朔方札记 ✍️

最近，硅谷和社交媒体上弥漫着一种令人兴奋的气氛。人们称之为 “Vibe Coding”（氛围编程）。你打开一个聊天窗口，输入几句模糊的想法，代码就流淌出来。不需要结构，不需要计划，一切凭感觉。这看起来像是在施展魔法。 对于黑客（Hackers）来说，这确实很有趣。这就像是在速写本上随意涂鸦，或者是在爵士乐中即兴演奏。这种即时满足感是巨大的。 但这里有一个问题：涂鸦不是蓝图，即兴演奏也不是交响乐。 虽然 Vibe coding 让我们尝到了未来的甜头，但我认为，如果真的想要构建能够长期运行、可维护的软件，它不仅是错误的，甚至是一种倒退。如果你在构建一个玩具，凭感觉是可以的；但如果你在构建一个系统，你需要的不是感觉，而是自举（Bootstrapping）。 复杂度的墙 “Vibe coding” 最大的弱点在于它忽略了软件工程中那个永远无法回避的敌人：复杂度。 当你只写几十行代码时，AI 就像一个天才的结对程序员。但当代码行数膨胀到一万行、十万行时，仅仅依靠自然语言的“聊天”来维持上下文，就像试图用口述来建造一座摩天大楼。很快，你就会撞上一堵墙。AI 开始遗忘之前的设定，逻辑开始冲突，你发现自己花在修复 AI 产生的幻觉上的时间，比你自己写代码还要多。 这是因为软件本质上不是关于写代码，而是关于约束（Constraints）。 好的软件工程，实际上是不断施加约束的过程。类型系统是约束，单元测试是约束，架构文档更是最高级别的约束。Vibe coding 试图剥离这些约束，以此换取速度。这在短期内有效，但在长期是致命的。 AI 自举过程 如果不仅仅是为了探索，而是为了符合严谨的工程规范，我们需要一种不同的方法。这种方法不是让 AI 替你思考，而是你先思考，然后让 AI 替你执行。 我想象中的理想流程，更像是一个自举过程。 在计算机科学的早期，为了写出一个编译器，你必须先用汇编语言写出一个最小的核心，然后用这个核心去编译更高级的语言，直到它能编译它自己。这是一个从“硬”到“软”，从“重”到“轻”的过程。 在 AI 时代，这个过程依然存在，只是形式变了。 首先，你需要做那些“枯燥”的人类工作。你需要写文档，定义架构，编写测试集（Test Suites）。 这听起来很反直觉。大家用 AI 不就是为了逃避写文档和测试吗？但事实恰恰相反。因为 AI 不具备人类的意图（Intent），文档和测试就是你将意图这种抽象概念，固化为 AI 可以理解的逻辑边界。 这就是那个“最小的核心”。 翻转比例 一旦你建立了这个核心——这个由文档定义的真理来源（Source of Truth）和由测试定义的验收标准——奇妙的事情就发生了。 你不再是那个在那儿敲击键盘写 if/else 的人。你变成了架构师和审核员。你可以将 AI 接入这个框架。因为有了测试集作为护栏，有了文档作为地图，AI 可以开始接手具体的实现工作。 起初，这个比例可能是 90% 的人类工作（思考、设计、定规矩）和 10% 的 AI 工作（填充代码片段）。 随着系统的完善，随着测试覆盖率的提高，这个比例会发生翻转。当你拥有一个足够健壮的“脚手架”时，AI 可以接手 50%，甚至 90% 的代码编写工作。你可以对 AI 说：“嘿，按照现在的架构模式，给我加一个用户认证模块，必须通过现有的安全测试。” 这时候，AI 就不再是在“凭感觉写代码”，它是在填空。这才是可扩展的。 ...

