本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 (全文上万字符长时间手打+十数张图，先前已经多次回复说明情况却都被认为是ai生成举报，上百楼内容丢失，哪怕为了其他佬友的认真讨论与交流的内容都请勿随意举报！如有意见请友好私信交涉) 注：这里有一个三分钟使用极简教程，正式使用前推荐看看：【全开源免费！抢先体验属于个人的Easy Research！Obsidian开发者手把手教你三分钟速通NotEMD！-哔哩哔哩】 https://b23.tv/lqR0RlA 2026.05.25： 在版主提醒下，L站禁止给群组引流，有需要进一步交流需要请给项目点star或私信本人。 安装 Obsidian 社区插件里直接搜索 Notemd 或者去 GitHub 仓库查看源码和 release 项目地址： GitHub: notemd github项目 Obsidian Community Plugin: 搜索 Notemd 下面是正文 这两年关于 AI 读论文的讨论很多。但这个阅读的痛点始终存在：读完以后，内容有没有留下来？ 在对话框里提问很方便，模型也能很快给出总结、翻译和解释。但过几天再回看，常见结果只有一个模糊印象。论文的核心概念、方法关系、实验设置、局限性，以及它和已有知识的连接，往往没有真正进入自己的知识库。 所以我现在更在意一件事：把论文阅读过程中有价值的内容，持续写回 Obsidian。 Notemd 就是在这个场景里我用得比较顺手的工具。它把论文笔记、概念卡片、研究摘要、翻译、图表和工作流放在同一个工作台里，让一次阅读不只停留在一次对话，而是变成后面还能继续调用的资料。 一句话介绍： Notemd 是一个开源的 Obsidian 社区插件，用来把论文阅读过程中的概念链接、概念笔记、原文证据摘录、背景补充、翻译、图表和工作流沉淀回知识库，并支持多语言 UI、README 和内容转换。 实际阅读状态示例： 多语言支持： 我想解决的问题：读完一篇之后，还能继续积累 我现在看“AI 读论文”，关注点已经在长期积累能不能形成。 你当然可以把 PDF 丢给模型，让它做总结、翻译、解释公式、分析贡献。这些都很有用。但论文不是孤立存在的。每次读到的新术语、方法、数据集、实验范式，理论上都应该慢慢长进自己的知识网络里。 我更想要的结果是这些： 一篇论文读完以后，关键概念被自动补成 [[wiki-link]] 新出现的概念可以继续生成概念笔记 我关心的问题能直接定位到原文证据，而不只是拿到一段转述 背景资料和补充搜索能附着在当前笔记旁边 复杂方法链路可以压成 Mermaid 或图表，方便回看 这些结果都留在 vault 里，而不是散在不同聊天记录中 Notemd 的价值也正是： 它把论文阅读变成一条可以复用、可以回看、可以持续补充的知识流。 和聊天式 AI 相比， Notemd 更适合把结果沉淀进知识库。 维度 聊天式 AI(如Smart Composer插件的功能) Notemd 核心落点 当前会话 当前笔记和 vault 文件 结果形态 一段回答 链接、概念笔记、译文、图表、日志、工作流产物 适合场景 快速问答、临时解释 长期阅读、积累、复用 主要风险 聊完就忘，不利于回忆与搜寻 需要自己维护知识库结构 这两种方式并不冲突。我自己也会继续用对话式 AI （例如Obsidian中的Smart Composer等插件）针对论文做即时追问。但如果目标是让今天读过的东西，三周后还能准确记忆与获取，那么文件化、结构化和可回写会更重要。 结构化总结： 我现在比较顺手的一套论文工作流 Notemd 当前处理的是 Markdown / txt 内容，不是直接载入 PDF(但打开开发者选项后个别不需要修改原文的任务是支持载入其他格式)。这会让整个流程更干净，并且MD是AI的原生语言。 1. 先把 PDF 变成 Markdown 我一般会先用 MinerU 之类的工具做 PDF → Markdown，再把结果放进 Obsidian。 (当前MinerU在目前的免费软件里使用起来解析质量高且速度较快) 这样做有几个直接好处： 原文结构更清晰 注： v1.9.1已支持章节结构提取功能 后续链接、翻译、提取、图表都围绕同一份 Markdown 笔记发生 你的“论文阅读结果”本身就是知识库资产 注意，后面的大部分自动化，都要求原文已经进入你的知识库，是Notemd可处理的文件。 2. 先做概念链接，再做概念沉淀 导入 Markdown 以后，我一般先运行这两个指令： 处理文件（添加链接）| Process file (add links) 从标题批量生成| Batch Generate from Title 前者会把论文里的关键概念补成 [[wiki-links]] ，后者则可以借助高质量AI(比如 降智前 的Gemini-3.1-pro)把每个概念扩充为深入的领域知识与术语间关系的总结，支持调用搜索 api（比如 Tavily）做定向搜索后生成。 很多论文难读，原因很简单：默认你已经知道太多术语。backbone、训练范式、benchmark或是统计指标，而实际上需要你临时去查，特别是当你不了解这个领域时更是无从查起。 因此我通过Notemd将这些概念用ai提取后直接沉淀到固定的或者是自定义领域的概念文件夹里。这样第二篇、第三篇相关论文读下去时，已有概念会越来越完整，不需要每次从头补背景。 如果你愿意的话可以打开概念日志，每次新增了哪些概念都有记录。并且， 我已经将这套流程固化为一键处理按钮，不需要拆解单独执行(但需要注意tokens消耗)，最大化便利佬友们使用。 3. 用“提取特定原始内容”做证据导向的精读 “提取特定原始内容”顾名思义，是获取原文中的依据，适合继续做精读笔记、组会汇报，或者后面写 related work 时快速回查。 你可以先在设置里定义一组问题，例如： 这篇论文的核心贡献是什么？ 作者如何定义问题？ 实验设置是什么？ 主要 baseline 有哪些？ 作者明确承认了哪些 limitation？ 然后让插件从当前论文里逐字提取对应原文片段。 如果你希望明确知道“这句输出到底对应原文哪一句”，记得使用这个功能 4. 不懂的背景用 Research & summarize 试试 如果需要临时查阅当前论文或笔记的特定只是，我不会立刻跳出 Obsidian 去开很多网页，可以在当前笔记旁边做 Research & summarize 。它会调用你配置好的搜索服务和 LLM，把主题相关的补充信息整理出来，附加回当前笔记。 背景知识不散在浏览器标签页里 你查过什么，和当前 paper 绑定在一起 后面回看时，论文旁边就是当时补的上下文 我主要用它补背景和补术语网络，不替代正式文献检索。在课题早期扫盲阶段能明显降低阅读门槛。 5. 英文精读压力大时，直接翻译，但翻译结果也应该保存到本地 当前很多 AI 翻译论文的方案，问题通常是单次翻译没有有效落盘， Translate current file 这个链路的价值，在于它会把译文作为 Obsidian 里的另一份产物保存下来，成功后还会直接在侧边栏打开。 多语言知识库用户可以实现：原文、译文、概念卡片、研究摘要都能在同一个 vault 里互相引用，不需要来回搬运。并且由于 UI Locale 和 Task Output Language 是分开的，界面语言可以跟着 Obsidian 走中文，任务输出也可以保持英文，反过来配置也可以。科研场景里，这种拆分很方便。 这是效果图，内容摘选自 Feynman 的物理学讲义： 6. 最后把理解压缩成图 论文阅读与领域学习的过程中很常见的问题是：脑子里一堆概念，但没整理出结构。 有这两个功能可以辅助解决： Summarise as Mermaid diagram Generate diagram (experimental) 前者更适合方法流程、模块关系、因果链路这类结构化内容。后者在当前版本里已经覆盖 Mermaid、JSON Canvas 和 Vega-Lite 等图表路径，其中 dataChart 还能用 Vega-Lite 生成更规整的数据图。 图是一种"理解压缩层"。让 AI 把论文画成流程图、关系图或数据图，它必须先把结构显式整理出来。检查图的时候，也更容易一眼看出哪里有问题。 注意：图不是事实本身。AI 生成的图，尤其是科研图，只适合当草图、摘要层和检查层，不适合不经核对直接当最终结论。 如图， v1.8.4 最新版支持众多种类图的生成： 下面再给一些图类型的举例： Mermaid正常图： 时序图： 7. 最后用工作流把这些动作串起来 如果上面这些动作每次都手动点一遍，久了还是会烦。所以 Notemd 里我很喜欢的另一个点是：你可以把常用动作编成自己的 One-Click Workflow 。 默认就有一个 One-Click Extract 功能把几个动作串起来跑。除此之外，你也可以按自己的论文习惯重组，比如： 论文入库::process-current-add-links>extract-concepts-current>research-and-summarize>summarize-as-mermaid 在设置中有非常高度自定义工作流的支持： 对我来说，工作流的意义除了少点几次按钮，还有真正把阅读习惯固定下来。你跑得越多，知识库结构就越稳定，后面的复用价值也会越高。 这个项目更偏实际工作流程落地，有下面这些突出优点 完整开源 。github开源，具体设置有文字+多图说明。 模型选择自由 。支持 OpenAI、Anthropic、Google、DeepSeek、Qwen、Ollama，以及通用 OpenAI Compatible 网关。 注： v1.9.1 已支持“获取模型列表”功能。 不同的任务均支持对特定的模型进行配置 。对于链接、研究、翻译以及生成等任务，均能够独立地去进行 provider 以及 model 的选用。 