万字长文：技术之路 — 学习，成长与AI

题记：这是一篇根据我在 10/18 日极客时间六周年做的讲座整理出来的文章，简单润色了一下。

之前已经跟大家做过好几期 Rust 分享了，今天不讲 Rust，我们来聊一些相对虚的，但对大家可能更有用的内容。首先祝贺极客时间六周年，我今天要讲的话题其实还挺应景的，我们每个人的职业生涯和成长往往也是以五年十年为维度的，我在想自己六年前是什么样子，今天又是什么样子，大家也可以回顾一下自己的旅程。

我经常收到类似这样的留言和提问：我们如何拥有一个非凡的职业生涯。我认为职业生涯比我成功的人实在有太多，我来聊这个话题其实有点不太合适，甚至不如问 ChatGPT 来得更有用。如果你给 ChatGPT 输入“作为一个软件工程师，我如何拥有一个非凡的职业生涯”，它会给出很多有启发的答案，但如果我非要说自己不适合聊这个话题，又会显得有些凡尔赛。今天我就尝试着从我个人的角度、结合自己的经历来回答一下这个问题。

首先，人生是一场没有标准答案的开卷考试，每个人的经历都是独一无二的，所以请你不要相信那些成功学、那些所谓的成功或职业生涯可以被复制，任何人的职业生涯都不能复制；但是，这样的回答显然没有触及问题本身，那么问题来了：像我这样一个有着还算不错职业生涯的人，达到目前的状态，究竟是源于个人的努力，还是历史给予的机会？

如果说努力是唯一重要的因素的话，在我职业生涯的每一个阶段，我都见到了那些比我更加努力、比我更聪明的人，为什么我的发展相对而言会稍微好那么一点点？可见，努力并不是唯一的因子，大家对这一点应该都是能够认同的。同样的，机会也不是唯一的因子。我认为：“个人的努力”是基础，在这一基础之上能够抓住”机遇”是非常重要的。

我非常认同有一句格言 —— 机会总是留给那些有准备的头脑。那么，下一个问题：我做了哪些准备，抓住了那些机会呢？

让我们把时间维度放大到 10 年，来探寻十年前，二十年前我都做了些什么，或者历练了什么。2003 年，我从大学毕业来到北京，孑然一身，和每一个毕业生一样对未来无比迷茫。我常常畅想五年后十年后我能做些什么呢？我的生活会是什么样子？于是，我就列下了一些希望在五年内完成的事情。与那个年代所有的中二少年一样，我将所有的梦想和激励自己的格言做成一张壁纸，作为 Windows 桌面的开机背景。其实，我当时具体写了什么并不重要，实现了多少也并不那么重要，在实现这些目标的过程中，我得以塑造了职业生涯初期的一些品质。

比如，我当时有一个很重要的目标是想做软件方面的创业，但那时还鲜有互联网创业；我们那个年代的人听到的大多是高燃（MySee）、戴志康（Discuz!）那些80后的标杆、还有 Foxmail 的张小龙，他们做的事情更多的偏向于软件创业，因此这也成为了我自己的一个目标。之后，我真的在 2010 到 2013 年间创建了一家公司 —— 途客圈，到 2013 年时途客圈创业失败了。

带着创业失败之后的迷茫，我又有了一些新的思考、看法和新的目标，其中最重要的一个目标就是我想去硅谷体验一下新的创业生活。我想知道，硅谷和北京的创业圈有什么样的不同。我还有其他一些目标：我想写书回顾我的创业历程，我想写公众号扩大自己的影响力，我要跑马拉松锻炼自己的坚毅，作为一个入门级的父亲，我还希望自己学会和孩子相处，处理好工作和生活的平衡。一点一点攻克实现这些梦想或者目标的过程中，我得以进一步塑造了职业生涯中更深层次的一些品质。

回头来看，在机会来临前我做了哪些准备？这些准备都是什么？我认为很大程度上是锤炼一些最基本的素质。我幸运地几乎得到所有合作过的老板的赏识，我历经磨难最终幸运地如愿出国工作，我幸运进入 AdRise/Tubi，毅然踏入区块链失败后再幸运地回归 Tubi。所有这些运气的基础，都是基于这些很基本的素质，它们塑造了我的有准备的头脑。

