发现AI顺着人说话是无法彻底解决的
Claude也只不过是让模型更谨慎而减少这样的感觉
越缺乏相关知识和判断能力的人，越难识别 AI 回答中的缺陷，也就越容易高估它的可靠性
很多情况下人自己都没有分清真正的问题就丢给AI
那指望AI能理解和解决
肯定就会产生偏差
小时候总觉得，电脑坏了是一件天大的事
有一次重装系统翻车，电脑直接进不去了。还好我手里有一个 PE U 盘，可里面偏偏没有系统镜像，也没有浏览器，于是我跑去同学家借电脑下载 Chrome，结果安装包拿回来又打不开。最后还是翻出了家里那台古董 Win7 电脑，重新下了一份，才算把电脑救回来
还有一次，电脑莫名其妙开不了机，困扰了我很久。我甚至把机器拆开检查硬件，测试每次开机时长，后来拿手机在百度上搜，偶然看到一个人说：“把 U 盘都拔了试试。”
我半信半疑地照做了
然后它真的开机了
再后来，我折腾 Ubuntu，想着 Linux 效率高，再装个 Windows 虚拟机，岂不是两全其美。结果虚拟机里的微信偏偏打不开，我一气之下又去重装系统，没想到这次真把系统装崩了
最后救我的，是以前随手刷进 U 盘里的 Kali Linux
现在想想还挺有意思
以前的我总是在给未来的自己挖坑，又总能靠以前折腾留下来的东西，把自己从坑里捞出来
那时候没有 AI，遇到问题就是搜论坛、翻百度、试命令、做启动盘、重装系统
有时候一个问题能折腾一整个下午，甚至好几天
可真正解决的那一刻，开心也是真的
现在电脑更快了，工具更多了，很多问题几句话就能找到答案
可我偶尔还是会怀念那个守着一台出问题的电脑，拿着一个 U 盘，到处找办法把它救活的小孩
很多童年的事情，我已经记不清了
旧手机旧平板和网盘里面的图片很多连我自己都解释不清
但还好，这些乱七八糟的折腾，我还记得
我很讨厌这一类博主。
视频标题往往起得很宏大，封面、标题、时长也都营造出一种“这期会认真讨论一个重要问题”的错觉
但真正看完以后，却常常发现：除了标题本身提出了一个看似很有意思的观点，后面的十几分钟几乎没有对它形成切实的论证
视频里可能有很多判断、比喻和听起来很深刻的句子，可一旦认真去追问：这个结论是怎么推出来的？前后之间到底是什么因果关系？证据在哪里？整个逻辑就开始变得云里雾里，甚至漏洞百出
最让我反感的恰恰是这种虚假的深刻感
看的时候，你会产生一种“我好像理解了一个很重要的东西”的感觉
但视频结束后再回想，却很难说清楚作者究竟证明了什么
留下来的往往只有一个无关的结尾画面，而不是一个真正站得住脚的观点
我并不反对观点输出，也不要求每个视频都写成学术论文，但既然提出了一个需要论证的判断，就至少应该给出足以支撑它的事实、因果链条或者推理过程，而不是靠语言气势、剪辑和几个漂亮比喻制造“已经论证过了”的错觉
如果一段内容只是用宏大的问题吸引注意，再用大量似是而非的表达填满时长，却没有真正回答标题提出的问题，那么无论包装得多么有思想感，它和普通营销号在机制上其实没有太大区别
都是先制造认知期待，再用内容密度的假象消耗观众的注意力
高中生活好忙
尤其是下晚自习后短暂的时间
雨天颐和路
氛围感拉满
长江边
试验了几天专注力之后，我发现，对我影响最大的其实不是意志力，而是干扰
用电脑学习时，总会不断有新的信息跳出来
即使没有真的点开，也会占用临时缓存
后来买了块平板，我才明显感觉到专注力提升了
因为在平板上，我几乎不会来回切换软件，只保留当前要做的事情
需要对答案时，就看一眼电脑屏幕，所有提醒全部关闭，再放一点专注音乐
结果发现，进入心流好像并不需要什么复杂的方法
只是减少切换，隔绝信息，把注意力留给眼前这一件事
似乎就这么简单
小时候，我想要很多东西：更好的设备、各种订阅，还有喜欢的游戏
那时没有自己的支付方式，也不想让父母为这些东西花钱，只能把它们一件件放进愿望清单，想着等以后有能力了，再慢慢实现
