这一期多了一位嘉宾 Monica。她带来的不是一个已经整理好的结论，而是一组正在发生的问题：AI 产品怎么做 demo，跨领域转型怎么建立主线，小项目增长之后为什么反而更难启动。
她的加入改变了本期节奏。原本的三人周报，被不断追问成一场更真实的上下文补全：你们说的组织 AI 到底是什么？共享 agent 解决什么问题？一个人怎么判断自己是不是在浪费时间？
「我不是很清楚背景，所以会多问一点：这个 agent 是所有人共用的吗？它到底起什么作用？」
这些问题让很多原本只在熟人之间默认成立的东西，被重新讲清楚。一次周报会也因此变成了一个外部视角进入内部系统的接口。
摇摇从一篇旧文章讲起。文章写在信息时代刚刚展开的时候，却已经指出了一个变化：过去最稀缺的是信息，后来最稀缺的变成了高质量信息、判断力和注意力。
这像从蒸汽时代进入电力时代。基础设施越强，传输越快，拥堵也越明显。内容、观点、工具和热点不断涌来，人真正要处理的不是“有没有”，而是“值不值得”。
「现在不是信息少，而是信息太多。更稀缺的是质量，以及你能不能把注意力放到真正有价值的地方。」
这也成了本期的底色。大家后面聊 AI、读书、设计、个人项目和商业化，反复回到同一个问题：在过载里，什么东西值得被留下来？
摇摇最近在做组织内部的 AI 提效。她的判断很克制：不要一上来就幻想“系统级改造”。真正稳定的变化，往往是某些局部任务先被替代、沉淀、复用，然后流程自己长出新的形状。
她把一些重复工作拆成 agent、skill、API 和工具接口，让产品、开发和资料流转之间多一层可调度的中间层。领导想要的是整体效率，执行层真正能做的是先让局部变可靠。
「流程不是喊一声就能重构的。得先有一些事情被稳定替代，然后大家才知道哪些环节真的能改。」
这不是把 AI 当万能员工，而是把它当作新的基础设施：先在具体动作里证明价值，再慢慢进入组织的日常路径。
当 agent 开始长期参与工作，下一个问题就是记忆。个人 agent 的记忆相对简单：它记住的是我的偏好、我的资料、我的上下文。但一旦变成组织共享 agent，问题就复杂了。
谁的经验应该进入共享记忆？错误经验怎么被过滤？短期任务里的临时信息，要不要变成长久资产？一个团队如果把低质量记忆也沉淀下来，AI 只会更会犯旧错。
「共享记忆最难的不是存下来，而是筛出来。它到底沉淀谁的经验，谁来判断这条经验是好的？」
大家最后把它理解成一套分层机制：个人记忆要有边界，组织记忆要有筛选，项目记忆要跟真实产出绑定。记忆不是堆资料，而是让下一次行动少走弯路。
摇摇还提到一个很现实的难点：公司里不是所有人都会用 AI，也不是所有人都知道怎么把文档、接口和提示词变成自己的工作助手。知识库建起来，不等于它会被用起来。
真正需要设计的是第一步。新手能不能照着一个简单说明跑通？一个业务同事能不能在不懂技术的情况下把问题交给 agent？维护知识库的人能不能看到它立刻回到自己的工作里？
知识库的价值不是“资料都在里面”，而是“下一次有人要做同类事情时，真的能少花时间”。
摇摇还观察到一个内容传播现象：公共事件发生时，平台会把大量情绪性内容推到用户面前。热点本身像一个拥堵路口，所有注意力都在那里汇集。
但“蹭热点”不一定等于表态，也不一定等于追逐情绪。更有价值的方式，是把热点重新接回自己的领域：用熟悉的专业视角解释它，或借它让别人理解一个本来难以进入的问题。
「热点像一个入口。别人都在那个路口，你要想的是怎么把它接回自己真正想讲的东西。」
这和信息质量的主题再次连上了：不是所有流量都要接，也不是所有注意力都值得拿。入口重要，但入口之后能不能通向自己的主线更重要。
李墨玩分享了最近重读的体验。他以前大量读书，现在因为 AI 工具占用了更多时间，读书节奏变慢了。但他反而更确认一件事：好书值得反复读。
同一本书，在不同年龄、经验和处境里会击中不同地方。AI 可以解释看不懂的段落，可以帮人搭结构，但它不能替你完成那种“这句话正好撞上我现在处境”的个人理解。
「AI 可以帮你解释，但不能替你读完整本书。它总结到的，未必是这本书对你真正有价值的地方。」
读书也像信息筛选。摘要把内容压短了，但人的经验没有被压进去。真正的理解，仍然要自己在文本里走一遍。
李墨玩从历史书聊到设计。历史不是一份中立记录，而是被写作者、时代和话语权塑形后的叙事。普通人的一生，可能在史书里只剩一行字；很多广为流传的判断，也可能只是后来的讲法。
这个视角又被他接到 AI 设计上。一个页面好不好，不只取决于用了哪个 skill、哪个模板、哪个模型。关键是人有没有见过足够好的作品，能不能判断什么是清爽、可信、克制和有力量。
