即刻App年轻人的同好社区
下载
App内打开
是关注大家的呀
7关注40被关注1夸夸
总有一个好即友，带我发现未知！
是关注大家的呀
2月前
是关注大家的呀
2月前

Roxane: 假期为了给朋友讲解Agent、Openclaw，挑了几篇经典教材，这里分享一下。 这几篇文章不管是质量还是易读性都相当不错，非常推荐还没读的朋友们阅读原文。 1️⃣我整理的一篇小短文，通过Agent+bash命令的例子，帮助还没接触过Agent的人理解，为何Agent模式比裸LLM优越：https://www.isrosa.com/article/why-bash-tools-are-essential-for-agents 2️⃣经典中的经典，Anthropic的《Building effective agents》：https://www.anthropic.com/engineering/building-effective-agents （这篇文章我认为最大也最持久的贡献就是统一了Agent与Workflow的定义） 3️⃣Coding Agent架构解析（热乎的，我非常喜欢的一位作者，Sebastian的技术科普）：https://www.isrosa.com/article/coding-agents-architecture 4️⃣Openclaw架构解析（作者基于官方文档整理的技术解读，非常易懂）：https://www.isrosa.com/article/for-openclaw-personal-ai-agent-architecture

00
是关注大家的呀
5月前

Mr.Cool: 当我终于稳定在网球2.5水平，有10个重要的心得，觉得可以分享下。 1.“不失误”就是最好的进攻。 2.5的比赛，80%的分数来自对手失误，而不是你的制胜分。能把球连续三次回过网，你已经在心理上赢了。 2. 脚步比手法重要一万倍。 大多数球打不好，不是因为挥拍不对，而是因为脚步没到位。提醒自己：用脚找球，用手打球，并且尽可能保持每一球都要垫步。 3. 放弃“一拍打死”的幻想。 这个阶段没有“Winner”（制胜分），只有“Error”（失误）。你的目标是建立回合，耐心等待那个又高又慢的机会球。 4. 学会“推挡”和“切球”。 别小看这项技术！当对方来球很快或你很被动时，降重心，像挡墙一样把球“推”或者切削回去。这是你最早的防守神技。 5. 发球，先从“扔”好球开始。 抛球不稳定，一切发球技术都是空谈。在家练抛球，目标是直上直下，落在你前方一尺的固定点。抛球练好，发球成功一半。 6. 双反比单反更靠谱。 如果你是初学者，果断选双反。它容错率高，借助身体转动更容易把球打深、打稳，是2.5阶段最可靠的武器。 7. 眼睛盯着球，击球更准！ 不是看着球的大概方向，而是尽可能看清球上的细节。你会发现击球准度瞬间提升。非常有用！ 8. 回球的第一战术：把球打向对手的反手位。 在2.5级别，绝大多数人的反手都比正手弱。不用追求角度，稳稳地把球送到对方反手区，你会看到奇迹。 9.“随挥”是你的安全带。 球拍不是打到球就停下，要自然地随挥到肩膀另一侧。这个动作能极大提升你的控制和球速，防止“戳球”。 10. 享受多拍相持的乐趣。 别为丢分懊恼。能和对手连续打5个回合以上，就应该在心里给自己鼓掌。稳定性和一致性，是你这个阶段最值得骄傲的勋章。 最后一句心态总结： 2.5是网球最有趣、进步最肉眼可见的阶段。你正在从“新手”变成“真正的玩家”。每一场比赛，目标不是输赢，而是比上一次多一次稳定的回合。 球场上见！

00
是关注大家的呀
5月前
mark适合创客的朋友们

鲁彼特: 外地朋友如果来深圳玩的话，我推荐就两个游玩主题：科技和海洋。 ​ ​关于科技，有以下选择： 1）​参观柴火创客工坊，手戳一次 AI 硬件 2）参观深圳科技馆，感受前沿科技成果（需预约） 3）参观 kickstarter 在中国的首家门店，有看中的产品，直接可以买 4）逛大学城（清华北大深大哈工大南方科技大），随机听一场学术讲座 5）体验自动驾驶，用小马智行小程序打车（主要覆盖区域：南山、宝安） 关于海洋，有以下选择： 1）深圳湾徒步，从太子湾一直走到人才公园，我觉得是近城海景最 chill 的一段 2）大小梅沙海滨栈道，有干净沙滩，地铁可达 3）挑战一下东西涌穿越线，感受山海交融（建议报团） 4）有时间的话还可以去南澳看海 5）去香港，麦理浩径二段徒步（需提前办好港澳通行证） 6）乘邮轮出海，过伶仃洋，看珠港澳大桥（世界最长跨海大桥） ​

