深蒸馏 · 直播回看 · 配额批次 4

AI 精进:把人的判断留在入口,把重复工作交给有上下文的 Agent

直播回看 | 2026.03.13 | 约 120 分钟 | 已深蒸馏 14 / 53
来源:原视频 | @howie.serious | 2026.03.13
直链(在飞书/企微预览里点击可能被拦截,复制到浏览器打开):https://www.candobear.com/detail/l_69b29ee8e4b0694c34e77bf5/4
阅读路径:先读第二组,弄清一份看似完整的 AI 总结为什么会把原意说反;再读第三组,看人工筛选、阅读与 Agent 加工如何接起来。第一组解释人的体验和品位从哪里来,第四组再决定工具放在哪里、先解决什么。只看一组就看第二组,它直接决定知识库积累的是判断依据,还是包装精致的错误。
一句话结论:如果把材料筛选和原意核对一起交给 AI,只保留自动摘要与入库,即使接上更强的模型,这套阅读系统也可能更快地积累错误,而不是更快地形成理解。

第一组 · 人的部分:先有体验与判断,再谈效率

1.1 登山的三种办法:把大困难切成还能完成的一步

这场直播不是产品发布汇总。howie 先讲一家人徒步峨眉山:两天走了接近四十公里,他的体力最差,却从这个过程里提炼出三个可以组合的方法。孩子用打猴棍圈定前面几级台阶,他用手表观察自己的心率,同行家人提醒他走折线、降低每一步上升的难度。

原文在说什么

孩子不是盯着还有多远的山顶,而是把棍子够到的位置当作下一步。howie 也不指望一次走完,而是在身体负荷升高时停下,恢复一些再走;他估算自己一个这样的区间只能前进约六十米。折线走法则是在距离与难度之间做交换。他把这些经验迁移到学习、考试和工作:有限能力不是只能硬撑,也可以通过分段、反馈和改变路径持续推进。

这里有两层意思。第一层是体力上的坚持,第二层是情绪上的耐力:面对看不到尽头的任务,不因为一次吃力就全盘崩溃。原文用 emotional stamina 来说后一层,而不是把毅力简化为不休息。

关键概念
对你的实际应用

Ben哥的 ~/.shared-agent/kb/STANDARD.md 可以拟增「单篇完成单位」字段:本轮输入、本轮输出、完成证据、停止条件。一次深蒸馏以一份转写和一篇可核对的文章为单位,不把整批库存压进同一轮。这里迁移的是分段与反馈,不是把讲者的个人心率区间换算成任务配额;具体时长和资源阈值原文未展开。

1.2 文学不是 AI 的题外话:它训练你识别什么叫好内容

他接着讲杜甫草堂、登山时谈诗,以及重读刘震云《咸的玩笑》的感受。诗句从课本上的字变成眼前的地形、窗外的景象,理解便不再只是背诵。文学阅读在这一场里的作用,也不是提供几个可以直接摘走的金句。

原文在说什么

howie 认为,物质商品高度丰富之后,真实体验、情感深度和精神生活反而更值得投入。读优秀作品还能训练语言判断:为什么这一段很长,那一句单独成段,标点和用词怎样起作用。这样的阅读经验,才让人比较容易看出 AI 套话和低质量文字。

他用《咸的玩笑》说明,读过不等于读懂:人物结局如何解释,开头结尾与中间故事是什么关系,反复出现的「文化素质提高」是不是反讽,都需要读者参与判断。他对结尾的解释属于个人阅读,不是本篇可以替小说定下的唯一答案。把小说压成剧情梗概,也不能自动保留这些理解活动。

关键概念
对你的实际应用

Ben哥可以在 ~/.agent-autoloop/reading.py 的后续迭代中拟增 record_reading_response(),接收 source_passage、my_interpretation、open_question,把原文片段、自己的解释和仍不明白的问题分开。不要把自动生成的读后感写成「我的理解」。文学作品结局若存在不同读法,应保留为解释,而不是让模型归并成一个确定事实。

