李继刚(@lijigang_com)

「现实」负责生产可用的时间、金钱与秩序。「理想」负责回答这些资源最终要供养什么。

李继刚 (@lijigang) — Thu, 23 Jul 2026 14:10:42 GMT

「现实」负责生产可用的时间、金钱与秩序。  

「理想」负责回答这些资源最终要供养什么。

💬0🔄0❤️13👀2283📊2

⚡ Powered by xgo.ing

一个人遭遇了自己的有限，知道自己无法完全理解另一个人，也无法被另一个人完全理解，却仍然选择向他靠近。他不再藏身于正确、客观或含混的表达之后，而是承认自己的欲求，坦陈自己的选择，也不把选择的责任推给...

李继刚 (@lijigang) — Sat, 18 Jul 2026 00:30:21 GMT

一个人遭遇了自己的有限，知道自己无法完全理解另一个人，也无法被另一个人完全理解，却仍然选择向他靠近。

他不再藏身于正确、客观或含混的表达之后，而是承认自己的欲求，坦陈自己的选择，也不把选择的责任推给任何人。于是，那个不可替换的「我」，便站在他所说的每一个字背后，为自己的言说作证。

真正的相遇，不是两个人终于消除了彼此之间的距离，而是两个无法相互替代、也无法彻底抵达对方的人，各自承担着自己，却仍愿意向彼此走去。

💬77🔄6❤️73👀8972📊91

⚡ Powered by xgo.ing

人在做，AI 在看。

李继刚 (@lijigang) — Sun, 12 Jul 2026 12:19:29 GMT

人在做，AI 在看。

💬32🔄1❤️14👀7490📊35

⚡ Powered by xgo.ing

/ljg-book 迭代了一版

李继刚 (@lijigang) — Sat, 11 Jul 2026 15:54:52 GMT

/ljg-book 迭代了一版

💬5🔄2❤️39👀10077📊16

⚡ Powered by xgo.ing

之前会把很久之前读过但不会重读的书，一本本摘出微信读书书架，这样每次上下滑动找书时，更容易找到合适的。现在有了微信读书的 weread-skill，发现最好的方式是把自己读过的，已经感兴趣想要阅读...

李继刚 (@lijigang) — Tue, 07 Jul 2026 17:21:14 GMT

之前会把很久之前读过但不会重读的书，一本本摘出微信读书书架，这样每次上下滑动找书时，更容易找到合适的。

现在有了微信读书的 weread-skill，发现最好的方式是把自己读过的，已经感兴趣想要阅读的，全给添加到书架上。让 agent 调用 skill 去做筛选、回顾、比较。

在这个场景中，明显感受到“主体”的差异。之前是“我”在阅读，现在是“它”也要阅读。

💬12🔄4❤️54👀11467📊30

⚡ Powered by xgo.ing

「预测」是一种强大的「选择压」。它会逼迫你放弃模糊的理解，只留下对「结构」的判断。 LLM 靠预测下一个 token，学到了语言的结构。人也应该靠预测所在领域的下一步，逼自己看见这个...

李继刚 (@lijigang) — Tue, 07 Jul 2026 16:34:38 GMT

「预测」是一种强大的「选择压」。  

它会逼迫你放弃模糊的理解，只留下对「结构」的判断。

LLM 靠预测下一个 token，学到了语言的结构。  

人也应该靠预测所在领域的下一步，逼自己看见这个领域真正的生成机制。

💬4🔄3❤️52👀6400📊15

⚡ Powered by xgo.ing

J-space 是 LLM 的白板？

李继刚 (@lijigang) — Tue, 07 Jul 2026 03:56:44 GMT

J-space 是 LLM 的 白板？

💬3🔄1❤️30👀8916📊9

⚡ Powered by xgo.ing

技术，是人类将能力外化为系统，并通过这个系统降低某种稀缺能力的成本。当这种能力足够便宜、足够普遍时，它就会反过来重塑社会结构、认知方式和人的自我理解。语言是一种技术，我们正在经历一次新的自我理...

李继刚 (@lijigang) — Mon, 06 Jul 2026 06:51:56 GMT

技术，是人类将能力外化为系统，并通过这个系统降低某种稀缺能力的成本。

当这种能力足够便宜、足够普遍时，它就会反过来重塑社会结构、认知方式和人的自我理解。

语言是一种技术，我们正在经历一次新的自我理解过程。

💬5🔄3❤️55👀8183📊16

⚡ Powered by xgo.ing

书架上的书，是你大脑的训练语料。你不会往语言模型里灌垃圾数据，你知道数据质量决定模型质量。但很多人对自己的书架毫无门槛：畅销榜推什么读什么，等于拿互联网噪声训练自己的神经网络。 "多"不是一个好...

