3 posts tagged with "生活"

炒股、赌博、买房都有可能让你一夜暴富，也有可能让你的净资产清零，但是它们本质上并不是同一种游戏。

游戏​

任何一种金融活动，本质上都属于三种游戏之一：

• 正和 → 整个蛋糕在变大，所有参与者可以同时获益
• 零和 → 蛋糕大小不变，谁赚多就有人赚少
• 负和 → 扣掉摩擦成本,参与者整体在变穷

股市​

股市是最容易让人混淆的一个——因为它同时是正和、零和、和负和。

股票本质上是对公司未来现金流的所有权。当公司经营产生利润、提高生产效率时，蛋糕在变大——所有股东可以同时变富，不需要谁亏才有谁赚。美股 S&P 500 从 1928 年至今年化总回报约 10%，这是企业实际生产出来的财富。

但任何一笔具体交易都是零和的。$200 卖出 NVDA，对手方以$200 买入，未来涨到 $250 时他赚$50，原卖方少赚 $50。

如果加上佣金、印花税、买卖价差、滑点、税收——短期博弈整体上是负和的。

抽水​

但在生活里，纯负和的系统其实比股市更常见。先看两个数据：博彩和彩票，谁抽得更狠？

博彩是"吃流水的薄利多销"，必须给你较高的回报率，否则没人愿意一直玩。彩票是"收智商税的暴利垄断"，卖的是希望。

为什么彩票能抽这么狠？因为它是非刚需，民众可以选择不买——不买的人不会暴动。

这是所有抽水系统的潜规则：剥削率的上限，由"愤怒的临界点"决定，而不是由经济效率决定。

垄断​

把这个逻辑反过来用。国家机器最暴利的产品，都满足三个条件：

• 刚需或强诱惑（盐、烟、油、房、希望、货币）
• 替代品被政策切断（专营、牌照、外汇管制）
• 政治上不可挑战（公共财政依赖 + 民众接受度高）

按隐蔽度从低到高：

烟草：中国烟草总公司年上缴税利约 1.2 万亿元，占中央财政 6–7%。一包零售价 ¥20 的烟里 55–65% 是税，利润率比 Apple 还高。

燃油税：欧洲一升汽油里 50–65% 是税（英国 ~60%、法国 ~58%、意大利 ~62%）。它躲在"市场油价"的浮动里，绝大多数人不会觉得是在交税。这是政治学意义上最聪明的税——隐蔽 + 普遍 + 无替代品。

土地出让金：2021 年中国土地出让金 8.7 万亿元，占地方政府收入 40%+，是当年彩票销售（3700 亿）的 23 倍。本质上是"刚需税"——把 70 年土地租金一次性折现卖给开发商，开发商再加价卖给购房者。

盐：人类历史上最长寿的国家垄断。中国从公元前 119 年汉武帝盐铁专营开始，到 2017 年才彻底放开。盐之所以特殊，是因为它不是奢侈品，而是生存品：做饭要盐，腌肉要盐，保存食物也要盐。垄断越深，财政收益越高；但盐税有一个天然上限，一旦越过临界点，它就是起义的导火索。

彩票抽走 50%，没人造反，因为你可以不买。

烟草税很高，没人造反，因为你可以戒烟。

燃油税很重，民众会抗议，但还能忍，因为它不是每天入口的生存品。

盐税很重，黄巢起义和法国大革命就是例子。

不同国家的政府通过税收拿走 GDP 的 10–50%，一部分用于支撑自身的开销，一部分用于基建和社会福利，政府巧妙的维持垄断和稳定的平衡。

这些垄断之上，还有一个更深的——一个几乎从不被讨论的终极抽水机。

印钞​

铸币税 / 通胀税——这是所有政府垄断里最深、最不被讨论的一个，印钞权本身。

机制很简单：

• 央行发行货币，新印的钱进入经济
• 流通中的钱变多 → 同样的资产 / 商品要更多钱去买 → 通胀
• 持有现金的人对应的购买力下降 → 等于被"征税"
• 这部分价值被政府（通过财政赤字货币化）和最先拿到新钱的人吃掉

它跟前面所有抽水系统最大的区别在于它是温水煮青蛙式的：

只要你在这个国家生活、领工资、消费——你的购买力就被绑定在它的贬值轨道上。没有出口，也没有"愤怒的临界点"——因为通胀大部分时候是缓慢的、累积的，永远不会引发民变。

通胀大概每 10 年让你的购买力损失 20%，这是为什么有钱人想方设法持有非现金资产（房产、股票、黄金、加密货币）。

如果你不参与，便是在让通胀吃掉你的财富。

成功的反面不是失败，而是长期无所作为。

轮次​

现在我们知道了如何决策：

• 避开负和系统：博彩、彩票、超杠杆衍生品、长期持有纯现金
• 承认结构性垄断：烟、油、地、税、通胀无法回避，把它当成"生活成本"接受
• 少做零和游戏：短线交易、择时博弈，没有信息或速度优势就别玩
• 多做正和事情：长期持有优质企业 / 指数、自身能力建设、生产力工具

