知识树的主结构：图书馆分类法够不够用
想把博客文章里的知识点做成游戏那样能一格一格点亮的知识树，第一个想到的是图书馆分类法。顺着这个念头往下追：图书馆分类放进这些文章会遇到什么，游戏里的树到底是什么结构，学科本体、叙词表、刻面分类各补上了哪一块，“点亮”背后的知识空间理论，点亮的深浅怎么分，最后这几样东西各自该放在树的哪一层。
把经历过的，连成记忆。
这是我的记忆构建平台，你也能搭一个。
最新文章
私有知识共识链：不发币、不公开，几百个席位共同维护一份知识和规则
设想一条只给几百个席位读写的链：不发币，不做交易，只记两样东西，一是成员共同维护的知识，每条都必须引用链上已经通过的知识，二是成员给自己定的规则，连“多少人同意才算通过”和“席位从 300 扩到 500”也在链上投票决定。顺着这个设想往下走：知识块和引用图长什么样、第一条知识从哪来、错了怎么推翻；Metamath、维基百科、Fabric、Besu、Tezos、Polkadot 这些已有系统各做了哪一部分；再用 CometBFT 搭一个原型实测引用和推翻、看一个三分之二的联盟能不能借扩容夺权，最后量一量共同维护一份记忆能让分歧少多少，又要为每条共识交多少“共识税”。
Multica 里 @ 一个 Agent 之后：通信链路与需求上下文的注入
在 Multica 的 issue 下面 @ 一个 agent，190 毫秒后，本机上的 Claude Code 就在读这个 issue 的需求描述了。顺着这条消息往下追：@ 在服务端变成了什么，平台和本机之间到底走的是哪条连接、上面传了什么，daemon 领到的任务包里有什么、没有什么，issue 里的需求是推给 CLI 的还是 CLI 自己拉的，用的又是谁的凭证，agent 正在干活时再 @ 它一次会发生什么；再往后，隔一会儿再 @ 它，接上的是哪一段会话，换一个 agent 来接手，它又怎么知道前一个做到了哪。
从 249 美元到 9 万美元：显卡、算力卡和 AI 小主机放在一起比
想把市面上的显卡、算力卡和 DGX Spark 这类 AI 小主机排在一张表里比价格和性能，很快撞上三个怪现象：同一张卡有六个算力数字、标价 1999 美元的卡卖到五千以上、贵十倍的卡算力只多几倍。顺着这几个问题往下追：算力数字的口径怎么统一、该看哪几把尺子、消费级卡和数据中心卡差在哪、国产卡在什么位置、小主机用什么换来了大内存，最后放到一张图上按用途来选。
Hyperliquid 为什么这么快：和比特币比，它留下了什么、改掉了什么
比特币两个块之间的 7 分 25 秒里，Hyperliquid 出了 6,181 个块。顺着这个差距往下追：两条链共用的是哪副骨架；比特币的 10 分钟花在哪；HyperBFT 怎么用 2/3 质押的签名一步定终局，HotStuff 怎么把投票做成流水线；订单簿为什么直接写进状态机、块里为什么撤单排在吃单前面；70 毫秒出块为什么下单仍要 0.2 到 0.9 秒；以及快的代价落在了谁身上。