12 Oct 2025 34 min read weekly

DPS 周刊 206 - 闪回厦门

Photo by Brian Zhu / Unsplash

前阵子在厦门玩了几天，随手记录一下。

第一顿饭是上青本港海鲜，这家上了点评的黑珍珠榜。打电话过问能不能订位，答曰订位只有限定菜单，而且低消400。不订位可以在大堂吃，但可能需要排队。

反正住在边上，就走过去，刚好开店。其实订位吃的是 fine dining，大堂吃的都是自己在鱼缸前点菜。那当然跟着本地人在鱼缸前面点：

一例小份卤鹅（服务员劝说两个人小份就够了）
凉拌海蜇（分量非常大）
红蟳蒸米糕（正好是吃螃蟹的季节，满膏，下面的米糕类似于煲仔饭，但没有锅巴）
蛏子（尽管从小吃到大，第一次见到这么饱满的）
煎斑节虾（摆盘很有意思，两只虾正好是颗爱心）
炒地瓜叶（也是听服务员推荐点的）

海鲜非常新鲜，服务员也很克制，劝我们不要多点。最后买单405，感觉非常实惠。

第二天早上找到一家叫 Blues 的独立咖啡馆，有深浅两种 SOE 的豆子，请他们用深烘 SOE 做了一杯 dirty，浅烘 SOE 做了一杯美式。还不错，喝完还带了一包深烘的豆子回去。

然后赶去中山路八市一带转。到八市附近堵得不行，遂下车步行。兜兜转转，看到一家老字号的沙茶面，想看看和东南亚的有啥不同。

点了最简单的一份，18元，就是罗汉肉 + 豆腐 + 鱼丸。汤汁里面没有加椰浆，好像加了花生，没有东南亚的那么浓郁，恐怕这是最大的不同。查了下，罗汉肉应该是猪的横膈膜，瘦肉和筋膜分层，非常有嚼劲。鱼丸里面还嵌了猪肉，不像东南亚是纯鱼肉。

吃完走了两步，碰到一家卖水果的。有不少现切的，可以混拼，随便选了一些平常不怎么吃的，淋上酸梅汁，非常解腻。一大盒26元。

走到海边上的星巴克，占了四层，正好可以看到对面的鼓浪屿。于是跑进去点了一杯云南手冲，豆子还不错。

出来走回中山路，正好碰到黄则和，厦门的老字号，于是走进去点了厦门海鲜面，牡蛎煎和冰镇花生汤。

厦门海鲜面和东南亚流行的福建虾面很相似，看来福建虾面还是能找到源头的。牡蛎煎是现做的，一锅大概能出十份，等一锅大概五六分钟。硕大的牡蛎煎完之后，只剩小小一颗，倒是地瓜粉煎熟之后变成胶质，口感独特。冰镇花生汤加了西米露，和热的花生汤完全不一样，个人还是偏爱热的多一点。

第三天中午听当地朋友的推荐，要么宴遇，要么闽和南。跑去一看，两家贴在一起，看了下菜单，还是选了闽和南。

脆肚海鱼羹（除了鱼丸，猪肚，还有肉丸，都非常有质感）
小章鱼（上次在厦门街头吃这个，感觉像在嚼橡皮，这次体验不错，一是章鱼很嫩，没有很大味道，二是料汁很独特，酸里带辣，一下子把味道带起来了）
土笋冻（和上面一道一样，料汁比街头的更有特色。没有料汁真吃不下去）
姜母鸭（这道做得一般，鸭肉没有完全入味，可能还是街边的铺子做得好。优点是不太腻，可以全部吃完）
炒油麦菜（也是听服务员推荐的）
侨乡蒜蓉包 + 热花生汤（包子皮非常软嫩，有点像麻薯的质感，可能是用地瓜粉做的？热的花生汤果然好吃，这家的火候不错，花生炖酥了，但还没有散）

