博客
关于 AI 转型、组织学习与工作方式的短篇笔记。还没有结论时，先把问题写清楚。
Agent 进组织，需要三块底座
开源 Agent 是工程师的活——那工程师该造什么？我的答案是把 Agent 进组织缺的三块底座各写成一个开源项目：琅嬛管知识，璇础管任务，瑶光管运行时。
我给客户上了两个企业级 AI 工具，天天在用的，是他自己搓的那个
给客户上的两个企业级工具没人用，老板自己搓的广告投放智能体天天在用。企业知识一半在纸上，一半在老师傅和老板脑子里——AI 转型卡住的就是这半。
「RAG 可以不学了」？做知识库的人不同意
长上下文替代不掉的是人工的知识清洗：新旧规则谁作数、矛盾谁来发现、知识库靠什么评测。做知识库产品的人，说说这件绕不开的活。
WorkBuddy 到底能不能替掉你电脑上的十个 App？
先别对功能清单。把你每天的活分成流程性和思考性：流程的整段交出去，思考的让它出初稿你来定；真正替掉 App 的，是口述做出来的小工具，而它要进企业，卡在 ERP 厂商肯不肯开放 API。
AI 总要反复教？搞懂 MCP 和 Skill，让它按公司要求干活
用销售报价的例子讲清 MCP、Skill 和知识库各自解决什么问题，以及企业如何从一次任务逐步做到可复用、可验收。
老板，别再折腾开源 Agent 了
开源 agent 很强大，但那是工程师的活：配置、找 skill、维护，会把老板的注意力从业务拽到技术实现上。员工干活的场景，腾讯、阿里、飞书的成品工作台已经够用；开源留给对外服务和真有强自定义需求的时刻。
AI 答非所问，多半是你的第一句话太短
辅导作业用 AI，最怕答非所问：它把你没说出口的条件，全靠猜。这篇借「给孩子出练习题」讲一个通用方法「先问后做」：派活先让 AI 问你，只答会改变结果的问题，确认任务单再动手，文末提示词可直接复制。
语义分块值不值得做？先量它的天花板
从「长文本怎么分块」到一个判决性实验：给「完美语义分块」伪造一份语料，量出它的理论上限——边界增益只有 ±2 个百分点，收益全部来自话题标题进入上下文头。再追两档 LLM 生成版，模型跨档而结果纹丝不动。
给检索系统造一把尺子
琅嬛检索评测实录：一条零召回的死通道、一个被证伪的调优假设，和一套让每个架构决策都有代价标签的评测体系。
团队开始用 Agent 前，先把知识的归属说清楚
团队里的 Agent 开始读取资料后，真正的问题很快变成：谁维护它、哪个版本算数、出了错如何追溯。
AI 转型最容易被忽略的第一步
在选择模型、采购工具之前，团队更需要先建立一个可以共同看见的问题。
别从"上工具"开始谈 AI
真正难的不是让每个人都能使用 AI，而是让新的能力成为共同的工作方式。