runesleo

前几天我说，个人 AI 真正需要的不是一个 Memory 文档，而是一层长期记忆系统。
这两天我真的把它重构了一遍。
结果最后发现：
Memory 还不是最难的。
真正难的是 Continuity。
我已经有 2764 条 ChatGPT 历史，本地全文检索和向量检索也都在。
理论上，AI 已经可以随时找到：
“我以前说过什么？”
“研究过什么？”
“做过什么？”
但现实里还是会出现一个很荒谬的问题：
AI 把一个项目研究完了。
得出了结论。
甚至已经知道下一步该做什么。
然后——停在那里。
我不知道它做到哪了。
换一个 Agent，也不知道。
第二天重新开 Chat，又得重新拼状态。
继续往下查，我才发现问题根本不在“记忆不够”。
而是我把两件完全不同的东西混在了一起：
聊天记录 ≠ 任务状态。
原始对话只能回答：
过去发生过什么？
但一个真正能持续工作的 AI OS，还必须回答：
现在做到哪了？
什么已经真的完成？
证据在哪里？
什么还在等待？
下一步应该由谁继续？
所以最后我把整个系统重新拆成了四层：
记忆检索
→ 找到过去发生过什么
当前状态 / 工作图谱
→ 知道项目现在做到哪
完成凭证
→ 确认什么事情真的做完了
遗漏检查
→ 找出已经发生、但没有被系统记录的重要进展
其中最重要的一条规则是：
raw transcript = evidence, not task
聊天

我让我的 Dot 给自己设计了一个专属形象，还顺手把头像也设好了。
只给了一段 prompt：你是我的长期 AI 总控，要协调多个 Agent 和工作流，早点发现重要信号。形象要冷静、敏锐、可靠，小尺寸也能认出来，不要文字，不要通用机器人，也不要为了可爱而可爱。
它选了一只深蓝色猫头鹰，琥珀色眼睛，胸前是代表多个工作流的轨道图案，还给这个形象起了名字：Sentinel。
从生成形象、制作动态宠物，到设置成头像，都在同一段对话里完成。没有自己找图、下载，再去设置里换头像。
这是按我的要求生成的自定义角色。以后打开聊天，看到这只猫头鹰，就能认出我的 AI 总控。
生成后，它还直接出现在我的宠物列表里，以后可以随时选回来。
完整要求和实际过程放在配图里。想试的话，可以直接对自己的 Dot 说：
“给你自己创建一个宠物，并设为你的头像。它代表你作为我的长期 AI 助手的身份，请根据你承担的职责设计。轮廓简洁，小尺寸也能辨认，不要文字，不要通用机器人。完成后告诉我，你选了什么、为什么。”

OpenAI 今天给我的 Pro 账号加了 62,500 credits，Work / Codex 都能烧，年底过期。
想了一下，完全没必要省。
Work / Codex 周额度用完 → 继续烧 credits。
Credits 烧完 → 继续用 Chat 里的 GPT-5.6。
接下来目标很简单：
把这 62,500 credits 全部烧成真实产出。
易腐的算力，不用才是浪费。😁

我越来越确定，多模型时代最好的使用方式，不是人同时管理 5 个 AI，而是只保留一个入口。
今天我把自己的 AI 工作流彻底收敛成了一个原则：
Single Front Door for AI
ChatGPT 是我的大脑和手，其他 AI 都是它的工具。
我现在会同时用 Grok、Grok Bot、Grok Build、Claude、Cursor、Codex，包括 Browser / Computer Use、MCP、本地 Mac、VPS、手机……
但我不想每天自己在这些东西之间来回切换。
因为工具一多，很容易出现一个很荒谬的情况：
本来 AI 是来帮你干活的，最后你却变成了 AI 的项目经理。
你要自己复制 Prompt、同步上下文、告诉 A 模型 B 模型刚刚做了什么、追任务进度、判断几个模型谁说得对，再把结果搬回自己的系统。
工具越多，人反而越忙。
所以我现在反过来设计：
我只跟 ChatGPT 说话。
ChatGPT 自己决定什么时候调用 Grok，什么时候把研究任务交给 Grok Bot 的 Agent 小队，什么时候让 Cursor 写代码，什么时候让 Claude 处理长任务，什么时候调浏览器、电脑、手机或者节点。
Worker 做完以后，结果再统一交回 ChatGPT。
我看到的始终只有一个入口。
比如今天刚跑通的一套 Research Agent：
ChatGPT

昨晚我打了 5 只 Merkel Koala。
全部选的是解锁最快的 420 blocks：
#1831 / #239 / #1680 / #7967 / #7178
现在 5/5 已经全部 REVEALED。
先把态度说清楚：
我不会继续打第 6 只。
这条也不是叫大家去 mint。
一开始只打第一只，是因为我想真金白银把 CRC-21 从 commit → reveal → vault → unlock 的机制完整跑一遍。
第一只链上验证成功以后，我继续做 DD。
后来核心开发者也公开说过，LEAF（CRC-20）和 Merkel Koalas（CRC-21）属于他们实际推进的 covenant roadmap。
这也是我后来把实验仓加到 5 只的原因。
但有仓位，不等于替项目方背书。
现在社区在质疑的几个问题，我同样认为必须回答：
• Swap / AMM 主线还没有真正落地，为什么最近连续出现新的收费项目？
• Merkel Koala 的 mint 收入最终去了哪里？
• 这些收入是否会形成可验证的 LEAF 回购、LP 或其他价值回流？
• 新的 open-source covenant rules 到底什么时候公开？
• 第一版 Swap 到底是什么 trust model，谁有权签合法的 state transition？
这些问题没有因为我持有 5 只 NFT 就

