Timothy修改

2026-07-14 06:19:17

学算法的时候，老师教给我们的都是正经算法：冒泡排序、快速排序、归并排序……它们勤勤恳恳，复杂度明明白白，面试的时候还要手写。但互联网是个神奇的地方，程序员们闲下来之后，创造出了一堆完全不正经、但又莫名符合某种哲学的排序算法。它们有的靠睡觉，有的靠喝酒，有的靠打响指，还有的直接消灭问题本身。

今天就来盘点一下这些广为流传的Meme排序算法。

友情提示：以下算法请勿用于生产环境，否则后果自负。

Stalin Sort（斯大林排序）

先从最著名的开始。斯大林排序的核心思想非常简单粗暴：遍历数组，凡是不服从秩序（乱序）的元素，直接清除。

一趟遍历下来，剩下的元素必然是有序的。时间复杂度 O(n)，比快速排序还快，代价是——数据没了。

1
2
3
4
5
6
7
8
9
10
11

def stalin_sort(arr):
    if not arr:
        return arr
    result = [arr[0]]
    for x in arr[1:]:
        if x >= result[-1]:
            result.append(x)
        # 否则,这个元素就"消失"了,没有人见过它
    return result

print(stalin_sort([1, 5, 3, 8, 2, 9]))  # [1, 5, 8, 9]

你看，数组确实有序了，只是3和2再也没有出现过。有人问起，就说它们去西伯利亚出差了。

这个算法告诉我们一个深刻的道理：解决不了问题，就解决提出问题的元素。

Bogo Sort（醉汉排序）

Bogo Sort，也叫猴子排序、醉汉排序。它的思路完美还原了一个醉汉整理扑克牌的过程：把牌全部抛向空中，捡起来，看看有没有序。没有？再来一次。

1
2
3
4
5
6

import random

def bogo_sort(arr):
    while arr != sorted(arr):
        random.shuffle(arr)
    return arr

平均时间复杂度 O(n × n!)，最坏情况是无穷大——理论上你可能洗到宇宙热寂都洗不出有序的序列。但是它也有最好情况：O(n)，一次就中。所以每次运行Bogo Sort，本质上是在测试自己今天的运气。

有人拿它排序过10个元素，等了几分钟；有人拿它排序过20个元素，据说现在还在等。

Sleep Sort（睡眠排序）

这是我个人认为最有灵性的一个，最早出自4chan论坛。思路是：为每个数字开一个线程，数字是几，就睡几秒，睡醒了就输出自己。

小的数字先睡醒，大的数字后睡醒，输出顺序自然就是从小到大。排序这件事，就这样外包给了操作系统的调度器。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

import threading
import time

def sleep_sort(arr):
    result = []

    def worker(n):
        time.sleep(n)
        result.append(n)

    threads = [threading.Thread(target=worker, args=(n,)) for n in arr]
    for t in threads:
        t.start()
    for t in threads:
        t.join()
    return result

print(sleep_sort([3, 1, 4, 1, 5, 2]))  # [1, 1, 2, 3, 4, 5]

时间复杂度是多少？O(max(arr))——取决于数组里最大的数。排序 [1, 2, 3] 只要3秒，排序 [1, 2, 86400] 需要一天。如果数组里有负数，那就更刺激了：你需要一台时光机。

它可能是唯一一个复杂度不用 n 表示的排序算法，堪称算法界的行为艺术。

Thanos Sort（灭霸排序）

灭霸排序，出自那个著名的响指。算法流程：检查数组是否有序。无序？打个响指，随机消灭一半元素。重复，直到有序为止。

1
2
3
4
5
6
7
8
9
10

import random

def thanos_sort(arr):
    while arr != sorted(arr):
        # 完美平衡,一如既往
        arr = random.sample(arr, len(arr) // 2)
    return arr

print(thanos_sort([5, 3, 8, 1, 9, 2, 7, 4]))
# 可能输出 [3, 7],也可能输出 [8],全看缘分

和斯大林排序师出同门，都属于”毁灭派”，但灭霸排序更讲究一些——人家至少是随机的、公平的，而且嘴上还挂着”完美平衡”。最坏情况下数组只剩一个元素，但一个元素的数组必然有序，所以这个算法保证收敛。你看，牺牲一半，换取宇宙的秩序，这买卖多划算。

