抓紧这一个概念，你的agent 理解和实践，就不会流于表面！

用 agent 这么久，agent 给你的最大震撼是什么？

限定一个词回答。

我最近几天都在思考这个问题。思考越多，答案越确定：

loop，agent loop！

一切都靠 loop：不论是用 agent 开发产品，还是孩子的math os 学习系统，还是成年人的投资理财决策系统……

不论是使用 Claude code 还是 codex，不论是 coding 还是普通知识工作，本质上我都在用 loop 来操纵 agent，来发挥我自己的 idea 和判断力。过去一个月做了 300 个 Linear issue，背后只不过是 300 个 agent loop

agent 的最大颠覆，就是让 loop 成为普通人可以解锁的超能力！

对过去半年的 agent 实践思考总结了这么久，我最后得出结论：agent 给我的最大震撼，就是 loop！

这也是为什么，我昨天晚上的整场 ai 讲座直播，都只在讲一个概念：agent loop。🤣

昨晚直播文字稿全文2.1万字，所以我专门做了三级笔记提取。还没听直播的可以快速获得大概了解，听过直播的可以温故知新。

《agent loop主题直播》

日期：2026-08-31 

分享者：@howie.serious 

主题：agent loop 

直播回看链接： https://yg1qo.xetslk.com/sl/2NgeCB

loop 不是新东西。PDCA 存在几十年，复利人人会算。但过去它是鸡汤——因为没有人能走完那个环。你读一篇两万字的英文文章，大脑直接死机；你的小孩做错一道题，然后就没有然后了。闭环的每一步都要消耗极其昂贵的 token，而人的前额叶 24×7 就那么点算力。

2026 年 agent 范式带来的根本变化是：瓶颈转移了。执行不再昂贵，代码近乎免费，认知负荷可以被卸载。于是那个几十年来一直闭不上的环，现在闭得上了。

由此推出第二个论断：既然执行已无价值，价值就转移到理解、判断、idea、创造力、taste。但这些不能只是口号、不能飘在空中——它们需要基建。这就是 AI 内参和阅读挑战两个产品存在的理由：判断力的基建、理解力的基建、行动的基建。

最后一句反直觉的话：agent 不是让你更快更多地做事，而是让你把 loop 走完。

ai pilled

一个新的分类维度：pilled

• 借用 1999 年《黑客帝国》的 red pill / blue pill —— 吃下红药丸面对现实，还是吃下蓝药丸继续把抖音、小红书刷起来
• AI pilled 不是"知不知道 AI"，而是有没有让 AI 入心、入脑、入魂，有没有形成一种近乎信仰、作为战略层面去重视和投资的东西
• 说一个人或一家公司 AI pilled，基本等同于说它 all in AI

为什么 2026 年应该更进一步，agent pilled

• 2025 年被称为 agent 元年，但除了 Deep Research 和早期 coding agent，其余各种尝试几乎都属于摸着石头过河
• 整整一年摸石头之后，到 2025 年底 coding agent 才立住
• 关键转折：coding agent 也可以被非程序员当作 general agent 使用 → agent 范式在 2025 年末、2026 年初才真正树立

分水岭在迭代

• 衡量方式的本质：用落地实践、做中学来衡量你有多 AI pilled、多 agent pilled

frontier：另一个分类工具

• 大语言模型只有两种：前沿模型与非前沿模型
• 一系列衍生概念：
• frontier AI lab —— 全球只有几家
• frontier deployment engineer（前沿部署工程师）—— 2026 年最火的职业，把最前沿的模型、agent 实践、AI 系统部署到企业里
• frontier enterprise —— 历史类比：IBM 咨询在华为驻场好多年，把一整套国际化的公司管理和制度 deploy 进一家企业。现在咨询公司都跟 OpenAI、Anthropic 成立了合资公司，干同样的事
• 企业过去搞了这么多年才搞了 ERP 和各种电子系统，在 agent 时代都要重做一遍
• 这个分类同样适用于个人和家庭：
• frontier individual —— 在直播间探讨 agent 原生开发的人，和只会用一下豆包的人，虽然都知道"AI"这个词，但完全不一样
• frontier family —— 有的家庭只会用 AI 拍照搜题，有的家庭把整套 agent 驱动的学习系统、解题系统用起来

