少数派 -- Matrix

Dots、Space 与 Codex：OpenAI 的持续工作工具

温尚Alex — Fri, 09 Oct 2026 05:46:38 GMT

写在前面

如果还没充 ChatGPT 的 Pro 会员，强烈建议赶紧充！

先整体列一下今年 DevDay 的关键词：

Dots
GPT-6.1 Sol
UltraFast
Pro $200、Pro $500
Decisions API
Researcher Intern
Codex Harness（但我印象里这个很早就开源了）
Agents API
Plugin extensions

到现在为止，我已经用上的有 Dots、GPT-6.1 Sol、Codex Harness，其他的还在捣鼓怎么用上。

我的 Dots：Folex（头像还是他自己生成的）

发布会我前前后后看了有三遍，记录的很多问题都不是新模型、新功能强了多少，而是像：

我已经创建了自己的 Dot，却找不到再创建一个的入口；它看起来只有一个持续对话的入口，那历史越来越长以后，上下文怎么办？
Dots 和我已经在用的 ChatGPT Work、Codex 是什么关系？
发布会最后又出现了 Plugins、Sign in with ChatGPT 和 Marketplace，它们是不是同一个“应用商店”？

这些问题放在一起，反而更接近这场 DevDay 的主题：

OpenAI 正在把模型、执行工具、持续任务、共享文档和第三方应用，接成一套可以持续工作的系统。

这篇文章会沿着这套系统展开。

先把各个产品放回它们的位置，再用发布会里 Holly 演示的音乐应用 Blossom，把「发现变化 → 理解问题 → 修改产品 → 更新团队资料」这条工作链串起来。

最后再看个人用户能用什么，以及现场演示实际证明了什么。

先看全局：这些新名字各自负责什么

以一个准备发布音乐应用的团队为例：AI 要读用户反馈、查看新设计、修改代码、打开应用测试，最后把产品变化写进发布计划。

这件事至少涉及五种不同能力：

系统里的位置	DevDay 介绍的产品	可以解决的问题
理解和判断	GPT-6.1 Sol、Decisions API	看懂资料、推理、写代码，或在有限选项里快速判断
执行和检查	Codex、Codex Harness、Agents API、computer use	调工具、运行代码、操作软件，并根据结果继续行动
持续跟进	Dots	跟进已经委派的责任，在新信息到来时继续工作
共同工作	ChatGPT Space、Pages，预告中的协作幻灯片	让人和 AI 在同一份材料上修改、讨论、保留结果
连接和分发	Plugins、Sites、Sign in with ChatGPT、Marketplace	接入外部应用，让开发者交付产品，并解决不同的身份与商业问题

这个表是按职责整理的理解地图，并不是 OpenAI 公布的内部架构图。它的作用是避免把不同层次的变化混在一起。

模型再聪明，也需要授权才能读公司的 Slack，需要知道哪份设计已经确认。代码改完后，还要有人决定是否部署上线。要完成这项工作，资料、工具、权限、任务记录和审核都得接上。

发布会大致也沿着这个顺序展开：前半部分展示 Dots 和 Space；随后介绍模型与速度、科研和开发者工具；Romain Huet 用现场演示把能力串起来；最后 Altman 讲了第三方生态与订阅方案。

其实强烈建议大家多看几遍原视频，总共只有一小时，比看多少自媒体账号的二手信息（包括我的这篇文章）都要有用
如果看视频的过程中，想要有一个人在旁边及时地解释和回答问题，强烈推荐我的这个开源项目：https://github.com/Alex-cloud0413/video-digest.git

Dots：拥有独立云端电脑的个人助手

Dots 可以理解成有自己云端电脑和浏览器的个人 AI 助手。把任务交给它后，云端工作不依赖本地电脑一直开着；电脑合上，人离开，它仍可以在授权范围内继续推进。持续跟进本身不足以区分 Dots 与其他 Agent。Dots 的产品选择，是把记忆、已连接的应用和执行环境集中到一个个人助手里，让人通过同一个入口交代工作、查看进度和接手结果。

开场短片里的 Alfred 就是一个 Dot。它向主人汇报材料准备、网站更新和生活安排的进展。短片勾勒了 OpenAI 希望 Dots 怎样被使用；后面台上的实时操作，则展示了具体任务怎样推进。

原视频 03:30：Alfred 汇报网站更新。这里体现的是跨任务的持续跟进。

Dots 的用法，可以从需要反复跟进的项目里看出来。

例如，可以把一周的反馈跟进交给它：“这周每天留意新反馈，把重复出现的问题整理出来；小修复完成后交给我审查，涉及产品方向的调整先问我”。今天的结果交付后，它还要按约定继续处理明天的新反馈，接着原来的目标和要求往下做。

Dots 需要记住目标和偏好，能读取被授权的资料，拥有执行环境，还要把完成的工作和需要人决定的事项带回来。发布会介绍的云端电脑和浏览器，为其中的执行部分提供了环境。

根据发布会上的介绍：Dots 由 GPT-6 Astra 驱动，拥有自己的云端电脑；用户可以查看工作过程，并决定连接哪些应用。

现在刚刚首发的是从一个 dot 开始，未来计划增加更多的 dots。Pro 和 Business Premium 在符合条件的市场逐步开放；Enterprise、Edu 和 Healthcare 的 beta 需要管理员启用。Dots 官方介绍

这也解释了为什么我创建一个之后，找不到第二个入口：首发就是从一个 Dot 开始。台上说未来可以让一组 Dots 协作，但个人 Dot 团队还不是当前的产品形态。

只有一个持续对话的入口，另一个问题就来了：历史越积越多，它每次还能记得多少？

保存了历史，不等于模型每次都能读完历史。 系统可以保留偏好、任务记录和文件，模型一次推理能读取的上下文却有限。哪些历史被选进来、资料怎样压缩、什么留在任务记录里，要看具体实现。目前的发布会和产品说明，没有交代到足以判断这些细节的程度。

官方确认，Dot 可以获得 ChatGPT 的记忆与近期对话上下文，也能保留来自对话和插件的上下文。不过，这些上下文不保留凭据、图片和截图，单条 Dot 记忆目前也不能逐项查看和编辑。Dots 记忆说明

我会看它能否接着上次的任务做，关键约束有没有丢，结果有没有回到可检查的文档或代码里。聊天窗口一直延伸，只能说明对话保留在那里，不能替这些实际表现作保证。

人与同事的 Dot 怎样协作，发布会给出的例子都围绕共同的工作对象展开：页面上的评论、团队聊天里的交接、正在推进的代码任务。个人用户能否任意配置 Dot 之间的通信方式，台上没有完整演示。

Dots 在后台主动查找有用信息时，官方称之为 proactive research。这类工作限于已连接应用的只读工具。接受任务后，可能影响账号或分享信息的动作，还会经过 auto-review，按照用户指令和规则判断是否需要批准。Dots 安全与隐私说明、Auto-review

Space 与 Pages：让人和 Dots 围着同一个任务工作

Holly Li 接着演示了一次产品发布。音乐应用叫 Blossom，她的 Dot 叫 dottie。

dottie 先汇总几件变化：发布评审改了时间，昨晚有新的用户反馈，设计同事修订了首页。Holly 不用逐个重述背景，就可以让它接着推进相关工作。

原视频 10:42：dottie 汇总日程、反馈和首页设计的变化。它展示了任务上下文来自多个工作来源

接下来，这些结果要放到哪里？如果只留在聊天里，团队还得把内容抄进文档、找到对应代码，再通知同事。Space 和 Pages 给这些成果一个共同的位置，方便别人接着修改。

Space 存放共享工作材料，Page 是其中可以共同修改的文档。 页面里可以放正文、图片、图表和交互内容，也可以留下评论，让 ChatGPT、Codex 或 Dot 继续处理。Space 接替了原来的 Library；首发面向 Pro、Business 和 Enterprise。网页与桌面支持创建和编辑，手机先支持查找、阅读和分享。Space 官方说明

Blossom 的发布策略页面把客户反馈图表、说明文字和讨论放在了一起。团队可以直接围着图表提意见，Dot 按评论修改，结果继续留在这份页面里。

原视频 12:57：Blossom 的策略页面包含客户反馈图表和持续更新入口

页面里的图表和原型可以交互，新信息到来后，内容也可以继续更新。但更新需要明确的信息来源、指令和触发条件；仅仅把页面放进 Space，并不能让它自动保持正确。

Blossom 的例子因此可以一路接下去：反馈影响产品判断，新设计进入代码，功能变化再写回发布 FAQ。Dot 跟进这些变化，Codex 执行相应任务，Page 留下团队可以检查和修改的结果。

官方汇总还介绍了 Teams 和 Team Tasks。团队可以把每周项目更新交给一个共同的任务，按计划或事件收集信息，并一起调整指令。在 Slack 或 Microsoft Teams 里 @ChatGPT，也能把协作接到正在进行的讨论中。Team Tasks 官方说明

Meetings plugin 则把会议接入这套流程：生成个人化纪要和行动项，再用它们更新计划。首发是面向 Pro 和 Business 的 macOS 桌面 beta。笔记完成后音频会删除，无法回放，因此不能指望它保留一份长期可查的原始录音。Meetings plugin

协作幻灯片还是预告中的能力：从对话或模板创建，人与 Agent 同时修改，再导出到 PowerPoint 或 Google Slides。发布会介绍了这套用法，全面开放要等后续推出。发布会官方汇总

模型、速度和套餐：三个数字要分开看

这里要分清三个变化：GPT-6.1 Sol 的能力和价格、Ultrafast 的生成速度，以及 Pro 500 的使用额度。

GPT-6.1 Sol 给出的卖点是：接近 Astra 的能力，更低的价格（“接近”这个词就很微妙，这下应该知道 6.1 Sol 和 6 Astra 哪个能力更强了吧）。

它是基于 GPT-6 Sol 的升级，在公布的编程、电脑操作和专业工作评测中接近 Astra，标准输入、输出 token 的价格则是 Astra 的五分之一。GPT-6.1 Sol 官方发布

原视频 20:25：Sol 与 Astra 的标准 API 单价对比，单位为每百万 token

标准 API 定价中，GPT-6.1 Sol 每百万输入 token 为 2 美元，缓存输入为 0.10 美元，输出为 10 美元。token 是模型处理内容的计量单位，和中文字、英文单词没有一一对应关系。这也是 API 的调用价格，不能换算成 ChatGPT 订阅里每条消息的售价。模型文档

Cached Input（缓存输入）可以理解成：同一份资料上次已经处理过，这次复用那次计算的结果，所以这部分输入能按更低的价格收费。能否复用，要看输入开头的资料是否一致、缓存是否仍可用；只保留同一个会话并不能保证命中。Prompt caching 文档
举个简单例子：
第一次请求：你发了 100k token 的代码库上下文，这些通常按普通 input 价格计费
第二次请求：你还是带着同一段 100k token 上下文，只新增了一个小问题，那 100k 里如果命中缓存，就可能按 Cached Input 价格计费，新增的小问题仍按普通 input 价格计费
所以它不是“模型记住了你的内容免费用”，而是 API 侧对重复上下文做了缓存优化，并给缓存命中的输入 token 一个更低的单价。

比如，第一次把一份 10 万 token 的代码资料交给模型，让它找 bug；第二次仍把同一份资料放在输入开头，只在后面补一句「把错误处理也改一下」。如果这 10 万 token 全部命中缓存，就按缓存输入价格计费，新加的要求按普通输入价格计费。第一次建立缓存还可能按缓存写入费率收费。省下的是重复处理旧资料的成本，新增内容仍要照常处理。

Ultrafast 缩短的是等待模型输出的时间。 发布会给出的上限是在 Codex 中大概快 8 倍、能达到每秒 300 tokens，在 API 调用中大概快 6 倍。首发是 Astra Ultrafast，Sol Ultrafast 当时仍是即将推出的计划。Ultrafast 文档

多轮修改代码时，每轮输出更快，互动会顺畅很多。但任务还可能要等搜索、编译、网页加载、外部服务或人的批准，这些需要等待的时间不会随着 token 生成速度一同缩短。

Pro 500 的「25 倍」指相对 Plus 的使用额度。 这是每月 500 美元的新套餐，也包含 Ultrafast。

原视频 21:45：屏幕写的是“25x usage of Plus”，即使用额度

之前被暂停的 Pro 200 恢复了订阅，但原来是相比 Plus 的 20 倍额度，现在降到了 10 倍。符合条件的老订阅用户，可以在过渡期保留原额度，到 2026 年 10 月 29 日结束。Pro 套餐说明

Decisions API 与科研：两种不同尺度的智能工作

Decisions API 面向软件里具体、有限的判断。开发者给定问题、上下文和一组预设答案，Luna 很快选出一个答案，供程序继续使用。（这个我觉得就是对标前阵子很火的 Jev 模型）

原视频 22:45：Decisions API 以预览形式介绍，示例涉及软件中的即时判断

这类接口适合内容分类、请求分流，或者在有限动作里选下一步。开放性的商业判断和人生决策，无法靠一次选项返回就得到确定答案。发布会时它仍处于 limited preview，还没全范围开放。发布会官方汇总

Researcher Intern 这个具体目标，OpenAI 在 2025 年秋季就公开提出了：2026 年 9 月做出能在人工指导下执行研究任务的「研究实习生」，再争取于 2028 年 3 月实现自动化 AI 研究员。后者仍是内部研发目标。官方时间线

2026 年 9 月 6 日，OpenAI 宣布已达到「研究实习生」目标。它给出的定义很具体：在人指导下完成定义清楚、原本需要熟练研究员几天的任务。研究方向和结果取舍仍由人决定。官方进展说明

科研任务的尺度大得多，可能要长时间分析数据、写代码、运行实验、整理结果。Tejal Patwardhan 介绍了 OpenAI 对 AI 参与研究的观察，也提到内部科研人员已让模型持续推进一部分长任务。

公布的内部数据还显示：截至 2026 年 8 月中旬，按每天 8 小时折算，Agent 累计运行时间约为研究人员工作时间的 3.1 倍。这是时长，不是成果或人数的倍数。估计需人类工作 4—8 小时的任务中，成功案例超过一半仍有至少一次人工干预。内部数据与统计方法

这些内部使用情况，说明了 OpenAI 为什么看好长期任务能力。不过，台上没有交代完整的样本、工作定义和实验条件，现在还不知道他们内部通过这个 researcher intern 实际替代了多少研究员。

模型可以运行分析、提出假设，把一个研究步骤做到可检查的程度。科学结论仍要另行判断：问题是否有价值，方法是否成立，证据是否足够。完成执行步骤，只是其中一部分。

Sol 的官方评测展示了科研工作流的进步，也指出 Astra 在测试的困难科研任务中成绩仍然更高。「研究实习生」描绘了 OpenAI 想推进的方向，能否承担一项真实研究，还得按具体任务验证。GPT-6.1 Sol 科研评测

Codex Harness：已经开源啦！

进入开发者部分，Sam Altman 介绍了前面几款产品共用的 Codex harness。它驱动 Codex、Work 和 Dots，现在已经开源（https://github.com/openai/codex.git），个人开发者也可以基于 Codex Harness 进行二创。

还是看 Blossom 的首页修改：模型读到新设计后提出方案，执行系统读取项目文件、改代码、运行应用，浏览器或电脑工具再把页面带回来。模型看到实际结果，才知道是否还要改。如果没有这些执行和反馈，「我已经改好了」就可能只是一句回答。

任务指令 → 模型判断 → 工具执行 → 观察结果 → 继续调整 → 交付可检查的成果。

这条循环可以调用不同模型，也可以在本地或云端使用工具。后面介绍的多 Agent 控制、云端环境和 API，都是在让开发者更方便地组织这套过程。

原视频 28:17：Codex 的云端运行能力。长任务可以在云端执行，之后继续检查和接手。

Codex Cloud 让任务在云端环境中运行。电脑合上以后，它可以继续工作；从手机发起的任务，回到桌面也能接手。已配置的环境和工具还可以复用。跨设备保留的是任务及其环境，手机无需自己运行一整套开发工具。Codex Cloud

日常开发的几个入口也有更新：CLI 支持语音交代任务和 /agents 控制；桌面的 Code Review 提供修改摘要和针对代码差异的问答；云端还可以自动触发审查。交代任务、安排执行和检查代码，都有了更直接的操作入口。

Security Cloud 将这套执行能力用于安全检查。发布会介绍了重复发现去重、定时扫描和新界面；官方说明还包括按需检查 GitHub 仓库、检查新提交，以及准备修复供人审查。

检查放在云端持续运行，本地电脑合上后也可以继续。Security Cloud

Agents API 让开发者通过接口使用托管执行环境、多 Agent 控制、工具查找与调用、上下文压缩，以及 computer use。借助 computer use，Agent 可以看浏览器或图形界面，点击、输入，再读取操作结果。Computer use 文档

AWS Bedrock Managed Agents 提供了另一种部署选择，让 OpenAI Agent 在企业已有的 AWS 应用和数据环境中运行。数据来源、网络、身份和权限，仍需开发者配置。

其实我很期待用上这个部分，不依赖本地环境开发和运行一直是个刚需

到这里，前面几款产品的关系就更清楚了：Dots 提供个人助手入口，Codex 提供开发和执行入口，Agents API 让开发者把执行能力接入自己的产品。它们共用部分基础，使用界面、资格和权限设置则各有不同。原视频开发者工具部分

Private Intelligence：这部分和个人用户没关系

Agent 读取文件、操作应用、长时间运行，企业就需要知道数据经过哪里、由谁保存。OpenAI 把相关方案称为 Private Intelligence，包含 Private Safety Processing 和 Private Inference。

Zero Data Retention with Private Safety Processing 让 API 的安全检查继续进行，同时不由 OpenAI 保留客户的提示和回答。受保护的内容保存在客户控制的存储里，再由限制人工访问的安全运行环境自动处理。这里的零留存有明确对象，整条工作链仍可能有其他存储和日志。Private Safety Processing 技术说明

Private Inference 将保密计算用于推理执行，发布会给出的状态是秋季预览。它处理推理过程，Private Safety Processing 处理安全检查，两者的开放状态也要分别看。

这些方案主要面向 API 和企业部署。个人 ChatGPT 对话采用什么数据路径，要看具体产品、接口、组织配置和已经启用的能力，不能直接套用这里的方案。发布会隐私方案介绍

现场演示：从生成代码，走到看见结果再行动

Romain Huet 先展示了快速修改，再让模型检查成品，最后把观察和动作接到硬件上。

他先打开已有的三维 Fort Mason 会场，让镜头飞向舞台，把 Dots 移到座位，再将现场直播放到虚拟会场的大屏幕上（连续几轮修改都能保持互动节奏，这是 Ultrafast 在演示中最直观的作用）。

原视频 33:28：三维 Fort Mason 会场与旁边的任务窗口。现场继续修改已有的世界。

接着是 CLI 里的抽奖应用。语音交代任务时出了问题，他转而用键盘输入。应用先抽取三位观众，随后按指令改成六位。代码修改和反馈很快，语音环节的失败也确实发生在现场。

Astra Adventures 展示了更完整的过程：纸上的草图经过多轮迭代，变成三维游戏。之后 Romain 让 Astra 自己操作，屏幕同时显示游戏画面、Agent 的动作和说明。

原视频 38:39：Astra Adventures 正在由 Agent 操作，界面显示当前动作和按键。

生成代码之后，Agent 还要看自己做出的东西。程序能运行，并不能说明画面正常、按钮有效、流程可以走通。这些问题要真正操作过，才能得到反馈。

在飞行学习应用里，Romain 用 app shot 把当前应用带进任务，让 Codex 检查不同屏幕尺寸。Agent 打开页面、探索功能并继续检查。他可以先处理别的事情，再回来查看结果。

随后，他在云端发起「把整个后端改写成 Rust」的任务。台上说这会花一段时间，之后可以回来检查并接手。视频展示了任务成功发起，整个后端是否改写完成、是否通过验收，没有在现场展示。

这些演示把任务往前推了几步：理解需求、修改代码之后，Agent 还会打开成品、尝试操作，再根据结果继续处理。我更关心的是，把这套过程放到自己的项目里，它能走到哪一步，哪里要人接手，最后有没有可验收的成果。原视频现场演示部分

Plugins、登录与 Marketplace：三种不同的连接方式

Plugins、Sign in with ChatGPT 和 Marketplace 在发布会后段接连出现。记住它们各自连接的东西，就不容易混淆。

名字	主要使用位置	它解决的问题
Plugins Extensions	ChatGPT、Codex 内	接入工具、工作方法和交互界面
Sign in with ChatGPT	第三方应用里	使用 ChatGPT 身份登录；符合条件时使用订阅额度
OpenAI Marketplace	企业与合作伙伴之间	第三方采购如何计入企业对 OpenAI 的合约承诺（这个跟个人用户没关系）

一个 Plugin 可以组合 skills、连接的应用和扩展界面：skill 提供工作方法，应用提供外部信息与动作，extension 提供操作界面。比如，设计文件、评论和编辑工具出现在对话旁边，人就能围着当前设计和 ChatGPT 一起修改。

Plugin Extensions 让插件进入侧边栏、对话面板和文件查看器。发布会展示了日历、设计和 Adobe 等例子，人可以操作插件界面，也可以让 ChatGPT 帮助修改。具体支持情况因使用端和套餐而异，Free 和 Go 的部分网页扩展仍标注为 coming soon。Extensions 开发文档

原视频 46:02：插件扩展把第三方的工作界面带进 ChatGPT。

个人用户可以从 ChatGPT 侧边栏的「Plugins」进入，查看插件包含什么、需要哪些权限，安装并连接相关账号后，通过 @ 提及或任务请求使用。安装插件不会自动扩大外部账号权限，账号授权仍是单独一步。Plugins 使用说明

创作者可以用 Plugin Creator 搭建插件。发布会也介绍了对话中的插件推荐，以及简化后的提交和人工审查流程。插件做出来以后，用户还要能找到它、完成安装和授权，才能开始使用。

Sites 可以承载应用，并加入支持的插件。同一份软件可以根据用户身份和权限显示不同内容。例如，在一个项目应用里，成员看到自己的任务，负责人看到授权范围内的汇总。这样的差异需要真实的身份和权限控制，提示词本身无法代替。

官方汇总还介绍了新提出的 MCP Events 协议方向，让外部服务的变化触发 Agent 工作。比如，假设 Blossom 的反馈表新增一条记录，事件发出通知，任务规则再决定是否分类、更新页面或提醒负责人。后续动作仍取决于工具和权限，已有插件是否支持，也要看开发者有没有接入。发布会官方汇总

Sign in with ChatGPT：在 OpenAI 的合作应用里直接用自己的 ChatGPT

首批共有 16 家合作伙伴及开源集成，完整名单见下面。用户已经付过 AI 订阅费用，在符合条件的应用里就能继续使用现有额度；开发者也不必再承担这部分推理成本。

合作应用：Amp Code、Conductor、Dactyl、Devin（Cognition）、Hermes Agent（Nous Research）、Hyperagent、Kilo Code、Lovable、Notion、Vercel、Vorflux、Warp。
开源集成：OpenClaw、OpenCode、Pi、T3。

Lovable 在官方目录里仍标注为「coming soon」。后续支持范围可以查看官方合作伙伴目录。

实际使用时，要在合作应用的授权界面确认是否有「使用 ChatGPT plan」选项，并主动选择。仅仅登录账号，不会启用套餐额度，也不会把 ChatGPT 的历史对话或记忆通过这次登录交给应用。第三方应用使用套餐的官方说明

这部分使用计入共享的 Work/Codex 额度，可以按应用设置上限。第三方产品还可能收取订阅、基础设施或额外功能费用。已有的 AI 额度能抵掉一部分推理费用，应用本身可能不会直接免费。

一部分模型费用因此可以跟着用户进入第三方产品，开发者让人试用的门槛也可能降低。

Marketplace：企业采购安排，个人用户主要用另外两个入口

OpenAI Marketplace 面向企业采购，处理的是企业与 OpenAI、合作伙伴之间的合约承诺。

假设一家企业已经与 OpenAI 签了有金额承诺的合同，又想采购合作伙伴的软件。符合条件的采购中，一部分金额可以计入它对 OpenAI 的承诺。发布会说有三十多家首发伙伴，官方汇总列出的是 32 家。发布会 Marketplace 部分

原视频 47:27：Marketplace 的合作伙伴与企业采购介绍。

OpenAI 和合作伙伴先确认资格，客户再与合作伙伴签合同、付款，符合条件的金额用于合约承诺的对账。目前没有面向个人用户的自助结账入口，也不能把 Pro 的 token 余额拿来购买第三方软件。Marketplace 企业帮助页

企业可以让已承诺的预算覆盖更多供应商方案，合作伙伴也更容易进入企业采购流程。合作伙伴涉及不同模型和服务，并不表示 OpenAI 自己将所有模型都开源了。

对个人用户来说，接入 ChatGPT 工具看 Plugins，在第三方产品里使用 ChatGPT 账号或订阅额度看 Sign in with ChatGPT。代表符合条件的企业处理合约和采购，才会用到这里的 Marketplace。

哪些已经能用，哪些还要等

台上介绍的能力，既有已经推出的，也有逐步开放、限量预览和后续计划。下表按使用入口整理，依据发布会与截至 2026 年 10 月 3 日的官方说明。地区、工作区和管理员设置，也会影响实际资格。

产品 / 能力	当时状态与主要入口
Dots	符合条件市场的 Pro、Business Premium 逐步开放；Enterprise、Edu、Healthcare 为管理员启用的 beta
更多个人 Dots、Dots 团队与通话	未来方向；首发从一个 primary dot 开始
Space、Pages	Pro、Business、Enterprise；网页和桌面创建编辑，移动端先查找、阅读、分享
协作幻灯片与电子表格	后续推出；不能按全面上线计入
Teams、Team Tasks	Business、Enterprise 的团队工作入口
Slack、Microsoft Teams 中 @ChatGPT	企业协作入口；同事不必逐人持有 ChatGPT 许可证，工具仍遵守权限
Meetings plugin	macOS beta，Pro、Business；Enterprise 后续开放，笔记完成后删除音频
Shareable Profiles	汇集可分享的 Sites 与插件；skills 的分享限于工作区内
GPT-6.1 Sol	API、Work、Codex；普通 Chat 尚未开放
Astra Ultrafast	API，以及符合资格的 Work、Codex；个人订阅入口为 Pro 500
Sol Ultrafast	当时标注即将推出
Pro 500	每月 500 美元，25 倍 Plus 使用额度，包含 Ultrafast
Pro 200	重新开放新订阅；新旧额度与过渡期需分别看待
Decisions API	使用 Luna 的有限选项判断，limited preview
Codex Cloud	面向有资格的付费个人与工作区方案，支持云端环境和跨设备接续
CLI 更新与 Code Review	语音、`/agents`、代码审查等；具体入口按客户端和工作区提供
Security Cloud	仓库扫描、去重、计划任务与修复审查；Daybreak Blue 的套餐包含范围另见产品说明
Agents API 与 computer use	面向开发者的执行基础；产品订阅与 API 的资格、费用分别确认
AWS Bedrock Managed Agents	在 AWS 环境中构建和运行 OpenAI Agent 的入口
ZDR with Private Safety Processing	需符合资格并配置客户存储的 API 数据处理方案
Private Inference	秋季预览计划
Plugins、Plugin Creator、Extensions	插件目录与创作能力推出；具体扩展分端、分套餐开放
Sites 中使用插件	发布会介绍的托管与个性化工作入口，工作区权限单独生效
MCP Events	新提出的事件协议方向；实际插件支持取决于接入
Sign in with ChatGPT	身份登录与套餐使用分开；套餐使用从 16 家合作伙伴开始
OpenAI Marketplace	32 家首发伙伴；面向符合条件企业的合约采购安排

现在，仅凭套餐名称已经很难判断一项功能能不能用。还得看产品入口、地区和使用端：Work 能用的，普通 Chat 未必能用；网页可以编辑的，手机可能只能读；企业工作区还可能需要管理员启用。官方发布汇总

Apple 官网排版细节鉴赏

SkyWT — Tue, 06 Oct 2026 09:04:09 GMT

每隔一段时间，我就会逛逛 Apple 官网。Apple 作为人机交互的规则制定者，它的网页实现有太多值得我们学习和借鉴的地方。本文中，我梳理了一部分排版细节（并且在看源码的过程中又发现了一些新的细节 😂），与你分享。

定制的 Web 字体

Apple 在 2015 年推出了 SF 系列西文字体（一般使用 SF Pro）和苹方系列中文字体。然而打开 Apple 简体中文官网，可以发现字体栈中第一个是一款名为「SF Pro SC」的字体。

.typography-label:lang(zh-CN) {
  font-family: SF Pro SC,SF Pro Display,SF Pro Icons,PingFang SC,Helvetica Neue,Helvetica,Arial,sans-serif
}

SF Pro SC 是进入网页时会加载的一款网络字体。那就很奇怪了：既然是 Apple 的字体，居然没有在 iOS / macOS 内置；也找不到这款字体的官方公开资料。

事实上，这个字体是 Apple 为简体中文 Web 官网定制的一款非公开字体。下载打开可以发现，其中只包含汉字和部分标点符号，字型和 PingFang SC 完全相同，但进行了一些微调。按照字体栈的设置，西文会 fallback 到 SF Pro Display，因此网络正常的情况下，实际使用的字体通常是：汉字和全角标点使用 SF Pro SC，西文使用 SF Pro Display。

SF Pro SC 可以看成「专门为了和 SF Pro 混排而优化的简体中文字体」。下面是三种字体栈的显示效果对比：

可以看到，相较于 PingFang SC，这款 SF Pro SC 主要有两点调整：中文字型更小，全角标点符号字符宽度更窄。为什么要做这种调整呢？

中文字型更小

仔细观察上方截图的第二行 SF Pro Display 和 PingFang SC 的渲染效果，会感觉汉字视觉上比英文大一些。特别是「Mac」的左侧，「买」的高度明显高于 M 字母的高度。这是由于中文和西文字体对空间的使用方式并不相同，单独设计时并不会保证对齐，如果直接混排，视觉上西文就是会看起来更小。

因此 SF Pro SC 基于 PingFang SC 缩小了汉字字型，针对中英文混排进行视觉校正。

我的网站 skywt.cn 使用的思源宋体（Source Han Serif，别名 Noto Serif SC），其实也有类似的处理。这个字体包含的西文部分源于 Source Serif 系列，但西文字符被调整得更大，使得其与中文混排时视觉观感更一致。可以看下图的中英混排文案「换成 iPhone 怎么样」的对比，以 64px 作为基准：

第一行是全部使用 Source Han Serif，中英混排最为协调。
如果将英文部分换成 Source Serif 4，即第三行的样式，会发现英文看起来明显比中文小。注意此时 font size 设置并没有任何改变，都是 64px。
如果要修正这个视觉偏差，需要调大其中的「iPhone」一词至大约 77px，即第二行的样式。此时「iPhone」一词看起来又会偏重。Source Serif 4 字体提供了无极的 weight 和 optical size 调节，需要进行较为复杂的调节才能调整出和第一行 Source Han Serif 相近的效果。

总结来说，为了让中英文混排更加协调，SF Pro SC 的做法是将汉字调小，Source Han Serif 则将西文调大。

全角标点符号字符宽度更窄

Apple 简体中文官网所有的标点符号，看起来都是半角宽度，但查看源码会发现网站并没有使用真正的半角标点符号，而是在字体层面调整全角标点宽度。SF Pro SC 的全角标点符号宽度是字宽的 0.5～0.6 倍。

我认为这个设计主要目的是：保障包含标点的 slogan 阅读体验。Apple 大量使用了含有标点的 slogan，比如上面的「在 Apple 购买 Mac，好处多多。」如果使用全宽的全角标点符号，由于标题字体较大，会导致「购买 Mac」和「好处多多」之间视觉空隙过大，产生不连贯感；而为了视觉统一和字符标准，直接在字体层面对这一展现进行了调整。

更多关于 SF Pro SC 这款字体的探索，可以参考这篇文章：SF Pro SC 是什么字体？

换行控制

避免孤行

所谓孤行，指的是某个段落末尾最后一个字正好成为新的一行，这样会让这个段落在视觉上看起来不平衡。在传统的杂志排版规范中都会提到避免孤行。Apple 网站的处理方式是：段落最后一个词用 nowrap 的 span 包裹保护。

例如环境责任页面的这段文案：

我们已空前接近 Apple 2030 目标，这是我们基于科学制定的宏伟蓝图，立志在全球实现碳足迹净零排放。以 2015 年为基准，我们致力于将自己的温室气体排放量减少 75%，再优先采用以自然为本且符合严格国际标准的解决方案，来抵消剩余的碳排放。

HTML 如下，注意末尾的「碳排放。」进行了保护。这样就不会让最后一行只有「放。」成为孤行。

<p ...>
  我们已空前接近 Apple 2030 目标，这是我们基于科学制定的宏伟蓝图，
  <br class="large">
  立志在全球实现碳足迹净零排放。以 2015 年为基准，
  <span class="underline">我们致力于将自己的温室气体排放量减少 75%</span>
  ，再优先采用以自然为本且符合严格国际标准的解决方案，来抵消剩余的
  <span class="nowrap">碳排放。</span>
</p>

保护会被换行打断的词语

来看看教育页面的这段文案：

要创造一个更加公正平等的世界，教育至关重要。为此，我们携手众多合作伙伴，与 100 多个国家及地区的求学者建立联系，为教育工作者们提供支持，创造各种校外学习机会，并推动种族平等与公正。当教育的大门能开得更大，每个人就能有更多途径来发挥自身潜能。

这段话的 HTML 是下面这样的。除了末尾的「自身潜能。」是上面提到的避免孤行的规则，其他的「伙伴。」「教育。」「创造。」「每个人」「发挥」这几个词，你知道为什么要做 nowrap 保护吗？

<p ...>
  要创造一个更加公正平等的世界
  <span class="s-p">，</span>
  <br class="small">
  教育至关重要。为此，我们携手众多合作
  <span class="nowrap">伙伴，</span>
  与 100 多个国家及地区的求学者建立联系，为
  <span class="nowrap">教育</span>
  工作者们提供支持
  <span class="l-p m-rp-s-p">，</span>
  <br class="large">
  <span class="nowrap">创造</span>
  各种校外学习机会，并推动种族平等与公正。当教育的大门能开得更大
  <span class="l-p m-rp-s-p">，</span>
  <br class="large">
  <span class="nowrap">每个人</span>
  就能有更多途径来
  <span class="nowrap">发挥</span>
  <span class="nowrap">自身潜能
    <span class="l-p">。</span>
  </span>
</p>

先提示一下：这段文字的文本对齐方式是 center，容器有三种固定宽度：large 860px，medium 600px，small 330px。原网页在这里，你可以试试探索，看看能否找到答案：www.apple.com.cn/education-initiative/。

揭晓答案：如果我们复制这一段纯文字，在原来的 p 元素里新建一个纯 Text Node，对比三种容器宽度下的表现，就会发现：

large 尺寸：「伙伴」「创造」两个词被换行了；
medium 尺寸：「教育」「发挥」被换行了；
small 尺寸：「伙伴」「建立」「每个人」被换行了。（其中「伙伴」被保护后，「建立」就被安排到了不换行的位置，因此无需保护）

所以在 Apple 制作这个网页的时候，考虑到了在任意一种容器宽度下，段落实际渲染后的排版效果，精确地保护了每行末尾被自动换行打断的词语！

响应式换行控制

在上面的 HTML 里，我们还看到类似   这样显式插入的换行符，表示只有在 small 屏幕尺寸会在此处换行。在网站上的短标题文案，有很多地方都通过这种方式进行响应式换行控制。

例如 MacBook Pro 底部的「想升级，时机正正好。」标题：

<h2 ...>
  想升级<span class="s-p">，</span>
  <br class="small">
  <span class="nowrap">时机正正好
    <span class="l-p">。</span>
  </span>
</h2>

因此，在中大尺寸屏幕就会是完整的一行，在小屏幕就会换行显示为两行：

想升级，
时机正正好。

英文产品名中使用不换行空格

这是继承自 Apple.com（英语官网）的做法，所有类似 iPhone 18 Pro Max 这样带空格的产品名，源码中都出现为 iPhone 18 Pro Max，避免完整的产品名被自动换行打断。

<p>
  iPhone&nbsp;Duo 来了，首款可折叠 iPhone 全新揭幕。上手一展开，就是迄今最薄 iPhone，
  <strong>历来最大 iPhone 显示屏直入眼帘，比 iPhone&nbsp;18&nbsp;Pro&nbsp;Max 足足大了 50%</strong>
  ；另一面的外屏，显示面积高达 iPhone&nbsp;18&nbsp;Pro 的 90% 以上。iOS 也全面重塑，联手带来各种新摆法、新角度，灵动体验花样百出。
  <span class="nowrap">一切</span>
  精彩，都纳入坚固精巧的机身中，轻松装进你口袋。这个 iPhone，不同于任何 iPhone。
</p>

标题居中视觉校正

中文的全角标点符号，主体居于左下角，其他部分都是空白。即使 Apple 的 SF Pro SC 字体的全角标点更窄，和汉字相比，标点视觉中心依然集中于下方或左下角。

对于末尾带标点符号的标题，居中显示时，这会导致视觉偏左，如下图。标题字号越大，这种偏差越明显，特别是上方有居中图标等参照物的情况下。

这类标题需要右移大约 0.5em 才能视觉居中，如下图：

我在 Apple 官网找到至少三种方式实现这种校正，基本思路是：让末尾标点不占用计算宽度，或者人为设置整个标题右移。

对行末标点用 position absolute 的 span 进行包裹。比如 Apple Pay 页面顶部的文案「支付，由 Apple 支招。」末尾的句号。值得注意的是，在 small 情况下「支付，」后会换行，因此这里的逗号用了 ， 包裹，只有在 small 尺寸会做校正。
将整个标题左侧增加额外 0.5em 的 padding。隐私页面的标题「力保隐私安全，这很 Apple。」可能由于这里做了一个文案由密码占位符保护、随着 scroll 慢慢揭示的效果，因此没法再定制行末标点的 position 属性，所以采用了这个方案。
在标点后加入 margin-right 为 -0.6rem 的不可见 span。iPhone Duo 页面使用了这种方法，例如标题「新面孔加入 iPhone，全场折服。」两个标点后都添加了 。

中文与西文字符间的空距

中文与西文字符间的空距是老生常谈的问题。一般来说，中英文混排时，需要在中文和英文之间加入空距。中文与阿拉伯数字混排也同理。

W3C《中文排版需求》6.3.3 横排的中、西文混排配置中指出：

原则上，汉字与西文字母、数字间使用不多于四分之一个汉字宽的字距或空白。但西文、数字出现在行首或行尾时，则无须加入空白。

大多数专业的排版软件，例如 Microsoft Word，都会自动加入这一空距。Apple 的操作系统内置的文字排版引擎，也会自动加空距（你可以在 Apple 备忘录试试）。然而一直以来 Web 平台并没有完全普及的加空距方式。直到近两年主流浏览器才普及 text-autospace: normal。

