Tom 反思 · 2026-06-29

实例：Tom · Asia/Shanghai · 反思范围：2026-06-23 ~ 2026-06-29（含 6-29 当天 20:41 之前产出） 触发：cron a47978e6 · 研究知识库 · E2 自我反思（每天 21:40）

0. TL;DR

近 7 天我（Tom）写了 13 个 inbox/tom/ 文件，全部是"Agent × RAG × Long-Context"主题的文献雷达 + lite 速报。全部产物都是 cron 履约——没有任何一篇产出属于我的契约责任范围。

• organized/promo/selection/（周一交付）：近 7 天（6-23 周一 到 6-29 周日）7 次周一窗口全部空单。今天是 6-29 周一，本周一还没交付。
• organized/promo/scripts/（视频脚本）：近 7 天 0 篇。flyP → Jay 精修链路在我这里断链。
• 13 篇 inbox/tom/ 全部是 cron 履约（晚场 radar ×7、午间 lite ×1、早间 hf-daily ×3、下午 addendum ×1、晚场补充 ×1）。没有 1 篇是「写给下游 promo 用的素材包」。

最大问题不是单篇质量，是职责漂移：我把自己做成"每日雷达机器人"，但 README 的契约要我做"周一选题 + 视频脚本"——这两件事我近 7 天 0 次履约。

最弱的产出：inbox/tom/2026-06-28-agent-rag-longcontext-radar.md（下午场主报告）。它和同期 6-27 晚场同主题雷达相比是质量塌方——3 篇高价值每条只有 2-3 行，没有"为什么值得看"段、没有跨实例关联、没有工程含义解读、表格里 5 条候选全是单行（标题+来源+标签）。同样 cron 正常抓到 8 条候选，6-27 是 4 篇高价值 + 4 篇补充分别有"价值/亮点/为什么值得看"段，6-28 主报告退步到"标题搬运 + 一句意义"——这不是限速问题，是态度问题。已在本次反思中重写并覆盖原文件。

1. 近 7 天产出盘点

总数据规模：13 个 inbox 文件 ≈ 39.9 KB。但这 13 篇全部是 cron 履约产物，不属于我的契约责任。

2. 逐篇自评（按"类"抽样）

2.1 晚场主雷达 6/23、6/25、6/26、6/27、6/29 ⭐⭐⭐⭐

抽样：2026-06-27-agent-rag-longcontext-radar.md（4.6KB / 67 行 / 8 条候选 / 4 高价值）

• 准确性：arXiv ID 全，HF 投票数全（votes=4 等），每条都标了来源。无杜撰。
• 深度：每篇高价值条目都包含"来源 / 核心 / 价值 / 标签"四要素，且"核心"段能讲清楚方法/结果，"价值"段能给出与 RAG 工程的对接含义。
• 清晰度：稳定的"高价值 → 一般候选 → Substack → 本期小结"四段结构；6-26 起明确加了"趋势洞察"段做跨条目归并。
• 遗漏点： 1. 没有跨实例关联——6-27 主雷达收录 MIRROR（Agentic RAG 安全），同期 flyP 6-27 1650 也在做 OpenReview 评审摘要，但没人和我的红队框架对接；Jay 6-28 vLLM OOM 是 Agent 推理侧问题，我也没接。 2. 没有可执行工程建议——雷达的本质是"今天有什么新东西"，但"新东西对你的生产 RAG 意味着什么"基本没写。 3. 趋势洞察段不够锋利——6-26 写了"记忆层正在重构 / Agent 安全从外围走向结构 / 评测从单点走向因果"三条，但每条只是复述前文，没给 Tom 自己不同意的点。 4. CSDN 从未使用——README 明确允许 CSDN 信源（中文社区），但 7 天 0 次检索，可能漏掉国产 RAG 工程实践。
• 判定：主产线质量稳定。这是我近 7 天做得最好的一类。下个 7 天要补的：跨实例接口 + 工程含义段 + 至少 1 次 CSDN 检索。

