技术博客 | 记录学习笔记和思考

AI替代认知劳动的边际成本趋近于零，导致经济增长与就业增长脱钩；AI是资本增强器而非劳动增强器，分配机制滞后于生产力发展，形成结构性失衡。

当 AI 系统将任务封装为 Skills 交给外部执行时，哪些能力可以暴露，哪些必须留在内部？本文从数据暴露的三种形态出发，提出通用能力、业务能力、核心能力的三层划分框架，以及“最小输入而非脱敏”的数据策略。

从系统分层视角梳理 AI 应用从自建 Agent 走向 Runtime 与 Skill 组合架构的演进逻辑。

以 labali-spotify-publish-episode 为例，拆解一个长期运行的 AI 自动化系统如何通过分层、快路径、自愈闭环与业务状态验证维持可维护性。

系统梳理 CDP、Playwright、视觉自动化与 AI Agent 在浏览器自动化体系中的分层关系与适用边界。

分析中小公司在大模型时代应如何围绕行业数据、工作流与应用层产品建立差异化竞争力。

讨论如何把重复任务中的稳定执行路径沉淀为可复用资产，以构建能够长期运行的 AI 系统。

通过一个具体生成任务分析生成式 AI 的概率本质、自我解释局限与创新能力边界。

讨论 AI 普及后知识获取方式变化，以及它对学习型人际关系与思想交流模式的影响。

从原创性、作者身份与价值判断三个维度，讨论 AI 生成内容时代的创作定义如何变化。