目标放长远。以全面提升自己为目标，不投机。

原本以为通过结构化，批量化的方式，能提升记忆单词的效率，最后发现还是需要一个一个的去记忆理解，最快的方式还是最慢的那套：深度理解，多用。

经营利润率，自由现金流，债务水平，是硬指标，持续失血坚决不投

关注其资金来源，通常可能是：

1. 融资，借款
2. 发行股票，增发

无论怎么来，不能从客户来都是极其危险的信号，增发股票更是对股东不负责的表现。

投资准则

1. 对的人
2. 对的事，长期增长的商业模式，护城河
3. 对的价格，安全边际

支撑判断的关键：

1. 对Founder，manager的长期分析，直觉经验。
2. 对商业模式，护城河的了解。
3. 对价格规律，定价，市场情绪的了解。

检查清单

在对任何一家公司投入真金白银之前，它必须通过以下全部四项严格的检查。任何一项不合格，都应一票否决或至少需要一个无懈可击的理由来破例。

第一步：财务健康度检查 —— "这家公司是现金牛还是债务奴隶？"

目标： 确认公司自身造血能力强，不依赖外部输血，能抵御经济寒冬。

• ☐ 资本回报率 (ROIC/ROCE): 过去5-10年，是否能持续稳定地高于15%？一个持续高回报的记录，是拥有宽阔护城河的最直接证据。
• ☐ 自由现金流 (Free Cash Flow): 是否充裕、稳定且最好在持续增长？自由现金流是公司真正可以随意支配的钱，是分红、回购、还债的底气。它的收益率（FCF Yield）是否具有吸引力？
• ☐ 利润率 (Margins): 毛利率和营业利润率是否长期稳定，甚至在扩张？这体现了公司的定价权和成本控制能力。
• ☐ 债务水平 (Debt Level): 债务是否处于可控水平？一个简单的测试：公司能否用1-3年的自由现金流还清所有债务？过高的债务会在危机中压垮公司。

第二步：管理层与资本配置检查 —— "管理层是优秀的管家还是败家的皇帝？"

目标： 确认管理层诚信、理性，并且将股东的钱（公司的利润）花在能创造长期价值的地方。

• ☐ 资本配置记录 (Track Record): 管理层过去是如何使用现金的？是进行明智的股票回购（在股价低估时）、支付可持续的股息，还是频繁进行高价的、最终被证明是毁灭价值的收购？
• ☐ 言行一致 (Actions vs. Words): 管理层在财报会议上对股东的承诺，是否与他们的实际行动一致？他们是否坦诚地承认错误？
• ☐ 内部人交易 (Insider Transactions): CEO和核心高管最近是在增持还是减持自家股票？他们的行动比任何言语都更有说服力。
• ☐ 长期战略 (Long-term Strategy): 管理层是否有一个清晰、理性的长期战略规划？还是在盲目追逐市场热点，做出情绪化的、不可预测的决策？（特斯拉的案例是极佳的反面教材）

第三步：护城河韧性检查 —— "这座城堡的城墙有多高？能否抵御未来的炮火？"

目标： 确认公司的竞争优势是真实、持久且难以被模仿的。

• ☐ 护城河来源 (Source of Moat): 公司的核心优势是什么？是强大的品牌（如苹果）、网络效应（如Meta）、极高的转换成本（如Salesforce），还是无与伦比的成本优势（如沃尔玛）？
• ☐ 竞争格局 (Competitive Landscape): 这条护城河是在变宽还是在变窄？竞争对手是否正在用新技术或新模式对其进行有效攻击？
• ☐ 压力测试 (Stress Test): 在上一次经济衰退中，公司的业务表现如何？它是否具有强大的定价权，能够将通胀成本转嫁给消费者？
• ☐ 长期趋势 (Secular Trends): 公司所处的行业，是顺应未来长期趋势（如人口老龄化、数字化），还是正在被新技术或社会变迁所颠覆？

第四步：估值与安全边际检查 —— "我付的价格，是捡了便宜还是买了山顶？"

