字节员工炒股退休系列三：财务自由之后的规划 前两篇写了 Leto Bao 怎么起家、怎么爆仓又翻身。这篇换个话题：自由后的思考。感谢 leto 老板关注👍 ① 在准备 AI 创业 ② 拿到大结果之后怎么苟住 ③ 给普通人的投资建议 📌健康排在赚钱前面 直播里聊到这块，他说的原话大概意思是，现在最看重的是健康，排在赚钱前面。每天健身，饮食上比较克制，买了高端保险 他自己形容这件事的说法挺有意思，买保险相当于给自己的人生也买了一份put。健康出问题的时候有兜底 这个比喻跟他一直挂在嘴边的期权逻辑是一路的，只不过这次标的从股票换成了自己😂 put 其实就是花小钱买个安全垫，万一最坏的情况发生了不至于一夜归零。用在健康上，逻辑是一样的：平时的健身和饮食是权利金，真出事的时候，保险和身体底子就是那份保护 📌他不想被记住是炒股赚钱的 现在他大部分精力放在筹备一个AI方向的创业上，写BP，见投资人 他说希望以后大家提到他，想到的是他做的公司，而不是炒股赚了钱 "字节员工炒股赚3000万"这个标签虽然给他带来了流量和关注，但显然不是他想被长期定义的方式 至于这个AI创业具体做什么方向、进展到哪一步，直播里没细说，估计还在早期阶段 📌他怎么看AI对普通人财富管理的意义 聊到AI这块，他提了两个点： 第一是省时间。以前搜集整理信息全靠自己手动做，现在可以交给AI去处理 第二是复利效应。一套写好的工具和方法，可以反复迭代、反复复用，不用每次都从头再来一遍重复劳动 📌现在的杠铃策略 他现在信奉的是一套改良版的杠铃策略：大部分仓位放在稳健的指数上，小部分仓位投向高波动、高潜力的方向 这部分小仓位就算亏光了，对整体也没什么影响；但只要涨起来，能大幅拉高总收益 这套配置思路，跟他早年重仓末日期权那种"要么大赚要么归零"的打法，是两个完全不同的risk profile。现在是拿大部分仓位保底，只用一小部分去搏弹性 📌关于赛道 聊到年轻人该怎么办，他的建议是投资要趁早，尽量把钱放进AI相关的优质资产里，算是给自己的人生做一层"被AI取代"的对冲 这句话跟他给健康买保险的逻辑其实是同一套东西，花点成本，给未来最坏的情况预先垫上一层缓冲。只不过这次对冲的不是身体，是饭碗

教育是否应该功利 读博到底是在买什么 最近在小红书上，经常刷到一些很精致的人分享自己的读博生活。 有人读人文社科，也有人做工科。实验室、论文、会议、海外生活，看上去都挺体面。 我看多了以后，脑子里冒出来的却是另一个问题：读博这件事，到底是在买什么？ 博士基本就是目前学历体系里，一个人能够拿到的最高学位。能把博士读下来，肯定值得尊重。这背后是一套完整的研究训练，也是人类知识长期积累的结果。 博士后则不是一个更高的学位，而是一段科研工作的经历。我们会说入站、出站，不会说拿到一个“博士后学位”。 顺着传统教育一路读下去，一个人拿到博士，通常已经二十五到三十岁，甚至更晚。 你投入的不只是一笔学费，而是人生里非常完整的几年。 在不少西方博士项目里，博士生更像一名全职研究人员，而不是 Student 的延长线。只不过这份研究工作的收入通常不高。 所以读博最值得讨论的，也许不是这个学历看起来有多精致，而是你愿不愿意拿几年时间，去换一段低收入、高强度的研究生活。 教育首先是用来托底的 我这个人比较俗，做很多事情都喜欢谈 ROI。 凭兴趣做事，当然可以不计回报。但对大多数普通家庭来说，教育很难只是一笔纯消费。 我对教育最直接的理解，就是托底生活。 考上清华北大，不保证一个人毕业以后就能融会贯通，更不保证一定发财。但这段教育经历，通常会让他更容易进入社会，找到一个还不错的位置。 教育最重要的作用，是抬高一个人的下限。至于上限能有多高，学历本身负责不了。 所以教育肯定存在 ROI。 这里的投入不只有学费，还有时间和机会成本。回报也不只是毕业第一年的工资，还包括你真正学会了什么、能不能靠它立足，以及以后还有多少选择。 我们以前讲过一个电梯的例子。 当电梯一路往上走的时候，你靠着扶手睡觉，甚至在里面跳两下，都很容易把楼层上升理解成自己的能力和努力。 但真正把你带上去的，是电梯。 