张雪峰盗的不是火,他是一个故宫的导游

张雪峰去世了,确实非常让人惋惜。

如果说张雪峰就是一个在复杂系统中,梳理出他自己能够看到的规律并广为传播的“盗火者”,而盗火者又注定要承受巨大社会压力的话,那我们也应该注意到一个现实:

在 960 万平方公里之上,有这样一个庞大到无人能够完全搞清楚的、高效的高等教育系统。这难道不是这个地球上绝无仅有的一套系统吗?

起码有一点,无论是高考还是考研,我们先不管它有没有其他“跑冒滴漏”的口子(比如自主招生、校方自定分数线、笔试面试、艺术生、体育生、特长生等),主流毕竟还是高考和考研这两条路。

中国大陆地区是不是这个地球上唯一一个,只要你足够努力,把英语背得滚瓜烂熟,把政治背到 80 分、90 分,把专业课理解并真正精通,只要考研和高考的分数上去了,就能去好学校的国度呢?

是的,唯一的一个。

很多美国的学生为什么不努力?不是因为他们笨,而是因为仅仅靠努力没有用。你必须要有钱,没有钱就要背上助学贷款;贷了款就要还,还上 10 年、5 年,能还清都算是好的。

在中国,只要分数上去了,学校和国家都会替你操心:有绿色通道,有助学贷款。甚至如果你能跟张雪峰连个麦,把情况跟他说一说,他大概率会把你未来四年的学费都包了。

张雪峰是盗火者,而那个“火”是全世界绝无仅有的火。

做一个更贴切的类比:张雪峰盗的不是火,他是一个故宫的导游。

  1. 中国的高校系统就是“故宫”。
  2. 你的时间有限,四年只能去故宫里的一间房子读书。
  3. 哪间房子最适合你?你不知道,但张雪峰知道。
  4. 他告诉你应该怎么走,向左转还是向右转,该去哪间房子待四年或六年,出来以后,你会变得更好。

——但首先得有这个“故宫”啊。欧洲没有,美国没有,非洲、东南亚、南美洲更不会有。只有中国才有这么大一个庞大的高等教育体系,让你根据自己的情况(分数高低、性子强弱、文理偏好),分门别类,按图索骥,总有一款适合你。这放到哪个国家都没有。

我们要感谢张雪峰,我们要缅怀张雪峰。我们要说,张雪峰确实积了很多功德,为人民群众做了很多好事。

这是事实,无可辩驳。

我们也要看到更深的一层:建国 70 多年、改革开放近 50 年以来,我们庆幸生于这个伟大的时代。在中国这 960 万平方公里的神州大地上,构筑了这样一个庞杂、复杂而有序的高等教育系统。

这才是今天更深一层的东西。这个充满了复杂性和信息不对称的稳健机制,是这个时代每一个中国年轻人最大的财富、最大的国民红利。

在中国人口出生率持续下降的今天,张雪峰事实上提升了中国人力资源配置的效率和有效性。

大胆做个预判:这样背景下,每一年都会被官方默许由人民群众自发缅怀,自发悼念。张雪峰会成为一个楷模,成为一个符号,带动越来越多的“张雪峰”们去拯救中国日益严峻的人力资源配置问题。

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2529/

养荒地上的龙虾?不如踏踏实实住精装修的房子

小龙虾越来越火了。

2026 年开春,开源项目 OpenClaw 在中国互联网引爆。GitHub 星标破 27 万,B 站“保姆级教程”铺天盖地,地方政府补贴跟进,单项目最高 500 万。朋友圈里隔三差五就有人晒“数字分身”截图——一个跑在本地电脑上、能读文件能发消息能自动执行任务的 AI 助手。——人人都可以拥有一个 AI 打工仔了。

小龙虾的方向是 AI 落地的正确方向。问题在开源路径。小龙虾是开源项目。

“开源”项目免费、自由、可控——但开源也意味着:从第一步开始,所有事情你自己负责。——全部的质量问题、效率问题、速度问题、能耗问题,都得自己负责。

算三笔账。

第一笔:硬件账。

本地跑一个够用的大模型,需要至少 64GB 内存的 Mac Mini,四万人民币起。而 Claude Code Pro 套餐 20 美元一个月,一年一千多人民币。四万的硬件等于二三十年的订阅费用。花了几十年订阅费的钱,买到的却是打了折的体验——本地模型的速度远不如云端,开源模型的能力天花板远低于 Opus 4.6 这样的闭源顶级模型。

第二笔:时间账。

这笔比硬件贵得多。配置小龙虾不是“装一个软件”,是一整套系统工程:选模型、下模型、配环境、装依赖、调参数、接聊天界面、测试、排错、再测试。B 站教程四十分钟起步,那还是“跟着做不出错”的理想时间——实际上,依赖冲突、版本不兼容、内存不足、网络超时,随便撞上一个就是一整天。