对于每一个具体需要去执行的任务，都支持开展 prompt 的修改工作 。这就为插件在功能拓展方面提供了相当充裕的空间。 结果都会以文件的形式来予以保存 。在开展学习的过程当中，插件会把相对应的链接、概念笔记、译文、图表以及日志都进行留存。 在本地用户友好性方面表现得十分出色 。针对那些已经习惯于去使用 Obsidian 的用户来说，这一工具可以直接在既有的工作台环境当中去嵌入 AI 相关的能力，这样一来，就完全不需要再去对一整套既有的笔记体系开展任何的替换工作。 它能帮你构建"外部大脑"，但真正记住与掌握，开始实践的只能是你自己。 哪些人应该尝试这个插件： 已经在用 Obsidian 管理读书或论文笔记的人 面对较大规模的文献阅读量，且期望将零散理解逐步构建为系统化知识网络的人 不满足于“总结一下”，而是想把概念、证据、图表和上下文都留下来的人 期望将翻译、搜索、概念提取以及图表生成整合至同一工作台之中的人群 对模型选择上期望自由切换云端和本地部署模型的人 如果你只是偶尔看一两篇 paper，能协助你完成翻译与核心概念的提取工作，上手门槛很低，并且有保姆式视频教学。 如果你有长期积累需求，它的价值会更为显著，因为这些结果最终均会沉淀于个人知识库之中。 如果大家感兴趣，后面我还可以再单独整理一篇更偏实操的帖子专门针对大家的后续问题，比如： 我怎么配置提取问题模板 如何把 prompt 开展有针对性的调整工作，来让它得以深度契合到不同的学科领域以及具体的任务场景当中 …… 如果觉得喜欢有所收获，对你有帮助，就支持一下吧! LINUX DO Credit 3 个帖子 - 3 位参与者 阅读完整话题
本人也是一名程序员 下班之后就很迷茫，现在ai发展太快了 也达不到快速学习，大家有什么副业参考参考 11 个帖子 - 6 位参与者 阅读完整话题
大家好，我是一名全职的独立开发，之前在华为和头部智驾公司。 今天发布我精心打磨的面向个人开发者的 SaaS 模板： ShipNext ShipNext 是一套面向独立开发者、创业者和小团队的全栈 SaaS 启动模板，帮助你跳过重复的基础设施搭建，把更多时间留给真正的产品逻辑、定位和上线。 除了常见的功能如认证、支付、数据库、邮件、存储、后台、营销页面、文档、博客、SEO 和常见 SaaS 工作流都已经预先连接好，你可以在此基础上快速构建自己的产品。 核心亮点 基于 Next.js 16 、TypeScript 、Tailwind CSS v4 和 shadcn/ui 内置 Better Auth ，支持邮箱登录、OAuth 、Magic Link 和密码重置 集成 Stripe / Lemon Squeezy / Paddle 支付与订阅模式 支持 Drizzle ORM 、PostgreSQL 、SQLite 和 Supabase 包含仪表盘、管理后台、定价页、落地页、文档、博客和法律页面 内置邮件模板、Newsletter 、团队通知和用户生命周期消息 支持 S3 兼容存储、文件上传、配额和使用量管理 适配 AI 编程工具工作流，适合 Cursor 、Codex 、Claude Code 、Windsurf 等工具协作开发 适合构建什么产品？ ShipNext 适合用来快速启动： AI SaaS 工具 Micro SaaS 产品 生产力应用 付费社区 内容产品 目录站 内部工具 订阅制平台 带积分、额度或用量计费的产品 已包含的 SaaS 模块 应用基础 Next.js App Router 项目结构 TypeScript 类型系统 Tailwind CSS v4 样式体系 shadcn/ui 组件系统 可主题化设计 token Dashboard shell Admin screens 用户与收入 登录与注册 Google / GitHub OAuth Magic Link 密码找回与重置 用户资料设置 订阅与结账 Billing Portal 积分与额度系统 Webhook 处理 付费权限与配额控制 数据与运营 Drizzle ORM PostgreSQL / SQLite 数据库迁移与 seed 脚本 S3 兼容文件上传 Resend / React Email 邮件模板 Discord / Telegram / Slack 团队通知 Crisp 客服集成 Analytics hooks 启动页面 Landing page sections Pricing page patterns Docs Blog Contact page Legal pages SEO metadata Sitemap / robots.txt Open Graph 图片配置 技术栈 ShipNext 使用现代 SaaS 产品常见的技术组合： Next.js 16 React TypeScript Tailwind CSS v4 shadcn/ui Better Auth Drizzle ORM PostgreSQL / SQLite / Supabase Stripe / Lemon Squeezy / Paddle Resend Cloudflare S3 / Cloudflare R2 Fumadocs Crisp 另一个重复模板？ ShipNext 除了包含市面上那些模板的功能之外，在以下几个部分做了优化 数据库支持 ShipNext 开箱支持 PG 、Sqlite 、MySQL ，且表结构都已适配，不同的数据库适配不同的厂商，如 PG：Neon 、Supabase 等 Sqlite：Cloudflare D1, Turso, Local file MySQL：任意 mysql 存储商或自部署 存储优化 支持用户维度的空间限制：不同的付费账户的空间限额不一样，ShipNext 内置支持，并且不同的付费计划可以设置不同的空间大小，比如免费用户设置 100MB ，付费用户设置 5GB 支持分片上传：大大加快上传速度 支持设置过期时间 定期自动删除：不会额外占用存储空间，防止文件太多空间不足 内置 <S3Upload> 组件，与分片上传自动集成，真正的开箱即用 多套实现 ShipNext 的代码非常的模块化，对于不同的模块，都内置了多套实现。很多模板只是给了个位置，但是并没有实现，ShipNext 几乎都给出了 2 ～ 3 套实现 支付：内置 Stripe 、Paddle 、LemonSqueezy ，只需修改 provider 的值就可以切换不同的支付 网站防护：Cloudflare Turnstile, hCaptcha, Google-recaptha 等 通知：支持 Discord 、Slack 、Telegram 、飞书等 其他模块 权益模型 ShipNext 对权益模型做了深入的设计和优化，可以同时支持如下的一些场景 订阅制 + 无限使用：在订阅周期，可以设置某些权益无限使用，比如下载等 订阅制 + 额度消耗：典型的如 AI 场景，一个月有多少额度，用完就没有 一次性购买 + 额度消耗：典型的仍然是 AI 场景，积分包，比如 10 刀 100 积分 订阅制 + 一次性购买 + 额度消耗：典型场景为订阅周期额度固定，用户可以继续购买额外积分包，同时额外积分包的消费优先级小于订阅周期的积分，当然都可以设置 以上几种场景几乎覆盖了所有的 SaaS 订阅场景 一对一指导 我是全职独立开发，可以保证，其他模板很难保证，并且拥有 6 年研发经验，提供市场化的经验指导，减少很多弯路 可以说，使用 ShipNext 的开发速度比市面上绝大多数模板要快的多 当然也希望大家跟我沟通，v: zhangsihai0518 任何技术上的探讨都非常欢迎！！
佬友们好! 我是一个对英语 听、读、写 非常感兴趣的大学生 请问怎么才能在两天之内掌握这三个技能啊? 求支招, 谢谢佬友们! 不装了, 我摊牌了, 周六的六级怎么办啊啊啊啊啊啊啊啊啊 6 个帖子 - 6 位参与者 阅读完整话题
https://www.timesofisrael.com/liveblog_entry/in-first-israeli-doctors-deliver-gene-therapy-into-brain-of-8-month-old-baby/ 耶路撒冷希伯来大学表示，以色列医生在医学界首次将基因疗法导入一名患有罕见且危及生命的遗传性癫痫的八个月大婴儿的大脑。 该手术替换了缺失的关键基因，手术在佩塔提克瓦的施耐德儿童医疗中心进行。 该大学医学院劳滕贝格免疫学和癌症研究中心的拉米·阿基兰教授通过对 WWOX 基因的研究奠定了基础。 孩子目前已出院，情况稳定。 “最初是为了了解基因的生物学功能而进行的科学研究，现在已经成为治疗患有最严重癫痫症之一的儿童的潜在方法，”阿基兰说。 The Jerusalem Post | JPost.com World's first WWOX gene therapy performed on infant in Israel | The Jerusalem... The treatment, administered at Schneider Children’s Medical Center of Israel in Petah Tikva, is a major milestone in the development of precision genetic therapies for rare neurological disorders. 1 个帖子 - 1 位参与者 阅读完整话题
各位佬友们大家好，我是一名新媒体运营零基础小白 我最近想自己做一个短视频的账号，账号的内容是记录自己和师傅钓鱼的日常，请问有没有相关行业的大佬，能帮忙指条路，应该如何去学习，在此先提前谢谢各位佬友了。 4 个帖子 - 2 位参与者 阅读完整话题