2024年，我花了不少时间研究各种AI产品的"技能系统"。这些系统看起来很神奇：你让AI做PPT，它就会调用"PPT技能"；让它写文档，就调用"文档技能"。 直到有一天我打开那些技能文件看了看。 里面就是一堆文本。纯粹的提示词，用markdown写的。所谓的"技能"，不过是在执行任务前，把一份说明书塞进上下文窗口。 没有任何魔法。 但这个发现让我开始思考一个更本质的问题：如果技能是提示词，那LLM编程是什么？ 答案很简单：提示词编程。 传统编程是用代码控制机器行为。LLM编程是用自然语言控制模型行为。两者的共同点都是约束与引导——只是介质从形式语言变成了自然语言。 顺着这个思路往下想，当前所谓的"AI应用开发"本质上就是： System Prompt = 程序主体 Few-shot Examples = 测试用例 Tools = 外部API Context Window = 运行时内存 Skills/RAG = 动态链接库 只不过这门"语言"的解释器是个概率模型，所以执行结果有随机性。 这里有一个有趣的trade-off。 传统编程：确定性执行，有限指令集。 LLM编程：概率性执行，无限指令空间。 听起来概率性是个缺点。但仔细想想，收益远大于代价。 传统编程里，你只能在语言设计者预设的指令集内操作。想让机器做一件事，必须把意图翻译成那套形式语言能表达的东西。翻译不了的，就做不了。 现在指令空间打开了。任何人类能用语言表达的意图，理论上都可以成为指令。 这不是量变，是质变。编程从"学会机器的语言"变成了"让机器理解人的语言"。 但是，不管我们怎么包装这种"智能"，底层仍然是一台冯诺依曼机器。 把类比画出来： 存储器 → Context Window 控制器 → Attention机制 运算器 → FFN层 指令流 → Token序列的自回归生成 程序计数器 → 当前生成位置 一次forward pass就是一次确定性计算。所谓"概率"只在最后采样那一步引入。给定相同权重、相同输入、相同随机种子，输出完全确定。 冯诺依曼架构有一个核心洞见：程序和数据用同一种方式表示，存储在同一个空间。 LLM把这个推向了极致。Prompt、context、知识、指令，全部是token序列，没有本体论上的区分。这既是它的力量来源，也是它的脆弱性来源。 机器还是那台机器。只是指令集从几百条变成了整个自然语言空间。 这个认识有一个重要推论：传统软件工程的那套东西，不但没有过时，反而更重要了。 需求文档？以前需求写得模糊，代码可能写错，但至少稳定地错。现在需求写得模糊，模型会创造性地发挥，每次还不一样。 架构设计？上下文窗口如何分配，多步任务如何拆解，失败如何回退，状态如何持久化——这些就是架构问题，只是抽象层变了。 自动化测试？确定性系统测一遍过了就过了。概率系统必须多次采样看分布、边界条件覆盖、回归测试防漂移、对抗测试防注入。测试成本是指数级上升。 越是概率性，越需要工程纪律。 以前写差了，机器老实执行你的错误。现在写差了，模型帮你补全更多的错误。 但这里有一件真正令人兴奋的事。 传统计算机的问题是rewire成本太高。需求变了，要重新分析、设计、编码、测试、部署。整个翻译链条要重走一遍。 LLM改变了这一点。 改个prompt就能改变行为。上下文实时注入就能适应环境。不需要停机，不需要重编译。 更关键的是，这台机器能表征自己的认知边界，并据此调整行为。传统程序不知道自己不知道什么。LLM可以说"我不确定"，然后选择搜索或询问。 把这些加起来，你会发现一种新的可能性：一台能持续感知任务需求、外部环境、自身认知状态，并据此自我调整的机器。 这不是"执行固定程序的机器"，而是在意图-环境-自我的三角关系中动态塑形的实体。 一种真正的数字智能体。 ...

最近我一直在思考，为什么有些书——比如那本著名的《GEB》——要把一个简单的概念写得那么厚。作者花了八百页去讨论“自指”和“涌现”，试图解释无生命的物质是如何产生意识的。 但我认为，这种努力在某种程度上是方向性的错误。如果你从信息熵的角度去看，这件事其实非常直观。 所谓的“涌现”（Emergence），其实是一个容易让人产生误解的词。它听起来像是一种魔法，仿佛某种东西凭空从虚无中跳了出来。但事实并非如此。实际发生的事情是：当信息依附于物理实体（比如神经元或硅片）时，如果其内部结构足够稳固，且能够实现极高比例的压缩，它就会表现出我们称之为“智能”或“灵性”的东西。 以李白为例。 如果你把李白的诗词一个字一个字拆开看，它们确实没什么意思。但当你把它们组合在一起，形成那个特定的、稳固的结构时，你就得到了一个极其高效的信息压缩体。