AI收藏夹

35岁程序员，AI冲击失业，健康危机，我们该如何自救？ 来源: X.com - @jinchenma_ai 作者: 金尘马 (@jinchenma_ai) 备份时间: 2026-04-04 原文标题: 35岁程序员，AI冲击失业，健康危机，我们该如何自救？ 正文内容 我，一个 8 年程序员，在大厂工作了 5 年。 如果一年前有人问我「程序员后半场怎么走」，我大概率也答不上来。因为那时候的我，跟现在正在读这篇文章的你一样，满脑子都是绩效、晋升、下次跳槽能涨多少。 直到半年前，我从职场走出来，站在外面回头看的时候，才猛然发现一件事。 程序员这个群体，就像是站在一艘缓缓下沉的泰坦尼克号上，而船上的绝大部分人还在拼命地想挤进头等舱。 这篇文章，可能有点长。但我想根据我的真实经历，分享一下我脱离职场轨道这半年里的一些思考。 程序员这艘船如何迎来的黄金时代，为什么会下沉，船上我们的困境究竟是什么，以及普通人该如何弃船自救。 01 程序员的黄金时代是怎么来的 程序员的高薪不是从一开始就有的。 如果在 2000 年初做开发，薪资并不离谱。程序员这个职业迎来黄金期的真正拐点是在 2010 年之后。 那几年发生了什么事？智能手机普及，4G 上线，微信生态起来了。O2O 大战、网约车大战、共享经济大战，一场接一场。每一场战争背后都是资本在烧钱抢市场。 资本投了几个亿给一家公司，这家公司最要紧的事不是盈利，而是用最快的速度把产品做出来、把用户抢到手。 而为了把产品做出来，最需要的资源就是程序员，所以所有的科技公司都疯了一样地加价抢人。 也正是从那个时候开始，我们经常听见有人靠写代码，跟着公司一路高歌猛进，最终公司上市，实现个人的财富自由。 这也导致一时间，大批人涌入到互联网开发行业，就算不能人人都能财富自由，但至少高薪是肯定的。 但好多人忽略了一点是，那份高薪，不是老板给你的，是他背后的投资人给的。 这就像一个矿工，赶上了金矿大开发的年代。你觉得收入高是因为自己挖矿技术好，但真正的原因是矿里有金子。 所以，程序员高薪从来不完全是因为写出的代码值那个价，而是市场愿意为争夺程序员这个稀缺资源付的溢价。而溢价，终究是要回吐的。 于是，到了现在，金子都挖得差不多了。随着资本退潮、互联网进入存量市场、涌入这个行业的人越来越多，供需关系正在逆转。 但问题是，你的房贷、你的消费习惯、你对未来收入的预期，全都是按之前那个职业高光时刻锚定的。 02 程序员是如何被公司驯化的 高薪只是锁死程序员的第一步。真正把你锁死的，是公司的制度设计和长期以来的技术惯性。 先说公司这把锁 薪资结构的锁定效应。 大部分公司的薪资构成是基本工资 + 绩效奖金 + 股票期权。基本工资可能只占一半多，剩下奖金和股票部分跟你的工龄、职级、绩效评分直接挂钩。 你待得越久，这些附加收入占比越大，但换一家公司可能就归零了。 所以你每年都觉得「再待一年把这些钱拿了再走」。这跟赌场的设计原理一模一样，总让你觉得「再玩一把就走」，从而逐渐丧失了对长期风险的判断。 分工的极度细化。 为了效率，公司把每个业务拆成极细的模块。你可能只负责一个系统的某个子模块的某个功能。 你在这个方向上做得越深，你的简历就越依赖这家公司的业务背景。你觉得自己在积累经验，但积累出来的可能只是「只能在这家公司使用的经验」。 舒适区的隔离。 公司把你从所有非技术事务中「保护」起来了。 你不用跟客户打交道，有产品经理帮你翻译需求。你不用考虑商业逻辑，有你 leader 帮你做决策。你不用操心公司赚不赚钱，反正工资按月到账。 说好听点是把你「保护」起来，让你专注技术，但实际的代价是，你慢慢丧失了对商业、对市场、对人性的所有感知。 时间的买断。 996 的工作时长，加上一线城市一到一个半小时的通勤，一个人一天可能有十四五个小时花在工作相关的事情上。刨去睡眠，留给自己的时间每天可能就一两个小时。 白天高强度的脑力消耗已经把你榨干了，回到家你什么都不想干，只想躺在床上刷刷手机，偶尔想要多学点东西，搞搞副业，但很难开始，更别提坚持下去了。 这就是公司用高薪买断了你其余时间里成长的可能性。 再说程序员「技术思维」这把锁 做技术的人通病是什么？拿到一个问题，本能反应是怎么实现。用什么框架，数据表怎么设计，缓存怎么搞，并发怎么扛。 ...

