2025年3月思考笔记：AI 与 Agent 系统、自我认知与心理、工程与开源

DeepSeek R1 的设计论文思考

工程思考

架构上的工程意义要好于算法意义，工程上提供了很多的参考价值。

设计思考

强大模型蒸馏可以得到非常不错的效果

要超越智能的界线还是需要强大的基础模型和更大规模的强化学习

推理大模型更倾向于在回答问题前将问题分解为更小的步骤

仅靠强化学习，不经监督微调，大模型也能涌现强大的推理技能。

给模型一些参考的的思考笔记也很重要，监督微调一部分可以解决输出的思考过程可读性差、偶尔中英混杂问题。

最小干预模板指导模型自由探索不同的解决问题的思路，不限定思考方法，可能会给人带来很多的惊喜。

简单直接的奖励方式: 准确度奖励（数学问题的回答） + 格式奖励 （易于理解的思维链）思考过程”放在特定的标签（如 …）内，答案放在 … 内，不需要额外训练一个独立的奖励模型，感觉就像固定的高考机制筛选一样 …. 简单有效。

R1 同时公开了基于R1蒸馏的六个小模型 ，小模型也具备了一定推理能力，某些场景下甚至超过未经蒸馏直接强化学习的小模型 ，给了未来的模型的场景一些思考。知识蒸馏 + 强化模型，小模型在很多的应用场景下有出乎意料的效果。

多模态 & 跨领域思考

大模型平台 + 领域微调 + 知识知识蒸馏，微调未来的趋势可能是领域监督微调＋参数高效微调（如 LoRA）

文本领域 -> 多模态是一种趋势，越来越注重的是人机交互，大批量的交互工具来解决这个问题，比如说 cursor，扩展语音、视频等多模态的也是趋势，AI 境界为全感官 AI 。

跨领域知识整合也很重要，更多复杂的现实问题往往依赖于不同专业领域的知识融会贯通。

模块化趋势或许会借鉴 Mixture-of-Experts（MOE 专家混合）等架构，让不同部分专攻不同任务，从而提升整体效率和表现。这样的方式也可以和不同领域的知识链接或者结合起来。

针对小模型产生的效果来说，蒸馏的效果要比直接强化模型产生的效果更好，并且更节约成本。蒸馏技术能够将这些能力有效转移到结构较小、计算效率更高的小模型上，从而使得小模型在实际应用中也能达到较高的性能水平。

如何理解 RFT 的策略

监督式微调的优势： deepseek R1 预训练也用到了，在复制输入文本或图像中的特征方面非常强大，特别适合用来改变模型的语气、风格或响应格式。

强化学习微调会模型在自定义领域中以全新的方式进行推理，并且学习能力超级强。

强化模型的微调是基于人类的偏好和规则定义模型，让其输出符合偏好和价值准则，首次让开发者、研究人员和机器学习工程师能够使用强化学习来创建专家模型，使其能够在特定领域的任务中出类拔萃，这个过程模型会自动的调整学习和思考的方式。

相比较而言，强化模型微调跟适合推理模型来说，简单，只需要几十个用例就能产生非常好的效果。而且不仅仅调整的是模型的 output 的逻辑，还有模型的思考推理的逻辑过程。

相比较 deepseek 的评分的简单逻辑，这里又可以思考用 AI 评分器。

Agent 形态

大家都在探索 Agent 的路上，简单的 Agent 产品形态好像也就无非是 auto-agent

Agent 和 RL 的结合，deep research 好像验证了这条路的可行性。

ref: auto-gpt: https://github.com/Significant-Gravitas/AutoGPT

agent list: https://github.com/e2b-dev/awesome-ai-agents

幻觉hallucination处理

目前阶段解决幻觉的方法：

知识蒸馏和软标签可以减低幻觉，知识蒸馏让教师模型提供概率分布形式的软标签来微调学生模型。

强化学习中奖励模型可以引导 LLM 诚实回答

RAG 也是有效手段，业界普遍的认为是最有效的手段

链式验证（CoVe） 让模型先生成初始回答，再规划若干事实核查问题，逐一回答这些问题，并根据核查结果修正原回答，可以纠正自己的错误

prompt 的自我校验，引导模型自我检查输出。例如，在生成答案后追加诸如“请检查以上回答中是否有不确定的地方，如有请引用可靠资料”的指令，促使模型二次思考并给出依据或者修改答案。

工具调用，很明显针对一些固定程序的问题（计算），以及实时性的问题（搜索）用工具很好的解决。

解码策略优化，降低温度、采用贪心或束搜索而非随机采样，以提高输出可靠性

微调解决，阶段中加入大量高质量、事实准确的案例，让模型学会在不确定时保持谨慎

我对幻觉的理解：

现在模型幻觉可以在产品层面被控制到可接受的范围，在不同的领域对幻觉的要求也不是单一的：

开放的领域： 比如说知识领域，目前的 AI 最主要的领域，一般都最好设计拒答还有检索增强的逻辑，还有一个聪明的测试方法，可以让两个或者多个模型交叉验证去得到正确的信息。

创作： 暂时没想到坏处，温度升高，感觉更有利于发散。

专业领域：比较常见的场景，微调 + 工具验证方法，之前说到过强化微调，其实专业领域中短期我更看好的场景是交互逻辑，超人概念。

ref: https://lilianweng.github.io/posts/2024-07-07-hallucination/#:~:text=balanced%20results%2C%20especially%20in%20terms,metrics%2C%20compared%20to%20two%20baselines

AI 应用场景的普适性思考

应用场景 2025 又被激活了一样，大批的项目又一次开启的大量的思考。

Deep Research 的 Agent 形态在某一定的范围内也是具有普适性的，观察大量的研究员、很多人需要做大量在线研究或需要外部上下文的任务，这需要很强的推理能力和分辨信息源的能力，同时也需要创造力。很明显，检索问题，深入追问，深度推理，这是一个非常的场景，并且是以前的 chat 模式解决的话很累，需要频繁的去搜索追问。本质来说： 解决通过大量的时间去搜索和整理信息的过程。这是一个通用的能力，具有普适性。

