Notes

看不见的东西，往往也就不需要

人其实很容易把“看见”误认为“需要”。

而“顺便看看”其实是一个非常危险的消费入口。

看不见，就想不起来；想不起来，就不会觉得缺。

我们以为自己每天都在“自由选择”要不要买东西，但实际上，很多欲望是被环境主动提醒出来的。

Memory: 让正确的过去，在正确的时候，以正确的作用域，正确的方式重新出现。

记忆功能常被产品宣传为“越用越懂你”。更准确地说，它解决的是重复交代背景的问题：用户长期使用某个 AI 产品后，一些背景和历史不希望反复交代。模型本身没有长期记忆，产品要做的是从历史交互中提取少量可信信息，用于理解用户和延续任务。

和记忆相关的内容有三类：

• 聊天历史（事情发生过，但不一定该影响未来，可作为 RAG 检索源）
• 当前工作空间的工作记忆（项目进度）
• 长期记忆 Memory（在用户发当前任务之前，默认就能代入上下文、影响结果走向的内容）

关键在于：Memory 系统要做一次准入判断——哪些历史信息可以继续影响未来要做的任务。

以上五类记忆都属于陈述性记忆（declarative memory），记录的是“用户是谁、了解什么、发生过什么”，也就是用户特征、知识背景和历史交互。它们提供的是推理前提，不直接规定 Agent 该怎么做事。WorkBuddy 没有把 Procedural Memory（程序性记忆）纳入长期记忆，是因为程序性记忆记录的是“做事方法”，这类内容一旦作为长期记忆注入，会直接影响 Agent 的推理路径和执行顺序。

例如“用户熟悉 Python”是陈述性信息；“遇到所有调试任务，都先重启服务再查日志”是程序性策略。后者注入上下文后会带来几个问题：

• 局部经验被误升为通用策略：一次任务里有效的步骤，换个项目未必成立；
• 干扰模型推理：模型可能不再根据当前证据选路径，而是复用历史步骤，陷入局部最优；
• 隐性改写 Agent 行为：程序性内容实际上接近动态 System Prompt，却可能缺少版本、评测、审批和回滚；
• 降低泛化与可控性：如果 Agent 从每次任务自动学工作流，又没有稳定的奖励信号和 Eval，系统很难判断它是在改进还是在积累偏见。

Memory 系统按稳定事实、用户知识背景、行为信号、表达偏好和会话延续信息分层存储，仅陈述性记忆进入长期记忆。程序性记忆（做事方法）不纳入长期记忆，以免局部经验被误升为通用策略；验证过的工作方法以 Skill 形式版本化、可评审、可回滚。

追求注意力自由而不是财富自由。

虽然财富自由会有更大的机率获得注意力自由，但是追求注意力自由却不一定非要财富自由。

如果我们能抱着一种朴素主义的生活态度，其实根本不需要那么多的财富去获取注意力自由。

……

但是注意力自由并不意味着我们完全不会收入，恰恰相反，只有注意力自由之后，我们才能发挥真正的创造力，没有边界的探索任何事情。而且，在这个过程中，我们非常有可能获得一些未知的财富。即便 10 年过后没有获得任何财富，在经历 10 年的闲暇时间之后，我们一定在各方面都成为了一个更好的自己，从而拥有更多的能力去做任何事情。

复杂性体现在细节之中。当库存被其他订单临时占用时该如何处理？如何应对部分付款？若邮件服务暂时不可用该怎么办？是否需要重试？重试次数应设为多少？若客户在结账过程中会话超时又该如何处理？如何防止订单重复提交？每个答案都会引发更多疑问。累积的决策、边界情况和交互形成了真实的复杂性，没有任何工具或语言能消除这种复杂性。必须有人思考这些场景。这种思考就是软件开发，无论它是以 COBOL、CASE 工具图、Visual Basic 还是 AI 提示的形式呈现。

