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

Composition 架构与评估纪律 —— 反 chatbot 的工程底座（ShopTalk / Dive Club 补充）

"反 chatbot"不只是 UI 立场，背后有一套具体的工程架构。她在 ShopTalk（2023-09，Elicit 时期最早的长访谈之一）把 Elicit 的反幻觉方案讲成了一个系统设计问题而非模型问题：

"We don't rely on a single generative call; instead, we use a process called composition, where we perform many small language model calls alongside traditional programming... we might ask the model to find the most relevant paragraphs in a paper, rank them, and return the exact quote to the user. By linking every answer to a specific source in the document and designing interfaces that encourage human vetting, we make it easy for users to double-check the model's work."

"我们不依赖单次生成调用；我们用一个叫 composition 的流程——许多次小的语言模型调用与传统编程并行……比如让模型找出论文里最相关的段落、排序、把逐字原文引用返回给用户。通过把每个答案链接到文档中的具体出处、并把界面设计成鼓励人来把关，我们让用户很容易复核模型的工作。"

ShopTalk #583, 2023-09-18

配套的是评估纪律——这个数字在她所有访谈里只在这里出现过：评估占了团队约 50% 的工作量，有专门团队人工审阅和给模型输出打分（好/坏/准确），反馈回流到微调与架构调整。她对幻觉的定性也在这一集说得最干脆：幻觉是 LM 的固有特征而非可消除的 bug，能做的是让系统承认无知、或直接链接到可验证的原始数据。

同一时期她还留下了 "rubber duck vs oracle" 立场的最早 on-record 版本（早于档案前文引用的 Hanselminutes 2024-12 一年多）：

"[00:16:37] The way the vast majority of us should be relating to language models right now is as rubber ducks, not as sources of truth."

"[00:16:37] 我们绝大多数人现在与语言模型相处的正确方式，是把它当橡皮鸭，而不是当事实来源。"

ShopTalk #583, 2023-09-18

Dive Club Ep. 57（2024-06，离开 Elicit 当月发布的 solo 深访）补上了这套实践的设计师工作方法层：

"[00:36:04] Even if the thing you are designing is pixels in Figma, what you are actually designing is a live interactive system."

"[00:36:04] 即便你在设计的东西是 Figma 里的像素，你实际在设计的是一个实时交互系统。"

Dive Club Ep. 57, 2024-06-13

她明说 LLM 产品在 Figma 里造不了假——"you need to be in a live environment with working data to understand the limitations and affordances of the system you are actually building"（你必须在有真实数据的 live 环境里，才能理解你实际在构建的系统的局限与 affordance）。这是她坚持写前端代码的原因：不是全栈情结，是 LLM 这种材料只有在运行时才暴露性质。

这一集还留下两个未见于其他来源的方法论要点：

• "game tape" 学习法：学 LLM 栈这类新技能时，Google 到的高层文章"usually useless because they are too vague"（通常没用，太空泛）；她找的是"游戏录像"——把整条 ML 链拆开的 GitHub repo 和 Colab notebook、坐在工程师旁边看他们 40 个屏幕的真实工作流。密集的具体细节是唯一有效的学习材料。
• 设计需求被拉向两极的预测（2024 年中，站在 Elicit 内部往前看）："middle" 工作——标准侧边栏、常规 UI 组件——几年内会被自动化；价值向两端集中：一端是深度用户研究 + 信息架构，另一端是高度探索性的新交互模式。软件总量会爆炸、平均质量可能下降，但能做"不可自动化的概念性思考"的训练有素设计师，价值反而更高。这与她后来的 barefoot developers 论点（软件多样性爆炸）和 ACE 论点（vibe-coded slop）形成一条连续的推理线。

她也在这一集给出了"synthesis > generation"的最明确表述——"everyone is currently obsessed with generating content, but the real value lies in building tools focused on critical reasoning and systematic processes"（所有人都痴迷于生成内容，但真正的价值在于构建面向批判性推理和系统性流程的工具）——这是 Elicit 产品选型（文献综述而非内容生成）的哲学根基，也是她 Dark Forest 论点的建设性一面。

