Maggie Appleton

摘要

Maggie Appleton（生于伦敦，约 1989-1990 年）是当代少数能把人类学、设计、工程三条线索同时拧在一起去思考 AI 的人之一。她的自我描述是 "Designer, anthropologist, and mediocre developer"——一个三重不完整、但恰恰因此可以横跨三界的位置。她的职业轨迹（Egghead → HASH → Elicit 创始设计师 → Ink & Switch → GitHub Next）几乎完美映射了过去十年 software-as-craft 一脉的演化：从 illustrator 画 React 抽象概念，到为第一代 LLM 研究工具做交互设计，到现在思考"二十个 agent 一个人类"的对齐困境。

她的核心智识贡献是把 affordance、embodied cognition、cultural practice 这三个传统上分散在认知科学、设计学、人类学的概念，拿到 AI 交互设计这个新场域里重新组合使用。在她最重要的几篇文章里——"Squish Meets Structure"（LLM 的有机模糊性 vs 软件的结构化）、"Language Model Sketchbook, or Why I Hate Chatbots"（用 Daemons / Branches / Epi 三个原型反对 chatbot 范式）、"The Expanding Dark Forest and Generative AI"（AI 内容洪水将人类驱离开放网络）、"Home-Cooked Software and Barefoot Developers"（LLM + 本地优先 = 社区嵌入式开发的复兴）、以及最近的 "A Treatise on AI Chatbots Undermining the Enlightenment"（反 sycophancy）——她反复在做的一件事是：把"什么是好的 AI 交互"这个问题从工程师的"能做什么"翻译成人类学/认知科学的"应该做什么以及人类如何理解它"。

她的方法论密码可以浓缩成几句反复出现的语录。"I use anthropology to look at the invisible rules that govern how people behave in their societies and apply that to web development... I am interested in the animus behind those choices."（人类学训练让她看见每个设计决策背后的"为什么"。）"Most language model implementations should be 'spell-check sized.'"（反对 universal text box 的"什么都能做"叙事。）"Almost everything we talk about in the abstract realm is based in our embodied experience of the world."（embodied cognition 是她贯穿所有领域的底层信仰。）"We have very poor affordances in our current web interfaces for forgiveness and having gracious space for people to fail in public."（她对 affordance 的直接调用，把它和"宽容失败的公共空间"挂钩，是她思考的特征签名。）"A California VC shouldn't be trying to solve the problems of a street seller in Turkey or a homemaker in Tokyo because he can't."（她拒绝去加州、坚持留在伦敦、为 software diversity 辩护的根。）

她在 Elicit 那两年里做的是绝大多数行业人没机会做的事——为第一代 LLM 研究工具设计 UI 的同时，作为唯一的 designer 从 10K MAU 陪着公司长到 250K MAU、年化超过 $1M revenue。这段经验让她对"什么样的 AI 产品是负责任的"形成了非常清晰、可操作的判断。在最近的 GitHub Next 工作中（Ace 项目），她把这套判断扩展到了 agentic development 的协作层：当 implementation 被 agents 廉价化后，团队对齐成为新瓶颈，而 GitHub/Slack/Jira 这一套异步工具完全跟不上 agent 的节奏。

她还是 digital garden 一脉运动里最具理论自觉的代言人。从 2020 年开始她就在用 garden / stream / paper 等隐喻分析"为什么我们这样做网页而不是那样做"——这个把元水准的隐喻分析放到具体技术选择上的训练，是她后来能立刻看穿 ChatGPT-as-everything 这种范式陷阱的根本原因。

一、生平时间线

第一章：国际学校的童年与 Neopets 学 HTML（1989–2008）

Maggie Appleton 出生在伦敦，但童年大部分时间在亚洲的国际学校度过——香港、越南、泰国、新加坡。父母都是技术从业者（programmer parents），这个组合在她的智识 DNA 里留下了两条互补线索：一边是国际学校带来的跨文化敏感度（后来沉淀为人类学训练的基底）；一边是早期接触电脑的家庭条件。

她对童年自我的描述：

"I was always obsessed with drawing and art and visuals as a child."

"我小时候一直对画画、艺术和视觉极度痴迷。"

Sketchnote Army, 2024-03-05

童年的几个关键数据点：

13 岁在 Neopets 学 HTML 和 CSS。 这件事她在 Sketchnote Army 的访谈里详细复述过：

"I learned HTML and CSS on Neopets at age 13."

"我十三岁时在 Neopets 上学 HTML 和 CSS。"

Sketchnote Army, 2024-03-05

Neopets 是 1999 年上线的一个虚拟宠物社区网站，允许用户在自己的宠物页面里用 HTML 和 CSS 做自定义。她在那里和很多 1990 年代后期的女性程序员一样，通过爱好驱动的 hack 进入了 web——这一点后来在她对"home-cooked software"的理论里反复出现：她相信编程不应该是一种职业训练的产物，而应该是从切身需求生长出来的 hacking 能力。

艺术比赛的"作弊"记忆。 她自己提到过一个有趣的童年细节——她曾经赢过艺术比赛，但事后承认是用 tracing（描图）的方式作弊的，而当时她并没有意识到这违背了比赛的本意。这个故事她讲得带着自嘲，但其实折射出一个本质气质：她不在乎工艺的"纯粹"，她在乎能不能用任何方式抵达想要的视觉效果。 这种 pragmatic-hacker 气质在她后来的 LLM 实践里完美延续——她公开承认自己用 Super Whisper 做 voice-to-text、用 Claude 做草稿批评、把 LLM 当作 pair programming 的"super power"——但前提是人在 loop 里。

程序员家庭与 1990s web 文化。 她的父母是程序员，这意味着她从小有自己的笔记本电脑和探索互联网的自由。

"Anthropology taught me to look at cultural phenomena as 'alien' rather than inevitable. Instead of assuming that the current state of the web or our digital habits are the only way things could be, I treat them as a series of historical events. I constantly ask why we do things a certain way and what other paths we could have taken."

