周末在老家，看看油菜花，一年又一年，美好的季节又到了（记得上张油菜花的图 - done）。
本周观影
本周阅读
- 《House of Huawei: The Secret History of China's Most Powerful Company》：慢慢读，目前看类似任的传记。
- 《量子迷宫》：好看好读，只是对于量子物理不懂，但是不影响阅读。
- 《安东尼·波顿的成功投资》：读了一阵子了，我记得是前面几章有价值，后面更多是从基金管理者角度去如何考察公司等等，不太适合个人投资者，我还会重新再看的。
本周播客
本周胡思乱想
- 突然意识到人类可能要迈入一种超级无聊的物理现实中去（科技和 AI 的发展，是不是无趣的会泛滥？），如果面对这种超级无聊，一定得靠自己和人类自身不断的进化。
- 当你不喜欢一个组织/公司的，你能怎么办？工作想明白就行，虽然时不时郁闷一下是当然的，但是这个一定不能是长期的一个状态，要么另找地方，要么就是认清现实，早点找其他出路；早点找其他出路，每天都琢磨琢磨，阿里有句土话“念念不忘，必有回响”，响不响先不说，念念不忘是一定要的；多赚工资一定是最容易的那条路，比起自己折腾以及投资理财有收入，但是后两者也是不可或缺的。
- 昨天（周二）白天处理完团队同学的事情，也算了解一桩事情，希望对方一切顺利；晚上参加了管理层的聚餐，也还算不错，但是后续公司是要出大问题了，希望不是我预设的那样，但目前的确是个不好的趋势，异常不好。
- 每天只打开一次 feedly/x/telegram，够了，其他时间就是多消化和输出，不要 FOMO。
本周文章
又到了公司的绩效季，看到 Jean 分享了这个，linkedin 上，其实还没提一条，关于裙带关系以及内部的政治，所以大部分公司外面看着光鲜，其实都是“精致的草台班子”。
https://www.linkedin.com/feed/update/urn:li:activity:7430640803737403392/
Here's the truth about performance reviews:
* Most companies don't reward performance. They reward performance theater.
* The person who says the meeting was great beats the person who says it wasted an hour.
* The person who agrees with bad ideas beats the person who prevents disasters.
* You think you're measuring contribution. You're measuring conformity.
* And your best people? They've already figured out the game.
* They're just deciding whether to play it or find somewhere that values truth over comfort.
卡比正在吞噬 Context Engineering，下一步是 Codebase Engineering
原文来自 Amap Nicolay Gerold：Kirby Is Eating Context Engineering，大模型演进不只是模型本身，还包括类似目前的上下文工程，结合过去看到的文章，对于构建 Agent 的思考，更多的利用一直演进变化的大模型能力是需要在工程上考虑的事情，好多“补丁”逐渐是被废弃的，但是新问题会持续出现（“So yes, we delete aggressively. But the frontier never disappears — it just moves. There is always something at the edge of LLM capability that still needs to be built.”）。
這篇文章涵蓋面很廣: 從 context rot 的本質、使用者端的 context engineering 手法、到模型如何吞噬這些手法、再到 codebase engineering 的轉向。小編覺得最有價值的洞見是那句話: 「前沿永遠不會消失，它只是移動。」你今天精心設計的 context 管理策略，明天可能被模型內化了——但新的邊界問題又會浮現，而那才是值得投入的地方。
配置系统：从幻梦到初醒
如何完善配置管理，结合系统和组织管理的流程和审计等需求？文章谈了很多，包括市场上流行的系统，开源的或商业的，留着做个参考。
Building a modern lakehouse architecture: Yggdrasil Gaming’s journey from BigQuery to AWS
工作需要还是持续学习 AWS 想过的技术和架构，而且 AWS 通过其博客持续宣传技术和方案方面，做的真的很好；这个文章本身，提到了 AWS 技术和一些开源技术的结合，比如：CDC 通过 Debezium 以及用 dbt 结合 Athena 实现数据转换，通过 Argo Workflows 实现调度，而不用 Airflow 和 Glue 等。
The migration followed a phased approach:
* Establish lakehouse foundation – Set up Apache Iceberg-based architecture with Amazon S3 with AWS Glue Data Catalog
* Implement real-time data ingestion – Deploy Debezium connectors for real-time change data capture from EKS and Google Kubernetes Engine (GKE) clusters
* Migrate processing pipelines – Re-system ETL pipelines using AWS Lambda, and legacy data applications re-systemed on Amazon EMR
* Modernizing the transformation layer – Implement dbt with Amazon Athena for modular, reusable models
* Enable governance – Configure AWS Lake Formation for comprehensive data governance
GNU and the AI reimplementations
AI 不是毒药，也不是开源腐化的助推剂，开源是否变坏或更好，其实不是 AI 的问题，更多是社区的问题，正面看，开源也许可以走的更好，在 AI 助推下，只要还有一帮有热情和仇恨自己日常工作的人在（我自己个人就是，也想在开源方面有所贡献，但是从来没做到过，也许 AI 来了对我是个更好的机会）。
Many passionate individuals write open source because they hate their day job, and want to make something they love, or they write open source because they want to be part of something bigger than economic interests. A lot of open source software is either written in the free time, or with severe constraints on the amount of people that are allocated for the project, or - even worse - with limiting conditions imposed by the companies paying for the developments. Now that code is every day less important than ideas, open source can be strongly accelerated by AI. The four hours allocated over the weekend will bring 10x the fruits, in the right hands (AI coding is not for everybody, as good coding and design is not for everybody).
Before AI, we witnessed the commodification of software: less quality, focus only on the money, no care whatsoever for minimalism and respect for resources: just piles of mostly broken bloat. More hardware power, more bloat, less care. It was already going very badly. It is not obvious nor automatic that AI will make it worse, and the ability to reimplement other software systems is part of a bigger picture that may restore some interest and sanity in our field.
https://x.com/Manjusaka_Lee/status/2031099290622505221
by Manjusaka
这种方式我的理解只是通过 skill 和 LLM 把 SRE 过去的能力和沉淀，揉进 LLM 去，而不是有实际的提升，更多还是需要考虑如何利用好 LLM 和 Agent 实现更多的自动化和智能化。
提炼 skill 将会成为 SRE 工作中很重要的一部分
对于一些常见的高风险事情，一些符合团队当前的最佳实践，对于一些事故通用的反思与积累。SRE 将会比业务团队有着更为敏锐的嗅觉。所以沉淀 skill 以及围绕 LLM 做更好的基建，将会成为 SRE 核心的一个工作
将传统的“saka，我这有个模型要上”变化成为通用的 skill，在团队内部将知识落地率以更有效更容易的方式提高，这毫无疑问是很有价值也很有挑战的一件事