各位佬友好，我是Jia，一名有着9年AI经验的00后，同时也是开源项目 Spice 的创始人，Spice 是我做的一款开源项目，一句话总结是 the decision layer above agent，即做 Agent 之上的决策层，最近在探索如何收取到更多不同维度的 context，通过不同入口的 context 来更好的展示 Spice 的价值。想拿出来讨论下，也欢迎大家一起来讨论与指正。 目前的 Agent 已经在数字世界大放异彩，无论在能力平权方面，还是生产力提升方面，这些发展验证了给 Agent 足够多的 context 他就有无限可能，未来 AI 公司的竞争也逐渐从技术能力转化到谁能拥有更多用户的 context，谁能维护更好的 state，以及做更好的自进化就会有更深的壁垒。 在这种发展下越来越多的人和公司意识到这一点，然后尝试做更多的 context 入口，收取更多的 context，比如越来越多的智能穿戴设备（眼镜，手表，项链，手环，耳机等等），甚至 OpenAI, Apple这样的大厂也开始做更多这样的尝试，从数字世界的 computer use 到物理世界的各种终端设备，通过不同维度不同类型的 context 从而让 AI 更好的深入我们的生活。 我们做 Spice 的时候为了找一个载体也想过这个问题，单拿硬件设备来说，目前所有终端设备都有不可替代性和弊端（眼镜最符合人类视角但功耗舒适度很难解决，手表可以采集部分健康数据但视觉数据不理想），那未来是否有一个终端可以采集一个人所有的context（脑机接口？隐形眼镜？ and what？），我们也在做智能穿戴方面的尝试，比如pin… 从数字世界来说，computer use这个 part 做的人也越来越多了，openai 的 chronicle， air jelly等等，在 computer use 这方面发展的方向有很多，比如是预测用户下一个的 keystroke，或者预测用户一个小时后可能会做的事情，你可以通过 screen shot 的方式截屏收集 context，也可以通过绑定某个按键去识别数字世界的人类意图，这里能做的尝试也有很多，比如我们在尝试绑定 enter 键及 command tab等。 想问问佬友们为了实现更好的全域 context，有哪些更好的硬件及软件配合的方案及尝试，有更好的更全面的收集 context 的方式，实现 AGI 的方式一定是靠多个 Agent 网络，Spice 在尝试做这个多个 Agent 的控制层，未来越来越多的 Agent 会深入大家的生活，这将是很重要的一步，欢迎大家来一起讨论呀！ 3 个帖子 - 2 位参与者 阅读完整话题
比如说先看一下哪些帖子，需要注意什么，怎么快速融入社区 12 个帖子 - 7 位参与者 阅读完整话题
作为一名在读博士生，我在日常是如何与 AI 协作的？——ai-collab-playbook > 公开版本 / Public edition: 2026-06-08 cnfjlhj/ai-collab-playbook github版本~ -— 前言 我是一名人工智能方向的在读博士生，大概在 ChatGPT 出来以后还是 GPT-3.5 的时候就比较重度使用 AI 以及 AI 工具了。几年下来，AI 已经渗透到我工作和学习很多环节，有一些心得想分享一下~ 当同事，不当工具（我认为至少未来几年，应该是人机协作的时代） 现在回头看，我觉得过去很多所谓“会用电脑”，其实有相当一部分是在给机器当翻译。人脑子里明明只有一个目标，落到电脑上，却总要拆成一堆很零碎的动作。很多时候事情本身并没有多么复杂，感觉复杂是因为旧系统根本听不懂你的意图，只能逼着你先把目标嚼碎，再翻译成它能执行的步骤。 比如做 SQL 查询，你脑子里明明只是想看一个简单的业务趋势，但因为系统听不懂，你不得不花一个小时去嵌套三层 LEFT JOIN、对齐 GROUP BY 的聚合字段，小心翼翼地用机器听得懂的语法去和数据库交互。 这也是为什么我现在越来越自然地把 AI 当同事，而不只是当工具。 > 本文的主线很简单：AI 入口要贴近任务，Agent 流程要能被复盘，人仍然掌握问题表述与验收标准。 贯穿全文的几个方法论 - 元提示词思维：让 AI 写操纵 AI 的 Prompt，人做微调 - 苏格拉底追问：让 AI 从多角度逼问自己，把模糊的想法变清晰 - 多模型协作：不同任务用不同模型，也可以让不同模型协作完成复杂任务（后文会在各个场景展开） - 经验沉淀：把流程固化为 `Skill`（Code Agent 中的术语），越用越好，越用越快 -— 一、日常使用：AI 作为随身顾问 ### 让 AI 入口离任务更近 我最近很久没有认真使用网页端 ChatGPT 了，重新打开以后发现，各家模型的网页端和应用端其实都变化挺大。在 API/token 变得紧张以后，我反而重新意识到：并不是所有任务都值得拉起本地 Agent、走 API、配一套完整工作流。很多轻量、一次性的小活，比如临时总结、改写、问一个不需要项目上下文的问题，直接交给网页端 ChatGPT 的 Agent 模式就够了。它不一定是最“工程化”的方案，但对这类任务来说，入口短、成本低、上下文负担小，反而是更合适的选择。 应用侧也是类似的逻辑。我现在还会用 `豆包` 的划词工具栏功能，它能在电脑全局划词唤醒。最方便的是可以自定义划词动作，比如我写了一个“概念解释器”，划词后直接给出学术概念的通俗解释，省掉了打开浏览器、复制、粘贴、重新描述问题这一整串动作。 另外，`豆包浏览器` 的网页翻译、页面总结、针对当前网页提问这些功能也挺实用。它的价值不一定在于模型能力一定最强，而在于它离当前网页足够近：我不用把内容搬到另一个窗口，也不用重新组织上下文，直接在当前页面处理就行。 所以我现在会更刻意地按任务重量选择 AI 入口：轻量任务交给网页端或应用端，项目级任务再交给本地 Agent。日常使用 AI 时，最重要的不是把每件事都接入最强模型，而是尽量降低使用 AI 的摩擦力。入口越贴近工作流，越容易形成高频使用；用得越自然，AI 的价值才越容易被挖出来。（大家如果有更好用的应用侧工具，也可以留言推荐~） 通过 IM 软件远程调用 Agent 可以通过类似 `cc-connect`、`happy` 这样的应用远程调用现有的本地 Coding Agent（Claude Code、Codex），也可以直接使用类似 `OpenClaw`、`Hermes`、`cowork` 的成品。 我认为 IM 是最低摩擦的派活入口，可以随时把任务抛出去；远端机器是 Agent 的工作台，它可以下载、转写、分析、跑代码、生成 PDF、发回结果。 但最吸引我的还是可持续培养性：让 Agent 记得你的偏好、知道你的项目结构、沉淀 `skill/workflow`，逐渐变成“熟悉我的同事”。 最近我主要是拿他们当咨询类的推送助手，以及提醒我吃饭、睡觉、写日记之类的 chatbot。我会给它我的日记访问权限，让它每天去读我近期的日记，以及往年当天的日记，用来督促我继续写日记。和我一起聊我的零散碎碎念，帮我整理我的知识wiki… -— 二、科研 这里给大家安利一下我现在比较稳定的一条科研工作流：调研 → 筛选 → 精读 → 整合，核心目标不是让 AI 替我读完，而是让它帮我把文献网络、论文细节和个人理解接起来。 科研文献阅读 我把文献阅读分成四个阶段：调研→筛选→精读→整合。 阶段一：课题调研 我主要用 OpenAI 的 Deep Research 以及 GPT-Pro 做课题调研和可行性分析。我会要求 AI 不仅提供最新文献，还必须包含该领域的开山之作，之后再让 Agent 按照个人偏好去构建 `wiki`。 阶段二：文献网络分析（Literature Network Analysis） 找到几篇感兴趣的论文以后（也就是先找到锚点论文），借助 Paper Connect 等工具，可视化文献间的引用关系，快速判断研究热度与技术脉络。（这些数据也应该同步导出给 Agent） 与 Agent 沟通调研结果，搞清楚这些文献之间的逻辑关系，最终自动下载感兴趣的相关论文以供后续引用或精读。 > 如果某篇论文的引用网络图非常庞大，说明这个方向已经很"卷"了。反之，可能还是蓝海。 阶段三：确定精读 → 逐篇攻克 下载论文到相关文件夹以后，我会先和 Agent 讨论一下当下研究已经推进到了什么地步，再确定阅读顺序，去除无关或暂时不感兴趣的论文。整个过程要逐步扩充整理 `wiki`。 精读环节，我会用两个模型配合： - Gemini 负责宏观视角：从动机 → 数学建模 → 实验 → 结论 → 评述五个角度分析一篇论文，生成 HTML 文件（这个格式也方便写周报，比较美观，可以截图放进去）。最近我发现我的gemini变傻到极致，突然这个任务也做不好了。如果大家用gemini也有这样的感觉的话，我觉得可以在粗读的时候看alpharxiv的blog模式。 - GPT 负责更细致的补充：在 Gemini 打好的 HTML 基础上继续修改和补充细节，亦或者直接让 GPT 根据模板生成 HTML 文件，同时对照原文分屏快速阅读。具体样子可以参考我的博客：[FormalEvolve Cheat-Sheet]( FormalEvolve 论文精读 )。 > 这个流程对应的 `paper2html` Skill 我也放进了这个仓库的公开 skill 包里，适合把论文 PDF / arXiv / OpenReview / LaTeX source 转成中文 HTML 精读页。 阶段四：知识整合 精读讨论清楚了以后，带着完整上下文让 Codex 调用 GPT-Image-2 生成信息图（一般一篇论文一张足矣），再带着个人理解与这张图做交叉验证，最终存档。 在执行这些过程时，通过 Agent 的 `Skill` 打通各个环节，提升速度，带来复利。 -— 关于科研绘图 科研绘图的三个类别 科研绘图分为三类。