sonoda’s notes

Endlessly curious. Drawn to the intersections of tech, culture, and everyday life.
对什么都好奇。喜欢在科技、文化与日常之间来回穿梭。

[sonoda’s notes @sonodakintoki]

《后室的另类恐怖》

A24 的《后室》五月底在北美上映，成本不到一千万美元，全球票房已经过了三亿，坐上了这家公司影史最卖座电影的位置。导演凯恩·帕森斯今年二十岁，是 A24 历史上最年轻的长片导演，四年前，他还是个用免费软件在自家电脑上做恐怖短片的少年。

这部电影的源头小得离谱，而且至今��无此人。2019 年 5 月，有人在 4chan 的超自然板块开了个帖，让大家贴一些「看着就不对劲」的图，帖子里附了一张黄色调的空房间照片。楼下一条匿名回帖，用不到一百个词给这张图编了个设定，说人要是在错误的地方像游戏穿模一样跌出现实，就会掉进这片空房间，这个地方就叫后室。发图的和写设定的都是匿名用户，身份至今是谜，所以后室这个概念严格说没有作者，也没有版权方。连那张照片的来历都悬了五年，2024 年才被网友考证出来，它摄于 2002 年，拍的是威斯康星州一家旧家具店的翻修现场。巧的是，电影里通往后室的那扇门，就开在一家家具店的地下室。

那张照片��于「阈限空间」图像。阈限的原意是门槛，这类图片专拍只供经过、不供停留的过渡地带，走廊、楼梯间、深夜的商场，本该有人的场所被拍得空无一人，在网上自成一派审美。这派审美有情绪，没有故事，那条回帖恰好补上了故事。所以两个词的关系很简单，阈限空间是图像和情绪，后室是从这股情绪里长出来的、名气最大的故事，下文换着用，指的是同一种恐怖。

一间黄色调的空房间，究竟凭什么吓坏全世界？把这份恐怖拆开来看，里面至少叠着下面几层机制：

🔵空间安全感的消失
地理学家阿普尔顿提出过「瞭望与庇护」理论：人评估环境的本能只有两条标准，看得够远，藏得够稳。后室让两条同时落空，墙体无穷重复，视线几米就断；空间又均质敞开，无处可藏。旷野恐惧和幽闭恐惧被同时触发，这种组合在自然界几乎不存在，只有人造空间做得出来。还有一条更古老的警报，本该有人的地方空无一人，在演化史上，这意味着有什么把所有人赶走了。恒定的日光灯嗡鸣又恰好盖住脚步声，连听觉这道预警也没了。

🔵恐怖的预期之外
大脑是预测机器，每类场景自带脚本，商场等于人群加音乐，走廊等于通向某处。传统恐怖片的怪物是一次性的大报错，观众尖叫一声，情绪当场结清；阈限空间是每一秒的微小报错，一切 95% 正确，差的那一点不足以让你逃跑，却永远不清零。警觉系统一直开着，找不到可以处理的对象。这比跳吓磨人得多。

🔵恐���不是凭空而来
「诡异」一词的德语unheimlich的词根正好是heim（家）。吓人的恰恰是熟悉之物，它换一副陌生面孔回来找你。阈限图像拍的全是集体童年，学校走廊、商场中庭、游泳池，抽干了人，原样还给你。顺序很要紧，怀旧先到，卸掉你的情绪防御，不安再从同一扇门进来。所以看这些图的典型体验是想哭又发毛，两种反应走的是同一条通道。

🔵无实物的恐惧
克尔凯郭尔早就分清了两样东西：恐惧有对象，焦虑没有。有对象就能处理，战斗、逃跑，或者看着怪物被消灭；焦虑面对的是「无」。后室故意不给对象，创始帖只说有「什么东西」在游荡，拒绝给出确切答案。威胁永远不在场，恐惧就永远无法结算。当代焦虑恰好就是这个形状，气候、经济、算法，全是没有面孔的系统性威胁，你无法与之搏斗，只能置身其中。

🔵无限的日常
美学史上，无限向来搭配崇高，星空、大海、群山，波澜壮阔，让人心生敬畏。但后室的无限用地毯、石膏板和荧光灯砌成，除了让人难以引起注意力的日常以外什么都没有。创始帖说它约有六亿平方英里，相当于把三个地球的表面摊平，全部铺上黄色墙纸。它还是一座没有中心的迷宫，传统迷宫有怪物、宝藏或出口，行走因此有方向，在这里你永远说不出自己正在接近什么。恒定的灯光抹掉昼夜，空间无限，时间静止，进度感跟着消失。

