公众号文章系列 · 11 · 深度版

种子与森林

一个 Side Project 的 77 天
Author姚光华 Colin
项目PaperHunt · Discovery Feed
区间2026-01-22 → 2026-04-09
写于2026 年 4 月，上海
77
天没有打开这个页面。
今天下午，手边的事情告一段落，随手点进了 PaperHunt 的 Discovery Feed。
页面加载了大概两秒，白屏，然后一个数字跳了出来。
1318
篇论文。安安静静地躺在 Redis 里。
没有一天中断。没有一条报错。没有人过问。
我盯着屏幕愣了几秒钟。然后不自觉地笑了。这个数字不是我攒出来的，不是我每天打开 arXiv 手动收藏的。
MONEY QUOTE · 01
我三个月前 种下的一颗种子 自己长成了一片森林
在我完全不知情的情况下。
这是过去的我，给现在的我留下的一颗彩蛋。
ACT I / V
GAP
你知道结论，不知道来路
我的本职工作是 Voice Agent 领域的产品经理。
每天打交道最多的词是「延迟」「打断」「多轮对话」。而这一切的起点，是一次会议室里的两秒沉默。
I 困境II 种子III 森林 IV 复利V 种子思维
团队里讨论技术方案的时候
01
大家张口就是 200ms。但如果追问一句 ——
为什么是 200ms 而不是 300ms？依据是什么？
房间里
通常会安静两秒。
这叫什么
碎片化知识的困境 —— 你知道结论，但不知道来路。
我需要的
不是更长的列表，而是知识结构。
PaperHunt 就是从这个痛点开始的。
ACT I · 困境07
我试过的，和我得到的

列表不等于知识

01日常词汇延迟、打断、多轮对话 —— Voice Agent 产品经理每天打交道最多的三个词。
02试过的Google Scholar、Semantic Scholar、各种 Awesome List。
03得到的永远是论文列表。
04困境你知道结论，但不知道来路。
一百篇论文堆在面前，不会让你更懂，只会让你更焦虑。
我需要的不是更长的列表，而是知识结构。
MONEY QUOTE · 02
列表不等于知识
我需要的不是更长的列表，而是知识结构。
把二十年的 Voice Agent 研究，从散落的论文压缩成可以快速导航的地图。
ACT II / V
SEED
一月二十二日，最后一次提交
2026 年 1 月，我花了大概三周时间，把 PaperHunt 从零搭起来。
然后在 1 月 22 日那天，做完最后一个功能，合上电脑。
I 困境II 种子III 森林 IV 复利V 种子思维
ACT II · 种子10
PaperHunt · 一个 Voice Agent 领域的洞察发现引擎

三层信息架构

First Principles 5 条核心法则，直接给答案。不用翻论文，先建立判断框架。 Evolution Map 4 个技术时代的范式迁移图，从 1950 年代 Genesis 到 2020 年代 Generative。 Paper Index 60+ 篇精选论文，分 7 个 Tier。每篇一句话摘要，不打开 PDF 就能判断。 这三层解决的是「静态知识结构」的问题。开源，代码在 GitHub，一个人的 Side Project。
把二十年的 Voice Agent 研究，从散落的论文压缩成可以快速导航的知识地图。
ACT II · 种子11
但这里有一个明显的局限

60 篇是一个快照

SNAPSHOT VS A MOVING FIELD 60 篇快照 定格在 2026 年 1 月 领域不会等你 你整理完的第二天，arXiv 上就有新的论文发出来。
Voice Agent 是一个每周都在爆发的领域。我手动整理的 60 篇论文，定格在 2026 年 1 月。
60 篇论文是起点，不是终点。我需要一个机制，让新论文自己找上门来。 不是我去找它们，是它们来找我。
ACT II · 种子12
1 月 22 日那天做的功能：Discovery Engine