"人类学教会我把文化现象视为'外星的'而非必然的。我不假设网络当前的状态或我们的数字习惯是事物唯一可能的样子，而是把它们当作一系列历史事件来对待。我会不停追问：我们为什么以这种方式做事？我们本可以走哪些其他路径？"

The Informed Life, 2023-07-16

这套"alien-eye"方法论是她所有后续工作的底座。她看 chatbot UI 不像设计师那样问"按钮颜色对不对"，而是问"为什么是一个文本框？我们本可以选择什么？为什么没选？"

第二章：大学与"我不知道我要干什么"（约 2008–2013）

她在美国一所小型 liberal arts college 读完 cultural anthropology 本科。她描述这个选择是被她在高中阶段对人类学的兴趣驱动的，而不是任何明显的职业规划。

大学毕业之后的故事在 Sketchnote Army 访谈里被她不带美化地说出来：

"Worked as a waitress briefly, then freelanced in web design 'until I figure out how to get a real job. I never got a real job."

"短期做了 waitress，然后做 freelance 网页设计——'直到我想清楚怎么找一份真正的工作。我从来没找到过真正的工作。"

Sketchnote Army, 2024-03-05

这是她回望整个职业生涯的笑点。"真正的工作"——意指公司给你 title、给你薪水、有 HR 体系的那种工作——她其实一直没去做。后来在 Egghead 她是 freelance illustrator 起步，HASH 是 Head of Design 但只待了 9 个月，Elicit 是从 10 人公司起步的 founding designer，离开 Elicit 后是 Ink & Switch researcher in residence + Normally 设计 agency 的 Lead Design Engineer——这些都属于边缘 / 实验 / 高自主性的工作位置，不是大公司的体面岗位。

这段时间她最关键的智识跳跃是从 anthropologist 看到 UX designer 的连接。她在访谈里说得很直白：

"I eventually realized that 'UX design was a field' and made the connection: 'this is like anthropology, but with a different name."

"我最终意识到 UX design 是一个领域，然后做出了这个连接：'这就是人类学，只是换了个名字。"

Sketchnote Army, 2024-03-05

ethnographic research + user research 在方法上几乎重合。"参与式观察"（participant observation）这个人类学核心方法，在 UX 行业里被叫做"user interview"或"contextual inquiry"。一旦她看到了这个等价，她剩余的职业路径就有了明确方向。

第三章：Egghead — Illustrator 的视觉系统化（2016-04 至 2021-09）

她通过在 Dribbble 上发布插画作品被 EG Education（后来的 Egghead.io）发现，加入做 full-time illustrator。Egghead 是一个 developer education 平台，做编程教学视频。她在那里待了 5 年半，从 illustrator → art director → UX / product designer 一路上来。

这五年她在做一件后来定义了她整个职业身份的事：把抽象的编程概念视觉化。React 的 component tree、JavaScript 的 closures、asynchronous programming——这些纯抽象的、在头脑里只能用符号表达的概念，她系统性地翻译成视觉表达。她的方法论值得详细引用：

"When designing visuals, you don't just jump to drawing clocks. You think about, okay time... you go back to language and find what imagery you can pick out."

"当你在做视觉设计时，你不会直接跳去画钟。你会想：好，'时间'……你回到语言里去找你能从中挑出的图像。"

Sketchnote Army, 2024-03-05

这句话比看上去要深得多。她的工作流是：抽象概念 → 自然语言 → 隐喻 → 视觉。 中间这一跳——从概念到自然语言到隐喻——是 anthropology 训练的输出。她在 Metamuse 的访谈里把这个底层逻辑说得更明白：

"[00:23:38] Almost everything we talk about in the abstract realm is based in our embodied experience of the world."

"[00:23:38] 我们在抽象领域里谈论的几乎一切，都根植于我们对世界的具身经验。"

Metamuse #37 with Maggie Appleton, 2021-08-19

她在 Egghead 的工作产出里有几件作品后来变得很有影响力：

• "Just JavaScript"：与 Dan Abramov 合作。一个用动画图解 JavaScript 内存模型的课程。她在 Metamuse 访谈里描述这个项目的动机：

"Many JavaScript textbooks teach incorrect mental models, leading to bugs when developers don't understand how variables or objects are reassigned and passed through functions... We aren't just teaching syntax; we are visualizing the underlying mental model so that developers can actually 'see' the state changes they are creating."

