正在努力做新时代的人

旧版本自我介绍：m.okjike.com

新版本自我介绍：待定

最近的几个顿悟（来自不同正反馈和负反馈）
1）坚定的围绕世界观（对这个世界的认知）做事情，局部做动作的直接目的是为了获取认知，全局也从认知出发去决定做什么动作；所以也不要担心某个动作有没有收获，是从自己理解出发的，并且最后能更新收获到新的理解，就是很好且长期可持续的 - 世界观决定方法论，一切动作也服务于世界观

2）要让上游的他人更认真的对待自己，也要更认真的对待下游其他人；这样才是可正向持续的

3）钱、声誉、局部的权利；都是用来刻画关系的语言，组合到一起用才会有稳定的关系；越不容易被工程化标准化的特殊关系，也需要反而用这些标准化的权利工具，来围绕坚固宝贵的特殊关系（标准和非标准的互动）

最近非常遗憾地发现，我可以通过相关的自律做到每天晚上11点之后就睡着。

但按照这个睡觉时间，我基本上到第二天早上醒过来的有效睡眠时长大概就在6到8个小时，其实我觉得挺不健康的，我希望自己可以多睡一点。

真的，我最近两个月实践之后，头一次真正明白了，为什么以前家里大人和身边的朋友会提到说自己睡得浅

但如果按照原本的作息，每天晚上凌晨2点到4点睡觉，然后第二天中午到下午醒过来，我发现可以非常舒服地连续睡满10个多小时，而且深度睡眠可以保持在3个小时左右的水平。

难道我是天选熬夜人？

微信尝试了下，花了差不多70元投放公众号文章，收获了1100多流量

线性假设的话，投7k元；就可以获得一篇10w+文章

准备中期考核材料的时候，意识到还没有为25年发的文章（人生第一次），写一篇朋友圈纪念下

其实我并非最核心贡献者，但从个人经历来说，的确是很大的一次心智成长

也有很多后来回头看，发觉可以深入反思的；于是越写越长，变成了一篇文章

这里截取一部分👇

这份工作是我21年加入实验室参与的第一个项目，也是我目前为止发表的第一篇paper（排名第三的共同第一作者），同时也是👇
1）第一次系统相对独立理解并爬取领域里文献脉络，形成自己的理解地图，而非单篇阅读
2）第一次系统的理解数据分析背后的审美
3）并且系统的去理解如何用统计去理解/刻画/支撑实际的故事线
4）第一次改变了阅读习惯，先看分析方法，再看分析基础之上的故事线
5）第一次把做项目看作了是一种工作责任；和以前「我要做科学家」那样的心态不一样

（一）过程中，困难太多了！还只是我参与的这部分遇到的
虽然回头看，这并不是一个很新人友好的项目；我还记得21年的时候，我当时坐在地铁，从浦东的校区刚刚和导师汇报完，回自己当时在松江租的自如单间，满脑子郁闷，因为

1）统计方法太复杂，是非经典统计路线，要从实验数据中bootstrap一个Null Hypothiese分布去检验，而非传统的基于正太分布的t-test这种方法；至于为什么这个方法有效，为什么一个分布可以凭空生成出来还可以用来做分析？我无法接受自己不理解统计方法背后的原理，seeg比较新，每个paper的细节都不一样；我自己去爬数学的原始paper，去理解背后的统计逻辑；感觉犹如读天书

2）sEEG分析的技术栈，本身没有很好的开箱即用的框架；实验室那个时候也还没有搭建统一的分析脚手架；我连续读了好几篇不同的所谓的分析框架的paper；每个框架都隐藏了一些数据分析背后的路线选择，不透明，很担心这些默认配置会影响自己的分析；于是最后还是选择了造轮子，造到了什么程度呢？某段时间我发现可能给电极标注所在脑区这一步，似乎有些问题；于是我直接去看各类框架，到底是如何切分整个cortext曲面的，然后又是如何判断某个坐标是否在这个区域附近；直接干到了理解微分几何这一步，因为你需要理解到底是如何2个数组，来刻画曲面的；（这只是众多细节中的一个例子）

