生活在远方

Month: April 2026

  • 让AI更懂你

    让AI更懂你

    如果说在不久前，碳基人类最值得学的“通用语言”是英语，那么到了硅基AI时代，我想再加一个：MD，也就是 Markdown。

    在我看来：只要你想认真使用AI，就最好学会用MD这种轻量级语言来组织表达。

    相信不少人和我一样，会刷到：“我只是拉了一个文件，AI就帮我做好了总结！”，“我写了三行提示，AI就帮我做好了PPT！”之类的标题党。

    我承认，这种情况确实存在——甚至我有时也会这么做，也会得到还算可以的结果。

    但这并不是让AI更懂你、更好为你做事的正确方式。

    原因很简单。自然语言适合聊天，却不擅长精确表达和协作。你随口问一句，AI当然也能答；可一旦你要它整理文章、比较方案、按固定格式输出、修改长文、分步骤执行任务，纯口语就很容易乱。

    而MD的价值就在这里：它能把你的意图结构化。

    比如，你当然可以直接这样说：

    帮我写一个方案，要包括背景目标风险预算时间安排，并且先给结论，再展开分析。

    但如果你用MD把要求写清楚：

    # 任务
写一个项目方案

## 输出要求
1. 先给结论
2. 再展开分析

## 内容结构
- 背景
- 目标
- 风险
- 预算
- 时间安排

    AI通常就会“聪明”得多。因为标题、列表、编号、代码块，这些在我们看来只是格式，在AI那里却是非常明确的路标（信标）。

    不是AI偏爱MD，而是它更容易处理层级清晰、约束明确的信息。

    常用的MD语法其实就那么多。如果要看一遍，也不用找太多资料，直接看 Markdown Guide 的基础语法 就够用了。

    # 标题
## 子标题

- 并列要求
- 并列要求

1. 第一步
2. 第二步

**重点限制**

> 背景材料

    MD最早出现，是为了用更少的标记完成基本排版，本来是个文档工具。但现在，它也越来越适合拿来和AI协作。它训练的并不只是格式习惯，更是一种表达能力：先分层级，再写要求；先给边界，再让AI发挥。写提示、写知识库、写任务单、写会议纪要，都会因此受益。

    支持MD的免费工具有不少。Windows和 Mac上都可以直接用Obsidian或VS Code；前者更像笔记本，后者更像工具台。更轻量的编辑器也不少。

    不会MD，你当然也能用AI；但会MD，你往往更容易把需求讲清楚，也更容易让AI稳定地把事做好。

    所以如果今天有人问我：想把AI用好，最值得先学的东西是什么？

    我的答案会是：

    先学会把想法写清楚；而MD，往往是最好上手的起点。

    相关文章

    • [[251218.2026 AI辅助创作指南]]
    • [[251009.assert(编程!=抽烟烫头喝着酒）]]
    • [[250204.NotebookLM试用体验]]
  • 第二书房的第二电脑

    第二书房的第二电脑

    在肾后的指导下，最近我越来越喜欢在第二书房工作。之前我用的是一台2017年的老笔记本，倒也不是不能用，只是速度确实有点慢了：打开几个文档和网页还行，一旦开始多任务切换，就能明显感觉它已经进入老年期。

    前两天又被种草，看到水果新推出的MacBook Neo（MBN），一下子有点心动。

    我的使用场景其实很简单：

    1. 日常：Office全家桶、用Markdown进行写作。
    2. 轻度编程：偶尔写点小程序来帮助自己练脑子。
    3. 轻游戏：我不怎么玩大游戏，最多也就是一些卡牌游戏。
    4. 看视频：主要看看新闻和网站视频。
    5. AI辅助：这一项反而越来越重要，后面细说。

    上周我去苏州中心的水果店看了看，一眼就相中了那个被水果称为“柑橘黄”、而我觉得更像“鸭屎黄”的颜色。店员说，所有MBN都没有现货，于是我留了联系方式。前两天收到邮件，说我要的颜色和配置到了，我就赶紧跑去下单入手。

    这两天，我一边工作，一边慢慢把新机器上的环境重新搭起来。说起来，我以前也用过MBA，但那台机器更像是单纯的“工作工具”；而这次折腾MBN，感觉更像是在给第二书房搭一个新的工作台。于是我也顺手整理了一下：一台主要用于写作、办公和轻量AI的Mac，到底该装些什么。