为什么投入会越来越多：当下的红利

• 因为能从中得到一千美金、两千美金甚至更高的价值
• 具体账：如果你有 idea，每花 200 美金换来的 token 大概值 1 万美金
• 讲者自己的实测：按 API 直接计价已达三万四千美金，实际只付了每月三四百美金的订阅费
• 结论：这是一个近期的、会窗口关闭的红利

一个词：loop

loop 就是复利，复利就是 loop 的结果

• 人人都会背的公式：1.01^365 = 37.78，0.99^365 = 0.03
• 但过去的复利公式简直就是个鸡汤——因为大家没有办法走完这个 loop，真的就没有办法走完
• 复利需要 365 个周期。你连一个周期都闭不上，谈何 365 次方

走不完的结构性原因

• 从"研究一个问题 → 思考 → 判断 → 洞见 → 行动"，中间要消耗无数极其昂贵的 token
• 而我们脑子的注意力资源是有限的，你的脑子 24 乘 7，就这么点有效算力
• 两个具体的死机现场：
• 两万字的英文文章 —— 大脑直接死机，处理不了
• 小孩一道数学题不会做 —— 然后就没有然后了。没法分析错误原因，没法针对知识漏洞做针对性练习
• loop 其实就是复利的过程，而复利其实就是 loop 的结果

2026 年的震撼：瓶颈转移

• agent 范式改变了 80 亿人做知识工作这件事情的瓶颈
• 过去的瓶颈是脑子、是前额叶、是前额叶加工处理信息的能力
• 现在：代码可以近乎无限地生成（"我从来不看这里面的代码"）→ build 这个环节完全不值钱了

每一个 issue 背后，都是一个 loop

• 结构：idea / bug / 新功能 → 写一个 issue → 跟 agent 讨论形成方案（技术方案、UI 设计方案、产品方案）→ agent 直接干活
• 规模：300 个 issue，也就是一个月的时间。一个月里 300 个 idea 在这里完成了闭环

• 具体案例：尤利西斯之绳功能
• 中午产生一个 idea：把阅读挑战产品理念背后的"尤利西斯之绳"做成 APP 的功能
• 只要写下来，梳理清楚它的 why、what、how → 跟 agent 讨论几次 → 形成方案 → build → 反馈 → 脑子里的一个想法变成了一个产品
• 上周五直播的核心方法论：你用所有的 agent，只在做一件事 —— plan → design（每个环节都跟 agent 一起讨论）→ build（已不是瓶颈，也不太重要）→ 维护 → 回到 plan，即 PDCA
• 全程有 agent 参与的后果：

  过去有难度的、处理起来费脑子的事情，全部都改变了；过去不可能的事情全部可能了，过去被阻塞的事情全部都实现了，过去很贵的事情现在几乎不要钱了，过去很花时间的事情现在迅速就实现了。

• 适用范围：任何类型的工作、做产品、小孩做题学习、创业决策、投资决策、甚至购物决策——任何的决策

解题大师的核心，是一个错题 loop

• 一个 agentic 学习系统的核心不是那五六七八个 skill，而是建立了一个错题的 loop
• 切入点：一道错题 = 一个知识的漏洞
• 环节：
1. 补充 context —— 你为什么不会做，哪里卡住了？自然语言随便表述
2. 用近乎无限供应的常春藤级别、MIT 级别的智能分析一道小学数学题不会做的原因
3. 小孩消化后进入解题设计
4. 针对这道错题出一份小卷 → 批改 → 分析新的错题原因 → 设计第二轮针对性练习 → 第三轮、第四轮
• 这在以前的教培方案里是不可能实现的

跟 loop 对立的，是线性流程

• 线性流程的样子：漫长的立项、讨论、准备，多部门多职能协调，每一个环节全部都是卡点
• 工作是这样，小孩的学习也是这样——永远都是一种层层的过滤、层层的筛选
• 后果：留存率特别低。不论学英语、学数学还是学编程，因为没有闭环，层层遗漏导致效果特别差
• 马斯克的「开环报警」（出自马斯克传记）：
• 从第一性原理思考 getting things done，最重要的一件事就是任何事情一定要形成闭环
• 如果你的行动产生了一个结果，而这个结果不能反馈回来改变你的行动，那就应该报警
• 但在过去，马斯克这套方法大家其实都还是很难闭环

agent，就是在 loop 里调用工具

agent 的本质就是大语言模型 runs tools in a loop to achieve a goal——通过推理、工具和上下文的调用来采取 action，step by step，最终达到一个目标；在实现目标之前，它就在这个 loop 当中不断运行。

