技术

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

《精进》笔记

2020年05月04日

简介

生活就像一面多棱镜,它有不止一个镜面,相应地,也有不止一种可供观察和理解的视角。它应该不只有一种标准、一种模式、一种状态,它应该是多元的、丰富的,并且有着具有不同纵深的内涵。这也就意味着,我们看待自己和世界,看待现在和未来,看待情感和理性的时候,存在着远比我们已知的更多的可能性。

是的,我们总是在惯性中生活,在教导下学习,在成规中思考,在劝解中决定,并在无助的结果中自责。我们着实需要一种智识和能力,去观察、反思自己被局限的生活,去发现和实践更多成长和成才的路径。可问题是,大多数时候,当我们对眼前的一切习以为常时,我们连这种“需要”都没有意识到。

时间之尺

不同场合,不同的时间视角:积极过去视角;消极过去视角;享乐主义视角;宿命论视角;未来视角(具有前瞻性,更关注有待完成的目标和任务。为了完成未来的目标,他们愿意舍弃当下的享乐,时间的利用更有效率,因而更容易取得比较高的成就。但是由于一直为未来担心,所以幸福感并不强)。这五种时间视角里每一种都不是完美的,都有各自的缺点,所以最好采用混合和折中的方式。在工作场景中以未来视角为主是合适的,因为大多数的工作强调计划性、执行度和效率。当你拖着疲惫的身躯下班回家,这个时候考虑未来不仅没有必要而且有害,转而采用享乐主义视角更为合适。

在分析一件事情值不值得去做、花多少精力去做的时候,可以从两个角度来评估:一是这件事在当下将给“我”带来的收益大小,这个收益可以是心智、情感层面的,也可以是身体、物质层面的,我称之为“收益值”;二是这项收益随时间衰减的速度,我称之为“收益半衰期”,半衰期长的事件,其影响会持续较久。

一部经典作品必然包含了某种接近“事物本质”的东西,也就是某种根源性的东西,所以世间千殊百异的人、事、物,最后都可能和这个根源性的东西发生共振

“时间管理”成了今天的一门显学。它教我们如何设定任务目标,如何把任务分解,如何区分重要和紧急,如何把事情列成清单并设定好时间,如何把控好自己的工作效率……这些方法无疑都有一定的作用,但只不过都是“技术层面的解决”。所谓“技术层面的解决”,是指只对问题的表面部分实施干预,而忽视了问题深处的根源。其后果是,问题的表面部分在短暂的消失后又再次出现,甚至愈演愈烈。时间管理中提倡的很多方法,并不是要让人们逃离现代性境遇所构筑的牢笼,反而是要对其加以技术性强化,教会我们更精细、更严苛地分割生命时间。

寻找心中的巴拿马

一个成熟的人,他的标准来自他的内心,而大多数人,却受环境所左右。一个年轻人,进入一所不那么优秀的高校,对自己的标准会不由自主地降低以适应这个环境,减少自身与环境的冲突,而这种做法对他们的人生也许是致命的。一个二三流大学的学生,能够勇敢地以“985”高校学生中的中档乃至高档水准来要求自己才是更恰当的做法,他也一定会从中受益

说到“格局为何”,电影《一代宗师》已经做了很好的回答,即“看自己、看天地、看众生”。我想在此基础上稍做发挥,提出四个层次的格局来,并从“目标”“眼界”“信念”这三个维度来阐释这四个格局

  目标 眼界 信念  
盲众(“看不见”) 无目标或只是追随当下的潮流 主要为流行文化,以及身边亲友的观点 以“人生苦短、及时行乐”等流行文化所潜移默化传递的价值观为典型。
实际上这类人并无稳定的信念,很容易被他人诱导和说服,因而经常大喊“毁三观”。
看到的是幻象和噪声
逐利者(“看自己”) 作为精致或粗放的利己主义者,
旨在寻求自身利益的最大化
与逐利相关联的各种知识和技能,
包括对利益机会的洞察,同时兼具比较完整的常识体系。
笃信丛林法则,认为每个人都是逐利性动物,且能力越强的人能获得越大的利益。 看到的是自己的能力和欲望
理念人(“看天地”) 为理念而生的人,他们毕生的行动就是追求和捍卫真理。 对某个甚至多个知识领域有非常深入、系统的钻研,
并常常能提出极具创造性的观点
真理是美的,人生的价值就在于追寻真理之美,与此相应地,必须保持内心的诚实。 看到的是这个世界深处的真和美
至善之人(“看众生”) 以改良社会、增进人类的福祉为最高目标 往往对他人有很强的同理心,对人类社会的历史和现状有深刻的认识,
部分人可能同时具有某个专业领域的知识,兼具理念人的特性。
个人对整个社会负有责任,应该努力地去改善世界,减少世界的苦难和不公,部分人可能有坚定的宗教信仰。 看到的是自我与世界、自我与整个人类之间的纽带

