周报 #12 - 重新出发

date

Jun 15, 2024

slug

weekly12

status

Published

卷首语

看了下自己的博客，上次更新周报还是2024年1月14号，到现在已经过了5个月了，在这几个月其实也一直有写内容的，但是写了一部分就放下了，既有内心想表达的完整观点的执念，也有找不到写作意义的挣扎，这周看到少楠的产品沉思录的48期-离别，是为了更好的相聚；其中有几个打动我的地方，给我了重新出发的勇气，少楠把他的产品沉思录7季分为了三个阶段：

第一阶段（1-3季）：贪婪和挣扎

贪婪：充斥着许多时效性的内容，以及大量晦涩难懂的内容，甚至还有许多自己没有读完的内容 —— 因为当时有一个自己尚未觉察的私心，便是希望获得他人的关注和仰慕，而这种复制粘贴的操作，对于自己智力上的美化效果是卓然拔群的，但实际上对自己帮助并不大，因为自己并不是真的理解这些知识，也更无场景来验证这些知识。
挣扎：追求完全原创

第二阶段（4-6季）：专题-对自己关注的内容不仅是收藏保存划线，而是进行了大刀阔斧的裁剪，拼贴，批注，形成了一个又一个的专题。比如当时研究的电子表格与数据库的历史交易平台指南 V2.0 等，就是把许多篇文章，许多不同人的观点整理，拼贴，合并成一个专题。

第三阶段（第7季）：将参考资料变为客体，将自己的理解变为主体，结合经验来撰写内容。这样把基础的问题思考的足够清楚，自己便能更加安然地立于粗糙的现实地表之上，不再随风摇摆。

之前我脑海中隐约有一些想法，但是不知如何表达出来，看了少楠的这期文章逐渐清晰，上周写了一篇文章《我适合做独立开发者吗》，没有写完，反思了一下，主要有两个原因：

太想完整的表达自己的观点，但是写出来的内容自己不满意

写到中途会反问自己为什么要写？有什么价值？

这周解惑，如果没有完成，就先放一放，这颗种子已经在心底里埋下了，随着时间总会结果

Worthy Five

1. 近期有什么值得再试的食物？

上周周末认真的梳理了一遍自己吃过的和听过的餐厅，发现之前并没有严肃的对待「吃」这件事情，翻看了美团的订单，大部分食物是「火锅类」和「烤肉类」，只有少数的有点特色的餐厅，甚至「炒菜」吃的都很少，所以本周要从认真对待「食物」开始，探索一些美食，目前想到的是「悠航」，据说他家的🍔汉堡很好吃

2. 近期你的城市中有什么值得再去的地方？

上周端午节报团去了北京周边-张家口麻田岭徒步，风景很不错，并且发现一天可以做这么有趣的事情，接下来可能一个月会出去徒步一次，麻田岭小西天现在被人说成阿勒泰分泰，这次徒步的感受确实是不错的，有一部分的好奇心在里面，有种回归自然的放松感

3. 近期有什么值得独自或和友人玩的活动？

无

4. 可以说一说你最近见过的朋友？

在北京，很少和之前的好友相聚，5月和好友周末小聚，主要是朋友工作多了些许苦闷，一起聊了聊天，没有很多的真知灼见，但是朋友在苦闷之时能想起我一起聊聊，也是有点宽慰

5. 推荐一本书吧？

《一句顶一万句》：这本书我刚开始读，我本身不是经常读小说，这周看到同事的读书笔记推荐了这本书，我之前也在微信读书上看到了这本书的推荐值很高，然后又看到少楠也推荐这本书，先报了一些期待，读完再来写读书感悟

趣图

满大街都是朝气蓬勃的老年人，沉默寡言的年轻人，以及生不如死的中年人

思考-能力圈+好奇心

人类的知识工作有固定的生命周期：探索 → 收集 → 思考 → 创作 → 分享。这个过程是对主题学习的一个过程，但是如果只在这个低层次（细节）的过程中实践，会陷入几个误区：

