Get live statistics and analysis of Rainman's profile on X / Twitter

先讲一个事实，美国做过很多研究和统计，结果表明，非常勤奋的穷人，之所以努力一辈子还是穷人，最主要的原因是通勤时间太长

如果真的想锻炼真诚和勇气，请不要欺负一个讨生活的出租车司机，而是当你见面库克的时候对他说:你这几年iPhone出的都是什么工业垃圾

其实我一直想不明白的是： 为什么中国坐拥全世界最勤奋最能吃苦的人， 创造了世界第二大的经济体， 实现了长达30-40年的超高经济增长， 人们却没什么钱， 社会问题、文明问题还这么严重。 这不很奇怪吗？

Lex Fridman 的播客厉害的地方在于，你听完了2到3个小时的Podcast，那么你基本上了解了该采访人的毕生所学，而且还是精华中的精华。

世界上没有什么东西不是要趁早的—— 除了死亡。 恋爱，要趁早。 交配，要趁早。 创业，要趁早。 挣钱、赚钱，更要趁早。 去旅行、去认识广大的世界，也要趁早。 你越早迈出去，世界就越早回应你。 元认知、元学习、第一性原理， 意识到了，就要立刻去办，趁早去学。 拖延只会让成本越来越高。 行动，是所有认知的起点。

多亏了现在的AI，我才知道有PDFgear这样好用的多客户端PDF工具。

看多了 Lex Fridman 的播客你会发现，他请的嘉宾没有一个不是对生物、科技、哲学、前沿科技有深入理解的，而且表达都挺有趣、挺有魅力的。 跟老中的那些“大人物”，完全不一样。

就在这几天，OpenAI前首席科学家伊利亚·苏茨科弗（Ilya Sutskever），在离开OpenAI创办自己的公司、沉寂了大半年之后，首次露面，在他的母校多伦多大学给了一场毕业致辞。他讲了九分钟，主题只有一个：AI将会能做人能做的任何任务，因为生物大脑和数字大脑不应该有什么本质区别。

杨振宁讲泰勒，说他一天能冒出十个想法，九个半是错的。 但他从不觉得丢人，也不怕被人纠正。想到了就讲，讲错了也能笑着接着说。 这种思维方式，在当时的中美学术圈里是非常不一样的。 中国教育讲“不会就别乱说”，但泰勒完全反过来——错了没关系，先说再说。 正是这种不怕出错、乐于讨论的氛围，把整个研究团队带得特别活跃。 杨振宁说自己很幸运，能一边有中国教育的根基，一边又在这种开放的环境中做研究。 最后他感慨，哪怕十个想法只有半个是对的，但只要那个“半个”是氢弹，就足够了。

同样的prompt，图一是Nano-Banana，图二图三是Seedream-4.0 作为老中，肯定喜欢图二图三，这种偏好就很明显🤔

帮人写简历，竟然还学到了方法论。 几种条目写法： 1. STAR 法则 2. 问题-方法-结果（PSI, Problem-Solution-Impact） 3. CAR（Challenge-Action-Result，挑战-行动-结果） 4. SMART 法则（目标导向写法） 5. FAB 法则（卖点突出写法） 6. SCQA（咨询式写法，适合高级岗位）

陈皓在 2017 年说： ``` 如果你的信息来自朋友圈、微博、知乎、百度或是今日头条，那么我觉得你完蛋了。因为这些渠道有价值的信息不多，有营养的可能只有 1%，而为了这 1%，你需要读完 99% 的信息，太不划算了。 ``` 2025 · Rainman 信息链 1. 源头层 某个领域的第一手信息，往往在核心成员之间口口相传：线下聚会、邮件组、私密频道。等它写成论文、登上媒体时，已经晚了半拍。 2. 早期公开层 国外机构、组织、专业社区（Reddit、X、Hacker News、GitHub）开始扩散，圈外人依然不多。 3. 二次消化层 内容被二次解读、翻译、整理，准备向国内输入。 4. 大众入口层 朋友圈、小红书、微博、百度等成了落地口，但此时信息已是第三手、第四手——热闹有余，时效与精度打了折扣。 结论： 想走在前面，就别等到信息漂到最后一层才去捞。

