重新思考 Skill 薄路由
Rethinking skills and prompts for GPT-6 Astra

最近我使用 Codex 日常模型大多是 GPT-5.6 Sol，主要最开始 GPT-6 Astra Max 和 Medium 处理内容都不够理想、太慢以及耗费过大，怎么都不划算。目前很多代码相关任务 GPT-5.6 Sol 也完全胜任，表现甚至更好。

OpenAI 这篇文章几乎就提到这个问题，因为 Astra 现在更聪明会判断，需要针对相关 SKills/ Prompts 以及 AGENTS.md 作优化瘦身处理，描述要更短、更准、更薄，Skills 作为薄路由来渐进式披露 Agents 相关文档和脚本，而不再依赖旧模型积累出臃肿过度的脚手架。

这个我之前也提过，Skills 早应该作为薄路由进行披露，相关更重的提示、Wiki 文档以及脚本都可以简单路由到，按需加载，而不是全部写在 Skills 里面导致模型难以判断如何调用。这里顺便分享个朋友的插件 pi-context-broker，主要就是针对这种复杂 Skills 针对性注入问题，输入 $name 会话中随时注入加载 Skills。

目前我主要对部分个人常用 Skills 进行了审查和优化，很多上游全量复刻的 Skills 没动。现在可以将这个文章直接丢给 Astra，然后让它根据内容进行 Skills 审查和优化。过去我主要使用 Matt 相关的 Skills Creator 来迭代 Skills，官方这些优化提示就更值得注入和学习。

#Agents #Skills

简单有效的睡眠策略：1. 以每晚 9 点入睡作为第二天的开始。2. 基于 9 点的睡眠，完全可以抛弃闹钟。这样就算早 5 点起床也有 8 个小时睡眠时间，后面越睡越赚。哪怕睡了 10 个小时，也才早 7 点。

这样的好处是你可以彻底睡饱、偿还睡眠债（Sleep debt），以及会发现长时睡眠会消耗更多卡路里。当然，睡得越多也并不代表恢复得更好。

#Sleeping

丰盛即配置

这是贯穿我行动始终的哲学，或者说焚决：丰盛即配置。丰盛即代表配置和计划你拥有的东西，它是动词而非量词，丰盛是种阈值感受而不是太阳和剩余。

理解和基于这点，你做的很多事情才会感到扎实和丰盈，而不是失去和匮乏。YNAB 记账策略基于你拥有的余额，Nautilus Log 基于你拥有的时间，而我现在不会在晚上拟定明天的计划，因为第 2 天可用时间有了我的无闹钟睡眠（上一条）变量，但这并不影响我新一天的宽裕配置、规划和时间消费。

这已经形成一个完整有效的闭环。配置哲学要求我只分配已经拥有的时间，所以我不在晚上预支明天，也不让尚未发生的明天计划规定我的睡眠长度，这服务于睡眠。因为无闹钟睡眠，第 2 天可支配时间成为真实变量，我的 Nautilus Log 时间配置又拉起这点，我能感受到还拥有哪些时间，睡眠让我的时间配置有了前提，这服务于配置本身。

相关链接：
1. Nautilus Log 的时间管理哲学
2. 无闹钟睡眠

#Thoughts

关于 System One Model/ Jev 的部分想法
https://typesafe.ai/blog/introducing-system-one-models-and-jev

最开始看到 Jev 相关案例以及 TypeSafe AI 引言就提到自动化时，基本能了解到 Jev 的领域和边界。Jev 可以简单理解它为纯粹/ 无推理的 OpenAI Astra 应用，类型化决策（Typed decisions）模型。它拥有更极致、快速、准确、甚至能达到即时交互和动态生成的结构化输出能力。更现实的，利好目前自动化工作，完全可以以此发展出一条由结构化模型驱动的 CUA（Computer Use Agents）分支，甚至拆成系统级、Web、App、游戏等不同的即时交互子分支。

Jev 区别于推理模型，它取自《快与慢》的 System One 模型，快与直觉模型，是能够拉起自动化任务、做正确任务的模型。TypeSafe AI 提到 Jev 思路源于 Sutton 的教训，最终发现：做正确的任务 > 数据 > 算力 > 算法。 Sutton 提到规模化的重要性，算力 > 算法规则，所以搜索算力赢了围棋游戏、神经网络规模击败了视觉识别，这也就有了 GPT/ LLM。但机器学习的重点不在机器学习本身。这里引入到现实以及复杂场景，更复杂的是那些需要识别和处理的数据、以及真实的准确的任务。