🔵尚未兑现的未来
马克·费舍尔说，逝去的过去并不闹鬼，闹鬼的是被取消的未来。九十年代的商场曾是「未来生活」的展厅，如今批���空置；阈限美学的图库，差不多是一代人公共生活的遗像，商场、街机厅、录像带店。看这些照片，等于看见一个没兑现的未来还在原地徘徊。后室的故事锚定在九十年代不是偶然，那是实体空间最后的黄金期。

层叠在一起，你会发现它们做的其实是同一个动作：减法。庇护、预期、熟悉之物、对象、方向和时间，一层拿走一样，到最后连未来也一并拿走。传统恐怖靠的是加法，加怪物、加血浆、加音效，而阈限恐怖靠的是减法，而减法几乎不需要成本，一张空房间的照片就装得下全部。

[Jaya Gupta @JayaGup10]

https://t.co/5vDrndcmFn

[sonoda’s notes @sonodakintoki]

另外一个新产品预告👨‍💻

制作：MKMMK

[sonoda’s notes @sonodakintoki]

第一个公开的vibe coding产品，预告一下吧

[sonoda’s notes @sonodakintoki]

给 macOS 用户的一个 AI 小技巧：

如果你的 Applications 里 App 越装越多，经常分不清某个软件到底是干嘛的，可以让 Codex 直接扫描 `/Applications` 和 `/System/Applications`，自动识别每个 App 的用途，然后把一句简短说明写进 Finder 自带的「Comments」字段。

这样不需要额外做表格，也不用装新的应用管理器。之后你在 Finder 里看应用列表时，就能直接看到：这是翻译工具、剪辑软件、数据库客户端、AI 工具，还是系统组件。

再codex当中使用下面的一句话提示词就够了：

「请扫描我的 /Applications 和 /System/Applications，识别每个 App 的用途，并把一句简要说明写入 Finder Comments，方便我在 Finder 里快速区分。」

[sonoda’s notes @sonodakintoki]

https://t.co/nAfXzcEnST

[sonoda’s notes @sonodakintoki]

最近全网都在聊AI Agent、自动化、Harness工程，听着又前沿又吸睛，但我总觉得这套逻辑里，藏着一个被忽略的巨大误区。

AI 自动化的前提是，你早就清清楚楚知道自己要做什么，剩下的只需要交给机器搭框架、定边界，高效落地执行就好。理想状态确实很诱人，但现实里，人做事哪有这么一气呵成的？

我们大多数时候，只有一个模糊的方向，边做边摸索。做着做着发现思路走偏了，就及时掉头；有时候偶尔撞见的“副产品”，反而比预设的主线更有价值。比如Slack就脱胎于一个失败的游戏项目，Twitter最初只是播客公司的边角料，这样的例子在科技圈里数不胜数。

真正有价值的工作，从来不是机械执行一个既定目标，而是在行动的过程中，慢慢摸索、逐步明确目标本身究竟是什么。

但现在的AI自动化和Harness工程，恰恰做不到这一点。它逼着你在信息最少、最容易误��的开局阶段，就把目标定死，然后带着你高效地朝着可能错误的方向狂奔。但跑得越快，回头的成本就越高，最后可能越走越偏。

更深层的问题在于，现代工程文化几乎把“目标明确”等同于理性本身。OKR、KPI、SMART原则，背后的潜台词都是“有清晰目标，才叫正经做事”。但这其实只是理性的一种形态，而且未必是最高级的那种。

哲学家杜威很早就提出过另一种理性，叫探究式理性。它的核心不是“达成预设目标”，而是“辨认当下情境”。搞清楚现在到底在发生什么、手里的资源和反馈在传递什么信号、我之前的判断是不是其实错了。后来的设计理论家唐纳德·舍恩把这种状态称为“与材料对话”：你画一笔，画面给你一个反馈，你再根据这个反馈画下一笔，最终的作品从来不在最初的脑子里，而是在这种来回磨合中慢慢“长”出来的。

设计、科研、创业、写作，本质上都是这样的活动。你试探一步，现实给你一个反馈，再根据反馈调整下一步方向。最终的成果从来不是凭空想出来的，而是在这种一来一回的试探与磨合里，逐渐成型、成熟的。

但这种理性，在当下的AI工程话语体系里，几乎是缺席的。因为它没法被量化、没法做benchmark、没法塞进reward function里。于是整个领域慢慢形成了一种隐形的筛选机制：那些能被压缩成清晰目标的问题，才被当成“AI能解决的真问题”；而那些必须靠摸索才能慢慢看清的问题，要么被当成定义不清而剔除，要么被强行简化成另一个样子塞进来。久而久之，被改写的不只是问题,还有我们对"问题"本身的想象。我们开始下意识地认为，只有长得像工程任务的事，才配叫问题。这种悄无声息的偏见，远比技术局限本身更值得警惕。

