人工智能

AI 不是单个工具，而是一套正在改变知识生产、软件研发、组织协作和个人能力边界的新基础设施。

这个目录不按工具品牌组织，而按知识的沉淀层级组织：

• 基础认知：理解 LLM、Agent、模型能力边界、上下文和工具调用等底层概念。
• 趋势判断：判断 AI 对软件研发、组织结构、职业发展、安全行业、商业入口和认知基础设施的影响。
• 应用实践：沉淀 Chat、Research、Agent、AI Coding、图片生成和本地模型等具体使用方法。
• 可复用资产：把 Prompt、Skill、工作流、评估标准和检查清单沉淀成可复用资产。
• 案例：记录真实项目如何借助 AI 完成，保留过程、问题和可迁移经验。

趋势判断

奇点不是某一天的爆炸式突变，而是一段已经开始、持续加速的渐进过程——人类现在就身处其中，只是大多数人感知迟钝。 AI 改进 AI 研究的自我强化反馈回路一旦形成，进步速度将超出线性预测的边界；变化是真实的，只是比人们想象的更平滑地展开。

AI 能力的提升与资源投入之间存在稳定的对数关系——进步是可预期、可持续的，不存在理论上的"撞墙"上限。 部署成本以远超历史任何技术的速度下降，使得原本只有头部机构才能使用的能力在极短时间内向所有人开放。

超级智能带来的最大结构性风险不是技术失控，而是收益高度集中。 广泛分配 AI 访问权限，是维持社会稳定和减少不平等的优先级最高的任务。

AI 的长期影响还包括重写生产资料。 智能正从个人能力变成可复制、可积累、可扩张的生产资料，把财富的来源、组织的增长、教育的目标一并改写。这个判断沉淀在 智能资本主义。

最重要的原则是：

知识放基础认知
判断放趋势判断
方法放应用实践
经验放可复用资产
结果放案例

这样组织后，新的想法也更容易归类：观点进入趋势，方法进入实践，模板进入资产，项目进入案例。