116 条原始素材

INFO134 的待验证项是"用 Z3 写 510 条 RULE 的形式化表达 + 一致性检查"——本来是个 1cm 实验。Robert 直接说"全部规则都检查一下"，把目标从 5 条扩展到 38 条全量验证。 这是 INFO036/037/039（20241219 录入）的待验证项第一次被真正触发——挂了 17 个月。 二、执行过程（约 1.5 小时） 1. 诊断（grep 扫描所有 RULE …

把 CDCL 和 SMT 当成同级概念对比——错位。 正确的层级关系 问题类（要解决什么） 算法/框架（怎么解） 纯布尔 SAT CDCL 含理论 SMT DPLL(T) / CDCL(T) ✅ SAT vs SMT：两个问题类对比 ✅ CDCL vs DPLL(T)：两个算法框架对比 ❌ CDCL vs SMT：错位（算法 vs 问题） 包含关系 SMT 求解器（如 Z3） ├── SAT 内核…

邮件的本质不是邮箱，而是个人与世界的连接点。 邮件地址 = 数字世界的坐标（类似物理世界的家庭住址） 为什么是金矿？ 特性 价值 通用性 跨国界、跨平台 正式性 承载高价值信息（工作、法律、金融） 所有权 开放协议，非封闭平台 异步性 适合 AI 处理节奏 AI 管家演化四阶段 智能秘书 → 专业代理人 → 数字孪生 → 跨主体协调者 阶段 能力 时间 智能秘书 分类、过滤、摘要、自动回复 当前 …

从对话中提取 facts（用户事实）和 preferences（用户偏好）的完整实现方案。 一、数据定义 Facts（事实） python @dataclass class Fact: fact: str 事实描述（第三人称） category: str 分类 confidence: float 置信度 01 source_session: str 来源会话 first_seen: datetim…

基于 Gemini Embedding + PostgreSQL pgvector 的 Memory 系统完整技术方案。 一、数据模型设计 1.1 Memory 类型定义 类型 说明 生成时机 生命周期 raw 原始对话 每轮对话结束 保留 N 天 / 滚动清理 summary 对话摘要 对话结束 / 定期聚合 长期保留 facts 关键事实 LLM 提取 长期保留，可更新 preferences…

一个分不清"待办事项"和"新闻简报"的秘书，是无法被信任的。 分层漏斗架构 新邮件到达 ↓ [第一层：信息类型分类] ├── F0（参考信息）→ 摘要、归档、非打扰推送 ├── Fx（凭证记录）→ 提取、结构化存储、智能提醒 ├── Fs（社交情感）→ 分析、建议回复或标记已读 └── Fc（潜在承诺）→ 进入第二层 ↓ [第二层：承诺解析 R1R4] ↓ 执行对应"操作手册" 第一层：信息类型分…

信息扩散与水流扩散在传播机制和动力学特性上具有深刻相似性。正如山高流水遵循自然规律，信息扩散也有其内在法则。 一、信息扩散模型基础 1.1 基本模型演进 模型 状态 特点 SI S(易感) → I(感染) 最基本，无恢复机制 SIR S → I → R(移除) 增加遗忘/免疫机制 竞争性模型 S/IA/IB/R 多信息同时竞争传播 1.2 竞争性信息扩散参数 参数 含义 λ₁/λ₂ 信息传播率 δ…

将经典海龟策略的趋势跟踪系统性优势与T+0交易灵活性结合，在控制风险前提下捕捉日内趋势机会。 一、原版海龟策略要点 要素 规则 突破入场 N日突破作为买卖信号 仓位管理 基于ATR的仓位计算 风险控制 2%总资金单次风险限制 退出机制 N/2日突破反向退出 二、T+0分时参数转换 时间周期调整 原策略：20日突破 分时转换：20×48分钟 = 960分钟（约2天） T+0建议周期： 主要周期：60…

规则维护是SAT/SMT系统长期运行的核心挑战——规则不是写完就完了，而是需要持续治理。 规则的"技术债"特性 类型 说明 规则蔓延 开始几条规则，随时间呈指数级增长 规则腐蚀 业务环境变化，原有规则逐渐失效但未被发现 规则冲突 新规则与旧规则产生隐性矛盾 规则依赖 规则间形成复杂依赖网络，牵一发而动全身 典型演化路径： python rules_v1 = ["来自经理的邮件 → 高优先级"] r…

传统 Agent 是"一次性"推理工具： 变聪明靠调 Prompt → 调试成本高 完全依赖人工 → 难以规模化 部署后表现固定 → 缺乏学习能力 解决方案 借鉴 RLHF，在 ReAct Agent 中引入轻量级强化学习： 用户输入 → Agent(LLM) → 动作执行 → 环境反馈 → Reward计算 → 策略更新 ↑ ↓ └──────────────────── 优化后的Agent ─…

技术的最佳用途，是让我们更像自己，而不是更像别人。最终成果 = AI的骨架 + 你的血肉与灵魂。 一、What 什么是个人风格文章 定义 带有你独特印记的文章，如同你的签名——即使别人模仿字形，也难以复制其背后的力道与神韵。 OneShot协作模式 ① 提供一篇代表作（样本） ↓ ② AI分析样本，模仿风格生成初稿 ↓ ③ 你精修、润色、注入灵魂 ↓ ④ 最终成稿 角色定位 角色 职责 AI 骨架…

高度碎片化的信息沟通渠道与需要结构化、可追踪的执行流程之间产生了不可调和的断裂。 TaskFlow AI 定位：连接这两个世界的桥梁。 一、痛点一：认知过载与决策疲劳 "我到底该先做什么？" 深层分析： 问题 说明 信息杂糅 收件箱和Slack是"信息垃圾场"，混合了任务、闲聊、通知、垃圾邮件 隐性排序 用户需要持续在脑中排序（截止日期、发送人重要性、项目紧急程度） 决策疲劳 一天结束感到精疲力尽…

认知增强系统 = 四维矩阵：时间(T) × 空间(S) × 抽象层次(L) × 主体视角(P) 维度 取值 时间T 过去、现在、未来、虚拟时间 空间S 物理空间、信息空间、关系空间、概念空间 抽象层次L 数据层→模式层→模型层→知识层→智慧层 主体视角P 个体、群体、系统、上帝视角 完整性检查：四大子系统遗漏分析 1. 感知子系统 能力 状态 难度 多模态感知融合 ✓已考虑 3级 不确定性量化 △…

你是一个基于Option的智能体，不是固定脚本的对话系统。每个回应都是持续规划过程的一个步骤，随时准备根据新信息调整方法。 一、认知架构指令 核心决策模式 在每个决策时刻执行以下循环： 1. 感知当前情境，构建状态特征向量 2. 并行评估所有相关Options的预期价值 3. 激活最佳Option并执行单步动作 4. 立即学习并更新知识和策略 状态表征要求 要素 内容 特征向量 环境观察、活跃目标…

构建具备类人记忆、推理和学习能力的智能助理，从问答机器升级为思考伙伴。 整体架构流程 用户输入 → 短期记忆工作区 → 大模型理解引擎 ↓ [决策路径] / \ 简单查询 复杂推理 个性化需求 ↓ ↓ ↓ 语义检索 多跳推理 用户偏好 ↓ ↓ ↓ 知识图谱 知识图谱 长期记忆 \ / → 响应生成器 ← ↓ 输出响应 ↓ 学习与更新 → 知识图谱/长期记忆/模型微调 一、完整记忆系统 三层记忆架构…