或者更直白一点说，如何将事故报告更有效的转化为 skill 和 LLM 基建，将会成为衡量一个技术团队技术能力很核心的评判标准
https://x.com/lifesinger/status/2031233919258116539 by Frank 玉伯
养龙虾和带团队好像：
1、首先是要舍得发工资。比如给龙虾 Opus 4.6，立刻非常不一样。跟团队招聘要招一流人才是一个理。
2、其次是懂得授权。各种权限给到，账号密码能给的都给，各种上下文都整理好给龙虾。授权是管理的第一课。
3、然后要懂得定目标。要做啥，什么是做得好，什么是做得不好，能把目标描述清楚，说给龙虾听。龙虾拿到一个好目标，往往就能超出预期给到好结果。这和团队管理是一模一样的。
4、给予服务而不是控制。当龙虾遇到问题或寻求帮忙时，能和龙虾一起静下心来，看哪里出问题了，补充上下文或告诉龙虾怎么做。让事情能继续下去。用服务心态去帮助龙虾成长。这个点，也和带团队是一样的。
给足钱、大胆授权、定好目标、服务好过程，做到这几点，往往就是一个优秀的 Team Leader 或养虾人。
不同之处是，没找到。
https://x.com/lifesinger/status/2031975332086161424 by Frank 玉伯
活下去比啥都重要，其他都是在活下去的路上持久追求的一个过程，比如：改变世界的理想和使命愿景价值观。
早上听了创业者唐辛格的一期播客，很实在有启发。几个记忆点：
1. 融资很容易带来幻觉。很多创业者的坑都是幻觉带来的，以为是真实的，但其实通过融资，放大了人性的贪嗔痴。曾有个朋友融了 5000 万美元，很快花完了 3000 多万。意识到不对，最后用剩下的 1000 万，团队大幅减少，方向聚集到一个小点，关注现金流而不是融资故事，终于才活过来，而且后续活得很好。很多融资述事的团队，失败非常快。
2. 常识很重要，但常识也没什么用。有用的常识，是意识到自己忘了的东西。比如活下去的关键是现金流。比如五毛钱的狮子头是淀粉做的，十块钱的才是肉。尊重常识，就是不要骗自己。创业过程中，资本、自媒体等各种嘈杂会非常多，老关注会很容易骗自己。能始终清晰看见常识，不被蒙蔽，是创业过程中很重要的能力。
3. 改变世界很容易骗自己。更有机会的是小事情，两三个月就能开始赚钱获得正反馈。事小，开心，能持续去做。很多这类创业者很低调，不需要融资，也不太需要被看见。活得很好。
4. 不要遇到问题就解决问题。创业者需要谨慎选择要解决什么问题，不能什么问题都去解决，要基于资源、资金和长期兴趣。问题永远多过能解决的，过滤很重要。
5. AI native 不重要，重要的是用户愿不愿意付费。对于 AI native 的公司，收入是不是 AI 带来的无所谓，用户愿不愿意花钱比较重要。这是最简单也是最有效的判断。
总之，从唐辛格的分享里，能看到：或许创业者最重要的，是不追求宏大目标，而是能持续做自己喜欢的事，保持好奇心和学习能力，能在正循环里不断赚钱，活下去，活得好。
莫经他人苦，就别轻易说羡慕
没错，每个个体都是自我进化的过程，不用羡慕或妒忌他人，自己走的路才是真实的，他人的路你其实看不清也不会知道其是如何走过来的。
很多时候，人们之所以选择「羡慕」，是因为这样最省力。承认别人的成功来源于运气或某种不可复制的机遇，远比承认别人付出了自己无法想象的努力要容易得多。因为前者可以让自己理直气壮地原地踏步，而后者则会照出自己的懒惰与怯懦。
在这个信息极其透明的时代，我们每天都能在朋友圈、社交媒体上看到无数令人羡慕的生活片段。但这些片段往往是经过修饰的「人生高光」，那些为了支撑起这些光芒而付出的代价，都被隐藏在了阴影里。
与其把时间花在对他人的生活指点江山，或者在口头上表达那些廉价的羡慕，不如把目光收回到自己身上。每个人都有自己的时钟，也都有自己必须要跨过的坎。当我们不再轻易对别人说出「羡慕」二字时，或许说明我们已经开始真正尊重他人的付出，也开始坦然面对自己的人生路径。毕竟，生活不是过给别人看的，那些真正能让你走得长远的，永远不是瞬间的运气，而是那些没人羡慕的、枯燥且艰辛的磨炼过程。
Zen of AI Coding
这个总结的很完善，最近看的好多文章有类似的提法，未来的软件和产品研发，会如何走向？还有很多未知，但是有些是确定性的，AI/LLM/Agent 其实无法回避，只是这个过程中人的角色、软件工程管理的演化和工具变化等等问题其实都还没明确答案。
* Software development is dead
* Code is cheap
* Refactoring easy
* So is repaying technical debt
* All bugs are shallow
* Create tight feedback loops
* Any stack is your stack
* Agents are not just for coding
* The context bottleneck is in your head
* Build for a changing world
* When considering Buy vs. Build, the answer, more often, is build
* Fast rubbish is still rubbish
* Software is a liability, a product is an asset
* Moats are more expensive
* Build for agents
* Anticipate modes of failure