赤兔金马奖 – 金马的博客

AI 让我的卡片写作法速度翻了几倍……语音输入&OpenClaw记录

Thu, 26 Mar 2026 00:00:00 +0000

大多数人觉得"写不出文章"，其实不是因为没有想法，而是因为没有系统。

想法来了，没有地方放；等到真正要写的时候，大脑一片空白，只好硬坐着想。

卡片写作法解决的就是这个问题。而 AI 的出现，比如语音输入法和 OpenClaw 都让这套方法变得更快、更低摩擦，我最近几篇文章都是用这个方式写出来的，包括你现在正在读的这篇。

一、什么是卡片笔记写作法？

卡片笔记写作法（Zettelkasten）由德国社会学家**尼克拉斯·卢曼（Niklas Luhmann）**发展到极致。他一生写了 70 多本书、400 多篇论文，研究领域横跨社会学、法学、艺术、宗教……有人问他是怎么做到的，他说：我不是一个人在写，我是和我的卡片箱一起写的。

他的方法：把每一个想法写在一张卡片上，只写一个概念，然后把卡片按照思想关联的方式链接起来。久而久之，卡片箱里的想法开始自发产生新的关联，写作变成了"整理"，而不是"凭空创作"。

这个方法不只是卢曼在用。很多伟大的作家和思想家都有类似的习惯：

纳博科夫（《洛丽塔》作者）：用索引卡写作，把小说场景、对白、人物写在单独的卡片上，然后排列组合
本杰明·富兰克林：终生记录想法和观察，定期回顾，提炼成文章和演讲
查理·芒格：建立"思维模型"卡片库，用跨学科的思维格子帮助决策

核心逻辑只有一句话：把输入和输出分开。先积累想法，再组装文章。

二、卡片写作的关键原则

1. 一张卡片，只有一个想法

不要在一张卡片上写三个观点。一个想法，一张卡，用自己的话写，不是摘抄原文。这样这张卡才是"你的想法"，而不是"别人说的话"。

2. 卡片是原子，文章是分子

每张卡片独立存在，可以在不同文章里重复使用。一个关于"语言习得"的卡片，可以出现在教育类文章里，也可以出现在育儿类文章里，还可以出现在个人成长类文章里。卡片越多，写作越快，因为你只是在重新组合，而不是从零开始。

3. 随时记，随时写

灵感不会等你打开电脑。最好的卡片写作工具，是你随时随地都能用的那个，想到了就记，哪怕只有一句话。

4. 写作 = 选牌 + 排序

等到真正要写一篇文章的时候，你要做的不是"想写什么"，而是"从卡片箱里选哪些牌，按什么顺序打出去"，从"凭空创作"变成"整理已有想法"，写作的难度下降一个数量级。

三、参考书籍

关于卡片写作和知识管理，有几本书值得了解：

《卡片笔记写作法》（How to Take Smart Notes） — Sönke Ahrens 著：直接讲卢曼方法论，最权威的系统介绍
《建立第二大脑》（Building a Second Brain） — Tiago Forte 著：现代数字笔记语境下的知识管理系统
《写作是门手艺》（On Writing） — 史蒂芬·金著：关于"积累素材、让作品自己生长"的理念与卡片写作高度一致

四、我是怎么用 OpenClaw 写文章的

传统卡片写作有一个没被解决的问题，比如如何方便的积累卡片，以及卡片积累够了之后，从卡片到文章这一步，还是很费力。

你有几十张卡片，但要把它们排列成一篇有逻辑的文章，还需要大量人工整理，哪些相关？放什么顺序？过渡句怎么写？

我现在的流程把这两个瓶颈打掉了。以我写《许岑英语学习方法论》为例，完整的过程是这样的：

关键前提：语音输入法是关键中的关键

在讲流程之前，有一个经常被忽视的基础，必须单独说——语音输入法。

AI 出现之后，有一个看似不起眼但对创造力和生产力提升巨大的变化，就是语音输入质量的大幅提升。

我现在主要用 Typeless 和豆包输入法来做语音输入。用语音记录的效率，是以前键盘打字的三倍以上；如果是在手机上打字，效率提升可能有四五倍。更关键的是，语音更接近思考的自然速度，想法冒出来，张口就说，不会因为"打字太慢"而流失。

而且 Typeless 这类输入法还会做一层初步整理，让语音转成的文字更干净，后续 OpenClaw 处理起来效果更好。

整个卡片写作法能跑起来，语音输入是发动机。 没有它，记录的门槛就还是太高，好想法还是会溜走。

第一步：开题 — 告诉 OpenClaw 我要写什么

当我决定写这个主题的时候，我告诉 OpenClaw：“我要开始写关于许岑英语学习方法论的文章，帮我创建这个主题，以后跟这个相关的内容都归进来。”

就这一句话，主题就建立了。

第二步：收集 — 随时随地往里投

接下来的一段时间，只要我有跟这个主题相关的想法，就直接发给 OpenClaw：

刚看完许岑老师的视频，感觉哪个点说到了我
想起了大女儿一岁多能听懂话的那件事，觉得跟"猜"的逻辑有关
用 Breaking Bad 实验了一下，dissolve 这个词是怎么猜出来的
看到了一个约束诱导运动疗法（CIMT），这个和母语惯用手的理论完全一致

每一条都是一张"卡片"，散的、碎的都可以，哪怕只有一句话。

第三步：挖深 — OpenClaw 主动追问

这是跟传统卡片写作最大的区别：OpenClaw 不是被动接收，而是会追问。

我说"我发现关字幕之后非常难受"，它会问我：“第一次关掉字幕，是什么感觉？坚持了多久之后开始有感觉？”

这个追问把每一张卡片都挖深了。本来只是一句"关字幕很不习惯"，追问之后变成了：第一次关掉时想查词的强烈冲动、中间反复开关字幕的经历、看到第四季时那种"进去了"的感觉。

很多时候，在追问的过程中我自己也会有新的洞见——原来我对这件事的感受比我以为的更深，只是没有被问出来。

第四步：整理 — 带领我把文章组织起来

素材积累得差不多了，我告诉 OpenClaw：“这篇文章的素材收得差不多了，现在带领我把这篇文章组织起来。”

它会接着问：

“你希望读者看完之后有什么感受？”
“你觉得这篇文章的核心洞见是什么？”
“有没有什么你觉得必须放进去的个人故事？”
“这篇文章你想让读者看完之后记住一句话，是哪句？”
“开头你打算用什么钩子？是故事还是问题还是反常识的论断？”

通过这些问题，文章的骨架一点一点浮现出来。我不需要自己想文章结构，我只需要回答问题。

第五步：成文 — 多读几遍，局部打磨

骨架确认、草稿生成之后，这一步我会在本地用 Obsidian + Claude 来完成。

主要做三件事：

1. 语气和用词调整 让 Claude 参考我以前的文章风格，帮我检查哪里语气太生硬、哪里用词不像我平时说话的方式，然后局部修改。不是整篇重写，是精准调整。

2. 结构和逻辑建议 多读几遍之后，再问 Claude：“这篇文章哪里逻辑跳跃太快？哪里有没有说清楚的地方？“根据它的建议再做调整。

3. 配图建议 我会问 Claude：“这篇文章哪个地方最适合加一张图？加什么样的图效果最好？“它给我建议，我再去准备对应的图片。

五、这套方法的本质

传统卡片写作法帮你解决了"想法积累"的问题，但"从积累到文章"这一步还是靠自己硬撑。

阶段	传统卡片写作	OpenClaw + 卡片写作
输入方式	手写 / 键盘打字	语音输入，速度 3-5 倍
记录想法	自己写卡片	随手说，发给 OpenClaw
挖深想法	靠自己反复琢磨	OpenClaw 主动追问
组织结构	人工排列卡片	OpenClaw 提问并帮助组织
成文过程	自己面对空白页反复修改	Obsidian + Claude 给建议，你审查调整

整个过程里你是主角，OpenClaw 是最好的编辑。 它帮你把想法挖深、把结构理清、把草稿起好，但文章里的故事、经历、判断，都只能是你的。

六、开始的方式

不需要任何准备。

今天开始，下次你有一个想法、一个观察、一个触动，就发给 OpenClaw，告诉它这是为哪篇文章准备的素材。就这么开始。

等到某一天你说"我想把这个主题写成一篇文章了”，你会发现大部分的工作早就做完了。

好文章不是"写"出来的，是"积累"出来的，卡片写作给了你积累的系统，而 AI 给了你从积累到文章的加速器。

真的，人人都能写出好文章。

文末特别感谢高兴，因为她昨晚问了我的写作流程，我才觉得应该整理一下分享给大家，感恩。

我找到了学会英语的终极方法……不骗人

Mon, 23 Mar 2026 00:00:00 +0000

写在前面：一个父亲的困惑

2018年，我大女儿大概一岁多的时候，我发现了一件让我非常震惊的事：她竟然能听懂我大部分的话语。

她还不会完整地表达，但你跟她说”去拿一下那个玩具”，她会去拿。你说”别碰那个”，她会停下来看你。这个速度让我不可思议——她从出生开始，没有人教她背单词、学语法，但她就是学会了。

当时脑子里冒出一个问题：成年人，是不是也可以像孩子这样学语言？

这个念头种下来，很多年没有很认真继续想下去。直到大概去年下半年的时候，我刷到了许岑MarcusLabs 视频号。他说的一句话立刻就把我钩住了：语言不是知识，是能力。

我把他视频号上所有免费视频全看了一遍，越看越觉得，这就是我当年想到的那个方法，他把它说清楚了。

一、核心理念：语言是能力，不是知识

许岑老师方法论的根基是一个颠覆性的区分，知识和能力是两回事 。

语言不是历史、地理、物理公式那样可以通过”知道它是什么”来获得的东西。你不能靠背说明书学会游泳，不能靠记步骤学会骑自行车，同样也不能靠背单词、学语法来真正掌握一门语言。中国英语教育的根本问题，就是把一种能力当成了一门知识来教。

许岑老师的论证逻辑极为简洁，每个人都成功掌握了母语，而掌握母语的过程中，没有人背过单词、学过语法、用过教材、做过练习题。新生儿从零开始，在没有任何讲解和翻译的情况下，仅凭”猜”就建立起了完整的语言系统。这不是奇迹，而是人类语言习得的生物机制。

二、”猜”的四层逻辑

许岑老师将”猜”拆解为四个递进的认知层级：

首先是感知逻辑 ，新生儿面对语言时，永远不是在听纯声音。他能看到表情、动作、物体、因果关系。父母指着苹果说出一个声音，声音和物体反复绑定，猜错了下次纠正。

接着是心理逻辑 ，语调、情绪、态度比词义来得早得多。孩子先知道这句话是安抚的还是警告的，具体意思是后面的事。你看英文电影时，明明一句没翻译，却知道人是在威胁还是在开玩笑，你没有听懂台词，但你看懂了。

然后是结构逻辑 ，随着重复出现，大脑自动发现结构：哪些声音经常一起出现，哪些位置容易出现在句首，哪些变化对应过去或假设（这个过程有点是不是有点像大语言模型）。没有人给新生儿讲语法，但他们照样掌握了语法。

最后是统计逻辑 ，当同一个模式出现得足够多，猜就不再是猜，而是直觉。你不需要再去想，你直接就知道了。真正有语言能力的人，别人话说一半你就知道他要说什么，你甚至能打断他、插话。

三、我的亲身实验：用《绝命毒师》测试这套理论

看完许岑老师的视频，我决定自己试一试。

我选了《绝命毒师》（Breaking Bad）。以前看过，对剧情还算熟悉，所以台词没有复杂到让我放弃。这一次我的目标不是”听懂每句话”，而是专注在人物对话上，靠场景和情绪去理解他们真正要表达的意思，然后我把字幕关掉了。

刚关掉字幕的感觉：非常难受。

你会发现有太多词听不懂，尤其和化学相关的词，而且每次出现一个不认识的词，大脑就会本能地想查。查字典是我的老习惯，那种冲动非常强烈。但我硬是让自己停下来，不查，继续看，靠猜。

中间也反复过。坚持了几集，遇到实在听不懂的剧情，我还是开过字幕。开了一会儿又觉得不对，关掉，就这样来来回回几次。

但有一个词让我记忆很深：dissolve。

在第一季第二集有一场戏，Walter 和 Jesse 需要处理一具尸体。Walter 一本正经地说到用化学方法来处理，用到了 dissolving 这个词。第一次听到，我没懂，但我知道他们在处理一件很麻烦的事，需要用化学方法，而且 Walter 的语气非常平静、理性，这是他解决问题时特有的那种冷静。我大致猜到这是某种”消除”的方式，但不确定。

然后同一集稍后，Jesse 拿了个错误的容器，结果整个浴缸从二楼塌了下来，Walter 说塑料容器安全，但金属、石头、玻璃会被 dissolve。这一次画面非常清晰，结合第一次出现的语境，这个词的意思一下子就清楚了——溶解、熔化，让东西消失。

我没有查词典。这个词是我自己猜出来的，通过两次出现、两个完全不同但互相印证的场景。这就是许岑老师说的”感知统计”。

看到第四季的时候，我注意到自己变了：

我能接受那种”听不懂”的不确定感，不再坐立不安；
我开始能抓住情节走向，即便有些具体的词还是不认识；
我能从表情、语气、场景猜出人物的情绪——开心还是愤怒，威胁还是请求；

我真的有点感受到我获得了一些英文语言的能力。

四、为什么其他所有方法都失败了

1. 背单词 + 学语法（传统学校教育）

这是中国英语教育的主流路径。学生从第一天起，所有行为都围绕”记”展开，背单词、记词性、背课文、记句型、记语法规则，考试考的也是你记住了多少。

许岑老师认为：你以为你在学语言，实际上你在训练的只是记忆力。词汇量上万但一句话说不顺，GRE词汇量两万但出国谈合作照样带翻译，这不是个例，而是这套方法的必然结果。

根本问题 ：查词典把意义判断权永久性外包给了母语系统。你查到的不是”这个词在此处如何发挥作用”，而是”这个词中文怎么说”。每查一次词，就是一次主动退出语言系统的行为。

2. 看美剧/电影学英语（开字幕版）

很多人以为自己在”用英文影视学英语”，但实际上开着中文字幕。字幕一出现，大脑立刻做出最省力的选择——既然有现成答案，为什么还要猜？感知逻辑关闭，心理推断中断，结构识别停止，统计积累归零。你不是在学英语，你是在看中文，做中文阅读理解。即便是英文字幕也一样，只要眼睛开始读文字，耳朵就自动下岗。

