和上次说的时间切片是对应的。时间切片聚焦如何使“专注”成为可能，场景切换更强调不同场景切换的速度。
之前有个论调，人对时间的感知是通过对比，相同时间内，场景切换5次，和一成不变的生活环境，我们会觉得前者时间更长。
所以虽然大家看着度过了相同的时间，但实际感知到的时间流逝，千差万别。
我有过三年停滞在同一个状态的经历。那么人生设计，如何加速不同场景间切换的速度。也很简单，把组成场景的要素抽象出来，想办法去控制就好了。
这里我建议用AEIOU，这是《斯坦福人生设计课程》里提到的工具，用来透视当前状态，看一下有哪些可控项。

之前写过一个日记模板，挺全的，如下
- [ ] - [ ] 产出成果 复盘(一句话总结) 今天计划的事有没有做完 有没有分配时间在重要的事上 哪些项目很久没推进了: 手机使用时长: 睡眠时长: AEIOU: 日志区 这个明显不轻量化，老是忘记看。今天突然有一种感觉，可以把这些指标量化。
第一个，当然是OKR，当前最想做的事是什么，从整个生命周期来看，这件事处在什么位置。这个可以用切片技术做到。
还有两个监控项，除了让事情处在正轨上，我觉得可能要开发更多的视角，比如更多考虑到“我”的感受，什么事情可以让我开心，在这个视角下发掘主动的空间。
复盘的目的是追溯过去和预测未来，用这个切片技术和视角引导，可以夺得更多对生活的掌控权。

用设计思维，把连续流动的人生，拆解成可管理、可迭代的“时间切片”，并在每个切片里主动创造价值与体验。
切片作为黑箱，有输入输出接口。
上一切片的输入，为下一切片的输出。
整体来看，如果在某一切片时间停留过长，会影响到其他切片的分配。
切片就是聚焦系统，一个切片就是一段专注的时间块。
切片内容定义：
OKR
GTD
AEIOU
切片系统

procdump procdump -ma -n 1 -s 0 a.exe dumps
启动程序，立即转储一次，然后退出
wtrace 堆内存破坏 数组越界访问 realloc使用不当 访问未初始化的内存 # 基本操作 sc query SNMP # 查询服务状态 sc start SNMP # 启动服务 sc stop SNMP # 停止服务 sc pause SNMP # 暂停服务 sc continue SNMP # 恢复暂停的服务 # 配置操作 sc config SNMP start= auto # 设置自动启动 sc config SNMP start= demand # 设置手动启动 sc config SNMP start= disabled # 设置禁用 # 查看服务配置 sc qc SNMP # 查询服务配置 sc enumdep SNMP # 查看服务依赖 # 远程操作 sc \\192.

人生是个混沌系统 混沌系统在科学中的定义是：对初始条件极端敏感，内在存在复杂关联和反馈，长期行为不可预测，但又在无序中蕴含某种隐藏秩序的系统。生活恰恰如此。
我们可以从几个层面来理解这个比喻：
微小选择，巨大差异（蝴蝶效应）
生活中一个偶然的相遇、一次临时的决定、一句无心的话，都可能像蝴蝶扇动翅膀，在几年后引发一场人生的“风暴”。你无法预知哪个瞬间会成为命运的拐点。这种不可预测性和非线性放大，正是混沌的核心特征。
无法完全掌控，但有迹可循
混沌系统不是随机的，它由确定的规则支配（比如人际关系、社会规则、物理定律），但因为变量太多、相互作用太复杂，我们无法精确计算其长期轨迹。生活也一样：我们遵循某些原则努力，但结果却常常出人意料，充满了意外和巧合。
在无序与秩序的边缘
健康的生活形态往往处于“混沌的边缘”——过于僵化的规划会失去活力（像晶体），完全随波逐流又会陷入混乱（像气体）。最好的状态是在稳定与变化之间保持动态平衡：有基本的价值观和习惯作为“吸引子”，同时又对新的可能保持开放。
独特的路径，分形的美感
