真正长期稳定的交易高手，往往不是最聪明、最贪婪的人，而是最尊重规律的人。交易最终考验的不是预测能力，而是一个人面对不确定性的态度。一个缺乏边界、喜欢占便宜、无法控制欲望的人，很难长期面对市场，因为市场会不断放大人的贪婪、傲慢和侥幸。优秀的交易者通常对自然规律保持敬畏，不执着证明自己正确，而是在错误中修正自己；他们不把赚钱作为唯一目标，而是把做好决策、建立系统、理解市场作为核心。当认知和行为正确时，财富只是长期结果，而不是短期追逐的对象。

Justin Skycak 数学教学思想深度研究报告 Justin Skycak 数学教学思想深度研究报告 认知科学基础、Math Academy 工程实现及可操作教学框架 摘要 Justin Skycak 的数学教学思想可以概括为一套以长期记忆、前置知识和任务选择为核心的教学系统： 建立细粒度知识依赖关系，诊断学生当前状态，提供最少必要讲解，让学生立即独立解题，再通过反馈、间隔提取和混合练习维持掌握。 这套体系最有价值的部分，是把提取练习、间隔效应、明确指导、掌握学习和个性化任务选择整合到同一系统中。它特别适合数学基础知识的快速获得、自动化和长期保持。 需要谨慎对待的部分包括： 将广义“主动学习”研究直接用于证明 Math Academy 的具体教学形式； 将直觉主要归因于重复练习； 将完全个性化视为高效学习的必要条件； 将少记或不记笔记推广为普遍建议； 用课程学习效率解释竞赛数学、证明和研究能力； 用公司内部数据证明 Math Academy 整体优于高质量人工教学。 在本次检索范围内，没有找到针对 Math Academy 的独立、同行评议随机对照研究。因此，目前能够可靠支持的是它所采用的若干教学原则，尚不能据此确认整个产品方案已经达到全局最优。 研究范围与证据等级 本报告使用三类资料： Skycak 本人的文章和公开讨论； Math Academy 关于教学法、知识图谱和任务算法的官方说明； 关于提取练习、主动学习、掌握学习、智能辅导系统、发现学习等主题的独立研究和综述。 X 的历史内容无法完整索引，因此部分观点通过 Skycak 个人网站上同步发布或扩写的文章还原。Math Academy 的系统结构可以从官方资料确认，但学习速度、产品优越性等效果主张主要来自公司自身。 报告采用以下证据等级： 等级含义A多项研究、系统综述或元分析反复支持B总体有支持，但效果依赖学习阶段、内容和实施条件C工程设计合理，缺少独立产品级验证D个人判断、价值判断或超出现有证据的推广 一、Skycak 教学理论的完整结构 数学是高度层级化的知识系统 Skycak 认为，高级数学任务由大量底层事实、程序和概念组成。学生在当前内容上遇到困难，往往源于更早的前置知识没有达到稳定掌握。 Math Academy 因此使用细粒度知识图谱表示： 一个主题依赖哪些前置主题； 一道题调用了哪些底层技能； 学习高级内容时，哪些旧技能得到隐式复习； 学生当前可以学习哪些新内容。 该知识图谱主要由领域专家手工构建。官方材料曾描述约 2500 个主题，每个主题又包含若干知识点、前置关系和组成关系。它属于专家系统和学生建模路线，核心并非让大模型自行生成课程。 这一设计很适合计算、代数、函数、微积分程序等结构明确的内容。证明、建模、策略创新和数学表达较难拆成稳定、可自动观察的节点。 证据判断：B/C。 数学确实存在大量前置依赖。具体如何拆分节点、设置关系权重，仍然包含课程专家的判断。 学习的目标是形成可长期调用的知识 Skycak 把学习看成长期记忆发生稳定改变。学生在课堂上理解了一次，并不等于以后能够独立提取和使用。 他的典型教学过程是： 给出最少必要解释； 展示一个完整示例； 学生立即独立做题； 系统提供反馈； 之后在逐渐拉长的时间间隔中重新提取； 将相关题型混合，训练方法选择； 在高级内容中继续调用底层技能。 Math Academy 将“讲解后几分钟内开始解题”作为主要教学形式，并强调自动化、间隔练习和混合练习。 证据判断：A/B。 提取和间隔有很强证据。具体到“讲解应该多短”“做几题后应该离开”，需要根据内容和学习者调整。 初学者需要明确指导 Skycak 反对让缺少相关知识的学生长时间自行发现方法。他认为初学者工作记忆容量有限，开放探索会让学生同时处理过多无关信息。 因此，他支持： worked example； 细分步骤； 显式指出子目标； 提供完整的初始方法； 随着熟练程度提高逐步撤除提示。 这一判断与认知负荷理论、示例学习效应和专业知识反转效应总体一致：知识较少的学习者通常需要更多指导；已有较强知识结构的学习者会逐渐从独立问题解决中获得更多收益。 问题在于，Skycak 有时把无指导发现、有脚手架探究、问题解决后教学和高水平开放问题放在一起批评。独立研究一般区分： 缺乏指导的发现学习； 教师设计并提供反馈的引导式发现； 学生先尝试、教师随后比较和正式讲解； 专家阶段的开放探索。 后几类方法可能有效，适用阶段和目标不同。 证据判断： 初学者需要明确指导：A/B； 所有探索都低效：D。 