一个什么样的头脑算是一个有准备的头脑？我把我认为重要的要素罗列出来，可能并不成体系也并不完善，希望可以抛砖引玉：

在我看来，许多这些素质自我们出生便伴随着我们，随着我们的成长，有些素质被强化，有些素质被遗忘，有些成为我们的习惯，有些可能成为我们生活中的阻碍。比如，我自己是一个内向的人，因此我很注重反思，我平时会记日记，如此一来，反思的能力得到了强化。因此，当我在一段重要的经历结束时，就会想把它总结下来，因此也就有了我的那本书《途客圈创业记》。在写书的过程中，我的反思能力又进一步得到强化。因此，我们可以看到某些行为会与一些素质关联起来，彼此之间互相强化，形成一个正循环，或者叫飞轮效应。再比如，我的血液里可能是有一点点坚毅的素质存在的，因此我想去完成马拉松这样高难度的挑战，在为马拉松训练的过程中，我进一步强化了坚毅这一素质。生活中很多这样不大不小的事情，会与我们的某些素质结合起来，并进一步强化这些素质。

在所有这些素质之中，哪些对职业生涯最重要？我个人认为最重要的三个素质是判断力、执行力和别人对你的信赖度 —— 你是否是一个值得信赖的人；其他素质更多地不断塑造着或者增强着这三个方面。比如，前瞻性思维、宽广的视角、自我意识、反思和好奇心都可能会促进你的判断力。倾听和学习、清晰的表达、情商可能会帮助你有更好的执行力。因此，我认为在职场上或者整个人生中，这三点其实是非常重要的。我们如何让这三个特质不断增长和提升呢？

在这里我们需要谈到一个很重要的概念，就是在产品中我们经常会使用的“飞轮效应”。任何一个成功产品的内在都有一个这样的体系在运作着，无论是单飞轮还是双飞轮。以我现在所在的公司 Tubi 为例，我们看看飞轮是如何运转的。这里并不需要高深的知识，Tubi 的飞轮非常简单，即使我把它解释给我女儿听，她都能很快地明白它如何运作。

首先，我们通过承诺潜在的广告分成从内容提供商那里获取一定程度的视频内容，然后通过这些内容我们想办法触达愿意观看它们的用户，继而通过这些用户的观看行为我们可以撬动广告收入。接下来，内容提供商得到了广告分成，获取了利益，于是他们决定给我们更多更好的内容。这样，这个飞轮就一圈一圈地滚动起来了。更多更好地内容可以让我们吸引到更多的用户，他们更长的观看时间带来了更多的广告机会和广告收入，而更多的收入分成又让内容提供商愿意继续投入。随着时间的积累，复利效应凸显，这就变成了一个非常不错的 business。

我在这里特别强调一下，飞轮是有复利效应的。在飞轮启动的初始阶段，飞轮运转得比较慢，没有那么明显的效果，但是当飞轮高速旋转了很多年之后，它便会形成很强的惯性和粘性，使得业务变得非常牢靠。对像 Tubi 这样的公司，撬动飞轮的点或者说冷启动的点是在内容上，没有内容我们无法撬动用户，撬动收入更是天方夜谭，所以内容是我们冷启动的一个关键。

研究产品我们可以使用很多方法，那么研究人呢？我们是否可以用同样的方法？如果把自己看成一个产品，它的飞轮又是什么样子的？

下面的人生飞轮是我个人肤浅的一些理解和总结，它可能不具备普适性，放在这里帮助大家去想想自己的人生飞轮是什么样子的。

我认为，无论是学习生涯还是步入社会，我们所做的很多事情其实都在不断强化自己的判断力，这就是飞轮的左侧；我们的判断力能带来一定程度的执行力，而在执行一些事情的过程中，我们又提升了判断力，如此反复运作，判断力和执行力螺旋向上增长。

