Leo的笔记本

大模型时代，知识真的平权了吗？ ChatGPT、Claude、Gemini、DeepSeek……大模型一个接一个地涌现，而且还在快速进化。一个很自然的问题浮出水面： 我们是不是终于实现知识平权了？ 答案可能没有想象中那么乐观。 更准确地说，大模型确实降低了”拿到答案”的门槛，但没有自动降低”用好答案”的门槛。 这两个东西差别很大。 进步是真实的先说好的一面。大模型确实在做一些以前不可能的事： 以前想搞懂一个法律问题，要花钱请律师；想看病前做功课，要翻大量医学资料；偏远山区的学生遇到不会的题，身边没有好老师能问。现在，打开一个对话框，输入你的问题，几秒钟就能得到一个相当专业的初步回答。 语言壁垒也在被削弱。不懂英文的人，也能通过大模型高效获取英文世界的知识。理论上，一个县城中学的学生和北京四中的学生，可以获得同样质量的答疑服务。 这些进步是真实的，也是了不起的。 我自己最明显的体感是在读论文上。 以前读一篇英文论文，摘要、方法、实验、贡献点都得自己硬啃。现在我可以先让大模型帮我拆结构：这篇论文解决什么问题，用了什么方法，实验和 baseline 怎么设计，可能的缺陷在哪里。半...

我是怎么从”靠状态干活”变成”到点就干”的 我曾经以为执行力强就是”每天都很猛”。 比赛季的时候一天能肝十几个小时，代码写到凌晨两点还不想停。那种状态好的时候，确实无敌——效率极高，产出惊人，感觉什么都能搞定。 但状态差的时候呢？完全是另一个人。焦虑、拖延、刷手机、找各种理由说”今天状态不好，明天再说”。一拖就是三天，三天之后更焦虑，然后用一波熬夜通宵把进度补回来，再进入下一轮循环。 这种模式我用了很久，直到有一天我意识到：这不是执行力强，这是情绪在替我做决定。 执行力其实分三种回顾自己过去几年的状态，我发现执行力不是一个单一维度的东西。它至少有三种完全不同的驱动模式。 第一种：情绪驱动型。 状态好就高效，担心失败就停滞，焦虑的时候完全瘫痪。这是我最早期的模式。它的问题很明显——波动太大，完全靠天吃饭。今天心情好多干点，明天心情差就摆烂，一周下来实际产出远没有感觉中那么多。 第二种：意志驱动型。 靠自律硬撑，强迫自己坐在桌前，强迫自己打开文件，强迫自己写下去。比情绪驱动进步了一些，短期确实有效。但意志力是会耗尽的。撑了一阵子之后突然某天完全崩溃，报复性地什么都不想做。我在备...

堡垒机 & 踏板机 深度分析 同一种网络拓扑，两种截然不同的使用姿势。 目录 核心概念 堡垒机深度拆解 踏板机攻击视角 技术实现细节 真实攻防对抗 主流堡垒机产品对比 搭建一个最小化堡垒机 延伸思考 一、核心概念本质是什么？堡垒机和踏板机描述的是同一种网络结构：通过一个中间节点，访问原本隔离的区域。 1外部 ──→ 中间节点 ──→ 隔离区域内的目标 区别只在于谁在用、为了什么目的： 概念 使用者 目的 中文别名 堡垒机 (Bastion Host) 防守方（运维/安全团队） 合法管控、审计、降低攻击面 跳板机、运维审计系统 踏板机 (Pivot Host) 攻击方（渗透测试/黑客） 横向移动、隐藏真实来源 跳板、肉鸡 一个有趣的现实：攻击者最喜欢的踏板，往往就是企业自己的堡垒机——因为它被所有内网机器信任，一旦拿下，等于拿下整个内网的钥匙。 二、堡垒机深度拆解2.1 为什么需要堡垒机？没有堡垒机的企业网络通常长这样： 123456互联网 │ ├──→ Web 服务器（开放 80/443） ├──→ 数...