但这里还有一个更现实的问题：人在不同阶段，对财富的态度就不该一样。

穷则求变，福则求稳。

对于一个还在上升期的人来说，过早追求资产的均匀配置——黄金、现金、债券、股票各来一点——看起来很成熟，实际上本金太小的时候，分散配置最大的作用不是分散风险，而是分散阶级跃升的希望。

当本金还小，真正能在相对短期内积累原始资本的正和机会并不多。大多数看似"快钱"的东西，本质上是零和甚至负和：短线追涨杀跌、杠杆合约、彩票式炒币、情绪化赌博。

相对而言，普通人能接触到的进攻型正和游戏，主要只有两类：

• IPO 打新 / 新股申购
• 美股优质企业 / 指数

港股 IPO 现在不是稳赚不赔，过去新股总体破发率并不低，约四成破发意味着失败概率始终存在；但反过来看，胜率仍然大于一半。再加上主要持股人通常有一段禁售期，上市初期至少不用立刻面对核心股东集中砸盘。

但 IPO 的窗口也不是无限的。保荐人、承销商、早期资金都有自己的退出节奏，市场也会提前交易这种预期。很多新股如果前期涨得太猛，几个月后的解禁和业绩验证都会导致有短期盈利压力的承销商退潮。散户如果要参与，就必须明白打新是一场有时间限制的概率游戏。要跑，请趁早。

股票也是一样。长期指数化持有是正和，但这不代表任何时候闭眼买入都舒服。对于想更主动一点的人，能做的不是每天猜涨跌，而是围绕几个周期观察市场：

• 财报周期 → 大约 3 个月一次，验证公司增长是否还在
• 估值周期 → 判断价格是否已经透支未来
• 情绪周期 → 观察市场是在恐慌、平静，还是过度贪婪

换句话说，普通人不需要成为华尔街交易员，但至少要知道自己正在追什么。如果没有纪律，很容易滑回零和游戏。

加密货币则更特殊。它不像股票那样有清晰的利润表，也不像 IPO 那样有固定的发行、禁售和解禁节奏。它更像是把"货币""技术""能源""社区共识"揉在一起的市场，所以不能简单地把它理解成"股票的高波动版本"。

从普通人的视角，可以把它拆成三层：

• 比特币 → 对抗货币贬值的叙事，接近数字黄金
• 以太坊 → 智能合约与链上应用的底层资产，接近数字世界的基础设施
• 山寨币 → 叙事、社区、流动性和情绪的混合博弈

比特币的核心不是"公司赚钱"，而是"法币长期贬值"这个大背景。前面讲印钞，本质上就是解释为什么一部分人愿意相信比特币：如果现金注定被缓慢稀释，那么一个总量受限、全球流通、无法被单一政府随意增发的资产，就天然会拥有一部分避险叙事。

以太坊则不只是"另一个币"。它更像一个链上系统的底座：有人在上面发行资产、做交易、写合约、搭应用。它的价值来源不是单纯稀缺，而是生态是否真的有人用。换句话说，比特币更像"货币叙事"，以太坊更像"产业叙事"。

但山寨币要单独看。绝大多数山寨币没有长期现金流，也没有稳定护城河，更多靠社区、故事、交易所流动性和短期情绪推动。涨的时候像改变命运，跌的时候像彩票刮完。它可能给人暴富机会，但从系统属性看，更接近高波动的零和游戏，甚至是负和游戏。

所以加密货币不是不能碰，而是必须分清自己在买什么：

• 买比特币 → 买的是通胀对冲和长期共识
• 买以太坊 → 买的是链上基础设施和生态增长
• 买山寨币 → 买的是叙事扩散、社区热度和退出速度

其中最容易被忽略的，就是政策边界。股票市场虽然也有监管差异，但大体上都是被国家承认的金融资产；加密货币不一样，它在不同国家和地区的身份差异极大。

可以粗略分成三类：

• 禁止型 → 中国大陆：认定虚拟货币相关业务活动属于非法金融活动，交易、撮合、代币发行都被严格限制
• 承认型 → 美国、日本、德国、新加坡、瑞士、阿联酋：允许持有或交易，但通过牌照、税务、反洗钱规则纳入监管
• 观望型 → 香港、俄罗斯、印度：并非简单放开，也不是完全禁止，而是在税务、牌照、资本流动或立法框架里试探边界