自动化为复杂思考释放认知资源 Skycak 强调基础事实和程序应达到快速、准确调用。例如： 基本运算； 分数和比例； 代数变形； 常见函数性质； 经常使用的解题程序。 当学生每次都需要重新推导这些内容时，工作记忆会被基础操作占用，很难处理更复杂的结构。 这个判断有较强合理性。但自动化不足以单独构成深层理解。概念知识和程序知识通常相互促进：概念帮助学生选择和修改程序，程序实践也可能促进概念关系的形成。 Skycak 关于“直觉主要来自大量重复”的观点只能解释其中一部分。数学直觉还来自： 比较不同解法； 研究反例； 转换表示方式； 解释条件为什么必要； 判断方法适用范围； 在新情境中重新组织知识。 证据判断： 基础自动化的重要性：A/B； 重复能够充分产生直觉：C/D。 二、核心方法的证据核验 提取练习 Skycak 主张学生在尝试作答前不要立即看笔记或答案。只有实际从记忆中提取，才能知道自己是否真正掌握。 一项课堂情境下的系统综述筛选了近 2000 篇摘要，最终分析了 50 个实验、5374 名学习者和49个效应量；多数研究发现提取练习对学习结果有中等或较大促进作用。研究覆盖多个年龄和学科，但非西方样本仍然较少。 实施中需要区分： 先独立提取，随后看反馈：有效； 一直不允许使用资料：可能妨碍复杂任务； 提取尚未学会的知识：容易变成无效猜测； 错误后缺少纠正反馈：可能巩固错误。 证据等级：A。 间隔练习 集中做完大量同类题，通常会产生很强的短期熟练感，但长期保持较弱。将练习分散到多次学习中，通常更有利于记忆保持。 Math Academy 根据学生状态动态安排复习，并通过高级题中调用的底层技能计算隐式复习。其 FIRe 机制会将一道复杂题的练习收益分配给多个组成技能，以减少重复做简单题的需要。 需要区分两个结论： 间隔优于集中突击：研究支持较强； Math Academy 的具体 FIRe 权重和复习算法达到最优：缺少独立验证。 证据等级：一般原则 A；产品算法 C。 混合练习 传统教材常把同类题放在同一节中。学生只需执行当前章节的方法，不必判断题型。 混合练习将多种问题放在一起，要求学生先回答： 这道题应该使用什么方法？ 它特别适合训练： 区分相似问题； 方法选择； 长期保持； 防止依赖章节标题和表面格式。 初次学习一个程序时，少量连续同类练习仍有价值。较合理的顺序是： 少量集中练习 → 间隔复习 → 混合辨别。 证据等级：B。 效果依赖题型之间是否需要辨别。没有辨别需求时，混合练习未必带来明显收益。 主动学习 Skycak 经常引用 STEM 主动学习研究，支持学生实际解决问题，而非持续听讲。 这里存在定义差异。相关大型元分析中的主动学习包含课堂讨论、小组任务、测验、问题解决和高阶思考等多种活动；Skycak 将它主要落实为“简短讲解后个人独立做题”。两者存在重合，但研究不能直接证明这一种具体形式优于所有其他主动教学形式。 能够稳妥得出的结论是： 学生需要频繁作答和思考； 持续被动听讲通常效果较差； 活动形式需要与学习目标匹配； 个人练习、小组解释和教师讨论可以同时存在。 证据等级：主动参与 A；Skycak 的窄定义 B/C。 掌握学习 掌握学习要求学生达到预定标准后再进入依赖该知识的新内容。未掌握时提供额外练习、反馈和补救。 总体研究显示掌握学习通常产生正向效果，但效果高度依赖： 掌握标准如何定义； 是否有高质量纠错； 学生获得多少额外学习时间； 测试是否与训练内容高度相似； 学生能否长期坚持。 智能辅导系统的元分析也通常发现正向效果，但系统自带测试上的效果往往大于外部标准化测验，说明部分收益可能来自训练与评价的一致性。 证据等级：B。 三、Skycak 观点中证据较弱的部分 “真正的刻意练习必须完全个性化” Skycak 认为，只有系统能够根据每名学生的实时状态选择任务，才称得上严格意义上的刻意练习；普通班级很难实现这一点。 个性化确实能够减少： 重复已掌握内容； 跳过未掌握前置知识； 全班使用同一难度； 复习时机不匹配。 但“完全个性化是高效学习的必要条件”缺少充分证据。高质量班级教学也可以通过： 分层任务； 小组反馈； 低风险测验； 作业数据； 教师巡视； 周期性诊断； 实现部分个性化。 证据等级：C。 “学生通常不应该记笔记” Skycak 认为，记笔记经常变成把教师的话复制到纸上，降低实际提取和解题时间。他建议主要保留少量参考材料，把时间用于练习。 这个批评对机械抄写成立。但研究并不支持“普遍不记笔记”： 生成式笔记可以促进组织和解释； 笔记可以作为外部存储； 引导式笔记可能提高注意和学习效果； 抄写式笔记通常价值较低； 在提取测试时依赖笔记会削弱诊断价值。 更可靠的规则是： 学习时可以写结构化笔记；练习时先闭卷提取；完成后再用笔记检查和修正。 证据等级：Skycak 的普遍建议 D。 “困难问题通常浪费学习时间” 对初学者和课程基础学习而言，一小时反复尝试一道远超当前能力的问题，单位时间获得的正确反馈很少，确实可能低效。 竞赛数学、证明和研究型训练具有不同目标。