李继刚 (@lijigang) — Sat, 04 Jul 2026 04:06:28 GMT

书架上的书，是你大脑的训练语料。

你不会往语言模型里灌垃圾数据，你知道数据质量决定模型质量。但很多人对自己的书架毫无门槛：畅销榜推什么读什么，等于拿互联网噪声训练自己的神经网络。

"多"不是一个好指标。关键问题只有一个：你允许谁的思想进入你的权重？

每一本书都会微调你的参数，你的判断方式、你的审美偏好、你的注意力朝向。一本平庸的书不是"没用"，是在用平庸去覆盖你本可以形成的结构。它占的不是书架空间，是你的梯度更新方向。

盯着书架看，那一本本立在那里的不是纸，是一个个你选中的思想内核。达尔文站在那，塔勒布站在那，维特根斯坦站在那。他们不说话，但他们的权重已经写进了你的每一次判断里。

他们成为了你思考的背景底色。不可不慎。

💬20🔄31❤️213👀20191📊72

⚡ Powered by xgo.ing

LLM token 是思维的卡路里。

李继刚 (@lijigang) — Thu, 02 Jul 2026 16:32:20 GMT

LLM token 是思维的卡路里。

💬11🔄0❤️9👀6133📊13

⚡ Powered by xgo.ing

任何一个漂亮的模板，被大量传播使用之后，都会快速进入审美疲劳。还是应该向内看，寻找自己对「美」的理解，哪怕是粗糙的、笨拙的、质朴的，都有一种「你之为你」的味道。这种「异质性」的味道，本身就是美...

李继刚 (@lijigang) — Thu, 02 Jul 2026 06:35:11 GMT

任何一个漂亮的模板，被大量传播使用之后，都会快速进入审美疲劳。

还是应该向内看，寻找自己对「美」的理解，哪怕是粗糙的、笨拙的、质朴的，都有一种「你之为你」的味道。

这种「异质性」的味道，本身就是美的。

💬39🔄13❤️113👀9451📊58

⚡ Powered by xgo.ing

越是高手，分辨率越高。

李继刚 (@lijigang) — Sat, 27 Jun 2026 13:49:00 GMT

越是高手，分辨率越高。

💬7🔄0❤️38👀10645📊12

⚡ Powered by xgo.ing

选择环境 > 改变自己环境决定 fitness。不要总怀疑自己，多想想自己在什么环境，为什么会在这个环境，要不要换一个环境…

李继刚 (@lijigang) — Sat, 27 Jun 2026 06:00:08 GMT

选择环境 > 改变自己

环境决定 fitness。

不要总怀疑自己，多想想自己在什么环境，为什么会在这个环境，要不要换一个环境…

💬6🔄27❤️219👀20367📊51

⚡ Powered by xgo.ing

白板是思想的画布。

李继刚 (@lijigang) — Fri, 26 Jun 2026 10:27:11 GMT

白板是思想的画布。

💬2🔄0❤️13👀6005📊4

⚡ Powered by xgo.ing

重度使用一款模型与之对话，对方的语言风格，会影响到你。你说话会有一口「claude味儿」「deepseek 味儿」。做月度主题阅读时，30天内把自己泡在该主题的context 中，看世界的「取景框...

李继刚 (@lijigang) — Fri, 26 Jun 2026 05:37:59 GMT

重度使用一款模型与之对话，对方的语言风格，会影响到你。你说话会有一口「claude味儿」「deepseek 味儿」。

做月度主题阅读时，30天内把自己泡在该主题的context 中，看世界的「取景框」会切换过来，对此主题的理解也会加深。

归根结底，我们大脑的神经网络，非常「吃」context。

💬3🔄1❤️29👀6688📊9

⚡ Powered by xgo.ing

品味是一个人的损失函数。

李继刚 (@lijigang) — Wed, 24 Jun 2026 11:47:49 GMT

品味是一个人的损失函数。

💬57🔄4❤️75👀12945📊72

⚡ Powered by xgo.ing

电力是同质性的，a 厂和 b 厂的一度电，就是一度电。 token 是异质性的，不同模型的 1M tokens 价值有差异。这种差异性，更容易形成供给瓶颈，进入“税收”式的状态，而不是商品化的电...

李继刚 (@lijigang) — Wed, 24 Jun 2026 08:06:18 GMT

电力是同质性的，a 厂和 b 厂的一度电，就是一度电。

token 是异质性的，不同模型的 1M tokens 价值有差异。

这种差异性，更容易形成供给瓶颈，进入“税收”式的状态，而不是商品化的电力基建方向。

💬43🔄7❤️60👀14842📊58

⚡ Powered by xgo.ing

与其说“与自己相处”，不如说“与自己在思考的问题相处”。

李继刚 (@lijigang) — Tue, 23 Jun 2026 14:47:01 GMT

与其说“与自己相处”，不如说“与自己在思考的问题相处”。

💬6🔄1❤️22👀5322📊10

⚡ Powered by xgo.ing

AI 给了我们更多通往幸福的工具，也给了我们更多逃离幸福的借口。

李继刚 (@lijigang) — Mon, 22 Jun 2026 16:34:04 GMT

AI 给了我们更多通往幸福的工具，也给了我们更多逃离幸福的借口。

💬25🔄2❤️46👀8449📊31

⚡ Powered by xgo.ing

problem > solutions

李继刚 (@lijigang) — Mon, 22 Jun 2026 10:41:37 GMT

problem > solutions

💬4🔄0❤️14👀5225📊6

⚡ Powered by xgo.ing

每个月做一个「主题阅读」，可以把自己泡在该学科领域的语境context之中，体验下来，有两个收获： 1. 掌握该学科的地图（有哪些主要问题、分别有什么结论） 2. 用该学科视角来看待世界。信息在该学...