飞轮的右侧是执行力和信任度：当你开始做一件事情并把这件事情做好时，你的老板和你的同事对你的信任会有一些加分，随着他们对你信任的提升，你能做的事情就会越来越多；当你做的事情越来越大，你的执行力也会越来越强，二者也是不断强化，螺旋上升。我们常说：能力越大，责任越大，但兑现这个能力，履行这个责任的前提是信任。

我记得很多年前我看过这样一个帖子 —— 华为新入职一位博士给任正非写了洋洋洒洒十几万字的谏言，告诫华为战略上应该如何去做；任正非直接开除了这个人，理由是说你的谏言看上去很有意义，但你还没学会做事，你应该先从做事开始，换言之，talk is cheap, show me your “code”。在这一点上，我非常认同。

撬动人生飞轮或者职场飞轮的一个关键点是去执行，当你没有经历过一些事情，你的判断往往不一定是对的，即便对，你也没有足够的信任来执行。如果现在让我在 CEO 的位置上统领一家一定规模的公司，我认为我并不具备 CEO 所需要的判断力，因为这一判断力只有在相应的历练中才能得到；我也不具备让别人对我有足够的信任度，因为我过去的履历无法支撑起别人对我在这个角色的信任。我们常常笑言：莫某公司栓条狗做 CEO 的位置也行。这话侃大山行，别当真。能统帅花果山，打败十万天兵的猴子，在没有得到信任时，还做不好弼马温呢。

所以我们要清醒地认识到：并非是把你放在了某个位置，你的一些想法就一定能执行起来。我们要思考：别人对我的信任程度怎么样？信任是一个需要时间去累积的东西。

无论是产品、公司还是个人，能让飞轮持续运转的一个非常重要的核心就是学习。作为一个组织，我们需要不断学习，作为一个个人我们也需要不断学习。我们需要在不断构建、测量、学习的过程中将自己迭代到更好的下一个版本。

在深入探讨学习之前，我相信人生飞轮这样一个简单概念可能会帮助我们解决很多有意思的问题。比如，在面试时经常有人问我“为什么像你们这样的面试官不喜欢频繁跳槽的人，我跳槽跟个人原因有关，对你们会有什么影响呢？为什么你们就不愿意接受我这样的行为？”如果我们用飞轮效应来解释的话，很容易就能看出答案。如果你不断跳槽，那么你在每一家公司的执行力并没有得到提炼，你也没有累积足够的信任度，因此你也就没有构建更多的判断力。那么，一个每一年或每几个月就跳槽一次的五年职业生涯，在我看来这个职业飞轮是没有形成复利效果的，可能不如一个在一家公司扎扎实实干了两年的人。

在职场中，跳槽是永远无法回避的一个问题，我们多聊一点。对于任何人来讲，当一个机会摆在面前的时候，我要不要珍惜它？我要跳槽还是不跳槽？这是一个很严肃的问题。如果之前你跳槽的关注点只在金钱这一个方面的话，希望大家听了今天的分享后，不妨考虑一下关注一下跳槽对飞轮效应的影响。

当你换了一家新的公司，那么在整个飞轮中，你需要重新累积的判断力和执行力可能并不会受到太多损失，可以保留 70%-90%，这个数字具体取决于你工作的范围有多大变化；但是，在信任度这里，跳槽后你大概率是以一个非常低的起点重新开始的 —— 这并不一定是坏事 —— 但我们需要将这些因素结合起来去综合考虑。

很多人在跳槽时会关注于金钱方面的机会受益，如果这条浅黑色曲线是你在之前公司随着时间而变化的收益曲线，黑色这条线是你在新公司会收获的潜在收益曲线，一般而言，选择跳槽一定是有一个很大的机会收益。但是，如果考虑其中的机会成本，比如跳槽对执行力的影响，你在新公司需要适应新环境、学习新的企业文化、学习新的做事方法流程，即便你的实际能力不会受到改变，但具体到在新公司做某一件事情上时你能呈现出来的执行力会有一定的折扣。当然随着时间的推移，你的执行力会回归正常值，直到在 t2 这个点你的执行力已经开始反超在原公司你可以达到的执行力，那么从 t 到 t2 这段时间就是你在执行力上的机会成本。

