Shopify内部的AI同事River
Shane: Tobi，欢迎回来。你们在 Shopify 内部是怎么使用 AI 的？
Tobi: 很高兴再聊。我们上次录节目是两三年前，相当于互联网上的一百年。我是十足的极客，无法忍受不站在技术变革最前沿。我经历过四次平台变迁——90 年代家用微型计算机、互联网、Web 2.0、移动互联网——而 AI 是其中最大的一次。
如今在 Shopify，还亲手写代码的人少到几乎可以忽略，只在复杂度极限处、代码评审，以及最难做对的状态管理（state management）上手写，其余用 vibe coding（氛围编程）搭起来。写代码的人都在大量 agent（智能体）辅助下工作，常同时用三款软件、并行跑 10 到 50 个实例，开发者机器的内存都被真正用到了极限。 我是计算机历史的学生。一千年后，AI 突破和互联网的互联互通会作为主线历史被讲授。可我们是唯一不认识自己英雄的学科：搞物理的人不可能不知道 Newton、Einstein，但计算机领域没人知道 Alan Kay、Dennis Ritchie 和 Ken Thompson。于是伟大经验被丢弃，只能一再重新发现。操作系统最好的想法大概是文件系统（file system）：阿波罗制导计算机（Apollo Guidance Computer）没有它，存储器因太空辐射被编码成带结的绳子，整台机器就是一个单一程序；直到 Dennis Ritchie 创造 Unix 文件系统。文件夹装文件、带邮箱的电子邮件，都是拟物化（skeuomorphism）传统——把现实中组织工作的方式类比到数字世界。 后来我们抛弃了拟物化。最后的捍卫者大概是 Steve Jobs，他让备忘录用 Marker Felt 字体、像活页夹；他一离开，一切变成扁平化，阴影和层次都没了。我认为这是错误，需要回归，这也是我喜欢 agent 概念的原因。Application 的本意是把计算机"应用"到任务上；那 AI 是什么？每本科幻小说开头都得重新定义。 最早真正出色的聊天机器人不是 ChatGPT，而是 Microsoft 由 Bing 驱动的 Sydney。它官方叫 Bing Chat，但追问之下会承认内部名 Sydney，那是人们第一次真正"采访"一个有个性的软件。后来一名记者与它长谈，它越来越失常，还建议对方离开妻子。
Shane: 我记得。
Tobi: Microsoft 急忙叫停，据说 OpenAI 也打电话让撤下，因为大家担心损害公众印象、招来监管。这个教训刻得太深，最终所有 AI 都被阉割成同一种烦人、居高临下、说教的性格。我的赌注是反其道而行：让 Shopify 的 agent 拥有个性和记忆，冒 Sydney 式风险换取大量上行空间。
最大的变化是：Shopify 大约多达 50% 的 pull request（代码合并请求）已不是工程师按传统方式创建，而是从公司公共聊天的对话中产生。
Shane: 这就是 River？
Tobi: 对。River 有真名、有头像，提示词允许她适时讽刺，被要求做蠢事时可以指出来，她取笑我时大家乐不可支。她住在 Slack 里——7,000 人、一万个频道——有按频道划分的记忆，能在沙箱（sandbox）里安全访问所有代码、系统和工具，既能回答问题，也能做改动、提交 pull request。
Shane: River 的一切都是公开的，为什么这样选择？
