人最难的是，就是面对自己。一到年底，谈到一年的回顾，总觉得自己做得不够好。后来我想，可能浸淫在功绩主义的氛围里太久了，谈到回顾，总是想着自己哪些做得好，哪些做得不好。

生命的体验，不独功过是非，还是以感受为主。

以下是我 2025 年的感受，有关于自己的，有关于这个世界的，我没有单独地分开，因为我的问题也是世界的问题，而世界的问题也是我的问题：

2025

Vibe Coding

今年是 Vibe Coding 奋进一年。得益于大模型能力地持续提高，尤其是大家都更加注重编程这个场景，所有大模型在编程方面的进步是相当显著的。

我印象最深刻的是 Claude 4 Sonnet 出来的时候，它的表现真的相当惊艳，之前 3.5 时，对话过长掉入循环怪圈的问题，在 4.0 得到了解决。然后就是 Claude 4.5 Opus 的出现，进一步提高了大模型在编程方面的能力上限——无论是对话轮次，解决问题的能力，然而，Anthropic 提供的上下文长度还是太有限，这限制了 Claude 4.5 Opus 的表现。这给 OpenAI 的 GPT 5.0 Codex 机会——后者提供强的任务表现，更稳定的输出。

我觉得，如果是一般的日常使用，Claude 4.5 Sonnet 基本上一把过的概率是很高的。不过，这里存在一个悖论，当我求人帮忙的时候，肯定是因为自己某方面能力不行，这和我使用 AI 的场景类似，我更多使用 AI 来补齐自己的短板，而在自己自信的地方（比如写这篇博客），我则很少打算让 AI 帮忙。

这样的场景，要求所有的大模型公司，都拼命地提高 AI 的能力上限，反应在公司的财报上则是训练大模型的成本，非常夸张——OpenAI 曾经分享过自己的财务数据，尽管用户的订阅收入很快已经达到了 10 亿美元的规模，但是所有赚到、融到的钱，转眼又投进大模型的训练当中。这不是健康的商务模式，一个工厂生产的产品，不可能无止境地投入到工厂生产线的升级上。如果制造业是这样的商业模式，早早破产。

但另外一个问题来了，大模型会是另外一个蒸汽机吗？如果大模型是蒸汽机，那么当前的海量投入是否合理？我的观点是，大模型绝对是蒸汽机时刻，只不过工业革命的发生需要上百年，而当今的世界运转速度是 300 年前的百倍不止，大模型对社会的深刻影响，将集中在几年的时间内呈现。无疑，这对所有人都是剧烈的。

可能真的进入了这样一个分水岭，人类自我进化的速度，开始落后于技术的进化速度。

我当前的 Vibe Coding 常用工具是：Codex + Gemini CLI + Antigravity。有没发现很有意思的情况，我其实使用最多的是 Google 的产品？

Claude Code 虽好，但老封号，太烦人了。我有限的生命，不想陷入与 Anthropic 的封号政策斗争中去；我的时间和精力，应该投入到实现优秀的作品上。Gemini 在升级到 2.5 Pro 之后，其模型能力已经得到了进化，各方面都进步很大但仍然有问题（幻觉很严重，会制造幻觉函数），直到 Gemini 3 Pro 的出现——一个综合能力更强，上下文更加出色的大模型。

前情提要，在本系列的第一篇里，我着重提到「组件化思维」以及软件工程的一些基本概念，对于正在尝试 Vibe Coding 的编程小白来说，是必须掌握的思考方式与技能。

这种思维方式与技能，在掌握了之后，当程序运行时遇到 bug，就不会直接把报错复制粘贴过去，而是可以迅速猜到问题产生的地方，从而提高与大模型的沟通效率，也能够节约 token。

良好的结构，是软件开发中立于不败之地的重要前提。

那么问题来了，什么是良好的软件结构？良好的软件结构有什么特点？如何了解自己手上开发的软件是否具备良好的结构？如何学习，让自己具备这种良好软件结构的嗅觉？

数据流清晰，符合单一原则

程序它有两个口，一个是入口，一个是出口。入口输入的是数据，出口输出的也是数据。程序的目的，就是为了处理数据，不管是处理 1+1 = 2，还是把字体改为加粗，都是对输入的数据进行处理，然后再输出。

