与「大吉きいちゃん」相关的搜索结果

お年玉として #開運きいちゃん# 大放出‼️③ #大吉きいちゃん# です㊗️ #北野日奈子2nd写真集# Amazon セブン 楽天 紀伊國屋

如何利用AI自学一切？？ 我是写美股的，日常要读财报、盯宏观，碰上完全陌生的新行业也得从头摸。以前这些最费工夫，翻资料、找人问，一轮下来大半天就没了。 这一年多用上 AI Agent，最先变的是我学东西的方式。 1、兴趣和动力是一切的基础 这是不是普遍适用，我不能确定，但起码对我来说，自发的好奇和自驱力能让我坚持更久。或者说我不能用"坚持"这个词，因为我是自然而然地享受这个过程，不需要任何意志力，只是单纯地想学。 如果是外界推着我学，比如考试、比如工作，DDL 一结束我就会迅速放弃，甚至在过程中也只能勉强做到平均线，抱着得过且过的心态。 当然，有兴趣和自驱力不代表万事大吉，也不会一开始就如有神助。学不会的东西本来就学得很慢，但慢慢来，反而会比较快。 2、建立一个正反馈的环境机制 正反馈能让你保持兴趣和动力，不断的小 reward 会给你情绪价值。这时候就该让 AI 来帮忙了，因为 AI 的反馈非常非常快。 比如我想探索一个知识，它可能和 tech 有关，也可能和商业有关，这些都是我完全没在学校受过训练的领域。但是 AI 受过呀。 我可以一遍一遍地说：这个太难了，我不理解，我要举例子，要图解，要通俗易懂，从最最简单的讲起。AI 非常适合干这个。 在现实生活中，其实很难让一个人一遍一遍地给你重复讲同一个东西，但对 AI，我们完全不会有这种顾虑。遇到不懂的，如果没有 AI，就只能等懂行的人给我讲，或者自己慢慢搜。这种极致快速的正反馈，只有 AI 才能给。 而当我让它出题，用自己的话再讲一遍的时候，我就能清楚地知道哪里我没理解、哪些我理解得很好。这时候 AI 也会充分地鼓励我，给我非常多的正反馈。学习的循环就这么建立起来了。 3、所以具体到底怎么利用AI呢？下面我按从简单到进阶，拆解一下具体的方法。 简单版：一个聊天窗口就够了 免费的聊天机器人已经足够强大，只要稍微改改自己的 prompt，就能得到很好的结果。 假设我对某个领域、某个概念完全不了解，比如"什么是 Agent？Agent 有什么用？为什么别人都在用？我能拿它做什么？"，这些就是我第一次接触一个新概念时，脑子里会自然冒出来的问题。 第一，我一般会按"why - what - how"的结构去拆。 第二，一次只问一个问题，不要一下子丢好几个。拿这个例子来说，可以先从"为什么 Agent 这么火"开始。这个问题的答案很简单易懂，你会看到一些有趣的现象，然后再引出 what，也就是它到底是什么。 第三，告诉 AI 你的个人背景。免费的聊天机器人完全不知道你对这个领域了解多少，你让它讲解时，它的回答不会是个性化的，也不会考虑你的背景。所以你要在 prompt 里讲明：我完全不了解，希望讲得通俗易懂，等等。 第四，你同样可以让 AI 用费曼学习法给你出题：根据刚刚讲过的内容出几道题，让你用自己的话再讲一遍。 进阶版：先要一张地图，再把资料喂给 AI 过了简单的关卡，如果我想学得深入一点、系统一点，开始之前我会先让 AI 给我画一张这个领域的"知识树"：主干是什么，分支有哪些，我现在要学的东西长在哪一枝上。 如果这个领域陌生到连树都搭不起来，我就让它从历史讲起。一个东西刚诞生的时候总是简单的，顺着它一步步变复杂的过程往下看，现在的样子也就好懂了。 有了地图，我会让AI去找高质量的书或者视频来探索。在学的过程中，我还会把这些资料喂给它，让它有充分的 context，这样我随时提问，就能随时得到答案。 深度版：搭一个自己的学习系统 我会高强度地把 Agent 工具和 Obsidian（一个个人笔记软件）连在一起用。我有一份写自己个人背景的 markdown 文件，还有一份 Tutor SOP 文件，里面写明我喜欢的教学方式。 每次我要求它讲解某些内容，AI 都会自己去读这些文件、补充上下文，用我最喜欢的方式来教我。 这份 SOP 里的规则，都是一次次"学不下去"之后加进去的。挑几条：第一条就是：keep me motivated, keep me going, increase the curiosity. 一节课最多两个概念。第三个留到下一节，在好奇心还在往上涨的时候结束。还有比较基础的，例如多用例子和图解等等。 当我感兴趣、想深入了解时，我也会让它读取费曼学习法的 Skill 来给我出题。 我还会用 Matt Pocock 写的 teach skill，让它通过写 HTML 代码的方式做网页课。我会 customize 更多的交互、课后习题、课后阅读等等。 它会把一个主题拆成几节课，组成一个小小的 set，比如 4–5 节，学完一整套也非常有成就感。 我曾经有遇到一篇讲AI的论文，可以说我自己几乎看不懂，但神奇的是AI一直鼓励我说我可以，我刚好看见有一段讲到是如何把 Out-of-Distribution（分布外）的东西拆解变成 In-Distribution（分布内）的东西。我心想这不就是现在，我让AI把这一篇完全在我知识分布外的东西通过一步步拆解，变成我可以理解的分布内的东西。 拆了十几轮吧，说实话那篇论文到底讲了什么，我已经要忘记了，但这种去拆解那些我不会的知识，然后一步一步把它们内化的方法论我却一直记得。 总结一下：其实核心很简单，你要喜欢、要有兴趣，利用AI工具，不会就问，不断接受正反馈。自然而然，我们就可以学习任何事情了！ 一段可以直接复制的 prompt： 我是[你的背景，比如：完全没学过编程]，想了解[概念]。请按下面的顺序讲，每次只讲一步，讲完停下来等我回复： 1、为什么：它为什么最近这么火，解决了什么问题 2、是什么：用一个生活里的例子讲，不要术语和公式 3、怎么用：像我这样的人能拿它做什么 如果我说「没懂」，请换一个例子，不要只换个说法。 三步讲完后，出 2 道题让我用自己的话回答，并指出我哪里理解错了。

