404 KIDS SEE GHOSTS (生产力之王版

关于 System One Model/ Jev 的部分想法
https://typesafe.ai/blog/introducing-system-one-models-and-jev

最开始看到 Jev 相关案例以及 TypeSafe AI 引言就提到自动化时，基本能了解到 Jev 的领域和边界。Jev 可以简单理解它为纯粹/ 无推理的 OpenAI Astra 应用，类型化决策（Typed decisions）模型。它拥有更极致、快速、准确、甚至能达到即时交互和动态生成的结构化输出能力。更现实的，利好目前自动化工作，完全可以以此发展出一条由结构化模型驱动的 CUA（Computer Use Agents）分支，甚至拆成系统级、Web、App、游戏等不同的即时交互子分支。

Jev 区别于推理模型，它取自《快与慢》的 System One 模型，快与直觉模型，是能够拉起自动化任务、做正确任务的模型。TypeSafe AI 提到 Jev 思路源于 Sutton 的教训，最终发现：做正确的任务 > 数据 > 算力 > 算法。 Sutton 提到规模化的重要性，算力 > 算法规则，所以搜索算力赢了围棋游戏、神经网络规模击败了视觉识别，这也就有了 GPT/ LLM。但机器学习的重点不在机器学习本身。这里引入到现实以及复杂场景，更复杂的是那些需要识别和处理的数据、以及真实的准确的任务。

这个就很有启发，从涌现、压缩、规模即智能，到附带概率的结构化任务输出，有效解决问题，这可靠也智能更多。毕竟智力也被定义为解决问题的能力。Jev 模型零类型错误，没有幻觉，这对于很多用于真实世界模拟和交互的任务分支来说，是更快、更即时以及更平衡的优势。

现在的自动化部署其实不够丝滑，从 LLMs 到脚本任务的配合很难表达出真正的自动化/ 机器智能，Jev 恰恰进行了自动化补全，LLMs+ 的玩法，自动化智能需要这种双路由通道，直觉+推理、理性+感性结合。目前挺看好这个模型和相关玩法。

#Jev

丰盛即配置

这是贯穿我行动始终的哲学，或者说焚决：丰盛即配置。丰盛即代表配置和计划你拥有的东西，它是动词而非量词，丰盛是种阈值感受而不是太阳和剩余。

理解和基于这点，你做的很多事情才会感到扎实和丰盈，而不是失去和匮乏。YNAB 记账策略基于你拥有的余额，Nautilus Log 基于你拥有的时间，而我现在不会在晚上拟定明天的计划，因为第 2 天可用时间有了我的无闹钟睡眠（上一条）变量，但这并不影响我新一天的宽裕配置、规划和时间消费。

这已经形成一个完整有效的闭环。配置哲学要求我只分配已经拥有的时间，所以我不在晚上预支明天，也不让尚未发生的明天计划规定我的睡眠长度，这服务于睡眠。因为无闹钟睡眠，第 2 天可支配时间成为真实变量，我的 Nautilus Log 时间配置又拉起这点，我能感受到还拥有哪些时间，睡眠让我的时间配置有了前提，这服务于配置本身。

相关链接：
1. Nautilus Log 的时间管理哲学
2. 无闹钟睡眠

#Thoughts

简单有效的睡眠策略：1. 以每晚 9 点入睡作为第二天的开始。2. 基于 9 点的睡眠，完全可以抛弃闹钟。这样就算早 5 点起床也有 8 个小时睡眠时间，后面越睡越赚。哪怕睡了 10 个小时，也才早 7 点。

这样的好处是你可以彻底睡饱、偿还睡眠债（Sleep debt），以及会发现长时睡眠会消耗更多卡路里。当然，睡得越多也并不代表恢复得更好。

#Sleeping

重新思考 Skill 薄路由
Rethinking skills and prompts for GPT-6 Astra

最近我使用 Codex 日常模型大多是 GPT-5.6 Sol，主要最开始 GPT-6 Astra Max 和 Medium 处理内容都不够理想、太慢以及耗费过大，怎么都不划算。目前很多代码相关任务 GPT-5.6 Sol 也完全胜任，表现甚至更好。