你不知道的大模型训练：原理、路径与新实践 来源: X.com - @HiTw93 作者: Tw93 (@HiTw93) 备份时间: 2026-04-03 原文标题: 你不知道的大模型训练：原理、路径与新实践 太长也要读 在写完《你不知道的 Claude Code：架构、治理与工程实践》、《你不知道的 Agent：原理、架构与工程实践》后，我想着继续来写第三篇，这次打算挑战下自己来梳理一下大模型训练到底怎么回事，这篇文章争取让非专业背景的人也能读得懂。 2026 年来看大模型效果真正拉开差距的地方，慢慢不再是预训练本身了，而在它更后面的那一大段：后训练、评测、奖励、Agent 训练、蒸馏，每一个步骤都在影响用户实际感受效果。你发现某个模型突然变强了，背后可能是这几块一起优化到位了，而非单一因素导致。 下文按大模型训练链路顺序来讲，重点放在厂商怎么通过后半段训练栈来提升最终上线效果。 大模型训练其实是一条流水线 过去几年，一般会用参数、数据、算力的堆积来解释模型进步，但很多用户真正感受到的提升，并不是来自再多训一点基础语料，而是来自预训练后面那整套训练流程。模型怎么说话、怎么听指令、怎么推理、怎么用工具，这些都不是多喂一点互联网文本就能自然长出来的。 InstructGPT 当年给过一个很直接的例子：一个只有 1.3B 参数、做过对齐和偏好优化的模型，在人类偏好评测里能赢过 175B 的 GPT-3，参数量差了两个数量级，用户最后却更喜欢那个小很多的版本，训练后半段是真的会改写用户感知。 训练过程其实是一条流水线，数据、算法、系统、反馈这几层高度耦合，一层变化通常会传导到其他层，2026 年的模型能力和产业价值，也越来越集中在预训练后面的几层。 这也是我们平时为啥感觉豆包不太去争排名，但大家日常用起来却更符合心意的原因，是后训练做到位了。 这六层只是为了看分工，下图的九个阶段是更详细的版本：原始数据和系统配方单独拆开，Agent harness 和 Deployment 也是后半段的细分。还有两条反馈回路贯穿始终：生产流量回到数据工程，离线评测结果回到预训练。 预训练只是模型底座 预训练仍然是训练链路的起点，搞清楚它到底在做什么，才能理解后面的每一层都在补充什么。没有这一步，就没有语言建模能力，没有知识压缩，也没有后面那些能力迁移的空间。在工程上，它要做的不只是让模型学会预测下一个 token：把语言分布学进去，把大规模文本里的知识和模式压进参数，还要给后面的能力激活留出空间。下一个 token 预测只描述了训练形式，解释不了为什么规模上来之后，模型会突然多出一些之前没有的能力。 GPT-3 之后，不少模型调优的工作会更加考虑到预算和配比，模型不是越大越好，参数量、训练 token 数和总计算预算之间有配比问题，很多模型不是做小了，而是训练量不足，在既定预算下没有训到更合适的点。 真到训练决策里，更实际的问题是：如果有人给你一万张 H100 和一个月时间，你会如何去训一个足够好的开源模型？规模定律在这里更像一个预算分配工具，不是那种论文里的抽象曲线，最后还是需要静下心来考虑这些问题：下一轮训练到底该多堆参数，还是多喂数据？当前模型到底是能力不够，还是只是欠训练？有限 GPU 预算下，什么配比更值？ 预训练更像是给模型能力打地基，决定知识范围、泛化潜力和模式归纳能力，也决定后训练有没有可以利用的空间。但听不听指令、配不配合用户、关键任务跑起来稳不稳，这些预训练都是管不到的。 预训练阶段不只是在决定学多少知识，它还在提前决定模型以后能长成什么样。tokenizer 的切分方式会直接影响后续训练，context window 拉到多长也要在前面定下来。要不要继续做多模态预训练，要不要把单卡可运行当成一开始就定下来的要求，这些取舍在训练阶段就写进配方了，不是发布时再补的功能 feature。Gemma 3 同时强调了 single accelerator、128K context、视觉能力和量化，背后反映的也是这类取舍。用户最终看到的那些能力，比如能在本地电脑上跑、能看图、能理解长文档，其实很多在训练阶段就已经定下来了。 通过 Chinchilla 给出的数据最优点来看，对于 8B 参数的模型大约是 200B tokens，但 Llama3 8B 实际用了 15T tokens，超出约 75 倍。这类过训练配方通常能在同等参数下换来更高的能力密度，最后换来一个更小、推起来也更省的模型。衡量这件事，看总 FLOP（浮点运算次数）比看参数量更靠谱，下图直观展示了这个差距。 ...

