人们成功并不罕见，尽管他们可能是： - 傲慢 - 不稳定 - 情商低 - 不特别聪明 - 无组织 - 不健康的生活方式 - 健康问题（那些你无能为力的） 但拥有以下特征的人成功则极为罕见： - 懒惰 - 没有雄心 - 专注于自我娱乐 - 只考虑今天或许明天 - 坚持自我限制的信念 如果你正在尝试“修复自己”，第二个列表中的项目优先级更高。 （感谢保罗·格雷厄姆引入这个对比）

我在寻找一位具备以下条件的开发者： - 必须能够在提供品牌指南和现有文案的情况下进行UI / UX设计 - 必须熟悉php - 必须在亚洲工作 - 必须使用过Selenium / Playwright进行网站测试（或者用于抢购演唱会门票/运动鞋，我不在乎，但你必须使用过这个技术栈）。 - 六天工作周 - 已经在工作流程中使用AI。如果页面设计非常明确，你应该能够在同一天内完成。 具体的“工作经验年限”并不重要，但上述要求是必须的，而不是在工作中学习的内容。如果你符合这些条件，请私信我。我无法对上述任何一点做出例外——我真的很抱歉。

至少应该有一个你非常深入理解的学科。 那些没有达到这一点的人并不知道什么是“深刻理解”。他们认为“理解”一个学科意味着消费了该主题上最受欢迎的内容。 一旦你深入理解一个学科，你就可以将这种经验重新应用于深入学习另一个学科。 如果你对一个学科有深入的了解，学习其他主题到浅中等水平就很容易——但如果你对多个学科的了解都很浅，你就不知道如何深入学习一个学科。 此外，人类相对于人工智能的主要优势在于能够对一个学科进行深入理解——人工智能对所有事物的理解都很浅，但在细节上却很挣扎。

这总是能让我面带微笑。

I’m having the legendary @Jeyffre on THE NETWORK PODCAST this Friday. What should I ask him? Respond with a comment below this post!

让我提醒你第56次，做一个“见猴子做，跟着猴子做”的程序员是无法取得成功的。 你应该真正学习计算机科学的基础。 计算机科学中的真正创新在几十年前就停止了。 我们今天看到的“创新”只是重新排列已经存在的事物，加上更好的硬件和更快的网络。 （这并不是对今天创新者的侮辱，真正的创新在这个十年里需要技能，就像几十年前一样）。 你保持“跟上”最新变化的方法是学习基础知识。 - Rust 基本上是 C++ 和函数式编程的混合体。 - AI 只是计算机图形学、线性代数和一点微积分。 - 区块链只是具有拜占庭容错要求的分布式计算。 - SVM、EVM、CairoVM 等只是冯·诺依曼架构的变体，稍作修改。 - ZK 编程（Circom、Halo2 等）仅仅是逻辑编程的一个表亲。 - ZK 本身使用的数学和密码学算法已经存在很长时间了。 如果你在努力跟上，那并不是因为你学习得不够快，而是因为你不理解我们今天所称的“计算机科学”所构成的基础。 比喻来说，如果你只能把冷冻披萨放进微波炉，你最终会被取代。如果你知道面粉、酵母、奶酪等是如何相互作用的，那么即使原料的可用性发生变化，你也可以成为一名真正的厨师并进行调整。

我一直在积极思考的一个问题是 “你如何教一个人写作？” 我正在考虑使用人工智能来学习编程，但如果人工智能是你的写作指导，它只能在你的写作真的很糟糕时帮助你。 一些没有特定顺序的想法： 1) 直接的指导非常有效，如果能够持续多年。那些为我工作了那么久的作家让我惊讶，他们的写作能力真是太棒了，而我们唯一的互动就是我给他们关于如何改进文章的反馈。这比我想象的要有效得多。最终，他们会培养出一种识别低劣写作（即使是微妙的）的第二天性，这真是令人惊叹。 然而，这并不是一个可扩展的模式。 2) 良好的写作在早期需要大量的练习。写作就像跑步。如果你是初学者，“努力工作”和“聪明工作”之间并没有什么区别。如果你超重并开始跑步，你会看到结果。“聪明工作”只有在你接近你的基因极限时才重要（大多数人并没有达到这个极限）。 如果你是企业主，你可以通过用书面汇报代替站立会议，自动提高员工的写作技能，然后在更新不清晰时对写作给予反馈。好的一点是，人们对他们所做的工作是专家，因此他们只需练习表达即可。 对于初学者来说，写作的数量是唯一真正重要的。 3) 大多数人词汇量不足。考虑这个类比： 即使你从未“使用”数学，你仍然应该学习它。即使你从未“使用”递归或数据结构与算法，你仍然应该学习它们。它们训练你如何将一个大问题分解成更小的问题，这基本上就是你作为工程师的工作。 对于作家来说，你的工作也是将一个更大的想法分解成更小的想法。由于单词是思想的不可分割单位，你需要对它们有良好的理解。如果你能清楚地表达以下区别： - “暗示”和“含义” - “概括”和“抽象” - “前瞻性”和“预测” - “插值”和“归纳” 那么你就自动在训练自己精确表达思想——这就是写作的全部意义。