「你没有见过优秀设计，就很难向 AI 描述优秀设计。模型能做出来，但你得知道要什么。」
品味不是玄学。它是一种长期输入后的辨别力：读过好书，才知道什么是好书；看过好设计，才知道哪里不对劲。
白豆这周试了一次“极度高产日”。它不是把待办清单刷到一片空白，而是提前承认：这一天只想把一条主线往前推。吃什么、待在哪里、什么时候休息，都不临场再做决定；下午要不要去别处、空下来要不要刷一会儿，也不再反复谈判。
听起来没有什么神秘的技巧，反而有点像把一天变成一段有边界的长跑。早上先把吃饭安排好，工作期间让自己留在同一个场景里；和朋友的消息可以回，和工具的协作可以继续，但不额外打开一条新的信息流。注意力没有被完全封闭，只是少了不断换频道的损耗。
这种安排的关键不是苛刻，而是把“今天要做什么”从一个模糊愿望，变成一份能支撑行动的环境。很多时候人不是做不了难事，而是在每一个微小的岔路口都重新选择了一次：先看看消息，还是先查点资料，还是干脆换个地方。一天被切碎以后，再大的热情也很难落到实处。
「那天不是我突然变强了，而是我提前把一天的环境和注意力都安排好了。」
当然，它也不必变成每天都要完成的标准动作。白豆提到，自己以前试过更严格的“关机仪式”，后来并没有坚持下来；晚上本来就是朋友聊天和生活发生的时段。比起把规则做得漂亮，更现实的做法是守住几个小入口：不要把手机带到床上，起床后不要立刻跳进消息，把一天最清醒的一段先留给真正想推进的事情。
这也解释了为什么本期标题不是“多学一个工具”，而是“把注意力留给有质量的事”。高产不是做更多碎事，而是让最重要的事终于有一整块、没有被抢走的空间。
白豆分享了几个正在拼起来的小系统。最先被做出来的是一个个人入口：常用表单、记录、联系人、语音写作和工作流不再散落在聊天收藏、浏览器标签和不同设备里，而是收进同一个固定地址。它不追求一次就成为完美仪表盘，先解决更朴素的问题：无论在哪台设备上，能不能立刻找到下一步。
这背后有一个很明确的判断：个人系统的价值不在“功能有多少”，而在“重返现场有多快”。人每天切换设备、地点、项目和聊天窗口，真正消耗精力的往往不是完成任务，而是重新回忆自己上次做到哪里。一个稳定入口，哪怕只放几个链接，也是在替未来的自己保存上下文。
他还在尝试把一部分轻量任务交给持续运行的工作环境：让资料整理、定时汇总和重复检查不必等到自己坐回电脑前才开始。这里的想象不是搭建一台无所不能的机器，而是把“我得记得去做”变成“系统在合适的时候提醒我、给我一份已经整理过的东西”。
「我希望任何设备上都能打开一个入口，然后继续我正在做的事。」
这些东西单看都很小，合在一起才像一套个人基础设施。它们解决的不是“我能不能炫一个 demo”，而是“我下一次要做同类事情时，能不能更快回到状态”。下面几段讨论，则把这套基础设施拆得更细：一张截图怎样变成卡片，一份报告怎样自动抵达，一个小功能怎样从原型走到用户手里。
白豆展示了一个从截图开始的学习链路。过去看到一张有用的图，往往只是存进相册，之后很难再打开；要把它变成复习卡，又要手动移动文件、补文字、加标签，步骤多到足以让好奇心在最后一公里熄火。于是这次被重做的，不是知识库的“容量”，而是信息进入系统的动作。
现在，一张截图在被触发后会进入卡片库：图片里的文字被识别，来源和关键词尽量保留，再由模型生成一组可修改的问题。它既可以按复习节奏再次出现，也可以像数据库一样被检索。白豆特别在意图片仍然留在那里，因为有些理解并不在一句摘要里，而在图上的结构、标注、语气和当时为什么停下来的瞬间。
这和“把所有东西塞进资料夹”是两回事。资料夹解决保存，卡片解决再遇见；前者把信息从眼前移走，后者给它一个重新回到注意力里的机会。即使自动生成的问题不够好，人也可以在看见原图时重新补上自己的解释。
「我不是想把每一张图都变成标准答案。我想保留它，再让它在合适的时候回来。」
会后大家又聊到一种很好的解释方式：当陌生界面、概念图或流程图难以读懂时，不一定只把文字翻译出来，也可以让 AI 在原图上做标注、补上分层和箭头。它像一位拿着笔的老师，先告诉你“这里是什么、为什么和那里有关”，再把抽象信息还给人的直觉。
另一个被不断尝试的方向是自动复盘。饮食、阅读、对话和项目进度原本散在不同工具里，真正麻烦的不是没有记录，而是到了该回顾的时候，还得重新决定看什么、怎么比、该问自己什么。于是白豆尝试把这些重复的整理交给定时任务，在固定时点汇成一份短报告。
它可以是对一周习惯的偏差提醒，也可以是对某个工作区对话的压缩摘要。重要的不是报告长得多完整，而是它把“我总有一天会复盘”改成“我已经收到了一份可以开始判断的材料”。邮件只是载体，真正的作用是给高频、琐碎又容易拖延的事留出一个观察窗口。
