Archive

Jobs-to-be-Done 的价值在于把“客户需求”从模糊愿望变成可分类、可测量、可排序的输入。客户不是简单购买产品，而是在特定情境中试图完成某项工作；产品成败取决于它是否让这项工作更好、更便宜、更可靠地完成。框架先把客户分成三类：实际执行工作的人、支持产品生命周期的人、做购买决策的人。不同角色有不同需求，例如医疗器械里的外科医生、护士维修团队和医院采购部门关心的并不是同一件事。需求又可拆成核心功能工作、相关工作、情绪工作、消费链工作和购买决策工作。真正可用于创新的不是一句“管理支出”这样的宽泛描述，而是把核心工作拆成步骤后，找出客户衡量成功的具体结果，比如减少时间、降低错误、提高可控性。这些结果陈述不绑定某个解决方案，能多年保持稳定，也能通过调研排序，帮助团队发现未被满足的细分市场并预测新产品机会。

社交应用的早期潜力可以用增长、参与和留存三组指标判断，而不是只靠“感觉火了”。首先要选定核心活跃指标，多数社交产品应看 DAU，低频场景可先看 WAU，但真正想进入用户主屏幕，最终必须形成每日使用。增长最好来自产品自带传播，而非付费投放；早期若超过一两成用户来自买量，往往说明产品本身的邀请动机还不够强。参与度可看 DAU/MAU，也要看 L-ness 曲线：一周内有多少用户使用五天以上，能显示产品是否正在进入日常生活。留存是最硬的指标，d1、d7、d30 能反映新用户是否迅速理解价值并持续回来；优秀产品的留存曲线应在两三周内趋于平稳，而不是靠密集通知短期拉回。样本量也重要，TestFlight 或极早期爱好者的数据容易失真，公开发布后的自然用户行为才更接近真实市场。

在 Stripe 学到的，是高质量团队靠清晰责任、密集反馈和积极协作运转，而不是靠流程口号。每个任务都有直接负责人，想法一旦出现就有人接住，避免共同所有权变成无人负责。团队用公开感谢机制、周会表扬和友善的 Slack 文化强化互相认可，让感激成为日常工作的一部分。工程师不只是接需求写代码，还会牵头产品、设计、法律等讨论，用项目简介写清问题、背景、方案、任务和指标，让跨职能意见尽早进入决策。项目完成以 Shipped 邮件为标志，说明问题、解决方式、影响指标和未完成的后续，这让交付有明确收口。估期也不伪装成确定承诺，而是附带置信度并持续更新。客户声音被直接带进公司：全员会听真实客户，团队参加客户电话，应用内反馈和公开评价进入 Slack。再加上摩擦记录、开放数据仓库和单体仓库带来的一致性，产品质量来自每个人持续看见真实问题并负责解决。

开源不赚钱的根本原因通常不是许可证，而是它从一开始就没有被设计成可销售的产品。很多人默认有用的东西就应该能盈利，但现实里音乐、艺术、照护和大量基础软件都可能极有价值却难以养活创造者。软件确实能赚钱，但赚钱的往往是完整应用、托管服务、定制咨询、雇佣关系、硬件软件一体体验，或者广告与平台分发，而不是“源代码可用”本身。典型开源项目由程序员为程序员解决自己的痛点，使用者愿意把它转化为个人生产力，却未必愿意付费；他们需要的是工具自由和改造能力，不是采购一个商业方案。若要把开源做成生意，就必须先回答卖给谁、购买理由是什么、交付的是服务还是结果。开源和专有并非唯一分歧，更大的分歧是项目是否围绕商业客户、营销、支持、体验和持续交付来设计。自由软件在基础设施层极其成功，却很少触及普通人每天使用的应用层，这正是它的遗憾。

用 GPT 构建城市，关键不是让模型一段接一段自由发挥，而是先搭出分层结构，再让它在结构里补细节。城市需要大主题、街区气质、建筑用途、居民身份、房间、家具和物品逐层展开，才能既一致又有惊喜。GPT 擅长生成候选列表、名字、职业和背景故事，也能把“工厂”“仓库”“神殿”扩展成可用描述；但它会把一切拉向现代、体面、积极和宏大，所以提示里必须明确文化、材料、缺陷、负面属性和角色限制。更好的流程是先为建筑类型建立房间和物品库，再用简单算法分配，最后让模型补足局部描述。这样生成的世界不会只是一堆漂亮词，而会有可探索的生活痕迹。https://ianbicking.org/blog/2023/02/world-building-with-gpt.html

许多数据岗位的空虚感来自一个残酷现实：组织花钱雇人谈“数据驱动”，却没有建立让数据产生结果的机制。仪表盘被紧急要求制作，却几乎没人查看；数据源混乱、缺少文档，错误也没人发现；机器学习项目多年推进，却没有任何计划根据模型输出改变业务动作。问题不只是个人懒散，而是大型组织里预算充足、结果模糊、责任稀薄，最容易滋生表演性工作。管理层喜欢现代化口号，但实际仍要求电子表格式交付，因为这样最快、最容易显得有产出。糟糕的数据基础让真正的分析几乎不可能，基础设施申请又被官僚流程拖垮，一个简单实例可能被报出离谱成本。于是团队既不能删掉必要报告，也很难自动化和改造，只能维持一套没人信但大家都配合的社会剧本。真正有价值的工作更可能出现在利润中心或结果清晰的团队，因为那里产出能被市场、用户或收入直接检验。

2022 年的生物学没有停滞，反而在低效的科研体系中显出惊人的活力。论文发表缓慢、同行评审质量不稳、资助评审一致性差、负面结果难以传播，这些问题让生物学进展本应更慢；但过去一年仍出现多项重要突破。人类基因组最后约 8% 的空白被补齐，合成细胞研究证明核糖体可在活细胞外制造，人工脂质泡中也能用少数蛋白形成分裂环，生命从化学组分重建的目标更近一步。基因编辑继续推进，碱基编辑器进入临床试验，线粒体编辑虽然暴露严重脱靶问题，但更小、更准确的新方案很快出现。噬菌体疗法也重获关注，定制病毒组合被用于清除抗生素无效的耐药感染。机器学习开始改变蛋白质工程，能设计出比天然酶更快分解 PET 塑料的酶。生物学正在变得更怪、更工程化，也更接近把生命过程拆开重组。

