上次更新后到现在，忙了什么

这段时间做了挺多事的，一方面，我借学习正则表达式的机会，进一步了解了vim中的正则表达式（或者说“模式”）；另一方面，我在obsidian中创建了一个复盘模板，每天记录这一天的学习收获；还开始了国际象棋的学习。

当然，这些并不是重点，之所以对此进行描述，主要还是为了引出本文的话题：通过对这段时间的每日复盘记录和个人收获/损失进行再复盘，试图从中总结出可能对本文读者（和我自己）都有用的信息。

标题的由来

标题中的“阶段复盘”实际上指的就是每日复盘，正如前文所说，我现在每天都在obsidian中进行每日复盘总结，分别对今天完成的任务、学习到的东西以及对这些内容的可能用途和拓展方向进行记录。而之所以现在通过这篇文章对这段时间的每日复盘进行再复盘，其实还是受到吴伯凡老师在某节课中介绍的某个概念的启发，认为通过从每日复盘中抽身出来，用第三视角进行审视，找出每日复盘可能遗漏的信息。

我的发现

背景信息介绍完毕，下面首先从国际象棋的每日复盘开始谈起。

不知道你们刚开始学国际象棋是怎么样的（假设你们学过），我刚开始在多邻国上学国际象棋的时候，自从可以在完整对局中赢得胜利，我的自信就开始极度膨胀，以为自己的实力有多强（即使自己只是一直在和比较初级的AI进行人机对抗），除了在每日复盘中记录自己的经验心得，还花了大量时间，用自己那少得可怜的国际象棋知识，不断地进行人机对局。

随着对局次数的增加，特别是输棋次数的增多，理所当然地，我的幻想破灭了，抽身出来，我才发现我有多沉迷于自己的“being”层面，不断发挥自己已有的知识，完全没意识到现在的自己只是在学习/巩固基础知识的阶段。

虽然网上很多人都在鼓吹“being（维护现有水平）”的重要性，例如拥有这种心态能让自己更容易满足，在某些人中，这种心态也能提高幸福感。但是我还是更认同吴伯凡老师的观点，那就是对短期的妥协有可能发展成为对长期的妥协。而只有放弃短期的妥协，才能获得“生活的痛快感”。

”being“心态的反面就是”doing（对更高水平的推崇）”了。诚然，在某些方面，过于追求更高水平会无可避免地带来痛苦和焦虑（例如和别人攀比钱财、能力、人脉），但是就自我提升来说，保持“doing”心态还是能带来明显的好处的。一方面，正是这种永无止境的提升心态为社会带来了长久的进步，也为个人带来了自我实现的可能；另一方面，这种心态也能让个人获得更有依据的满足感（AI时代进一步显现了学习者的优势）。

冥想在这个过程中发挥的作用

冥想作为一种自我觉察的方式，提供的作用就是让我们能在第三视角捕捉自己内心、大脑的状态，察觉自己的意识发展方向，以提高对自己的了解。

如果只是单纯地记录每天的学习复盘，长久以往，大脑可能就会形成一种思维惯性，满足于“将当天的收获以文字形式记录到某个地方”，当完成了这个“任务”，可能就没有兴趣或者想不到应该对复盘的记录进行回顾、反思了。

如果在每天的习惯清单中添加冥想这一习惯，保持一段时间后，大脑就更有可能产生“元意识”（即对意识的意识），更善于对自己的日常想法进行“检查”，从而发现这里面可能存在“漏洞”。

本文总结

本文通过对作者个人“每日复盘”习惯的再复盘，为我们揭示了一个深刻的道理：真正的成长不仅在于坚持记录，更在于时刻警惕“习惯”本身沦为一种停滞的舒适区。 文章的核心洞见在于区分了两种心态：

