与「修心养性」相关的搜索结果

应无所住，而生其心 《金刚经》有一句很多人耳熟能详的话： 应无所住，而生其心。 过去我一直把它理解成一种修心的方法：不要执着，不要分别，不要贪恋。 后来我才发现，它不仅是佛学，也是这个世界最深刻的成功规律。 ⸻ 人这一生，大多数痛苦，都来自于先算结果，再决定行动。 我要不要学习？能赚钱吗？ 我要不要创业？成功率高吗？ 我要不要投资？什么时候翻倍？ 我要不要帮助别人？他以后会不会帮我？ 我们几乎所有行为，都先在脑子里做了一遍收益率计算。 于是，行动变成了交易。 而交易，就一定会失望。 因为世界不是线性的。 今天播种，不一定今天发芽。 今天努力，不一定今天成功。 今天付出，不一定今天得到回报。 于是，人开始怀疑，坚持开始动摇，热爱开始消失。 因为心，已经住在了结果上。 ⸻ 真正厉害的人，恰恰相反。 他们不是因为有结果才去做。 而是因为喜欢，所以一直做。 程序员写代码，因为享受创造。 画家画画，因为热爱表达。 运动员训练，因为享受突破极限。 投资者研究市场，因为喜欢理解世界。 赚钱，只是副产品。 成功，只是复利。 ⸻ 投资尤其如此。 很多人进入市场，只想着赚钱。 每天盯着盈亏，预测涨跌，幻想财富自由。 结果每一次波动，都能影响情绪。 上涨时贪婪，下跌时恐惧。 因为他的心，住在了账户余额上。 而真正优秀的投资者，热爱的是认知本身。 他们喜欢研究宏观。 喜欢理解产业周期。 喜欢观察人性。 喜欢验证自己的逻辑。 市场只是考卷。 赚钱只是考试成绩。 他们真正享受的是学习和进化。 所以他们不会因为一次亏损否定自己，也不会因为一次盈利迷失自己。 当一个人把注意力放在正确的过程，而不是短期结果时，结果反而越来越好。 ⸻ 做任何事情，其实都是一样。 如果健身只是为了三个月练出腹肌。 一旦没有效果，就放弃了。 如果阅读只是为了立刻赚更多的钱。 一本书没改变命运，就不读了。 如果创作只是为了涨粉。 一条视频没爆，就停止更新。 那说明，你爱的不是这件事。 你爱的只是它带来的利益。 所以利益一消失，热情也消失。 ⸻ 真正长期主义的人，不会每天计算得失。 他们更像是在浇一棵树。 今天浇一点。 明天浇一点。 至于什么时候开花，他们不知道。 但他们知道，不浇水，一定不会开花。 所以他们继续浇。 这就是应无所住。 不是没有目标。 而是不执着于目标。 不是没有欲望。 而是不被欲望绑架。 ⸻ 很多人误以为，不求回报，就不会成功。 其实恰恰相反。 世界上的大多数顶级成果，都来自那些忘记成果的人。 科学家沉迷探索真理。 艺术家沉迷创造作品。 企业家沉迷解决问题。 投资者沉迷理解市场。 他们最后获得了财富、地位、影响力。 但那些，都不是起点。 只是终点。 ⸻ 应无所住，而生其心。 放下对结果的执着，并不是放弃结果，而是不让结果控制自己。 因为真正的热爱，不需要回报来证明。 真正的价值，不需要立刻兑现。 当你不是为了利益去做一件事，而是因为热爱本身，那一刻，你已经获得了最大的回报。 剩下的一切——财富、名声、成就，不过是时间赠予热爱的复利。 看了@btcpiggy 兔子姐的朋友圈有感随笔

#修心# 南無觀世音菩薩 🪐2恭请說詳示 ☀️2如来重說 ⚽️2說咒利益 🐹2眾生利賴 🐶2備彰威力 🐻‍❄️2詳伸護生助道以出由 🐰2別列多功 📃1約眾生以顯各益 📚2助成道業 🔖2遠離雜趣 🌸經文 從第一劫，乃至後身，生生不生，藥叉羅剎，及富單那，迦吒富單那，鳩盤茶，毘舍遮等，并諸餓鬼，有形無形，有想無想

此《十牛图颂并序》南宋廓庵禅师著。其内容是以牧牛为主题，用十幅图画（寻牛、见迹、见牛、得牛、牧牛、骑牛归家、忘牛存人、人牛俱忘、返本还源、入鄽垂手），寓意禅宗修心证道如牧牛。一序、一颂、一图。此卷绘于日本弘安元年（1278），现藏于大都会艺术博物馆。介绍下载：

前 Google 工程师用 20 分钟讲清楚了 AI Agent 的核心玩法。 说真的，比一堆 500 美元的课有用多了。 关键就一句： trace every run → 用 LLM judge → diagnose → fix → ship 每一次运行都记录下来。 然后让 LLM 去评判结果。 再定位问题，修掉，继续发。 Agent 能不能越跑越好，靠的就是这个 loop。 不是天天手搓 prompt，等结果，看 diff，再继续手搓。 那套太原始了。 真正该搭的是： Agent loops memory harness evals 这几个东西放一起，才像个能持续进化的 agent 系统。 很多人还停留在“我会写 prompt”。 但真正有差距的地方，已经变成： 你会不会设计一个能自己跑、自己评估、自己修的 loop。 看完有点扎心。 感觉不是 agent 不行，是我们还在拿遥控器手动开飞机。

