全部文章

梳理2025年AI从模型到应用与商战：推理、Coding、多模态及协同设计提升能力并推动Agent爆发、渗透科研；字节阿里腾讯围绕人才与ToC入口加码并引发春节流量战，创业公司加速IPO与出海但亏损压力上升；具身智能与AI硬件在中国融资和量产升温，同时裁员与意义感挑战凸显，2026竞争与落地将更激烈。

作者做程序员近十年，将散落的思考整理成电子书《认知心得》，强调软件工程问题的解决依赖知识经验与工作策略来强化晶体智力而非仅靠反应速度，并提醒认知必须落地实践以避免坐而论道，书中给出信息判断原则、逻辑与工程结合、模型与架构理解及团队类比分布式系统的思路。

Openclaw将对话与数据映射为本机文件，调用Claude读写文件完成任务；若把公司也建模为统一文件系统，案件、计费、权限等以目录与权限表示，打通分散系统数据，AI代理即可凭共享命名空间获取上下文并做决策，文件系统将成代理的事实源。

Agent工程师用GPT-4到多种coding agent一年多将生产开发交给AI，发现瓶颈是上下文丢失而非模型能力，于是用HANDOFF结构化交接替代压缩、用Sub-Agent分工与文件传递扩容上下文、用git worktree隔离并发，并给agent全局多仓视图与测试日志CLI自验证能力，协作方式转为Issue驱动开发与PR审查，最终沉淀并开源Code Relay协议复用该工作流。

越来越多智能体需要能运行代码、装包、读写文件且与主机隔离的沙箱工作区，文中给出两种集成模式：智能体在沙箱内通过网络交互，环境耦合强但更新需重建且API密钥更易暴露；智能体在外部把沙箱当远程执行工具，迭代快、密钥留在外部但会引入网络延迟，deepagents可通过简单配置同时支持两者。

AI加速开发使“认知债务”累积在开发者心智而非代码，团队因丢失系统共同理解与决策依据而难以安全改动甚至停滞；应放慢节奏，通过结对、重构、TDD、强制至少一人理解AI改动并记录为何变更来重建共享理论，同时建立预警检测与量化研究以防认知债务致瘫痪。

研究跟踪一家约200人科技公司8个月发现，生成式AI未减负而让员工自发提速、扩任务、延长工作时段并更频繁多线程，短期产出上升却累积隐性工作膨胀与认知负荷，最终易致疲劳倦怠、决策变差与质量下滑，组织需建立AI使用规范以限制扩张并保留停顿。

作者将Obsidian接入Claude（Claudian+终端），用CLAUDE.md固化身份与协作规则，并以16个Skill把采集、写稿、配图、跨平台发布模块化自动化，使播客素材到带图成文发布压缩至约30分钟，结论是“超级大脑”在于把个人工作方式文字化并让AI按此执行。

StrongDM组建AI团队打造“软件工厂”，以规格与场景驱动智能体自动写代码并运行验证，无人写码与审查，引入场景与满意度评估并用数字孪生克隆第三方服务做高频大规模验证，结果是非交互开发可持续收敛且测试成本与外部依赖约束显著下降。

研究员提出“代理团队”让多实例Claude在无人工干预下并行写代码，借助循环脚手架、任务锁与高质量测试，两周约2000次会话耗2万美元生成10万行Rust C编译器，可编译Linux 6.9并覆盖x86/ARM/RISC-V，验证复杂项目可自主完成但在冲突、性能与可靠性上接近模型极限且存在安全风险。