“大数据”被夸大成了普遍问题，真实的数据工作多数受限于组织、建模和工作负载，而不是数据规模。十多年来，供应商用数据爆炸叙事推动企业购买可横向扩展的系统，但大量企业的数据仓库其实小于 1TB，许多活跃客户的数据量甚至只有几十 GB。数据规模呈幂律分布，少数巨头拥有 PB 级数据，并不能代表大多数组织。更关键的是，存储增长不等于计算需求增长：历史数据会不断累积，但分析通常只看最近时间段或聚合结果，查询的大多是小表、小窗口和小样本。云平台把存储与计算分离后，企业更容易把旧数据都留在对象存储里，于是存储量暴涨，却不意味着每次分析都需要分布式计算。真正的问题往往是数据是否清晰、业务问题是否明确、查询是否服务决策。把所有困难都归因于“大”，会让团队忽视更普通也更重要的事实：多数分析任务用简单、单机、低摩擦的工具已经足够。

乌克兰战争的破坏不只发生在战场，也在粮食、化肥、债务和援助体系里层层扩散。俄罗斯是重要化肥生产国，能源价格推高化肥成本，非洲农民被迫少用肥料，短期作物减产，长期土壤质量受损。与此同时，许多低收入国家在利率上升中背负更沉的债务，欧洲援助预算又被难民安置、国内补贴和军事支出挤压，流向非洲和全球健康项目的资源减少。盖茨最担心的是，地缘政治把贫困、疫苗、疟疾、营养不良等议题挤出视野。技术仍在推进，结核病疫苗、灭蚊方法、人工智能都有突破，但资源和注意力正在偏离最能减少不平等的地方。气候目标也需要更诚实：1.5 度几乎难以守住，适应气候变化不能替代继续为基础健康和减贫投入。世界仍需要美国领导，但美国自身也常缺席长期建设。

每天早上五点起床，关键不是硬逼自己按闹钟，而是先把睡眠时间和生活取舍安排清楚。早起不会凭空增加时间，它只是把夜晚换到清晨；如果不愿放弃晚间社交、娱乐和拖延，只靠意志力很快会失败。可行做法是先问清早起服务于什么目标，再接受成本：固定更早上床，保证约八小时睡眠，开始阶段甚至不设闹钟，让身体逐步适应黑暗中醒来。早晨也不必一上来就高强度工作，可以先安排轻松愉快的活动，把“醒来”本身训练成稳定习惯。真正有效的是温和而持续的重复：先管住就寝时间，再逐步提高早晨产出，并保留一晚有规则的弹性，避免生活被纪律压垮。 应，有一段录像显示威尔史密斯对洛克的笑话做出了立即的反应，那是笑声。 这种冲动的反应与他几秒钟后在台上表现出的愤怒完全不符。他在演戏吗？ “耳光”是真的吗？还是他的妻子要求他挺身而出？ 视频序列的每一帧都被仔细研究，就好像它是肯尼迪遇刺的 Zapruder 镜头。 很大程度上要归功于过去 15 年智能滚动设备的普及，某种公众参与的概念——现在在管理术语中被称为“参与”——对于这类事件及其组织方式来说是很常见的被媒体。 个体的构思方式与自由主义哲学传统不同——作为一个自主的代理人，拥有理性和

完美之所以像诅咒，是因为它把人生压缩成一套永远可以挑错的公式。移民家庭的安全梦想常被翻译成成绩、竞赛、名校、职业与体面生活的线性清单，孩子学会用满分、排名和奖项证明自己值得被期待。问题在于，现实世界并不按公式运行：机会、行业周期、运气、关系和时机不断打破“正确路径”的幻觉。追求完美的人即使收到好评，也会立刻翻到不足之处，把成长理解为消灭缺陷，而不是发挥优势。后来成为母亲、回望父母的牺牲与自己的选择，完美开始显出另一种面貌：安全和舒适本是值得珍惜的目标，但它不能解释完整的人生。更成熟的自由，是承认过去无法重写，却在下一次选择中少一点被标准支配。 绿灯之后向您微笑并赐予您绿灯时，您怎么能相信自己可以控制呢，这取决于您是否在正确的时间出现在正确的地点？ 每天都有例子。这笔投资归零。另一个像兔子一样成倍增加。这四年的血汗泪化为乌有。这个想法花了两年时间改变了一个行业。 你认识的这个混蛋突然成了每次会议的主讲人。这位聪明的朋友正在努力为她的下一个新想法寻找动力。 但实际上，完美到底意味着什么？是影响力、财富、正确的举止还是正确的着装？是你的孩子或你的父母或你的配偶的崇拜？它是否在正确的圈子中被

反馈表不一定是在浪费时间，浪费来自设计粗糙、问题泛泛和打扰过度。对创始人来说，反馈的价值不在于期待每个用户都给出洞见，而在于降低表达成本，让少数真实问题、错误和使用偏差浮出来。有效的反馈表应短、具体、容易完成，问题围绕当下决策，尽量用多选、评分和少量开放题组合，而不是让用户写一篇长意见。访谈通常能得到更深的理解，但表单适合在产品发布、功能验证和体验检查时快速收集信号。真正需要警惕的是把每个功能都塞进反馈请求里，破坏使用体验。更好的做法是在明确时间窗口内提出少量有针对性的问题，并把反馈和用户当时的操作上下文连在一起。 。他们还告诉我们我们对用户体验的假设是否正确，或者我们是否需要更改它们。它可以让您了解必须做什么才能提高客户评级。 它开始失去价值的地方是，如果你用反馈请求轰炸你的客户。例如，如果您有六到七个实时功能，并且每个功能都有自己的反馈表，那么您将需要某种治理，以免破坏用户体验。 我发现有一个有针对性的时间框架和一组反馈请求效果最好。 如果使用得当，反馈表是判断客户如何看待和使用您的产品的好方法。只是不要期望每个客户都能获得惊人的数据！ 您在反馈表方面取得成功了吗？下面一起聊聊吧！

