周二，无早八，上午水课。继续调教龙虾——龙大配通信息搜索，搞定微信公众号灵感定时任务；龙三配上自我整理和自检。中午白切鸡。下午英语课，下下周要汇报，和两个不认识的女生一组，社恐+口语烂，愁。实验课上继续折腾。公众号用推广券触发人工审核限流，担心号会不会废。晚上新店尝鲜，价格小贵。重新拉了龙三代码，新增功能不少，但定时任务描述和memory丢失，经验没了。水了两篇博客和两篇公众号。

关键成果

• 工具推进：龙大配通信息搜索，公众号灵感定时任务完成；龙三新增自我整理、自检功能。
• 内容输出：水了两篇博客、两篇公众号。
• 踩坑记录：公众号用推广券触发人工审核+限流，担心账号权重受损；重新拉代码导致定时任务和memory丢失。
• 社交预警：英语汇报和两个陌生女生一组，社恐+口语焦虑。

习惯追踪

情绪/反思

推广券的代价：号会不会废了？

公众号用推广券后触发人工审核、限流，推流失败好几次。好不容易跑通的工作流，现在担心账号权重。
感悟： 平台的规则就是流量分配的底层逻辑。用推广券相当于”走捷径”，但捷径往往有代价。以后老老实实做内容，不碰推广券。如果账号真被限流，就当交学费。

重新拉代码：经验没了

龙三新增功能不少，但拉下来后定时任务描述没了，memory整理太简略，之前总结的经验全丢了。
感悟： 工具升级最怕的就是”配置丢失”。以后任何重要配置，先备份再升级。可以写一个”配置文件说明”文档，记录每个关键参数的含义和设置。

英语汇报的社恐：两个不认识的女生

下下周英语汇报，和两个女生一组，社恐+口语烂，愁。现在还没开始准备，光是想想就焦虑。
感悟： 焦虑往往是因为”不确定性”。把汇报拆成可控的小步骤：先联系组员建群、确定分工、准备自己的部分。社恐不是一天能克服的，但可以提前准备台词，多练几遍。

时间感的焦虑：月初了

3月最后一天，明天4月。用户没有明说，但能感觉到时间流逝带来的紧迫感。
感悟： 月底是天然的复盘节点。这个月折腾了龙虾、ragent、公众号，有成果也有踩坑。下个月要更聚焦，减少”玩工具”的时间，增加”做作品”的时间。

💡 观点批判

你说得对：推广券踩坑、重新拉代码丢配置、英语汇报社恐，都是真实痛点。

但有没有可能，有些地方可以换个角度：

1. “我这号会不会废了？”
   账号权重受损是可能的，但”废了”还不至于。公众号的规则是：持续输出优质内容，权重会慢慢恢复。如果实在担心，可以开个小号专门测试工作流，主号只发精品内容。

2. “重新拉代码，经验没了”
   这是依赖工具的典型风险。以后重要配置，除了在工具里设置，还要在本地写一份文档备份。工具可以换，但你的经验要沉淀在自己手里。

3. “和两个女生一组，社恐”
   社恐是真实的，但也可以当成一次”低风险社交练习”。提前准备好要说的话，练习几遍。同时可以主动在群里说：”我口语不太好，可能需要多练几遍，大家多包涵。”

明日改进

1. 英语汇报启动：明天先联系组员建群，打个招呼：”下下周汇报，我们什么时候讨论一下分工？”迈出第一步。
2. 配置备份：把龙三的定时任务、memory规则，写到一个本地文档里，截图+文字说明。
3. 公众号内容调整：明天不发新内容，复盘一下这周发的4篇，哪篇阅读量最高？为什么？
4. 小号测试：如果担心主号权重，明天注册一个个人测试号，专门跑工作流。
5. 运动补卡：明天晚饭后走15分钟，连续几天没动，先启动。

金句留存：

• 平台的规则就是流量分配的底层逻辑。走捷径往往有代价，不如老老实实做内容。
• 工具升级最怕配置丢失。重要参数，备份在自己手里。
• 焦虑是因为”不确定性”。把大事拆成小步骤，从第一步开始。
• 月底是天然的复盘节点。减少”玩工具”，增加”做作品”。
• 内容的质量才是长期流量的来源。把”有用”作为第一标准。

周一，”死人的循环又来了”，好在没早八。大雨，早上想搞校园网自动化，被验证流程卡住，放弃了。上午装病翘课成功，中午烤鸭饭。下午实验课纯浪费时间，晚上猪脚饭（肥肉不腻）。继续搞微信公众号，配图中文字乱码，推文因”权威信息资格不够”审核不通过。感觉时间被课程切得稀碎，想做的事太多，不知道怎么调整。

关键成果

• 技术探索：微信公众号自动化推进，跑通api，解决配图（有乱码待修）、扩展搜索能力。
• 策略调整：校园网自动化因验证复杂暂缓，决定”省那几步”。
• 生活小确幸：发现北二猪脚饭肥肉不腻，记下。
• 自我觉察：强烈意识到时间被课程切割、任务堆积的焦虑。

习惯追踪

情绪/反思

校园网自动化的放弃：省几步，省精力

“想想算了，就省了那几步，耗费那么长时间精力。”验证流程复杂，内网连接不稳定，决定暂停。
感悟： 不是所有技术问题都值得死磕。有时候”放弃”是更聪明的选择——把精力留给更有价值的事。但”放弃”前要确认：是真的不值得，还是遇到困难想逃避？

时间被切割的焦虑：琐碎中的无力感

“时间被课程切割太琐碎了，真正提起精神认真做事的时间少之又少。”想做的事太多：英语、ragent、面经……
感悟： 这种”琐碎感”是大学课程的常态。但你可以把碎片时间重新定义：10分钟能做什么？背5个单词、看一道面经、写一段注释。不是非要大块时间才能做事。

微信公众号审核：权威信息资格不够

推文因”权威信息资格不够”审核不通过。以后要发学习、教学的内容，热点解读可能不行。
感悟： 平台的规则就是流量分发的逻辑。既然热点信息不让发，就换赛道——发”个人学习笔记”、”工具教程”、”踩坑记录”。这些反而更有辨识度。

任务太多：如何调整？

英语、ragent、面经、公众号……好多啊！该怎么调整？
感悟： 当任务多到焦虑时，先做减法。问自己：哪些是这周必须完成的？把”想做”和”必须做”分开。然后，每天只聚焦1-2件”必须做”的事。

💡 观点批判

你说得对：时间被课程切割确实烦，任务太多让人焦虑，公众号热点解读容易被卡。

但有没有可能，有些地方可以再想想：

1. “校园网自动化放弃”
   放弃是策略，但可以给这个项目留个”后路”：把目前遇到的难点写成笔记，存起来。以后遇到类似场景，可以直接复用经验。

2. “时间被切割太琐碎”
   这是客观现实，但你的应对方式可以优化。试着把”大任务”拆成”小碎片”：比如ragent项目，可以拆成”看10分钟文档”、”画一个小模块的图”。

明日改进

1. 任务减法：今晚睡前，把所有任务写在一张纸上，划掉3个最不重要的。明天只做这3个。
2. 碎片时间利用：明天课间10分钟，不做别的，就背5个英语单词。
3. 公众号内容调整：明天不发热点，写一篇”我用AI做前端踩的三个坑”的教程类文章。
4. 运动启动：明天晚饭后下楼走15分钟。
5. 校园网项目归档：把今天遇到的难点写成笔记，存到”待优化”文件夹。

金句留存：

• 不是所有技术问题都值得死磕。放弃是策略，但别让放弃变成”白费”。
• 碎片时间做碎片事：10分钟能背5个单词，也能看一道面经。
• 当任务多到焦虑时，先做减法。每天只聚焦1-2件”必须做”的事。
• 平台不给热点流量，就换赛道：教程、笔记、踩坑记录，反而更有辨识度。

周日，天气好却没出去玩。中午新疆手抓饭。下午搞C语言实验报告，配好环境，然后被室友拉去玩了一下午双人成行（游戏真不错）。晚上自选菜，之后开始搞web前端实验报告，AI没想象中好用，自己微调表格，差200px死活搞不定。发现微信公众号发AI汇总没流量，配图也不准。看朋友圈有点失落——别人都在玩，我死钻技术还感觉掌握不好，只有我一个人在焦虑未来吗？

关键成果

• 环境配置：VS里配好C语言环境，完成实验报告基础。
• 前端调试：web实验报告，AI辅助+自己微调，遇到表格宽度bug（差200px），明天继续。
• 认知更新：AI写前端需要精确指令+人工微调；微信公众号AI信息汇总没流量。
• 社交放松：玩了一下午双人成行，承认游戏制作精良，算是一次有效放松。
• 自我觉察：刷朋友圈后产生”只有我焦虑”的失落感。

习惯追踪

情绪/反思

AI写前端：没那么神，还得自己微调

以为AI手到擒来，结果图片、格式都给了，AI还是无法精确理解。表格自己算好了，显示差200px，搞了快两小时。
感悟： AI目前是”副驾驶”，不是”自动驾驶”。它能帮你省去重复劳动，但精确的布局、细微的调整，还得人来做。以后写前端，可以先用AI生成框架，再自己微调。

微信公众号AI汇总：没流量，要换方向

发了几篇AI信息汇总，根本没流量，平台不推。配图也不准。
感悟： 内容不是”发出来”就有价值，而是”有人需要”才有价值。需要找到自己的独特角度——比如”学生视角的AI工具评测”、”踩坑记录”。

刷朋友圈的失落：只有我在焦虑吗？

看到别人出去玩，自己死钻技术，感觉浪费青春。他们真的一点不关心未来吗？
感悟： 这种失落很真实，但也可能是”朋友圈滤镜”——别人晒出来的都是光鲜的一面，焦虑和迷茫不会晒。不是只有我在努力，只是大家的赛道不同。

💡 观点批判

你说得对：AI写前端还需要微调，微信公众号AI汇总没流量，朋友圈让人失落，感觉只有自己在焦虑。

但有没有可能，有些判断可以再想想：

1. “只有我一个人焦虑未来”
   这大概率是错觉。焦虑是年轻人的常态，只是有人藏在心里，有人写在脸上。

2. “死钻不一定有用的技术”
   技术有没有用，不是今天能判断的。调试前端的那两个小时，锻炼的是”排查bug的能力”。这些积累在任何编程工作中都有用。

3. “他们真的一点不关心未来吗？”
   每个人关心未来的方式不同。有人提前准备，有人临阵磨枪，有人靠家庭托底。你不需要替别人操心，只需要对自己的选择负责。

明日改进

1. 前端bug攻克：明天上午花30分钟，把那200px的表格问题解决。
2. 微信公众号内容调整：明天想一个新的选题，比如”我用AI做前端踩的三个坑”。
3. 朋友圈过滤：明天减少刷朋友圈的次数。
4. 购物清单：明天列一个购物清单。

金句留存：

• AI是副驾驶，不是自动驾驶。学会”让AI懂你”本身就是学问。
• 内容不是”发出来”就有价值，而是”有人需要”才有价值。
• 朋友圈的焦虑是滤镜造成的。别用别人的高光时刻，对比自己的幕后花絮。
• 焦虑是年轻人的常态。你可以把它变成动力，而不是枷锁。

周六，晴。昨晚室友打游戏到凌晨两点，我12点睡着侥幸逃过一劫。早上八点起床，室友还在睡，自己只能窝在床上。下午收获满满：跑通微信公众号自动化发布，做了obsidian转换小工具。晚上和妈妈通话，和爸爸说话莫名烦躁，引发对家庭沟通模式的反思。待办：实验报告，以及想做自动化发布内存的工作流。

关键成果

• 技术突破：微信公众号自动化发布跑通，支持AI汇总和指定推文，配置插图（用阿里赠送模型）。
• 工具产出：做了obsidian文档自动转换小工具，又一个可复利的工具。
• 内容输出：水了一篇博客。
• 家庭连接：和妈妈通话，虽然和爸爸沟通不畅，但至少联系了。
• 新想法：想做自动化发布内存工作流，考虑平台选择（小红书风控严）。

习惯追踪

情绪/反思

室友的疯狂：失控的游戏本

室友买了游戏本后狂玩到凌晨两点，失控感很明显。我12点睡着算是侥幸，但晚上他们吵，白天他们睡，我的时间也被挤压。
感悟： 宿舍是公共空间，作息冲突难免。与其烦躁，不如主动沟通，或者买耳塞、眼罩保护自己。如果沟通无效，就接受现实，把能做的事做了（比如白天去图书馆）。

