与「抽象」相关的搜索结果

第三，把阅读当成生存必需。 马斯克从小就是超级阅读狂。 九岁时，他就读完了整部《大英百科全书》，甚至可以一天读两本书。从工程教材，物理学，神经科学，到科幻小说，他几乎什么都读。 广泛阅读让他能够持续吸收不同领域里最聪明的人留下的思想，也让他建立起一个跨学科的知识库，很多人只在一个领域里积累经验，但马斯克的优势在于，他能把多个领域的知识放在同一个大脑里重新组合。 第四，沉浸式实践。 马斯克不只靠书本学习，也非常重视在真实问题中学习。 他会直接进入现场，在 SpaceX 机库里排查火箭发动机问题，也会在特斯拉产能危机时睡在工厂地板上，和工程师一起解决自动化难题。 这种学习方式让他得到的不只是知识，还有对系统如何运转的直觉，他会亲自动手，向专家不断提问，在解决真实问题的过程中，把抽象知识变成可以使用的能力。

紧急通告：国际顶流来了！ TRUMP空军一号天团：2026北京站·限定加场 时间轴锁定，粉丝们做好时间管理和仓位管理，仓位没绷住的，请在人民大会堂门口自行反思 #玩的就是抽象# #WEEX#

半年来，我一直反复介绍的四个原则： 原则1，AI时代的第一性原理：LLM一定会越来越聪明，benchmark越来越高，context window越来越大，reasoning越来越长，价格越来越便宜，inference速度越来越快， 这是scaling law今天依然持续的具体方向，不用你质疑，这是你唯一的信仰和行业最大共识。 原则2， 管理学设计红利：从我提出“自动编程机”、行业提出vibe coding、SWE-Agent以来，从cursor到manus到metaGPT到claude code， 人们逐渐把LLM Agent抽象成人，把软件管理、工程管理、管理学等等所有方法论直接套在multi agent workflow上面，严格按照人类管理学的方式去拆分、review、执行、反馈、循环， 这一波很快红利也吃完了，因为 a. LLM Agent毕竟不是人，存在着memory有限、执行力有限、function calling工具有限等等局限；b. 人类用于管理学的各种方法，直接套在LLM Agent上有利有弊，红利迅速挖掘完，剩下的弊端大量存在，比如过度交流、七手八脚、随时停工等等。 原则3，LLM Agent的职位和定位：绝大多数人，把claude code当做一个工具，最终的产品是用工具来完成的，最终的代码也是人与SWE Agent一步一步interactively迭代产生、迭代review、迭代部署的， 而我反复告诉过所有人，也是我又一条首次提出的原创观点，multi agent未来越来越会变成本身的一个runtime，这个runtime就运行在production里面，产品和面向的对象消费的，不只是软件或者SaaS本身，而是这个runtime实时产生的内容， 所以claude code/opencode/codex/openclaw这些agent，本身将会越来越多地被嵌入到产品本身，在产品关键逻辑和决策中发挥作用， 而绝对不仅仅停留在开发层面，把产品仅仅局限在SWE Agent单向产出和部署的代码和服务上。 原则4，也是我一直强调的，就是当人们试用了SWE Agent这种强大工具之后，人们还有哪些low hanging fruits可以寻找？SWE Agent目前最适合解决哪类问题？ 我反复讲过的一点是，对于一个设计复杂、环境复杂、场景复杂、用户复杂、体量复杂、范式复杂、一切开放、一切无解的超级复杂系统，这并不是SWE Agent最擅长的领域，相反这些场景需要人去和环境、客户、场景、性能一点点迭代才能打磨好的产品， 比如微信的100种功能，Facebook的一大堆功能模块和十几年来迭代出来的极其复杂的infra，支付宝后面成千上万的基金和风控，这些都不是AI Agent能一次性解决的问题，相反这些场景和问题不仅高度开放，更高度依赖人的观察、人的设计、人的反馈、人的定义。 AI Agent最适合的场景，甚至是我原创提出goal driven（ a. 定义简单、干净、封闭（一道数学系、一个确定性最小系统、一个编译器、一种算法、一个lean证明、一个电路或者信号模拟、蛋白质模拟和预测、CAD设计与仿真、游戏关卡测试、行为经济学仿真，都是well-defined problems，都有非常明确且封闭的边界） b. 解决问题的搜索空间巨大（可能有100~10万种天马行空的解决方案，并且绝大多数都是错的） c. 容易验证，容易verify，验证的成本是设计成本的千分之一（比如编译器，设计可能需要几万行甚至几十万行，验证只需要2000个test case全面覆盖，或者一道数学题，解决需要100步，验证答案只需要带入或者lean编译这一步） 当然，写一段简单的代码，定义一个封闭、完整、定义完全的编程问题，符合上面这些定义， 但是设计一套巨大、复杂、开放、与现实世界深度绑定、高度耦合的系统，让这个系统复杂迭代、添加功能、沟通、review、工程管理、产品管理，这些问题都远远超出这个范畴，很明显是不符合这个要求的。 人们未来探索这些multi agent产品和场景的最关键出路，在于继续挖掘这一类问题，而不是盲目把agent比作一个人，乱套各种管理学方法。 原则5，这一点我先保密，之后我再讲。

哥哥，闪要出一张新的迷你专了，封面布灵布灵的好闪，专辑宣传视频好抽象，好搞笑，你应该不懂抽象是啥意思吧，我们蹦米也回来了，我最近买了两张你的未拆专，买的未拆我也不舍得拆…唉 好想你啊好想你，每天都在想你，天气慢慢变热了，我现在在听温暖冬季，感激的心意总是留下很多，我也是，永远爱你

Tiktok上这个 timmylin4 用户，每天发刀盾狗在大街上派各种东西的抽象视频，就获得了每条几十万到数百万的播放😂 最搞笑的是视频下热门的回复一般都是 Is this real?

这位姐和我互关了很久，聊得最暧昧的内容是互叫了声老公，五一前的某一天晚上问她有没有时间出来吃饭，被她拒绝了，而后就只分享搞笑视频也没有过聊天 五一给他转发了一条小猫的视频，她女朋友秒弹语音给我，怒气冲冲的问我你是谁？为什么一直给我对象发信息，开始还以为他在搞抽象，我说猜猜我是谁

新娘？伴娘？我猜是这场婚礼的显眼包本包。  婚车很浪漫，婚纱很抽象，大妈的气场两米八！ 谁懂啊！大妈这几步走出来，婚车都得给她让道！ 别人的婚纱是高定，大妈的婚纱是高“盆”。