它们要求训练： 在长时间没有反馈时维持问题状态； 生成和淘汰猜想； 构造反例； 切换表示； 修正证明； 忍受较低成功率； 从失败路径中提取策略。 AoPS 等竞赛教育体系会主动让学生接触超出当前常规程序的问题，并把挣扎、失败和讨论作为训练内容。 因此，需要区分： 知识获得任务：较短反馈周期通常更有效； 开放搜索任务：长时间探索本身就是训练对象。 证据等级：针对初学者 B；推广到所有数学训练 D。 四、Math Academy 产品设计分析 Math Academy 的产品结构可以分成四个部分。 专家构建的课程模型 领域专家拆分主题、编写解释、设计例题和练习，并指定前置关系。它通过人工课程设计保证内容结构和解法稳定。 优势： 可控； 可审查； 不依赖大模型临时生成； 前置关系比较明确。 风险： 图谱反映编写者的课程观； 难以覆盖所有非标准解法； 维护成本高； 证明和建模难以细粒度编码。 学生状态模型 系统综合诊断测试、练习结果、答题时间、近期错误和历史复习记录，估计学生对不同主题的掌握程度。 问题在于，系统只能根据可观察行为推断知识。答对可能来自： 真正理解； 记住模板； 猜测； 利用题目格式； 短期记忆。 因此，状态模型需要加入解释、变式和迁移任务，避免只观察标准答案。 任务选择 系统从以下任务中选择下一项： 学习新知识； 修补前置缺口； 复习即将遗忘的知识； 完成测验； 暂停当前课程并降低难度。 官方说明称测验通常会调整到大约 80% 的成功水平，并在学生连续出错时停止新内容、转入补救。 这能够控制平均学习难度，但对追求高正确率的学生可能产生长期失败感。产品需要明确告诉学生： 当前是新知识训练； 当前是熟练度检查； 当前是开放挑战； 不同任务具有不同预期正确率。 复习压缩 FIRe 机制通过复杂题中的组成技能，计算底层知识获得了多少隐式复习，从而减少单独练习简单题。 这是很有价值的工程设计，但它依赖两个假设： 成功完成复杂题确实意味着底层技能得到有效提取； 人工设定的组成关系和权重能够准确表示练习收益。 这些权重尚未看到独立验证。 五、总体证据矩阵 Skycak 或 Math Academy 的主张证据等级判断学生需要实际解题，不能长期只听讲A可靠提取练习提高长期保持A可靠间隔练习优于集中突击A可靠初学者通常受益于明确指导和完整示例A/B可靠，但应逐渐撤除指导基础技能自动化有助于复杂任务A/B可靠混合练习有利于方法辨别B依赖题型和学习阶段掌握前置知识后再推进B原理合理，实施条件重要智能系统可以改善任务分配B总体有支持，效果差异大所有学生都需要完全个性化C工程主张FIRe 是最优复习算法C缺少独立验证80% 左右是普遍最佳难度C可作起始参数，不能普遍化不记笔记更有利于学习D过度推广数学直觉主要由重复形成C/D只解释部分机制困难问题通常不值得投入时间D只适用于部分学习目标Math Academy 明显优于人工教学C尚缺独立产品级证据 六、可操作的六层数学教学框架 该框架保留 Skycak 体系中证据最强的部分，同时加入概念理解、迁移、开放问题和心理负荷控制。 课程结构层 将课程内容拆成可教学单元，并记录四类关系： 内容说明前置知识学习当前内容前必须独立掌握什么组成技能完成当前任务时实际调用什么相似概念学生容易混淆哪些方法或定义迁移方向当前知识以后会用于哪些复杂问题 单元不宜只用“章节”表示。较合理的粒度是学生能够在一次或数次学习中形成初步掌握的技能或概念。 例如“一元二次方程”可以拆成： 整式运算； 提取公因式； 乘法公式； 因式分解； 零乘积性质； 配方法； 判别式； 方法选择。 状态诊断层 每个单元使用五级掌握状态： 状态可观察标准M0 未知无法完成，或尚未接触M1 辅助完成在示例、提示或笔记帮助下完成M2 即时独立学习后能够独立完成同结构题M3 延迟稳定数天后在混合题中仍能独立完成M4 迁移掌握能解释、比较方法并解决新变式 推进规则： 新课程的必要前置知识至少达到 M2； 高度依赖的核心前置知识应接近 M3； 只达到 M2 的内容必须进入后续复习； 证明、建模和竞赛内容需要观察 M4。 这样可以防止系统把一次答对直接视为完全掌握。 新知识获得层 一次新知识学习使用以下过程： 用一至两个问题检测前置知识； 给出目标、条件和方法； 展示一个完整示例； 学生复述关键判断； 学生独立完成三至五个变式； 错误后先定位错误类型，再提供提示； 达到初步稳定后停止连续同类练习。 讲解时间没有统一上限。判断标准是学生是否获得完成第一次独立尝试所需要的信息。 反馈顺序建议： 指出结果是否正确 → 标出错误位置 → 提供局部提示 → 展示完整解法。 不要在第一次错误后立即给完整答案。 长期保持层 可以先使用一个简单的复习时间表： 当天 → 1天后 → 3天后 → 7天后 → 21天后 → 60天后 根据表现调整： 独立正确且速度稳定：拉长间隔； 正确但明显犹豫：保持当前间隔； 依赖提示：缩短间隔； 完全忘记：返回简短讲解和即时练习。 复习题应逐渐从同类题转向混合题。复习时先闭卷尝试，再使用资料。 高级题已经充分调用某项底层技能时，可以减少单独复习，但不应完全取消延迟抽查。 