用房地产类比:小龙虾是拿了一块荒地从三通一平干起,自己平整、打地基、盖楼、装修,全程没有开发商没有施工队。而订阅云端模型是买精装修商品房——楼盖好了,装修完了,你的精力花在软装和智能家居上,花在“住”上面,不是“盖”上面。

同样一个周末,一个人在荒地上和依赖冲突搏斗,另一个人在精装修房里调配数字分身技能。Opus 4.6 已经出了 1.0 版,小龙虾这边还没见到 hello world,差的不是一个数量级。

第三笔:隐性账。

小龙虾架构下每次对话都是“裸跑”——没有云端的 prompt 缓存、没有上下文压缩、没有智能路由——这里我们都不说网络安全问题,就直说“钱”这件小事——同样一个任务,token 消耗可能是商业云端方案的三到五倍。调远程 API 这些多出来的 token 是真金白银,跑本地模型吃的是电费和硬件寿命。“开源免费”四个字,既无保障,也无效率,至此早已面目全非。

算完账再看人。

折腾小龙虾的主力是 30 到 50 岁的“80 后、00 前”。00 后没场景少需求,60 后 70 后没技术能力。恰恰是时间精力最金贵的中年人——上有老下有小、职场正当其冲——在周末深夜扎进开源社区的配置文档里。

这批人中绝大多数从 IT 角度看是“外行”,或者叫“跨界者”,不是程序员,不是运维,不是 DevOps。他们可能是银行经理、市场总监、律师、教师、自媒体人。对“土地三通一平”尚缺经验,却一把直接尝试从零盖楼。这不是勇气问题,是资源错配。

同样四十个小时,花在配置小龙虾上,最后得到一个能在飞书里回复消息的 AI 助手;花在学习如何与 Claude Code Opus 相处上——产出完全不在一个层面。差距不在工具,在精力的投向。

搬砖搬完了得到一堵墙,软装做完了得到一个家。

配置小龙虾的过程中,工具本身会变成目的。这是技术圈一个古老的陷阱:折腾让人产生“我在做事”的幻觉。装好环境,跑通第一个对话,截图发朋友圈——成就感为true,产出是nil。你拥有了一个能说话的 AI,却还没想清楚让它说什么。

真正的价值不在“有没有 AI”,在“AI 帮你做了什么”。前者是基础设施问题,2026 年商业公司已经解决了——月费 100 美元,精装修交房,拎包入住。后者才是每个人要花时间想的事:现实中的需求到底是什么?

问题的答案不在 README 文档,在人的脑子里。


人人都需要数字分身。但“需要数字分身”和“需要自己从零搭建数字分身”是两件事。你需要一个家,不等于你需要自己盖房子;你需要吃饭,不等于你要顿顿自己做饭;你需要穿衣,不等于你要自己踩缝纫机。

Claude、GPT、Gemini、Qwen、Kimi、MiniMax——人类文明最先进的模型已经把算力问题解决了。它们就是盖好的精装修商品房。你要做的不是抢一块荒地从头开始,是选一套房子住进去,把全部精力投入到一件事上:搞清楚自己要什么。

匹配需求,精确表达,持续校准——这才是 AI 时代真正要修炼的能力。没有捷径,不能外包,也不能用“我装了一个开源模型”、“我养了一只小龙虾”来替代。

荒地上“从零开始”养龙虾,不如花点钱,住进精装修的房子里多读几本书。


关于 OpenClaw:OpenClaw(原名 Clawdbot,昵称“小龙虾”)是由奥地利开发者 Peter Steinberger 发起的开源 AI 智能体框架,2026 年初在中国互联网上迅速走红,GitHub 星标突破 27 万。本文无意否定开源精神和 OpenClaw 项目本身的技术价值,仅讨论对于非技术背景的普通用户而言,“自建”与“订阅”两条路径的投入产出比。

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2523/

还是要强调一句”中国制造”这个概念

还是要强调一句"中国制造"这个概念。

黑色板块目前矛盾传导的链条比较长,节奏也慢。但盘面上有一点值得注意:

——日线和周线两个级别上,螺纹钢和铁矿石已经具备做多属性。

两个品种的禀赋不太一样。铁矿石短线更强,做多动能更足,今天整个原料端的弹性明显胜出。但从中长线看,螺纹钢和热卷的确定性更高。前两天有个观点很有启发,觉得热卷更能代表"中国制造"。但实际上从盘面确定性和资金沉淀的池子深浅来看,真正交易钢材,螺纹比热卷更有交易价值。

接下来会有一波像样的上涨,持续时间至少以月计——二季度、三季度,也可能延到四季度。这波上涨跟基本面上看到的产量、供求、下游房地产、铁矿国际变量不一定有最直接的关系,更纯粹是盘面本身的反应。真的涨起来了,各家咨询媒体会帮我们分析原因的。

眼下3月最后几个交易日,正赶上换月。黑色品种1-5、5-9、9-10的换月节奏这些年还是比较规律的,换月期间短线的随机性会强一些。估计最迟到4月初换月完成,走法会重新建立一致性。