你有没有过这种经历——明明已经很累了，躺在床上脑子却停不下来。白天没做完的事、明天要处理的问题、甚至三年前一句说错的话，全在这个时候涌上来。 翻来覆去一个小时，越想睡越睡不着，越睡不着越焦虑。 这不是你意志力不够，是你的大脑还没收到”该关机了”的信号。好消息是，让大脑关机这件事，是有具体方法的。 身体层面：先把生理开关按下去 4-7-8呼吸法 吸气4秒，屏住呼吸7秒，缓慢呼气8秒。重复3到4次。 这不是玄学，而是在主动激活副交感神经系统。当你延长呼气时间时，身体会接收到一个明确的信号——“现在是安全的，可以放松了”。心率会下降，肌肉会松弛，大脑的警觉水平会降低。 大多数人做2到3分钟就会出现明显的困意。今晚睡不着的话，第一个就试这个。 渐进式肌肉放松 从脚趾开始，刻意绷紧5秒，然后突然放松。接着是小腿、大腿、腹部、胸口、手臂、肩膀、脸部，一路往上做。 原理很简单：很多人躺在床上的时候，身体其实是紧绷的，只是自己没意识到。肌肉放松法通过”先绷紧再松开”的对比，让你的身体真正感受到什么叫”放松”。做到头部的时候，基本就困了。 房间环境 两个硬条件：凉和暗。人体入睡需要核心体温下...

用过Claude的人可能注意到，让它做PPT、写Word文档、处理Excel的时候，它不是瞎写代码碰运气，而是有一套明确的流程和规范在指导它。 这背后的机制叫Skills。 这个概念不复杂，但理解它之后，你会对”如何让AI更好地为你工作”有一个全新的认知。 Skills的本质：写给AI看的操作手册 很多人第一反应是——Skills是不是某种插件？某种程序？需要安装、编译、配置？ 都不是。 Skills本质上就是结构化的文档，主要用Markdown写成，告诉Claude在执行某类任务时应该遵循哪些最佳实践。不需要打包，不需要配置文件，不需要任何编程环境。 打个比方：你去一家餐厅后厨，墙上贴着”红烧肉标准操作流程”——用什么锅、放多少糖、炖多久、怎么收汁。厨师每次照着做，出品就稳定。 Skills就是贴在Claude”后厨墙上”的那张操作流程。 它是怎么工作的？ 整个执行机制分三步： 第一步，判断需不需要。 当你发消息给Claude，系统会根据你的需求，判断是否有相关的Skill可以调用。每个Skill都有一段简短的描述，说明自己适用于什么场景。 第二步，读取操作手册。 如果...

——一场关于 AI 工具时代个人发展路径的深度对话 最近看到一段很有启发性的对话。 一个留美金融硕士，靠自学 AI 编程工具，很快做出了一堆项目：帮幼儿园做数字化、给妈妈做网站、开发 MBTI 测试应用、部署 Agent 工具……听起来是不是很厉害？ 但对话的另一方却泼了一盆冷水：你这是拿关羽的青龙偃月刀在砍苍蝇。 这句话值得每一个正在拥抱 AI 工具的人停下来想一想。 先说边界：这篇不是否定 AI 编程工具，也不是劝年轻人别折腾。恰恰相反，我觉得能快速把想法做出来，是这个时代给普通人的巨大机会。 问题在于，会用工具不等于有护城河，会写很多代码不等于做出了有价值的东西。 如果不把这个边界讲清楚，AI 编程很容易从生产力工具，变成一种更高级的自我感动。 一个典型的”AI原住民”画像 故事的主角背景并不复杂：本科经济学，研究生金融学，都在美国读的。编程基础有一些，系统学过Python，但自认不是传统意义上的程序员。 真正的转折点是研究生期间的一门课——《AI Essentials for Business》。通过这门课，他上手了 Claude、Claude Code 等 AI ...