我们总认为自己写的代码比模型更聪明，但随着领域发展，模型往往能找到比人类更好的解决方案，尽可能不要让一些东西固定下来，而是尝试让模型自己去学习。

数据是企业生存的红线，deep research 也像我们证明了这一点。

2025 是 agent 的一年，我们在反思 agent 会如何发展， 以及 RL 在 2025 agent 中发挥到什么样的作用？

ref: https://www.youtube.com/watch?v=bNEvJYzoa8A

RFT 的思考

定义： 在SFT的基础上，通过强化学习的方法进一步优化模型，通常利用奖励信号（例如人类反馈生成的奖励）来引导模型生成更加符合用户期望和实际需求的输出。

几个最核心的点，预训练模型大量的样本输出后，关键在于筛选过程，某种筛选机制（人或者某个系统）选出高质量的样本。这个过程可以显著提高模型的性能。

所以 RFT 在生成路径中筛选可以正确推导出问题答案的推理路径，包括不同的计算过程和不同的表达方式的路径。

引入了多样化 的推理路径，其实也是提高模型在没见过问题上的泛化能力。

推理模型的未来场景

结合的是快思考和蛮思考，人类的场景，包括强化学习，以及大模型的特性：

处理模糊或者不完整的信息，简而言之就是不完整的 prompt 和意图，推理模型慢慢推理出来

海量信息找关键的信息：尤其是大量的信息中，因为泛化能力很强，这是 RL 擅长的。无监督学习打好地基，SFT 负责记住细节，而 RL 则帮助房子适应不同的环境。

从海量数据中找出联系和微妙之处

多步骤的推理策划，这个太擅长了，充当策划者。 然后普通的模型去做执行者，这个字啊应用中有很多的场景。

视觉推理，不仅仅是文本，图片也能分析模糊的图像

审查、改进、调试代码质量，对执行速度不需要很敏感的代码我觉得可以推理一下

一些预测

消费级领域可能出现赢家通吃，但是企业端更丰富的定制化往往不会出现单一产品或平台主导整个领域

商业模式的转变可能比技术趋势的改变更有预测价值

有些市场是能容忍很多赢家的，比如说云，这个市场足够大。

agent 管理器形式，不仅仅是一个聊天界面。是一个比聊天界面更智能的东西来管理所有agent及其对话

未来的三大场景，AI、量子计算、混合场景（临场感-或者元宇宙）。

影响超人智能的是法律的约束，需要建立真正的信任

agent OS 运行沙盒的权限的保证，不能超过某一个权限，这是一个要求

认知劳动不是一成不变的，就像之前说的那样，失业后也会有新的职业体系重构，上了一层的认知劳动而已，所以宏观上来说它们会重新定义认知劳动的边界，而不是让所有认知劳动完全消失，人机协同的时代越发临近。

从 Jasper 到 ChatGPT，再到 Monica 以及 Console，系统将不断融合工具调用、云端执行与自然交互

Agent OS present and

Agent OS present and future

当前实践的方案：

deep research 也会有一个结构树，是对这一类场景的操作结构化表现，模型和 API agent 化方式调用，然后在 while 循环中搜索 + 读取 + 推理。

Computer Use 的功能，它可以读取屏幕截图、移动光标、点击按钮和输入文本，从而自动完成诸如填写表格、查找信息、规划路线甚至订购外卖等任务。能想到一个很大的场景是操作浏览器的场景，claude 可以在浏览器中操作光标、点击相关的位置，输入信息使用虚拟键盘，AI 可以捕捉屏幕分析，也可以用各种的标准工具和软件程序

我自己的分析理解，其实考虑到未来的软件形态，我更倾向于的逻辑关系是：

每一个 APP 中有一个或者多个 agent，APP 只是作为一个交互的窗口

一个 agent OS 可以管理很多个 agent ，这种形态还没确定，我想到了两种，一种是和操作系统保持逻辑关系，一个操作系统下维护者一个 agent OS ，可以去调度所有的 APP。还有一种是一个统一的规范调度平台控制

APP 每一次去调度所有的 agent 去完成任务，甚至有可能通过其他的 APP 中的 agent 发送请求，当然也有可能是 agent OS 去调度不同的 app 中的 agent 去完成对应的任务和需求。

agent 更像是一个服务，单独的发布，只是相比较是一个拥有智能的服务，这部分需要规范和模板

agent 分层逻辑： 应用层 、内核层、硬件层。

ref: https://sierra.ai/platform

https://www.alan.app/#:~:text=Controllable%20AI

https://github.com/All-Hands-AI/OpenHands

Manus 的思考

朋友圈很多的关于炒 Manus 的现象，针对 manus 的一些思考。Agent 领域迎来了巨大的突破。和传统的 chat 模式的区别是什么？

chat -> message

chat -> action

AI 现在能真的帮你行动去得到结果了，而不是仅仅给出一个答案。

Manus 团队的突出点，工程能力非常强，另外是通用 agent 第一个吃螃蟹的人，确实效果非常好，相比较 openai operator 也非常的平民化。在创新上面，其实并没有哪些创新壁垒，这个形态其实能力是compute use + 虚拟机 + artifacts + 内置一批agent的综合产物，Claude compute use 赌对了。

Manus 这款说是全球第一款通用 AI Agent有点捧杀，毕竟之前还有AutoGPT，BabyAGI，这些都能算是「通用」的框架，另外 OpenAI 的 operator， deep research 也是通用的类型 agent。

类似于通用 Manus 并没有太大的护城河，可以通过工程能力推起来，最近OpenHands 项目就是一个例子，往往通用 agent 要么是 LLM 厂商模型内化，要么是开源堆起来生态的优势。

浏览器比较收敛，相比较操作电脑来说，不容易造成死循环，浏览器的大量的 GitHub 开源代码，端到端测试工具系统成熟，另外输入和输出明确，很容易设计奖励系统。

市场火热的原因分析：

确实是真正落地，并且可以解决实际问题的。

模型和业务之间的最后一公里，传统的大模型虽然在对话和内容上表现的很优秀，但是还是缺少operator ，openai operator又喜欢藏着闷着干

舆论红利，市场的稀缺性，再加上 “国运红利，之前各种 小红书、ds 等爆火”，对于现在来说，效果上市场必然会引起巨大的反响，另外包括创业者和互联网从业者对 agent 的形态的期望值过高。但是也奇怪，Manus 全英文，完全面对的是海外的用户，只能说国内的舆论效应还挺离谱。