我觉得教育是多么糟糕，即使是在大学里。 1) 你坐在讲座上，老师重复同样的话已经不知道多少遍了。他或她可能没有特殊效果或动画来更清晰地传达概念（也就是说，视觉模式被削弱了）。老师可能根本就不优秀。 2) 课堂进度是千篇一律的。 3) 几个小时后，甚至几天后，你开始做作业。这是在你忘记了课堂上学到的所有东西之后——假设你在课堂上学到了什么。 4) 你可能在作业上作弊，实际上什么也没学到。 如果我设计一所学校，每个学生都会坐在桌面电脑前（互联网接入被切断或极其有限），并运行一个软件，提供小块的课程和几个练习来进行练习。 监考人员会在周围走动，以确保学生专注。 没有人会把作业带回家。当你完成时，就结束了。 我实在无法理解为什么我们还在使用400年前的教学策略，就好像科技自那时以来没有变化一样。 我明白这种策略并不适用于每个学科（尤其是写作），但很多学科，甚至是人文学科，都可以以这种方式教授。 此外，电脑将运行Arch Linux。 因为我这么说。

在我看来，杰夫最大的贡献在于他用完美的开场顺序掌握了零知识教育：集合、群、域、同态、配对。 这一点不可低估；绝对是游戏规则的改变者。 我这样说是因为我有纯数学的研究生学位和两个定量硕士学位。这个解锁是一个巨大的加速因素。 如果没有这个正确的顺序，我可能需要一年而不是两周。 没有其他人像这样简化它；所有的零知识资源现在都引用了这个解锁。

在之前的一条推文中，我建议努力解决你能找到的最难的问题，以赢得尊重，然后利用这种尊重摆脱“初级工程师”的阶段。 但这不仅适用于初级工程师。 在我自己的工作生涯中： 1 - 我在2017年通过尝试解决实时AI/AR问题，成为了雅虎最年轻的工程经理。如今我们有SDK可以使用，但那时由于硬件有限，需要进行大量优化。 我没有说“提拔我，我就能解决这个问题。”在我展示出能够处理一个他们认为无法解决的问题后，他们基本上恳求我管理更多的人。 2 - RareSkills在我破解ZK教育后开始受到重视。回到2023年，我可以用一只手数出那些认真（尽管不完整）尝试教人如何实际编写证明者和验证者的资源数量。如今，有很多ZK材料，但大多数都受到ZK书籍的深刻启发。 现在，学习集合、群、域、同态映射和配对似乎是显而易见的，但即使是月球数学手册也没有如此清晰的知识图谱（超过一个数学博士告诉我这很难理解，但我并不是在侮辱作者，整理这些材料绝非易事）。 除了无用的“多项式承诺 -> 线性PCP -> 非交互式证明”解释外，找到一种新的方式来解释ZK是极其困难的，而人们实际上并不理解这些解释。 —— 当你在职业生涯中更进一步时，诱惑可能是专注于短期内方便或有利的事情。 我花了几年时间纠结于我应该去找一份高薪的技术工作，而不是写人们免费阅读的博客。 但考虑这一点：做困难的事情可以在长期内创造更多的利润机会。 例如，技术写作的报酬通常很低，但我们设法将其变成一个盈利的业务（并支付给我们的作者2-3倍于他们在其他地方能赚到的薪水），这仅仅是因为我们证明了我们能够在技术写作领域做一些困难的事情。 不要低估声誉和尊重的力量，也不要试图走捷径。 成就获得尊重的原因不是因为成就本身，而是因为你在达到那里过程中所付出的努力。