2026-01-26

今天是克制的一天，我发现自己在 25 岁之后面对情绪有了一个明显的长进，那就是在情绪之外明显伴随着一丝理智在 copilot，这一丝理智在情绪的巨大反应堆中设置了一条镉棒。没有这条镉棒情绪会失控，引发自激的链式反应，可能带来无数无法挽回的后果；在这条镉棒的作用下，我开始明了什么话可以说，什么话不能说，什么事情可以做，什么事情不能做，什么决定可以做，什么决定不能做。这是一种发生在我身上的可喜的变化。

1. 今天做了什么：

   1. 今天使用 legion 做了 yuan 的 http proxy 的设计和实现，我觉得用起来还是相当丝滑的，途中我去审查了一下它的设计，针对其中一个点（如何选择一个可用的 terminal）进行了修改之后放手交给 agent 放手一搏，效果相当不错。
   2. 我还用 legion 做了一个 midas 自动更新的事情，不过 AI 一直做的很差，没能正确理解我的需求，没能正确理解 @yuants/protocol 的用法，我有几个怀疑的方向：AI 的智力不够（deepseek 可能还是显得不太聪明了）；review 的不够严格；或者就是文档知识库不够严格
   3. 你妈的晚上被告警弄起来了，host 莫名其妙挂了，看起来是有一个 cpu 使用的峰值导致 host 进入一个无法自己恢复的状态。host 的 log 是一坨，我的评价是：告警有用，日志依托答辩。记一笔！

2. 有什么想法：

   1. 洗澡的时候想了一下目前我和 AI 的协作的最关键点。一个是 ai agent 自身的服务可用性，不要跑着跑着退出了啥的，另外提一嘴 ralph loop 基本也就是通过粗暴地不断重试来提高可用性；另一个点呢就是我如何接受 AI 给我的输出，比如下属对上级的汇报尚且需要一个 PPT 或者干脆一个专业的中层领导来做这个“昂贵的传声筒”，AI 对人类的汇报怎么能只局限于平铺的 Markdown和代码呢？AI 的 report 能不能每一条都 link 一个 artifact？能不能有一个 Citation Agent 专门负责这个部分？

      不过我目前对于 AI 的用法比较局限，只集中在编码任务上了。

   2. 仔细思考一下有关于为什么我已经有了一套 multi-agent 系统之后，这个系统稳稳地朝着阴沟里翻车的方向开去了，前面的推测中大致提到有三种可能性，分别是：

      1. AI 自身的智力水平
      2. 人类的 review 不够严格
      3. 知识库不够翔实，不足以提供更正确的信息来供 AI 来快速启动

      我们来仔细思考一下这几个点，其中 1 根本不用思考。在方向 2 上努力确实会可以依靠一篇越来越翔实的 RFC 文档，来给后续的步骤以足够正确的方向。但是这样的开发方式就好像我们回到了瀑布流 开发模式，通过一个线性流程来完成工作：

      需求分析 -> 后端设计 -> 后端开发 -> 前端开发 -> 联调测试
      

      形成的因素也有两个层面：技术层面和 组织与流程的层面，但是组织流程的的层面是 *主要因素*。

      技术层面是任务之间天然存在依赖关系，比如前段必须等待后端提供接口才能开始开发、后端又必须等待产品的 CRD 写好之后才能开工。

      作为人类组织，瀑布流开发模式存在：效率低下、质量风险难以暴露、灵活性差、团队矛盾等问题。而作为我与 AI 的协作方式，效率和团队矛盾天然不存在于 AI 的世界中。好比我和 AI 是生活在两种时间维度的实体，我的一天对于 AI 来说就好像是一年一样。哦效率低可能会多费一些 token，不过这不是我目前最关注的问题。我实际上面临的问题是需求、或者事实的理解错误带来的质量风险，灵活性也差。

      我必须想到一种方式能最大程度利用 AI 的能力的前提下最大限度地解放我自己。按照人类之间互相组织的经验，我必须成为指挥树上层级更高的节点，能够放心把事情交给 AI 的同时，让它不偏离赛道。

      最关键的两点：

      1. 意图对齐
      2. 分层验证

      这点还要再深入思考一些。我感觉我得多用用，品一品；

   3. 我需要警惕自己这种拿着锤子找钉子的状态的坏的一面：路径依赖、输出大于理解

3. 明天打算做什么？

   明天 zl 来了，计划锻炼一下、吃个饭、玩玩桌游