众所周知，大多数尝试学习编程的人都会失败，但除了过早放弃之外，这背后的原因是什么？ 在与新手编程者坐下来并试图教他们的过程中，我进行了分析： 编程难以学习，因为传统教育并没有教授理解编程思维过程所需的先决条件。 想想这个： 如果你不理解炉子的工作原理，你能按照食谱做菜吗？如果你不知道“量取2升水”或“将烤箱预热到200度”是什么意思呢？ 你能烤饼干吗？ 当然不能！ 如果你不知道如何操作厨房，那么你就无法按照食谱进行。 如果你非常坚定和有动力，你可以通过意志力学习如何跟随食谱——同时学习如何正确测量配料和设置烤箱温度，同时不把厨房烧着。 然而，同时学习两件或更多事情——而不知道自己在同时学习两件事情——会使整个学习过程变得极其困难。 我确定了四个关键领域，这些领域在编程中相当于“学习如何操作炉子”，然后再“学习如何跟随食谱”。 1. 预代数 2. 逻辑 3. 程序逻辑 4. 超严格语法 🧵

人们成功并不罕见，尽管他们可能是： - 傲慢 - 不稳定 - 情商低 - 不特别聪明 - 无组织 - 不健康的生活方式 - 健康问题（那些你无能为力的） 但拥有以下特征的人成功则极为罕见： - 懒惰 - 没有雄心 - 专注于自我娱乐 - 只考虑今天或许明天 - 坚持自我限制的信念 如果你正在尝试“修复自己”，第二个列表中的项目优先级更高。 （感谢保罗·格雷厄姆引入这个对比）

我在寻找一位具备以下条件的开发者： - 必须能够在提供品牌指南和现有文案的情况下进行UI / UX设计 - 必须熟悉php - 必须在亚洲工作 - 必须使用过Selenium / Playwright进行网站测试（或者用于抢购演唱会门票/运动鞋，我不在乎，但你必须使用过这个技术栈）。 - 六天工作周 - 已经在工作流程中使用AI。如果页面设计非常明确，你应该能够在同一天内完成。 具体的“工作经验年限”并不重要，但上述要求是必须的，而不是在工作中学习的内容。如果你符合这些条件，请私信我。我无法对上述任何一点做出例外——我真的很抱歉。

至少应该有一个你非常深入理解的学科。 那些没有达到这一点的人并不知道什么是“深刻理解”。他们认为“理解”一个学科意味着消费了该主题上最受欢迎的内容。 一旦你深入理解一个学科，你就可以将这种经验重新应用于深入学习另一个学科。 如果你对一个学科有深入的了解，学习其他主题到浅中等水平就很容易——但如果你对多个学科的了解都很浅，你就不知道如何深入学习一个学科。 此外，人类相对于人工智能的主要优势在于能够对一个学科进行深入理解——人工智能对所有事物的理解都很浅，但在细节上却很挣扎。

这总是能让我面带微笑。

I’m having the legendary @Jeyffre on THE NETWORK PODCAST this Friday. What should I ask him? Respond with a comment below this post!

让我提醒你第56次，做一个“见猴子做，跟着猴子做”的程序员是无法取得成功的。 你应该真正学习计算机科学的基础。 计算机科学中的真正创新在几十年前就停止了。 我们今天看到的“创新”只是重新排列已经存在的事物，加上更好的硬件和更快的网络。 （这并不是对今天创新者的侮辱，真正的创新在这个十年里需要技能，就像几十年前一样）。 你保持“跟上”最新变化的方法是学习基础知识。 - Rust 基本上是 C++ 和函数式编程的混合体。 - AI 只是计算机图形学、线性代数和一点微积分。 - 区块链只是具有拜占庭容错要求的分布式计算。 - SVM、EVM、CairoVM 等只是冯·诺依曼架构的变体，稍作修改。 - ZK 编程（Circom、Halo2 等）仅仅是逻辑编程的一个表亲。 - ZK 本身使用的数学和密码学算法已经存在很长时间了。 如果你在努力跟上，那并不是因为你学习得不够快，而是因为你不理解我们今天所称的“计算机科学”所构成的基础。 比喻来说，如果你只能把冷冻披萨放进微波炉，你最终会被取代。如果你知道面粉、酵母、奶酪等是如何相互作用的，那么即使原料的可用性发生变化，你也可以成为一名真正的厨师并进行调整。

