让无限心智
解放你的心智
这一周，我一次测试都没点过
blankhoney
提交 12 条，按审核记录：
9 条有效
2 条重复
1 条建议
我只做了两件事
1它停了，我把它拉起来
2网络老断，我加了个定时任务叫醒它
今天讲三件事
1
2
3
它怎么自己测
同一个思路，搭成一个小组织
拿回去就能用的三招
我只交代了一段话
自己打开产品的教学使用手册，
根据手册进行动作建模，
对产品进行功能测试和点击测试；
自己截图、分析 DOM 来寻找 Bug；
要求 Bug 可复现，过程可追踪、有记录；
自己设计异变测试，
探索补充没覆盖到的动作，
确保测试内容全覆盖。
工具：
渐进式披露的文字指引
+ Ego Lite，极致的简单
怎么记证据、
怎么审、
断了怎么续，
都是它自己形成的
用户手册
先画地图，再走路
  1. AI 先读用户手册，
    自己画出动作树
  2. 节点是页面或状态，
    枝是动作
  3. 同一页面，
    状态不同就是不同节点
  4. 沿树逐条走，
    每步记下前后状态
草稿是空的
草稿改过
改字段
然后故意走错
  1. 连点两次、打乱顺序、
    误操作、缩小窗口
  2. 借鉴模糊测试和属性测试，异变是落地方式之一
  3. 模拟用户的边界行为
    和不懂产品时的误用
  4. 工作量很小，思路接近
    τ-bench 的用户模拟
模糊测试
属性测试
异变
5/9
9 条有效：
5 条窗口适配，
4 条功能和状态问题
它自己看截图发现的
  1. 888×467：两个标签跑出可视区，点不到
  2. 关掉重开还是这样；1280×800 正常
  1. 复现了才算数，没复现的那次也要留着
  2. 证据交给不带上下文的新会话，只读审查
888×467
1280×800
点不到
正常
AI 找，AI 审，人最后核验
  1. 独审：新会话只读证据
    （建议换个模型）
  2. 提交：问卷我手动交，
    AI 的结果要人核验
  3. 审核方：在自己的
    环境里独立复现
  4. 「移动端显示为 0」→
    收窄成「计数和列表不一致」
树会自己长
  1. 遍历：把一张固定的图走完就结束
  2. 手册没写的功能，它探索出来也测了
  3. 新动作能不能嫁接到别的枝后面，它自己判断
  4. 再对其他动作做改进和异变，拓宽测试范围
zzz Ego Lite
一周，
不用我管
  1. 证据纪律和续跑，
    都是它自己形成的
  2. 停了、断网了，
    醒来先读清单再接着走
  3. Ego Lite 浏览器 + Codex
    (gpt-6.1-sol high)
  4. 我每天早晚看一眼，
    掉了就拉起来
7 天
额度用了不到 20%
ChatGPT Pro 限额
单日不超过一亿 token
清单
进度
证据
下一步
Codex
Ego Lite：给 AI agent 用的免费浏览器，目前只有 macOS
开源的是配套 skill（MIT）· github.com/citrolabs/ego-lite
?
它只认识按钮，不认识网线
  1. 只排了点击和常规功能；
    没有源码，只能从界面外测
  2. 没给正规测试资料，
    定义不了「测完」
  3. 没做：网络层、压测、
    安全、修复回归
  4. 想复用：监督初始建模，
    加前后端监控和埋点
动作树
没测
前端
后端
同一个思路，
搭成一个小组织
  1. 你只跟 L1 调度台说话
  2. 每个任务一个 L2 Lead：
    对齐、设计、验收
  3. 干活交给更便宜的模型
  4. 派活单：要什么、
    交到哪、回一行
调度台 L1
Lead L2
执行 agent
我的工具链
  1. 规则只写角色名
  2. Claude 管计划、设计和监督
  3. 这份演讲也这么分工
  4. 改一行，全机器跟着换
周边：浏览器 agent-browser（服务器）/ Ego Lite（Mac） · 终端 herdr（多 tab 并行） · 看板 Notion · 文件中转 send / down
调度台会「招人」
  1. 调度台按任务，
    现场创建专业分工的 Lead
  2. 来自我们的
    autoresearch 技能包
  3. 借鉴 Grok Bot 里
    专门造 bot 的 Dr Eggbot
  4. 先问几个偏好，
    再造一个只做一件事的 bot
看板 → 证据 → 细节
  1. 看板：
    每个任务一行状态
  2. 看板连着
    结构化的证据
  3. 证据连着逐层展开的
    施工和调查记录
  4. 整个体系只做两件事：
    追加，和整理
不靠记性，
靠结构
  1. 问题都查得到，冲突都能复查
  2. agent 失忆了，
    会顺着看板自己找回来
  3. L1、L2 只收汇总，
    上下文涨得很慢
  4. 会话活得久，
    「中段遗忘」大大缓解
?
