即刻App年轻人的同好社区
下载
置顶2026年的三件投资：
1. 大脑：
主要在于提升判断质量和决策稳定性，而不是信息量
大脑投资：
① 保养：稳定睡眠周期/90分钟为单位/午休；每周中强度运动150分钟；把时间留给爱的人；每次只做一件事；
② 挑战：睡前感恩/每天完成一件第二天觉得有困难想挑战的事；
③ 信息摄入：高质量复盘/少而硬的长内容/改变看问题方式的内容；
投资形式：
① 运动：跑步/游泳/网球；
② 圈子交流：封闭式圈/信息密度高/深度慢知识；一年 ≤3 个学习主题；
投资上限：
① 不超年度可支付时间的15-20%；
② 不给自己制造还要多学什么的压力；
not to do：
① 不熬夜，少吃甜点，少给自己压力，不定无意义的目标；
② 不看情绪型内容/碎片化知识；
2. 交易：
要构建长期存活的正收入系统
投资重点：
① 系统稳定性：风控规则/执行一致性/回撤管理；
② 数据与复盘：交易日志/系统参数优化（没有情绪问题是因为交易量少，委托挂单按计划为主）；
③ 心态隔离：时间隔离/情绪隔离；
not to do：
① 不参与高频决策与高频信号/炫耀型交易圈；
② 不做情绪交易；
3. 增长社区：
搭建一个我不在也能运行的系统
投资重点：
① 结构，而不是内容量：增长框架/决策模型/sop文档；
② 筛选机制：明确谁不适合/不与谁合作/规则先于关系；
③ 系统化运行：内容索引/自动化流程/角色分层；
整体形式：
① 前期： 我本人深度构建结构
② 中期：AI运行+自动化
③ 后期：核心成员共建
not to do：
① 不做情绪陪伴，也不做没有结构，牺牲边界，充满噪音的社区；
一句话总结：把钱投在系统，把时间投在结构，把注意力放在长期正确的事上。
1. 大脑：
主要在于提升判断质量和决策稳定性，而不是信息量
大脑投资：
① 保养：稳定睡眠周期/90分钟为单位/午休；每周中强度运动150分钟；把时间留给爱的人；每次只做一件事；
② 挑战：睡前感恩/每天完成一件第二天觉得有困难想挑战的事；
③ 信息摄入：高质量复盘/少而硬的长内容/改变看问题方式的内容；
投资形式：
① 运动：跑步/游泳/网球；
② 圈子交流：封闭式圈/信息密度高/深度慢知识；一年 ≤3 个学习主题；
投资上限：
① 不超年度可支付时间的15-20%；
② 不给自己制造还要多学什么的压力；
not to do：
① 不熬夜，少吃甜点，少给自己压力，不定无意义的目标；
② 不看情绪型内容/碎片化知识；
2. 交易：
要构建长期存活的正收入系统
投资重点：
① 系统稳定性：风控规则/执行一致性/回撤管理；
② 数据与复盘：交易日志/系统参数优化（没有情绪问题是因为交易量少，委托挂单按计划为主）；
③ 心态隔离：时间隔离/情绪隔离；
not to do：
① 不参与高频决策与高频信号/炫耀型交易圈；
② 不做情绪交易；
3. 增长社区：
搭建一个我不在也能运行的系统
投资重点：
① 结构，而不是内容量：增长框架/决策模型/sop文档；
② 筛选机制：明确谁不适合/不与谁合作/规则先于关系；
③ 系统化运行：内容索引/自动化流程/角色分层；
整体形式：
① 前期： 我本人深度构建结构
② 中期：AI运行+自动化
③ 后期：核心成员共建
not to do：
① 不做情绪陪伴，也不做没有结构，牺牲边界，充满噪音的社区；
一句话总结：把钱投在系统，把时间投在结构，把注意力放在长期正确的事上。
385 1577
这半年 我放弃了很用力地活着 很用力地要拿某个结果 只是在好好照顾自己 照顾自己的身体 照顾自己的感受
离30周岁 还差几个月（病历单上是这样的） 生了一场大病 没有征兆 没有发过动态 没有接触信息媒介 反而比以前充实了
我学会了慢慢吃饭 一口饭嚼几十下 能感受到米粒的鲜甜 感受到盐粒的苦涩感
我学会了与人慢慢沟通 一个下午就说着不太重要 絮絮叨叨的表达 没有边际的想象力 说着用豆包都写不出纪要的流水账
我学会了看见他人的情绪 看到@文萱.