混沌系统会产生“分形”——在不同尺度上自相似的复杂结构。人生也是如此：一天的模式、一年的节奏、一生的轨迹，可能存在着某种相似的韵律（比如成长、挫折、恢复的循环）。每个人的生命轨迹都是独一无二、不可复制的艺术品。
那么，意识到生活是混沌系统，对我们有什么启示？ 放下对“绝对控制”的执念：接纳不确定性和意外，它们不是生活的错误，而是系统的本性。
专注于初始条件与当下：既然长期预测不准，那就认真对待每一个当下的选择、情绪和行动，种下好的“初始条件”。
保持弹性与适应性：混沌系统需要灵活反馈来适应变化。培养抗挫力、学习力和开放心态，比一份完美的长期计划更重要。
在过程中寻找意义：目标可能偏移，但旅程本身充满了学习、感受和成长。意义往往存在于应对混沌的动态过程中，而非某个固定的终点。
敬畏与他人的联结：我们都是彼此系统中的变量，相互影响。善意或冷漠都可能通过复杂的网络传递、放大。
如何获得相对掌控权 核心原则：从“预测与控制”转向 “塑造与适应”
我们的目标不是预测十年后的精确位置，而是提高整个系统的“反脆弱性”和“适应性”，让自己在任何可能的风浪中都能保持核心稳定并抓住机会。
混沌不是敌人，而是土壤。周期不是枷锁，而是节奏。你塑造的节点，就是你在混沌中生长出的、独特而坚韧的生命结构。
周期性与节点塑造 在混沌系统中（如天气、生态、市场、人生），你找不到像钟表一样精确的周期。但你会发现：
分形（Fractal）模式：相似的形态在不同尺度上重复出现。
奇异吸引子（Strange Attractor）：系统状态不会重复，但会被限制在一个具有精细结构的边界内运动，这个边界就是“吸引子”。
间歇性（Intermittency）：在看似混沌的行为中，会突然出现短暂的有序周期。
基于混沌理论，你不能控制结果，但可以设计具有反脆弱性的节点和流程，提高在概率游戏中胜出的可能性。
核心习惯 做什么：打造每天/每周雷打不动的“基石习惯”。如：早晨的冥想/阅读、固定的睡眠时间、定期的运动。
为什么：这些习惯构成了你人生的“基本算法”，在混乱的外部环境中为你提供内在秩序和稳定能量。它们是你能绝对掌控的小事。
核心支持网络 做什么：用心经营与家人、挚友、导师的深度关系。这是你的“情感安全网”。
为什么：混沌系统中，强联结是你最可靠的反馈和支持节点。他们能在你偏离轨道时提醒你，在你跌倒时接住你。
知识-产出系统 动态演化 资源引入与环境切换 env iter speed
设计灵活的反馈与调节系统 混沌系统要求你持续观察、学习、微调。
在混沌系统中，机会不是“找到”的，而是你通过正确的观测姿势，让它“浮现”出来的。
1 建立“预警指标”与复盘机制：
做什么：不只关注结果（往往滞后），更要关注过程指标。例如：精力水平、情绪状态、关键关系的质量、学习时间。定期（如每周）进行简短复盘：“什么做得好？什么可以调整？系统给了我什么信号？”
为什么：这让你能在问题发酵成危机前，像雷达一样捕捉到微小偏移，及时调整。
2 采用“飞行员模式”，而非“指挥官模式”：
做什么：将大目标分解为一系列可执行的、短周期的“实验”或“小项目”（如3个月）。为每个实验设定学习目标和成功指标，然后快速行动、获取反馈、调整方向。
为什么：这避免了“一条路走到黑”的刚性计划。你是在持续“试飞”并修正航线，拥抱必要的调整。
3 培养“选项思维”：
做什么：在关键领域（如职业、投资、居住地）有意识地为自己创造更多选择权。学习跨界技能、维持流动性资产、拓展人脉网络。
为什么：这直接提升了你的“适应性”。当系统剧变时，拥有更多可行选项的人，拥有更大的控制权。
管理能量与注意力 划定“影响圈”，专注其中：
做什么：清晰区分哪些是你能控制的（自己的行为、态度），哪些是你只能影响的（他人的看法、合作），哪些是你必须接受的（宏观经济、过去事实）。将至少80%的精力投入“能控制”的部分。
