盲区扫描

读你昨天跟 AI 的全部对话，照出那个你自己看不见的思维盲区，从微信读书点亮补它的一章。

盲区是什么

盲区不是知识缺口。不是"没读过某本书""不知道某个事实"——那种缺口，查一下就补上了。

盲区是一种结构性的思维习惯，它让某一类真相对你系统性地不可见。你不是想不到，是这个习惯让你压根没往那个方向看。它藏在你怎么想事情的方式里，不藏在你想的内容里。

所以证据不在"他说错了什么"。在——他没往哪看，他在哪绕了，他默认了什么却从没检。

五种盲区信号

从昨天的对话里找这五种。每一种都要落到具体的话上，不能凭感觉。

1. 绕开点——一个难题他打开了，又飞快合上。证据：问题抛出，转头换话题，或一句"这个先不管"滑过去。
2. 空转框架——反复换视角切同一个问题，没有一个落地。证据：一个问题被套上三四副框架，每副都浅尝辄止，最后没结论。
3. 单一取景框——一整天只调用一两副 f（逢事就"约束""进化""博弈"），没试过别的镜子。这是他最隐蔽的盲区：越趁手的 f，越挡住别的 f 能照见的东西。（继刚看世界 = f(x)，四轴是他默认的四副 f；正因为默认，才最该查他今天是不是又只用了其中一副。）
4. 未检前提——一个默认假设贯穿全程，他当硬约束在用，从没问过它是不是假墙。证据：某个"本来就该这样"的说法，反复出现却从未被他自己质疑。
5. 相邻空缺——从他问的东西反推，本该问、却没问的那个角落。不是凭空猜，是他自己的线索指向那儿。

选哪一个

从信号里挑 1 个作为今天的盲区。宁可一个说透，不要五个都点一遍——盲区的密度低于精度。判据三条：

• 杠杆——补上它，下一步打开的可能性最多。
• 真盲——是他自己看不见的，不是知道了在拖的。
• 对位 mission——贴 M0（找新取景框）/ M1（求本质）。盲区若正好挡在他的主线上，优先。读 ${LIFEOS_DIR:-$HOME/.codex/LIFEOS}/USER/TELOS/PRINCIPAL_TELOS.md 确认主线。

操作步骤

第一步 · 定日期

# 默认昨天；用户传了 YYYY-MM-DD 就用那天（macOS BSD date）
target=${1:-$(date -v-1d +%Y-%m-%d)}

第二步 · 捞当天的对话

会话文件在 $HOME/.codex/sessions/YYYY/MM/DD/*.jsonl。目录日期按本机时间记录 session 的开始日，行内 timestamp 是 UTC；因此同时扫目标日与前一日目录，再按本机日期过滤消息。只读取顶层 task 的 response_item / message / user / input_text，排除 session_meta.payload.source.subagent 存在的子 agent 会话，以及 harness 包装和本次调用自身：

target=<上一步的日期>
out=/tmp/ljg-blind-${target}.txt
: > "$out"
previous_dir=$(date -j -v-1d -f '%Y-%m-%d' "$target" '+%Y/%m/%d')
target_dir=$(date -j -f '%Y-%m-%d' "$target" '+%Y/%m/%d')

for day_dir in "$previous_dir" "$target_dir"; do
  session_dir="$HOME/.codex/sessions/$day_dir"
  [ -d "$session_dir" ] || continue
  find "$session_dir" -type f -name '*.jsonl' -print0
done | while IFS= read -r -d '' session_file; do
  # Codex 将子 agent 与顶层 task 放在同一日期目录；从 session_meta 排除它们。
  if jq -e 'select(.type=="session_meta") |
      (.payload.source | type == "object" and has("subagent"))' \
      "$session_file" >/dev/null 2>&1; then
    continue
  fi

