技术

agentic chat 图数据库的一些考量 LLM一些探索 Agent实践 LLM预训练 向量数据库的一些考量 fastapi+sqlalchemy进行项目开发 LLM微调实践 Python协程实现 Agent Functon Calling LLamaIndex入门 Multi-Agent探索 Python虚拟机 LLM工作流编排 Python实践 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Python一些比较有意思的库 Transformers源码学习 LangChain源码学习 通用分布式计算引擎Ray Python并发 go依赖注入 go collection gc的基本原理 golang性能分析及优化 数据湖 高性能计算与存储 Linux2.1.13网络源代码学习 《大数据经典论文解读》 三驾马车学习 Spark 内存管理及调优 Yarn学习 从Spark部署模式开始讲源码分析 容器狂占内存资源怎么办? 多角度理解一致性 golang io使用及优化模式 Flink学习 c++学习 学习ebpf go设计哲学 ceph学习 学习mesh kvm虚拟化 学习MQ go编译器以及defer实现 学习go 为什么要有堆栈 汇编语言 计算机组成原理 运行时和库 Prometheus client mysql 事务 mysql 事务的隔离级别 mysql 索引 坏味道 学习分布式 学习网络 学习Linux go堆内存分配 golang 系统调用与阻塞处理 Goroutine 调度过程 重新认识cpu mosn有的没的 负载均衡泛谈 单元测试的新解读 《Redis核心技术与实现》笔记 《Prometheus监控实战》笔记 Prometheus 告警学习 calico源码分析 对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go channel codereview gc分析 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes扩缩容 神经网络模型优化 直觉上理解深度学习 如何学习机器学习 TIDB源码分析 什么是云原生 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 共识算法 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全访问机制 jvm crash分析 Prometheus 学习 Kubernetes监控 Kubernetes 控制器模型 容器日志采集 容器狂占资源怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes类型系统 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 线程排队 jib源码分析之细节 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI——容器网络是如何打通的 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 精简代码的利器——lombok 学习 《深入剖析kubernetes》笔记 编程语言那些事儿 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 如何分发计算 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记 log4j学习 为什么netty比较难懂? 递归、回溯、动态规划 apollo client源码分析及看待面向对象设计 学习并发 docker运行java项目的常见问题 OpenTSDB 入门 spring事务小结 分布式事务 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型和jvm内存布局 java exception Linux IO学习 netty内存管理 测试环境docker化实践 netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker namespace和cgroup zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 深度学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM执行 git maven/ant/gradle/make使用 再看tcp kv系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 Go基础 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

架构

bert rerank微调 大模型推理tips RAG向量检索与微调 dddfirework源码分析 RAG与知识图谱 大模型推理服务框架vLLM 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer k8s设备管理 ddd从理念到代码 如何应用LLM 小鼠如何驾驭大象(LLM)? 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 AutoML和AutoDL 特征平台 实时训练 分布式链路追踪 K8S YAML 资源清单管理方案 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从混部到统一调度 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 多活 volcano特性源码分析 推理服务 kubebuilder 学习 mpi 学习pytorch client-go学习 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 学习rpc BFF openkruise学习 可观察性和监控系统 基于Kubernetes选主及应用 《许式伟的架构课》笔记 Admission Controller 与 Admission Webhook 发布平台系统设计 k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? 《软件设计之美》笔记 mecha 架构学习 Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 业务系统设计原则 grpc学习 元编程 以应用为中心 istio学习 下一代微服务Service Mesh 《实现领域驱动设计》笔记 概率论 serverless 泛谈 《架构整洁之道》笔记 处理复杂性 那些年追过的并发 服务器端编程 网络通信协议 架构大杂烩 如何学习架构 《反应式设计模式》笔记 项目的演化特点 反应式架构摸索 函数式编程的设计模式 服务化 ddd反模式——CRUD的败笔 研发效能平台 重新看面向对象设计 业务系统设计的一些体会 函数式编程 《左耳听风》笔记 业务程序猿眼中的微服务管理 DDD实践——CQRS 项目隔离——案例研究 《编程的本质》笔记 系统故障排查汇总及教训 平台支持类系统的几个点 代码腾挪的艺术 abtest 系统设计汇总 《从0开始学架构》笔记 初级权限系统设计 领域驱动理念 现有上传协议分析 移动网络下的文件上传要注意的几个问题 推送系统的几个基本问题 做配置中心要想好的几个基本问题 不同层面的异步 分层那些事儿 性能问题分析 用户认证问题 资源的分配与回收——池 消息/任务队列