洗澡的时候想到的： 《为什么要去大公司：见识决定上限》 （Rainman 口述版） 我原本打算在工作四周年那天写一篇长文，回顾自己这四年在软件工程这条路上学到的东西。 但大纲还没列、资料还没翻，事情又多，所以一直拖着。 直到今天洗澡的时候，我突然想通了一件很核心的事—— 为什么我当初一定要去大公司？为什么要去尽可能高、尽可能大的地方？ 不是为了光环，也不是为了简历。 真正的底层原因只有一个： 见识会决定一个人的上限。 我的起点：一张从重庆飞到上海的机票 我第一家实习是戴尔 EMC，在上海。 我当时从重庆买了张机票就飞过去，傻乎乎的，什么都不懂。 但就是在那里，我人生第一次看到“真正厉害的人”是什么样的。 我见过最强的老板：风度、气质、领导力的“三位一体” 那位老板负责整个 VxRail 项目，级别很高，但并不端着。 他不会亲自招人，但每个实习生第一天都要到他那儿报到。 他会亲自请你在楼下吃个饭，聊聊项目、聊聊你的兴趣。 我到现在都记得他给我的第一印象： 穿着得体，但不浮夸 工程师的风范，但不刻意 谦逊、自信、自然 气质干净、从容 英文毫不费力 说话不疾不徐 处理事情轻松、稳定 像是随时能 hold 住全局的人 你一看就知道： 这就是常春藤读出来的人，这就是顶级公司里真正的领导者。 他身上那种“见过世界”的质感，就是你在任何培训班、任何草台班子里绝对见不到的。 那一刻我突然明白了： 原来一个人最顶级的状态，是这样子的。 锚定上限：从那之后，我知道自己想成为什么样的人 后来换了很多老板，也换了很多公司。 有人聪明、有人成熟、有人勤奋，但再也没有见过像他这样“全维度满分”的人。 他给我定了一个锚点： 身材外形得体 风度气质自然 领导力稳定 英文过硬 对世界的理解透彻 强者的底气 + 谦逊的态度 那是我人生第一次看到“上限”。 从那以后我很清楚一件事： 我要成为这样的人。 不只是技术好，而是整体的“人”的状态要强。 这就是我为什么一直在整理自己、提升自己。 不是虚荣，是—— 你见过什么，你就会渴望成为那样的人。 大公司真正意义：不是平台，而是“看到顶级人的机会” 很多人以为去大公司是为了： 薪水更高 履历更好看 资源更多 这些都对，但都不是本质。 真正的意义是： 你能看到什么样的人，你就会变成什么样的人。 你见过的“顶”，会成为你余生的参照系。 有些团队永远给不出这种参照。 你身边是什么人，你就会把天花板看成屋顶。 但你只要看过一次真正的顶级强者—— 你的“自我标准”就再也回不去了。

翻开Google 相册，忘了啥时候拍的了

我发现了一个 最小必要复杂度原则（Minimum Necessary Complexity, MNC），它广泛存在于 软件工程、设计、系统思维 等领域。核心思想是：用最简单的方式满足需求，不增加额外复杂度。 Gall's Law（高尔法则）：复杂系统必须从简单系统演化，否则无法正常运行。 奥卡姆剃刀：如无必要，勿增实体。 KISS 原则：Keep It Simple, Stupid! 让系统保持最小复杂度，减少维护成本。 UNIX 哲学：只做一件事，并做到极致。 应用实例： 订阅管理能用 Notion Database 解决，就别装订阅/记账 App。 任务提醒用日历+IM 结合，而不是额外的 GTD 软件。 知识库、自动化、协作工具，都应遵循这个原则，先用现有工具优化，再考虑增加新工具。 最小必要复杂度 = 高效、稳定、可扩展。