明白这些术语，可以更好地操纵模型绘图： - 插图（Illustrations）：阐述论文核心思想的示意图 - Teaser 图：在学术界，通常指为一篇论文制作的高度浓缩、引人注目的视觉摘要，常见于顶级期刊的封面（Cover）或亮点介绍（Highlight） - Poster（海报）：学术海报，用于在会议上展示研究成果，要求信息密度高、逻辑清晰且视觉吸引力强 策略：让 AI 写操纵 AI 的 Prompt 我发现让模型去生成 Prompt 的水平远超我自己，尤其是科研绘图方面。让我自己描述，我几乎完全描述不清楚。 我会先让大语言模型理解我的论文内容，然后由它来创造和优化用于生成图像的详细 Prompt。具体来说： 1. 把论文/想法丢给 AI，先问它在内容布局、配色、字体三个维度上如何规划 2. 可以主动指定大风格，比如 Nature / Science 风格 3. 一个很有效的技巧是使用参考图：把日常积累的优秀插图丢给 AI，让它分析风格，再基于你的论文内容生成新图像。 目前我还是把 AI 作为草图助手。出了草图以后，我会尽可能让 Agent 帮我做成 slides 或 HTML，再由我自己微调。AI 绘图需要大量迭代和多次尝试。目前 AI 最适合的角色，还是创意激发和草图设计助手；所有生成结果，尤其是涉及数据和逻辑的部分，依然必须经过严格的人工审核与修正。（严肃！） 谈谈最近的 GPT-Image-2 文字回答可以解释概念，但图像可以把层级、关系、流程、对比、因果、空间结构一次性摊开。GPT-Image-2 这类模型的价值，不只是“画得像”，而是能把前面讨论出来的上下文转成可检查、可讨论、可迭代的视觉对象。 与此前的 `nanobanana` 类似，当前 image model 正在从 image generation 迈向 visual intelligence：模型不仅仅根据提示生成图片，还需要理解上下文、规划版式、保持多图一致性、执行对话式修改，并将丰富上下文转成可视化产物。 GPT-Image-2 生成图片的“自然感”能够达到“以假乱真”的水平，这也要求我们提高评价标准，从更细致的内容层面进行检查。（如根据上下文生成科研绘图，应根据自身理解与其进行交叉验证比较）我们已经正式迈入了“有图未必有真相”、“图片内容不再可靠”的时代。未来我们很难通过肉眼以极短的时间判断出来一张高真实度的图片是否可信，可能需要仔细检查细节一致性、逻辑关系、来源链路与发布主体，而不是只看“看起来像真的”。 最近我真的在看到可能任何一张社交媒体传播的图片，我都会怀疑是不是 AI 生成的（特别是在这样一个魔幻的时代，看到很多很多可能不太符合正常逻辑的事情发生） -— 关于科研写作 让 AI 多审几遍 现在 AI 审稿越来越严重，尤其是在 AI 领域。论文构思好以后，起稿阶段就可以先用相关的论文润色 Skill 辅助打稿。有了相对完整的草稿以后，建议多用专业的审稿 Agent 来审。我目前主要用 `paperreview` 和 `cspaper` 这两个网站，前者好像可以无限用，后者每个月有免费次数；另外我也做了一个可以给 Code Agent 调用的 `paperreview` Skill，放在 GitHub 仓库里了。拿到审稿意见以后，再和 AI 讨论哪里需要修改。在给导师看论文之前，先多迭代几轮，把一些潜在的小问题尽量提前解决掉。 另外，其实这样写出来的论文也更容易被 AI 认可；如果审稿人本身也在用 AI 审稿，可能会更容易给不错的分数。 和 AI 一起写，可以，但前提是它真的理解对了 一定一定一定要确保 AI 对内容的理解是正确的。一旦理解错了，后面越写越多，越写越偏，非常危险！ 沉淀不同领域的写作 Skill 不同领域的论文，写作风格是不太一样的。 有的领域注重严谨推导；有的领域看重叙事铺垫；有的领域对实验细节特别敏感。 所以与其每次都去重新教 AI “这类论文应该怎么写”，不如先拿通用的科研写作 Skill 作为底子，然后喂本领域你认可的参考论文，慢慢沉淀出一个更适合你自己领域的写作 Skill。 这个 Skill 不需要多复杂，但它最好是： - 知道你这个领域常见的论文结构 - 知道你偏好的写作风格 - 知道哪些地方要展开，哪些地方不能废话 - 知道你对实验、图表、相关工作、贡献总结的习惯要求 如果看到读起来特别舒服的高质量论文，也记得让 Code Agent 去学习一下。 三、Code Agent 使用指南 工具演变 我最先接触 Code Agent 的是 Cursor，后面逐步进化到 Claude Code 与 Codex 这些。现在构思的时候是 Claude Code、Codex、Gemini CLI 以及 OpenCode 四个一起用，通过 Claude-Code-Bridge（也就是常说的 CCB）。构思清楚以后交给 GPT 模型开 `xhigh` 模式，一步一步严格执行。通常就是睡一觉的功夫问题就解决好了。 心流状态：人和 Agent 都要减少摩擦 频繁使用 Coding Agent 以后，我反而发现自己有时候更难进入所谓的“心流状态”。原因不是 Agent 不够强，而是 Agent 介入以后，人的工作方式会被改变。GUI 来回点、鼠标切窗口、到处 `cd`、临时查命令、等 ChatGPT 解释一大段过程，这些动作单独看都不大，但叠在一起就会不断打断注意力。最后表面上是在高效使用 AI，实际上人一直在被迫切换上下文，给人带来一层“上下文税”。 人和 Agent 最好是能待在一个连续的操作回路里：搜索、打开、查看、处理、验证，尽量不要中途跳出当前现场。对人来说，CLI、快捷键和模糊搜索很重要。比如用 `fzf` 快速找历史命令或文件，用 `yazi` 在终端里浏览目录，在 macOS 上用 `open -a Preview` 直接打开 PDF 或图片。它们解决的不是“炫技”的问题，而是减少从思考到操作之间的阻力。少一次鼠标切换，少一次窗口跳转，人就更容易保持连续性。 对 Agent 也是一样。Agent 的能力不只取决于模型本身，也取决于它会不会选对工具。搜索代码时应该优先用 `rg` 或 `rg --files`，处理结构化数据时应该用 `jq`，临时 Python 依赖可以用 `uv run --with`，音视频处理应该想到 `ffmpeg`，图片处理应该想到 `magick`，PDF/LaTeX 相关任务应该知道 `poppler`、`xelatex` 这些工具。工具选错了，模型再聪明也会慢、会错、会做出很笨的方案。 所以我现在会特别注意 review Agent 的过程。重点看它用了什么工具，有没有过早退而求其次，有没有忽略 GPU、远程机器或专用工具，有没有明明存在更快路径却用慢方案硬跑。比如做 Whisper 转录时，如果本来可以走 Apple Silicon / Metal / MLX 加速，却退回 CPU 跑半小时，这就不是“慢一点而已”，而是工作流规则没有写清楚，模型也没有 get 到。我们遇到这种情况，比如一次发现 `rg` 比普通搜索更适合项目级代码检索，就不只是自己记住，而是写进 `AGENTS.md` 或 Skill。一次发现 `uv run --with` 很适合临时 Python 依赖，也写进规则。这样下次 Agent 不需要重新“猜”，而是默认走更合理的路径。 我觉得有两件事特别重要： 1. 先走最佳实践，不要一开始就退而求其次。 如果正确路径连续尝试几次仍然不可行，再有意识地 fallback，并说明为什么 fallback。 2. 人必须理解基本概念和原理，才有能力 review Agent 的自动过程。 不懂工具链、不懂任务本身的约束，就很难看出来 Agent 是真的做对了，还是只是把话说圆了。 所以 Code Agent 的“心流状态”，不是完全放手让它自己跑。更准确地说，是人把任务意图、工具选择和验收标准都约束清楚，人减少无意义操作，Agent 减少无效试错。让 Agent 在正确的轨道里高速推进。 复杂需求的处理流程 简单需求就不展开了。说说复杂需求怎么做（参考刘小排的经验）： 把模糊的想法逐渐写清楚 事实上我的很多个想法都是极其模糊的，可能我想的一两句话背后有十几个决策点需要关注。具体做法是：我会先把一开始的需求同时发给四个 AI，让它们用自己的话术整理需求，然后向我提问；这里推荐一个不错的 skill，叫做 `grill-me`。接着我不断回答各个 AI 提出的问题，AI 继续追问。这个过程要让 AI 多输出可视化的 ASCII 原型图，加深自己的理解。不断让 Claude 模型去整理各个会话的内容（Claude 的模型说得容易懂），迭代直到所有 AI 都认为当前的方案已经没有问题，或者问题可以忽略不计，最终交给 GPT 模型通过 `/goal` 模式完成即可。 各个模型特点 - GPT / Codex：比较严谨。GPT-5.5 相比 GPT-5.4 有了很大的改进，特别是在语言表达上（少了很多口癖，说话没那么令人反感了 hhh，但是貌似没有找回以前第一次用 GPT-5.2 那种感觉）。 - Claude（Opus 4.8）：表达能力强，速度快，工具调用各个能力都很优秀，但价格比较贵，不能随心所欲地用。虽然大家感觉都不如 Opus 4.6，但是至少相对 Opus 4.7 来说还是有进步的。 - Gemini：前端能力很不错，很适合用来发散思维，有很丰富的世界知识，有时候聊方案的时候会有意想不到的效果。 - Grok：搜索能力很优秀，在审查上应该也是最松的，还有 NSFW 模式。推荐 `grok-search` 这个 MCP 搭配其他 Code Agent 使用。 推荐的使用方法论 1. 多使用元 Prompt 或 Skill——比如造 Skill 的 Skill，把常用的工作流模板化。 2. 不会的多问 Agent——很多东西 Agent 可以给你讲懂，并且最终落实做出来可以用。就不断迭代积累经验。 