最后结账，360，也很实惠。

我们已经开通了微信支付和支付宝支付，如果你想及时读到 DPS 的全文，不妨直接付费订阅：

一键使用微信或者支付宝订阅 DPS

关于支付的详情介绍，可以访问这一页面。

Recap

Fred Rivett 认为：我们一层一层地构建自己，而最先奠下的那些深埋的层面，往往是我们最没有选择权的。

旧的信念会剥落，新的信念会取而代之。后来的层次有时能渗透得更深，一些新近的信念甚至能成为基石。
每一个小小的胜利都强化了前一个，使我逐渐远离过去的自己。
当认知失调站在你这边时，它是美妙的。只要健康的自我认知与行动不一致，它就会冒出来。
改变信念并不容易——无论是关于外部世界，还是关于内心世界的。
你的行动会追随你的自我信念。

Edwin Chen 曾在 Twitter、Google 和 Facebook 任职，摒弃了传统风投，七年前离开硅谷，选择用自己在大科技公司十年积蓄的几百万美元为 Surge 提供资金。

陈雇佣了一支超过一百万人的零工团队，来自五十多个国家，负责设计可能难倒 AI 的问题、评估模型的回答，并编写标准来帮助 AI 生成更完美的答案。
他指出，Surge 只有 250 名员工（包含全职、兼职和顾问），而其主要竞争对手 Scale AI 的员工人数是其四倍，但营收更低。
据陈介绍，公司几乎从第一天起就盈利，目前估值约为 240 亿美元。
Turing 的 CEO Jonathan Siddharth 表示：“数据是基础设施的重要组成部分，就像算力和能源一样。我认为企业在数据上的支出占算力支出的 10%-20% 是合理的。”
一些老牌企业（如澳大利亚的 Appen）也在重新定位，专注于生成式 AI，并向中国的模型厂商提供服务。

Robin Guo 认为生活更像是德扑，而不是国际象棋：

在德扑里，你即使打得完美也可能输，而有的人胡乱出牌却能把整桌人都赢光。
国际象棋假设了一个受控环境：信息完全透明，只有一个对手，结果可预测。
生活要混乱得多。它有多个玩家、隐藏的底牌、随时可能改变的规则，以及足以击垮技巧的运气。
一旦你开始用扑克的视角看待生活，就会发现大多数人其实在一个扑克的世界里用下象棋的思维在行动。难怪他们常常因“正确”的行动没有回报而沮丧。
扑克带来的最重要教训是：要以概率而非结果来思考。

Gabe Rivera 在20年前创立了 Techmeme：

Techmeme 是科技创始人、管理者、投资人、创新者、写作者以及各类意见领袖必看的新闻网站。
它通过唯一可能的方式实现这一点：作为一个_聚合器_，链接到关于科技重大事件的最佳报道，对它们进行排序，并融合最值得关注的社交媒体帖子与其他内容。
与 RSS 阅读器不同，Techmeme 并不是让你自定义的工具。所有人看到的都是同一个 Techmeme。
尽管科技、互联网和新闻发生了深刻的变化，Techmeme 却保持了令人惊讶的一致性。
虽然 2005 年的博客形态已经式微，但博主们和潜在的博主们依然在发表内容，只不过是在社交媒体、新闻简报，或者传统新闻媒体网站上的“博客”栏目里。

Scott Werner 建议我们要滑向冰球将要到达的位置，而不是它曾经在的位置：

他之所以伟大，并不是因为他预测了冰球的走向，而是因为他能滑到冰场上的任何位置，并保持随时接球的状态。预测只是滑行之后的附带结果。
你不会被 AI 取代。这种担心方向错了。你会被那些在你还在争论冰面是否真实时，就已经学会滑冰的人取代。
找到一家真正理解这一点的公司很重要。它会愿意花钱让你更快。它明白我们已经不再是在打传统的冰球赛。
冰球不会在乎你的经验。当你还在读这句话时，它已经从你身边飞驰而过。

Sean Goedecke 建议在设计软件系统时，做最简单而有效的事：

把时间花在深入理解当前系统上，然后做最简单有效的事。
然而，和许多技能一样，真正的掌握往往在于学会何时少做，而不是多做。
你真的可以用这种方式从零开始构建一个完整的应用：从最简单的事情开始，然后只在新的需求迫使你时才去扩展。
当你在看一个问题时，最先想到的几个解决方案往往不是最简单的。
找出最简单的解决方案需要考虑许多不同的做法。换句话说，这才是真正的工程。

