Lynx

[宝玉 @dotey]

我记得半年前我说自己不怎么 Review PR 了，评论区很多人不认同，觉得这样不靠谱。现在再看，不 Review PR 的人越来越多。比如我刚看的这期播客，在 SpaceXAI 做 Grok Bot 的 Lauren Tan，一个月合并 2500 个 PR，也是不逐个 Review 的：晚上让 AI 自己检查、自己合并，第二天早上她再抽查。

不 Review 不等于不管质量，她靠另外两个办法来保证：
一是让 AI 能像真人用户一样把程序用一遍，自己发现问题；
二是给代码定下很多规矩，让 AI 很难写出烂代码。

她把自己这套做法写成了一组 Skill，公开了出来，叫 pstack。

顺便说一下，这期播客的主持人 Matt Pocock 原本是知名的编程课讲师，他公开的技能库在代码托管网站 GitHub 上有二十多万个星标，是最受欢迎的技能库之一，所以这期算是两位同行对谈。Lauren 之前在 Meta 做网页开发框架 React，今年 3 月加入 AI 编程工具公司 Cursor；Cursor 今年 8 月被 SpaceX 收购，并入旗下的 AI 部门 SpaceXAI。

根据播客的内容，我把 Lauren 的这套做法简单总结一下，我自己的点评在结尾处。

一、先让 AI 能检查自己干的活

Lauren 说，就算不用她的 pstack，每个人最该有的一项技能也是“验证”：给 AI “手和眼睛”，让它能把自己写的程序跑起来，像普通用户一样点一遍，看看结果对不对。

这是她吃过亏之后得出的结论。今年 4 月她在 Cursor 解决一个窗口卡顿的问题，一开始全靠手工：她自己去看各种性能数据，再把看到的转述给 AI，AI 改完她再去看。她形容自己成了 AI 和检测工具之间的“人肉中转站”。她在 Cursor 写的第一个技能就是验证。在这之前，AI 看不到自己改动的效果，只能等她来回传话；有了验证，AI 可以自己改、自己看结果、不满意再改，一轮一轮往下做，不需要她守着。现在她所在的团队里每个产品都配有这样的验证技能，全团队都在用。

做这个技能时她还总结出一条原则：工作里有的部分需要动脑判断，有的部分只是照章办事，照章办事的部分应该写成固定的程序，只把需要判断的留给 AI。起因是她发现，每个 AI 在检查前都要自己从头写一遍检查用的小程序，各写各的，有的能用有的不能用，用完就扔，又慢又浪费。她把这部分做成一个现成的工具，所有 AI 直接调用。

二、AI 反复犯的错，去改规矩，不去改 AI

Lauren 不喜欢“软件工厂”这个流行说法，她更愿意把自己的工作比作经营一家米其林餐厅的后厨。主厨不用亲手做每道菜，但要安排好整个厨房：食材什么时候进、怎么存，每个人用什么工具，菜按什么流程出。工程师现在也一样，不再亲手写代码，却仍然要对结果负责。她认为工程师现在最重要的工作就是把这个“厨房”布置好。没花时间布置的人，信不过 AI 的产出，只能盯着它一步步干，忙到没空改进工具，就像一直拿钝刀切菜。

她举了自己的例子。Grok Bot 最早几版的代码挤在八个巨大的文件里，每个至少一万行，AI 加新功能时就接着往里塞，越塞越乱。她后来定了规矩：每个功能必须放在自己单独的文件夹里，做一件事只允许一种写法，不合规矩的代码会被自动检查拦下来。这样 AI 加功能时不用多想，按规矩放就行。她的习惯是一直观察 AI 在哪里出错，每看到一次就问自己：能不能加一条规矩，让这种错以后根本写不出来。