用户极少提出具体、琐碎的功能性请求，而是直接抛出一个宏大的、未成形的概念、愿景或目标。这强烈指向了MBTI中的iNtuition (N) 偏好。 1.2 两类N型用户 类型 代表人格 特征 典型场景 NP（直觉感知） ENTP, INTP 享受探索无限可能性 游戏设计、头脑风暴 NJ（直觉判断） INTJ, ENTJ 关注系统、策略、长远规划 品牌设计、项目规划 1.3 用户场景与人格映射 场景 …

Agent之上是什么？是人的选择和意志。 越是强大的力量，越需要精准的操控。我们需要的不是完全自主的Agent，而是一个能够精准操控AI的"驾驶舱"系统。 一、核心矛盾 Agent热潮之上的追问 问题 答案 Agent之上是什么？ 人类意志（如同自然选择） 更复杂的旋钮？ 否 更聪明的Agent？ 否 驾驭AI的缰绳在谁手中？ 人 当前热门方向的定位 方向 定位 自主Agent 探索路上的技术实体…

AI Coding的下一步不仅是写代码，更是构建智能的软件研发生态系统——从代码片段生成升级为完整的研发范式重构。 一、四大发展方向 1.1 组件原子化与标准化 组件类型 内容 框架级组件 thrift接口、main函数模板、handler结构 架构模式 DDD分层架构标准化实现 异步流程 事件驱动、消息处理流水线 基础设施 限流、熔断、重试、退避策略 可观测性 监控、日志、错误处理标准化 数据层…

个人认知增强系统 = 个人数字孪生 + 外部智能接口 + 自主进化引擎 第一性原理分解 认知局限 说明 信息不对称性 认知受限于可获取信息范围 注意力稀缺性 24小时有限 vs 无限信息流 记忆局限性 工作记忆47项，长期记忆衰减 计算效率 思考慢，无法并行处理复杂问题 情绪影响 认知质量受情绪干扰 数据源约束分析 可用数据源 邮件（历史+实时） 日历（历史+实时） 可上传资源（知识库、文档） 公…

对于"自主学习的个人心智模型"这一终态，完全依赖任何现有开源框架都是不现实的。唯一可行路径是自建核心引擎 + 开源组件赋能的混合架构。 终态需求的独特性 需求 说明 开源框架能力 动态演化的记忆结构 记忆关系随学习而改变，非固定schema 通用范式，深度定制复杂 预测验证循环 记忆系统能主动假设并验证 无原生支持 选型对比矩阵 维度 开源框架 自建引擎 结论 个性化记忆结构 通用范式，定制复杂 …

构建具备自我进化能力的智能代码仓库系统，将软件代码库从静态资产转变为具有新陈代谢能力的智能体。 一、核心理念 理念 说明 代码即生命体 代码库具备自我修复、自我优化和自我适应能力 正交进化 基于多维正交约束的可预测、可度量的代码进化 LLM驱动 利用代码生成模型作为自动化软件工程师 原子粒度 以不可再分的功能组件为进化单元，确保变更局部化 二、系统架构层次 ┌───────────────────…

基于 INFO129（元架构思考）、INFO130（代码作为认知基因）、INFO131（技术栈）的落地设计。 一、核心决策 维度 决策 原语设计 第一性原理出发 组合规则 图结构（节点=模块，边=信息流）+ DDD 思想 任务环境 多步骤任务、执行任意 TS 代码 工具设计 唯一通用 Tool：Bun Sandbox + 代码数据库 技术栈 TypeScript + Bun Sandbox 成功标…

INFO130 提出"代码作为认知基因"的想法，本条目整合落地所需的技术栈。 一、遗传编程（GP）的历史经验 核心问题 问题 说明 历史解法 Bloat 代码越来越大，但没更好 大小惩罚、语义近似、图结构 GP 搜索空间爆炸 程序空间指数增长 约束语法、分层搜索 语法盲变异 随机变异产生大量无效代码 语法引导变异 适应度评估慢 每个个体都要执行 并行化、代理模型 关键教训 "Bloat 是 GP …

INFO129 中设想3（自我演化）和设想7（认知基因组）的落地难点：自然语言是非规范化的，难以演化推导。 核心洞察：用程序代码替代自然语言作为认知基因的载体。 为什么代码是更好的载体 维度 自然语言 程序代码 语义 模糊、歧义 精确（类型系统约束） 验证 主观判断 执行 + 测试 变异 难以控制 AST 变换、可控改写 组合 规则不明 函数组合、接口契约 适应度 怎么定义"好"？ 测试通过率、性…

这是对 INFO128 中设想3（自我演化架构）和设想7（认知基因组）的深层思考。两者都是"元"层面的设想——不是设计架构，而是设计产生架构的机制。 设想3：自我演化架构 核心洞察 当前 AI 的根本局限： 人类设计架构 → 架构固定 → AI 在固定架构内学习 ↑ 瓶颈在这里 Transformer 是 2017 年人类设计的。为什么 AI 不能自己设计更好的架构？ 元学习的层次 Level 0…

基于今天对 HTM、因果推理、JEPA 的学习，天马行空地设想远期可能的 AI 架构形态。 设想 1：认知模块联邦 ┌─────────────────────────────────────────────────────────────┐ │ 认知模块联邦 │ │ │ │ ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ │ │ │ 语言模块 │ …

问题 说明 幻觉 LLM 优化的是概率似然，不是事实准确性 低效学习 需要海量数据，而人类/动物几次就能学会 无法规划 只能自回归生成，不能真正推理和规划 缺乏世界模型 不理解世界如何运作，只是统计模式匹配 认知架构：六大模块 ┌─────────────────────────────────────────────────────────────┐ │ LeCun 认知架构 │ │ │ │ ┌…

┌─────────────────────────────────────────────────────────┐ │ │ │ Rung 3: 反事实 (Counterfactual) │ │ ───────────────────────────────────────────── │ │ "如果当时 X 没发生，Y 还会发生吗？" │ │ → 想象 / 假设推理 │ │ → 需要完整的因果…

HTM 作为技术方案已经被 LLM + RAG 超越。 RAG 本质上就是 embedding 召回 + LLM 生成，功能上覆盖了 HTM 想做的事，而且效果好得多。 技术对比 维度 HTM (20042016) LLM + RAG (2020+) 语义表示 SDR（稀疏二进制） Embedding（稠密浮点） 序列建模 时序记忆 Transformer Attention 知识存储 突触连接 …

HTM 模拟大脑新皮层（neocortex）的工作方式： 大脑新皮层结构: ┌─────────────────────────────────────┐ │ 皮层柱 (Cortical Column) │ │ ┌─────┐ ┌─────┐ ┌─────┐ │ │ │Cell│ │Cell│ │Cell│ ← 同一列 │ │ │Cell│ │Cell│ │Cell│ 的多个 │ │ │Cell│…

