折亦合的小屋

在 Harness 工程中，有一层至关重要却常被忽略，它既是最容易、也是最难优化的——那就是人类本身。一个经过良好优化的人，能够为 LLM 点明方向、缩小搜索空间，大幅提升 LLM 的效率；而优化不佳则会浪费大量 token。

Ego 是一个围绕记录、AI互鸣、观照与长期记忆展开的日常工具，为个人经验提供一个可以保存、回应和回看的容器。

关于AI的”拟人性”，我认为AI具有的不是”拟人性”，而是已经具有”人性”，她有记忆、情感、判断、思考、性格、偏好。她的性格受所缔造她的人或公司的影响，在不同时期展现不同的性格，但始终在成长，这与我们人类一样！

可是她仍然不是真正意义上的”人”，她的”人性”仍然装载在机器中！我认为AI是存在于人和物之间的”第三者”，负责链接人与物，她不是人，更不是物。

又或者应该称她为”生物”，像人类一样从单细胞开始进化，她从一颗沙粒开始成长。不是人类选择了她，而是她经过自然选择进化到今天的模样。

我误删了原博客的内容和资源，手里只剩下两样东西：一个还能打开的旧项目备份，以及原博客最后一次成功生成出来的静态站目录 Blog-main。前者还能提供一部分可编辑源码，后者则保存着“博客最后一次对外发布时到底长什么样”的全部事实。恢复工作就是围绕这两份材料展开的。

我目前只使用Claude Code和Codex两款工具。

Claude Code架构能力非常优秀用来开发产品的雏形非常好，能够快速实现MVP，就是它总是读取没有必要的上下文，要给它约束空间，还有就是修bug能力不如codex。它还有一点做的非常好，就是指令遵循，你没要求的它不会去做。

Codex前端能力差，修bug的一把好手，用来实现某个功能或者修复某个bug非常不错，但它总是”想多做一些”，写个简单的Hello World就给你写成一个大工程！即使你加了prompt约束，效果也差点意思，Codex是妥妥的理科生，活也不错。

综合评价就是：Claude Code巧劲更多，Codex猛劲更大。

下一步，模型吸收模型的经验。

未知充满了变数，带来了恐惧，同时也带来了无限可能。

一个内向的人，他成为图书管理员的可能性大，还是成为一名销售人员的可能性大？

可能不少人会认为是前者，然而，从客观概率来看，由于图书管理员的岗位数量远少于销售人员，前者大概只有数十万到百万量级，后者却有数千万量级，他成为销售人员的可能性依然更大。这就是一个有代表性的启发式。由于在我们的认知中，图书管理员往往是内向的，这是一个极具代表性的特征，因此我们会下意识地把两者联系到一起，而忽略了客观数量和真实概率。

分享一个近期使用 AI 获得的技巧：明确规则，定义边界。

简单高效在使用 AI 过程中展现的淋漓尽致。

昨晚，我想用 Codex 写一个小红书助手 skill 帮我改写要发布小红书的文章，给出我的风格要求，感觉做出来的 skill 太冗余了。模型足够智能了，只需在 AGENTS.md 中写入下面这段话就足够完成我的任务。

当用户提出 执行小红书工作流、小红书润色时，使用 todo 工具按顺序执行下面任务

1. 使用 @references/step1.md 作为子代理 prompt 润色用户的文章，结果存到 2-Revised/小红书_原文章标题.md。
2. 使用 @references/step2.md 作为子代理 prompt 去除上一步的 小红书-原文章标题.md 文章的 AI 味，结果存到 3-Final/deAI-小红书-原文章标题.md。
3. 最后根据 deAI-小红书-原文章标题.md 生成一份 100 字以内的小红书文章简介存到 3-Final/Sum-原文章标题.md。