Susan STEM

统计数据

109

文章

0

粉丝

0

获赞

747

阅读

2个月前

在意义之海中寻找意义当人类的知识被投射到一个连续空间之后，博士生的需求会大大减少，因为人人都可以是“博士生”。过去，博士生最核心的工作是花费无数时间去查资料、读文献、做 citation，把分散在不同学科、不同语境里的碎片知识一点点拼接起来。但在向量化之前，这种连接往往意味着高强度的人工劳动：生物学家的论文和法学家的评论彼此孤立，工程师的日志和历史学家的档案没有桥梁。人类理论上可以把它们联系起来，但代价是海量的阅读、交叉比对与翻译。这种碎片化导致许多潜在的联系根本没有发生。原本可能引发突破的想法，被淹没在资料工作量的泥沼里。向量化改变了一切。当文字、图像、表格、代码都被嵌入到同一个坐标空间时，知识不再是一个个孤岛，而是连续的语义地图。生物学与法学可以在邻近的向量里相遇，工程与历史可以在空间中自然对齐。许多过去“未被察觉”的联系，突然变得可见；许多需要高智力人群耗费数年才能完成的查阅工作，如今可以在几秒内生成。这就是知识连续化的力量：它不仅降低了博士生式的资料劳动成本，更重要的是，它把人类尚未发现的知识联系，从沉睡的噪音中唤醒了。而人类最缺失的就是“意义“。 The Sea of Meaning — Vectorization as a Continuous Substrate

#知识向量化 #语义地图 #知识联系 #意义 #科技

2个月前

只要你真正理解了：大语言模型的本质就是符号映射，它的通用性就是把语言压缩成一个最小原语——预测下一个 token，那么你就会明白： 1）语言和符号有边界。 LLM 是符号模型，它的疆域不在于重复旧的 NLP 技巧，而在于人类能否把符号宇宙推到极致，把更多经验、直觉和制度转写为符号。 2）传统 NLP 已经沦为低阶能力。翻译、摘要、问答这些曾经的难题，如今已轻易被模型吃掉。什么故事书生成、教科书自动化，这些项目都不再是有壁垒的方向。小团队就不要再做了。 3）真正的关键是边界。你要搞清楚什么是 language-modelable——可语言建模的领域。这个领域的最远方的边界与空白，就是符号宇宙的前沿，才是值得探索和能带来回报的地方。人类在这个方向，要把符号宇宙拉伸，探索到极致。

#大语言模型 #符号映射 #通用性 #NLP #符号宇宙

2个月前

我畅想一种 “双轨制” 的 AI 应用图景：一端是个人可控的本地模型，保障隐私、自主与个性化；另一端是规模化的公共平台，提供稳定、高效与普适服务。二者不是对立的，而是通过协议与标准并轨调度、互补共生。其实在中国，目前的开源模型生态已经隐约呈现出这种私人端双轨制的雏形——个人和团队可以在本地运行轻量化开源模型，满足特定需求，同时又能调用大厂提供的云端大模型，在更大算力和更丰富资源的支持下扩展应用。这种并行模式既保留了自主性，又享受了规模化的红利，正是未来 AI 电力化的现实起点。 AI as Electricity: Personal Generators × Public Grids