李白在写下“床前明月光”时，并不是在玩文字游戏，他是在用极小的字节（byte），对人类极其复杂的时空情感进行了一次近乎完美的有损压缩。 这种压缩体之所以“稳固”，是因为它内部的关联性极其强大。无论物理载体是唐朝的宣纸，还是今天读者的视网膜，或者是某个服务器里的内存条，只要那个拓扑结构被还原，那种被称为“李白”的意境就会被解压出来。 这就引出了一个很有意思的结论：我们所谓的“自我”或者“灵魂”，本质上并不神秘。它只是一个依附在物理实体上的、具有特定结构的低熵信息包。 之所以《GEB》在 70 年代显得那么震撼，是因为那时候的人们还习惯于把“硬件”和“软件”混为一谈。他们觉得，如果你想拥有李白的灵性，你就得拥有李白的肉身。但在信息论看来，这完全是两码事。硬件只是为了对抗熵增而存在的临时避风港，而那个稳固的信息压缩结构，才是真正永恒的部分。 现在的 AI 之所以让我们感到不安，并不是因为它产生了什么“灵魂”，而是因为它证明了：通过海量的数据训练，我们可以用数学方法逼近这种高效率的压缩算法。 如果一个人、一个系统、或者一段代码，能够把世界的混乱（熵）整理成一套逻辑严密、结构稳固、且能自我维持的信息包，那它就是有“意义”的。至于这个包是写在 800 页的纸上，还是运行在 GPU 里，那只是实现成本的问题。 真正的李白，从不在他的肉身里，而在那套穿越千年依然没有解体的信息结构里。

两种票据的赛跑 如果你盯着股票行情软件看太久，你会产生一种幻觉：你以为那些跳动的数字代表了什么真实的东西。 它们并不代表。或者至少，它们不代表你以为的那个东西。 股价是每一次交易的记录，它是当下这一秒，成千上万个买家和卖家达成的妥协。它反映的是供需，是情绪，是恐惧和贪婪的瞬时总和。甚至可以说，它体现了市场参与者的“平均预期”。 但问题在于，“平均预期”通常是平庸的，而且几乎总是滞后的。试图预测几千万人的心理波动？那是徒劳的。我们需要走出这个房间，建立一个完全独立于市场的评价体系。我们需要像一个火星人一样看待地球上的事物：不管那些绿纸片怎么换手，这东西到底值多少？ 这听起来很老套，但我们马上会得到那个经典的公式：内在价值 = 资产 + 未来自由现金流（Free Cash Flow）折现。 请注意，这里必须强调是自由现金流，而不是营收，也不是简单的利润。 这不仅是会计学术语的修正，更是商业残酷本质的体现。在经济学理论中，完全竞争市场的最终结局是利润归零。你赚的每一分钱“流水”，最终都会被用来抵消为了战胜竞争对手而投入的成本。如果你只看“现金流”，很多快倒闭的公司现金流都很大，它们左手进右手出，最后手里什么都没剩下。那不是资产，那是过路财神。 只有扣除了维持生意运转和必要再投入之后的“剩余”，即自由现金流，才是真实的财富。 这就引出了一个有趣的问题：股票本质上是一张承诺票据，它承诺给予持有者分得这些未来“剩余”的权利。但我们用来衡量这些剩余的尺子——也就是钞票——它自己又是什么？ 如果你剥开现代金融系统的层层包装，你会发现钞票也是一种票据。它不再兑换黄金，它实际上是由国家发行的“股票”。它的担保物是什么？是这个国家的资产，更重要的是，是这个国家未来的税收能力。 所以，所谓的“利率”，实际上是在谈论这种国家票据的“未来自由现金流折现”。 这就让我们看到了一个奇妙的景象：股票市场，本质上并不是简单的买卖，而是两种票据之间的相互跑动。 想象一下，你的左手拿着“美元”或“人民币”（代表国家的未来税收流），右手拿着“苹果股票”或“腾讯股票”（代表企业的未来自由现金流）。当你买入股票时，你实际上是在做一个判断：你认为这家企业的生产效率增长速度，将跑赢这个国家的征税效率增长速度。 这是一场关于“谁的承诺更可信”的赛跑。 大多数人认为现金是安全的，股票是风险的。但在漫长的时间维度上，这个常识往往是颠倒的。因为法币（Fiat Currency）的设计初衷就是为了贬值——为了刺激经济流动，为了偿还债务，国家有天然的动力去稀释这张票据的价值。这意味着，作为分母的“钞票”，其内在价值的折现率长期来看是倾向于下降的。 而优秀的企业，它们的设计初衷是反熵增。 这就回到了我们的核心问题：如何找出那些能跑赢印钞机的优秀企业？或者说，如何确保那家企业的“自由现金流”不会被竞争磨损至零？这里的关键在于置信度（Confidence Level）。 大多数华尔街分析师在这里犯了错误。他们建立复杂的Excel模型，精确到小数点后两位。这是一种伪装成科学的占星术。如果我们诚实一点，我们应该用贝叶斯公式（Bayes’ Theorem）来思考这个问题。 