过度收集：多数时候我们都会陷入「收藏者谬误」，感觉收藏到就是学习到，但实际上「知晓某事」并不是「知道某事」。收藏更像是把信息搬运（而非加工），途中没有增加任何知识。

不思考：更多时候收集进来就放在笔记软件中了，再也不会使用了

人类学习知识的过程从始至终一直没有变过，教育研究工作者 Dr. Efrat Furst (opens new window)曾经在她的文章中，讲述过知识从吸收到提取的一个过程：

我的总结是：学习=理解+高频使用

建立自己的能力圈

我将一个人的知识管理分成几个层次：

能力圈

注意力

学习过程

大家都知道人类是靠理解而非记忆来学习知识，但是什么是知识？什么是信息？我的理解是：现在和未来，你在做某件事情的时候能想起来之前的信息，用它来解决问题的就叫做知识！

我们拍照时选择长焦镜头来拍摄，通过zoom-in拉进你和知识的距离，近距离研究细节，这个是抓细节的过程；对知识树框架的构建、修剪、调整、迭代、把握，就像我们拍照时选择广角镜头来拍摄，通过 zoom-out，后退一步，拉大你和知识的距离，看到知识体系的全貌，这是抓整体的过程；这在软件设计过程中有两个词：自顶向下和自底向上。

Zoom-out看到的就是自己的「能力圈」，有了全景图，就可以界定出自己的能力圈，然后不断的Zoom-in，这个过程中通过探索 → 收集 → 思考 → 创作 → 分享来加速学习的过程，在不断Zoom-out和Zoom-in的时候加深自己对于现有知识的印象

最后分享一个小技巧：如果想让自己的笔记系统有用，那么在遇到问题的时候先检索自己的笔记，再检索搜索引擎，这样就会促使自己思考为什么我的笔记找不到，这样就会到一个良性的系统中来，不断的正反馈和改进来修正自己的笔记，用的多了你就不会纠结到底用A笔记还是B笔记，一切以实用主义为中心

20人关注

我看到很多人分享自己的RSS系统，针对高频的信息源怎么降噪，针对低频的信息源怎么提高优先级，这种看似很有系统的信息源处理方式，不过是另外一种信息焦虑罢了，就像是监控系统配置了100个监控，根本分不清楚哪些是重点，我的策略是对于关注的领域重点关注3-5个人，目前关注的领域差不多在20人左右，其他的靠好奇心来探索，其他的信息不纠结也不焦虑，错过就错过了。因为我发现只有深度关注，才会将信息转化为自己脑海中的知识，很多有用的知识必须将自己的注意力集中起来，反复阅读和琢磨的

技术 - AI

我发现在公司接触的同事和在Twitter上接触的朋友对于AI的看法有时候截然相反，大致可以分为这几种：

基本没用过，现在刚使用的时候觉得很惊艳

之前使用过，觉得很一般，不能解决问题

在使用，觉得可以解决一些问题

深度使用，已经作为日常重要的一部分

我用一句话来概括出现上面现象的原因：AI的使用体验在于你正在做的事情

课代表在他的课程中的观点是：

AI做的事情是把人类调用算力这个事情变得简单，通过API，跳过GUI让普通人也可以使用到计算机的superpower。我的补充：纳瓦尔说过，内容是除了代码之外杠杆最高的手段之一，有了AI之后，代码不再是一个专业门槛很高的事情了

