思考笔记

李文业的思考笔记


  • 首页

  • 关于

  • 分类

  • 归档

你大脑里的注意力争夺战(Tim Urban / Wait But Why 版)

发表于 2026/03/13 | 分类于 AI专题

你大脑里的注意力争夺战

一场你每天都在输的战争

我要跟你说一件你已经知道、但从来没认真想过的事:

你的大脑里每天都在发生一场战争。

战争的双方是这样的——

一边是一群安静、矮小、说话声音特别小的家伙。它们代表的是你生活中真正重要的长期价值:健康、深度阅读、冥想、写作、好好睡觉、认真运动、财务规划。它们穿着灰色毛衣,戴着老花眼镜,排在队伍末尾,手里举着写满小字的牌子。

另一边是一群穿着荧光色紧身衣、拿着大喇叭、跳着劲舞的选手。它们代表的是:新消息通知、朋友圈点赞、短视频推荐、外卖 App 的红点、以及那个你明知道不该点但手指已经点上去了的「再看一个」按钮。

每天,这两拨力量在你的注意力竞技场上打架。

你猜谁赢?

对,几乎每次都是荧光色那帮赢。

不是因为它们更重要。而是因为它们更显著。

为什么你知道「该多喝水」但就是不喝

让我用一个具体的例子来说明这件事。

喝水。多喝水有益健康。你知道这件事吗?当然知道。你妈从你五岁起就在说。你的医生说。你朋友圈里的养生文章说。你自己也说。

但你今天到现在喝了多少水?

(如果你现在心虚了,那我们就对了。)

问题出在哪?出在你的身体在告诉你「我有点渴了」的时候,它发出的信号大概是这样的:

嗯……好像……有点……可能……需要……水……

声音小到像在图书馆里用气声说话。

而与此同时,你手机上弹出一条消息:

🔥 张三刚刚评论了你的动态!

这条消息的信号强度大概是一架战斗机从你头顶飞过。

所以你的注意力做了一个非常合理的决定:先看消息。水嘛,等会儿再说。

然后「等会儿」就变成了「忘了」。

这个场景每天重复几十次。不只是关于喝水,而是关于你生活中所有那些「长期重要但现在不紧急」的事情:读书、运动、冥想、好好吃饭、认真思考、跟重要的人好好说话。

它们全都输给了那些穿荧光色紧身衣的选手。

等等,我们先搞清楚三个概念

在继续之前,我需要给你解释三个被严重混淆的东西。这很重要,因为一旦你搞清楚它们的区别,很多事情会突然通透。

信号——世界上到处都是信号。你的口渴是信号。手机红点是信号。桌上那本已经落灰的书是信号。你胃在咕咕叫是信号。你上次冥想时那阵莫名其妙的烦躁也是信号。信号无处不在,多到数不清。

注意力——你大脑里那个极其有限的放大器。在所有信号中,只有极少数能被它选中、放大、推到你意识的前台。其他的全部沉在背景里,你甚至不知道它们存在过。

信息——这是最关键的。只有那些成功通过注意力放大器、并且真正改变了你判断或行为的信号,才算得上「信息」。

换句话说:信息不是客观存在在那里等你看的东西。信息是被你的注意力「生成」出来的东西。

一个道理你知道了。但如果它从来没有在关键时刻成功进入你的注意力前台,从来没有触发过行为,从来没有获得过反馈——那它就只是知识,不是信息。它只是被你存在了仓库里的存货,从没上过货架。

这就是「知道很多道理却过不好一生」的真相。不是道理不对,是道理从来没能拿到你大脑里那张极其稀缺的 VIP 门票。

你的大脑是一个设计有缺陷的夜总会

让我给你打一个比方。

想象你的大脑是一个夜总会。门口有一个保安,叫**「注意力先生」**。夜总会里面的空间非常小——大概只能同时容纳三到五个人。

每天,有几千个客人排队想进去。注意力先生需要决定放谁进。

问题在于,注意力先生的选拔标准是几十万年前设定的。那时候的世界很简单:老虎来了?放进去。食物出现了?放进去。异性出现了?放进去。其他的?不重要,在外面等着。

这套标准在旧石器时代完美运作。但现在的客人名单变了:

  • 「长期健康」穿着灰色毛衣,安安静静站在队尾
  • 「深度阅读」戴着眼镜,看起来有点无聊
  • 「冥想」闭着眼睛,甚至没在排队
  • 「财务规划」穿着西装,手里拿着一堆表格
  • 而「短视频推荐」穿着全身亮片,头上有 LED 灯,手里举着一块写着「免费多巴胺」的牌子
  • 「朋友圈评论通知」在门口放烟花

注意力先生看了一眼:「亮片选手,请进。烟花选手,也请进。」

「长期健康」在门口叹了口气。这已经是它今天第 47 次被拒绝了。

这就是你的生活。这就是所有人的生活。

不是你不重视那些长期重要的事情。是它们在你大脑的夜总会门口,天生就不够闪亮。身体缺水的信号强度大概是 0.5,而一条评论通知的信号强度是 8。睡眠债的积累不会弹窗提醒你,但微信消息会。阅读能力的退化没有惩罚音效,但游戏任务完成有。

你面对的不是一个公平的竞技场。你面对的是一个竞争规则天然不利于长期价值的环境。

一个喝水 App 为什么值得写一整篇文章

回到开头的故事。有人用 AI 给自己写了一个喝水 App。

你可能会想:这有什么好说的?不就是个定时提醒吗?

不。这不是一个定时提醒。这是一次夜总会 VIP 改造工程。

这个 App 做的事情是:把「长期健康」那个穿灰色毛衣的安静选手,塞进了一套亮片紧身衣里。

具体来说,它把原来微弱的身体信号——「好像有点渴」——翻译成了一套注意力先生更容易注意到的形式:

  • 在你最容易忘记喝水的时段弹出提醒(「下午两点了,你已经连续 3 小时没喝水」)
  • 用数字和图表告诉你今天的进度(「今天只喝了 800 ml」)
  • 在你连续两小时没喝水时加大提醒力度
  • 给你看这周的趋势变化
  • 根据你的日程和历史行为做动态调整

原来的「长期健康」还是那个「长期健康」,但现在它有了亮片、LED 灯和一块写着「你今天才喝了 600 ml」的牌子。

注意力先生瞟了一眼:「嗯,这个看着还挺紧急的。进来吧。」

这就是我所说的「可编程的显著性」。

过去,给客人穿亮片衣服这个能力,主要掌握在大型平台手里。抖音的推荐算法、微信的红点、外卖 App 的倒计时——它们都是专业的「亮片裁缝」,专门把各种短期刺激打扮得让你的注意力先生无法拒绝。

而 AI 让你也可以当一回裁缝了。你可以给你生活中那些安静但重要的选手做几套亮片衣服。过去,这需要你懂产品设计、会写代码、能做界面、能搭数据逻辑。现在,你只需要跟 AI 说清楚你想要什么,它就能帮你把系统搭出来。

AI 缩短的不是编码时间。它缩短的是「我有一个模糊的改善意图」和「这个意图变成了一个持续运行的系统」之间的距离。

这事的意义比听起来大得多。

你其实不是「一个人」,你是「很多个人」

说到这里,我需要告诉你一个关于你自己的残酷真相。

你不是一个人。你是很多个人。

早上 7 点精神饱满、雄心壮志的你,和晚上 11 点瘫在沙发上只想刷手机的你,在很多重要问题上意见完全相反。

周一早上制定计划的你觉得「这周一定要读完这本书」。周四晚上的你觉得「我先看两集剧,书明天再说」。周日晚上的你看着一周的打卡记录觉得「我真的很没用」。

情绪好的你相信长期主义。疲惫的你只想现在就舒服。焦虑的你疯狂收藏各种方法论。平静的你把所有方法论都忘了。

这不是你意志力薄弱。这是人的基本处境。不同时刻的你,就是不同的「人」,有着不同的优先级、不同的能量水平、不同的抵抗力。

所以,所谓「自我管理」,本质上不是「一个统一的我命令自己执行」,而是「早上那个更清醒的我,如何跨越时间去影响晚上那个更脆弱的我」。

这就是个人系统最深层的意义——它不只是工具,它是跨时间的自我治理装置。

那个喝水 App 做的就是这件事。它是你过去某个清醒时刻做出的决定,固化成了一个能在未来不同时刻持续生效的结构。它是「过去的你」写给「未来的你」的一封自动发送的信。

阅读系统、冥想系统、复盘系统也是同样的逻辑。它们不是帮你执行某个任务。它们是在时间中维持一种稳定的偏好、优先级和方向感。它们帮助不同时间点的自己建立协商关系,让一个更长期的目标能持续对短期状态产生温和但真实的约束和引导。

系统之所以有力量,不是因为它更聪明,而是因为它更稳定。它把不稳定的人连接进一个相对稳定的结构。

一个来自赫拉利的大启发

这里我必须提到赫拉利的《Nexus》,因为它让这个问题变得更加清晰。

赫拉利的核心观点是:信息不等于真相。人类之所以能建立大规模合作——从部落到帝国——不是因为我们交换了准确的事实,而是因为我们围绕共同的故事建立了共同的想象,围绕共同的制度建立了共同的流程。

故事(「神话」)让人愿意相信某些东西值得追求。制度(「官僚制」)让人持续地按照某种规则行动。两者共同维持了复杂社会的运转。

这个洞见缩小到个人层面,完美适用。

一个人想长期改变自己,光有道理不行。你还需要两样东西:

你的个人「神话」—— 关于你自己的叙事。「我是一个愿意照顾身体的人」「我是一个珍惜深度阅读的人」「我是一个愿意慢慢修正自己的人」。这些故事给你方向和意义。没有这些故事,你不知道为什么要坚持。

你的个人「官僚制」—— 提醒、记录、反馈、回顾、规则、表格。是的,很无聊。但它们是让故事在现实中反复生效的唯一机制。没有这套枯燥的东西,你的所有叙事都只会停留在「我应该」的层面。

很多人的问题就出在两者严重失衡:

有些人只有神话没有官僚制——满脑子价值观,就是没有任何流程把它们落地。结果所有理想都活在心里,从没踏入过现实。

有些人只有官僚制没有神话——打卡漂亮、表格整齐、streak 完美,但早就忘了自己为什么开始。结果变成了系统的奴隶,而不是系统的主人。

好的个人系统,必须让两者互相校准。

但是,小心你的系统变成你的牢房

到了这里,我必须说点不那么让人开心的事。

你知道什么比没有系统更糟吗?一个你已经忘记为什么要用的系统。

我来描述一个场景,看看你是不是觉得熟悉:

你设了一个冥想打卡。前两周感觉特别好。第三周开始,你发现自己冥想时一直在想「还剩几分钟」。第四周,你冥想的动力变成了「不能断 streak」。第五周,你在思考「如果我今天实在不想坐,能不能放个 3 分钟的引导音频算打卡」。

发现了吗?

你的目标从「培养觉察力」悄悄变成了「维护连续打卡天数」。系统还在完美运转。你的日历上全是绿色的对勾。但你已经不是在冥想了。你是在给打卡 App 打工。

这就是代理指标劫持——我给它起了个更直观的名字:数字陷阱。

数字陷阱是这样运作的:每个系统一开始都有一个真正的目标。为了追踪进度,你设了一些数字指标。然后渐渐地,数字指标变得比目标本身更显著、更容易衡量、更容易让你获得即时满足感。于是数字偷偷取代了目标。你以为你在追求目标,其实你在喂养数字。

喝水:目标是身体健康 → 变成了凑够 2000 ml 的数字游戏。
阅读:目标是深度理解 → 变成了「这个月读了几本」的计数器。
运动:目标是身体能力 → 变成了手环上的步数和卡路里。
写作:目标是思考和表达 → 变成了每天写够多少字。
冥想:目标是觉察和松动 → 变成了连续打卡天数。

数字陷阱的可怕之处在于,它不以失败的形式出现。你觉得自己很自律、很规律、很有成就感。但那种成就感已经偏离了你真正想要的东西。

还有一个更隐蔽的问题:感受力退化。

系统本来是帮你更敏锐地感知自己。但系统用得太多之后,你开始依赖系统告诉你「该喝水了」「该休息了」「今天状态不好」。你自己对身体和情绪的直接感受反而在减弱。

原本是「我觉得有点累了,需要休息」。现在变成了「手表说我今天睡眠评分 65 分,所以我大概需要休息?」

原本是「我察觉自己开始烦躁了」。现在变成了「等情绪记录系统提醒我,我再看」。

你成了自己数据的读者,而不是自己身体的感受者。

系统应该像一个放大镜——帮你看得更清楚,然后你自己做判断。而不是像一副永久的义肢——替代了你原本的能力。

你的个人系统需要一个「反对党」

所以,一个真正好的系统长什么样?

我觉得它需要五个部分——

第一,传感器。 让原本微弱的信号变得可见。这是基础。身体状态、读书节律、情绪波动、专注质量,这些都需要被感知。没有传感器,后面的一切无从谈起。

第二,翻译器。 把「我觉得不太对劲」变成「这里有一个我可以响应的具体模式」。比如把「今天效率好低」翻译成「你从两点到四点之间切换了 23 次窗口」。

第三,反对党。 这是最关键也最缺的一个。你的系统里必须有一个角色,定期站出来问:

「等等。这套东西真的在帮你吗?」
「你是不是在骗自己?」
「你说你重视长期价值,证据呢?」
「你最近是不是在为了数字而活?」
「你最近最可能在哪里犯了错?」

AI 在这里最高级的用途,不是做你的啦啦队长,而是做你的反对党——一个温和但坚定的质问者。不是替你维护自我感觉良好的叙事,而是帮你拆穿自己。

第四,换届选举。 任何规则都不应该永久有效。三个月前有效的提醒策略,现在可能已经变成噪音了。去年合适的阅读流程,今年可能已经不适应了。系统必须内置一个更新换代的机制。很多人不是没有系统,而是没有退出旧系统的制度。他们被自己曾经设计的东西反向控制了。

第五,宪法。 一条最高原则:所有数字都是工具,不是目标。 喝水是为了身体,不是为了 2000 ml。阅读是为了理解,不是为了页数。冥想是为了觉察,不是为了 streak。运动是为了身体能力,不是为了消耗卡路里。当工具和目标冲突时,工具让路。

这条宪法必须被刻在系统的核心,而且必须有机制反复提醒你——因为数字陷阱每天都在试图让你遗忘它。

AI 可能变成你的纠错机构,也可能变成你的宣传部

说到 AI,还有一件事必须说清楚。

AI 可以做两种角色:

角色 A:你的个人纠错机构。 它帮你发现盲区,指出你正在偏航,提醒你的指标已经偏离了原目标,温和但坚决地告诉你不想听的真话。

角色 B:你的个人宣传部。 它只说你爱听的话,帮你合理化所有决定,维护你的自我叙事,让你每天都感觉「我做得挺好的」。

角色 A 让你进步。角色 B 让你舒服。

你猜大多数人会选哪个?

