Research Directions / 当前关注方向

这个方向的核心问题有三个。一是记忆与遗忘：大模型不需要记住所有东西，只要比人类的记忆更高效，无限记忆其实是无限噪音。二是发布边界：私密总库是 source of truth，网站只是可公开的副本，先保留真实，再提炼表达。三是递进关系：提示词工程、上下文工程、harness 工程、loop 工程是层层递进的——context 只是这条路的起点。

Paper Parser（题卷重拍）是我把这套方法完整跑过一遍的案例：Doc2X 主解析 → LLM 结构化 → MinerU 作为第二观察者 → Critic 找问题 → Eval Gate 决定放行 → Repair Agent 修复 → 人工复核导出。主结果和观察者必须分离，失败模式要能从 trace 里查出来，最后一道门留给人。这些环节一个都不能省。

claude-vps 是这个方向的具体形态：美国 VPS 负责跑 Claude 做跨太平洋开发，Mac 负责归档与检索，密钥和私有数据留在安全边界内。所有对话历史进入归档、可被重新检索；上过的课程被蒸馏成可复用的 skill，而不是躺在收藏夹里。工作台的目标不是更快地写代码，而是让 AI 自主完成并校验任务，人把注意力留给架构和设计范式。

血糖稳定饮食系统是一个例子：不是补救某一顿吃错了，而是和 AI 一起从生理机制出发设计默认选项，把决策成本降到最低。注意力管理是另一个：人的注意力是有限的，系统化日常的目的不是省时间，而是把认知带宽留给高价值决策。我要做一个清醒克制的人，打造自己的人生复利系统——这个方向就是把这句话落成日常。