李继刚 (@lijigang) — Thu, 18 Jun 2026 02:59:10 GMT

每个月做一个「主题阅读」，可以把自己泡在该学科领域的语境context之中，体验下来，有两个收获：

1. 掌握该学科的地图（有哪些主要问题、分别有什么结论）
2. 用该学科视角来看待世界。信息在该学科中是如何分析处理的。

💬35🔄18❤️107👀11554📊67

⚡ Powered by xgo.ing

AI 对孩子的帮助，至少有三个角度可以立马落地： 1. 媒介：把要学习的知识，通过各种媒介形态（图片、视频、游戏），多角度加深理解 2. 梯度：针对每个孩子对要学习知识的理解水平，生成符合「最近...

李继刚 (@lijigang) — Thu, 18 Jun 2026 02:09:57 GMT

AI 对 孩子的帮助，至少有三个角度可以立马落地：

媒介：把要学习的知识，通过各种媒介形态（图片、视频、游戏），多角度加深理解

梯度：针对每个孩子对要学习知识的理解水平，生成符合「最近发展区」难度的题目，让孩子可以收获最大的学习信号 

Build：边学边玩边创造。把自己所学到的，再创造出游戏、网页、小程序等等，分享给他的同学们，收获正反馈，养成build的心态和习惯。

💬60🔄28❤️180👀20104📊125

⚡ Powered by xgo.ing

数字世界，人以「点赞👍」为食。

李继刚 (@lijigang) — Tue, 16 Jun 2026 16:13:29 GMT

数字世界，人以「点赞👍」为食。

💬9🔄0❤️40👀5662📊14

⚡ Powered by xgo.ing

如果你拿着大模型，磨刀霍霍不知该杀向谁，可以考虑一个动作：C-c & C-v. A 处复制，B 处粘贴。这种场景切换，就是摩擦所在，消除它就是一种价值。让模型写个插件或者脚本，自动化处理上面的动...

李继刚 (@lijigang) — Tue, 16 Jun 2026 15:21:48 GMT

如果你拿着大模型，磨刀霍霍不知该杀向谁，可以考虑一个动作：C-c & C-v.

A 处复制，B 处粘贴。这种场景切换，就是摩擦所在，消除它就是一种价值。

让模型写个插件或者脚本，自动化处理上面的动作流程。

比如我经常使用macOS 自带的 Notes （备忘录），可以写一个脚本，在任意地方 Copy 内容，自动粘贴到 Notes 指定笔记文件里。每天晚上扫一眼，处理清空，第二天从零开始积累当天的复制。

github.com/lijigang/copy-…

💬18🔄7❤️80👀13715📊47

⚡ Powered by xgo.ing

人事合一时，人不去想“意义”，做事就是做事，想做就做了。“哪那么多矫情” 人与事出现割裂时，那个间隙，让人开始琢磨“意义”问题。“我是谁？我在哪？” 重复循环，容易出现“身在心不在”的状态，“你的...

李继刚 (@lijigang) — Tue, 16 Jun 2026 06:47:16 GMT

人事合一时，人不去想“意义”，做事就是做事，想做就做了。“哪那么多矫情”

人与事出现割裂时，那个间隙，让人开始琢磨“意义”问题。“我是谁？我在哪？”

重复循环，容易出现“身在心不在”的状态，“你的在场”与否对事情没什么影响时，人就会怀疑人生，产生“意义之惑”。

汉娜 阿伦特所说的“人是世界的开端”，你在，事情因你而不同，是我们的存在重量的体现。

💬12🔄8❤️59👀7610📊24

⚡ Powered by xgo.ing

1. 模型很喜欢说「想象一下」 2. 现在很多Agent都支持多模态能力可以加一条规则：「每当你输出“想象一下”时，直接生成配图，并在图中标注信息，方便直观呈现你想要表达的画面」。