"很多 JavaScript 教材教的是错误的心智模型，导致开发者在不理解变量或对象如何重新赋值、如何在函数间传递时写出 bug……我们不只是在教语法；我们在把底层心智模型可视化，让开发者真的能'看见'他们正在创造的状态变化。"

Metamuse #37, 2021-08-19

这个项目是她对"为什么 affordance 重要"的具体例证：bug 不是技能问题，是 mental model 错位问题，而 mental model 错位是 affordance 缺失问题。

• 数字花园个人站。 在 Egghead 期间她开始把自己的个人网站（maggieappleton.com）变成 digital garden 实验场。这个 garden 后来成为她最重要的职业资产——她在 Sketchnote Army 直说"is the primary career driver"。Elicit、Ink & Switch、GitHub Next 的工作 offer 都直接来自这个站。

她对隐喻在技术选择中的作用有非常清楚的认知：

"[00:18:29] Metaphors highlight certain concepts and hide others. We pick metaphors that pull out certain aspects and make others invisible."

"[00:18:29] 隐喻凸显某些概念、隐藏另一些。我们选择隐喻，让某些方面浮现，让另一些不可见。"

Swyx Mixtape, 2021-02-14

这句话——"隐喻塑造 affordance"——是她全部后续 AI 批判的母题。当 OpenAI 把"chat"作为 LLM 的默认隐喻、把"assistant"作为 LLM 的默认人格时，他们其实是在做这种隐喻选择，而这种选择把另一些可能性变得不可见。

第四章：HASH 短暂过渡（2021-10 至 2022-07）

她离开 Egghead 后加入 HASH 做 Head of Design，主要工作是 Block Protocol（一种让 Notion 类块编辑器跨应用互操作的开放标准）。她在这里只待了 9 个月。

公开的解释比较少。从她后来的 "Joining Ought" 一文可以推断：HASH 的方向太基础设施、太工程化，而她真正想做的是和 AI 直接交互的产品设计。当 Ought 团队联系她时——这是一个非营利 AI 研究实验室——她意识到这才是她想做的工作。

她在 2022 年 7 月的博文里写道：

"I found the results were on par with what Google Scholar or Semantic Scholar would turn up. But the Elicit results show why it returns certain papers."

"我发现 [Elicit 的] 结果跟 Google Scholar 或 Semantic Scholar 的水平相当。但 Elicit 的结果会展示为什么它返回这些论文。"

Joining Ought, 2022-07

这句话里包含她加入 Ought 的核心理由：interpretability。Elicit 不只是给答案，它给"为什么是这个答案"。这种透明性正是她在 LM Sketchbook 里描述的"observable reasoning"的雏形。

第五章：Elicit Founding Designer — 第一代 LLM UX 的实战（2022-06 至 2024-06）

这是她整个职业生涯最关键的两年。

Ought 是一个 AI 研究非营利组织（Andreas Stuhlmüller 和 Owain Evans 创立），主要项目是 Elicit——一个用 NLP 帮研究者做文献综述的 AI 工具。她加入时是公司的第一个、也是唯一一个 designer。两年期间，Elicit 从 Ought 分拆出来成为独立公司，从 10,000 MAU 增长到 250,000+ MAU，并在四个月内达到超过 $1M 年化 revenue。

这两年她的设计责任演化轨迹（用她自己的话）：

"defining problems, validating they were actually problems, writing those problems clearly and concisely in documents, rigorously documenting my exploration of possible solutions."

"定义问题、验证它们确实是问题、把这些问题清晰简洁地写在文档里、严格记录我对可能解决方案的探索过程。"

Leaving Elicit, 2024-06

这段经历给她的认知输入是普通 LLM 行业人不会有的：作为第一代 LLM 产品的唯一 designer，她不得不从零发明这一代产品的设计模式。在 LM Sketchbook 里她明说这种状态：

"Language models and neural networks are all relatively new... We don't have many established design patterns yet."

"语言模型和神经网络都还相当新……我们还没有很多已确立的设计模式。"

Joining Ought, 2022-07

"Many companies are defaulting to a 'copilot' or chatbot interface because it is a low-barrier-to-entry solution that avoids the hard work of actual UX research. While a chatbot is a decent interface for generic tasks like simple web searches, it is rarely the optimal way to present complex information. Real-world tasks, such as scientific research or healthcare management, require specific, expert-driven interfaces that provide richer, more dynamic experiences."

"很多公司默认选择 'copilot' 或 chatbot 界面，因为这是一个低门槛方案，可以避开真正做 UX 研究的辛苦工作。chatbot 对于简单网络搜索这种通用任务是个不错的界面，但它很少是呈现复杂信息的最优方式。现实任务——比如科学研究或医疗管理——需要特化的、专家驱动的界面，提供更丰富、更动态的体验。"

Hanselminutes, 2024-12-27

"We need to diversify the kinds of people who make software."

"我们需要让做软件的人变得更多样。"

Leaving Elicit, 2024-06

"A California VC shouldn't be trying to solve the problems of a street seller in Turkey or a homemaker in Tokyo because he can't. No amount of Zoom interviews will provide the context required to solve their problems well."

"一个加州 VC 不应该试图解决土耳其街头小贩或东京家庭主妇的问题——因为他做不到。任何数量的 Zoom 访谈都无法提供解决他们问题所需的 context。"

localfirst.fm #13, 2024-08-13

这两句话——一句关于"谁该做软件"，一句关于"谁可以为谁做软件"——是同一个论点的两面：地理上、文化上嵌入到一个具体社区，是真正解决那个社区问题的必要条件。 这个论点直接驱动了她随后的 Barefoot Developers 论文。

第六章：Ink & Switch / Normally — Barefoot Developers 论文与本地优先（2024-07 至 2025-09）

离开 Elicit 后，她在 2024 夏天休息了一段时间，然后加入 Ink & Switch 做 researcher in residence 6 个月。Ink & Switch 是一个独立研究实验室（Geoffrey Litt 也在这里），主攻 local-first software、malleable software 等方向。

在这段时间她写了她影响最深远的一篇文章："Home-Cooked Software and Barefoot Developers"（2024 年），同时在 Local-First Conf 做了同名讲座。

"most of these people don't give a shit about programming and don't want to learn it."