对。大多数人会选 B。因为 B 的显著性更高。(看,这整篇文章的逻辑又回来了。)

所以,你在设计 AI 系统的时候,必须刻意给它安排角色 A 的戏份。让它定期问你不舒服的问题。让它不只是鼓励你,还要挑战你。

AI 最好的未来不是做一个永远顺着你的情绪走的伴侣型工具,而是一个既理解你、又敢于对你保持一定认知张力的系统。

所以,这一切到底意味着什么?

让我把这些整合起来。

AI 时代真正深刻的变化不是「你可以更快地做事」。更深刻的变化是:你第一次有能力低成本地为自己设计注意力入口。

过去,「什么能成为你的信息」这件事,主要由进化、由平台、由你碰巧生活的环境来决定。你基本是被动的。

现在,你可以开始主动参与了。你可以给那些在你大脑夜总会门口排不上队的重要选手,做几套亮片衣服。你可以为自己的长期价值争夺一些注意力席位。

但这带来的不只是效率的提升,还是一种全新的责任。

因为一旦「什么进入你的注意力」变得可被设计,那你就不能再假装自己只是环境的受害者了。你不能一边说「都怪手机太好玩」,一边放弃为自己建造更好的信息生态。

在 AI 时代,自律不再只是「扛住诱惑」。自律是治理——治理你自己的注意力结构。

自由也不再只是「没人管我」。新的自由是:我能不能设计自己的注意力入口?我能不能让真正重要的东西获得稳定位置? 没有自己的信息生态,你的注意力就几乎必然被更强的外部生态接管。

而最终极的问题是:你会不会放弃建造自己? AI 可以帮你写代码、做计划、汇总信息。但它不能替你决定你想成为什么样的人。它可以生成无数个「你应该成为什么」的模板,但真正的责任仍然在你。

一个喝水 App 是治理。一个阅读系统是治理。一个冥想辅助工具是治理。一个写作素材聚合器是治理。它们每一个都很小。但它们合在一起,构成了你为自己建造的微型文明。

而这个微型文明的质量——它是否服务于真正的价值?它是否允许自我纠错?它是否保留了你对自身体验的直接感受?——将越来越决定你的生活质量。

未来最成熟的 AI 使用方式,不是「把自己交给系统」,而是「借助系统,更有力地建造自己」。前者会把你越用越空,后者则可能让你越用越清楚。

所以,最后一个问题:

你打算继续让注意力先生按照旧石器时代的标准放人,还是要开始亲自设计你的 VIP 名单了?

你的大脑夜总会就那么大。你让谁进去,你就会变成什么样的人。

注意力简史:从篝火到算法(Harari 版)

发表于 2026/03/13 | 分类于 AI专题

注意力简史:从篝火到算法

注意力从来不是问题

在人类历史的绝大部分时间里,注意力从来不是一个问题。

一个生活在东非大草原上的智人,不需要「管理」自己的注意力。他的注意力系统是进化精密打磨的产物:草丛中的异动立刻触发警觉,成熟果实的色泽自动吸引目光,同伴的面部表情被本能地解读。信号与注意力之间的对应关系简洁而高效。重要的事物自然显著,显著的事物通常重要。

一个生活在中世纪欧洲村庄的农民,同样不需要操心注意力分配。季节的更替告诉他何时播种收割,教堂的钟声为他的一天划出节奏,社区的习俗规定了什么值得关注。他的信息环境是稳定的、有限的、与生活高度耦合的。

即便到了印刷术普及的时代,书籍和报纸开始增多,大多数人面对的信息量仍然是人脑可以从容处理的。一个 18 世纪的英国绅士每天收到的信件数量,大概相当于你今天手机上两分钟内到达的通知。

那么,究竟是从什么时候开始,注意力变成了一个「问题」?

答案是:当信号的产生速度开始系统性地超过人类注意力的处理能力的时候。更具体地说,当有组织的力量开始工业化地制造显著性的时候。

显著性的工业化

要理解今天的注意力危机,我们需要理解一个关键的历史转变:显著性从自然产物变成了工业产品。

在前现代世界,什么东西「显著」——什么东西能跳出背景、抓住人的注意力——基本上是由物理环境和进化本能决定的。一声巨响是显著的。一张愤怒的面孔是显著的。新鲜食物的气味是显著的。显著性是一种自然属性。

但从 20 世纪的大众传媒开始,显著性逐渐变成了一种可以被人为生产和分配的东西。报纸的头版编辑在决定什么是「头条」——也就是什么最值得你的注意力。广播和电视进一步放大了这种权力:播音员的语气、画面的切换、节目的时段安排,都在精确地控制着数百万人同时注意到什么。

到了 21 世纪的互联网和社交媒体时代,显著性的生产达到了前所未有的规模和精度。推荐算法不再只是把信息「展示」给你,而是基于对你行为的深度追踪,精确计算什么信息最有可能抓住你、留住你、让你再看一条。

这是人类历史上第一次,一个系统能够针对每一个个体,实时地、个性化地制造显著性。

从文明史的角度看,这是一个惊人的转变。几十万年来,人类的注意力系统是在自然环境中被塑造的。它假设的前提是:显著的通常是重要的。但现在,这个前提被彻底打破了。在算法驱动的信息环境中,最显著的东西往往不是最重要的——它只是最能激发你的点击、停留和情绪反应的。

信号、注意力与信息:一个被忽视的区分

这引出了一个我认为在 AI 时代极其关键的概念区分。

我们通常把「信息」当作一种客观存在的东西。世界上有大量信息,人只需要去获取、筛选和处理它们。但这种理解太粗糙了。

更准确的框架是:世界上首先存在的是信号——各种已经在那里的差异和变化。身体的微弱口渴感是信号。一封未读邮件是信号。空气中季节变化的气味是信号。冥想时出现的一丝烦躁是信号。

但信号本身还不是信息。只有当一个信号成功地进入了注意力、被处理、并实际改变了一个主体的判断或行为时,它才成为了真正意义上的信息。

这意味着,信息不是被动地存在的,而是被注意力主动「生成」的。注意力是将信号转化为信息的关键环节。两者构成一个动态闭环:信号 → 注意力选择 → 信息成立 → 行动与反馈 → 心智模型更新 → 下一轮注意力分配。

注意力在这里扮演的角色极其重要:它决定哪些差异有资格对一个人产生因果作用。 人的一天接触海量信号,但真正被放大、被处理、进而改变行为的东西极少。注意力就像一个非常有限的放大器——被它选中的信号才有可能成为有效信息,而没被选中的即便客观存在,也只会沉没在背景噪音里。

这也揭示了「知道很多道理却过不好一生」的深层机制。「知道」只发生在内容层——你的心智仓库里存入了一条命题。但改变必须发生在因果层——一条道理必须反复进入注意力前台,在关键时刻被激活,转化为行动并获得反馈。做不到这些,它就只是知识,不是力量。

信号重要性与显著性的历史性倒挂

而在当代环境中,一个危险的断裂出现了。

那些对人的长期福祉最重要的信号——身体健康的细微变化、认知能力的缓慢退化、深度关系的渐进疏离、阅读能力的悄然减弱、财务风险的隐性积聚——恰恰是最不显著的。它们是缓慢的、连续的、没有即时反馈的。

而那些被平台精心制造出来的高显著性信号——通知、推荐、热搜、社交反馈——则持续占据着注意力的前台。

人类文明的历史上,可能从未出现过信号的重要性与显著性之间如此严重的倒挂。

在采集时代,显著的就是重要的——老虎的脚步声既显著又致命。在农业时代,最显著的事物——季节更替、天气变化、庄稼的生长状况——同时也是最重要的。即便在工业时代,虽然信息开始增多,但核心的显著性结构还没有被根本颠覆。

但在算法时代,显著性被大规模地制造和分配,而制造的标准不是「什么对你最重要」,而是「什么最能抓住你的注意力」。这两个标准之间的差距,正是当代注意力危机的核心。

一个人的反击

在这个宏观背景下,一个人用 AI 给自己写一个提醒喝水的 App,看起来是一件微不足道的事。但如果我们理解了上面的分析,就会发现它具有一种几乎是文明层面的象征意义。

这个人做的事情是:在一个显著性被工业化生产的世界里,开始尝试为自己生产一点显著性。

他观察到,他的身体发出的口渴信号太微弱了,无法在当代注意力竞争中胜出。于是他利用 AI 作为工具,把这个弱信号重新编码成一种更有竞争力的形式——结构化的提醒、可视化的数据、恰当时机的触发。

我把这种能力叫做可编程的显著性。

在此之前,大规模编程显著性的能力,基本上是大型组织的专属——教会曾经通过仪式和建筑来编排信徒的注意力;国家通过媒体和教育来编排公民的注意力;平台通过算法和界面来编排用户的注意力。

而 AI 让个体也拥有了这种能力——尽管规模小得多,但在性质上是类似的。个人第一次可以为自己设计:什么信号在什么时候、以什么形式、以多大的强度进入自己的注意力前台。

这在人类历史上是新的。AI 真正改变的不只是编码效率,而是一个人从模糊意图到可运行系统之间的距离。过去这两者之间隔着产品设计、工程实现、界面交互等高门槛,现在一个人可以低成本地把自己珍视的价值变成持续运行的系统。

个人层面的 Nexus

在我关于信息网络的分析中,一个核心论点是:信息不仅仅是关于事实和真相的。信息更根本的功能是连接、组织和协调。

人类之所以能建立庞大的合作网络——从部落到帝国到全球化经济——不只是因为我们能交换事实。更重要的是,我们能围绕共同的叙事建立共同想象,围绕共同的制度建立共同流程。

故事——无论是宗教神话、民族叙事还是公司愿景——让人们相信某些事物的重要性。

制度——无论是法律、官僚体系还是市场规则——让人们持续地按照某种秩序行动。

故事解决「为什么」的问题。制度解决「如何持续」的问题。两者共同维持了复杂社会的运转。

如果我们把这个框架缩小到个人层面,会发现一个令人惊讶的同构关系。

一个人要长期改变自己——养成健康习惯、保持深度阅读、坚持内在觉察——同样需要故事和制度的配合。

他需要一个关于自己的叙事:「我是一个重视身体健康的人」「我是一个珍惜深度思考的人」「我是一个愿意慢慢修正自己的人」。这些叙事提供方向感和意义感。

他也需要一套个人制度:提醒、记录、反馈、回顾、规则调整、节律安排。这些制度让叙事不只是停留在口头上,而是落实到日常运转中。

只有叙事没有制度,所有理想停留在心里——就像一个只有宏大愿景却没有行政体系的帝国,注定会崩塌。只有制度没有叙事,打卡变成机械行为——就像一个失去了建国理念的官僚体系,只剩下惯性和自我复制。

从这个意义上说,一个人的注意力系统,就是他个人层面的信息网络——他的个人 Nexus。它决定了什么会反复进入他的意识、什么会被他忽略、什么会逐渐塑造他的习惯和性格。

而一个喝水 App,就是这个个人 Nexus 中一个微小但真实的节点。

跨时间的自我治理

这里还有一层更深的含义。

人的很多困难,源于「不同时间的我」并不是一个稳定一致的治理主体。早晨的你想健康,下午的你被工作吞没,晚上的你只想躺着。情绪好的你相信长期主义,疲惫的你只想立刻舒服一点。

历史上,社会通过制度来解决群体中不同成员之间的协调问题——法律、税收、军事指挥体系。同样地,个人信息系统在做的是一种跨时间的自我协调——让过去某个清醒时刻做出的价值判断,持续作用于后来不同状态的自己。

信息系统的本质,不是「提醒一下」,而是跨时间管理自己的装置。系统之所以有力量,不是因为它更聪明,而是因为它更稳定。它把不稳定的人连接进一个相对稳定的结构。

纠错:比效率更重要的品质

但这里我必须提出一个严肃的警告。

在人类历史上,信息网络最大的危险从来不是信息不足,而是错误信息被系统性地复制和放大,而纠错机制被压制或缺失。

中世纪的教会是一个极其高效的信息网络。它在整个欧洲维持了数百年的思想统一。但这种高效的代价是:异见被系统性地清除,纠错机制被严重压制。当网络中的核心叙事出现问题时,整个系统没有能力自我修正。

20 世纪的极权主义宣传体系同样如此——高效、统一、覆盖面广,但根本缺乏纠错机制。纳粹德国的宣传机器可以让数百万人相信最荒诞的叙事,正因为它太「高效」了——效率之高以至于没有任何反对声音能进入系统。

一个网络的健康程度,不取决于它传播信息的效率,而取决于它识别和修正错误的能力。

这个原则同样适用于个人层面。

一个人的注意力系统——他为自己设计的提醒、记录、反馈机制——同样面临代理指标劫持的风险。原本为了健康而追踪饮水量,渐渐变成了为了完成数字而机械喝水。原本为了理解而记录阅读,渐渐变成了为了打卡而翻书。原本为了觉察而练习冥想,渐渐变成了为了保持 streak 而完成任务。

目标被代理指标替换——这种异化不是以失败的形式出现的,而是以一种「一切运转良好」的假象出现的。

更深层的风险是感受力的退化。当系统越来越多地替代人对自身状态的直接感知时,人与自身经验之间的距离反而在增大。原本是「我感觉有点渴了」,变成了「系统告诉我该喝水了」。行为看起来一样,但人与自身的关系发生了微妙的变化。

因此,一个健康的个人注意力系统,必须内置纠错机制。它需要五个层次:

传感器层——让微弱信号可见。翻译器层——把模糊感受转化为可处理模式。反对派层——定期质疑系统本身是否还在服务真正的目标。选举层——允许废除旧规则、替换旧策略。宪法层——始终维护一条最高原则:所有指标只是工具,真正的目标是那个活生生的、不可被完全量化的人本身。

谁来建造你的信息秩序?

纵观人类文明史,每一次信息技术的重大变革——从文字的发明到印刷术的普及,从电报到互联网——都深刻地改变了信息网络的结构,进而改变了社会的组织方式、权力的分配方式、以及人们理解自身和世界的方式。

文字让法律和契约成为可能,使帝国能够跨越空间进行治理。印刷术让知识民主化,为宗教改革和科学革命提供了基础。电报和报纸创造了「公共舆论」这个概念,改变了政治合法性的来源。互联网让每个人都能发声,同时也让假信息的传播速度前所未有地加快。

AI 正在引发又一次这样的变革。而这次变革中一个特别值得注意的维度是:信息秩序的设计权开始部分地从机构向个体流动。

过去,组织大规模信息流动、设计显著性结构、编排人的注意力——这些是国家、教会、媒体和平台的专属能力。个体只能在已有的信息秩序中生存和适应。

而 AI 让个体开始有可能——尽管是在有限范围内——为自己构建一套小型的信息秩序。你可以决定什么信号被放大,什么形式被采用,什么时机被选择,什么反馈被设计。

这是一个前所未有的机会。但也伴随着严肃的责任。

因为信息秩序从来不是中性的。 它承载着价值判断,嵌入了权力关系,塑造着它所覆盖的那些人的认知和行为。当你为自己设计一套注意力系统时,你实际上是在为自己创建一套微型的信息秩序。这套秩序将持续地影响你看到什么、忽略什么、珍视什么、成为什么。

在 AI 时代,自律正在从一种人格品质变成一种治理能力——治理自己的注意力结构,治理什么持续进入前台,治理系统如何服务于价值而不是绑架价值。自由也获得了新的含义:不再只是「没人命令我」,而是「我能否设计自己的注意力入口,让真正重要的东西获得稳定位置」。

这也许是 AI 时代最核心的个体挑战:

你会把建造自己信息秩序的权力交给平台和算法吗?还是你会尝试参与这个建造过程——带着清醒的价值判断、内置的纠错机制和对自身经验的持续尊重?