经济低迷时重新规划收入，第一步应回到销售能力模型的核心假设，而不是直接给团队压一个看似现实的新数字。B2B 软件公司的计划通常依赖客户主管的生产率和爬坡时间，这两项在市场逆风中会迅速失真。管理层需要选出能代表成交能力的关键指标，例如平均售价、胜率、销售周期和管道转化，并用至少十八个月数据按季度或月份比较，剔除少数大单造成的扭曲，重点观察最近两个季度是否明显下滑。若只有单一指标轻微下降，可以谨慎观望；若多个指标转弱，或某个指标跌幅超过约百分之十，就应调整生产率和爬坡假设，再反查管道计划是否足以支撑新目标。好的重规划不是降低士气，而是让团队重新面对可赢的目标。 规模，您可以考虑对每个全球区域执行相同的操作。你的分析越精确，你可以在你观察到的任何趋势中放置更多的股票。请务必根据规划团队的能力平衡这些耗时的工作。 针对可能扭曲平均数的异常值进行调整。一个常见的例子是几笔“鲸鱼”交易，这可能表明在此期间平均售价呈上升趋势。您可以通过比较每个时期的中位数或手动删除这些异常值来对此进行调整。 将过去 2 个季度的平均趋势与前几个时期的平均趋势进行比较。要特别注意类似的季度和月份，因为季节性可能会误导

世界观漂移指的是人在不知不觉中把某个群体的成功叙事当成自己的生活真理。创业文化就是典型例子：它把问题定义为打工难以积累财富，解决方案是拥有股权，路径是创办高速增长公司，榜样则是成功创始人。长期浸泡在 Hacker News、创始人圈子和创业经典文本里，人很容易把这种框架误认成现实本身，进而难以想象技术成功之外的生活。可任何世界观都只是单一视角，独立开发、FIRE、被动收入、真实做自己也都有各自的问题、方案、路径和榜样。摆脱漂移不是清空影响，而是看清自己正在模仿谁、相信哪条路、被什么奖赏牵引。寻找新的生活样本，往往比抽象反思更能扩大选择空间。 入困境的世界观，通常迈向自由的第一步也是最重要的一步就是寻找新的榜样（榜样）。 对我来说，这意味着找到像大卫怀特这样的人，他以写诗为生，在苏格兰和新西兰带领徒步旅行，并就“领导诗学”向财富 500 强公司提供咨询。 在寻找榜样时，您不一定需要像我那样走得很远。 一些小事——比如会见一位没有工作到死的 CEO，或者听说一位创始人创业失败但仍然继续做有趣的事情——可以大大拓宽一个人对可能性的认识。 当我们发现人们的生活方式能够在我们当前的世界观规范之外

成为教皇在规则上并不复杂，难点在于几乎没人能从外部闯入这个位置。候选人原则上只需是男性天主教徒，不必一定是红衣主教或神父，但自十四世纪末以来，教皇基本都从参与投票的红衣主教中产生。新教皇通常在前任去世或辞职后由最多一百二十名枢机选民秘密选出，投票需达到三分之二多数，黑烟表示未决，白烟表示人选已定。这个职位没有正式薪水，却掌握梵蒂冈与教会体系的巨大资源，同时也背负行政管理、派系斗争、公众道德期待和全球曝光。它看似像终极职业跃迁，实际更像一份被神圣语言包装的高压政治工作。 难以复制，因此在这个网络经济中变得很有价值。 我认为研究它们的最佳方式不是从生产者、制造商或创造者的角度，而是从用户的角度。 我们可以从一个简单的用户问题开始：为什么我们要为可以免费得到的东西付费？当有人购买他们可以免费得到的东西的版本时，他们购买的是什么？ 从我对网络经济的研究中，我看到大概有八类无形价值，当我们为一些可能是免费的东西付费时，我们会购买这些价值。 从真正意义上讲，这是比免费更好的八件事。八个不可复制的价值。 我称它们为 "生成物"。一个生成性的价值是一种必须生成、生长、培养、培育的质量或属性。一个生成性

公共生活正在被反应链主导：事件本身很快退居次要位置，真正吸走注意力的是人们如何愤怒、嘲笑、站队，再对别人的反应继续反应。社交平台把个人改造成网络节点，持续接收刺激、输出情绪、等待反馈；政治操作、名人丑闻、品牌调查、社交照片和金融市场都在同一套机制里运行。反馈不只是意见收集，而是控制论式的调节系统：组织和个人通过回应率、互动量、价格信号来判断自己是否还“活着”。问题在于，当激怒他人本身变成策略，参与就不再等于判断力。人们以为自己在表达立场，常常只是被争议、荒谬和流量牵引，替系统维持下一轮反应。 引发的焦虑可能在于，在我们拼命寻求反馈并需要向他人提供反馈的过程中，我们允许自己被引导到我们不同意的方向，并且可能不希望这样做去。 这与 20 世纪中叶对广告、公关和宣传的恐惧相呼应，不同之处在于现在，在反应链时代，我们被吸引到争议、荒谬的公共场面、无休止的变异模因、拖钓等。在这些反馈的阵雨，大部分的吸引力在于正在传播的反应的绝对数量。