炒作嫌疑，自媒体的动作很奇怪，大批量的自媒体抢在科技人员前面做测试评价，感觉是厂家 PR，agent 很大程度上还是依赖基础模型的能力提升。

Claude computer use 能力

Manus的核心架构与 Anthropic的“ComputerUse”高度相似，均依赖多代理虚拟机环境完成任务。

MCP 协议模式整合

为什么需要 MCP 主要是三个因素： 1. 数据孤岛问题；2. 安全性问题；3. 统一的标准

架构模式是客户端 - 服务端模式：MCP Client 对应大模型；MCP Server 暴露外部数据和接口。

功能模块包括三种，每个 MCP Server 都可以根据实际需求暴露全部或部分模块： tools、prompt 和 resources

通讯机制选择的是 JSON-RPC 2.0，Anthropic 及社区已经提供了基于 Python、TypeScript、Golang 等语言的 MCP Server 实现

AI 剪辑工具分析

主要用了两个：https://clip.opus.pro/

还有字节的https://www.capcut.com/

Agent 开发的一些思考

Agent 是今年最火爆的词了，今年可能也会是 Agent 的元年。

关于大模型如何用 tools ，现在有 computer/browser use 和 agent 协议两种主流方案

后者以 Anthropic 在去年发布的 MCP 为主，当然也有 OpenAI 的 Function Call， 但是更侧重于提供一个简单易用的接口，而不是标准化。MCP 的标准化接口可以更好地支持多样化的工具和场景。比如计算 1 + 1 = 2 ，很简单，就 function call ok，但是自动化一个数据分析流程，就不行。

前者来说在缺乏标准化接口的场景，可以通过模拟操作快速实现功能验证，比如说调用各种网页的操作，调用某一些应用程序的使用。在模拟用户操作（GUI 层），但是 MCP 是在 API 层，一个效率低，一个效率高，MCP 更多的是长期的标准化形式。

如果你面对的是一个你不能开发或修改的 agent，那么通过 MCP 协议来接入外部服务就更有优势，MCP 定义了一个开放和标准的接口。普通人都能一键安装 MCP 来实现业务能力。

另外 agent 其实一定也是有分类层级的，现在感触尤其深刻，各种奇特的 agnet 出现。

workflow agent：由 Prompt和API 调用组成的链条，具有一定自主性，但是约束太多。

专业 agent： 系统中自主决定调用哪个，比如说AutoGPT通过CoT技术分解复杂问题，动态选择最优解决路径

通用 agent，Agent的AGI：理论概念阶段

agent 的能力取决于： Agent = LLM+Memory+Planning skills+Tool use

比如说 Claude的Computer Use 其实也是 Tool use

Planning skills 规划的能力将大任务划分成小任务；反思和提炼——基于已有动作进行自我反思，从错误中学习优化接下来的动作。初次之外，有论文提出更为新颖的分类法：任务分解、多计划选择、外部模块辅助规划、反思与细化、记忆增强规划。其中，多计划选择，即给AI Agent一个“选择轮”，生成多个计划，挑一个最好的来执行；外部模块辅助规划，即借助外部规划器，类似强化学习的判官。记忆增强规划，就像 一个记忆面包，记住过去经验，为将来规划提供帮助。这些方法并不孤立，而是相互交织，共同提升AI Agent的规划能力。

Claude Artifacts

Claude Artifacts

Fireworks 和 硅基流动 /

Fireworks 和 硅基流动 / openrouter

一个是面向终端应用的“集大成者”，另一个则是深耕技术细节、满足高端定制需求的“专精者”。

Fireworks 强调让终端用户看到推理过程、参数设置及选项，让操作更直观、灵活。并且把各类模型和服务汇聚到一个统一界面上，方便业务层用户直接调用。

Cursor 的 MCP

Cursor 的模型上下文协议 (MCP)感觉更像是一个插件系统协议，标准化应用程序向大型语言模型 (LLM) 提供上下文和工具的方式。

有趣的是好像 cursor 的 MCP 比 Claude 更有趣一些，甚至价值更多一些。

我们可以想象中的 AI 平台的 MCP 也是一种可插拔的客户端系统，允许用户安装和管理 MCP 服务器，并且提供一个图形用户界面（GUI）或命令行界面（CLI），用于配置和管理 MCP 服务器。

支持多种传输协议（如 stdio 和 SSE），可以满足多种的需求

支持链接各种数据源的能力，非常有意思。

context 思考

context 是应用可以自己控制和调整的，这一点对于人机交互很重要。

cursor 是通过 context 控制代码文档，比如说指定网站、指定文件、指定外部网页地址、以及指定 git 上下文。注意规则是可以配置的，并且甚至可以设置 MCP 控制。

Web RTC 思考

RTC 给出了端到端的策略，可以在物联网上有很大的适用场景。

留心一下 musetalk 和 musev 的使用。

目前支持 RTC 的一些策略：

OpenAI：支持 Realtime API

Hugging Face： Fast RTC ，开源的 WebRTC 库，同样支持 Websocket，STT 和 TTS 也支持。

AI 开发中最血的教训

多 commit ，多精确的描述 commit

观点人人都有，经验是宝贵的

信息时代，网上的信息和观点太多了，给我爸打电话，我爸最后又给我灌输了一个观点，说是我哥给他儿子辅导作业，然后他儿子不会做，他说了一句话让我爸后面思考还蛮有道理的，说是不会做的不做，选自己会做的做就行。

我说这个世界上的观点太多了，观点人人都有，但是观点是来源于自己的人生经验，经验是原始的，越是一手的经验越是更能触动别人，感性原料，引发人思考。成长是自己的路，观点更像是人早期的价值观和行为指南，亲身经历是我们不断修正和完善自我认知的重要过程。

父母的经验也是有时间窗口的，观点更是没办法直接套用，我说我从中学习的是每个人在不断经历和实践中才能形成独到的人生见解，更懂得尊重和理解别人的生活。

所以不要害怕我去成长，也不要担心孩子的成长偏离自己的经验。

我的人生经验： 人一定要做自己真正热爱的事情

我的人生经验： 人一定要做自己真正热爱的事情。

灵魂伴侣

有个观点说爱情中大部分的灵魂伴侣都是有一方在向下兼容的。

一方的性格上可能更宽容，更能包容另一方，我对灵魂伴侣最本质的理解是一种在精神、情感和价值观上高度契合的深层关系。爱情的本质是两个人深度交流激励成长。

我说我的理解中爱情是两条独立平行线之间的交互，这两条“平行线”如何通过交流、理解和协作产生互动，从而形成一种有意义的联系。

相比较而言，向下兼容好像并不是很准确，不存在绝对的向下兼容，只是可能站在自己的视角下可能会觉得对方对带来的感受和包容程度非常高，实际上对方某一定程度上可能也会有这样的感受，但是我们没办法证明对方的意识存在。单方面的兼容不被理解这样的交互是很困难的。