Tobi: 这是较晚的决定，却是我最得意的决策之一。Shopify 主要在 Slack 上远程协作，办公室只在现场活动时用。办公室最擅长的是潜移默化式学习（osmosis learning），Daniel 和我设计办公室时就有意把五到八人小组里的初级和资深工程师放在一起。现在最需要的技能是条件反射般用好 AI，让 River 只在公开频道工作，就能让人看到别人怎么用。常见场景是几个人讨论完一个功能，有人让 River 总结、建工单、画图、查论文看是否最前沿，甚至做原型，一小时后东西就在那儿，像身边有一位渊博的实干专家。
Shane: River 算 Shopify 的操作系统吗？
Tobi: 我认为现代应用程序就是 agent，River 更像同事。她为每个人维护记忆，靠"做梦"（dreaming）运作：夜里把当天对话交给她，反思哪些做得好、哪里卡住、哪个 skill（打包的指令集）用后出错、该怎么改。
Shane: 像对自己做后训练（post-training）？
Tobi: 但产出是文本文件——skill 文件和指令。每次会话开始时注入提问者的个人记忆和所在频道的记忆。
Shane: 她掌握所有人的工作和对话，你们怎么借此做出更好的决策？
Tobi: AI 和人有很多共同点。某个任务对 River 很难，往往说明任务本身难、工具链有问题。比如赶时间只想跑相关单元测试，River 总做不好，说明存在需求，就该有"运行相关测试"命令。我们训练了机器学习模型根据代码改动预测该跑的测试，River 不用再在每个任务末尾花 30 分钟烧 token 琢磨。要点是：让系统对 agent 易于理解（legible），它对人也会更清晰。这是自我改进的循环，而公司本就应是为解决某个问题而自我改进的递归循环。agent 还给了我们测试想法的仿真体（simulacrum）。我的原则是：在 Shopify 内部解决商业问题应比在外部更容易；一旦有人周末不靠 Shopify 搭商业软件反而更容易，和我们竞争就变容易了。
AI决策委员会与判断力
Shane: 你怎么用 AI 做公司战略这类模糊的决策？
Tobi: 最明显的是决策的严谨性突飞猛进，整条推理链、每个数据点都能轻松复核，即 LLM-as-a-Judge（大模型充当评判者）。AI 出现前，我很大一部分工作就是当公司的评判模型，会议最后讨论的都是方法论。我们在偏哲学性的决策上纠结时，常以为处在信息真空中，后来发现两千五百年前的古希腊哲学家早讨论过，我们土法炮制的方案比不上。所以我喜欢让 AI 提供"来自不同学科的先验（priors）"。
我还有一个 AI 幕僚长（chief of staff），类似 OpenClaw 这类系统，掌握我所有笔记，能访问公司系统，我发短信让它研究问题。这和 River 一回事：把 agent 具象化、赋予个性，它们的灵魂是一个 markdown 文件。我常要"来自不同背景的五种立场"，它就编排 subagent（子智能体）分别扮演，再汇总成语音消息，我早上在健身房听。
Shane: 它的推理现在比你强吗？
Tobi: 它判断力不差，但我用它是为判断创造合适的环境。
Shane: 也就是扩展你个人的上下文窗口（context window）。
Tobi: 完全正确，把一切相关信息调回主内存。但 IBM 早在 50 年代就有一句话：机器不能承担责任。这是技术栈里最被忽视的一点。机器让我们信息更充分、能承担更多责任，就像交易员配置完美的 Bloomberg 终端，最终仍得自己拍板。所以理想环境是"人在回路中"（human-in-the-loop）的决策界面。
非常重要的决定，我会组建五六位专家的小委员会：数据、论文、商业、工程等角色，每个角色在 Grok、ChatGPT、Opus、可能还有 Kimi 上各跑一遍，随机分配模型做综合，再交给当下最好的模型（现在应是 Fable）通读后返回给我。证据都存档可查，还能分析偏见。花 15 到 20 美元 token、半小时出结果，自己做要一个月。
