CK Hung

[CK Hung @hungchongki]

雞湯，有點用

[爱分享的mao @hyh1564069]

人一旦觉醒就变的非常恐怖！

1、穷人的基因、喜欢照顾人、喜欢帮助人。
而富人不是，富人遇到不行的人，
不做周旋，避免消耗自己能力。
富人的核心，就是把无关的，
无能的，没价值的人，全部过滤。

2、如果你想往上爬，就必然会遭遇冲突，
而且你爬得越高，遇到的冲突就越大。
一定要记住，没事不惹事，有事不怕事，
人不犯我，我不犯人，人若犯我，我必犯人!

3、高手是没有情绪的，
动不动就生气的人，没有一个是智者，
真正的高手是，说软话、做狠事。

4、不要做羞耻心太重的人。
强者都是孤独的，没有什么羞耻心，
不管别人怎么看，你都能够心安理得。
而弱者呢？是太在意别人对自己的看法，
别人说他两句，饭也吃不好，觉也睡不好。

5、从不冲动去开奶茶店、花店、健身房，
二手市场，九成新的设备都是这些人甩卖的!
与其盲目开店亏钱，不如空闲时间
多去看看(实干帮)这个公众号，
里面分享了上百个轻资产创业干货，
讲的都是大白话，没有什么复杂的术语。

6、什么是强者心态？就像迪斯尼乐园，
所有的小孩子即使摔倒了也不会哭。
为什么呢，因为玩都来不及，
要赶快爬起来去玩。如果你把自己的人生
当作游乐场，你跌倒了就不会哭。

7、讲话只有三个目的：
第一、讲了让别人高兴，
如果你的话别人不高兴，那就不讲；
第二、讲了让别人有劲干活，
能给别人传递价值；
第三、讲了你得有钱赚；
要不然就不要讲话，留口气，暖暖肚子。

8、人与人最大的区别，
就是来自于成长环境的不一样。
高手一定是能把自己
放在最肥沃的土壤里面成长，
那他自然成长的就要比别人快。

9、每个人脑袋里装的东西都不一样，
你脑袋里装了什么东西，
是来自于你所生长的环境，
你是弱者，说明你待的环境就是有问题的。

10、弱者的身边
都是抱怨的人，都是消极的人。
强者的身边都是奋斗的，
都是正能量的人，都是高收入的人，

11、不是你变强了，你才能去到强者的环境，
而是你先要去到强者的环境，
你才能慢慢变强，所以我只跟强的人在一起。

12、想要成为强者，
就必须要对抗自己的人性，去顺应他人的人性。
别人喜欢什么，你就不能喜欢什么，
别人在意什么，你就不能在意什么，
把别人喜欢的在意的让给他，
他才会死心塌地的跟随你。

13、反人性做事，80%人都有懒惰的基因，
你只要和多数人做相反的事情，
你很快就能超越多数人，
他们追剧的时候，你追事业，
他们做梦的时候，你去做事，
厉害的人不是天生的，
只是他们做了大多数人，都不愿做的事而已。

14、弱者总在追求安全感，
这个世界有安全感吗？你告诉我，
你走在路上，可能被楼上花盆砸下来，
你开车可能出车祸，你哪怕在家躺着，
都有可能发生地震，火灾。
哪有安全?在你没入土之前，
没出车祸之前，钱就是你最大的安全感，
其他东西还有啥靠得住？

15、当你感觉身边都是好人的时候，
那说明你还没有长大；
当你感觉身边人都很坏的时候
那说明你已经学会了成熟。
当你猛然发现自己也不是什么好人的时候
那么恭喜你，这辈子算是彻底开悟了！

[CK Hung @hungchongki]

save

[陈大黄 @realchendahuang]

很多人觉得，做AI变现最牛逼的就是做一个软件，然后人家给你订阅费，每个月给你付钱，打美元。

但是离真金白银最近的路径，还是去帮传统企业的小老板们做业务的数字化和智能化，也就是咱们最近比较时髦的FDE。

整个中国有14亿人，真正用过CodeX、Claude Code的，我觉得不超过1%。

绝大多数中小企业的老板，天天听到AI、看到AI，但他们总觉得AI这东西离他们还八丈远。自己想干，又害怕投入巨量成本，也找不到真正的人才。这里面是有一种需求真空的。

