即刻App年轻人的同好社区
下载
App内打开
知骤
128关注440被关注0夸夸
ex字节算法,野生PM,创业中
梦想是做个脱口秀演员
置顶
知骤
6月前
AI创业北京coffee chat,欢迎来聊☕
目前看创业团队机会 or 寻创业合伙人🙋🏻‍♂️
71
知骤
3天前
当前实践下来最好的信息输入范式:
1. 碎片+trending:精心维护的一手信息源,包括github/huggingface/arxiv/筛选关注列表的X/高质量播客/top公司的前沿实践blog等
2. 整理+理解:与最SOTA大模型对话,现在即Claude
3. 思考+沉淀:阅读代表人类智慧精粹的经典书籍

这个过程类似神经网络对数据的处理,从浅层到深层,信息加工从具体到高度抽象,这个信息压缩过程可以简单建模成「信息->知识->认知」。
每天坚持这样做,可以有效缓解FOMO情绪。
00
知骤
17天前
每天只做两件事:
1. learn llm by llm
2. build llm by llm
00
知骤
1月前
不要轻易将notion切到obsidian

最近在尝试从notion切到obsidian,目前试下来的最佳实践是:
- obsidian:笔记软件,查阅、快速编辑
- github:版本控制 + 云端存储
- claude code:ai助手

说几点我不适应obsidian的:
1. obsidian渲染表格样式效果很一般,稍微复杂一些的表格记录需求完全无法满足
2. markdown整体渲染样式,特别是对有/无序列表的渲染(缩进),让我感觉不舒服,比不上notion

完全不用为了数据主权而数据主权,为了ai native而ai native。原生md足够锋利,也足够简陋,使用上还需要配合更多最佳实践的积累,盲目从notion切换未必是明智之举
00
知骤
1月前
信仰需要真金白银的投入,而不是说说而已
信仰需要躬身入局地实践,而不是袖手旁观
00
知骤
1月前
科学vibe everything指南,我的claude code实践心得:

1. 不要试图当甩手掌柜,不要不关注具体内容,不要只是发布一些宏观指令、大模块指令。这么做的结果就是一方面cc并不能交付足够令我满意的结果,另一方面只会加重我的adhd而让实际办公效率更低。
当然,我一直在测试模型这方面的能力,即是否能够强大到自闭环地完成一个项目,而我不用关注任何实现细节,目前结论是不太行。

2. 把cc当做一个entry-level又无比博学的实习生来看待:
1. 项目调研:我来主导,它去执行具体的调研和建议。我需要思考每一个潜在的问题和它没有考虑到的地方,并反复质疑它,让它去尽可能多地执行调研,直到我认为没有更多有价值的信息增益为止。
2. 项目起步:基于当前已经满意的调研方案,快速搭建脚手架。我需要理解清楚脚手架中的每一处设计与实现,并实时与cc对话,不合理的地方需要质疑,直到它能给出令我信服的回答。
3. 项目开发:宏观层面还是需要我来主导(它提建议),把模块拆得适当小,再让它去做。拆得越细致,它完成得越好。随着context的累计,可适当放权。每一个它做完的模块都需要review以确保我对项目具体内容的掌控。

3. cc在干活的时候千万不要游离,而是也要去积极思考项目的设计,思考下一步需要做的事情。总之,专注必须仍然集中在项目上,集中在当前模块上。

4. 当cc每完成一项较复杂任务时,都可以强制让它再反思反思(以避免它上一轮执行有偷懒行为),反思直到反思不出有价值的信息增益为止,也可尝试采用其他模型(比如codex)来交替检查。
41
知骤
1月前
读完马斯克传,有两点深深吸引了我:

1. 知:清晰明确地认知自己心中的正义(包括了追求的理想、指导做事的第一性原理等)

2. 知行合一:剥离掉人性与情绪,像个机器一样坚定不移地贯彻自己心中的正义

这递进的两点能做到都是极难的,所以他的成就也将是划时代的、伟大的。
20
知骤
2月前
AI协同的软件工程实践思考:

1. AI的提效杠杆,会随着团队规模、项目复杂度、产品容错成本等因素的提升而显著衰减。所以理论上,AI对一个人的demo级项目提效最大,这也是OPC概念很火的原因之一。

2. 追求效率和敏捷的创业团队,按照闭环业务单元划分职能可能更优。一来AI加持下个人愈发全栈,闭环可行性提升;二来开发效率瓶颈往往卡在人员沟通(尤其是接口对接),闭环能绕开这个瓶颈。

3. AI能快速抹平应届生和工作一两年的初级程序员之间的差距——因为后者的优势往往只在「术」上。但根据抽象泄漏法则,ai反而会拉大初级和高阶程序员的差距:当一些抽象层被ai直接跨越,底层实现细节更容易被忽略,而这恰恰是高阶能力的分水岭。

4. 基于AI协同的软件工程实践值得被再次研究,即在复杂场景(团队规模大、产品业务复杂、项目庞大)下如何保证软件能够被安全稳定、可靠高效地构建。
01
知骤
2月前
尝试从解决核心问题的角度,阐释下我对ai agent工程的理解
prompt engineering:
1. 对话幻觉多
2. 对话正确的废话多
3. 对话解决较复杂问题能力有限

context engineering:
1. 上下文窗口有限
2. ReAct等工具调用范式对上下文窗口要求高
3. 对ai自主执行要求高,多轮亦步亦趋地解决复杂问题

harness engineering:
1. agent执行稳定性
2. agent执行安全性
3. 复杂、长程任务由与用户的同步关系改善为异步关系
00
知骤
2月前
ai agent = model + harness
harness = guides + sensors
00
知骤
2月前
所有正确的事情,在第一性上都是相通的。
如果不相通,要么事情不够正确,要么不够第一性。
00