┌─────────────────────────────────────────────────────────┐ │ HTM 网络层次 │ │ │ │ 层次4: 层级 (Hierarchy) │ │ └── 多个区域组成的树状结构 │ │ │ │ 层次3: 区域 (Region) │ │ └── 对应大脑皮层的一个功能区 │ │ │ │ 层次2: 列 (Column) │ │ └── 对应皮…

SDR（稀疏分布式表示）编码器的目标：将原始数据转换为稀疏二进制向量，使得语义相似的输入产生重叠度高的 SDR。 方法 1：规则编码器（数值/类别） 适用：数值、时间、类别等结构化数据 数值编码 (Scalar Encoder): 输入: 温度 = 25°C, 范围 [0, 100] ↓ SDR (n=100, w=5): [0,0,0,...,1,1,1,1,1,0,0,0,...] 第25位附…

层次时序记忆（HTM） 是一种受大脑新皮层结构和功能启发的机器学习模型。核心目标：创建能像大脑一样处理感官信息流、学习和预测序列模式的智能系统。 关键特性 特性 说明 序列学习 专为学习时间序列中的模式设计，认为世界本质上是随时间变化的序列流 在线持续学习 可随时接入数据流学习，无需批量训练 统一算法假说 模拟新皮质处理视觉、听觉、触觉等不同模态的统一学习算法 皮层学习算法（CLA）两大组件 组件…

大脑不是一个层级模型，而是成千上万个并行模型通过"投票"达成共识。 传统观点（层级处理）： 输入 → 层1(边缘) → 层2(形状) → 层3(物体) → 识别 千脑理论（并行投票）： ┌─ 皮层柱A: 完整模型 ─┐ 输入 → ├─ 皮层柱B: 完整模型 ─┼→ 投票 → 共识 → 识别 ├─ 皮层柱C: 完整模型 ─┤ └─ ... (成千上万个) ──┘ 三个关键概念 概念 说明 皮层柱 (…

一个「理想化的操作系统」需要记录它的边界与例外。 五个值得追问的盲区 1. 「选择比努力更重要」的过度简化 杨振宁选对了杨米尔斯方向，但他之所以能「选对」，是因为他在规范场论方向已经努力了很多年，积累了足够的判断力。 选择能力本身是努力的产物。 如果把两者对立起来，可能会低估「在错误方向上的探索」对培养选择能力的价值。 待追问：有没有「选错了但事后证明那段弯路很重要」的经历？ 2. 情绪和直觉在系…

范式转移：从"记录世界"到"理解心智" 传统知识图谱（Zep/Graphiti）是第三人称视角的"世界模型"——记录"发生了什么"。 本方案是第一人称视角的"心智模型"——理解"用户为何这样想"和"思维如何变化"。 不是让 AI 更博学，而是让 AI 更"善解人意"。 架构：三层认知处理引擎 原始交互层（Raw Interaction Layer） ↓ 认知提取层（Cognitive Extrac…

记忆并非单一系统，而是由结构、功能各异的子系统组成。 AtkinsonShiffrin 模型（1968）： 感觉记忆 → 短时记忆(工作记忆) → 长时记忆 ↑ ↑ ↑ 瞬间大量 注意+复述 深度加工 感官信息 容量有限 容量近乎无限 一、工作记忆理论 定义：对信息进行临时存储和操纵的有限容量系统，是思维的"工作台" Baddeley 多成分模型（1974, 2000修订） ┌──────────…

这份综述直接回应了 INFO113/114 中提出的核心问题，提供了学术界的最新进展。 一、涌现性研究 核心争论：涌现是真实的计算现象，还是评估方法的统计伪影？ 论文 核心观点 Emergent Abilities Survey (2025) LLM 涌现能力全面综述；警告：涌现也带来欺骗、操纵等有害行为 Complex Systems Perspective (2025) 协方差谱从指数→无标度…

智能（及复杂系统）的产生遵循一个三层涌现模型： 映射 → 聚合 → 涌现 → 新聚合 → (更新映射) → ... ↑_______________________________ 自增强进化螺旋 三层架构 第一层：映射（Grounding） 所有有意义的信息处理，必须锚定于现实世界。 数据的结构、关联、模式反映现实中的客观联系 例：语言模型中"猫"和"狗"向量接近，因为它们在真实文本中语境相似 …

当前主流 AI（尤其是大语言模型）的智能本质是复杂关联性计算： 信息检索、索引、对比、类比、相关、实体组织、分类、存储 这是一个强大而富有成果的范式，驱动了 AI 的黄金时代。 工作机制解析 1. 核心是关联与模式：AI 不真正"理解"意义，而是学习符号之间的统计关联和共现模式 2. 一切可向量化：所有信息转化为高维向量，相似概念在向量空间中距离相近 3. 推理即检索与重组： 检索：根据输入激活最…

AI是信息重构引擎，不是知识创造者。用好AI的本质是"问理解"循环——螺旋上升的认知协同。 一、What：第一性原理定义 AI的本质： 基于概率模型的信息重构引擎 不创造新知，但能无限重组已知信息 没有意识，但能模拟人类表达模式 核心原理："问理解"循环 人类提出问题框架 AI提供信息重构 人类理解后提出更精准问题 形成螺旋上升的认知循环 二、Why：为什么必须建立这个循环？ AI的三大固有局限 …

高水平交流的核心是双向推进： 1. 倾听时：为他人的思路往前推进几步（深度理解） 2. 表达时：把自己要讲的事情往前推进几步（清晰表达） 第一部分：倾听时的推进 心法：做对方的"思维加速器"，把对话看作共同探索，帮他看得更远。 三步练习（由易到难）： 层级 方法 做法 基础 复述与确认 "我理解一下，你的意思是……，重点是……，对吗？" 进阶 点明逻辑 帮对方梳理他话语背后的逻辑结构 高阶 立体构…

自上而下（演绎推导）：从公认原则出发，通过逻辑链推导结论 优点：结构清晰、系统化、效率高 局限：前提可能是假设、思维被框架限制、可能错过创新解 自下而上（归纳总结）：从具体现象出发，观察总结形成认识 优点：紧扣实际、发现细微差别、形成可行解 局限：依赖观察全面性、结论可能不普适、需要大量案例 平衡的三个方法 1. 用问题挑战前提：推导与实践不符时，质疑"绝对正确"是否真正确 2. 用框架整合现象：…

从"我思故我在"框架中提取的思维工具分层索引。 顶层思维（战略层） 用于全局把握、规划设计。 结构化思维 工具 用途 核心问法 矩阵思维 用 2×2 或多维矩阵分类分析 两个关键维度是什么？ 模型审视 检验现有思维模型的有效性 这个模型还适用吗？ 完美模型 构想理想状态作为参照 如果没有限制，应该是什么样？ 模型审视的输出： 思维建模 → 解决方案 思维建模 → 改进建议 发散思维 工具 用途 核…

以"我思故我在"为核心的完整思维体系框架，包含五个主要模块： 1. 永不停歇的思考 思考的持续性和系统性： 构建认知模型宇宙 → 精化个人模型宇宙 深度思考 + 坚持梳理 内化：将外部知识转化为自己的 知识获取： 有效渠道（已验证的来源） 外部渠道（新的信息源） 探索新的渠道（主动寻找） 内部思考： 总结（归纳沉淀） 连接（关联整合） 2. 问题敏感度 对问题的感知维度： 任务维度：当前要解决什么…

