Leo的笔记本

这个问题我想了很久。 作为一个电子信息工程的硕二学生，做计算机视觉方向，身边的人大致分两拨：一拨准备读博，一拨准备找工作。两边都有道理，两边都有风险。 我自己目前倾向读博，目标是东华大学和上海交大。但我不会告诉你”读博一定好”或者”工作一定好”——因为这取决于太多个人因素。 我只说我看到的事实，和我自己的思考。 学术界的风险，比你想象的大 AI 领域有一个很残酷的现实：技术迭代太快了。 2017 年 Transformer 出来，之前做 RNN/LSTM 的研究基本一夜过时。2022 年 ChatGPT 出来，传统 NLP 的研究范式整个被改写。2024 年 Sora 出来，视频生成领域重新洗牌。 一个博士读四到六年，而 AI 的技术范式迭代周期大概只有两到三年。这意味着你读博期间，研究方向可能被颠覆一到两次。 毕业时发现自己做的东西已经没人关心了——这不是极端情况，是真实发生过的事。 另一个问题是学术界和工业界的脱节。以强化学习为例，学术界大量论文在卷 Atari 游戏的分数——“在 100k 步的时候谁分数高”。但工业界需要的是能落地的东西：机器人控制、推荐系统...

最近听到一个对”命”和”运”的解释，觉得特别通透。 命，就是当你面对一件事情的时候，按照你过往的性格和习惯会做出的行为。不假思索，自动反应——遇到冲突就回避，遇到困难就放弃，遇到机会就犹豫。这些刻在你身体里的默认反应，就是你的命。 运，是你停下来想了一想，然后做出了一个跟你平时不一样的选择。逆着本能，做出不同的行为，产生不同的结果。这就是运。 所以所谓”逆天改命”，逆的不是天，是自己的本能。改的不是命，改的是运。 命为什么难改？ 因为习惯的力量太大了。 心理学研究说，人每天 40% 的行为是习惯性的——不经过思考，自动执行。你遇到一件事，大脑会下意识地调用以前的应对模式，就像自动驾驶一样。 这些模式是你十几二十年养成的。内向的人遇到社交场合就想躲，悲观的人遇到困难第一反应是”算了”，冲动的人看到机会就直接冲——不是他们不知道有更好的选择，是身体比脑子快。 而且这些模式是可预测的。你身边的人大概率能猜到你面对某件事会怎么做。别人能预测你的行为，你的结果就基本是固定的。 这就是”命是定数”的意思。 运怎么来？ 运来自一个动作：暂停。 遇到事情的时候，不是立刻按习惯反应，而是停一...

最近听到一个说法，觉得特别准： 人和人之间的对话，也是需要消耗 Token 的。 你每天的精力就像大模型的上下文窗口——有上限。深度对话消耗大量 Token，闲聊消耗少量 Token，而大部分人的问题是：Token 花在了不重要的人身上，等到面对重要的人时，已经没余量了。 你有没有过这种体验？ 白天在社群里跟一堆人聊了半天，晚上回家女朋友想跟你说说话，你一个字都不想说了。 工作中开了五个会，每个会都认真听、认真回应，到了晚上该想正事的时候，脑子一片浆糊。 朋友聚会上努力活跃气氛，回到家瘫在床上觉得被掏空了。 这不是你冷漠，也不是你社恐。是你的 Token 用完了。 深度对话和闲聊，消耗量差了好几倍 心理学研究早就说过：人每天能做深度工作的时间大概只有 3-4 小时，高质量社交的极限大概是 2-3 小时。超过这个量，质量就急剧下降。 深度对话——认真倾听、共情回应、动脑思考——消耗的精力是闲聊的三到五倍。 问题是，很多人把这些宝贵的深度 Token 花在了不重要的地方：跟陌生人在评论区争论、在无效会议上假装专注、在泛泛之交的饭局上努力表演。 等到真正重要的人需要你的时候，你已...

