一个人智慧的养成，就类似于大模型的训练。一个大模型的能力或者是先进程度，关键于取决于两部分因素。第一部分即算法，相对于人来讲，可能就是个人天生即具备的智商或天赋。
第二部分就是训练数据的质量。对个人来说，第一部分很难改变，但第二部分却非常好改变，就是改变训练自己大脑的数据的质量。数据的质量一旦改变，训练结果的质量也会有明显的变化。而改变训练数据，最好的方式就是做真正有挑战的事情，或者阅读高质量的书籍。
如果自己每天接触的是垃圾信息，那训练的模型的能力一定也是垃圾。只有真正能过滤出来真正高质量的数据，自己才真的有可能训练出高质量的模型。

成长的关键是做事，做事就会有挑战，有挑战才会有成长。旁观者是不可能获得真正的成长的。

AI 一定会对很多行业进行大规模的清洗。在这些行业里面，所有的人都要进行技能升级。但是如何升级？要摒弃哪些？要加强哪些？要补充哪些？似乎并没有定论。在同一个行业的人也会有完全不一样的看法。那哪条才是正确的方向呢？

故善战者，求之于势，不责于人，故能择人而任势。 —《孙子兵法》

我一直以为我们老家如此偏僻的农村是和 AI 完全绝缘的，今天当我听到从我 60 多岁、几乎从来没有离开过农村的爸妈口中说出 AI 这个词的时候，我还是很震惊的。
这更说明了一件事，AI 的爆炸性影响的威力远超想象，无论你身处何地，都会被波及到。

今天最受触动的一句话：认知到位，彪悍执行。

之前一直有个错误的想法：在AI 高度发达的未来，人类大部分都被AI圈养，每个人都衣食无忧（当然肯定也不是锦衣玉食），人和人都之间差不多，由于没有了生存压力和彼此之间的竞争压力，人开始会追求真正意义上自己真正感兴趣的东西，即佛学所说应无所住而生其心。
现在想想，无论会不会被AI取代，人类之间的竞争，歧视会一直存在，天性使然。就像动物一样，竞争，等级，歧视一直都在。

软件工程师在 AI 时代提升专业性的机会： 1，可量化，可工程化的评估体系。 2，系统稳定性，系统风险控制的能力。

AI 时代，一定不要锁死工具，一定要有随时切换工具的能力。 harnesses 比model 更重要，不要过分纠结底层模型，核心竞争力在于 harness 的编排和组织。

很多人都说AI 时代软件的迭代一定要快，快速迭代验证。我也觉得很有道理，但是总觉得还缺少一个前提，不过自己还没有想清楚。