> ## Content Index > Fetch the complete content index at: https://www.linggandianbo.com/llms.txt > Use this file to discover other available public pages before exploring further. # 我开始搭自己的 Jarvis，然后发现最难的是信任它｜灵感电波 #136 - URL: https://www.linggandianbo.com/newsletter-136/ - Published: 2026-08-27T23:30:50.000Z - Updated: 2026-08-27T23:30:49.000Z - Description: 过去几天，我开始认真搭自己的 Jarvis，也第一次感受到：个人 AGI 真正难的不是接入一个更强的模型，而是让资料、流程和每一次行动都值得信任。本期还会聊到 AI 时代的“认知债”、不靠天赋也能练习的理解力、本地模型与云端模型的分工，以及宜家产品名背后的隐藏语法。 - Author: 董双赫 - Tags: 灵感电波 过去几天，我开始整一件听起来很科幻、实际很繁琐的事：搭建自己的 Jarvis。让 Codex 读我的 PARA，用 Todoist 接行动、Google Calendar 接时间，再把每日回顾写成可以重复执行的 Skill。过程既兴奋又疲惫。每多接一个组件，系统就多一层依赖；换掉一个应用，相关流程也会跟着动。最大的教训是，个人智能系统真正难的不是找到最强模型，而是让资料、边界和验证方式始终可信。否则，它只会自信地重复错误。 --- ## 01 真正属于你的 AI，最重要的不是模型 [*Garry Tan: Own Your Intelligence*](https://www.youtube.com/watch?v=eRrc1pUY5oU&ref=linggandianbo.com) · Garry Tan · Y Combinator · 2026-08-07 在 Startup School 2026 的演讲里，Garry Tan 拆掉了“个人 AGI”科幻的外衣：一个可以租用、也可以更换的前沿模型，加上由自己拥有的上下文，再用一个 Harness 把两者连接起来。模型能力来自外部，真正能够长期积累的，是你的资料、判断、工作方法和纠错记录。 他用了一个很准确的比喻：你的一生不是三本书，而是一座图书馆。邮件、会议、项目、决定，以及每个决定背后的理由，都可能成为资料库的一部分。但 Agent 不可能每次打开你完整的一生。决定它是“天才还是金鱼”的问题是：谁来选择此刻应该摊在桌上的那几本书？这就是“图书馆＋图书管理员”的区别。资料多不等于上下文好，能在正确时间找到正确内容才重要。 资料库之上是 Skill。Tan 展示的 Skill 并不神秘，往往只是一页写给“聪明新同事”的英文说明：什么时候触发、按什么顺序做、遇到冲突怎么办、结果放在哪里。一次任务做完，把有效步骤和修正留下来；下次再遇到同类问题，系统不必从零开始。他把这概括为“Markdown，不是魔法”。 真正打动我的，是演讲里不那么光鲜的部分。Tan 说，一个没人维护的个人知识库，只是“搜索能力很强的垃圾场”：检索会自信地找出过期事实，错误的 Skill 会把错误流程稳定地重复下去。第一周的系统很可能只是个玩具——资料很薄，Skill 很笨，修正它花掉的时间甚至比它节省的更多。 这几天我的感受非常接近。我没有照搬他的庞大系统，而是继续把 Markdown 作为事实源，先从每日回顾、行动和日历这些真实任务开始。可仅仅替换一次任务工具，我就发现相关 Skill、证据来源和捕获流程都要跟着调整；接口显示成功，也不等于一件事真的发生过。想让 Jarvis 参与越来越多的生活，前提反而是我必须更理解自己的系统。 所以，“拥有智能”不只是把数据放在自己的文件夹里，也不是坚持所有计算都发生在本地。它还意味着拥有判断规则、修正历史和退出权，同时承担整理、校正和保管的责任。个人 AI 最值得积累的资产，也许不是某个模型，而是一套即使模型更换，仍然知道你是谁、如何做事、哪里曾经出错的系统。 **阅读提示：** 约 42 分钟｜英文视频｜免费｜[附英文全文转录](https://www.ycrootaccess.com/p/garry-tan-own-your-intelligence?ref=linggandianbo.com) --- ## 02 AI 把活做完了，人为什么还要理解？ [*Understanding is the new bottleneck*](https://www.geoffreylitt.com/2026/07/02/understanding-is-the-new-bottleneck?ref=linggandianbo.com) · Geoffrey Litt · 个人网站 · 2026-07-02 Agent 写代码的速度已经超过人理解代码的速度。Geoffrey Litt 认为，理解的意义不只是检查结果对不对，更是让人继续参与创造：如果脑中没有系统的概念和结构，我们只能对 AI 的成果点头，却很难提出下一步真正有价值的想法。为此，他尝试让 Agent 同时生成解释文档、理解小测验和可以亲手操作的“微世界”。我尤其喜欢他把小测验称为 AI 循环里的“限速器”：不是故意降低效率，而是防止行动速度超过人的理解速度。这不只适用于代码，也适用于任何交给 AI 的复杂工作。 **阅读提示：** 约 10 分钟｜英文｜免费｜含大量图解和互动示例 --- ## 03 如何不靠天赋，让自己变得更聪明 [*How To Understand Things*](https://nabeelqu.substack.com/p/understanding) · Nabeel S. Qureshi · Substack · 2020-07-02 我们习惯把聪明理解成反应快、记忆力好或 IQ 高。Nabeel S. Qureshi 却把这些比作“硬件”，把诚实、勇气、求解意志和亲手验证的习惯比作可以练习的“软件”。他认识的聪明人解完一道题后，还会继续寻找第二种、第三种证明；作者真正佩服的不是速度，而是不肯停在一个自己并不满意的答案上。文章给出的练习也很朴素：敢问显得愚蠢的问题，把抽象概念画出来或亲手实现，放慢速度，并反复追问“它究竟是什么”。这里的“变聪明”不是提高 IQ，而是停止假装自己已经懂了。 **阅读提示：** 约 18 分钟｜英文｜免费｜思考方法与个人随笔 --- ## 04 你会拥有自己的 AI，但它未必住在电脑里 [*No, local models will not win*](https://www.seangoedecke.com/local-models-will-not-win/?ref=linggandianbo.com) · Sean Goedecke · 个人博客 · 2026-08-11 Sean Goedecke 做了一个很容易引起争论的预测：即使本地模型继续变强，多数推理仍会发生在数据中心。因为本地追上今天的能力时，人的任务可能已经升级；而云端还能通过多用户批处理和专用硬件提高利用率。这个判断不是已经确定的结局，本地模型在低延迟、断网、数据不出设备、模型调整和基础设施控制上仍有独特价值。我也保留一个疑问：大型机最终没有阻止个人电脑普及。未来的个人 AI 或许会同时住在两个地方——本地保留交互、记忆和控制，云端承担最重的推理。 **阅读提示：** 约 7 分钟｜英文｜免费｜个人观察 --- ## 05 宜家的产品名，不是瑞典语随机抽签 [*How does IKEA come up with names for its products?*](https://www.ikea.com/se/en/customer-service/knowledge/articles/6f564c4d-2ccc-46de-b643-545a3948dc79.html?ref=linggandianbo.com) · IKEA Sweden · 日期未标注 宜家那些像乱码的名字，其实有一套分类规则：沙发和扶手椅常用瑞典地名，书架常用男性名字，儿童产品会从动物和自然里找词。SÖDERHAMN 是地名，BILLY 来自人名，BLÅHAJ 的意思就是“蓝色的鲨鱼”。候选词还要是真实词汇，通常在 4～12 个字母之间，并经过读音、商标和跨语言含义检查。它最早只是因为创始人 Ingvar Kamprad 不容易记住产品编号，后来却成了宜家最醒目的品牌语言之一。这条知识大概没什么用，但下次逛宜家时，可能会忍不住猜一个名字属于哪套词库。 **阅读提示：** 约 3 分钟｜英文｜免费｜宜家官方知识页 --- 祝你有个美好的周末～ 董双赫