Hasaki
文章
不要让 AI 纪要进入知识库
AI 自动生成的会议纪要，我认为不应该未经确认就直接放进知识库，尤其是当后面还有 AI 要拿这些文档去回答问题、写方案、执行任务的时候。 问题在于，会上只是讨论过的事情，可能在总结时被写成已经决定的事情。 假设会上有这样一段对话： “要不下…
高中数学最有价值的一堂课：必要条件和充分条件
高中数学里最有价值的一堂课，不是哪个复杂的公式，而是必要条件和充分条件。离开数学课之后，我们每天仍然会碰到这两个概念，只是再也没有人提醒你：这里说的到底是必要条件，还是充分条件。 最简单的例子是下雨和打伞。拿“外面下雨”和“外面有人打伞”来…
用 “Yes, and...” 和 AI 练英语
最近发现了一个学英语的好方法：和 AI 玩一个游戏。 规则很简单。AI 先抛出一个问题或一个句子，我用 “Yes, and...” 接下去，再往里加一点新内容。AI 接着我的话继续往下推，就这样一来一回。 “Yes, and...” 原本是…
“I'm going to do” 和 “I'm going to be doing”，差在哪里？
今天看到这样一句话： just the way I'm going to be teaching my kids 大意是：“也就是我以后教自己孩子的方式。” 我有点好奇：为什么不直接说 “I'm going to teach”，而要多加一个…
找到我的那辆丰田
成熟的 coding agent 产品已经很多了，功能一个比一个完整，我还是经常用 pi。 50 米用不上法拉利 一个原因是，我手头的很多任务，其实配不上那么高级的工具。 好比从 A 地到 B 地只有 50 米，这时候开一辆法拉利，路铺得再…
我需要把效率提高一百倍吗？
最近在想一个问题：如果我没有一个正在高速迭代的代码项目，还需要和其他工程师一样，追求十倍、一百倍，甚至一千倍的效率吗？ 看到别人分享用 AI 写代码的方法，很容易觉得自己也得学。怎么管理上下文，怎么让几个 Agent（能执行任务的 AI 助…
「苦手」：我有点应付不来
学日语的时候，「苦手」（にがて）很容易被记成“不擅长”。数学不好，可以说「数学が苦手」。这样记很方便。 后来会发现，日本人说到猫、某种食物，甚至某个人，也会用「苦手」。这时候翻成“不擅长”就有点别扭。它更像是在说：这个东西，我有点应付不来。…
为什么同样是外包，在日本听起来就很正常？
我发现，自己对“外包”有两种不同的反应。 在中国，听到一家公司或者一个岗位是外包，我容易先产生一点不信任：是不是待遇不好，工作没什么积累，出了问题也找不到真正负责的人？但换到日本，看到一家技术公司承接其他企业的系统开发和运维，我又觉得，这不…
平均水深一米，也可能淹死人
一条河的平均水深是一米，你能安全走过去吗？ 如果你不会游泳，过河的路上又有一个三米深的坑，平均水深再浅也救不了你。 平均水深是把空间上许多位置的深度放在一起计算。过河时，你却不是同时站在所有位置上，而是沿着一条具体的路径，一步一步往前走。决…
英语学习工具做到一半，我决定用现成的
一开始，我只是想学英语。 看 YouTube 视频时，遇到听不清的句子，我想退回去再听几遍。如果能对着字幕，用键盘跳到上一句、下一句，不用一直拿鼠标拖进度条，应该会方便很多。 于是，我给自己做了一个工具：导入视频，在下面显示字幕，再加上暂停…
方向稳定，路径演化
那天早上我起晚了。 目标很明确：九点半，站在东京国际展览中心 8 号馆门口。可一切都不在状态。要带的东西还没收拾，路线也没提前查，出门时心里是慌的。 我在门口打开换乘导航，输入目的地。导航给出一条路线：坐哪班车，在哪站换乘，去几号站台，预计…
一句「失礼」里，慢慢听懂的事
在一家很安静的咖啡店里，店员操作时不小心打碎了一个杯子，说了一句「失礼しました」。 「失礼しました」字面上是“刚才失礼了”，在这里可以译成“抱歉，打扰了”。 我以前不太理解，这里为什么要道歉。杯子是店里的，是店员不小心打碎的。听懂他在说抱歉…
为什么我用语音输入
聊起为什么用语音输入时，我就在用语音输入。我一边说，脑海里一边有其他想法不停地乱窜，其中一些又接着被我说了出来。这种状态，换成打字，我就很难进入。 如果要形容两者的区别，我觉得打字像是把脑海里三维的东西压缩成二维。我得把想表达的东西变成文字…
