Hi there 👋, this is a place where I share things with the world.

简介 最近读完了丹尼尔·卡尼曼的《思考，快与慢》，这本书是讲心理学中判断和决策理论的。通常来说我读完一本书不太会输出，但感觉这本书是很有点意思的，所以想写篇「读后感」。不过与其说是读后感，更像是一篇没什么章法的随笔，消化并用我自己的语言转述下作者的观点，当然只针对我在不翻书的情况下还能记得的那些。 两个系统 作者围绕「两个系统」：一个快速、省力、很多情况下准确，但也很容易犯错的系统1，以及一个相对更注重逻辑、计算的系统2。 比起两个系统，这本书更多在叙述系统1是怎么「不可靠」，但那只是因为这本书本来就是要说这个，并不是我们就要尽可能摆脱系统1。实际上作者也说了，系统1在多数情况下，可以做到在准确的同时，依然省力、快速，但一般来说需要可靠的常识，以及久经磨炼的技能。 系统1非常擅长用「问题替代」和「强度匹配」来用一个简单的问题替换一个复杂问题，让我们快速做出判断或决䇿，但这种判断或决策如果不是技能积累出来的「直觉」，很多时候都错的。 我们在多数情况下甚至意识不到系统1在运作，而系统2又非常「懒惰」，所以尽管系统2可能被冠以「理性」的标签，但有的时候系统2是受到系统1的支配的，特别是在涉及到「态度」的时候，更像是系统1情绪的辩护者，而不是批评者，也就是所谓的「屁股决定脑袋」。但系统1的运行规则决定了，我们经常会有不受自己控制的错觉，导致我们无法做出合理的判断和决策，而错误的判断和决策如果是由有重大影响力的人作出的（他们并无法避免这种错觉），将导致严重的社会后果。 启发式 系统1之所以能快速「帮助」人做出判断和决策，很大程度上是因为其用了一些「启发式」的方法，像代表性启发式、可得性启发式、以及通过调整和锚定进行的启发式。很多时候我们甚至没有意识到我们使用了这些启发式。 代表性启发式：系统1擅长通过一个原型或一组范例来表示类别，所以它擅长估计平均值，但在估计总和方面表现很差 可得性启发式：人们做判断时依赖记忆搜索便利性的现象，这个便利性可能是由时间远近、也可能是由于媒体曝光度（和幸存者偏差有一点像），而后者更是可以引发“可得性层叠”，形成群体错觉，也容易也有心之人利用来谋利。 调整和锚定：简单来说就是我们的很多判断和决策如果被设定了一个「锚点」，比如所谓的「促销活动」，在锚点往相反方向做调整后得出的事物的实际「值」，一般来说都是调整不足的。拿促销当例子，大白话就是商家用一个虚假的「参考价/促销前价格」的锚点，拉高了你的预期，你会觉得少花XX钱买这个东西是划算的，但实际的这个东西的市场价值比这低。 人们追求「连贯」而不是「真实」 系统1很「擅长」通过一些容易获取的片断，去编造一个连贯性很强的故事，但连贯性实际并不等于真实性，也不等于在现实中发生的概率是最大的，但人们就是会陷入这种错觉，包括但不局限于: 人们会不恰当地将因果思维应用于需要统计推理的情况中 我们对连贯性的需求：重大事件应该有结果，而结果需要原因来解释，所以很多时候会强行关联因果，不管是出于心理安慰，还是别的什么不可告人的目的 作者在书中也关联了很多相关的概念和实际案例，多数有实验支撑，非常精彩，很多都是忽视了随机性的作用，强行因果: 均值回归：比如教官骂学员，学员在下一次成绩好转，但实际上就是均值回归，人家这一次就是发挥了，不骂人家下一次也是大概率回升 篮球的「手感」，他们甚至用实验证明了「手感」 这个东西也是人们制造出来的概念 成功学：书中用的是谷歌成功的例子，但意思差不多，人们倾向于将某个人/某个实体实现了一些小概率事件强行关联到一些人为因果上，但很大程度上是运气导致的 “观察者评估决策质量的依据不是过程是否合理，而是结果是否正向”，但“对偶然事件的因果解释必然是错的”。 错觉本身可能并不是问题，但问题在于很可能助长更大的错觉，从而“根据实际发生的事件修改自己的信念史，会让人产生坚固的认知错觉”。作者也用这个来说明了「问责制」实际上正是高管们采取消极策略的原因之一，因为正是这种「结果导向并强行为其关联因果的错觉」，迫使决策者采取官僚主义做法——极力规避风险。 从后见之明的角度看，今天讲得通的事必然是昨天可预测的事 理解过去的错觉让我们过度相信自己预测未来的能力。 前景理论 作者和其合作者在决策领域的重要成果，即人类在风险下的决策分析理论。 