Posts

Linux 命名指南：命令和参数，到底哪些能还原成英文？ 很多人学 Linux，第一反应是背命令，第二反应是背缩写，第三步就开始被各种“民科助记图”带沟里。 真相没那么玄：有些命令和参数确实能还原成英文，有些只是历史缩写，有些根本不能硬编。 学 Linux 最省力的方式，不是死记字母，而是搞清楚：哪些能翻译，哪些只能接受。 先说结论 Linux 命令的名字，大致分三类： 完整英文单词：比如 find、sort、less 可以还原的缩写：比如 pwd = print working directory，mkdir = make directory 历史遗留 / 约定俗成：比如 grep、awk、sed，这类别硬猜，查手册更快 参数也一样： 长参数通常就是完整英文：--help、--recursive、--ignore-case 短参数通常只是取一个字母：-r、-i、-v 同一个字母在不同命令里可能不是一个意思 所以核心原则只有一句： 能还原的就还原，不能还原的别硬编。先理解动作，再记字母。 一、命令名：哪些值得还原？ 先看一组最常用、而且值得记英文原意的命令。 1. 直接就是英文单词 这些最省心，看到名字就能大概知道它是干嘛的： find：查找 sort：排序 less：分页查看 touch：创建空文件 / 更新文件时间戳 clear：清屏 kill：向进程发送信号 export：导出环境变量 这类命令不用过度解释，按英文单词理解就行。 2. 能还原成英文短语的 这类是最适合新手建立“语义感”的： cd = change directory pwd = print working directory mkdir = make directory rmdir = remove directory cp = copy mv = move rm = remove ps = process status man = manual chmod = change mode chown = change owner 你会发现一件事： ...

基于 Anthropic 内部最佳实践（Boris 分享）+ 个人实操总结的可执行操作手册。 核心理念：头脑风暴 → 计划 → 执行，前期功夫占最大分量。 底层逻辑见 [[AI协同开发的第一性原理]] 总览：三阶段工作流 模糊想法 │ ▼ ┌─────────────────────────────────────────────┐ │ 第一阶段：头脑风暴（该不该做？做什么？） │ │ ├─ 关卡1：问题审视（这个想法在解决什么？） │ │ ├─ 关卡2：最小可行性验证（技术上做得到吗？） │ │ └─ 关卡3：方案比较 + 预验尸（用哪种方案？） │ │ │ │ ⚠️ 占总精力 30-40%（最容易被跳过，也最值钱） │ └──────────────────────┬──────────────────────┘ │ 三个关卡全部通过 ▼ ┌─────────────────────────────────────────────┐ │ 第二阶段：计划（怎么做？） │ │ ├─ Plan 模式出详细方案 │ │ ├─ 创建/更新项目 CLAUDE.md │ │ └─ 规划测试场景 │ │ │ │ 占总精力 20% │ └──────────────────────┬──────────────────────┘ │ 计划审查通过 ▼ ┌─────────────────────────────────────────────┐ │ 第三阶段：执行（动手做） │ │ ├─ 并行 worktree 工作流 │ │ ├─ 建立测试 → 自动修 bug │ │ └─ 子代理分流 │ │ │ │ 占总精力 40-50% │ └─────────────────────────────────────────────┘ 大部分人的精力分配是 5% / 10% / 85%。这就是做到后面越偏越远的根本原因——计划建立在未经验证的假设上，执行得越好偏得越远。 ...