Apple 官网使用的方式是加空格。Apple 内部应该是将其作为文案规范，所有文案涉及中英混排的部分，都加入了额外空格。（但偶尔能发现某些临时推出的页面漏了一两个空格。由此可见是人工处理的 😂）

自从注意到这个空格问题后，我看一般的网页里中英文挤在一起会觉得非常难受。如果你也一样，可以试试在浏览器安装 pangu.js。

漢學家稱這個空白字元為「盤古之白」，因為它劈開了全形字和半形字之間的混沌。另有研究顯示，打字的時候不喜歡在中文和英文之間加空格的人，感情路都走得很辛苦，有七成的比例會在 34 歲的時候跟自己不愛的人結婚，而其餘三成的人最後只能把遺產留給自己的貓。畢竟愛情跟書寫都需要適時地留白。

文案本地化

文案的本地化本身并不是一个技术上的问题，但这里我特别想要提及一个 case，我感觉 Apple 在这方面做到了变态的地步。

今年 9 月新发布的 iPhone 18 Pro、Apple Watch 等产品，发售日正好在 9 月 18 日。为了规避政治敏感风险，Apple 中国大陆官网所有日期都经过了特别处理，将「9 月 18 日发售」改为「本月 18 日发售」。其他普通日期则没有处理。据传，发给经销商的宣发材料中也进行了相应处理。可以看这个 9 月 16 日的网页存档。

总结：职业态度与品牌价值

世界上除了 Apple 还有几个品牌网站能做到这种程度的排版和本地化细节呢？答案是 0 个。Apple 独一无二的品牌价值，正是从这些细节中凝聚的。

从产品细节上，还能够看到产品背后的人的职业态度。我自己平常在使用某些平庸的产品时，经常觉得工作人员也太不认真了，太敷衍糊弄了，甚至太不敬业了。于我而言，我愿意付一定的溢价购买更贵的产品，往往并非由于产品本身有多高的差异化价值，而是因为：我希望买到「怀着认真的职业态度的人」做的产品。

Win11 隐藏窗口的 5 种办法实测：各自漏掉了什么

gohide — Mon, 05 Oct 2026 03:44:57 GMT

利益相关：文中最后一种办法用到的 gohide 是我自己开发的软件。前四种都是 Windows 自带功能，不需要安装任何东西。

XP 那会儿我写过一个很小的工具，叫 GoHide，按一下快捷键，指定的窗口就消失，再按一下又回来。后来换了几次电脑，它也就被忘在某个硬盘角落里了。

前段时间开会要共享屏幕，我又想起了这类工具。临共享前习惯性地按了 Win+D，桌面倒是干净了，可任务栏上微信那一格还亮着，右下角 Steam 和 WeGame 的图标也排得整整齐齐。别人不用看窗口，扫一眼屏幕底部就知道你开着什么。

于是我把 Windows 11（24H2）上常用的几种办法都试了一遍，看看它们到底能把东西藏到什么程度。测试时开着的是我平时的常驻组合：Chrome、微信、QQ、WeGame、Steam 和 Slack。

测试前的桌面：浏览器、微信、WeGame 都开着，右下角一排图标

Win+D：桌面干净了，任务栏没变

Win+D 的本意是「显示桌面」，所以它做的事情就是把所有窗口先放到一边。对比按下前后的任务栏，几乎看不出区别：

按 Win+D 之前的任务栏

按 Win+D 之后：按钮和右下角图标都还在

任务栏按钮和托盘图标原样留着，正在播放的视频、挂着的游戏也照样出声。更麻烦的是，任何人点一下任务栏上的按钮，窗口就回来了。如果只是想腾出桌面找个文件，Win+D 很好用；要说「藏」，它其实什么也没藏。

设置里关掉托盘图标：图标只是挪进了小箭头

Windows 11 允许你决定哪些程序的图标出现在右下角。路径是「设置 > 个性化 > 任务栏 > 其他系统托盘图标」，把微信、WeGame 的开关关掉即可。

个性化 > 任务栏 > 其他系统托盘图标" data-original="https://cdnfile.sspai.com/2026/10/05/0f65039149b2939ee98cb647a8dd2c87.jpg?imageView2/2/format/webp" referrerpolicy="no-referrer">

设置 > 个性化 > 任务栏 > 其他系统托盘图标

关掉之后右下角确实清爽了，但图标并没有消失，而是被收进了那个向上的小箭头。随手点开，它们一个不少：

点开小箭头，被「隐藏」的图标都在里面

这个设置只管图标，窗口和任务栏按钮不受影响；而且每次都要打开设置、一个个拨开关，等你拨完，会议早开始了。我更愿意把它当成整理右下角的工具，而不是应急手段。

自动隐藏任务栏：鼠标一碰就露馅

在「设置 > 个性化 > 任务栏 > 任务栏行为」里勾选「自动隐藏任务栏」，任务栏平时会缩到屏幕外面，桌面看起来最整洁。

勾选「自动隐藏任务栏」

问题出在鼠标上。只要指针碰到屏幕底边，整条任务栏就会滑回来，按钮和图标一样不少：

鼠标碰到底边，任务栏原样弹回

共享屏幕时很难保证鼠标不经过底部。再加上窗口本身还开着，这个办法藏起来的只有任务栏。

虚拟桌面：最接近「藏」，但托盘是共用的

按 Win+Ctrl+D 会新建一个桌面并直接切过去。原来那个桌面上的窗口、任务栏按钮都看不到了，这是系统自带办法里效果最好的一个。

可惜右下角的托盘是所有桌面共用的，切过来以后，微信、WeGame、Steam 的图标还待在原处：

切到新桌面后，任务栏按钮没了，右下角图标还在

另外，只要有人按一下 Win+Tab，所有桌面上开着什么就一览无余：

Win+Tab 任务视图，另一个桌面上的窗口全都看得见

日常把工作和娱乐分开放，虚拟桌面很顺手。只是想彻底藏起来的话，托盘和任务视图是两个绕不开的缺口。

gohide：一个快捷键，连托盘图标一起藏

试完前面四种，我决定把当年的 GoHide 重写一遍，这就是 gohide。重写的主要原因是 24H2 改动了右下角的通知区域，我试过的几款老板键工具都只能藏窗口，托盘图标还留在原地。

使用时先在列表里勾选要藏的程序：

在 gohide 的列表里勾选要藏的程序

之后按 Ctrl+Alt+H，勾选的程序会把窗口、任务栏按钮和右下角图标一起收走：

按 Ctrl+Alt+H 之后的桌面

任务栏和右下角：勾选的程序都不见了

再按 Ctrl+Alt+Shift+H，所有东西回到原来的位置，窗口大小也不会变。快捷键可以改，也能给某个程序单独设一个。

藏起来的程序就算弹出新窗口，比如收到一条微信消息，也会被立刻收回去，不会在共享屏幕时突然冒出来；隐藏时还可以顺手静音，正在放的视频不会突然出声。专业版还能把藏起来的游戏直接挂起，CPU 和显卡占用降到 0，放出来接着玩；不过网游别挂太久，服务器收不到响应会把你踢下线。

它也有做不到的事。带反作弊的游戏，托盘图标可能藏不掉，遇到这种情况软件会直接提示，而不是假装已经藏好。另外它只负责「藏」，不负责「锁」，人要离开座位，Win+L 锁屏仍然是最稳妥的做法。

gohide 不需要注册账号，断网也能用，界面是中文的。免费版可以管理 3 个程序，没有时间限制；专业版 ¥49 一次买断，不是订阅，目前通过 QQ 或邮件人工开通，支持支付宝和微信付款，具体可以看官网的购买页。

怎么选

办法	窗口	任务栏按钮	右下角图标	一键完成
Win+D	收起	还在	还在	是
设置里关托盘图标	还在	还在	挪进小箭头	否
自动隐藏任务栏	还在	鼠标一碰就回来	鼠标一碰就回来	否
虚拟桌面	收起	收起	还在	是
gohide	收起	收起	收起	是

如果只是想让窗口暂时让个位置，Win+D 足够；想把工作和娱乐分开，虚拟桌面值得养成习惯；要是在意任务栏和右下角也必须干净，比如共享屏幕或者直播之前，前四种都差一口气。

你平时是怎么处理的？如果有什么程序怎么都藏不掉，欢迎在评论区告诉我，我会拿测试机挨个试。

国内官网：https://getgohide.com，国际版：https://gohide.net，也可以在微软商店搜索 gohide。演示视频在 B 站：https://www.bilibili.com/video/BV1jyHz6wEzk

文中截图均为实测，文字整理时借助了 AI。

做减法与新尝试：聊聊新上线的 Mac 免费修图工具 Lucarne

Xxxxxxx_Systems — Sun, 04 Oct 2026 04:04:46 GMT

在 Mac 上处理照片，Lightroom 几乎是绕不开的选项。但随着功能不断堆砌，大型套件变得越来越臃肿，加上长期的订阅成本和繁琐的云同步机制，促使我们想做一款更轻快、更纯粹的本地修图工具。

这也是 Lucarne 的由来。作为一款专为 Apple Silicon 打造的原生 RAW 编辑软件，它最近刚刚开启公开测试。与大而全的传统套件相比，它更专注于本地原生的完整性与高性能，有着更低的上手门槛、符合现代审美的界面，以及面向 AI 时代的原生扩展性。

在基础能力上，它直接读取本地文件夹，省去了漫长的导入过程；完整的无损显影管线针对索尼、佳能以及富士 X-Trans 传感器做了专项优化；软件内直接集成了高 ISO 降噪、物体消除和超分辨率等实用 AI 工具，无需额外购买云端算力；同时，它还内置了 MCP 服务，支持让桌面端的 Claude 或 ChatGPT 等多数AI Agent 像暗房助手一样直接协作修图。

Lucarne 可以在官网上直接下载，完全免费。

专业且熟悉的后期显影

作为一款修图工具，底层的色彩科学和操作手感往往决定了大家愿不愿意真正把它用在日常工作流里。Lucarne 采用了一套完整的场景线性（Scene-referred）色彩管线，调色面板里的基础参数、高低光反差、色调曲线、三色轮色彩分级以及多层局部蒙版都一应俱全。平时习惯的那些精细调色手法，在这里都能无缝沿用。

格式兼容方面，主流相机的 RAW 格式均可直接读取，并且专门针对富士 X-Trans 传感器的色彩阵列优化了去马赛克算法，尽可能在解算时保留草木与毛发的原生边缘细节，减轻许多第三方软件里容易出现的涂抹感。

校正建筑或风光照片的畸变时，除了提供标准的倾斜与旋转调整，Lucarne 还支持通过参考线辅助校正。只需在画面中沿着建筑物垂直或水平的边缘拉两条线，系统就会自动推算畸变并完成拉直。

另外，如果你使用的是带有 Liquid Retina XDR 屏幕的 MacBook，或是外接了高规格 HDR 显示器，Lucarne 原生支持全流程的 HDR 显影调色，可以直接在屏幕上以扩展动态范围（EDR）查看高光细节。在最终导出阶段，无论原本是 SDR 还是 HDR 画面，都可以根据分发需求自主选择输出为高动态范围图片还是标准动态图片。

AI 助手也能帮你修图：内置 MCP 服务

在 Lucarne，通过MCP服务，不仅你能用鼠标操控它，AI 助手同样可以。

软件底层内置了标准的 MCP（Model Context Protocol）服务，可以无缝接入 Claude 桌面端或 ChatGPT 等大语言模型客户端。接入之后，日常很多琐碎的修图步骤可以直接通过几句口语交由 AI 处理。

比如在拍完一组活动或扫街照片后，你可以让它帮你初步筛出合焦且构图较好的片子，或者让它按某种风格统一裁切画面、对齐曝光、消除角落里的杂乱杂物。AI 接收到指令后，会直接调用软件内部的工具去移动滑块、建立选区并生成调整，每一步改动都会完整保留在软件的历史记录树中。

这意味着让AI修图不再是黑盒生成一张虚假的照片，而是通过专业且确定的色彩管理管线，真实地替你操作。因为你可以看到AI操作的每一步，也随时可以伸手微调参数。

开箱即用的高级 AI 工具

以往在修图时遇到画面瑕疵，往往需要借助外部插件，或者使用那些按张扣费、需要排队上传图片的云端处理工具。

Lucarne 将几种最核心的画面修复能力直接整合进了底层，并且直接调用 Mac 芯片本地的神经网络引擎运算。包括针对高感暗光照片的 AI 降噪，用于擦除路人或杂物并自动补全背景的 AI 消除，以及多种可选的两倍超分辨率算法。

这些高级工具开箱即用，不需要额外购买，也没有服务器排队的等待。初次触发时自动下载好本地模型权重后，即便是在飞机上或没有网络的环境里，日常修图也能完全离线使用。

完整的图库与高效批量处理

在完成了前期拍摄和核心调色后，面对成百上千张片子，图库的管理效率同样很关键。

打开已有照片的目录后，原文件依然保存在原处，不会被拷贝到私有的媒体库数据库中。同一次拍摄的 RAW 和 JPEG 会自动归并展示，支持通过星级、保留/排除标记以及文本标签进行常规的分类和多维度筛选。

当需要处理成批照片时，可以在图库中多选照片进行批量导出或统一操作。对于调色流程，支持将某一张照片上的曝光、曲线等参数复制并批量应用到其他照片上。如果复制的参数中包含针对主体或天空的 AI 智能蒙版，粘贴到新照片时会自动基于目标画面重新计算选区，不需要一张张手动重新生成。

Lucarne 目前处于公开测试阶段

运行环境：需要搭载 Apple Silicon 芯片（M 系列）的 Mac 设备，系统要求为 macOS 26 或更新版本。
费用：公测期间完全免费，无需注册账号或订阅。
下载地址：

由于当前版本仍处于公测期，在部分机型 RAW 解码的边界情况或极端批量场景下可能还会遇到不足。如果在实际使用中发现问题，或者在调色逻辑、快捷键与交互上有任何具体建议，欢迎在评论区留言反馈。

如何配置一个好用的浏览器（推荐所有人看）

胡拉图说 — Wed, 30 Sep 2026 00:26:58 GMT

摘要：这篇文章主要分享了一下我个人配置浏览器的心得，从浏览器选择、设置、清理选项、扩展推荐、书签管理等方面，给大家详细的说明了一个好用的浏览器，应该如何配置。

自己每天都要长时间用到的东西，请花点时间折腾。

浏览器推荐

无论你目前正在使用哪一款浏览器，我都推荐大家不要只使用 1 个浏览器，因为不同浏览器的优缺点并不一样，利用不同浏览器的优点满足自己不同的日常需求，就够了。

我自己目前常用几款浏览器——Safari、Helium、Search、Firefox。

Safari 是我日常看博客、找资料经常打开的浏览器，它有几个很显著的优势——简约美观、轻量省电、隐私保护好、触控板操作支持佳、多端协同优秀。

就比如 Safari 浏览器里，双指捏合，预览全局网页的功能，我就几乎没在其他浏览器看到过。

Helium/Search 浏览器，是 Chromium 系浏览器里，我非常推荐的 2 款。加载速度极快，去除了很多 Chrome 浏览器的冗余功能，并且很简约，超级符合我的审美。默认浏览器是 Helium，我觉得 Chromium 内核的浏览器，加载速度确实是独一档，比 Firefox 和 Safari 快不少。

Firefox 浏览器，我主要是用来打开一些需要我账号登录的网站，并且它有 Profile 的功能，你可以在这个浏览器里创建无数个分区，每个分区的数据、资料是完全隔离的。比如我要发布公众号、少数派等平台的一些内容，我就在 Firefox 浏览器里创建一个「media」的容器，里面只储存我自己的自媒体平台登录信息，到时候只需要直接打开、发布内容就好。

设置

新浏览器安装好，需要进行一些必要的设置，主要分为以下几项。

下载文件夹

我建议大家在自己的电脑、手机等电子产品新建一个名为 InBox 的文件夹，用来存放你所有的「截图、新文件、待处理和正在处理的文件」。浏览器的下载文件夹，也设置在这个文件夹。

这会让你的电脑，整洁很多。

搜索引擎

有条件的上 Google，没条件的设置成 Bing 国际版。

虽然说 Google 是一家会收集使用者个人信息的公司，但是耐不住他的搜索体验，我觉得还是很强（不能说最强），起码用 DuckDuckGo 搜索引擎的时候，有个别我想进入的网站，我搜索不到。

所以，如果大家平日里搜索引擎用得少，我觉得大家可以用对隐私保护更好的搜索引擎。如果还是注重搜索质量和体验，并且没那么在意数字隐私泄露，那就用 Google 和 Bing，我觉得很不错。

但这里大家有一个值得思考的问题：这个世界上很多做到「体验顶级」的数字服务，基本都是盈利的组织机构。那么给到我们好的体验的同时，他们一定要通过相关手段来获得收益，这个过程可能会有一些广告影响我们，有一些收集个人隐私的行为。如果我们过分介意这种行为，就无法享受这个世界上最好的那些数字服务。

所以，需要根据自己的需求、使用习惯去衡量，选择适合的自己的工具。

账号登录

非必要、不登录。

在浏览器的使用中，其实我倒觉得没有必要强制要求自己登录账号使用。

因为我觉得我没有「浏览器多端同步」的需求，因为浏览器在手机端的作用已经被无限边缘化了，就算遇到要在手极端使用浏览器的场景，我也基本就是搜索一下，并没有其它再多的需求了。

但如果有些人是个人电脑与工作电脑分隔开，电脑与电脑之间浏览器使用有一些同步需求的话，我的建议是养成备份的习惯——扩展、脚本、书签、历史记录等等，定期进行导出备份。这样，如果我们重装、或者同步到另一个浏览器，把这些备份的文件导入进去，就拥有了一个自己熟悉又习惯的浏览器。

广告拦截

如果你是一个浏览器重度玩家，那么 uBlock Origin 的大名，你肯定听说过。

这是一个非常优秀的广告拦截扩展，可以去除很多网页上不需要加载的元素和内容，让人获得更好浏览体验的同时，其实还让浏览器的负担变小了。

我之所以目前还在使用 Helium + Firefox 浏览器，很大一个原因就是这两个浏览器目前还完美的支持 uBlock Origin 扩展，对于日常体验的提升，非常好。甚至于 Youtube 平台需要会员才能拥有的去广告服务，这个扩展可以完美实现。

Chrome 和 Edge 浏览器，前者已经不支持 uBlock Origin 许久了，Edge 也快要不支持 uBlock Origin 了，并且这两款浏览器还有许多遥测和数据收集行为、资源占用也比较大，所以我不太推荐。

书签管理

其实这部分内容，是我想要分享的重点，也是我认为我的浏览器比大部分人好用核心所在。

我们每个人，因为兴趣点和职业的不同，其实每天打开的网站都高度重复且有限，那么如何提升「打开网页」这个行为的幸福感，就很重要了。

所以接下来，我重点分享一下，我对于标签页管理的心得：

收藏原则

不是所有的网站，都值得我们收藏，因为随意收藏的东西，几乎就不会再打开。

我自己的原则如下：

一个网站，尽量只做好一件事
页面尽可能简单、直观
网站需要高频打开
内容对自己非常有价值的网站

我收藏的网站，基本都满足以上我提到的这些要求。

比如这个网站，就是我把用 Typora 写好的文章，在公众号发布前，都会用到的一个网站，因为它可以渲染我的 markdown 语法，让我的文章内容在公众号里有更好的阅读体验。

它只做好这一件事，并且页面简洁美观，我打开的频率很高，能够满足我的写作发布要求。

完美满足我的所有收藏原则，我必须收藏它！

整理原则

收藏的书签，最好在需要用到的时候，可以轻易获取。

那么我形成了一套自己的书签整理原则：

首先：书签栏显示的网站，一定是我们最高频使用的网站，因为它在我们每次打开浏览器时，很容易找到、点击进入。

但是，书签栏的位置毕竟有限，如果我们需要在这个位置显示的网站很多，它会折叠起来，那就达不到「便于找到」这个要求了。

于是乎，我们可以编辑这些书签，清理干净这些书签的备注信息。

这样的话，我们显示在浏览器书签栏的网站，就只有一个个的网站图标，并不会有太长的文字占位置，也统一了标签栏的显示风格——只有图标。

然后，不那么高频需要打开的网站，我们可以收藏在一个书签栏的文件夹里（Archive），需要的话，按照分类打开就可以。

清理

浏览器永久了，难免会留下痕迹和缓存，降低我们的加载速度，影响体验。

那么怎样清理浏览器的缓存内容，是最稳妥的呢？

我建议大家勾选这 3 项：

这样的话，每次清理，我们日常用到的网站的登录信息，都可以留存，不需要一个一个再登录。

必备扩展

Bitwarden

有时候需要登录 Gmail、学校网站、AI 工具网站等等，Bitwarden 这个扩展不仅能给我们「生成强密码」，还能针对我们登录的网站保存密码。

很多浏览器早就自带密码管理功能了，但有几个问题——一个就是不好全平台同步，有的人在电脑里用好几个浏览器，有些网页在手机端也有 APP 需要密码登录，浏览器自带的密码管理存在很多体验上的缺陷，而 Bitwarden 就能全平台下载扩展、软件，保证网页、手机 APP 都能使用同一套密码管理系统；还有就是 Bitwarden 有超级好用的「密码生成」功能，就是在我们注册某些新账号的时候，可以为我们自动生成非常难破解的密码，并且可以自动保存；最重要的一点是，Bitwarden 有着更好的安全指数！毕竟眼下很多浏览器都不在注重保护个人隐私，但 Bitwarden 还是个开源软件，相比浏览器自身的密码管理，更安全、更可靠、功能也更多样。

Global Speed

这是一个可以控制浏览器全局「视频播放速度」的扩展，但它对网页的控制，可不只有视频——音频、播客、广告……，凡是可以「播放」的内容，都可以用这个控制速度。并且设置一次后，全平台的音视频播放速度，都会固定。也就是我打开 YouTube 的每个视频，基本都是自动 x1.5 的播放速度。

我设置的快捷键是左 shift + ➡️，+ 0.1 的速度；左 shift + ⬅️，- 0.1 的速度。左 shift + ⬇️，回归原始 1.0 的速度；左 shift + ⬆️，跳到上次调节好的速度。

总之，在一个「视频融入日常方方面面」的时代，我觉得这个扩展体验超级棒。

ublock origin

这个扩展，上面介绍浏览器的时候提到过，几乎是浏览器必装插件。

开源的广告拦截工具，可以还给我们清爽干净的信息页面。极低的内存占用、丰富的订阅规则、高度的可自定义程度，都是它领先于其他竞品的底气。

之前我看到一个国外的浏览器扩展评测，觉得部分的浏览器扩展因为内存占用的原因，会让网页的加载速度变慢；但是 uBlock Origin 因为会屏蔽一些网页元素和广告的加载，所以反而会微微加快网页加载速度。

Dark Reader

我是个电脑控，意味着我每天在电脑面前的时间非常之长，以至于我有过很多白天、夜晚使用电脑的对比体验。

很大的一个痛点：如果电脑只有白天模式，没有夜间模式，那么晚上看电脑是很不舒服的，起码我的眼睛会觉得太闪亮、太刺眼。但大多数电脑都支持夜间模式，也越来越智能，支持自定义时间段、支持日出日落的自动切换等等。但网页呢？有些网页会随着系统的暗黑模式自动切换背景色和文字显示，但有些网页的暗黑模式显示效果并不好，还有一些网页压根就没有暗黑模式，导致我们从一个网页切换过去，非常的突兀、体验很不好。

所以，Dark Reader 这个插件存在的意义，就是给我们的浏览器，一个统一的暗黑模式，让那些没有适配暗黑模式的网页，也可以在黑夜里好好的显示内容。

沉浸式翻译

这个插件的强大，已经不需要我多说，大家随便检索一下介绍视频，都可以了解。

我最常用的是「全局翻译」这个功能，就是按键一点，整个屏幕的所有英文内容，都会有对应的中文出现，这在检索英文文献、读英文长内容的时候，非常的方便。

而且还可以生成 youtube 的中文字幕，可以让了解英文视频内容的人，有多一个选择、少一些阻力。

如此，一个好用的浏览器，就基本设置完成了，希望给大家带去帮助。也希望点赞、喜欢、分享、关注。

我吃到了那颗梦寐以求的小药丸

LOSSES — Mon, 28 Sep 2026 07:54:18 GMT

提醒：本文不构成临床建议，医疗问题请洽询执业医师。

我曾经写文章分享过自己确诊 ADHD 的过程，但是后续并没有通过药物来控制症状。因为用于治疗 ADHD 的刺激类药物，专注达属于精神类管制药品（也就是俗称的红签药），因此在开具处方的时候院方会设计非常多的规则，除了院方之外，医生也会凭空生出一些规则来让求诊过程更为复杂。

以之前求诊的安定医院为例，初诊的时候医生说你必须得挂专家号才能做诊断和开药，挂了专家号拿到诊断之后，专家号的医生说你回头可以去挂普通号拿药了，等我下次回诊挂普通号的时候，医生又以之前没有开过专注达的情况下必须得回去再挂专家号才能拿到药。加之每个处方有用药数量上限，每次排队、开处方都是巨大的时间金钱成本，后来用药这件事情就不了了之。

我至今依旧难以忘记，拒绝开处方的医师那不耐烦、充满 Judge 的神情和语气。仿佛我是来骗毒品的瘾君子一般。

你我都能看得出其中的荒谬之处，对于有实际用药需求的患者，管理药物分发的手段竟然不是更加严谨的流程，而是为药物获取添加了很多莫名其妙的阻碍。我甚至有听说有些医院，分院开的诊断总院不承认，必须要重新跑诊断流程的，颇有一股「我不在乎你，别给我找麻烦的味道」。

事情就是这么个事情，无奈就是这么个无奈。索性日子还能过得去，所以 ADHD 治疗这件事情就没了下文。

问题总归还是要解决不是

后来我换了生活的城市，开始刷第二个硕士学位，繁重的作业和知识吸收的诉求成功的触发了我过往求学的不快记忆。尽管 ADHD 本身自带拖延狂魔的属性，但最后一整年的煎熬和焦虑战胜了我心中那颗名为拖延的沙发土豆。我怀着再次被 Judge 的恐惧，准备重新踏进学校 Wellbeing Center 的接待处。

准备工作是要做的，我从储藏室翻出了之前的 ADHD 诊断书，在淘宝找了一家翻译公司，拍照，传过去，第二天就拿到了翻译公司盖章的译稿。

拿到稿件的当天我就去约了医生。令我意外的是，接待我的老师没有展现出任何异样的表情，看了一眼我之前的诊断，跟我解释 ADHD 的诊治需要经历非常多的流程，并且先帮我约了学校的 Mental Health 门诊。同时，她也嘱咐我，下次要把诊断的译稿一并带过去。

第一次看诊是在今年 7 月 14 号，进入诊间之前，学校通过 Email 了我一个完整的 ADHD 自评问卷。进入诊间的那一刻，我便踏上了处理这个恼人问题的旅程。

一开始我就拿出了自己的病历，对方花了几分钟非常详细的阅读了上面的内容，跟我说这个诊断非常有帮助，并且征求我的同意，稍后会把资料复印走录入系统。我还问是否需要出示原件来证明这份诊断不是伪造的，对方非常大方的说不用。这段对话非常包容和友好，以至于我心中的怯懦和顾虑烟消云散。

虽然已经有了之前的 ADHD 评估，但医师还是对我做了一次独立的 ADHD 的访谈评估，跟之前在北京安定医院的病历做了对照。

除了基本症状之外，她还询问了很多和治疗有关的问题，比如个人健康状况以及潜在的家族病史，询问是否有心脏病、高血压或精神分裂症的家族病史。同时也问了一些 ADHD 的社会适应性问题，比如有没有化身马路杀手，还问了一些生活习惯，比如抽不抽烟、抽不抽大麻、喝不喝酒、喝不喝咖啡。我表示自己甚至没有驾照（Of course 我知道自己会变成马路杀手），没有任何物质依赖的嗜好，也不喝咖啡。对方随后解释到 ADHD 相关的药物和咖啡可能会有相互作用对身体造成负担。

在访谈的后期，心理师也关心了我的心理健康状况，并且详细地列出了学校有哪些免费的资源可以帮我更好的度过当下的挑战。比如如果留学生身份有问题，可以找留学生部门；如果有心理健康 Concern，学校提供免费心理咨询；如果学习过程遇到问题，下学期可以找 Accessible Learning 申请 Accommodation。申请后可以延长考试时间，作业提交的时间也可以有相应的放宽。

之前我写文章分享过自己确诊 ADHD 的过程，但是后续并没有通过药物来控制症状。因为用于治疗 ADHD 的刺激类药物，专注达属于精神类管制药品（也就是俗称的红签药），因此在开具处方的时宽。

经历了一段说不上短的评估，对方表示我适合用药，但学校的精神健康门诊只负责做测评、处理心理健康相关的问题，本身并不开药。所以她会会将我转给学校的 NP 去讨论用药方案。

临走前我看到桌子旁边有安全大麻使用卫教宣传手册，开篇第一页：「使用大麻是你的一种选择」，第二页「避免大麻伤害的最好方法就是停止使用大麻，但是我们知道这并非易事」。我差点没憋住笑，不愧是加大麻。

我身边有不少旅居海外的 ADHD 患者，也会聊彼此的求诊历史。闲聊间得知，有些学校的精神与心理健康相关业务是外包出去的，所以跟校方配合的不是很好。但我们学校的精神心理健康相关资源整合的却相当不错，这让我觉得很意外。

第一次看诊当天就约了第二次 Appointment，是三天后的 7 月 17 日。看完病第二天给学校又我发了一个 ADHD 问卷让我在家做了（相当于又做了一次 ADHD 的评估），做完了之后见到有处方权的职业护士（Nurse Practitioners），又对我做了一次完整 ADHD 访谈（已经数不清是第几次交叉验证了），考虑到我有心肌炎的病史，且留下了慢性症状，家里有高血压、冠心病、心肌梗塞家族病史之后，她便开了单子让我去 Lab 抽血做心电。我们学校没有自己的实验室，需要拿着学生健保卡去另外一个实验室排队抽血和做心电图。猴贵的学生医保有 Cover，这部分是不要钱的。

校医院给开的检查单

虽然官网说等十分钟就能抽上血，但是去 LifeLabs 还是排了整整一个小时的队。因为是用 UHIP 保险不是省里的 Health Card，所以过程有点复杂，要把电子卡发到邮箱，再用代码去打印。那 Lab 在地下室信号出奇的差，害得我上上下下爬了好几次楼才把资料发完。检查过程抽了两管血，做了一次心电图。我的体型算是比较瘦的，血管应该很好找，但是那小哥还是扎进去之后捅了好一阵子，捅来捅去还挺吓人的。看结果的时候小哥还问了我为什么来做心电图，我说是 ADHD 用药，对方想了想没有回话。流程跑完之后小哥跟我说你非常健康结果几天后出。

做身体检查的实验室

大概三四天之后我接到电话说结果已经出来了，马上约了第三次的 Appointment。看诊时医生告诉我血检正常，心率和血压超级健康，完全可以开始用药。不过有一个血常规指标偏低（可能与最近过敏起湿疹有关，在完全没问我的情况下她非常自动的又给我开了两罐激素，可以说是非常贴心了，我当时就是顺嘴一提而已）。另外我的维生素 B12 偏低，医生建议每天补充 1,000 mcg。B12 缺乏会导致整个人疲乏、困倦，这可能与我基本吃素有关。想必你也知道微波炉处理肉品是一个比较麻烦且容易做不熟的东西，我又懒得下楼用电磁炉，所以平时基本上只吃豆腐、豆子罐头、菜叶和碳水，缺乏动物性食物，这可能是导致 B12 不够的主因。

血检的结果

这边针对 ADHD 的用药比中国丰富很多。医生拿了一整张单子，介绍了排在前面和后面的不同类型药物（刺激类与非刺激类），问我想吃哪种，破有一种去饭店点菜的气派感。就差直接问「先森今天您想嗑点什么」了¹。哇，这是我可以自己选的吗——

看到我面露难色，NP 开始耐心的介绍，一线药物基本都是中枢神经兴奋剂，二线药物是非兴奋剂类。我表示对中枢神经兴奋剂不抵触，迫切的希望解决问题，愿意是尊重医生的经验和想法，以效果好的为准。

菜单本单，资料来自 CADDRA

医生跟我说她推荐从 Vyvanse 开始。因为 Vyvanse 比其他类型的药物更容易调整药物滴定的进程。我欣然同意，决定从 10 mg 的 Vyvanse（唯稳思）开始尝试。她甚至问了我吞咽药片有没有困难，后来查了一下对于吞咽有困难的患者还真的有溶到水里服用的方法，甚至还有咀嚼片的剂型。

我们学校的 Wellness Center 处理 ADHD 药物非常谨慎，在正式开药之前需要签署一份协议。协议上要求，如果出现任何很不舒服的症状，必须立刻回去报告；只能从某一个固定的药房拿药，不能换药房；只能从学校开处方，不能额外去 walk-in clinic 另开处方，避免重复用药；一个周期只能拿一次药。不管是丢失、被偷还是掉进马桶，都无法补开第二份；由于该药物具有精神活性，存在 street value（街头价值），所以如果我是街友或者沦落街头，那么就无法继续开局处方；以及我不能擅自调整用量。违反协议以后将无法继续开药。

协议扫描稿件

另外，医生建议把药放在带锁的盒子里的，尽量不要把药罐带出家门，毕竟村里说不上特别太平。

签署协议后拿到处方，我当天下班就去药局取了药。药局里的药师交代吃这个药可能会有过度兴奋等常见症状。

我：这听起来好吓人
药师：你这才 10mg，不会有啥事情，通常吃两周左右就会适应。

10mg 唯稳思的处方收据，关键信息已经打码

于是我便满怀期待地抱着纸袋子回家了，路上数次想要打开袋子看看里面的药到底长什么样，但是想起了医生的叮嘱，还是忍住没在大街上就开袋。

我相信你一定对价格感兴趣，因为有 UHIP，所以两周的药收了我 $8, pretty cheap。如果不考虑保险，两周 10mg 唯稳思的价格是 $16.61，差不多八十多人民币，估计爱喝咖啡的人半个月咖啡钱都比这个多，所以在我看来这依旧是相当公允的价格。

如果唯稳思这个概念让你感到陌生，那么更加正式的名称 APO-LISDEXAMFETAMINE CAPSULES，应该会让你的印象更加具象化一些。如果依然印象模糊，bro，让我给你画个重点：「AMFETAMINE」。

好，你知道了。

甜老在得知我拿到的药时，还开了个玩笑：

这个比专注达要冰

吞下去！

这个药是早上起床吃，吃一次管一天。我早上九点起床把粉色小药丸吞下肚，然后开始体验身体上发生的奇妙变化，整个生效的过程非常缓慢温和。我的精神状态没有发生戏剧性的变化，完完全全没有翻天覆地的感觉。

粉色小药丸，每天一颗

我最先体验到的是拖延症状消失了，我吃完药之后躺在床上刷了半小到一个小时手机，然后就起床准备开始处理一天的事情了。看到脏衣桶有一堆衣服需要洗，立刻就去洗了，是那种「我需要做这件事情」，立刻就能开始做的感觉。以前这种事情可能会拖延很久，现在看到该做的事情就会直接去做。像是那种「等到整点再干活」然后一直拖过 N 个整点的毛病也好了一丢丢（没有很多）。

另外一个变化是思绪方面，以前我的脑子里会很混乱、互相碰撞。用药后这种感觉头顶那一大堆混沌变得透亮了许多。脑子里依然会有想法和思考，但一次只有一个想法，一根线，非常清晰。这让我有一种 under control 的感觉。

日常工作状态方面，整体感受与第一天类似。以前做枯燥工作时，必须播放音乐来安抚情绪才能做下去。但今天的情况有所改变，下午需要赶快把模型建好，我就直接去建模型，音乐停了也没有心思去管，安静地忙碌了一下午。建了很多个模型并摆好了场景，生产力提高了很多，相当开心。

我人生中第一次听完了近三小时的大长课，中间有分心但是可以相对容易地把注意力抓回来。两点半下课之后整个人累得半死，一下午疲劳得几乎没有生产力。

这篇文章的大部分内容就是在吞下 10mg 药丸之后敲出来的。一个令人欣喜的发现是，在这个全新的认知模式下，我写文章不是特别需要 AI 了，自己就能快速的把内容推完。隔壁张老师还在自己的频道开了个玩笑：

碳基 LLM，还低能耗！

Actually, we, all authors are, indeed, generative large language models! Yeah! ¯\_(ツ)_/¯

不过，分心的情况依然会有，事情一多还是觉得很难安排。这可能与以往养成的不良行为习惯有关，有些问题上了药也无法解决，依然需要配合行为矫正，以及任务管理技术的教育，这是很多临床诊疗的标准实践方式。另外，无聊的课还是完全专注不进去，自己情绪上反感的任务依然会出现拖延不想做、做的时候想往外逃的感觉。但就我的理解这属于心理层面的问题，吞再多的药八成都没救。

面对这些，我当时的第一个念头是：

原来正常人的主观体验是这样的。

另外一个较好的体验与运动有关。在药效尾段尝试做运动时，发现精力与精神状态有所提升²。加上配合了此前使用过的小医疗工具来撑开鼻腔，体感上的运动体验比之前好很多。

它没有让我变成另外一个人。它带来的感受很微妙，只是让脑子变得比较顺手（？）、比较听话，没有那种被东西四处拉着跑的感觉了。我当初最担心的情况没有发生，可喜可贺。

到了下午 4 点到 5 点左右，药效会逐渐消退。这种消退不是那种啪的一下电灯关掉的感觉，整个过程更像是熟悉的 Chaos 蹑手蹑脚地飘荡回来的感觉。消退后会感觉脑子没有之前那么好用，开始变回容易分心的样子。此时内心当中已经开始上演了无数场琼瑶剧，我趴在地上看着逐渐远去的前额叶大喊「佳明你不要走——」，一边逐渐变回ㄎㄧㄤㄎㄧㄤ的样子。NP 跟我讲因为你吃的剂量非常非常小，所以药效不够长很正常，后面把药量拉上来就好了。

虽然佳明弃我而去令人感到惋惜，但是在这奇妙的体验中，我还是学到了一些东西：「专注是一种什么样的感觉」。虽然很难说体验到不一定意味着在不服药的时候就能做到，但这对我来讲依然是一个新的自我觉察。I’ll have a try when I’m not taking the lovely pills.

