随手记
如何优雅地写作 2026.1.4
写作需要阅读, 研究, 思考和修订.
- 准备阶段
- 多读书
- 读各种各样的书
- 保持稳定的阅读习惯
- 做好摘抄和储备
- 寻找创作地
- 选择写作方式
- 头脑风暴
- 是你要表达的东西吗?
- 主要观点是什么?
- 会产生歧义吗?
- 读者会对它感兴趣吗?
- 研究
- 确保你写的东西真实可靠.
- 尽信书不如无书.
- 多读书
- 写草稿
- 第一稿: 写一个想法清单
- 可以是任何东西
- 设定时间,自由写作
- 类似于番茄钟, 到点为止.
- 第二稿: 对草稿进行编辑
- 逻辑
- 错别字和语法
- 前后保持一致性
- 简化表达
- 校对
- 第三稿: 润色
- 第一稿: 写一个想法清单
- 发表文章
- 平台
- 排版
- 行间距,字间距,对齐方式,图片插入等
- 对某一领域的文章汇集成专栏
AI 对就业的影响 2026.1.4
- 短期: 其影响范围仍集中于初级信息相关行业.
- 例如程序员, IT 高速发展的时候, 创造了很多程序员, 只从事简单脑力劳动的部分程序员,在短期内会受到 AI 的冲击.所有,不要追求浅层的技巧,要追寻其中的
道(核心原理)
- 例如程序员, IT 高速发展的时候, 创造了很多程序员, 只从事简单脑力劳动的部分程序员,在短期内会受到 AI 的冲击.所有,不要追求浅层的技巧,要追寻其中的
- 长期: 最终或许仅剩下最高级别的工作岗位由人类承担.
AI 替代的过程是逐步的.
- 若想让计算机实现特定编程需求,使用者自身必须具备编程能力.(不然一旦出现漏洞,很难排查问题)
- 当前计算机需解决的问题复杂程度与技术工具的提升速率同步推进，但问题复杂程度的提升速度，实际上远超技术本身的提升速度
一般具体技能的生命周期仅为 5~6 年.
广博且多元的知识储备.
需要掌握的知识真的变多了.
写作能力还是很重要的(逻辑清晰表达的能力,以及运行统计视角分析和解读数据的能力.).
有观点,并从事实去论证这个观点.
中国产业工人不到 2 亿人, 让 2 亿人放开量生产，两倍的地球人都消费不完.
有了 AI 之后,学习知识的门槛在变低.
未来更需要驾驭 AI 的人.
未来的活会越来越难. 以前十个人干的话现在一个人就能干. 但现在一个人干的活,未来需要十个人干(因为功能/需求复杂了).
未来,创新类工作会增加. 因为人们的精神消费需求会越来越多.
如何做 AI Agent 喜欢的基础软件 2026.1.6
https://mp.weixin.qq.com/s/BZcRwgGZNinBK9K2L38LYg
Infra 软件的主要使用者, 正在从开发者迅速转向 AI Agent.
计算机底层的东西只从被发明出来之后就一直没变过.
- 文件系统
- 操作系统
- 编程语言
- 进程模型
- I/O
现在的计算机世界都构建在这上面. 大模型在训练的时候,阅读了大量的代码. 对这些底层东西的"理解/认知"已经很深了.
所以设计给 Agent 使用的软件并不是去发明一套"全新的接口",而是贴近这些底层东西的.
好的心智模型的特征是它一定是可扩展的。
心智模型的理解: 就类似于 java 中的接口.心智模型(接口)不变, 实现是可以各种各样.
以文件系统为例: 在文件系统中有 目录,文件, echo, cat, ls, cp 等概念. 这个就理解为心智模型.
关系型数据库有 mysql, oracle, ms sql, sqlite 等. 都有 库, 表, 字段, 行 的概念, 都能增删改查. 只是语法有些许区别.
软件生态重不重要?
对于 Agent 来说, 并不关心你数据库选的是 mysql, oracle, ms sql, sqlite 哪个, 对于它们之间的区别 Agent 都能很快适配.
接口设计
对 Agent 来说好的接口设计应该
- 可以被自然语言描述(Agent 对图片的理解不是很好, 你无法告诉 Agent 应该点击某个地方来交互, 应该使用自然语言告诉 Agent 如何交互. 你可能会在想 自然语言能描述的清楚吗? 实际上,大多数情况下, 还是很准的. 因为 Agent 在训练的时候,已经见过了无数类似的意图表达, 上下文约束和任务模式.)
- 可以被符号逻辑固化 (需求能够通过代码准确描述, 以 sql 为例, 想要查询某个表的数据这个需求, 可以通过 select * from table_name 这个 sql 来完成)
- 能够交付确定性的结果
当底层系统软件的心智模型是对的、接口的语义是稳定的、结果是可验证的时，上层调用者（Agent）的少量歧义并不会成为系统性问题。Agent 可以通过上下文、反馈和反复尝试来消解它（通常不会错得离谱），而不需要一开始就被迫进入一套过度严格的形式体系。