# Xiaohongshu Note Index

A two-collection index generated from Wang Hua's Excalidraw note board.

HTML: https://wanghua.dittoai.cc/field-notes/xiaohongshu
Markdown: https://wanghua.dittoai.cc/field-notes/xiaohongshu.md
Excalidraw board: https://excalidraw.com/#json=W9EHpQObE2dkRZvx4vWhy,SKqMcFcYQaDhzTdWSVWqbw
Total: 24 notes, 275 cards.

## AI Workflow

### 把 NotebookLM 变成 Claude Skills 工厂
- Cards: 8
- Summary: 目标不是做一次提示词，而是沉淀可复用的专家工作流
- Card titles: 01 把 NotebookLM 变成 Claude Skills 工厂 · 02 先建资料包：输入质量决定 Skill 质量 · 03 别急着生成，先问出结构 · 04 生成 skill.md：让 Claude 有菜谱可照着做 · 05 安装到 Claude Code：文件夹就是技能边界 · 06 测试不仅看能不能跑，更要看稳不稳 · 07 双循环迭代：Gemini 研究，Claude 打磨 · 08 规模化：把 Skill 当小产品管理

### Agentic OS 到底是什么
- Cards: 12
- Summary: Agentic OS 到底是什么
- Card titles: 01 Agentic OS · 02 它要解决的九个问题 · 03 Part 1：静态身份上下文 · 04 Part 1b：业务与品牌上下文 · 05 Part 2：记忆系统别一把塞满 · 06 Part 3：用 Skills 固化流程 · 07 Part 4：把 Skills 串成系统 · 08 Part 5：规划要匹配项目复杂度 · 09 Part 6：多客户/多项目架构 · 10 Part 7：输出必须可预测 · 11 Part 8：随时随地调用这个 OS · 12 落地顺序：别一口气全搭完

### Codex 的连接方式
- Cards: 9
- Summary: 核心问题：Codex 要在哪里工作？我从哪里接管它？目标机器怎 么到达？
- Card titles: 01 Codex 的连接方式 · 02 第一层：操作当前 Mac · 03 第二层：从其他设备续任务 · 04 Codex app 移动端 · 05 第三层：进入远端机器 · 06 远端不可达：Tailscale + SSH + Codex · 07 三层场景怎么连起来 · 08 典型组合案例 · 09 最后总结怎么选

### AI 时代个人生存指南
- Cards: 12
- Summary: 在下一阶段 AI 浪潮来临前，现在该如何为自己定位
- Card titles: 01 2-3 年 · 02 主线：先过混乱期 · 03 Face RIP冲击框架：七个冲击面 · 04 岗位冲击：先从 junior 开始 · 05 人类经验变成差异化 · 06 创业从下棋变成打壁球 · 07 别把 AI 当真理机器 · 08 教育不等于学校 · 09 真正该学的 4 个能力 · 10 个人定位：别做可替代接口 · 11 MAD · 12 现在怎么做：30 天行动表

### 想投 AI PM 岗
- Cards: 16
- Summary: AI PM 是真的，但不是万能标签
- Card titles: 01 想投 AI PM 岗 · 02 80% · 03 进入 AI PM 的三层栈 · 04 成为 AIPM 要学的 5 个概念 · 05 传统 PM 管功能，AI PM 管分布 · 06 AI 适合解决什么问题？ · 07 AI 技术选择：三件工具，不是三种信仰 · 08 智能体的四个构建块 · 09 工作流 vs 智能体 · 10 提示词工程还没死，它升级成上下文工程 · 11 RAG：先检索，再生成 · 12 Fine-tuning 不该是第一选择 · 13 从项目到产品：作品集要有真实反馈 · 14 三家公司给 AI PM 的不同训练 · 15 最后的能力地图 · 16 关键术语对照

### Codex : 让 AI 像人类一样使用电脑
- Cards: 10
- Summary: Codex : 让 AI 像人类一样使用电脑
- Card titles: 01 Codex · 02 能力一：Full File Access · 03 能力二：Persistent Memory · 04 能力三：Plugins 用 @ 连接外部工具 · 05 能力四：Skills 是可复用 SOP · 06 Skill 每次使用都是升级机会 · 07 能力五：GPT Image Access · 08 能力六：Browser Use + Computer Use · 09 能力七：Automations；Bonus；Chronicle · 10 把 7 个能力组合成一条业务流水线