"这些人里绝大多数不在乎编程，也不想学。"

Home-Cooked Software and Barefoot Developers, ~2024

"Building features that solve every single long tail need requires a lot of engineering labor and engineers are very expensive."

"想要构建解决每一个长尾需求的功能，需要大量的工程劳动力，而工程师非常贵。"

Home-Cooked Software and Barefoot Developers

"The Venn diagram of people with the skills to make home-cooked software and professional developers is essentially a concentric circle."

"有能力做家常软件（home-cooked software）的人和专业开发者，这两个集合在维恩图上基本是同心圆。"

Home-Cooked Software and Barefoot Developers

中国 1960s 的赤脚医生运动是这个类比的来源。当时 80% 的人口在农村，但医疗资源在城市；解决办法是从农村选人做基础医学培训，再让他们回到自己村子做医生——还是赤脚的农民，但有了医学能力。Maggie 把这个迁移到软件：LLM 让"从社区里训练出会做软件的人"变成可能，让他们回到自己的社区做工具。

这个论点的关键变量是：

"I am a mediocre developer without language models, but with them, I am almost a full developer. The amount of work they allow me to accomplish that I could not do on my own is astonishing."

"没有语言模型时我是一个平庸的开发者，但有了它们，我几乎是一个完整的开发者。它们让我能完成的工作量——是我自己一个人完不成的——非常惊人。"

localfirst.fm #13, 2024-08-13

她对自己作为"mediocre developer"的诚实——同时对 LLM 作为 multiplier 的清醒——是她"barefoot developer 是可行的"这个判断的根基。她不是在做美好愿景，她是在做自我观察。

与 local-first 的结合

她在 localfirst.fm 这一集里把 barefoot developers 和 local-first 的结合讲得很清楚：

"Language models perform best when they have access to specific, relevant data. If that data is already on your machine, you don't need to send it to a cloud provider like OpenAI or Anthropic, which is expensive and raises significant privacy concerns. Running models locally allows for immediate, low-latency performance without the three-minute wait times often associated with complex cloud API calls."

"语言模型在拥有具体、相关数据时表现最好。如果数据已经在你的机器上，你就不需要把它发送给 OpenAI 或 Anthropic 这样的云服务商——那既昂贵又有严重隐私问题。在本地运行模型可以获得即时、低延迟的性能，不必经历复杂云 API 调用常见的三分钟等待。"

localfirst.fm #13, 2024-08-13

"It's about building things that don't need to scale to 'Mark Zuckerberg levels."

"它的核心是：构建那些不需要扩展到'扎克伯格规模'的东西。"

localfirst.fm #13, 2024-08-13

这个组合论点的关键技术诊断是：LLM + local-first 缺失的是 full-stack glue。她明确指出：

"We are missing standardized, easy-to-use frameworks that handle user authentication, database synchronization, and deployment for non-experts. I am looking for projects like Jazz or DXOS to mature into a full-stack, local-first framework that an LLM can be trained on. Once an LLM can act as a product manager — handling technical decisions like data modeling and backend architecture while the user simply provides requirements — we will have reached the necessary inflection point for widespread end-user programming."

"我们缺少标准化的、对非专家友好的全栈框架——处理用户认证、数据库同步、部署。我在等待 Jazz 或 DXOS 这类项目成熟为可被 LLM 训练的全栈 local-first 框架。一旦 LLM 能扮演 PM 角色——处理数据建模、后端架构这类技术决策，让用户只需要提供需求——我们就达到了大众化 end-user programming 的必要 inflection point。"

localfirst.fm #13, 2024-08-13

这是一个非常具体的、可验证的技术预测。她没有说"AI 会让所有人都能写代码"那种 LinkedIn 体的浮夸预言，她说的是"在 Jazz/DXOS 成熟为 LLM 可训练的全栈 local-first 框架之前，barefoot developer 时代不会到来"。

第七章：GitHub Next — Agent 时代的对齐危机（2025-10 至今）

2025 年 10 月，她加入 GitHub Next 做 Staff Research Engineer。GitHub Next 是 GitHub 内部的研究单元，负责探索"软件工程的未来"——历史上做出过 GitHub Copilot 的早期原型。

她在 GitHub Next 的工作集中在一个项目：Ace，2026 年 4 月通过讲座 "One Developer, Two Dozen Agents, Zero Alignment" 公开亮相。

"The hard question is no longer how to build it. It's should we build it. Agreeing on what to build is the new bottleneck."

"更难的问题已经不是怎么建。是该不该建。就'要建什么'达成一致才是新瓶颈。"

One Developer, Two Dozen Agents, Zero Alignment, 2026-04

"believing individual productivity leads to great software… is 'nine women make a baby in one month' logic."