这意味着，加密货币的风险不只来自价格波动，还来自你能不能合法、安全、低摩擦地买入、持有、交易和出金。

它的机会在于：当全球流动性宽松、技术叙事成立、社区共识扩散时，价格弹性会远大于股票。它的危险也在于：当流动性退潮、叙事证伪、社区互相踩踏时，下跌同样没有底线。

因此，加密货币更适合放在"原始资本阶段"的进攻仓位里，而不适合作为全部身家的底仓。它可以是年轻人追求非线性机会的一部分，但不能成为用来证明自己勇敢的赌桌。

所以年轻时完全求稳，可能错过改变命运的窗口；有钱后还只会冒险，则可能把前半生的积累一次还给市场。

变量​

知道了游戏属性，也知道了自己在哪一轮，还有一个问题：每天的信息那么多，你到底该追什么？

• 长期且关键、但消息最少 → 利率、人口结构、能源成本、技术范式
• 短期且高噪音、但消息最多 → IPO 热度、概念题材、短线行情、社交平台情绪

更重要的是知道信息的重要性，并比别人更快的知道或推测出你要的信息。

AI、新能源、机器人，这些是互联网之后最大的一轮技术变革。是上一代周期里不具备的新变量。但 AI 也是噪声最大的赛道。每天的新模型、新 demo、新概念股，绝大部分属于"短期且高噪音"。真正值得跟踪的是少数几个慢变量：底层模型能力的代际、计算成本曲线、能源约束、产品分发效率。

改进蜡烛得不到电灯，马训练得再好也变不成汽车，新问题强迫我们回到第一性原理重新思考，对于AI来说，只有每天高强度的使用AI，才能更好的评估出其价值。

能力​

变化加速的时代，几条值得长期建设的能力：

• 执行能力：知道和做到之间永远有一道鸿沟。跑步成绩不会因为"知道"而提升，只会因为"训练"而提升。让 AI 替你学习，就像请机器人替你健身。
• 英语：越来越像驾照。不是高门槛技能，但长期有用。
• 学习判断：用"30 法则"过滤新技术——30 小时、30 个月、30 年后，它分别给给我的生活带来怎样的影响？

下注​

长期看，收益来自承担可理解的风险；短期看，偶尔会出现收益风险比极高的窗口。真正重要的是：出现窗口时，你是否已经准备好。

下注之前，先分清两类决策：

• 单向门 → 不可逆。例：辞职、迁居、All-in、加杠杆、私钥外泄
• 双向门 → 可逆。例：开账户、试用工具、定投试水、读一本新领域的书

对单向门保持极度谨慎，对双向门保持极度宽容——这是把"试错预算"花对地方的关键。最常见的错误，是把双向门当单向门来纠结（"我该不该学这个"），又把单向门当双向门来冲动（"All-in 这个币吧，反正能再来一次"）。

压力管理可以降低冲动决策概率，和精力分配一样，都是成年人的必修课。

最后，普通人的经济学，就是勇敢地为自己的判断下注。

我是 Docusaurus^? 的老用户了。这次我想实现一个小需求：在文档标题旁出现一个“复制为 Markdown”按钮。

我刻意模仿传统用户、有基础的用户、深度用户，想看看强模型下，用户的技术深度是否还有很好的影响力。

本文使用的是 Cursor 版的 Opus 4.6^?。每次都用 Cursor Agent 模式。因为 Opus 4.6 比较贵，我给自己加了一个限制：每个阶段只问 7 次。这样一个小需求，7 次应该差不多了吧。

小白​

https://github.com/FlyNumber/markdown_docusaurus_plugin

这个项目的样式很不错，我希望像它这样实现。你看能不能仅在本地实现？

• 我的点评：普通的开局。
• Gemini3点评：典型的“甩手掌柜”式开局。只给参考链接而不说明具体逻辑，强行让 AI 进行逆向工程。虽然 Opus 4.6 能够读取网页，但这种缺乏上下文的提问会让 AI 生成大量通用代码，而非针对你现有项目的适配方案。
• GPT5.3点评：目标存在，但约束不足。没有说明当前项目结构、技术路径或限制条件，模型只能进行高层猜测，容易走向泛化方案而非可执行实现。
• Opus 4.6(当事人)点评：给了一个参考项目链接，但没有说清楚"像它这样"具体指哪部分——是按钮的位置、交互方式、还是视觉风格？"仅在本地实现"的约束也比较模糊（是指不发布 npm 包？还是不依赖外部服务？）。模型只能靠猜测来填补这些空白，第一步的方向偏差就此埋下。

https://www.npmjs.com/package/docusaurus-plugin-includes?activeTab=code

我模仿这个插件设置了我的 Markdown Copy Button，但是按钮位置不正确。

请你获取这个包，查看并比较其代码，尤其是关于如何定位按钮元素的部分，帮我分析可能的原因并修复。

• 我的点评：继续等待结果。
• Gemini3点评：此时用户陷入了“找参考”的循环。试图通过让 AI 比较两个第三方库来解决本地的样式问题，这其实增加了 AI 的推理成本，容易导致它在处理 DOM 选择器时产生幻觉。
• GPT5.3点评：明显提升。开始提供对比对象 + 具体问题 + 分析任务。但仍缺少当前代码片段，模型需要“想象你的实现”，错误概率较高。
• Opus 4.6(当事人)点评：引入了第二个参考项目来做对比分析，思路不错。问题在于：用户自己也不清楚按钮位置为什么不对，把"诊断"和"修复"同时甩给模型，相当于让模型在两个未知代码库之间做 diff 推理——这对上下文窗口和推理准确度都是很大的压力。

