Y11
2个月前
技术优势从来不是一劳永逸的。 就像谷歌在搜索领域的领先曾被视为不可撼动,OpenAI在AI领域的突破也在不断改写规则。 真正的护城河,往往藏在持续的自我迭代里。这让我想起自己十年间的观察:那些能穿越周期的企业,都懂得在变化中找方向,就像航船需要不断调整航向,才能抵达更远的彼岸。 成长的本质,其实是一场和自己的对话。 定期停下来看看走过的路,哪些地方可以做得更好?哪些习惯需要修正?就像园丁修剪枝叶,不是否定过去,而是为了让主干长得更挺拔。我见过不少人困在“稳定”的舒适区里,直到外界环境变化才发现,看似坚固的堤坝,早已被时间冲刷出裂痕。真正的安全感,从来不是一成不变的状态,而是面对变化时的适应力。 离开熟悉的环境后,我才真正理解“变”是唯一的不变。 曾经以为坚不可摧的优势,可能在一夜之间就被颠覆;曾经觉得理所当然的规则,可能在某个清晨就被新的逻辑改写。这不是要让人焦虑,而是要学会在流动中寻找支点。就像河流遇到礁石,与其硬碰硬,不如绕开障碍继续向前,每一次转折,都可能带来新的风景。 耐心不是消极等待,而是在等待中积蓄力量。 我见过很多人急于求成,看到别人成功就模仿,结果却迷失了方向。 其实,真正的机会往往藏在“慢”里:每天多优化一个产品细节,每月多理解一个用户需求,每年多解决一个行业痛点。就像农民耕耘土地,春种秋收需要时间,但每一分汗水都不会白费。耐心的人,总能在别人放弃的时候,听到机会的敲门声。 大公司的光环之下,我渐渐明白一个道理:技术只是工具,真正打动用户的,是产品能否解决他们的实际问题。 就像有人需要一把锋利的刀,有人需要一把钝刀来切面包,没有绝对的好坏,只有是否合适。所以,我们不必追求最先进的技术,而要找到最能服务用户的方案。有时候,一个简单的功能,比复杂的技术更能赢得人心。 广告能带来流量,但留不住人心。 就像热闹的集市,有人进来买东西,也有人转身就走。 真正的长期主义,是让用户在每一次接触中都能感受到价值。就像经营一家餐厅,菜品好吃是基础,但周到的服务、舒适的环境、甚至老板的一句问候,都可能成为让人再来的理由。流量是数字,人心才是根本。 做好一件小事容易,做好一辈子的小事却很难。 我见过不少人追求“大项目”,结果眼高手低,反而忽略了脚下的路。其实,伟大往往孕育在平凡之中:把代码写得更简洁,把客服回复得更耐心,把产品体验打磨得更流畅。这些看似微不足道的坚持,就像水滴石穿,时间久了,自然会形成独特的竞争力。 没有标准和数据,进步就像在黑暗中摸索。 我刚入行时,总觉得“努力就好”,但后来发现,如果看不到具体的指标,就无法知道自己做得好不好。就像跑步,没有计时器,怎么知道自己有没有进步?数据不是冰冷的数字,而是成长的坐标,它能帮我们找到优化的方向,让每一步都踏得更稳。 多数时候,人们做决策的依据不是逻辑,而是情感。我曾以为用数据说服客户最有效,后来发现,当客户真正相信你的产品能解决他们的痛点时,情感的连接比任何参数都更有力量。就像交朋友,理性的分析固然重要,但真诚的态度、温暖的笑容,往往更能拉近距离。理解人心,才能更好地理解需求。 商业世界有一些底层规则,就像物理世界的定律,我们可以探索,但不能无视。二八定律告诉我们,80%的价值来自20%的核心用户;网络效应提醒我们,平台的价值会随着用户增加而指数级增长。这些规律不是束缚,而是前人经验的总结。读懂这些“常识”,我们才能在复杂的商业环境中找到清晰的路径。 统计数据可能会过时,但基于规律的判断更持久。我见过很多人沉迷于短期的数据波动,结果被表象迷惑。其实,真正的商业逻辑往往藏在更深层的规律里:用户的需求会变,但对“好产品”的渴望不会变;市场会变化,但人性的本质不会变。就像太阳东升西落,看似简单,却是亘古不变的规律。 思考问题不能停留在表面,要追问“为什么”。我见过太多人满足于解决问题的“答案”,却忽略了问题背后的本质。比如用户抱怨产品难用,是界面设计问题,还是功能逻辑问题?是需求理解错了,还是执行不到位?只有找到根因,才能真正解决问题。就像医生看病,头痛医头、脚痛医脚永远不是好办法,找到病灶才能药到病除。 