为什么：这避免了将有限的能量浪费在焦虑和抱怨上，是获得掌控感最直接的心理转换。
设计“停机”与“恢复”协议：
做什么：像重视工作一样，将高质量的休息、放松、放空纳入日程。设定数字戒律，保护自己的专注时间。 为什么：清晰的头脑和充沛的能量，是你在混沌中做出明智决策、保持情绪稳定的生理基础。
构建心流状态 构造心流，本质是人为设计一个“挑战与技能”精确匹配的微观环境，让自我暂时消失，行动与意识合二为一。
心流=明确目标+即时反馈+挑战与技能的平衡(略高于当前能力5-10%)\
构建心流的三层设计：
环境：创建0阻力启动场，隔绝外部环境干扰ref: math of focus

Ref 分享2023年最大的收获
Ref 如何设计想要的人生
跟打游戏一样，有一份手册，就能做到稳步前行。
我们都是沿着惯性前行，设想这样一个场景，当你油尽灯枯，回首自己的一生，发现有很多事想做却没做成，这何尝不是一种遗憾。
人生中有些问题反复出现，我在20年就发现了，所以试着完成这样一份手册，一来作为对这些问题的回应(如果现在解决了，30、40就不用面对这些问题)，二来梳理过程中也许能发现新东西。
ref:《悉达多》、《活在此时此刻》、《练习的心态》、《当下的力量》、《传习录》
这些书讲的是一个道理，人生重在体验，而唯一真正有力量的，是当下。
人生建模 可以用有限游戏与无限游戏作类比，人生是一场无限游戏，这场无限游戏由很多个有限游戏组成。唯一确定的是，时间是有限的，所以结论1：在有限的时间内完成尽可能多的事，或者是获得尽可能多的体验。
用打游戏作类比，还有个阶段问题。“十有五志于学，三十而立，四十不惑，五十知天命，六十耳顺，七十从心所欲不逾矩”，十五年才明白了为人处世的道理，圣人尚且如此，我等普通人就不必说了。而且很多事急不来，需要旷日持久的战斗。结论2：人生分阶段，每个阶段有不同的任务 再细分：
34，也怕中年危机。
第一个五年，需要建立正确的成长模型以及工作价值观；
正常情况下，职场新人成长速度会非常快，这是因为这个时期多数困难只要靠自身努力就能完全解决。
所以新人需要快速找到最适合自己成长的方式，尽快达到这个阶段能够达到的瓶颈，一般是5年左右可以达到这个阶段的尽头。
所以，第二个五年最重要的两件事，首先是找到自己喜欢并且适合自己的事情，其次你需要验证你是否真的适合，因为这条路走下去可能是一条不归路，不可不慎。
第三个五年，独立思考能力尤为重要，尽快建立自己的思维闭环；
到第三个五年，能力、心态已经得到社会的毒打，经过了一层又一层的淬炼，完全可以担当大任，专业领域方面，不在话下；心态方面可上可下。 这个时候大家可能会觉得技术、管理似乎也就那么回事的，但所面临的困难却比原来更大、更抽象了。
这个阶段所面临的问题，多数是无据可依，就算有相似的案例，也会因为环境不同而无法得到启示，这一切都要求我们独立思考，要求我们捕风捉影，很费脑子，所以独立思考的能力变得尤为关键。
不管以何种路径，最终都能通关，但是体验很不一样，如果在游戏初始阶段拿到S级装备，那后续就很轻松了。很多时候都是在迷雾中前行，这个没关系，可以自己放路标；在前进过程中会出现很多随机的事物，这个是乐趣所在，我觉得就人生而言，不可能穷尽所有的事物，在你的整个生命历程，都能保留这份乐趣；而且前人也留了很多东西，我觉得靠读书，通过自己实践，也能铺出一条路，这个过程得自己把控。结论3：人生的乐趣在随机性，在前进的过程中抬头看路，不要做重复的事。
有了上面的建模，可以把日常事项纳入该框架。
活在当下 方向的问题解决了，但是想要和现实根本不是一回事。
有很多东西阻碍你聚焦当下，第一个注意力，人一天可以产生一百多个想法，深受其害；第二个是控制力，事物总是朝着无序变化，要使其有序，就得注入能量。
只有当下是真实的，也只有当下是最有力量的。