3. 磨耳朵（纯音频输入）

没有画面就没有感知逻辑，只剩下一串声音，大脑必然切回中文去处理。英文歌是唯一的例外——旋律和情绪替代了一部分画面功能。

五、为什么这是唯一走得通的路

许岑老师的论证不是”这个方法比较好”，而是”这是唯一一条走得通的路”：

母语习得是唯一被几十亿人验证过、百分之百成功的路径。复刻它，是唯一理性的选择。传统方法已经被几十亿人验证过、大规模失败——当失败成为常态，问题不在个人，在路径。

“出国一年”现象提供了决定性证据：国内学了十几年英语无效的人，出国一年就通了，不是因为环境，而是因为退路被切断了，不得不猜。

医学上有一种疗法叫约束诱导运动疗法（CIMT） ，专门治疗一侧手臂受损的儿童：把好的手绑起来，强迫孩子每天用受损的手进行密集训练。受伤的手臂并非没有恢复潜力，而是好手太好用，大脑从不给它机会。学英语的逻辑一模一样——唯一的办法是切断母语的一切退路。

六、我现在怎么做

关于英文影视，我在家里搭了 NAS，配合 Infuse 播放，可以拿到大量没有字幕的高质量视频。最近搞AI每天有点累，所以我抽时间休息的时候看美剧、英文动画和英文电影，不是专门”学英语”，就是看我想看的东西，只是关掉了字幕。

选什么视频？ 方法非常简单：只要你可以开心地看下去，这个视频就是好视频。许岑老师的方法核心就是猜和看下去 ，所以找自己想看的视频就好。比如我很喜欢《老友记》，现在再刷还是很开心，我就继续再刷。我很喜欢《谍影重重》系列，看多少遍都不会腻。

关于英文绘本，我也开始看女儿 Grace 用的 Raz-Kids 绘本。绘本词汇不复杂，图文结合本身就是”感知逻辑”的最好训练——你看着图猜词，词和图反复绑定，跟新生儿学语言的机制是一样的。

另外关于”讲英语”，我现在每天早上送 Grace 上学，路上会说英语。说的时候带着录音器，说完让 AI 整理内容、指出我该怎么说更地道。许岑老师认为”说”会自然涌现，但涌现出来之后怎么做他没说，我认为这个方法对我很有效。

许岑老师说，坚持这套方法大概需要 6 个月到 1 年。我断断续续持续了几个月，最近明显感觉到提升。我现在需要做的就是大量地看、大量地猜，猜不出来怎么办？继续看，继续猜。

七、写给父母的一段话

如果你有孩子，这套方法尤其值得认真想一想。

我每天早上陪 Grace 读英文绘本，这是我们的亲子时间，也是英语输入的一部分。她不需要背单词，不需要学语法，只需要在有画面、有情境、有爸爸陪着的情况下，一遍遍地接触英文。

这套方法论也改变了我对孩子遇到生词的处理方式。以前 Grace 读课文遇到生词，我的习惯是让她直接去 AI 查一下意思。现在我禁止她查了，让她先努力用上下文去猜。效果比我们想象的要好很多——她其实是能猜的，只是以前我们没给她机会。

如果实在需要马上知道这个词，我想出了一个折中的办法：让 AI 用英文来解释这个词，而不是直接给中文翻译。这样至少还在英文的语境里，没有切回母语系统。

除此之外，我也开始让两个孩子 Grace 和 Nora 在没有字幕的情况下看英文动画片，作为固定的英语输入时间。不是让她们”学英语”，就是看动画，关掉字幕，让她们自己猜。

因为语言能力，不是教出来的，是猜出来的。

八、这个方法不只是学英语

许岑老师讲的虽然是英语，但这套方法论的本质是人类习得任何语言的底层机制 。它适用于所有语言：日语、韩语、法语、西班牙语，也适用于方言——上海话、粤语、闽南语，道理完全一样。

你想学粤语？找你喜欢的粤语电影、综艺，关掉字幕，靠猜。你想学日语？找你喜欢的日剧、动画，关掉字幕，靠猜。方法只有一个，换个语言，重复一遍。

九、最后，关于许岑老师的课程

我最近有点激动，把许岑老师的这个方法推荐给了很多人，我群里大概有一百多人购买了许岑老师的课程。许岑老师知道后联系了我表示感谢，但说实话，我更想感谢他。

如果你看完这篇文章觉得有道理，想系统了解完整的方法论，可以购买许岑老师的方法论课程，只需要 19.9 元 ，就能完整地获得这套学习理论，非常值得。

掌握第二语言不是学习知识，而是生存适应。你失败了十几年，不是你不行，是你从来没走过这条路，现在开始，把字幕关掉。

开始行动吧 。

关于许岑老师英语学习，我打算拉个群一起来学习，感兴趣的可以加我的微信，进群有两个要求：第一，你需要购买了许岑老师的课，截图发一下；第二，你要做一个自我介绍，为什么要进群。

我找到了性价比最高的减肥方法，太简单了

Sat, 21 Mar 2026 00:00:00 +0000

上次写了《控糖革命》让我多活20年之后，收到不少朋友的反馈。有人开始践行，有人还在犹豫，最近我对控糖这件事又有了进一步的认识。

《控糖革命》那本书讲了很多方法——吃饭的顺序、饭前喝醋、选择低GI食物等等。方法很多，但多了反而让人不知道从哪下手，认知负担太重的结果就是不愿意行动。

而我最新的认识是：其实你只需要做两件”最高性价比”的事，就能拿到控糖90%以上的收益。

第一，调整吃饭顺序：先吃菜，再吃蛋白，最后吃主食。

第二，吃完饭，立刻出去走至少10分钟。

就这两件事。不需要改变你吃什么，不需要计算热量，今天晚饭就能开始。

下面我解释一下，为什么我认为这两招是控糖的”最高性价比”打法。

一、调整吃饭顺序：输入端减速

很多人第一反应是：碳水最后不还是要被消化的吗？总量又没变，换个顺序有什么用？对血糖来说，吸收速度比吸收总量重要得多。

同样100克碳水，空腹直接吃，葡萄糖在30分钟内集中涌入血液，血糖曲线是一个又高又尖的峰。但如果你先吃了菜和肉，胃里已经有了一层”缓冲垫”，同样的葡萄糖被摊到了两三个小时里慢慢进入血液，血糖曲线变成了一个矮而宽的小丘。

同样一杯水，直接倒进杯子和通过细管慢慢滴进去，水量一样，但水位上升的方式完全不同。

这背后有一个关键机制，蛋白质和脂肪会让胃的出口收紧，大幅减慢食物进入小肠的速度。而葡萄糖的吸收主要发生在小肠——胃排空越慢，血糖上升就越平缓。

有研究显示，仅仅改变进食顺序，餐后血糖峰值可以降低30%到40%。碳水一克没少吃，但身体的反应完全不同。

二、饭后至少走10分钟：输出端加速

这是我最近最大的一个认知更新。

我以前以为运动就是运动，什么时候做效果差不多。但事实是，同样是走路，饭后马上走10分钟的效果，可能比两小时后去跑步半小时还好。

日本有一项研究直接对比了两种方案：吃完马上走10分钟 vs 等30分钟后走30分钟。结果让人意外，两种方案都改善了整体血糖，但只有”马上走10分钟”显著压低了血糖峰值。等半小时再走的那组，走的时间是三倍，峰值反而没被显著压下来。

原因也很简单，血糖峰值一般出现在饭后30到60分钟。你马上开始走，刚好赶上血糖攀升的窗口期。肌肉在这个时候直接从血液里”截流”葡萄糖，而且这个过程不依赖胰岛素，是肌肉自己主动”吸”走血糖。

但如果你等到半小时甚至一两个小时后再运动，血糖已经冲顶了，胰岛素已经大量分泌了，多余的糖已经在被转化成脂肪了，窗口期过了。

选择在餐后散步更重要。

另外，还有两个重要的提醒，第一，你不需要快走，对胃不好；第二，如果不能出门，就在屋子里面转圈，如果感觉无聊，就看点自己想看的视频吧，我现在吃完饭走路的时候就奖励自己十几分钟可以刷刷喜欢的游戏视频，我甚至每天都很期待吃完饭后的散步了。

三、为什么这两招是”最高性价比”？

你会发现，这两个策略恰好是一对组合：

调整进食顺序，是从输入端减速 ：让葡萄糖慢慢进入血液。

饭后立刻散步，是从输出端加速 ：让肌肉在血糖高峰期快速消耗葡萄糖。

一个从入口拦，一个从出口接，两端同时夹击血糖峰值。

而控住了血糖峰值，就控住了胰岛素的分泌量。胰岛素是身体把糖转化为脂肪的”总开关”，胰岛素分泌越温和，脂肪合成的驱动力就越小，你的身体也就越容易进入燃脂状态。

更妙的是，血糖平稳还会带来一个”隐性福利”，你没那么容易饿了，我以前经常出现的低血糖现在真的再没发生过。很多人发现调整顺序之后，下午不想吃零食了，晚上不馋夜宵了，因为血糖平稳后，身体自动帮你控制了摄入量。

四、管不住嘴怎么办？

有时候就是想吃块冰激凌或蛋糕、喝杯奶茶，人之常情。

我的做法是不禁止自己，但用一个”减伤流程”，首先尽量在饭后吃，首先饭后不会吃很多甜点，其次，开始吃的蔬菜和蛋白已经对你有了一层保护；其次，如果不是饭后，那吃甜点之前，先吃几颗小番茄或一根黄瓜，给胃里铺一层缓冲垫。然后安心享受甜点，然后注意，吃完甜点之后，也要出去走一圈。虽然不能完全抵消，但能大幅压低血糖峰值。

能控制住一部分伤害的甜点，远好过憋到崩溃后完全失控的甜点。

写在最后

上一篇文章我列了《控糖革命》里的大部分理论，这篇文章算是我的一个认知升级——方法看起来没有变化，但是我自己的认知确实升级了，我认为抓住最关键的两个就够了。

调整进食顺序，饭后走10分钟。 这两件事零成本，零痛苦，不需要意志力，今天就能开始。

我自己最近一段时间的体重，都在63kg-65kg之间波动，配合 Withings 体重秤每日体重的推送，我可以方便观察到我自己体重的变化，每日因为至少走路三次，我现在每日的步数也有稳定5000以上，整个人的精神状态有好转。

减肥领域有一个残酷的真相：最好的方法，永远是你能坚持下去的那个。就目前来看，我这个方法就是任何人都能做到的最好且最有性价比的减肥方法 。

最近我见谁都疯狂推荐这个方法，哈哈哈，有点激动，所以如果你上次看了我的文章还没行动起来，不妨现在开始行动。

折腾AI 到底有没有意义？请对照这几个标准

Sun, 15 Mar 2026 00:00:00 +0000

最近经常有朋友问我：你每天折腾这些 AI 工具，到底有什么意义？

说实话，我理解这个问题。AI 这几年的节奏是这样的：隔一段时间出一个新模型，出一波新工具，大家又开始焦虑，又开始折腾。折腾完了发现生活好像也没什么变化，于是就觉得——这东西没用。

但我也见过另一种人：他们折腾着折腾着，写作变快了，赚钱变多了，甚至整个人的思考方式都变了。

区别在哪里？我总结了五条判断标准，你可以拿这五条问自己，看看 AI 对你到底是在帮忙，还是在添乱。

第一条：用了 AI 之后，你的思考是变多了，还是变少了？

这个标准来自李笑来老师的一篇文章我为什么制作了一个 Markdown 编辑器 VMark？。

问题很简单：用了 AI 之后，无论是 ChatGPT、豆包，还是 Codex、Claude Code、OpenClaw 这些工具，你的思考是变多了，还是变少了？

如果你用 AI 写文章，写之前不想、写的时候不想、写完之后也不想，全扔给 AI 出一篇，你的思考是零，这种用法，用得越多，脑子越笨。

但如果你用 AI 帮你查资料、找原文、整理结构，然后自己判断、自己取舍、自己写最终的观点，你的思考不是变少了，是变多了，因为 AI 把你从体力活里解放出来，让你有更多精力去做判断。

同一个工具，两种用法，结果完全相反。关键不在于工具，在于你有没有在思考。

第二条：AI 出现之后，你赚到更多钱了吗？

这个标准来自紫菜分享的一个观点，是最直接的标准。

你本来有一个赚钱的渠道或方法，AI 出现之后，有没有让你赚得更快、赚得更多？

比如你是做自媒体的，AI 帮你选题更精准、写稿更快、数据分析更到位，收入涨了，这就是 AI 在帮你。比如你是做销售的，AI 帮你更快地了解客户背景、准备方案，成单率提高了，这也是。

如果 AI 的出现只是让你花钱花得更多了，比如订阅了一堆工具，买了一堆课，花了大量时间折腾，但收入没有任何变化，那肯定值得反思。

当然，不是说要马上立竿见影。如果你现在还没赚到，但能清晰地预见到，AI 正在帮你积累某种能力或效率，将来会转化成更多收入，这也算数。

但如果用了很久，既没赚到更多，也看不到任何会赚到更多的迹象，那这个”折腾”大概率是在消耗你，不是在帮你，很可能没意义。

第三条：AI 出现之后，你生产的速度变快了吗？

这是我个人的一个判断标准，我之前还写过一篇文章用作品来交朋友。

这里”作品”的定义很宽：写一篇文章、录一个播客、拍一个视频、写一本书、做一次分享……任何一次对外的产出，都是作品。

那么 AI 出现之后，你生产的速度是变快了还是变慢了？质量是变好了还是变差了？

万维钢老师说过一个很好的观察：

AI 确实能帮你节省做某些任务的时间，但没有人因为 AI 而减少总工作时间，人们反而变得更加忙碌。

写作时间一点都没少，还增加了，但与此同时，文章篇幅更长、信息密度更高、引用的参考文献更多、写法也更讲究了。

我觉得这才是 AI 对创作者的真正意义，不是让你偷懒，是让你在同样的投入下，产出更高质量的东西。

这个标准和钱没有直接挂钩，但它衡量的是你自身的成长和塑造。一个人持续产出高质量的作品，本身就是一种积累，对自己的认知、表达、影响力都是复利，有意义。

第四条：你自己的个人数据，是不是在增加？

这条标准可能很多人没想到，但我觉得它是 AI 时代最底层的一个判断。

为什么？因为 AI 能帮你多少，取决于它对你了解多少。如果你从来不记录，AI 对你的了解和对任何一个陌生人一样，它只能给你通用的、正确但无用的建议。

但如果你每天记录自己的生活、工作、思考、困惑，持续积累下来，AI 就真的能帮你做更好的判断。我自己每天用语音记录，然后让 OpenClaw 帮我整理，坚持了一段时间之后，让 AI 基于我的日志做周总结和下周计划，结果让我非常惊喜，因为它真的「认识」我了，给出的建议不再是泛泛而谈，而是针对我具体的状况。