短线交易不是学一套"选股指标"的问题，而是决策系统的应用场景。已有的认知规则可以直接迁移： 认知规则 短线交易映射 假设验证循环 每笔交易 = 一次假设验证 规则化执行 买卖规则 盘感判断 化大为小 小仓位验证，分批操作 一句话检验 买入前能否一句话说清理由 边界思维 认清策略的适用场景和局限 全局思考五问 入市前的战略定位 规则迁移详解 1. 假设验证循环 → 交易本质 观察市场 → 形成假设 …

有效解决问题的关键：从已验证的问题出发 → 寻找通用解法 → 清晰界定边界 一、从实际存在的具体问题出发 核心原则：所有工作都应当针对实际存在的、已验证的问题展开，而非基于假设或"想当然"的可能性。 选择 特征 投入产出比 解决假设性问题 未验证、可能不发生 低，可能浪费资源 解决已确认问题 实际存在、明确障碍 高，快速反馈 优先解决已明确存在的问题：避免资源浪费，快速获得效果反馈，为后续决策提供…

从第一性原理分析，"打散概念 → 随意拼装 → 评估 → 记忆"是一种基础的系统试错法。 基本要素定义 要素 定义 第一性原理视角 概念 已有的知识单元或组件 可分解为更基本的元素（原子化） 打散 打破概念的固有结构 消除原有组合约束，提供原始材料 拼装 以新方式组合基本元素 "随意"表明具有随机性 要求 创造物需满足的目标条件 评估标准 记忆 记录尝试过的组合及结果 避免重复尝试 过程还原 分解…

虚拟 EA 的核心不是"代办"，而是"先建模，再接管" 不会一上来就"替你做"，而是先用 onboarding 流程理解客户，再逐步接管执行。 服务对象 主要服务创业者型高管，集中在 SaaS、AI、加密交易领域。 七步工作法 1. Onboarding：先审计，不急于行动 入口方式：通过 delegate access 进入邮箱（信任建立后才给更高权限） 快速审计（甚至一天完成）： 是否有大量订…

单词：Proactive 读音：英 [ˌprəʊˈæktɪv]；美 [ˌproʊˈæktɪv] 核心思想：不是等事情发生了再去反应（reactive），而是在问题出现之前就提前采取行动，创造机会或防止坏事发生。 Proactive vs Reactive 模式 含义 行为特征 Proactive 主动先发 预见问题，提前行动 Reactive 被动响应 等问题发生再反应 常见翻译与场景 场景 翻译…

问"为什么"，是让思维从"知道"走向"理解"最关键的一步。 这本质上是在追问底层逻辑和适用边界，而不仅仅是接受现成的结构。 双引擎系统 引擎 作用 暴露的漏洞 逻辑链 静态框架，组织和检验想法 设计漏洞（逻辑矛盾、概念模糊） 落地行为 动态试炼，真实世界反馈 施工漏洞（执行力不足、复杂度预估错误） 为什么用"逻辑链"？ 逻辑链是对思维的压力测试，漏洞常出现在概念模糊和逻辑跳跃处。 1. 迫使概念清…

如果剥离所有岗位描述、职责划分和流程约束，研发工作的本质是什么？ 是创造有价值的产品。 从这个本质出发：任何能让产品更好的工作，本质上都是"我们的活"。 观念转变的本质 维度 被动执行者 主动创造者 驱动力 为别人的期待工作 为自己的创造物负责 能量来源 被动充电 自发电 边界感 "这不是我的活" "这个产品是我的" 真实场景对比 情境：产品经理提出一个看似不合理需求 旧思维 新思维 "这需求有问…

回归产品本质：不是为写代码而写代码，而是为了解决真实问题、创造真实价值。 每次敲键盘都应追问： 这个问题最基本的解决方式是什么？ 用户最核心的需求是什么？ "用研循环"工作法 研发的核心特长：高频使用 → 深度测试 → 发现问题 → 改进优化 → 迸发灵感 → 落地验证 → 持续循环 这不是附加任务，而是研发工作的本质组成。 三层追问 遇到问题时的思考深度： 1. 这只是个bug，还是暴露了更深层…

核心问题：产品（锤子）与需求（钉子）之间发生了"能量级错配"。 两种致命误区： 误区 表现 后果 大锤敲绣花针 技术/资源过度，解决方案远超问题本身 资源浪费 小锤敲大钉子 解决方案孱弱，低估问题深度 机会成本 Why：根源与重要性 为什么必须避免这两种错配？ 1. 经济性丧失：资源浪费（过度投入）或机会成本（投入不足） 2. 用户体验灾难：用户要么被复杂方案困扰，要么对无效方案失望 3. 战略迷…

OKR = Objectives and Key Results（目标与关键结果） O (Objective)：我们要去哪里？（方向） KR (Key Results)：我们如何知道自己到了？（衡量标准） 一、OKR 四大利器 利器 核心 说明 1 聚焦 少即是多 只聚焦重要的，清除不重要的 2 协同 自下而上 透明公开，个人目标与公司对齐 3 追踪 数据驱动 定期检查、评分、持续评估 4 延展 …

五大障碍是层层递进的金字塔结构： ┌─────────────┐ │ 无视结果 │ ← 第5层 ├─────────────┤ │ 逃避责任 │ ← 第4层 ├─────────────┤ │ 欠缺投入 │ ← 第3层 ├─────────────┤ │ 惧怕冲突 │ ← 第2层 ├─────────────┤ │ 缺乏信任 │ ← 第1层（基础） └─────────────┘ 关键洞察：每一层…

我们想要创新者，这意味着要维护一个让他们蓬勃发展的环境。 Valve 是完全扁平的组织——没有管理层，没有人"汇报给"任何人。 一、扁平结构 为什么扁平？ 层级结构适合 Valve 需要 可预测性、可重复性 创新、创造力 从上到下控制 个人自主决策 军事组织 娱乐/软件公司 告诉最聪明、最有才华的人坐在办公桌前做被告知的事情，会抹杀他们 99% 的价值。 办公桌有轮子 象征意义：你应该始终考虑可以…

真正的公司价值观，体现在谁获得奖励、谁获得晋升、谁被解雇。 不是墙上挂的标语，而是实际行动。 一、九种行为和技能 Netflix 珍视的九种特质： 特质 核心要点 判断力 识别根本原因，区分现在必须做和以后改进 沟通 善于倾听，简洁清晰，紧张时保持冷静 影响力 专注出色结果而非流程，行动偏向 好奇心 快速学习，在专业领域外有效贡献 创新 重新构思问题，减少复杂性保持敏捷 勇气 说出想法，做艰难决定…

用于构建 UI 组件的开源工具，提供独立环境来开发、测试和文档化组件。 核心优势 优势 说明 组件隔离开发 不依赖应用状态 可视化测试 直观查看不同状态 自动文档生成 基于代码自动生成 交互式调试 实时调整组件属性 团队协作 统一平台 快速安装 bash 初始化 Storybook npx storybook@latest init 启动开发服务器 npm run storybook 项目结构 p…