后来，我真的有能力买下它们了，却迟迟没有下单
一方面，我舍不得放弃那些曾经期待了很久的东西
另一方面，我又忍不住怀疑，它们真的值得吗？
我也尝试过一些替代方案，零零散散地买过几次短期订阅，尝试性买过一些设备
可真正拥有以后，我才发现，即使心里还残留着期待，也再找不回当初那种纯粹的快乐
现在的我会考虑价格，用途和使用频率，会反复衡量它们是否值得，一不多心选择错了还有些后悔
需要考虑的事情太多了，曾经那种不问结果，只是单纯想要的心情，早已被现实淹没
于是，我怀着复杂的心情放弃了
后来才明白，那些东西并不重要，只是因为得不到才被放大
我就算买了，也不能替小时候的我体验到那份快乐了
所以，有些遗憾不需要弥补，有些愿望也不必实现
学会和解大概就是成长
现在做工具可能没有以前那么好做了
例如figma 是一个传统的设计工具，原本还和 anthropic 合作，但后来 anthropic 推出 Claude Design，直接使 figma 股价腰斩
再例如 Cursor，是最早做 AI 编程的，但这种商业模式跑通后被模型厂商迅速模仿，在 ClaudeCode 等产品推出后被 SpaceX 收购
如果后面模型研发到达瓶颈，那模型公司就会不断扩展垂直产品赚钱
如果 AI 软件再变成一切流量入口，大部分传统工具都会被简化成一个按钮
而且 AI 公司完全可以和其他生态整合，这样工作，生活，娱乐等场景都可以被覆盖
用户一个订阅能解决的事就不会选择两个订阅
昨晚很舒服地睡了一觉
梦见了很多过去的事情，甚至梦到了以前做过的梦
醒来以后有些恍惚
原来不知不觉间，我已经走出了那么远，过去做过的事、认识过的人，放到现在，我或许都不会再做出同样的选择
但是我依旧怀念
怀念的大概是那时候的生活状态
虽然没有多少我现在看来有价值的产出，却令人回忆起来十分暖心
后来大家各自走远，甚至我当时都不知道是最后一次见面，也没有留下联系方式
怎么说呢，有些人只适合留在回忆里，留在某一段具体的时光中
放到今天，我们或许不会再成为朋友，可在当时的生活中，那场相遇刚刚好
所以也没必要再找到彼此，记得曾经一起度过的日子，记得那时的快乐，就已经足够了
其实腾讯这类大厂推动新产业是有顾忌的
新产业会对他原本旧产业造成冲击
作为大厂不能推进太猛
否则新旧部门就会开始扯皮内斗
反而，小公司在这方面可以大胆尝试，因为历史包袱轻，机会也更多
不过后面可能就是被大厂收购
其实每天工作 6～8 小时即可达到最佳生产力
太长时间反而会降低加速度
还有单日任务过多也会因为意外导致崩盘
有点高估了的执行了
最佳状态总是很难持续保持
好神奇
原本今天累的快死了
看会萌系治愈的动漫直接复活了
可能放松更多的是需要情绪反馈吧
真喜欢阴天要下雨的氛围
干什么都挺合适
晚上想了半天 idea，想找个没人做的方向去试试
结果发现其实根本没必要
Harness Engineering，今年二月才火起来的概念，结果我一看我去年就有过差不多的想法
或者我原本想设计 Agent 集群，但发现早就有人做了
所以即使想出来一个好点子以后大概率也会被别人想到
真正有价值的是怎么把想法更好的实现
一个产品如果什么都能做
用户可能反而不知道你是用来做什么的
人面对很多事情也是一样：不只是看它有没有用，更要先想清楚，它对我来说到底处在什么位置，它适合解决什么，又不该被期待解决什么
这类问题看着简单，但真正想明白并不容易，尤其是你在面对多种工具链时，设计工作流时，必须给每一个流程一个合理的解释，划清边界，否则你会发现它们间的交集让你执行起来越来越混乱
其实最好的办法是实践，多试几次的成本很多时候比空想低得多
系统的运转需要惯性
minimax m3是真拉跨
不如ds v4
纯做题家刷跑分
现在的 AI 就像两千年的互联网
新技术出来，然后资本疯狂涌入，到了后面泡沫破裂，进入下半场
同样的叙事逻辑，同样的疯狂基建，都被短期高估
太相似了