5分钟跨过Claude高手与小白的几条指令鸿沟 来源: X.com - @KKaWSB 作者: KK.aWSB (@KKaWSB) 备份时间: 2026-04-03 原文标题: 5分钟跨过Claude高手与小白的几条指令鸿沟 正文内容 大部分人用Claude Code的方式，跟用ChatGPT没有任何区别。 这就好比你买了一辆跑车，但每天只用它听广播： “打开终端，输入一个问题，得到一段回答，复制粘贴。 然后关掉。 下次打开，重新来过。” Claude Code里藏着一套指令体系，绝大多数人从来没碰过。这些指令不是什么高级黑科技，而是Anthropic官方内置的标准功能——只是没人告诉你它们存在。 今天这篇文章，我把最实用的指令按照"救命程度"排了个序。从最基础的开始，到最高级的结束。 不管你是不是开发者，看完之后，你对Claude Code的理解会完全不一样。 第一件事：改掉你的思维方式 在讲具体指令之前，有一件事必须先说清楚。 Claude Code不是聊天机器人。 它能读你的文件、执行命令、编辑代码、管理Git工作流。你用自然语言描述你想要什么，它自己判断该读哪些文件、跑哪些命令、做哪些改动。 所以，从今天开始，停止"问Claude一个问题"的思维。 开始"给Claude派一个任务"的思维。 这个认知转变，比任何具体的指令都重要。 基础篇：90%的人用错了的东西 1. 启动时直接带任务 大部分人的操作是：先打开Claude Code，再输入需求。 但你可以在启动的时候就把任务带上： claude "帮我找出所有TODO注释，为每个创建GitHub issue" 这条命令会以一个干净的上下文启动一个全新会话，没有任何历史对话的干扰。每个任务都是全新的开始。 这个习惯一旦养成，你会发现效率提升非常明显——因为你不再把Claude Code当成一个需要"打开"的应用，而是当成一个可以随时"运行"的命令。 2. /clear——最重要的习惯，没有之一 这是我今天最想强调的一条。 Claude Code有一个200K token的上下文窗口。你发的每条消息、Claude读的每个文件、执行的每条命令的输出，全部会累积在这个窗口里。 当窗口使用率达到90%的时候，Claude不只是变慢了——它会变笨。重要的指令被埋在海量的上下文里，模型开始犯一些在干净窗口里绝不会犯的错误。 解决方法极其简单：每完成一个任务，输入/clear。 写完一个功能，准备修一个bug？先/clear。 修完bug，准备写测试？先/clear。 把它想象成关掉30个浏览器标签页再开始新工作。 这一条指令，可能会让你对Claude Code的满意度提升50%。很多人觉得"Claude Code越用越笨"，根本原因就是从来不清理上下文。 3. /compact——轻量版的清理 有时候你不想完全清除上下文，但又觉得对话越来越重。 /compact会压缩对话历史——Claude把之前发生的事情做一个摘要，然后用这个摘要继续工作，释放大量的上下文空间。 我的习惯是：先用/context查看当前的窗口使用率。超过70%就用/compact，超过85%就直接/clear。 别让使用率飙到90%以上。那是性能悬崖。 速度篇：形成肌肉记忆之后，效率翻倍 4. Esc键——后悔药 按一次Esc，Claude会立刻停下正在做的事情，但不会丢失上下文。 按两次Esc，会弹出一个检查点菜单。你可以回到之前任意一个时间点——恢复代码、恢复对话，或者两者都恢复。 这意味着什么？你可以放心大胆地让Claude尝试一个你只有40%把握的方案。成了，太好了。没成，两秒钟回到过去，零损失。 这个功能改变了我使用Claude Code的心态——从"小心翼翼地给指令"变成了"大胆尝试，随时回退"。 ...

