Leo的笔记本

前段时间看到一个说法，觉得特别准： 真正厉害的人挑选伴侣，只看一件事——和对方在一起，你是更有能量，还是更疲惫？ 不是看对方多好看、多有钱、多优秀。而是看：和这个人在一起之后，你是更自由、更松弛、更有劲头去干事情？还是更压抑、更内耗、更想逃？ 这个标准听起来简单，但我觉得它比所有”高价值伴侣清单”都管用。 “对你好”不是决定性因素 很多人找对象的标准是”对我好”。 这当然重要，但问题是——“对你好”是最低要求。任何一个正常人都应该对伴侣好。把最低要求当成核心标准，很容易踩坑。 更大的问题是，恋爱期的”好”可能是表演。有些人在追你的时候送花接送嘘寒问暖，目的达成之后就变了一个人。不是所有的”好”都是真的，有些”好”是有条件的。 “我对你好，但你要听我的。”“我对你好，但你不能让我不高兴。” 这不是爱，是交易。 生命力才是核心标准 我后来觉得，真正重要的判断标准就三个问题： 第一，和这个人相处完，你是更有能量还是更累？ 有些人自带能量场，跟他们聊完天你觉得充了电。有些人像一个黑洞，你的精力被源源不断地吸走。 第二，你能不能在这个人面前做真实的自己？ 不需要伪装、不需要压抑、不需...

前段时间看到一个问题：如果 70 岁的你能给 20 岁的自己写一封信，你会说什么？ 一位 70 岁的长者给出了 5 条建议。每一条都很朴素，但仔细想想，又觉得扎心。 不是什么新道理，但有些道理就是要被戳很多次才能真的听进去。 别老翻过去的账了 你是不是也经常这样：反复回想曾经的失败，后悔当时为什么没做另一个选择，脑子里不断循环”如果当时……”。 心理学上把这叫”反刍思维”。研究表明，每次回想过去的失败，大脑的反应跟你真正经历失败时是一样的——等于你把同一件痛苦的事经历了一百遍。 过去已经发生了，改不了。反复回放不是反思，是自我折磨。 我自己也有过这种阶段。去年两个国赛都拿了三等奖，当时很不甘心，连着好几天都在想”如果那个环节再多准备一下就好了”。后来发现这种想法除了让自己更难受之外，什么都改变不了。 过去是学费，不是包袱。学费交了就交了，背着它走只会更慢。 别提前预支明天的痛苦 担心明天的答辩、担心下个月的论文进度、担心毕业后找不到工作。 但研究数据说，85% 你担心的事永远不会发生。剩下 15% 发生了的，大部分你也能应对。 担心不会改变结果，只会消耗你今天的精力。你在焦...

如果让我用一句话总结这两年最大的感悟，大概就是： 健康幸福地活着，活得长长久久高高兴兴，是硬硬硬的硬道理。 听起来像废话，但你真的做到了吗？ 真正的痛苦和自己制造的痛苦 我后来想明白一件事：痛苦分两种。 第一种是真实的物质匮乏——吃不饱、穿不暖、交不起房租、看不起病。这种痛苦是真的，也是最优先要解决的。没有物质基础谈精神追求，是空中楼阁。 第二种是自己制造的精神痛苦——觉得别人应该按你的想法做但他没做，期待落空了，在意别人的评价了。这种痛苦本质上是你把自己的想法强加给了外界，外界没接受，你就难受。 分清这两种痛苦很重要。对第一种，想办法解决。对第二种，想办法化解。 物质基础：先确保自己能活下去 这话说得糙，但是真的。 我是一个研究生，有奖学金、有基本的生活保障。每次焦虑的时候我会提醒自己：你有一份收入，你吃饱了，你有地方住，你的基本需求是满足的。 这不是自我安慰，是在锚定一个事实——你的处境没有你情绪告诉你的那么糟糕。 马斯洛说得对：先满足底层需求，再追求高层的东西。物质基础没解决的时候，不要跟自己谈理想谈情怀。先确保稳定收入、建立紧急储蓄、买必要的保险。这些是地基。 精...

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、自动驾驶...

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。 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，围绕它的建站服务养活了无数人。 开源卖的不是软件本身，是”我帮你把这个东西用起来”的能力。 大部分企业和个人，面对一个开源项目的真实状态是：听说很厉害 → 打开 GitHub →...

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。 今天这篇文章，不讲大道理，只给你一套”从明天就能动手”的行动清单。 按门槛高低分了三层，挑一个适合自己的，先干起来再说。 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、会议纪要丢给它整理摘要 让 AI 帮你分析 Excel 数据、生成周报初稿 别小看这些”小事”。每周省下 5-10 小时，就是你学新东西的时间。 今天就能做的一件事： 用任意一个大模型的 API，写一个 Python 小脚本，让它每天帮你总结工作日志。不需要完美，能跑就行。 2. 做 AI 时代的「翻译官」技术更新太快，大多数人看不懂。 但你可以做那个把技术讲清楚的人。 开一个公众号、小红书、或...