理想和现实的矛盾会导致糟糕的内心状态。

当我们陷于某个人生困局时,困住我们的不仅有外界的客观现实,还有我们过去的经历、习惯和思维惯性。这些东西会在我们思考时自动植入“隐含假设”,从而限制了思考的角度和范围。其结果是,我们通常只是在两三个“可见选项”中去做决定,而意识不到更多的“可能选项”。

很多人的烦恼来自同时有多个不同的人生目标想实现,但又不知道怎么处理多个目标之间的关系,因此感到无所适从。那么“目标悬置”是什么意思呢?顾名思义,就是把你的目标停下来、放一放,但这个“放”不是放弃,只是悬置。在这个停下来的时间(比如几天、几个月甚至几年)里,你可以休息放松,也可以去做完全不同的事情。等到时机成熟时,你又可以重新开始。

“改造”爱好的一个常见方法,是把对一件事情的“消费型兴趣”升级为“生产型兴趣”。形成“生产型兴趣”可以让你的热爱更加可持续,也是你把热爱变成事业的前提。

选择太多怎么办?我们该如何在众多的选择中找到一个最适合自己的并确信这个选择是正确的呢?其中一个基本方法就是“精细化(elaborate)思考”,也就是利用适当的工具,对各个选项从不同方面进行深入、细致的分析,最后综合分析结果得出答案。一般人在做选择时,很难做到精细化思考(PS:但这又是现代复杂社会的必备要求),这是人的天性使然。大多数时候,我们只是粗略地审查易得的、显然的选项,一旦找到合格的选项后就停止对其他选项的探寻。PS: 广度优先遍历 而不是深度优先遍历。

选择是可以被修正、被重塑的,单次选择的重要性也许被我们高估了。但这也并不意味着被修正的选择毫无意义。如果我们从整个人生的视角来看,人生就是一个不断选择再选择的过程,在这个过程中,会发生某些我们期待或者并不期待的改变,但不论如何选择,某些深刻的经历和体验会被永久地保留下来,成为我们人生中无法改变的印痕。有时候我们会选错,甚至为这个错误付出太多,但是没有关系,我们仍然可以重新作出选择,因为这才是人生的常态。

即刻行动

如果总能想到一件事就完成一件,那么我们同时应对的事情就少了,也就不用多花心思去“管理”这些事情。而待完成的事情一多,管理的复杂度就直线上升,相应地,记忆负担、情绪负担和人际负担也会显著加重。这些心理成本虽然是隐性的,却影响着我们的生活质量。随着事情越积越多,我们慢慢会觉得无法承受,情绪上的各种问题首先会爆发,然后与周围人的关系也会变差,于是生活开始失控。

等到最佳的时机出现,才能事半功倍。这么说当然有道理。但问题是,你可以容许自己等待多久来等一个好时机出现呢?要知道,所有的等待都是有成本的。并且当有一个好时机出现时,你真的有能力识别出它吗?即便你能识别出,你是否做好了准备抓住它呢?既然很可能这些问题的答案都是不明确的,那么就不要把希望寄托在虚无缥缈的“时机”上。对于大多数人大多数事,“现在”就是最好的时机。

  1. 如果说多任务工作有什么技巧的话,那么就是“对中断点进行控制和管理的技巧”。我们需要对要完成的任务进行有效的剖析,区分出“容忍中断”的部分和“无法容忍中断”的部分,然后用可保证的相对完整的时间去进行那些“无法容忍中断”的部分
  2. 图层工作法,集中处理同质性工作。比如写小说。作为一个读者,你总是从小说的第一句依次看到最后一句。而对一个创作者而言,小说写作的次序存在多种可能性。比如有些作家喜欢先把小说的结尾写好,有些作家会先把小说中最精彩的高潮部分写好。如果从图层的角度来看,一部小说通常有三个图层:叙述、描写和对话,其中叙述主要是负责情节的推进,描写主要用于氛围的营造,对话则用来展现人物性格和冲突。那么一个作家,完全有可能先把小说从头到尾的叙述部分写好,再营造气氛,再精心雕琢对话。

