diff --git a/notes/zuochengzhangzju-byte.md b/notes/zuochengzhangzju-byte.md
index eab7b8489..5c4d2e95e 100644
--- a/notes/zuochengzhangzju-byte.md
+++ b/notes/zuochengzhangzju-byte.md
@@ -17,6 +17,25 @@ AI x Web3 School
 <!-- Content_START -->
 # 2026-05-19
 <!-- DAILY_CHECKIN_2026-05-19_START -->
-学习了如何用hermes控制管理github，体验感受了自动化流程
+**有效笔记一：Hermes Agent 学习助手配置与体验**
+今天配置了 Hermes Agent 学习助手，通过 Telegram 接入并完成初始化。体验了用 AI Agent 自动管理 GitHub 仓库的流程——从授权检查、本地 Git 环境验证到自动创建个人笔记仓库。整体感受：Agent 作为中间层确实能降低 Web3 工具链的上手门槛，但也暴露了一些问题，比如 API Key 的安全配置必须通过环境变量而非明文传递，这对新手来说是个容易踩的坑。
+
+**有效笔记二：对 AI Agent 自主执行链上操作的思考**
+结合课程 Week 1 的目标——跑通"用户意图 → AI 规划 → 人工审核 → 钱包授权 → 链上执行 → 可验证记录"这条最小任务链，我认为核心难点在于"人工审核"和"钱包授权"之间的边界。哪些操作可以完全自动化，哪些必须要求人工确认？这不仅是技术问题，更是信任和安全的设计问题。在金融场景下尤其关键——AI 交易 Agent 如果能自主签名执行链上交易，风险控制机制必须前置。
+
+**有效笔记三：待探索的问题**
+想在后续学习中深入的方向：Agentic Commerce / Payment——如何让 AI Agent 在保持安全的前提下自主完成链上支付？特别是对于量化交易场景，Agent 需要在毫秒级决策中完成签名和执行，这与传统"人工审核每笔交易"的模式存在根本冲突。如何设计一个分级授权机制（小额自动、大额需确认）可能是突破口。
 <!-- DAILY_CHECKIN_2026-05-19_END -->
+
+# 2026-05-18
+<!-- DAILY_CHECKIN_2026-05-18_START -->
+**有效笔记一：开营仪式与共学纪律理解**
+今天是 AI x Web3 School 开营第一天。核心机制：每周至少5天打卡，仅2天容错，连续3天未打卡直接淘汰出积分榜。笔记质量有审核，敷衍内容判无效。每周一三五晚7-8点有共学答疑直播，无回放。这个"残酷共学"的设计哲学很有意思——用强约束倒逼持续输出，和 Web3 中的链上验证逻辑异曲同工：行为可验证、不可篡改、有代价。
+
+**有效笔记二：Week 1 学习路径规划**
+Week 1 的目标是建立 AI + Web3 共同语言。AI 侧需要理解 LLM、prompt、workflow、agent、tool use；Web3 侧需要理解账户、钱包、签名、交易、gas、智能合约、测试网。我的计划是先从 Web3 基础入手——作为 AI 背景的参与者，对链上概念相对陌生，需要先补齐这块认知，才能理解 AI × Web3 交叉点的真正价值。
+
+**有效笔记三：对"AI × Web3 真正需要彼此"的判断标准**
+课程强调要区分"浅层概念拼接"和"AI 与 Web3 真正互相需要"的方向。我的初步判断框架：如果一个场景去掉 AI 或去掉 Web3 仍然成立，那就是伪交叉。比如"用 AI 分析链上数据"——如果 AI 只是替代传统数据分析，Web3 只是数据源，那交叉深度不够。真正的交叉应该是：AI 的自主决策能力 + Web3 的去中心化验证/执行能力，两者缺一不可。
+<!-- DAILY_CHECKIN_2026-05-18_END -->
 <!-- Content_END -->