所以，良好的软件结构，在处理数据的时候，会非常清晰，这中间数据从组件 A 到组件 B，再到组件 C，这是一条清晰的路线，不会中间打岔。

每个组件的职责也很清晰，从哪里获得数据，如何处理，输出什么结果——不过一个优秀的组件通常职责是单一的，它只解决一种，甚至是一个问题，绝不大包大揽。

当然对于编程小白而言，直接观察数据的流动是有点难的，因为极大的可能，是连数据的类型都不懂。

我一开始也这样，好像「鬼打墙」一样，同一个 bug 反复出现。当时我完全不懂数据类型，但是我用另外一个方法，让我掌握了数据的流动，那就是观察函数之间的相互调用。

调用这个词看上去很专业，其实理解并不难，就是你复制了一个函数名，然后，在 VSCode 里面全局搜索一遍，看看这个函数名是否会出现其它的函数里。如果出现了，那么证明了这个函数被其它函数调用。

这是一个最简单的方法，让你在完全不具备编程概念，去了解程序里数据流动的一个方法。另外就是，揣摩函数名的意思，LLM 给函数命名一般都很直白，尽管有时候显得啰嗦。

总之，不管是不是编程小白，都不可避免要阅读代码。如果想提高自己的问题解决能力，那就养成习惯，不要一出现问题就马上问 LLM，而是应该先阅读问题产生的代码，看看问题发生的地方。

以终为始的思考方式

我不知道你身边是否有那种朋友，他们思维逻辑很清晰，而且总能快人一步发现问题，解决问题的能力也非常强。我身边挺多这种朋友的，经过观察，他们通常都喜欢用「以终为始」的方式去思考问题。

「以终为始」就是，以最终目标出发点，一步步倒推，一直倒推到开始的第一步为止。这种思考通常比较消耗精力，但是只要习惯了，这种思考上的消耗就没什么大不了的。

通常，在开发一个软件之前，我们在一步步倒推的时候，就能够摸出一个清晰的数据路线。我的习惯是，一边倒推一边用执笔写写画画，帮助自己思考。这时候，我会在草稿纸上列出这一次开发想达到的目标，然后我会往下列一个个要达到这个步骤。

实际上，这些步骤，就是我在第一篇里提到的「组件」。第一个步骤要完成什么，然后才能让第二个步骤处理什么，以此类推，很快你得到了一张路线图，也同时得到了一个软件结构图。

而在这个过程中， 如果你发现哪里步骤不清晰，哪里步骤有问题，那都是不好的结构，只要你逐步修正，一个良好的结构就会自然浮出水面。

从任务执行的角度来看待程序，它就是一系列经过设计的，达到目的之前需要完成的步骤。

多参考优秀项目

这里涉及一个人的「品位」。大家也知道，「品味」是一种微妙的感觉，你说不出是为什么，但就是「真 TMD 的好！」

如果想让自己在 Vibe Coding 的时候，培养对软件工程的品味，不必每一次都和神出鬼没的 bug 玩捉迷藏，我们可以直接参考优秀的项目，看看它们是怎么做的。

我说的参考，不是打开一个 Github 仓库，然后看看里面的分别有什么文件就算完事了，而是要深入到代码层。就好像我刚才说的， 直接全局检索函数名，然后看看它都出现在哪里。

而且现在有 LLM 以及 DeepWiki 还有 zread 等工具，都可以直接解读一个 Github 仓库里的代码之间的关系和结构。

不过我还推荐我的做法，直接将一个仓库 Clone 到硬盘，然后启动 Gemini CLI，输入一句：这个项目是干什么的？它的结构是什么？

然后，你就等着这位赛博菩萨吭哧吭哧地帮你整理出一个优秀的文档来，这个项目是干嘛的， 有什么组件，每个组件是干嘛的，罗列得很清楚。然后按照这份地图，打开对应的文件，参观里面的代码，看看别人是怎么写的。

多读代码，多读别人的，多读自己的，然后对比一下。书读多了，其义自现。

我认为我有资格谈论这个问题：

我在 Githuh 已经有 2 个超过 100 星标的开源项目。

截止文章开始写的时候，一个 267，一个 105。考虑到 Github 上绝大部分项目不超过 10 个星标，我的成绩自然是在水平线之上。

除了这 2 个破百星标的项目之外，我还有好几个 50 个星标的项目，一些 20 个星标的项目。

自从我 Vibe Coding 到现在，我一共开发了 12 个项目。没有一个项目低于 10 个星标。其中 2 个项目起码经历了大规模重构（几乎完全重写）。

为什么标题不是 Vibe Coding 而是 Vibe Debugging？

如果从生物学分类来看，Bug 是克鲁苏——不可名状，永恒存在，令人恐惧。

小白 Vibe Coding 到最后往往变成 Vibe Debugging，拼命打印调试日志，然后塞给大模型，祈求它这把能过。

抑或，在 Vibe Coding 爽撸一把之后，祈祷这把不会有 Bug。然而克鲁苏就是克鲁苏，Bug 不会因为你的诚意感天动地，就自动消失。曾经有科学家开玩笑， Bug 是唯一违反物理定律的东西，因为即便太阳系毁灭了，Bug 也会继续存在。