所以我越来越觉得，对既定目标的狂热崇拜，本身就是一种认知偏见。当下的AI工程范式，从来不是中立的工具，它天生就偏爱目标清晰的问题，也因此系统性地低估了人类工作最核心的价值。在实践中不断反思、不断重新定义自己到底在做什么。

这套体系越成功，这种低估就越会被当成理所当然。所有光鲜的AI成功案例，几乎都来自目标清晰的领域，于是大家更坚信“目标清晰才是好问题”，越来越多本该慢慢摸索、逐步明确的事，被强行塞进标准化的执行框架里，最终反而错失了真正有价值的可能性。

个人认为，AI时代真正稀缺的能力，从来不是在既定框架里高效执行的能力；真正珍贵、越来越稀缺的，是有勇气、有能力不断重写框架本身的能力。

[sonoda’s notes @sonodakintoki]

AI浪潮席卷之下，很多行业逻辑都在被重构，就连“数据”这个核心概念，恐怕也得重新审视其价值边界。

最近看到一则颇为震撼的行业新闻，忍不住和大家分享。

Milla Jovovich，也就是《生化危机》中爱丽丝的扮演者，日前在GitHub上开源了一款AI记忆系统MemPalace。这款产品由她和好友Ben Sigman合作，借助Claude Code耗时数月研发而成，支持纯本地部署，无需调用任何外部API。更令人惊叹的是，它在LongMemEval这一行业标准基准测试中，拿下了史无前例的100分500道测试题全部答对，6种题型均获满分，成为该基准测试史上首个满分成果。即便移除reranker，其原始版本得分也高达96.6分，是同类产品Mem0的两倍以上。

深入研究其技术路径后，我更是被这种“反常识”的设计所触动。

当前主流AI记忆系统的核心思路高度趋同：利用大语言模型将对话内容提取为关键事实进行存储。比如你花半小时讨论数据库选型，系统最终只会留存一句“用户偏好PostgreSQL”，原始对话内容则被直接丢弃。从工程角度看，这种方式似乎无可厚非节省token、降低存储成本，看似是高效且聪明的选择。

而MemPalace的思路却简单到极致：不做任何信息提取，完整留存原文，检索环节再做针对性处理。

就是这样一个看似“偷懒”的改动，让其原始版本得分直接冲到96.6分，最终凭借优化版本拿下满分。她们在GitHub仓库中提到，正在准备一篇arXiv论文，拟定标题为《Raw Text Beats Extracted Memory》，翻译成中文便���“原文打败提纯记忆”，一语道破其核心发现：原文留存优于提纯记忆。

我之所以对这件事如此触动，核心在于它恰好印证了我长期以来的一个判断。

早几年，标准化数据获取难度极大，因此行业内形成了一种固有习惯：对采集到的原始数据进行反复加工，去毛刺、去个性、剥离上下文，力求数据“干净”“规整”。这套逻辑在统计学和传统机器学习时代完全成立彼时模型的理解能力有限，必须由人先将复杂的现实世界，翻译成模型能够消化的简单格式。

但大语言模型的出现，彻底改变了这一前提。

LLM的核心优势之一，就是能从杂乱无章、带有噪音、富含上下文的原始数据中，精准提炼核心意义。那些曾经被行业嫌弃的“脏数据”背景里的杂音、模糊的画面、带口音的表达、中途改口的句子，如今反而成了最具价值的数据资产。因为这些“不完美”的细节里，藏着“提纯数据”无法承载的核心信息：专属于人的气息、具体的时间地点、行为逻辑、情绪波动，所有能还原真实场景的细节，都蕴含在这些未被加工的原始内容中。

此前，我一直从数据采集端思考这个问题：如何采集更多元化的数据，如何保留更多场景化的“噪音”，也一直坚信，真正有价值的数据公司，应该是那些专注于采集、保存、理解“原始脏数据”的主体。

而MemPalace的出现，让我意识到这个逻辑在AI“记忆”领域同样成立，甚至更为极端。

AI的记忆本质上也是一种数据的采集与保存。任何让LLM在中间环节判断“这条信息是否值得留存”的设计，本质上都是在制造信息损耗。当系统提取出“用户偏好PostgreSQL”这句话时，它同时丢弃了“为什么偏好”“当时讨论过哪些其他选项”“权衡过程中考虑了哪些因素”��对话时的具体语境”等关键信息。而未来某一天，当你真正需要调用这条记忆时，恰恰是这些被丢弃的细节，才是解决问题的核心。

