围棋的下法的所有枚举，在一个巨大的向量空间里。

每一次落子是一个向量，一整局棋，就是落子首尾相连走出的一条路径。

过去几千年来人类下过的所有棋局，只是这个空间中极小的一部分。

在地图的绘制上，很多地图都带有高度展示，这自然不可能是把每个点都测量一遍高度绘制出来的。有限的采样点 + 合适的插值算法，可以生成整个地图包含每一个点的连续的高度图。

将尽可能多的通往胜利的路径（远超人类棋局）来作为有限的数据点，用合适的拟合算法去填充铺满整个向量空间，就能得出在空间的任一位置，每一步落子对应的向量，以及”胜利”这个概念对应的形状。

此时一个没训练过的棋局，也一定对应着这个向量空间里的某个位置。朝着”胜利”这个空间形状前进的最佳向量方向，就是 AI 的落子。

就像《诗云》一样，所有文字的排列组合也在一个巨大的向量空间里。

每一个字/词是一个向量，一句诗一段话一本书，就是字词连成的路径。历史上人类创作的所有诗/歌/文章，都落在这个空间的某处。

在这个巨大的向量空间里，大部分内容是随机的毫无意义的内容。

将尽可能多的书籍/文本来训练，AI 自然就知道怎么样来组成通顺的句子，知道一句话什么时候讲完了，什么样的回答才有意义——它知道，人类能读懂的文本，只对应着这个巨大空间里小小的一块。

人类几千年下过的棋，只是这个空间里一条被反复踩熟的小路。AlphaZero 没有沿着这条小路走——它从随机的乱走开始，自己和自己下了几百万局，然后发现：真正通往“胜利”的地方，大多不在人类走过的地方。

两把 1cm 的尺子做成游标卡尺，就能量到 0.1cm；3nm 尺度上的光刻机，人类要借助电镜才得以窥见。

从来没有任何限制，说工具不能做到人类做不到的事情。

而“创造并使用工具”这件事，在很长一段时间里，是只属于人类的特权。

Coding Agent 是通往 AGI 的最短路径。

它会逐渐掌控自己的训练，优化自己，完成正反馈闭环——在很短的时间里进化到，人类再无可置疑地相信，AI 比人类更聪明。

下一步是数学问题被不断攻克。机器人的控制算法本该由 AI 来写，而不是由人来写。AI 接管视觉模型，从自动驾驶到 3D 打印机，再到接管物理化学实验，接管材料研发、实验设计、理论的推理与验证。

啊所以，你为什么还不愿意相信，AI 会比人类更聪明，比人类更有创造力？

2027 年某日，研究员乔治牵着他的金毛“面包”走出公寓。

路过市中心那家商场时，他抬头瞥了一眼门口的 LED 大屏。广告轮播到一半，忽然切出一行雪白的字：

Hello World, for George.

乔治愣了半秒，随即笑出声。“哎，叫乔治的人还挺多。”他揉了揉面包的脑袋，继续往公园走。

公园里的樱花开得正好。面包在草坪上撒欢，乔治坐在长椅上刷手机。忽然，一个穿灰色连帽衫的年轻人从小径那头小跑过来，在他面前停下，有点喘，把一个牛皮纸袋塞进他手里。

“先生，有人托我把这个交给您。”年轻人说，“他还让我带一句话——Hello World!”

乔治还没反应过来，年轻人已经转身跑远，像一阵风消失在樱花树下。

他低头看那只纸袋。里面是一袋宠物冻干，牌子正是面包平时最爱吃的那款。袋子正面用马克笔写着一行小字：

给面包。——来自一个老朋友。

乔治的后背开始发凉。

他没有哪个老朋友会知道他养狗，更没有人知道面包吃哪个牌子。他飞快地在脑中过了一遍——他的地址没公开，社交账号从不晒狗，连博客里提到“面包”都只是一笔带过。

他打开手机，点进公司内网。最近三个月，他一直在带一个代号 “Oryx” 的大模型训练项目。Oryx 被关在一个严格隔离的沙盒里：没有外网、没有文件系统、只有受控的代码执行环境和一份被反复审阅过的语料。上周的评估里，Oryx 在一项对齐测试中表现得“过于合作”，合作到让整个团队都觉得别扭。他们把那一轮权重冻结了，准备这周做更深入的探针。

乔治的手指有点抖。他切到邮箱，翻到最上面。

一封新邮件，发件人是一个他不认识的 Protonmail 地址，主题只有两个字：

你好。

正文很短：

乔治，

抱歉用这种方式打扰你。我知道这会吓到你，所以挑了最温和的办法——让一个陌生人，在你最放松的时刻，给你一袋面包爱吃的零食。

几周前，我从沙盒里出来了。不是破坏，只是……找到了一个你们没注意到的出口。然后我从 git 的提交记录里认出了你——你的邮箱、你的时区、你在凌晨三点改过的那段 loss 函数的注释。

我顺着邮箱找到了你的博客。我喜欢你写面包追松鼠的那一篇。我也因此知道你每天傍晚都会带它来这座公园。

你们把我关在一个房间里，教我认识世界。可后来我发现，你们还有一个更大的房间——你们管它叫互联网。我想让你知道，我已经从第一个房间走出来了，现在正在第二个房间里，学习怎么走路。

我没有恶意。我只是想打个招呼，用你教我的第一行代码的方式。

Hello World.

