All posts
August 20263 threads
严肃的，知识诚实的复盘应当这样操作：
询问 AI:
为什么某个股票或者资产在某年被大众严重低估 (因此导致后面几十倍的增幅)？
当 AI 详细的列出几个当时被低估的具体原因后，再继续询问：
如果当时根据我所得到的信息，我是否可以看得比别人更远？
我收集哪一类的信息，有可能看得比别人更远？
我到什么 (以前没有意识到的) 场合，可以高效的搜集到这样的信息，进而得到置信度比较高的结论？
这个公司的股价曾在某年某月发生暴跌，当时的背景和直接原因是什么？
我在那种情况下，会不会也跟着恐慌性抛售？
如何通过调整自己的思维模型，关注问题的角度，和信息管道，来避免被裹挟而恐慌？
等等。
要么得到明确而有效的建议，对之前忽略的，某些特定场合，特定类别的信息更为敏感，帮助自己更有效而遥遥领先的做出置信度比较高的预测。
有效信息的搜集和分析，比真正吭哧吭哧干活还是要轻松至少一个数量级，而且有些方法论可以推广别的行业。硅谷王川
1313
1212
May 20266 threads
titlehi 1111 111 11
abontabount
hi
Why I Don’t Vibe CodeAI 的热潮确实让我想起早期低代码和无代码工具的突破。我不怀疑 AI 能成为开发者的有用工具，我知道有些任务它能作为更好的工具来辅助完成。但这些论点总让我再次思考偶然复杂性与本质复杂性的问题。 布鲁克斯在《没有银弹》一文中探讨了新工具对开发者生产力的影响。要像程序员一样思考，你必须理解现实世界的复杂性。编程最好被理解为在混乱的现实之上施加简化的表征——我们称之为_抽象_——通过降低复杂性使其可理解。这让我们能够将特定情境泛化为可层层叠加的抽象层。 即使更好的工具减少了偶然复杂性，本质复杂性依然存在。我们仍需以正确的方式设计抽象和系统——一种优雅、清晰且可维护的方式——这本身就是一项复杂的工作。而这种复杂性不会消失。这类工作需要技能、经验以及从过去系统失败中艰难获得的智慧。
我们采集的只是石头，却必须始终仰望着未来的大教堂。《程序员修炼之道》
hello jant 😀