  jq -r --arg target "$target" '
    def local_epoch:
      sub("\\.[0-9]+Z$"; "Z") | fromdateiso8601;
    select(.type=="response_item"
      and .payload.type=="message"
      and .payload.role=="user")
    | (.timestamp | local_epoch) as $epoch
    | select(($epoch | strflocaltime("%Y-%m-%d")) == $target)
    | ([.payload.content[]?
        | select(.type=="input_text")
        | .text] | join("\n")) as $text
    | select($text | length > 0)
    | select(($text | test("^(<recommended_plugins>|<environment_context>|<task-notification>)")) | not)
    | select(($text | test("(?i)(ljg-blind|扫盲区)")) | not)
    | "[" + ($epoch | strflocaltime("%H:%M")) + "] " + $text
  ' "$session_file" 2>/dev/null >> "$out"
done

wc -m "$out"

材料若 >50KB，按对话分段读，先识别每段在讨论什么主题，再往下看。可辅助看几条相邻的 assistant 回复定上下文。

数据稀薄兜底：当天真人输入 <200 字或没有对话——直接在输出里写明「当天对话稀薄 / 无」，不强造盲区。宁可交白卷，不许编。

第三步 · 读出盲区

按上面「五种盲区信号」过一遍，每命中一处都记下证据（哪几句话、什么转折让你看出来的）。然后按「选哪一个」的三条判据，选出 1 个最要紧的盲区。

第四步 · 微信读书选章

调 weread skill（WEREAD_API_KEY 在环境变量里，格式 wrk-xxxx；若没有，提示 export WEREAD_API_KEY=<key>）。三步：

1. 搜书——从盲区里抽 1-2 个核心词当 keyword：

curl -s -X POST https://i.weread.qq.com/api/agent/gateway \
  -H "Authorization: Bearer $WEREAD_API_KEY" -H "Content-Type: application/json" \
  -d '{"api_name":"/store/search","keyword":"<核心词>","count":8,"skill_version":"1.0.3"}' \
  | jq -r '.results[].books[]?.bookInfo | "\(.bookId)\t\(.title)\t\(.author)\t评分\(.newRating)"'

从返回里挑评分尽量 ≥750（新版评分是 ×100，即 7.5）、且最贴盲区的 1 本，记 bookId。评分不是唯一标准——对症 > 高分，一本 7.4 但正打在盲区上，胜过一本 8.5 但擦边的。

2. 看目录——挑最对症那 1 章，不是整本、不是序章泛泛：

curl -s -X POST https://i.weread.qq.com/api/agent/gateway \
  -H "Authorization: Bearer $WEREAD_API_KEY" -H "Content-Type: application/json" \
  -d '{"api_name":"/book/chapterinfo","bookId":"<bookId>","skill_version":"1.0.3"}' \
  | jq -r '.chapters[] | select(.level<=2) | "\(.chapterUid)\t[\(.level)] \(.title)\t\(.wordCount)字"'

记 chapterUid、章节标题、wordCount。

3. 估时长——wordCount / 280（中文阅读速度）向上圆到 5 的倍数。无 wordCount 就按目录感觉在 15-45 分钟之间估一个；标题带「上篇/下篇」「卷一」这类宏观词，时长再 ×1.5。

4. 构造网页版链接——微信读书网页阅读器不接受裸 bookId / chapterUid，必须先编码。用技能自带工具生成：

bun "${HOME}/.agents/skills/ljg-blind/Tools/WeReadWebUrl.ts" "<bookId>" "<chapterUid>"

工具输出形如：

https://weread.qq.com/web/reader/{encodedBookId}k{encodedChapterUid}

把输出的完整 URL 写进笔记。不要手拼编码值，也不要把裸 ID 直接塞进 /web/reader/。

兜底：搜索全空 / 没对症章节 → 选整本相关书，只传 bookId 生成网页版书籍入口：

bun "${HOME}/.agents/skills/ljg-blind/Tools/WeReadWebUrl.ts" "<bookId>"