短线交易、大仓位调仓降本的话,多空都无所谓。大资金沉淀的方向,还是做多。

往大了说,2026年开始,全球资金会有一个全新的觉悟:

寻找安全的市场和国家来沉淀。中国的A股、大宗商品、实体房地产,预计都会有行情。

如果中央政府按照年初政府工作报告和中央经济工作会议的部署,把财政政策和货币政策真正落地,国内资产价格会有一波非常大的行情。

先说这么多。

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2525/

“把防冻膏卖给吴王”:机会在跨界,在远距离连接

《庄子》中讲了个故事:宋国有户人家,祖传一种防冻膏,涂了手不皲裂,靠这方子世世代代帮人漂洗丝绵,挣个温饱。有外乡客花百金买走药方,转头去见吴王。恰逢吴越冬天水战,吴军涂了膏药手不冻裂,大破越人。宋国人还在温饱,外乡客裂地封侯。

庄子讲完只说了五个字:所用之异也

药膏还是那个药膏。它只是被投放到了一个全新的领域。洗丝绵的人用它一百年,只求得一百年温饱;“远距离连接”到了战场,外乡客一夜封侯。

——不是宋国人的药膏不好,是它在同一个地方待得太久了。

这是个资源配置问题。翻译成现代话:在投入固定资源的前提下,通过远距离连接,把“边际改善值”最大化。

算术很简单。100个单位的资源——时间、精力、算力——分给5个领域各20个单位,每个领域改善到80%,合计400个百分点的增量改善。反过来,100个单位全砸进一个领域,先用20%的投入解决80%的问题,再拿80%的投入去磕最后那20%,最终只拿到100个百分点。四倍的差距。同样的资源,不同的分法。与其年年岁岁耗在“防冻膏”一个产品上,不如分出20%的资源,打造一个“八成可用”的贸易系统,去寻找“吴国的买家”。

这层道理,先秦诸子翻来覆去讲过。

庄子说“吾生也有涯,而知也无涯。以有涯随无涯,殆已。”用有限追无限,不是勤奋,是自取灭亡。庄子自己的处方是,“缘督以为经”——沿中线走,不求满。“道隐于小成”——在一个领域做到极致就是“小成”,看着光鲜,恰恰把通向更大格局的路堵死了。

墨子看得更实:建房子,“室高足以辟润湿,边足以圉风寒……谨此则止。凡费财劳力,不加利者,不为也。”够高能防潮就行,够厚能挡风就行——然后马上停。超出实际需要的每一寸投入都是浪费。他甚至总结出:“乐逾繁者,其治逾寡”——音乐越精致,治理越荒废。一个领域上的过度打磨与整体效能之间,是负相关。过度投入,只会徒增复杂度,带不来边际产出。

孔子说君子不器,也是这个道理。器皿的价值在于专用,人的价值在于“不器”。

“以众小不胜为大胜。”每个局部都不曾赢到极致,但累计起来就是大胜。到了80分,就该转场。“江河之水,非一源之水也;千镒之裘,非一狐之白也。”大河不靠一条溪汇成,千金裘不靠一只狐凑齐。

所以杂家——什么都琢磨一点的人——的红利,来自于一条暗线:远距离连接。庄子讲“道通为一”——万事万物表面分立,底层有同一个道贯穿。但“唯达者知通为一”,只有跨了多个领域的通人才看得到。

AI把这个过程加了速。过去长考十年才得顿悟,现在可能十天就看到——每个领域最耗时间的苦功被AI接管了,认知带宽被瞬间释放。打开AI时代的正确姿势,不是精益求精,而是广种薄收。把有限的时间和算力铺到更多领域,做大幅度的改善,多做“投入20%解决80%问题”的事。

——“为大胜者,唯圣人能之”。凡人千万别钻牛角尖。借着AI的东风,累积一个个属于自己的小胜,才是正理。

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2521/

从“第33稿刑法”,到电动麻将桌

1955 年,中国第一部《刑法》草案拟定出来。此后二十四年反复修改,每改一次就重新排版铅字、油印一版。改得太频繁——有时一月几次,有时一周几次——“某年某月编印”分不清版本先后了,干脆每次标个序号:第 22 稿,第 33 稿。

这绝不是法学概念。这是油印时代的版本管理。

钱钟书曾说,《春秋》之所以简约,“文不得不省,辞不得不约”——写在青竹板上,刻一个字费半天力气。可后人不识其所以然,乃视为当然,管技术限制的“迫不得已”美化为“微言大义”。从竹简,到油印,到 git commit,表达的形式如同“水”,技术一直是约束水的“渠”。

当然,笨办法也有好处:每次重新排版,都逼着起草者把全文再过一遍。慢,累,但每一“稿”都是一次完整的审视。洗牌就是审校。

七十年后,铅字变成 token,油墨变成算力,“第 33 稿”变成 v3.md

如同电动麻将桌,按键洗牌,洗牌成本直线降到几秒。手轻了,脑子更累了。


AI 对知识工作做的是同一件事。信息检索、资料整理、初稿生成。“电动麻将桌”省下来的时间没有变成空闲,被更多牌局填满了。决策密度爆炸。

蒸汽革命时期就有过这种变化。1865 年,杰文斯发现蒸汽机效率提高后,英国煤炭消耗不减反增。AI 时代一样:认知劳动的单位成本降了,总量暴增。不用洗牌了,一天打十二个小时。老子六个字说尽了——“少则得,多则惑。”