我们真正想求的是后验概率 $P(A|B)$： $$P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)}$$ 在这个公式中： $A$ (假设)：这家企业在未来10年能持续产生增长的自由现金流。 $B$ (证据)：我们观察到的企业特质（如高毛利、网络效应、管理层坦诚等）。 $P(A)$ (先验概率)：在没有任何证据之前，一家普通公司能基业长青的概率。统计学告诉我们，这个概率极低（大部分公司都会死掉）。 $P(B|A)$ (似然性)：如果一家公司注定要伟大（$A$为真），它表现出这些特质（$B$）的概率是多少？（通常很高，伟大的公司往往都有护城河）。 $P(A|B)$ (后验概率/置信度)：在观察到这些证据后，我们相信这家公司能持续印钞的信心有多大。 要让我们的置信度 $P(A|B)$ 足够高，我们就需要极强的证据 $B$ 来修正那个极低的基础概率 $P(A)$。 什么样的证据 $B$ 才有这种力量？只有两个：垄断性（Monopoly）和纠错文化（Correction Culture）。 首先是垄断。垄断性的本质，就是保护那个“自由现金流”不被竞争对手吃掉。没有垄断性的现金流预测，就像是在沙滩上建城堡。只有当你拥有某种形式的垄断——无论是技术上的、网络效应的，还是品牌认知上的——你才拥有定价权。在通胀时期，拥有定价权的公司是最好的避风港，因为它们可以随波逐流地提高价格，它们的“票据”会自动根据法币的贬值进行调整。 但垄断是不够的。垄断是静态的防御，而世界是动态的。诺基亚和柯达曾经拥有垄断地位，但它们消失了。因为它们失去了第二个要素：能纠错的企业文化。 世界的熵在不断增加，混乱是常态。一个拥有高置信度未来的公司，不是不犯错的公司，而是拥有自我修复机制的公司。这种文化意味着诚实，意味着当现实发生变化时，公司能够承认“我们搞砸了”，然后掉头。如果没有纠错文化，垄断只是延迟了死亡的时间，自由现金流终将枯竭。 所以，所谓的“股价上涨”，很多时候可能是一种幻觉。并不是企业变得更值钱了，而是你手里的尺子（钞票）缩短了。 如果你理解了这一点，你的投资观就会发生根本性的转变。你不再是为了赚取更多的法币而投资。你是为了逃离法币而投资。 你是在用一种注定会不断被稀释的、基于国家税收的平庸票据，去交换一种稀缺的、基于人类最高效组织（拥有垄断与纠错能力的企业）的优质票据。 当我们用贝叶斯的眼光审视这一切时，我们其实是在赌两个概率： 国家维持其货币购买力的概率。 企业通过垄断与纠错维持其自由现金流增长的后验概率 $P(A|B)$。 历史告诉我们，长期来看，第二种概率中那些最顶尖的样本，总是能碾压第一种概率。 所以，不要盯着K线图看。那只是两个奔跑者身影交错时的视觉残留。真正重要的是，你要确保自己押注的那张票据，背后有一个真正能印钞的机器——不是依靠央行的指令，而是依靠垄断的护城河和不断进化的纠错机制。 这才是这场赛跑中唯一的赢面。

若是我们试着驻足片刻，凝视一块散落在杂草丛中的孤砖，心中或许会升起某种难以名状的忧郁。 它不仅仅是一块烧制的黏土；它是一出关于可能性的悲剧。孤零零地躺在那里，既无联系也无目的，这块砖已然归属于瓦砾的国度。用物理学冷峻的语言来说，它代表了一种高熵的状态——它是这个世界趋向混乱、无序并终归尘土的一个碎片。它是迷失了方向的物质。 然而，路易斯·康，带着一位治疗师对待无生命物体般的敏锐，在那片死寂中听到了声音。他那句著名的发问——“砖，你想要什么？”（“What do you want, Brick?”）——以及随之而来的回答——“我喜欢拱”（“I like an arch.”），并不仅仅是一时的异想天开。他是在阐述某种关于存在本质的深刻真理。 因为，在一堆砖块转变为一座拱券的过程中，我们目睹了一种世俗的奇迹。 试想在那几何形态的转换中发生了什么。孤立之时，砖块是脆弱的；它恐惧于那可能将其折断的剪切力。但在拱券的拥抱中，砖块找到了救赎。这种混乱的、个体的软弱被转化成了一种集体的力量。 正是在这里，我们触及了 整体性（Wholeness） 最神秘的内核。 当个体找到了恰当的组合，发生的不仅仅是简单的加法。这并非五十块砖加上另外五十块砖；这是一种炼金术般的质变。原本死寂的黏土，因为秩序的介入，突然获得了一种类似生命的特质。那个新诞生的“拱”，拥有了单一砖块所无法想象的灵魂。它有了呼吸，有了性格，也有了意志。 所谓整体性，就是当一群平庸的局部聚在一起，却突然涌现出了一个全新的、神圣的生命体。 伫立在埃克塞特图书馆那巨大的拱门前，我们意识到，我们所感知的三个概念，其实是一回事： 负熵（Negentropy）： 也就是那个新生命体抵抗衰败的能力。它是可视化的秩序。 整体性（Wholeness）： 也就是那个新生命体诞生的时刻——当部分消失，整体浮现。 