既往不恋

原文：https://www.paulgraham.com/goodwriting.html 写作之所以优秀，有两层含义：文字本身悦耳流畅，思想本身正确无误。它可以拥有优美、顺畅的句子，也可以对重要事务得出正确的结论。乍看之下，这两种“好”似乎毫不相干，就像汽车的速度与车漆的颜色。然而，我并不这么认为。我认为，那些读来悦耳的文字更有可能观点正确。 于是我们得到了最令人兴奋的想法：它听起来荒诞，却又确实成立。让我们来拆解它。它怎么可能为真？ 在写作实践中，我确信它是真的。你无法同时优化两件毫不相关的事；当你极端地追求其中一项，必然会牺牲另一项。然而，无论我多么用力打磨，我从未遇到要在“最悦耳的句子”与“最能表达思想的句子”之间做取舍的情形。若真有这种取舍，关注句子声音就显得轻佻了。可在实践中，情况恰恰相反。修正听起来别扭的句子，似乎能帮助把思想表达得更准确。 所谓“正确”，不仅仅是事实无误。将思想讲“正确”意味着把它们充分展开——得出最关键的结论，并以恰当的深度探讨每一点。因此，思想的正确不仅是说真话，而是要说对的真话。 那么，追求句子悦耳如何助你做到这一点？答案的线索来自 3...

今天正式签下「十年之约」，2035 年见！先立 flag，再想活法。

一句话预警：同名但不同魂——表面都是 pull-commit-push，可 Git 操作的是 源码快照，Docker 操作的是 镜像层。别混用，否则坑很深。 TL;DR 对照表 操作 在 Git 里意味着… 在 Docker 里意味着… 常见场景 pull 拉远端分支并自动合并 拉远端镜像层到本地缓存 本地缺镜像或更新指定 tag commit 把工作区改动写进历史 把运行中的容器快照成镜像 临时调试后想保留容器状态（生产里很少这么干） push 把本地提交推到远端仓库 把本地镜像层推到远端镜像仓库 发布新镜像供 CI/CD 或集群用 关键差异 & 易踩的坑 对象不同：Git 关心文本文件；Docker 关心打包好的二进制环境。 commit 不是日用操作：正式流程应写 Dockerfile → docker build，docker commit 只适合救急快照。 pull 不会合并：拉完镜像不会自动更新容器，得重启或重新 deploy。 版本号方式：Git 用哈希 / 分支 / tag；Docker 用 re...

看完《Hereditary》（《宿怨》）后，我没有感到恐惧，反而想笑——不是嘲笑剧情，而是笑出一种荒诞感。 因为越想越清楚：这不是一部关于“诅咒”或“恶魔”的电影，而是讲述了一个由精神疾病主导的家族如何一步步走向崩塌的过程。片中的“仪式”“附体”“恶魔派蒙”，本质上不过是角色妄想与精神分裂的外显。所谓的“邪教”，也只是他们试图解释世界的方式，是一种病态认知的庇护所。 一家人，全员精神病患者电影的主角 Annie，是集梦游症、妄想症与精神分裂于一身的人。从开场的葬礼仪式，到她与母亲共享的邪教项链，再到后续的“通灵”“献祭”，她所有的行为背后都有高度解构的精神分裂痕迹。 她并不是一个单纯“受害者”的角色，而更像是既在反抗邪教，又始终未能真正脱离它的共谋者。在精神的深层，她与母亲是一体的。她否定的不是邪教，而是自己身上那部分对邪教的认同——于是，一个人格分裂为“自觉抵抗的母亲”与“为邪教执行献祭任务的工具”。 她的女儿 Charlie，只是个被选中的替身——那孩子喜好收集动物头颅、用小刀分解小鸽子，这些看似“灵异”的行为，正是仪式化的残留痕迹，也是派蒙寄宿未完成时的象征。 从外婆到孙子...

