我年轻时认路很厉害，看一眼地图就能从城东穿到城西；现在有了导航，方圆十几公里都得开着导航才敢上路。用进废退，脑子这块肌肉，你不用它，它就替你退休。AI 也一样——它拓展了我们的知识边界，却在悄悄把我们的判断力外包出去。这篇讲讲我怎么"逆流而上"，让 AI 帮我加速，而不是替我思考。

一篇写给自己的私人札记，已加密。

"知识就是力量"这句话，前半截在 AI 时代快要失效了——知道一件事的成本已经降到接近零，可把知道变成做对的成本一分没降。王阳明讲知行合一，说的正是这一段落差：知不只是 What，还有 Why 和 How，而这两样只能在事上练出来。Gignac 2025 年那篇论文更给了一个意外的好消息：智商、尽责性、情绪稳定性这三样里，后两样彼此高度相关，却几乎跟智商无关——也就是说，最值钱的那块地基，跟你天赋多高没什么关系，是可以修的。

我手上就一个自建网关、一把 API key，可 Claude Code 要写进 settings.json 的 env，Codex 要写进 config.toml 加 auth.json，OpenCode 要在 opencode.json 里手搓一个 provider——同一件事写三遍，三种格式。cc-switch 把这三份配置收进一个 SQLite 当唯一数据源，托盘点一下就切。这篇讲清它是什么、为什么自建用户尤其需要它、两种接法怎么选，附上我本机三条真实链路（脱敏）和四个只有自建才会踩的坑：opencode.jsonc 会盖掉 cc-switch 的写入、网关的 /models 不是 OpenAI 形状所以自动拉模型没用、密钥两周过期后要改的地方变多了、以及 settings.json 里那个 PROXY_MANAGED 占位符是干什么的。最后是一页 cheatsheet。

接手陌生代码库，我用了很多年的仪式是画 mindmap、写 wiki——慢，但画完脑子里是有一张图的。现在最直接的提效办法看着是把仓库丢给 AI 要一份摘要，但"读过一份好摘要"和"脑子里有那张图"是两件事。这篇写我定下来的分工：AI 只负责找路，代码还是我自己读。附五个固定使用的 code reading prompt、四种防止被 AI 带偏的验证手段、怎么用 graphify 存结构和 PKB 存判断把地图沉淀下来（省得每个会话都从零 grep），以及怎么把唯一能自动化的那条验证做成 skill 的硬门槛。最后是读懂之后接 OpenSpec 的档位选择——"写代码这一步反而要降档"是最反直觉的一条。

AI 编程助手最费钱也最不靠谱的动作，是拿着一个模糊的问题在你的仓库里反复 grep。graphify 换了个思路：先用 tree-sitter 把代码解析成一张知识图谱，之后所有问题都查图，不再翻文件。这篇我在本机真装真跑了 httpx 和 FastAPI 两个仓库——12.8 秒建图、零 token、39 倍压缩是真的，中文查询查不到、一次 update 把图从 8355 撑到 25685 个节点也是真的。另外扒了它为什么用 NetworkX 而不是 Neo4j（代价是 6.5% 的边被合并掉）、graphify-out/ 那 13 个产物里只有 5 个该进 git、怎么接自己的 LLM 网关不用 Gemini key，以及和 Aider、Serena、Potpie、GraphRAG、SCIP、Repomix 五条路线的横向对比。附可直接抄的 .gitignore 和 .graphifyignore。

自从用 OpenSpec 那套 spec-driven 流程做 AI 编程，proposal.md、design.md、tasks.md、spec.md 一层套一层，我一天读的 Markdown 比代码多。写这一端有 agent 帮忙，读这一端还是 cat 加 less。所以我给 markpad 又加了几刀：在任意目录敲一个命令，起一个本地 Web，左边编辑右边预览，Mermaid 和 PlantUML 直接出图，选中一段就能流式翻译，一键出摘要加思维导图。这是六月那篇介绍的续集，不讲功能清单，讲几个当时没写清的实现决定：为什么两种图表走两条完全不同的路、为什么翻译非流式不行、本地工具的安全线画在哪，以及我拿它打开自己上一篇博客时踩到的一个洞。1657 行 Python，53 个测试，可抄。

我在自己的 wiki 上写过一篇 git tips，改了 17 版，该记不住的还是记不住。于是写了 gitman：用自然语言说想干什么，它先给出一份 git 命令计划和一条从真实 diff 里长出来的 commit message，你点头它才执行。这篇不讲“AI 真神奇”，讲的是让 LLM 碰你的仓库时必须先立起来的几道护栏——argv 白名单、三级危险分类、commit message 只能来自 snapshot、默认不联网。全部代码 942 行，5 个 commit，可抄。