李继刚 (@lijigang) — Mon, 15 Jun 2026 04:14:00 GMT

1. 模型很喜欢说「想象一下」
2. 现在很多Agent都支持多模态能力

可以加一条规则：「每当你输出“想象一下”时，直接生成配图，并在图中标注信息，方便直观呈现你想要表达的画面」。

💬5🔄2❤️50👀7432📊18

⚡ Powered by xgo.ing

过去三年，中国算力中心和数据中心，每年消耗多少「电力」，占社会总电力的比例是多少？未来三年，会延续线性增长还是画出一条指数增长曲线？

李继刚 (@lijigang) — Sun, 14 Jun 2026 16:14:54 GMT

过去三年，中国算力中心和数据中心，每年消耗多少「电力」，占社会总电力的比例是多少？

未来三年，会延续线性增长还是画出一条指数增长曲线？

💬29🔄1❤️27👀18422📊37

⚡ Powered by xgo.ing

努力把自己的收益函数设计成凸的：下行有限，上行无限。在下行风险可控的前提下，波动越大越好。多尝试、多试错、多接触随机性，每一次波动都是免费的彩票。

李继刚 (@lijigang) — Sun, 14 Jun 2026 15:58:32 GMT

努力把自己的收益函数设计成凸的：下行有限，上行无限。  在下行风险可控的前提下，波动越大越好。   多尝试、多试错、多接触随机性，每一次波动都是免费的彩票。

💬20🔄8❤️58👀7446📊34

⚡ Powered by xgo.ing

「菩萨畏因，凡夫畏果」。 - 自变量 X：你遭遇的事件、输入、环境波动 - 函数 f：把事件转化为结果的规则/机制 - 输出 f(X)：你实际得到的收益或损失「畏因」就是在设计函数形状，「畏果」...

李继刚 (@lijigang) — Sun, 14 Jun 2026 15:58:13 GMT

「菩萨畏因，凡夫畏果」。

- 自变量 X：你遭遇的事件、输入、环境波动
- 函数 f：把事件转化为结果的规则/机制
- 输出 f(X)：你实际得到的收益或损失

「畏因」就是在设计函数形状，「畏果」就是在祈祷好的函数结果。

从这角度来看，人生观、世界观、价值观，是最重要最值得投入精力去打磨的函数f。

💬2🔄6❤️40👀4873📊13

⚡ Powered by xgo.ing

稳定不等于安全。

李继刚 (@lijigang) — Sun, 14 Jun 2026 15:42:19 GMT

稳定不等于安全。

💬9🔄0❤️23👀5122📊12

⚡ Powered by xgo.ing

未来，用户进入 ai 世界的入口，会在哪里？

李继刚 (@lijigang) — Sat, 13 Jun 2026 15:55:14 GMT

未来，用户进入 ai 世界的入口，会在哪里？

💬51🔄3❤️24👀19405📊58

⚡ Powered by xgo.ing

Token 消耗量以及Token 账单，是「虚假指标」。你面对的问题，AI 介入之后，有没有被更好解决，是「真实指标」。订阅额度是否用光，不值得心心念念。你的问题是否变好，才应该时时叩问。

李继刚 (@lijigang) — Thu, 11 Jun 2026 15:31:44 GMT

Token 消耗量以及Token 账单，是「虚假指标」。

你面对的问题，AI 介入之后，有没有被更好解决，是「真实指标」。

订阅额度是否用光，不值得心心念念。
你的问题是否变好，才应该时时叩问。

💬4🔄8❤️58👀6887📊15

⚡ Powered by xgo.ing

创业者只有一个朋友：用户，也只有一个敌人：用户的问题。

李继刚 (@lijigang) — Thu, 11 Jun 2026 08:16:26 GMT

创业者只有一个朋友：用户，也只有一个敌人：用户的问题。

💬4🔄0❤️45👀6260📊12

⚡ Powered by xgo.ing

你自己不动心的东西打动不了任何人。

李继刚 (@lijigang) — Wed, 10 Jun 2026 10:43:10 GMT

你自己不动心的东西打动不了任何人。

💬4🔄5❤️94👀8052📊18

⚡ Powered by xgo.ing

李继刚 (@lijigang) — Wed, 10 Jun 2026 09:02:22 GMT

💬0🔄15❤️48👀30477📊17

⚡ Powered by xgo.ing

/ljg-card -c https://t.co/NKtfGktlaD

李继刚 (@lijigang) — Wed, 10 Jun 2026 09:02:08 GMT

/ljg-card -c  mp.weixin.qq.com/s/6I8SHCoDGcvf…

💬1🔄11❤️52👀8312📊19

⚡ Powered by xgo.ing

阅读 = Δ(读前的你, 读后的你) AI 介入之后，「读的你」还得在。不论AI 解读的多么漂亮，后面都得跟着一个「我读完之后如何如何」。

李继刚 (@lijigang) — Wed, 10 Jun 2026 06:12:54 GMT

阅读 =  Δ(读前的你, 读后的你)

AI 介入之后，「读的你」还得在。不论AI 解读的多么漂亮，后面都得跟着一个「我读完之后如何如何」。

💬19🔄1❤️36👀7500📊26

⚡ Powered by xgo.ing

规则的归宿是消失于习惯。

李继刚 (@lijigang) — Wed, 10 Jun 2026 05:37:06 GMT

规则的归宿是消失于习惯。

💬1🔄0❤️20👀5144📊4

⚡ Powered by xgo.ing

人在寻找一种结构，这种结构的边界足够确定（秩序感），内部足够不确定（新奇感）。

李继刚 (@lijigang) — Wed, 10 Jun 2026 00:44:54 GMT

人在寻找一种结构，这种结构的边界足够确定（秩序感），内部足够不确定（新奇感）。

💬6🔄1❤️36👀5254📊12

⚡ Powered by xgo.ing

以 llm 基础，看到有两条发展路径：一条是往下走，原子化，把一个人的能力给拆成一个个针对具体任务的技能包，供用户调用。一个是往上走，组件化，把一个场景的最佳实践（workflow 、节点优化...

