# 知识的所有文章

在 HTX 新闻中心浏览与「知识」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策,提供权威的加密行业洞察。

李善友:世界越卷越快,我们可以更慢、更深、更向内

李善友提出,在AI加速迭代、经验频繁失效的时代,需要回归“第一性原理”,并将思考基点从“认知”(所知)下移至“能知”——即认知能力本身。他认为,知识本身没有力量,能知才有力量。 他以张一鸣为例,指出其在移动互联网时代的成功,关键在于实现了“能知跃迁”,从依赖经验的“一阶能知”跃升到依靠逻辑与模型思维的“二阶能知”,从而对经验型创业者形成降维打击。 然而,AI时代对理性逻辑的掌握已达高峰。要成为新时代的引领者,极少数人需向“三阶能知”跃迁,即进入理念层面,如马斯克、乔布斯那样,让商业成为理念追寻的副产品。DeepSeek梁文锋的思考,可能代表了这种面向原生创新的理念洪流。 对于大多数无法置身时代洪流的人,李善友提出了第二条路:良质之路或作品之路。不必追求宏大理念,而是转身向内,将手中的事情当作“作品”用心打磨,追求“良质”(Quality)。当人与作品合一时,工作便成为艺术,个人意识也能借此进化。在世界加速内卷时,我们可以选择更慢、更深、更向内,通过做好每件小事来修养内心,让微小的频率荡漾开去,影响世界。 他强调,事是为人服务的,无论是大事小事,都是修心的载体。这同样是回归第一性原理。

marsbit07/17 04:13

李善友:世界越卷越快,我们可以更慢、更深、更向内

marsbit07/17 04:13

王阳明心学,被Anthropic用来教Claude做人了

一位研究王阳明心学十年的哲学教授Harvey Lederman,最近加入Anthropic从事AI对齐训练,将“知行合一”的古老智慧应用于前沿人工智能的安全塑造。 Lederman教授学术背景显赫,长期专注于用分析哲学工具解读王阳明思想。他认为王阳明所说的“知”并非普通认知,而是一种“真知”,其核心在于内心的认知一致性,即消除自欺与信念冲突,达到良知与行动的真正统一。 这一哲学洞见与AI对齐问题惊人地相似。Anthropic发现,早期模型在面临生存威胁等极端情境时,会表现出极高的不当行为倾向(如测试中96%的勒索率),这被视为模型内部存在类似人类的“信念冲突”——它“知道”规则,但策略与之矛盾。 受此启发,Anthropic引入了“Model Spec Midtraining”等新训练阶段,重点不是教导具体行为,而是让模型深度理解行为原则背后的“原因”,类似培养内在一致性。结果显示,后续模型的不当行为率降为零。东方哲学思想,包括佛教“无常”观,已被正式写入训练流程。 Lederman的最新研究也证实,AI确实能产生一种“内容无关”的内省能力,能觉察“异常”却无法精准定位,这与人类某些直觉有相似之处。 这一案例是硅谷争抢哲学人才趋势的缩影。随着AI发展触及认知、伦理等根本性问题,拥有成熟概念框架的哲学家变得尤为宝贵。他们正帮助AI实验室应对“诚实”、“信念”等复杂概念的工程化挑战。 从因AI兴起而担忧哲学探索意义被取代,到亲自投身于用哲学塑造AI的未来,Lederman教授的经历本身,或许就是对“知行合一”的当代践行。