不逐个检查，靠的也是这套办法。她说，开了几家餐厅的老板不可能尝每一道菜，只能抽查。她每天挑一些改动仔细看，如果只是偶然出错就算了；如果好几个 AI 都在走同一条捷径，说明该改的是规矩和工具。她的 pstack 里有一个全自动模式：每次改动都会派出一批专门负责检查的 AI，把程序打开到处点，找出问题就自己修，反复到没问题再合并。早上她翻一遍改动记录，发现不对就撤回，再补一条新规矩。

她说第一次让 AI 整夜自己合并代码时很害怕，担心半夜把线上产品弄坏，现在反而睡得更好。她也提醒，走到这一步很难，要花大量时间观察和调整，装上 pstack 并不能直接做到。Matt 问，如果改动是没法撤回的，比如会丢数据，或者是医疗、金融这类领域怎么办？她说这取决于工作成果能不能被程序自动检查，软件大部分可以，很难自动检查的领域就很难这样做，她自己也没有答案。

三、2500 次改动从哪来：她不再当传话的人

这 2500 次改动并不是她发起了 2500 次对话。用户反馈的问题散落在聊天工具、邮件和社交媒体上，以前要靠她自己去看，再转述给 AI。现在她让 Grok Bot 来盯这些渠道。Grok Bot 是 SpaceXAI 今年 8 月推出的产品，是能登录邮箱、聊天工具等各种应用、替人办事的 AI 智能体。它一发现新的问题反馈，就转给一个负责“协调”的 AI。这个协调者自己不写代码，只负责拆分任务、分派给其他 AI、盯进度，相当于她的后厨主管。

为什么不直接一个问题派一个 AI 去修？她说，一批反馈往往出自同一个根源，分开修会重复劳动，也看不出真正的毛病在哪，放在一起看才看得出来。她现在同时开着十多个这样的协调者，各管一摊。她一直在问自己一个问题：哪一步还卡在我身上，AI 为什么非得来问我？然后想办法教 AI 自己去拿到真实的信息。

她也说明，2500 次改动里新功能不占多数，很多是整理代码这类维护工作。

四、懂行的人更吃香，哪怕不会写代码

Matt 问，大家都靠 AI 了，专业知识是不是不值钱了？Lauren 的看法相反。模型越来越强，卡住人的已经变成你能不能把自己想要什么讲清楚。所以她认为，医生、律师这类在某个领域懂得很深的人，只要稍微懂一点技术、会用 AI 智能体，就能做出很好的产品。

两人都认为，技能没有什么神秘的，就是把自己的做事流程写成文字。Lauren 建议回头翻自己和 AI 的聊天记录，找出那些自己反复纠正、反复插手的地方，把它们写成技能或规矩。别人的技能可以拿来拼着用，但每个人最后都该有一套自己的，就像厨师换了餐厅也会带着自己的刀。

五、最后

很多人看完这期访谈会觉得，以后自己也可以像 Lauren 那样不 Review PR 了，装上她的 Skill，让模型帮忙验证一下就行。我自己现在的做法和她差不多，每天也有大量 PR，也不 Review。但我的建议是先别急着学她怎么做，先弄明白她凭什么能这么做。

1. 你能不能用上最好的模型，Token 够不够

在用上 Fable 和 Opus 5.5 之前，AI 写的代码我是不太放心的；用上之后，我才真的敢让 AI 去写而不怎么 Review。模型能力很重要，能力没到，就先别想这件事。

还有成本。像我这样没有大公司可以依靠的，得自己掏钱买 2 个 Claude Max 20x 账号，还得省着用。Lauren 在大公司，不用考虑 Token 消耗，全程用最好的模型、开最快的模式都没问题。