我这个博客仓库有 611 篇 Markdown、791 个文档源文件，可我问 AI “我以前是怎么讲鉴权的”，它照样答不上来。存了等于没存。这篇给一套后端工程师能长期跑下去的方案：先按“AI 知道 / AI 不知道”把知识分层，再用“源文件是唯一事实源、索引全部可重建”的四层结构去存，组织上 Tree 做骨架 Graph 做补充，检索上从目录到混合检索到图检索三级递进。附可抄的目录结构、frontmatter 规范、reindex 脚本骨架、工具三档选型，和一份精选论文清单。

上下文窗口再大，也不该一次性塞满。渐进式披露的核心是：先给模型一张薄薄的"目录"，让它按需去取详情。这既是省 token 的关键手段，也是让 Agent 少犯错的结构性做法。本文用我自己写的两个 skill 讲清它的做法、最佳实践和常见陷阱。

走出舒适区，不是把过去清零。会过时的技术、工具和招式要敢换；能迁移的判断力、原则和方法，则要在变化中不断磨炼。换术而不丢道，才走得远。

电话没有消失，而是从呼叫中心唯一的入口变成了 Contact Center 众多渠道中的一个。本文从 SIP、VoIP 和 IVR 出发，拆解 Contact Center 的技术栈、生态、主要厂商、经典应用和公开案例，再讨论 AI 会怎样改造这套系统。

DeepSeek 开源了自己的 agent harness（dsh），主打一句话——"一切皆插件"。它跟别家的 agent 框架不一样的地方不在功能多寡，而在架构范式：模型、工具、技能、会话、沙箱、存储、循环、调度、界面全是插件，连"主循环"本身都能被换掉，没有一个特权核心可以打补丁。本文从一个老程序员被"特权核心"坑过的角度，讲清楚这件事为什么值得关注，以及它的代价在哪。

从大模型的幻觉和不确定性说起，聊聊把产线运维交给 AI 到底放不放心。我的答案是：脚本、监控、告警、扩容、部署都能交给 AI，但判断和决策必须留给人；而且确定性动作让 AI 写完脚本就该退出，用确定性代码去跑，别让概率模型实时掺和。初级运维岗会缩，踩过坑的资深运维反而更值钱。文末给一张"哪些能交、哪些不能交"的清单。

中台这几年在很多公司里越来越尴尬：不直接赚钱、效率难衡量、自研的还没开源的好用，团队士气低落。但中台没落不是模式失败，是定位错了——它被当成了 KPI 和权力中心，忘了自己本该是让业务跑得更快的“铺路队”。AI 时代要活下去，中台得回归平台工程的本分：精兵简政、当产品不当收费站、把采用率当唯一裁判。

最近我遇事总是急躁，家人戏说我进了更年期。禅宗、哲学、修身养性的书没少读，怎么年纪越大越沉不住气？想了一圈明白了：情绪稳定不是修养问题，是结构问题——睡不好、事多嘴杂、边界没设、上下文频繁切换，人就自然会炸。与其苛责自己定力不够，不如去改那些让你容易炸的结构。

当性能卡在延迟上、当可靠性被跨国网络拖垮、当突发流量把源站压垮时，边缘节点常常是那个"离用户最近、最稳、最快"的解法。这篇从我做音视频就近接入的经历讲起，理清边缘节点到底适合哪些场景、有哪些经典案例、落地时怎么做、又容易踩哪些坑——核心是一句：边缘换来的是延迟和稳定，代价是一致性和运维复杂度，时间和空间从来不可兼得。

Pi 的 README 里有一节 Philosophy，通篇是"不做什么"：不做 MCP、不做 sub-agent、不做权限弹窗、不做 plan mode、不做内置 todo。但把仓库翻一遍会发现，这些被拒绝的功能全都以示例扩展的形式躺在 examples/ 目录里。这篇结合代码和数据讲清一件事：Pi 的克制不是靠作者意志力，是靠三个支点撑住的——按 token 而不是按行数度量"最小"、用扩展点给需求留泄压阀、以及一套敢说不的治理。文末给一个把 Pi 当 Agent 引擎嵌入自己项目的完整实例：代码库合规巡检 agent，含只读工具收敛、自定义工具落库、事件流审计。

AI 既让学习成本大跌，也在实验里测出了能力退化，这两件事同时为真。差别不在用不用 AI，而在“生成答案的那一步”发生在谁的脑子里。文中列了会变笨的六种做法、会变聪明的六种做法，三条不靠感觉的自测线（费曼测试、挑毛病测试、一个月回测），以及一个反问：AI 做的我都得懂吗？答案是不必——荀子说“假舟楫者，非能水也”，关键是把活分成必须会做、必须能判断、可以不懂三层，判据是“错了会怎样”。

OpenCode 把 Go 写的 TUI 换成了 TypeScript，同一年 OpenAI 把 Codex CLI 从 TypeScript 换成了 Rust——两个团队方向正好相反。我的判断是：TS 赢的是 Agent 与工具这一层，Python 在模型层一寸没让。这篇结合 OpenCode 源码讲清四条真实原因、TS 的四个失分点，以及给老程序员的一条学习路径和一份实测过的陷阱清单。