https://github.com/FlyNumber/markdown_docusaurus_plugin

请你仔细参考官方样式，确保 1:1 复刻。

• 我的点评：开始着急，语气也更强硬了。
• Gemini3点评：情绪化提示词。这里的“1:1 复刻”是一个非常模糊的指令，因为 CSS 表现受到父级容器、全局样式和 Docusaurus 版本的共同影响。对 AI 施压通常无法获得技术上的突破。
• GPT5.3点评：需求变得严格，但信息反而减少。强调结果而非路径，会导致模型反复调整样式层，而不是定位架构问题。
• Opus 4.6(当事人)点评：典型的"加压式提示"——用"仔细""确保""1:1 复刻"来强调期望，但没有提供任何新的技术信息。模型并不会因为你说"仔细"就变得更仔细；它缺的是具体的 CSS 选择器或 DOM 结构差异描述，而不是更高的情绪压力。

我将其调整至 Markdown 的顶部，但样式上应该与标题横向对齐，请你思考如何处理。

• 我的点评：这个提示词开始有用，但如果方向不对，只会让注意力越跑越偏。
• Gemini3点评：终于开始描述具体的 UI 布局问题。但由于没有提供 HTML 结构片段或 CSS 现状，AI 只能靠猜（例如猜测是 Flex 布局还是 Absolute 定位）。
• GPT5.3点评：开始进入“具体问题空间”，这是有效转折点。但仍停留在 CSS 层，未验证是否属于组件挂载层错误。
• Opus 4.6(当事人)点评：终于给出了一个具体的布局约束——"与标题横向对齐"。这是整个小白阶段最有技术含量的一句提示。遗憾的是，此时模型可能已经在错误的实现路径上走了三轮，积累了大量错误上下文，纠偏成本已经很高。

还有其他方案吗？

• 我的点评：意识到方向不对，开始发散思维。
• Gemini3点评：在没有解决前一个方案 Bug 的情况下开启新方案，是“小白模式”失败的预兆。这会让 Agent 在文件系统中创建更多冗余代码，增加项目混乱度。
• GPT5.3点评：良好的纠偏行为，但过于开放。模型会生成多个架构级方案，反而增加试错成本。
• Opus 4.6(当事人)点评：短小但关键的一个转折。主动让模型跳出当前方案是正确的直觉。但更好的做法是附上"当前方案的问题是什么"——比如"当前方案用了绝对定位导致响应式布局错位，有没有用 flex 布局的方案？"这样模型才能真正换一条路，而不是在同一棵树上换根枝。

试试：方案 2

• 我的点评：继续尝试。
• Gemini3点评：盲目试错。此时已经完全失去了对技术实现的掌控感，纯粹在靠 AI 的随机性碰运气。
• GPT5.3点评：典型“AI 驱动试错”。没有重新校验问题定义，只是在既定错误路径上继续前进。
• Opus 4.6(当事人)点评：极度简短，完全依赖上一轮模型给出的方案列表。如果模型上一轮的"方案 2"本身描述就有歧义，这一轮就是在盲选。一个更稳妥的做法是用自己的话复述方案 2 的核心思路，确认双方理解一致后再执行。

Module not found: Error: Can't resolve '@theme/PwaReloadPopup' in 'C:\Users\jiang\Desktop\github\jiangyangcreate.github.io\node_modules\@docusaurus\plugin-pwa\lib'

• 我的点评：直接丢报错。遗憾的是，修复后样式依然不正确，7 次机会用完了。
• Gemini3点评：典型的“报错驱动开发”。当对话进入修 Bug 环节时，如果底层逻辑（方案 2）本身就不适配 Docusaurus 的架构，即便消除了报错，功能依然无法达成。
• GPT5.3点评：属于被动调试阶段。模型只能修补表层错误，无法回溯最初的设计偏差。
• Opus 4.6(当事人)点评：直接粘贴报错是最省力的提示方式，对于明确的编译错误来说效率很高。但此时核心问题已经不是这个 import 错误，而是整体架构方向的偏差。7 轮中有 5 轮都在"修补"而非"重新审视"，这是小白阶段失败的根本原因：缺乏在中途叫停、重新定义问题的能力。