OpenAI 这篇文章几乎就提到这个问题，因为 Astra 现在更聪明会判断，需要针对相关 SKills/ Prompts 以及 AGENTS.md 作优化瘦身处理，描述要更短、更准、更薄，Skills 作为薄路由来渐进式披露 Agents 相关文档和脚本，而不再依赖旧模型积累出臃肿过度的脚手架。

这个我之前也提过，Skills 早应该作为薄路由进行披露，相关更重的提示、Wiki 文档以及脚本都可以简单路由到，按需加载，而不是全部写在 Skills 里面导致模型难以判断如何调用。这里顺便分享个朋友的插件 pi-context-broker，主要就是针对这种复杂 Skills 针对性注入问题，输入 $name 会话中随时注入加载 Skills。

目前我主要对部分个人常用 Skills 进行了审查和优化，很多上游全量复刻的 Skills 没动。现在可以将这个文章直接丢给 Astra，然后让它根据内容进行 Skills 审查和优化。过去我主要使用 Matt 相关的 Skills Creator 来迭代 Skills，官方这些优化提示就更值得注入和学习。

#Agents #Skills

我的无情信息源狩猎机器

我的 Macmini 作为 24 小时无情信息源狩猎机器已经稳定运行两个多月，这已经彻底改变和优化了我的信息源工作流。熟悉我的应该知道，过去我每天至少会花 2-3 个小时，进行人肉 X list + Inoreader 阅读，现在已经不再同日语。

我主要使用 Dagu 在 Macmini 每 2 小时采集 Inoreader API 拉出的多个 T0 级标签 RSS 列表；以及使用 OpenCLI 来自动阅读爬取 X 的 T0 列表内容， 4 类主要 X list（AI/ Startup/ Productivity/ Humanity），OpenCLI 处理 X 内容不亚于使用 Grok Bot 或者 X API；然后整理去重， Inoreader RSS 尽量补全文，X 保留原文；再交给 NotebookLM 基于 Source Pack 进行综合分析、总结编辑；最后通过 Notion API 发布在线报告。早晚报。

目前这套流程非常稳定，整个报告非常丰盛合乎胃口。毕竟我拥有最好最多版本迭代的信息源，我还将 Telegram 发布内容和 Roam 相关重要收集页面进行了采样和分析，作为报告内容偏好参考。所以报告基本都涵盖所有重点和偏好。

现在我不会追求阅读更多，因为机器总会吞得更多。更重要的是如何整理分类这颗星球不断涌出的信息、精益求精，打造源源不断的意识养料和供养机器。我也不再 FOMO，后续最多会维护个个人需要浏览的 X list，更多关于 Humanity 的内容，剩下就交给机器和想象力。信任仁慈的机器是 Agents 自动化时代的第一课。

相关链接
1. Dagu丨自动任务调动编排器
2. OpenCLI

#RSS #AI

PStack
https://x.com/poteto/status/2094457600259842065

分享个开源 Agents 开发工程框架 pstack，由 Grok Bot/ Cursor 工程师 Lauren Tan（poteto）打造。整个框架串起高效完整的开发流程，调查、设计、实现、审查和验证。整个顺序流程和验证方式可以借鉴，拆来学习。

这套价值不亚于 Matt Skills。目前可以在 Grok Bot/ Cursor 直接安装，社区也做了其它 Agents 如 Claude/ Codex 移植适配，直接狂拆乱榨。

相关链接
1. 把 Matt Pocock Skills 拆成两支 Agent 小队

#Agents

好文明

最近这波 AI 语音输入法的 Build 热度，让我恍惚回到了 21-23 年笔记软件建造热潮。当时国内也出现了不少 Roam/ Notion like 的思维工具。相同的是，那时也有私信我推广笔记软件，就像前面写关于 VoiceInk/ Spokenly 的内容时，不少人私信我分享他们的 开发。