概念与迁移层 每个核心主题至少配置四类非标准任务： 任务目的方法比较判断不同方法的条件、成本和优点错误分析找出错误推理发生的位置反例任务判断结论缺少什么条件新情境变式检查是否能够迁移 例如学习一元二次方程后，不只要求求解，还可以要求： 判断因式分解、配方和公式法分别适合什么情况； 分析“方程两边同时开平方”的错误； 构造一个有两个整数根的方程； 根据根的性质反向确定参数； 解释判别式为什么能够决定实根数量。 难度与心理负荷层 将任务明确分为三种类别，避免学生把所有错误都理解为学习失败。 类别目标建议首次正确率巩固任务验证稳定掌握85%—100%学习任务获得新知识70%—85%挑战任务训练搜索和迁移20%—60% 这些比例只是起始参数。 连续出现以下情况时应降低难度或修复前置知识： 两到三次独立尝试都无法开始； 错误集中在同一底层步骤； 学生只能模仿示例表面形式； 学生无法说明当前使用的方法； 学习任务长期低于约 60%。 连续两次学习中正确率很高、速度稳定且不依赖提示时，应减少重复并加速推进。 七、建议的任务时间结构 普通数学学习：60分钟 时间内容5分钟闭卷提取近期旧知识10分钟新知识讲解和示例20分钟独立变式练习和反馈10分钟间隔混合复习12分钟方法比较、解释或迁移题3分钟记录错误与下次任务 时间比例可根据课程阶段调整。新内容较多时增加获得阶段；复习期增加混合练习。 算法竞赛或高水平数学：90分钟 时间内容10分钟基础知识和模板提取20分钟新算法、定理或典型结构20分钟标准变式练习30分钟非标准问题的独立搜索10分钟反例、证明或失败路径复盘 竞赛训练中，开放问题时间不能被自适应基础练习完全取代。 建议的总体任务比例： 课程基础阶段：获得与巩固 70%，迁移与挑战 30%； 竞赛初期：获得与巩固 60%，迁移与挑战 40%； 高水平竞赛阶段：获得与巩固 30%—40%，迁移与挑战 60%—70%。 八、教学数据指标 系统不应只记录总正确率。建议跟踪以下指标： 指标计算内容用途延迟保持率学习数天或数周后的独立正确率判断是否真正保持提示依赖率使用提示或资料的题目比例区分独立掌握和辅助完成新知识掌握速度每小时从 M0/M1 达到 M3 的单元数判断学习效率迁移成功率未见过变式中的正确率防止只记模板错误恢复时间从首次错误到独立正确需要多久判断反馈质量方法辨别率混合题中选择正确方法的比例判断是否会识别题型主观负荷学生对难度、疲劳和挫败的简短评分防止长期过载 正确率只能与任务类别结合解释。挑战题正确率低，不应降低学生的“掌握度”评价。 九、四周试运行方案 准备阶段 选择一个范围有限的单元，拆分约 30—80 个知识节点。为每个节点准备： 两至三道诊断题； 一个简短解释； 一个完整示例； 三至五道即时变式； 两道延迟复习题； 一道迁移或错误分析题。 第一周 完成诊断并建立初始掌握状态。记录： 当前正确率； 作答时间； 提示使用； 学生主观难度； 前置知识缺口。 第二至第三周 运行完整流程： 诊断 → 新知识 → 即时练习 → 混合复习 → 迁移任务。 每周根据错误数据修正： 节点粒度； 前置关系； 提示内容； 题目难度； 复习间隔。 第四周 进行三类评价： 无提示延迟测验； 与训练题表面不同的迁移题； 学生对压力、进步感和控制感的反馈。 判断框架是否有效时，应同时观察： 掌握速度是否提高； 延迟保持是否提高； 迁移能力是否下降； 学生是否长期感到挫败； 教师准备和维护成本是否可接受。 十、结论 Skycak 的体系可以作为数学教学中的高效率知识获得系统。它最适合解决： 学生前置知识差异； 固定班级进度； 基础技能不稳定； 复习时机不合理； 优秀学生重复等待； 教师无法持续追踪大量细粒度技能。 它不能独立代表完整数学教育。完整方案仍需保留： 数学解释和书面表达； 概念之间的联系； 证明与反例； 建模； 开放问题； 长时间问题搜索； 同伴讨论； 学习动机和自主性。 实际采用时，可以把 Math Academy 的思想用于知识获得、熟练化和长期保持，再用独立的迁移与挑战任务训练证明、竞赛和研究能力。这样能够保留其认知科学优势，同时避免把数学能力缩减成标准题目的正确率。

李笑来的核心思想是：先重写概念，再管理注意力，用自学和长期复利改变命运，最后把个人成长升级成家庭、知识产品和财富系统。 ## 1. 概念先行：人是被概念控制的 李笑来很重视“概念”。 他不是单纯讲道理，而是不断重新定义基础词： - 什么是时间？ - 什么是注意力？ - 什么是财富？ - 什么是学习？ - 什么是定投？ - 什么是家庭教育？ - 什么是人工智能时代的能力？ 他的底层判断是： > 很多人不是不努力，而是脑子里的概念表错了。 比如很多人说“时间管理”，但他会说： > 时间根本不能管理，真正能管理的是自己。 很多人说“戒烟需要意志力”，他会说： > 不一定。坏习惯本质是潜意识行为，要用 self talk 改写身份和因果。 很多人说“孩子小，听不懂道理”，他会说： > 讲道理就是讲因果，小孩很早就可以开始听因果。 