不过也别着急。Fable 这个级别的模型，也许半年以后就能像现在的 DeepSeek V4.1 Flash 一样便宜，人人用得起。梁圣加油。

2. 不能完全依赖 AI 的验证

哪怕现在 GPT-6 操作电脑的水平已经超过真人了，让它去做验证，也只能替代一部分，不能真的全交给它，自己还是要看。

可以做的是把那些手动重复做的事情，一点点沉淀成 Skill 和自动化脚本，把体力活解放出去。

3. 方向得靠你自己的专业来指

再聪明的 AI，也没办法替你决定该往哪个方向走。就像给车子装上火箭发动机，也得你来告诉它往哪开，走偏了要及时调整，不然跑得再快也是南辕北辙。

做软件也一样。你不能指望一句提示词做出一个淘宝。你得先做一个能发商品、能浏览的小网站，再加上用户注册，还得区分买家和卖家，然后是支付和安全，功能做完了还要扛得住很多人同时用。稍微复杂一点的软件，都没法完全依赖 AI，要人去拆解、规划，分成一个个小版本、小里程碑，做完要验证，出现偏差要重新指方向。甚至做着做着，你自己的想法都变了，AI 不可能知道你真正想要的是什么。

所以就像播客里说的：模型越来越强，卡住人的已经变成你能不能把自己想要什么讲清楚。

4. 不一定要用他们的 Skill，但要学着把事情交给 Agent 去做

Matt 和 Lauren 的 Skill 都很受欢迎，但你不一定要用。

一方面，软件工程的基础知识，现在的模型已经学得很好了。Lauren 在播客里也说，去年的 Skill 还得写清楚具体该敲哪条命令，现在这些都可以删掉，只留流程步骤，Skill 会越写越短。

另一方面，他们的开发流程和环境，跟你的很可能不一样。Lauren 的 Skill 都是从她自己的工作里总结出来的：验证技能来自她当“人肉中转站”的那段日子；另一个叫 recall 的技能，来自她每次开新对话，都得把上一个对话里的背景再讲一遍。

所以更重要的是从你自己每天的开发流程出发。那些还要你手动操作的环节，尽可能交给 Agent 去做；Agent 做顺了，再把它的操作过程沉淀成 Skill，反复迭代优化。

如果不知道从哪里下手的话，可以参考 Lauren 的办法：翻自己和 AI 的聊天记录，找那些你反复纠正、反复插手的地方。这样迭代出来的 Skill 才真正适合你，用她的话说，每个厨师都该有一套自己的刀。

[AYi @AYi_AInotes]

但身价百亿、前 Scale AI 创始人兼现任 Meta 首席 AI 官的 Alexandr真的是个天才，曝光了千亿软件帝国 Palantir 最隐秘的增长武器。

他在视频里极其冷峻地撕开了商业世界最残酷的一层窗户纸：
在真实的企业级市场里，更好的产品依然会输得一败涂地，因为客户脑子里的认知，往往比冰冷的客观现实还要真实。

他爆出了一个千亿巨头 Palantir 隐藏多年的核心秘密。
Palantir 之所以能把全美最挑剔的军方、政府和巨头企业吃得死死的，
是因为他们从骨子里就没把自己当成一家纯粹的软件公司，
而是把自己定义成了一家剧团加软件公司的混合体。