从理论出发不一定能指导实践,只有在实践中通过反思积累的知识才能指导实践。科学理论诞生于“维持其他变量恒定”的理想情境,而实际的问题则处于一个多种因素互相作用、相互依存又互相冲突的“复杂场域”中,并且具有某种独特性。事实上,当人在解决现实问题时,更依赖于隐性的知识和隐性的推理。“三思而后行”并不一定正确,很多时候甚至可以是“行动先于思考”的,因为“人们的机智行动是高度技巧及复杂推理而形成的,而其中绝大多数又都是隐性的”,因此在行动之后反思,可能会反过来发展我们的认识

在日本知识管理大师野中郁次郎看来,我们行动中蕴含的知识属于不易用语言表达的隐性知识(tacit knowledge),比如一个拉面师傅怎样才能拉出很细的面条,这些技巧蕴含在他的动作中,但要他说出来恐怕就没那么容易了,而书本中的知识属于可用语言清晰表达的显性知识。他还认为,知识创造的过程,其实是隐性知识和显性知识相互转化的过程。从显性知识到隐性知识的转化,类似于知识的内化,即通过实际的练习来掌握书中的知识,而从隐性知识到显性知识的转化,则是知识的显化。在这个过程中,就需要我们对行动进行细致的反思,把那些原本并非用语言承载的知识,用语言归纳和总结出来。而这些知识一旦可以用语言表达出来,就容易被重复使用和迁移到其他应用场景中。

怎样的学习,才能够直面现实

一幅画是逐步完成的,先画轮廓、草图,然后填入细节,一步步臻于完美。在这一启发下,保罗领悟到“编程语言的首要特点是允许动态扩展(malleable)。编程语言是用来帮助思考程序的,而不是用来表达你已经想好的程序。它应该是一支铅笔,而不是一支钢笔”。因此在编程中,过早优化(premature optimization)是一件危险的事情。

努力,是一种最需要学习的才能

仔细考察自己的优势和劣势。利用自己的优势努力工作,通过与人合作来平衡自己的劣势。回避在很多不同方向上空耗精力。保持专注,把自己能做的做到最好,并保持留意新的机会。

如果我能长期坚持去做一件事,一定是这件事带给我的丰盈感和满足感超过了我的所有付出,一定是这件事日日夜夜萦绕在我的心头让我欲罢不能,一定是这件事唤起了我内心深处最强烈的兴趣。也就是说,赐予我力量的,是激情的驱动,而不是意志力的鞭策。可现在这个时代,很多人同时患上了“兴趣饥渴症”和“兴趣寡淡症”。人们很想知道自己到底喜欢什么,所以做了很多尝试,但是不论怎么尝试,过不了几天、几个星期最初的激情就差不多消失殆尽。如果对一件事的了解不深、不透,总是浅尝辄止,那自然体会不到这件事的妙处,也自然不会产生持久的兴趣。这让人容易滑入一个死循环:了解不够导致兴趣不足,而兴趣不足又无法加深对它的了解。另一个原因是,人总是喜欢轻易地作评判、下定论、贴标签,用过于简单的概括来代替细致深入的观察。可是,在你还没有深入了解一件事情之前,你对它的判断很可能会差得十万八千里。这像是另一个死循环:由于了解不足而判断失误,而判断失误又妨碍了深入了解。改变这种局面是有一些方法可循的。

  1. 一是放弃对“兴趣”的执念,宁可傻一点、笨一点,去做一些并不特别喜欢但看上去又富有挑战的事,或者去做一些少有人做但又看上去很有意义的事,并且咬咬牙,多坚持一段时间,或许就能把死循环的闭环打破,开启新的良性的循环。
  2. 提升“浸润”的深度:尽量让自己全身心地投入到所做的事情里面,不只用冰冷的理性,更用温暖的情感和良好的心理体验来激发兴趣。

每一个成功者,都是唯一的

学霸选择依从,学渣选择逃避,但有一点又非常相似,就是他们都没有培养出学习的自主性,并没有回答好自己到底想学什么、怎么学好的问题。

一个自我教育者应该学会定期审视自己的所知和未知,能评估自己所学知识的价值,特别是在实践领域中的价值。当然我并不是说,没有应用价值的知识就不要学,很多“无用之学”例如哲学、艺术可以帮助我们成为更好的人。但是我们也要尽力避免这样一种尴尬的情况:自己所有的知识都没有实用价值。这样我们就无法在社会上生存了。

其它

现实环境中你往往很难找到与目标完美形成因果关系又可操作的因素。大多数时候,你能找到的只是正相关的因素,你需要在实践中慢慢摸索出里面模糊地呈因果关系的那部分,这个操作就是手段。但如果你用力过猛把手段当成了目标本身,你就放大了噪音甚至负相关的那部分。