独立开发 17 年：Listary（数百万用户）→ 现在在做 https://nitter.gq/t.co/rDwzUUQbTH（AI 文件搜索 + agent 的 context 引擎） 主业：某 stealth AI startup CTO，AI-native 的方式管理 50+ 人
Joined May 2011
- Tweets178
- Following1.1K
- Followers406
- Likes5.7K
最近一直在用一个提升决策质量的方法：和 Fable/Sol 讨论产品方向、战略、架构或脑暴时，强制让它开启一个不受主会话影响的子智能体，进行独立评估。结论的质量，往往比继续在主会话里追问高一个等级。
对话一长，上下文里就会悄悄沉淀出预设立场，智能体也难免被锚定。关键决策前，需要清空一切，另起一局。
正在读《我看见的世界》，想多说一层。
2007 年李飞飞做 ImageNet 时，还是普林斯顿的助理教授。那时 CV 圈主流还在卷算法，觉得模型不够聪明才是瓶颈。
她反过来想：婴儿能认猫，不只是因为脑子里有什么特殊算法，而是因为从出生开始就在看海量画面。机器要学会看，缺的也许不是更聪明的模型，而是足够大量的数据。
所以她去做了 ImageNet。
几年后，AlexNet 用 ImageNet 训出来，深度学习在视觉领域被真正点燃。
事后看就是"找一堆人标图、办个比赛"，谁都会做。可当时谁都没做。
“我上我也行”指的永远是事后那个数据集，从来不是当年那个认知。
Meta 花 20 亿买 Manus，Musk 给 Cursor 开了 600 亿收购选项。中文互联网最常见的反应：套壳，冲动消费。
这个判断方向性地错了。
Manus 在所有人照搬人类组织架构做 multi-agent 的时候，判断 LLM 天生是 generalist，不该 hat wearing。Cursor 判断 AI 编程的产品瓶颈在模型速度，自训模型绕不过去，然后五个月把训练链路从纯 RL 迭代到 continued pretraining + RL，做出了质量接近 Sonnet 4.5 但快数倍的 Composer。
两家共同点：认知领先行业至少一个身位，而且这个领先可以用竞品对比和技术路线验证。
yage.ai/share/manus-cursor-c…
快试试咱家的 Gety，轻松索引全盘的 pptx/docx/pdf，配合 Claude Cowork 或者 Claude Code，一步到位输出高质量成品😎 docs.gety.ai/app-guides/clau…