所以他的方法论第一步永远是： > 先把概念弄清楚，否则后面的努力都可能是错的。 --- ## 2. 注意力是第一生产资料 他讲时间，但更底层其实是在讲注意力。 时间人人都有，但注意力不是。 一个人真正的人生，是由注意力投向哪里决定的。 你把注意力投给短视频、情绪、八卦、无效争论，你的人生就会长成那个样子。 你把注意力投给英语、写作、投资、AI、自学、孩子、家庭系统，它也会慢慢长成那个样子。 所以他很强调： > 注意力是一切生产力的来源和保障。 这点在 AI 时代更重要。 因为 AI 会让很多事变容易，但也会让人更容易偷懒。 有判断力的人用 AI 放大自己；没判断力的人用 AI 糊弄自己。 --- ## 3. 自学是普通人的核心杠杆 李笑来长期讲自学，不是简单说“自己看书”。 他的自学系统大概是： 1. 选一个真正重要的技能； 2. 投入足够密度的注意力； 3. 反复练； 4. 处理前置引用； 5. 建立反馈； 6. 输出、使用、创造。 他提出过一个很硬的说法： > 用你的注意力填满 1000 小时，就能练成任何你所需要的技能。 重点不是“1000 小时”这个数字，而是： > 注意力密度。 每天 10 分钟低密度打卡，和每天 3 小时高密度训练，完全不是一回事。 所以对英语、AI、写作、公开表达、编程、投资理解，他都会倾向于说： > 别装作自己在学，要真的练到能用、能造。 --- ## 4. 复利不只是钱，是人生底层规律 李笑来很早就把“复利”从金融概念扩展成了人生概念。 钱可以复利，知识也可以复利，经验也可以复利，写作也可以复利，信用也可以复利。 他真正想强调的是： > 只要能长期积累、能迁移、能复用的东西，都可能产生复利。 所以他反复讲： - 写作； - 英语； - 自学； - 投资； - 公开表达； - 技术工具； - 家庭教育； - AI 能力。 这些都不是一次性消费，而是会越滚越大的能力资产。 普通人最该问的不是： > 这个东西今天有没有用？ 而是： > 这个东西 7 年后会不会越来越有用？ --- ## 5. 定投：普通人的“被动聪明”机制 李笑来讲定投，不只是讲投资策略。 他讲的是一种普通人可执行的长期机制。 所谓定投，本质是： > 在值得长期持有的标的上，持续、定期、长期投入。 它的价值不只是买入动作，而是让普通人避免： - 追涨杀跌； - 情绪交易； - 短期预测； - 一把梭； - 被市场波动打爆心态。 他有一个很重要的概念叫“被动聪明”。 意思是： > 你可能本来不聪明，但只要选了一个正确机制，你后面的很多行为会自动变聪明。 这件事不只适用于投资，也适用于： - 每天写作； - 持续学英语； - 长期练 AI； - 定期陪孩子共读； - 持续积累家庭资产； - 每天做内容输出。 好的机制，会让普通人不用每次都靠意志力。 --- ## 6. Self Talk：改变习惯不是靠意志力 从得到《长谈》里看，李笑来最近一个很重要的方法是 self talk，自我对话。 他会认为，很多坏习惯不是清醒意识的问题，而是潜意识行为。 所以戒坏习惯，不能只靠： > 我要坚持，我要忍住。 而要用新的身份和因果反复输入大脑： - “我从来不抽烟，因为烟很臭。” - “我是每天早上进健身房的人。” - “我是一个持续写作的人。” - “我是一个会把 AI 当生产工具的人。” 这背后不是玄学，而是一个判断： > 大脑会被重复的自我叙事塑造。 所以改变自己，不只是改行为，还要改身份声明。 --- ## 7. 家庭教育：父母先升级，孩子才会升级 李笑来后期很重要的转向，是从个人成长、投资、英语，转向家庭教育和家族传承。 这点对你尤其重要。 他的家庭教育核心不是“鸡娃”，而是： > 父母自己先成为持续学习、持续生产、持续思考的人。 孩子看的是父母怎么活，而不是父母怎么说。 他讲规矩、因果、产权、生产、财富、自学，背后都是在讲： > 家庭是孩子最重要的操作系统。 学校不教的，家庭要教。 社会不负责的，父母要负责。 未来需要的，父母要先学。 所以他从“写给学生”，到“写给同学”，再到“写给家人”，其实是人生阶段升级： - 《把时间当作朋友》：给学生； - 《通往财富自由之路》：给同学； - 《财富的真相》：给家人； - 家庭教育课程：给父母。 这说明他最终把知识变成了家庭系统。 --- ## 8. 财富地图：生产、销售、投资 从《财富的真相》相关材料看，他对财富的理解不是简单“买什么赚钱”。 他会把财富能力拆成： 1. **生产知识** 2. **销售知识** 3. **投资知识** 传统教育最大的问题之一，是让很多人远离生产。 会考试，不等于会生产。 有学历，不等于有财富能力。 懂知识，不等于能创造价值。 所以他强调学习闭环： > 学 → 练 → 用 → 造 只停留在“学”，不算真正学会。 能用，能造，能卖，能复利，才真正进入财富系统。 --- ## 9. AI 时代：判断力变得更重要 李笑来最近明显进入 AI 时代叙事。 他不是简单说“AI 很厉害”，而是更关心： > AI 会让谁变强？又会让谁降智？ 