- 博客(392)
- 收藏
- 关注
RSS订阅原创 古天文学三个问题
它寻找的是未来的不变量：在看似随机的变化中，寻找可以重复的模式。恒星的位置、太阳的高度、天体的升落，都可以帮助人确定方向和位置。这里寻找的是空间和运动中的不变量：从不断变化的天体位置中，寻找稳定的几何关系。通过长期观测，人们确定冬至、夏至，划分节气，计算回归年，最终形成历法。它所寻找的，是时间上的不变量：从太阳和其他天体的周期运动中，确定一年、一季、一天应该处在什么位置。有人要靠天时安排生产，有人生活在变化剧烈的环境中，想知道下一步会发生什么，有人要穿越海洋和陌生土地，必须知道自己在哪里。
2026-09-22 16:29:36
37
原创 对字节AI战略的评价
字节AI战略的核心矛盾，可以概括为一句话：其赖以成功的“赛博庙会”基因，与AI大模型在B端落地所必需的“控制系统”属性之间，存在结构性冲突。归根结底，字节能否穿越AI寒冬，不取决于烧多少钱、拥有多少月活，而取决于能否在资金耗尽前，从“赛博庙会”基因中长出“控制系统”的骨骼，并赢得客户信任。C端方面，豆包拥有3.8亿月活，是中国用户最多的AI产品，但日均Token消耗巨大，每天收入不足百万。因此，市场规模存在结构性矛盾：C端入口大但变现难，B端有亮点但未触及核心，收入结构脆弱，利润率承压。
2026-09-19 23:59:12
226
原创 DDD：从“什么是正确”到“写正确的软件”
实际设计中最容易犯错的地方，是让数据库结构决定领域边界。看到 User 1 到 N Message，很多人自然设计成 User 包含 List，但这只是数据库关系的直接映射。DDD 应该反过来问：User 和 Message 是否必须作为一个一致性边界共同保持正确？如果答案是否定的，那么 User Aggregate 和 Message Aggregate 通过 authorId 关联完全可以成立。无界 1-N 通常不应合并；有界 1-N 且存在强一致不变量时，合并成聚合很自然；
2026-09-18 18:50:59
172
原创 归属感产生临境创造性
一、四种动机阿特金森的动机模型指出，“追求成功”者倾向选择中等难度任务，“避免失败”者则倾向选择极容易或极困难的任务。将此模型扩展至组织场景，再增加一个“真实—虚假”维度——真实指行为与内在判断一致，愿意暴露不确定性并承担后果；虚假指行为服务于印象管理、合规表演或免责，不承载真实判断——便得到四种状态。真实追求成功，是临境判断者。他主动选择中等难度任务，愿意暴露认知边界，提出假设并接受检验。他知道一次失败不会摧毁组织身份，因此敢于在有后果的事务中做真实判断。这是唯一能持续产生高质量临境判断与判例的状态。虚假
2026-09-16 21:24:02
54
原创 AI是临境结构经济
AI是临境结构经济本文所讨论的AI，主要指以LLM为代表的生成式AI。演绎正在变得廉价。机器在数小时内完成人类数月的证明，形式化检查器以近乎绝对的准确率处理逻辑推演。AI首先攻克的，不是最“高级”的领域，而是验证器最干净的领域：手写、OCR、棋类、蛋白质结构、编程、数学。规则封闭，输出可判，错误自动暴露。可验证性越强，反馈越快，表示越可规模化，突破越早。于是问题上移。不是“如何证明”，而是“证明什么值得被证明”；不是“如何生成”，而是“什么值得被生成”。一、两种智力：临境与非临境企业里的智力劳动，可以粗分两
2026-09-16 11:49:39
66
原创 他山之石：ERP厂商在AI时代的优势
用临境智力的语言说：AI厂商提供的是模型的推理能力，互联网厂商提供的是情境的编译能力，但两者都不拥有把临境智力封装为可调用节点的验证锚点。它回答的不是“下一步做什么”，而是：在什么情境下，什么信号值得注意，经过什么验证，应该采取什么行动，什么情况下必须升级给人，谁对结果负责。LLM作为廉价的实习生，让临境智力的编译成本大幅下降，但并没有让临境智力的决断本身变得廉价——它只是让专家能够更快地处理更多情境，把判断力用在真正需要决断的地方。它不是AI的竞争者，也不是AI的替代者，而是AI可靠性基础设施的宿主。