最近看了太多 Bitcoin L1 的新项目，越来越觉得现在最容易被忽略的，不是“怎么买”，而是：
买完以后，怎么卖？
新协议、新资产、新 launchpad 的供给速度太快了，但流动性基础设施明显没跟上。
Mint 的时候每个项目都很性感：
first meme、first DeFi、Bitcoin native、低市值、早期……
真买进去以后才发现：
没 AMM，没深度，没聚合流动性，甚至挂个单都要一笔一笔做链上操作。
最后持有人真想退出，只能互相压价、卷地板。
所以我最近给自己加了一条标准：
一个 Bitcoin L1 新资产，如果我现在买进去，却不能清楚回答这 3 个问题：
1. 三天后谁来接？
2. 我要怎么卖？
3. 大仓退出会不会只能和其他持有人一起卷地板？
那我会默认把它当成一种“近似锁仓资产”，而不是普通现货。
Bitcoin L1 现在不缺新资产。
真正稀缺的是可持续的流动性。
以后看项目，入口赔率要看，出口同样要看。

ChatGPT 开始越来越像「个人工作台」了。
今天打开 App，首页直接根据我连接的 Gmail、Calendar、GitHub，主动提示了几件可能需要处理的事：
远程 Mac 可能出现波动
一个已经失真的日程
还没被 review 的 PR
有意思的不是“ChatGPT 能读这些 App”——这件事早就能做。
真正的变化是：它开始主动判断「现在什么事情可能需要你处理」，而不是等你先问。
如果这一层继续做好，ChatGPT 首页可能会从聊天框，慢慢变成个人的 operation inbox。

今天把一个我想了很久的东西真正跑通了：用 Grok Bot + 两台 Mac，做了一套多设备网络自救。
我的日常环境现在已经不是“一台电脑”了，而是两台 Mac、Tailscale、VPN、Grok Bot、Claude、Codex、Cursor，以及一堆长期运行的 Agent 和自动化。真正麻烦的地方也随之出现：一旦某台机器网络、代理、Tailscale 或 Agent 出问题，人又不在电脑旁边，AI 明明会修，但它自己也进不去了。
所以我今天想解决的核心问题不是“怎么让电脑永远不出故障”，而是：
只要还有一台机器活着，它能不能救另一台？
现在的链路基本已经打通：
手机 → Grok Bot → 在线的 Mac B → Tailscale / SSH / LAN → Mac A
正常情况下，两台机器通过 Tailscale 互通；如果 Tailscale 本身出了问题，只要两台电脑还在同一个局域网，就可以退回 LAN + SSH。
Agent 进去之后也不是直接重启，而是先逐层检查 network interface、IP、route、DNS、proxy、VPN、Tailscale、SSH、process，找到真正坏掉的那一层再修。
我还把 Grok Bot 的实际服务放到了其中一台机器上，另一台通过 SSH port forwarding 使用它。这样应用看起来还是访问本地服务

朋友逛商场看到两个找东西的小游戏，顺手拿来测了下 AI 的视觉能力。
海豹里找棉花糖
圣诞老人里找小羊
ChatGPT：想了 9 分钟，两个都找到了。
豆包：没找到棉花糖，然后非常自信地……
直接往原图里 P 了两个棉花糖，再圈出来告诉我答案 😂
AI 最喜剧的时刻不是答错。
是为了证明自己答对，直接把题改了。

今天被 ChatGPT 的「任务连续性」问题狠狠干了一次。
不是某一次回答质量下降，而是更麻烦的那种：
一些已经跑了很久的对话突然不回复；
原本正常使用的工具 / MCP，在部分会话里突然接不上；
换一个新对话虽然又能聊了，但任务上下文、执行状态、做到哪一步，很容易一起断掉。
我今天大量时间不是在“做事”，而是在恢复“AI 原本正在帮我做的事”。
这让我突然意识到一个问题：
当 AI 只是聊天工具的时候，偶尔挂一次，刷新一下就完了。
但当你真的开始把 ChatGPT、Cursor、Coding Agent、各种 MCP 和本地机器连起来，把 AI 当成自己的工作操作系统之后——
模型有多聪明，已经不是唯一重要的事情了。
甚至可能不是最重要的。
真正决定这个系统能不能长期工作的，是：
Context Continuity
State Persistence
Idempotency
Failover
Recovery
说人话就是：
一个任务跑到一半断了以后，
它能不能知道自己是谁，
刚才做到哪里，
哪些动作已经执行过，
哪些还没执行，
然后从正确的位置继续。
而不是每次出问题，我都要重新给 AI 解释一遍整个世界。
今天最后我把不少工作直接交给 Cursor 接着处理，也更加确定了一件事：
下一阶段 AI 产品真正的基础设施竞争，不只是“谁的模型更聪明”。
而是谁能让 Agent 像真