AI不是为了解决问题，而是为你解决问题提供了更多的工具选择

下面部分引用鸭哥的观点：

回到学习的领域，以前要想高效地学习，我们通常需要三样东西：

一是教材，提供学习的理论基础；

二是老师或助教，提供个性化的答疑；

三是实操。

实操对于IT领域来说尤为重要。如果学了很多理论知识但无法通过代码实现，等于白学。然而，现在的教育体系不论是在课堂里学习还是通过视频自学，都是从课本开始，由老师引导。这就带来了两个问题：一是对实操的重视程度不够，很多时候都是纸上谈兵，只会做理论推导和玩具级别的东西，遇到程序报错时缺乏debug的经验；二是因为学习的时候还没有实操经验，不知道每一个知识点的实际用途，这既缺乏学习的动力，也无法准确把握重点，导致每个知识点都花费相同的时间去学习。这些问题对于学习，尤其是IT领域的学习，是非常有害的。

利用AI以一种全新的方式学习了Swift编程和Python的异步编程，切身感受到了AI对我们传统学习方式的摧枯拉朽式的优势。更具体地说，当我学习Swift或Python的异步编程时，我并没有先找个课本开始看，或者囫囵吞枣开始上网课看视频。（走个题，我觉得书籍比视频更有用，因为书可以快速翻阅但视频不行，书籍可以快速搜索，但视频就比较困难。）相反，我尝试了在AI的辅助下通过实战学习。针对我特定的需求，我会直接询问AI如何使用Swift或Python来实现。 AI在给我编写代码后，我会对不理解的部分提问，或者对于新的需求和改动，让AI进行调整。有时候，AI的思路和我的不同，我也会追问并要求它给我解释。

这种学习方式的一个明显好处是非常个性化。你可以根据自己最关心的问题优先学习相关领域的知识，而不是浪费时间在与当前问题无关的知识上。这是一种高效的学习方法。另一方面，AI也是一个极具耐心的助教。虽然它可能在思想深度和创新能力上不如一些现实中的专家，但它有几个优点：首先，它非常有耐心。即使我们的基础知识较弱，AI也会非常耐心地一步一步指导我们如何配置。特别是在我询问如何编写一个Swift程序来实现苹果推送服务时尤为明显，因为苹果的证书配置非常复杂。但AI会有条理地告诉我们每一行命令行应该如何输入，我们只需复制粘贴即可完成配置；其次，它提供的答案高度定制化，针对你的问题；第三，可能由于训练数据的关系，AI对工业界的趋势和原则非常了解。因此，它推荐的方案往往比学校里的研究生助教更符合标准实践，能让你学到很多课本之外的东西。（想想谭浩强版C语言）

所以，在学习的时候，我一方面能够以最高的效率学习到我真正感兴趣、真正需要的东西。同时，即使我对某个领域不太了解，AI也能以适当的顺序耐心地将知识逐步传授给我。此外，我所学到的知识还包含了工业界的经验和标准实践。这就使得以实操为出发点，由AI主导的学习方式显得格外有价值。我个人认为，无论是通过阅读书籍自学、上网课，还是在学校里跟随老师学习，我都无法在如此短的时间内编写出之前在朋友圈提到的复杂程序。即便能够编写出来，所写的程序可能也不够地道，甚至可能与工业界的原则相违背，以后还是得返工。

因此，综上所述，我认为至少对于简单的场景，AI可以非常高效且正确地编写程序。这样的观察可能会从两个方面深远地改变IT领域的格局。首先，它可以使编程成为解决问题的首选方法，即成为解决问题的“first class citizen”，从而大幅提高使用AI工具的人的正确率和生产力。其次，它可以作为一种个性化的、高效且深入的学习方案，大幅提高我们的学习效率和效果。从这两个角度出发，当下的AI也许不会立刻取代程序员这个职业，但它已经开始深远地影响我们的整个IT领域了。

产品-EpubKit

最后推荐下Randy的EpubKit，我用了有挺长时间了，最开始通过Epubkit制作了coolshell.cn的小册子，后面又制作了不少小书，通过将一些自己购买的和之前收藏的Blog都打包成Epub，导入到微信读书中阅读，基本上建立了自己的阅读流程，微信读书是我目前最主要的阅读APP，使用epub阅读的体验和效率感觉远远大于网页端

Ref

少楠产品沉思录

小熊熊-费曼学习法