Reading
Reading List
收录日常阅读中真正值得留下的文章,以及我的推荐理由。
真正决定AI下一程的,可能不再是哪个模型更强,而是谁能把模型放进更好的环境里。个人需要能够持续理解自己的上下文与记忆,公司需要把业务重新组织成软件和Token驱动的系统,产品则需要在模型竞争之上保留开放、编排与判断。这三篇文章从个人基础设施、产业结构与OpenCode的增长切入,指向同一个变化:当模型能力逐渐过剩,架构、环境与品味开始成为新的稀缺性。
2026/08/12Reading关于AI的下一程,我的Vision从软件公司、Token资本一路推到异构算力、传输与能源,这是一份试图把AI应用层与物理约束放进同一张图里的判断。Token资本 · 异构计算 · 能源与传输2026/07/31Reading1300万月活、近6000万美元ARR:OpenCode如何在Claude Code、Codex夹缝中长出来?OpenCode的增长说明,当模型厂商彼此竞争时,一个开放、中立、能够编排不同模型的中间层,可能比单一模型能力更有长期价值。OpenCode · 模型编排 · 开源商业化2026/07/29Reading不要从工具开始,从自己开始:个人AI基础设施构建指南不是又一份AI工具清单。它真正有价值的地方,是把个人身份、记忆、技能和权限组织成一套可持续演化的基础设施。个人AI基础设施 · 上下文 · 记忆系统