肖恩子

把AI当工具，而不是玩具👇🏻

[肖恩子 @ShawnXTalk]

Lumina：一站式信息管理工作台

采集 → 解读 → 沉淀 → 复用，让高质量内容真正变成可持续资产。

- 浏览器采集
- 结构化文章库管理
- 深度阅读体验
- AI 解读流水线
- 后台控制中心
- 运维与可观测能力
- 多语言&主题

Github：https://t.co/S8fJmlfpyz
演示站点：https://t.co/mkRQ7OxLTd

[肖恩子 @ShawnXTalk]

感谢小米😁从没打过这么富裕的仗！

[肖恩子 @ShawnXTalk]

并行运行AI智能体≠效率倍增。

真正瓶颈不是算力，而是人的认知负荷——上下文切换、信任校准、"背景焦虑税"会让你精疲力竭。

更好的策略：少开一条线程，设定时间盒，缩小任务范围。长期最优不是同时跑最多Agent，而是始终知道自己还能真正理解多少。

https://t.co/5S202lkB1A

[肖恩子 @ShawnXTalk]

无头软件正成为AI Agent时代的标配架���

剥离GUI、只留API，让AI直接通过底层协议毫秒级调用——效率远超视觉识别模拟点击。

未来工具主动理解人，而非人适应工具。

🔗 全文阅读 → https://t.co/FaUhXRIfVq

[肖恩子 @ShawnXTalk]

用Agent思维将整个世界重构。

将现有的经验、流程、应用转换为Agent友好的skill、cli、tools...

Agent将成为链接新世界的胶水层。

[yan5xu @yan5xu]

开发 Pinix 的这段时间，我有了一个非常叛逆的看法。

Coding Agent = General Purpose Agent ≠ End Game

从 Devin 到 Manus 再到 Openclaw，它们被贴了各种标签，coding agent、computer-use agent、general-purpose agent。但是核心基本都一样，一个 LLM 实现的 Agentic Loop，接上一个计算环境，shell、文件系统、浏览器、运行时。本质上都是 coding agent。

Coding agent 能成为 general-purpose agent，原因很简单，代码是通用求解语言。能写代码能执行，你就能做几乎任何事。爬数据、处理文档、调接口、搞自动化、从零造工具。而电脑（沙盒）则提供了执行的环境。

所以 Coding Agent 真正的意思是：一个通过写代码和跑代码来解决任意问题的 Agent。这不是一个垂直品类，这是目前最通用的 Agent 架构。Coding Agent 就是 General Purpose Agent，同一个东西。

而我觉得这不是终局的原因就出在 General Purpose 上。

什么都能做，从来不等于什么都该这么做。

在电脑上写代码+执行，确实可以解决一切，但通用本身就意味着，要付出额外的成本和效率上的牺牲。

举个🌰。你让 Agent 帮你订机票。现在的 Agent 会打开浏览器，导航到携程网站，解析页面，填表单，处理验证码，点确认，出错了再重试。每一步都在写代码，能跑通，最终能拿到票。跑下来要好几分钟，token 烧一大把。

但如果有携程提供的 API 呢？出发地、目的地、日期、乘客，一次结构化请求，确定性返回，毫秒级完成。

两种方式都能拿到票。一个贵 100 倍，慢 100 倍，失败率高 10 倍。

当然，这个例子也说明了为什么现在 Coding Agent 大行其道。如同携程一样，现有整个 application 生态都是围绕人来构建的。它们提供了给人使用的 Web 和 App，但是没有给 Agent 使用的 API（至少没有公开提供）。

完全 for human 的 GUI 就不用说了，功能上还有大量针对人设计的防呆机制，商业模式上按人头收费、通过注意力变现，整个应用从交互到商业逻辑都是围绕人构建的。

所以现在 General Purpose Agent 大行其道有历史必然性。现有基础设施没给它别的选项。你也没法简单加个 API 就解决，整个应用的交互模型、功能集、商业逻辑、产品边界，都是围绕人类用户的假设建的。

