@imwsl90 女人发挥的作用是不是也是一种杠杆？无论你过得好还是过得不好，都可能会有放大效应。
我从 2017 年 Apple Heart Study 开始就积极参与每一个我能参与的 Apple 健康研究项目，因为我很自私地认为：研究所带来的医疗科技进步或许有一天能帮得到我。
我觉得在美国提供亚裔样本数据尤其重要。缺乏亚裔样本会导致美国医疗对亚裔的适用性偏低，最终受害的还是亚裔群体。
显示更多
Apple Research 可以收集一些正常应用想象都想象不到的数据，例如说最近新出的 Apple Cardiometabolic Study 可以收集用户脸的形状和表情，用于分析用户的情绪；还可以收集眼睛移动，以及受关注的屏幕区域。
我问 ChatGPT 获取这些信息都需要什么神奇的 entitlement。原来有一个东西叫做 SensorKit，用于获取上述敏感信息，只有医疗和研究机构可以申请使用 SensorKit 的 entitlement。
显示更多
Apple Research 可以收集一些正常应用想象都想象不到的数据，例如说最近新出的 Apple Cardiometabolic Study 可以收集用户脸的形状和表情，用于分析用户的情绪；还可以收集眼睛移动，以及受关注的屏幕区域。
我问 ChatGPT 获取这些信息都需要什么神奇的 entitlement。原来有一个东西叫做 SensorKit，用于获取上述敏感信息，只有医疗和研究机构可以申请使用 SensorKit 的 entitlement。
显示更多
才刚刚过去十年，大家就不记得了当年「伴米」的教训。前腾讯副总裁刘畅做了一个付费参观湾区大厂的平台，Facebook 收到风后直接在饭堂逮了一个正在带这种游客吃饭的员工，当场就把员工开除了。刘畅当时还嘴硬，说服务不涉及大厂敏感信息，会保护因此而受影响的大厂员工。
Facebook 等受影响的大厂纷纷发律师信给平台，要求交出所有涉事员工的名单， 刘畅立即低头，把人都交出去了。Facebook 拿着名单炒了若干人，惊动到代表中国员工利益的中国人高管，给大家做 Q&A 专场，平复大家「将来什么朋友都不敢带来公司」的担忧。
显示更多
Robinhood 自从 2018 年底因为「由 SIPC 提供保险的支票/储蓄账号」被监管搞了之后，就变得非常乖，公司原有的 move fast & break things 文化被压制了。
在整个 Gary Gensler 时期，Coinbase CEO 在那里怼天怼地怼 SEC，Robinhood 则连灰色地带都不敢碰一下。这是由 Robinhood 的 Chief Legal Officer Dan Gallagher 决定的，他跟 Gary Gensler 关系还不错，但公司内部的产品研发团队并不满意这种对创新的压制。
Robinhood 在 IPO 之前就尝试从英国登录欧洲，产品都做好演示给英国的监管部门看，看完既不批准也不拒绝，大意就是「你敢发布就发布吧，我看舆情来决定要不要搞你」。Robinhood 不敢发布，把产品代码全删了。
这类事件明显影响产品研发团队的士气，「我们辛辛苦苦做出来的产品，因为合规而白做？你怎么不把合规搞明白再让我们做呢？」但当时的氛围就是这样子，产品研发不如市场机会值钱，在不能错失市场机会时先牺牲产品研发，最后合规不亮绿灯就放弃。
显示更多
在英语国家带过小孩的人，脑子里都会响起「head, shoulders, knees and toes」这首儿歌。无法想象，是因为缺乏特定的生活经历。
很多个人开发者误以为 $200 一个月的 Codex 或 Claude Code 是企业能采购的，然后错误地推断出企业采购 coding agent 成本不高。
Anthropic 在这方面是最严格的，企业用户数量一旦超过 150 就必须升级到 Enterprise 一档，每个月每个用户 $20 不包任何用量！每个用户实际产生的用量按照 API 计费。为了避免某个用户产生巨额账单，企业管理员可以针对用户设置用量上限。