从零建立 LLM 知识体系 从"语言模型是什么"出发，沿 基础原理 → 架构 → 训练 → 对齐 → 应用 的主线展开，每个模块建立因果逻辑链。 语言是人类知识的通用载体。学会预测语言 ≈ 被迫学会语言中编码的知识和推理。规模放大了这个效应。 前置知识 LLM在更大的技术体系中的位置？ 人工智能 (AI) └── 机器学习 (ML) └── 深度学习 (神经网络) └── 自然语言处理 (NLP) └── 语言模型 (LM) └── 大语言模型 (LLM) 简要认识一下： 人工智能 (Artificial Intelligence)：让机器做通常需要人类智能的事。 机器学习 (Machine Learning)：AI的一个子集。核心区别，不是人写规则，而是让机器从数据中自己学出规则。 深度学习 (Deep Learning)：ML的一个子集。用的工具是多层神经网络，很多层简单计算单元叠在一起，深就是层数多。 自然语言处理 (Natural Language Processing)：AI里专门处理人类语言的分支。 LLM是深度学习在语言领域的一个特定应用。 LLM是什么（程序员视角）？ 很多技术我们不知道它是什么，不妨先把它整体看作一个有输入和输出的黑箱。 你觉得它和传统软件或应用程序有什么区别？比如一个计算器程序，用户输入1+1，输出为2。如果你用过ChatGTP，你就会发现输入同样的问题，它每次回答的内容都不尽相同。 传统软件，是程序员根据需求严格编好的一套规则——代码，每一步行为都是人预先定义好的。 ChatGTP，没有人写过“如果用户问X就回答Y”的规则。它是吃了互联网上几万亿字的文本，然后从中学出来的，没有人能完整说清他内部到底学了什么。 我们可以确认模型内部形成了某种对语言世界的理解结构，不停的预测下一个输出是什么。 LLM是一个从海量文本中学会了**”给定上下文，什么是合理的下一套token“**这套规则的模型。 基础概念 Token（输入的基本单位） ↓ 概率分布（模型对下一个 token 的预测方式） ↓ 上下文窗口（模型能看到多少 token 来做预测） token(BPE分词) 我们使用各家厂商的模型，经常听到花费多少token，那token究竟是什么？这个我们要回到自然语言处理，有一个专业术语叫tokenization（分词/标记化）。 人类认识文本以字或词来为最小的一个意义单元。 ...

本文基于本站的实际配置，记录 Hugo + PaperMod 主题的核心配置项和常见操作。 Hugo 版本：0.157.0 | 主题：PaperMod 1. 项目初始化 # 创建站点 hugo new site blog cd blog # 安装 PaperMod 主题（作为 Git Submodule） git init git submodule add https://github.com/adityatelange/hugo-PaperMod.git themes/PaperMod 然后编辑根目录下的 hugo.toml（Hugo 0.110+ 默认用 toml，旧版用 config.yaml）。 2. hugo.toml 逐项解读 以下是本站完整配置，每项都有注释： # --- 基础信息 --- baseURL = 'https://sharonzhou.site/' # 你的域名，末尾带 / languageCode = 'zh-cn' # 语言代码，影响 HTML lang 属性 title = 'Sharon 的博客' # 站点标题，显示在浏览器标签页 theme = 'PaperMod' # 主题名，对应 themes/ 下的目录名 # 启用 Git 信息：自动从 git commit 读取文章的创建/修改时间 enableGitInfo = true # 构建未来日期的文章（默认 false，会导致未来日期的文章不显示） buildFuture = true # 列表页每页显示的文章数量 paginate = 20 # --- Front Matter 日期策略 --- [frontmatter] date = ['date', ':git'] # 文章日期：优先用 front matter 里的 date，没有则取 git 首次提交时间 lastmod = [':git'] # 最后修改时间：直接取 git 最近提交时间 # --- 输出格式 --- [outputs] home = ["HTML", "RSS", "JSON"] # 首页生成 HTML + RSS + JSON（JSON 是搜索功能必需的） # --- 站点参数 --- # 注意：author 必须写成字符串，不能用 [params.author] 表格格式 # 否则页面会显示 map[name:sharon] [params] env = "production" # 启用 OpenGraph / Twitter Card 等 SEO meta description = "个人技术博客，记录 AI、建站与方法论" author = "Sharon" defaultTheme = "auto" # 主题模式：auto（跟随系统）/ light / dark mainSections = ["posts", "ai-daily", "thoughts"] # 归档页和首页显示哪些 Section ShowReadingTime = true # 显示预计阅读时间 ShowPostNavLinks = true # 文章底部显示「上一篇/下一篇」导航 ShowBreadCrumbs = true # 显示面包屑导航（Home » Posts » 文章名） ShowShareButtons = false # 不显示分享按钮 ShowCodeCopyButtons = true # 代码块显示一键复制按钮 ShowToc = true # 文章详情页显示目录（Table of Contents） TocOpen = true # TOC 默认展开 comments = true # 启用评论（需要配合评论系统组件） hideAuthor = true # 隐藏文章 meta 中的作者名 # --- 导航栏 Logo --- [params.label] icon = "/logo.png" # 放在 static/logo.png，显示在导航栏左侧 iconHeight = 30 # logo 高度（px） # --- 首页 Welcome 区域 --- [params.homeInfoParams] Title = "Welcome" # 首页大标题 Content = "写作，坐在椅子前的艺术" # 首页副标题/描述 # --- 导航菜单 --- # weight 决定显示顺序，数字越小越靠前 [[menus.main]] name = "文章" url = "/posts/" weight = 1 [[menus.main]] name = "AI 日报" url = "/ai-daily/" weight = 2 [[menus.main]] name = "想法" url = "/thoughts/" weight = 3 [[menus.main]] name = "归档" url = "/archives/" weight = 4 [[menus.main]] name = "搜索" url = "/search/" weight = 5 [[menus.main]] name = "关于" url = "/about/" weight = 6 # --- 代码高亮 --- [markup.highlight] noClasses = false # 输出 CSS class 而非内联 style，便于自定义颜色 # --- Goldmark 渲染器 --- [markup.goldmark.renderer] unsafe = true # 允许 Markdown 中的 raw HTML 3. 新建内容板块（Section） Hugo 用 content/ 下的子目录来组织不同板块，每个子目录就是一个 Section，有独立的列表页。 ...

