2026-04-04 21:06:57
开启口喷时代把，本文主要分享我为什么会使用语音输入法？为什么会选择 Typeless？现在给我带来了哪些正向的反馈。
我最早使用语音输入法是在 2024 年，当时微信输入法上线了语音输入功能，那个时候的功能还相对比较简单，只要我进行输入，它就会把我想说的内容原封不动地转写出来，当时的核心要求就是准确度高。
但是我发现对语音输入的使用场景稍有限，大多数时候，都是在不方便打字的时候回复消息，或者面对相对熟悉的人时才会用，还不敢全面使用，因为总觉得对方的阅读体验可能不太好。
应该是从去年开始，随着 AI Agent 的发展，现在语音输入法也在慢慢爆火。到现在为止，之前在 Twitter 上看到，已经有几十款与语音输入相关的产品出现。对于编码和写作来说，「口喷」真的是一个非常方便的输入方式，它不需要码字，只需要表达自己的想法即可。
我在上一篇文章里提到，我最近变化就是开始深度尝试使用语音输入法。市面上的产品很多，我就不再过多赘述。今天主要是想分享一下，语音输入法是什么，我为什么要用语音输入法，以及语音输入法在现阶段给我带来了哪些正反馈。
由于我在 2024 年的时候养成了一个坏习惯，不太喜欢在记录时添加图片。文字可以相对准确地描述信息，再加上稍微做一下检索，就能够方便地找到对应的产品，所以我不想在内容中放入太多图片。
语音输入法操作是最简单的，只要打开输入法，点击语音输入按钮就可开始说了。估计我们所有人都用过，在微信聊天窗口支持语音输入，我们可以将微信的语音输入看作是最早的雏形，而现在的语音输入法发展极快，现在的输入法已经非常完善了。
现在，电脑和手机上都有很多此类产品。因为我使用的是 iOS，目前使用的是Typeless，先后用过微信输入法、豆包输入法、闪电说；不考虑其他因素，豆包语音的准确度确实比微信更高，尽管我们多次在微信输入法内群反馈，目前准确度依旧一般。
语音输入的打字效率要比文字输入更快。无论你是双拼还是五笔，应该都没有语音输入快，毕竟你还需要敲键盘，我只需要正常说话就行，而且还能自动加上标点符号，比我专业。比较惭愧的是，我到现在为止都没有习惯双拼。
它会促使我减少在表达过程中的一些陋习。虽然是语音输入，但是最终呈现的方式是文字，所以需要注意一些书面表达。类似“然后，接着，然后”这种口头习惯，一旦通过文字的形式呈现出来就会很不雅，所以在开始进行语音输入的时候，就会先有几秒钟想一下自己准备说什么。
针对长文本回复，语音输入后转文字要比文字输入后更方便调整。这个有点反常识，因为文字输入后调整看起来更快，但我自己实际用下来发现，语音转文字之后调整内容确实更快一些，这个主要场景是写日记的时候。
当然，语音输入也有一些很难解决的毛病。比如同音字很难识别出来，常见的就是“他她它”，但我想说“它”的时候就比较难，需要结合上下文才能理解，此外还有“的得地”。还有中英文混输也很难，这里面还包括拼音。若是英文，需要对单词发音相对准确；若是拼音，就需要后续直接调整。（截止2024年的使用体验）
直到我现在用到了一款叫作 Typeless 的软件，大概是从 2026 年 1 月份年后开始深度使用（设置为默认输入法）。这款软件的好处在于你不需要设置任何模型，打开就开始说，说完之后，它会对内容进行简单的处理，去掉一些错误的词汇或语气词。
**真正感受语音输入法的魅力是电脑端。**正常逻辑下，Mac 的输入法切换键是固定的快捷键，语音输入通常只是输入法中的一种模式。但 Typeless 不一样，它是一个单独的 App，授权之后可以在任意窗口通过快捷键直接调用，它不需要切换输入法，不影响当前的文本输入流，还可以实现一边说话一边打字。
这种体验非常棒，Typeless 给我的体验非常出色，我体验下来，最核心的两点优势就在于自动去语气词和实时纠错与重构。 自动去语气词是它的第一步，能让表达更准确。实时纠错与重构则更有意思，说话和打字不一样，说话时想法很快。如果我突然发现前面说错了，我可以直接跟 Typeless 说，我前面有一段说错了，你帮我纠正一下。它并不会把这句指令直接转成文字，而是会根据我的指令，直接把我前面的内容修改正确。
这就是 AI 让语音输入法变得好用的最核心原因。
当然，它也会有一些不太好的地方。比如网络要求，由于是国外的软件，它对网络环境有一定要求。我不太清楚它底层使用的是什么模型，但说完内容后，通常会有 1-2 秒的加载延迟；再比如价格较高，这个软件的费用比较贵。它早期的限额是每周 4000 字，当时为了够用，我分别在电脑和手机上各登录了一个账号。因为这两个账号的信息不互通，所以我每周相当于有 8000 字的额度。最近两周，官方把限额改成了每周 8000 字，于是我切回了一个账号。但即便如此，我发现额度仍然不够用。比如这周才到周二，我就已经说了 6000 多字，那剩下的半周该怎么办呢？
所以我在这周选择了付费。它的原价是每年 998 元，但如果你有学生证或者通过其他方式，可以拿到五折优惠。我收到的邮件显示，这个五折优惠的有效期长达 8 年。最后我花了 400 多元买了一年。我觉得这个价格对于提升效率来说是非常划算的，它让我更愿意、也更容易去进行内容输出了。
关于什么是语音输入法以及 Typeless 的一些简单介绍，这部分就 OK；因为 Typeless 是我常用核心的软件，我就不再去说别的哪些软件好，哪些软件不好了，萝卜青菜，各有所爱，感兴趣自行了解即可。
最直观的一个原因，就是我发现语音输入会让我的输出变得非常高效。我只需要负责说就可以。不需要去想我这个组织语言对不对，这个想法 OK 不 OK 等等。因为我的核心目的是为了表达我的需求，表达我的想法。
在表达我的需求和想法的时候，我不需要有太多的影响因素在。比如说打字的时候，有可能打字打不出来或者说不对；然后有可能我想到了很多很多内容，但是我打字的话就很慢。这个效率的过程我是有点难以接受的。所以我就希望以不停下来的方式一直说，这样我的注意力就不会被打断。我就可以通过语音的方式，不需要先审查自己的表达，也不需要把一句话说得是不是很漂亮。最核心的是记录和让这段内容留下来。
举一个场景，比如我在写日记的时候，以前我可能会去想，我今天大概的日记大纲要怎么写，内容要怎么写，我是不是这么写不合适，我还有哪些没想到的。但我最近写日记，可以在打开日记软件和语音输入法 Typeless 之后，从头说到尾。说完之后可能就是一千字，我能快速地把这一天回忆的内容和想法都写进去。哪怕针对一个主题去描述和书写，我也能很快地将想法呈现出来。它不需要有太多的修饰，Typeless 就会把我的想法进行整理，输出的内容几乎 90% 都能满足我的需要了。
再有一个场景，我最近在 Coding 的投入会比较多，在描述需求和想法的时候，我并没有太多地去逐一整理。我只要知道提示词的框架是怎样的，知道我的想法内容是什么，它的边界、标准、背景等信息，我就可以通过这样一套框架去描述我的需求。
打开 Coding 软件，它能自动生成文件夹，自动进行编码。我再去修饰和调整，比如样式不对、逻辑不对，我同样可以通过这种语音表达方式，很快地描述出修改内容。但如果一旦去打字，我的效率就会很慢。所以，对于效率的追求，是我在用语音输入法当中一个很核心的点。