• 所以 loop 也就是 agent 最本质的特点
• 讲者的三个 agent 实践，每天都在走完一个 loop：产品开发 / 给小树设计的解题大师 / AI 内参的内参编辑 agent

loop 里随手捡起的两个改进点（当天记录）

1. 原文供给：学员反馈内参能否提供原文 → 初步回复是版权问题不行 → 但转念：自家文章、100 年前 / 50 年前的公版文章、开源内容是可以的 → 一个 issue、一个 idea → 一个 feature
2. 设计风格：发现德国风格的设计有自己一套视觉语言 → 能不能学习其本质和特征，增强自己做背景图的 skill，做创造性的运用

任何环节都可以切入

• 案例：365 挑战的 bug
• 学员早上在微信反馈 → 立刻处理（软件运维环节）
• 直接截图，自己写一个 issue；发现它跟之前那次改版的 issue 相关——是改版导致部分用户阅读时长失效
• 跟 agent 讨论方案 A、B、C ——因为你是了解自己业务的，所以你自己知道哪个是更好的
• 执行 → 复核 → 把整个记录回填到 issue → 问题解决
• 切入点无处不在：你洗碗的时候有一个 idea，那就是从 plan 环节切入；运维产生的问题也能切入
• 为什么现在能快速闭环：每一个环节你都属于四两拨千斤——因为那个千斤并不需要你自己扛，agent 会帮你扛
• 你的角色：把截图扔给 agent，把意思描述清楚；你出的是非常 high level 的方案，不需要做技术层面、操作层面的事

孩子的正反馈 loop

• PDCA 的每一道错题都是一个强化的 loop
• 三层结果：
1. 知识漏洞被精准地识别并且捕获
2. 传统教育模式下这个漏洞可能永远是漏洞——学了十几二十年，基础漏得跟筛子一样，就是因为以前没法闭环
3. 补上之后产生正反馈 → 信任感 → 愉悦 → 更开心地做题、更积极地思考
• 底层前提：所有的问题都不是问题。只要出现一个问题，AI 就会以一种父爱如山的耐心，给你设计一个解题的游戏

投资 loop：从信息到思考到判断到行动

投资本质上就是一个 PDCA loop

• 环节：信息 → 思考 → 判断 → 行动
• 任何一个环节你都可以立刻闭环，也可以从任何一个环节切入
• 两个"先启动再说"的例子：
• 听说有个东西叫比特币，不知道是什么，那就先买一个，你就启动了
• 看到癌症疫苗研发出来了 → 莫德纳、默克各买一股 → 你就启动了这个 loop → 于是去建一个叫"疫苗"的清单，收集癌症疫苗、mRNA、莫德纳相关文章 → 读这些文章的时候，loop 就进一步闭合

从信息切入，过去为什么不可能

• 中文的还好，但关于癌症疫苗那些原始的、一手的、高价值的信息——认知负荷一下子就把人压死了
• 在没有 agent 之前，你是不可能去读那些最高质量、最一手、最前沿、最新的东西的
• 现在：内参这套 agentic 信息流系统把你在跑这个 loop 的时候所有那些重的部分全部给你化解掉了
• 类比：画一个 diagram，不是说我们学不会画，而是它费脑子，而我们的脑子又特别有限。设计一个 skill 之后，再画图就跟玩儿一样，比呼吸还简单
• 一句提醒：在 2026 年，你不要再用 2025 年的范式来看待目前这件事情了

每一个环节，过去都特别有难度

• 信息：上百个英文信息源，很多人连信息源都不掌握——没看过《大西洋月刊》、Stratechery、The Information、The Economist。要花钱、花时间，每天从上百个源里筛选几百条 → 现在设计一个 agent 来干
• 思考：想思考，得先做前面那些搬砖的工作，得去啃文章。但不是每个人都能花几天啃一篇上万字、认知负荷很重的文章 → 现在 agent 帮你啃完，你站在 agent 的肩膀之上，去做更重要、更不可或缺的理解和消化