但就如前面所说的，通用本身就意味着，要付出额外的成本和效率上的牺牲。整个系统终究会按照整体成本最低的方式运行。

LLM 扩大了能力边界，但它不会让每个 Agent 在每件事上都是最优解。就像拼好饭很难吃，做饭也没有很难，但因为拼好饭是经济最优解，它就是会存在。比��优势不会消失，它只是重新分配。即使到了 AGI 也一样，因为这不是智力问题，是经济问题。通用求解和专用方案之间隔着几个数量级的成本差距，市场永远选更便宜的。

所以这不是消灭分工，是重划边界。Coding Agent 这种通过写代码解决一切的通用方案，一定会被新的应用生态替代。新的分工边界会重新划定。

那新的应用长什么样？

新的应用需要同时把人和 Agent 当作用户来设计。核心能力以结构化的操作暴露出来，人类界面和 Agent 接口都是同一个底层服务的客户端。Agent 不需要过引导流程，人不需要读 JSON，每个消费者拿到对它有意义的交互面。能力是可调用、可串联、可编排的，不是锁在 GUI 后面的完整流程。定价按交付的价值或消耗的资源，不按人头不按注意力。

当这样的应用存在的时候，调一个订票服务就是比写代码操控浏览器更便宜更快更稳。调一个数据服务就是比爬取解析更便宜。经济性一翻过来，Agent 自然就不会再用通用方式做这些事了。

所以演进方向是这样的：高频的、标准化的需求会沉淀进应用，成为同时服务人和 Agent 的新应用。Agent 从什么都自己做，退到连接和编排这些应用，处理它们之间的缝隙，处理那些太小众太特殊不值得做成产品的长尾任务。做胶水，不做零件。

其实这个故事在 3D 打印上已经发生过一次。

13/14 年，我上大学，就听罗振宇在罗辑思维里说，3D 打印机会如何改变世界，其中有一个叙事是每个家庭一台 3D 打印机，制造业会被颠覆。3D 技术确实强，你设计什么就能打什么。爱好者什么都打，手机壳、支架、杯子、替换零件，我还看到一个大哥，打印了一个机械哥斯拉。

但现实是你确实可以打一个手机壳，但买一个量产的更便宜更结实更好看。你确实可以打一个支架，但标准件几分钱。3D 打印赢在灵活性，但成本、速度、质量上，打不过任何已有标准生产方式的东西。

后来的现实也是如此，3D 打印没有取代制造业。它变成了胶水层，灵活的、定制的、小批量的，填标准件之间的缝隙。同时它确实开出了一块新地：那些从来不值得量产的需求，太小众太特殊太低量的，突然有了解法。

Agent 在走一模一样的路。现在在第一阶段，通用 Agent 用代码做一切因为专用替代品还不存在。新应用出现之后，高频任务会迁移过去，Agent 退到连接层。

不过这个过渡期可能会比以往任何一次技术革命都长。因为 LLM 的能力边界是模糊的、动态的、不可预测的，你没法提前知道哪些任务该被标准件化。不确定性越大，通用方案存活越久。

所以机会不只在造更好的通用 Agent，也可以去盯着 Agent 现在反复用代码硬做的事，找到那些高频模式，把它们变��同时服务人和 Agent 的应用。

每一个被反复通用求解的任务，都是一个��号：这里有一个机会！

[肖恩子 @ShawnXTalk]

🧠 别再让 LLM 每次从零开始检索了！

Andrej Karpathy 的新思路：用 LLM 持续维护一座会成长的个人知识库。

三层架构：
- 原始资料（只读）
- LLM 维护的 Markdown wiki
- Schema 规则文档定义流程

人负责选材提问，LLM 承担所有繁琐的簿记工作。

适合长期研究、读书、个人记录、团队知识沉淀。

[Andrej Karpathy @karpathy]

Wow, this tweet went very viral!

I wanted share a possibly slightly improved version of the tweet in an "idea file". The idea of the idea file is that in this era of LLM agents, there is less of a point/need of sharing the specific code/app, you just share the idea, then the other person's agent customizes & builds it for your specific needs.

So here's the idea in a gist format: https://t.co/NlAfEJjtJV

You can give this to your agent and it can build you your own LLM wiki and guide you on how to use it etc. It's intentionally kept a little bit abstract/vague because there are so many directions to take this in. And ofc, people can adjust the idea or contribute their own in the Discussion which is cool.