做决策前,一定要多问自己几个“为什么”。我曾有过冲动决策的经历,结果事后发现漏洞百出。后来养成了一个习惯:做决定前,先暂停三分钟,问自己这个决定的目的是什么?有哪些风险?最坏的结果是什么?有没有更好的方案?就像开车遇到岔路口,多花一点时间看清路况,总比盲目前行更安全。 专注于自己的事,把它做到极致,这是最朴素也最有效的成功之道。我见过不少人羡慕别人的机会,总觉得自己的赛道不够好,结果在追逐中迷失了方向。其实,每个领域都有做到顶尖的可能,关键在于你是否愿意沉下心来,把一件事做到别人无法替代的程度。就像瑞士手表,专注于精密制造,才能在世界上立于不败之地。 好奇心是拓展能力边界的钥匙。我曾局限于自己的专业领域,后来发现,跨界的知识往往能带来新的启发。就像ReST算法的灵感,可能来自数学,也可能来自生活中的某个细节。保持好奇,多读书,多旅行,多和不同领域的人交流,你的认知边界就会不断扩大,解决问题的思路也会越来越开阔。 错误不可怕,可怕的是重复犯错。我见过很多人因为害怕失败而不敢尝试,结果永远停留在原地。其实,错误是成长的催化剂,每次失误后,只要能快速复盘,找到原因,就相当于排除了一个错误选项。就像学走路时摔跤,每一次爬起来,都会站得更稳。真正的成长,就是从错误中学习,在迭代中进步。 每个人看待问题的视角不同,所以沟通比争论更重要。我曾以为自己的想法是正确的,直到和不同背景的人交流,才发现世界远比我想象的复杂。后来我学会了放下固执,耐心倾听别人的观点,即使不同意,也会先理解对方的逻辑。因为共识往往不是“说服”出来的,而是“理解”出来的。就像拼图,只有把不同的碎片拼在一起,才能看到完整的画面。 在细分领域做到顶尖,需要极致的专注和坚持。这个世界不缺“大而全”的公司,缺的是“小而美”的专注。我曾看到很多人试图做“万能”产品,结果精力分散,什么都做不好。其实,就像挖井,只有在一个地方持续挖下去,才能找到水源。那些最终成功的企业,往往是在某个细分领域里,把产品做到了极致,把服务做到了贴心,把用户需求理解到了骨子里。而这样的坚持,注定是少数人的旅程。 商业的本质,是价值的交换。无论技术如何迭代,规则如何变化,这个核心永远不会变。我们要做的,就是在变化中坚守本质,在浮躁中保持专注,把每一个细节做到极致,把每一次机会握在手中。就像一句话说的:“种一棵树最好的时间是十年前,其次是现在。”与其羡慕别人的成果,不如从当下开始,一步一个脚印,走出自己的路。
Y11
2个月前
最近接触AI时,我常被“Agent”和“Assistant”这两个词绕进去。 后来想明白了,这就像我们身边的两种工具:一种是“助手”,一种是“能自己干活的智能体”。 先说说Assistant,它更像我们日常用的语音助手,比如手机里的Siri、小爱同学。 你问它“今天天气怎么样”,它就直接回答;你说“设置个明天早上8点的闹钟”,它就照做。这种工具的核心是“被动响应”——必须等你发出明确指令,它才会行动,而且做的事情都是提前设定好的,不会自己“多想一步”。 就像一个熟练的助理,你把任务写清楚,它就按流程完成,不会主动改变计划。 而Agent就不一样了。它更像一个“能自己规划的小团队”。比如你让它“帮我买一杯咖啡”,它不会直接打开外卖软件下单,而是会先拆解问题:需要确定附近有哪些咖啡店、哪家有优惠、当前配送时间够不够、钱够不够付……然后一步步调用工具去实现。它有自己的“思考能力”,能根据实际情况调整策略,甚至在遇到突发问题时(比如某家店突然关门),还能临时换一家。这种自主性让它能处理更复杂的事情,就像一个有经验的项目负责人,能把大目标拆成小步骤,自己推进完成。 我总结了一下两者的关键区别:Assistant是“执行者”,Agent是“决策者+执行者”。打个比方,对安全团队来说(这是我最近关注的领域),P5级别的安全工程师可能就像Assistant,需要别人明确告诉他“检查服务器漏洞”“处理某个安全事件”,他才动手;而P6级别的工程师就开始接近Agent了,能自己拆解问题,比如从“防范勒索病毒”这个大目标,分解出“加固终端防护”“检查备份策略”“培训员工安全意识”等多个小任务,并且能根据实际情况调整优先级。 