我们看到在软件互联网这个行业，跳槽的频繁程度要比很多像医生、律师、老师这样的传统行业更频繁，一来是时代的机遇赋予我们这个行业海量的需求，催生了跳槽所带来的很大的机会收益；二来是我们行业的特质 —— 如果你读过 Paul Graham 的那本《黑客与画家》，那么你会知道软件行业具备可度量性和可放大性，也就是说你的能耐很容易在工作中体现出来，如果你是一个厉害的人，那么在跳槽后你的执行力受到的影响很小，这里的机会成本是比较小的，而这在其他行业倒不一定。比如，一位医生从一家医院跳到另外一家医院，一位老师从一间学校跳到另外一间学校，很有可能你会失去主刀医生或班主任的地位。而这种地位的弥补是很困难的，也需要很长时间，因为机会是有限的，即便你有再强的执行力也不一定有机会得到发挥，因此，你能呈现出来的执行力便在跳槽中一下子失去了很多。这也是为什么我一直认为近二三十年，软件互联网这一行业是上天给予我们最好的馈赠。

下面再来讲讲信任这一点。当你来到一家新公司，你获得的信任度一定是打了一个很大的折扣，于是你需要付出很大的努力，让飞轮运转起来并逐渐将信任度提升到一个不错的水平。因此跳槽时从 t 到 t1 这段时间在信任度上的机会成本也需要考虑进来。当然也有一些特殊情况，比如你跳槽去你同学的一家公司，就像王强、徐小平被老俞（俞敏洪）招揽到新东方那样，因为之前共事或者曾是同学，这层关系天然地增强了信任度，所以你反而得到了一个超高起点的信任度。但这是可遇不可求的。

希望大家在选择是否跳槽或者跳槽的时机的时候，可以看看上图思考一下；也希望各位老板们，当招募或者挽留人才时，也多从这样的角度来选择合适的策略。

让我们回归到学习这个主题上，它是这一切运作起来的核心。首先我们来回答“为什么要学习”。大家可以仔细看看这段话，它摘抄自我女儿所在学校的校长在新学期给家长写的一封信。

她在这封信里非常真切地阐述了她所认为的教育应该是什么样子的。很多家长，尤其是华人家长，过于热衷推娃，让孩子超前学习各种各样的东西、参加各种各样的竞赛竞争，在她看来这些不是真正意义的学习。她认为学习是一个培养品格的过程，让我们迭代到更好的版本的过程。学习不是你我之间的比较，而是我与我自己之间的迭代，最终，学习让我们成为登山者。我们可以想象一下，一个登山者需要什么样的特质？它需要坚毅、勇于试错、执行力、很好的判断力，需要和队友之间互相信赖，也需要对模糊和不确定性有足够的容忍等。所以，我们所需要的学习应该是品质的塑造，它是终身的过程。

解决了为什么的问题后，下一个问题就是学些什么？

在我之前做过的很多讲座中，我分享过如何学习技术语言、如何学习架构、学习各种各样的技术、学习各种各样的技术思想，这些都是非常具体的聚焦在 How 层面的东西；但我们其实真正需要解决的是 What —— 我究竟要学些什么？当你问这个问题的时候，下一个问题就会是「我想要什么」，对我来讲，我想要的，就是现在所缺乏的，或者说在下一个五年十年人生阶段所需要的能力。那么，我就需要去看看，我可以通过什么样的行为来强化这些能力。

我在这里分享的“我想学的东西”依然还是抛砖引玉，希望你也可以去找到在你人生的下个阶段想要学习的东西。对我来说，我认为自己对信息整合的能力还需要提升 —— 尤其是在 AI 时代到来后，人和机器所创造的信息呈指数级增长 —— 我需要让自己能高效地利用信息而非被信息淹没。此外，我需要提升我的钱的认知，以及对 AI 的利用。

