https://www.candobear.com/detail/l_69e06087e4b0694c34fa653d/4阅读路径:先读第二组,弄清为什么同一个模型在不同人手里效果不同;再读第三组,看一句灵感怎样进入思想库或行动库;第一组解释为什么要从逐篇阅读转向概念与判断,第四组处理投入和取舍。只看一组就看第二组:没有自己的知识与工作流,换工具解决不了根本问题。 一句话结论:在 howie 展示的知识工作场景里,Agent 的杠杆主要来自可调用的个人知识和可执行的完整工作流,而不是模型订阅本身;只增加工具、不建设这两层,不能复制他的交付效果。
开场的 WikiMatch 演示看似离题,实际上是整场的入口。游戏要求从一个维基词条出发,沿页面链接走到目标词条。howie 想用这个体验说明:个人笔记也不应该只是一批各自孤立的文章,而应该是概念互相连接的网络。
他给的玩法是先上升到较抽象的节点,再进入具体目标。例如先抵达国家、动物等连接较多的概念,而不是不断钻进更细的条目。这个动作对应知识管理中的一个问题:你是否能从手头的具体材料,找到能够解释它的上位概念,再连接到别的问题。
他展示自己的 Logseq:11,132 个笔记、三万多个链接,用来解释小世界网络、无标度网络和超级节点。这里有两个层次不能混淆:笔记与链接数量是他的展示;“六次跳转基本覆盖全部知识”是他的解释,原文没有展开验证过程,不能把它当成任何笔记库都成立的保证。
Ben哥可以把这个思路迁移到 kb/STANDARD.md:拟新增“概念连接”检查项,每篇深蒸馏注明核心概念、相关旧文及连接理由。在 knowledge.py 拟新增 find_related_concepts(),返回概念名、旧文路径、关联依据,而不是只返回标题相似的文章。这里是拟议接口,不声称现有代码已有这些字段;本轮不改脚本。验收看能否沿链接解释问题,不拿链接总数充当质量。
howie 对过去阅读方式的描述很具体:人逐字处理线性文本,调用已有知识,提取概念,再组织成理解。这个过程有价值,但注意力和加工能力有限,想读的材料远多于实际能读的材料。
他展示的信息流系统不只是聚合内容,而是把材料加工成三级笔记、思想框架、概念砖块及概念网络,并继续接到思想和行动。他给出的链条是:信息 → 思考 → 判断 → 行动。所谓“提高工作的抽象层级”,不是跳过理解,而是让 Agent 先承担一部分整理,人把时间放到检查逻辑、形成判断和决定行动上。
他以芯片与存储相关文章、长视频访谈为例,说自己能更快进入材料的结构。他也提到阅读库每天克制在七到十篇左右。这是个人工作节奏,不是所有人的标准。更重要的是他明确说,读者本来就对领域有一定理解;原文没有证明,缺少基础的人只看结构化笔记也能获得同等判断力。
在 Ben哥的 reading.py 拟新增 build_reasoning_outline(),输出“问题、关键概念、论证、判断边界”;在 kb/STANDARD.md 拟增加“结论能否回到原文”的判据。这样深蒸馏不是只压缩篇幅,而是把 Ben哥需要亲自判断的分歧暴露出来。对 ~/.agent-autoloop/report_html.py,拟在内容载荷区分 source_claim 与 application,分别渲染作者主张与本地迁移方案,避免把分析写成原话。
全场最清楚的比喻是:“你爱上了一匹野马,可是你家里没有草原。”野马指 Agent 的能力,草原指可以供它使用的个人数据与上下文。很多人看到别人演示有效,自己安装后却觉得无用,howie 认为其中一个关键差别就是缺少这片草原。
他将 Harness Engineering 展开为指令、技能、工具、MCP,尤其是 Context 和 Personal Data。设计 Agent 不只是问它一句话,而是决定它扮演什么角色、能用什么手段、依据哪些资料工作,并继续测试、迭代。这也是他所谓的“Agent 元技能”。
他回顾自己的阅读和笔记积累:书籍、划线、旧笔记、Logseq 和 Readwise 中的材料,都能成为 Agent 的上下文。重点不是照抄他的数量,而是这些材料带有他的历史经验。同样模型、同样工具、甚至同样 Skills,并不自动拥有同样的个人判断基础。
| 配备层 | 本场所指 | 缺失时的问题 |
|---|---|---|
| 指令 | 角色与工作要求 | 不知道应该怎样完成任务 |
| Skills | 某项技能与工作流的封装 | 每次从头组织做法 |
| Tools、MCP | 执行动作的手段 | 只能说,无法落到操作 |
| Context、Personal Data | 个人资料、笔记和领域系统 | 有通用能力,却缺少个人依据 |
Ben哥可以在 knowledge.py 拟新增 build_context_bundle(topic),按主题返回原文路径、已有深蒸馏、概念定义与来源状态;在 reading.py 的拟议任务载荷增加 context_paths、context_gaps。找不到相关资料就明确返回缺口,不让 Agent 用泛泛常识冒充 Ben哥的经验。本轮没有核查这两个脚本的内部结构,因此这些是接口提案,不是代码现状说明。
