周日去凑了个热闹，去了趟上海书展，人实在有点多，速速逛了一下就“逃”了，看了中信出版社的文库本和一些其他书，如：《纳瓦尔宝典》，个人比较感兴趣；化了还多时间拍照和续签证，希望可以顺利下来；周五和 AI 一起工作了一大半天，居然进入了心流状态，一起 build 的感觉不错。

本周观影

本周阅读

关于读什么的简单记录，一方面是促进自己读，另一方面就是简单做点整理，具体的阅读笔记参考不同书籍的阅读笔记。

  • 《The Essays of Warren Buffett: Lessons for Corporate America, Fifth Edition》：[[The Essays of Warren Buffett - 阅读笔记]]
  • 《Buffett and Munger Unscripted: Three Decades of Investment and Business Insights from the Berkshire Hathaway Annual Shareholder Meetings》by Alex Morris：[[Buffett and Munger Unscripted - 阅读笔记]] 刚开始读，慢慢来，和上面的交叉着看。

本周播客

37.和半拿铁闲聊：一不小心就开始回忆

李诞的播客频道，这一期采访潇磊和刘飞，一直非常喜欢半拿铁，也顺便听听这期的采访。

No.214 寻找同类：小红书、bilibili，以及五花八门的那些社区 | 中国互联网故事 26

半拿铁的一期，还在听，b 站是我经常上的地方，好多有趣喜欢的博主，其他现在基本都不用，从来没用过小红书，不在于这些社区如何，而是背后的一些个创业故事有意思。

本周胡思乱想

  • 去保养车这个事情上看，社会信任是坍塌的，老实说我不相信人家的专业能力和推荐，但是又不得不接受，这个一方面是社会的信任成本很高，另一方面是的确这个社会不值得信任，我们的监督机制太缺失了，从上至下都是如此。
  • 个人来说，一定不能被 AI 左右，AI 会奖励的是个人的专业性，而不是让 AI 取代自己的专业性；也一定不要做 AI 的人肉代理，不要把 AI 的观点输出作为自己的，也一定不要把 AI 输出的直接抛给其他人。
  • 好好说理就好好说理，不讲道理就给不讲道理的说法，绝不姑息这个社会上的坏老人，该怼就怼，但要讲“艺术”和技巧（性格上的缺陷还是需要不断纠正）。
  • 如果我们自己没想法，不知道什么是理想的一个组织和工程管理模式，就永远不会有机会走到那一步。
  • 对于一些人事还是看清自己的想法，这个年纪朋友圈越小越好。
  • 每天都在为不同的人和事纠结，啥时候可以走出这种困境，是要到我退休吗？- 要尝试走出这个“怪圈”，也许放弃、丢掉预设和期望是准确的路。

本周投资

慢慢变富，积硅步而至千里，关于投资框架和策略思考，以及操作方面的一些记录。

  • 看到两个集思录的帖子（公众号转帖），还是有些启发的，对于我个人对于投资的理解

    • [[普通人一两万本金入市炒股，到底有没有意义]]：就我的体会来说一定有意思，而且开始越早越好，但什么时候起步都不晚，主要是锻炼自己的思维形成系统性的框架和策略，年轻时起步我觉得真的认真做反而可以促进自己的主业，因为投资反过来可以促进自己的提升，特别是思想和学习能力上的，这方面我个人看到的是持续能够继续的人太少了，想起来之前段总分享过“先学会每天跑步”，其实一个意思，聪明的持续努力总归做什么都是没错的。

    • [[为什么现在股息率这么高，还是没人买啊]]：这个是我最近在看和想的一个话题，本身也做了一些投资，文中不同人谈到内容，其实给了一点启发，光看股息高低意义不大，还是要看业务未来和基本面。

      • “所有的分红股的“成功”的背后都是高增长，而不是萎缩的业务。” AI;DR - Buffett 会怎么重新表述这句话？他大概会说："成功的分红股，背后是持续稳定的盈利增长和强大的竞争优势。但如果一家公司真的有高增长机会，它根本不应该分红——最好的资本配置是把利润留在公司内部再投资。分红最适合的是：增长稳定但已成熟、没有大量高回报再投资机会的企业。萎缩的业务既不应该分红，也不值得持有。"