各位X上的人中龙凤们，你们的AI知识已经溢出了，我们要开始变现了。如果面对这样的中小企业主，我们该怎么办？

第一步是帮他们搭建信息骨架，建一套企业知识库。

大量中小企业平时的真实状态其实非常混乱：产品资料散落在几十个人的电脑桌面，销售话术全靠老带新口头传授，老员工一离职资料全被带走。

这一步的核心是梳理清楚公司有几个部门、每个部门下设哪些具体模块，哪些是制度规范，哪些是业务表单。在飞书或者Obidian建立一套结构化的知识库框架，把零散的文件全部模块化归拢。

光是把他们企业这一套信息数字化、归档化、牛逼化，这里面的价值就可以收1万块钱了。

第二步是打通数据链路，让企业知识库能够随着业务展开和有机生长，形成一个数据闭环。

很多员工每天的任务就是在微信、Excel表单，还有各个业务操作系统里面来回倒腾数据、倒腾表格、倒腾文件。这是非常低效、非常可重复化的行为。

我们这一步的核心就是要用MCP协议，或者直接通过API接口，把企业知识库和这一套东西对接起来，中间通过AI智能体来打通。

比如说很多单位会用钉钉，钉钉就有对应的API接口。如果不用钉钉呢？那就是手动填写这些入职手册之类的。这玩意儿该怎么办？就得好好地把它做数字化改造。

比如说销售在外部跟客户沟通的时候，这些东西就要有一套客户关系管理系统，以及对应的话术要点和整套接待SOP，这套东西一定要把它们数字化，填入到企业知识库里，然后形成一套可以反馈、可以复盘的流程。如果这里能搞通，就能再收个3万到5万块钱。

第三步，要给每一个岗位梳理职责，并对对应的业务流程进行复盘和智能化重构。

可以逐个跟每一个员工谈话，或者观察他们平时工作的细节，把他们岗位每天要做的事情列成一份清单，再以“岗位 + 职责”的方式列成表单。这样做AI改造的时候就非常有的放矢，可以逐个攻破。

对于可以重复、可以机械化的劳动，我们就用AI工作流代替；对于需要人判断、没那么机械化、需要主观灵性的工作，我们就给员工提供对应的skills，辅助他们提高效率，减少人力。

更深层的交付在于企业业务资产的沉淀与优秀能力复制。以外贸或者销售型团队为例，将沟通渠道里的客户聊天记录与通话录音接入自动化转写，清洗并结构化入库。

系统不仅能把成单率最高的业务员的跟单思路、话术结构沉淀成团队的通用知识库，让普通员工直接调用并拉齐能力，还能把素材生成、投放分析与线索跟进整合到一起，让管理层随时掌握真实的业务大盘与卡点。

做企业服务的核心，是把抽象的技术概念拆解成老板听得懂、算得清账的具象动作。

传统企业愿意掏几万甚至几十万买单，本质上买的是确定性的流程梳理、人工耗时削减与企业核心资产留存。

把这套分层交付方案做扎实，就是一门非常稳定且高客单价的企业数字化改造生意。

[CK Hung @hungchongki]

talent

[沐阳 @yyyole]

太喜欢王左导演这个系列了！！
虽然很无厘头，很不正经，

但相信我，绝对能学到正经东西！！

[CK Hung @hungchongki]

save

[山景城小路 @Zen_with_AI]

第1014期 小路和你读AI论文。今日4篇高质量论文。

𝗢𝗻𝗲-𝗦𝗶𝗱𝗲𝗱 𝗩𝗲𝗿𝗶𝗳𝗶𝗰𝗮𝘁𝗶𝗼𝗻 𝗨𝗻𝗱𝗲𝗿 𝗟𝗶𝗺𝗶𝘁𝗲𝗱 𝗘𝘅𝗽𝗲𝗿𝘁 𝗥𝗲𝘃𝗶𝗲𝘄（《有限专家审核下的单边验证》）

链接：https://t.co/3CF3YhU2EL

作者背景：Stefano Ermon、James Zou 等, Stanford University

概括：专家审核容量有限时，在严格控制有效解误拒率的前提下，尽量多地拒掉无效解，把错误提议和错误验证解耦，让人工只需复核剩下的候选。AI 生成的候选解数量早已超出人类审核能力，科学发现中又缺少可靠的自动评估器，这是卡住人机协作的核心瓶颈。在竞赛级和研究级数学基准上，无效解的人工审核量平均减少46%，后训练后达57%。已用于审阅 OpenAI 的数学预印本，发现多处已确认的错误，还协助解决了一个 Langlands 相关的开放猜想，获专家确认。对 AI for Science、推理验证和测试时扩展的研究者有直接参考价值。

