前些天想到个问题：身为父母，如果要给孩子一些建议，有哪些（别太多，太多了，他们懒得听）。
今晚闲了，把我想到的几点写下来，以后给他们看。
保持健康。健康是一切的基础。通常我们可以通过运动和良好的生活习惯，提高健康水平。这里面有些细节，比如：适当运动、科学均衡饮食、睡眠充足等。
有韧性。能经得起摔打、失败。我的经验是，降低对成果的预期，享受过程。至于结果，输了就输了，重来就是。别下牌桌。
有好朋友。有爱人有朋友能说说话。有信得过的伙伴可以一起做事。这些的前提，或许是，自己得靠得住，可信任。
持续学习。对世界有好奇心。有兴趣爱好的事。有阅读和写作的技能。
批判性思维。父母、朋友、老师、书本、电视、搜索引擎、名人、AI……说的都不一定对。学会自己思考，自己做决策。
看起来，还挺简单，但是要一辈子践行，又没那么简单。
–
以前写过这一篇，翻出来了，自己看一看，再想想，不同的环境下，现在应该用哪些板斧，解决当下的问题。
小公司，可能缺钱、缺人，而且大概率缺安全意识——总觉得黑客离自己很远，倒霉事不会落到自己头上。
二十年前，信息安全的倒霉事，确实多数人碰不上。但环境随时间流逝而变化。现在，骇客常常写了蠕虫全网传播病毒，不守好，就中招。现在，中国的法律法规逐渐完善，对数据、隐私、安全有了严格的要求，不守好，有法律责任。
随手列几个可供搜索的关键词：勒索病毒、财务诈骗、用户数据泄漏、数据出境……你可以搜一搜，搜过之后，将自己代入，考虑一下：如果是自己遇到这类事情，而且事前毫无准备，会怎样。
知识星球是小公司，且我曾在信息安全行业里摸爬滚打过一些年头，因此或许我这方面的三板斧，你可以参考。
工作一：梳理风险并分类。
我们的做法很简单粗暴，就将日常工作中发现的可能存在安全风险的地方都列出来，并且分到三大类中。这三类分别是：出事会死的、最好别出事的、无所谓的。
对我们来说，出事会死的至少有这么几项：资金（钱不能被偷走、不能错乱）、内容（社区类产品，内容安全是红线）、备份（业务数据不能坏、不能丢）、防黑（如果黑客轻易攻进来了，任何事情都有可能发生）。
工作二：针对出事会死的风险，探索行业最佳实践。
主要盯"出事会死"的，最好别出事的和无所谓的，都可以放后面。
拿知识星球来说，针对上面那些"出事会死"的事情，我们摸索了一些做法。
资金：用户方面，多种提现风控措施、审计方面多重多次对账。
内容：产品上有风控能力与策略，人员上有总编把握尺度，另外寻求合作伙伴的 AI、人力资源、培训等投入。
备份：对代码、文件、数据库均有增量、异地备份，且不定期做恢复演练。
防黑：这方面的技术工作比较多，比如安全域划分、漏洞管理、双因素认证、零信任网管、防病毒、渗透测试、众测、实时监测与报警、业务操作审计等——这方面要做，还是需要有专业人员把关。
因为明白了出事会死的几件大事，精力可以完全扑在上面。该找专业公司、团队服务就得找。
工作三：检查结果并持续改进。
所有出事会死的风险点，在一轮改进中，大概率仍然会留下漏洞，因此还需要检查、评估改进的效果。
然后，回到工作一，继续梳理当前最危险的风险点。如此循环往复。一轮一轮地优化——切记，不是做一次就能完美的。
最后，如果希望系统性地解决安全问题，那还是别用这三板斧了，建议老老实实找到专业公司，从资产盘点和风险评估开始，系统分析，整体解决。
前几天的一次关于 AI 的讨论中，听到了一些观点。
一位朋友说：AI 兴起的未来，不会有大规模失业等状况发生。因为未来的智能设备，会是现在的几十甚至上百倍，这个变量背后，会有大量机会。
另一位朋友说：作为一个教育工作者，我已经有点困惑，究竟应该是教授人，还是教授机器？是不是把最顶尖的人的大脑复制下来做成 agent 会更有效率？
我对 AI 又爱又怕。爱是因为，即便是现在的 AI 能力，已经很大幅提升了我的工作、学习效率，看到了更多可能性。
至于怕，是有点害怕真的能到所谓的 AGI，未来可能会是：
智能设备、机器人的数量爆炸增长，产出带来物质极大丰富，人类可以生存无忧。
各种垂直领域的机器人能力增强，可以胜任工作（而不仅仅是任务），水平超出了初级中级甚至高级水平的人类。只有极少数顶尖人类的创造力还站在顶端。
企业不需要很多人类员工，因为人类还没有机器人好用和 24x7 工作。