目标： 确认买入价格远低于其内在价值，为潜在的判断失误和未知的风险提供足够的缓冲垫。这是投资安全的核心。

• ☐ 核心原则: 永远牢记"好公司 ≠ 好投资"。价格是你支付的，价值是你得到的。我们的目标是以五毛的价格买到价值一块钱的东西。
• ☐ 估值工具: 公司的远期市盈率（Forward P/E）是否显著低于市场平均水平或其自身历史区间？其自由现金流收益率（FCF Yield）是否具有吸引力（例如 > 5%）？
• ☐ 市场情绪 (Market Sentiment): 市场是否因为一些短期的、可解决的问题（如TGT的库存问题）而对公司过度悲观？当前股价是否已经反映了最坏的情况？（"在别人恐惧时贪婪"）
• ☐ 安全边际 (Margin of Safety): 问自己一个终极问题："如果我的分析是错误的，这家公司的价值比我预想的低20-30%，我现在的买入价还会让我亏钱吗？" 下跌的空间有多大？

通常来说，能力=决策质量。

优秀的决策来源于信息的丰富程度。信息来自自己对大量信息源的分析内化，成为自己的经验库。分析内化自己经验库的方式主要靠实践输出。

所以在目标领域大量输入，大量输出是锻炼我自己能力的关键。

Sold NVDA $160 covered call, expiring September 19, 2025, $10 premium.

神经网络的数学本质是概率空间，提示词工程则是帮助LLM在非常多的概率空间中找到较优解，来实现我们的目标，强化学习RL则是在现有的概率空间下，通过Post-training，来优化LLM的输出，提升较优路径的概率。都是优化路径概率，从条条大道中找到通向罗马的路，所以只要提示词构建得当，次级模型是能达到顶级模型的效果的，但这需要精巧的概率设计。

案例1

比如，从繁杂的群聊里面归类话题，总结事件进展，来龙去脉。如果提示词是：

请从群聊中，总结广泛参与讨论的话题，并给出事件进展，来龙去脉。

概率空间会非常宽泛，顶级模型可以很好的划分话题，分析来龙去脉，次级模型可能需要看运气，或者根本没法有效的切分话题。

如果改成：

1. 按时间顺序分析消息流，维护一个话题列表
2. 如果当前消息是对已有话题的讨论，则更新已有话题的讨论内容，将本条消息放到话题列表的消息流中
3. 如果当前消息是新话题的讨论，则创建新话题，将本条消息放到话题列表的消息流中

则概率空间大大收敛，从对全局的信息分析，变成对时间线的回复关系确认，简单很多，小模型也可以很好的完成。

案例2

当生成的结果，包含了幻觉链接，如何解决，比如：分享了⼀张⻋载充电宝的[图⽚](https://example.com/car_power_bank.jpg)，并感慨其重量，LLM生成了一个不存在的地址，这个问题来源于提示词：

每个话题转换为一条清晰、完整的描述，说明信息点、问答核心或分享内容，如有链接嵌入[链接](URL)。

LLM错误的将原文：xx分享了一张动态图片的链接，但是链接并不存在，所以它自己生成了一张图片，并嵌入到回复中。

通常我们如果加限制词，比如检查链接的合法性，或者检查链接是否存在，是较难解决这个问题的，原因是原始Prompt的概率空间非常大，比较模糊，有非常多的错误路径能指向放置一个链接。在此基础上做裁剪是较难达到效果，因为永远有没有考虑到的情况。

如果我们直接进行概率收敛，缩减提示词，则好的多，比如：

每个话题转换为一条清晰、完整的描述，说明信息点、问答核心或分享内容，如原文有http/https的URL，则以markdown格式[链接描述](URL)包含在回复中。

http/https的URL将LLM处理的概率空间缩的很窄，从源头上提高了正确识别URL的概率。比模糊的要求+限定结果好很多。

所以，设计一个提示词，要尽量向具体，众所周知的事情上靠，不要在一个模糊的要求上，加上很多限制词。把自己想象成LLM，按自己写的prompt走一遍，想一想这个步骤我的自由发挥空间是不是太大，如果太大则需要继续精简。

AI时代人的位置

今天看到一个高考考试成绩不和预期的娃自杀了。这很令人惋惜，特别是AI已经到来，高考已经没那么关键，教育要大改才能适应新的时代，但是不管改不改，家长都可以先自己改，这样更有优势。