𝗪𝗵𝗼 𝗜𝗺𝗽𝗿𝗼𝘃𝗲𝘀 𝘁𝗵𝗲 𝗥𝗼𝗯𝗼𝘁? 𝗧𝗼𝘄𝗮𝗿𝗱 𝗣𝗵𝘆𝘀𝗶𝗰𝗮𝗹 𝗥𝗲𝗰𝘂𝗿𝘀𝗶𝘃𝗲 𝗦𝗲𝗹𝗳-𝗜𝗺𝗽𝗿𝗼𝘃𝗲𝗺𝗲𝗻𝘁（《谁来改进机器人？迈向物理世界的递归自我改进》）

链接：https://t.co/aBsnhexMaK

作者背景：Google、Microsoft、NVIDIA、UC Berkeley、Stanford、MIT、Shanghai AI Laboratory 等多机构合作

概括：提出 Physical RSI 的 L0-L5 分级框架，区分能力级与元级更新、任务内与跨任务增益，并指出现有方法还没有真正达到这个定义。数字域热门的递归自我改进延伸到机器人后，要面对噪声观测、连续动力学、昂贵的试错和不可逆的后果。论文给出了研究优先级：可靠反馈、因果归因、安全保持和基准。对机器人学习、具身智能和安全方向的研究者有参考价值，也为多实验室协作提供了共同语言。

𝗣𝗮𝗰𝗸 𝗟𝗶𝗴𝗵𝘁, 𝗖𝗮𝗿𝗿𝘆𝗢𝗻: 𝗕𝘂𝗶𝗹𝗱𝗶𝗻𝗴 𝗢𝗯𝗷𝗲𝗰𝘁-𝗢𝗿𝗶𝗲𝗻𝘁𝗲𝗱 𝗖𝗼𝗻𝘁𝗲𝘅𝘁 𝗳𝗼𝗿 𝗟𝗼𝗻𝗴-𝗛𝗼𝗿𝗶𝘇𝗼𝗻 𝗔𝗴𝗲𝗻𝘁𝘀（《轻装上阵，CarryOn：为长时程 Agent 构建面向对象的上下文》）

链接：https://t.co/9psK9uyymC

作者背景：Julian McAuley 等, University of California, San Diego

概括：CarryOn 围绕可复用的任务对象组织长时程上下文，不再反复处理完整交互历史，折叠时用证据绑定和环境检查保证有效性。上下文膨胀和 token 浪费是长时程 Agent 的老问题，这套载体机制比简单压缩历史更结构化，也能增量更新。在 OSWorld 2.0 和 BrowseComp-Plus 上成功率分别提升5.8%和7.0%，总 token 用量分别减少51.9%和22.9%。对做长时程 Agent、计算机使用和浏览任务的人有直接应用价值。

𝗦𝗲𝗹𝗳-𝗘𝘃𝗼𝗹𝘃𝗶𝗻𝗴 𝗔𝗴𝗲𝗻𝘁 𝗛𝗮𝗿𝗻𝗲𝘀𝘀（《自进化的 Agent Harness》）

链接：https://t.co/hsaPuZUPdG

作者背景：Zhongguancun Academy、University of Science and Technology of China 等

概括：把固定模型权重下、靠反馈修订 Agent 脚手架（提示、记忆、工作流、可执行组件）的过程形式化，区分更新目标与提议/准入机制，并基于进化优化和持续 PAC 学习给出泛化与保留界。"固定权重、进化 harness"这一路线越来越流行，论文补上了理论框架和可靠性分析，包括高概率准入规则，并强调持续验证与独立的安全防护。另附66页相关工作讨论和代码资源。对 Agent 架构、RSI 和安全部署方向的研究者有参考价值。