00
是关注大家的呀
9月前
近门这个陈列非常不错！书店选品也非常不错。
00:06
01
是关注大家的呀
10月前

陆星野: 💻二本文科生零基础，靠AI实现5万行代码的露营小程序 一名普通二本文科生，物流管理专业，做了8年产品经理，无代码基础，buff叠满。 独立开发了露营小程序-心野（前后端分离，5万行代码量），这篇文章记录下开发过程的思考，希望能为有独立开发想法的朋友提供一些参考。 一、心野项目背景 心野介绍：心野是专注发现营地，选择装备的露营小程序，目标让大家露营更简单更方便。目前主要运营区域在北京，后续会扩展其他地区，欢迎有露营需求的朋友使用。 解决的问题：帮你快速发现宝藏营地，特别是很多免费营地，再也不用在各种帖子和群聊里的到处问了。后续会上线装备功能。 代码体量：心野小程序、心野管理后台、服务端加起来差不多5万行。代码行数从来不应该是项目的评价标准，用最少代码实现才是牛的。 时间投入：400-500个小时，每天下班2-3个小时，周末投入6-8小时。 二、 关于AI编程方法 1. 核心方法：使用AI生成最小单元任务。 最小单元任务：取决于AI大模型的代码能力边界和我们自身对代码的理解和控制程度。 随着大模型能力的进化和我们自身的成长，最小单元任务的范围是可以越来越大的。 我最开始的最小单元任务就是几行代码，多了看着就头大，就这么开始的。 2. AI编程模式 传统+AI辅助模式方式：在传统编程方式下，不断分解任务，使用AI生成最小单元任务，调试构建完整项目。 1) 这个方法新手上手成本过高，会有一段非常痛苦的新手期。但这种方式能更好使用传统编程范式的沉淀经验，不要完全用旧事物的角度去看待。 2) 我们如果需要对项目有更强的掌控力，要实现复杂需求和细节控制，建议使用此方式。 Vibe Coding（一句话生成） 1）上手门槛较低，能够快速生成一个基础可用的产品，适合小型项目。 2）这个方式问题在于代码精确性得不到控制，如果我们不了解底层细节，优化和修改花费的成本不亚于第一种方式。 一句话生成复杂项目的约束条件是：项目每一个功能文档描述清晰准确，同时大模型不发散。 三、产品和技术栈 1. 产品原型 使用Axure或Figma，心野因为是我自己设计，跳过原型阶段直接进入了UI设计。 原型是你想法的具象化，如果不是自己UI设计或者脑海里清楚主要细节，建议画一下原型，你想的越清晰，使用AI开发效率越快。 看了很多人喜欢让AI一句话生成原型，如果是公司工作因为各种原因可以这么做，但自己做产品一定要清楚要创造什么，核心细节有哪些。 2. UI设计：Figma，简单容易上手，建议可以学习下。英语不好的同学，去插件商店下载汉化插件（插件比较老，新功能没有汉化）。 3. 小程序端：微信小程序原生（WXML, WXSS, JavaScript）。没有使用Taro、Uniapp这些框架，原因是写出来的体验太差，如果是跨小程序平台项目可以考虑这些框架。 4. 管理后台：Vue3 +腾讯TD Design。 5. 服务端：使用的Python Flask框架 新手尽量不要选择Django，稳定和全面是优势，但大而全对于新手是灾难，上来一顿配置，最后发现使用的就一小部分。 虽然Flask使用到最后基本就是Django，但是从零开始构建与直接面对一个大而全是不一样的难度。 也可以选择FastAPI框架。 Go语言也是很好的选择，写法规范统一，性能强劲。 6. 服务器：腾讯云轻量服务器 配置：开发环境和线上环境各一台，2核8g，如果你的应用端不多，开发环境使用4GB内存基本够了。 操作系统：Debian，尽量避免选择CentOS（已停止维护主流版本更新）或云服务商自研，选择通用稳定的系统，比如Debian、Ubuntu。 7. 数据库：MySQL，单独购买价格比较贵，直接在服务器里自己配置的，为了数据安全，最好做备份。可视化数据库可以使用Navicat Lite，免费不需要破解。 8. 缓存：Redis，用于获取浏览数据，减少数据库读取压力。 9. 搜索：Meiliseacrh 选型原因： 没有使用ES主要是因为初期开发服务器配置较低（4GB内存），运行ES较为吃力。 资源充足的还是建议使用ES，Meilisearch的地理位置老出现缓存数据报错的问题（不排除个人水平问题）。 10. 图片存储：腾讯云对象存储（COS），用于存储项目图片。 11. Git和代码仓库 远程代码仓库：新手使用腾讯CODING，初期不建议使用Github，因为你经常会遇到同步代码失败的情况，加上英文界面不友好。 Git：新手使用Ugit图形化工具，熟悉了基本操作后，再逐步过渡到Git命令行。 12. 其他：SSL证书（使用免费的，三个月得手动换一次，还没学会怎么自动续期），Nginx反向代理。 四、关于AI大模型 1. 