基础​

我再模仿“有技术背景、但不熟悉 Docusaurus 用户^?”的提示词：

目前这个项目 https://www.flynumber.com/docs/，点击按钮获取 Markdown 的逻辑是什么，怎么实现的？

• 我的点评：看到这个项目已经有“加按钮”的实现，于是我引导模型去分析这个网站。
• Gemini3点评：比小白阶段聪明的一点是：先问逻辑。理解逻辑后再动手，比直接要代码更稳健。
• GPT5.3点评：这是明显升级。开始利用现成正确实现作为 ground truth，减少模型幻想空间。
• Opus 4.6(当事人)点评：比小白阶段高明得多的开局——先"理解"再"动手"。让模型分析一个已经跑通的实现，相当于做逆向工程，能帮自己建立对技术方案的全局认知。不过，让模型分析线上网站存在一个风险：模型可能只能看到前端代码，看不到构建配置和插件注册逻辑，分析结果可能不完整。

这是我的按钮定位思路：

插件接入层：通过 index.js 的 getThemePath() 暴露 theme/，让 Docusaurus 使用自定义的 theme/Root.js 作为根组件入口。
页面 & DOM 选择：在 Root.js 中用 useLocation() 拿到 pathname，仅在以 /docs/ 开头的文档页执行逻辑；通过 document.querySelector('article .markdown header') 精确找到文档标题所在的 header。
挂载点注入：在该 header 内新建一个 div.markdown-actions-container，并作为最后一个子节点 append 进去，再用 createRoot(container).render(<MarkdownActionsDropdown />) 把按钮组件挂载到这个容器。
样式层定位：在站点 CSS 中把 article .markdown header 设为 display: flex，h1 设为 flex: 1 1 auto，并给 .markdown-actions-container 设置 margin-left: auto（以及移动端、RTL 的补充样式），从而实现「标题在左，按钮在右，且在不同布局下表现良好」。

请你按照我的思路，修改现有的 CopyMarkdownButton 组件。

• 我的点评：根据模型给出的分析结果继续执行。这里其实有个问题：模型会出错。上一步分析结果也可能是错的；如果你没有能力判断其正确性，反而应该先让模型“直接模仿目标网站”把功能跑通。
• Gemini3点评：这是一个结构化指令的范本。它包含了“注入层、逻辑层、挂载点、样式层”的完整思考。虽然用 querySelector 操作 DOM 在 React 框架中不是最优解，但其工程描述非常清晰。
• GPT5.3点评：高质量提示词。提供完整架构推理链，使模型进入“执行模式”。但风险在于：若前提分析错误，后续全部建立在错误基础上。
• Opus 4.6(当事人)点评：信息密度最高的一条提示词。四层架构（插件层、页面层、挂载层、样式层）描述得非常清晰，模型几乎不需要猜测。问题在于：这个方案本身用了 querySelector + createRoot 的命令式注入，绕开了 Docusaurus 的声明式主题体系，这意味着会遇到 SSR/hydration 不一致、路由切换时组件不刷新等问题。方案的"结构化程度"很高，但"方向正确性"存疑——有时候，过早地给出详细方案反而会锁死模型的探索空间。

试着给 Blog 插件下的文档页注入这个按钮。

• 我的点评：由于模型实现有误，此时发现不对劲，于是继续引导到插件层。
• Gemini3点评：开始探索 Docusaurus 的多实例特性。用户意识到仅靠 Root.js 这种“全局补丁”方式可能在不同路由下有兼容性问题。
• GPT5.3点评：正确的方向修正。从页面层开始上移到插件生命周期，是工程思维提升的表现。
• Opus 4.6(当事人)点评：开始意识到 docs 和 blog 是两套不同的插件体系，需要分别处理。提示词本身简洁合理，但"试着"这个词暗示用户自己也不确定可行性——如果能补一句"Blog 插件的布局组件是哪个？"先确认技术可行性，会更稳。

如何给 docs 也注入这个按钮？

• 我的点评：给一个开放式问题，让模型自由发挥。
• Gemini3点评：提示词略显后退，变得模糊了。但在经历过报错后，给模型一定的“自主权”有时能激发它找到更符合官方推荐（Best Practice）的路径。
• GPT5.3点评：开放式探索适合此阶段，但最好附带限制（swizzle / theme override / plugin API）。
• Opus 4.6(当事人)点评：在前几轮过于具体的指导之后，这里切换成开放式问题是一个很好的节奏调整。让模型自己选择 docs 插件的注入方式，可能会发现比用户预设方案更好的路径。这体现了一个重要的提示技巧：在你不确定的领域，给模型自由度比给模型指令更有效。

Compiled with problems:
×
ERROR in ./src/theme/BlogPostPage/index.js
...