### Day 1 PMF 的真正含义
- Cards: 12
- Summary: Day 1 PMF 的真正含义
- Card titles: 01 Talk to users · 02 Build the User's Best Friend · 03 先找形状，再打磨细节 · 04 50% Rule：发布前先砍半 · 05 什么时候该 Launch？ · 06 解法在接触世界前不可知 · 07 Systemize the Feedback Loop · 08 Stop Redundant Feedback · 09 用户访谈要怀疑、尖锐、诚实 · 10 Conservative Metrics：用保守指标防止自欺 · 11 Trust Your Intuition Over Feedback · 12 最短闭环：做最小版本，马上看误解

### 万物皆可CLI
- Cards: 10
- Summary: 主要介绍用 Printing Press 把网站、API、MCP 重新包装成 agent 更会用的 CLI
- Card titles: 01 /print-press · 02 为什么不是直接 API / MCP · 03 CLI 的价值：隔离大结果 · 04 Printing Press 两件事 · 05 安装逻辑：先让 Claude 读链接 · 06 先从 catalog 里找现成能力 · 07 自建 CLI：一句话给目标 · 08 最适合：没有好 API 的网站 · 09 做好以后怎么复用 · 10 CLI：AI Agent的通用语言

### Google AI Studio 是免费 AI 创作控制台
- Cards: 10
- Summary: 从“不会用”到能做 app、视频、图片、数据分析和商业工具
- Card titles: 01 Google AI Studio 是免费 AI 创作控制台 · 02 模型选择：Flash 探索，Pro 定稿 · 03 1M Context：不是数字大，是工作方式变了 · 04 Build Mode：用自然语言 vibe coding · 05 应用案例：从工具想法到可交互原型 · 06 内容创作栈：Veo + Nano Banana + TTS · 07 隐藏能力：把真实世界资料接进来 · 08 商业应用：把 AI Studio 变成交付工具 · 09 Build vs Buy：自建 AI 和现成 AI 一起用 · 10 7 天落地路线：不要只收藏教程

### FDE 热潮：企业 AI 的瓶颈变了
- Cards: 10
- Summary: 模型越来越强，但真实落地缺一层工程
- Card titles: 01 FDE 热潮：企业 AI 的瓶颈变了 · 02 部署 Agent 不是部署软件 · 03 Demo 到生产中间缺什么 · 04 FDE 到底做什么 · 05 Agent 越能行动，越需要 Accountability · 06 第一道壁垒：进入权 · 07 FDE 是现场产品发现 · 08 好的 FDE 会让产品越来越轻 · 09 输出不只是代码，还有验收标准 · 10 什么时候值得上 FDE

### SDD的分化：拥抱原生工作流
- Cards: 14
- Summary: SDD的分化：拥抱原生工作流
- Card titles: 01 SDD IN 2026 · 02 从“框架竞争”到“工具吸收” · 03 近六个月榜单：分化比增长更重要 · 04 OpenSpec：轻量默认选项 · 05 BMAD：重型多 agent 仪式 · 06 Spec Kit：品牌强，文档也重 · 07 Agent OS：缩小到标准注入 · 08 Taskmaster：拆任务强，增长停 · 09 新玩家：不都叫 SDD，但都在 抢同一层 · 10 原生计划模式吃掉了很多框架价值 · 11 SDD + TDD：一个管意图，一 个管事实 · 12 怎么选：按任务尺寸，不按热度 · 13 反模式：把瀑布装进 markdown · 14 一套更稳的 2026 工作流

### 从 Ralph-loop 到 /goal
- Cards: 10
- Summary: 长跑 coding agent 正从脚本循环，升级成目标驱动循环
- Card titles: 01 从 Ralph-loop 到 /goal · 02 它解决什么问题 · 03 /goal 的机制 · 04 适合什么任务 · 05 Goal Prompt 怎么写 · 06 先对齐，再开跑 · 07 Goal-buddy：把模糊目标结构化 · 08 Claude Code vs Codex 怎么看 · 09 /goal 的边界 · 10 下一步是 Mission