过去二十年可能是土木，最近十年可能是计算机软件，现在又轮到人工智能。 一代版本一代神。 踩中行业红利的人，很容易把环境带来的上升全部归功于自己。等版本切换以后，过去能够赚回来的教育投资，不代表今天还能原样复制。 这几年，教育无用论又慢慢起来了。 好在东亚家庭对于教育的执念一直没有消失。“读书改变命运”“光宗耀祖”，到今天仍然是很多家庭真实相信的东西。 前几天我在抖音上刷到一个视频，一个潮汕女孩考上了北京大学。据视频里说，家里还在祠堂里给她立了碑。 这个场面当然很有冲击力，也打破了不少人对于传统宗族观念的想象。 但越是把教育看得重要，越应该认真计算它需要付出什么，又能换回来什么。 留学是消费，还是投资 过去的中国家庭相信，只要孩子愿意读书，砸锅卖铁也要供。 我觉得在今天的经济环境里，这个结论需要调整了。 特别是留学。 过去有些家庭愿意花几十万，甚至上百万元，把孩子送到国外镀金。至于回来以后做什么、能不能找到工作、学费能不能赚回来，父母可能根本不问。 欧美高校早就把国际教育做成了一条成熟的产业链。尤其是英国的一年制硕士，网上甚至有“一年英硕，一生英伦”的调侃。 你当然可以去。但要明白，你在追求教育，别人也在做生意。 所以问题可以问得很粗暴：如果你正在接受一段昂贵的教育，你有没有想过，自己以后怎么把学费挣回来？ 这不代表毕业第一年就必须把所有钱赚回来，也不代表教育的价值只能用工资衡量。 但如果完全没有考虑过回报，只觉得父母愿意出钱让我见世面，这是父母的福气，那这件事就很值得商榷。 留学可以是一笔消费，也可以是一笔投资。 如果你只是心甘情愿地花钱买见识，那就承认它是一笔消费。家庭付得起，你也觉得值得，当然没有问题。 如果你希望通过留学改变人生，那就要按照投资去思考：学什么，能留下什么能力，毕业以后去哪里，以及怎样把这些东西应用到社会上。 这个时候，人文社科类专业尤其需要想清楚。 它们不是没有价值，只是从知识到职业的路径通常没有那么标准。你不能只学一套 general knowledge，然后期待社会自动为它付钱。 所有职业做到最后，其实都是销售。 有人销售自己的专业能力，有人销售情绪价值，也有人销售自己的判断和可信度。 但销售一项具体、稀缺的专业技能，显然比销售一套普通的通识知识，更容易形成壁垒。 所以，教育是否应该功利？ 我的答案是：应该有一点。 尤其当一段教育要消耗一个普通家庭几十万、上百万元的时候，完全回避回报，本身就是对家庭资源不负责。 普通家庭的教育行动准则 第一，十八岁以后，要把自己当作一个独立的个体。 父母愿意支持你留学，你当然可以试一试。但长期目标应该是经济独立，而不是把父母的支持理解成理所当然。 第二，任何家庭的资源都是有限的。 好家庭的资源看起来可以近似无限，但普通家庭的资源一定有限。花出去的每一笔钱，都有它原本可以去的地方。 第三，先想清楚留学和读书到底是为了什么。 你是在花钱买见识，还是希望换一种人生？前者按照消费来判断值不值得，后者就要按照投资来计算回报。 第四，给自己的教育路径做规划。 你准备学什么，形成什么能力，毕业以后怎样进入社会，至少要有一个大致方向。计划当然会变，但不能从头到尾都没有计划。 教育可以为了兴趣，也可以为了见世面。 但只要这件事需要消耗一个家庭几年甚至十几年的积蓄，就不应该羞于谈功利。 功利不等于只认钱。 功利只是要求你知道，自己花掉的时间和钱，最后到底换回了什么。 教育负责托底，剩下的路还是要自己走。 我是KK，祝你牛逼！

想从产品工程师视角和大伙聊聊，在代码全部由AI生成的时代，如何保证产品的代码可以持续迭代、好维护、不腐化。 最近 Mole 发布到了第 13 个版本，看了看整个项目大概有 11 万行 Swift 产品本身代码、7.3 万行测试代码和 3347 个 XCTest，测试代码部分远多余之前在公司写业务时候有QA来保障下的代码，我一直秉承一个观点，AI 写的代码应该 AI 来测试，而非人，把人引入到这个环节反而会拖慢整体的进度。 想着基于上面这个经验实操来总结一下，我都做了哪些有意思的事情，让这些代码一直可以在我和 AI 之间非常听话的实现功能。 