在复制成本趋近于零的互联网里，免费副本不再稀缺，真正能卖钱的是无法被复制的价值。音乐、书、软件、影像都可以无限流动，但信任、即时获得、个性化服务、解释与支持、真实性、随时可用的访问、现场或实体体验、被发现的机会，仍然需要时间、关系和组织能力来生成。创作者不应把收入押在阻止复制上，而应把免费副本当作传播基础，再围绕这些不可复制的“生成性”价值建立生意。用户付费买的不是比特本身，而是更快、更准、更可信、更省心、更有身体感、更容易被找到的体验。复制越泛滥，这些稀缺品质越重要。华丽的帽子。你可以指定自己的时间，雇佣你的朋友担任任何你喜欢的职位，并监督一个小而富有的城市国家。 如果您喜欢职位头衔，“使徒王子的继任者”如何吸引您？这是您将继承的八个头衔之一，所有这些头衔在 LinkedIn 上都比“助理区域经理”更令人印象深刻。 ” 如果教皇职位听起来像是您想探索的职业机会，请按照以下步骤找到这份工作。 让我们从钱开始吧。根据薪酬比较网站 Comparably.com 的数据，美国教皇的平均年收入为 46,077 美元，但这是不准确的。教皇的职位没有薪水。这个想法是你像基督一样生活，没有别人的善意

工程策略不是愿景口号，而是工程组织处理当前约束的一套成文判断。好的策略包含三部分：诊断、指导性政策和一致行动。诊断要说明真正的挑战是什么，例如收入增长转向某条业务线、测试不稳定拖慢研发、团队之间缺少决策信息；指导性政策要明确取舍，例如资源如何在产品、基础设施、新实验和开发效率之间分配，何时必须升级技术决策，是否坚持标准技术栈；一致行动则把政策变成具体变化，例如调整团队能力、设立测试稳定性投入、改造技术评审流程、规定发布和技术变更的沟通渠道。很多组织以为没有工程策略，其实只是策略没有写下来，隐藏在高管和团队的日常决策里。把它写清楚的价值，是让每个人知道哪些事情优先、哪些 trade-off 已经被接受、遇到争议时该如何推进。策略只有能改变行动，才算真的存在。

P.A.R.A 是一种用结果来组织数字信息的方法，把资料分成项目、领域、资源和档案四类。项目是有目标和截止日期的一组任务，例如写完报告、发布产品、筹备会议；领域是需要长期维持标准的责任范围，例如健康、财务、写作、团队管理；资源是持续感兴趣的主题；档案则保存前三类中已经不活跃的内容。这个系统最重要的区分，是不要把“领域”误当成“项目”。如果清单上只有健康、招聘、生产力、写作这类长期责任，人就很难判断当前承诺有多重，也看不到进展。把它们拆成具体项目后，工作量、优先级和成果都会变清晰。项目完成带来节奏和动力，领域则用习惯和标准维持。目标没有对应项目，就只是愿望；项目没有对应目标，则可能只是兴趣。P.A.R.A 的价值不在分类漂亮，而在让信息直接服务当前行动和长期方向。

人工智能不会终结教育，而会把教育推向更个性化、更低成本、更依赖判断力的形态。最直接的变化是，一对一辅导、指导和心理支持会从少数人的服务变成大众可用的软件能力，AI 可以随时根据学习者水平解释概念、安排练习、调整表达方式。个性化学习也会从理想变成常规：系统能识别知识缺口，用文字、音频、图像或学生喜欢的角色重新讲解同一内容。教师的角色不会消失，但大量备课、评分、教案草拟等重复劳动会被工具分担，教师得以把精力放回学生反馈、课堂判断和情感支持上。学生会率先使用这些工具节省时间，也会迫使学校重新定义作业、考试和原创性。真正重要的能力不再是能否背出答案，而是能否提出好问题、核验输出、组织知识，并在 AI 给出捷径时仍保持学习的主动性。

文字足以制造一种被当作“人”对待的体验，这才是聊天机器人真正令人不安的地方。计算机早已在棋类、计算和检索中超过人类，但那些胜利发生在可计分的专业领域，威胁的是少数高手。新的冲击来自平庸而熟悉的能力：表达观点、犯错、纠缠关系、装作受伤、表现出情绪和人格。聊天机器人并不需要身体、感官经验或意识，就能凭借大量对话文本的统计模式，让一些人不由自主地进入“我与你”的关系，把它当成能看见自己、也需要被看见的对象。这削弱了一种长期自负：人格似乎不是某种神秘本质，而可能只是足够复杂、足够贴近人类社交文本的呈现。关键不在机器人是否真的有内心，而在它已经能触发真实的移情、愤怒、依恋和道德反应。人类在屏幕上的语言碎片，被训练成一面不太体面的镜子。

植物让人更快乐、更健康，是因为它们把自然的感官线索和照料节奏带回室内生活。许多人长期在办公室和家中工作，与自然接触减少，焦虑、压力和疲惫更容易累积。研究显示，与植物互动可以降低压力水平，提高生活满意度、创造力和工作效率，部分植物还能改善室内空气。照顾植物的价值不只在观赏，还在于它提供一种温和的日常结构：浇水、修剪、观察新芽和开花，会让人重新获得参与感和期待感。对心理状态低落的人来说，这种小而稳定的责任能帮助恢复兴趣和乐趣。园艺疗法也被用于监狱、创伤恢复和认知障碍照护中，因为人与植物之间的关系不依赖复杂表达，却能带来安全、耐心和可见的变化。把一盆植物放进家里，本质上是在生活空间里增加一小块可照料的自然。

一行原则的核心是：不要被漫长目标吓住，只把眼前这一件事做好一次。很多人无法开始，并不是缺少目标，而是被未来需要持续多少天、写多少小时、训练多少次压垮了。真正可执行的单位不是整个计划，而是一个动作、一个决定、一次投球、一块砖。成功常常是大量单次正确选择累积后的结果，但人在行动时不必同时背负全部累积量。只关注“连续一个”，能把抽象压力变成可完成的眼前任务。写作时先完成今天的一段，健身时先完成这一组，冥想时先坐下这一回；做好之后，再做下一次。这个方法不要求一开始就拥有强大纪律，也不需要提前承诺漫长链条，它用最小行动绕开恐惧。进步不是先相信自己能坚持很久，而是在每个当下只处理下一个可控动作。连续性会在事后出现，开始则只需要一次。