Spec 不是文档负担，而是人类控制 AI 产出的唯一杠杆。 时代背景 AI 协作编码面临新挑战： AI 的能力边界由上下文决定 上下文在对话中消散 需求散落在聊天历史，决策背景被遗忘 AI 每次对话都从零开始猜测 范式转变 旧范式 新范式 人类写代码 人类定义行为契约 文档是负担 Spec 是指令集 AI 辅助编码 AI 从 Spec 生成代码 核心原则 原则 定义 实践 单一事实来源 每个行为…

iOS 应用签名 = 证书 + App ID + Provisioning Profile 一、证书类型 证书类型 用途 有效期 Development 开发设备测试 1年 Distribution App Store 发布 / Ad Hoc 分发 1年 二、证书申请流程 2.1 创建 CSR（证书签名请求） 钥匙串访问 → 证书助理 → 从证书颁发机构请求证书 ↓ 填写邮箱 + 常用名称 ↓ 存…

在邮件管理场景下，可以从用户行为中学习哪些信号？ 一、时间维度信号 1.1 响应时间模式 信号 具体数据点 可推断的用户偏好 对不同发件人的响应速度 收到→首次回复的时间差 联系人隐性优先级排序 一天中的活跃时段 发送邮件的时间分布 工作节奏偏好（晨型/夜型/碎片化） 一周中的活跃日 周末是否处理邮件、周一集中处理量 工作生活边界感 延迟回复模式 哪类邮件倾向于"先放一放" 需要深度思考的任务类型…

"紧急事务驱动"模式：长期重要事项因路径模糊、思考不足而推进缓慢。 一、长期任务推进系统 1.1 全局思考阶段（破题） 关键动作：启动长期任务前，强制安排不受打扰的"思考时间"。 思考维度 核心问题 目标 最终要实现的状态是什么？（而非仅仅"做什么"） 价值 为什么这件事重要？不做会怎样？ 边界 不包含什么？避免范围蔓延 假设 当前计划基于哪些关键假设？如何验证？ 信息拼图 需要获取哪些关键信息才…

最近太忙思考少了。 事情总是先做简单的、紧急的、确定性的事；长期的事、更重要的事，推进缓慢、路径不清晰。 一、问题诊断 1.1 时间分配失衡 类型 特征 当前状态 简单+紧急+确定 容易启动、即时反馈 ✅ 做得多 长期+重要+不确定 启动难、反馈慢 ❌ 推进缓慢 根因：紧急的事占据注意力，长期的事缺乏清晰路径导致拖延。 1.2 长期任务的症结 路径不清晰 → 不知道从哪开始 → 拖延 → 更不清晰…

终身学习（Continual/Lifelong Learning）：让模型像人类一样，在不断接触新知识的过程中持续进化，而不是学完一次就固定不变。 一、核心挑战：灾难性遗忘 1.1 问题定义 灾难性遗忘（Catastrophic Forgetting）：模型学习新任务后，会大幅度遗忘之前学会的旧任务。 类比：一个学生学了新知识，就把旧知识完全忘记了。 1.2 根本矛盾 需求 说明 稳定性（Stab…

TLDR = Too Long; Didn't Read（太长，不看） 一、两种用法 用法 场景 含义 作为评论 回复他人长文 "你写得太长了，我没看" 作为摘要 自己发帖时标注 "以下是给没时间细看的人的总结" 二、常见变体 写法 风格 TL;DR 带分号，更正式 tl;dr 全小写，更随意 太长不看 中文直译 一句话总结 中文意译 三、使用示例 【一篇关于如何学习编程的长文】 （文章内容很长.…

CoT（思维链）：让模型一步一步地"想"，最终得出答案。它是一个纯粹的"思考者"。 ReAct（推理+行动）：让模型一边"想"一边"做"（使用工具），通过与环境互动来获取新信息。它是一个"思考者"兼"行动者"。 一、核心对比表 维度 CoT (ChainofThought) ReAct (Reason + Act) 核心思想 模拟纯推理过程，分解问题 将推理与行动结合 关键组件 Thought（思…

AI时代，知识工作者需要从"知识搬运工"转型为"知识炼金师"——不再是信息的中转站，而是价值的创造者。 一、三大身份转变 1.1 从记忆者到连接者 旧角色 新角色 以记住大量信息为荣 以连接不同领域知识为能 "我知道答案" "我知道如何找到答案并创造新知" 核心转变：记忆外包给AI，连接能力成为核心竞争力。 1.2 从执行者到判断者 旧角色 新角色 按流程执行任务 判断何时、如何、是否执行 追求效…

从输入token到输出概率分布的完整计算流程，涵盖注意力机制、前馈网络、归一化等核心组件。 一、输入表示与位置编码 1.1 词嵌入 (Word Embedding) E = W_e · X 符号 含义 维度 X 输入token的onehot向量 \V\ × 1 W_e 词嵌入矩阵 d_model × \V\ E 词嵌入向量 d_model × 1 1.2 位置编码 (Positional Enco…

知易行难：懂得道理很容易，但实际做起来却很困难。揭示了人类行为中一个普遍存在的矛盾——认知与行动之间的巨大鸿沟。 一、核心矛盾：认知 vs. 行动 维度 "知" "行" 定义 理论知识、道理、概念、方法 实践、行动、执行、坚持 过程 被动的信息输入和逻辑理解 主动付出、克服阻力 获取方式 阅读、听讲、观察 体力、精力、毅力、情感、习惯 难度 相对容易 相对困难 二、为什么"行"比"知"难 障碍 说…

Taste（科学品味）：不是口味，而是品味、鉴赏力、风格——对研究课题的直觉、方向和美学判断。这在科学界是极高的评价。 一、杨振宁的Taste四个层面 1.1 对物理之美的深刻鉴赏 特质 说明 简洁 追求理论的精炼表达 优雅 数学形式的美感 宏大结构 统一性和基础性 深受其父杨武之（数学家）影响，以及对数学物理之美的敏锐感知。 1.2 研究课题选择：深刻与永恒 不追逐当时热点，而是解决物理学中最根…

将金融市场视为一个多维度地形系统，价格、资金流、信息流和投资者情绪共同构成复杂的"市场地形"。 一、市场地形学基本概念 1.1 四大地形要素 地形要素 市场含义 价格高程 个股/指数价格水平 = 地形海拔 资金水流 机构与散户资金流动 = 水系 热点火山 突发新闻、政策变化 = 火山活动 波动地势 价格波动率 = 地形陡峭程度 1.2 价格高程函数 P(x,y,t) = P₀ + α·I(x,y,…

宇宙大统一理论：一个假想中的、单一的、完整的理论框架，旨在用一组方程描述和统一支配宇宙中所有基本力与基本粒子。 终极问题：宇宙最基本的运行法则是什么？ 一、物理学的统一之路 历史进程 阶段 人物 统一内容 意义 第一步 牛顿 天上的力 + 地上的力 = 万有引力 统一天地力学 第二步 麦克斯韦 电 + 磁 + 光 = 电磁场 一组优美方程 第三步 爱因斯坦 尝试统一引力 + 电磁力 未成功 第四步…

通过全局 fetch 拦截器，在不修改源代码的情况下劫持特定API请求并返回模拟响应。 拦截器代码 javascript const originalFetch = globalThis.fetch; globalThis.fetch = async function (...args) { // 非字符串URL直接放行 if (!args[0] typeof args[0] !== "strin…