### Obsidian + Claude Code = 可查询的第二大脑
- Cards: 12
- Summary: 把长期写作、项目、偏好和关系图变成 agent 可读取的上下文
- Card titles: 01 Obsidian + Claude Code = 可查询的第二大脑 · 02 文件是比聊天记忆更可控的 memory · 03 Vault 不是文件夹，是关系图 · 04 Obsidian CLI：把Vault图谱交给Claude Code · 05 日常命令：把生活状态一次性装载进会话 · 06 Thinking Tools：让 LLM 成为思考伙伴 · 07 /trace：把一个想法的历史拉出来 · 08 反思不是情绪劳动，是 agent fuel · 09 Autonomous Agents：Vault 变成决策源 · 10 /connect + meeting notes：把外部信 息放进世界模型 · 11 严格分离：人写 Vault，Agent 写其他 · 12 /ideas → /graduate：从反思到可执行系统

### 为什么需要 Multi-Agent Systems
- Cards: 12
- Summary: 目标：扩大 test-time compute，同时缓解单 agent 的 context rot
- Card titles: 01 为什么需要 Multi-Agent Systems · 02 MAS 的三个优势 · 03 先判断：Single Agent 还是 Multi-Agent · 04 成本门槛：MAS 通常不止 N 倍成本 · 05 四种 MAS 架构地图 · 06 架构一：Independent · 07 架构二：Decentralized · 08 架构三：Centralized · 09 架构四：Hybrid · 10 真正难的是 Harness，不是多开几个 Agent · 11 让 MAS 更可靠的五个工程化增强 · 12 落地 Playbook：从 SAS 开始，逐步升级 MAS

### 用Claude/Codex告别一切枯燥 重复任务
- Cards: 12
- Summary: 用Claude/Codex告别一切枯燥 重复任务
- Card titles: 01 用Claude/Codex告别一切枯燥 重复任务 · 02 先用坐标系判断任务 · 03 确定Agent+Workflow + Tools · 04 Claude 案例一：/loop · 05 Claude 案例二：Tasks / Routines · 06 Claude 案例三：Modal / Trigger.dev · 07 Claude 案例四：Agent SDK + Hooks · 08 Codex 案例一：信息型自动化 · 09 Codex 案例二：越用越懂你 · 10 Codex 案例三：工程运维自动化 · 11 把 Claude 和 Codex 放在同一 张选型图 · 12 上线前 Checklist

### 从 Prompt 到 Context，再到 Harness
- Cards: 12
- Summary: AI 价值越来越取决于模型周围的系统
- Card titles: 01 从 Prompt 到 Context，再到 Harness · 02 Harness 是模型周围的“连接层” · 03 Big Model vs Big Harness · 04 不是所有失败都等 GPT-6 来修 · 05 想要什么 Agent 行为，就补什么 Harness · 06 Progressive Disclosure：逐步给上下文 · 07 Harness 三层架构 · 08 Harness 能带来可测性能提升 · 09 General Harness：为什么产品都长得像 · 10 Harness 会过时，但纪律不会 · 11 Inner Harness vs Outer Harness · 12 企业视角：AI 采用是环境设计问题

## Agent Payments

### Stripe 的 AI 经济基础设施野心
- Cards: 14
- Summary: Stripe年度信： AI+支付的五级模型
- Card titles: 01 Stripe 的 AI 经济基础设施野心 · 02 Sorting Machine：速度本身在改写商业 · 03 AI 创业把交易系统推到前台 · 04 Global by default：一上线就全球收款 · 05 High Revenue Mode：支付优化是第一战场 · 06 Stablecoin Summer：机器交易需要新 rails · 07 Tempo：为 Agent 支付和微交易设计 · 08 Agentic Commerce 到底是什么 · 09 五级模型总览 · 10 L1-L2：今天最接近现实 · 11 L3-L5：从记忆到委托再到预测 · 12 互操作拼图：ACP + Shared Payment Tokens + ACS · 13 两条交易路线：替人购物 vs 机器买资源 · 14 Builder Checklist：现在要准备什么

### AI 代理支付的框架、场景和生态卡位
- Cards: 10
- Summary: 从“人发起、人确认”变成“人给意图，Agent 在边界内执行交易”。
- Card titles: 01 AI 代理支付的框架、场景和生态卡位 · 02 方便和安全怎么兼得 · 03 AP2：三层授权 · 04 完整系统不止一个 AI · 05 审计：让意图可证明 · 06 四类落地场景 · 07 巨头为什么都在卡位 · 08 封闭生态 vs 开放协议 · 09 为什么不会立刻普及 · 10 成熟路径：从辅助到委托