标签

k8s设备管理 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 K8S YAML 资源清单管理方案 从混部到统一调度 volcano特性源码分析 kubebuilder 学习 client-go学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 openkruise学习 基于Kubernetes选主及应用 Admission Controller 与 Admission Webhook k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 如何学习Kubernetes 以应用为中心 kubernetes operator kubernetes扩缩容 serverless 泛谈 什么是云原生 自定义CNI IPAM docker和k8s安全访问机制 Kubernetes监控 Kubernetes 控制器模型 Kubernetes资源调度——scheduler Kubernetes类型系统 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 Kubernetes源码分析——从kubectl开始 kubernetes yaml配置 CNI——容器网络是如何打通的 当我在说PaaS时,我在说什么 《深入剖析kubernetes》笔记 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件
agentic chat bert rerank微调 大模型推理tips LLM一些探索 Agent实践 LLM预训练 RAG向量检索与微调 LLM微调实践 RAG与知识图谱 大模型推理服务框架vLLM Agent Functon Calling LLamaIndex入门 Multi-Agent探索 LLM工作流编排 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Transformers源码学习 LangChain源码学习 如何应用LLM 小鼠如何驾驭大象(LLM)? AutoML和AutoDL 特征平台 实时训练 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 推理服务 mpi 学习pytorch 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 kaggle泰坦尼克问题实践 神经网络模型优化 概率论 直觉上理解深度学习 如何学习机器学习 深度学习泛谈

时不时应该看看的几篇文章

2017年03月31日

简介

技术

个人成长

老司机谈技术天花板——做自己的破壁人

  1. 静能生慧
  2. 海阔天空,你的知识体系的容量决定了你思考的广度。google可以是你的知识库,但你需要一串钥匙,所以你的知识体系一定要广。比如Memorybarrier 的问题,如果你都不知道有这种问题,如何去google检索呢?当你的知识体系化足够全面,你思考问题的效率就会更高,思考的过程也会更为全面合理
  3. 高屋建瓴。extra,仓促本身就是最要不得的态度。当你做某件事情的时候一旦想要快,就表示你再也不关心它,而是想去做别的事情?

做到这一点,你也可以成为优秀的程序员

一份平民化的应用性能优化检查列表(完整篇)一些正确但稍显废话的原则,但能指导后面每个章节的优化,所以还是要啰嗦一次。

  1. 可扩展性架构,堆机器能不能解决问题是最最优先考虑的问题
  2. 去中心化的点对点通信,优于通过中心代理的通信
  3. 池化的长连接,优于短连接
  4. 二进制数据,优于文本数据
  5. 尽量减少交互,一次调用的粗粒度聚合接口 优于 多次调用的细粒度接口
  6. 尽量减少交互,批量接口优于循环调用
  7. 尽量只交互必要的数据
  8. 尽量就近访问
  9. 尽量使用缓存
  10. 总是设定超时
  11. 在合适的场景,并行化执行
  12. 在合适的场景,异步化执行

阿里P9技术专家:程序员的技术实力是什么?要点如下:

