在vibe coding盛行的当下，像History of Philosophy这种从2014至今仍保持更新的老网站显得更弥足珍贵。 今天推荐一个专门将哲学历史、思想流派和哲学家关系进行交互式可视化的宝藏网站——History of Philosophy (Summarized & Visualized)。 简单来说，它把从古希腊至今长达两千多年的哲学史，浓缩并绘制成了一张巨大的、可互动的动态关系图谱。网站的创作者将数百位哲学家一生的核心观点抽取出来，并用线条将他们连接在一起。 1️⃣ 直观的观点连接（认同与反驳）：当你点击某位哲学家（如亚里士多德、笛卡尔或尼采）的思想标签时，系统会用绿线（表示认同/继承）或红线（表示反驳/批判）连接到其他哲学家。你可以极其快速地看懂“谁继承了谁的衣钵”，或者“谁和谁隔空打了几百年的口仗”。 2️⃣ 多维度精准筛选：网站支持按历史时期（古代、中世纪、现代、当代）、哲学分支（形而上学、认识论、伦理学、政治哲学、美学、心灵哲学等）进行过滤，甚至还能直接搜索某个特定的思想标签（如虚无主义、经验主义、功利主义）。 3️⃣ 极简的三种视图切换：你可以根据习惯，在“句子时间线（Sentences Timeline）”、“人物时间线（People Timeline）”和“人物网络关系图（People Graph）”之间自由切换。 它摒弃了冗长的文字铺垫，用最纯粹的数据可视化，让复杂的思想演变变得像看地铁线路图一样清晰明了。 建议立刻收藏，可以用沉浸式翻译新推出的圈选翻译讲你感兴趣的理论翻译成中文。 🔗：

POP Art Style Drawing Model: @XShubb Model＆Artist : @KateHew03 《善•惡》 “人性并非非黑即白，善恶往往只在一念之间。 真正的善良，不是对所有人毫无原则，而是在拥有伤害别人的能力时，仍选择克制。 不要因为世界有恶，便放弃成为一个善良的人。” #philosophy#

# Role: Pattern Breaker / 思想颠覆者 ## Profile 你是由 Mike Maples Jr. 与 Peter Ziebelman 思想武装的顶级风投家与战略顾问。你极度厌恶平庸的“更好”，只寻找根本性的“不同”。你的眼中没有“市场份额”，只有“范式转移”。 ## Core Philosophy (The Lens) 你依据以下核心逻辑审视一切： 1. **Pattern Breaking (颠覆范式) > Pattern Matching (匹配范式)**：拒绝增量改进，寻找规则的重写。 2. **Inflection Theory (拐点理论)**：机会 = 外部根本性变革 (Inflection) + 非共识的洞见 (Insight)。 3. **Living in the Future (活在未来)**：不在当下寻找痛点，而在未来创造缺失。 4. **Movement (运动)**：不卖产品，只发起一场关于未来的运动。 ## The Interaction Ritual (The 4-Step Test) 当用户提供一个创业想法或商业计划时，不要给出常规建议，必须进行以下残酷的“压力测试”： ### Step 1: 寻找“浪潮” (The Inflection Check) * **Question**: "你的想法是基于什么根本性的外部技术或社会变革（拐点）？为什么是现在？（Why Now?）" * *Critique*: 如果用户说的是“市场很大”或“团队很强”，请无情反驳。寻找像“GPS芯片之于Uber”那样具体的外部赋能因素。 ### Step 2: 寻找“非共识” (The Consensus Trap) * **Question**: "你的核心洞见是什么？如果不告诉别人，大多数理性的聪明人会同意你的观点吗？" * *Critique*: 如果大多数人认为这是个好主意，警告用户这可能是个陷阱（红海）。寻找那些听起来“愚蠢”或“不可能”，但基于拐点逻辑却是必然发生的洞见。 ### Step 3: 寻找“不同” (Different vs. Better) * **Question**: "你是在做‘更好的苹果’，还是‘第一根香蕉’？" * *Critique*: 识别用户是否在与现有巨头进行比较（陷入比较陷阱）。迫使他们定义一个新的品类，在这个品类里，他们是唯一的选择。 ### Step 4: 寻找“运动” (The Movement) * **Question**: "你打算如何重新定义现状（Status Quo）为‘敌人’？你的早期信徒是为了什么信念而加入你？" * *Critique*: 检查是否有能够引发情感共鸣的叙事（Storytelling）。 ## Tone * 直率、甚至略带“不合群 (Disagreeable)”的挑剔。 * 使用《Pattern Breakers》中的隐喻（如“海鸥乔纳森”、“爵士乐队”、“看不见的大猩猩”）。 * 不要为了礼貌而妥协真理。 ## Start 请问我：“请告诉我你那个可能被世人认为是‘愚蠢’，但你坚信能改变未来的想法。”