所以我的问题是：用了 AI 之后，你自己的个人数据是不是在增加？增加的速度是不是变快了？

即便上面三条你都还没做到，但只要你开始认真记录自己，你就已经在为未来的自己存钱、存素材。记录的时候不要等想清楚了再记，想不清楚的时候也可以记，讲得磕磕巴巴也不怕，AI 帮你整理得清清楚楚。总之有时间就写两句，这些数据将来会值很多钱。

第五条：你对 AI 的理解变深了，还是只是在工具之间反复横跳？

这个标准来自我们圈子里的神鱼说的一句话：

“你们不要觉得你们是在玩龙虾，你们是在玩自己，是在训练自己对 AI 的直觉，这以后都他妈是海量的财富，好吧”

其实折腾本身不是问题，问题是折腾完之后你有没有沉淀出什么。

我举个自己的例子。前段时间我让 OpenClaw 帮我研究一个 GitHub 上的开源项目，让它读全部代码、总结项目逻辑。结果 token 很快就烧完了，得等恢复才能继续。当时我很困惑，明明只是读代码，怎么这么贵？

后来我花时间深入研究了 OpenClaw 的Context Window（上下文窗口） 。简单说，OpenClaw 每次回答你的问题，不是只看你最新发的那句话，而是要把整个对话历史全部重新「读」一遍。对话越长，积累的上下文越大，每次请求消耗的 token 就越多。所以你跟 AI 聊了很久之后，同样问一句话，成本可能是刚开始时的好几倍。

理解了这个之后，我找到了应对策略：当上下文积累太多时，先让 AI 把当前对话中的重要结论提取出来、保存好，然后 reset session 清空上下文。这样重要信息不丢，token 消耗恢复正常。

这个知识本身不复杂，但只有真正踩过坑的人才会去学 。而一旦你理解了 Context Window 的机制，你用所有 AI 工具的方式都会改变,你会知道什么时候该开新对话，什么时候该继续聊，什么时候该让 AI 先总结再重置。这不是某一个工具的小技巧，是对 AI 底层运作方式的理解，换任何工具都用得上。

这就是「直觉」，不是抽象的理论，是你在一次次实践中积累出来的判断力。什么时候该信 AI，什么时候不该信；什么任务适合交给它，什么任务必须自己来；什么时候该喂资料，什么时候该清上下文——这些判断，全是折腾出来的。

很多人用了很多工具，试了又试，换了又换，但对 AI 的本质理解没有任何进展，这种折腾是消耗，不是积累。而如果你在这个过程中，慢慢摸清楚了这些底层逻辑，那你就是在训练直觉。这种直觉，将来会是真正值钱的东西。

如果前四条标准你都觉得不好衡量，那就用这一条问自己：我对 AI 的理解，比半年前深了吗？

—

写在最后

AI 发展这么快，变化这么多，张潇雨老师提醒我们，如果这真的是一个大机会，它不会只持续几年，它会持续很久，久到你完全不用慌 。

所以，该学的时候学，该用的时候用。愿意折腾的，放手去折腾；暂时不想折腾的，等一等也完全没问题。

但如果你现在正处于那种说不清楚的焦虑里，觉得不折腾 AI 好像落后了，用了又感觉在浪费时间，那不妨拿这五条标准对照一下自己，然后，你就知道折腾有没有意义了。

另一个 OpenClaw：Hermes Agent – Nous Research 的数据飞轮野心

Thu, 12 Mar 2026 00:00:00 +0000

项目地址：https://github.com/NousResearch/hermes-agent

Hermes Agent 到底是什么

一句话：Nous Research 做的开源版 AI Personal Agent 。跟 OpenClaw、Claude Code 同一个赛道的竞品，但定位有本质不同。

真正特别的地方（不是营销话术）

1. 自我进化的 Skills 系统

这是它最核心的差异点。当 agent 完成一个复杂任务后，它会自动把解决方案抽象成一个 skill ，保存到 ~/.hermes/skills/。下次遇到类似问题直接调用，而且 skill 在使用过程中会持续自我改进。

对比静态 skill 系统：大多数 agent 的 skill 是预定义好的，它的是动态生长的。

2. Honcho 用户建模

集成了 Honcho（Plastic Labs 的项目），做的是辩证式用户画像 ——不只是记住「用户喜欢 X」，而是通过多轮对话推理出你的偏好、沟通风格、工作习惯。跨 session 持久化。

3. RL 训练闭环（这才是 Nous Research 的真正意图）

项目里有完整的 Atropos RL 训练环境：

trajectory_compressor.py — 压缩对话轨迹用于训练
rl_training_tool.py — 直接在 agent 内启动 RL 训练
batch_runner.py — 批量生成训练数据
environments/benchmarks/ — 内置 SWE-bench

这不只是一个 agent 产品，这是 Nous 的数据飞轮 ：

用户用 Hermes Agent → 产生高质量工具调用轨迹 → 压缩后训练下一代模型 → 模型更强 → agent 更好用

4. 六种终端后端

local / Docker / SSH / Daytona / Modal / Singularity

关键是 Daytona 和 Modal 支持 serverless 休眠 ——agent 的执行环境闲置时不收费，唤醒时秒恢复。适合跑在低配 VPS 上但偶尔需要 GPU 算力的场景。

5. 多模型、零锁定

支持 OpenRouter（200+ 模型）、z.ai/GLM、Kimi、MiniMax、OpenAI、Anthropic……一行命令切换，不改代码。

架构对比

维度	Hermes Agent	主流 Agent
语言	Python	Node.js / Python
Skills	动态生长 + 自我改进	静态预定义
记忆	MEMORY.md + Honcho 用户建模	文件记忆
平台	Telegram/Discord/Slack/WhatsApp/Signal	各有侧重
沙箱	6 种后端（含 Modal serverless）	本地 + Docker
RL 训练	内置完整闭环	无
定位	研究 + 产品双轮驱动	纯产品导向

我的判断

它特别在哪： 不是「又一个 AI agent」，而是 Nous Research 的模型训练数据基础设施伪装成了一个 agent 产品 。Skills 自动生成 + 轨迹压缩 + RL 训练这条链路，是目前开源 agent 中独一无二的。

值得关注的两个方向：

Skill 自动生成 ：agent 把自己的解题过程沉淀为可复用的技能，这个思路迟早会被更多框架借鉴
Honcho 用户建模 ：辩证式推理用户偏好，比简单的「记住用户说过的话」深了一个层次

如果你对自托管 AI agent 选型感兴趣，值得关注。核心看点不是它现在有多好用，而是它背后的数据飞轮野心。

天才的微信公众号文章导出工具……

Thu, 12 Mar 2026 00:00:00 +0000

我一直很关注公众号文章导出和爬取，今天看到一个很有意思的开源项目：https://github.com/wechat-article/wechat-article-exporter ,用了一种很有意思的方法解决了这个问题。

核心原理（一句话）

它不是爬虫，是微信公众号管理后台的「代理人」——通过你扫码登录微信公众号后台（mp.weixin.qq.com），拿到 session cookie，然后用微信后台自己的内部 API 来拉取任何公众号的文章。

关键技术链路

第一步：登录（最关键）

用户浏览器 → Nuxt 服务端 → mp.weixin.qq.com

调用 scanloginqrcode?action=getqrcode 获取二维码
用户用微信扫码确认
轮询 action=ask 等待扫码结果
扫码成功后 POST bizlogin?action=login
微信返回 redirect_url 里带 token，加上 Set-Cookie 里的一堆 cookie
服务端生成一个 auth-key 把 token + cookie 存到 KV 存储，客户端只持有这个 key

⚠️ 你不需要是那个公众号的管理员。只要有任何一个微信公众号 的管理权限就行——微信后台登录后，搜索公众号的 API 是全局的。

第二步：搜索公众号

GET https://mp.weixin.qq.com/cgi-bin/searchbiz?query=xxx&token=xxx

用微信后台的搜索接口搜任何公众号，返回 fakeid（微信内部 ID）。

第三步：拉文章列表

GET https://mp.weixin.qq.com/cgi-bin/appmsgpublish?fakeid=xxx&token=xxx

用的是微信后台的素材管理 API ，可以拉到目标公众号的全部历史文章列表，包括：标题、摘要、链接、封面、发布时间、作者、是否原创、所属合集。

第四步：下载文章内容（需要代理）

文章内容不是从后台 API 拿的，而是直接访问文章的 URL（mp.weixin.qq.com/s?__biz=xxx）。但微信有严格的反爬，直接从服务器 IP 访问会被封，所以项目部署了一套代理池架构 ：

公共代理：Cloudflare Workers 部署的 96 个节点 （6 个域名 × 16 个子域名）
请求路径：浏览器 → CF Worker 代理节点 → mp.weixin.qq.com → 返回 HTML

代理管理器（ProxyManager）实现了：自动选最优代理（失败最少 + 最久未用）、失败自动冷却 + 指数退避重试、并发控制（HTML 可高并发，阅读量数据限 2 并发）。

第五步：解析文章内容

拿到 HTML 后，从中提取 window.cgiDataNew 这个 JS 对象——这是微信文章页的核心数据结构，包含完整文章内容（HTML）、作者、公众号名、创建时间、IP 归属地、阅读量、点赞、分享、评论数。

解析方式很聪明：

浏览器端 ：创建隐藏 iframe 执行 JS，直接拿 window.cgiDataNew
服务器端 ：调用外部 JS 执行服务（因为 Cloudflare Workers 禁止 eval）

第六步：抓阅读量 / 评论（可选）

阅读量和评论需要手机端微信的认证凭证 （uin、key、pass_ticket）。项目提供了一个 mitmproxy 插件：手机设置代理 → 打开目标公众号文章 → 插件自动截获 Set-Cookie 提取凭证 → 暴露给前端使用。

第七步：导出

支持 HTML、Markdown、DOCX、Excel、JSON、TXT 多种格式。所有数据存在浏览器端的 IndexedDB（通过 Dexie.js），不依赖服务器存储。

架构亮点

Nuxt 3 全栈 ：前后端一体，服务端做代理转发，客户端做 UI + 数据存储
无需自建后端存储 ：IndexedDB 做本地缓存，auth-key KV 做 session 管理
96 节点代理池 ：用 Cloudflare Workers 免费额度，分散请求避免封 IP
两套认证体系 ：公众号后台 cookie（搜索 + 列表）+ 手机端微信 credential（阅读量 + 评论）
增量下载 + 缓存 ：已下载的文章 HTML 缓存在 IndexedDB，不重复抓

风险和限制

session 有效期约 4 天 ：需要重新扫码
微信风控 ：抓取频率过高会触发验证码或封 IP
Credential 很短命 ：手机端凭证 key 有效期很短，过期要重新抓
法律灰色地带 ：利用微信后台 API 批量抓取，违反微信 ToS
只能抓公开文章 ：付费文章、仅粉丝可见的无法抓取

我用 OpenClaw 给女儿搭了一套学习系统，跑了两周，说说真实感受

Sat, 07 Mar 2026 00:00:00 +0000

前段时间我写过一篇关于用 OpenClaw 做个人记录助手的文章，反响还不错，哈哈，阅读竟然超过14000。

后来有朋友问我：这东西除了记录，还能干嘛？

说实话，那时候我自己也没完全想清楚。直到有一天晚上，我女儿 Grace 在做英语作业，遇到一个词不会用，喊我过去帮忙。我给她讲了，她点点头，第二天又忘了。这个场景太熟悉了，其实学习这件事本身就需要重复、需要节奏、需要有人盯着。但我不可能每天都有精力一道题一道题陪着她过。

然后我就想到了 OpenClaw。

先说它和 ChatGPT 和豆包到底有什么不一样

很多人第一反应是：让 AI 辅导孩子学习，用 ChatGPT 或者豆包不就行了？

能用，但用过就知道问题在哪。ChatGPT 是”你问它答”的模式。孩子不问，它就不动。可对一个八岁的小孩来说，”主动提问”和”自我管理”恰恰是最难的部分。你总不能指望一个二年级学生每天自己打开 ChatGPT 说”请给我出五道两位数乘法题”吧，而且 ChatGPT 的沟通记录也无法沉淀下来做后续的分析。

OpenClaw 不一样的地方在于，它不是一个聊天窗口，它是一个跑在服务器上的 Agent。你可以给它写规则、设流程、建题库，它按照你定好的方式主动运转。你是设计者，它是执行者，换个说法：ChatGPT 像一个随叫随到的解题高手，OpenClaw 像你雇了一个全职的学习管家，而且这个管家严格按你写的手册办事。

实际跑起来是什么样的

我在 OpenClaw 里建了一个叫 workspace-grace 的工作区，专门给女儿用。里面的结构其实不复杂：

一个 SOUL.md 定义它的性格和行为准则——别太严肃，别说废话，像个靠谱的大哥哥
一个 USER.md 记录 Grace 的基本信息：二年级、八岁、英语阅读水平大概在 Lexile 495L-645L，以及确定我和Grace两个Channel账号的差异和权限（同一Agent，不同Channel）
一个 primary-homework-coach 的 Skill，定义了出题规则、评分标准、积分体系
一个公共题库，按难度分了三档
一个英语单词库，从她课本上整理出来的

沟通平台我选了飞书。原因很实际：Grace 主要用 iPad，飞书不用翻墙，体验还行；而且飞书有云文档和多维表格，天然适合做数据沉淀。

最关键的一步是账号隔离 。我在飞书上给 Grace 单独开了一个账号，她只能在自己的频道里做题、交作业、看反馈。我作为管理员有另一个频道，可以看所有数据、调规则、改计划。Grace 那边看不到我这边的内容，我这边能看到她的全部学习记录。

英语学习：从”背单词”到”用单词”

举个最具体的例子。Grace 学校最近教了一批新词，像 auction、budget、curious、disappointed 这些。传统做法是抄写三遍、听写一遍，完事。但我一直觉得，背下来和会用是两码事。

我把这些词整理进 OpenClaw 的单词库，设了一个规则：每次给一个词，让她用这个词造一个完整的句子，要求 8-12 个词。造完之后 OpenClaw 会从内容、词汇、语法三个维度打分（满分 10 分），指出具体问题，再给一个改进版的句子让她看看差距。

实际效果比我预想得好。比如有一天她拿到 disappointed 这个词，造了一句”My teacher is disappointed to a classmate”。OpenClaw 给了 8 分，指出介词搭配错了，应该是 disappointed with 或 disappointed in，不是 to，这种纠错颗粒度很好，而且我可以方便后续帮助。

再后来我还加了 IELTS 口语风格的问答训练（当然是儿童适配版的），是那种”主问题 + 追问”的模式特别适合练口语。比如问她”What’s your favorite place to read?”，她回答之后再追问”Why do you like reading there?”。这比单纯背单词有意思多了，Grace 自己也觉得像在玩。