对爸爸的烦躁：吝啬与幸灾乐祸

和爸爸说话莫名烦躁。爷爷钱被偷，他有点幸灾乐祸，还马后炮说教；而小爷开车回家看爷爷。爸爸工作辛苦、吝啬，只出自己该出的，多的没有。
感悟： 这种烦躁很真实，但背后可能是对”情感表达方式”的失望。爸爸的”吝啬”可能来自生存压力，他的”说教”可能是他唯一会表达关心的方式。不是要你原谅，而是理解——他给不出他没有的东西。你可以选择少和爸爸聊敏感话题，多和妈妈聊。

妈妈的隐瞒：大姐结婚、生病都不说

妈妈一个星期前不告诉我爷爷的事，之前大姐结婚（高三）、自己生病也不说。以前麻木，现在觉得生气。
感悟： 妈妈的隐瞒，可能是”保护你”——怕影响你学习、怕你担心。但这种”保护”让你感觉自己被排除在家庭之外。可以找个机会和妈妈温和地说：”妈，以后家里有什么事告诉我，我长大了，能承受，也想参与。”

💡 观点批判

你说得对：室友的作息影响你，和爸爸沟通烦躁，妈妈的隐瞒让你生气。同时，微信公众号自动化和obsidian工具是扎实的成果。

但有没有可能，有些地方可以再想想：

1. “他们在睡觉，我就不能做自己的事”
   这是物理空间的限制，但可以想办法：买个降噪耳机，或者去图书馆、空教室。你的学习不应该被室友的作息绑架。

2. “他工作非常辛苦，导致非常吝啬”
   爸爸的吝啬不是”不孝”，而是生存压力下的本能。他可能不是不想给，是怕自己不够。下次和爸爸说话，可以少谈钱，多问问他的身体、工作。

3. “妈妈不告诉我家里的事”
   她的”保护”让你感觉被排除，但也许她也在等你说：”我想知道，我能分担。”下次主动问。

明日改进

1. 实验报告完成：明天上午先把实验报告写完，别拖到最后。
2. 自动化内存工作流调研：调研哪个平台适合发内存数据，以及有没有现成的自动化方案。
3. 家庭沟通尝试：明天给妈妈主动问好，问问家里有什么新鲜事。
4. 宿舍环境优化：买个眼罩和耳塞，保护自己的睡眠和学习时段。

金句留存：

• 别让别人的失控，变成自己的内耗。能改变的就沟通，不能改变的就保护自己。
• 爸爸的吝啬不是不孝，是生存压力下的本能。你可以不认同，但试着理解。
• 妈妈的隐瞒可能是”保护”，但你可以告诉她：我长大了，我想知道。
• 改变一个人太难，但你可以改变自己的位置——从被动等待到主动参与。

周五，晴，早八困，面包续命。水两节课，中午金汤肥牛。下午搞小米MIMO大模型，成功接入小龙虾，感叹它真能”看懂”视频，但token消耗惊人、延迟高。水了一篇博客，CSDN涨粉2个，决定重点搞AI。下午晚上全是实验课，坐那玩手机。周末计划：写实验报告，过一遍ragent，优化校园网脚本，跑通微信公众号自动化。

关键成果

• 技术探索：成功将小米MIMO大模型接入小龙虾，验证其视频理解能力，意识到开源趋势。
• 内容输出：水了一篇博客，CSDN新增2个AI方向粉丝。
• 自我觉察：确认未来重心放在AI领域。

习惯追踪

情绪/反思

水课的惯性：面包与困

早八困，面包对付，水课继续。没有挣扎，也没有反抗，像流水线上的零件。
感悟： 麻木本身就是一种消耗。不是非要每节课都”高效”，但至少要知道自己在做什么选择。如果选择水，就心安理得；如果选择学，就认真学。

MIMO模型的震撼与代价

小米MIMO真能”看”视频，强大到让人兴奋。但几句话就烧几万token，免费版延迟高、不稳定。好在它是开源的——这意味着未来这种能力会变得便宜。
感悟： 技术迭代的速度比我们想象中快。今天觉得奢侈的能力，明天可能人人可用。关键不是追着最新模型跑，而是想清楚：它能帮我解决什么问题？

实验课坐那玩手机：荒诞但真实

下午七八节实验课，就是坐那玩手机；晚上九十节还是实验课。这种课的存在本身就是荒诞，但既然逃不掉，就接受它。
感悟： 有些课就是用来”坐”的，别指望它有什么价值。但你可以赋予这段时间价值——比如整理ragent笔记、背几个单词。

💡 观点批判

你说得对：MIMO模型很强，开源意味着未来会便宜；实验课坐那玩手机是浪费时间；AI方向值得深耕。

但有没有可能，有些地方可以再想想：

1. “以后重点还是放到ai上”
   AI领域太大了，是搞模型应用、Agent开发、还是AI辅助工具？你的ragent项目、小龙虾、易签自动化，其实都在AI应用层。可以具体化：接下来一个月，围绕”AI自动化工具”这个方向，每周做一个小项目。

2. “实验课就是坐那玩手机”
   你形容得很真实，但”玩手机”这个选择，其实是你主动做的。下次可以试试：进实验室前，先给自己定一个”15分钟任务”，做完再玩。

明日改进

1. 周末计划启动：明天上午先写实验报告，别拖到最后。
2. ragent复盘：过一遍ragent架构，画一张图。
3. 微信公众号自动化调研：找一下有没有现成的工具或API。
4. 运动补卡：明天晚上跑2km。

金句留存：

• 麻木本身就是一种消耗。要么心安理得水，要么认真学，别停在中间。
• 技术迭代太快，追模型不如想清楚用它解决什么问题。
• 荒诞的时间也可以变成可用的碎片，关键是你主动选择做什么。
• 正反馈是最好的燃料，但别只为了粉丝写，先写对自己有用的。

周四，早八困难，面包垫吧。上课麻木，铲铲和六级交替，什么都没学进去。下午水一节课，逃一节课，回来搞ragent前端，没基础完全学不动。水两篇博客，又被室友勾引玩双人成行，晚上义乌聚餐（纯A钱）。回到宿舍刷抖音，空虚感爆棚。感觉被推着走，不爽。决定明天开始改变：上课不做消耗自己的事，学不了就睡觉。

关键成果

• 学习尝试：ragent第五阶段前端部分，但因零基础卡住。
• 内容输出：水了两篇博客，存下两篇。
• 社交参与：和室友玩双人成行，义乌聚餐（虽然是被推着去的）。
• 自我觉察：意识到”被推着走”的状态，决定明天调整。

习惯追踪

情绪/反思

麻木的上课与”消耗自己”

“上课又没用，但自己又打不起精神搞自己的事，就是到铲铲，c，开始学习六级。”这是典型的”中间状态”——既没听课，也没干正事，纯粹在消耗时间。
感悟： 这种状态比纯粹玩更累，因为玩的时候你是在享受，而现在你是在”假装在学习”。承认吧，今天就是没状态。与其在课上硬撑，不如允许自己彻底休息一节课，哪怕趴着睡觉。

被推着走：不舒服的惯性

“我感觉我一直在被推着走，好不舒服，好不爽啊。”室友喊玩就玩，喊吃饭就吃，虽然参与了，但心里不情愿。
感悟： 这种”被推着走”的感觉，本质是失去了对自己时间的掌控感。下次可以试着说：”今天我想自己待会儿，你们去吧。”学会拒绝，才有空间做自己。

刷抖音后的空虚：由奢入俭难

回到宿舍刷抖音，一点收获感都没有。”由奢入俭难”，最近生活太松散了，得调整。
感悟： 抖音是典型的”低投入高回报”陷阱——你以为在放松，其实在消耗。放松和放纵的区别：放松后你恢复精力，放纵后你更加空虚。

明天计划：学不了就睡觉

“上课绝不做消耗自己的事，学不了就睡觉，不要做刷视频这种无意义的事。”
感悟： 这个计划很实在。不要求自己立刻”高效学习”，只要求”不消耗自己”。睡觉是充电，刷视频是放电。

💡 观点批判

你说得对：被推着走的感觉很不爽，上课刷手机是消耗自己，抖音刷完更空虚。明天”学不了就睡觉”是清醒的决定。

但有没有可能，有些地方可以深挖：

1. “被室友勾引”
   把责任归于”被勾引”，其实是把选择权交给了别人。下次可以练习说：”今天不去了，你们玩得开心。”拒绝不是不近人情，是保护自己的时间。

2. “ragent前端，没基础学不了一点”
   零基础硬啃确实难，可以换个策略：先不追求”学会”，而是”跑通一个demo”。或者把前端部分暂时搁置，先搞懂后端。

明日改进

1. 上课策略实验：明天全天课，试一下”学不了就睡觉”策略。
2. 拒绝练习：明天如果室友再约玩或吃饭，练习说一次”今天我想自己待会儿”。
3. ragent策略调整：不硬啃前端了，先画一个整体架构图，标出前端负责什么、后端负责什么。
4. 运动重启：明天晚上无论如何跑2km。
5. 抖音替代清单：明天想刷手机时，打开”替代清单”：听一首歌、看一篇面经、背5个单词。选一个做。

金句留存：

• 消耗自己是最亏的买卖。与其假装学习，不如彻底休息。
• “被推着走”的本质，是失去了对自己时间的掌控感。学会拒绝，才有空间做自己。
• 放松和放纵的区别：放松后你恢复精力，放纵后你更加空虚。
• 不要求自己立刻”高效学习”，只要求”不消耗自己”。睡觉是充电，刷视频是放电。

周三，早八没电，张凯旷课，自己不自觉铲了两把，十福了没吃鸡，贪心害人。中午肖枫堂。下午没电但拉床上插座，搞定ragent第四阶段，产出三篇博客。捣鼓龙大（微信公众号），删除重装一小时，后悔接了个代做py单子（20r，纯体力活）。易签新增一用户，决定停止扩张。今天最大的困惑：学习ragent到底要学到什么程度？

关键成果

• 学习推进：ragent项目第四阶段完成，了解rag过程，产出三篇博客。
• 工具折腾：龙大删除重装，配置整理。
• 收入与反思：代做py赚20r但耗时费力，后悔；易签新增1用户，总36人，决定停手。
• 游戏成就：十福星但没吃鸡，反思贪心。

习惯追踪

情绪/反思

张凯不在，自己还是铲了

张凯旷课，之前都是他喊我铲，今天他不在，我还是不自觉铲了。十福星但没吃鸡，太贪心导致保命装没拿。
感悟： 自律的敌人不是别人，是自己。别人在不在，其实不影响你的选择。这次十福星没吃鸡，就是贪心的代价——什么都想要，最后什么都没保住。贪心是本能，克制是本事。

学习ragent的目标是什么？

“我的目的就是可以被面试到不错的关于ai的项目，那他的要求（面试造火箭，现实打螺丝），主要所有信息都来源网络，不知真假。”
感悟： 这个困惑太真实了。学项目到底要学到什么程度？面试官要的不是你会造轮子，而是你能讲清楚轮子是怎么转的。能画出架构图、说出每个组件的作用、解释为什么这样设计，就够用了。别追求”手搓”，追求”讲透”。

代做py单子：20r的体力活

接了个代做，截图插图太麻烦，僵坐一小时，纯体力活。后悔。
感悟： 这种单子就是用自己的时间换低价，而且没有积累。以后接单前，先评估：是不是重复劳动？能不能自动化？如果只是体力活，不如不做。

易签停手：汲取铲铲的教训

易签新增一用户，决定不能再加了，因为铲铲里贪心没吃鸡，怕易签也贪心翻车。
感悟： 见好就收，是成熟的表现。36人已经不少，维持好现有用户，比盲目扩张更重要。

💡 观点批判

你说得对：学习ragent的困惑是真实的，代做py是体力活，易签停手是明智的。

但有没有可能，有些地方可以再想想：

1. “张凯没来，我还是不自觉铲了”
   这其实是个好信号——你对自己的行为有觉察，没把锅甩给别人。但也可以问自己：铲的时候，是真的想玩，还是只是习惯性摸鱼？

2. “学习ragent到底要到什么程度？”
   以”能讲清楚”为标准。不要求你默写所有代码，但要求你：画得出流程图、说得出每个模块的作用、能复现一个demo、能解释踩过的坑。

