Skill 存流程，Memory 存经历，事实没人存——这就是 Knowledge 必须单独留一层的原因。

1. 三 层分工：Skill 管怎么做，Memory 管发生过什么，Knowledge 管事实是什么。
2. 事实写进 Skill 会腐坏：流程半年一改，价目表一周一改，两者不能同一个生命周期。
3. 事实写进 Memory 会被污染：一次错误结论会被当成「我记得」反复引用。
4. Graph 不是没前途，是被误当成通用记忆层：独占场景只剩多跳关系和时序失效。
5. 大多数公司不需要再抽一张图——业务库外键、CMDB、数据血缘早就是图。
6. grep 替代 RAG 有三个前提：在文件系统上、目录有语义、术语是稳定字面量。
7. 结论：知识组织的成本从检索侧前移到了写作侧。

把"持续转动"做成飞轮，把"间歇努力"做成手推——多数人每天都在重复推石头。

1. 飞轮本质：因果闭环，每一圈的输出是下一圈的输入
2. 三特征：可识别、可累积、可自增强——区别于"直线努力"
3. 个人飞轮：刻意练习 → 能力 → 更好机会 → 更高标准 → 持续练习
4. 个人网站飞轮：阅读/工作 → 思考笔记 → 博客卡片 → 知识架构 → 反哺阅读
5. 三个常见误判：把愿景/指标/行业常识当飞轮
6. 三个反转征兆：换飞轮太快 / 用权威替代飞轮 / 齿轮太多
7. 判断标准：5 分钟内讲给陌生人听，且不能被任何同行无缝复制
8. 结论：飞轮不是工具，是复杂系统增长的物理必然——服从它或被淘汰

MCP 接 OAuth 2.1 不是"为了安全"四个字能打发的，它是 AI Agent 进企业生产环境的准入门槛。

• 原生隐患：静态 API key 写死在配置文件里，大模型等于顶着管理员权限在跑。
• 三宗罪：权限失控、提示词套话吐令牌、所有操作审计不到具体人。
• 为什么是 2.1：砍掉隐式授权和密码模式，PKCE 从可选变强制。
• 关键设计：令牌只活在客户端传输层，绝不进大模型上下文。
• 最大难点：Agent 推理跑到一半令牌过期，靠 401 静默刷新兜住思考链。
• 规模化：DCR 让企业内上千个 MCP server 免手工注册凭证。

Figma 官方远程 MCP 让 Claude Code 直接读/写设计稿，但 OAuth 流程有两个非显而易见的坑。

1. 接入前提：Figma Professional/Organization/Enterprise 付费计划，免费的不支持官方 MCP。
2. 一行接入：claude mcp add --transport http --scope user figma https://mcp.figma.com/mcp，写入 ~/.claude.json。
3. OAuth 第一坑：/mcp 弹窗 不显示待认证的 HTTP server，诊断靠 claude mcp list。
4. OAuth 第二坑：claude mcp login 需要交互式 TTY，Claude Code 内 Bash 跑会失败。
5. 解决路径：自己用终端跑 claude mcp login figma，浏览器授权完再回 Claude Code。
6. 验证方式：claude mcp get figma 应返回 Status: ✔ Connected。
7. 卸载命令：claude mcp remove figma -s user。

把 Figma 设计稿当 spec 用，AI 写页面才有收敛条件——这套做法可以叫 DDD（Design-Driven Development）。

1. spec 分两层：文字管行为，设计稿管视觉，markdown 写不出间距是 32 还是 40。
2. 给 AI 一个停止条件：截图对比设计稿，视觉差异就是可判定的验收标准。
3. 协作契约：按 frame 分工，人和 agent 的接口都是设计稿，不是口头描述。
4. 省 token：反复 prompt 试布局，比在 Figma 里拖两下贵一个量级。
5. 改得动：需求变更直接改设计稿，不用重写一遍 prompt 再全量重生成。
6. 例外：单人开发、无协作、token 预算充足，直接 coding 也没问题。
7. 短板：Figma 画布里那个 AI 现在还偏弱，内置模型有待优化。