Monica 追问，这和在协作工具里设一个自动化有什么不同？答案很简单：信息太多时，通道本身也要被设计。有些提醒适合留在工作流里，有些更适合出现在一个安静、不会被其他任务淹没的收件箱。个人系统不是把所有东西汇进同一个地方，而是为不同类型的信号找一个不容易被错过的位置。
「自动化不是替我过生活，它只是先把该看的东西整理到我面前。」
这也让“基础设施”有了更具体的含义：它不是冷冰冰的技术名词，而是把记忆、提醒、检索和反馈安排在恰当位置，让人少一点靠意志力记住一切。
Monica 分享了自己第一次用 AI 编程协作完成一个小功能的过程。刚开始，她把原型反复下载到本地、反复解压、反复修改，结果同一个功能出现了好几个副本：以为已经改掉的问题，在下一轮测试里又出现。后来才意识到，问题不在代码写得够不够快，而在于有没有一条能追踪的协作链路。
当原型、代码、测试和发布都接到同一条版本记录上时，事情才开始顺起来。她不需要先成为工程师，才能参与实现；但她需要知道每一次修改落在哪个版本、如何验证、何时真正抵达用户。这个小闭环带来的成就感也很具体：不是“我会用某个工具了”，而是“我写下的能力被测试过、上线过，也被实际请求调用过”。
她同时展示了自己用 AI 做产品 demo 的经验：先给出已有界面和一个尚未想清楚的命题，再让工具把不同状态、空状态、展开后的细节和交互路径画出来。它并不替代产品判断，却能把模糊的想法迅速摆到桌上，让团队开始讨论“哪个状态更合理”，而不是卡在“我还没画出来”。
这和前面关于组织 AI 的讨论正好互相照应。工具降低了原型的门槛，但不会自动给出可靠性、版本边界和用户价值。能做出一个像样的 demo 是开始；让它经过验证，进入正确的流程，才是更难也更有价值的部分。
Monica 也谈到自己和朋友在做的小项目。它在增长，用户愿意进来，产品也不断迭代；但即时互动的产品有一个残酷的前提：人得在同一时间在线，互动才会真的发生。为了让人留下来，团队要设计更多任务、奖励和活动；可这些激励会推高服务成本，而用户增加并不自动意味着收入同步增加。
这段分享把“增长”从一个漂亮词还原成了一组互相拉扯的变量。做活跃，要先让用户感到有东西可玩；做商业化，又不能太早把每一个动作都变成付费门槛。规模变大以后，技术和运营的开销也会一起抬头。真正的问题不是增长好不好，而是这种增长能不能被产品的长期结构承受。
大家随后聊到团队大小。过去做一个完整应用，似乎天然需要很多角色；现在一些边界正在松动，一个人能覆盖的事情变多了。但这不等于一开始就要把所有人都省掉，而是不要让组织规模先于真实需求出现。先让工作跑起来，在哪个环节真的卡住了，再为那个环节补人、补能力、补协作。
「人数不是先设计出来的。事情往前走到哪里需要人，团队就应该长到哪里。」
Monica 对“没有结果是不是浪费”的焦虑，也在这里得到了另一种回答。结果当然重要，尤其对一个要活下去的项目；但过程不必只有成功或失败两种状态。一个可复用的组件、一篇写清楚踩坑的笔记、一条真正跑通的发布路径，都会成为下一次更快启动的资本。
过载时代真正稀缺的是判断力和注意力，而不是更多入口。
AI 进入组织，不是先改章程，而是先让某些动作稳定可复用。
沉淀经验之前，先问这是谁的经验、是否可靠、下一次能不能减少误差。
资料堆在一起不等于知识库，能降低下一次行动成本才算。
工具可以解释难点，但读书和判断仍然要经过自己的经验。
看过足够好的东西，才知道该向 AI 要什么，也才看得出哪里不对。
把饭、手机、任务和协作提前安排好，注意力才有机会完整落下去。
探索没有直接变现，也可以留下文档、教程、代码和下一次可复用的路径。
截图、笔记和链接只有再次出现并帮助行动，才从保存变成了记忆。
用户、活跃、奖励、成本和收入会一起变化，不能只看其中一个数字。
两个小时之后，大家从信息时代聊到组织 AI，从重读聊到设计品味，从高产日聊到个人系统、产品 demo 和小项目增长。表面上这些话题很散，底下却有一根共同的线：不要把有限的精力交给默认推送的事情，要一点点搭出自己真正愿意继续的路径。
Monica 说自己最近有些停滞，常常会先问“这件事能带来什么结果”；而这场对话给出的回答不是反对结果，而是把结果看得更长一些。一次探索可以留下能力、判断、流程和与人讨论的入口。它们未必马上变现，却会在下一次机会到来时让人不是从零开始。
把注意力留给有质量的事。
— 白豆 × 李墨玩 × 摇摇 × Monica，2026.07.12