  • [[现金管理工具对比 — 招行可用方案]] 思考现金管理方案，之前也看过通过券商卖短期国债，参考集思录 - 现金管理。

    • 适合我自己的方式是什么？货币基金/ETF 看着合适，存单或国债交易要看看；周六看了之后，现金理财（类货币基金）和场内货币基金适合自己，同业存单指数基金是个几个月不动的资金可选 [[现金追踪与管理方案]]。
  • [[巴菲特1977-通胀如何欺骗股票投资者-结构化笔记]] AI 整理来自于雪球文章重读巴菲特1977：通货膨胀如何欺骗股票投资者，核心要谈的是：“股票本质上是一张"票息率约12%"的永续债券。在高通胀环境下，这张债券的实际购买力回报趋近于零。”
  • 我个人想法，在这种环境下，越有长期确定性越发珍贵，消费、地产、金融等，最有确定反而是消费，金融次之，地产是要完的节奏，要走 K 型路线。

本周构建

暂无想法，但这个栏目我会一直继续，直到我有自己想构建的，也顺便记录一下看到的一些有趣的产品吧；是不是考虑我过去 vibe 的一个 Obsidian 插件发布出去（保存打开的 tabs 到一个可以自定义的 vault note）？

本周文章

Self-hosting in 2026

[[Self-hosting in 2026]] home lab 相关，自己折腾的前提就是喜欢折腾，懂得基本一些网络和硬件知识，不然还是建议用云服务，缺点就是贵一点，不适合自己喜欢折腾的人。

Skyline 50K 2026: change is part of ultra life...

Jean 乃神人啊，这么大年纪了还在一直跑超马，欧洲人有传统，Jean 的确自己也很热爱。

https://x.com/HiTw93/status/2088274560877732134 [[Post by @HiTw93 on X]]

测试 DSH 中，以下由其生成，DS Flash 模型；看这些总结，其实没提到的核心的一点，用心服务好客户的价值。

Tw93 分享 Mole 从 CLI 走向大众 Mac 桌面应用时与用户邮件交流的六个故事，核心是「不要只给同类人做工具，试试让 70 岁老爷爷也用得上」。几点值得记下：

  • 信任是清理类工具的第一壁垒：一个有权删你文件的软件，付费门槛天然高。英国爷爷误购两次后说"这轮算我请你"，正是信任换来的口碑。
  • 默认值是文化的默认值：美国人在技术场景用摄氏度，只有天气和体温例外——自己文化的默认值对己不可见，多地区用户是免费的本地化顾问。
  • 定价心理学：$32 在美式耳朵里像"从别的货币换算的"，软件定价多以 9/5 结尾；价格数字在替产品说话，细节未打磨会连带质疑工程质量。
  • 无障碍不止于失明：写死深色模式会排斥浅色模式用户，跟随系统设置是最低成本兼容；在国外无障碍是购买决策的常规考量。
  • 差评的定位价值：匈牙利医生"免费应用也能做到，这价格高了"是竞品定位反馈——对手是免费应用时，卖点必须是体验与信任而非功能。
  • 批判视角：帖子有幸存者偏差（多为善意反馈）与叙事即营销的属性；逐一回邮件不可规模化，但独立开发阶段正是护城河。

关于 DSH，简单试用下来，觉得轨迹图好评，web console 的模式是个新思路，插件管理好评，Cui Tianyi 量化技术出身的，有全球视野，也许能够做出不一样的 harness/agent 出来，X 上有不少关注和评测（包括一些“名人”也给出了好评）。

逻辑自洽不等于事实完整

看到一个糟糕的交付结果，我依然会判断这个结果不可用，但我不会立刻跳到「这人不行」或者「他在逃避」的终极结论上。我会提醒自己：我看到的只是这个断面的现象，我手中的模型只是一个用来辅助处理信息的临时假设，它绝对不是标准答案。

把「我已经看懂你了」，变成「这只是我目前的一个解释」。这看起来像是退缩了、不那么果断了，但其实是一种更清醒的防御。

界限感和逻辑锋芒依然要有，那是用来保护个人效率和创作自主权的。但锋芒是用来划清边界的，不是用来给别人贴标签的。

有共鸣，我也在极力改变自己的一些习惯和思维逻辑上的漏洞，包括沟通方面，一方面尊重事实，另一方面要挖一挖事实背后的成因。

兜底的代价

现在再遇到类似的情况，我极力压制自己那种「伸手接盘」的冲动。如果一个交付物质量不行，我的第一反应不再是替他改或者替他用 AI 跑一遍，而是把问题指出来，定好标准，让他自己想办法去解决。哪怕在这个过程中需要多花一倍的沟通成本，甚至可能导致项目进度微小延误，我也得把这个成本付出去。

团队的整体能力不是靠某个英雄天天用工具救场救出来的，而是靠每个人在自己的边界内，一次次挨打、一次次修正养成的。

和上面文章同一个作者，我自己个人的体会，这是个原则，没错的，但是因为人的确不行或对方就是不想学不想有任何提升的情况下，如果公司没有有效的汰换流程，其实不好办，不然始终难受的就是自己，如果再加上自己是个高标准的人的话，职场上这样的人其实不在少数，招聘和建团队是个异常严肃要坚持标准的事情。

AI;DR (AI; Didn’t Read)

TL;DR (too long; didn’t read) was the solution for social media.
AI;DR (AI; didn’t read) is the solution for AI slop.

