懂80%叫常识,真正的专业在20%,那才是知识

Claude Code系统提示词精简80%:AI编程助手优化原理与实践 系统提示词是AI模型在响应用户请求前接收的底层指令,它通过定义模型的行为模式和专业领域来指导输出。其技术原理基于Transformer的注意力机制,模型会根据提示词分配计算资源处理不同约束条件。在AI编程助手场景中,合理的提示词设计能显著提升代码生成质量和响应速度,减少不必要的tokens消耗。当系统提示词过度详细时,会导致指令冲突与优先级混淆,增加模型推理复杂度。通过精简非核心约束,模型能够更好地利用训练数据内在化的编程知识,在代码生成、项目分析等应用场景中表现更优。Claude Code此次优化正是基于 阅读详情

朋友给发的东西,感觉非常有意义,和大家分享。

懂80%叫常识,真正的专业在20%,那才是知识这是两年前在网络上流传的一则故事:有一位工程师在一家公司工作30年,退休了。他对该公司的机器及产品了如指掌。几年后,该公司的一套机器故障,全公司的人都没法找出问题来。绝望中,他们只好把退休的工程师找回来。这位工程师看了一个小时后,从上衣口袋拿出一枝粉笔,用粉笔在一个零件上画了一个大叉叉指出:「这就是你们的问题。」

公司把零件换了,机器操作正常。但是不久,公司收到一张十万元的账单,是这位退休工程师的收费。公司老板火大了,认为一个小时不值这么多钱,就要求送一张明细表。这位退休工程师的回函是:「粉笔,一元;知道在哪里画叉叉,99999元。」就在工程师画下叉叉的同时,他脑中三十年的工作经验正以电影浓缩快转速度进行,顷刻间他闪过四个与该问题相连的可能解决方案、综合了同样问题场景却失败27次的经验值、和153次独自思索突破工作瓶颈的深层反省。决定工程师拿到99999元的那一笔,究竟是什么?

联强国际总裁兼执行长杜书伍说,在一个行业里,你懂80%叫做「常识」,而不是「知识」,因为大家都懂80%。而且,可能只要花20%的时间就能学会这80%。其实,真正的专业在最后的20%,那才是真正的「知识」。他谈到多年的用人经验,刚入行的年轻人,很可能前两年所学到的都只是该行业的常识:「他学习一下,就说『喔,我学会了!』实际上他学的非常浅薄。只是像烟火一样,『砰』的一声好像看起来不错,但事实上不会产生效益!」「光靠常识的人,犹如只会一招半式。」杜书伍接着说,应付一般性的运作尚可,有时也可运作得很熟练,但针对每一次应用时可能遇到的细节不同,不见得能精准拿捏每个环节该使几分力、该如何变通,使得执行起来有隔靴搔痒之感,好像做了,却又总觉得少了什么。

当一个人拥有「决胜20%」的知识与能力后,手上握有的粉笔,就不只值一元,而能附加出99999元的价值。不过,从「常识阶级」进入「知识阶级」,必须经历一段漫长的浸泡与思考。然后,脑袋会产生许多促使事件成功的直觉。

28分钟练习,大前研一在电车上思考问题解决方案

他本来是一位从事核子反应炉设计工作九年的工程师,当他进入刚成立的麦肯锡东京事务所,若没有将企管用语转换为熟知的核子学用语,脑子就无法思考;而连「break-even analysis」是损益平衡分析都不懂的他,还被顶头上司骂出「你真是公牛乳头」的话(编按:公牛的乳头无法哺乳,意指一无是处)。于是,在找寻学习材料的过程,他发现公司图书室有一大批麦肯锡客户资料的个案微卷,白天他负责翻译、答复海外有关日本的市场调查,晚上就投入研究微卷,每天夜里搭22:48分的电车回家,假日也不间断。

此外,他也尝试在短时间进行问题分析与提出对策大纲。好比说,把搭车看到第一眼的广告做为当天练习题目,利用28分钟的车程,思考问题解决方案。像是看到一则西红柿酱广告,大前研一将问题设定为「如何扩大某一品牌的西红柿酱市场」,在抵达公司前,他就思考「这样的广告广告牌是否能增加销路」以及「西红柿酱与西红柿汁的不同」等问题。久了,一天就不再限于一个题目。经过长达一年的电车训练,只要他的客户一提出问题与要求,大前研一都能立即在脑中形成解决图案。

