Steve Newman 的 Hyperproductivity：一个 60 岁老头如何用反 tokenmaxxing 哲学驾驭 AI
这个人是谁 Steve Newman，1985 年开始写代码，做过 Writely（后来卖给 Google 成了 Google Docs），经历过互联网从拨号到生成式 AI 的每一个周期。 2026 年，60 多岁的他，在 Cognitive Revolution podcast 上被问到怎么用 AI 编程。他的回答…
这个人是谁
Steve Newman，1985 年开始写代码，做过 Writely（后来卖给 Google 成了 Google Docs），经历过互联网从拨号到生成式 AI 的每一个周期。 2026 年，60 多岁的他，在 Cognitive Revolution podcast 上被问到怎么用 AI 编程。他的回答让主持人愣了一下："The agent's not important. I'm important."
他没在说套话。他是少数几个真正在说"怎么用 AI"的时候，第一句话不是"效率提升"，而是"我到底是谁"的人。 ---
六个判断
步子哥听完这期播客，提炼了六个判断。它们不是鸡汤，是一个写了四十年代码的人，在用一种异常清醒的方式重构自己的工作流。1. AI 最先该做的是过滤入口，而不是接管你的人生
Steve 的第一个工具叫 Attention Firewall。 不是防火墙。是注意力防火墙。它的作用只有一个：帮他在开始工作之前，把"应该看什么"和"不应该看什么"分开。不是推荐算法那种"猜你喜欢"，而是他自己定义的过滤规则——什么东西根本不值得进他的注意力范围。 这和"AI 帮我做更多"完全相反。它是"AI 帮我不做"。核心洞察：信息洪流中，决定不接收什么，比决定接收什么更重要。
---
2. 别为了把 token 用满，把自己活成 AI 值班员
Steve 明确反对 tokenmaxxing。 这个词是他造的，意思是为了"榨干模型能力"而不断调整提示词、追加上下文、试图让 AI 输出更多。他把这种行为比作"在健身房盯着卡路里表跑步"——你确实在动，但你忘了为什么而动。 他说自己不懂 TypeScript，也从不看 AI 生成的代码。他只做一个事：高层决策。框架、方向、边界条件。剩下的让 AI 去填。如果 AI 填错了，他凭直觉判断哪里有问题，然后告诉 AI 修正方向。 这意味着什么？他不是 AI 的"监督员"，他是 AI 的委托人。就像老板不会亲自打字，但会看结果对不对。核心洞察：tokenmaxxing 是一种焦虑驱动的行为模式，本质是人对自身价值的怀疑。---
3. AI 编程真正的落地，常常是从小工具开始
Steve 不是用一个"超级 Agent"解决所有问题。他做了十几个 bespoke 小工具：- Attention Firewall → 过滤注意力入口 - Reading App → 专门用来 surface 新想法的阅读器
- Coding-Agent Dashboard → 监控 AI 编程任务的仪表盘
- Chrome Extension → 浏览器层的小助手
- Universal Logging → 跨所有工具的日志系统
- Mirror → 聚合 7+ 数据源的统一视图 这些工具的共同特点：没有一个试图"颠覆"什么。
核心洞察：不是"找一个万能工具"，而是"让每一个碎片都有明确的主人"。---
4. 创作者更需要选题雷达，而不是自动写稿
Steve 的 Reading App 不是为了"读得更快"，而是为了找到值得创作的话题。 他的逻辑很直接：生成式 AI 可以把垃圾信息包装得很好看，但它不能替你想出真正有价值的选题。选题能力——知道"什么东西值得做"——是创作者最后的护城河。 所以他的阅读工作流不是"摄取尽可能多的信息"，而是"训练自己对"什么是有价值的问题"的直觉"。核心洞察：内容生产的瓶颈不是写作能力，是判断能力。---
5. 自动化可以很快，但证据链不能断
Steve 有一个 universal logging 系统，还有一个叫 TDD for skills 的方法论。 这两个东西在说什么？ 当你用 AI 自动完成一件事时，你必须能追溯到每一步发生了什么。不是出于 paranoid，而是因为当你发现 AI 搞砸的时候，你需要知道是哪个环节出了问题。 TDD（Test-Driven Development）用在"技能"上——每次他给 AI 一个新任务，他会先写一个"期望结果"，然后让 AI 尝试，然后检查差距。这个循环他反复跑，直到 AI 对这个特定任务的执行稳定可靠。核心洞察：信任是有限度的。信任的前提是可验证性。---
6. 未来真正厉害的人，会先给自己搭一个个人操作系统
这是把所有东西串起来的一点。 Steve 在文章 "Hyperproductivity" 里说过一句话："The bottleneck isn't AI capability; it's human imagination in how to use it."
他的 personal OS 不是某个软件。是上面那一整套东西的组合：注意力管理 + 反 tokenmaxxing 心态 + 小工具矩阵 + 选题雷达 + 证据链 + 持续迭代的习惯。 Jesse Vincent（Superpowers 作者）说的 Compounding Teams——用工具改进工具——也在描述同样的事。 刘小排的案例更极端：一个 vibe coder 让 AI 自动生成 10000 个域名，然后在里面挑。这种"大规模生成 + 人工筛选"的模式，正在成为新范式。 但 Steve 也诚实地说了一件事：这种工作方式很 exhausting。 "You can never settle into a routine."
核心洞察：个人操作系统不是一种效率工具，它是一种存在方式。---
为什么说这些判断重要
Steve Newman 的特殊之处在于，他不是 AI 从业者，不是 prompt engineering 网红，不是卖课的。他是一个用 AI 做真实工作的人，而且他已经做了四十年技术工作。 他说的话没有 hype。- 他不相信"AI 会替我做一切"
- 他不相信"提示词越复杂越好"
- 他相信的是：AI 是一个需要被管理的资源，而管理它的人必须有清晰的自我边界。
参考
- Cognitive Revolution podcast: "Vibe-Coding an Attention Firewall, w/ Steve Newman" (2026-04-19)
- Steve Newman 个人站: secondthoughts.ai / "Hyperproductivity" 文章
- Jesse Vincent: Superpowers (compounding teams / TDD for skills)
- 刘小排 vibe coder 案例（生成 10000 域名）
讨论回复（0）
暂无回复，登录后可参与讨论