人們成功的情況並不罕見，即使他們是： - 傲慢 - 不穩定 - 情商低 - 不特別聰明 - 無條理 - 不健康的生活方式 - 健康問題（無法改變的問題） 但擁有以下特徵的人成功的情況極為罕見： - 懶惰 - 沒有抱負 - 專注於自我娛樂 - 只考慮今天或也許明天 - 堅持自我限制的信念 如果你正在嘗試“修正自己”，第二個列表中的項目優先級更高。 （感謝 Paul Graham 引入這種對比）

我正在尋找一位具備以下條件的開發者： - 必須能夠根據品牌指導方針和現有文案進行 UI / UX 設計 - 必須熟悉 PHP - 必須位於亞洲 - 必須使用過 Selenium / Playwright 進行網站測試（或用於搶購音樂會門票/運動鞋，我不在乎，但你必須使用過這個技術棧）。 - 六天工作週 - 已經在工作流程中使用 AI。如果頁面設計非常明確，你應該能夠在同一天內完成。 具體的“工作經驗年限”並不重要，但上述要求是必須的，而不是在工作中學習的內容。如果你符合這些條件，請私訊我。我無法對上述任何一點做出例外——我真的很抱歉。

至少應該有一個你非常深入理解的主題。 那些未能達到這一點的人，無法學會什麼是「深入理解」。他們認為「理解」一個主題意味著消耗了該主題上最受歡迎的內容。 一旦你深入理解一個主題，你可以將這種經驗重新應用於深入學習另一個主題。 如果你對一個主題有深入的了解，學習其他主題到淺中等水平就很容易——但如果你對多個主題的了解都很淺，那麼你就不知道如何深入學習一個主題。 此外，人類相對於人工智慧的主要優勢在於能夠對一個主題發展出深入的理解——人工智慧對所有事物的理解都很淺，但在細節上卻會遇到困難。

這總是能讓我面帶微笑。

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

讓我提醒你第56次，做一個「見猴子做，跟著猴子做」的程序員是無法取得成功的。 你應該真正學習計算機科學的基礎。 計算機科學中的真正創新在幾十年前就停止了。 我們今天看到的「創新」只是重新排列已經存在的事物，加上更好的硬體和更快的網路。 （這並不是對今天創新者的侮辱，真正的創新在這個十年裡需要技能，就像幾十年前一樣）。 你保持「跟上」最新變化的方法是學習基礎知識。 - Rust 基本上是 C++ 和函數式編程的混合體。 - AI 只是計算機圖形學、線性代數和一點微積分。 - 區塊鏈只是具有拜占庭容錯要求的分佈式計算。 - SVM、EVM、CairoVM 等只是馮·諾依曼架構的變體，稍作修改。 - ZK 編程（Circom、Halo2 等）僅僅是邏輯編程的一個表親。 - ZK 本身使用的數學和密碼學算法已經存在很長時間了。 如果你在努力跟上，那並不是因為你學習得不夠快，而是因為你不理解我們今天所稱的「計算機科學」所構成的基礎。 比喻來說，如果你只能把冷凍披薩放進微波爐，你最終會被取代。如果你知道面粉、酵母、奶酪等是如何相互作用的，那麼即使原料的可用性發生變化，你也可以成為一名真正的廚師並進行調整。

我一直在積極思考的事情是 「你怎麼教一個人寫作？」 我正在考慮使用 AI 來學習編程，但如果 AI 是你的寫作導師，它只能在你的寫作真的很糟糕的時候幫助你。 一些沒有特定順序的想法： 1) 直接的指導如果能持續多年是非常有效的。那些為我工作這麼久的作家讓我驚訝於他們的寫作能力，而我們唯一的互動就是我給予有關如何改進文章的反饋。這比我想像的要有效得多。最終，他們會培養出一種識別劣質寫作（即使是微妙的）的第二天性，這真是令人驚奇。 然而，這不是一個可擴展的模式。 2) 寫作良好在早期需要大量的練習。寫作就像跑步。如果你是初學者，沒有「努力工作」與「聰明工作」之分。如果你超重並開始跑步，你會看到結果。當你接近你的基因極限時（大多數人並不會），「聰明工作」才有意義。 如果你是企業主，你可以通過用書面會議取代站立會議，自動提高員工的寫作技能，然後在更新不清楚時給予寫作反饋。好的一點是，人們對他們所做的工作是專家，因此他們只需練習表達它。 對於早期作家來說，量是唯一真正重要的事情。 3) 大多數人有一個未經訓練的詞彙量。考慮這個類比： 即使你從不「使用」數學，你仍然應該學習它。即使你從不「使用」遞歸或數據結構與算法，你仍然應該學習它們。它們訓練你如何將一個大問題分解成更小的問題，這基本上就是你作為工程師的工作。 對於作家來說，你的工作也是將一個更大的想法分解成更小的想法。由於單詞是思想的不可分割單位，你需要對它們有良好的感知。如果你能清楚地表達以下區別： - 「暗示」和「含義」 - 「概括」和「抽象」 - 「預見」和「預測」 - 「插值」和「歸納」 那麼你就自動在訓練自己精確表達思想——這就是寫作的全部目的。

