Blogs on EthanLei

OpenClaw 的框架内核：Pi

Sun, 08 Mar 2026 00:00:00 +0000

OpenClaw 的内核 Pi：一个循环、四个工具。揭秘这个极简框架如何通过做减法，实现高效、可扩展的 AI 编码智能体运行时。

2025，让一切，流动

Sun, 04 Jan 2026 00:00:00 +0000

我并不期望人生过的顺利，但我希望碰到人生难关的时候，自己可以是他的对手。

—— 加缪

回顾 2025，我很难用“成果”或“进展”来概括这一年。相比于向某个清晰目标逼近，这一年更像是在不断校准自身状态与理解方式。我逐渐意识到，真正困扰我的，并不是事情是否按计划发生，而是当计划失效时，我是否仍然具备应对的能力。

在熵增的世界，我放弃了寻找确定性

Mon, 06 Oct 2025 00:00:00 +0000

熵增是永恒的宿命，与其在不确定的洪流中执意追寻确定，不如向内深耕自我，随势流转，随心而行。

引子

九月，我做了一个重要的决定：离开小红书，开启我的下一站旅程。这个决定，源于我不再想追寻那份看似忽远忽近的确定性，而是渴望去丰富自己的经历、提升自己的认知，从而有能力去抵抗这个熵增世界所带来的不确定。

说起来，这篇博客本该在六月就完成，承接年初的总结，聊聊近况。但因种种缘由，稿子只起了个头，便一直在草稿箱里静静积灰。

没想到，这次离职反而给了我一段完全属于自己的时间，正好可以把这个“坑”填上。因此，这篇文章算是一份特别的“二合一”：既是迟到的年中复盘，也是新鲜出炉的碎碎念。我想借这个机会，好好回顾这段旅程，也和大家聊聊我近来的所思所想。

红薯地的这两年

时间拨回到两年前的国庆。23年10月，我接到了小红书的意向书，和HR聊完具体的薪资后，几乎没怎么犹豫就签署了offer。为了早点进入状态，熟悉业务，我选择了火速入职，提前实习。我还清晰的记得，入职第一天，负责我的HR同学打趣地说：“你是今年入职最早的校招生。”。

总觉得时光飞逝，许多画面还历历在目，但现实却是，满打满算，我已经在“红薯地”中成长了两年。这两年，说好听一点，我履历丰富，经历了几乎所有的大厂特色项目：业务方向调整，高强高压的Feature上线，跨多团队的业务协作，以及飞“锅”漫天的精彩场面。这趟旅程算不上完美，但却足够丰富。如果不好好复盘消化，把这些经历提炼成自己的成长，那可真是有些暴殄天物了。

下面，我就罗列几点，我的复盘和成长。

看见“价值”，构建自己价值评判体系

曾经，我对一件事“价值”的判断，很像是在对照一份“价目表”。读个好学校的研究生，值多少分；发一篇顶会论文，值多少分；拿到一个大厂的offer，又值多少分。这份“价目表”由社会共识、前辈经验、主流声音共同构成。我曾是它忠实的拥趸，被动地接受着上面的标价，却从未深究过定价的逻辑。

这并非说我如今质疑这些选择的价值，而是我意识到，它们并非经由我独立思辨、真正内化于心的结论。我只是在沿着一条看起来最稳妥、最多人走的轨迹前行，追求一种“标准答案”式的成功。

而在红薯地的这两年，尤其是在业务一线炮火的洗礼中，这种被动接受的惯性被彻底打破了。在这里，你常常需要去做一件没人做过、没有“标准答案”的事，然后你必须清晰地论证出它的价值，去说服你的老板、你的同事也认可这份价值。我一下子失去了可以参照的“价目表”，这反而逼着我不断地向内拷问自己：“我为什么要做这件事？它的核心价值是什么？它能为用户、为业务带来什么？”

