社区

最近的市场看法移步：blog.ztrader.ai 

星球模块近期做数据库升级（对supabase这些平台又被AI升级搞崩了一次），应该很快能够上线使用。

所有的模块只有一个验证机制，那就是邮箱。

不需要注册，你的邮箱就是你的底层信息（其他的我不感兴趣，也是属于你的数据资产）。。

移步今天的note正文：

谈谈语言和模式。

我认为，

万物皆是语言。

结构即语法。

对我来说，语言写诗和代码本质都是一样的。

当你把许多事物本质进行深度压缩，那么你最后会得到AST语法树。

在AI时代里，AI迟早要成为各种工具/应用/端口的终极OS和hub:

应用即沙箱/可调用的agent

交互模式直接决定AI使用效能

文字向量决定了AI的回复模式（分布/向量/拓扑结构）

包括多个顶级数学家（陶哲轩等）都已经证实了AI和人协作的高级模式：

由AI建立多种结构/模型印证假说，人类负责检验事实约束变量并验证整个推导细节，并帮助数学家/科学家和研究者建立完整的理论推导/验证。

毫无疑问这是全新的范式/工作流：

1. AI在理论物理/数学/计算机科学等高度抽象的尖端领域所展现出的巨大潜能和应用价值。

2. AI和高智能个体的“共振”/共生效应”，和AI一起学习而非“神话”或是完全依赖- AI所产生的幻觉

3. 永远搜索～验证～生成～push~成功就记忆入库，不成功就debug,

4. 落地项目驱动，边落地边学习边写作形成智能“肌肉”，完成输入～输出的闭环。

5. 元知识工作法：

Syntax Otology Engineering/Thining" " Meta Knowledge Theorem and Axiom" 这是当抽象思维到达底层之后的必然形态。

比如说：

我学习“我学习的方式”

我观察“我观察我学习的方式”

我学习“我观察我自己的学习方式”并用于观察。

我学习（我过去用于学习/观察自己的学习方式）并用以更深入的模式学习

这样的高度抽象的六本质上就是优化过的“语法树（AST）”这部分是我最近思考的部分

blockchain/ZK/ Rust？这些技术本质只是技术栈，是经过设计/语法调频后的产物，本质上仍然是语言，本质是语法层。

因此提出最重要的第六点：

The worst thing is Prompt Enginneering

本质上来说这并非认知流也不是工作流，只是固定了静态要求/状态/格式，短期改变了模型tokenizer组织token的方式/分布/频率和密布。

但长期的用户行为如果平均化/平滑化，prompt engineering最终只不过是短期的增幅器（比如知乎的那些没有意义的教会你如何设计提示词的帖子）

但最后你并非meta level的，你并不会理解

如何生成更多类似的提示词

如何设计更深一层的提示词

再多的提示词都无法改变用户本身的行为模式和知识密度/结构

回到今天的主题，语言和模式。

之前文章已经表明了我的观点，随着时间推移，大模型的表现将：

1.越来越符合大众的认知曲线（因为取决于绝大部分人拿来干什么）

2.模型的效能符合马太效应（有认知曲线/高密度知识的印了引发模型对齐）这导致用户～AI协同引发产能爆炸

3. 符合绝大多数人的用法仍然是短自然语言式（搜索/验证/计算/推理/预演/等）

4. 高度抽象化/文字/理论化的应用场景符合大语言模型本质的设计本质/结构。

以人为镜，可以正衣冠。

以语为镜，可以观天下。