Hello，最近算是真的入夏了，大部分地方都有三十多度了吧，大家多注意防暑~
墨玩遐想
1、如何更好地接受批评
“闻过则喜”，指的是听到批评意见，我们应该觉得高兴
我们都明白这个简单的道理，但是要做到，是一件很难的事情
听到批评意见，我们往往在情绪上有许多抵触，这是人性使然
另一方面，我们又会觉得需要"闻过则喜"，陷入两难的境地
如果一直在这两种状态来回摆动，就会变得很内耗
其实可以有更好的办法接受批评意见
试想一下，如果对方批评的不是我，而是别人
这时我们站在第三方视角，不仅不会有抵触心理，反而能从别人的批评中吸取教训
所以，我想到的一个办法是调用自己的元认知，从第三方的视角来观察自己
当别人批评自己的时候，把被批评的对象，换成是我们自己心中"那个容易情绪化的小孩"
这样就把我和被批评的对象区分开了，而我又还是那个"我"，在接纳批评之后，又能更好的成长
2、为什么Cursor的bug，Trae能改好？
我在交叉用Cursor和Trae的时候，发现有个奇怪的现象
Cursor改出的bug，我丢给Trae去修复，往往都能一次就搞定
而持续让Cursor改，会陷入死循环
反过来也一样
我感觉原因在于，如果一直在Cursor开发，出现bug后，它有着更完整的上下文信息，会陷入之前的思维定势，掉进坑里
这时候换成Trae，它是0上下文，会重新审视整个项目，跳出思维定势
3、AI对新手来说还是太难了
上周看到一篇对Anthropic首席产品官的访谈，提到
对我们来说，最大的问题是——AI产品对新手来说仍然太难用。我们确实设计了一些很有价值的工作流，但它们依然需要用户"用对方式"。只要使用路径稍微偏离主线，效果就会大打折扣。不像你第一次打开Instagram，知道该拍照、该发帖。AI产品还远没做到那种"开箱即用"的程度。当然，这与我们当前偏重于"工作场景"而非"日常娱乐"有关。但我常常在想，现在模型的能力已经很强了，可实际能用好的用户还是太少，潜力还远未释放。
目前AI对新手来说还是太难了
这个观点和我想的其实是一样的
按照发展规律，新事物的出生到完善，有很长一段路要走
以电脑为例，最早的电脑ENIAC，占地面积170平米，重达30吨，完全不是给普通人用的，也用不起
半导体行业按照摩尔定律不断发展，才把电脑逐步从能用，变成可用，再变成好用，最后变成平价且好用
AI产品其实也很像，目前的形式都是chatbot对话，其实还不够好用，用户每次都需要输入一堆提示词
它并不是AI交互效率最高的方式，更好的方式是什么？
目前还不知道，这需要发挥我们的想象力
前段时间豆包出的视频AI交互是个很好的尝试，以与AI视频通话的方式
能帮助许多不太会用AI的用户，特别是老年人能够快速上手，使用上最新的生产力工具
墨玩读书
上周看的书也不是很多
《脑科学学习法》推荐值：三颗星
如果大家是Coursera的用户，多半会知道有门课叫"Learning How to Learn"
这门课讲述了如何运用脑科学的研究成果进行学习
这本书的作者芭芭拉·奥克利就是课程的主讲人
我觉得这本书是课程的延伸，每章都提到了脑科学的研究成果
比如说记忆机制，像书中提到的程序性系统，其实就是内隐知识，这类知识一旦学会，就深深的刻在记忆中，很自然的把记忆提取出来，我们甚至都感觉不到，比如开车就是这样，我们"不经过思考"，就知道怎么开车了
《科学之路》推荐值：三颗星
最近AI很火，人人都想学习AI
我觉得学习一个领域最高效的方式，就是和领域的大师学习
面对面的学习当然不可能，但好在互联网为我们提供了便利
我们可以通过书、在线公开课跟着大牛去学习
这本书的作者中文名叫杨立昆，相信对人工智能学术界有所了解的人，不可能不知道他
可以说他是深度卷积网络的奠基人之一
与Yoshua Bengio（约书亚·本吉奥），Geoffrey Hinton（杰弗里·辛顿）一起获得了2018年的图灵奖（计算机界的诺贝尔奖）
这本书主要介绍了AI发展的历史、作者自己的科研经历（例如怎么发现卷积神经网络）以及对AI的思考
对于想深入了解AI技术的同学会很有帮助
预警一下，书中有很多数学公式，主要用来讲解深度学习底层原理，如反向传播机制、梯度下降等概念，不感兴趣的话，可以直接跳过
其它
《支付战争》《从0到估值1000万》感觉一般
《中国通史第七册（全十卷）》推荐可以看看，用来搭框架