编程能力取决于AI大模型的能力，个人使用体感排名：Claude3.7>Claude3.5>Gemini2.5pro>GPT-4o=Gork>国产大模型（DeepSeek、豆包、元宝、千问） 2. Claude 3.7：目前最强的代码模型，没有之一。 3. Claude 3.5：开发过程使用的主力模型，中小型项目基本没有问题，前提是不降智的3.5，最近很多渠道的都强行降智了。 4. Gemini 2.5pro：用的相对比较少，注释特别啰嗦，经常给出无用的解决方案并且很固执坚持有用。 5. GPT-4o：项目初期使用的最多，大概10个问题里，总有2-3个它解决不了，Claude比例是10%左右，差距很明显。 6. Gork：代码解释的很详细，和4o一个水准线，Gork的文案写作能力很好，刚出来时免费额度抠抠搜搜，现在好像大方点了。 7. DeepSeek：v3没有体验过，可能会好一些吧，但是v2是国产里最弱的一个，你告诉他错了，他连字都不改的给你重复发相同方案，弄得你很没有脾气。 8. 豆包，元宝，千问：都一个水准线，国际友商解决不了的问题他们解决不了，国际友商能解决的问题他们也解决不了。 五、关于编程工具 1. 主力工具 免费各家对话工具大模型，没使用付费工具（反思为了省钱牺牲了效率） 条件允许的话付费工具，会大大的提升你的效率，最显著的提升是不用来回复制代码。 2. Cursor 免费体验过，因为小白阶段每个月要问上千次AI，Cursor的额度不够用。加上当时有免费的3.5使用，就没有进行付费体验。 现在cursor应该是断档领先其他编程工具，有条件有想法的建议使用。 3. Trae：使用海外版，后期主力使用，优点免费，最大缺点排大队。 Trae对大模型的编程优化效果一般，有时感觉还不如不优化。 Claude3.7 每人每天可以问10次左右，之后开始漫长的排大队。Claude 3.5 问一定次数后也需要排队，这是最不理解的地方，现在能免费或低成本用上Claude 3.5的渠道还是有的。 代码补全：自动补全带着不聪明的样子，不舒服交互，而且没有找到关闭的地方。 内存占用：运行2GB内存起步，导致无法远程在服务器上直接开发（中小开发者会有的需求），字节工程师人均1024GB运行内存的电脑，一点不懂平民阶层的痛苦，相比之下VSCode也就占用几百M的运行内存。字节的其他AI产品也普遍存在这个问题，占运行内存巨大。 产品策略问题：免费+严重排队的模式已经影响核心使用用户的体验，是时候推出订阅计划了。 还是万分感谢🙏字节的财大气粗。 4. 其他编程工具： 没深度用过，不乱做评价，但是插件类工具整体体验不如代码编辑器。 六、关于AI的问题 开发心野小程序遇到的主要问题如下 1. 上下文长度不足 复杂项目代码数量过多时，编程工具或大模型会为了节省token，只使用部分输入，产生低级错误。 解决方法是缩小任务范围，输入涉及的完整文件。 2. 重复无效方案 针对一个问题反复给之前已经被证明是错的或无效的解决方案，这时候，首先不能和他较劲，冷静下来，换个 AI模型 试试或者清除上下文，换个提问方法。 3. 不受控制发散，偏离主要问题 当你不懂代码时，无法聚焦问题，代码交给AI时，AI受限上下文长度和问题不精准，会偏离主要问题，去解决无关的问题，俗称跑偏。 4. 规则和提示词失效 网上有很多教你写复杂规则、高级提示词的帖子，实际用下来会发现大模型有时并不按照规则输出，提示词和规则要素过多时，大模型会忽视一些提示词和规则，忽略掉一部分。 此外大模型也在飞速进化，一些早期很高效的规则和提示词作用不那么明显了，甚至限制了大模型的发挥。 七、关于AI的使用经验 1. 多问 作为新手，最大的问题是不知道问什么、不知道该怎么问。因为我们不熟悉编程领域，无法准确专业描述我们要的效果。过来人经验对于小白基本没有用。这时候你能做的就是不要怕问错，多问。 编程工具次数限制一定程度上限制新手成长，限制数量会让我们下意识减少问为什么，只求一个能运行的结果。 2. 使用AI生成最小单元任务 单次提问最小单元任务，了解AI能力边际代码，一次性生成你能快速审查、理解和控制的代码任务。 目前不要指望AI一次性完成所有任务。除非你对产品质量要求不高或者快速验证想法。 3. 输入完整上下文 对于前后端分离的项目、代码结构比较复杂或者模块化程度比较高的项目，一定要给它提供足够而且相关的上下文信息。 4. 跟着AI学习代码 我们大多数非技术背景的小白，在项目刚开始的时候，肯定主要依赖AI生成代码。但不要一直Vibe Coding。一定要有意识的去理解AI生成的代码，学会审查代码。 达到懂代码标准：能够审查代码、理解其代码逻辑、识别常见的低级错误。如果能修改代码那就更好了。 懂代码能让我们精准地向AI下达指令，完成更好的产品。 到了项目后期，我们甚至会产生一种AI写的代码好像还不如我自己琢磨出来的靠谱的错觉，这是我们进步的体现。 最后，祝愿所有人都能实现自己产品的梦想，也欢迎大家使用心野小程序，给我们提出宝贵的建议。