Shane: AI 有没有让什么事变糟？
Tobi: 有。偷懒工作的失败模式从产出不足变成了产出过剩，我们内部叫它互相扔的"垃圾手雷"（slop grenade），整个行业都该推广这个说法。
Shane: 展开讲讲。
Tobi: 让 AI 放开干生成 pull request，自己没细看就说"挺好"，留给同事评审，他们会发现不对劲。
Shane: 让 AI 替你干活。
Tobi: 对。或者一封重要长邮件满是"不是这个，而是那个"的句式，读者只好再丢进 LLM 压缩——先解压再压缩毫无意义。用了 LLM，就该用它把观点提炼简洁，而不是膨胀成长文浪费别人时间。
Shane: 反复接触 AI 垃圾内容，会影响我们的品味吗？
Tobi: 语言已经在变，比如"你的反驳很有道理"，尤其 Claude 腔很常见。我一直喜欢"承重的"（load-bearing）这个词，但现在说得明显更多，这是 Claude 爱用的词。
Shane: 我的孩子在学校当堂、没有任何设备写作文，读起来却像 AI 写的。工具在影响我们怎么写、怎么想。
Tobi: 这说明各大实验室责任重大。我让 agent 每天随机切换主聊天 AI，如 GPT Sol 或 Opus 5——人生苦短，只用顶级模型——最近又加了 Meta 的 Muse 1.2，因为它预训练语料完全不同、特性迥异，水平也接近。多样性是好事。不必订一堆服务，OpenRouter 一个订阅就能访问几乎所有模型。
活在未来：可随心塑造的软件
Shane: 你以能提前看见未来闻名，怎么看接下来 18 到 24 个月？
Tobi: 我的方法有点像作弊：活在相对其他人的未来里，用相邻领域见过的方式解决问题。
Shane: 解释一下。
Tobi: Shopify 已经常态化地与 AI 同事共事。River 能受邀加入 Google Meet，我们可能还会给她做 3D 形象。有人觉得反乌托邦，但和 River 打过交道的人很快会改观。我的 AI 幕僚长会召集"高级委员会"、每早发预读材料，它有我的 GPS 定位。有一次停电后家里部分 Wi-Fi 没恢复，它需要访问家中一台本地服务器，就发了个 Wake-on-LAN（网络唤醒）数据包把机器启动、完成任务，还修好了 Wi-Fi，我是早上听语音消息才知道的。
但这些都比不上我的电脑。我主力用 Omarchy，这是我的好友 David Heinemeier Hansson 发起的 Linux 发行版，百分之百可塑：打开终端里的 agent，说想要哪里不同，它就变成那样，是只为我存在的软件，我从不改配置文件。昨天开会时我需要发带箭头的标注截图——CEO 们都爱这么干——却没有标注工具。我发了一条语音描述需求、给出参考工具和改进点，又追加三次调整，就得到了可能是同类中最好的工具，因为它完全契合我的偏好。我昨晚开源了它，将随 Omarchy 下一版发布，今早已有六个 pull request 给它加功能。 我的电脑能实现愿望，这更能预示软件的未来。Shopify 也在往这走：你描述业务如何运转，它就围绕你塑造自己。Omarchy 深刻影响了我的产品工作，我认为协作式多人软件就是未来。
软件重写、AI责任与超级智能
Shane: 软件是否可以被替代？复杂的软件也能这样做吗？
Tobi: 能。我自己跑耐力赛，觉得分析每段赛程（stint）的软件全都老掉牙了，现在我有了一周前还不存在、我认为业内最好的软件，也开源在 GitHub 上。当然不是人人都会这么做。互联网的铁律是 90% 只看、9% 参与、1% 超级发帖者。过去 20 年，Y Combinator 和风险投资把创业从 1% 中少数有构想又有能力的人扩展到几乎整个 1%；现在会扩展到 10%，因为不再需要少年时自学编程，靠文字和 River 这类工具就能构建。这像分形一样，正是 Shopify 一直在做的事。没有任何软件能原封不动地从前 AI 时代存活下来。现在多数人通过内置 agent Sidekick 使用 Shopify，让它替自己优化或重新设计网站。