有的同学可能会说“我也不知道我究竟想要什么，我也不知道我下一个阶段会是什么样子”，在这里我给大家分享一个我经常使用的小技巧。当我对于下一阶段我要干什么不清楚的时候，或者说我有很多迷茫、失去了动力时，我往往会去看看各大高校有什么样的公开课，看看 MBA/EMBA 这些项目的课表长什么样子、有哪些知识点我可能会感兴趣，可能突然就找到了某个突破口。很多这些项目都可以去免费试听。最终你不一定要报名加入这些项目，但试听也会帮助你去反思、了解自己，帮助你发现自己还缺乏些什么东西。

回到我个人的学习目标上来，为什么信息整合这件事情对我来说越来越重要？我们每天需要做大量的决策，而做出这些决策背后的海量数据已经快要把我们淹没。

举个例子，我们来看看谷歌 2022 年的一个财报，财报非常长有好几十页，其中有很多关于钱的报表。我如果想知道对于谷歌来讲钱是怎么来的，这些钱又流到哪些地方去了，怎么办？我需要将这些报表的关键部分组织起来，这是一种信息整合的方式。

将一些有用的信息分门别类列举出来，来帮助我更好地认识这家公司，显然这还不是一个最好的方式。于是，我的下一步迭代就是将它想象成一个水管，它有很多进水口和出水口：

我们看 —— Alphabet 2022 年赚了 750 亿美元，年增长率是 10%。

那 Alphabet 的钱都是从哪来的？显然，其中谷歌还是占大头，谷歌广告又是占大头，一些新兴业务比如谷歌云的增长率虽然很高，但仍处于亏钱阶段。

Alphabet 的钱都流去哪儿了？其中很大一笔钱流去了 TAC（traffic acquisition cost），用来获取流量。但我们会想谷歌不是流量入口吗？为什么还会花接近 500 亿美元去获取流量？这就会引发一些有很有趣的问题（为啥谷歌要不惜一切代价维持 chrome 的市场份额，为啥免费的 safari 却能为苹果带来海量的现金流）。

通过这个水管图我们也不难理解为什么现在这些大公司要裁员，Alphabet 收入增长只有 10%，但是它的营业费用已经飙到了 20% 的增幅，这并不是一个可以持续发展的、健康的收入支出体系。当然我在这里并不是要和大家一起去研究 Alphabet 的财报，我只是希望提供一种方法，一种我在不断探索的信息整合的方法。通过这样的整合我可以更好地发现问题并做决策。

这个例子只是冰山一角，还有大量信息整合问题需要我不断探索好的方法。

既然这里谈到了财报，我就多说两句。了解钱是怎么来的，又走向何方，是你深度理解一家公司的基础。各位如果自己就在上市公司工作，不妨也用同样的方式整合一下你公司的财报，也许会激发一些有趣的思考。

和上面飞轮效应一样，我们对公司做这样细致的分析，是不是也应该对自己的财务状况做一些类似的事情呢？比如，好好研究一下我的钱来自何处，又流失到了哪些地方？它的年均增长率是什么样子？

对于我们这些打工人来讲，最主要的收入应该是劳动性收入，对于有些人，劳动性收入很可能还不足以覆盖支出，因此他们还可能不得不啃老，通过父母的资助来获取额外收入来满足所有的支出。在支出这边，我们有税负、有利息，如果有贷款还会有本金加利息的一个支出，也会有衣食住行的支出和养娃的支出，还会有为满足欲望而有的旅行或奢侈品、大宗商品购买支出。

我们通过这样的整理和思考，可不可以优化一下自己家庭的财务效率？通过财务手段帮助我们自己更好地实现很多生活中的目标？

信息整合也离不开 AI 的帮助。我们需要学会利用 AI 来帮助我们做很多原本只有老师，朋友，书本，搜索引擎才能做的事情。目前我的生活和学习已经离不开 AI 了，我现在是那种遇事不明，就求助 LLM 的人。

比如，两周前的一个周六我去参加华盛顿大学 Foster school 的一个 EMBA Tour，虽然 tour 是免费的，但我也要找到足够多的信息帮我决策这个 EMBA 是否值得花费时间精力和金钱。最好的收集信息的方式是什么？问问题！你看我整个讲座都在问问题，然后探索答案。于是我就绞尽脑汁想了能帮助我决策的五个问题，不过它们显然还不够全面。