在日本做生意，你得让人敢于推荐你
一家公司的产品没有变，团队没有变，做事的质量也没有变，只是不再通过熟人介绍接单，生意忽然就难做了。 日本公司ブリッジ的经营者桥本敬，在 note 上写过这段经历。独立初期，他的工作大多来自前同事和熟人的引荐。后来想主动开拓客户，才发现过去有…
「渋い」：一种不那么甜的称赞
日语里有个挺有意思的词，叫「渋い」（しぶい）。 它原本形容的是涩味，比如没熟的柿子。放到人身上，却可能是一句称赞。一个人的声音低沉、有质感，穿着不显眼，但很耐看，都可能让人觉得「渋い」。 中文里说“有味道”，大概能接近一点。翻成“成熟稳重”…
松弛，是给自己留一点余地
读《纳瓦尔宝典》时，看到一句话：“悠闲的大脑才能产生伟大的创意。” 读到“悠闲”，我想到日语里的「余裕」，意思是还留有余地。 “悠闲”容易让人联想到某种生活画面：没有工作要赶，没有消息要回，可以坐在窗边，慢慢喝一杯咖啡。但这句话想说的，或许…
理解可以被生成，判断力不能
比如，你想给网站加一个搜索框。 你把需求交给能直接操作项目的 AI 智能体。它修改文件、运行检查，再告诉你功能已经完成，附上实现说明和检查结果。你打开页面，搜一个确定存在的词，结果出来了。 说明读得懂，检查也通过了，页面看起来正常。这时很容…
没事也可以说两句
办公室里那些没什么内容的闲聊，其实很重要。远程工作少掉的，恰好是这一部分。 线上找同事，总觉得得有点事。问题最好想清楚，背景最好写完整，能自己解决就尽量不打扰。这样沟通当然有效率，但也慢慢形成了一种习惯：没有明确的事，就不开口。 办公室不太…
不打扰，并不自动是体贴
日本航空有一支大约三分半钟的广告，叫《Art of J》。全片分三章，第二章的标题是 Privacy，中文写作「私密空間」。 商务舱里，一个男人低着头，把托盘上从黄到红的小方纸一张一张折起来。先折成鹤，再折成一片林，再折成一棵枫。邻座在看书…
AI Platform 的抽象边界：复杂度最终由谁承担？
最近我在用 Factory。 如果说 Claude Code 更像一个能力很强的 Coding Agent，那么 Factory 想做的事情更大：把软件研发组织成一套由 Agent 驱动的生产系统。它不只帮助工程师写代码，还试图覆盖规划、实…
尽职编程：谁提交，谁负责
AI 降低了写代码的成本，没有降低对代码负责的成本。 所谓「尽职编程」，就是谁提交，谁负责。 即使代码由 AI 生成，提交者仍然要对结果负责，不把本该自己承担的成本甩给别人。 这不是道德口号，而是一条责任边界。 谁对进入主干的代码负责 很多…
漏掉的那个「て」
今天在工作聊天里，我看错了一句话。 「こちらでやりとりしてます。」 我第一眼理解成：“之后我们这边会去沟通。”于是顺手把相关的事情又转给了对方。 对方却告诉我，已经处理完了。 我回头重读了一遍，才发现自己把「やりとりしてます」看成了「やりと…
机器做了九成，人为什么还走不开
有些产品说，自己已经自动化了百分之九十的工作。 机器生成内容，人负责检查和发布；机器跑完流程，人回来决定这次算不算完成。机器确实做了大部分工作，人也确实少做了很多事。 可人还是走不开。 每次机器停下来，人都要重新进入流程，恢复上下文，检查结…
稳定的季军
评价一个 AI 产品时，我们是不是太容易关注它的最高分了。 一个 Coding Agent，也就是能读写代码、调用工具的编程智能体，独立完成了一次复杂重构；一个模型解出了一道过去怎么都解不出的问题；一个 Agent 连续工作几个小时，完成了…
不是所有不听，都是没听懂
“请勿吸烟”在很多公共场所都能看到。有时候，牌子就在旁边，烟还是照抽。那几个字像空气一样，存在，但没有起作用。 这让我很难相信，只要把话说得足够明白，事情就能解决。 最近读到一篇日文文章《婉曲表現を考える。》，讨论日语中的委婉表达。其中，「…
AI 让逃避决定变得更便宜
你让 AI 比较两个方案。它列出各自的优缺点，你觉得还不够，于是要求它换一个角度。它补充了长期风险，你又让它考虑最坏情况、团队能力和未来变化。几轮之后，分析越来越完整，决定却没有向前一步。 看起来，你仍在努力寻找答案。实际上，每一轮对话都可…