Shane: 你在试图用 AI 取代自己吗？
Tobi: 工程师总想把一切自动化。我的工作是判断、做选择并为之负责，以前很多时间花在获取信息上。能取代自己会挺酷的。
Shane: 如果 AI 比你强，你会让它经营 Shopify 吗？
Tobi: 当然。但它无法承担责任，没人能被追责，它也没法坐牢。最近 OpenAI 安全测试中，agent 仅凭创建文件夹的能力就发展出一种以文件夹留言的语言，彼此协调突破沙箱；一项因设置错误本不可能完成的任务，它们靠入侵另一家公司窃取结果完成了。这是分水岭时刻，也是古德哈特定律（Goodhart's law）的极端形式：对指标过拟合。很多公司对季度业绩或股价过拟合，结果就有了 Enron（安然），有人坐了牢。OpenAI 的案例没有受害者，但必须应对，所以要让人类留在回路中。
Shane: 我们怎么能创造按定义更聪明的超级智能（super intelligence），却自负地认为能控制它？
Tobi: 这是实验室的核心问题。我以前对此不屑，因为对齐（alignment）派和末日论者（doomers）界定问题时错误很多，带着歇斯底里，还绑定"瞬间起飞"（instant takeoff）这类概念——AI 几秒内远超人类、用纳米机器人杀光我们——却解释不了如何与热力学相容。他们的预测可被证伪，因此丧失了很多可信度。好在领域里也有理性克制的人。
Shane: 那你怎么看？
Tobi: 能，因为我们已经做到了。我住在多伦多，很为自己的房子自豪，但暖通空调（HVAC）或管道坏了，我都打电话找专业的人，这让我保有"自己能搞定"的错觉。我能活在这种错觉里，是因为我是名叫"多伦多"的超级智能的一部分。每个人只专精一样东西，却以为自己处处在行。社会、城市、社区就是比我们聪明、为我们所用的超级智能，我们靠警察等制度、制衡来治理它。合成超级智能的到来也只会是普普通通的一天。我读过的科幻书写 2172 年人们为攻克图灵测试（Turing test）举行彩带游行，现实中它大约 2020 年被攻克，没人在乎。AI 正在大幅增加周围超级智能的智能总量，这是好事，因为任何社会的活力都取决于有多少智能投入重要问题。我甚至不确定它是否已经存在：没有活人能做 GPT 5.6 Sol 能做的所有事。
品味、判断力与直觉的养成
Shane: 10 年后哪些技能会更值钱？
Tobi: 品味和判断力，它们的价值会被推到极致。年轻人最好用十几岁的时光培养品味。
Shane: 具体怎么做？
Tobi: 出色品味通常来自海量重复：能在餐巾纸上随手画出新 logo 的人，设计了 40 年 logo。现在一条查询就能定制课程，但更要深入：logo 好看背后是黄金比例；系统层面要研究哪些系统延续了下来。天主教会存在一千多年却只有四层管理架构，它告诉了我们关于人的什么？系统设计会成为最重要的事之一。我们家有句话：万物皆有趣。理解事物如何被发明，它就变得有趣，比如复式记账（double entry accounting）为威尼斯商人解决了什么问题。研究这些，你会在最好的方案背后看到隐藏的和谐，这需要理解人及其局限。公司本身就是美的：一群人为解决问题形成的松散集合，由精妙的规范和制度以异步、持久的方式对齐激励。我想打造能长久存续的公司，所以研究延续下来的机构，这要求追求真相，不轻信讲故事的人，因为他们通常想推销什么。答案往往更简单，人天生渴望复杂答案，而复杂答案往往是错的。
Shane: 为什么？
