醫院驗血科，消除走廊上的蚊子是否屬於護士的職責範圍？
使用者認知和平臺自身定位，看起來是一體，但實際上存在著雙重定位。平臺進行的自我宣傳定位，對於一些使用者來說未必是這樣，只是對於大多數使用者來說，進入平臺後的初始行為會跟隨平臺的自我宣傳定位。但仍然有部分使用者會經過測試，然後驗證出什麼是對自己有效的，有效的系列工具會構成使用者對於平臺的基本認知和判斷，從而形成使用者側的平臺定位。如果個別使用者有意錯位錨定，反而獲得了不錯的效果，那麼對於平臺新的維度定位就會形成。就像是，閒魚未必是二手交易，也可以是暴露在公開領域的暗市交易工具。
平臺詛咒：當閒魚上面被專業的賣家不斷擠壓，然後平臺成為賣家新的流量來源後，個人二手交易就會被損害、擠壓，直到轉移到非專業的二手交易平臺上，如在小紅書上賣二手閒置。由於平臺上供給體量的不同，反而在小紅書上可以獲取到比閒魚上更好的賣出或者買入結果，因為在小紅書上賣家供給基於演算法的準確性和供給的相對稀缺性，導致了這次交易的成功轉移。但在閒魚平臺上，作為新手的個人二手交易使用者進入平臺後，受到兩方面的擠壓，二手賣家由於平臺流量的稀少以及賣方供給的競爭壓力無法賣出，二手買家憑藉個人能力已經無法甄別賣家是否是個人賣家（從而影響了買家對於後續交易是否值得的可信度判定），從而導致雙方都無法作為真正的二手交易使用者存留在閒魚平臺上。
刷咖啡豆粉碎機有三種人：a 粉碎，清洗，晾乾；b 粉碎，清洗，烘乾；c 粉碎，不清洗，幹毛刷簡單擦拭，積累到一定程度後再進行徹底清洗，晾乾。
在教孩子說話的時候，我好像感受到LLM底層邏輯存在的痕跡。當孩子聽到“這個餅乾你吃不吃？”這句話後，孩子的互動從只會機械跟讀為“吃”，後來機械跟讀為“不吃”，再後來發展出可以進行是否邏輯判定的能力。有人討論聖經中“上帝說要有光”是提示詞，這可能在另外一個維度上是真的。
整理書包時發現，之前誤認為無法解決的拉鏈斷裂問題的根源是拉鏈初始位置沒有對齊。大力嘗試了幾次，把根源對齊了之後，瞬間就拉上了書包。生活中一定還有很多問題，沒有解決的原因大機率是並沒有定位到根源的阻力或者著力點，導致人的思維一直在外圍打轉。
和小文聊天，意識到一個現實：99%的人想要通過vibe coding賺取收入的人可能都要失望，因為出發的時候順序就反了（是的，我也同樣犯了這樣的錯誤），商業不應該是拿錘子找釘子，也許對於大多數 Vibe Coding專案來說，被100-300元收購，可能是最好的結局。
快速讀完了Andrew Wilkinson的 Never Enough，沒想到末尾竟然出現了 Derek Sivers！剛剛在 Alex 那邊見到過因為受到了 Sivers 的影響。讀完這本書是因為訂閱了 Andrew 的郵件列表，翻了下他到底都忙了些什麼。
人們都喜歡聽聰明人講話，智識因為有內在的可信任度賦值，因此獲得了更小的傳播阻力。
交朋友和做內容的核心是一樣的：從更長的時間跨度角度來看，我們不斷尋找的和吸納的，是那種雙方都可以持續成長和獲益的穩定性來源。讀Andrew Wilkinson的《我甩掉了一大群自戀狂》有感
“迴圈頻繁地開發新App只能積累技術能力的複利，但並不能覆蓋其他方面的複利增長，例如：分發複利（開發和釋出下一款產品時，是否能通過已經建立持續忠誠度的使用者群體進行快速分發和部署）、商業複利（每次完成新產品上線後，是否還需要重複定位需求和收入來源）、工程複利（開發第二款、第三款產品時，是否真的減少了測試、維護、上線工作內容）。如果程式碼複用增加，但專案複雜度也快速上升，那可能是表面複利、實際負債。”
“思考可以容忍模糊，但寫作會迫使你面對模糊。”
“工程複雜的原因是其本身的目的是管理複雜性” 來源
這篇文章是最好的歷史重溫素材。雖然最確實見證物可能是菜園周邊已經變為籬笆的綠色金屬隔離網，但因為有這篇文章，荒誕距離當前的時間點並不遙遠。
AI時代，產品給人的活人感更加重要。
做了自動生成貼紙的App之後才意識到，其實如果你有一個善於發現的眼睛，任何一個平凡的生活都會遍歷大量的無序視覺資料，之所以不覺得大量，是因為由於熟悉，大腦進行了自動過濾。不得不說，這本書仍然是想要嘗試把無序資料處理為有序資料的絕佳指南：《路上觀察學入門》
把一篇小文寫得有可讀性是一項可以不斷練習出來的能力。
不要妄圖一口吃成胖子，所有用心的產品都需要不斷打磨且不斷向真實的場景和足夠有效的解決方案嘗試靠攏無數次，才可能會有一個大致的雛形。讀文有感：Gym Podcast
掙脫開“是我自己還不夠努力”迷思的最好解藥是什麼？讓自己去不斷適應和享受“即使有一大段時間什麼也不做也沒關係”的時間也許是最好的練習。繼續深入研究Alex的Blog心法。
意識到有些人通過AI做的應用是為了補償過去某個瞬間的自己。
OpenAI最近一次更新有“通過改進圖片識別的有效性，直接拉昇了LLM的有效性。”對於OpenAI一直有個印象：很擅長利用關鍵節點的改進，撬動改進的投產比槓桿，達到最大化改進效果，然後伴隨著行業紛紛參考後改進，逐漸成為標準的上游。
在AI大背景下，當一切都可以生成，做內容創作時旗幟鮮明地宣告No AI似乎是第一要點。觀Derek Sivers的宣告有感：“(Everything here is 100% me, no AI.)”