#AI双轨制 #本地模型 #公共平台 #开源模型生态 #AI电力化

2个月前

谁年轻时候还不是个美女了？

#美女 #年轻 #回忆 #颜值 #怀旧

2个月前

只要底层代码是AI写的，那么软件工程的范式必定要发生变化 Warning: 这是一个扯淡贴，我自己都没把细节想清楚，纯探讨，纯扯淡。我们正在进入下一个软件工程的范式：生态化（没错，就是那个 eco-system，生化环材里的“生”，生物这个学科里会涉及的生态）。关键在于AI写出来的代码你怎么定位过去几年，程序员群体围绕着“AI 会不会替代程序员”这个话题吵了无数次，互相拉黑、互相开喷。但在我看来，这些争论都白费了，因为根本问题一开始就问错了。真正的关键不是“AI 替代与否”，而是：你究竟如何定位 AI 写出来的代码？有人可能觉得奇怪：AI 写的代码，不就是代码吗？还能是什么？可你回想一下大学里的“软件工程”这门课，那真的是“写代码课”吗？当然不是。软件工程讲的是一个多层次的工程体系，而不只是单纯的代码实现。Layers! 所以在我看来，AI 写的代码不能被当成稳定的“产品”，而应该被理解为一种熵源。大模型的本质决定了它的输出虽然极端高效，但并不是低熵的终态，而是高熵的输入。它的特点非常鲜明：数量多，可以瞬间产出海量实现；质量杂，正确与错误并存，差异巨大；重复性高，常常生成类似功能的多版本。这些特征意味着，AI 输出的代码更像是生物进化中的“基因突变”——提供丰富的多样性，但需要经过筛选、压缩和演化，才能沉淀为稳定的结构。(虽然低端码农现在已经确定要被淘汰，但是你不能硬扯说低端码农写出来的代码也不一定全高质量，这个我们后面再说，不是纠结这个问题的事）。 AI生成代码将我们把软件工程的范式进程又往前了一步如果我换个视角，把 AI 生成的代码看成一种“熵源”，那么它的意义就不再是最终产品，而是燃料。这些高熵输出，必须经过协议约束、反馈筛选和治理机制的控熵处理，才能逐渐被压缩为低熵的“结构”，最终沉淀为文明级的生态资产。于是，整个项目的逻辑，就不再是单点开发，而是一次生态演化。所以读这篇帖子时，请不要把自己仅仅当成程序员，而要先把自己当成一个生态设计者。在上世纪 80 年代，美国有一个著名的实验叫“生态箱”（Biosphere），它是一个完全封闭的独立生态系统，模拟核大战后的求生仓或星际航行场景。很有意思的是，它的第二任总经理还是史蒂夫·班农。这篇帖子我们要探讨的，正是AI 时代的软件工程范式变化，其核心概念就是结构池（Structure Pool）与生态演化的运行逻辑。回顾软件工程的发展轨迹，最早的旧范式（封闭/流水线）把开发过程当成工厂化的流水线：需求 → 设计 → 开发 → 测试 → 部署。它强调稳定和可控，本质上是通过压制熵来维持秩序。后来出现了过渡范式（敏捷/Agile），承认需求随时可能变化，引入局部演化和迭代，但仍然局限于项目内的小闭环。这是从“压制熵”走向“利用熵”的第一步。如今，我们正走向新范式（AI + 开放结构池）：软件开发变成了一个生态，AI 生成、用户反馈和开发者约束共同作用于公共结构池，推动系统不断演化。在这种模式下，交付不再是一次性产品，而是贡献结构单元，沉淀到池子里复用和演化。工程逻辑因此发生根本转变：从“压制熵”走向“利用熵”，最终进入生态学的思维模式。再抽象一层：封闭 → 开放、静态设计 → 动态演化本来就是工程学整体的历史逻辑。在早期的工程时代，逻辑是封闭系统 + 静态设计。工程师像“造物主”，试图在设计阶段就把复杂性全部压缩掉，以此换取高稳定性，但代价是适应性极差。进入工业工程阶段，才逐渐出现了局部开放。福特式的流水线把复杂制造拆解成可控环节，虽然整体依然是封闭系统，却开始允许局部的模块替换。同时，电气化与标准化（螺丝、接口、电网标准）的出现，让不同厂商、不同系统之间能够首次组合。这相当于工程进入了结构化阶段，但仍偏向封闭。所以，千万不要把眼光只盯在自己的一亩三分田，从毕业到现在只看到眼前的屏幕和 IDE。工程的格局要抬高来看，否则根本看不清楚历史的逻辑。在软件工程中，传统范式如瀑布模型、V 模型，本质还是“封闭设计—一次性交付”。随后出现的Agile(所谓的敏捷/DevOps）打破了大周期，强调迭代与反馈，迈向了“动态演化”。再后来，开源运动通过开放源代码，让外部贡献进入系统，软件第一次出现了“生态演化”的模式。由此，工程思维逐渐转变：开始接受不确定性，用反馈驱动优化。整条历史逻辑清晰可见：从封闭到开放，从静态设计到动态演化。早期工程靠“压制熵”维持秩序，而今天我们靠“利用熵”来激发演化。AI 的到来，只是把这一长期趋势推到极致，让工程彻底进入生态学逻辑。在我谈发展方向的时候，建议先看看我前几天写的两篇关于“容器与协议”的帖子——那两篇把我现在想表达的技术骨架讲得比较清楚。要说明的是，这个观点并非我凭空想出来：我的思考来自与不同背景开发者的反复交流，很多想法是在碰撞中逐步成形的。然而现在真正的难点在于，我们正在探索一个尚未被命名的未知领域；很多概念的术语还没被发明出来，导致常常出现“说半天、却互不相通”的状况——看起来像是在鸡同鸭讲，但实际上大家可能在谈同一个抽象思路。甚至我们自己都不确定彼此讨论的本质是否一致，这也是为什么在讨论同一个抽象概念时，还会产生争执。语言本身就是人类理解世界的边界；在面对全新的概念时，去拓展语言、去达成共识，比登天还难——我亲身体验过这种挫败感。打个比方：我从没住过宫殿，却在想象在做梦的时候自己当公主；然而在梦里中我仍在自家找厕所，这种错位正是我们在用现有语言描述未来范式时经常遇到的尴尬。计算机世界的趋势：从容器到协议我的意思不是要彻底颠覆“容器”，而是现在有大量的协议真空我的想法：生态设计，将项目变成一个“结构池子”。在 AI 驱动的新范式下，软件工程正在从封闭的流水线逻辑转向生态化逻辑。过去的软件开发像工厂一样，遵循需求—设计—开发—测试—部署的线性流程，强调稳定与可控，本质上是通过“压制熵”来维持秩序。而在新的范式中，开发被看作一个开放的生态系统：AI、开发者与用户共同参与，代码与结构不断生成、验证、淘汰和进化。这意味着软件工程的重心从一次性交付转向持续演化，从单一产品转向结构单元，从工厂思维转向生态思维。在这一生态化框架中，结构池子（Structure Pool）是核心机制。它是一个公共池，存放 AI、人类和用户贡献的各种“结构单元”（容器、规则、服务、协议）。新生成的结构单元在通过协议验证后沉淀到池子里，成为可调用、可组合的资产，并在持续反馈与选择压力中不断升级或被淘汰。结构池不是一个静态仓库，而是一个动态生态，它分为多个层次：执行层保证容器能运行，协议层保证容器能互联，治理层维持池子健康，演化层推动协议升级，而文明层则让其成为人机共用的知识与规则基建。整个生态的运行依赖一个容器—协议—反馈—治理的闭环：AI 或开发者生成新容器，经协议规则验证后进入结构池，附带元数据与版本，随后在调度中被调用。使用过程产生的反馈成为适应度信号，决定哪些单元升级、哪些淘汰，而协议也会随生态扩大不断进化。其本质，就是把 AI 的高熵输出通过控熵机制压缩为低熵结构资产。在这个过程中，几条心法至关重要：AI 代码应被视为熵源，是生态燃料而非终态产品；协议是边界，确保不同容器能对接并过滤垃圾；反馈是驱动力，决定存活与淘汰；选择压力提供方向，避免演化失序；演化则是常态，软件不再是一次性交付，而是一个持续进化的生命系统。从文明意义上看，软件工程已经沿着一条清晰的历史轨迹演化：从封闭到开放，从静态设计到动态演化。结构池子正在成为人机共建的“文明记忆体”，其中沉淀的不仅是代码，还有规则、知识和协议。AI 的商用化则把这一趋势推到极致，让工程彻底进入生态学逻辑：不再压制熵，而是利用熵来激发演化。 AI 范式下的软件工程 = 生态化设计开发 → 以结构池为核心 → 通过持续演化实现文明级的控熵与积累。关键词：生态化开发 —— 软件工程不再是流水线，而是开放生态。结构池（Structure Pool） —— 存放、调度、演化的公共池子。熵源 —— AI 代码是高熵输入，是生态燃料而不是终态产品。控熵机制 —— 协议、反馈、治理，把高熵转化为低熵结构。持续演化 —— 软件不再一次性交付，而是动态进化的生命系统。协议边界 —— 确保互操作、过滤垃圾、维持秩序。文明记忆体 —— 结构池沉淀的不只是代码，而是人机共建的知识与规则。示例：语言翻译的结构池子（Translation Structure Pool） 1. 执行层（容器单元）在这个结构池里，有许多不同的翻译容器：容器 A：中 → 英，偏直译容器 B：中 → 英，偏意译容器 C：英 → 日，适合新闻容器 D：英 → 法，法律文档优化容器 E：多语言小句实时翻译（对话场景） 👉 每个容器就是一个“可运行的翻译模块”。 2. 协议层（边界与接口）所有翻译容器都必须符合一个协议，例如： { "input_text": "string", "source_lang": "string", "target_lang": "string", "metadata": { "domain": "general|legal|news" }, "output_text": "string" } 👉 协议保证了：无论内部算法怎么实现，外部都能用统一方式调用。 3. 治理层（验证与筛选）验证：新容器加入时，先跑测试集（BLEU 分数、延迟、错误率）。淘汰：错误率过高或不符合协议的容器会被下架。分层：通过反馈和测试，容器会被标记为 bronze / silver / gold 级别。 👉 这样避免了“垃圾翻译”污染结构池。 4. 演化层（反馈与升级）反馈采集：用户可以打分、标注错误，系统也监控延迟与准确率。自我优化：容器 B 在用户反馈中逐渐学会更好地处理成语。协议升级：当生态发展后，协议增加字段 "formality_level": "casual|formal"，支持更精细的语境。 👉 池子随使用情况不断升级，而不是一次性定型。 5. 文明层（共享与沉淀）不同开发者、公司、甚至用户都可以贡献翻译容器。有人专门贡献“小语种”容器，有人贡献“学术论文优化容器”。最终形成一个动态开放的翻译生态，而不是单一的翻译软件。 👉 池子沉淀的不是某个翻译产品，而是多样的翻译结构，可被任何系统调用。一个语言翻译的结构池子就像一个多物种的“翻译生态”：容器是各种翻译模型（不同风格、语言对、场景）。协议是统一的接口规则。治理保证质量和秩序。反馈驱动容器优化和协议升级。最终沉淀为一个共享的文明记忆体，供全球人机协作使用。开发的关键，就是你如何去设计这个池子。

#AI驱动软件工程 #生态化开发 #结构池 #控熵机制 #持续演化

2个月前

说真的，2023年以来，你关注的大大小小的创业团队，还剩多少了？

#创业 #2023年 #团队 #倒闭潮 #经济

2个月前

这个还真是感慨啊。其实我看到的是身边大龄的男同学，当年因为各种原因并没有结婚生育的，但凡有条件了，肯定会找一个较年轻的伴侣结婚生子的。但是大龄的女同学后面基本就放弃了。