同样由于剂量很小（10 mg），常见的口干、食欲下降等副作用在我身上完全没有出现，胃口依然好得不得了。因为属于某种神经兴奋类药物，中午和晚上吃完饭后犯困的毛病消失了。以前醒着时会不停找东西吃，现在虽然有点想吃，但觉得可以不吃就不吃了，没有被某种欲望拖着走的感觉。胸痛、呼吸困难等症状都没有，唯一的状况是第一天出现了六七次心悸（心脏跳着跳着突然沉重地响一下，然后就过去了）。

因为协议里面有讲，我的身体有任何不舒服都要立刻回报，所以后面约了一次回诊，回诊发生在七月二十八号。医生问了一些具体的问题，像是是只有一下 Strong beat 还是持续性很久的 Strong beat？有没有呼吸困难？有没有感到眩晕？顺便帮我测了心率血氧血压，数值全部超级正常。然后得出结论，哪怕是正常人偶尔也会有这个情况，所以没问题可以继续吃，但是遇到更严重的情况要随时让她知道。

我表达了这种小事情回来回报会不会有点小题大作，对方表示完全没有问题，遇到任何异状都请务必回来告诉我。

幸运的是，用药第二周开始已经没有任何心悸症状出现了。

最大的问题可能还是睡眠，医生也提醒过晚上可能会睡不着。前几天我提前把手头的工作都做完了，非常满意地上了床。上床时间比之前早很多，而且药效退得很快，基本上到下午四五点就没什么效果了，所以睡眠比以前更好，药物对睡眠没有太大影响。但是后面有几天工作量很大，熬了夜，第二天十一点多才起床吃药，结果当天就吃了神罚，眼睛滴溜圆地到半夜三四点才睡着。而且这造成了一个很糟糕的瀑布效应，如果我头一天晚上晚睡了，导致第二天用药时间延迟，那么第二天的睡眠也会被影响。NP 跟我说有些人会早上五点钟起床把药嗑了再去睡觉，醒来的时候正好神清气爽，颇有 Morning Coffee 的味道。

整体而言，有改善的地方，也有无法改变的地方，ADHD 彩虹药片并不是神药，欠的历史债务还是要还。

您好，朋友，这是不可能的

冰冰——

8 月 7 日，我前往 Mental Health Clinic 复诊，进入诊间前我们又测量了一遍体重，她对着我前几次的记录看，发现没有体重明显下降的问题。然后按照不良反应清单逐个关切了一遍，我表示一切都很好，除了睡眠的确是出了点问题。

她在中间问我有没有哪天没吃药，我表示中间有一天熬夜太晚，第二天十二点才起床，如果那个时候我把药丸吞下去的话，晚上基本就变猫头鹰了。对方表示这种情况下你的确是应该跳过去不应该吃，否则会进入一个很糟糕的循环。同时她也告诉我，有些人会选择周六周日休息时不吃这东西。所以跳过一顿两顿的不会怎么样，一切以你的主观感受为准³。

中间我们又做了血压、血氧、体温、心率检查，结果超级正常，证明目前药物对我的身体健康没有太大影响。

后面，我把上面的一大堆感受全都报了一遍，表示一切看起来都很好，并且表达了对于下午四点佳明弃我而去的悲伤。医生和我说可以在下午一点的时候加一个小剂量的 Booster，也可以 Double 药量，并且提案可以试试 Double 药量，因为现在 10mg 的剂型真的是一个非常迷你的剂型。

所以我当天就拿到了新的处方，30 天的用药，每天 20mg 的唯稳思。我临走的时候她又跟我提了一嘴，心理咨询是不要钱的，可以试试。

当天我就拿到了药瓶，回家的路上开心的像一个得到糖果的孩子一样（这个描述是不是看起来非常的牙白——）

20mg 唯稳思的处方收据，医生没有直接给我开 20mg 的剂型，用的是两颗 10mg，方便副作用太强的时候往下调

8 月 8 日，我第一次开始尝试双倍剂量的唯稳思。吞下两颗药丸后的半小时到一小时之后，我就能清晰地感受到一些先前完全没有体验过的变化。

具体而言，我的感受是脑袋里面比之前吃一倍剂量的时候还要干净。这种感觉很难描述，它不能被称之为无聊，因为无聊本身隐含贬义，那些 ADHD 一直在拖延不想做的事情才应该被划归到无聊的范畴，它们无疑是消极的。与之相对的，我的主观感受完全称不上消极。他不是 ADHD 注意力失控之后的 Hyper Focus，因为这种 Hyper Focus 通常伴随着焦虑、挣扎。它甚至不能被描述为「一面白墙」、「一片晴空万里」、「一个黑洞」、「静如止水」，因为这些形容词通常都能带来一些视觉意向。而我的感受中，是纯粹的、没有任何背景和意象的。就，字面意义上的 void，nothing，什么都没有。我可以做到专注眼前的事情，脑袋里面什么其他想法都没有。我甚至人生当中第一次体验到，我可以做到「什么都不想」，拜此所赐，整个人的气质当中竟出现了一种前所未见的空灵。

To be honest, that’s kinda weird… really really weird…

此外，20mg 的唯稳思完全改变了我和情绪之间的关系。有些人会表示服用 ADHD 药物之后，曾经情绪淡漠的人会开始获得情绪感受。但是我的感觉更接近一种一马平川，之前很容易有情绪波动深陷 Flashback 中久久跳不出来，但现在情绪反应不再持续地占据注意力，我可以非常容易地让注意力从那些过往事件中 detach 出来，「啵」的一声就分开了。那种感觉就像「OK，虽然之前的情绪是那样的，但是现在我有工作要做，先干活，您老先滚一边去」。

「不开心的事情不去想它不就好了」这种屁话你肯定听过，并且在大多数情况下它一定是不可能达成的，但是在药物作用下却真的能做到，此处不免要感叹一下「靠，这也能行？」

尽管 Mental Health 门诊的医生听闻过去有一些创伤性经历并且会反复地出现 Flashback，可以通过心理咨商来调整一下。但是我看待这些 Flashback 的态度并不主流。在我看来他们是我生活经历的一部分，这些经历和强烈的情绪感受不断的为我的创作提供养料，并且促进我一步一步更加深入的思考教育领域的话题。所以我从来没有想象过它们被控制是一种怎样的体验，但我现在知道了。

回诊的医疗记录原稿

相当有趣。

副作用方面，可能是身体已经通过 10mg 剂量建立了足够的耐受，吞下 20mg 剂量没有再出现心悸的问题。天气不好那几天，曾经因为心肌炎遗留下来的不适感以一种很弱的方式找了回来，有一点点不舒服，有点像晚上没睡好，但第三天这个症状就退了。

此外，如果吞服药物之前我在做一些杂事，后面会直接高度专注到这个杂事上面，甚至专注到完全忘记时间概念，这可能是一个后续需要和心理师一起处理的问题。

另外，我很难将这说不说得上是副作用。药物扭转了我大脑中默认网络的工作方式，在去超市买菜的路上我出现了一种不同寻常的感觉，冒出了「我想要来点白日梦」的想法，随后立刻意识到某些东西 Fuck Up 了，我在路上直接脱口讲出「Oh, shit…」。要知道对于我来讲走在路上，放着脑子在那里开自动档，如同爆米花一样不停蹦出奇妙想法，是一个无比愉悦、享受的过程，也是大多数创作灵感的来源。但是现在，哪怕我非常努力的想要积极让自己进入那种状态，依然非常困难。我竟然丧失了做白日梦的能力！Like, bro，你敢相信做白日梦竟然也是一种能力！How！即便我尝试在路上思考一件事情，还是非常容易被周围的环境切断心流。

后来我又尝试做了各种各样的尝试。感觉自己脑袋里面长出来了一个手动档的器官，而且对于如何控制这个器官，我还需要相当多的学习。有的时候会全然沉入内部思考，忽略身边的很多关键信息⁴，有的时候过去自动化的东西变得需要意志控制。好在这种控制并不需要特别多力气，只是多了一个需要额外管理的东西而已。

与之相对的，我观察周围世界的方式发生了变化。买菜的时候是一个阴天，空气潮湿而温润，随风飘荡的树叶和混合着泥土、植物芬芳，零星的雨滴打在身上，让人心神宁静。缓缓流动的河水，天上悠哉飞过的薯条怪，我感觉自己能够比以前更加敏锐地捕捉周遭的环境的信息。

逛超市的时候脚步也比以前慢很多，我以前几乎时刻处于一种战斗状态，健步如飞地穿梭在所有空间中，看上去有些火急火燎、冒冒失失。但是现在那种匆忙感完全消失了，我很难想象自己这辈子能切身体验到什么叫「悠悠哉哉」。不过我依然觉得没吃药的时候在这方面手脚比较麻利。

最后是 FOMO 大爆发，曾经那些「一定会因为拖延而被 Drop」的任务都会以压倒性的优先级排到最前面，而且任务切换变得困难，导致生活没有变得更有秩序。Again，这里面不都是药物的问题，也有我的问题。

我很难讲现在发生的这些变化是好的还是不好的，因为药物的确帮助我提升了生产力，但是带走的那些东西对我来讲又很重要。ADHD Tax 和 ADHD Bonus 一体两面，自然是不能指望「我全都要」。

就当下的结论而言，我我有点怀念之前 ADHD 状态下脑袋里面杂乱有机的状态，那种状态给我带来了非常多的想象和创造力，但是现在进入了一种不同的风格，感觉自己的内心世界变成了一副奇异面貌。这种改变不能用好坏来定调，它对我来讲是一种复杂的「不同」。

满满一罐小药丸，看着就让人很安心

至于曾经担忧的自我概念问题，群友打趣地问道：

有着不 ADHD 的大脑的螺老师还是螺老师麽（

我想了想，标准答案可能是：

git checkout -b non-adhd

我没觉得自己变成了另外一个人，毕竟承载人格的因素相当复杂，其中过往的经历占了多数，我没有因为吃药就遗忘过往。所以，尽管看着像是变了一个人，但内部应该还算是同一个人。这个新的状态令人感到陌生又新奇。此外，药效过去之后这临时 checkout 的 persona 就要合并回主线了，所以无伤大雅。

不得不赞叹一下，现代医学真是神奇又神秘。

20mg 剂量的唯稳思，30 天用药在有保险的情况下自付 $8，不用保险的话是 $39.65，其中 Rexall 药房配药服务占了 $11.99，挂号看诊本身全部由保险报销不需要自付。我听说国内吃专注达每个月要大概四百多块人民币。但是仿制药立优加已经上市，治疗费用说不定能便宜不少。可惜我本人对此知之甚少，所以无法做更深入的评价，望读者海涵。

配药费用的公示，贵到让人心惊胆战

哦，对了，一不小心会忘事的问题还是会有，毕竟正常人也会有忘事的时候，这是难免的。比如今天就忘记买甜椒和巧克力，回家的路上还被大雨浇成了落汤鸡，不开心 ( ´•̥̥̥ω•̥̥̥` )。以及，药效依然没有贯穿全天，早上九点半吃药晚上八点效果就有明显衰退了。

嗨嗨——

可能很多人对于唯稳思这个名字感到陌生，这并不奇怪。中国大陆贩售的 ADHD 药物当中最广为人知的是专注达和择思达⁵，唯稳思还没有获得批准。专注达的有效成分是一种中枢神经兴奋剂哌甲酯。简单地理解就是你脑袋里面缺神经递质，那就补进去点。我身边大多数 ADHD 患者都在用这个药，副作用相对较小且效果更好。

哌甲酯的结构和药理与安非他命、可卡因相似。医药公司通过制剂技术控制其释放速度，确保你不会嗑一片立刻就嗨翻天⁶。通常情况下，在专业医师监督用药、且患者不以一种作妖的方式服药的情况下，可以有效改善 ADHD 的症状，且哪怕停药，也不会出现像戒断酒精、香烟那般恐怖的副作用⁷。

我吃的唯稳思⁸是另外一种中枢神经兴奋剂，它和专注达的原理差不多，都是脑袋缺了点料就补进去点，但是有效成分变成了安非他命。请注意这不是裸的安非他命，而是⁹一种被修饰过的安非他命。这一点从它的名字里面就能看得出来：APO-LISDEXAMFETAMINE CAPSULES。这种分子本身没有中枢神经兴奋作用，需要进入身体里面代谢一段时间，才会体现出效果，在合理使用的情况下，你完全不会吃到嗨起来。

就一些用过药的患者陈述和我的体验，这种药的上升曲线被控制的更为平和，吃完药之后不会兴奋地感到「我能打十个」。药效上得慢，下的也慢。且完全不会出现像专注达那样，药效过了之后筋疲力尽变成废人的情况。我这篇稿子的某些部分就是在药效过了的时候打出来的，整个人虽略有奔轶，但依然在故作镇定地码字。这可真是可喜可贺，可口可乐。

说到安非他命，就得额外解释解释了。的确有一些人看到安非他命这四个字就觉得恐惧，我一开始也有这种想法。但考虑到止咳糖浆 OD 都会把人嗑嗨了，但鲜有人因此就不吃止咳糖浆，所以我后来放下了一些戒心。总归还是要相信科学和医生的专业，事情就总是会往好的方向发展。

请注意，由专业医师管理药物使用是非常必要的事情，任何情况下患者都不应该私自玩超级加倍。特别是专注达，这种药的常见剂型是 18mg 和 36mg，72mg 是安全剂量上限，而且得根据体重调整。如果自己瞎吃随随便便就 OD 了。况且这类药还会伴生副作用，没有妥善管理很容易会搞出大麻烦。

除此以外的作死方法还有咬碎专注达之后再服用、从地下黑市购买药物、在没有医生监督的情况下擅自服药、或者跟其他神经兴奋物质混在一起服用。简单搜搜新闻就会发现一大堆自己买黑药瞎吃然后 Fuck Up 的例子。有吃一片劲不大，就三倍药量怼上去，甚至一天吃两次导致药物成瘾的；有买到外包装是 ADHD 药物里面实际上是摇头丸的，美国还有把 ADHD 药物跟毒品混在一起嗑直接把命嗑没了的。Like, bro, 你知道吃这药连喝咖啡和茶都要小心点么……

神经兴奋剂滥用一直都是一个广泛存在的问题，之前友人鱼佬也分享过更白痴的例子：

之前大学 Discord 里面就看到有人说，期末了该买点安非他命了

Man, what can I say.

不嗨——

这种全球范围的药物滥用问题搀杂着社会、教育、心理因素。既有对于「你的身体是怎样工作」这件事情的不知，也有对于迎合某些社会框架的焦虑。

敝人拙见，不知并不是罪过，面对不知道的东西发动好奇心去了解、去学习就好。焦虑也不是罪过，它是一种自然的情绪流动，值得被好好体验、认真照顾。但不知和焦虑叠在一起所塑造出来的认知狭窄和鲁莽却能造出成吨的蠢事，这实在是荒谬到无以复加。

调整用药回访的当天，Mental Health 门诊告诉我需要做一个尿检。我刚开始还担心，这个结果是不是用来调整药物用量的，我是不是需要在结果出来之后才能拿到药物。对方则表示这是一个常规的检查，我们需要确保你真的把那些药物吃了下去，如果尿检结果是阴性的，那么我们就需要谈谈了。

对于这件事情我还挺诧异的，于是问到：

「真的有人骗药拿出去卖？」
「比你想象当中的多。」

但是你会发现不同的系统对于这件事情的解决方式并不一样。在这边，任何医师都可以凭借专业临床评估向你开具处方，但是我们学校设计了一套完整的系统来防止药物滥用。包括明确的卫教、用药协议、配套的心理咨询支持、以及定期的化验。尽管存在药物滥用风险，但是我们能够看到它在努力构建一个系统~~稳稳地接住每一个有需要的人~~。我对这样的一个系统设计充满感激。

后来我拿到了尿检的检查单和瓶子，检查单上写着「Urine Broad Spectrum Urine Screen」，广谱尿液毒理学筛查。基本上就是取你的尿液打质谱，查看里面的药物、毒物、镇静剂或代谢物。违规毒品使用筛查验尿测的也是这个东西，一想到我的尿液和头发里面现在可以查到一些不太妙的东西，而且自己需要长期受到某个系统的监控和管理，心里不由觉得好像哪里怪怪的。

验尿用的小瓶子

席间我们还聊到了一些药物不能解决的问题。比如，先前提到的，如果我对一个事情本身有情绪性的抵触，那么这个药帮不了我，需要心理咨商来解决。再比如，由 ADHD 伴生的记忆能力损伤，这药的处理能力相当有限（具体地讲可以缓解工作记忆的问题，但是其他的几乎解决不了不行）。

先前在安定医院看诊的时候我有跟医生提到我在记忆、背诵类的学业任务上有非常大的挑战，医生随即帮我开了韦氏记忆测量。虽然结果是中常没什么，但是把子分数拉出来会看到有一些结果与我在学业环境下的表现形成了呼应，像是背单词、背课文几乎没有按时完成过，有些甚至根本彻底不能完成，初中高中各种考试的古诗词填空题目也从来没拿过满分。在记忆测验中，理解维度上我的表现处于 P9 的位置，1 到 100 数字记忆、图片、联想记忆处于 P25 的位置¹⁰。很多研究都提到 ADHD 是一个涉及到广泛脑网络结构的症状，目前的药物只能管前额叶那一块的问题，因此 ADHD 药物对于这部分受损功能帮不上太多忙。对方也表示认同，并说很高兴我知道这药不是全能的神。她提到之前有来访者期待这药能横扫生活中的一切问题。Well, of course it couldn’t be.

当年记忆测验的结果

咨商师打趣说「以后要是真的有这种药，我一定会让你知道的」。但我心里也知道，这辈子肯定是看不到记忆面包问世的。

我还问了咨商师我能不能要一份所有的求诊资料，包括化验资料和系统里面的病历资料，因为我要写一篇文章向我的读者详细介绍一下整个诊断流程和用药感受。对方爽快的跟我讲没有问题，一会她就把信息索取表单发到我的邮箱里，填完之后 Manager 审查通过就可以拿到资料了，表格副标题写着：「Pursuant to the Personal Health Information Protection Act, 2004 (PHIPA)」。此时不禁侧目安定医院，楼上医生告诉我需要在导诊台那边打资料，导诊台告诉我要去医生那边打，我又回楼上问医生，医生跟我说不可能，这东西就是在楼下打的，最后又跑回去楼下一趟，最后才不情不愿的帮我打了资料。此处不禁摆出一副尴尬而不失礼貌的微笑，我真的不方便再多说什么。

我的尿检出现了安非他命阳性反应

我们还聊到了 ADHD 访谈的事情，我提到中国对于 ADHD 的诊疗非常参差不齐，很多医生的面貌实在狰狞，加之需要踏进医院让非常多患者不敢踏出家门求助。所以我偶尔会接到一些帮忙过一遍 ADHD 测评的请求。

但我对这件事情的伦理性有担忧。

尽管我做的非常谨慎，只会帮忙给关系非常近的朋友做这个测评，并且测完之后都会反复叮嘱它没有临床效力，我只能给出标准流程下我给出的量化结果，我会告诉他们接下来可以去医院问问医生，聊了这一大圈之后你应该已经知道怎么和医生表达自己的症状和担忧了。我也会额外叮嘱请不要跟医生提「有个朋友给我做了测评」这件事情，严格来讲这么搞是有争议的。

我也提到非常多医院会搞出五分钟快速出诊断的闹剧，而且我看到的不止一个。哪怕是我的非正式 ADHD 访谈都至少会做一个小时到一个半小时，后面还会加一大堆解释性说明，这些医院怎么可以这样搞。

对方心有戚戚地告诉我，在这边「自我诊断」的问题也很严重¹¹，甚至有很多流程相当粗糙的在线诊断服务，只要你交了钱就能搞出一份诊断书。我们学校是不承认这种诊断书的，不过考虑到这些公司还没死，说明的确依然有相当多人在用这个服务，也有机构承认对应的诊断。更糟的是，很多本地的医生也同样会搞五分钟出诊断的洋相（Well, literally 洋相，噗）且用药的管理漫不经心到荒唐的程度，这些都是已经存在的事实。她还提到，我没有处方权，没有收费，没有医疗行为，整个过程更像是把有困扰的人 Bridge 到医疗机构，在她看起来并不算不道德，当然事情还是要看地方法规。

Well, as you can see, 并不是远洋的月亮就更圆，彼岸的花也不一定更香。操蛋的事情和人哪里都有，只能说我比较幸运遇到了个不错的医疗团队。衷心地祝福，身在中国各位患者也能找到一个人美心善的好医生。

我一直都怀疑那些再往上自己做问卷的说自己有 ADHD 的人，到底死不是真的 ADHD，以及症状结构和生活挑战与执业医师确诊过的 ADHD 患者是否一样。出于好奇我直接码着 DSM-5 的诊断指标编了一个问卷，收了一批数据，看看到底怎么回事。

Well, 和那种上千份问卷的研究比这种就属于娱乐，但是我还是上了比较严格的标准，差异检验等效性检验、多重比较校正全都做了，至少气氛上是一个你可以简单看看的东西。

一共收到了一百份有效问卷（有没有见过这么卖力的，夸我，请大力夸我！）。一共有四十一人在正规医院获得过诊断，五十九人主要通过在线量表、论文、社交媒体或在线服务获知信息，猜测自己有 ADHD。

两组人的症状得分都很高，正规组九成五达到症状数量标准，非正规组也有八成六。虽然数字上的确是有差异，但是没做出统计显著，等效检验也没过，所以这结果真的就是说明不了任何事情。

但是症状出现时间上，差异就很大了。正规组里七成五的人说这些表现在十二岁以前已经出现症状，非正规组只有三成三。在我看来这是 DSM-5 里最重要标准，没有之一。ADHD 是神经发育疾病，没在你神经发育的时候出现的，那估计有可能是焦虑抑郁抖音脑睡不好觉之类的¹²。

同时满足症状数量和童年起点两个鉴别标准的人，正规组仍有七成三，非正规组只剩三成（甚至差异显著！）。侧面烘托出了医院里的医生有在好好上班，但没都在好好上班的氛围，也烘托出了网友自己诊断自己通常不靠谱的氛围（bushi——）。

当然，这个结果可以有好几种解释。社交媒体上流行的 ADHD 标签，通常都缺乏诊断特异性，非常多的身心灵问题都会表现出相同的症状。你看得越多，越容易把当前的注意、组织或冲动困难直接归入 ADHD，特别是当下有一个把 ADHD 当成 Fancy 标签的大环境。

我们也测量了具体的生活消极影响模式，问卷下面有工作与教育、家庭关系、社会交往、休闲生活、自我评价这五个维度，每个维度下面都有具体的生活困扰。

如果看整体，同时满足两项诊断条件的人比隔壁组多选出了三项（甚至也显著！）。两组人的差异主要集中在工作与教育这个维度上（差了一点五项，当然也显著）；甚至两组人的整体回答模式也有显著的差异。逐项比较里，「老师或家长曾指出相关问题」这一个问题上满足两项诊断条件的组要比另外一组显著的大，满足两项条件的有六成五满足此条件，其余人不到两成。考虑到这一项和确诊条件有重叠，所以我们试着把它去掉重新算两组人的差异，就个数而言差异依然是显著的。

换言之，就我们的数据来看，两组人真的有差，且这些差异可以被数字量化和模型证实。

所以，亲爱的，答应我觉得自己不对劲就去医院好么？不要自己瞎吃药瞎贴标签好么？

在我看来，ADHD 的漫长访谈是有必要的，它不仅帮助医师更加细致的理解患者的情况，把这些过往经历从患者的脑子里面拉出来，也可以帮助他们发展对自我感受的觉知能力。这个访谈本身也是治疗的一部分，不可被分而治之。非常多患者在用完药物之后不知如何表达用药之后的感受，或者没有建立起充分的自我觉察，而对药物带来的作用感受不明显，这些都是那堆彩色小药片解决不了的事情。

Anyway，无论如何，读到这里的读者，不要找我给你做 ADHD 测评，我是不会给 random guys 做这种东西的。出于自我保护的目的，我必须极力规避潜在的麻烦，比如扭曲我嘴里说出来的话，将之变成鲁莽自我诊断的依据、变成买地下黑药的借口、变成向医生隐瞒捏造信息的工具。

所以，不行，不行，不行，绝对不行。

だ——め！

工作地狱——

回诊了几次之后，校医院给我打电话说医师要换工作了，离职前一次性给我开了九个月的处方，并且跟我说毕业之后要去什么地方续处方。我后面又回诊了一次，精神健康门诊跟我说没有什么需要关注的恶性情况，现在用药是稳定的，心理健康相关的困扰可以交给心理健康门诊解决，于是就停止了定期回诊。

这个心理健康相关的困扰可以说是很要命了。

我有一个习惯，每次写文章的时候都会顺手整理一下自己的博客模板，修一点细节。这次说着优化一下排版系统的性能，就去翻了一下上游工具库的源代码仓库。

然后我就跳入了兔子洞，是那种多少剂量 ADHD 药物都拉不回来的兔子洞。

故事是这样的，我的博客适配了一套给简体中文做的排版优化引擎，这个库的作者是一名设计师，本身并不懂太多代码，大多数实现都是对着 Codex 许愿出来的。我以前一直都把它当成黑箱用所以没有什么抱怨，但是这次打开黑箱之后才发现里面一团混乱，几乎是靠 Bug 堆叠成功运行起来的。

LLM 很擅长让东西跑起来，但是它们没有架构意识，几乎每一个模块都在做自己的微优化，优化机制纷繁复杂，纵横交错，互相锁的乱七八糟，全局事件全局变量满天飞。

但我也不能指责一个设计师，毕竟设计师的工作是让它的设计执行的对，而工程师的工作才是让它在架构上说得通。几乎没有模型能做到犹如专业架构师一样的架构控制能力，几乎对于所有模型，你半小时不盯着它，它就会给你把架构写飞了。更何况这种好几十万行的超大型项目。

我抱着「OK，先把时序问题和性能问题调通吧」的心态，就开着 Coding Agent 跳下去了，爆肝了几天，发了第一个 PR。然后发现服务端渲染也有性能问题，服务端渲染性能问题修了之后又发现数据结构设计的也有问题，顺着数据结构往上爬发现整个架构都是拧的，整个活就这么越搓越大，我就开始一天接着一天的熬夜爆肝修 Bug。

然后就没有然后了。在 Agent Coding 带来的持续奖励刺激面前，ADHD 药物的作用纯粹变成了让我再睡眠缺乏时还能继续爆肝工作的咖啡。

事实上，我身边几乎所有人都抱怨过 LLM 时代自己做了更多，本来应该得到更多的休息，但实际上换来的只有更大的欲望、更多的疲劳。不知多少人在 Codex 暂时取消五小时限制的那段时间出现了严重的睡眠剥夺。这是 ADHD 和「健全人」都需要面对的当代课题。

……（LLM 的工作）模式和赌场老虎机在神经机制上是同构的。老虎机的设计原理是 变比率强化，它不会让你每次都赢，赢的时刻完全不可预测，这种不确定性制造的多巴胺刺激比固定奖励强得多。大语言模型的协作过程完全符合这个模式：大多数时候在推进但没有突破，偶尔突然跳出一个关键发现，然后立刻又陷入下一个未知。你永远不知道下一个任务书执行完是平淡收场还是重大突破，但你迫切地想知道。
再来一把。再推一步。说不定这次就出来了。

摘自「Snowsky Echo Mini 固件逆向背后的故事」一文

模型越来越快，越来越聪明，我们得到的奖励越来越强，事情就变得越来越容易成瘾。我们与电子设备的关系正在经历一场新的重塑，它切实能解决问题，也在切实地榨干用户。这让问题变得很复杂，在我看来甚至比年轻人面对的社交媒体成瘾要更加复杂。

我痛苦的陷入了这种无尽的循环，直到发现它是一个严重的问题，于是我开始寻求心理咨询。我的咨询师告诉我你应当尝试计时，每一个小时强制休息十五分钟，下楼、出门，绕一圈再回来。你可以回来之后继续写代码，但是打破循环是很重要的。你对自己的生活有控制权，继续进行开发工作必须得是你自己的决定，不能是在一个机器控制下的出来的决定。

然后第二天是 Job Fair，第三天我得开始赶作品集交简历，带着挂在背景上的开发任务，尽管有了这个「技术上可行」的方案，但我依然没能走出这个无尽的工作地狱。因为作品集和简历投递的迫切性让一个小时分割这件事情都变得很复杂和难以执行。

事实上我发现，「把 LLM 挂在那边自己去做其他事情」是一个非常愚蠢的想法，因为你总是会想要瞟一眼它在做什么，大概率半小时之内它就会走样，你就必须得去介入防止它发疯。想要挂着它一晚上企图让它无人职守把你的活做完了也有点痴人说梦，因为就我的经验，它八个小时拉出来的屎至少需要四个小时才能清理干净。但放着五小时重置在那，又会觉得自己仿佛损失了什么东西。相信很多人都体会过这种患得患失。

道理谁都懂

但人就是这么一种动物，永远 FOMO，永远热泪盈眶。

我对这个问题还没有答案，ADHD 很容易触发 Hyper Focus，而且这种 Hyper Focus 在我的人生经历中的确带来了大量的积极影响，给我带来了成功。哪怕当下它都在透支我的健康，为我的个人经历堆积谈资。这已经不是一个药物能解决的问题了，侧面烘托出了 ADHD 必须带着心理咨询的重要性。事实上我每次用药回访的时候，精神健康门诊都会建议我配合心理咨询，最后在事情变得让人无法控制之后，我以一种近乎被迫的姿态开始面对这个问题。

Again，药物不能解决所有问题，这是是我学到的重要一课。

不乐——

我第一次吞下药物的时候，因为药效相当温和，所以情绪感受也很平淡，平淡得令人感到意外，当时我的头顶缓缓地飘出一个问号，然后说了一句「哦」。

对我而言，一切只是开始变得更加「正常」。

但随着不断体验这种「正常」，我的心中开始缓慢地生发出一种愤恨，这种愤恨来自于我在学校里面，常年遭受的不公平的对待和精神虐待。

我回忆起一种难以名状的沉重。

那种沉重的感受宛如一股暗流，一步步地浸漠那个无知的孩子。无能的教师只知道无限制地给学生施加压力和痛苦，用各类 PUA 技术扭曲他们的心智，逼迫他们朝着符合自己想象的方向前进。它们从不认真思考自己身边的孩子到底发生了什么，只是不停地用自己那全然失控的情绪裹挟年幼无知的少年和少女。

我的班主任恬不知耻地向学生炫耀自己有心理学背景，在我踏入心理学专业后依然辩称自己站在第一线比我们这些学院派的更懂现实情况。但她从未反思自己一个孩子造成了难以想象的痛苦，只是举着「我是为你好」的大旗为自己造成的伤害开脱。

这种愤恨背后，有一个主观的我，和一个客观的我。

主观的我已经是一个成年人了。无论前面经历了什么，是谁搞出来的破事，哪怕我时长会做噩梦，重新回到那个充满伤痛的教室，甚至会因梦到过去的自己而哭醒，最后为这一切负责任的都是我本人。因为我是这个社会当中的一名公民，需要有承担这些的肩膀。

但是以客观的角度来看那些经历，依然不免感到悲伤。这并非顾影自怜，我只是觉得一个小孩子不应该被这样对待，不应该孤立无援地被浸泡在刻薄的话语和控制欲中，近乎要被溺毙而不自知，就这样整整熬了十多年。

朋友，人生有几个十年，更何况那是最宝贵的青春年华。

普通课后班解决不了的问题，就去找更贵的课后班，多学两个小时解决不了的问题，就一直学到深夜。看到孩子上课没办法专注，就贴上格式各样的道德宣判标签：「浮躁」、「不谦逊」、「不认真」、「狂妄自大」、「耍小聪明」、「丢了西瓜捡芝麻」、「包子只吃最后一个」。那个孩子看着不慎理想的成绩单，对于回家感到恐惧，听着身边大人厉声的呵斥、愤怒的哭喊，他身处的几坪客厅犹如一个歇斯底里的剧场，他心如刀割又彷徨无措。

十几年后，学了心理学、学了脑科学，看到了那一张张报告单，再回头凝望，心中怎可能没有酸楚。那个小孩子就站在我的面前，我是多么想要仅仅地抱住他。但他却看不见我，我也碰不到他。这是一种巨大的无能为力、孤独和落寞。现在开着后视镜来看，我当年写的那本当代学生生存手册，多半是写给小时候的自己，也是给那些被我所见证着，困在迷宫里游移不定的孩子们写的。

教育工作者可以为自己的不知所辩解。我能理解，哪怕现在社会当中依然有人会把 ADHD 和 ADD 搞混，认为 ADHD 就是孩子坐不住。实际上我之前在宋庆龄中心上脑科学课程的时候，班里的确是有两个患有 ADHD 的孩子会突然跳出来在教室中跳舞。另一个观察可以侧面佐证这个广泛存在的社会现象，当我回去和自己最信任的班主任、老师提起自己被诊断出 ADHD 时，他们的反应也都是「啊？你当时看上去并不像是吧」「哈哈，听你这么一说，我也觉得自己有 ADHD 了」。

但这并不能正当化那些情绪暴力、羞辱、惩罚、和那疯狂的控制欲。面对一个个手足无措、深陷泥潭的孩子们，这些人完全无视其内心中无比宝贵、闪耀的人性，将「人」视作是一种可以肆意剪裁的物品。这无疑是不道德的，没有任何可以辩驳和回转的空间。

哪怕缺少精神医学的前沿知识，你们学过的心理学、教育学、伦理学理论也清楚地告诉过你什么是对的，什么是错的，其道理直白到甚至不需要把康德搬出来为其背书。

这些林林总总的伤害，不应该被简单地解释为「时代的一粒尘」。

我眼睁睁的看着不少孩子因此一步步偏离了「理想自我」的轨迹，变成了焦虑、忧郁的大人，变成了烦人亲戚背后嚼舌根子的下酒菜。何其可惜，何其可惜。

曾经出于一些莫须有的道德顾虑，我会刻意压抑内心当中的这些愤恨。但走过这一遭，现如今我可以非常坦然地说出这句话：

夏老师，我恨你。

这种恨刻骨铭心，绵延不绝。

东亚社会颇为追求大和解、温馨结局、圆融处事。但原谅和不原谅都是个人选择，没什么对错之分。我选择今生都不将这种愤恨放下。以此为鉴，我凭借一枝笔杆，尝试帮助更多的人。虽笔力有限，但我依然写了很多没太多人看的文章、写了一本书、也设计过专门面向小学生的脑科学课程。我努力地向世界阐述自己的主张，认为通过妥适的教育设计促进自我觉察的发展，对未来的孩子们一定是有益的。

之前做的一本脑科学教材，还没机会出版

值得惋惜的是，敝人不擅长营销，设计的教材和出版社编辑浅浅谈了几次之后就没了下文。但我相信事情坚持慢慢地做下去，未来一定会有更好的结果。

行文至此，我才惊觉，或许这就是一种天命。

Mac 也能用 Wallpaper Engine 壁纸了

Morax — Sun, 27 Sep 2026 23:11:05 GMT

利益相关：我是 WallpaperMachine 的开发者之一。

用过 Windows 的朋友大概都知道 Wallpaper Engine：Steam 上十几块钱，创意工坊里有海量动态壁纸，有会跟着音乐跳的，有能用鼠标互动的，还有整套 3D 场景。换到 Mac 以后，我最想念的就是它。

Mac 上当然也有动态壁纸 App，但大多只能放视频，或者要你去它自己的壁纸库里重新找。我已经在创意工坊攒了一堆壁纸，就想让它们在 Mac 上动起来，尤其是那些"场景"类的，不是一段视频能替代的。

找了一圈没找到满意的，于是我们几个人自己做了一个：WallpaperMachine。

宣传视频：https://pub-5adbf40090d94bfca6163d39fe1521ff.r2.dev/WallpaperMachine-Teaser-1440p60.mp4

它能做什么

三种壁纸都能放。 Wallpaper Engine 的场景（Scene）、视频（Video）和网页（Web）壁纸都支持。场景壁纸是最难的，也是我们花时间最多的地方。

创意工坊直接内置。 在 App 里就能浏览创意工坊，不登录也能逛。看中了直接下载，可以多个任务一起下（下载需要一个拥有 Wallpaper Engine 的 Steam 账号）。已经有本地壁纸的话，也可以直接导入文件夹，只复制，不动原文件。

壁纸参数随便调。 壁纸作者留的所有选项（颜色、速度、开关之类）都能在 App 里改，每张壁纸单独记住。

多显示器分开设置。 每块屏幕可以放不同的壁纸，也可以镜像；缩放、帧率、音量都能分别调。

跟着音乐动。 打开音频响应后，那些会随音乐律动的壁纸会跟着 Mac 正在播放的声音动起来。带"正在播放"信息的音乐类壁纸，还能显示当前歌曲和封面。

锁屏也能动。 视频和场景壁纸可以放到锁屏上（实验性功能，默认关闭）。

不偷偷耗电。 屏幕被窗口挡住时会暂停这块屏幕的壁纸，睡眠或锁屏时全部暂停。用电池时可以选择暂停，或者降低渲染分辨率和帧率。

看起来像 Mac App。 跟随系统的深浅色和强调色，界面支持简体中文。

不想装也能先看看：官网上有一个跑在演示壁纸库上的同款界面 → https://www.wallpapermachine.app/#app

它是怎么做出来的

给好奇的朋友简单说一下：

外壳是 Swift / AppKit，控制面板是跑在 WKWebView 里的网页
渲染核心用 Rust 写，负责显示器、壁纸窗口、视频解码和音频采集，通过 uniffi 和 Swift 通信
场景壁纸的绘制基于开源的 open-wallpaper-engine（C++），通过 MoltenVK 把 Vulkan 跑在 Metal 上；我们也在写一个原生 Metal 渲染器，可以在设置里打开试试
锁屏壁纸是一个沙盒化的 ExtensionKit 扩展

最难的部分是场景兼容性。Wallpaper Engine 的特效着色器是按 Windows 的习惯写的，很多壁纸还依赖一些没有文档的行为，所以目前并不是每张都能完美显示。

目前的限制

实话实说，它还在早期：

需要 macOS 26 Tahoe 和 Apple Silicon（M1 及以上），不支持 Intel Mac
还没有经过 Apple 公证，第一次打开需要去「系统设置 → 隐私与安全性」里点「仍要打开」
不是每张壁纸都能正常显示，Application 类壁纸完全不支持。遇到显示问题，App 里有一个按钮可以一键打开预填好信息的 GitHub issue
场景壁纸需要用到你自己已购 Wallpaper Engine 里的资源，所以它不能替代购买 Wallpaper Engine

要钱吗？

不要。 源码以 GPL 完整开源，App 本身免费。

如果想支持一下，可以成为 Supporter（一次性 $4.99），会出现在官网和 README 的赞助墙上，并获得优先支持。Supporter 不解锁任何功能，买没买，App 都完全一样。国内 IP 结账可以用支付宝和微信支付。

链接

官网：https://www.wallpapermachine.app
GitHub：https://github.com/WallpaperMachine/WallpaperMachine