判断需要根据新证据做贝叶斯更新

• 一个诚实的自我复盘：2025 年 12 月 31 日的判断是——2026 年 AI 应用真正爆发，体现为每人除御三家会员外还会订阅多个 20 美金以上的应用（AI 加持的 Figma、Notion、Linear）
• 这个判断是错的，或者说是不准确的：没有看到桌面 agent 的爆发——龙虾、Codex、Claude Code
• 方法论结论：人做判断做预测不可能像神仙一样什么都知道，最重要的是不断根据新的证据做贝叶斯更新
• 判断带来的回报与风险：
• 黄仁勋提到 Vera Rubin 新系统与内存、AI 存储架构 → 当天存储相关股票暴涨
• 有人可能因为一篇文章挣到了过去一辈子才能挣到的钱——当然，你也有可能判断失误
• 判断的迭代过程：龙虾爆火 → 理解它是什么 → 用一下 → 形成判断；Codex 桌面版出来；Opus 4.5 发布后 Claude Code 实际上变成了 general agent（普通知识工作者也能用）→ 又形成一个判断

行动

• 可以看到一条信息、走完闭环再行动
• 也可以直接上来就行动：看到某只存储股一夜涨 30%，没见过这种股票，那就先买一股——买了之后它会带动你走完整个 loop

因此 AI 内参是通用基础设施

• 已驾驭的媒介：视频、推特、书籍、PDF、Markdown、newsletter、播客——一切的媒介，任何的媒介、任何的长度、任何的语言
• 通过一个 agentic 的编辑过程、通过一个一个的 loop，形成 agentic 的信息流系统
• 它支撑的是全部环节：信息获取 → 消化理解 → 形成判断 → 形成行动
• 可迁移到孩子的学习等更多场景

为什么 2026 要重新战略性地重视 loop

关键不在于 loop 是新的，而在于障碍被移走了

• PDCA 作为理论已存在几十年，大家烂熟于心
• 关键在于：现在的 agent 范式把你过去最难的那些部分全部卸载掉了
• 只要你让 agent 全程参与、只要你能驾驭好 agent，每个人在每个领域都可以实现这个 loop

新的瓶颈是什么

• 所有脑力劳动的瓶颈转移了，你过去的瓶颈不存在了
• 新瓶颈：你的 idea，你的创造力，你的 plan，你的 design，你的 taste
• 过去所有人都知道 loop，但因为有瓶颈，所以没办法闭环。现在瓶颈被消灭了

为什么线性模式必然失败

• 线性 = 一鼓作气，再而衰，三而竭
• 更深的理由：生活、工作、学习都是复杂系统
• 你不可能像上帝一样自上而下优化——画一张蓝图规划到 100 年之后，从小孩出生就把每个环节规划好，变得无比稳定、一辈子没有风险——这是不可能的
• 你只能通过 loop 不断地走一步看一步，在每一步的过程当中，都能够通过反馈来优化和调整

我们要教给孩子的，是走完 loop 的能力

• 不是教给孩子所有的做题技巧、所有的知识
• 而是希望他在任何一个知识出现遗漏、任何一道错题的时候，能够通过这样一个 loop、通过这样一个反馈来自我认识、自我更新、自我调整
• 这个东西才是人生最重要的一种能力

成年人版本：像 agent 一样自我优化

• 写作：每写一篇文章，吸收反馈进行迭代和调整 → 优化写作 skill、优化措辞 → 你就像一个 agent 一样，形成了一个不断优化的 loop
• 文科学习：看视频、看纪录片、读文章、读书、费曼一个概念、查阅一个知识，都能形成 loop
• 工作：做事得到结果 → 根据结果反馈 → 优化解决问题的 skill、使用工具的 skill、思考的 skill
• 大决策的训练场是小判断：买房、买股票、选工作、选人生伴侣、选职业、选专业——所有这些改变人生、塑造人生的大决策，它的练习其实是日常生活当中那些小的判断
• 具体做法：打赌。一家人路过一个餐馆，跟娃打赌"我打赌这个餐馆活不过六个月"——因为你会观察公司企业运营的状态，形成判断，然后通过打赌的方式让这个判断闭环

七天精读 《agent 原生开发》：把学习也放进 loop

缘起

• 自己的 agent 原生开发方法论非常简单：不断走完一个闭环，借助工具让 plan 和 design 环节举重若轻，每个 loop 都有承载（可搜索到当时的依据，跳转回相应的对话）
• 但 Anthropic 是最前沿的公司 → 我们一定要学习，而且要学习最好的材料 → 做成清单 → 周六上线「每天一番茄，七天精读 agent 原生开发」

内容结构

• 四个模块，每个模块三到四节课
• 涵盖：design 阶段、plan mode、CLAUDE.md、skill、subagent、session、feedback loop、部署
• 讲者的取舍判断：部署这块可能不很重要；最重要的是前面你的 idea、你的讨论方案，一直到执行这一块
• 阅读体验：可画线、可记笔记，画线和笔记之后还能看到别人的画线和笔记