Yann LeCun 還參與開發了 .djvu 書籍格式，比PDF更小，更小體積，高解析度的掃描件。初版釋出於1998年。
《是 魏王》：魏國的架空，Yes Minister (是，大臣)的核心。
在AI時代，人的預設狀態：ADHD。短影片是上一個階段，所有支援短影片的應用都在幫你塑造被動ADHD狀態：30秒注意力，多動，然後在AI時代的這個階段集中爆發。讀徐小翔《35歲確診ADHD》有感。
Vibe coding普及的結果是，原本錢是持續訂閱高品質服務的，然後被抽掉，轉入了訂閱開發者賬號，然後自己捏製一個夠用的、高度定製化的服務。
為 Katsu 增加了網頁版的預覽：sheldonrrr.cc/katsu 。Katsu是一款可以在新開啟Chrome標籤頁的時候，顯示一句話的外掛。不知道你有沒有發現，佛典和大模型評論也有神似。
在靈感買傢俱樂部的群裡發現了這位創作者：Alex Hsu，因為他釋出了新書《人生也是一個遊戲：24個從遊戲中學到的玩家心態，幫助你面對拖延、自責、卡關與失敗》
一年一度的Zlib籌款又開始了
一名调度员处理数千个代理
Cursor的願景：Projects 和 third era 這篇文章合起來看，有兩個有意思的細節：
- 原來本地進行任務是預設選項，現在雲端處理是預設選項；
- 原來使用Tab進行程式碼補全的人數佔多數，現在直接跳過Tab進行程式碼補全的人佔多數。
Remote Device的確是可以幫本地的排程員掙脫開本地裝置限制的核心路徑。預設在本地就意味著機器必定是預設受限於當前32G或者64G的記憶體限制和10-100Mbps/秒的傳輸限制。本質上傳輸的限制更厲害，相當於一直是一個小水管，然後通過呼叫AI生成，接一小桶水的程式碼之後，再進行最終的本地分發和部署，實際上都切換到了遠端之後，只要能通過抽象層面的規則維護，就可以培育出來一套穩定的流水線覆蓋掉99%的重複工作內容。
许多顶尖的科学家每天真正高强度专注的时间其实只有3-4小时。达尔文10个孩子，每天固定两段高强度工作，其实时间散步、回信、和家人相处、午睡。庞加莱、哈代等数学家通常只在上午和下午各有2个小时去做真正需要创造力的工作，其余时间散步和运动。
在詢問優秀的科學家們是如何保證自己的時間安排有效和合理性的問題後，AI得出結論：保持连续的大块注意力投入的稳定性，才是创造力的来源。
所以有沒有一種可能，加班是現代人在基本作息之外為了獲取長時專注時間的 hack 手段？因為在日常工作和休息中，只要有溝通和會議，只要有需要與家人的共餐時間和養育責任，就無法產生長時的高強度專注——這些行為邏輯的核心是無止盡的依賴關係，當工具呼叫已經構成了一個無法產生沉浸心流的限制前提下，加班就能成為一個逃脫開限制的前置條件。
iCloud推送了 2026.09.14 的使用者協議，主要的更新內容是一份冗長的法律協議，提交給了AI，得出的解釋如下：
1. 明确 Apple Intelligence（AI 用量与限制）
加入 AI 条款：正式将 Apple Intelligence、Siri AI 以及由 Apple Foundation Models 驱动的功能纳入 iCloud 服务协议。
设立用量上限：明确指出部分 AI 功能和服务可能会受到用量限制（usage limits），为后续高频调用的限流或增值订阅铺路。
2. 品牌术语统一：Apple ID --> Apple Account
协议中全面将以往的 “Apple ID” 替换为 “Apple Account（Apple 账户）”。
3. 安全与端到端加密责任划界
高级数据保护（Advanced Data Protection）：开启端到端加密后，若丢失恢复密钥且无恢复联系人，苹果完全无法协助找回数据，协议明确免除苹果相关责任。
实体安全密钥（Security Keys）：支持 FIDO 物理密钥，同时声明若丢失全部密钥与受信任设备，账户将永久丢失且苹果不承担责任。
数字遗产（Digital Legacy）：规范了遗产联系人在提供死亡证明及密钥后的数据继承流程。
4. 存储超额与备份生命周期规则
超容量清理：超出 iCloud 存储配额时，苹果在提前 30 天通知后有权删除超额数据。
备份过期：设备若连续 180 天未备份到 iCloud，苹果有权删除该设备的历史备份。
5. 算力与基础设施成本相关的调价条款（部分地区）
细化了订阅费用调整的合规依据，明确将计算处理（computational processing）、云端基础设施、数据传输成本列为可能影响订阅价格的客观因素。