提纯这个动作本身，其实是有害的。这并非因为提纯的技术不够精湛，而是这个动作背后隐藏着一个不成立的假设：我们现在就能预判未来哪些信息有用。

但现实是，没有人能精准预判未来，更没有人能提前定义“有用的信息”。

因此，反过来的思路或许才是正确的：完整留存原文，将所有技术精力投入到检索环节，而非压缩环节。MemPalace拿下100分的成绩，就是最有力的印证。

除此之外，还有一个细节让我感触颇深。

MemPalace并非出自OpenAI、Anthropic等巨头之手，也不是任何一家拥有专职记忆系统研发团队的AI公司的成果它来自一位演员和她的朋友，借助Claude Code完成了全部研发。

这并非大公司的研发人员不够聪明，而是他们被困在“必须做看起来很专业、很复杂的事”的思维定式中。整个行业都在内卷：谁的提取算法更精巧、谁的压缩比更高、谁的embedding更花哨。却没有人愿意沉下心来，测试一下“���么都不做，只存原文”这种看似“愚蠢”的方案因为它太简单，不像正经的产品研发，也不符合工程师的固有认知。

反而，一个非工程背景的演员，凭借朴素的需求“想要一个能记住所有事情的工具”，就真的做出了这样一款产品。

这或许就是vibe coding时代最令人兴奋的地方：它不仅仅是让外行能够写出代码，更重要的是，让那些未被传统工程范式驯化的直觉，第一次有机会落地成可用的产品。

最朴素、最“笨拙”的想法，最终跑出了行业最高的分数这本身，就是对当前AI行业一些固有思维的最好反思。

[sonoda’s notes @sonodakintoki]

生活在2026年初的当下，你也许会同时看到“科技界的文艺复兴”和“文艺界的技术大爆炸”两大浪潮同时向前奔涌而去。很难不说这是一次有史以来最大规模的人类奇观。 ​​​

-

Living in early 2026, you're witnessing two tidal waves surging forward at once: a Renaissance in tech and a technological Big Bang in the arts. It's hard not to call this the greatest spectacle in human history.

[sonoda’s notes @sonodakintoki]

每代人都有每代人的双城，同时每代人也都有每代人的《双城记》可写。

-

Every generation has its own two cities, and its own Tale of Two Cities to write.

[sonoda’s notes @sonodakintoki]

大多数人想象中的"拥抱未来"，是某天突然想通了，毅然转身，从此一路高歌猛进。因为电影似乎都是这么拍的。

但真实的拥抱未来，可能是花两个小时��了个工具，折腾半天没跑通，什么成果也没有。可能是写了一篇自以为有洞察的文章，发出去没人看。可能是花一个周末做了产品原型，做完反而更困惑，不知道这条路到底对不对。

没有人在你摸索的时候给你鼓掌，也没有任何指标告诉你"走对了"。你甚至分不清今天花掉的三个小时，是在积累，还是在浪费生命。

更磨人的是，你身边的世界照常运转。该处理的人际关系要处理，该挣的钱得挣，探索永远是挤出来的，排在"正事"后面。这才是大多数时刻「拥抱未来」真实的样子。没有破釜沉舟的壮烈，在浓雾里一步一步走，脚下看不清，身后回不去，忍受着"这一步可能完全没用"的不确定性，靠着自己的勇气直觉，独自前行。

-

Most people imagine "embracing the future" as a dramatic moment. One day it all clicks, you make a bold pivot, and from there it's a straight line upward. That's how it works in the movies.

But the real thing looks nothing like that. It's spending two hours installing a tool that never runs. It's writing a piece you thought was insightful, only for no one to read it. It's building a prototype over the weekend and ending up more confused than before, unsure if you're even on the right track.

No one applauds while you're fumbling in the dark. No metric tells you "you're on the right path." You can't even tell whether the three hours you just spent were building toward something or burning daylight.

What makes it worse: life doesn't pause for your exploration. Relationships need tending. Bills need paying. The future always gets squeezed in after "real responsibilities."

That's what embracing the future actually looks like. No dramatic leap of faith. Just walking through fog, step by step, unable to see ahead, unable to go back, sitting with the quiet uncertainty that this step might lead nowhere, moving forward anyway on nothing but instinct and nerve.

