🏠 home › journal › 2026-04-14

2026-04-14 变更日志

摄取"25岁，我在县城骑向2026"

来源：raw/notes/county-youth-cycling-2026.md（网络文章，25 岁县发改委公务员的骑行观察日志，2025 年末）

注意：此文文学性强，细节可能经加工。具体数字未经独立核实。作为"模式库"而非"事实库"使用。

新建页面

更新页面

关键知识提取

  1. 政策执行扭曲有三种可分类的模式：标签工程（名号落地内容悬空）、指标替代实效（追求数字而非效果）、认知分裂（财报与菜市场说的不是同一个经济体） → 连接：为 demand-side-reform 的宏观诊断（"补贴到不了民众"）提供了微观机制——不是钱消失了，是钱变成了标签、指标和文件
  2. 《大明王朝1566》翻红 = 历史结构性共鸣：年轻人看到的不是古装剧情，而是"改稻为桑"与"光伏扶贫"的同构——顶层善意被执行层截流的模式跨越朝代 → 连接：黄仁宇"技术无法弥补制度性溃烂"的判断从明朝延伸到当代县城，验证了结构性问题的持久性
  3. 人才政策的覆盖错位：县城人才回流计划"优先保障引进博士"，但实际流失的是护士/教师/技工。政策瞄准的人不会来，会来的人不被政策覆盖 → 连接：与 information-asymmetry 的另一面——不仅个人面临信息差，政策制定者也面临信息差（不了解真实的人才需求结构）
  4. 县城经济的"制度性成本"：大量精力消耗在文件流转和层级沟通中，"文件宇宙"是一种可观察的效率税 → 连接：与 dual-economy-false-prosperity 互补——韩国的双轨是财阀/中小企业，中国县城的双轨是文件叙事/地面现实

摄取"农村大学生出路"（笙囧同学）

来源：raw/notes/rural-student-structural-disadvantage.md（抖音创作者"笙囧同学"，皖北县城 → 中科院 → 百度 AI 算法实习）

新建页面

更新页面

关键知识提取

  1. "寒门贵子"叙事是幸存者偏差——出路存在但狭窄且无路标，需自己砍出来。五层绞杀模型将"阶层固化"这个笼统结论分解为可分析的结构 → 连接：与 dual-economy-false-prosperity 互补——立党从宏观（GDP/基尼系数/生育率）分析分配失败，笙囧从微观（个体心理/决策/情感）展现分配失败的体验
  2. 匮乏年代的"无聊保护"正在消失——00后因信息匮乏反而被迫阅读/思考，10后/15后被算法接管。同一技术在不同社会条件下产生完全不同后果 → 连接：与 content-hook-model 形成张力——同一套钩子设计既能做教育也能做成瘾，区别在于使用者的认知基础和监护环境
  3. "工具平权，认知没有平权"是AI教育的核心悖论——AI辅导工具理论上免费，但知道它们存在并有效使用本身就是信息优势 → 连接：与 experience-over-knowledge 的核心论点一致——知识获取成本趋零，但"知道去获取"的经验仍需人际传递
  4. 冒名顶替综合征是 Agency 的自我抑制——有能力定义边界但不敢。表现为"投了三家就不投了"、"从来没有真正全力以赴过" → 连接：agency-framework 的一个重要阴暗面——Agency 不仅可能因经验钙化而萎缩，也可能因心理创伤而被主动压制
  5. "重写底层代码"的比喻精确捕捉了CBT的核心难点——知道（认知层面）和做到（行为层面）之间的鸿沟。作者用程序员语言将心理学概念翻译为技术人群可理解的隐喻
  6. 情感模式的代际传递——农村家庭含蓄的情感表达方式内化后，在亲密关系中表现为回避依恋（观察代替靠近、试探代替表达）。这不是"成熟"，是防御机制

调研摄取 Claude Agent SDK + Sentino Standalone Agent 架构设计

来源：raw/notes/claude-agent-sdk-research-2026.md（Web 调研）、raw/notes/sentino-standalone-agent-architecture-2026.md（架构讨论）