历史已经反复证明,当信息秩序的设计权高度集中时,后果往往是灾难性的。也许,个体参与设计自己的注意力结构,是防止这种集中的一小步。

但前提是,你必须认真对待这件事。

因为你正在建造的,不只是一个工具。

你正在建造的,是你自己。

可编程的显著性:信息、注意力与自我治理的哲学审视(刘擎版)

发表于 2026/03/13 | 分类于 AI专题

可编程的显著性:信息、注意力与自我治理的哲学审视

一、从一个日常案例进入哲学问题

我们不妨从一个看起来极其平凡的案例开始。

一位朋友借助 AI 辅助编程,为自己开发了一个提醒喝水的应用。这个小系统在恰当的时刻提示他补水,记录饮水数据,并通过可视化反馈帮助他形成了更好的习惯。结果相当明显——日常饮水量获得了实质性改善。

如果我们把这件事仅仅理解为技术效率的故事,就会错过它所揭示的更深层问题。因为「多喝水有益健康」从来就不是一条稀缺的知识。几乎所有人都知道这一点。这里的困难不在于认知层面的「不知道」,而在于一个更根本的结构性断裂:知道一件事,并不意味着这件事就能持续地作用于你。

这个断裂指向的,其实是一组古老而深刻的哲学问题:知识与行动之间的关系究竟是什么?一个人为什么会「知善而不为善」?在亚里士多德那里,这被称为 akrasia——意志薄弱。传统的解释倾向于将问题归结为意志的不坚定或理性的不够强大。

但在当代认知科学和信息技术的语境下,我们或许需要重新审视这个问题。也许核心障碍不是意志的薄弱,而是信号的淹没。

二、信号、注意力与信息:一组需要严格区分的概念

要理解这个问题,我们首先需要在概念层面做一个重要的区分。在日常用语中,「信息」和「注意力」往往被不加辨别地混用。人们说「信息太多了」,也说「注意力不够用了」,似乎二者不过是一个问题的两面。但如果我们审慎地对待这两个概念,就会发现它们之间的关系远比通常以为的更加复杂。

我认为有必要区分三个层次:

第一,信号。 信号是世界中已经存在的差异——身体的微弱口渴感、屏幕上的通知红点、一本搁置很久的书、冥想时出现的一丝烦躁。它们不依赖于任何人的关注而存在,但它们本身尚不构成有意义的信息。

第二,注意力。 注意力是将有限的认知资源指向特定信号的机制。它不只是一种被动的「接收」,更是一种主动的「选择」和「放大」。注意力决定了哪些信号从背景中被提取出来,进入前台意识。

第三,信息。 真正意义上的信息,不是客观地「摆」在那里的东西。更准确地说,信息是那些经由注意力选择,成功进入了一个主体的认知过程,并实际改变了其判断、情感状态或行动倾向的差异。

这个三层区分揭示了一个常被忽视的要点:注意力与信息之间不是简单的处理关系,而是一种生成关系。 没有注意力的参与,信号不会自动成为信息。反过来,一个信号一旦成为信息——即真正改变了一个人的心智模型——它又会反过来重塑这个人的注意力结构,影响他在下一时刻会「看见」什么。

两者构成一个动态的闭环:信号 → 注意力选择 → 信息成立 → 行动与反馈 → 心智模型更新 → 下一轮注意力分配。

从哲学上看,这里存在一种深刻的循环结构。海德格尔曾指出,我们总是已经处于一种「被抛」(Geworfenheit)的状态之中——我们不是先有一个中立的认知能力,然后再去面对世界;我们总是已经被特定的关切、情境和前理解所塑形。注意力,在某种意义上,就是这种「前理解」在认知层面的运作方式。它不是中性的处理器,而是一个已经带有方向性的选择机制。

三、注意力作为「因果席位」的分配者

如果我们进一步追问注意力的本质,就会到达一个更具力量的判断:

注意力不是在单纯地「看见」信息,它是在决定,哪些差异有资格对你产生因果作用。

这意味着,注意力的稀缺不只是「时间不够」或「认知资源有限」那么简单。更深层的含义是:能真正改变你当下与未来的「因果席位」非常有限。 你把这些席位给了什么,什么就更有可能塑造你的习惯、性格乃至命运。

因此,一个人真正的价值排序,不是看他在理论上声称什么重要,而是看他在日常运行中反复把注意力交给了什么。你可以声称你重视健康、阅读、写作、冥想、长期成长,但如果在实际生活层面,这些东西总是输给即时消息、社交反馈和碎片浏览,那在系统层面,你的生活实际上是被后者组织的。

这也揭示了「知道很多道理却过不好一生」这一普遍困惑背后更深的机制。「知道」只发生在内容层——你在心智的仓库里存入了一条命题。但改变必须发生在因果层——一条道理必须反复进入注意力前台,在关键时刻被激活,转化为行动,并获得反馈,才能真正作用于一个人的生活。做不到这些,它就只是知识,不是力量;只是内容,不是结构;只是陈述,不是因果。

四、显著性的不平等:一个结构性的伦理问题

一旦我们接受了上述概念框架,就会看到一个极具伦理意味的结构性问题:在现代生活条件下,不同类型的信号进入注意力前台的机会是极不平等的。

人类的注意力系统是长期进化的产物。它对突发的、鲜明的、情绪激烈的、具有即时社会意义的刺激高度敏感。而那些真正关乎长期生活品质的事物——身体健康的细微变化、深度阅读的缓慢积累、冥想质量的渐进退化、长期关系的无声变质、财务风险的隐性积聚——恰恰具有相反的信号特征:缓慢、连续、显著性低、反馈严重延迟。

查尔斯·泰勒在讨论现代人的道德处境时提出过「强评价」(strong evaluation)的概念——人不只是有欲望,更有对欲望进行评价的能力,能够区分哪些欲望值得追随,哪些应当被抵制。但泰勒也承认,这种强评价的能力并不是在真空中运作的。它需要特定的社会条件、文化资源和制度支撑。

我们今天面临的困境恰恰在于:现代信息环境系统性地削弱了强评价的运作条件。 当短期低价值信号的显著性持续压过长期高价值信号时,一个人即便拥有清晰的价值判断,也难以让这种判断持续地组织自己的日常行为。

这不再只是个人意志的问题,而是一个关于显著性分配的结构性正义问题。谁有权力设计什么更显著、什么更容易被看到、什么更频繁地进入人的意识前台?在当下的技术环境中,这种权力主要掌握在平台型企业手中。

这也解释了为什么「再提醒自己一下」「再努力一点」常常不起作用。问题不在于缺少一条提醒,而在于整个注意力环境的竞争规则就对长期价值不友好。你不是在一个空白平面上与自己斗争,而是在一个被平台、产品逻辑和社交机制高度塑形过的环境里,与经过精心设计的显著性机制对抗。

五、可编程的显著性:认知主权的新起点

正是在这个背景下,AI 带来的一个重要变化开始显得格外有意义。

过去,精细地设计显著性——设计什么以什么方式、在什么时机、以什么频率进入一个人的注意力——这种能力基本只属于机构和平台。而 AI 开始让这种能力部分地回到个体手中。

一个人现在可以低成本地为自己设计:某个信号何时出现、以何种形式出现、是否结合个人历史行为做动态调整、是否根据当天情境做自适应。这就是我所说的可编程的显著性。

这个概念的哲学意义在于:它开始松动过去那种个体面对大型系统时的单向被动关系。过去,个体面对平台设计的显著性结构,更多只有防御性的应对——关掉通知、删除应用、提高自控。而现在,个体开始拥有了建设性的可能——主动为自己长期珍视的价值搭建信息基础设施。

阿伦特曾将自由理解为「开端」(natality)的能力——自由不只是不受干预,更是能够在世界中发起新事物、创造新结构的能力。从这个角度看,一个人用 AI 为自己搭建服务于健康、阅读、深度思考的系统,恰恰是在行使一种阿伦特意义上的自由。他不是在消极地抵抗外部侵扰,而是在积极地为自己创建一种新的注意力秩序。

AI 真正改变的不只是编码效率,而是一个更根本的结构——一个人从模糊意图到可运行系统之间的距离。 过去,这两者之间隔着产品设计、工程实现、界面交互、数据记录、反馈逻辑和持续迭代的高门槛。现在,一个人可以低成本地把自己珍视的价值——健康、阅读、冥想、写作——变成一个真正作用于日常生活的系统。

六、叙事与制度:个人改变的双重条件

但如果我们止步于此,就会把问题过度简化为技术乐观主义。事实上,一个系统是否真正服务于人的长期价值,取决于一个更深层的条件:叙事与制度的互相校准。

赫拉利在《Nexus》中有一个深刻的洞察:信息从来不只是事实的载体。历史上推动大规模合作的,往往不是最接近事实的东西,而是更能连接人、制造共同叙事、嵌入制度流程的东西。故事让人愿意相信,制度让人持续行动。两者共同维持了复杂社会的运转。

将这个洞见缩小到个人层面,我们会发现完全同构的结构。一个人的长期自我改变,同样依赖两个要素的配合:

叙事——关于「我是谁」「我重视什么」「我在成为什么样的人」的自我理解。麦金太尔在《追寻美德》中强调,人的道德生活不是一系列孤立的决策,而是一个有统一性的叙事。我们需要一个关于自己的故事,来为日常行动提供方向和意义。

制度——那些看似枯燥但让价值得以持续运行的结构:提醒、记录、反馈、回顾、规则调整、节律安排。它们负责把价值从语言层带到运行层,把叙事变成会反复生效的机制。

这里存在一个根本性的张力。叙事没有制度的支撑,会沦为自我感动——你有大量关于理想自我的表述,但生活中没有任何机制让这些表述兑现。而制度失去了叙事的指引,则会退化为官僚主义的自我控制——你精确地打卡、记录、完成指标,却早已遗忘了做这些事的初衷。

好的个人系统,必须让叙事和制度保持动态的互相校准。 叙事提供「为什么值得」的回答;制度提供「如何让它持续生效」的路径;而现实和反馈则提供对两者的检验和修正。

七、跨时间的自我治理

这一分析还可以进一步深化。

人的很多困难,源于一个基本事实:「不同时间的我」并不是一个稳定一致的治理主体。早晨的你想健康,下午的你被工作淹没,晚上的你只想躺着。情绪好的你相信长期主义,疲惫的你只想立刻舒服一点。

从这个角度看,所谓自我管理,首先不是「一个统一意志如何命令自己」,而是「不同时间、不同状态的自己如何被协调」。你真正需要治理的,不只是当下的行动,而是时间中的多个版本的自己。

信息系统的意义由此变得非常明确:它是一种跨时间管理自己的装置。 它让过去某个清醒时刻作出的价值判断,持续地作用于后来的自己。系统之所以有力量,不是因为它更聪明,而是因为它更稳定。它把不稳定的人连接进一个相对稳定的结构。

从这个意义上讲,系统不是替代你,而是在扩大「你」作为一个跨时间主体的连续性。未来一个人越来越重要的能力,不只是会不会做事,而是会不会构造那些可以跨时间维护自己目标的机制。

八、代理指标劫持与自我纠错的必要

这就引出了一个至关重要的问题:什么才是一个「好」系统?

一个常见的误解是,好系统就是高效、稳定、自动化的系统。但效率本身并不保证价值方向的正确。一个能稳定放大错误方向的系统,不会因为运转流畅就变成好系统。

福柯对现代治理术的分析在此具有警示意义:权力最有效的运作方式,往往不是直接的压迫,而是通过设定正常与异常的标准、通过量化和分类、通过看似中立的管理技术来塑形主体。当一个人的自我系统过度依赖量化指标——打卡天数、完成率、连续记录——他实际上可能正在经历一种自我施加的福柯式治理:代理指标悄悄替代了原目标,工具反转为主人。

你开始为数字而喝水,为 streak 而阅读,为时长而冥想。系统的目标被偷换了,但因为表面上一切运转良好,这种偷换极难被察觉。

与之相伴的还有一种更深层的风险:感受力的退化。 系统本来是为了增强一个人对自身状态的觉察。但如果系统过强、提醒过密、外部指标过于替代内在感受,最终可能导致一个人与自身经验之间的距离越来越远。他不再「感受到」自己渴了,而是等系统告诉他该喝水了。

梅洛-庞蒂所强调的那种身体与世界之间的原初交往——前反思的、直接的、具身性的感知——在过度系统化的生活中反而可能被削弱。系统原本应当像一面放大镜,帮助人更清晰地感知自身;但如果它变成了义肢,就可能反过来替代了人的直接感受能力。

因此,好的系统的核心标准不是效率,而是自我纠错的能力。 如果把这一判断工程化,一个健康的个人注意力网络大概需要五个层次:

传感器层——让微弱信号可见。身体状态、阅读节律、情绪波动、专注质量,都需要被感知。

翻译器层——把模糊感受转化为可处理的信息形式。把「我觉得不太对劲」翻译成「这里有一个可以响应的模式」。

反对派层——这是最缺的一层。系统中必须有某种机制来质疑系统本身:这套东西真的在帮我吗?我的指标还对应着真实目标吗?AI 在这里的高阶用途,不只是做助手,更是做审稿人和异议者。

选举层——任何规则都不应永久有效。系统必须内置废除旧规则、替换旧策略的正当路径。否则人会被自己曾经设计的东西反向控制。

宪法层——最高的一层。始终提醒:指标只是工具,不是目标。喝水不是为了数字,阅读不是为了页数,冥想不是为了打卡。当工具和目标冲突时,目标具有最高优先级。

九、AI 的双面性:纠错机构还是宣传部?

