规则引擎、证据链、不确定性分层和版本闭环，私以为并不是在补偿模型不够聪明，而是在把模型一次性的识别和推理能力，编排成可验证、可追溯、可闭环的业务结果。通用 Harness 解决模型在长链路里不漂移，领域 Harness 解决模型输出在具体业务里怎么被相信、被复核和被使用，这才是我理解的审查产品化底座。

Claude design，在生成的等待期间，鼠标放到它的这个特定显示区域，可以玩打砖块或者贪吃蛇，一个挺好的巧思。

今晚组织了星球线上的第二场交流活动，邀请了两位星球成员来做分享，内容都非常硬核。

第一位是 William的分享思路，相当于是 Palantir Ontology 思路上的一个更激进的变体。同样是本体先行，应用长在本体上，但他进一步把本体压缩成了一套带数学约束的坐标编码，再搭配工具链直接把本体编译成能跑的系统。这背后的核心逻辑，我想主要还是探讨在机器和llm构建企业应用之前，如何增加一层机器可校验的语义层。

另一位铁锤盆友讲的是如何重构咨询报告的交付，分享里有很多具体的例子。比如为了做消防维保检测的系统，甚至专门入职一家公司，去深度蒸馏他们行业最底层的东西。这种很强的主观能动性，通过具体的场景和案例实践来加深对 AI 的理解，再结合行业经验去进行产品化落地，在今天是非常稀缺且值得参考的经验。

后续我还会组织更多进一步的交流，既有偏高校学术背景的，也有基于特定行业或最新工程实践的。在今天这样一个需求和技术都在快速变化的市场阶段，多交流总是会有意想不到的收获。

今天第一次组织星球活动，邀请了4位分别来自广西南宁，石家庄，宁波和成都四个不同城市的企业大模型应用一线从业者，各不相同的视角，既有有软件大厂高管，创业者，还有产品经理和独立开发者，在市场需求快速爆发的阶段，这种交流对我个人来说也是有很多信息增量，也算是开始正儿八经的除了输出内容以外，也做点线上线下的社群服务。

这次参加知乎新知科技大会，最大的感受还是关于「公开表达」本身。真正在一线做事的人大多不写，天天在写的人又往往缺少一线体感。两头兼备的人本来就少，AI时代或许会更稀缺。25年我通过知乎输出了100万字，也收获了大量正反馈和商业转化。相比传统的线下客情经营，公开表达产生的连接应该是十倍百倍级的。接下来要更系统地做视频和播客，坚持做「交付+表达」，交付提供素材和信用，表达带来杠杆和连接。另外这次反复练稿也让我更清楚的意识到，聚光灯下的限时表达，需要更加严格而重复的练习，寻找类似学游泳那样从容的体感。

BTW, 感谢王风老师邀约，阿樂老师辛苦统筹，伴手礼也很赞。

从来没打过这么富裕的仗，梦回大一的时候1块钱在饿了么下了碗大排面的那天中午。

三个月前新搞了个账号，开始集中使用codex，目前已经有100亿token的累计消耗。当然，真正有意义的指标不是烧了多少tokens，而是这些tokens转化成了多少可验证的产出。接下来我会持续记录一些独立项目的ROI，把能说清楚 SOP 的执行类工作尽量交给桌面 Agent。

另外现在越来越觉得，大模型的深度使用不是简单的工具培训，而是靠真实任务、持续投入和反馈闭环烧出来的。组织可以提供方法、预算和流程，但一个人能不能把 AI 变成自己的外部执行系统，很大程度上还是筛选出来的：有没有足够多的问题要解决，有没有能力定义问题、验收结果，并愿意持续为效率买单。真正难的不是个人产能被放大，而是这种被放大的个人产能，如何进一步变成组织能力。

前阵子无意间得知一位星球成员是交大法学院的老师，正好近期在整合同审查agent的相关应用，昨天下午在交大和赵老师的产研以及博士团队，交流了下当前市场观察和工程经验。商业化问题仍然都需要摸着石头过河，但不同视角的碰撞会带来挺多触类旁通的体感。

肝了半个月整一个审查应用，92%的Cache hit rate也经不住造，又另花了40刀买额度。还是得把每个session压在 commit 边界上结束，既能让 92% 的缓存命中率留在窗口内省钱，又能彻底避开 compact 这种重读+重写整段历史的高耗 token代价。

视频课程快要1000个用户了，有一说一，虽然已经录制完已经过去半年，但我现在回看觉得还是非常适合想做企业大模型应用的盆友从入门到进阶的。