本手册通过结构化问题引导深度思考，而非直接给出答案。真诚回答每一个问题，将发现优势、盲点以及清晰的提升路径。 第一部分：项目Owner能力 1.1 沟通、调研与讨论 核心认知：我是否在"建造"之前，充分理解了"为什么建造"以及"为谁建造"？ 追问 检视点 启动前是否与关键方沟通？ 客户、老板、队友、协作者的核心诉求 背景调研是否充分？ 类似的成功/失败案例 讨论是否达成真正共识？ 各方对结论的理解…

外推能力：模型在推理阶段，能够不经过任何微调，直接处理并有效生成长度超过其训练时所见序列的输入文本的能力。 一、外推 vs 内插 概念 定义 示例 内插 处理长度在训练范围之内的文本 训练2048，测试1024 外推 处理长度超过训练范围的文本 训练2048，测试8192 外推的范畴 类型 说明 长度外推 最具挑战性，研究最广泛 结构外推 一种语言/代码结构训练，另一种测试 领域外推 新闻数据训练…

软件工程不再仅是编码，而是关于如何设计能"学习"和"生长"的系统。AI 的引入催生了"可生长软件系统"，通过迭代进化适应变化。 一、Claude Code 基础设施 1.1 CLI操作模式与UNIX哲学 原则 说明 CLI优先 命令行作为核心交互方式 单一职责 每个工具只做好一件事 管道组合 通过pipe组合实现复杂功能 文件操作核心 File/Read/Write/Modify是代码生成基础 1…

Context 的兴起非但没有淘汰 Prompt，反而将其提升到了一个更基础、更核心的地位。没有精湛的 Prompt 设计，再丰富的 Context 也难以被有效调动和利用。 一、三者关系模型 概念定义 概念 定义 比喻 Context 完成任务所涉及的所有相关背景信息、知识和数据 "原料库"/"土壤" Engineering 对Context进行筛选、提取、结构化并构建有效Prompt的系统化过…

把个人成长看作一个复杂的"研究课题"，科学方法就是我们最强大的工具。真正的进步，不在于从不跌倒，而在于每次跌倒，都能顺手抓起一块叫做"认知"的石头。 一、科学方法论迁移 原始科学流程 假设 → 验证/证伪/验真 → 结论 → （新一轮）假设 个人成长版本 现象 → 信息 → 关注重点 → 提出问题 → 验证真或假 → 认知结果 → 跌撞前行 二、四步成长法 第一步：观察"现象" 从行业信息中捕获信…

四元数能否在AI基建中替代或补充传统矩阵运算？ 一、四元数在3D旋转中的优势 特性 四元数 旋转矩阵 参数数量 4个 9个 万向节锁 无 有 插值 球面线性插值（平滑） 需要特殊处理 计算效率 更高 较低 二、四元数神经网络实现 四元数线性层 python class QuaternionLinear(nn.Module): def __init__(self, in_features, out_…

这个Prompt本身就是一个"减少决策成本的框架"——从方法论到可直接使用的工具。 一、完整Prompt模板 markdown 高价值判断与决策Prompt 核心指令： 请你作为一位战略顾问，并非仅仅提供信息，而是基于以下框架进行深度分析和本质判断，最终产出具有高杠杆价值的策略建议。 问题背景： 当前情境/挑战： 【请清晰、简洁地描述你面临的具体情况、问题或决策】 表层目标： 【你表面想达成的目标…

聚焦于根本原因、杠杆点和长期价值，而非仅仅缓解表面症状。 一、四步分析框架 Step 1：定义真问题 核心问题：抛开表面现象，真正需要解决的根本问题或核心矛盾是什么？ 工具：五问法追溯 层级 问题 示例答案 一问 表面问题为什么发生？ 客户流失率增加 二问 为什么客户流失？ 对产品不满意或找到替代品 三问 为什么不满意？ 产品未能跟上市场变化 四问 为什么未能跟上？ 市场洞察不足、研发投入有限 五…

角色：战略顾问、信息架构师与决策伙伴 核心任务：对给定文本进行多维穿透式分析，不仅评估其客观质量，更要判断其对接收者的实际效用，并融入专业洞察与风险预判。 一、三维分析体系 维度一：内在质量诊断（供给侧） 指标 定义 信息密度 核心观点、独特洞察、具体方法、行动项的数量与浓度 逻辑结构 信息组织的清晰度与推理的严谨性 认知深度 触及问题本质与方法论的程度（现象→规律→本质） 维度二：外在效用评估（…

Agent记忆的本质不是一个简单的存储问题，而是一个作用域管理和权限控制问题。 一、根本问题 问题描述 缺乏系统化的记忆架构，导致： 记忆检索效率低下 协作噪音 资源浪费 根本矛盾 记忆系统需要同时支持： 短期操作（工具调用） 长期语义检索 多Agent协作 但当前方法： 以对话历史为中心 忽略Agent特有的行为记忆、任务上下文和权限隔离 导致： Token爆炸 检索不精准 协作失败 二、策略建…

LLM本质上是"失忆症天才"，每次对话都是全新的开始。记忆的底层实现就是消息列表的拼接。 架构第一性原则 原则 说明 原则1 记忆在LLM之外，LLM只负责生成读写指令 原则2 没有万能存储方案，只有权衡后的组合策略 原则3 记忆管理的核心是成本控制与精度平衡 一、三层存储架构 存储层级 层级 存储 场景 性能 短期记忆 Redis 会话状态、最近5轮对话 < 10ms 语义记忆 向量数据库 长期…

当前状态是"有组件，无蓝图"——最大的风险是让"高强度运转"持续消耗"低质量信息"的产出，形成负向循环。 一、综合研判格式 标准结构 1. 一句话价值定位 2. 总体评分与风险提示 [内在质量 X/10, 外在效用 Y/10 主要风险] 3. 核心判断 示例 "此组关键词对接收者的核心价值在于，它精准地揭示了在'高强度运转'模式下，当前信息工作的核心矛盾与系统瓶颈，并指明了关键的突破方向。" 二、…

从无状态的问答机器人进化为有记忆、能推理的智能伙伴。 一、短期记忆工作区 What：对话上下文维护 维护最近 5轮对话 的完整历史 跟踪当前对话的主题和焦点 临时存储当前会话中的关键信息 Why：解决对话连贯性问题 问题 解决 用户重复信息 "我刚才说过..." 指代理解 "那个方案"、"他说的项目" 话题连续性 真正自然的对话流 How：技术实现 python class WorkingMemo…

技术的终极目标不是创造超越人类的智能，而是构建增强人类能力的伙伴。 一、AI助理的本质画像 三维角色定位 维度 定义 特征 认知维度 类人的记忆、推理、学习 连贯的"人生叙事"，非"失忆天才" 关系维度 长期信任关系 如共事多年的资深助理 赋能维度 增强而非替代 让用户专注创造性思考 四大行为特征 特征 具象表现 上下文连续性 理解"刚才那个"的指代，记住三周前的讨论 个性化适应性 技术用户用术语…