我恳求你多写文章 来源: X.com - @thedankoe 作者: DAN KOE (@thedankoe) 翻译时间: 2026-04-03 原文标题: I’m begging you to write more essays 正文内容 我恳求你多写文章。 或者，如果你还没开始写，那就开始写吧。 不，不是学校里布置的那种作文。 我说的是一种最伟大的工具之一——它能帮助你学得更快、思考更深、提升你表达想法和信念的能力，并且避免被 AI 取代。 但这些只是写作带给个人的自私好处。 还有更深层的意义。 现代信息环境正在摧毁我们思考的能力，而大多数人甚至都没注意到。文章可能是最后一种真正能培养你理解现实能力的内容形式。 我们正经历人类历史上最大规模的"假思考"生产。 后果相当严重，而且只有少数人在意。 在这封信中，我想向你展示：这种假思考流行病（如果继续下去）不仅会毁了你的生活，还可能导致社会崩溃。 然后，我想帮你写下第一篇文章，让你能修复自己最宝贵的资源——你的大脑。 （把它变成职业或副业收入也无妨）。 I – 互联网没有死，但它正在杀死我们 书面文字作为主要媒体形式，可能是民主运作的必要条件，因为它需要人们有能力持续关注一个想法，直到理解它。—— Daniel Schmachtenberger 社交媒体和 AI 简直是对文明的威胁。 我知道这听起来很疯狂。 刷 Instagram 怎么可能真的导致社会崩溃？看几秒钟的 TikTok 舞蹈不会有什么伤害吧？在 X 上读别人关于特朗普的 5 秒观点只是午餐休息的一部分，不是吗？ 是的，但前提是你只关注自己。 当你拉远视角，看到真正在发生什么，你就无法视而不见了。 这有三层含义。 坚持看下去，因为这里很深。 第一层是：认知公共领域正在被毒害。 什么是认知公共领域？ 把它想象成我们的水源，只不过是用于信息的，而这极其重要。 大多数人看新闻是为了保持"知情"或自我教育，但如果你仔细观察，他们只是变得自满。他们的生活并没有因此变得更好。事实上，大多数人变得更加愤世嫉俗、更加极化、更加暴力。 每当你在社交媒体上发帖，每当有人创作电视节目或电影，每当有人在 Spotify 上制作音乐，认知公共领域（或公共信息环境）就会增长。 这显然变得复杂，需要一定程度的系统思维才能完全确定，但如果你发布的内容弊大于利，且没有被有益内容所平衡，我们的知识水源就会被污染。 为什么这很糟？ 因为你或任何个人消费的信息会影响他们的身份。他们的身份影响他们的人生轨迹和行为。你消费的内容形式会训练你的注意力持续时间、对复杂性的容忍度、持有矛盾的能力，以及细微差别的处理能力。 这就是你学习的原因，对吧？ 为了装备自己获得想要的生活所需的知识和认知能力？ 但这就是问题所在… 在你能解决气候、治理、AI 对齐、公共卫生等文明威胁问题之前，你需要一个能够连贯理解问题的人口。99% 的人甚至不知道这些问题包含什么，因为他们正开心地对着手机里的猫咪视频流口水。 ...

