2025-W05-01
📅 本周概览
过年的一周，考研进度依旧为0，但是大概确定了以后的目标？打算暂时放一放445？算了还是有点犹豫，不过最近没有状态写445的时候还是学一学acm吧！感觉学了这么久计算机，总是东一榔头西一棒槌的，不系统，总有一种什么也没学会的感觉，好想感觉专精一门课啊。未来打算每天学两个小时acm（待定）
配了一下zotero，目前就装了个翻译插件和AI集成插件，感觉集中管理文献还挺方便，但是阅读体验还是不如现在的AI阅读器，豆包，通义之类的。
Terminal换成了Kitty，启动速度比iTerm快很多，用着还挺爽，就是有些东西太复杂了玩不明白，目前还不想把终端搞的那么花里胡哨。
尝试Mac下的平铺窗口管理器Aerospace
🎯 目标完成情况
周待办
- 改变作息，计划一周
计划
- 打算弄一个脚本或者网站？用于生成英语表达练习，大概想法是让ai自动生成一段日常对话（后续可能会考虑加上生成不同风格的对话类型，比如日常，正式，富有文采之类的），然后让用户自己用英文表达出来，输入给程序检查，程序会评判用户的文章，并给出更合适的答案。
- 整理微信联系人
- 算法学习（长期）
- 总结一下对硕士选择ai还是深造的疑惑
- 了解一下人工智能各个方向，看看对哪方面感兴趣
- 整合一下Obsidian模板仓库
- 为Obsidian增加一个日记概览页面，可以查看低效率高效率日的状态 ✅ 2025-02-16
复盘与规划
反思
在某天晚上折腾工具的时候突然意识到，在折腾的这种心流状态不就是我所追求的学习状态吗！但是我们在学习的时候我们就进入不了这种状态呢，于是提出以下思考。
关于折腾工具/工作流为什么更容易进入心流状态的思考。 感觉本质就是因为这些事情是短期内反馈大的。比如一个工具 可能折腾一晚就能看到成效。一个新工作流的初版可能也只需要几天时间来验证。相比较考研这种长期目标而言，这些事情的短期反馈是极其高的，所以要思考如何将长期目标转换成短期有反馈的任务
DeepSeek提出以下见解
一、为什么工具/工作流容易触发心流
-
闭环周期可视化
-
工具迭代具有天然的时间箱（Timeboxing）特征：安装插件→调试→测试→完成，每个环节都在3小时内形成完整闭环
-
对比考研复习的反馈周期：单词记忆→阅读训练→模考→实际考试，反馈链长达数月
-
-
成就密度差异
-
工具配置每小时可产生1-3个可感知的「啊哈时刻」（如成功运行脚本、界面美化生效）
-
语言学习前100小时可能只有词汇量增长的线性积累，缺乏突破性节点
-
二、神经奖励机制的解构
-
多巴胺分泌模式：
-
短期项目：即时反馈触发基底核的突发性多巴胺释放（类似老虎机机制）
-
长期目标：依赖前额叶皮层维持低剂量持续分泌，需要认知干预维持
-
-
进展可视化的神经学价值：
- 大脑岛叶对具象化进展的感知效率比抽象目标高47%（卡内基梅隆大学fMRI研究）
在与DS探讨的过程中，我发现了它频繁的提到了“三天评估”以及“熔断机制”，我觉得这值得我去思考一下。制定一个周期性的量化标准，以及学习效率下降时调整学习时长的熔断是我今后要思考的东西。
需要改进
作息&健身