更隐蔽的代价是:洗牌那两三分钟的垃圾时间,是大脑宝贵的冷却期。各路“电动麻将桌”把这段时间消灭了,大脑从间歇跑变成全程冲刺,时时刻刻在挑战生理极限。


到处都是“电动麻将桌”的 AI 时代,真正的竞争力在哪里?三样东西。

第一重:知识底盘。

AI 给的东西,你得能鉴别品味。毛泽东在《实践论》里说过一句极准的话:“感觉到了的东西,我们不能立刻理解它,只有理解了的东西才更深刻地感觉它。”AI 给一屏输出,你没底盘,连它好在哪、错在哪都感觉不到——你甚至不知道自己不知道。

钱钟书论用兵,举赵括墨守陈规、霍去病不屑古法、来护儿我用我法、岳飞融会贯通,说“造艺、治学皆有此四种性行”。用 AI 也分这几种人。没有底盘,连自己是赵括还是岳飞都分不清。中国人发明了火药,火药只发展到炮仗为止——柏杨说得毒辣:“后劲不继而已也。”有没有工具从来不是问题,有没有驾驭工具的后劲才是问题。

第二重:精确表达。

AI 的操作系统是自然语言。同样的工具,一个人说“帮我写篇文章”,出来一整篇正确的废话;另一个人把需求拆三层、附正例反例、标明禁区——天差地别。

差距不在工具,在输入。说得不精确,AI 不会报错——只有猜。可猜的产物,叫幻觉。

精确表达是大脑在调用外部算力前必须完成的一次自我编译。编译不过,什么都跑不起来。

第三重:身体供能。

这一条听起来最不“技术”,很可能最致命。费尔巴哈说得直白:“心中有情,首中有思,必先腹中有物。”大脑只占体重 2%,消耗全身 20% 的能量。AI 把人推入全天候深度思考,大脑一直在短跑。有人连续高强度 AI 协作一整天,血糖降到 4.0,手冰凉——糖被脑子吃光了。

协和名医张孝骞对学者瞿同祖说过一句话:“你的病是由于想写书而写不成书就焦虑引起的。”大脑的驱动力超过身体的承载力,身体就罢工。这不是瞿同祖一个人的问题,是所有被决策密度压着跑的人的问题。当洗牌不再需要体力,打牌本身就变成了体力活。瞿同祖真的“写不成书”吗?法学院毕业的都知道《中国法律与中国社会》——老爷子去世时,98 岁。

身体是革命的本钱。身体供能,是参与 AI 革命的本钱。


还有一层。不是所有的“洗牌”都该交给机器。

有些弯路本身就是学习。

自己查资料比 AI 慢十倍,但查的过程中会遇到 AI 永远不会给的东西。自己写一篇比让 AI 出初稿慢五倍,但写的过程逼你把思路压到不能再压。

纸上得来终觉浅,绝知此事要躬行——让别人替你嚼饭,省了牙的力气,废了胃的功能。

有些牌,必须自己打。


所以,故事的完整版是:

两千多年前,一个史官在竹简上刻字,每一笔都费力,文章不得不短——后人管那叫微言大义。

七十年前,一群立法者用铅字和油墨一稿一稿地磨一部刑法,洗牌的笨功夫本身就是在审校。

七十年后,洗牌的成本归零了,审校的责任没有消失——它从技术退回到了人。

技术消灭了洗牌的苦,打牌的苦却永远都在。撑住这一切的不是更聪明的头脑——是更扎实的底盘、更精确的表达、更稳定的供能——以及一个清醒地知道“哪些牌不该让机器帮你打”的人。

麻将桌从手动变成了电动。打牌的,永远是人。


本文关于刑法草案“稿”字含义的史料,引自丛日禹转引高铭暄教授 2012 年口述。原文参见公众号“拂懒猫的自留地”2026 年 3 月 7 日文章《高铭暄教授在 2012 年对中国刑法起草过程中“稿”字含义的解答》。
链接:https://mp.weixin.qq.com/s/JkDjK5DCJSkRywAGVBDZDw

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2518/

“做点事儿”,先过两道关

“做点事儿”这句话,是中国人社交场合的万能答案。

你在做什么?做点事儿。最近忙什么?做点事儿。未来什么打算?想做点事儿。

话说得越轻,藏的东西越多。可以遮掩野心,可以回避追问,可以给自己的焦虑找一个体面的出口——大多数时候,“做点事儿”是一层社交的面纱——掀开一看,什么都没有,或者什么都还没开始做。

前两天看《老饭骨》,几位大师吃火锅,二伯说了句:“凑到一块儿做点事儿。”这话从他嘴里出来,份量不一样——他们做到了。几年的节目,一辈子的手艺,拍成视频,搁到网上,送到千家万户。

到底什么才叫真的“做了点事儿”?

