与「耳朵」相关的搜索结果

我真的太不喜欢短剧了，可即使我自己和家里人都不看，也难免会免费听到很多片段，地铁上、电梯里、马路上、超市里、餐馆里、甚至电影院里（花钱买票刷短剧？？） 最近发现隔壁的叔叔阿姨也迷上短剧了，老两口大概 70 多岁，以前应该是刷抖音吧，这几个月改成短剧了。 老两口白天一般都开着门，他们的短剧是全楼道都免费听的（可能耳朵背吧，声音开的很大），而且两个人，两种短剧，听下来一个是宫廷，一个是现代？ 每天两种 AI 机械声音就这么不停的播放，可能每天能看几部剧，而且还是倍速播放的，不仔细听听不清的那种快。

在山姆试了一下韶音的耳夹式耳机，被震惊到了，音质这么好，而且耳朵感觉很轻松， AirPods Pro 3 戴的耳道总是痒痒的，主动降噪闷久也挺难受的，可能未来会考虑入一个

最近密集的参观了一些国内的博物馆。可以说硬件条件是真的好，真的高科技。 但有两次碰到导游带夏令营小朋友我边上过，听了两耳朵。 一个是指着明朝宝船的模型说：我们中国古代的造船技术当时世界第一。外国的船，比如罗马战船，都是偷的我们的技术。 另一次，是一个地下粮仓，说：中国古代的粮食储存技术世界第一。欧洲的地下粮仓，都是我们中国传过去的。 这世界第一，真有那么重要？

中年胖妈 早上去外面谈完事情，然后星爸爸坐了一会儿，现在去家人公司接老大 准备一家人去麦当劳吃顿 看着下楼的家人和儿子，我走进家人，对着她耳朵说 “你现在终于进化为中年胖妈了” 她大笑说：“减肥难啊”

我们团队用 Codex 踩的一个大坑。 想和大家真诚分享下我们刚刚周会上聊到的话题。这可能会是很多人使用 Codex 这类 Agent 产品会踩的坑。 简单来说，如果面对 Codex，我们只是不断地下指令、接受建议，没有理解和判断，那这些产出并不能真正算自己的能力。因为换一个人来点，结果也差不了太多。 面对能力越来越强的 Agent，我们可以不用亲自去处理每一个细节，但还是要知道这件事为什么这么做、大概是怎么解决的。 如果一开始不知道，也没关系。AI 做完之后，我们应该回过头去问它，然后再形成自己的经验和理解。 为什么会有这么一长段的感触呢？事情得从前半年说起。 今年春节后，我的小团队全员配备了 Codex。在内部的协作中，我们经常提到的黑话是：先让 AI 去干。 说实话，这个工作方式看起来简单，但真正做到其实挺难的。毕竟人有思维的惯性。 好消息是，经过几个月的刻意练习，大家已经养成了让 AI 先干的工作习惯。 但紧接着，我发现新的问题来了。有的同事开始不求甚解。Codex 说行他就行，说不行他也就不行。他不去研究背后的原理和逻辑。 举一个真实的例子。 之前我写过一篇教程，分享怎么把 DeepSeek V4 接入 Codex。 当时 Codex 还不支持第三方模型，所以需要借助 CC Switch 这样的桥接工具。 后来 Codex 宣布支持第三方模型接入，我心想，这下简单了。 于是我让同事研究一下，看看 DeepSeek V4 怎么快速接入。 他麻溜的截图把需求告诉给 Codex，结果 Codex 分析了之后，说目前还是没办法接入，因为协议不兼容。 他给我发了截图，就此打住了。 我当时以为他搞不定，于是接过来继续研究。后来确认，Codex 新开放的第三方模型，要求必须兼容 OpenAI 的 Responses API。 而 DeepSeek V4 还不支持这个协议。所以虽然 Codex 开放了第三方模型，实际上 DeepSeek 还是无法直接接入。 这事就这么结束了。 这周一，我一个做传统生意的好朋友告诉我说， 为啥一发图片，Codex 就报错。 我问了后才知道，它按照我之前的教程，接入了 DeepSeek V4，而 V4 本身就不支持多模态。 于是，我想折腾把 Kimi 的新模型接入到 Codex 中。毕竟这段时间，我用 Kimi 的新模型做 PPT、分析数据，效果还是非常好。这个模型是原生多模态的。 按我的预期，这次应该会快很多。因为第一次已经踩过坑了，只要先判断 Kimi 支不支持 Responses API，后面的思路基本就清楚了。 同事接过了新的任务，开始干。和之前的干法一模一样，他继续把文档和需求告诉 Codex，让 Codex 代劳。 Codex 分析之后，判断出来 Kimi 的模型因为协议不兼容，所以无法直接接入。 这时候，聪明的 Codex 给了他建议，说：要不我来写个桥接软件，这样就可以了。 他说可以。于是，Codex 按照这个思路搞定了。 然后他兴高采烈过来告诉我，任务完成。哈哈哈哈。我一问，发现他根本不知道这其中的逻辑和原理。 我说如果协议不兼容的话，那是不是我们直接用 CC Switch 这样的软件就行，没必要再自己构建一个。 他对这一切一无所知。我感觉这干法有问题，相当于他把所有的思考、理解都外包给了 Codex。 于是，就有了今天周会上我们的交流。 我的经验是，我们应该成为 AI 的 Leader，而不是传声筒。 Leader 不一定亲自干活，但一定知道为什么这么干。AI 可以负责执行，人要负责理解、判断和决策。 这让我想起左耳朵耗子之前的口头禅，要成为一个大家愿意追随的 Leader。 1、帮人解决问题。团队或身边大多数人都在问：这个问题怎么办？，而你总是能站出来告诉大家该怎么办。 2、被人依赖。团队或身边大多数人在做比较关键的决定时，都会来找你咨询意见和想法。 也许和 AI 沟通协作，我们仍然应该朝着这个方向努力。如果只是提要求，当传话筒，那我们心里完全没底。 吴军之前讲过一个故事。 1503 年，哥伦布的船队到达了牙买加。当地的原住民一开始热情地接待了他们，但后来因为船队有人偷了当地人的物品，原住民就拒绝再提供食物了。哥伦布他们面临断粮的危机。 哥伦布这个人略懂天文知识，随身带着一本天文年历。他翻了一下，发现 1504 年 2 月 29 号晚上会发生一次月全食。 月食发生前三天，哥伦布约见了当地的部落首领。他告诉首领，他的神因为当地人不再提供食物而感到愤怒，作为惩罚，三天之后，月亮会愤怒地变红，然后从天空中消失。 到了那天晚上，月食真的发生了。月亮逐渐变红，然后隐入黑暗。原住民吓坏了，赶紧向哥伦布求情。 哥伦布做了一通法事，说只要继续提供充足的食物，神就会宽恕他们。当地人就这么被拿捏了。 这个故事的本质是什么？哥伦布和原住民看到的是同一个月亮、同一场月食。 但哥伦布理解月食背后的天文原理，所以他能利用这个现象。原住民不理解，所以只能被这个现象支配。 同样的事情放到今天的 AI 时代。AI 工具摆在所有人面前，每个人都能用。 但如果仅仅停留在 AI 告诉我们答案，我们接受答案。AI 给出方案，我们执行方案。 AI 说做不了，我们也默认做不了，那这和原住民看月食没什么区别。 我越来越觉得，AI 可以成为我们的执行者，但不能成为我们的认知。 真正属于人的工作，是不断把 AI 给出的结果，重新变成自己的理解。