博主说的内容，和之前 Don't be a meat proxy 不要成为人肉代理有点类似意思。

Maximizing the value of your Claude Code sessions | Claude by Anthropic

下面这个问题是这周看人提到的，也问了 Gemini（看 chat history）

  • 引入工具调用
  • 检查清单
  • 标准的约束文件，如：AGENTS.md 指引到其他约束文件

最近用 harness，遇到的一个问题，就是我定义的 rule，一开始还遵守，后面上下文长了之后，发现会忽略一些约束和步骤;尝试把一些流程，抽成了 skill，在 skill 里说明开始工作前要去读 rule，比如：涉及后端代码的变更，要先去读取 backend-rule.md，这样子就是实时读取 rule了，效果好了一些。

不希望依赖于具体的 IDE 平台。目前这个可能有点理想，也许可以适配不同平台的，自动建立类似的拦截器（Interceptor），就可以保证 harness 的内部逻辑不变，外部挂一个适配不同平台的强制检查，保证约束和流程都正常执行。

通用的项目结构：https://github.com/Ar9av/obsidian-wiki

Many ways to win

[[Many ways to win]] [[Many ways to win_zh]] Obsidian 作者分享之前过去的总结，关于 80 个不同 moats（不确定如何翻译好，护城河？个人优势？还是成功要素？），也让 AI 翻译了一个中文版，读下来总结的非常好啊，从什么角度都可以解读，如何打造自己的竞争力？如何做产品？，值得不断读一读。

From ranking to recommended: get your site ready to thrive in the age of AI agents

听人分享 A2A/AP2，结合上面 AEO (Answer Engine Optimization) 这个话题，AI 时代如何适配 Agent 访问的诉求，是个大话题，也有好多技术问题要解决，值得持续关注。

The AI Engineering Skills Map

[[The AI Engineering Skills Map]] Andrew Ng 基于 1 万份工作内容的分析，列出了 AI 工程技能的 4 个方向，我觉得最高要求是第一个，要求很全面，也需要动 infrastructure，也许 2 ～ 4 是 1 过程中离不开的能力，所以这是一个有机的构成，而不能单一技能看。

Based on an analysis of over 10,000 job postings; carrying out dozens of structured interviews with AI experts, hiring managers, and recruiters; gathering data through surveys; and synthesizing other online data, here are the four most important AI engineering skills:

  • Building and deploying AI applications
  • Software engineering fundamentals
  • Using coding agents
  • Shaping the build

今天，我们公开了投资宇树的“一页纸”

[[今天，我们公开了投资宇树的“一页纸”]] 红杉投资宇树的分析，投资的首要决策条件是人，这个和二级市场买卖股票看管理层是其实一个道理。[[段永平经典10句话，彼此之间是有逻辑的]]

在那场投决会上，王兴兴给我们描绘了这样一个愿景：
我希望造一个很大的机器人，比奥特曼比山还大；造一个很小的机器人，到微米级进入到人的血管常驻，治疗各种疾病；我还希望用机器人来造机器人。
这些话在当时显得天马行空，但后来我们也明白了其中逻辑：极大或极小的机器人，背后是材料、技术和产品的不断革新，想象力也不只局限于四足这一种拟态；机器人造机器人，意味着机器人和公司的技术积累都将会具备scale的能力。

最后，王兴兴很早就进入了“创始人模式”，比如很强的原则性，在融资条款上亲力亲为，确保公司的治理架构有效有序；高频的连续创新，产品和技术一杆挑，每隔半年就带来新产品的突破；一切以客户为中心，“凡是客户需要的，才是我们要做的”；凝聚核心团队，主动筛选出文化理念更有认同感的员工，创业十年核心创始团队至今无一人离开。

所幸的是，红杉种子基金在一些非共识方向上的决策流程和投资风格与venture、growth阶段的投资不完全一样：
第一，在事情还不成熟的时候，我们主动把对人的判断放在更重要的位置；
第二，我们相信创业者的长板在早期阶段更加重要，我们更关注他们如何把长板发挥到极致，而不是更多去考虑短期内怎么解决短板问题。