其实我一直想不明白的是： 为什么中国坐拥全世界最勤奋最能吃苦的人， 创造了世界第二大的经济体， 实现了长达30-40年的超高经济增长， 人们却没什么钱， 社会问题、文明问题还这么严重。 这不很奇怪吗？

先讲一个事实，美国做过很多研究和统计，结果表明，非常勤奋的穷人，之所以努力一辈子还是穷人，最主要的原因是通勤时间太长

如果真的想锻炼真诚和勇气，请不要欺负一个讨生活的出租车司机，而是当你见面库克的时候对他说:你这几年iPhone出的都是什么工业垃圾

这个时代，我觉得就要all in AI，这是普通人一生的机会了。

同样的prompt，图一是Nano-Banana，图二图三是Seedream-4.0 作为老中，肯定喜欢图二图三，这种偏好就很明显🤔

就在这几天，OpenAI前首席科学家伊利亚·苏茨科弗（Ilya Sutskever），在离开OpenAI创办自己的公司、沉寂了大半年之后，首次露面，在他的母校多伦多大学给了一场毕业致辞。他讲了九分钟，主题只有一个：AI将会能做人能做的任何任务，因为生物大脑和数字大脑不应该有什么本质区别。

多亏了现在的AI，我才知道有PDFgear这样好用的多客户端PDF工具。

很多人谈中国，只看政治那一面。 Keyu Jin 在 Lex Fridman 的访谈里，给了不少“反直觉”的观察： 政治集权，经济反而去中心化，“市长经济”推创新 中国人与权威是契约关系：尊重换稳定，不是盲目服从 竞争并非文化基因，而是人口与机会的博弈 经济极度资本主义，社会却高度社会主义 耐心的跨代投资，和“短平快”的急功近利并存 外部制裁反而催生“危机创新” 独生子女意外成就了女性的黄金时代 马云事件的真警示：不要“过于张扬” 对复制的文化宽容：能赢就行 她说，中国是个比西方想象中更复杂的系统。 而复杂系统，总有它自己的生存逻辑。

写了一篇博文，国产的太可怕

杨振宁讲泰勒，说他一天能冒出十个想法，九个半是错的。 但他从不觉得丢人，也不怕被人纠正。想到了就讲，讲错了也能笑着接着说。 这种思维方式，在当时的中美学术圈里是非常不一样的。 中国教育讲“不会就别乱说”，但泰勒完全反过来——错了没关系，先说再说。 正是这种不怕出错、乐于讨论的氛围，把整个研究团队带得特别活跃。 杨振宁说自己很幸运，能一边有中国教育的根基，一边又在这种开放的环境中做研究。 最后他感慨，哪怕十个想法只有半个是对的，但只要那个“半个”是氢弹，就足够了。

世界上没有什么东西不是要趁早的—— 除了死亡。 恋爱，要趁早。 交配，要趁早。 创业，要趁早。 挣钱、赚钱，更要趁早。 去旅行、去认识广大的世界，也要趁早。 你越早迈出去，世界就越早回应你。 元认知、元学习、第一性原理， 意识到了，就要立刻去办，趁早去学。 拖延只会让成本越来越高。 行动，是所有认知的起点。

我这两年开始第一次，真正感受到「35岁焦虑」。 以前从没想过这个问题。 直到我在不同公司打滚之后，才慢慢意识到： 我这种人，大概率很难在中国那套世俗的企业体系里“发展得好”。 我不会向上管理，也不会睁眼说假话，更不会参与那种虚假的表演。 本质上，我不适合那种「全员演员」的职场生态。 去年一切还很新鲜，我能创造、能推进，觉得自己大有可为。 但今年，在一家老旧、落后的公司里，这种“错位感”愈发明显。 你会看到： 系统奖励的不是实干，而是话术； 资源流向的是会说话的人，而不是做事的人； 真实、直率的人，常常被默默边缘化。