  1. 判断技术实力的一个总的原则就是:技术实力就是指解决问题的能力!
  2. 问题是和领域相关的,技术是用来解决问题的,因此技术也是领域相关的,不存在放之四海皆准的技术。
  3. 技术只有能够解决某个领域的问题才有价值,否则光知道某个技术没什么用;掌握了某个技术但在当前的领域用不上,这个技术对当前领域来说也没有价值。当然,确实存在某些技术可能在当前看起来对当前领域没有用,但后面可能会用到,因此技术人员需要自己储备一些当前暂时没有用的技术以拓宽技术视野,例如当前大火的人工智能和区块链技术,但要注意“可能”这个词,这需要技术人员自己进行判断和平衡,不能拿技术储备作为托词一股脑的什么都储备,例如数据库开发工程师至少在这几年是不需要储备 VR 知识的。
  4. 问题的复杂度决定技术实力的高度
  5. 技术实力分为两大类 6 分类:

    • 硬实力: 真正解决问题的能力,别人可以看出来的能力,技术实力按照“点、线、面、体”的 4 个分类逐层上升;
    • 软实力: 比硬实力更厉害但也更虚的能力,简单来说,要想解决问题首先得发现问题,但很多时候问题并不是一目了然的,需要有一定的技术洞察力。软实力主要包括 2 个核心能力:发现问题、技术创新。
  6. 常见的程序猿:代码靠抄,方案靠搜,效果靠试

毕业3年,为何技术能力相差越来越大?

  1. 知识+逻辑就基本等于你的能力,知识让你知道那个东西,逻辑让你把东西和问题联系起来。
  2. 为什么你的知识积累不了?知识之间是可以联系起来的并且像一颗大树一样自我生长,但是当你都没理解透彻,自然没法产生联系,也就不能够自我生长了。当我们讲到入门了某块知识的时候一般是指对关键问题的点理解清晰,并且能够自我生长,也就如滚雪球一样可以滚起来了。学习了一个新的判断入门的标准
  3. 好的逻辑又怎么来?实践、复盘

技术人员的发展之路 未读

学区房绑定的好高中的伟大力量究竟在哪里?#惊云

如何构建知识体系?

  1. 为什么你的知识积累不了?问题出在了理解上,每个人的理解能力不一样(智商),绝大多数人对知识的理解要靠不断地实践(做题)来巩固。
  2. 为什么实践效果不一样?知识+逻辑基本等于你的能力,知识让你知道那个东西,逻辑让你把东西和问题联系起来。
  3. 系统化的知识哪里来?知识之间是可以联系起来的并且像一颗大树一样自我生长,但是当你都没理解透彻,自然没法产生联系,也就不能够自我生长了。好的同事总是能很轻易地把这个大图交给你,再顺便给你几个抓手,你就基本入门了,这就是培训的魅力,这种情况肯定比自学效率高多了。但是目前绝大部分的培训都做不到这点。
  4. 好的逻辑又怎么来?实践、复盘。
  5. 有哪些好的行为帮你更好地掌握知识? 看东西的时候要做笔记,一般深一层的理解才能理解上一层的设计。

应用刚启动连接到数据库的时候比较慢,但又不是慢查询。

  1. 这位同学的解决办法是通过tcpdump来分析网络包,看网络包的时间戳和网络包的内容,然后找到了具体卡在了哪里。
  2. 如果是专业的DBA可能会通过show processlist看具体连接在做什么,比如看到这些连接状态是authentication状态,然后再通过Google或者对这个状态的理解知道创建连接的时候MySQL需要反查IP、域名这里比较耗时,通过配置参数skip-name-resolve跳过去就好了。
  3. 如果是MySQL的老司机,一上来就知道连接慢的话跟skip-name-resolve关系最大。

这三种方式都解决了问题,最后一种最快但是纯靠积累和经验,换个问题也许就不灵了;第一种方式是最牛逼和通用的,只需要最少的知识就把问题解决了。

技术大势

互联网分层架构的本质

重读多少遍都不过分:阿里玄难:面向不确定性的软件设计几点思考

  1. 软件发展的几个阶段
  2. 传统软件设计:外延的确定性
  3. 思考角度的变化:内核的确定性
  4. 文档即代码
  5. 面向功能的组件化设计到面向业务的对象化设计