2026-09-16 08:42:21
150
原创 共识的架构：从符号网络到机器判例
符号之间的连接是内涵的、可追溯的、由设计者亲手锻造的。真正的对齐，或许不应是行为的驯服，而应是共识程序的嵌入——让模型成为可参与辩论、可被质疑、可承担后果的共识主体，而非仅仅是一个被规训的概率生成器。它试图融合的不仅是两种计算范式，更是两种共识传统：以神经网络的泛化能力作为感知与召回的“习惯层”，以符号系统的可组合性作为推理与约束的“程序层”。一个系统的价值，不在于其内部状态的丰富程度，而在于它能否被稳定地嵌入人类协作的网络之中，能否在失效时被修复，在争议时被仲裁，在演化时保持身份的连续性。
2026-09-10 19:23:34
178
原创 谁能穿越AI寒冬？
字节跳动的矛盾在于：豆包日均Token调用量突破180万亿，中国MaaS市场份额接近一半，但豆包应用日活超2亿，每天收入不足百万元，算力消耗每天可达数千万元。ARR高增长里，有多少是真实企业需求，有多少是投机性采购，需要时间检验。Kimi K3以2.8万亿参数成为全球最大开源模型，但开源模型的质量下限问题比闭源更严重——没有商业合同约束，没有SLA，没有技术支持追责链条。不过商汤的核心能力在计算机视觉，这个领域有客观准确率指标，幻觉风险远低于文本生成，质量下限问题最轻。第二，资金内循环，且投向可验证质量。
2026-09-10 17:40:54
115
原创 归属与磨练：对大型组织人才制度逻辑的思考
人的发展不是劳动的副作用，而是劳动本身的目的之一。人的可增值性，只有在这样的结构中才可能被真正激活——不是通过更精确的考核与更密集的监督，而是通过让每个人在面对不确定性时都有底气做出真实判断，并愿意将判断得失贡献为组织的共同知识。个人既不信任临时不稳的子组织，也不信任官僚冷漠的母组织，最终只能采取自我保护策略，在组织中维持高度警觉、随时准备离开的存在状态。由此，母组织与子组织的分工可重新表述为：母组织提供个人愿意贡献知识的制度环境（安全与公平），子组织提供个人能够捕获知识的机会（真实事务与真实授权）。
2026-09-07 18:47:06
221
原创 对算力经济学的思考
批评的对象不是"规模有效"这一事实，而是边际投入方向与生产力回报之间的系统性错配——当增量资本持续流向可叙事化但不可验证的维度，而非流向工程化护栏、验证器构建、节点治理这些直接提升单位可靠产出的维度时，资本配置已经脱离了发展生产力的目标函数。当单次输出的可靠性无法被工程手段兜底时，企业为更强模型支付的溢价，实质上是为"偶尔正确的高光时刻"买单，同时承担了"频繁错误的修复成本"。可靠性不是模型的内在属性，而是模型与护栏组合后的系统属性——中等模型+完备护栏的系统可靠性，高于旗舰模型+同等护栏的系统可靠性。
2026-09-07 16:19:10
211
原创 Vibe coding：从过程控制到约束治理
Vibe Coding不是编程的终结，而是编程范式的跃迁。我们不再用代码与机器对话，而是用规则与AI对话。代码可以生成，但预期不可模糊——"做什么"必须清晰实现可以变化，但底线不可触碰——"不做坏事"必须明确逻辑可以优化，但风险不可放任——"不让坏结果失控"必须兜底设计得好 = 行为目标清晰 + 禁止边界明确 + 不变量由类型保证 + 异常路径有治理策略。当你把模糊需求拆解成这份声明式规则清单时，你就从"码农"变成了"架构师"——而AI，不过是执行你意志的高效工具。
2026-09-07 13:46:44
208
原创 算法的另一面