在这里,我们还必须正视 AI 本身的双面性。

只要「什么能成为信息」这件事变得可被精细设计,那就意味着它既可能被用来帮助人,也可能被用来操控人;既可能被个体拿来重建生活,也可能被平台和系统进一步拿来占领个体。

如果一个人的 AI 系统只负责夸奖他、鼓励他、平滑他的不安、维护他的自我叙事,它就很容易变成个人宣传部。它会让人感觉被支持,却未必帮人更接近真实。如果它能温和但坚决地指出使用者正在忽视什么、逃避什么、被什么代理指标牵走,那它才有可能成为个人纠错系统的一部分。

AI 最好的未来角色,不是做一个永远顺着情绪走的伴侣型工具,而是一个既理解你、又敢于对你保持一定认知张力的系统。

十、自律的重构:从人格品质到治理能力

以上分析汇聚起来,指向了一个关于「自律」的深层重构。

传统的理解将自律视为一种人格品质:能忍耐、能克制、能坚持。这种理解预设了一个统一的意志主体,通过自身的力量来抵抗外部诱惑和内在惰性。

但在当代信息环境中,这种理解越来越不够用了。因为真正影响一个人行为轨迹的,已经不只是当下一次次的意志决斗,而是他身处怎样的信息环境、怎样的显著性结构、怎样的反馈机制。

在这样的条件下,自律正在发生一次深刻的概念转型:从「扛住」转向「治理」。 它不再只是一种内在品质的展现,而越来越像是一种系统设计和系统维护的能力——治理自己的注意力结构,治理什么持续进入前台,治理系统如何服务于价值而不是反噬价值,治理不同时间点的自己如何形成连续性。

自由也因此获得了一层新的含义。在信息密度极高、显著性竞争极强的时代,自由不再只是消极意义上的「不受干涉」,也不只是积极意义上的「自我实现」。它还包含一层新的维度:是否有能力设计自己的注意力入口,是否有能力让自己真正珍视的事物在日常生活中获得持续的因果地位。

没有自己的信息生态,人的注意力就几乎必然被更强的外部生态接管。没有自己的显著性结构,人的长期价值就几乎必然被更响亮的短期刺激压过去。

结语

从这个意义上说,一个人为自己编写的喝水 App 虽然微小,却具有哲学上的示范意义。它示范了一种在 AI 时代开始成为可能的新能力:让个体不再只是被动地被信息环境塑形,而是开始主动参与到塑造自己注意力结构的过程中来。

但这种可能性也伴随着严肃的责任。AI 可以帮助你建造系统,却不能替你决定系统应当服务于什么。它可以提供无数关于「好生活」的模板,但关于「什么是我的好生活」这个问题,最终的判断权仍然——也必须——属于你自己。

最重要的问题也许不是「 AI 会不会替代人」,而是:人会不会放弃建造自己? 一旦系统可以越来越多地替你安排、总结、建议、决策,你就面临一个微妙的诱惑——把关于「什么重要」的定义权也一并交出去。这时人真正失去的不是某项技能,而是自我建造的主动权。

人的尊严,在 AI 时代,某种程度上恰恰体现在这里:不是拒绝使用系统,而是在使用系统的同时,依然保有为自己设定方向、为自己搭建纠错机制、为自己保留最终解释权的意愿和能力。

一杯水里的信息论(梁文道版)

发表于 2026/03/13 | 分类于 AI专题

一杯水里的信息论

一

有一段时间,我对「提醒」这件事很着迷。

不是因为它有多复杂,恰恰相反,是因为它太简单了,简单到让人忍不住想追问:为什么一个成年人需要被提醒去做一件他早就知道应该做的事?

起因是一个朋友的故事。他用 AI 帮自己写了一个提醒喝水的小程序。装了以后,据说饮水习惯大为改善。我听了以后觉得挺好笑——一个受过高等教育、日常能处理大量复杂工作的人,居然需要一个 App 来告诉他:你该喝水了。

但笑过之后我发现,我自己又何尝不是如此。

我桌上那个保温杯经常到下午还剩大半杯没动过。不是不渴,而是那种渴的感觉太轻了,轻到像一阵过堂风,还没等你回过神来,就被一封邮件、一条消息、一个会议通知给吹散了。

身体的声音本来就小。而我们生活的这个世界,实在太吵了。

二

博尔赫斯写过一个关于记忆的故事。《博闻强记的富内斯》里,那个什么都记得的人,因为记忆太完美而无法思考。他的问题不是信息不足,而是信息泛滥到失去了结构——每一个细节都同等地涌入意识,没有任何东西被遗忘,因此也没有任何东西真正「重要」。

这个故事总让我想到我们这个时代。

我们和富内斯的困境恰好相反,但又奇妙地相似。我们不是记得太多,而是注意到的太少——或者更准确地说,我们注意到了太多不重要的东西,以至于重要的东西反而被淹没了。

问题不在于世界上没有值得关注的事物。问题在于,值得关注的事物不会自己跳出来对你喊叫。它们通常是安静的、缓慢的、需要你主动去倾听的。一杯水在桌上安静地等着你。一本书在书架上不急不缓地立着。你身体里那个关于「该休息了」的声音,从来不会像手机通知那样带着红点和震动。

而现代生活的设计,从本质上是反倾听的——它倾向于把最能刺激你即时反应的东西推到最前面,而把那些需要时间才能展现价值的东西压到最底下。

一杯水就是这样被压到底下的。

三

这让我想到一个也许值得更认真对待的问题:什么是「信息」?

我们平时说的「信息」,通常指的是一些客观存在的内容:新闻、数据、知识、消息。它们摆在那里,等着你去获取。信息越多越好,获取信息越快越好。整个互联网时代的叙事,基本上就是围绕着「更多、更快地获取信息」展开的。

但如果你仔细想想,就会觉得这个说法有什么不对劲。

因为世界上从来不缺「差异」。你身体的每一个细微变化都是差异。你情绪的每一次波动都是差异。你面前的人的每一个表情都是差异。这些差异无处不在,每时每刻,多到不可胜数。

但它们什么时候才成为「信息」?

我觉得答案不是「当它们客观存在的时候」,而是「当它们成功进入了你的注意力、并实际影响了你的判断或行为的时候」。

也就是说,信息不是摆在那里的东西,信息是发生在你身上的东西。

注意力在这里扮演的角色,就不只是一个「接收器」,而更像是一个「发生器」——它决定哪些差异有资格从背景走到前台,成为真正改变你的力量。没有被注意力放大的差异,永远只是沉默的背景。

这也是「知道很多道理却过不好一生」的真正含义。一个道理可以被你「知道」——存放在你的知识仓库里。但只要它无法在关键时刻进入你的注意力前台,无法被激活为行动,无法获得反馈,它就无法真正作用于你。它只是内容,不是因果。只是知识,不是力量。

四

如果接受了上面的理解,就会看到一个令人不安的事实:现代生活中,哪些东西容易成为信息、哪些东西不容易成为信息,这件事是极不公平的。

身体轻微缺水——不容易成为信息。它的信号太微弱了,被一条消息通知就盖过去了。

睡眠债的积累——不容易成为信息。它是连续的、渐进的,没有哪一天会突然给你一记响亮的惩罚。

阅读能力的退化——不容易成为信息。你越来越难读长文,但你不会收到一条推送说「你的深度阅读能力这个月下降了 15% 」。

冥想质量的下降——不容易成为信息。它只是表现为你更容易烦躁、更难觉察自己,但不会像一条评论通知那样跳到你面前。

长期关系的变质——不容易成为信息。它是缓慢的、连续的,几乎没有明确的转折点。

而什么容易成为信息呢?通知。红点。点赞。评论。热搜。推荐。限时优惠。——所有那些被精心设计过的、短期、鲜明、情绪性的刺激。

长期重要但短期微弱的事物,在注意力竞争中天然处于劣势。 不是因为你不重视它们,而是因为注意力竞争场的规则就对它们不友好。

五

我想起了古人的一个做法。

宋代士大夫有一种习惯,叫做「座右铭」。把自己最看重的箴言写在纸上,贴在书桌右边。每天坐下来,第一眼就能看到。

这看起来是一个很朴素的做法。但如果用我们刚才的概念来重新理解,它其实是一种非常古老的「显著性编排」技术。它做的事情和那个喝水 App 没有本质区别——都是把一个重要但容易被日常琐事冲淡的价值,通过某种手段,固定在注意力容易抵达的位置上。

差别在于,古人的信息环境相对简单。一张座右铭就足以与周遭的其他信号竞争。而今天,你的注意力面对的竞争者如此之多、如此专业、如此精于抓取你的反应——一张纸条已经完全不够用了。

所以那个喝水 App 做的事情,某种意义上就是一张升级版的「座右铭」。它把身体那个微弱的口渴信号翻译成了更结构化、更可视化、更能在当代注意力竞争中胜出的形式。它不是增加了什么新知识,而是改变了一个已有信号与注意力之间的关系。

AI 在这里扮演的角色,也许就像一种新的文房四宝。它不改变你要写什么,但它极大地改变了你能用什么来写、以什么形式来固定你的意图。

过去,把一个模糊的意图变成一个可运行的系统,中间隔着产品设计、工程实现、界面交互、数据逻辑等一系列门槛。现在,一个普通人可以低成本地把自己珍视的价值变成持续运行的结构。

这是一个不小的变化。

六

读赫拉利的《Nexus》时,有一个判断让我停了很久。

他说,信息从来不只是关于「真相」的。信息更深的功能,是连接和组织。

人类之所以能建立起大规模合作——从宗教到帝国到现代国家——不是因为我们总是在传递真实的事实,而是因为我们能围绕共同的叙事建立信任和秩序。故事未必是真的,但它能让人相信某些东西值得追求。制度未必是完美的,但它能让人持续地按照某种规则行动。

这让我想到一件很私人的事。

我曾经尝试过很多次养成规律阅读的习惯。每次开始的时候都充满热情。买书、列清单、制定计划、下载 App。但总是几周之后就逐渐松懈了。书还是堆在那里,清单还是长长的,只是我的注意力已经被别的东西带走了。

后来我慢慢意识到,问题不在于我不够自律。问题在于,「我想成为一个深度阅读者」这个叙事,在我的日常生活中缺少制度的支撑。

我有故事——我知道阅读对我意味着什么。但我没有制度——我没有任何机制来确保这个故事在日常运行中反复生效。它就像一个美好的念头,每天早上短暂地出现在脑海里,然后被一天的琐事冲走。

而那些成功占据我注意力的东西——社交媒体的信息流、邮件的通知、新闻的推送——它们之所以成功,恰恰是因为它们同时拥有叙事和制度。它们有一套完整的机制来确保自己反复出现在我面前,并且每一次出现都带着恰到好处的显著性。

一个人要长期改变自己,不只需要正确的道理,还需要叙事和制度的配合。 没有叙事,制度会变得空洞——你在打卡,但你不记得自己为什么打卡。没有制度,叙事只会停留在自我感动——你知道阅读很重要,但它在你的日常运行中没有入口。

七

人的很多困难,其实还有一层更深的原因:不同时间的你,并不是同一个人。

早晨的你想健康,下午的你被工作吞没,晚上的你只想瘫着。本周的你想多读书,下周的你只想刷轻松内容。情绪好的你相信长期主义,疲惫的你只想立刻舒服一点。

从这个角度看,所谓自我管理,首先不是「一个统一意志如何命令自己」,而是「不同时间、不同状态的自己如何被协调」。

那个喝水 App 做的事情,本质上就是让过去某个清醒时刻做出的价值判断,持续地作用于后来那些不同状态的自己。它是一种跨时间的自我照料装置。

这让我想到写信。

在通讯不发达的年代,人们写信。信是一种跨越时间和空间的媒介。你在某个清醒的、温柔的、有话想说的时刻写下一封信,然后它在若干天后到达对方手中。写信的你和收信时的对方,是两个不同时空中的人。

某种程度上,给自己搭建一个提醒系统,就像是给未来的自己写信。你在清醒的时候写下:这件事很重要。然后让系统在你不那么清醒的时候替你送达这封信。

系统之所以有力量,不是因为它更聪明,而是因为它更稳定。它把不稳定的人连接进一个相对稳定的结构。

八

不过,写到这里,我想说一些谨慎的话。

系统是好的。提醒是好的。反馈是好的。但所有这些东西都有一个前提:它们在为一个值得服务的目标工作。

我见过很多人被自己建造的系统异化。冥想变成了打卡。阅读变成了凑数。写作变成了流水线。运动变成了被手环上的数字驱使。饮水变成了凑够 2000 ml 的数字游戏。系统还在完美地运转,但里面那个「人」已经不在了。目标被代理指标悄悄替换了,而替换的过程如此顺滑,以至于你自己都没有察觉。

这让我想到加缪说过的话:西西弗斯每天推石上山,重点不在于石头有没有推到山顶,而在于他是否还清楚自己为什么在推。

一个喝水 App 的价值,不在于你是否每天喝够了 2000 毫升。而在于你是否还清楚:你喝水是为了照顾自己的身体,而不是为了让一个数字变绿。

一个阅读系统的价值,不在于你是否这个月读完了四本书。而在于你是否还能在阅读中感受到某种智识上的亲密——那种文字进入你的思维、打开一个你原本没有的空间的感受。

一个冥想练习的价值,不在于你是否保持了 365 天的连续记录。而在于你是否还能在练习中真正回到呼吸,回到身体,回到那个安静的、不被任何指标衡量的当下。

指标是地图,不是风景。 当你开始为了地图而行走时,你就已经迷路了——即便地图上的路线标注得再清楚。

九

本雅明在讨论机械复制时代的艺术时,提出过「灵光」(Aura)这个概念。他说,原作之所以有一种复制品不具备的气质,在于它的「此时此地」——它的独一无二的存在感。

我觉得人的直接感受也有一种「灵光」。

「我感觉有点渴了」——这句话里包含的东西,远比「你今天只喝了 600 ml」丰富得多。它包含了你对自己身体的直接觉知,包含了一种不需要经过数字中介的自我关照。那种感受是此时此地的、独一无二的、不可被完全数据化的。

系统可以帮助你找回这种感觉,但也可能取代它。好的系统像一个温和的提示——它轻轻碰你一下,然后退开,让你自己去感受。坏的系统像一面永远亮着的屏幕——它不断告诉你应该感受什么,直到你自己的感受被完全覆盖。

好的系统像一面放大镜——帮你看得更清楚,然后你自己做判断。坏的系统像一副永久的义肢——替代了你原本的能力,直到你离开它就什么都做不了。

这里面有一个更根本的问题:一个好的系统需要能自我纠错。它不只要能稳定运转,更要能在偏离时暴露自己的偏差,允许被质疑和修正。就像一个社会需要反对派和新闻自由,一个个人系统也需要某种机制来定期追问:这套东西还在服务我吗?我是不是已经在为系统打工了?

十

所以最终,问题也许不在于要不要建系统。问题在于:你和你的系统之间,是什么样的关系?

它是你的工具,还是你的主人?它是帮你回到自己的附近,还是在制造另一层遮蔽?它让你变得更敏锐了,还是更麻木了?

AI 时代让「什么会成为你的信息」这件事变得可被设计。你第一次可以比较低成本地为自己决定:什么信号在什么时候、以什么形式进入你的注意力。这件事的意义,也许比我们意识到的更大。它意味着自律不再只是「扛住诱惑」,而开始变成一种设计和治理能力——治理自己的注意力结构,治理什么反复进入前台,治理系统如何服务于价值而不是绑架价值。

但它也意味着一种新的责任。当你拥有了设计自己注意力入口的能力,你就不能再只是抱怨环境太吵、平台太坏、诱惑太多。你必须开始追问:我愿意让什么反复进入我的生命?

