This directory lists Chinese-language blogs.
这是 Jant 人工维护的一个社区目录（包括 jant.me 托管和自部署的博客），旨在帮助读者发现新的 Jant 博客和内容。
读了Jared Diamond的文章 The Worst Mistake in the History of the Human Race
人类进入农业社会并不是一种进步，也不是一种历史的最有选择
农业社会比采集社会的人的食物多样性变差了，早期农民以少数淀粉食物作为主食，而一旦其中的某一种发生减产，就面临饿死的风险
古病理学研究表明：身高变矮了，是后期才回升的；在农业社会的农民的牙釉质缺陷增加了，缺铁性贫血也增加了，寿命下降了。--人的密集生活增加了传染疾病的几率。
狩猎采集者不储存食物，而农业社会有了多余的食物就会考虑如何分配，这就有了阶级。
而因为农业社会人们有了更多的闲暇时间，女性的生育压力变大，人口急剧增长，农民吞噬了大量的土地，才让狩猎采集的人远离了。可以说这是狩猎采集模式的一种被动选择。
真正的写作并非追求完美，而是关乎真诚。它关乎那种胸口隐隐作痛的感觉，当你意识到有些话需要说出口，而唯一的表达方式就是用文字。
写作不是你一觉醒来就突然会的技能，不是你可以死记硬背的公式，这是一个缓慢的蜕变过程。一个安静而执着的学习如何将生活转化为文字的过程，有时，还要学习如何在这些文字中重新找到生命。
写作的艺术早在你坐下来写作之前就已经开始了。一切始于观察，观察那些大多数人都会忽略的事物。水壶烧开时的声音。人们在说出可能伤人的话之前停顿的语气。夜晚空旷街道上脚步声的节奏。
作家不仅仅是堆砌文字的人；他们是善于观察的人 。他们收集细节，就像有些人收集明信片一样：从那些稍纵即逝的瞬间中，捕捉那些意义的碎片。
世界总是试图催促你，这是必然的，但写作却要求你慢下来。它需要你的耐心、专注和安静。因为事实是，如果你一直被喧嚣包围，就听不到自己的声音。
过去选择 Rust、Zig、eBPF 或 DWARF，意味着先付出很高的学习成本。现在可以让 Agent 帮你跨过陌生语法和大量细节，开发者也就更愿意选择那些“难，但能做出更快、更小软件”的工具。
原文提到了几位长期执着于软件性能，同时也愿意接受 AI 编程的开发者：
这在心理学上叫行为激活(Behavioral Activation)——
不等到感觉好了才行动，直接用行动本身反过来改变感受，它的核心方法就是增加个体与环境之间的积极互动。
——
「最小行动」背后真的有太多能带来巨大正向影响的力量了。
想起一句话：
在我的个人哲学里，凡是一个人真想做的，他自己就已经去做了；凡是一个人真能做的，他自己一个人就已经做掉了。所以，一旦他要加个群，甚至是建个群，用这种方式去做什么事，我就会很狭隘地认为，他要么并不真的想做，要么他根本没有能力去做，把希望放在了别人身上，幻想在某个群里能遇见贵人出手帮助自己，或者群这种东西能有什么魔法，刷着刷着事情就自动完成了。
我最近在看书《锻炼》，《跑步锻造灵魂》，《技术体能、心理力量》这些从浙江图书馆和杭州图书馆借回来的关于运动的书，我是想实现一点：我即使投入到工作中去之后，我的身体也一直是保持舒畅的状态，而不是一直投入到工作->身体疲惫疼痛->一直持续->持续到无法好好工作，而是需要休息->好一段时间之后才恢复到能工作的状态；
目前看到有这些策略：
最多坐一个小时，就要起身活动身体2分钟
持续了解更多策略（如何能感知自己的状态：轻松还是疲劳了，看哪些指标，比如鼻子堵住了或鼻子很通畅）
品酒师不是靠读书或强烈的第一反应成为鉴赏家的，而是靠”多年持续的、有纪律的注意力：接触足够广的样本、反复经历自己判断错误、感知力一点点被磨细，直到原先看不见的区别变得显而易见”。
在一个丰裕的时代（AI可以低成本无限生成），克制变成了唯一还稀缺的东西，这意味着说"不"比以往任何时候都更有价值。
我为我没有生成的那些东西感到骄傲，不亚于我为我生成过的那些感到骄傲。
把你想到的每件事都做出来发出去，从来都不是个好主意。每一次添加都在累积复杂度，都带着认知成本。
这些资源变得愈发重要：
注意力（功能太多，用不完，甚至试都试不过来）
稳定性（太频繁的变化会妨碍学习一个产品）
清晰度（选项太多制造困惑和瘫痪）
连贯性（太多情节和支线讲不出一个统一的故事）
获取资格的标准： 如果新顾客想拥有一个刻有自己名字的专属咖啡杯，必须先喝够100杯咖啡（约5加仑），之后还需要排队等待空位。
这个好棒啊，有人想在上海开一家吗...
