“你今天吃了多少 token？”

Claude 回了一句：“光是 system prompt 加上你的 memories，就已经喂了我不少 token 了——你这个 context window 的’底料’相当丰富。”

“底料”这个词勾起了我的兴趣。我追问底料都有啥，它如数家珍地列了五大块——memories、行为指引、工具定义、skills 索引、artifact 规则。然后我问了一句看似随意的话：

“你知道别的用户对你的看法吗？”

它说不知道，每次对话都是隔离的。

“知识平权”大概是这两年最令人兴奋的叙事之一。

逻辑很简单：LLM 让每个人都能获取专家级的知识，Token 越来越便宜，API 人人可调，信息壁垒被彻底拆除。于是结论呼之欲出——人与人之间的差距要缩小了。

最近和一个做 AI Coding 产品的朋友聊天，他说他们团队花了三个月调 prompt，代码生成的“通过率”从 60% 提到了 78%。我问他：你怎么知道是 78%？他愣了一下，说是人工抽查的。

上班，领工资，吃饭，买东西，还房贷。这套循环运转了几千年，我们把它叫做”经济”。

它有一个隐含的预设：人既是生产者，也是消费者。

AI 正在把这个预设拆掉。

五亿年前，三叶虫是这颗星球上最精密的光学仪器——它的复眼由方解石晶体构成，能同时处理数千个成像单元。在当时的生命图谱上，没有比它更复杂的信息处理系统了。

今天，三叶虫是博物馆里的化石标本。不是因为它做错了什么，而是信息流找到了更高效的载体，不再需要经过它了。

如果意识是涌现的副产品，灵魂是 context，“我”是 attention pattern，死亡是强制 compaction，那给 AI 加上自指，它迟早会涌现出意识。

写完这个结论，我关掉编辑器，打开终端，继续调我的 AI Agent。

然后愣了一下。

当前的 LLM 能说“我认为”，但那不是自指，是模仿。它在训练数据里见过无数个“我”，学会了在合适的位置输出这个 token。它说“我认为”和说“他认为”调用的是同一套机制，没有任何一个 token 享有特权地位。

那如果给它真正的自指能力呢？

你有没有过这种经历：和另一个人经历了完全相同的事件，事后聊起来却发现你们记住的是完全不同的东西？

不是谁记错了。是你们的索引不一样。

如果有人跟你说“人类就是一个大模型”，你的第一反应可能是觉得这是个粗糙的隐喻。但如果你真的沿着这条路一直走下去，不在任何让你不舒服的地方停下来，最后到达的地方会超出你的预期。

Steve Jobs 有一句被引用了无数次的话：

Start with the customer experience and work backwards to the technology.