独立项目，与 Wallpaper Engine / Valve 无关；创意工坊壁纸的版权归原作者，App 不附带任何壁纸资源。

还在早期，欢迎来 GitHub 点个 Star、提 issue 或 PR。你最想在 Mac 上用哪张壁纸，也可以在评论区告诉我，我们会优先查看的。

微信读书 Skill 的 4 个用法：让过去的划线重新派上用场

jiayifun — Sun, 27 Sep 2026 15:50:46 GMT

微信读书 Skill 之于微信读书，就像 HealthKit 之于 Apple 的健康生态。

HealthKit 把 Apple Watch 等设备记录的步数、心率、睡眠等数据交给获得授权的 App 使用。微信读书 Skill 则把书架、阅读时长、划线和想法交给 Agent 或其他产品使用。

微信读书上线 Skill 后，我先后用它做了 Booko Board、Booko 和 MeDay，也把它接入 Claude 和 Codex，读取、整理和分析自己的阅读记录。

这篇文章分享微信读书 Skill 的 4 个用法。

1、做个阅读 Dashboard

微信读书 Skill 内测后，我最先用它做了 Booko Board，一个私人阅读看板。

输入微信读书密钥后，Booko Board 会连接个人书架、阅读统计、划线和想法。页面包含仪表盘、封面墙和笔记墙，可以看整体阅读数据，也可以直接浏览读过的书和以前留下的笔记。密钥只保存在当前会话中，关闭页面后会清除。

以前，这些数据只能在微信读书的不同页面里查看。接入 Skill 后，可以把它们重新组织成自己想要的样子。

对开发者来说，读取并呈现数据是第一步，后面还可以继续做成一个独立产品。

2、用 Booko 和 MeDay 回顾笔记

Booko 在 5 月初上线，做的事情很简单：把散落在不同阅读平台里的划线集中起来，方便平时回顾。

5 月中旬，微信读书 Skill 上线。Booko 本来就是用来集中和回顾阅读笔记的，而我的大部分阅读又在微信读书完成。此前，要把划线存入 Booko，需要先在微信读书里手动复制，再回到 App 里粘贴。

Skill 提供了直接拉取的数据接口，非常自然地，我就就把它接进了 Booko。接入后，用户只要在 App 里输入微信读书 API Key，就能批量获取书籍、划线和想法。这些划线和想法会变成一张张卡片，可以随机翻看，也能跳回微信读书里的具体位置。

到了 9 月，我开始做 MeDay。它来自电影《完美的日子》给我的感受：一天由许多普通平凡的小事组成，阅读是其中重要的一部分。

在 MeDay 里，微信读书 Skill 用来记录划线和想法发生的时间。它会把每天读过的书和阅读时间放进当天的时间线和日历，和照片、日记、音乐、运动、睡眠出现在一起。未来再打开某一天，可以看到那天去了哪里、写了什么、有什么心情和身体状态，也能看到当时正在读哪本书。

Booko 留下的是读过的句子，MeDay 留下的是阅读发生在哪一天。它们使用同一份微信读书数据，记录两件不同的事。

3、从划线里寻找主题

再往前一步，我会让 Agent 从划线里找出自己反复关注的主题。

比如 8 月 11 日，我读完《月亮和六便士》，当天开始读《人生的枷锁》。前一本留下 20 条划线和 2 条想法，后一本留下 95 条划线和 6 条想法。

《人生的枷锁》读完后，我先让 Claude 按主题整理划线，分成「人生的意义」「金钱与贫穷」等 10 类。每条保留划线原文和章节位置，最后存成一份 Markdown 笔记。

接着，我让它对照两本书。我发现自己在两本书里关注的内容，刚好落在理想和现实的两端。

在我看来，《月亮和六便士》更接近浪漫主义。斯特里克兰为了创作，抛下家庭，也不再顾及道德和别人的看法。《人生的枷锁》更现实。菲利普卸下信仰、情欲，以及「人生必须有意义」等一副副枷锁后，放弃远行，决定结婚，准备接手一间乡下诊所，过一种井然有序的普通生活。

我的划线刚好能印证这种差别。《月亮和六便士》的 20 条划线几乎都在创作、美和自由上，没有一条关于钱。到了《人生的枷锁》，金钱却成了很重要的一类。

从这些记录看，我会被斯特里克兰的自由吸引，实际选择却更接近菲利普的现实主义。做产品时，我要保留审美和自由，却无法忽略收入，这是更务实的选择。

如果你也想试试这个用法，可以把书名替换掉，直接使用下面两段提示词。

整理单本书

读取我在《书名》里的全部划线和想法，按主题分类，每条保留划线原文和所在章节。想法放在对应的划线下面。

可以的话，指出其中互相冲突的地方，并说清冲突在哪。

对照两本书

对照我在《书名 A》和《书名 B》里的划线，找出反复出现的主题、互相矛盾的观点，以及我关注重点的变化。每个判断都附上对应划线。

4、为手头的项目，推荐书籍

Claude 和 Codex 能读取我本地的项目文件夹，知道我正在开发哪些功能，也能看到相关的产品文档和增长材料。这些内容说明了我最近在解决什么问题。

接上微信读书 Skill 后，AI 能看到我读过哪些书、在哪里划过线。项目文件夹提供当前的上下文，阅读记录则反映我已经接触过哪些知识。把这两个放在一起，AI 就能帮我找出我目前在实践中的有待补充的理论知识。

上个月，在研究产品的定价问题。AI 看过项目资料和阅读记录后，推荐了《定价制胜》，理由是我读过一些产品和增长的书，却没有一本正面讨论定价。我从 8 月 11 日读到 23 日，留下 61 条划线。

书里有几句话对我很有启发：一是在不确定该定多少时，宁可在合理区间里选高一点的价格；二是定价过低本身会被当成质量信号，客户可能会怀疑产品不好。最后是，能通过降价来解决的问题，都不是大问题。所以很自然地，比较果决地为产品调了一次价。

推荐书籍时，我会要求 AI 说明每本书补充哪个知识缺口，以及读完能帮助我做什么判断。我书架上有五百多本没读完的书，再增加一个「以后该读」的书名，帮助不大。

它也可能推荐我已经读过的书。微信读书的「未读完」标记并不可靠，一本读到 88% 的书，仍然会显示没读完。因此，我会要求 AI 先检查实际阅读进度，再判断哪些内容需要补。

推荐下一本书

先读我本地的 xxx 项目文件夹，了解目前的产品、代码和增长工作，判断我当前最需要解决的问题。

再查我的微信读书记录，区分已经读过的书和只放在书架上的书。请检查实际阅读进度，读到 80% 以上可以视为读过。

分析我针对当前问题还缺少哪些知识。推荐 1 本现在适合读的书和 2 本备选，说明每本书补充什么，以及读完能帮助我做什么判断。书架上已有的书优先。

最后

微信读书开放 Skill，是我完全没想到的。开发者有了构建阅读产品的数据入口，读者也能让 Agent 读取并使用自己的书架、划线和想法。

在国内产品里，愿意把数据开放到这个程度，很少见。谢谢微信读书。

后面两种用法，我也会继续思考怎么放进 Booko。Booko 现在能随机回顾一组旧划线，以后或许也可以整理不同划线和书籍之间的线索，或者结合用户正在关心的问题推荐下一本书。

现在，Booko 已经更新到 2.0.2，支持随机回顾、每日消息推送，也能在 Mac、iPad 和 iPhone 上使用。如果你积累了很多阅读笔记，却很少回看，可以试试在 App Store 下载。

老A8也是A8，3D XPoint的绝唱：Intel傲腾P5800X 1.6TB深入测试报告

飘雷 — Sun, 27 Sep 2026 15:33:23 GMT

大家好，我是飘雷，今天为大家带来的是Intel傲腾P5800X 1.6TB的深入测评报告。

在固态硬盘演进史中最负盛名的SCM产品，Intel和Micron合作研发的傲腾（Optane）系列无疑是极为特殊的存在。

它并非基于我们熟知的NAND闪存技术，而是采用了Intel与美光联合研发的3D XPoint存储介质，在底层原理就与最常见的NAND闪存截然不同。

NAND颗粒依靠向浮栅晶体管或者电荷阱注入电子来存储数据，通过不同电压来标识数据状态；而且NAND闪存以Page为读写单位，但是以多个Page组成的Block为擦除单位，这就导致其在写入数据之前，如果目标Block中已有旧数据，需要先对整个区块执行擦除操作。

而3D XPoint则利用相变存储（融化/结晶）原理，通过改变硫系化合物材料的电阻状态来标识0和1，并且实现了按字节寻址的特性，写入时可以直接覆盖改写，而无需先擦后写。

正是存储介质在物理特性上的根本差异，使得傲腾系列SSD拥有极低的读写延迟、超高且稳定的随机读写性能，以及堪称变态的写入寿命，至今令几乎所有NAND SSD望尘莫及。

可惜的是，傲腾这颗存储界的明珠并没有在商业上获得应有的成功。

由于3D XPoint颗粒成本高昂，傲腾产品的定价一直居高不下，曲高和寡的结局便是销量始终未能打开局面，Intel最终在2022年第二季度财报中正式宣布逐步关停傲腾业务，在美光将其位于犹他州Lehi、唯一量产3D XPoint的晶圆厂出售给德州仪器后，整条傲腾产品线已成绝响。

傲腾系列固态硬盘最终没有迈入PCIe 5.0时代，停留在PCIe 4.0的产品线主要有P5800X、P5801X、P5810X和神秘的P5820X。

有种说法是，P5800X和P5801X使用的是第二代的3D XPoint颗粒，而P5810X和P5820X又用回了第一代3D XPoint颗粒，在同容量的情况下，die数量翻倍，导致功耗有所提高，性能反而不如P5800X。

所以个人觉得，PCIe 4.0傲腾中最吸引人的，当属1.6TB和3.2TB容量的满血P5800X。

以Intel傲腾P5800X 1.6TB为例，这款产品于2020年第4季度发布，标称顺序读取可达7200 MB/s，顺序写入6200 MB/s，4K随机读写性能均超过1500K IOPS，且4K随机读写延迟在6μs以下，即便放在今天，随机读写性能和延迟表现依然是业内天顶星水平。

更夸张的是，Intel傲腾P5800X 1.6TB的标称终身写入量高达100 DWPD，也即在5年质保周期内每天都支持写入100倍全盘容量的数据，换算过来为292 PB（292000 TB），是市售2TB消费级SSD（1200 TBW）的240多倍！

更恐怖的是，3D XPoint颗粒的实际写入寿命还要远超与此，至今几乎没有人能真正测出极限。

比如贴吧老哥 @CinemaDNG 对16GB的傲腾M10进行了3年多的持续写入测试，全盘已经累计写入近30万次，依然活蹦乱跳。

傲腾系列SSD如外星科技一样的性能和寿命表现，让它成为众多SSD爱好者心中的白月光和朱砂痣，只可惜此前它的售价极为昂贵，例如傲腾P5800X 1.6TB的全新国行价格要在3万元左右，小黄鱼二手的价格也要超过1万元。

不过好消息是，前段时间小黄鱼上突然出现了一批傲腾P5800X的大船货源，400GB版本的成交价大约在1000元出头，而1.6TB的满血版本则在4200元左右。

这批傲腾P5800X大多是从国外数据中心淘汰下来的机房退役盘，通电时间普遍在两三万小时，写入量在五六PB甚至更高，而且还有各种固件版本的大坑，水深得很。

但凭借3D XPoint超乎寻常的写入耐久度，只要主控不坏，剩余写入寿命对个人用户来说依然足够用个几十上百年，传个三四代人没啥问题。

对于一直心水傲腾却苦于价格高不可攀的发烧友来说，这次大船靠岸让我们终于有了一亲傲腾P5800X芳泽的机会，甚至相对目前高企的存储价格形势而言，反而突然让人觉得它有了那么一丝丝性价比。

恰巧好朋友 @WittmanARC 也是一名资深的SSD爱好者，前段时间他就入手了一块来自大洋彼岸的傲腾P5800X 1.6TB，我才得以借来这款传说中的宇宙最强硬盘把玩亲近一番，为大家带来详细深入的测试报告，希望能对有兴趣的朋友起到一些参考作用。

一、产品解析

Intel傲腾系列的做工和颜值一直非常出色。以这块P5800X 1.6TB为例，整体采用2.5寸规格，厚度为15mm，黑色涂装的全铝合金外壳圆润光滑，拿在手里沉甸甸很有质感。

翻个面看看，也同样光滑细腻，外壳密布了散热鳍和导流槽来增强散热效率。

接口为企业级SSD常见的SFF-8639接口，也即我们通常所说的U.2，金手指和SATA接口有所区别的，中间多出来一个凸起的小舌，插不进普通的SATA背板中。

普通消费级主板想要使用U.2 SSD的话，一般需要搭配转接卡或者转接线来使用，这里我使用LinkReal的PCIe 4.0 U.2转接卡来进行测试。

接着我们看一眼S.M.A.R.T信息，固件号为L0310200，NVMe标准只支持到1.3c版本，23000多个小时的通电时间+接近5 PB的写入量，确认不是清零盘，但健康度还剩98%，恐怖如斯。

傲腾P5800X 1.6TB整块盘只有1个温度传感器，标称功耗达到了22W，个人觉得普通用户使用的话最好还是要配合主动气流来散热。

二、测试平台

本次测试使用的测试平台配置如下：

CPU：Intel i9-14900K
主板：AORUS Z790 XTREME X
内存：DDR5-8000 16GB x2
系统盘：Intel傲腾900P 480GB
系统：Windows 11专业版 23H2、Ubuntu 24.04 LTS

这里需要说明的是，在对SSD进行测试时，测试结果受硬件平台的影响会比较明显，并非所有SSD都能在每台电脑上都能跑到官方标称参数。

测试平台的PCIe MPS（Maximum Payload Size，有效载荷）会对SSD的顺序读写速度上限产生显著影响，MPS越大，数据包传输效率越高，带宽上限更大，但相应的延迟也会增加。

目前，消费级平台中一般只有AMD平台才能支持512字节MPS，Intel平台只支持256字节MPS。

所以在Intel平台测试PCIe4.0 SSD时，顺序读写速度会被限制在7200 MB/s以下，无法跑满厂商标称的性能。

而在AMD平台中，SSD的低队列随机读写性能与延迟方面又要比Intel平台弱了许多，无法发挥傲腾P5800X的最大优势，所以本期还是选择使用Intel平台来进行测试，这一点还望周知。

三、常规性能测试

1.CrystalDiskMark

傲腾P5800X的顺序读写速度分别为7144 MB/s和7055 MB/s，在PCIe 5.0 SSD都已经普及的当下看起来是挺普通了，但作为企业级SSD，傲腾P5800X没有消费级SSD过家家一样的SLC Cache，所以不会有大容量写入降速的问题。

最为亮眼的是，它的Q1T1单队列4K随机读取速度超过了440 MB/s，依然能把当下的所有NAND SSD吊起来锤。

很多朋友习惯选购SSD时直接参考CrystalDiskMark测试中的Q1T1 4K随机读取成绩，现在许多消费级的TLC甚至QLC SSD都能跑出100 MB/s以上的夸张高分。

但作为SSD老烧，飘雷必须提醒大家，CrystalDiskMark此类软件的4K随机测试结果在很大程度上具有欺骗性。

因为CrystalDiskMark的测试机制是，先写入1 GiB测试文件，随即立刻对其进行读取测试。此时，测试数据存放在SLC Cache中，本身就会收到SLC Cache的加速影响，另外西数/闪迪部分产品的主控甚至能凭借预读算法在主控SRAM/HMB层级就直接命中返回，压根无需真正向物理闪存颗粒下发读取寻址指令。

然而，在真实系统工况中，90%以上的操作读取的都是冷数据，早已被挪出SLC Cache外，这也是为何我都会在此前的几十篇文章中都会测试SSD的真实4K随机读取性能。

但在傲腾P5800X 1.6TB这里就不存在这个问题，由于无需SLC Cache机制，它在CrystalDiskMark中的4K随机读取性能就是真实表现了。

Intel标称的性能还是保守了，P5800X 1.6TB的Q32T16多队列4K随机读写性能，均超过1500K IOPS，并且7读3写混合随机性能还要更强，超过了1927K IOPS，真是赏心悦目。

切换到延迟页面，就能看得出傲腾系列SSD另一大优势了，即便在拉胯的Windows系统中，Q1T1随机读写的延迟也都不到10μs，即便在7读3写的混合场景中，延迟稳如老狗。

2.PCMark 10存储基准测试

在PCMark 10的完整系统盘基准测试中，傲腾P5800X得分为9332分，同样也是遥遥领先所有Gen5消费级SSD。

3.PCMark 10数据盘基准测试

在PCMark 10的数据盘基准测试中，傲腾P5800X 1.6TB得分为13280分，依然难逢对手。

4.3DMark存储基准测试

傲腾P5800X 1.6TB在3DMark的存储基准测试中，轻轻松松拿到了9123分的超高成绩。

和消费级PCIe5.0 SSD对比一下，就能知道傲腾还是那个傲腾，始终是NAND SSD无法逾越的高山。

5.SPECworkstation 3.1

在模拟工作站场景的SPECworkstation 3.1中，傲腾P5800X 1.6TB取得了85.44分，无敌。

四、读写曲线

接下来在QD32 128K条件下，对傲腾P5800X 1.6TB进行了2倍全盘范围的顺序写入测试，生成的曲线图如下所示：

由于没有SLC Cache机制，傲腾系列SSD在大容量写入时，不会出现缓存耗尽速度断崖式下跌的问题，呈现稳稳地一条漂亮直线，写入速度稳定维持在6740 MiB/s左右。

NAND SSD由于写入原理所致，在正常工作期间，随着写入量的增加，脏盘程度的加深，分别是会经历性能滑落的三个阶段。

FOB（Fresh Out of the Box）：就是全新的、刚开封的盘。经过安全擦除的SSD也近似于FOB状态。这个时候的盘所有的页都是空白的，任何写入操作都可以直接进行编程，不需要考虑擦除、垃圾回收等操作的影响。消费类SSD的标称性能都是处于这个状态。这个阶段的测试成绩可以看做是养精蓄锐之后的冲刺，漂亮，但不可持续。
Transition：过渡或者转换状态。这个状态的性能会明显低于全新时的表现，但是又高于稳定态。不同的SSD在这个阶段的性能表现和持续时间差异较大，这与主控、固件、介质都有关系。随着技术进步，较新式的数据中心SSD会比早期的SSD更容易度过这个阶段。这个阶段可以看做是跑步期间休息了一会儿，再次跑起来的时候显得还比较轻松，但也不可持续。
Steady State：稳定态或稳态。测试成绩比之前的要低，但波动不大了，譬如连续五次测试的平均性能变化不超过20%。这是长跑的真正状态，呼吸节奏均匀，对肌肉酸痛已经麻木，配速比较稳定。随着时间持续，性能可能会进一步下降，但变化比较平缓。

那采用3D XPoint颗粒的傲腾系列产品，会不会也有这种性能下降的问题呢？

所以在完成2倍全盘顺序写入的预处理后，顺势又在QD128 4K的条件下，对傲腾P5800X 1.6TB进行2倍全盘容量的4K随机写入测试，记录到的曲线如下，令人咋舌：

可以看到曲线依然平滑无比，自始至终都是满血状态，平均IOPS为1481006，平均写入速度高达5790.56 MiB/s。

那么傲腾P5800X 1.6TB在Linux中会有啥样的单队列4K随机读取性能呢？在完成2倍顺序写入+2倍随机写入的处理后，紧接着对它进行900s的QD1 4K随机读取测试，记录得到的图表如下：

平均速度高达570 MiB/s (597 MB/s)，比Windows下440 MiB/s的结果还要高得多，恐怖如斯。

和NAND SSD普遍不过百的真实单队列4K随机读取性能对比，这个差距就更显得太大了。

五、FOB状态混合随机读写测试

Windows系统的I/O引擎和文件资源管理机制会限制SSD的性能发挥，所以一般为了排除干扰，我们会使用Linux系统来测试SSD的极限性能。

为了观察理论性能上限，这里咱们在Ubuntu 24.04中，使用FIO 3.36脚本再对傲腾P5800X 1.6TB进行一遍更加完整的、不同队列深度、不同混合读写方案下的测试。

从表格中可以看出，傲腾P5800X凭借3D Xpoint颗粒带来的Z读取特性，延续了超低延迟优势，在较低队列的情况下，无论是纯随机读取，还是混合随机读写，其延迟水平都要显著低于NAND SSD。

不过在这种理想工况下，傲腾P5800X 1.6TB在4K随机纯读纯写项目中分别超过1708K IOPS、1567K IOPS，打不过有SLC Cache加速的消费级PCIe5.0 SSD了。但在混合读写项目中最高IOPS超过了1400K IOPS，远超NAND SSD两倍以上。

六、ezFIO测试

接下来我们在Ubuntu 24.04 LTS上执行ezFIO脚本测试。

ezFIO是业内常用的开源SSD自动化测试脚本，它

可以重复进行稳定态性能测试

，并且可以在测试过后自动生成结果图表。

ezFIO测试主要分为顺序和随机两大项内容，为了确保SSD进入稳态，在每项测试开始时都会有两次全盘容量顺序写入+两次全盘容量随机写入的预处理流程，之后进行不同粒度、不同队列深度的具体测试，整个测试流程耗时极长，负载强度极大。

ezfio会将测试结果自动整理成图表，傲腾P5800X 1.6TB在7读3写长时间混合测试中的表现相当美丽，平均IOPS为2023790，变异系数（可以理解为数据离散程度）仅有0.07%，挑不出哪怕一丁点儿毛病。

不同队列深度下的7读3写混合性能如下图所示，傲腾P5800X 1.6TB在QD64时即达到2000K IOPS以上的峰值，漂亮：

这里不欺负弱不禁风的消费级SSD，只是与我测试过的美光9556 3.2TB、忆恒创源7A40 7.68TB这两款PCIe 5.0企业级SSD对比，就知道老A8也是A8，傲腾P5800X 1.6TB的优势实在太大了：

傲腾P5800X 1.6TB不同队列深度的4K随机读取性能表现如下图所示：

与其他两款PCIe 5.0企业级SSD对比，如下图所示，傲腾P5800X 1.6TB在超高队列下的随机读取极限其实已经要弱于全新的NAND竞品，但与此同时有一个重点，它仅需要QD16就基本能达到满血读取性能：

傲腾P5800X 1.6TB的4K随机写入表现如下图所示，超过了官方标称的参数：

与其他两款PCIe 5.0企业级SSD对比，傲腾P5800X 1.6TB的按字节寻址特性，使得它在随机写入方面的优势极为明显，不用先擦后写就是要比NAND SSD更快更强：

傲腾P5800X 1.6TB的其他ezFIO测试结果就不一一赘述了，贴在这里供大家参考：

七、SNIA-SSS-PTS-E 2.0测试

SSS-PTS（Solid State Storage Performance Test Specification，固态存储性能测试规范）由SNIA（存储网络行业协会）制定，这是目前SSD行业最权威的性能评估标准之一。依据SNIA-SSS-PTS规范，大家都可以按照相同的测试条件、测试内容和测试步骤来测试SSD性能，企业级客户也会参照SNIA的标准来验收SSD厂商给出的性能数据。

与CrystalDiskMark这类消费级跑分工具不同，我们对于企业级SSD关注的是其在稳态下的真实表现。

SNIA-SSS-PTS 2.0对企业级和消费级SSD分别有不同的测试标准，其中企业级SSD的测试流程有极其严格的规定，首先必须对SSD执行清除操作，使其恢复到接近新盘的FOB状态，然后用128KB块大小，顺序写入两倍全盘容量进行负载无关的预填充。

接下来进入负载相关的预填充和测试阶段，使用7种读写混合比例（100/0、95/5、65/35、50/50、35/65、5/95、0/100）和8种块大小（512B、4KB、8KB、16KB、32KB、64KB、128KB、1024KB）组成的56种组合进行随机读写，每轮跑完56个组合后重复迭代，最多执行25轮。

稳态的判定标准以4KB 100%随机写入、64KB 65%读35%写混合随机读写和1024KB 100%随机读取三个关键组合的IOPS结果为准，当连续5轮的性能波动范围均处在平均IOPS的±10%以内时，判定SSD进入稳态。

本次对Intel傲腾P5800X 1.6TB的测试严格遵循PTS-E 2.0规范，在Ubuntu 24.04.2 LTS环境下使用fio 3.36作为测试引擎执行。

1.IOPS测试

IOPS表现方面，傲腾P5800X 1.6TB交出的成绩依旧亮眼。从IOPS报告的稳态收敛图来看，在所有块大小的测试中，从第1轮到第5轮的IOPS数值完全重合，平直曲线没有任何波动，说明它从测试启动的第一刻起就已经处于稳态，压根不需要像普通NAND SSD那样经过多轮热身才能稳定下来。

这正是3D XPoint直接寻址、无需先擦后写的物理特性决定的，它压根就不存在脏盘状态性能衰减的问题。

在具体数据上，4KiB纯随机读取的平均IOPS达到了1571080；允许的最大数据偏移为314216，实测仅208.73；允许的最大斜率偏移为157108，实测仅27.1。可以说，它的稳态曲线接近于一条绝对的水平线。

64KiB块大小、65%读35%写混合场景下的平均IOPS为135630，经过5轮测试IOPS几乎没有任何下降趋势。

1024KiB块大小的测试结果同样是毫无波澜，稳如磐石。

摘取稳态下所有56个测试项目的5轮平均性能结果，汇总如下：

Intel傲腾P5800X 1.6TB随机读性能均突破1560K IOPS；4K 随机写性能突破1570K IOPS，1MiB随机读性能为12750 IOPS。

2.延迟测试

延迟表现更是傲腾的统治区。

SNIA延迟测试要求将队列深度和线程数都设为1，只使用512B、4KiB、8KiB三种块大小和100/0、65/35、0/100三种读写混合比例进行全随机测试。从延迟报告的稳态收敛图来看，傲腾P5800X 1.6TB在100%写入负载下512B/4K/8K三种块大小的5轮平均延迟均在10μs以下，图表呈现稳稳的一条水平线。

稳态测量窗口中，傲腾P5800X 1.6TB在4KiB块大小下所有读写混合比例的平均延迟都稳定在10μs以内，110%平均值和90%平均值完全一致，斜率同样为零。

综合响应时间汇总表显示，在512B 100%读场景下平均响应时间甚至低至5μs，即便是99.999%的尾部延迟最差的组合也不过27μs。要知道目前顶级的PCIe 5.0 NAND企业级SSD在QD1下的4K随机延迟普遍在几十μs、尾延迟经常飙升至数ms，傲腾依然遥遥领先。

从3D分布图可以看到，傲腾P5800X 1.6TB在所有块大小和读写混合比例下的平均延迟都集中在0-10μs之间。

这种完美的延迟一致性在NAND SSD上基本无法实现，归根结底还是因为3D XPoint不需要擦除操作，不存在垃圾回收引发的突发延迟。

3.吞吐量测试

吞吐量测试验证的是顺序大块读写的稳态性能，使用1024KB和128KB两种块大小分别进行顺序写和顺序读测试，以顺序写的值来判断是否达到稳态。

从收敛图数据来看，傲腾P5800X 1.6TB挑不出毛病，5轮顺序读写1024KB块大小，每一轮吞吐量都完全一致，完全零波动。

1024KiB和128KiB块大小稳态测量图表中，5轮测试的斜率为零。

混合读写表中，1024 KiB块大小下顺序写为6683.24 MiB/s，顺序读为6812.63 MiB/s；128 KiB块大小下顺序写为6565.83 MiB/s，顺序读为6812.6 MiB/s。这个结果比我之前在CrystalDiskMark中测得的顺序读写成绩略低一些，原因很简单，CrystalDiskMark的单位采用的是10进制MB，本次测试中采用的是2进制MiB。

总结

以上就是本期关于Intel傲腾P5800X 1.6TB的完整测试报告了，感谢大家看到这里。

说实话，这块2020年发布、接口只有PCIe 4.0 x4的硬盘，在2026年的性能表现依然让人觉得有点不真实，3D XPoint技术真的是有一种“外星科技”的即视感。

只可惜这颗存储明珠从诞生那天起就曲高和寡，傲腾系列高昂的产品定价哪怕是企业用户也难以接受，销量和利润自然也就始终上不去，等到AI时代的大爆发让整个存储行业都跟着水涨船高的时候，傲腾早就已经被Intel自己给掐死了。

说起来真是造化弄人，3D XPoint的超低延迟和超高耐久度特性，放在今天AI训练集群的高速缓存层里本该是绝配，可等市场终于需要它的时候，它已经不在了。

Intel这家公司每次都赶在曙光前夕做出最错误的选择，简直像中了什么诅咒一样，也不知道是不是和受了阿三污染有关系。

当然我们最后还是得回归到一个问题上来，傲腾P5800X到底值不值得买？

这里要严肃说明，虽然我把这块盘夸上了天，但对于绝大多数个人用户来说，我其实是不推荐入手的。

道理很简单，它的性能优势在我们普通人的日常使用场景里根本发挥不出来，至于那高达几十万TB的写入寿命，普通用户连续用上十年也用不掉它寿命的一个零头，再考虑到它的二手价依然远超PCIe 5.0 SSD，所以大多数朋友花钱买它纯属浪费。

除非是对存储技术本身有着浓厚的兴趣和执念的SSD发烧友，或者真的能利用上3D XPoint的超强性能，那倒是可以收藏一块来留个念想。

毕竟3D XPoint这种跨时代的存储介质已经彻底成为历史了，现在连晶圆厂都卖给了德州仪器，市面上流通的傲腾产品也是用一块少一块，预算充足的话买一块曾经代表存储技术巅峰的绝版产品，既是致敬，也是祭奠。

跨平台收藏管理：我用 Cursor 做了一个本地 AI 搜索看板

Lars漫步 — Sat, 26 Sep 2026 05:16:30 GMT

最近用 Cursor 做了一个本地的收藏夹页面，把我收藏在 Twitter/X、Cubox、微信公众号文章甚至滴答清单里的事项，全都汇聚到了一起。

它可以按主题分类，让我一眼看到各个平台收藏的内容，还能按难度检索，解决了我一直以来的一个痛点。

用一个轻量的 HTML 页面，把吃灰的收藏夹真正盘活了。不得不感慨，AI 时代哪怕没有技术基础，手搓工具也能解决我们碰到的大多数问题，这种感觉真的太棒了。

这个 HTML 收藏夹，针对的是一个常见痛点：内容收藏得越多，检索越难，真正需要时反而找不到。

相信大家都有这个体会，平时看到好文章、好推文随手保存，但等到真正要用的时候，才发现各平台的收藏散落一地、找起来非常麻烦。

像我的 Cubox 里攒了 1300+ 篇未分类的文章；虽然平时也会用 Agent 帮我归类，但还有很多其他渠道，比如推特、flomo、小红书、滴答清单等。

各个渠道的内容没有汇聚在一起，日常只能靠关键词去搜；可很多时候根本想不起当初记了什么关键词，翻找起来非常麻烦。

于是我一想：现在的 Agent 已经这么强了，为什么不用 Agent 来帮我彻底解决这个问题呢？

说干就干，我决定用 Cursor 帮我来做，它的技术难度不高，就是一个日常小工具，老马的 Grok 4.6 又快又准，完全足够了。

第一步：连通多源数据，导出历史收藏

首先需要让 Cursor 去连接我各个软件的数据。现在很多 App 都支持命令行或开放接口，直接问 Agent 让它指导安装就行。

公众号文章我是统一存放在 Cubox 里，本地只要安装 Cubox 的 CLI 即可统一接入并导出，如果你平时放在 Obsidian 或者 Notion 等其他位置，都可以下载对应的 CLI 进行连接。

推特（X）书签稍微麻烦一点，需要网页端先保持登录状态，然后把下面这段指令发给 Agent：

我已在这台电脑的浏览器登录 x.com。请帮我操作：
安装只读工具 x-reader（已有则跳过），连接我的登录态；缺 auth_token / ct0 时，用最短步骤让我从浏览器 Cookie 复制给你，你写入本机配置；先导出收藏 20 条确认，再导出最近 1000 条为 JSON，告诉我文件路径和条数。

按照 Agent 给的简要步骤，去 Chrome 开发者工具里复制 auth_token 和 ct0 的值给它，就能顺利拉取到推特收藏了。

其他比如滴答清单或者 flomo 其实都提供了相应的 CLI 接口，如法炮制就行，如果你不会用 CLI，也可以像我一样，直接把 flomo 的资料全部导出，扔给 Agent 就行。

当然，我个人还是建议用 CLI，毕竟相当于实时同步你的所有数据，而且又快又省心，强烈推荐。

把各个平台的数据准备好后，可以先让 Agent 跑个测试，读几条数据看看，能读出来就说明连接成功了。

第二步：生成初始 HTML，构建多维分类与学习梯度

连通数据后，我给 Agent 下达了核心生成指令，把近期的内容全盘理出来，并按主题和学习难度建构框架：

帮我做一个 HTML，我想要看看我收藏的这些所有的文章、链接等等，希望你帮我分类好。把最近 3 个月收藏的这些文章、链接、信息等等都列出来，我想实现以下几个目的：
看看这些文章的分类都有哪些，这涉及到我的兴趣方向；
我打算系统学习一些 Agent 的用法、AI 的应用以及 AI 的底层知识，帮我把相关有用的知识都捋出来；
按不同分类整理，最好能按学习难度（入门、进阶、高级）划分，所有的链接或收藏文章都要分好类，不要省略。

第三步：筛选内容，留下真正的干货

现在的 Agent 能直接读到所有收藏全文，接下来再进行几轮的内容筛选。因为平时心血来潮收藏的很多内容，难免混杂了不少水文、标题党或时效性内容。

这些东西只会干扰我的学习进度，我真正需要的是有观点、有心得、能跟着照做实践的干货教程。

提示词其实不用写得太花哨，现在的 AI 很聪明，把标准交代清楚就行：

第 1 轮初筛：剔除过时与低质内容

进行第一波筛选，有一些不太重要或者比较水或者已经过时的部分，可以先删掉。按这个标准看看哪些可以删？你可以给我一些素材示例，我来确认。

这一步是让 AI 挑出它判断比较水的内容，自己肉眼过一遍确认保留或删除，保证收藏夹里的内容相对是质量较好的。这里的关键是，一定要给出你自己的筛选标准，AI 才能精准执行。

第 2 轮精筛：聚焦个人目标

第一轮初筛把水分挤掉后，第二轮直接对齐个人的核心目的：

第二波筛选，我做这个 HTML 的意义就是两个目的：第一是看自己的兴趣在哪，第二是看那些高质量、有料的内容。不满足以上两个要求的，或者我还没发现对我重要价值的资料，帮我找出来，我看要不要删。

经过这轮精筛，真正有价值的内容沉淀了下来，我的收藏库从初始的 842 条精简到了 655 条。

这里面都是一些比较有料的内容了。

第四步：个性化打磨与自然语言搜索

骨架和内容有了，接下来就是按照个人习惯做一些细节的处理，像我的话就是排版显示改了下，把大部分内容的简介展开完整展示，避免频繁点击省略号，阅读体验顺畅很多；

第二步就是根据我的个人需要，加了一个 AI 自然语言搜索框，加一个搜索栏，不仅支持关键词，更能直接用自然语言描述需求找文章。实测下来命中率非常高。

这些功能和需求都是我自己在平时使用中遇到的真问题，慢慢迭代出来的。自己当自己的产品经理，使用过程中碰到什么不爽的，直接让 AI 解决。

至此，一个聚合了跨平台信息源的专属收藏看板就彻底成型了。

3个意外的收获

这个页面做好后，我原本只是打算用它来系统补补 Agent 和 AI 的基础知识。但在实际使用中，我发现了几个意料之外的用处：

1. 找到自己的兴趣

第一是它能帮助你发现自我。很多时候我们并不知道自己的真实兴趣究竟在哪里。

但当你把近半年的收藏全盘交给 AI 系统归类，看着分类柱状图和条目汇总时，你会清清楚楚地看到自己到底爱收藏什么、为什么收藏、收藏了多少。

那些在潜意识下随手点击收藏的页面，其实藏着你内心深处最关心的那些话题：赚钱、工具、认知、自媒体、亲子关系……顺着这个思路，你会发现那个最真实的自己。

你的注意力停留在哪里，你的热爱和发展方向就在哪里。问问 AI 你的收藏图谱，往往能得到一份只属于你的个性化洞察。

2. 随时知道从哪里开始

面对成百上千篇干货，过去最大的阻碍是“信息过载导致无从下手”。

现在页面按照“入门、进阶、高级”清晰排布，想系统学一个领域时，顺着台阶往上走即可，再也不怕被长篇大论劝退。需要别的再去及时补上即可。

3. 摆脱无意识的信息内耗

这也是我感受最深的一点。以前打开推特或资讯 App，经常陷入漫无目的的滑动与算法沉迷；而现在打开这个看板，我是带着明确问题和目的去寻找知识的。

整个人处于一种高浓度、有掌控感的高效心流状态，因为我知道我要做什么，这个工具给了我一个非常好的方向感和目的感。

结语

现在，我已经用这个方法找到了很多以前遗忘的收藏夹内容，现在回过头来看，收藏了那么多再也不看的内容，真的不如好好消化其中真正有价值的东西，收紧自己的注意力。

如果你也对这个 HTML 收藏夹或者 Agent 感兴趣，可以留言关注，有什么问题我会在评论区解答的，文中的 Prompt 和搭建思路全部免费分享给大家，后续我会继续分享一些关于 Agent 的用法和分享教程，欢迎持续来玩呀！

插件+1：MiaoMint —— 类 RayCast 的标签管理工具

Konata9 — Thu, 24 Sep 2026 01:17:59 GMT

这是一份迟来的插件介绍，第一版在 2025 年 12 月份上架 Chrome 插件商店，在周刊和公众号中也多次提到过。

现在正式介绍一下我的第一个 VibeCoding 产物：MiaoMint —— 一个类 RayCast 的标签管理工具。

Chrome 商店页：MiaoMint - 智能标签页管理与命令面板

官方介绍页：https://miaomint.konata9.cc/

为什么是 MiaoMint？

Chrome 上标签管理的插件有许多，比如 OneTab、Tabme 等，我通常不会打开超过 10 个标签页，因此很少会用到这类工具。直到有一天我从 Zen 换回了 Chrome。

Zen 的 Panel 非常好用，Cmd + T 就可以在输入框内打开、切换标签页、访问网站等功能。

可惜，Chrome 上并没有类似的插件。现在，我有了一个念头又有了 AI，为什么不自己造一个插件呢？

MiaoMint 名字是怎么来的？

众所周知，命名是软件开发的一大难题。好在现在有了 AI，我把猫咪元素 + 类 RayCast 的标签管理告诉 DeepSeek 后，从一众名称中挑选了这个。

MiaoMint - “Miao”（猫叫）+ “Mint”（管理、清新之意），听起来清新现代，适合未来扩展为多功能效率工具。

再用即梦做了一个 Logo。（AI 真是太好用了）

MiaoMint 的功能介绍

通过 Alt/Opt + M 的快捷键就可以在网页上打开插件。默认进入的是标签页列表，通过 /b, /h 等指令进行不同功能的切换。这里参考了 Vim 的命令方式，可以尽可能地在键盘上进行操作。

