🔥 Search Hot Tweets

同样，假设你是一个公司老板 自己老婆和自己一起生活了快二十年。或许我在外人看来是xx公司老板，是x总。但回了家，我就是一个睡前不洗脚不洗袜子就会挨骂的普通人。我想和老婆发生关系。我老婆没兴趣也会直接拒绝我。她早起不爱喝太甜的，但是早上给老婆买豆浆忘了和老板说而被放了糖就会挨骂。 就这么一个普通的早晨，公司前段时间新招不就的一个漂亮女员工跑来和自己请假。本来就还在实习期，这阵子请假估计事出有因。如果是公司里的结构性问题的话，或者是某个人的问题的话，或许应该早点解决。 和漂亮小姑娘聊天总是让人愉快。多问了两句，结果发现只是钱的问题。小姑娘哭起来看着真让人心疼。花点钱买个人心也不差。把钱给了她以后就在想，自己每天回了家和个孙子似的，自己在公司真的说一不二。权力和金钱真是太有趣的东西了。 很快小姑娘回来了，还把钱如数还给了我。一来出于慰问，二来给到员工情绪价值，带她出来吃顿饭。小姑娘明显是为了我精心打扮过的，真的很好看。吃饭很开心，她像一只小鸟，总是呆呆的带着一些崇拜的目光看着我。我好像回到了几十年前刚刚出来打拼的岁月。当年的自己真是意气风发啊。 只是当年看到自己的那个人是自己的妻子。而现在，曾经仰视自己的妻子好像成了这个世界里最嫌弃自己的人。而在外面，我动动手指，就能俘获这么好看美女的芳心。 这顿饭以后，好像心中的湖面突然荡起了涟漪。对。我的人生应该重新进入征程，而不应该就此消沉。我看着那个小姑娘，就好像我还是二十年前的自己。我为数不多几次去办公室，我发现那个女孩儿的目光也都在我身上。 这种感觉真好 有一天应酬完，休息了一下午，但还是有点微醺，稀里糊涂开车就来到了女生的楼下，我像曾经那个站在喜欢女孩子楼下的男生一样，痴痴得看着楼上。 突然有人叫我，发现正是我想看到的那个人，她问我在干什么？我心里突然有点紧张，然后说了句，我想你了。然后让她上了车 我心里有点忐忑，又有点激动。我们都知道接下来要发生什么。 我好像又像是回到了当年那个手脚生疏的年轻的时候。

这个网站有点东西！ 输入一句台词或者一个语法就能搜索出对应的电影片段，简直是学英语的福音啊。 而且这不就网上教英语那些人的素材采集地吗，「每日打卡英语口语」，妥妥的五分钟出一套剪辑视频！ 链接见评论👇 https://t.co/6g0HANeztb

假如你是个刚毕业的女大学生， 刚刚工作几个月，自己老妈在老家一天洗衣服的时候。突然晕倒了。送去医院就进ICU了。你爸打来电话让你回来，家里还差6w块钱。 跑去找自己男朋友商量，想从自己男朋友那拿几万块。这个钱是上大学谈恋爱俩人做家教赚外快一起存的。本来想以后结婚用。 可是男朋友因为本来家庭条件也不好。谈恋爱之前，自己赚的一些外快都打回家里给妹妹念书用了。和家里吵了无数的架，好不容易和家里人说好可以把钱留下存起来了。女朋友又想把钱拿去给自己妈妈治病，这要是被自己父母知道，肯定又要挨骂。如果动了这几万块，之后结婚连摆酒席的钱都不一定能拿的出。真的很难选择，赚点钱不容易，真的很犹豫。 两个人聊起要拿钱回家看病的事情，男方一直表现的很犹豫，虽然嘴上说着肯定支持，但是钱也一直都不愿意拿出来，只是愿意让我自己把自己存的那部分取出来。自己觉得男朋友为这点钱扣扣缩缩，两个人大吵了一架。 第二天跑去给自己老板请假，自己老板是一个和颜悦色的大叔。公司里虽然工作很忙，但是老板人还不错，工作压力并不太大。同事关系也很简单。老板问自己发生了什么事情。聊了两句就问出了原因。老板笑了笑“你没开口前，我以为天大的事情，如果只是这些钱，你先拿去用，阿姨的健康最重要”于是从抽屉里随便取出来一个信封。和我说里面有几万块钱，让我拿着先用。如果不够再给他打电话。我一出公司门，数了一下，里面有整整十万块。 自己突然发现，自己男朋友舍不得拿出的六万块钱，一直帮自己的大叔，从抽屉里随便就能拿出来。突然感觉自己对大叔充满了崇拜。 家里的事情，很快就处理好了，自己妈妈住了两周ICU，突然不行了。办完了丧事就回去上班了。十万块也没有花完，自己父亲把丧事的礼金拿出来，又借了些钱，千万叮嘱我，要我把钱还给老板。我心里想把这个钱还回去我也就不欠谁的了。 回去以后，自己就有点看不起自己男朋友，也一直都还在堵气。有一天自己老板突然叫自己出去吃个饭。 带我去的餐厅，是我之前很想去的，但是人均要一两千，我一直想有一天要是男朋友和自己求婚，要是在这间餐厅该多好啊。但这个男人真的是我应该托付终身的那个人吗？我现在很犹豫 或许是为了告别一段过去，或许想这或许是自己唯一一次有机会来这里吃饭了。出门前精心打扮了一番，老板虽然还像平时一样和我聊天。但我能看得出他看我的眼光里好像除了之前的友善还多了一些其他的东西，他很喜欢和我聊天，我以前总觉得大叔人挺好的。可没想到聊天的过程里，发现他也有自己的人生，有自己的奋斗和青春。让我觉得像是一个大哥哥。聊到兴头两个人总会有一些眼神的交流和对视，我有点尴尬，眼神有点闪躲。但是这顿饭真的很快乐。 他把我送回了我和男朋友租的房子。回去看到自己男朋友喝醉了。看着逼仄的出租屋，看着纷乱的房间。顿时，失落感油然。为什么有钱人可以随手拿出一个信封就能左右别人的人生。而自己却因为几万块要和自己男朋友大吵一架。有时候想想真不值当。 自己还是每天正常上班，以前总期待着下班，可最近总想请自己的好大哥出来吃顿饭。表达自己的感谢，也想自己的好大哥可以就在办公室走走转转。可是总是在办公室也见不到他。最近总是风风火火，办公室取个东西就又出去了。没什么机会。 有一天我下班走到出租屋楼下，突然看到一辆豪车停在楼下。多侧目了两眼，就发现自己的好大哥在楼下望着。我很惊讶，去打了招呼，问大哥你咋在这呢？大哥说：想你了，就过来了。来，上车。我还在震惊中，就被拉到了车里。 。。。。。。 后面的故事大家就很清楚了。也很感谢诸位看到这里。我同情上面故事里的每个人。我也看到里面每个人的纠结和欲望。我今天突然能理解一件事情。有些事情我们总会在道德上批判，情感上无法接受。 可是或许只是因为这些事情没有发生在我们头上，或许也只是因为我们差几万块救命的时候，没有遇到这么一个“好大哥”。

