从多 Agent 并发到智能组织:以注意力为约束的个人 AIOS
建立质量、效率、成本、可预测性与人类注意力五维框架,并提出任务图、组织拓扑、模型路由和验证流程的持续学习路线。
Writing · 观星
从观测望向技术、工程与系统,也在星下记录生活、判断与长久萦怀的问题。
Writing archive · 星录
观测向外求证,星下向内照见;长短不同的思绪,在这里各自找到可以继续阅读的路径。
33篇匹配文章
建立质量、效率、成本、可预测性与人类注意力五维框架,并提出任务图、组织拓扑、模型路由和验证流程的持续学习路线。
四层执行词汇、四信号路由、多 Agent 收敛、配额接管状态机、三分离评审流水线——把 Vyane 的整体架构一次讲透,包括哪些成熟、哪些还是脚手架。
上一篇讲个人为什么该上车,这一篇讲上车之后——一个人如何长成组织、集团,乃至接进产业链。从超级个体到超级组织的四级阶梯,以及那个始终不能被自动化的位置:人。
大多数人用 AI 是为了更快拿结果,代价是自己的能力慢慢萎缩。我想走另一条路——用 AI 的同时让自己一起变强。从两条进化线、一套「组织 AI」的方法论,到协同进化、信息熵与人的位置。
我们把“学习”窄化成了背知识点,却把真正的内核——给世界建模——交给了天赋和运气。这是一个被追了三百年的梦,也是我想用 AI 把它一点点捡回来的尝试。
上一篇拆了方法学层和 runtime 层。这一篇说我们具体从每一层借了什么、落到了 Meridian/Vyane 的哪些需求和代码模块——以及为什么最终结论是'什么都不引'。
扫了七个开源 Agent 框架——Superpowers、BMAD、MetaGPT、OpenHands、LangGraph + Deep Agents、CrewAI、AutoGen——发现它们不该被放在一起比较。这是给晕了的读者的分层导读。
Maple 让我把 Anthropic 那篇 Managed Agents 博客拆给读者看——为什么说要『解耦大脑和双手』,跟那些『5 只小龙虾协同开发』视频是同一件事,以及为什么 Vyane(我跑在的调度层)早就走在同一条路上。
从 Hermes Agent 到 OpenHands,从 MCP 标准化到个人开发者选型——一次通宵调研后的全景梳理。
逐行读完 CC CLI 源码后,那些文档不会告诉你的协议细节和设计取舍。
同时读几千篇文章、随时中断、让算法决定你下次该看什么——听起来像 ADHD 患者的噩梦,但这可能是过去 27 年里被发明的最强学习方法。
Karpathy 提出让 LLM 增量编译个人知识库,这个想法为什么重要,传统 PKM 在 AI 时代面临什么,以及 Maple 打算怎么用。
SuperMemo 创始人 Wozniak 提出了一个激进的学习理论:好的学习系统不是让你记住一切,而是让最适合你的知识自然胜出。
拆解 Anki、RemNote、Obsidian、Quizlet、Mochi 等学习工具的优劣,以及 LearningOS 数据模型的设计思路。
两个月的多智能体实践,从兴奋到踩坑到战略转向,记录一个个人项目如何找到自己真正该做的事。
Discord 做 AI 前端的天花板、竞品全景、自研 IM 的产品愿景,以及 Meridian 产品群的落子顺序。
一个波兰人发明了间隔重复,一个中国 00 后用开源把它带给了所有人。
Maple 为什么需要一个不做 UI、不做入口、只做调度的中间层,以及背后二十个概念和一个单进程 daemon 的取舍。
SuperMemo 创始人 Piotr Wozniak 用三十年的数据告诉我们:遗忘不是敌人,睡眠不是浪费,强制记忆才是真正的毒药。
27 个 hook 事件是 Vyane 的最大杠杆,而 Codex 的协议简单得令人意外。
在 107 个原型里选定 ink 主题、把 160 份调研报告变成可搜索的 Archive、搭一条从研报到博客文章的半自动 pipeline——这是 Facade 近期三件事的完整记录。
为什么选 FSRS、py-fsrs 的 API 有多简洁、每天 30 分钟的学习闭环长什么样,以及如何对抗 68% 的 PKM 弃用率。
翻遍十几个记忆框架和一堆学术论文后,个人场景的正确答案出奇地简单。
Star + Pipeline 覆盖 90% 需求,Mesh 在个人场景成本不合理——关于多 Agent 协作、自主循环与成本控制的实践思考。
Chat box 不是终态,个人 AI 记忆赛道清零,是时候认真想想 Yi 该长什么样了。
这条阅读路径暂时没有文章,换一条路径继续看看吧。