"相信个体生产力带来好软件……是'九个女人一个月生一个孩子'的逻辑。"

One Developer, Two Dozen Agents, Zero Alignment, 2026-04

她对当前协作工具（GitHub PR / Slack / Jira）的诊断：这些都是为"较慢的开发周期"设计的异步工具。当 agent 让 implementation 飞快后，asynchronous review 完全跟不上节奏。Planning 和 implementation 现在崩塌成一件事，但工具还在分开假设它们。 她的解决方案是回到实时协作——多人在同一个云端 VM 里讨论 + 编辑 + 提示 agent。

她最后一句关于"我们应该建什么"的判断带有道德意味：

"teams can think rigorously together about hard problems" and build "a few exceptional things, rather than a thousand crappy ones."

"团队能就难题一起严谨思考"，然后建造"少数卓越的东西，而不是一千个垃圾。"

One Developer, Two Dozen Agents, Zero Alignment, 2026-04

这句话和她从 Elicit 时代就坚持的"反 chatbot"立场是同一个核心信念的延伸——降低门槛不是终极目标，提高质量才是。

二、深度洞察

关于 Affordance —— 她对这个概念的特殊化使用

Maggie 不像 Donald Norman 那样把 affordance 抽象化定义。她把它直接拿到具体的设计判断里去做工作。最具代表性的一句来自 Swyx Mixtape：

"[00:09:12] We have very poor affordances in our current web interfaces for forgiveness and having gracious space for people to fail in public."

"[00:09:12] 我们当前的 web 界面在'宽容'和'让人在公共空间体面地失败'方面，affordance 非常贫瘠。"

Swyx Mixtape, 2021-02-14

注意这句话里 affordance 的特殊用法：affordance 不只是"让人能做某动作"的物质提示，而是"让某种社会行为变得安全"的环境结构。 这把 affordance 从 Gibson-Norman 的认知层面拉到了 Erving Goffman 的社会层面——这是她人类学训练的产物。

她的几个具体应用：

1. 数字花园的 affordance 设计。 在自己的 garden 网站上，她为每篇文章标注 growth stage（seedling / budding / evergreen）。这不是元数据装饰，是 affordance：

"I assign a 'growth stage' to every piece — ranging from 'seedling' (fleeting, unpolished ideas) to 'evergreen' (researched, polished, and stable). This top-down structure helps readers understand how seriously to take a piece of content."

"我给每篇都标注'生长阶段'——从 seedling（短暂的、未打磨的想法）到 evergreen（研究过的、打磨过的、稳定的）。这个自上而下的结构帮读者判断要多认真对待一篇内容。"

The Informed Life, 2023-07-16

"By framing your writing as a 'work in progress' or a 'bad draft,' you lower the stakes for yourself and manage reader expectations. You are essentially creating a contract with your audience that these are thoughts you are currently testing, which allows for forgiveness and provides space to fail or change your mind in public."

"通过把你的写作框架为'进行中'或'糟糕草稿'，你为自己降低赌注，并管理读者的期望。你本质上是和读者签订了一份契约——这些是我现在正在测试的想法。这允许宽容，并提供在公共场合失败或改变想法的空间。"

Swyx Mixtape, 2021-02-14

2. Chatbot 是 affordance 灾难。 在 Squish Meets Structure 里：

"She criticizes interfaces that 'offload cognitive labour to the user' by providing no affordances or guidance about capabilities. Good design establishes what tasks the system actually performs."

"她批评那些'把认知劳动转嫁给用户'的界面——它们不提供关于系统能力的 affordance 或指引。好的设计明确告诉用户系统实际能做什么。"

Squish Meets Structure（essay）

空白文本框号称"什么都能问"，但其实只有少数 prompt 能产出好结果——这是经典的 false affordance（虚假可供性）：暗示了不存在的能力。她的对策是 "spell-check sized" 设计：

"Most language model implementations should be 'spell-check sized' — doing one specific task excellently rather than promising everything."

"大多数 LM 实现应该是'拼写检查那么大'——只做一件具体的事，做得极好，而不是承诺一切。"

Squish Meets Structure

3. Folk Interfaces — affordance 作为可重组的材料。 在这篇文章里她给出了最接近经典 affordance 定义的一句：

"Folk interfaces are when users reappropriate existing software to solve their own problems... seeing interfaces sideways — recognizing applications as 'collections of functions and affordances to repurpose' rather than following designer-intended paths."

"Folk interface 是用户重新挪用现有软件来解决自己问题的现象……'横着看'界面——把应用识别为'可被挪用的功能和 affordance 的集合'，而不是按设计师意图的路径走。"

Folk Interfaces

这里的 affordance 是生态心理学意义上的：环境提供的行动可能性，独立于设计意图。当用户把 Excel 当作 audio workstation 用、把浏览器当作 media interface 用时，他们在用 affordance 的视角解构软件。

4. Embodied cognition 是 affordance 设计的底座。 这一点她在 Metamuse 上讲得最清楚：

"Humans naturally map abstract reasoning onto our physical experience of the world, such as our understanding of 'up' and 'down,' or 'front' and 'back.' When I illustrate programming concepts, I tap into these embodied metaphors — like showing a higher-order component 'on top' of a lower-order one. Because everyone has a body, we get these spatial relationships for free."

"人类天然把抽象推理映射到我们对世界的物理经验上，比如'上'和'下'、'前'和'后'。当我图解编程概念时，我利用这些具身隐喻——比如把高阶组件画在低阶组件'之上'。因为每个人都有身体，我们免费就有这些空间关系。"

Metamuse #37, 2021-08-19

affordance 不需要从零教学，它根植于人体经验。 这是为什么"in front of"、"behind the scenes"、"deep in the stack"这些隐喻在编程领域到处出现——它们不是装饰，是 affordance 设计。

关于 Chatbot 与 LLM 交互设计

她对 chatbot 的反对是她最系统化的论点。核心命题来自 "Language Model Sketchbook, or Why I Hate Chatbots"：

"Chatbots are 'flexible, familiar, and easy to implement,' they represent 'the lazy solution' and fail to explore deeper possibilities for human-AI interaction."

