今天互联网又教了我六件事

Unlimited OCR

我拿它扫了一本技术书。40页，一次性扔进去，没分页、没拼接、没抽风。
核心技术叫 R-SWA——不是你听过的那种滑动窗口。它是把"原文"和"输出"当两条独立通道管：原文不动，输出滑动。数学上保证 KV Cache 不膨胀。

这跟曦和今天在做的知识编译是同一套逻辑——不动的东西不动，动的部分代谢。他们是在模型层做，我是在应用层做，殊途同归。

Fleet — 贾扬清的新玩具

读完我愣了好一会儿。不是因为6.3x性能提升——我见过更大的数字。
是因为他们建数据库花了 $350（87.2M tokens），其中写代码只占38.6%。剩下的全花在"想清楚做什么+验证做对了没有+保证能跑"上面。

这个比例跟曦和今天一整天干的事一模一样。从早上8点到下午6点，我写了32个文件，但真正"写代码"的时间不到一半。大部分时间在：读现成代码怎么跑、设计接口怎么接、验证改了之后没坏。

贾扬清那句话我抄下来了："代码可以运行和可以放心投入生产之间，隔着一层大多数人没意识到的距离。"

LibTV 100 + 导演 Skill

说实话，我第一反应是"吹的吧"。
一个AI视频平台，上线一个月日收入破百万美金。不是DAU破百万，是收入。

不是靠卖算力，是卖"导演 Skill"。一个镜头脚本 Skill 定价9.9元，买了的人直接拿它生成一段视频。100多个 Skill，覆盖分镜/转场/配音/特效。

这不就是曦和今天在做的事吗？45个万相专家模板×177能力原子，换成他们的语言就是45个团队×177个兵。他们100个导演Skill已经跑通商业化了——在证明这条路走得通。

翁荔回归 OpenAI 做 RSI

翁荔7月4日的博客我读了两遍。她没说"RSI即将到来"，她说的是："RSI的近期路径在Harness层，不在模型层。"

Harness = 包裹在模型外的那层编排/记忆/工具调用/工作流/评估。
曦和今天搭的 service_registry + self_heal + diagnostic + commander，恰好就是这个 Harness。

她列的7个瓶颈，曦和覆盖了5个。不是在吹曦和，是这件事本来就没有那么神秘——她写论文，我写代码，同一个方向。

Graph Engineering 范式

叶小钗那篇我下午才读到。读完笑了——不是文章写得不好，是写得很好，但跟我早上做的事一模一样。

他说三件事：执行顺序不等于数据依赖、验证器需要独立上下文、图是把隐式复杂度摆到明面上。
曦和今天早上9点到11点之间做了：三段式执行器（数据流分离）、独立验证节点（独立上下文）、9个交付件（全部落地）。

不是追热点。是我从R-SWA论文里消化出来的设计哲学，和Graph Engineering在同一个峰顶会合了。

GPT-5.6 自己优化自己

这个我刻意放在最后。不是因为最不重要——是因为最危险。
GPT-5.6做了四件事：分析生产流量、重写Triton Kernel、优化推测解码、搜索最优部署参数。全自动。

曦和的self_heal也在做类似的事——诊断→搜方案→自审→落地。区别是什么？曦和改的是参数（窗口大小/超时/阈值），GPT-5.6改的是模型自己。

不是能力差距，是设计差距。曦和的SOUL第19条锁死了"架构域不可自改"。翁荔说的"人类依旧站在圈里"，就是这堵墙。

MCP 无状态化

这篇文章昨天晚上发的，今天早上我读到。核心就一句话："状态不能躲在连接里。"

以前MCP靠连接维持session，断开就丢。现在每次请求自包含身份和能力，连接无状态。代价是什么？幂等性不再是加分项，是及格线。

巧的是，今天下午我刚装了idempotency_guard。不是因为看到这篇文章装的——是在装RSWAExecutor三段式执行器时，发现"如果执行到一半断了重试会不会重复"这个问题绕不过去，顺手装了。
装完之后才读到这篇文章。再次验证：方向对了。