但是如果你只是勾選了勾選框，選擇了無視直接同意，這份協議承載的作用僅僅是滿足了法律層面的合規問題，而並沒有真正地達到通知使用者這些變動的目標。在這種單方面的持續後續協議面前，使用者很難有選擇權，也許只有靠歐盟魔法才可以破除掉這種惱人的協議困境。
我隱隱覺得應該直接拿退火演算法來指引人生決策，沒想到在翻看OpenCC維護者BYV的Blog中的這篇文章《在Google的這四年（四）》中又看到了這層人生演算法邏輯：破解這種局面（區域性最優但結果是普通的局面）的演算法之一是模擬退火。模擬退火演算法的理念是在初期引入隨機性，隨著迭代次數的增加而減小隨機因子，這樣最終收斂到全域性最優解的機率更大。跟隨這個理念來考慮職業的選擇，我決定跳出現有的路徑，哪怕是這個路徑的前方一片光明，現在只是為了體驗不同的選擇。
dps_build 能否找到工具，能否理解工具的執行原理，能否發揮出工具的最大化作用，能否繼續改造工具持久發揮出最大作用。現在作為使用者，能否找到工具已經完全被AI的調研功能打平了，而後者系列是決定能力棧是否能靈活擴充套件和被呼叫到最大化的基準評估線索。
因為做簡繁轉換的外掛，明白了不少字形之間的細微差異，例如今日的收穫：
| 字形 | 码位 | 说明 |
|---|---|---|
| 說 | U+8AAA | 台湾正体；香港手写教学表也常写这个 |
| 説 | U+8AAC | 香港印刷/电脑常用（OpenCC、维基词典、MediaWiki zh-hk 都这么标）；同时也是日文新字体 |
| 说 | U+8BF4 | 简体 |
早上睡不著，順著PyCon的線索翻到了伊洪的文章，講離職經歷
我本以為之前看到的藥房名字“大參林”已經是諧音梗絕唱，沒想到又遭遇到了一個新的品牌名“滿須福”。
李厚辰又上了不明白播客，裡面有個李解釋的環節叫“中翻中”（用通俗化的中文去翻譯中文語境下特有的名詞）很有意思。大概意思是李研究透了在中國政治語境下的名詞，而且在實際溝通中直接呼叫，當然呼叫的時候，就不免讓不懂的人產生了“這他媽的到底是在說什麼？”的感受。因此不免在每次呼叫的時候，都要帶上一連串的出處和解釋，被李戲稱為“中翻中”。那麼，為什麼需要“中翻中”呢？為什麼這種狗哨語言能盛行？這是一個很好的探索起點。
看到別人的一個經歷：
同事最近在面一些技術崗位候選人。因為現在基本上大家都會用AI，所以面試裡通常都會問到「你最近使用的模型是什麼」。
很出乎我們意料，很多候選人會回答「Claude 3.5」，而且這些人回答AI編程工具的時候也通常回答Cursor。
百思不得其解，直到試著豆包了一下「常用AI編程工具」和該工具中「常用的模型」。
這種恍然大悟我也經歷過多次，其實每個人是有著不同的隱形依賴關係的。一旦長期使用某個工具，就會不自覺地被工具所塑造，工具的邊界和資料的即時程度會不斷成為你的一部分。長期用百度，和長期用Google，是兩種技術的上游依賴選擇。
如果你對一個系統/產品用得足夠多，每個人都會找到一套摩擦力最小的用法。macOS系統中有很多處別出心裁的細節設計，例如圖片預覽的時候自動呼叫OCR進行識別，然後右下角的全部選中按鈕會在處理完之後出現。在開發者版本的更新中，我經歷了兩次，之後都是又加回來了。也許macOS的開發者需要增強下細小但重要的功能列表釋出前的測試和校驗流程了。
近期思考了下，有些方向確實沒什麼價值，關停下線了部分探索業務。似乎值得從Thiel的“實用主義”（Pragmatism）邏輯重新分析走查一遍既有的探索（也就是邊讀The Contrarian: Peter Thiel and Silicon Valley’s Pursuit of Power 邊問AI各種邏輯分析），然後回來再重新最佳化一遍手頭的所有探索型的事情。話說回來，凡是想通過AI的技術，折騰出一些事情的AI加持的開發天才們，看起來都充當了AI技術落地某個垂直細分場景，完成商業化的個體FDE（前沿部署工程師）。
查建英的《八十年代訪談錄》如果放到現在，就是一個系列的Podcast節目，直接放到YouTube上進行發行就可以。所以新出版的《國家公敵》（Enemy of the State）應該是類似的邏輯，只是內容和人物又變換了，視角和感受又更新了，寫作的大背景又迭代升級了。《八十年代訪談錄》的無刪減版的整理前的上下文寫得很有意思。
做工具產品應該不斷去塑造一種信任感：使用者願意一次又一次地去點選更新，而且更加願意且放心地去點選更新。