尤利西斯之绳：不靠自觉，靠机制

• 问题诊断：按理说把专题安安静静放在那里就行了。但实际上——大家看都不看，大家不会看的。大家每天会看小红书、看抖音，但不会每天花半个小时、一个番茄，持续七天，把 agent 原生开发系统性学一遍
• 错误的自我认知：不要觉得"我是怎样的尤利西斯，我的意志力跟我的肌肉一样强健，所以我能抵抗一切抖音短视频的诱惑"——这是不可能的
• 正确的做法是设计机制：通过契约、通过节奏、通过自动化的数据同步、通过社区和团队的方式
• 具体设计：七天，每天读两篇，半小时左右 → 形成习惯 → 看完 Claude 官方方法论 + 看到讲者和熊友的笔记
• 与共读《内驱式学习》同属精读计划

阅读挑战的产品矩阵

三层结构

• 数据来源只有两个：微信读书、AI 内参 → 精读计划实际上是中长期挑战的一个子集
• 底层逻辑非常简单，就是尤利西斯之绳——不靠自觉，不靠意志，不靠自律
• 一句关于基建能力的感慨：我们现在在小能熊社区的范围之内，可以言出法随地去做最理想的学习基建

为什么原生形态不行：一次对照实验

• 如果 Claude 官方那 14 课就放在官方网页上：读第一课 → 记笔记要去 Logseq 或另一个 APP → 复制粘贴 → 打开第二课 → 再读 → 第三课……
• 结果：你一个人在读，你在读英文的东西，你的阅读、你的笔记，各种东西全都是分裂的
• 现在：阅读、笔记、所有画线都是 agent 可以直接打通的，因为有专门的 API 和 skill
• 定性：这是你理解消化那些过去消化不了的高质量信息的基础设施；另外针对行为层面还做了尤利西斯之绳这样一个基建

机制的实际效果与抽奖设计

• 讲者自己："今天才读了几分钟，但前面两天读了这么多"——因为有这样一套机制，我自己就把自己捆起来了，不出意外会在今后五天每天半小时学完；目前 24 个熊友参加
• 抽奖：六月送文石 Poke6 和 Note X6，七月一个，八月一个，九月到年底送一台 iMac
• 关键设计：要求同时参加两个计划才有抽奖资格 → 只有七十多人 → 其中已有两三个中过奖 → 中奖几率很高

精读计划带来的思想对话

• 《内驱式学习》讲者自己读过五六七八遍、编辑过好多轮，但纸书体验和微信读书体验差别还是挺大的
• 差别来自基础设施带来的思想对话：
• 最喜欢看大家的划线：哪些是一样的，哪些是我画了大家没画的，哪些是大家画了我没画的
• 同一段划线，大家的想法是什么、触动是什么；自己也会把想法费曼一下写出去
• 感受：跟三百多个熊友一起，每天同时在读同一本书。虽然没有面对面，但交流和讨论的效果非常不一样
• 还能看到作者的评论、画线和讨论；自己所有的想法和笔记都可以用 agent 来访问、跟 agent 来对话
• 一个新功能的来历：单本书统计时长——上周洗碗时想到的，微信读书 API 原生不给这个数据，今天把它算出来了
• 呼吁给作者好 / 中 / 差的反馈：因为这样对作者来讲他也形成了一个 loop，得到了一个有效的反馈

go slow to go fast

• 问题：为什么很多人读了很多很多的书，甚至每天花很多小时读书，效果却没有显示出来？
• 答案：因为没有走完读书过程的闭环
• 闭环的样子：把书中的方法论和内容作为信息去加工、理解、对话 → 写下自己的笔记 → 最终体现在认知的变化、判断、观念的变化、行为的变化、方法论的升级 → 体现在家庭教育实践的变化（更重视孩子阅读，理解孩子为什么有内驱力、为什么没有）
• 没有 loop 思维的人的三种典型症状：
• 开发软件就要开发十个、二十个、三十个，更多更难
• 读书就是读网文，读十本、二十本、三十本
• 做题就是题海战术，永远都没有个头
• 结论：你可以 go slow to go fast，你通过慢的方式来实现快——以一种更自然、更符合人性的方式做事，取得的效果却更好

内驱力，本身也是一个 loop

• 内驱力 = 现在人人都说的 agency（能动性、主动性）
• 反面做法：道理的灌输就像给筛子里面倒水一样，一层一层往下漏，最终什么都不会留下
• 内驱力 loop 的结构：