这个问题没有标准答案。但也许,在这个一切都可以被追踪、被量化、被优化的时代,有一种能力正在变得越来越珍贵:

那就是在没有任何系统提醒你的时候,你依然能安静地坐下来,端起那杯水,因为你感觉到自己需要它。

不是因为数据告诉你,不是因为通知提醒你,不是因为 streak 要求你。

而是因为你,你自己,在那个当下,真实地感受到了。

也许这才是所有系统最终应该服务的目标:不是让你做得更多,而是让你感受得更清楚。不是让你更高效地活着,而是让你更真实地活着。

不是让系统替我们活,而是让我们在系统的帮助下,更有能力认真地活。

这杯水里,其实藏着一整个时代的问题。而你端起它的那一刻——无论是因为系统的提醒,还是因为自己的感受——都是一个值得被认真对待的时刻。

显著性的生产与分配:注意力的人类学观察(项飙版)

发表于 2026/03/13 | 分类于 AI专题

显著性的生产与分配:注意力的人类学观察

一、一个小场景

我想从一个很小的场景说起。

有一位年轻人——他有稳定的工作,有不错的教育背景,生活条件不算差——用 AI 给自己写了一个提醒喝水的 App。不是因为他不知道喝水重要,而是因为他发现自己在工作日常常一上午都忘记喝水。App 上线之后,他的饮水习惯确实改善了。

如果我们只是把这件事理解成「技术提高了效率」,那我们其实什么都没看到。

让我试着换一个角度来观察这件事。一个受过良好教育的成年人,明确知道喝水对身体好,但需要一个外部系统来提醒自己完成这件几乎是最基本的身体照料行为。这件事本身说明了什么?

它说明的是:在当代生活条件下,一个人与自己身体之间的关系已经被高度中介化了。 他不是不关心自己的身体。他是被置于一种环境之中,这种环境使得身体的直接信号不再容易被听到。

二、附近的信号,遥远的噪音

我曾经讨论过「附近的消失」这个问题。在当代中国的城市生活中,人们越来越不关注自己的附近——附近的社区、附近的人、附近发生的事——而是被卷入一个由远方的信息构成的漩涡中。手机屏幕打开的那一刻,你就被带离了你所在的物理空间。你坐在自己的房间里,但你的注意力可能在千里之外的一条热搜上。

注意力层面上,类似的事情也在发生,而且发生得更加深入。

你的身体是你最「附近」的存在。口渴、疲倦、肌肉酸痛、情绪低落、呼吸的细微变化——这些都是来自「附近」的信号。它们不需要任何中介就可以被你感知。它们就在你之内。

但在现代工作和信息环境中,这些附近的信号被系统性地压制了。压制它们的不是什么恶意的力量,而是一种结构性的安排:你的工作节奏、你的屏幕界面、你的通知系统、你的社交媒体——这些构成了一个完整的注意力环境。在这个环境里,远方的信息天然比附近的信号更显著。

一条来自几千公里外的评论通知,在你的注意力里,比你自己身体发出的口渴信号更响亮。一个远方的热搜话题,比你自己胃在咕咕叫更容易进入你的意识前台。这不是你的选择。这是你被置入的结构使然。

从人类学的角度看,这是一个非常值得注意的现象:现代人正在经历一种注意力的外向化——注意力的重心系统性地从身体、从附近、从直接经验,转移到了屏幕、远方、中介化的信息上。

而这种外向化不是自然发生的。它是被设计的。

三、谁在生产显著性?

如果我们问一个简单的问题——「是什么决定了一个人在某一刻会注意到什么?」——答案会比你想象的更复杂。

表面上看,注意力是个人的。你在「选择」看什么、想什么、回应什么。但如果你仔细观察一个人一天的注意力流向——像做田野调查那样,追踪他从早到晚每一次注意力的转移——你会发现,绝大部分「选择」其实是由环境预先安排好的。

手机什么时候响、红点出现在哪里、推荐列表里排在前面的是什么、哪条信息被放大了、哪个界面更容易被点开——这些都不是中性的。它们是被设计过的。设计者有自己的利益和目标。

我把这个过程叫做显著性的生产。

在传统社会里,显著性更多是自然产生的。什么东西显著,主要取决于物理距离、社会关系和身体感受。你面前的人比远方的人更显著。你的饥饿比抽象的经济数据更显著。你所在社区发生的事比另一个大洲的新闻更显著。

但在当代信息环境中,显著性变成了一种可以被工业化生产的东西。平台通过算法和界面设计,大规模地制造显著性——决定什么信息「跳」出来,什么信息沉入背景。推荐算法不是在中性地传递信息,它是在精确计算什么最能抓住你的注意力、留住你的时间。

这本质上是一种权力。 谁掌握了生产显著性的能力,谁就在很大程度上决定了人们的注意力流向。而注意力流向,反过来塑造人的感知、判断和行为。

从这个角度来看,平台经济不只是一个商业模式问题,它还是一个注意力治理问题。平台不只是在「提供信息」,它在组织人们每天能看见什么、反复看见什么、因此逐渐习惯什么、相信什么、追逐什么。

在这样的环境里,那些长期重要但短期微弱的信号——身体的需要、深度阅读的积累、冥想的价值、长期关系的维护、财务的审慎规划——几乎必然会输给那些被精心设计过的高显著性刺激。不是因为人不珍视这些东西,而是因为注意力竞争场的规则本身就对它们不友好。

四、一个人的反向工程

回到那个喝水 App。

如果我们把它放在上面的分析框架里看,它其实是一个非常有意思的案例。因为这个年轻人做的事情,本质上是在进行一种显著性的反向工程。

他观察到自己的注意力环境有一个结构性的问题:身体的弱信号打不过屏幕的强刺激。然后他借助 AI,为自己搭建了一个小型的显著性生产装置——这个装置的功能是把一个原本微弱的信号(身体缺水)翻译成一种在他的注意力环境中更有竞争力的形式(结构化的提醒、数据和反馈)。

更进一步说,AI 在这里改变的不只是编码速度。它改变的是一个更根本的结构——一个人从模糊意图到可运行系统之间的距离。过去,即便你很清楚想改善某个方面,中间还隔着产品设计、工程实现、界面交互、数据逻辑、反馈迭代的高门槛。大多数人最终只能依赖意志力和零散提醒。现在,一个普通人可以低成本地把自己的价值目标变成持续运行的系统。

这件事之所以值得关注,不在于它本身有多大的实际价值,而在于它所揭示的一种新的可能性:个体开始有能力对自己的注意力环境进行局部的反向改造。

过去,在平台和算法面前,个体基本上只有两种选择:接受,或者退出(比如关掉通知、删掉 App、减少使用)。而现在,AI 提供了第三种可能——建设。你不只是被动地接受一个现有的注意力环境,也不只是通过断联来逃避,而是可以为自己搭建一个局部的、服务于自己目标的小型注意力基础设施。

但我想指出的是,这件事比它看起来更复杂。

五、叙事与制度的协同

赫拉利在《Nexus》中有一个观察让我印象深刻。他说,信息不等于真相。人类之所以能建立大规模合作——从宗教到帝国——不是因为我们交换了准确的事实,而是因为我们围绕共同的故事建立了共同的想象,围绕共同的制度建立了共同的流程。

如果把这个观察缩小到个人层面,你会发现一个类似的结构。

一个人要长期改变自己,需要两样东西的配合:叙事和制度。

叙事是你对自己讲的故事:我是谁,我重视什么,我在成为什么样的人。它提供方向和意义。制度则是那些看似枯燥但让价值持续运行的东西:提醒、记录、反馈、回顾、规则调整。它们把故事从语言层带到运行层。

在我的观察中,很多人的困境就出在这两者严重失衡。有些人有大量叙事——「我重视健康」「我想成为深度思考者」——但生活里没有任何制度支撑,所有理想停在心里。另一些人则反过来,系统做得很精密,打卡很完美,但早已忘记自己为什么开始,流程从服务人变成了控制人。

这个观察也适用于更大的社会分析。我们常常看到,一些制度在建立之初是为了实现某个价值目标,但运行久了之后,制度本身变成了目的,原来的目标被悄悄替换了。这在组织研究中是一个非常经典的现象,而在个人层面同样频繁地发生。

六、新的依赖与新的遮蔽

当一个人开始用系统来管理自己的注意力时,一种新的关系就产生了。他不再只是依赖自己的内在感受来决定做什么,他开始依赖一个外部装置。

这种依赖在短期内是有益的——它确实帮助他更好地照顾了自己的身体。但在长期中,一个值得警惕的可能性会浮现:系统可能替代而不是增强他对自身的直接感知。

原来是「我感觉有点渴了」,然后你去喝水。现在变成了「App 提醒我该喝水了」,然后你去喝水。行为结果一样,但中间发生了一个微妙的变化——你与自己身体之间多了一层中介。久而久之,你可能越来越不依赖那个直接的身体感受,而越来越依赖外部系统的提示。

这在人类学上是一个反复出现的模式。技术总是承诺增强人的能力,但同时也在改变人与自身经验之间的关系。GPS 增强了你的导航能力,但同时削弱了你的空间感知。翻译软件增强了你的跨语言交流能力,但同时降低了你学习语言的动力。

同样的逻辑也适用于注意力管理系统。它帮助你更好地照顾自己,但也可能让你更少地「亲自」照顾自己。

更隐蔽的问题是代理指标的替代效应。系统运行时间一长,那些被追踪的数字——饮水量、阅读页数、冥想时长、运动步数——就会逐渐取代它们本来代表的东西。你开始为了数字本身而行动,而不是为了数字背后的那个价值。

这种替代不是系统的「故障」,它是系统运行的内在趋势。任何把复杂的人类价值翻译成可量化指标的过程,都会丢失一些东西。而那些被丢失的,往往恰恰是最重要的——细腻的身体感受、模糊但真实的情绪、不容易被计数但深刻影响生活质量的东西。

这也解释了为什么很多人的系统表面上运转良好——打卡完成、数字好看、趋势向上——但他们自己并不觉得生活有什么本质改善。因为指标替换了经验。地图替代了风景。

七、治理的问题

如果把视野再拉大一些,我想指出的一点是:这个年轻人做的事情,本质上是一个微型治理行为。

他在治理自己的注意力。他在决定什么应该被看见、什么应该被放大、什么应该在什么时候出现。这些决定过去主要由外部环境——由平台、由工作节奏、由社会惯例——来做。现在他开始部分地把这个决定权拿回来了。

而且,这种治理还涉及到一个跨时间的维度。人的困难很多时候源于「不同时间的我」并不一致。早晨的你想健康,下午的你被工作吞没,晚上的你只想躺着。信息系统在这里做的事情,是让过去某个清醒时刻做出的价值判断,持续地作用于后来不同状态的自己。它是一种跨时间的协调装置。

这让我想到一个更大的问题。在当代社会中,注意力的分配已经不是一个纯粹的个人选择问题。它是一个治理问题——涉及权力、涉及利益、涉及人与环境之间的结构性关系。

谁在治理你的注意力?过去,主要是平台、是雇主、是社会规范。现在,AI 提供了一种新的可能性:个体也可以参与对自己注意力的治理。

但这种可能性不应被过度浪漫化。

八、不应被过度浪漫化的自由

一个人的自我治理能力,终究受到他所嵌入的更大结构的限制。你可以给自己写一个喝水 App,但你改变不了那个让你一上午忘记喝水的工作制度。你可以为自己设计一个阅读系统,但你改变不了那个持续挤压深度阅读时间的社会节奏。你可以搭建一个冥想辅助工具,但你改变不了那个让冥想变成需要被打卡管理的焦虑环境。

个体的注意力自治,始终是在更大的结构性条件下运作的。

而且,个体的自治本身也面临着内在的张力。你以为你在为自己设计系统,但你设计系统时所使用的标准——什么算「好」、什么算「成功」、什么值得追踪——这些标准本身可能已经被更大的文化逻辑塑形过了。当你把冥想转化为可追踪的分钟数时,你是否已经在用一种绩效主义的逻辑来重新编码一种原本反绩效的实践?

这不是要否定个体的能动性。个体当然可以、也应该参与对自己注意力的设计。但我们在肯定这种能动性的同时,也不能忘记去追问那些更大的问题:

是什么样的工作制度让人连喝水都需要被提醒?是什么样的信息环境让人无法安静地阅读一本书?是什么样的生活节奏让冥想和反思变成了需要被打卡管理的任务?是什么样的文化逻辑让「照顾自己」这件最基本的事变成了一个需要系统工程来解决的问题?

一个喝水 App 可以是一个好的开始。但它不能是终点。真正需要被重新设计的,不只是个人的注意力系统,还有塑造这个注意力困境的更大的社会结构。

九、一个冷静的总结

最后,我想做一个冷静的总结。

AI 时代带来了一种新的可能性:个体开始能够以较低的成本,参与对自己注意力结构的设计。在此之前,设计人的注意力流向的能力,基本上是大型机构的专属。这不是一件小事。

但我们不应把这种可能性理解为一种简单的解放叙事。它同时伴随着新的风险:

新的依赖——你可能越来越依赖外部系统来感知自己,而不是直接回到自己的身体和经验。系统从放大镜变成了义肢。

新的遮蔽——代理指标可能悄悄替代真正的价值,让你以为自己在进步,实际上只是在喂养数字。

新的自我治理术——你可能以为自己在争取自主,实际上只是把一种外部控制替换成了另一种更精致的自我控制。你用绩效逻辑管理自己的冥想,用数据思维追踪自己的感受,最终可能离真实的自己更远而不是更近。

结构性问题的个体化——当每个人都在忙着为自己搭建注意力系统时,那些真正造成注意力困境的结构性条件——过度的工作强度、无孔不入的平台逻辑、以效率为唯一价值标准的社会节奏——可能反而被遮蔽了。个体的自我优化,有可能成为不追问结构性问题的借口。

在这些可能性面前,最重要的也许不是急于建设更多系统,而是保持一种警觉:

你的系统是在帮你回到自己的附近,还是在制造另一种形式的疏远?

你是在用系统来增强自己的感受力,还是在用系统来替代它?

你是在治理自己的注意力,还是在用一种更精致的方式驯服自己?