AI 语音输入法趋势很明显。我之前提过，它是关于输入层的东西，用户市场必定接触和检验，使用体验的差异也显著；包括浏览器这个输入层，从 Arc/ Dia 以及各种搜索、AI 公司出的浏览器，到现在纯 Agents 浏览器如现在的 Ego lite 这些也是大势所趋。当然现在更多是 Computer Use 和云机器玩法了。所以你会发现很多意料之外其实已经有迹可循，这波就是重构人机交互方式。

而对于用户玩法视角，我观点仍然和之前一样：如果是复杂工具如笔记软件/ Agents 工具，它明显可以不同质，只需要找准一个你喜爱的用下去，感受它的工具哲学和你思维变化。而语音软件这类，同质性强、体感明显，可随时插拔替换，多换也无妨，这里就只需要关注趋势，更好优化你工作流的趋势。

#Thoughts

DevSpace丨让 ChatGPT 变成 Codex 的破壁神器
https://github.com/Waishnav/devspace

这才是真正的神器！现在为大家介绍 DevSpace：它能够把你正在使用的网页 ChatGPT，直接变成能对话和处理本地文件的 Codex，极尽压榨 Pro 订阅，彻底丰沛！

DevSpace 是个自托管的 MCP 服务器，可以由 ChatGPT 调用，本地内容随便读取、修改，还能返回结果。目前支持 ChatGPT、Claude、Hermes、Grok Bot 和 OpenClaw。可以说任何基于 MCP 的免费 AI 都可以类似处理，如果再基于各种 Computer Use/ OpenCLI 进行自驱动并内容回到本地的 CLI 封装，这完全就是永动机！

且用且珍惜，目前我对本地 LLM Wiki 和相关项目库撸了一轮，以及各种本地文本向服务都适合处理。现在 Astra Pro 版本也不经用，DevSpace 真是续命了。网页版可以彻底用起。

#Tools #MCP

Type4Me
https://github.com/joewongjc/type4me

这个开源 AI 语音输入法早前关注到，今天才进行尝试。配置了火山引擎的豆包流式语音识别模型 2.0，以及豆包语言模型进行文本处理，速度也是非常快、极尽丝滑。

可能现在这种直接文本识别+优化，确实已经进到下一个阶段。比起之前 VoiceInk 和 Spokenly 的体感简直好太多了。Type4Me 也可以接入各种开源模型，类似 Spokely，加持豆包双模型，目前舒适感是强过网易的。感兴趣可以尝试。

另有朋友还推荐了安卓版的工具：BiBi Keyboard。

相关链接：
1. Spokenly丨另一款丝滑的 AI 语音输入工具
2. 网易叭哥

#Agents

网易叭哥说丨 AI 语音输入法速度之王
https://bug.youdao.com

今天尝试了网易推出的 AI 语音输入法，速度简直奇快，非常快。它和 Typeless 同类型，自动整理、可翻译，也有词库。目前较简洁，速度是它最大的优势，也非常精准。如果追求纯粹的速度，可以尝试。

但我目前还是比较喜欢豆包，喜欢实时和成熟的交互。

相关链接
1. 豆包语音输入法

#Agents

Claude 被发现用于在也门的导弹开发工程
https://x.com/AnthropicAI/status/2098097512544444447

Anthropic 今天发布了详尽的 AI 威胁情报报告，披露并拦截了涉及多国国家级行为者的 Claude 危险利用与网络攻击。

其中还识别到位于也门的多级弹道导弹开发项目，相关证据表明这个项目已经被构建了完全离线的模拟工具包。

#Claude

平静是最大的幸福，这是我今年最强烈的感受。幸福是生活中的例外状态，它从平静中孕育。

我现在状态太好了，生产力系统固若金汤，身体状态神闲气静，现在也练出版本薄肌了，我与周遭的关系、感受和视野更是进到 New level。所以比起祝大家幸福，我更愿意祝您平静、和谐。