Agentic Engineering at Zalando: a snapshot

[[Agentic Engineering at Zalando a snapshot]] 非常有价值的经验分享，企业内部如何持续完善 Agentic Engineering，通过自研工具和平台（LLM Proxy，Chat UI、Cli、PR review）、持续积累数据（PR、Session 数据）、流程优化和沉淀 skills，以及文化建设，理想中的一个具有卓越工程文化的团队了，希望有机会自己也能参与打造这样的工程管理文化，通过技术手段、数据驱动和文化建设；Agentic Engineering 是个大话题，但最终决定上限的是人和团队上下的认知，大的公司我下个结论就是基本不太可能做得好，小而美的工程团队往往上下认知一致能做好，如文中分享的 LLM Proxy 路由优化成本，自研 Chat UI/Cli，采集 session 数据用于分析改进和沉淀 skills，PR 的技术化管理，同时积极做文化建设，每一项都很不好做。[[Agentic Engineering at Zalando a snapshot_zh]]

AI;DR - 以下 由 Gemini with flash-lite model 总结完成

Zalando 的执行首席工程师 Bartosz Ocytko 于 2026 年 8 月发表的这篇文章《Agentic Engineering at Zalando: a snapshot》，全面总结了 Zalando 在过去 2.5 年里，跨越 250 多个工程团队推行代理工程（Agentic Engineering）的实践、核心教训和落地架构。

以下是对该文章的核心总结：

1. 基础设施与代理网关 (LLM Proxy)

从第一天起，Zalando 就没有让各个团队各自对接不同的大模型 API，而是构建了基于 LiteLLM 的自研统一内部代理：

  • 统一接入：支持 OpenAI、AWS Bedrock 和 Google Vertex 等多模型，让工程师在同一个端点自由实验。
  • 网关层钩子（Hooks）：
  • Pre-call 钩子：通过 User-Agent 限制强制客户端升级版本。
  • Post-call 钩子：实现匿名化成本追踪。
  • 提示词缓存（Prompt Caching）：通过自动注入缓存检查点来降低调用成本。

2. 开发者工具链与厂商独立性 (Vendor Independence)

  • 定制化工作流：构建了基于 pydantic-ai 的自定义 CLI 和聊天 UI 界面。
  • 避免厂商锁定：通过采用开源工具（如 opencode 和 pi 等），确保团队不会被绑定在某一个单一的 LLM 供应商平台上。

3. AI 编码对代码库的影响（数据洞察）

文章基于对 Java 和 Go 代码库中提交级别（Commit-level）圈复杂度（Cyclomatic Complexity）的分析，得出了有趣的现实结论：

  • PR 规模变大：随着高效模型（如 Q2 2025 发布的 Sonnet 4 等）的普及，大规模 PR（特别是 500 到 2000 行代码的桶）显著增加。
  • 复杂度拐点：完全由 Agent 主导构建的代码库，其代码复杂度在早期上升极快，随后趋于平缓。

4. 流程优化：风险驱动的 PR 自动审批 (Risk-Based PR Auto-Approval)

为了打破代码审查的瓶颈，他们引入了一个 PR 风险评估 Bot：

  • 分级处理：将每个 Pull Request 评估为低、中、高三种部署风险。
  • 效率提升：大约 33% 的低风险 PR 会被自动批准（对内部工具修改和原型开发极其有用），作者无需等待人工评审即可合并，将 PR 的交付周期（Lead Time）缩短了 20% 到 40%。

5. 治理、技能沉淀与知识共享

  • Session 数据复盘：通过分析 Agent 的交互会话数据，提炼最佳实践并转化为团队的 Agent Skills（将通用规则和流程模块化），从而提升后续任务的成功率。
  • 文化建设：通过内部的论文阅读会（Engineering Papers Reading Guild）、技术大会和跨部门分享，持续普及 Agent 架构的最佳实践。

总结

Zalando 的这份 2.5 年阶段性总结表明：Agentic Engineering 在大规模企业落地时，不能仅靠“给程序员发个 ChatGPT 账号”，而必须建设企业级的代理网关、引入自动化的风险合规拦截（如风险驱动审批），并将工程经验沉淀为可复用的 Skill 和工作流。 这与前面探讨的“用 Hook 和 Skill 替代纯 Prompt 约束”的架构理念完全不谋而合。

标签: none

评论已关闭