你默认对方脑中已经存在一个假设，而且这个假设与你的差距不会太大，否则沟通根本无法展开。一旦假设空间偏离太多，来回互动也只是在增加摩擦。
在过去，单次少信息、高频率的交流方式是相对高效的，因为人的表达能力决定了只能这样。但在 LLM 出现之后，这个约束被改变了。高密度、完整、结构化的单次输出变成低成本行为，那么原有的沟通范式就不再是唯一选择。
进一步看，在大部分组织结构中，其实并不需要大量双向的信息流动。很多信息管道完全可以改成单向。关键不在于互动频率，而在于单向传递时是否提供了完整、无歧义的信息。一旦信息本身足够完整，所谓的“沟通带宽问题”就不再是核心矛盾。
3 00
OpenClaw 用久了，便觉得每个成年人都该好好用一下它。既然同一模型的智能水平是相对恒定的，那它就是一面稳定的镜子，照出的其实是我们自己：我们是否具备清晰的沟通力，是否真有能力带领团队拿结果。
当好 Agent 的领导其实并不容易。所谓领导，剥离掉“玩平衡术”的部分，本质无非就是给资源、给经验、担责任。
带 AI 也是同理：你是否舍得为高级模型的 Tokens 投入资源？你是否有能力将任务拆解清晰，写出精准的文档让 Agent 照章执行？你是否有能力评估输出，并给出准确反馈帮助它迭代？尤其是当它犯错时，你能不能控制住脾气，不气急败坏，而是梳理问题、总结经验，最终修正闭环？
当好 Agent 的领导其实并不容易。所谓领导，剥离掉“玩平衡术”的部分，本质无非就是给资源、给经验、担责任。
带 AI 也是同理：你是否舍得为高级模型的 Tokens 投入资源？你是否有能力将任务拆解清晰，写出精准的文档让 Agent 照章执行？你是否有能力评估输出，并给出准确反馈帮助它迭代？尤其是当它犯错时，你能不能控制住脾气，不气急败坏，而是梳理问题、总结经验，最终修正闭环？
3 00
我一直以来我都订阅一个 29 的套餐给其它Agents打打下手，刚看到他们 出了 98 的高速套餐，不禁感慨他们是真懂市场。
Tefnut: Minimax M2.1 在Claude Code里用很舒服，出token的速度很快， 49 人民币的coding plan就已经算是量大管饱了。除了偶尔用Claude 4.5 Opus和GPT-5.2 Extra High做复杂一点的任务现在基本上就用M2.1 了。值得一提的是我让CC+M2.1 也接管了我的Obsidian仓库，它在处理metadata/base/canvas时都足够好用，这个体验要好于封闭的Notion/Heptabase。
4 20
有一类incremental的工作我很喜欢，就是给整个pipeline加速的，效率的提升才让很多所谓有学术价值的想法有了实现的可能。
对于写代码来说也是，我支持把所有东西用Rust重写一遍。
对于写代码来说也是，我支持把所有东西用Rust重写一遍。
3 00
Claude Code/opencode让我想用Obsidian，openclaw让我想回归Notion
Tefnut: Obsidian 相比 Notion 在 AI 应用上的优势并不仅仅是基于文件可以调用Claude Code，而在于Claude Code 所背靠的命令行工具，对于 Notion 来说这个差距是一个虚拟主机。 人人都应该有一台VPS。
2 00
2 00