美（Beauty）： 这是我们的情感赋予前两者的名字。 我们发现，所谓美，不过是我们的眼睛在识别出“死物”转化为“生命”时，所给予的惊叹。 我们之所以觉得拱是美的，是因为在生物学的层面上，我们是渴望生存的造物。埃尔温·薛定谔曾将生命定义为某种以“负熵”为食的东西。像砖块一样，我们也在不断对抗那些试图将我们离散的力量。我们终其一生都在进行一场搏斗，试图在时间那侵蚀性的洪流中，维持内部结构的完整。 这就是为什么好的设计能如此深切地打动我们。它不仅仅是装饰；它是一种抵抗的形式。 当康帮助砖块成为拱时，他赋予了它一种在孤立状态下绝无可能拥有的尊严。他将它从瓦砾堆中拯救了出来。而在此过程中，他向我们提供了一个隐秘的承诺：即便在一个倾向于无序的宇宙中，只要我们能找到那种神圣的组合方式，原本卑微的个体也能超越自身的局限，在一种更宏大的整体中，获得永恒的生命。 这便是建筑给予我们的终极慰藉：它向我们展示，物质，一如我们自己，皆可在一种完美秩序的怀抱中，重获新生。

唯一的买家 大多数人认为股市是一个赌场。在某种程度上，他们是对的。如果你把时间轴拉得足够短，它确实是一个巨大的、嘈杂的、充满了各种随机变量的系统。人们买入股票，唯一的指望是有一个“更大的傻瓜”在明天以更高的价格接盘。 这是一种递归的噩梦：你买它是为了卖给别人，别人买它是为了卖给下一个人。这中间没有任何锚点。 但最近，我听到了一种关于投资的黑客式解法（hack）。这个观点非常简单，简单到甚至有点反直觉： 一家公司其实只有一个买家。 初听起来，这句话像是代码里的死循环。如果唯一的买家是公司自己，那每天在交易所里数以亿计的交易者算什么？ 要理解这一点，你必须像程序员理解底层协议一样理解股票。 当你买入一家公司的股票时，你实际上是在进行一次时间旅行的交易。正如你所察觉的，股票本质上是一种企业发行的“私人货币”。企业在早期发行这种货币，是因为当下它们缺乏现金，但拥有未来。 这是一种跨越时间的折价交换。 企业对你说：“我现在需要你的现金来购买服务器、雇佣工程师或建立工厂。作为交换，我给你一张凭证。虽然现在大家都不相信我能做成，或者因为宏观环境不好而恐慌，所以这张凭证很便宜。但在未来，我会用我赚到的真金白银把它买回来。” 这就是那个“唯一的买家”的真正含义。 这里的“买回来”，并不一定意味着私有化退市。它通常通过两种方式发生：分红（直接给你现金）或者回购（减少流通股数量，增加你手中股份的含金量）。 如果你是一个真正的投资者，你根本不在乎股票市场每天上上下下的报价。那些报价只是噪音。你只在乎那个最终的循环是否能闭合：这家公司在未来是否能产生足够的现金流，通过分红或回购的方式，把你手里的“凭证”兑现。 这解释了为什么只有极少数人能战胜市场。 有一句关于投资的格言说：“心中有市场就很难战胜市场。”这听起来像是一句禅宗的谜语，但它其实是一个关于注意力的算法。 如果你的注意力在“市场”上，你关注的是其他人的心理。你在试图猜测别人的猜测。这不仅很难，而且在数学上是不可持续的。你是在和一个巨大的、情绪化的随机数生成器博弈。你试图在别人之前抢跑，试图把烫手山芋扔给下一个人。 但如果你的心中只有“生意本身”，你的算法就变得极其简单。你不需要预测明天的股价，也不需要预测美联储的利率。你只需要回答一个问题：这家公司未来的现金流，折现到今天，是否大于现在的价格？ 如果是，你就买入。然后等待。 你等待的不是另一个投机者来接盘，你等待的是时间证明你是对的。 这是一种很奇妙的感觉。当股价下跌时，投机者会感到恐慌，因为他们的“下家”消失了。但对于理解了“唯一买家”的人来说，股价下跌只是意味着你可以用更低的价格，买入更多的未来现金流。 这就像是你发现了一台印钞机，而周围的人却因为机器外壳有点旧而在打折出售它。 所以，最终的测试很简单。假设明天股票市场永久关闭，再也没有K线图，再也没有报价，你还愿意持有这家公司吗？ 如果你依赖那个“唯一的买家”——也就是公司本身的盈利能力——你的答案应该是肯定的。你不需要把这台印钞机卖给别人，你只需要留着它，让它为你工作。 这才是投资的本质。其他的，都只是噪音。

