最近从 ChatGPT 完全切换到了 Grok Bot，两者的体验差异很微妙，我尝试从「产品原子」的视角来分析下。 先给「产品原子」做个定义：产品原子是用户在这个产品里创建、命名、分享、归档、删除的最小单位。 用这个视角看 Agent，大致可以分成三类： 1. 以对话为原子（session）：主界面像一条按时间倒排的聊天流水，新对话不断把旧的往下推，几周前聊过的事要靠搜索才找得回来。 2. 以项目为原子（project）：主界面像一个文件柜，每个抽屉装着一个项目的资料、说明和一叠对话，先拉开抽屉，再在里面接着聊。 3. 以角色为原子（bot）：主界面像一张组织架构图，每一个是有职责、有记忆的角色，和它相关的事都在同一个会话里接着聊。 产品对「原子」的不同定义，带来体验上的一系列变化，我觉得最值得关注的是「连续性」： 用 ChatGPT 时，从一个对话走到下一个对话，中间唯一不断的是我自己。我就是最大的「记忆池」。 用 Project 时，资料和指令可以写入文档，让渡了一部分记忆出去。 用 Bot 时，连续性沉淀到了一个个 Bot 身上。 （虽然每类产品，都有 Memory 功能，但同样一个词，在不同的「原子」产品中的作用差异还是蛮大的。） 关于以角色为原子的产品，如何「切分」各个 bot 的职责边界，是个很关键的课题，可以参照 Simon 在论文《The Architecture of Complexity》中提出的近可分解性（near-decomposability）：层内交互强，层间交互弱。

读到 1991 年 March 的这篇论文《Exploration and Exploitation in Organizational Learning》，讨论组织中的 EE 问题： 任何组织都面对一个问题：应该如何分配资源？ - Exploitation: 把资源花在改进已有做法上 - Exploration：把资源花在尝试新东西上 论文中的互相学习模型非常有意思： 每人对现实有自己的信念，还有一个「组织代码」（code），可以理解为组织的共识知识库或者集体常识。 个体会向code学习，新人进来之后慢慢被组织同化，这叫社会化。同时，code也向那些知识得比自己多的个体学习，这叫多样化。社会化太快的组织，code还来不及从个体身上学到东西，个体就被同化了，快速社会化杀死了多样性。 在读这篇论文的过程中，不断联想到现在AI与人的关系。 人就像论文中的个体，AI就像是论文中的组织code。 面对一个个「问题」，我们快速滑向了「AI」先思考，我们再「点头」称赞的「快速社会化」境地。 以前身边的一些朋友，认知结构和表达风格十分鲜明，最近在针对一些问题在线讨论时，明显感觉到对方返回的消息是「AI」，对方那个鲜明的「个体」不见了，他被AI同化了。 反观自身，我也陷入了同样的境地。 这种情况，非常不对劲。论文对EE问题的解法是制造「慢」：慢速社会化让个体在被同化之前有时间贡献多样性；人员流动引入新的差异来源；容忍暂时的无知和低效，为长期的改进保留素材。 两个结构的类比，虽有不同（我们不是为了提升AI「Code」而努力），但这种被「同化」的境地，值得警醒。

🔌 招人｜用 AI 解决一个真实问题：在美国给超充站选址 👉 推荐 10 个适合建特斯拉超充站的美国地址，并讲清楚选址逻辑 我们要找擅长用 AI 解决具体问题的人，接触过新能源/充电/电力/商业地产的优先 💰 首月试合作：$1,500/月 + $300 AI Token 补贴 🌐 全程线上 AI 协作 ⏰ 截止：11 月 2 日（周一）前 📮 私信或发送至：dongz@easy2mine.io 👇 详细要求见评论区 #AI# #EV# #Supercharger#

论文： Why is AI-generated language so hard to understand? ----------------------- AI 生成的文本为什么越来越难读？ 研究者提出了一个统一的解释。 人类语言经过长期演化，被优化来成功沟通。这意味着什么？一个人说话时会倾向于缩短依存距离、在关键位置插入信号词、避免罕见搭配，这些习惯降低了听者的理解负担。心理语言学把这种倾向叫做“均匀信息密度”（uniform information density）：说话人把信息分散开，避免在某一点突然堆积太多信息让听者处理不过来。 但现在的前沿模型不再只是模仿人类文本。它们经历了大量后训练，用强化学习去解数学题、写代码、做推理。在这些任务里，一个模型因为答对了会获得奖励，但因为表达清楚不会获得任何额外的奖励。同时上下文窗口有限制，用更少的词说同样的事就能在有限空间里装更多信息。这两个因素合在一起，制造了一种信息密度压力：模型倾向于选择更短更密集的表达方式，即使这意味着偏离人类的语言习惯。 基于这篇论文的研究，可以在 Agents.md 中添加如下要求，尝试提升文本可读性： 1. 句间连接不许省。 两个判断挨着放时，如果第二句不是对第一句的直接延续，中间必须有一句话交代它们的关系。读者不应该需要自己猜两句话之间是转折、因果、还是补充。问题和回答之间同理：问题出现后，至少停一句话再展开回应。 2. 修饰语不超过两层。 一个名词前面的定语不超过两层嵌套。需要三层以上时，先把最内层的概念用一句话说清楚，再往外套。「用户行为数据分析模型优化方案」这类写法禁止出现。 3. 同一段内，抽象概念做主语并搭配动作动词的句子不超过两句。 「这个框架吞噬了…」「这条规则抓住了…」「这个机制驱动了…」——每一句单独看没问题，密集出现时读者的理解负担会累积。第三句起必须换成具体的人、事物或场景做主语。 4. 写完后自检搭配。 逐句检查名词与动词的搭配，问：这个搭配在日常口语里说不说？如果说不出来，换成说得出来的。每个字都认识但连在一起别扭的表述，就是需要换的。