李继刚 (@lijigang) — Wed, 03 Jun 2026 16:13:55 GMT

以 llm 基础，看到有两条发展路径：

一条是往下走，原子化，把一个人的能力给拆成一个个针对具体任务的技能包，供用户调用。

一个是往上走，组件化，把一个场景的最佳实践（workflow 、节点优化、技能包）给封装起来，供需求方调用。

💬25🔄4❤️51👀8881📊38

⚡ Powered by xgo.ing

skill 的下一代形态可能是什么？技能包📦应该如何封装，才能既方便传播，又可商业化？ plugin？浏览器的扩展机制是不是可能的答案？

李继刚 (@lijigang) — Wed, 03 Jun 2026 15:48:12 GMT

skill 的下一代形态可能是什么？

技能包📦应该如何封装，才能既方便传播，又可商业化？

plugin？

浏览器的扩展机制是不是可能的答案？

💬50🔄2❤️67👀23829📊68

⚡ Powered by xgo.ing

阅读是借文字行诘问之实

李继刚 (@lijigang) — Wed, 03 Jun 2026 02:04:13 GMT

阅读是借文字行诘问之实

💬6🔄0❤️15👀5122📊8

⚡ Powered by xgo.ing

你能问出什么问题，代表你眼里看到了什么路径。

李继刚 (@lijigang) — Tue, 02 Jun 2026 16:02:27 GMT

你能问出什么问题，代表你眼里看到了什么路径。

💬16🔄6❤️54👀9232📊27

⚡ Powered by xgo.ing

逼自己产出会被他人检验的东西。

李继刚 (@lijigang) — Tue, 02 Jun 2026 15:53:02 GMT

逼自己产出会被他人检验的东西。

💬18🔄11❤️112👀10410📊37

⚡ Powered by xgo.ing

以「广度」为横轴，以「深度」为纵轴，拉出四象限。很明显，广度是 AI 的主场，各种跨学科的关联、碰撞、回响，手拿把掐。深度，会是人类的主场吗？

李继刚 (@lijigang) — Tue, 02 Jun 2026 15:48:57 GMT

以「广度」为横轴，以「深度」为纵轴，拉出四象限。

很明显，广度是 AI 的主场，各种跨学科的关联、碰撞、回响，手拿把掐。

深度，会是人类的主场吗？

💬14🔄1❤️35👀6518📊21

⚡ Powered by xgo.ing

有种感觉，最近这阵子世界好像突然安静下来了。只有模型厂的股价在不讲道理的上涨的声音哗哗作响。

李继刚 (@lijigang) — Tue, 02 Jun 2026 15:36:54 GMT

有种感觉，最近这阵子世界好像突然安静下来了。

只有模型厂的股价在不讲道理的上涨的声音哗哗作响。

💬14🔄1❤️31👀16712📊20

⚡ Powered by xgo.ing

我最近在玩的其中一个方向，是探索 AI 时代独有的阅读方式，最近在尝试「影子之书」阅读法：印刷时代，我们只能读作者写下的这一本书；可每本书背后，都藏着作者本可以写、却没写的无数本。 AI...

李继刚 (@lijigang) — Tue, 02 Jun 2026 15:25:25 GMT

我最近在玩的其中一个方向，是探索 AI 时代独有的阅读方式，最近在尝试「影子之书」阅读法：  

印刷时代，我们只能读作者写下的这一本书；可每本书背后，都藏着作者本可以写、却没写的无数本。  

AI 时代独有的动作，是把那些影子之书读出来。读到任何一个论断，立刻调用 AI 分析: 给我三个反对它的学派、作者悄悄略过的前提、作者的思想传承于谁、作者推理的边界是什么、当前的科学实验是否支持作者的论证...  

读的不再是手上的这一本，是这一本加上它所有没显形的分身。

💬28🔄31❤️229👀16533📊98

⚡ Powered by xgo.ing

最近半年读到过最惊艳的理论，当属《千脑智能》。里面的「参考系」理论，非常有启发：「Hawkins 看大脑的视角：碰上"大脑怎么认识 X"这个问题，他第一反应永远是——哪张地图？X 的特征挂在地...