昨天发了一篇公众号 突然反应以前身为人机的我忽略了她很多的感受 现在能完全共情到无奈和需要倾诉&依靠 而以前的自己只会说一些正确的废话 原来看见自己 的确也会看见他人
我学会了很多以前不觉得重要的事
在生命面前 一切都变得可爱 结果是执念 向我身边的好朋友道个歉 以前忽视了很多身边的爱与温暖（好朋友太多了 不挨个炫耀了）
离30周岁 还差几个月（病历单上是这样的） 生了一场大病 没有征兆 没有发过动态 没有接触信息媒介 反而比以前充实了
我学会了慢慢吃饭 一口饭嚼几十下 能感受到米粒的鲜甜 感受到盐粒的苦涩感
我学会了与人慢慢沟通 一个下午就说着不太重要 絮絮叨叨的表达 没有边际的想象力 说着用豆包都写不出纪要的流水账
我学会了看见他人的情绪 看到@文萱.
昨天发了一篇公众号 突然反应以前身为人机的我忽略了她很多的感受 现在能完全共情到无奈和需要倾诉&依靠 而以前的自己只会说一些正确的废话 原来看见自己 的确也会看见他人
我学会了很多以前不觉得重要的事
在生命面前 一切都变得可爱 结果是执念 向我身边的好朋友道个歉 以前忽视了很多身边的爱与温暖（好朋友太多了 不挨个炫耀了）
87 112
在没有AI时，McKinsey卖的是框架和洞察，Accenture卖的是执行整合，Wieden+Kennedy卖的是创意系统，核心都不是做，而是结构+控制+兑现
那现在是把框架更快产出、创意更低成本生成、代码更高效开发、数据更容易分析的这些能力编排成结果的人更值钱；
值钱在哪？
第一步，学会翻译：甲方的需求看起来是增长，其实是融资故事，看起来是要品牌，其实是要转化，跟你说要AI，其实就是要降成本，你得get对方的深层次意思；
第二步，控制变量，举个例子，我平时的增长就是在控制流量变量、转化变量、留存变量、风险变量，把各类成本控制在范围内；
第三步，AI编排能力：知道哪些环节可以自动化，哪些环节必须人工，哪些决策不能外包给模型，如何让系统稳定产出，一直都是在设计，而不是纯粹地用工具
可这么做，超级个体的天花板在哪？
第一，结构再强，本质还是依附甲方判断和行业选择、甲方的现金流和生命周期，如果甲方判断错了，你再强也是把失败执行更漂亮
第二，自己的价值往往不显山露水，隐藏在系统里，成果是被归功于甲方的，Nike被很多人记住品牌，但背后合作的创意公司是Wieden+Kennedy，这会导致你议价权若、容易被替代，这就是痛点
第三，你长期的精力会放在优化结构、效率、流程上，但很少创造新的变量和看新战场，所以之后也会变成一个极致优化者，失去视角后会被限制住
想破局咋办？
如果是想放大收入，有两条路：1. 接更多单 2. 提高单价
但两条都有限制，因为时间和精力有限，始终是服务逻辑，除非你把结构产品化，不是产品结构化，比如Y Combinator，表面像乙方，赋能创业者，但实际上已经半甲方化，参与股权+长期绑定。
只能说没有容易走的路吧。
那现在是把框架更快产出、创意更低成本生成、代码更高效开发、数据更容易分析的这些能力编排成结果的人更值钱；
值钱在哪？
第一步，学会翻译：甲方的需求看起来是增长，其实是融资故事，看起来是要品牌，其实是要转化，跟你说要AI，其实就是要降成本，你得get对方的深层次意思；
第二步，控制变量，举个例子，我平时的增长就是在控制流量变量、转化变量、留存变量、风险变量，把各类成本控制在范围内；
第三步，AI编排能力：知道哪些环节可以自动化，哪些环节必须人工，哪些决策不能外包给模型，如何让系统稳定产出，一直都是在设计，而不是纯粹地用工具
可这么做，超级个体的天花板在哪？
第一，结构再强，本质还是依附甲方判断和行业选择、甲方的现金流和生命周期，如果甲方判断错了，你再强也是把失败执行更漂亮
第二，自己的价值往往不显山露水，隐藏在系统里，成果是被归功于甲方的，Nike被很多人记住品牌，但背后合作的创意公司是Wieden+Kennedy，这会导致你议价权若、容易被替代，这就是痛点