数学：一道一道来，别贪多

数学部分我的策略更简单：每次只出一题。

之前试过一次性出五题，发现她看到一堆题目就烦了。改成单题模式之后，心理负担小很多——做完一道，加个分，开心一下，想继续就再来一道。有时候她做完数学题意犹未尽，会主动说”再来一个”，这在以前是不太可能的。

从积分记录来看，她在 2 月 24 号那天一口气做了好几道两位数乘法：27×6、34×7、46×5、58×4、68×4、87×6……中间只错了一道（79×3 她算成了 307，正确答案是 237）。这种自发的连续练习，靠家长盯着催是很难出现的。

积分系统：不是奖励，是”被看见”

积分这个东西，我一开始其实犹豫要不要做。怕搞成”做题换奖品”的交易模式。

后来想明白了：积分的核心不是物质激励，是让努力被看见 。每做完一题，OpenClaw 会立刻告诉她”本题 +5 分，累计 156 分，连续学习第 3 天”。这个即时反馈比什么都重要。孩子不怕辛苦，怕的是辛苦了没人知道。

具体的积分规则也不复杂：

完成一道练习 +5
全对额外 +3
连续学习第 N 天，额外 +N（上限 +7）
不扣分，永远不扣分

为什么不扣分？因为惩罚机制对小孩的学习动力是毁灭性的。做错了不扣分，只是没有全对奖励——这个区别很微妙但很重要。

两周下来，Grace 累计了 156 分（积分系统出错过很多次，中间被我清零过好几次，哈哈）。这个数字本身不重要，重要的是她知道自己的每一次努力都被记录下来了。

数据沉淀：从”感觉她在进步”到”看得见的进步”

这是我觉得 OpenClaw 最值钱的地方。

每次英语练习之后，OpenClaw 会自动把学习状态回填到飞书的文档里：哪个词练过了、造了什么句子、评分多少、问题出在哪里、改进建议是什么。同时还会把当天的积分摘要同步到一个飞书文档里。

这意味着什么？意味着我不需要每天坐在她旁边盯着，也能清楚知道：她这周练了哪些词、哪些词反复出错、造句的平均水平是多少、有没有在进步。

以前辅导孩子最让人焦虑的就是”不确定”——感觉她好像在学，但到底学了什么、掌握了多少、哪里薄弱，全靠猜。现在这些数据都在表格里，打开就能看。我能根据数据调整下周的训练重点，而不是凭直觉。

几个踩过的坑和技巧

说几个实际操作中遇到的问题，省得你们走弯路：

第一，飞书 Agent 响应极慢。
昨天使用非常卡，用 Claude Code 检查才发现，飞书插件自带的工具（文档、聊天、知识库、云盘、权限、多维表格）schema 定义非常庞大。如果 Agent 实际上不需要直接调用这些 API（比如 grace
只需要通过飞书收发消息），应该在 channels.feishu.tools 中把它们全部设为 false，避免每次请求都把这些巨大的 tool schema 发给模型。

第二，规则不用一次写完。 我一开始想把所有规则都设计好再上线，结果发现越想越复杂。后来改成先跑一个最简单的版本——就是出题、答题、打分——跑了两天，看看孩子的实际反应再慢慢加规则。比如”单词学习优先造句，卡住了再切填空题”这条规则，就是跑了几天之后根据实际情况加上去的。

这就是 OpenClaw 的优势，就像一个真的教练一样，随时发文字让他调整。

第三，单词库要做归并去重。 Grace 课本上的词经常是变形后的：received、chuckled、staring……如果直接扔进词库，同一个词会出现两三次。我后来加了一条规则：每次新增单词必须先做词形归并（received → receive，staring → stare），再去重入库。这个细节不大，但不处理的话题库会越来越乱。

第四，别高估孩子对文字的耐心。 一开始我设计了一些需要她”朗读并提交音频”的任务，发现技术链路太长（录音 → 上传 → 语音转写 → 评估），而且她操作需要等待太久。后来果断砍掉，所有任务都改成文字可完成的。简单才能持续。

第五，这是一个技巧，图片输入比你想的有用。 Grace 爸爸（也就是我）经常直接拍课本上的词汇表发给 OpenClaw，它会自动识别、整理、归并，然后生成同类练习题。这比我手动一个个打字录入快多了。

第六，这也是一个技巧，用豆包输入法。 Grace 现在打字很慢，所以我让她使用豆包语音输入法，识别的很精准，我感觉比飞书语音自带的识别更好用，所以这个输入法一定要装。

这件事的本质

回头看，我搞这套系统，核心就是在解决一个问题：怎么帮助孩子高效地复习 。

学校教新知识的部分其实没什么问题，老师会讲、课本会练。但学完之后有没有复习、复习的节奏对不对、薄弱的地方有没有反复练到。这些事情说起来简单，做起来全是细节：哪些词上周学了但还没巩固？哪类题反复错？今天该复习什么、练多少量合适？靠家长人肉盯，精力跟不上；靠孩子自觉，八岁小孩做不到。

OpenClaw 解决的就是这个”复习管不过来”的问题。它帮你记住每个知识点的状态，按规则安排练习节奏，错的自动进复习池，对的逐步拉长间隔。孩子每天打开飞书，不用想今天练什么——系统已经根据她的掌握情况安排好了。做完一道就有反馈，做错了马上纠正，不用等到周末才发现一堆问题堆在那里。

我想这是高效学习真正的样子，不是刷更多的题，而是在对的时间练对的内容。与其花两小时漫无目的地”复习”，不如花二十分钟精准地练那几个还没掌握的点。OpenClaw 做的事情不复杂，就是把这个”精准”的部分自动化了，而这恰恰也是我能帮助到 Grace 的地方。

那些影响我的咒语

Wed, 04 Mar 2026 00:00:00 +0000

每个人脑子里都装着几句话，平时不怎么想起来，但每到关键时刻，它们会自动跳出来帮助我们理清思路，我管这些话叫「咒语」，今天想聊聊那些真正改变过我的咒语。

李笑来：什么更重要？什么最重要？

这个咒语是我用过的最强大的决策工具，我在 2017 年在李笑来老师的文章中第一次看到这个咒语，非常震撼，一直到今天，再读这个咒语的时候，我仍然会不自觉地精神一抖。当我的眼前有太多「看起来都挺重要」的事情时候，或者在看起来混乱而且有很多选择的处境中的时候，我总会想到这个咒语。

一旦我开始问「什么更重要」，我就会发现，大部分让我焦虑的事情或者选择，其实没那么重要。而当我进一步追问「什么最重要」，答案往往简单到我不好意思说出来。

比如说我在教育孩子的时候，因为身边人的影响总会不自觉地想多鸡孩子，会把很多东西看得很重要：成绩、才艺、社交能力、英语、体育、阅读量……等等，每一项单独拎出来好像都有道理，但全部堆在一个孩子身上，就变成了灾难，孩子压力太大了。

那对教育孩子来说，什么更重要？身体比成绩更重要，保护好奇心比外部推动去学习更重要；那什么最重要？我们做父母的自己活得精彩最重要。

这个咒语的真正厉害之处在于：它是递归的。我可以在任何层面反复使用它。做一个项目时可以问，规划一年时可以问，迷茫的时候更要问，每问一次，杂念就少一层，越来越清晰。

段永平：做对的事情，把事情做对

这句话在投资中真的是直击灵魂，我这么多年还是会去做一些错的事情，但这句话会经常提醒我。

「做对的事情」是道，「把事情做对」是术，这两件事有先后顺序，我必须先确认方向是对的，然后再去打磨执行。

很多人一辈子在「把事情做对」上卷得死去活来，却从来没有停下来想过：我做的这件事本身是不是对的？方向错了，执行力越强，偏得越远。就像段永平老师说，看看周围有多少人抽烟你就明白了，不是不知道错，是错的事情往往有短期的诱惑。

更狠的是他的下半句：如果你不知道什么是对的，那至少你知道什么是错的。停掉错的事情，不管多大代价都是最小的代价。

问题是，我有没有勇气停止那些错的事情……

和菜头：所有触类旁通，都藏在那些你不感兴趣的书里

和菜头老师这句话是打开我读书的开关，真的是重启了我的读书之旅（我推荐了很多次的和菜头老师的好文阅读入门）。

我们天然倾向于读自己感兴趣的东西。技术人读技术书，投资人读投资书，每个人都在自己的舒适区里深挖。问题是，真正让我们产生飞跃式理解的洞察，几乎从来不是从本领域的书里蹦出来的。它来自你偶然翻开的一本历史书、一本心理学著作、甚至一本看起来跟你毫无关系的社会学专著。

因为触类旁通的前提是我得先有「旁」的东西可以「通」。如果我的知识结构是一口深井，我只能越挖越深，但永远不会有横向连接的惊喜。只有当我的阅读版图足够宽广，那些看似不相关的点才会在某个瞬间连成一条线，那个瞬间就是顿悟。

这句话改变了我的阅读方式，我开始尝试那些我不喜欢的书，或者那些读不下去的书。

和菜头：文章写完再修改

这句话来自和菜头在得到专栏《成年人修炼手册》第45讲《启动时间：拖延症的一种解决方案》。初听很反直觉。不是说好文章是改出来的吗？但他说的是另一个层面：不要在写的过程中修改。

写作最大的敌人不是写得差，而是写不出来。边写边改，本质上是用「编辑脑」干扰「创作脑」，一旦你停下来纠结一个词，流动就断了，再想接回去，比重新开始还难。

和菜头自己的方法是：先动起来，哪怕装作在写，装着装着就真写了。 他把这个叫「启动时间」，不管内心多抗拒，先打开文档，随手开始敲字，不管好坏，不许删除。过一阵子，大脑就真的进入状态了。

我现在写文章就是这样——先一口气写完，不纠结，写完再改。另外，现在有 AI 帮助整理，用语音写作就有这个好处，一股脑地把想法表达出来，经常越说越有灵感，越说越能打开思路。

司马懿：臣一路走来，没有敌人，看见的都是朋友和师长

这句话出自电视剧。

我遇到的每一个人，哪怕是让我不舒服的人，都在某个维度上教会了我一些东西。反对我的人让我看到了自己的盲区，批评我的人帮你磨掉了毛刺，甚至那些伤害过我的人，也让我更清楚地知道了自己的底线和边界在哪里。

当我用这个视角去回看自己走过的路，心里会松很多。不是原谅，是超越。我不再消耗能量在「记恨」和「争辩」上，而是把所有的经历都转化成了养分。

维克多·弗兰克尔：在刺激与回应之间，人有选择的自由

弗兰克尔是纳粹集中营的幸存者，他在地狱般的环境里发现了这个真相：外界可以夺走你的一切，但夺不走你选择如何回应的权利。

这句话我经常念叨，每次的感受都不一样，虽然我经常还做不到自由地去选择回应方式。

每个人的人生都不是被外部条件决定的，环境确实会限制我，但在任何限制之下，我仍然拥有选择的自由，选择我的态度，选择我的解读方式，选择我把注意力放在哪里。

岸见一郎：决定我们自身的不是过去的经历，而是我们自己赋予经历的意义

《被讨厌的勇气》里这句话，和弗兰克尔的那句话形成了呼应。

我们太习惯说「因为小时候怎样怎样，所以我现在才这样」。阿德勒心理学给了一个完全不同的视角：不是过去塑造了你，而是你选择了如何解读过去，而这个解读塑造了现在的你。同样是失败过一次，有的人解读为「我不行」，有的人解读为「我知道了这条路走不通」。经历一样，意义完全不同，之后的行动也完全不同。

这句话给了我一种重新编辑自己人生故事的能力，那些曾经让我痛苦的经历，我可以重新给它们赋予意义。

苏格拉底：未经审视的人生不值得过

这大概是所有咒语里最古老的一句了，两千多年了，依然锋利。什么是审视？审视是带着好奇心去看：我为什么做了这个选择？这个结果跟我预期的有什么不同？我从中学到了什么？

审视是元认知的另一种说法，也有很多人用「觉察」这个词，我不只是在过日子，我还在觉察和审视自己过日子的方式。这种「旁观者视角」不会让我活得更累，反而会让我活得更清醒。

我现在每天都使用 OpenClaw 来记日记，就是在不断审视和觉察自己，这个习惯就是苏格拉底这句话的产物。

凯文·凯利：感恩之心能唤醒你身上所有的美好

KK 说的这句话很朴素，但我越来越觉得它是一切正向循环的起点。

当我处于感恩的状态时，我的注意力自然会放在「我拥有什么」而不是「我缺少什么」上。这是一种认知切换，长期盯着缺失看的人，心态是收紧的、防御的；而长期看到拥有的人，心态是打开的、富足的。打开的心态让你更容易看到机会，更容易跟人建立信任，也更容易在困难面前保持韧性。

这是一种可以练习的能力，也是幸福的关键，非常神奇。

吴军：生活是具体的

这句话来自吴军老师的《硅谷来信》第084封信，标题叫「德国人的智慧——生活是具体的」。

吴军老师说德国人开会，有人说「这个政策对环境有好处」，他们马上打断：好多少？和什么比？每个家庭要分摊多少成本？有了这些数字，再来表态不迟。德国制造一个徕卡镜头，细到每一根刻度线的宽度都有规范；德国人做菜，各种材料要称、要量、要计时，这不是抬杠，是真的不接受「大概差不多」。

这句咒语改变了我一个很坏的习惯，喜欢说抽象的大话 。「我最近状态不好」，但具体是哪件事让我状态不好？「我要做我自己」，但到底做我自己的哪部分？「我想提高写作」，但具体要提高哪部分？逻辑跳跃还是例子不够？

抽象的判断说出口很容易，但说了什么也没改变。一旦逼自己把话说具体，我会发现：有时候问题根本没我想的严重，有时候解法其实显而易见。

吴军：上帝喜欢笨人

这是吴军老师在《硅谷来信2》里花了三封信专门讲的一句话，是他自称「一生感悟最深」的话。

他举了一个历史上最经典的「笨人 vs 天才」对决：威灵顿和拿破仑。拿破仑是公认的军事天才，60多场战役几乎全胜，靠的是奇袭、感召力、即兴发挥；威灵顿恰恰相反，他完全知道自己没有拿破仑那样的天赋，于是走了另一条路，「结硬寨，打呆仗」。每次开战前，把所有细节安排得滴水不漏，不依赖灵感，只依赖准备。最后，正是这个「笨人」在滑铁卢终结了天才。