学外语最省钱、也最粗暴的办法：边快走，边像疯子一样自言自语。 这套方法有个正经的名字，叫“影子跟读法”（Shadowing）。 发明它的是一位美国教授 Alexander Arguelles。 他在德国开始琢磨这套方法，后来在韩国把这套体系彻底完善了。 原理其实极其简单，就是：听到什么，立刻用最快的速度复述出来。 耳朵刚进，嘴巴立刻同步往外吐。 关键在于，教授提出了一个非常具有操作性的辅助动作： 你不能瘫在沙发上读，你得快步走起来。 在快走的过程中进行跟读，能提高大脑的警觉度，增加血氧含量，强迫你的注意力绝对集中。 这套方法分两个阶段。 入门阶段，你需要准备三样东西： 你正在学的外语文本、一份母语对照翻译、以及配套的音频。 一边听，一边看，嘴里一边跟着秃噜，脚下还得快步走。 教授极力推荐像 Assimil 这样的双语教材，因为最省事，省去了你自己排版和找对照的麻烦。 等到了进阶阶段，你甚至连课本都不需要了。 直接戴上耳机，挑一本外语有声书（Audiobook）。 它怎么播，你脚下不停，嘴里同步跟读。 这套方法像训练肌肉记忆一样，强行把耳朵、嘴巴和大脑注意力绑在一起，不用痛苦地钻研语法。 不用花大钱买课，也不用跟 AI 假模假样地尬聊。 找个安静的地方，迈开腿，嘴里跟着念。 把语言学习变成一场物理层面的有氧运动，这才是普通人高效率通关外语的硬核路径。

山西记忆里的夏天，是风过山谷的凉，是溪水淌过石板的响。 闭上眼，那些声音还在——不是从耳朵进来，是从心底漫上来。 它们从未走远，只是停在了山西的某个夏天，等你回去听