一、判断框架：数据、算法和人的经验各有边界
《意会》反对把世界全部数据化、工具化和模型化，强调厚数据、文化背景、真实场景和人文理解。这个方向是对的，但如果把防线放在“人类有无法言说的直觉，算法无法捕捉”，这个防线已经被深度神经网络部分击穿。神经网络本来就在处理大量人类无法显式概括的模式，很多系统一式直觉已经可以被模型近似。更稳的防线不是“直觉不可算法化”，而是“人的直接体验、主体价值和不可客体化的意义本身不能被还原为功能输出”。算法可以逼近模式，未必拥有体验；它可以预测行为，未必替代行为对主体的价值。
搜索 polica 能搜到 Poliça，核心机制是忽略变音符号或 ASCII folding。ç、ć、č 等带附加符号的字符会被映射到基础字母 c，这与忽略大小写属于同一类便利性设计。Everything 这类本地搜索工具默认这样做，是为了让普通键盘用户不用输入特殊字符也能找到文件。这个机制也提醒文本分析不要把字符形态当成稳定实体：做跨语言、跨编码、跨平台文件名和标题检索时，Unicode 归一化、大小写归一化、重音符号处理和精确匹配开关必须被显式记录。
二、数据与开发环境：结构先于工具
不同领域的专利分析，不应轻易为每个领域建立独立数据库。独立库会阻断交叉分析，增加连接、备份和权限维护成本，也会浪费数据库缓存。更好的结构是一个研究数据库，内部用多张表、项目字段、领域标签或统一大表区分不同技术域。字段一致时优先大表加 domain_tag，这样可以做跨域去重、跨领域共现和技术迁移分析。让 AI 编程工具帮忙建库时，只提供架构信息和凭据读取方式，不把凭据写进提示词或代码。凭据应放入本地 .env、环境变量或受控配置文件，代码只负责读取变量。
Git 中的 10 位短哈希只是 40 位 SHA-1 的前缀。它能使用，不是因为前缀本身绝对不会碰撞，而是因为 Git 在当前仓库对象库中做前缀匹配和歧义检查。找到 1 个对象就补全，找到多个对象就报错要求更长前缀。短哈希长度是工程妥协：足够短，适合路径、日志和版本号；又足够长，在当前仓库规模下歧义概率很低。大型仓库会自动提高默认缩写长度。完整哈希碰撞是另一层问题，Git 已通过碰撞检测版 SHA-1 和 SHA-256 迁移路径降低风险。短哈希不是标识宇宙唯一对象，而是标识当前仓库中可无歧义解析的对象。
频繁切换电脑时，浏览器版开发环境有几条路线。code-server 适合自建长期环境，代码、插件和终端都在服务端，浏览器只负责显示；VS Code Remote Tunnels 适合不想折腾公网和穿透，直接通过官方隧道连接自己的主机；GitHub Codespaces 和 Gitpod 适合用容器快速启动一次性开发环境；vscode.dev 只适合轻量编辑，不能替代有终端的工作站。选择逻辑很简单：需要长期、可控、能跑后端和数据库，走自建；需要免维护和临时开发，走云端托管；只是改文本，浏览器前端版就够。
-d 是服务化运行和调试运行的分界线docker-compose up 不加 -d 是前台模式，日志直接占用终端，按 Ctrl+C 或断开窗口可能停止服务；加 -d 是 detached 后台模式，容器继续运行，终端立即回到可输入状态。正式部署服务应使用后台模式，调试报错时才前台盯日志。后台模式不是看不到日志，而是用 docker-compose logs -f 或指定服务日志再进入观察。这个参数背后是两种心态：调试时把终端当现场，部署时把容器当守护进程。
Git 记录项目级提交，前提是用户显式 commit；VS Code 时间线聚合当前文件的 Git 历史和本地保存历史，哪怕从未提交也能找回某次保存。它的价值在于防止两次 commit 之间的误删、误改和撤销链断裂。时间线只看单文件，不管理分支，不替代提交记录。可以隐藏 UI，也可以关闭 Local History，但更合理的做法是保留底层记录，只隐藏不常看的面板。Git 负责长期版本事实，时间线负责短期编辑后悔药。
Claude Code Skills 当前不是云端自动同步能力，而是本地文件系统能力。全局 Skills 通常在用户目录下，项目级 Skills 在项目目录下。同步方案可以很朴素：用 Git 管理全局 Skills，私有仓库跨设备克隆；项目级 Skills 跟随项目仓库一起提交；如果追求无感同步，可以用云盘加软链接，但要承担同步冲突风险；更系统的方案是把它纳入 dotfiles 工具。Skills 不是神秘资产，就是可版本控制的文本和脚本；越早把它们当作代码管理，越不容易丢失习惯和能力。
三、计算、存储与稳定性：先判断瓶颈再买硬件
使用 cuML 跑 BERTopic 时，如果内存和 swap 爆满、CPU 全核高负载、GPU 只占几百 MB 显存，就说明实际计算仍在 CPU 侧。此时问题不一定是硬件太弱，而可能是 UMAP、HDBSCAN 或降维模型没有换成 cuML 版本。百万级 embedding 不能直接把 768 维扔给 UMAP，标准做法是先 PCA 到几十维，再进入 UMAP 和 HDBSCAN。先用 profiler、显存占用和 CPU/GPU 使用率确认数据路径，再决定是否加内存。硬件升级能兜底，代码路径错误会让升级收益变小。
SMR 叠瓦盘通过重叠磁道提升密度，随机修改会触发读-改-写和内部垃圾回收。把它用于写满后少动的冷备份可以接受；用于增量同步、版本控制、加密盘、频繁插拔和大量小文件改动就不适合。BitLocker 一类加密会让底层写入更像随机数据流，叠瓦盘可能出现极端掉速、超时和文件系统风险。活动备份应优先 CMR 或企业盘，备份工具负责版本，硬盘负责稳定写入。不要为了省小钱，把备份安全性放到硬盘主控的整理逻辑上。
Everything 的忽略变音符号、VS Code 时间线、Project Manager 扫描 .git 项目，本质都不是“智能判断”，而是固定规则。Everything 扩展字符匹配范围，时间线读取保存历史，项目管理器把 .git 文件夹当作项目特征。理解机制后，工具就变得可控：需要精确匹配时关掉模糊规则，需要恢复文件时找本地历史，需要批量导入项目时配置扫描根目录。工具好用不是因为它懂你，而是因为它把某些判断规则做成了默认。