00
是关注大家的呀
10月前

西里森森: 分享一个我最近刷到的AI在医疗领域非常有价值的案例。 前几天，浙江大学医学院附属第一医院和阿里巴巴达摩院发布了一个急诊AI模型，专门用来识别一种叫急性主动脉综合征的疾病。 这个病的名字如果你是第一次听的话可能不太熟悉，但它其实是急诊室里最让医生头疼的隐形杀手之一。 举个例子，假设一个人因为剧烈胸痛被送进急诊室，医生第一反应可能是心梗，毕竟心梗太常见了。 但如果这个人得的不是心梗，而是主动脉夹层呢？ 这两种病的症状几乎一模一样，但治疗方法却完全相反。 心梗是血管堵了，需要用药物疏通；主动脉夹层是血管撕裂了，如果用了抗凝药物，反而会加速血管破裂。 这就是急诊室里每天都在上演的生死博弈。 你可以把主动脉想象成人体内最重要的高速公路，负责把血液从心脏运送到全身各处。 急性主动脉综合征，就是这条高速公路的路面突然出现了裂缝。血液在高压下不断冲击裂缝，就像洪水冲击堤坝的裂口，如果不及时修补，整个堤坝都可能崩溃。 具体来说，这种疾病主要包括三种情况：主动脉夹层、主动脉壁内血肿和主动脉穿透性溃疡。 其中最凶险的A型主动脉夹层，被医生们称为血管里的定时炸弹。每过一个小时，死亡率就增加1%到2%。48小时内如果没有手术，死亡率高达50%！ 那为什么这个病会这么容易被误诊呢？ 假设凌晨三点，一个中年男性因为剧烈腹痛被送进急诊。他说自己有腰椎间盘突出的病史，现在腰部和腹部都很疼。 值夜班的医生已经连续工作了十几个小时，面对这样的症状，第一反应很可能是：腰椎间盘突出急性发作。 于是安排了平扫CT，片子显示确实有腰椎间盘突出，病人被当作腰椎病患者留院观察。 7个小时后，病情急剧恶化，再做各种检查，才发现是B型主动脉夹层。 但因为耽误了7个小时，他的下肢和双肾已经因为缺血出现了坏死。 这不是个案，根据浙大一院的统计，在13万名胸痛急诊患者中，有48.8%的AAS患者在初诊时被遗漏了。 对急诊医生来说，心梗病人见得太多了，主动脉夹层却相对少见。当看到胸痛症状时，大脑会自动调取最熟悉的诊断模式。 同理，主动脉覆盖范围太广了，从咽喉到尾椎，从腹部到背部，任何地方的疼痛都可能是它在作祟。 一个腹痛的病人，医生更容易想到胆囊结石或肠胃炎；一个背痛的病人，更容易被诊断为腰椎问题。 换句话说，就是这个病太会伪装了！ 那AI又是如何破解这个难题的呢？这就要说到达摩院团队的巧思了。 他们发现了一个关键信息：超过50%的胸痛患者在急诊时会做平扫CT。 注意，是平扫CT，不是造影CT。 这两者的区别在哪？ 造影CT需要注射造影剂，能清楚看到血管，但有过敏和损伤肾脏的风险，而且很多基层医院没有这个条件。平扫CT就像普通X光的升级版，便宜、快速、无创，县医院都能做。 传统观念认为，平扫CT看不清血管，对心血管疾病诊断价值不大。 