#大龄男同学 #结婚生育 #年轻伴侣 #大龄女同学 #放弃

2个月前

从通用图灵机开始讲起图灵机一开始就是一个“模仿机器 (Imitation Machine)”，这是图灵自己给它起的名字。它告诉我们：计算的本质就是模仿，用有限的原语去模拟无限的可能。那么问题来了：计算机是否真的“懂”计算？这个问题听上去很傻，但其实今天全世界几十万人都在问一个同质的问题，“AI 真的懂翻译吗？AI 真的懂推理吗？AI 真的懂写作文吗？”要回答这个问题，我们得回到 1930 年代，去问一声伟大的图灵。真正的”计算机“ 我儿子正在学习加减法，我给他买了一个算盘。算盘有 100 个珠子，简单得不得了。什么叫 3+2？你在第一行拨 3 颗珠子，在第二行拨 2 颗珠子，然后从第一行开始数：1，2，3，4，5；于是 3+2=5，加法完成。这个算盘就是一种计算工具，它直接映射了数与物理结构的关系。算盘还算简单，我们再说一个更复杂的工具：差分机 (Difference Engine)。这是英国科学家查尔斯·巴贝奇在 19 世纪设计的自动化数学机器。简单来说，它是一台多项式求值机。只要输入多项式的初始值，机器每转动一轮，就会自动输出一个新的数值。比如给它一个函数 F(x)=x²+4，它会依次计算 F(1)=5，F(2)=8，F(3)=13，F(4)=20……一直运转下去。更关键的是，它的底层逻辑其实完全基于加法和减法。差分机一号需要 25,000 个零件，重达 4 吨，可以处理到第六阶差分，最高存储 16 位数。虽然最终只完成了七分之一，但它的精密程度让当时的人们叹为观止，至今仍被认为是人类进入科技时代的重要起点。想象一下，如果蒸汽时代沿着这个方向一直发展下去，也许在某个平行宇宙里，一个高度发达的“蒸汽朋克文明”里，所有的数学运算都会由类似差分机的蒸汽计算机来完成。平行宇宙，蒸汽朋克想象一下，如果蒸汽时代沿着这个方向一直发展下去，也许在某个平行宇宙里，一个高度发达的“蒸汽朋克文明”里，所有的数学运算都会由类似差分机的蒸汽计算机来完成。那里的工程师会不停改进齿轮与杠杆，制造更大、更快的机械巨兽，负责加法、乘法、多项式求值，甚至天文航算。他们的世界或许会像一座座轰鸣的工厂，每一道蒸汽阀门和齿轮组都承载着人类对“计算”的映射。但是，这个文明的局限也很明显：每一种运算，都需要一台对应的机器。加法机只能加，乘法机只能乘，差分机只能做多项式展开。社会必须靠一座座庞大的专用机堆叠起来，才能维持运算的需求。这就是“映射机”的宿命：硬件本身就是函数，物理结构直接写死了计算逻辑。为什么？我们这个宇宙做对了什么？因为我们有图灵。模仿 vs. 映射在图灵机以前，人类制造的“专用机”在硬件层面遵循的其实是映射 (mapping)逻辑，而不是模仿 (imitation)。最直观的例子就是我儿子的算盘。每一颗珠子都真实地映射了一个数字，他现在做的 100 以内加减法，每一道题、每一个数字，都直接对应算盘中的某颗珠子。算盘、机械加法器、乘法机、开平方根机——这些机器的零件、齿轮、滑珠，都是对某种数学运算的物理映射。比如 19 世纪的巴贝奇差分机，它庞大的齿轮组旋转角度，直接对应了多项式的系数和结果。再比如早期的机械表或自动机，齿轮和摆锤的结构直接对应时间的推进。在这些机器里，结构本身就是算法：你想要加法，就去造一个“加法结构”；你想要平方根，就必须再造一个“开方结构”。图灵的伟大之处正在于此。他没有延续“一个运算一台机器”的映射思路，而是提出了模仿机 (The Imitation Machine) 的概念。在 1936 年的论文《On Computable Numbers》中，艾伦·图灵最初把通用图灵机命名为“模仿机器”。它的本质是：一台机器只要能解释另一台机器的描述，并逐步复制它的运算过程，就能完成所有可计算的任务。换句话说，模仿机器就是今天我们所说的通用图灵机 (Universal Turing Machine, UTM)。这一思想带来了一次巨大的压缩突破：无限多样的计算任务，都可以统一到有限的原语——读、写、移动、状态转移。结果是划时代的：现代计算机由此诞生，人类第一次统一了“什么是计算”。我们再也不需要为每一种运算单独制造一台硬件机，而是只需要一台通用机，所有差异都交给“描述串”去表达，这就是软件的起点。图灵机之所以叫“模仿机器”，是因为它不再把计算写死在齿轮里，而是通过有限原语模仿任意计算过程。映射只能一机一能，模仿才是一机通用。所以，计算到底是不是在计算？模仿计算算不算计算。你一直在模仿计算。那么预测下一个token呢？模仿的逻辑推理，模仿的写作，模仿的翻译，算不算在翻译？通用性的开始：找到一套最小原语 + 一条可通用的纸带。我们再次回到 1936 年的图灵时代。那是一个数学已经相当发达的年代，逻辑学、数论、形式系统在图书馆里堆积成山，却依然碎片化、彼此隔绝。真正的突破，来自于一个跨世纪的思想节点：艾伦·图灵发现，所有这些复杂、庞杂的计算过程，其实都能被还原成极其有限的几个动作。他定义了一台抽象的机器，它所做的事情只有四种：读：读取纸带上的符号写：在纸带上写入新的符号移动：将读写头向左或向右移动一格状态转移：根据规则切换机器的内部状态就这四个动作，构成了计算的最小原语集合。图灵由此证明：再复杂的算法，再庞大的形式化推理，乃至一个图书馆的所有计算规则，都可以被压缩到这四个原语的组合中去。压缩效应因此诞生：一切计算机、算法和任务，归根结底都只是这四种动作的不同排列与组合。从这一刻开始，人类第一次有了精确的定义：什么是“可计算” (精确一点：所有递归可计算函数都能被图灵机执行）。任何可以被描述为这四个动作有限步骤的过程，就是计算；任何超出这四个动作所能模拟的，就不在计算的边界之内。这就是通用性的起点。从一台模仿机开始，人类进入了计算纪元（具体实现还需要冯诺伊曼结构）。所以呢？我扯了那么多我到底想说啥？！我想说，另一套最小原语+一条可通用的纸带又出现了！那就是LLM。最小原语：LLM 把所有语言任务归约到单一机制：预测下一个 token。通用纸带：自然语言 + 大语料 = 输入一段 prompt，即可模拟任意语言任务。从此定义了：什么是“可被模型化的语言意义”。（2/N)

#图灵机 #模仿机器 #通用计算 #最小原语 #LLM

2个月前

现在我们遇到的核心问题： LLM 时代还为什么要搞开发？开发什么？开发给谁用？用来干什么？ LLM 是什么？就算我们已经把技术原理研究得底朝天，这个“异己智能 Alien Intelligence”到底是什么？ 35 岁大龄程序员找不到工作了，为什么？谁的问题？技术？社会？你自己？还是整个结构给我们发出的一种信号？从毕业到工作多年，你真的看懂了“计算”吗？计算的过去，计算的现在，和计算的未来？ LLM 这个超级符号智能，的确把我这个自认符号天才😅给打趴下了一段时间。以上的问题我不认为自己有完美答案，但是至少现在我比一年前想的多很多。这不是我的答案，这是一个讨论贴，我认为我好不容易靠出卖二哈的色相吸引到不少粉丝，里面的确有许多可以一起探讨这些问题的推友。 1）从通用图灵机开始讲起图灵机一开始就是一个“模仿机器 (Imitation Machine)”，这是图灵自己起的名字。它告诉我们：计算的本质是模仿，用有限原语去模拟无限可能。 2）LLM 与向量化向量化技术的成熟带来什么？知识和数据能被统一映射到连续空间。这是一片意义之海——但这片海里既有意义也有无意义。我们需要锚点、航线和港口，才能真正“航行”出价值。 3）工程师的困境大龄程序员的焦虑，不是个人问题，而是结构信号。工程师在下层技术内卷，功能代码堆砌却无人采纳，那是因为我们从一开始就没把技术应用的循环看清楚。（1/n)