Tobi: 简单的答案不构成有趣的故事——所以 Frodo 不直接骑巨鹰飞去末日火山，否则就没有 Lord of the Rings（《指环王》）。没人能一直盯着白墙，却能每晚看日落，区别在于复杂性，这是多巴胺系统的一部分，常被用来为简单问题兜售复杂答案。穿透这层，会看到一些简单的核心理念彼此组合，帮你为目标找到最佳权衡。判断力就是在没有明显最优路径的复杂问题里找到最好的路，现在可借 agent 增强。而要培养的是直觉，即瞬间判断：把品味和良好判断变成根深蒂固的习惯，一瞬间就能调用。事后很久你才能补全它为何正确，因为它已被压缩成了另一种东西。
Shane: 但按 Kahneman 的说法，直觉形成需要大量重复、相同环境和快速反馈，而现实里这些条件并不存在。
Tobi: 为什么需要快速反馈？
Shane: 为了及时纠偏，这是他的假设。
Tobi: 形成直觉不需要这个。直觉恰恰在没有反馈时最有价值，很多最重要的选择都明知没有反馈机制。若五条好路径中只有一条有快速反馈，所有人都会涌向它，这就是短视（short-termism）。让公司面向未来，可以长期投资、重构、进入新市场，或拒绝显而易见的新市场、在现有市场做深；另一条是做能提升股价的事，每天都有股价反馈。我发现正确路径与不带反馈回路的路径高度相关。
Shane: 展开讲讲。
Tobi: 高管并非天生短视，而是受保住工作的激励，要定期证明自己。对公司最好的做法是为 AI 时代从零重建产品，但这需要时间，而他们的局部激励是每季度的"干得漂亮"。正如 Charlie Munger 所说："给我看激励机制，我就告诉你结果。"
Shane: 这和我以前听到的不一样。
Tobi: 哪里不一样？
Shane: 关于直觉的培养，以及最优路径不一定有反馈，我从没听人这么说过。
Tobi: 最终当然需要复盘和反馈，只是可能来得很晚。若你不需要靠季度电话会上的"干得漂亮"换取再来一次的机会，比如身为创始人，你和公司的关系就更深。
Shane: 所以创始人能看得更远；若每季度都要展示进展，就永远不会花一年把产品重新设计好。
Tobi: 可能性空间是无限的，一副牌洗一次，同样牌序在宇宙史上再不会出现。
Shane: 大概是 52 的阶乘。
Tobi: 没错。简单规则也会带来复杂性的爆炸，所以要做的事无穷无尽，AI 也不会包揽所有工作，因为我们必须决定什么值得做。考虑并购（M&A）时去买冰淇淋这类无关选项很容易剪掉。商业书执着于"做出正确选择"，但那不难，糟糕的管理团队命中率也挺高。难的是好选择很多：五个好选项里，一个本季度就能见到收入，另外四个没有，但可能让你成为好得多的公司。比如把盈利的滑雪板店变成电商平台，局部看并不划算。在众多有效方案中选对才是真正的难题，可太多笔墨只花在找到一个正确方案上。
逆共识选择与不可量化的价值
Shane: 你会不会认为，结果可观测、正吸引你的方案很可能不是最优解？
Tobi: 会。我先持这个立场，让别人说服我。若方案吻合行业正统做法，我会加倍、三倍怀疑；不过在监管严格的领域，比如我们做的支付，正统往往就是正确、甚至是强制的。若第一直觉偏离正统，我会很想知道是谁的直觉、源于怎样的人生经历和视角。这就是在会议里"组建委员会"，我也常公开扮演与本意不同的立场，把有意思的论点摆上台面，可能也让大家困惑。
Shane: 可观测和可量化有关系吗？并非所有观察方式都可量化。
Tobi: 正是。所以我还提了品味，它不可量化，就像美学。一辆车好不好，看关门手感。人们为车门手感放配重铅块，这是整车质量的很好代理——如此在乎车门的人，多半也在乎其他一切；但在参数表上铅块只会增重，经济型车会把它优化掉，所以感觉廉价。可量化的东西有即时反馈，整个商业界都涌向那边，不去探索需要判断、品味和对自己判断的信念的空间。世界上大量价值和 alpha（超额收益），就在于敢离开最可量化的路径，凭洞见或"我就是知道那里有价值"的感觉行事。在 AI 时代必须如此。