生活

金湘玉易得,佟湘玉难求

牌如人生:从打扑克中学到的人生课程

胡适北大毕业礼致辞:成功不必在我 功力必不唐捐 ,不管你是做其他相当的职业、做官、还是在家享福、失业,都有可能有堕落的危险:第一是容易抛弃学生时代的求知识的欲望;第二是容易抛弃学生时代的理想的人生的追求。胡适说,有三个方法可以避免堕落:

  1. 总得时时寻一两个值得研究的问题!
  2. 总得多发展一点非职业的兴趣
  3. 你总得有一点信心

这个世界里充满了各种语言,但语言背后的坚守就不那么多,结果过分华丽的语言反而显得矫情,不真诚。

幸福作为生活的副产品,是很棒的一个东西, 但把幸福作为目标来追求,只会导致灾难。

守恒的人生悲怆:越幸福的人,越难以成就伟大的人生

为什么有些技术书籍难以读懂?

  1. 任何一件事(不管写书还是编程),要想做到周详细致,都会花费非常多的时间和精力,直至远远超过最初的计划。
  2. 对于某项技术的理解能达到的深度,可以认为有三个阶段。从完全未知到经过调研,这是第一阶段,是「以为自己会了」;真正实现出来,是第二个阶段,这才是「真会了」;最高阶段则是阐述清楚,对别人讲明白。这里所说的对别人讲明白,就不仅仅是自己理解的问题了,还需要按照对方的思路。

从濒临解散到浴火重生,OceanBase 这十年经历了什么?其实绝大部分人都非常聪明,或者说智慧都足够,但最终能把事情做成的人却不多。有时候大家在想这个人是大聪明那个人是小聪明,不是说他的智慧不够。如果一个人把他的智慧放在做应该做的事情、需要做的事情、重要的事情上,可能这个人真的就是大聪明。

明明可以选择长期利益,为什么我们总是图个“一时爽”?

  1. 人们该做的事和实际行动,为什么不一致?生活中四处都是,只要是人们需要下决心才开始做的、有价值的事,实际行动之前都可能出现倦怠。
  2. 在某些情况中,该做什么其实非常明确,局外人一看就明了,但是我们却容易当局者迷。我们其实知道自己该做什么,知道怎么样的决定对未来有利,但是却没法行动,甚至做出完全相反的决定。
  3. 如果某个行动背后没有目的,那你做出这个举动的最大收获,就是获得舒适感
  4. 几乎所有需要付出努力,但最终能带来有利结果的决定,我们的默认状态都是“不行动”。更糟糕的是,在需要克制自己的活动上,我们的默认状态都是“行动“
  5. 多年来,自然选择一直为我们提供生存所需的硬件,在维系人类生存方面,做得还算不错。但是在生物进化的漫长旅途中,自然选择搞砸的次数也不少。自然选择就好比进化的设计师,但是,她使用的工具非常原始,不会精确测量或者计算,来保证进化出来的物种精神上的健康。她让物种代代繁衍,生生不息,让DNA不断传递下去的工具只有一个:欲望之锤。
  6. 欲望之锤,就好比精神化疗,虽说能有效就消除你的短暂的不适感,但是在此过程中,却很有可能带来很大的破坏。愉悦感,对抗的是恐惧和焦虑(在我们的有性繁殖中,最需要逃避的两种情绪;但是,这也正是自然选择赋予我们的默认设置)。但是,愉悦感也有可能让你很难做到自律,遵循道德,让你无法深思熟虑,为长远利益做考虑。愉悦感能滋长雄心壮志,以及人们对成就感的渴望,同时,也让我们变得鼠目寸光,无视自己行为的潜在后果。
  7. 自然选择,挥舞着欲望之锤,在六万年前对人类的生存,绝对是必要的。但是时代已经变了,我们的物质供应从未如此充足。现在,让自己不舒服,反而成为生活中越来越重要的一部分。要是我们的祖先能吃饱了懒洋洋地躺着,他们可能觉得自己在极乐世界。但是这种倦怠的状态,只会让你失去灵感、变得满足和麻木。这个宇宙中最讽刺的就是,物资越充足,人越怀疑自己存在于世界的意义。只要我们的技术一直进步下去,人们相互之间都能联系,那人对于意义的找寻,就会继续寄托于收获、成果和使命。
  8. 我们自己需要努力,才能确保自己本来就知道的道理,真的付诸行动,让自己知行合一。PS:深层的变化不是来自知识的获取,而是来自言行的改变。
  9. 如果想要这样理想的人生,我们必须赢得理智与生理之间的斗争。那么,了解阻力发挥作用的机制,然后克服阻力,就显得尤为关键。
  10. 当我们真正意识到这些问题,意识到自己的理智和实际行动之间的偏差,我们就能理解,为什么自己没有按照自己的想法行事。在头脑清醒的情况下,我们才知道如何看待自然选择,在感谢她带给我们生命的同时,也明确地知道,自然选择在我们运行机制中捣的鬼,我们还得自己收拾。