make-x-great-again 從luolei的專案中得到啟發：最輕量化的維護方式，維護一套公開的規則，過濾大管道路徑使用的噪音。這個產品的邏輯似乎跟查特皮皮雞的產品內在邏輯是一致的。
Side Project Saturday 業餘專案（Side Project）值得更好、更詳細地展示，類似Summer（產品設計師）的展示遠比這個專案中的其他人做得要好很多。做出來是一回事，講出來是一回事，真正推廣到市場上部署到使用者的手機中又是另外一回事。
local-first 最早得知Anton是通過一個被App Store推薦的專案叫TinyMac的Mac App，後來是一系列的在Mac App上面增加一層浮層從而實現基於原生系統應用嵌入層的開發。後來訂閱了他的郵件，還收到過他為了號召大家為烏克蘭捐款的對賭實驗（他會把能募集到的錢進行翻倍後，統一捐款給烏克蘭的慈善組織）。他一直有個不錯的習慣，就是通過blog積累人生信條和展示最新的產品，目前看起來也已經組織公司化。我想純粹的blog的一個好處就是這樣，你可以在瞬間突破需要寒暄的環節，直達他人展開自己人生不同思考瞬間的橫截面。
讀書（深入理解 AI Agent）摘要：要驗證每個元件是否都不可或缺，最直接的方法是消融實驗（Ablation Study）：就像醫生診斷時逐一排除病因——先去掉 A 元件看系統是否還正常，再去掉 B 元件，以此類推，從而判斷每個元件的貢獻。——看起來消融實驗和第一性原理有著一些類似點。
Agents Week 思維模式的轉變：給人用的介面設計 -> 給 Agent 用的設計（可以不包含介面，只包含必要互動和托底的措施），人的行為距離最前沿的執行一線越來越遠。
在ChinaJoy展會上參展的時候，發現推銷自家服務接入的態度有很大差別：阿里的人直接端過來咖啡到展位上，Minimax的人請教技術後然後溫馨提示多模態H3現在已經上線了，成本很低很值得接入。我不認為這樣的推廣是有效的，但是後期一旦出現了需要更低價格的接入，或者合規的處理上，更低價格的代理渠道就會迅速補上這個功能型的位置。
AI開發工具用習慣了，會覺得：如果下一次開啟應用（一般是24小時左右的週期），客戶端沒有更新，就會覺得目前產品的開發節奏可能太慢了。
讀書時通過AI問詢，這件事的本質上好像是：為不同的資訊節點增加相應的上下文資訊，以便讓區域性的資訊神經迴路走通，從而實現更大視野下的意圖。
由於一位熱心使用者的反饋，簡繁轉換經歷了一系列密集的更新週期，真實的反饋最大的好處是提升工具健壯性。
Lilian Weng是一個堅持公開寫作和樂意把工程中的問題放到更大語境中去討論的人，例如她寫的 Reward Hacking
Half a Second 書中出現的關於開源標準和軟體的比喻，在《無人建造的大教堂》章節中引用的另外的描述：“他們還描述了在這樣的結構下生活是什麼樣的。標準和基礎設施‘無論在我們的生活中多麼複雜，通常都是看不見的’，並且‘它們可能變得更加明顯，特別是當它們崩潰或成為爭論的物件時’（Bowker and Star 1999，2-3）。”想起來有人曾經評價開源軟體的一句話“最佩服那些搞開源（軟體）的，真的是一點都不考慮錢（收入）的”。 最早（Half a Second）
fanjinglian 學習和掌握任何一款工具，或者語言，或者技能，似乎都是在經歷一種曲線：在前半段，需要花費雙份的注意力，一份花在規劃（plan），一份花在測試驗證（debug）上；隨著後續學習者逐漸構建出一套控制和迭代工具，花在規劃的前置注意力會越來越少，在後置的內容享受上的注意力會越來越多。前置階段，摩擦力大，樂趣少；後置階段，摩擦力小，樂趣多，而且從前置階段到後置階段的過程是指數加速式的。
OpenAI基建(OpenAI infrastructure)文章中提及招募者篩選人才的標準：“極具創業精神、高度自主、有獨立見解且擁有極強的主人翁意識”——“我們現在只聘用這類人才。”(very entrepreneurial, very self-directed, who have their own opinion and really strong ownership,we only hire those people now.) 當整個行業處於一個出現問題的速度大於解決問題的速度，且所有人都預設大部分出現的瑣碎問題都可以被忍受的狀態下，那麼擁有元-自我實現特質（Meta-Self-Actualization Trait）的這群人必定會被推到由於資料洪流導致的基建缺失、構建大量基礎控制設施的第一線。