3. 多向社区学习——参考他人的经验，不断完善自己的工作流，让自己的 AI 越用越方便，让自己更擅长与 AI 协作。 -— 四、多回顾，最好定期复盘 Skill 不是越多越好 Skill / MCP 不是见一个就安一个。 我原先就是这样，遇到一个看起来不错的 Skill，就想让我的 Code Agent 给装上。最近回头复盘才发现，自己这里已经堆了很多做同一件事的 Skill。给同样的输入，有时候模型选 A，有时候选 B，有时候选 C，结果并不稳定。毕竟模型在选 Skill 的时候，很多时候只能先看 `description`。 OpenAI 和 Anthropic 都在官方文档里提到过，相关工具最好尽量收敛一些。当工具数量太多、同类能力重叠、边界又写得不清楚时，模型更容易选错、犹豫、变慢，甚至被长输出拖垮上下文。 所以我现在会定期回头复盘自己的 Skill 和 MCP，看它们到底有没有真正给我带来增量，我到底有没有长期用到它们。如果一个 Skill 只是“当时看起来很厉害”，但后来几乎不用，或者和别的 Skill 做的是同一件事，那我就倾向于把它关掉，甚至直接删掉。相反，如果我发现一个东西自己反复在用，而且确实好用，我就会继续往里看，搞清楚它到底为什么好用，再决定要不要把它沉淀成自己更稳定的一套东西。 另外，其实现在很多网上公开的 Skill，都是遇到需求以后直接让模型写出来的，而不是“尝试 → 错误 → 修改 → 沉淀”的产物，质量未必足够好。装好以后最好自己测一下，看看“用这个 Skill”和“不用这个 Skill”之间到底有没有差别；这件事也可以交给 Code Agent 自己做。 这只是其中一个例子。和 AI 协作不是不断往系统里加东西，有时候做减法更有用：留下有用的，去掉噪声。 警惕“效率幻觉” 不知道大家有没有这种感觉：每天用 AI 写代码的时候，产出看起来很多，推进也很快，但等真正沉下心回顾时，却很难说清楚自己到底做了什么，甚至有时候连当时为什么要那样做都不一定想得起来。 某种程度上，AI 把“做”的门槛压得很低，于是人很容易在需求还没想清楚的时候就先开做。想着“这个功能先 vibe 一下再说”，结果写着写着，需求开始漂，方向盘也交了出去。你没有想清楚，它也不会替你想清楚，它只会更快地把一个模糊的东西做出来。 如果只是一味把 AI 当替身，让它一路写、一路改、一路带着你走，那本来应该由自己完成的理解、判断和取舍，也会一起被外包出去。最后得到的，可能不是更强的能力，而是一种“虚假生产力”。 对我来说，一个很重要的边界就是：我是否还能清晰地主导“问题表述”和“验收标准”。如果这两样开始模糊，那就很危险了。如果你自己都还不知道想要什么，就先别急着干。否则可能后面看起来还在推进，但推进的东西到底对不对，自己其实已经没那么确定了。 我对抗“效率幻觉”大概有两步。 第一步，是把决策可视化。 我会尽量把自己思考的东西打出来，输入到幕布里，再转成思维导图去看。这里最关键的不是工具，而是要自己动手，尽量不要复制粘贴。AI 可以辅助，但这一步我更希望是我自己在输入、在整理、在重新组织。因为只有这样，我才能确认这些内容真的是我自己想清楚的，而不是只是看 AI 说得很顺，就默认它是对的。 某种意义上，这一步对我来说是 100% 的“人在回路”。它会在物理层面强制我把思考重新接回来，同时也能保证持续专注，因为这件事没法并行，也没法偷懒。 第二步，是主动抽离。 抽离对我来说，不只是休息一下，而是一个避免局部最优、避免反刍、恢复元认知的过程。 因为和 AI 协作久了以后，很容易出现一种情况：对话越来越顺，内容越来越连贯，于是人会慢慢产生一种“我们正在前进”的感觉。问题在于，这种流畅感本身就会削弱人的警惕性。清醒的时候，你还会不断追问：这一步的依据是什么？风险在哪里？但到了后期，尤其是累的时候，人更容易接受那些“语言上讲得通”的东西，于是决策权就会默默让渡出去。 而且这种让渡通常不是一下子发生的，它更像是一个渐变的滑坡。 所以我的做法会更偏物理一些。比如我坐在电脑前工作一段时间以后，会刻意离开电脑，站起来走一走，喝点水，强制把自己从当前状态里抽出来。我的大脑并没有停止，只是像经历了一次重启。然后我再回来重新看：我们现在到底进展到了什么地步？如果我要给别人汇报进展，我会怎么汇报？我们现在做的这件事，真的是对的吗？ 对我来说，这一步很重要。因为很多时候，所谓“效率幻觉”不是你做得不够多，而是你已经做了很多，但你开始说不清自己到底为什么这么做了。 -— ## 五、AI时代生存（学习）指南 学会主动降噪 这是一个什么时代呢？因为我有每天听播客、看最新动态的习惯，很容易会有一些错觉：好像每天都有新模型、新工具、新 Agent 发布，感觉世界每天都在被重写。 变化当然是真的，焦虑也不是空穴来风，很多岗位裁员是真的，岗位收缩是真的，很多公司也确实把 AI、效率、组织重构这些话术和 headcount 变化绑在一起。但越是在这个时候，越不能被噪声牵着走，把所有信息都理解成“全完了，过一阵子就全部都失业了”。 同时，要明白很多信息本身也带着浮夸、博眼球的成分。不要失真地理解现实，不要被节奏带跑，焦虑地过日子，焦虑既不解决问题，也伤身。 主变量是人 目前，AI 可以辅助探索、生成、执行。但是不能替代你对问题表述、验收标准、必要取舍和决策的主导权。这应该要成为共识。 变化是真的，所以不能躺平；起码在现在这个阶段，大家能用到的 AI，无论是 GPT、Claude、Gemini，还是国内的 GLM、DeepSeek、Kimi、MiniMax 等等，差距没有大到离谱的程度。（当然，能用最好的还是用最好的） 更大的区别还是在于用 AI 的人。同样的一个模型，不同的人用出来的效果是不一样的。小学生和数学家用同一个 AI 去做数学，最后发挥出来的力量肯定是不一样的。所以说，这个时代，要学习。 如果把“人是主变量”这件事再画得更直接一点，大概就是下面这个样子。 不能只会用 AI 如果你完全不懂你现在让 AI 做的事情，那你几乎是无法判断和分辨好坏的，也是无法做到经验累积的，你只能做一个搬运工。而这样长期下去，过度依赖 AI 而不学习会导致能力萎缩，最终个人能力可能逐渐倒退至完全被 AI 的能力所 cover，这是很可怕的一件事情。 如果你发现 AI 在跑，你只是盯着控制台发呆，刷手机，最后再把结果原样拿来用，或许该警惕了。 学什么，怎么学 学什么呢？去学概念、原理、表达、审美、判断。 决定能不能进入一个领域的概念与原理的知识是不会太多的。抓住这些主干，你就能够更快进入这个领域的 space，知道它的大致边界、结构和内在关系。 所以不要碎片化地去追热点，什么火去学什么，可能这样学到的只是表象。应该要去学概念，学原理。建立起自己的地图，知道自己在哪，知道哪些概念是主干，哪些是枝叶。然后让 AI 帮你逐步展开、解释、练习。 这是一个非常适合学习的时代。我个人深切感受到了，很多过去晦涩难懂的知识，现在都可以让 AI 用你能理解的话解释；也可以扮演导师的角色拷打你，可以用苏格拉底式的问答逼你去把问题想得更深一点。 人机关系 有关人机关系，我想到的最差的关系是：自己不思考，只会搬运 AI 的答案。 最理想的路线是：自己有知识基础，有判断力，知道什么是好的，知道自己想要什么，然后让 AI 去帮你探索、生成、执行。 推荐的一些材料 如果你暂时找不到意义，不知道这样飞速发展的时代应该做什么，感到焦虑和迷茫，那么去学习吧。如果暂时不知道学什么，或者想从 coding agent 这条线入门，我推荐几个对我来说帮助比较大的材料： - Learn ClaudeCode / `shareAI-lab/learn-claude-code` 适合从 0 到 1 理解 agent harness。 - Auto-claude-code-research-in-sleep / ARIS 的 skills 适合做学术研究，尤其是如果将 coding agent 与学术研究结合。 - `obra/superpowers` 适合看一套完整的 agentic skills framework 和软件工程方法论。 -— 六、对于我来说，不得不思考的一些问题 当未来 AI 产品与我们生活方方面面紧密结合时，会发生什么？ 我现在也会警惕另一件事：人和 AI 协作久了以后，不一定只是效率更高了，也可能是在慢慢学会用 AI 听得懂的方式去表达自己。目标可能会变得更结构化，更 AI friendly，原本那些模糊、犹豫的东西是不是会慢慢变少？短期看，是沟通成本变低，执行变快，效率变高了；但反过来看，是不是也意味着我们也正在一点点变成一个更容易被系统理解、也更容易被系统预测的人呢？ 另外，这种变化不是单向的，AI 会通过我的历史行为学习我，而我也会通过和 AI 协作的反馈学会怎么更快地得到结果。久而久之，就可能形成一种闭环：我越来越习惯某种提问方式、某种表达风格，而 AI 也会越来越顺着我。可这就是问题，它这样做太容易让人觉得“这就是我的想法”了，实际上可能是一种坍缩。看似是 AI 和人共同进化，实际上有可能只是你变简单了。 4 个帖子 - 4 位参与者 阅读完整话题
我是一名Java开发，平时代码多用idea+Claudecode插件，codex APP一般都是写个脚本，当个搜索工具啥的。各位佬，你们都用codexAPP做什么，可以分享下吗 5 个帖子 - 5 位参与者 阅读完整话题