第二个原因在于，我的普通话和英语发音中的一些单词都不够标准，但是我希望输出是准确的。如果我去打字，或者在这个过程中，我可以通过 Typeless 帮我做一些修正，让我的内容尽可能表达正确。比如 Claude Code，就是一个很常见的情况（容易识别为 Cloud Code）。打字时有些英文单词很长，我没办法快速打出来。比如谷歌的那个编码软件 Antigravity，它就很长，去记这个单词很难记。
如果用语音输入，我只需要把我大概意思正常说出来就好了，我的输入法会自动帮我进行校正，让单词变得正确，它也会让我的语言格式更加准确。这种体验是在传统的文本输入过程中所没有的。
第三个原因，是我发现语音输入法有一个功能，叫做“输入历史”，也就是进行语音输入时，所有说的话都会被记下来。
以 Typeless 为例，这些数据是存在本地的。我在电脑中写了一个 Skills 脚本，用来读取并解析本地数据，进而生成我想要的内容。目前这个 Skills 已经发布了，感兴趣的话可以去尝试一下。这个功能的价值在于帮我做了很好的语料积累。传统的文字输入，内容发出后，只存在于你和对方的聊天记录或特定的记录文档中。语音输入法则更像一个记录工具。虽然不是所有软件都有，但我用的这款可以把我所有说的话，可能是一句话，也可能只是一个词，全部记下来。
这些导出的语料对我来说非常有价值。在 AI 时代，我更重视个人原始语料的积累。把这些内容拿到后再喂给 AI，它会帮我理解我之前说过的内容。我过往的一些经历、思考和想法都会被重新翻寻出来，这非常有意思。
语音输入除了是一个更快的输入方式，它其实还在放大我原本就有的思考方式。因为它更接近我自己，更接近我真实的表达方式。它不会让我在进行记录和表达的时候被结构绑住，也不会让我去考虑太多的修辞。它能把我原本那些零散的想法先记录下来，让这些碎片变成素材。然后这些素材就自然而然地成了一种记录方式。后续我会把这些记录转化成可以复用的、属于我自己的数据资产。
很重要的一个正反馈其实是 AI 给我的。它能让我了解自己在语音输入或思考问题时，表达方式上存在哪些问题。这主要依赖于我记录下来的内容，我将这些内容提供给 AI 进行分析。
我把 Typeless 的记录导了出来。虽然这个账号导出的内容只有 300 多条，并不完整，因为早期我没发现可以设置为全部保存历史记录，而且这只是我家里的电脑，我最核心的记录其实更多分布在手机和公司的电脑上，公司那边更多是工作内容，但我今天还是把家里电脑导出的这 300 多条信息给到了 ChatGPT，让它帮我进行整理。
我问了 ChatGPT 几个问题。如：我需要了解我的表达逻辑是什么，我所关注的核心主题大概有哪些，对此有哪些建议，以及对对于我的表达方式有哪些改进建议。
在看完这份整理后的报告，发现它与我的实际情况吻合程度非常高，差不多在 90% 以上。
ChatGPT说：
1，从表达方式上看，你有几个比较稳定的特征。第一，你天然是目标导向的，表达往往不是为了抒情，而是为了推进事情，哪怕是闲聊，最后也会落到怎么做、放哪里、如何调用、怎样更高效上。第二，你很在意结论优先、重点突出，也天然反感过度冗余和形式化的罗列，所以你会反复强调减少有序列表，更多用段落把意思讲完整。第三，你习惯边说边校准，发现偏了就立刻修正，这说明我的判断并不慢，反而很快，只是很多时候快于表达本身。
2，这也恰好说明，你的表达能力其实有明显优势。 一个是抽象能力强，很多生活或工作里的小问题，你会自然上升到原则层。另一个是校准能力强，你通常知道“不对”具体不对在哪，不只是模糊地不满意。再一个是你对“有用”很敏感，知道什么信息值得长期保留，什么只是当下噪音。这类能力放在语音输入里反而更容易被看见，因为语音保留的是原始思路，而不是事后加工过的体面。
3，当然，也有值得改进的地方。最主要的一点，是你常常把思考过程说得比最终指令更长。这样做的好处是真实，坏处是容易让协作者先接住枝叶，错过主干。所以后续你更适合做一个小调整，先讲结论，再讲标准，最后补背景。 比如先说你要什么，再说做到什么算完成，最后再补充你为什么在意这个。这样不会损失你的思考密度，反而能让别人更快进入你的轨道。
4，另一点是，你可以把那些高频出现的价值判断，慢慢沉淀成固定词库，比如准确第一、结论优先、减少冗余、真正痛点、可持续、经济效应、社会效应。等这些词越来越稳定，你的表达就会更像你自己，也更容易被 AI 和记忆系统持续继承。
语音输入法给我的正反馈，已经不只是“说得更快”这么简单了。它让我更接近自己，也让我更容易看见自己。它保留了我的原始判断，也暴露了我真正重要的东西。后续要做的，就是让这种真实更早收束，更容易复用。这样，表达就不只是输出，它会慢慢变成我自己的方法论。
从这个角度看，语音输入法确实已经不只是一个输入工具。它一方面提高了我的效率，另一方面也帮我完成了语料积累、表达校准和思维复盘。在 AI 时代，这件事情的意义会越来越大。因为你留下来的每一段原始表达，未来都有可能成为理解你、辅助你、继承你思考方式的一部分。
由于 Typeless 的手机和电脑目前都不支持导出历史记录，电脑端我是用自己写的一个 Skill 来完成的，但手机端目前还不支持。我给他们提了反馈，他们给我的回复是会将此作为考虑因素之一。我也蛮期待他们后续能够优化完成，这样的话，我多个设备的信息就可以进行合并了。
还有一些习惯上的调整和变化。
在文字打字的时候，其实我们对声音以及对自己说话的语气不会有太多的感受。但语音输入的过程，会让我去理解和听到我表达的声音是否标准（特别是普通话，因为我的普通话肯定不是严格标准的）。
为了让准确度提高，我在说话的时候需要尽可能让表达更加符合上下文，更加准确。这样我在后续校验和调整的环节工作量就会降低，效果也会很好。因为打字是感受不到这个过程的，所以每一次语音输入，其实都是一次“微表达”的训练。
所以我现在会觉得，语音输入法，确实是 AI 时代非常强的工具。它让我更愿意表达，也更容易表达。更重要的是，它让我说出来的东西，不再只是飘过去的话，而是能留下来、被整理、被理解、被继续调用的内容。
题外话，前两天在一个群里看到大家对于 AI 生成的内容会有一些「争议」。其实这篇文章是我通过 Typeless 输入后得到的输出，并且我在这个基础上进行了结构和部分内容的微调，或者说进行了更符合我习惯的结构优化。但所有的内容都是语音输入的。那语音输入经过提示词（Prompt）微调之后，算不算 AI 生成的呢？我不知道，但这个事情确实没必要去过度考量和判断，因为我只需要让我的想法表达出来就好了。
2026-02-07 11:11:05
昨晚半夜包场刷闪灵，有期待，也紧张，记录一下想法。
忘了什么时候，第一次看它，我记住的全是画面级的刺激：电梯门一开，血像不要钱一样涌出来；走廊尽头两个小女孩手牵手站着；Jack把脸贴在门缝里，像某种坏掉的玩具一样咧嘴笑。那时候我把它当成一部经典恐怖片，吓人，厉害，结束。