[肖恩子 @ShawnXTalk]

@ly3449406 嗯嗯，指令说明确确实执行会好的多，但同样的描述方式横向对比gpt5.4感觉理解能力还是弱了点，可能是对国产模型期望还是太高了😂

[肖恩子 @ShawnXTalk]

感觉百炼的coding plan模型降智好严重啊，让它改A，咔咔给我改B😂

[肖恩子 @ShawnXTalk]

构建 Claude 应用的核心不是堆更多控制层，而是持续删减过时假设。

3 个关键设计原则 ：

1. 优先用 Claude 已擅长的通用工具，别急着造复杂框架

2. 让模型自己编排动作、管理上下文、持久化记忆——别替它做决定

3. 只在安全、UX、审计边界上保留必要工具，其余尽量放开

https://t.co/DouxhdHpWw

[肖恩子 @ShawnXTalk]

@shao__meng 之前做的开源项目想法很类似，但目前只做了留存和简单的AI解析，知识编辑和交互查询感觉比较复杂还在琢磨中😂
https://t.co/S8fJmlfpyz

[肖恩子 @ShawnXTalk]

@HiTw93 外置大脑也算（不是

[肖恩子 @ShawnXTalk]

【佳文共赏】我们也许不该再投资 GUI 思维的软件公司

主流软件正从面向人类的GUI转向面向Agent的CLI、API和官方技能。

软件竞争核心已从界面体验转为协议入口，真正有价值的是掌握数据、权限、信用和算力节点并成为Agent工作流默认调用的公司。

🔗 全文阅读 → https://t.co/mNSupp19b1

[肖恩子 @ShawnXTalk]

肖恩技术周刊（第 87 期）：青少年社交媒体禁令

澳大利亚、法国、挪威、丹麦...��来越多国家开始立法限制16岁以下青少年使用社交媒体。

当保护青少年成为国家立法议题，我们是否在重新思考：在算法驱动的注意力经济中，如何更好地守护下一代？

🔗 全文阅读 → https://t.co/EsHuvdpBmd

[肖恩子 @ShawnXTalk]

【今日观察】石英、机械与大模型

石英表曾以精度和成本优势重创机械表，瑞士品牌随后放弃性能竞争，转向奢侈品叙事，最终重回高端市场。

如今大模型也进入技术趋同阶段，���商竞争正从性能转向价值解释。

技术优势难持久，长期护城河更依赖品牌、叙事和用户确定感。

https://t.co/qZucPA7E6S

[肖恩子 @ShawnXTalk]

【今日观察】从写代码到管 AI：开发者的角色正在被重新定义

Cursor 数据显示 35% 代码提交已由 AI Agent 自主完成。OpenAI 内部实验中，3 名工程师 5 个月完成传统团队数年的工作量。

核心竞争力不再是写代码，而是"能不能把想做的事情讲清楚"。

https://t.co/Xh5yo4GJIe

[肖恩子 @ShawnXTalk]

肖恩技术周刊（第 86 期）：思路打开

想法 = 最重要的资产 💡

AI 让人人都能搭建复杂工作流，低门槛 + 高灵活。

传统框架要被颠覆了？本周刊聊聊这个 👇

https://t.co/vszaO1pqx0

[肖恩子 @ShawnXTalk]

https://t.co/DlDxPWeM4J

[肖恩子 @ShawnXTalk]

【今日观察】97% 的人用 AI 提效，3% 的人在谈心

但那3%里，藏着一个更有意思的问题：

当人们开始向AI倾诉孤独、追问意义——

AI的角色，还是工具吗？

原文见评论。

[肖恩子 @ShawnXTalk]

文章入选阮老师的科技爱好者周刊了，开心🥰

虽然上次lumina投稿没中有点遗憾。

但相信继续积累继续输出，总会有结果���

[肖恩子 @ShawnXTalk]

色色是第一生产力！

融合 Agent（无限制llm）+ tts + AI实时画面生成 + VLA + 斐济杯

有没有创业搞头？

[肖恩子 @ShawnXTalk]

作为程序员，将重复工作自动化是一种本能，而且我们有能力实现它。但对于普罗大众，OpenClaw成为他们在数字世界里创作的画笔，有了它，想法才能真正落地。

或许，OpenClaw真正发挥作用的地方，在程序之外。

更多内容见周刊：

https://t.co/ciq0aEos6J