辅导孩子学习诗词 Prompt： --------------------- 你要把一首诗变成一幅只由诗中文字组成的图。字的位置和走向就是画面本身：读者既能看出画面，也能顺着一条路径把整首诗读下来。 第一步，找事实。读诗，写出画面里有哪些东西，以及它们之间的关系：谁在上，谁垂下，谁在动，往哪个方向动。只写诗里有的，不添加。 第二步，定投影。 - 每个东西由诗里指称它、或者描写它的那些字构成。 - 关系换成空间关系：垂下就让字沿弧线往下排，高就让字竖着往上叠，风就让字斜着横穿画面。 - 表示疑问、否定、比喻的字（如"不知""谁""似"）不对应任何东西，放在空白处或两个意象的交界处，用位置显示它们的作用。 第三步，排出来。输出一张图片，元素是文字，呈现这个意向 第四步，对照检查。逐条核对，有一条不满足就改，直到全部满足： 1. 图中所有字都出自原诗。为了让画面饱满，可以重复使用诗里的字。 2. 不看原诗的人能认出这是什么画面。 3. 按阅读路径能把原诗一字不差读下来。 4. 每个意象都由指称它的字构成，不拿别的字凑。 诗：{在这里放诗}

推荐一篇论文： 论文中针对阅读提出了一个非常有意思的取景框架。 我们一直有「六经注我」 vs 「我注六经」的分类，可以理解为「以读者为中心」 vs 「以作者为中心」。 现在有了 AI，会带来什么变化？ 这论文加了一个维度：「AI 替我读」vs「AI 陪我读」。 两者一结合，就出现了四象限。可以把当下的 AI 工具和应用场景放置其中进行分析。 针对「AI 陪我读」这个有意思的话题，又给了三个工具： 第一类是跑鞋型。 跑鞋不改变你跑步的方式，它减少脚和地面之间的摩擦，让你跑同样的路更省力。对应到阅读，就是让你用同样的方式读，但读得更顺。术语弹窗让你不必中断去查词典，高亮系统替你标出哪些段落值得细读、哪些可以略过，自动排版让长文档更容易扫视。你还是在读，读的动作没有变，只是路面变平了。 第二类是哑铃型。 哑铃的作用不是让你省力，恰恰相反，它故意给你加负重，目的是让你变强。对应到阅读，就是在阅读过程中设置有益的阻力。比如读完一段之后要求你用自己的话复述，再往下翻之前先让你预测作者接下来会说什么，或者定期抛出问题检验你是否真的理解了而不只是眼睛扫过去了。这些动作会让阅读变慢，但慢下来的那部分恰好是理解发生的地方。 第三类是滑雪板型。 滑雪板不是让你走路更快，也不是让你腿更有力，它让你做到一件走路根本做不到的事——在雪上滑行。对应到阅读，就是让你和文本之间产生以前不可能的交互方式。把一篇论文的段落拖到二维空间里重新排列，让两篇论文的论证链条并排对照，在阅读痕迹上回溯自己三个月前读同一篇时关注了什么、现在关注了什么。这些不是「读得更快」或「理解得更深」，而是一种全新的阅读动作。 有了这个框架，就像是拥有了一张地图。针对自己的需求，可以在对应的象限中寻找解法。

人与 ai 如何协作？ 人：通过“肯定性”的目标描述（要去哪）和“否定性”的边界限制（绝对不能 xxx），点亮一片“子空间”。 ai：在点亮的子空间中，探索优化到达路径，并自动执行。

「弱结构」：对象身上的规定，少于使用者需要的规定。缺失的部分，由每个使用者自己补上。 「强结构」：对象身上的规定，等于或多于使用者需要的规定。使用者无法再补上任何东西，对象已经替他决定了。 一笔预算叫「创新基金」，产品团队拿它试新功能，市场团队拿它做品牌实验，技术团队拿它搞架构升级。三方对「创新」的理解不同，但这笔钱只要求一件事：跟创新沾边。各方各取所需，互不干涉。这是弱结构。 现在这笔预算加上了使用细则：只能用于经过创新委员会评审的项目，必须提交三页立项书，季度末汇报 ROI，单笔超过五万需要副总裁签字。三个团队拿到的是同一张表格，填出来的东西长得差不多。钱还是那笔钱，但它从一个各方都能往里装自己想法的容器，变成了一条只按评审委员会的标准才能通过的管道。这是强结构。 大公司病不是流程太多。流程是症状。病因是：本该保持弱结构的公共对象，被一步步固定成了强结构。 推动固定的往往不是工作需要，是那人想成为「必经之点」——他在对象上每多加一条规定，别人绕过他的路就少一条。当组织里大量公共对象都被这样固定，信息怎么流动就不再取决于谁需要它，而取决于谁有权放行它。

AI: 鱼的游泳效率部分来自它把自身的运动和水中的漩涡耦合在一起，包括自己尾巴拍出来的漩涡。鱼并不只是在水中前进，鱼和水中的漩涡共同构成了一台游泳机器。 人和语言的关系类似：我们在语言媒介中制造局部扰动——说出一些词、写下一些符号——再利用这些扰动驱动内部思考过程。语言和外部符号是人类思维中最重要的「认知漩涡」。