404 KIDS SEE GHOSTS (生产力之王版

我把 Matt Pocock Skills 拆成了两支 Agent 小队 https://github.com/mattpocock/skills Matt Pocock 的 mattpocock-skills 一直是我 All in 的一套 Agent 工程插件。仓库目前接近 24 万 Stars，也被 Claude Code 官方 Marketplace 收录。现在它已经成了我给各类 Agents 和 Multica 扩展工程能力的主要 Skill 来源。 我用 Skillshare 跟踪上游并同步到 Agents，Multica 里，我把它们拆成 Matt Engineering Ops 和 Matt Writing Studio 两支小队。工程线分成 Discovery、Planner、Engineer、Reviewer 这类学习爆破组，比如重点 skills grill-with-docs 和 wayfinder 分别用于不同规模的决策编排，以及 Spec 与 Ticket 这些概念执行和处理的方式。 我很喜欢 Linear，所以对 Matt 处理 issues 这些概念进行了研究和 skills 化，他现在表达为 Ticket，可以理解为可执行和交付的切片。写作小队则由 research 和 writing-fragments 这些优秀 skills 处理素材，也有 writing-for-agents给 AI 编写消费的文档。 目前 Matt 这套 skills 我基本全量监测和吸收，这套可插拔、组合、分权的能力比 Superpowers 灵活太多了。 相关链接： 1. Multica 2. 为什么我用 mattpocock/skills 替代了 superpowers 3. life is issues and triage #agents #tools

建造感受 我很开心 [[Nautilus Log]] 插件获得了一些朋友的私信喜欢和 Star，以及 Obsidan 移植复刻。Nautilus 的概念非常好，我认为应该是目前时间管理实践最强的模型。 我设计插件或者 UI 最常用的提示词是：请你使用 Linear 设计风格...如果 Linear 公司遇到这个 issue，它会怎么优化？如何设计？提示词很有效，基本符合预期。这也是我之前提到关键提示词的作用。比如我在设计 Roam UI 时被提醒：Linear 提出，不要抢夺不该获得的注意力（Don’t compete for attention you haven’t earned），所以有了 Roam 侧边栏卡片聚焦阴影和被主界面包裹而非独立。设计 [[Nautilus Log]] 时，提醒：轻量而非简陋（Building at the early stage），所以各种交互元素虽然挺多，但是可以堆叠淡化。以及 Linear Method 的哲学风格我也分享过。 我比较喜欢 [[Nautilus Log]] 插件的点：它以预设时间为基础推进，让你减少认知和执行负荷的同时感知时间；你也完全可以用 Clock 记录真实时间，用番茄钟提醒，非常灵活。我也加了的不少巧思和设计，比如 Tidy、Click 右侧聚焦、折叠。它对插件有整体的优化感受，就像好的 Skills 里的惊艳提示句子。后面会用文章单独介绍。 软件设计带来的快感是真实的，不亚于写作。就像阅读，当你使用以及感受了足够多的产品、交互体验和哲学，你就知道哪些是好设计，哪些可以优化；哪些能够真正赋魅工具影响人，哪些是去道德化设计消费人。这也是为什么有人会提出很多 issues，感受量的问题。 相关链接： 1 Nautilus Log丨我目前最满意的时间管理工具 2 任务飞轮 #Making

写作的坏结局 我发现 AI 用于写作生产已经走向了坏结局。AI 写作现在仅作为一次性 Hype 诱饵，用于劣质信息和注意力交换，在废墟上建造废墟，几乎没有复用价值。这和我最初设想的 AI 写作完全相悖。 我认为有效的 AI 写作或者知识生成应该重新审视 Zettelkasten/ Discourse Graph, Roam Ontology 这类知识组织和交互概念，这是现在真正需要重视的建造哲学。AI 可以广泛参与到写作中，前提是 AI 的写作 Vibe 和人的思考氛围必须契合，共同参与生产过程，而不是 AI 在写作过程里提前作品化、独立化，这让知识生产变得低效率、黑箱，无迹可循。这是可悲的写作。 相关链接 1. 顶级知识生产者的理解 #Writing

写作的坏结局 我发现 AI 用于写作生产已经走向了坏结局。AI 写作现在仅作为一次性 Hyper 诱饵，用于劣质信息和注意力交换，在废墟上建造废墟，几乎没有复用价值。这和我最初设想的 AI 写作完全相悖。 我认为有效的 AI 写作或者知识生成应该重新审视 Zettelkasten/ Discourse Graph, Roam Ontology 这类知识组织和交互概念，这是现在真正需要重视的建造哲学。AI 可以广泛参与到写作中，前提是 AI 的写作 Vibe 和人的思考氛围必须契合，共同参与和生产，而不是 AI 在写作过程里提前作品化、独立化，这让知识生产变得低效率、黑箱，无迹可循。这是可悲的写作。 相关链接 1. 顶级知识生产者的理解 #Writing