我是一名干了两年半的前端 IT 派遣工，全日制大专学历。 说说工作上的状态。 公司内部文档还算齐全，也推广过 opencode ，虽然 token 不报销，但开源软件配免费模型，公司不会让我们自掏腰包。体验了一段时间后，我还是选择自己充值用 Cursor——只要把文档喂进去，它就能指哪打哪，三五轮对话就把功能写好了。剩下的时间就是等后端进度或 Electron 项目打包。空闲时我一边刷论坛，打包后再花十几分钟自测，就没事了。公司对看别的内容没有严格禁止，但总觉得不太好，毕竟主管偶尔从工位跑到打印机，会瞥见我的屏幕。所以我一直刷 V2EX 、Hacker News ，问就说在看最新技术（虽然从没人质疑过）。 再说学习上的计划，但我都没坚持下来。 四月初买了一个 AI 课程，头两天学得很起劲，后来慢慢去魅，就没怎么学了。现在课程还在更新，虽然也就是一些线上视频和资料，但说不上亏，只是需要自己主动一点——客观上说，只要主动，老师的服务是很到位的。 五月份又和一家机构签了函授本科的合同，现在是入学考试准备阶段。机构给了我一堆资料和试卷，让我好好准备。实际上我只敷衍地学了两节数学课视频，写了一页数学卷子，还是带着豆包只写一点自己会的题目。最近才意识到，如果不打算要学位证，这个函授的含金量可能还不如我原来的全日制大专。以我现在的状态走下去，学位证大概与我无缘。 而且从六月开始，公司不加班了，作息正常了，可我依然没动力学习。 学习资料全在电脑上吃灰。如果抽离出来，用旁观者的视角看自己——其实从五月初过完劳动节就初见端倪了：一有空就打 球球大作战，午休打，下班打，甚至上班无聊都会窝在楼梯间打一会儿。 我的时间到底浪费在哪了？ 上班空闲很多：刷 V2EX 、Hacker News ，或者偷偷 vibe coding 一些没太多意义的东西。 午休两小时，吃完饭就打 球球大作战。 下班后打 球球大作战 和 王者荣耀 ，刷 YouTube 短视频。 周末彻底放开了，看片，打游戏，刷抖音。玩成一个懵逼小子之后，去赵一鸣零食买三十块钱的吃的，再到天河公园发两小时呆。回来打开 AI 课程，一边听一边刷抖音，过一会儿索性合上电脑，全心打游戏。 成年人的世界很自由，自由到不管跟谁讲，听起来都嗨爆了。 确实很爽。但爽完回看这两个月，甚至回看毕业后这两年的表现，我的青春真的应该这样颓废吗？ 我想起上大专的时候，我在班里是鹤立鸡群的，是最爱学的那一个。当同学对老师教的 JS 语法、CSS 特性不屑一顾、听完就忘时，我反而觉得不够，会主动在网上渴求更多知识。老师让我带一带学得差的同学，我答应了，还让他调到我宿舍。他沉迷王者荣耀，有次我周末一天提醒他六次以上记得做页面布局练习，可第二天周一上课时，他依然没把练习做完。毕业后，这个同学在微信上给我发过房地产促销图片，也多次求我带他找份好工作，我责备他当时不好好学。现在他好像又转行搞传销了，一边给我发招聘合伙人的图片，一边找我借十块钱吃饭。 对比我自己最近两个月的表现，我不知道该说什么好。爽吗？很爽。值吗？不值。
我是一名干了两年半的前端 IT 派遣工，全日制大专学历。 说说工作上的状态。 公司内部文档还算齐全，也推广过 opencode ，虽然 token 不报销，但开源软件配免费模型，公司不会让我们自掏腰包。体验了一段时间后，我还是选择自己充值用 Cursor——只要把文档喂进去，它就能指哪打哪，三五轮对话就把功能写好了。剩下的时间就是等后端进度或 Electron 项目打包。空闲时我一边刷论坛，打包后再花十几分钟自测，就没事了。公司对看别的内容没有严格禁止，但总觉得不太好，毕竟主管偶尔从工位跑到打印机，会瞥见我的屏幕。所以我一直刷 V2EX 、Hacker News ，问就说在看最新技术（虽然从没人质疑过）。 再说学习上的计划，但我都没坚持下来。 四月初买了一个 AI 课程，头两天学得很起劲，后来慢慢去魅，就没怎么学了。现在课程还在更新，虽然也就是一些线上视频和资料，但说不上亏，只是需要自己主动一点——客观上说，只要主动，老师的服务是很到位的。 五月份又和一家机构签了函授本科的合同，现在是入学考试准备阶段。机构给了我一堆资料和试卷，让我好好准备。实际上我只敷衍地学了两节数学课视频，写了一页数学卷子，还是带着豆包只写一点自己会的题目。最近才意识到，如果不打算要学位证，这个函授的含金量可能还不如我原来的全日制大专。以我现在的状态走下去，学位证大概与我无缘。 而且从六月开始，公司不加班了，作息正常了，可我依然没动力学习。 学习资料全在电脑上吃灰。如果抽离出来，用旁观者的视角看自己——其实从五月初过完劳动节就初见端倪了：一有空就打 球球大作战，午休打，下班打，甚至上班无聊都会窝在楼梯间打一会儿。 我的时间到底浪费在哪了？ 上班空闲很多：刷 V2EX 、Hacker News ，或者偷偷 vibe coding 一些没太多意义的东西。 午休两小时，吃完饭就打 球球大作战。 下班后打 球球大作战 和 王者荣耀 ，刷 YouTube 短视频。 周末彻底放开了，看片，打游戏，刷抖音。玩成一个懵逼小子之后，去赵一鸣零食买三十块钱的吃的，再到天河公园发两小时呆。回来打开 AI 课程，一边听一边刷抖音，过一会儿索性合上电脑，全心打游戏。 成年人的世界很自由，自由到不管跟谁讲，听起来都嗨爆了。 确实很爽。但爽完回看这两个月，甚至回看毕业后这两年的表现，我的青春真的应该这样颓废吗？ 我想起上大专的时候，我在班里是鹤立鸡群的，是最爱学的那一个。当同学对老师教的 JS 语法、CSS 特性不屑一顾、听完就忘时，我反而觉得不够，会主动在网上渴求更多知识。老师让我带一带学得差的同学，我答应了，还让他调到我宿舍。他沉迷王者荣耀，有次我周末一天提醒他六次以上记得做页面布局练习，可第二天周一上课时，他依然没把练习做完。毕业后，这个同学在微信上给我发过房地产促销图片，也多次求我带他找份好工作，我责备他当时不好好学。现在他好像又转行搞传销了，一边给我发招聘合伙人的图片，一边找我借十块钱吃饭。 对比我自己最近两个月的表现，我不知道该说什么好。爽吗？很爽。值吗？不值。
我是一名干了两年半的前端 IT 派遣工，全日制大专学历。 说说工作上的状态。 公司内部文档还算齐全，也推广过 opencode ，虽然 token 不报销，但开源软件配免费模型，公司不会让我们自掏腰包。体验了一段时间后，我还是选择自己充值用 Cursor——只要把文档喂进去，它就能指哪打哪，三五轮对话就把功能写好了。剩下的时间就是等后端进度或 Electron 项目打包。空闲时我一边刷论坛，打包后再花十几分钟自测，就没事了。公司对看别的内容没有严格禁止，但总觉得不太好，毕竟主管偶尔从工位跑到打印机，会瞥见我的屏幕。所以我一直刷 V2EX 、Hacker News ，问就说在看最新技术（虽然从没人质疑过）。 再说学习上的计划，但我都没坚持下来。 四月初买了一个 AI 课程，头两天学得很起劲，后来慢慢去魅，就没怎么学了。现在课程还在更新，虽然也就是一些线上视频和资料，但说不上亏，只是需要自己主动一点——客观上说，只要主动，老师的服务是很到位的。 五月份又和一家机构签了函授本科的合同，现在是入学考试准备阶段。机构给了我一堆资料和试卷，让我好好准备。实际上我只敷衍地学了两节数学课视频，写了一页数学卷子，还是带着豆包只写一点自己会的题目。最近才意识到，如果不打算要学位证，这个函授的含金量可能还不如我原来的全日制大专。以我现在的状态走下去，学位证大概与我无缘。 而且从六月开始，公司不加班了，作息正常了，可我依然没动力学习。 学习资料全在电脑上吃灰。如果抽离出来，用旁观者的视角看自己——其实从五月初过完劳动节就初见端倪了：一有空就打 球球大作战，午休打，下班打，甚至上班无聊都会窝在楼梯间打一会儿。 我的时间到底浪费在哪了？ 上班空闲很多：刷 V2EX 、Hacker News ，或者偷偷 vibe coding 一些没太多意义的东西。 午休两小时，吃完饭就打 球球大作战。 下班后打 球球大作战 和 王者荣耀 ，刷 YouTube 短视频。 周末彻底放开了，看片，打游戏，刷抖音。玩成一个懵逼小子之后，去赵一鸣零食买三十块钱的吃的，再到天河公园发两小时呆。回来打开 AI 课程，一边听一边刷抖音，过一会儿索性合上电脑，全心打游戏。 成年人的世界很自由，自由到不管跟谁讲，听起来都嗨爆了。 确实很爽。但爽完回看这两个月，甚至回看毕业后这两年的表现，我的青春真的应该这样颓废吗？ 我想起上大专的时候，我在班里是鹤立鸡群的，是最爱学的那一个。当同学对老师教的 JS 语法、CSS 特性不屑一顾、听完就忘时，我反而觉得不够，会主动在网上渴求更多知识。老师让我带一带学得差的同学，我答应了，还让他调到我宿舍。他沉迷王者荣耀，有次我周末一天提醒他六次以上记得做页面布局练习，可第二天周一上课时，他依然没把练习做完。毕业后，这个同学在微信上给我发过房地产促销图片，也多次求我带他找份好工作，我责备他当时不好好学。现在他好像又转行搞传销了，一边给我发招聘合伙人的图片，一边找我借十块钱吃饭。 对比我自己最近两个月的表现，我不知道该说什么好。爽吗？很爽。值吗？不值。