"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"。

Glass box、生成式图表与批判性思维原型（Code && Content 访谈，2025-03）

2025 年 3 月——Ink & Switch 驻留结束之后、加入 GitHub Next 之前——她在 Sanity 的 Code && Content 播客做了一期约 20 分钟的 1:1 访谈。篇幅短，但有三个档案其他来源都没有的角度。

其一，black box 是一个开发者教育问题。 她的反 black-box 立场在 Elicit 语境里是"研究者凭什么信任答案"，在这里第一次落到一个具体的受害人群——用 Cursor 直接生成整个 feature 的 junior developer：

"Take me through a slow step-by-step reasoning process with a model, show me every decision it's making along the way." "I find the black box approach so troublesome because you end up in situations where like junior developers... prompt Cursor to build the whole thing for them, they have no idea what's in the files. They don't know how anything's chained together. There should be a step in there where Cursor teaches them what it's done, not just doing the thing."

"带我走一遍与模型一起的、慢速的逐步推理过程，让我看到它沿途做的每一个决定。""我觉得 black box 的路数非常成问题，因为你会陷入这样的局面……junior developer 直接让 Cursor 把整个东西建完，他们不知道文件里是什么，不知道任何东西是怎么链在一起的。中间应该有一步，是 Cursor 教他们它做了什么，而不是只把事做完。"

Code && Content (Sanity), 2025-03-15 [00:08:23][00:08:34][00:08:47]

访谈结尾她把这个立场明确为当时的研究议程：

"I'm trying to build prototypes that encourage us to like teach us how to do better critical thinking with language models... how do I get it to not just give me an answer, but teach me how to be a more rigorous thinker and enable me to go through a process that does that."

"我在试着构建一些原型，促使我们……教我们如何用语言模型做更好的批判性思考……我怎么让它不只是给我一个答案，而是教我成为一个更严谨的思考者、让我走完一个能做到这点的过程。"

Code && Content (Sanity), 2025-03-15 [00:19:35][00:19:45]

[推断] 这是一条有用的时间线证据："批判性思维 prototypes"的动手议程比《A Treatise on AI Chatbots Undermining the Enlightenment》（2025 年中）早了几个月——那篇 essay 不是凭空的文化批评，而是她当时正在做的原型工作的理论化。它也让 observable reasoning 这条线呈现出完整的三段迁移：Elicit 时期解决"研究者对答案的信任"（composition 架构 + 逐字出处），这里解决"学习者对过程的理解"（教学界面），GitHub Next 时期解决"团队对意图的对齐"（ACE）。同一个设计信念，三个语境。

其二，生成式图表：pixel-based 生成器在架构上就做不出 instructional images。 作为 illustrator，她对"AI 画图"给出的不是审美判断，而是架构判断：

"The way they generate images is never going to be able to be used to generate diagrams or useful instructional images just because of the process. It's too just like copy based off the pixels you've seen, make more pixels like this."

"它们生成图像的方式永远没法用来生成 diagram 或有用的说明性图像——问题就出在过程本身。它太像'照着你见过的像素，再造一些类似的像素'。"

Code && Content (Sanity), 2025-03-15 [00:14:53][00:15:04]

"What the kind of architecture you would need is much more structured. It would be like, okay, take in the concept, like break down the component parts, do a bunch of text-based thinking first, you know, brainstorm metaphors, you know, think about composition and structure, and then maybe generate like an SVG based on that content. But I think it would need quite a tight reasoning chain that I haven't seen anyone attempt to do yet."

"你真正需要的那种架构要结构化得多。大概是：接住概念，拆出组成部分，先做一堆基于文本的思考——brainstorm 隐喻、考虑构图与结构——然后也许基于这些内容生成一个 SVG。但我认为这需要一条相当紧的 reasoning chain，我还没见过任何人尝试。"

Code && Content (Sanity), 2025-03-15 [00:15:16][00:15:34]

她点名 Eraser（输入代码库的文本描述、生成架构图）是"最接近的尝试"，但判断整个方向"还要很多年"。[推断] 这段话实际上是把她自己画技术插画的工序——先想概念、拆解、找隐喻、定构图、最后落笔——转写成了一条 AI pipeline 规格；是她 Egghead/Metamuse 时期"视觉解释是系统化劳动、不是天赋魔法"论点在生成式 AI 语境下的直接延伸。

