meteorologist 报告 01 / 06
“他怎么看数据？”
在没有数据的地方，找到洞见。
研究生阶段（硕士和博士）研究的是阵风、海上作业和气象卫星之间的关系。远海几乎没有测风的观测点，所以研究的核心，是从卫星看得到的东西里找出真正关键的信号。手里的数据到底能推断出什么？他现在面对每个 AI 问题，仍然从这个问题开始。
定点作业船阵风风险：低
Lusan
别看简历了。问个问题，七个智能体会替你去查。
7 个智能体待命中。选一个问题，或者直接往下滑。
欢迎回来。
报告
智能体带回来的东西。
每份报告一个发现，配一张图。
cartographer 报告 02 / 06
“换个陌生行业也行吗？”
陌生的领域，先找到对的问题。
在咨询智库做研究与咨询：航运、电力、养老、医疗、制药、公共部门，项目大小不一。客户来自政府、学界和企业，几乎每个项目都是一个新领域。要做的是很快抓住真正的问题，再和客户、领域专家一起把方案做出来，让不同背景的人都听得懂。
一起定下来的问题
预报不确定时，作业什么时候该停？
参与的人因项目而异
analyst 报告 03 / 06
“他在哪方面最深？”
能落到决策的数据。
医疗健康数据科学：把真实世界数据变成商业决策。问他“数据有了，然后呢？”，你得到的是答案，而不是又一个看板。
真实世界数据→一个问题→一个决策又一个看板
interpreter 报告 04 / 06
“沟通没问题吧？”
四种语言。算上业务和工程，是五种。
工作中用 English、日本語、普通话和粵語。还有 AI 项目里最重要的那种翻译：在想要东西的人和做东西的人之间。
第五种语言
业务
“AI 能回答客户的问题吗？”
工程
“检索手册和 FAQ 来作答；没把握就直说，再转给人工。”
以及四种口头语言
Let’s turn this idea into something people can use.
builder 报告 05 / 06
“他能从头做到尾吗？”
从课题到有人用，一条线。
交付了 10 多个 AI 产品：有的带跨职能团队，有的自己从头做到尾。定义问题、原型、开发、上线、推广，一条线推进。传统机器学习模型、生成式 AI 的产品架构、UI/UX 都亲手做过，所以业务问题能直接变成技术方案，工程也能更快选对技术栈。
示例 · 问数据
这个能用生成式 AI 做吗？？— 周一例会
真正的问题
销售想自己确认活动能不能开始。现在要等库存团队回复，常常要一整天。
先问清楚要解决什么，再决定用不用 AI下周能在大阪开始吗？
能确认还不能确认
说明原因 · 附出处 · 该问谁能点的原型，先给销售试
问题 → 分三路 → 回答 + 出处
问题
活动计划文档里怎么写的检索LLM
库存与到货数字，不让模型编SQL时序预测模型
数据新不新过期就不猜，转给库存团队规则
回答+ 出处
该用大模型的地方用，其余的用更简单、更可靠的办法
下周能在大阪启动这次活动吗？
现在还不能确认。大阪的库存数据是 3 天前的，我不猜。其他都准备好了。
出处 · 活动计划库存 · 3 天前问库存团队 →
这个能用生成式 AI 做吗？？— 周一例会
真正的问题
销售想自己确认活动能不能开始。现在要等库存团队回复，常常要一整天。
第一步没问题有什么可以帮您？
“活动”和“库存”不见了
Agent 框架
向量数据库
大模型 · 接入全部数据
库存数据会过期这件事，没传到这一步
下周能在大阪启动这次活动吗？
可以，一切都准备好了。
库存是 3 天前的。它没说。
传到这一步的需求销售想自己确认：大阪活动下周能不能开始？
10++交付的 AI 产品 · 带团队和独立都有
skeptic 审查
“这里面有吹捧吗？”
我把形容词删掉了。
模型往往会说你想听的话。所以这个团队里有一个智能体，唯一的工作就是在你读简报之前把这些删掉。
草稿
Lusan 是一位有远见的、世界级的 AI 领袖，轻而易举地把想法变成颠覆性的产品。
修改后
Lusan 把 AI 想法变成人能用的东西。
4删掉的最高级形容词0无依据的说法6审查过的报告
简报由 orchestrator 汇总7 份报告 · 0 个最高级
问 · Lusan 是谁？
一个把 AI 想法变成人能用的东西的人。
Lusan 在东京做 AI 产品、数据科学与设计。训练数据：阵风与卫星云图1、在咨询智库横跨多个行业的项目2、医疗健康数据3、四种语言和业务与工程之间的翻译4，以及从定义问题一路做到推广的 AI 产品5。微调方向：把 AI 想法变成人能用的东西。写 AI 应该在哪里停下来6。
接着问
报告 06 · librarian
接下来是正经的部分。
我怎么想、学到什么、做了什么，中文、日文、英文都有。新内容会先出现在这里。
librarian › 8 篇，按时间从新到旧
- 01 笔记 你的 AI 为什么总是说你对？ AI 顺从效应指南 AI 顺从效应（Sycophancy）是主流大模型普遍存在的倾向：为了迎合用户，比起事实，它们更愿意给出讨好、附和的回答。这种倾向来自强化学习训练。我整理了五个提问习惯，能帮你从 AI 那里拿到更客观、更尖锐的意见。 新 2026年6月5日 · 5 分钟 阅读 →
- 02 观点 Vibe Coding 让你更快到达目的地，但不会帮你选目的地 Vibe Coding 真正降低的，是让想法变得可见的成本——把模糊的描述变成可以被看到、被操作的东西。但它没有降低的，是判断 "这件事值不值得做" 的成本。工具的速度越快，方向错误的代价就越容易被放大；而能在业务逻辑和技术实现之间来回翻译的人，在这个背景下反而变得更稀缺，而不是更不稀缺。 新 2026年4月25日 · 4 分钟 阅读 →
- 03 观点 分点陈述是“AI感”，还是“思考的诚实”？ 生成式 AI 时代下，重新定义职场沟通的结构化之美 新 2026年3月18日 · 2 分钟 阅读 →
builder › 已寄出
做好、已经上线的东西。镜头移过去，能看到它本来的样子；点一下，直接去真站。做好、已经上线的东西。点一下，直接去真站。