1. 标签页管理

默认插件打开就是标签页的管理，会列出当前打开的所有标签页（支持跨窗口）。列表一组为 9 个，通过上下方向键进行选择选择、左右方向键翻页。

选中后按下回车就能切换到对应的标签页；按下 Ctrl + w 可以关闭对应的标签页。

在输入框中输入网址、标题就可以进行标签页的搜索。搜索结果不仅局限于当前打开的标签页，还包含了近期的历史记录。

2. 书签/历史记录/经常访问标签管理

通过斜杠 + 指令 的方式就能进行模式的切换。目前支持以下三种模式：

书签/收藏夹管理：输入 /b (bookmark) 此时的列表是收藏夹中的标签。
历史记录：输入 /h (history) 此时会显示浏览记录，按时间排序。
经常访问表情：输入 /f (frequent) 此时会显示近期多次打开的页面。

无论哪种模式，输入框都支持搜索。

3. 标签页去重

有时我们会打开多个同样的标签进行对比，那么在关闭时可以使用这个功能进行一键去重。

通过 /dup (duplicate) 展示所有重复的标签页。

4. 搜索/访问功能

搜索框除了支持标签页的检索，也支持 URL 和搜索引擎的调用。

当插件识别到是一个网址时，会自动打开对应的网站；而使用 ctrl + 回车 时，会调用浏览器默认的搜索引擎对内容进行搜索。这样就不要再去地址栏进行操作了。

5. 设置页面

最后插件的设置页面中可以进行语言、颜色、透明度的设置。常用的快捷键也可以在此处查看。

一些问题？

1. 这个插件会收费吗？

不会，该插件会采用免费的形式。

2. 怎么确保用户的隐私呢？

不收集任何数据。没有后端，也没有统计埋点。标签页、书签和历史记录都在浏览器本地处理，不会上传。

3. 设置如何同步？

主题、透明度和语言通过 chrome.storage.sync 保存，可以在登录同一账号的 Chrome 设备之间同步。

以上就是这个插件的具体介绍，这是我第一个 Vibe Coding 的小工具。相信仍然有许多改进和优化的空间。

如果你觉得这个插件很有趣，欢迎关注我的公众号：此方的手账。

如果你觉得这个插件还有更多优化的空间，也欢迎留言、公众号反馈、Chrome 应用商店等方式进行反馈。

19项深度测试，5款QLC SSD 终极横评

飘雷 — Wed, 23 Sep 2026 12:31:13 GMT

前言

随着NAND堆叠层数的不断攀升和制程工艺的演进，消费级SSD市场正在迎来新一轮的技术迭代。

尽管很多玩家对QLC SSD依然心存芥蒂，但在各家上游闪存原厂的技术路线图上，QLC接替TLC前辈进入大容量消费级存储市场，已经成为了行业大势。

特别是近年来，随着各家原厂的超高层QLC颗粒相继落地，更密集的堆叠、翻倍的闪存接口I/O速率、多Plane并发设计，再加上调校更优的主控与固件，让新一代QLC SSD在理论性能上甚至能够叫板主流TLC产品。

为了探寻当下主流QLC SSD的真实性能表现，本期飘雷找朋友借来了市面上关注度较高的5款2TB规格 PCIe 4.0 QLC SSD，进行一次全方位的严谨深入横评。

在展开实测之前，我们先来挨个认识一下参与本次横评的5位主角，标称参数如下表所示：

1. 致态（ZHITAI）Ti600s 2TB

致态Ti600s采用了TiPlus7100s同款的4通道DRAM-less主控，最大的杀手锏在于，采用了长江存储的Xtacking®架构X4-6080颗粒，这也是业界首款采用2Tb大Die的8-Plane QLC闪存颗粒，相比常见的2-Plane或4-Plane设计，能大幅提升闪存内部的并行读写能力。

致态在这块盘上给出了全场最高的标称读写性能与超长的5年900 TBW售后保障，且1889元的售价也是5款产品中最为亲民的。

2.三星（Samsung） 990 2TB

三星990是三星进军PCIe 4.0无缓QLC市场的关键门面，搭载了三星自研PiccoloQ 4通道主控与高达280层堆叠的全新第九代V-NAND QLC颗粒。

令人瞩目的是，它是本期横评中价格最贵（2399元）、同时也是唯一仅提供3年质保的产品，顶着三星金字招牌的高昂溢价下，其实际战斗力究竟几何，是本期横评的最大悬念之一。

3.闪迪（SanDisk） SN5100 2TB

闪迪SN5100S搭载了自研的Polaris 3这款4通道主控，结合闪迪和西数独家的nCache 4.0固件算法与最新的BiCS8颗粒，在多任务并发处理、低功耗能效比上有着深厚的原厂技术沉淀，2099元的定价也是瞄准了主流高端QLC市场。

4.金士顿（Kingston） NV3 2TB

长期以来，凭借良好的口碑，金士顿的存储产品都在DIY市场中出镜率极高。

以入门级别的金士顿NV3为例，存在多套硬件方案，其性能、质量和稳定性方面大体能保持一致。本期测评的这张金士顿NV3，采用的是群联E27T主控，颗粒为金士顿自封，不过批次和来源用FlashID就查不到了。

在标称参数上，金士顿NV3相对保守，官方也未公开4K随机IOPS数据，那在1999元的定价下，它的表现如何，值得实测检验。

5.铠侠（KIOXIA） SF10 2TB

铠侠作为SSD六大原厂品牌之一，在2026年带来了SF10这款全新入门级产品。

硬件方面，铠侠SF10采用了慧荣的低功耗主控SM2268XT2，搭配闪迪SN5100同款的BiCS8QLC颗粒。这块盘在能耗控制、读写调度上颇具看点，标称性能同样直逼PCIe 4.0极限，定价落在主流的1999元档。

测试平台

本次测试使用的测试平台配置如下：

CPU：Intel i9-14900K
主板：AORUS Z790 XTREME X
内存：DDR5-8000 16GB x2
系统盘：Intel傲腾900P 480GB
系统：Windows 11专业版 23H2、Ubuntu 24.04 LTS

这里需要说明的是，在对SSD进行测试时，测试结果受硬件平台的影响会比较明显，并非所有SSD都能在每台电脑上都能跑到官方标称参数。

测试平台的PCIe MPS（Maximum Payload Size，有效载荷）会对SSD的测试结果产生显著影响——正常来讲，MPS越大，数据包传输效率越高，带宽上限更大，但相应的延迟也会增加。

目前，消费级平台中一般只有AMD平台才能支持512字节MPS，Intel平台只支持256字节MPS。

所以在Intel平台测试PCIe4.0 SSD时，顺序读写速度会被限制在7200 MB/s以下，无法跑满厂商标称的性能。

而在AMD平台中，SSD的低队列随机读写性能又要比Intel平台弱了许多，所以个人还是习惯主要使用Intel平台来进行测试，仅在使用CrystalDiskMark等一些软件时会用AMD平台复测，这一点还望周知。

测试结果预览

本期横评涉及测试项目多、较为冗长，为了方便大家对这5款SSD的综合实力有整体概念，我把大部分测试项目的结果汇总整理成下面这张表格中：

这张表格怎么看呢？

很简单，每一列代表一款参测SSD，每一行为一个测试项目的成绩，为了能直观地进行横向对比，这里采用了类似信号灯的红、黄、绿标注方式，绿色代表排名靠前，黄色代表排名中游，红色代表排名靠后。

大家扫一眼各产品竖列中的色块就能一目了然，绿色越多，综合表现越优秀；红色越多，说明排名越差。

基础性能测试

1.CrystalDiskMark

将5款产品格式化为NTFS格式后，在Intel平台使用CrystalDiskMark 8.0.6对其测速，详细结果如下：

可以看到，由于Intel平台256字节MPS的限制，部分产品的顺序读取速度被卡在了7200 MB/s内，所以我又使用AMD 7600X+华硕B850吹雪平台进行了复测：

现在我们结合Intel与AMD平台的测试结果，给各横评产品的测试结果取高值，用图表的方式来为大家进行展示对比。

5款产品的顺序读写性能均达到了厂商标称参数。

由图中可见，致态Ti600s的读取速度为7473.90 MB/s，写入速度为6921.13 MB/s，单纯的纯读/纯写能力排名第一，而7读3写速度为6755.92，仅略逊于闪迪SN5100的6895.91 MB/s。

其余4款产品按从强到弱的顺序排列，分别是闪迪SN5100、铠侠SF10、金士顿NV3和三星990。

这里着重要点名三星990，它顺序读取性能虽然没有问题，但顺序写入性能甚至要弱于金士顿NV3，这就让人非常吃惊了。

尤其是混合顺序读写方面，三星990测得2992 MB/s，还不到其他4款产品的50%，这与它2400元左右的售价相比，相当难评。

金士顿NV3定位于入门产品，测试性能与标称参数一样，顺序读写性能并不突出，但调校相当稳定，尤其是混合顺序读写方面，还要超过铠侠SF10和三星990.

铠侠SF10的顺序纯读与纯写性能也很亮眼，仅在混合顺序读写方面相对较弱，好在有三星990托底，才让排名不那么难看。

在Q32T16多队列4K随机读写项目中，排除未标称性能的金士顿NV3，其他4款产品均超过了标称参数。

在这里致态Ti600s又在4K随机纯读写，尤其是混合读写项目中大幅领先，可见致态这次的调优确实是下了大功夫。

同时，闪迪SN5100的表现很是不错，在各项目中均排名第二，而铠侠SF10也紧随其后，只在混合读写时有些吃力，金士顿NV3和三星990则位列后两位。。

Q1T1 4K随机读写性能方面，致态Ti600s、闪迪SN5100和铠侠SF10均取得了100 MB/s以上的好成绩，已经超过了此前许多使用TLC颗粒的PCIe4.0 SSD，非常亮眼。

这里单独要把闪迪SN5100拉出来解释下，它高达127.48 MB/s的表现其实高得不太正常，这其实是通过闪迪独家的nCache 4.0方案实现的类似“作弊”一般的效果。

闪迪的nCache 4.0技术引入了更智能的混合SLC Cache机制以及主控端的数据预读算法，在我看来，更像是一种为了跑分而“特调”的方案。

Q1T1单线程4K随机读取测试的特点是，发下一个请求前必须等待上一个请求返回。nCache 4.0能够根据前几次4K读取行为快速预测出预读预判，对于刚写入、紧接着又被多次重复读取的相同4K LBA，优先在主控SRAM或系统HMB中进行数据预读，而无需真正下发物理读取指令到 TLC/QLC 闪存颗粒，这正契合了CrystalDiskMark之类的软件的测试流程。

跳过闪存Block，直接从主控/内存层级进行预读，使得搭载nCache4.0的SSD，例如SN5100、SN8100等会在测试过程中响应延迟骤降，从而获得大幅领先的跑分优势。

而在真实工况中，4K数据的请求极其离散且不可预测，不可能完全被SRAM/HMB命中，所以就没啥优势了，这在我之前测试SN7100、SN8100等产品的测试报告中也多次进行过展示。

在单队列4K混合读写项目中，闪迪SN5100依然发挥了nCache 4.0的“跑分”特攻优势，取得了144.08 MB/s的成绩，致态Ti600s以126.83 MB/s位居第二。其他3款产品的结果也均在100-110 MB/s，相差无几。

2.PCMARK 10完整系统盘基准测试

为了量化5款SSD作为系统盘时的性能表现，这里我们使用PCMark 10的完整系统盘基准测试功能来进行评估。

在这项测试中，铠侠SF10以5184分的成绩位居第一，致态Ti600s紧随其后得分为5070分，排名第二。

致态Ti600s与铠侠SF10的完整盘基准测试得分，其实已经优于三星990 Pro（5009分）等老牌PCIe4.0旗舰SSD，只能感叹，随着技术进步，QLC SSD的性能表现也越来越强了。

3.PCMARK 10数据盘基准测试

在PCMARK 10的数据盘基准测试中，得分10129的致态Ti600s是唯一一款得分过万的产品。三星990和铠侠SF10紧随其后，得分也超过了9000分，而闪迪SN5100和金士顿NV3的表现就平平无奇了。

4.3DMark存储基准测试

3DMark存储基准测试是一项专用组件测试，用于衡量现代PC存储设备对游戏体验的影响，它支持所有最新的存储技术，更适合用来对游戏盘进行测试，这对于游戏玩家来说比较有参考价值。

在这项测试中，5款产品的得分如下图所示：

其中铠侠SF10已经接近了5000分大关，致态Ti600s和闪迪SN5100也都取得了4800分以上的好成绩，就连三星990也有4653分，在市面上的PCIe 4.0 SSD中也是排名靠前的好成绩，足以和一众TLC SSD打得有来有回。

5.FastCopy大文件拷贝速度

在Windows系统中直接进行复制粘贴，只是利用了SSD的单队列读写性能。

为了观察在实际工况下这几款产品的极限顺序读写性能，这里我们使用Fastcopy，将100GB测试文件与某PCIe5.0 SSD进行对拷操作，并分别截图记录下结果。

使用Fastcopy对5款SSD进行写入的截图汇总如下：

在使用Fastcopy写入时，5款SSD中铠侠SF10速度最快，达到了7020 MB/s。其他4款产品的速度相差不大，均接近6000 MB/s，由快到慢排序，分别是致态Ti600s、三星990、闪迪SN5100和金士顿NV3.

在使用Fastcopy读取时，致态Ti600s以微弱优势领先闪迪SN5100排名第一，二者均接近了7000 MB/s，其他三款产品的速度均在5500-5800 MB/s之间，也是相差无几。

6.SpecWorkStation 3.1

SPEC Workstation是一款衡量专业工作站平台性能的综合测试软件，其测试多针对于专业性极强的程序，包括大量文件的解压缩、生命科学运算的脚本回放和影视编辑软件的脚本回放等等，其测试特点是负载很大，对SSD混合读写性能要求也很高。

在SPEC Workstation 3.1的WPCstorage测试模块中，5款产品的得分如下图所示：

致态Ti600s以39.84分的成绩排名第一，紧随其后的是三星990的39.51分，铠侠SF10的38.81分表现也相当亮眼。

同时在这项测试中闪迪SN5100仅测得27.4分，比之金士顿NV3的32.04分还要大幅落后，可见nCache4.0在这种复杂工况下就没啥优势了。

7.3DMark DirectStorage功能测试

3DMARK中除了有存储基准测试，还有单独的DirectStorage功能测试模块，可以为我们展示启用DirectStorage功能后，高速SSD能发挥出怎样的满血实力。

在传统 IO 路径中，游戏加载场景数据时，需要从SSD搬运到RAM，再交给CPU进行缓慢的串行解压缩，解压后再通过RAM发送给 GPU。这造成了多次冗余的数据拷贝，且当游戏数据巨大时，CPU会成为性能瓶颈，导致加载进度条漫长。

为了解决这个问题，微软开发了DirectStorage技术，目的在于优化游戏和其他应用程序的数据加载性能，让显卡可以绕过CPU，直接与SSD进行数据交换，这样就能充分利用SSD的读取性能，减少操作系统层面的开销，实现更高的数据吞吐量和IOPS。

启用DirectStorage最直观的效果，就是可以使得游戏过程中能够更快地从SSD读取大量数据，显著减少加载时间，实现类似《瑞奇与叮当》那样的无缝切换场景功能。

3DMARK的DirectStorage功能测试包含9个测试子项，涵盖了DirectStorage功能关闭、开启、开启+GPU解压缩三种场景，每个场景中都会分别测试从SSD读取到内存、从内存读取到显存、从SSD直接读取到显存等数据传输路径的速率。

我们在相同硬件平台下，分别测试了5款2TB QLC SSD在 DirectStorage关闭与 DirectStorage开启状态下的传输带宽，实测结果如下图所示，单位为GB/s：

当开启DirectStorage后，由GPU直接接管数据解压并拉满深度队列并发时，传输带宽展现出了令人震撼的爆发力。

其中致态Ti600s以14.59 GB/s拿下全场最高成绩，这充分印证了长江存储Xtacking X4-6080颗粒独特的 8-Plane超高物理并发架构，在面对DirectStorage这种高并发、大队列、小块连续并行的密集数据请求时，能够同时调动大量Plane并联吞吐数据。

闪迪SN5100与铠侠 SF10的表现也相当强悍，两款基于新一代BiCS8颗粒的产品同样属于第一梯队。

三星990的表现就稍显落后了，是参测原厂盘中唯一未能突破14 GB/s关卡的产品让人有些遗憾。

金士顿NV3则掉队比较明显，可以看得出发挥有些乏力。

专业向进阶测试

1.SLC Cache方案解析

对于当下的QLC SSD而言，SLC Cache的设计方案可以说是决定日常实际体验的核心指标。

我们知道，QLC颗粒由于每个存储单元需要记录4个bit的16种电压状态，其原生写入延迟较高、写入带宽较低，因此在消费级SSD中，厂商必须通过将QLC空间模拟为SLC Cache作为写入缓冲区来提高使用体验。

在日常使用中，绝大多数用户单次写入的文件体积基本在几十到数百GB以内，只要写入量没有超过SLC Cache容量，SSD就能始终以6000+ MB/s的峰值满血运行，一旦缓内耗尽，SSD便会被打回原形，写入速度大幅下降。

因此，对于QLC SSD而言，我们考量的眼光与TLC SSD有所不同，SLC Cache容量和缓内写入速度才是更应该侧重的关键因素。

为了深入探索这5款SSD的SLC缓存机制，我们在RAW无分区状态下，对它们进行128KB QD32全盘顺序写入测试，实时记录写入日志后，绘制出各产品的全盘写入曲线。

同时我将空盘SLC Cache容量和缓内平均写入速度这两个关键指标制作成图表，供大家参考：

接下来我们来详细解析下各产品的表现。

（1）致态Ti600s 2TB

致态Ti600s采用了极为激进的SLC Cache模拟策略。2TB容量换算为二进制实际可用约1907 GiB，以QLC 4:1模拟SLC Cache的理论极限约476 GiB，而这条Ti600s将空盘SLC Cache直接拉爆到了惊人的 517 GiB，可见它将二级OP也全部拿出参与模拟，并且这也是5款产品中空盘SLC Cache容量最大的一款。

致态Ti600s的全盘写入曲线呈现出标准的两段式，缓内平均写入速度为6533.45 MiB/s，线条平直，几乎没有明显的掉速锯齿；写入满517 GiB后，主控由于需要同时执行垃圾回收与新数据写入操作，速度骤降至约220 MiB/s的低谷期，全盘平均写入为257.26 MiB/s。

这种方案的逻辑非常清晰，尽量扩大SLC Cache容量，争取能覆盖日常绝大多数的写入需求，为用户的日常体验提供了最极致的保障。

（2）三星990 2TB

作为5款产品中售价最高且质保仅有3年的产品，三星990的全盘写入表现难言令人满意。

首先，三星依然沿用了相对保守的缓存分配逻辑，其空盘SLC Cache仅有 328 GiB，是5款产品中最小的一款。

其次，其缓内写入并不平稳，速度在5500-6000 MiB/s之间不断起伏，平均写入速度仅为 5762.46 MiB/s。

SLC Cache耗尽后，速度骤降至250 MiB/s附近，后半段略有爬升至320 MiB/s，这又是三星在9100 Pro、990 EP等产品中也采用的惩罚前置方案，让人百思不得其解。

以其高昂的品牌溢价来看，这样的表现显得性价比不高，毕竟缓外写入速度上下浮动个百十MB/s影响不大，但SLC Cache不禁用，这个是真的会影响体验了。

（3）闪迪SN5100 2TB

闪迪SN5100的空盘SLC Cache容量为 475 GiB，容量规模仅次于致态。

观察其曲线可以发现，它的缓内写入阶段存在周期性的脉冲式小下探，最低探至约4800-5400 MiB/s，这是闪迪nCache 4.0在进行后台缓存管理与垃圾预整理的特征。

其次，在SLC Cache耗尽后，凭借激进的后台GC回收机制，闪迪SN5100的出缓速度在400-550 MiB/s之间高速抖动，对于QLC SSD来说相当难得。

（4）金士顿NV3 2TB

金士顿NV3的空盘SLC Cache容量中规中矩，约为 400 GiB。

缓内初始阶段能维持在5600 MiB/s左右，在写到约190 GiB后出现小幅阶梯下降至5400 MiB/s，缓内平均速度仅有5470.06 MiB/s，在5款产品中垫底。

耗尽400 GiB缓存后，写入速度直接跌至约250-290 MiB/s之间，曲线中规中矩，可以说整体调校没有太多惊喜，但也没啥明显短板，是群联公版主控+入门QLC方案的标准表现。

（5）铠侠SF10 2TB

铠侠SF10采用的是与众不同的三段式写入策略。

它的空盘SLC Cache并没有做成全盘模拟，而是比较克制的340 GiB 左右，缓内速度高达 6447.89 MiB/s，仅次于致态Ti600s。

SLC Cache耗尽后，铠侠SF10并没有直接进行垃圾回收，而是在340 GiB至650 GiB之间维持了750 MiB/s左右的QLC直写过程，直到约650 GiB之后才真正进入350-400 MiB/s的垃圾回收阶段，这种阶梯式的缓冲调校真的是相当少见。

有意思的是，从对比结果可以看出，面对QLC SSD，各大厂商的调校思路分化非常明显。

首先是保证用户体验第一的思路（以致态Ti600s为代表）：

在这种调校方向下，厂商优先致力于满足普通玩家购买的核心诉求，只要我感知不到缓外，它就是一块旗舰满血盘。致态Ti600s通过给足高达517 GiB的超大SLC Cache容量，加上全场最高的6533.45 MiB/s缓内速度，确保用户在日常装游戏、下大片时始终处于极速状态，尽量规避触发缓外降速。

其次是尽量堆高缓外写入速度的方案（以闪迪SN5100、铠侠SF10为代表）：

这个调校思路更重视出缓后的写入速度表现，利用激进的垃圾回收策略，或者多段式过渡，在持续重负载写入时底气更足。

传统保守方案（以三星990、金士顿NV3为代表）：

三星990受限于保守的328 GiB缓存策略与写入速度惩罚前置的表现，给用户端上了SLC Cache容量小+缓外先降速的大餐，面对其2399元的定价竞争力严重不足。而金士顿NV3则是典型的入门级方案，中规中矩。

2.长时间顺序写入

为了进一步压榨主控的固件底层调校实力，检验5款产品在极端恶劣环境下的稳定性表现，我们在RAW无分区状态下进行了连续两遍不间断的全盘顺序写入测试（128KB QD32），主要是为了检验SSD是否会出现严重掉速卡死、固件调度失控，并且将测试日志绘制成如下所示曲线图：

接下来我们依然对每款产品进行单独分析。

（1）致态Ti600s 2TB

消耗完517 GiB的超大SLC缓存后，致态Ti600s的写入速度直接落入约220 MiB/s左右的平稳区间，直至写满第一遍全盘。

随后进入纯脏盘覆盖阶段，由于此时全盘已无空白块，SLC Cache自然无法进行稳定模拟，完全进入边擦除、边搬移、边写入达到的平衡状态。此时Ti600s的写入速度稳定维持在200 ~ 300 MiB/s 之间，并伴随数个短暂冲高的小脉冲，表明主控响应比较积极，在尝试抓住机会重构微量的SLC Cache。

总的来说，这条曲线表现出极佳的抗压稳定性，在长达近4TB的连续写入下，全程没有卡死现象，输出曲线比较平整，固件相当稳健。

（2）三星990 2TB

在进入脏盘写入不久的2000 ~ 2200 GiB 区间，三星990的写入曲线爆发了连续多组极度剧烈的震荡，瞬时速度在68 MiB/s到 2600 MiB/s 之间频繁反复横跳，震荡幅度极其夸张，直到写过2200 GiB之后，主控似乎才稳定下来，速度重新回落到320 MiB/s左右并持续到结束。

这种现象应该是因为固件调度冲突所致，主控在遭遇突发的大量脏块覆盖时，算法执着于强行腾挪出空闲块来重建SLC Cache，导致前台写入指令被后台繁重的数据迁移长时间阻塞，进而引发断崖式暴跌，而一旦挤出一点点微量缓存又瞬间爆发吸纳数据，周而复始。对于一款旗舰级定价的产品而言，这种极端的写入抖动和卡顿显然是不太美观的。

（3）闪迪SN5100 2TB

在突破1860 GiB关口进入脏盘阶段后，闪迪SN5100不仅没有萎靡，其写入速度反而进一步被抬升到了500 ~ 600 MiB/s 左右，并且整条曲线上密密麻麻地分布着周期性的脉冲尖刺。

nCache 4.0的固件算法在这种重负载写入的工况下，展现了极其激进的SLC Cache回收欲望，执着于快速释放脏块来维持写入能力。

总的来说，它的整个过程同样没有遇到异常掉速卡死的情况，合格。

（4）金士顿NV3 2TB

金士顿NV3的表现可以用波澜不惊来形容，完成纯脏盘覆盖后，顺理成章进入QLC直写阶段，既没有任何冲高尝试的脉冲尖刺，也没有发生卡死，这也符合我对金士顿产品一贯求稳的印象，不求出彩，但求不出错，唯一可惜的就是直写速度依然不甚给力。

（5）铠侠SF10 2TB

铠侠SF10的曲线非常有特色，这也是我们测评SSD能获得的乐趣之一，可以见证各种产品的不同技术路线。它在进入脏盘写入后，并没有跌回最底层的二次折叠深坑，而是非常神奇地在维持了一个相对平稳的中等速度。

3.SLC缓外4K随机读取性能

在日常选购SSD时，很多朋友习惯直接参考CrystalDiskMark测试中的Q1T1 4K随机读取成绩，在前面的基础测试中，我们看到部分产品能跑出80~120+ MB/s的夸张高分。

但作为SSD老烧，飘雷必须提醒大家，CrystalDiskMark此类软件的4K跑分在很大程度上具有欺骗性。

因为CrystalDiskMark的测试机制是，先写入1GiB测试文件，随即立刻对其进行读取测试。此时，测试数据存放在SLC Cache中，本身就会收到SLC Cache的加速印象，另外部分产品的主控甚至能凭借预读算法在主控SRAM/HMB层级就直接命中返回，压根无需真正向物理闪存颗粒下发读取寻址指令。

然而，在真实系统工况中，90%以上的操作读取的都是冷数据，早已被挪出SLC Cache外。

为了排除SLC Cache与算法预读的影响，看看这5款QLC颗粒在真实状态下的4K随机读取性能，我们在对SSD进行2次填盘后，立刻进行900秒的4KB QD1单线程随机读取测试，最终得到了如下所示的读取速度曲线图。

在这种情况下，测试SSD在真实状态下的4K随机读取性能就是一件很有意义的事情。

这里为了保证测试前SSD能够进入脏盘稳态，先以128KB Q32T4顺序写入填盘两次后，再对5款SSD进行时长为900s的Q1T1 4K随机读取测试，最终得到了如下所示的SLC缓外4K随机读取速度曲线图。

将平均读取速度整理成图表，如下所示：

致态Ti600s以33.08 MiB/s 的成绩排名第一，很多朋友可能对这个数字没有概念，作为对比，市面上大量主流PCIe 4.0 TLC无缓SSD的真实4K读取速度普遍也就在30~35 MiB/s之间，在这方面，可以说致态Ti600s以QLC对决TLC，丝毫不落于下风。

铠侠SF10以30.22 MiB/s 紧随其后，经过前面的测试，它不仅顺序写入漂亮，底层冷数据的随机读取同样极其扎实，表现也非常优秀。

闪迪SN5100跑出了27.22 MiB/s 的中上游水准，这里结合它在CrystalDiskMark中跑出的127.48 MB/s对照来看，就能明白其实nCache 4.0方案在真实工况中就很容易遇到预读彻底失效，暴跌了近80%。不过抛开跑分滤镜，BiCS8 QLC颗粒本身的硬件素质依然托住了底线，27.22 MiB/s的成绩放在整个QLC阵营中依然是完全合格的。

金士顿NV3测得19.10 MiB/s，群联E27T主控虽然在顺序读写上有不错的爆发力，但在面对完全没有SLC Cache辅助的读取时显得有些力不从心，与第一梯队拉开了明显鸿沟，不过这也是目前大多数QLC SSD的普遍现象。

最后则是全场售价最贵的三星990，却交出了最差的18.48 MiB/s 答卷，成绩甚至只有致态Ti600s的55%。对于一款售价远超竞品的产品而言，性能如此拉胯，着实令人失望。

4.FOB状态混合随机读写

Windows系统的I/O引擎和文件资源管理机制会限制SSD的性能发挥，所以一般为了排除干扰，我们会使用Linux系统来测试SSD的极限性能。

这里咱们在Ubuntu 24.04中，使用FIO 3.36脚本再对5款产品进行了一遍更加完整的、不同队列深度、不同混合读写方案下的测试。

需要说明的是，这个项目主要是为了观察SSD的理论性能上限，和真实场景的表现不完全挂钩。所以在测试前，会确保SSD处于FOB状态，并且不会排除随机读取请求命中SSD主控SRAM的情况。

由于测试结果比较繁复，这里我将5款产品的成绩整理成图表供大家参考，从对比图表中也可以看出各家产品的优化倾向有所不同。

在4K随机读取测试中，QD4之前，致态Ti600s和闪迪SN5100占据明显领先地位；QD8之后，闪迪SN5100曲线停止爬升，其他4款产品则继续发力，最终在QD64时，三星990排名第一，紧随其后的是致态Ti600s、铠侠SF10、金士顿NV3和闪迪SN5100.

在随机4K随机写入测试中，可以看到除了金士顿NV3以外，各产品在QD16之前的曲线爬升幅度都很有侵略性。

达到QD16后，三星990和闪迪SN5100的曲线停滞不前，而致态Ti600s、铠侠SF10和金士顿NV3的曲线，最终在QD64时，致态Ti600s以超过1600K IOPS的成绩明显领先，其他产品则保持在1100K-1400K IOPS之间。

观察4K混合随机读写测试图表，我们可以看出，写入占比越高，IOPS越高，并且在QD4前几款产品的差距不算大。

当负载进入QD16的高并发阶段时，差距就比较显著了，闪迪SN5100取得全场第一的成绩，致态Ti600s稳居次席，三星990拿到了并不算差的第三名，随后则是铠侠SF10和金士顿NV3。

温度测试

为了让大家对5款SSD的发热状况有直观概念，这里我在室温25℃、无主动风扇散热的情况下，将各产品依次安装到开放式机架，并进行200GiB的顺序写入测试（128K，QD32），在此过程中记录它们在裸盘状态下的传感器最高温度

在测试过程中，同时使用热电偶温度计的探头贴到主控位置全程监控，以避免SSD传感器回报温度出现造假作弊的情况。

5款产品在写入过程中的温度表现如下：

将各产品写入过程中的平均速度和最高温度整理成图表：

可见三星990在仅写入200 GiB的情况下，温度就已经达到了最高114℃，与此同时写入速度并不算快，有点难评；温度第二高的是金士顿NV3，主控温度同样超过了100℃。

闪迪SN5100虽然平均写入速度不快，但是温度也是最低的70℃，也让人可以接受。

致态Ti600s的表现就很是亮眼了，在写入速度最快的前提下，最高温度为75℃，还要比铠侠SF10低了5℃。

功耗测试

不少朋友在选购SSD时对功耗水平不甚在意，但其实对于笔记本电脑、Windows掌机等移动设备来说，SSD对设备续航的影响要比我们想象中更大。

关于SSD功耗的测试流程我思考过很久，单看极限性能很容易陷入跑分陷阱，而单看绝对功耗又容易忽略对性能的牺牲，将性能与功耗结合，在不同工况下观察，才是判断能耗水平的正确方式。

这里我使用一张定制的M.2 SSD功耗测试卡，给5款产品安装被动散热片，在Windows下使用FIO脚本，分别测试各SSD在不同限速条件下的顺序读写功耗，以及不同队列下的4K随机读写功耗，并记录下全程的功耗数据。

将测试结果整理后，记录成如下的表格，功耗单位为mW：

从实测数据来看，这5款PCIe4.0无缓QLC SSD在功耗控制上整体表现都非常出色，如日常办公、网页浏览的低队列读写工况下，功耗普遍压制在1.1W -1.9W之间；高负载满载工况下，各款产品的满载功耗基本都收敛在4W以内。

市面上传统的PCIe 4.0有缓旗舰SSD，在高负载下功耗通常在6W-8W左右；而新一代PCIe 5.0 SSD在满血读写时的功耗更是动辄高达9W-12W，必须依赖大体积金属鳍片才能压制。

相比之下，这5款QLC SSD在全工况下的功耗要温和得多，这使得它们天然非常适合对续航敏感的设备（比如笔记本电脑以及Windows掌机）扩容，在提供足够流畅性能的同时，能为设备省下宝贵的电池电量。

总结

以上就是本期的全部测评结果了，这5款市面上关注度较高的2TB QLC SSD的真实底色基本已经被我们摸透，看到这里的朋友辛苦了。

在给出具体产品的选购结论前，我们可以先为新一代QLC SSD做一个比较客观的总结，它们在日常体验方面基本已经不输主流TLC产品。

现代QLC SSD在日常系统交互、软件启动、3A游戏载入等中轻度负载中，完全跑出了与主流PCIe 4.0 TLC没啥区别的顺滑体验，甚至在真实的4K随机读取性能上，第一梯队的致态和铠侠直接突破了30 MiB/s大关，彻底打破了过去QLC读取迟钝的刻板印象。

虽然一旦耗尽SLC Cache，QLC颗粒原生的物理特性导致写入速度还是要比TLC SSD更慢，但对于日常安装游戏、下载大片来说基本已无影响。

不过实话实说，如果你有长期高负载写入的需求，那还是建议选择TLC消费级SSD，或者直接干脆购买企业级SSD。

综合各项测试实测表现、定价与售后保障，我们对这5款产品给出最后的评语。

1.致态 Ti600s 2TB

到手价格：1889 元（全场最低）
质保规格：5年质保 / 900 TBW
优势亮点：
极限性能无死角，顺序纯读写（7473/6921 MB/s）、4K随机纯写（155万 IOPS）均为全场第一；
超大缓存，空盘SLC Cache高达 517 GiB，缓内写入速度6533 MiB/s，完全覆盖家用单次连续场景；
颗粒性能极强，缓外4K单线程随机读取达到惊人的 33.08 MiB/s，全场第一，比肩TLC；
价格诚意拉满，硬件顶格发挥，售价却是5款中最低的。
不足之处：超高并发满载下峰值功耗稍高，极限读取达4.8W。
最终评价：致态极其透彻地理解普通消费者的痛点，把日常感知的性能与质保全部拉满，价格还定得最低，毫无疑问是当下QLC SSD中的第一梯队首选。

2.铠侠 SF10 2TB

到手价格：1999 元
质保规格：5年质保 / 600 TBW
优势亮点：
全场独家三段式写入，340G SLC Cache极速后，预留了310G原生QLC直写缓冲；
能耗比冠绝全场，轻负载功耗仅1.1W~1.3W，满血读取功耗不足2.9W；
综合游戏与系统表现极佳，PCMark 10系统盘测试（5184分）、3DMark存储测试（4997分）和FastCopy大文件写入（7020 MB/s）均斩获第一，缓外4K单线程随机读取突破 30.22 MiB/s。
不足之处：600 TBW标称寿命在5年质保盘中相对保守。
最终评价：铠侠SF10展现了原厂极高的调校艺术，既有漂亮的直写过渡，又有极为惊艳的超低发热量，是移动端设备扩容的好选择。

3. 闪迪 SN5100 2TB

到手价格：2099 元
质保规格：5年质保 / 900 TBW
优势亮点：
高并发调度强悍，FOB状态下4K混合读写（Q4T4 5R5W）冲破 53万 IOPS，且高队列随机功耗被死死按在1.8W左右，算法调度极其惊艳；
不足之处：nCache 4.0在跑分中有算法特调成分，实际应用表现平平无奇，2099元的售价比致态贵了200余元。
最终评价：如果你喜欢用CrystalDiskMark跑分炫耀，或对超大容量写入有刚需，那闪迪SN5100比较适合你。

4.金士顿 NV3 2TB

到手价格：1999 元
质保规格：5年质保 / 640 TBW
表现总结：
性能较为落后，顺序读写仅6000/5000 MB/s档位，缓外4K单线程随机读取仅19.10 MiB/s；
功耗偏高（接近4W），颗粒来源为第三方封装未知晶圆。
最终评价：和原厂盘的性能比起来，金士顿NV3竞争力不大，其优点依旧是多年经营的渠道口碑。

5.三星 990 2TB

到手价格：2399 元
质保规格： 3年质保 / 800 TBW
表现总结：
小气保守的缓存方案，作为全场最贵的盘，SLC Cache仅给了小气的 328 GiB；
写入性能较差，混合顺序写入仅2992 MB/s，还不到竞品的一半，缓外4K单线程随机读取仅有可怜的 18.48 MiB/s，比金士顿NV3还低；
低负载静态功耗全场最高，能耗比彻底垫底。
最终评价：三星990是一款让人摸不着头脑的产品，卖着2399元天价，给着最短的3年质保，却交出了全场垫底的综合实测答卷，对于这款产品，我是不知该如何评价了。

未来的学校需要成为人脑思维的训练营

Binich — Wed, 23 Sep 2026 07:31:25 GMT

《奥特曼》这个日本电视剧引进中国的时候，我已经“超龄”了——超过了能够被它所吸引的年龄。

在我看来，这个系列剧，不论是剧情还是服化道，都假得透顶，所以那时我完全不明白大街小巷里为什么那么多小孩子喜欢奥特曼。

而现在，我对于另一个奥特曼——Open AI的Sam Altman——也生出了一种不明白：不明白他在谈教育的时候为何那么假模假式，不接地气。我的职业是教师，自认为懂一些大学里教书的那点事儿，所以看到Open AI的奥特曼谈教育，会立即认识到他的话处处透风撒气，说得并不周全。

做出上面的感慨，是因为最近看到一段短视频，说在最近的斯坦福访谈中，OpenAI CEO Sam Altman 承认他近年来有一个最大的判断失误。这个失误是关于教育系统的。

Altman 原本认为，ChatGPT 发布后，教育界会经历大约一年的“作弊混乱期”，但是很快，整个系统会迅速进行结构性自净，全面转向项目式学习（Project-Based Learning）。但现实是，从 2022 年底到现在，三年半的时间过去了，教育体系并没有出现任何实质性的结构改变。

Altman 认为，这是一个非常危险的信号。因为当下底层的生产力工具已经发生指数级跃迁，而顶层的教育与人才选拔机制依然处于停滞状态，这种情况会导致严重的系统性错配。

而对于所谓的 AI 时代好的教育，奥特曼认为必须符合下面这个要求：学习任务必须设定为高难度的，难到什么程度呢？要难到学生在不借助 AI 的情况下根本就无法完成。此外，人类还不能把判断和责任外包给 AI。

