科技文艺复兴的探索者

#随手发一点最近的学习笔记

从LLM OS到AgentOS，普遍的共识是AI会诞生新的操作系统，但采用何种方式并没有结论。最近看了OpenAI和Elevenlabs发布的可视化流程编辑器，flowith也算上吧，感觉AgentOS的大厦有建脚手架了。

今天早上，我回看过去写过的所有prompt，突发奇想去问DeepSeek，prompt的黄金标准是什么？“角色-任务-约束”，这并不稀奇。
但它其中一点提到：“把个性化的内容拆分出来，实现可复用性”。
这个点一下就让我联想起来了。从Manus CTO之前讲上下文的历史消息和缓存中提到的节省KV cache的方式，到Agent本身被设计用于执行高度重复性的任务，似乎我们都在不自觉地追求流程的“可复用性”与“标准化”，这就有趣了

从prompt->context的过程，能不能理解成和LLM OS到近期Agent OS的讨论是同一个序列演进？

一开始是基础的续写与问答（GPT-2/3），后来发展到成对的QA，再到工具调用型问答，接着 DeepSeek-R1 融合了思维链与工具调用的多步推理，形成 ReAct 这类回合制的工作流。
在资源无限的情况下，我当然是“苦涩的教训”，但是救命现在的token都好贵啊。放开手让 AI 做一切固然理想，但现实中，把能规则化的部分工程化，或许才是 Agent 真正走向实用的开始。随着模型能力增强，复杂性在转移。我们用Bash替代一堆定制化工具；通过Sub-Agent机制将复杂任务模块化、隔离化；当上下文过长时，用自动压缩（工程手段）来牺牲部分细节以保全系统运行。这里哲学可能是：将不确定性封装在算法的“盒子”里，然后用工程手段去管理这些盒子。

核心：工程与算法的黄金分工，同一个任务可能有确定的场景和不确定的场景，举个例子送外卖送到大小区你能轻松找到电梯，送到犄角旮旯巷子口你就得试错

工程解决确定性部分：用正则、黑白名单、Hook钩子处理工具调用的安全检查、信息匿名化。这些是“if-else”能覆盖的领域，精准、廉价、可靠。
算法解决不确定性部分：需要理解、推理、创造的开放性任务，才动用LLM这个“重武器”。Prompt的“角色-任务-约束”黄金法则，本质上是将非结构化的创意工作，结构化成一个可工程化调试的“配置参数”。

与其完全依赖模型的“自觉”，不要总是幻想能驯服一匹脱缰的野马，不如用规则和流程去约束任务执行——就像不是所有工作都需要“985学生”，有些标准化动作交给专业模块更稳定高效。

缘由是在普洱的最后一天：我身心放空在咖啡店呆了一个下午，想着旅行结束后该分享什么，意识到，我挑选的每一张照片，其实都远不止是照片本身——它更像一个hook（引子），或者说【时空快照】，一个横截面。背后牵连着一整套由体验、情绪和概念组成的网络

回来我就开始想几个问题：

• 旅行对一个人来说，到底意味着什么？
• 大家在旅途中最常拍下的，是什么内容？
• 为什么有人会沉迷做手帐？这种大规模的记录，不是挺反直觉的吗？
• 究竟什么样的瞬间，才值得被刻意记录和未来反复回忆？
• 当越来越多人成为个人IP或独立开发者，他们生活的其他部分去了哪里？
• 当时间飞逝而又无人分享悲喜时，人们是否需要一种带点仪式感的方式，来提醒自己仍在“活着，并有意义地生活着”？

和导师交流，补充了【信息压缩】这个词，就像《我看见的世界》里李飞飞在书中解释，ImageNet 之所以设定为约3万个参数，是为了对应人类语言中的基础概念数量。这揭示了一个关键：图像的层次和理解，往往是由它背后的词语和概念决定的。

那么，如果文字和图像之间存在这种深刻的联系，而文字可以拆解成一个个token（语义单元），图像又能拆解成什么呢？
我首先想到了手帐里的贴纸。一张图片的信息密度其实分布不均，大部分区域可能是杂乱无章的背景噪音。这让我想起试用CapWords时的体验：为了让识别出的主体更突出，我会主动选择屏蔽掉凌乱的背景。贴纸，就像是一种对复杂图像的提炼和压缩。或者说，贴纸化的过程，也会进一步塑造人的行为，去做减法。
但这就引出了两个问题：

1. 贴纸作为一种压缩形式，它足够“小”、足够抽象吗？
2. 作为唤醒记忆的“钩子”（hook），它的信息量又足够“大”吗？

我暂且假设它压缩得足够好了。那么，紧接着的核心问题是：记忆本身是由什么构成的？为什么需要hook的触发？

为此，我去翻了诺奖得主的《追寻记忆的痕迹》，里面讨论太多突触和电位的内容让我想起生物竞赛痛苦的时光。唯一记住的是，长时记忆与空间记忆在脑区中有密切联系，能为每一次体验生成两条坐标系——时间线（时间戳）与空间中（位置/场景）。多感官信息先在各自初级皮层编码，再通过海马体及高阶皮层整合成情境-时间捆绑的记忆痕迹，确保快速调用/关联。大脑并不会为“看见”保留一个纯粹的“照片”，视觉信息与声音、气味、动作等被“捆绑”成多维特征，由不同脑区用各自坐标系进行描述。当哪一天遇到hook时，一次回忆触发核心记忆中的少数关键突触，随即在皮层网络内扩散，系统会用周边神经元填补细节、删改错误，所以记忆也是找到关键零散的元素后，重建。所以记住核心的信息，注意力丢失的部分都会被选择性重建，符合vibe（氛围）地重建

贴纸这种形式，或许压缩得还不够极致。最近有看到另一套更标准可复制的分类方式，但想得很粗糙，先不分享了。总结一下，林林总总的文字，就是关于文字-图片的映射，以及记忆-时空的关联