“享受氛围，但不要沉沦其中”。Vibe Coding 作为新兴的编程范式确实让编程更高效也更有趣，但它不应成为我们放弃深入学习和理解技术的借口。理性看待 AI 的能力边界，在提高效率的同时，不忘技术精进的初心。或许未来 AI 能代替我们“敲“代码，但我们必须掌握思考和创造的主动权。

https://fatbobman.com/zh/weekly/issue-083/

fatbobman.com

别让 Vibe Coding 阻碍了你的技术成长 -- 肘子的 Swift 周报 #83

几天前，一位之前高度赞扬并全身投入 Vibe Coding 的好友发表了一篇推文，表达了他近期基于 AI 编程的挫败感：最近的 Vibe Coding 并没有给我写代码带来任何愉悦感，正相反的是 AI 无法一击必中带来的挫败感。开始重新阅读官方文档和优质视频，自下而上，那种对项目的掌控感又回来了。

那些性格慢吞吞、嘴巴甜、做事八面玲珑的人，未必真心。反倒是那些吃饭快、走路快、脾气急的人，往往是心直口快、藏不住事，也不爱算计。

https://mp.weixin.qq.com/s/5v5Fvv8b3IJ4-_cM3ZhhFw

听别人的故事旁观者清，身处这世间却是当局者迷。成长是个复杂的过程，是抽身出自己的一次次经历，将它们变成一个个故事。

“人生是不断与理想的自己进行比较，而不是活在他人的评价之下，我们不是为了满足别人的期待而活着，而是为了自己活出自己的人生。

纵使被说坏话，被讨厌，也没什么好在意的，因为对方如何看待你，那是对方的课题。”

《被讨厌的勇气》

Saying you will do something is not the same as doing something. And the people who end up getting the most done and have the most follow through tend not to overshare their plans too soon.
说要做某事和真的做某事是两回事。而那些最终完成最多任务、执行力最强的人往往不会过早地分享他们的计划

https://www.readgoodtimes.com/p/saying-less

加拿大著名心理学专家乔丹·伯恩特·彼得森教授曾概括了“伪勤奋”的4个表现：

1、花大量时间做事情中最容易的环节，还到处炫耀：“没有功劳也有苦劳。”
2、以“准备”的名义拖延，看上去很忙但事情没有任何进展。
3、从来不验证工作成果，不知道做得好or做得坏，只顾闷头拉车，不会抬头看天。
4、读了很多书，但从不总结规律,即使总结了规律，也没有用到自己的实践中去。

只有剔除大量低价值的浮浅工作，给生活创造积极的变化，才能走出内耗的怪圈。

一个人最大的内耗，是低质量忙碌。

https://x.com/hotmailfromsh/status/1973939485252448612?s=46&t=CtWav8tbjT4B9TqrsPImOw

小学低年级，直来直去，就像直道，没有太多技术含量。小学中高年级开始有了拐弯，变成了弯道。到了初中，三门变九门，一下子压力陡增，就成了坡道。高中，难度大幅增加，崎岖险峻如山道。到了大学，只有一个目标，没有明确的道路，很容易迷路。研究生阶段，更是只有一个大概的方向，一切都要靠自己摸索。一旦出了学校，进入社会，则犹如置身城市道路，能否达到目的，要看你对道路的选择和对规则的理解。

https://mp.weixin.qq.com/s/PjpL8zqxs39R5hsE4Fdl8A

GTM strategy is a set of activities that will propel your product to the scaling stage. The holy grail is to find at least one repeatable and scalable GTM motion that will drive your growth.
GTM 策略是一系列将您的产品推向规模化阶段的行动。目标是找到至少一个可重复和可扩展的 GTM 动作，以推动您的增长。

https://www.growthunhinged.com/p/how-to-build-your-early-gtm-strategy

If you’re thinking without writing, you only think you’re thinking.
如果你不通过写作来思考，你只是以为自己正在思考

They will over rely on AI. It starts as a tool, becomes a crutch, and ends as a hindrance.
他们会对人工智能过度依赖。它最初是工具，然后变成拐杖，最后成为阻碍

As coding becomes easier, more people should code, not fewer!
随着编程变得越来越简单，应该有更多的人学习编程，而不是更少的人！

https://www.ssp.sh/brain/will-ai-replace-humans/#dont-get-me-wrong

Simon Späti's Second Brain

Will AI Replace Human Thinking? The Case for Writing and Coding Manually

Learning to Think Again, and the Cost of AI Dependency.
There are so many (hype/boring) posts about AI coming out every day. It’s OK to use it, and everyone does it, but still learn your craft, and try to think.

The biggest productivity gains could come from enhancing—or replacing—the capabilities of less experienced workers
最大的生产力提升可能来自于增强或替代经验较少的工人的能力

https://www.theatlantic.com/economy/archive/2025/09/ai-bubble-us-economy/684128/

The Atlantic

Just How Bad Would an AI Bubble Be?

The entire U.S. economy is being propped up by the promise of productivity gains that seem very far from materializing.

No one is coming

信息差 = 模型差 × 位置差 × 速度差

真正的信息差超额收益

认知模型：一个人如何解释信息
结构位置：身处何种信息流节点
执行系统：将认知转化为行动的速度

https://mp.weixin.qq.com/s/IZvM_BuIIYk6YxbbGj8Qqg

AI 时代会写的人，能用 AI 放大十倍效能。不会写？只会觉得 AI 难用。

https://mp.weixin.qq.com/s/FQahLMy5ZOGWvxYnMt3nfg

一开始你肯定做的烂，然后才会变好。
但不先做烂，就永远好不了。

starting small, starting fast, and not worrying about what I didn’t know.

小事做起，迅速起步，不必担心自己未知的事物。

There are two mistakes one can make along the road to truth . . .
not going all the way, and not starting.

在通往真理的道路上，人们可能会犯两个错误……
没有开始，也没有坚持到底。

The best products, designs, and ideas come from people who can clearly articulate their vision, regardless of their role
最好的产品、设计和创意都来自那些能够清晰表达其愿景的人，无论他们的角色如何。

https://www.figma.com/blog/why-everyone-can-and-should-be-a-great-storyteller/

Figma

Why Everyone Can (and Should) Be a Great Storyteller | Figma Blog

Here’s why writing matters—and how to be a storyteller that brings ideas to life.

不必知道你的每一步具体该怎么走，只需坚定方向，然后每次前行200米。

经验属于个人隐形认知，而知识是显性化的，可复用的体系单元