一年后,他整理笔记并出版《企业参谋》一书,接下来的一年,大前研一至少演讲数百场,使得原本几乎无案可做的日本麦肯锡业务量骤增,他自己也在进入公司第三年成为全球拥有最多客户、最忙碌的管理顾问,三十岁的他与「新力」的盛田昭夫、「富士」的小林阳太郎等多位日本重量级企业经营者,在国际会议上一起列席,介绍日式企业经营模式,顾问费高达每日150万日圆(约合新台币43万元)。

在瞬息万变的时代里,决胜20%代表着时时保持唯恐落后的危机意识。如此,才能成为特定领域的顶尖人物。

 

对应到各行各业,这也是一个通用的规则!   

GLM-5如何用物理常识推理破解洗车问题 蒸发与凝结是水在常温常压下的基本相变过程,其动态平衡受温度、湿度、风速及材料热物性共同调控。理解这一原理,是构建可靠环境状态预测模型的基础——它不仅关乎热力学常识建模能力,更决定AI在汽车养护、保险定损、电池热管理等工业场景中能否输出空间分异、时间演化的精准判断。本文以‘洗车问题’为切口,揭示大模型如何从模糊表象走向多变量耦合的微物理系统推演,并重点解析道尔顿蒸发公式调用与车身部位热惯性差异建模两大关键技术支点。 阅读详情

相关推荐

AI写作不是替代写作者,而是增强专业表达的协作者

AI写作本质上是基于大语言模型的文本生成技术,其核心原理在于对海量语料的概率建模与模式重组,而非真正理解语义或具备创作意图。该技术的价值不在于取代人类作者,而在于显著提升信息结构化处理、跨层级语言转译和重复性内容生产的效率。典型应用场景包括技术文档通俗化改写、合规文本快速生成、多版本营销文案批量产出等,尤其适用于需兼顾专业性与可读性的B端内容生产。当前主流工具已能稳定支持指令驱动的可控输出,但事实核查、价值判断与情感注入仍需人工主导——这正是人机协作中‘30%交出去、70%收回来’的底层逻辑。

adr5970的博客 405

懂80%叫常识 真正的专业在20% 那才是知识

这是两年前在网络上流传的一则故事:有一位工程师在一家公司工作三十年,退休了。他对该公司的机器及产品了如指掌。几年后,该公司的一套机器故障,全公司的人都没法找出问题来。绝望中,他们只好把退休的工程师找回来。这位工程师看了一个小时后,从上衣口袋拿出一枝粉笔,用粉笔在一个零件上画了一个大叉叉指出:“这就是你们的问题。”知识与常识懂80%叫常识,真正的...

weixin_34240657的博客 81

大模型-高通qnn基础

提供较低级别、高度可定制的统一API,通过单独的库加速所有AI加速器核心上的AI模型, 可以直接用于针对特定的加速器核心或从流行的运行时(包括Qualcomm Neural Processing SDK、TensorFlow Lite和ONNX运行时)委派工作负载。一个支持异构计算、系统级配置的一体化SDK,旨在将AI工作负载引导到我们平台上的所有加速器核心。为开发人员提供灵活性,包括核心间协作支持和其他高级功能。是一个为训练好的神经网络模型提供高级量化和压缩技术的库。

点滴的岁月 4082

真正的專業在二○%,那才是知識

真正的專業在二○%,那才是知識 (出處 : 中山網路大學 陳年興老師)  這是兩年前在網路上流傳的一則故事:有一位工程師在一家公司工作三十年,退休了。他對該公司的機器及產品瞭如指掌。幾年後,該公司的一套機器故障,全公司的人都沒法找出問題來。絕望中,他們只好把退休的工程師找回來。這位工程師看了一個小時後,從上衣口袋拿出一枝粉筆,用粉筆在一個零件上畫了一個大叉叉指出:「這就是你們的問題。」 * 知識與

千里之行 2188

minist手写数字的识别代码复现(pytorch 版本)

电脑系统:Windows 10语言环境:Python 3.8.18编译器:jupyter notebook深度学习环境:torch == 1.13.1+cu116显卡及显存: Tesla V100-PCIE-32GB卷积神经网络(Convolutional Neural Network,CNN或ConvNet)是一种 具有局部连接、权重共享等特性的深层前馈神经网络. 目前的卷积神经网络一般是由卷积层、汇聚层和全连接层交叉堆叠而成的 前馈神经网络。

