人機共存的 infra

modularity 從 cost 到 substrate

Thesis

AI 時代,infra 設計的目標從**「人類能維護」**進化為
「人和 AI 在同一介面共存協作」

過去視為 over-engineering 的 modular contract,
在 traversal cost 崩塌後變成 substrate

1. 核心 — substrate 的三介面

Infra 不是給人或 AI 任一方使用,
是讓兩者同時 host 在同一介面:

• GUI — 人類 inspect / debug
• CLI — agent 程式化 drive、batch run
• Contract files(yaml / json / md)
  — 兩者讀寫同一份 single source of truth

關鍵不是切換模式,是 simultaneous co-existence

人在 GUI 觀察 ablation,AI 同時透過 CLI 跑下一輪 — 共讀同一份 state,互不干擾、彼此可見

2. Modularity 的 ROI 翻轉

Modularity 是契約;契約的 traversal 成本決定它是負債還是資產

為什麼「過早自動化」反向了

非 AI 時代:

• 人類接 contract 的成本 > 抽象帶來的好處
• → 「能跑就好」是合理捷徑

AI 時代:

• AI 接 contract 的成本 ≈ 0
• → 抽象的好處被全額兌現
• 不等式翻轉

3. 研究者 leverage 在哪轉移

過去 moat = 知道怎麼做(solution expertise)

AI 時代 moat 拆成三塊:

1. 設計搜尋空間 — carve problem 成 modular ablation
2. 解讀 ablation 的 taste — N 條曲線哪條是 insight
3. 把 taste 結晶為 reusable skill — 提煉 procedural knowledge

Researcher 角色變遷

手作工人 → 實驗空間設計師 + 結果 interpreter + procedural knowledge curator

• Algorithm 本身 commoditize(隨時可被 AI 重寫)
• 已驗證過的 reusable skill 才是稀缺 IP

4. 警覺 — 速度不是方向

Infra 讓你跑快,跑去哪仍是 taste 問題

AI 時代常見失敗模式:

• infra 完備 → 速度填補 thinking 空白
• 跑 N 條 ablation 不問為什麼
• fast-track 到 dead end

Velocity 是 enabler 不是 strategy
Infra 答「下一個問題能多快驗證」,不答「下一個問題該是什麼」

5. 三個 scale 的活案例

個人 — Karpathy 4 rules

• LLM coding 踩坑提煉成 4 條 procedural rule
• 爆紅 = curated procedure 取代 1000 次 trial-and-error 有價值

平台 — Anthropic Claude Code Skills

• 把這個 IP form 平台化 — 任何 user 可定義 / 上架 / 共享

個體 agent — CIO weekly run

• 自動 codify skill-01(NDX-eq overexposure)、skill-02(apply bundle prices)
• 下次遇類似情境直接套

Personal pipeline 例

3dplant-workflow numbered stages 01→07

• 每個 stage 自含 GUI / CLI
• 跨 stage 透過共用 yaml 形成 contract:
  • meta.yaml / plant_status.yaml / capture_manifest.yaml
• AI 換哪個 stage 的 algorithm 都能接、yaml 不變

Ops 層的鏡射

vault + brief + sediment + agent-workspace 是同一哲學的 ops 鏡像

「md-is-code」原則 = 把文件做成共存介面:

• CEO 在 vault 寫思考
• Agent 在 vault 讀寫 state
• 都用同一份 markdown contract

6. 跨 domain 通用

OpenAI 公開採訪也提:"systems for research" / "researcher productivity"

GPT 系列訓練之所以快:

• 不是 algorithm 突破
• 是 internal infra 讓 researcher 1 天試 5 個 variant 而不是 1 個月

Closing

Infra 是 lever,researcher 的 brain 是 fulcrum

同一原理跨 domain 適用:

• 研究 / ops / 產品 / 投資
• 任何需要高速迭代假設驗證的場景

哲學:
infra 作為人機共存 substrate,
curated procedural knowledge 是 substrate 上面的稀缺 IP