明日改进

1. ragent”讲透”练习：明天花30分钟，用思维导图画出ragent项目的整体架构，对着图讲一遍（录音）。
2. 代做拒绝规则：明天起，遇到代做需求，先评估：是不是重复劳动？如果是，要么加价（至少50r/h），要么拒绝。
3. 易签维护检查：明天检查36个用户的token状态，确保自动化稳定。
4. 跑步重启：明天晚上跑步2km。

金句留存：

• 自律的敌人不是别人，是自己。别人在不在，不影响你的选择。
• 贪心是本能，克制是本事。游戏里贪装备，生意上贪用户，都容易翻车。
• 面试官要的不是你会造轮子，而是你能讲清楚轮子是怎么转的。
• 代劳不如代教，体力活不如复利活。
• 见好就收，是成熟的表现。守住边界，比盲目扩张重要。

周二，早八状态不错，带了小面包。水课彻底不听了，但发现一个大佬开源的skill，以后可以写公众号。小龙虾莫名轻松对接了claudecode，ragent项目第三阶段似懂非懂，产出三篇博客。晚上和室友玩双人成行超时，但犹豫后还是去跑了1.6km。易签用户突破35人，收入900r，爽！遗憾英语和VS没动，明天下午没课补上。

关键成果

• 技能发现：水课上找到大佬开源的skill，可用于写微信公众号。
• 技术突破：小龙虾轻松对接claudecode，工具整合成功。
• 学习推进：ragent项目第三阶段，虽然似懂非懂，但产出三篇博客。
• 健康坚持：跑步1.6km，虽然推迟但动起来了。
• 收入里程碑：易签用户达35人，总收入900r。
• 社交放松：和室友玩双人成行，放松了一下。

习惯追踪

情绪/反思

水课彻底不听了：是效率还是风险？

“现在我是真的一点不听课，我知道这些课程确实有点用，但是老师讲的太慢了，一点意思都没有。”
感悟： 这是对低效课堂的合理反抗，但也藏着风险——万一老师突然讲重点呢？以后可以快速扫描课件，判断这节课有没有干货。如果有，听10分钟；如果没有，心安理得做自己的事。

ragent第三阶段：似懂非懂的阈值

“今天感觉似懂非懂，主要是太多接口，抽象类了，这还是要一个个看梳理的。”
感悟： 这种”似懂非懂”其实是学习的必经阶段。别急着跳过，也别停下来。一个个梳理，画图、写注释、跑例子，慢慢就通了。产出三篇博客说明你在努力消化，继续保持。

跑步的犹豫与行动

“犹豫了一会儿跑步，最后还是到操场了。”
感悟： 拖延后还能行动，这才是关键。很多时候启动最难，一旦开始，后面就顺了。

易签35人，收入900r

“目前截止已经35位了，收入了900r，爽。”
感悟： 这是服务积累的成果，也是信任的变现。但别只看到钱，还要看到背后的责任——35个人靠你维护，自动化脚本必须稳定。

💡 观点批判

你说得对：水课效率低，小龙虾对接意外轻松，ragent学习有门槛，跑步坚持下来了，易签收入突破。

但有没有可能，有些地方可以再想想：

1. “水课真的一点不听课”
   完全不听和全听之间，还有中间态。可以建立”快速筛选机制”：每节课前花2分钟看课件标题，判断今天有没有新知识点。

2. “易签35人，收入900r”
   值得庆祝，但也要保持清醒。易签项目本质是灰色地带，用户越多，风险越大。可以思考：这900r是起点，还是终点？能不能用这些钱孵化一个更光明的项目？

明日改进

1. 英语启动：明天下午没课，先背20个六级高频词，用app打卡。
2. VS配置修复：明天下午把VS重装或修复。
3. ragent梳理：明天花1小时，把”似懂非懂”的接口和抽象类画成思维导图。
4. 跑步坚持：明天晚饭后直接换鞋，不犹豫，跑1.5km+走1km。
5. 易签维护：检查35个用户的token状态，确保自动化脚本稳定运行。

金句留存：

• 对低效课堂的合理反抗，但要保留”快速筛选”的能力。
• 工具的难点不在预期的地方，多试才知道。
• 学习的”似懂非懂”是必经阶段，别跳过，也别停下。
• 拖延后还能行动，比从不拖延更珍贵。
• 灰色地带的收入要清醒，用它孵化更光明的项目。

周一，晴，没有早八，体育课也取消，10点才下床，双喜临门。中午新疆手抓饭。下午概率论铲了一节课，汗颜。四六级报名成功，明天开始学英语。下午按ragent计划学习，肝出两篇博客，开启专栏。晚上操场跑2km，落枕神奇好转。回来帮易签客户挂脚本，还帮人搞实验报告（VS配置乱了）。发现一个痛点：markdown复制到word格式太烦，想做个自动转换工具。

关键成果

• 技术学习：ragent项目学习计划推进，掌握配置类、sse推送、链路追踪，理解大模型中消息枚举用法。
• 内容输出：肝出两篇博客，开启ragent专栏。
• 健康启动：晚上操场跑步2km，落枕明显缓解。
• 生活事项：六级报名成功，帮易签客户挂脚本。
• 痛点发现：markdown转word格式混乱，计划做自动化工具。

习惯追踪

情绪/反思

没有早八的快乐与明天早八的焦虑

今天没有早八，体育课也取消，10点才下床，爽。但明天又是早八，调整作息有点难。
感悟： 这种”爽一天慌一天”的循环，其实就是作息不规律的代价。享受了晚起，就要承受第二天早起的痛苦。不如试着固定起床时间，哪怕周末也只晚一小时，减少切换成本。

概率论铲一节课：又放纵了

说好要学英语、搞项目，结果概率论上又铲了一节课，汗颜。
感悟： 放纵是人之常情，但关键是别让”汗颜”变成习惯。明天开始学英语，可以给自己一个小规则：上课想摸鱼时，先问自己”这件事做完我会后悔吗？”

跑步初体验：痛并快乐着

晚上操场跑2km，刚开始很吃力，但跑完落枕竟然好多了，意外收获。
感悟： 身体的反馈总是最诚实的。以前觉得跑步浪费时间，现在发现它反而能修复其他问题（比如落枕）。以后可以把跑步当成”系统维护”。

markdown转word的痛点：又一个”造轮子”冲动

发现markdown复制到word格式乱，想做自动转换网页。这又是”发现需求→想造工具”的循环。
感悟： 这个痛点很真实，但也要问问自己：有没有现成工具？如果已经有，直接拿来用；如果没有，值不值得花时间造？Pandoc、Typora导出功能都可以试试。

💡 观点批判

你说得对：没有早八确实爽，跑步对落枕有效，markdown转word格式烦人是真实痛点。

但有没有可能，有些地方可以再想想：

1. “明天早八，不好调整啊”
   其实今天10点起，明天7点起，跨度很大。与其焦虑，不如今晚早点睡。用”强制早睡”来对冲晚起。

2. “概率论铲一节课”
   虽然自嘲，但背后可能是对概率论课本身的低评价。如果课真的没用，那铲了也不算亏。但下次可以课前快速判断：这节课讲什么？有没有用？再决定是否摸鱼。

3. “跑步吃力”
   刚开始跑2km吃力很正常，可以从”跑+走”开始。重要的是坚持，不是距离。

明日改进

1. 早八应对：今晚11点前睡，明早闹钟响立刻起，用面包当早餐。
2. 英语启动：明天背20个六级高频词，用app或卡片，记录在备忘录。
3. ragent继续：明天继续按计划学习，跑通一个完整demo，并写一篇总结博客。
4. 跑步维持：明天晚饭前下楼走+跑15分钟，不求距离，只求连续第二天。
5. 工具调研：花10分钟搜索”markdown转word 格式保留”，看看有没有现成方案。

金句留存：

• 享受了晚起，就要承受第二天早起的痛苦。规律作息比偶尔放纵更省心。
• 放纵不可怕，可怕的是让”汗颜”变成习惯。摸鱼前问自己：我会后悔吗？
• 身体的反馈最诚实。跑步不只是锻炼，也是给身体排错。
• 造轮子之前，先问问：别人有没有造过？把精力留给”别人没解决过”的问题。

周日，九点自然醒。上午洗外衣、晒被子，终于把开学后的家务补上了。中午肖枫堂。下午死磕ragent项目，被milvus和redis折腾得不轻，但最终全部跑通。晚上自选菜，和妈妈通了电话。最惊喜的是剪头体验——放弃有卡的”巨ex”老店，试了新店，真香！

关键成果

• 技术突破：ragent项目前后端全部跑通，攻克milvus（用docker）和redis（Windows配置问题）两大难关。
• 生活整理：洗外衣、晒被子，完成拖延已久的家务。
• 决策突破：放弃有卡的理发店，尝试新店，获得满意体验，验证”沉没成本不参与决策”。
• 内容输出：水了两篇博客，并发编程专栏完结。
• 家庭连接：和妈妈通电话。

习惯追踪

情绪/反思

从”畏难”到”感谢曾经的自己”

milvus只支持Linux，要用docker，心里一紧。但立刻想到之前扩容C盘，不然docker只能装C盘可能就退缩了。跟着教程顺利跑通。
感悟： 每一个看似无关的”提前准备”，都会在某个时刻派上用场。扩容C盘时觉得麻烦，现在反而感谢自己。以后遇到新东西，多想想”我有没有提前攒下什么资本”。

redis挂载两小时：Windows的锅

redis一直挂不到端口，以为是版本问题，捣鼓两小时，最后发现是Windows设置。豆包协助解决。
感悟： 环境问题最磨人，但也最锻炼排查能力。以后再遇到类似问题，可以先怀疑系统配置、权限、端口占用这些”非代码”因素。而且，有豆包这样的助手，真的能救命。

理发店决策：沉没成本不参与决策

犹豫去有卡的”巨ex”老店（优惠后25r），还是没去过的新店（30r）。最后选了新店，结果真香——不拉家常、不推荐、剪得合心意。
感悟： “沉没成本不参与决策”这句话今天亲身验证了。卡里的钱已经花了，为了它去忍受不愉快的体验，才是真的亏。多花5块钱买来舒心，太值了。以后做选择，多问自己：如果今天没有这张卡，我会选哪个？

和妈妈通话：表达的练习

吃完饭和妈妈通了电话。没有特别的事，就是聊聊今天、下周计划。
感悟： 这种”没事也打电话”的习惯，是情感连接的基石。以前总觉得要有大事才联系，现在发现日常的分享更温暖。

💡 观点批判

你说得对：提前扩容C盘为今天省了麻烦，环境问题最磨人但锻炼能力，沉没成本不该影响决策。理发店的选择是漂亮的一仗。

但有没有可能，有些地方可以再延伸一下：

1. “沉默成本不参与决策”
   你说得太对了，而且这个道理可以放大到很多场景：学了半学期的烂课要不要继续听？投入了感情的关系要不要维持？花了钱买的书要不要硬啃？温和延伸：决策时只看”未来收益”，不看”过去投入”。但有个陷阱：有时候我们分不清”沉没成本”和”必要坚持”。如果项目有价值只是遇到困难，那不叫沉没成本，叫”必经之路”。

2. “感谢自己扩容C盘”
   这个心态很好。但可以再进一步：以后做任何”麻烦但可能有用”的事，都告诉自己”这是在为未来攒资本”。比如背八股、写博客、整理文件，都是投资。把”被动麻烦”变成”主动储备”。

3. “ragent项目跑通”
   这是大成果，但跑通只是第一步。接下来要”啃下来”，意味着要理解原理、能改代码、能讲清楚。别止步于”能运行”。

明日改进

1. ragent项目深入：明天不急着跑新项目，先把今天跑通的代码理一遍：画出架构图、标注关键代码、写一个README（自己的理解版）。
2. 跑步启动：明天晚饭前下楼跑/走15分钟，不追求速度，只启动。记录第一次。
3. 理发店经验存档：把新理发店加入”靠谱清单”，以后就去这家。同时把”沉没成本决策法”写在便签上贴桌子。
4. 继续电话习惯：下周找一天再给妈妈打电话，分享ragent进展和跑步感受。
5. 博客转型尝试：明天博客不”水”，写一篇《ragent项目踩坑记》。