从最近发展区出发
   ↓
自己的努力 + 外部机制的约束
   ↓
做到了 → 得到及时的、正面的反馈
   ↓
多巴胺的奖赏
   ↓
"I can do it" 的效能感   ← candobear / 小能熊名字的由来
   ↓
下一步的行动 → 回到起点

• 难度的双向约束：不能远超他的最近发展区；同时也不能太简单——任何一个人都能做到的事情，不值得骄傲
• 前提条件：他得到的必须是奖赏，而不是惩罚、规劝规训、一顿打一顿骂一顿嘲讽
• 适用范围：小孩学英语、阅读、做题，其实都是一样的

概念 loop：成年人的错题本

阅读本身就是一个个 loop

• 读一篇文章 = 从信息角度着手 → 提炼概念 → 形成思考 → 产生行动
• 「行动清单」：这里面每一篇文章都指向一个行动
• 看到 ELI5（explain like I'm five）这个 skill → 行动是花五分钟在 Claude 里装一下
• 看到 git worktree 使用指南 → 行动是梳理这个概念，在 Codex 和 Claude Code 的实践中提升技能
• 看到 Math-To-Manim 之类的 skill → 同样指向行动
• 本质：信息不是你看了一眼就过去的信息，而是它会指向行动

核心类比：概念缺口就是成年人的错题

就像学生应该发现自己的错题一样，成年人应该发现自己概念的缺口。

• 前提认知：你不是神，你没有掌握人类的一切知识，你甚至都没有掌握你需要掌握的知识
• 所以终身学习就是：不断在真实的工作、学习和生活中，在具体的问题过程中，发现自己需要补足和加强的概念

概念 loop 的四个步骤

1. 发现并提取概念缺口 —— 比如 git worktree
2. 新建一条概念笔记 —— 比如 2026 年 6 月 18 号在 Logseq 里新建。要把这个概念缺口从脑子里拿出来，变成一个实实在在的东西，也就是一个 Markdown 文档。一旦它变成 Markdown 文档，它就存在了，就可以被 agent 持续地迭代，被你和 agent 共同使用
3. 用 5W2H 模板做初始化，再让 Claude 或 GPT 给你做一个概念综述；自己从中提取几个概念编辑成笔记，可能再总结一个最佳实践
• 例：英伟达发财报 → 直接让它综述一下 → 你就立刻把一个信息转化成了你知识体系当中一个实实在在的砖块
4. 多轮重读重编辑 —— 第一轮笔记放着不管；第二次遇到时重读并复制粘贴过来编辑；第三遍、第四遍再编辑
• 我不准备一次性就把这个概念搞到会背诵，没有必要，重要的是够用就行
• 最重要的实际上是输出和应用 —— 小能熊一直以来的理念叫做中学

概念不分先后，但复利极大

• 概念的例子：接口、数据库；前端知识、后端知识、不同技术栈和编程语言；agent 相关的 harness、skill、plugins
• 只要你在任何一个时间节点知道了这样一个概念，只要你让它走到这个 loop 里面来，学习每天都会发生新的变化
• 每天走完很多很多个 loop → 每天成长 0.01 或更多 → 一年、两年、三年后，经过了成千上万次的概念 loop，人跟人之间的差距我觉得会非常大
• 反过来说：对那些没有笔记习惯、不注重信息获取、不注重 AI 和 agent 的人，欠债会非常大

概念缺口无处不在（一个当下的例子）

• 今年因为 AI，全世界做存储相关的产能都不够用，手机电脑的内存、SSD 价格特别贵
• 于是缺口浮现：什么叫 DRAM？什么叫 NAND flash？什么叫 HBM？它们之间的关系，以及它们跟整个 AI 系统、跟 KV cache 的关系
• 结论：一些特别重要的判断、思考、决策，实际上都来自于一些基础概念的学习。没有这些东西，很多大的判断你也没有办法去判断