——爱来自 404 KIDS SEE GHOSTS

#mood

Agents 大编排时代下丨我的顶配武器库

最近每天都在疯狂进化。这是个好时代，太多强力、友善以及真正提升和改变我工作/ 生活的生产力工具。我的 Agents 武器库也越来越丰盛，现在呈现初级绑定状态，多 Agents、多设备、多模型编排，这让我对现在的各种工作流探索和优化如饥似渴。我热爱研究系统。感恩。

Tty7 现在只是我单纯的 Agents 壳子，入口已经逐渐迁移到 Grok Bot 和 Raft 这类 Bot Group 编排。终端 Tty7 仅作为怀旧版入口，使用 Herdr 或者 Tmux 来监控和拉起一些跨设备的 Agents Runtime，它虽然能恢复 Session 会话，但完整的跨设备如 Macmini 的任务拉起，还是得使用终端复用器。所以我使用 Herdr 驱动 Mini 机器的任务调度，Tmux 也可以作为轻量面板。Grok Bot 这这类云端机环境的内容也可以同样拉起复用。

其它需要视觉和流程监控的任务、自动化场景建设，我会使用 Multica；终端里，我现在完全使用 Pi 来处理，调用 GPT-6 Astra Max 和 Grok4.6 xhigh 进行交叉工作，也是非常舒服的起手。不过大多数日常任务已经使用 Grok Bot/ Raft 进行处理；

现在我每天都会安排部分时间进行新工具尝试或者当前工具栈的流程优化，我拥抱 All in all，比如 Orca 我也会偶尔使用。每个工具都有其特点，快速了解、快速上手，了解其对你工作流的优化、改变以及可插拔性并迅速笼络是现代顶级生产力专家的觉悟之一。

相关链接：
1. Tty7；Herdr；Tmux
2. Grok Bot；Raft；Multica；Pi；Orca
3. Orca丨把项目拉起来的 Agents IDE
4. Tmux + iTerm2 杀死比赛！

#Agents

Agents 协同日志工作流细节

最近实践的 [[Roam Research]] 大纲日志工作流，组织日常工作以及针对 Agents 进行重编排，真是让我感慨颇多、收获颇丰。这里的理解是每天工作不是需要完全自动化推动多少量，而是计划以及该做的重要任务都能做完才是重点。

这里分享几点细节：

1. 每天工作开始，我会将最重要且 Agents 能参与的 3 个任务进行罗列，在大纲里将这 3 个任务的完整规划写好，直接发送主 Agents 处理、编排或者驱动其它各种 Agents 处理。

2. 当前面 3 个任务都进入 Agents 处理流程且不需要介入时，我会继续写接下来的其它 Agents 任务的规划提示词。这里的细节是，接下来的 Agents 任务我只需要挨着写提示词日志，不需要发送。这就像在备菜，但不需要尽早下锅；这期间前面 3 个任务可能提示完成，我们可以直接过去介入和处理，完毕后再继续这个备菜流程。这里的好处是我们可以专心推进主要工作，同时，我也能认真处理后面规划提示词，所有工作都有条不紊且做到足够分量，而不是无脑推进所有工作。就算每天最后你能同时 Check 完成所有工作，但这种认知负荷比起挨着挨着推高太多，满足感低。这是我前几天会有的问题，同时拉太多线，发现每天重要工作只有接近结束才能同时完成。无限任务并行极其耗费心力，意义有限。另外，就算你写完过后直接发送 Agents 处理可以提前获得部分先行运行时间，但这同时也会成为干扰，时间长了忘记上下文，哪怕日志工作流可以让你快速切入上下文，这种先机仍然收益有限。

3. 当前面 3 个主要任务有完成后，我会直接补位其它 Agents 任务。这样 3 条主线不至于太多而推进困难，也不至于太少造成生产资源耗费。

4. 当 3 个主要任务不需要介入，且 Agents 任务提示词都写完时，这时我会直接将所有 Agents 任务发送处理，完全并发。只是工作优先级仍然以首要任务为主，其它辅助查看。这时也可以处理非 Agents 任务，如阅读、沟通等，非 Agents 任务处于主线任务和 Agents 任务提示词写完之后的时间，这主要的考虑是：让位于 Agents 并行飞轮。