我感兴趣的是如何找到人类成果的边界，吉利斯记录是这样的事
我发现，当我生活里堆积了大量的”悬而未决“的事，本能地我会感受到烦躁。
我以为是事情失去掌控而带来的焦虑。
但文章里说，普通人为了缓解焦虑，会本能地赶紧找个答案闭环，而高手能容忍模糊，让问题在不确定性里“显影”，等到信息足够再做决策。
这叫“消极能力”😶
我跟母亲一样，就像加尔各答的一个乞丐，一无是处。
你那副表情，活像一个刚通过测谎仪测试的参议员一样惊讶。
他看起来就像一个陪孩子去看泰勒·斯威夫特演唱会的爸爸一样开心——不过至少，他还压得住自己的怒火。
（一开始没看懂这句，还问了一下 AI，AI 的解释： 这句形容女儿兴奋得不得了，爸爸却只是被迫陪同，对音乐、尖叫声和现场气氛毫无兴趣，甚至还心疼昂贵的票钱。）
像耳垢一样性感。
像驴打嗝一样微妙。
像一只穿着拖鞋的牛一样优雅。
像百科全书推销员 一样受欢迎。
像《用户协议》一样清晰。
像犹太教堂里的一块猪排一样受欢迎。
像新娘的前男友一样受欢迎。
人类真正需要的不是无限个性化的内容与工具，而是可以共同体验、讨论和认同的“公共文化”。
电影、软件、餐厅、演唱会和体育赛事的价值，都不只在于功能或内容本身，更在于它们像“篝火”一样，把人聚集起来
如果每个人都只看由 AI 为自己生成的私人电影，就不会有共同台词、梗、话题和文化记忆，人与人交流会像在互相描述各自的梦，最终变得孤独。
如果每个人都用提示词生成专属软件，也会失去成熟产品背后的用户社区、教程、模板、论坛、专业身份和共同语言。一个只有自己使用的工具，功能再贴合，也缺少“部落感”。
人们去餐厅不只是为了吃饭，去演唱会不只是为了音质，看体育比赛也不只是为了精彩片段，而是为了与别人共享同一个空间、情绪和未知结果。
文化的本质是大家能够共同指向、共同谈论的东西。
>对于 Fable 5，甚至 Opus 4.8 这样的模型，在系统提示词中添加示例已不再是最佳实践。Claude Code 的系统提示词最近缩减了 80%。
>同样，“不要做 X，也不要做 Y”这类列表可能会降低最新模型输出结果的质量。
所以 harness 需要针对不同的模型设置不同要求的提示词，目前 Claude Code 是这么做的。这一点应该对所有前沿模型都适用hh 这就是非 OpenAI 和 A\ 公司做 harness 的劣势，只有等到基础能力模型的能力相对稳定后才能慢慢跟上这两家的能力。
如果你想出去链接世界，你会发现有很多不同的方式来旅行。
例如这个最大的安全社区，在这里有文化交流、工作假期、志愿服务、房屋和宠物看护，覆盖 170 个国家。
你可以帮助澳大利亚的大哥大姐照顾农场小马，换得食宿；
你也可以帮助西班牙的姐姐来做爵士舞的助教，换得食宿；
你还能帮助泰国的保护者组织来给大象洗澡...