书中有几个章节讲了心理学在投资领域的一些现象，其实就是行为经济学了，这对传统经济理论的理性主体模型形成了巨大冲击，我觉得可能是多数人感兴趣的几章，非常直观。 比如对 「损失厌恶与风险寻求」的描述，作者的理论是：“面对有利前景和不利前景的风险，人们表现出截然不同的态度”，简单来说就是，面对有利前景，人们损失厌恶；面对不利前景，则会风险寻求，以及人们决策权重和发生概率实际上并不是线性的关系（「可能性效应」 和 「确定性效应」）；另外还提出了「四重模式」，也涉及对「沉没成本」的心理学分析，很多都有具体案例，非常非常精彩。 但作者同时也承认前景理论虽然比期望效果理论预测效果更好，但同样还有缺陷，比如没有考虑到「失望」和「后悔」。 书中的其他内容 书里其实还有很多有价值的内容，像有的章节也提到了怎么「驯服」错觉 ，比如 刻意“换位思考”（也就是将注意力集中在对方能接受的最低报价或者交易失败的成本）可能是抵制锚定效应的有效策略，因为它使产生锚定效应的思想偏差无法发挥作用。 书中还提到了非常多的经典错觉现象和其心理学理论依据，像「禀赋效应」「小数定律」「少即是多」，有的甚至除了心理学行为实验以外，还有大脑神经科学的支持，也就是说在生理学上是有实际的大脑数值测量依据表明，这些错觉实际是因为我们做判断时「不过大脑」导致的。书中也是反复强调了作为如果我们更关注事实（而不是启发式）的「基础比率」「小样本」「贝叶斯法则」等真正的统计规律，就会发现很多决策的荒谬之处。 总结 这本书涉及心理学、行为经济学、大脑科学等多方面，阐述了我们做判断和决策的过程和依据，以及为什么我们总是有这样那样的错觉导致我们做出错误的决䇿，但同时又有社会伦理思考：合理的决䇿有时候可能没有什么「温度」，决策者在实践中需要综合考虑多个方面。 书中对错觉、心理学现象和依据都有实际案例和实验支撑，描述得十分精彩，对于个人来说也是很好的反思材料，大力推荐！

原始链接 https://blog.senko.net/code-was-never-the-hard-part-is-an-insult-to-all-programmers 附: HackerNews 摘要的AI 总结 https://t.me/hacker_news_zh/23810 软件开发行业正处于剧烈的变革之中。随着 AI 革 命的推进，编程工作面临转型。许多人近期常说 “大语言模型（LLM）擅长编程，但软件开发从来 就不是难点”或“编程很容易，搞清楚要编写什么 才是难点”。作者 Senko Rašić 认为这种观点是对 所有程序员的极大侮辱。 如果编程很容易 如果编程真的很容易，为什么程序员多年来一直 供不应求且薪资高昂？为什么在 AI 出现之前，程 序员就面临巨大的压力、过度劳累和职业倦怠？ 如果初学者就能轻松完成工作，为什么公司还要 通过复杂的算法面试来寻找顶尖开发者？ 作者通过一系列反问来驳斥编程容易论： • 为什么会有《代码整洁之道》和《程序员修炼 之道》这类厚重的专业书籍？ • 为什么计算机科学需要专门的学位或高强度 的训练营？ • 如果编程简单，为什么会出现像约翰·卡马克 或法布里斯·贝拉这样被公认为天才的人物？ • 如果编程简单，为什么人们会对 AI 抓取自己 的代码感到愤怒？ • 如果编程简单，为什么现在的软件依然充满 了漏洞（Bug）？ 关于“弄清楚建什么才是难点”的质疑 针对“确定产品需求才是最难的部分”这一说法， 作者提出了以下质疑： • 如果决定建什么是难点，为什么产品经理的 薪水通常没有开发人员高？ • 为什么市场研究人员、可用性专家和客户成 功经理在软件公司中不被视为明星员工？ • 如果寻找需求更难，为什么程序员在销售人 员为了签单而随意承诺新功能时会感到沮丧？ • 如果实现过程很简单，为什么大家不直接构 建十个版本来测试哪一个更受欢迎？ 关于程序员角色的误区 另一种陈词滥调是“软件开发的大部分工作是与利 益相关者沟通”。作者指出，现实中很少有程序员 愿意直接与客户打交道。有些开发者标榜自己是 “解决客户问题的人”，但他们转身就开始讨论单 子（Monad）、内存安全等技术细节，而对客户需 求的理解仅停留在虚构的用户画像上。 作者认为，理解用户和解决问题对项目成功至关 重要，但编写高质量代码同样是一门需要技能、 耐心和经验的工艺。这两者并不对立，优秀的开 发者应该努力兼顾对系统的深度理解和对构建目 的的深度认知。 ...

