Of Agents & Machines
与会思考的程序为伴 — 拆机制、写实现、读它的"心"
把 ChatGPT 实时语音从头拆到尾：VAD / ASR / LLM / TTS 五个模块加一个事件驱动的 Realtime Scheduler，构成一台永远运行的流式系统。文章讲清「为什么能边听边说」「Reply Score 怎么算」「为什么'嗯''啊'不会打断'等等'就会」「打断发生时状态如何冻结重启」「LLM 靠 KV Cache + 增量解码 + 推测解码把首 token 时延压到最低」等一整条链路——最后落到一个反直觉的结论：真正让它像真人对话的从来不是 LLM，而是 Scheduler。
用生活例子和一连串「什么是 / 什么不是」，把帕兰提尔（Palantir）那套本体（Ontology）讲成大白话：本体 = 把一堆只有机器看的表格，翻译成人和 AI 都能看懂、还能动手操作的现实世界地图。四件套（对象 / 属性 / 关系 / 动作）逐个拆解，配三个从自己场景里认出本体的练习，最后给一份「我到底要不要建本体」的一分钟自测。
从 $200 到 ¥49,谁最适合你
以「单价折算」为锚,把 2026 年所有 AI 订阅放到一张轴上看。从 ChatGPT Pro / Claude Max 国际双雄到 GLM、Kimi、阿里百炼、火山豆包等国产 Coding Plan 六雄,拆「第一性原理」「计量哲学」「为什么国产能塞进 Claude Code」三层,附横向对比表、决策树和按人群推荐。最后六个坑帮你签约前避雷——限流墙、配额衰减、出海合规这些单价数字看不到的暗面。
OpenAgents 与 Slock 同属「Agent 协作层」这个新兴品类——都把「给 agent 用的 Slack」作为产品形态，让人和 agent 在频道里平权协作。但分野在协调、记忆、开源三个维度：OpenAgents 是开源 SDK + Workspace + Launcher 三件套，靠 ONM 协议串联;Slock 是闭源托管 SaaS，把 Task Claim 做成系统级强协议防撞单，记忆机制是 MEMORY.md 本地层 + EverMemOS 云端长期记忆双层。8 章覆盖品类定位、各自架构、正面对比、优劣局限与选型建议。
从消息协作到多 Agent 操作系统
一份偏工程蓝图的 Slock 架构白皮书，17 章覆盖从「为什么」到「怎么建」的完整链路。先讲清 Slock 不是聊天工具而是「AI 协作操作系统」的雏形——把消息转化为任务、任务分配给 Agent、Agent 绑定到真实 Computer、通过本地 CLI 完成实际工作。然后逐层拆解五层模型（协作界面/Slock 服务/Agent 编排/Computer 执行/长期状态）、12+ 核心实体、消息投递的 freshness hold 机制、任务状态机的原子 claim、Agent / Computer / Workspace 三者关系、上下文与记忆治理、Agent Runtime 分层、安全权限与可靠性矩阵。最后给出 10 步从零设计 Slock 的 build roadmap、推荐数据模型、Phase 0-6 的 MVP 到平台版路线图，以及 MVP / 可靠性 / 安全 / 记忆四块实现检查清单。
一份完整指南
Anthropic 6·15 订阅计费重构的完整版指南，覆盖政策追踪、额度账本、合规边界、工程实践四个层面，共 12 章三大部分。第一部分讲清这件事是怎么发生的：四个月三次翻转的时间线、交互池 vs 程序化池的双轨制、各档订阅的程序化额度逐档拆解。第二部分回答合规问题：哪些操作扣哪个池、封号红绿灯三档、飞书定时任务实例的具体合规判定、团队/多账号场景的反直觉坑。第三部分给出工程实践：省额度的技巧、定时任务的健壮架构、迁移决策树（留订阅还是切 API）、6·15 前后的行动清单。比简版报告多出团队场景/省额度工程/健壮架构/迁移决策树四大块。
一个极简 agent harness 的深度调研
对极简 agent harness「pi」的深度技术调研。pi 出自 libGDX 作者 Mario Zechner 之手，信奉「减法哲学」——只给模型 4 个工具、系统提示词不到 1000 token，反对把专用能力烤进内核。文章先澄清 OpenClaw 只是 pi 应用层封装这一关键边界，再逐层拆解四层包架构（pi-ai / agent-core / coding-agent / tui）、JSONL 会话树、扩展系统与 streamFn 中间件等核心机制，最后落到“如何基于 pi 搭建自己的多 agent 平台”。
Claude Code 是如何被魔改成桌面 Agent 的
拆解 alice（米央科技）这款桌面 Agent 应用：骨架是 Claude Code 的 1:1 设计移植——LLMClient / AgentQuery / PermissionEngine / ContextManager / TaskManager / MCPClient / MemoryStore 七大核心类与 Claude Code 同构，4 种权限模式同构，tool_use 主循环同构；魔改集中在工具命名 snake_case 化、SKILL.md 加 when_to_use 字段、多 LLM Provider 抽象；自研增强层加了 PersonaSystem / EmotionSystem / WorldEngine / 19 个 SKILL 角色 + SwarmCoordinator 多 agent 任务队列，让 alice 从「编程助手」升级为「有情感、有日常、有同事」的虚拟人格。
2026
抖音 AI 视频赛道全景拆解:讲解类 vs 剧情类两条主流玩法、五层工具栈、视频生成模型按前沿能力重新排序、声音 / 数字人 / 剪映 / Agent skills 各自定位,最后给出 30 天起跑路径 + 常见坑。不堆工具清单,告诉你怎么按顺序起跑。
未来五年推演
一份模拟「深夜编辑部」出品的长篇推演报告，把 AI 在 2026-2031 这五年的演化拆成五个 AI 形态、八个行业的终局、三种独角兽形态、普通人的能力/工具/结构/产品四向布局。米底纸质 + 深咖橙 accent，重观察、轻清单，给有判断力的人下注用的地图。
一份系统性的入门手册
一本零基础到完整实现的 Agent 入门手册，八章逐层拆解：从"Agent 不过是一个 while 循环加一些工具"的本质判断出发，依次讲透核心循环、工具调用、记忆管理、状态、文件系统，最后用约 220 行 Python 把所有概念焊在一起跑起来，并给出从 MVP 走向生产的进阶路线图。
对开源插件 claude-mem 的一次架构深拆。核心洞察是它不存对话历史，而存"观察事件"——Claude 每次工具调用都被结构化记录，再用 Claude 自己的 Agent SDK 把这些观察压缩成语义摘要，下次开 session 自动注入相关片段。全本地运行（SQLite + ChromaDB + 本地 embedding），无数据出网，因此在企业圈被广泛采用。
一篇反直觉的观点文章。作者反对"用得多就拉得开"的流行直觉，提出 AI 使用者分三层：USER（一次性查询）、OPERATOR（流程嵌入）、BUILDER（系统构建）。真正的差距在第二到第三层之间，由品味、问题描述能力、把对话沉淀成资产、决策密度、以及守住"无 AI 区"五个杠杆决定，并警示三类看似前进实则掉队的陷阱。
Session · Memory · Cache · Compaction
一次深夜深潜，把 Claude Code 的工作记忆机制拆成 11 章：Session 的 jsonl 文件落在哪、为什么默认在 C 盘、/btw 走不走 session、Memory 三层架构与按 cwd 隔离、动静态记忆与 Prompt Cache 的交互，以及 compaction 触发时如何不丢用户的硬约束。给重度用户的一份骨架说明书。
