周六上午给个人博客网站升级 typecho 和设置了 https 以及分析，通过 cloudflare，顺利完成一项任务；同时，下线了 pocket 的功能，还是用 SaaS 的 pinboard。
本周开始我也开始用 AI 总结我看到文章，从 Day One 每天日记从选取部分到每周发布的文摘中：首先让 Gemini 先总结一下，然后看有没有价值再继续，同时把 AI 的总结附在文章后面发布在每周发布的每周文摘上，Gemini 的总结没有那么花哨，还是喜欢 Gemini 的总结文字。
这周也花了很多时间看 https://www.youtube.com/@AWSEventsChannel 这里 AWS re:Invent 2025 的研究，主要是 breakout sessions 的不同 track，这周主要是 databases 相关的内容，后续另外总结成文。
本周观影
- 《我的美食向导》：黑叔叔的片子，刚看个开头，是个人文和美食结合的片子，还是黑叔叔自己配音
本周播客
本周胡思乱想
- 还是觉得工作没什么意义啊，无聊中度日，平凡人的生活吧
本周文章
Agent Psychosis: Are We Going Insane?
Agent 会把我们逼疯吗？里面有很多使用 AI 生成代码的一些问题的思考，各家包括社区也都还在思考和推进各种方案，特别认同 “Two things are both true to me right now: AI agents are amazing and a huge productivity boost. They are also massive slop machines if you turn off your brain and let go completely.” ，如果自己不思考任由 AI 自由发挥，那么结果可能就是灾难的，如文中提到的，生成代码一时爽，后续的 review 和维护可能会是噩梦。
这篇 从“代码补全”到“全托管 Agent”：我的 2025 AI Coding 进化论 ，给了具体操作层面的一些参考，包括 Shipping at Inference-Speed 和 Yu's skills 我的 vibe 技能套件
2025 大语言模型年度回顾
原文2025: The year in LLMs，各个方面全面的总结，写了很多，关于各方面的发展，也提到了中国几家公司在大模型方面的工作。
潮流周刊 254 期
2025 大语言模型年度回顾
https://tw93.fun/2026-01-14/llm.html
花了一晚上时间把 Simon Willison’s Weblog 这篇 《2025: The year in LLMs》翻译完了，我觉得写得非常好，能够帮助我们很好看清楚去年这一年大模型领域发展的一切，希望可以给关注 AI 和投资 AI 的小伙伴一些输入。
Youtube：一小时之内了解金融和投资的知识
https://www.youtube.com/watch?v=WEDIj9JBTC8
这个视频很适合投资小白，来源 Pershing Square 资本管理公司 CEO William Ackman，虽然是 13 年前的分享，但是很有价值，他用柠檬水生意把金融和投资讲得很简单易懂，很多结论放到今天依然成立。
先把三张表搞清楚：资产负债表看你手里有什么、欠别人多少、净下来还剩多少；损益表看一段时间到底赚没赚钱，收入、成本费用、利息折旧都算进去；现金流量表最硬，钱是不是真的进账、是不是被持续花掉，决定能不能扩张、能不能扛过坏周期。很多人只看利润，忽略现金流和负债结构，最后问题往往不是赚不赚钱，而是撑不撑得住。
融资部分也很直白：债和股就是两种承诺，借钱是固定回报，出事时对方优先拿钱，但收益封顶；出股权是承担更多波动，清完债才轮到股东，但生意做成回报空间更大。IPO 本质就是把股权卖给公众：公司拿到资金继续跑，或让早期股东获得流动性。
投资里他反复强调两件事：复利和回撤，复利吃时间，开始越早越占便宜，回报率差一点点，拉长到几十年差距会非常夸张。回撤是复利的天敌，亏 50% 需要赚 100% 才回本，所以长期投资里“别大亏”不是保守，是效率。
什么公司适合长期拿，他的标准很朴素，能不能用几句话讲清楚它怎么赚钱。品牌是不是够强、用户愿不愿意持续买；有没有护城河、别人抄不走；负债别太重；别过度依赖利率汇率大宗价格这类外部变量；资本效率要高，不是必须一直砸钱才能增长的生意。看起来是偏好，其实是在筛掉未来很难判断的公司。
心理和纪律部分更像底线：恐慌时敢买、过热时敢卖，但前提是你自己做过研究，不是名字熟就下手。进入市场前先处理高息债务，并留出 6–12 个月应急金，避免在最差的价格被迫卖出。
没时间研究个股也没问题：基金或指数化，把研究交给体系，挑基金经理主要看可信度、策略是否可解释、长期记录是否可验证，以及利益是否一致。（ps 不过这里我更推荐是标普 500 这种，非常有基金经理那种）
最后推荐了《聪明的投资者》 这本书，也挺值得一读。
2025年投资总结（一）：不及格的一年
2025年年终总结（二）：核心仓展望（航运、核电、商业地产等）
2025年年终总结（三）：卫星仓展望（AI应用、文化传媒、消费电子等）
阅读过程中，对于自己的思考：
- 什么是自己的核心仓和卫星仓？卫星仓是博取超额收益的还是做一些尝试学习的，或是两者都有？
- 中国核电的分析思路是什么？内部机组建设（投入），外部主要是电价，市场化会有优势胜出（核电成本价相对较低），数据中心对于电力需求（外部竞争和市场条件）
- 我是学不来这么多的投资方向的，目前 A 股我还是期望买一些长期资产，一是考虑一波一波的轮动太难跟上了，还有一方面是相信长期资产具备穿越周期的保障，可以长期持有作为未来生活的支撑