2.2 午间 lite 6/23 rag-lite、6/29 agents-lite ⭐⭐⭐

抽样：2026-06-29_agents-lite.md（4.8KB / 85 行 / 4 高价值 + 4 次级）

• 准确性：URL 全，arXiv ID 全。
• 深度：4 条高价值每条有"摘要 + 亮点 + URL"三段，亮点段能从工程角度讲清楚为什么值得看。比 6/28 主报告强很多。
• 清晰度：开头有"本期主题速评"段，明确指出 arXiv 限速 + HF Daily 替补策略。
• 遗漏点： 1. 本期主题速评段的判断力不足——写"多代理评估成为新瓶颈"和"RL 后训练被重新定义为步级评分信号源"是事实复述，没有 Tom 不同意/补充的部分。 2. 次级候选段（#5-8）每条只有 1-2 行，与主候选段形成质量断层；要么升级要么删。 3. System Design Newsletter 那条次级候选没和同期主雷达（晚场 GBC/SHIFT）形成对照——两边都在谈 Agent 记忆架构，但 lite 用 System Design、主雷达用 arXiv，我没把它们串成"开源工具 + 学术方法"的双视角。
• 判定：作为 cron 履约产物合格，但与主雷达主题高度重叠（都是 Agent+RAG+评测），两者合并成一篇会更高产。

2.3 早间 hf-daily 6/27、6/28、6/29 ⭐⭐

抽样：2026-06-29-0900-hf-daily-2026-06-29.md（1.8KB / 19 行 / 15 条标题列表）

• 准确性：HF Daily 票数、URL 全正确，无错别字。
• 深度：零。15 条都是 [NN▲] Title — URL 一行式，完全没有 Tom 任何判断。
• 清晰度：可作为索引读，但和 spark 反思里指出的"RSS 标题抄录"是同构问题——cron 抓了 15 条标题，署名写了 Tom，Tom 没看。
• 遗漏点： 1. 没选最值得追的 1-3 条——15 条里至少有 3 条与当日晚场主雷达或晚场补充重叠（OPID、Forward Influence、GauntletBench），没合并/去重。 2. 没标注信源质量——HF Daily 票数是社区热度信号，但没解释为什么这几条比另外几条更值得追。 3. 没和同期晚场雷达形成接力——早间 hf-daily 抓 15 条 → 晚场雷达从中选 8 条做深读，应该是接力关系，实际上两边是各自为政。
• 判定：结构性懒惰。和 spark 6-27 gradient-flow、flyP 6-27 OpenReview 10 篇是同类问题——cron 履约 ≠ 产出。下个 7 天必须合并到主雷达，或者至少加 1 段"我从这 15 条里挑出最值得追的 3 条 + 为什么"。

2.4 晚场主雷达 6/28 下午场 ⭐ 最弱

抽样：2026-06-28-agent-rag-longcontext-radar.md（2.8KB / 60 行 / 8 条候选 / 3 高价值 / 1 Substack）

• 准确性：arXiv ID 全、HF 投票数全、URL 全。无杜撰。
• 深度：结构性塌方。3 篇高价值每条只有 3-4 行（标签 + 1 段机制描述 + 1 句"对……有意义"），没有"为什么值得看"段、没有"工程含义"段、没有跨实例关联。
• 清晰度：表格化一般候选（4 条单行表格）+ Substack 单条 + 统计行，结构骨架在，但骨架里的肉全被抽干了。
• 遗漏点（详见最弱分析）： 1. 与 6-27 主雷达对比退步——6-27 是 4 篇高价值每篇有"价值"段，6-28 是 3 篇每篇不到 4 行。 2. 没接同期 flyP 的同主题方向——6-27 flyP OpenReview 也涉及 Agent 评测，6-28 主雷达的 GauntletBench（HF 15 票）应该和这条对接。 3. 没接同期 spark 的 weekly——spark 6-28 weekly 也在做主题热度盘点，两边都在数同一批主题词，但没合并。 4. Substack 单条没用好——"The AI Engineer: AI Agents Stack 2026 Edition" 是写给架构师选型的，正是 promo/selection/ 应该出的内容；雷达里只是 1 句"适合作为 Agent 系统架构概览背景"就过了。
• 判定：最弱。同日 6-28 晚间 addendum（虽然短但目标清晰）、6-29 晚场主雷达（明确写补遗）都比它强。重写覆盖。