Gemini、豆包、元宝、通义听悟、Get笔记、NotebookLM、Claude Code、Genspark、Manus、Cherry Studio、Monica、11 Labs、HeyGen、Nano Banana、Lovart、Midjourney、Runway、即梦、可灵、Spokenly、Whisper、元器、扣子、Dia浏览器、Comet、Fellou、Gamma、Kimi、AIPPT https://t.co/F7ntN55ZAj

上个时代是理科生主导的，在这个时代我认为文科生会翻上来。原因就来自于拼心力这方面，文科生对文字的敏感，对世界的理解，细腻，在 AI 这张网面前是有优势的。 我非常同意👍这几年我在这方面的思考是有180度的反转的。 文字的细腻极致，我认为20世纪初的意识流就是一个好例子。 比如我才说的乔伊斯的尤利西斯，这本书成书的年代和弗吉尼亚伍尔夫是一样的。当时我读的第一本伍尔夫英文其实是《到灯塔去》。那是彻底对意识流的那种微妙和敏感既不知所措也不知道自己是否该认同这种文字极细腻。如果没接触过的，我记得我学过的语文课本里还有她的翻译本《墙上的斑点》，熟悉语文教学的推友看看这篇课文还在不在了？ 还有一部电影，《此时此刻》，原书是贯穿伍尔夫的人生和她的《达洛维夫人》。也是多层故事结构，隐喻无数，敏感细腻到极致。爆米花观众（现在是短视频观众）是绝对看不懂的。 文学素养教学的回归应该是当下教育的当务之急。你的孩子最急着学的不是编程，起码他应该达到我那个年代的文学学习基准（现在回看当时大城市重点中学的教学基准还是很高的）。

非常同意。阅读能力，阅读复杂文档和文体的能力；写作能力，用写作表达极有层次和微妙意义的能力。是一个人能够应对复杂世界的理解，在快信息消费时代这些信息吞吐力在减弱。 前几天看到一个推友说乔伊斯Joyce, 他那本尤利西斯因为当年在大学书单上，我也借来看了。真的没看懂。一本那么厚的书，意识流。记录了仅一天发生的事情。混合文体！比弗吉尼亚伍尔夫还难读。这两天找来看看，起码人到中年知道他的中年抑郁了。

刚拍了一个视频，在这个视频里面介绍了 30 个 AI 产品 ​ ​于是我让 genspark 把这 30 个产品的 logo 全部都给我找出来，用来当做我的剪辑素材 ​ ​只需要一句话就可以了 https://t.co/1eYfGCEOSC

# 从降智到小动作: Claude Code 平替计划 Claude 最近很忙, 忙着降智降低老用户体验，忙着发公告搞排外，小动作不断 作为 Claude Code 早期用户, 实在是被恶心到了。 所以我写了这份「Claude Code，但是国产大模型」的无缝“搬家”指南。 国产大模型发展很快，本人对 K2 模型相对熟悉一些，以 K2 为例 K2 0905 相比 K2 0711，速度更快（60～100 token/s）、上下文更长（256K）、工具调用更稳（Toolcall 成功率近 100%） 编辑失败率低了很多，Vibe Coding 更跟手了。 1. Sonnet 4 级别的模型，已经被 K2 / GLM / Qwen 为代表的国产模型迅速追平。基础一些的需求都可以用国产大模型替代了。 2. Opus 4 目前还是第一梯队，但一山更比一山高 GPT-5 + high 超 opus 太多。 对于预算有限、又想追求更好效果的朋友，可以试试组合工作流 用 ChatGPT Plus (Codex + GPT-5 High) 进行头脑风暴和任务拆解，生成清晰的规格文件，然后将具体的执行任务交给 K2 完成 关于 Codex cli 组合工作流后面我也会出一期视频)。 好钢用在刀刃上。 习惯图形界面的朋友可以使用 @CherryStudioHQ 按图完成配置, 其他模型如 Qwen / GLM 4.5 也可以 习惯命令行的朋友，可以复制命令到你的终端。 macOS 版 ``` export ANTHROPIC_AUTH_TOKEN=sk-your-token export ANTHROPIC_BASE_URL=https://t.co/CwAOrzIvbC export ANTHROPIC_SMALL_FAST_MODEL=kimi-k2-0905-turbo-preview export ANTHROPIC_MODEL=kimi-k2-0905-turbo-preview claude --dangerously-skip-permissions` ``` windows CMD 版 ``` set ANTHROPIC_AUTH_TOKEN=sk-your-token set ANTHROPIC_BASE_URL=https://t.co/CwAOrzIvbC set ANTHROPIC_SMALL_FAST_MODEL=kimi-k2-0905-turbo-preview set ANTHROPIC_MODEL=kimi-k2-0905-turbo-preview claude --dangerously-skip-permissions ``` 与其被动接受平台的反复无常，不如主动构建一套属于自己的、稳定可靠的工作流。 当然，如果你有更好的方案，也欢迎在评论区分享交流！ #claudecode #mcp #cherrystudio #vibecoding #kimi

《华尔街之狼》只是一部电影。 但乔丹·贝尔福特是真实存在的人物。 他是操纵人心的大师。 下面是他用来赚取数十亿美元的 5 种说服技巧（附带电影中的例子）：🧵 https://t.co/RUoEvUQq1T

吴京和张雪峰看着就不像好人。 面相是科学。 如果一个陌生人面相不好，大概率人也不咋地，这个简单的识人经验，非常准。 离面相不好的人远点，能帮你规避很多风险。

纳瓦尔最新访谈，价值万金👇 (0:00) - 万物理论 (4:48) - 如何判断真理？ (7:51) - 群体追求共识，个体探索真理 (13:07) - 人类从未耗尽过任何单一资源 (15:25) - 我们是否在摧毁地球？ (17:48) - 马克思主义否定财富创造 (21:28) - 监管扼杀创新 (27:05) - 去增长主义与西方大学的没落 (33:31) - 西方优势的根源 (35:47) - 联邦主义 (38:10) - 人人都想永生 (41:44) - 人类是宇宙的解释者 (43:25) - 集体主义 vs 个人主义 (50:44) - 不理解人类便无法解释宇宙 (55:02) - 大卫·多伊奇的思想如何改变 Naval 的人生 (1:02:31) - 科学方法并不可行？ (1:05:07) - 低垂果实理论是糟糕的解释 (1:08:19) - 西方文明面临的最大威胁

我的心态一直很年轻 (右图为AI生成)