第三，你长期的精力会放在优化结构、效率、流程上，但很少创造新的变量和看新战场，所以之后也会变成一个极致优化者，失去视角后会被限制住
想破局咋办？
如果是想放大收入，有两条路：1. 接更多单 2. 提高单价
但两条都有限制，因为时间和精力有限，始终是服务逻辑，除非你把结构产品化，不是产品结构化，比如Y Combinator，表面像乙方，赋能创业者，但实际上已经半甲方化，参与股权+长期绑定。
只能说没有容易走的路吧。
22 20
信息论的底层是用数学方法量化信息。
当你在读一段文字之前，每个字母都有很多的可能性，但读完之后可能性被确定为一个结果，这种从不确定性到确定性减少的量就是信息量。
它是由Claude Shannon提出的，主要用于通信工程/数据压缩/编码理论/计算机科学/密码学/信号处理/人工智能的基础理论。
文字/作品/图文都是可量化的信息，它解决了：信息如何度量，如何高效传输信息，通信的极限是多少。
从这个角度来看token：模型处理文本的最小单位，不固定等于字母or单词，而是经过分词算法拆分后的文本片段。如果用字母序列会非常长训练成本会提高，而且计算复杂度也会爆涨，因为模型是基于序列建模的。而如果用单词的话会出现新词怎么办？拼写错误怎么办？专业术语怎么处理？而且单词系统不够通用等的问题。
所以token的真正优势在于他是一种可控的统计单位，可以覆盖所有语言，控制词表大小，可以做概率统计，模型本质就是在做预测下一个token是什么，这与信息论高度一致。
信息=不确定性的减少，token预测是所有可能结果中去计算概率分布，模型每一步做的事情是给出下一个token的概率并选出最高的。这本质就是把信息熵最小化。
当你在读一段文字之前，每个字母都有很多的可能性，但读完之后可能性被确定为一个结果，这种从不确定性到确定性减少的量就是信息量。
它是由Claude Shannon提出的，主要用于通信工程/数据压缩/编码理论/计算机科学/密码学/信号处理/人工智能的基础理论。
文字/作品/图文都是可量化的信息，它解决了：信息如何度量，如何高效传输信息，通信的极限是多少。
从这个角度来看token：模型处理文本的最小单位，不固定等于字母or单词，而是经过分词算法拆分后的文本片段。如果用字母序列会非常长训练成本会提高，而且计算复杂度也会爆涨，因为模型是基于序列建模的。而如果用单词的话会出现新词怎么办？拼写错误怎么办？专业术语怎么处理？而且单词系统不够通用等的问题。
所以token的真正优势在于他是一种可控的统计单位，可以覆盖所有语言，控制词表大小，可以做概率统计，模型本质就是在做预测下一个token是什么，这与信息论高度一致。
信息=不确定性的减少，token预测是所有可能结果中去计算概率分布，模型每一步做的事情是给出下一个token的概率并选出最高的。这本质就是把信息熵最小化。
12 10
人生的上限是什么？
第一层 客观层面，是由结构决定高度的，比如做增长，接触的是0-1还是10-100，上限不同，结构决定的是自己在什么天花板下打转，但结构的好处是可以升级；
第二层 能力层，由稳定性决定，增长不是做过爆款，而是快速测试与迭代的能力，交易也不是赚过多少钱，而是连续几年都能稳定执行交易规则的能力；
第三层 认知容器层，自己能承载复杂度越高，不确定性越强、周期越长，承载孤独和无反馈，各种波动（如连续亏损/合伙人分歧/冷启动无反馈）而不崩溃，因为容器=心里韧性+结构认知+自我控制力，最后一层是自己
第一层 客观层面，是由结构决定高度的，比如做增长，接触的是0-1还是10-100，上限不同，结构决定的是自己在什么天花板下打转，但结构的好处是可以升级；
第二层 能力层，由稳定性决定，增长不是做过爆款，而是快速测试与迭代的能力，交易也不是赚过多少钱，而是连续几年都能稳定执行交易规则的能力；
第三层 认知容器层，自己能承载复杂度越高，不确定性越强、周期越长，承载孤独和无反馈，各种波动（如连续亏损/合伙人分歧/冷启动无反馈）而不崩溃，因为容器=心里韧性+结构认知+自我控制力，最后一层是自己
16 30