还好你够叛逆，够有能量
才能走出原生家庭的束缚。

突然看到，现在越来越多的儿童游乐场、游泳馆、益智类的玩具和兴趣培养，恰恰是抹杀了孩子的创造力。你想孩子长时间在泳池里被圈养，还有被规则所束缚，恰恰是把一个又一个孩子给驯化的，最终成为一个标准的普通人，想想这还是挺悲哀的一件事情。

许多人转行，创业最容易忽略的一条是想做的这件事与自己有什关系？自己是否具备能力适配来做这件事？分析了一大堆市场增长迅速，未来潜力巨大，消费者也愿意付费购买，但如果这件事跟自己的距离非常远，那这件事就不是你的最佳时机。

智能体办公无疑是大公司的共识，这有点像回到办公场景下平台的竞争，并非大众能参与的，但如果是刚好你也在梳理自己的工作流，刚好部门也需要流程梳理，你又恰好在理解智能体和梳理的中间人，那你是有可能通过一件事做成一个skill，适用于某种skill下的通用教程，那你是能把这件事封装出去让更多人使用，从而成为你的机会窗口。

越用kimi和GPT回答同一个问题，越能了解中西方思维方式的差异，对于同一个问题：为什么现代科学和工业革命出现在欧洲而不是中国？

kimi的回答偏向系统运行框架，GPT则把这套系统是如何运行的底层逻辑讲出来了。

这很像中西方理解事物的原理差异，东方的解释框架是宏大且故事化的，西方是系统且具象化的，这是不是也说明讲故事还得是东方，我们有太多文化故事和历史人物的流传至今，这都是一个个时代人物在当时留下的烙印，而西方让人记住更多的是一次次历史事件，背后有层层事件的嵌套，最终一个个小的导火索发生了一次大事件。

甚至中西方对于战争的反思也不同，中国拍的《龙餐馆》小人物在战争面前的无力，只想好好吃饭与家人团聚，甚至尽自己的绵薄之力帮助他人，讲的是尽善尽美的人性；而《奥德赛》却是英雄人物面对战争的残酷之后，依然要想着回家，而无论这期间做的是什么，经历了什么，只要能维护自己的正义性，就能被原谅。

想想我们已经很幸运了，我们用的电子产品手机已经跟世界上最有钱的人是一样的，这还得感谢商业的规模化让价格平权，人人平等。

越看历史越会发现现在就是过去的延续，按理说美国第一任总统华盛顿在最早的立宪会议上就要考虑是否废除奴隶制，而奴隶制度在一个国家刚开始成立的时候却没有人权宣言中自由平等（大多数人的利益重要），这个问题硬是拖了84年林肯当选总统的时候支持废除奴隶制，南方各州才要闹分裂，当政治上没法统一的时候，才冒发了南北战争的暴力行为。

当我们被别人问为什么的时候为什么我们心里会由衷的有抵触感，甚至的话会觉得对方在质问自己呢？
因为很多人把问“为什么”和问“怎么”混淆了。问“为什么”的时候，会探究自己或别人的动机、做一件事情的深层原因，有点像在两个人尚未达成一致、出现分歧的时候，询问对这件事情的看法和认识，这更接近底层的认识。
而问“怎么”则更接近询问事情发生的过程，也就是说，在共识的基础上，当两个人对一件事情达成共识的前提下，探究“怎么”这件事的发生跟预期发生了偏差。
“为什么”更接近一件事的本质，相当于why，而“怎么”更接近一件事的过程、相当于how。

最好实现人生可能的方式是在一个领域熟练了，再去相邻的领域探索，不断拓展自己的认知边界，事物运行的原理，再在新的领域扎根下来，学习新技能，最好的话能创作出一部作品，给这个领域带来新的可能性，让原来干这领域的人惊叹的说原来还可以这样干，而你拿到成果后再去下一个领域继续探索。

从导演诺兰电影创作的历程也可以看到，最早的起点是用极低的成本完成处女作《追随》，本人身兼编剧、导演、摄影，请朋友客串，这个阶段没有追求花哨的技术，而是边探索边学习，训练用非线性的时间线制造悬念，也训练使用一些拍电影、影响观众的基本原理，可以看到往后的电影都延续了这种叙事的风格，也为后续扩展到相邻领域继续探索留下了锚点。

第一次广为人知的作品是《记忆碎片》，这是他从独立悬疑片到主流犯罪片的一次探索后产生的作品，也因为这种非常规的叙事手法，惊艳到了好莱坞，从而拿到了主流电影工业的入场券，再往后便是这个循环，只不过是换了题材，增加了难度，跨越了更大的时空。

《蝙蝠侠：黑暗骑士》《盗梦空间》《星际穿越》《敦刻尔克》《奥本海默》，人物、剧情、故事背景都在变，看似没有什么关联，但他用非线性时间线叙事制造悬念的手法没有变，坚持多大的场面都实拍没有变，不断到我们觉得是新的领域拍摄作品且部部精彩没有变。

人生可能性的最大化，从而不是靠浅尝辄止的广泛涉猎，而是基于已有能力的复制粘贴，在每个新领域都做到深扎根、探索、创新、留作品，不断实现认知边界和人生价值。

人的学习本质跟ai大模型是一样的，都是对未来做出推测，给一道题，见都不见过肯定解不出，做过的题，才有可能解出类似的题。

这个掌握的过程叫做思维模型，浓缩成一段思考过程，一类的问题大脑化繁为简除去无效信息，找到关键信息后，知道是怎么回事，发生的原因，才是症状的解，就好像梅耶尔《关键难点》那本书里面给企业做诊断一样的逻辑，找到制约这件事阻力最大最影响目标的难题，再去解题。

那为什么跟ai大模型一样？

大模型讲的是预训练，这是你的出厂设置，大脑的容量，装的偏好，性格特点；讲的后训练，这是你看过的书、见过的人、接触的环境。

后训练的精度和准度能够在真实环境中演练、获得反馈、直到掌握成skills

让ai干活还是得监测他的行为，而不能只看结果干的怎么样，很多时候结果看似是你想要的，实际上行为经不起推敲。

就拿我自己让ai干活来说，让他给我执行重复的任务，有时他会省事不去检验，自作主张的给我两件事放在一起干了，结果事后问他原因，他说看着两者名字相似，就以为是一起的，结果把两者放一起了，还真跟许多人一样，自以为是…

不过他认错倒是非常快，认识到自己的错误之后，马上说以后不应该…把这条指令存入自己的大脑之类的…