1 files changed, 86 insertions, 0 deletions
diff --git a/content/posts/weekly/43.md b/content/posts/weekly/43.md
new file mode 100644
index 00000000..669eb0a5
--- /dev/null
+++ b/content/posts/weekly/43.md
@@ -0,0 +1,86 @@
+---
+title: 稻草人周刊 Vol.43
+subtitle: 
+tags: 
+date: 2025-08-18T16:20:00
+categories: 稻草人周刊
+draft: true
+toc: true
+banner: 
+endnotes:
+---
+
+
+
+<!--more-->
+
+## ↯ · 当下
+
+- 
+
+## ⋈︎ · 连接
+
+### 为什么大语言模型无法创造软件
+
+{{< callout "文章链接：[Why LLMs Can't Really Build Software](https://zed.dev/blog/why-llms-cant-build-software)" "📜" >}}
+
+作者认为，真正的软件工程师构建软件的过程是这样的：
+
+1. 在脑中构建一个需求的模型；
+2. 编写代码实现它；
+3. 在脑中构建这段代码实际行为的模型；
+4. 发现两个模型的区别，然后更新代码。
+
+大语言模型很擅长写代码，但无法创造软件的根本原因在于：它无法维护清晰的思维模型。原因如下：
+
+1. **上下文遗漏**（context omission）：大语言模型会遗漏已经出现过的上下文。比如，明明先前要求大语言模型用 YAML 格式编写配置，可接下来却擅自使用 TOML 格式。
+2. **近因偏差**（recency bias）：大语言模型更容易被最近的指令影响。
+3. **幻觉**（hallucination）：大语言模型会幻想出根本不存在的细节。
+
+这些或许是能够解决的问题，增加「记忆」功能就可以解决一些遗漏，但根本上，大语言模型创造的是[思考的幻觉](https://machinelearning.apple.com/research/illusion-of-thinking)，他们不能维护两套「思维模型」、识别差异，然后判断应该修改代码还是修改需求。大部分复杂的思考还是要交给软件工程师来做。
+
+作者相信（至少目前为止）程序员仍然在驾驶座，而大语言模型只是可以取用的工具而已。
+
+#### 我的观点
+
+我一直不相信「AI 会取代人类」之类的鬼话，原因很简单：**计算机程序没有主体性。**
+
+至少目前为止，AI 仍然需要人与之交互（提供输入）才能生成内容，它不能给自己写提示词，也没法判断生成出来的代码究竟能不能用。==回顾历史，取代人力的从来不是新技术，而是掌握了新技术的其他人；只要自己成为掌握新技术的人，就能成为取代别人的人。==
+
+### 如何清晰地发言
+
+{{< callout "视频链接：[How to articulate your thoughts more clearly than 99% of people](https://www.youtube.com/watch?v=JHmAS4q-GqY)" "📺" >}}
+
+这位 YouTuber 拆解了「表述清晰」（articulate）的意思，即需要同时做到流畅（fluency）和连贯（coherency）。要做到这点，演讲者需要有好的内容和结构（content / structure），还要很好地将内容传达出去（delivery）。
+
+其中我觉得最有启发的建议是：减少听众的心理负担。如果讲了太多话，听众就需要耗费很多的心理资源和认知资源来理解这些话，用尽可能直接的语言描述自己的想法和需求能够提高表达的效率。不过，按照这位 YouTuber 自己的表述来看，他更多地是在传授「职场技巧」，即怎么和那些没什么时间精力听你讲话的高层人员做汇报、开会[^1]；我认为，减少听众的心理负担，对与自己了解甚少的陌生人沟通时也有必要。
+
+#### 我的观点
+
+在背景里的逻辑框架的伪装下，这位 YouTuber 的演讲看起来具有逻辑连贯性，实则不然。如果看完了整个视频，就能观察到明显的前后矛盾。
+
+首先，在「Content / Structure」部分，作者讲到的一条原则是「解释的最快路径」，即用最少的文字讲清楚自己的内容和目标，去掉不必要的细节。然而，在「Delivery」部分，作者却提到了「讲故事」的技巧，即通过描述场景、增加细节，让表达更引人入胜。这两条建议完全是相反的，而作者并没有解释这两条建议分别适用于什么场合。回过头看，这整个视频都充斥着**让人不知道什么时候用但听起来又很实用**的方法指导。
+
+当然，尽管我觉得内容不怎么样，但这位 YouTuber 讲话的方式非常清晰，我也完全理解了他的意思，这也是为什么我能很快找出视频中的逻辑错误。我认为他的表达清晰并非源自于他在视频中解释的方法，而是：
+
+1. 他的发音很清晰（enunciate 而非 articulate），观众能听清楚每个单词是什么。
+2. 他的重音很明显，需要强调的地方有自然地加重语气、拖长语调，一些不重要的虚词和句子语速则较快。
+3. 他有解释原因，不仅让观众理解了「怎么做」，还能在理性上认同「为什么要这样做」。
+4. 他有适当的例证，观众容易产生画面感，在感性上认可其价值。
+5. 他没有明显的卡顿、废话，整体而言，演讲较为连贯。
+
+缺点也很明显，比如 like 和 literally 这两个词用得实在是太多了，这虽然能从侧面看出他不是在背稿，而是完全基于自己的理解在阐述，但我作为听众不需要看到他的努力，我只需要看到一出逻辑清晰、观点明确、语流连贯的演讲。
+
+## ⁂ · 星群
+
+
+## ※ · 妙语
+
+{{< quotecard >}}{{</ quotecard >}}
+
+
+## ∬ · 切片
+
+- 
+
+[^1]: 他在视频里好多次描述了那种开会的场景，每次听到我都觉得头皮发麻。我要是真的需要经常做这样的回报，我大概迟早会上吊自杀的。