### Bitcoin与AI：一套未来资本框架
- Cards: 14
- Summary: Michael Saylor 的核心推导：货币、劳动、产权和协议，会被 AI 与数字资本重新排序
- Card titles: 01 Bitcoin与AI：一套未来资本框架 · 02 先看两条压力线 · 03 约 7%/年 · 04 货币分层：不是所有法币同速下沉 · 05 制度负担：规模越大，支付压力 越强 · 06 价格分裂：复制品便宜，稀缺品 昂贵 · 07 稀缺资产的判断标准 · 08 AI 让部分人力资本降价 · 09 未来 10 年：重排窗口 · 10 Bitcoin：数字资本协议 · 11 Bitcoin 把顶级产权拆到小额单位 · 12 突破点：去单点信任的赛博银行 · 13 底层协议要保守，上层应用可创新 · 14 最后看边界：产品化不是无风险

### 从智能推荐到智能体商业
- Cards: 10
- Summary: Agentic Commerce里很多环节都会被 Agent 重写，支付只是其中一环。
- Card titles: 01 从智能推荐到智能体商业 · 02 两个维度：阶段 × 自主等级 · 03 目前最成熟的是发现 · 04 新环节：Intent / Delegation / Policy · 05 五级自主商业阶梯 · 06 最大断点：发现强，支付弱 · 07 协议碎片化：每段各管一块 · 08 下一阶段怎么升级 · 09 审计和身份会成为基础设施 · 10 商家应该怎么准备

### AI Agent Economy已经到来
- Cards: 14
- Summary: Agent 不只是工具调用者，正在变成会搜索、比较、选择、执 行和交易的经济参与者
- Card titles: 01 AI Agent Economy已经到来 · 02 从自动补全到自主委托 · 03 开发工具的 GTM 正在变 · 04 文档成为 agent 的入口页 · 05 默认栈效应：被读懂就会被选择 · 06 Agent-native 基础设施 · 07 Agent-to-Agent：并行经济雏形 · 08 Swarm Intelligence：不是一个 超级大脑 · 09 内容爆炸后，规则比内容更重要 · 10 边界：Agent 还不是法律主体 · 11 Agent UX：它们讨厌网站，喜 欢接口 · 12 创业者要获得 agent 手感 · 13 Agent-friendly 产品检查表 · 14 Agent economy 的本质

### Agent Wallets 竞争格局与功能分析
- Cards: 14
- Summary: 它真正要解决的是：AI Agent 如何在明确边界内持有资产、发起支付、调用 合约，并留下可审计轨迹。
- Card titles: 01 Agent Wallets 竞争格局与功能分析 · 02 市场已经分成四条路线 · 03 竞品宇宙：三层玩家地图 · 04 未来不会只有一个超级钱包 · 05 竞争焦点：可编程委托 · 06 架构 A：托管钱包 + 策略引擎 · 07 架构 B/D：密钥隔离 + Session 授权 · 08 支付凭证路线：现实商业的入口 · 09 MCP / Skills 成为新分发入口 · 10 按目标选对参照物 · 11 能力宽度 ≠ 市场采用 · 12 市场缺口：还没有统一控制语言 · 13 五类风险决定真实采用速度 · 14 结论：评估 Agent Wallet 的 7 个问题

### Stripe 眼里的 Agent 支付
- Cards: 8
- Summary: 一个很具体的问题：Agent 怎么替用户完成购买。
- Card titles: 01 Stripe 眼里的 Agent 支付 · 02 旧购物流程为什么卡住 · 03 Shared Payment Token · 04 token 的完整流向 · 05 只会付款还不够 · 06 Agentic Commerce Protocol · 07 两套能力合起来，购买才闭环 · 08 应该怎么理解这件事

### A2A + AP2 + X402 的核心闭环
- Cards: 10
- Summary: 流程：两个 Agent 通过 A2A 发现和沟通，用 AP2 表达支付意图，用 X402 完成付款。
- Card titles: 01 核心闭环 · 02 三个协议各管一层 · 03 角色关系：谁信任谁 · 04 时序 1：发现与付款要求 · 05 付款要求里有两个选项 · 06 时序 2：用户批准与 token · 07 时序 3：验证后才执行 · 08 时序 4：结算与回执 · 09 两种付款的链上结果 · 10 实现时最容易漏掉什么