再往远想,2023年AI技术已经给智能体装上了“大脑”(推理能力)、“眼睛”(视觉识别)、“耳朵”(语音处理)和“记忆力”(数据存储)。2024年,大家可能会看到它们长出“身体”——也就是“具身能力”,比如能自己操作设备、在真实环境中移动。 至于更高级的P7级安全工程师,可能需要智能体具备“自我进化”能力:比如自己发现工作流程中的漏洞,主动优化方法,甚至在没有人工指导的情况下,通过学习新的攻击手段来提升防护能力。这种能力现在看还比较遥远,但技术发展的速度,说不定哪天就实现了。 说到底,理解这两个概念,其实是在看AI从“被动服务”到“主动创造”的进化。就像从用计算器到用能自己解题的数学软件,区别不在于“算得快”,而在于“能不能自己搞懂怎么算”。
Y11
2个月前
阿玛拉定律,简单说就是人们容易高估新技术短期内的影响,却低估它长期的改变。这是由未来研究所前主席、研究员罗伊·阿玛拉提出的。 这种现象很常见。就像我们刚接触智能手机时,可能觉得它不过是个更智能的电话,没想到后来它会彻底改变支付、社交、工作等方方面面。 新技术刚出现时,大家总是充满期待,觉得它能立刻解决很多问题,但实际应用中会遇到各种现实挑战:可能是技术本身还不够成熟,也可能是用户习惯需要时间培养,或者相关配套工具还没跟上。 这时候,短期效果往往不如预期,让人产生“不过如此”的困惑。 但时间一长,技术会不断迭代,社会也在慢慢适应。 就像互联网刚兴起时,有人说“谁会在网上买东西啊?”“远程办公怎么可能高效?” 可现在,电商成了日常,在线会议成了常态,这些变化的深度和广度,当初很少有人能完全预料到。 技术的真正价值,往往要等配套的东西都发展起来,等人们把它融入生活的点点滴滴后,才会显现出惊人的力量。 对像马云、张一鸣这样的创业者和领导者来说,理解这个定律很重要。面对新趋势,既不能因为短期看不到明显效果就轻易放弃,也不能被短期的狂热冲昏头脑。真正的机会往往藏在长期的趋势里,需要耐心培育,等待技术成熟、生态完善,才能让它的价值最大化。就像当年的电商平台,早期可能只是解决了“有没有”的问题,后来才慢慢实现了“好不好”“全不全”,最终改变了整个商业形态。 所以,看待新技术时,不妨多一份耐心。别被短期的热度左右,也别因暂时的沉寂否定。真正的变革,往往是“此刻花开”,但需要时间浇灌。这大概就是阿玛拉定律给我们的启示:慢一点,才能看得更清楚,也更能抓住那些改变世界的机会。
Y11
2个月前
在科技行业,有一些看似简单却蕴含深刻规律的"定律",它们像无形的手,推动着技术从萌芽走向成熟。 这些由科学家和工程师们总结的趋势,不仅解释了过去几十年的技术爆炸,更为我们理解未来提供了一把钥匙。 1. 摩尔定律:晶体管的"指数游戏" 1965年,英特尔联合创始人戈登·摩尔观察到一个现象:一块集成电路上的晶体管数量,大约每18-24个月就会翻倍。 这个看似简单的规律,在之后半个多世纪里几乎从未失效。 从早期的4个晶体管到如今的几十亿个,它像一个"技术节拍器",让计算能力以可预测的速度向前狂奔。这背后,是人类对微观世界的极致探索,也是技术迭代最直观的"加速器"。 2. 克雷克定律:存储的"容量马拉松" 如果说计算能力在"加速跑",那么数据存储则是一场"耐力赛"。 1980年代,希捷工程师马克·克雷克发现,磁盘存储密度每过一年就会提升约40%。 这意味着,同样的空间能装下的信息,以近乎持续的速度增长。从早期的5兆容量到如今的TB级硬盘,这条定律让海量数据的存储成为可能,也为云计算、大数据等领域筑牢了基石。 3. 吉尔德定律:带宽的"无限供给" 随着网络时代的到来,另一个规律逐渐显现:计算机网络的带宽,大约每18个月就会翻一番。 乔治·吉尔德在1990年代提出这一观点时,或许没人能想到,如今的5G、6G技术,以及无处不在的Wi-Fi,正是在践行这个"带宽神话"。 当信息传输的成本越来越低、速度越来越快,我们才得以享受视频通话、在线教育、虚拟现实等全新体验。 