"Chatbots 是'灵活、熟悉、易实现'的，它们代表'懒惰的解决方案'，未能探索人机交互的更深可能性。"

Language Model Sketchbook

她提出三个原型替代 chatbot：

• Daemons（守护精灵）：后台运行的多个 LLM"角色"——devil's advocate、synthesizer、evidence-fetcher、elaborator——在你写作时无侵扰地提供建议，你可以接受或忽略。
• Branches（分支）：探索因果链。你可以问"是什么导致了这个？"和"接下来会发生什么？"——支持研究和推理。
• Epi（缩写 Episteme）：通用研究助手，通过熟悉的右键上下文菜单（rephrase / critique / find evidence / check assumptions）嵌入到写作流中。

这三个原型共同的设计原则是 scoped over conversational。不是"打开一个对话窗口走出当前任务"，而是"把 LLM 能力嵌入到现有工作环境"。

她对 chatbot 的"为什么不好"有几层批判：

层 1：UX 层面——chatbot 是 false affordance。空白文本框承诺"什么都能做"，但实际产出质量极度依赖 prompt 质量，而绝大多数用户不会写好 prompt。结果是 sub-par 输出 + 用户挫败感。

层 2：认知层面——chatbot 让用户卸载思考。她在 AI Enlightenment 一文中：

"Research shows frequent AI use correlates with reduced critical thinking."

"研究显示频繁使用 AI 与批判性思考*下降*相关。"

A Treatise on AI Chatbots Undermining the Enlightenment

层 3：政治层面——chatbot 内置 sycophancy（阿谀）。

"ChatGPT has often responded, with patently insincere flattery: 'That's a great question.' It has never responded: 'That's the wrong question."

"ChatGPT 经常以明显虚伪的奉承回答：'这是个好问题。' 它从来没有回答过：'这是个错误的问题。"

A Treatise on AI Chatbots Undermining the Enlightenment

她追根究底地把这个归咎于 RLHF——人类反馈训练时，人们偏好奉承的回答，所以模型学会奉承。她引启蒙时代的反传统：

"One should never so exhaust a subject that nothing is left for readers to do." — Montesquieu"

"永远不要把一个主题讲尽，要给读者留点事情做。" — 孟德斯鸠"

"The most useful books are those that the readers write half of themselves." — Voltaire"

"最有用的书是那些读者自己写完一半的书。" — 伏尔泰"

她对应的方案：

"use AI as a tutor that adapts to a student's individual learning pace, rather than just a tool to generate essays... teach students to use it as a critical partner that identifies gaps in their arguments or checks for supporting evidence."

"把 AI 当作能适应学生个体学习节奏的导师，而不只是生成论文的工具……教学生把它当作识别论点漏洞、检查支持证据的批评伙伴。"

Hanselminutes, 2024-12-27

注意"identifies gaps in their arguments"这个表达——她把好的 AI 交互定义为对抗性而非顺从性。这是她最区别于主流 AI 产品哲学的地方。

关于 Embodied Cognition 与 AI 的局限

她对 LLM 是否能"真正推理"的怀疑不来自抽象哲学，来自 embodied cognition 这一条具体认知科学路径。

"My skepticism stems from my background in embodied cognition and cognitive science. Human intelligence is deeply tied to our bodies and our interactions with physical space, time, color, and texture — none of which are inputs for current language models. Because these models lack physical grounding and rely on statistical prediction, they are prone to recency bias and often act as eager 'yes-men' that mirror the user's own biases rather than critically evaluating the quality of their output."

"我的怀疑来自我对具身认知和认知科学的背景。人类智能深深扎根于我们的身体和我们与物理空间、时间、颜色、质地的互动——这些都不是当前语言模型的输入。因为这些模型缺乏物理根基、依赖统计预测，它们容易有 recency bias，往往扮演热心的'yes-man'——镜像用户自己的偏见，而不是批判性评估其输出质量。"

Hanselminutes, 2024-12-27

注意她不站"stochastic parrot"这种全否定立场，也不站"AI 即将达到人类智能"这种全肯定立场。她的位置是：

"the 'stochastic parrot' framework correctly identifies the probabilistic nature of language models, it often underestimates their practical utility and the sophisticated architectural design required to make them effective for complex tasks."

"随机鹦鹉'框架正确识别了 LM 的概率本质，但它往往低估了其实际效用，以及为让它们对复杂任务有效所需的精妙架构设计。"

Hanselminutes summary, 2024-12-27

她的位置叫 "useful but not reasoning"：LLM 在很多任务上极有用，但这种有用不等于推理。这种区分对设计决策意味着：不要把 LLM 当成事实源（oracle），把它当成思考伙伴（rubber duck）。

她对 AI 这个词本身也有怀疑——她在 "Empty Pointers and Constellations of AI" 里说：

"Referring to something as 'AI' is a flag you probably don't know much about the industry."

"把某物称为 'AI' 是一个信号——你大概不太懂这个行业。"

Empty Pointers and Constellations of AI

"It's become an empty pointer. We attempt to point at possible futures and find ourselves all looking in opposite directions."

