From c0fa9df648ebfb5b69d610bca5ff1261c8164235 Mon Sep 17 00:00:00 2001 From: Eltrac Date: Tue, 19 Aug 2025 22:13:44 +0800 Subject: docs: update drafts Former-commit-id: 50cdc64328381faca8580cd6015f124cbabc36a3 --- content/43.md | 86 ---------------------- content/posts/weekly/43.md | 86 ++++++++++++++++++++++ ...223\201\347\232\204\350\247\243\346\224\276.md" | 27 +++++++ 3 files changed, 113 insertions(+), 86 deletions(-) delete mode 100644 content/43.md create mode 100644 content/posts/weekly/43.md create mode 100644 "content/posts/\347\211\251\345\223\201\347\232\204\350\247\243\346\224\276.md" diff --git a/content/43.md b/content/43.md deleted file mode 100644 index 669eb0a5..00000000 --- a/content/43.md +++ /dev/null @@ -1,86 +0,0 @@ ---- -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: ---- - - - - - -## ↯ · 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 >}}{{}} - - -## ∬ · 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。 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: +--- + + + + + +## ↯ · 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 >}}{{}} + + +## ∬ · 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。 diff --git "a/content/posts/\347\211\251\345\223\201\347\232\204\350\247\243\346\224\276.md" "b/content/posts/\347\211\251\345\223\201\347\232\204\350\247\243\346\224\276.md" new file mode 100644 index 00000000..aef1e01b --- /dev/null +++ "b/content/posts/\347\211\251\345\223\201\347\232\204\350\247\243\346\224\276.md" @@ -0,0 +1,27 @@ +--- +title: 物品的解放 +tags: + - 消费主义 + - 断舍离 +date: 2025-08-19T21:15:00 +draft: true +toc: true +--- + +对于在智识上没有追求的人来说，书房就意味着杂物间。我的父亲为了养猫，在天台上修了阳光棚，还在夏季给它们提供二十四小时冷气。然而，家里的书房只有窄窄的一条，书架乃至书房本身都堆满了一切不该存在于那里的物件——露营灯、香薰液、猫窝、饲料盆、扶梯、甲醛清洁液、鸟笼、摇摆仪，还有最好笑的，一口锅。 + +这些物品是时间的见证，代表着一个又一个从未实现的野心，抑或是从未考虑过后果的购买欲。每次我回到家里，书房都会多出一大堆从未想过要处理的纸箱。我受不了沉闷的空气，我父亲见我在卧室的飘窗上写作，问我为什么不去书房，我便用「你说呢？」的眼神盯着他看。好在，我父亲买过的所有物品之中，有一件是能被我称得上是救赎的东西——空气净化器。当我得知我的父亲每个月花在*往自己肺部注入尼古丁和七十多种致癌物质*上的钱是我生活费的两倍时，我都不敢想象他把多少钱花在了网购上。 + +除了囤积，对物品的另一个滥用名为「收藏」。我没有责备的意思，相反，我觉得收藏是更健康的做法。收藏就是将一个物品从他的工具价值中解放出来，并为它赋予新的价值，而囤积则不在意物品本身的价值，只在乎拥有的分量。 + +今天的文章就从「囤积」和「收藏」两个角度审视人类与物品的关系。 + +## 不愿割舍的并非物品 + +如果我现在站起身，向左边走两步，然后蹲下来打开一个抽屉，我就能在里面找到一个绿色的卡包。卡包像枕头一样鼓了起来，里面塞满了不该装在里面的东西。如果我把它打开来，我就能发现三年前的某一天我写下的文字，只不过那些纸被撕成了碎片——那是一封我写的情书，把它撕掉是我怂恿他那么干的，因为那样能让我死心。我哭过之后把它留了下来，放进了抽屉里当作提醒。如今，我仍然不想要丢掉它，尽管我甚至没有勇气看看里面是什么样子。 + +客观来说，那里面装的只是一些沾了墨水的碎纸而已，我之所以丢不掉他，是因为我把自己的一部分投射到了那上面。纸被撕成碎片之后早就失去了它的使用价值，而我之所以想要把它留下，并不是希望使用它，而是希望为自己保留一份意义——换句话说，那是我的「收藏」。 + +博物馆里充满了人类的自我感动。早已失去实用价值的物件，如今被小心翼翼地放置在展示架上，用玻璃和围栏保护着。一些私人收藏也是如此，即便不是什么名贵的文物，一个人选择将无用的物品保留下来，或是剥夺物品被使用的权利，背后的原因是他相信物品的存在讲述了一个故事，是时间长河里的一个锚点。人们不愿意把这些东西丢掉，并不是担心失去它的使用权（他们早已主动抛弃了这一权利），而是担心失去能唤起某段回忆的东西，担心自己的经历会失去实物的证明，担心自己的故事会因此不再被讲述。 + +消费主义改变了这一点，如今被人们收藏的大多数物品是批量生产的，生来就没有使用价值的东西。人们购买他们就是为了留下它们，使用它们的方式就是陈列。人们之所以选择在这样的物品上花钱，是因为它们能唤起另一个人造的故事，又或者只是因为它们长得好看。现在，我屏幕上方的书架上就摆着一个耿鬼的树脂手办，它也讲述了一些故事，但并不是我的故事，而是发生在游戏机和电视屏幕上的故事。即便如此，我依然不愿割舍这件藏品，因为不管故事是谁的，我依然喜欢那样的故事；另一个重要的原因是，我花了钱，尽管理性上我知道那早已是沉没成本，但感性上我不愿意承认自己管不好我的钱袋子。 -- cgit v1.2.3