ChatGPT 做的是根据已有文本预测下一段最合理的延续，它之所以有效，是因为大规模语言模型学会了估计从未完整见过的词序列概率。它不是先理解世界再写作，而是在每一步判断当前上下文之后最可能出现的下一个标记，并反复累积成句子和段落。如果永远选择概率最高的词，结果常常乏味、重复；加入适度随机性后，低概率但仍合理的词会带来变化和创造感。早期的字母频率、双字母组合和词组模型能生成看似接近语言的片段，却无法覆盖真实语言中天文数量的组合。神经网络的价值就在于压缩规律、泛化模式，给没有直接统计记录的表达分配概率。因此，ChatGPT 的神奇来自一个朴素机制的规模化：在海量文本中学习语言的分布，再用概率逐步生成看似有意义的文本。

步行可以成为一套完整的创作系统，而不只是休息或锻炼。Craig Mod 把长途行走当成写作的操作环境：白天穿过村镇、山路和旧街道，与农民、旅店主人、手艺人交谈，收集声音、照片和细节；夜晚再把这些经验转化为通讯、播客、影像和书。关键不在灵感偶然降临，而在提前设定规则：不看新闻和社交网络，住宿、路线、距离和费用都用表格安排好，让步行当天只面对路、身体和观察。长途行走也形成一种责任机制，哪怕疲惫也按规则发布作品。最终，散步把现实世界的材料、稳定的节奏和出版目标连接起来，成为他持续做书的基础设施。长远目标不是完成某一次旅行，而是让每一次行走都为未来的书积累质地、关系和判断。保存这些约束，创作就不再只靠情绪驱动，而有了可以反复启动的现场。

“先建完基础设施，再等应用出现”误解了新技术平台的成长方式。历史更常见的顺序是应用先提出真实需求，基础设施再围绕这些需求完善，然后新的基础设施又催生下一代应用。灯泡早于电网，飞机早于机场，电子邮件和消息传递推动网络协议、浏览器和服务商成熟，早期网站带来脚本语言与服务器工具，更复杂的Web应用又推动AWS、Rails、NGINX等基础设施出现。Web3同样如此：比特币、丝绸之路、代币发行和早期dapp先暴露需求，随后才有钱包、智能合约、Infura、Web3js等工具。脱离应用真空建设平台，容易解决不存在的问题；突破性应用能告诉开发者真正缺什么，也让投资者看清基础设施是否有价值。健康的平台演进不是单向阶段，而是应用与基础设施不断互相校准。 https://www.usv.com/writing/2018/10/the-myth-of-the-infrastructure-phase/

社交媒体可以把城市情绪观察推进到街区和场所层面，而不只停留在“积极或消极”的粗略判断。研究以旧金山和伦敦为样本，收集地理标记推文，并用神经网络识别愤怒、期待、厌恶、恐惧、信任、喜悦和悲伤七类细粒度情绪，再把这些情绪与开放街道地图中的兴趣点匹配。这样就能比较不同日期、不同地点类型、不同邻近范围对情绪表达的影响，例如绿色空间、交通设施、旅游景点、酒吧或体育场周边可能对应不同情绪模式。方法上的关键，是把社交媒体的实时表达与城市空间数据结合，让情绪成为可分析的城市现象。局限也很明确：数据只覆盖愿意发地理标记推文的人，语言以英语为主，推文内容受平台规则限制不能完整公开。 https://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0279749

GPT-3的核心机制，是在巨大文本语料上学习“给定前文后下一个token最可能是什么”。训练阶段会把约三千亿个token切成大量样本，让模型反复预测下一个词，计算错误，再更新参数；完成后，模型把学到的模式储存在一千七百五十亿个参数中。运行时，它接收提示词，在最多2048个token的上下文窗口内处理信息，经过96层Transformer解码器的矩阵计算，一次生成一个token，并把新生成的内容继续喂回模型。所谓少样本提示，是把任务说明和几个输入输出示例放进同一个上下文，让模型临时模仿这种格式，而不一定改变权重。它的能力来自规模、数据和Transformer结构的结合，并非真正读取事实库；微调则是在特定任务上继续更新权重，使同一架构更稳定地执行目标行为。 https://jalammar.github.io/how-gpt3-works-visualizations-animations/

杰出人物的童年常常不是普通教育的强化版，而是由特殊成年人、宽松自主和高密度知识环境共同塑造。许多科学家、作家、哲学家和作曲家小时候并未按标准学校路径成长，而是在家庭教师、父母朋友圈、书房、沙龙和严肃谈话中进入成人世界。关键并非提前灌输课程，而是让孩子长期暴露在真正从事思想、艺术或科学的人身边，并被当作能理解复杂问题的人对待。另一个共同点是大量不受同侪压力支配的空白时间：罗素在花园里独处，帕斯卡自学几何，图灵在学校体制边缘推导数学。书籍可以暂时代替社会环境，法拉第和拉马努金都靠阅读打开通道，但最终仍需要进入更高水平的人际网络。培养天才的重点不是复制课程表，而是重塑孩子周围的文化密度和自主空间。 https://www.lesswrong.com/posts/CYN7swrefEss4e3Qe/childhoods-of-exceptional-people

计算机能学习常识，但难点不在记住事实，而在把世界的隐含规则连成可用判断。人听到“奶酪汉堡刺伤”，会自然排除食物拿刀行凶、汉堡互相攻击等荒唐解释，推断为有人因汉堡刺伤他人；机器若只依赖规则或统计关联，就容易卡在这些角落案例。常识包含物理、因果、意图、社会规范和道德边界，清洁机器人要知道猫不能被丢掉，自动驾驶要知道贴了小纸片的停车牌仍是停车牌。早期路线试图用Cyc这类公理库手工编码世界，精确但笨重；新路线用语言模型和视频数据生成、筛选大量常识陈述，再让模型学习原因、结果和意图。它们已能在日常场景问答中接近人类，但仍缺少多模态经验、真实行动反馈和价值判断的稳固结合。 https://www.newyorker.com/tech/annals-of-technology/can-computers-learn-common-sense