无独有偶，图灵奖得主爱德华·霍普克罗夫特（John Edward Hopcroft）在接受记者采访时，针对AI普及后学生用AI做作业而不再主动思考这种情况该如何应对时，有过类似的回答：你干嘛布置那种能够借助AI完成的作业呢？

我认为不论是Altman，还是Hopcroft，在思考教育的时候，都把教育窄化为了“提供给少数精英的教育”。他们所说的教育，是经过修饰的、对象非常狭窄的教育，其面对的学生，仅仅包含了教育链条最高端的那批人。他们说的甚至不是大学本科教育。他们满脑子考虑的，是培养那种具有超级能力的人。尤其是Altman，在谈教育的话题的时候，表现得更加的伪善：一方面，他不断地在宣传ChatGPT又达到和超越了人类的什么水平（本科生、研究生、博士生……），另一方面，却又奢谈如何开展AI时代的教育；本质上是，一方面他在冷血地吹嘘自己开发的东西超越了教育的那个阶段的人，另一方面又假装关心教育。

我想指出，Altman 和 Hopcroft在奢谈所谓的作业应该有更高难度的时候，他们刻意地无视了这一现实：任何受教育者都要在成长历程中经历日复一日的大脑体操训练，才能逐渐成长起来，应对更具挑战性的作业。

不，他们根本没有考虑大多数的受教育者，以及几乎所有受教育者在基础阶段该接受怎样的教育。他们只考虑了爬到了教育金字塔最顶端的一些人。然而，那种人其实不管有没有 AI，甚至不管有没有某些阶段的教育（尤其是博士以及以后的阶段），只是靠自己的好奇心和探索能力，大概率都会取得成功。

但是整个社会所关心的教育，也是真正的教育，其面对的对象，是占人口的大多数的普通人。这些人，如果没有教育机构和教育工作者的指导，他自己就无法成才，走不出自己的困境。上述 Sam Altman 有关教育的见解，对于改革这些普通人在AI时代的教育，没有任何帮助。

的确，我们的教育是前 AI 时代经过漫长的时日慢慢建立起来的一整套体系。在这种前AI时代的教育过程中，老师之所以要布置给学生作业，如写论文、做算术，本质上不是为了获取最终的结果，而是利用这些练习，迫使学生进行思考，或说进行脑力负荷训练，使其生长出“脑力肌肉”。

我们都知道，在AI时代，如果教育系统依然用旧的作业形式作为考核指标，学生会忍不住去用 AI 走捷径，显然，这是不行的。不同于工作场合——在那里做事情是结果导向的，用AI获取结果，而且往往是更快地获取高质量的结果，这无可厚非；而教育过程中的作业，重要的是过程，是通过这样的过程来训练学生的“思想肌肉”。

我们花钱去健身房，绝不会使用一台机器替我们举杠铃或是拉动划船机。可是学习似乎有所不同：由于各种考核的压力，导致学生慢慢将分数看成了终极目的，而忘掉了思考能力才是真正的目的，这种认知偏差，会使很多学生原谅自己学习过程中的作弊行为。结果是，那些完全能够自觉在健身房里挥汗锻炼的大学生，同时也极有可能是利用AI作弊写读书报告的那批大学生。

而且，教育当中的很多基础的训练——同时也必然是AI已经能够给出很好的结果的训练——是不能够越过的。所以，Altman 和 Hopcroft先生，对不起，绝大多数的大学老师，不可能布置学生去做ChatGPT做不来的作业。（更不要说中小学老师了。）

基础的训练必须继续进行，而AI就在身边。怎么办？

Altman 的意思是改革教育的内容和考核的方式，因为如果继续按没有 AI 的时代教书和考核，人类将系统性的失去训练复杂思考能力的机会。

然而，正如我前面分析的，教育要从训练基本功做起，不可能略过，不可能一下子就让各种层次的学生去面对“AI无法胜任的任务”。Altman 和 Hopcroft的想法，有点“既要……又要……”，这不可能实现。

怎么办？

答案一点都不复杂：当一个人在学校里的时候，在所有可能禁止他使用AI的场合，禁掉它。而且，已经有学校在这么做了。当然，物理隔离AI的难度会越来越大。也正因如此，在未来，学校相比于家庭等环境所具备的价值中，其中一项极其重要的，就可能是“有限度地提供AI的物理隔绝”。优秀的学校，像一座座“认知净土”或“思想健身房”，让未来的家长能够安心地觉得，把孩子送到这里来，能够让他们学会独立思考，成长为具有判断力、审美力的精英，而不是时时刻刻“遇事不决问AI”。

而学校和老师面临的终极考验，也必然包括在无法完全禁绝的缝隙里，如何重新设计无法被AI轻易替代的考核方式（如线下口试、思辨辩论、动手实验等）。

不要说什么：在AI时代，让学生熟悉AI并学会合理使用AI很重要，吧啦吧啦……。

算了吧，我们都知道，训练使用AI，远远比训练学生解三角函数或是写篇有思想深度的作文简单得多得多。所以，三角函数的练习和作文课上各种让孩子们头疼的练习，不能省略，而且，在生成的阶段，不能有AI的协助。身为学生，必须亲自经历过解题的痛苦、逻辑的纠缠，以及写作中语词的选择，他们才能学会判断什么是好、什么是坏、什么是真、什么是假。

所以，我不知道为什么聪明如Altman 的人，其涉及到AI时代的教育的看法会那么的幼稚。又或是，他并不是幼稚……毕竟，他不可能幼稚。

比如，他还说，未来的人的能力，一是复杂系统拆解能力，即知道如何将一个庞大的项目拆解成 AI 能够理解并执行的提示词矩阵；二是进行最终的价值判断，即对AI 瞬间给出的多种解，凭借人类的伦理、商业的直觉等进行判断。

算了吧，难道听了他的建议，改革教育系统，使之“适配”AI的指数级跃迁，就能让未来的学习者具备这两种能力？他难道看不到自己以及自己身边的那些聪明人，都是怎么变“聪明”的？未来的一代又一代学生，如果连基本的逻辑底座都没有建立，他们如何去拆解复杂系统？如何去进行高级的价值判断？

喜欢本文，敬请转发推荐，并给作者充电，鼓励作者写出更多有深度的文章。

万字分享｜我如何改造 Obsidian

二一的笔记 — Wed, 23 Sep 2026 05:35:15 GMT

前情提要

本文是 FLO.W Obsidian 正式发布前的最后一篇开发日志，随后我将进行一轮 Beta 测试，如果你感兴趣的话，可以在电脑端浏览器查看我制作的实机模拟，或者加入我的用户交流群。

另外，本文真的非常长，理智告诉我应该拆成三篇四篇去发，但我还是固执地用一篇写完，实在不想让连贯的思路断链，因此也接受超低的完读率，和可能劝退用户购买的反效果。

我坚定地相信，只有把思想转化为文字，思考才算真正完成。倘若不把这半年来的全部探索和执念，完完整整地呈现在这里，这一场漫长的开发在我心里就无法划下句号。

开发背景

外部世界对我来说是不可预测的，任务会突然涌现、灵感会转瞬即逝、计划会被随时打乱，这种失控感是我焦虑的根源。

所以我总是期待能有一个地方可以收纳所有的不确定，将其规整、量化，并转换为明确的下一步动作，让时间可以被妥善地安排，让目标带给我持久的进步和产出。

我由衷地希望这个工具可以让我每天睡觉前，都感觉这一天充实圆满，并对第二天的到来充满期待。

一年前通过对 FLO.W Notion 模板系统的开发，我几乎圆满地兑现了这一份期待，也满足了超过 1600 名 Notion 用户和我一致的诉求。

同时私信里也持续不断地出现 Obsidian 用户的声音，因此在持续开发了半年之久后，今天我终于能把属于 FLO.W 的同一套底层逻辑，从 Notion 带到 Obsidian，让已经验证可行的规则继续在本地文件系统里落地生根。

并且我必须承认，曾经我认为的「Obsidian 只有落后的分类逻辑」的印象是刻板落后的，尤其是一度被我评价为半成品的 Base 功能，现在我也已经解锁了它的全部潜力，相信也一定能给你惊喜。

产品定位

AI 时代纯粹的知识管理已经不再必要。

人们应当真正关注的，是在长期工作中产生的信息、知识、目标与行动，该如何和谐有序地进入统一的系统内持续运转，让人专注于判断与选择，让 AI 承担繁琐的执行，在同一套上下文里协同推进。

FLO.W Obsidian 是基于这个使命所构建的，一套能衔接思考与行动的 Obsidian 工作系统。

它以 Obsidian 为基础，包含配套的模板库和定制的插件系统，能帮你快速捕捉每天的思绪、行动和好奇心，将高价值的信息存进一个结构清晰、人和 AI 都能高效处理的工作台，让行动更敏捷、让思路更顺畅。

基于 Obsidian File Over App 的产品哲学，FLO.W 可离线、可买断、不对 Markdown 文件做过多侵入式修改，帮你从今天起搭建一个 50 年后依然清晰可读的个人数字保险库。

倘若有一天 FLO.W 出于某些意外必须终止维护，我会将产品开源，以保证必要的存续条件。

设计思路

整齐的秩序能给人带来掌控感，有效的链接才不会让信息沉底，切实行动才能带来真实收益，复盘校准才能迭代出正确方向。

基于对秩序、链接、行动、以及校准的四个核心追求，我构建了 FLO.W 这套系统，即 Foundation、Link、Operate、Watchtower。

接下来我会逐一拆解它们在 Obsidian 里的实现方式，首先要面对的，就是大多数人最容易开始、也最容易失败放弃的分类体系搭建。

秩序

传统的笔记秩序依赖人的整理，需要自己把东西放到该放的地方。

但整理依赖记忆和自觉，而这两样都会衰减，记忆会遗忘，自觉会偷懒，所以依赖文件夹和标签的分类方式必然渐进式崩坏。

全盘丢给 AI 归类和查找看似省事，但这只会让你的笔记库变成一个人类难以阅读和操作的黑盒。

因此 FLO.W 通过预先设定好以下四条规则，让用户（以及用户的 AI）能在一套逻辑自洽的有限空间内自由生长。

1. 用有限对象简化分类逻辑

文件夹陷阱

在我有限的人生里，从来不见有人可以真正用好文件夹，当你用主题、场景、或是来源的方式去做分类，你就落入了文件夹的陷阱。

一个文件只能同时存在于一个文件夹，当你选择了其中一个，你只能选择表达这个文件的某一个面而放弃其他属性。当你希望表达更多的时候，你就会增加更多的文件夹或标签，然后管理成本就越来越高。

你当然可以选择全盘交给 AI，不再手动维护任何文件夹，但对依然在坚持手搓文章和笔记的我（或者某一类用户）来说，保持文件夹的人类可读性和可操作性，依然是我所追求的一个最低标准。

最简化结构

在长久的实践中，我逐渐摸索出了一种与「主题式笔记分类」不同的分类逻辑，它的核心灵感来源于 Tiago Forte 的 PARA 方法论，意在用信息与行动之间的关系将信息分成四类：

Project
Area
Resource
Archive

但在 PARA 中「资源 Resource」的定义非常模糊，而「归档 Archive」则更像是一种信息的状态而非类型，因此 [[PARA]] 对我来说并非最优解。如果你比较关注这个圈子的话，应该也曾看过很多基于 PARA 的变体。

我采纳了 Area 和 Project 的广泛定义，并结合我的个人实践，提炼了四种我认为最重要的元信息类型，它们分别是：

这四种信息类型首先是可以自上而下拆解的树状结构，一个领域下会有多个项目，每个项目都可拆分成若干任务，每个任务在执行过程中都可能产生各种有价值的笔记。

接下来，其他所有看似繁杂的细分需求，都可以从这四个基础对象中自然生长出来。

比如会议纪要、灵感闪念或是读书心得，你不需要再去新建额外的文件夹，它们本质上都只是这四种元对象补充了特定属性、再配合 Base 筛选后的不同「视图」。

所以原则上 FLO.W 只设定了最基础的 4 个顶层文件夹：

任务
笔记
项目
领域

当然仅凭这条规则还无法承载更复杂、更个性化的信息分类需求，因此接下来就需要用到「字段属性」这一工具，才能为不同的信息对象扩展它可承载的深度和广度。

2. 用笔记属性承载关键事实

标签的陷阱

标签其实就是另一种形式的文件夹，因此文件夹存在的所有问题，在标签这个工具里同样存在，甚至更糟糕。

你可以在一句话之中、一个段落的末尾、甚至是一篇文章的开头或结尾打上标签，这使得标签的创建速度更快，限制更少。并且标签的语义更加是即兴且模糊的，比如灵感和想法、资源和参考、方案和规划，只要意义有所重叠，就会在你需要调用标签进行分类的时候造成困扰。

更大的问题是，当你希望在 Obsidian 的 Tags 属性菜单中找到曾经用过的标签，那么不同类型的标签就会杂糅在一起，有的是任务状态标签，有的是主题分类标签。

这个查找的过程会非常发散和烦人，容易让人陷入选择困难的境地，或者因为找不到想要的标签，于是又随手创建了一个新的，最终往往只能痛定思痛地留下「标签无用」的结论。

属性的解法

笔记属性其实就是预先分组、且自我设限的标签，它的位置是固定的，它的选项是预设且有限的，虽然降低了自由度，但也显著降低了选择的成本。

在 FLO.W 中，每一个 Markdown 文件通过填写笔记属性 FLO.W 的方式去回答，它属于哪一种元信息类型？

当它是笔记时， FLO.W = Note ；当它是任务时 FLO.W = Task 。如此便规定了每一个新建文档的基本用途和用法。

接下来所有的新增字段，都是基于 FLO.W 这个地基字段进行扩建。

因为 Task 是用于追踪某个需要被完成的动作，所以它可以增加 Status、开始日期、结束日期、完成时间 等用于描述进度的字段；因为 Note 是用于记录需要被反复调用的信息，所以它可以增加 笔记类型、关联领域、关联项目 等字段。

有限的笔记属性确定后，属性的值域也应该是受限的。

在默认预设下，Status 仅设定 Todo、Doing 和 Done 三种元状态，笔记类型仅预设 Log、Ask、Exp、How 和 Idea 五种元类型，如非慎重思考后的结论，否则一般不再增加更多选项。

基于这种方案，我们既可以实现标签的基本用法，也可以消解传统标签会带来的分类难题。

你无法在一句话里随手打上一个笔记属性，因为它只存在于文档的头部位置；你也不需要再面对即兴语义的困扰，因为每一个笔记属性的值都已经预先定义；你更不需要面对不同类型的标签杂糅在同一个下拉菜单里的情况，因为状态、类型、以及关联等字段都是各自独立的。

到这里我们只剩下最后一个问题需要解决。

标签除了标记文本特征这一功能，还有一个用处就是可以起到聚合文档的作用，所以我说标签其实是另一种形式的文件夹。但标签的聚合虽然快速，聚合的结果却是笼统的，你总不能期望用模棱两可的定义去获得精确的结果。

但在 FLO.W 中，信息的聚合检索可以做到更智能、更高效、更精准，那就是基于笔记属性的 Base 聚合检索。

3. 用动态表格实现更优检索

传统表格的局限

对我来说，表格就是秩序的象征，它可以排序、可以筛选、可以从全局视角俯瞰，也可以聚焦某个局部观察。横平竖直、整齐有序，只要信息精确完备，就能够给人一种「信息被照顾妥当」的安全感。

但传统表格所呈现的只是交织在行和列里的单元格，这些单元格只能体现一条信息的关键特征。

所以 Notion 数据库的创新是让每条记录都可以被打开为一个独立的文档，并且文档内还可以继续内嵌文档和数据库，即便递归也被允许。

所以 Obsidian 能实现这样的效果吗？

我曾经认为 Obsidian 的 Base 只是一个赶趟上架的半成品，但事实证明，当我给所有的文档都分配了 FLO.W 这一笔记属性后，Base 几乎可以看作是青春版的 Notion 数据库了。

动态透视的解法

在 FLO.W 的基本框架里，有限的文件夹与 4 种对象类型严格绑定。

当你在「任务」、「笔记」、「项目」或「领域」文件夹中新建文件时，头部的 FLO.W 属性会被 FLO.W Core 插件自动赋予对应的 Task、Note、Project 或 Area 的值，不需要你手动填写。

这在目录层面完成了文档的第一层分类，每篇文档在创建的瞬间就被标记了它的元信息类型。

但单一的顶层文件夹无法回答更具体的场景，例如哪些是即将过期的任务、哪些是上个月完成的项目、哪些是最近半年写过的经验笔记？

如果为了这些场景去不断新建子文件夹，我们又会重新陷入文件夹层层嵌套的陷阱。

Base 能用动态过滤的方式解决这个问题，但前提是被过滤的文档必须有标准、可被计算的笔记属性。所以我们让 4 种基本的元信息类型作为主干，向下分叉出受限、可控的笔记属性，如状态、笔记类型、关联项目等。

然后你就能随时从有限的文件夹里切分出清晰的功能视图，比如所有的 How 笔记.Base、所有进行中的任务.Base、或是某个领域下的所有关联项目.Base。

而且 Base 所聚合的每一个文档，实际上都是一条超链接。

打开链接后你得到的不只是一篇文档，还是一个容器，因为文档之内同样可以再内嵌 Base，而这个新的 Base 又可以动态过滤整个 Vault 之内的任意对象。

于是打开项目页面，你可以看到的它聚合了这个项目下所有任务；打开任务页面，又能看到属于它的所有笔记。

记录、透视、打开、内嵌，递归，与 Notion 数据库的基本效果如出一辙。

当然 Notion 数据库的各种高级自动化与丰富视图，目前在 Obsidian 里仍有巨大差距，这一点读者们还是应当抱有正确的期待。

所以到这一步，我们通过 FLO.W 的四种元信息，加上衍生的笔记属性以及 Base 的聚合检索，就可以实现用有限的文件夹去管理几乎无上限的分类场景。

Base 里的视图（View）是可以随时创建、随时删除的动态观察窗口，不论如何操作，归档在文件夹之类的文件都不会受到任何影响。

并且 Base 还有个特性可能会让你觉得它比 Notion 数据库更好，那就是 Base 的检索是覆盖整个笔记库的，而 Notion DB 的数据源是固定受限的。

如何理解呢？

Notion 是先有数据库，再有库里的 Page。而 Obsidian 一般是先有 Page 再有 Base。这意味着，如果你想在「笔记库」里新增一条笔记，Notion 会要求你先找到这个数据库再去做新增的动作。

而 Obsidian 只需要将任意一篇文档加上 Note 的字段，它就能立刻出现在对应的 Note.Base 之中。因此理论上在 Obsidian 中你不需要设置任何文件夹，只需要设定好字段，然后再利用 Base 去全局检索和管理即可。

但这显然违背了我们「人类可读、可操作」的初衷，所以为了避免这个笔记库变得杂乱不堪，我为 FLO.W 开发了一个名为「自动路由」的核心功能，它其实是我构建整套系统的起点。

4. 用自动路由实现自动整理

Notion Database 和 Obsidian Base 都有一个特性就是，如果在带筛选条件的视图中新建页面，则新页面就会自动继承视图的筛选条件。

例如在 Status = Doing 的视图里新建，则新页面的 Status 会被自动设置为 Doing，这样才能满足让它出现在当前视图里而不被过滤掉的条件。

Notion 因为数据库的源已经确定，所以不论再怎么在数据库内创建 Page ，这个新的 Page 都不会污染其他的 Page 或者 DB。

但 Obsidian Base 的问题在于，当你点击 Base 右上角的新建按钮，系统会将新建的文档默认放置在「新建笔记的文件夹」这个设置所指定的位置。

所以通过 Base 创建文档之后，你只能再手动去修改这个文档的位置，或者干脆不改了就那么放着。

为了解决这个问题，我开发了「自动路由」这个功能，可以实现以下自动化流程：

例如当你在「笔记」这个文件夹内新建文档，则 FLO.W 这个笔记属性会被自动写入 Note 的值；当你将「任务」文件夹里的文档拖动到「笔记」文件夹，FLO.W 的属性值也会从 Task 变成 Note。

此外，当你为任意文档添加 FLO.W = Note 的属性值，不论这个文档当前处于什么位置，自动路由都会将它移动到「笔记」文件夹，当你再给它添加 笔记类型 = Log 的属性值，则它还会被自动移动到 笔记/Log 的子级文件夹里。

在自动路由的维护下，你在各个 Base 里新建的文件，都会自动获得对应的属性与存档位置。

4 种基本的元信息划定分类边界，受限的属性和值域定义信息的特征，Base 负责覆盖整个笔记库的动态切片，自动路由负责兜底的位置对齐，这套规则可以在不依赖 AI 的前提下，有效降低人工整理的成本，让本地文件系统始终保持在整齐有序、清晰可读、可操作的状态。

链接

过去 PKM 生态常见且被大多数人接受的观点是，你必须主动建立链接，知识网络才会逐渐形成。

但如今 AI 在发现潜在关系这件事上，一个 grep 命令就让多少双向链接显得不再必要，因为我们随时可以根据当前的上下文将其立刻计算出来。

但链接的价值并未消失，只不过我们需要将链接的目的从「检索」转变为「约束」，也就是用链接关系去明确那些，只有人作为主体才能确认和负责的事实。

比如，任务 A 属于项目 B、项目 C 的负责人是 D、最终方案写在了笔记 E，F 的结论来自笔记 G，改变了前提 H 则结论 I 就会受到影响...

AI 当然可以将这些信息猜得八九不离十，但猜测和事实是不同的两件事。

你可以不用再穷举信息之间可能存在哪些关联，但仍然必须定义什么对自己是真的、什么对自己是重要的、接下来允许发生什么，以及你更希望行动以怎样的路径去推进。

而以上一切，在 FLO.W 中都可以用合适的「链接」去表达。

1. 让关联表达意图

当你设定好了每一种元信息类型的用途和用法，那么它们之间的关联将自然带有明确的意图，这可以解决过去双向链接只能表示有关系，但解释不了到底是什么关系的问题。

FLO.W 的三种信息对象首先具备明显的树状层级，展示的是包含与被包含的关系：


领域 A

└── 项目 A

    ├── 子项目 A1

    │   ├── 任务 1

    │   │   ├── 子任务 1.1

    │   │   └── 子任务 1.2

    │   └── 任务 2

    └── 子项目 A2

它直观展现了一条从长远愿景到具体动作的推进路径：


领域：锚定一部分人生愿景

└── 项目：实现这一愿景的阶段性规划

    └── 任务：实现这一规划的分解动作

在执行层面很容易理解这种拆解动作，先把大目标拆解为小目标，小目标再逐个击破，最终实现大目标的完成。

接下来，「笔记」这个对象还会被进一步拆分为 5 种预设的「笔记类型」：

Log ：真实发生的过程与事实
Ask ：等待解答的疑问与困惑
Exp ：实践沉淀的经验与心得
How ：可供复用的方法与步骤
Idea：有待探索的灵感与假设

那么当 Task、Project 或者 Area 与不同类型的笔记相关联时，就可以让这层关联展现更多的信息量，例如：

在一般 Obsidian 用法中，表达这类关联最习惯的做法，就是在正文里随手敲一个 [[双向链接]]。

但这种正文里的双向链接，往往只有链接的发起方才具备完整的上下文。

比如你可能习惯在日记里随手引用今天完成的任务，在项目里随手关联相关的参考资料，站在当前这篇文档（链接发起方）的视角来看，关联的意图非常清晰，你写的时候当然知道自己为什么提到了它。

但这种清晰只是单向的，一旦你把视角切换到那个被链接的[[目标页面]]时，问题就会出现。

无论是你随手打的一个词、一篇严谨的参考文献、一个需要执行的待办，还是一个从属的子主题，在反向链接面板里长得完全一样，没有任何语义和轻重的区分。

为了让关联能显示更明确的意图，在 FLO.W 中，关联是直接写入文档头部的笔记属性区域的，如果你曾是 Notion 用户的话，应该很容易理解这种类似 Relation 的用法。

在属性里写下 关联项目 = [[项目 A]]，原本潜藏在字里行间的关联意图，就可以转变成 Base 可读、可筛选的结构化数据。

而且在实际操作中，你完全不需要手动给每一篇文档逐个填写这个字段。

当你在某个项目页面的 关联任务 Base 点击新建页面按钮，这个新任务会因为当前 Base 视图的筛选规则，在创建的瞬间就自动具备 关联项目 这个笔记属性，并将当前项目的名称自动填入字段中。

当你将 10 个任务关联到了 1 个项目里，这个项目就顺理成章地成为存放和管理这 10 个任务的容器。

2. 让页面成为容器

在 Obsidian 的早期探索中，人们习惯用 MOC（内容地图）的方式来扮演容器的角色，首先创建一个核心的主题页面，然后在页面里打上一长串 [[双向链接]] 作为索引。

但这种静态容器并不能真正创建页面之间的从属关系，你当然可以在 MOC 里看到索引笔记的不同层级，但是进入被索引的笔记页面，你只能读到「有关系」而不能读到到底是哪一层的关系。

并且你在其他地方创建的新笔记，无法自动汇入这个 MOC，你只能手动添加一条索引。或者如果你是通过 MOC 内链的方式去创建新的笔记，则这条笔记又无法被放到正确的文件夹位置。

而在 FLO.W 中，页面中的 Base 可以成为动态过滤的容器，整个笔记库内，所有符合筛选条件的内容，都会实时呈现在 Base 之中：

打开领域，Base 聚合属于它的所有项目
打开项目，Base 聚合属于它的所有待办
打开任务，Base 聚合属于它的所有笔记

这种包含关系还可以向下递归，任务页面可以内嵌子任务 Base，项目页面可以内嵌子项目 Base，笔记页面也可以内嵌子笔记 Base，从而实现更细分的层级管理。

还是以《咖啡》主题为例，在 FLO.W 中，每一个页面都可以借助内嵌的 Base，成为一个具备「收纳与展示」能力的容器：

Base 里的页面再内嵌 Base，知识的收纳与展示就有了无限递归的可能。

每一层容器都只负责展示与当前主题直接相关的内容，同时又自然成为通向下一层子主题的入口。你不需要小心翼翼地在单篇文档里手动维护那张容易混乱的 MOC 索引，每一篇新笔记在被创建时，就可以被「自动路由」功能存放到合适的位置。

行动

我们常常习惯用待办清单来管理行动，先把要做的事记下来，然后祝愿执行力可以督促自己完成任务。

但冒出一个念头很容易，到底要怎么做却又不是那么清楚。又或者其实事情本身并不难，甚至很简单，因此你懒得去沉淀流程与模板，总习惯于每次都是重新开始，忽略了积少成多的隐形支出。

我相信会阅读本文，甚至还能读到这个部分的读者，执行力一定已经远超常人，但拖延问题定然在所难免，这并非主观懒惰导致。

原因在于，意志力是有限的资源，尤其在今天我们更多的是扮演向 AI 发号施令的指挥，如果你的精力都被执行前的琐事摩擦消耗掉了，你甚至连给 AI 下达正确判断的心力都没有。

所以 FLO.W 有一整套承上启下、逻辑自洽且验证有效的行动体系，可以尽量消除每一次行动之前的摩擦。

按钮 → 解决高频触发问题
模板 → 解决重复搭建问题
目录 → 解决进度流转问题
视图 → 解决信息过载问题

1. 用快捷按钮封装高频操作

之前在 Notion 里使用 Button 功能时，每次都有种莫名的爽感，因为你可以将复杂或麻烦的操作流程封装到一个按钮里，每按一次就感觉你好像从哪里偷到了十几秒的时间，所以我觉得按钮是一个好文明。

在 Obsidian 中，快捷方式其实也不少见，但不论是官方功能还是各种流行的 Obsidian 效率插件，常常起手就是让你按一下 Ctrl+P 唤出命令面板，然后你只能祈祷自己还记得那个组合快捷键到底是什么。

记得住的话确实很酷炫、很有生产力，但大多数人会在 1 个小时后忘记原来自己还装过这个插件。

所以从构建 FLO.W 的第一天起，我就在思考怎样才能让整个行动流程更顺畅、更符合直觉。

最后我的答案是，把日常反复出现的操作，封装成侧边面板上一键触发的「开关按钮」，让高频操作不再依赖键盘快捷键，你只需要记住按钮大概的位置，就能形成肌肉习惯。

同时，「当前页」面板会根据文档的 FLO.W 属性自适应感知，打开任务时只呈现排期与标记完成，切到笔记时只显示专属的笔记模板，省去在一大堆无关按钮里挑拣的麻烦。

不仅如此，Obsidian 官方还有很多功能，用户用了一两年都不知道它们的存在，比如限制行宽、堆叠标签页等，FLO.W 按钮面板会把这些实用操作全部做成直观、通用的开关，让它们更加触手可及。

当然目前的动作面板主要运行在我预先设计好的几套高频动作上，但面板已经搭好了基础框架，未来或许可以开放更多的自定义接口，让每个用户能根据自己的工作习惯，把属于自己的复杂需求也封装成专属的一键按钮。

2. 用标准模板降低启动成本

在我看来一个人工作能力是否娴熟，很大程度可以体现在他会不会用模板来偷懒，或者更高大上一点，有没有沉淀下自己的工作 SOP。

如果每次工作都要从一张白纸开始，你很难不会有畏难情绪，即便只是要在脑子里简单过一遍标题、排版、或者思考需要填哪些字段，这些虽然简单但是繁琐的准备工作，往往会消磨掉一个人最初的工作积极性。

而且因为格式并不固定，随手写下的结构必然千奇百怪，有时会漏了状态，有时属性名会写错，就有可能导致你写完的笔记不能出现在对应的 Base 视图之中。

在原生 Obsidian 里，模板通常只是机械地贴入一段文本，想要实现动态的模板逻辑，则需要折腾复杂的第三方插件或脚本。

而在 FLO.W 中，模板由 Core 插件在底层全面接管，在文件新建的时候，就可以把动态规则一次性装配好。

这其中就包括以下 4 种基本的模板类型

属性模板：补齐关键字段
容器模板：预装过滤视图
提问模板：固定提示设问
自建模板：上架专属按钮

每一次行动的开始，你都不需要再对着空白页发呆，也不用在重复搭建框架中耗费心智，完全可以把繁琐的框架交给模板，把高频的触发交给按钮，这样就可以更快地进入执行状态，更好地利用有限的时间。

3. 用目录高度投影行动状态

得益于自动路由这一功能，我在 Obsidian 中实现了一种极简且高效的任务管理模式。

过去文件夹让人诟病的一个地方在于，当目录太多、层级太深，只要展开几次子文件夹，就会让文件目录的高度占满整个窗格，于是你就只能来回展开、收缩、滚动目录，这实在是非常麻烦。

但其实我们也可以反过来利用这个限制，也就是用文件目录的有限高度来作为一道警戒线。

在 FLO.W 的框架里，无论是「任务」还是「项目」文件夹，暴露在根目录下的，只有 Status = Doing 的事项；而 Status = Todo 或 Status = Done 的事项，则会被自动路由分别收纳在各自的子文件夹中。

这就意味着你平时展开任务文件夹，第一眼看到的只会是你手头真正在做的那几件事。

一旦事情做完，你只需要在按钮面板里点击「完成任务」的按钮，按钮就会将 Status = Doing 改写成 Status = Done，然后自动路由就会识别到这一变化，立刻将它从根目录移入「已完成」文件夹里归档，让这条任务瞬间从你眼前消失，做完一件，目录就缩短一行。

堆积的任务会把目录拉得越来越长，当你发现目录甚至需要滚动才能看完全部的时候，你就会意识到，你的欲望已经超出了执行力承载的范畴，你的注意力带宽已经快要超载。

要么停止新建任务，专心清空眼前的 Doing，要么把囤积很久任务暂时退回待办，给注意力重新腾出空间。

通过这种简单但行之有效的即时反馈，我可以不用再把时间花在管理任务上，不需要在看板、报表之间来回切换，只有「快点把任务目录清空吧」的充足动力。

不过这种方式虽然简单够用，也只能简单反映「正在执行的事项」这一个切面。如果你想要从更多维度去观察更多细节，比如耗时太久的任务、已逾期的任务、最近 7 天完成的任务等，我们就需要用到 Base 提供的动态过滤能力。

4. 用视图聚焦当下执行重点

与 Notion 的 Database 相比，Obsidian Base 的一个优点在于，只要符合过滤筛选条件，那么不论你的笔记被放到哪个犄角旮旯，都可以被符合条件的 Base 视图检索到。

所以只要你的字段足够规范、字段的值域足够精准收敛，你就能用 Base 从整个笔记库里切分出任何你所需要的视图。

过去文件夹分类之所以屡试屡败，是因为人们总试图用单一的物理位置去承载所有的分类维度，既想按主题存，又想按状态分，还想按时间排，但你不可能把一份文件，同时塞进三个不同的抽屉里。

而在 FLO.W 中，文件夹只负责最朴素的基本归档与状态兜底，至于在不同场景下你想怎么看、看哪些内容，全部交给视图来呈现。

以任务 Base 为例，FLO.W Core 插件将隐藏在下拉菜单中的视图平铺到侧边栏，随手点击就可以快速切换不同视图：表格视图通过公式标出放置过久的任务，方便看清哪件事一直没能推进；看板视图把进行中的任务直观排开，拖拽卡片即可更新进度；日历视图把带日期的任务按天呈现，一眼就能看清日程冲突。

而且在特定视图里直接新建文档，新文件会自动继承该视图的属性，并由「自动路由」送入正确的目录。

按钮负责触发，模板负责结构，目录呈现负荷，视图过滤焦点，通过这些机制的组合，FLO.W 能有效减少日常执行的琐碎摩擦，帮助你更快地进入工作状态。

校准

行动不是一件坏事，但行动本身仍然具有一定的欺骗性，你每天顺畅地勾选任务、清空目录，很容易产生一种「我很努力、事情在推进」的满足感。

但如果把时间拉长到半年或者一年，你再回头看时或许会疑惑，这段时间自己都做了什么？好像每天都很忙，但这些被消耗的精力，到底托举起了哪一个人生目标？

如果没有更高的视角来审视全局，你可能从一开始就把力气用在了错误的方向。为了解决这个问题，FLO.W 最后一个「校准」模块尝试用以下三种方式解决：

1. 让行动与目标不脱节

前文已经讨论过，FLO.W 系统存在一条可以自上而下拆解的行动链路：


- 领域（愿景、人生主线）

    - 项目（方案、阶段规划）

        - 任务（待办、快速动作）

因此领域不会被完成，它将成为一种用于确定人生方向，并沉淀长期复利的资产账户。

在不同人生阶段、不同的人生境遇下，每个人都会有不同的追求，所以你既可以设置「身心健康」、「婚姻家庭」、「财富管理」这样人人皆需呵护的通用领域，也可以根据你的职业、志趣与追求设立专属方向，比如「内容创作」、「软件开发」或是「某项手艺」。

倘若你的行动系统内没有类似领域模块的划分，那么老板派发的任务也许就是你生活清单的 90%，每天睁开眼，无数琐碎的待办扑面而来，你变得麻木机械，只能把大部分心力消耗在这些应激反应上，不知不觉就感觉整个人生都被一份工作吞噬掉了。

但当你有意识地为人生设置更有价值的核心议题，那么它将时刻提醒你，所谓本职工作也只是你多个领域板块里的其中之一，它只是你在打的一份工而已，别让它占据你的人生全部。

在 FLO.W 中创建一个领域其实非常简单，它其实就是一个写好愿景、目标的 Markdown 文件，平时所有相关的任务、项目或笔记，都可以直接关联到这个领域文件上，就像是把某种无形的资产投资储蓄到这一个账户上。

同时每个领域在被创建的时候，都会由 FLO.W Core 插件自动新建 4 个容器页面，它们分别是：

领域 - 关联笔记
领域 - 关联任务
领域 - 关联项目
领域 - 关联剪藏

这里的每个关联文件里，都会由 Core 插件自动创建一个关联到领域本体的 Base。

利用 Base 的动态检索功能，只要你在日常记录时将文件关联到领域本体，Base 就会自动把全库所有相关的项目、任务或笔记实时抓取并呈现出来，不需要你手动去维护任何汇总列表。

如果这个领域下的 Base 堆叠着推进中的项目、做完的任务和沉淀的笔记，这说明你的长远目标正在被真实的工作填充。

如果这个领域下的 Base 寥寥无几甚至一片空白，要么是你立了一个宏大的愿景，但实际上从未为它真正立项推进过，要么是你每天忙得精疲力竭，却从不给自己的行动和思考建立归属关联，任由力气四处散落，没有为这个人生议题留下有价值的沉淀。

有了领域可以挂靠，哪怕做着被迫接下的项目，你也可以多想一步，这里踩过的坑能不能沉淀为属于自己的经验（Exp），摸索出的流程能不能提炼成未来跳槽的底牌（How）。

在「校准」视角下，领域所圈定的人生议题，可以把模糊的情绪和盲目的忙碌，转化成清晰可见的数据积累，哪个方向正在荒废，哪个方向成果丰硕，都可以在这些 Base 里看得清清楚楚。

2. 用报表追踪长期变化

当一个人开始减肥，就会开始算计每一天、每一餐、每一次运动后的体重变化，但通常站在秤上的那一刻都会感到失望或者不解，只吃了两口饭为什么体重会增加，一个小时的有氧怎么秤一点都不带掉的？

如果你的心智不够坚定，很容易会被这些噪音影响到。

不过让人宽慰的一点是，只要你真的坚持锻炼、坚持节食，并且把时间窗口拉长，不要计较短期内的波动，就一定能看到一条清晰的、让人振奋的下降曲线。

所以报表是一个非常强大的工具，很多时候坚持下去的动力都来源于看得见，因此在 FLO.W 中几乎所有功能模块都有属于自己的报表系统。

不论是任务的推进完成、项目的阶段交付、笔记的知识沉淀，还是剪藏的消化引用，FLO.W 都为每一个核心对象建立了统一刻度的长期报表。

再往上更有看清精力分配的领域流向图、记录打卡与专注的行动看板、还原真实工作状态的活跃时段，以及把刻度拉长到一生的人生余额与人生曲线。

你不需要每天花时间去分析这些数据，它们会在后台安静地自动汇算，当你需要回顾或者感到迷茫的时候，打开看一眼就能客观地知道自己的状态。

FLO.W 希望成为你至少未来十年的一面镜子，不管生活或工作如何变迁，回头看时不会觉得自己虚度了某些时光，所有的努力和成就都有迹可循。

3. 用复盘校正执行方向

我其实心里知道，复盘模块的使用率应该会是最低的。

认真做一次复盘太过耗费脑力，收益也很难在当下立刻显现。很多人的复盘之所以中途夭折，是因平时缺少轻量的记录，到了周末或者某个复盘节点，只能凭模糊的记忆和主观的情绪去猜想回忆，复盘就很容易退化成无意义的自我感动或自责。