李继刚 (@lijigang) — Tue, 02 Jun 2026 05:53:36 GMT

最近半年读到过最惊艳的理论，当属《千脑智能》。

里面的「参考系」理论，非常有启发：

「Hawkins 看大脑的视角：碰上"大脑怎么认识 X"这个问题，他第一反应永远是——哪张地图？X 的特征挂在地图的哪个位置？

他把大脑看成一个画地图的机器。这台框的来历最妙：大脑本来有一套认路的老机器——网格细胞、位置细胞，专管"我在空间里哪个位置"，2014 年拿了诺贝尔奖。Hawkins 一跃：新皮层把这套认路的本事偷了过来，拿去给万物画地图。认一只咖啡杯，是给杯子画一张地图，杯壁杯底把手各挂一个位置；认"公正"这个概念，是给它画一张地图；认数学，也是。所以想搞懂任何一种"知道"，就去找它那张地图（参考系）。

大脑认识任何东西，都是在一张地图上给它的特征标位置，再靠移动、预测去学——智能就是画地图、在地图上走、猜下一步。」

💬19🔄23❤️166👀23196📊80

⚡ Powered by xgo.ing

新增 /ljg-book 用于提取一本书的「取景框」。

李继刚 (@lijigang) — Mon, 25 May 2026 07:30:31 GMT

新增 /ljg-book  用于提取一本书的「取景框」。

李继刚@lijigang

给这个世界的一份答卷:

github.com/lijigang/ljg-s…

🔗 View Quoted Tweet

💬14🔄7❤️60👀17648📊30

⚡ Powered by xgo.ing

约束是一把刀，它把逻辑上的可能性空间切割为实际的可能性空间。看一个公司，或者看一个人，从控制论的视角，先看对方的面临的「约束」是什么，约束切割出了对方的行动空间。大家不是在空白画布上任意挥...

李继刚 (@lijigang) — Sat, 23 May 2026 11:44:38 GMT

约束是一把刀，它把逻辑上的可能性空间切割为实际的可能性空间。  

看一个公司，或者看一个人，从控制论的视角，先看对方的面临的「约束」是什么，约束切割出了对方的行动空间。

大家不是在空白画布上任意挥毫，而是在约束形成的「行动空间」中从一个状态到另一个状态做选择。

行动范围，可预测。

💬11🔄1❤️50👀9517📊22

李继刚(@lijigang_com)

「现实」负责生产可用的时间、金钱与秩序。 「理想」负责回答这些资源最终要供养什么。

一个人遭遇了自己的有限，知道自己无法完全理解另一个人，也无法被另一个人完全理解，却仍然选择向他靠近。 他不再藏身于正确、客观或含混的表达之后，而是承认自己的欲求，坦陈自己的选择，也不把选择的责任推给...

人在做，AI 在看。

/ljg-book 迭代了一版

之前会把很久之前读过但不会重读的书，一本本摘出微信读书书架，这样每次上下滑动找书时，更容易找到合适的。 现在有了微信读书的 weread-skill，发现最好的方式是把自己读过的，已经感兴趣想要阅读...

「预测」是一种强大的「选择压」。 它会逼迫你放弃模糊的理解，只留下对「结构」的判断。 LLM 靠预测下一个 token，学到了语言的结构。 人也应该靠预测所在领域的下一步，逼自己看见这个...

J-space 是 LLM 的 白板？

技术，是人类将能力外化为系统，并通过这个系统降低某种稀缺能力的成本。 当这种能力足够便宜、足够普遍时，它就会反过来重塑社会结构、认知方式和人的自我理解。 语言是一种技术，我们正在经历一次新的自我理...

书架上的书，是你大脑的训练语料。 你不会往语言模型里灌垃圾数据，你知道数据质量决定模型质量。但很多人对自己的书架毫无门槛：畅销榜推什么读什么，等于拿互联网噪声训练自己的神经网络。 "多"不是一个好...

LLM token 是思维的卡路里。

任何一个漂亮的模板，被大量传播使用之后，都会快速进入审美疲劳。 还是应该向内看，寻找自己对「美」的理解，哪怕是粗糙的、笨拙的、质朴的，都有一种「你之为你」的味道。 这种「异质性」的味道，本身就是美...

越是高手，分辨率越高。

选择环境 > 改变自己 环境决定 fitness。 不要总怀疑自己，多想想自己在什么环境，为什么会在这个环境，要不要换一个环境…

白板是思想的画布。

重度使用一款模型与之对话，对方的语言风格，会影响到你。你说话会有一口「claude味儿」「deepseek 味儿」。 做月度主题阅读时，30天内把自己泡在该主题的context 中，看世界的「取景框...

品味是一个人的损失函数。

电力是同质性的，a 厂和 b 厂的一度电，就是一度电。 token 是异质性的，不同模型的 1M tokens 价值有差异。 这种差异性，更容易形成供给瓶颈，进入“税收”式的状态，而不是商品化的电...

与其说“与自己相处”，不如说“与自己在思考的问题相处”。

AI 给了我们更多通往幸福的工具，也给了我们更多逃离幸福的借口。

problem > solutions

每个月做一个「主题阅读」，可以把自己泡在该学科领域的语境context之中，体验下来，有两个收获： 1. 掌握该学科的地图（有哪些主要问题、分别有什么结论） 2. 用该学科视角来看待世界。信息在该学...