其实从小到大，父母、老师不也都是这样的吗？ 一直在包容我们罢了，交互的过程很重要，成长的过程也很重要。

大多数关系是浅层次的，少数关系可能带来共鸣，极少数可能是soulmate。理解并接受这种分布，不对每段关系都抱有过高期待。

无论是一两个阶段性的共鸣，还是soulmate带来的深刻连接，都值得用心体验，同时坦然面对它的变化。

酒精作用下产生的反应

酒精对大脑功能的抑制作用，前额叶是负责判断、决策和自控能力的区域。当这一部分功能受抑制时，人的理性判断能力和自我控制能力下降，从而可能无意识地说出平时压抑或隐藏的想法和情绪。

尼泊尔洒红节

从早上到晚上，经历了很多的事情，每个人的脸上都涂满了五颜六色的粉末，大家都挺幸福的，有点感慨尼泊尔的幸福，知足常乐，内心世界的满足

白天开心，现在有些惆怅，晚上恰好明明姐遇到了，明明姐、小熊和 Vanessa，路口遇到了

有些朋友大概率不会再相遇，有些人大概率这辈子就那么一面，有些事情做了后大概率也不会有太多的人留下深刻的记忆，那么我们就不去做了吗？

明天小熊和 Vanessa就会离开尼泊尔，我们在博卡拉相处了很久，一起上课，约饭，加德满都也没意识到朋友要离开了，这次相遇，突然感慨或许这就是最后一面了

明明姐说了一句，又是最后一个离开，又是一个人走，听起来有些落魄哈哈哈，走在路上忍不住哭，但是能感受到明明姐的理解，之前我们聊过，明明姐问过我朋友都离开了自己是什么感受，我说我对自己的了解伤感必然也会有的，留下来的那个人往往是更伤痛一些的，更多的是对这个伤感的反思，对无常的反思，对生命意义的思考，对友谊的思考。我们在这个街道上拍了一张合影，或许是最后一张完整的合影了

对无常的理解、对 一期一会的理解，生命中的每一次相遇与离别，都是无常的缩影，无常并非冷酷的审判，它只是生命的本真，提醒我们接受变化，并在变化中寻找意义。无常并不意味着消极。它让我们更加懂得珍惜当下，把握每一个与亲朋好友相处的瞬间。正如樱花在盛开后迅速凋落，它的美丽恰恰源于短暂与不完美。我们的相遇与离别也是如此，它们虽稍纵即逝，却因其独特性而熠熠生辉

我们曾真诚地对待彼此，珍惜每一次相聚的时光，即便知道分别在即。这种真诚并非为了挽留，而是对生命的尊重、对友谊的致敬。或许，这辈子我们再难相见，但那份情感不会因距离而消散，反而在离别中愈发显得珍贵

一直在追求意义的路上

人生这道选择题无论怎么选择都会有遗憾，人们总认为没走对的那条路开满鲜花。

很多事情太透彻了也没啥意思。别抗拒，别挽留。

如此丰富多彩的世界，尤其是像爱情这样复杂且多维的情感时，我们常常只能捕捉到其中的一小部分，这种张力正是人类不断探索、学习和成长的动力。

性、拥抱、约会都是爱的重要表现形式之一，但它们只是爱的外在体现。爱的本质更在于人与人之间那种深层次的情感纽带、理解与支持，以及共同成长的过程。

吃醋的本质在于内心对不安全感和自我价值的不确定性。

面对喜欢的人吃醋学到了一个很好的方法，理解对方包容对方很重要，化解误会，消除没有必要的猜疑。

遇到喜欢的人会吃醋是一个正常反应，以前有过很多的现象，但是却没有一个本质的反思，我们去理解和管理这种情绪，去思考自己为什么会吃醋，思考对方这么做的原因是什么。那么是一个很好的养分，也可以帮助自己和对方成长，过度的吃醋可能是强烈的占用欲。

尼泊尔华裔老板的一些思考

经历复原

约好今天一起出去玩，加德满都上午去朋友的 hotel 等了一下她们，一般酒店都有公共区，他们酒店也有一个小的公共区域，是一个马来西亚华裔女老板。当时朋友正在公共区聊天办公，我自己也是 AI 创业者，数字游民，等她们的空闲和她们一起在办公区用电脑，避免麻烦，链接的是自己的 wifi，用了一下他们餐桌上的纸巾，我并不喜欢麻烦别人，纸巾我自己都是携带到垃圾桶的。

朋友他们办公完成后，准备上楼收拾一下，我继续在办公区办公状态，老板突然过来问，你是要住在这里吗，我说不是，我住在隔壁的酒店。然后老板又追问，你们酒店没有 Wi-Fi 吗，我说有。没有私人空间吗？ 我想了想空间还蛮好。没有公共空间吗？ 我说也有。然后老板说这里是给我们的客人用的，不欢迎你。我反应过来的感觉是老板担心麻烦，但是我还是想继续办一下工，于是说我可以给小费，另外我走之前会把公共区间打扫一遍。老板说你可以回自己的酒店办公，我就准备走了。

思考

我反思了一下老板的动机行为，老板很担心没有利益纠纷的人去占用自己的 资源。老板可能把我当成过来免费嫖取座位的投机分子，我解释过了，外面有非常多很不错的咖啡空间，呆着更舒适，只是我朋友住在这边，我过来等待我朋友马上就下来，老板这时候好像有点愧疚，因为我产生了联系，我在她的酒店等我的朋友，这是一个非常合理的现象。如果是国内的话，规矩和人情往往会达到一个平衡，规矩太过于严守，缺少人情味，过分注重人情，往往形同虚设。所以国内的文化体系中，儒家中的中庸思想也在强调一个平衡。

其实在尼泊尔的文化中，包括之前住的 hotel 中，尼泊尔的服务业我认为是非常棒的，相比较国内大部分城市，香港，甚至比较以旅游业支撑的泰国而言我更喜欢尼泊尔的文化，当地服务业通常以友好和热情著称，之前酒店做的比较好的一些点，强调规律的往往是有非常显著的张贴，很明显，透明的规律往往比不透明的规则对客户来说更友好，这家酒店我没有看到。另外之前博卡拉旅居的一个多月，影响比较深刻的那边有一家尼餐的服务态度，很感动，服务员都还记得我两周前点过的某一个餐 ….

