Richard Pan

[棋局 @qiju2030]

王阳明的龙场悟道，其实就是教人怎么自救。

大多数人讲王阳明，总爱说他龙场悟道，好像某天夜里灵光一闪，宇宙真理“啪”地一下砸到脑门上，从此心学诞生，圣人就位。

这个说法顶多当个传奇故事听，但对理解这段经历几乎没什么帮助。你真把他当圣人看，这个故事跟你有���关系？

可如果你把时间往前拨一点，把王阳明先从神坛上请下来，还原成一个活生生的人，这事儿就完全不一样了。

王阳明去龙场之前，是遭逢人生巨变的失败者。三十多岁，科举出身，真心信儒家那套修身齐家治国平天下。然后他在朝堂上硬刚权贵，结果被抓，下狱，廷杖。相当于清华北大毕业，刚被提升为处长，一腔理想还没施展出来，然后就被双开了。

接下来就是龙场。注意，龙场不只是偏远艰苦。在当时，那地方几乎等同于社会性死亡。瘴气、疾病、信息断绝，属于在文明世界之外。相当于今天，被发配去一个连信号都没有的地方。

去那里的官员，默认结局只有两个：病死，或者精神先垮掉。因为真正打击不在环境苦不苦，而在于原来那条人生奋斗路径失效了。

我们大多数人的痛苦，本质是还在赌一件事：再撑一下会不会有转机，再努力一点会不会被看见。可在龙场那里，几乎做什么都得不到反馈。还不是负反馈，是压根没反馈，连骂你的人都没有。

你读书给谁看，你修德谁来评判，你坚持到底是为了什么。没有观众，没有回报，没有上升通道，没人关心，这就让努力甚至是活着本身都失去了意义。

后人说龙场悟道，说得很玄，其实过程一点都不浪漫。对于王阳明来说，根本不是想通什么哲学问题，而是被逼着解决一个生存级问题：如果世界已经完全不按规则给你反馈，那你还怎么活？

王阳明给出的答案，后来被包装成一句很漂亮的话——心即理。但翻译成人话，其实很简单：
自我判断权，我不外包了。

以前他的默认模式，是外面有一套正确秩序，圣人榜样在那里，经典也在那里，我只要不断靠近，世界迟早会承认我——这是一个彻底外部判断并给出结算的系统。

可在龙场，这套系统彻底失灵。王阳明要想活下去，或者不疯掉，只能换算法。而新的算法就是：
行为本身，就是意义来源。

我这么做，不是因为将来有用，不是因为会成功，不是因为会被看见，而是因为这是我认可的。我不这样做，我精神会先死。

很多人讲知行合一，容易讲成道德要求。但如果一个人一直停在“我知道该怎么做，但我什么都改变不了”，人很快就会崩溃。

知行合一真正干的，是把评价闭环锁回自己身上：
我判断，我行动，我���己确认，不再等外部系统给反馈。

这一点非常重要。因为一旦你不再依赖外部结算，你就变得极难被摧毁。环境再烂，它最多限制你能得到什么，但无法再定义你是谁，这就是另一种意义上的“无欲则刚”。

这其实就是创伤后成长最真实的样子。不是熬过去变坚强了，而是原来的那套认知系统已经无法支撑你继续活下去，必须被迫重写一套。

等王阳明后来回到社会，他整个人已经完全不一样了。他不证明自己，不被评价牵着走，成败对他影响很小，但行动力极强。

所以龙场悟道，根本不是什么顿悟宇宙真理，而是一个人在彻底被世界抛弃之后，学会自己给行为结算意义。

这个故事放在今天更有意义。因为很多现代人的痛苦，和龙场有一个隐秘的相似点：
努力和反馈之间的关系，正在失效。

但很多人还在等一个可能永远不会再来的外部确认。

��阳明在龙场做的那件事，说到底只有一句话：
当世界不再给你正反馈和奖励时，你要学会自己给行为结算意义。

否则，你就会一直站在原地，等一个不回应你的世界，把你拖垮。

[凡人小北 @frxiaobei]

很早前写的那条 RAG 面试贴，这两天又开始有不少互动刷上来了。最近 Agent 招聘也明显升温，面试考察方向也逐渐清晰，是时候认真聊聊这块了。

我发现这个现象不但没有改善，反而更加明显。
因为 Agent 系统相比 RAG 更复杂，表面看起来只是“多个工具 + 几个大模型”的组合，
但底层其实要求的是对系统调度、上下文结构、推理链路、状态管控、模型行为边界的全面理解和工程性判断。