#LLM #大龄程序员 #计算的本质 #工程师的困境 #向量化技术

2个月前

蝙蝠侠黑暗骑士崛起，尼泊尔Z时代革命——哎，人类文明逃不脱的循环 There’s a storm coming, Mr. Wayne. You’re all going to wonder how you ever thought you could live so large and leave so little for the rest of us. 风暴即将到来，韦恩先生。你们这些活得光鲜亮丽的人，总以为理所当然，却只把残羹冷炙留给其余的人。 ——猫女，赛琳娜革命，又又又又是一场革命（累了，毁灭吧）尼泊尔爆发。起因是政府下令封禁 Facebook、X（推特）、YouTube 等社交媒体平台，理由是它们未注册在通信部门的新规之下。年轻人，尤其是 Z 世代，对此愤怒异常。他们的反抗不仅是针对信息自由受限，更是对长期存在的腐败、裙带关系（nepotism）和政治不透明的集中爆发。抗议很快从线上转向街头：游行、冲突、政府建筑被焚毁，议会被闯入。最终，总理 K. P. Sharma Oli 被迫辞职，社会媒体封禁被撤销，议会解散，临时政府成立。这一切映照出年轻一代在社会底层的怒火。他们对不公、对腐败、对权力世袭的深切不满，正如《黑暗骑士崛起》中贝恩所鼓动的那样——以推翻腐败精英为名，点燃了革命的火焰。在哥谭，这是蝙蝠侠重披战衣的理由；在尼泊尔，这是政权高层动摇、议会解散、总理下台的现实。更耐人寻味的是，两者都充斥着革命的象征性场景。哥谭街头的“人民法庭”，在愤怒中审判富人；尼泊尔的抗议者，则以“讨债”的口号揭露腐败，追问内斗者，公开点名“nepo kids”这种特权阶层。无论虚构还是现实，人民在风暴里寻求的都是同一种心理补偿：要正义降临，即便它常常以复仇的形式出现。人民法庭，人民法官。在尼泊尔的抗议中，愤怒化作投票与提议，抗议者推举前最高法院大法官 Sushila Karki 为临时总理候选人，寄托了一种“新领导”的希望。她是尼泊尔历史上第一位女性最高法院首席大法官，象征清廉与突破旧格局。抗议者看中的并非她的执政经验，而是她与旧精英的差异。在革命的语境里，正义往往被等同于“不是旧的人”。因此，这样的选举更像是一种“民主的表演性”——它满足了心理补偿，却未必能带来真正的治理。作为个人，她或许清廉，但仍要面对复杂的利益纠葛、军队与旧制度的残余；作为象征，她被期待执行“清算”，而不是维持中立的法治。于是陷入两难：顺从情绪，便可能成为“稻草人法官”；坚持制度，则可能失去群众的支持。稻草人成法官了稻草人（Jonathan Crane），一个疯癫的精神病学家，居然在贝恩接管哥谭后披上法官袍，主持所谓的“人民法庭”。这是一种黑色幽默：最不理性的人，却成为“正义”的代言。判决不过是情绪的宣泄，结果不是死刑就是放逐。影片借此揭示：当正义脱离制度，只剩愤怒驱动时，疯子最容易上位。现实中的抗议者揭露“nepo kids”，要求立刻“讨债”，如果缺乏制度性制衡，也可能走向同样的危险逻辑。因此，“稻草人当法官”并非反派噱头，而是一则寓言：当秩序坍塌，正义若沦为情绪工具，法官就不再是法官，而是复仇的执行人。这并不是要直接映射尼泊尔的局势，而是推演一种社会混乱下的风险——若街头暴动成为日常，秩序必须先于正义，否则所谓的“人民法官”，最终只会成为混乱的代言。混乱是阶梯 “Chaos isn’t a pit. Chaos is a ladder.”——“混乱不是深渊，混乱是一架通往上升的阶梯。” 《权力的游戏》小指头在多数人眼里，混乱是深渊，意味着秩序坍塌、暴力蔓延和未来的不确定；而在少数聪明或野心家看来，混乱却是一架阶梯，旧秩序的松动意味着新的可能，他们可以借此攀升。对大多数青年而言，混乱是愤怒的出口；而对部分组织者，它却是进入政治舞台的通道。对哥谭市民来说，贝恩制造的是无处不在的恐惧；但对贝恩本人而言，这正是他夺取城市控制权的阶梯。混乱若被当作阶梯，就会滋生机会主义——有人借社会动荡攀升，却未必真关心正义。而若将混乱仅仅视为深渊，则会陷入保守，什么都不敢触动，直到不公与腐败最终爆炸。当所有人都把混乱当作阶梯时，社会就可能陷入无休止的“上爬与坠落”，永远无法走出循环。首富之子化身黑暗骑士哥谭本就是现代都市的寓言，官僚被渗透，黑帮与政客勾结，贫富差距触目惊心。布鲁斯·韦恩既是精英阶层的代表，又是制度腐败的受害者。他肩负着“继承的罪”，财富既是特权，也是负担。因此，“罪恶如哥谭市，首富之子化身黑暗骑士”可以被读作一个现代神话，一种自我牺牲式的赎罪与救赎。 Nepo kids 都该死吗？答案是否定的。该死的不是 nepo kids，而是特权结构本身。Nepotism（裙带关系）意味着权力与财富通过家庭和关系网络代际传递。问题并不在于某个个体选择了“被出生”，而在于制度与文化是否纵容了不公平的继承与分配。在一个人人竞争的社会里，当有人“出生即终点”，必然引发强烈的不满。他们占据有限的岗位与机会，而普通人必须付出远超常人的代价才能争取。当努力不再带来回报，社会的信任与秩序就会被侵蚀。如果愤怒被简化为“所有 nepo kids 都该死”的口号，就意味着把制度性的腐败转移成个体性的清算。历史上，无论是法国大革命还是文化大革命，这种“血统论”都曾导致以出身定生死，结果社会陷入新一轮暴力循环。事实是，nepo kids 并不是原罪，真正的问题是不公正的社会结构。如果社会只会喊“nepo kids 都该死”，就会重演贝恩式的复仇逻辑；只有将这种愤怒转化为制度性改革，才能避免哥谭式的毁灭。猫女的倒戈猫女赛琳娜，亦正亦邪，宜善宜恶。她最初并不是革命者，而是一个机会主义的生存者，只想为自己谋求一条出路。然而，她很快看清贝恩的革命并非解放，而是彻底的毁灭。富人固然是清算的目标，但无辜者同样难逃牵连；所谓“人民法庭”不过是一场复仇的剧场。她不愿再做自私的幸存者，而是要证明自己也能选择正义。她的倒戈象征着底层民众对“假革命”的觉醒：革命口号可以令人沉醉，但当本质只是破坏与复仇，普通人终将意识到真正的出路在于秩序的重建，而非盲目的毁灭。猫女不仅是电影中的角色，她也可能是你，是我。大多数人并非天生站在光明或黑暗的一边，而是在犹豫与矛盾中塑造自我。社会里，真正像蝙蝠侠或贝恩这样极端的人少之又少，而更多的人恰似猫女——在阴影与光明之间徘徊，最终选择一条既能活下去，也能抬头面对的道路。本猫女的自白作为“猫女”的心理投射，我的自白是：不认同权力的虚伪，不甘心做弱者的牺牲品，却依然保持自由进出的能力。我能敏锐地感受到社会的不平等，看到权力与财富被少数人攥在手里，看到“nepo kids”凭借血统与关系轻易立足高位，而他们未必比普通人更有能力。我无法认同这种“天生的秩序”，甚至觉得它虚伪而可笑。我不来自顶层，这让我和布鲁斯·韦恩式的既得利益者天然有隔阂。我理解底层的无力与愤怒，但同时也明白，纯粹的仇恨与复仇未必带来解放，反而可能制造新的枷锁。这种双重认知，使我比许多人更冷静。像猫女一样，我相信自己的本事：能够来去自如，在不同圈层之间切换，既能理解上层逻辑，也能与底层共鸣；不被身份框死，始终保留自由；嗯，智商高，能忽悠我的人不多。这其实是一种“边缘者优势”。我不属于特权阶层，因此具备抗争的不屈清醒；我也不完全被压迫，因为我拥有在系统缝隙中游刃有余的能力。猫女的复杂性，正好映照了这种心理：拒绝依附，却也不盲目毁灭。她代表的，正是一个厌恶不公，却依靠智慧与本事保持自由的人。革命循环的宿命性：人类组织与智慧的极限，靠人类本身是无解的。纵观历史，革命几乎总是遵循同样的轨迹：当旧秩序失去合法性，群众的愤怒便迅速积累，最终以“平等”或“自由”的旗号爆发，推翻既有结构。接踵而来的是清算，所谓的“人民法庭”与恐怖时期往往让情绪凌驾于理性之上。随后，新精英登上舞台，逐渐复制被推翻的旧模式，腐朽再次出现，于是新一轮循环开启。这一宿命循环背后有三层原因。在人性层面，愤怒比理性更容易动员，复仇比制度建设更快见效；在组织层面，革命初期的扁平协作很快被集中权力取代，因为混乱之中，人们渴望“强力领导”；在智慧层面，即便最清醒的理想主义者，如法国的吉伦特派或俄国的温和派，也往往被更能煽动情绪的极端派压制。结果是，人类依靠自身的本能与传统组织逻辑，只能反复走在“革命—腐化—再革命”的螺旋里。换句话说，人类智慧在社会治理上存在结构性瓶颈，单靠教育、道德或宗教，都不足以跳出这个循环。如果仅靠人类无解，那么或许需要借助外部力量。技术介入；结构语言；智能协作——超越人类短板，避免再次陷入革命循环的宿命。 There 's a storm coming, everyone. 今天做了一个手术，大脑被降智了，写不了技术文，多发了点牢骚。