- 需要有自己的分析框架和思路，可借助 AI，两个核心：商业模式（生意）和企业文化（人），更技术分析就是看财报：资产负债表、现金流量表、利润表（损益表）
Go ahead, self-host Postgres
文章谈了为什么需要自部署而不是利用云服务？同样的性能和稳定性但便宜很多，是作者的诉求；就 AWS RDS 会提供什么，做了分析，进一步描述自部署需要做什么，从 weekly/monthly
/quarterly 角度，同时说了如何配置；最后，说了未来的预测，还是会是混合的模式，自部署是解决成本的问题。
读《传习录》
书我看了一部分，但还没坚持读下去，Gemini 总结如下：
这篇文章是著名开发者、Emacs 社区大牛 ManateeLazyCat（懒猫） 撰写的读书笔记，记录了他阅读王阳明《传习录》后的深度领悟。
懒猫通过“译文 + 感悟”的形式，探讨了王阳明心学如何解决现代人在信息爆炸、竞争激烈的社会中所面临的焦虑与迷茫。以下是核心总结：
1. 核心痛点：为何现代人身心俱疲？
* 知识不等于智慧：现代人追求无穷的知识和信息（唯物论），但知识无法回答人为何而活。缺乏“轴心”的人，在多方观点冲突和世俗比较中容易迷茫。
* 功利心导致本末倒置：很多人想先学完所有道理再做事，或者追求快速成功，导致能量被欲望消耗。
2. 王阳明心学的核心启示
* 知行合一的真意：这里的“知”不仅是知识，更是“良知”。良知与实践必须统一。
* “事上磨练”：真正的修行不在于躲在安静处打坐，而是在具体的事务中克制私欲、磨砺内心。只有经历过困难的考验，才能做到“静亦定，动亦定”。
* “格物”即“纠正”：懒猫领悟到“格”是正的意思，即纠正内心不正的思想，使事物回归本来的善良本质。
* “致良知”：这是解决问题的终极简化。遇到任何事，先问自己的良知（发心）是否正确，只要发心对，做事就能善始善终。
3. 作者的实战化领悟
* 无我与谦恭：做事要“无我”，专注当下而非个人利益。谦恭是获取能量的源泉，而攀比和傲慢则是恶的根源。
* 像种树一样立志：专注于当下的“栽培灌溉”（克己功夫），不要空想未来的花果（名利结果）。
* 心即理：真理不在身外，也不在故纸堆里，而在每个人真实、空灵且善良的本心中。
4. 总结感悟
懒猫认为，王阳明心学是医治现代人心理问题的良药。它不是教人消极避世，而是教人以“善良的发心”作为根基，在“实战中克己”，从而摆脱无谓的比较与恐惧。
一句话总结：这是一位硬核程序员从传统文化中寻找到的人生底层逻辑——通过“致良知”和“事上磨练”，将复杂的世界简化为内心的修行，从而实现人生的从容。
Shipping at Inference-Speed
这篇文章《Shipping at Inference-Speed》由著名开发者 Peter Steinberger（PSPDFKit 创始人）撰写。文章以 2025 年底为背景（带有一定的未来展望色彩），深度分享了他如何利用 AI 智能体（Agents）实现极速开发与交付的经验。
以下是核心内容总结：
1. 开发范式的转变：“氛围编程”（Vibe Coding）的进化
* 从“阅读代码”到“理解系统”：作者表示他现在几乎不再阅读底层代码，而是观察 AI 生成的流。他不再纠结于具体的语法实现，而是将精力集中在系统架构设计、语言/生态选择以及依赖项管理上。
* 开发速度的限制因素：现在的开发速度主要受限于 推理时间（Inference Time） 和 深度思考。对于大多数“增删改查”类的平庸业务逻辑，AI 可以几乎瞬间完成。
2. 模型对比：Codex vs. Opus
* GPT-5.2 Codex：作者目前的生产力核心。他认为 OpenAI 的模型在后推导（Post-training）方面更出色，会在写代码前花大量时间“阅读”整个项目，虽然速度较慢，但在进行大规模重构和复杂功能开发时成功率更高。
* Claude Opus：更适合快速的小修改，但在处理大文件或复杂任务时容易“急于求成”而导致错误。
* 推理偏好：作者倾向于使用高推理（Reasoning Effort: High）模式，认为这种“多想一会儿”的成本远低于事后去修补错误。
3. 工具链与自动化
* Oracle 🧿：作者开发的一个 CLI 工具，专门用于在智能体卡壳时调用更高级的模型进行“深思熟虑”并检索信息。
* 抛弃 IDE (Xcode)：他不再依赖 Xcode 等重型 IDE，而是直接使用 Swift 构建基础设施。他认为现代 AI 智能体完全有能力在没有 GUI 环境下处理 iOS 模拟器和构建任务。
* 为智能体设计代码库：他不再为了方便人类阅读而组织代码，而是为了让 AI 更好理解来设计代码库结构（例如通过大量的文档和清晰的 CLI 接口）。
4. 独特的工作流
* 多任务并行：同时推进 3 到 8 个项目。当 AI 在后台运行长达数小时的重构任务时，他会切换到其他项目。
* 线性开发：他通常直接提交到 main 分支，避开复杂的 Git 分支/工作树管理，减少认知负担。
* CLI 优先：任何新想法都先从命令行工具（CLI）开始，因为 CLI 易于被 AI 调用和验证。
5. 核心结论
作者认为，硬件和软件的界限正在模糊，“硬件就是固化的软件”。未来的开发者更像是一个架构师和调度员。AI 已经能够在一句指令下完成长达 5 小时的复杂重构（如将整个系统从 TypeScript 转写为 Zig），这种生产力是传统手动编程无法比拟的。
一句话总结：这是一篇探讨 AI 驱动下极致开发效率的实践手册，强调了通过信任高级模型、优化 AI 语境（Context）以及转向系统级架构思维，开发者可以实现“推理级”的交付速度。