2202_75521293的博客 2616

rk3568 RGMII KSZ8795 MAC TO MAC

参考《Rockchip_Developer_Guide_Linux_MAC_TO_MAC_CN.pdf》

明天乌儿会歌唱 6492

用Claude取代初级SEO专员:我如何自动化80%的SEO日常工作

如果你正在为SEO团队成本发愁,或者想把时间花在更高价值的策略上,强烈建议试试这个Claude Project方法。开始只需30分钟设置,就能永久提升效率。

紫微AI,构建「人格操作系统(ZPF)」 用AI建模人的决策与行为模式 持续记录AI Agent、系统设计与产品实验 1264

手把手教你用Matlab解析Zygo .dat文件:从二进制数据到面形图(附完整流程)

本文详细介绍了如何使用Matlab解析Zygo干涉仪生成的.dat文件,从二进制数据读取到面形图可视化的完整流程。通过实例代码演示了文件结构解析、数据矩阵读取、高阶Zernike拟合等关键技术,帮助工程师和研究人员高效处理光学检测数据,提升分析精度和工作效率。

weixin_30731305的博客 447

计算机学习中的知识递归与认知曲线

这种现象恰恰说明你在真正进步——在Dreyfus技能模型中,这正是从"高级初学者"向"胜任者"过渡的标志。计算机领域的专家不是"无所不知的人",而是"知道如何快速定位和解决问题的人"。计算机科学的知识结构像一棵不断分叉的树,每个你学到的概念都会引出更多未知的分支。

laocooon的博客 443

Windows下高效部署llama.cpp:从环境配置到模型量化的完整指南

本文提供了一份详尽的Windows系统下部署llama.cpp的完整指南。内容涵盖从Python环境配置、使用CMake与MinGW编译工具链的搭建,到编译llama.cpp项目、获取并转换模型为GGUF格式,以及执行模型量化和基础推理测试的全过程。指南旨在帮助开发者在普通Windows电脑上,无需高端显卡,仅凭CPU即可高效运行大语言模型,并重点解决了部署过程中常见的环境与编译错误。

weixin_28841265的博客 879

ADC电路项目1——10bit SAR ADC 设计,smic18工艺,有工艺库,有效位数ENOB为9.8

包括详细仿真文档,原理介绍,完整电路图,仿真参数已设好,可直接使用,在自己的电脑上就可以运行仿真。本设计采用 smic18mmrf CMOS 工艺,使用栅压自举电路的采样开关,Vcm-based 开关。电容开关控制电路,10 位 DFF,最后用 10 位理想 DAC 模块将数字码转换为 10 进制量进。时序上级板采样的 DAC 电容阵列,两级动态比较器,比较器异步时钟,SAR 动态逻辑,DAC。10bit SAR ADC 设计,smic18工艺,有工艺库,有效位数ENOB为9.8。

qq_48407979的博客 814

金属 3D 打印技术:如何实现成本降低 80% 与高精度量产

要实现高精度量产,首先得懂技术底层。专业术语:选择性激光熔化(Selective Laser Melting, SLM)大白话解释:想象你有一支极高精度的“光笔”,它不是 in 纸上写字,而是在金属粉末上“画画”。激光束按照模型切片路径,把金属粉末瞬间熔化并凝固,一层层堆叠成实体。案例类比:这就好比用沙子堆城堡,但每一层沙子都被强力胶水(激光)瞬间固化,而且精度能达到头发丝级别。思考题:既然是一层层堆叠,为什么比传统切削加工更省材料?欢迎在评论区留下你的猜想。

darkb1rd的博客 515

Meta-RL之Meta-Gradient Reinforcement Learning

这篇文章是用元学习算法去学习RL的超参数η={γ,λ}\eta=\{\gamma,\lambda\}η={γ,λ}。当然不仅限于这2个超参数,还可以是和回报相关的超参数。 本文的核心思想:我们之前接触过Meta-Learning参数的初始化(MAML、Reptile)以及Meta-Learning参数的更新优化(L2L-by-gd-by-gd、Opt as a model for few-shot learning),那么这篇就是能否Meta-Learning到η={γ,λ}\eta=\{\gamma,\l