介绍 来自HackerNews的一次推送 原文链接 简短的个人感想 人年龄越大，经历得越多，可能越能感受到这些点吧 和阿德勒心理学也有异曲同工之处 大家共勉 原文 原网站访问可能有一点点慢，我把原文贴在这里 pieterhpieterh wrote on 29 Sep, 17:57 (3949 days ago) battery_full.png Today, I’m going to explain ten simple steps you can take towards being happier, and making those around you happier. It takes no money and no magic. Just a shift in how you see the world, yourself, and others. As the 14th Dalai Lama said, “Happiness… comes from your own actions.” ...

SLOP预警/DISCLAIMER 这篇文章主旨和论据均由人类古法提供，但论述细节大量由AI填充，再由人类微调 前言 这两年大家都在聊 AI，聊 LLM，聊 Coding Agent，聊失业，聊焦虑，聊“以后是不是人人都能写软件”。 我自己的答案是：也许还没到“人人都能把软件写好”的程度，但至少已经到了“很多人都可以把自己要的东西做出来”的程度。 这件事在我看来，比什么“十倍程序员”更重要。 因为它指向的不是单纯的效率提升，而是一种更朴素、也更稀缺的东西：数字平权。 不是每个人都要去创业，不是每个人都要做 SaaS，不是每个人都要把自己活成 Product Hunt 上的独立开发者。我的意思更简单一点： 你终于有机会，不再只能吃厂商喂给你的屎了。 门槛确实在下降 先把话说在前面：我不是在吹什么“AI 已经替代程序员”这种鬼话。 软件工程当然不只是写几行代码。需求、架构、测试、性能、安全、维护、演进，这些东西一个都没消失。尤其是在那种纯许愿式的 Vibe Coding 里，AI 写出来的东西很多时候也就是“能跑”，离“靠谱”还很远。当然，如果你自己知道自己在做什么，把它当成助手而不是许愿池，情况就另说了。“软件质量”这笔账，暂时先按下不表。 但即便如此，一个事实还是很明显： 基础开发的门槛，真的在下降。 以前很多人脑子里有个想法，最后都死在第一步： 我不会写代码 我不会做前端 我不会打包 我不会调 API 我不会搞 Android / iOS 算了，麻烦死了 现在不一样了。你可以不会，但你可以一边问 LLM 一边做。报错了贴给它，UI 丑了让它改，数据结构不懂让它解释，哪怕最后代码一团乱麻，至少那个东西有机会先长出来。 这件事非常重要。 因为“能不能先做出来”本身，就是一道很高的门槛。现在这道门槛被削平了很多。一个普通人，一个没有系统学过计算机的人，一个只是“我就想做个自己能用的小玩意”的人，也终于有了入场券。 是的，做出来的东西可能不优雅，可能有 bug，可能丑，可能非常不工程化。 但它是你的。 而且它第一次让很多人意识到：原来软件不是天上掉下来的，不是只能被大公司、平台、应用商店、产品经理和广告系统垄断定义的东西。 我们真正需要的功能，可能没那么多 现在很多 App 根本不是“软件”，而是某种注意力收割器套了个工具壳。 最离谱的是，很多纯工具软件也开始这样。 前段时间我打开用了很久的欧路词典，结果发现默认界面里居然开始塞短视频了。那一刻我的第一反应不是愤怒，甚至都不是惊讶，而是失望。 因为这种事已经太常见了，甚至欧路已经做得非常克制，它还提供了比较直接的设置可以调整展示顺序以及是否展示。 但也正因为太常见了，一个本来该老老实实做工具的软件也开始往这个方向滑，才更让人难受。你明明只是想查个词，结果它想要的是你的停留时长、你的注意力、你的点击、你的路径数据、你的习惯，最好再顺手把你的大脑一起格式化成一个适合被推荐流驯化的形状。 这就是现在很多软件的基本逻辑： 功能当然要有，但不是第一位 第一位是留存 第二位是转化 第三位是广告位 你的需求？放后面再说 所以软件越来越臃肿，越来越吵，越来越像商场门口、路边推销的、Tony老师那些不厌其烦拦着你办卡的人。 618 期间这种感觉尤其明显。很多 App 只要你切出去几秒再切回来，哪怕根本没有退出，它也得重新给你弹一遍开屏广告。简直像在提醒你：别忘了，你不是用户，你是流量。 更搞笑的是，同样的 App，外区下载的版本居然往往干净得多。 ...