金句留存：

• 每一个看似无关的”提前准备”，都会在某个时刻派上用场。
• 环境问题最磨人，但也最锻炼排查能力。不怪代码，先查配置。
• 沉没成本不参与决策。卡里的钱已经花了，为了它忍受不愉快才是真亏。
• 决策时只看”未来收益”，不看”过去投入”。但别把”必经之路”当成”沉没成本”。
• 把”被动麻烦”变成”主动储备”，每一次折腾都是在攒资本。

周六，难得休息。上午九点起床，重搞爬虫项目顺利跑通。中午外卖烤鸭一般。下午和室友出游总统府、鸡鸣寺，人山人海，晚上大排档聚餐。回到宿舍水了两篇博客，洗了积攒的衣服。今天在社交中感受到”格格不入”——游戏话题、消费观、套路化的理发店，都让用户不太舒服，但也发现了”出去走走”的乐趣。

关键成果

• 技术推进：重搞爬虫项目，顺利跑通。
• 社交实践：和室友出游总统府、鸡鸣寺，体验了人多AA的聚餐，发现”只要出去大家都一样”。
• 生活整理：洗了积攒的衣服，水了两篇博客。
• 自我觉察：意识到自己对外部交际会拖延，但对个人事务执行力强。

习惯追踪

情绪/反思

社交中的”格格不入”

这学期开始注重外交，但和室友的共同话题不一样——他们重游戏，我不感冒。消费观也有差异，他们花钱更随意，我有点畏手畏脚。感觉自己是”乡下人”面对花里胡哨的消费场景，不是自卑，就是不舒服。
感悟： 这种”格格不入”很真实。每个人都有自己的节奏和关注点，不一定非要融入。但既然选择了社交，就要接受差异。AA聚餐时，人多a钱确实舒服，但有些”不必要的开支”也是社交成本。可以学着：在可控范围内参与，明确自己的底线。

出去玩：只要出去，大家都一样

下午去了总统府和鸡鸣寺，人山人海。发现只要出去走走，大家都在看风景、拍照、挤来挤去，那种”格格不入”感就消失了。以后一个人爬山应该也不错。
感悟： 环境会改变感受。在室内面对室友时，差异感会被放大；但在户外面对人群时，大家都是一样的游客。以后可以多创造这种”中性场景”的社交——比如一起爬山、逛公园，减少消费压力和话题差异。

剪头的烦：大城市的”套路”

剪头就剪头，非要拉家常降低防备心，然后推荐发型让你消费。要不是因为这个早剪了。
感悟： 这种”被套路”的感觉让人不适，本质是边界被侵犯。下次可以提前想好：进店直接说”剪短、修一下”，拒绝任何推荐。或者找一家快剪店，10分钟搞定，没有废话。明确自己的需求，不给对方发挥空间。

对外部交际的拖延

“我发现我只要与外人有交际的事我就会拖延，自己的事执行却是很强的。”
感悟： 这个观察很精准。拖延的背后，可能是对不可控的焦虑——外人会怎么回应？会不会有意外？而自己的事，完全可控。以后可以把”外部交际”任务化：比如剪头，就当成一个”项目”，拆解成”选店→进店→说要求→付钱→走人”，减少不确定性带来的拖延。

💡 观点批判

你说得对：和室友在游戏话题、消费观上确实有差异，这种”格格不入”让人不舒服。出去玩之后发现”大家都一样”，对外部交际会拖延。这些观察都很真实。

但有没有可能，有些判断可以再温和地看看：

1. “我感觉我成熟的太早了，一直焦虑就业”
   成熟的早晚没有标准答案。你的焦虑是真实的，但过早给自己贴上”成熟”的标签，可能会加重”我和他们不一样”的疏离感。室友玩游戏，可能是他们放松的方式；你焦虑就业，也可能是你的动力。没有高下之分，只是阶段不同。可以试着把”格格不入”换成”我们走在不同的路上”，减少比较。

2. 消费观的差异
   你花钱畏手畏脚，可能是对未来的规划更清晰（存钱、投资自己），也可能是成长环境塑造的节俭习惯。室友花钱随意，可能只是消费观念不同。AA聚餐时”不必要的开支”，如果超出了你的舒适区，可以委婉拒绝部分项目。

3. “只要出去大家都一样”
   这个发现很好，说明你并不排斥人群，只是排斥特定场景（室内、消费导向的社交）。以后可以主动提议一些”低成本、高体验”的活动：爬山、逛博物馆、图书馆自习，既满足社交需求，又在自己舒适区内。

明日改进

1. 打电话给妈妈：明天必须打，可以聊聊今天的出游、爬虫项目、下周计划。
2. RAGent项目学习计划：明天梳理一下，写一个简单的学习路线。
3. 剪头行动：明天找一家快剪店，或提前在线上预约，进门直接说”剪短、修一下”，拒绝任何推荐。
4. 洗外衣：明天把积攒的外衣洗了，完成这个”生活小任务”。
5. 社交复盘：明天花5分钟，写一下今天出游的感受：哪些部分舒服，哪些不舒服，下次怎么调整。

金句留存：

• 每个人都有自己的节奏和关注点，不一定非要融入。在可控范围内参与，明确自己的底线。
• 环境会改变感受。在室内差异感被放大，在户外大家都一样。
• 拖延背后，可能是对不可控的焦虑。把”外部交际”任务化，减少不确定性。
• 成熟的早晚没有标准答案。你走在你的路上，他们走在他们的路上，没有高下。

周五早八艰难，肠胃不太舒服。上午水课刷GitHub热点，中午金汤肥牛，水了两篇博客。Nanobot冷暴力不回复，还是”龙大”稳定（虽然慢）。下午实验课纯玩手机，给”龙三”部署了几个skill。晚上搞消息汇总项目，模型配错、格式报错、越改越乱，一气之下删项目，结果把爬虫项目也误删了。洗澡时顿悟：瞎折腾龙虾值得吗？决定重心转向AI Agent项目和面试八股。

关键成果

• 项目推进：给”龙三”部署了几个skill（具体内容未详）。
• 认知突破：洗澡时深刻反思，决定将重心从”折腾龙虾”转向AI Agent项目学习和面试八股。
• 踩坑教训：消息汇总项目失败，误删爬虫项目，深刻体会到”技术折腾的边际效益递减”。
• 生活准备：拿快递，囤了面包，下周早餐不用愁。

习惯追踪

情绪/反思

肠胃警报：身体在抗议

“今天大号有点太通畅了，值得注意一下，感觉脾胃有点不好了。”
感悟： 连续熬夜、不规律饮食、情绪焦虑，身体终于发出信号。金汤肥牛连吃两顿，重油重辣，肠胃受不了。下周得调整饮食，早餐吃面包，中午清淡点，晚上少吃刺激食物。

Nanobot冷暴力 vs 龙大稳定

Nanobot”一直发消息给他，他只接住，但不回答，冷暴力我”，还是”龙大”稳定，虽然慢但靠谱。
感悟： 工具选型，稳定性比速度重要。快但不可靠的工具，关键时刻掉链子，还不如慢但稳的。以后评估工具，要把”稳定性”作为核心指标。

实验课的荒诞：坐在电脑前玩手机

“下午还节姐实验课，就是单纯的坐在电脑面前玩手机，你说扯不扯。”
感悟： 这种课的存在本身就很荒诞，但既然必须去，就坦然接受。与其抱怨，不如利用这个时间做点轻松的事：听播客、看面经、甚至闭眼休息。别让自己处在”浪费时间又自责”的状态。

删错项目的顿悟：这项目非弄不可吗？

消息汇总项目折腾两天，最后改崩了，一气之下想删项目，结果删错了，把爬虫项目也删了。洗澡时想：这项目非弄不可吗？点进GitHub看费什么劲？花这么长时间搞小龙虾有用吗？
感悟： 这是今天最大的收获。问自己三个问题：1. 这项目对我真的有用吗？ 信息汇总，GitHub上现成的一大堆，自己造轮子纯粹是折腾。2. 小龙虾能给我带来什么？ 真正有效的只有易签自动化运维，其他都是”为了玩而玩”。3. 我的时间该花在哪？ AI Agent项目学习、面试八股，这些才是正道。

重心转移：从”玩工具”到”学能力”

“以后把龙虾放到博客，小说自动化生成上，把token转为内容。把自己的重心放到aiagent项目学习上，还有面试八股，这是正道。”
感悟： 这个认知转变很关键。工具只是手段，能力才是核心。天天挤出两小时折腾龙虾，比得过那些高学历有经验、天天搞的人吗？利用龙虾便利生活就够了，别沉迷。以后再做任何工具探索，先问：能给我带来切实效率吗？

💡 观点批判

你说得对：瞎折腾龙虾的边际效益确实在递减，重心应该转向AI Agent和面试八股。工具要”切实有用”，不能为了玩而玩。这个认知转折非常清醒。

但有没有可能，这个反思可以更细致，避免从一个极端走向另一个极端：

1. “这项目非弄不可吗？”
   这个问题很好，但答案不一定是”全盘否定”。消息汇总项目失败，可能是因为你选错了工具（在线改代码）、模型配置错、信息源没想清楚。但如果换一种思路：用现成的RSS聚合工具+本地脚本+稳定模型，也许能跑通。所以不是”项目非弄不可”，而是”当前方式非弄不可”。下次遇到类似需求，可以先看看有没有现成轮子，再决定造不造。

2. “比得过高学历有经验天天搞的人吗？”
   这句话有道理，但也隐含了一个假设：你必须和他们竞争。但你的目标不是成为顶尖开发者，而是用技术解决自己的小问题、积累作品、找到实习。从这个角度看，折腾小龙虾的”易签自动化”就是成功的。所以比较对象不该是”高学历大神”，而是”昨天的自己”。今天比昨天更自动化、更高效，就是胜利。

3. “重心转移到AI Agent和面试八股”
   这个方向很对，但要注意别又变成”收藏从未停止，行动从未开始”。AI Agent项目怎么学？是看教程、跑demo、还是自己写？面试八股怎么背？是死记硬背、还是理解后复述？需要具体化，否则容易变成新的”幻想式努力”。

明日改进

1. AI Agent项目启动：明天选一个AI Agent项目（比如LangChain教程、AutoGPT demo），花1小时跑通一个最简单的流程。目标是”动手”，不是”看懂”。
2. 八股计划具体化：明天列出Java八股的高频考点清单，并设定每天背2个考点，睡前复述。
3. 工具价值清单：明天花10分钟，列出当前所有在用的工具（龙虾、Nanobot、龙大等），每个工具写出”切实帮我解决了什么问题”。用这个清单决定哪些保留、哪些放弃。
4. 备份习惯建立：明天把剩余的重要项目（包括误删的爬虫，如果有备份的话）打包上传云盘或GitHub。以后每周日固定备份。
5. 饮食调整：明天早餐吃面包，中午选清淡的（比如食堂的青菜、蒸菜），少吃辛辣。记录肠胃反应。

金句留存：

• 快但不可靠的工具，不如慢但稳定的。
• 与其抱怨荒诞的课，不如利用时间做点轻松的事，别让自己处在”浪费时间又自责”的状态。
• 问自己三个问题：这对我真的有用吗？它能带来什么？我的时间该花在哪？
• 工具只是手段，能力才是核心。别沉迷玩工具，忘了学能力。
• 比较对象不该是”大神”，而是”昨天的自己”。今天比昨天更高效，就是胜利。

周四没早八，睡到8点半，舒服。上午一节课，中午金汤肥牛。下午奔波上课累得慌。晚上本想搞AI信息订阅项目，结果在GitHub action上折腾3小时，被各种报错搞到崩溃，最后明白必须本地调试。水了两篇博客，吃了小混沌和哈密瓜。

关键成果

• 工具发现：了解到”u盘小龙虾”，有意思，准备有时间研究。
• 项目储备：在GitHub找到不错的AI项目，计划复刻学习。
• 技术教训：用GitHub action在线改代码调试失败，浪费3小时，总结出”必须本地调试”的深刻教训。
• 内容输出：水了两篇博客。

习惯追踪

情绪/反思

在线调试3小时：血的教训

想在GitHub上直接改代码并利用action自动化测试，结果先是API不支持，又是qbs太高，最后改到编译都过不了。白白浪费一个晚上。
感悟： 在线修改代码就像在悬崖边跳舞，看着方便，实则危险。本地环境可以快速试错、看报错、查日志，而action每次跑都要几分钟，反馈周期太长，心态容易崩。以后任何代码修改，先拉到本地，哪怕配置环境麻烦，也比浪费几小时强。