判断力的基建：我每天的阅读 SOP

编辑侧（人工那一半）

• 每天晚上直播完继续做内参编辑，每天早上起床第一件事也是编辑，编辑完上线

读者侧：讲者自己的每日筛选

• 每天几十篇文章 → 自己浏览、筛选、收集 → 加到相应的清单
• 当日实例：
• 「AI 造软件」这个话题有意思 → 加入清单
• 四个月内 GitHub commit 翻倍到 30 亿 → 有意思，但这个我就没加
• "AI 时代最大的生产力杠杆不是某个工具，而是一个团队的文化" → 快速判断
• 陶哲轩在国际数学家大会上的公开演讲 → 非常高质量，但让你真读其实是近乎不可能的；现在任何人都可以把这种最有价值的资料啃下来 → 加到数学清单
• Codex 官方文档（OpenAI 官方）→ 很多人不会去看官方文档，但这都是最有价值的信息，你啃不下来；现在啃得下来了 → 加到行动 inbox
• 1958 年的一篇经典文章 → 放进来重读、共读，大家还可以去看原文
• 判断要不要读的方法（约一分钟）：一方面看文章主题，另一方面看 agent 总结的最核心的观点——就是那几句话的全文关键
• 真正详读时的维度：不同维度的解读、整个的概念图谱、500 字版本的费曼、三级笔记
• 每天花五分钟筛完一轮；后续会优化侧边栏，让清单更方便触达 → 进行主题阅读

编辑 loop 中的改进点回流

• 在循环中发现改进点 → 扔进 inbox → 攒一攒、酝酿一下 → 优化 agent workflow、优化某个 skill 的操作细节、优化 Notion 里 database 的页面结构和数据库设计、优化内参的功能

内参的起点与 loop 的威力

• 2 月 22 号开始用龙虾 → 用了两天觉得"这么好玩、这么厉害，得拿它来做个项目" → 大概 2 月 24 号左右就上线了，还回溯了前几天的内容
• 我哪天开始玩龙虾，我就哪天开始做 AI 内参
• 三月到八月，通过每一天的 loop 不断优化 → 现在这个系统的复杂度以及它所能够创造的价值，都是我以前在玩龙虾的那个时刻没有想到的。这就是 loop 的威力

读者的 loop 与产品愿景

• 读者每天的 loop：从几十篇中选出一篇 → 划线笔记 → 从划线笔记提取一个概念 → 概念走一个概念 loop → 落到 Logseq → 形成自己的行动
• 愿景：把判断、行动、概念都在 AI 内参系统里作为第一公民来存在

AI 内参 365 学习挑战

• 诊断：靠你自己的意志力，你就算是怎样的奥德修斯，都不可能养成"每天花一个番茄读地球上最高质量文章"的习惯
• 原因：每个人都会花一个番茄读网文或看短视频，但送到嘴边的最高质量文章反而难——因为它是有认知负荷的，这个习惯也没有养成
• 解法：绑上尤利西斯之绳，参加 365 AI 挑战 → 现在有 80 个聪明的熊友给自己绑上了
• 讲者自身数据：从 7 月 1 号开始统计，69 个小时，每天一天都没有断；今天 18 分钟
• 一句自嘲：我这是为了大家的阅读殚精竭虑、抓耳挠腮，就想设计一些「骗」大家阅读的工具

本场主题的落点：品味怎么落地

• 今天的主题只有两个 idea：
1. loop 的应用
2. 执行环节已经没有价值了，瓶颈转移到理解、判断、idea、创造力
• 但这些东西不能只是一个口号，不能是飘在空中的东西
• 追问：你说 agent 时代品味很重要——那请问品味怎么培养？你说 idea 和理解特别重要——那这些东西你怎么样让它落地？
• （品味和判断力其实是一回事儿）
• 因此结论：一定是需要这样一套 agent 驱动的系统，来作为我们基础设施的建设
• 讲者的 bet：表面看内参就是文章，你甚至都不想读。但如果有人告诉你，你会因为读一篇文章发财，你会读吗？或者读一篇文章解决了生活中很大的问题、提升了你的判断？
• 以前大家不愿意读那些文章，主要是因为那些文章本身就是垃圾，它没有办法滋补你
• 现在一旦能用 agent 全面驱动、帮你走完 loop，那些你过去用不起来的信息的价值就能够挖掘出来了
• 定性：它不只是信息基建，更是破解理解这个瓶颈的基建，是你判断力的基建，是你品味的基建，也是你行动的基建
• 补充理由：即使是讲者自己，如果没有这样一套系统，让我在海量的信息当中去满足自己的需求，也是非常困难的——所以我做这个东西，首先是给自己用的