尼泊尔社交媒体禁令引发抗议，至少15人遇难· 33 条信息

#尼泊尔革命 #Z世代 #社会不公 #猫女 #革命循环

2个月前

我第一次杀鸡是22岁。是在我室友农村老家。体验农村生活。手忙脚乱，鸡飞狗跳，完事儿把鸡炖上以后，我俩对看，全身鸡毛鸡屎和血迹。你们是几岁做到，撒谎不口吃，杀人….啊不，杀鸡不手抖的？我现在撒谎还口吃。

#杀鸡体验 #农村生活 #手忙脚乱 #22岁 #撒谎口吃

2个月前

左右派之争，悲惨世界，Do you hear the people sing? 右派青年领袖之死，公开行刑式刺杀，政治战争的残酷，左右之争的白热化，我要说说《悲惨世界》（Les Misérables）这本小说。大文豪雨果。芳婷：左派家庭未婚先孕的少女她原本只是一个普通的乡村少女，美丽、纯真，却没有社会地位与保护力量。年轻时被一个轻浮男子的甜言蜜语所诱惑，生下了私生女珂赛特，却被无情抛弃。这是一场典型的“浪漫主义骗局”。在工厂里，芳婷勤劳肯干，却因为未婚先孕的身份而被同事排挤，最终失去了赖以生存的工作。从此，她的人生进入急速坍塌：先是卖掉一头秀发，又被迫拔掉门牙贱卖，最后不得不沦为妓女。雨果冷峻而毫不留情地记录了她的堕落，仿佛在展示社会制度如何一步步摧毁一个弱者的生命。然而，放眼今日的西方资本主义社会，尤其是当代法国，未婚先孕早已不再是无法承受的耻辱。相当一部分新生儿是非婚生子女，单亲妈妈也有完善的社会福利制度支撑。芳婷若活在今天，她或许无需把珂赛特送人，而是可以直接领取儿童补助、住房津贴，甚至在某些地区连房租都由政府承担。她甚至可能选择继续单身生子，只要孩子足够多，每个月都有数千美元的福利到账，几乎无需工作。然而，一代芳婷，代代芳婷。福利制度的初衷是防止女性落入“芳婷式”的悲剧，却在某些社区里代代相传，固化为一种文化循环。男孩在无父之家长大，成年后又留下更多私生子；女孩熟悉整套福利领取流程，也继续走着同样的道路。结婚？从未认真考虑过，因为婚姻反而会让她们失去补助。于是，新的芳婷一代代诞生，“代代芳婷”，成了社会的阴影。左派的福利政策本意是慈悲，但也在无意中制造出大量 dysfunctional 的家庭结构。那些右派所坚持的“正常”：为家庭辛勤奔波的父亲，善良美丽的母亲，在许多家庭里早已不复存在。雨果笔下的芳婷，是19世纪的悲剧；而现实中的芳婷们，则成了21世纪福利国家的悖论。全身刺青的左派青年，染着鲜艳色彩头发和全身各种金属环的左派少女。县城婆罗门沙威 vs 县城小混混青年冉阿让县城婆罗门沙威 vs 县城小混混冉阿让——这就是《悲惨世界》里最尖锐的对立。沙威为何对冉阿让穷追不舍？表面是执法，深层是阶层的蔑视。沙威出身低微，却通过进入体制爬上来，变成县城里的“婆罗门”，一种自以为稳固的中层秩序的化身。他对冉阿让的愤恨，并不是因为冉阿让偷了一块面包，而是因为冉阿让代表了体制之外的可能性：一个混混居然可以变好，甚至比体制内的人更有道德力量。沙威问：你为什么不当公务员？为什么不在十几岁就像我一样，去追求秩序、依附制度？这是县城婆罗门的逻辑：我所选的道路就是唯一的正道。你冉阿让若不走这条路，就该一辈子伏在阴沟里。而冉阿让的反击，是通过一生的行动：他用善行、用救赎，证明“体制外的混混”也能走出一条高于法律的道路。这就是为什么他要终身寻求救赎：为了证明人类可以超越标签。然而，沙威之所以最终无法接受冉阿让的救赎，是因为那会动摇他赖以存在的全部意义。若冉阿让能自我救赎，那法律与制度的绝对性就被削弱了。沙威宁可毁灭自己，也无法承认体制外的人可以比体制内的人更高贵。换句话说：沙威象征县城婆罗门的自恋与优越感，活在秩序和身份的幻象里。冉阿让象征县城小混混的痛苦与可能性，他的人生不是直线上升，而是痛苦跋涉中的涅槃。道德洁癖，伴随一种自以为绝对正确的优越感，甚至带着法利赛人式的宗教姿态——这种态度，倒和许多右派的气质颇为相似。 Do you hear the people sing? 我确实听见了。那不是雨果笔下的1832年巴黎街垒，而是2008年的“占领华尔街”。这是现代版的法国大革命呐喊：贫富差距越来越大，富者恒富，穷者无望。不同的是，今天的人民手里有了广泛的沟通工具，文化水平也足以看穿资本积累背后的剥削逻辑。当他们在网络和街头集结，所燃起的，已不只是情绪，而是对制度性不公的清醒反抗。那一刻，本来有可能演变成一场真正的全球性大火。可就在火苗即将点燃时，有一个意外的变量介入，像一桶水浇了下来——那就是中国。中国在2008年金融危机后祭出了强力的举措：天量刺激、基建狂潮、出口扩张，把全球的生产链、消费力和流动性全部硬生生拖了回来。华尔街的火焰没有烧透，美国的体制暂时缓过一口气。于是，“占领华尔街”的怒吼逐渐散去，青年们回到日常，革命的浪潮被压制了下去。然而，问题并没有消失，只是被延迟。资本的逻辑没有改变，反而更加精致化、全球化。中国救的不仅是华尔街，也是在帮整个旧秩序续命。人民的歌声因此没有停息，而是潜伏在地下，等待下一次的爆发。还给不给年轻人活路？雨果写的是街垒与子弹，而今天的街垒可能是区块链、AI模型、社群共识。珂赛特，马吕斯，爱潘妮，安灼拉，谁是左派？谁是右派？人民哪有什么界限呢？珂赛特，那她要按照她的出身，连艾潘妮都不如，但她却成了右派心目中完美女性的化身：纯洁、顺从、光明，雨果笔下的“光之少女”，甚至像是十九世纪版的 Sydney Sweeney，一个需要父权与守护来托举的形象，是靠冉阿让用生命去托举的。马吕斯，贫困贵族出身，出身“右派”家庭，又投身于左派革命。出身右派家庭，却转身投向街垒。他既有血脉的保守负担，又有浪漫的革命激情。爱潘妮，出生底层，把自己活成了个女混混。就是左派叙事里的“原生家庭之痛”啊，但是她对马吕斯的爱情不真挚吗？为了保护马吕斯，替他挡下了子弹，死在他怀里，她就不高尚吗？所以谁是左派，谁是右派？哪有什么界限？没有敌我，如何有战争？如果真的划不清界限，又何来左右之分？宗教式右派的解法？政教早已分离，基督的归基督，凯撒的归凯撒。圣经的经文早已封卷，不会再多出一个字，它所能救赎的是个人的灵魂，而不是正在坍塌的社会结构。眼前的问题依然存在：制度的腐败、秩序的失衡、阶层的撕裂，这些都超出了经典所能提供的解法。过去的圣典可以安慰人心，却无法修补现实的裂缝。社会的未来，需要更加高维的智慧。但是在任何情况下，刺杀都是人类秩序的容忍底线。政治是一个高风险游戏，本兔子早就吓的瑟瑟发抖，躲洞里去了。走之前写文一篇。