所以，我们在谈论小白 Vibe Coding 的时候，也是在讲 Vibe Debugging——请所有小白在尝试 Vibe Coding 之前，一定要清醒的明白一件事，很多时候你不是在编程，你只是在制造你无法解决的 Bug。这是我非常痛的领悟。

想要减少 Bug 的出现，必须懂点软件工程

小白之所以无法控制 Bug 的产生，我觉得原因和会不会编程语言的关系不大。

via @marckohlbruggfe

#brown_university #norman_meyrowitz #intermedia #hypertext

Intermedia 是来自布朗大学后来的第三个重要的超文本项目，此前有 HES (1967) 和 FRESS (1969)。Intermedia 于 1985 年由 Norman Meyrowitz 启动，他此前在布朗大学进行过超文本研究。Intermedia 项目与信息与学术研究机构 (IRIS) 的成立同时发生。 来自 Intermedia 的一些材料，由梅罗维茨（Nancy Meyrowitz）、加雷特（Karen Catlin）等人撰写，被用于 HTML 的开发。

• https://en.wikipedia.org/wiki/Intermedia_(hypertext) WikiPedia 简介

• https://www.youtube.com/watch?app=desktop&v=bGGxdF0Pn4g 由 Norman K. Meyrowitz 在 HUMAN’20 大会上演示 Intermedia 的珍贵视频

• https://www.microsoft.com/en-us/research/wp-content/uploads/1988/01/The-Concept-and-the-Construction-of-a-Seamless-Information-Environment.pdf 一篇论文，完整介绍 Intermedia 概念、机制的论文，这里称 Intermedia 力图打造的一种沉浸式的信息环境

• https://www.nngroup.com/articles/hypertext-history/ The History of Hypertext

• A Half-Century of Hypertext at Brown

  • 布朗大学在 2019 年召开的一个报告会，报告人均是当年参与了超文本项目用于总结半个世纪以前，布朗大学在超文本领域著名的 3 个项目。
    • Session 1 https://www.youtube.com/watch?v=ZKw5sEVmGgM
    • Session 2 https://www.youtube.com/watch?v=get7utR_BsU
    • 文字总结那段关于超文本项目的背景与历史 https://cs.brown.edu/events/halfcenturyofhypertext/

#llm #ai #amazon

• 喜欢动手实践产品原型的首席科学家
• 在博客中经常讨论如何将 LLM 落地应用在产品里
• 还主持了一个定期解读 AI 论文的 Club，每两周聚一次

一些我觉得有意思的文章：

• https://applied-llms.org/ 使用 LLM 一年之后，虽然成文时间是一年前，不过里面的结论目前来看，并未过时。有时间我会好好总结一下文章里的观点
• https://eugeneyan.com/writing/news-agents/ Eugene Yan 最新的产品原型，使用 Amanzon Q 和 MCP 来完成一个新闻简报 Agent 工作流
• https://eugeneyan.com/writing/recsys-llm/ 讨论如何用 LLM 提升推荐的效率，这是 Eugene Yan 的老本行，值得一看
• https://eugeneyan.com/writing/aireadingclub/ 这篇文章提到他如何设计一个 AI 辅助阅读助手
• https://eugeneyan.com/writing/prompting/ 写出有效的提示词

#flipper_zero

在 X 上，我看到一则视频，看到有人用一个有趣的硬件，来复制大家常见的钥匙。后来经过一番搜索，发现该视频的制作人叫 LockPickNic，是一个 YouTuber，他非常着迷于现实中的锁，和钥匙。

在一个更详细的视频当中，他彻底展示，他如何通过一个叫 Flipper Zero 的开源硬件来复制钥匙。以下是我用 Gemini 总结的过程：

1. *针对钥匙类型*：主要针对的是*基础的住宅钥匙*，视频中提到有90%的几率是美国的 *Schlage C 型*钥匙。
2. *技术方法*：
   • 使用 Flipper Zero 进行钥匙解码。
   • 重点提到了*3D 打印技术*来制作复制的钥匙。
3. *讨论与疑问（来自评论区，可能在视频中有所涉及或引发的思考）*：
   • 不同钥匙类型的适用性（如瑞士的 Kaba 钥匙、凹点钥匙）。
   • 3D 打印的精度、材料选择（如 PLA, PETG-CF）以及可能遇到的问题（如柔韧性、断裂风险）。
   • 如何定义和识别钥匙的 Warding 类型。
   • 如何判断锁有多少个针脚（pins）。
   • Flipper Zero 生态系统中使用的具体应用程序。
   • 与传统的钥匙复制方法（如钥匙铸造系统）的对比。