AI 对 孩子的帮助，至少有三个角度可以立马落地： 1. 媒介：把要学习的知识，通过各种媒介形态（图片、视频、游戏），多角度加深理解 2. 梯度：针对每个孩子对要学习知识的理解水平，生成符合「最近...

数字世界，人以「点赞👍」为食。

如果你拿着大模型，磨刀霍霍不知该杀向谁，可以考虑一个动作：C-c & C-v. A 处复制，B 处粘贴。这种场景切换，就是摩擦所在，消除它就是一种价值。 让模型写个插件或者脚本，自动化处理上面的动...

人事合一时，人不去想“意义”，做事就是做事，想做就做了。“哪那么多矫情” 人与事出现割裂时，那个间隙，让人开始琢磨“意义”问题。“我是谁？我在哪？” 重复循环，容易出现“身在心不在”的状态，“你的...

1. 模型很喜欢说「想象一下」 2. 现在很多Agent都支持多模态能力 可以加一条规则：「每当你输出“想象一下”时，直接生成配图，并在图中标注信息，方便直观呈现你想要表达的画面」。

过去三年，中国算力中心和数据中心，每年消耗多少「电力」，占社会总电力的比例是多少？ 未来三年，会延续线性增长还是画出一条指数增长曲线？

努力把自己的收益函数设计成凸的：下行有限，上行无限。 在下行风险可控的前提下，波动越大越好。 多尝试、多试错、多接触随机性，每一次波动都是免费的彩票。

「菩萨畏因，凡夫畏果」。 - 自变量 X：你遭遇的事件、输入、环境波动 - 函数 f：把事件转化为结果的规则/机制 - 输出 f(X)：你实际得到的收益或损失 「畏因」就是在设计函数形状，「畏果」...

稳定不等于安全。

未来，用户进入 ai 世界的入口，会在哪里？

Token 消耗量以及Token 账单，是「虚假指标」。 你面对的问题，AI 介入之后，有没有被更好解决，是「真实指标」。 订阅额度是否用光，不值得心心念念。 你的问题是否变好，才应该时时叩问。

创业者只有一个朋友：用户，也只有一个敌人：用户的问题。

你自己不动心的东西打动不了任何人。

Tweet

/ljg-card -c https://t.co/NKtfGktlaD

阅读 = Δ(读前的你, 读后的你) AI 介入之后，「读的你」还得在。不论AI 解读的多么漂亮，后面都得跟着一个「我读完之后如何如何」。

规则的归宿是消失于习惯。

人在寻找一种结构，这种结构的边界足够确定（秩序感），内部足够不确定（新奇感）。

以 llm 基础，看到有两条发展路径： 一条是往下走，原子化，把一个人的能力给拆成一个个针对具体任务的技能包，供用户调用。 一个是往上走，组件化，把一个场景的最佳实践（workflow 、节点优化...

skill 的下一代形态可能是什么？ 技能包📦应该如何封装，才能既方便传播，又可商业化？ plugin？ 浏览器的扩展机制是不是可能的答案？

阅读是借文字行诘问之实

你能问出什么问题，代表你眼里看到了什么路径。

逼自己产出会被他人检验的东西。

以「广度」为横轴，以「深度」为纵轴，拉出四象限。 很明显，广度是 AI 的主场，各种跨学科的关联、碰撞、回响，手拿把掐。 深度，会是人类的主场吗？

有种感觉，最近这阵子世界好像突然安静下来了。 只有模型厂的股价在不讲道理的上涨的声音哗哗作响。

我最近在玩的其中一个方向，是探索 AI 时代独有的阅读方式，最近在尝试「影子之书」阅读法： 印刷时代，我们只能读作者写下的这一本书；可每本书背后，都藏着作者本可以写、却没写的无数本。 AI...

最近半年读到过最惊艳的理论，当属《千脑智能》。 里面的「参考系」理论，非常有启发： 「Hawkins 看大脑的视角：碰上"大脑怎么认识 X"这个问题，他第一反应永远是——哪张地图？X 的特征挂在地...

新增 /ljg-book 用于提取一本书的「取景框」。

约束是一把刀，它把逻辑上的可能性空间切割为实际的可能性空间。 看一个公司，或者看一个人，从控制论的视角，先看对方的面临的「约束」是什么，约束切割出了对方的行动空间。 大家不是在空白画布上任意挥...

「现实」负责生产可用的时间、金钱与秩序。「理想」负责回答这些资源最终要供养什么。

一个人遭遇了自己的有限，知道自己无法完全理解另一个人，也无法被另一个人完全理解，却仍然选择向他靠近。他不再藏身于正确、客观或含混的表达之后，而是承认自己的欲求，坦陈自己的选择，也不把选择的责任推给...

之前会把很久之前读过但不会重读的书，一本本摘出微信读书书架，这样每次上下滑动找书时，更容易找到合适的。现在有了微信读书的 weread-skill，发现最好的方式是把自己读过的，已经感兴趣想要阅读...