核心原则：最大化 P(好信息|我看的信息)，而非 P(我看的好信息|所有好信息) 操作原则：问题驱动 > 囤积驱动。没有在解决的问题，就没有有用的信息。 元原则：信息的价值 = f(信息质量, 你的吸收能力, 信息与你问题的匹配度) 信息分级标准 层级 描述 特征 使用场景 T1 原创研究者/工具创造者 论文作者、教材编写者、开源项目创始人 深度学习、建立根基 T2 领域科学家/资深专家本人 有重大贡献的学者、一线实践领袖 追踪前沿、获取第一手见解 T3 专业评测/分析/教程作者 科学记者、深度测评者、高质量教程作者 快速入门、交叉验证 T4 有丰富经验的一线实践者 资深从业者、独立开发者、深度实践者 实操指导、案例学习 T5 PhD背景学者/学生 博士生、博后、年轻学者 论文解读、学术讨论 T6 非本专业的深度爱好者 跨界学习者、业余专家 启发、发现新视角 T7 KPI驱动的内容生产者 SEO文章、洗稿账号、软文 ⚠️ 避免 使用原则： 入门阶段可从 T3-T4 开始，建立基础后逐步向 T1-T2 迁移 同一主题交叉验证时，优先信任层级更高的来源 T1-T2 的旧文章 > T6-T7 的新文章 领域差异：社会/哲学领域，经典比前沿重要10倍；AI领域，前沿追踪更关键 Part 1: 思想领域 1.1 哲学与存在主义 可信人物 人物 机构/背景 层级 主要渠道 核心贡献 状态 Evan Thompson UBC哲学系教授 T1 学术专著、个人网站 《具身心灵》、神经现象学 活跃 Thomas Fuchs 海德堡大学精神病学/现象学 T1 学术论文、《Ecology of the Brain》 你的兴趣交叉点：现象学+精神病学桥接，具身自我研究 活跃 Hubert Dreyfus UC Berkeley (已故) T1 Berkeley课程录音（免费）、书籍 海德格尔阐释、AI批判先驱（《What Computers Can’t Do》） 经典存量 Dan Zahavi 哥本哈根大学 T1 学术专著 现象学入门经典 活跃 Shaun Gallagher 孟菲斯大学 T1 学术论文 具身认知、共同行动理论 活跃 韩炳哲 (Byung-Chul Han) 柏林艺术大学教授 T2 专著、Aeon长文 《疲劳社会》、数字批判 活跃 齐泽克 (Slavoj Žižek) 卢布尔雅那大学 T2 Substack、Project Syndicate 意识形态批判、技术封建主义 活跃 Iain McGilchrist 精神科医生/文学学者 T2 YouTube长对话、书籍 三大兴趣交叉点：《The Master and His Emissary》，大脑半球与文明 活跃 陈嘉映 首都师范大学 T2 讲座、专著、豆瓣 《何为良好生活》、海德格尔翻译、桥接大陆与分析哲学 活跃 Sean Kelly 哈佛大学 T2 书籍、讲座 Dreyfus学生，《All Things Shining》 活跃 赵汀阳 中国社会科学院 T2 学术论文、专著 《天下体系》 活跃 汪晖 清华大学 T2 学术论文、《读书》（曾任主编） 《现代中国思想的兴起》 ⚠️ 学术诚信争议，但影响力大 王东岳 独立学者 T6 讲座、网络视频 《物演通论》 ⚠️ 非学院派，观点有争议 信息渠道 渠道 类型 语言 层级 频率 推荐理由 Stanford Encyclopedia of Philosophy 百科 EN T1 持续更新 权威概念解析，入门首选 Internet Encyclopedia of Philosophy 百科 EN T1 持续 与SEP互补，文章对入门者更友好 Aeon Essays 杂志 EN T3 日更 高质量长篇哲学散文 The Partially Examined Life 播客 EN T3 周更 罕见的"读原文"而非"讲故事"的哲学播客 Philosophy Bites 播客 EN T3 不定期 与知名哲学家对话 ŽIŽEK GOADS AND PRODS Substack EN T2 周更 齐泽克最活跃的输出地 Daily Nous 新闻 EN T4 日更 哲学圈动态、争议、招聘 PhilPapers 论文库 EN T1 持续 哲学论文索引 Dreyfus海德格尔课程录音 公开课存档 EN T1 存量 免费。