Chrome 用 4 个发布通道（Canary / Dev / Beta / Stable）同步推进，同一份代码按顺序流过所有通道后才进入 Stable。

1. Canary：每天构建，测试最少，可能导致崩溃。
2. Dev：每周 1-2 次构建，可能和 Canary 在同一个 MAJOR。
3. Beta：每周小更新 + 每 4 周大更新，比 Stable 早一个月以上拿到新功能。
4. Stable：每 2-3 周小更新 + 每 4 周大更新，分阶段从 1-5% 灰度到 100%。

核心反直觉："渠道 ≠ 版本"。MAJOR 号是里程碑（M101、M102、M103…），不是"我现在用的是第几代 Chrome"。同一时刻 Stable、Beta、Dev/Canary 经常对应 3 个连续的 MAJOR —— 但 Dev 和 Canary 可以共享同一个 MAJOR。

Vercel Labs 开源 scriptc，把 TypeScript 编译成不含 V8 的原生二进制。这条路 2016 年就有人走了。

• 不是新叙事：从 ts2c 到 Porffor 已经走了十年
• 分水岭在 三 档：静态编译 / 嵌引擎 / 拒绝编译并报错码
• 静态产物：170–200 KB，启动 2.4 ms，内存 1–4 MB
• 对照 Node SEA：60–100 MB，47 ms，67–116 MB
• Perry 早半年：押的是 Node 兼容性和 11 个平台
• 真正的争议：不是谁抄谁，是两边都由 AI 大规模生成
• 结论：CLI 和 Serverless 可以试，别现在卸载 Node

事件驱动思维是把 "到点做什么" 换成"当什么发生就做什么"，用触发条件代替时间表。

• 本质：决策的锚点从时间刻度移到状态变化，计划变成一组 if-then 规则。
• 为什么有效：计划假设未来可预测，事件只要求你认得出信号。
• 个人层面：把"我要多读书"改写成"晚饭后收拾完碗，就翻开书"。
• 协作层面：别轮询进度，让状态变化自己找上你，砍掉时间耦合。
• 落地三步：定义可观测的事件 → 写响应动作 → 给每条规则配超时兜底。
• 头号陷阱：事件永远不来，没有兜底的规则等于无限期空等。
• 适用边界：目标必须自己推进、没有外部信号可等时，回到计划驱动。
• 一句话：不确定的世界里，可靠的不是时间表，是触发条件。

OpenAI 把 Codex 编排做成了语言无关的规范。

1. 三 大要素：SPEC.md（规范） + elixir/（参考实现） + WORKFLOW.md（仓内配置）
2. 定位升级：从「管 agent」升级到「管工单」
3. 主循环：拉 tracker → 建 per-issue workspace → 跑 Codex app-server
4. 边界：低密预览版，只跑受信环境，无内置沙箱
5. 设计巧思：host 侧注入 tracker 凭据，主动从 Codex 子进程剔除
6. License：Apache-2.0，可绕过 Elixir 按规范自实现

正交思维是用 两个相互独立 的维度搭起一个二维坐标系，把复杂问题压进几个象限里快速归位。

• 本质：两个维度互不影响，合起来能覆盖大多数场景，类似 XY 轴的平面。
• 核心价值：把 N 维问题压成两维，复杂问题瞬间变清晰。
• 经典案例：四象限矩阵——重要/紧急、波士顿矩阵、Ansoff 矩阵。
• 使用三步：选维度 → 验证独立性 → 在坐标系里定位象限。
• 头号陷阱：维度不独立，相关维度让坐标系塌成一条线。
• 适用边界：超过 4-9 个象限区分不清的场景，硬塞两维会丢信息。
• 与其他框架：MECE 解决"怎么拆"，正交思维解决"怎么搭"成坐标系。
• 一句话：好框架不是分类多，而是用最少的维度覆盖最多的可能。