遇事不明，求助 LLM。我写了个简单的 prompt，将这五个问题列出来请 ChatGPT 帮我想更多的问题，ChatGPT 非常给力，从八个不同的角度帮我问问题，这极大地拓展了我的视角。之后，我将这些信息整合起来，再加上我原有的问题，我便拥有了一个非常完善的评估决策体系。这就是大语言模型非常有用的举一反三的能力。类似这样的例子在生活中其实随处可见，我们可以很好地去利用。

当然，大家可能会有一个担忧，那就是 ChatGPT 背后的 Open AI 的模型训练机制不透明，它会不会将我的隐私数据拿去训练，然后这些隐私数据在未来的某个时刻被不经意地通过模型推导暴露出去。如果你有这样的担忧，那么，你可以在本地运行 70b 的 llama2 模型，来处理一些很个人、具备私密性的、或工作方面的问题。在我的 mbp M1 Max 上面，使用 llama.cpp/ollama，这个模型运转的效率非常好。

我经常用这样的本地模型干一件什么样事情呢？我们都是中国人，英语学得再好，也不那么地道，在一些很重要的场合，比如当我要发一些很正式的邮件时，我希望有一个好的英语老师帮助我将其改得更商务、更地道。这样的本地模型可以在强有力地帮我的同时，免除了我对隐私的后顾之忧。

除此之外，我们还能用大语言模型做些什么呢？我们是不是可以用它来构来构建自己的第二大脑？工作生活我们和大量信息打交道，往往很难把它们完全装入大脑，随时调用。那么，我们可不可以将一些重要但冗长的信息交给大语言模型，在未来某个时刻当需要回溯这些信息时，我们可以从大语言模型里面将这个信息迅速调出来？

我们做技术的，可以并不太费力地构建这样的工具。我们可以去创建一个 Chrome 扩展，这一扩展的唯一作用是当我浏览的某个网页我希望未来能快速回溯其核心内容时，我就将网页的 URL 提供给一个本地运行的 Knowledge crawler，请它来抓取这一信息。我们也可以用 knowledge crawler 将一些重要的 Slack / Email 信息也抓取进来。这些抓取的内容会在本地生成 embeddings 并存储到 vector database 中，之后我们可以向本地的大语言模型来咨询。通过这种方式，我们可以将那些来不及在大脑里构建长期记忆的信息，存储到了一个具备长期记忆功能的存储器里以便日后回溯。

以上就是我想讲的全部内容，希望对大家有用。

我不知道大家是否会好奇，我一开始抛出来的这个问题 —— 作为一个软件工程师，我如何拥有一个非凡的职业生涯？ChatGPT 会怎么回答？

第一点是保持好奇心，我在上面的关于「有准备的大脑」里面也罗列了好奇心。我是一个好奇心蛮重的人，看到有意思的产品或者工具，就会不由自主地探寻它背后的实现机理。

第二三点是深入专业领域，强化软技能，我们今天很多东西都围绕着软技能来讲的。

第四点建立个人品牌，连 GPT 都觉得建立个人品牌非常重要，那么你是不是也可以在这个方面好好考虑一下？建立个人品品牌，就像种树一样，最好的时间，可以是五年前十年前，也可以是现在。个人品牌是一个具备复利效应、需要时间累积的事情，如果你能持续不断地努力，也许五年后十年后，你就会是另一个版本的自己。

接下来是终身学习，寻找导师。找一个经验丰富的人做你的导师，他们可以为你提供指导建议和支持，帮助你避免常见的坑和陷阱，在你你不确定向左走向右走的时候，导师或者周围经验丰富的朋友可以帮助你更好地决策，提升判断力。

然后，维护工作和生活的平衡这点也很重要，我记得俞敏洪当时讲过一个故事，他出生于农村，虽然以很优异的成绩考上了北大，但是进了北大之后发现大家全是天之骄子，他是最落后的那一个，有些自卑，所以他就跑到图书馆拼命读书，最后把身体搞垮了，休学一年。在这个过程中他明白了过分的工作学习和过度的压力会导致倦怠和过度劳累，而过度的劳累会让你得病，反而会拖累你的整个旅程。人生永远是一个马拉松，不是一个短跑，你即便是在某个五百米一公里中落后，但只要你想到这是一个四十二公里的比拼，你就不要在意五百米的快慢。

