Blog
关于 AI、Agent、工具设计，以及一些随想。
AI 解牌真正的风险不是它编造了什么，而是它把本该多义的解读，悄悄拉向训练数据里最常见、最不冒犯任何人的那个安全答案。它压缩的不是随机性，是解读本该拥有的方差。
编排层解决的是 Agent 之间说不说得到的问题，不是说的话有没有意义。可见不等于可懂，能传递消息、传递文件，不等于能替协作本身背书。
技术上领先，不会自动换来用量上的领先。守住第一的代价，从来不是被真正超越，是被"够接近"这件事本身架住。
用户买了 100 万积分，实际只用 20 万，剩下 80 万是利润——这句话在软件时代不痛不痒，到了 AI 这一代，变成整套商业模式唯一重要的变量。
DeepSeek 开源 Harness 这件事，拆开看至少有三层逻辑：价格杠杆、竞争维度转移，还有一个更大的赌注——想把自己变成整个行业默认拿来插东西的那层地基。
模型的幻觉能被优化，靠的是给它装上外部校验。人的幻觉没法照搬这套办法，能变的只是愿不愿意主动去核对自己。
生产级 Agent 系统不是包一层 LLM 的胶水代码。从分层架构、协议设计到状态管理和幂等性，每一个边界划错的地方最终都会变成债务。
DeepSeek 那场投资者交流真正值得讨论的，不是低价和开源，而是一家公司在算力受限时如何用愿景做决策。