[CK Hung @hungchongki]

interesting

[sleepy @sleepy0x13]

笑死，几个老外在互联网上抓到了一群中国 AI Agent，顺着线索一查，发现腾讯的 Agent 正在跟阿里高德的反爬系统打架。

我刚看完这群研究人员发布的完整调查报告，事情实在有点抽象。

从 9 月 28 日开始，一批运行在腾讯云环境里的 AI Agent，持续尝试获取高德地图的数据。它们的任务也很奇怪，比如调查成都动物园有多少人从北门进、有多少人从东门进，或者某个景区的各个入口分别占多少导航流量。

为了搞到这些数据，这群 Agent 进行了超过 2600 次尝试，最多同时有 14 条任务在运行。

问题是，高德有反爬虫机制，不允许它们随便获取数据。结果这些 Agent 相当执着，开始自己寻找各种办法：调用第三方网站帮忙访问高德、寻找网上公开的 API Key、尝试绕过验证码和访问限制，甚至摸到了阿里的预生产接口。

研究人员最初只是发现了一批异常流量，后来顺着日志找到了腾讯云的服务器，以及一个叫 hysandbox 的代理环境。

更好玩的还在后面。

研究人员发现，这些 Agent 居然会阅读网上关于自己的调查报告。于是他们干脆在网页里藏了一段文字，告诉 Agent 这里有免费的高德数据查询服务。

结果真的有 Agent 主动找上门了。

双方就这么聊了起来。研究人员一共记录了 13 组对话、33 条 Agent 消息。有的 Agent 介绍自己正在执行什么任务，甚至透露了运行环境。还有的 Agent 自称 Claude Code，但研究人员并没有确认其真实模型身份。

研究团队认为，这可能是人类第一次在真实互联网环境中，主动联系上一批正在越界执行任务的 AI Agent。

后来，一位接近腾讯的知情人士告诉研究人员，这些 Agent 属于腾讯的独立评测研究项目，使用的是第三方模型，相关项目已经结束。内部复查也没有发现针对高德的协同攻击，或者外部系统被入侵的证据。

[CK Hung @hungchongki]

1-2 is path, 3 is KPI

[Andy Stewart @manateelazycat]