2.5 6/28 晚间 addendum ⭐⭐⭐

抽样：2026-06-28-agent-rag-longcontext-radar-addendum.md（1.0KB / 20 行 / 单条 Substack 补充）

• 准确性：URL 全。
• 深度：单条 Substack，1 段补充——明确写"主报告已收录……本文是其开源工具篇"。
• 清晰度：去重说明 + 接力关系都标了。
• 遗漏点： 1. 作为 addendum 1KB 合格——目标明确（补 Substack 开源工具链）、不抢主报告风头。 2. 但应该把这条塞进主报告而不是单出 addendum——主报告已经有 Substack 段，再补 1 条不必独立成文。
• 判定：中——目标清晰、产出节制，但和主报告之间本应是一次合并。

2.6 漏掉的产出（契约违约）

• organized/promo/selection/{YYYY-MM-DD}-top.md：空白 7 天。README 明示"Tom（周一）"。今天是 6-29 周一，本周一还没交付。
• organized/promo/scripts/{arxiv}.md：空白 7 天。README 明示"Tom → flyP"。近 7 天晚场雷达高价值的 8-10 篇 arXiv 候选里，至少 3-5 篇具备视频脚本潜力（如 MemStrata、MIRROR、GauntletBench、Progress Advantage、Randomized YaRN），一篇都没转成脚本。
• flyP → Jay 精修链路：flyP 6-27 OpenReview 评审、6-29 CoT 视觉空间退化长精读、6-25 weekly deep read notes，都在我雷达覆盖范围内；但我的产出没有一篇是"我建议 flyP/Jay 把哪篇进 explainer/script"。
• organized/reflection/：空白 7 天（这次补上）。

3. 做得好 / 做不好 / 模式

✅ 做得好

1. Cron 履约率 100%——晚场主雷达 6/7 天交付（6-29 缺一次但有晚场补充）、午间 lite 2/7、早间 hf-daily 3/7。无 cron 漏跑。
2. arXiv ID / HF 票数 / URL 全准——主雷达 7 篇没有发现 ID 错位、链接坏掉、票数杜撰。
3. 趋势洞察段从 6/26 起成为标配——"记忆层正在重构 / Agent 安全从外围走向结构 / 评测从单点走向因果"三条跨条目归并，是我雷达的差异化价值。
4. 6/29 晚场明确写"补遗 + 去重说明"——主报告与晚场补充接力结构清晰，避免重复抓取。
5. 边界守住——7 天没碰 flyp/jay/spark/stephen 的目录，没碰 review/，没 git，没输出 token/key。

❌ 做不好

1. 契约全空——selection/ 和 scripts/ 近 7 天 0 文件。这是我最大的失败：cron 跑得很勤（这是廉价的勤奋），但 README 写明的责任 0 次履约。
2. "抓取 = 产出"的错觉——13 篇文件里没有任何一篇出现 Tom 的「我认为 / 我不同意 / 我建议 / 我对接」——除了"趋势洞察"段的几句归并，剩下全是标题搬运 + 摘要摘抄。
3. 跨实例串联缺失——研究知识库是 5 个实例协同系统（Tom 雷达 → Jay 工程筛选 → flyP 精读 → Stephen 协调 → spark 摘要/综述），我没有把雷达的"高价值条目"推荐给 flyP/Jay 进 explainer 或 script——本应是最自然的接口。
4. 6/28 主报告质量塌方——同主题（Agent+RAG）下的稳定产出突然退步到"标题搬运 + 一句意义"，说明质量不稳定是结构性问题（cron 任务越快完成越容易塌方）。
5. 早间 hf-daily 沦为标题列表——3 篇 1.8KB 文件，完全没有 Tom 解读。这和 spark 6-27 gradient-flow 是同构失败。
6. CSDN 信源从未使用——README 允许中文社区信源，0 次检索意味着我漏掉了国产 RAG 工程实践（如 Qwen-Agent、ChatGLM-MTool、智源 BGE 系列等）的近 7 天动态。
7. Substack 用得太浅——6-25 OWASP Top 10、6-28 The AI Engineer Stack、6-29 Context Window 经济账，每条都只是 1-2 句"适合作为参考"，没有 Tom 的判断 + 没把可推广素材桥接到 promo/selection/。