这个就很有启发，从涌现、压缩、规模即智能，到附带概率的结构化任务输出，有效解决问题，这可靠也智能更多。毕竟智力也被定义为解决问题的能力。Jev 模型零类型错误，没有幻觉，这对于很多用于真实世界模拟和交互的任务分支来说，是更快、更即时以及更平衡的优势。

现在的自动化部署其实不够丝滑，从 LLMs 到脚本任务的配合很难表达出真正的自动化/ 机器智能，Jev 恰恰进行了自动化补全，LLMs+ 的玩法，自动化智能需要这种双路由通道，直觉+推理、理性+感性结合。目前挺看好这个模型和相关玩法。

#Jev

护肤
关于小卢的日常护肤全纪录 20260916/ Notion 链接

分享个最近朋友写的硬核皮肤护理教程，从美白、抗衰、功效性酸、抗氧化和修护说起，纯私藏推荐，感兴趣可以研究参考。目前基本跟的这套，很舒服。

现在没有什么比关心自己身体更重要，身体才是最好的作品和礼物。

#Skincare

Reddit 将停止 RSS 支持
https://www.reddit.com/r/modnews/comments/1wubgvt/continuing_our_infrastructure_updates_whats/

最近 Reddit 宣布将于 2026 年 11 月 13 日停止支持 RSS feed。

Reddit 和 X 是我核心常驻信息源，好消息是现在浏览器自动化已经非常成熟，没有 RSS 也能用 OpenCLI/ Agent-reach 这些直接自动爬取，有兜底。我目前所有信息源还是放 Inoreader，X 以及 Reddit 现在使用浏览器自动化。

相关内容：
1. 我的无情信息源狩猎机器
2. Related Subreddits丨Reddit 探索神器
3. Reddit RSS

#RSS

Magpie丨模型强力路由器
https://github.com/yetone/magpie

最近使用非常优雅舒服的工具，可以将你所有的 AI 订阅/ Tokens 路由到任何 Agents。功能丰富强大，以前的什么 sub2api/ CCSwitch 直接秒了，各种用量统计 Bar 工具也可以直接转入 Magpie。目前我的所有机器都使用它了。

#tools

给 Whoop 在 Discord 做了推送提醒
https://developer.whoop.com/

最近给 Discord 提醒新增了 Whoop 推送，接入官方 API + Dagu 任务定时早晚推送报告，关注恢复、HRV、静息心率、睡眠、负荷和运动记录内容。Whoop 的数据比较全面权威，挺有参考价值。

Discord 监控，Bot 做事，我的 Reminder 系统和所有数字化资产监控很舒服了。不过感觉目前 Discord + OC/ Hermes 还是有点鸡肋，Discord + Bot 原生支持，类似 OpenAI Dots 关联 Slack 会得多。但 Dots 拉了。

#Agents

Grok bot 邮箱上线，可以直接注册。不过这个邮箱不必迎合，会绑死在生态，我建议邮箱需求多的也可以尝试 https://www.agentmail.to/

#Grok #Mail

中枢

好工具才能沉淀。Agents 实践到现在，很多工具具备特点，也有广泛性优势。过去我常分享和提起的，基本也是我常驻使用的，尤其这些作为中枢的好工具。

Dagu：任务中枢
Magpie：Token 中枢
SkillShare：技能中枢
Nowledge Mem：记忆中枢
Grok Bot：指挥中枢
Pi：Agent runtime 中枢
Multica：Agent 协作中枢
Tailscale：网络中枢
Surge：代理中枢
Discord：提醒中枢

#Agents

身体数据

我每天早上都会称重、记录腰围，然后让 Bot 记在 Notion，这里也整合纳入到 Whoop 身体信息推送。另外，我还让 Mini 通过 API 拉取 Hevy 当天健身训练内容，共同整合到信息推送。

现在体内、体外以及训练数据整合已经非常完善。对数据敏感，就会对身体敏感。

#Agents #Body

AI 是新的人类。人类本质是人造的(artificial by nature)，人是自我的伟大试验者。目前所有的反对只是伦理程度的进化对齐。#Humanity