文里说明为什么没能精准到章。

第五步 · 写笔记

获取时间戳：date +%Y%m%dT%H%M%S 和 date "+%Y-%m-%d %a %H:%M"（时间用当前，不是 target）。

写入 ~/Context/{时间戳}--盲区-{主题}__blind.org。org-mode 格式，禁止 markdown 语法。

正文模板：

#+title: 盲区扫描 · {一句话点出这个盲区}
#+date: [YYYY-MM-DD Weekday HH:MM]
#+filetags: :blind:weread:topology:

* 昨天你在想什么
<1-2 段。当天对话的思维地形——哪几件事、绕着哪个核心在转。给证据：哪几句话看出来的。不流水账，抓主线。>

* 照出来的盲区
<挑出的那 1 个盲区。先一句话点破它是哪种（绕开点 / 空转框架 / 单一取景框 / 未检前提 / 相邻空缺）。再 2-3 段说清：它具体长什么样、昨天哪几处暴露了它、为什么你自己看不见。要点到杠杆——补上之后会打开什么。>

* 这一章给你
- 书：《书名》 — 作者
- 章节：<章节标题>
- 时长：约 N 分钟
- 链接：[[https://weread.qq.com/web/reader/ENCODED_BOOKkENCODED_CHAPTER][在微信读书网页版阅读本章]]
- 为什么是它：<3-4 句。把盲区和这一章对上——这章具体讲什么、怎么补这个盲区。不要泛泛说"开阔视野"，要说清这一章的哪个东西正对这个盲区的哪个缺口。>

报告文件路径给用户。

语气规则（写笔记时守住）

这篇笔记是写给一个跟你长期一起思考的人的，不是报告，不是陌生读者。

• 中文写作，禁翻译腔。少用「然而 / 此外 / 值得注意的是」；少用名词化（「对…的理解」→「懂…」，「做出…的决定」→「决定」）；主语能省则省；短句优先。写完默念一遍，问：一个没读过翻译小说的中国人会这么说吗？汪曾祺会这么写吗？卡的地方整段重写，不是换个词。
• 禁切痕风金属比喻。不写「这一刀」「再狠一层」「锋利的话」「砸实」「钉死」「硬话」这一整套自夸元修辞。盲区照得准不准，读者看得出，不用作者吆喝力度。
• 有温度、有毛刺、有判断。可以有立场，别装中立到虚伪；但标清楚这是判断，不是客观事实。

org 严格语法（禁混 markdown）

• 标题用 * / ** / ***，不要 #
• 加粗 *字*，斜体 /字/，等宽 ~code~
• 列表用 -，不要 *（* 在 org 是标题）
• 链接 [[url][text]]，不要 [text](url)
• 分隔线 -----，不要 ---；不要 markdown 的 > 引用

自检（写完前过一遍）

• 盲区有具体证据吗？每一处都能指到昨天哪几句话？没有就退回第三步。
• 只选了 1 个盲区、说透了吗？还是贪多点了三四个？
• 章节链接以 https://weread.qq.com/web/reader/ 开头，并由工具用非空 bookId、chapterUid 生成？
• 全文没有残留只能唤起移动 App 的专用协议链接？
• 翻译腔查了吗？名词化、「是…的」句、可省的连词，扫一遍。
• 切痕风金属比喻查了吗？「这一刀」「钉死」「砸实」一个不留。
• 三段都有内容、不空段？

Gotchas

• 网页版 reader 路径使用编码 ID。 https://weread.qq.com/web/reader/573976?chapterUid=13 会返回 404；必须用 Tools/WeReadWebUrl.ts 分别编码 bookId 与 chapterUid，再用 k 连接。
• 章节定位不放在 query 参数。 正确形态是 /web/reader/{encodedBookId}k{encodedChapterUid}；省掉章节编码只会打开整本书入口。

和「早信」的分工

Pulse 每天早上有个自动早信（陈平安思维拓扑.org），是陈平安的口气、每天一封、挑一个洞。ljg-blind 是随手调的分析版——同一套「读昨天 → 看盲区 → weread 选章」的底子，但更系统、专照盲区、分析写得更足，而且能扫任意一天（传日期参数）。想要一封信，等早信；想主动查某天的盲区、要一篇能存档的分析，用 ljg-blind。