直白一点，Agent 的真正难度，在于能不能让它在稳定、连续的前提下，支撑起真实业务流程的正确性、可追溯性、可控性。

我这段时间在参与一些 Agent 岗位的面试，逐渐形成了一些判断候选人是否优秀的锚点（未必每项都要完全掌握，但能否系统思考、举一反三，是判断力的关键）：

比如，是否能清晰区分并解释常见 Agent 设计模式的适用场景？
ReAct、CodeAct、Agentic RAG、Self-Reflection、Multi-Agent Planner，它们之间有哪些本质差异？又分别适合处理什么样的任务？有没有在实际项目中做过切换？有没有踩过错误选型的坑？
有没有理解 AutoGPT-style 与 Planner-style 的核心区别？是否意识到 Reflective Agent 模式会对链路结构带来怎样的影响？

在构建的 Agent 中，是否考虑过多 Agent 并发执行时的任务拆分、冲突协调、上下文隔离与结果融合策略？
是否设计过 DAG 式的任务调度流程？支持中断恢复吗？任务失败是否能精准回滚？在异步执行中有没有遇到 race condition 或状态错乱的问题，又是如何通过调度/隔离机制解决的？

当你说“挂了 memory”，你指的是哪种 memory？
是 scratchpad 式的上下文补全？embedding + search 的 semantic memory？还是具备写入、更新、清理能力的长期记忆系统？
有没有遇到 memory 与 tool 同时干扰上下文的情况？你是如何控制污染与冗余的——靠 prompt 工程？cache？embedding 过滤？还是独立的 memory controller？
有没有了解过 agentic memory、KV-based long-term memory 这样的记忆结构演进趋势？

还有，tools 是怎么注入的？
是静态 schema 定义？还是基于 LLM 推理的动态注册？
参数是 prompt 拼的，还是通过 structured output 与工具接口 schema 自动对齐？
工具调用失败时怎么处理？是否设计过 fallback 策略、调用优先级、输出结构比对？有没有构建过 tool selector 或工具路由模块，而非手动拼接？
调的是工具，还是构建了一��可插拔、可配置的工具执行系统？这本质不同。

现实问题也不能回避：有没有上线过 Agent 系统？
它的性能瓶颈出现在哪？token 消耗高？memory 检索慢？工具调用链路太长？
做过 tracing 吗？有没有用过 LangSmith、PromptLayer、OpenAgentMonitor 做链路诊断？
能不能说出“你的 Agent 为什么慢”，又是怎么让它变快的？

最后，是安全性与合规性。
在多 Agent 系统中，你没有考虑过 prompt 注入、数据越权、token 滥用、权限划分、执行日志？
是否设计过访问边界？有没有审计能力？是否能把 Agent 控制在业务授权范围内？

这些，才是现在企业在面试 Agent 工程岗位时真正关注的能力维度，候选人能不能设计一个有行为边界、结构清晰、状态稳定、可容错、能上线的智能系统。

[凡人小北 @frxiaobei]

吴恩达上个月在 YC 的闭门分享，我最大的感受是：这是为“想真做事”的人准备的系统性认知地图。

很多人聊 AI，是在讲技术趋势、AGI、终局预言；他聊的，是从第一个 idea 到第一个用户，再到第一个能复用的系统，怎么能更快、更准、更责任地走一遍。

以下是拆解后的核心洞察，给所有搞 AI 创业、想用 AI 干点事的人👇

1️⃣ 执行速度是核心变量，胜过一切幻想
“模糊想法=烧钱，具体方案=印钞”。具体到什么程度？得是 engineer 听完马上能动手写代码的那种。
执行速度不是要你瞎跑，而是能快速把创意变成原型，再用实际反馈把想法打磨成产品。你能��多快，不在于有多聪明，更重要的是能不能把构想具体化、把验证节奏压缩成小时级。

2️⃣ 智能体是认知流程的重写，不是 API 套壳
很多人把 Agent 当“插件化 prompt 多轮调用”。但吴恩达讲得更深：Agent 是让 AI 模拟“非线性思考”的结构单位，就像人写文章要列提纲、查资料、反复修改。
agent workflow 的本质，是让 AI 从一次性输出变成演化式构建，从 stateless prompt → 有记忆、能反思、能协作的工作单元。
也就是谁能把业务流程转化为 Agent 结构，谁就能定义新的系统边界。