但这次不一样。我发现最恐怖的东西并不在镜头里，而是在镜头外那层慢慢变厚的寂静里。你越看越能意识到，Overlook 酒店不是闹鬼，它更像一个把人隔离起来的容器，把时间、关系、秩序都抽空，只留下一个人和他自己相处。你以为孤独是给创作留白，结果它更像是给人性做放大。
我突然理解一个以前没太在意的细节：Jack 接这份工作时的兴奋，是很真诚的。他要的不是钱，甚至也不完全是责任感，他要的是一个自洽的理由，一个可以对自己交代的闭环。五个月的安静时间，听起来像极了成年人的幻想：只要环境合适，我就能重启；只要没人打扰，我就能把自己修好；当然，他很装，明明失业了，还说自己是老师、作家。
问题是，环境真的合适吗。
Overlook 的可怕在于它太干净了，干净到没有噪音，没有变量，没有外界的反馈。你在里面做任何情绪反应，都像对着一个巨大的空房间喊话，最后只剩回声。人在这种地方很容易进入一种错觉：不是我在变坏，是世界在针对我；不是我在失控，是别人逼我失控。
这就是我觉得它厉害的地方，它把很多恐怖片喜欢讲的超自然，换成了一个更现实、更难防的机制：熵增。
一段关系的熵增，通常不是因为谁突然出轨或背叛，而是因为沟通链路断掉了。Jack 和 Wendy 之间的链路就是断的。他们说话，但不真正交换信息。Wendy 的每一句关心，在 Jack 耳朵里都像审判；Jack 的每一句努力，在 Wendy 看来都像不稳定的前兆。两个人都在试图维持家庭系统的稳定，但用的是相反的操作。
Jack 想通过控制来稳定。越不确定，越要抓住一点确定性，比如写作，比如权威，比如我说了算。
Wendy 想通过顺从来稳定。她不是不知道问题，她只是更害怕系统崩掉，所以先忍着，先不激化，先把孩子放在背后。
这种组合在城市里太常见了。平时靠日常琐碎的噪音掩盖矛盾，上班、做饭、买菜、看电视，都是缓冲区。可一旦把人扔进 Overlook 这种隔离环境，缓冲区没了，矛盾就会直接对撞。
很多人喜欢把 Jack 的堕落解释为酒店的诱惑，但我更倾向于把它理解成一个失败者的自我叙事终于找到了舞台。你注意看，他的疯狂不是突然出现的，它是一层一层被允许的。
一开始是抱怨。抱怨工作不顺，抱怨家人不理解，抱怨自己被拖累。
然后是自怜。自怜是很危险的情绪，因为它会把责任从自己身上拿走，交给命运、交给别人、交给环境。
再往后就是合理化。合理化意味着暴力开始有了借口，控制开始有了正当性。我不是坏人，我只是需要专注。我不是想伤害你们，我只是你们不懂我。
你会发现这套路径很像很多现实里的失控，只是电影把它推到了极端。现实里不一定是斧头，也可能是冷暴力，是情绪勒索，是用沉默惩罚对方，是用我这么辛苦你还不体谅来盖住一切讨论。
Overlook 只做了一件事：它让 Jack 失去了外部校准。没有朋友，没有同事，没有社会规则，没有日常秩序。一个人的内心如果没有校准机制，就会像系统没有监控一样，错误会自我复制，最后变成灾难。
所以我一直觉得，孤独并不天然高尚。独处当然重要，但独处是能力，也是幸运，它需要边界、节奏和出口，否则它就会变成封闭系统里的自燃。 
Danny 的闪灵在我看来也很有趣。它表面上是超能力，实际上更像是孩子面对创伤时的高敏感。孩子会先感知到家里气压不对，会先闻到父母关系的火药味。大人以为自己藏得很好，其实孩子早就把一切都看在眼里，只是他没有语言去表达，只能用想象朋友、噩梦、身体反应来承载。
Tony 这个角色，我以前当作恐怖片套路，这次更像是在看一个孩子自我保护的机制。你可以把它当成 Danny 在给自己加一层缓冲：当现实太难以承受，就让另一个自己来提醒我，别进去，别靠近，快跑。
而 Wendy 的转变，是整部电影里我最心疼也最佩服的部分。很多人会觉得她一直在尖叫，很吵，但如果你站在她的视角，你会明白那种尖叫不是软弱，而是系统报警。她从一开始就处在一种长期应激里，只是她没有选择。她想维持家庭，想给孩子一个完整的家，同时又隐隐知道这个家已经有裂缝。
直到她看到那一叠打字纸：“All work and no play makes Jack a dull boy”。
那一刻太残忍了。因为它不是鬼脸，不是血海，不是突然出现的女尸，它是一种更现实的崩塌：你以为他在努力，结果他在原地打转；你以为你们是在一起熬过困难，结果你们根本不在同一条路上。他的所谓创作，只剩下一句不断重复的咒语。一个人把自己困在一个循环里，然后把这个循环当成命运。
这也是闪灵特别像现实的地方。很多灾难不是因为坏人太坏，而是因为一个普通人不断重复自己的错误，并且越来越相信自己没有错。重复本身就是一种恐怖，它意味着你失去了学习能力，失去了反馈闭环，失去了更新模型的能力。
迷宫这个意象也很妙。它既是空间上的困住，也是心理上的困住。Jack 最后不是被外力击败，而是被自己的执念困死。Danny 反而靠一个很简单的策略活下来，倒退走，把脚印抹掉。孩子不讲大道理，他只解决眼前问题。他不需要证明什么，只需要活下去。
这让我想到一个很现实的问题：成年人很多时候不是输在能力上，而是输在要赢。要赢就会要面子，要面子就会硬撑，硬撑就会拒绝反馈，拒绝反馈就会越来越封闭。最后走进自己的迷宫，还以为那是深思熟虑。
结尾那张老照片，我以前觉得是恐怖彩蛋，这次更像是一种冷冰冰的结论：你以为你是被选中的那个，其实你只是被吸纳进一个循环。Overlook 不需要创造邪恶，它只需要提供一个场景，让你把你本来就有的东西演完。暴力、控制、欲望、逃避，平时被文明压着，一旦环境允许，它们就会自然浮出来。
所以我现在很难把闪灵当成单纯的鬼故事。它更像一面镜子，照的是人如何在隔离、挫败、无反馈的状态里逐渐失控。它恐怖，是因为它不遥远。
你问我看完之后留下的是什么，我觉得是一个提醒：不要把自己的生活做成 Overlook。
给自己留独处，但也要留连接。连接不一定是社交，它可以是规律的作息，是稳定的工作流，是每周一次和朋友走路聊天，是在情绪上来之前提前做记录。人一旦开始把所有问题都关在脑子里，脑子就会开始自我说服，然后自我审判，最后自我毁灭。
我现在越来越相信，所谓理智不是天赋，而是一套外部系统。睡眠是系统，运动是系统，记录是系统，关系也是系统。你需要它们来给你做校准，减少熵增，保持闭环。没有这些，你以为自己在思考，其实只是在重复。
闪灵的恐怖不是那一斧头，也不是那片血海，而是那种你明明在家里，却越来越像一个人在荒野里的感觉。那种感觉出现的时候，很多人会选择忍，选择扛，选择再坚持一下。
但电影已经把结局演给我们看了。别等到酒店选中你。你要先选中自己，先把门打开，让风进来，让人进来，让真实的反馈进来。
本文大部分内容是借助 typeless 完成语音书写的。
2026-01-18 16:20:13
今天 (本文写自1月15日晚) 晚饭和朋友吃的，公司对面的春饼，有一段时间没吃了，上一次是某个项目close后和同事吃，一晃大半年了，该项目另一个同事说“在2025年和我至少有8个月是保持沟通”。2025年初，我的工作内容发生了较大的变化，更多的是项目形式展开，围绕的是人。
业务对我来说，没难度；我有点内向，与人交流略显「社恐」，好在逐步放开，特别是熟悉后，我很喜欢和人交流，和不同部门、不同角色甚至是不同业务线的人进行交流，分享工作心得，了解业务模式，沟通生活趣事。