我是一名干了两年半的前端 IT 派遣工，全日制大专学历。 说说工作上的状态。 公司内部文档还算齐全，也推广过 opencode ，虽然 token 不报销，但开源软件配免费模型，公司不会让我们自掏腰包。体验了一段时间后，我还是选择自己充值用 Cursor——只要把文档喂进去，它就能指哪打哪，三五轮对话就把功能写好了。剩下的时间就是等后端进度或 Electron 项目打包。空闲时我一边刷论坛，打包后再花十几分钟自测，就没事了。公司对看别的内容没有严格禁止，但总觉得不太好，毕竟主管偶尔从工位跑到打印机，会瞥见我的屏幕。所以我一直刷 V2EX 、Hacker News ，问就说在看最新技术（虽然从没人质疑过）。 再说学习上的计划，但我都没坚持下来。 四月初买了一个 AI 课程，头两天学得很起劲，后来慢慢去魅，就没怎么学了。现在课程还在更新，虽然也就是一些线上视频和资料，但说不上亏，只是需要自己主动一点——客观上说，只要主动，老师的服务是很到位的。 五月份又和一家机构签了函授本科的合同，现在是入学考试准备阶段。机构给了我一堆资料和试卷，让我好好准备。实际上我只敷衍地学了两节数学课视频，写了一页数学卷子，还是带着豆包只写一点自己会的题目。最近才意识到，如果不打算要学位证，这个函授的含金量可能还不如我原来的全日制大专。以我现在的状态走下去，学位证大概与我无缘。 而且从六月开始，公司不加班了，作息正常了，可我依然没动力学习。 学习资料全在电脑上吃灰。如果抽离出来，用旁观者的视角看自己——其实从五月初过完劳动节就初见端倪了：一有空就打 球球大作战，午休打，下班打，甚至上班无聊都会窝在楼梯间打一会儿。 我的时间到底浪费在哪了？ 上班空闲很多：刷 V2EX 、Hacker News ，或者偷偷 vibe coding 一些没太多意义的东西。 午休两小时，吃完饭就打 球球大作战。 下班后打 球球大作战 和 王者荣耀 ，刷 YouTube 短视频。 周末彻底放开了，看片，打游戏，刷抖音。玩成一个懵逼小子之后，去赵一鸣零食买三十块钱的吃的，再到天河公园发两小时呆。回来打开 AI 课程，一边听一边刷抖音，过一会儿索性合上电脑，全心打游戏。 成年人的世界很自由，自由到不管跟谁讲，听起来都嗨爆了。 确实很爽。但爽完回看这两个月，甚至回看毕业后这两年的表现，我的青春真的应该这样颓废吗？ 我想起上大专的时候，我在班里是鹤立鸡群的，是最爱学的那一个。当同学对老师教的 JS 语法、CSS 特性不屑一顾、听完就忘时，我反而觉得不够，会主动在网上渴求更多知识。老师让我带一带学得差的同学，我答应了，还让他调到我宿舍。他沉迷王者荣耀，有次我周末一天提醒他六次以上记得做页面布局练习，可第二天周一上课时，他依然没把练习做完。毕业后，这个同学在微信上给我发过房地产促销图片，也多次求我带他找份好工作，我责备他当时不好好学。现在他好像又转行搞传销了，一边给我发招聘合伙人的图片，一边找我借十块钱吃饭。 对比我自己最近两个月的表现，我不知道该说什么好。爽吗？很爽。值吗？不值。
我是一名干了两年半的前端 IT 派遣工，全日制大专学历。 说说工作上的状态。 公司内部文档还算齐全，也推广过 opencode ，虽然 token 不报销，但开源软件配免费模型，公司不会让我们自掏腰包。体验了一段时间后，我还是选择自己充值用 Cursor——只要把文档喂进去，它就能指哪打哪，三五轮对话就把功能写好了。剩下的时间就是等后端进度或 Electron 项目打包。空闲时我一边刷论坛，打包后再花十几分钟自测，就没事了。公司对看别的内容没有严格禁止，但总觉得不太好，毕竟主管偶尔从工位跑到打印机，会瞥见我的屏幕。所以我一直刷 V2EX 、Hacker News ，问就说在看最新技术（虽然从没人质疑过）。 再说学习上的计划，但我都没坚持下来。 四月初买了一个 AI 课程，头两天学得很起劲，后来慢慢去魅，就没怎么学了。现在课程还在更新，虽然也就是一些线上视频和资料，但说不上亏，只是需要自己主动一点——客观上说，只要主动，老师的服务是很到位的。 五月份又和一家机构签了函授本科的合同，现在是入学考试准备阶段。机构给了我一堆资料和试卷，让我好好准备。实际上我只敷衍地学了两节数学课视频，写了一页数学卷子，还是带着豆包只写一点自己会的题目。最近才意识到，如果不打算要学位证，这个函授的含金量可能还不如我原来的全日制大专。以我现在的状态走下去，学位证大概与我无缘。 而且从六月开始，公司不加班了，作息正常了，可我依然没动力学习。 学习资料全在电脑上吃灰。如果抽离出来，用旁观者的视角看自己——其实从五月初过完劳动节就初见端倪了：一有空就打 球球大作战，午休打，下班打，甚至上班无聊都会窝在楼梯间打一会儿。 我的时间到底浪费在哪了？ 上班空闲很多：刷 V2EX 、Hacker News ，或者偷偷 vibe coding 一些没太多意义的东西。 午休两小时，吃完饭就打 球球大作战。 下班后打 球球大作战 和 王者荣耀 ，刷 YouTube 短视频。 周末彻底放开了，看片，打游戏，刷抖音。玩成一个懵逼小子之后，去赵一鸣零食买三十块钱的吃的，再到天河公园发两小时呆。回来打开 AI 课程，一边听一边刷抖音，过一会儿索性合上电脑，全心打游戏。 成年人的世界很自由，自由到不管跟谁讲，听起来都嗨爆了。 确实很爽。但爽完回看这两个月，甚至回看毕业后这两年的表现，我的青春真的应该这样颓废吗？ 我想起上大专的时候，我在班里是鹤立鸡群的，是最爱学的那一个。当同学对老师教的 JS 语法、CSS 特性不屑一顾、听完就忘时，我反而觉得不够，会主动在网上渴求更多知识。老师让我带一带学得差的同学，我答应了，还让他调到我宿舍。他沉迷王者荣耀，有次我周末一天提醒他六次以上记得做页面布局练习，可第二天周一上课时，他依然没把练习做完。毕业后，这个同学在微信上给我发过房地产促销图片，也多次求我带他找份好工作，我责备他当时不好好学。现在他好像又转行搞传销了，一边给我发招聘合伙人的图片，一边找我借十块钱吃饭。 对比我自己最近两个月的表现，我不知道该说什么好。爽吗？很爽。值吗？不值。
我是一名干了两年半的前端 IT 派遣工，全日制大专学历。 说说工作上的状态。 公司内部文档还算齐全，也推广过 opencode ，虽然 token 不报销，但开源软件配免费模型，公司不会让我们自掏腰包。体验了一段时间后，我还是选择自己充值用 Cursor——只要把文档喂进去，它就能指哪打哪，三五轮对话就把功能写好了。剩下的时间就是等后端进度或 Electron 项目打包。空闲时我一边刷论坛，打包后再花十几分钟自测，就没事了。公司对看别的内容没有严格禁止，但总觉得不太好，毕竟主管偶尔从工位跑到打印机，会瞥见我的屏幕。所以我一直刷 V2EX 、Hacker News ，问就说在看最新技术（虽然从没人质疑过）。 再说学习上的计划，但我都没坚持下来。 四月初买了一个 AI 课程，头两天学得很起劲，后来慢慢去魅，就没怎么学了。现在课程还在更新，虽然也就是一些线上视频和资料，但说不上亏，只是需要自己主动一点——客观上说，只要主动，老师的服务是很到位的。 五月份又和一家机构签了函授本科的合同，现在是入学考试准备阶段。机构给了我一堆资料和试卷，让我好好准备。实际上我只敷衍地学了两节数学课视频，写了一页数学卷子，还是带着豆包只写一点自己会的题目。最近才意识到，如果不打算要学位证，这个函授的含金量可能还不如我原来的全日制大专。以我现在的状态走下去，学位证大概与我无缘。 而且从六月开始，公司不加班了，作息正常了，可我依然没动力学习。 学习资料全在电脑上吃灰。如果抽离出来，用旁观者的视角看自己——其实从五月初过完劳动节就初见端倪了：一有空就打 球球大作战，午休打，下班打，甚至上班无聊都会窝在楼梯间打一会儿。 我的时间到底浪费在哪了？ 上班空闲很多：刷 V2EX 、Hacker News ，或者偷偷 vibe coding 一些没太多意义的东西。 午休两小时，吃完饭就打 球球大作战。 下班后打 球球大作战 和 王者荣耀 ，刷 YouTube 短视频。 周末彻底放开了，看片，打游戏，刷抖音。玩成一个懵逼小子之后，去赵一鸣零食买三十块钱的吃的，再到天河公园发两小时呆。回来打开 AI 课程，一边听一边刷抖音，过一会儿索性合上电脑，全心打游戏。 成年人的世界很自由，自由到不管跟谁讲，听起来都嗨爆了。 确实很爽。但爽完回看这两个月，甚至回看毕业后这两年的表现，我的青春真的应该这样颓废吗？ 我想起上大专的时候，我在班里是鹤立鸡群的，是最爱学的那一个。当同学对老师教的 JS 语法、CSS 特性不屑一顾、听完就忘时，我反而觉得不够，会主动在网上渴求更多知识。老师让我带一带学得差的同学，我答应了，还让他调到我宿舍。他沉迷王者荣耀，有次我周末一天提醒他六次以上记得做页面布局练习，可第二天周一上课时，他依然没把练习做完。毕业后，这个同学在微信上给我发过房地产促销图片，也多次求我带他找份好工作，我责备他当时不好好学。现在他好像又转行搞传销了，一边给我发招聘合伙人的图片，一边找我借十块钱吃饭。 对比我自己最近两个月的表现，我不知道该说什么好。爽吗？很爽。值吗？不值。
我是一名干了两年半的前端 IT 派遣工，全日制大专学历。 说说工作上的状态。 公司内部文档还算齐全，也推广过 opencode ，虽然 token 不报销，但开源软件配免费模型，公司不会让我们自掏腰包。体验了一段时间后，我还是选择自己充值用 Cursor——只要把文档喂进去，它就能指哪打哪，三五轮对话就把功能写好了。剩下的时间就是等后端进度或 Electron 项目打包。空闲时我一边刷论坛，打包后再花十几分钟自测，就没事了。公司对看别的内容没有严格禁止，但总觉得不太好，毕竟主管偶尔从工位跑到打印机，会瞥见我的屏幕。所以我一直刷 V2EX 、Hacker News ，问就说在看最新技术（虽然从没人质疑过）。 再说学习上的计划，但我都没坚持下来。 四月初买了一个 AI 课程，头两天学得很起劲，后来慢慢去魅，就没怎么学了。现在课程还在更新，虽然也就是一些线上视频和资料，但说不上亏，只是需要自己主动一点——客观上说，只要主动，老师的服务是很到位的。 五月份又和一家机构签了函授本科的合同，现在是入学考试准备阶段。机构给了我一堆资料和试卷，让我好好准备。实际上我只敷衍地学了两节数学课视频，写了一页数学卷子，还是带着豆包只写一点自己会的题目。最近才意识到，如果不打算要学位证，这个函授的含金量可能还不如我原来的全日制大专。以我现在的状态走下去，学位证大概与我无缘。 而且从六月开始，公司不加班了，作息正常了，可我依然没动力学习。 学习资料全在电脑上吃灰。如果抽离出来，用旁观者的视角看自己——其实从五月初过完劳动节就初见端倪了：一有空就打 球球大作战，午休打，下班打，甚至上班无聊都会窝在楼梯间打一会儿。 我的时间到底浪费在哪了？ 上班空闲很多：刷 V2EX 、Hacker News ，或者偷偷 vibe coding 一些没太多意义的东西。 午休两小时，吃完饭就打 球球大作战。 下班后打 球球大作战 和 王者荣耀 ，刷 YouTube 短视频。 周末彻底放开了，看片，打游戏，刷抖音。玩成一个懵逼小子之后，去赵一鸣零食买三十块钱的吃的，再到天河公园发两小时呆。回来打开 AI 课程，一边听一边刷抖音，过一会儿索性合上电脑，全心打游戏。 成年人的世界很自由，自由到不管跟谁讲，听起来都嗨爆了。 确实很爽。但爽完回看这两个月，甚至回看毕业后这两年的表现，我的青春真的应该这样颓废吗？ 我想起上大专的时候，我在班里是鹤立鸡群的，是最爱学的那一个。当同学对老师教的 JS 语法、CSS 特性不屑一顾、听完就忘时，我反而觉得不够，会主动在网上渴求更多知识。老师让我带一带学得差的同学，我答应了，还让他调到我宿舍。他沉迷王者荣耀，有次我周末一天提醒他六次以上记得做页面布局练习，可第二天周一上课时，他依然没把练习做完。毕业后，这个同学在微信上给我发过房地产促销图片，也多次求我带他找份好工作，我责备他当时不好好学。现在他好像又转行搞传销了，一边给我发招聘合伙人的图片，一边找我借十块钱吃饭。 对比我自己最近两个月的表现，我不知道该说什么好。爽吗？很爽。值吗？不值。