我时常觉得，河图洛书、五行八卦，像是古人留给我们的一套源代码。黑点白点，横线断线，寥寥几个符号，竟能解释四季流转、朝代兴替，乃至个人的穷通得失。后来，深度学习兴起，神经网络动辄千亿参数，在海量数据中摸索规律。表面看来，二者判若云泥——一个简陋如儿童涂鸦，一个繁复如天书。但细想之下，它们做的其实是同一件事：把混沌的世界，压缩成可操作的规则。其实，这个道理古人早已说透，只是未用今天的语言。面对复杂事物，先辨认哪些变量是稳定的，哪些关系反复出现，哪些边界不可逾越——这是测度。再把稳定的结构提炼为简明符号和规则，让
2026-09-05 10:31:43
420
原创 在智力的缝隙里重拾对生活的热爱
剩下的那个内核——在不确定中做出不可撤回的承诺、在不可通约的价值之间选择、承担选择的重量——不是知识，不是方法，不是技能。是那个不可形式化的内核——价值判断、意义赋予、在不确定中做出不可撤回的承诺——恰好是AI永远无法触及、而科层制决断瓶颈最饥渴需要的东西。它无法保证主体性一定生长，它能做的也许只是不移除条件——保留后果、保留沉默、保留无效率的时间、保留不可替代的压力、不提供无痛的逃避，为主体性提供存在和成长空间，提供风雨和阳光。决断的最终根基是主体性——"必须由我来承担"的那个不可让渡的位置。
2026-08-26 09:38:17
168
原创 ORM之后：让SQL恢复一等公民身份
将上述原则压缩到极致，最终的数据库访问接口不再是 Hibernate，也不是 jOOQ 那样的大型 DSL，而是一个非常接近“最小 MyBatis”的轻量契约，仅包含三个核心要素：显式的 SQL、参数绑定（具名参数，防注入）和结果映射（将行数据转换为领域对象）。因此，传统软件的经济链条——写代码很贵，于是尽可能复用，一个实现服务多个环境，进而引入抽象和适配层——在 AI 时代正逐步转变为：写代码便宜，针对环境生成，每个环境使用最合适的实现。这种显式、局部、可推导的代码形式，正是 LLM 最擅长处理的。
2026-08-21 18:52:53
181
原创 对Repository的思考
在 DDD 的各类模式中，Repository 是一个常见的模式。开发者常把所有访问数据库的代码都塞进一个叫 Repository 的目录，仿佛它只是 DAO 的别名。这种命名上的偷懒，会把一个有业务含义的概念，降格成纯粹的技术分层。那 Repository 到底是什么？它不是“所有数据库访问代码的归宿”，而是领域模型对持久化状态建立的管理边界。换句话说，Repository 解决的不是“数据放在哪里”的问题，而是“哪些状态值得被业务模型长期识别、保存和管理”的问题。
2026-08-21 18:52:03
168
原创 编码成本清零之后
它的作用是确认好事会发生。测试是积极的，它通过抽样和经验，在真实或仿真的环境中确认：在特定条件下，程序确实产生了期望的行为。而正确的保证，从来不是单一工具能完成的——它需要形式证明的严谨划定边界，需要实际测试的经验确认价值，更需要人类在两者之间持续地定义：什么不可接受，什么值得追求。这种分层结构构成了 AI 时代软件工程的新图景：底层是强代数语言的形式化约束，中层是 AI 生成的具体实现，上层是人类定义的行为规约。软件工程的核心矛盾悄然转移：不再是"如何构造"，而是"如何确认构造出来的东西是对的"。
2026-07-31 12:49:02
211
原创 开放与封闭：类型系统的安全哲学
Java反序列化的漏洞和C++ ORM 的类型适配困境，本质上是同一个问题在不同语言中的不同投影：当开放世界的反射入侵封闭世界的编译器，边界在哪里？语言设计者在第一行编译器代码之前做出的选择，决定了十年之后框架设计者能否安全地"用外部信息构造内部对象"。Java 选择了向后兼容旧字节码，Go 选择了隔离反射与泛型，Rust 选择了用宏取代反射——没有一种方案能同时满足编译时图灵完备、运行时完全开放、零运行时开销。这是不可能三角。真正的兼容性不是向后兼容旧代码，而是向前兼容安全模型。
2026-07-31 12:20:11
222
原创 兼容性还是安全性？一个关于 Fastjson 的十年之问