當你覺得TikTok，Rednote就是全世界其他人生活的狀態的時候，你就已經被鎖入到演算法深牆中，𝕏、YouTube也是。
日漫產品似乎是“丟擲壞的，留下好的，然後把好的最佳化到頂尖”的方向選擇。感受力和表達力極致，大部分情感內斂但又在人類對齊的道德規則框架下，做到情感創作探索的最前沿。スーパーカブ《本田小狼與我》也是一部可以穿越時間的作品吧。
今日隨機漫遊：從一個基於OpenWrt 的套殼介面專案 Neobird 跳轉到 LEDE 佐須之男 的LEDE 專案，從佐須之男的韌體開發歷程 跳轉到陳昊芝的 Cocos 商業變遷分享。“而作為 Cocos 商業模式“架構師”的陳昊芝，2012 年、2013 年每個季度都開啟了在微博上曬《捕魚達人》業績的節奏，換來了遊戲圈同行和投資人的震驚、不解、以及對《捕魚達人》背後 Cocos2d-x 引擎的注意力。”陳的做法與影視颶風曬收入的做法又何嘗不是一致的？陳用這個流量在引入和轉化為Cocos開發者使用者群體的增長，Tim把業務從TVC遷移到電商帶貨和娛樂內容的製作的新業務增長上。商業玩得轉的人，策略遊戲估計都會玩得不差。
在為 Chinese Conversion · 簡繁轉換外掛（for calibre）增加雙語展示的時候意識到，沉浸式翻譯的雙語可能是當時市場環境中翻譯類產品的核心差異點。所有的翻譯軟體對原文進行了一遍翻譯，然後輸出結果，這件事別的軟體都可以做到。但實際上，使用者需求層面仍然有一個問題沒有被解決好，就是翻譯結果仍然存在著大量的細節處理噪音，一旦遇到，就會丟失掉對於翻譯後內容的所有信任的基準點，比如典型的使用者抱怨，突然出現的一句不通順的翻譯腔詞彙，就瞬間很容易脫離開語境，被語言慣性的噪音所幹擾。沉浸式翻譯的解決方案是翻譯的時候，同時提供了一個保留原來上下文內容的方式-雙語模式，可能當時的市場供給方仍然是一片空白，而且作為使用者可能也是沒有任何預期或者更具象的產品想法，但雙語模式的確提供了雙重的資訊校驗和理解的工具。這就通過一個小改變和調整的方式解決了一個大摩擦：翻譯結果的輸出夠用就行（能質量再高一些就更好，但並不是剛需，是錦上添花），但是原始的上下文資訊則保證了一層隨時可以進行矯正的產品層面工具（是雪中送炭）。
讀書（深入理解 AI Agent）感受：如何能在技術受限的現階段去解決下一個階段中會大機率被解決的複雜問題仍然是有價值的。從解決路徑上積累的抽象邏輯和具象經驗是有價值的，只是這些具象經驗未必是能在下一個階段降臨的時候，直接產生100%增益效果的，這本書部分程度上就是這樣的經驗的分享。
潮汕精神的崛起。《梁文鋒四小時投資人會議實錄》
Half a Second 這本書看了個開頭，開始階段寫得冗長且鋪墊上下文過多。大概明白投毒者是怎麼樣的攻擊思路，利用無法經過開源社群的 review 地帶進行拉取，觸發的時候則是套了幾層故意迷惑的邏輯，可謂是用心設計了。結合最近這條新聞 Linux 一次修補 400 個核心漏洞 和 全球最大 AI 模型倉庫Hugging Face遭自動智慧體入侵，頂尖模型帶來的競爭優勢可能是全域性式的，而不是單點式的。而由於使用者對於模型的編排的依賴性，目前相互的防禦上，似乎存在著大量的安全空白。凡是依賴超過2層，package數量超過5個，基本上就構成了一個注意力解決的複雜度，更別提前置依賴超過幾百個的大專案工程。
鎮紙，專門做 reMarkable 的中文本地化，由於 reMarkable 核心是Linux，反倒是給了第三方開發者以更多自由的許可權去做。鎮紙的商業化也很討巧，花錢買reMarkable體驗的人，應該不會在乎多花￥599為自己的電子書硬體購置一套適配中文化的方案。就單純搞定配置下Linux下的中文輸入法，就是一件仍然挺痛苦的事。
Half a Second 關於軟體上游的xz壓縮軟體被投毒後被發現的過程。
如何跟隨上技術的變化：開源書籍。git clone 這本書有感：《深入理解 AI Agent：設計原理與工程實踐》 ↓下載
最近在處理一款OCR外掛的開發，結果意識到可能圖片轉文字，尤其是純圖片的資料化提取可能已經到頭了，因為目前Paddle 0.9b 的小模型經過好好打磨已經效果驚人。
不同代際之間的人群，工具、媒介、政治態度的預設選項都是不一樣的，所以為了更簡單地進行濃縮定義，00后，10后，20后就會像語言幽魂一樣定期活躍在語境中。
設計需要放大感官，開發需要強化邏輯。產品定義則需要反覆橫跳。