为了回答这些问题，我必须去挖掘更多的信息，去理解业务的逻辑，去洞察用户的需求，去结合产品的生态。这个过程，就像是在一片迷雾中，亲手建立起属于自己的灯塔和坐标系。

这种转变，最直接地体现在我对OKR的理解和对业务的判断上。我不再是一个被动接单、按部就班的“执行者”，而开始学着去拆解老板的目标，主动思考和定义问题，成为一个“规划者”。我开始明白，真正的价值，不是来自外界的标价，而是源于你对事物本质的理解和独立判断后，所产生的那份笃定。

从“独行侠”到“集团军”，拥抱集体智慧

坦白说，我骨子里是个喜欢单打独斗的人，一个典型的“独行侠”。我享受那种从0到1，一切尽在掌控的感觉，并认为这是最高效、沟通成本最低的方式。

然而，在大厂的复杂战场上，个人英雄主义很快就会碰壁，你必须学会“集团作战”。一个在用户看来或许只是“点一下”的简单功能，其背后可能是一张庞大而紧密的协作网络：产品经理的敏锐洞察，设计师的精心设计，前端、后端、算法工程师的代码实现与优化，测试同学的稳定保障，还有运营同学的推广策略……每个环节都环环相扣，缺一不可。它要求你必须具备通盘的大局观，主动去拉通上下游，为各种不确定性预留足够的buffer，而不是抱着“自扫门前雪”的态度，守着自己的一亩三分地。

更重要的是，我意识到，“独行”的效率是一种短视的假象。每个人的精力、知识和视野都是有限的。你不可能在每个领域都成为专家。试图掌控一切，最终只会被无穷的细节淹没，筋疲力尽。而“集团作战”的精髓，恰恰在于信任并借助他人的专业性，将每个人的优势拧成一股绳，去攻克单枪匹马无法企及的高地。这不是简单的任务分配，而是基于共同目标，互相补位、彼此成就的化学反应。

学会拥抱集体智慧，从欣赏个人能力，到敬佩团队的力量，这是我在小红书学到的，关于“做事”的另一堂重要课程。

生活碎碎念

聊完工作，我想再谈谈对生活本身的一些感悟。

从小，我被灌输的人生观和事业观，都与“稳定”二字牢牢绑定。那是一条清晰的人生轨迹：考个好就业的专业，进一家安稳的大公司，在一个岗位上做到退休。我曾以为，只要按部就班，就能收获安稳的人生。

然而，不知从何时起，这个信念开始动摇了。一方面，是性格里总有些不安分，喜欢在安逸中寻找新的可能性；但更重要的，是时代本身的变化——我们早已告别了那个一份工作可以干一辈子的时代。

世界正变得日益复杂和不确定，社会这部机器的运转也在加速，变化与重组成为常态。这股趋势我们无法抗拒。既然如此，与其被动地被浪潮推动，不如主动投身其中，在变化中寻找新的方向和机会。

这也是驱使我离开小红书的原因之一。我想跳出熟悉的环境，去亲身探寻：在不同的商业模式下，一个产品是如何从零到一、再到持续成长的；去理解成功背后更底层的第一性原理，而不仅仅是学习表面的方法；去在更丰富的实践中锻炼自己，建立一种不依赖于任何平台、真正属于自己的核心能力。

归根结底，我想在自己身上做一场实验。

这场实验的核心假设是：人生并非只有一条预设的轨道，它更像一片广阔的原野，处处都是值得探索的路径。

为了验证这个假设，我开始主动结识不同行业的朋友，去各地体验真实的生活，并在实践中反复审视自己过去的认知。我发现，这些看似分散精力的探索，非但没有影响本职工作，反而让我在宏观与微观两个维度上，对社会运转有了更深刻的理解，也建立起一个更全面、立体的价值体系。

这让我更加笃定，我的假设是正确的。

最后，我想借用《冈仁波齐》电影结尾的话来收尾：

这个世界上没有什么生活方式是完全正确的，神山圣湖不是终点，接受平凡的自我，但不放弃理想和信仰，热爱生活，我们都在路上，也许路的尽头是什么从来都不重要。

2024, Not bad.