Communism Sort（共产主义排序）

无序的根源是什么？是元素之间的差异。有大有小，才有乱序。共产主义排序从根本上解决了这个问题：让所有元素相等。

1
2
3
4
5
6
7

def communism_sort(arr):
    if not arr:
        return arr
    average = sum(arr) // len(arr)
    return [average] * len(arr)

print(communism_sort([5, 3, 8, 1, 9]))  # [5, 5, 5, 5, 5]

时间复杂度 O(n)，空间复杂度 O(n)，稳定性极佳——毕竟大家都一样，谁也别想不稳定。排序后的数组不仅有序，而且是升序、降序同时成立，这是快速排序一辈子也做不到的事情。

没有差异，就没有乱序。从今天起，数组里没有大数和小数，只有平均数。

Capitalism Sort（资本主义排序）

与之对应的是资本主义排序：它不改变任何元素的值，而是让大的更大、排得更前，小的往后稍稍。 等等，这不就是普通的降序排序吗？

不，资本主义排序的精髓在于马太效应——每一轮迭代，大的元素还会从小的元素那里再吸走一点：

1
2
3
4
5
6
7
8
9
10
11

def capitalism_sort(arr):
    arr = sorted(arr, reverse=True)  # 先富起来的排前面
    for i in range(len(arr) - 1):
        # 头部元素从尾部元素吸走10%的财富
        tax = arr[-1] * 0.1
        arr[0] += tax
        arr[-1] -= tax
    return arr

print(capitalism_sort([5, 3, 8, 1, 9]))
# [10.62, 8, 5, 3, 0.38] —— 富者愈富,贫者愈贫

排序结束后，数组确实有序了，而且比排序前”更有序”——第一名遥遥领先，最后一名趋近于零。有人说这个算法不公平，但支持者反驳：每个元素都有机会成为第一个元素，只要它出生的时候足够大。

附赠几个冷门选手

盘点完六大门派，再附赠几个同样很有灵性的：

Quantum Bogo Sort（量子Bogo排序）：随机打乱数组，检查是否有序。如果无序，就销毁这个宇宙。根据平行宇宙理论，总有一个宇宙里的数组一次就洗对了，而幸存下来的你恰好就在那个宇宙里。时间复杂度 O(n)，副作用是绝大多数宇宙的毁灭。

Miracle Sort（奇迹排序）：检查数组是否有序。无序？什么都不做，过一会儿再检查。理论依据是宇宙射线可能翻转内存中的比特位，只要等得够久，数组总有一天会”自己变得有序”。这是唯一一个把希望完全寄托于奇迹的算法，适合佛系程序员。

1
2
3
4

def miracle_sort(arr):
    while arr != sorted(arr):
        pass  # 心诚则灵
    return arr

Intelligent Design Sort（智能设计排序）：这个数组恰好是当前这个排列的概率只有 1/n!，概率如此之低，说明这绝非偶然——这一定是造物主精心安排的顺序。谁是我们凡人，胆敢质疑造物主的排列？因此，数组已经有序了，直接返回。时间复杂度 O(1)，信仰复杂度 O(∞)。

写在最后

盘点下来你会发现，这些Meme算法其实各有各的”哲学”：斯大林排序消灭异见，灭霸排序牺牲一半，共产主义排序抹平差异，资本主义排序放大差异，Bogo排序把命运交给随机，Miracle排序把命运交给上天。