刚在温榆河公园录完最新一期的「Next Token」播客，预计明天上线。 从左到右分别是：杨攀、我、歸藏和橘子。 假期这么快结束了，预祝大家明天开工大吉。

马斯克和弟弟金博尔，几年前曾经因为一笔钱闹翻了。 当时金博尔经营的餐厅遇到了困难，想找哥哥借点钱，但马斯克没同意。 这把金博尔气坏了，两个人好长时间没说话，他甚至想过跟马斯克绝交。 当时金博尔在美国几个城市都开了餐厅，但是运营遇到了困难，需要筹集大约4000万美元，他希望哥哥能借给他其中的1000万美元。 马斯克起初答应了，这让金博尔很感动。 但等他真正来拿钱时，马斯克却又不借给他钱了。 因为在这期间，马斯克让自己的财务助理查看了餐饮公司的账目，对方认为这些餐馆的经营无法持续，继续投钱也很难收回来。 马斯克告诉弟弟，他这些餐馆经营得挺差劲，应该赶紧关门才对。 金博尔一下就火了，要知道在特斯拉资金紧张的时候，他可是毫无保留的拿钱支持过哥哥的。 按马斯克的逻辑，当时特斯拉的财务情况也不怎么样，也应该早点关门大吉啊，还筹钱做什么？ 而且就在此前几个月，特斯拉遇到危机，金博尔还中断蜜月赶了回来，几乎全职待在特斯拉，连自己的餐饮公司都顾不上。 现在自己的生意遇到困难，哥哥却这么无情的拒绝了自己，金博尔非常伤心，无法接受。 最终，马斯克还是拿出了500万美元给了弟弟，餐馆保住了，但两人的关系没有跟着恢复。 金博尔依然非常愤怒，觉得自己像是失去了哥哥，甚至想过兄弟情谊就到这里了，此后的六周，两人没有说过一句话。 不过后来，金博尔还是主动联系了马斯克，因为他开始想念哥哥，不愿意真的失去这个从小一起长大，一起创业的好兄弟。 而马斯克就像什么都没发生过一样，和弟弟握手言和了。 金博尔也完全理解了哥哥，马斯克就是这样一个人。 他极度理性务实，习惯性的让自己的理智压过人情，所以有时候，会不自觉地给亲近的人造成的伤害。