3）第一轮实验设计，大家一开始更多像探索挖掘性的定位，所以起初方案背后，并不存在一个非常清晰的明确假设；这就直接指数级增加了分析的难度；如果有假设，我基于假设去做好后半路的统计逻辑定义，和代码分析即可；如果没有假设，我就需要去很开放的探索数据，并且去基于理论理解去做一些逻辑迭代；然而语言学本身的文章脉络就有些庞杂，我当时基本上就完全迷失在了各种潜在假设和机制里；当时的印象和抱怨是：为什么整条理论逻辑链路上，基本上每个环节都会存在2个候选逻辑呢？？？！

4）sEEG本身的原始信息量很大，预处理的方式也超级多；看不同脑区，不同的频段，就可以获得不一样的信息；而预处理的话，有简洁粗暴的，有花里胡哨的；我还记得我当时研究了很久，如果我要取某个频段的随时间的包络线值，有3个方法，他们是不是等价的（时频傅立叶后滑动窗口取平均，或者用希尔伯特变换来算，或者..我已经忘了...）

5）更重要的是，为什么要用这样的统计方法，这个方法的选择背后的逻辑和假设到底是什么；我此前接受到的训练是偏计算层面的，每个neuron在数学模型中都有清晰的变量，然后再去推统计值看和认知任务的各类关联；而sEEG的数据是反过来的，数据就是长这样的，原始数据本身就是某种实际上的被迫选择的统计值（精准值你肯定测量不到）；而很多预处理分析，成为领域工具，背后都是经验型的积累；比如基本上，爬到最原始的那篇文章，都是某些实验论证了这个统计指标可能代表xxx理论层面的含义，为什么是这样大家也不一定知道；当你真的在整条统计链路上去找问题的时候，你甚至无法有条严格的逻辑链；

———

（四）用统计看世界
再回头看，我从这个项目中收获的最大的，是对统计工具的理解

统计工具是你看世界的探针，真实的世界一定是复杂充满噪音的，但是简洁真实的故事也一定存在；而这两件事情中间的桥梁，其实就是统计工具

可是！统计工具并非越多越好，因此每一次工具的使用，都会伴随你背后对这个世界的某种前验假设，你用的工具越多，你引入的偏见就会伴随越多

要么去除掉更多噪音，要么引入更多的”偏见“，你只能二选一；最后就有一个平衡问题，什么噪音是可以保留不去除掉，什么噪音是值得引入一个也许正确的偏见去去除的

这不只是一个科研心法，而是一个通用的处理复杂系统的心法；

比如我现在做矩阵内容，和客户还有团队分享的一个最重要的建议，也是：

单篇数据一点也不重要，核心是你要把这个策略，重复做一批数据，看统计值是怎样的；

另外也许某个内容细节一点也不重要，核心是你这个选题和转化参数是不是正确的。

其实都是完全相通的

——

详细的大家可以看文章～

最后再次感谢Siqi，james，田老师，以及实验室大家过去的帮助，肯定，以及宽容

最近Spec Driven的心法又升级了，因此每日稳定的Token消耗量涨到了7亿，并且是在我有半天出去了没工作的情况下

其实文档还是那些文档，模板还是那些模板，工作流也还是那些工作流

只是做了2个变化：
1）更敢提需求，提抽象关键的需求，训练自己不去专注看过程，而是看结果和关键文档随后形成新的需求

2）更相信AI，互动过程做了些优化，更愿意先让AI放手干事后再沉淀一轮文档（没错，不是事前，少数文档能支撑长周期运作就够了，更多细节的文档其实是为后面兜底的，而不是当下的任务）

综合1和3，更干脆的提出不一定成熟但定位一定的需求，快速出基础文档，快速实现落地；然后珍惜自己的注意力不看过程，看关键结果和过程文档（体验很重要），然后再提新一轮意图；如此的周转率越高就越快