看板可以用自己
维护的 HTML，
也可以用 Notion
参考并简化自 mem0 这类记忆系统
上下文（示意）
看详细过程
上限
只收汇总
一句话，交出一个问题
  1. 你只说一句想知道什么
  2. Lead 发一页确认单，你回 OK
  3. 自己设计实验、跑完、带回结论
  4. 例：Haiku 5.5
    主动读对技能 11–18%
  5. 规则改了：末尾写「先读路由」
本机实验 003 · 主动技能检索成功率
autoresearch 实测 · jev 可用性实验
11–18%
92%
Haiku 5.5
Sonnet 5.5
约97%
≈ 相当
Haiku 5.5
+「先读路由」
反例误触发 2/20
约30%
约60%
约80%
约90%
Haiku 4.5
luna
jev
terra
其余几个模型
80% 以上
先测，再做
实验成本很低：全部先测再实现，
而不是先实现、再测、再改。
一张单子，七行回复
调度台：需要你决定
我回七行 · 它来处理
1
013 网页怎么用
2
fact 角色用谁
3
012 盲评要不要亲自看
推荐 · a 不看
4
两个补充实验（含 003）
推荐 · 都不做：再测意义不大
5
pm 评价什么时候开
推荐 · 10-25 前后开
6
服务器上跑两条命令
7
Notion 的两件小事
本地用
先用6.1sol high,太慢了再用sonnet
B1-A B1-D B1-E B4-B B4-D B4-E会比其他几个好一点
可以现在补,可以现在开始
下周开始,现在先不急?
给我命令和需要运行的服务器
这个不用管
只在本地用，不发布
写进模型配置，同步到各台机器
已转给 012
两个 Lead 重新拉起
记成下周开，约 10-26
命令已给出
已从待办删掉
推翻了推荐
Haiku 5.5
11% → 97%
加一句
「先读路由」
→ 规则改了
只回答它问我的
不用记哪个任务卡在哪
为什么不直接
派一个 agent
  1. 动作指导好的编排者：
    探索更深、完成度更高
  2. 长任务最关键：拆到下层，缓解指令遵循下降
  3. 上层抽象：对付注意力稀释，监督下层遗忘
  4. 越往上 token 越省，上下文越慢，信息越集中
?