晚饭后出来，我发现墙上有星空墙绘，于是拍了下来并发到「一年四季」群里，拟定主题是「马路边的星空」，它不是把星空画在了墙上，而是把星空藏在墙后面，给我的感觉是在下班路上突然撞见一个裂开的现实：边缘像水泥墙面被撕开、剥落，里面不是钢筋而是深蓝的宇宙。城市的坚硬外壳之下，藏着更广阔的世界，望你我都好。
这大概是我最近拍的较为喜欢的一张照片。
今天@千古私信我说「哇，你是闪光有灵性的博主，可别辜负了读者们」，并附上了@J.sky的文章，有些意外的惊喜，原来闪光有灵性还可以用在博客上，作为「下里巴人」的我还是第一次见到这样的描述，@J.sky 写技术博客的，居然还能这么用词；既然被提及我就去留言评论「作为一个「闪光有灵性的博主」，有点惭愧，2025年工作繁忙，很少更新，争取今年要保持一定频率更新。新年快乐！」，收到了回复「你也该更新点东西了，好久没看到你发博文了。」
挺惭愧的，我确实有很长一段时间（超过1年）没有静心码字，不知道是时间太快，还是效率太高，一切都太匆忙了。我不知道怎么办，AI 充斥着我们的生活，工作各种事情在抢夺我的注意力，家庭里各种事务需逐项处理。我是谁，我在干什么呢？
2025年3月28日，和和@大华交流，拉了三五好友持续在写字的人组了个小群叫「字里行间」，有幸能在群里遇见大家，更幸运的是每天能阅读到大家真诚的分享；我其实不太会运营社群，但字里行间的大家让我发现其实不需要运营，各自成长，各自安好，在想分享的时候来这里唠一唠就好了。如果字里行间有第二个群，一定取名为「见字如画」。
过去1年发生了很多变化，也有一些不变的事情，一起整理下吧。
我一直觉得，一个工具「有用」和「好用」之间隔着很大鸿沟。有用，是它能做事；好用，是它能融进你的生活、融进你的工作流，甚至融进你的情绪里。就像那面“马路边的星空”，我不需要每天去看宇宙，但需要偶尔被提醒：城市的外壳再硬，里面也应该留一点裂缝，留一点余白。
AI 也是这样。
ChatGPT 2022年上线后第三天我就有了账号，当时对Chat的能力很惊讶，居然可以很快的实现我想要的文案，那个时候没有搜索能力，没有文件上传解读能力，更没有现在生成视频、绘图、编码能力。还是感到很惊喜。如今的AI早也不是三年的版本了，它的升级和迭代让我逐步变得有用，甚至好用了。
我非AI科班技术出身，AI三要素算法、算力和数据我甚至无法完全参透，应用层的内容足够我消化了。@余一说的好，「技术课时不时需要补一下，用来摩擦一下脑子」；对AI的理解和运用我主要集中在三个方面：Chat、知识库 和 Agent，再加一个 Coding。重心早就从 Chat 逐步过渡到知识库，现在过渡到 Agent了。Coding 是优化自己工作流的一种方式，或者是基础能力，因为具备了这个能力，就能让AI更好用。
上面这段是我用 AI的重心变化：Chat → 知识库 → Agent，Coding 是基建（最近沉迷）。
Chat 就是借助大模型的对话界面完成工作或者获取答案，包括但不限于问答、文档处理、代码生成、图片生成、深度研究等。要用好这部分，我有两个经验：理解上下文和向LLM存储自己的记忆。
与 AI 对话需要先有输入，再有输出；这又不得不感叹一句：Token 真是个伟大的「发明」，它明确告诉我们输入和输出都应该有成本。哪怕是一句简单的问候，都应该有消耗。
我越来越接受一个事实：输入，是一种责任。你想让 AI 输出高质量，就得先把问题讲清楚。讲清楚不是长，而是颗粒度合适。颗粒度太粗，AI 就只能泛泛而谈，颗粒度太细，你自己又会陷在细节里，像把自己困在一个无限递归的 prompt 里。
而与 AI 的对话需要注重上下文的完整性，什么是完整性呢？换个角度理解，我们不能把 AI 当员工，而是当做合作伙伴。针对员工，我们的沟通方法是什么？下指令、下命令，而针对合作伙伴，我们需要进行同频的对话。只有这样，你的合作伙伴才会给你专业的建议；加上 AI 是预训练的结果，只有信息更聚焦，回答才会更符合你的需求。
我自己很经常犯的的错误是：我以为我讲清楚了，其实没有。尤其是工作里，脑子已经被各种群消息切碎了，你很难在输入的那一刻保持完整的叙事。所以我后来给自己加了一些预设：在提问之前先写三行。不是为了写得好看，而是为了把心里那团毛线扯出来一个线头出来。
我提问的 prompt 思路大概是这样： 1）我现在处于什么状态（背景）？ 2）我想要得到什么结果（目标）？ 3）我能提供什么材料（约束/输入）？ 4）还有什么需要我补充？
我发现这样提问，其实已经把自己说服了一半，AI 帮我补完另一半。
第二个是我们和AI的对话交流，一定要形成自己的风格，让AI去记住我们的这部分内容，这个在大模型里面叫做记忆。目前都有这样的能力，比如Gemini、ChatGPT 等，只有充分利用这样的能力，后续的对话才需要减少很多的解释成本，当然这里我也是有矛盾的。
一方面，我很享受被理解，一点就通，当 AI 越来越懂我们的时候，也是我们越来越方便的时候；另一方面，我也会担心这是不是另一种信息茧房？
当然我们也要重视，这样会让我们自己陷入信息茧房或者自己的框架，难以被突破。目前的解决方案就是我们用两个大模型的账号，同样的需求或者比较重要的需求，通过一个有记忆和一个没记忆的窗口（或者最近在用 alma 类chatbot应用也可）进行对话。我们拿到的结果可能是不一样的，这也是针对记忆的一种使用方法。
我后来还给这件事加了一个小原则：重要决策，至少做一次去记忆化。否则，你会越来越像你自己。这句话听起来很正确，但其实挺可怕的。因为你自己未必总是对的，我也更加需要相对中立的答案。
我们在用大模型的时候，会出现一个问题，他的回答不太能够解决我当前的需要，除了前面提到的上下文之外，还有一个是大模型的选择，哪怕是不同版本同样的大模型产品，它的不同版本对应回答的结果一定是不一样的。有的推理能力强，比如 Gemini 3.0 pro。根据我们的问题，也就是息息相关的上下文，加上大模型的选择，是我们去用好这样的一种对话方式，这是我认为比较两个重要的经验。
有的模型像理工男，逻辑扎实，但不太会照顾你的情绪；有的模型像文科生，表达漂亮，但你得帮它把结构拎出来；有的模型像老练 PM，会给你一个看起来合理的方案，但你要追问它：这方案的边界是什么？代价是什么？风险是什么？说到底，还是一样的逻辑：工具没有对错，只有匹配。
我从 2025 年下半年后开始以 Gemini 为主，一个是模型能力，另一个是 Google 生态。我可以在 Gemini 对话框针对 Google drive 某个文件或者 NotebookLM 某个知识库进行提问，效率很高了。
ChatGPT、Claude、豆包也在用，具体要看场景了。
AI 变得好用了，Coding 的发展功不可没，特别是 Claude Code。在过去的半年，我用AI Coding 实现了很多的小工具。当然它可能没有发布，更多的是解决和优化我自己当前的工作流。所以在这个当中，它更像是我们去成为一种基础设施，一种基建的能力。后面我们的工作台可能是建立在Coding的基础之上，甚至有可能每个人的工作流都不一样，它的解决方案也不同。 我很喜欢基建这个词。基建不是炫技，是为了让你以后走路更顺。