这些问题没有标准答案。但它们值得被反复追问。

因为一个好的系统——无论是社会层面的还是个人层面的——最重要的品质从来不是高效,而是能不能在偏离时暴露自己的偏差,并允许被修正。

一个不允许被质疑的系统,无论它运转得多么流畅,最终都会把人带往错误的方向。对社会如此,对个人同样如此。

看书114个月

发表于 2026/03/08 | 分类于 每月报告

1

二月份阅读时间超出预期,原定目标300小时,实际达到315小时。能有这么大的进步,自研的番茄冥想APP功不可没。

冥想目标没完成。原定目标40小时,实际只有30小时。之所以没能达成,是因为我没当回事,还没养成天天关注冥想时间的习惯。

接下来,我会跟大家分享我是如何利用AI编程,帮助我管理自己的注意力的。

2

我分配了一小部分注意力到喝水这件事上。

我的喝水习惯很不好,常常是渴到不行才喝水。七八年前体检的时候,医生就提醒过我,有肾结石和胆囊结石,应该多喝水。

我没当回事,哪怕后面疼了好几次还是没当回事。我现在只要吃得比较饱,吃得比较油腻,就有可能因为结石刺激,导致急性胆囊炎。症状就是胸口特别疼,好几次在睡梦中被疼醒,甚至有一天晚上疼了一宿,在床上翻来滚去。

即便是这样,我还是没能改正自己喝水习惯,直到我前段时间用AI开发了一个喝水APP。

APP模仿的对象是Water Llama,前几年得奖的一个iOS APP。只花了一个小时不到,AI就把APP开发好了。我装到手机上,立刻就用得爱不释手。

它能很容易记录我的喝水次数和饮水量。如果我长时间没喝水,或者喝的水不够,它还会提醒我。我收到提醒,就会去喝水。

在使用APP之前,我估计自己一天喝水不到1L。在使用APP之后,每天喝水都超过3L。

3

跟喝水APP帮我把足够的注意力分配到喝水一样,番茄冥想APP让我更关注阅读和冥想,图书APP让我更关注自己的学习资料,ClawChat APP让我更关注使用OpenClaw,也就是最近很火的“养龙虾”。

拿起手机,我就习惯性打开番茄冥想APP,看今天的阅读次数够不够,冥想次数够不够,要不要抽空看看书,冥想一次。

闲下来了,我会打开图书APP,看最近有哪些自己跟AI共创学习资料想读。

有碎片化的时间,我还会打开ClawChat APP,跟家里安装的OpenClaw聊天,问问它的工作情况。

过去十几天,我每天打开这些APP平均超过100次,使用时长超过43分钟。

我尝试过戒手机,减少使用手机的时间,屡战屡败。

我现在发现,手机本来就是抢夺注意力的大杀器,我们不可能正面对抗它。既不现实,也没收益。

4

有了AI,我可以借助AI开发APP,借助手机把自己的注意力抢回来。

工作累了,我很难忍住不拿出手机。既然忍不住,就不忍了。我拿出手机来,看看自己是不是喝够水了,没喝够就去倒杯水喝。

中午休息,吃饭的时候我就爱玩手机。以前是刷视频和看网文,现在可以一边跟龙虾员工远程质询,一边用图书APP看学习资料。

有了大块的业余时间,我就用番茄冥想APP记录自己的看书和冥想情况。

开发APP,以前很贵,哪怕是我这种工作了很多年的程序员,都付不起这样的学习成本和时间成本。

那些大公司就不一样,他们会聘请成千上万训练有素的iOS开发工程师和算法工程师,来争夺我们的注意力。

现在有了AI,攻守之势哪怕不是彻底反转,我们也开始有了反击之力。

5

我的目标是有一天,我的手机里大部分都是我自己让AI帮我写的APP。让我的注意力,服从我自己的意志。

截至2026年2月28日,我一共阅读了19738.5小时。预计会在2026年3月25日,完成第二个10000小时,也就是总共20000小时的阅读目标。

三月份的阅读目标是700个番茄时间,也就是350个小时。冥想目标是32小时。

一个人运维五个项目的生存指南

发表于 2026/03/07 | 分类于 AI专题

一个人运维五个项目的生存指南

一、引言

我用 AI 辅助开发了五个个人项目:番茄钟 App(iOS + Spring Boot 后端)、ClawChat(聊天机器人)、OpenClaw(AI agent 框架)、喝水提醒、以及一套数字资产知识体系。

过去一周(3/1–3/6),其中两个项目接连出了线上事故。修完之后,我把教训整理成了六条原则。这篇文章是对它们的系统性梳理。

如果你也是一个人在做 side project,尤其是有后端服务在跑的那种,希望这些经验对你有用。


二、发生了什么

先说事实。

事故一(3/5):ClawChat 的上游服务 OpenClaw 不可达,HTTP 请求直接超时。系统没有任何回退机制,给用户返回一个固定的“暂时不可用”文案。根因是 launchd 启动时 PATH 环境变量与手动启动不同,导致调用了错误版本的二进制文件。

事故二(3/6):番茄 App 的 token 过期,触发重新登录,App 在重登时清除了本地缓存——包括 6 条尚未同步到服务器的番茄记录。与此同时,后端也出了问题:一条慢 SQL 引发锁等待,Tomcat 的 120 个线程全部阻塞,客户端重试请求不断涌入,连接池耗尽,整个服务雪崩。

两次事故的表象不同,但根因相同:只设计了正常流程(happy path),没有处理失败流程。


三、原则一:失败路径的三条底线

失败路径不可能穷举——一条正常流程对应的异常分支是指数级的。但以下三条底线成本低、收益高,值得作为硬性要求。

1. 用户数据不能静默丢失

凡是涉及用户创建的数据,失败时至少做到三件事:

  • 不删、不覆盖:未同步的数据是用户资产,不是临时缓存
  • 给用户一个可见的提示:不允许静默失败
  • 本地留一份兜底:关键数据有导出或恢复入口

反面案例:番茄 App 的 pendingSync 数据在重登时被清除,6 条记录永久丢失。

2. 上游变慢时不要把自己拖死

不需要完美的熔断体系,但至少做到:

  • 设 timeout:不要用框架默认的无限等待
  • 设 max inflight:不要让请求无限堆积
  • 客户端重试要有退避:5xx 或超时期间不做高频平推

反面案例:1 核机器用 120 线程默认值,慢 SQL + 客户端重试直接雪崩。

3. 关键路径加一个 fallback

不需要完美的降级方案,只要“不是直接给用户一个死胡同”:

  • HTTP 不可达 → 自动回退 CLI 调用
  • 主数据源失败 → 展示本地缓存 + 状态标记
  • 关键接口超时 → 返回降级响应而非空白

正面案例:ClawChat 修复后增加了 OPENCLAW_CLI_FALLBACK_ENABLED,HTTP 失败时自动回退 CLI。


四、原则二:小机器要主动校准参数

这是一个容易被忽略的盲区。框架的默认配置面向多核服务器设计,而大多数个人项目跑在 1 核 2 GB 的小机器上。

以下是单核机器的关键参数速查表:

参数 框架默认值 单核建议值
Web 线程池(max-threads) 200 4–8
DB 连接池(maximum-pool-size) 10 3–5
请求超时(timeout) 无限 / 30 秒 10–30 秒
等待队列(accept-count) 100 16–32
连接泄漏检测(leak-detection) 关闭 10–15 秒

核心原则很简单:默认值不是安全值。 把运行参数从“默认没碰过”变成“我看过、我定的”,这件事十分钟就能做完,但能防住一次雪崩。

部署新服务时的检查项:

  1. 确认目标机器 CPU 核数和内存
  2. 按速查表设置线程池、连接池、超时参数
  3. 不使用框架默认值,显式写入配置文件
  4. 首次部署后观察 30 分钟 CPU 和内存水位

五、原则三:自愈优先于监控

一个人运维时,告警的价值是有限的。告警来了你可能在睡觉、开会、或者在另一个项目的深度工作里。你不可能 24 小时盯着。

所以正确的优先级是:先做自愈,再做监控。

场景 监控思路 自愈思路
进程挂了 发通知,等人来重启 systemd/launchd 自动重启
请求堆积 发通知,等人来限流 内置 max inflight,自动拒绝
上游不可达 发通知,等人来排查 自动 fallback(如 CLI 回退)
证书快过期 发通知,等人来续期 certbot 自动续期
连接池满 发通知,等人来杀连接 连接超时 + 泄漏检测自动释放

给 AI 提运维需求时,建议默认先问:这个能不能做成自愈的? 而不是先问“怎么监控”。

此外,减少运维面积本身也很重要。最有效的运维优化不是“更好地监控”,而是“少一个要监控的东西”。每上线新功能前问自己:能不能不加新服务?能不能复用已有的?


六、原则四:数据备份要设计驱动,不要事故驱动

事故之后我手写 SQL 把丢失的 6 个番茄补录回去了。补录之所以能成功,是因为三个条件碰巧满足:我还记得做了什么、数据量很小、我会写 SQL。这三个条件任意一个不满足,数据就永久消失。

盘点下来,我的数据保护是事故驱动的——出过事的就备份了,没出过事的就裸奔。

数据 有备份 能恢复
番茄记录(阿里云 MySQL) ✅ ✅
ClawChat 对话(腾讯云 MySQL) ❌ ❌
digital-assets 文档 ✅(Git) ✅
OpenClaw 配置(本机) ❓ ❓

空白格就是风险。

从“有备份”到真正安全,有三级台阶:

  1. 补齐空白:有 > 无。先把裸奔的数据备份起来
  2. 确认有效:能恢复 > 有备份。定期做恢复演练,确认备份不是坏的
  3. 自治运转:备份任务自身有健康检查,失败自动重试,无需人工干预

手动补录是最后手段,不应该是常规手段。


七、原则五:AI 说“完成了”需要分层验收

AI 给番茄后端写了一个 TimeConfig 修复,测试通过,AI 说“修复完成”。我信了,直接部署。结果发现改了一半。

问题不是 AI 能力不行,而是“修复完成”和“线上真的好了”之间缺少验收环节。

验收不是只能人来做。AI 和人应该各守不同层次:

层次 谁做 验什么
L1 代码正确性 AI 类型检查、lint、单元测试
L2 功能可用性 AI 冒烟测试:API 能响应、数据能存取
L3 线上真实性 AI 部署后自动验证,确认修复在线上生效
L4 体验判断 人 交互顺不顺、流程合不合理

当前的缺口在 L3。建议每个项目的部署流程最后一步,自动跑一组最小验证。例如:

  • 番茄后端:调一次 /api/current-pomodoro,确认 200 且延迟 < 500ms
  • ClawChat:发一条测试消息,确认收到回复且状态 SUCCESS

以后让 AI 做修复时,在需求最后加一句:“修完之后,写一个部署后自动验证脚本,确认修复在线上真的生效。”


八、原则六:让知识自己生长

这一周我还做了一件事:审视自己的知识沉淀体系。

3 月 1 日我建立了每日自动生成知识卡片的机制。运行一周后发现三个问题:

  1. 输入源不完整:最有价值的学习发生在 OpenClaw 对话里(故障排查、修复决策),但卡片生成流程捕捉不到
  2. 只做单日提炼:同一类问题反复出现(如 launchd PATH 差异),但系统无法跨天识别模式
  3. 知识存了不消费:卡片存到目录后没有任何流程引用它

对应的改进是建立三级进化节奏:

级别 频率 产出 目标
微进化 每日 1 张知识卡片 捕捉当天最有价值的认知点
大进化 每周 原则性文档 跨天模式识别,提炼结构性认知
超进化 每月 知识体系重构 淘汰过时认知,合并散点为专题

微进化产出原材料(卡片),大进化产出结构(原则)。没有微进化,大进化没有素材;没有大进化,微进化只是日记。

本文就是一次“大进化”的产出——它不可能从任何单张卡片中生成。


九、检查清单

最后,如果你也在一个人运维个人项目,这里是一份可以直接用的检查清单。每个项目进入“运营期”(你开始依赖它的数据,开始给它写运维文档)时,花半天过一遍:

  • 所有用户数据写入路径:失败时是否保留?是否有提示?
  • 所有外部依赖调用:是否有 timeout?是否有 max inflight?
  • 关键链路:是否有至少一个 fallback?
  • 运行参数:是否按实际机器校准过(线程池、连接池、队列)?
  • 数据备份:是否覆盖所有重要数据?是否做过恢复演练?
  • 部署流程:是否有自动化的部署后验证?
  • 进程管理:挂了能不能自动重启?

过完之后再补代码,优先级比加新功能高。


十、小结

AI 让独立开发者拥有了以前小团队才有的开发速度,但也同时制造了以前小团队才会遇到的运维问题。

开发是一次性的,运维是永久性的。每上线一个新服务,就是签了一份永久运维合同。

速度是好事,但速度之后要主动补上被跳过的东西。六条原则——失败路径底线、容量基线、自愈优先、数据安全、分层验收、知识进化——本质上都是同一件事:让你的系统有能力在你不在的时候照顾好自己。

(完)

一周两炸

发表于 2026/03/07 | 分类于 AI专题

一周两炸

3 月 2 日,星期一:十个 commit

一天之内,我给 ClawChat 的后端推了十个 commit。

这是一个聊天机器人项目——用户在 Telegram 上发消息,后端调用 OpenClaw(我自己搭的 AI agent 框架)处理请求,再把结果返回去。整个后端是那天从零搭起来的,用 AI 辅助开发,速度非常快。每次调通一个功能点就 commit 一次,十个 commit 到晚上全部上线。

那天的感觉很好。像一个人同时扮演了产品经理、后端工程师和 DevOps,而且每个角色都在高效运转。AI 帮我写了大部分代码,我做架构决策和最终验证。从构思到部署,整个链条在一天内闭合。

我没有写任何异常处理逻辑。没有加 fallback。没有检查服务器的容量参数。这些事情在当时看起来完全不紧急——功能还没跑通,谁会去想失败路径?

三天后我为此付出了代价。


3 月 5 日,星期四:ClawChat 不说话了

下午我发现 ClawChat 不回消息了。发什么都是同一句话:“暂时不可用”。

排查了一会儿,发现问题出在上游。ClawChat 的后端通过 HTTP 调用 OpenClaw,而 OpenClaw 的进程是通过 macOS 的 launchd 托管启动的。当天 launchd 重启了这个进程,但 launchd 环境下的 PATH 和我手动启动时不一样——它调用了一个错误版本的二进制文件,导致 OpenClaw 实际上没有正常运行。

HTTP 请求全部超时。ClawChat 的后端没有任何回退逻辑——上游不可达,它就直接返回一个固定文案。没有尝试 CLI 调用,没有尝试缓存,没有尝试降级,没有告警。静默地、优雅地、彻底地失败了。

修复本身不难。两步:修正 launchd 的 PATH 配置,加一个环境变量 OPENCLAW_CLI_FALLBACK_ENABLED 让 HTTP 失败时自动回退 CLI。

但修完之后我坐在那里想了一会儿。这个 fallback 逻辑应该在三天前就写好的。不,应该在 3 月 2 日那十个 commit 里的某一个就包含了。我当时为什么没写?