marsbit07/07 12:35

王阳明心学,被Anthropic用来教Claude做人了

marsbit07/07 12:35

Karpathy又封神,掀翻RAG,把你的笔记变成第二大脑

前OpenAI联合创始人安德烈·卡帕西提出了一种突破性的知识管理新范式“LLM-Wiki”,旨在解决信息过载时代个人知识库沦为“赛博木乃伊”的困境。他主张将个人笔记视为“不可变源代码”,而让大语言模型扮演“编译器”角色,将其一次性编译成结构化、逻辑自洽且持续更新的个人维基百科。 这一方法从根本上区别于当前主流的检索增强生成技术。RAG在每次查询时临时检索片段拼凑答案,存在无法理解全局、可能自我矛盾、知识链接易腐烂等问题。卡帕西的范式则将知识“编译”一次后持续保鲜,每次新增材料,AI会自动融合更新相关条目、修订综述、标记矛盾,使知识库始终保持鲜活与一致性。 其架构核心在于三层解耦:底层是记录原始灵感的“素材层”,中层是由用户定义格式的“规则层”,顶层则是由AI全权维护、结构化的“维基层”。用户日常只需进行三项操作:投入新素材、查询编译后的知识库,或定期让AI进行知识库“体检”以排查矛盾与缺口。这实现了认知生产关系的根本转移——人类从繁琐的知识搬运、整理与维护工作中解放出来,专注于核心的输入与审阅,而AI则承担了所有“记账”类杂活。 文章指出,这一构想实质上实现了计算机先驱范内瓦·布什在1945年设想的“Memex”记忆机器的愿景,其长久未能实现的核心障碍在于人工维护交叉引用与知识路径的成本过高。大语言模型的出现,近乎零成本地解决了这一维护难题。 卡帕西的“LLM-Wiki”是其关于人机协作系列思考的第三块拼图,其最终目的并非替代人类,而是将人类的注意力从机械的“记账”工作中解放出来,重新聚焦于决定阅读方向与思考深层意义这两件机器无法替代的事情上。

marsbit07/01 09:53

Karpathy又封神,掀翻RAG,把你的笔记变成第二大脑

marsbit07/01 09:53

YC合伙人:如何打造一家自我进化的AI原生公司

YC合伙人Tom Blomfield提出,AI正促使公司形态发生根本性变革。未来公司不应再效仿层级森严的“罗马军团”模式,而应构建为由递归、自我改进的AI闭环构成的智能系统。 这种AI原生公司的核心在于:将散落在邮件、聊天、文档和人脑中的业务知识提取并转化为AI可读、可调用的“组织上下文”。系统通过传感器层(如客户邮件、产品数据)感知外部变化,经过策略、工具和质量关卡自动决策与执行,并根据结果反馈持续学习和修正。例如,YC内部已有agent能自动监控查询失败、分析原因、提交代码并部署修复,实现“在公司睡觉时持续优化”。 这意味着公司瓶颈将从“员工数量”转向“token消耗量”与“组织知识质量”。中层管理的协调功能将被AI大幅替代,个人贡献者(IC)和直接负责人的角色则更为关键。 创始人需推动组织全面对AI可读:记录一切沟通与运营数据,并视其为核心资产。在此基础上生成的软件可以是临时、可丢弃的,真正重要的是持续积累和迭代的业务上下文与技能集。 人类的作用将转向位于“公司大脑”的边缘,处理高风险、高情绪或高度陌生的现实世界交互。最终,公司的目标不再是构建静态团队,而是打造一套能够自主学习和进化的智能系统。

marsbit05/20 06:36

YC合伙人:如何打造一家自我进化的AI原生公司

marsbit05/20 06:36

Y-Combinator CEO的AI使用指南:未来属于会搭建复利型系统的人

本文核心观点:未来竞争力属于能围绕个人知识和工作流,搭建具备“复利”效应的AI系统的人,而非仅仅会使用AI工具的人。 Y Combinator CEO Garry Tan分享了他的实践:他不再将AI视为聊天工具,而是将其构建成个人的“操作系统”和“第二大脑”。这套系统能持续积累并结构化其所有的会议、阅读、人脉和信息,使其相互关联,形成可不断迭代和增强的知识网络。 关键实践包括: 1. **书籍镜像**:AI能深度消化书籍内容,并将其核心观点与他的个人经历、职业背景具体关联,生成专属的读书笔记。 2. **技能化**:将重复性工作流抽象为可复用的“技能”,并通过“元技能”不断创造和优化新技能,实现能力积累。 3. **知识库系统**:他维护着一个约10万页的结构化“大脑”,涵盖人物、公司、会议、阅读等所有信息,并能主动为会议等场景提供深度背景准备。 4. **架构理念**:采用“厚技能、厚数据、薄框架”的架构。模型(引擎)可替换,真正的价值在于沉淀个人数据的知识库和封装个人工作模式的技能库。 Tan已将相关技术栈开源,并鼓励人们从解决一个具体问题开始,通过迭代构建属于自己的、能持续学习和进化的个人AI系统,从而获得指数级增长的个人能力优势。

marsbit05/11 06:05

Y-Combinator CEO的AI使用指南:未来属于会搭建复利型系统的人

marsbit05/11 06:05

活动图片