高考像一个算力调度算法，把最稳定高效的算力调度到社会各个关键岗位，使社会高效运转。 但是稳定高效的算力这层社会运转作用正在被AI替代。慢慢变成不是人干的，运输，发电，资源生产调度（包括农牧渔工矿）。

这个阶段是的“理科生”问题阶段，把原有依赖人的部分，慢慢的替换成依赖机器与AI。但是没有给人提供新的方向，所以会产生大量冲突。这个阶段有大量的历史遗迹，比如追求稳定，高效的工作，希望能固定到社会某个齿轮里，获得社会保障，尝试在旧的体系里，依靠更卷来获得萎缩的岗位，会更卷。

无论怎样，新的方向终会到来，当资源不再稀缺的时候，基于人的本性的一些需求，自然就相当更加稀缺了，大脑不会骗人，最终人都会做自己想做的事情，饿的时候想吃，不饿的时候想快乐，想繁殖，想创造，这就是古老又新的方向。我不知道未来会更加奢靡还是更加纯粹，但是朝着自己喜欢的方向努力总不会错。

人的本性会衍生大量文科生问题：如何探索，如何认识自己，如何交流，如何创造

• 为了获得某个算法的高分去刷题，但是丢掉其他能力是否值得
• 为了英语的分数，大量刷语法，结构，考点，没大量时间沉浸在段子，小说，漫画，电影这些语言的承载物上，是否值得
• 为了掌握基础科学能力，牺牲掉心理学，交朋友学，游戏学，这些在资源生产社会明显不重要的学科，是不是又更加重要了

我觉得现在得给娃装备的非学科能力（包括自己）：语言（用的程度，不是常见培训出的固定模式），包括记忆力，分析能力，输出能力；自己动手解决问题的能力（不规定任务，但是提供资源自己瞎玩）；对自己的认识，生理，心理上的。

这个视频提到的大脑机制：

1. 大脑接受你的暗示，想法，你说工作太累了，他就整的觉得你累，要休息，你担心生病，它就真的生病。
2. 大脑接受你的想法的方式是头像，和自己的声音
   • 跑步时，想象你瘦的样子，别人在夸你，和想象自己累，乳酸难受，空气不好的画面对动机有很大影响。
   • 想象柠檬，真的会分泌唾液。
3. 大脑避免：痛苦，不熟悉的事情。可以利用这个阻止自己做事。
   • 烟放身边，自然会抽，把烟放车库车里，把自然熟悉的事情，变成周折陌生的事情，动机减弱
   • 想象做PPT的痛苦，学习的痛苦，大脑会接受暗示，学习，做事的动机减弱，最终拖延
   • 想象吃-》变胖-》穿不了衣服，丑的痛苦，阻止自己吃
4. 大脑喜好：快乐，熟悉的事情。可以利用这个让自己做事。
   • 对自己说：我喜欢学习，这是我要做的事情，我就是会做，大脑会相信你，增加学习动机
   • 不断对自己说我可以跑完的，可以的，最终更有可能跑完马拉松
   • 想象跑步后瘦了，穿衣服好看，别人夸你，增加跑步动机

• 一开始给自己打气可能没底但是有了初步动机，持续训练变成熟悉强化动机，有一点点结果之后外界对结果的正面肯定，让你相信你确实可以，最终你就真的可以了。
• 一开始给自己负面画面说就行不行，然后拖延多次结果不行之后动机进一步减弱，最终无结果外界的负面反馈，让你更加相信你真的不行，最终你就真的不行了。

昨天vibe coding翻车了，实现的功能就差一点点，但是这一点点死活调不好，越改越乱，sonnet 4不行换Gemini 2.5 pro救命，有时候能救过来，有时候一起翻车。无奈只能reset hard 然后硬着头皮读代码，精简结构。

Vibe coding的重要关键点：

• 自己掌控核心流程结构，要code review，虽然这越来越难了
• 及时commit，前提自己可以了解掌控这个版本是更新了什么
• 阶段性重构，将代码写少，写精简

technique:

• Assign role to ai, example: Steve Jobs, to improve the design and user experience.
• Evaluate the ability of specific model, if out of its ability, switch to more powerful model.
• For complex tasks, first generate a detailed document(FDD,PRD,etc.), clear the purpose first.
• For complex tasks, debug, log, not only can find the problem, but also can let me understand the architecture and flow.