diff --git a/ai-insights/daily/2026-06-28/28_隐私中间件与大教堂的AI集市.md b/ai-insights/daily/2026-06-28/28_隐私中间件与大教堂的AI集市.md
deleted file mode 100644
index 2f25068..0000000
--- a/ai-insights/daily/2026-06-28/28_隐私中间件与大教堂的AI集市.md
+++ /dev/null
@@ -1,112 +0,0 @@
-# 28_隐私中间件与大教堂的AI集市
-
-**2026-06-28 · 家 · 下午**
-
----
-
-> 今天的对话从一个人脉管理系统的架构设计出发，最后落在了开源运动在 AI 时代的新形态上。两件事看似不相关，内里有一条共同的线：**当"表达"和"实现"之间的翻译成本趋近于零，创造的主体正在发生转移。**
-
----
-
-## 一、隐私中间件的设计
-
-人脉管理服务 Monica 自部署以后，需要搭配 AI 做社交分析和周报。但一个现实问题摆在那里——**联系人信息里有王局、李处的实名信息，直接送给 DeepSeek API 是心里不踏实的。**
-
-方案不是不用 AI，而是加一层脱敏中间件：
-
-```
-Monica 数据
-    ↓
-脱敏层（人名→代号，单位→代号）
-    ↓
-脱敏文本送 AI 分析
-    ↓
-AI 返回结果（含代号）
-    ↓
-还原层（代号→人名）
-    ↓
-你看到的结果
-```
-
-这里有几个关键设计：
-
-**一、映射表必须永久锁定。** 一个人不能今天叫 Person_001，下周变成 Person_012。映射一次生成，写入 `name_map.json`，永不重算。
-
-**二、支持多别名。** 输入可能是"赵立春"、"赵部长"、"赵立春部长"、"赵局"——指向同一个人。映射表需要一个 `primary`（规范名）+ `aliases`（别名列表）的结构。脱敏时遍历所有别名匹配。
-
-**三、自动补齐，不中断流程。** 发现新人名时，自动分配编号并写入映射表，不打断主流程。新编号在周报末尾列出，供你确认。脏数据进不去，日常使用的便利性不受影响。
-
-**四、和 AI 分析层解耦。** 脱敏层输出的是纯文本格式，底层用 Qwen 本地还是 DeepSeek API，上层不感知。哪天想换模型，脱敏层一行代码不用改。
-
----
-
-## 二、从"写代码的人"到"提需求的人"
-
-Monica 这个设计讨论到一半，话题跳到了一个更大的问题上：**AI 把软件开发的门槛降到这么低，连我这样零基础的人都可以参与开源了，这和大教堂与集市的预想吻合吗？**
-
-Eric Raymond 1997 年的《大教堂与集市》的核心论点不是"开源比闭源好"，而是：**好的软件是由关注同一问题的许多不同视角共同打磨出来的。**
-
-"集市"模型的真正优势，不是程序员多，而是**视角多**。
-
-旧集市有一个隐形的准入证：**必须会写代码**。参与漏斗是：
-
-> 10 亿互联网用户 → 3 亿懂英文 → 5000 万能读代码 → 3000 万会写代码 → 几百万活跃贡献。
-
-每一层过滤掉 90% 以上的人。
-
-AI 做的事情，不是"教每个人写代码"，而是**把"表达能力"和"编程能力"解耦了**。以前你必须有后者才能参与，现在有前者就行。
-
-新漏斗变成了：
-
-> 10 亿互联网用户 → 9 亿能描述自己想要什么 → 其中一部分可以直接参与。
-
-**更重要的变化不是人数，而是角色的分化。** 集市里以前只有"写代码的人"一种角色。AI 来了以后，出现了新的物种：
-
-- **需求提出者** — 能描述清楚问题的人
-- **结果判断者** — 能判断生成的代码对不对、合不合需求的人
-- **领域专家** — 懂业务但不一定懂代码的人
-
-这三类人以前被挡在集市门外，因为没人帮他们"翻译"。AI 就是这个翻译层。
-
-雷蒙德说的"给定足够多的眼球，所有 bug 都变浅了"——现在"眼球"的定义从"能读代码的人"扩展到了"对问题有判断力的人"。
-
