AI 飞轮效应初显

历经一周多的环境配置，我的 AI 飞轮终于搭建完成并初步通过了调试测试。

以下是我前天进行的简要复盘

一、本周成果

二、现存问题

从上述三个根本原因中获得了哪些启示？

先求完成再求完美

始于粗糙持续优化终获佳绩

从本地大模型摸索到云服务，可见我经历多少次调试失败，每晚下班后越是调不通越是不服输。

为何如此？因为内心有个声音在催促：你怎么还搞不定，快点跑通才能装上飞轮加速前行啊！

从本地转向云服务，就是想着先用免费方案跑通，再尝试付费服务。

结合这两周的經歷与此前的根因分析，我总结出以下感悟与大家分享：

在 AI 时代，完美主义和过度准备主义已不再适用。

AI 是一个极速迭代的时代，因此称之为飞轮效应十分恰当。

试想哪吒装上风火轮后的战力与速度😇

所以：更多的自我对话可以转变为

我又验证了该模型的局限，发现了此路径的 BUG 需调整新方向，这些弯路的尝试都是我下次调试的宝贵经验，我真棒😎

我们应当边使用边配置边迭代，这种迭代的系统思维与认知可应用于生活各处。每一天都未曾虚度。

每一次投入皆有产出，即便是阶段性的失败，也带来了迭代的成果。

AI 时代需要何种人才？跨领域复合型的 AI+ 是我目前体会到的答案。

今日的复盘应是：

周末成果：

实现了全流程验证的打通，聚焦分析了高价值场景，将单个场景从源头到分析、检查、输出、保存的整个闭环进行了迭代。

现存问题：

每次从事这些工作时我都极易进入心流状态，对时间流逝毫无察觉，一抬头发现已是凌晨一点多，清晨依旧照常五六点醒来并兴奋继续。

根因分析：

1、对兴趣的投入与渴望，忽视了身体的感受与信号。

2、自认此事具有高价值且意义非凡，因而热忱投入，不愿去做家务卫生等自视为“低价值”的琐事。

3、对 AI 效果隐含过高期待，可能导致受挫后落差感巨大。

下周改进计划

1、利用福格模型拆解分析设定最小目标，迭代当周计划，训练模型。

2、恢复早睡早起及力量训练计划，若未做到则暂停 AI 任务，做到后再启动。

3、分析价值事件策略，原有过于狭窄的价值策略需迭代优化。

4、高期待需通过每周落地执行来调整预期与心态，从每日执行和周复盘中再次调整检视。

总体而言，我觉得已达成了原有预期，通过迭代提升认知与能力确实带来了巨大的效率飞跃。接下来是将知与行结合，转化为实际行动与生产力💪加油