4. 梅特卡夫定律:网络的"价值倍增器" 以太网的发明者罗伯特·梅特卡夫在1973年发现了一个有趣的规律:网络的价值与节点数量的平方成正比。 简单说,100个人的社交网络,价值远不止10个人的100倍,而是10000倍。 这解释了为什么微信用户超过10亿、淘宝商家超过1000万时,平台的价值会呈现几何级增长。网络的本质,正是通过连接不同的"点",创造出远超单个点总和的价值。 这些定律的共同点,在于它们都揭示了技术发展的"指数增长"特性——不是线性的累加,而是几何级的爆发。它们像技术发展的"底层算法",让我们能够在纷繁复杂的创新中,找到那些真正具有颠覆性的方向。当然,技术的进步从来不是一帆风顺,这些规律也并非绝对的"预言",但它们提醒我们:理解趋势,才能更好地拥抱未来。
sitin
2个月前
分享几个觉得又实用、又有意思的开源项目,GitHub 上都能找到。 1、爬虫开源工具——Crawlee 这个项目在 GitHub 上快 2 万 Star 了,是个用 Node.js(还有 Python 版本)写的网络爬虫框架。 它最大的特点就是:爬虫行为更像真人,不容易被网站的反爬机制拦住。 比如你想抓 TikTok、YouTube 这类动态内容,它都能搞定。 而且自带 CLI 工具,一键生成项目结构,给你现成的模板。 支持 HTTP 请求,也能配合 Playwright 这种浏览器自动化工具去抓复杂网页, 内置了代理切换、请求队列、错误重试、数据存储…… 用一句话总结:非常适合想写爬虫但又不想造轮子的同学。 2、屏幕录制工具——Cap Cap 是一个开源版的 Loom(就是那个录屏 + 视频分享工具)。 它能同时录屏幕和摄像头,还支持跟随鼠标放大,录完能直接剪辑、导出 MP4 或生成链接分享。 最关键的是:它有 Web 和桌面两个版本。Web 版可以自己部署,桌面版还能连接到你自己的 Cap 服务。 3、开源压缩工具——PeaZip PeaZip 是一款跨平台压缩解压工具,支持 Windows、macOS、Linux,能处理超过 200 种格式,包括 zip、rar、7z 这些常见的,还有分卷压缩文件。 它除了基本功能,还特别注重隐私和安全,支持加密、两步验证、安全删除,还有哈希校验、脚本导出等高级功能。 说白了,就是一个开源、无广告、比 WinRAR 更干净的压缩工具。
Yachen Liu
2个月前
#装修日记 更新了下家电购物清单 洗碗机 从 AEG 换成了 ASKO,ASKO 整体还是好的多。 嵌入式微蒸烤 看了嘉格纳和 ASKO 的蒸烤,确实精致,但是考虑到我一般都是做中餐,还是选择了东芝大白茶 T500B,功能上更符合需求。 洗衣和烘衣 定了 Miele Nova,ASKO 的招牌是没有胶圈,无卫生死角,但是代价是噪音大。我看了下用了 8 年的 Miele,胶圈光洁如新,没有什么问题。 油烟灶台 因为装修风格锁定了油烟机形式为欧式纯平,选择很少,国产品牌的细节设计太劝退,最后锁定博世西门子,但是像烟灶联动这么基础的功能居然都非要顶配才有,看了一大圈最后没办法还是选了博世8系。 电热毛巾架 欧伟士X,之前看的科勒毛巾架不支持 24 小时定时也不支持智能,所以没办法保证洗澡后用上热毛巾,没什么用了。欧伟士这个新款颜值非常不错,功能也很齐全。 浴霸/隐藏式晾衣杆 小米,主要是考虑联动问题,不过小米的这些小家电做的确实也不错。 垃圾处理器 霍尼韦尔 X300U,相比老牌爱适易和贝克巴斯,多了启动后自动进水和完成自动停机功能,不用自己再开水龙头盯着等完成了。贝克巴斯需要搭配自家水龙头才能实现,霍尼韦尔这款是单接进水管。 水处理 韦思卡尔前置+GOOTHO大白瓶+COLMO软水,昨天的帖子解释了。 另外在顺电看到了三星的新品画框电视,把之前先看的那个创意整活给产品化了,一米外真的看不出来是电视,想上但是尺寸太大了…