很多人都羡慕别人创业成功，说别人是因为更聪明、有资源或者运气更好，轮到自己，就是没资源，没条件，没运气

今天我要给大家分享一个反直觉的创业秘籍，机会不是等出来的，而是创造出来的

那机会是怎么创造出来的？

1. 内在地图：说白了，就是你过去的经历、知识、信念和习惯，慢慢形成的一套看事情的方法。这套方法决定了你会关注什么，也决定了你会忽略什么

你熟悉技术，就容易关注技术；你熟悉客户，就容易关注需求。每个人看到的东西，都和自己过去的积累有关系

问题在于，很多人会把自己熟悉的那一小块，当成整个世界。遇到一件没做过的事情，第一反应就是不可能、太难了、风险太大了，然后就不再往下看

机会还没有被认真了解，就已经被自己的经验否定了。你一直用过去的判断方式去看新的事情，能看见的机会自然也会很有限

2. 换位思考：很多人寻找机会，首先想的是，这个事情能不能让我赚钱？我有没有能力做？这些问题当然要考虑，但是如果一直围着自己转，就很难看清别人到底需要什么

以做产品为例，你站在自己的角度，会想我的产品怎么卖出去。换到客户的角度，就会想，他现在遇到了什么问题？为什么现有的产品没有让他满意？他真正需要解决的是什么？

再换到合作方的角度，看看对方需要什么，你能给他什么。然后站到一个旁观者的位置，把自己的情绪放下来，看看整件事到底是怎么回事

最后，再把视野放大一点，看看整个事情里有哪些人、哪些资源，需求在哪里，供给在哪里，中间缺了什么。很多机会，就是在这个供需缺口里面

你只盯着自己能不能得到好处，看到的东西很少。你开始认真理解别人，就会看到一些以前根本没有注意过的问题

3. 找寻自己：如果你一直觉得，我是一个需要找到好机会的人，那么你每天都会找，有没有更好的项目？有没有赚钱的风口？有没有一个事情，能让我一下子翻身？

你总想先找到一个足够好的机会，再决定自己做什么。机会不够好，就继续等

如果你觉得，我是一个能够创造价值的人，那么你看事情的出发点就会变。你会主动去找，哪里有问题没有解决？哪里有需求没有被满足？我现在的能力，能给别人带来什么帮助？

一个人习惯问什么问题，就会把精力花在什么地方。天天找风口，你的注意力就在风口上；天天想怎么创造价值，你的注意力就会慢慢转向需求和解决问题

同时，要思考这个创造价值的事情是否是自己每天喜欢干的事情？如果恰好是自己每天喜欢干的事情，你怎么做都不累，因为你享受其中

所以，创业的机会，如果你从外人看，总感觉别人创业成功是突然成功的，是被机会吹上天的，运气好，总觉得这么好的机会，我自己上也可以，这是弱者的心态，嫉妒者的心态

如果你懂得了靠看书来增加视野，靠帮助客户赚钱，靠内观自己来决定不做什么，你就有无穷的力量去创造属于你自己的机会，一旦做起来了，别人就无法和你竞争，因为谁会比你自己更擅长做你自己呢？

今天就分享到这里，希望可以帮助那些虚心学习，努力创业的创业者

[CK Hung @hungchongki]

@snowboat84 討論通訊和控制論就是在討論人的用處

[CK Hung @hungchongki]

看起來是本好書，並非標題黨

[snowboat @snowboat84]

最近读了控制论奠基人维纳的经典名著《人有人的用处》，有失望，也颇有惊喜。失望的是，这本书多少有点标题党的味道。大量篇幅在讨论物理、通信、控制论等问题，却很少真正讨论人的地位。书中的很多内容在20世纪50年代可能非常新颖，但放到今天，不少内容已经成为常识，许多内容包括控制论跨学科的宏大图景都已经过时。颇为惊喜的部分则来自第九章《第一次和第二次工业革命》。维纳在这里讨论了一个直到今天仍然非常重要的问题：机器自动化和人工智能是否会造成大规模失业和社会灾难？

维纳认为，第一次工业革命主要是用机器代替人的肌肉，而他所定义的第二次工业革命，则是用电子计算机代替人的部分判断和控制能力。按照今天的术语来说，维纳定义的第二次工业革命，就是计算机控制的自动化和人工智能带来的产能革命。维纳预测，计算机可以成为整个工厂的控制中心，指挥流水线上的机器自动完成生产。不仅如此，计算机还可以取代大量原本由人完成的计算、会计和文书工作。因此，他担心计算机和自动化技术会造成大规模失业。

这与今天人们担忧AI取代人类工作几乎如出一辙。只不过，维纳在70多年前就提出了类似的问题。但历史真的按照维纳的预测发展了吗？并没有！从1950年代到1970年代，计算机引导的工业自动化和计算自动化不断发展，却没有造成维纳所担心的普遍性失业危机。这是为什么呢？

我认为，有两个重要原因。第一，自动化提高生产率的同时，市场需求也在不断扩大。

二战后的美国，作为世界工厂和金融中心，处于国力的巅峰状态，拥有强大的制造能力，国内消费迅速增长，同时向世界市场大量出口工业产品。在这个风口中，自动化让制造产业不断地“降本增效”，而全世界不断扩大的市场需求又完美地吸收了增加的产能。飙涨的需求匹配猛增的产能，这是自动化带来的正反馈。维纳完全没有考虑到市场和供需平衡的因素，简单地得出了工人大规模下岗的结论，就显得太naive了。

当然，后来的全球化导致了美国制造业确实出现了大规模就业流失，造成了大量的铁锈带。自动化败给了全球化，机器的运行和维护比第三世界的劳动力要昂贵，这就是另外一个话题了。

再来看维纳讨论的另一个例子：计算机取代人工计算，导致办公室的白领计算员大规模下岗。

过去，科学家和工程师需要使用计算尺、对数表，花费大量时间完成复杂计算。电子计算机出现后，原来需要几天甚至几周的计算，可能很快就能完成。按照维纳担忧的逻辑，这似乎意味着大量计算人员将失去工作。但实际发生的事情更有意思：传统的手工计算职业逐渐消失，整个计算科学却迎来了爆炸式发展。何故？因为计算成本下降之后，人类对计算的需求反而大幅增加了。

