在想的事情都围绕同一个问题：AI 时代，一个人怎么更好地学习、获取信息、拥有属于自己的 Agent。
以下项目均为个人发起、独立完成。点开条目查看详情与可交互 demo。
读难书卡住时，让 AI 针对阻碍改造书本身的阅读器。
读难书时总有这种时刻：卡在某一段，自己也说不清是哪里卡住，只是知道读不下去。
划线、做笔记、查资料，流程很重，且每次都得从零开始解释「我在读什么」。所以我做了 ReadTailor App。
它通过对话识别你在阅读中真正的阻碍，并针对性地改造书本身——生成章节导读、在晦涩处插入批注、可视化论述脉络，这些只是常见形态，具体怎么改，取决于阻碍本身。
唤起 AI 只需要长按屏幕，它自动知道你在读哪一页、哪一章、哪本书，不用划线、不用复制、不用解释"我在读什么"，直接问就行。
这个项目的重点是降低阅读中向 AI 求助的启动成本——把一次打断式的提问，变成嵌入阅读流程的辅助。
拒绝 Math.random() 的六爻起卦——随机性来自真实的硬币物理。
六爻起卦需要摇三枚铜钱六次，我不想随身带硬币，但也不接受用 Math.random() 糊弄过去。所以我做了一个网页版。
核心是一套模拟硬币翻滚的物理引擎：真实的初速度、旋转、空气阻力、落地反弹，让随机性来自物理过程本身。下面这个就是引擎本身，点一下试试。
装卦的部分按传统规则严格实现。起卦完成后，接入 AI 对卦象进行解读——本卦、变卦、动爻、用神，都由 AI 结合传统断卦逻辑给出分析。
在一杯杯记录与反馈里学会手冲的陪学 PWA。
做它不是为了记录咖啡，是为了学会手冲——在一杯一杯的记录与反馈里学。
学手冲卡在一个地方：教程看了很多，冲出来还是不稳定。因为学习需要反馈闭环，而咖啡给你的反馈只有一句模糊的「不好喝」——它不是可操作的信息。
所以每一杯都记下配方和六维口感（酸、甜、苦、干净、醇厚、余韵），AI 复盘时遵守单变量原则——每次只准调一个变量。同时改研磨、水温、注水，下一杯变好了你也不知道该感谢谁；一次只动一个，每杯咖啡才是一次受控实验。
为了不用真的浪费豆子试错，我又写了一个萃取模拟器：调整先在模型里预演，看六维口感怎么变，每个变量为什么起作用都有原理讲解。日记里的复盘建议可以一键送进模拟器做 A/B 实验。下面嵌的就是它，拖一下试试。
柔和的酸，饱满的焦糖甜，几乎不苦。醇厚度中等，干净、持久的甜收尾。
一些散乱的思考碎片，未成型，希望能在未来有新的看法。
市面上有很多信息聚合订阅软件，但对我来说都不太成立。首先，我其实并不清楚自己具体需要哪些信息，能给的只有一些泛泛的词：AI 硬件、个人 Agent、脑机接口……
其次是数据源。如果只是微博、小红书、X 这类大众平台，它能做的只有帮我省时间——该刷到的我自己也能刷到，真正重要的信息就算不刷也会从别的路径知道。而且这类平台本身不是一手信息源，经过不知多少手的消化，再让 AI 消化一遍，失真会很大。所以这类软件真正有价值的地方只有一个：足够高质量的数据源。
筛选这一步，它们往往靠 AI。但 AI 很难判断用户真正需要什么，除非用户付出很高的成本去驯养它——那还不如推送算法。我实际上需要的，是内心想关注、日常却不怎么关注的信息。问题是这类信息我读不太懂，也难判断质量，最后的感觉就是产品只给我推了一堆看似高大上的科技、商业文章；而出于惰性，我很难对一篇基本看不明白的文章提起兴趣。最好能加上 AI 解答，帮用户先建立起对那个领域的初步直觉。
话题放大一点：我们平常怎么获取信息？基本都在信息流里，至少对我来说，除了解决问题，很少主动搜索。再想想知识类博主是怎么做的：拿到高质量的信息，再用一种让观众感兴趣的方式讲出来——或者说，信息本身不用足够好，只要让观众觉得足够好就行。很多软件连第一点都做不好，更别说第二点，而第二点或许恰恰重要：「什么样的信息能帮到用户」和「什么样的信息能让用户想点开」，不是同一个问题。