而第一条原则与第二条原则的结合点在于：类型本身就是一种输入，因此类型的来源和内容同样必须经过严格校验，既不能信任类型的值，也不能丢失类型的语义。兼容性追求的是"开箱即用"，是升级后零配置的平滑迁移，是"我什么都没改，它就应该能跑"的理所当然。安全性追求的则是"默认最小权限"，是"我不了解的功能应该被禁用"的谨慎，是"便利必须让位于边界"的清醒。这种假设是傲慢的，也是致命的。真正的问题从来不是"二选一"，而是如何在设计之初就建立一套分层决策的框架，让安全成为默认的底色，让兼容成为有意识的代价。
2026-07-31 12:18:58
170
原创 从页面到驾驶舱：交互范式变迁的两种路径
在深入两条路径之前，有必要先回答一个问题：这种转变为什么发生在当下，而非五年前或十年后？三个条件第一次同时成熟。第一，Agent能够执行。过去，界面只能推荐信息（推荐引擎）、呈现信息（信息流），无法自主操作。但随着AI从"建议"走向"执行"，从Copilot走向Agent，软件第一次有能力代表用户完成多步骤操作。驾驶舱的本质是"任务的控制台"——没有执行主体，控制台便没有意义。第二，实时状态可以持续同步。
2026-07-29 19:09:00
207
原创 公理之路：后演绎时代的数学
这种“简洁即深刻”的关联并非主观的审美偏好，而可以在算法信息论中找到形式化根基——科尔莫戈罗夫复杂性将简洁性定义为对象的最短描述长度，而所罗门诺夫归纳证明，在所有与数据一致的模型中，描述最短的模型具有最高的先验概率。反观数学史上那些真正深刻的公理——选择公理、大基数公理、决定性公理——它们之所以能被数学共同体最终接受，正是因为它们在这条谱系的每一层都展现出惊人的生命力：从个别的集合论直觉出发，通过可数的构造可被把握，在模型空间中稠密地出现，连续地改变理论的景观，最终将数学推向更完备的理解。
2026-07-25 20:02:17
323
原创 从计算到证明：AI时代的软件工程
从计算到证明：AI时代的软件工程一、码农时代的终结过去二十年，软件行业的主流形态是计算密集型的。业务逻辑堆砌、CRUD、框架拼接，核心能力是把需求翻译成能跑的代码，速度、产量、交付节奏是核心 KPI。类型系统、形式化方法被视为过度工程。这很像数学史上的计算数学阶段。人们沉迷于发展更快的算法、更精巧的数值技巧，但对"为什么正确"关心不足。数学家欧拉的时代，计算能力是稀缺资源，会算就是一种权力。AI 的介入把这个计算层直接架空了。当 AI 能比你更快地写出 CRUD、更快地拼接框架、更快地生成胶水代码时，"会写
2026-07-16 14:54:56
419
原创 静态形式系统的边界：从 Rust 到软件工程的资源语义
长期以来，人们不断寻找统一、安全、自动化的内存管理方案，从垃圾回收、引用计数，到 RAII、Region、Ownership，各种语言不断提出新的抽象。然而，这些方案始终没有形成真正意义上的统一答案，并不是因为算法还不够先进，而是因为裸内存管理本身并不是一个单纯的内存问题，而是资源生命周期的语义问题。因此，静态形式系统真正的价值，并不是替代人的判断，而是将那些能够稳定形式化的问题尽可能交给机器完成，从而让开发者能够把更多精力投入到真正属于人的工作——理解业务、设计资源语义、应对变化、持续演化系统。
2026-07-13 20:58:07
252
原创 市场比资本主义更深刻——从主体、市场与制度三个层次理解人类社会
未来无论制度如何继续演化，市场都会以新的形式继续存在，因为它根植于主体性的存在，而不是某一种经济制度。真正比资本主义更深刻、更稳定的，是市场所代表的资源协调规律。市场仍然存在，商品和货币不断发展，但真正拥有完整市场主体资格的主要是自由民和奴隶主，奴隶本身更多只是交换对象，而不是完整的市场参与者。制度规定了谁能够进入市场，谁拥有生产资料，谁拥有生存资料，谁能够组织生产，谁承担风险，又如何分配交换产生的收益。资本主义、社会主义以及历史上的各种社会形态，真正区别的并不是是否存在市场，而是市场运行规则的不同。