Ton的博客 2520

Claude Code系统提示词精简80%:从臃肿到高效的工程实践

系统提示词是AI编程助手的核心控制机制,通过预设指令定义模型的行为边界和输出规范。其设计原理在于利用自然语言指令引导模型生成符合预期的内容,技术价值体现在提升代码生成质量、确保安全合规性以及优化上下文利用率。在AI编程助手如Claude Code的应用场景中,精简高效的提示词能显著减少token消耗,避免指令冲突,提升响应准确性。本文基于提示词优化和代码生成效率等热词,深入解析如何通过识别冗余指令、合并功能约束、量化标准表达等方法,实现系统提示词的极致精简。

weixin_30561177的博客 307

知识图谱实战:从零搭建一个企业级金融风控图谱(附完整代码)

本文提供了一份从零构建企业级金融风控知识图谱的实战指南。通过使用Neo4j图数据库和Python,手把手教你整合多源数据、设计数据模型,并利用Cypher查询与图算法挖掘隐藏的关联风险与欺诈网络,附有完整代码,助力金融科技从业者实现从数据孤岛到全局风险洞察的升级。

weixin_29095587的博客 356

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

线上知识技能水平自测

高校俱乐部现正推出一系列线上自测活动,欢迎同学们进行自我水平测试。 参加“C语言if语句大考察”赢取下载分

优快云高校俱乐部官方博客 1481

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

GEO生产级Prompt工程指南:20+项目验证可复制模板、零代码提20%准确率与幻觉规避

【摘要】研究表明,90%的GEO(生成式引擎优化)效果不佳的根源在于Prompt设计不当,而非模型或检索问题。许多团队倾向于使用冗长复杂的"万能Prompt",反而导致幻觉率上升。本文提出"GEOPrompt五层结构法":角色锚定、规则硬约束、上下文注入、输出要求和异常兜底,经实测可使准确率达92%,幻觉率降至2.3%。同时提供6个生产级Prompt模板和参数配置建议,并指出Prompt设计应避免的6大误区(如规则过多、缺乏兜底等)。数据显示,优化Prompt的成本效

JBGT2026的博客 320

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

湖南中烟计算机专业考试,2018湖南中烟招聘笔试题目,2019笔试内容

原标题:2018湖南中烟招聘笔试题目,2019笔试内容【湖南中公教育】2019湖南中烟长沙卷烟厂共计招聘68人 所有岗位笔试内容均为:行测+英语+专业知识专业知识是指:每个岗位考查本岗位相关专业知识一、每个岗位考试内容相同(同一套试卷)不根据所报专业划分比如说,技术工人一岗,不管你是机械类还是计算机类,笔试内容都为:行测+英语+专业(机械+电气);财务管理岗,不管你是审计专业还是会计专业,笔试内容...

weixin_28256233的博客 1591

Manus AI实操避坑指南:任务闭环能力与领域常识缺失的真相

AI代理的核心能力正从‘生成回答’转向‘完成任务闭环’,即自主拆解需求、调用工具、执行代码并交付可用成果。这一能力依赖动态任务树规划与多步骤执行链,但每步都存在信息衰减和领域常识注入不可控的风险。尤其在时间基准(如时区)、单位换算、行业标准(如金融数据源可信度)、本地化服务(如保修条款)等隐含约束上,模型无法主动识别,必须通过结构化Prompt显式声明。其技术价值在于大幅提升信息整合与初稿生成效率,典型应用于商业数据分析初筛、跨平台商品比价、岗位趋势扫描等场景;但绝不适用于需高置信度数值计算、因果推断或专业

weixin_33841722的博客 379

【模型手术室】第五篇:行业黑话指南 —— 领域知识注入与“灾难性遗忘”的博弈

专栏进度:05 / 10 (微调实战专题)在工业界,微调不仅仅是喂 500 条问答对。对于某些极端专业领域(如法律条文、芯片设计规范),模型需要先进行**“增量预训练”(Continue Pre-training),再进行“指令微调”(SFT)**。

qq_45239623的博客 625

数据可视化AI协作手册:80条穿透幻觉的专业提示

数据可视化本质是信息转译,而非简单绘图——它要求在数据语义、视觉编码与业务场景三重约束下完成精准表达。AI生成效果不佳,常因提示缺失字段定义、视觉规则或交付上下文,导致图表失真、代码不可用、结论难落地。本文聚焦‘可视化工程师如何与AI高效协同’这一核心命题,基于200+真实BI项目提炼出80条高鲁棒性提示,覆盖数据清洗、统计建模、多图叙事、生产集成及业务沟通全链路。特别强化对金融、电商、SaaS等行业的字段口径处理、无障碍配色、PPT嵌入规格、DAX/SQL性能优化等高频痛点,让AI真正成为可审计、可复用、