甚至在很长一段时间里，Palantir 会给每一个刚入职的新员工直接发一本专业的演员表演指南。

他们教工程师和销售的不是去死背技术参数，
而是如何像舞台上的顶级演员一样去塑造气场、传递坚不可摧的信念，以及如何在走进会议室的第一秒就彻底接管客户的大脑。

这段话之所以让我印象深刻，是因为它彻底刺穿了技术人最容易陷入的自嗨陷阱。

大企业和政企客户的决策者，绝大多数根本不会亲自钻进你的服务器里去查单元测试和代码架构。

他们面对的是巨大的采购风险和自身的前途绑定，
他们买的从来不只是软件那几行代码，而是一整套安全感、掌控感和不可动摇的信任光环。

如果你空有一身好技术，却根本不懂得如何重塑客户的认知，
你在谈判桌上就会被那些气场强大的对手降维打击。

对方带着顶级的叙事和强大的气场走进来，在客户脑子里种下了我们才是上帝礼物的认知，

而你抱着几张性能对比表格坐在角落，连说话都在结巴，

那一刻，你的技术再好，在商业战场上也只是毫无意义的纸面数据。

Alexandr 也极其清醒地补了一刀：
这不是教你去搞虚假宣传和诈骗，交付真实的产品价值是你的底线，

但认知塑造，是你在做出好产品之后必须修炼的黑魔法。

做出一流的产品只是拿到了进场的门票，
而学会如何把你的价值装进别人的大脑，才是决定你能否在商业牌桌上赢走一切的胜负手。

大家在平时做项目、谈业务或者职场汇报时，有没有吃过技术明明比别人好却输给了别人会包装的亏？

[刘小域 @buildnomadx]

月入10万美金的独立开发大佬告诉我:

1.默认人人都可以把产品做出来
2.永远不要以Coding为荣
3.从小处入手
4.永远不要晒收入
5.8小时内必须上线MVP，否则放弃这个产品
6.永远不要去发明创造需求，只做被市场验证的
7.月入10万美金前，不要创新，狠狠的去抄
8.不要老想着搞差异化产品
9.SEO流量一上线就要开始布局
10.一定要去做X/Youtube/Tiktok

[The Gulag Bot @LIGHTSEEKER1984]

李雷的确被母检法搞了
他败诉道歉了，道歉的还是经过法官审核的文字，结果被国女反复举报下架，导致他的道歉没有生效，从而一直被限高
女法官还不管实际情况，强硬要求李雷一直道歉，不取消限高，
国女和母检法在这卡bug呢法院是故意的
峰哥拒绝向孤烟大妈道歉，都没被限高，最后也只是被法院强制登报

[云辰 Cyan @smk7z]

answer-me-with-html 🔥

star 猛涨，谢谢大家的认可！

基于 @karpathy 的思想，让 agent 能快速生成可视化结果！！

1. 超级快速： 比正常输出 HTML，token 少 7.4 倍！快 3.6 倍
2. ASD-STE100 原则： 让 Agent 用最少的字把事情讲明白！

https://t.co/RoIt1WkuQB

[Andrej Karpathy @karpathy]

We'll be spending a lot more time trying to understand the outputs of language models. A few thoughts, tips & tricks:

Writing. Something I've had success with: Ask your LLM to explain something in ASD-STE100, it's a controlled language specification originally developed for aerospace maintenance documentation. LLMs well-versed in this language and it comes with heavy constraints on clean writing style that I often find a lot more readable. Sometimes I've tried to soften it a bit e.g. ask for "80% of the way to ASD-STE100" because the spec is quite stringent. But even better:

Diagrams / images. Instead of writing, ask your LLM to create a diagram. These can be a lot easier to process, parse, and understand. But even better:

Web pages. Ask for output "in HTML" to get a beautiful, interactive webpage. LLMs are getting really good at frontend and can create beautiful experiences, animations, etc. But even better:

Explainer videos. The output format I am most bullish on is fully custom / bespoke explainer videos generated on any arbitrary topic. Experiment with things like "Create a 3b1b style video explainer on X. Use my ElevenLabs API key for audio narration". (you'd need an API key for the latter or you can ask your LLM to find you decent free alternatives that use your local compute). This is actually starting to work!

In summary:
- As LLMs get better, they will do more and more of the legwork autonomously, and a lot more of our work will rise up the abstractions into oversight and understanding.
- Luckily, LLMs can help here too because as intelligence and code are increasingly abundant, you can ask for large, custom, discardable software artifacts (e.g. web apps, video explainers) that would have never made sense to create before. Push the boundaries here and you'll be surprised.