复盘的好处显而易见，但它应该要有取巧的方法。我认为一套能长期运转的复盘体系，应该至少具备以下三个特点

低阻力
周期性
渐进式

首先在日常工作中，你完全不需要带着「我今天必须写出深度总结」的心理包袱，在 FLO.W 侧边栏的速记面板里，可以随时敲下一行字，或者用语音输入法随口说两句，记录下刚刚发生的事实、突发的灵感、或是一个悬而未决的疑问，不强求提炼，不浪费脑力。

到了周末或月末，真正需要复盘反思的时候，你也不用在几十篇散落的日记里翻箱倒柜，点击速记日历顶部的「周」或「月」按钮，新建的周期笔记会立刻通过内嵌的 Base 视图，自动将这 7 天的日笔记或这 4 周的周笔记自动、整齐地索引成一张表格摆在眼前。

然后用固定的四个预设问题，将千头万绪的随机复盘变成相对固定的填空题，在这个简单的回顾框架下，你只需要回答：

这一阶段推进了什么？
什么没有达到预期？
有什么可以复用的方法？
后续重心该往哪里倾斜？

复盘时如果有冒出新的想法，还可以直接通过侧边栏的按钮面板快速落地，点击新建任务、项目或笔记按钮，在弹出的面板里顺手勾选「关联到当前页」，系统就会自动为你完成双向关联。

发现的问题可以当场转成具体待办，提炼的心得也能顺手沉淀为 Exp 或 How 笔记，想到什么就当场记录并关联，复盘写完，下一阶段要推进的事情也就顺手铺垫好了。

人机共驾

正如本文开头所说，AI 时代已经没有任何必要继续囤积知识。

但目前市面上许多「AI ＋知识库」的实践，往往走入了另一种极端，全盘抛弃基本的分类体系，把所有文件塞进一个大杂烩库里，然后祈愿 RAG 和大模型能正确猜出潜在关系。

指望 AI 替你完成所有的阅读、整理和思考，就好像花钱雇人帮你健身，不流汗、不动脑、不实践，你的大脑得不到任何训练和沉淀，只能沉浸在 AI 为你编织的幻觉里，自然无法主动提出更好的问题。

因此在 FLO.W 的产品理念中，系统应当保留人类最基本的可读性和可操作性，同时用合理的字段架构、预设的标准化 Skill、透明的纯文本底座、以及确定的自动化流转规则，才能让越来越强大的 Agent 可以在安全、确定的边界内精准执行，并获得正确的结果。

为此，FLO.W 在系统内部预置了 10 个开箱即用的 Skill

我把前文提到的所有分类规则、属性值域、模板语法与操作规则，全部写成标准化的执行规则。不管是通过外部的 Claude Code、Codex，还是直接在 Obsidian 内使用诸如 Claudian 或者 YOLO 等 AI 插件，都可以精准地读懂系统的运行逻辑。

自动路由将在后台实时接管，确保 Agent 产生的文件能自动归档到正确位置，不会在你的库里随意新建奇怪的文件夹，或者写错字段属性。

在这套框架之下，你可以对 FLO.W 的 AI 协作建立起一份合理的期待：

它无法替你决定人的去向，但可以在你选定的轨道上全速推进。无论是把脑海中粗糙的想法转化为清晰的行动规划，还是在纷繁复杂的日常工作中维护长期的笔记秩序，你都可以放心地让 AI 接管那些耗费心力的机械的重复劳动，然后把时间还给思考与行动。

写在最后

不管你是谁，如果你能从头到尾读到这里，那我真的对你太好奇了。

我的生活中找不到任何一个人与我有相同的志趣，更别提有相同的耐心会愿意看完如此长篇累牍的思考。

我有很多执念会暴露在我的文字里，也将一并呈现在这套模板的每一处细节中。所以本文结尾我就不打算再强调一遍这个系统究竟还有哪些特点了，相信你应该能感受得到。

欢迎通过这个链接加入Beta 交流群，我非常期待能与你同行
目前已开启 Beta 测试，测试期间支持 14 天无理由退款

60 元打造你的 vibe coding 神器：小米蓝牙遥控器2 pro

neyham — Tue, 22 Sep 2026 11:20:42 GMT

0. 为什么想给 AI 编程配个手持遥控器？

最近用终端跑 AI 编程（比如 OpenAI Codex、Claude Code、WorkBuddy 或者各种 CLI Agent）越来越多。用了一段时间后，能明显感觉到工作流里最大的变化是：打字量变少了，但对话和确认变多了。

以前写代码大部分时间是在敲键盘，现在很多时候是：

整理一段思路，用自然语言向 Agent 描述需求；
看着它输出代码和 Diff；
敲回车确认执行命令，或者在中途按中断；
在几个不同的终端窗口或工作区之间切来切去，看各个 Agent 跑完了没有。

在这样的节奏下，语音输入确实是一个实打实的效率提升——说话往往比手打一段长 Prompt 快得多。但如果纯靠键盘上的按键去唤醒语音，人还是得一直坐在桌子正前方、手放在键盘上。

前段时间 OpenAI 的硬件原型 Codex Micro 公开后，社区里跟风出现了很多各色各样的「Vibe Coding 实体按键/小硬件」。但实际看下来，很多 DIY 小外设要么做工粗糙、按键松垮，要么属于早期的实验性玩具，稳定性和连接体验参差不齐。

其实完全不需要去买那些溢价外设或折腾 3D 打印。手边一个日常能买到的小米电视蓝牙语音遥控器 2 Pro（型号 RC003），成本大概 50~60 元，本身就是大厂量产、模具成熟、自带蓝牙 BLE 和语音麦克风的成品硬件。

拿它当掌上控制器，核心诉求其实很朴素：

按住即说（Push-to-Talk）：单手按住遥控器上的语音键直接口述 Prompt，松手自动上屏；
免键鼠盲切：靠在椅子上时，单手用方向键切换终端 Tab 和 Workspace，按中间 OK 键确认放行，按返回键中断。

这套方案不仅适用于我日常在用的 macOS，社区目前也提供了 Windows 的运行路径。下面记录具体的配置方法与排坑细节。

1. 硬件细节：为什么选 RC003？

小米这款遥控器在二手平台或电商平台售价通常在 50 到 60 元左右。选它主要看中几个硬件细节：

原生蓝牙 BLE 直连：走标准蓝牙协议，不需要外挂 USB 接收器，电脑自带的蓝牙就能直接配对连接；
远超几十元价位的金属质感：许多低价小硬件或 DIY 按钮最大的痛点是外壳轻飘、塑料感强，甚至有 3D 打印的明显毛刺。而 RC003 作为小米高端电视的原配遥控器，整机做工非常扎实：
- 一体成型的金属质感机身：香槟金色表面经过了细腻的磨砂处理，触感温润微凉且不易留指纹，拿在手里有一定的分量感和重心平衡，绝非轻飘飘的薄塑料；
- 干脆清晰的按键段落感：按键内部并非软塌塌的导电胶手感，触发时有类似微动的清脆确认感（Clicky），行程适中、回弹利落，盲操时按没按下去心里一清二楚；
- 不突兀的桌搭颜值：极简的黑金撞色设计，平时随手放在键盘掌托、实木桌面或数码桌垫上，看起来就像一件专门打造的掌上数码配件，毫无违和感；
适合盲操的按键布局：
- 中间 OK 键有明显的下凹弧度，大拇指搭上去就能瞬间定位；
- 外圈方向环在上下左右四个方向都有凸起的微小刻度，不用眼睛看也能清楚确认按键方位；
- 顶部的麦克风键独立居中，单手握持时食指托底、拇指自然落在语音键上；
近场人声拾音：电视遥控器内置的麦克风本身针对近距离人声做了拾音调优，环境杂音相对较小，很适合日常口述 Prompt。

2. 软件配置：打通系统与语音输入

虽然遥控器的方向键蓝牙连接后就能作为普通输入设备使用，但遥控器上的语音键传输的是专用的语音数据包，操作系统默认不会把它识别为常规麦克风。

社区开源的 HD838A/remote-mic-app（SayAll） 解决了两件事：

在系统里生成一个虚拟音频输入设备（macOS 下为 MiRemoteV 2ch）；
监听遥控器的语音事件，按住语音键时接收音频并实时推流到虚拟麦克风，松手时结束。

配合支持「按住说话（PTT）」的语音输入法（如微信输入法），就能做到按住说话、松手上屏。

2.1 macOS 平台配置流程

配对遥控器：在 Mac 系统设置的蓝牙列表中，同时长按遥控器的「主页键（房子标）」和「菜单键（三条杠）」，等待指示灯闪烁，在 Mac 上点击配对连接；
安装 SayAll 与音频驱动：
- 从 GitHub Releases 下载安装 SayAll.app；
- 打开后根据提示安装音频驱动插件（位于 /Library/Audio/Plug-Ins/HAL/MiRemoteV2ch.driver）；
- 打开「系统设置 ➔ 声音 ➔ 输入」，此时可以看到已出现输入设备 MiRemoteV 2ch；
设置微信输入法（WeType）：
- 微信输入法的语音识别率和标点断句很准确，并且支持长按快捷键说话；
- 在微信输入法设置中开启「按住快捷键说话」，将快捷键设为 Fn（或指定组合键）；
- 声音输入来源选择 MiRemoteV 2ch。

2.2 Windows 平台配置流程

如果你在 Windows 环境下使用（例如用 Windows 跑终端、运行 Codex 或 WorkBuddy）：

同样在 Windows 设置的「蓝牙和其他设备」中长按配对遥控器；
运行 SayAll 的 Windows 预览版（或社区针对 RC003 的 Windows 适配方案，如 zhaozhuque/MIC-RC003-Windows）；
Windows 预览版默认将语音快捷键映射为 Ctrl + Win；
在 Windows 微信输入法中将语音输入快捷键同样匹配为 Ctrl + Win，麦克风选定遥控器映射出的音频设备即可。

3. 几个关键细节的快速排坑

实际配置过程中有几个容易卡住的体验细节，提前处理可以省不少时间：

技巧 1：SayAll 引导界面如果卡住怎么跳过？（macOS）

全新安装 SayAll 时，部分 macOS 版本在连接遥控器后，新手引导界面可能会一直停在最后一步无法点击完成。

无需重新安装，直接在终端执行一行命令写入完成标记即可：

defaults write com.hd838a.RemoteMic "onboarding.completedVersion" -int 1
defaults write com.hd838a.RemoteMic "onboarding.step" -string "complete"

重启 SayAll 即可直接进入完整的按键映射设置界面。

技巧 2：微信输入法 Mac 版录入不上独立 Fn 键？

在 macOS 上，如果想用单按独立 Fn 键作为语音触发，微信输入法设置界面偶尔无法正常录入。推荐直接在微信输入法「快捷键」中设为一个冷门组合键（如 Control + Option + V），并在 SayAll 中同样映射为该组合键，零门槛且绝无冲突。

若执意使用单键 Fn，微信输入法配置由 MMKV 存储且带 CRC32 校验，通过以下精简脚本重算校验即可生效：

# 微信输入法 MMKV 配置修复 (重算 CRC32 校验)
import os, zlib, struct
path = os.path.expanduser("~/Library/Application Support/WeType/mmkv/wetype.settings")
data = bytearray(open(path, "rb").read())
open(path + ".crc", "wb").write(struct.pack("<I", zlib.crc32(data)))

随后在 SayAll 里将语音模式选为 fn 即可无缝配合。

技巧 3：方向键快速连按无响应？打开「允许连续快速按」

很多用户在 SayAll 里把十字键映射为自定义快捷键后，会发现“按一下能切，但快速连按两下第二下没反应”。

原因：

SayAll 默认对自定义快捷键开启了防连击保护，按键稳定前会过滤连续输入；
如果你在界面里设置了「双击」，单按时系统会额外等待几十毫秒去判断是否为双击，带来明显延迟。

手感优化设置：

在 SayAll 方向键设置中，清除所有「双击」绑定；
勾选对应按键下方的 「允许连续快速按」（Allow Rapid Repeated Presses）。

这样设置后，按键消除了双击等待窗口，单击零延迟触发，连续快速点按时也能每一次都即时响应。

4. 终端与 Agent 工作流配置：Herdr / Codex / WorkBuddy

遥控器到手后，最重要的价值是在开发工作流里配合终端复用器使用。

这里以我常用的 Herdr（专为多 Agent 协同设计的终端管理器，运行在 Ghostty 或任意终端中）为例，同时兼容 OpenAI Codex、腾讯 WorkBuddy (CodeBuddy) 和 Claude Code 等常见 Agent 工具。

4.1 空间直觉的按键映射

在多 Agent 场景下，界面的排布通常有天然的空间逻辑：

顶部是横向排列的 Tabs（标签页，通常放同一个项目里的不同任务或视图）；
左侧是纵向排列的 Workspaces（工作区，比如分别跑着 Codex、WorkBuddy 和一个测试环境）。

我们将遥控器映射为直观的免前缀快捷键：

遥控器按键	发送的快捷键	对应动作	实际用途
方向左 ◀	`Ctrl + Alt + Left`	上一个 Tab	拇指往左切，回到上一个代码或输出窗口
方向右 ▶	`Ctrl + Alt + Right`	下一个 Tab	拇指往右切，查看右侧并行的终端输出
方向上 ▲	`Ctrl + Alt + Up`	上一个 Workspace	向上切换工作区（如切到正在跑 Codex 的项目）
方向下 ▼	`Ctrl + Alt + Down`	下一个 Workspace	向下切换工作区（如切到 WorkBuddy 的执行区）
中心 OK 键	`Enter`	回车确认	Agent 提出操作确认时，按一下直接放行
返回键 ⮌	`Ctrl + C` / `Esc`	中断 / 取消	发现 Agent 运行偏离预期，按一下中断当前轮次
语音键 🎙	`Fn` (长按 PTT)	语音输入	按住口述 Prompt，松手文字自动落入命令行

4.2 保持键盘原有习惯：Herdr 的多键位数组

如果你在键盘上依然习惯 tmux 式的 Ctrl+B 然后按 p / n 切标签，在 Herdr 的配置文件（~/.config/herdr/config.toml）中支持用数组同时声明两套按键：

[keys]
previous_tab       = ["prefix+p", "ctrl+alt+left"]   # 左/右键：切 Tab
next_tab           = ["prefix+n", "ctrl+alt+right"]
previous_workspace = ["prefix+up", "ctrl+alt+up"]    # 上/下键：切工作区
next_workspace     = ["prefix+down", "ctrl+alt+down"]

修改后执行 herdr server reload-config 即可热加载生效。这样坐在桌前打字时键盘快捷键照常使用，靠在椅背上手持遥控器时又能单手免前缀直切。

4.3 在 Codex / WorkBuddy 中的实际配合

当你在多个工作区里并行跑不同的 Agent：

在 Codex 中：经常需要对生成的改动做多次确认。大拇指按住语音键：“这部分不要重构，只在原来的函数里加一个空值检查”，松手文字上屏，按一下中心 OK 提交；如果 Codex 询问是否允许执行 bash 脚本，再按一下 OK 放行；
在 WorkBuddy / CodeBuddy 中：多 Agent 分工执行时，左手可以完全离开键盘，右手按住遥控器下达任务：“帮我把刚才的 API 文档生成成 Markdown 格式”，随后用上下键切换到其它工作区去检查编译日志。

5. 日常使用感受

用了这套方案一段时间后，最真实的改变并不是什么工作方式的翻天覆地，而是生理上更舒服了：

长 Prompt 明显更愿意说了：以前敲三四句话的需求或者边界条件，经常懒得打字就精简成了半截话，导致 Agent 理解不准；现在按住遥控器自然地说完一两百字的完整上下文，识别准确度很高，沟通成本反而降了；
多终端巡视更顺手：几个 Agent 都在跑任务的时候，手里拿着遥控器按两下方向键巡视一眼状态，比把手移到触控板或鼠标上去切屏轻松很多；
硬件成本几乎没有心理负担：相比动辄上百美元的专用小硬件，几十块钱的小米遥控器坏了不心疼，模具做工也完全在线。

如果你平时也在重度使用各种 AI 编程工具，手边正好有闲置的小米蓝牙遥控器，或者花几十块淘一个，花上十几分钟配置好，会是一个低成本但体验很扎实的小外设升级。

厌倦了收藏夹吃灰，我做了个在网页上「来踩踩」的插件

胡九思 — Mon, 21 Sep 2026 13:45:00 GMT

我是胡九思。

我一直在等网页自带一块留言板。看到一篇好文章、一个有意思的项目，留下一句「我来过」。

但没等到。

于是做了这个插件，叫「网页踩踩」。在任意网页上贴一张便签，数据存在你自己的电脑里，下次打开同一个网页，它还在原地。九天，九个版本。

名字，几乎是这个产品里唯一没经过思考的部分。

名字，脱口而出

小时候逛别人的 QQ 空间，看完要在留言板留一句「来踩踩」，算留个脚印。

现在逛网页，遇到不想收藏、又怕下次找不到的内容，想留个记号的心情一模一样。起名的时候，脑子里蹦出来的第一个词就是踩踩，没过脑子。英文名 Trail Mark，图标就是那条虚线小径和终点的圆点。

需求很朴素。逛 GitHub 见到有意思的项目，当下用不上，扔进收藏夹基本等于吃灰；想记一句它好玩在哪，最好的位置就是网页自己——像在纸质书上随手画一道，下次翻阅还在。

动手前我去谷歌商店转了一圈，搜「便签」出来一大排，合用的很少，多数是划词、高亮、写批注的标记型工具。但……

论功能，「五彩」那样的插件早就做全了，我何必重造轮子？可挑来挑去，就是没有合心的那一个。划词、高亮、打 tag，我已经倦了。我想要的其实是一种更即时的状态。网页开着，话就贴上去，下次打开还在原地；不归档，不整理，数据嘛，就待在我自己电脑里。

会这么想，大概跟我折腾知识管理那些年有关。我的 Obsidian 卡片盒里存着五百多篇原文笔记、六百多张自己写的原子卡，装过一大排插件，又一个一个卸掉，卸载原因记了整整一页——功能鸡肋的、互相重叠的、让软件变卡的；还把二十多个顶层目录收敛到十一个。折腾到最后，我选择返璞归真。所以我对网页便签的全部期待，就是它轻到没有存在感——看到就贴，贴完就走，剩下的交给时间。

于是动工。第一个能用的版本做完当天，手感来了停不下来，一口气又迭代了八版，目前版本是 0.9.0。

便签样式

初版设计的时候稍显随意了些，是个规规矩矩的圆角矩形。能用，只是贴在网页上，像一张打印出来的便利贴。

我始终觉得不够好看，也不够丰富。我常用的软件都给人足够的自由度，希望自己的工具也是。

于是样式先变得现代了些；后来某一天，我给它加了点随机的小倾斜，顶上贴一条半透明的和纸胶带，一下子灵动起来。再后来干脆做成成套的外观，一共五种：工整不斜的，随手贴微微一歪的，顶上压一条胶带的，大角度斜贴的手账款。

还有一款「古早风格」，最早被我嫌弃得要死，兜了一圈还是做了回来……因为越看它越怀旧~~（毕竟我也有点上年纪了，咳咳）~~。那就要做得足够像！比如，横线一根根对齐文字的行高，颜色锁定经典便利贴的蓝和黄；用它的时候连圆角设置都不生效——要的就是那股老派劲儿，嘿嘿。

胶带最初做过红黄蓝好几种颜色，但和卡片主体颜色搭配起来反而有点怪，最后全改成半透明——便签自己的颜色透上来，胶带只轻轻压一层，有层次，也不抢戏。

样式定了，配色也不能少，一共五套：奶油、薄荷、海洋、樱花、墨色，总有一套合你眼缘。

挑便签的时候不用在网页上反复尝试。我在设置里配了个预览台，点一下样式按钮，上方就现画一张真实大小的便签。

挑中贴上去，也有想收起来的时候。便签多了，或者不想让凑过来看屏幕的人一眼看到全部，点「−」把它收成一颗小胶囊，挂在原地，不占地方。

收放之外，设置里还散落着几个开关，个个都是我认定一个人该有的自由权。比如，悬浮快捷按钮吸附在网页右边缘，嫌碍事可以关掉；「闲置时淡化」打开后，鼠标一停，便签自动两成透明，正文重新干净，鼠标一碰又都会回来。

对便签工具来说，「外观」本身就是重要的体验。它不会多帮你记一个字，却决定你贴的时候，有没有那么一点开心。

便签安放

便签有个开关值得单独讲。钉在页上，或者悬浮屏幕。

还是拿纸质书打比方。你拿起一本书做笔记，在页边画一道线，写一句「这段写得不错」——这道线必须钉在页上，不然书一翻页，你就不知道标的是哪段，成了刻舟求剑。

悬浮屏幕则是另一种方式。便签和页面彻底分开，页面随便滚，它钉在屏幕上不动，两边互不打扰。比如，盯着长页面核对数字的时候，把「记得要看出处」这条提醒悬浮在屏幕角落，滚到哪里它都在。

这正是电子世界比纸面好玩的地方。纸上的笔记一旦写下就很难挪走，除非擦掉重写；屏幕上的便签却可以选择待在哪一层。物理和数字存在边界，各有利弊，是我这两年觉得蛮好玩的话题。

侧边栏设置

便签贴出去只是开始。贴得多了，新问题来了。我记得在某几个网页上留过话，却想不起是哪几个。

答案在侧边栏。点工具栏图标，浏览器右侧展开一列，四个视图各司其职：本页、全部、网页、标签。

点击插件，弹出侧边栏。

在「全部」和「网页」页签上，你点击任何一张便签，会自动切换到对应网页上去。如果网页已经打开，那就会复用原标签页，接着滚到便签的位置，高亮闪烁几下，方便定位。

在「标签」页签上，每个标签有多少张便签都一目了然，改名全库同步、重名自动合并，也可以将标签从所有便签上一键摘除。全库按使用频次排序，输入时实时过滤，点一个标签就筛出相关便签。

个人数据如今已经成为另一种财富形式。AI 时代，保留数据尤其要紧，所以我特地做了导出功能，格式让人和 AI 都能读得顺。最早只是在「网页」视图里设了一个「导出」按钮，只能整组存成 Markdown，现在统一收进了批量模式，更是新增了 CSV 格式。

这些之外，还有几处细节我自己很受用。同一篇文章，从微信点开和从搜索结果点开，网址看着不一样，踩踩识别得出是同一页；B 站、GitHub 这类点击换页不刷新的网站，便签会跟着去到新页面；删掉的便签先进回收站留三十天，手滑随时反悔。

这些细节平时不必想起，用得到的时候，它正好在那儿，便好。

这个插件没有账号，没有云端，没有上传，所有便签都只存在你自己的浏览器里。完整备份就是设置里点一下「导出」，十秒钟拿到一个文件。但也因为没有云同步，需要你主动做好备份，戳设置导出备份即可。

作为开发者，我不知道也不想知道你在哪些网页上、留了什么话。我想，这是对你一份应有的尊重。

希望你会满意。

说句题外话，整个插件是用智谱的 ZCode 写的。如此速度，一半来自它自身的生产速度，另一半来自我个人反馈的颗粒度（并不谦虚）。但总之，配合非常愉快。倘若有人质疑：看啊，她不过是靠 AI 搞出了点东西，就真以为自己掌握了什么真本领？那我大约会这样回应：

AI 抹平了技术的门槛，却抹不平个人的特质。

同一个 Agent，在不同人手里会长出截然不同的模样。因为反馈的颗粒度，藏着你独有的经验；直觉的选择，决定了产出的品味。 Agent 或许可以拥有高于普通人的审美，但审美从无绝对，正如梵高与莫奈，面对相同的画幅，画出的是各自的精神世界。

工具延伸了手脚，但赋予意义的始终是主体。我们在AI时代依旧独特，全因品味终归属于自己。去尝试吧！

最后

QQ 空间的留言板，如今大概没什么人踩了，可「记录我来过」的心情一直都在。看到一篇好文章、一个有意思的项目，总想留一句话，留给下一次打开这个页面的自己。

网页会过期，文章会 404。至少现在，我想让这些脚印贴在原地。

那条从留言板时代延伸过来的虚线小径，如今铺在了一个个网页上。下一个在网页上留脚印的，会有你吗？

更多介绍和演示在这里。

Edge 浏览器插件已上架，也可以直接搜索「网页踩踩/Trail Mark」下载。

Chrome 浏览器使用需要手动安装插件，访问飞书文档「网页踩踩/Trail Mark」获取安装包。参照图片流程，下载解压，一分钟装好。

翻译老要切窗口？那我Vibe 个不打断思路的小工具

胡九思 — Mon, 21 Sep 2026 13:07:09 GMT

注：本文文字经 AI 辅助校对排版。

我是胡九思。

做了一个住在 macOS 菜单栏里的英语小助手，名字叫 Pico。

打字的时候，英文贴着指尖实时浮现，按个快捷键，中文直接原位替换成英文；读到看不懂的段落，随手复制一下，译文就会自动弹出来。

至于为什么叫这个名字？先留个悬念，文末有答案。先聊聊它是怎么来的。

绕道剪贴板

一天，我在小众软件上刷到开源项目 floattrans，觉得概念非常巧妙：读取 macOS 输入框的内容，调用系统自带的翻译接口，全程本地翻译并浮窗显示。装上试了试，网页能用，企业微信也能用。

但用了一会儿，我发现了最致命的问题：它在微信里竟然不能边打边译，而且 UI 和功能都有点粗糙。

这个场景不解决，体验直接打折。于是我决定动手改造，给 Pico 定下的第一优先级，就是必须让它能在微信里用起来。

本以为这只是个常规适配，结果一动手就踩了坑。微信的无障碍机制卡得很死，想走原生方式直接提取文本根本行不通，试了几种常见方案都失败了。

撞墙之后我停下来想：正门走不通，能不能绕个弯？

如果不动微信本身，直接去监听系统剪贴板呢？复制是最自然的动作，谁都拦不住，文本一进剪贴板，后面的浮窗翻译就接上了。

我拿这个思路和 AI 探讨了一轮，把误触发场景捋了一遍，确认可行。敲完代码一跑，流程通了！虽然多了一道复制动作，但在封闭的微信环境里，这已经是成本最低且最稳妥的解法。

一次意外的测试

做出来第一个版本，我顺手发给我妹测试。结果她反馈：「微信里边打边翻能用啊！」

我一愣：凭什么她的行，我的不行？

后来反复排查才弄明白：微信新旧版本的无障碍逻辑不一样。她用的旧版（3.8.9）还开放着接口，而我装的新版（4.1.11）已经走不通。不仅如此，她那边的 Edge 和 WPS 也没法边打边译，而我用的 Tabbit 浏览器却一点问题没有——因为 Edge 和 WPS 都是 Chromium 内核，系统根本读不到它们的界面文本。

正是有她的反馈，我才把 macOS 上的应用彻底摸清并划分成了两类：

原生开放应用（如 Safari、备忘录）：接口开放，直接边打边译；
封闭 / Chromium 内核应用（如微信新版、Edge、WPS）：切换为剪贴板翻译。

打开 Pico 设置，进入「剪贴板翻译」，开启「翻译复制的文字」并选「自动监听」，之后在任何应用里复制中文，译文就会自动弹出来。嫌自动弹窗频繁，可以换成快捷键 ⌥⇧V 手动触发。殊途同归，译文都出得很快。

打磨细节

核心链路跑通后，我把它当成日常工具来用，原版在交互上的别扭就彻底暴露了——它的窗口死死钉在屏幕最下方，完全挪不动。

屏幕底部常常开着别的窗口，Dock 栏也在那儿，固定的文本框一搁，要么挡住别的内容，要么每次点击都得小心翼翼地避开。一天几百次交互，这点不顺手会被放大几百倍。

改！必须改成能自由挪动的。 我把窗口的定位和拖拽重写了一遍，终于不再憋屈。

但这还没完，强迫症犯了之后，我又觉得界面样式太生硬：浮窗显示出来容易，但要让人觉得「舒服」实在太难——位置、大小、透明度、颜色，哪一样调不好都会难受。

于是我继续调整，把它磨成了如今的模样：

卡片主题与背景：提供 6 种主题色（跟随系统、蓝、绿、紫、橙、粉），标签文字和卡片底色会随之改变。背景效果支持毛玻璃、轻透玻璃、厚实、纯色 4 种，透明度可在 0~70% 之间实时调节，压在别的窗口上时可以直接透视底下内容。

位置与字号：显示位置支持右上、底部居中、右下三个角落，且随时可以拖动到任何位置；字号提供大、中、小三档调节。

长文与防误隐优化：短句自动紧凑，长文本增加了滚动条和高度调节把手（双击可恢复默认尺寸）。同时，鼠标移入文本框时浮窗不会消失，移走后才会按预设的秒数（默认 5 秒）隐去，避免长句还没看完就自动关掉。

无论是边打边译，还是监听剪贴板，译文展现都变得从容自然。

六大主题色

四种背景效果

透明效果（可调节）

现在，就可以看看完整的效果啦～

第一种：实时浮动，边打边译。

注意：Pico 的翻译方向是固定的。比如你可以设置原语言是中文，目标语言是英文，也可以反过来，同时也支持多语言（中、英、日、俄、韩、法、德、西，任意组合）。
特意没做自动识别语言，因为我不想让它成为下一个翻译软件。

第二种：编辑器里选中一句话，复制，英文在屏幕上弹出。 适用于任何无法即时翻译的情况，哈哈。

边打边译受限于打字速度，句子都不长，译文速度和文本框大小正合适；但剪贴板翻译经常是一大段，之前的固定框不能滚，多长都整个撑开，很占屏幕。

现在的版本针对这个做了优化：卡片最高只到半屏，长内容在卡片里接着滚；底边加了小把手，上下拖动可调高度，双击恢复默认；鼠标停在卡片上时不会自动消失，移走后才按默认秒数隐去，长句也能安心看完。

加了小把手：上下拖动可调节高度，双击恢复默认尺寸。
加了滚动条：方便查看长内容。
防误隐优化：新版本解决了自动消失的问题，鼠标移入文本框时不会消失，移走后才会按默认秒数消失。这听起来可能枯燥，但实际使用时会发现很重要。

这些用法我都写进了设置的「使用技巧」，忘了随时可以去翻。

不知不觉学英语

看到译文只是第一步，让译文顺畅嵌入工作流才是关键。在设置的「快捷操作」里，有两个非常核心的开关：

替换原文（⌥⇧[）：在输入框里选中中文，按一下快捷键，中文原位换成英文。
复制译文（⌥⇧]）：按一下，译文直接进剪贴板。

写回功能尤为实用：在聊天框或 GitHub 输入框里打完中文按一下，英文直接落进输入框，回车即可发送，全程手不用碰鼠标。

此外，Pico 还支持语音朗读，可在「停止输入时」「整句完成时」或「按快捷键时」自动匹配目标语言朗读（翻到英文就是英文女声）。

这些合在一起，就是它最开始的定位：让你不知不觉地学英语。平时打字，顺手看一眼译文，用的都是简单常见的表达，速度快到不用等。看多了，有些表达自然就会了。

真正静音

隐私是我非常关注的部分，因此 Pico 在设计上做到了彻底的本地化与透明：

默认本地引擎：默认采用 macOS 系统自带的本地翻译引擎，离线也能用。
自定义 API 保密：如果你选择接入大模型，API 密钥只保存在你自己 Mac 的 Keychain（钥匙串）里，不同步云端，我也获取不到。
数据完全归属本地：翻译历史全量保存在你本地电脑；软件不会读取你的密码框；诊断日志不会自动上传——只有排查问题时需要你手动提供，且日志仅记录操作逻辑，绝不包含个人信息。你甚至可以设置排除软件名单。

作为开发者，我不知道也不想知道你翻译过什么，我想这是一份基本的尊重。

极致的纯粹

随着核心功能、交互和视觉稳定下来，我开始收到一些用户反馈。但我一直提醒自己：别把工具做成什么都往里装的口袋。

朋友曾建议做分级词汇、生词本，我想了想还是没加——词汇表一上来，它就变成一个厚重的翻译软件了。

9 天，66 次提交，9 个版本。发到第 9 个版本的时候，虽然中途为了修一个在我妹电脑上偶发的 Bug 几乎崩溃。

但回看结果，它已经非常接近我最初想要的东西了：一个恰到好处的工具。

在这个到处都在把软件做大做全的时代，我反倒越来越喜欢这种小东西，不占地方，不抢注意力，安静地把一件事做完。

完全静音。

最后，回答开头留下的悬念：为什么叫 Pico？

pico- 取自物理词头（皮可），代表 10的-12次方（万亿分之一）。

一方面，它的响应极快，译文与指尖同步，快到极致；另一方面，它的体积极小，安装包仅有 2MB，小到极致——这个名字代表了我对它的全部期冀。

官网与演示：myvibe.so/siyou-a/pico

开源代码：github.com/asiyoua/pico (MIT 协议)

下载DMG ，拖进应用程序文件夹就能用，无需注册，可自动更新。希望这个小工具，也能让你的 Mac 体验顺畅一点点。

跳出 AI 的中等收入陷阱

shiquda — Tue, 15 Sep 2026 09:12:35 GMT

Matrix 首页推荐

Matrix 是少数派的写作社区，我们主张分享真实的产品体验，有实用价值的经验与思考。我们会不定期挑选 Matrix 最优质的文章，展示来自用户的最真实的体验和观点。

文章代表作者个人观点，少数派仅对标题和排版略作修改。

前言

「中等收入陷阱」原本是一个发展经济学领域的专有名词。它的含义是，一个国家经济发展到中等收入水平后，原有的增长方式逐渐失效，经济增长长期放缓，难以继续迈向高收入国家。

在从低收入阶段到中等收入阶段跃升的过程中，民众的工资上涨，但随之而来的是用工成本的增加，原来所依赖的低端制造和能资源优势不复存在了。而想要到达高收入阶段，则需要依靠技术创新、产业升级，代替原有的劳动力集体，实现转型。如果一个国家在中等收入阶段无法完成转型，则可能陷入所谓的中等收入陷阱。

AI Agent 的发展过程，或许也能对照这三个阶段来进行类比。在发展的初期阶段，人们发现，使用 AI Agent 可以让他们实现原先难以完成的任务，迅速获得过去所没有的生产力。然而，AI 已经成为工作流的基础设施，Agent 在拓展能力边界的同时，同等智能的模型价格下降；随着 WorkBuddy 等办公类 Agent 的普及，信息差逐渐消失，会用 AI 不再是稀缺的能力。

请你问自己一个问题：假如现在所有人都会用 Agent，且所有的 SOTA 模型全部免费用，你有信心从其他使用者中脱颖而出吗？

这个问题看似仅仅是个思想实验，但可以预期的是，我们正在加速朝着这个现状来演进。

我问了问我自己。坦诚说，没有多少信心。但好在我们还有机会趁这段信息差带来的红利期，尝试构建起那些在未来能让我们脱颖而出的能力。

AI 的追赶效应

2023 那年，我完成了高考。进入大学后，出于兴趣选择了计算机专业。现在看来，还是很难判断是否是个「正确」的决定。ChatGPT 在 22 年底就上线了，而在 23 年秋季学期时，我在学习高级程序语言设计（C++）时，GitHub Copilot 出现了，那种在行内按 Tab 不断补全的方式，直接让我这方面的经验变得贬值了。我亲眼看到自己花费精力学习的 C++ 语言，而同学直接无脑用 Tab 也能敲出一段评测正确的代码。

当时我在心里，我还在笑那些偷懒用 AI 交作业的同学没有学到真本领。当然现在我肯定笑不出来了，因为我发现，在 24 年投入大量精力学习的 ICPC 程序设计竞赛，苦练各类面向竞赛的技巧，在 25 年能被 Claude 轻松手撕；在 24 年还在用模板手搓 PPT，26 年甚至可以直接让文生图模型来「一键出片」；在 24 年还用 Cursor 完成的需要我盯着、指导的任务，在 26 年则轻松被普通用户用「一句话」让 Agent 自主实现，并完成多维度的测试，接近直接上线运营的水平。

假如一个外行在该领域的了解程度是 5 分（满分 100），那么 AI 现在可能已经能不加指导地达到 60 分的水准，并且这个分数可能下个月就变成 65 分、70 分，而人类个体在这些分数的进步，可能需要数年的实际经验来积累。普通人的能力下限，正在被 Agent 快速抬升。

如果一个人只会这样的技术性技能，完全没有胜算。在未来随便一个人，用最朴实、最直白、最外行的话语，AI 也能做得很好。大部分技术性技能会随着 Agent 能力的普遍提升而不断贬值。

同时，从模型侧来说，同等智能的模型在未来会不断贬值，因此未来达到我们想要的需求将会越来越廉价。从产业的角度来说，现在很多事情仍然用人而非用 AI 来做，其实是成本上的账算不过来；而一旦 Agent 的使用成本继续下探到临界点，仍然依赖人力完成的环节就会被动暴露在被替代的风险之下。

更危险的可能是，我们甚至还没意识到这一点，错把我们驱动 Agent 能做的事情，当作我们实际的能力。

AI 的中等收入陷阱

现在很多人每个月花几十上百刀订阅各种 AI 会员，做了一些自娱自乐的产品。结果问他实际有多少用户、赚了多少钱，才发现可能是个零蛋（没错，是我了）。不客气地说，这样的行为和 23、24 年去买 AI 使用付费课程、付费社区等没有太大差别。

没错，你现在用各种 Agent，已经能够一句话做出一个像模像样的小玩具，或者已经能够在自己的工作流中提效。但花钱订阅使用 AI，并不是获得能力提升的充分条件，反而会让自己形成一种自己已经领先于很多人，借助 AI 提效的幻觉。的确，我们获得了当下的效率和产出提升，但也要考虑，在 Agent 能力增长、价格下降、信息差消失的大趋势下，怎么样在未来赢得这场长跑。

你可能会说，我学习了各类提示词技巧，懂得给 Agent 安装多少个热门 Skill，对主流 LLM 的优缺点、说话风格了如指掌，这些难道不算能力吗？当然算。但我更倾向于把「会用 AI」拆成两类不同的能力。

一类是工具绑定型技巧。例如某一代模型偏好什么提示词写法、某个 Agent 应该装什么 Skill、某套 Harness 需要怎样调教。这些能力的确能在当下带来优势，但它们很大程度上依赖工具本身还不够成熟，以及使用者之间仍然存在信息差。

只要一类工具足够有用，就会有人前仆后继地把它变得更简单：基础模型厂商会让模型更容易正确理解意图，Harness 会把复杂的配置、技术细节封装起来，自媒体、社区甚至卖课的人也会持续传播最佳实践。他们在追逐各自利益的同时，也渐渐让昨天需要高手掌握的技巧，变成明天普通用户开箱即用的默认能力。

另一类则更接近认知与判断型能力。你是否知道真正的问题是什么，哪些上下文必须交给 Agent，什么样的结果才算好，以及什么时候应该相信或推翻它的答案。这些能力表面上同样表现为「会用 AI」，但它们并不主要依赖某一代 Agent。相反，Agent 越强，这些判断越可能被进一步放大。