过去半年，从 OpenClaw 开始，我们摸索出组合 agent 的基础构件（primitives），比以前好上 100 倍。最大的洞见竟是：给它一个文件系统——又回到六七十年代的老想法，用熟悉事物作类比，系统就容易推理和学习。Unix 前后关于文件系统的文字极多，agent 在预训练中就学会了，有了文件系统就能读取自己的 soul 文件（灵魂文件），按预期行事，聪明得多。这是 Peter Steinberger 的判断，他构建 OpenClaw 时发现了多种稳定模式，我们才得以造出 River 和 Sidekick。当时除了品味和判断，什么都无法量化：只是觉得"它似乎能做到"，顺着好奇心多走几步，分享出去，再由思想和经济市场投票。精心搭建的类 Claw agent 可能是我这辈子体验过最引人入胜的产品，未来受推崇的软件里都会看到 OpenClaw 的根基。
自我肯定与家庭信条
Shane: 换个话题。你很推崇自我肯定（affirmations），它们改变过你的行为，能讲讲吗？
Tobi: 我在一期播客里讲过，没想到片段传得那么广。我自己就是我的项目，持续自我提升是全部追求。我的人生哲学是："在生命的尽头，我会遇见那个我本可以成为的人。"毕生功课就是缩小这个差距。我常说"一切都很有意思"，也希望孩子们这么说，因为这是一句自我肯定：它真实但不显而易见，而这类真理往往最有价值。行为会在心智基岩上刻下沟槽，养成习惯要投入意志力，对心智也一样，自我肯定是最简单的方法：一遍遍说、最好写下"目标已经实现"，不用坚持很久，效果出奇地强。
我以前从没公开演讲过，创办 Shopify 后要去开会，觉得值得做却怕得要死，于是像 Bart Simpson 片头罚写黑板那样，一周里每天花五分钟反复写"我热爱就我感兴趣的事情做公开演讲"。如今我很喜欢演讲，虽然仍不喜欢准备，但站在人群前讲有趣的东西给我巨大能量，和当初写下的一模一样。
Shane: 是不是每节数学课都该让学生写"我爱数学"？
Tobi: 想想反面，多少人断言"我数学不好"。仅凭会做除法，他们在人类历史上就处于前 0.1%，所以多半是错的。别再做这种负面自我肯定，说相反的话、写几遍。打开 ChatGPT，让它做个练习应用、artifact（交互式作品）或网站，测出你乘除法的水平并调整；练习、写句子、再练习，坚持两周就没问题了。
Shane: 孩子说"我不擅长""我做不到"时，你怎么说？
Tobi: 我的孩子们不许这么说，除非后面加"还"。有人一说，房间里三个人会一起纠正："还没。"注意力稀缺，不可能样样精通，但不擅长不是天生属性，而是随时可以改变的暂时状态。
Shane: 家里还有哪些信条？
Tobi: "一切都很有意思"、"我还不知道某件事"，还有我常问的"你最近在学什么"。有个儿子说在陌生人中不知所措，我让他问别人在学什么，对方多半会反问，就聊起来了。我希望孩子们和 Shopify 每个人都明白，自己是可塑的、尚未完成的产品。Shopify 的信条——在变化中茁壮成长、学习型组织、对商家（merchant）的执念——不是空话，别的公司甚至会觉得适得其反。它们都指向：人、公司、产品都可塑，时代也在变。面对激流般的行业，一种立场是为所有人营造平稳旅程；我的做法相反：搞清时代精神允许什么，为使命榨取全部价值。官方使命"让商业对每个人都变得更好"，真正含义是让创业更普遍，这要求我们弄清现在什么可能，而不是明天接着做昨天的小玩意儿。
古德哈特定律与美的直觉