返程航班时，邻座是一对日本人。看起来像同事出差，也像父女。 女子声音清脆细柔，像铃声一般；男子温文尔雅。大概是他们第一次乘坐中国的航班，对小桌板、可调座椅和东航宣传册都充满了好奇。 女子吃饭较慢，空乘来收餐时她还有水果没动，神情有些焦急。我轻声说：“Don’t care, just eat slowly. They will come back.” 她笑得很开心，我也回以微笑。后来我帮她招呼空乘收走餐盘。 她的笑容干净、明亮，牙齿还在矫正中，却格外可爱。男子则一边看动漫，一边偶尔抬头。 短暂的温柔连接 取行李时再次相遇，他们连声道谢。我微笑着说：“Welcome to Beijing. Have a nice day.” 短短的交流，留下的却是温暖和善意。 笑容，在旅途里就是最通用的“硬通货”。

翻开Google 相册，忘了啥时候拍的了

编程到底要不要先从基础开始？ 最近看到很多人讨论「学编程要不要先看基础教材」。 我想谈谈我的看法。 1. 人类最古老、最高效的学习方式是对话。 从苏格拉底到孔子，真正有效的学习一直是“对话式”的。 两个人讨论、一问一答的过程中，知识被即时生成。 而看书只是单向吸收，信息密度远不如对话。 AI 的出现让我们重新回到了这种古老的学习方式。 与 AI 对话编程，本质上就是现代版的“苏格拉底式学习”： 你提问、AI 回答、你反驳、AI 修正—— 同时还能把抽象的想法直接变成可运行的程序。 2. 真正的理解只会在实践中出现。 我以前只是书本上了解过 K8s、容器、Linux、Docker 这些概念， 对 Operator、Reconcile 等机制也只是“知道”而非“掌握”。 直到我真正写了一个用于管理 IAM 凭证的 Operator， 和 AI 一起设计、调试、反复迭代， 我才真正明白这些抽象概念在运行中的意义。 学习的本质不是“先学完基础再动手”， 而是“在动手中形成基础”。 输入、状态、输出，这才是学习的真实循环。 3. 读书效率其实很低。 很多人坚持要从教材开始， 只是因为那样能让他们感觉安全、好像在“正确学习”。 但真正高效的学习一定是带反馈的。 AI 让这种反馈几乎实时发生： 写一点、跑一点、错一点、改一点—— 比看十本书有用得多。 4. 编程是最适合 AI 合作的领域。 编程的输入、输出和规则都高度结构化， AI 可以帮助穷举可能、校验结构、生成测试数据。 人类负责清晰地定义目标即可。 未来 LLM 会像 JVM 屏蔽平台差异一样， 屏蔽语言和平台的差异， 让任何人都能用自然语言构建应用。 AI 最终会成为一种“通用操作系统”。 5. 写代码不是最难的，部署才是。 Karpathy 也说过，他写完应用只用了 20% 的时间， 部署和上线却花了 70%。 未来，当 Pulumi/Terraform + MCP 等技术成熟后， 一句话部署应用将成为常态， “人人可写应用”会成为现实。 6. 不要高估“可维护代码”的价值。 很多人花大量时间追求完美的结构， 结果那段代码一辈子也没几个人用。 在很多情况下，重写一个简单的新实现， 比维护旧系统更划算。 工程政治、路径依赖、形式主义—— 这些才是真正的消耗。 7. 所以，别等准备好再开始。 想做什么，就直接开干。 基础会在实践中自然长出来。 语法不会？查就行。 文档看不懂？AI 会帮你解释。 AI 让学习重新变成一件“边干边学”的事， 让我们回到了学习最本真的形态： 对话式创造。 “书籍是知识的归档，对话才是知识的诞生。”

Lex Fridman 的播客厉害的地方在于，你听完了2到3个小时的Podcast，那么你基本上了解了该采访人的毕生所学，而且还是精华中的精华。