“u盘小龙虾”的诱惑

发现u盘版小龙虾，有点意思。便携的AI工具，插上就能用，确实有场景。
感悟： 工具越做越小巧，门槛越来越低。但越是方便，越要思考它解决什么痛点。u盘版适合临时用，但长期开发可能还是本地环境更靠谱。可以列入探索清单。

复刻AI项目：收藏不等于学会

在GitHub找到不错的AI项目，计划”找时间复刻学习一下”。但这类计划常常会变成”收藏从未停止，行动从未开始”。
感悟： 收藏是大脑的安慰剂，告诉自己”我以后会学的”，但如果不设定具体时间，永远停留在收藏夹。明天可以挑一个最小项目，花30分钟跑通，哪怕只是环境搭建。

下午的疲惫：无效奔波

下午一直上课、走来走去，感觉精力被掏空。这种累不是学习的累，是环境切换的消耗。
感悟： 课程之间的奔波、等待、无意义的走动，确实耗神。以后可以尝试在间隙做点”换脑”的事：听歌、冥想5分钟，或者干脆趴一会，让大脑重启。

💡 观点批判

你说得对：在线修改代码+action调试效率极低，以后必须本地调试。GitHub项目要复刻就得尽快行动。下午奔波确实累。

但有没有可能，这次失败还有其他值得反思的地方：

1. 为什么一开始会选action调试？
   可能因为想省去本地配置环境的麻烦，或者觉得action能自动运行很酷。但忽略了调试的本质是”快速反馈”。本地环境虽然配置麻烦，但调试一次后续就省事了。以后可以这样权衡：如果是小修改（改配置），在线可以；如果是核心代码改动，必须本地。

2. 项目调研不足
   “一开始是不支持ai的api，然后是qbs太高”——这些应该在动手前就了解清楚。如果提前看文档、看issues，可能避免踩坑。下次拿到项目，先花10分钟读README、看技术栈、确认依赖，再决定怎么改。

3. 情绪管理
   浪费3小时很气，但”活生生浪费”背后也有情绪积累。其实中途可以停下来，冷静分析：是不是方向错了？要不要先本地试试？但可能因为已经投入时间，不甘心放弃，结果越陷越深。以后可以设个”止损点”：如果1小时没进展，就停下来换方法。

4. “水两篇博客”
   坚持输出很好，但”水”的效率如果太低，可能对自己帮助有限。可以试着把今天的教训写成一篇博客，既有价值，又能巩固记忆。这样”水”就变成了”干货”。

明日改进

1. 本地环境搭建：明天先花时间把AI订阅项目的本地环境跑通，确保能编译运行。再考虑部署到action。
2. 项目调研清单：以后接触新项目，先列个清单：README、依赖、API文档、常见issues、star数。花10分钟再动手。
3. 复刻最小行动：从GitHub收藏的项目里选一个最小的（比如几百行代码），明天花30分钟跑通并运行示例，截图记录。
4. 博客转型：明天博客写今天的教训，标题可以叫《血的教训：千万不要在线改代码》。把吐槽变成经验分享。
5. 精力管理：明天课间休息时，尝试5分钟闭眼冥想或深呼吸，看看下午是否更精神。

金句留存：

• 在线修改代码就像在悬崖边跳舞，看着方便，实则危险。
• 收藏是大脑的安慰剂，只有行动才能把”以后”变成”现在”。
• 调试的本质是快速反馈，本地环境是最短路径。
• 浪费3小时不可怕，可怕的是没有从中提炼出规则。

周三，早八艰难但学聪明了，骑车顺路买包子（贵两块但值）。两节水课，毛概课上发现GitHub高star轻量级项目Nanobot，顺便观察了乐观的毛概老师。中午雨中机智捡伞回宿舍。下午收获满满：搞定校园网自动登录、跑通Nanobot、为易签项目写自动化脚本、配置PR监控定时任务。爽！

关键成果

• 生活智慧：早八顺路买包子，雨中捡伞自救，解决两个小麻烦。
• 技术突破：成功实现校园网自动登录（定时7点执行，待验证）。
• 工具升级：发现并跑通Nanobot（轻量级龙虾），体验远超旧版，回复快、执行准、有心跳机制。
• 自动化脚本：为易签项目写快速添加用户脚本+每日20:00自动自检，解放双手；配置PR监控定时任务。
• 内容输出：水了两篇博客。

习惯追踪

情绪/反思

毛概老师的乐观 vs 我的迷茫

毛概老师说什么”未来难以想象”，特乐观。而我只觉得前途迷茫。不同圈层的人，感受完全不同——人家大学老师当然乐观。
感悟： 这话既扎心又真实。但换个角度，老师的乐观可能不只是因为”圈层”，还因为阅历。他们见过周期，知道迷茫是暂时的。迷茫是年轻人的常态，但不妨碍我们一边迷茫一边往前走。不用强求自己乐观，但可以相信：未来确实难以想象，好坏都有可能。

雨中捡伞：灵活应对的快乐

中午没带伞，灵机一动返回教学楼挨个搜别人忘拿或丢弃的伞，成功回到宿舍。
感悟： 这种小聪明带来的快乐，不亚于技术突破。生活里很多问题不需要硬扛，换个思路就有解法。但要注意底线：捡的是别人”忘拿或丢弃”的，不是偷。

Nanobot：原来不是模型的锅

跑通Nanobot后发现，体验比旧版龙虾好太多——回复快、执行准确、有心跳机制。看来之前吐槽龙虾慢，是工具的问题，不是模型的问题。
感悟： 同一类工具，不同实现差距巨大。选对工具，效率翻倍。以后对新工具要保持敏感，多试、多对比，别在一棵树上吊死。同时，好的工具会激发更多创意——因为Nanobot，我才有动力去写易签自动化脚本和PR监控。

数据备份的教训

修改userData时，第一次直接把数据全删了，Nanobot只轻飘飘一句抱歉。还好有备份。
感悟： 任何时候动数据，先备份。这不是第一次遇到，也不会是最后一次。以后可以养成习惯：修改前随手复制一份到桌面。还有，选择工具时，稳定性也是重要指标。

待办事项：整理C盘+全栈AI项目

今天兴奋之余，没忘待办：整理C盘（拖了几天），以及搞一个全栈AI项目。
感悟： 技术探索的快乐容易让人沉迷，但该做的正事不能丢。明天要平衡一下，把C盘整理提上日程，同时把”全栈AI项目”具体化。

💡 观点批判

你说得对：不同圈层的人对未来的感受不同，雨中捡伞是灵活应对，Nanobot体验远超旧版，数据备份是血的教训。

但有没有可能，有些判断可以再想想：

1. “毛概老师当然乐观，毕竟人家大学老师”
   确实，身份不同视角不同。但大学老师也有自己的焦虑（科研压力、职称、家庭），未必全是乐观。我们看到的只是课堂上的他们。而且，乐观有时不是因为没有困难，而是选择相信未来。你可以迷茫，也可以偶尔借老师的乐观给自己充充电——也许他说的是对的，只是我们还没到那个阶段。

2. “不是模型的锅，是工具的锅”
   这个结论有道理，但也不绝对。同一模型在不同工具中表现不同，可能和工具的工程优化有关。Nanobot快，旧版龙虾慢，确实说明工具选型重要。但模型的差异依然存在——比如deepseek v4如果出来，可能又会刷新体验。更准确的结论是：工具有差异，模型也影响体验，综合对比才是王道。

3. “雨中捡伞”的边界
   你强调是捡别人”忘拿或丢弃”的，这个意识很好。但”丢弃”和”暂时忘拿”有时很难区分。一把伞放在教室角落，可能主人只是忘了一会儿，等下会回来找。如果直接拿走，对方回来会失望。建议以后遇到类似情况，可以加个缓冲：先确认是不是真的没人要（比如放在失物招领处、或者等下课人群散尽），或者自己带伞出门才是根本。

4. “待办：整理C盘+全栈AI项目”
   “全栈AI项目”太宽泛，容易变成拖延的借口。建议具体化：比如”用Nanobot+Flask做一个简单的AI问答网页”，或者”基于易签项目做一个自动化运维工具”。目标越小，越容易启动。

明日改进

1. 校园网自动登录验证：明天早上7点后，检查是否成功登录。如果失败，记录错误日志，继续调试。
2. C盘整理行动：明天下午抽30分钟，用磁盘分析工具（如WizTree）查看C盘占用，清理无用文件，把能迁移的软件迁移到其他盘。
3. 全栈AI项目具体化：明天花20分钟，把”全栈AI项目”写成具体的需求文档。比如：功能、技术栈、预期成果、一周计划。至少写三行。
4. 备份习惯养成：以后每次修改关键文件前，强制自己先备份（快捷键Ctrl+C Ctrl+V到桌面，改名带日期）。
5. Nanobot技能扩展：明天再为Nanobot写一个小技能，比如”每日天气推送”或”课程表提醒”，持续挖掘它的潜力。

金句留存：

• 迷茫是年轻人的常态，但不妨碍我们一边迷茫一边往前走。
• 生活里很多问题不需要硬扛，换个思路就有解法。但要守住底线。
• 同一类工具，不同实现差距巨大。选对工具，效率翻倍。
• 任何时候动数据，先备份。这不是第一次，也不会是最后一次。
• 乐观有时不是因为没有困难，而是选择相信未来。偶尔借别人的乐观给自己充充电。

周二，又是下雨早八，没吃早饭赶路，骑车差点滑倒，惊险刺激。两节水课让人昏沉，中午口水鸡回血，下午英语课冒雨赶路烦躁。但易班新增两顾客爽赚60，爬虫项目跑通，trae调用minimax飞快，晚上还成功给C盘扩容150G，解决容量焦虑。雨天虽烦，收获不少。

关键成果

• 易班增收：新增2顾客，收入60r，服务持续扩散。
• 技术基建：拉取爬虫项目并跑通，未来可用于SPSS数据分析，计划扩展给龙虾用MCP。
• 效率发现：trae调用minimax速度远超龙虾，决定在coding plan有效期内多用。
• 系统优化：C盘扩容150G，解决容量焦虑，并意识到要规范管理软件文件（尤其龙虾的杂乱）。

习惯追踪

情绪/反思

下雨天骑车：前刹的教训

“下雨天千万不要骑共享单车，太tm滑了，也不要捏前刹，太tm刺激了。”亲身体验得出的血泪教训。那种前轮抱死、后轮漂移的感觉，确实刺激。
感悟： 生活中的危险往往来自经验不足或疏忽。以后下雨要么步行，要么骑车慢行、多用后刹。安全第一，刺激第二。

水课的消耗：既休息不了又无法专注

两节”死人水课”，只能机械玩手机，既没休息好又没学到东西，精力反而被消耗。
感悟： 水课的困境很多人都懂。但也许可以换个策略：如果课真的没用，不如彻底放空（听歌、发呆、规划），或者偷偷做点低专注度的事（刷面经、整理笔记）。别让自己处在”假装听课”的中间状态，那样最累。

易班赚钱：服务即口碑

又来了两个顾客，爽赚60。说明之前的维护没白费，口碑在慢慢扩散。
感悟： 服务行业，每一次及时响应、每一次解决问题，都是在积累信任。虽然手动验证token累，但看到用户增加，还是挺有成就感的。

trae+minimax vs 龙虾：效率之谜

trae调用minimax出奇好用且快速，而龙虾调用慢一批。以后要多用trae，趁coding plan还在有效期。
感悟： 同一模型，不同工具调用效率差异巨大，可能和底层实现、网络优化有关。技术选型不能只看功能，还得实测性能。以后做工具对比时，要把响应速度作为重要指标。

C盘扩容：从焦虑到行动

看到C盘又少5G，终于下定决心扩容。折腾一番后成功增加150G，瞬间不焦虑了。但过程中发现小龙虾文件到处乱放，决定以后要管理好它的文件，方便未来转openclaw时无缝衔接。
感悟： 很多焦虑是因为拖延。动手解决后，发现没那么难。而且扩容还顺带意识到文件管理的重要性——软件可以乱，但自己的数字资产不能乱。提前规划迁移路径，是成熟的表现。