6亿遗产全留现任，亲生子女一毛钱分不到？东莞81岁老人的这波遗嘱操作，直接把现实版家庭伦理悬疑剧拉满！ 东莞一名81岁老人去世后，凭公证遗嘱将约6亿元的财产全部留给再婚妻子，前妻的三名亲生子女未获分文，子女已起诉质疑遗嘱效力并怀疑老人死因。 子女百日祭前夕才知晓，甚至怀疑老人拔氧气管死因存疑。抛开悬疑元素不谈，这件案子至少透视了三个残酷的现实角度： 1️⃣ 遗嘱真能“赢麻”吗？ 很多人以为写了公证遗嘱就万事大吉，其实不然。遗嘱只能处分属于老人的“个人财产”。如果这6亿里包含了当年和前妻打拼且“未分割的夫妻共同财产”，那这部分遗嘱是无效的，现任妻子吞不下全部。 2️⃣ “最后在床前端水的人”掌握生杀大权 为什么高龄老人容易把钱全给最后的伴侣？从社会心理学来看，老人生病时的恐慌感极强，谁能提供24小时的贴身情绪价值和照料，谁就掌握了绝对的主导权。有时候，巨额遗产更像是老人为了“晚年不遭罪”而交出的投名状。 3️⃣ 感情靠不住，得靠前置防御 父母如果高龄再婚，作为子女怎么破？别等老人糊涂了或过世了再去打官司！在父母再婚前，就应该把属于亡母/亡父的那部分共同财产做明确分割，或者设立家庭信托。谈钱伤感情，但不谈钱，最后连亲情和钱一块儿没。 目前老人的具体死因警方还在调查中，我们暂时无法判断是否存在刑事犯罪（这里我信息不足，不作过度猜测）。但这场6亿的遗产争夺战，注定没有赢家。

@HexHuan @realNyarime 1.3T 的大模型路由到 200 多 B 的小模型叫更强的模型是吧，还是 DS 假定他们的客户都是用来跑分的，只要写代码的跑分好看就万事大吉了

SMB Capital 是美国的一家成立二十多年的交易机构，在交易员培养这件事上，算是圈里最有名的几家之一。 他们有个人叫 Jeff Holden的交易员发展主管，他的工作一半是带新人，一半是给年利润百万千万的交易员做教练。 最近我看到他讲了一个挖交易问题的方法，挺有意思。 这个方法来自丰田汽车，针对那个头号错误，连着问五次为什么，一层一层往下写。 举个真实的例子，很多人的头号错误是卖太早。 为什么总是赚的少亏的多？因为总是卖太早了。 为什么老卖太早？因为价格一波动，就怕利润回吐。 那为什么怕回吐？因为其实不确定这笔交易正常该怎么走完。 为什么不确定？因为只研究了怎么进场，没研究进场之后、行情该长成什么样。 那又为什么没研究？因为总觉得，进场信号对了就万事大吉了。 问到这儿，问题就露出来了，问题不是手贱，而是根本没有一条离场规则，不知道什么时候该走，全凭恐惧临时拍板。 大多数人问一两层就停了，拿到的只是表面答案。可研究发现，真正的解法，往往要问到第四层第五层才冒出来，所以这一步是诊断，别一看到错误，就急着开药方。 这一步，让 AI 去作引导就很合适，遇到问题让 Claude 陪着走这五个为什么，你把问题告诉它，它会一层一层地追问，帮你更快找到问题的根本，用它打磨流程非常好用。

又关了一家，关门大吉 bitMEX和bitmart都关了 这轮周期有点不一样 一家老黑创建的最古早的合约所 一家很少人用过的“华人”三线所 注意关闭这个词，而不是倒闭，破产，跑路，暴雷··· 悄无声息地，没有像FTX一样引起市场巨震 这也恰恰和25年底的牛市结束有点相似 没有曾经的波澜壮阔，但却迎来了江河日下 自从川普发币后，这个行业迎来了流动性萎缩，新叙事和基础设施缺乏，没有新韭菜入场等多重负涡轮。从VC到散户，从技术革新到mass adoption，都去了美股和AI 币圈还会有前两个周期的荣光吗

从某个时候起，出远门就很少带东西回来。 即便去国外，也最多买点自用物品。今天的中国，已经很少有什么是十足新奇、又不可或缺的。 这些年来上海，通常只带大吉（🍊）、符纸。 这次破天荒，带了 16 个粽子。