• 疯狂的赛车.Crazy.Racer.2009
• The.Matrix.1999
• Argo.2012
• Chinatown.1974
• L.A.Confidential.1997
• Black.Hawk.Down.2001
• The Talented Mr. Ripley (1999)
• Die.Hard.1988
• The.Untouchables.1987
• Zero.Dark.Thirty.2012
• A Sun.2019
• Lost.Love.2022
• Kingsman.The.Secret.Service.2014
• Molly’s Game (2017)

• 夏洛的网
• 畅游伦敦详细指南
• 城南旧事

最近用 AI 觉得自己进步不小：学新东西更快、能力边界有拓展、工作效率更高。因此很愿意跟身边的朋友们推荐，做了五六次或大或小的培训交流。归结起来，其实也就简简单单的几点。

1. 买付得起的最先进的模型。

2. 持续追问，直到自己问不下去。

3. 验证结果。无论是多 AI 验算，还是自己设计其他的验证方法，要验证而非盲从。

4. 在项目/文件夹里工作。用比如 Claude Code / Cursor 这样的工具，给 AI 上下文、中间过程存档、结果验证复盘。

用这些方法学习、工作，我的感受很好。

这里面的每一点，都可以展开讲原因，讲具体用法，讲可能掉的坑。不过感觉很多人也未必在意，大家更喜欢装上小龙虾。

对了，我给朋友们的建议往往是：在做上述的 1234 之前，不需要装 OpenClaw，因为大概率装好了，也找不到多少需要它做的事情。

这也是一个简单的思路：先手动把事情跑通，再用程序自动化。

做小产品，一个极难的问题是：该继续还是该放弃。上次公司 TGIF，有同事就问了这个问题。

认真想想，有几条：

第一，还有钱。现金是基础。账上的钱还够撑，你就有继续的本钱。哪怕项目暂时不挣钱，哪怕是为了情怀——只要弹药还在，你就有资格谈坚持。

第二，负责人还热情。他脑子里还在冒新主意，还在想怎么改产品，还在琢磨哪个细节可以做得更好。不是应付，是真的在燃烧。一个项目最核心的驱动力，就是那个对它最有责任感的人。他在，他还热情，项目就还在。

第三，反馈还在。这里的反馈分两种：用户说的，和用户做的。前者是访谈、聊天、客服记录，后者是行为数据——每天用几次，每次用多久，主动打开还是推送才来。两种都要看。

三条都满足，继续。缺一条，认真想想。缺两条，可能该做个了断。

2016 年，AlphaGo 4:1 击败李世石，它是先学了几十万盘人类棋谱，再自我对弈提升。

2017 年，DeepMind 做了一个实验：AlphaGo Zero 不看任何人类棋谱，只知道规则，从随机落子开始自己跟自己下。同时把架构大幅简化——两个网络合成一个，去掉所有人工特征，输入就是原始棋盘（黑子在哪、白子在哪），去掉快速模拟。更简单，更干净。40 天后，100:0 碾压了 AlphaGo。

AlphaZero 更极端——同一套算法、同一套架构，零人类知识，零游戏特定调整，同时学围棋、国际象棋、将棋。围棋 8 小时超越 AlphaGo，象棋 4 小时击败世界最强引擎。

“AI 比人强”，这个想法我早就接受了，但是学了人类知识、用了更复杂架构的 AlphaGo，反而比什么都没学、架构更简单的 AlphaZero 弱。人类的先验知识没帮上忙，人类设计的系统复杂度也没帮上忙。

之前听马斯克的一个对谈，他说到：人在流程中，可能反而阻碍了 AI 的速度。

这是第一性原理，也是"乱拳打死老师傅"的逻辑。今天在 Lex 和 Jensen Huang 对谈的播客里，Jensen 说他不喜欢"持续改进"。一件事要 74 天，有人说能优化到 72 天。他的做法是回到零点：物理极限是几天？可能是 6 天。74 到 72 是经验思维，从零推到 6 是第一性原理。

经验是好老师，也是隐蔽的天花板。它帮你快速到达 70 分，然后悄悄把你锁在 70 分。