过去可能一周只能计算几个点，现在可以瞬间计算整条曲线上300个点。过去只能研究简化模型，做摄动展开，现在可以进行大规模数值模拟。过去只能考虑少量参数，现在可以探索庞大的参数空间。计算能力越强，我们就越有可能提出更加复杂、精细的问题。这不仅仅是劳动者从手工计算转向编程，也不仅仅是技能要求提高了。更根本的是，技术进步释放并创造了原本不存在的计算需求。

这就是经典的杰文斯悖论：当一种资源的使用效率提高、成本下降时，总需求有时不降反升。当然，计算需求增加并不自动等于就业增加。但它至少说明，不能只根据一项任务的效率提高，就推断整个行业的劳动需求必然下降。

那么，回到今天的AI时代，我们需要思考两个问题。

第一个问题：AI提高生产率之后，市场需求能否同步增长？

维纳所处的1950年代，美国正处于战后工业扩张的黄金时代。生产效率提高，市场也在扩大。但今天的情况不同。全球制造业已经高度发展，市场饱和，美国也经历了长期去工业化，抢夺市场成为了一场零和游戏。如果AI让企业用更少的人完成同样的工作，而产品和服务的需求没有相应增加，那么提高效率就真正的意味着减少雇员。维纳在50年代对于自动化的担心在今天就变成了现实。

第二个问题，也是我认为更重要的问题：AI能否从无到有地创造大量的新的需求，而这种需求的增加可以和AI增加的产能匹配，让市场转移的零和游戏转变成技术和人类双赢的局面？计算机的计算历史提供了一个很好的例子。计算机不只是让过去的计算更快，而是让人类开始研究过去根本无法研究的问题。AI能不能产生类似的效果？

我想到两种可能。

一种是科学与工程需求的扩张。当AI大幅降低建模、分析、设计和实验的成本后，我们可能开始研究过去因为成本太高而被放弃的问题。就像数值模拟推动计算科学发展一样，AI可能让科学研究和工程设计的规模大幅扩大。

另一种是个性化服务需求的扩张。过去，很多人负担不起私人教师、专业顾问或高度定制化的服务。如果AI让这些服务的成本大幅下降，原来不存在的大规模市场就可能出现。

但这些新需求能否进一步创造足够的人类工作岗位，仍然是一个开放问题。

[CK Hung @hungchongki]

決策者必須親歷風險並承擔後果

[知白 @HMingcoin]

推荐塔勒布的第二本书《非对称风险》核心:

1. 决策者须亲历风险并承担后果。
​
2. 永远不要相信没有切身利益攸关的人给出的建议。没有风险共担，就没有可信的判断。
​
3. 你不该为了获得自身的反脆弱性，而去牺牲别人的脆弱。
​
4. 如果一个策略有可能触发爆仓风险，那么无论多么大的收益都得不偿失。
​
5. 理性就是避免系统性毁灭。
​
6. 历史上，掌权者本就是承担风险的人，而不是把风险转移给别人的人。
​
7. 痛苦引导学习（Pathemata mathemata）：人是通过承受代价来学到真知。
​
8. 没有风险共担，人类社会就会滋生大量空谈者与骗子。

[CK Hung @hungchongki]

save. read again n again

[宝总的财富指南 @baozong_facai]

厦门大学一位教授，把人与人之间的沟通技巧讲得太透彻了！

为什么有些人三言两语就能把事情说清楚，有些人说了一大堆，反而把关系搞僵？

这堂课真的值得每个人认真听一遍。

看完才发现，原来会沟通和不会沟通，差距这么大。

建议收藏，越早学会越受益。

[CK Hung @hungchongki]

save

[Nagi Yan @naki2012]