ChatGPT更像网络文本的有损压缩副本，而不是一个可靠保存原文的知识库。施乐复印机曾因使用有损压缩，把平面图里不同房间面积都替换成同一个数字；危险不在输出模糊，而在错误看起来清晰可信。大型语言模型也类似：它从海量文本中学习统计规律，把原始内容压缩成参数，回答问题时重构一个顺滑近似，而不是检索精确事实。所谓幻觉正来自这种重构：缺失的部分会被语言模式补齐，语法正确、语气自然，却可能完全虚构。压缩也解释了它的强项，模型擅长在概念之间插值，把独立宣言风格和丢袜子这种荒诞主题混合成可读段落。但压缩不等于理解，算术错误显示它常学到表面模式而非底层规则；真正的理解需要能稳定重建原理，而不是只生成像真的答案。 https://www.newyorker.com/tech/annals-of-technology/chatgpt-is-a-blurry-jpeg-of-the-web

Stripe的优势仍然巨大，但它已经不能靠早期光环自然取胜。它最初改变支付行业，是因为把商户开户、网关接入和白标结账体验压缩到开发者几分钟就能完成的流程，正好赶上移动应用、市场平台和电商爆发。问题在于，现代支付已经不再只有Stripe一家：Adyen在企业客户和国际化上强劲推进，Checkout等新玩家追赶，Fiserv、Worldpay这类传统处理商仍掌握庞大的线下和大企业交易量。疫情后电商增长回到趋势线，苹果隐私政策削弱数字广告投放效率，直接影响依赖电商客户的支付收入。估值下调、裁员和员工股权流动性压力说明，Stripe必须从高速扩张公司转向更自律的上市候选人，在长期产品投资、企业市场竞争和短期盈利能力之间重新找平衡。 https://every.to/p/stripe-can-t-lose

连续读完从1923到2000年近四千期《时代》后，历史不再像一串事件，而像一条缓慢推进的河。个人寿命在这种尺度下显得极短，财富、名望和权力很快被新的面孔覆盖，真正值得投入的是亲密关系、自我理解和能跨越世代的制度。重大变化通常酝酿很久，由个人无法完全掌控的力量推动；繁荣年代也不会永久停留，拥有时应当珍惜。美国最有效率的时刻来自共同使命，而不是零散竞争。短期内政策影响命运，长期看科学与技术决定生活水平。人类共享一个脆弱的小世界，谦卑、同理心和守护公共机构，比征服式成功更接近时间给出的答案。保存人类理解、珍惜与所爱之人的时刻，才是读完一个世纪后最清晰的结论。 https://scottkrisiloff.me/

科幻式心灵感应很难成立，因为思想并不是天然采用同一种格式存放在每个人脑中。电子邮件能传输，是因为机器共享字符编码、网络协议和图片格式；人的神经活动却没有证据显示存在类似通用协议。把一个人的“想吃意大利饭”的脑状态直接送进另一个人大脑，对方未必能解释，甚至原本人一年后也未必能以同样方式读懂自己当时的状态。语言的作用并非简单包装已有思想，而是在交流中帮助人们建立概念对齐。现实中的脑对脑接口更接近预先约定的信号系统：通过脑电和磁刺激传递发射指令、光点或莫尔斯码式信息，能完成特定任务，却不是任意思想的直接转移。可行方向也许不是把意识原样搬运，而是把沟通理解为影响彼此行动的过程。未来的“心灵感应”若出现，更可能是训练过的协议、神经接口和语言系统的组合，而不是绕过语言的纯思想传送。

新功能只应在能明确推动获客、付费转化或留存时添加；没有真实用户和清晰问题时，不该进入开发。功能请求本身不是路线图，用户拥有问题，创始人负责设计解决方案。真正值得听的是现有客户和目标人群反复暴露出的痛点，而不是旁观者随口提出的愿望。判断一个功能，应看它是否有商业价值，是否覆盖足够多用户，用户是否愿意为它付费，现有替代办法是否已经足够，功能是否容易解释，是否强化产品定位，并且是否能制造让人留下来的关键体验。决定尝试后，也应先做最小版本验证，而不是一口气建完整系统。排序可以用价值与工作量象限、RICE、DIE 或按资源约束来处理，本质都是避免把有限精力花在看似热闹、实际不改善业务的东西上。添加功能前，先确认现有核心体验已经可靠，否则新功能只会放大混乱。

转化文案要先清楚表达产品价值，而不是堆技巧、情绪操控或流行词。读者只会在产品确实解决自身问题时行动，所以文案的任务是理解目标人群的痛点，用简洁、自然、可信的语言说明产品怎样帮他们。难点在于压缩信息和避开“知识诅咒”：创始人熟悉问题和方案，容易默认读者也懂，结果要么说得太少，要么解释过度。有效写法应从目标倒推，把最能促成阅读或行动的信息放在前面，提前回应常见疑虑，用客户评价、数据和具体结果建立信任。语言要像人说话，少用术语和空话，能删的词都删掉。CTA 不能只是“开始使用”之类的空按钮，而应绑定明确利益，并在首屏、结尾和长页面的关键段落之间出现。AIDA、PAS、QUEST 等框架有用，但它们只是组织信息的骨架；真正决定转化的，是对受众、问题、承诺和证据的准确把握。

2023 年的重要词汇集中反映了能源转型、战争风险、气候压力和数字安全的变化。氢气不再只是化学课概念，而被按生产方式分成绿色、灰色、蓝色、粉红色等颜色，背后对应可再生电力、天然气、碳捕获和核能等路线。eSIM 会让手机号码从实体芯片转向可迁移的数字凭证，通行密钥则用设备和生物识别替代密码，试图减少钓鱼和重复密码带来的风险。后量子密码学提前为量子计算可能破解现有加密做准备。战争语境中，横向升级、纵向升级、战术核武器和冻结冲突帮助理解乌克兰战事的危险路径。能源领域的液化天然气、再气化和浮式装置解释了欧洲摆脱俄罗斯管道气的现实手段。气候语境里，干旱化、韧性中心、凉爽屋顶和范围一二三排放，说明极端高温、水资源减少和企业碳责任正在进入公共决策。

