公众号文章 / ARTICLES
方法、判断与持续展开的思考 · 20 项内容
都在骂AI垃圾内容，我觉得骂错了对象
劣币驱逐良币的根在流量算法，不在AI。封了AI，劣币换个皮还会回来。
我做3天，他拍2分钟
1 我做3天，他拍2分钟 朋友发来一条视频，标题写着"Codex太强了"。 点开一看，手机怼脸拍的，一镜到底。画面灰，背景里衣服杂物堆了一沙发。博主说话带着口癖，全程大意就是"这个工具很强，可以写文章可以剪视频…
AI不会判断
AI写文章差的不是文笔，是判断力。它是一个脑子里装了全部知识的老学究，但什么叫好文章，只能人来定。
试了半年Claude和GPT-5，我摊牌了，都不好用
同一个AI模型，在网页端只会聊天，在桌面端能改文件，在IDE里能读整个仓库。模型的差距是马力，但决定你能不能到目的地的，是你有没有一副好马具。读完你会重新理解你和AI的关系。
你还在问 AI 问题，别人已经让它交付项目了
很多人用 AI，只是打开网页问问题。真正的差距，是有没有让 AI 进入文件、流程和项目，替你把事往前推。
手机远程操控电脑，折腾的时代结束了
三个月前用手机遥控电脑要搭代理接API调模型，一个周末才跑通。今天扫码说话就行。能力的门槛自己降下来了。
同一个模型，换个入口就像换了能力
大模型强不强，不能只看模型名。同一个模型在网页端聊天、在命令行里改文件、在 IDE 里读仓库、在 API 里接进产品，呈现出来的能力感可能完全不同。
AI不好用？先看你是不是还停在第一层
AI 的差别不只在模型，也在你把它用到了哪一层。
你用了这么久 AI，为什么还是自己最忙？
别只让 AI 陪你聊天。先看它能不能参与一件事。
GPT-5.5 Instant 网页版实测五场景，它不是更聪明了，是变低调了
五个真实场景测了一遍 GPT-5.5 Instant 网页版：逻辑推理、中文写作、办公整理、多模态生成、抗幻觉。它没有变聪明，它变低调了。
公众号配图别再抽卡了，我用 Codex 搭了一条流水线
我用林知夏游记做了一次实操：先在 Obsidian 整理正文和素材，再让 Codex 拆镜头、写提示词，最后交给 image2.0 批量出图。
五一第一天，我从杭州飞去成都见一个老朋友
五一第一天，早起、赶飞机、见朋友、去宽窄巷子吹风，在小巷茶馆坐到太阳偏西，再去玉林串串吃饭。
image2.0 林知夏项目，双公众号文章提纲
第一篇为林知夏第一人称五一成都游记，第二篇为 image2.0 测评和 Codex 工作流拆解。
Skill 写了总跑偏？先让 NotebookLM 理资料，再回 Claude Code 跑真任务
我把旧稿、删掉的标题、审校清单和失败输出一起喂给 NotebookLM，再回 Claude Code 跑真任务。Skill 真正有用的地方，不是把文件写满，而是把规则从失败里逼出来。
想要3句话，AI写出2000字。大模型越强，怎么反而越容易出错？
让Claude帮我整理笔记，它把整个知识库重构了。让它写个总结，它写成了学术论文。这不是AI不好，是它"太好"了。模型越强，越需要边界。
AI写公众号不好用？核心是缺”判断”。我的4个压箱底写作SOP开源
AI写文章30秒就能出1800字，但什么都对就是不知道说啥。问题在哪？缺判断。我把自己的4个写作动作开源：定问题、选材料、定结构、做校验。每一步都要问：这是我想清楚的，还是AI顺手给的？
模型年年换，真正让AI稳定工作的其实是你的规则文件
提示词解决一次生成的问题，规则文件解决长期复用的问题。这篇文章从搭建 AI 写作 Skills 的经验出发，讨论怎么把你自己的标准变成一套 AI 每次都会加载的规则。
给大模型加上硬约束，AI工作流才能稳定进入真实生产
一条公众号链接自动入库，真正起作用的是背后的规则、流程和校验，不只是模型能力。
写公众号别急着让AI动笔，真正稀缺的是作者自己的判断权
这篇稿子讨论公众号文章的成稿逻辑：题目要先变成读者关心的问题，材料要经过取舍，结构要负责带路，最后还要用校验把空话、顺话和借来的判断清出去。
Karpathy的三层知识库，真正值钱的不是存资料而是养判断
很多人都在抄 Karpathy 的 LLM Wiki，但真正值钱的不是 Raw、Wiki、Schema 这三个名字，而是中间那层能替 AI 存判断、养判断的记忆。