WRITING / FIELD NOTES
在实践中，继续思考。
产品复盘与人机协作方法。记录做过的尝试，也保留尚待验证的设计。
第一次来？从新读者导读开始正在读取点赞数…
AI 解开一道千禧年难题，能让我们算出整个世界吗？即便能，为什么我们就该生活在模拟里？我想把马斯克这句话背后的推理想清楚。
写活动介绍、查本周排期、问剩余名额，看似都在和同一个助手聊天，背后却需要不同的本领。从这几件小事，弄清大模型、RAG、Agent、MCP 和 Skill 怎样配合。
两家咖啡店都能很快做出漂亮的宣传图，顾客为什么选其中一家？当制作能力逐渐接近，品牌说什么、产品能否兑现、顾客到底在犹豫什么，就更值得花时间弄清楚。
单个镜头很好看，接成故事却可能说不通；改了前面，后面又得重查。导演 Agent 能否帮上忙，要看它怎样处理这些修改，以及上一次的改稿经验能不能用在下一部作品里。
员工临时换了城市，算薪规则也跟着变。计算可以交给程序，规则由谁确认、怎么更新、改完怎样核对，这些事在交付以后仍需要有人负责。
只改一句旁白，声音、字幕和后面的画面却都可能要跟着调整。哪些地方需要模型重新判断，哪些可以让程序接着做？把这次修改的其他开销也算上，才知道少用 Token 是否划算。
对话保存了，步骤也记下了，换一份材料却又得从头解释。上次的好结果是怎么做出来的？把当时的条件和判断写清楚，才知道下一次可以照着做多少。
同一份会议记录，可以帮人了解情况，也可以交给负责人推进工作。这个用途没说清，AI 把内容整理得再齐全，也可能帮不上忙。
几分钟就有三份稿子，选哪份却还要花时间：读懂差别、核对事实，再向同事解释取舍。AI 省下了写作，为什么有时还是一样忙？