姚雨顺认为 AI 的下半场已经到来 - 将从解决问题转向定义问题。在这个新时代里，评估比训练更为重要。

现在突然发生了什么不同？用三个词来概括：强化学习（RL）终于奏效了。更准确地说：RL 终于能够泛化了。
要在这一阶段中茁壮成长，我们需要及时转变心态与技能，更接近于产品经理的思维方式。
在 AI 的前半程，方法比任务更难、更令人兴奋。
方法往往比单个任务更通用、适用范围更广，这使它们尤为有价值。
一种出色的新方法可以在许多不同的基准上持续爬坡，因为它足够简单和通用，其影响往往超越单个任务。

Simon Willison 认为终于可以给 agent （大语言模型代理）下一个清晰的定义了：

agent 代理会在循环中运行工具以达成目标。
术语只有在你能够确定听的人对其定义一致时才有用。
“循环中运行工具”这个模型内置了一种基本的记忆形式：那些工具调用是作为与模型的对话的一部分构建的，而对话中的前一步骤为实现当前指定目标提供了必要的短期记忆。
因为有一个关键特性仍然是人类员工独有的：可问责性。人类能够为自己的行为承担责任，并从错误中学习。
有趣的是，人类也拥有自主性（agency）。他们能形成自己的目标与意图，并为实现这些目标自主行动——同时为这些决策承担责任。

Joan Westenberg 认为物理上的整洁并不总能解决心理上的烦躁：

早晨第一件事整理床铺可能会变成同样的逃避，一种被社会认可的分心行为，看起来很有美德，但在真正重要的地方没有任何改变。
下次醒来时，克制去碰被子的冲动。坐下来。直面自己的内心。
问自己：这个仪式让我专注当下，还是让我表演？如果答案是表演，就让床单保持凌乱，直到你完成真正的工作。
我们把生产力技巧和晨间习惯奉为神圣。但丑陋的真相是，如果这些仪式建立在未经审视的杂乱之上，它们什么意义也没有。
先清理头脑。让床铺等一等。

Josh Swords 认为探索就是尝试新事物；开发就是坚持已验证有效的做法：

优秀的学习者会先大量探索，等他们了解更多后，才能放心地去开发。如果跳过探索阶段，就会陷入困境。
AI 消除了挣扎。但挣扎才是关键。那才是你学会思考的方式。
AI 本可以帮助我们更多地探索，但它常常被用在过早的开发上。
这就是所谓的“开发陷阱”。你得到了一个答案，但代价是失去了寻找答案（甚至更好答案）所需的技能。
正确的平衡更像强化学习（RL）中的代理：先探索，再开发。

Joan Westenberg 认为我们积累的工具越多——应用、设备、平台、AI 助手——就越觉得自己能力丰富。但矛盾的是，每增加一层，我们似乎就变得更脆弱。

问题不是你不能重新学习这些东西——你可以。而是你不相信自己能做到。
纸面上，你是一个拥有十二套系统的生产力强者。实际上，一旦拿走这些应用，你就无所适从。
无害的外包和危险的依赖之间的界限是模糊的，但我们能感觉到自己何时越界。
你不是因为有趣才去做。你是为了证明自己依然能做。
罗马的衰落，被那些看似坚不可摧的体系所缓冲，直到它们不再坚不可摧。如果我们的衰落到来，也会被应用所缓冲。
我所知道的是，个人能动性就像货币，如果不断膨胀却没有储备，它的价值就会丧失。而如果你想要的是主权而不是依赖，你就必须捍卫它。

Scott Jenson 认为大语言模型事实上已经“黑入”了我们的社会协议，让人们误以为它们比实际更聪明：

他的职业生涯给了她两条应对不确定性的教训：第一，技术总是往下流动；第二，我们通常一开始走的都是错路。
早期工厂依赖河流获取水力，但发电机的出现让工厂摆脱了地理限制。
最初，工厂只有一个大型发电机，需要复杂的滑轮系统把动力传递到整栋建筑，这使得生产流程非常复杂。
随着发电机体积缩小、成本降低，工厂可以在多个位置安装发电机。这种变化比第一次更解放，因为它催生了装配线。动力开始适应生产流程，而不是流程去适应动力，从而带来生产力的巨大提升。
他用这一历史转变来类比 1980 年代末的情况：从笨重的中央主机到小型桌面电脑，正是同样的模式——由大而集中转向小而分布。如今 LLMs 也正在经历这一过程。