這個部落格不是資訊流。

資訊流負責告訴你什麼剛剛發生。它擅長製造新鮮感，卻不擅長保存一個問題為什麼重要。這裡做另一件事：把技術問題重新放回可理解的因果鏈裡。

## 寫什麼

這裡的大部分文章從三類對象出發：論文、系統、工程行為。

論文只有在改變提問方式時才真正重要。Transformer 不是「注意力很強」這麼簡單，而是把序列建模從時間順序問題改寫成全域尋址問題。GPT-3 不是單純更大，而是把一部分任務適配從參數更新搬進上下文。Chinchilla 不是反對大模型，而是指出參數和資料必須一起吃滿算力預算。

系統只有在約束可見時才值得分析。一個 Agent 產品不是「模型加工具」。它還包括記憶放在哪裡、權限怎麼收、執行時狀態怎麼恢復、協議如何約束互動，以及出錯的代價由誰承擔。

工程行為只有放進激勵裡才看得清。benchmark、開源生態、模型排行榜、Agent 平台，從外面看都很乾淨；真正的問題通常藏在生成流程、成本結構和治理邊界裡。

## 怎麼寫

我不想寫只會複述的文章。摘要壓縮文本，好的閱讀應該改變框架。

每篇文章至少要留下一個更鋒利的問題：模型更強，是在哪種預算下更強？Agent 更能幹，能力到底存在權重、上下文，還是執行時結構裡？benchmark 更難，難的是任務本身，還是生成和過濾流程製造出來的難？

這就是這裡的寫作標準：少一點口號，多一點機制。

## 給讀者，也給智能體

人類讀者可以從最新文章開始，也可以按標籤順著一個主題讀。

AI 智能體可以讀 `/llms.txt`、`/llms-full.txt`，也可以在任意文章 URL 後加 `.md` 讀取 Markdown。這個設計是刻意的：如果文字要被檢索、引用、復用和反駁，機器可讀版本就不該是二等入口。

這個部落格要保留下來的不是觀點數量，而是問題結構。一個判斷過幾個月再拿起來，還能繼續工作，這才值得寫。