一切都是兴趣使然 GitHub：https://xitter.cf/t.co/cc1NqRldFD
Joined April 2022
- Tweets129
- Following108
- Followers21
- Likes250
深刻的思考了一下这个问题
我觉得信息差/信息检索能力真是能非常的影响一个人 就拿我们学校来说 大部分出计算机外的少部分学生是没有实习的意识的
即使是计算机的大部分也是不知道实习这件事 我高中的时候就了解到计算机这个必须实习了
所以在大一的时候就规划算法项目实习 在同龄人眼里他们可能觉得有必要吗？我有一个高中的同学一起在同一个学校 我刚入学就说了我的想法
让他尽量少上课 能旷课就旷 写项目实习为主 我们这学校保研名额都没有 老实的上课意义何在
但是即使是这样 他也不会认为你说的是对的 即使我是他学校最熟的一个人 他也不会信你的话
现在我们大三了 他开始着急了 其实我觉得现在也不算太晚 努努力还是可以找到实习的 但是他明明可以做得更好 我真是替他感到可惜
最近很多班上/以前高中同学开始问我就业实习考研的事情
并且在那开始跪舔式的夸赞其实我也挺反感的 我认为这是一种无意义的吹捧
后来我不会给任何人建议了 我现在就觉得人各有命 我一路走过来也并没有什么人帮助我给我建议
为什么别人总是知道我不知道的信息？
最近看到一个帖子，真的很有感悟。
帖子大概是说，为什么总感觉自己好无知，别人总是知道那么多自己不知道的信息？原帖举的例子主要局限在大学场景，比如怎么保研、找实习、参加项目，或者刚入学就能做新生代表发言等等。
很多人把这种信息差归结为主观能动性不足、好奇心不够，没有主动探索。我不否认这一部分因素，但我觉得，这种解释其实忽略了一个更深层的问题。
很多人根本不知道自己还有哪些东西可以探索。甚至我自己一开始也有点傲慢，觉得保研、考研这些东西，网上不都能搜到吗？
直到看到有人说，如果一个人根本不知道番茄是什么，他怎么可能知道去搜索番茄？
我才意识到自己忽略了这一层。
如果把这个话题放到更大的范围，就会发现，这其实和圈层、阶级差异高度相关。
就拿国内的教育来说，很多普通家庭真的会觉得孩子考上本科就已经很不错了。
根据教育部2025年的数据，全国普通、职业本专科毕业生中，专科毕业生甚至略多于本科毕业生。
互联网大部分人日常关心的是保研、考研、秋招。对于普通人来说，他们一直困在固定的上升渠道里面。就像我之前在小红书上刷到，有人觉得月薪5000以上的工作就很不错，我当时也很震惊。
我没有任何傲慢的意思，只是会感叹，生活在不同圈子里的人，对世界的认识怎么会有这么大的差异？
再往上看。
拿顶尖金融和咨询行业举例，摩根士丹利、麦肯锡那些顶尖公司的员工，我承认他们很努力，也很优秀。
但大部分人从小就拥有很好的家庭环境，父母可能早早帮他们规划好了升学和职业路径。
初高中就知道纽约大学这些名校，知道以后要申请国外大学、读金融专业，甚至很早就了解投行、VC，知道自己需要接触哪些圈子、积累哪些经历。
可是很多普通家庭的孩子呢？
初中忙着备战中考，高中忙着准备高考，好不容易考上大学，又开始卷绩点、考研、考公。
他们不努力吗？只是在过去的生活轨迹里，可能根本没人告诉过他们，原来人生还有这么多不同的选择。甚至有些家庭，从孩子小学、初中开始，就已经在教他们理财，让他们接触投资、经济学和金融。
而另一些孩子，从小被灌输的可能只有好好读书，考个好大学，找份稳定工作。
两个人即便一样聪明、一样努力，最初能够看见的世界，也可能完全不同。
社会学家布迪厄提出过文化资本、社会资本等概念。一个家庭能传给孩子的，远远不只是钱，还有对社会规则的理解、认识什么样的人，以及从小形成的思维方式。
这些资本又能不断转化成新的机会。
有些人进入大学一两年，才开始摸索保研、实习和职业规划；而有些人入学之前，就已经知道大学四年应该怎么安排。
甚至在别人还不知道某些机会存在的时候，他们就已经开始积累优势了。
这种差异不仅体现在教育上。
就像现在很多人做自媒体、做 X，或者通过 AI、Web3 相关的工作和副业赚钱，有些人一个月能多赚几万块到几十万，但有的人可能连这些赚钱方式的存在都不知道。
家庭条件好，或者本身就在相关行业圈子里的人，身边可能有从事科技、金融、互联网工作的人。
有些人的父母本身就是教授、研究人员，日常接触的就是这些工具和信息，自然可能更早了解 AI，更早意识到新技术带来的机会。而另一些人，可能直到这些东西已经普及很久，才第一次知道原来还可以这样工作、这样赚钱。
当然，我不是说家庭背景决定一切，也不是否认个人努力。
我们太习惯于把一个人的成功归结为努力、聪明、主动，却很少追问，他为什么会知道这条路，为什么有条件去尝试这条路。
很多信息差真不单单取决于主观能动性。
一个人所处的圈层，决定了他更容易接触到什么信息；而他接触到的信息，又会进一步影响他的认知和选择。久而久之，这些差异就可能不断积累。
互联网让信息更容易获取，却不意味着每个人都知道自己应该搜索什么。更何况，即便知道了某条路的存在，也不是每个人都有同样的资源和试错成本。
所以我越来越觉得，这在很大程度上是结构性问题，而不只是个人品质的问题。
不能因为一个人最终通过努力突破了信息差，就反过来认为那些没有突破的人，只是不够努力。
有些人从小就知道世界上有很多条路，有些人却要花很长时间，才能发现自己一直走的那条路，并不是唯一的路。
biny retweeted
咱们一起做 Yansu，我学到了很多。你最近做的 Magpie 又给了我不少启发。(sorry long tweet incoming)
新版 Yansu 也快来了。这次会开源，手机上也能用，能发短信，也能帮你往外打电话。
Yansu 从一开始想做的，就是让软件主动替你做事，而不是一直等你发指令。新版要把这件事做得更彻底：围绕你想完成的事，主动用工具把事情往前推，需要你拿主意的时候再来找你。不是我们每天想着还能让它干点什么，而是它已经在做了，带着进展和问题来找我们。让它来发起、来执行，我们来回应、判断、决定方向，做它的 human co-pilot。
Yansu中心，还是你每天在用的电脑。不用买新设备，也不用为了用它，再去远程机器上搭一套环境(像muse那样）。数据和任务执行尽量留在本地，它就在你平时做事的地方，理解你在忙什么。但主动做事不代表替你做主：用什么模型、接什么工具、让它访问什么、哪些事可以直接做、哪些必须先问你，都由你决定。
你电脑上已经有的工具，也应该尽量用起来。你已经配好了 Claude Code、Codex，或者有其他用顺手的工具和 agent，Yansu 就应该接着用。把这些工具接好的工作，应该我们来做，而不是让你换一套、重新配置一遍。你花时间选的工具、搭好的环境，我们应该认真对待。不能因为我们做了一个新 app，就觉得值得让你从头折腾一遍。我觉得这也是对用户时间的尊重。
你最近做的 Magpie，也让我重新想了想我们自己怎么做软件。我越来越觉得，app of apps 是一条值得试的路。以前把别人的应用接进来、在上面继续做，光是理解、修改和后续维护就很费劲。有了 coding agent，这些事容易了很多。不用什么都自己做，已经有人做得很好的东西，就直接用，把精力放在自己真正想做的部分上。
所以新版 Yansu 会直接接入、使用 Magpie，让大家在 Yansu 里就能用上它，不用把你已经做好的东西再做一遍。Yansu 自己也会支持通过插件接入其他应用和 agent。开源也是出于同样的想法：我们能拿你做的东西继续做，别人也应该能拿 Yansu 接着做他们自己的东西。
跟你一起做了这么久，现在又能用上你做的新东西，感觉还挺好的。
我的发
New on our Engineering blog: Creating in-house source control.