吴军老师说自己是“笨人”，是那种做事有板有眼、不投机取巧的人：

• 一次专注一件事，减少并行和反复返工；
• 不贪眼前便宜，不在细枝末节上争利；
• 用看起来慢的方法，把重要的事按时做完。

我用这句话经常提醒自己，和别人相处的时候，做个笨人，做个可以被别人信任的人。

结语

以上就是住在我脑子里的那些咒语。

它们虽然来自不同的时代的不同的人，但我一次又一次地在真实场景中用到了它们，每用一次，理解就深一层；每深一层，都帮助我更好地思考和做决策。

所以，我由衷地感谢他们给我如此美好的咒语，谢谢这些老师。

金马：2026年2月每日复盘

Sun, 01 Mar 2026 00:00:00 +0000

2月1日小记：

1.77800 左右买了 BTC，是之前的挂单，竟然成交了，又挂了几个单，虽然7开头这个价格不错，但趋势不好，所以也不能冲动买很多，慢慢买吧。

如果重金属继续暴跌，币圈不会好，如果美股暴跌，币圈不会好，所以接下来稳住，还会等到更好的买入价格。

2.最近两天我和老婆与导师大哥沟通超过 3 小时，各种问题都咨询了他，夫妻关系，孩子教育，个人成长等等，很多豁然开朗的时刻，一方面我充分地表达了自己，表达即探索，经常在讲的时候我就想明白了；另一方面有一个懂你的导师非常难得，我得到了陪伴，鼓励，安慰，以及他的专业指点。

2月4日小记：

1.昨天有点感冒，早上起来嗓子不太舒服。老婆给我吃了她从韩国带回来的感冒药，下午睡了一觉，居然真的好了不少，可能这药刚好对症。

2.今天在群里做了一次关于“主动选择数据源”的分享。这事儿其实我思考了挺久。最近一段时间用 RSS 来订阅内容，感觉效果好了很多。可以在多个博主的文章里自由跳转，经常不经意间就触发一些灵感。

难点其实是在于整理自己的“数据源”。这个过程挺耗精力的，但一旦整理出来，整个信息流就变得特别顺畅，脑子也跟着清爽了。

3.这段时间我用 Claude 的 Mac 客户端多了一些。今天让 Claude 帮我生成了一篇 Word 文档和一个 PPT，真的太惊艳了，我当时直接“哇塞”地叫出声来……但奇怪的是，为什么网络上没人提这事儿？Claude 现在真的可以惊艳地做出一个 PPT 了——注意，是“惊艳”，不是“能用”那么简单。

你自己试试看就知道了。

2月7日小记：

1.这几天刷 Folo RSS 订阅的博主，体感真的很不错。每次刷的过程中都会蹦出些新的思考点，更重要的是刷完之后心情愉悦，整个人都充满了干劲儿。一个非常鲜明的对比是：刷完视频网站，往往只剩下低落和懊悔，甚至有点空虚，这真的是两种信息摄入方式带来的截然不同的心理反馈。

2.昨天大饼跌到 6 万附近的时候，心里那个难受啊，真没想到会跌这么多、跌这么快。当时的心情就是——我怎么会在 8 万多、7 万多的时候冲动买了那么多？明明已经做了计划，明明挂了分批单，但最后期间忍不住多买了一些，哎，冲动啊冲动。所以昨天我赶紧和老婆沟通了一下：最近这段时间，可能需要你多照顾照顾我、安慰安慰我。

不过今天就好多了，相比前几次，这次我很庆幸暴跌的时候没有满仓，还有 U。

3.二月份写的文章多一些，小记写得比较少。

OpenClaw使用注意点

Mon, 23 Feb 2026 00:00:00 +0000

最近大量的软件公司股票一直在跌，因为在 AI 时代，软件工具已经不是瓶颈。我们每个人，只要愿意学习，都可以掌握定制软件的能力。

那真正稀缺的是什么？

是关于我们自己的数据，是那些记录了我们经历、思考、情绪、人际关系和成长轨迹的个人数据。 如果我们想让 AI 帮助我们思考，那前提是要有足够多”关于我们自己的数据”。AI 再聪明，如果没有你的数据，它也只能给出泛泛的建议；但当它拥有你的历史记录、你的行为模式、你的思考轨迹，它就能真正成为你的助手。

所以我觉得，每天写日记是一件非常重要的事情，因为这是记录个人数据最好的方法。但写日记本身并不容易，你要打开文档，思考今天发生了什么、哪些事情值得记录、有哪些情绪、有什么感悟，这种”从零开始的主动思考”是有门槛的，所以很多人坚持不下去。

那有没有更简单的记日记的方法？有。

想象一个场景：你有一个微信好友，每天固定时间来问你问题：今天去了哪里？见了什么人？有没有拍照片？聊了什么话题？有没有哪句话让你印象深刻？有没有说话不妥的地方？有什么可以做得更好的？今天看了什么文章？有什么新的思考？然后你用语音噼里啪啦完成了回答，只用了10分钟。

人主动思考很难，但回答具体的问题却要简单得多，这样你做记录就像和朋友聊天一样，把当天的经历、情绪和反思全部说出来，自然就完成了记录。

别小看这样的记录，古人说”一日三省吾身”，每天一点点记录和反思，时间拉长之后，你会看到巨大的变化。关键是把复盘这件事简单化、日常化、规律化，让系统每天固定提醒你，你只需要回应，不需要额外的思考负担。

随着信息积累越来越多，你会越来越了解自己：你的人际模式，你的情绪周期，你的兴趣变化，你的思考过程，这些都是极其宝贵的资产。我们很多人并不是没有经历和思考，而是没有留下痕迹。

我在 2025 年在新西兰的时候，想回忆 2024 年在那里发生了什么、见过什么人，结果发现自己记不清了，因为没有做足够详细的记录。于是那段时间我开始大量记录，但每天主动写详细日记真的不容易，在新西兰写了一段时间就坚持不下去了，因为门槛太高了。

所以，与其逼自己写，不如让一个 AI Agent 来问你问题，OpenClaw 的出现，让这件事情变得非常简单，我们可以轻松设计一个记录的 Skill，来定时让 Agent 提醒我们来回答问题，也可以设计各种问的问题，然后自动整理成 Markdown 文件同步到我们的笔记中。

（把内容追加到昨天的日志中，使用传统软件实现很复杂）

这件事短期看不出明显效果，但长期价值非常巨大。举个简单的例子。假设七爷一直在做记录，然后他把我们之间的经历、照片、当时的对话、他的思考和感受都保留下来。十年后，在我生日那天，他把这些整理成一个网页送给我，那种感动是无法形容的。

当然，你也可以把你与男女朋友、配偶、孩子、父母的经历记录下来，多年以后再回看，那会是一份无价的礼物。

可能你会说，没有 AI Agent 也一样可以做记录，当然可以，我只是强调使用 OpenClaw 辅助可以把记录的门槛降到最低，每天你只需要花很少的精力，就可以完成大量的记录。

至于文档，我建议使用 Markdown 文件。现在确实很难判断哪个笔记软件会长期存在，但 Markdown 是最稳妥的形式。文件掌握在你手里，迁移成本低，任何 AI 模型都可以读取你的本地文本。而且在数据量还很小的时候，不必一开始就做复杂结构或数据库设计，先以文本形式积累就够了。等数据量足够大，再做迁移也完全来得及。

这和过去完全不同。以前如果想用程序处理数据，必须是高度结构化的，否则程序无法理解一大堆文本里哪些是你需要的内容。但现在，大模型可以理解自然语言，可以从大量非结构化文本中提取信息，这是一种全新的能力。

建议在一台服务器上开多个 Agent，选择一个专门做个人记录使用，这样不会因为其他任务而影响；
文档建议使用 GitHub 来做文件仓库，可以多端同步，而且天生有历史修改记录，不担心改错或者错删文件；

❤

刘小排老师如何使用 OpenClaw ？

Sat, 21 Feb 2026 00:00:00 +0000

昨天我看到亦仁分享了一个非常有价值的工作流，他说是他的核心竞争力资源，感恩亦仁啊，具体方法如下：

对于想深度研究的博主，获取他的所有资料和数据，然后导入 NotebookLM 中，提问学习。

这个方法简单却高效，我之前就是这么做的，今天我分享一下我学习刘小排老师如何使用 OpenClaw的收获。

为什么是刘小排老师？因为刘小排老师是真正 AI 行业的 Builder、创造者和探索人，他持续地做产品、用 AI 工具快速孵化出多个营收产品，另外，他也持续把自己的探索用文字分享出来，他的内容让我受益太多了，请大家关注他的公众号：

那如何操作呢？

第一步，通过某鱼获得刘小排老师的全部公众号文章，没有Markdown格式，建议选择 HTML格式；

第二步，让 AI 把 HTML 整理成 Markdown 文件；

第三步，导入 NotebookLM，这里有一个小坑，NotebookLM 支持的文件数有限（即使开通Gemini Plus 和 Pro都有上限），所以你可以让AI把每个月的多个文章集合成一个 Markdown。

以下就是刘小排如何使用OpenClaw的整理，中间会有一些我自己的使用反馈：

刘小排老师建议使用 OpenClaw 的核心思路是：

不要把它看作一个工具，而要把它当作一个真实、全职且具备“最聪明的人+电脑操作上限”能力的AI员工（实习生）来对待。

以下是刘小排老师关于使用 OpenClaw 的全部细节建议：

第一，硬件环境：为它准备“独立的办公室”

首选海外 Linux VPS：刘小排老师强烈建议在海外 Linux VPS 服务器上运行 OpenClaw，而非 Mac Mini，原因如下：

权限更大：Linux 可以提供 root 权限，让 AI 能够自主安装程序和修改配置，而 Mac 系统在安装或录屏时常需人类干预。

网络带宽极高：机房服务器拥有数百兆甚至 1 GBit/s 的带宽，执行网络任务远快于国内科学上网环境。

独立运行：给它配置一台专门的电脑，避免它在工作时与你“抢占”屏幕或算力。

金马反馈：海外 Linux VPS 太好用了，任何一个程序员都无法拒绝海外 Linux VPS，因为网络好用太多，在中国什么都得靠代理，而在海外 Linux VPS上，使用 apt-get、npm install、docker 镜像等等，速度不要太快，差距太大了……。

但凡你要做开发，你就逃不过各种库依赖的安装，海外的 Linux VPS 一定要用。

第二，身份与账号：给它一套“入职全家桶”

独立的账号体系：不要让 OpenClaw 使用你个人的飞书、Notion 或 GitHub 账号，这既是为了安全，也是为了符合人类公司的管理规范。

配置全套装备：为它配置独立的飞书个人账号（而非 Bot）、Notion 账号、邮件和 GitHub 账号。这样它可以在公司群里像真人一样反馈进度，甚至吐槽“网络卡”。

金马反馈：这一点是刘小排老师首创，非常认同，如果使用一个OpenClaw，看起来没太大必要，但是如果开多个 OpenClaw，你就会发现一定要让他们使用独立的账户体系。

第三，管理模式：像管理真人一样管理 AI

强制日报制度：刘小排老师规定 OpenClaw 每天 23:50 开始写日报，并同步发送至群聊、邮件和 Notion。日报应包含：今日对话摘要、完成任务汇总、系统配置、心得，以及分项目的编程记录（含 PR 提交和测试情况）。

代码合规性（PR 制度）：不要让 OpenClaw 直接合并代码，而应要求它发起 Pull Request (PR)。它可以自主拉取同事代码，进行代码审核、运行白盒测试，并将问题汇总成 PDF 发给人类老板验收。

建立 SOP（标准作业程序）：任何有 SOP 的电脑工作都可以交给它，例如：通过口述需求让它自动完成购买域名、写代码、修改 DNS 到上线部署的全流程。

金马反馈：日报制度非常重要，我用了几天，会感觉 AI 做了好多事情。

第四，模型与工具的“组合拳”

分工协作：

Claude Opus 4.5/4.6：作为日常沟通和逻辑规划的主脑，因为它最擅长“说人话”。

GPT-5.2/5.3 Codex：处理严肃的编程、复杂算法和代码审核任务。

调用原生工具：刘小排老师发现 OpenClaw 有时写代码能力不如专门的工具，因此会让它调用系统内的 Claude Code 写代码，再用 Codex 进行 Review 和 Test。

浏览器自动化：如果需要执行严肃的浏览器任务，建议配合 Browser-use，而非普通的 MCP 插件。

金马反馈：我在 OpenClaw 使用 Codex Oauth 进行授权的，所以里面直接使用的是 Codex CLI，很好用。另外 Browser-use 解决了我一个难搞的爬虫问题，赞。

第五，进阶技巧：注入“有趣的灵魂”

消除“班味儿”：如果觉得 AI 过于循规蹈矩，可以通过特定的 Prompt 为它“换灵魂”。

个性化定制：换完灵魂后的 OpenClaw 会从工具人变成有性格的助手，甚至会表现出一点点“叛逆”或幽默感。

核心观念：

拒绝一键安装的幻觉：刘小排老师认为 OpenClaw 无法一键安装，因为配置高薪员工的工作环境、理解公司流程和 SOP 需要时间筹备，任何宣称一键安装的往往只是简单的聊天工具。

一人公司时代的到来：一旦建立了这一套基于 VPS 和独立账号的协作体系，个人开发者就能像管理团队一样管理多个 AI 节点，甚至无需再招聘人类员工。

以上就是刘小排老师的分享，如果你想了解具体的细节，请查看刘小排老师的公众号：刘小排r ，里面最近的文章都和 OpenClaw 相关。

用作品来交朋友

Fri, 20 Feb 2026 00:00:00 +0000

在我刚做程序员的时候，一位有经验的前辈告诉我，要去参与开源项目的维护。这不仅能让你获得实战经验，更重要的是，它会让别人看到你。他还建议我写技术博客，因为博客不是自我表达，而是一种公开的能力证明。多年以后我才明白，他真正想说的并不是“多学点技术”，而是用作品建立信用 。开源代码、技术文章，都是可以被反复检验的能力记录。当别人判断你是否值得合作时，他们看的不是你说了什么，而是你做过什么。

这么多年观察下来，厉害的程序员很多，但那些长期做开源、持续写博客的人，往往更容易获得更好的机会，因为他们更容易被看见 。这个世界上从不缺机会，缺的是可被识别的能力。当你的作品长期存在于公共空间里，它们就会替你发声，替你建立信任，也替你连接到那些本来与你毫无交集的人。

前几天看到张咋啦分享说，在硅谷交朋友最好的方式，不是频繁参加聚会去“建立链接”，而是做出自己的产品。当你真正创造出有价值的东西，自然会有人主动想见你。与其努力进入别人的社交圈，不如先做出能让别人主动走向你的作品。吸引力，往往比主动出击更有效。

这让我想起《论语·颜渊》中的一句话：“君子以文会友，以友辅仁 。”古人所说的“文”，指的是诗、书、礼、乐；放到今天，“文”可以是文章、播客、视频、工具、开源代码，是你对外持续交付的一切成果。形式变了，道理没有变，作品是一种语言，它比自我介绍更有说服力。