步骤1：冥想。冥想应该是通过引导注意力焦点来消解其他念头，从而使得大脑进入一种高度集中的状态，可以通过呼吸调整；散步、念经，都能起到类似的效果。
用GTD系统可以挪出一部分大脑的东西，很简单，无论是冥想还是其他，最终目的是清空大脑。
步骤2：行为引导。“合抱之木，生于毫末；九层之台，起于累土”，未来是当下一点点做出来的。B=MAT，T，Trigger，有很多东西触发，打断当前状态，这个也简单，屏蔽触发源就行。
通过设计MAT进入心流状态，对我来说，当前最难受的是A，Ability。通过外界系统增强A，比如我之前搭了博客，各种笔记系统，都是增强能力的体验；GTD系统，通知，这两个是管控T；M我觉得不应该管控，除非那种特别不切合实际的。
更细粒度的工具 AEIOU
这是《斯坦福人生设计课》里的工具，A activity，E env；I interface；O object；U user；这个工具从日常生活中提取出五种要素，如果想有什么改变，就从这五个方面下手。所以说它是一种更细粒度的工具。
透视未来场景
可能会说，未来如何如何，写下来，然后用AEIOU透视，很容易找出要改变的点。
结语 有一段话想摘抄一下：读《练习的心态》
问你自己: 一朵鲜花的生命， 从撒下种子到完全盛开， 在什么时候可以达到完美？
让我们看一看， 我们每天走过的花园中的鲜花旁时， 大自然会教我们一些什么。 在什么时候， 鲜花是完美的？ 当它还只是你手中的一粒种子， 等待着你种下时， 它完美吗？ 在那一刻， 它就是一粒种子。 当这粒种子在几厘米深的土壤中开始悄无声息地第一次发芽时， 它是完美的吗？ 在那一刻， 它首次展现了我们称之为创造的神奇信号。 那么， 当它的嫩芽第一次钻出地面， 第一次接受阳光的照射时， 它完美吗？ 它用尽其所有的能力来寻找这种生命之源； 在这一刻之前， 它只是在地下悄无声息地成长着， 告诉自己要以怎样的方式成长。 当它开始开花的时候呢？ 它完美吗？ 这个时候， 它的个体属性开始显现。 叶子的形状、 花苞的数量， 所有这些， 都是这朵鲜花独一无二的属性， 尽管他们在同一物种中的其他花朵也是独一无二的。 或者， 在鲜花盛开的时候， 花朵的所有能量与努力是不是达到了它生命中的完美时刻？ 不要忘记， 花朵会谦虚地、 静静地调谢， 到那个时候， 它会回到曾经养育它的大地之中。 那么， 在什么时刻， 花朵是完美的呢？

从给 RisingWave 提 PR 说起，聊聊怎么快速切入一个复杂的开源项目
这段时间学习c++，主要看<c++ primer> <c++ primer plus>两本，在这个过程中，对技能习得有一些感悟。
新手入门最大的问题是不知道关注点，这样会导致看很多跟目标无关的资料，运气好的话一段时间后能梳理出该领域图景，运气不好可能需要很长时间。
所以好的教程会给一张大图，然后针对大图给几个抓手，就能基本入门，然后碰到什么场景就学哪些工具，效率高。
1 把该领域最权威的资料都翻了，关注点在哪也能出来，就是耗时间。
然后是技能的巩固和练习，练习的目的是增加熟练度，分为两层，一层是基础技能，比如写个tcp通信，写个基础的排序算法；第二层是对需求建模，看到目标，在心里盘算怎么把基础的东西组合，得到一个想要的结果。
具体操作：
2 模仿，需要通过模仿练手感，熟悉基础知识点
3 技能练习：让ai给出练习题
犯错触发反馈：
4 在训练的时候尽量用自己的语言去写，这样能暴露当前的理解和最好模型之间的gap，得到修正方向。
5 检测掌握情况：能否根据名字带出很多细节
6 检查是否理解：能否用自己的话说出来
可能空间，声明周期 闭环+验证 数据间的变化关系 用项目学习 目标不清晰 6 学习速度测算 一般只需要获取大图和抓手，每个小项做针对性练习，比如平均做两个吧，就能算出自己的学习速度，然后安排工作即可。
但学习是非线性的，一个知识点可能要间隔重复三遍才能完全掌握，碰到场景不全的情况会pending很久。 对此的策略是：
