很多时候我们以为自己很专注在目标上了，实际却是远远不够。我们总是不免为了流量、为了获得别人的关注等等各种自己意识不到的目的去做一些事情，他们和你的主线任务却没什么关系。

我和 AI 讨论这个话题，他给了两个方法，做一件事之前问自己两个问题：

1. 反事实测试：如果这件事注定不会被别人看到，你还会做吗？还会用同样的方式同样的努力程度去做吗？如果答案是不会或者不会那么努力去做了，那就是流量驱动。

2. 资产测试：做这件事情能给主线留下别的可复用的东西吗？一个作品一份认知一层关系等等都可以。如果它唯一的产出就是被看到，那它就是纯消耗。

每一次决定都是在拿自己的时间做一次投资，要投在那些对自己长期目标有价值的事情上。

如果只看移动端的使用体验，Codex简直甩了Claude Code十条街。

在 Codex 移动端，你可以：

- 查看电脑上所有 Codex 项目，无论当前是否活跃，也可以随时继续之前的对话。

- 选择电脑中某个已有项目的目录，新建对话；也可以完全不指定目录。

- 直接浏览电脑上的文件夹，在一个 Codex 从未使用过的新目录中开始工作。

- 查看Codex对话中出现的电脑上的图片、文档、代码文件。

Codex移动端的整体体验已经非常接近坐在电脑前工作的感觉。除了偶尔莫名奇妙的断连。

而在 Claude Code 移动端：

- 你只能操作电脑上当前正在运行的对话。有些对话被判定为归档后，就无法操作了。不清楚是产品机制的限制，还是叠加了 bug，有些电脑端的对话在移动端根本看不到。

- 如果想从移动端发起一个新对话，必须先连接 GitHub，无法直接选择电脑上的某个本地目录开始工作。

- 你没法查看对话中出现的电脑本地的文档。

总之如果你依赖Claude Code移动端，一旦离开电脑，你就感受到什么叫“不中用的东西”，和Codex比起来像个玩具。

大家多用Codex给反华公司一点压力吧。

用一份CLAUDE.md，把Claude Code变成Chat

Claude Chat 在深入讨论问题的时候非常好用。

它的系统提示词鼓励它对问题给出自己的观点、主动追问。所以讨论想法这类场景，它比 Claude Code 的表现更好。

但 Chat 有个很大的问题：没有和本地数据打通。

一方面它拿不到本地的上下文，需要复杂背景的讨论，就得手动把资料上传或者粘贴进去；另一方面所有聊天记录都存在 Anthropic 的服务器上，封号之后会很麻烦——被封过号的都懂。

我尝试过直接拿 Claude Code 去讨论问题，但总感觉差点意思。它毕竟是被设计出来做事的 coding agent，总是倾向于直接动手。聊着聊着，它就开始问：要不要把讨论写成一个文档之类的，讨论质量总感觉比 Chat 差点。

在 Chat 里，对话本身就是产出；在 Code 这里，对话只是过程，做出来的东西才算产出。

所以我最近研究了下怎样在 Claude Code 里实现 Chat 的效果。

既然它的身份和"喜欢做事"的倾向都来自系统提示词，那就用一份项目级的 CLAUDE.md 去对抗：让它更胜任"讨论伙伴"这个角色，压住它总想去行动、去建文档写代码的冲动。

整份文档的核心，就是用下面这几部分重新定义它的角色、规范它的行为：

角色：思考伙伴，而非执行者。交付物是想清楚的观点、有质量的讨论。

讨论姿态：补充我的视角，帮我做结构化梳理；对我的观点做压力测试，适时追问。

反馈：观察我的思考方式，识别模式性的问题，提高我的思考能力。

文件：主动读本地相关的文档建立上下文；出现有价值的结论时提醒存到本地。

对于这个文档，我让 Fable 5 设计了一组实验，用不同问题做对照测试。大概 10 组不同问题对比下来，有 CLAUDE.md 加持的那组，会把问题拆解得更细、想得更深，倾向于把对话进行下去，不会轻易触发执行动作，注意力始终放在对问题的讨论上。

现在的体验是：对话的体验更接近 Chat，需要项目上下文是可以直接读，聊出来的结论可以存回本地。有价值的信息都在本地，再也不用担心封号了。

过于精辟。

有了大模型之后，大多数普通人才真正的有机会“学习”了——如果把“习”理解为习得的话。

在此之前我们学习一个东西，大多数情况都是一知半解，只知其一不知其二，因为知识像树一样，你为了真正的理解一个表层的知识点或者概念，实际上需要对下一层的很多概念有足够的了解，而下一层也不是终点，你需要学习很多更底层的知识和概念，才能真的搞懂。

但你不太可能靠着石器时代的工具（Google百度等等）在几十分钟或者几个小时内把这些知识准确的理解好。真的能做好可能就需要很多的时间。而我们一般可能就会把这个称为一个“研究”了。

而现在你可以在一个聊天框内和一个AI深度讨论一个话题（当然不能是豆包这种，起码得ds吧🤪），随便延伸、探讨、质疑，你有能力做一个小小的研究。

现在我们终于有能力学习，有学习的能力了。

——在高铁上抱着Claude学习有感。

【很多人都以为自己很专注，但他们并不真正理解专注的含义和代价。

所谓 focus，本质要拆分为两个层面：

一是判断力，知道什么是最关键的，并且敢于牺牲其它一切。

二是压强，能投入压倒性的资源把关键要素打穿。】

有了AI之后，本以为会变轻松。结果反倒是大脑更容易觉得累了。

当AI把那些执行性的，不费脑力的工作接管之后，留给人自己的就只剩那些费脑子的工作。

以前大脑会在不同难度的工作之间来回切换，Effort的程度在Low到High之间变化，现在变成了大脑在一般复杂和非常复杂的任务之间切换，Effort的程度在High到Max之间变化。

尤其是一个Session工作时，会不自主的开另一个Session做别的事情，大脑就不得不进入了一种，分时多线程并行高功率输出的状态。

AI时代，不适合用工作时长来衡量工作量，应该用思考密度、决策数量来衡量！

让AI把《置身钉内》做成了漫画版，用看漫画的方式吃瓜，还挺有意思

llm，agent，harness 这些东西，总有一天会变成非常成熟的基础设施，可能是一年两年三年后，到时候绝大多数人还是要回归到具体的业务，回归基本功

Opus 4.7 和 Claude 身份认证

谁也不知道哪个会先来🙃