Mon, 30 Dec 2024 00:00:00 +0000

Warning：这是一个矫情的、敏感的双鱼男的自述，带有强烈的个人主观情感偏见。

TL;DR

小时候，我常说：“我想做这个，我想做那个。”，长大了，我却常说：“我不能做这个，我不能做那个。”

细想这些所谓的"不能"，其实并非真的不能，而是被现实的种种条件所束缚，失去了选择的自由。

但是，当生存不再是困扰，那我便有了选择的自由。我选择不再将多余的精力用来追求更富足的物质生活，而是去探索人生的旷野，去寻找那条属于我的路，通向那扇独属于我的窄门。

这条路或许荆棘遍布，或许人迹罕至，但我深信，穿越艰难后的风景，必将美不胜收。

一个人应该能够换尿布，策划战争，杀猪，开船，设计房子，写十四行诗，结算账户，砌墙，接脱臼的骨头，安慰濒死的人，服从命令，发布命令，携手合作，独立行动，解数学方程，分析新问题，铲粪，电脑编程，做出可口的饭，善打架，勇敢地死去。只有昆虫才专业化。

— 罗伯特海因莱因，《时间足够爱你》

序言

转眼间又到年末，像往常一样，不自觉地开始回顾这一年。划着手机相册，从一月滑到十二月，一直翻到昨天，点点滴滴的记忆涌上心头。

Policy-gradient Algorithem

Mon, 21 Oct 2024 00:00:00 +0000

Intro

Policy-gradient 算法是无模型强化学习算法中的一种，也是Actor-Critic 算法中的Actor。 REINFORCE算法是一个比较基础的

算法

学习目标

Policy-gradient 的目标函数定义如下：

$$ \begin{equation} J(\theta)=\mathbb{E}[\sum_{t=0}^{T-1}r_{t+1}] \end{equation} $$

它表示希望学习一个policy能够最大化累计未来回报（cumulative future reward）。 $r_{t+1}$表示在状态 $s_t$时采取动作 $a_t$从环境中获得的回报。 $r_{t+1} = R(s_t,a_t)$， $R(\cdot)$表示回报函数（reward function）因为这是个最大化问题，所以可以使用梯度上升来优化policy。 $$ \begin{equation} \theta = \theta + \frac{\delta}{\delta \theta}J(\theta) \end{equation} $$ Policy 一般会使用神经网络进行参数化。

期望（Expection）

在文献中经常出现的是期望符号——之所以使用它，是因为我们想要优化长期未来（预测的）奖励，而这有一定的不确定性。期望值，也称为期望值或平均值，是通过每个x值及其概率的乘积之和来计算的。 $$ \begin{equation} \mathbb{E}[f(x)] = \sum_{x}P(x)f(x) \end{equation} $$ $P(x)$代表随机变量 $x$出现的概率， $f(x)$代表 $x$的值。

推导策略梯度

我们根据先前定义的目标函数，我们可以将期望项进行展开： $$ \begin{equation} \begin{split} J(\theta) &= \mathbb{E}[\sum_{t=0}^{T-1}r_{t+1}|\pi_{\theta}] \\ &= \sum_{t=i}^{T-1} P(s_t,a_t|\tau)r_{t+1} \end{split} \end{equation} $$

其中 $i$是轨迹 $\tau$中的任意一个起始点， $P(s_t,a_t|\tau)$是在给定轨迹 $\tau$时，出现 $s_t,a_t$的概率。对两边同时对policy的参数 $\theta$求导： $$ \begin{equation} \begin{split} \nabla_{\theta}J(\theta) &= \sum_{t=i}^{T-1}\nabla_{\theta}P(s_t,a_t|\tau)r_{t+1} \\ &=\sum_{t=i}^{T-1}P(s_t,a_t|\tau)\frac{\nabla_{\theta}P(s_t,a_t|\tau)}{P(s_t,a_t|\tau)} r_{t+1} \\ &=\sum_{t=i}^{T-1}P(s_t,a_t|\tau)\nabla_{\theta}\log{P(s_t,a_t|\tau)}r_{t+1} \\ & = \mathbb{E}[\sum_{t=i}^{T-1}\nabla_{\theta}\log{P(s_t,a_t|\tau)r_{t+1}}] \end{split} \end{equation} $$