如果你观察过那些在学校里成绩最好、在公司里晋升最快的人，你会发现他们通常有一种共同的特质。在 MBTI 的语境下，我们称之为“J型”（判断型）。他们喜欢秩序，热爱计划，对截止日期有着近乎宗教般的虔诚。 把任务交给他们，就像把代码输入到一个极其稳定的编译器里：你输入指令，他们输出结果。既不报错，也不延迟。 然而，有一个奇怪的现象。 当这些人离开学校，或者辞去大公司的职位试图创业时，他们中的许多人会突然“熄火”。就像一辆高速行驶的赛车突然失去了动力，停在路中间。他们依然聪明，依然勤奋，但他们不再前进了。 我称之为“J型人的失速”。 这种失速并不是因为懒惰。恰恰相反，是因为他们太想把事情做“对”了。 问题的根源在于教育系统的一个 bug。我们在学校里度过的前二十年，本质上是在训练一种能力：解题。老师给你一个在大纲范围内的题目，你通过应用已知的公式，得出一个标准答案。在这个游戏里，框架是给定的（Given），你的任务是执行（Execute）。 J型人是这个游戏里的顶级玩家。他们通过完美地执行外部框架获得了所有的奖励：分数、学位、薪水。 但当你试图做一些新的事情——比如创业，或者探索一个未知的领域——游戏规则变了。这里没有大纲，没有公式，甚至没有题目。你必须自己定义题目。 对于J型人来说，这不仅仅是困难，这简直是恐怖。 当外部权威消失时，他们会陷入一种名为“等待指令”的瘫痪状态。他们坐在电脑前，试图写一份完美的商业计划书，或者寻找一本完美的教程。他们在潜意识里相信：一定存在一个正确的框架，只是我还没找到。 他们不相信自己可以创造框架。 这是一个信念层面的问题。他们认为框架具有一种神圣性，只有“权威”——老师、老板、大师——才有资格制定。自己制定的计划？那是“瞎搞”，是不严谨的，是不值得执行的。 所以他们卡住了。他们在等待一个永远不会出现的老师来给他们布置作业。 但这是可以破解的（Hackable）。 如果你是一个陷入失速的J型人，你不需要改变你的性格，你只需要欺骗你的大脑。你需要一种能够绕过“我没有资格制定规则”这一心理防御机制的技巧。 这个技巧叫做 “迁移” (Transfer)。 既然你的大脑只信任权威，那就给它一个权威。但这个权威不必来自你正在做的领域。 假设你想在儿童教育上有所作为，但你不是教育专家，你感到迷茫。与其在那空想，不如去借用一个你信任的权威。比如，你相信巴菲特。 这听起来很荒谬，投资和带孩子有什么关系？但这就是黑客思维的精髓：透过表象看结构。 你可以提取巴菲特的源代码： 能力圈： 别逼孩子做他不擅长的事，找出他的天赋领域。 护城河： 培养那些难被替代的核心素养，而不是死记硬背。 长期主义： 别盯着期中考试的分数（短期股价），要看十年后的人格（内在价值）。 看，你刚刚做了一件了不起的事。你没有等待教育专家的许可，你自己创造了一个教育框架。但因为它的内核来自巴菲特，你的大脑（那个挑剔的J型审查员）会接受它，认为它是“合法的”、“高质量的”。 这个过程只有三步： 定义问题领域（我要解决什么？） 选定权威人/原则（谁在这个宇宙中拥有最底层的智慧？） 实现迁移（如何把他的原则翻译成我的行动清单？） 这不仅仅是一个技巧，这是一种权力的转移。 当你第一次成功地将一个不相关的权威原则迁移到你的问题上，并发现它行之有效时，你会意识到一个惊人的事实：原来地图是可以自己画的。 世界上并没有那么多“大师”。大多数所谓的专家，也只是在某个时刻，勇敢地把一个旧的道理用在了新的地方。 对于J型人来说，一旦他们跨越了这个信念的鸿沟，一旦他们学会了如何为自己构建脚手架，他们将变得非常可怕。因为他们拥有大多数空想家所不具备的超级能力：执行力。 你只需要那把启动钥匙。现在，你已经有了。

当人们谈论教育时，他们通常把它看作是一条线性的传送带：你从一端上去，经过K-12和大学，然后从另一端下来，开始工作。 这是一种糟糕的模型。它掩盖了时间在不同阶段具有不同权重的事实。 如果你观察那些在智力领域极具生产力的人——优秀的程序员、作家或科学家——你会发现一种更符合现实的模型。在这个模型里，人生被划分为三个关键的十年。 我们将小学六年级到大学毕业（大约12岁到22岁）称为第一个黄金周期。 在这个阶段，大多数孩子和家长都沉迷于错误的指标。他们痴迷于分数、排名和常春藤盟校的录取通知书。但这就像是盯着汽车的喷漆，而忽略了引擎。 第一个周期真正重要的事情只有一件：习得专注（Acquiring Focus）。 我指的不是坐在桌前发呆，而是那种能够长时间将注意力像激光一样烧穿复杂问题的能力。这是一种生理上的改变。在12岁到22岁之间，你的大脑还在重塑。如果你在这个阶段学会了如何进入深度心流，如何为了解决一个bug或推导一个公式而忘却饥饿，你就实际上是在为你的大脑编写底层的编译器。 如果你在22岁之前没有获得这种能力，你以后很难再补上。这就像是在水泥干了之后试图改变地基的形状。 这就引出了第二个黄金周期（22岁到32岁）。 如果我们说第一个周期是关于构建引擎的，那么第二个周期就是关于这台引擎能跑多快。 在这个阶段，你进入了所谓的“真实世界”。这里的竞争不再是人为设计的考试，而是解决混乱的、没有标准答案的问题。 