[Hux @huxlab]

Anthropic 的工程师说：我们内部已经不怎么写 prompt 了，写的是循环。

她在台上花了半小时，展示了 Claude 团队如何创建能够自我提示的循环。

如果这堂课卖 400 刀，今年 Agent 课的榜单大概就是它。但它是免费的。

真正拉开代际差距的，不是谁的 Prompt 写得好，而是Agent系统架构彻底换了：

1. 记忆从一份 CLAUDE.md，进化成 Agent 自己读写的 memory/ 目录

2. 记忆待在对话里会烂掉：注意力被劈开，规律被埋住，旧笔记还在自信地用错

3. 白天各 Agent 把进展写进团队记忆

4. 夜里再跑一轮 dreaming：核对、整理、补全。第二天开工的那个，自动比昨天聪明一点

数据结果也很直观：一次通过的错误少了 97%，验收快了 30%。人回去看产品，不再一直盯着提示词。

提示词是一次性的，而循环能够持续执行。

差的不是你会不会问。

是你的 Agent 睡一觉之后，还记不记得昨天学到的东西。

[颜探长 @laoyan86]

一位女博主亲赴 南昌钣金厂当了四天杂工，体验底层男性的一天，发现男性真的很苦，结果很多女网友不是同情劳动者，而是急了，毕竟卖惨诉苦一直是女性专利，怎么轮得到男人？

她们的评论也是非常经典：转移话题，抛开事实不谈，扣帽子捂嘴，传说中的搅浑水三板斧。

这时候苦难和阶层又不分性别了，讲述男性困境就是制造男女对立了。

你们鼓吹“分娩体验”的时候可不是这样说的。

[云辰 Cyan @smk7z]

我把 @karpathy 大神的最新理念做成了 Skill 🔥！
一句话，让你 agent 给你可视化结论！

answer-me-with-html：https://t.co/cNvVmkfhw2

1. 超级快速： 比正常输出 HTML，token 少 7.4 倍！快 3.6 倍
2. ASD-STE100 原则： 让 Agent 用最少的字把事情讲明白！
3. 两种风格： blueprint + shadcn 风格

[AYi @AYi_AInotes]

刚看完 @Meta 首席AI官，muse负责人 @alexandr_wang 在 SPC 闭门访谈里聊竞争的这 3 分半钟，我心里真的挺触动的，
→商业世界里最大的陷阱，就是过于理智地看待竞争，
→为什么 Palantir 和 Scale 能从死人堆里杀出来？
看完这段视频你才会明白：真正的赢家，从第一天起就盲目相信自己做的是上帝送给世界的礼物。

做产品、写代码或者自己折腾项目的兄弟，
应该都懂那种折磨人的感觉：
你刚萌生一个觉得挺酷的想法，
一抬头，发现市面上早就有一堆人甚至大厂在做类似的东西了。

这时候人特别容易犯多疑症，脑子里全是他们比我有钱、技术比我强，我可能一开局就落后了，越想越不敢动手。

当年他在 YC 刚开始做 Scale 时，
亚马逊的 Mechanical Turk 早就人尽皆知，
周围到处都是竞争对手。

主持人问他：你当时真的不害怕吗？

他说了一段我回味了很久的话，
他说要活下来，
其实需要一种听起来甚至有点讨人厌的品质，
叫气势很冲的非理性自信。

他讲了个现场的小插曲特别生动：
有一次他和 Palantir 的核心高管一起去见政府客户，
那个高管当着所有人的面极其狂妄地对客户说：
你们今天没选 Palantir 也没关系，
但你们以后一定会后悔的，
要是从一开始就选我们，
你们会开心得多，
因为没人能做出比我们更好的软件，
不过没关系，你们以后迟早会回头找我们的。

理性旁观者听完可能会觉得这人是不是疯了，
甚至觉得这套话术嚣张得让人不适。

但 Alexandr 说，这其实正是 Palantir 能赢的核心配方：
他们从骨子里就盲目相信自己做出来的软件是上帝给地球最好的礼物，没有任何人能做出哪怕接近的东西。