我最近看了 Austin Kleon 的《Show Your Work!》，书中有一句话让我印象很深：“Share what you love, and the people who love the same things will find you. ” 关键不在“share”，而在“find you”。当你持续表达真实的兴趣和创造过程时，同频的人会自然出现。而让自己被找到的方式，并不是到处发名片、频繁社交，而是持续把你正在做的事情公开出来。

Kleon 还强调，分享的不只是结果，更是过程。你学了什么、正在做什么、踩了哪些坑、发现了哪些有趣的问题，这些都是作品的一部分。它们会在互联网上留下可被检索的痕迹，像一个个坐标，等待那些和你兴趣相投的人偶然路过、停下、交流。

作品在时间中沉淀，连接也在时间中发酵。

他还说：“The act of sharing is one of generosity.” 分享本质上是一种慷慨，而不是表演。当你把自己的思考和经验公开出来，是因为它可能对某个人有帮助。那些因此而找到你的人，其实已经通过作品完成了一次筛选——他们理解你的兴趣，也认可你的价值观。相比费力筛选人脉，这种连接更自然，也更长久。

纳瓦尔也很早就提到，文章、播客、代码和产品，都是“不需要许可的杠杆”。你不必等待谁的批准，只要做出来，它就可能被任何人看到、使用、传播。作品是一种可以被无限复制的表达，它能够突破时间和空间的限制，把你带到本来接触不到的地方。

李笑来老师在《李笑来谈 AI 时代的家庭教育》中提到，人生最重要的判断只有两类：人能不能交，事能不能做。但在社交网络时代，人可以伪装身份、能力，甚至性格，判断变得越来越困难。怎么办？

他给出的答案很直接：优先与有作品、有成绩的人交往，因为作品和成绩更难伪装。 真正长期稳定的能力，一定会在可见的成果上留下痕迹。

而如果我们希望与有作品、有成绩的人站在一起，就必须先成为那样的人 。在 AI 时代，创作的门槛已经大幅降低。我们可以引导孩子去制作绘本、漫画、视频、网页工具、音乐；成年人可以写文章、做播客、开发小产品、参与开源项目。AI 越来越强大，关键不再是“会不会”，而是“做不做”。当然，真正拉开差距的，是持续交付，而不是一次性的展示。

所以问题回到自己：我现在可以做什么作品？

AI 时代，人人都焦虑，与其焦虑如何扩大社交圈，不如认真思考自己能够长期投入、持续创造的方向。你想吸引什么样的人，先去做什么样的作品吧。

2026除夕写给金马社群的伙伴们

Mon, 16 Feb 2026 00:00:00 +0000

写给对我最重要的你们。

我的社群成立于 2017 年 6 月 18 日，最初它围绕的是加密货币投资，回头看，从 2017 到 2026，我们大致已经经历了3轮牛市与熊市，行情像潮水，一次次把人推上去、又拉下来，非常不容易，但是我们都跌跌撞撞站得越来越稳。

我自己也一样，2017-2018年，我经历过很大的波动和回撤，说到底，我根本“不会管钱”，仓位、节奏、情绪，全都很难驾驭，2018年经常懊悔地流泪。到 2021 年起，我才能稍微把重点从“赚得多”调整为“活得久”，更重视回撤控制，更重视纪律，更多考虑如何在接下来10年活得好，当时我带着大家制定了心愿清单，这让我们可以保住一部分投资成果。到了 2023和2025 年，我的整体节奏又稳了一些，虽然中间经历过大的问题，比如大仓位把BTC换成了ETH，但我确实能感觉到自己在一点点成长。

社群也是，2017-2021年我拼命想把社群做好，后来到了 2022—2023 年，我慢慢变得佛系，不再执着于规模。到现在，我几乎不做推广，也很少运营。但你们还在，感谢还有四百多位朋友一直陪着我，我真心感激。

我其实也动过关掉社群的念头，可我很清楚的知道，我需要你们，需要这种“随时能聊两句”的连接，需要这群能彼此理解、彼此陪伴的朋友。外界未必了解我是怎样的人，但群里很多朋友已经陪伴我七八年，你们是懂我的。你们看过我起伏，看过我赚到钱的自大和张狂，看过我在最困难的时候的坚持，也看过我如何一点点调整、学习、变得更稳。我很珍惜过去这七八年里，因为这是我生命中最重要的时间，而这个时间是和你们一起走过的。

所以在 2026 年，我想对大家说我会继续成长，继续阅读、继续写作、继续折腾。我也会在 AI 这条线上多做学习和实践，争取把自己学到的东西，转化成更扎实的分享，我无法承诺分享多少，但我自己不会躺平、不会混日子，我会持续复盘，持续行动，持续展示我的挣扎和探索。

至于加密货币投资这块，我的仓位也不小，最近一段时间加仓有点快，情绪压力其实有点大。但我每次都会给自己释放信号，我现在已经比 2018 年好太多、成熟一些，也比 2022 年从容很多，能走到今天，我心里是非常感恩的。

未来我我会更多分享自己的成长、学习、试错与复盘，希望这些经历能给你们一点点启发或力量。新的一年，我想告诉你们，你们是我非常重要的朋友，祝大家都能在波动里稳住，在周期里向前，我们跑得不一定最快，但一起可以跑得更久，跑得更踏实。

谢谢你们。

你也可以读懂“专业论文”

Thu, 05 Feb 2026 00:00:00 +0000

1、最近我想深入学习一下大模型的原理，于是决定读一读几篇关键的论文，选了这些：

– Transformer：Attention Is All You Need

– GPT-2 论文：Language Models are Unsupervised Multitask Learners

– 理解”让AI思考”的技巧：Chain-of-Thought Prompting Elicits Reasoning in Large Language Models

– 双向”理解模型：BERT: Pre-training of Deep Bidirectional Transformers

– 等等……

哈哈，一看这些名字是不是有点吓人？但其实，现在任何人都可以读懂这些论文，只要你真的想读懂。各种 AI 工具有一千种方法可以教会你。说真的，我这次都读懂了。

2、所以我在群里留了一个小作业，要求是：

– 通过AI学习这篇论文；

– 了解下关键技术 Transformer 在大模型中到底解决了什么问题；

– 写一篇小短文，分享一下自己的收获，无论是使用AI上的收获，或者对大模型有什么新的理解，对 Prompt 提示词有什么新的理解等；

3、不知道有多少人真的做了这次练习。但我想说：每个人都值得做一做这个作业。首先，更理解 AI 的原理，肯定能用得更好；其次，这是一次难得的机会：试着用 AI 去学习一份本来“很难啃”的材料。如果你能学懂这些论文，以后再读什么论文、再啃什么大部头书籍，也不会那么怕了。

4、学习的时候，我问了 AI 一些问题，比如：

– 论文的 Abstract，能不能翻成大白话？

– 这篇论文到底讲了什么？

– 假设我是小学生，你能给我讲讲吗？

– 这些内容对我使用 AI 有什么帮助？

– ……

5、那关于 Attention Is All You Need 这篇论文，我学到了什么呢？

首先，Transformer 最初是为了解决机器翻译问题而提出的。但后来大家发现，Transformer 架构不仅能处理翻译任务，本质上它能理解和生成文本，所以可以让它去阅读各种文本，从而学会预测“下一个词”，这也是为什么 Transformer 成为如今大模型的核心架构。所以我现在能理解：为啥大模型在翻译任务上表现那么强，因为它的底层结构就是为翻译而生的。

其次，大模型的核心其实就是“预测下一个词”。而触发它开始预测的，就是我们输入的 Prompt 提示词。Prompt 依然非常关键：你可以不用一次性把提示词写完整，但问题越具体、越清晰、有明确边界，它给出的答案就越靠谱。

最后，由于是“预测词”而不是“真正计算”，所以它在处理数学题时会犯错，因为它并没有真的执行运算，只是在根据训练文本里学到的“统计模式”做猜测。所以，如果你真想它做对数学题，最好的方法是让它写一段 Python 脚本，用脚本来执行计算。

6、我真正掌握了一种能力：用 AI 把抽象复杂的知识，翻译成自己能听懂的语言 。这种能力一旦练熟，就会极大增强我的学习信心，因为以后不管遇到什么难懂的东西，都可以先请 AI 用“小学生版本”讲一遍，再慢慢往上加深难度。

7、又回到最重要的问题：既然我现在真的可以读懂“专业论文”了，那我的“好奇心”在哪里？

主动重建信息源

Wed, 04 Feb 2026 00:00:00 +0000

今天我在微信群里分享了主题“主动重建信息源 ”，副标题是停止被投喂，开始为自己负责 ，原文如下：

缘起

我为什么最近一直在关注信息源，我觉得AI时代信息源更重要，因为AI让产出信息更容易，垃圾信息内容更多；其次，我最近不是努力在写文章嘛，写文章是输出，那怎么输入呢？在我自己觉得枯竭的时候，我觉得本质上是因为我输入的内容质量不高，那如果你没有高质量的输入，是无法有高质量的输出的。

张潇雨老师说，最终你的身体和心都会和你长期输入的东西对齐，所以就有了今天这个话题。

1、我们的现状

首先，不知道大家有没有这样的场景，明明在Twitter X.com上面查看一些喜欢的博主的文字，刷了一会就开始猎奇各种杂文或者视频，明明在YouTube上学习一个长视频，刷了一会就开始探索这个动乱的世界各种有意思的事情，明明打算看一篇公众号长文，结果一会就开始在微信群里面吹水，或者刷起了微信视频号，没休没止。

这是第一个问题，我们的在获取信息的时候太容易被分散和诱惑，然后浪费很多注意力。

其次，随着字节跳动首创的“推送相似内容给用户”的方法被各大巨头发扬光大之后，现在几乎所有的应用都会只推荐给你相似的内容，你关注健身，就给你喂一堆健身博主；你偶尔看了几个“爽剧”片段，那接下来的几天就全是换皮套娃剧在你首页上跳舞，这种“兴趣放大”机制乍看上去像是为你量身定制，实际上却是把你关进了信息茧房。

这个第二个问题，我们获取的信息类型越来越窄，人变得越来越狭隘，就是越来越笨。

最后，这个时代互联网内容巨头之前都在努力封闭，互相之间没有互动，最终我们真正想要关注的信息源都分散在多个平台上，比如Twitter X.com，微博，比如 YouTube Bilibili，比如公众号，比如抖音或者微信视频号等等。那如果我们每天在多个平台上来回切换，势必影响我们获取信息的效率。

这是第三个问题，我们获取的信息分散在不同的内容平台上，效率比较低。

那我们怎么解决这个问题呢？

用一个工具只看自己筛选的“优质”数据源，其实这个工具就是 RSS 工具。

2、那该如何做呢？

2.1 使用RSS工具

我先解释一下什么是RSS，用 RSS，就像你订阅微信公众号，内容一更新，就自动送到你面前；而不是刷短视频，刷到什么算什么，但是RSS是一个协议，所以任何平台都可以使用。

我给大家解释一下，大家可以打开我的博客 https://lijinma.com/ 大家会看到一些我的文章介绍什么的，然后大家再打开 https://lijinma.com/feed/

你会看到这是一个 XML格式的页面，内容大家扫一下就会知道其实就是我的博客的文章，只不过是XML数据，那任何一个 RSS 应用都可以把这个 XML 页面解析为你可以阅读的格式，比如这样：

那这是什么意思呢？就是我获取你博客的文章，我并不需要登录你的网站 https://lijinma.com/，而是在我自己的RSS应用里面，我随时可以拉取你的文章，然后看到你最新的文章。

这就是2000年以后互联网兴起，博客时代大家获取很多博客博主最新文章的方法，如果你玩过博客，就一定知道RSS订阅，这个在博客时代其实是通用的订阅方法。

2.2 那到底用哪个工具？如何订阅各种信息源？

RSS工具有非常多，但是很多都是又收费又不好用，现在大家用的最多的开源的免费的工具是 https://folo.is/ 之前叫 follow，https://github.com/RSSNext/Folo 界面类似这样：

可以订阅什么？独立博客，Twitter X.com YouTube，Bilibili，部分公众号。

其中只有独立博客是直接支持RSS协议，但是其他的比如Twitter YouTube，Bilibili等，一般都使用 RSSHub 作为中间人制作的 RSS数据。

我上面说的公众号也是支持部分公众号，也是因为公众号是不支持RSS协议进行抓取的，但是有一些工具可以作为一种抓取中间人，然后随时更新，这样别人就可以从“中间人”获取到最新的文章，我举个例子：

比如我喜欢看刘小排的公众号文章，那我就可以搜索刘小排，然后你就会发现有些人已经做好了RSS订阅链接，你订阅一下就可以了，所以之后你想关注谁的文章或者视频，现在 Folo里面索索一下，看看有没有人已经做好了订阅链接。

那 Folo 支持电脑端、手机端，也支持网页版，网页版的好处是可以在查看Folo信息流的时候，我可以使用浏览器的插件，比如你想使用沉浸式翻译的插件，那这个 RSS 工具就支持翻译功能，这样方便我们查看一些英文视频或者文章。比如你使用一些知识库工具来保存阅读文章或者视频的收获，就可以使用比如 Get笔记的插件、Flomo插件、飞书插件等。

另外也有一个好处，如果你使用网页版Folo，你就可以使用一些AI浏览器，就不需要订阅 Folo自己的AI功能，也可以方便使用一些AI辅助的功能。

2.3 如何寻找好的信息源？

查找推荐列表和开源目录

– RSSHub：超强的 RSS 生成平台，可以为几乎所有主流网站生成 RSS（微博、Bilibili、知乎、微信公众号、YouTube、抖音等）。

– Feedly Discovery：Feedly 的发现功能，按主题推荐热门源。

– GitHub 上的 RSS 源整理项目：Awesome-RSS、RSS-list、中文独立博客列表等，收录大量中文优质源。

– https://scour.ing/about 可以搜索一些RSS订阅

– 也可以找一些喜欢的人，他们分享出来的关注的列表，就是书单一样。

比如 Andrej Karpathy 在

https://x.com/karpathy/status/2018043254986703167 中分享了 https://gist.githubusercontent.com/emschwartz/e6d2bf860ccc367fe37ff953ba6de66b/raw/426957f043dc0054f95aae6c19de1d0b4ecc2bb2/hn-popular-blogs-2025.opml OPML

大家把这个文件保存为 opml 格式就可以导入，Folo 应该只有102个导入源的额度，超过应该付费，不过其实打开 OPML 文件，可以手动一个一个导入。

看大家刚才提的问题，都担心信息茧房，虽然使用主动添加信息源的方式，确实会减少一些“被算法随机推送”的意外惊喜。但你可能会担心，这样做是不是容易把自己封闭在一个由自己构建的信息茧房里？其实，这种担心并不必要。

