「AI」token多，但用不过来，所以一直在解决多任务并发的问题。通用Agent多，它们都能调用更多Agent，也都能接管AI主机和远程操作，但怎么协作是一系列难题。物理机多，它们也都能运行多Agent和多开虚拟机，但它们会把前两条的组织难度再放大一个量级。

软硬件和token都不缺。最缺的是怎么兼容，怎么搭配，怎么处理优先级。人的时间和注意力又怎么分配。

熟悉的和不熟悉的技术组合有很多，所以一直在探索怎么高效搭配它们。熟悉的和不熟悉的架构多到选择不过来，所以一直在学习、探索更高效的方式、并且不断迭代。

这些需要我持续的付出注意力和持续试错。工作量极其惊人，消耗的注意力也极其庞大。

自动化，自主化，和注意力的生产率，应该作为最重要的3个指标。※

这要求，必须慢慢开发出成熟稳定的生产流程；一个山头过去了，再去另一个山头；不断接入智能生产和智能监督；大脑的注意力只在非常必要的时候才去介入。只有到这一步，才可能从天量的选择中和决策中抽身。※

自动化依赖成熟稳定的流程；自主化依赖顶级的智能、能够看到全面的轮廓和动态，并自主介入和执行；注意力的生产率有多高，则取决于这套系统有没有变得更成熟，是否还总是需要人类去修修补补、分发任务。※

反过来类推，人需要去解决的是，到底是什么阻止了AI自动化的发生，到底是什么阻止了AI自主化的发生。※

一个拥有自主能力的AI，到底需要多少上下文，多少权限，和多少智能。※

上下文最小可以控制到什么程度。或者说，庞大的系统该怎么分别产生上下文，再汇总到拥有自主权的AI那里。以此方式实现全局视野，然后总的上下文又不至于失控。※

有哪些事可能天然就做不到自动化；又有哪些设想有点超前，但当前的智能和计算密度还跟不上；又有哪些事可以被切成碎片，分成多个模块去计算和执行；最后再去自动汇总，自主决策。※

自动化，自主化，和注意力的生产率，是最重要的3个指标。而不能被“AI又超越了人类多少”类似的叙事带走注意力。已经知道的事情不值得讨论，没被发现的问题才有关注的价值。

AI要实现的是，能做的工作要越来越多，但需要投入的个人时间却越来越少。一头递增，一头递减。要面对这种疯狂的目标，就必须要实现自动化，自主化，和注意力生产率的提高。※

如果AI只是让工作越来越繁重，注意力消耗越来越多，那就会很累，也不太现实。因为整体上，AI正在呈现出无限的算力和智能，而人类的带宽和智能，相形之下，就只有一点点。

要关注更底层的原理，要做更多的独立思考和试错，才可能慢慢摸清方向。