    先说结论

    在我看来，MBN最大的价值并不是性能有多夸张，而是它足够轻、足够安静，也足够支撑我的日常工作流。它当然跑不了特别大的本地模型，也不适合拿来做重度创作或硬核游戏，但如果用途本来就是写作、办公、看视频，再加一点AI辅助，那它其实已经相当够用了。

    哦，对了，如果预算不是太紧，强烈建议买512G的。不仅是硬盘容量大了，而且还支持Touch-ID，可以用指纹解锁。

    最重要的软件：Resilio Sync

    我第一个装的还是Resilio Sync。简单说，它就是我的“私有云”，负责在不同电脑之间同步文件。

    我以前就是这么工作的：在公司的电脑上改完文件，回家以后继续修改；第二天再到公司，就能直接接着前一晚的版本往下写。它的设置很简单，而且内外网穿透能力相当强。哪怕一台机器在家里，一台机器在海外，只要网络状况别太离谱，文件同步基本都能维持住。

    对于我这种写作者来说，这个软件的重要性甚至比办公软件还高。因为写作最怕的不是没灵感，而是稿子散落在几台设备里，自己都不知道最新版在哪儿。

    基础环境：浏览器、启动器和常用软件

    浏览器方面，我还是装了Firefox。Mac自带的Safari不是不能用，但我始终觉得差点意思，尤其是迁移过来的使用习惯很难改。

    Raycast也是我必装的软件。Mac自带的Spotlight够基础，但还不够强；而Raycast相当于把“启动器”这件事做成了一个更顺手的工作入口。

    至于QQ、微信、直播软件、VLC、Microsoft Office这些，就属于按习惯补齐的基础配置了。它们不一定有多惊艳，但少了哪一个，工作和娱乐都会不太顺手。

    写作主力：Obsidian + VS Code

    我现在已经习惯用Markdown写东西：格式简单、迁移方便，而且对AI也很友好。所以在新机器上，Obsidian自然是第一批装上的。我会在里面开一个Vault，把相关写作串联在一起；另外，它导出PDF的能力也确实很强，这一点非常实用。

    不过，Obsidian更适合整理和串联，而不是处理那种稍微复杂一点的任务。比如解题、事实核查、发散讨论，或者和AI进行更密集的来回交互，我还是更愿意交给VS Code。因为我买的AI服务本来就是GitHub Copilot，放在VS Code里用起来也最顺手。

    所以现在我的写作环境大致是这样的：Obsidian负责沉淀、归档和组织；VS Code负责复杂处理和AI协作。前者像书桌，后者像工具台。

    AI配置：外出一套，在家一套

    MBN的配置决定了，它不可能承担“重型本地AI工作站”的角色。较大的本地模型，它是跑不起来的；但如果只是做一些发散讨论、简单问答和轻量事实核查，它还是能胜任。

    我最后给它配了两套方案：一套用于外出离线，一套用于在家联网。

    • Ollama：负责外出时的离线问答。我装了几个相对较小的模型：gemma4:e2b、gemma4:e4b 和 hermes3:3b。实测下来，虽然不能说飞快，但确实能用。
    • Cherry Studio：负责在家联网时调用桌面机的算力。我的桌面机上有更好的显卡，可以跑更大的模型，比如gemma4:26b、gemma4:31b这一类。这样一来，MBN本身不需要太强，也能借助家里的大机器完成更复杂的任务。
    • Copilot CLI：我本来一直在用千问，每天免费一千问也挺够用；但4月15日以后，这项免费服务没了。既然我本来就订阅了Copilot，那干脆就转过来直接用。反正这个订阅本来也能覆盖VS Code、Obsidian等应用，整合起来反而更省事。

    最后

    折腾完这几天之后，我对这台MBN的判断也很明确了：它不是一台追求极限性能的机器，但它非常适合我现在的生活方式。

    我需要的不是一台能跑天花板级模型、也不是一台能硬扛3A大作的笔记本；我需要的是一台能安静地放在第二书房里，随手打开就能写、能查、能同步、能顺便和AI讨论几句的电脑。从这个角度看，MBN对我来说，算是买对了。

  • 让我来康康AI可以有多“靠谱”？

    让我来康康AI可以有多“靠谱”？

    Google沉寂了好一段时间，前两天放出了一个重要的模型升级：Gemma 4。我下载了、运行了。

    我用的测试工具比较多，包括：Visual Studio Code（VSC）中的Github Copilot（自动选择模型），Ollama（Gemma 4 31b），还有国产的豆包。