接下来是主动承担责任。只有在主动承担责任的过程中，你才能锤炼你的执行力，当你有了执行力，你才能不断地强化判断力；当你成功执行一个事情时，你获得了信任，提升了信赖度。

最后是持续的自我反思，我们需要时不时想一想我的长处是什么、我还有哪些地方需要改进，我们在公司经常做 retrospective（回顾总结），为什么我们个人或者家庭不能定期做这种事情呢？

你看，ChatGPT 给了我们很多很好的建议。

最后回应开头的那个问题 —— 人生是一场没有标准答案的开卷考试。

对于我来讲，现在又是一个新的十年了，那么我接下来的答卷应该长什么样子？而你的答卷又应该长什么样子？

在整个探索的过程中，我们一定要注意我们的答案应该是非常自我的答案，任何外界对你的赞誉或者对你的非议都不应该对这个答案构成太大的影响。庄子说「举世而誉之而不加劝，举世而非之而不加沮」，我们要有一个平和的心态：这份答卷是我们自己做的，不是任何一个赞美你或者是指责你的人去做的。

Q1：每个人撬动的飞轮的点是不是不一样，还是每个人都是执行力？

我反复强调的一件事情是我今天所分享的内容是我非常个人的理解，我希望它不是知识性的，而是启发性的。我不是来给大家介绍什么知识点，而是通过一些你可能之前没有见过的、或者你没有想过的点去引导你做深入地思考。

对我来讲，撬动飞轮的点是执行力，但我也欢迎大家有不同的想法，也鼓励大家去构建一个你认为对你更有效的飞轮。我并不试图给大家一个放之四海而皆准的标准答案，而且人生的飞轮也是没有标准答案的。像公司的飞轮， Tubi 有这样的飞轮，Google 有另外一个飞轮，大家的飞轮是不一样的。

Q2: 有什么推荐的提升认知或者思维深度的书。

有很多书，比如这本 Algorithms to Live By。这本书提到如果说你对生活求解的话，那么解一定有一些算法，作者抽取了一些算法，通过这些算法，我们会很惊奇地发现它是与我们日常的工作，或者 Computer Science 或多或少有一些关系，如果这些算法应用到生活中，它又会是什么样子？

如果大家感兴趣的话，可以去看一下这本书。抛开这本书的内容，我发现它的启迪作用对我而言可能更加重要：我们要学会把在一个场景下学到的东西应用到另一个看上去并不相干的场景。比如说贝叶斯理论，我们在各种算法中能见到它的身影，那么我们能不能在生活中应用它的思想来优化决策呢？再比如现在很多公司和团队都做 OKR，我们能不能去芜存菁，将其精髓应用在生活中呢？

另外，我个人建议是如果你要了解一些有助于提升认知方面的书籍，那么可以看看很多哲史方面的古籍。我很喜欢看历史，像《史记》。中国的历史博大精深，蕴藏了老祖宗几千年来的顶级智慧。

最后不得不提的书是《毛选》。你看我 2013 年有一个目标，就是读完《毛选》。《毛选》是一个非常好的可以提升你个人认知的书籍，我建议你可以尝试耐着性子去看一看，里面会有很多内容帮助你更好地思考问题，比如开篇（中国各社会阶层的分析）就提到谁是我们的朋友，谁是我们的敌人，这件事情首先需要搞清楚，这在工作生活中都是一个很重要的话题。你一定要把朋友搞得多多的，把敌人搞得少少的，那样才能得到最大的支持、最大的信任。从另外一个角度讲，毛选中的很多篇章也是做产品的必读文章 —— 《中国各社会阶层的分析》这不就是典型的指导如何做 user acuqisition 么？《反对本本主义》这不就是告诫我们用户调研重要性以及指导我们如何做么？