3️⃣ AI 编程 ≠ 会写代码，而是表达意图的能力
吴恩达说，现在的编程能力，是“新型表达力”。未来的 core skill 是：清晰表达你要什么、组合不同 AI 模块拼出解决方案、具备足够技术判断力，知道什么该微调，什么该 prompt。这就需要跨领域的人才，越是跨领域、越能思考并表达出来新的产品。
AI-native 编程，前期阶段先不要追求完美代码，目标先盯着构建一个可快速被重写、被验证、被���代的系统。

4️⃣ 技术架构正在从“单向门”变成“可撤回式决策”
以前选错技术栈 = 半年白干；现在选错，可能下周就能重构。
工程并没有降智化，核心要点其实是开发成本下降，试错频率提升，组织必须学会“快速判断 + 快速反悔”。判断力比之前要求更高，更新频率从月级变成了日级。
技术决策也正在重构，从“赌一个方向”变成“构建一个可快速验证、快速回滚的闭环”。

5️⃣ 产品反馈成了瓶颈，PM 要摆脱协调者，自我进化成为节奏设计者
随着工程效率提升 10 倍，最大限制变成：做什么功能？用户要不要？怎么收反馈够快够准？
吴恩达说他见过 PM 和工程师比例 2:1 的配置——这不是反常，而是现实。
未来的组织优化，对于程序员的需求其实是在减少的，不再需要更多人写代码，提高组织获取用户信号的速度变成了首要。

6️⃣ 创业成功���一定是代表着你比别人早半年��到对的方向
“能不能做”不是问题，“值不值得做”才是关键。AI 让做东西变快了，但也让“做错方向”的成本变高了，因为每错一步都放大后续资源浪费。
所以他强调一个核心机制：构建快速验证的原型机制 + 多渠道信号源 + 直觉更新系统。
你能更新得多快，你就能决策得多准。

7️⃣ 最后，AGI 和“AI 威胁”不是你现在该焦虑的
吴恩达对炒 AGI、妖魔化 AI 安全的风气很警惕。他讲得很清楚：真正的风险，不是 AI 太强，而是滥用权力 + 封闭生态；真正该做的，是负责任地使用 + 开放共享技术红利。
封闭平台 + 安全话术 = 技术垄断的护盾；
开源 + 多元协作，才是 AI 创新的护城河。

最后的最后，总结一下：
这场闭门分享没有预测未来 AI 能多牛，吴恩达明明白白的告诉你现在能怎么用 AI 把事情干起来的战略地图。
他讲得很现实，AI 会加速一切，包��失败。执行速度是核心变量，判断力是护城河，反馈回路是竞争力。
你不需要 all-in AGI，但你得学会怎么拼出属于你的那套 agent 乐高。

如果你也在构建 AI 产品、agent 工作流，或者尝试用 AI 重写业务系统，建议把吴恩达这场演讲当作创业者操作系统升级的读本。
技术潮水会一直往前涌，但真正能穿越周期的，只有一个问题：你是不是真的比别人更快做出来、更快做对、更快做成。

[Richard Pan @Richard68529004]

@imwsl90 @grok 验证真假并且告诉我详细情况

[云中月 @MoonAtCloud]

一颗埋了五年的雷

美国税法如何“炸毁”中国研发中心

过去20年，苹果、微软等高科技巨头纷纷在中国设立研发中心，凭借成本优势和人才红利，上海、深圳等地成为全球创新的热土。

然而，2023年以来，一波又一波的裁员和关停潮席卷这些研发中心，很多人直呼“脱钩”。脱钩当然是大趋势，但如果翻开企业的账本和美国税法，你会发现，另一个导火索是一颗五年前埋下的“税务炸弹”。这颗炸弹的引线，早在1954年就已悄然铺设。

1954年，美国国会出台《国内税收法典》第174条（IRC §174），为高科技企业送上一份大礼：研发支出既可以全额扣除，又可以按需分多年摊销。

无论是工程师的工资、实验室的设备，还是测试的材料，只要是为了开发新产品或技术，当年花的钱都能直接抵扣税款，降低企业税负。另一方面，如果企业觉得全部扣除太猛，还可以选择分60个月摊销，灵活掌控税务节奏。