a 要留痕，原始资料，二次加工，得出的一些成果，都要留痕。
b 检查对材料的吸收程度，哪怕一篇很简单的文章深究也会牵扯到很多细节，看要探究多深。
c 检查自己的思维，如果大脑的概念和逻辑链，及自身的技能不能满足需求，说明这两块得继续扩展。
练习分为两种方式，一种是交互式的，一种是大脑中演练。熟练度由脑中相关的神经链路决定，可以想象最初的链路是文字、行为激活的，当链路成型后，只是在大脑中不断演练，也有很好的提升效果。
经过这么久的实践，目前理解学习就是压缩信息，确定一个范围，确定该范围所有的输入输出，用尽可能好的结构组织这些输入输出。所以习得有一个概念展开在收缩的过程。
进入任何一个领域，按照我上面说的找出该领域的知识结构，在知识结构的基础上找出行业最佳实践，就能躺着玩了。
学习–>掌握阶段 状态1：完全陌生 看资料，补充逻辑 状态2：能想起几个名词，但还是陌生 看资料，补充逻辑，动手实践 状态3：能用基本要素写一些简单功能，但只能覆盖很小一部分场景 (间接经验)补充使用场景，在场景中反复折叠逻辑，反复动手实践 状态4：能完成功能模块，但限于项目，有些场景依然无法覆盖 (直接经验)寻找这些场景，学习开源项目 状态5：能完成需求，但是无法主导项目 主动获取资源，拿到经验包，直面需求 状态6：掌握20%的核心知识(反复折叠得到)，覆盖80%的场景，并能分析场景给出方案 封装知识复用

参考 wxf blog/project/学习专题，之前的文章比较散，这一篇结合实践重新组织一下逻辑。
阅读顺序：
学习工程化
主题阅读方法
材料覆盖率
领域驱动+搭积木
这个话题不想再提了。
1 学习 ！= 阅读、刷课
学习是有目的性的把对方的概念空间转化成自己的，一个概念包含大量的细节，需要反复折叠才能摸到概念的边界
唯一重要的是思想，思想是看事物的视角，基于此视角形成概念空间。概念是信息的压缩
所以如果要检验是否看到真东西，就把概念还原成场景，忘掉概念
2 学习需要状态
如上提到的，如果今天很困，或者不是很想看书，效率会很低
第一点要确保精力充足，睡好、吃好、玩好，心无杂念，效率是最高的
第二点要确保随时进入状态，B=MAT M很简单，热爱，能从中获得乐趣，或者说不得不学；T得设计，可以把两个动作串起来(行为链)，比如在GTD里面放数学题，或者埋几个外部触发的点(这两个都是很自然的触发器)；A的话需要降低行为过程中的阻力，需要：整块不被打扰的时间、笔记(留更多带宽给大脑思考)、实践平台
3 启发式学习
在工程实践过程中，更多的是没有方向。
效率最高的是问从业者，他们已经形成一套稳定的解决方案；第二是看源码；第三是阅读相关领域书籍、论文，穷举所有可能性，方案也就出来了(这个最怕的是视角不对，视角不对，很多概念出不来)
看源码或文献，从历史开始研究，效率最高
focus: 历史、已经出现的概念空间、各种影响因素
4 如何构建复杂逻辑
这个需要一个思维模型：一个框，所有遇到的概念或逻辑链丢到这个框里，等需要的时候再拿出来用。或者说时不时拿一两个出来做推演或观察(可能出现gap的情况)
要保证短逻辑链的稳固，需要在一个场景中能很纯熟的使用现有概念+工具解决问题 (类似于飞行员检查清单)、(这里建议看下《穷查理宝典》，有很多有用的工具)
ref git 飞行规则
在稳固的前提下扩展，尽量不影响原有逻辑。只要模型跟现实世界相符，偏底层，很少出现推倒重建的情况
5 实战流程
问题列表 问题–>框定范围–>资料搜集–>断语拼凑–>短逻辑链整理<–>练习、维持手感–>敲掉问题 资料搜集，参考“主题阅读” 断语拼凑，参考“文档池及搜索入口搭建” 短逻辑链整理，参考“demo，及开源代码阅读方法，简言之，先跑起来” 练习，参考“环境搭建”
现在特别喜欢工作里遇到不懂的问题，这意味着我当前的知识和问题之间，存在不少的gap点，我是这样“递归”来解决遇到的问题的：