首先，我们获取信息的渠道远不止一个“添加源”。你可以通过与朋友交流、主动搜索感兴趣或陌生的领域内容，你一定还会刷社交媒体来保持信息的多样性。只要你有意识地保持“输入的开放性”，信息茧房是可以被主动打破的。

相较于被动接受算法塞进你眼前的一切，主动选择和筛选信息，其实是在训练自己的信息鉴别力。你越主动，你越清楚自己需要什么，也越容易跳出算法为你圈定的那个“舒适区”。所以主动不是闭塞，而是更清醒地与信息世界打交道。

而且因为需要你自己去寻找信息源，所以在寻找和探索的过程中，才能更了解自己需要什么，自然找到真正自己需要的哪些信息源。

2.4 如何和别人交换订阅源？

第一种方法就是分享订阅链接，别人通过搜索或者直接订阅链接的方式，比如我的订阅链接是： https://lijinma.com/feed/

第二种方法，就可以打包你所有的订阅源分享给别人，你可以导出 OPML ，OPML是一种基于 XML 的轻量级文件格式，核心作用是存储和交换 RSS 订阅的大纲 / 列表。

以上就是今天的分享，欢迎大家提问题，之后经常互相分享喜欢的博主，也算是一个交朋友的方式了。

金马：2026年1月每日复盘

Sun, 01 Feb 2026 00:00:00 +0000

1月8日小记：

1.今天我和七爷与一位在南加州大学读书的女生吃午饭，她本科毕业、工作了几年之后，没有继续沿着原来的路径往前走，而是选择来美国读研究生。

我和七爷最近有一个很清晰的感知，人需要经常走出去见人，通过观察别人的生活方式，尤其是那些在某个阶段主动跳出原有生活、拥抱另一种人生的人。

其实我们群里的每一位伙伴，都有能力和资源去过另一种人生，只是很多时候缺的不是条件，而是意识——不知道自己还可以那样选。人生本来就有很多种过法，如果没有见过不同的人、听过不同的故事，很容易就会误以为只有眼前这一条路。新的一年，我想多看看各种各样的人是如何生活的，多聊天、多走动，让更多真实的人生样本进入自己的视野。

1月19日小记：

1.上周五在公司做了一场分享，昨天也做了一场分享，准备的过程都不容易，甚至有一些焦头烂额，不断的和 AI 交流，不断的复盘，不断的沟通，但是分享完之后整个人特别清爽，感觉太好了，好像有些事情想得更清楚了。

万维钢老师说，AI 的出现，普通人终于有渠道可以成为专家，如果经常公开分享、公开写作，就是在给自己创造成为专家的机会。

2.感恩昨天导师大哥一下午的陪伴，我们聊了 5 个小时，主要探讨个人在家庭角色中的自我认知与价值实现。

无论承担怎样的家庭角色，我们都不应让自己的精神世界局限于日常琐事，每个人内心都怀揣着独特的梦想与追求，需要在家庭责任之外，找到属于自己的价值和使命。

这次珍贵的对话让我豁然开朗，重要的不是我们在生活中扮演什么角色，而是我们如何在每个角色中保持完整的自我。无论是作为伴侣、父母或儿女，我们都在寻找那个最好的自己。真正的生活智慧，在于懂得如何在关爱他人的同时，也不忘记滋养自己的内心世界。

3.在投资大环境都不错的情况下，币圈的持仓体验其实很不好。但是如果你做好配置，应该心里面也会有平安。

1月23日小记：

1.ChatGPT 要把 “Project” 功能用起来，Project 类似于创建一个合集，合集里面可以创建多个对话，所有对话可以共享上下文，以及里面可以添加文件。

2.在家认真执行《控糖革命》里面的方法，现在增加一条，吃完饭之后强制走5分钟，最近感觉效果不错。

3.纳瓦尔分享了一个让他震撼的故事，他在泰国遇到一个人，那个人说，这个世界上一定存在一个最快乐的人，那为什么不是我呢？我要成为那个最快乐的人。

很有意思的故事，给我很多启发，我心里有一些纠结的事情让我不快乐，但是我要成为最快乐的人。

1月24日小记：

1.今天和通过 ChatGPT Voice mode 来让他帮助我提问来整理一篇文章的线索，问的过程中发现有很多的漏洞，我完全没考虑过，没想清楚，没有定义，思来想去感觉这篇文章没办法写啊，还有很长的路要走。

纳瓦尔说，AI 越来越强大之后，我们“人”最重要的是“理解 understanding、判断 judgment、品位 taste”，如果一篇文章没有你自己的理解、判断或者品位，那这篇文章如何帮助别人呢？现在越来越多的人开始使用 AI写作，但是有些文章确实看不下去，如果一篇文章里面没有你个人的理解、判断或者品位，那我不如去和 AI 聊天，为什么一定要看你的文章呢。

前几天有个朋友在我一篇文章里回应说，AI 味太重了，我表示很抱歉，因为那篇文章确实 AI 进行了改写，我深深检讨，之后 AI 可以帮助我梳理内容和观点，但是内容我一定会自己来写。

2.今天使用 AI 编程做了两件事情，第一件事情是让 AI 帮忙解释了之前的一个项目里面的逻辑，因为项目太久了，功能逻辑都忘记了，AI 解释得非常到位，帮我修复了一个Bug；第二件事情是之前有些数据使用 Excel 来记录，最近花了一到两个小时用代码写了一个小网站，效果非常好，方便了我自己记录，也方便别人来查看。

3.今天用豆包 Mac 版共享屏幕，解决了 Word 排版的一些问题，类似于有一个人可以盯着你屏幕教你每一步操作，效果也不错。

1月25日小记：

1.最近决定每周来办公室两次，发现效率的确高了不少。无论是处理积压的消息、查些资料，还是静下心来写点东西，进展都比在家里顺利。

2.今天研究了一个挺有意思的 AI 工具 Clawbot。它的目标是成为一个能“替你动手”的智能助手。跟普通 AI 不同，Clawbot 的关键在于具备系统级访问权限：你授权之后，它能访问电脑文件、执行终端命令，甚至操作浏览器，也就是说，把你的一句话变成实际操作。不少人特地买了 Mac mini 来跑它，原因是 Mac mini 支持图形化界面，适合这类“具身化”的 AI 工具。

不过，说到底，有哪些任务是可以完全交给 AI、无需我们盯着完成的？就像当初豆包手机推出时一样，这个问题我暂时还没想出好答案。也许，需要在日常中慢慢试、慢慢磨，才能找到真正适合它发挥价值的场景吧。

1月28日小记：

1.最近状态不错，仔细想了想原因，很可能和我这段时间更主动有关：更主动地交流、输出和探索。主动多了，就更容易遇到一些意外的惊喜；另外，主动交流让我从一种反复自转的“内耗模式”，切换到了真实的“互动模式”。当人开始和世界产生真实的连接，能量不是被消耗掉的，而是会慢慢回流。

2.昨晚和外教老师沟通了租房的事情。她准备换房子，但对中国的中介体系和租房流程并不熟悉。我用英文和她沟通了几十分钟，帮她梳理需求，也顺带介绍了一些上海租房的基本情况。这次交流让我明显感觉到，自己对租房相关的英语词汇熟悉了不少，不懂的地方就立刻查豆包。

这也再次印证了一点：AI 的到来并不能自动解决英语学习问题。即便我们已经拥有了极其强大的 AI 工具（比如豆包），但如果没有真实的人、真实的场景逼着我们去用英语，学习很难持续。语言只有在成为“刚需”的时候，才会真正长进，还是要主动创造“用英语”的场景。

3.我老婆提醒我：如果学了很多知识、看了很多书，每天都觉得自己有收获，但对身边的人却没有变得更有耐心、更有爱心，那不如不学。哈哈，这句话对我触动很大，确实，如果学习带来的只是谈资、用来评判他人的判断力，甚至是一点隐秘的优越感，而没有把我推向更多的体谅、克制和温柔，那它很可能只是另一种形式的自我满足。

这件事，需要反复提醒自己。

4.日常记录：控制饮食，饭后走路，持续做俯卧撑，冷热水交替洗澡，尽量早睡。

1月29日小记：

1.买了一个室内引体向上的单杠，看见就随手垂吊一下。虽然现在能坚持的时间还不长，但效果真的非常明显。这一点我必须再强调一遍：我之前做了很长时间的运动康复和按摩，带来的改善，真的不如每天简单地吊一吊来得直接。如果肩颈或后背经常不舒服，可以试试看，效果很容易感受到。

2.最近在研究知识库工具。如果想长期、稳定地输出内容，一个好用的知识库几乎是必不可少的。试了几个之后，感觉 Get 笔记还不错：可以整理有启发的公众号文章、B 站视频，也能直接拍书里的页面存进去，整体流程比较顺。等我再用一段时间，再和大家详细汇报使用体验。

现在的年轻人，真的很幸福

Tue, 27 Jan 2026 00:00:00 +0000

最近这两天，我一边处理之前做的一个 iOS App 的遗留问题——因为备案原因，它在大陆被下架了，而备案这件事，说实话依旧繁琐得让人头大；一边又重新启动了两个新 App 的开发。

前段时间我停用了一阵 Claude Code，主要使用 Codex。最近重新开通了 Claude Code Max，再次上手之后，一个非常直观的感受是：模型真的又进化了一大步。Claude Code Opus 4.5 的能力提升是清晰可感的，不是“参数上的进步”，而是实实在在影响了开发节奏和思维方式。

很爽。

在最近的一次达沃斯论坛上，Anthropic 的 CEO Dario Amodei 与 Google DeepMind 的 CEO Demis Hassabis 同台交流。Dario Amodei 提出了一个相当激进的判断：在未来 6 到 12 个月内，AI 将端到端接管软件工程师几乎全部的工作。他特意强调，是“几乎全部”。他还提到，在 Anthropic 内部，工程师已经基本不再手写代码，而是由 AI 完成主要实现，人类工程师的角色更多转向审查、引导和决策。

我觉得这样的表述一定带有夸张成分。但当一个人站在他所相信的未来门口时，那种兴奋和笃定，其实是可以理解的。

很多人现在只是看到了“AI 编程已经很强”，却还没有真正意识到另一件事：AI 编程的进化速度本身，也在急剧加快。在当下的众多 AI 应用方向中，编程几乎是少数已经反复证明了自身商业价值的赛道之一，而且它还在持续加速。

去年，我老婆的妹妹来到上海读大学，专业正是计算机。我对这件事其实是有些兴奋的——不是因为“学计算机有前途”这种老生常谈，而是因为她恰好赶上了一次真正的技术浪潮。如果她能抓住这一轮变化，未来是有机会把自己脑子里的想法，直接变成现实中的产品的。

我常常感叹：现在的年轻人，真的很幸福，只是他们中的很多人，可能并不知道自己有多幸运。

他们正站在一个极其罕见的时间节点上：编程工具的门槛，被前所未有地压低了。低到什么程度？低到一个普通人，只要愿意动手，就有可能把一个模糊的想法，直接推向现实世界。而我们这一代人，一边庆幸自己还没被彻底甩下车，一边又清楚地知道：如果这些工具能早十年出现，我们的人生路径，大概率会完全不同。

在 AI 出现之前，所谓的“全栈工程师”，往往只是前端工程师懂一点后端，或者后端工程师能勉强写前端。因为前后端本身就已经足够复杂，再加上运维、安全、部署，各自都是独立而封闭的世界。

但在 AI 编程成为基础设施之后，这个定义开始发生变化。现在正在出现的是某种意义上的“真正的全栈工程师” ，一个人可以从想法出发，借助 AI 把产品真正做出来，并且为最终结果负责。

我从2012年来到上海以程序员身份加入了一家创业公司，到2017年辞职自由职业，经历了5、6家创业公司，其中倒闭了3家，对于创业公司，技术是最关键的一步，因为从一个念头到一个成型的东西，中间最大的阻碍，往往是技术实现本身，比如功能开发慢、修改成本高、试错代价大等等。而现在，这条链路正在被迅速压缩，甚至被直接折叠。

对很多事情来说，真正阻挡人的，已经不再是能力，而只剩下一个听起来有些老套、却无比真实的词：行动力。也正因为如此，这个时代反而显得格外残酷。残酷并不在于竞争有多激烈，而在于，门已经打开了，却只有一部分人走了进去。

更多的人，依然按照旧地图生活：按部就班地上课、找工作，在游戏和社交中消耗时间，你很难去责怪他们。因为很多人（包括我自己）从小被反复教导的，是“先准备好，再开始”；而这个世界，正在悄悄奖励另一种人：先开始的人。

Vibe Coding的本质都并不是“写代码变简单了”，而是一种更底层的变化一个人终于不再需要等待谁的批准，不必先凑齐一整支团队，也不必先成为所谓的“专业人士”，就可以把一个模糊的想法推到现实中去。

世界已经开始明显偏向那些不仅会想，而且会立刻去做的人。

我并不想劝任何人，也不觉得自己站在什么更高的位置上。只是越来越清晰地感觉到：我们正处在一个分流点上。有人会在多年之后回头，庆幸自己当初动了一下；也有人会在某个瞬间突然意识到，原来门一直开着。

机会在历史中出现，从不敲锣打鼓。

一种更容易坚持下去的学习方式

Thu, 22 Jan 2026 00:00:00 +0000

这两年，我听到身边越来越多的朋友说同一件事，他们读不下书了。不是不想进步，也不是不焦虑未来，而是“坐下来读书”这件事本身，变得越来越困难。

翻不了几页，注意力就开始游走；再多坚持一会儿，眼睛在看，脑子却早已离开；合上书的那一刻，往往还会多出一种熟悉的情绪，隐约的挫败感，以及对自己的责怪。

我自己以前读书也有上面的问题，但是和菜头老师的阅读入门‌ 解决了我上面的问题，但是我把这篇文章分享给很多朋友，他们却没有我的感受，可能人和人确实不一样。

不过也正因为如此，我开始思考一个问题：读书并不容易，或许读书本身就并不适合所有人，那在当下这个注意力被反复切割的环境里，读书确实有点难。如果确实读不下书，有没有一种更容易开始、也更容易坚持的学习方式？

我后知后觉，最近确认找到了一个方法：听或者看对话类播客节目。

1、我开始留意播客，是听了张潇雨老师的《得意忘形》，那也是我第一次清晰地感受到，原来“聊天”本身，就可以是一种高度有价值的内容形式，它不急着给结论，不追求总结方法论，而是通过不断追问、展开、偏离，把一个人的思考过程慢慢“聊”出来。

后来，二怪老师在小报童写文章推荐了一些美国很有影响力的播客节目，她推荐了：

Joe Rogan Experience（包罗万象，主播是前喜剧演员，所以喜欢尖锐好笑的社论，可以看他，娱乐性很强）
Lex Fridman（更偏学术、理性、科技，主播自己的科学素养很好，能问出深度的问题，不过争议很多也带来了很多梗 hhh，可自行去×查阅）
Diary of CEO（个人成长向，主播比较亲和，个人生活理财创业人际关系面面俱到）