人工智能改变的是开发者的工作方式，而非消除他们判断力的必要性。复杂性依然存在。必须有人理解业务问题，评估生成的代码是否正确解决问题，考量安全影响，确保其与现有系统无缝集成，并在需求演变时持续维护代码。

人工智能能增强开发者的能力，但它无法取代那些既通晓问题领域又精通技术环境的人。

当 “A/B Test” 成了拍板的主要方式，清晰的产品愿景就变成了可有可无的东西。久而久之，产品团队的角色就变了：判断力慢慢让位于迭代，品味慢慢让位于数据表现。产品还在演进，但已经没有了明确的方向感……只剩下一种惯性往前冲的动量。

你没法轻易量化用户心里的那股怨气。也没法量化他们带着火气狂点按钮、只为关掉又一个"你知道吗"弹窗时的那种暴躁。你没法轻易画出一张图表，标注用户心里冒出这个念头的那一刻：“我以前挺喜欢这产品的，现在怎么这么烦人。“你没法轻易量化信任是怎么一点一点被消磨掉的。

传统教育的一个大问题是过早地"关闭"知识——把东西教成"就是这样"，而不是"在某些条件下是这样"。结果学生学到的是僵化的事实，而不是活的、可以灵活运用的理解。

“这时，我才开始体会到金钱的最大优势：考虑金钱以外事情的能力。”

反直觉洞见：获得"是"并不意味着谈判成功，获得"怎么执行"才是。

很多时候你得到"是"的那个人根本没有执行权，或者没有认同感，“是"只是会议室里的礼貌。

检验方法：问对方"这要怎么实现？““谁来负责下一步？“如果对方无法回答，这个"是"是空的。

真正的成交需要两个东西同时到位：公平感和执行路径。缺少任何一个，协议都会在事后崩溃。

习得的乐观主义与解释风格：

• 永久性：乐观者将负面事件归因于特定的暂时性因素；悲观者则将其归因于永久性因素。
• 普遍性：乐观者将无助感进行隔离处理，而悲观者则认为生活中的某个领域失败就意味着整个人生失败。
• 个性化：乐观者将坏事归咎于自身之外的原因，而悲观者则将发生的事情归咎于自己。

任何思想都必然源自另一思想或你的感官（视觉、听觉等）。举例说明：你无法想象一种颜色，它不是你曾经见过某种颜色的组合。

追溯任何想法的源头，你就会发现所有想法都建立在你已经看到、听到等事物之上。

你的现实受限于你能感知和记忆的事物。

“我的语言的边界即我的世界的边界”

人们经常在对话中“文不对题”：一方需要的是情感支持(被理解、被陪伴)，另一方却提供的是实用建议（解决方案）,结果双方都感觉不被满足。识别对方此刻究竟是想“被听见” 还是想“被解决"”，是一项被严重低估的技能。 - 布鲁克斯

1. 最直接的动作是不要自动假设对方需要什么，而是直接问：“你现在是想让我帮你想办法，还是只是想找个人说说?”
2. 先把对方的情绪说出来—“你现在一定很害怕/很愤怒/很无助”
3. 把问题延伸对方的叙述，而不是用问题引向解决方案。比如"当时具体发生了什么" “你那一刻是什么感觉”
4. 持续在场，而不是一次性的戏剧化姿态。

在对话中,人们倾向于用“转移式回应”(shift response,把话题转回自己)而不是“支持式回应”(support response,继续深挖对方)。举例说，朋友说“我今天很累”，转移式回应是“我更累，我昨晚只睡了三小时”；支持式回应是“发生什么了”？

我们必须犯错误，这样我们才学会同情别人。

一起什么都不做的美好：一种围绕着“无所事事”而展开的生活。也许你正坐在沙发上，看着朋友回复邮件；也许你正和正在收拾行李准备旅行的朋友闲聊；也许你正在帮忙准备晚餐。 你们在做什么其实并不重要。重要的是邀请对方走进你生活的平凡片段，而不是等待一个“值得”发出邀请的特殊场合。