这里我的经验是，不要把Coding 当作是一个编码工具，或者是程序员的工具，它更像是我们通过自己的输入或者自己当前阶段遇到的问题与Coding 这样的工具去找到解法，让它们给我提供相对比较可行的解决方案，并且这个方案是可以跑得通的，是可以实在解决我们的问题的。如果它不能解决或者遇到的问题，我们可以继续向它进行沟通，直到这个问题被解决为止。
或者说的更通俗点：Coding 是我和世界谈判的方式。当世界不给我一个顺手的工具，我就自己做一个，哪怕是个丑陋的小脚本，只要能跑通，就有价值。编程即写作，写作是项目，编程亦如此。最近读到一段关于编程的观点，即「编程应该是一种流畅的表达形式，就像写作一样」。
这让我想起自己最近折腾的一些小东西，无论是为了解决飞书多维表格同步问题去写插件 ，还是批量处理 ePub，为 pdf 或者 MD ，本质上，我并不是为了成为一名专业的程序员，而是通过对 AI 表达我的需求，解决我的问题。
语法只是标点，项目才是故事。我们在学习写作时，肯定不会只盯着拼写、语法和标点符号死磕。学会了所有的汉字，不代表能写出一篇好文章；同样的，仅仅学会编程的语法，也不代表你能做出一个好的产品。写作的核心是讲故事，是交流想法；编程的核心，是逻辑的表达，是价值的创造。
如果你只是为了学习语法而去挑战一个个孤立的算法题，那就像是为了学写作而去背字典，枯燥且很难产生心流。这也是为什么很多人（包括曾经的我）在入门编程时容易放弃的原因，我们太在意标点符号是否正确，而忘记了我们要讲一个什么故事。
我以前也会被标准答案绑架。后来我发现，写作和编程最像的一点是：你必须允许自己先写出一版很差的东西。先跑通，后优化；先成文，后润色；先闭环，后精进。
什么是「项目」？项目是一项独特的、临时性的任务。它有三个关键要素：
同时还可以增加反馈的机制。没有反馈的项目，很难持续；没有反馈的学习，很难成长；没有反馈的生活，很难变好。所以我在做小工具的时候，会刻意给自己设计反馈点：
这些反馈很小，但它们会累积，形成一种我在掌控的感觉。那种感觉很重要，它能对抗我的焦虑。
之前在即刻分享过，为了解决「把网页变成电子书」这个需求，我和 @大华Dahua 交流并尝试了 Epubkit 插件 。这就是一个典型微行项目。在这个过程中，我们不需要从头学习电子书的编码规范，具体参数怎么用，我只需要知道工具怎么用，流程怎么跑通。在做项目的过程中遇到的问题，才是真正属于你的知识。 这种以项目为本的方法，是达到构建基建的学习方式。
现在，我们有 Cursor，有 Gemini。它们就像是全知全能的程序员，帮我们修正了所有的拼写错误和语法漏洞。这反而让项目制思维变得更加重要。当语法的门槛被 AI 抹平后，“想清楚自己要做什么” 以及 “如何用逻辑将需求串联起来” 就成了核心竞争力。
之前看到一篇文章，写到「人人都是产品经理的时代要来了，等大家都能把想法实现出来的时候，大家会深刻体会到一个道理：大部分想法都是不靠谱的。」 我很认同。因为实现变简单之后，真正稀缺的反而是：你到底要解决什么问题？你愿意为这个问题付出什么代价？这个问题对你来说真的重要吗？
AI 把门槛抹平了，但它也把自我欺骗的成本降低了。你很容易做出一堆看似很厉害、其实没闭环的东西。所以我对自己更苛刻一点：每一个小项目，都要能落在我的生活、工作里。
我们拥有的数字资产越来越多 ，处理信息的能力也需要升级。即便我们大多数人最终不会成为职业的小说家，但学会写作对沟通至关重要；同理，即便我们不以此为生，学会用代码的逻辑去思考，流畅地与机器对话，通过一个个小项目去构建自己的数字世界，这对每个人来说都是一种从不确定性中获益的能力 。
我能想到是去找一个让你感到痛苦的小问题，把它定义为一个项目，然后开始你的写作（编程～AI Coding），你会发现，解决实际问题，远比通过考试更有趣。
用好知识库的前提是，先理解我们的数据分类，一般分为三种，第一种是互联网现在公开的数据，第二种是我和某个组织或者某种方式共同产生的一部分的数据，最后是完全属于我自己的私人的数据，比如我的日记。
针对于这样的情况，我们在和AI的对话当中，只有自己或者跟自己有关的数据生产的内容才能够去帮助我们解决问题。
如果我们全用互联网现在的数据，那我们的回答可能就偏泛，以至于我们没有对我们的信息做二次加工，或者按照我们的需求去做整理。那NotebookLM其实就是这样一个非常优秀的知识库的工具。它让我们在处理内容和方式上变得非常简单，这是我2025年最深度使用的工具。
这段其实讲的是一个很朴素的道理：AI 最擅长的不是知道，而是组织。但它组织什么，取决于你喂给它什么。你喂它互联网，它给你互联网平均值；你喂它你的材料，它才可能给你你自己的洞察。
我喜欢把知识库当成一个中台而不是一个工具。工具是点状的：我用一下，解决一个问题就走。中台是系统的：我把信息沉淀进去，以后每次都能复用，还能产生新的连接，建立新的关系。
我很喜欢这种闭环感：读取 → 整理 → 输出 → 回写 → 再被读取。当你的系统能自循环时，你的精力就能从搬运解放出来，去做更有价值的事，比如判断、决策、沟通、创作。
比如，我在 YouTube 上收集了很多关于项目管理、创业、运营、商业相关的案例的视频/访谈，我可以把这些视频建在同一个知识库里面，根据这些知识库的内容去整理这些视频所对应的内容，让它们之间发现更多的联系。
我也将罗永浩的访谈全部导入到指定的知识库，在这个知识库里面，我能够去分析他访谈的对象所有的经历，通过表格、PPT 文档的形式很清晰地看出这些人的相同点和异同点。同样我也可以在这个知识库里面，针对他们进行交叉的提问，分析这些人之间有什么相同点和不同点。他们在面对同样一件事情，或者面对困难的时候，他们自己的反应是怎样的。罗永浩在这些人当中问了哪些问题，都是可以通过知识库来解决的。
我不是在存信息，而是在存关系。关系一旦出现，我就会觉得世界没那么乱了；从我想了解的信息获取关系，也是一种乐趣。
之前与同事交流知识库的作用，我的观点是「在企业组织内部，知识库不是为一线人员提供服务的，而是服务组织用来定策略的；知识库的本质是“管理工具”，而非“效率工具”」。 这句话有点反常识，但我确实这么想。
比如：公司可以借助知识库洞察销售团队的 Top 特征，将 top 的销售人员抽出来，看看他们的电话、微信聊天记录，分析沟通方法论，在对比分析其他层级的特征进行对比。
但，如果利用知识库给销售提供在线客服的工具，几乎没有太高价值；只能帮助 50 分一下的人尽可能提高平均值。因为真正的成交技巧往往是非结构化的（语气、时机、潜台词），写在文档数据里的都是大路货。 公司的核心痛点不是“让新员工不犯错”（这是底线，也是可以通过机制或者流程来保证的），而是“如何批量复制那个转化率一直都高的 Top Sales”（这是增长）。
为什么“扶持 50 分及以下的人”价值有限？因为 ROI 不划算！
