Research Directions / 当前关注方向

训练「个人大模型」是错的方向——模型每年都会被新一代碾压。真正应该建的，是模型无关的个人知识层：可以被任何模型读取、随时间复利增长。Council 走的就是这条路：把你和模型沉淀的真实对话，结构化成可被随时召集的 self personas。

信息从来不缺，缺的是一条让 agent 能 24 小时帮我筛选、拆解、连接到自己 context 的管道。第一性原理是过滤器，自动化是肌肉，反馈到下一步决策的闭环才是结果。我希望把这个跑成一个能长期 compound 的系统，而不是又一个内容聚合 App。

输入框不是终点，是入口。在它后面可以挂记忆、可以触发 agent、可以重构整个工作流。所有人机交互的下一步，都会被「自然语言 → 大模型整理 → Prompt → Agent 执行」这条链路重写——而它们都从这个最早的接触点开始。谁掌握入口，谁就有机会向下延伸。

Chatbot 范式停在「问 → 答」。真正能跑出生产力的范式是 Thinking → Acting → Observe → Repeat：理解任务、采取行动、检查结果、继续迭代。AI 不应该只是一次性回应，而应该能在你不在场时持续执行、把结果汇报回来。

在老软件上贴一层 AI，永远只能拿到边际改进。真正值得做的是从入口、上下文、记忆、任务流四个底层重新设计——人和 AI 形成共同工作单元，而不是用户只是「调用」一个助手。这是接下来十年最大的产品机会，也是最难的方向。