但达摩院团队不这么想，他们用了三年时间，训练AI在平扫CT上识别主动脉的细微变化。 具体来说，AI会在几秒内完成三件事： 1. 自动勾画出主动脉和血管腔的轮廓 2. 判断血管壁有没有结构异常 3. 如果发现问题，立即向医生弹窗报警 这个过程就像给医生配了一个永不疲倦的助手，更重要的是，这个助手的视力超乎想象。 在对比实验中，低年资医生的诊断敏感性显著低于AI，即使是高年资医生，在AI辅助下诊断水平也有明显提升。 理论说得再好，关键还是要看实战效果。 团队把AI模型部署在上海一家三甲医院的胸痛中心，进行了两个月的临床测试。 在15584名胸痛患者中，AI精准识别出21例AAS患者，敏感性达到95.5%，特异性达到99.4%。 敏感性95.5%，意味着100个真正的AAS患者，AI能找出95个；特异性99.4%，意味着AI很少会冤枉正常人。 更关键的数据是时间，这21名患者从入院到确诊，平均只用了1.7小时。 而根据国际研究，欧美国家的中位确诊时间是4.3小时，平均缩短2.6小时，意味着死亡率降低了至少5%。 其中有个案例特别典型。 一个43岁的患者因为"上腹部钝痛12小时"入院，医生初步判断是胆囊结石，开了上腹部平扫CT。 就在这个节点，AI从CT影像中发现了主动脉夹层的征兆，立即报警。医生马上安排血管造影确诊，整个过程只用了1.6小时。 如果没有AI，这个患者很可能被当作胆囊结石收治，等到血管破裂才发现真相。 目前，浙江已经有10家医院部署了这个系统，包括浙大一院这样的顶级医院，也包括衢州市柯城区人民医院这样的基层医院。 这里有个细节特别值得关注，浙江推行医共体模式，意思是大医院和基层医院形成联盟，共享医疗资源。 很多乡镇卫生院虽然有CT机，但没有资深的影像科医生。 他们的做法是，病人在乡镇拍片，影像实时传输到上级医院，由那里的医生出报告。 这意味着什么？ 意味着部署在10家医院的AI，实际上通过医共体网络，覆盖到了数百家基层医疗机构。 一个农村的大爷，在家门口的卫生院拍个CT，就能享受到和大城市一样的AI诊断服务。 医疗AI的故事，本质上是关于时间的故事。 对AAS患者来说，每一分钟都在与死神赛跑，1.7小时和4.3小时的差别，可能就是生与死的距离。 对急诊医生来说，面对汹涌的患者，时间永远不够用。 对基层医院来说，培养一个能识别疑难杂症的医生，需要十年时间。 而AI改变的，就是这些时间尺度。 它让诊断从小时缩短到秒，让经验积累从十年压缩到瞬间，让先进技术从大城市扩散到乡镇只需要一根网线。 当然，AI也不是万能的，它不能代替医生的临床判断，不能安慰焦虑的家属，不能在手术台上挽救生命。 但它可以成为医生的第二双眼睛，在最容易被忽略的地方，发现最致命的危险。 技术普惠，或许就是这个意思：让每个生命，无论身在何处，都能被同等地珍视和守护。