备份：2030年大预言 - AI最严厉的父亲 来源: X.com - @dashen_wang 作者: AI最严厉的父亲 (@dashen_wang) 备份时间: 2026-03-30 主要内容: 关于 2027-2030 年 AI 发展、职业变迁及社会物种分化的深度预测。 正文内容 写于2026年3月。数据是真的，预测是大胆的，悲观的部分是我最不想说对的。 ps：本文又臭又长，但是我还是建议你坚持读完。给我一个不同的意见。 我认识一个朋友，前几年做短视频博主，做得还不错，几十万粉丝。去年他跟我说，他现在用AI做内容，以前三个人干的事他一个人干，而且做得比以前好。我当时还觉得他在凡尔赛。 上个月我们又聊，他说他现在在考虑怎么"管理"他那几个AI——因为它们开始会自己规划任务了。 我没说什么，但我在想：他用的那个词，“管理”，可能很快就会显得天真，就像二十年前有人说"我在管理我的文件夹"一样。那时候人们也觉得那是很认真的事情。 然后我想起另一个朋友。他在某个制造业工厂做质检，一个月六千块，做了八年，很熟练。 去年工厂引入了视觉检测AI，他被调去负责"监督AI"，薪资降到了四千八。今年他跟我说，他现在在送外卖，因为工厂那边连"监督AI"的岗位也不需要了。 这两个朋友，一个在往上走，一个在往下走。 而他们之间的距离，正在以一种让人来不及反应的速度变大。 这篇文章，我想说清楚几件事：接下来四年，那些往上走的机会在哪里；那条往下走的路会通向什么地方；以及，如果你有孩子，你现在应该怎么想这件事。 最后这部分，是我最私人的想法，也是我觉得最值得认真对待的部分。 一、先说一个让我久久不能平静的数字 2021年，世界上最聪明的AI，做了一套小学数学题，得了35分。 这不是玩笑，这是OpenAI自己公布的测试数据，测试集叫GSM8K，就是那种"小明有3个苹果，给了小红2个，还剩几个"的题型。最先进的AI，35分。 （GSM8K：Grade School Math 8K，包含8500道小学水平数学应用题的测试集，曾是衡量AI数学推理能力的标准基准之一。） 然后到了2026年，同类型的测试，得分是99分。用了不到五年。 这条曲线的形状不是缓慢爬升，是一根杆子，几乎垂直插进天空——垂直到让出题的人觉得尴尬，这道题现在已经被废弃了，因为它失去了测试意义，就像你不会用"会不会骑自行车"来考驾照一样。 于是他们出了更难的题。 全球几百个领域的顶尖专家联手出了一套"AI绝对通不过"的考试，叫做 Humanity’s Last Exam，我姑且叫它"人类的最后一块自留地"。 （Humanity’s Last Exam，HLE：由全球顶尖专家协作出题的超难考试，涵盖数学、物理、化学、生物、法律等100多个专业领域，设计目标是让AI短期内无法通过。设计规则：只要现有AI能答对某题，就撤换那道题，直到AI彻底答不出来为止。） 2024年底这套题出来的时候，顶尖AI的得分是个位数百分比。 到2026年2月，Claude Opus 4.6拿到了 53.1% 。 从个位数到超过一半，用了大约一年半。 那帮出题的顶尖专家们，现在大概要认真想想，什么叫"只有人类才能做到的事"。因为他们以为的那条线，正在以他们没有预料到的速度被穿越。 二、在谈预测之前，我要先发明几个词 你记不记得，三年前"Agent"这个词突然就流行起来了？或者"RAG"、“MCP”？这些词在两年前还不存在，或者只有极少数研究员在用，现在已经是科技媒体的日常词汇了。 （Agent：智能体，指能自主规划、执行任务、调用工具的AI系统，不只是回答问题，而是会主动做事。RAG：检索增强生成，让AI能实时调用你私有数据来回答问题的技术。MCP：Model Context Protocol，让AI和各种外部工具互联互通的标准接口，理解成AI的"USB接口"就够了。） 新技术总是先有现象，再造词语。词语跟不上的地方，就是变化正在发生的地方。 我接下来说的这几个词，现在还没有人这么叫，但我猜五年内它们会进教科书。 第一个：编排者经济（Orchestration Economy） 过去，“谁能做"决定了谁有价值。医生有价值是因为他懂医学，程序员有价值是因为他会写代码。执行能力是稀缺的。当AI的执行能力全面溢出，稀缺的就变成了"知道让谁做什么”。编排者，就是那个不一定会做，但知道怎么把一堆AI工具组合起来让整件事完成的人。 第二个：技能蒸发（Skill Evaporation） 每个人都有一些花了多年时间积累的技能。翻译、校对、排版、基础编程、数据整理、客服话术……过去是护城河。技能蒸发，是指这些技能在极短时间内失去市场价值。不是慢慢贬值，是蒸发。蒸发最快的是"有清晰输入输出、可被验证、大量重复"的技能。就像马车夫在1920年代的遭遇，只是速度快了二十倍。 第三个：静默生产（Silent Production） 当Agent可以24小时在后台运行，生产活动就开始在你睡觉的时候发生。你早上起来打开手机，你的AI昨晚写了三篇草稿、处理了十二封邮件、抓取了竞争对手的价格数据。没有人盯着它，它就是在工作。静默生产的规模将在2027年到2028年间变得可被统计。 第四个：意图层（Intent Layer） ...