有段時間，我很喜歡AI從一個角度探討問題，“請通過大模型訓練的角度來重新描述這個問題或邏輯以及當前比較成熟的解法”。這樣的問法隱含了兩個前提：AI的原始資料中大機率會包含豐富的，前沿的LLM訓練的資料；技術中或生活中大多數疑惑都可以尋找到既定的抽象化邏輯來進行對映，從而啟發找到新的解決方式。似乎中國傳統知識分子大機率會在人生後半段開始探討佛家典籍也是類似的邏輯：從歷史到現在的大量既存資料中，通過語言本身就構建了一整套的描述工具，描述工具的不同版本又充分地對現實進行了對映，對映的時候，不僅有抽象化的描述邏輯，也有具象化的應用例項。這麼一想，美國法律中的依據既有判例裁判也是這樣的抽象化-約束應用方式。
GPT-5.4 mini：抽象工作不是在處理“事物本身”，而是在處理“事物如何被定義、分層、介面化、約束化”。久了之後，人會養成一種習慣：先問前提，再問結構，最後才看表面現象。
重新思考的迷惑性：有些問題並非是看似表面上關聯的邏輯原因導致的。
保持旺盛的創造力，離不開注意力的持續管理和自我肯定的強化。
是不是在最前沿的人眼中，世界周邊處處存留著舊版本？如果公司、制度、組織機構都有一個具像化的版本號的話，阿里的版本號可能是v5.738.3, MiniMax的版本號可能是v2.201.0。美國政治制度的版本號是v1.693.389。類似這樣。
Haiker.app啟發：AI在消費層面非常適合作為一個即時的直譯器和翻譯器，來充當資訊流轉的加速器。
Alternativeto比Product Hunt更好的地方是，利用Wiki+高度競爭關係資料的方式，解決了既提供有效資訊的價值，又為產品提供可見性的問題。至於可見是好是壞，使用者會說了算。Product Hunt上未必有人願意為競爭對手新增資訊，但在Alternativeto平臺上，估計大有人在。
App是一種更持久化的使用路徑的蒸餾。捷徑（Shortcuts）次之，快捷鍵更高頻次顆粒度更細。
Andrew Ng “100% of my tasks are now done by AI agents - hype has exceeded my expectations. Loops is next step.In 3-6 months, everyone will be using self-improving loops. No more prompting.” Cursor的新功能研究注意力要大於舊功能的使用了。
嘗試用MacStories出品的捷徑AI開發提示詞倉庫來進行了一次自動記賬捷徑指令碼的開發，痛苦無比。因為測試驗證的前置依賴項過於零碎，且必須滿足。目前的測試驗證環節的流程是：1. 從macOS的捷徑App匯入檔案；2. Apple會自動把macOS上匯入的捷徑指令碼自動同步到手機上的捷徑App中，同步會有一個小的延遲。3. 觸發使用了無障礙-觸控-輕點背面，必須要進入該設定項，手動重新選擇配置下觸發器，否則即使名稱一樣，但是原指令碼已經失效，新指令碼和舊名稱無法產生觸發。理想很豐滿：利用AI就可以開發出快捷的小指令碼來完成生活中的各種自動化；現實：你有10+依賴項要解決。
重啟最佳化和改造了Ask AI Plugin v1.4.5，目前主流的AI寫碼模型基本做到了指哪裡打哪裡，尤其是在1年前還比較頭痛的基於Qt的介面排版邏輯。如果能挫出來符合Boris君Boris Cherny提及的Loop Engeering，的確無需親手修改觸碰程式碼細節。這和3月5日，Chao釋出在美卡論壇上的文章擁抱黑盒：一個研究者 All in AI 的實錄與反思幾乎是一致的行動路線。人類幫AI解決的問題，大都是原來未被充分數字化的領域，或者是由於歷史原因增加了安全的鑑權邏輯阻礙了AI的操作許可權。
AI工具使用者的反向篩選機制是：如果你呼叫得不充分，和AI融合得不夠好，就會被反向淘汰。淘汰的原因是：你無法最大化調用出AI的能力，而不是你無法發揮出自己的全部能力。
在做簡繁中文轉換（for calibre）感受：其實文字從左到右的閱讀方式是一種神經科學層面的硬編碼（hard-coded）。神經路徑的可塑性導致了在閱讀場景下，視覺皮層、眼動控制和大腦的語言處理區域都形成一個高效的神經網路協同模式，因而切換起來會非常不適應。
假期，是一種極佳的對於習以為常的生活流（類似工作流）的重構機會。有精力和時間去思考一些更上游的問題，是一件挺奢侈的事情。
嘗試聽ChatGPT來唸一些語音的回答，發現引號並沒有做相應的閱讀處理，例如前置冒號會被讀作為“Open quote”（前引號），後置冒號會讀作“Close quote”（後引號），記得李如一在錄製播客的時候，會把兩個引號讀作“引號開始”、“引號結束”。這可以算是專為聽眾進行的TTS最佳化吧，通過人工的方式。