In May, we merged around 2,500 code changes per day. In September, we merged more than 30,000 per day. As a result, we became bottlenecked by developer infrastructure built for human (rather than agent) scale.
Here, we share how we built a new version control system—and fully migrated our monorepo from git—in five months: anthropic.com/engineering/re…
biny retweeted
volume does matter
look, i get it. if you were an engineer before agents came along, you're rightfully skeptical about lines of code and number of PRs being used as a metric for any kind of productivity. and i agree! or at least, i used to. for ease of explanation i will talk about this from the perspective as being an engineer on a large team of at least 50.
volume didn't matter before because we focused on impact. you could have high impact even with a few PRs: for example you could make a one line config change and save the company millions of dollars.
but before agents, the times where i saw volume come into the conversation were for the outliers. on the negative end you might have someone who is struggling to perform, on the other end you might have someone who was a "coding machine" archetype. a coding machine was someone who could just lock themselves in a room and emerge with a stack of PRs that solve a huge number of problems. so volume did matter, but only at the tail ends of the distribution, and combined with impact.
if you've ever worked at a large tech company before, you'll get what i mean. the thing about agents is that big tech co problems are now small-medium co problems as well.
how do agents change this calculus? well, everyone now has the ability to become a coding machine. you have incredibly capable frontier models that can write code better than any of us, at a rate much faster than we can. in this world, if you're still producing the same number of PRs as before, why wouldn't you pause to wonder why you're not being more productive? alien intelligence is here, and yet you can't outship a human coding machine?
this brings me back to why i keep talking about trust (xitter.cf/poteto/status/21020504…). if you haven't put in the work to trust your agent's output, it is very difficult to scale up your productivity.
and yes, this approach does require more tokens, but i think about this in terms of cost per intelligence. before agents, this cost was very high - you needed to hire many software engineers with high 6 figure salaries to do the work. tokens are still expensive today, but are likely to get cheaper over time (xitter.cf/theo/status/2107924138…) factoring in the cost of intelligence. what looks exorbitant today will likely be affordable in 6 moths to a year. a single engineer with agents can do the work of tens if not hundreds of engineers, at a fraction of the cost.
the reality that i don't think has hit yet is that job of the software engineer has truly changed. our job is not merely to produce software any longer (well tbh it was never only about the code, but bear with me for the sake of the explanation), but the machine that writes the software. this idea of a software factory, or a Michelin kitchen as i like to call it, is still a topic of research. and it's the type of stuff i like to share, not to flex, but to show you what's possible when you put a lot of rigor into using agents at scale
我的新改动呢？ 赶紧发卡吧