反思

在华人文化中慢慢的偏离了中华文化的传承，制度往往是科技和文化的产物，一部分科技的变革，一部分政治的变革，其实也会引来跨文化沟通的一些障碍，即使有一方会有包容，另一方也会被感性误导对客观的分析，比如说天然对我的不信任，或者是对我们这类文化群体的不信任。所以有时候主观影响以及经验是需要更正的，人性中基于过往经验的预判，而非当下的沟通，但是经验形成的直觉往往是过时或者片面的，不由得又让我反思： 对一个事物或者名族文化系统的建模并且不断的更新自己的建模系统非常重要，经验和交流是养分，感性的原料，逻辑和推理是方法，抽象出来的理性的逻辑结构图是指导行为的基础，在此正确的训练中我们得到阶段性正确的直觉，这样有利于帮助我们建立起对这个世界的真实本质的理解。人性在规则（秩序）和人情（情感）间摇摆，不同文化和个体倾向不同。理解这一点有助于预测和应对他人的反应。

毕我开始对不同文化包容和理解，华人文化在全球传播过程中，作为一个动态系统，在适应新环境时自然演变的结果，包括全球化和改革开放，中国文化变化非常剧烈，文化不是固定不变的，而是不断演化的。理解这种动态性，可以减少对“偏离”的负面判断。经验是感性认识的来源，但若不加以验证和更新，就可能成为阻碍理解的障碍。反思和调整直觉是跨文化沟通的关键。

另外我对自己当时存在的过去感性的情绪抱歉，我能分析出老板的情绪原因但是当时没有去解决这个问题而产生的猜疑和不信任。文化差异是相对的，没有绝对的对错。每种文化的价值观和行为模式都有其历史和环境依据，在面对不信任的时候，不反驳，尝试理解对方的背景和动机，文化或个人原因进而去沟通。另外沟通的时候，我其实也是可能有一些错误的推理和分析曲线，而不是主动去接近事实，了解原因。经验主义强调感性认识（如过往经验），理性主义强调逻辑推理。两者结合才能形成全面的认知，单纯依赖经验或理性都不足以应对复杂现实。

文化和行为是一个系统，其内部各部分相互关联。将问题放在系统框架中分析，能更清晰地找到根本原因。

社会契约理论认为，规则是社会秩序的基础，但人性同时受情感驱动。在规则和人情间寻求平衡，才能实现和谐。

世界在变，认知和行为也需随之更新。持续学习是适应变化的必要条件。

人性以及沟通

就关于尼泊尔老板的那个现象，人性它包含了自我保护、偏见、情感依赖等特征，这些都会让沟通变得困难。

你能理解对方的思维和行为（比如他们为什么不理解你），但对方可能无法理解你的意图和深层想法。这种“单向透明”会让你觉得像“鸡同鸭讲”

这是他们的认知模式使然，因为包容和理解需要一定的认知能力，而对方可能并不具备。

其实深度理解某一类人群或者人性是非常重要的，我对人性有了新的定义，甚至可能会加入到未来的决策因素中，比如说如果是考虑了人性，我可能对尼泊尔的华裔老板就不会再去建议劝导，

每个人都有自己的成长路径和局限性，不是所有人都能改变，也不是你的责任去改变他们，只是说基于一定的场景和认知体系，对真实世界的理解，你认为自己可以微微改变对方，就尝试改变。

有些人很难思考，你只能去讲一些通俗易懂表层的东西和现象。试着简化你的表达，避免抽象概念，用他们能理解的方式沟通。

理解建议

之前也说过给别人建议实际上给的是对对方有用的信息源或者经验，比如说通过自己的经历，或许经历不适用时代性，比如说父母对稳定的追求。

对于不是很熟悉的人，尽量不要去给建议，很多人缺少思考的能力，没准还觉得你不尊重他。

因为之前给的朋友的建议，包括父母的建议，一部分程度上取决于双方的关系和信任感，还有一部分的朋友确实能 get 到你的核心思想。

给不给建议，还真是没有标准答案，像在“放手”和“帮忙”之间找平衡，主要取决于你跟对方的关系、当时的情景，还有对方是不是真的需要。

主动提建议的思考

因果关系，你多说一句，可能就影响了别人的想法或者决定，等于掺和进了他的生活轨迹。万一建议不好，搞砸了，你可能还得背点责任。但是实际上，我们负责种树，浇水，我们也没办法控制最后的果实，毕竟结果还是得看树本身，何必纠结。

人性和建议，讨厌建议本质

大部分的人在听到建议，其实会考虑到自尊心，就像今天和北京退休某老大哥，对方的建议给到我的时候让我总感觉有一种居高岭下的感觉，但是理性分析下，对方讲述的是自己的经历，会给我带来思考，这是有意义的。

说明建议一般都可能会夹带自己的人性，一部分的私心，真诚的建议通常更容易被接受，因为它传递了对对方福祉的关心，而非个人利益。然而，完全无私的建议在现实中很难做到——建议者可能无意中夹带优越感、控制欲或期待认可的心理。经验比观点来的更深刻一手，还有一部分，我们在讲述经历和观点的时候，是不是也在反思自己，我们的目的是什么，这也是我们在了解自己的一部分。ps 通过反思，深度的理解自己以及对方，人性。

另一部分其实是避免控制欲，国内的父母子女好像尤其强烈，青春叛逆期来说，有的人特别讨厌别人插手自己的事儿，觉得这是自己的地盘，父母也不能瞎指挥。

另外一部分感觉是信任关系，我和 hotel 的老板也是这样，对方反而担心我是否有企图，或者是担心对应的表达的观点会不会出现在网上、短视频等，怀疑你有啥小心思。

如何正确的给别人建议

别着急说，搞清楚对方在想啥，对方的处境，以及视野的盲区。

建议是给出选项，或者补充选项信息，而不是下达命令，这很重要，每个人都有自己的路要走，都有权利自己做决定，哪怕你觉得他可能会栽跟头。作为旁观者，咱们得尊重这种自主权。

得避免对方情绪不对的时候，或者不够理性的时候给建议。

实践指南

没把握还是得问问行不行，不过这也说不准，我提前问过 “你想听听我的想法吗” 对方也同意了，但是内心还是排斥的。这部分得结合人性去分析对方的性格，以及对应的文化体系。

