这期的题目是「又一个行业被 MD 化」。设计系统被拆成两半：一堆 yaml 给 agent 读，一段 Markdown 正文给人读。这个拆法已经在别的行业发生过好几次了。
新的做法是把设计规范写成一份文件，由两部分组成：一堆 yaml 给 AI 和 agent 看（字号、字体间距这类可机读的参数），一部分 Markdown 正文给人看（设计原理、规范理念）。
生成很方便——直接让 agent 生成，来源可以从公司主页提取，也可以手写修改。
配套的产品把整条设计工作流压到了分钟级：从设计稿到交互原型再到导出。
「又一个行业被 MD 化」说的就是这个模式：把一个专业领域的知识拆成机器可读的参数层 + 人可读的理念层，然后交给 agent 去执行。这个套路已经在文档、代码、技能定义上发生过，现在轮到设计。
一份针对约六千名高管的调查，结论很不客气：近 90% 的企业认为 AI 在过去三年没有对就业或生产力产生实质影响。
高管自己每周只用大约 1.5 小时的 AI。
而且出现了一个新症状：「AI 脑雾」——同时用太多 AI 工具，员工疲于切换，反而难以聚焦。
历史上 IT 革命那个「生产力悖论」，可能正在 AI 时代重演。
这是企业 AI 推广阻力最直接的数据证据：CEO 层面感知不到 ROI，意味着未来 12 个月的 AI 预算续费会被更严格地审视。AI 工具需要更清楚地展示业务影响力，而不是笼统地讲效率。
这期有一段值得记的算术：现在大量模型里的信息压缩率——也就是一个 token 产生出来的有价值比特——只有 0.07 个比特。
换句话说，模型训练出来的其实只是一段很模糊的记忆。
本质原因是：训练数据里的垃圾太多。
所以现在真正稀缺的是高质量数据，而不是更多数据。
延伸阅读 · 本刊深潜《垃圾数据与下一次能力跃升》——0.07 bits/token 这个诊断往下推出来的结论。
有人做了一个让输出尽量用文言文的技能，理由很实在：文言文的信息密度极其高。
同样一件事，用更少的 token 说完——不讲废话，不用英文或现代汉语，就讲文言文，能讲得非常精炼。
这是个很典型的「用语言本身的性质做工程优化」的例子。
有人把两个相邻版本的系统提示词逐行对比，能看出很多东西：新增了办公软件的工具支持；扩大了儿童安全约束；引入工具搜索机制（可以自动查找可用工具）；明确鼓励少问多做；限制把复杂问题简化成是/否答案；并删掉了禁止星号动作的条款。
系统提示词是最直接的产品工程决策窗口。
这次变化的方向是「更主动」——意味着模型在工具调用和自主决策上会更进一步。依赖它的开发者需要理解这条行为基准线的变化对现有工作流意味着什么。
这期有一条判断很硬：军方大规模采用 AI 模型辅助作战，但「人在回路」这个策略是不可行的。
原因是：在决策的那一刻，人并不具备足够的信息去判断该不该发射；思考过程太复杂，人无法在回路里做出有效判断。
「保留人类最终决定权」听起来是最稳妥的安全设计，但如果人在那个时刻根本没有做决定的条件，这层保险就是名义上的。