新建页面

更新页面

关键知识提取

  1. Claude Agent SDK 的核心差异化是 Batteries-included——其他框架（LangChain/OpenAI/CrewAI）要求开发者自己实现工具执行，SDK 内置了 ~20 个已实现的工具。这是因为它捆绑了 Claude Code CLI 的完整运行时 → 连接：这是 platform-layer-collapse 的最新动作——Anthropic 不仅吃掉模型层，还吃掉 Agent 运行时层，进一步压缩 LangChain 等中间层框架的空间
  2. Sentino Standalone Agent 选择工具化集成而非直接输出——语音产品的单通道线性输出硬约束决定了所有 agent 输出必须经主 Agent 中转。Standalone agent 是数据生产者，主 Agent 是唯一的用户界面 → 连接：这是 agent-tool-design 在产品层面的应用——standalone agent 自动注册为主 Agent 的工具（read_xx），工具设计从"模型视角"扩展到"产品视角"
  3. 三种用户建 Agent 方案的本质差异：简单配置 = 单次调用无循环；Workflow = 用户定义确定性流程；Agent Loop = LLM 自判目标完成。Agent Loop 在配置复杂度和能力之间找到最佳平衡 → 连接：这验证了 harness-engineering 的核心论点——Agent 循环（Harness）才是能力的来源，模型能力不变时改变 Harness 即改变上限
  4. 评估 SDK 后选择自建的原因是工具不匹配——SDK 的价值在于内置文件/Shell 工具，但 Sentino 需要平台侧工具（设备状态/API/用户数据）。自建 Agent Loop + 平台工具更合适
  5. Standalone agent 是独立数据服务，非仅主 Agent 的后台助手——三个消费者：主 Agent（语音）、用户直查 API（App/Web）、第三方 Webhook（Enterprise）。API 查询是与语音集成同等重要的消费方式 → 连接：这把 standalone agent 从"主 Agent 的工具"提升为"平台的一等公民数据服务"
  6. SaaS 分层：普通用户界面不出现 Enterprise 概念——预算上限、max_turns、审计、权限矩阵属于 Enterprise 治理层。普通用户只看到极简创建流程（指令+工具+触发），平台用合理默认值在后台兜底 → 连接：产品设计原则——复杂性不是删除，而是分层隐藏。普通用户的易用性和 Enterprise 的可控性不矛盾

摄取 Shannon《Creative Thinking》(1952)

来源：raw/notes/shannon-creative-thinking-1952.md（Shannon 在贝尔实验室的内部讲座，1952-03-20，原稿由 Jimmy Soni & Rob Goodman 重新发现）

新建页面

更新页面

关键知识提取

  1. Shannon 的三前提与 Agency 框架精确对应：训练=领域专精（半衰期短），智力=元能力（半衰期长），动机=Agency本身（"desire to find out what makes things tick"=定义边界的冲动） → 连接：agency-framework 的经验钙化三层理论获得了独立验证——Shannon 1952 年的分类和知识库 2026 年的分类几乎相同
  2. "建设性不满"是 Agency 的情感基础——"This is OK, but I think things could be done better" 是持续重新定义边界的动力。必须是建设性的（改进意愿），不是悲观的（厌世情绪） → 连接：经验钙化的人失去的正是这种建设性不满——"这样挺好的，我做了十年了"= Agency 的萎缩
  3. "两次小跳跃 > 一次大跳跃"是贯穿多个策略的元原则——类比（P→P'→S'→S）和结构分析（设子目标）都基于此 → 连接：这也是 ai-first-engineering 的结构分析思路——CREAO 的自愈循环就是把大问题分解为可自动处理的小步骤
  4. Shannon 的方法论补完了知识库的"思维方式"集群——原有四页（Agency/第一性原理/创意择优/命名塑造）各自独立，Shannon 的六策略提供了操作层的统一框架。Agency 回答"为什么思考"，Shannon 回答"怎么思考"

摄取辛顿 AI 四十年（事实核查 + 知识提取）

来源：raw/notes/hinton-ai-40-years-2026.md（微信公众号文章，2026-04-14 摄取）

事实核查结果

20 条声明中：2 处明确错误，4 处不够精确，14 处正确。

原始论断 核查结果
"辛顿的学生杨立昆开发了 LeNet" ✗ 错误：LeCun 博士导师是巴黎的 Maurice Milgram，仅在辛顿处做短期博士后，非学生
"辛顿的学生发明了 GAN" ✗ 错误：Goodfellow 的博士导师是 Yoshua Bengio（蒙特利尔大学），非辛顿学生
"明斯基证明异或问题" ⚠️ 是 Minsky 与 Papert 合著《Perceptrons》
"辛顿发明玻尔兹曼机" ⚠️ 与 Terry Sejnowski 共同发明
"辛顿阐述反向传播算法" ⚠️ 反向传播非首创（Werbos 1974），Rumelhart/Hinton/Williams 使其广为人知
"Transformer 全部建立在辛顿地基上" ⚠️ 注意力机制有独立发展脉络，过度简化