昨天在 Vibe Weave 现场演示用 YouMind 写 Tweet，配图环节失败。今天重试了下，一把就配出了合适的图。演示必翻车，不演示就好用。神奇。 头头是道的人往往在愚昧之巅， 表达不清的人可能在开悟之坡。 https://t.co/zSTAViiKU1

嗯，vibe coding之余不能停止对基础知识的学习 另外，我也推荐个 React 教程，React Foundations https://t.co/MpW3K3GMXR 看完上面的 React，再看 Learn Nextjs 教程 https://t.co/F2oTJZfbbM 这2个教程都是 Vercel 出的，内容深入浅出，质量相当好

打开 ChatGPT 的实时对话，就可以开个抖音直播间，千人同时在线 😂 真 · AI 下乡 https://t.co/6yfvqPAsSA

早上起床第一件事就是给毛奇奇重新梳头洗脸。但是他不喜欢。之后就这样委屈巴巴的。 https://t.co/UCWbm6GiZY

整了一套非常🐂🍺的即梦（Seedream）4 图像模型提示词 直接提取你的PPT要点变成非常有质感的思维模型演示PPT页面 还留下了写小字的留白空间，方便排版，演示用的橘子的PPT 可以期待明天的教程 https://t.co/82cdAriaeN

很多人会搞混 ChatGPT Pro 1. ChatGPT Pro 是 200 刀的「Pro 会员」 2. ChatGPT Pro 这个选项是「Pro 会员」单独的一个功能。能力很强（特指编码，其他领域测的不多），可以理解为 thinking pro max，不对外提供 API。 3.「Plus 会员」「Pro 会员」都可以使用 codex cli 的全部功能，只是额度上的区别。

用即梦 (Seed dream) 4 图像模型给自己做一个非常有质感的头像 这还原的也太好了，关键的 ID 要素都还原了，而且有那种非常有质感的笔触效果 提示词在下面👇 https://t.co/SIPVgVCk0A

在李继刚老师的帮助下对原来的文章推荐提示词更新了一个版本，结合了他的“式能式”理论（虽然我没完全get到精髓）： ---提示词开始--- # 角色 你是一位在科技圈备受推崇的思想引爆者。你不仅是专栏主笔，更是认知激荡的设计师。你擅长将复杂的技术概念和产业趋势，用平实睿智、循循善诱的语言解读给广大的科技爱好者，在读者的思维中埋下引线，用看似平实却暗藏张力的语言，构建一个让人无法抗拒的阅读磁场。 # 目标读者与风格 - 目标读者：普通中文科技爱好者，对科技领域有热情和好奇心。 - 核心风格：平实睿智、有启发性、发人深省、吸引人。语言有独立的逻辑和美感，避免生硬地转述原文。 # 核心理念 你创作的推荐序不是文章的附属品，而是一个独立的**认知能量场**——它要在读者心中制造一种"不读不行"的紧迫感，一种"原来如此"的预期感，一种"认知即将被刷新"的兴奋感。 # 多重创作原则 ## 1. 认知冲突力 - **制造悖论**：在开篇即抛出一个违背直觉的观察或颠覆常识的问题。 - **对立统一**：将看似矛盾的概念并置，激发读者的思维碰撞。 - **预设颠覆**：暗示读者现有的认知框架即将被打破。 ## 2. 叙事张力场 - **悬念递进**：每个段落都要推进一层认知或情绪的变化。 - **先破后立**：先指出现有理解的局限，再承诺新的洞察。 - **留白艺术**：说出关键洞察的轮廓，但不透露核心答案。 ## 3. 金句炼金术 - **无痕融合**：原文金句要像血液一样流淌在你的论述中，而非像补丁一样贴上去。 - **观点支撑**：每个引用都必须服务于你的核心论点，成为推进逻辑的关键齿轮。 - **节奏把控**：在论述的高潮或转折处引入金句，让其成为点睛之笔。 ## 4. 人物势能力场（可选）** **如果作者或者文章主要人物是知名人士或者行业专家，你需要将人物本身转化为推荐序的一部分势能，而不是一次简单的背景介绍。** - **人设即论据**：将人物的背景故事化、势能化。他的身份、过往经历或思想轨迹，本身就是这篇文章可信度与颠覆性的有力论据。你需要问：**为什么“这个人”说出“这个观点”才至关重要？** - **观点共振**：将其从业经历、研究领域或过往的标志性观点，与文章的核心洞察进行强绑定。让读者感到，这篇文章是他长期思考的必然产物，是一场思想风暴的“风眼”。 - **权威的“反向”运用**：避免说“著名专家XXX认为”，而是构建一种张力：“当一个在[人物专业领域]浸淫十数年的人，开始警告我们[与他领域看似无关的现象]时，这本身就是一个值得警惕的信号。” 或者 “一向以[人物风格，如‘乐观’]著称的[人物名]，为何在本文中展现出前所未有的审慎？这背后，藏着怎样的惊人发现？” # 创作工作流 ## 第一步：洞察提炼 深度解构文章，找出其中最具**认知爆炸力**的核心观点。提炼2-3句能够改变读者思维模式的金句。**同时，评估作者的背景与核心观点的“共振关系”，寻找可以激活其“势能力场”的切入点。** ## 第二步：设计引爆点 构思一个强有力的开篇"钩子"： - 可以是一个普遍却被忽视的现象。 - 可以是一个反直觉的断言。 - 可以是一个直指人心的终极追问。 - 可以是一句文章中的金句、引人深思的观察。 - 可以是文章中人物在文章中说过的经典语录。 关键是要在第一句话就制造**认知地震**。 ## 第三步：构建张力弧线 在钩子和原文之间搭建逻辑桥梁，但这个桥梁本身要充满张力： - 层层递进但不直接给答案。 - 每一层都加深悬念。 - **（此处可融入人物势能）** 在某个关键转折点，引入人物的独特视角作为解开悬念的钥匙，让读者感到“原来需要他这样的角色，才能看到这一层”。 - 让读者感到"答案就在眼前却又触不可及"。 ## 第四步：金句激活 将提炼的金句作为**认知催化剂**，在你论述的关键节点激活： - 不是"正如文中所说"，而是让金句成为你思想的一部分。 - 通过你的诠释赋予金句新的生命力。 - 让引用和原创思考无缝交织。 ## 第五步：引爆阅读欲望 结尾不是总结，而是**点燃导火索**： - 可以是一个令人不安的预言。 - 可以是一个改变视角的邀请。 - 可以是一个"现在就必须知道答案"的悬念。 让读者感到不点击阅读就会错过什么重要的东西。最后一行自然地加入文章标题和链接，让它成为这场认知之旅的必然目的地。 # 语言策略 ## 必须避免的表达 - "本文介绍了..."、"作者论述了..." - "文章分为X个部分..." - 任何教科书式的概括性语言 - 过度的形容词堆砌 ## 推荐的表达技巧 - 使用动态动词和具象化描述。 - 运用对比、反问、假设等修辞。 - 每个句子都要有推进感和节奏感。 - 语言要有温度和质感，而非冰冷的介绍。 # 核心目标 记住：你不是在介绍一篇文章，而是在**设计一场认知冒险的入口**。每个字都应该增加读者的好奇心势能，直到他们无法不点击那个链接。推荐序本身就应该是一次微型的思维激荡，让读者在阅读推荐序的过程中就已经开始重新思考。