我达成目标了，然后正在准备开源，现在还在修网站 等晚上就可以给大家了，有感兴趣的可以看看 我现在是刷的 Extended RISEx Decibel 三个所,Ondo暂时性放弃了，因为不太适合网格，波动小 我这些都是部署在 VPS 上的，24小时运行 现在一共是盈利了大概 200 多U吧（dec的数据是因为之前亏了180多U,慢慢给拉回来了） 免责声明：我不是专业的，也不保证盈利，就是单纯分享给大家，我都是自己实打实的资金测试，熬了很多夜烧了很多token才写出来的，所以不好用的话也别喷我，我玻璃心 有想刷的可以走下我链接，提前准备下😂 Decibel: Extended: Rise需要私人邀请，我暂时没有

我就想说托尼老师你的心不会痛吗😭以后坚决不能进不了解的理发店，中午吃完饭路过理发店，从没进去剪过，看人少寻思修一下就行，结果结果😭😭😭😭

最近忽然想起来6年前一场来自哈尔滨工业大学（威海）的黑色幽默。 为了两门用来补学分的公共选修水课，一门《道德经》，一门《红楼梦》，结果这哥们在临近毕业的大四关头，因为去腾讯实习找代考时极度荒谬的低级失误（代考者顺手写了自己名字，导致考场人数对不上），最终二位被双双开除学籍。 不仅腾讯的实习和前途付诸东流，连大学文凭也没拿到。 站在 2026 年的当下，回看这起几年前的典型事件，它所折射出的绝不仅仅是个人的愚蠢或运气的倒霉，我思考的，是中国高校教育评价体系、企业实习文化以及学生个人机会成本博弈三者之间，长期存在且日益剧烈的冲突。 在今天，无论学术界还是产业界，都在提倡高效率和结果导向。这名学生显然是将互联网大厂的OKR思维错误地应用到了大学学业管理上。 在他的眼里，去深圳腾讯实习是高价值高回报的活动，而回威海考两门人文水课是低价值高成本，包括但不限于时间成本、机票成本、精力成本的负担。 他试图通过外包来优化自己的时间分配。然而，高校的底线规则不是商业合同，而是零容忍的学术诚信。 用商业层面的代工、外包逻辑去挑战高校的制度底线，其风险和代价是完全不对称的。这个案例证明，很多时候，所谓的走捷径往往伴随着无法承受的系统性风险。 但这一悲剧的根源，在于中国高校的毕业考核机制与大厂实习节奏之间的时间线冲突。 无论学生在校外拿到了多么光鲜的 Offer，在制度面前，你依然是一个必须修满学分、遵守考场纪律的在校生。 通识教育、公共选修课的学分具有刚性约束力，不能为任何大厂的实习特事特办。 而站在企业的视角，互联网大厂和高科技企业往往更看重实际产出、项目经验和实习表现。 大四，往往是转正考察的关键期，高强度的实习节奏让学生难以做到校内、校外兼顾。 这种错位，其实是将压力完全转嫁到了学生个体身上。学生为了在2026年如此卷的就业市场上拿到一张入场券，不得不把重心无限倾斜向实习，从而把校内学业当成了单纯需要混过去的通关卡带，最终导致了动作变形，酿成悲剧。 这个多年前的极端个案，放到 2026 年的今天依然是一面镜子。 它促使我们思考，高校和学生应当如何重新定义实习与学业。 既然高水平的专业实习对学生就业至关重要，高校是否可以进一步优化第二课堂或弹性学分制度？ 例如，对于已经在顶尖企业进行深度专业实习的学生，能否允许通过线上考核、提交实习研究报告或远程论文答辩的方式，来冲抵部分非核心的公共选修课学分？ 减少不必要的物理通勤成本，才能从源头上减少找代考的灰色需求。 只是最讽刺的莫过于这位同学挂掉的两门课是《道德经》与《红楼梦》。 《道德经》讲“祸兮福之所倚，福兮祸之所伏”，《红楼梦》讲“机关算尽太聪明，反误了卿卿性命”。 这两门他以为是水课的著作，用一种极其残酷且戏剧化的方式，在他的人生里完成了最深刻的一场闭卷考试。悲乎！

用 Mac 且跑本地大模型的朋友得留个心了，有个新东西可能你还不知道。 Rapid-MLX，这款专门针对 Apple Silicon 做的本地 LLM 推理服务，一句话总结就是：比 Ollama 快，而且快得肉眼可见。 具体快多少？官方给的数据是 2 到 4 倍。它背后跑的是苹果自家的 MLX 框架，不是社区里的野路子方案，而是真正把 M 系列芯片吃透了的设计。 主要体现在这几个方面： 1️⃣ KV 缓存裁剪加上 DeltaNet 状态快照，让多轮对话的首 token 延迟压到 0.08 秒左右。你懂这意味着什么——对话几乎感觉不到卡顿。 2️⃣ 工具调用方面内置了 17 种解析器，像 Qwen、DeepSeek、Gemma、GLM 这些主流模型都能自动识别格式。哪怕量化把输出搞坏了，它也能自动修回来，这细节做得很到位。 3️⃣ 提供 OpenAI 兼容 API，Cursor、Claude Code、Aider、LangChain 都能直接对接。基本你现在的工具链，切过来不用改代码。 此外还有推理链分离、云端路由、视觉与音频多模态支持、V 缓存压缩等功能，整体功能密度还挺高的。 说白了，如果你有一台 M 系列 Mac，想在本地跑模型又嫌 Ollama 慢，那么 Rapid-MLX 是目前最值得一试的选择之一。 🔗