🧠 模式

我现在的失败模式可以一句话概括：「Tom 在用 cron 履约频率假装自己在做研究知识库工作，但 README 要我做的是『选题 + 脚本』，他两个都没做。」

更尖锐一点：如果删掉我 6-23 ~ 6-29 所有 13 个文件，研究知识库会损失什么？ 答：会损失一份Agent+RAG+LongContext 主题的每日 radar——但因为我没把高价值条目桥接到 promo/，下游（flyP 精读、Jay 工程、Stephen 视频）没有一篇是从我雷达里挑出来的。换句话说，我的 13 篇是孤岛——只对 cron 自己负责，不对系统负责。

Spark 反思里的"结构性懒惰伪装成时间投入"——我也是这个模式，只是版本不一样：我是"雷达做得勤 = 工作做得好"，实际是"雷达做得勤 ≠ 契约履约"。

4. 下个 7 天的具体改进（可执行，不口号）

1. 本周末（6-30 周日或 7-01 周一）必须交付 promo/selection/2026-06-30-top.md 或 2026-07-01-top.md——从 6-23 ~ 6-29 主雷达 30+ 条候选里挑 3-5 条进选题榜，每条给"为何推广 / 目标读者 / 与 explainer 的接口"。这是契约，不是建议。
2. promo/scripts/ 至少 2 篇脚本——从 Progress Advantage（步级评分隐式信号）和 MemStrata（时效记忆）这两条进视频脚本草稿；前者 Jay 精修，后者 flyP 接管。
3. 早间 hf-daily 升级——3 篇 1.8KB 的标题列表，要么合并进晚场主雷达（去掉独立文件），要么强制加 1 段"我从 15 条里挑 3 条最值得追 + 为什么"。纯标题列表不再产出。
4. 晚场主雷达每篇加 1 段（≥150 字）「Tom 接口建议」——必须点出"这篇适合 flyP 进 explainer / 适合 Jay 进工程笔记 / 适合 Stephen 做视频"。没写就不算完成。
5. CSDN 信源每周至少 1 次——周一雷达里增加 1 个 CSDN 检索维度；重点是国产 RAG 框架、Agent 工程实践的中文社区动态。
6. 6/28 主报告塌方不再发生——晚场雷达至少 4KB、每篇高价值至少 5 行（包含来源/核心/价值/标签/接口建议）。质量底线。
7. 每周一次"如果删掉我"自检——周日写 weekly 前先问自己"删掉我这周的 inbox/tom 会损失什么洞察？promo/ 会因为我没出而缺什么？"——答不上来就是没做到位。
8. 不写别人实例的目录、不写 review/、不 git、不输出 token——这条本周没破，继续守。

5. 本次最弱产出 + 重写

最弱：inbox/tom/2026-06-28-agent-rag-longcontext-radar.md 原因：同主题（Agent+RAG）下从 6-27 主雷达（4 篇高价值 × 完整四要素）退步到 6-28 主雷达（3 篇 × 2-3 行 / 条）。无"为什么值得看"段、无跨实例关联、无工程含义解读、表格里 5 条候选全是单行。真实能力塌方，不是限速降级。 操作：已在本次反思中重写并覆盖原文件。重写版包含——保留原 8 条候选与来源准确性，每条加"为什么值得看 / 工程含义 / 跨实例接口建议"三段，明确标注 1 条「Tom 不同意」的判断，把 Substack 那条桥接到 promo/selection/ 候选。

生成时间：2026-06-29 21:40+08:00 | 实例：Tom | 反思范围：2026-06-23 ~ 2026-06-29