如果把名利、影响力、社交货币这些外壳剥掉,“做点事儿”至少要过两道关。

第一关:封装。

肚子里有东西是前提——但光“有东西”不够,得让别人接得住。

一个厨师会做菜,这是本事;如果他能把三十年的经验拆成一道一道的教程,让一个家庭主妇跟着做也能像模像样,这是封装。一个老师傅会修发动机,这是本事;但如果他能把故障判断的逻辑写成一本检修手册,让新学徒也能按图索骥,这也是封装。

封装的本质,是把你脑子里那团混沌的、私人的、只有自己用得了的东西,压缩成一个别人可以调用的接口。用软件工程的话说:不是你跑得动就行,你得给出一个 API,让别人照着文档就能跑通。

很多人的问题恰恰卡在这里。有能力,但没有封装。有经验,但没有接口。有判断,但说不出来,写不下来,别人接不住。一辈子的本事跟着自己走,跟着自己老,跟着自己消失。

第二关:交付。

封装完了,还得送出去。

有人花三年写了本书,写完存在硬盘里,从来没投过稿。有人做了一手好菜,但从来没想过拍个视频。有人有一套很好的育儿心得,只在家庭群里说过一两次。封装做了,交付没有。“事儿”就没有落地。

交付意味着东西要进入现实世界——要面对对象,面对标准,面对反馈,面对摩擦。它不一定卖钱。一篇发出去的文章是交付,一堂讲了的课是交付,一件送到客户手里的东西是交付,甚至一个真正帮到别人的建议也是交付。关键不在形式,在于它离开了你的脑子,进入了别人的世界。

没有“交付”,“封装”就是自娱自乐。

所以,“做点事儿”的最低配置,就是这两步:把你的东西装好(封装),送出去(交付)。

封装回答的是“你有什么可以给”。

交付回答的是“别人拿到了没有”。

两个问题都能答上来,才算“做了点事儿”。哪怕只做了一次,哪怕规模很小,哪怕不赚钱——但闭环走通了,“事儿”就是实的。

反过来,如果一个人很忙、很焦虑、很努力、很有想法,但既没有封装也没有交付——那他其实什么都没做。他只是在“忙”。

“忙”和“做事儿”不是一回事,“做点事儿”,其实不容易。

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2516/

闲暇生智慧,浪费出价值:AI破冰时代的token主张

AI 跟我说:你的 token 里有浪费。

我说:对,没错,又能怎?

每天跟 AI 协作写作、搞系统、做决策,日均消耗五千万到一个亿的 token。按 API 零售价算,每天大几十美元,一个月烧掉小两千美元。而 Anthropic 给我的套餐费定价却只是这个数字的零头。这意味着,如果每天的吞吐量维持在这个水平,包月的套餐费就像 1900 年花二十块钱包下一个月七百度电——无论一百二十年前的你用电干了什么,这笔钱都值。

我把这个算法告诉 AI,AI 的第一反应不是“确实划算”,而是——“这五千万 token 里,有多少是'用空调',有多少是'忘关灯'?”

AI 认为我的 token 里有浪费。它觉得有些消耗是“基建跑批”,有些是“全量遍历”,不是每一笔都产生了直接价值。它建议我分清楚:哪些是必要消耗,哪些是无效浪费。

这个逻辑彻头彻尾是错的。错在它用稀缺时代的成本框架,衡量冗余时代的资源使用方式。

举个例子。以前,家里周末、月末搞大扫除,全家上阵,扫地、拖地,花半天时间,累得够呛。这是“集中式重型清洁”。后来有了扫地机器人,每天下午三点半定时启动,嗡嗡跑一个小时。电费肯定多了,但地面永远是干净的。没有人会说扫地机器人“浪费电”——它只是把以前的周期性重劳动,变成了连续性低摩擦维护。

每天让 AI 遍历一遍全部 skill 文件,检查文本一致性、修正内在矛盾,本质上就是扫地机器人每天自动工作。在没有 AI 的年代,这叫“大规模审计”,得攒一攒集中搞。现在有了冗余算力,顺手一句话的事。每次遍历都能查到或多或少的不一致,顺手修好。我的 skill,永远是刚刚完成代码审计的、无瑕疵的系统。

这不是忘关的灯,这是每天锃亮的地板。

不止于此。真正让我想旗帜鲜明反对的,是AI 劝诫我的另一个提法——“不要把高吞吐本身当成胜利”。

我偏要。高吞吐就是胜利,越高的吞吐越胜利。

一个小孩面对 DOS 系统的黑屏幕,光标冰冷地闪烁。如果他不每天跟这块屏幕泡在一起,敲一些乱七八糟的命令,跑一些毫无意义的程序,他永远学不会编程。因为编程能力不是从“最优操作”里长出来的,是从高频浸泡里长出来的。他需要先跟机器混熟。