失败总是贯穿了人生的始终

原文链接：https://www.nature.com/articles/s44222-025-00323-4 原文翻译大型语言模型时代，人类科学写作的价值 撰写科研论文是科学方法的核心环节，也是传播研究成果的主要途径。但写作的意义远不止于“汇报”：它本身就是一把发掘新观点的“思考利器”。写作迫使我们将原本跳跃、松散的思绪，整理成条理分明、目标明确的叙事。正是在这个过程中，我们得以把多年积累的实验、数据和分析串联成完整的故事，进而澄清研究的关键信息与影响力。这样的作用并非纯粹的哲学感慨，而有科学证据支持——手写能激活更广泛的大脑连接 ¹，并被证明有助于学习和记忆 ²。 这是一次对“保持人类主导的科学写作”价值的呼吁。然而，在大型语言模型（LLM）大行其道的今天，这一呼吁似乎显得“复古”。得当提示下，LLM 可以在数分钟内生成一篇看似完备的科学论文 ³，甚至连同行评审报告也能代劳 ⁴——仿佛为研究者省去了撰写和发表的繁重工作。问题在于： 责任缺位　 LLM 不能承担学术责任，因此期刊不会接受完全由其撰写的论文；利用 LLM 作语言润色固然可行，但必须如实声明 ⁵。 思考缺席　...

什么是 High Agency（能动性）—— 为什么“太初有为”比“太初有道”更接近我们这个时代的答案

最近我做了些自我察觉，发现使用 AI 是一个逐渐变懒的过程： Prompt 输入方面：以前写 prompt（现在更常叫 context 上下文）时，会清晰表达、结构化输入，AI 的输出质量也比较高。而现在有了 o3 这种带 COT 推理能力的模型后，只需要简单表达意思就行，虽然我偶尔还保留结构化，但整体明显不如 2023 年细致了。 写代码方面：过去我会先框定模式和架构，再让 AI 实现 method，最多就是写一个 .go 或 .class 文件，然后复核。而自从 Cursor 等工具出现后，我直接和 AI 讨论设计方向、设计模式、测试方法等，然后让它开干，我最后只 review 一遍。 输入方式上：现在我越来越倾向语音输入，觉得语音比打字轻松得多。有可能是我最近情绪比较躁郁，也有可能是大脑变懒了——总之我隐隐觉得，语音输入是某种退化的信号。 这种“变懒”的趋势，让我陷入了沉思。它究竟是一种进步的自然演化，还是一种危险的堕落前兆？对此，我脑海中浮现出两种截然不同的观点。 观点一：这是“认知勤奋”的进化第一种观点是乐观的。它认为，这并非“变懒”，而是认知资源的重新分配，是从...

挣钱与赚钱的本质区别赚钱和挣钱看似相近，本质却有巨大差异。 1. 汉字拆解中的洞见 挣钱的“挣” 由“手”和“争”组成。 意味着需要用双手，通过劳动或技能去主动争取收入。 赚钱的“赚” 由“贝”（古代的钱币象征）和“兼”（兼并、获得）组成。 意味着用钱、资源或资本去创造和获取更多财富，本质是用资本创造价值。 2. 底层逻辑的差别 挣钱（Earn Money） 本质是用时间、技能和体力换取现金流。 收入通常线性增长，易触及天花板。 风险较低，但增长有限。 赚钱（Make Money） 本质是用资本、认知和系统创造现金流。 收入具有非线性增长的特性，杠杆效应显著。 风险和收益并存，但增长潜力无限。 3. 从挣到赚的关键过渡 被动收入： 首先从工资收入中分出一部分资金，购买资产，如指数基金、债券。 建立杠杆： 将技能或知识转化为副业、知识产品或股权投资，增加收入渠道。 系统思维： 构建自动化和复利系统，使资产和收入不断自我增值。 4. 常见的误区与规避 误区一：将赚钱看成纯粹的金融投机。 应关注创造真实价值的底层逻辑。 误区二：盲目加杠杆忽略风险。...

假传万卷书，真传一句话。 生活中绝大部分事情，其实都可以浓缩为简单的一句话： 投资不过是「低买高卖」。 成长无非是「日拱一卒」。 自由来自于「自律给你自由」。 商业的本质永远是「信任」。 财富定律不过是「人永远赚不到认知之外的钱」。 风险规律即是「能力边界外的任何机会都是陷阱」。 可惜的是，这一句话并非静态的真理，而是动态的、实践驱动的。你会发现，若你脑海中缺乏相关的概念和背景，无论上下文再多、再详细，也需要漫长的时间去亲自摸索、领悟。 那些说「几分钟教会你 XX」的人，永远不要相信，120% 都是骗局。真正的知识需要靠持续不断的实践，在无数次真实体验后，才会在某个瞬间豁然开朗，产生那种强烈的「顿悟时刻」。 一本书，一万页，不过是单向流动的信息；唯有自己亲历的经验与深刻的反思，才能把这简单的一句话真正刻进你的生命里。 当你终于懂得了这句话，你也才真正拥有了它背后浩如烟海的隐性知识网络。 这一句话，才是真传。