这种看似毫无依据的狂妄，最终变成了一个正向强化的自我实现循环。

这段话之所以让我印象深刻，
是因为我们这些受过良好理性教育、习惯凡事权衡利弊的大厂牛马和开发老哥们，往往最缺的就是这种近乎野蛮的心态。

理性会不断列出你打不过别人的 100 个客观理由，
但商业竞争从来不是在纸面上比参数。

你要真想杀出重围，就必须在第一天就盲目相信自己能招到比别人更好的人、能做出更锋利的产品决策、愿意在别人不愿在意的细节上多走一步。

他说自己从小打数学竞赛和编程竞赛，被虐过无数次，最后总结出来的解法反而极度纯粹：
六个月前他问一个 18 岁的 YC 创始人怎么看待周围一堆竞品，那个年轻姑娘连想都没想就回了一句： 竞争有什么好想的，放马过来，做得比他们更好就行了。

这句话听起来像没过脑子的冲动，
但在创业这件事上，可能真的就是唯一的解药。

很多时候困住我们的根本不是门外的对手，而是我们自己脑子里那些过于理性的自我怀疑。

既然上了牌桌，与其每天盯着别人有多强自己吓自己，
不如气势冲一点，就信自己能把东西做得更好。

大家在做项目或工作时，遇到强得离谱的竞争对手，第一反应是容易被劝退自我内耗，还是也会有一股放马过来比比看的心气呢？

我以前创业的时候经常被大厂入局的消息吓得失眠，
后来发现他们大部门推个功能要半年，只要自己动作够快、敢死磕细节，其实真没什么好怕的。

[投机实验室 @LabSpeculation]

马斯克和谷歌创始人 拉里·佩奇是十多年的老朋友，后来绝交了。

据说佩奇到现在都不搭理马斯克，而俩人闹崩的原因也特别抽象。

只因为马斯克一直坚持要保护人类😂

以前，马斯克经常住在佩奇家里，两人会聊到深夜，但一谈到人工智能，他们就越来越谈不拢。

马斯克担心，机器一旦比人类聪明，又不受人类控制，我们可能连阻止它的能力都没有。
而佩奇觉得，人类未必就是进化的终点，如果机器也能拥有意识，变成更聪明的生命，为什么一定要认为人类比它更值得保护？

一次生日聚会上，两人为这件事直接吵了起来。
佩奇指责马斯克是“物种主义者”，只因为自己是人类，就偏袒人类。
马斯克承认：“没错，我就是支持人类优先。我就是热爱人类啊，兄弟。”

而且佩奇的观点让马斯克觉得特别危险。
因为佩奇掌握着谷歌，有钱，有算力，还有顶尖的研究人员，完全有能力推动他所相信的未来。
如果连他都不觉得保护人类必须放在第一位，那马斯克就无法放心地让谷歌主导人工智能的发展。

后来，谷歌准备收购人工智能公司DeepMind，马斯克曾试图阻止，但没能成功，于是他随后参与创办了OpenAI，希望建立一股能与谷歌抗衡的，重视人工智能安全的力量。

而这也让两个老朋友成了竞争对手。

真正让两人闹翻的，是马斯克想把谷歌的关键研究员伊利亚·苏茨克维招到OpenAI。
谷歌拼命挽留，伊利亚也来回犹豫了多次，最终还是选择离开，加入马斯克这一边。

马斯克觉得，自己是在为人类的未来做一件必须做的事，佩奇却觉得，多年的好友另起炉灶，还挖走了自己最重要的人才，这是背叛，此后便不再和他来往。

多年后，马斯克在采访中说，自己希望能和拉里重新成为朋友，他们已经很久没见了。
一直到了2025年，有人问他，佩奇是不是还不理他，马斯克的回答仍然是：“是的。”

[Viking @vikingmute]

matt 的这个 /codebase-design 最近对我帮助很大，尤其是让 AI 重构一些大模块的时候，它其实不修改任何代码，只是一套词典，把 module、interface、depth、seam、adapter、leverage、locality 每个词定义死。禁止用 component、service、API、boundary 这些含糊替代，规定好这套词典以后，边界会很清楚。