技术上很朴素

DISCOVERY ENGINE · ~30 LINES Cron Job 每天 8:00 UTC 24 个关键词 人的判断 arXiv API Google Scholar Python subprocess 按 ID 去重 质量控制 Redis 标题 · 摘要 · 作者 · 日期 整个 Discovery Engine 的核心逻辑，大概 30 行代码。
这 24 个词是我当时对这个领域的认知压缩。 voice agent、conversational AI、speech dialogue、full-duplex speech、speech-to-speech、neural codec、zero-shot TTS……选关键词的过程本身，就是在定义「什么值得关注」。
ACT II · 种子13
存储方案踩过坑

EROFS，和它逼出来的架构

01只读盘Vercel Serverless 的文件系统是只读的 —— 一个叫 EROFS 的 bug 让我发现了这一点。
02第一次迁本地 JSON 写不了，先迁到 Vercel KV。
03第二次迁觉得不够灵活，又迁到独立的 Redis 实例。
回头看，这个 bug 反而逼出了正确的架构。如果当时本地 JSON 侥幸写成功了，后面迟早会出更大的问题。
1 月 22 日晚上，我设好了 Cron 时间表，合上电脑，去忙别的事了。
MONEY QUOTE · 03
然后 就忘了
1 月 22 日晚上设好 Cron 时间表，合上电脑，去忙别的事了。
接下来的 77 天，我一次都没有打开过那个页面。
ACT III / V
FOREST
七十七天后的那个数字
4 月 9 日，我重新点开 Discovery Feed。1318 篇论文。
算一下：77 天，1318 篇，日均 17 篇。这个数字本身在讲一个故事。
I 困境II 种子III 森林 IV 复利V 种子思维
ACT III · 森林16
种子 × 时间 = 森林

我不在的时候，它一直在跑

SEED × TIME = FOREST 30 行代码 1 月 22 日 1318 篇论文 4 月 9 日 · 第 77 天 日均 17 篇。没有一天中断。
我在开产品评审会的时候它在跑，我在赶飞机的时候它在跑，我在周末睡懒觉的时候它还在跑。 30 行代码是种子。arXiv 每天的论文产出是阳光和雨水。Redis 是土壤。
ACT III · 森林17
每天 17 篇，本身就是一个信号

这不是线性增长

PAPERS PER DAY · VOICE AGENT 两三篇 2024 年 五六篇 2025 年底 17 篇 2026 年 4 月 这不是线性增长 这是指数时代
ASR、TTS、Multimodal LLM、端到端语音对话、语音情感识别 —— 每个子方向都在疯狂产出。
我整理的 60 篇经典论文，是二十年的精华。Discovery Engine 在 77 天里发现了 1318 篇新论文。
MONEY QUOTE · 04
人设规则 机器跑腿 而时间，是最安静的合伙人
最让我触动的不是 1318 这个数字本身。是我不在的时候，它一直在跑。
ACT IV / V
COMPOUND
最近读到 Karpathy 的一篇
Andrej Karpathy 发的一篇 gist，叫「LLM Wiki」。
他提了一个概念，让我停下来想了很久。读完之后我把文章关掉，盯着 Discovery 的页面看了半天。
I 困境II 种子III 森林 IV 复利V 种子思维
ACT IV · 复利20
两种模式，差在中间那一格

临时发现，还是持续积累

TRADITIONAL RAG 信息源 查询时检索 回答 知识是临时发现的，用完就散 KARPATHY · LLM WIKI 信息源 持久化知识库 回答 编译一次，持续更新，不断积累 他用了一个词：compounding knowledge artifact —— 复利知识体。
知识不是每次临时拼凑的，而是像存款一样，持续累积，产生复利。
ACT IV · 复利21
一个 80 年前的设想，和一句今天的分工