把遇到的问题一个个写下来，形成一个“问题列表”（list of problem），对问题的描述越具体越好； 遍历第一步形成的“问题列表”，逐个解决。过程中记录、整理下来当前知识到解决这个问题之间，需要新增的知识点； 第2步解决问题时如果同样遇到了问题，同样按照第一步的流程，把解决这个问题时遇到的子问题添加到“问题列表”里； 重复以上三步，直到清空“问题列表”中的所有问题。 （附图中是这个流程的伪代码，但是不够准确，修改后的伪代码见评论）
四步下来之后，基本就完成了当前知识到问题之间，所有问题点的清理，以及新增知识点的整理。
知识点整理，需要落到具体的（文件）存储中，而不能仅仅局限于自己脑子里的“内存记忆”，而落到存储中需要有以下的要求：
条理化、结构化； 如果有可能，尽量增加图形化描述； 时常回顾，确保每次回顾都能看懂以前的表述，如果没有就修改或者润色。 整个流程的重点是：
把大的问题，划分成一个个的子问题，划分的标准是：是否能够解决这个子问题，如果不能就接着划分，让大的不能直接解决的问题“越具体越好”。 解决问题的过程中，把缺失的知识点整理补上，这样以后遇到类似的问题就能直接解决了。将原有的知识和新增的知识连接起来。 5 学习策略 学习应该抓重点，抓住几个核心概念，其余的知识点用实践场景慢慢刷新、巩固。这要求主动引入场景 6 分形与自举
7 误区

正好晚上有空，把总结写了。
计划及完成情况 有6个目标，只完成了一个。因为存在不知不知的部分，首先要找方向，其次得搭建框架，再其次得填充细节。
我的目标很简单：自由<-经济保障<-商业(资源+机遇)、产品(知识+生产资料)，看看今年的进度。
第一个目标是基础技能构建，针对这个目标问两个问题：什么技术值得投资，怎么才能判定技术能力到达某一层次？
第一个问题，技术和场景有关，有些东西可能永远都用不到，所以先检查自己所在的场景覆盖哪些技术栈，将其作为主要攻克方向。其他的找自己感兴趣的学。有个标准，好的技术能提供很强的控制力。
第二个问题，分两段，第一段是学习，第二段是应用，这两段的流程跑通了，再辅以大量实践到纯熟，就能很轻松判断自己的技术能力。 针对学习的流程：原始资料(简悦+ebooks 20250227add百度云在线阅读pdf)->结构化(坚果云+markdown 20250227add博客园)->索引(本地知识库索引 rga、自定义搜索网络)+间隔重复 针对应用的流程：实践平台(msys2)->猜想及验证
基于对这两个问题的回答，来构建基础技能，一年前我对这个目标的理解很肤浅，有了对两个问题的解答后，就有了完成标准。 基础技能的构建分为四块:机械、电气、电子、计算机，其中有些没补充完整，但已经有框架了，暂且认为完成。
什么是设计： 首先规定设计参数，然后针对具体情况添加约束，选出一组满足需求的参数，这个过程叫设计。我的重心放在设计参数库搭建上，具体如下：
机械： 材料选取 绘图原则 常用机械结构
电气： plc程序设计 电气网络分析(接地故障、短路、人体安全) 选型库 电气绘图标准
电子：
计算机： 图灵机+编程语言(表达力边界) linux系统 高性能程序构建
上述就是针对“基础技能构建”计划生成的框架类的东西，往里面填了一些内容。但是细节填充得靠项目，得引入资源，所以拿到框架就好，细节填充可以放到“项目”计划。
实际经历及收获 4月底到非标行业，岗位变化：plc设计->售后->现场调试->上位机开发。
售后去了大量现场，要让设备在现场良好运行，需要关注的地方挺多的。 现场调试涉及到机械类、电气类、上位机产品，印象最深的是为了提升产品性能，需要一点一点，从每一个环节去压榨时间，所以从性能角度考虑去做产品一定不会错。 上位机我是从0开始，用qt做了一些小工具，在学习系统和设计参数库的双系统加持下，切入一个领域还是很轻松的。 plc设计则需要跟现场不断变化的需求作斗争，技术是跟着需求走的，所以这个时候不需要多强的技术，需要对需求的深入理解。