howie 区分了两种工作方式:过去 AI 在工作流的某个环节帮忙,例如补代码、改稿;现在他希望 Agent 通过调用工具和循环执行,完整承担工作流,最后交付结果。因此,他要求自己把 Agent 当作有角色的工作者,而不只是一件软件。
他用 Cowork 的插件说明封装层次:一个 Skill 对应某项技能,一个 Plugin 可以组合多项技能和工具,形成一个角色。这是他在本场使用的解释,不宜外推为所有平台必须遵守的统一定义。他计划把个人、团队、家庭教育中的经验沉淀成一系列 Agent;“一百个 Agent”是目标,不是本场已经交付一百个的证据。
他还解释了为什么自己从俯案敲字转向站着思考:具体加工交给 Agent,人去做判断和系统设计。这是工作分工变化的个人体验,不能倒过来理解为站立办公本身就能提高抽象层级。
对 Ben哥的报告链,拟在 tasks.md 的单项任务描述中明确“输入文件、交付物、验收依据、停止边界”;在 cron-jobs.json 对应任务配置的后续方案中增加 expected_output 与 validation_command,字段名需适配真实配置后才能落地。目的不是现在改调度,而是让“出报告”指向一份可核验的结果,不以脚本启动代替完成。本场没有展开异常恢复协议,不能说这些字段是 howie 原有实现。
本场最具体的演示,是 howie 用手机记录一句话。他按下 Action Button,借助语音输入进入专门的 Bot,再流入 Notion 的 Inbox,由 Agent 继续处理为思想或行动。现场先遇到麦克风连接问题,调整后才继续演示;这不是全程无故障的展示。
他说完测试内容后,界面出现新输入提示,随后处理记录中出现新增任务。他判断这段测试更应该进入思想库,因为它并不是一个具体行动。他还展示此前“增加信息源”的想法如何进入行动库,用来说明输入不是只有保存,还会被识别并送到后续位置。
这里真正值得抄的是捕获之后还有处理。单纯把语音变文字,只降低记录成本;能把念头分成思想与行动,才开始减少后续整理负担。不过,分类规则、失败重试、重复输入处理和完整执行记录,原文未展开,不能凭一次界面演示断言系统长期稳定。
Ben哥可以在 reading.py 拟新增 classify_capture(text),只输出 idea、action 或 unclear,并附分类理由。思想内容进入知识处理候选,行动候选在后续授权流程中进入 tasks.md;遇到含混表述保留原话,不自动扩写成任务。拟议记录增加 raw_text、destination、processing_state,让 Ben哥能分别检查“已收到”“已分类”“已落位”。这些是迁移设计,本轮不写入任何真实任务。
howie 对 SaaS 的例子是按年、按人头购买一个系统,之后仍由使用者维护内容、打卡、直播等工作。与之对照,他提出 Agent as a Service:Agent 不只提供可操作的软件,而是持续承担具体服务。
他的 AI 内参当时由“内参编辑 Agent”和“思想对话 Agent”驱动,同时他本人仍在订阅、筛选信息和设计系统。他设想以后加入 Deep Research Agent;这项在本场属于计划,不能写成已经上线。解题大师则被他用来说明另一个方向:根据学生档案及对应数据库,为不同成员提供服务。
| 场景 | 本场展示或表述 | 必须保留的边界 |
|---|---|---|
| AI 内参 | 两个 Agent 驱动,howie 仍参与关键工作 | 不是无人参与的全自动服务 |
| Deep Research | 计划基于现有内容继续加入 | 不是已经完成的第三个 Agent |
| 解题大师 | 描述结合学习档案与数据库提供服务 | 未展示完整的学习效果验证 |
| Notion 工作空间 | 作为系统、数据库和协作载体 | 是作者选择,不是跨平台优劣实测 |
Ben哥可以在 kb/STANDARD.md 拟新增“案例状态”口径:区分现场演示、作者自述与未来计划。在 ~/.agent-autoloop/report_html.py 拟新增 render_delivery_status(),展示 source_status、human_contribution、planned_features。这样报告能说明哪些环节依赖人,哪些只是下一步设想,而不是把“Agent 驱动”渲染成“全自动完成”。是否对外提供服务不在本轮授权范围内。
howie 多次把 Token 消耗与工作方式联系起来:零散聊天受人的输入速度限制,而 Agent 可以连续执行工作流,所以消耗量可能大幅增加。他愿意投入,并不是因为“烧得多”本身有意义,而是希望支出能换回更大的创造价值。