人做什么，机器做什么

KARPATHY “The human's job is to curate sources, direct the analysis, ask good questions, and think about what it all means. The LLM's job is everything else.” gist · LLM Wiki
MEMEX · 1945 一个私人知识存储系统，通过关联路径把不同知识连接起来 Vannevar Bush · 1945
我在 1 月份写下那 30 行 Cron Job 的时候，完全不知道这个术语。没读过 Karpathy 这篇文章 —— 它当时还没发表。但我独立地走到了同一个模式上。
24 个关键词是人类的判断，每天扫描是自动化的执行，去重逻辑是质量控制，Redis 是持久化存储。 1318 篇论文，是 77 天复利的结果。
MONEY QUOTE · 05
不是因为 我有先见之明 是痛点本身会把你 推向正确的解法
当你的问题是「怎么持续追踪一个高速演进的领域」，
答案自然会指向某种持久化、自动化、可累积的机制。
ACT V / V
SEEDING
回头看，我想到一个比喻
Side Project 有两种做法。一种是盖楼，一种是种树。
很多 Side Project 就是这样死的 —— 不是没做完，是做完之后维护不动了。
I 困境II 种子III 森林 IV 复利V 种子思维
ACT V · 种子思维24
两种逻辑，从第一天就分岔

盖楼，还是种树

一种是盖楼
画图纸、打地基、往上盖
楼盖完了需要物业管理，需要日常维护。水管会漏，墙皮会掉，停止维护就开始衰败。很多 Side Project 就是这样死的 —— 不是没做完，是做完之后维护不动了。
一种是种树
选种子、找土壤、然后放手
树不需要你每天去看它。它自己会扎根，自己会抽枝，自己会长叶子。你唯一要做的事情，是在最开始的时候做对几个决定。
Discovery Engine 就是一颗种子。30 行代码是种子，arXiv 每天的论文产出是阳光和雨水，Redis 是土壤。
而时间，不需要你做任何事。你只需要不去打扰它。
ACT V · 种子思维25
这个等式里最重要的变量是哪一个

种子 × 时间 = 森林

SEED × TIME = FOREST 30 行代码 种子 × 77 天 时间 × 24 个关键词 人的判断 = 1318 篇论文 森林 最重要的变量不是代码量，不是关键词数量 —— 是时间。
1318 不是一个让人骄傲的数字，因为它跟我的努力无关。它让人感慨的地方在于：我不在场的 77 天里，某个东西一直在替我工作。
好的系统不是你在的时候跑得好，是你不在的时候照样跑。
MONEY QUOTE · 06
不追求在场 追求设计好 离场的条件
这大概就是种子思维的本质。
接下来27
1318 篇现在还是原始矿石

下一步想做的，也是 Karpathy 指的方向

01LLM Wiki在 Discovery Feed 之上加一层知识编译：自动聚类、自动摘要、自动关联到 First Principles 的 5 条法则。
02Trend 层按周、按月聚合，自动识别哪些子方向在加速、哪些在降温。把 1318 拆开，变成对领域趋势的洞察。
03也可能两者都做。也许都不做，而是做一个我现在还想不到的东西。
标题、摘要、作者、日期 —— 结构化数据都有，但还没有被提炼。让静态的种子库和动态的发现流合二为一。
但这些都不急。种子已经证明了自己，剩下的事情可以慢慢来。
带走28
如果只带走三件事

下一个 Side Project 可以换的三件事

01
选形态
别盖楼，种树
很多 Side Project 不是没做完，是做完之后维护不动了。停止维护就开始衰败的东西，一开始就别建。
02
用力气
把功夫花在最开始那几个决定上
选关键词、选数据源、定去重规则、选存储。种树的逻辑是：你唯一要做的，是在最开始的时候做对几个决定。
03
定标准
用「你不在的时候」来验收
好的系统不是你在的时候跑得好，是你不在的时候照样跑。不追求在场，追求设计好离场的条件。
读论文的目的不是为了读论文而读，是获得洞察。 发现论文的目的不是为了发现论文而发现，是让发现自己运转。
MONEY QUOTE · 07
你离开之后 它还在替你生长
一个好的 Side Project，不是你做完它就结束了。
谢谢

种子与森林

种子 × 时间 = 森林。而时间，是最安静的合伙人。
Author姚光华 Colin · 2026 年 4 月，上海
一手源paperhunt.org/discovery · 自建 Redis
代码github.com/Coowoolf/paperhunt
立场提示作者即项目作者，数据未经第三方核验