经历往往比观点更重要，经历更是一手的，越是一手的经历越能引发思考，所以多讲讲自己原创的故事，观点人人都有。

多问问题，之前博客也谈过到，围绕的一些主题

你真正想要什么？（直击表面借口）

试过哪些方法？（避免重复建议）

最怕发生什么？（定位恐惧源）

建议这东西，好像这个世界就是这样神奇，本质上也是我们对这个世界建立起越发真实的理解后提出来的，对这类人群更准确的理解才能知道对方是否是愿意听从建议的人，对事物准确的理解也能帮我们来提供准确的建议。好像建议的价值不在于你说了什么，而在于对方听进去了什么。

人性的一些思考

其实从西方的个人主义的观念中，百分之九十九的情况下，不管犯下多严重的错误，人们都不会责备自己。相比较东方的传统文化受到儒家思想影响，重视谦逊、反省与自我完善。但是西方一定程度上更强调自我价值和自我激励，即便在失败后，也更容易通过积极的自我暗示来保护自尊。

宁愿怪罪众人也不愿意悔过，人们害怕责备，其实是害怕的不被理解，理解代替指责，设身处地去想一想对方缘何如此，同情、善意、宽容就会由此诞生。

不要批评、不要指责、不要抱怨。

其实认真分析和对方相处，对方的每一部分的细节都可以自己得到反思，比如说为什么要这样做，背后的原因是什么，对方的每一个细节和行为都是可以得到反思的。但是人性是会偷懒的，直觉和情感是我们与世界互动的天然工具，而且不会让我们太过于复杂。但是实际上如果每一个情感和细节都去思考，人也会很累，既感受当下的情感，又在脑海中拼凑对方的动机和性格。我理解真正的智慧其实是这两者时间的平衡不是吗，直觉和情感帮我们感受和理解世界，分析帮我们理解事物背后的关联。我感觉成长的魅力也在于此，用直觉去感受对方的温度，用理性去理解对方的内心，用情感去包容对方的不完美。

让对方心甘情愿的去做某一件事，威胁和恐吓当然也可以做到，但是后果不言而喻。

有的人觉得对性和成功的欲望是人类永恒动力。

有的人觉得人性最深层次内驱动是 “对重视的渴望”

人人渴望得到的：

健康长久的生命

事物

睡眠

金钱 & 金钱换来的东西

来世灵魂不灭

性生活满足

子女平安安康

被重视的感受

人性底层是非常渴望被赞美的，赞美能给人与人之间的关系非常多力量。

同样感觉到自己很重要也是人与动物最大的区别。

和人打交道时，请牢记这一点——人并非理性生物。他们由情感驱使，被偏见支配，傲慢与虚荣是他们的动力之源。

愤怒很简单，宽恕、理解、原谅很难，这些都是人性中宝贵的财富

了解一切，就能宽恕一切。​

理解个性

个性太广泛了，可能覆盖了人格魅力，人格是指个体思维、情感和行为的特征模式，以及这些模式之下隐藏或未隐藏的心理机制，性格是一个更大众的词，

狗的表达方式思考

以前偶尔被小狗汪汪，哪怕是尼泊尔那么温顺的小狗，我很迷惑

朋友养狗，观察到狗狗之间在争食的时候，或者母狗在发情期公狗靠近的时候，都会发出呜呜的吼吉那是在拒绝，不让对方靠近。另外很多时候狗狗在哼哼唧唧的，开始以为是狗狗感冒了，实际上是狗狗期望你帮助它，一般都是想吃食物或是想出去玩

狗之间有一套交流的方法，并且我们很容易辨别出来。

比如说直视狗狗的眼睛就代表敌意，习惯性的用看人的眼睛方式看狗狗，被恐吓也是正常的。

再就是狗狗撒尿标志地盘，狗狗之间见面嗅闻一下对方的屁股，通过这些气味分辨出主人、鉴别同类性别、发情状态、母子关系等

狗狗的尾巴是它心情的外在体现，摇尾巴表示开心，夹着尾巴表示害怕，垂着尾巴表示郁闷等等

狗狗相互遇上会舔舐狗狗的嘴角，这其实是狗狗在打招呼交流的其中一种，一般代表感情比较好

有时候尼泊尔白天狗狗睡觉，晚上狗狗汪汪叫，而且一群狗狗活跃起来了，那就是一只狗发现了动静叫起来，其它狗狗听到后也会跟着一起叫，这是狗狗之间互相呼应的一种警报声。

挺有意思的，是关于狗狗表达的方式，语言是我们对世界的理解和交互的方式，语气、音调、动作是狗狗对世界的理解和交互方式。其实我们很多时候理解和包容都是建立起动作行为背后的逻辑的理解的。

包容正是从误解走向理解的过程——不急于评判，而是探寻行为背后的逻辑。

狗不掩饰情绪，尾巴一摇一夹，喜怒毕现；人却常隐藏意图，语言反而成了遮蔽。这对比下，狗的“真”显得更纯粹。

行为背后的生存逻辑： 尼泊尔的狗为何更松弛，白天趴在路边无忧无虑，国内的狗整天守着家汪汪叫，一直在思考背后的原因。

其实狗也是环境的产物。

尼泊尔的狗多为流浪狗，它们与人共存已久，环境相对宽松，狗的生存压力较低，和环境比较融合比较好。

国内狗多为家养，街头流浪犬较少。家犬被圈养，领地意识强，陌生人接近时，它们本能地吠叫守护。狗的生存依赖主人，环境不再是共生的，而是分隔的。这种紧张感，让它们的表达更具攻击性。

存在总是与世界纠缠，顺应这个世界，一种是被接纳的自由，一种是被限定的守护。

感性和理性的极致

并没有绝对的二元对立可以充当真理，二元对立是人类语言和思维的产物，而非宇宙的真实状态。包括对和错，对和错取决于观察者的立场。比如在道德问题。道家思想，老子也说，祸兮福之所倚，福兮祸之所伏，好坏也是动态平衡一部分。