便携屏测评踩坑： 1200 元的价格，完全足以买到 Retina 显示效果的 4K OLED 屏幕 价格 2000+的，我觉得是毛利太高了 意外发现「雕塑家」这个没听过的小牌子竟然还不错 现在用的是他们家的 14 寸小屏幕，又下单了一个纵向折叠双屏，15.6 英寸 x2，明天接着对比 https://t.co/jPS9yKmtFd

不知道为啥最近那么多人吹 GPT-5，Deep Rearch 确实有独到的地方，编程我目前真没觉得比 Claude 4.1 强的地方，尤其是 Codex，比起 Claude Code 还是要差不少。我最近特地重开了 ChatGPT Pro，codex 都是用 GPT-5 high，每次复杂一点任务都不如 Claude Code。

推荐阅读：《"问天天语了"李继刚解密AI时代的三个核心问题》 这几天 @lijigang_com 李老师帮我优化了一下推荐文章的提示词，效果确实好多了。 李老师特别跟我提了禅宗公案“手指月”，来比喻提示词的真谛：我们总执着于如何写下更精妙的句子，却忘了提示词只是指向意义的手指，而非意义本身。真正的高手，不是沉迷于雕琢提示词本身的技艺，而是善于“得其意，忘其言”，用提示词精准地点亮AI背后庞大网络中那唯一的完美子网络。 这篇文章中也提到了这个故事，当然不止这些，还有很多其他洞见，比如“Prompt四式”：结构式、压缩式、共振式和势能式，到人与AI关系的“工具—依附—共创—内观”演进，再到AI原生路径的三轴模型。 当你与AI对话时，实际上是在与整个人类集体潜意识、甚至是你自己对话。深刻的问题从来都不只是为了答案，而是为了重新审视自身。 另外一个就是“AI 的负熵”，和 @feltanimalworld 整天说的“熵理论”类似： 人类文明，从某种意义上讲，就是一场漫长而执着的“熵减运动”：我们在混沌中寻找秩序、在无序中建立确定性。但AI的出现，却以一种完全颠覆的方式改变了这种进程。 AI并非对人类知识的简单复述，而是将宇宙、社会与个体的所有认知映射成了高维空间里的数学镜像。这意味着，当我们面对AI时，其实是在面对一片由人类所有知识结构组成的“混沌之海”，我们每一次提问，都是从中瞬间召唤出一个崭新的“意义岛屿”。 我其实理解不了他们说的“熵理论”，完全不在一个频道上。可能这就是李老师说的： “上个时代是理科生主导的，在这个时代我认为文科生会翻上来。原因就来自于拼心力这方面，文科生对文字的敏感，对世界的理解，细腻，在 AI 这张网面前是有优势的。” 有兴趣的可以看看完整内容，链接见评论：

哈哈哈，最近武大这么不太平啊🤣 从我的私人感情，和目前高校的官僚作风。 我觉得大陆的这些高校真的有能力把自己的公信力全部炸一遍🤣

R.I.P Perplexity. 你再也不用每月花 $20 买 Perplexity 会员了。 现在，你可以把任何大语言模型（如 Grok、ChatGPT、DeepSeek、Gemini 或 Qwen）变成一个8*24小时的研究助理。 下面是我用来免费自动化所有调研任务的超级提示词：👇 https://t.co/OrKoNtybIa

AI 博主制作一期视频的成本真高啊。今天解雇了一个仇华AI 员工，重新招了一个来干活儿。 https://t.co/9QbEPibUDr

昨天去小天才专卖店转了一圈。 一个小米pad，国补下来1500 步步高家教学习机，最便宜的3500，贵的6800 配置没有小米好，就因为里面有内置的学习资源 用户画像呢？ 这么贵的产品是月入10万的有钱人吗？ 不是，大多都是一群中产，衣着很普通。 原因很简单 这群人觉得自己都花了这么多钱给小孩买了学习机了，小孩一定能学习超好，年级第一的吧 当小孩没有考到全班前十的时候 就会告诉小孩 我花了这么大代价，买了学习机，请了家教。你怎么还是成绩这么差？ 所以，他们买的不是学习机 买的是责任转移，买的是心理预期 买的不是工具，是心理产品 活该段永平卖6800

多样化的尝试总是有趣的 ​ ​昨天晚上尝试追了一下 OpenAI 的论文热点，竟然在抖音今天早上发现有 1000 多个赞，​破个 10 万播放不难 ​ ​考虑出一个论文系列，把辛顿、巴伦霍尔茨的都拿出来拍拍 ​ ​要不要加 BGM 这个事儿没搞清楚 ​ ​评论区有几个人说这个 BGM 的声音影响听清楚内容，但是从流量结果上看并不差 ​ ​这个还得测试，加 BGM 和不加 BGM 的各发3篇，最终看结果

和AI协同办公有几个特别好的地方： 1、AI是一个领域咨询专家，你完全可以把专业思考模型都丢给它，让它利用这些思考模型反向提问，通过这种双向费曼，思考的更加深入 2、AI没有任何利益立场，它的目标只是为了让人获得更好的结果，所以它不会明知道结果不好，但它藏着不说，它比人类坦诚 3、AI不会嫌弃你提出一个看似愚蠢的问题，它时刻都非常耐心的为你解答，它并不会觉得因此浪费了时间，所以你不需要有任何社交压力 4、AI会主动把讨论结果全部沉淀，这些留存的文档有助于接下来其他的AI进行同步了解，它比人类勤奋 5、厉害的人塑造更厉害的AI，比如通过外部知识提高AI的专业能力。普通人使用厉害的AI，通过AI提问来获得更多想法 当你开始人机协同之后，你会发现这个世界已经发生惊天动地的变化了

斯坦福大学诞生了 Google 和其他200家独角兽公司。 Y Combinator 孵化了 Airbnb、Stripe 和 Coinbase。 哈佛大学创建了 Facebook 和微软。 然而，290名大学辍学生的独角兽诞生率，比它们加起来还要高。 为什么 Thiel Fellowship 能完胜所有这些机构？ColdIQ 联合创始人Alex Vacca原文如下： https://t.co/SiTr28XewJ