唯一让你对矩阵构成威胁的思维层级 帖子信息 基本信息 作者：Darshak Rana ⚡️ 认证账号 (@thedarshakrana) 链接：https://x.com/thedarshakrana/status/2037199903248855072 发布时间：2026年3月27日 00:08 类型：长文（深度文章） 互动数据： 回复：10 转帖：49 喜欢：231 书签：665 观看：63,554 📝 中英对照翻译 开头部分 英文原文： Your entire life is a hallucination. Everything you see, feel, and believe to be “real” is being constructed right now by a mechanism you’ve never been taught to control. You’re stuck at the same level for years and you don’t even know it. You can feel it. The same arguments with different people. The same financial ceiling no matter how hard you work. The same existential dread at midnight or while pooping when the distractions stop working. The same promises to yourself that dissolve by February. You keep running into the same wall, and each collision leaves you more confused than the last, because you’re doing everything “right” (reading the books, listening to the podcasts, setting the goals, building the habits). And yet the matrix doesn’t dissolve. The truth is the matrix isn’t going to dissolve. You have to transform into someone who can walk through it. ...

2027年价值20万美元的5项AI技能（公司急需且容易学习） 帖子信息 基本信息 作者：Zephyr 认证账号 (@Zephyr_hg) 链接：https://x.com/Zephyr_hg/status/2037159923973304817 发布时间：2026年3月26日 21:29 类型：长推文（Thread） 互动数据： 回复：1 转帖：2 喜欢：14 书签：25 观看：1,089 📝 中英对照翻译 开头部分 英文原文： Something weird is happening in AI hiring right now. Companies aren’t struggling to find people willing to work with AI. They’re struggling to find people with specific skills that almost nobody has trained for yet. The roles exist. The budget exists. The people don’t. Here’s what those roles actually require. Most of the conversation about AI skills focuses on the same things. Build automations. Design workflows. Learn to prompt. And yes, those matter. But there’s a different layer of AI skills that every organization desperately needs and almost nobody is building. Not the people who create AI systems. The people who make sure those systems actually work the way the company needs them to. These are the roles sitting open for 6, 9, sometimes 12 months. And they pay accordingly. ...