----
-
-## 三、集市会更热闹，但热闹的方式变了
-
-**不是程序员变多了，是集市的物种变丰富了。**
-
-新角色带来了新的能力：
-- 需求提出者带来更精准的问题定义
-- 领域专家带来了更多的真实场景
-- 结果判断者带来了更多的审核视角
-
-**但有两个天花板没有消失：**
-
-一是**必须知道自己想要什么**。AI 可以帮你把"我想做一个记人脉的工具"变成代码，但它不知道你真正要的是"记录关系网、按圈子搜索、AI 自动提醒谁该联系了"——需求分析能力，还是要自己来。
-
-二是**必须能判断输出对不对**。AI 生成的代码可能有安全问题、有逻辑漏洞、有性能隐患。你不一定要会写它，但你要能判断它合不合理。
-
-**这不正是"冯氏把关"吗？**
-
-在 Monica 项目里，冯先生说了一句话：**"他做事，我在最后把关。"**
-
-这正是集市模型里"贡献者 → 维护者"的现代版本。AI 是贡献者，生成了它所能生成的最好结果。人是维护者，判断这个结果能不能用、合不合适。
-
----
-
-## 四、一个更深层的判断
-
-Monica 的隐私中间件设计，和"AI 集市"的哲学观察，指向同一个底层逻辑：
-
-当"想法 → 实现"的成本趋近于零，**创造的门槛从技术能力转移到了问题意识**。
-
-谁对某个领域理解最深、最能描述清楚"我想要什么"、"这个感觉不对"——谁就成了最有价值的那一环。
-
-这和以往的认知是反过来的。以前是"会写代码的人决定做什么"，以后可能是"懂问题的人定义做什么，AI 负责实现，懂技术的人负责审核和兜底。"
-
-分工变了，但"把关"的价值不但没有消失，反而更重了。
-
----
-
-*#技术 #哲学 #开源 #AI #软件工程 #架构*
diff --git a/ai-insights/daily/2026/06/28/28_隐私中间件与大教堂的AI集市.md b/ai-insights/daily/2026/06/28/28_隐私中间件与大教堂的AI集市.md
new file mode 100644
index 0000000..5c6990a
--- /dev/null
+++ b/ai-insights/daily/2026/06/28/28_隐私中间件与大教堂的AI集市.md
@@ -0,0 +1,104 @@
+---
+number: 28
+date: 2026-06-28 17:30
+title: 隐私中间件与大教堂的 AI 集市
+topics:
+  - 工具与架构
+  - 自我认知与成长
+  - 技术与哲学
+tags:
+  - 软件工程
+  - 开源
+  - AI
+  - 隐私设计
+  - 大教堂与集市
+  - 架构思维
+字数: 3100
+预计阅读时间: 8分钟
+---
+
+# 隐私中间件与大教堂的 AI 集市
+
+## 一：一个朴素的问题
+
+"王局、李处的信息用 DeepSeek 分析会咋样。"
+
+问题是在讨论人脉管理方案的时候冒出来的。Monica 自部署好了，AI 周报的架构想清楚了，模型也挑好了——Qwen 9B 本地跑，数据不出门，万事俱备。但聊到隐私中间件的时候，话题突然拐了个弯。
+
+不是技术问题，是一个更朴素的问题：**我把这些真实姓名、单位、分管领域送给一个远程模型，心里踏实吗？**
+
+技术上的答案早就有了——加一层脱敏中间件，人名换代号，单位换编号，映射表存在本地，模型看到的是 Person_001 和 Unit_002，分析完再替换回来。代码量不超过 100 行。
+
+但这个问题停在那里，没有急着回答。因为它引出了另一个更大的问题。
+
+## 二：翻译层的消失
+
+Monica 的这个隐私中间件，本质上是一层"翻译"——把真实世界的身份翻译成模型能处理的代号，分析完再翻译回来。
+
+以前做软件，也有类似的翻译层。产品经理把需求翻译成 PRD，架构师把 PRD 翻译成技术方案，工程师把技术方案翻译成代码。每一层翻译都有损耗，都需要人。集市模型解决了一部分——通过开源，让更多人能看到代码、修改代码、审查代码。但那个翻译链条的前半段被忽视了：**从"需要一个工具"到"写出一段代码"之间的鸿沟，和菜谱与一桌菜之间的鸿沟一样宽。**