我一直在积极思考的一个问题是 “你如何教一个人写作？” 我正在考虑使用人工智能来学习编程，但如果人工智能是你的写作指导，它只能在你的写作真的很糟糕时帮助你。 一些没有特定顺序的想法： 1) 直接的指导非常有效，如果能够持续多年。那些为我工作了那么久的作家让我惊讶，他们的写作能力真是太棒了，而我们唯一的互动就是我给他们关于如何改进文章的反馈。这比我想象的要有效得多。最终，他们会培养出一种识别低劣写作（即使是微妙的）的第二天性，这真是令人惊叹。 然而，这并不是一个可扩展的模式。 2) 良好的写作在早期需要大量的练习。写作就像跑步。如果你是初学者，“努力工作”和“聪明工作”之间并没有什么区别。如果你超重并开始跑步，你会看到结果。“聪明工作”只有在你接近你的基因极限时才重要（大多数人并没有达到这个极限）。 如果你是企业主，你可以通过用书面汇报代替站立会议，自动提高员工的写作技能，然后在更新不清晰时对写作给予反馈。好的一点是，人们对他们所做的工作是专家，因此他们只需练习表达即可。 对于初学者来说，写作的数量是唯一真正重要的。 3) 大多数人词汇量不足。考虑这个类比： 即使你从未“使用”数学，你仍然应该学习它。即使你从未“使用”递归或数据结构与算法，你仍然应该学习它们。它们训练你如何将一个大问题分解成更小的问题，这基本上就是你作为工程师的工作。 对于作家来说，你的工作也是将一个更大的想法分解成更小的想法。由于单词是思想的不可分割单位，你需要对它们有良好的理解。如果你能清楚地表达以下区别： - “暗示”和“含义” - “概括”和“抽象” - “前瞻性”和“预测” - “插值”和“归纳” 那么你就自动在训练自己精确表达思想——这就是写作的全部意义。

我觉得教育是多么糟糕，即使是在大学里。 1) 你坐在讲座上，老师重复同样的话已经不知道多少遍了。他或她可能没有特殊效果或动画来更清晰地传达概念（也就是说，视觉模式被削弱了）。老师可能根本就不优秀。 2) 课堂进度是千篇一律的。 3) 几个小时后，甚至几天后，你开始做作业。这是在你忘记了课堂上学到的所有东西之后——假设你在课堂上学到了什么。 4) 你可能在作业上作弊，实际上什么也没学到。 如果我设计一所学校，每个学生都会坐在桌面电脑前（互联网接入被切断或极其有限），并运行一个软件，提供小块的课程和几个练习来进行练习。 监考人员会在周围走动，以确保学生专注。 没有人会把作业带回家。当你完成时，就结束了。 我实在无法理解为什么我们还在使用400年前的教学策略，就好像科技自那时以来没有变化一样。 我明白这种策略并不适用于每个学科（尤其是写作），但很多学科，甚至是人文学科，都可以以这种方式教授。 此外，电脑将运行Arch Linux。 因为我这么说。

我 Jeff 最大的贡献是他用完美的开场序列确定了 ZK 教育：集合、组、场、同态、配对。 这一点不容小觑;绝对改变游戏规则。 我作为一个拥有 2 个定量硕士学位的纯数学毕业生这么说。这个解锁是一个巨大的加速因素。 如果没有正确的排序，我可能需要一年而不是两周的时间。 没有其他人像这样简化它;所有 ZK 资源现在都引用了此解锁。