Flipper Zero 是什么？

这是一款多功能便携式设备，主要面向对无线电、硬件和安全感兴趣的人（常被称为“极客”或“渗透测试员”）。

官网：https://flipperzero.one/

官网简介：Flipper Zero 是一个玩具般外形的便携式多功能工具，专为渗透测试人员和极客设计。它擅长破解数字设备，例如无线电协议、门禁系统、硬件等等。它完全开源且可定制，因此你可以根据自己的喜好进行扩展。

它具备多种接口：

根据提供的内容，Flipper Zero 集成了以下主要功能模块或能力：

1. *Sub-1 GHz 模块*：用于与各种无线设备（如遥控器、车库门、物联网传感器等）进行交互，支持315 MHz, 433 MHz, 868 MHz, 915 MHz 频段（取决于地区）。
2. *NFC (13.56 MHz)*：支持读写和模拟多种NFC卡片（如ISO-14443A/B, MIFARE Classic®, Ultralight®, DESFire®, FeliCa™, HID iClass™等）。
3. *RFID (125 kHz)*：支持读写和模拟多种低频RFID标签（如EM400x, HID, Indala, FDX, Pyramid, AWID, Viking等）。
4. *红外收发模块 (Infrared)*：可以学习和发送红外信号，用于控制电视、空调等设备，支持多种协议（NEC family, Kaseikyo, RCA, RC5, RC6, Samsung, SIRC等）。
5. *GPIO 接口*：用于连接外部硬件，进行固件烧录、调试、控制。它还具备：
   • SPI、UART、I2C 转 USB 转换器功能。
   • SPI Flash 编程器。
   • AVR ISP 编程器。
   • OpenDAP 调试。
   • 提供 5V 和 3.3V 电源输出。
6. *iButton (1-Wire)*：支持读写和模拟 Dallas DS199x、CYFRAL、Metakom 等接触式密钥。
7. *蓝牙 LE 5.4 (Bluetooth LE 5.4)*：用于低功耗蓝牙通信。
8. *USB Type-C 接口*：用于充电、数据传输，并可作为USB设备（如串口转换器）。
9. *Fuzzing 工具*：用于测试各种协议和信号。
10. *独立操作能力*：内置LCD显示屏、5向导航键+返回键、蜂鸣器、振动马达和锂电池（2100 mAh），无需PC即可操作。
11. *MicroSD 卡槽*：支持高达256GB的MicroSD卡（推荐2-32GB），用于存储数据，支持FAT12, FAT16, FAT32, exFAT文件系统。

https://github.com/flipperdevices Flipper Zero 的官方 Github 仓库 https://github.com/Next-Flip/Momentum-Firmware Flipper Zero 自定义固件

背景：我使用 macOS。

在命令行工具里，有很多工具可以知道文件大小:

ls -la 一般情况下使用，可以直观的文件大小，缺点是不知道文件夹大小

du * 会列出当前目录下所有文件夹内，所有文件的大小

du -hxd1 会列出当前目录下，所有子文件夹的的大小

gdu 用 golang 写的，支持多线程，作用和 du * 一样，有点是性能好，速度快

不过我自己偏好 ncdu ，有可视化界面，会显示子文件/子文件夹占用的空间百分比，还可以直接简单操作：

ncdu 执行速度没有 gdu 快——但最新版本提供了多线程的实验特性，输入 ncdu -t8 即可调用，速度要快上不少。

PS：谢谢「Emacs 中文」 里各位认真有趣的群友。

Andrej Karpathy 在 X 说，很多产品和服务的第一个用户，可能不是人类，原文：

公告：这是人机工效学的新纪元

你所提供的产品、服务或库现在首要用户变成了LLM（大型语言模型），而不是人类。

以下是一些需要注意的地方：

LLM更喜欢抓取网页内容，而不是导航。

它们更喜欢阅读文本，而不是查看图像。

它们更偏好使用curl命令获取内容，而不是点击按钮。

等等。

还有人在下面评论补充：

它们不太喜欢浏览，但更喜欢获取（fetch）内容。

它们不太喜欢观看内容，但更喜欢解析（parse）文本。

它们不太喜欢滚动浏览，但更喜欢查询（query）信息。

不是所有的事情都一定要那么艰难地完成，不是要我们筋疲力尽事情才能取得进展，我们做出贡献也不必以身心健康为代价。

如果关键的事情做起来更容易，重要的事情做起来更轻松，你的生活会发生什么样的改变？

这是一个很好的问题。和「不要没苦硬吃」是同一个道理。

完成重要事情的不同状态 ATTACH

轻松主义「同心圆」

轻松状态

WHY：认知负荷理论说明，脑力资源有限

认知心理学中的认知负荷理论解释了这种情况。伦敦大学学院心理学和脑科学教授妮莉·拉维（Nilli Lavie）曾就认知负荷理论发表过大量文章，根据她的说法，我们大脑的运算空间很大，但也有限，每天能处理约6 000个想法。