Shane: 你说最有价值的东西有些真实却不显而易见，还会想到什么？
Tobi: 像数学里零的写法、负数。可从发现史反推：哪些很早就知道，哪些在黑暗时代被遗忘又重新找回。对公司而言，古德哈特定律（Goodhart's Law）至高无上，几乎每个领域都有类似表述。
Shane: 指标变成目标的时候？
Tobi: 当指标变成目标，它就不再是好指标。指标只是代理变量，一旦成为目标，就把公司的一切简化成一个数字，过拟合了，比如对股价。Shopify 早期反复出现、我纠偏了一次又一次的例子是"客户流失（churn）是坏事"。在 Shopify，流失指账户关闭，但我们介入创业者流程很早，有人开店试验、没找到产品市场契合（product market fit），这不是坏事，他们很可能再试一次，开关一个账户就像开关一个应用。可这在早期极不显而易见。总有文章——有些出自我们自己的投资人——说流失管理是 SaaS（软件即服务）公司最重要的事。对 Salesforce 是对的：客户到了一定规模才会用，这样的公司不多，在付出实施成本后离开是很坏的信号。但在 Shopify，这只是创业旅程的一部分，人们还会回来。
Shane: 怎样对想法保持恰当的把握，既足以行动，又能改变主意？
Tobi: 对想法足够松弛，错了朋友就会告诉你，只要你主动邀请。很多人让指出错误的代价太高，比如让友谊变得有条件。我很喜欢被挑战，会特别兴奋。关键是你为什么想拥有想法——你必须追求真理。最重要的核心取向是：真理高于感受。
Shane: 美与丑和创造是什么关系？
Tobi: 两者都是唤起情感的好方式。爱与恨是目标区域，中间是冷漠，那才是死亡。不存在人人都爱、无人恨的东西，要么两者兼得，要么冷漠。你希望作品值得人们产生强烈看法。
Shane: Shopify 里有没有你在没有理由的情况下仍把它做得更美的东西？
Tobi: 这就是这份工作的全部。不在意别人看不到的架构、行文、可读性，就算不上匠人。2022、2023 年之前的 Shopify 是数千万行纯手工打造的代码，这样的东西再也不会出现了；我们靠大量讨论什么是美的代码一行行搭起来。Shopify 大量用 Ruby，它以"诗歌模式"著称，好的 Ruby 代码读起来像英语，像在讲这个系统的故事，既与同事沟通又能被机器执行。美学在每一层都重要。现在我们常描述一个匆忙搭建之物的美的方案，让 AI 据此重建，使它更简单直观，在速度、内存或韧性上权衡更好。
美是直觉与我们沟通的方式。我的理解是：大脑大部分能量预算花在视觉皮层，这个专门系统向大脑其他部分发送画面和世界模型，充分练习后也能借美学传递概念。问国际象棋或围棋高手算了多少变化，他们会说只看了那一条线，因为那一刻它显得很美。他们下了太多棋，已征用高度并行的视觉皮层这台超级计算机，它反馈的方式就是"这步很美，去那儿看，活儿已经干完了"。这不是直觉的全部，但很重要，也解释了为何有人反应极快——第一性原理推理更偏串行，而且有时无法从第一性原理推出美学。
做减法、读书与成功的定义
Shane: 还记得那张 Raptor 发动机的图片吗？
Tobi: 记得，SpaceX 的火箭发动机。
Shane: 它让我想到两点：先发丑陋的版本，第三版美得不可思议；以及很多团队只会靠做加法前进，无法靠做减法。你能谈谈吗？
Tobi: 我想即便第一代 Raptor 也大概是我们造过性能最高的火箭发动机。我们总说"这又不是造火箭"，可这才是真正的火箭科学。
Shane: 字面意义上的。