写这篇的起因是周围有朋友陆陆续续问过类似的问题：想在家里或者私人设备上跑点服务，不知道从哪里入手，也搞不清楚要花多少钱、麻不麻烦。所以整理了一下自己的实践，算是入门引导——不讲操作步骤，更多是帮你想清楚「要搭什么」「为什么」「怎么选」。 核心出发点只有三个：便宜、可控、数据是你的。 为什么要自己搭 动机其实很朴素。 云服务现在确实方便，iCloud、Google Photos、OneDrive 开箱即用，每个月收点小钱，大多数情况下够用了。但这里有个前提：你信任对方，而且愿意接受对方可以随时改规则、涨价、停服。国内网盘删库、限速、关停的新闻不是没有，国际服务也有账号被封、区域限制的问题。 自托管的核心价值是主动权在你：数据存在你的硬件上，随时可取，随时可迁移，功能自己决定要不要开。代价是维护责任也在你——硬件坏了、服务挂了，得自己处理。所以这条路比较适合对这件事本身有点兴趣的人；如果完全不想折腾，云服务是更合理的选择。 但是，和ChatGPT聊过后，感觉这些可能也只是表面 数字自留地不一定意味着拥有所有基础设施。 它意味着你始终拥有迁移、备份、恢复和退出的能力。 我对云保持警惕，但我也不想把家里塞满硬件和服务器。 因为我真正反感的不是云，也不是硬件。我反感的是： 当某个东西出问题时，我没有选择。 硬件 迷你主机 / Mac mini 市面上 N100 这类低功耗 x86 迷你主机，功耗在 10-15W 左右，7×24 小时全年电费大概在 100-200 元，算是家用服务器的性价比首选。价格从几百到一两千都有，性能跑绝大部分常见服务没有问题。如果本来就有 Mac mini 常驻家里，顺手兼做服务器也完全可以。 有一点要配置好：断电后自动启动。在 BIOS（找「AC Power Loss」相关选项）或 macOS 的节能设置里打开，不然停电来电之后需要手动开机，很烦。如果预算允许，搭一个家用 UPS 电源，应对短时停电更从容。 旧笔记本 旧笔记本自带电池，本身是一个丐版 UPS——停电了服务还能继续撑一段时间，这是很多人没想到的优势。缺点是功耗比迷你主机高，散热噪音可能也大一点，长期运行建议设置合盖不休眠，或者干脆不合盖。 Linux 在旧笔记本上往往状态更好。我自己一台 2019 年的 Magicbook 装了 ArchLinux，内存占用从 Windows 的 70%+ 降到 400MB 左右，拿来当小服务器跑得很顺畅。 VPS（可选） 如果你想对外提供服务，或者没有公网 IP，一台低配 VPS 可以做公网入口。便宜的配置（1 核 512M-1G）一个月几十块，量力而行，不是必须的。 另一个场景是存储型 VPS：有些云服务商有挂载大磁盘的低配机器，对计算要求不高但存储容量大，适合拿来做备份节点，比单独购买对象存储有时候灵活性更好，看具体需求选择。 基础设施：Tailscale 在讲具体服务之前，先说一个基础问题：怎么安全地从外网访问家里的服务。 Tailscale 是我目前的方案。它基于 WireGuard 协议，把密钥管理和 NAT 穿透都自动处理掉了，装上之后几分钟内就能把所有设备组进同一个虚拟局域网，从外网访问家里的服务就像在局域网里一样。免费计划对个人够用（100 台设备、3 个用户）。 ...