JOIN于宙: 我预见了所有悲伤, 但我依旧欣然前往

“如果你没犯过错, 很大程度不是因为你牛逼, 而是因为你根本没能上桌打牌.” — <同龄人李叫兽>

这些年我一直在想, 自己人生哪来这么多莫名其妙的痛苦, 可能主要矛盾就是无法做到真正的自洽, 一面有着异常冲动而激烈的情感, 另一面又极度的理性地追求客观事实.

所有边际成本低的行业都意味着赢者通吃, 等待你的都是血雨腥风的竞争.

很多人好奇金融专业的核心竞争力到底是什么, 在我看来一个是通过数据模型的定量分析, 一个是定性的抽象分析能力.底层逻辑其实就是群体意识剖析和群体行为预判. 一个人的抽象分析能力强, 你很容易就知道什么东西行, 什么东西不行. 正所谓秀才造反, 三年不成.

还记得梁宁的文章里说过, 痛苦本身也是一种天分. 未知的海量困难, 能挡住大多数追求愉悦的人, 但它挡不住拥有巨大痛苦的人.

我无法忍受人类总是基于表面现象强行归纳出一堆可笑的理由. 极度崇尚第一性原理和演绎法, 痛恨类比和归纳.

朋友们, 除非能像股票和期货一样去做空, 否定任何一件事情和否定任何一个人, 都是没意义的. 你回头想想, 你从来无法通过证明别人是错误的, 而得到任何收益. 要么学会相信别人, 要么学会让别人相信你.

我终于明白了一个简单而残酷的道理, 其实就是牛顿律和万有引力:”一切物体在没有受到力的作用时,总保持匀速直线运动状态或静止状态,除非作用在它上面的力迫使它改变这种运动状态。”从出生的那一刻起, 绝大多数人的一生都是沿着一条轨道平稳的行驶着, 你的家庭, 智力, 环境如同万有引力一样, 将你牢牢地钉在这条道路上. 而你但凡想脱离现有的运动轨迹, 必须有巨大的外力冲击, 才有可能脱离现有的惯性, 驶上一条全新的轨道. 这背后需要的能量之大, 就如同每一次火箭升空穿越大气层一样, 单凭时间的积累是不够的, 只有短时间之内爆发出巨大的加速度, 才有可能抵挡住强大的万有引力将你吸回原来的轨道. 这个推力的原点可能是外部泡沫产生的势能, 也可能是你自身忽然迸发出了强大的内力, 但它一定不会顺其自然发生, 确切的说, 我从来不相信顺其自然这件事, 无论是从演绎法, 还是归纳法, 在我的人生经历中, 没有任何一件值得称颂的事情是顺其自然发生的, 无一不得靠单位时间内碾压式的付出甚至豪赌, 去冲破现有的惯性, 而火箭到底能不能冲出大气层, 那一刻你并不知道.