这就像给企业发了一张“研发费用特许牌照”：花钱搞创新，政府帮你节税。企业因此大胆投入，雇佣更多工程师，建设实验室，甚至在全球布局研发中心。美国高科技产业得以迅猛发展，硅谷的繁荣离不开这一政策的推波助澜。

更妙的是，这条政策让高科技企业拥有了“税务调节器”。盈利多的年份，全额扣除研发支出，压低税基；利润一般的年份，缓慢摊销，保持账面稳健。这种灵活性成了高科技企业的秘密武器，尤其在像中国这样人才密集、成本较低的国家，建立研发中心既能省钱，又能通过税务优化少交税。

时间快进到2017年，美国国会推出《减税与就业法案》（TCJA），将企业所得税税率从35%大幅下调至21%，减幅近40%。企业欢呼雀跃，以为迎来了税务春天。但美国国会从不做亏本生意，任何减税动作的背后，必须搭配“找补”的动作。

这次的“找补”条款藏在对《国内税收法典》第174条的修改中，自2022年1月1日起生效 ：
研发支出必须资本化：不再允许当年全额扣除。
美国境内研发支出：按5年直线法摊销。
境外研发支出：按15年直线法摊销。

用大白话解释：以前，研发费用像超市购物直接刷卡抵扣；现在，改成必须分期还款，美国本土研发分5年，海外研发分15年。这意味着企业当年能抵扣的税额大幅减少，应税收入大幅上升。虽然税率降低了，但税基扩大了，美国政府一下就增加了大把税收，用来抵掉减税带来的政府收入。

过去，企业在中国的研发中心成本低、效率高，支出还能全扣，堪称完美组合。如今，15年的摊销期让海外研发的税务优势荡然无存，现金流成了企业不得不面对的硬伤。

另一方面，对企业来说，这项改动不仅是当年多缴税那么简单，重要的是直接废掉了高科技企业灵活使用了70年的“税务调节器”。

过去的黄金岁月里，这个自由裁量权是所有高科技企业的秘密法宝。
如果当年��钱多了？OK，研发支出全额扣掉，税基压低，少交税！
如果当年本身利润一般？那就选择资本化摊销，慢慢扣，保持税务上稳健。
甚至还能配合着其他税务策略（比如税收抵免），把税务表现调得服服帖帖。

而且对境外研发中心，尤其是像中国这样工程师人才充沛、成本相对低的地方，更是个完美组合：人才密集 +低成本 +研发支出全扣，少交税，美国政府也没意见。

2022年，税法新规正式生效，企业猛然发现：中国研发中心的花销不再是“省税神器”，反而成了“税务拖油瓶”。本来是养工程师的钱，现在成了给 IRS 交税的钱。

以一家典型美国科技公司为例，假设其上海研发中心每年投入1亿美元，过去这笔钱可全额抵扣税款，节省约2100万美元的税负（按21%税率计算）。现在，1亿美元分15年摊销，每年仅能扣除约670万美元，税单直接多出近1400万美元。

现金流吃紧，税务账本难看，企业只能祭出“计划B”：缩减海外研发。2023年，某美国芯片巨头关闭了其上海研发���心，裁员数百人；同年，谷歌传出缩减中国研发规模的消息。据X平台业内人士���露，税务压力是这些决策的重要推手。不仅是中国，印度、东欧等地的研发中心也纷纷“失宠”。

这波裁员潮看似与“脱钩”有关，但深挖账本，税法的影响更为直接。企业不是不想创新，而是实在撑不住税单。

美国税法的一条小改动，掀起了全球创新的蝴蝶效应。表面上，国会通过降低税率（35%→21%）讨好企业；实际上，通过扩大税基（研发支出资本化），确保了联邦财政的收入。企业则发现，减税的甜头远不如税务压力的苦涩，海外研发中心从“香饽饽”变成了“烫手山芋”。

这场由税法导演的大戏，折射出一个现实：全球科技公司的创新布局，可能不再由工程师或产品经理决定，而是被税务策略师和国会预算专家的账本牵着走。

这出戏的剧本其实很简单：

国会说：我减税了（35%→21%），你们该高兴吧？
国会又说：但税基我得拉大点，不然联���财政喝西北风啊。
企业发现：减税是假象，研发支出不灵了，海外中心税务上成了���油瓶。
结局：中国、印度、东欧……研发中心一夜之间“失宠”。