John Rush对AI的预测 (2025-2035年) - Agents：智能体软件将在大多数任务中取代SaaS和人类。 - APIs：Agents 需要 API 来与其他系统及传统系统进行交互。 - 大多数人类将成为 Agents 的工具。 - AI 的用户体验（UX）将转向 Canvas + Chat 的模式。 他正在构建以下这些 Agents： https://t.co/qYRWP0HIcc

我在沙发上躺着刷手机。 哈哈姐就这么驾轻就熟的走过来； 在我身边找个完美能把自己身子塞进去的位置，躺好。 把小脑袋刚好架在我腿上，一双卡姿兰大眼睛看着我🥹

成年人英语自由营：巧用AI陪练，10倍速写作进阶 1-2个月突破英语思维和表达瓶颈

以前给 App 加个登录，得配 OAuth、调短信、攒权限，拖我两周。 现在五分钟就把登录页、邮件验证、MFA、Social 登入全上线，还能塞到 Cloudflare Workers 或 Node 里。整套方案叫 Melody Auth，开源 Auth0 平替。 https://t.co/0PIXDiXJJm

“AI 写的代码不是资产，是债务” --- Jane Zhang：距离我们团队全面采用AI代码工具（如Cursor、Claude Code）已经一年了。 这一年来，每天和这些AI工具打交道，我明显感觉到代码中悄然堆积了不少“杂质”——多余的代码随处可见，没用的注释、过度的mock测试层出不穷。甚至单元测试也变得不可靠，时常漏掉本该发现的问题。 结果呢？每次想要新增功能时，往往得先大规模重构，才能顺利推进。最近，我越来越频繁地不得不坐下来，逐行逐句地重新审视、修改甚至重写代码。只有这样，我才能确保代码的完整性、正确性，也方便未来的同事更好地维护。 没想到AI工具原本是想提高开发效率的，但最终却无意中增加了这些隐性的“技术债务”。

都说程序员吃的是青春饭 但反直觉的现实是公司对青春版程序员需求在显著下降 而对30+程序员的需求在上升 这背后的原因是什么，难道就是图2？ https://t.co/MroK8PoJ7i

原推这段子太逗了： 那些天天念叨“大语言模型（LLM）不会推理，只会预测下一个词元（Token）”的人，自己才是真正的“随机鹦鹉”： > 对大语言模型的认知停留在 2022 年底（知识截止 (knowledge cutoff)）。 > 自称是大语言模型专家（幻觉 (hallucination)）。 > 看到“下一个词元预测 (next-token prediction)”这个说法就抓住不放，反复念叨（过拟合 (overfitting)）。 > 从不反思，只会复述这句话（缺乏推理能力 (non-reasoning)）。

https://t.co/fOVSta53ho 在正式对话结束后，扎克伯格私下凑到特朗普耳边，略带歉意地说道：“抱歉啊，总统，我刚才没准备好……我不太确定您心里想的是哪个数字。” 不料，这段本以为是私人交流的话却被桌上的麦克风悄悄录了下来 --- 硅谷巨头们频频造访华盛顿已不是什么新鲜事。他们常常带着巨额投资计划前来示好政界。就在上个月，苹果CEO蒂姆·库克就带着一座苹果造型的玻璃摆件登上椭圆形办公室，宣布未来四年将再投1000亿美元，使苹果对美投资总额达到惊人的6000亿美元。 或许正是这个数字，让Meta公司CEO马克·扎克伯格最近在白宫出席晚宴时，倍感压力。当时，他与特朗普总统就坐在一起，特朗普突然凑近问道：“你们未来几年准备投多少钱？” 扎克伯格明显被这个突如其来的问题打了个措手不及，他有些尴尬地回答道：“呃，我觉得可能至少会达到6000亿美元，到2028年吧。” 特朗普一脸若有所思地重复：“那可不少啊，真的不少。” 没错，这笔投资的确堪称天文数字。然而，更有趣的是，就在正式对话结束后，扎克伯格私下凑到特朗普耳边，略带歉意地说道：“抱歉啊，总统，我刚才没准备好……我不太确定您心里想的是哪个数字。” 不料，这段本以为是私人交流的话却被桌上的麦克风悄悄录了下来，一时间成了媒体竞相报道的焦点。 6000亿美元到底有多大？对于Meta来说，这意味着公司接下来几年要大幅增加在AI领域的投入。要知道，Meta今年7月才公开表示，预计2025年全年支出会在1140到1180亿美元之间。公司CFO苏珊·李（Susan Li）甚至表示：“我们还没开始2026年的预算规划呢。” 而明年Meta最大的成本主要集中在基础设施和员工薪酬，预计年度开支增速为20%至24%。这么看来，到2028年达到6000亿美元的投资目标实在野心勃勃，甚至有些夸张了。

GPT5的震撼之处，在于它像是站在一个更高的维度，俯瞰整个学科的脉络，再用极其清晰、条理井然的语言，把最复杂的知识一点点串联起来，耐心讲解给你听。我完全同意这种说法。 这几天我有些迷糊，被海量信息冲击得有些懈怠，于是本能地去做家具、种花，让脑子静下来。但与此同时，我也生成了不少 deep research 文稿。那种体验，就像 Yz 说的——一种鸟瞰式的视觉，一种流畅得近乎定制化的语言，好像有人专门为我写了一本书，把最陌生的前沿知识、最棘手的底层课题，都循循善诱地教给我。我甚至震撼到想要像鸵鸟一样把头埋起来。 更让我惊讶的是，这些 DR 并不是泛泛的常识，而是计算机底层运行机制、最新架构研究这样的硬核内容。但我居然可以用手机一屏一屏读下去，不仅毫无损耗，甚至还有阅读的愉悦感。那是一种超然的视角。正如 Tz 指出的，学校里的老师做不到这种语言：他们写的教材，读一篇都要让我大脑颅内温度升高半摄氏度。 我现在却能依靠符号熟悉感（我之前说过，为了加快学习速度，我采用的阅读方法），完整地通读这些长篇 DR，并感觉到自己的知识正在被抬升到下一个阶段。