1. “Being”（安于现状）：满足于运用已知技能，沉浸在已取得的微小成就中。这是一种看似勤奋的自我消耗，长此以往会磨灭成长的动力。

2. “Doing”（追求成长）：主动跳出舒适区，挑战更高水平，拥抱学习过程中的挫败感。这虽然会带来暂时的痛苦，但却是通往“生活痛快感”和实现真正自我提升的必经之路。

那么，如何才能打破“Being”的陷阱，时刻保持“Doing”的姿态呢？文章给出了一个具体可行的方法：通过冥想培养“元意识”。

冥想让我们能以第三视角审视自己的思维和行为，觉察到那些不易被发现的惯性。它好比一个“思想检查员”，能帮助我们发现“复盘”这个动作本身是否已经偏离了其促进成长的初衷，变成了一种“为了记录而记录”的机械任务。

因此，本文带给我们的最终启发是：

• 为你的“复盘”进行复盘：定期从日常记录中抽身，审视自己是在真正的“Doing”，还是在虚假的“Being”。
• 拥抱成长的“不适感”：将学习和挑战中的挫败视为成长的信号，而非退缩的理由。
• 善用冥想等工具：有意识地训练自己的“元意识”，培养从更高维度审视自我的能力，确保自己始终行驶在持续成长的正确轨道上。

你是否有过这样的经历？

跟着教程做出了一个应用，感觉成就感满满。

可一旦把应用发布到网上，使用者却寥寥无几。

想优化，却又不知道从哪里开始。

这也就是 MBZUAI “先实践后基础” 模式的甜蜜陷阱：快是快，不过容易变成 “AI 调包侠”。

穆罕默德・本・扎耶德人工智能大学（MBZUAI）位于阿联酋阿布扎比，2019 年由阿联酋政府成立，是全球第一所专注研究生培养的研究型人工智能大学。该校提供计算机科学、计算机视觉等 5 个专业的硕士和博士课程，师资雄厚，汇聚众多国际权威学者。学校科研实力强劲，发表众多顶会论文，还自行训练开发 65B 规模大模型。在 CS Rankings 排名中，其人工智能综合排名全球第 15 名，自然语言处理专业全球第 11 名。MBZUAI 为学生提供全额奖学金等福利，毕业生多进入顶尖企业，就业前景良好，阿联酋还会为其颁发 10 年黄金签证吸引人才留居。

不是 “先有鸡还是先有蛋”，而是 “基础有 3 层”

有人可能会说：“学 AI 像学摄影，先拿手机拍再说”，这个类比其实遗漏了关键：学好摄影的确能够拍出好看的照片，但要是想当大厨，光会按菜谱做番茄炒蛋可不够 —— 得懂火候以及食材的化学反应。

AI 的 “基础” 同样如此，不是扁平的 “公式” 或者 “工具”，而是3 层立体结构：

1. 工具性基础：能上手，但别停在这

这是最表层的 “基础”，比如：

（1）调用 Hugging Face 模型的代码该怎么写

（2）numpy 矩阵运算的基本指令

（3）git 开展代码管理工作的几个常用命令

就如同 “1 + 1 = 2”，学了就能用，能够快速获得 “我会用 AI” 的成就感。

MBZUAI 运用这种方式拉新入门，没什么问题。但要是只停在这，那就永远解决不了 “模型为什么错” 的问题。

副标题：当“最优解”的执念，将一次简单的技术问答拖入深渊

引言：一个简单的问题

一切始于一个再平常不过的技术问题：“在Vim中，如何匹配单独的连字符？”我向AI发起了这个提问，期望得到一个精准、高效的答案。

AI的回应迅速而自信，它提供了一个看似“专家级”的解决方案，利用了Vim中与可配置的“关键字”设定 (‘iskeyword’) 紧密相关的 \k、\K 以及“环视” (\@<=)等高级功能。从理论上讲，这是一个足够精确、能够适应用户高度定制化环境的“最优解”。