1、即使 AI 能够大幅提升代码生产的速度，产品本身的技术架构、分层、同类抽象，什么东西放到什么地方能够让后续更好的扩展以及解耦，还是需要工程师本身的判断，这一块可以在项目第一个版本可以跑起来后就可以和你最好的 AI 仔细讨论，设定好对应的架构，并通过可沉淀可修改的文档记录下来，持续跟随项目迭代。 2、我目前最依赖的还是单测，1.0 只有 56 个 XCTest，到 1.13 已经有 3347 个，测试代码大约是生产 Swift 代码的 66%，不过数量只是顺手统计出来的结果，我平时更关心测试有没有覆盖那些容易想当然的地方，比如扫描结束以后文件又变了、进程检查失败、命令返回成功但 App 根本没有更新、旧任务很晚才回来覆盖了新结果。正常情况一般不难写，麻烦的是那些结果看起来没问题，实际上已经错了的情况如何可以及时去更新。 3、特别是修 Bug 的时候，我会多留一些东西下来，除了把问题修复，还会加一个让旧代码失败的回归测试，然后沿着同类路径去找有没有类似的问题，最后把当时为什么这么改写到规则里面去，到目前 Mole 已经有 1000 多个以 fix 开头的提交，其中 900 多个提交过测试，很多测试和规则都是用户真实踩过一次以后留下来的经验，或许我认为这个是当前这个项目最宝贵的资产。 4、测试能记住输入和结果，但记不住当时为什么放弃一种做法，所以项目里还有一批 Rules，主要记录功能边界、历史原因和不能碰的地方。比如为什么某类文件宁可漏掉也不能自动删除，为什么有些看起来重复的组件不能随便合并，哪些系统数据不属于 Mole。Rules 一多又很费上下文，我就按模块把它们拆开，只在改到相关代码时加载，再把经常重复的检查做成 Skills。bugs 会从以前的修复里找同类问题，design-system-review 看界面有没有越写越乱，release 则负责检查签名、公证、远端文件和更新链路，这样不需要每次都从头跟 AI 解释一遍。 5、还有一个对我很有用的法子，就是少做一些没有实际用的功能。现在 AI 加一个设置项、兼容分支或者后台监听太容易了，几分钟就能写出来，留下来的状态和维护成本反而腐化的最大的原因。比如Mole 现在对新功能设置了一些规则，比如尽量不增加常驻开销，不增加新的特权和系统权限，有合理默认值就不继续加设置项，更新和清理也不会因为发现一种新的可能性就一直扩范围，很多时候有很多功能是开发者自以为重要，但是使用者完全不在乎的功能，更多还是建议从用户中来，到需求中去，如无必要勿增实体。 6、需要充分利用好 Github 自动化 actions 的能力，这个会是你最后的兜底，其实代码写完、跑通、测试变绿以后也还没结束，我的项目里还有一套检查负责九种语言、网站生成结果、Appcast、Xcode 工程和公开部署文件之间的一致性，make verify 会把这些检查和测试一起跑，CI 再换到云端干净机器上重新来一次。到了发布的时候，本地代码、Git 提交、签名后的安装包、线上文件和用户实际收到的更新也是几种不同状态，我会分开确认。之前也遇到过源码完全正确，线上还在提供旧文件的情况，只看一个绿色结果很容易过早觉得已经做完了，其实是有错误的。 7、上面的一切，假如需要说特别的地方，我能想到的就是执行流程完全我没有插手干扰，每一步是 AI 自动化的去执行验证，出错了 AI 自动去解决，只不过会在不同的时候设置必要的流程卡点，让 AI 主动去验证，得到明确的结果才确定通过，并持续的去迭代规则，保持现有规则的新鲜度，并及时移除旧的逻辑，让本身的校验逻辑和本身的业务代码同步升级。 或许，这是我认为 AI 时代的工程师更需要培养的能力，如何让 AI 写的代码更好维护、更清晰、更好扩展，即使半年、一年、两年都不会腐化，而且会越来越听话，越来越符合开发者的心意，也给多 Agent 合作开发确立一个很稳靠的根基。之前手写代码的乐趣已经没有了，好在有这个弥补了一些纯 AICoding 过程无聊，让工程师的一些专业度得以延续下去。

贫穷只不过是症状， 奴役才是病根。 束缚达到极端， 贫穷也会随之达到极端。 大多数人， 并不是因为贫穷而被奴役， 而是因被奴役才贫穷。