他的判断是： - 有判断力的人，会用 AI 加速学习、写作、生产、创造； - 没判断力的人，会用 AI 偷懒、糊弄、沉沦； - AI 降低了学习成本，但也降低了偷懒成本。 所以 AI 时代最重要的不是会不会提问，而是： > 你有没有判断力？ 以及： > 你有没有值得被 AI 放大的长期方向？ --- ## 总结成一张图 李笑来的思想可以压缩成这个链条： ```text 概念清晰 ↓ 注意力自由 ↓ 高密度自学 ↓ 长期复利 ↓ 机制化行动 ↓ 知识产品化 ↓ 家庭系统化 ↓ AI 时代继续升级 ``` 如果用更接地气的话说： > 先别急着努力，先把概念搞对； > 别浪费注意力，把它投到能复利的事情上； > 别等学校和老师，自己学、自己练、自己用、自己造； > 别幻想一夜暴富，用正确机制长期投入； > 别只改变自己，还要把家庭变成持续学习和生产的系统； > 到了 AI 时代，更要用判断力驾驭工具，而不是被工具带着沉沦。

青春期孩子应该如何正确对待： 一、学校、社交与情绪 • 关注孩子的学习状态
 孩子是否能按时完成作业？是否有条理？成绩突然下降，有时不只是“懒”，也可能代表心理压力、情绪问题或社交问题。 • 关注朋友关系
 这个年龄段，同伴影响开始变大。父母需要知道孩子的朋友是谁、平时怎么玩、关系是否健康。很多孩子会因为“同伴压力”做出冲动决定。 • 关注家庭中的表现
 孩子是否尊重家人？是否愿意参与家庭活动？还是开始把自己关起来、越来越疏远家人？ • 提前谈“危险行为”
 梁医生认为：11-13岁已经不算太早。家长应该开始和孩子谈酒精、吸烟、毒品、性等问题。不要等“出事了”才谈。 • 注意心理健康
 美国儿科建议：8-18岁儿童应筛查焦虑；12-18岁应筛查抑郁。
 如果发现孩子长期情绪低落、暴躁、退缩、睡眠变化明显，要认真关注。 二、青春期会发生什么？ • 痘痘、体味开始出现
 激素变化会让孩子开始长痘、体味变重。医生建议开始养成每日洗澡、使用止汗剂等习惯。 • 女孩的变化
 乳房开始发育、腋毛腿毛出现，月经通常会在乳房发育后约两年开始。
 医生建议提前和女儿谈生理期，不要让孩子在恐惧和羞耻中第一次面对月经。 • 男孩的变化
 睾丸和阴囊开始变化，声音变低沉，身体长毛，开始出现晨勃和“梦遗”。
 医生特别写了一句：请让男孩知道，这些都是正常的。 • 情绪变化会明显增加
 青春期孩子容易敏感、烦躁、情绪起伏大，也可能开始对“恋爱”产生兴趣。
 医生提醒父母：这很正常。不要因为孩子“态度不好”就立刻贴标签。 最让我印象深的一句话是： “即使孩子看起来不想说话，他们依然需要父母。” 三、饮食与运动建议 • 每天至少活动60分钟
 不一定非要健身，可以分散在一天中。 • 控制屏幕时间
 包括手机、电脑、游戏、短视频。医生建议建立“家庭电子设备规则”。 • 少喝含糖饮料
 汽水、运动饮料、果汁都容易导致肥胖和蛀牙。 • 尽量每天一家人一起吃一顿饭
 医生认为：家庭共餐不仅是吃饭，更是了解孩子情绪和状态的重要时间。 • 尊重孩子的饥饿感
 青春期孩子食量可能突然增加，不要一味责怪“吃太多”。 • 多吃水果、蔬菜、全谷物和蛋白质
 垃圾食品不要完全禁止，但应该成为“偶尔吃”。 四、睡眠建议 11-13岁的青春期 孩子，每晚大约需要10小时睡眠。 梁医生建议： • 固定睡觉时间
 • 睡前1小时关闭电子设备
 • 不要熬夜
 • 周末也不要睡太晚
 • 如果孩子有手机，晚上最好关闭 五、安全提醒 • 骑车、滑板、滑轮必须戴头盔
 • 13岁以下尽量坐后排
 • 过马路时不要戴耳机
 • 长时间大音量听音乐可能损伤听力
 • 教孩子如何面对“同伴压力” 特别提醒： 如果孩子突然性格变化很大、朋友圈改变、成绩骤降、兴趣消失，可能是在向外界发出求救信号。 六、关于社交媒体： • 限制手机和网络使用时间
 • 父母应该知道孩子在看什么
 • 教孩子不要随便向网友透露个人信息
 • 告诉孩子：网络上的内容并不真正“私密”
 • 抖音、Instagram、脸书上的内容，可能被误解，也可能带来麻烦。 青春期的孩子看起来越来越像大人，但他们其实仍然非常需要父母。青春期不是“孩子变坏了”，而是他们的大脑、身体和情绪都正在经历一场巨大的重建。这个阶段，比起控制，理解和正确引导更重要。

《用 CPV 理论重新理解王阳明的“知行合一”》 王阳明提出： “未有知而不行者。知而不行，只是未知。” 这句话一直被理解为一种道德修养方法：知道正确的事情，就应该去实践。 但如果从 CPV（Cognitive Positioning Value，认知定位价值）理论重新审视，会发现王阳明讨论的其实不是简单的“道德执行力”，而是一个更底层的问题： 一个认知结构如何真正影响一个系统的行为。 
 ⸻ 