在这个过程中确定了职业方向，还有可能的定居点。
总结一下，今年最大的收获是学习能力有了质的变化，还有技术基础的构建，工作生涯中一些场景的覆盖。遗憾的是拿到的资源太少了，做事情没有魄力，有很多计划未完成，还有一些短板不知道怎么改。
明年展望 明年买个车，尝试下不一样的生活。 电气和计算机优先，切入做项目；社交、投资补充场景。越快越好吧，每一年下来都感觉啥都没干，焦虑。

不知从何说起，首先说两个观察：
1 很多时候人是在不断重复自己，重复固定的行为模式 2 很多人在自己不熟悉的领域表现的很“慢”
基于此，我提出学习工程化的方法，以解决兴趣太广泛的问题。
流程：原始材料–>加工–>提取(适配场景)
在遇到具体场景的时候，我发现很多知识点提取不出来，三个原因：
1 不能即时接触(行为设计角度来讲，阻碍越大，行为就越小几率出现)
2 加工后的材料应该结构化，形成一组组完整的概念空间
3 已经经历的场景生成的概念空间应该保存，以便后期复用
做一套机制，解决上述三个问题，就能不间断学习，且学习速度越来越快。
问题1，我的解决方式是:
md文档归纳知识点，坚果云同步至不同设备，docsify建站分享
问题2，我的解决方式是通过反复折叠，跑通流程，并将关键点记录在上述md文档中，文档归类完毕，应用频率高的知识点往文档顶部走，时间一长，使用频率高的知识点就都顶到头部了。
问题3，我觉得很有必要形成自己的名称空间，你得想办法去实现这些名字代表的具体内容，并将其固化。bash脚本实现书签管理
通过bash脚本接管所有操作。或者一直建立并维护资源类通道
我的常用名称空间大概这样
通过上述三个动作，就能把除了材料加工，场景外的所有内容都交出去。
在没有场景的时候可以通过材料加工构建逻辑链，有场景的时候直接提取，完善修正。
这是操作流程化，涉及到数学知识，计算类的，也要固化成概念，碰到具体场景直接使用做好的概念就成。
end
留存 文档分类
1 保留最原始出处
2 分层组织，运用para规则，+article 学习工程化提到的第三点：构建自己的命名空间
3 检索历史也要保存到log文件，追加至留存文档
问题1： 建一个大文件夹，保存内容如下
简悦自动保存离线网页，丢进去
聊天记录定期导出，丢进去
使用频率较高的pdf，丢进去
md(我试了，可以展示图片，也可以用latex显示数学公式)或org格式写的笔记，丢进去
工程文件，丢进去
这样，基本所有的文档都汇到一个池子了
问题2：
这里主要是笔记和工程类文件
笔记以doc-area分类，比如doc-dianqi，doc-jixie，doc-front，doc-soft，doc-host，etc
工程类文件建pro文件夹，按项目分
检索 经过上面的操作，可以确保文件库大部分文件是文本格式，然后找一个文本检索工具，作为检索入口
recoll，它可以扫描这些文本文件，生成索引表，很快能检索出需要的文本信息
fix:2024/12/05
引入rga，scoop install rga，可以点对点搜索，命令行也更符合使用习惯
fix:2026/01/14
引入filelocator，search pdf , search-yacy, search my pkm
对学习和知识的看法 学习就是建模，跟之前提的构建逻辑链相似。穷举所有状态，让这些状态全部包含在构建的模型当中，就获得了对这个状态空间的控制力
最难的地方在确定最终状态、找出影响要素
假设观测到某种现象，这种现象受到三个要素影响，即使想到了这三个要素，也很难去验证
从0知识出发，建立复杂系统，注定有很长的路要走。
构建的这个叫pkm系统，它解决的是过往经验复用的问题，做时间的朋友。