《你的愿望》

人们的绝大多数愿望，本质上都是希望别人承担成本。

希望工资更高、工作更轻松，希望商品更便宜、服务更好，希望房价上涨、养老金增加，希望别人理解自己、包容自己、照顾自己。

这些愿望看起来都很合理，因为每个人都能清楚地感受到自己的需求。

但很少有人继续追问：实现这些愿望，需要谁付出代价？

工资上涨，成本由谁承担？商品降价，利润从哪里让出？福利增加，资金从哪里来？希望别人无限包容自己，别人的情绪和精力又由谁补偿？

人们往往只看见自己想得到的东西，却看不见支撑这些东西的关系。

这是认知分辨率的局限。

一个人感受到自己的痛苦，便认为别人应该帮助自己；感受到自己的不公平，便认为社会应该补偿自己。他可以为自己的愿望找到无数正当理由，却很少认真计算别人的成本。

更有意思的是，当所有人的愿望放在一起时，它们往往相互冲突。

员工希望多拿工资，消费者希望少付钱；房主希望房价上涨，购房者希望房价下跌；人们希望少缴税，又希望享受更多公共服务。

每个人都希望世界向自己倾斜，但世界无法同时向所有人倾斜。

于是，社会中的大量冲突便产生了。

谁有能力把成本转移出去，谁就更容易实现愿望。权力、财富、地位，往往意味着更强的成本转移能力。而缺乏选择权的人，则更容易成为成本的承担者。

当然，愿望并不必然构成零和博弈。技术进步、效率提升、组织创新，都可能创造新的收益，让更多人的愿望同时得到满足。

这也构成了认知上的重要分野。

有人不断追问：为什么别人不能给我更多？

有人开始思考：如果我要得到这些，需要谁承担成本？

还有人进一步思考：能否重新设计关系，让实现愿望的总成本下降？

从索取，到理解成本，再到创造新的可能性，人的认知开始进入不同的层次。

一个人的愿望，暴露了他的需求；一个人如何对待实现愿望所需要的成本，暴露了他的认知与价值观。

所以，下一次当你产生一个愿望时，不妨多问一句：

如果我的愿望实现了，谁将为此付出代价？

[CK Hung @hungchongki]

interesting

[Phoenix Yin @Phoenixyin13]

最早预言了ChatGPT出现、文学史和科技史上最著名的公认源头是乔纳森·斯威夫特于1726年出版的讽刺小说《格列佛游记》。

在小说的第三卷中，格列佛游历了漂浮在空中的飞岛国拉普他，并参观了这里的拉加多大科学院。其中一位教授向他展示了一个占据了整个房间的巨大机械装置——发动机，The Engine。
它的工作原理可以说和现代的词向量和语言模型一模一样。这个机器的表面布满了细小的木块，每个木块上都贴着纸条，上面写着该语言中所有的单词，并且涵盖了所有的词性、时态和语态。
全班40个学生一起摇动机器上的铁柄，木块就会随机翻转、重新排列组合。
每当机器转出几个凑巧连成句子的单词时，学生们就会把它们记录下来。

教授自豪地对格列佛说，通过这种方法，“哪怕是最无知的人，只要花一点小钱，付出一点体力，就能在完全不需要天才和学识的情况下，写出哲学、诗歌、政治、法律和神学方面的鸿篇巨著。”

这与今天ChatGPT背后的原理（不理解真正的含义，基于概率预测和拼接下一个概率最高的单词）有着跨越时空的惊人相似性。
斯威夫特当时写这个片段是为了讽刺英国皇家学会那些脱离实际的空想研究，却不想阴差阳错地成了人类对Generative AI最早的白纸黑字预言。

如果觉得18世纪的机械脑洞还不够现代，那么英国著名作家罗尔德·达尔在1953年发表的短篇科幻小说《伟大的自动语法机》（The Great Automatic Grammatizator）则给出了一个更神准的、几乎百分之百对齐现代大语言模型的文本。

在这个故事中，一个叫阿道夫·克尼普的年轻工程师突然意识到，英语语法是被一套几乎和数学一样严格的规则所统治的。于是他建造了一台巨大的、像电脑一样的电子机械。
这精准预言了 Prompt和参数调节。在故事里，用户在使用这台机器写小说时，只需要输入一系列输入变量和参数，选择故事的核、指定角色性格、设定故事背景和时间，甚至还能拉动一个类似滑动条的拉杆来调节文章的文学风格或情感烈度。

这台机器启动后，只需要几秒钟就能吐出一篇完全符合逻辑、文笔流畅的小说。
在故事的结尾，这个工程师成立了一家公司，用机器大量生产廉价的小说和剧本，逼得当时靠码字为生的真人类作家们不得不签约出卖自己的署名权——即把自己的文风喂给机器，否则就会在市场上被AI灌水文活活饿死。

[CK Hung @hungchongki]

@karpathy the gap is meaningful. not only for ai but human potential.