其三，LLM 创意工作流：不要产品，要 lateral thinking。 她的具体方法：不要直接要标题/名字（结果会"awful"），而是长文描述主题、要隐喻，对 cliché 结果连续转向：

"I use it to brainstorm metaphors... when it gives me the list of the cliche ones, I go, okay, I didn't really mean like that. Let's go more in this direction. And if you do it at least 10 or 12 times, I feel like then I can maybe get to more interesting stuff. But using it more to help with like lateral thinking and like a thesaurus in a certain way too... it's never going to be like genuinely creative or original... off the bat."

"我用它来 brainstorm 隐喻……当它给我一列 cliché 的时候，我说：好，我不是这个意思，往这个方向再走。如果你这样至少迭代 10 到 12 次，我觉得也许就能到达更有意思的东西。更多是用它帮忙做 lateral thinking，某种意义上也当 thesaurus 用……它永远不会是真正有创造力或原创的——起手就给不出来。"

Code && Content (Sanity), 2025-03-15 [00:13:02]–[00:13:33]

顺带一条 2025 年初的行业判断，与她一年后 ACE 时期的"long on humans"立场完全连续（当时的 context：Devin 刚以"全自动程序员"叙事出场，她实测认为失败率极高）：

"We're very far away from like genuinely automating anyone's job, even if they are the most junior developer in the world... You still need someone to translate human needs and communicate with the designers and communicate with the PMs. There will never not be a human developer who needs to manage this process."

"我们离真正自动化掉任何人的工作都还很远——哪怕那是全世界最 junior 的开发者……你仍然需要有人把人类需求翻译出来、和设计师沟通、和 PM 沟通。永远不会没有一个需要管理这个过程的人类开发者。"

Code && Content (Sanity), 2025-03-15 [00:16:51][00:17:16][00:17:21]

（这一期与既有档案重叠、未重复折入的部分：text-is-the-universal-interface 批判、rubber duck vs oracle、embodiment 与身体性职业、"prompt engineering 是界面失败的症状"、persona prompting 技巧。）

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。

个人语境（据她 2026-01 的 now 页自述）：这次转型发生在她人生资源最紧张的时刻——儿子 2025 年 3 月出生，写下这页时她正处在婴儿出牙、自身慢性病与长期睡眠剥夺的叠加状态中。她对这个阶段的自我描述带着她一贯的诚实：

"on paper my life sounds terrible, but in lived reality I'm happier than ever been."

"纸面上我的生活听起来很糟，但在实际的体验里，我比以往任何时候都快乐。"

maggieappleton.com/now, 2026-01

"Agents. AI agents are all I can see, read, build, and think about these days."

"Agents。AI agent 是我这些天所能看到、阅读、构建和思考的一切。"

maggieappleton.com/now, 2026-01

"The pace of change in agent world makes JavaScript fatigue look quaint."

"agent 世界的变化速度，让 JavaScript fatigue 显得古雅。"

maggieappleton.com/now, 2026-01

值得注意的是她罕见地公开承认信心受损——"I've lost a little of my confidence as a researcher and contributor to The Discourse"（我作为研究者和 The Discourse 参与者的信心丢了一些）——并把应对策略定为转向"可及的、高影响"的工作，动力来源是她所说的 capabilities overhang（能力悬垂：模型已有能力与其实际应用之间的落差）。[推断] 这个"低谷自述 → 三个月后在 AI Engineer 2026 讲台上端出 ACE"的时间线，说明 ACE 对她不只是研究项目，也是信心重建的载体；她选择的重建路径仍是她的标志动作——公开写作与公开演示，而不是私下憋大招。

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。

ACE（Agent Collaboration Environment）— 讲台上的具体产品形态（AI Engineer 2026 talk）

前面几段基于的是她在 maggieappleton.com 上的同名讲座文字稿。2026 年 4 月 26 日她在 AI Engineer 大会上把这个论点讲成了一个带 live demo 的完整 talk（"Collaborative AI Engineering: One Dev, Two Dozen Agents, Zero Alignment"），并第一次公开演示了 GitHub Next 的原型——注意名字在讲台版本里被展开为 ACE = Agent Collaboration Environment（档案前文沿用她文章里的简写 "Ace"，是同一个东西）。这一节把讲座里超出文章的、更具体的产品与架构细节折进来。

她把这一代软件工程的约束条件做了一个干净的重新命名：从 implementation-constrained 变成 alignment-constrained。当 implementation 近乎免费，成本结构里剩下的就只有机会成本——

"When production is nearly free, the real cost of software development becomes opportunity cost—the realization that you cannot build everything, and every feature you choose to build comes at the expense of another."