#memories

预设提示词面板 最近越来越发现有些提示词口述重复率越来越高，很多关键句子会让 AI 的输出带来质的变化，这也是为啥很多优秀 Skills 有效或者质变部分就是那 1-2 句提示词。 比如我经常复用的口述约束词，使用 Luna Max 模型子代理来并行处理；将可复用的知识和案例写入 Wiki 这些。前者可以内置为系统提示词，但是会显得不够灵活，后者我也尝试过做成 MCP 让它自主调用，但是会让输出过于笨重和缓慢。这些都是一句话的事情，作为可以随时粘贴的 Snippet 刚好合适。 我主要对比了 Keyborard Maestro 和 Raycast，最后用 Raycast 做的本地 Prompt Launcher：快捷键直接打开面板，可以随时直接粘贴、也可以叠加 Modifier 填充文本，挺方便。 #tools #agents

/goal

任务飞轮 这是最近 3 天的工作日志（图 1），这 3 天我都将计划高效完成。还是那句话，所有都是可塑、可设计的，只需要一个意念或者模型。 基本很少时间休息，也足够轻松。这都是写给 Agents 的日志和内容，我发现前期将所有 Plan 规划写好，让 Agents 调用 Subagents 和不同模型来决策、执行，效率极高，效果也好。给 Agents 的 /goal 不重要，前期的规划、细节和约束推进方式才是重点。我使用 Keyboard Maestro 一键发给终端。（脚本见评论） 这个日志也让我在多任务线程里游刃有余，只要目前任务派发完并且已在运行，我继续分配下个任务。所以基本没有闲暇等输出时间。建立任务要足够细和具体、这是时间任务管理的核心，好处是几个同类具体任务可以直接派发给主 Agents 然后分子代理去处理。所以效率是倍增的。当你启动了多个任务，真正就是享受飞轮。 过去有段时间，我用纯 Agents 终端执行、Obsidan Wiki 知识记录、Linear 任务管理 3 点 1 线（如图绿色 OB 热力图增长，Roam 热力图消散），想打理我所有一切。AI 化非常高，但是真正对我自己以及对我的工作感知很低，我就像湿件（wetware）做着运维，甚至一段时间会为我离开 Roam 感到惋惜。 现在重新回到 Roam，就像重新感受到我思维的呼吸。无论是记忆调用还是交互方式，TfT 确实已经解决了 LLMs 的大部分问题，也解决了我自己的问题。 #thoughts

Orca丨把项目拉起来的 Agents IDE https://www.onorca.dev/ Orca 是款以项目为主的 Agent IDE，它把 Codex/ Claude Code/ OpenCode 等 CLI Agent 放进独立的 Worktree，同时能拉起终端、编辑器、Diff、Git 状态和浏览器，UI 也非常成熟，已有移动端。 我比较喜欢的还是它与 Linear 联动。Linear Issues 可以直接建立并绑定 Worktree，Agent 也能直接读写任务，图片和评论可以进入 Agent 上下文。我前面想把任务管理 All in Linear，但现在已经由 Roam [[Nautilus Log]] 分担了重要部分。Linear 主要追踪项目、特定线程和面板，或者说 Linear 会是我的 Agents 任务派发面板，连接像 Orca/ Multica 这些 Agents 自动化任务领取。 总得来说 Orca 非常成熟、优秀，但有点过重。目前我用的 Chat 窗口有 Codex App、Bot 协作会话有 Multica、Code 终端有 Tty7，任务管理由 [[Nautilus Log]] 统一派发、记录。基本拉起我所有的 Agents 流程。新工具都得试，现代 Agents 生产力的工具栈是可组合性、可插拔的，All in 不再合适宜。 #tools #agents

https://x.com/naval/status/2091369804795916779 The people who want to censor (code, speech, money) are the bad guys. #quotes

Datawhale https://github.com/datawhalechina 一个国内的开源 AI 学习社区，里面有从机器学习基础到 LLM、Agent 的大量教程和项目。 最近 Paul Graham 也说，如果自己 17 岁，会从零开始学习构建 LLM 训练顶级模型，而非创业。 相关链接 1. Paul Graham src * #Learning #Agents

[[Nautilus Log]] 的魔法在于当你做事情越多越快，你会发现空余时间也越来越多。时间消耗越多，消耗越少。完美的时间幻觉机器。 对金额、时间以及 Token 的计量消费和掌控拥有最大的耗费快感。 #time