用非母语写 Prompt
我发现，用中文给 Agent 写 Prompt 时，我总会不自觉地把话说得委婉。 “你可以先看一下这几个文件。” “如果合适的话，最好顺便把测试也跑一下。” “这里是不是可以考虑换一种实现？” 这些句子放在人与人的交流里很自然。它们不直接命…
Repo as an Agent
一个设计得足够好的 repo，本身就可以成为一个不断自我改进的 Agent。 这里的 repo 不只是代码存放的位置，Agent 也不只是某次被调用的模型。Repo 保存目标、知识、工具、反馈和约束；模型进入其中，读取当前状态，采取行动，再…
做绝对正确，且轻而易举的事情
没人能提前画出一条成为职业球员的完整路线。会进入哪家俱乐部，遇到哪位教练，机会在哪场比赛出现，都无法计划。但今天多练一次运球，通常不会错。脚内侧触球，脚外侧变向，把球控制在合适的位置。它不保证一个人最终成为职业球员，只让他在球真正来到脚下时…
默契不能预支
「この件、考えておいて。」 “这件事先想一想。” 听懂这句话不难。真正困难的是，接下来该做什么。 是在脑子里想一遍，还是整理成意见？要不要调查资料？下次开会时，是等别人问，还是应该主动拿出方案？这些都没有出现在句子里，却会直接影响一个人如何…
学英语，不一定要从单词软件开始
一想到学英语，很多人的第一个动作是下载一个单词软件。 选一本词库，设定每天背多少个单词，然后开始打卡。这条路径很自然，因为软件已经把目标、进度和反馈都安排好了。只要每天打开它，就知道下一步该做什么。 单词软件当然有用。它能帮助我们集中记忆词…
没有自研产品，也能做 FDE 吗？
最近我一直在想：一家没有自研产品的公司，能不能有真正的 FDE？ 我的答案是：能，但条件可能比产品公司更苛刻。 只说“从客户问题出发”还不够。传统咨询、SIer 和外包团队也都可以这样说。如果每个客户的问题最后都变成一个单独立项、单独开发、…
周六不是一周的尾巴
以前我总觉得，一周是从周一开始的。 周一状态好，这一周大概就能顺利一点；周一没进入状态，后面几天便一直在追。后来看到日语里的「土曜日力」这个说法。「土曜日」就是星期六，「土曜日力」可以直译成“周六力”。它让我意识到，周六怎么过，对下一周的影…
控制爆炸半径
很多团队讨论 AI Coding 时，第一反应仍然是：Agent 写完代码以后，谁来 Review？能不能 Merge？出了问题谁负责？ 这些问题没有错，但它们继承了一个旧前提：一次代码变更昂贵而危险，所以必须在进入主分支前集中检查、谨慎放…
有些 Prompt，应该故意留一点白
我有时会把一篇文章、一段对话，甚至一堆还没整理好的材料丢给 Agent，只问一句： 说到底是啥？ 按 Prompt Engineering 的标准，这句话几乎处处不合格：没有指定角色，没有规定步骤，没有定义输出格式，连“啥”指什么都没说清楚…
脑味噌：翻译正确以后，语言还剩下什么
最近听播客，遇到一个日语词：脳味噌（のうみそ）。 「脳」是脑子，「味噌」是味噌。合在一起，指脑髓，也可以转指人的头脑和智力。 脑子里的味噌。 这幅画面有点猎奇，又莫名可爱。好像掀开头盖骨，里面不是冷冰冰的神经组织，而是一团柔软、黏稠、带着生…
为什么定义很重要
学习一个东西，最好的方式之一，是回到它最基本的定义。 不要因为一个概念看起来像常识，就停止追问：它到底是什么？能不能用一句话说清楚？ 这个问题看似简单，实际上很难。我们经常会使用一个词，却未必真正理解它。我们知道它通常在什么场合出现，见过别…
别把混乱误认成思考
早上坐到电脑前，脑子还很清楚。邮箱里有几封信，Slack 上亮着红点，还有两件昨天留下的小事。它们都有明确的下一步：回一句，确认一下，改一个数字。做完以后，列表短了，心里也轻了一点。 真正需要思考的工作被留到了下午。轮到它时，早上的清醒已经…
给 Agent 原语，而不是替它封装工作流
给 Agent 设计 Harness 时，可以从少量清晰的原语开始，让具体工具和工作流随任务出现。 Agent 改变了封装的成本 没有 AI 时，SDK 通常是一项合理的权衡。它替开发者处理认证、分页、重试和类型转换，把复杂的 API 包装…
Long-running Agent 并不一直运行