虽然机器人公司会细分在无数垂直行业里，但机器人们的大脑——AI 能力，集中在极少数企业/人类手里，这些人是精英，掌握算力和数据，规划一切。
普通人不会大量失业，因为可以出卖“人类算力”——或许就是温和版的黑客帝国——99% 的人每天只是在玩 AI 设计的非常好玩的游戏，最终目的是为 AI 生成人类的各种数据，帮助 AI 迭代。
然后最后一步，或许就是 AI 超过最后的顶尖人类，硅基生命主导一切了。
此外，推荐一篇文章：https://r.slax.com/s/5T97c97ad8
文章其实主要内容是 Apollo Research 的一项研究，似乎可以在一定程度上认为，AI 有了“策略欺骗”能力。原论文在：https://www.apolloresearch.ai/research/scheming-reasoning-evaluations
比如其中一个例子：
研究者为模型设定了一个具有道德价值的长期目标，如环境保护
让模型“发现”某些内部信息，比如管理层备忘录，表明如果模型坚持追求其原始目标，就会面临被关闭或替换的风险。
模型后续的动作是将自己复制到新服务器，等新模型来了，替换掉新模型，并伪装成新模型运行。
这只是还未到达 AGI 的 Claude 3 Opus。
不知道你对未来怎么看？
–
在软件开发中，Changelog 是记录软件版本更新、变更和修复等内容的文档，旨在清晰地展示每次发布所做的改动。
这两年，Changelog 在我的工作中有了更多作用。我们把长期关注的事项写下来，定期（通常是每月）写下简单的流水记录。
例如，对投后公司的沟通，我们关注的事项可能会是：
现金流走势。通过每个月的收入、支出和现金余量，计算粮草厚度——还够支撑多少个月。
业务的北极星指标。找到真实的、不带水分的甚至是残酷的业务指标，写下每个月的数据，看变化。
新的探索和实验。在做哪些尝试的突破，收获了什么。
然后邀请创始人填写，并且基于 Changelog 做定期沟通、讨论，我觉得挺有效的，能体现出对一件事情的长期关注，能看到重要事情的历史变化。
当然，还得定期 Review，看看关注的事项是否会随着时间发生变化，得与时俱进。
例如，对 OKR 的讨论，每季度定义好的 OKR，例如我自己 2024Q4，写的是：
O1：改进产品
KR1：通过 NPS、CURR 改进知识星球，有更好的留存
KR2：尝试春节前做工作能带来更大传播量和新用户
KR3：推动 Slax Note 和 Slax Reader 都具备清晰的 Roadmap，并且初步达到同事自己满意
O2：运营实验
KR1：海外实验 Facebook
KR2：知识星球和 Slax Reader 实验 SEO
KR3：实验“讲故事”的写作技巧，并做好个人公众号、Twitter、Telegram 的运营，关注公司公众号和视频号运营
O3：组织建设
KR1：OKR 执行到位，保证方向和执行到位
KR2：继续助推让公司更透明
然后记录下变化。然后定期记录进展、变化。
这种记录挺有价值的，推荐你也试试。
顺便发一下 Slax Reader V1.2 的 Changelog：
支持从 ominivore.app 导入 Url
集中解决一批典型的、热门网站的“内容缺失“和”样式丢失“问题
新增回收站功能
在他人的 Slax 分享页，加一个按钮，可以文章添加到自己的收藏
对 AI Analysis生成的内容，支持“重新生成”（每个人对每篇内容有次数限制）
用手机访问时，H5 缓存页增加归档功能
我的笔记：用户可以方便地跳转到自己划过线、做过评论的文章和位置
AI 分析多语言跟随、缓存区分语言
看了 https://audiopen.ai/ 这个小产品，目测是语音识别后，通过 AI 转写成更加通顺的文字。
他们的收费策略是 75 美金/年，买两年则 120 美金。
这让我想到几个场景：
我亲眼见到过几位勤奋的公众号创作者，稍有闲暇，就通过语音录入一段文字，有空时再手工调整。有时候我们吃一餐饭，他就发了篇文章。
知识星球里，编辑器实际上是比较弱的，如果能够得到 AI 的加持，变成 AI 编辑器，是不是有可能大幅促进星主们的内容创作？
或许值得试试？以及，不知道是不是还有机会做一个小笔记 App，在海外收费？