在职场中呆久了，接触到不同的人，他们的做事风格各异，这种风格可能和性格，环境以及过往经验有关。

这些做事风格在处理事情上无论是过程还是结果都可能千差万别。我总结大概有两种类型，一种是对上管理型，一种是处理问题型。

虽然对上管理型最终也是要解决问题的，但是他是面向上级解决问题，在解决问题的时候不太会思考怎么解决问题，而在意的是解决问题的结果。这种可能问题最终是被解决了，但是可能不是最佳方式，可能是临时解决，基于这种对上解决问题的方式也注定他在处理问题时不会考虑相对长远的事情，属于领导发现问题解决问题，再发现再解决。这种方式可能比较高效，但是对组织是否有益可能不一定。问题如果都是单点式的处理，就不能形成问题-解决-总结-经验-避免下次再出现的闭环。导致的结果是，可能相同的问题重复出现。

处理问题型其实也就是面向问题解决问题，有可能领导发现的是A问题，但是分析下来其实A是由于BCD问题导致的，其实你可以只解决A，领导的问题被解决了，但是BCD还在那里。因为这种处理问题的方式你会思考问题本身，所以你会总结经验，因为很多问题有相似性。这种方式相对处理问题会低效，但是可能对组织的长远发展是有易的。前期问题比较多，但是一旦处理好之后问题会越来越少，因为每一次的问题处理都是对一类问题的处理。

背景

在twitter上看到的这个理论，简单了解了下“像农民一样思考”：农民不会对着庄稼大吼大叫，不会播种第二天就希望庄稼已经长好了，更不会在没长好之前将庄稼连根拔起。但是，我们在日常生活可能中经常做出类似上面的这种事情。那么这种思考方式到底有什么好处呢，我问了下AI（Grok-beta），下面是它的总结，个人觉得很有道理记录一下。

内涵

“Thinking like a farmer”是一种比喻，旨在描述一种长期规划、耐心、以及对自然和环境的尊重与合作的思维方式。以下是这个理论的一些核心观点和解释：

1. 长期视角
   种植和收获：农民在播种时知道收获需要时间，种子不会立刻变成可收割的作物。同样，思考和决策时，我们需要考虑长期的结果，而不是只看眼前的利益。短期的投资或行动可能会在未来带来更大的回报。
2. 尊重自然规律
   季节和周期：农民必须遵循自然的季节和周期，知道何时播种，何时收获。这教导我们尊重自然和市场的周期，懂得在正确的时间做正确的事情。
3. 资源管理
   土壤、水和养分：农民知道如何管理土地的养分，保持土壤的健康，不仅是为了当前的收成，更是为了未来的可持续性。这提醒我们要合理利用资源，确保它们能持续使用。
4. 适应和创新
   气候变化和市场波动：农民不得不适应气候变化和市场的波动，他们会不断学习和尝试新的种植方法或作物。这鼓励我们要有适应性思维，面对变化要有创新精神。
5. 耐心与坚持
   等待收获：农民在播种后需要等待，期间可能会遇到各种困难，但他们坚持下去直到收获。这反映了在追求目标时需要耐心和坚持不懈的精神。
6. 合作与社区
   互助合作：农业社区往往通过合作和互助来解决问题，共享资源和知识。这表明在个人或团队的努力中，合作和共同体的力量是不可忽视的。
7. 风险管理
   天气和市场风险：农民面临天气变化和市场价格波动的风险，他们通过多样化种植、保险等方式来管理风险。这告诉我们要在决策中考虑到可能的风险，并有相应的应对策略。
8. 回馈自然
   循环经济：好的农民会回馈自然，通过有机种植、轮作等方法来维持土壤的健康和生态的平衡，强调了可持续发展的重要性。
   应用：

在商业中，“像农民一样思考”意味着考虑公司的长期增长和可持续性，而不是只追求短期利润。它鼓励企业家和领导者制定长期计划，关注品牌的声誉、员工的福利、环境的保护和社区的关系。
在个人生活中，这可能意味着对个人目标有长期的规划，耐心地培养技能和关系，尊重自然和社会的规律，采取可持续的生活方式。

总之，“thinking like a farmer”强调的是一种对未来负责任的态度，注重可持续性、耐心、适应性和合作的价值观。这是一种与自然和社会和谐共处的智慧。

转自推文

伪勤奋的四个表现

1. 花大量时间做事情中最容易的环节，还到处炫耀“没有功劳有苦劳”
2. 以“准备”的名义拖延，看上去很忙但是事情没有任何进展
3. 从来不验证工作成果，不知道做得好还是做得坏，只顾闷头拉车，不会抬头看天
4. 读了很多书，但从不总结规律，即使总结了规律，也没有用到自己的实践中去。