「预测」是一种强大的「选择压」。它会逼迫你放弃模糊的理解，只留下对「结构」的判断。 LLM 靠预测下一个 token，学到了语言的结构。人也应该靠预测所在领域的下一步，逼自己看见这个...

J-space 是 LLM 的白板？

技术，是人类将能力外化为系统，并通过这个系统降低某种稀缺能力的成本。当这种能力足够便宜、足够普遍时，它就会反过来重塑社会结构、认知方式和人的自我理解。语言是一种技术，我们正在经历一次新的自我理...

书架上的书，是你大脑的训练语料。你不会往语言模型里灌垃圾数据，你知道数据质量决定模型质量。但很多人对自己的书架毫无门槛：畅销榜推什么读什么，等于拿互联网噪声训练自己的神经网络。 "多"不是一个好...

任何一个漂亮的模板，被大量传播使用之后，都会快速进入审美疲劳。还是应该向内看，寻找自己对「美」的理解，哪怕是粗糙的、笨拙的、质朴的，都有一种「你之为你」的味道。这种「异质性」的味道，本身就是美...

选择环境 > 改变自己环境决定 fitness。不要总怀疑自己，多想想自己在什么环境，为什么会在这个环境，要不要换一个环境…

重度使用一款模型与之对话，对方的语言风格，会影响到你。你说话会有一口「claude味儿」「deepseek 味儿」。做月度主题阅读时，30天内把自己泡在该主题的context 中，看世界的「取景框...

电力是同质性的，a 厂和 b 厂的一度电，就是一度电。 token 是异质性的，不同模型的 1M tokens 价值有差异。这种差异性，更容易形成供给瓶颈，进入“税收”式的状态，而不是商品化的电...

AI 对孩子的帮助，至少有三个角度可以立马落地： 1. 媒介：把要学习的知识，通过各种媒介形态（图片、视频、游戏），多角度加深理解 2. 梯度：针对每个孩子对要学习知识的理解水平，生成符合「最近...

如果你拿着大模型，磨刀霍霍不知该杀向谁，可以考虑一个动作：C-c & C-v. A 处复制，B 处粘贴。这种场景切换，就是摩擦所在，消除它就是一种价值。让模型写个插件或者脚本，自动化处理上面的动...

1. 模型很喜欢说「想象一下」 2. 现在很多Agent都支持多模态能力可以加一条规则：「每当你输出“想象一下”时，直接生成配图，并在图中标注信息，方便直观呈现你想要表达的画面」。

过去三年，中国算力中心和数据中心，每年消耗多少「电力」，占社会总电力的比例是多少？未来三年，会延续线性增长还是画出一条指数增长曲线？

努力把自己的收益函数设计成凸的：下行有限，上行无限。在下行风险可控的前提下，波动越大越好。多尝试、多试错、多接触随机性，每一次波动都是免费的彩票。

「菩萨畏因，凡夫畏果」。 - 自变量 X：你遭遇的事件、输入、环境波动 - 函数 f：把事件转化为结果的规则/机制 - 输出 f(X)：你实际得到的收益或损失「畏因」就是在设计函数形状，「畏果」...

Token 消耗量以及Token 账单，是「虚假指标」。你面对的问题，AI 介入之后，有没有被更好解决，是「真实指标」。订阅额度是否用光，不值得心心念念。你的问题是否变好，才应该时时叩问。

以 llm 基础，看到有两条发展路径：一条是往下走，原子化，把一个人的能力给拆成一个个针对具体任务的技能包，供用户调用。一个是往上走，组件化，把一个场景的最佳实践（workflow 、节点优化...

skill 的下一代形态可能是什么？技能包📦应该如何封装，才能既方便传播，又可商业化？ plugin？浏览器的扩展机制是不是可能的答案？

以「广度」为横轴，以「深度」为纵轴，拉出四象限。很明显，广度是 AI 的主场，各种跨学科的关联、碰撞、回响，手拿把掐。深度，会是人类的主场吗？

有种感觉，最近这阵子世界好像突然安静下来了。只有模型厂的股价在不讲道理的上涨的声音哗哗作响。

我最近在玩的其中一个方向，是探索 AI 时代独有的阅读方式，最近在尝试「影子之书」阅读法：印刷时代，我们只能读作者写下的这一本书；可每本书背后，都藏着作者本可以写、却没写的无数本。 AI...

最近半年读到过最惊艳的理论，当属《千脑智能》。里面的「参考系」理论，非常有启发：「Hawkins 看大脑的视角：碰上"大脑怎么认识 X"这个问题，他第一反应永远是——哪张地图？X 的特征挂在地...

约束是一把刀，它把逻辑上的可能性空间切割为实际的可能性空间。看一个公司，或者看一个人，从控制论的视角，先看对方的面临的「约束」是什么，约束切割出了对方的行动空间。大家不是在空白画布上任意挥...