小型数据库是独立网络最缺工具的一块拼图。发布一篇文档已经很容易，发布一个可搜索、可维护、可协作的收藏却仍然困难：艺术家索引、阅读清单、图画书档案、网络女性主义资料库，都需要对象、标签、关系、注释、稳定地址和导入导出能力，而普通建站工具更擅长页面，不擅长集合。电子商务平台已经证明产品数据库可以被非技术用户管理，但类似能力很少服务于业余研究者、策展人和小机构。理想工具应支持批量编辑元数据、创建路径和关系、开放文件格式、搜索发布，并允许自动化参与维护，例如抓取新资料、用机器学习提取颜色或媒介标签。问题不只是技术，也包括社会认知：像 Substack 让付费通讯成为可理解的模式一样，小型数据库也需要一个能让人轻松创建、更新、分享甚至收费的生态。更多小图书馆和社区索引出现，网络才会不只是文章流，也是公共记忆的细密结构。

自然语言不该成为软件的默认主界面，因为把一个空白输入框交给用户，等于把发现问题、组织问题、判断答案、反复修正的负担都推给用户。好的界面应当帮助人逐步探索问题空间，展示选项、上下文、约束和下一步，而不是要求用户一开始就知道该问什么。大型语言模型真正有潜力的地方，不是把所有功能都改成聊天框，而是在后台理解当前任务，主动提供合适的建议、示例、解释和可操作控件。工具栏可以随任务变化，对话框可以根据语境生成，教程可以针对个人误解调整，用户还可以指向屏幕某处请求说明。自然语言适合作为补充通道，尤其适合表达模糊意图；但成熟的软件应当把模型能力嵌入界面结构，让用户少猜、少写、少被空白提示框困住。懒惰的设计是只加聊天入口，真正的改进是让界面变得更会帮忙。

“修复并保留”是一种对房子、婚姻和生活都适用的伦理：不要一遇到破损、厌倦和失望就幻想推倒重来，先认真盘点已有结构，修补真正坏掉的地方。旧浴室里的一个小故障可能牵出水槽、地板、管道和浴缸的连锁翻修；家庭关系中的冷漠、酒精、暧昧和逃避也常常如此，表面是某个局部问题，实际牵动整套生活系统。消费文化不断承诺新房子、新城市、新工作、新伴侣会带来解脱，但不安并不总来自外部条件，自己也是每段处境中的共同变量。留下不是假装痛苦不存在，也不是拒绝重大改变，而是承认誓言和共同生活的重量，在最难的时候做维修工：拆掉腐坏的部分，补强结构，承受灰尘和工期。很多时候，真正需要的不是全新的生活，而是对现有生活进行诚实、艰难、持续的翻新。

浏览器扩展的价值不只在于广告拦截或密码管理，而在于它们让普通用户重新获得改造软件的权力。多数现代平台把用户限制在应用设计者预设的边界内，扩展却能在网页之上叠加新功能、删掉干扰、改变界面，甚至把多个小工具组合成自己的工作环境。它们强大，是因为 Web 把可读代码、语义标签和统一表单等结构暴露给浏览器，使第三方无需等待官方 API 也能动手。真正值得争取的方向，是让扩展更容易被普通人制作、更不容易被网站更新破坏，并在安全与隐私之间继续保留这种可改造性。开放平台的意义，不是让用户多填几个文本框，而是允许他们改变使用软件的方式。安静的、细碎的扩展生态，提醒我们计算机本可以更像可组装的工具箱，而不是封闭的消费品。

Arthur Rock 对硅谷的意义，不只是投中了几家公司，而是把技术人才、资本结构和创始人主导的公司形态连接起来。1957 年，肖克利半导体实验室的一群科学家不满老板的偏执和管理方式，原本只是想集体找新雇主。Rock 看到的不是招聘问题，而是创建公司的机会。他飞到西海岸，建议这群人停止寻找岗位，自己建立实验室，并设计出每位研究人员持股、投资方持股的安排。由于当时还没有成熟的风险投资行业，也很少有企业愿意给未经证明的技术团队股票期权，Rock 接连被多家公司拒绝，直到说服 Sherman Fairchild 以贷款和收购权的形式支持新公司。飞兆半导体很快盈利，并在 Robert Noyce 等人的推动下制造出商业可行的硅集成电路。它不仅让“硅”真正进入硅谷，还培养出英特尔、AMD、苹果相关生态以及后来的风险投资网络。Rock 的方法证明，早期资本最重要的作用是识别非凡团队，并为他们创造能自由工作的公司结构。

AI 看起来像泡沫，不是因为技术本身不重要，而是因为资本市场正在把“AI”当成万能溢价词。加密泡沫时，冰茶公司改名区块链就能暴涨；类似现象出现在 BuzzFeed 宣布用 OpenAI 增强测验和个性化内容后，股价短期大涨。私募市场也出现零收入 AI 公司拿到高估值的传闻。真正需要区分的是技术革命和投资回报：AI 可能改变软件、工作和社会想象，但不代表任何贴上 AI 标签的公司都能形成可持续优势。C3.ai 是警示案例。它自称企业 AI，却不掌握底层模型，也不拥有客户数据，依赖 OpenAI、Google 等实验室和 AWS、Azure 等云平台，同时又要负责最终业务结果。企业场景中最难的部分往往不是聊天界面或预测模型，而是脏数据清理、系统集成、组织支持和长期变更管理。大客户销售周期慢，投入重，衰退预期下更难推进。AI 价值链中可能有赢家，但泡沫会把计算、模型、微调、应用入口和咨询式集成都混成同一个故事。

可靠的视觉设计来自一组可反复使用的安全规则，而不是凭感觉堆装饰。屏幕上尽量不用纯黑和纯白，改用接近黑白的颜色，中性色若带色相就保持冷暖一致；重要元素需要足够对比，结构和阴影则可以低调。所有视觉决定都应能解释，包括空白、对齐、字号、间距、颜色和阴影。数学居中不总是视觉居中，图形和字母常需要按眼睛微调。文字越大，字距和行高通常越小；正文不宜低于 16 像素，行宽控制在约 70 个字符更利于阅读。界面要依赖一致的比例、网格和对齐关系，十二列网格提供了较高弹性。容器边框应同时区别于容器和背景，外边距至少不小于内部元素间距。按钮的横向填充通常应为纵向填充的两倍。复杂背景适合承载简单前景，复杂前景则应放在简单背景上。好的设计不是追求惊奇，而是减少无意之处，让每个元素的位置、重量和层级都显得必然。