    其中，本地跑Ollama的桌面机配了一块5060 Ti 32G的显卡。

    我一直有收藏文档做站点的习惯，所以这次我就从我的维基站点中的两个专栏里随手拉了一些题目：

    第一题

    爱丽丝来到遗忘林的时候，她不是所有的事情都忘记了，她只是忘记了某些事情。她经常忘记自己的名字，最容易忘的是星期几。狮子和独角兽可是林中的常客。他们都是很奇怪的动物。狮子在周一、周二和周三撒谎，其它日子说实话。而独角兽呢，正好相反，它周四、周五、周六撒谎，而其它日子说实话。这天，爱丽丝遇见狮子和独角兽在树下休息。他们做了如下的陈述： 狮子：昨天是我说谎话的日子。 独角兽：昨天也是我说谎话的日子。 爱丽丝是个非常聪明的女孩，她从这两个陈述就可以知道今天是星期几了。那么今天是星期几？

    这是一道入门题。所有的AI都可以得到正确答案。但Gemma的推理过程比较突出：它检查了周一的情形后，总结出：无论是狮子还是独角兽，能说出这句话的日子和前一日必须是处于不同的说真话还是说假话的日子。所以，很快，它推理出狮子只有周一、周四，独角兽只有周四、周日，才能做出如题的陈述。所以，当天只能是周四。这个推理过程非常有意义。

    第二题

    莎士比亚的《威尼斯商人》中，鲍西娅有三个首饰盒：金的、银的和铅的。其中的一个盒子中放着鲍西娅的肖像。求婚者要在其中选一个盒子，如果他足够幸运（或者足够聪明）选到了有肖像的那个盒子，他就可以娶鲍西娅为妻。每个盒子的盖子上都有一段铭文来帮助求婚者做出聪明的选择。 现在，假定鲍西娅希望选择她的夫君时，不是基于他的品德，而只是基于他的聪颖。她在盒子上刻下了如下的铭文：
    金 银 铅
    肖像在这个盒子里。 肖像不在这个盒子里。 肖像不在金盒子里。
    鲍西娅对求婚者说明，这三句话中，最多只有一句是真的。 求婚者该选择哪个盒子？

    这道题也不难。所有AI都可以得到正确答案：求婚者应该选择银盒子。

    Gemma和Copilot的推理过程相似。它们都敏锐地判定出：由于金盒子和铅盒子上的陈述互相矛盾，那么这两个陈述肯定有一个为真。而题目中说“最多只有一句为真”，那么银盒子的陈述就是假的。既然如此，肖像必然在银盒子里。

    （以上两题来自我最喜欢的逻辑书《这本书叫什么？》。我选了其中最入门的两个章节中的两题。）

    第三题

    Life Isn’t a Bowl of Cherries 你和朋友Amit面前有4只樱桃碗，里面分别装着5,6,7,8颗樱桃。 你们轮流行动；每次可以任选一只碗，并从中取走至少1颗樱桃。 如果你先手，并且想确保最后一颗樱桃是Amit取走的，那么你的第一步应该从哪只碗里取走几颗樱桃？

    所有AI都知道这是一道有关NIM sum游戏的策略题，并给出了第一步操作：从8颗的碗里拿走4颗，并解释了其中的数学原理：各个碗的樱桃数量的异或值为零是本题的关键。

    但只有Gemma明确指出：这个所谓misere Nim（确保对手赢）游戏，策略和常规的Nim（确保自己赢）游戏，策略是一样的，直到最后一步。

    第四题

    Spaghetti Loops 把50根煮熟的意大利面看作50段线段，它们一共有100个端点。 现在把这100个端点随机两两配对并打结。 问：最终形成的闭合面条环（loop）个数的期望是多少？

    三个AI表现正常。但豆包只有第一步推理是对的：它知道在第一次挑面条的一头，并和任意另一头打结的时候，成环的概率是$\frac{1}{99}$。但它太早进行一般化，简单地将这个概率乘以了50。经过一次提示，它正确地得出，最终形成闭环的期望是$\frac{1}{99}+\frac{1}{97}+\frac{1}{95}+\cdots+\frac{1}{3}+1$。但在计算这个公式的时候出错。经过再次提示，得到了2.937…的正确结果。

    （以上两题来自我最近开始整理的《数学谜题》。）

    ====

    我觉得吧，AI能帮我总结东西、帮我做PPT都是极好的。但要是能帮我学习逻辑、学习数学，从而可以真正地与它开展严肃的讨论，那才是更好的。