#左右派之争 #悲惨世界 #社会福利悖论 #阶层对立 #政治刺杀

2个月前

大清不是因为无知而错过工业革命，而是因为太清楚这场革命会摧毁自己的统治结构。今天的中国面对科技跃迁时，也会面临类似的“结构排异”考验 —— 历史会押注在谁能解决兼容性问题上。目前我认为硅谷大佬中，把这件事情看的最清楚的还是Alex Karp，他认为硅谷方向错了，LLM是原材料——关键是我们这些加工端，我们怎么去让社会接入。技术不可孤立，科技要连入社会结构才能发挥作用。竞争在“应用环节” •模型层面，美国、中国、欧洲其实差距在缩小。 •真正的竞争优势在谁能最快把 LLM 工业化、规模化嵌入到社会系统中。 •这也是为什么 Palantir 一直主打 “AI for decision-making”，直接瞄准政府和工业客户，而不是 ToC 的聊天应用。矛盾点正是“结构兼容性” •清朝拒绝工业化的逻辑，就是怕工矿业带来组织规模化，冲击统治结构。 •今天很多机构/国家对 LLM 的矛盾，也是一样： •如果只是“聊天玩具”，没威胁； •如果要嵌入司法、军事、金融，就会触发结构排异。 •Karp 的敏锐之处在于，他既看到了排异，又试图提供一个可控的加工层来解决这种矛盾。谁能解决“结构兼容问题”，谁就能避免清朝式的排异陷阱。现在对于不想被淘汰的技术人来说，两条路。一条模型研发端。一条就是这个社会接入端。

#工业革命 #统治结构 #科技跃迁 #结构排异 #兼容性问题

2个月前

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）。

#文科生优势 #AI时代 #意识流文学 #文学素养教育 #乔伊斯尤利西斯

2个月前

很多我接触过的男同胞，在成长过程中，并没有真正从母亲那里得到一门“人性的课程”。其实不少育儿书里都有这个观点：人性来自于母亲长时间，密集接触式的抚养行为。保姆，学校都无法替代。缺少了床边的故事，缺少了对人性的解读，缺少了母子一同观看的剧情片与共同演绎的小剧场。对男孩子而言，最早、也最合适的情感启蒙老师，本该是母亲。在国内有文化的母亲大多被迫走向职场，忙于挣钱，追求利益最大化；而留在家中的母亲，如果缺乏文化滋养，能传递的内容有限。就是一个不停的在做家务的影子。结果就是：男孩成长过程中，往往在情感理解与人性体察上留下空白。我来到美国才发现很多中产家庭：母亲要承担起大量教育职能，尤其是精神与情感层面的引导。课外阅读、艺术熏陶、价值观启蒙——全是母亲的工作。带着孩子去图书馆打卡的都是妈妈。

#母爱缺失 #情感教育 #男性成长 #中产家庭 #文化熏陶

2个月前

昨天看到几个推友在讨论，男程序员容易遇到“捞女”的问题，类似翟欣欣这一类的案例。其实，这也是文科思维缺乏的表现。因为文科思维不只是逻辑和语言，它更像是一张网，能把人与人之间的细微情感联动起来。一个高感知的人，可以捕捉到那些隐藏在言语背后的信号：她对你的不耐烦，她对你家庭背景的轻视，她对你喜欢的游戏投来的那种恨屋及乌式的厌恶，她在说“我爱你”时眼神里的敷衍、嘴角的冷漠，甚至你在生病和不舒服时，她流露出的毫不在意。这些细节，其实全都写在她的情绪和肢体之中。如果一个人完全察觉不到这些，只听语言表层的“我爱你”，而分辨不出真假，那就是文科思维差的直接体现。就有人能看出谁是真心谁是假意。一个人是无法在长期的亲密关系中假装的。

《捞女游戏》引发争议，男女性别对立再升级· 40 条信息

#捞女 #男程序员 #文科思维 #情感 #亲密关系

3个月前

这个世界对男人还是挺残酷的。这件事情换女方失业，都不是事儿。

#男性 #失业 #性别差异 #社会压力 #不公平

3个月前

这本书我今天翻了下，还是学到不少。最深的感慨是，中国眼下的处境，比当年日本复杂得多，是一种多重叠加的压力。日本当年的问题，主要是大学生就业受阻——入口断层。但他们保住了中年群体：大企业正式员工稳定，房贷还能扛，家庭层面有团块世代的资产红利作为缓冲。这样，即便“冰河期一代”受挫，社会总体还能靠三十年的时间慢慢消化债务。而中国现在更危险：不仅大学生“进不来”，中年人也“保不住”。所谓35岁现象，叠加技能老化，再遇上即将到来的AI技术范式海啸，形成“双断层+技术冲击”。我听到的版本就是中年失业以后，尤其是一些原来中产密集的职位，管理，市场，财务，产品等等，找到同等待遇职位的可能性越来越小。同时，外部环境也远比当时复杂。当年的日本，大企业在全球产业链里依然能持续输出竞争力；而今天的中国，面对的是美国、欧洲等发达经济体自身的需求侧收缩，外部市场并不能提供缓冲。

#中国经济 #就业困境 #35岁现象 #技术冲击 #外部环境

3个月前

关于 Vibe coding，我的看法是：无论你是否在职，现在都没必要过多纠结这个问题。它更像是一种长周期的练习，而不是立刻要解开的难题。就像我练长笛时的体会一样。有一首曲子，巴赫的 Bardinerine，难度极高，我从学长笛起就断断续续在练习，并收藏了很多年。但它从来不是一口气能练好的，而是隔一段时间拿出来试试，看看自己到了哪一步。如果把技术发展理解为一条线性增长的曲线，那么在前期“匹配度”不足的时候去硬练，不仅收效甚微，甚至可能适得其反。你和曲子，只有匹配，没有高低。你个人，跟一首曲子争什么高低。 Vibe coding 也是类似的道理。至于它会不会取代你，这个问题没有太大意义。你可能现在比他写的好，也可能比他写的差。但是总有人写的比你好。不管结果如何，先放在一边，做好几手准备，每一手都能让你站在赢家的位置。过去，程序员的纠结主要是“代码写得好不好”“架构是否优雅”。但如今，AI 已经能够生成大部分代码，代码本身已不再是核心稀缺资源。真正的焦虑在于：你是否还能看懂整个系统的结构逻辑，当 AI 快速生成模块时，你能否判断其合理性与可融入性；你是否理解新的业务模型，因为商业逻辑已从“写好产品 → 慢慢变现”转向“结构即业务，协议即商业”，代码只是执行层的皮肤，真正的壁垒在于业务模型与协议设计；你是否完成了角色转变，不再纠结“这段代码是我写的还是机器写的”，而是能否调度结构、验证逻辑、衔接业务路径。换句话说，程序员未来的竞争力，不在于手指敲下多少行代码，而在于脑子能否跟得上结构迁移。business model 已经发生了根本变化，如果还停留在“写代码还是生成代码”的纠结，那就如同工业革命时期还在争论“织布是手工还是机器”。