英文世界理解海德格尔最好的入门路径 看理想 播客/视频 CN T3 不定期 项飙、梁文道、许知远深度对谈。⚠️ 近年商业化稀释质量 《读书》杂志 期刊 CN T3 月刊 中国思想界深度反思 理想国imaginist 出版/新媒体 CN T4 常态 陈嘉映等学者深度访谈 思想谱系中的张力 大陆哲学（现象学、存在主义） vs. 分析哲学（语言分析、逻辑） 你偏向大陆侧，但你的认知科学兴趣（Pinker、Dennett）全在分析侧。 这个张力本身是一个值得探索的问题。 桥接者： - 陈嘉映（中国唯一同时精通两个传统的人） - Dreyfus（用现象学批判AI，但能和分析哲学家对话） - Sean Kelly（Dreyfus的学生，哈佛哲学系） 发现路径 梅洛-庞蒂《知觉现象学》 ↓ Francisco Varela《具身心灵》 ↓ Evan Thompson（合作者）→ 神经现象学 ↓ Karl Friston（自由能原理）→ Andy Clark（预测加工） 1.2 认知科学与心智哲学 可信人物 人物 机构/背景 层级 主要渠道 核心贡献 状态 Andy Clark 萨塞克斯大学 T1 学术论文、书籍 《经验机器》、预测加工、延展心智 活跃 Karl Friston UCL/SFI T1 arXiv、学术期刊 自由能原理 活跃 Lisa Feldman Barrett 东北大学 T1 TED（8000万播放）、《How Emotions Are Made》 情绪研究范式颠覆者：构建情绪理论，和预测加工高度一致 活跃 Michael Tomasello 马克斯·普朗克/杜克大学 T1 学术专著 共享意向性理论，解释人类认知独特性 活跃 Jacob Hohwy 莫纳什大学 T1 学术专著《The Predictive Mind》 预测加工理论的哲学阐释，比Clark更严格 活跃 Douglas Hofstadter 印第安纳大学 T1 著作 GEB、类比与奇怪环路 低频更新 Daniel Dennett 塔夫茨大学 T1 书籍、讲座 《意识的阐释》、多重草稿理论 经典 Anil Seth 萨塞克斯大学 T2 YouTube、TED、期刊 《成为你自己》、意识研究 活跃 Steven Pinker 哈佛大学 T1 科普书籍、专栏 语言与思维、《风格感觉》 活跃 George Lakoff UC Berkeley T1 学术著作 概念隐喻、具身认知 经典 Dan Williams 哲学家/心理学者 T5 Substack 认知偏误、进化心理学 活跃 刘未鹏 独立思考者 T5 博客/微博 认知心理学与方法论 低频更新，存量极高 叶峰 北京大学 T5 学术论文 中国大陆少有的分析哲学/心智哲学学者 活跃 信息渠道 渠道 类型 语言 层级 频率 推荐理由 gwern.net 个人网站 EN T1 不定期 互联网上信息密度最高的独立研究网站，覆盖AI+认知科学+统计学 Brains Blog 学术博客 EN T2 周更 心智哲学领域学者博客，能看到论证形成的过程 The Dissenter YouTube/播客 EN T3 周更 采访认知科学、进化心理学几乎所有重要人物，深度远超一般播客 Behavioral and Brain Sciences (BBS) 学术期刊 EN T1 双月刊 特殊格式：每篇目标文章附带数十篇同行评论+作者回复 Conspicuous Cognition Substack EN T5 周更 政治、进化与AI交叉的认知分析 Huberman Lab 播客 EN T2 周更 神经科学在日常生活中的应用 Quanta Magazine 科学媒体 EN T3 周更 极高质量的神经科学与复杂系统报道 Edge.org 访谈平台 EN T2 已停更 十几年存档极有价值——顶尖思想家年度问题回答 Brain Science Podcast 播客 EN T3 双周 神经科学深度访谈 神经现实 (Neureality) 策展媒体 CN T4 日更 高水平翻译全球认知科学前沿 阳志平公众号/博客 新媒体 CN T4 周更 具身认知与卡片盒写作法 你应该知道的争论 "意识的困难问题"是否存在？ ├─ 存在（Chalmers）→ 需要全新的物理学 ├─ 不存在（Dennett）→ 意识只是认知过程的"用户幻觉" └─ 问题本身就问错了（Evan Thompson）→ 需要超越主客二分 "具身认知"的强弱之争： ├─ 弱版本：身体影响认知（几乎无争议） ├─ 中版本：认知依赖于身体（Clark、Thompson） └─ 强版本：认知就是身体行动（Varela 原教旨主义） 注意：大部分争论在于中版本的边界在哪 "预测加工"能否统一认知科学？ ├─ 乐观派（Clark, Friston） ├─ 温和派（Hohwy：能，但需要解释现象意识） └─ 怀疑派（有多位年轻学者质疑其可证伪性） 1.3 社会批判与政治经济 可信人物 人物 机构/背景 层级 主要渠道 核心贡献 状态 周雪光 斯坦福大学 T1 学术期刊、论文 《中国国家治理的制度逻辑》 活跃 黄宗智 (Philip Huang) UCLA/人民大学 T1 《开放时代》、学术专著 费孝通传统的缺失环节：“过密化"概念，中文是一手输出语言 活跃 Perry Anderson 历史社会学家 T1 New Left Review、专著 西方左翼理解中国最严肃的尝试（《两次革命》），每个论断都有史料支撑 活跃 Adam Tooze 哥伦比亚大学历史系 T2 Chartbook Substack 当代最重要的全球政治经济史学者，理解全球金融/能源/地缘的最佳单一信源 活跃 兰小欢 复旦大学 T2 专著、学术访谈 《置身事内》 活跃 渠敬东 北京大学社会学系 T2 《社会学研究》、讲座 “项目制"和基层治理研究 活跃 项飙 (Xiang Biao) 马克斯·普朗克/牛津 T1 播客（看理想）、学术专著 费孝通传统的当代继承者，“附近"概念，中文是一手语言 活跃 吴思 独立学者 T4 博客、历史散文 《潜规则》、《血酬定律》 经典 David Harvey 纽约市立大学 T2 著作、学术文章 马克思主义地理学、《资本的伴侣》 活跃 Yanis Varoufakis 经济学家/政客 T2 专著、YouTube 技术封建主义 活跃 费孝通 (已故) T2 著作 《乡土中国》、《江村经济》 经典 黄奇帆 前重庆市长 T4 演讲、访谈、公开文章 真正的一线实践者：从"操盘者"视角理解中国经济 活跃 信息渠道 渠道 类型 语言 层级 频率 推荐理由 Chartbook by Adam Tooze Substack EN T2 周2-3篇 全球政经分析的单一最佳信源，结合经济史视角与实时数据 Project Syndicate 智库专栏 EN T2 日更 全球顶尖学者的政经实时评论 New Left Review 期刊 EN T2 双月刊 国际左翼思想杂志 The China Quarterly 期刊 EN T1 季刊 中国研究权威期刊 ChinaFile 新媒体 EN T3 周更 “对话"栏目：多位中国问题专家就同一事件各抒己见 MacroPolo 智库 EN T3 月更 保尔森基金会下属，专注中国经济与科技政策，数据质量高 《开放时代》 学术期刊 CN T2 双月刊 中国社会科学领域最敢说话的期刊之一，黄宗智、汪晖等人发表地 《社会学研究》 学术期刊 CN T1 双月刊 中国社会学界顶级刊物 财新网 (Caixin) 媒体 CN T3 日更 中国最专业的宏观经济与政策报道 澎湃新闻·思想市场 专栏 CN T4 日更 政治学、社会学前沿译介 付鹏的饭局 播客 CN T4 不定期 市场从业者的实时判断。⚠️ 观点可能有仓位偏见 关键方法论警告 社会理论不同于自然科学——经典比前沿重要得多。 ...