新建页面

更新页面

关键知识提取

  1. 两次寒冬有相同结构：理论突破→期望膨胀→工程现实（算力/数据不足）→权威否定→资金枯竭→少数坚守→条件成熟→爆发式回归 → 连接：这个规律不仅适用于 AI，也适用于任何"正确但超前"的技术。Shannon 的 Bandwagon 警告（→ information-theory）从反面验证：连过热时的跟风都有固定模式
  2. "理论不行"vs"条件还不够"的区分至关重要：Minsky 证明的是单层感知器的局限，但被推广为"神经网络全部不行"——这个逻辑跳跃代价巨大 → 连接：与 first-principles-deletion 的"有必要吗"形成对照——当问"这个方向有必要吗"时，要区分"逻辑上不可行"和"当前条件下不可行"
  3. 信息论→深度学习是一条完整知识谱系：Shannon 熵（1948）→交叉熵损失→反向传播优化目标（1986）→深度学习（2012）→Transformer（2017）→LLM → 连接：知识库现在有了从 information-theory 到 deep-learning-history 的完整理论链条
  4. 辛顿的学术谱系 ≠ 简单的师生关系：LeCun 是博后非学生，Goodfellow 完全不是辛顿系。"深度学习三巨头"是独立合作者，将其描述为"辛顿一个人扛起 AI"是叙事简化 → 连接：这提醒知识库在摄取人物关系时必须精确标注（导师/博后/合作者/独立研究者），而非用模糊的"学生"统称

事实核查："香农与 Claude"（AGI Hunt）+ 信息论页面修正

核查对象：raw/notes/shannon-and-claude-agihunt-2026.md + concepts/information-theory 中已摄取内容

修正内容

原始论断 核查结果 处理
"被引用超过 16 万次" 夸大/需注明来源。Semantic Scholar: ~30,000；Google Scholar: ~60,000-73,000（SciSpace）；16 万可能来自跨平台聚合。Wikipedia 仅说"数万次" 原始素材保留，wiki 页面未引用此数字
"一位知名数学家写了差评" 未经证实。未找到具体来源。论文初期确实存在"太数学/太工程"的分歧，但未找到具体差评记录 未摄入 wiki
Shannon "造了"没用的机器 归因错误。概念由 Marvin Minsky 于 1952 年在贝尔实验室发明，Shannon 制作了自己的版本并使之广为人知 已修正 wiki：改为"改造了"
von Neumann 建议叫"熵"的引语 真实性存疑。来源仅为 Myron Tribus 的二手转述（1964/1971），Shannon 本人后来表示不记得此事（Jeremy Campbell, 1982） 已修正 wiki：加注"据称"+"真实性存疑"
"把一个成功的理论到处套用，不是科学，是时髦" 意译/非原文。Shannon 原文："the subject of information theory has certainly been sold, if not oversold" 已修正 wiki：替换为英文原文+中文翻译
"之后基本停止正式发表论文" 过度简化。Shannon 确实大幅减少发表，但并非完全因为 Bandwagon，也非完全停止 已修正 wiki：改为"大幅减少"
Shannon 32 岁发表论文 ✅ 正确。生于 1916-04-30，论文 1948 年 7 月发表 —
"bit" 由 John Tukey 在内部信中首创 ✅ 正确。Tukey 1947-01-09 贝尔实验室备忘录，Shannon 1948 论文中明确致谢 —
Theseus 5×5 迷宫，1950 年，记住路径 ✅ 正确。25 格迷宫，磁铁+继电器，能记忆并复用路径 —
Betty Shannon 完成接线工作 ✅ 正确。"Betty did most of the wiring"（MIT Technology Review） —
Betty 在贝尔实验室做微波研究 ✅ 正确。"working as a technician at Bell Labs's microwave research lab" —
Betty 毕业于新泽西女子学院 未充分核实。多数来源仅说"Mary Elizabeth Moore"，未指明具体院校 原始素材保留
Shannon 1956 年写了 The Bandwagon ✅ 正确。发表于 IRE Transactions on Information Theory, Vol. 2, March 1956 —
Shannon 患阿尔茨海默症，2001 年去世，84 岁 ✅ 正确 —
Claude (AI) 命名来自 Shannon ✅ 广泛确认。Wikipedia/Britannica/MIT CSAIL/多家媒体均确认，但 Anthropic 官方从未正式宣布 —
AlexNet 2012 年 ✅ 正确 —
Anthropic 比 Shannon 去世晚 20 年创立 ✅ 正确。Shannon 2001 去世，Anthropic 2021 创立 —