2026-07-09 22:19:58
214
原创 1+N：一种面向约束的 AI 架构设想
每一次重大理论突破，都不是不断增加新的知识，而是在越来越多约束无法继续由旧理论统一之后，引入一种新的表示，使原本彼此独立的规律成为同一个结构的不同表现。如果说过去的大语言模型解决的是"知识获取"的问题，那么未来人工智能更重要的挑战，也许将是"知识统一"。真正的创造，并不来自更多模型之间的对话，而来自不同约束体系之间持续积累的张力，以及这种张力最终催生出的新的表示方式和新的不变量。因此，未来 AI 的竞争，也许不再是谁拥有最大的模型，而是谁能够组织更多样的约束、统一更广泛的知识，并从中发现更深刻的规律。
2026-06-27 09:46:21
220
原创 从页面到任务卡片：Agent时代的UI范式变迁
从历史视角看，Web 时代的核心对象是超链接，App 时代的核心对象是页面，而 Agent 时代的核心对象很可能是任务。用户面对的也不再是一个由应用组成的世界，而是一个由任务组成的世界。软件设计的重点将从“如何组织页面”转向“如何组织任务”，从“如何帮助用户寻找功能”转向“如何帮助用户理解和管理任务状态”。无论是 PC 时代的网站与桌面软件，还是移动互联网时代的 App，本质上都建立在同一种交互逻辑之上：用户首先进入一个应用，再通过页面导航找到目标功能，最终完成操作。用户的认知模型也是围绕页面展开的。
2026-06-25 19:53:59
176
原创 手机应用界面范式变迁观察
最后是跨平台的一致性问题：不同厂商对"元服务"、"卡片"、"负一屏"的实现路径差异很大，鸿蒙、iOS、Android在这一轮变革中可能走向不同的架构选择，这会影响开发者和用户的长期生态体验。如果尝试做一个方向性的推测，未来几年的手机界面可能呈现这样的图景：对于大多数用户的大多数场景，设备表现为一个能听、能看、能感知位置的智能代理，通过一个动态生成的信息流（以负一屏为核心载体）提供服务，语音和图像成为与这个代理交流的主要方式。对于用户而言，这意味着操作路径的缩短，也意味着应用作为"信息容器"的价值在下降。
2026-06-25 14:09:14
217
原创 语序是一种共识算法
语言演化真正优化的对象并非信息传输率，而是在两个并不完全相同的认知网络之间，以最小代价建立稳定共识的能力。从这个意义上说，语法更像一种运行在人类社会中的共识协议，而各种语序则是不同文明在长期演化过程中探索出的不同共识算法。在分布式系统中，消息的内容固然重要，但消息的到达顺序同样重要。SVO 更强调快速收敛，SOV 更强调稳定解释，VSO 更强调关系框架的优先建立，而其他语序则更多服务于焦点控制和语用需求。此时，名词的作用是激活节点，动词的作用是激活节点之间的关系，而语法则决定这些激活动作以何种顺序发生。
2026-06-24 20:09:41
359
原创 AI智能劳动的定价困境
只有当Agent进入L2工具层和L3执行层，能够独立完成"写邮件并发送""分析数据并生成报告""监控库存并自动下单"这类闭环任务时，"任务边界清晰""结果可验证""技能可标准化"才具备实现的基础。用户发布需求，AI报价，完成后验收付费。这组数据的解读可以有多个角度，但核心矛盾是清晰的：当产品通过"诱导式反问"来刷人均对话轮次时，它确实能向投资人证明"用户愿意和AI待在一起"，但这种"愿意"并没有转化为"愿意付费"。更根本的问题或许是：我们仍在用"软件"的思维做AI产品，而非用"服务"或"劳动力"的思维。
2026-06-24 20:07:42
242
原创 SVO：强弱约束的工作界面
因此，在构建可靠的智能系统时，核心挑战并不在于让 LLM 变得更“聪明”以包揽一切，而在于为它划定一条清晰的边界——让它负责理解，让形式化系统负责执行。从这个角度看，语言并不是静态存在的对象，而是在交互中不断形成的共享规则。意图识别因此不再是一次性的分类问题，而是一个持续校准过程：系统评估输入的结构强度，用户通过澄清选项理解系统边界，双方在往复交互中逐渐收敛到一个可操作的语言子集。当单句指令的处理趋于成熟之后，系统会面临新的问题：现实中的任务往往不是单一动作，而是一组目标、资源和约束共同构成的复杂系统。