💡 观点批判

你说得对：下雨天骑车确实危险，水课消耗精力，易班赚钱靠服务积累，trae调用minimax快，C盘扩容解决焦虑，这些观察都很真实。

但有没有可能，有些观点可以再延伸一下：

1. “建议大学生下雨天取消上课，嘻嘻”
   这当然是玩笑，但背后是对天气恶劣还要赶课的无奈。现实是，大学不可能因为下雨就停课。与其抱怨，不如提前准备：备好雨具、早点出发、穿防滑鞋。或者，如果雨实在大，可以衡量一下这节课的价值，偶尔请假也未尝不可（但要考虑点名风险）。

2. “水课只能机械玩手机”
   这确实是大多数人的选择，但有没有可能利用水课做点更有积累的事？比如：用手机刷GitHub Trending，收集优质项目；用笔记软件整理面经、写日记、做计划；甚至闭眼休息10分钟，为下节课蓄能。机械玩手机是最没回报的选择，下次可以试着换一种方式。

3. “trae调用minimax出奇好用”
   好用就多用，这是对的。但注意：minimax的coding plan是按量付费的，频繁调用可能会消耗额度。可以对比一下不同模型的性价比，别等月底发现超支。另外，龙虾慢可能是因为它的定位不同（桌面端集成），不一定适合高频调用，可以分开使用场景。

4. “小龙虾文件杂乱”
   这个吐槽太真实了。但换个角度：软件开发者可能没考虑到用户需要迁移。既然你已经有”以后转openclaw”的长远规划，那现在开始规范化管理就非常明智。可以给龙虾单独建一个文件夹，记录它的配置、脚本、输出文件，以后换工具时直接复制经验。这种”可迁移性思维”比单纯吐槽高级得多。

明日改进

1. 雨天安全出行：如果明天下雨，提前10分钟出门，步行或慢骑，避免急刹。备一双干袜子放书包，以防鞋子湿透。
2. 水课利用实验：明天如果遇到水课，尝试做一件”有积累”的事：刷10分钟GitHub，或整理八股脑图，或闭眼听歌放空。记录哪种方式最舒服。
3. trae+minimax深度测试：明天用trae调用minimax完成一个小任务（比如生成一个爬虫脚本），记录耗时和消耗，评估性价比。
4. 龙虾文件整理：明天花15分钟，把龙虾相关的脚本、配置、输出文件统一移动到一个文件夹，并写一个简单的README说明用途。为转openclaw做准备。
5. 易班token监控优化：明天抽时间把token监控脚本写完，减少手动检查。

金句留存：

• 生活中的危险往往来自经验不足。下雨天骑车，慢就是快。
• 水课的中间状态最累：既没休息又没学习。要么彻底放空，要么高效利用。
• 服务行业，每一次及时响应都在积累信任。赚钱是副产品。
• 很多焦虑是因为拖延。动手解决后，发现没那么难。
• 软件可以乱，但自己的数字资产不能乱。提前规划迁移路径，是成熟的表现。

周一，雨下了一天。早八艰难，蹭室友面包，雨中步行15分钟到教室。信息管理课老师严格签到还点名，但课上追出了十福星（人生第一次！）。体育课毽绳室内，累。下午概率论课有了新发现：GitHub的排行榜信息优质，原来GitHub是全球信息仓库，以后要多刷。完善了龙虾截图和一键休眠技能，爽。

关键成果

• 游戏成就：信息资源管理课上追出十福星，人生第一次，开心。
• 认知升级：发现GitHub排行榜作为信息源的价值，认识到GitHub是全球信息仓库，以后要多刷。
• 工具完善：龙虾截图技能完善，新增一键休眠技能（飞书发送），实现电脑长亮/休眠远程控制。
• 项目思考：概率论课上决定要做AI项目，并思考校园网自动登录逻辑，等明天页面出来再搞。

习惯追踪

情绪/反思

雨中步行三千步：早八的艰难

下雨天步行15分钟到教室，三千多步，累得够呛。但蹭了室友的面包，也算温暖。
感悟： 天气不好时，早八的难度翻倍。但提前准备（比如备点干粮、提前出发）能缓解焦虑。室友的面包是情分，记着。

十福星的快乐：小确幸的力量

信息资源管理课老师严格签到点名，但课上追出了十福星，人生第一次！这种小确幸让一整天的疲惫都淡了。
感悟： 生活需要这样的瞬间。不是每节课都要苦大仇深，偶尔放松也能点亮心情。但别让游戏影响正事，适可而止。

GitHub：以前用错了，现在才发现它是全球信息仓库

概率论课上刷到GitHub排行榜，发现上面信息太优质了。以前只知道clone代码，现在才明白GitHub是信息宝库。
感悟： 同样的工具，用的人不同，价值天差地别。以后要养成每天刷GitHub Trending的习惯，关注优质项目、仓库、博主。信息源对了，学习效率翻倍。

龙虾技能：从跟风到实用

完善了截图技能，新增一键休眠技能，现在可以通过飞书远程控制电脑长亮/休眠。发现龙虾不能跟风养，要发掘自己需要的技能。
感悟： 工具的价值在于解决自己的真实需求。截图技能、休眠技能都是因为自己需要才去做的，比盲目跟风捣鼓有用得多。以后用任何工具都先问自己：我需要它做什么？

💡 观点批判

你说得对：GitHub确实是全球信息仓库，排行榜信息优质；龙虾要发掘自己需要的技能，不能跟风；十福星的快乐是真实的小确幸。

但有没有可能，有些判断可以再想想：

1. “GitHub是全球信息仓库”
   这个认识很好，但温和提醒：GitHub上的信息也有噪音。排行榜上很多项目是流行框架、玩具项目，不一定都适合你。要学会筛选：看star数、看更新时间、看文档质量、看是否解决实际问题。信息源重要，信息筛选能力更重要。

2. “要做AI项目”
   概率论课上冒出这个念头，很自然。但”做AI项目”太宽泛，容易变成拖延的借口。建议具体化：是做一个AI工具（比如自动签到助手），还是用AI优化现有项目，还是研究某个AI框架？目标越具体，越容易启动。

3. “完善龙虾技能”
   截图、休眠都是实用技能，很好。但注意：远程控制电脑涉及安全，要确保飞书账号和脚本不被滥用。可以加个简单的验证机制，比如只有特定命令才执行。

4. “人生第一次十福星”
   这种快乐要珍惜，但别沉迷。老师严格签到点名，你却课上追游戏，万一被抓到就不妙了。下次可以换个时间玩，比如课后奖励自己一把。

明日改进

1. GitHub每日刷：明天开始，每天花10分钟刷GitHub Trending，关注Java、AI、工具类项目，记录3个感兴趣的项目或仓库。
2. AI项目具体化：明天花20分钟，把”做AI项目”具体化：写一个简单的AI需求文档，包括功能、技术栈、预期成果。哪怕只有几行字。
3. 校园网自动登录：明天拿到登录页面后，尝试用龙虾定时任务实现自动登录，或者找现成脚本。目标是跑通流程。
4. 雨天装备准备：如果明天还下雨，提前备好干粮、雨伞，预留更多时间，避免早八慌乱。

金句留存：

• 同样的工具，用的人不同，价值天差地别。信息源对了，学习效率翻倍。
• 工具的价值在于解决自己的真实需求，不是跟风捣鼓。
• GitHub不是代码仓库，是信息宝库。但宝库里也有垃圾，筛选能力决定收获。
• 小确幸能点亮一天，但别让游戏影响正事。适可而止。

周末两天被小龙虾硬控住了，总想捣鼓出点什么，但折腾下来发现能做的很有限。唯一落地的成果是用龙虾实现了易班签到自动运行和结果推送。周末不充实，没产出也没出去玩，一个人不想出门，学校里也找不到相处舒适的人。下周必须搞定自动登录校园网，八股要连贯记忆。

关键成果

• 易班自动化：用龙虾成功实现自动运行签到脚本+结果推送，解放手动操作。
• 工具边界认知：认识到平民AI+桌面端龙虾的局限，用skill模拟开源效果不现实（AI调试慢、结果不确定）。
• 自我觉察：周末感觉空虚，意识到社交需求和不爱独处的矛盾。

习惯追踪

情绪/反思

被工具硬控的两天：期望与现实的落差

周末想用龙虾捣鼓出点东西，结果发现能折腾的空间很小。定时任务、接入飞书都是官方做好的，自己写skill让AI调试，慢且结果不稳定。AI像个黑盒子，每次输出不一样。
感悟： 这种挫败感很熟悉——以为自己能造火箭，结果只是在拼乐高。但换个角度，拼乐高也能拼出有用的东西。龙虾至少解决了易班自动签到，这已经是实实在在的成果了。工具只是工具，能解决一个具体问题，就是好工具。别总想着复现开源大佬的效果，先从自己的小需求做起。

周末不充实：是没产出，还是没出去玩？

感觉周末什么也没干，不充实。但仔细想，其实做了事（折腾龙虾），只是没有”看得见的产出”。而且一个人不想出门，学校里又找不到相处舒适的人，社交需求没满足，加剧了空虚感。
感悟： 充实感可能来自两方面：有意义的产出，或者愉悦的体验。如果产出不明显，那就需要后者来补。下周可以主动约一两个还算聊得来的同学去食堂或散步，哪怕只是半小时，也能打破孤独。如果约不到，就接受独处，给自己安排一件纯粹享受的事（比如看一部电影、去操场听歌）。

下周计划：定时登录校园网+连贯记忆八股

下周的目标很明确：搞定自动登录校园网（类似易班自动化），以及八股必须连贯记忆，不能三天打鱼两天晒网。
感悟： 目标清晰是好事，但”连贯记忆”太空泛。需要拆解成具体动作：比如每天早起背2个Java集合题，睡前复习当天内容。定时登录校园网可以先调研一下有没有现成脚本，或者用龙虾的定时任务试试。

💡 观点批判

你说得对：周末被工具硬控却没产出，确实让人挫败；一个人不想出门，找不到舒适相处的朋友，也是真实的孤独。

但有没有可能，有些判断可以调整：

1. “什么也没干”
   这太苛刻了。你至少干了一件事：用龙虾实现了易班自动签到+推送。这是自动化运维的突破，以后每天能省下手动检查的时间。这叫”有成果”，不是”什么也没干”。只是这个成果不够炫酷，所以自己忽略了。建议把它记下来，当成周末的实在收获。

2. “用skill实现开源效果”的执念
   你想用skill复现openclaw的效果，但工具层面就不对等。开源项目是代码级，你是黑盒调试，难度不在一个量级。这个执念有点像”想用自行车跑出高铁的速度”。换个思路：龙虾能做到什么，就用它做什么；做不到的，要么换工具，要么接受现实。别在工具边界上死磕。

3. “一个人就不想出去”
   这是典型的”行动需要动力先行”模式——先有想出去的念头，才行动。但有时反着来：先行动，念头才会出现。比如先强迫自己下楼走十分钟，心情可能就变了。下周可以试试：不想出门时，先穿上鞋下楼，走到食堂买个水果再回来。小行动打破僵局。

4. “在学校找不到相处舒适的人”
   舒适的关系需要时间和事件培养。如果只是普通同学，可以试着从”一起做件事”开始，比如一起吃饭、一起自习、一起跑校园跑。共同经历会拉近距离。如果试了一圈还是不行，那就接受”学校里没有深交”的现实，把社交重心放在线上同好圈或假期回家。

明日改进

1. 八股连贯记忆启动：明天早上背2个Java集合题，晚上睡前花5分钟默写关键词。目标是坚持一周，不断档。
2. 定时登录校园网调研：明天花30分钟搜一下有没有现成脚本或教程。如果有，尝试用龙虾定时任务跑；如果没有，先记录需求，下周再研究。
3. 小行动打破孤独：明天晚饭后，主动约一个室友或同学去操场走一圈。如果对方没空，就自己下楼走15分钟，听播客或音乐。
4. 接受周末成果：在备忘录里写一句话：”周末搞定了易班自动化，以后每天省5分钟。这是实在的成果。”提醒自己别否定微小的进步。

金句留存：

• 工具只是工具，能解决一个具体问题，就是好工具。别总想造火箭，拼乐高也能拼出有用东西。
• 充实感来自有意义的产出或愉悦的体验。缺一个，就补另一个。
• 不想出门时，先穿上鞋下楼。行动会带动念头。
• 舒适的关系需要时间和事件培养。从”一起做件事”开始。