摄取"香农与 Claude"（AGI Hunt）

来源：raw/notes/shannon-and-claude-agihunt-2026.md（微信公众号 AGI Hunt / J0hn，2026-04-14）

更新页面

关键知识提取

  1. Shannon 的研究哲学是"严肃的玩耍"——做一切只因为好玩。造杂耍机器、没用的机器、电子老鼠，都是好奇心驱动而非目标驱动 → 连接：这与 agency-framework 形成有趣对照——Shannon 不是"定义边界→执行→评估"的目标导向者，而是"跟随好奇心→发现边界"的探索者。两种模式在不同情境下都有效
  2. Bandwagon 警告在 AI 时代依然有效——"把一个成功的理论到处套用，不是科学，是时髦。" 当 Agent、RAG、信息论等概念成功后，花车效应让它们被过度泛化 → 连接：Shannon 自己警告的正是知识库应该避免的——不要为了交叉引用而强行关联。每个连接必须有实质性的知识增量
  3. Theseus（1950）是早期机器学习的实物演示——能记住迷宫路径并复用。远早于"机器学习"这个词被发明 → 连接：从 Theseus 到 AlexNet（2012）到 Claude（2023），信息论→统计学习→深度学习→LLM 是一条清晰的知识谱系
  4. 命名是战略——"bit"（Tukey 首创，Shannon 推广使之成为标准）和"熵"（von Neumann 建议，利用概念的模糊性作为辩论武器） → 连接：精确验证了 naming-shapes-thinking 的核心论点。"熵"的命名是有意利用模糊性的案例，与"词元"的无意收窄形成反面对照

摄取 Shannon《A Mathematical Theory of Communication》(1948)

来源：raw/notes/shannon-mathematical-theory-communication-1948.md（Claude Shannon, Bell System Technical Journal, 1948）

新建页面

更新页面

关键知识提取

  1. Shannon 的核心洞见是语义无关性——通信可以被纯粹抽象为概率事件的集合。这个抽象使得同一理论适用于人类语音、设备信令和 LLM token → 连接：Sentino 的语音 IoT 管道（信息源=用户语音 → 发射器=Opus 编码 → 信道=Wi-Fi/BLE → 接收器=ASR → 目的地=LLM）完美映射到 Shannon 五要素模型（→ agora-rtc-voice）
  2. H < C 是信息时代的基本不等式——信源编码压掉冗余，信道编码加回受控冗余以抗噪声，两步分离是最优的 → 连接：这解释了为什么 Opus（信源编码）和 BLE 5.0 FEC（信道编码）是分开的——Shannon 的分离定理证明了这种分离是最优策略
  3. LLM 的交叉熵损失直接来自 Shannon——最小化交叉熵 = 让模型分布逼近真实语言分布，perplexity = 2^H → 连接：这建立了信息论与 AI/Agent 工程之间的理论桥梁。LLM 本质上是在逼近自然语言信源的熵率
  4. 英语约 50% 冗余——一半的字符可以预测，这个发现开启了统计语言建模，从 n-gram 到 GPT 的概率语言模型都可追溯到 Shannon → 连接：naming-shapes-thinking 中讨论的自然语言认知框架问题，与 Shannon 的冗余度分析互补——语言既承载信息也承载冗余，冗余不是浪费而是鲁棒性

摄取 CREAO AI-First 工程实践

来源：raw/notes/creao-ai-first-engineering-2026.md（Twitter @Peter Pang，CREAO.ai 联合创始人，2026-04）