Tools for Thoughts 思维工具已经解决了 LLMs 的大部分问题。#LLMs

Nautilus Log，我目前最满意的时间管理工具 https://github.com/404KSG/roam-nautilus-log 今天是我近几年第一次将计划的所有任务完成，我获得了足够的快感。我使用我在 Roam Research 再次开发的工具 Nautilus Log 来完成，它自带最优秀的时间管理模型，它就像思维工具，小众但非常有效。（已经上到 Roam Depot） Nautilus 由捷克作家 Tomáš Baránek 创作。它的设计理念：读取事先规定的固定事件和任务预计时间来绘制，任务按列表顺序和预计时长自动填入时间空档。随着当前时间指针后推，所有任务自动后退，如遇到固定事件放不下则会跳到下个空闲时段，其它能放下的自动前补位。这种简单且智能的操作不需要 AI 算法。 Nautilus 时间和任务交互的爆发力在于：它给每份时间安排了工作，就像 YNAB 给每份钱安排了事项，这能足够丰盈地安排和处理任何事情，就像耗费你的预算一样从容。更重要的，随着时间推进，所有可执行的任务自动拉到你的时间线面前，你不用顾虑当前是否能做、其它事项插入打乱节奏，所有任务在分配预算后，都会在这个螺旋时间切片内找到位置，供你消杀。 我在原插件 Nautilus 上做了彻底优化和重构，UI 兼容、数据显示，番茄钟以及增强 Org mode Logbook 的时间真实记录作为 Advanced Feature 呈现。Nautilus 是预计时间的 Time Blocking 弹性推演，Logbook 是实际时间记录更严厉的实证。这两个可以并存以及独立使用。这里突出的哲学：时间是真实的河流，更重要是对时间的理解、规划和从容掌控。 YNAB 是 Give every dollar a job；Nautilus Log 是 Give every minute a job，这是既 Roam、Linear、YNAB、RemNote 之后，我的又一领域被模型化实践。我的 Obsidian Agents 内容已经达到和谐后自然生长， 现在我用 Roam Reaserch 反而更加多，也愈发从容，就像在感受我大脑的呼吸。 Tools for Thoughts 思维工具已经解决了 LLMs 的大部分问题。 #tools #productivity

life is issues and triage #mood

https://github.com/l0ng-ai/tty7 叛变了。最近爽用 tty7，真正原生面向 Agents 的壳子。 非常重要的 2 点优势：Cover Tmux 级别的后台复用和恢复，关客户端后进程继续运行；速度非常快。非常友好。 #agents #tools

https://github.com/l0ng-ai/tty7 叛变了。最近爽用 tty7，真正原生面向 Agents 的壳子。 非常重要的 2 点优势：Cover Tmux 级别的后台复用和恢复，关客户端后进程继续运行；速度非常快。 非常友好。 #agents #tools

Otty + Tmux，新壳子新玩具 最近从 iTerm2 + Tmux 换到了 Otty + Tmux。最近用 Otty 这个终端 ADE 工具，Typora 团队 Appmakes 出品，UI 舒服、细节成熟、编辑体验甚佳，极度舒适。 Otty 比较人性化的功能就是编辑框 Composer，Cmd+Shift+E 快捷 Call 出纯文本编辑框，可以固定也可以单独悬浮（类似以前 iTerm 做的弹窗脚本）。Typora 这种注重格式编辑体验的团队出品，必然对编辑以及 UI 有极大的优化。这也是我比较喜欢 Otty 的原因。 其它细节比如非常完整的 UI 风格定义； Hover 顶部标题以及侧边栏筛选；Tab 3 种呈现形式以及右侧边栏的文件夹和 Git 信息；Agents 运行和进度提示，都非常友好。Tmux 复用器随便换壳子，现在搭配 Otty 壳子，加 Multica 前台，极度舒适。 Typora 团队，Craft Agents 还有 Linear，这些拥有设计风格/哲学的团队确实得关注和学。毕竟好软件首先也是好的设计产品。 相关链接 1. Otty 官网 2. Tmux #tools #agents

三重快乐 第三层身体建造，健身和形态变化让我的身体、大脑和精神得到真实且宁静的快感；第二层意识建造，产出、代码和写作都属于意识凝结和建造，不过写作让我感到更加可塑、和谐，更贴近这种建造本身；第一层底模建造，无论是知识生产模型、社会理论模型还是更底层的世界框架，亦或纯粹的快乐科学，这种高于身体和意识的模型抽象毫无疑问地产出最大阈值快感。 纯粹的生产性耗费快乐，热量、算力和熵值。 #thoughts

Linear Loops/ Multica Autopilot Linear 最近新出的 Loops 基本类似 Multica Autopilot，围绕事件/ 时间触发 Agent，循迹预设 Instructions 自动拉起和持续处理工作。 Loops 是 Linear 的软件内功能，主要围绕应用内 Issue/ Project 以及各种 MCP 接口处理；Multica Autopilot 可以通过本地 daemon 拉起 Codex/ Claude Code/Pi 进行更完整的 Agents 和 Skills 环境工作。 目前我正在尝试将 Linear 和 Multica 联动使用。Linear 幻神级应用不用多说，Multica 更像我所有完整生产线的部署场景，异星工厂。现在各种 API 自动化任务打通也非常方便，Linear 作为完整的上下文和 Dashboard，Multica 自动读写、执行以及回写状态。非常舒服的 Combo。 相关链接 1. Linear Loops 2. Multica Autopilots #Agents #Automation