17 Best Practices That Make Claude Cowork 100x More Powerful 帖子信息 基本信息 作者：Nav Toor 认证账号 (@heynavtoor) 链接：https://x.com/heynavtoor/status/2028148844891152554 发布时间：2026年3月2日 00:42 类型：长推文（Thread） 互动数据： 回复：67 转帖：594 喜欢：3,533 书签：14,161 观看：216.6万 📝 中英对照翻译 开头部分 英文原文： I’ve been using Claude Cowork since January 12, the day it launched. In seven weeks, I’ve run over 400 Cowork sessions. I’ve tested every plugin, every connector, every slash command. I’ve broken it in ways Anthropic probably hasn’t seen. And I’ve figured out the exact practices that separate people who think Cowork is “kind of cool” from people who’ve replaced half their software stack with it. The gap is enormous. And it has nothing to do with prompting skill. It’s about setup. Structure. And seventeen specific practices that most users will never discover on their own because Anthropic doesn’t document them. I tested each one. Measured the difference. Here’s the complete list — ranked by impact. ...

创造力恢复协议 - 7 天从"脑炸"回到"活着" 帖子信息 基本信息 作者：DAN KOE (@thedankoe) 认证状态：✅ 认证账号 链接：https://x.com/thedankoe/status/2036824811712942576 发布时间：2026年3月25日 11:17 类型：长推文（Thread） 互动数据： 回复：56 转帖：28 喜欢：145 书签：177 观看：6,419 📝 中英对照翻译 开头部分 英文原文： These past few weeks, I’ve felt completely brain-fried. You know that feeling. The one where you’re thinking about nothing and everything at the same time. That feeling when you try to think, brainstorm, or come up with a great idea, and nothing comes to mind, no matter how hard you try. It’s more of a cognitive burnout than an emotional one. I can keep working, sure, but I don’t feel very human. It could be stress. It could be too much AI (I’ve been playing vibe coding slot machine quite a bit recently). It could be falling out of my writing routine (which stems from shifting focus to other company problems, which leads to more stress). Great ideas and writing were a breeze for me just last month. I could sit down and write my heart out and feel like it was quality and close-to-original thinking. The longer this went on, the more the feeling compounded. Why can’t I write? Where did all my ideas go? How can I get back? That’s my primary goal with this letter. I want to provide both you and me with a guide that helps us return to our most creative state, and that’s very important, as you’ll find. My secondary goal is to show you that, even if you don’t think you’re a “creative person,” you can enter an incredibly enjoyable state of consciousness. Similar to flow state, but potentially more potent. You aren’t focused on breezing through a set of tasks. Instead, you’re seeing the world in a completely different way, like a dog who sees grass for the first time. ...

乐观、执着、自信、强大的执行力和人脉是事情启动的关键。 凝聚力强的团队、冷静与紧迫感的恰当结合，以及非理性的承诺是完成事情的关键。长期主义很稀缺；尽量不要担心短期内别人的看法，随着时间的推移，这会变得更容易。 对于一个团队来说，做一件真正重要但困难的事情，比做一件无关紧要但容易的事情更容易；大胆的想法更能激励人心。 激励机制是超能力；设置它们时要慎重。 将资源集中在少数几个你深信不疑的赌注上；这说起来容易，但显然做起来很难。你可以删减的东西比你想象的要多。 清晰、简洁地沟通。 每次看到废话和官僚主义，都要与它们作斗争，并让其他人也加入进来。不要让组织架构图阻碍人们高效地协作。 结果才是最重要的；不要让良好的流程成为糟糕结果的借口。 花更多时间在招聘上。敢于冒险录用那些潜力巨大且进步迅速的人。除了智力，还要寻找他们能够成事的证据。 超级明星的价值甚至比看起来还要高，但你必须根据他们对组织绩效的净影响来评估人才。 快速迭代可以弥补很多不足；如果你迭代得足够快，犯错通常是可以接受的。规划应以十年为单位，执行应以周为单位。 不要去对抗商业领域中相当于物理定律的东西。 灵感是易逝的，生命流逝得很快。不作为是一种特别隐蔽的风险。 规模往往会产生令人惊讶的涌现特性。 复利效应（指数级增长）是魔法。特别是，你一定要建立一种随着规模扩大而获得复合优势的业务。 站起来，继续前行。 与优秀的人共事是生命中最美好的部分之一。 原文链接：https://blog.samaltman.com/what-i-wish-someone-had-told-me