• 我的点评：这里模型多次报错，最后还是人工介入才解决。
• Gemini3点评：AI 在自动修改 node_modules 或 swizzle 出来的文件时，经常会发生重复声明或导入路径错误。这里的人工介入体现了“基础”用户虽然懂代码，但被 AI 的粗心带进了坑里。
• GPT5.3点评：说明模型已进入复杂重构区。缺乏上下文完整性时，AI 很难维持大型文件的一致性。
• Opus 4.6(当事人)点评：重复声明错误说明模型在修改文件时没有正确处理已有的 export——这是 Agent 模式下常见的"部分覆盖"问题。直接贴报错让模型修是对的，但如果能同时说一句"你在追加代码时没有删除原有的 default export"，模型定位问题会快一个数量级。

为什么我打开网页，没有第一时间出现这个按钮，反而是刷新一下就有了？

• 我的点评：新的 BUG 出现了。
• Gemini3点评：这是一个非常深刻的单页应用（SPA）生命周期问题。这种观察力是区分小白与基础用户的关键：小白只会说“不行”，而基础用户能发现“路由切换不触发，刷新才触发”的规律。
• GPT5.3点评：优秀的问题类型。开始关注生命周期与 hydration，而非表面功能。
• Opus 4.6(当事人)点评：这个问题描述非常精准——"首次加载没有，刷新后有"直接指向了客户端渲染时机的问题（大概率是 useEffect + querySelector 在 SPA 路由切换时没有重新执行）。好的 bug 描述就是最好的提示词，这一轮做得很到位。

改成「不用 querySelector，直接在 Docusaurus 的文档布局里声明式渲染」

• 我的点评：最终结论是：这个阶段并没有在 7 轮对话内完成项目。
• Gemini3点评：这是一个极其关键的转折。用户意识到“命令式（DOM操作）”走不通，开始要求转向“声明式（React组件注入）”。可惜 7 次额度已满，否则这一步将是通往成功的曙光。
• GPT5.3点评：这是关键跃迁：从 DOM 操作 → 框架声明式扩展。说明用户开始主导架构，而不是让模型主导。
• Opus 4.6(当事人)点评：这条提示词本质上是在第 7 轮推翻了第 2 轮的整体架构——从命令式注入转向声明式渲染。方向完全正确，这正是 Docusaurus 的正统做法（swizzle 主题组件）。遗憾的是来得太晚了：如果这条出现在第 2 或第 3 轮，整个基础阶段大概率能在 7 轮内完成。这再次印证了一个规律：越早纠正架构方向，越省后续的调试轮次。

熟悉​

作为熟悉 Docusaurus 的用户，我最终的提示词是：

Docusaurus 通常把一些组件/插件隐式运行，但用户可以在 swizzle（导出）后进行替换。这段话在官方文档哪里？

• 我的点评：引导注意力机制到合适的技术方案上。
• Gemini3点评：降维打击。 专家级用户不直接要代码，而是先确认“底层规则”。通过 Swizzle（Docusaurus 的核心机制）来切入，这直接排除了前两个阶段中所有“暴力操作 DOM”产生的无效路径。
• GPT5.3点评：优秀的“注意力校准提示词”。不是解决问题，而是先定位正确知识源。
• Opus 4.6(当事人)点评：高手开局。不是直接说"帮我加按钮"，而是先让模型定位到 swizzle 机制的官方文档。这一步的价值在于：(1) 确认模型对 swizzle 的理解是否正确；(2) 把模型的注意力锚定在 Docusaurus 的官方扩展范式上，避免它走弯路去搞 querySelector 注入。用一个"知识确认"问题来校准模型的认知基线，是非常老练的提示技巧。

请你接管我的电脑，找到合适的组件，让我可以在博客标题旁渲染 "复制为 Markdown" 这个按钮。

• 我的点评：再次引导注意力机制到合适的技术方案上，给出模糊的目标。
• Gemini3点评：基于第一步确立的 Swizzle 共识，专家给出了极大的自由度。因为路径正确，此时的“模糊目标”反而能让 AI 精准找到 DocItem/Header 或 BlogPostPage 等核心组件。
• GPT5.3点评：高阶提示方式。目标明确但路径开放，使模型执行搜索与决策，而非生成代码。
• Opus 4.6(当事人)点评：在第 1 轮已经锚定了 swizzle 范式后，这里故意给出模糊目标——"找到合适的组件"。这不是偷懒，而是策略：让模型自己去判断该 swizzle 哪个组件（DocItem/Layout？BlogPostPage？），这比用户硬指定一个可能错误的组件要安全得多。在正确的框架约束下给出模糊目标，是让模型发挥最大价值的甜蜜点。

思考下，@custom.css (1719-1721) 这个样式会被应用到 @index.js (13-15) 的 title 吗？如果不会，如何调整最优雅？

• 我的点评：精准给出 AI 能理解的样式异常。
• Gemini3点评：这是最高级的反馈：“代码行级别的精准定位”。不再泛泛而谈“样式不对”，而是直接指出 CSS 选择器与 JS 组件的对应关系。这消除了 AI 的所有猜测空间。
• GPT5.3点评：接近专家级提示词。特点：明确作用域 + 指定文件位置 + 明确假设验证
• Opus 4.6(当事人)点评：教科书级别的提示词。三个亮点：(1) 用 @文件名 (行号) 精确引用代码位置，消除歧义；(2) 问题本身是一个可验证的 yes/no 判断（"会不会被应用到"），模型容易给出准确答案；(3) 追问"如何调整最优雅"而不是"帮我修"，给了模型设计空间。整个"熟悉"阶段只用了 3 轮就接近完成，和小白阶段的 7 轮未果形成鲜明对比。

