理解 AI
Understanding AI把 AI 概念拆开看：记忆、Long Horizon、Skill、Harness、AI-native、World Model——它背后到底出现了什么新能力。
在全部文章中筛选并搜索这个主题 →上一篇写 ChatGPT 开始卖广告之后，我去认真看了一遍：
前几天收到一封 OpenAI 关于 ChatGPT Ads 的邮件。
前两篇走到这里，我们大概已经确认了两件事。
上一篇提到，今年发生过一次很特别的 AI 安全事故。
最近有一条新闻把我拉进了这个问题。
9 月 1 日，李飞飞创办的 World Labs 发布了新模型 Atlas。
几个月前，OpenClaw 几乎到处都能看到。
最近整理 AI-native 的时候，我顺手把这两年经常遇到的 AI 术语也梳理了一遍。
最近一次面试里，我被问到一个现在很常见的词：
连续整理了几篇 Skill 以后，我开始好奇另一个问题：
前两篇一直在研究 Skill。顺着查下去，我发现 OpenAI、Claude、Gemini 的 Agent 产品里，开始反复出现一些很像的东西：
上一篇拆了 make-photo-stamp-archive。它其实是一个很简单的 Skill：没有复杂代码，主要靠一份设计方法和 Prompt 模板，…
最近 make-photo-stamp-archive 很火。它会把普通照片处理成一种很克制很美的档案图章风格。
最近实际用 AI 做产品时，我开始注意到一个以前没有认真想过的问题。
理解 Harness Engineering 之后，一个很自然的问题是：
最近读到 OpenAI 的一篇实践文章《Harness engineering: leveraging Codex in an agent-first …
第一次接触 Skills 时，我最直接的疑问是：
AI 发展得越快，越容易让人产生一种压力：
不要再把 AI 当聊天工具用了。应该尽快转向 Codex、Claude Code、Cursor 这类 agentic tools。
前面写了一个小系列，聊普通人如何正确相信 AI。
- “基于你当下的认知，一个关键的重要的 bet 是什么”？
先分清：什么是模型能力，什么是 Agent 能力。
我最近越来越明显地感觉到一件事：
最近常常看到一个词：AI literacy。
上一篇写到杨立昆对 LLM 的质疑。
最近在理解 Yann LeCun 杨立昆。