[sonoda’s notes @sonodakintoki]

现如今1美元可以生成：5 万字的文章，或者25张图片，或者6秒的视频。文字生产的成本几乎为0，已经和空气差不多了。但目前好像只有搞摄影的、搞电影、搞编程的吐槽自己要失业了，单纯码字的人有人在意吗。

代码和影像能闹出这么大动静，说到底是因为在AI来之前，它们还能卖上价钱。画师有商单可以接，程序员有高薪可以拿，AI一来，饭碗肉眼可见地碎了，当然不乐意。可文字呢？码字人的饭碗碎得太早了，早到大家已经忘了它曾经也是门能养家糊口的手艺。

事实上，文字在纸媒式微的时候就已经死过一次了。而现在，死的更透。

但尽管如此，还是有一帮写字的人在网络上孜孜不倦，笔耕不辍。不为稿费，不为流量，就是要写。你说他们图什么？可能他们自己也说不清。但文字已经走到这一步了，其他行当也不会太远。没准在可预见的将来，内容生产的成本全被压到零，拍照是为爱发电，拍电影是为爱发电，写代码也是为爱发电。

-

How much can AI produce for a single dollar? 50,000 words of text. Or 25 images. Or 6 seconds of video.

The cost of producing text is essentially zero. It's air.

But scroll through your timeline and you'll notice something odd. It's photographers, filmmakers, and programmers complaining about AI taking their jobs. Nobody's talking about writers. Nobody even remembers that writing used to be a real profession.

That's because code and images can still command a price. Illustrators had commissions. Developers had six-figure salaries. When AI came for them, the pain was immediate, visceral, impossible to ignore. Of course they're angry.

But writers? Writers lost their livelihoods a decade ago. Print media collapsed, ad revenue migrated, the entire payment infrastructure for written work slowly dissolved. It happened so gradually that by the time it was over, there was nothing left to be angry about.

The rage that artists and coders are feeling right now? Writers felt that ten years ago. Nobody cared.

And now AI has finished the job. A thousand words costs a fraction of a cent to generate. Text didn't just get cheap. It got free.

Yet somehow, there are still people out there writing. Every day. Not for money, not for clicks, not for the algorithm. Just writing. Ask them why and they probably couldn't tell you.

But here's the thing. Writing already got there. Everything else is just next in line. Give it a few years. Photography will be a labor of love. Filmmaking will be a labor of love. Coding will be a labor of love.

What happened to writing is about to happen to everything.

[sonoda’s notes @sonodakintoki]

说真的，AI时代，时效性的东西就当乐子看得了。

谁知道半年后世界又是什么样。上个月还在讨论的东西，这个月已经没人提了。认真追热点的后果，大概率是追了个寂寞。

所以我的长文会尽量写那种，一年、两年、三年之后翻出来还能看的东西。

模型会迭代，功能会过期，但真正有价值的讨论会穿越周期。

-

Honestly, in the AI era, most time sensitive discourse is just something to watch for fun.

No one knows what the world will look like six months from now. What people were obsessing over last month is already forgotten this month. Take every hot topic too seriously, and you will probably end up chasing emptiness.

That is why I want my long form writing to be the kind people can come back to a year, two years, or three years from now and still find valuable.

Models will improve. Features will expire. But conversations with real depth can survive the cycle.

[sonoda’s notes @sonodakintoki]

https://t.co/2LJf10Sy0t

[sonoda’s notes @sonodakintoki]

https://t.co/LQT8KMnfew

[sonoda’s notes @sonodakintoki]

有人说，所有艺术都有形式和内容之分，唯独音乐没有。你无法把一段旋律的”含义”抽离出来，因为那个旋律本身就是它想要表达的。

用AI来创作，也不是为了赶时髦，而是因为这个过程本身就是一种禅修的隐喻。你输入意图，放开控制，等待涌现。机器懂不懂禅���我不知道，但它涌现出的音符，有时比人类更空灵。

零散的金属钟声在立体声场中漂移，宽阔混响随时间加深撞击留下痕迹 。《Dharma OS》想捕捉的，就是这个过程。

在庞大繁杂的事务中，找到属于自己的秩序。禅宗如此，操作系统也如此。

《Dharma OS》的创作动机大概就是这样。

-

Someone once said that all art has form and content, except music. You can't separate a melody's "meaning" from the melody itself. The melody is the meaning.

Using AI to create isn't about chasing trends. It's a metaphor for meditation: you input intention, release control, and wait for emergence. Whether the machine understands Zen, I can't say. But the notes it conjures are sometimes more ethereal than anything human hands might reach.

Scattered metallic bell tones drifting across a stereo field. A wide reverb deepening slowly, holding the trace of each strike. That's what Dharma OS is trying to catch.

Finding your own order inside the vast and chaotic. Zen does this. So does an operating system.

That's where Dharma OS comes from.