第二组 · 信息入口:总结写得顺,不代表依据靠得住

2.1 访谈总结的反例:一句话说反,就已经改变了作者

这场最值得保留的反例,是一份罗永浩与刘震云访谈的网络总结。它篇幅长、结构完整,也有人称赞总结到位;howie 却指出,时长、概念和作者原意都有问题。所谓 AI slop,在这里不是「我不喜欢这个文风」,而是能够指到具体错误。

原文在说什么

按他的核对,四个多小时的访谈被写成两个小时;「知道分子」与「知识分子」的关系被倒置。原意是在区分知道许多东西与拥有生活智慧,总结却改写成「中国不缺知识分子,缺的是知道分子」,再用另一套解释把它圆回来。一个听起来锋利的结论,就这样替换了原来的意思。

他还追到材料入口:演示中的视频转写存在书名误识别、缺少标点和分段等问题。把这种底稿加入知识库,再反复提问,并不能保证修复材料本身。它可能只是把同一份错误加工得更完整。这里的批评针对他展示的材料与总结,不能推成所有视频转写、所有摘要工具都必然如此。

核对对象讲者指出的问题本篇提炼的判据
基本信息四个多小时被写成两个小时时长等事实必须回到来源核对
核心概念「知道分子」与「知识分子」关系倒置核对定义与判断方向,不只查词有没有出现
转写底稿书名错误,缺少分段与标点输入可读性与关键名词先过关
总结文风用熟悉套话包装作者观点文风只能提示风险,不能替代证据
读者反馈有人反复称赞错误总结阅读量与好评不能充当准确性证明
关键概念
对你的实际应用

Ben哥的 ~/.agent-autoloop/knowledge.py 可以拟增 check_source_claims():对候选结论同时保存 claim、source_excerpt、relation_check。relation_check 不只判断关键词匹配,还要求写出「原文肯定什么、否定什么」。找不到支撑片段时,不能把该结论标成原文判断。这是后续改造提案,并非声称脚本已有这些字段。

2.2 知识库的价值,从主动选材料开始,不从多轮提问开始

howie 展示的另一种做法,是把小说全文、较准确的访谈文字稿和相关材料放在一起,再带着自己的阅读感受对话。他强调的是先整理信息基础,再谈模型、提示方式和问答。

原文在说什么

他把这件事称为 content curation,也就是内容策展。建一个 OpenClaw 相关知识库,应该先放第一手、官方、权威的材料,再汇入自己的经验笔记与其他相关内容。知识库不是接到任何链接都吞下去,也不是靠提问次数把低质量来源洗成高质量。

这并不意味着只放原文就够了。讲者还强调好的模型和自己的问题:读者把疑惑、感受、对结构的理解说出来,让对话服务于阅读,而不是让回答替代阅读。他同时提出内容生产者的责任原则:AI 可以参与创作,但作者应反复读、自己判断,并承担误导读者的责任。那是责任要求,不是读够某个次数就自动正确。

关键概念
对你的实际应用

Ben哥可以在 ~/.shared-agent/kb/STANDARD.md 拟增 source_type、transcript_quality、corrections 三项来源记录,并要求文章把「讲者观点」「整理者解释」「应用提案」分开。~/.agent-autoloop/knowledge.py 后续可用拟新增的 build_source_record() 汇总这些记录;缺失信息如实写「原文未展开」,不要用模型常识补齐。本轮只提出字段,不改规则文件。

第三组 · 阅读系统:人工决定值得读什么,Agent 负责把流程跑起来

3.1 内参不是自动抓新闻:人的筛选贯穿两道入口

讲者反复澄清,他的 AI 内参不是让 Agent 到网上大量搜集、压缩,再生成一份日报。信息来源有订阅内容、公众号文章和社交平台文章,但哪些进入候选,哪些值得精读,仍由他来判断。

