Mindsets: x.com

当我意识到，我其实是可以控制自己是否专注的时候？

即使是ギャル，也可以因为日语敬语体系，一秒切换地非常正经，这种反差真的たまらないよー

Close the loop first, then speed it up.Don't study AI terms like a word list. Pick one small real task, finish it with AI, get feedback from real people, then learn only what that run showed you were missing.

去感受语言之间的 nuance，感觉太棒啦！

遛狗不清理，大迷惑！

OpenAI 的模型太垃圾了，我已经全面弃用了。原因是有时候根本不是我的指令有问题，而是模型本身的能力有欠缺，这就会导致一个问题：我对结果没有掌控感。当然，不是说我直接去做，而是说在我下了一个指令之后，我相信这个模型能按照我的指令去完成这件事情。如果说是一个垃圾模型的话，那我就会非常担心

微信输入法太牛逼了，用啥 wisper flow 之类的

用英语重学 Java，顺便想清楚了命令式和声明式的区别。

Java 是命令式：每一步怎么做，程序员自己写。跑不好，是程序员的锅。

Terraform 的 HCL、Dify 导出的 DSL 是声明式：我只写「要什么」，「怎么做到」交给平台。写清楚了，稳定运行就是平台要保证的事。这是一种解耦。

用 LLM 写代码，看起来也像声明式，像许愿。但有个关键差别：声明式能解耦，靠的是确定性，同样的配置永远得到同样的结果。LLM 同一个愿望，每次结果都不一样。

所以我觉得更好的类比是 Kubernetes：你声明期望状态，controller 不停检查、重试，直到现实等于期望。执行不稳，也能收敛。

放到 agent 上：真正的「声明」是测试和验收标准，Claude Code、Codex 是那个反复重的 controller，Raft 这类工具是 IDE。只写 prompt、没有检查器，那才是纯许愿。

发现语言真的是 bootstrap，方法用好用真的能达成 recursive self improvement。这其实是一种用 hack 的方式

最近在用英语重新学一遍 Java。
因为我本身有一定基础，所以上手阻力没那么大，还能顺便看看英文世界是怎么教 Java 的。