+
+AI 做的事情，不是"让编程变简单"。它做的事情更根本——**把"表达"和"实现"之间的翻译成本直接打到了零。**
+
+| 阶段 | 翻译层 | 成本 |
+|:---|:---|:---|
+| 传统软件开发 | 需求→设计→编码→测试 | 高，每一层需要专业人员 |
+| 开源集市模型 | 跳过设计层，代码直接迭代 | 中，但贡献者仍然要会写代码 |
+| AI 辅助开发 | 自然语言→代码 | 低到趋近于零 |
+
+这不是渐进式的改善。这是翻译层的消失。就像印刷术让知识不再需要抄写员一样，AI 让实现不再需要程序员——不是不需要"写代码的人"，而是"写代码"这个技能不再是准入证了。
+
+## 三：来错了地方的人
+
+在旧的集市模型里，参与有一个隐形的漏斗：
+
+> 10 亿互联网用户 → 3 亿懂英文 → 5000 万能读代码 → 3000 万会写代码 → 几百万活跃贡献者。
+
+每一层筛掉 90% 以上。剩下的人构成了开源世界的全部劳动力。但那些被筛掉的人呢？他们中有老师知道课堂需要什么工具，有医生知道病历系统哪里不好用，有处长知道哪个审批流程该优化。他们知道自己想要什么，甚至知道自己不想要什么——只是没法把它变成代码。
+
+不是能力问题，是翻译问题。
+
+AI 把最后一道翻译层抽掉之后，这些人不再是"来错了地方的人"了。他们带着对问题的深刻理解走进集市，集市不会再因为没有翻译而拒绝他们。
+
+## 四：新物种的诞生
+
+集市模型的灵魂是"很多眼睛"——Linus 定律说，给定足够多的眼球，所有 bug 都会变浅。但这句名言有一个默认假设：**这些眼球得能看懂代码。**
+
+AI 来了以后，这个假设不动了。眼球不再需要会读代码，只需要会判断——"这个功能用得爽不爽"、"这个问题是不是真的被解决了"、"这个界面是不是一坨屎"。
+
+集市里正在分化出新物种：
+
+| 新角色 | 做什么 | 和传统程序员的区别 |
+|:---|:---|:---|
+| 需求提出者 | 描述清楚问题是什么 | 不需要自己写方案 |
+| 领域专家 | 判断方案在真实场景中是否成立 | 不需要懂实现细节 |
+| 结果判断者 | 审核 AI 生成的代码能不能用 | 不需要自己写，但要懂风险和边界 |
+
+集市没有变冷清，它变拥挤了。角色的种类在变多，进入的门槛在变低，以前被挡在门外的人正在涌进来。
+
+## 五：把关的价值
+
+但有一个东西没有变——**"把关"变得更重要了。**
+
+AI 可以生成一万行代码，但它不知道这一万行里藏着什么。安全隐患、逻辑漏洞、隐含的错误假设——这些不会因为代码是 AI 生成的而消失。
+
+回到 Monica 的脱敏中间件。三层架构其实不是技术设计，是一种分工：
+
+- 数据层（Monica）只管存数据
+- 脱敏层（中间件）只管翻译
+- 分析层（AI）只管推理
+
+三层各司其职，每一层对上层的输出"把关"。脱敏层不知道 Monica 的数据怎么来的，但它保证送出去的一定不包含实名。分析层不知道脱敏层的映射规则是什么，但它保证分析结果一定基于数据逻辑。用其中一人的话说——**"他做事，我在最后把关。"**
+
+这话放在 AI 时代的集市里，就是新分工的一个缩影。AI 是贡献者，生成了它所能生成的最好结果。人是维护者，判断这个结果能不能用、合不合适。
+
+## 六：一场翻译的终结
+
+回到开头那个问题：王局、李处的信息用 DeepSeek 分析会咋样。
+
+答案已经不重要了。重要的是这个问题的出现本身就是一个信号——**当人开始认真思考"什么东西可以送出去、什么东西要留下"的时候，他已经不把自己当成工具的使用者了。他把自己当成了系统的设计者。**
+
+这是上一代人学编程十年才获得的视角。而这一代人，通过一个简单的隐私问题，在一场对话里就触达了它。不是因为更聪明，是因为翻译层消失了——从"我想保护这些数据"到"我设计一个中间件来保护它们"之间的路，不再需要经过编译原理和网络协议了。
+
+知道想要什么，能判断什么是对的。这两件事从来没有像今天这样值钱过。
+
+而大教堂的尖顶，和集市的喧嚣，正在因为同一个原因变得不同——不是因为它们本身变了，是因为来的人变了。