最近的感想： 无论是创业选择partnership（包活婚姻合伙人），还是事业初期选择共创客户，真正值得看的不是签了什么合同，而是谁承担了不可逆成本、失败时谁付代价。 如果你的公司/合伙人一直在用嘴和饼来代替代价，那就是最真实的远离信号。

关于美股和最近的 SpaceX，在这种 FOMO 的市场我的本能都是远离 事实上，自从月初预警之后，我已经在慢慢减仓了 哪怕赚少一点，也不想凑热闹走刀尖

已经可以换GLM 5.2了lol

Taking DealAgent to bigger world!

真的不能编辑 posts，views 必暴跌，不如删了重发hhh

入职了 @virtuals_io ，多了一个身份：AI x Web3 领域的 ecosystem 建设者。 做 AI Agents 的朋友，如果你在寻找增长、发射、生态位置，欢迎随时 DM 我。 其实对我这种社恐 I 人（致力于逃避 2 人以上社交活动）来说，这份工作非常具有挑战。但我想，迎难而上，本来就是一件很酷的事情。 顺便总结最近同时推进的几条线： - 企业 AI 转型 / workflow system，贪婪地挖掘行业与客户需求中，现在被迫需要抽象行业共性，思考产品形态 - AI 教育和培训，有正在筹备中的线下营 - 入围红杉中国线下孵化营，继续打磨 @DealAgentX 定位与形态 - 个人 Agents 和知识库的重度使用与优化 前段时间刚结束 10 天高强度 FDE，又连续 3 天基本没沾过床，在飞机、火车、的士上抓住一切机会补觉。 心流吗？可能也有点“身流”：身体被现实推着跑，脑子越来越清楚几条线正在交汇。 AI-Native、企业 AI 转型、AI x Web3、教育与社区，指向同一个问题：AI 时代的工作方式和组织方式会怎么革命“旧商业”，教育又将如何触达人心 未来会怎样，我不知道。或许现在做的一切都是无用功。 但又如何呢？尽力做过便无悔

Addy’s piece on Loop Engineering is excellent. But I think the term is easy to flatten into: “let the agent run automatically.” That misses the point. Loop Engineering is not automation. It is system design. The old workflow was: prompt → output → prompt → output The human stayed inside the loop, steering every step. The new leverage is different: design the loop once, then let the system handle the repetitive steering. A useful agent loop needs four things: 1. feedback 2. verifier 3. memory 4. state Without them, you don’t have a loop. You have repeated generation. Verifier is the part most people skip. A model grading its own work is structurally weak. Better pattern: generator does the work verifier checks the artifact human owns the final judgment “Done” should not mean “the agent said so.” Memory is not chat history. Useful memory looks more like: fail → investigate → verify → distill → consult If a failure does not become a rule the next run can use, it did not compound. It just became another note. Afterall, the goal of Loop Engineer is not to remove human judgment. It is to stop wasting human judgment on repetitive steering.

只要模型能力差距可以通过蒸馏、开源、迁移和用户绕行被压缩，那么长期 moat 就必不可能是“谁暂时拥有某个模型”，而在分发、工作流嵌入、数据闭环、可靠性、合规交付等环节

今天在大理 NCC 社区做了一个实验：用 Hermes Agent 准备了一场关于 Hermes Agent 的分享。 不是写个 prompt 完事，而是全程用 Telegram 对话完成(Chat-First！💬)：建工作区、拆大纲、写 slides、生成 .pptx、写分发策略、push GitHub。 甚至还写了这个从零开始搭建 Hermes 的喂饭教程。 整个过程中，我负责边审核监督边吃西瓜喝可乐，它负责全程执行。 最终花了 4 小时完成任务 完整工作区已公开：github.com/swen-chan/hermes-… 里面有 6 个分流程 md 文件 slides Demo 视频（全流程录屏）

同感，市场对 NV 的估值折价，核心不是短期 hyperscaler Capex 能撑多久，更像是“优秀到难以继续更优秀”的预期天花板问题

Loop Engineering 真正的重点是： 1. 环境能不能给反馈 2. 有没有独立 verifier 3. 失败能不能沉淀成下次会用的 memory 没有这三件事，loop 只会是自动化地制造 "slop"

之前研究 Hermes 的 token 优化，一直在找各种 credits 和便宜 API，一度让Hermes到处全网薅免费token。 但现在发现这种玩法非常临时且模型能力一般。🤡 今天@brucexu_eth 老师提醒之后，先把 ChatGPT Plus 里自带的 Codex 额度接进 Hermes 用了起来。 毕竟我本来就订阅了 Plus，Codex 额度之前只用于开发，没有用满。 现在刚好拿来跑定制 Agent 工作流。 如果之后 plus 给的额度不够用了，再上 Pro。 至于极端情况，比如飞机、高铁、断网，我也装好了Qwen 3.5 本地模型，用于应急，确保 Agent 一直在线 这个方案要比天天发愁 credits 稳多了。也能少花很多冤枉钱💰🥲 保护精力，focus 重要的事情😈

最近线下聊了很多企业 AI 转型的客户，也深入碰了一些真实业务需求，比如线上营、私域运营、销售跟进、运营协作这些很细的场景。 我最大的感受是： 很多时候，不是客户不想用 AI。 是我们太急着让客户接受 AI，太急着证明 AI 很牛，反而没有认真理解对方的业务到底是怎么运转的。 但真正的业务往往藏在很小的细节里。 表格怎么传。 活动怎么跟。 客户为什么流失。 运营动作为什么没人执行。 老板为什么不愿意放权；大家为什么不配合。 这些东西看起来很土、很碎、很不“AI Native”。 但你如果没有俯下身子看这些东西，就没有资格谈 AI 转型。 AI 转型不是把 AI 塞进业务里。 是先把业务看懂，再从客户导向判断 AI 到底该不该进来，进到哪里，替谁省力，帮谁多赚一点钱。 这段时间我也越来越觉得： business 能走多远，相比于技术能力，更取决于你是不是真的愿意用心做事，愿意站在客户的位置，把那些脏活、细活、没人愿意理解的活先搞明白。

可以说，AI 基建资本开支已经从“技术叙事”进入“融资与资金结构压力”阶段。 在模型收入离追上 capex 还遥遥无期的情况下，Hyperscaler、A社O社都要融资，需要持续抽几千亿血来刷“卡”充值AI信仰。 AI 算力扩张需要持续大规模融资，市场可能在“杀估值”和“估值修复”之间反复波动。 但行业内还有人觉得“钱从天降”

美好的一天在 hermes 鼓励师的总结中结束👌