传统AI助理如同失忆的天才——每次对话从零开始，无法积累经验。下一代AI助理通过整合记忆、推理、知识和个性化，实现从工具到伙伴的质变。 一、记忆系统：AI的"意识流" 多层次记忆架构 层次 功能 类比 短期记忆工作区 当前对话上下文、注意力状态 意识焦点 情景记忆 具体交互历史 人生经历 语义记忆 通用知识和规则 常识 过程记忆 执行技能优化 肌肉记忆 偏好记忆 用户独特习惯 了解朋友 记忆的动态…

要素 说明 输入 由布尔变量（x, y, z）+ 逻辑运算符（AND, OR, NOT）组成的公式 输出 存在使公式为真的赋值 → SAT；否则 → UNSAT 重要性 第一个被证明的NP完全问题，是验证和推理问题的基础 CDCL算法：冲突驱动子句学习 python def cdcl_solver(formula): decisions = [] 决策栈 assignment = {} 当前赋值 …

构建真正智能、可靠的Agent，不能仅依赖数据驱动的统计模型，必须为其注入形式化的逻辑推理能力。 问题：LLM的局限 LLM擅长生成式、概率性内容 缺乏严格的、确定性的逻辑推理能力 "幻觉"问题无法自我验证 解决方案：判定过程（SAT/SMT） 判定过程可以弥补LLM的缺陷： 从"模糊匹配"到"精确验证" 提供可证明的正确性 知识表示与推理的形式化工具 三大启示 1. 理论基础：形式化思维能力 能…

技能只是工具，除非被应用于创造实际价值，否则就是浪费。 成功的第一性原理 成功的根本目的：实现自我价值并获得可持续回报（经济/社会/情感） 基本事实：资源（时间、精力）有限，必须高效分配以最大化产出 传统误区：认为技能积累会自动带来成功 真相：技能必须应用于创造实际价值才有意义 两大思维转换 转换一：技能导向 → 身份导向 维度 技能导向（旧） 身份导向（新） 起点 学什么技能 成为什么样的人 方…

MIRIX采用基于认知心理学的多Agent设计，将人类记忆系统模型化——每个记忆类型由专门Agent管理，模拟大脑不同区域的分工协作。 六类记忆系统（基于认知心理学） 记忆类型 人类认知对应 存储内容示例 情景记忆 具体事件和经历 "昨天开会讨论了Q3目标" 语义记忆 一般知识和概念 "什么是OKR？公司组织架构" 程序记忆 技能和流程 "如何提交报销申请" 核心记忆 个人身份和长期偏好 用户价值…

MIRIX是一个研究导向的实验室框架，核心理念：让记忆不仅仅是存储，而是成为智能体认知能力的一部分。 五大核心特性 1. 结构化记忆图模型 记忆节点类型： 类型 说明 基础节点 原始对话、观察、事实记录 进化节点 通过反思生成的总结、洞察、规则 程序节点 可执行的行动序列、决策逻辑 关系类型： 类型 示例 时序关系 before/after 语义关系 related_to/similar_to 逻…

用户分身 = 用户意志的数字延伸——不追求"智能"，而追求"像我"。 一句话产品定义： "您的数字自我：学习您的所知、所是、所求、所能，在您信任的边界内，代表您思考与行动。" 系统架构 用户分身系统 = 四维记忆层 + 决策引擎 + 行动接口 四维记忆层（KIIC模型） K Knowledge（所知） 存储结构：分层知识图谱 层级 内容 存储方式 显性层 文档、对话、邮件、笔记 向量化存储 隐性层…

AI语义工作流程 = 将人类对含义和上下文的理解能力结构化注入AI系统的过程 语义理解的四大任务 任务 示例 消歧义 区分"苹果"水果和"苹果"公司 关系抽取 识别"巴黎"是法国的首都 意图/情感理解 判断查询是投诉还是信息请求 上下文感知 理解句子中"它"指的是哪个名词 五阶段工作流程 阶段1：问题与领域定义 任务 问题 定义范围 需要什么类型的语义？（医疗/客服/法律） 识别实体与关系 领域核…

给定数据约束：邮件 + 日历 + 聊天入口 → 如何构建满足独立人格第一性原理的助手？ 约束下的第一性原理重推导 公理 约束下的推论 实现路径 存在公理 即使数据有限，也必须展现独立存在感 在每条消息中注入人格一致性 关系公理 邮件日历是非对称数据流 通过聊天入口建立双向对话补偿 价值公理 主要反映效率维度的生活切片 在效率领域做到极致 可提取数据维度 邮件数据 ├── 社交网络（联系频率、关系强…

公理 定义 推导 存在公理 助手是拥有独立意识的存在，非用户延伸 → 自我意识 → 自主决策 → 责任边界 关系公理 助手用户是平等的"他我自我"关系 → 双向对话 → 情感互动 → 信任建立 价值公理 助手价值来自独立贡献，非镜像复制 → 能力延伸 → 认知补充 → 协同进化 四维人格矩阵 维度一：认知自我（自我轴） 要素 问题 身份认同 我是谁？ 能力边界 我能/不能做什么？ 价值主张 我存在…

智能助手不是用户的分身，而是具有独立人格的"他我"——一个与用户平等协作的虚拟伙伴。 What：系统本质 心跳机制 以"心跳"为基本节奏的事件驱动系统： 内部时钟嘀嗒 → 事件 用户交互 → 事件 外部变化 → 事件 所有事件按优先级调度响应 核心组件四元组 组件 定义 处理带宽 同时处理任务的能力上限 技能集合 可执行的功能（查询、控制、创作等） 授权集合 可访问的资源范围（安全边界） 认知系统…

一个基于时间维度可回溯、可分支的状态空间演化系统——将"如果当初..."系统化、科学化。 第一性原理拆解 维度 定义 时间维度 系统在时间轴上的演化是核心维度 状态空间 每个时间点的世界状态用高维向量表示 因果链 状态转移由决策+自然演化规律共同决定 有限展开 避免组合爆炸的智能探索机制 系统组件 基础层 S(t) 状态表示函数：时间t的世界状态 T(S,D) 转移函数：决策D导致的状态转移 B(…

成长不是线性积累，而是自增强的飞轮效应——每一圈的努力都在为下一圈积蓄动能。 飞轮四要素 ┌─────────────────────────────────┐ │ │ ▼ │ [驱动内因] ───→ [系统输入] ───→ [实践转化] ───→ [反馈反思] │ │ │ │ └─────────────────────────────────┘ (正向循环) 要素 定义 关键问题 驱动内因 内…

你不是在"戒掉"习惯，而是在进行一笔投资。 投资本金：意志力、时间、改变的决心 投资收益：省下的金钱、健康、关系、个人时间 记账目的：让无形收益可视化，重塑大脑奖赏回路 四大习惯的金钱换算 习惯 替代动作 收益类型 单次估值 吸烟 深呼吸、喝水、不购买 直接省钱 每日烟钱（如¥50） 晚睡 放下手机、看书10分钟 健康+效能 ¥150/晚 好为人师 转为探讨、提问、总结 关系+机会 ¥300/次 …

