第四部分：外部输入——案例与阅读
看到的案例和文章，精炼后收录，附原文链接。
17. AI 时代的新封建分层（一家之言，框架漂亮、预测存疑）（2026-10-15）
读 rick awsb 长推有感。他认为 AI 社会既不是哈耶克式乌托邦也不是数字利维坦，而是倒金字塔的”新封建分层”：顶层算力与能源被”数字领主”垄断，中层知识中介坍塌、只剩靠 AI 杠杆的个体小团队，底层因零成本 AI 内容退化成部落社会。 原文：https://x.com/rickawsb/status/2110464793467584996
三处真东西，记下来：
- “繁荣但没有定价权”：中层个体/小团队被 AI 放大后效率暴涨，但剩余价值以 API 费、云租金回流顶层——放大器本身也要交”数字地租”。
- 中层坍塌清单（法务合规、初级金融分析、常规软件外包、中层管理）：第 14 条”苦活被省掉”的宏观版——被省掉的不只是学习过程，是整整一个就业阶层。
- 底层认知环境恶化：零成本超写实内容瓦解共同事实基础——第 16 条”AI 会说谎”的社会放大版。
两处存疑：
- “数字领主”可能高估了集中的必然性——开源、蒸馏、小模型本地化一直在拆墙（open-memex 的 local-first 就是这个方向）。大型机时代也预言过计算集中化，结果等来了 PC 革命。
- “1-3 年高墙、3-7 年硬着陆”式的直线外推，历史记录一向很差。
18. 野心的四种刻度：Rieseberg 的驾驭者手册（2026-10-15）
读 Felix Rieseberg（Anthropic，做 Claude）《How to be more ambitious: A tutorial for humans with models》有感。 原文：https://felixrieseberg.com/how-to-be-more-ambitious-a-tutorial-for-humans-with-models/
他把用 AI 的野心分四种：Speed（更快干同样的活，略过不讲）、Altitude（抽象层级：从”修这个 crash”上升到”让应用保持无 crash”，问”目标之后的目标”是什么）、Depth（专家级深度：用顶尖从业者的工具和方法，做到连专家都能学到东西）、Range（跨领域：组一支 crew——分析师+记者+编辑+做空者和法务会计组成的红队，让模型去”做”他们做的事，而不是”演”他们）。
与随笔的咬合：
- 这篇文章本质上是”驾驭者手册”——Altitude 对应第 3 条的”意图和方向”，Depth 对应”手艺不能丢”，Range 对应智囊团评审。我的随笔是中文个人版，他是英文方法论版。
- Depth 章节明说 “Use an outside judge —— 不要让模型自己评判自己”：第 4、5 条”用另一款 AI 做 review”已是行业共识级方法论。
- “Insist on the same instruments used by the best”：模型被要求”像专家一样”时往往只换词汇不换方法——嘴上像数据科学家，递来的还是 markdown 表格。呼应第 5 条：漂亮的形式不等于真材实料的方法。审棋的人（第 15 条）要看它用的什么”棋具”。
- 文末心理学 self-efficacy（自我效能感）：相信自己能做到的人真的做得更多；”看别人先做到”（4 分钟一英里 46 天被跟上）、”不知道不可能”（Dantzig 把未解难题当作业）。对第 14 条的反方视角：学习过程被省掉是真的，但 AI 也把”敢想”的门槛打下来了。
两处存疑：作者是 Claude 员工，”模型越来越能处理高抽象层级”多少是卖自家货；例子都假设有数据访问和工程基建，对普通人门槛不低。以及 Speed 被跳过，但现实中 90% 的人只用到 Speed——”野心”本身也是金字塔分布。