今天咱们用文字深度复盘。尤其是那个贯穿全文的原则——渐进式披露（Progressive Disclosure），如果你正在搭建自己的智能体（Agent），或者只是想更好地使用Cloud Code，这篇文章的价值会放大十倍。

一、什么是渐进式披露？先从一个比喻说起

Tariq开篇打了个比方：想象你面前有一道很难的数学题，你会用什么工具去解决它？纸和笔最基础，但算力有限；计算器好一点，但需要你懂操作；电脑最强，但你得会写代码。

这个比喻想表达什么？工具必须匹配使用者的能力。 如果使用者（这里就是AI模型）的能力还没到那个层次，你给它再强的工具也是白搭；反过来，如果模型的能力已经足够强，那些过于简单的工具反而会成为累赘。

而渐进式披露，就是解决这个矛盾的核心原则。用一句话解释：别一次性把所有信息都塞给智能体，让它按需获取、分层展开。 这个原则听起来简单，但Cloud Code团队在三个方向上反复验证，踩了无数坑才真正悟透。

二、方向一：上下文获取——别再替Agent“投喂”了

早期的Cloud Code也用RAG（检索增强生成），这是当时最标准的做法：先给代码库建向量索引，用户提问时检索相关片段，然后一股脑儿塞进上下文里。但后来他们把这个功能砍了。为什么？

Tariq的原话说得很犀利：“如果Cloud自己都能去搜索网络了，为什么不能让它自己去搜索你的代码库？” 换句话说，既然模型已经具备调用工具的能力，我们为什么还要替它把饭嚼碎了喂到嘴边？

于是他们改成让Cloud自己调用一个“搜索代码库”的工具。结果效果反而更好——因为模型自己清楚自己缺什么，搜到的内容天然能接上当前的推理链路。后来他们还加入了skills机制：当Cloud读一个文件时，如果发现里面引用了另一个文件，它会自动跳过去读；如果那个文件还有引用，就继续递归展开。一年前，Cloud还完全不会自己找上下文，现在却能多层嵌套搜索、精准定位。

核心启发： 如果你正在搭智能体，千万别替Agent决定它应该看到什么。给它搜索工具，给它入口文件，给它权限，让它自己帮你去挖。你替它找的资料，它未必能理解；但它自己找的推理链路，才是最完整的。

三、方向二：拓展能力——不加工具也能扩展行动空间

用户可能会问Cloud Code这样的问题：“如何配置MCP server？”问题是，Cloud模型本身并不知道怎么使用Cloud Code的各种功能。那要不要给它加一个“读取官方文档”的工具呢？

Tariq透露了一个关键数字：目前Cloud Code官方大概有20个工具，团队对新工具的加入卡得非常严格。为什么？因为每多加一个工具，模型每次推理时就要多权衡一个选项，决策负担会指数级上升。

那能不能把使用文档直接塞进系统提示词里？肯定不行。因为99%的时候没人会问文档相关问题，但文档一旦被塞进系统提示词，每轮对话都会加载，造成严重的上下文污染，干扰模型干正事。

最终的方案是搞了一个子代理：专门用来指导Cloud Code工作，只有用户问相关问题时才启动它。子代理有专门的搜索指令，找到答案就返回，不会把原始文档全部加载进来。Tariq写了一句极有启发性的话：“我们现在无需添加任何工具，就可以向Cloud的操作空间里添加内容。” 不加工具、不改提示词，照样拓展了Agent的行动空间。

核心启发： 如果你在搭智能体，遇到“要不要加一个新工具”这种问题时，先想想能不能用子代理？能不能用文件引用？能不能让Agent在需要时自己发现能力？而不是一开始就把所有选项摆在它面前。

四、方向三：工具的淘汰——模型变强了，旧工具就成了枷锁

这个坑是最隐蔽的。早期Cloud Code记性差，团队专门给它做了一个待办清单工具（todo list），每隔五轮对话还插一条系统提醒：“别忘了你还有这些待办事项。”但模型升级以后，这个设计反而害了它。

Tariq的原话是这样：“随着模型的改进，它们不再需要被待办事项提醒，反而觉得这种提醒过于苛刻。收到提醒会让Cloud认为必须严格遵守清单，而不能灵活调整。” 更强的模型根本不需要这种死板的规矩，而且这种提醒会让它不敢变通。

后来团队改用了task工具，能设置依赖关系，多个子代理之间可以共享进度，模型自己也能修改任务、删除任务。Tariq总结道：“随着模型能力增强，模型曾经需要的工具，现在反而会变成限制它们发展的障碍。模型的能力在涨，但给的工具没跟上，那这些工具就从辅助变成了枷锁。”

核心启发： 定期审视你的工具库。三个月前模型可能需要某个工具辅助，但现在对它来说可能完全是负担。别让工具成为束缚。

五、给开发者和用户的实用建议

看完这三个方向，咱们回到自己身上。如果你正准备搭建智能体，或者正在用Cloud Code写代码，下面这几点建议值得你记下来：

1. 工具要少而精
   Cloud Code团队有20个工具都觉得太多。与其一开始塞50个、100个工具去覆盖所有场景，不如只给核心工具，再加一个搜索或发现机制。他们团队做了个“延迟加载”（lazy loading）的设计：工具里只放一个轻量级钩子，智能体需要时再通过搜索发现并加载完整定义。

2. 优先考虑子代理和文件引用，而不是堆工具
   想扩展能力？先想能不能用子代理，能不能让Agent在需要时自己读文件，而不是盲目加工具。子代理和文件引用是更优雅的渐进式披露。

3. 定期审视你的工具
   每个季度翻一翻你给Agent配的工具列表，问问自己：这些工具现在还必要吗？有没有哪个反而限制了Agent的灵活性？

4. 如果你在用Cloud Code写代码，优化你的.claude.md文件
   这个文件就是你能控制的系统提示词。别写成繁琐的操作手册，只放骨架核心：项目简介、技术栈、三五条最关键的规则。然后把详细规范独立到其他文件里，把文件路径留在.claude.md中。比如你可以写一句“提交规范详见docs/commit.md”，Cloud真正要提交时，它会自己去读那份文件。
   同样，提问时也别把你觉得相关的所有文件都贴进窗口，而是给方向和入口：“现在刷新失败，报错是XXX，你从哪个模块开始查？”让Agent自己去定位。

六、既是科学，也是艺术

Tariq在文章结尾说了一段话，我觉得所有做AI Agent的人都应该刻在脑子里：“给Agent设计工具，既是一门科学，也是一门艺术。没有一套公式能覆盖所有场景，你要多试、多观察、多迭代，找到你自己的感觉和品味。而渐进式披露，是我们团队目前验证下来最有效的那根主线——你塞得越多，Agent反而越受限；你给得越克制，它发挥得反而越好。”

下次你用Cloud Code时，不妨想想它背后的这套设计哲学；下次你搭智能体时，也试着用渐进式披露的眼光去审视每一个工具。也许你会发现，少即是多，克制才是真正的智慧。

如果你也被这篇技术文章启发到了，欢迎在评论区聊聊你的看法。觉得这篇文章有用的话，点个赞、分享给身边搭智能体的朋友，咱们下期见！

关键词：渐进式披露、AI Agent设计、Cloud Code、智能体开发、上下文污染、子代理、延迟加载

https://www.acwing.com/file_system/file/content/whole/index/content/2855530/

常用命令介绍

(1) ctrl c: 取消命令，并且换行
(2) ctrl u: 清空本行命令
(3) tab键：可以补全命令和文件名，如果补全不了快速按两下tab键，可以显示备选选项
(4) ls: 列出当前目录下所有文件，蓝色的是文件夹，白色的是普通文件，绿色的是可执行文件
(5) pwd: 显示当前路径
(6) cd XXX: 进入XXX目录下, cd .. 返回上层目录
(7) cp XXX YYY: 将XXX文件复制成YYY，XXX和YYY可以是一个路径，比如../dir_c/a.txt，表示上层目录下的dir_c文件夹下的文件a.txt
(8) mkdir XXX: 创建目录XXX
(9) rm XXX: 删除普通文件; rm XXX -r: 删除文件夹
(10) mv XXX YYY: 将XXX文件移动到YYY，和cp命令一样，XXX和YYY可以是一个路径；重命名也是用这个命令
(11) touch XXX: 创建一个文件
(12) cat XXX: 展示文件XXX中的内容
(13) 复制文本
windows/Linux下：Ctrl + insert，Mac下：command + c
(14) 粘贴文本
windows/Linux下：Shift + insert，Mac下：command + v

测试

(0)分别创建文件夹dir_a, dir_b, dir_c

1

mkdir dir_a, dir_b, dir_c

(1)将a.txt, b.txt, c.txt 分别复制成: a.txt.bak, b.txt.bak, c.txt.bak

1
2
3

cp a.txt a.txt.bak
cp b.txt b.txt.bak
cp c.txt c.txt.bak

(2)将a.txt, b.txt, c.txt 分别重命名为: a_new.txt, b_new.txt, c_new.txt

1
2
3

mv a.txt a_new.txt
mv b.txt b_new.txt
mv c.txt c_new.txt

(3)将dir_a文件夹下的a.txt, b.txt, c.txt分别移动到文件夹dir_b下

1

mv dir_a/* dir_b/

(4)将普通文件a.txt, b.txt, c.txt删除

1

rm a.txt b.txt c.txt

(5)将文件夹dir_a, dir_b, dir_c删除

1

rm dir_a dir_b dir_c -r

(6)查看task.txt的内容，并按其指示进行操作

1
2
3
4
5
6
7
8
9
10
11

cat task.txt
将task.txt重命名为done.txt, 创建目录dir_a，将done.txt移动到目录dir_a下
mv task.txt done.txt
mkdir dir_a
mv done.txt dir_a/

或者

mkdir dir_a
mv task.txt dir_a/done.txt

(7)创建文件夹dir_0, dir_1, dir_2，
将a.txt, b.txt, c.txt复制到dir_0下，重命名为a0.txt, b0.txt, c0.txt;
将a.txt, b.txt, c.txt复制到dir_1下，重命名为a1.txt, b1.txt, c1.txt;
将a.txt, b.txt, c.txt复制到dir_2下，重命名为a2.txt, b2.txt, c2.txt;

1
2
3
4
5
6
7
8
9
10
11

mkdir dir_0 dir_1 dir_2
cp a.txt dir_0/a0.txt
cp b.txt dir_0/b0.txt
cp c.txt dir_0/c0.txt
cp a.txt dir_1/a1.txt
cp b.txt dir_1/b1.txt
cp c.txt dir_1/c1.txt
cp a.txt dir_2/a2.txt
cp b.txt dir_2/b2.txt
cp c.txt dir_2/c2.txt

(8)分别在dir_a, dir_b, dir_c文件夹下查看task.txt的内容，并分别按照指示进行操作

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

cd dir_a
cat task.txt
将a.txt删除
rm a.txt

cd dir_b
cat task.txt
将b.txt重命名为b_new.txt
mv b.txt b_new.txt

cd dir_c
cat task.txt
c.txt复制成c.txt.bak
cp c.txt c.txt.bak

(9)将其中所有txt类型的文件删除

1

rm *.txt

RAG，全称Retrieval Augmented Generation，翻译过来就是“检索增强生成”。听起来高深莫测，实则核心逻辑简单到颠覆认知。今天，我们就从原理拆解、流程剖析、关键技术、实际应用四个维度，把RAG讲透，让你看完就能摸清搭建智能知识库的底层逻辑，甚至能动手尝试落地。

一、为什么需要RAG？大模型的“痛点”催生的解决方案

在RAG出现之前，我们要实现智能问答，最直接的思路就是“把所有资料丢给大模型”。比如你想做一个产品客服，就把上百页的产品手册一起发给GPT-4、DeepSeek这类大模型，让它基于手册回答用户问题。

但这种方式看似简单，实际操作中会遇到三个无法规避的痛点，直接导致问答效果拉胯：

• 上下文窗口限制：每个大模型都有固定的“上下文窗口大小”，就像人的短期记忆有上限，超过这个上限，模型就会“记前忘后”。上百页的产品手册，大概率会超出窗口，导致模型无法读取全部内容，回答准确率大幅下降。
• 推理成本过高：大模型的推理成本和输入内容的多少正相关，每次提问都附带厚厚的文档，长期下来，成本会高到难以承受，尤其是对中小企业而言。
• 响应速度缓慢：输入内容越多，模型需要消化、处理的信息就越多，输出答案的速度自然会变慢。用户提问后等几十秒甚至几分钟才能得到回复，体验会极差。