OpenAI 稍微宽松一些，超过 1000 用户才强制升级到 Enterprise 一档。但 OpenAI 不公开说明这档是否自带多少 Codex 用量，具体按什么价位买多少全公司共享的 Codex 用量必须跟销售谈。
肯定有人想要「聪明」地建议企业让每个员工独自购买面向个人的服务，但这对企业来说简直就是噩梦——不能通过 SCIM 在员工入职离职时自动创建删除账号；不能统一做账，需要每个月审批每个员工 $200 的报销；不能审计员工操作，留下合规风险；缺乏企业采购合同，承担每个员工接受 ChatGPT 或 Claude 协议的法律风险。
显示更多
我大概理解了一部分传统程序员为什么会如此抗拒和反对AI vibe coding了。
推上这个评论其实展示得很完整：
1. 对AI行业的认知非常浅。会把阿里内部某个AI编程实验，直接当成AI在真实生产环境里的能力上限，甚至拿这个来作为判断整个AI行业发展的依据。
2. 对AI工具的使用也非常落后。很难想象已经2026年了，还有人拿GitHub Copilot这种不知道落后多少代的东西来代表AI编程的真实水平。
3. 对成本和生产力的理解也很奇怪。现在最好的AI coding agent产品，200刀一个月的Codex量大管饱。但他们依然会认为企业采购AI编程工具成本非常高，所以“AI编程能力很强、能进入生产环境”这种说法都是纸上谈兵，一看就不怎么上班，非常水。
这几层叠在一起，基本就构成了一种很典型的判断路径：用落后的AI生产工具，和错误的AI行业认知，成本账也没算明白，得出了一个非常奇怪的结论。
不知道怎么评价好了，分享一下。
显示更多
Google 美国此前在中国招人时就用这一招——跟中国特色的 GRE 考试一样，每年只有固定几轮，每一轮必须用此前没用过的新题。面试官直接从美国飞到中国，集中几天把这批候选人都面了。
显示更多
@winter_cn 你如果面过一些公司你就知道，他们有些题是在那之前你找不到题解的原创题
面试最难的正是区分 skill（能力）和 knowledge（知识）。很久以前在 Facebook 的时候，系统设计的面试培训就强调，要选跟候选人背景不重合的题目，这样才能看候选人面对陌生问题时是否有一套系统化的手段来拆分问题和解决问题。如果候选人有 ML 背景，你还问 design newsfeed 这道题，候选人只会复述他已有的知识。
然而 LLM 让人类明白到，对足够多的知识进行有效的压缩，结果看起来就跟能力非常接近。刷 LeetCode 就是这样子，缺乏分析问题的能力？没关系，通过足够多的练习后，你看到新问题也能迅速进行模式匹配，找到对应的算法，然后写代码就是了。这甚至能推广到整个「应试」的概念——技能不足，就通过训练补足。
所以最终如何区分技能还是知识？AI 都能通过图灵测试了，还能怎样区分。只要训练数据量足够大，就能以假乱真。
显示更多
最近时间线上很多 leetcode 必要性的讨论
作为一个算法竞赛过来的人，我认为算法题是可以很好考察一个人分析和解决问题的能力的，且这种能力是可以泛化的
但它的问题是，你需要花时间去学习各种常用的模式，而这些模式现在可能 ai 比我们更擅长
如果你的工作中用不到这些算法，那你可能会觉得它非常 useless
现在 ai 不擅长什么呢，如何从宏观角度去设计一个系统来满足人的需要
解算法题是术，设计架构是道（或者说战略和战术吧），ai 的能力正在从术走向道，一个工程师的成长过程也是一样的，我觉得新时代的能力考察应该同时侧重这两个方面
显示更多
经得起截屏和录音这要求太低了。当年 Facebook 某些组的日常假设是，「你今天做的事情，明天可能上《纽约时报》头条」。
经历过 2018 年 Cambridge Analytica，这是个真实得不能再真实的威胁。你很随意发的一条消息，将来都有可能被顶级媒体引述，并且按照最阴暗的角度进行解读。
显示更多
如果用一千万资产来定义财务自由，用 QQQ 每年 11% 的增值来反推：如果你想用 10 年实现财务自由，你需要 352 万本金；20 年的话需要 124 万；30 年的话需要 44 万；40 年的话需要 15 万。