我叫刘钢，英文名Leo，上海工程技术大学电子信息工程硕二，研究方向是计算机视觉和智慧城市。 如果只看履历，你可能会觉得这个人还不错——中国研究生创新实践系列大赛拿了4个国家级奖项（数学建模国二、华为杯AI国三、网络安全国三、EDA精英挑战赛国三），西门子杯省一、电子设计省三，还有其他大大小的竞赛奖项没一一列出。两年里参加了10场以上的国家级和省级竞赛。同时还是班级团支书、2021年入党、带队拿过”活力团支部”。 但如果你问我，我对自己满意吗？ 说实话，不太满意。 这篇文章，我想认真聊聊一个”看起来很努力”的人，真实的状态是什么样的。 我的工作模式：高并发 了解我的人都知道，我习惯同时推很多件事。竞赛、论文、社会工作、副业探索、技术学习、读书打卡……我给自己的这种状态起了个名字，叫”高并发模式”，像服务器一样同时处理多个请求。 峰值效率在晚上7点到10点。那三个小时我可以切换好几个项目，每个都往前推一点。状态好的时候，12个小时连轴转，产出惊人。 听起来是不是很酷？ 代价是：我的论文拖了好几个月，baseline直到最近才跑通。 9场竞赛、一堆奖项看起来很壮观，但有三场答辩，...

先用一个类比搞懂全局，再逐个击破，最后串联成完整工作流 为什么写这篇 Claude Code 的功能越来越多，但大多数人只会用最基础的对话。问题不是工具不强，而是组件太多、关系不清楚、不知道该从哪个开始。 这篇文章把 Claude Code 的七大核心组件一次性讲透：它们分别是什么、怎么配、什么时候该用哪个。文末附完整的协同工作流图和推荐上手顺序。 全局类比：Claude Code 是一个什么结构？ 把 Claude Code 想象成一个新员工入职系统： 组件 类比 一句话说明 CLAUDE.md 项目交接文档 告诉AI”这个项目是什么、怎么做” Commands/Skills 标准操作手册 把高频操作固化成一键命令 MCP 办公软件账号 让AI连接GitHub、数据库等外部工具 Hooks 自动化规则 “每次提交前必须跑lint”这种强制规则 Subagents 专项小组 把任务委派给专家，结果汇总给你 Plugins 入职大礼包 一键安装别人配好的全套工具 注：2026年2月起，Claude Code 已将 Skill...

深度解析：蒸汽、钢铁与无限心智AI如何重塑我们的世界 Notion创始人 Ivan Zhao 年终长文 · 万字拆解 引言：一篇让硅谷刷屏的年终宣言2025年12月23日，Notion联合创始人兼CEO Ivan Zhao在X平台发表了《Steam, Steel, and Infinite Minds》（蒸汽、钢铁与无限心智）。文章一经发出，迅速在硅谷科技圈引发强烈反响——OpenAI首席产品官Kevin Weil转发点赞，著名投资人Sarah Guo称其为”关于AI与知识工作最优美的文章之一”，国内外科技媒体纷纷跟进报道。 值得注意的背景是：Notion的ARR（年度经常性收入）已突破6亿美金，其中一半来自AI相关功能。这不是一个旁观者在发表空想，而是一个正在把赌注押在AI上的公司创始人，在用自己的实践数据说话。 这篇文章究竟说了什么？为什么能引起如此广泛的共鸣？它对我们理解AI的未来有什么实质性启发？本文将对原文进行逐层拆解，结合历史背景、技术现实和产业趋势，做一次深度解读。 一、核心框架：奇迹材料与时代定义者 1.1 每个时代的”奇迹材料”Ivan Zhao的文章开...

适用视角：计算机视觉方向研究生 / 多线并行工作者 / 论文产出驱动型用户 一、产品定位解构 MiniMax Agent 的本质定位不是”文生图工具”或”PPT 生成器”，而是一个面向非工程用户的全模态 Agent 平台。它试图用极低的使用门槛，将 LLM 的代码执行、多模态生成、工具调用等能力封装为”一句话交付结果”的体验。 与 Claude（含 Claude Code）的根本区别在于设计哲学： Claude 系列：以推理深度和工程可靠性为核心，面向需要精确控制输出的专业用户。 MiniMax Agent：以交付速度和视觉完成度为核心，面向”我不关心过程，只要结果好看能用”的场景。 二、核心应用场景（按科研实用性重排序） Tier 1：对科研工作流直接有价值的场景2.1 科研配图与数据可视化 论文架构图生成：网络结构图、模块示意图、流程图等，MiniMax 的审美优势在快速出图上有吸引力。 数据看板与交互图表：内置沙盒可自主运行代码，处理数据后生成可交互的可视化结果（如检测精度对比、消融实验柱状图）。 实际局限：科研配图对精确性和可编辑性要求极高...