那动态来看，未来知识库是不是可以作为动态服务工具，它能自动分析 Top Sales 的录音、聊天记录等信息，发现他们在谈价格前先谈了价值锚点，系统就能自动生成一个新的 SOP 推送给全员。这才算是服务组织，将 Top 的经验进行复用。
我写到这里会想起一个更大的问题：AI 时代，组织会越来越像一个系统，而不是一堆人。系统的核心不是某个岗位，而是信息流和决策链。谁能让信息流更顺，谁就能让组织更快；谁能让决策链更短，谁就能让组织更稳。
Claude Code 刚出来的时候我并没有多「喜欢」，主要是 「我不熟悉」，特别是对比 Cursor 的操作体验；中间 Claude 推出 MCP 后，我也没用起来，因为我觉得这是给开发者用的服务，而非面向「用户」。
但最近因为 Claude Skills 让我对其大为改观，我甚至开始尝试从零了解 Claude Code。比如在 X 上看到案例是：借助 Skill 实现自动将文件上传到 notebookLM 并自动输出文章，等于将NotebookLM 作为专业的知识库自动化了。
第二个很喜欢的 Skills 是「Superpowers」，它是一个完整开发工作流与技能库，在写代码前先确认项目目标，并分块设计产品及功能，最后再制定可执行的细粒度计划。对于Coding 新手来说，可以极大程度帮助我理清需求，对比之前「一句话的需求描述」更加符合「软件工程」或者「产品研发」流程。
MCP 需要开发者提供，而 Skills 是文档，是一个具象描述工作流或需求的文件而已，自己可以手搓，AI 写的我们也能看懂，安装方便，使用方便，甚至自己还能写几个符合自己需求的 skills，可玩性和实用性都大大提高了。
跑通了 NotebookLM 以后，我又有了一个新的想法，利用 NotebookLM 的能力搭建内容处理中台，比如我司是用石墨、confluence 写文档，各部门还不一样，我用 Claude Code 利用 实现了读取shimo 和confluence 的项目文档，上传至 NotebookLM，最后把我想要处理的结果保存到 confluence 或者石墨当中，这样就完成了内容生成，这样就自动完成了结项报告。
我喜欢 Skills，和人一样，各种技能的组装，就是我们的综合能力。Claude code 让这种能力外化了，或者是具象了，在组织内我们也可以把这样的 Skills 共享出来，让每个人都能调用，那效率就能成倍提升，整体的协作流程就会变得更流程啦。
未来的学习可能会发生翻天覆地的变化。所谓翻天覆地的变化是它会改变我们现有的学习方式。现在的学习，我们都是通过视频上课、考试、写作业进行检验，那未来的学习可不可以说让这件事情变得更加游戏化、有趣，甚至我们可以引入我们的世界模型的产品和能力，让学习这个事情变得可视化，互动性更好一些。我觉得是可以做到的，而且它的效率可能会更高。
一个比较微小的感受是，阅读这件事情可能会变得视听效果都很好。当我们看小说，看古诗文的时候，我们不再是一个简单的文字或者文言文，让我们去理解，而是可以通过多模态的能力，让我们去理解这句话，它具体呈现出来是一个什么样的画面、声音，而且跟我们自己所熟悉的环境、熟悉的概念做深度的结合。那是不是也可以呢？
我很期待这种变化，因为它可能会让“学习”从一种压力变成一种体验。但我也会担心：体验越丰富，人越容易上瘾；越上瘾，越难静下心来读一段慢的文字。所以最后还是会回到一个更原始的问题：我们到底在学习什么？
我大概很少会在相对公开的场合，比如说博客、社交媒体等等平台上去聊我的工作，因为每个人的工作有很大的特殊性。如果去表达这部分的内容，对别人来说也没有太大的价值。不能说某个人的职场经验在A身上可以用，但在B身上就不能用，为什么呢？因为A的背景、性格、特征，工作环境，岗位职能的要求，对B来说是没有办法完全一致的。常见的一些沟通方式、规范对接，每个公司都有自己的规范。所以我相对比较少去聊这部分的信息。再一个就是我觉得我好像没有这个能力去跟分享这块的内容，整体来说就是比较少。
2025年我发现我的工作内容方向发生变化之后，更多地和人打交道。如前言提及，我发现和人打交道的乐趣在于能从不同岗位和不同方向，他们的目标，他们的出发点，他们的专业诉求去理解他们做这些事情之后，你会发现要想在这个项目本身达成既定的目标是非常困难的。因为彼此之间可能会存在一些视角不同，比如互联网常见的产品、研发和测试，这看起来他们的大目标是项目上线，但他们的工作内容不一样，他们在这个环节当中所负责的事情也不同。在我们工作的其他项目当中，也会有类似的情况，甚至他们之间的视角可能会比产品和研发之间更加突出。作为项目的主导方来说，需要去努力解决和克服这样的困难。在这个过程中，给我的挑战其实还是蛮大的。
而我相比之前通过事情去完成某个项目去串这个项目，和现在通过人通过组织协调沟通对接，去达成项目的积极目标会更加有趣，不是在于去处理这样或者那样的矛盾，而是和人的沟通本身，让我理解到人是这个事情。这个项目达成至关重要的因素，一定不能忽略人的特殊性和人本身的价值。
我越来越相信：项目最终的瓶颈，从来不是工具，而是人。工具的问题，大多可以用时间解决；人的问题，往往要用理解、用耐心、用沟通、用制度去解决。而我过去一年最明显的变化，就是我开始更愿意把时间花在对齐上，而不是推进上。推进是把车推走；对齐是确认大家是不是在同一条路上。
对齐很慢，甚至很烦，但它能减少后续的返工。这也是一种反熵增：你在前面多花一点力气，后面就少一点混乱。（AI 上下文、记忆也是这样）
再聊一些不变的东西，不变的东西是我自己对人的乐趣发生了对记录这件事情没有任何的变化，包括记账，包括记日记，到目前为止已经写了1500多天的日记。这些日记是我非常宝贵的产出。我把它喂给了AI，让AI去分析，形成完整的报告，这是我自己了解自己的一个窗口。由于我在日记里面可以不用考虑任何的情感，不用考虑任何的人情世故，我可以随心所欲地写，随心所欲地说，这样的真实性，可能是我唯一的一点做自己的地方。
对信息的获取仍然有自己的标准，重新订阅起了RSS的工具 Inoreader，而不是为了去对抗平台的推荐算法，而是为了保留自己去看、去关注自己想关注的人，他们的动态，他们的作品，这对我来说至关重要。从对事的推理变化到对人的关注的维度之后，我觉得这个世界更加有趣了。
对新事物的好奇一直没发生变化，对AI的好奇，对 Coding的学习和尝试，都是持续在做的事情。
两周前，我买了得到笔记新出的一个录音卡片的硬件，它可以贴在手机上录下来。
我这一天跟人接触和交流的内容，包括我自己想说的话，并转成文字版，生成摘要以及概览的内容。它成为了我去收集我自己所说话话，是非常重要的信息渠道。而这些收集下来的声音，最后变成文字上传到知识库，也就是notebookLM里面之后，我能发现这样的一些信息，它们之间的关联度。
收集信息让我觉得这件事情是很有价值且必要的。因为它帮助我对抗遗忘。我每天都会写日记，现在我可以通过收集到的这些信息来回顾这一天，我说过哪些话，有什么想法。它的重要性不亚于我每天24小时装个摄像头，但是摄像头的成本很高，且没有这样的场景产品。但是录音是一个非常好的方式。那从延伸的角度来看，我们在和大模型前面提到的一点去对话。针对这样的情况，其实更多的收集，有助于我们去理解自己，了解自己，以及发现一些日常生活当中的问题。