（以上两图是我阅读时做的脚注 —— 如果把革命当成产品，把毛选当产品指南，会别有一番滋味）

Q3：你是如何建立自己的知识库，能更详细的解释一下吗？

其实这张图（构建第二大脑）里面绝大多数的内容，我在之前的关于 LLM 的讲座里面应该都已经讲到，这就是我们构建一个典型的一个问答系统，它所需要的一些基本的要素。我们把我们要处理的内容把它转换成文本，然后这些文本在分解成一个合适大小的 doc，然后我们把这些 doc转成embedding，存到 vector store 里面，然后当有查询的时候，我们把问题转成对应的 embedding，然后从 vector store 里面找到和问题有相关性的文档，然后把问题和这些找到的文档一起交给大语言模型，让他帮你梳理出来一个合适的答案，在大部分时候这个东西是可以运作的不错的。

比如说你想去了解一些公司的财报，那么你可以把这些公司的PDF以这种方式导到 vector store 里面，就可以去问这个公司的问题，比如它的风险是什么，增长的动力在哪，或者为什么增长停滞了？这些问题语义搜索可以帮你找到合适的答案，大语言模型可以把答案梳理成通俗易懂的内容交付给你。

相对于之前我们介绍过的方案，这里唯一扩展的就是 knowledge crawler，它可以帮助你去从不同的源中间获取信息，然后再把信息存入到 vector db 里面。

Q4：如何平衡技术学习和职业成长，专才和通才哪个更容易获得成功？

首先，技术学习这件事情可以分为两部分，一个是你在职场中获得的技术能力，因为对于大多数人来说技术提升需要你通过做具体的事情来实现，你不可能凭空得到能力提升；如果你只是通过读书或者参与一门课来提升你的能力，所实现的提升是有限的，这一定要与实际的工作结合起来。

在工作之余，如果你有余力的话，可以做很多扩展技术视野的事情，尤其在目前极致分工的情况下，很多人的技术视野被圈到了一个很小的范围内，扩展视野就极其重要。很多时候你用某种方式解决问题有些费劲，那就去看看全世界其他人有什么样的解决方案、有什么新鲜的思路，可能某种程度上能够帮你去更好地解决一些问题。就拿 vector store 为例，最近我看到一个很有意思的 database 叫paradedb，他想解决什么问题呢？现在市场上有专门的数据库存储数据，有专门的搜索引擎做文本搜索，也有专门的搜索引擎做语义搜索，但是没有人把三者结合起来。为了支持搜索功能，我们可能首先需要有一个 database，比如 Postgres 去存储数据，有一个单独的搜索引擎比如 Elasticsearch 去索引数据，再有一个 vector store 比如 qdrant 做语义搜索，paradedb 说我干脆把这三件事情统一起来：通过 Postgres extension，它把基于文本的 pm25 search index（通过 tantivy crate）集成进 Postgres，然后再把基于语义的 HNSW index 也整合进 Postgres。这样用户可以创建表和相应的全文索引和语义索引。然后一条 SQL 就方便地进行全文检索或者语义检索，甚至通过权重将二者同时囊括在一个 SQL 查询。这个思路很赞，我受益匪浅。

当你花一些时间去做这些探索性、扩大视野的事情，你会发现把工作分内的事情和工作之余的探索结合起来，你的技术能力得能得到很大的提升。

职业成长就可以回到我所描述的飞轮了，你的职业成长在很大程度上取决于你所做的事情、你获得的信任度，以及你从这个过程中累积的判断力。如果你认为你的飞轮目前运转有效，那么不妨多给自己一些时间，让它的复利效应得到凸显，如果说你觉得目前飞轮运转的不是很有效，一个契机是你去找机会成本相对小一些，但整体上可以给你提供一个大的提升的机会。

在我看来，技术学习和职业成长并不矛盾，如果你发现你需要去「平衡」二者，那么可能你需要去思考一下：你在工作中无法得到职业成长么？或者你的工作无法给你带来技术学习？

至于专才和通才，我觉得成功不仅仅取决于是专才还是通才，更重要的是如何将自己的优势与目标和环境相匹配，最大程度展现你的执行力，撬动飞轮让你的判断力和信任度得到提升。世界是复杂的，多变的，无论是专才还是通才，都需要具备某种程度的多样性和适应性。