同一个模型，三种组织
A
单 agent
一个 agent 从头干到尾
B
自开子 agent
允许它自己开子 agent
C
本系统
master · Lead · 分工 · 审查
A
单 agent
B
自开子 agent
C
本系统
调研题的过程
各取一次：A-1 / B-2 / C-1
质量
代价
token（百万，两次均值）
DeepSeekClaude OpusCodex 审查协调（master、Lead）
DeepSeekClaude Opus
三道题，每种各跑 2 次找 bug修 issue做调研
找 bug：三家分不出高低
调研 · 事实覆盖率
修 issue · 得分（脚本判分）
token
1.4–4.1 倍
时间
1.9–2.7 倍
找 bug
C 更快
C 23 分钟
A 52 分钟
数据：016 实验，2026-10-20，18 次运行
实测：一百比一
10 天 · 约 68 亿 token
其中 96% 是缓存重读
最多的一天
一台服务器 + 一台 Mac 合计；
其他电脑和账号未计入，是下限
9 个 Lead
调度台
≈ 100 : 1
自身上下文累计 494 万 token
发给调度台 96 条 · 47,259 字
只计 Lead 发出的消息，实际略低
每个 Lead 的压缩比，对数刻度
调度台 1 个会话 · 10 天 · 10 个任务 · 只压缩 7 次
索引 56 条 · 0 坏链
每个角色开工读 0.9–2.1 万字
上层还记得下层吗
保留 167（87%）
省略 17（不影响决策）
模糊 7
说错 1（0.5%）
调度台、Lead 各抽 63 条事实
核对原始文件：硬错误各 3 条
31 对转述；丢得最多的是限定条件
数据：单日见上；其余为 research 系统记录，2026-10-09 至 10-19；token 含缓存重读；字数按 1 字≈1 token 估；转述抽查 10-18 至 10-19
自动研究系统，按需要挑
只调好一个指标
Karpathy autoresearch
写论文
AI Scientist
帮科学家提假设
co-scientist
调研写报告
Deep Research
自主发现
Kosmos
链接在速查表里。
三招
读什么、
记什么、
写什么
先给目录，
用到再展开
自己设计
工作记忆
写东西，
标准定高
开关
第一招
先给目录，用到再展开
tool search
91k
约19k
同一句话的
输入 token
本机实测
Claude Code 官方登录默认开
走中转网关默认关，加变量打开
Codex 内置模型一直开
Gemini CLI、
OpenCode、Cline没有，兜底见速查表
  1. MCP 越多，开场塞进去的说明书越厚
  2. 开了 tool search：只放目录，用到再查
  3. 同一句话：91k → 约 19k token（本机实测）
  4. 走中转默认关：ENABLE_TOOL_SEARCH=true
技能和工具，
也做成目录
  1. 系统提示、技能、工具说明，都聚合成目录
  2. 常驻 6 个通用技能 + 7 个路由
  1. 库里 171 个技能，按需去读
  2. 读错技能，是 agent 绕圈的一大原因
平铺
62%
读对技能
分层
92%
读对技能
本机实测
6 个通用技能
7 个路由
171 个技能
第二招
自己设计工作记忆
以前
现在
7790
万 token
一个会话不清，
累计重读的缓存
  1. 以前：一个会话不清，越拖越重
  2. 现在：长期留存，定时整理，渐进式披露
  3. 详细记忆上面，都有一层目录
  4. 冲突的内容，都能被复查
不重复探索，也不忘
  1. 新来的、一直在的 agent，都不用从头摸索
  2. 没变过的内容，不再探索第二遍
  3. 只读需要的卡：读入少了近一半，答对不降
  4. 平时按目录读；改卡前，先读全、总结再改
读入−48%
答对率持平
小实验，两个小仓库，只跑一次
目录
第三招
写东西，标准定高
对齐卡片
  1. 人愿意读，找得到重点，信息完整
  2. AI 读一遍就懂全貌，不用回头再翻
  3. 多份文档之间，细节和设计完全对齐
  4. 对齐靠第二招的卡片：冲突一查就出来
好文档，靠好模型
  1. 规则只能让它写得「合格」
  2. 读着舒服，得靠好的写作模型
  3. 试试 doc-writer；不用它，也要守住三条标准
合格
Gemini 4 Argon
Opus
Sonnet
DeepSeek
GPT
我读中文技术文档的感受，不是评测
npx skills add blankhoney/doc-writer
默认普通文档：去 AI 味，规范写作和句式
点名调用正式文档：先研究代码写成笔记，再照着写
你只说一次想要什么；
你的心智，留给做选择
结论已出
今晚做一件事
开一下 tool search
项目根放一个 20 行的 STATUS.md
定三条写作标准，或装 doc-writer
速查表在聊天框里；整套系统开源在 blankhoney/agentlord，克隆后对 agent 说一句话就能装好