技术

Python ioc 从0到1构建一个db 上下文记忆 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
上下文记忆 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

《技术的本质》笔记

2018年07月13日

简介

许式伟:架构就是对业务系统的正交分解。自己的一些理解:需求纷繁复杂,要找到需求之前正交的部分,也就是实现领域需求的最小单元。

三个基本原理:

  1. 一切技术都是元素的组合;
  2. 这些元素本身也是技术;
  3. 所有技术都利用现象达到某个目的。

为什么要模块化?

表面看,喷气发送机和一台计算机 是很不同的东西, 一个是物质零件, 一个是逻辑指令。但他们的结构却是相同的:都是由集成块结构起来, 集成块之间的相互联系,共同服务于某一个基本原理的核心集成。比如发送机,它的原理很简单:在稳定的压缩空气流中燃烧燃料,产生高速气体向后排出。为完成任务,机器会采用一个主集成,包括五个主要的子系统:进气道、压气机、燃烧室、涡轮和尾喷管。空气由进气道进入,流进由一系列大风扇组成的压气机加压,高压气流进入到燃烧室中, 和燃料混合并被点燃,之后高温气体驱动涡轮运转,涡轮驱动增压机,高温气体从尾喷管高速喷出,进而产生推力。这些元器件形成了核心集成,围绕在它周围的是支持这一主功能的许多非常复杂的子系统,主要包括:燃料输送系统、压缩机反熄火系统、涡轮叶片冷却系统、发动机仪表系统、电气系统等。集成件之间通过复杂的像迷宫似的管道和电线相互连接来传递功能,以便让其他的系统得以应用。

这一建构过程和计算机编程没什么不同,都是要应用一个基本原理, 即核心概念或逻辑,作为编程背后的支撑。完成这个原理需要一套具有积木一样结构的支撑程序和子程序系统。这在计算机中,常恰如其分地被称为”主程序(main)“,main又需要其子功能或子程序的支持。PS:main 中的代码 要体现或者只包含 ”基本原理“

不论是发动机还是计算机程序,所有的组件之间必须小心的保持平衡,每个部分都必须在一个由其它相关部分 设定的约束范围内运行,包括温度、流速、载荷、电压等。每部分又都要为依赖它们的那些组件建立一个适合的工作环境。

赫伯特·西蒙(Herbert Simon) 讲了一个关于两个制表匠的经典寓言故事。假设每只表都集成了1000个零件。一个名叫坦帕斯的钟表匠一个零件一个零件地安装,但是,如果他的工作被打断了,或者丢下一只没完成的手表,他就必须从头开始。相反,另一个名叫赫拉的钟表匠则是将10个模块组装在一起,最后组成手表。每个模块又由10个子模块组成,每个子模块再由10个零件组成。如果他暂停工作或者被打断工作,他只是损失了一小部分工作成果。西蒙的重点是:将零件集成化可以更好地预防不可预知的变动,且更容易修复。对此,我们可以进一步加以扩展,模块将允许技术的组成部分分别进步:可以对每个部分分别加以关注和改进,对工作性能分别进行试验和分析—每个“集成”可以“悄悄地”被探察或者更换而不必解体余下的技术整体。将技术进行功能性分组还简化了设计过程,如果设计者面对数以万计的零件, 那么他们将淹没在细琐零件的汪洋之中。

将技术分割为功能单元需要付出一些代价,至少要有一些精神上的努力。只有当模块被反复使用,且反复使用的次数足够多时,才值得付出代价将技术进行分割。这和亚当·斯密的劳动分工理论类似:斯密指出,只有在生产的数量足够大的情况下,才值得将工厂的工作划分成专业工作。

总结:每一种装置都来自于一个中心原理,并且有一个中央集成(一个装置的整体骨干或者执行方法),加上其他的零部件围绕其周围,令其可以工作并且规定它的功能这些组件的每个自身都是一个技术,因此它自己也有一个核心骨干,以及附着其上的其他组件。这一结构是递归性的。

技术的本质

从本质上看,技术是被捕获并加以利用的现象的集合,或者说,技术是对现象有目的编程。技术是指向某种目的的,被编程了的现象。一系列被捕获现象的互相支持、互相利用、互相“交谈”,就如同计算机子程序之间的互相“呼应”(calling)一样。

生物对基因加以编程从而产生无数的结构(任何生物都是大概21000种基因),技术对现象加以编程从而产生无数的应用。

随着现象家族被不断发掘,先前发现的现象为此后现象的发现提供了方法和启示。一个现象引发另一个,然后是下一个,直到最后相关现象的整个矿脉都被发掘出来。一个现象家族形成了一个井下硐室,硐室之间由矿层或巷道相连,一个通往另一个。然而这还不是全部,一个硐室一个现象家族,会通过巷道通往任何硐室,即使通向完全不同的现象家族也可以。比如,先前的电现象就导致了后来量子现象的发现。现象构成一个被发掘出来的相互联系的硐室和巷道系统,而且整个地下系统都是可以相互连通的。

现象在本性上就是可以做点什么。当人们意识到这个潜在用途时,就可以驯服它做事了,比如将变换磁场感应电流这一现象转译为发电的手段,两者之间其实并不特别遥远。当然不是所有的现象都能够被驯服,但是,一旦一个现象家族被发现就会有一连串的技术尾随而至。1750-1875年,主要的电现象,例如静电现象、电蚀作用、由电场和磁场导致的电流偏转、感应现象、电磁辐射以及辉光放电现象都被发现了。随着对这些现象的捕捉和驯服,随之而来的是一系列的方法、工艺及设备,其中包括电池、电容和电感、变压器、电报、发电机和电动机、电话、无线电报、阴极射线管、真空管等。