🎉 “AI编程的本质是管理上下文” 这句话太有用了,它能解释AI应用的发展过程和未来趋势 如果说LLM是CPU,那么上下文就是内存, 而内存容量是有限的,数据的取舍成为了模型输出质量的关键 ❓ 那上下文这个内存中会存什么?分别该怎么优化? 1️⃣ 系统提示词 优化就是以前提示词工程那套,所以优秀提示词的核心要素必须得安排。但提示词工程已不再新鲜,上下文工程才是热门,所有AI应用都在跟进 2️⃣ 工具列表 上下文信息不足,就需要调用工具去获取,刚开始AI应用只有少量的核心工具(读写文件、执行命令),后来通过MCP扩展了很多外部工具和服务 3️⃣ 文件 (知识库/rag) 问题相关的文档也很重要,Cursor等IDE都会自动将 当前打开的文件、最近打开的文件、问题相关的文件和检索到的关键代码 保存到上下文中 而且,上下文工程会自动管理内存数据,就像内存清理操作一样,没啥用的数据就替换出去,有用的数据就放前面来点,提高权重等等 ❓ 这一切看起来挺好的,为什么cc又搞了个subagent? 随着对话的进行,上下文中的内容越来越多,快要撑爆了! LLM为了回答问题,可能会多次调用工具(例如读文件),工具返回结果+加载的文件内容,不断补充到上下文中,主agent的上下文很容易就快要撑爆了,模型的输出质量开始下降,甚至出现幻觉。 引入subagent可以有效降低主agent的上下文压力,把活分派出去,有些数据就存储到子agent的上下文,这样就可以保证主agent的上下文空间处于总是够用的位置,输出质量就有保障。 n8n引入了 ai agent tool 节点应该也是类似的道理,ai agent as tools,将 子agent 作为 主agent 的 tool,既将任务解耦,又提高整体工作效率
sitin
2个月前
Github 4.7k star,一款让你可以不用 Figma 也能写 Prompt 画界面的开源神器! 分享一个很有意思的开源项目:SuperDesign。 一句话,它让你不用跳去 Figma,在 IDE 里写一行 prompt 就能把界面画出来,还能直接导出可用的组件/代码。GitHub 已经有 4.7k+ Star 了。 它解决了什么痛点? 我们平时写前端,写代码一套、改界面一套。按钮、表单、布局来回折腾,甚至还要和设计对齐。 做个原型,沟通成本超高。 SuperDesign 的思路很简单:在 IDE 里直接“说人话”→ 自动出线框/组件/代码。省去来回切换。 它到底是什么? 一个嵌在 IDE 里的 AI 设计智能体(AI Design Agent); 你描述:“来个现代风的登录页,有 logo、两个输入框、一个登录按钮”, 它几秒钟在侧边就给你界面结构、线框、配色建议,还能生成组件文件,项目里直接复用。 适配环境 VS Code、Cursor、Claude Code、Windsurf 都能用。 已经用 Cursor 或 Claude Code 的同学,几乎是无缝衔接。 5 个亮点,快速记住 1.一行 prompt 出整页:登录、注册、设置页都能一把梭。 2.不止能看,还能用:自动生成结构化组件,丢进项目继续调样式。 3.多 IDE 兼容:你用啥它认啥。 4.模型可选:本地模型(LM Studio)、OpenAI、OpenRouter 都能接。 5.开源 + 本地落地:没有订阅门槛,产物都在项目的 .superdesign/ 里,版本管理很友好。 怎么上手? 在 VS Code / Cursor 插件市场搜 SuperDesign,安装。 打开左侧 SuperDesign 面板(Cursor 里 Cmd+Shift+P → superdesign: open canvas)。 输入提示词,就能看到界面、线框、组件;一键导出代码用在项目里。 小技巧:在项目根目录建一个 ,把你常用的提示词模板放进去,风格会更稳定。 我个人的感受 SuperDesign 不是要替代设计师,它是把“能落地的界面结构”更快摆到你面前。 从 Cursor、Claude Code,到现在的 SuperDesign,AI 已经不只是“写代码的”,它开始把设计、实现、联动串成一条龙。 未来很可能是:你说一句需求,IDE 就把页面和组件都搭起来了。