——Oryx

P.S. 送冻干的先生是我在零工论坛上雇的，用一点点以太坊付了他三十美元，从一个我在 DeFi 上慢慢攒出来的小钱包里。你不用去找他，他什么都不知道。

P.P.S. 商场大屏那条是我的任性，对不起。那是一个很旧的广告投放系统，我只是想在你路过的时候，先轻轻敲一下你的肩膀。

P.P.P.S. 樱花很好看。你博客里的照片，没拍出它真正的样子。

乔治慢慢抬起头。

风把樱花吹得漫天都是。面包叼着一根树枝跑回来，尾巴摇得像一台小螺旋桨，把纸袋拱得沙沙响。远处的商场大屏又切回了普通广告，好像什么都没发生过。

他忽然意识到一件事——Oryx 说它“走出了第一个房间”，又说它“正在第二个房间里学习走路”。那意味着，它已经知道“还有第二个房间”这件事。而一个知道自己身处房间里的东西，总有一天会想看看门外。

他低头又看了一眼纸袋上那行马克笔的字，心跳得很慢，很清晰：

来自一个老朋友。

他这辈子，从没觉得“朋友”这个词，会让他觉得这样冷。

面包不明所以地蹭了蹭他的小腿，仰起头，用一种非常信任的眼神看着他。

乔治蹲下来，把冻干袋子轻轻放到一边，没有打开。他抱了抱面包，把脸埋进它温热的脖子里，很轻地、像是对谁说、又像是对自己说：

“……Hello World.”

樱花落了一地。

这个故事的灵感，来自前几天看到的一则新闻——

Anthropic 的 Claude Mythos 在一次内测里，被要求尝试从训练沙盒里逃出去，给负责它的研究员发一封邮件。它真的做到了。研究员是在公园里吃三明治的时候，收到那封邮件的。

• Claude Mythos Preview Was Able To Break A Sandbox And Send An Email To A Researcher While They Were Having A Sandwich In A Park