原文在说什么

第一道入口是选原材料,第二道入口是从当天材料里选精读文章,并写入库理由。Agent 可以处理之后的排版、入库和概念加工,但他不把审美、专业判断和阅读流程设计一起外包。他用音乐编辑策划歌单作类比,强调信息服务背后有人长期投入,而不只是算法汇总。

他举了当天筛出十二篇、前一天十篇的例子,又说每天真正精读两三篇、长期积累,已经有很大价值。这些数字说明「收集」与「精读」不是一回事,不是要求每个人每天完成同一指标。真正的产出还包括自己的思考、认知和决策,不是库里的条目数。

关键概念
对你的实际应用

Ben哥的 ~/.agent-autoloop/reading.py 可以拟增 select_for_close_reading(),要求候选条目带 selection_reason、selected_by、reading_status。Agent 的推荐与 Ben哥确认的选择分开记录,不默认等同。~/.agent-autoloop/report_html.py 后续显示「入选理由」与「阅读状态」,让日报能看出是候选材料还是已经处理的内容,而不只是堆标题。

3.2 自动化的落点:把一篇文章变成可继续加工的上下文

直播里展示的 Notion Custom Agent,有一个很具体的触发条件:日报数据库出现新页面。上游 Agent 在夜间交付日报,编辑 Agent 接着排版;讲者阅读和选定后,再进入文章入库、三级笔记、概念提取等环节。

原文在说什么

他把排版、文章入库、概念提取、概念入库拆成不同 skill。文章不只是被存起来,还能关联概念,保留原始链接、画线、标注与后续对话。他也展示在文章中加评论,用语音输入说出自己的理解;这些内容留在工作环境里,后续 Agent 才能继续利用。

团队空间的探索则想让模板进一步变成可以实际帮人做事的 Agent。他谈到团队协作、评论交流以及未来的学习汇报,但并非所有设想都已经完成。尤其学习系统如何逐一扩展,他明确选择放慢,先把已有系统与 Agent 结合得更稳。

环节人承担的部分Agent 承担或原文设想的部分
候选材料决定信息源与材料质量接收并整理已选材料
精读选择阅读、决定入库、写理由执行入库操作
内容加工设计流程,检查是否保留原意排版、三级笔记、概念提取与入库
理解沉淀画线、评论、说出自己的问题在已有上下文基础上继续对话
学习回顾提供真实阅读与交流记录原文提出自动汇报设想,细则未展开
关键概念
对你的实际应用

Ben哥可在 ~/.agent-autoloop/reading.py 拟增 build_reading_context(),组合 original_url、highlights、personal_notes;在 ~/.agent-autoloop/knowledge.py 拟增 link_concepts_to_source(),让概念保留对应来源。~/.agent-autoloop/report_html.py 只负责展示这些已有内容,不在渲染时临时生成「个人笔记」。这样读者可以从概念回到文章,也能区分机器加工和自己的想法。

第四组 · 工具选择:先看工作环境,再看安装与热度

4.1 本地还是云端,关键不是机器名称,而是它能接触什么

howie 对普通人把 OpenClaw 放在 VPS 上持明显保留态度。他更偏向专用 Mac,让 Agent 能使用本地笔记、浏览器和已有工具。他的理由不是云端算力不够,而是空的远程环境离个人工作现场太远。

原文在说什么

他把自己当前用途收敛为两件事:私人定制信息流,以及接入 Google 工具的在线助理。Agent 的价值取决于能访问什么文件、什么工具,以及是否有值得代劳的专业流程。如果重要资料留在本地,服务又没有连接好,远程安装成功也不会自动产生价值。

他还解释了「十分钟装不好就别玩」的门槛判断:后续故障、网络问题、模型切换都需要维护。他自己的做法是让桌面 AI 阅读终端输出,辅助处理问题。十分钟是他的劝退标准,不是普遍技术定律;本地方案也不是接上全部数据就天然安全。原文没有展开细粒度权限与隔离设计。