weixin_30412167的博客 376

56个模具设计常用知识要点,迅速掌握塑胶模具使用常识

1、常用塑胶工程材料及收缩率? ABS:0.5%(超不碎胶) pc:0.5%(防弹玻璃胶) PMMa:0.5%:(有机玻璃) pe:2%聚乙烯 PS:0.5%(聚苯乙稀) pp:2%(百折软胶) PA:2%(尼龙) PVC:2%(聚氯乙烯) POM:2%(塞钢) ABS+PC:0.4% PC+ABS :0.5% 工程材料: ABS PC PE POM PMMA PP PPO PS PET 2、模具分为那几大系统? 浇注→顶出→冷却→成型→排气 3、在做模具设计过程中应注意哪些问题? 1、壁厚应尽量均匀一致,

weixin_49583560的博客 983

DeepSeek-V4实测:编程封神与常识翻车的AI同事真相

大语言模型正从‘能回答’迈向‘可托付’的关键阶段,其核心挑战已不再是参数规模或评测分数,而是常识鲁棒性、语境理解力与真实任务交付能力。DeepSeek-V4在结构化编程、SQL优化等符号密集型任务中表现卓越,印证了当前开源模型在逻辑推理与工程落地上的显著进步;但在空间认知、动词参照系、长文本因果锚定等依赖多模态常识的任务中频繁失焦,暴露出纯文本预训练范式在具身智能与语义权重建模上的根本局限。这种‘能力断层’提示开发者:需以‘人机分工’思维重构AI应用——将模型定位为高精度协作者而非决策主体,并通过Promp

weixin_30905981的博客 479

零基础21天学习网络技术,目标:比别人多懂一点,饭碗更牢固一点。

内容涵盖了入门必备的操作系统、计算机网络和编程语言等初级知识,而且包含了中级的各种渗透技术,并且还有后期的CTF对抗、区块链安全等高阶技术。总共200多节视频,200多G的资源,不用担心学不全。共同研发的的网安视频教程,之前都是内部资源,专业方面绝对可以秒杀国内99%的机构和个人教学!全网独一份,你不可能在网上找到这么专业的教程。如果你也对网络安全技术感兴趣,但又没有学习的技术资源,我可以把私藏的网安学习资料免费共享给你们,来看看有哪些东西。网上虽然也有很多的学习资源,但基本上都残缺不全的,这是我们和。

A1353192296的博客 743

【性能实测】Vicuna-13B Delta v1.1深度解析:MMLU基准80.1%背后的技术突破与行业启示

你是否还在为选择合适的开源大语言模型而烦恼?面对层出不穷的模型版本和眼花缭乱的性能指标,如何快速判断一款模型是否真正满足业务需求?本文将通过对Vicuna-13B Delta v1.1的深度评测,为你揭开大语言模型性能背后的秘密。 读完本文,你将获得: - Vicuna-13B Delta v1.1在主流基准测试中的详细表现 - 与其他热门开源模型的横向对比分析 - 模型性能优化的关键技术解析 ...

gitblog_02988的博客 392

每日估算人机对战:用群体智慧检验大模型常识

群体智慧是一种古老而强大的分布式认知机制:当大量独立个体的判断被有效聚合时,其误差往往能相互抵消,最终逼近真实值。这一原理在现代AI评测中焕发出新的价值——传统基准测试正面临数据污染、门槛过高与感知缺失等挑战,而基于估算题的群智对战形式,恰好能以低门槛、高参与度的方式动态检验大模型的常识推理与数值感知能力。从技术实现看,这类系统涉及题目调度、稳健聚合算法、AI接口适配与游戏化规则设计,其核心并非AI调用本身,而是如何让人类答案与模型输出在统计上可对比、可复现、可积累。这种模式可广泛应用于模型动态评测、提示词

weixin_30325971的博客 467
上一篇: 俞敏洪:在路上
下一篇: javascript的this使用
kernelspirit
博客等级 码龄25年 135粉丝 92原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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