00
是关注大家的呀
10月前
是关注大家的呀
11月前

孙建伟: 最近关于AI使用的几个感受。 1.工具不用使用太多或天天追赶新的，熟练掌握上一个批次产品的能力，充分挖掘到这个工具的最大潜力。直到你认为新工具当前已经有案例可以大幅超越之前你的工作方式的时候才建议使用。 2.AI编程的最佳入门是，HTML网页，HTML+js+大模型api，可以做出市面上任何内容生成、润色类的工具，教同事，0编程基础的人，1小时之内就能掌握制作入门级的工具。不是简单的小红书文案生成器。再其次是 油猴脚本，再其次是python代码，暂时先不要碰小程序和网站，坑太多，不是解决问题最快速的方式。造自己使用的工具，投入成本低，对个人产出大，如果为了满足更多人的使用，势必投入大量时间去覆盖边界问题，代码复杂度会大幅提升。 3.Agent的使用，不是对话式的，而是Sop式，使用Sop驱动Agent才能发挥这些通用型Agent的能力，不然就是任其自由发挥，结果非常不可控。这个和之前熟知的对话或提示词还不太一样。也可以让Agent执行任务后，将此次任务的Sop总结出来。 4.AI的使用，每个人都应该从对话式，走向自己造工具的方式。对话式是最基础的，知道模型能干嘛，在这个基础上使用通用型Agent解决更复杂的问题，或者替代一小步人的工作，然后使用自己造的工作流或agent解决高频、稳定输入的问题或事项，最终还是ai编程来造符合自己的工具，无论是爬取数据，分析数据，还是解决日常工作难题都是需要的。 5.AI最重要的使用，或者说对个人更高阶的使用是，通过它达到了未知的世界，就像DeepSeek的口号，探索未至之境，就像程序员用它来写SQL或者HTML，未必是对这个人最高阶的使用方式。但如果是一名文科生，用来写SQL或生成HTML，则会打开新世界的大门，也会成就感爆棚。

00
是关注大家的呀
11月前
我其实一直很困惑，年轻男女社交的边界。按描述反思自己确实这种关系没有处理好过且过往对于一个自己很重视的人有点“苛刻”对待了，越重视越“苛刻”。其实社交关系应该更松弛一些……

Good_vibes_only: 建议多和异性接触，不是让你去养鱼或玩多人暖昧，而是希望你在进入任何感情之前，先练习一种更自然、理性的异性交往方式。 不用对每个异性都产生情感幻想，而是先学会把对方当朋友，再谈是否存在进一步发展的可能。很多时候，你对异性评判过于苛刻，可能因为不自觉地把对方代入"未来伴侣"的角色，用恋爱的标准来审视对方。但放下这些设定，你会发现，异性也可以只是和你聊美剧的朋友、教你理财的生活能手、分享成长经历的职场前辈，或是一个保持适当距离，却能带来启发的人。 不是每段关系都要通向亲密， 也不是每个异性都必须是潜在对象。当你不再带着恋爱滤镜去认识一个异性，转而去关注"这个人是怎么过他的人生"的时候，你会发现每个人都是一个复杂而精彩的世界，不同经历造就了不同的生命叙事。有的人喋喋不休，令人烦躁，但你一旦问他自媒体是如何起号的，他能从写文案到选品逻辑给你捋一遍；有的人斤斤计较，却能告诉你如何买到最划算的机票，甚至提醒你哪天超市有大促销。 你不需要喜欢每个人。也不需要全盘认同他们的生活方式，你只需要提取你认为有用、有趣、重要的部分，剩下的，权当是信息交换的代价。在和不同异性交往的过程中，你会慢慢厘清哪种性格让你放松，哪种让你紧张，哪种表达方式你能接受，哪种你觉得不适。 有些看似位高权重的人只会说毫无意义的漂亮话；天天与你掏心掏肺的人可能只是分享欲的无处安放。更重要的是，那些"你原本不看好"的人，反而给了你成长的启发。每个人都有局限，也有闪光点，对方的局限也许会让你意识到自己的盲区，对方的闪光点也可能点燃你改变自己的动力。当你不再以"这个人有没有发展性缘关系的可能"作为社交的唯一逻辑，你才真正开始练习去识人、去了解自己适合哪种连接。 和异性社交，不是为了取悦谁、讨好谁，更不是为了谈个"改变命运"的恋爱，而是为了更真实、更广阔地感知世界，透过他人的经历和表达，拓宽对生活的理解，看到更多人生的机会和可能性。有些人也许只是生命中的过客，但他们曾带给你启发，足以让你长出新的思维回路。去和世界碰撞，你会发现，那些轻盈、自然、不带目的的连接，就是珍贵的成长土壤。

00