希腊神话里有个叫西西弗斯的人，每天推一块巨石上山，快到山顶时石头滚下来，第二天重新推。日复一日，永无止境。 说实话，我觉得这就是大多数人的日常。 早上闹钟响，不想起但不得不起。到学校或公司，处理一堆消息、邮件、表格。中午匆匆吃个饭刷刷手机。下午继续开会、汇报、填材料。晚上回到家，躺在床上打开短视频，一刷就到十二点。 第二天，重复。 你以为自己在生活，其实只是在”活着”。 下班后为什么只想刷手机？ 有人会说：你怎么不利用晚上时间学习呢？ 说这话的人，大概没体会过一天被掏空之后的感觉。 一整天下来，精力被抽干、情绪被消耗、意志力归零。这时候大脑需要的不是”成长”，是休息。短视频、游戏、综艺，提供的正是最低成本的即时满足——不用思考、不用付出、马上有反馈。 这不是自制力差，是太累了。 我自己也一样。论文写了一天，晚上打开 B 站说”就看十分钟”，一抬头一个半小时过去了。不是不知道该学习，是真的没有那个精力了。 但问题是，短期看这是休息，长期看这是慢性消耗。时间被填满了，但什么都没积累下来。你以为在充电，其实只是在麻醉。 那就逼自己学习呗？代价你想过吗 有人说，那就咬牙挤时间啊。 ...

一只螳螂，举起镰刀，挡在重卡前面。 结果？被车头推开的高压气囊震碎外骨骼，变成绿色浆液。镰刀断成三节。 卡车司机全程无察觉，连刹车灯都没亮。 这个画面很残忍，但很真实。 社交媒体上，到处都是螳螂 你一定见过这种场景： 有人读了两篇养生推文，就质疑医生的诊断方案。有人看了几个财经视频，就觉得自己比经济学家更懂大势。有人用了几天 ChatGPT，就在评论区教 AI 研究员做事。 他们不觉得自己是螳螂。他们觉得自己在”据理力争”。 但在专业人士眼里，这连”对手”都算不上。就像那个司机——他甚至没意识到有什么东西挡过路。 为什么会这样？ 心理学上有个概念叫达克效应：能力越低的人，越倾向于高估自己。 不是因为他们笨，而是因为他们不知道自己不知道什么。 一个刚学编程一个月的人，觉得自己”差不多入门了”。一个写了十年代码的人，反而觉得”还有太多不懂的”。这不是谦虚，是真的看到了知识的边界。 社交媒体把这个问题放大了十倍。信息获取变容易了，就产生”我懂了”的错觉。表达门槛变低了，就产生”我能评论”的错觉。几个点赞几条转发，又产生”我是对的”的错觉。 碎片化信息给了人”知识幻觉”，但幻觉不是...

最近在 OpenClaw 社群、小红书、还有朋友圈里，我陆续看到一些让我坐不住的东西。 有人专门做 OpenClaw 上门部署，一单收 2000，一个月接十几单，稳稳当当月入两万多。 有人做行业定制 Agent，单子报价 10 万到 30 万，一年流水做到了二三十万。 还有人录了一套教程挂在小红书上卖，几百块一份，靠量走，也跑通了。 这些不是我编的”某创业者”故事，是我在社群聊天记录和小红书截图里亲眼看到的。 看完之后我的第一反应是：开源的东西，居然真的能赚钱。 第二反应是：这些人做的事情，技术门槛其实都不高。 先说清楚边界：下面这些数字都是我观察到的个案，不代表普遍收益，也不是创业建议。能不能做成，取决于获客、交付、售后、行业理解和个人执行力，不是看完一篇文章就能复制。 今天这篇文章，我想把我观察到的几个方向整理一下，顺便说说我自己的判断——哪些能做，哪些有坑。 先说一个反直觉的结论 OpenClaw 是开源免费的。很多人的第一反应是：免费的东西，怎么赚钱？ 但你仔细想想，Linux 也是免费的，Red Hat 靠它做到了上市。WordPress 也是免费的，围绕它的建站服...