这年头，全球科技公司的创新布局，可能不是工程师、产品经理、CTO们拍板决定的，而是税务策略师和国会预算专家在背后写好了剧本。

[dontbesilent @dontbesilent]

有没有推友知道王自如这个 light board 怎么买？

各个平台都搜不到，不知道中文关键词是什么

[���极最后一只雀 @N0rthern_Land]

我玩的好的朋友自杀了，我特别难过在哭，她刚好打过来电话我就跟她说了，她说这样做太极端了这种行为对不起父母，那我也只能沉默不语，之前受了委屈我自己处理了好了跟她说，她也会先说觉得我做事太冲动处理的有问题，被80了先说一个巴掌拍不响，小时候很多事都类似于此
反正就典型的习惯性否定型家长，但我也不怪她，我们的人生境遇生活环境都不一样，并且她也是这样被否定长大的而且因此一直都在追求他人的肯定，孩子好像天生就对父母有一种执着，执着于想要亲耳听到他们是如何注意与承认自己，有些人执着于得到回应，剩下的人生就会被困住，我只希望这样的代际创伤会在我这里停止

[Richard Pan @Richard68529004]

@bboczeng 有没有你觉得���的视频推荐下

[勃勃OC @bboczeng]

说句不好听的

Youtube上关于基础数学，基础物理，基础化学的视频

完全可以取代整个中国900多万中学校数理化老师

特别是高中老师。。。

我在上面学到的关于指数、对数的知识

比我过去30年在中国大陆学到的

都要多

我只记得当年，我们都被要求死记硬背恒等式

lim (1 + 1/N) ^N = e

而根本不知道这是为什么

为什么会有人想到去计算一个这么奇怪的

极限，

而今天，我就同时明白了他的数学意义，和物理意义

这实在是太可怕了

一个文明的衰败

一个文明，即将被彻底取代

[勃勃OC @bboczeng]

其实与其去死记硬背公式、定义和刷题

高中生需要的可能是一本《18世纪前人类数学发展史》

所有他们在高中课本中遇到的概念，公式、定理甚至解题技巧（比如平面几何、无穷级数、换元法）

实际上都是开普勒、牛顿、伯努利等人在解决实际问题中发明的

他们是真正的天才

普通人，观赏一下天才的文稿，都能获得几百倍的提升

更重要的是数学思想，和对数学的兴趣

为什么没有人做这样的事？

是因为古英语太难学了吗？是数学太难懂了吗？

如果出一本这样的“教材”，��手一本

一本卖137人民币

不仅我会发大财

中国必将成为，科学大国

有点想用我毕生的精力去出版了

有人想和我一起做吗？

澈言？

[凡人小北 @frxiaobei]

LangChain Interrupt 2025 开幕演讲终于放出来了，强烈建议所有做 AI 工程的开发者、产品、创业者都看一遍。

全是干货！！！

全程不讲估值，不吹爆炒作，不show 模型，
完整的一个 Agent 工程路线图：
Agent到底怎么构建、怎么部署、怎么协作、怎么跑进业务系统。

过去这段时间，
我们被红杉讲下注逻辑、被 Google ���平台野心，
搞得要么焦虑、要么兴奋，全在仰望星空。
那不如脚踏实地，看看技术人该怎么跟上 AI 时代。

下面的总结也结合了我在实际���目中的经验思考，欢迎围观：

[Richard Pan @Richard68529004]

@punk2898 @grok 总结视频内容

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

为什么中国政府要尽可能淘汰油车？其实有三个最简单的原因：

1. 中国有碳中和、碳达峰的国际承诺，这个承诺是可以实现的，并且是可以对外输出的，碳交易和排放生意，完全可以盘活中国的产业链，是可以面向全球输出产能的好生意；

2. 我近些年反复跟大家科普，Tesla跑通了一个商业模式，就是用电池 + 电机 + 交直流调速IGBT器件，以非常低的成本和技术门槛，彻底跑通汽车的商业模式，不仅革了美国传统油车产业，而且带领了中国车厂挑翻了全球汽车产业，

在这种低成本、低门槛的前提下，在中国的民间资本+国资+政策+补贴+税收减免的多重杠杆下，可以盘活一个万亿级别的大市场，

从比亚迪和电车三傻，到传统油车转型，到整个汽车行业上游供��链，到激进的self driving自动驾驶产业，这条商业革命之路是必���会爆发，且成功概率几乎100%的，