我们总是习惯在别人成了事之后, 从他们身上学到成功的规律和技巧, 殊不知真正左右人生高低的胜负手, 都是在根本不知道结果时的选择.

事实上, 只有无法用结果证明自己的人, 才热衷于强调努力的过程. 如果一个人能养成这个习惯, 这辈子必然不会过得太差. 努力的实质是一种成本, 而你的成本是你自己的事情, 没人关心你的成本, 他们只关心你能给他们带来的利益是什么. 之所以创业维艰, 难就难在这. 创业唯一的出路, 就是必须在某一个点上, 做的比所有人都好, 给消费者带来前所未有的体验, 进而容忍你那些不完善的地方.

“矛盾其实并不存在,你无论在什么时候遇到矛盾,检查一下你都有哪些前提,就会发现其中必然有一个是错的。”

互联网真的是万能的吗? 每一次连接的价值, 是不是能超过技术开发的成本+维护供给有成本+获取流量成本+留住用户的成本? 为什么那些曾经烧了大钱的明星O2O企业大多黯然离场? 为什么王兴要不断的把各式各样看似毫不相关的服务业堆到一个App里? 大麦如果不是因为控制了票务的B端, C端产品的逻辑还成立么? 那些在陌陌和探探上找不到朋友的人, 现在在用什么?朋友们, 这就是这个世界的真相, 一切问题都有解决方案, 只不过是这个成本谁来承担.

“我们必须把利他主义的美德灌输到我们子女的头脑中去,因为我们不能指望他们的本性里有利他主义的成分。”—<自私的基因>**每一个用户来用我的产品, 天经地义就是来索取价值的**. 而在一个点对点互动的社交App里, 谁来满足这每一个用户的社交需求呢?

回忆自己整个成长的历程, 一路都是对抗人性的过程. 我总是想着刻意培养自己敢于追求不确定性, 延迟满足感, 放弃自我感受, 永远先提供价值, 极度追求客观真理. 每一样符合人类基因的本能偏好, 都会令我感到恐惧, 以至于久而久之, 自己已经严重地偏离了真实的群体心理却全然不知.

“人不是被设计来理解世界的, 我们只是被设计来繁衍的.”— <随机致富的傻瓜>

能把事情分析的很清楚, 和能把一件事情做到, 两者之间其实没有任何关系。具体来说有两个原因, 一个是业务上, 一个是管理上.业务上的事情前面说过,分析能力这件事情, 其实只能用来做选择题, 而创业本身是个填空题. 就像你看完了这篇文章, 也会知道社交的最大难点之一在于如何让一个普通用户承担需求和供给的双重身份, 让其他人也愿意认识他跟他加好友, 但你并不知道具体的解决方案是什么.

但抛开互联网社交这种极少数必须通过产品业务创新才有可能立足的商业模式,绝大多数的生意, 做老板需要的既不是分析能力, 也不是创新能力, 而是整合资源的心力和调动组织结构的能力.如果满分是100的话, 我给自己的业务打70分, 心力120分, 管理大概是0分.这个问题的可怕之处在于, 我从事着最重管理的餐饮业将近五年成绩尚可, 不但对自己一直在管理上没入门这件事浑然不知, 还一直为自己事必躬亲, 处处能征善战洋洋得意. 确切的说, 直到半年前, 我对管理的理解还停留在, 自己把每一块业务钻研到极致。创业这么多年, 我终于不再停留在一个身必躬亲的手艺人的格局上, 期待下一个十年, 可以通过组织结构的力量, 去达到一个新的高度.

“你需要将你的战略建立在不变的事物上, 把所有资源All in在不变的事物上”—杰夫·贝索斯

事实一次又一次的证明, 再精致的细节, 都无法弥补错误的方向. 而一旦找到了正确的方向, 细节的威力才能被放大, 一定要快马加鞭.

这个世界上最贵的东西, 还是认知. 尤其是反共识但是正确的认知, 才是真正推动人类进步的力量.