内参的策展：那些你在别处看不到的专题

内容广度

• 三千多篇最高质量的文章。虽然叫 AI 内参，有半壁江山是 AI 的，但它其实是无所不包的：数学、科学、计算机、文化评论、思想、哲学、艺术、书籍、视频

已有的 curation

• 加工的价值：不但是高质量信息，而且经过了内参的 workflow，已经喂到你嘴边了——三级笔记、核心概念与概念网络、费曼

规模的算术与背后的算力逻辑

• 现在 3000 篇 → 每天增加 30 篇 × 剩余 200 天 = 6000 → 年底大概 1 万篇；此后每年再增加 1 万篇
• 支撑：海量优质 token 的供给。在 agent 时代，OpenAI 和 Anthropic 每家每月补贴 1 万美金的 token → 可以用这些算力来做过去几十个人甚至上百个人都做不到的事情
• 目标：在小能熊社区范围内，构建一个不但你自己用、后续也可以给你的孩子用的、覆盖一整个家庭的信息基建
• 待开发：搜索还没玩出花——技术栈可以做向量搜索、关键词搜索、全文搜索，可以让大家指哪打哪

价值的因人而异

• 这取决于每个人从这样一套基础设施当中能够得到多少价值
• 在重要判断上可能得到很高回报；但如果你把它当成短视频一样随便刷一刷、消遣娱乐，那就一毛不值

两个 APP 的分工

• AI 内参 = 判断力的基建、理解力的基建、信息流的基建
• 阅读挑战 = 比较聚焦，先把阅读这一件事情变成一种特别好的机制
• 两者相互补充

agent 不是让你更快更多，而是让你把 loop 走完

内参不是全 agent 编辑

• 回应提问："内参不是 agent 编辑的吗？"
• 重要的事情、麻烦的事情，其实都是 agent 编辑的。但每天晚上上百个信息源里的那些信息，是我人工去判断和选择的
• 三轮筛选：agent 的 skill 判断第一轮 → 我判断第二轮 → 每天早上再精选一轮
• 规模对比：每天新信息源上百个、几百条信息，自己库里还有一万七千多条存量需要做相关策划挖掘 → 最终只留几十篇

为什么全 AI 驱动的产品不值钱

• 如果它全部都是 AI 驱动的，那只能说它是一个 slop
• AI 在判断方面、在整个 idea 方面、在创造力方面，目前还是不能替代的
• 佐证：5 月 16 号微信读书开放 API，讲者当晚想到围绕它做阅读挑战产品；但别人拿到同一个 API 会做不同的东西——大家的理解不一样，关注点和注意力不一样，品味不一样，人生目标不一样
• 因此一个诚实的自我标准：如果 AI 内参是一个全 agent 驱动的产品，那它就应该免费，就根本不值得大家花钱来订阅

本场最重要的一句反直觉结论

agent 绝对不是让你去更快、更省劲地做更多的东西。

• 反例：过去读五篇文章，现在有了 agent 一天读 500 篇，每篇让 AI summarize 一下——那肯定是不对的
• 正解：你一定要让 agent 驱动你这样一个 loop，这个 loop 是能够帮助你提升的，而不是说你像貔貅一样，让 agent 不断地往你嘴里灌输更多的东西
• 操作原则：如果目标是更好的结果、更好更强、创造全新的价值，那就围绕这个 loop 把工作流固化下来，然后在 loop 当中不断优化，每个环节都用 agent 去赋能

关键概念

这场两小时的讲座实际上是一个同心圆：

• 圆心是一个词：loop
• 第一圈给出它为什么在 2026 年才成立：瓶颈转移，闭环的成本被 agent 消灭
• 第二圈做穷举式的域内验证：写代码是 loop、解题是 loop、投资是 loop、读书是 loop、内驱力是 loop、学一个概念也是 loop
• 第三圈回答"那怎么办"：既然瓶颈已转移到判断和品味，就必须为判断力修基建——于是有了 AI 内参（理解与判断的基建）和阅读挑战（行为与机制的基建）
• 收口是一句反向的警告：agent 不是让你更快更多，而是让你把 loop 走完。否则你只是换了个更高效的方式在做无效的事

下一场直播

明晚 8 点，savage 专场直播：《内驱式学习》✖️《解题元技能》—— 学习型家庭的基础设施。以及我们未来能拿它干什么？

savage 的《解题元技能》刚完成第二版修订。它和《内驱式学习》分别解决什么问题？是两门各自独立的课，还是有先后顺序、需要配合使用？ 明晚直播一次讲清两门课的关系、内容概要和使用说明，谁适合上、怎么上，以及接下来的读书活动、写作营和亲子共读计划。

👉 点击阅读原文，预约直播：