"当生产几乎免费时，软件开发的真实成本就变成了机会成本——你意识到你不可能什么都建，你选择建的每一个 feature 都是以放弃另一个为代价的。"

AI Engineer, 2026-04-26（QA 综述）

她给这类"对齐缺失"造了两个很有辨识度的词。一个是 coordination debt（协调债）——merge conflict、重复劳动、没人要的 feature，是"只扩个人产出、不扩团队协调"的必然利息；另一个是她对当前 agentic 输出质量的判断：

"Without rigorous alignment, teams risk shipping a high volume of 'vibe-coded slop' rather than high-quality, impactful software."

"缺少严格对齐时，团队冒的风险是大量出货'凭感觉糊出来的稀烂东西（vibe-coded slop）'，而不是高质量、有影响力的软件。"

AI Engineer, 2026-04-26（QA 综述）

她对现有工具（Slack / Jira / GitHub PR）的诊断，在讲座里比文章更锋利的一点是时间尺度的坍塌：从 log 一个 issue 到 agent 开出 PR 现在只要几分钟，而这些工具的设计前提是 planning / building / reviewing 是三个"缓慢、分离"的阶段。结果是所有对齐都被逼到流程末端的 PR 阶段——

"These tools do not provide a shared space for teams to discuss plans, gather context, or work with agents collectively, which forces all alignment to happen at the end of the process—at the pull request stage—when it is often too late to course-correct."

"这些工具没有给团队一个共享空间去讨论计划、收集 context、或集体地和 agent 协作，于是所有对齐都被逼到流程末端——PR 阶段——而那时候往往已经太晚、来不及纠偏了。"

AI Engineer, 2026-04-26（QA 综述）

ACE 的具体形态（这是文章里没有、只在讲台 demo 里出现的部分）：一个 always-on 的云端多人工作空间，底层是一台 micro VM（轻量隔离虚拟机），把 chat、terminal、agent 交互合进同一个界面。设计者/PM/开发者可以跳进同一个 session，看同一个 preview，共享同一份 prompting history。她强调 micro VM 架构解决的是两个具体痛点：一是消灭 "it works on my machine"（云端是单一事实源，队友无需 stash 本地改动或 pull 新分支就能进彼此的 session）；二是持久性——你合上笔记本后 agent 仍在云端继续跑，团队的势头不断。她的 live demo 是把 Hacker News 改成一个 "calm feed" 版本，用 Bun 装依赖跑 dev server、用 Opus 4.6 当执行 agent。[推断] 选一个人人都熟的 Hacker News 作 demo 靶子，是为了让"对齐"而非"能不能写出来"成为观众注意力的焦点——这与她一贯"降低实现门槛不是重点"的立场一致。

讲座里最有新意的一个概念是 social information fabric（团队的社会信息织体）——通常锁在人脑子里的那些 context：产品愿景、组织历史、甚至办公室政治。她提出让 agent 去承接这一层：

"Agents can act as a bridge for the human context that is usually locked away in people's heads—such as product vision, organizational history, and political dynamics... They can summarize what teammates have been working on, notify you about decisions that affect your specific features, or pull you into conversations where your expertise is needed."