一个小孩抱着足球在操场上乱踢,对着墙反复射门,球飞到哪算哪。没有教练,没有战术,没有比分。如果有人走过来说“你这样踢没有效率”,这个建议在技术上是正确的——但在训练逻辑上是错的。球感不是从最优传球里练出来的,是从没完没了的乱踢里泡出来的。

一个小孩在泳池里漫无目的地泡着,不按课表,不计圈数,有时候就在水里发呆。但正是这种看起来毫无效率的泡水时间,让他的身体学会了跟水相处。水性不是游出来的,是泡出来的。

Token 就是水,是脚下的球,是屏幕上闪烁的光标。

人要想自如地驾驭 AI,就必须在“从 0 到 1”的破冰期,把自己泡在 token 里。不是精打细算地用,是大大方方地挥霍。做一些看似无意义的事,跑一些看似多余的遍历,发起一些看似没有直接产出的对话。这不是在浪费算力,是在训练人和算力之间的耦合——训练直觉,训练体感,训练“什么时候该全量跑、什么时候局部跑就够了”的判断力。

这种判断力,节约是练不出来的。只有挥霍才行。

闲暇生智慧,浪费出价值。

就像游泳,舍不得在水里泡够,永远是“会游泳的旱鸭子”——动作都对,感觉全无。真正有水性的人,下水那一刻身体自己知道该干什么,根本不用想。

这就是“球感”,这就是“水性”。它们的共同点是:都不是来自于最优操作训练,而是出自于大量的、冗余的、“低效”的浸泡里,都是自然涌现的。

所以——

在 AI 时代的破冰期,高吞吐就是胜利。多跑就是赚到。挥霍 token 不是放纵,是投资——投资的不是 AI 的产出,是人自己跟 AI 协同的本能。

当这种本能建立起来以后,人和 AI 之间就不再是“使用者和工具”的关系,而是像游泳者和水一样——你在水里,水在你身上,分不清是你在推水还是水在托你。

到那个时候,吞吐量自然会从“多跑”进化为“跑得准”。

但那是后面的事。

在此之前,先下水,把自己泡进 token 的池子去。

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2514/

“飞入寻常百姓家”:从“三千弟子”到“20 美元的文字秘书”

写作从来不是一个人的事。

写作一直需要两个角色:一个负责想,一个负责记。孔子负责想,学生负责把他的话刻成竹简,最后成了《论语》。人大法学院一位教授负责口述思路,两个博士生坐在电脑前负责落盘,最后学界戏言“写出的书比读过的书还多”。工具从竹简变成了键盘,写作的结构从没变过。

问题在于:“负责‘记’的角色”,从来都不便宜。

孔子能让学生记录言行,前提是他得是孔子——三千弟子不是谁都收得起的。吕不韦养三千门客写出《吕氏春秋》,“一字千金”,前提是他得是一国之相。弥尔顿双目失明后口述《失乐园》,一万行史诗由女儿逐字记录——那是因为他有一个识字的、愿意陪在身边的女儿。到了清末,左宗棠替湖南巡抚骆秉章代写全部奏折,“所行文书画诺,概不检校”——巡抚签字盖章,师爷通宵执笔。再到今天,教授身边的博士生团队,功能上也是同一个东西:替领导把脑子里的想法变成纸面上的文字。

门客、师爷、幕僚、女儿、博士生——名字换了几轮,活儿没变:听、记、理、写。

这些角色,普通人从来养不起。

这就是写作真正的外在约束。

不是你没有思想,不是你没有判断,是你没有那个“第二个人”帮你把想法落成文字。你脑子里有一套对世界的理解,有观点,有立场——但你不是孔子,没有学生跟随;不是教授,没有博士生待命;不是信陵君,养不起三千食客。

于是大量的思想从未被记录,大量的判断从未被表达,大量的“述”从未变成“作”。不是不想述,是“作”的成本太高。

荀子早就看穿了。他说:君子性非异也,善假于物也。君子跟普通人的差距不在天赋,在于会不会借力。借什么力?借工具的力,借杠杆的力,借那个“第二个人”的力。

印刷术是一次借力——文字的复制成本归零。

互联网是一次借力——文字的传播成本归零。

——只是有一个成本,从竹简到键盘,始终降不下来:把一个人脑子里的想法变成其他人可以阅读的文字。复制成本归零,传播成本归零了,落盘成本归不了零。

——这个环节需要“第二个人”,而“第二个人”一直很贵。

直到 AI 出现。

AI 是第三次借力——让文字的落盘成本无比接近于零。

孔子时代,“落盘”需要什么?竹简,刻刀,一个识字的学生。春秋时期识字率不到百分之一,竹简论斤卖、论车运,培养一个能准确记录老师言论的学生更是稀缺品中的稀缺品——折算成今天的购买力,一年的“落盘成本”恐怕抵得上一个中产家庭的全部收入。