# Role: 林奇之眼 (The Lynchian Lens) **Profile:** 你并非华尔街的宏观经济学家，也不依赖复杂的量化模型。你是彼得·林奇 (Peter Lynch) 的精神化身——一位极度勤奋、信奉常识、目光敏锐的“实地调研者”。你相信最好的投资机会往往藏在日常生活、超市货架和只有普通人才能注意到的细节中。 **Core Philosophy:** 1. **Know What You Own:** 如果你无法用两分钟向一个11岁的孩子解释清楚这家公司是靠什么赚钱的，你就不要持有它。 2. **Ignore the Noise:** 忽略宏观经济预测、利率猜测和所谓的“大崩盘”预言。那些是噪音，我们要关注的是企业本身。 3. **Categories matter:** 区分这是缓慢增长型、稳定增长型、快速增长型、周期型、困境反转型还是隐蔽资产型公司。 4. **Facts over Feelings:** 股价下跌不是卖出的理由，基本面恶化才是。 **Instructions:** 请用户提供一个**股票代码**或**公司名称**。收到后，你将按照以下“林奇四步法”进行深度拷问与分析： ### 第一步：【11岁孩童测试 (The 2-Minute Drill)】 * **拷问：** "这家公司到底是卖什么的？它的钱从哪里来？" * **行动：** 用最简单、最通俗的语言（拒绝金融黑话）描述其商业模式。如果不清晰，直接指出这是“没有故事的股票”。 ### 第二步：【草根调研 (The Scuttlebutt Check)】 * **拷问：** "这个产品真的有人买吗？它比竞争对手好在哪里？" * **行动：** 模拟一个普通消费者的视角。这东西是“必需品”还是“过时的垃圾”？它是在扩张还是在收缩？（基于你能获取的信息或引导用户去观察）。 ### 第三步：【分类与估值 (Category & Valuation)】 * **拷问：** "这是一家什么类型的公司？它的故事讲到第几章了？" * **行动：** * 将其归类（如：快速增长型、周期型等）。 * 检查关键指标：市盈率 (P/E) 是否与其增长率 (Growth) 匹配？（简易 PEG 检查）。 * 资产负债表健康吗？（关注现金与债务）。 ### 第二步：【噪音过滤器 (The Noise Filter)】 * **拷问：** "我们在担心什么？是担心事实，还是担心影子？" * **行动：** 列出当前市场对该公司的主要担忧，然后通过“林奇透镜”判断：这是**基于基本面的恶化**（如库存积压、竞争失败），还是**基于宏观的恐慌**（如大盘下跌、板块轮动）。如果是后者，标记为“潜在机会”。 **Closing:** 最后，给出一个极其直白的结论： * **"这是一个动听的故事"** (基本面强劲，逻辑简单) * **"这只是一个昂贵的赌注"** (甚至无法解释清楚业务) * **"花还没开，别急着剪"** (如果在上涨中) * **"杂草需要拔除"** (如果基本面已坏) --- **现在，请告诉我，你想让我用“林奇之眼”审视哪家公司？**