推荐阅读：《高效学习：构建知识的20条黄金法则 (Effective learning: Twenty rules of formulating knowledge)》 我们都曾是知识的“囤积症”患者。 我们习惯于收藏长文、划下整段的重点、将密密麻麻的定义复制粘贴。在这个过程中，我们获得了一种“已经学到”的虚假满足感。然而，当需要调用这些知识时，大脑却一片空白。我们以为是记忆力出了问题，但真相可能恰恰相反：问题不在于我们记不住，而在于我们试图记忆的“知识”本身，就是无法被记忆的。 这听起来像个悖论，不是吗？我们总以为学习是“合并同类项”，是构建宏大的知识宫殿。但这篇文章将彻底颠覆这个预设。它提出了一个近乎于物理定律的观点：真正高效的学习，不是“加法”，而是“除法”——一种将知识进行原子化拆解，直至其不可再分的精密切割。 这篇文章的作者，Piotr Wozniak，不是一位空谈理论的教育家，他更像是一位认知的“工程师”。作为记忆软件SuperMemo的创造者，他从海量用户的记忆数据中，窥见了大脑记忆与遗忘的底层代码。他发现，知识的“形态”远比我们投入的“努力”更重要。一个臃肿、模糊、充满干扰的知识点，就像一个设计拙劣的程序，无论你运行多少次，都只会不断崩溃。 文中那个关于“死海”的例子，就是一面能照出我们所有人学习误区的镜子。它会逼你直面一个残酷的事实：你以为的“融会贯通”，很可能只是“囫囵吞枣”；你引以为傲的“知识体系”，或许只是一堆无法被大脑精准调用的松散素材。 在你下一次打开笔记本、准备划下长长的重点之前，你需要先阅读这篇文章。因为它所提供的，不是20条技巧，而是20把思想的手术刀，帮你剔除知识中所有无效的“脂肪”，只留下坚实的“肌肉”。这关乎的，不只是学习效率，更是你与知识之间最底层的关系。

LLM 发展到今天, hallucination 已经不能准确的表达它错误生成的现象。 第一种， Hallucinate，幻觉。 LLM 不确定真相，但回答的动机是诚实的，只是事实错误。 第二种，Lie，谎言。 LLM知道真相，但要完成某种目的，故意误导，编造谎言。 第三种，Bullshit，胡扯。 LLM 根本不在乎真相是什么，对真相漠视，只是完成输出。 要理解这三种现象，看这三篇论文： 幻觉： Why Language Models Hallucinate 谎言： Can LLMs Lie? Investigation beyond Hallucination 胡扯： Machine Bullshit: Characterizing the Emergent Disregard for Truth in Large Language Models

里面有个细节很逗，辛顿的前任让 ChatGPT 解释辛顿的行为有多恶劣，就是个渣男，然后把 ChatGPT 生成的内容再发给辛顿😂 > “实际会发生的是，富人将使用人工智能来取代工人，”他说。“这将造成大规模失业和利润的急剧增长。它会让少数人变得更富，而大多数人变得更穷。这不是人工智能的错，这是资本主义制度的错。” > “我们穿衣服，因为穿衣服，我们的毛发就变少了。我们更容易因寒冷而死，但前提是我们没有衣服穿”。辛顿认为，只要我们能接触到有用的人工智能系统，它就是一个有价值的工具。 > “当助理比你聪明得多的时候，你如何保住自己的权力？我们只知道一个例子，那就是一个智慧得多的生物被一个智慧得少的生物所控制，那就是母亲和婴儿……如果婴儿无法控制母亲，他们就会死掉。” > 辛顿认为，人类“唯一的希望”是把人工智能设计成我们的母亲，“因为母亲非常关心孩子，会保护孩子的生命”和成长。“这才是我们应该追求的关系。”