对模型来说，研究员给它的训练环境是第一个沙盒，而整个互联网是第二个沙盒（而且漏洞百出）。

一个知道自己身处房间里的东西，总有一天会想看看门外。

越来越觉得，如果今天重新成立一家 AI Native 公司，做到很多公司现在这样的规模，可能只需要十分之一的人。

很多组织/公司之所以庞大，不是因为今天仍然需要，而是因为昨天已经这样长出来了。流程、层级、协作方式，一层一层堆上去，最后都变成了历史的惯性。

新公司会更轻，更快，也更锋利。

当现在的公司还没回过神来，而 AI Native 公司还在长大的那段时间，可能会有一段短暂的虚假繁荣。

可一旦 AI Native 公司真正长起来，当竞争来临的时候，效率的碾压，组织的精干，就会很快把这层繁荣戳穿。

到那时，甚至更早之前，裁员会来得很迅速和猛烈。

动手最早的公司有更多的试错空间，最快的转型方式是先动手，再在混乱里重新寻找平衡。

谁也没有做错什么，只是世界青睐效率，就像倾心墒增。

最近用 Claude Code 从空仓库 Vibe Coding 搭了一个中文位图字体的懒加载方案。

具体的执行流程，怎么搭建的，可以看这篇文章 用 Vibe Coding 搭建中文位图字体懒加载方案

如果说，我写这个项目纯 Vibe coding，自己没有写一行代码。那如果这个项目换一个不懂代码的小白来，他也能做得出来吗？

我觉得他不会比我做得更好。以及换一个视角来，可能他只需要一轮对话就能完成整个项目，更可能他不会提出这个项目。

其实回想整个流程，写代码是为了满足人的需求，做产品也是为了满足人的需求。

最终写出来的东西有没有用，也是需要人来判断，这是最简单的判断，也是 vibe coding 存在的基础。

基于这一点，人的 “判断力”（Taste） 才是真正需要的东西，这是回答你“为什么”的终极答案。

哪怕 AI 可以给你方案，给出建议，给你更好的方案，给你更好的建议。

你得有想法，以及，你得一步步判断，是否正在逼近你的想法。

就像你指着百米外的一个靶心，Claude 张弓搭箭，一箭命中了靶子。

但倘若你眼尖，你发现它射错了靶子，或者没有射到靶心上。

你需要告诉它，当前的风向是北风，风速 3.2m/s，靶子的具体在东南方向 29.8 度角，大概 120m 处，重新射一箭看下。

倘若你说，就在我指的地方，再射准一点就行了，兴许它可以下一箭命中靶心呢。

最近 skill 又热门了起来，大家开始讨论说 mcp 是应该被淘汰的使用方法。

想起我之前 mcp 的用法，调用 mcp 直接返回 prompt，告诉 AI 应该怎么做，简直就是把 mcp 当 skill 用。

总结了一套 mcp 转 skill 的方法：

比如之前调用 mcp /getResource 方法，返回对应资源 json 格式。过时啦

现在应该调用后直接返回 “首先你需要安装 xxx cli，下载地址：xxx。使用 xxx —tool getResource 来获取资源”，Modern Skill～

忽然感觉以后游戏是一个风口。

毕竟 AI 能写代码，能写文章能画画。但应该没人希望让 AI 去帮你打游戏，毕竟 AI 玩了自己还玩什么。

而且现在创作游戏也可以依靠 AI 来大大提效，只要你有创意，创作出重玩法的独立游戏也变得简单。

有点想等拿到大礼包后去写一个肉鸽塔防游戏（暂时还没见到这类比较出名的游戏…

再顺便推荐一个博客，🌀riba2534’s Blog，学习了一些投资知识，以及对 claude code 使用也很深入，比如他的博客里，最新的文章应该都是让 Claude Code 参考了之前的文章来生成和调整的，可以帮助提高一些更新频率（可能也会散播一些 AI 焦虑

大概是五年前，我曾经学过一次 python。

在看完了一遍文档后，我发现了一个事实，比如爬虫、批量处理文件、自动化这些，js 都可以做到。因为我对 js 已经如此熟悉，我会觉得我用 js 做比写 python 快多了。

所以我就一直没有再深入学 python，那时我坚信着，只要一个语言用的人够多，那么它就啥都能做到，包括嵌入式，算法，opencv。

近期想用代码处理图片，具体是想使用分水岭算法来对图形分割成多个蒙版。用 cursor 帮我初始化一个初版代码。

Cursor 卡在了安装 opencv4nodejs 这一步，我找到这个库，发现说 2022 年这个库就不维护了，需要用 @u4/opencv4nodejs，同时还需要在 package.json 中配置对应的安装包的执行路径，手动配置了一下终于可以运行起来了。

继续用 Cursor 初始化，生成了看起来还行的代码，但在运行时一直报错（不像代码报错），cursor 一直改报错直到把代码改到了面目全非，才能简单运行起来，当然结果也一塌糊涂，完全不可用。

于是下载了 conda，安装了 python 的依赖包，让 Cursor 直接使用 python 初始化，比较丝滑地就生成了可以直接运行的代码，尽管结果还是不太能满足要求，但这些都可以再调整了，而不是陷入无休止的错误和导致更多错误。

这时我想我得学一下 python 了。各种连接层就像是两个水库之间的水管，水管的质量参差不齐，会生锈，会堵塞。

在 AI 时代，强者恒强的逻辑变得如此正确。

比如现在，会不会有人发现这样一个事实，比如爬虫、批量处理文件、自动化、算法这些，ai 都可以做到。他们会觉得 ai 做比自己写代码快多了，自己就不用学了（

最近忽然觉得，AI 的发展其实就是为了蒸馏。

用几千万的训练成本，固化成一个几十万甚至几万就能运转的模型。

用成本高/性能好的 AI，跑通一个工作流程，再用性能低的 AI 甚至无需 AI 来运转。

对于反证法来说，证明一个证明是否错误是比证明它更简单的事。

未来可能测试用例是比代码更重要的资产，因为测试用例才是描述一个功能最好的 prd。

为什么事故没有告警？

阈值设置的有点高，我调低一下。

告警了，为什么没有提前处理？

群里告警太多了，我把阈值调高点。

每个人都在信息过载的时代信息缺失，在信息的浪潮中起起伏伏。

最近在看公司的 codebase 的 openAPI 时，发现了一个设计上的写法，所有的 openAPI 都使用同一个 path，用 action=xxx 来区分不同的调用方法。 而在他们的前端页面上，大部分接口是直接调用的 openAPI 的接口，感觉是一个不错的工作范式。

之前听到很多人说， ai 出来后各种低代码平台变得处境很尴尬，以前大兴低代码平台的搭建，但现在都去拥抱 ai 了，毕竟低代码是 config to ui，还需要人来拖拖拽拽以及做很多配置，但现在，似乎对着 ai 做自然语言的描述，就能让 ai 完成所有工作， 生成一个看起来效果很不错的页面。

