过去说知识管理，很多时候说的是分类、归档、标签、搜索、双链、卡片笔记，或者某种更适合个人使用的笔记方法。 这些东西当然有价值。但最近我越来越觉得，AI 出现以后，知识管理这件事的意义正在发生变化。 它不再只是“我如何管理自己的资料”，而是在变成“人和 AI 如何持续协作”的接口层。 AI 最缺的不是答案，而是上下文 大模型并不缺表达能力，也不缺生成能力。真正缺的是稳定、准确、可追溯的上下文。 你问...

AI coding agent 用久以后，一个很具体的问题会出现：它在后台工作时，人应该怎样知道它现在处于什么状态？ 编辑器里的进度、终端里的输出、通知里的提示都能解决一部分问题。但这些界面往往要求你主动看过去。你如果正在处理别的事情，或者同时开着几个会话，很容易不知道哪个 agent 还在跑，哪个已经完成，哪个卡住了，哪个需要你确认。 vibe-lamp 这个项目就是从这个很小的问题开始的。 它...

很多产品一说 AI 原生，最后落到界面上就是多一个聊天框。 聊天框当然有用。它适合表达不确定的意图，也适合把复杂入口收敛成自然语言。但如果一个业务系统真正要被 AI 深度参与，聊天框只是最外层的交互形式，不是系统能力本身。 我在 LinchKit 上持续做的一些实验，核心其实不是“让 AI 多写一点代码”，而是另一个问题：业务系统内部的能力、规则和边界应该怎样表达出来。 规则、权限和状态必须先被表...

我过去看知识库，主要还是从人的角度看：资料能不能找到，笔记之间有没有关系，目录是不是清楚，长期回看时能不能想起当时为什么这么判断。 后来用 AI agent 做事多了以后，我对知识库的要求变了。 人看笔记时，可以容忍很多隐含信息。一个标题、一个标签、几句当时写给自己的话，过几个月再看，大概还能补回语境。但 AI 不一样。它不会自然知道哪份资料更可信，也不知道一段话是草稿、事实、规则、偏好，还是一次...