"agent 可以充当一座桥，去接住那些通常锁在人脑袋里的人类 context——比如产品愿景、组织历史、政治动态……它们可以总结队友一直在做什么、就影响到你那块 feature 的决策通知你、或者在需要你专业判断的对话里把你拉进来。"

AI Engineer, 2026-04-26（QA 综述）

这一步把 agent 从"沉默的代码生成器"变成"帮团队保持定向和对齐的协作者"。[推断] 这是她 Elicit 时代"observable reasoning / 让系统的推理可见"那条线，从单人与模型的界面，迁移到了团队与模型的界面——对齐的可见性，而不只是推理的可见性。

她也点出了这套东西不做会踩的坑——"prompting your way to the wrong thing"（一路 prompt 到一个错的东西上）：当每个人的 agent 都有一个对团队隐藏的 "local plan mode"，很容易在没人校验"为什么要建"的情况下，快速堆出一大堆脱离产品愿景的 feature，还误以为自己很高产。这是她"反 chatbot false affordance"论点在团队尺度上的翻版——易于生成会制造一种虚假的生产力感。

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。

MIT Media Lab 讲座版本（2025-01）的增量框架。 她在 MIT Media Lab "Thinking With Sand" 系列讲座上把这篇 essay 讲成了一套可操作的评估工具，其中几个框架是 essay 里没有的：

1. Competitive vs complementary artifacts（竞争性 vs 互补性认知工具）+ 拿走测试。 这是她给"什么才是好的 tool for thought"的判据：

"[00:29:20] Competitive artifacts do the cognitive work for you and diminish your skills. Complementary artifacts teach you new cognitive skills while you are using the tool."

"[00:29:20] 竞争性工具替你完成认知工作、削弱你的技能。互补性工具在你使用它的过程中教会你新的认知技能。"

MIT Media Lab lecture, 2025-01-24

"[00:45:07] If I took this tool away, would I be more capable without it than I was before? The best tools teach you things in the process of using them."

"[00:45:07] 如果把这个工具拿走，我会比之前更有能力吗？最好的工具在你使用它的过程中教会你东西。"

MIT Media Lab lecture, 2025-01-24

她的例子是计算器 vs 算盘：计算器隐藏算法，你学不到底层数学；算盘展示自己的运作方式，工具拿走后推理能力留在你身上。[推断] 这个判据发表于 2025 年 1 月——ChatGPT 使用与批判性思维下降的研究正在积累的时期——它实际上是她"AI Enlightenment"论点（chatbot 让人卸载思考）的正面版本：不是"别用工具"，而是"用互补性的工具"。放在 2026 年的 agent 语境下，这个"拿走测试"对 coding agent 尤其锋利。

2. Systems（文化实践）vs technological objects（技术物）。 技术物是我们造出来的软硬件容器；systems 是"humans teach each other through culture"（人通过文化互相传授）的过程。她提醒要区分"容器"与"用户实际在容器里执行的文化实践"——这是 essay 标题论点的更精确表述。

3. Malleability——文化实践比软件快。 这是连接她 TfT 批判与 end-user programming 论点的桥：

"Cultural practices are inherently malleable; they evolve quickly as people adapt them to their needs. Software, by contrast, is often static — you get what the developer built for you, and the update loop is slow. If we had better end-user programming, software could be as flexible and adaptable as a cultural practice like rhetoric."

"文化实践天然是可塑的；人们按需调整，它演化得很快。软件则往往是静态的——开发者给你什么你就用什么，更新循环很慢。如果我们有更好的 end-user programming，软件就能像修辞术这样的文化实践一样灵活可塑。"

MIT Media Lab lecture, 2025-01-24

4. "Inspect the node modules of your life"。 关于用户自主权与复杂度抽象的平衡，她给出了一个比 barefoot developers 更日常的表述：默认把复杂度抽象掉，但保留"往下钻一层"的权利——

"You shouldn't have to be a programmer all the time, but you should have the right to inspect the 'node modules' of your life when you need to fix or customize your process."

