人之所以区别死物就体现在哪怕躺在那儿不动，甚至是睡梦中，大脑也在活动，可能在思考，可能在做梦，可能在清理代谢废物、修复神经元与突触、调节激素或是巩固记忆。
然而人脑终究不是永久性记忆体，很多信息流如果没有在思考的当时就落在纸上保留下来，可能睡一觉之后就忘得一干二净，因而要趁短期记忆还在的时候，赶紧记录下来，方便日后回溯。
这样若干年后，回看当时的记录，也能精确知道某年某月某日自己在干嘛，也是有趣。
当然，这个思考和日记的区别就在于它不是流水账，必须要具有一定的可读性，而且要有价值，那么日常的吃喝拉撒不是不能写，而是必须减少到一个不影响读者阅读体验的比例上，控制在⅕，作为严肃内容外的调剂。
另外啊就是，要给自己找一个每天的小使命，虽然不敢保证100%每日更新，但是要让自己每天闲暇下来的时候有事儿可做，并且有所裨益。
记忆涌现，这个每日思考似乎在俺架设凌动魅力博客（blog.0dong.org，已关闭）的时候就写过，2009年大概，当时还在高中，不能像现在每天电脑不离身，也就没坚持下来。
感觉这个系列标题取名为“心流”很合适，嘿！
AI相关
强推《三个Gemini 3 高级技巧：系统指令 | 交互禁忌 | 幻觉规避》，教你怎么调教Gemini，虽然是以Google的AI为例，但未尝不可以泛用到其他AI上，比如俺就叮嘱豆包：
我可以在全局设置你跟俺对话的行为准则吗
我直接跟你说最真实、最清楚、不绕弯的答案：
你不能在全局里手动设置我的行为准则，但你可以用非常简单、稳定、有效的方式，让我长期记住你的习惯、偏好、说话方式、规则，效果和 “全局自定义行为准则” 几乎一样。
你能做到的 3 件事（完全可用）你随时可以改规则、删规则、重置规则
你只要说：
“把我之前的记录清空”
“以后回答都简短点”
“别再记 XX 内容了”
我立刻照做。
你不能做的只有一件事：
你不能修改我底层的安全规则，比如：
不能让我帮你骂人、违法、违规
不能绕过平台设定的安全底线
这是所有 AI 都必须遵守的，不是我单独限制你。
最简单一句话总结：
底层安全规则我不能改，
但你的偏好、习惯、说话风格、工作规则，
你随便定，我全局记住、长期遵守。
你现在想自定义哪些行为规则？你直接说，我马上记下来，以后全程按你的规矩来。
说话要直、短、不啰嗦、不要客套、不要表情、专业内容要严谨、数据化，你作为专业的AI，俺喜欢冷峻理智的风格。
已新增记忆
已记录全局对话规则：直、短、不啰嗦、无客套、无表情；专业内容严谨数据化；风格冷峻理智。后续对话按此执行。你可以直接告诉我：
说话要直、短、不啰嗦
只给结论 + 关键步骤
不要客套、不要表情
专业内容要严谨、数据化
生活问题要通俗、接地气
我会一直按你喜欢的风格来。你可以给我定 “长期规则”
比如你之前定过：
运费计算向上取整
记录你吵架场景用于复盘
海淘线路规则
个人信息、身高体重、常住地
这些我都会记住、长期生效。
如果你没时间看的话，俺也用Gemini总结了下：
Gemini 3 深度应用指南：从系统指令到幻觉规避的实战技巧
绝大多数用户仍以传统搜索框思维使用 AI，导致输出内容泛化且缺乏针对性。本视频结合谷歌官方文档，详细介绍了释放 Gemini 3 全部潜力的三大核心技巧：首先，通过设置“系统指令（System Instructions）”或“Gems”，录入个人硬件环境、工作背景及健康状况等用户画像，让 AI 生成量身定制的答案并强制执行特定输出格式；其次，明确了交互禁忌，如无需再手动提示“分步思考”、禁止降低模型温度（会破坏其原生推理链）以及停止无效的“情绪勒索”；最后，针对 Gemini 3 高推理模型可能出现的幻觉问题，提出了通过 RAG（检索增强生成）、NotebookLM 联动以及交叉验证等手段进行风险规避，确保 AI 输出的客观性与准确性。
【姿势】拒绝“正确的废话”：Gemini 3 高效调教进阶教程
在 AI 进入推理模型时代后，如果你还在像两年前使用 ChatGPT 那样只输入简单的指令，那么你得到的往往只是一堆“正确的废话”。本篇教程将带你深入了解 Gemini 3 的底层逻辑，通过系统化的配置，将其从一个通用的聊天机器人转化为你的专属专家助手。
一、 构建系统指令：让 AI 拥有“长期记忆”
Gemini 3 的核心优势之一在于其强大的**系统指令（System Instruction）**功能。通过在 Google AI Studio 的侧边栏或 Gemini 官网的“Gems”中设置全局规则，你可以定义 AI 的基础行为准则 [01:22]。