且这个时候，你会感受到你并非再被AI DDOS，相反AI的不断迭代在滋养你，让你对这个抽象的需求越来越清晰的理解（随着反馈）

因为现在对于你来说，AI的每一次执行都是给你的猜想提出新的反馈，你的注意力也一直聚焦在你关系的核心意图上；（前提：你本身已经有很完备的测试链路让AI在做了）

感觉是一种自我修炼，不断反思自己和AI的交互过程中，哪些猜疑是不必要的，可以更放手信任；而哪些东西才是我最需要注意，最需要深入体验，并且形成标准反复和AI确认的
，虽然和人合作也是类似的哲学，但是和AI合作的过程中，这种修炼迭代速度快太多了

努力能每天给DS付费10-20元

什么是品牌呢？面对大模型这种不能看分数，要看各种场景下体感的东西

我之前有glm的套餐，一堆额度都没用完，我不用了，因为之前少数场景下翻车过

我前2个月都买了官方的200美元的Claude套餐，我这个月不继续了

我这周充值了120元的Deepseek的费用；5天过去我已经花掉80元了

我没有严格对比；但是我真的很放心，我相信DS在背后训练的时候一定是考虑的很全面的，不会去做刷分那些动作

另外一个类似的例子：我还是离不开Claude Code，因为Agent Harnsee也是个复杂系统；Open Code Codex我都用，但是我还是最习惯Claude Code的各种细节功能，还有他的排版；用其他工具我会有焦虑感。。。

一直在做小红书的矩阵业务，但其实自己个人账号一直都是真人发布，也没有很目的性的运营

个人账号只是偶尔使用。即使最早在 AI 规则出来之前，我用 Claude Code 对应的登录和访问了几次笔记，主要是做一下调研。后来收到一次提醒（也是没有做任何发布的情况下，提示我ai发布行为），之后我就再也没有做过任何ai操作，并且从始至终没有用小红书发布过任何笔记内容；

今天早上起床，突然发现自己账号被封了。

而且在上一次提醒之后，我后面明明没有做过任何操作。

这是我个人账号，虽然没有专门运营也和业务无关，也不是什么大号，但也出过好多条大爆款，积累了一些朋友圈人脉和个人的社交资产。

一个这么大的平台，在封禁账号之前没有任何的前置提醒，说封就封。而且我最近没有做任何操作，平台也没有任何明确的政策标准，实在是太不可靠了。

我只会这样想这个事情了：
1. 小红书不要做任何大号资产，不要希望积累任何大号。
2. 只要薅平台流量就好了。

这样的操作，不仅不会人对这个平台有任务敬畏之心，只会反过来把人推向对立面：“既然你这么对我，那我也明白了，我不能认真对你了。因为你不可靠，我就干脆铁心薅你就好了”

每个人都有很不一样的性格和特点

但是当她们爱你的时候，这个切面往往是类似的

真的不是很喜欢这种碰瓷营销（上次跟openclaw也是类似风格，第一次还好第二次真的很明显了

利用了大众对开源规则不熟悉的恶

都是行业内很明确的共识思路，如果真的在意自己的idea就一开始就闭源，开源在享受了影响力迅速传播的时候又不想背负idea被公开的束缚（前提：的确没有很细节层面的一致类似，只是metemodel的类似，agent还都是react循环呢，skill都是md➕script呢），应该反思的是，为什么没有在开源后，快速占领整体心智

Building Managed Agents meant solving an old problem in computing: how to design a system for “programs as yet unthought of.” Decades ago, operating systems solved this problem by virtualizing hardware into abstractions—process, file—general enough for programs that didn't exist yet. The abstractions outlasted the hardware. The read() command is agnostic as to whether it’s accessing a disk pack from the 1970s or a modern SSD. The abstractions on top stayed stable while the implementations underneath changed freely.

点开里面引用的链接，是一个讲操作系统的教程

不愧是PhD创始人。。。。真的，科研审美太好了

有种读经典paper的那种思想美感