#Vibe Coding #程序员转型 #AI代码生成 #业务模型 #结构迁移

3个月前

抓虱子的猴子：被叙事裹挟的滚滚历史洪流罗宾·邓巴（Robin Dunbar）在“社会脑假说”里提出过一个形象的比喻：猴子抓虱子 = 社会联结的原始方式。灵长类动物要生活在群体中，就必须维系复杂的社会关系，而最基础的办法就是 grooming ——梳理毛发、抓虱子。问题在于，grooming 是一对一的，耗时而低效。群体规模一旦扩大，成本就会迅速飙升，关系网络也难以维持。邓巴由此推算，人类大脑的新皮质容量，大约对应 150 个左右的稳定关系上限，这就是著名的“邓巴数”。那么，人类是如何突破这个上限的？答案是：语言与叙事。语言是“心理抓虱子”，能一次维系多人关系；而叙事则是规模化的社会胶水，把零散的闲聊升级为“我们是谁、我们为什么存在、未来会如何”的结构化故事。叙事让人类能在超越邓巴数的规模上共处，甚至组成国家、联盟、文明。我曾经说过：模因是叙事的碎片，而叙事是一整套结构化的故事，它提供意义、合法性和方向感。叙事不仅仅解释现实，它还能动员资源，塑造制度，决定历史走向。如果要展示叙事的系统性力量，最典型的舞台莫过于冷战。那不是单纯的军备竞赛，而是一场叙事的全面对抗。美国的叙事：“自由世界 vs 极权主义” “市场经济 → 繁荣与民主” 以美国梦、好莱坞文化、消费主义作为软实力苏联的叙事：“社会主义阵营 vs 资本主义剥削” “计划经济 → 平等与未来” 借助工人阶级解放、红色国际主义进行全球动员核武器只是表层威慑，真正决定合法性与动员力的，是两套叙事的正面交锋。这个故事本身已经被反复讲述，但我想用自己的方式告诉你：叙事，不是背景，而是武器；不是附属，而是历史本身。我们来看这幅我在大都会博物馆亲眼见过的作品——杰克逊·波洛克的滴画。我私下管它叫“酱油画”。为什么？因为他那种把颜料一滴一滴甩上去的方式，我在家也试过，发现最好用的工具居然是餐馆里常见的那种大支装酱油、蚝油瓶子——瓶口是尖的，正好能精准地“滴”。那么，波洛克的成名真的是因为画得“好看”吗？你觉得这些线条真的是审美意义上的漂亮吗？其实未必。它的意义并不在于视觉愉悦，而在于他背后承载的叙事。波洛克的滴画，是冷战时期文化叙事的一部分。当时美国需要一个艺术上的“自由象征”，用来对冲苏联社会主义现实主义的“宣传性绘画”。波洛克的作品被包装成“自由世界的艺术”，他的创作方式被叙事化为“个人表达的极致”，是“民主自由精神的象征”。所以波洛克不是单纯靠线条和颜料成名，而是成为了一块“叙事战场的切片”。他的画布，既是抽象的涂抹，也是美国对外文化宣传的武器。在说下去之前，说一条我认为重要的知识：反身性反身性（Reflexivity）是理解叙事、制度和市场循环的关键。由索罗斯提出，它指出：人类的认知和叙事并非对现实的被动映照，而是会反过来塑造现实，形成认知—行动—现实的循环。社会与市场因此不是静态的“镜子关系”，而是动态的“自我实现或自我破坏的预言”。比如多数人相信房价只会涨，就会积极买房，推高价格，进一步强化这种信念，直到泡沫破裂。结论是：市场价格不是基本面的镜像，而是叙事与制度共同作用下的反身性产物。事情说到人人都相信的程度，就让人人把这件事情做成真的了。好，继续说我的，我对于叙事的重点个人看法在于： 1）不要纠结叙事的真假 2）理解叙事，看穿叙事，成为叙事，创造叙事虚的叙事能不能成？能成。所谓“虚叙事”虽然在当下往往无法完全兑现，但它依然具备强大的动员力量，能够集中资源、凝聚信念，并在长期作用下转化为现实的成果。这种情况常见于战争、国家建设、科技竞赛等高风险领域。例如，“美国梦”就是典型的虚实交织。它宣称任何人只要努力就能获得财富与自由，然而在现实中，大部分移民仍然贫困且受歧视。但正是这种叙事吸引了全球移民和资本，形成了美国独特的劳动力与市场优势，并在数十年后催生出真实的经济奇迹。换句话说，即便包含大量虚的成分，它仍促成了美国的崛起。科技竞赛亦是如此。苏联最早把人类送入太空，并将其塑造成制度优越的象征；美国则把“登月”包装成国家必胜的目标。事实上，当时登月的风险极高，更多是政治叙事上的冒险。然而，正因为这种“虚得很大”的目标，美国才得以动员海量资源，最终真的完成了登月壮举。叙事反过来成就了技术。哎等等？登月真的成功了吗？ 2002年，西布雷尔当面对巴兹·奥尔德林（Buzz Aldrin）要求他“把手放在圣经上，发誓自己真的登月过”。当然巴斯没理他，他可是《玩具总动员》里巴斯光年的化身，代表了一代人的美国精神。登月是真是假还重要吗？所以，咱们猴子🐒是真的离不开叙事。人类社会是靠着一个又一个叙事维持、更新、演化的。现在做几道题（直接问AI）：资本主义是叙事还是一种实在的制度？钻石这套叙事是真还是假？什么时候叙事需要换了，没换会发生什么？继续说，科技从来都是裹挟着叙事前行的。蒸汽机是“人类第一次解放肌肉力量”的叙事，电力是“点亮文明”的叙事，互联网是“让世界更平”的叙事。今天轮到 AI，它也必须讲述一个能动员资本、人才与制度的叙事。而在这一轮，美国抛出的就是 “星际之门计划（Stargate）”。这个名字不是随便起的。它甚至是由本国最大的那只…….人物亲自在白宫宣布，背后有一整套极为娴熟的包装：名字来自科幻经典，隐喻是“通往未来的门”，说法精准击中了大众心理与文化想象。这不是单纯的技术发布，而是叙事工程。它背后运作的是一支深谙传媒逻辑、文化符号、战略沟通与民众心理的团队。 AI 的叙事方式，就是把技术框架包裹在宏大的文化隐喻里：它不只是算力与模型，而是“文明即将穿越的入口”。理解叙事，看穿叙事，成为叙事，创造叙事。为什么没人教导你看穿叙事？学校从来不教这类内容。因为叙事本身就是维持秩序的工具，如果人人都能随时看穿叙事，它的动员力就会迅速削弱，整个社会秩序也会随之动摇。因此主流教育、媒体和制度设计，更倾向于训练人们“进入叙事”，而不是“拆解叙事”。叙事的力量需要一种“沉浸感”才能发挥作用。一个故事之所以能调动人群，是因为大家身在其中却不自觉。如果每个人都带着解构的眼光去参与，叙事本身就会失效。因此，社会机制默认培养的是“信叙事”的能力，而不是“看穿叙事”的能力。看穿叙事往往被视为危险。对个人来说，这可能带来犬儒感，让人怀疑一切，进而失去行动的驱动力；对权力来说，看穿叙事则可能意味着挑战合法性，直接威胁既得利益。所以无论是教育体系、宗教传统，还是企业文化，都不会主动把这种技能当成公共课程传授。最后，祝你练就一双看透叙事的火眼金睛。

