这是一张”我自己的待办大图”。每天打开博客先看这一页,确认今天我有没有在最重要的事上推进。 维护方式: 5 条按当前重要性排,顺序即优先级。每条下面写”下一步动作”,不是目标本身 — 目标在路径页。 更新节奏: 每周日复盘一次,挪动顺序、增删条目、刷新”下一步”。
1. 继续学习 LLM 基础概念,并持续在社交媒体分享(主题: agent 基本功系列)
为什么是 #1: 转型 FDE 的底层弹药。LLM 的概念地基不牢,后面看任何 agent 论文、框架、benchmark 都只是名词堆叠。社交媒体分享是”以教代学”的强制输出:写不出来 = 没真懂。
下一步动作:
- 本周内: 写完”agent 基本功系列”第 1 篇 — 「什么是 token、上下文、temperature」(约 800 字,目标小红书 + 知乎双发)。
- 同步维护一个本地清单
docs/agent-fundamentals.md,每条概念一页卡片,记自己的解释 + 一句反例。 - 每周至少 1 篇,节奏固定(周日写、周一发)。断更 = 这条优先级被超越。
2. 梳理关注的信息源,搭建”每日总结 + 推送”自动化流程
为什么是 #2: FDE 角色的核心能力之一是”对行业动向了然于胸”。完全靠手动刷 RSS / X / 即刻,既低效又会漏。自动化后,我每天花 10 分钟看摘要,有空再深读 — 注意力全花在判断上,不在采集上。
下一步动作:
- 第一步(今天): 在
docs/info-sources.md里列出我当前关注的所有源(X 列、blog 列、newsletter 列),每个源打 1-5 分(信息密度 × 时效性 × 与 FDE 的相关度)。 - 第二步(本周): 用 GitHub Actions + 一个 LLM 总结脚本,每天早上 8:00 拉取前 24h 的更新 → 总结成一篇 markdown → 通过 email / Telegram 推给我。
- 第三步: 把”我当前的关注点”也作为 input 喂给 LLM,让总结有方向,不是 RSS 摘要复读机。
3. 梳理我的人生信条
为什么是 #3: 一切决策的元规则集。没有这套东西,选职业、选项目、选人、选书都靠临场情绪,事后反复翻烧饼。FDE 这种”既要做技术又要做客户”的角色,价值观底子不硬会被客户带跑。
下一步动作:
- 写一版草稿到
docs/life-principles.md,格式: 一句话信条 + 一段”它在我哪个具体决策上发挥过作用”的反例。 - 第一轮先放 10-15 条,不要追求完备。信条的价值在”能用来反驳自己”,不在数量。
- 写完后,每季度拿真实决策回去对照:哪条信条是”挂墙上不用的”、哪条是”真正在用的”,把前者砍掉。
4. 构建 weread-wise
为什么是 #4: 微信读书里我已经读了 100+ 本,大量笔记躺在划线和想法里没被复用。FDE 的知识密度要求”读过的要能被调用”,而不是”读过的要能被回忆起读过”。weread-wise 是我的私人 RAG:把划线 + 想法结构化,让我能用关键词反查”我读过的谁说过什么”。
下一步动作:
- 本周: 跑通 weread 开放接口的本地拉取 → 把我的全部划线 + 想法 dump 到
data/weread/下的 jsonl。 - 下周: 写一个最小 CLI(
tools/weread-import.ts),支持增量拉取 + 按书归档。 - 第三周: 接一个本地 embedding + 简单关键词搜索的 query 工具,先不接 LLM,验证”反查”这条路真的有用再上重武器。
5. 100-minds 优化思维模型介绍水平
为什么是 #5: 100-minds 是我的副线项目(思维模型卡片集),但当前每张卡片的介绍质量参差不齐,有的像 wikipedia 摘抄、有的像我自己的话。FDE 输出的本质是”把抽象概念用客户场景能听懂的话重讲一遍” — 这正是 100-minds 在练的肌肉。
下一步动作:
- 本周: 从 100-minds 现有 ~120 个模型里,挑出我最常用的 10 个,每张卡重写介绍,标准: “一个完全外行读这段能听懂 80%”。
- 下周: 把这 10 张卡的”重写前后”对照放出来,沉淀一个
docs/mental-model-writing-checklist.md— 写介绍时的自检清单。 - 之后: 按这个清单,每月改 10 张卡,半年后全库翻新完。