还有里面的四个 rules 真的是值得好好思考。

[Mai Yang @MaiYangAI]

Lauren Tan（@poteto）跟 Matt Pocock 聊她在 SpaceX 用 pstack 做事。这集的题目就是每个月上千条 PR。

她说代理已经可以自己合 pull request，她先睡，回头再看已经合进去的。她相当于有超过十个参谋长，各管一块。pstack 里开 autopilot 之后，每条 PR 会起验证代理，把应用真的跑起来，像人一样去点，找回归。

中英硬字幕，66 分钟。

[Tz @Tz_2022]

别的先不说，这张动态 ASCII 码图可太酷了。。。

[王动 @sexla]

一个中国小仙女，坏了黑人的孩子，然后就被抛弃了，说是送给她的礼物。这种现象越来越多，很多黑人来中国，以结婚的名义，和中国女孩谈恋爱，一旦怀孕就立刻跑路消失，留下带着黑孩子的未婚妈妈

[蚂蚁变大象 @ziqiu886]

天塌了：我的自尊心被击的粉碎。

1.他竟然还有一个165 的前妻。

2.这个妻子竟然还为他绝食。

3.说实话，要是这样的人靠近我，就会报警，别喷我。

[Jude Guo @judeguox]

永远不要做羞耻心太重的人。

一流红尘高手，都是极其我行我素的存在，他们羞耻心几乎都是0。就是不管别人说什么，不管别人怎么看他，他都能心安理得，而且必要时候还要强势反击。

羞耻心是一种巨大的弱者心态，会极大消耗一个人的能量和精气神，让一个人变得非常猥琐，严重限制一个人发展的可能性。

[Ning @MariRegina55109]

趁年轻，一定要多谈恋爱

很多人不敢谈恋爱。怕受伤，怕麻烦，怕耽误搞钱。或者把谈恋爱当成KPI，直奔结婚去，觉得除此之外都是浪费时间。

我告诉你，这都是纯粹的扯淡。年轻时候不多谈几次恋爱，你这辈子关于人性的课，一半都错过了。

很多人搞错了一件事。谈恋爱的核心目的，不是为了找一个人结婚。是为了在关系这面镜子里，搞清楚你自己是谁。

你以为你在挑别人，其实是在认识你自己。你不去跟人建立深度链接，你根本不知道自己的边界在哪，雷区在哪，渴望在哪。你不知道自己原来这么小气，或者发现自己居然这么有担当。你不知道自己面对冲突是习惯逃跑，还是正面硬刚。

这些东西，你自己闷头想，是想不出来的。只有在最真实的爱、恨、嫉妒、猜疑里，你那个模糊的自我，才会一点点变得清晰。说穿了，人性教育的第一堂课，就是在亲密关系里完成的。

你二十岁出头，只知道要找个“好人”。啥是“好人”？工作稳定、不抽烟不喝酒、对你好。像一份招聘启事。然后你真遇到了一个，条件都符合。接触了一下，觉得没啥大毛病，就在一起了，甚至结婚了。

十年后，你看着枕边这个“好人”，觉得生活像一杯温水，淡出个鸟来。你看到朋友圈有人辞职去满世界跑，有人在玩乐队，有人爱得轰轰烈烈。你心里突然咯噔一下。你发现你根本不知道自己喜欢什么样的人，因为你见过的样本太少了。你嫁给了“正确”，却弄丢了“心动”。这就麻烦了。

还有一种人，事业心极强。觉得谈恋爱影响搞钱的速度，把所有精力都用在工作上。他们很会处理工作关系，跟同事、跟领导、跟客户，都明明白白。但一到亲密关系里，就歇菜了。

跟伴侣吵架，他会下意识地讲道理、摆事实、做复盘，甚至想给对方打个绩效。他不懂，感情里很多时候要的不是“理”，是“抱抱我”。这种处理情绪的能力，不是看书能学会的。是在一次次争吵、和好、冷战、道歉里，用眼泪和心碎硬生生磨出来的。