我覺得教育體系是多麼的破敗，即使是在大學裡。 1) 你坐在講堂裡，老師重複講同樣的內容已經是第十次了。他或她可能沒有特效或動畫的優勢來更清楚地傳達概念（也就是說，視覺模式被削弱了）。老師可能根本就不擅長教學。 2) 課程的進度是一刀切的。 3) 幾個小時後，甚至幾天後，你才做作業。這是在你忘記了課堂上學到的所有東西之後——假設你在課堂上學到了什麼。 4) 你可能會在作業上作弊，根本沒有學到任何東西。 如果我設計一所學校，每個學生都會坐在桌面電腦前（網路接入被切斷或極其有限），並運行一個提供小型課程和幾個練習的軟體。 一名監考員會在周圍巡視，以確保學生專注。 沒有人會把作業帶回家。當你完成時，就結束了。 我實在無法理解為什麼我們還在使用400年前的教學策略，彷彿科技自那時以來沒有改變過。 我明白這種策略並不適用於每一個科目（尤其是寫作），但許多科目，即使是人文科學的，也可以用這種方式來教。 此外，這些電腦將運行Arch Linux。 因為我這麼說。

我認為 Jeff 最大的貢獻在於他用完美的開場順序掌握了 ZK 教育：集合、群、域、同態、配對。 這一點絕對不能被低估；這是絕對的遊戲改變者。 我這樣說是因為我有純數學的碩士學位，還有兩個量化碩士學位。這個解鎖是巨大的加速因素。 如果沒有這個正確的順序，我可能需要一年而不是兩週。 沒有人像這樣簡化過；所有 ZK 資源現在都參考這個解鎖。

在之前的一條推文中，我建議大家專注於解決最困難的問題，以獲得尊重，然後利用這種尊重來擺脫“初級工程師”的階段。 但這不僅僅適用於初級工程師。 在我自己的工作生涯中： 1 - 我在2017年通過嘗試解決實時AI / AR問題，成為Yahoo最年輕的工程經理。如今我們有SDK可以使用，但那時由於硬體有限，需要進行重大優化。 我並沒有說“升我職，我就能解決它。”他們基本上是在我展示出能夠處理他們認為無法解決的問題後，乞求我管理更多的人。 2 - RareSkills在我破解ZK教育後開始受到非常認真的對待。在2023年，我可以用一隻手數出那些認真（雖然不完整）嘗試教人如何實際編寫證明者和驗證者的資源數量。如今，有很多ZK材料，但大多數都受到ZK書籍的深刻啟發。 現在，學習集合、群、域、同態、配對似乎是顯而易見的，但即使是月球數學手冊也沒有如此清晰的知識圖（不止一位數學博士告訴我這很難理解，但我並不是在侮辱作者，將所有這些材料整合在一起並不是一件小事）。 除了無用的“多項式承諾 -> 線性PCP -> 非互動證明”解釋外，找到一種新的方式來解釋ZK是非常困難的，因為人們根本不理解這些解釋。 —— 當你在職業生涯中更進一步時，誘惑可能是專注於短期內方便或有利可圖的事情。 我花了幾年時間，心中一直有一種感覺，覺得我應該去找一份高薪的技術工作，而不是寫人們免費閱讀的博客。 但請考慮這一點：做困難的事情可以在長期內創造更多的利潤機會。 例如，技術作家通常薪水很低，但我們成功地將其變成一個盈利的業務（並支付給我們的作家2-3倍於他們在其他地方能賺到的薪水），這僅僅是因為我們證明了我們能在技術寫作領域做一些困難的事情。 不要低估聲譽和尊重的力量，也不要試圖捷徑到達那裡。 成就獲得你尊重的原因不是因為成就本身，而是因為你在達成過程中所付出的努力。