笑归笑，这些算法其实是很好的反面教材：Sleep Sort能让你理解线程调度，Bogo Sort是讲期望复杂度的绝佳例子，Stalin Sort稍微改一改就是求最长递增子序列的引子。所以下次面试官让你手写快排的时候，不妨先反问一句：”您希望是斯大林版本的还是灭霸版本的？”

最后，如果面试挂了，别说你读过这篇blog。

2026-05-28 07:12:11

上一篇写《第一性原理》的时候，顺手提了一句费曼技巧，本来打算就这么过去了。但合上书之后，那个名字一直留在脑子里。正好书架上还躺着一本《费曼思考法：像学习高手一样思考》，干脆接着翻完。两本书放在一起读，反而有种意外的呼应——第一性原理是把复杂的东西一路拆到底；费曼学习法则是反过来，把拆开的东西重新讲清楚。

所以这篇就当作上一篇的延续，再谈一次费曼。

费曼这个人，先于费曼学习法

很多讲费曼学习法的书，开篇就是”四步走”。这本书不一样，前面用了好几章去讲费曼这个人。读完之后我也明白了作者为什么这么安排——如果不先理解费曼为什么会用这种方式去学东西，”四步走”就只是又一套方法论而已。

最打动我的是费曼父亲的那段。书里写到，老费曼带儿子去散步，从来不告诉他鸟叫什么名字，而是告诉他这只鸟在做什么，为什么这么做。书里有这么一句：

“这个故事深深地烙印在费曼的脑海里，成为他一生区分’知道事物的名称’和’真正理解事物’的根本原则。”

我当时顺手在微信读书里写下了一句想法：”动手实践的重要性”。其实更准确的说法是——警惕名词带来的虚假理解。在我们这个习惯了术语和黑话的行业里，这一点尤其值得提醒自己。每次脑子里冒出”这不就是 XX 模式吗”的时候，多半就是停止思考的开始。

老费曼还告诉小费曼：

“绝对不要仅仅因为某个人地位显赫或者某本书上是这么写的，就轻易相信其所言。”

这条原则后来贯穿了费曼的整个学术生涯。书里把它叫做”健康的怀疑精神”，我自己更愿意把它理解成一种独立思考的底气：你不需要先于权威，但你得有自己亲自去验证的能力。

不带功利目的的好奇心

费曼能在物理、生物、画画、桑巴鼓、保险柜密码学这些八竿子打不着的领域里跳来跳去，背后真正的引擎，其实不是聪明，而是好奇心，而且是不带功利目的的那种好奇心。

书里有一段我读了好几遍：

“他向我们展示了，一个人的心智可以达到何等自由的境界——既能深入到亚原子世界的精微，又能享受敲击桑巴鼓的奔放；既能与爱因斯坦探讨宇宙的奥秘，又能饶有兴致地研究蚂蚁的行为。”

这种心智自由，背后是一种近乎孩童的状态。作者用了”严肃的玩耍”这个词来形容它，我觉得抓得很准。”玩耍”听起来不正经，但它的核心特征恰恰是：过程本身就是目的，没有明确的功利性目标，对失败也没什么恐惧。当一件事不必非要”有用”的时候，你才有真正的余裕去把它学透。

这也是为什么费曼能在不同领域间快速建立连接。书里说得很直接：

“不同领域的知识和技能，其底层的思维模式往往是相通的。通过在不同领域间’玩耍’，他得以从多个视角来审视同一个思维工具，使其变得更加灵活和普适。”

四步走，看似简单，实则不易

讲完费曼这个人，再回头看那四个步骤，就不那么像方法论了，更像是一种习惯。

第一步：选择概念 (Select a Concept)

拿一张白纸，在最上面写下你想搞懂的那个概念的名字。

听起来简单到没什么好说的，但书里有句话戳到了我：

“一张白纸象征着你对这个概念的未知状态，而写在顶端的那个词，就是你承诺要用知识去填满这片空白的目标。”