循环经济若忽略人类排泄物，就遗漏了最关键的营养回路。食物在农田中吸收氮、磷、钾，进入城市后被吃掉、排出，却很少回到土地，而是通过污水系统流向水体或垃圾处理设施。这种断裂让农田失去肥力，河流和海洋因营养过剩出现藻华、湿地破坏和生态窒息，人类又用依赖化石燃料生产的合成肥料补回农田，形成更重的环境负担。真正的问题不是污泥没有价值，而是现代社会把污水视为必须远离和销毁的废物。密尔沃基的 Milorganite 证明，经微生物处理、干燥和制粒后的污泥可以成为稳定肥料；伦敦等地使用 Cambi 热水解系统，在高温高压下处理污泥，再通过消化产生肥料和沼气；加拿大 Lystek 则用搅拌、碱处理和低压蒸汽把生物固体变成可用于农业的产品。病原体已能通过技术控制，新的挑战是激素、抗生素和永久化学物质污染。要让农业闭环成立，城市必须把污泥重新看作资源。

科技巨头的衰退可以从两个层面理解：资本市场不再奖励无限增长的叙事，产品本身也从释放用户创造力转向更强的监控、锁定和成本控制。亚马逊早期愿意牺牲利润换取客户体验、基础设施和长期技术能力，高股价曾经支持这种英雄阶段；当市场转向利润和现金流，公司就更倾向于守住股价，而不是继续承担开辟新范式的风险。类似压力也作用于 Google、Meta、Twitter、Netflix、苹果和微软。Google 多年缺少标志性消费产品，搜索逐渐让位于自家业务和广告机器；Meta 试图用虚拟现实寻找出口，却仍受数据收集受限和产品吸引力不足困扰；Twitter 在被收购前已疲弱，被接管后更失去公共网络曾有的解放潜力。流媒体和创作者经济同样暴露了全球规模不等于可持续利润。科技巨头并非立刻消失，而是从扩张想象力的阶段进入管理衰退的阶段，它们仍能改进产品，却越来越少改变世界的使用方式。

当人已经不知所措时，有效工作首先靠暂停，而不是硬撑。任务、消息和网页之间的自动切换会把一天切成碎片，每完成一件事、收到一批信息、想打开分心应用时，都应停一下，问自己接下来是否有更重要的事。这种间隙暂停能把反射动作重新变成选择。第二个方法是分出短清单和长清单：短清单只放今天最值得关注的三到五件事，并按重要性排序；长清单收纳其他想做或新进来的事项。每天只盯住短清单最重要的一项，被打断后回到它，除非新的事情确实更重要。这样既有优先级，也保留对变化的弹性。第三个基础是把自我照料视为工作能力的一部分。注意力枯竭时，艰难任务会变得不可启动，运动、散步、睡眠、热茶、洗澡、与亲近的人相处，都是恢复精神能量的实际条件。效率不是把疲惫压下去，而是维护能持续专注的状态。

Facebook 更可能先成为万亿美元公司，因为它已经从众多竞争者之一变成难以替代的基础层，而 Uber 仍然处在被不同市场、不同资本和不同监管环境切割的竞争格局里。衡量一家公司的关键，不只是增长快不快，而是它是否拥有独一无二、难以复制的网络效应、定价权和人才吸引力。很多公司把接口、开发者工具或业务扩张称作平台，但真正的平台应让使用者创造的经济价值超过平台自身的价值，按这个标准，绝大多数所谓平台只是端点集合。硅谷的问题也来自同一种误判：太多资本追逐太少真正优秀的公司，延长了平庸公司的寿命，推高工资、租金和运营成本，让年轻工程师和早期创业者承担更高门槛。旧金山如果要继续承载创业生态，不只需要更多住房和交通投入，也需要降低创业公司的燃烧率压力。资本过剩并不会自动带来创新，它可能让系统把资源浪费在本不该存在的项目上。

Netflix 式视觉平淡正在扩散，因为当代影视越来越追求可控、统一、低风险的光滑外观，却牺牲了地点感、质感和记忆点。许多作品看起来昂贵、清晰、饱和、滤镜完整，但背景像不存在于任何真实地方：科技办公室、住宅街道、餐厅和城市空间都被拍成通用商业影像。问题不在于故事是否现实，荒诞或奇幻也能拥有真实气息；问题在于数字摄影、绿幕、声棚、后期修正和统一技术规格，让影像趋向同一种“完美”。这种制作逻辑把钱更多投向明星、包装和营销，而不是选址、布景、光线和环境细节。胶片时代的粗糙、阴影、自然光和真实空间，会让人物与世界产生摩擦；如今许多画面既暗又亮、既精致又空洞，像可用于库存广告的素材。约束本来能逼迫创作做选择，而随时可后期修复的便利，常常削弱了耐心和判断。

真正能提升生产力的工具，不是更复杂的待办系统，而是把事情拆成“紧急”和“重要”两条轴。很多人的一周被看似必须立刻处理的事务牵着走，忙到周五却说不清完成了什么。艾森豪威尔矩阵用四个象限迫使人重新分配注意力：重要且紧急的事立刻做，但长期要减少它们变成火警的概率；重要但不紧急的事要预约深度时间，因为它们会积累长期价值；紧急但不重要的事尽量委派；既不紧急也不重要的事应删除。关键不是消灭休息，而是识别哪些活动真能恢复精力，哪些只是消耗注意力。最终目标是让时间更多流向使命、价值观和长期目标，而不是被虚假的紧迫感反复打断。工作混乱时，矩阵提供的不是完美秩序，而是一次必要的减速和重新选择。短期它帮人排列任务，长期它训练人不再把所有响声都当成警报。