一个自称被“机器精灵”和“全知无限智能”永久封禁DMT领域的人，在哭诉自己灵魂太弱、被赶出来，再也进不去了，还担心死后无处可去。整个故事和上一个视频Chase Hughes讲的“被DMT封禁”现象主题高度相关 “机器精灵（Machine Elves）已经永久把我从DMT领域封禁了，我真的不知道我做错了什么。我什么都没说，我什么坏事都没做……” “我只是在玩一些灵性能量物体、迷幻植物和形状，我在和虫人（bug men）互动……” “结果在某个时刻我肯定做错了什么，**全知无限智能（all-seeing infinite intelligence）**直接把我照亮，像灯一样亮起来，对我说：你被永久封禁了，滚出去！” “他们告诉我，我精神上已经破产，我的灵魂很弱，比大多数人都弱……” “我已经试了好几次想回去，我玩DMT很多年了，我是老手了！但我回不去了……” “我一进去就看到黑暗，看到那扇门，我能听到机器精灵，我能感觉到全知智能，然后我就听到**‘滚！滚！’**，然后我就醒了，什么都没发生……” “我甚至没待多久，只待了几秒钟。我以前在量子领域里一待就是几百年，现在最多待两分钟……” “我甚至都没产生任何体验了。我吸了DMT，就被赶出来……” “我需要回去，我们都需要回去。我们不知道那是不是真正的现实，而我们这个世界才是模拟的……” “如果我被封禁了，那我死后要去哪里？如果DMT领域才是我们死后要去的地方，那我现在被困在这个模拟里了怎么办？我没有访问权限了……” “所以求求你们，谁要是再去DMT领域，见到机器精灵或者全知无限智能，帮我问问我到底做错了什么，帮我说说好话……” “虽然我当时在互动那些东西，可能看起来像在偷东西，但我真的没有！我拿那些东西只是为了带回来分析，让我们更好地理解这个灵性维度……”

聚焦在现有工作上用coding Agent去解决，是一条错误道路，人类已经把能吃的红利吃差不多了， 接下来就是无尽的人指令-agent执行-人指令-agent执行的iteration中逐渐迭代工作，很难把人从这种小幅度高强度反复的iteration中解放出来。 因为现有codebase不仅高度复杂，而且人的大部分命令都是高度模糊、 高度开放、高度自由、无法验证的命令， 场景也是高度开放、高度自由、无法在containers中直接测试跑一跑，必须在真实世界中获得反馈才能继续修改工作。 所以我最近半年一直坚持反复告诉大家： 1. 在现有所有大型科技互联网软硬件移动外包平台coding agent的红利很快就吃完，现有人类像唱山歌一样和claude code高强度一问一答的模式，就是短期内的最优解——像full self coding一样大量agent并行完成coding工作，不会带来更多的收益； 2. 在coding agent很快增长和红利消失的大前提下，人类如果想继续把AI Agent和multi agent的红利吃干抹净，必须持续找到有价值的新领域、新方向、新问题： A. 同时满足问题定义简单干净、环境封闭、非常非常易于verify、问题解决方案搜索空间巨大的复杂问题，让goal-driven( 前提是易于verify，必须用很低的成本去verify最终输出是否正确，保持持续验证这个criteria，给予正确的反馈和无限工作循环的核心条件，直到完整完成工作； B. 能够把multi agent的并行度吃干抹净，一次性1000个agent大批量初始化和启动，在一些setup中持续活跃，保持multi agent的可观测性， 除了openclaw时代就臭大街的各种爬虫以外，还有行为经济学、社会学、心理学、教育学、法学等等大规模试验，不由分说充足token，先初始化1000个agent模拟跑几天，观察一些初步结论； C. 就像我半年前说的价值10万刀的策略：把一切人类社会中遇到的所有问题，整理成文档、表格、图片、文字、structured data，让一些富有经验、富有memory的coding agent（就是claude code和codex本人）进行一步步解决， 你始终要明白，现阶段的头部coding agent已经足够复杂、 足够高级、机制足够完善，AI Agent已经经历了4~5轮工业革命，完善到整个industry其他任何生态和框架继续手搓的任何agent都像一个玩具，只要一个claude code/codex一个文件夹+一个docker/kubernete，就是未来一切企业和流程中的general agent； 3. 有一点几乎被所有人忽略，也是我近几个月意识到的问题。 在经典deep learning时代，一些产业对于经典neural network和baysian model有天然的不信任感和敌意，他们会非常激进、偏执地要求一切machine learning的模型尽可能地跟随可解释性、AI伦理、因果推断等等方向。 在AI Agent时代，越是激进使用的人，越是对AI Agent产出的代码、报告、分析、数据、结论产生严重的怀疑， 因此不只是GPT model需要superalignment，LLM Agent本身更需要superalignment，在Agent时代，superalignment的重要性会越来越高， 而且AI Agent产出和workflow的可解释性需求也会越来越高，最最基础浅表的就是各种问答chatbot的来源引用，今后其他越来越复杂的工作，包括coding本身，都会有可解释性的大量问题涌现， 一种方式是尽可能用formal verification或者prover的形式来自动化验证， 一种是用agentical的验证方式，就像人一样去用一个或者多个agent来反复review和challenge一项工作； 4. 还有一点很多人没想到，就是AI Agent会对人施加反过来的影响。 比如office出现后，普通人要求用office三件套来完成工作，office重塑了人类办公的基本流程和规范， 比如出现了google之后的早期，普通人要学会正确输入搜索关键词，把想问的问题拆分成正确的关键词，以获得正确query的结果（后来google反复做了优化，这个技能也逐渐不重要）， 比如social network出现之后，人们学会了全新的交友方式、social network的交友礼仪、聊天方式， 所以在AI Agent时代，人最重要的技能，没有之一，就是如何正确使用AI Agent、挑选正确的模型、使用正确的工具、组建正确的prompt、描述正确的问题、输入充足完备的信息、如何用goal-driven去构建一套dual-agent的简单无休止infinite-loop workflow， 一个不会正确定义问题、不会正确输入足够多的信息、不能让AI Agent在一个边界清晰的闭包问题中正确工作、持续工作的人，天天拿AI Agent当成无所不知的万能神、百宝箱、随机神、超人，除了问弱智问题，就是玩猜猜看、问宏大开放的无异议问题， 这种人大概率会被这个时代逐渐淘汰掉。