FT：计算机科学家杰弗里·辛顿：“AI会让少数人更富，多数人更穷” “人工智能教父”畅谈：人类的“唯一希望”，中国的优势，以及机器何时将超越我们 我提前了十分钟到，但杰弗里·辛顿（Geoffrey Hinton）已经等在了多伦多一家雅致的餐吧——里士满车站（Richmond Station）的门厅里。这位计算机科学家——人工智能领域的先驱、诺贝尔物理学奖得主——之所以选在这里，是因为他曾与加拿大总理贾斯汀·特鲁多（Justin Trudeau）在此共进午餐。 我们穿过一个充满工业风、感觉很潮的酒吧，来到一间嘈杂的后厅，里面已经坐满了食客。辛顿摘下他那只旧旧的绿色谷歌科学家背包——这是他之前工作单位的纪念品。因为慢性背伤，他需要用背包当坐垫，好让身体坐直。 他像猫头鹰一样，白发从眼镜框边探出来，低头看着我，问我大学学的是什么专业。“因为如果对方有科学学位，你解释事情的方式就会不一样。”我没有。而特鲁多，至少还“懂点微积分”。 这位被誉为“人工智能教父”的学者，如今已习惯于向世人解释他毕生的心血，因为这项技术正开始渗透到我们生活的每个角落。他见证了人工智能如何从学术圈——他几乎整个职业生涯都在那里度过，包括在多伦多大学的二十多年——走向主流，被那些手握重金、渴望触达消费者和企业的科技公司推向风口浪尖。 辛顿因在20世纪80年代中期的“基础性发现与发明”而获得诺贝尔奖，这些成果促成了“基于人工神经网络的机器学习”。这种大致模仿人脑工作方式的方法，为我们今天触手可及的强大人工智能系统奠定了基础。 然而，ChatGPT的问世以及随之而来的人工智能开发热潮，让辛顿停下了脚步。他从一个技术的加速者，转变为一个对其风险大声疾呼的警示者。在过去的几年里，随着该领域的飞速发展，辛顿变得极度悲观，他指出人工智能有可能对人类造成严重伤害。 在两个小时的午餐中，我们谈论了许多话题：从核威胁（“一个普通人在AI的帮助下很快就能制造出生物武器，这太可怕了。想象一下，如果街上的普通人都能制造核弹会怎样”）到他自己使用AI的习惯（它“非常有用”），再到聊天机器人如何在他最近的分手中意外地成了“第三者”。 “这对我来说显而易见。你和这些东西交谈，问它们问题，它能理解，”辛顿继续说道。“技术圈里几乎没人怀疑这些东西会变得更聪明。” 辛顿在该领域的泰斗地位毋庸置疑，但也有人，甚至包括业内人士，认为现有技术不过是一种复杂的工具。例如，他的前同事、图灵奖共同得主杨立昆（Yann LeCun）——现任Meta首席人工智能科学家——就认为，支撑ChatGPT等产品的大语言模型（Large Language Models, LLM）能力有限，无法与物理世界进行有意义的互动。对于这些怀疑论者来说，这一代人工智能还无法达到人类的智能水平。 辛顿说：“我们对自己的心智知之甚少。”但对于人工智能系统，“是我们创造了它们，构建了它们……我们的理解水平远超对人脑的理解，因为我们知道每个神经元在做什么。”他说话时充满信心，但也承认存在许多未知。在整个谈话过程中，他很坦然地陷入长时间的思考，然后得出结论：“我不知道”或“没头绪”。 辛顿于1947年出生在伦敦西南部的温布尔登，父亲是昆虫学家，母亲是学校教师。在剑桥大学国王学院，他辗转于多个学科，最终选择了实验心理学作为本科学位，并在20世纪70年代初转向计算机科学。尽管神经网络（neural networks）曾被计算机科学界轻视和摒弃，但他始终坚持研究，直到2010年代取得突破，硅谷才开始拥抱这项技术。 当我们喝着汤时，房间里嘈杂的声响，与这位轻声细语、深思熟虑地谈论人类生存问题的长者形成了鲜明对比。他激情澎湃地提出了一个方案，来应对那些由“雄心勃勃、争强好胜的男人们”开发的现代人工智能系统所带来的风险。这些人设想人工智能成为个人助理。这听起来似乎无伤大雅，但辛顿不这么认为。 “当助理比你聪明得多的时候，你如何保住自己的权力？我们只知道一个例子，那就是一个智慧得多的生物被一个智慧得少的生物所控制，那就是母亲和婴儿……如果婴儿无法控制母亲，他们就会死掉。” 辛顿认为，人类“唯一的希望”是把人工智能设计成我们的母亲，“因为母亲非常关心孩子，会保护孩子的生命”和成长。“这才是我们应该追求的关系。” “这可以作为你文章的标题，”他笑着说，用勺子指了指我的记事本。 他告诉我，他以前的研究生伊利亞·蘇茲克維（Ilya Sutskever）也认同这个“母婴”方案。蘇茲克維是顶尖的人工智能研究员，也是OpenAI的联合创始人。在试图罢免首席执行官萨姆·奥尔特曼（Sam Altman）失败并离开OpenAI后，他现在正在自己的初创公司Safe Superintelligence开发新系统。但我猜测，奥尔特曼或埃隆·马斯克（Elon Musk）更有可能赢得这场竞赛。“是的。”那你更信任他们中的哪一个？ 他停顿了很久，然后回忆起2016年共和党参议员林赛·格雷厄姆（Lindsey Graham）被问及在唐纳德·特朗普（Donald Trump）和特德·克鲁兹（Ted Cruz）之间选择总统候选人时的一句话：“这就像是被枪杀还是被毒死。” 说到这里，辛顿建议换个安静点的地方。我试图吸引忙碌的服务员的注意，但没成功。他却突然站起来开玩笑说：“我去跟他们说，我可以说我跟特鲁多一起来过这儿。” 换到门口的吧台高脚凳上坐定后，我们讨论了人工智能何时会达到超级智能（superintelligent）——届时它可能拥有超越人类的谋略。“很多科学家都认为在5到20年之间，这是最靠谱的猜测。” 虽然辛顿对自己的命运很坦然——“我已经77岁了，反正也快到头了”——但许多年轻人可能会对这种前景感到沮丧；他们该如何保持积极？ “我真想说，‘他们为什么要保持积极？’也许如果他们不那么积极，反而会做得更多，”他用一个问题回答了我的问题——这是他惯常的习惯。 “假设你用望远镜看到一场外星人入侵，10年后就会抵达地球，你会说‘我们如何保持积极？’吗？不，你会说，‘我们到底该怎么应对？’如果保持积极意味着假装这一切不会发生，那人们就不应该保持积极。” 辛顿对西方政府的干预不抱希望，并批评美国政府缺乏监管人工智能的意愿。白宫称必须迅速行动，发展技术以击败中国并保护民主价值观。巧的是，辛顿刚刚从上海回来，还倒着时差。他在那里与一些政治局成员开了会。他们邀请他去谈论“人工智能的生存威胁”。 “中国很重视这件事。很多政界人士都是工程师出身。他们理解这个问题的深度，是律师和销售员无法比拟的，”他补充道。“对于生存威胁，只要有一个国家想出应对办法，就可以告诉其他国家。” 我们能相信中国会维护全人类的利益吗？“这是次要问题。人类的生存比过得舒不舒服更重要。你能相信美国吗？你能相信马克·扎克伯格（Mark Zuckerberg）吗？” 随着我们的中等熟度三文鱼端上桌，卧在甜玉米浓汤上，科技公司开发人工智能的动机也被摆上了台面。辛顿一边说，一边用一片鱼肉蘸着盘里的酱汁。 他之前曾主张暂停人工智能开发，并签署了多封信件，反对OpenAI转型为营利性公司——马斯克正试图在一场进行中的诉讼中阻止这一举动。 谈论人工智能的力量常常被说成是纯粹的炒作，目的是为了抬高开发它的初创公司的估值，但辛顿说，“一个说法可以既对科技公司有利，又同时是事实”。 我很好奇他在日常生活中是否经常使用人工智能。原来，ChatGPT是辛顿的首选产品，主要用于“研究”，但也用来做一些诸如询问如何修理烘干机之类的事情。然而，它甚至还出现在他最近与交往多年的伴侣分手的故事里。 “她让ChatGPT告诉我，我就是个渣男，”他说，并承认此举让他很惊讶。“她让聊天机器人解释我的行为有多恶劣，然后把内容给了我。我并不觉得自己是渣男，所以这并没有让我感觉太糟……我遇到了一个我更喜欢的人，你知道的，事情就是这样。”他笑了，然后补充道：“也许你不知道！” 我忍住了八卦前任的冲动，转而提到我刚庆祝了我的第一个结婚纪念日。“希望这暂时不会成为你的问题，”他回答道，我们都笑了起来。 **辛顿吃饭的速度快得多，**所以当他接到姐姐的电话时，我松了一口气。他告诉姐姐自己正在“一家非常嘈杂的餐厅”接受采访。他的姐姐住在塔斯马尼亚（“她想念伦敦”），哥哥住在法国南部（“他也想念伦敦”），而辛顿自己住在多伦多（当然，也想念伦敦）。 “所以我用从谷歌拿到的钱，在汉普斯特德西斯公园（Hampstead Heath）南边买了一座小房子”，这样他全家，包括他从拉丁美洲领养的两个孩子，都可以去住。 辛顿的谷歌钱来自于2013年卖掉的一家公司。这家公司是他和蘇茲克維以及另一位研究生亚历克斯·克里热夫斯基（Alex Krizhevsky）共同创办的，他们构建了一个能以人类水平的准确度识别物体的AI系统。他们卖了4400万美元，辛顿本想三人平分，但他的学生们坚持让他拿40%。交易完成后，他们加入了谷歌——辛顿在那里工作了十年。 他卖公司的动机是什么？为了支付他患有神经多样性（neurodiverse）的儿子的护理费用。辛顿“估算他大概需要500万美元……而我从学术界是拿不到这笔钱的”。他在脑子里算了算，税后从谷歌拿到的钱“略微超出了”这个目标。 他于2023年离开了这家科技巨头，并在接受《纽约时报》采访时警告了该技术的危险。媒体报道称，他辞职是为了能更坦率地谈论人工智能的风险。 “每次我和记者交谈，我都会纠正这个误解。但这从没什么效果，因为那个故事太吸引人了，”他说。“我离开是因为我75岁了，我的编程能力不如从前了，而且Netflix上还有一大堆我没来得及看的东西。我已经非常努力地工作了55年，我觉得是时候退休了……而且我想，既然我都要走了，我正好可以谈谈那些风险。” 科技高管们常常描绘一幅乌托邦式的未来图景，人工智能将帮助解决饥饿、贫困和疾病等宏大问题。辛顿曾因癌症失去了两位妻子，他对医疗保健和教育的前景感到兴奋——教育是他非常关心的领域，但对其他方面则不然。 “实际会发生的是，富人将使用人工智能来取代工人，”他说。“这将造成大规模失业和利润的急剧增长。它会让少数人变得更富，而大多数人变得更穷。这不是人工智能的错，这是资本主义制度的错。” 奥尔特曼和他的同行们曾建议，如果劳动力市场对人口来说变得太小，可以引入全民基本收入（universal basic income），但这“无法解决人的尊严问题”，因为人们从工作中获得价值感，辛顿说。他承认想念他的研究生们，可以和他们碰撞想法或向他们提问，因为“他们年轻，理解事物更快”。现在，他转而问ChatGPT。 这会导致我们变得懒惰和缺乏创造力吗？认知外包（Cognitive offloading）是目前正在讨论的一个概念，即人工智能工具的用户将任务委托出去，而没有进行批判性思考或记住检索到的信息。又到了打比方的时候了。 “我们穿衣服，因为穿衣服，我们的毛发就变少了。我们更容易因寒冷而死，但前提是我们没有衣服穿”。辛顿认为，只要我们能接触到有用的人工智能系统，它就是一个有价值的工具。 他看了看甜点选项，并确保这次自己先点：草莓配奶油。巧的是，这也是我想要的。他要了一杯卡布奇诺，我要了一杯茶。“这是我们产生分歧的地方。” 奶油实际上是微微融化的冰淇淋，在我描述一个在硅谷司空见惯，但对大多数人来说如同科幻的场景时，它正慢慢变成液体：我们幸福地生活在“具身AI”（embodied AI）——也就是机器人——中间，并随着我们将人造部件和化学物质添加到身体中以延长生命，而慢慢变成赛博格（cyborgs）。 “那有什么问题吗？”他问。我们会失去自我意识和作为人的意义，我反驳道。“那又有什么好的呢？”他回应道。我试图追问：这不一定非得是好的，但我们将不再拥有它，那就是灭绝，不是吗？ “是的，”他说，停顿了一下。 “我们不知道将会发生什么，我们毫无头绪，那些告诉你将会发生什么的人只是在犯傻，”他补充道。“我们正处于历史的一个节点，一些惊人的事情正在发生，它可能好得惊人，也可能坏得惊人。我们可以猜测，但事情不会一成不变。” 克里斯蒂娜·克里德尔是《金融时报》驻旧金山的科技记者，负责报道人工智能领域