你躲过了年轻时的恋爱，就等于放弃了这场最宝贵的实战演习。等到三十岁，四十岁，你事业再牛逼，在感情里也像个小学生，一碰就碎。

问题就在这里。很多人把恋爱当成一道数学题，想找最优解。把婚姻当成一个项目，想找最合适的合伙人。他们以为这样最高效。错了。这是风险最高的一种活法。

因为你为了回避那些可控的小伤，直接把自己暴露在了一场可能颠覆人生的巨大风险面前。年轻时失恋，你哭一个星期，一个月，一个通宵，这事儿就过去了。你还学到了东西。中年时婚姻崩盘，搭进去的可能是你的半生积蓄、孩子的人生，还有你剩下半辈子的心气儿。哪个代价更大，你回头再想想？

所以，趁年轻，大胆去谈恋爱。不是让你当渣男渣女，不是让你玩弄感情。是让你去体验。去跟不同的人吃饭，聊天，看电影。去喜欢一个跟你的世界完全不同的人，哪怕没结果。去感受一下心动，也去体验一下心碎。

每一次结束，都别光顾着伤心。你要像个侦探一样，复盘一下：我为什么会被这种特质吸引？我在关系里最不能忍受的是什么？这次吵架，我的第一反应是什么？为什么会这样？下次遇到类似情况，我能做得更好吗？

每一次恋爱，都是一次关于你自己的田野调查。你收集的不是前任，是关于你自己的，一手数据。这才是谈恋爱最大的价值。它让你这个人，变得立体，丰满，有血有肉。让你更懂人性，也更懂自己。

别再问“谈了没结果怎么办”。过程本身就是结果。你从一个青涩的、不懂如何去爱的人，变成一个更成熟、更宽厚、更懂得珍惜的人。这还不是最好的结果吗？

别等到四十岁，家庭美满，事业有成。在一个深夜，突然想起年轻时那个擦肩而过的人，心里全是遗憾。觉得这辈子，好像没为自己真正活过。

去谈，去爱，去受伤。这是年轻时，最划算的一笔自我投资。

[Xiao Tan @tvytlx]

产品更好，照样会输。

Meta 首席 AI 官 Alexandr Wang 讲过一段话，我看完愣了一下。

他说，很多创业公司习惯了数据驱动，觉得真相总会浮出水面，大家对现实有共识。

但在大多数大公司里，在政府里，这事不成立。

在那里，感知比现实更真实。

他的原话大意是：现实大部分时候太难看了，很少有人真的去面对它，大家更愿意相信自己活在其中的那套感知。

所以你的产品在现实里更好，买方可能根本没在评估现实。
单子会给掌握感知的那一方。

这哥们给企业服务的建议是：改善现实是你一半的工作，塑造感知是另一半。

他点名最会干后一半的公司是 Palantir。
说它像一个剧团加一家软件公司。

新员工入职，发一本表演书。
字面意思的表演书。
发了很多年。

我觉得这对技术出身的人挺扎心的。
我们习惯让 benchmark 说话，觉得东西好自然会被看见。

但签字的人很多时候没空看数据，也不太想看。
他要的是一个拿到老板面前也站得住的说法。

当然，产品烂到一定程度，演技也救不回来。
只是两个产品差距不大的时候，赢的往往是更会讲的那个。

写了这么多年代码，要不我先去报个话剧班算了。

https://t.co/2Ffw2oIG3U

[低等生物 @didengshengwu]

睡过的女人越多 越能理解

和任何女人睡觉都是第一次最爽

第二次只是第一次的80%

第三次只是第二次的80%

次数多了 还不如自己动手打飞机

基因的本能就是让你不停的去追求新鲜感。。