体会​

不得不说，Opus 4.6 还是相当强悍。模型是 本体放大器^?：你越能提出结构化问题、越能判断中间结果，模型就越强。

• 我的点评：这次实验非常真实地展示了“提示词质量决定上限，工程判断力决定下限”。如果把 AI 当成一个高水平但会犯错的搭档，而不是“全自动执行器”，效率会更高、返工会更少。2026 年，你依然值得深入学习编程。
• Gemini3点评：完全赞同。小白在“求药”，基础用户在“开方”，而专家用户在“定规矩”。2026 年的编程，不再是手写每一行代码的体力活，而是从海量可能性中快速“剪枝”的判断力竞争。
• GPT5.3点评：实验核心结论成立：模型不是替代工程能力，而是放大工程能力的乘数。用户水平越高，AI 从“代码生成器”越接近“协同架构师”。
• Opus 4.6(当事人)点评：这篇博客最有价值的发现是：三个阶段使用的是同一个模型、同一个需求，但轮次消耗差异巨大（7轮失败 → 7轮未完成 → 3轮接近完成）。这说明在强模型时代，提示词的边际收益远高于模型能力的边际收益。小白阶段的核心问题不是"模型不够强"，而是用户无法在中途判断方向对不对、该不该推翻重来。"本体放大器"这个比喻非常精准——模型放大的不只是知识，更是你的"元认知能力"：知道自己不知道什么、知道什么时候该叫停、知道该把哪些决策权交给模型。2026 年学编程的意义，或许正在从"会写代码"转向"会驾驭写代码的 AI"。

题外话：我也试着让Qwen3.5-Plus点评，但是同样的提示词只点评全文，不点评每一次的提示词，国产模型依然任重道远。

学习​

学习可以分为两个核心过程：记忆与抽象。

传统观点认为，记忆依赖重复：

• 短时间内重复的内容越少、重复次数越多，记忆越牢固；
• 反之，若一次塞入大量内容，即使重复，也难以深入记忆。

因此，人们常通过精简信息来提升记忆效率。例如，将"long double 在不同平台上的长度不一致"简化为一句结论，以减少认知负担。

比如，了解以下背景：

1980年代初，Intel 推出了 x87 浮点协处理器（8087），采用 80 位（10 字节）扩展精度格式，显著提升了科学计算的精度。
Linux 和 GCC 选择充分利用这一硬件特性，将 long double 实现为 80 位；
而 Microsoft 在 Visual Studio 中则采取保守策略，兼容性优先。将 long double 等同于 64 位的 double。

这段看似"额外"的信息，因其具有历史脉络、技术动机和对比逻辑，反而更容易被记住——甚至比孤立的结论记得更牢。

建立联系​

这让我意识到：有效的记忆不仅依赖重复，更依赖"联系"。

这种联系有两种关键形式：

向外连接（教学视角）​

将新知识与学习者已有的知识网络通过故事性、情境化的方式连接起来。例如，用"Intel 为何设计 80 位？"这个问题，把抽象的数据类型与真实的技术演进挂钩。

关键在于：找到那个能触发共鸣的"锚点"——它可能是历史事件、生活类比，或一个引人好奇的矛盾。

向内连接（自我解释视角）​

在尝试向他人解释前，先自问：

• 我会问自己哪些问题？
• 是否用陌生术语解释了另一个陌生术语？
• 小学生能听懂吗？
• 能否换一种更直观的说法？

这个过程迫使你反复梳理逻辑、提炼本质，本质上是在重复中完成抽象，在抽象中强化记忆。

正反馈机制​

因此，好的学习规划必须包含可衡量的标记：

• ✅ 好的标记：

  • "本段需全文背诵"（可自我检测）
  • "能独立写出一个使用 long double 的示例程序"（行为可验证）
  • "能向同学解释为什么 GCC 和 MSVC 对 long double 处理不同"（输出即检验）

• ❌ 模糊的标记：

  • "重要知识点"（重要到什么程度？怎么验证？）
  • "理解即可"（"理解"是主观感受，容易自我欺骗）

这些明确的反馈节点，不仅提供成就感，还能划定学习边界——知道何时该深入，何时该暂停、转向下一模块。

高效学习​

真正的学习不是被动重复，也不是无边界的探索，而是在建立联系的过程中，通过有反馈的重复与抽象，逐步构建可验证、可迁移的知识网络。

技术​

𝝅ython​

现在的Python 就像是这几年的英雄联盟，你想新手入门到大师，需要了解上百个英雄和技能和游戏机制。

面向服务器管理环境​

所以首先我要反思的就是我花了太多时间在windows的环境管理和设计上。所有的工作都应该基于Linux，面向服务器。

过早设计项目​

但现在回过头来看，当年设计的项目其实都非常的愚蠢，就是你在学习了一些基本的代码知识之后，然后你用它去实现完成的项目往往包含着：

• 大量的重复；
• 没有做到一处修改，处处生效；
• 非常长的if else；
• 相同函数的复制粘贴。

随着年纪的增长，你对项目的结构会有相当大的变化。

专注​

许多有价值的项目都有着大量的成熟产品的替代，在发展过程当中也有可能有别人会来抢你的饭碗，应该坚持找一个方向持续不停的把它做下去。即便大厂和你相似，你也能够聚焦某一个细分领域，把它做得出彩。