"你不必一直是个程序员，但当你需要修理或定制自己的流程时，你应该有权检查你生活里的 'node modules'。"

MIT Media Lab lecture, 2025-01-24

她也在这一讲里直面了自己 embodied cognition 立场的现实困境："our computers aren't 'out here' in the room with us; they are trapped behind a display"（我们的电脑不在房间里和我们一起，它们被困在屏幕后面）——在软件里工作的收益太高，以至于很难为"走出软件"辩护，但一进软件就丢掉了质地、光线、身体运动这些真实世界输入。她没有假装这个矛盾已解决——这是她区别于 TfT 圈乐观主义者的又一处。

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。

公开写作的职业飞轮（Dive Club 补充）： 她在 Dive Club 上把公开写作对设计师职业的作用讲得比任何地方都直白——写作首先是设计能力本身（"Naming a problem and explaining it well to stakeholders is perhaps the most important skill in design" / 给问题命名并向利益相关者讲清楚，也许是设计里最重要的技能），其次才是声誉机制：

"[00:50:16] When you write clearly online, people assume you are far more competent and better at your job than you actually are."

"[00:50:16] 当你在网上写得清楚时，人们会假定你远比实际上更能干、更擅长你的工作。"

Dive Club Ep. 57, 2024-06-13

注意她说这话的姿态：不是教人营销，是带着人类学式的自嘲承认这个机制对她自己起了作用——digital garden 给她带来的职业机会，部分建立在"写得清楚 ≈ 想得清楚"这个并不总是成立的社会推断上。

三、数据来源

网络研究（16 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。
16. Now — January 2026 — 2026-08-04 — GitHub Next 时期的一手自述：儿子 2025-03 出生、慢性病与睡眠剥夺、研究者信心受损、capabilities overhang、agent 沉浸状态。

播客访谈（11 期）

已确认存在但 Podwise 未索引（无可提交 URL）

• Complementary podcast #39 — "Possible Futures for AI in Interface Design"（~2024）：她与主持人 Anthony、Katie 的三人讨论，推演 AI 影响界面设计的五种可能未来。仅有 Spotify Creators 页面（podwise process 不接受 Spotify URL），暂无法提交处理。出处：creators.spotify.com/pod/profile/complementary。

已扫描但被过滤的内容

• Dive Club — "You're an AI product designer now"（id 2645518, 2025-01-06）— DROP。 这一期在 2026-07-03 全档案 sweep 时被标为"疑似 Maggie 客串"提交 process；本轮回收时读 summary / highlights / QA 确认它根本不是 Maggie 的集。实质内容清楚归属于另外几位设计师——George Kedenburg III（"AI 是 crash-landed 的 alien space metal / 新材料"、"art of the possible"、"raise the ceiling"）与 Kyle Terman（"就算模型停在 Claude 3/3.5 也还有数年设计工作要做"），另提及 Anthropic / Humane 的从业者观点与 Genway 这类 AI 用户研究工具。通篇没有可归属到 Maggie Appleton 的内容，故排除。（与此前 DROP 的 4307682 同属 Dive Club 的多设计师主题重剪，误判为 Maggie 的模式一致。）
• Dive Club — "The challenge of designing AI products"（id 4307682, 2025-03-18）— DROP。 这是一期多人重剪（themed re-cut），围绕 AI 产品设计把多位设计师的例子拼在一起——Visual Electric 的 creativity slider、Eleven Labs 的 dynamic island prompt box、Tyler Angert 的 camera 语义搜索——由 Tyler Angert / Ammaar Reshi / Nate Parrott 等多人叙述，其中的实质内容无法清楚归到 Maggie Appleton 名下；唯一与她相关的主题（"描述 affordance 的语言很重要"）已被本档案的 Affordance 节与 Swyx Mixtape"隐喻塑造 affordance"充分覆盖。同时它与仍处理中的 solo Dive Club Ep. 57（id 4307742, 2024-06-13）是同一底层素材的不同发布，折入会重复且会错误归因他人项目，故排除。
• 此前记录：Podwise 搜索的 Dive Club #57（4307742）与 Deep Dives S6E7（1366814）为同一集，已合并 / 排除。

待补充（下一次 refresh）

1. Complementary #39 "Possible Futures for AI in Interface Design" —— 已确认存在但仅有 Spotify 源（2026-08-04 复查仍未被 Podwise 索引），等待可提交 URL 或转录出现
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
7. 关注她 2026 年是否发布新 essay（截至 2026-08-04，essays 索引最新仍是 2025 年中的 ai-enlightenment；now 页自述"写作受资源约束"）；"Growing a Human: The First 30 Weeks"（2025，个人向 essay）未折入，如未来做人生维度扩展可考虑