比如说波粒二象性描述微观粒子（如光子、电子等）同时具有波动性和粒子性的双重性质。说明自然界在围观程度上是很复杂的，并非是单一的性质。

思考快与慢两个系统

快速、直觉型思维，类似感性

缓慢、分析型思维，类似理性

感性的效率更高，而且思考起来不累，生活中的很多的事情，比如说说话，大部分的是口无遮挡，其实就是直觉性行为。

没有逻辑也是一种逻辑，感性的背后也有一套机制，直觉和情绪创作，但其选择、风格、表达，其实都有一种深层的“感性逻辑”。

当感性达到极致，它突破混乱与自我，变成一种深度的通透和认知——这就是另一种形式的“理性”。

道家希望超过所有的概念背后达到的平和，就是所有形态的背后回归本源的整体性思维方式。

这种思维的核心在于“放下”——放下执念、放下自我，最终与“道”同在

家庭教育最重要的是什么

朋友说自己认识的很多人都是欧美的，因为孩子很自由，去探索世界，有自己选择和追求爱好的权利。

西方的快乐教育的形式真的好吗？ 从小教育孩子要独立思考、独立生活、自己为自己的人生负责。我们更多的是受到儒家思想的影响，我们要去强调集体感，家庭责任和稳定。

西方的很多的学生我们理解中很多不好的习惯，吸烟、吸大麻、嗜酒。

自由中带有底线，独立中仍有归属感，父母还是需要有一个体系结构去控制大的方向的成长，以及安全的底线保证。

其实最好的教育应该是基于对世界的理解，符合未来世界发展的教育体系，

而且接触自然并不是最核心的。培养孩子的品德、人生观和价值观最重要的。

建立对孩子对世界的复杂，以及自己以身作则，经验比观点更重要，身教远远大于言传。

每个人都有自己培养自己孩子的权利，没有对错。

追✨行为的背后本质

“追”谁这件事，表面上看是个人喜好，但往深了挖，其实反映了一个人内心对“意义”的追求和对“存在”的理解。

追星很多时候是情感驱动的，明星身上往往承载了某种理想化的形象——美、活力、成功，或者干脆就是让人逃避现实的梦幻泡影。

追科学家这群人，通常更偏向理性，崇拜的是人类的智力和探索精神。科学家代表了对未知的征服、对真理的执着，追他们的人可能在乎的是“人类整体的进步”这种更大的叙事，这个倒是还真的需要一点热爱和耐心。

追文学作家的人。这类人往往被故事、情感和语言的深度吸引。作家通过文字挖掘人性，探讨生命的光暗面，追他们的人可能是在寻找共鸣，或者试图通过别人的笔触理解自己，文学粉感觉更内省一些，愿意在浑浊中找到答案。

人性本质上没有高低贵贱之分，每个人追的东西不过是内心需求的投影罢了。主要是追的这个过程到底是不是真诚，到底是不是有所得。

使用 cursor 的一些小技巧

从模板开始，通过从 GitHub 或其他来源克隆模板来开始项目，以提供坚实的基础，Cursor 内部选择“从 Repo 开始”的选项，也可以用https://bolt.new/ 创建基础的 demo， 很好用

结合 trae, trae 在 chat 的模式下，成本优势明显，而且对多模态的支持，图片的支持好很多，通过图片来做前端页面的修改效果很好。复杂项目 agent 逻辑 cursor 处理的更好。

使用智能体模式，使用 Cursor 的 agent 模式（而不是普通模式）来通过自然语言命令创建、编辑和管理文件

擅长结合 perplexity 使用，比如说我希望用 perplexity 去搜索，提供 API 的代码和示例

在 Composer 中创建新对话，保持对话简短。

不断的迭代和改进

集合 GitHub actions 做自动化测试，cursor 编写测试超级好用，ROI 超高。

语音转文本的工具也很好用，Whispr Flow

错误交给 agent 处理是一个很明智的选择

经常提交，并且规范的追踪记录，对 cursor 来说这是一个很好的习惯

持续部署项目，使用 Vercel

记录一些常用的并且有效的 prompt ，收集

服务的部署的逻辑

快速迭代的这一套：

Cloudflare 提供一整套网络服务

适当的云服务器备着

数据库也尽可能选择云数据库

GitOps 是通用的能力，可以复用并且指数级提高效率

Milvus、Pinecone 向量数据库在 AI 应用中不可或缺

ELK Stack、Prometheus 或 Grafana 对系统运行状态监控也很重要，方法论

AutoGPT / AgentGPT 自动生成任务链路，验证 MVP 很有帮助

LlamaIndex 后端数据管理非常好的工具

关于在 AI 时代如何快速学会一个开源项目

了解项目的背景和目标，以及项目的作用

关于文档和入门指南

关于项目结构和代码架构

选择核心的模块和关键的代码实现

利用单元测试实现

思考前端的趋势

不可否认， AI 对前端一部分带来了机遇，一部分带来了烦恼。

AI 时代上手前端更简单了，cursor 等产品，甚至可以帮你从 1-n， n-10 就算是不懂前端的人也能快速的搭建出项目模型。

任何时代和用户交互还是不可避免的，我从客观的视角上来看一看前端的发展趋势。技术的门槛更低了，但是会前端的同学来说更高效了，学习好 GitHub 的一个开源的 chat ，模板，很多的网站，网页都可以去缝缝补补。比如说 https://github.com/vercel/ai-chatbot

极简的 AI 搜索工具 https://github.com/zaidmukaddam/scira ，同样还有一些 AI 的集成工具，类似于参考 https://tavily.com/

其实前期很多的工具方法能用服务还是用服务，更能方便我们快速验证

关于多模态的 chat 模式的设计和思考

多模态目前的形式有： 文本信息、图像、声音、视频、网页和数据文件、传感器等

两种存在的形式，分别是发送的格式，以及是接受的格式。比如说发送的可以是图片、语音、文本的方式。

Claude Artifacts 的设计逻辑好像有点不一样，Artifacts 可以生成多种类型的内容，提供了使用交互式元素的开创性机会，从原型到功能齐全的 Web 服务。在某一定的程度上可以自动选

交互式文档

数据和流程可视化

SVG 图形包括商标

website 结构

序列图，复杂和可视化文档

预计 Artifacts 后面支持的类型越来越多，类似 Artifacts 的产品例如 google Notebooks 形态也是一样的，可以去操控代码，设计交互。https://notebooklm.google/

借鉴和抄袭

如何理解抄袭与借鉴？

明明都是原创，好的产品设计在大众审美中最终会趋于相似：漂亮的女生人人都喜欢，优美的身材比例总是养眼的。😊

抄袭是什么？ 抄袭是指毫无思考地复制他人的创意，只停留在模仿层面，未能进行超越性的创新。

借鉴又是什么？ 借鉴则是在长时间思考后，对某种形状或美好外表产生独特构想；在苦思冥想、反复尝试之后，突然灵光一现——望见屏幕角落那个触动心弦的 actions，顿时恍然大悟，这正是自己所追寻的灵感！