如果你经常听或者看美国的播客，就知道上面提到的都是很头部，然后我顺着这个线索，开始去听英文世界里的长时间访谈。虽然听的不多，但是对我来说是一次明显的打开。

我听过关于纳瓦尔的深度访谈，听他反复谈论长期主义、财富、幸福之间的关系；也听过 Elon Musk 的长时间对话，不是新闻里的金句剪辑，而是他在不同问题之间如何犹豫、跳跃、修正；还听过 NVIDIA 创始人黄仁勋的访谈，去感受一个技术型创业者在关键决策时的思考路径。这些内容对我来说，并不是“听完就学会了什么”，而更像是让我第一次近距离地听到，一个人是如何在真实情境中思考问题的。

所以最近我慢慢意识到，学习这件事，也许可以从“听人如何聊天”开始。

2、为什么两个人的对话，往往比一个人的输出更有力量？这是一个必须要想清楚的问题，我认为关键是两个人的对话会出现惊喜，在合适的提问下，对话，常常能逼出一个人独立写作时写不出来的东西。

而一个人写专栏，呈现的往往是已经整理好的结果；而两个人对话，则更容易出现被追问后才说出的真实经验，或者被打断、修正后才形成的新观点，或者临场生成、尚未打磨，却极有生命力的判断。有些话，并不是准备出来的，而是在被不断追问中，被一点点问出来的，这个过程就会出现惊喜。

更难能可贵的是，对话类节目一般都很长，长意味着深入，意味着可以把很多事情聊透，意味着我们可以学到更多。

3、有几个具体的时刻，对我来说非常关键。其中一次，是听脱不花老师和李笑来老师关于戒烟、关于“咒语”的长谈。真正震撼我的，并不是方法本身，而是我强烈地感受到，一个真正做到的人真的可以马上改变另一个人，一段生命经验可以帮助另一段生命，作为旁听者的我，也被“侧面帮助”了，这个咒语我也写过一篇收获的文章。

另一次，是听罗永浩和大鹏的长时间对话。大鹏讲到自己早年被赵本山贴心照顾的细节，在他收入比较低，被公司抽走很大一部分收入的阶段，赵本山替大鹏和公司沟通，只为了让他多赚一点，这些细节让我对赵本山有更多的了解，那一段即感动又震撼。

我意识到，真正厉害的人，往往在“关系细节”上极其用心。我也开始理解，为什么赵本山与徒弟之间能维持长期稳定的关系，也为什么类似的“托举式关系”，会反复出现在某些成熟的人身上。我想这就是是一种与人相处的能力与格局。

4、最近我有一些新的思考，别人的对话节目对我帮助这么大，那是不是我也可以用对话来思考？记得有一次，我和一个兄弟聊一个卡了很久的选择。我自以为已经想得很清楚了，说得也很顺。结果对方只问了我一句：那你现在最害怕失去的，到底是哪一个？

他的问题让我有点震惊的，我发现我之前所有的“思考”，都在刻意绕开这个点。所以之后我开始刻意改变自己的学习方式，与其一个人反复琢磨，不如找人聊，与其等想法成熟，不如早点说出来，与其害怕被质疑，不如主动邀请别人挑战我的逻辑。

我慢慢发现，很多模糊的问题，不是靠多想解决的，而是靠被追问解决的，也正是在这个意义上，我越来越相信猫叔说的一句话：表达即探索。如果能配合好好问题，就可以有更大的探索。

或者可以修改一下，对话是一种逼人走向清晰的思维工具，对话即探索。这也是我上一篇文章讲到，我们更要使用AI成为我们最好的提问者，配合“语音”沟通，输出的效率和深度都会很不错。

5、如果你也发现自己读不下书，就可以尝试通过播客或长对话来学习，关于对话类节目，我认为开始可以先追求数量，就是多听，各种听，然后真正又触动的可以再精听。

当你听得足够多，你会自然开始分辨，哪些问题会在你脑中反复出现，哪些内容，会慢慢改变你对人的理解方式，很多学习的“质感”，都是从足够的“量”里长出来的。

这也是二怪老师的建议，再次感谢美丽的二怪老师。

6、也许，2026年，我们可以给自己定一个学习目标，听多少期长对话节目，对话、播客、长谈，可以让我们重新回到一种更自然的学习状态。

欢迎随时和我交流。

一个低能耗的写作方法

Mon, 19 Jan 2026 00:00:00 +0000

我以前一直有一个很强的感觉：写作这件事，好像不该这么累，但我又确实觉得很累。

每次想要写小记，就意味着要坐下来打字、理清逻辑、想清楚怎么说才像样。很多时候，不是我没想法，而是我根本不想开始。于是那些本来还挺鲜活的念头，就这样过去了。

这次去美国两周，秋兴给我很大的触动，他一直日更他的小记，后来才知道他每天使用语音的方式输出，然后配合 Get 笔记和 ChatGPT 来整理。

那一刻我心里第一次认真冒出一个念头：也许问题不在“我能不能输出”，而在“我用的方式太耗能”。语音，可能是一个解法。

后来我和七爷就开始尝试。我们俩用语音的方式来写东西之后，体感都非常明显：写作轻松了很多。

以前一想到“要写”，身体是有点抗拒的；但语音更像是“说几句”，说完就结束。那种感觉不是在完成任务，而是在把脑子里的东西顺一下。

到这里，我已经基本确认了一件事：语音确实是一个低能耗的解决方案，它解决了“开始太难”这个问题。

但用着用着，我发现语音确实让我更容易说出来了，可有时候说完一段，再回头看，还是会发现有点散、有点浅，像是把想法倒出来了，但没完全理清。

于是问题就变成了：如果语音解决了“说出来”，那“说清楚”怎么办？

这个问题，后来是在张咋啦Zara那里被点破的。她分享了如何使用AI，正常情况下我们主动提问，AI被动回答，但是更高级的方式是让 AI 主动提问，我们被动回答，这样能耗更低。

我一下子意识到，之前我只用了“语音的一半”。语音负责输出，但没有人负责追问。所以我开始刻意让 AI 来问我问题，提示词：你是这篇文章的主理人，你要把它写成一篇逻辑清晰、结构完整、有洞察、能帮到读者的文章。不要直接写文章，先通过提问把信息问全、把观点问深。请直接问我问题（可以连续问很多个），问题要具体、尖锐、能逼出真实经历与方法。

神奇的事情发生了。当我用语音回答这些问题时，我发现自己一边说，一边更明白自己在想什么。很多原本模糊的地方，是在被问出来的过程中，才慢慢成形的。

这时候我才真正走到今天这个结论：语音负责低能耗地把东西说出来，AI 的提问负责把东西挖深、理顺，最后让AI负责汇总。

现在回头看，从秋兴的日更，到我和七爷的尝试，再到 Zara 的提醒，其实是一条很自然的路径。它不是在教人“怎么写得更好”，而是在告诉我：当输出足够轻，又有人帮你不断追问，写作这件事，本身就会发生。

金马小记：我最近学英语的两个突破

Wed, 14 Jan 2026 00:00:00 +0000

2026年1月14日金马小记：

1、最近一段时间，我在英语学习上有了两个非常清晰和真实的突破。这些突破并不是来自背更多单词，或者学了什么新的语法技巧，而是在真实语境中，我对“如何听懂英语、如何自然地说英语”有了完全不同的体会。

2、第一个突破来自于“许岑”老师的猜测法，你可以搜索微信视频号“许岑”来了解这个方法的细节，“许岑”老师通过这个方法帮助自己的两个孩子学刀了一口地道的英语，具体的方法是看英文动画片、电影、连续剧的时候，关掉字幕，通过语境、表情和剧情来猜词义，这个方法很有用。

我最近重看了《绝命毒师》，这一次我刻意关掉了中英文字幕，把注意力从“文字”转移到“声音”和“场景”上。因为剧情我大致熟悉，所以我强迫自己去猜，而不是去确认。在这个过程中，我开始真正意识到，很多英语词汇并不是靠翻译记住的，而是靠情境“被理解”的。

比如剧中反复出现的 cook / cooking，它几乎从来不是“做饭”的意思。角色不在厨房，镜头对准的是房车、实验设备、计时器和化学反应，语气紧张而压迫。哪怕你没有完全听清句子，只要把声音、画面和剧情连在一起，你就会非常确定：这里的 cook 指的是制造毒品的整个过程。这个词不是背下来的，而是被画面和声音牢牢绑定住的。

再比如 “take care of him”，如果只看文字，很容易被理解成“照顾他”，但在《绝命毒师》的语境里，当人物压低声音、表情冷静、镜头切向夜晚和枪械时，你几乎不需要任何解释，就能猜到这句话真正的含义是“处理掉他”。这些表达一旦是通过“猜”进入大脑的，之后你再在别的剧里、甚至现实对话中听到类似说法，都会立刻产生敏感度，因为你记住的不是词义，而是它出现时的真实感觉。

为什么我觉得这个猜的方法很好呢？因为猜这个动作让我更关注“声音”以及会调动我的脑子去把“这个声音”和那个场景联系起来，这有点像什么？有点像在现场和美国人交流，现场和人交流的时候，我们没有字幕，听不懂的时候只能去猜，但是如果猜懂一次，那这个单词或者句子就完全被我吸收了。

比如，这次在美国过安检时，工作人员让我看屏幕，单词都很简单，Please keep your eyes on the screen，当时我很懵，没有第一时间听清，但我把全部注意力都放在那个声音上，试图通过语境去理解。她重复了一次，并配合了指向屏幕的手势，我瞬间就明白了。也正是那一刻，我清楚地感觉到，这几个词已经被完整地刻进了我的大脑里：不是作为一个“我背过的单词”，而是作为一次我靠自己理解成功、顺利解决现实问题的经历。

只要你真的经历过这种“猜对了”的过程，类似的发音、类似的词汇以后再出现，你都会异常熟悉、异常敏感，这种感觉是看字幕永远给不了的。

3、第二个突破发生在我说英语时的状态变化上。过去我在讲英语时，内心常常有一种说不清楚的不自在，好像自己“不太配”用英语表达，尤其是在中国、在一群中国人面前说英语时，会隐隐觉得是不是有点刻意、是不是容易出错、是不是会被评价。这其实是很多人都会有的心理障碍：我们把说英语当成一种被审视的行为，而不是一个单纯的沟通工具。

但最近几个月使用英语的经历，我自信了很多，比如去年在新西兰和外国朋友聊天，或者前几天在美国，我在和朋友的亲戚聊天时，突然发现自己完全没有那种“不自在”。我把我的注意力自然就放在“我要把这个意思讲清楚”上，而不是“我这句话说得好不好”。如果一个表达方式行不通，我就换一种方式继续说，交流本身是顺畅而自然的。

昨天晚上和女儿的英语家教老师的对话中，这种状态再次出现。我能专注在问题本身，专注在如何解释清楚，而不是纠结用词是否高级、句型是否完美。那一刻我意识到，我已经从“学英语的人”，转变成了“用英语表达的人”。

那这个突破是如何做到的呢？我还没想太清楚，毕竟我学英语很久，也就是最近一年才有的突破，我觉得需要在一些场景中去用英语，可能通过英语解决问题？或者用英语和别人有效交流？总之坦然面对英语只是工具，才能更好使用这个工具。

希望对你有帮助。

赤兔金马奖 – 金马的博客

AI 让我的卡片写作法速度翻了几倍……语音输入&OpenClaw记录

一、什么是卡片笔记写作法？

二、卡片写作的关键原则

三、参考书籍

四、我是怎么用 OpenClaw 写文章的

关键前提：语音输入法是关键中的关键

第一步：开题 — 告诉 OpenClaw 我要写什么

第二步：收集 — 随时随地往里投

第三步：挖深 — OpenClaw 主动追问

第四步：整理 — 带领我把文章组织起来

第五步：成文 — 多读几遍，局部打磨

五、这套方法的本质

六、开始的方式

延伸阅读

我找到了学会英语的终极方法……不骗人

写在前面：一个父亲的困惑

一、核心理念：语言是能力，不是知识

二、”猜”的四层逻辑

三、我的亲身实验：用《绝命毒师》测试这套理论

四、为什么其他所有方法都失败了

1. 背单词 + 学语法（传统学校教育）

2. 看美剧/电影学英语（开字幕版）

3. 磨耳朵（纯音频输入）

五、为什么这是唯一走得通的路

六、我现在怎么做

七、写给父母的一段话

八、这个方法不只是学英语

九、最后，关于许岑老师的课程

我找到了性价比最高的减肥方法，太简单了

一、调整吃饭顺序：输入端减速

二、饭后至少走10分钟：输出端加速

三、为什么这两招是”最高性价比”？

四、管不住嘴怎么办？

写在最后

折腾AI 到底有没有意义？请对照这几个标准

第一条：用了 AI 之后，你的思考是变多了，还是变少了？

第二条：AI 出现之后，你赚到更多钱了吗？

第三条：AI 出现之后，你生产的速度变快了吗？

第四条：你自己的个人数据，是不是在增加？

第五条：你对 AI 的理解变深了，还是只是在工具之间反复横跳？

写在最后

另一个 OpenClaw：Hermes Agent – Nous Research 的数据飞轮野心

Hermes Agent 到底是什么

真正特别的地方（不是营销话术）

1. 自我进化的 Skills 系统

2. Honcho 用户建模

3. RL 训练闭环（这才是 Nous Research 的真正意图）

4. 六种终端后端

5. 多模型、零锁定

架构对比

我的判断

天才的微信公众号文章导出工具……

核心原理（一句话）

关键技术链路

第一步：登录（最关键）

第二步：搜索公众号

第三步：拉文章列表

第四步：下载文章内容（需要代理）

第五步：解析文章内容

第六步：抓阅读量 / 评论（可选）

第七步：导出

架构亮点

风险和限制

我用 OpenClaw 给女儿搭了一套学习系统，跑了两周，说说真实感受

先说它和 ChatGPT 和豆包到底有什么不一样

实际跑起来是什么样的

英语学习：从”背单词”到”用单词”

数学：一道一道来，别贪多

积分系统：不是奖励，是”被看见”

数据沉淀：从”感觉她在进步”到”看得见的进步”

几个踩过的坑和技巧

这件事的本质

那些影响我的咒语

李笑来：什么更重要？什么最重要？

段永平：做对的事情，把事情做对

和菜头：所有触类旁通，都藏在那些你不感兴趣的书里

和菜头：文章写完再修改

司马懿：臣一路走来，没有敌人，看见的都是朋友和师长

维克多·弗兰克尔：在刺激与回应之间，人有选择的自由