新建页面

更新页面

关键发现

  1. AI-first 与 AI-assisted 是乘法与加法的区别——不是给现有流程加 AI，而是围绕 AI 重新设计流程/架构/组织 → 连接：Vibe coding 产出原型，AI-first 产出生产系统。区别不是工具，是有没有构建保障系统（→ harness-engineering）
  2. 瓶颈级联原则：构建时间压缩后，PM 规划（数周）和 QA 测试（数天）成为新约束 → 连接：Goldratt 约束理论在 AI 工程中的应用——三个系统（设计/实现/测试）中任何一个保持手动就约束全链
  3. 架构师 vs 操作员是 Agency 框架的组织映射——架构师行使 Agency（定义边界/批判 AI），操作员在 Agent 系统中执行 → 连接：精确对应 Agency 时序循环（→ agency-framework）。"批判 AI 的能力比生产代码的能力更有价值"
  4. 经验钙化的实证："适应性比积累的技能更重要"——初级工程师比高级工程师适应更快 → 连接：验证 agency-framework 的经验钙化三层理论：领域专精（"我懂写代码"）半衰期短，元能力（"我知道怎么评估"）半衰期长
  5. Monorepo 为 Agent 可读性：碎片化代码库对 Agent 不可见，统一代码库是可读的 → 连接：Harness 原则实践——杠杆 = Agent 可检查/验证/修改的系统比例。架构决策的驱动力从人类偏好转向 Agent 可读性

更新 hidden-chokepoints：新增大型燃气轮机瓶颈

西门子能源 2026-02 宣布在美投资 $10 亿扩大燃气轮机产能。分析后新增为 AI 基础设施的隐性瓶颈：全球仅三家供应商（GE Vernova/西门子能源/三菱重工），交付周期 2-3 年。页面标题从"AI 供应链"扩展为"AI 基础设施"。

核查修正：霍尔木兹封锁时序 + 瓶颈可替代性 + 马六甲

对话中发现 wiki 页面的几处事实错误和叙事偏差，予以修正。

修正内容

关键知识提取

  1. 封锁→收费站的时序是核心：伊朗先证明"我能关"，再有条件放开。收费站不是"没能封住"的妥协，是"已经封住之后"的主动战略选择 → 连接：修正了 hormuz-strait-game 此前隐含的"收费站=无法完全封锁的折中"叙事（→ hormuz-strait-game）
  2. 可替代性决定瓶颈有效性：霍尔木兹之所以有效（收费站能成立），根本原因是管道容量仅占正常流量 7%，无地理替代路线 → 连接：为 asymmetric-chokepoints 增加了新维度——瓶颈的威力不取决于谁控制它，而取决于它能不能被绕过（→ asymmetric-chokepoints）
  3. 马六甲困境已被中国系统性化解：中俄/中缅/中亚管道 + 巽他/龙目替代航道 + 封锁需核战争门槛 → 连接：西方"马六甲困境"叙事已过时 20 年，中国用管道+替代航道将可替代性从"低"提升到"高"
  4. 串联 vs 并联：马六甲和霍尔木兹是串联节点，霍尔木兹堵了油出不了波斯湾，马六甲再通畅也没用 → 连接：供应链分析中常见的错误——把串联节点当并联节点评估，高估冗余度

摄取立党"韩国虚假发达国家"理论

来源：raw/notes/lidang-korea-false-developed-country-2026.md（Twitter @立党，2026-04）

新建页面

更新页面

事实核查修正

原始论断 修正
"90% 低收入低福利" 夸大：62% 属 OECD 中产定义，但福利支出确实倒数（12.3% GDP vs OECD 20%）
"韩国选择自由竞争" 方向正确但不精确：税/GDP 28.9% vs OECD 34.1%，但韩国是国家主导资本主义+低再分配，非自由竞争
财阀占 GDP 四大财阀营收占 GDP 40.8%（按营收计，含重复计算）
最低生育率 正确：0.75（2024），自 2018 年持续全球最低

关键发现

  1. James Robinson 的概括比"虚假发达国家"更精准："西欧水平的经济体，拉美规模的政府"——问题是分配失败而非发展幻觉 → 连接：比立党的原始表述更学术化、更可推广，适合作为分析框架而非修辞武器
  2. 韩国的独特病灶是自雇化：23.2% 劳动力为自雇者（OECD 第六），多为退休金启动的低利润小店，48.8% 老年自雇者低于最低工资 → 连接：中美韩分配断裂形态不同——中国城乡二元、美国金融化、韩国自雇化。同一个"分配问题"在不同制度下产生不同病灶（→ demand-side-reform）
  3. 与慕峰框架互补：立党从韩国微观验证了慕峰的宏观判断——分配问题是根本 → 连接：慕峰论中国"天量储蓄+内需疲软=分配问题"，立党论韩国"GDP高+大部分人不幸福=分配问题"，诊断一致但处方不同（→ globalization-waves）