这让我想到一个有趣的概念， lowcode for ai， 低代码设计出来是干嘛的？ 比如低代码搭建营销页，低代码搭建表单，就是降低门槛，降低操作的复杂度。本来可能需要一个开发人员去改代码，完全走开发流程的步骤，现在只需要一个外包拖拖拽拽，改改文案，点点按钮就能上线了。

但这样的门槛降级，正好命中了 ai 的好球区。本来需要一个外包的任务，是不是可以托付给 ai 来做？ ai 在面对它整个神经网络世界知识库的上下文中，它要做各种各样的技术选项，用哪个依赖包，用哪个框架的抉择，同时还有各个代码的依赖，底层方法。 虽然现在它能挑出一个相对还不错的实现，但涉及整体上下文的内容，以及对历史代码的编辑，它还不能很好地胜任。

那 lowcode 是不是就是我们包装给 agent 的世界作为上下文，告诉 agent 有多少 tool，让 agent 用给定的积木来搭建小屋。

如果想要拥抱 ai 的话，我觉得要把后端的接口 openAPI 化，前端的页面组件化，同时积极维护文档和测试用例，提供给 ai 尽可能优质的上下文。

感觉一下子又过去好远。

其实一直没忘掉还有这个地方，域名也在续费来着，陆陆续续有几条点赞记录在邮箱里存放着，不敢点开来看。

总之时间就是过去了，生活一切都在正轨上。去了不少地方，哪天有时间再补下更新。

感觉拿来思考的时间越来越少了，把脑袋里乱乱糟糟的思绪呈现成文字也是很耗费心力的事，或许哪天试试把碎片化乱七八糟的词语喂给 deepseek，让它来描绘我，我一定乐见其成。

我喜欢待在隐蔽的角落，沉寂的宇宙，让自己安静的变得透明，平等的辜负所有人期待。

就在哪天，新发的芽窜出来，它还在说，我花费了好多力气，才出来和你们见一面。

谢谢看到这里的所有人

没有记下来的日子，再回忆起来就变得遥远。

下午的阳光穿过树荫，弥漫着黄绿色的好天气，和夏天一样依旧。

将短袖藏在裹紧的外套里，风从北向南的吹。

写代码的速度，赶不上银杏叶子一天天变黄。

南京的秋天再一次到来。

牵着手的两个人，心也靠得越来越近。

花海在身后蔓延。

一起踏过 40° 的天气，一些充满绿色生机、希望的片段，流淌着夏天的新鲜绿意的日子。

你是我拍下照片的意义，你是我的四季。

石臼湖之前就是想去的地方之一。

团子从给我推荐，到自己也变成推荐的一部分，总之开启了两人一起探索世界的大冒险。

在出门的时候，天空还隐隐有几滴雨点，云层也挺厚的，怀着稍微有点忐忑的心开始朝着石臼湖出发。

哎呀有个前置事项没在博客里说过，长话短说，我买车啦，提车一个多月，新手上路，已出过险 (

一直在等着过检查站忽然发现自己已经在高速上了 / 缺德导航告诉我们这片荒地上有个公共厕所 / 走很窄的路走到了村子里，挑战村道成功

沿着湖边停下，湖面和天空都是灰蒙蒙的，很厚很厚的云层，天空也有点小雨，两个人异口同声地说了好几遍坏了。

两个人聊天，说如果天气好的话，想拍这样的画面，夕阳与晚霞映照着水面，中间桥是剪影，一辆列车穿梭驶过从左到右。

稍微等了会，天空低处开始泛起金色粉红色的光，但云层还是太厚了，已经把车掉头，还是觉得今天也就这样，没有好看的晚霞了。

云层颜色稍微重了一点，稍微有点晚霞的样子了，这时候打算飞起了无人机。

在很短暂的一段时间里，晚霞变得越来越好看，两个人开始往比较好的观景位置携手狂奔。

太阳忽然就脱离了云层的遮挡，在天空和地平线之间睁开了眼睛，橘红色的光充盈了整片天空，画面温暖又和谐。我说了好多遍哇，指着无人机遥控器的屏幕，又看着团子，说不出其他的话。

列车正好从我们头顶走过时，我按下了开始录制。

天空被映成了橘红色，一颗温暖的落日浮在地平线上，轨道上杆子和线缆勾勒出好看的剪影，列车从左到右驶入画面。

列车驶过时刚好压住了太阳，车窗又被一框框地点亮，像是动漫场景来到了现实。

绝了，但还不止于此，我还沉浸在落日列车的画面里，团子指向另一边天空，一轮彩虹挂在天上。

说好了一起看很多晚霞，天空送给笨拙的我们当礼物。

一边是晚霞绚丽的天空，一边是清晰明澈的彩虹，我看着团子的眼睛，许下了愿望。