设计就如同语言表达:一个新的设备或方法是由一个域中适用的零部件,或者也可以说是适当的词汇聚集而成的。从这个意义上来看,一个域构成了一种语言,当某个域在产生一件新的技术产品时,就是这个域在以某种语言进行表达。这也意味着技术中的主要活动,即工程设计,变成了一种写作方式,一种(或几种)语言的表达。我们并不熟悉这种看待设计的方式,但是它值得我们考虑一下。

  1. 语言中有清晰和不清晰的表达方式、恰当和不恰当的语言选择之分,设计亦是如此;
  2. 语言可以简明扼要,设计亦是如此;
  3. 语言有不同程度的复合句式,设计亦是如此;
  4. 用语言表达一个理念可以只用一个简单句,也可以用一整本书,并辅之以若干支撑材料来呈现一个主题,设计亦是如此。
  5. 语言中任何目的的表达都可以有很多选择。类似地,技术为达到任何目的也可以选择多种组合。
  6. 如同语言的组织必须依据语言规则一样,设计的建构也要根据域允许的组合规则来进行我将这种规则称为语法。

电子学的语法背后是电子运动的物理学以及电现象的规律,DNA 操作的语法背后是核苷酸和与DNA一起工作的酶的内在特性。 PS:我服务了香港警队30年,认识不少人,也得罪不少人。不过在这30年我学会了一件事,就是每一个机构,每一个部门,每一个岗位都有自己的游戏规则。不管是明是暗,第一步学会它,不过好多人还没有走到这一步就已经死了,知道为何?自以为是。第二步,就是在这个游戏里面把线头找出来,学会如何不去犯规,懂得如何在线球里面玩,这样才能勉强保持性命。

好的设计事实上就像一首好诗。这不是指诗的崇高感,而是指从众多的可能性中为每个部分作出完全正确的选择。每个部分必须紧密配合,各部分的运行一定要准确,必须符合与其余部分的互动规则。一个好的设计的美感在于适切性,在于为所获得的东西付出最少的努力。它源于一种感觉:恰如其分,增一分则多,减一分则少。技术中的美不一定非得需要原创性,技术语法不论在形式上,还是短语的选用上,都大量借鉴了其他语言。如此看来,具有讽刺意味的是,设计所依赖的往往是对常用元素的组合和操纵。尽管如此,一个美的设计总是包含一些意想不到的组合,并以其适切性震撼人心。

技术就像写作、演讲或高级烹饪,存在不同程度的流畅性、表达能力和自我表现。一个建筑界的新手,就像一个学习外语的新手一样,即使有时不太适合,也会一遍又一遍地一直使用同样的组合,或者说同样的短语。一个熟练的建筑师深谙域的艺术,他会摒弃纯粹的语法规则,而诉诸直觉知识,使他们组合、搭配在一起。一位真正的大师会挑战极限, 他会在域中赋诗,会在其所使用的惯用组合中留下自己的“签名”。技术大师实际上非常难得,因为技术的语法不像语言的语法,它变化迅速。技术语法最初是原始的,只能被模糊地感知;当组成它们的基础知识发展时,它们得以深化;当发现了新的匹配良好的组合,或者发现了设计在日常使用中遇到的困难时,它们就进化了。这个过程水无终结。结果就是,即便是此中的专家,也不能完全跟上它们在“域”中组合的原则。

一个域或者一个技术体提供一种表达的语言、一套肉容和实践的词汇表,设计师可以从中作出选择。计算技术(或数字技术)是一个集合,是一个巨大的词汇表,包括硬件、软件、传输网络、语言、超大规模集成电路、算法以及所有和它们相关的组件和实践,我们可以把计算技术,或者任何与之相关的域看作是一个仓库,它们随时准备服务于某种特殊用途。

一个域便是一个想象的王国。在那里,设计者可以在思维中想象自己能做什么。那是一个充满可能性的域世界。电子设计师知道他们可以扩大信号、转换频率、减少噪音、调节载波信息、设置定时回路,还可以利用许许多多其他可靠的操作。他们依据电子世界实现内容的可能性去思考。此外,如果他们是专家,他们应该非常熟悉这个世界,因此他们几乎可以自动地组合操作并预见结果。专家们沉浸在域的世界里,就如我们写信的时候沉浸在文字中一样,他们的精神沉浸其中。他们着眼于目的性,然后在头脑中进行每一步操作,这很像一个作曲家构思出一个主题,但是却要回过头来诉诸乐器去表达它。

技术的发展

技术是建构的产物,即由零部件或组件组合而成

  1. 如果我们从技术外部 将技术看作是一个整体的对象,那么个体技术,如计算机、基因测序、蒸汽机似乎是相对固定的。但从内部看,技术的内部组件一直在变化,比如替换零部件、改进材料、改变建构方法、有了新元素可以利用等,技术是一种非常易变的东西。PS:比如苹果手机 的不停迭代
  2. 如何看待技术的可能性。从外部看,每项技术都是在完成某个目标,比如如果想导航,就用北斗。但技术不仅是提供某种特定的功能而存在,它实际上还提供了一个组合或编程的词汇表,这个词汇表的存在使技术可以提供无穷无尽的新颖方法,去实现无穷无尽的新颖目的。PS:比如有一个电脑,他不单是可以看视频、听音乐,可以提供无穷无尽的可能。

设计就是关于解决方案的选择,因此,设计与选择有关

我们是人类,我们需要的不只是经济上的舒适。我们需要挑战,我们需要意义,我们需要目的,我们需要和自然融为一体。