每日复盘｜2026-09-01

今天白天主要的事情就是研究院新生报到。上午，合照、迎新典礼；下午，开学第一课，讲讲注意事项。

选课时发生了一些事情，导致我必须选择所有选修课。这很明显是两遍教务系统的问题，但我也没办法。

总体来说，还是像往常一样的开学典礼，没什么好说的。

接着，我梳理一下今天其他时间做了什么。

先说说吃的。晚上，跟室友吃蹄花。分量非常大，肥而不腻，价格比南京低很多。不过，之后这种菜尽量少吃，脂肪含量确实非常高。

今天看了一个github仓库，

🔖 https://github.com/datawhalechina/Agent-Learning-Hub

虽然之前看过很多相关的教程，但还没有付诸真正的行动。所以，趁着这个机会。我打算把之前没有完成的任务重新开始。

本次学习的重点，是agent是什么、包含什么东西，以及agent与workflow的区别在哪里。简单来说，workflow是由完全固定的节点组成的，每一步都必须调用固定的LLM或者工具，而agent每一步都是自主进行，由LLM进行输出和调用工具。

一个agent需要三个关键组成部分：

模型，负责推理和决策；工具，调用外部函数或者API接口，让agent能够做出对应的决策；指令，告诉agent什么能做，什么不能做。

具体摘抄的笔记如下：

⚠️ [暂不支持的内容块]

看了《生成式软件工程》课程的第二节，提示词工程。

现代 Prompt Engineering 本质上已经变成 Context Engineering；而 Context Engineering 最重要的工作，是把正确的信息、约束和验证机制放进模型上下文，让 AI 在一个尽可能明确、可验证的空间里工作。

对于一个agent来说，它的上下文远远不止用户在聊天框或终端中输入的话，而包括相当多的系统信息、环境信息、skills，用户信息，等等

System Prompt
    ↓
全局 AGENTS.md
    ↓
项目级 AGENTS.md
    ↓
Skill 索引
    ↓
按需加载的 Skill
    ↓
Tool definitions
    ↓
环境信息
    ↓
之前的对话
    ↓
之前的工具调用
    ↓
工具返回结果
    ↓
你的 User Prompt

第二，目前模型已经不需要传统的提示词工程，就是说，在提示词中主动让模型去扮演什么角色，这本质上是hack 模型的 attention。

现代模型下，不必大量堆叠“你是某某专家”式提示，而应该把明确的要求和 verifier 放进上下文。

关键在于，怎样把问题结构化到 AI 不容易理解错。

什么是一个好的prompt？

1. Goal
   我要什么？

2. Constraints
   有什么边界？

3. Context
   你需要知道什么？

4. Verifier
   什么叫完成？

如：

目标：
做个人学术主页。

风格：
克制、简洁、类似真实终端，不要典型 AI landing page 风格。

结构：
首页、论文、项目、联系方式。

实现：
真实 terminal interaction。

视觉约束：
字体稍微具有打字机的不完美感；
不要 glassmorphism；
不要渐变 hero；
不要大面积圆角卡片。

验证：
逐页截图并检查这些视觉约束是否满足。

第三，如何高效使用AI

提出费曼学习法。

第一阶段：

text

AI = 老师
你 = 学生

先让 AI 解释。

第二阶段：

text

你 = 老师
AI = 学生

然后你对 AI 讲：

“你假装什么都不知道，我给你讲这个概念。如果我的逻辑有错、遗漏或者跳步，指出来。”

这样：

text

AI讲给你
↓
你理解
↓
你再讲给AI
↓
AI挑战你的理解

第一阶段：

text

AI = 老师
你 = 学生

先让 AI 解释。

第二阶段：

text

你 = 老师
AI = 学生

然后你对 AI 讲：

“你假装什么都不知道，我给你讲这个概念。如果我的逻辑有错、遗漏或者跳步，指出来。”

这样：

text

AI讲给你
↓
你理解
↓
你再讲给AI
↓
AI挑战你的理解

第四，thought chain

模型不会一次就完美生成，而是会先选择方案、检查约束、失败、修改，再检查。

Context 是一种竞争 Attention 的资源。

所以，规则不是越多越好

第五，关于增量学习

如果你学《计算机系统基础》，AI 不应该假设你什么都懂，也不应该完全不知道你学到哪里。

最好让它知道：

text

我已经学过：
C语言
指针
虚拟内存基础

我还不懂：
链接
重定位
动态链接

我目前的理解是：
.cpp → compiler → executable

请从这个认知边界解释：
为什么中间还需要 linker？

这样 AI 不再：

text

从它自己的知识宇宙开始讲

而是：

text

从你的知识边界开始讲

最后，把失败蒸馏成skill

text

我尝试
↓
失败
↓
发现为什么失败
↓
修改交流方式
↓
重新尝试
↓
成功
↓
把经验沉淀下来

接着是继续阅读《纳瓦尔宝典》。

需要找到“复制边际成本为零的产品”，如书籍、媒体、电影、代码等。不过随着时代发现，这些东西也在发生变化。但这个思想的核心，是确保在你面向新的需求时，又恰好你的能力可以解决这个需求。

以自己的时薪计算价值，凡是低于这个时薪的事情就不做。

避开竞争陷阱的方法是做独一无二的自己。追随本心，努力找到利用它满足社会真实需求的切入点，利用杠杆效应扩大规模，以个人名义担起责任。