 一、信息不是知识，结构才是“知” 人类每天接收大量信息。 我们知道： 熬夜伤身体； 运动有益健康； 长期学习能够提升能力； 情绪化决策容易带来损失。 但大量“知道”的东西，并不会改变行为。 为什么？ 因为这些只是信息进入了大脑，却没有进入人的认知结构。 CPV 理论认为，一个完整的认知结构包含： 我如何定位自己； 我如何理解环境； 我如何判断价值； 我如何预测未来。 真正的“知”，意味着一个人的世界模型发生变化。 例如： 一个人知道抽烟有害健康。 这只是信息。 另一个人经历亲人因肺癌离世，他对抽烟的理解发生改变： 抽烟不再只是“一个坏习惯”，而变成： 这是正在损害未来生命价值的行为。 此时，认知位置改变，价值权重改变，行为自然改变。 这才是王阳明所说的“知”。 
 ⸻ 
 二、不行动，说明结构没有完成 很多人困惑： “我明明知道，却做不到。” 按照传统解释，这叫缺乏自制力。 但 CPV 提供另一种解释： 人的行为不是由表层知识直接驱动，而是由整个认知结构决定。 一个人的行为可以看成： 认知位置 ↓ 价值排序 ↓ 未来预测 ↓ 行为选择 如果最终行为没有改变，说明前面的结构没有真正改变。 比如： 一个人知道学习重要，但每天刷短视频。 表面看： 他缺少毅力。 深层看： 他的 CPV 结构仍然认为： 即时娱乐价值 ＞ 长期成长价值。 所以他的行为符合他的真实模型。 他不是“不知道学习重要”，而是他的系统内部，学习还没有成为更高价值。 
 ⸻ 
 三、知行分离，本质是多个模型竞争 人的内部并不存在一个统一的“理性自我”。 更多时候，是多个模型同时存在。 例如： 语言模型： “我要早睡。” 即时奖励模型： “再刷十分钟视频。” 长期价值模型： “健康很重要。” 短期情绪模型： “今天太累了，放松一下。” 所谓“知而不行”，就是不同层级的模型发生竞争。 最终控制行为的，是权重最高、连接最深的模型。 王阳明认为： 真正的知，会统一这些冲突。 因为当一个认知结构足够深入，人的行为会自然符合它。 
 ⸻ 
 四、高手的执行力来自结构，而非意志力 很多人观察优秀的人，会认为他们拥有强大的自律能力。 但从 CPV 看，很多高手并不是每天都在和自己战斗。 他们只是拥有不同的认知结构。 普通人： “我要不要努力？” 高手： “这个事情本来就应该做。” 普通人： “失败怎么办？” 高手： “失败是反馈的一部分。” 普通人： “为什么我要坚持？” 高手： “这是我的系统运行方式。” 同一个行为，在不同 CPV 结构中，心理成本完全不同。 低 CPV 状态： 行动需要不断消耗意志力。 高 CPV 状态： 行动成为结构的自然输出。 
 ⸻ 
 五、知行合一是一种认知闭环 从系统角度看，王阳明的思想接近现代控制理论中的闭环系统。 低效系统： 外部信息输入 ↓ 记忆存储 ↓ 行为没有改变 ↓ 继续重复 这是开放的信息接收。 高效系统： 现实反馈 ↓ 模型更新 ↓ 认知位置改变 ↓ 价值重新排序 ↓ 行为调整 ↓ 新的现实反馈 这才是真正的学习。 智能的本质，不是拥有更多信息，而是不断通过反馈调整自己的结构。 
 ⸻ 
 六、知行合一与人工智能的启示 从这个角度看，今天的 AI 也面临类似问题。 大语言模型可以知道： 编程规范； 商业规律； 科学知识。 但如果没有真实环境反馈，它只是拥有大量信息。 真正的智能需要： 模型预测现实； 现实反馈修正模型； 模型调整行为。 这与王阳明的“知行合一”高度相似： 不能改变行为的知识，只是数据。 能够改变系统运行方式的知识，才是真知。 
 ⸻ 
 结语：知，是结构形成；行，是结构展开 用 CPV 理论重新表达王阳明： “知”不是知道某个答案，而是在认知系统中形成一个足以改变价值排序和行为预测的结构；“行”不是额外执行，而是这个结构在现实中的自然展开。 所以： 未有知而不行者。 因为真正的知，本身已经包含行动倾向。 知而不行，只是未知。 因为没有进入结构的信息，还没有成为真正的认知。 王阳明几百年前提出的心学问题，本质上是在探索一个现代科学仍然研究的问题： 一个系统如何通过建立有效模型，让自身的行为与现实结构实现一致。

这是今年最赤裸裸的歧视中国。新西兰外长温斯顿·彼得斯在国会遭绿党议员徐南插话后，让他滚回自己的国家，声称他刚来新西兰5分钟，不懂民主，也无法正确说英语。徐南出生于天津，1994年移居新西兰，已经生活32年，2024年进入国会。本届任期内，他的国会发言次数超过任何其他议员，达到平均水平的4倍。彼得斯事后拒绝道歉，还继续攻击徐南傲慢、浪费议会时间。新西兰GDP全球排名第54位，人口只有500多万，长期依赖移民、贸易和国际人才，这种行为无疑自掘坟墓。

有时候 Web3 最缺的不是机会。而是一个能看懂你是谁的系统。 @NucleusCodes 很多人每天都在发内容，参与社区，研究项目，链上交互，但这些行为经常只是散落在不同地方。你做过什么，你擅长什么，你在哪个叙事里真的有影响力，很多时候并没有被正确看见。 这也是我最近重新关注 @NucleusCodes 的原因。 它不像普通任务平台，只看谁转发最多、谁喊得最大声。Nucleus 更像是在搭一个 Web3 的 reputation layer，让你的社交内容、链上历史、NFT / 生态参与记录变成一种可以被识别的信号。 这点很重要。 因为真正好的社区，不应该只奖励噪音最大的账号。它应该奖励那些长期参与、持续输出、真的理解叙事的人。 