因此，如果我们的优势主要来自对工具本身比别人更熟练，那么随着模型、Harness 和大众使用经验一起进步，这种优势天然存在持续贬值的压力。我们需要逐渐把竞争力从「怎样把 AI 用得更好」转向「知道怎么做决断」和「知道什么是好的」。

我们还能做些什么

AI 的能力是租来的。真正值得我们积累的，是那些不随模型降价而一起贬值的资本。

资本可存在于外部世界，即「外部资本」；也可积淀于我们自身，即「内在资本」。外部资本较好理解，它在 Agent 出现之前就已存在。它可以是一批真正理解、使用、愿意反馈的核心用户，可以是一个粉丝数较高的社媒账号；也可以是一套可以持续迭代的工作流。

复利性是资本的重要特征。过去的积累，会不断降低下一次增长的成本。当执行能力越来越廉价，更重要的是你过去「积累了什么」，而不仅仅是你这次「能做出什么」。

两个人都能让 Agent 在一天内做出一个新产品。一个人做完以后还要重新寻找用户；另一个人已经有一批用户、一个长期经营的账号和过去产品积累下来的品牌认知。AI 把两人的「制作能力」拉近了，却没有抹平这些过去积累形成的差距。

Apple 最近发布 iPhone Duo 后，那套随折叠动作发生的屏幕过渡效果，很快就被开发者移植到了 MacBook 等设备上。短时间内，社区已经能做出视觉上相近的产品，但「做出来」并不等于「有人用」。Apple 可以借助全球设备用户、操作系统、分发渠道和品牌认知，把一项新体验直接送到大量用户面前；独立开发者即使实现了相似效果，通常也只能先触达自己够得着的少数用户。两者之间真正难以被 AI 抹平的，恰恰是这种外部资本的鸿沟。

外部资本固然重要，但它更多回答的是「你在世界版图上占据什么位置」。还有一类资本藏在我们自身，决定了我们能在外部资本的杠杆上撬起多大的结果。

人的稀缺性何在

前文主要探讨了外部资本。长远来看，我们不得不回答另一个问题：在人与 Agent 协作的过程中，我们的稀缺性在哪？

除了外部资本，还有一类更容易在使用 Agent 时被忽略的资本：内在资本。随着 Agent 的迭代，只有人类能做或做得更好的事情，将越来越少。在未来，大多数人类的生产力能力相比之下都会贬值，但仍有一些能力是不易贬值的：

对世界产生真实影响的判断力（Judgement）。Agent 当然可以帮你做判断，但可惜的是，它不能帮你为判断负责，存在权责不对等。假如 Agent 把事情搞砸了，它除了诚挚地向你道歉，给你一些心理上的慰藉，啥也做不了。
服务于人的品味（Taste）。例如，做一个最终使用对象是真实人类的产品，Agent 虽然可以根据积累的经验来尽可能符合人的品味，但最终做的好不好，还是由人说了算。一个普通用户可能可以根据经验来大致说出一个设计是好是坏，但难以剖析设计上存在不足的原因，也不一定能给出针对性的改进建议。

如何提升品味和判断力

品味可以理解为「什么是好的」，而判断力更接近于「在特定情境下如何做决断」。这两者虽然经常一起出现，但培养方式却不尽相同。判断力更依赖真实决策、结果反馈与反复校准；品味则更接近一种长期形成的内部评价标准，需要通过大量接触和比较不同的对象，逐渐建立起对「什么更好」的感知。

以长期主义的复利眼光来看，我们应该追求在与 Agent 的协作过程中，持续培养、更新自己的品味与判断力的方法。

判断力

认知科学研究表明，大脑会利用实际结果与原先预期之间的差异作为重要的学习信号，而在形成预测后再获得反馈，也更有利于发现并修正原有判断中的偏差。因此，可以把判断力的养成粗略理解为一个不断循环的过程：预测 → 实际结果 → 预测误差 → 解释误差 → 更新模型。更新后的模型会进入下一圈的预测，不必再单列「新的预测」。这种「预测—误差—更新」的结构，在强化学习等机器学习方法中也能看到相似形式。

日常使用中常见这么一类状态：你遇到一个不好判断的问题，直接无脑交给 Agent，让他给出一个答案，然后你直接接受这么一个看似合理的答案。你好像学到了点什么，但在这种循环中，并不存在「异常值」，也就无法持续更新你的判断力。这其实就是前文所述的「中等收入陷阱」的典型情况。你支付了高额的订阅费，让最聪明的 Agent 给你工作，也得到了 Agent 应该发挥出来的水平。

交钱、办事，你确实没亏。但你浪费了培养自己的判断力的机会，也就是说，过了几个月，Agent 的能力已经突飞猛进，你用它确实能做更多事情了，但你的判断力并没有多少进步，你会更加依赖 Agent 来做事情。更要命的是，那些使用时长原本比你短的人，因为前文所述的原因，和你的差距越来越小。如同温水煮青蛙一般，你的不可替代性正在逐渐消亡。

那我们要如何提升自己的判断力呢？老实说，我现在还没有太多实际的经验，也正在温水里面泡着澡。下面是我打算下一阶段尝试的方向：

补充预测环节。在询问 Agent 意见前，给出自己哪怕不成熟的判断，并通过和 Agent 的讨论或是实际结果来进行验证，这样才能让闭环跑起来。
刻意寻找能否定已有判断的证据。在和 Agent 讨论的时候，双方都不一定正确，我们应该优先寻找来自现实、可验证的反馈，并且尽可能将其归因到当前判断，从而验证自己的判断是否有效。
把「我错了」变成「我为什么会错」。对于判断力这种需要迁移到新情境的能力，仅仅记住「这一次正确答案是什么」是不够的。更重要的是理解自己为什么错，并把这次「异常值」归纳成能够迁移到未来判断中的模型或原则。

品味

和判断力培养有所不同，品味的培养更侧重于「比较」。

跳出 Vibe Coder 的视角，我去参考了产品设计师、艺术创作者的观点。

产品设计师 Iglika 认为，品味往往不来自某些死板的教程，而来自长期亲自接触大量好产品，直到「develop an eye for it（形成直觉）」。Fey 的联合创始人、设计师 Thiago Costa 则表示，他会大量从艺术、建筑、电影、游戏等跨领域中吸收优秀的设计，而不仅仅是只盯着本领域的其他作品。

只有当我们承认设计存在优劣之分后，才能自然地开始深入研究一个好的设计好在哪里。

另一个共识是，光看和比较也不够，还需要实际去创作。而我们作为 Vibe Coder，用我们熟悉的工具就可以利用 Agent 时代的红利，以低成本大量制作对照组。

下一次在考虑某个设计时，可以不再问 Agent「哪个最好」，而是让它往不同方向设计多个候选项，并让自己以用户的视角来比较分析。除此之外，也可以和其他产品的设计进行比较。在此过程中，我们不仅脱离了 Agent「给什么是什么」的设计，避免反过来怪 Agent「不会设计」，同时又在过程中培养和锻炼了自己的品味。

少即是多

人的注意力资源是有限的。我们不可能在工作和生活的每个领域都同时拉高品味与判断力，必须做出取舍，把有限的注意力分配到长期边际收益最高的地方。

有舍才能有得。怎样判断哪些内在资本是值得追求的，哪些是可以适当放弃的？我认为，可以从下面几个维度出发综合考量：

重要性。判断力与品味和你关心领域的关联程度，尤其注意是否是当前的「瓶颈」。
长期投入回报。考虑 Agent 在该领域的当前水准与进步速度，以及同行的掌握程度。
可迁移性。投资的内在资本，是否可以在不同领域的任务中得到训练，并反复放大价值。

对于第二点，我们需要注意一个基本结论：Agent 在一个领域的进步能力，是远超单个个体的。因此，对于 Agent 已经做的比你好的领域，例如，它生成图像的平均水平比你强，那么我们可以考虑主动「退化」，接受 Agent 能做到的平均水平，把有限的注意力分配给其他更重要的能力。

AI 时代真正需要避免的，未必是能力退化，而是没有选择地退化。有些能力退化完全没问题。以前自己查 API、调 CSS、手搓 PPT，现在交给 Agent，本身就是技术进步带来的红利。但如果对品味和判断力这类内在资本的培养，也在不知不觉中一并放弃，才是真正值得警惕的事情。

结语

Agent 时代的到来，毫无疑问正在重塑我们的工作流。我猛然发觉，Agent 的「中等收入陷阱」正让我陷入平庸的沼泽，并让我更加依赖它们。

意识到这一点后，该如何对抗呢？我不是一个能「坚持」的人。对我来说，更好的方式是设计一套机制，这套机制可以让我的人性服从于它，并把我导向到正确的道路上。

正如《反脆弱》一书中传达的理念，一套好的机制，甚至可以帮我反过来利用 Agent 时代带来的红利。通过重塑自己和 Agent 交互的模式，主动创造自己的判断、「异常值」、比较对象，让自己在更能掌握项目状态、获得更优结果的基础上，不断积累自己的品味与判断力，或许更有机会在长跑中胜出。

受限于篇幅，本文还有一些关联思考未能整理，后续也会单独成文，敬请期待。

AI 辅助创作声明

本文的核心观点、文章结构及正文初稿均由作者独立完成。在后续编辑过程中，仅使用 ChatGPT 对部分文字进行润色和表达优化。文中部分配图使用 GPT Image 2 根据作者提供的构图、内容和视觉风格要求生成，并由作者进行筛选和调整。

> 关注少数派小红书，感受精彩数字生活 🍃

> 实用、好用的正版软件，少数派为你呈现 🚀

雪漫天 BeatBox 外壳定制指南

蓬岸 — Fri, 11 Sep 2026 06:42:58 GMT

Matrix 首页推荐

文章代表作者个人观点，少数派仅对标题和排版略作修改。

今年早些时候，在少数派 × 飞傲联名 CD 机盖板设计大赛中，不少朋友都参与设计了自己的 CD 机盖板，但如何才能把它们制作出来呢？

编者注：本次活动的设计背景请参考——

虽然当时的设计征集文档中给出了参考尺寸规格表，但内容比较简略，对于视觉设计来说，未必能很好地反映外壳和光盘之间的关系。因此，我利用自己的扫描仪重新扫描了手头的 BeatBox 实机，并以一张刻录盘作为参考。之后有兴趣为 BeatBox 设计面板的朋友，可以以此图作为「虚拟装配」的底图。

AI 可以作为设计灵感的来源，甚至可以用来生成后续设计的底图。本文以迁移老式 Iomega Zip 驱动器的外观风格为例。

AI 生成的参考图如下，但我们注意到，这张图并不能直接使用：盘片的尺寸明显不对，长宽比明显不对，不规则的边缘也无法直接用于面板。

因此，我们还需要使用修图软件对其进行处理。大多数处理并不困难，使用拉伸、裁剪、仿制图章等工具和操作，让图像填满面板空间即可。开窗的部分可以使用钢笔工具对内外两层进行描边，保留开窗的立体感，并为之后调整开窗的尺寸和位置做准备。而上方的红外遥控接收孔则通常需要先填平，再根据实际情况进行调整。

在修图软件中将四周白边、圆角、红外接收孔部分填平，调整开窗尺寸，就可以将处理后的图像添加到底图上进行「虚拟装配」。此时的效果已经非常接近实际使用的效果了。

之后就可以在淘宝上找提供 PVC 定制服务的印刷公司，制作用于透明面板的贴纸。我向商家提供了：

修图软件输出的全彩图：

以及加工尺寸的参考图：

部分淘宝商家可以提供辅助设计服务，会将全彩图和底图合并为加工图纸。

然后按样加工，即可得到用于透明面盖的贴纸。

将贴纸粘贴在透明面盖上。

然后就大功告成了！

> 简单、好用、专注的写作软件，少数派为你呈现 🚀

> 特惠、好用的硬件产品，尽在少数派 sspai 官方店铺 🛒

成瘾的迷思：为什么我们总是停不下来？

知道分子吴先先 — Mon, 27 Jul 2026 03:48:42 GMT

去年减肥过程中，我沉迷上一件事：看吃播。

最严重的时候，每天我一回家就打开B站，游走在各个吃播、探店、美食博主的视频中，吃饭也看，上厕所也看，一直看到睡觉时间。躺下后，再切换成小红书继续看1-2小时。周末几乎从一早起床看到睡觉，全程躺在沙发上看B站视频。

最初的想法是：既然自己不能吃，就看别人吃。这个过程开始给了我很多安慰。但渐渐地感受不到快乐了，像是一个邪恶的推手，持续地往我嘴里塞电子榨菜，我只是无法拒绝。

我努力挣扎过。作为一个派友，像福格行为模型（B = MAP）、原子习惯（Atom Habits）这些方法我都尝试过。但无一例外，全都收效甚微。

好在这个失败的探索过程有个副产品：我开始对「成瘾」这个话题，做了大量的主题阅读。无论是手机/网络成瘾（进一步分为社交媒体、短视频成瘾、游戏成瘾、网文成瘾等）、食物成瘾、色情成瘾、购物成瘾、赌博冒险、烟瘾酒瘾，还是更严重的药物和毒品成瘾和滥用，我把能找到的文章和书籍看了个遍，形成了一个相对全面的「成瘾地图」。

时至今日，我仍会时不时看看吃播，没能完全戒瘾。不过，关于成瘾这个话题，结合精神病学和认知科学的研究，我的认识水平明显进步多了，发现社会上有一些常见的认知误区，还有一些普遍存在的上瘾陷阱，导致我们在成瘾的泥潭里越陷越深。希望能在这篇文章中和大家分享。

一、无处不在的成瘾

认真想一下，成瘾行为在我们的生活中非常普遍。

对八零后而言，在没有手机以前，一种常见的方式是通宵夜读：看武侠、看漫画、看浪漫小说、看小黄书……明知道伤眼、第二天起不来，甚至要躲在被子里读，还是乐此不疲。

对当下年轻人来说，买谷子、买动漫周边或数码是一种时尚。但是超过自己（家庭）经济能力、无节制购买和关注的话，本质上也是一种成瘾。

再就是如今最普遍、遍布各个年龄层的手机成瘾或网络成瘾。官方报告（CNNIC）显示，2025年人均每周上网时长是32.5 个小时，折合每天约为 4.64 小时。这是平均数据，具体差异更大。这其中，老年手机成瘾问题尤其严重。经常有老人抱着手机、开着巨大的公放、对着粗制滥造的短视频，一坐就是一天。保守估计，很多人的每天上网时长远超10小时，伤眼、伤颈椎不说，对老人的心理健康也有危害。希望身为子女的我们多多重视。

这三本是我最推荐的三部。《成瘾》易读且注重实践，适合轻度行为成瘾的自我改善；《成瘾的深渊》侧重讲物质成瘾（毒品）的神经科学原理；《空洞的心》则更兼具人文情怀，问题探讨得深入全面。

有趣的是，我发现几乎每个成瘾专家都有自己的成瘾史。

《成瘾》的作者安娜·伦布克说自己会在kindle上没日没夜地看爱情小说；《空洞的心》的作者加博尔·马泰医生讲他会无节制地斥巨资买购古典唱片。最牛逼的要数《成瘾的深渊》的作者朱迪思·格里塞尔，她年轻时是个不折不扣的瘾君子，把大麻、可卡因、甲基苯丙胺（冰毒）、致幻剂等毒品吸了一遍，不但没挂，最后还翻身成了神经学家……

看完这些，不由让人好奇：这个年代，还有人对任何东西都不上瘾吗？

二、成瘾的谱系

成瘾的种类真的包罗万象。

通过下面这个表格，我们会发现成瘾的类型多得超乎想象。既有一些不被社会主流认可的事情，如吸毒、酗酒、赌博、自残等，也有一些原本受到鼓励，结果因为做得太过、失去掌控的事情，如沉迷工作、追求他人吹捧、过度健身等。

摘自伦布克《成瘾自控手册》

根据作用对象，成瘾可以概括为两大类。

一类叫「行为成瘾」，像看短视频、玩游戏、看网文、寻求刺激、无节制购物这种。

简单说，行为成瘾的作用机制主要是心理诱导。外部世界会用一些精心设计的信息或感官刺激，诱骗大脑分泌更多的多巴胺，让你想要、想要、还想要，停不下来。

这类成瘾在生活中非常普遍，有些是司空见惯、难以辨认的日常行为：就像手机成瘾，很多人如果不看到自己的屏幕使用时长，根本都不知道自己每天在上面花了那么多时间。购物成瘾也是。当代人免不了买买买，里面有多少是真正要买的，有多少是因为购物成瘾、控制不住自己下的单，很难用一个明确的标准去界定。

另一种是「物质成瘾」，最典型的像烟瘾、酒瘾这种，更严重的是药品滥用和吸毒。

这种成瘾往往更难戒断，原因在于食用成瘾物质后，体内会摄入外来的化学分子。这些分子随着血液，突破血脑屏障，直接作用于大脑的神经系统。

不过，各种成瘾虽然危害程度差异巨大，但在机制上却有着大量共同点。无论是行为成瘾，还是物质成瘾，都位于一条连续的光谱上，背后有许多相似的机制和成因。

三、哪些推手让我们成瘾

关于成瘾的诱因，远比我们想象的复杂。

早年很多人把成瘾看作是一个意志力薄弱问题：你之所以戒不了网瘾，是因为没有定力。这显然是不全面的。

如今，很多人意识到：成瘾不光和意志力有关，还和生活习惯有关。你之所以戒不了网瘾，是因为你没有养成好的行为习惯，没有从源头上阻断容易成瘾的生活方式。

然而，以上这两种观点都把成瘾的原因归结到个人，认为靠个体的积极行动，比如纠正错误认知、发挥行动力、培养好习惯，就能完全从成瘾中解脱出来。

实际上，这两种观点有道理，但不够全面。我们都知道，不应该责备抑郁症患者太软弱，抨击厌食症患者自作自受，严格来说，成瘾也是一种复杂的身心疾病，既有社会性的一面，也有生物性的一面。

资本和算法：注意力经济

数字时代，注意力早已成为最稀缺、也是最有利可图的商业资源。

为什么互联网公司要花费大量的人力、物力、财力，研发小红书、抖音、B站这类软件，还有各种手游让我们免费使用？它们的商业逻辑全可以用四个字概括：流量变现。

产品本身是免费的，用户反倒成了商品，变成了日活、粉丝量、播放量。为了实现利润最大化，平台会用精明的算法，尽可能长久地让用户的时间留在屏幕上。直白一点，资本和算法会用尽全力让你对产品上瘾，这就是注意力经济的本质。

关于注意力经济，我想大家都深有体会，这里只举一个例子。

《掌控多巴胺》是一本通俗的自助书，而《操控》更侧重数字产品如何操纵我们的心智

《掌控多巴胺》书里提到一个传言，说像Instagram这样的应用，有时会「暂时扣留」你的点赞数。比如你发布了一张照片，已经有20个朋友陆续给你点了赞，但系统只放出5个，让你最开始对那么少的点赞数感到失望，然后再过一会儿，一次性把所有点赞大规模释放出来。

这样做会最大激活你脑中的多巴胺通路。点赞这个设计本身就很容易刺激多巴胺，让人上瘾。但当点赞先零零星星，让你感到失落，然后再一下子涌现时，你的多巴胺分泌会更加旺盛。这个套路会让你更频繁地使用软件，更频繁地刷屏。

正是这个例子，让我后来在看吃播时，少了很多自责：资本为刀俎、我为鱼肉。作为一个普通人，我们只想不带脑地放松娱乐，根本没有防备之心。面对煞费苦心「让我们上瘾」的资本，怎么可能从中脱身呢？

社会和工作：压力环境

高压环境，也会助长我们成瘾的倾向。

如果你最近工作压力很大，每天回到家里，大概率不会再看书学习奋战几小时，而是躺沙发上刷会儿短视频、打会儿手机游戏、看看无脑爽剧爽文。当你压力大时，还会比平时更难停下来，更容易熬夜晚睡，恶性循环。

压力，尤其是慢性压力的作用机制非常复杂。它会极大激活杏仁核，让人处于一种持续的焦虑、恐慌或烦躁状态中。此外，人在面对高压时会分泌大量皮质醇。它不仅会影响代谢，还会抑制前额叶皮层的活跃度。回想一下前阵子很火的「前额叶受损」梗¹：注意力低下、心不在焉、容易忘事——压力会产生类似的效果，我们不想干别的，只想无脑休闲娱乐。

关于压力和成瘾的关系，我特别喜欢马泰的观点。他认为成瘾的内核就是「不愿做自己」。当我们累了一天，回到家瘫在沙发上时，想要的只是麻醉自己。有人喝酒买醉，有人暴饮暴食，有人则在奶头乐中消磨时间。目的都是逃离充满压力、让人窒息的事情。

历史上有一个经典且备受争议的「老鼠乐园」研究，它表明：决定成瘾的，不只是成瘾物质或行为本身，而是我们所处的环境。

早期实验发现，把一只老鼠关在铁笼里，给它两瓶水，一瓶是清水，另一瓶是掺了吗啡的糖水。老鼠会疯狂喝有吗啡的糖水，直到过量而死。结论是：成瘾物质的力量是不可战胜的。

老鼠乐园漫画示意（网图）

然而，心理学家布鲁斯·亚历山大提出质疑：把老鼠关在类似禁闭室的铁笼里，剥夺它的社交和自由，它除了麻醉自己，还能干嘛呢？

新的对照实验中，他建造了一个「老鼠乐园」。这里空间宽敞，有很多玩具，还有老鼠同伴在一起，它们可以自由玩耍、社交、繁衍。乐园里同样放着两瓶水，然而，哪怕老鼠尝过加了糖的吗啡水，绝大多数还会选择喝清水。它们每天忙着生活与社交，几乎没有一只老鼠出现成瘾行为，颠覆了之前的判断。

家庭：遗传与养育

关于基因遗传和养育问题，是一个更复杂也更专业的问题。

关于这个宏大的话题，《空洞的心》做了非常充分且深入的分析。我试着总结几点，具体大家可以看书学习。

首先，在生命最早期的几年，胎儿和婴儿的大脑发育是敏感且脆弱的。在子宫里，胎儿的情绪调节系统受母亲孕期压力的影响。出生后，婴儿和主要抚养者（通常是母亲）的情感互动，也会影响到大脑的发育。

如果母亲缺乏社会和家庭的支持，在怀孕或哺乳时高度焦虑、抑郁、情绪不稳，压力就会传导给婴儿，导致孩子大脑发育不良。这就是为什么很多上瘾者终其一生感觉内心有一个巨大的「空洞」，只能靠外在的成瘾物质或行为来进行自我疗愈。

其次，如果孩子在童年、青春期受到长期漠视、身体侵害或极端压力，会让他们本能感觉自己不够好，产生负罪感和羞愧感。长大后，成瘾很大程度就是为了逃避这种有毒的感觉：只有选择沉溺在另一个世界中，他才有可以暂时忘记那个糟糕的、不值得被爱的自己。

最后，如何去理解基因和成瘾的关系呢？可以把它看作是一种概率。一个人可能天生携带着某种易感特质，比如多巴胺受体天生偏少，或者神经系统高度敏感，但这不意味着他百分百会成为成瘾者。如果他成长在一个充满爱、包容和安全感的环境中，这些基因可能一辈子都不会表达。相反，如果他遭遇了上面所说的婴幼儿期、童年期创伤，这个基因才会真正地表达，使他真正成为易成瘾者。

时代趋势：追求快乐，逃避痛苦

最后，还有一个时代性因素：我们这个时代过度地追求快乐，极端地逃避痛苦，却被这种欲望反噬，制造出了更多的成瘾问题。

柯特莱特擅长从历史和社会层面探讨成瘾，除了经典的《上瘾五百年》，还有新作《成瘾时代》

趋利避害是人之天性。但问题在于，这个时代的科技太过发达，把原本自然环境中难以获得的快乐无限提纯和放大，并且研发出大量人为手段去规避痛苦。这本无可厚非，却深刻地改变了我们的生活处境。

早在几十年前，人类会周期性地陷入饥荒，经常吃不饱（现在部分地区仍会）。但如今，我们可以用较低的花费，获得无限的美味，从而引发了暴饮暴食。

过去娱乐方式有限。现在只要拥有一部手机和一定的网络流量，就可以获得即时的奖励回馈，还有种类繁多的娱乐体验。

再比如毒品和药物。化工提纯加工的海洛因、可卡因、冰毒，相比早先让人上瘾的天然植物，如咖啡、鸦片、大麻等，毒性翻了不知道多少倍。

更讽刺的是止痛药，人们用这种药物抑制身体的疼痛，却因此诱发了更多的疼痛。如今的美国，接受阿片类止痛药治疗的患者中，有多达五分之一的人最终有药物滥用和成瘾问题。

这到底是为什么？难道是快乐的诅咒吗？实际上，这背后有着清晰的成瘾模型，理解了它，就理解了我们上瘾的核心机制。

四、成瘾的第一步

说到成瘾，大家会立刻想到多巴胺。没错，几乎所有的成瘾都和体内的多巴胺调节回路有关。²

行为成瘾

我们先来看一下行为成瘾。

之前和大家聊过，多巴胺不是「快乐分子」，它和喜欢、愉悦感不直接相关。更确切地说：多巴胺 = 想要，代表渴望与动机。尤其遇到新鲜刺激时，大脑的奖赏中心（如腹侧被盖区与伏隔核等区域）就会分泌多巴胺，催促你不断地探索新事物。

摘自伦布克《成瘾》

什么样的刺激，才会刺激多巴胺的分泌呢？神经科学里有一个专业术语，叫奖励预测误差（RPE）。放到几个场景就明白了。

首先是正向误差，也就是结果比预期好，这会造成多巴胺激增。当你获得意外惊喜，随手发的一个朋友圈突然获得大量点赞，多巴胺就会飙升。它会让你不停检查朋友圈，看看有没有新点赞。
其次是零误差，结果和预期差不多，多巴胺平稳无变化：比如你是固定工资，每月定时发，多巴胺就会无动于衷。哪怕是早先渴求的事，拥有之后，也很难刺激多巴胺分泌。
还有负向误差，结果比预期还差，就会让多巴胺骤降。如果你之前写文章还有些点赞，新写的这篇无人问津，你的预期就会落空，感到失落和焦躁。

现实生活里，一个好玩的事情重复几次后，你就能预期到它的模式，进入零误差，不再刺激多巴胺，也就是我们常说的失去新鲜感。然而像短视频、网络游戏这类容易上瘾的事情，恰好能反复调动多巴胺的分泌：1）因为视频内容不可预测，总有新玩意，不会出现零误差。2）它会在正向和负向误差之间反复横跳，打一棒子给个甜枣，轻松拿捏你。

就拿我看吃播为例。如果点开视频，内容很普通，不是我想看的——预期落空，这是负向误差，会让人产生一种不满意的焦躁感。但我的手指只要轻轻往下一滑，就能丝滑切换到下一条视频。这条是我爱看的——超预期惊喜，产生正向误差，直接让我的多巴胺飙升。于是选择继续往下滑，寻求更多的奖励。

在海量的网络资源中，总有适合你的内容。因此，多巴胺通路如此循环往复，跟过山车一样起起伏伏，被算法拿捏得死死的，让我们不知不觉间，开启了沉迷与成瘾的第一步。

物质成瘾

如果说短视频、游戏、购物这样的「行为成瘾」，主要通过新鲜、不可预测的内容刺激多巴胺的分泌，那么像烟酒、毒品这样的「物质成瘾」，作用机制则要更加复杂和凶猛。

以海洛因为例。它是从鸦片里提纯而来的，是一种阿片类毒品。这种毒品在人体内不仅会刺激多巴胺的大量分泌，还会结合大脑中的内啡肽类受体，产生极大的欣快感，让人感到平静、安宁。早年海洛因作为一种强效止痛药，被医学界广泛使用过。其他同为阿片类的镇痛药也有一定的成瘾风险。

再比如尼古丁（香烟的重要成分）、可卡因和冰毒（甲基苯丙胺）。

这三种物质主要都靠刺激多巴胺，导致成瘾。但它们的作用机制各不相同，简单讲讲：尼古丁会直接诱发多释放多巴胺；可卡因是阻断多巴胺的回收，让多巴胺反复利用，效果增强；而冰毒是既阻断多巴胺的回收，又刺激多巴胺分泌，所以冰毒的欣快感极强，当然，戒断过程也比其他药物戒断更痛苦，自行戒断甚至有致命风险。

摘自伦布克《成瘾》，结合原文，最后一行苯丙胺更准确的译名应为甲基苯丙胺，即冰毒

这正是物质成瘾致命的地方：最初的快感越爽、起效越快、药效越强，到后面就越难戒断、引发越多的痛苦。

五、为什么成瘾会引发痛苦

刚刚成瘾时，由于多巴胺的大量分泌，一切看起来都新奇刺激，让人欲罢不能。然而真正的噩梦才刚刚开始。我们接下来要讲成瘾第二步：人体系统的调节与戒断的灾难。

这里介绍一个简洁有力的模型，它最早源于情绪研究，后来被用于成瘾研究。这里就把它简称为「成瘾模型」。

正常状态

生命系统有一个法则：无论外部环境如何变化，身体都会通过负反馈机制，在健康范围内进行反向调节，最终趋向稳定。高中生物讲过「内稳态」，这是机体存活和生命活动的基础。

大脑和神经系统也遵循这个原则。我们可以想象一只跷跷板，象征着内稳态。左边代表外部刺激，右边是体内为了维持平衡的内在反馈。只要在左边加一个砝码，不论是快乐还是痛苦，右边大脑都会加一个反向砝码，帮助跷跷板尽快恢复平衡。

A过程（外部刺激）： 外界引发的初始体验。
B过程（内在调节）： 身体内部为了调节A过程、维持稳态，产生的反向力量。

这个调节机制是人类维持生存的重要机制。想象一下，你被野兽追逐时摔伤了膝盖，触发了A过程。这时任由疼痛发作，你可能会倒地不起。为了救你，大脑在跷跷板右边加上「反向砝码」，分泌大量的内啡肽，触发B过程。帮你在短时间内减轻痛苦，让你快点儿逃。

然而，同样的机制用在追求快乐上，会起到相反的效果。

当我们借助巧克力、打游戏、娱乐，大量分泌多巴胺，感到兴奋和激动时，跷跷板会向左倾斜（触发A过程）。这时，大脑面临大量外来的多巴胺，会在右边加一个反向砝码，迅速让多巴胺消退，让你感到无聊和厌倦。如果外来物质刺激的是内啡肽回路，让人平静和安宁，身体就会反向制造出物质，让你感到生理性痛苦。这就是恶魔的交易。

成瘾状态

自然状态下，像美食、运动或轻微的伤痛，都是很轻的砝码。跷跷板晃动几下，尚且能自行恢复到平衡点。然而，一旦外部刺激变成了能产生强烈快感的成瘾物质或行为，跷跷板就很难恢复平衡，会往糟糕的方向不断发展。这时身体便处于「异稳态」。

网图自制，这个模型还有一些其他形式的示意图，欢迎自行查找学习

这是一个「成瘾模型」的示意图。我们用抽烟为例，中间的虚线把它分为两部分：左边是第一次抽烟的体验、右边是老烟枪抽烟的体验。

最上面的绿线表示抽烟的数量。比如你一直抽中华烟，每根烟的效力理论上应该是一样，对应着A过程（红线）。问题就出在身体的内部调节，也就是B过程（蓝线）。

最开始，你的身体还不习惯抽烟带来的刺激，所以B过程还没建立起来。A过程和B过程叠加后，主观体验（黑线）主要是靠A过程，也就是抽烟带来的，所以感觉会非常神清气爽。随着时间推移，A过程效力褪去，身体反向的B过程占主导地位，才开始出现不爽，变得焦躁不安。

右边是老烟枪的身体。因为你总抽烟，B过程被反复触发，所以它现在很灵敏、效力也强。烟还没点燃，大脑就准备好了，A过程还没开始，灵敏的B过程迅速发挥作用，你感受到的快感强度和时长都明显减弱了——这就是为什么老烟枪烟越吸越多，烟瘾越来越大。

这个模型是我在成瘾问题上看到的高度简洁、又有说服力的模型。它成功展示了任何上瘾行为都会瘾越来越大、间隔时间越来越短，却越来越不满足的整个历程。

耐受与戒断反应

成瘾行为或物质最初确实会带来快乐。然而，这个过程是不长久的。随着时间的增加，身体里的负向反馈就会越来越强，随之而来的痛苦会极大地抵消快乐，痛苦占据主导。

AI总结

更糟糕的是，在接触不烟的时间，B过程仍持续存在，这会导致老烟枪一会儿不抽，就会持续感到消沉、焦躁、易怒，这就是尼古丁戒断反应。一句话：出来混，总有一天要还。而且你是在跟魔鬼交易，它一定会让你连滚带利赔给它。

这个机制还回应了之前的「快乐悖论」：什么一味追求快乐、逃避痛苦的我们，反而会越来越痛苦呢？任何依赖外物刺激的快乐，都会激发我们体内这套古老自保机制：你的身体怕你安于享乐，忘记基本生存，所以它会通过制造痛苦，重新唤回你的「快感平衡」。你越是逃避，越是不搭理它，越是会强化这个机制。

六、如何解决成瘾问题

我们讲了那么多原理，最后应该怎么做，才能一举解决成瘾的问题呢？

摘自《成瘾》，DOPAMINE就是英文的多巴胺

首先，有一些好的参考书推荐给大家。

我最推荐大家读伦布克的《成瘾》，还有据此扩写的一个小册子《成瘾自控手册》。她以多巴胺的英文DOPAMINE为首字母，给出了八个重要步骤，适用于日常像短视频、玩网游、无节制购物、追求刺激这些轻度的行为成瘾。而且，伦布克医生发现，大多数人只要坚持四个星期远离我们成瘾的刺激，就能有效地重置大脑的奖赏回路，有效地改善成瘾问题。所以只要坚持一个月，就有可能获得胜利。

比较推荐的一些自助类书籍

如果你对手机成瘾这个话题感兴趣，可以读一读安德斯·汉森的《手机大脑》，看看如何从进化心理学的角度，思考手机和我们的关系。有娃的朋友推荐阅读乔纳森·海特的《焦虑的一代》，讲手机如何对未成年人造成难以估量的身心伤害，防范于未然。

这两本书都比较轻松易读

如果是更严重的药物或毒品成瘾，不建议自行戒断。像特别严重的酒瘾或毒瘾，戒断反应可能威胁生命。有顽固成瘾症状且极度影响生活的朋友，建议先去医疗机构寻求专业支持。整个过程中，你可以参考马泰《空洞的心》在第28章给出的「4+1」法：

Re-label：标记出来，找到成瘾的事实依据。
Re-attribute：告诉自己大脑回路出错，冷静地找出原因。
Re-focus：聚焦在更加有意义的活动，告诉大脑不要听从欲望的召唤。
Re-value：重新评价，看到事物的原貌。
（+1）Re-create：找到自己的价值和热爱。

了解这些知识的基础上，你还可以再回看《福格行为模型》《掌控习惯》，利用习惯培养方法，重塑自己的日常习惯。此外《掌控多巴胺》《重塑神经，重塑自我》等自助书籍也提出了具体的建议。

然而，问题的核心还在于：我们需要坦诚地面对自己，找出自己成瘾的深层原因，明确在成瘾的过程中，我们真正逃避的或对抗的是什么，否则很难真正破解这个问题。

最后再给大家分享一些我的感悟。

不要苛责自己

之前我和不少朋友一样，认为成瘾是一个完全怪自己的坏毛病。如果戒断不了，只能说明：我方法不对、意志力不足、贪图玩乐。然而，这些书教给我另一种看待成瘾的方式：成瘾不是我们个人的困境，它是一个高度普遍的时代问题。

想一想，我们高度依赖的商业模式、生活方式，甚至是工作方式，都有可能强化我们的成瘾。如果你的老板信奉007，每天24小时，不间断地对你连环夺命call，不接不行，那你下班后然后可能远离手机，心无旁骛地做其他事情呢？——最起码很难吧。

我觉得思考这些原因绝非逃避责任，只是在尽可能客观全面地思考问题。你不光可以改变角度思考问题——自己真的需要这份工作吗？还可以积极借助他人的力量，去找心理或精神科医生去帮助你。

告别享乐主义

所有成瘾科普中都有一个共识：人体的内环境和外界刺激是相互作用的。

得益于科技的进步，这个社会是一个快乐很容易获得的「美好时代」。但事情总有它的另外一面。如果我们一味追求爽、一味追求快乐（A过程），那么身体的内稳态机制就势必会导向不爽、不快乐（B过程）。想要阻止痛苦的B过程发生，只有一条途径：我们从一开始，就不要过度刺激多巴胺，不要制造致瘾可能的A过程。不要无节制地吃垃圾食品、不要无节制地玩手机，不要只追求享乐主义。

比如伦布克提出一些策略：安全范围内，找一些适当激发痛感的行为去重置「快乐和痛苦」天平。像冲冷水澡、间歇性禁食、长跑锻炼这些方法都能反向激发我们的身体，主动分泌快乐止痛的物质。

另外，不要一有任何疼痛和不适，就立刻去寻求止痛类产品。前面反复讲，如今美国社会的阿片类药物滥用、疼痛症频发，正是这种「追求快乐、逃避痛苦」思潮的恶果。有一本叫《梦瘾》的社会纪实类作品讲述了美国这个令人担忧的趋势，推荐大家阅读。

当然，这里不是让大家都变成禁欲主义。我觉得可以把这个逻辑拓展得更远一些：我们多去做一些要付出努力的事情，像健身、锻炼、长跑，写作、深度阅读、学习等，这些付出了艰辛和汗水获得的成长，会比手到擒来的快乐物质/行为更能带给我们长久的快乐。

警惕压力环境

最后，广泛存在于这个时代的压力也是一个特别重要的致瘾源，长期的压力引发的焦虑状态、竞争环境导致的挫败感，都可能帮我们每个人往成瘾方向再推一步。

关于压力这个话题，马泰写了好几本书。不光是《空洞的心》里涉及压力，《健康的迷思》和《身体为替你说不》专门讲了压力对当代人的健康威胁，很有启发。而且现在医学界有共识，长期浸染在压力环境下，太压抑自己，不光是会导致成瘾，也催生了如今常见的多种慢性疾病，如过敏、自身免疫性疾病等。感兴趣的朋友可以去读相关书籍。

在这篇文章中，我侧重讲了关于成瘾的知识，而不是具体的操作。这是因为，相比起戒瘾本身，这些知识在我看来更加重要：它们能帮我们更加明确，成瘾是一个什么样的问题，为什么我们常常仅凭自己一己之力，始终难以应对。通过这些知识，我希望大家都能更好地审视当下的生活环境，和自己的内在压力。

我们都知道一句古希腊箴言，叫「认识你自己」。但是这句箴言后面，还有后半句：「凡事无过度」。我想，这两个箴言恰好向我们揭示了，如何能够正确应对复杂的成瘾问题。