只要把中国和全球（除欧洲、美国、日韩）油车的市场吃下来，整个产业的规模达到万亿级别，同时带来千万人口的就业岗位；

3. 最最最重要的一点，就是油车在中国从来都是极其垃圾的负资产，中国政府严重依赖美元外汇储备，而消耗美元外汇储备最多、最没有必要、最可以替代的，就是对外采购的石油（包括俄罗斯、中东），

只要花着美元买石油，就是消耗外汇，对于国家外汇储备战略就是一个巨大的负资产，

而只要油车不被淘汰出市场，就永远有几亿人天天开车上下班，就要买汽油，就要进口石油，就要每年白花花地烧掉美元外汇储备，和俄罗斯、中东签订石油采购订单，就始终有外汇储备的危机、石油储备危机、能源危机等等多重危机，

现在电动车淘汰掉油车，这个最大的麻烦就可以解决掉，只要用新能源��光伏、风能、核能）和火电厂（煤炭为主），不仅可以彻底解决中国对外的石油依赖，更可以彻底省下购买石油的美元外汇，还解决了中国的能源安全。

我不是说要彻底禁止石油进口，但至少可以把民用车这一块最大的石油消耗逐渐砍掉，把剩余的石油聚焦在商用车、航天、军用、农用、化工合成等领域，可以充分保证中国的能源安全，同时最大限度节约中国的美元外汇。

在我的眼里看来，按照重要程度来看，3>2>1，可以说all in光伏、电池、新能源车这个产业，可以说是中国政府最近10年来最成功、最明智、最长远、受益最大的投资。

[AI Will @FinanceYF5]

这是历史上最没有门槛的时刻。

10年前，你需要投资人、联合创始人、办公室以及6个月的烧钱才能开始一个创业公司。

现在不需要了：

1. 想要创业点子 → 去Reddit、应用商店评论等地方挖掘
2. 想要客户 → 建立一个受众
3. 想要一款漂亮的软件产品 → 学��Bolt、Cursor、Replit、Lovable等
4. 想要收费 → Stripe链接，搞定
5. 想要分发而不露脸 → 与一个小众创作者合作。他们的信任就是你的发射台
6. 想要运营 → 把GPT-4o、Claude、Gumloop/Lindy/n8n代理串联起来
7. 想要办公室 → 厨房桌子 + 降噪耳机
8. 想要卓越的顾问 → 刷1000小时播客 + 你可以私信任何人
9. 想要动力 → 今天发布一个小东西，其他的自然会解决

没有守门人。没有简历。无需许可。
你需要的是一致性、品味和互联网接入。
创业学校24/7开放。
注册是免费的。
行动和付出努力才是创业中真正需要付出的成本。

现在没有借口了。

[Richard Pan @Richard68529004]

@roifex 冯新宇组的还是李樾谭添组的

[Geek @geekbb]

微信好友关系一键检测，基于微信 IPAD 协议，快速检测你的微信有没有单向好友，并自动将其添加到标签中(之后可在电脑端一键删除)
WechatRealFriends https://t.co/XJ6WcRKWug
不知道啥原理，慎用~

[Richard Pan @Richard68529004]

@dontbesilent 人向机器输入效率更高的脑机接口技术还不成熟

[GlowJames 追光🐬 @jameszz343698]

几个cursor/windsurf 维护开发大型项目的小技巧：
1，因为成熟项目一般都会封装分层，代码依赖比较多，在正式开发之前，要先让cursor/windsurf熟悉代码，如何熟悉呢，让他读代码，生成一份markdown文档，包括：项目整体架构概览，代码文件依赖关系，功能模块调用逻辑，关键代码文件定位索引等等。

[Morris @Morris_LT]

过度打扰孩子的四大特征：不停的说教，见不得孩子闲着，喜欢催促孩子，细节上过度指导孩子。

[geniusvczh @geniusvczh]

低代码本身没有错，错的是看走眼。甲方需求那么复杂，这个世界上唯二成功的低代码平台就是ERP和Excel，他们本身都要投入几十年的劳动，真的占领了整个地球，把人类所有可能的需求都做了进去，中间用户才有可能少写代码。所以2025年选择低代码平台有一个简单的方法，就是1995以后诞生的别选🤪