他用投入一千、创造更多价值的假设来解释这个逻辑,也用自己的存储产业阅读和投资经历说明:信息如果能进入思考、判断与行动,就不只是被消费掉。不过,这是作者的个人案例和价值主张,不是投资收益保证;本场没有展开完整交易记录、损失情形与成本核算。
他对模型厂商、企业用户、软件行业和硬件利润分配也做了强判断。相关收入、股价及因果说法没有在转写中附出完整核验依据。深蒸馏能提取的是“围绕高价值任务投入”的工作思路,不能把市场评论改写成事实底稿,更不能据此直接替 Ben哥作投资决定。
Ben哥的配额试验可以在后续方案中,让 ~/.agent-autoloop/report_html.py 拟新增 render_run_economics(),分别展示 token_used、verified_deliverables、rework_count;实际费用没有可靠数据就标“未核算”。在 cron-jobs.json 的拟议任务说明中,把目标写成“生成并核对指定成果”,不写成“把配额用完”。本轮只提出记录口径,不改 cron,也不把生成篇数冒充已验收价值。
收尾时 howie 把瓶颈重新放回人身上:注意力放在哪里,有什么 Idea 与判断,是否具备主动行动的 Agency,以及能否持续学习和改善思维。他认为这些因素会限制一个人如何使用 Agent,而不是只由模型能力决定结果。
他也解释为什么自己减少公众号写作,转向固定直播和小组实践:内容与代码变便宜后,他更在意读者是否投入真正的注意力,是否参与持续行动,而不只是在信息流里滑过或收藏。这个取舍来自他的目标,并不意味着所有创作者都应放弃文章。
“一年只做 Agent”“实现过去自己百倍的生产力”,在本场属于押注与实验方向,不是已经兑现的测量结果。同样,他力推 Notion,是基于数据库、协作和个人已有投入的选择。迁移到 Ben哥这里,应该保留“围绕稳定系统积累”的逻辑,而不是把更换平台当成学习成果。
Ben哥可以在 tasks.md 的单项任务中拟增加“这次改变了哪个判断、接下来采取什么行动”的结果说明;在 kb/STANDARD.md 拟增加“实际应用不能只写感想”的判据。每篇应用至少指出一个真实文件和一个拟议字段或函数,并注明是否已实施。这样知识库检验的是观念有没有进入工作,而不是文章有没有堆满目录。本篇所有应用均未实施,也不替代独立复核与验收。
| 这条里的什么 | 对应你手上的什么 | 具体怎么用 |
|---|---|---|
| 概念之间可以走通 | kb/STANDARD.md、knowledge.py | 拟增加概念连接判据及 find_related_concepts(),返回连接理由 |
| 从加工层移到判断层 | reading.py | 拟增加 build_reasoning_outline(),呈现论证及判断边界 |
| 野马需要草原 | knowledge.py | 拟增加 build_context_bundle(topic),明确资料路径与缺口 |
| 把完整流程交给 Agent | tasks.md、cron-jobs.json | 后续明确交付物与核对命令,不以启动记录代替结果 |
| 灵感进入思想或行动 | reading.py | 拟增加 classify_capture(text),保留原话和分类去向 |
| 服务现状不等于路线图 | ~/.agent-autoloop/report_html.py | 拟增加 render_delivery_status(),分开展示人参与与计划功能 |
| Token 支出要对应价值 | ~/.agent-autoloop/report_html.py | 拟增加 render_run_economics(),分列消耗、核验成果和返工 |
原文:howie《26年1季度 agent 实战复盘》,2026.04.17 直播回看;原视频链接见来源行。开场约定八点开始、结尾按十点结束,故按约120分钟标记,不冒充精确媒体时长。
本篇依据:本地机器转写稿 /Users/benhong/.agent-autoloop/cdb/transcript/l_69e06087e4b0694c34fa653d.txt 全文。围绕 WikiMatch、知识网络、阅读系统、Harness Engineering、语音入库、Agent 服务与投入取舍组织;未调用外部资料。序号按目标文件 q10 标为 10 / 53。
更正与边界:明显误识别按上下文统一为 Logseq、Notion、Typeless 等名称;模型版本、历史发布日期、付费额度等出现混乱处不据此补造确定时间线。AGI 时间、百倍生产力、厂商路线与市场回报均属作者预测、目标或个人判断;网络跳数的证明、分类算法、长期运行稳定性与完整经济核算,原文未展开。应用段及关联表是面向 Ben哥的迁移提案,不是讲者原有代码,也不是对本机脚本现状的核查。本轮仅生成本篇,不改规则、脚本、任务或调度;执行者未将草稿自评为独立验收通过。
定位:中文深蒸馏,不是逐字摘要。