思维工具包

费曼学习法

1. 选一个概念
2. 假装教给一个完全不懂的人
3. 卡住了 → 回去学
4. 简化、类比

你今天的知识库就是这个方法的最佳实践！
把复杂的 Agent/ML/架构 用简单语言写出来 = 费曼学习法

第一性原理

不类比、不跟风，回到最基本的事实重新推理。

"别人都用 Docker" → 第一性原理：
- 我需要什么？→ 隔离环境
- 有什么方案？→ .venv / Docker / 虚拟机
- 最轻量是什么？→ .venv（你的选择）

"大模型都要用 GPU" → 第一性原理：
- 我需要推理还是训练？→ 推理
- 我的场景是什么？→ API 调用即可
- 需要 GPU 吗？→ 不需要（你的选择）

决策矩阵

选 Offer：
        权重   OfferA  OfferB
薪资     30%    8       7
技术栈   25%    9       6
通勤     15%    7       9
成长     20%    6       8
团队     10%    8       7

加权分：
OfferA: 0.3×8+0.25×9+0.15×7+0.2×6+0.1×8 = 7.60
OfferB: 0.3×7+0.25×6+0.15×9+0.2×8+0.1×7 = 7.05
→ OfferA 胜出

六顶思考帽

白帽：事实和数据（客观）
红帽：直觉和感受（感性）
黑帽：风险和问题（谨慎）
黄帽：机会和价值（乐观）
绿帽：创意和可能（发散）
蓝帽：流程和控制（元思考）

做决策时轮流戴：
→ 避免只戴一顶帽子（只看到问题/只看到好处）

帕累托法则（80/20）

80% 的结果来自 20% 的原因。

今天的学习：
→ 80% 的价值在 8 个超级入口
→ 不是学得越多越好，是学对方向

代码优化：
→ 优化最慢的 20% 代码 → 80% 的性能提升
→ 不要优化不慢的代码

事前验尸

不是"这个项目会不会失败"
而是"假设项目已经失败了，为什么？"

提前想象失败 → 提前发现问题 → 提前规避