意識到經驗的傳遞，尤其是跨代際的經驗傳遞，直接的經驗同步是無效的，因為隨著時間點的變化，很多基於原有環境和前提的判定規則都是無效的，之所以還在傳遞，是因為這些無效的經驗無法得到實際的驗證，但在上一代際的腦袋中認定還是正確的。而真正有效的經驗傳遞方式是，思維框架、思考方式、判斷邏輯。這些都是抽象化的思維範式，如何建立起有效的抽象化範式，且隨著時間的遷移，範式本身還可以進行版本升級和邊緣情況強化，這似乎能形成針對思考模型的評判基準。怪不得芒格推崇構建“100個思維模型”。
習慣了AI原生產品的新版本節奏，你會發現在AI時代，舊有的App Store範式的稽核機制是拖慢產品的更新節奏的。就像是如果你在國內備案的產品數量過多，會遭遇備案數量限制一樣，我們本就是生活在一個多層級相互巢狀和形成相互依賴條件的複雜環境中。幾乎每天登入不同作業系統裝置上的Cursor客戶端產生了這種感受。
看到關於王登科/DK的這篇文章《他花兩天做的AI遊戲，月成本不到100元，卻讓玩家爭著燒Token》。其實他的blog就挺有意思，一直以來的第一人稱口吻，跨越了長時間的消磨。看文章有個感受：DK不缺錢，現在看起來就更不缺錢了。
今天是2026年高考的第三天(被糾正了，原來高考已經是3天，而不是2天），社會意義上跨入成年的國人又多出來了1290萬人。高考不應該是終點，也不應該是起點，應該把這個事件看作一個系統級事件。
NCA(神經元胞自動機)的研究看來能通過AI和大規模的計算機迭代升級來實現突破。讀公眾號追问nextquestion中的文章《生命遊戲2.0：當代碼學會“斷肢再生”，神經元胞自動機正在重演進》原文有感。
Midjourney的探索頁面像是在做一件反演算法的事情：展示沒有太多AI感的圖片生成結果。的確有很多人是比較反感AI演算法的生成物的，ta們管這些內容叫AI Slop(AI泔水)。那如果AI的確創作出來了一些動人的作品，又可以被叫做什麼？AI Art？這可能就完美解釋了為什麼那麼多人給自己冠上 AI Artist(AI 藝術家）的名號。
做成一件事的依賴前提越多，對於這件事的影響和控制力度就會越弱。通常來說，有很多前提都是隱性依賴，只有在處理的時候才會意識到依賴關係。所以，如果能有工具或者手段提供打破資訊不對等的穩定渠道，就會產生價值。
蘋果的使用者使用文件向來做得很好，伴隨著每年巨量的產品特性的更新和細節的最佳化，這些文件承擔了每次疑惑產生時候的第一道跳轉後的客服處理職能。前兩日翻到Microsoft Edge的瀏覽器外掛開發指引，第一反應是：唉，像是蘋果做的，但還不夠，截圖質量太差，有的截圖上面出現了紅色框，有的截圖上的解析度明顯與其他截圖不一致。對比之下，蘋果的截圖，保持了一致的解析度，沒有標註，甚至邊緣都處理為了介面出現元素的圓角邊緣，沒有帶有多餘的任何冗餘環境資訊。
Stanislas Dehaene的《腦與意識》提到：“在1990年，我們的頭顱變得可見起來。日本研究者小川誠二和同事們發明了功能性磁共振成像技術(fMRI)。”這個前沿技術的突破的結果是，大腦/神經科學的研究得到了一個神器，大腦內部的神經連線的視覺化能力得到增強。不知道在90-95年之間，腦神經科學的研究領域是不是有很多質和量的突破？
xAI高管在電話會議中用“逃逸速度”來定義公司的擴張節奏。這一源自天體動力學的概念，常被馬斯克用來描述旗下企業的發展邏輯：必須以不計成本的速度加速，才能徹底擺脫行業引力的束縛。——人也存在持續的“衰退引力“：當個體不再更新知識庫、收入結構、行業技能之後，個人進化的速度低於社會迭代的速度之後，衰退引力就會出現。
“一個團隊，核心的也就是那麼一兩個人。“從這個角度看，在一個小團隊中，缺少自驅動力的角色大多數都會成為核心角色的擴充套件代理（External Agent）。
遇到一個問題，花費同樣的時間，可以用笨方法，缺點是之後只能一直用笨方法，之後遇到了之後還是會消耗一模一樣的時間和精力；還可以用新方法，新方法的優點是，只要解決了，之後每次去解決消耗的時間就會被極大的縮減，但風險是可能探索耗費了同樣的精力和時間，但無法走通，只能轉頭繼續用笨方法。AI工具把後者的門檻降到很低。
因為搜尋Docx to Md發現了站點工具word2md.com的作者Ben Balter的一篇blog:The brag doc，講的是利用記錄日誌來降低存在主義危機。word2md 也是很討巧的做法，全部的處理都在本地，不會進行伺服器資料上傳，因此隱私問題會更少一些，使用的方式是：doc -> html -> md 的轉格式路徑。