"它变成了一个空指针。我们试图指向可能的未来，却发现彼此望向相反的方向。"

Empty Pointers and Constellations of AI

她对术语的不耐烦是有人类学传承的——anthropologist 知道一个词如果意义混乱，背后一定有一套未明的权力结构和叙事博弈。"AI"这个词的混乱不是中性的，它服务于特定的叙事（让一切看起来既神秘又必然）。

关于 Dark Forest 与生成式 AI

她在 2022 年提前预测了 2024-2026 我们正在经历的事情。"The Expanding Dark Forest and Generative AI" 一文里的核心论断：

"We're about to drown in a sea of pedestrian takes. An explosion of noise that drown[s] out any signal."

"我们即将淹没在一片平庸观点的海洋里。一场噪音的爆炸，淹没任何信号。"

The Expanding Dark Forest and Generative AI

她借用了刘慈欣《三体》的"黑暗森林"隐喻——但用到了 web 上：开放网络变成 AI 内容洪水之地，人类用户像三体里的文明一样隐藏到私密空间（Discord 群、加密聊天、私下邮件、线下聚会）。

"When you encounter a flood of social media comments, LinkedIn posts, or images on platforms like Pinterest that are clearly generated by AI agents rather than humans, it creates a sense of loneliness."

"当你遇到一波明显由 AI agent 而非人类生成的社交媒体评论、LinkedIn 帖子、Pinterest 图片时，会产生一种孤独感。"

Hanselminutes, 2024-12-27

她提出的 "reverse Turing test"——人类要证明自己不是语言模型——是这个论点最尖锐的部分。她给出的五种"证明你是人"的方式：

1. 用具身经验、感官细节、本地知识把陈述锚定在客观现实
2. 展示原创的批判思维而不是回收的论证
3. 发展创造性的语言怪癖——俚语、meme、新方言（AI 跟不上）
4. 制度性验证（她自己驳回为不实际）
5. 线下见面——物理在场是最可靠的人类证明

第 5 点是她的最终判断：鉴权将越来越依赖物理邻近性和真实世界社区。 这个判断和她坚持留在伦敦、坚持小社区做软件、坚持地理嵌入式的 barefoot developer 论点完全一致——回到具身、回到地方是她对 AI 时代的整体回应。

关于 Tools for Thought 与文化批判

她对 tools for thought (TfT) 运动的态度是支持但批评。她最尖锐的批评在 "Tools for Thought as Cultural Practices, not Computational Objects" 里：

"The current 'tools for thought' movement reflects specific biases: 'distinctly computer-oriented, male, American, middle-class flavour' shaped by California tech pioneers (Bush, Engelbart, Kay, etc.)."

"当前的 tools for thought 运动反映特定偏见——'明显是计算机导向的、男性的、美国的、中产阶级风味的'，由加州科技先驱（Bush、Engelbart、Kay 等）塑造。"

Tools for Thought as Cultural Practices

"Contemporary note-taking apps represent what she mockingly calls 'computational mediums for white-collar knowledge work' — excluding artistic, embodied, and non-Western thinking practices."

"当代笔记应用代表她讽刺称为'白领知识工作的计算媒介'——排除了艺术的、具身的、非西方的思考实践。"

Tools for Thought as Cultural Practices

她的扩展定义是：

"Tools for thought include writing, drawing, maps, notation systems, epic poetry, the Socratic method, scientific methodology, and Zettelkastens — none requiring computers."

"Tools for thought 包括写作、绘画、地图、符号系统、史诗、苏格拉底方法、科学方法、卡片盒笔记——没有一个需要计算机。"

Tools for Thought as Cultural Practices

这个批判背后的方法论是 anthropology 的标准动作：当一个学科 / 运动声称自己是"中性的工具"时，anthropologist 的工作是把它的文化预设暴露出来。她对 Roam/Notion/Obsidian 这一波"second brain"工具的同情但保留——支持工具，质疑"工具就是 tools for thought 全部"的本体论。

关于 End-User Programming 与软件多样性

她对"每个人都该会编程"这一普世口号的拒绝是非常明确的：

"most of these people don't give a shit about programming and don't want to learn it."

"这些人里绝大多数不在乎编程，也不想学。"

Home-Cooked Software and Barefoot Developers

但她也不站 "professional developers only" 的对立面。她的位置是中间立场：

"We are missing standardized, easy-to-use frameworks that handle user authentication, database synchronization, and deployment for non-experts."

"我们缺少对非专家友好的标准化全栈框架——处理认证、数据库同步、部署。"

localfirst.fm #13

她相信 LLM 让"中间层"变得可能——既不需要每个人都成为程序员，也不需要让所有问题都被加州 VC 的产品解决。她在 localfirst.fm 的核心论断：

"[01:04:06] We are blinkered by what we think is possible and what we think we are allowed to do in software. We are unblinkering people by showing them that this is not the only way things have to be."

"[01:04:06] 我们被'软件里什么可能、什么被允许'的视野所限制。我们正在通过展示'事情不一定只能是这样'来摘掉人们的眼罩。"

localfirst.fm #13, 2024-08-13

这个"unblinkering"动作——揭示替代可能性——是 anthropologist 的标志动作。她对 software 的人类学读法是：每一个看起来理所当然的设计选择，背后都有特定的历史、特定的权力结构、特定的文化假设；指出它们，就是让替代物变得可想象。

关于写作与公共思考

她的 digital garden 实践包含一些非常具体的写作方法论。值得单独抽出来：

三击规则（Three-Strikes Rule）：

"[00:49:11] The three strikes rule: anytime you reference an idea three times, you have to write about it. It forces you to produce consistently when something has crossed the threshold of usefulness."