这就是为什么第一个周期的专注度决定了第二个周期的高度。 如果你在第一个周期只是学会了唯唯诺诺地完成作业，那么在第二个周期，你会被琐事淹没。你会成为那种整天忙碌却产出寥寥的“伪工作者”。但如果你在第一个周期就拥有了那种强悍的专注力，你就能在第二个周期产生巨大的杠杆效应。你能在别人需要一周的时候用一天完成工作，更重要的是，你能看到别人看不见的深层模式。 然后，事情变得有趣了。你的理论中最令人不安、也最深刻的部分在于第三个黄金周期（32岁到42岁）。 对于大多数人来说，第三个周期根本不存在。 观察一下你周围的人。到了32岁，大多数人的好奇心已经枯竭。职业的惯性、家庭的琐事、房贷的压力，这些噪音大到足以淹没任何微弱的求知欲。对于绝大多数人来说，学习在第二个周期结束时就实际上停止了。他们开始依靠存量活着。 唯有那些在第一个周期就将专注度训练成一种本能的人，才能幸存下来。 如果你在早年习惯了那种解决难题带来的多巴胺奖赏，你就不会满足于平庸的中年生活。那种深刻的专注力会变成一种保护罩，帮你屏蔽掉中年的噪音。 所以，第一个周期的投入，不仅决定了你年轻时能飞多高，更决定了你在中年时是否还在“飞”。 这对我们意味着什么？ 这意味着，如果你现在处于第一个周期，或者你有孩子处于这个阶段，不要太在意他们学的是Python还是拉丁文。要在意他们是否在学习过程中体验过那种“极度痛苦又极度快乐”的专注。 因为那十年不仅是在学习知识，更是在决定你未来二十年的人生质地。你在定义你自己版本的“黄金时代”会有多长。

当你观察一家快速成长的现代中国大型企业，你会发现一件奇怪的事情：它们看起来并不像是一个严密的整体，而更像是一个松散的周朝。 销售部门用一套 CRM，财务部门用另一套 ERP，人力资源有自己的系统，而员工们则在微信和各种文档之间反复横跳。每一个部门都像是一个诸侯国（Fiefdom）。它们有自己的“文字”（数据格式），有自己的“度量衡”（业务标准），甚至有自己的“边境关卡”（账号体系）。 这在初创期不是问题。就像在文明的早期，小部落各自为政效率最高。但当组织规模扩大到一定程度，这种“分封制”的软件架构就会成为噩梦。 这就是所谓的 “协作摩擦”（Coordination Friction） 。 在硅谷，我们常说“康威定律”决定了软件架构。但在中国的大型组织里，历史的某种必然性似乎正在重演。我们正在经历从“分封制”向“郡县制”的剧烈转型。这不仅仅是管理风格的改变，这是信息处理效率的数学必然。 数据的“车同轨” 为什么秦始皇要推行“车同轨”？历史书会告诉你这是为了加强统治。但在黑客眼中，这是一个 标准协议（Protocol） 的问题。 如果赵国的车轮间距和秦国的不一样，货物在边境就必须卸货、转运。在软件世界里，这就是当你试图把数据从一个孤立的 SaaS 导入另一个系统时发生的事情。你需要清洗数据、转换格式、重新登录。这些动作就是数字世界里的“卸货和转运”。 对于一个只有 50 人的公司，这没关系。但对于一个 5 万人的企业，这种内耗是指数级的。 这就是为什么像 WPS 365 这样的产品会出现。它们表面上是在卖办公软件，但实际上，它们在做一件更底层的事情：它们在建立企业内部的“秦直道”。 当你说“数据归一”时，你实际上是在消除系统间的“API 调用成本”。你不再需要在不同的诸侯国之间寻找翻译，因为所有人都开始讲同一种语言。 组织的操作系统 如果你深入思考，你会发现，大型组织需要的不再是更多的“应用（Apps）”，而是需要一个更好的 “操作系统（OS）” 。 操作系统的本质是什么？它是对硬件资源的抽象和管理。它确保 CPU、内存和 I/O 设备不会因为争抢资源而打架。 一个现代大型企业，本质上就是一台巨大的、由人构成的计算机。 员工是 CPU（算力）； 资金是电源； 文档和数据是内存； 业务流程是 I/O。 在“分封制”时代，每个应用程序（部门）都试图独占 CPU 和内存。结果就是死锁（Deadlock）和崩溃。 所谓的“郡县制改革”，在技术层面上，就是引入了一个 统一的内核（Kernel） 。 这个内核——也就是我们所说的一体化办公平台——接管了最底层的权限：身份认证（Identity）、数据存储（Storage）和消息总线（Bus）。它告诉所有的应用：“你们可以处理业务，但数据必须写在统一的地址空间里；你们可以有自己的流程，但必须遵循统一的调度协议。” 这就是“中央集权”在计算机科学中的含义：通过抽象层的统一，实现资源调度的最大化。 历史的必然 很多 CIO 担心这种统一会扼杀创新，就像人们担心秦朝过于严苛一样。 但事实恰恰相反。当你把底层的基础设施（如路网、文字、度量衡）统一之后，上面的商业活动反而会爆发式增长。互联网就是最好的例子：TCP/IP 协议的统一，才诞生了万维网的繁荣。 中国企业的这次“郡县制改革”是不可逆的。 这不是因为老板们更有控制欲了，而是因为在数字化时代，数据流动的阻力（Latency）决定了企业的生死。 那些坚持“分封制”、任由数据孤岛存在的企业，最终会被自身的复杂性压垮，死于高昂的内部交易成本。而那些完成了“书同文、车同轨”的企业，将获得一种可怕的竞争优势： 它们能像一个单体应用一样，瞬间调用全身的资源，力出一孔。 这就是大型组织基础操作系统的真正价值。它不生产数据，但它定义了数据如何流动。而在历史的长河中，谁定义了流动的标准，谁就赢得了未来。