2026-06-24 20:07:09
349
原创 以不变应万变
同样，未来人工智能领域最重要的突破，也未必来自某种新的模型架构，而可能来自对智能系统不变量的发现与构造。当大模型被嵌入由自然不变量、形式不变量、组织不变量和社会不变量共同构成的约束体系之中时，它才有可能从一个不可预测的生成器，逐渐成长为一个可信赖的行动者。真正的智能系统，不是没有错误的系统，而是在任何情况下都不会失去自身身份的系统。权限必须沿着明确的授权链传递，状态必须按照状态机规定的路径迁移，责任必须能够追溯到具体主体，资金必须具有清晰的来源和去向。而真正约束这些方案的，是外部系统中的各种不变量。
2026-06-23 23:33:44
218
原创 从约束论看 AI、科学与伦理
伦理研究社会世界中的弱约束，它讨论的则是什么应当去做。传统学科按照研究对象划分，而这种视角则按照约束来源划分，其关注的不是“研究什么”，而是“什么东西在约束你的行为”。未来人工智能面临的关键问题或许不是如何让 LLM 变得更聪明，而是如何将这种弱约束引擎嵌入强约束世界与目标驱动的控制回路之中，使其既能表达和传递人类规范，又不会越过自然规律与工程边界所划定的限制。因此，相比于简单的三分法，一个更完整的框架或许应当包含四个层次：数学负责形式约束，物理负责自然约束，伦理负责社会约束，而控制论负责目标约束。
2026-06-23 18:48:02
368
原创 组织考古：一种可能的 Agent 落地路径
但如果 Agent 的优势确实不仅在于执行任务，而在于辅助生成新的决断，那么那些已经失去决断来源、却仍在持续运行的历史规则与流程，或许会成为一种值得关注的切入区域。不是创造新的规则，而是重新理解旧规则。如果将 Agent 理解为一种参与决断生产的系统，那么或许可以考虑另一种切入方式：不从组织当前最活跃的决策中心开始，而是从那些已经失去决断来源、却仍然持续运行的规则和流程开始。因此，真正重要的或许不是寻找无人负责的区域，而是识别哪些规则已经失去了决断来源，哪些规则仍然受到现实利益结构的支撑。
2026-06-21 10:30:51
235
原创 AI：从信息系统到控制系统
企业购买的并不是一个会聊天、会分析、会写代码的 Agent，而是希望获得更高效、更可靠的业务能力。因为一旦 Agent 从建议走向执行，从分析走向控制，它改变的就不再只是工作方式，而是组织中的信息流、决策流和执行流。然而，当 Agent 真正进入企业环境后，人们很快会发现，它与传统软件存在一个重要区别：传统软件主要服务于流程，而 Agent 必须嵌入流程。因此，Agent 的未来未必首先取决于模型能力，而更取决于组织是否愿意建立真实的数据体系、标准化的业务流程、清晰的责任边界和可执行的反馈闭环。
2026-06-20 23:34:46
169
原创 如果核电站只能用来点亮灯泡
AI的真正价值，不在聊天窗口的流畅对话里，而在生产线的闭环控制中。当软件重新获得行动能力，它便不再只是记录世界的工具，而是参与世界的力量。但这种力量的释放，需要工厂作为舞台，需要设备作为道具，需要工人作为搭档，需要流程作为剧本。失去这些，再强大的智能也只能在屏幕里空转，成为更精致的玩具。美国工业基础的瓦解，正在将其AI产业推向一条"App化"的窄路——投资巨大、回报稀薄、场景受限。而中国完整的产业链和制造业生态，则为AI回归控制系统提供了最广阔的试验场。
2026-06-19 13:24:03
224
人工智能基于Lisp的符号-神经混合架构：持久化元编程环境中大语言模型的动态工具构建与推理系统设计
2026-04-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人