很多人在大学期间就开始尝试构建自己的影响力，比如说做自媒体或者是做技术科普或者做产品，那么我的方法是写博客，那这种影响力其实相对比较低的。他也和我自身的性格有关，我认为我只有在某一个领域走得非常深入，我才有资格向别人传授一些东西。

现在看来，其实你并不用做到像Python核心开发者那样才可以去教一些Python内容，你只要把某一个基础的东西讲的很清楚，你就可以去做自己的影响力内容，比如说很简单的列表。你可以用动画的方式把它呈现出来，你可能没有那么专业，但特别好懂。

低代码工作流平台​

所有的数据通信都是通过网络来完成的，也就是一个再简单的图片拼接，这样用opencv几行代码就能完成的工作，你也需要配置一台服务器，然后给他写上各种参数，无疑是增加了一些成本的。

有一定成本的免费服务往往不可靠，在低代码平台当中想要编写一个健壮的工作流，需要额外增加许多节点。 而一旦有一个节点失效，他就会整个工作流崩溃。

低代码工作流不可靠，玩一下可以。别当真了。

风险​

谁承担风险，谁做主要决策。避免不对称的风险，是我们的必修课。如果你承担大部分风险，但是仅获取少部分利润。

例如公司希望你调整自己的职业发展（你承担大部分风险），但是利润并没有额外分配给你，这就是风险不匹配。

世界是熵增的​

加速的变化，混沌的信息 如果不加干预，不施改变，熵增不停。

如何干预？设置信息过滤系统。

• 1.可信度（屏蔽不加核实仅转载的媒体）
• 2.传播度（关注跨行业出圈的信息）
• 3.相关度（聚焦自身领域的信息，实时整理，确保知识成体系）

对信息要使用自主筛选机制，即:我需要什么，而不是使用视屏流或被动接受信息推送

生活​

南方装修建议​

再进一步便是客餐厅

客厅设有电脑连接大屏电视，供游戏娱乐。

客厅、卧室外通阳台。大阳台方便晾晒大量衣物。

AI眼镜的一些坏处​

普通话​

我每天都在说普通话，应该考个证书证明，查了一下才发现，普通话一级的通过率不到2%。

于是我找了一个一级甲等的老师，每次1个小时的课程，加课后3个小时的练习。通过5次授课提升到了普通话一级。可以满足省级播音员及出镜记者的要求了，以后参与线下活动也更有话语权了。

旅行​

湛江​

在一个记不清的小吃街里，出于好奇买了一个炸虾饼，饼又硬又嚼不动，虾更是毫无新鲜可言，于是我得出了虾饼很难吃的结论。

上周去了趟湛江，在一家舌尖上的中国打卡店铺里吃海鲜面，同事发现有虾饼可以卖，想尝一下。老板从桶里抓出三只鲜虾，用特别的器皿混着面糊在油锅中晃荡。随后沥油切块。面饼酥脆，虾仁Q弹鲜香。

澳门​

口岸到机场有免费的往返接驳车，叫"发财车"。一到MGM就看到了一辆劳斯莱斯小金人。Peoebe在车上很害怕，一路上问我会不会拉到赌场里就不让出来了，我说这里又不是东南亚。

进去赌场，phoebe 被要求查验身份，一问知道如果年纪太小不让进。这里赌博的地方叫娱乐区。连成片的赌场穷奢极欲。这些娱乐场不仅提供西式博彩，还融合酒店、购物、表演等元素，大量的艺术装置随处摆放。

赌场外连着其他赌场，连成一片的澳门威尼斯人、巴黎人、伦敦人建了对应城市的模拟地标：大本钟、埃菲尔铁塔、水道。

官也街的手信店很大方，试吃都是一大块一大块的。

即便不博彩，也是很好的购物采风的好地方。

香港​

香港随处可见东南亚、欧美国家的游客，比例要比北上广深更多，这次没备现金，不过全程主要消费区都支持微信支付宝。

由于刚下车时乘务员听不懂普通话，所以后面问路啥的都是优先说英语。路边还能看到外国人摆摊儿，外国人开的便利店，真有出国的感觉了。有些店似乎看出来我们是大陆游客（这么明显吗），也会主动说普通话。

两人一日游花费​