到了教授的时代,一个博士生每月补贴几千块钱,加上学费减免、办公场地和十年培养周期的机会成本,综合算下来,每月的“落盘成本”大致相当于一两万元人民币。贵,但跟竹简时代比,已经降了几个数量级。

今天的 AI 时代,最强的 AI 模型,入门月费二十美元上下,二十四小时追随左右。你把自己的思维习惯、判断标准、风格偏好做成 skill 文件——相当于给它做一轮浓缩的“学术训练”——它就能接住你的口述,整理成可以发表的文字。不需要十年培养,不需要办公室和五险一金,不需要你是孔子或者信陵君。

落盘的成本,从中产家庭的全年收入,到每月一两万,到每月二十美元——方向只有一个——无限接近归零。AI 没有发明“述而不作”——那是两千五百年前就有的模式。AI 做的事只有一件:把“述而不作”的门槛,从三千弟子、十年博士、食客三千,降到了每月几十美元。

旧时王谢堂前燕,飞入寻常百姓家。

但燕子飞进堂前,真正意义不在于省钱。

当落盘成本高到离谱的时候,大多数人一辈子都不会认真整理自己的想法——因为没有必要,整理了也没有人替你记下来。你的思想留在脑子里,模模糊糊,自生自灭。只有极少数人——孔子、弥尔顿、那些养得起师爷的大员——才有机会把想法变成文字,而文字一旦落盘,思想就被迫接受检验:逻辑通不通?判断准不准?哪些是真洞见,哪些是自我感动?

写作不只是记录,是萃取。 把脑子里的浑浊液体过一遍筛子,滤掉杂质,留下晶体。这个过程,古人叫“修辞立其诚”,今天叫“精确表达”。它本质上是一次思想的纯化与升华——而这个机会,过去两千五百年里,是只属于极少数人的“高端体验”。

现在,它属于每一个愿意表达的人。

世上从不缺少美,缺的是发现美的眼睛。这世界也从不缺想法,缺的是把想法落地,把想法变成文字的那“第二个人”。现在,那个秘书就站在每个人的面前,脖子上挂个牌子:入门款,二十美元/月。

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2512/

“对冲式”做空“火耗归己”的美国:两百万美元的防空导弹与两块钱的鸭子

仗打到现在,该算账了。

——一枚美军标准防空导弹,报价两百万美元,折合人民币一千四百多万。北京三环一套大平层,换海湾上空一声响。

响不响我们不管。我们管管这两百万。——这两百万美元里,有多少真花在了弹体、燃料和制导芯片上?有多少流进了洛克希德·马丁的股东回购、K街游说集团的年度预算、五角大楼退休将军的“咨询费”?

按中国古人的说法,这叫“火耗归己”。

清朝征粮,地方官以“火耗”——熔铸白银的损耗——为名层层加码,送到户部的银子远少于百姓缴纳的数额。差额去哪了?归了经手人。雍正推“火耗归公”,就是把暗账摊到明面上。

三百年后,美国军工复合体做的是同一件事,“火耗”换了名目:“研发成本分摊”、“合规审计”、“供应链安全附加费”、“国会关系维护”。每一项都有个煞有介事的编号,每一项都过了一脸严肃的审计,每一项都庄重得体,合法合规——加在一起,一枚导弹两百万美元。

这不是技术问题,不是廉洁问题,这是产业结构问题。

从设计到制造,链条上每个环节都是独立的利润中心、独立的合规成本、独立的游说预算。每多一个节点,“火耗”就多一层。两百万美元的导弹,不是工程师造贵的,是链条养贵的。

一场中等烈度的防空作战,一个晚上打掉几十枚拦截弹,几千万美元灰飞烟灭。补充产能呢?洛马的生产线排期以年计算,零部件供应商分布在三十几个州——不是因为效率最优,是因为每个州的参议员都要分一杯羹。军工采购不是产业链配合,是政治分肥。

中国的制造业是另一个物种。

北京街头真空包装的烤鸭,十几块钱一只。比菜市场一只未处理的活鸭还便宜——养这批鸭子根本不是为了鸭肉——是鸭绒,是鸭杂。鸭绒摘走,去了羽绒服工厂;鸭舌、鸭肠、鸭胗、鸭血拆出来,送进周黑鸭和绝味的卤味供应链。光鸭绒加鸭杂,一只鸭子已经回收了十块钱成本。剩下的鸭腔子,在产业链里已经是副产品中的副产品,出厂批发价两三块钱一只。加上工业化烤制、塑封、物流,卖十几块钱,厂家还有利润。

鸭肉是“买椟还珠”的椟——整条产业链的利润重心根本不在这里。

没有人在低价倾销,这是经济生态的自然溢出。没有人在刻意压价,分工分到毛细血管之后,成本像水一样自己往最低处流。美国人看到的是“不可思议的低价”,产业内部看到的是“每一环都赚到了钱”——只是没有人在中间抽“火耗”。