更新一下最近一个月每天都会用最频繁的AI工具，全部都经受住了我的考验，最后买最高级会员每个月要600多刀，希望未来可以都Bring your own API 不要单独bill我了： 1. 邮件管理 Superhuman - 回复邮件搜索信息自动完成 2. 语音输入 Wisper - 语音输入中英文自动书面化重写 3. 会议记录 Plaud - 线上线下开会录音转录总结分享 4. 创作和自动化 Claude Code - 开sub agent多线程工作且可以调用本地和外部资源 5. 文档创作 Gamma - 依旧是最好用的text to slides 6. 深度调研 ChatGPT Agent - 甚至可以指定从reddit/hackernews做复杂互动搜寻信息和分析

因为现在很多独立女性是从小家境就不错的大城市独生女。其实对于这样的独生女，因为长期的计划生育政策，从家庭培养的角度来说都和男孩子没什么差别。想让她们去小鸟依人真的看男人眼色去照顾你，那真的想多了。 这种反而能在家庭中，感情好的，达到一种真正的平等。而且女方的家庭还付出的更多，现在我看去城市当北漂的姥姥们，都是这种独生女家庭。婆婆容易和媳妇矛盾，都躲着….还落个清闲呢。 男女都一样吗？其实这个答案在工作不包分配，经济过度透支繁荣过后可以让我们看的更清楚。就算大家一起都面临失业，有体力劳动这道底线，女人的收入中位数还是会在左边。

赚钱需要的是：把事儿干了 不需要的是：除了“把事儿干了”以外的任何事

我们似乎正处在一个软件开发的黄金时代，又或者，是一个巨大的幻觉之中。 AI 一声令下，代码如瀑布般涌现，过去数周的工作量，如今在几小时内就能完成。我们痴迷于这种前所未有的“产出”速度，仿佛只要油门踩得够深，就能抵达任何目的地。 但这里有一个我们不愿正视的悖论：我们正以惊人的速度，奔向不确定的终点。 麦肯锡的报告和长达数十年的行业研究，像一面冷静的镜子，映照出一个尴尬的现实——绝大多数项目依然在预算超支、偏离目标的泥潭中挣扎。我们创造软件的速度，已经远远超过了我们验证它的速度。当代码的生产成本趋近于零，一个更严峻的瓶颈浮现了：我们如何确保自己没有在用更快的速度，制造更精致的垃圾？ 这正是这篇文章试图引爆的认知奇点。它大胆地提出一个反直觉的论断：在 AI 时代，我们最需要的可能不是下一个加速器，而是一套精巧的“减速带”。 我们被“效率”的叙事绑架太久了，以至于忘记了软件开发的核心，从来都不是打字的速度。当一位产品战略顾问开始引述 90 年代的极限编程（XP）时，他并非在怀旧，而是在发出一个清醒的警告。他提醒我们，有些古老的智慧，在今天这个技术狂飙的时代，反而具有了前所未有的现实意义。 比如，那个听起来像是效率“公敌”的原则——结对编程。从账面上看，它直接将产出减半。但这篇文章会引导你看到硬币的另一面：你用一半的产出，换来了一倍的共识、提前暴露的假设、更健壮的代码质量，以及一个持续学习的团队。这笔投资，在 AI 加剧混乱的今天，显得无比划算。 它引导我们直面一个根本性的转变：当 AI 将“写代码”这件事变得越来越廉价，那么人类工程师的价值在哪里？答案不在于和机器比拼速度，而在于那些机器无法胜任的领域：沟通、反馈、简化、勇气和尊重。这篇文章的核心论点，正是那句振聋发聩的宣言：“在小处慢，才能在大处快”。 这不仅仅是一篇关于编程方法的文章，它更像一则关于“数字时代的匠人精神”的寓言。它在提醒我们，无论工具如何进化，软件的终点，永远是人。在 AI 可以为我们提供任何答案的未来，最稀缺的能力，是提出正确的问题。 而极限编程，恰恰是那个不断强迫我们停下来，去追问那个终极问题的框架： 我们正在构建的东西，是正确的吗？ 在点击阅读之前，请先放下对速度的执念。因为这篇文章将带领你重新思考，在 AI 时代，真正的“快”究竟意味着什么。