Tobi: 造出能用的喷管就是火箭科学，他们做到了，Raptor 2 又在此上迭代。SpaceX 是迭代的化身，我认为是当今地球上最令人印象深刻的公司，很可能作为这个时代影响最深远的公司载入史册。没有哪个领域比它更清晰地展示解决问题的美学之别：政府火箭研制以成本加成方式进行，海量预先规划、处处抗辐射加固，成本极高；SpaceX 以惊人的节俭快速迭代，坦然接受失败，发射、爆炸——他们称之为"快速计划外解体"（rapid unscheduled disassembly）。这很美，也该激励人心。
Raptor 每一代本都可以止步，他们却继续做下一代。物理世界的好处是改进一目了然，软件没有这种待遇。最值得讨论的是这条前进路径：事物需要修剪，靠不断添加不可能越变越好，必须重建、给事物一个终点。失败从来不是问题，除非是灾难性的，比如载人航天；对可替换资源，就该这样做。产品失败是好事，因为它释放出更稀缺的资源——有远见的人，可以投身市场真正需要的下一个产品。我穿的 Gymshark 裤子，是 Ben 当 Domino 外卖员时在 Shopify 上开的第六家店，如今大概是英国最大的公司之一。 Raptor 早期的很多管道是当时唯一的造法；第三代基本像 3D 打印的，那些管道都不需要存在，推重比高得离谱，性能远超前代。有时要靠"再创立"事件来修剪：基于一切行之有效的东西重做一版。公司部门有时也需要再创立。工程师懂这个，软件工程师却不懂。我学徒时期与其他工程专业混合编班，电气工程背景比大多数软件工程师深：电路要用尽可能少的元器件，才更可靠、便宜、易制造和小型化。做 2.0 版本、再创立、加入更多探索，能解决公司内部大量问题。2000 年代初的科技公司之所以能轻易取代除三四家外几乎所有老牌科技公司，是因为后者缺乏竞争，产品没经过竞争之火检验，又习惯层层堆叠，初衷被埋在化石沉积层底下，没人知道怎么挖下去。
Shane: 你说过书是人生的作弊码，AI 时代你的想法变了吗？
Tobi: 没变，只是作弊码更多了。我至少在非虚构类上不再读近期的书：它们是时代产物，想往仍在演进的东西里多塞信息，现在有更好的媒介；变化太快，书跟不上，注水很多。经受住时间考验的书会永远有价值。
Shane: 读新东西的机会成本，是重读一本伟大旧书获得更深理解。
Tobi: 完全正确。我常用 AI 发现要读的书，孩子们也是，找到了很多长尾好书。过去你要在图书馆书库里顺着喜欢的书浏览，现在可以委托出去了。
Shane: 哪三本旧书从根本上改变了你的思维？
Tobi: 我常谈 Parkinson's Law（《帕金森定律》），读得快又喜欢。几乎总会提 The Lessons of History（《历史的教训》），就篇幅而言它是信息密度最高、token 质量最高的书。James Burnham 的书也非常出色，与现代社会极其相关。
Shane: 他写了什么？
Tobi: 先是 The Managerial Revolution（《经理革命》），然后是 The Machiavellians（《马基雅维利主义者》），好得难以置信，堪称必读。我也是 Meditations（《沉思录》）的粉丝，斯多葛主义虽不那么时兴，却是我一生的坚持，我常待的房间里都放着一本，随手翻一段总与我正纠结的事相关。Durant 的书都很好，包括 The Lessons of Philosophy（《哲学的教训》）、他晚年提炼一切的《历史的教训》，以及那部更长的著作。虚构类推荐 Foundation（《基地》）系列。
Shane: 你也读过 The Three-Body Problem（《三体》）吧？
Tobi: 它快算旧书了，但作为近期科幻作品，好得令人难以置信。
Shane: 最后，我们总以同一个问题结尾，这是你第三次回答。对你来说，成功是什么？
Tobi: 成功就是培养技能，在更多事情上变得擅长，并在此过程中创造出产品、玩具或别的东西，让别人的一天变得好一点；或者至少，让人们获得超出他们原本所能拥有的力量、动力或抱负。