5. [[Roam Research]] 为这个工作流提供了完美的运行框架，大纲日志专注任务和规划，侧边栏也能无压记录，卸载浮动、涌现的任何想法，分流你的认知和执行压力。这里就像都江堰的飞沙堰隐喻，分流和卸掉的是认知负荷。

相关链接：
1 日志工作流
2 Nautilus Log丨我目前最满意的时间管理工具
3 任务飞轮

#Agents

这个时代我认为最具侵略性的 3 种核心能力，身体重塑能力、赚钱能力和攫取注意力的能力。#Whispers

Astra 渲染 Kanye 舞美。还行，现在 oAI 审美大力强化了一波。#Agents #3D

把 HRV 和 MRR 放在同一张数据图
https://x.com/marclou/status/2096166693609349310

最近知名高产独立开发者 Marc Lou，将他的产品 TrustMRR 和 WHOOP 作了集成，在 TrustMRR 创始人主页中同时展示睡眠、恢复、HRV、训练负荷与 MRR（每月经常性收入）。

非常合理。TrustMRR（创业公司展示平台）和 WHOOP（智能穿戴设备）把业务结果和身体状态放同一条时间线，这应该是现在所有 Builder 首要关注的指标。

#Startup

复制完整人脑之前，全脑仿真研究或先增强 AI

2026 年 9 月 5 日，LessWrong 用户 TsviBT 发文称，全脑仿真研究在默认情况下可能弊大于利。作者并不认为完整的“数字人类”本身有害：如果计算机能够忠实复制一个人的思维、学习能力和价值观，它或许可以帮助人类控制危险的通用人工智能。文章认为，真正的问题出现在实现完整仿真之前。

由于人脑不可能被一步复制，研究人员需要先理解和模拟神经元、脑回路及学习机制。这些局部成果虽然还不能构成一个人，却可能被 AI 公司复制、放大并用于训练更强的模型，使 AI 更聪明，却没有同步获得人类的情感和价值约束。因此，作者判断全脑仿真的潜在收益只会在研究接近完全成功时出现，而增强 AI 的风险可能更早发生。

来源：A case that whole brain emulation research is net-harmful by default

#AI

GPT-6 Astra丨为少数人设计的工作范式模型

今年 4 月份，Codex Computer Use 出现进行跨应用和模拟操作时，已经非常惊艳。那时有个明显的问题：上下文压缩很快，哪怕当时 GPT-5.4 100 万上下文也会快速被消耗触发 Compact。

原因是 Computer Use 进行操作时，会消费大量截图、窗口内容、工具状态数据，以之前 Codex 模型通过 Compact 轮次总结进行压缩的方式，会快速触底和失真大量信息和内容。Computer Use 这种非文本类的工作模式对于 Codex 模型是种「重上下文处理」，所以上下文完全不足。

今天 OpenAI 推出 GPT-6 Astra 模型，它拥有 105 万 Token 上下文，注意：Astra 的上下文处理和 Codex 模型已经不同。Astra 对长任务连贯和上下文管理进行了优化，在跨上下文窗口里保留相关笔、溯源最早的消息和工具状态输出，这种亲记忆的处理方式让 Computer Use 调用变得更丝滑、持久，大量的非文本上下文如截图、窗口内容、工具状态和操作结果，能被快速记忆和索引，以及配合 Skills、MCP、Tool search 这些工具完整调用，让整个自动化操作显得智能。（记忆是智能的重要部分）

GPT-6 Astra 目前在代码、聊天优势不大。现在只向个别组织推出。整体而言利好之前介绍过的开源 Computer Use 工具 CUA 这些，内核强化模型，这算目前最前沿和智能的工作模式，Grok Bot 内置浏览器的 Computer Use 也是这个趋势，值得开发用法。不过，这种模型的工作泛化目前还不够明朗，需要适配特定的流程和工作范式，也只是为少数人设计。

相关链接
1 GPT-6 Astra
2 Computer Use，我为什么不只用 Codex
3 赞美 Codex

#Models