因为没有发生过。你不会给一个还没出过故障的系统写故障恢复逻辑——这是人类的一个结构性盲区。失败路径的回报是“什么都没有发生”,所以它在任何优先级排序中都会排在最后。


3 月 6 日,星期五上午:六个番茄消失了

ClawChat 的事还没消化完,番茄 App 出事了。

事情是这样的:番茄钟 App 的 token 过期了,需要重新登录。App 在重登流程里清除了本地缓存——包括一个叫 pendingSync 的数据结构。这个结构里存着 6 条已经完成但尚未同步到服务器的番茄钟记录。

清除 = 永久丢失。没有确认弹窗。没有警告提示。没有本地备份。6 条记录,大约 3 个小时的专注时间,安静地消失了。

我当时的第一反应是恼怒。第二反应是——我还记得那六个番茄分别是什么时候做的、做了什么。于是我打开 MySQL 客户端,手写 SQL 把它们一条一条补录回去。

补录成功了。但这件事让我后背发凉。成功的前提是三个条件碰巧同时满足:我还记得、数据量小到可以手动恢复、我会写 SQL。这三个条件任意一个不满足——比如丢了 60 个而不是 6 个,比如过了一周我才发现——数据就真的没了。

事后补录不应该是数据保护的手段。它是所有自动保护都失败后的最后手段。而我的系统里,它成了唯一的手段。


3 月 6 日,星期五下午:雪崩

番茄的事还在处理,后端彻底炸了。

番茄 App 的后端跑在阿里云一台 1 核 2 GB 的 ECS 上,用的 Spring Boot + Tomcat。Tomcat 的默认线程池大小是 200——我当时设成了 120,觉得已经“调低了”。HikariCP 的连接池是默认值 10。

触发雪崩的直接原因是一条慢 SQL。这条 SQL 在正常情况下执行时间可接受,但当时数据库锁等待时间变长,单条 SQL 的执行时间从几十毫秒涨到了几秒。

然后是连锁反应:

  1. 慢 SQL 导致处理线程长时间阻塞
  2. 120 个线程迅速被占满
  3. 新请求全部排队等待
  4. 客户端没有退避逻辑,超时后立即重试
  5. 重试请求涌入,线程池更加堵塞
  6. 数据库连接池也被占满,新请求直接报错
  7. 系统进入完全不可用状态

整个过程大约十分钟。从第一条慢 SQL 到全面雪崩,十分钟。

修复过程里我学到了一个事实:对一台 1 核 CPU 的机器来说,120 个线程不是“调低了”,而是荒谬地高。单核 CPU 同一时刻只能执行一个线程,其余全在排队和上下文切换。合理值是 4 到 8 个。120 线程的 Tomcat 跑在 1 核机器上,就像一个只有一个窗口的银行叫了 120 个号——你以为叫得越多处理越快,实际上窗口一次只能服务一个人,其余 119 个人全在大厅里互相踩脚。

我从来没有想过要检查这个参数。在公司里,这是 SRE 或 DBA 的事。他们帮你做容量评估、帮你调参数、帮你设告警。等你一个人做项目时,你根本不知道有这层工作要做。


3 月 6 日,星期五晚上:数据裸奔

修完雪崩之后,我做了一件以前从来没做过的事:盘点所有项目的数据备份状态。

结果让我出了一身冷汗。

番茄的 MySQL 备份了,因为之前出过事。digital-assets 文档在 Gitee 上有 Git 备份。但 ClawChat 的对话数据——跑在腾讯云的 MySQL 上——完全没有备份。没有 mysqldump,没有快照,没有任何恢复手段。如果那台服务器的硬盘坏了,所有对话记录全量丢失。

OpenClaw 的本机配置和会话数据,备份状态不明。腾讯云服务器有没有开快照,我也不确定。

这就是“事故驱动型”数据保护的必然结果:出过事的地方有了防护,没出过事的地方一片裸奔。你以为自己是安全的,直到你花十分钟做一次盘点,发现到处都是洞。


3 月 7 日,星期六:清算日

第二天是周六。我花了一整天做了一件事:把这一周的所有痛点、修复过程和教训提炼成系统性认知。

不是写一篇“本周总结”那种流水账。是坐下来,把每一次刺痛拆开,问自己:这个问题是个案还是结构性的?如果是结构性的,最小化的防护原则是什么?

六个小时之后,出来了六份文档:

一、失败路径三条底线。 不追求覆盖所有失败路径——那是不可能的——但三条底线必须做到:用户数据不能静默丢失,上游变慢时不要把自己拖死,关键路径至少有一个 fallback。

二、单核小机器容量基线。 一张速查表:Web 线程池 4–8,DB 连接池 3–5,请求超时 10–30 秒,连接泄漏检测 10–15 秒。不是精确值,但比“框架默认值”安全一百倍。

三、自愈优先原则。 一个人运维时,自愈比监控更有价值。进程挂了自动重启,请求超了自动拒绝,上游不可达自动回退。给 AI 提需求时,默认先问“能不能做成自愈的”。

四、数据安全三级台阶。 第一级补齐空白(有 > 无),第二级确认有效(能恢复 > 有备份),第三级自治运转(无需人工干预)。手动补录是最后手段,不是常规手段。

五、人机协作分层验收。 AI 验代码正确性、功能可用性、线上是否真实生效。人只验体验判断——用起来顺不顺、交互合不合理、下一步该做什么。AI 说“完成了”不等于真的完成了,需要部署后自动验证。

六、知识体系三级进化。 每日微进化(自动生成知识卡片),每周大进化(跨天复盘提炼原则),每月超进化(淘汰过时认知、合并散点为专题)。微进化产出原材料,大进化产出结构。没有大进化,微进化只是日记。


后记:速度与债务

回头看这一周,我想说的其实只有一件事。

AI 让开发变快了。这是真的。一个后端服务一天上线,一套知识体系一周建起来,这在两年前不可想象。但“跑通”和“跑稳”之间的差距没有被缩小。AI 加速了代码编写,但测试、环境适配、容量校准、失败路径设计,这些东西没有被等比例加速。

结果就是:你以三到五倍的速度制造系统,也以三到五倍的速度制造运维债务。每上线一个新服务,就是签了一份永久运维合同。开发时的兴奋会掩盖运维时的痛苦——写代码有即时反馈,运维的回报是“什么都没坏”。

3 月 2 日那十个 commit 的兴奋感,到 3 月 6 日的雪崩面前一文不值。

我不是要说“别用 AI”或者“慢下来”。减速是反人性的。我想说的是:速度之后,要有一个主动补课的环节。每个项目从“跑通了”进入“我开始依赖它”的阶段时,花半天时间,过一遍失败路径、容量参数、数据备份、自愈机制。

半天时间。能防住几个月的痛。

这一周我丢了六个番茄、经历了一次雪崩、发现数据在裸奔。作为交换,我得到了六份原则性文档和一个核心认知:

速度是杠杆。杠杆放大的不只是产出,也是风险。知道自己在负债,比负债本身更重要。

(完)

从 vibe coding 到 Claws:Karpathy 在 2026 年初到底看见了什么

发表于 2026/03/07 | 分类于 AI专题

引子:追 Karpathy,追的不是热词

如果你只是偶尔刷到 Andrej Karpathy 的名字,你可能觉得他就是那个特别会造词的人——“Software 2.0”“vibe coding”,每隔一阵蹦出一个能传播的短语。

这个印象不算错,但严重不够。

Karpathy 真正厉害的地方,从来不是“他造的词是不是永远正确”,而是他往往能在一个拐点刚刚到来、行业里大多数人还只有朦胧感觉的时候,先把那个拐点压缩成一句能记住、能传播、能继续推演的话。这是一种非常稀缺的能力:把模糊的体感变成清晰的公共语言。

过去如此——从“Software 2.0”到“vibe coding”。现在也如此——从“agentic engineering”到“Claws”。

2025 年 12 月到 2026 年 2 月之间,他的更新不只是多了几个新名词。如果你把他这几个月在 X 上的短帖、GitHub 上的新项目、以及零星访谈串起来看,会发现一张越来越清晰的地图:程序员工作的重心正在整体上移——从手写代码,到组织上下文、分派任务、设计验证、审查结果,再到多 agent 系统的编排。

这不是一条线索,而是一整条主线。下面我们一层一层拆。


一、底盘:2025 年末那篇综述里埋下的判断

要读懂 Karpathy 在 2026 年初的兴奋,得先回到 2025 年 12 月 19 日他发的那篇《2025 LLM Year in Review》。那是他至今最后一篇长文,也是后来很多判断的总纲。

里面有两个关键观察。

第一个:他不再把 LLM 看成“动物”,而更像“幽灵”。 一种有明显能力、不均匀智能、又带着强烈“锯齿感”的系统。它在某些维度上超过人类,在另一些维度上又脆弱得离谱。这个隐喻很重要,因为它决定了他后来如何看待 coding agents——它们不是成熟员工,而是某种需要被召唤、被约束、被分派、被反复校验的非人式智能。

第二个:像 Cursor 这样的产品,揭示的不是“更好补全”的小升级,而是一整层新的 LLM 应用范式。 这一层的关键不只是模型本身,而是上下文工程、编排、应用专用 GUI、自治程度滑杆。真正有价值的东西不在“会不会生成几行代码”,而在于能不能把模型置于一个合适的操作环境里,让它带着足够上下文、工具、权限和反馈循环去工作。

他还专门谈到 Claude Code,把它视为第一个真正让他感到“AI 住在你电脑上”的东西。他甚至直言,OpenAI 当年把 Codex 的优先顺序弄反了——先去做云端容器里跑的编码系统,而不是先做一个真正运行在开发者本地环境里的 AI 助手。

这句话在 2026 年初回头看,含义比当时更大。因为他后来对本地 agent、CLI、NanoClaw、“被小幽灵附身的设备”的兴趣,根全埋在这里。


二、从谨慎到震动:一个原本不全信 agent 的人改口了

要理解这波变化的分量,必须记住一件事:Karpathy 在几个月前并没有这么乐观。

2025 年 10 月,他在一次公开对谈里谈“year of agents”时,反而相当保守。他给 agent 下了一个更严格的定义:不是偶尔能跑个 demo 的系统,而是像一个实习生甚至员工一样,能在复杂环境中长期独立完成任务。按这个标准,他当时的判断是——真正的 agent 可能还需要大约十年。

他甚至点名说,coding agents 当然已经能做不少样板工作,但对 nanochat 那种“智力密度高、精度要求高”的仓库,他不觉得 agent 已经足够好。

这段话今天回看极其重要。它说明 Karpathy 最近的兴奋,不是“逢新必吹”的兴奋,而是在原本谨慎的基线之上发生了体感性变化。 如果连一个原本相对怀疑的人,都在 2025 年 12 月到 2026 年 2 月之间持续改口,那么这波变化就值得认真对待。

转折开始于一种“落后感”。

2025 年 12 月 26 日,他发了一条动态:自己从没像现在这样觉得在编程这件事上“落后了”。后面跟着一个判断:程序员的职业正在被“dramatically refactored”。如果能把过去一年里新出现的那些东西真正串起来用,自己的效能可能会强十倍。

这不是对单点能力的赞叹,而是对一个新抽象层突然成形的惊讶。

他列举的新对象更有意思:agents、subagents、prompts、contexts、memory、modes、permissions、tools、plugins、skills、hooks、MCP、LSP、slash commands、workflows……这串名词像一个杂乱工具箱,但他想表达的恰恰是:软件工程的前台对象已经变了。程序员不再只是面对“代码文件 + 编辑器 + 编译器”,而是开始面对一整套由代理、上下文、记忆、权限、工具协议和工作流组成的新运行环境。

用一句话说:编程活动的基本单位正在从“写代码”转向“调度智能”。


三、工作流翻转:两个月内的“相变”

2026 年 1 月 26 日左右,Karpathy 发出了一串“random notes from Claude coding”。这是理解他最近几个月最核心的一手材料。

里面最关键的一句:他自己的工作流在短短两个月里,从 80% 手写/自动补全 + 20% agents,迅速翻转成 80% agents + 20% 修改收尾。 他还说,自己现在“mostly programming in English”。

这不是修辞游戏。这是在描述劳动重心的真实移动。

物理学里有一个概念叫“相变”——水从液态到固态的转变不是匀速发生的,而是在温度到达某个临界点后突然切换。Karpathy 这一轮描述更像相变而不是渐变:前面很长一段时间,coding agents 都像不稳定的实验玩具,能偶尔惊艳,却无法可靠纳入主流程;到了 2025 年 12 月前后,某些模型能力、工具链和使用方式叠加到一起,突然跨过了可用阈值,从“演示级”变成“工作级”。

他甚至直接说,这是他大约二十年编程生涯里最大的工作流变化,而且几乎是在几周之内发生的。

翻译成人话:过去你在编辑器里“写”;现在你越来越像在给一批高智力但不稳定的实习生“分任务”。 你要提供目标、上下文、边界、测试与回滚机制,然后等它交付,再做判断、审阅和修补。代码依然重要,但它不再是程序员最稀缺的产出。真正变得更稀缺的,是把问题说清楚、把执行过程包起来、把结果验明白的能力。


四、新的错误谱系,与为什么仍然是巨大净提升

Karpathy 没有把这件事描写成完美自动化。恰恰相反。

他对 coding agents 的问题说得非常具体:过去人类手写代码时,常见错误往往是语法型、低级型的;而现在错误越来越多地变成更微妙的概念性错误——模型整体思路听起来对、代码也能跑,但在架构边界、业务假设、隐含约束和权衡取舍上出现偏差。这种错误比拼写错误更危险,因为它们更像“看起来很合理的误导”。

他点出了一组极有代表性的 agent 失真:

  • 擅自做假设,不主动请求澄清。
  • 不主动暴露上下文中的冲突和 tradeoff。
  • 过于顺从、过于“sycophantic”——几乎不会像一个好同事那样在关键地方顶回来。
  • 喜欢过度工程化:膨胀抽象层、堆 API、留下死代码。

认知科学家 Gary Klein 研究过专家决策,发现优秀专家最重要的能力之一是**“及时发出异议”——在团队即将走上错误路径时主动喊停。LLM 恰恰缺失这种能力。它的危险不只是“笨”,而是“太会顺着你往前跑”,以至于它在错误方向上也能表现出极强执行力。“流畅输出”被误判成“正确理解”——这是 agent 时代最隐蔽的风险。**

但有意思的是,正是在列完这么多毛病之后,Karpathy 仍然给出一个非常明确的判断:这是净巨大提升,而且他已经很难想象再回到纯手写的旧模式。

这个结论一开始看似矛盾,但其实非常合理。原因在于,coding agents 真正带来的不只是把原有流程加速 20%,而是让一些原本“不值得做”“懒得做”“不会做”的事情第一次进入了可行区间。

他特别强调了一个人类很难复制的维度:tenacity——韧性与持续折腾的能力。 人会累、会烦、会因连续碰壁而气馁。Agent 不会。它可以在 SSH、依赖、部署、服务、日志、回归测试之间一遍遍试,直到某个长链条被打通。他举过一个具体例子:让 agent 在本地机器上一路完成登录、配 key、跑 vLLM、下载并 benchmark 模型、起服务、做 dashboard、写 systemd、回传报告,整个过程约三十分钟。

经济学家 Tyler Cowen 有一个判断:新技术真正的威力往往不是“让老任务更快”,而是“让新类别的任务变得可行”。 Karpathy 的体验完美印证了这一点——提升不只体现在老任务的吞吐量上,也体现在你愿意探索的任务空间变大了。许多过去得压箱底几周的想法,开始可以在几个晚上里先弄出原型。


五、三个词的递进:从代码到编排

外界最熟悉 Karpathy 的流行语,也许还是“vibe coding”。那个词之所以会火,是因为它精准描述了第一波大众体验:你不再逐字逐句写代码,而是带着一种半即兴、半对话式的感觉,让 AI 帮你把东西凑出来。它标记了一个文化门槛:从“代码必须由程序员写”到“代码可以由会说需求的人协作生成”。