一个大厂程序员，30 岁积累够 124 万，全部买 QQQ，接下来就算不再追加 50 岁也财务自由了。接下来继续追加的话可能 40 岁就财务自由了。
一个普通白领家庭的小孩，大学毕业找不到工作，问父母要 15 万全部买 QQQ，接着在家里躺到 60 岁，也财务自由了。
大部分人做不到是因为急功近利，看的是短期涨跌，而非数十年的回报。
显示更多
很多人都知道纳斯达克长期复利积累，
为啥现实中很少人能靠它实现财富自由
@geekbb 我做了自己的 LLM Wiki 实现，把我 200 篇博客文章、100 篇过千赞的知乎回答灌进去后，它已经能够按照我的人设来帮我写知乎回答了，而且同样能获得流量。我已经跳过了「从 Wiki 获取信息」这一步，直接进入「根据 Wiki 进行创作」。
显示更多
很多大公司会写好好看的技术博客，但如果你用这上面的文章来研究大公司的技术演化史的话，信三成就好了。很多时候技术博客都是为了树立形象而写的，把事情写得很简单也很美好。
举个例子，很多年前 Airbnb 写了一篇很出名的 SDUI (Server Driven UI) 的文章。看起来他们做得很成功，原来客户端写死必须要经过 Apple/Google 审核才能更新的界面代码，现在都变成服务器端驱动了。想要更新界面，随时在服务器端改代码就行。想要做 A/B 测试，服务器端就能把两个版本写了，不需要等客户端更新。
我后来找 Airbnb 的朋友说，想要跟他们学习一下他们做 SDUI 的经验，结果别人说这篇博客上所写的技术完全没办法在公司内推开。原因很简单：产品只想把屏幕中的一小部分改为 SDUI 试试，但框架要求整个屏幕用 SDUI 重写，产品自然不愿意。
当时我的朋友说，Airbnb 又在做一个新的框架，支持只替换产品屏幕中的局部，希望能够被产品接受。这件事情后来不知道怎么样了，反正也没见到 Airbnb 发新的博客文章了。
所以大公司的技术博客只能用来满足猎奇心，要知道真正发生了什么事情，还是要找在公司里面亲身经历过的人来了解。
显示更多
Facebook 在从 Git 迁移到 Mercurial 之前就有 stacked diff，而且已经用了很多年。一开始用 Git 的时候，后端其实是个 SVN，只是把前端桥接为 Git，但这不妨碍大家用 stacked diff，因为整个产生 diff 的操作发生在 Git 以外。
Facebook 一直没有公开它魔改过的 Arcanist 和 Phabricator，这才是实现 stacked diff 的核心。在 Arcanist 之后 Facebook 做了 Jellyfish 作为新的客户端，但依然没有对外公开。
Jellyfish 基于 Mercurial 客户端和 Phabricator 服务器端，没办法公开给 Git + GitHub 的用户使用，于是有人做了概念上相似但又兼容 Git 的 Sapling。Facebook 内部其实不用 Sapling。（这不是唯一一个公开版本只公开概念但不公开内部源代码的东西，还有哪些你就猜吧。）
显示更多
FIFA 可以说是非常霸道，所有非世界杯赞助商的品牌，在世界杯场馆出现都必须把品牌名字抹掉。
很多人只看到 Levi’s Stadium 冠名的李维斯招牌被遮住了，实际上在世界杯期间这场馆被迫改名为 San Francisco Bay Area Stadium。Apple 和 Google 地图都为此而更新了地标名称，甚至还有人在世界杯前夕编辑了 Wikipedia 词条。
不仅仅场馆巨大的招牌被遮住，如果你看其它人发的 tweet，会发现场馆内小吃店的调料都要处理。你去买薯条，顺便挤一点亨氏番茄酱，瓶子你一眼就能认出来，但上面的「亨氏」已经被贴了黑色胶布。
显示更多
由于 Levi's 不是 FIFA 世界杯的官方赞助商
加州 Levi's Stadium 的 Logo 被遮起来了
于是他们把 Instagram 的头像改成了这个 😂😂😂
天才营销团队
显示更多
是否有人用过 Polar H10 或类似的心率监测胸带？效果如何？监测跑步或跳跃时，是否比 Apple Watch 更精确？