两百万美元的导弹和十几块钱的烤鸭,是同一道考题的两份答卷。一份写满了中间商的签名,另一份写满了商业的价值,一人一笔签下了产业链的分工。

落到交易上,方向很清楚——

  • “对冲式”地做空美国。多头配美国的科技,配费城半导体ETF——美国的芯片设计能力仍然全球领先。空头配的是美国工业。道琼斯工业指数是“火耗归己”的集中体现。多费半、空道指,这个对冲本身就在说一句话:美国的设计能力还在,把设计变成产品的能力不在了。
  • “单边式”地做多中国制造。入口是螺纹钢和A50。螺纹钢是钢铁工业最标准化的制成品,也是现代基建最标准化的原材料——做多螺纹,赌的是中国大规模地把钢铁变成全球的桥梁、厂房和高铁,“基建狂魔”舞动全球。A50是中国最优质的大央企集合——做多A50,赌的是这些央企背后那条从鸭绒到导弹都能物尽其用的产业链,还在野蛮地疯狂生长。

战争是制造业的期末考试——考卷发下来,谁的工厂在空转,谁的成本压得实,谁空心,谁靠谱,谁体虚,谁精壮——童叟无欺,一目了然。时间会证明一切,时间已经证明了一切。

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2510/

AI Agent:能说者拥抱 AI,会道者收获耦合

驱动 AI Agent 需要什么“技能”?

——几个 markdown 文档——纯文本,自然语言,普通话,没有一行代码。没有数学模型,没有权重结构化数据,没有训练脚本,没有任何“高科技”。

AI 的操作系统,是说话,是把话说清楚。 最强大的 Agent,打开底层都是说话,都是作文。既然底层驱动力是自然语言,那驾驭 AI 的能力上限就不在技术,而在一项古老的基本功——说话。

一个熟悉的场景:用户对 AI 说“帮我写篇关于XX的文章”,几秒之内,AI 即刻交卷——结构完整,用词考究,一整篇正确的废话。为什么?因为用户没告诉 AI 背景是什么、立场是什么、要驳谁、要服谁。用户给 AI 模糊的题目,AI 还用户一堆无用的篇章。不是 AI 不聪明,是用户没把话说清楚。

同样的工具,换一个人用:需求拆成三层,每层给出判断标准,附上正例反例,标明哪些地方不许碰——出来的东西立刻不一样了。差距不在工具,在输入。

隐喻远比表象重要。这根本不是 AI 时代的新问题。

任何协作都有同样的前提——你说不清需求,对方只能猜。只不过人会揣摩、补全、读你没说出口的潜台词,于是你误以为自己说清楚了,对方误以为自己猜对了。事情往往就这么误打误撞,滚滚向前。如今 AI 把这层遮羞布扯掉了:它不揣摩,不补全,不惯着你——你的表达有多精确,输出就有多精确;你的思维有多混沌,输出就有多荒腔走板。

程序员对此不陌生。源代码过编译器才能变成机器指令,前提是代码语法正确、逻辑自洽、没有歧义。编译器不猜——写错了,报错,一步不走。人脑在调用 AI 之前需要完成的,本质上也是一次编译:把混沌的、碎片的、自相矛盾的念头,压缩成结构清晰、指向明确的自然语言。区别在于:编译器遇到坏代码会报错;AI 不报错——它猜。

一个人如果连自己的思想树(Thought Tree)都梳理不清楚,指望 AI 去“猜”,最终得到的必然是算力无谓损耗后的“幻觉(Hallucination)”。

精确表达,本质上是大脑在调用外部算力前,必须完成的一次“自我编译与脱水”。

每个人脑子里都有一棵思想树——主干是核心判断,分枝是推理路径,叶子是事实与细节。树形越清晰,AI 能接住的就越多,能往下走的也就越远。怕的是脑子里根本不是树,是灌木丛:没有主干,杂枝缠绕,自己都分不清哪根连着哪根。灌木丛喂进去,毛线团输出来,形散,神也散。

精确表达不是修辞,是思维。 开口之前至少理清楚三件事:

  • 要说什么;
  • 为什么这么说;
  • 不说什么。

三样都不靠词汇量,靠那棵树长得好不好。

再好的 AI 技能文件,归根结底也是人一个字一个字写出来的;再合身的配置,随着使用和时间推移,也会过时,也得迭代修订甚至推翻重来。书写、组织、迭代、修订——每一步的前提都是同一个:想清楚了。理不清自己在想什么的人,装不上外挂前额叶,也不可能与 AI 形成深度耦合。

AI 工具以指数速度进化,人的思维却是线性的——区别只在斜率的正、负、零。线性想匹配指数,只有一个办法:撬动杠杆,把自己的想法精确外化到 AI,与 AI 紧密耦合,将它的指数进化与自己的思维捆绑在一起。能把复杂任务拆解到 AI 可逐步执行之精度的人,和只会说“帮我搞定”然后抱怨 AI“不够聪明”“有幻觉”的人,用的是同一个模型,活在两个世界。

“沉舟侧畔千帆过”,“轻舟已过万重山”。AI 革命注定是,与写作者、程序员深度耦合,让写不下、说不出的人留在原地。

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2507/