从官方最近的动作也能看出来，Nucleus 正在把这种 reputation 模型用到更多实际机会里。比如 EthraShip 的贡献活动、Canopy Network 的贡献者竞争、Racerz 的白名单、Eigen Keys，还有 Sleepagotchi 的代币机会。 这些不是简单的“来做任务拿奖励”。 更像是项目在问： 谁真的适合这个生态？ 谁过去已经证明过自己？ 谁不是临时来刷一波，而是长期在这个领域里留下痕迹？ 我觉得这才是 Web3 需要的变化。 不是每个人都重新从零开始。 不是每次都靠表格、邀请码、机械互动。 而是让你的历史、兴趣和贡献慢慢积累成信用。 流量会过去，但 reputation 会留下。 如果 Nucleus 能把这种机制继续做深，它可能会成为项目和真实贡献者之间的一个重要入口。让项目更容易找到对的人，也让认真参与的人不再被淹没。 在 Web3，能被看见很重要。 但被正确理解，可能更重要。 @NucleusCodes 正在做的，就是让价值被看见。

狗对小孩容忍度高有几个原因。在狗的认知里，小孩身高、声音和动作都类似幼犬，动物护幼天性让它们对小孩攻击性降低。而且小孩动作慢、气场弱，不会让狗狗感到威胁。另外，狗狗能感知善意，孩子天真无邪，狗狗能分清是无意打闹，所以会包容。 不过，很多狗容忍孩子也是长期驯化学会克制。家养犬知道小主人地位特殊，哪怕不舒服也尽量不反抗，像卡斯罗被小孩当沙发，其实它也有忍耐。但忍耐有极限，曾有哈士奇攻击5岁孩子，可能之前警告信号被大人忽略。家长得懂狗的行为语言，教孩子正确和狗互动。

卧槽，看到了一堆人的X账号被封了，想玩X账号，要注意下面这些行为，一定要注意： 1. 版权问题 严禁直接转载/上传他人视频、图片、音乐、影视片段。 对方一投诉DMCA，平台就会处理。 多次投诉 = 重复侵权 → 直接封号。 安全做法：只发原创内容；短视频自己剪+评论；用授权素材或公共领域素材。 转载必须获得明确许可并注明（但仍有风险）。 2. 引流 & 互相关注（最常见封号原因） 禁止：互关群、gain train、大量shoutout、mass tagging（@一堆人求互关/推广）。 禁止：短时间内大量关注/取消关注、批量点赞/转发/评论。 禁止：买粉、买赞、买互动、用自动化工具刷数据。 正确做法：自然增长，靠优质内容 + 真实互动。 偶尔互关没问题，但别形成“操纵模式”。 3. 垃圾信息 & 推广行为（Spam） 不要重复发相同/相似内容、复制粘贴推广链接。 不要高频@无关用户推广产品/项目。 内容要原创、有价值，别纯广告/引流帖。 避免无关标签堆砌、批量发帖。 4. 自动化 & 工具使用 禁止使用第三方机器人、脚本、自动化工具发帖、关注、点赞、发DM。 只用官方X App或X官方允许的工具。 任何看起来“非真人”的规律操作（发帖节奏、互动模式）都可能被算法误判为bot。 5. 账号环境 & 安全 固定设备 + 固定IP登录，避免频繁切换VPN/代理（尤其是多人共用IP）。 绑定手机 + 邮箱验证，提高信任度。 不要多账号操控（puppet账号互相引流/互动），容易全军覆没。 登录异常（新设备、异地）会触发lock，要求验证。 6. 其他高风险行为 仇恨言论、骚扰、威胁、泄露他人隐私。 冒充他人（impersonation）。 暴力、虚假信息、非法内容。 重复被举报的内容（即使你觉得没问题）。 运营建议（长期安全） 核心原则：原创 + 真实 + 自然。慢养号比快引流安全100倍。 每天互动保持自然节奏，别突然暴增。 定期看Analytics，避免异常数据波动。 被lock后：按提示操作（验证手机号/邮箱），诚实申诉，多数能解。 想做内容/引流：优先做自己原创视频/观点，少碰别人素材。

某天清晨，老人推开门，再次踩到了楼上邻居刚扔下来的新鲜排泄物。这成了压垮骆驼的最后一根稻草。 彻底绝望的老人拿起了 .45 口径手枪，走上楼，将这对夫妇双双枪杀。婴儿安然无恙，而老人最终被判处终身监禁。一个原本守法的公民，就这样被逼成了阶下囚。 这是 2013 年达拉斯的一起真实案件：75 岁的韩裔老人 Chung Kim 长期忍受楼上邻居往他院子里泼洒宠物粪便和扔脏尿布。他拍视频、走流程、报警、投诉卫生局，尝试了文明社会里所有的合法途径，结果长达数月无一回音。 更可怕的是，管理机构为了政治正确或息事宁人，对各种低素质的行为选择装聋作哑，导致真正的社会规则失效了。 殊不知，所谓的“多元包容”如果没有底线的约束和对规则的敬畏，最终只会变成吞噬普通人的定时炸弹！ 当老人被迫走上楼干掉那对蛮不讲理的夫妇时，社会秩序已经彻底崩塌了。 这就是所谓“多元文化”带来的生硬代价。很多人总是把“多元文化”包装得很完美，把截然不同的公德标准、生活习惯、甚至处于不同文明阶段的人强行圈在一起，并幻想“包容”能解决一切。 坦率的讲：物以类聚人以群分，这话一点都不假。硬是要把处于不同文明阶段的人强行圈在一起，这本身就是最不文明的体现！ 近几年所谓的“多元文化包容”给正常人带来的伤害，早已经验证了左B的道德说教是多么的虚伪‼️