只有剔除大量低价值的肤浅工作，给生活创造积极的变化，才能走出内耗的怪圈。

origin: BBSHARE

最近使用ClaudFlare Vless薅了一波羊毛，作为备用节点感觉完全足够了（ClaudFlare真的是个宝藏）。然后使用Mac上的Clash去订阅发现它不支持Vless协议，iOS上小火箭是支持的但是QX又不支持，然后偶然间X上看到了一个博主在说sing-box，印象中好像在它testfligth时就开始下载了，但是一直不知道怎么用，然后就看了下推文，发现它是个GFW工具，然后它也支持订阅，只是需要转换，这里记载下转换的方式。

最近看了一些书《芯片战争》、《枪炮，钢铁，病菌》，看了一些许知远做的《十三邀》采访的一些人物采访，基于这些记录我的一些思考。都是一些点状的，可能是思维认知的一次缓慢升级过程，重要的不是它是什么，而是我产生了这些思考并记录下来，希望后面的自己能从这些点状的思考中获取一些能量把它织成一张网。

• 在这个特定时代，大部分成功的人（商业）都在高喊着理想主义，伟大愿景；做的其实都是现实主义，鼠目寸光的事情（逻辑思维）。理想和现实不能说是背道而驰，起码不是同一个方向，也就是想的说的和做的不同。往往，诗和远方在现实面前会被击的粉碎。
• 大家为什么而活着？什么是对的？
• 一个成功的商人一定不是理想主义者，就算原来是一个理想主义者，在残酷的商业竞争下也会变成一个极度的现实主义者。
• 过去，信息很匮乏，知识是分散的，有知识的人获取知识的效率是远高于没有知识的，大家都固化在自己的知识阶级中；现在，信息极度爆炸，信息量多到大家没精力去去伪存真。所有的信息扑面而来，大家能做的是只接受自己愿意接收的，信息茧房形成了。你看，知识流动过低和过快导致的结果好像是一致的。我们现在追求的极致效率，在带给我们方便的同时其实也深深的伤害了我们。
• 过去四十年快速发展给我们造成了速度和效率一日千里是常态的假象，其实看过人类历史的发展停滞和缓慢才是主旋律。
• 站在知识付费厂商角度：我们做的事情是在推动知识平权，让更多的人更容易获取知识，提高整个社会的认知水平，最好能达成一种高认知的社会共识（什么是对的，什么是错的）；站在消费者角度：我买了这个知识，这个知识就是我的，至于我有没有看，有没有吸收不重要，重要的是我参与了知识的传递(我是他们中的一员)；站在第三方角度：贩卖焦虑，过度包装，说是让社会达成共识，其实什么都达不成。

背景

很久没有更新blog了，自从3月份OpenAI推出了GPT3.5以来，AI圈子爆红了一段时间，大家讨论了很多关于AI的话题，随着时间流逝，讨论的热度也逐渐消退，似乎OpenAI只是激起了一点水花而已。但是，在AI圈子的人，特别是长期关注AI发展的人（2023-3月以前）据我观察其实是更活跃了，这期间也出过了很多很多技术，各个大厂层出不穷的推出了自己的LLM。作为一个被隔绝的旁观者，我只能尽量去体验一些我能体验的模型，然后关注下Twitter中AI大佬发布的最新动态。在此过程中，我看了两篇文章，这里做一下总结和心得。

关于这两篇文章

在此之前，我自己申请了Azure Open Ai，里面创建了几个模型，然后使用cloudflare把API暴露出来，使用Opencat或者其它AI工具客户端设置代理就可以用了；当然Open AI的web端还有Poe都是可以用的。另外，我还尝试使用Python用Long Chain工具和Azure AI接口想把自己的Blog向量化，做一个自己的私有知识库，但是一直卡在token太多这个问题里面，然后工作事情较多就一直耽搁了。。。（还是想抽时间把这个实现了）。

回到主题，我看了两篇文章一个是7月份发布的来自Lilian Weng的个人Bolg，就是讲AI Agents的，文章是软件2.0雏形初现，OpenAI的下一步，感觉这篇文章中的观点非常受启发，所以打算记录一下；另一篇是Twitter中宝玉大佬转发的杨立昆教授在《AI:Grappling with a New Kind of Intelligence》中的发言类容（这里不给链接了）。

下面我会大量摘抄两篇文章中的内容，然后就一些点记录一下自己的观点。

我对你好，不是因为我想你也能以相同的方式对待我，而是因为我觉得你值得被这样对待。