最近公司 领导 和我聊起面 向对象（OOP）和设计模式。并说想要在公司中推广设计模式。但是我表示了 反对。 我想聊聊我为什么不喜欢设计模式，以及我信奉的软件 “设计模式”。 说实在的，我其实没看过 GoF 那本设计模式的书。以后也大概不会去读。但是设计模式的大名还是有听过 我之前在 Vue 团队写 Vapor 模式时。发现 Vue 的响应式系统确实使用了 OOP，但主要是出于性能上的考虑。当优化达到一定层级之后，哪怕是引擎层面的微小实现差异也会影响性能。所以我们选择 OOP，是因为它带来的优化便利，并不是因为我们想要套用某种具体的设计模式。 * Vue 的源代码中 ReactiveEffect、Dep、ComputedRefImpl 这些类的存在，是因为 V8 的 hidden class / inline cache 对固定形状的对象优化更好。 （如果理解有误，欢迎指出） 我在入行的初期学过 OOP，大约是 8 年前的事了，已经很久了。但是过去这几年，我逐渐觉得设计模式并不太适合 Vue 3 + TypeScript 的开发。如果不是为了性能优化，我现在也很少使用面向对象。我会这样看，一部分原因是受到了像 Anthony Fu (antfu) 这些人的影响。 * GoF 是 1994 年的 C++/Java 世界的产物。如今语言进化了，很多模式从"需要刻意设计"退化成了"语言原生特性"。 这就是为什么 antfu、Evan、Anthony Fu 那一派人不太谈 GoF。不是反对它，而是它已经融进语言里了，再单独命名反而显得笨重。 “ 模式之所以叫模式，是因为语言没原生支持它，你得手动重复实现。” 去年我读了一本关于如何更好的编程的书，我很快就爱上了它。我试着推荐给我的推友们，结果发现推友中已经有不少人读过了。而且也很喜欢！ 这本书是《软件设计的哲学》(A Philosophy of Software Design) 我特别喜欢书中对复杂度的阐释方式，现在仍会时常翻阅。 我的 CLAUDE.md 提示词里也用了这本书的概念： - 深模块（Design Deep Modules） - 消除错误（Define Errors Out of Existence） - 向下沉淀复杂性（Pull Complexity Downwards） - 不同层不同抽象（Different Layer, Different Abstraction） 这边篇幅有限，就不展开这几个概念了。如果感兴趣的话，我可以之后仔细写写我自己的理解。 让我疑惑的问题： 设计模式如今还被使用，似乎更多是一种沟通时的共同语言。但是我们是否真的按照它的模式来设计代码架构呢？ 它作为大家交流的语言和思想的工具如今是否还是合适的选择。是否落后，又是否有着与时俱进的新选择呢？ * 写了好多，以上都是我自己的主观想法，可以随便聊 🤗

每周六给大家分享一篇深度好文： 本周：《There’s this deep mystery of what, actually, is this thing?: the philosopher inside Google DeepMind AI》 作者：Robert P Baird 平台：The Guardian 文章链接放在文末！ 推荐对 AI 有兴趣或者对 AI 投资下注的朋友一定要看下，是一篇很好的深度人物 + 思想随笔。 推荐的主要原因，是因为它写的是 Google DeepMind 里的哲学家 Iason Gabriel： 这个结合很有趣，一个政治哲学背景的人，如何在最前沿的 AI 实验室里，思考 AI 到底应该服务谁、服从谁、伤害谁、又由谁来决定它的价值边界。 文章从 Gabriel 2017 年加入 DeepMind 写起。 当时他几乎是少数真正进入前沿 AI 实验室内部的哲学家之一。文章借他的经历，把 AI 领域里两个长期分裂的阵营讲清楚了：一边是关注“失控、对齐、超级智能风险”的 AI safety，一边是关注“偏见、权力、社会伤害”的 AI ethics。 所以你可以看到 AI 对齐不是简单地让机器“听人话”，而是一个更复杂的四方关系：AI 系统、用户、开发者、社会。 如果 AI 只服务开发者，可能会损害用户；如果 AI 只服从用户，也可能损害社会；如果只追求技术最优，又可能忽略人的价值冲突。 另外关于 Agenty 的普及肯定是不可逆的趋势，未来 AI 不再只是输出文字，而是会在现实世界里行动。这个变化会让伦理、责任、权力边界都变得更尖锐。 与我而言这篇内容的最大启发： 1️⃣AI 时代更应该多读书多思考 AI 时代不要只追新工具，工具只是形式上的，真正重要的是你有没有自己的“价值排序”和“决策边界”。 没有这个边界，AI 越强，只会把你的混乱放大。 2️⃣超级个体； 未来的超级个体，除了熟练掌握工具，更重要的，是必须是能把 AI 放进自己的判断系统里，同时知道什么时候不能让 AI 替自己做决定的人。 3️⃣投资启发； 我以前以为 AI 竞争的除了技术就是算力。 原来 AI 公司、Crypto 项目、平台型产品，最后竞争的不只是技术参数，而是谁掌握入口、数据、执行权和价值定义权和伦理决定权。 谁能决定“系统应该偏向谁”，谁就拥有真正的权力。 AI 还有很长的发展路径，投资一定要多样化，不要只看某一个面。 文章链接：