更多的记录和创作，有助于我们更好地认识自己。我很喜欢「对抗遗忘」这四个字。人其实很脆弱，我们以为记住了，其实没有；我们以为理解了，其实只是当时情绪很强烈。等情绪退潮，一切都会变成碎片。而录音这件事的意义在于：它把碎片收集起来，再交给知识库做整理。你会慢慢看到自己行为的模式、表达的模式、情绪的模式，甚至能看到自己的盲区。
比如现在这篇文章，只有80%甚至更大的篇幅，都是通过语音记录转述的。通过语音输入法（闪电说），我可以打开之后，一直说，说完之后它就可以帮我去做记录，转成文字，这是AI时代所带来的很大的便利性。
写到这里，我想到一个画面：在一天很累的晚上，打开了语音输入法/录音开关，说了几分钟。你可能说得乱七八糟，可能重复，可能语气也不够像一篇文章；但我还是说了。这件事本身就很重要。因为表达不是为了证明我有多厉害，而是为了证明：我还活着，我还在观察，我还愿意把那些微小的感受捡起来。这对我来说比“多学一个工具”更有价值。
这么长时间没有写文章，其实不是没写，只是没有把写的内容公开出来，日记我也能写1000字的，哈哈。博客作为一个相对比较有发布门槛的平台，它的操作路径还是有成本的。如果在记录这个过程当中有一个比较大的变化，那就是我更喜欢用语音去记录自己的方式。当然，博客目前是我所有平台里首选，这也是我用RSS去订阅别人的内容出发点。一个活生生的人在更新和表达自己的时候是非常值得尊重和包容的。
下次再见 👋
2025-03-25 21:49:32
与其说是“漂泊”，不如说一直在路上。
1、深度保洁（暂时）祛魅。搬进去之后，我妈说一点都没弄干净，还有很多污垢；比如灶台的锈迹，做深度保洁的师傅说去不掉这些锈迹，但是搬过来之后晚上我妈给洗的非常干净，一点锈迹都看不见，最后还得靠我妈，这深度保洁和日常保洁区别并不大；我们这单是私单（未走平台），因为平台上的服务很多项目并不包含，比如沙发、窗帘。我们有一个贵妃椅、四座沙发和三个房间+客厅的窗帘如果单独购买，就太贵了。而私单是都会帮我做，整体对比性价比更高，不然我肯定首选日式保洁。不过我也好奇，为什么没办法做到都包含的服务，毕竟新家清洁这都是基础操作呀？
2、新家安置比搬家本身更费时间。搬家收拾东西，我们用了差不多1天，但是为了搬家我们提前打扫卫生、清洗家电差不多花了一星期时间。而且到现在为止，并没有完全搬完，因为家里还需要新购一些小物件。由于新家居住超过9年，很多东西都是难以继续使用，比如洗衣机是西门子滚筒洗衣机，京东清洗师傅说拆了以后再装回去铁定漏水，于是我选择利用国补的机会在京东上新购买了一台洗衣机，原来的洗衣机表面清洗干净后，铺上桌布当做收纳台吧。（如果可以，我一定会丢掉）
3、搬家遇上爬楼，一场体力与感动的较量。2020年搬家时从六楼下来，搬家师傅是用爬楼机器完成的，只是噪音有些大。这次又遇到需要爬楼梯的情况，虽然楼层不高，但东西比上次多了很多，装满了整整一厢车。我在蓝犀牛平台上预约了搬家服务，来了两位小哥帮忙。当我看到其中一位小哥把我那四箱沉重的书用绳子绑在腰上，双手拉着绳子两端，起步的时候差点摔倒，心里不禁有些酸楚。原计划是体验“日式搬家”，但是六公里不到花1500元搬家费，性价比着实不高。最后买了麦当劳双人套餐以表谢意。
4、出门条找保安或许更快。我办理出门条的时候是先给物业打电话，在哪里办理出门条，物业说8.30后在物业办公室可以办理，等我去了之后，物业和房东核实，得知我未交钥匙，不给我办理；后面我和房东沟通并未有此事。于是我回来找了小区的保安，保安说可以办，并给了我单子，填入搬家师傅车辆信息、我居住信息就可以了；走的时候我还和大叔说，到时帮忙说一下二单元怎么走哈；大叔说：这你就放心，我们放进来的一定会引导他们的。
5、有阳台的房子体验是真的好呀。之前的房子其实也不小，有76m²呢，但因为没有阳台，所以视觉上小了很多；这次换到三室两厅两卫，外加一个阳台，居住体验确实好了不少。噢，租房自动离开了自如，我发现直租是真香，最近两次租房都是直租，省掉的中介费拿一半来搞新房清洁、装修都绰绰有余。我们这次房价 是4600元/月，房东在中介平台报价5200，第一次看房谈的是5000，后面经过沟通谈到4600，想比上一个两居3900，整体上还算能接受，缺点就是没电梯，小区内娱乐设施相对较少，优点比较多，比如对面两个商场购物很方便，距离地铁站步行 5min 等。
6、搬家丢东西不一定是真的丢了。我们搬家的时候再卧室有一个东西丢了，我们所有人都没有影响，甚至都怀疑是不是再搬家车上掉了，后面看照片的时候发现原来在另一个包的小口袋里，找到这个包就找到了它，失而复得的心情可真好。难过的是搬家前还有好几个快递在原来驿站未取，没有收到短信或者电话提醒，而且是16号就到了，只能周末再跑一趟；有得有舍啊，上天是公平的。
7、感谢上一篇文章所有阅读、点赞、推荐、赞赏、评论的 uu 们。在评论区看到，原来不只有我一个人漂泊，但是生活是自己的，对事物态度取决于我们自己的态度，“每到一个新地方，总能遇到新的人，开启一段新的故事”。
与其说是“漂泊”，不如说一直在路上。
2025-03-20 17:30:36
现在居住的房子在即将两年期满前收到房东微信：“小陈，在吗？不好意思啊，我这边房子到期后不方便再继续出租了，提前和你说一下哈。如果有事的话晚个一两个月也可以，我倒也不是特别着急，你们看哈；这个房子我六七月份才用，你根据你们那边情况决定就好”。
嗯，我知道了，需要开始看房子，准备搬家了。
众所周知，搬家的基本流程是定需求、约看房、签约、搞卫生、搬进去等。翻看「/Documents/A_家/房屋/租房」文件夹时，已有五个地方，租房合同也有10份了，满是漂泊感；但是每到一个新地方，总能遇到新的人，新的故事，也是新的开始。
也曾想过买房子，居住可以相对“稳定”，至少不会频繁搬家，但高额的房贷和较小的居住面积显得格格不入，寸土寸金的帝都更适合租房，稍严谨一点，如果希望有山有水，面积大视野好，还得六环找啊。
找房子和相亲我理解逻辑类似？我没相过亲个，听过朋友转述。得先知道自己的需求是什么，然后对着需求去找房子，看房的时候根据自己的需求权衡对比，最终选择“适合自己的房子”，根据过去的经验，大多时候都是“妥协”，因为100%满意的房子，或者完全恰和自己需求的房子几乎难找，或者严重超预算。人也如此。
我对房子的需求也在逐步变化：如面积上从主卧（合租）到整租一居，到整租两居，到整租三居；以前书架能放进去就行，慢慢需要客厅、厨房，再慢慢需要独立的空间。也有不变的维度，屋内无太多家具，我们不喜欢看电视，重沙发，所以东西越简单越好，有基本家电就行；对周边配套和交通要求亦未发生过变化，最好出门是地铁站，过马路是菜市场。不断的变化带来的新的体验，这大概是搬家为数不多的好处。