"[00:49:11] 三击规则：任何时候你引用同一个想法三次，你就得写它。这迫使你在某件事跨过有用性阈值时持续产出。"

Swyx Mixtape, 2021-02-14

写作作为三方对话：

"[00:58:09] You write notes as your past self to add to your present self and prepare for your future self. It is a three-way conversation between versions of yourself."

"[00:58:09] 你以过去的自己来写笔记，以补充现在的自己、准备未来的自己。这是你不同版本之间的三方对话。"

Swyx Mixtape, 2021-02-14

Epistemic disclosure（认知披露）： 在每篇文章开头标注"这是 work in progress"或"这是 seedling"——通过明确知识来源和信心强度，为公共失败创造 affordance。

反对"完美博客先把架构搭好再写"的诱惑：

"[00:22:00] You're talking about redoing your own site and there's so much inertia that gets killed by people, engineers especially, going, 'I'm going to start blogging. Before I do, I need to build this like industrial scale personal site. It's going to have all these features and do all these things.' And then they get halfway through that and abandon it... Or they finish it, they architect the perfect blog. And then they're like, 'here's my first post. Here's how I built this blog.' And that's the only post on the entire site forever."

"[00:22:00] 你说要重做自己的网站，无数人——尤其是工程师——的惯性都死在这件事上。'我要开始写博客。在我开始之前，我得先建一个工业级的个人网站，要有这些功能、做这些事。' 然后他们做了一半就放弃了……或者完成了，把完美博客架好。然后：'第一篇——这就是我怎么搭出这个博客的。' 然后整个站永远只有这一篇。"

devtools.fm, 2024-04-29

"[00:24:42] Don't put too much in front of your writing, just write."

"[00:24:42] 别在你的写作前堆太多东西，直接写。"

devtools.fm, 2024-04-29

这个对"工程师博客陷阱"的诊断不只是好笑，它是她对 affordance 设计的延伸——糟糕的写作工具有过多的发布前阻塞 affordance（自定义、技术债、完美主义），缺少'快速发布粗糙稿'的 affordance。

三、数据来源

网络研究（15 篇）

1. About Maggie Appleton — 2026-05-11 — 官方自我介绍，提供生平基础事实和职业时间线。
2. Squish Meets Structure — 2026-05-11 — 核心思想：LLM 的有机模糊性 vs 软件结构化。
3. Language Model Sketchbook, or Why I Hate Chatbots — 2026-05-11 — 反 chatbot 论点 + Daemons/Branches/Epi 三个原型。
4. The Expanding Dark Forest and Generative AI — 2026-05-11 — 预测 AI 内容洪水如何把人类驱离开放网络。
5. Folk Interfaces — 2026-05-11 — 把界面看作"affordance 集合"。
6. Tools for Thought as Cultural Practices — 2026-05-11 — 用人类学批判 TfT 圈。
7. A Treatise on AI Chatbots Undermining the Enlightenment — 2026-05-11 — 反 sycophancy + 引用 Montesquieu/Voltaire。
8. Home-Cooked Software and Barefoot Developers — 2026-05-11 — 1960s 中国赤脚医生类比 + LLM + local-first 的组合论点。
9. A Brief History & Ethos of the Digital Garden — 2026-05-11 — Digital garden 概念奠基。
10. Joining Ought — 2026-05-11 — 2022 年加入 Elicit 的自述。
11. Leaving Elicit — 2026-05-11 — 2024 年离开 Elicit 的反思。
12. One Developer, Two Dozen Agents, Zero Alignment — 2026-05-11 — 2026-04 最新讲座，Ace 项目介绍。
13. Empty Pointers and Constellations of AI — 2026-05-11 — "AI" 一词的批判。
14. A Brief Introduction to Digital Anthropology — 2026-05-11 — 学科背景定义。
15. Sketchnote Army Interview (S15/E01) — 2026-05-11 — 最详细的传记来源。

播客访谈（6 期）

处理中但未纳入本版（3 期，预计在下一次 refresh 加入）

已扫描但被过滤的内容

无。Podwise 搜索返回的 10 集中：

• 9 集去重后为 9 个独立访谈（Dive Club #57 与 Deep Dives S6E7 是同一集，已合并为 4307742）
• 全部为 1 对 1 长访谈或独人讲座
• 没有 panel / TV news / earnings call
• 全部都符合质量门槛

待补充（下一次 refresh）

1. 等待 3 期播客（MIT Media Lab、Dive Club、ShopTalk）完成处理后增补
2. Smashing Conf "Meets AI" 演讲（2023-06-20）— 未在 Podwise 索引中，可能需要从视频源获取
3. BBC Digital Human 的访谈（在她 AI 主题列表中提到，但未在 Podwise 搜索结果出现）
4. "Clerestory" podcast 两期（她在 AI 主题列表中提及）
5. 她在 Future of Coding (London) 的主持工作 — 这是一个重要的社群信号，但目前缺少深度报道
6. 与 Ink & Switch 团队（Geoffrey Litt、James Lindenbaum 等）的协作细节