有很多人因为无法抗拒划屏的冲动，而放弃了生活中必不可少的事情：
那些宁愿刷屏也不愿睡觉的人
那些只顾刷屏而不进行体育锻炼的人
那些只顾刷屏，却不去寻找人生伴侣，也不去与有血有肉的人建立联系的人
那些只顾刷屏，却不去学习技能、找工作或追求职业发展的人
担心这些“屏幕僵尸”不读书，听起来几乎有些古板。简单的事实是，由于硅谷强加给他们的技术变革，他们整个生活正日益受到影响。但更令人不安的是，全球最大的企业正投入数十亿资金，以推广和加速人们对其技术工具的这种强迫性使用。
以下是我们可以采取的措施，以建立与科技之间更健康的关系。
你不必扔掉手机——但明智的做法是尽量减少对滚动和滑动界面的依赖。
走入世界，重新发现在我们还没有数字应用程序之前，真正的应用程序是什么样子的
我从未加入过童子军（这个故事我改天再讲），也几乎从未为此感到遗憾。不过有一点例外——我很喜欢“功绩徽章”这个概念。要获得一枚徽章，就得走入社会，掌握一些应对现实生活的新技能。
因此，你可以学习钓鱼、攀岩、园艺、急救、摄影、射箭、划船、背包旅行，以及许多其他技能。
那便是我们还没有“应用”之前的“应用”。
这些活动你现在依然都可以参加，每一项都不例外。而且你不需要穿童子军制服。
如果你对户外活动不太感兴趣，也可以选择室内活动——烹饪课、读书会、瑜伽、戏剧，等等。
这就是现实世界。这就是你在现实世界中培养自信和掌握技能的方式。这不仅仅是为了学习技能——做这些事情还能让你与社区以及其他人建立联系。没有任何一款应用程序能比得上这种个人能力的提升。
AI低成本短剧的冲击让真人短剧成本结构崩溃，连短剧第一大厂听花岛都大幅缩减真人自制、转向10亿押注海外AI，而演员收入锐减、剧组大量停摆，行业被迫向精品化艰难转型。
Seedance 2.0把AI短剧制作效率提升数十倍，导致全行业每月供给暴增至18万部，供给严重过剩、内容彻底贬值，从内容生意变成彩票生意，整个行业7个月内几乎崩盘。
"Real tasks" 又有多少轮得到 academia 做贡献: academia 看得到 bitter lesson, 却没有先进的认知去理解如何做 scaling, 判断什么方法是 scalable 的, 更遑论有足够的人才和算力去做真正的 scaling. 试图提出 "新范式", "统一架构" 的工作, 不少无非是对 bitter lesson 的拙劣解读, 在并不重要的问题下扑棱一下翅膀. 在今天 frontier labs 的 scale 下, academia 已经基本失去了在 real tasks 上 "评价一个方法是否有效" 的话语权.
历史经验告诉我们, 本质的改进无一不是基于对 "为什么" 的深刻理解, 只追求 "效果好" 的盲目优化会得到复杂, 不泛化, 无法经受时间检验的方法. 整个领域在 Neural Architecture Search 这个方向上浪费的时间就是最直接的例子.
Devil's in the details: 我第一次震惊于 details 的重要性, 是恺明向我展示 ResNet 的 loss curve 要怎么 smoothing. 在合理的 median-smoothing 下, 我们能看到以 epoch 为周期的 overfitting 现象, 在多年后被其他人称为 epochal sawtooth phenomenon: 每个 epoch 的 train loss 会缓慢上升, 再在下一个 epoch 开头骤然下降.
CVPR2017, 在夏威夷海边的晚宴上, 孙剑关于 research taste 给过这样一个建议: 遇到一个新问题 / 新方法, 你要去想, "如果我是恺明, 我会不会对这个问题 / 方法感兴趣?"
在 agent 能做的事情越来越多的今天, 作为指挥者的人需要亲自做的事情越来越少, 人的 taste 也越来越重要. Taste 是关于 "我要实现什么价值" 的 vision, 是关于 "我想要做什么" 的 motivation, 是关于 "做成什么样是好的" 的 judgement, 是关于 "为什么可以这样做" 的 curiosity.
你的大脑是一台不可靠的机器。 记忆是重构性的，感知是有偏差的，推理是充满捷径的。你此刻深信不疑的事情，有相当概率是错的。
真正的成长要求你愿意发现自己是错的。 如果你的身份认同建立在"我是那个对的人"上，每一次被证明犯错都会像身份威胁——你会拼命防御，而不是学习。
好的价值观应该产生不那么确定的自我认知。 一个以"好奇"为价值观的人会觉得"我搞错了"是有趣的新信息；一个以"永远正确"为价值观的人会觉得这是存在性危机。