“拥抱不确定并从中获益”是塔勒布的反脆弱性。我们最近两次搬家的体验都非常好。上一次因为自如从4200涨价到4900，我们选择搬家，上班时间从40min 到60min，整体来说还是在可接受范围，住过去之后我发现小区周边有河流、有公园，这是我非常喜欢的环境，有荷花，有夕阳，能跑步，能骑车；今天长这样 很多照片都是在这里完成的，记录过小区的春夏秋冬，也有口罩期间隔离、和小区工作人员“吵闹”的故事；难的是因为居家办公，小区三五邻居一起打球，一起运动。
延伸阅读：《记一次集中隔离》
现在居住的地方上班需 70-80min，好处是门口就是公交站，小区后面就是大运河，马路对面是菜市场，最令我满意的是新建的图书馆、博物馆和艺术馆。每逢周末，我会到图书馆看看书或者电影，发发呆，看看日落，也是一件幸事。而这些都是我到了这个小区之后才发现的，搬进来之前完全不知道。
以上种种，大概是搬家带来的些许惊喜。
有惊喜就有惊吓。2020年那次搬家，住进了小黑屋（客厅没阳光），最让人难受的是有蟑螂。这是目前唯一一次让我觉得很难受的一次搬家。后续复盘，大概率是晚上看房，加之被近地铁站一叶障目了，毕竟出门右转就是地铁站的一室一厅，确实令人激动。好在一年期满，及时抽身，搬到新的地方时，每个物品进屋都单独清洗整理，能丢的都丢了，此后再无蟑螂。
要说有漂泊感吗？确实有的，因为搬家很费神，到了新的地方需要重新熟悉，需要和物业、保安建立新的信任关系。如果没办搬家的机会，稳定也是一种选择呀，无所谓好坏，都是新的开始。
附：我一位朋友@Na张分享给我的看房经验，至今为止，依然受用。
@大华在前两天也分享了一本小册子：《城市租房指南》 ，我读完了，并且根据其内容重新排版制作了电子书。
这本小册子整体框架很不错的，特别适合没有太多租房经验的人，可以快速了解整体框架。若作者可以更加细致补充一些信息就更好了，最好能根据场景写「Checklist」，比如厨房检查清单、卧室检查清单、签合同检查清单等。
好了，以上就是租房带来的漂泊感，更像是心理路程简单整理。今日春分，意味着昼夜平分，草木萌发，百花盛开，可以出门拍拍花草呀；3月的小确幸是16号居然下雪了，算是弥补了2024年冬天北京未下雪的遗憾。
延伸阅读：《2020 年，搬家记》
2025-02-07 14:08:57
DeepSeek 最近很热闹，不亚于2023年底 ChatGPT 面世的影响力。
今天和保险经纪人公司的朋友@宇子聊 AI 和保险，整理一些要点，并在基础上做简单延伸，作为记录。
我最近在体验可友健康售价 299 元/次/人的“体检定制”服务，准备试着看能够做一个类似的工具？因为我发现在问卷解读都是非常结构化的内容，比如目前是否存在某些疾病、家人是否存在某些疾病等，如果存在某种疾病就会继续问什么时候发现的、治疗方式及效果如何等更进一步的信息，此外还需要补充对应的报告、病历等信息。重点看后续与【人】对接的过程中是否有新的思路。
此外，可友也有体检报告解读的服务，等体检结束之后，再买来看看；案例来说，报告解读没什么含金量的，毕竟结论写好了，且可以直接问 AI，那可友售价 500 元/次/人的服务有什么不同呢？我不知道，保持好奇。
恰好，朋友聊到了【保险】，去年对这个新事物也有初步的了解；如前文沟通，保险的本质是合同，保险产品的条款一般是不允许修改的，所以这是结构化的，是非常标准的内容。而变量在用户端，用户投保的时候不知道自己需要什么保险，不知道这款产品具体能保什么，不能保什么，有哪些注意事项。与此同时，绝大多数（我理解）是不知道自己身体存在哪些问题的，在核保的时候“看一眼”就过去了，两者之间存在巨大的鸿沟，保险代理人/经纪人的存在就可以解决这类问题。
保险代理人/经纪人会先了解投保人（用户）的需求，比如为什么买保险、预算、家庭收支等细节，以此来匹配对应的产品，配置合适的方案；同时也需要搞清楚投保人的身体情况，通过医保记录、病历、检查报告、体检报告、吃药等情况综合判断，帮助投保人核保。核保应该是最难的，特别是针对非标体（身体存在一些情况的投保人）来说，逐一核保非常耗费精力。
沟通中得知保险产品之间同质化很严重，各种条款差异并不明显。我说恰好 AI 擅长处理这类信息，能从不同的产品库中将各种细节筛选出来，供投保人选择。无论是上面投保人需求收集、身体健康等情况整理，还是帮助用户匹配合适的产品，都可以通过 AI 非常准确、清晰地完成。曾经是保险代理人/经纪人完成的事情，现在通过某个产品设计就可以完成。
第一结论是降本增效在销售端体现的非常明显。因为借助 AI 可以直接把保险代理人/经纪人（统称销售端）人效大幅提高，曾经做一个投保人的方案可能需要1-2h，现在通过产品设计可以同时给10、20、300人实时做方案。细想一下最近大火的 DeepSeek 的推理（思考过程），你会发现思考问题解决方案的过程远超我们，且纠正的效率更高。人效提高，同时对接的投保人多了，转化率自然就上来了。
那冗余销售端的人应该去哪里呢？去后端做服务。AI 提效之前，经纪公司/保险公司只能招聘更多的销售人员完成获客、转化；一旦提效产品出现之后，销售人员前端的价值会逐步下降，后端需要提高的是服务投保人的能力。
购买保险本质上是信任游戏，不是套路游戏；现在销售端培训的话术、专业、行业等知识都会被类似 DeepSeek 这样的 AI 产品快速学习并用于产品设计，而信任不会。什么是信任？我们一起吃火锅，一起打球，一起蒸桑拿。什么是套路？“仅剩一步即可提现300元，直接打到微信钱包”、“你已经超过了99.3%的人”。
因为保险本质上需要投保人长期续费的产品，所以对销售人员的稳定性要求非常高，因为我会担心找不到对方；反过来，我发现代理人出现了优势，比如我朋友的代理人朋友（19年保险代理从业经验），他们一起打球，一起吃饭，哪怕我朋友不买保险，也会把他代理人朋友推荐给其他人。因为有感情基础，因为第一时间能想到身边人。以线上为主的经纪人恰恰相反，甚至会把那些长期没有和潜在用户建立深度联系的经纪人直接刷掉；因为毫无存在感。（你想，平时很难想起你，为啥要复购，为啥要要把你介绍给我朋友呢）。
朋友提到了个观点：如果不重服务，那就要往最简单的险种走，比如旅游险，意外险。我的理解是这对三方（投保人/保险公司/保险经纪公司）都没有意义。因为投保人的理赔服务没保障，保险公司客单价不高且没有用户忠诚度，保险经纪公司利润低，服务就更不会说有多好。
所以，第二个结论是 AI 时代下选保险产品本质上是选服务，摸得着、看得见、有信任感的服务 。初级的转化是套路，拼多多在这块非常有话语权；高级的转化是信任，买 iPhone，首选 Apple 官网/京东，这是品牌信任。当然，我并不是说需要经纪人/代理人对投保人言听计从，逢年过节送礼物之类的，而是建立更深度的联系。
再延伸一下，单纯售卖标准化的产品的商业模式很难持续下去，一定要有别人没有且是对方真的需要的东西，那是壁垒，也是核心竞争力。
保险行业的服务怎么做呢？如何借助 AI 更好的服务投保人呢？ 我不知道，感兴趣的可交流。
Ps. DeepSeek 最近很火，免费、开源、国产（无需梯子可用）、够强，朋友圈利用 DeepSeek在挣钱的也很多，我看着着实眼红，我也在想哪些是真的解决了问题的，哪些是昙花一现的事情。继续保持关注，持续学习把！