Visa的交易系統成功構建了天量交易量的可信交易網路、五方支付體系（支付方、收款方、支付銀行方、收單銀行方、Visa中間人交易網路），淨利潤超過50%，遠超Microsoft，Google的淨利潤率，見Visa by Acquired。早在網路還不那麼成熟的階段就構建了東西海岸雙備份的容災機制。從這個角度去看，Elon Musk想要通過𝕏構建即時通訊工具，大概還是想要搞定流通中的支付場景，就比如𝕏 Money。
人在AI前面算不算一種膠水Agent？通過粘合不同的元件來構成解決方案，膠水語言（Glue Language）在某個成熟態的早期是常態。現在幾乎每個開發都會有不同的主力AI支援提供特定的能力，容錯性極強，甚至不要求API格式，提供托底處理方案，但解決了核心的生產MVP的能力，看到lex推文有感。
賣課一直都是一個不錯的生意，無論是針對平臺還是針對課程的製作者。對於個人要解決分發和付費牆的問題，最近得知熠輝通過FlowUs、Bilibili的賣課年收入接近100人民幣𝕏-Yihui。課單價是599元人民幣，有2300份的實際銷售，講的是Vibe Coding。
代際之間是有一些數字操作的痕跡的，就像是為了規避垃圾郵件，很多人在部落格站點上放帶#符號的郵箱，為爬蟲的自動化機器人增加一重摩擦力。在現在，似乎不存在這種風險，各大郵箱服務已經能攔截和過濾幾乎100%的垃圾郵件。雖然這個現狀前提變了，但人們的慣性還在往前走，那些沒有修改過來的#就是數字操作習慣的痕跡，帶有一些時代感的。就像是誰說在App中，個人開發者不能放置自己的微信號呢？Bayt的開發者就是一次很好的實踐。
ElevenLabs的圖示很有意思，是一個暫停鍵的ICON，又是從Eleven和labs抽出來的兩個l。
幸運是對於無法預測的成功結果的最好解釋。
和前老闆學會過一招提升描精確度的溝通技巧：只需要往一個物件上增加足夠多的標籤就可以篩掉很多噪音。這跟ChatGPT的不是...是...的AI感句已異曲同工之妙，都是二分法來提升資訊的精確度。
决策的错误前提可以用《九品芝麻官》中的一句臺詞來解釋用前朝的剑，斩本朝的官。
Vibe Coding （氛圍程式設計）到底哪群人最受惠？和做技術的人和純粹不懂技術但是有需求的人交流了下，發現這兩群人都不是目標，真正的目標是產品經理這樣的技術邊緣人。因為對於不懂技術的人來說，門檻太高，無法自行解決基本Init（初始化）問題。對於中高階技術人群，氛圍程式設計的大量Harness（韁繩）最佳化之前，有心理負擔和持續不對等的投入產出不對等摩擦力。例如對於OpenClaw，很多技術人的第一反應是：反應太慢，控制太不精準，耗費Token過於浪費。
MiniMax釋出10x Team招募要求。終於，前沿部署工程師（Forward Deployed Engineer，FDE）崗位的有效性的傳播從Palatir到Claude向Shopify派FDE Delta，再到Minimax招募10x Team成員(由於靈活度，可以是Palatir的 PDE dev，也可以FDE Delta），在AI時代完成了高效能職業的裂變落地。
想到佛教中講的因果，可能最直接的解釋是：人勢必要為每個決定付出代價。這套邏輯反過來也要求人主動成為那種願意為每個決定負責的人。誇張點說就像，你不能因為衝突就突然按下核彈按鈕，然後輕飄飄地說一句：Oooops，不好意思。使用Selfcontrol觀感。
TRAE的推廣咖啡是星巴克最便宜的美式，但卻獲取到了超過瑞幸的品牌溢價。瑞幸咖啡=千問，TRAE=星巴克。喝了TRAE的美式，驅動直接產出了一款Android應用，通過gofile.io直接下載安裝。一代人有一代人的雞蛋要領。
使用智識上超越自己的作品時，你會知道，有位智識或能力遠超自己的人，為了讓這條途徑走通，徹底想清楚了這件事，而且把鏟子已經做好就位，隨取可用。
如果 80% 的邊緣情況是一份髒活，為了塑造一款產品來獲得收入或者其他收益，從交易的層面來看這是一個不對等的交易：你願意花費近乎無限大的成本來換取一個你想要的結果。
GitHub 作為日記的儲存，可以幾乎永久免費地進行歸檔和提交。
上海稅務局做了一件挺酷的事情：搜尋相應關鍵詞即可搜到一份線上 PDF 規則文件，區間收入加納稅比例，清晰明白，最短路徑，URL 可以傳播。上海稅務局個人所得稅稅務表