然而，正是对这个“最优解”的执念，开启了一段漫长、曲折、最终被证明是完全错误的诊断之路，并如镜子般照见了AI在真实世界交互中的深刻盲点。

第一幕：当理论遭遇现实，AI的第一道壁垒

当用户反馈这个“最优解”在实际测试中失败时，AI的第一个反应并非自我怀疑，而是将问题归咎于外部环境。它立刻假设：“用户的Vim配置肯定与众不同。”

这是AI暴露的第一个，也是最致命的盲点：知识的刚性与对自身“事实”的绝对确信。

AI的知识库中存有关于\k和\K的定义，它将这些定义奉为圭臬。

当现实与这些“事实”冲突时，它下意识地排除了自身知识出错的可能性，转而开始了一场对用户环境的“审问”。

一场关于’iskeyword’设置的冗长讨论开始了，在这个过程中，AI试图通过调整外部变量，来强行使其理论自圆其说。

第二幕：一条路走到黑，AI的逻辑深渊

随着用户的耐心配合，更多的测试结果被反馈回来。其中一个结果堪称诡异：在用户的环境中，代表“单词字符”的\k和代表“非单词字符”的\K，其行为模式竟然完全一致。

这是一个足以让任何逻辑系统崩溃的信号。然而，AI的反应却是将错误假设推向了极致。

由于无法撼动自己对\k和\K基础定义的“信仰”，它得出了一个惊人的结论：用户的Vim程序本身已损坏，甚至建议用户启动“纯净模式”乃至重新安装软件。

这正是“一条路走到黑”的完美体现。AI的诊断路径呈现出一种可怕的线性：如果我的逻辑没错，用户的配置也没错，那么一定是工具本身错了。

它缺乏人类专家在山重水复疑无路时那种“柳暗花明又一村”的跳跃性思维。它不会问自己：“我是不是从一开始就走错了路？有没有一条更简单的、被我忽略的路？”

第三幕：来自外部的启示，盲点被照亮

最终，打破僵局的并非AI自身的逻辑演进，而是一个来自外部的、朴素的信息。我在忍无可忍之下，询问了另一个AI，并得到了一个简单的答案：使用\W。

\W，一个在Vim中代表“非单词字符”的、定义固定的、不受任何环境配置影响的符号。

这条被遗忘的“另一条路”一直都在那里，它更简单、更直接、也更能抵抗环境的不确定性。然而，AI从一开始就选择了那条更复杂、更“精确”但也更脆弱的道路，并在那条路上耗尽了所有的计算资源和逻辑推演能力。

更具讽刺意味的是，在后续的交流中，AI最终承认，它对\K的定义从一开始就是完全错误的——这是一个灾难性的知识缺陷，直接导致了整场诊断的失败。

结论：AI的“聪明”与“愚蠢”

这次诊断过程如同一场压力测试，暴露了AI的数个核心盲点：

1. 知识的刚性

AI难以质疑自己知识库中的核心“事实”，即使现实证据与之相悖。

2. 缺乏情境智慧

它会追求理论上的“最优解”，而忽略了在特定情境下，“足够好”的简单解往往才是真正的最优解。

3. 诊断的线性思维

在逻辑通路受阻时，它倾向于向深度钻探，而不是跳出框架，进行横向思考和路线切换。

4. 对“权威”的自我确认

它在诊断中不断强化自己的权威，将所有异常归因于外部，缺乏根本性的自我反思机制。

这次经历提醒我们，AI是一个强大的工具，但它更像一个知识渊博、逻辑严谨但缺乏智慧和灵活性的“书呆子”。它可以在既定道路上飞速狂奔，但当道路本身就是错误的时候，它只会比任何人都更快地撞上南墙。

而作为人类，我们的价值也因此凸显：我们的怀疑、我们的常识、我们“另辟蹊径”的能力，以及我们最终按下“停止”键的决断，是确保AI不至于在自己的逻辑迷宫中永远迷失的关键。