vibe coding 时间一长，就很容易进入贤者时间。

这种时间段就适合刷刷手机，让推荐算法推着我走。看到啥算啥，走到哪儿算哪儿

除了那些喜闻乐见的各种擦边，也看到了几篇让我收藏到notebooklm的文章，分享并记录一下。

1，来自Manus 团队团的这篇文章从ChatGPT到AI Agent，一文讲透 Agent 的底层逻辑。

作者用”学霸小明的成长史”作为比喻，揭示了 Agent 能力的演进路径：
– 原生天才（基础 API 调用）：快速但不可靠
– 思考者（思维链 CoT）：强制结构化推理
– 细心人（自我反思 Reflexion）：迭代修正与学习
– 战略家（规划 Planning）：目标分解与动态调整
– 学者（工具使用与 ReAct）：与现实世界深度交互

Agent 本质上是一个闭环控制系统： 目标 → 传感器（Observe）→ 控制器（Think）→ 执行器（Act）→ 反馈循环

2，HeyGen的老板在他们 ARR 破 1 亿刀的时候发了篇文章：（AI时代，我们如何把“不稳定”变成最大优势？）

很适合搞 AI 产品的个体户和团队，比如：

– 架构问题往往在有真实流量后才会显现
– 用户访谈再多也不如一次真实使用反馈
– AI 技术的”不稳定”本身就是竞争优势窗口——早发布能更快迭代
– 共识往往意味着平庸——最好的产品往往来自”疯狂的少数人”
– 质量和发布速度不是二选一，而是需要分阶段平衡：早期看速度，有用户后再优化质量
– 持续发布产生的微反馈比一次发布的宏反馈更有价值
– 投入多反而更容易陷入”必须成功”的心理，导致决策僵化

3，Andrej Karpathy的一期播客，文字版可以看这里：

聊到了未来的工作模式 – 人类从执行者到“经理”。

AI 做 80% 的日常工作，人类管 20% 的困难工作，比如监督 AI “员工”，并解决那些最复杂、最意想不到的“边界案例”（剩下的 20%）

还提到一个“最后 1%” – 当AI能够自动化一项工作的99%时，那些负责处理剩下的1% 复杂、无法预测情况的人类专家，反而会变得极其宝贵（比如他们可能就是最高工资的人类了）。

（提到内容具体的地址见留言区）