如果你观察那些失败的项目，或者那些平庸的产品，你会发现它们都有一个共同的特征：它们是对并不存在的问题的回答。 我们有一种奇怪的本能，就是直接跳进“解决方案”（What）。当你想到一个点子时，你的大脑会立即开始设计它的样子，思考它的功能，甚至想象它发布时的场景。这很自然，因为这是最令人兴奋的部分。 但真正有效的解决方案——那些能在混乱的现实中存活下来的方案——往往有着完全不同的结构。如果你仔细拆解那些伟大的创造，你会发现它们并非始于产品，而是始于一种特定的思维顺序：先是理念（Why），接着是冲突（Conflict），最后才是方案（How-What）。 大多数人之所以失败，是因为他们完全跳过了中间那一步。 理念作为公理 一切都始于对世界的某种断言。我称之为“理念”（Why），但这不仅仅是一个理由，它更像是一个公理。 它通常是对某种“应然”状态的描述。比如，“在互联网时代，向任何人发送金钱应该像发送邮件一样简单。”或者，“计算力最终将变得如此便宜，以至于我们不必再关心软件的安装问题。” 在这一阶段，你不需要关心技术细节。你需要的是一种敏锐的直觉，能够看到目前的世界在某些方面是荒谬的、过时的或者错误的。这通常不需要你是天才，你只需要足够诚实。 只要你活得足够久，你就会发现世界上到处都是这种不合理。 冲突的价值 接下来发生的事情，区分了梦想家和实干家。 如果你有一个完美的理念（Why），但世界并没有那样运行，那么一定有原因。这就是 冲突（Conflict）。理念与现实之间的鸿沟，就是冲突所在。 大多数人在遇到冲突时会感到沮丧。如果银行系统很复杂，他们会想：“也许做支付太难了，我换个方向吧。”他们把冲突看作是停止的信号。 但对于黑客来说，冲突不是停止信号，它是路标。 冲突的存在，恰恰证明了价值的存在。如果你的理念很容易实现，没有任何阻力，那么大公司或者某个无聊的开源项目早就把它做完了。正是因为有阻力——因为有技术瓶颈、因为有陈旧的法规、或者因为根深蒂固的人类习惯——你的机会才得以存在。 在你的思维模型中，这应该是花费时间最多的地方。你必须盯着那个冲突看，直到你完全理解它的形状。为什么现有的方案很糟糕？是成本太高？是由于缺乏信任？还是单纯的因为懒惰（Schlep）？ 你不能通过忽视冲突来解决问题。你必须走进去。 作为副产品的方案 只有当你彻底理解了理念和现实之间的冲突后，方案（How-What） 才会自然显现。 在这个阶段，你的产品不再是一个凭空想象的发明，它变成了一个特定的工具，专门用来在“理念”和“冲突”之间架起桥梁。 这就是为什么最好的创业公司往往很难向外行解释。因为外行看不到冲突，他们只看到现在的世界。当你试图解释你的方案时，你必须先向他们解释为什么现在的世界是破碎的。 比如 Airbnb。 Why： 人们应该能够像当地人一样体验城市。 Conflict： 房主不信任陌生人，陌生人不信任房主，且缺乏交易担保。 How-What： 一个建立在双向评价体系和第三方担保支付之上的预订平台。 Airbnb 的产品形态（What）完全是由它试图解决的信任冲突（Conflict）所塑造的。如果你拿掉了中间的冲突分析，只是做一个“让人们住进别人家”的网站（What），你只会得到一堆空房子和几起诉讼。 结构的修正 这种 Why-Conflict-How-What 的顺序之所以反直觉，是因为它要求我们在动手创造之前先去寻找痛苦。 这就解释了为什么现在的科技圈充斥着所谓的“伪需求”。因为人们爱上了他们的锤子（技术），于是到处找钉子。他们从 How-What 开始，倒推一个 Why，并假装中间没有 Conflict。 如果你正在构建什么东西，不妨停下来做一个简单的测试。盖住你的产品（What），你能清晰地描述出它背后的那个理念（Why）以及阻碍这个理念实现的残酷现实（Conflict）吗？ 如果中间那个环节是空白的，或者仅仅是“因为这很酷”，那么你可能并没有在解决问题，你只是在自娱自乐。而市场，通常不会为自娱自乐买单。