我是一名干了两年半的前端 IT 派遣工，全日制大专学历。 说说工作上的状态。 公司内部文档还算齐全，也推广过 opencode ，虽然 token 不报销，但开源软件配免费模型，公司不会让我们自掏腰包。体验了一段时间后，我还是选择自己充值用 Cursor——只要把文档喂进去，它就能指哪打哪，三五轮对话就把功能写好了。剩下的时间就是等后端进度或 Electron 项目打包。空闲时我一边刷论坛，打包后再花十几分钟自测，就没事了。公司对看别的内容没有严格禁止，但总觉得不太好，毕竟主管偶尔从工位跑到打印机，会瞥见我的屏幕。所以我一直刷 V2EX 、Hacker News ，问就说在看最新技术（虽然从没人质疑过）。 再说学习上的计划，但我都没坚持下来。 四月初买了一个 AI 课程，头两天学得很起劲，后来慢慢去魅，就没怎么学了。现在课程还在更新，虽然也就是一些线上视频和资料，但说不上亏，只是需要自己主动一点——客观上说，只要主动，老师的服务是很到位的。 五月份又和一家机构签了函授本科的合同，现在是入学考试准备阶段。机构给了我一堆资料和试卷，让我好好准备。实际上我只敷衍地学了两节数学课视频，写了一页数学卷子，还是带着豆包只写一点自己会的题目。最近才意识到，如果不打算要学位证，这个函授的含金量可能还不如我原来的全日制大专。以我现在的状态走下去，学位证大概与我无缘。 而且从六月开始，公司不加班了，作息正常了，可我依然没动力学习。 学习资料全在电脑上吃灰。如果抽离出来，用旁观者的视角看自己——其实从五月初过完劳动节就初见端倪了：一有空就打 球球大作战，午休打，下班打，甚至上班无聊都会窝在楼梯间打一会儿。 我的时间到底浪费在哪了？ 上班空闲很多：刷 V2EX 、Hacker News ，或者偷偷 vibe coding 一些没太多意义的东西。 午休两小时，吃完饭就打 球球大作战。 下班后打 球球大作战 和 王者荣耀 ，刷 YouTube 短视频。 周末彻底放开了，看片，打游戏，刷抖音。玩成一个懵逼小子之后，去赵一鸣零食买三十块钱的吃的，再到天河公园发两小时呆。回来打开 AI 课程，一边听一边刷抖音，过一会儿索性合上电脑，全心打游戏。 成年人的世界很自由，自由到不管跟谁讲，听起来都嗨爆了。 确实很爽。但爽完回看这两个月，甚至回看毕业后这两年的表现，我的青春真的应该这样颓废吗？ 我想起上大专的时候，我在班里是鹤立鸡群的，是最爱学的那一个。当同学对老师教的 JS 语法、CSS 特性不屑一顾、听完就忘时，我反而觉得不够，会主动在网上渴求更多知识。老师让我带一带学得差的同学，我答应了，还让他调到我宿舍。他沉迷王者荣耀，有次我周末一天提醒他六次以上记得做页面布局练习，可第二天周一上课时，他依然没把练习做完。毕业后，这个同学在微信上给我发过房地产促销图片，也多次求我带他找份好工作，我责备他当时不好好学。现在他好像又转行搞传销了，一边给我发招聘合伙人的图片，一边找我借十块钱吃饭。 对比我自己最近两个月的表现，我不知道该说什么好。爽吗？很爽。值吗？不值。
我是一名干了两年半的前端 IT 派遣工，全日制大专学历。 说说工作上的状态。 公司内部文档还算齐全，也推广过 opencode ，虽然 token 不报销，但开源软件配免费模型，公司不会让我们自掏腰包。体验了一段时间后，我还是选择自己充值用 Cursor——只要把文档喂进去，它就能指哪打哪，三五轮对话就把功能写好了。剩下的时间就是等后端进度或 Electron 项目打包。空闲时我一边刷论坛，打包后再花十几分钟自测，就没事了。公司对看别的内容没有严格禁止，但总觉得不太好，毕竟主管偶尔从工位跑到打印机，会瞥见我的屏幕。所以我一直刷 V2EX 、Hacker News ，问就说在看最新技术（虽然从没人质疑过）。 再说学习上的计划，但我都没坚持下来。 四月初买了一个 AI 课程，头两天学得很起劲，后来慢慢去魅，就没怎么学了。现在课程还在更新，虽然也就是一些线上视频和资料，但说不上亏，只是需要自己主动一点——客观上说，只要主动，老师的服务是很到位的。 五月份又和一家机构签了函授本科的合同，现在是入学考试准备阶段。机构给了我一堆资料和试卷，让我好好准备。实际上我只敷衍地学了两节数学课视频，写了一页数学卷子，还是带着豆包只写一点自己会的题目。最近才意识到，如果不打算要学位证，这个函授的含金量可能还不如我原来的全日制大专。以我现在的状态走下去，学位证大概与我无缘。 而且从六月开始，公司不加班了，作息正常了，可我依然没动力学习。 学习资料全在电脑上吃灰。如果抽离出来，用旁观者的视角看自己——其实从五月初过完劳动节就初见端倪了：一有空就打 球球大作战，午休打，下班打，甚至上班无聊都会窝在楼梯间打一会儿。 我的时间到底浪费在哪了？ 上班空闲很多：刷 V2EX 、Hacker News ，或者偷偷 vibe coding 一些没太多意义的东西。 午休两小时，吃完饭就打 球球大作战。 下班后打 球球大作战 和 王者荣耀 ，刷 YouTube 短视频。 周末彻底放开了，看片，打游戏，刷抖音。玩成一个懵逼小子之后，去赵一鸣零食买三十块钱的吃的，再到天河公园发两小时呆。回来打开 AI 课程，一边听一边刷抖音，过一会儿索性合上电脑，全心打游戏。 成年人的世界很自由，自由到不管跟谁讲，听起来都嗨爆了。 确实很爽。但爽完回看这两个月，甚至回看毕业后这两年的表现，我的青春真的应该这样颓废吗？ 我想起上大专的时候，我在班里是鹤立鸡群的，是最爱学的那一个。当同学对老师教的 JS 语法、CSS 特性不屑一顾、听完就忘时，我反而觉得不够，会主动在网上渴求更多知识。老师让我带一带学得差的同学，我答应了，还让他调到我宿舍。他沉迷王者荣耀，有次我周末一天提醒他六次以上记得做页面布局练习，可第二天周一上课时，他依然没把练习做完。毕业后，这个同学在微信上给我发过房地产促销图片，也多次求我带他找份好工作，我责备他当时不好好学。现在他好像又转行搞传销了，一边给我发招聘合伙人的图片，一边找我借十块钱吃饭。 对比我自己最近两个月的表现，我不知道该说什么好。爽吗？很爽。值吗？不值。
我是一名干了两年半的前端 IT 派遣工，全日制大专学历。 说说工作上的状态。 公司内部文档还算齐全，也推广过 opencode ，虽然 token 不报销，但开源软件配免费模型，公司不会让我们自掏腰包。体验了一段时间后，我还是选择自己充值用 Cursor——只要把文档喂进去，它就能指哪打哪，三五轮对话就把功能写好了。剩下的时间就是等后端进度或 Electron 项目打包。空闲时我一边刷论坛，打包后再花十几分钟自测，就没事了。公司对看别的内容没有严格禁止，但总觉得不太好，毕竟主管偶尔从工位跑到打印机，会瞥见我的屏幕。所以我一直刷 V2EX 、Hacker News ，问就说在看最新技术（虽然从没人质疑过）。 再说学习上的计划，但我都没坚持下来。 四月初买了一个 AI 课程，头两天学得很起劲，后来慢慢去魅，就没怎么学了。现在课程还在更新，虽然也就是一些线上视频和资料，但说不上亏，只是需要自己主动一点——客观上说，只要主动，老师的服务是很到位的。 五月份又和一家机构签了函授本科的合同，现在是入学考试准备阶段。机构给了我一堆资料和试卷，让我好好准备。实际上我只敷衍地学了两节数学课视频，写了一页数学卷子，还是带着豆包只写一点自己会的题目。最近才意识到，如果不打算要学位证，这个函授的含金量可能还不如我原来的全日制大专。以我现在的状态走下去，学位证大概与我无缘。 而且从六月开始，公司不加班了，作息正常了，可我依然没动力学习。 学习资料全在电脑上吃灰。如果抽离出来，用旁观者的视角看自己——其实从五月初过完劳动节就初见端倪了：一有空就打 球球大作战，午休打，下班打，甚至上班无聊都会窝在楼梯间打一会儿。 我的时间到底浪费在哪了？ 上班空闲很多：刷 V2EX 、Hacker News ，或者偷偷 vibe coding 一些没太多意义的东西。 午休两小时，吃完饭就打 球球大作战。 下班后打 球球大作战 和 王者荣耀 ，刷 YouTube 短视频。 周末彻底放开了，看片，打游戏，刷抖音。玩成一个懵逼小子之后，去赵一鸣零食买三十块钱的吃的，再到天河公园发两小时呆。回来打开 AI 课程，一边听一边刷抖音，过一会儿索性合上电脑，全心打游戏。 成年人的世界很自由，自由到不管跟谁讲，听起来都嗨爆了。 确实很爽。但爽完回看这两个月，甚至回看毕业后这两年的表现，我的青春真的应该这样颓废吗？ 我想起上大专的时候，我在班里是鹤立鸡群的，是最爱学的那一个。当同学对老师教的 JS 语法、CSS 特性不屑一顾、听完就忘时，我反而觉得不够，会主动在网上渴求更多知识。老师让我带一带学得差的同学，我答应了，还让他调到我宿舍。他沉迷王者荣耀，有次我周末一天提醒他六次以上记得做页面布局练习，可第二天周一上课时，他依然没把练习做完。毕业后，这个同学在微信上给我发过房地产促销图片，也多次求我带他找份好工作，我责备他当时不好好学。现在他好像又转行搞传销了，一边给我发招聘合伙人的图片，一边找我借十块钱吃饭。 对比我自己最近两个月的表现，我不知道该说什么好。爽吗？很爽。值吗？不值。