西蒙《人工科学》提出：人工物的本体不在它内部，而在内环境与外环境之间那层界面。从蚂蚁寓言、有限理性与满意化，到近可分解性，这本书给了判断 AI 系统与模块边界一把可操作的尺子。关键词：界面、有限理性、近可分解性。
侯世达《哥德尔、艾舍尔、巴赫：集异璧之大成》。核心命题：由无意义零件组成的系统，一旦复杂到能谈论自身，「我」就必然涌现。关键词：怪圈、自指、跳出系统、涌现、同构。
布莱恩·阿瑟《技术的本质》核心命题：技术不是被发明的点子，而是已有技术的重新组合与对自然现象的持续捕获——技术从自身创生了自身。关键词：组合进化、递归结构、现象即基因、机会利基。
朱迪亚·珀尔在《为什么：因果关系的新科学》中提出：数据能告诉你是什么，却说不出为什么和如果当时——因果不在数据里，在你脑中的那张因果图。本期拆解因果之梯、do 算子、混杂、对撞机、反事实，以及它给大模型划出的能力边界。
读凯文·凯利写于1994年的《失控》——一本像在预言今天 AI Agent 与分布式智能的书。核心命题：最强大的秩序与智能，是从去中心化、允许犯错的局部互动中涌现出来的，而非被自上而下设计。关键词：去中心化、涌现、AI 边界、分布式智能。
梅拉妮·米歇尔《AI 3.0》的核心命题只有一句：AI 强在"做"，弱在"懂"。从意义障碍、莫拉维克悖论、手提箱词，到超出分布就崩溃的长尾风险——这本书写于 GPT-2 时代，但 2026 年看依旧成立：幻觉、无法自知、边界输入翻车，都是同一堵墙。
八月的 GPU 账单让我坐不住了 我们自建的推理集群，8 台 A100 80G，7 月的账单是 ¥41.6 万。同时监控告诉我另一个数字：GPU 利用率平均 31%。 花了钱，卡在空转。这两件事放一起，不优化说不过去。 这篇是过去五周做的事。缓存、量化、批处理三块，全会上线后的结果是：单卡吞吐从 2
压测时 Agent 读到了三小时前的数据 7 月 18 日我们对知识问答 Agent 做季度压测。压到 1,200 QPS 的时候，测试同学反馈一个问题：刚在后台改的商品价格，问 Agent 还是旧值。 一开始我以为是缓存。查了一圈发现不是——向量库里的切片更新时间是三小时前，而业务库的变更早就提交
三个人吵了两周，我算了一笔账 7 月初，团队为"新项目用哪个 Java AI 框架"吵了两周。三个人，三种意见，各自写了 demo，各自的 benchmark 都证明自己选的更好。 我做了件不太受欢迎的事：把这两周的成本算了出来。 参与讨论：3 人 × 14 天 × 60% 投入 ≈ 25 人日 写