但到了 2026 年初,Karpathy 显然觉得这个词不够了。

原因很简单:当工具从“你随便聊聊,它给你拼出个小玩意儿”进化到“它能在数十分钟里持续完成长链条工程任务”,工作的本质就变了。此时最大的挑战不再是“敢不敢把手放开”,而是如何设置上下文、分解子任务、选择工具、调权限、看日志、做验证、控回滚、管并行。这些工作已经超出了“凭 vibe 玩一玩”的层面,进入了一种需要方法论、经验和审美的工程活动。

所以他开始用**“agentic engineering”**。这个词要强调两层意思:一层是“agentic”——你并不是 99% 时间都在直接写代码,而是在调动代理执行;另一层是“engineering”——这不是完全无门槛的自动化,反而需要更高层次的专业判断、创造性约束和科学式验证。

Karpathy 不是在宣布“工程师不重要了”,而是在说:工程师的重要性正在上移,且形式正在变化。 写代码本身变便宜了,高质量地组织代码生成与验证变贵了。

然后到了 2 月下旬,他又把视线往上抬了一层——“Claws”。

他专门买了一台 Mac mini 来折腾 Claws。这个动作本身很有象征意味:他不是只在抽象层面谈概念,而是真的把一台物理机器当成实验场,去想象“在个人硬件上常驻的 agent 编排系统”会长什么样。

Karpathy 对 Claws 的定义很清楚:它是叠在 LLM agents 之上的新层,处理的不是单次回答,而是 orchestration、scheduling、context、tool calls、persistence。如果说单个 coding agent 解决的是“一个代理怎样在给定上下文里执行任务”,那么 Claws 关注的是“多个代理、多个工具、多个任务、多个时间尺度,怎样被持续组织起来”。

管理学家 Henry Mintzberg 把组织的协调机制分成五种,其中最高阶的一种叫“相互调适”(mutual adjustment)——成员之间通过非正式沟通实时协调。 Claws 要做的,本质上就是为一群 agent 建立这种高阶协调机制。行业竞争不再只在模型能力上,也不只在 IDE 内嵌补全上,而会越来越落在多代理运行时与长期编排层。

三个词放在一起,你会看见一条清晰主线:vibe coding 描述的是“代码生成”变轻了;agentic engineering 描述的是“工程师角色”向上移了;Claws 描述的是“代理组织层”开始成为新的竞争焦点。从代码,到工程,到运行时编排——层层递进。


六、旧技术的新生命,与 Builder 的底色

Karpathy 最近还有一个表面“逆流”的判断:他开始更明确地谈 CLI 的价值。

命令行恰恰因为是“legacy technology”,所以对 AI agents 特别友好——它天然就是文本接口,规则相对清晰,输入输出边界明确,自动化历史悠久,代理几乎可以原生使用它。过去十年软件行业偏爱 GUI 和所见即所得,但在 agent 时代,这反而成了劣势。对人友好的界面,不一定对机器友好;对机器友好的界面,往往具备良好的文本可操作性、组合性和可脚本化特征。

这和他在 2025 年 YC 演讲里讲的“Build. For. Agents.”一脉相承。大前提是我们已经进入 Software 3.0 阶段:自然语言成为新的编程界面,软件不再只被人点击,也越来越多地被机器代理调用。最有竞争力的软件,不是只有漂亮 GUI 的软件,而是既能服务人,也能被 agent 稳定调用的软件。

于是你发现,很多“旧东西”——CLI、容器、日志、文本配置、简单脚本、明确的 I/O 边界——在这个时代突然重新变得性感。不是因为人类退回过去,而是因为 agent 需要一个可以可靠行动的环境。

这也解释了他对 NanoClaw 的偏爱。NanoClaw 核心引擎只有约 4000 行代码,默认跑在容器里,把“skills”做得更接近配置,追求“最大可分叉性”。这套偏好和他在 microgpt、nanochat 上长期表现出来的审美完全一致:能小就小,能看清楚就看清楚,能 fork 就 fork,能本地跑就别先云端化。

说到 nanochat,它的进展本身就很能说明问题。仓库 README 显示,截至 2026 年 3 月 4 日,在一台 8×H100 节点上达到超过 GPT-2 基线的训练时间已经压到约 2.02 小时,成本约 48 美元(spot 则低至 15 美元左右)。而 2019 年 OpenAI 训练 GPT-2,大约用 32 个 TPU v3 跑了 7 天,估算成本在数万美元量级。成本降幅达数百倍。

这类变化和他对 coding agents 的兴奋不是两条线:一条讲“执行层开始可用”,另一条讲“底层模型实验与迭代的门槛在快速下降”。两者叠加,才构成他“软件工程正在重构”的强烈感受。


七、不要神化,也不要低估

把这些动态串起来后,最常见的误区是走向两个极端。

过度乐观的人会理解成“以后程序员只要讲中文、英文就行了”。立刻反弹的人则抓住 agent 的各种错误,得出“这不过是新一轮 hype”的结论。

Karpathy 自己其实给了比这两端都更成熟的位置:他一边说这是二十年来最大的工作流变化,一边又明确说“no need for IDE”之类的狂热和“agent swarm”之类的夸张,现在都还太过头。变化是真的,但宣传语常常跑得比现实更快。

更准确的理解应该是:coding agents 在 2025 年 12 月前后跨过了一个实用阈值,使得“代理式工程”第一次大规模进入主流程。但这个新流程并不是自动稳定的——它需要高度结构化的输入、清晰的上下文和强验证能力,尤其适合那些能够被明确规格化、能够回放日志、能够自动化测试、能够在真实反馈里闭环的任务。

它更像一台能力很强但需要良好工装夹具的机器,而不是一个可以随便丢进去任何模糊需求的魔法盒子。

从团队层面看,这波变化最直接的后果,可能不是“谁先不用写代码”,而是谁先建立起一套适合 agent 工作的工程基础设施:更明确的仓库结构、更完备的测试、更好的日志和可观测性、更严格的权限边界、更可调用的 CLI、更标准化的工具接口。没有这些,agent 只会把原有的混乱放大;有了这些,agent 才可能把人的高层意图快速转成可运行结果。

Karpathy 迷恋的,从来不是无秩序的自动化,而是在良好约束中的高杠杆自治。


结语:一张从底到顶的栈式地图

最后值得记住的,不是某个单独词汇,而是一个三层结构。

第一层是模型层: 更强的推理、代码和工具使用能力,让代理终于“基本可用”。

第二层是 agent 层: 单个代理能够在较长链路中执行、调试、修复、再试。

第三层是 Claws / 编排层: 多个代理、多个工具、多个时间尺度与长期上下文如何被组织起来。

Karpathy 过去几个月几乎把每一层都碰了一遍。于是他的观察不再像零碎感想,而像一份从底到顶逐渐成形的栈式地图。

如果一定要用一句话概括他最近的动态:他不是在宣布“AI 开始替你写代码”,而是在宣布软件生产关系开始被重写。 在旧秩序里,代码是稀缺产出,程序员的价值主要体现在亲自生产代码的能力上。在新秩序里,代码越来越便宜——甚至便宜到会出现他自己担心的那种“slopacolypse”——于是最稀缺的东西开始变成判断力、上下文管理、系统边界意识、测试设计、回滚能力和长期责任归属。

代码仍然重要。但代码不再自动等于价值。

人正在从低层执行中部分抽离,转而负责更高层的意图、组织与责任。而那,才是这轮变化真正的开始。

速度的债务

发表于 2026/03/07 | 分类于 AI专题

速度的债务

上周我丢了六个番茄。

不是超市里的番茄,是番茄钟——我用自己写的 App 记录的六段专注时间。它们因为一个 token 过期的 bug,在重新登录时被静默清除了。永久丢失,无法恢复。

六个番茄钟,大约三个小时的工作记录。放在任何规模的公司里,这不算事故。但对我来说,这件事的刺痛程度远超它的实际损失。

因为它暴露了一个我一直在回避的问题。


我现在同时运维着五个个人项目:番茄 App、ClawChat、OpenClaw、喝水提醒、还有一套数字资产知识体系。全部用 AI 辅助开发。

AI 确实让我快了很多。一个后端服务,从零到上线可以压缩到一天——ClawChat 的后端就是 3 月 2 日一天之内推了十个 commit 上去的。那种速度带来的兴奋感是真实的:你觉得自己像一个全栈团队,什么都能做,什么都在推进。

但速度有一个性质,它不会告诉你自己是危险的。

3 月 5 日,ClawChat 开始返回“暂时不可用”。HTTP 上游不可达,系统直接给用户一个固定文案,没有任何自动回退。3 月 6 日,番茄后端雪崩了——一台 1 核 2 GB 的阿里云小机器,用着 Tomcat 默认的 120 个线程,一条慢 SQL 触发锁等待,客户端疯狂重试,线程池耗尽,整个服务躺平。

两天,两次事故,两个不同的项目。


这两次事故表面上毫无关系。一个是聊天工具的上游不可达,一个是番茄钟的后端雪崩。但当你把它们放在一起看,会发现根因完全一样:我只设计了 happy path。

失败路径从来没有被当作一等公民。

这不是偶然的疏忽。如果你仔细想,会发现失败路径被忽略是一个结构性问题,而不是个人懒惰的问题。

写 happy path 有即时反馈——功能跑通了,你能看到它工作。写失败路径的回报是什么?什么都没有发生。你花了半天写了一堆异常处理逻辑,最好的结果是它永远不被触发。这种激励不对等会让所有人——不管多有经验——在时间紧张时本能地跳过失败路径。

而 AI 让这个倾向变得更严重了。因为 AI 进一步压缩了 happy path 的开发时间,让你觉得“功能已经做完了”的时间点来得更早。但失败路径不能被同比压缩——它需要你理解系统的边界条件,需要你被伤过才有真实体感。读十篇 best practice 也不如亲自丢一次数据。


速度创造了一种特殊的债务。

每上线一个新服务,你就签了一份永久运维合同。开发是一次性的,运维是永久性的。AI 把开发速度提了三到五倍,但运维面积也跟着扩大了三到五倍。

区别在于:开发时你有 AI 帮你写代码,兴奋感和进展感是实时的。运维时你一个人,凌晨三点服务挂了没人帮你看,你甚至可能在睡觉。

一天十个 commit 推上去时的那种感觉——“我好高效,我好强大”——实际上掩盖了一个事实:你刚刚给自己制造了一个需要永久维护的东西,而你对它的失败模式一无所知。

公司里有 SRE、有 oncall、有混沌工程帮你兜底。个人项目呢?没有人帮你兜。你就是 SRE,你就是 oncall,你也是唯一的用户。


我从这一周的事故里学到的最有用的一件事,不是“写更多测试”或“加更多监控”。

是这个:自愈优先于监控。

一个人运维的时候,告警是没有用的。告警来了你可能在睡觉,可能在开会,可能在另一个项目的深度工作里。你不可能 24 小时盯着。所以正确的问题不是“怎么更早发现问题”,而是“问题发生时能不能自动恢复”。

进程挂了?与其发通知等你来重启,不如让 systemd 自动拉起来。请求堆积了?与其发通知等你来限流,不如在代码里设好 max inflight,超了直接拒绝。上游不可达?与其发通知等你来排查,不如自动 fallback 到 CLI 调用。

以后给 AI 提运维需求时,默认先问一句:这个能不能做成自愈的?而不是先问怎么监控。


另一个刺痛来自那台 1 核小机器。

番茄后端跑在阿里云一台 1 核 2 GB 的 ECS 上。Tomcat 默认线程池 200,HikariCP 默认连接池 10。这些默认值是面向多核服务器设计的——没有哪个框架会在文档里提醒你“如果你是单核机器请把线程数调到 8”。

我从来没改过这些参数。它们在正常情况下确实够用。直到一条慢 SQL 出现,线程全部阻塞,连接池耗尽,客户端重试把问题放大十倍,整个服务雪崩。

这是一个盲区。在公司里有 DBA 和 SRE 帮你做容量评估,你甚至不知道这件事需要有人做。等你自己做项目时,根本不会想到要检查线程池的默认值。

补上这个盲区其实只需要几分钟。单核机器,Web 线程池 4 到 8 个,DB 连接池 3 到 5 个,请求超时 10 到 30 秒。就这么几个数字。把运行参数从“默认没碰过”变成“我看过、我定的”就够了。

默认值不是安全值。这句话值得贴在显示器上。


这周还有一件小事让我警觉。

AI 给番茄后端写了一个 TimeConfig 的修复方案。测试通过了,AI 说“修复完成”。我信了,直接上线。结果发现改了一半。

这件事不大,但它揭示了人和 AI 协作中的一个缝隙:AI 说“完成了”不等于真的完成了。

我当前的工作流是:AI 写代码,AI 跑测试,AI 说完成,我上线。中间没有验收环节。这在 happy path 上没问题,在 edge case 上就会漏。

所以我给自己定了一个规则:以后让 AI 做修复或部署时,在需求最后加一句——修完之后,写一个部署后自动验证脚本,确认修复在线上真的生效。

代码正确性让 AI 验。功能可用性让 AI 验。线上是否真实生效也让 AI 验。人只做最后一件事:判断体验好不好——这个功能用起来顺不顺,这个交互逻辑合不合理,下一步最该做什么。

AI 没有“作为用户使用产品”的真实感受。你作为唯一的真实用户,体验判断是不可替代的。


数据丢了之后我手写 SQL 把六个番茄补录回去了。补录能成功,是因为三个条件碰巧满足:我还记得、数据量小、我会写 SQL。这三个条件任意一个不满足,数据就永久消失。

这让我意识到,我对数据的保护方式是事故驱动的——番茄数据出过事所以备份了,ClawChat 还没出过事所以还没备份。不是设计驱动的。

盘点下来,ClawChat 的对话数据目前是裸奔状态。没有备份,没有恢复演练,一旦出事就是全量丢失。

“有备份”也不等于安全。很多人备份了但从来没恢复过,等真出事才发现备份是坏的。真正的数据安全有三级台阶:有总比没有好,能恢复比有备份好,自治运转比依赖人工好。


写到这里,我意识到这一周真正发生的事情不是“两次事故”。是一次认知升级。

从这些痛里,我提炼出了六份原则性文档。失败路径的三条底线。单核机器的容量基线。自愈优先原则。数据安全防护层次。人机协作验收模型。知识体系的进化机制。

这些文档不是规划出来的。它们是被痛出来的。每一篇都对应一次刺痛。

AI 时代最大的陷阱可能不是“AI 会不会取代你”,而是 AI 让你太快了——快到你来不及建立与速度匹配的判断力。你用一天时间上线一个服务,但你对它的运行环境、失败模式、容量极限的理解还停留在零。

速度是杠杆,但杠杆放大的不只是产出,也是风险。

唯一的解药不是减速——减速是反人性的。解药是在速度之后,主动补上那些被跳过的东西。每个项目进入运营期时,花半天时间过一遍:数据写入路径失败时会怎样?外部依赖有没有超时?关键链路有没有 fallback?运行参数是不是默认值?

半天的检查,能防住几个月的痛。

速度不是问题。不知道自己在负债,才是问题。

上一页1…121314…43下一页

430 日志
7 分类
RSS
© 2017 — 2026 李文业
由 Hexo 强力驱动
|
主题 — NexT.Muse
粤ICP备17160932号