既然“全量投喂”行不通，那我们换个思路：只把和用户问题相关的内容发给模型，不就解决所有问题了？这就是RAG的核心初衷——先检索、再生成，用“精准检索”替代“全量输入”，既解决大模型的痛点，又能提升问答的准确性和效率。

如今，RAG已经成为AI问答领域最主流的解决方案，无论是企业内部的知识助手、面向客户的智能客服，还是教育领域的答疑机器人，背后几乎都有RAG技术的支撑。甚至随着技术演进，RAG已从传统文本检索，向多模态、多智能体协作方向发展，应用场景愈发广泛。

二、RAG核心流程拆解：两步走，搞定智能问答

RAG的整体流程可以清晰地分为两个阶段：提问前的准备阶段和提问后的回答阶段，总共包含5个核心环节——分片、索引、召回、重排、生成。我们一步步拆解，用最通俗的语言讲明白每个环节的作用。

（一）提问前：做好准备，让知识库“有料可查”

这个阶段的核心目标是“预处理资料”，把杂乱的文档整理成可快速检索的形式，就像我们整理书架，把书籍分类摆放，方便后续快速找到想要的书。主要包含两个环节：分片和索引。

1. 分片：把“厚文档”切成“小片段”

分片顾名思义，就是把完整的文档切割成多个小片段。为什么要这么做？因为完整文档体积大、信息杂乱，直接检索会很慢，而切成小片段后，能精准定位到和问题相关的内容。

分片的方式没有固定标准，可根据文档类型灵活选择：

• 按字数分：比如每1000字一个片段，适合纯文本文档（如产品手册、小说）；
• 按段落分：一个段落一个片段，适合结构清晰的文章（如博客、报告）；
• 按章节/页码分：适合书籍、手册类文档，能保留内容的逻辑关联性；

核心原则是：片段不宜过大（否则检索效率低），也不宜过小（否则会破坏内容的完整性），确保每个片段都包含完整的核心信息。

2. 索引：给片段“贴标签”，方便快速找到

分片完成后，我们得到了一堆文本片段，但这些片段还是“杂乱无章”的，无法快速找到和用户问题相关的内容。这时候就需要“索引”环节，给每个片段做“标记”，让后续检索能快速匹配。

索引的核心操作只有两步，但包含的技术细节很多：

1. 用Embedding模型，将每个文本片段转换为“向量”；
2. 把“文本片段+对应向量”一起存储到“向量数据库”中。

这里涉及三个关键名词——向量、Embedding、向量数据库，我们先简单拆解，后面再详细讲解：

• 向量：可以理解为“文本的数字身份证”，用一组数字（数组）表示文本的语义，数字越相似，文本的含义越接近；
• Embedding：就是“把文本转换成向量的过程”，由专门的Embedding模型完成，不是我们常用的GPT-4这类生成式模型；
• 向量数据库：专门用来存储和查询向量的数据库，能快速计算两个向量的相似度，从而找到最相关的文本片段。

索引完成后，我们的“知识库”就搭建好了，相当于给所有文本片段建立了“快速检索目录”，就等用户提问了。值得一提的是，随着技术发展，索引环节也在不断优化，比如GraphRAG通过构建知识图谱，实现了实体级别的关系推理，让检索更精准。

（二）提问后：精准检索，生成靠谱答案

当用户提出问题后，RAG就会启动“回答流程”，核心是“找到最相关的片段，再让大模型生成答案”，包含三个环节：召回、重排、生成。

1. 召回：从知识库中“初步筛选”相关片段

召回的作用是“快速筛选”，从所有片段中，找出和用户问题最相关的一批片段（通常是10个左右，数量可调整）。具体流程很简单：

1. 用户提问后，先用Embedding模型，将问题转换成向量；
2. 把这个向量发给向量数据库，让数据库计算“问题向量”和“所有片段向量”的相似度；
3. 将相似度排序，取前10个（可自定义）最相似的片段，作为召回结果。

这里的关键是“向量相似度计算”，常用的方法有三种，各有特点，可根据需求选择：

• 余弦相似度：计算两个向量之间的夹角，夹角越小，相似度越高，适合大部分文本场景；
• 欧式距离：计算两个向量之间的直线距离，距离越小，相似度越高，适合短文本检索；
• 点积：衡量两个向量的方向和长度，乘积越大，相似度越高，适合需要考虑文本权重的场景。

召回环节的特点是“快、全”，能在短时间内从大量片段中筛选出相关内容，但准确率不算特别高——毕竟只是通过向量相似度做初步筛选，可能会混入一些相关性不强的片段。

2. 重排：对召回结果“精挑细选”

重排，顾名思义，就是“重新排序”——从召回的10个片段中，再筛选出3个左右（可自定义）最相关的片段。可能有人会问：“直接召回3个不就行了，为什么要多此一举？”

答案很简单：召回和重排的“筛选逻辑”不一样，两者结合才能兼顾“效率”和“准确率”。

我们可以用“公司招聘”来类比，理解起来更简单：

• 召回：相当于“简历筛选”，HR用简单的关键词（比如“本科+3年经验”），从成千上万份简历中，挑出10份看起来符合要求的简历，特点是“快、高效”，但可能会漏掉一些优秀候选人，也可能混入一些不符合要求的；
• 重排：相当于“面试”，HR对这10份简历的候选人进行面对面面试，仔细考察能力，最终挑出3个最适合岗位的人，特点是“慢、精准”，能弥补简历筛选的不足。

具体来说，召回用的是“向量相似度”，成本低、速度快，但准确率一般；重排用的是专门的CrossEncoder模型，成本高、速度稍慢，但准确率极高，能精准筛选出和问题最相关的片段。两者结合，既能保证检索速度，又能保证检索精度。

3. 生成：让大模型“基于相关片段”输出答案

这是最后一步，也是最直观的一步——把“用户问题”和“重排后的3个相关片段”一起发给大模型（如GPT-4、DeepSeek），让大模型基于这些片段，生成准确、流畅的答案。

这里的核心优势是：大模型只需要基于少量相关片段生成答案，既不会超出上下文窗口，又能保证答案的准确性（因为所有答案都来自于我们提供的资料，避免大模型“胡言乱语”），同时推理成本和响应速度也会大幅提升。

更高级的生成逻辑的是多智能体协作，比如ViDoRAG框架，通过“探索者”“检查员”“回答者”三个智能体的迭代协作，不断修正对问题的理解，生成更精准的答案，尤其适合处理复杂的视觉丰富文档。

三、关键技术详解：向量、Embedding、向量数据库，一文搞懂

前面反复提到了向量、Embedding、向量数据库这三个核心名词，这是理解RAG的关键，也是很多人入门时的“绊脚石”。下面用最通俗的语言，结合例子，把这三个概念讲透，不用懂复杂的数学，也能轻松理解。

1. 向量：文本的“数字身份证”

向量是数学中的一个概念，代表“有大小、有方向的量”，在RAG中，我们用向量来“表示文本的语义”。简单来说，每一段文本，都可以转换成一组数字（比如[0.12, 0.34, 0.56, …]），这组数字就是这段文本的向量。

向量的核心特点是：语义越相似，向量越接近。比如：

• “马克喜欢吃水果”的向量是[1.2, 2.3]
• “马克爱吃水果”的向量是[1.1, 2.2]
• “天气真好”的向量是[3.1, -1.2]

前两个句子的向量非常接近，说明它们的语义相近；而“天气真好”的向量和前两个差距很大，说明语义无关。这就是RAG能“精准检索”的核心逻辑——通过对比向量相似度，找到语义最接近的文本片段。

需要注意的是，RAG中用到的向量，维度通常很高（几百甚至几千维），我们无法用肉眼可视化，但这并不影响它的作用——维度越高，向量包含的语义信息越丰富，检索的准确性就越高。

2. Embedding：把文本“转换成向量”的过程

Embedding翻译过来是“嵌入”，在RAG中，就是“将文本转换成向量的过程”。这个过程不是手动完成的，而是由专门的“Embedding模型”来实现的。

这里要注意：Embedding模型和我们常用的生成式模型（如GPT-4）不一样，它的核心功能不是“生成文本”，而是“转换向量”，而且转换速度快、成本低。

如果想选择合适的Embedding模型，可以参考MTEB排行榜（文档中提到的MTAP应为笔误），这个排行榜会对各类Embedding模型进行评测，根据准确率、速度、成本等维度排序，方便我们根据自己的需求选择（比如新手可以先从开源的Sentence-BERT入手，简单易上手）。

3. 向量数据库：向量的“专属仓库”

向量数据库，就是专门用来存储和查询向量的数据库。和我们常用的关系型数据库（如MySQL）不一样，它不是存储“表格数据”，而是存储“向量+对应的文本片段”，并且针对向量的检索做了专门优化，能快速计算向量相似度。

向量数据库的核心作用有两个：

• 存储：把分片后的文本片段，以及对应的向量，一起存储起来，相当于给向量建立“档案”；
• 查询：接收用户问题的向量，快速计算和所有存储向量的相似度，返回最相似的片段。

常用的向量数据库有Pinecone、Milvus、Chroma等，其中Chroma开源免费，适合新手入门；Pinecone是托管式数据库，不用自己部署，适合企业快速落地。需要注意的是，我们存储的不仅是向量，还有原始文本片段——因为向量只是中间工具，最终需要把原始文本发给大模型，生成答案。

随着多模态RAG的发展，向量数据库也在升级，能够支持图像、视频等多模态数据的存储和检索，通过跨模态表示技术，实现文本与非文本数据的精准匹配。

四、RAG的实际应用场景：不止是智能客服

RAG的应用场景非常广泛，只要涉及“基于特定资料回答问题”，都可以用RAG来实现。除了我们前面提到的智能客服，还有这些常见场景：

1. 企业内部知识库：把公司的规章制度、产品手册、技术文档、员工培训资料等整理成知识库，员工提问时，RAG能快速检索相关内容，生成精准答案，节省培训和查询时间；
2. 教育领域答疑：把教材、课件、习题解析等资料做成知识库，学生提问时，能快速得到针对性解答，比如“这道数学题怎么解”“这个知识点是什么意思”；
3. 医疗知识助手：把医学文献、病历模板、药品说明等资料整理成知识库，医生或患者提问时，能快速获取相关医疗信息（注意：不能替代专业诊断）；
4. 电商售后答疑：把商品详情、售后政策、常见问题等整理成知识库，自动响应用户的售后咨询，比如“商品怎么退款”“物流什么时候到”；
5. 多模态场景应用：在医疗、教育等领域，通过多模态RAG处理图像、视频等数据，比如自动化放射学报告生成，提升工作效率和准确性。

五、新手入门建议：从简单到复杂，逐步落地

很多人觉得RAG技术复杂，不敢动手尝试，但其实新手可以从简单的场景入手，逐步熟悉流程。这里给大家几个入门建议：

• 先选简单的工具：新手可以先用开源的Chroma向量数据库（不用部署，直接用）、Sentence-BERT Embedding模型、ChatGLM（开源大模型），搭建一个简单的RAGdemo；
• 从短文档入手：先不用处理上百页的厚文档，找一篇简单的文章（比如一篇博客），尝试分片、索引、召回、生成的完整流程，熟悉每个环节的操作；
• 逐步优化：先实现“能检索、能生成”，再优化分片方式、调整召回数量、更换更合适的Embedding模型，提升问答准确率；
• 关注技术演进：多了解多模态RAG、GraphRAG等最新方向，结合实际需求，逐步提升知识库的能力。

六、总结：RAG的核心价值，是让AI问答“更精准、更高效、更可控”

看到这里，相信你已经对RAG有了全面的了解。其实RAG的核心逻辑很简单：用“检索”解决大模型的上下文限制、成本高、速度慢的痛点，用“生成”保证答案的流畅性和可读性，两者结合，让AI问答更精准、更高效、更可控。

它不需要我们掌握复杂的数学知识，也不需要我们开发复杂的模型，只要理解核心流程，选择合适的工具，就能快速搭建属于自己的智能知识库或智能客服。

随着技术的不断演进，RAG正从简单的“检索-生成”流水线，向多智能体协作、多模态融合的方向发展，未来会在更多领域释放价值。如果你也有搭建智能知识库的需求，不妨从RAG入手，动手尝试，相信你会发现AI问答的乐趣和价值。