普通人眼里的世界是静态的, 即一切事物必须永远保持在他第一次接触到的时候的状态才是合理的. 强者恒强, 老实人永远老实, 麦当劳生意永远好, 美利坚的民主制是永恒的灯塔之光, 刘亦菲永远没演技, 屌丝永远没朋友.但实际上, 世界本身之所以存在就是为了进化服务的. 我们所做的每一件事, 都是在为了产生变化, 而非不变. 就像JOIN的每一个版本, 都是为了下一个一样, 也希望每隔一段时间, 在JOIN里遇见一个不一样的你.

人性是沉睡的马,时代是溶解的花。#从这周股市聊起 你只要抓住了大部分人的心理弱点,你便能回头克制自己内心的弱点,从而极大程度的锻炼你的延迟满足感,最终实现信息不对称。而财富,则是信息不对称带来的结果而已。

人生里,一定有一些时刻,会让你觉得那种普鲁斯特式的感觉喷薄而出,让你突然对某些学科、某些行业、某些人,产生一种无以名状的感性认识。无论你是谁,无论你家庭背景如何,也一定都会有。

抓住这些细节,这都是生命里最美好的遗珠,一旦你抓住了它,然后朝着这条路反复的摩擦后,你的内力便会更为强大,因为你在某些人性弱点中,可以凌驾于大部分人了。

多去寻找人生的细节,这些普鲁斯特的感觉,不是坐在家里什么都不做日复一日活在舒适圈中才能实现的,不炒股,你永远没法体会踏空的感受,不接新项目,你永远无法体会压力的感觉,不认识新的人,你永远无法找到人的共情心,不接触新事物,你永远无法体会被骂、体会失败的痛楚,而这些往往都是你细节的来源。踏空了一次,你就会感受到人本性的那种脆弱,而踏空后又追高一次,你就会感受到抵抗人性的困难。能在股市里纵横多年的人,往往早都把心理磨练的足够强大,强大到你在某些层次根本无法理解,所以很多大师出来讲课,往往没法告诉你买什么股怎么看K线这些,它只会给你讲心理,将人性。蓦然回首,那人就在灯火阑珊处。看山依旧是山了。

找到人生里那些大部分人的人性弱点,抵抗住第一波顺从心,然后通过一次又一次的磨练改掉它,这便是修行,这便是成长,这便是活着。

“努力就会成功”回想一下我以前在职场上的很多关键点,不是因为我加班了,而是因为在某些关键问题上,我跳出来解决了其它人都解决不了的问题。拼的不是谁干的多,而是谁解决的问题更难。我加班996的时候,从来都不是我成长最快的时候,而我和一群牛人在解决难题的时才是我成长最快的时候。当然,我也有被骂的时候,也有失败的时候,但基本上来说,我无法通过努力工作改善我思维的不足

这一万字里藏着中国未来最大的商机全国约有90%以上的人没有喝过星巴克;50%以上的中国人没有喝过农夫山泉;13亿人没有出过国;10亿人没有坐过飞机;每年常旅客不超过1500万(年飞行超过6次的称为常旅客);00后存款只有1840元,但90后更少,800块;中国TOP1的酱油公司是海天酱油,净利润是30.5%;在农村,80寸电视机卖得非常好。但一线城市家里放不下80寸的电视机;富贵和贫穷是一样的,都会限制人们的眼界和思考能力,书读多了反而让人变得反智

以前我们是向所有人做一种生意,现在是围绕着一群人做所有生意。海底捞给我们的启示是,什么部门都能赚钱。海底捞把财务部门做成了财务咨询公司,工程部顺便给别人搞装修,火锅调料也单独上市了。

不足够热爱的事情你就无法掌握、经营它的本质,一定要热爱,热爱的时候你才能发现别人发现不了的东西。

如果哪天你变得消极和不自信,你要来读读这篇文章如何超过大多数人

视频

今日资本徐新:企业创始人要有杀手直觉,够快够狠