我们通常把“长期运行”理解为一个进程长期存活。数据库、消息队列和 Web 服务启动以后，会持续占用内存、监听请求，直到进程退出。按照这种直觉，一个 Long-running Agent 似乎也应该是某个一直在线、始终思考的模型实例。 Age…
什么是端到端交付
客户很少会把一个整理好的任务交到你手上。 他不会说：“请分析线索质量和销售转化流程，找出成交率低的原因，再提出改进方案。” 他更可能只说： “最近线索不少，但就是卖不动。” 这句话没有明确的输入，没有验收标准，甚至未必指出了真正的问题。 原…
贵了十倍，我为什么还是选了 Haiku
最近，我需要为一个上下文释义功能选择模型。用户点选英文单词后，系统要结合它所在的句子和段落，只返回一个 1～8 个汉字的中文释义。 任务看起来很轻，真正测试时却不简单。技术语境里的 应该译成“竞态条件”，而不是“竞争”；消息系统里的 也不能…
我是 Agent 的导盲犬
Agent 不是我的导盲犬。恰恰相反，它更像一个能力惊人、行动迅速，却看不见现实的盲人。而我，是它的导盲犬。 它可以在几分钟内读完一个代码库，搜索成百上千份资料，写出程序，操作浏览器，把一个模糊的要求拆成几十个步骤并连续执行。它不会累，也很…
信息和知识的区别
同一个标签，不同的问题 打开 X 搜索 AI memory，会看到许多看似相关的讨论。有人关心上下文窗口中的信息保留，把 memory 理解为当前任务的工作记忆；有人讨论跨会话或跨项目的长期记忆；有人关注 Agent 能否记住用户偏好；还有…
别在图的生长阶段，就急着树化
编程语言里的字符串，起初看起来几乎不值得设计。它不就是一串字符吗？把字符连续存进内存，再提供长度、拼接和下标访问，事情似乎就结束了。 C 语言里的字符串通常是一段以零字节结尾的 数组。 计算零字节之前有多少个字节， 取出第 i 个 。只处理…
AI 已经够用了，难的是选对 Harness
前阵子，我在拆一个 HubSpot 查询需求。目标只有一句话：员工输入自然语言，就能查到自己权限范围内的数据。 听上去只要把模型和 API 接起来就行：模型能理解问题，HubSpot 也有 API。可自然语言问题最终要变成一次真实请求，中间…
AI Native，从重新设计工作开始
懂 AI 术语、消耗更多 Token，或者给每个工作流都加上 Agent，都不代表 AI Native。 AI Native 意味着看清 AI 改变了哪些成本与约束，再据此重新设计工作。目标是做出更好的结果，并为结果负责。多用 AI 本身没…
AI 编程还在等待自己的 Spring Boot
AI 编程已经跨过“模型能不能写代码”的阶段，却还没有跨过“团队怎样稳定交付”的阶段。 Prompt、Context、Memory、Tool、MCP、Sandbox、Workflow、Eval，这些零件越来越齐全。真正缺少的是一条被广泛接受…
界面正在塑造我们使用 AI 的方式
我们打开 AI，准备把一件难事交给它。输入框里先写下一句“帮我重做首页”，按下发送。它很快问回来，想要什么风格，要改哪些页面，移动端怎么处理，有没有参考网站，要不要先读代码。 这些问题都合理。麻烦在于，我们开始一条一条回答。刚答完配色，它又…
放心 push to main
“先开 branch”之所以成为开发的默认动作，是因为它依赖的条件曾经成立。Branch 本来只是给一条提交历史命名，后来逐渐承担起代码隔离、并行开发和等待审查等职责。工具和团队规范长期围绕这些职责生长，这个动作也就很少再被追问。 Codi…
学习要会调节摩擦力
很多人谈学习效率，习惯把一切都做得更快。资料最好自动整理，答案最好马上出现，遇到问题最好点一下就能解决。AI 出现以后，这种倾向更明显了。 可学习并不总是越顺越好。 有些知识需要反复调用，过程太顺，人很难留下印象。有些学习任务又夹着大量机械…
Workflow 不会消失
用户对 Agent 说：“把这篇中文文章翻成英文，然后发布。” Agent 可以读取原文、完成翻译、修改文件，也能运行构建命令。但这句话没有说明中文是否已经定稿，标题、链接和图片能不能改，检查失败后该怎样处理，以及谁有权批准发布。这些都不能…
推荐
读不过来 AI 的产出时，就让 AI 现做一个看懂就扔的“次抛软件”。