近期的近况和具体实践思考 最近在给bonjour供稿，写一些行业趋势相关的内容分析，写第一个行业的时候感觉还挺顺，但写第二个行业的时候就会发现我的问题是想法很多，于是揉杂在一起就没有一击即中的感觉 分析问题的时候发现原因是聊这些所谓的Insight太多了，然后自己看的报道也太多了，所以感觉写什么都写得写不出来，最后的结果就是一个part写很多，各种point衔接也不恰当。 现在的状态可能是从白纸乱画成了一张彩纸，因为在撰文方面没有很专业的训练过所以造成了一些问题，回不到白纸状态，也不知道怎么沿着好的路径做到最好 对于这样的问题回到原点去思考对于这样的问题应该怎么办 如果回到大语言模型训练的过程中看，按经典的「the bitter lesson」而言，就是要足够好的数据、足够多的算力堆起来，不断叠加然后scale up 于是对于学习如何写一篇好文章而言，就是找到足够好的信息源、找到自己觉得合适的框架，做成skill等让AI不断迭代，然后人工调整 实际操作的过程时，我找到了一篇采访晚点主编的文章，里面详细讲了他是如何理解内容、怎么获得好的信息/观点、怎么行文、以及撰文的逻辑和思考等，并以春节大厂大战为例子做了仔细的分析。当时他写的春节大厂大战的那篇文章收获了很大的关注度，也最接近我想要最终达到的专业度，因此对于「学习如何写一篇好文章而言」，是我目前找到最理想的信息源。 对于优质的信息源，我目前的理解是，在自己的认知范围内，通过推演（喜欢晚点的文章所以去找晚点的文章是怎么写出来的），AI搜索（找不到的信息源框定范围、背景和目标），朋友推荐的方式，找到最好的那一个，排名第二的都不要，如果找到更好的就直接替换。 因为这样子可以让自己的信息熵降到最低，并且因为只用自己认为最好的，所以也让自己的目标高一点 找到好的信息源以后，对于框架和技术层面，我发现做成skill和做成好的skill有很大的差异，因此我之前了解过的工程问题派上了一些用场，但因为我之前自己的知识库都处理的相当糟糕，只是内容的大量囤积，所以用skill出来的内容也完全达不到预期 要再多迭代一下，或许以后有心得体会了再分享 （这个帖子的配图就是我说的那篇采访晚点主编的文章）