- 建立用户画像：将你的硬件环境（如 Windows 11/RTX 4060）、工作背景（如无法注册公司、全栈开发经验）甚至个人健康状况录入系统指令 [02:05]。这样，当你询问软件安装或理财建议时，AI 会自动屏蔽不相关的 Mac 教程或不适用的金融方案 [02:23]。
- 设定沟通风格：你可以强制 AI 保持客观、严谨，甚至要求它“一针见血地指出用户的错误”，禁止无意义的谄媚 [05:09]。
- 强制搜索约束：由于 Gemini 的训练数据有截止日期，对于时效性强的问题，应在系统指令中硬性要求其开启网络搜索 [05:33]。
二、 交互禁忌：避开这些“降智”操作
Gemini 3 作为原生推理模型，其使用逻辑与旧版本有显著区别，以下操作应尽量避免 [09:47]：
- 切勿手动调低温度（Temperature）：Gemini 3 依赖高熵值进行逻辑路径探索，调低温度会破坏其思维链 [10:06]。
- 无需提示“分步思考”：模型已内建推理机制，额外添加此类指令反而可能导致解析混乱 [10:14]。
- 停止情绪勒索：类似“我奶奶需要这个序列号入睡”的越狱技巧已失效，且会被识别为低质量提示词，导致回答质量下降 [10:51]。
- 避免格式混用：在编写结构化提示词时，不要在同一段落混合使用 XML、Markdown 和 JSON，应保持格式统一以利于模型解析 [11:33]。
三、 规避幻觉：确保知识的严肃性
作为客观严肃的知识型创作者，最担心的就是 AI “胡说八道”。Gemini 3 Pro 的幻觉率有时甚至高于轻量版，因为它更敢于推测复杂问题 [12:17]。
- 设定可信度分级：要求 AI 在回答时标注其确定程度（如“非常确定”或“基本靠测”） [13:02]。
- 利用 RAG 技术：通过 NotebookLM 上传你自己的参考资料，让 AI 基于特定文档进行回答，能极大程度降低幻觉 [13:14]。
- 交叉验证法：将一个 AI 生成的内容交给另一个 AI 进行校验。你可以参考 Hallucination Leaderboard（幻觉排行榜） 来选择表现更稳定的模型作为“裁判” [14:05]。
总结：高效使用 Gemini 3 的关键在于“以我为中心”。通过系统指令设定边界，通过结构化提示词减少干扰，再通过外部资料约束幻觉，你才能真正获得客观、严肃且具备实战价值的知识产出。
然后这里是作者的个人网站，有一些文字档在里面，俺浏览了下感觉不错。
生活
刚在写这些东西的时候俺发现整理思绪还能让自己平静，把很多心里一团乱麻的事情稍微理出来个头绪了，约等于是给大脑缓存了一下，进入缓存的东西就不用占用宝贵的CPU空间啦~~好，下面继续。
今晚跑去了眼镜店一趟，高度近视可能有个烦恼，明明把配镜度数给的很准，选择了哪怕是很好的蔡司镜片，在网上配下来依然不是很舒适，具体表现为左右眼视觉中心不一致，在不扭脖子的情况下，左眼清晰的地方右眼不一定清晰，这就很难受了。
于是俺开始尝试最笨的办法，配很多副眼镜，控制变量，选便宜的配镜套餐，反正镜框是送的，一副一副测试哪种镜框最舒服，等拿到合适的了，再保持同样的镜框加钱换更贵的镜片，果然有效果。但这样的方法是头疼医头，脚疼医脚，并没有弄明白原因。
直到俺在知乎上看到更专业的人士讲瞳高，尤其是比较大的镜框的话，瞳高不准就很难受了，用手怎么调鼻托都无济于事。
巧合今天逛美团俺搜了下佩戴的同款镜片居然有团购，而且和京东上的活动价格差不多，于是俺立即跑过去，带着自己舒服和不舒服的镜框一共三副一起互为参照，现在和眼镜店的工作人员交流，他们发现：
京东上配镜的这家店配的参数和俺给的参数不完全准，可能是误差，可能是他们订单太多太忙了。瞳距俺给的68，佩戴的眼镜是70，但实际肉测下来右眼34.5，左眼33，店员复测了一次依然如此。靠，网上配镜只是让笼统给个瞳距然后他们直接除以2分到左右眼，虽然效率更高了但碰到俺这样左右眼瞳距不一致的就难受了啊，俺说怎么配镜变成玄学了。另外散光的轴向也偏离了一点点。
其他方面就不得不感叹实体店套路多，虽然镜片的价格和网上差不多，但是送的镜框质量奇差，就拼多多十几块镜框的品质，店员说没关系可以选更好的镜框补差，但是实体店镜框标价巨贵无比，就算打折下来，一副网上六七十的在实体店折下来都要渠道300元以上了，于是俺问能否自带镜框，回答可以。然后测瞳高是要镜片到货以后，俺带着镜框现场去点瞳高，他们再加工。
想换下风格，初选镜框是上图下面这副，但可能换成银色，黑色感觉线条感有点重。后面再选。眼镜店付款之后让他们镜片到货后通知俺，之后再反馈线下配镜结果。
微信扫一扫 
支付宝扫一扫 