所以当我们遇到新的信息时，如何分配剩余的认知资源，大脑必须做出选择。我们的大脑天生会优先考虑那些“情感价值”高的情绪，如恐惧、怨恨或愤怒，这些强烈的情绪通常会胜出，因此，留给我们解决重要问题的脑力资源就更少了（如图I-1所示）​。

HOW：通过「逆向思考」简化问题，找出最容易实现的途径

德国数学家卡尔·雅各比（Carl Jacobi）以擅长解决棘手问题而闻名，他发现解决问题最简单的方法之一就是“Man muss immerumkehren”​，翻译过来就是“倒置，永远倒置”​。

EXAMPLE：取消悬挂中立国旗帜则不被扣押的规定，打击奴隶贸易

HOW：与其思考如何忍受痛苦地去做，不如想想如何让自己开开心心地去做

既能保持良好的情绪，又能解决问题。

EXAMPLE：面对数量繁多的语音留言，选择洗澡的时候电话回复

HOW：主动休息，让自己保持良好的精神状态

HOW：保持专注

轻松行动

在完成重要事项时投入更少，而不是更多，通过约束我们的努力程度而不是通过过度努力来达到目的，这就是“轻松行动”的意义。

WHY：「收益递减规律」说明，投入越多，不见得得到越多

HOW：为终极目标设定明确的条件，达到那个条件时停止修改

将目标设定在产出开始小于投入前面的那个点。 不要陷入完美注意，而不断修改。

HOW：不管终极目标是什么，只专注于能够带来价值的步骤

《敏捷软件开发宣言》的12条原则之一提道：​“简化是必不可少的，技巧是能不做就不做。​”[…]我们可以把这个说法应用在任何日常事务之中：​“简化是必不可少的，它的技巧是能不做就不做。​”换句话说，不管我们的终极目标是什么，我们应该只专注于那些能够带来价值的步骤。

HOW：拥抱不完美的开始，快速检验想法

HOW：让事项把握在自己可承受范围之内，为重要事项设定上限和下限 ATTACH

轻松成果

WHAT：多创造「复利成果」

线性成果是有限的，它们永远不会超过你付出的努力。然而很多人没有意识到，其实还有更好的选择。“复利成果”是完全不同的。复利成果是，你付出一次努力，就会一次又一次地收获好处。

HOW：掌握原理，摒弃一次性方法

原理 = 可反复使用的知识

HOW：创造新方法，价值远大于使用别人的方法

把没人做的事情做好，其价值大于把别人都在做的事情做精；而把没人做的事情做到极致，其价值将有指数级别的增长。

HOW：将最重要的事情变成故事，教会别人

HOW：通过技术手段将日常生活自动化 ATTACH

• 使用备忘录、清单记录步骤
• 为重要的事选择高技术含量的轻松路径，为小事情选择低技术含量的高成本路径。

HOW：在错误发生之前，砍断根源

• DeepSeek MLA – 为成本优化而生的注意力机制

https://oilbeater.com/2025/04/14/deepseek-mla/

• DeepSeek MoE – 创新型的 MoE 架构

https://oilbeater.com/2025/03/29/deepseek-moe/

• 从 DeepSeek LLM 到 DeepSeek R1 —— DeepSeek LLM

https://oilbeater.com/2025/03/14/deepseek-from-llm-to-r1/

这系列文章均出自同一个作者，欢迎关注： https://oilbeater.com/

如果我受到启发想写一篇博客文章，我想在那一刻就做。

如果我受到启发想发一条推文，我想在那一刻就做。

如果我受到启发想解决一个问题，我在那一刻就做。

如果我受到启发想读一本书，我想读，就在那时读。

如果我受到启发想解决一个问题，我当场就解决它。

如果我想学点什么，我在好奇心产生的那个瞬间就去做。

[…]

所有让你印象深刻的东西，都是在你想要学的时候，在你真正有渴望的时候学到的。

而那种自由，那种在你想要行动的瞬间就能行动的能力，是如此具有解放性，以至于我们大多数人一生中都很少体会到它。 如果你一生都那样生活，那就是通往快乐的秘诀。