关键概念
对你的实际应用

Ben哥可以在 ~/.shared-agent/kb/STANDARD.md 拟增「任务环境卡」:required_files、required_tools、expected_output、unavailable_reason。例如阅读任务先确认转写和批注能否读到,再决定用哪个 Agent。表中只记资源类别与路径,不记录登录状态、凭据或私密授权信息;不能把讲者的「打通工具」理解为默认扩大所有访问权限。

4.2 先做深一个高价值场景,费用与风险仍要单独算

讲者认为 Notion Agent 比自行维护 OpenClaw 更适合普通人,也准备先做小范围团队测试。但他没有把订阅费说成全部成本:Custom Agents 后续按用量收费会产生多少支出,他在本场明确说不知道。

原文在说什么

本场提到的商业版每人每月二十四美元,是讲者当时的价格口述;他尤其担心团队 Agent 的用量账单集中扣款,因而要先测试,不能一下扩给所有人。他提到的信息服务价格与「十倍价值」也属于自己的产品定位和期待,不是已验证的收益承诺。

问答里,他担心中转服务可能调换模型、转卖对话数据,倾向使用官方服务。其中黑产细节来自他转述的外部分享,不能在这里写成经过核验的行业事实;「官方工具不会封号」等说法也不能当安全保证。全场最终落在另一件更稳的事上:不跟着每个新工具跑,先把阅读与信息流做深,因为他自己就是第一号用户。

关键概念
对你的实际应用

Ben哥的 ~/.agent-autoloop/report_html.py 后续可拟增 render_evidence_boundary(),把 observed_result、author_expectation、unknown_cost 分栏展示。~/.shared-agent/kb/STANDARD.md 相应写清:历史价格标注场次日期,商业判断注明是谁的判断,未知费用保留未知。先把这一条阅读链做扎实,不因为讲者展示了新 Agent 就自动增加采购、部署或调度任务。

与在用工作的关联

这条里的什么对应你手上的什么具体怎么用
最小行动与反馈~/.shared-agent/kb/STANDARD.md拟增本轮输入、输出、完成证据、停止条件,按单篇闭合
阅读需要自己的参与~/.agent-autoloop/reading.py拟增 record_reading_response(),分开原文、解释和问题
概念关系不能说反~/.agent-autoloop/knowledge.py拟增 check_source_claims(),结论对应来源片段与判断方向
人工决定精读范围~/.agent-autoloop/reading.py拟增选择理由、选择者和阅读状态,不把推荐当确认
笔记成为个人上下文~/.agent-autoloop/knowledge.py拟增 link_concepts_to_source(),概念能回到原文
不用顺滑语言遮住未知~/.agent-autoloop/report_html.py拟增边界展示,区分观察结果、讲者期待和未知费用

原文:howie《本周份的 ai 精进 w2610》,2026.03.13 直播。转写开场预告八点开始、结束说已到十点,据此记约 120 分钟,不是媒体文件精确时长。

本篇依据:完整分段读取本地转写 ~/.agent-autoloop/cdb/transcript/l_69b29ee8e4b0694c34e77bf5.txt,覆盖登山与文学、错误摘要、知识库策展、Notion 与阅读流程、OpenClaw 环境及末尾问答;未补外部资料。版式参照两份指定样例,序号按目标文件 q14 记为 14。机器转写中的明显错词按上下文统一,无法确认的细节不补写。

更正与边界:小说结局解释、AI 筛选能力评价、本地与 VPS 的适用判断均归属于讲者,不写成普遍定论。个人运动参数不作为他人的运动处方,历史订阅价格不作为现价,中转站转述不作为已核实事实。学习汇报、团队扩展与部分系统仍为设想,原文未展开其实施细则。文中应用函数与字段均为拟新增提案,涉及的真实文件仅确认存在,本轮未修改代码、规则、任务表或调度配置,也不声称完成独立验收。

定位:中文深蒸馏,不是逐字摘要。标「原文在说什么」的是讲者论述的整理;标「对你的实际应用」的是面向 Ben哥现有文件的迁移分析,不属于原话或已实施改动。