理解不是复制，而是通过与他者的对话，丰富自己的视域。

所以，借鉴的妙处就在于：它不是对他人创意的掠夺，而是通过他人的火花点燃自己的火焰。

就像失恋后听到一首伤感的歌曲，某段歌词触动了内心深处，那种情感正是自己一直在寻找的……

创意往往是集体智慧的结晶。关键是，你如何将这些灵感“消化”成自己的东西。试着问自己：这个想法如何与我的经历、情感或目标产生联系？我能为它增添什么？

就比如说你看到诗词，记录下来，记录和反复打磨，它也会逐渐成为你的独有哲学，触动你的不是诗词本身，而是它唤醒的你

事件总线和消息事件流水线设计思考

模块之间松耦合，通过事件传递而不是直接调用。每个模块只需要专注自己的业务逻辑，而无需了解其他的模块的实现细节

事件总线就像是中介，各个模块独立开发、测试部署

新的模块和功能只需要注册到事件流水线中

尼泊尔动乱思考

最主要的原因在于长期的政治不稳定和治理不力，迭代过快的政府和普遍的腐败。

尼泊尔民众对稳定的追求。

从中国的角度来说，也希望支持长期权利集中、继承制度明确的治理方式，共和制可能频繁的政治更迭，效率很低。

就像是一个天平的平衡被打破了。

复辟的几率依然较低

政府多次更迭和制度创新虽然带来了不少混乱，但同时也形成了相对稳定的权力架构和政治运作机制。恢复君主制不仅需要民意支持，还必须克服宪法和政治现实层面的重大障碍。

在尼泊尔，主要政治力量、军队以及国际社会都倾向于维护现有的政治体制。

另外即使是君主制，也并不能根本的解决现有的问题。

关键在于能否实现政治稳定和高效治理。

refer：

https://news.cctv.com/2025/03/21/ARTIT8r5j2i9WWruRsLiTuD2250321.shtml

旁观者的视角

对你来说是你的经历，对我来说是我的人生。

很多事也许真是当局者迷而旁观者清。身在局中的人觉得好复杂好纠结……但其实跳到局外用最简单普世的道理就可以判断。

所以局中人往往不要轻易的否定旁观者的审视和视角。

二次烧尸庙思考

“圆台”是什么？我在想什么，远远看过去，那些圆形的石台散落在河岸两侧，有的在西岸的树丛里，有的靠近东岸的火葬区。我一开始以为那是某种祭坛，后来才知道，这些可能是苦行僧（Sadhu）修行的地方，或者是信徒举行特殊仪式的小平台。它们不像火葬台那么显眼，却总能吸引我的目光——尤其是当有人趴在上面，或者像跳舞一样动来动去的时候。

相见不如不见

见面如果只会带来尴尬、负担甚至痛苦，那刻意维持关系到底是为了什么？是为了满足自己的情感需求，还是为了迎合别人的期待（比如你妈的希望）？我觉得这里头藏着一个更深的问题：关系的意义到底是主动追求来的，还是自然流淌出来的。

父辈只是想用自己的经验为我们谋的一份幸福

但是这个经验可能不适用未来的时代。

取决于孩子如何选择。

父辈做的是兜底，不是设限

对 web3 的深度的理解

区块链衍生出来很多的技术，但是就 web3 发展来说，最主要的就是智能合约，智能合约存储在区块链上，充当自动化的业务逻辑，满足条件即可执行。web3 的形态理解为社区驱动，自给自足经济形态。

数字货币的成长周期分析： 创建 -> 成长 —> 投机 -> 泡沫 -> 调整。

货币的价格完全是由市场决定的，货币也是这样，新币旧币都满足 需求旺盛 + 供应有限 = 市场增长。比特币有上限，且 4year/2，稀缺性递增资产。

经济学的更傻理论也决定了市场只要能找到愿出更高价的接盘者，即使资产价格不合理也有人愿买，直到市场找不到“更傻的人”时泡沫破裂。

中国的发展要用代际的眼光去看待

中国大地上的事情是无穷无尽的，不要在乎一城一池的得失，要执着。

一个国家是由具体的人构成的，它由这些人创造，并且决定。只有一个国家能够拥有那些寻求真理的人，能够独立思考的人，能够记录真实的人，能够不计利害为这片土地付出的人，能够捍卫自己宪法权利的人，能够知道这个世界并不完美但仍不言乏力不言放弃的人。只有一个国家拥有这样的头脑和灵魂，我们才能说，我们为祖国骄傲。只有一个国家能够真正有这样头脑和灵魂。我们才能说我们有信心，让明天更好。

任何的机制和时代需要找其因果，我们抛开了改革开放的这个视角，改革开放的加速度其实是在2008年以后开始呈现出相对平稳、斜率下降的趋势，所以经济周期的中转点已经出现了，意识到经济是有周期的而不是无限增长的。

这代领导人是文革时期发展出来的领导人，人和制度是那个时代的产物，我们也能接受制度的倒退，相信下一代的共产党领导人的才华。

走在同样的路上，遇见自己的风景

徒步伙伴喜欢看路，我喜欢看风景，对他而言看地上的路，然后偶尔抬头看一看风景，感觉很神奇，风景像是瞬移了一下。对我而言，眼球中的美景一直在变化，每时每刻处于心流的状态，感觉和世界融入到一体，有人在享受走路，有人在享受风景。

形而上学

形而上者谓之道，形而下者谓之器

西方是研究存在的本质、宇宙的根源、时间、空间、因果、灵魂、上帝等等抽象问题的哲学分支。

这也是人类对根本问题的终极追问，是理性哲学的核心。

形而上学，就是研究“看不见的本质”——它关心不是“事物是什么样”，而是“为什么是这样、本质是什么”。

其实和玄学不一样，它更倾向于体系化、抽象化的哲学思考。玄学往往带有直觉性、神秘性或文化传统的特点，相比形而上学少了一些系统化的理性分析。

对大多数人来说，玄学可能在日常生活中“帮助感”更强，因为它更贴近情感和直觉。

玄学很难，直觉力、悟性、灵性，更像是一个道的修炼，太过于神秘，而且开悟感觉需要缘分。