每天刷新闻，都是”某某大模型又刷新纪录”、”AI 取代 XX 岗位”。 说实话，看完之后你什么感觉？ 反正我的感觉是——焦虑，但又不知道从哪下手。 FOMO（错失恐惧症）在 AI 时代被拉满了。你觉得自己落后了，但又不确定该往哪个方向追。 但后来我发现，AI 焦虑最容易把人带偏的地方，不是”不知道该学什么”，而是一下子把目标定得太大。 一上来就想学完大模型、RAG、Agent、微调、商业化，结果每个词都收藏了，每件事都没开始。 所以这篇文章不再写那种”AI 时代普通人的十条出路”。我只讲一个更小的目标： 先跑通一个闭环。 什么叫闭环？不是看了十篇文章，也不是装了五个工具，而是你真的用 AI 解决了一个具体问题，并且留下了一个可以展示、可以复用、可以继续迭代的东西。 下面这三层，不是职业规划路线图，而是从”今天能动手”到”三个月能沉淀”的行动梯度。 第一层：本周就能开始 1. 把 AI 变成你的「外接大脑」你不需要会训模型，你只需要学会用模型。 具体怎么做？找到你每天最重复、最无聊的工作，交给 AI。 比如： 每天下班前，让 AI 自动总结你的工作日志 把杂乱的聊天记录、会议...

原创 | 研途炼钢 当 OpenClaw 还在让开发者折腾 Docker 和 API Key 的时候，MiniMax 已经把”一键部署 AI Agent”变成了现实。 写在前面 最近 AI Agent 赛道热闹非凡——OpenClaw 开源即火爆，各家平台纷纷跟进。就在这个节骨眼上，MiniMax 在 2026 年 2 月 25 日正式推出了 MaxClaw，直接把 OpenClaw 框架搬上云端，用自家 M2.5 大模型（229B 参数 MoE 架构）驱动，打出了”10 秒部署、开箱即用”的口号。 我这几天深度体验了一番，说说真实感受。 一、MaxClaw 到底是什么？ 先厘清一个容易混淆的概念：市面上有两个 MaxClaw。 云端 MaxClaw（MiniMax 官方托管版）：你在 MiniMax Agent 平台（国际版 agent.minimax.io / 国内版 agent.minimaxi.com）上直接使用，所有计算和执行都在 MiniMax 的云端沙盒完成。这是本文的主角。 开源 maxclaw（GitHub Lichas/maxcl...

素材整理 | 研路炼钢 原文：Leopold Aschenbrenner，《Situational Awareness: The Decade Ahead》，2024年6月，165页，5万字 一、作者是谁？为什么值得认真读？ Leopold Aschenbrenner（利奥波德·阿申布伦纳），德裔美国人，19岁以最优毕业生身份从哥伦比亚大学毕业，主修经济学和数学统计。2023年加入OpenAI的”超级对齐”（Superalignment）团队，师从Ilya Sutskever。2024年4月因涉嫌泄露内部安全备忘录被解雇（他本人否认泄密，称只是与外部研究者分享了一份关于安全措施的头脑风暴文件）。 离开两个月后，他发布了这篇165页的研究报告，在硅谷迅速传播。特朗普女儿伊万卡都在社交媒体上推荐过。随后他创办了以此文命名的对冲基金”Situational Awareness LP”，获得Stripe创始人Patrick和John Collison等人投资，截至2025年管理规模超过15亿美元。 他不是旁观者，他是参与构建这项技术的人。 这篇文章也因此被一些人比作冷战初期外交官...

💡 八章内容一文打尽！口诀+框架+高频考点，覆盖选择/简答/辨析/材料分析全题型。3月8日考前必读！ 📊 考试分值地图单选21题（42分）+ 辨析4题（32分）+ 简答4题（40分）+ 材料分析2题（36分）= 150分 核心策略：学习心理（第四章）分值占比最高，德育（第七章）次之，教学原则/方法是材料分析题常客。 第一章｜教育基础知识与基本原理1.1 教育的本质属性有目的地培养人的社会活动（三个关键词缺一不可） 教育社会属性口诀「永恒历史相对独立」：永恒性、历史性、相对独立性（含历史继承性+不平衡性） 1.2 教育起源学说 学说 代表人物 核心观点 科学性 神话起源论 朱熹 神创造教育 ❌ 生物起源论 利托尔诺、佩西能 动物本能 ❌ 心理起源论 孟禄 无意识模仿 ❌ 劳动起源论 米丁斯基、凯洛夫 劳动中产生 ✅ 口诀：本能生利息（生物起源-利托尔诺-佩西能）、心理访孟禄、米凯爱劳动 1.3 20世纪后教育五大特点（简答题高频）口诀：全民多现身 全民化、民主化、多元化、现代化（技术）、终身化...