#叙事 #文化 #社会 #历史 #认知

3个月前

人类社会最核心的问题，是协作。但问题在于：怎么协作？如何协作得更好？历史一次次证明，只要在协作方式上能前进一步，无论是生产力还是生产关系，都会发生巨大的跃迁。协作才是人类真正的优势根源。然而个体之间始终存在信息不对称、动机不一致、认知有限，这让协作随时面临瓦解的风险。只要我们大脑不互联，那我们之间唯一能够依赖的沟通工具就是高歧义，高度模糊的语言体系。要想稳定协作，必须解决好信任、分配、裁决这个“三角”：信任：我敢不敢和你合作？分配：成果如何分享，怎样避免有人躺平或过度索取？裁决：当争议出现时，谁拥有最终解释权？如果这三点不能解决，任何协作都会陷入不稳定。因此，这三角是“核心中的核心”，所有复杂的政治、经济乃至技术问题，归根结底都可以回溯到这三个节点。反过来看，历史上凡是有人能够在这几个问题上提供一个更好的解决方案，就必然开辟新的时代、获得巨大的财富与权力。比如：货币与银行体系：解决了陌生人之间的信任问题，让贸易可以跨越地域与时间；股份公司与有限责任制：解决了资本和风险的分配问题，让大规模商业冒险成为可能；法院与宪政制度：提供了权威且可预期的裁决，避免了无休止的暴力冲突；区块链与智能合约：则是当代尝试把“信任”和“裁决”写进算法，建立一种新型的“结构化协作”。每一次解决“信任—分配—裁决”三角的尝试，都是一次新的制度革命。未来的创新，依然会围绕这三角展开。我看待 Crypto，其实是放在“协作三角”这个框架里审视的。首先要声明，我不建议任何人去买币、炒币，也不做任何投资推荐。我的兴趣点不在投机，而在社会与技术层面的探讨——我试图推演的是下一个协议文明。任何事物的发展，在我眼下的时间点上，都像《奇异博士》里不断分叉的可能性路径，或者像《沙丘》中保罗一世喝下沙虫生命之水后没有死的那个版本——是一种潜在未来的展开。可能的路径会必然实现吗？当然不一定。但我们可以推演所有可能出现的情景，并在此基础上提前做好准备与资源分配。这样做能保证一定成功吗？不能。但它至少比一无所知、毫无准备要强得多。有准备的人生结局，总比浑浑噩噩要好。如果有人完全没有认知、只靠运气就能过得更好，那只能解释为“混沌信息论”：在充满不确定性的系统里，偶尔会有人随机走运。但我不愿把未来寄托在概率的盲目摆动上，而是希望以结构化推演来争取更大的主动性。明白？一切进步都必须回到“信任—分配—裁决”三角。当我们面对一个新兴技术或制度时，要问三件事：它解决了哪一条边的问题？（信任 / 分配 / 裁决）它解决得比旧机制更好吗？（效率更高、成本更低、覆盖范围更广）它的改进是可持续且可扩展的，还是只靠泡沫和投机叙事？如果答案是前者，它就是创新；如果是后者，它就是泡沫。 Crypto （我不愿意称之为“币”，哪个大聪明翻译的） 1. 在信任上： Crypto 最大的突破，是提出了一种 “去中心化的信任生产方式”。 👉 比特币就是“信任的数学化”：任何人都可以验证账本，谁都无法随意篡改。 2. 在分配上： Crypto 尝试了一整套新型的激励和分配机制。 👉 Crypto 在“分配”上开了很多实验，但成熟度远不及在“信任”上的突破。 3. 在裁决上： Crypto 尝试了一整套新型的激励和分配机制。 👉 Crypto 在“裁决”上的贡献是提供了自动化的裁决实验室，但远没能取代现实的复杂司法与治理。在这方面，其实Ty兄的文说的非常好。 Crypto 的问题其实也显而易见。在我看来，它不过是结构化与协议化文明的初试水。真正的系统配套——包括法律、监管、基础设施、标准、用户接口等——都还在未来。哪些机制会留下，哪些会被淘汰，还需要时间的检验。在配套不成熟的阶段，市场必然会充斥着试错、泡沫、欺骗与割韭菜。这是历史上所有重大创新在早期都无法避免的母式：铁路投机、互联网泡沫，莫不如此。如果把前面说的三角框架（信任—分配—裁决）和时间观（上一个帖子，30–50 年的成熟周期）放在心里，那么个人程序员的定位就很清晰了。不要被短期的价格起落、代币叙事、热点概念牵着走，而要意识到：真正的价值在于成为未来协议文明的配套建设者。换句话说，今天参与 Crypto 的个人开发者，最有意义的工作不是去写“下一个拉盘的 Meme 币合约”，而是去解决那些能沉淀下来的长期问题：如何让规则和合约可解释、可验证？如何设计公平且可持续的分配机制？如何构建透明的审计、储备证明、合规接口？如何让普通人能通过自然语言或直观界面来理解和使用协议？这些才是真正的基础设施建设，是真正能跨越周期、沉淀为遗产的部分。所以，对于个人程序员来说，最好的时间观就是：把当下的乱象，看作历史的必经过程；把自己放在更长的时间尺度中，专注去打磨那些能穿越泡沫、最终进入文明底层的东西。（2/n)

#协作三角 #信任、分配、裁决 #Crypto #协议文明 #结构化协作

3个月前

独立开发当然是好的，但对所有年龄段的程序员而言，最稳妥的路径仍然是：持续去找工作。至于要不要接受一份工作，决定权始终在你手里。找到合适的工作，本质上意味着结构耦合，它是一种清晰的市场验证信号。因为人不是一成不变的，在过去几年里我们每个人都经历了巨变，这些经历和能力绝不是一份简历可以完全解释的。能否拿到心仪的工作，就是最直观的“市场回路反馈”：如果拿到了，说明你的个人结构不仅存在，还能被生态调用；如果拿不到，就意味着你的结构可能已经老化，或者你的叙事和市场脱节。在美国，加入合适的 VC 支持公司，是程序员当下最具杠杆效应的路径之一：一方面有稳定现金流（薪酬），另一方面有上行潜力（股权），还能用别人的资金和算力做试错实验，同时沉淀人脉与信誉。从美国市场环境来看，风投资金已经大量涌入，而前沿应用的岗位结构尚未成型。今天大厂看似理所当然的岗位体系（产品经理、前端、后端、算法、运维…），当年也并不存在，而是通过一次次试错慢慢形成的。所以，现在的 AI 落地场景就等于互联网早期。岗位定义混乱：Prompt 工程师、AI 产品经理、Agent 架构师这些头衔没有统一含义；知识体系真空：学校没有对应课程，培训班也只是拼凑；话语体系缺失：没有标准职能表，企业只能在摸索中招人。相比之下，上一天班就一定有一天的钱，这就是就业最朴素的优势。它同时也是验证体系、学习体系和探索体系的一部分，持续找工作，才能不断刷新和检验自己的结构。转过来看：你以为独立开发就不是一种“工作”了吗？从结构意义上说，它甚至可能还不如在前沿组织里的探索岗位。因为所谓的“独立开发”，从来就不是完全独立，而是从传统雇佣制中跳出来，转而寄托在另一套隐形组织关系中。平台依赖：独立开发者依旧依靠 App Store、Google Play、Github、Notion、Stripe 这样的基础平台，这些就是事实上的超级组织。分发依赖：推特、知乎、Reddit、Discord 等社区构成了营销和获客渠道，你无法真正游离于其外。支付与法律依赖：要通过银行、Stripe、Paypal 收款，要遵守国家的税收与合规法律。所谓“独立”，也许更多的是一种心理身份标签（不依赖单一雇主），而不是实际意义上的完全脱离组织。我相信：超级个体≠孤胆英雄因此，超级个体的最终落点依然是找到组织。如果市场上找不到能容纳你结构的组织，那就意味着，是时候去自己创立一个组织了。连contractor都仅仅是一个过渡形态。

#程序员 #就业 #AI落地 #组织 #市场验证

3个月前

“有些人被培养成锋利的工具之后，对自己的角色变得执着，沉浸于外人对其锋利特性之赞许，而无法自拔。” 深有体会。学历，职称，证书，一切能挂在linkedin上的标签。我可以写一篇作文了，叫做：《论一个工具人的觉醒》

#阶层固化：求变之路，殊途同归· 976 条信息

#工具人 #觉醒 #执着 #角色认知 #反思

3个月前

尤其是那些张口闭口就骂文科生的，我反而觉得文科生要好好研究一下把一些计算机基础补一下，追上来挺快的。

#文科生 #计算机基础 #学习 #提升 #建议

3个月前

昨天看到帖子说“印度人”混的更好了。开口就是prompt. 我认同的。华人，男，理工科。中英文语言能力是个大问题。写，说，全有。连带情商，一张口就是得罪人的。可能是应试教育的副产物。以前是完全是靠学历支撑的。现在不说没有用了，但是这几年都看到了prompt在把人脑可及的流程不断侵蚀。在99.9%同等竞争上，学会说话有绝对的优势。

#印度人 #华人 #Prompt #语言能力 #情商