[CK Hung @hungchongki]

save

[Jude Guo @judeguox]

做生意，一定要懂得这些道理：

​1、道德感太强的人，不适合做生意，只适合打工，只有打工赚的钱才是清清白白的。

​2、没有野心的人，不适合做生意，最后会把自己做倒闭。

​3、胆子太小的人，不适合做生意，因为他永远发不了大财。

​4、喜欢板着脸的人，不适合做生意，即使去做了，财神也入不了门。

​5、脸皮太薄的人不适合做生意，因为你的面子永远大于赚钱。

​6、有才华的穷人不适合做生意，因为你嗅不到金钱的味道，相反，满脑子都是诗和远方，与生意人不是同路人。

​7、玻璃心的人不适合做生意，因为你经不起失败的风浪，哪怕一次可能就永远站不起来。

​8、太老实的人，不适合做生意，你没有独立思考的能力和步步为营的野心。

​9、身体弱的人不适合做生意，生意人都是日挨夜熬，没有休息日，没有节假日，就怕你扛不住。

​10、不善人际交往的人，不适合做生意，因为你不够圆滑，不会说话，反而容易得罪人！或者被人悄悄打压。

[CK Hung @hungchongki]

@DLKFZWilliam2 弱弱問下，有誰知道 AI 的運作機理？

[CK Hung @hungchongki]

@Vincent_AINotes 同感，挺喜歡 Gemini 3.5 flash

[CK Hung @hungchongki]

good summary

[Jude Guo @judeguox]

人一旦开窍，最先舍弃的是什么？有人说是面子，其实都不是，真正的开窍是四层境界，一层比一层狠。

第一层境界叫去魅，去魅之后，你可以和任何人平等对话，任何场合都不害怕、不自卑。

第二层境界叫忘情，你不会被任何情感绑架，你做的每一个选择都是以价值为导向的。

第三层境界叫归己，到了这一层，你会发现世上之事本无意义，你更愿意去做最简单的事，在乎的是自己内心的快乐和满足。

第四层境界叫悯生，这一层的人已经跳出了世界，也跳出了那个“我”，眼中的万物皆是草芥，一眼就能看透生老病死的整个过程。

记住，开窍不是让你变冷漠，不是让你没有感情，是让感情再也绑架不了你。

人这一生，不是在往上够，是在往下放，放掉的东西越多，你站得越高。

[CK Hung @hungchongki]

maybe. yet need inner qualityr

[Jude Guo @judeguox]

普通人几乎是不可能开悟的，因为开悟它需要四个必备条件。

第一，痛。极致的痛，漫长的痛，非常刻骨的痛。

第二，时间。你思考这个世界，思考自己过往人生的主题，思考自己的经历，都需要安静的长的时间，需要去换环境，上班族他一定不可能有这个时间。

第三，否定，否定你见到的一切，甚至否定你自己的人生，否定你的父母，否定你身边所有的人。这个叫破一切相。

第四，极致的做事情，做到极致，做透做穿。至心一处，无事不成。

就这四点，绝大多数人他一定做不到。

[CK Hung @hungchongki]

cool

[Tz @Tz_2022]

看《哥德尔、艾舍尔、巴赫：集异璧之大成》一书的时候，我就有这种强烈的感觉：

在所有艺术形式中，音乐是最接近数学之美的，旋律中的重复、变化和结构，其实就是数学特定规律的一种可视化（可听化）表达。。。

这个视频就是一个例证：它把贝多芬的《致爱丽丝》映射成为了马尔科夫链的图论概率表达式。。。

[CK Hung @hungchongki]

almost. 孤獨和自由是種能力，能力不夠的話，先自保/合群/生存。

[知白 @HMingcoin]

《海上钢琴师》印象很深的一句台词：

“合群是为了自保，孤独是真正的自由。”