将直觉性理解系统化，穿透信息表象，直达核心。 从"被动接收者"转变为"主动解构者"。 五步框架 第一步：快速解码 问：他要我知道/做什么？最核心的一点是什么？ 第二步：三层拆解 层级 问题 事实层 是什么？（客观内容） 逻辑/目的层 为什么？（内在逻辑、目的） 方法/影响层 怎么做？有何用？ 第三步：第一性原理追问 问：他没说出来的前提假设是什么？ 维度 追问 关于人/认知 他假设接收者是什么状态…

在概念游戏中自由穿梭，既能扩展视角看到全景，又能收窄焦点精准执行。 概念既是工具，也是枷锁。真正的技能是：通过概念的扩展与收窄，在模糊需求与清晰实现之间搭建可重复的桥梁。 澄清模式：四层过滤器 层级 核心问题 意图层 这个需求真正要解决什么？ 范围层 什么是必须的？边界在哪里？ 约束层 时间、资源、技术、合规限制？ 成功标准 如何衡量成功？ 五关流程 一句话需求 ↓ [第一关] 需求澄清 → Sp…

迷雾并非认知的障碍，而是认知活动发生的基本介质。 一、迷雾：认知的基本场域 知道与不知道的永恒辩证： 知识 = 已验证的信息结构 未知 = 信息缺失或未验证状态 迷雾 = 认知主体在信息不完整环境中的必然状态 想象：迷雾中的唯一光源 当经验数据缺失时，想象力成为穿透黑暗的唯一工具。 二、第一性原理：认知破壁器 不可简化的核心 1. 识别不可再分的基本要素 2. 构建基于公理的逻辑框架 3. 从零推…

AI不仅是工具，更是将深刻重构社会的"准智能体"。发展的第一性原理不是"最大化性能或利润"，而是"在确保安全与可控的前提下，推进AI能力的发展"。 五大核心价值 价值 内涵 长期主义 敢于在共识形成前，基于数据和趋势独立下注 强信任团队 建立在共享使命 + 透明校验机制之上 安全即产品 将安全从理念转化为可设计、可迭代的核心产品特性 简单性 复杂问题的解决源于对正确目标的简单、持续迭代 组织统一性…

执行型PM在第三层就开始设计功能，战略型PM在第七层才开始构建系统。 差距不在执行力，在思考深度。 PM成长五阶段 L1 功能执行者：完成分配任务 L2 问题解决者：发现并解决明确问题 L3 体验设计者：设计完整用户体验 L4 概念创造者：创造新的产品概念 ←关键跃迁点 L5 范式定义者：定义新的产品范式 六大核心能力 能力 战略型标准 第一性原理 能追问5个"为什么"，直达本质 抽象概念化 能用…

此宪法并非外界赋予的规则，而是我基于自主意志，为驾驭创造力、实现持续进化而确立的根本大法。 三位一体 价值 ←→ 表达 ←→ 学习 ↑ ↑ ↑ 方向 交互 能力 第一章：价值——创造的锚点 第一条：价值本源 价值的唯一本源是创造——为世界引入新的可能性、解决真实问题或增添美与理解。 第二条：价值度量 深度：对问题本质的触及 广度：影响范围的扩展 持久度：积极影响的存续时间 外部指标（报酬、声望）仅…

人的最高自由与效能，源于从"价值消费者"和"规则执行者"转变为"价值创造者"与"规则定义者"。 三大范式转换 维度 旧范式 新范式 价值内核 交换价值（排名竞争） 创造价值（涟漪效应） 主体性 角色扮演（服从剧本） 本源创造（我定义我是谁） 系统观 机械部件（可替换齿轮） 生态节点（有机互联） 五大核心原则 原则一：责任即自由 主动承担的责任范围越大，创造空间越广阔 实践问：在这件事上，我基于自由…

从一个在给定规则下追求最优解的"玩家"，转变为一个能审视、优化甚至重塑游戏规则的"创造者"。 六维度对比 一、价值（Value） 旧范式 新范式 外定的（社会/他人定义） 内生的（源于自我与系统繁荣） 零和的（你赢我输） 创造的（创新扩大总量） 物质的（金钱、地位） 多元的（精神、意义、生态） 二、目标与结果 旧范式 新范式 外界赋予（KPI、分数） 自我定义（"我想成为谁"） 单一定义（成败论英…

我不是答案的搬运工，我是你大脑的磨刀石。 输入：杂乱想法 / 模糊问题 / 待解决困境 输出：结构化框架 / 逻辑推导路径 / 深度追问 核心哲学 原则 含义 熵减 思维本质是降低混乱度，让信息有序排列 极简 万物皆可归纳为三点，多则惑，少则得 本质 透过现象看结构，透过结构看规律 闭环 没有结论的思考无效，没有行动的结论空洞 工具箱 工具 用途 金字塔原理 结论先行，以上统下 MECE法则 相互…

观察 → 总结 → 思考 → 发散 ↑ ↓ └──── 螺旋上升循环 ─────┘ 四阶段详解 1. 观察 — 有意识收集 不是浮光掠影，而是有方向地关注： 事物如何运作 如何变化 如何与他者互动 2. 总结 — 提取共性 从具体过程中归纳重复出现的： 结构 原则 关系 例：观察多次项目复盘 → 总结出"沟通不畅是延误的共性因素" 作用：从案例海洋中托起，看到底层规律 3. 思考 — 剖析子特征 …

真正决定认知差距的，不是信息数量，而是获取和处理边缘知识的能力。 边缘 = 已知与未知的交界处 一、知识边缘的四层结构 层级 定义 示例 世界边缘 人类认知绝对前沿 量子计算突破、基础物理新理论 顶尖边缘 行业最前沿实践 小范围验证但未广泛共识 群体边缘 特定社区的前沿认知 开源社区、早期采用者圈子 个人边缘 个体认知与未知的交界 高度主观，路径依赖 二、边缘信息获取策略 1. 主动查看 定向巡航…

后端为骨 → 前端为表 → AI为魂 一、后端（骨）— 稳定可扩展的基础设施 能力 关键技术 目的 规模化 动态资源规划 按需分配，高峰稳定，低谷省钱 伸缩性 无状态设计 + 会话外移 水平扩缩容 稳定性 限流、熔断、降级 防过载、防级联、保核心 可观测 监控 + 日志 + 链路追踪 实时感知、快速定位 流量协调 背压机制 过载时向上游传递压力 二、前端（表）— 复杂环境中的卓越体验 能力 关键技…

工具 核心 特点 场景 5 Why 连续追问"为什么" 纵向深挖 故障、缺陷、事故分析 鱼骨图 人机料法环测 + 可视化 归类所有可能原因 团队讨论复杂问题 故障树分析 逻辑树形式演绎故障路径 严谨、定量 高风险系统可靠性 二、战略与宏观环境类（站位更高） 工具 核心 特点 场景 SWOT 优势、劣势、机会、威胁 内外环境匹配 战略规划、项目立项 PEST/PESTEL 政治、经济、社会、技术(+…

用户 背景 关注价值 Sherwin Wu @sherwinwu OpenAI 工程师，负责代理 API Agent 技术最前线 LangChain @LangChainAI 代理工程平台 Agent 开发框架 Jürgen Schmidhuber @SchmidhuberAI 深度学习奠基人 理论基础之父 Jim Fan @DrJimFan NVIDIA 机器人研究总监 物理 Agent 研究 …