卷首语
我想用一个问题来开启或者说总结本期——人类不停变革发展的基底是什么？
这个问题的答案可能有很多，但本周持续与各路模型搭配协作的经历，让我对以下 2 点有了更深的体悟。
1.人类承认自己的有限，无论是主动还是被动。我们会经历各种痛苦，于是见识也意识到自己的脆弱和无能。但在这之后，我们大部分时候还是会坚持下去，用似乎最微不足道的信念坚持下去。
2.人类懂得搭建持续迭代的结构化系统。我们在失败后学会利用甚至创造各种工具，并且学会让这些工具愈发趁手和高效。正是对实用、效率的追求，让我们成为了地球上最具生产力的物种。
有限和飞轮密不可分，正如我们本由感性和理性天然混杂而成。
文本
AI coding 对于产品设计师的意义
via CaiCai
就拿我来说，直观的表现是：Figma 的使用率变低了，而 Claude Code 几乎每次都达到限制。这并不是说 Figma 不好，而是慢慢习惯了，直接做出来会比画出来更快，更有感觉。
AI 带来的是整个工作系统的改变。
我原本想用范式，但我实在搞不清这个词的具体定义；习惯也不大合适，那更偏向自主；于是还是系统，甚至生态更好。
职业的边界在消解，我相信在信息强相关领域这种加速度正在浮现。我最近连着跟各路模型配合了好几天，从需求分析、方案设计到编码开发、自动化测试。我一人加上御三家的 AI，其实就跑通了一套非常轻量的工作流程。
对于大型项目我没有发言权，但我想说的是，只要这个最小最轻的工作流程能够跑通，其实迭代的速度会超出我们的想象。为什么大家总说在大厂容易觉得自己在打螺丝钉？我认为是正确方向所带来的巨大势能，让自己做什么都像锦上添花甚至可有可无。
我并不是说现在就要开始 All in AI，或者 AI 现在什么都能做了。
而是起码可以开始了解和尝试，什么地方可以用 AI？用什么模型最合适？怎么用这些模型？这种系统和思维上的改变才是最根本和重要的。
生化成功学
via 赵纯想
人被自我和环境所塑造，我们能从哪里获得正反馈，就会越发专注于某个方面。
而这种机制并不只被外部所拥有，当我们意识到时，就可以主动将之用于塑造自己的行为。
意识到自己是一台生化机制所驱动的“行动机器”，便能够通过行动-认知-奖励的重复循环，来设计自己的行为模式。
音频
翁家翌：OpenAI，GPT，强化学习，Infra，后训练，天授，tuixue，开源，CMU，清华
via WhynotTV Podcast
- 假设AI能够持续地打破信息差，那么将会发生什么？我认为这里所说的信息差是最浅层的信息，没有被提炼、消化和实践检验过。就像开源的作业，只是帮助拿到了答案。但是当AI能够很轻易给出答案的时候，为什么要获得这个答案，主动探寻答案的这个过程反而更加重要。
- 想清楚自己究竟想要什么，并且全情投入；其他地方达到最低标准就好。人的精力都是有限的，如果不认识到自己以及资源的有限，自然无法区分优先级。所以说有时候欲望过了头会带来灭亡，就是因为它容易使人忘记自身其实是相当有限的。
- 什么是强化学习？对环境进行建模，让模型持续得到反馈。持续的正反馈能够点出天赋和未来发展的方向。
影像
出生率下降，到底因为什么？
via 内部看美国
出生率下降就像是四季，是生物演化过程中必然经历的阶段。
如果冬天不会来临，那么春天同样也遥不可及。
我们所能做的，不是逆转，而是做好准备。
工具
Antigravity Cockpit
via
token额度用量可视化插件，“电量焦虑症”患者福音。
之前一直苦于不知道自己究竟是因为超额度了还是其他原因导致响应失败，有这个插件后Token焦虑缓解了不少，也能更方便地拷打Antigravity。
Warp: The Agentic Development Environment
支持多 AI 代理协作的开发环境，我目前使用的场景是同时跑 codex 和 gemini cli 来审阅和校验文档，能避免开两个终端窗口来回切换的尴尬局面。