设想一个形态：平台上全是一手信息，没有 UGC，推送靠推荐算法，还带 AI 解答。怎么感觉这么熟悉——今日头条？只是它的内容质量太差了。但推荐算法和这类产品或许天生冲突：算法的引力和用户的成长需求是拧着的，信息流最后都会变成质量没那么高、但能满足多巴胺的样子。想来想去，这是一件很反人性的事。
最近在纠结的一件事：怎么才能给一个网站、一个产品好的设计。我之前的网页粗看花哨，实际上只是华丽元素的堆叠，看多了就视觉疲劳。
后来我理出了一个顺序：首先，你得知道你想表达的内容本身是什么——在这个场景下，就是你的产品本身；其次，你得知道表达的目的是什么——向谁表达？要给对方什么感觉、让对方做出什么动作？然后，才轮到根据内容和目的，对侧重点、风格、形式、交互、文案这些细节一个个打磨。
但我在这方面是个半吊子，只能凭所谓的感觉来。而恰巧，你很难知道什么是对的，但你能轻易察觉出不对劲的地方。所以只能一次又一次地去尝试。太折磨了。
我一直认为很多岗位无法被完全取代，因为真正有价值的部分不是执行或者生成，而是判断。
比如设计。设计不是单纯的视觉生产，而是把商业目标、品牌性格、用户感受和传播场景翻译成视觉语言。AI 当然可以快速生成一张精美的海报、一个网页，甚至一段视频，但你总得知道想给用户传达什么感觉、品牌的调性是什么、这个设计在商业中承担什么任务；知道了这些，你还得知道用什么样的设计语言才能把它们传达出去——然后才能告诉 AI，让它生成在每一个细节上都符合需求的产物。否则就只是有其华而无其实：表面好看，但缺少准确的表达。
AI 可以达到众数，让平庸的产物成批、快速地出现，但它无法天然做到极致。知道自己想表达什么，以及要用什么形式表达出来——这很重要。
最近一直在思考，如何借用 AI 让大家都能更好地学习知识——或者说，重新获得获取知识的乐趣。
以前我们获取和学习知识，主要通过老师、自媒体或者书籍。但这些传统方式有一个共同的问题：它们无法根据个人的情况做适配。毕竟每个人的情况都五花八门，学习方式和知识背景各不相同。
所以我希望能做出一个东西，让学习知识不再是一种负担和困难，而是一种乐趣。
我一直觉得，未来每个人应该只有一个 Agent，而不是像现在这样，每个产品里都塞一个互不相通的 AI 助手。它可以接到不同的平台和硬件上，但它的记忆、它的人格，应该始终属于我自己。
现在的碎片化其实不是技术做不到，而是每个平台都想把用户数据留在自己手里。所以我做个人 AI 产品时最关心的就是这个：AI 不应该只是某个产品里的一个功能入口，它应该慢慢变成属于用户自己的东西。
接着上一条想：Agent 要真的成为一个人的延伸，前提是它能用上我自己的数据。但这些数据现在散落在几十个平台里，说是我的数据，其实是平台的资产。这件事不解决，Agent 做得再聪明，天花板也很低。
所以我关注的不只是模型能力，还有数据授权、上下文所有权这些更底层的事——不然我们不是拥有自己的 Agent，只是在租用它。
手机是为「人主动去操作信息」设计的，但和 AI 交互，其实用不着这么重的设备。我猜下一代硬件会更轻、更贴身，甚至不再是「一个设备」，而是分布在身边的好几个节点。屏幕不会消失，但会从中心退到边缘。
我对这件事感兴趣，倒不是想做一个新设备，而是想重新想清楚：和 AI 交互时，输入是什么、输出是什么，它什么时候该出现、什么时候不该打断你。
我不用工具清单介绍自己。具体用什么，看简历。我擅长的是从一个模糊的产品想法走到可以被使用的东西——这中间通常需要：
在有共识的小团队里，我可以同时承担产品判断和工程交付——这两件事本来就不该被切开。
问题不必都来自我自己的兴趣，但我需要知道它为什么重要，以及当前方案为什么值得做。