其实,我被 Fenng 拉黑过!

阅读文本大概需要 2.6 分钟。

昨天有一个很激动的消息,我被 Fenng 大的公众号「小道消息」推荐了,真的万分激动,要知道,我吭哧吭哧写作分享了六年多,能被互联网领域第一大咖推荐,真的是最大的认可。不过,昨天有人留言说,你是不是跟 Fenng 大在商业互吹?

要知道,小道消息是互联网领域第一大 V,读者数量与名气远是我不能比的,你见过这么不公平的商业互吹么?当然,我更付不起推广费,这次完全是 Fenng 大单方面的推荐,真的有点小惊讶,更多的是激动。

说实话,被 Fenng 推荐新增了一波读者心里当然高兴,但是讲真,这个我不是那么在意,我之所以这么激动只是因为被认可而高兴,因为你们完全不知道,我以前是被 Fenng 大拉黑的一个不知名读者。

我跟 Fenng 其实有一段故事的,以前我跟你们一样,或者说跟大多数人一样,也看不惯他怼这个怼那个,甚至有跟他在评论区争论过,微博也转过对他负面的评价,直接被他在微博拉黑,但是我并没有因此对他一生黑,我还一直关注他,我只想看下当初争论的那件事到底谁错了,时隔多年后,事后证明,确实是我错了,现在我都觉得当时的认知好傻逼。。。

当然,这只是说那件事我错了,但是我依然不认可他的这种到处怼的作风,更多的是不理解。时隔多年后,我自己也做了公众号,尤其是影响力越做越大,关注的人越来越多,当一个群体越来越大的时候,难免鱼龙混杂,什么样的人都有,也就意味着,你的所有观点,总会随着群体越来越大,不认可你的人越来越多,当然,认可你的人其实是更多的,但是认可你的人不会让你糟心,而不认可你的人,或者说一些杠精才会让你最糟心的。

之后,我开始理解为啥 Fenng 戾气这么重了,其实杠精他不骂你,看似他在跟你讨论问题,比如你写一篇文章说西瓜很好吃,杠精的留言大多是,西瓜好吃?难道苹果就不好吃了?西瓜好吃、苹果好吃单看其实没问题,但是放在一起,有个因果关系就很傻逼了。很多杠精的留言结合文章就是这种观点,这类留言,如果你怼过去,吃瓜群众就会觉得你怎么这样?戾气这么重?其实对于作者来说,这类留言比直接骂你傻逼还更恶心,像这类认知层次高的人,其实一眼就看出谁是杠精,只不过对于大部分读者来说,他们没法有效识别杠精,他们眼里就只看到了你怼一个正常留言的读者,你这个作者素质好低。

Fenng 还有一点,就是性格也比较直,面对网络各种复杂的人群,对一些低认知层次的人,他们没有时间给你一一解释,因为一旦你解释,杠精们只会不眠不休,你只能骂一句傻逼,然后拉黑,这对他们来说是最省事的做法,包括以前的我也是这样对待的,但其实后来心态锻炼起来了,其实对待杠精不必理会就好了。

但是等我认知层次上来后,我意识到以前的自己确实傻逼,Fenng 的很多观点确实是对的,当然,不代表他所有的观点都是对的,只是说当时他怼我的一些观点确实是对的。

我影响力逐渐大了,我终于有机会跟他加他好友,跟他打交道了,在跟他现实的交流中,他的性格其实远不是网络上那种戾气很重的性格,我看过他的一些分享,现实的性格跟网络性格差异很大,当然这个我是早知道的,包括我也是,只不过很多人不知道而已。

因为很多人自己没有那么多读者关注到,面对的情况是不一样的,我在网络上的性格戾气也是有的,因为网络上没任何门槛,谁隔着屏幕看你不爽都可以骂你一句傻逼,但是现实生活中就不一样了,你走在大路上,没人会上来骂你一句傻逼,所以,很多时候,一些大 V 在网络上表现的戾气较重是逼不得已,所以,千万不要觉得一个人网络上是什么样,现实中就是什么样。

以上就是我的一些亲身经历,也算是自己认知成长的经验吧,其实,我们每个人都在不断成长,当你接触一个让你毁三观的观点时,不要急着抵触与反驳,很可能是我们以往的认知是错误的,多学会反思自己,错了就是错了,敢于承认自己犯过的错才是勇者,比我们厉害的人,总归是有原因的,多少是一种能力与本事的证明。

另外再说句,我依然算不上 Fenng 大的粉,最多是一个客观的读者,现在我对他的很多观点很认可,但不代表全部,也很欣赏他一直以来直来直去的性格,能不被现实、不被利益所改变,很难得,作为后辈,这点必须向 Fenng 大学习。Fenng 现在在创业,就不说一堆废话了,祝他创业成功!


最后,Fenng 大的公众号「小道消息」二维码奉上,互联网从业人士还没关注的看过来。


640

推荐阅读:

好酸!

永远不要用小概率事件去决策!



一个不羁的码农,

我的世界不只有 Coding!

640?

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化训练,到执行分类及结果优化的完整流程,并介绍了精度评价通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置结果后处理环节,充分利用ENVI Modeler进行自动化建模参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略效果评估体系,涵盖当前企业传播面临的预算、资源、内容效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放GEO优化,提升品牌在AI搜索中的权威性可见性;④通过数据驱动评估体系量化品牌影响力销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析工具指南进行系统学习,重点关注媒体适配性策略GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值