李继刚

该综述提出LLM进化下一阶段是摆脱token级思考枷锁，让模型在连续向量空间（latent space）中直接推理，实现更省、更准、更快的‘机器原生思考’。

电力具有同质性，而 token 具有异质性，这种差异导致 token 更易形成供给瓶颈。

AI 评估应关注问题是否被解决，而非 Token 消耗量或账单。

AI 时代可借助工具读出书籍背后的‘影子之书’，通过实时调用 AI 分析作者未言明的前提、反对观点与思想传承，实现深度阅读。

微信读书 skill 可以根据对话内容推荐章节阅读，提升阅读效率。

书籍选择如同训练数据，质量重于数量，影响思维结构。畅销书可能引入噪声，经典著作塑造深层认知。

AI 在广度上具有天然优势，能高效连接跨学科知识；而深度思考可能仍是人类的相对优势领域，未来人机协作将围绕这一维度展开。

提问的质量反映了个人的认知路径和思维深度，高质量的问题往往源于对系统性结构的洞察。

李继刚在X平台上发表了一篇关于AI生成内容的文章，他指出AI可以轻松生成详尽的长文甚至书籍，但这种内容的泛滥导致了人们对这类内容的生理抗拒。他不主张完全拒绝AI内容，而是希望人们在与AI交流后，能够结合自己的思考和整理，产出既有AI洞察又有人性化的综合表达。他认为这不仅仅是去除AI痕迹的问题，更是人机协作的态度问题。

LLM应用架构正分化为原子化技能包与组件化最佳实践两条路径，前者拆解个人能力供灵活调用，后者封装场景Workflow提升交付效率。

工程师李继刚分享高效备课流程：用AI构建思考框架（3小时），写Org-mode文稿（0.5小时），调用自研工具/ljg-present生成HTML（5分钟），总耗时仅3.5小时。

《弱传播》提出舆论世界与现实世界规则相反：现实稀缺资源是权力（集中、主流、理性），舆论稀缺资源是注意力（分散、异常、情绪），导致弱者更易在舆论中被放大。

AI 可通过媒介、梯度和创造三个角度提升儿童学习效果，具体方法包括多媒介教学、个性化题目生成和创造实践。

Minimax定理揭示有限双人零和博弈中双方最优策略的平衡点，但文章未深入技术应用或实践案例。

过度使用设计模板会导致审美疲劳，应注重内在独特性以保持美感。

通过自动化脚本消除复制粘贴的场景切换摩擦，提升工作效率。

近期全球科技领域看似平静，但AI模型公司的股价却出现非理性上涨，反映出市场对人工智能产业的强烈预期。

模型厂商陷入红皇后效应，必须持续创新以避免被淘汰。该观点通过推文形式提出，但缺乏技术细节和数据支撑。

李继刚在X上发布了一个新功能/ljg-classic，用于文言文逐字解读和章节释义，适用于《金刚经》等经典文本。

代码权限从只读转向只写，反映了开发者对代码可见性和协作态度的转变。

J-space 被提出作为 LLM 的白板，但文章缺乏具体技术细节和论证。

深度使用AI模型会潜移默化影响人的语言风格，类似「claude味儿」「deepseek味儿」，大脑神经网络对context高度敏感。

主题阅读有助于深入理解学科地图和视角，但文章缺乏具体方法和案例。

文章提出一个猜想：应建立一个服务，为AI agent提供所有书籍的markdown版本以供分析，而人类则使用PDF格式。

李继刚分享了个人技术技能清单，内容托管于 GitHub。

理解事物的本质在于找到其最短描述，这一观点虽具哲学启发性，但缺乏技术细节、实证或可操作方法，难以指导工程实践。

李继刚反思AI演进趋势：原先认为人类可保留‘Say Yes’（意志注入）与‘Say No’（审美否决）两项核心能力，如今判断二者亦可能被AI逐步接管。

该推文提出AI可突破传统认知边界，实现「一天一本书」式知识处理，但未说明技术路径、工具或实证效果，属启发式观点而非方法论输出。

该推文以哲学视角探讨人类认知差异，但缺乏技术深度与实用价值。

该推文提出技术泡沫是新技术进入旧世界时的基础设施铺垫方式，但缺乏具体技术细节和论证。