这一步真正的意义，不是”选概念”，而是承诺——你愿意把这个东西从模糊的”好像知道”，搬到清晰的”我要把它讲明白”的位置上来。听起来有点矫情，但实际操作过的人都知道，光是肯坐下来写下那个词，已经筛掉了大部分”想学但没学”的状态。

第二步：教学解释 (Teach it to a Child)

用一个孩子也能听懂的方式，把它讲出来或者写出来，不许用任何行话和术语。

这一步是整套方法的灵魂。书里反复强调一句话：

“如果你无法用简单的语言解释一件事，那就代表你并未真正理解它。”

那么”孩子”在哪里找？书里给出了一个挺有意思的答案：

“你的’学生’可以是一个对该领域一无所知的朋友或家人，甚至可以是你房间里的一盆植物、一个枕头，或者就是空无一人的前方。”

我在微信读书里写下了一条想法：”可以把豆包或者 GPT 当成学生”。其实何止豆包，2026 年的今天，AI 已经是非常合格的”装作什么都不懂的学生”了。让 ChatGPT 或者 Claude 扮演一个零基础的小白，然后你向它解释一个概念，它会不停地追问”为什么”和”那这个是什么意思”。这种被迫一遍遍用大白话回答的过程，正好是费曼想要的那个效果。技术变了，方法本身没变，反而比费曼那个年代更顺手。

第三步：查漏补缺 (Review and Refine)

讲着讲着，你一定会在某个地方卡住。可能是想不起来怎么往下接，可能是不得不退回去用术语糊弄，可能是讲完连自己都觉得别扭。

书里把这种时刻形容得很美：

“这些卡壳、含糊、依赖行话的地方就像知识地图上的一个个黑洞，精确地标示出了你尚未真正理解的区域。”

我当时在微信读书里只写下了几个字：”知识的盲区”。这一步真正反人性的地方在于：你必须愿意承认自己不懂。在我们的教育和职场文化里，承认”不懂”是要付出社交成本的，所以大部分人在公开场合宁可含糊过去，也不肯说”这里我没搞清楚”。

而费曼学习法的高明之处在于，它把这件事拉回到一个绝对私密的空间——只有你和那张纸。在那个空间里，承认无知不再是一件丢脸的事情，而是一件能帮你升级的事情。书里有一句话我很喜欢：

“当你能够坦然地对自己说’哦，原来这个地方我没搞懂’，并且立刻采取行动去解决它时，你的学习就已经进入了一个良性循环。”

第四步：回顾简化 (Organize and Simplify)

回到资料里把缺口补上之后，再来一次。把你的解释整合起来，剔掉那些复杂、冗余的语言，提炼出最精炼的版本。

这里要小心一个误解：简化不是把内容删掉。书里说得很清楚：

“一个真正好的简化不是信息的丢失，而是信息密度的极大提升。”

到这一步，那张原本空白的纸上，写下的就不再是从外部抄来的内容，而是经过你自己的大脑过滤、重组、压缩之后的版本。这种版本会成为长期记忆里一个坚固的锚点，是别人讲一百遍都给不了你的东西。

一些额外的延伸

四步走只是骨架，这本书后面几章的几个延伸观点，反而是我最喜欢的部分。

知识的诅咒

“所谓知识的诅咒指的是当我们自己知道某件事后，就很难想象当自己还不知道这件事时的情景。”

这一段读得我心里一紧。回想以前在公司里写技术文档、做新人 onboarding 的时候，写完自己看一遍觉得很清楚，结果新来的同事还是看得云里雾里。当时只觉得”是不是写得还不够细”，现在才明白——是我自己已经丢失了”不懂”那个视角。费曼学习法逼你重新回到初学者的位置，本质上就是在主动打破这道诅咒。

建一座属于自己的知识大厦

书里推荐为每一个想深入掌握的概念，专门开一个”费曼笔记页面”。我立刻在微信读书里写下了想法：”可以用 Obsidian”。

我自己在 Obsidian 里已经维护了好几年的笔记，但用法一直比较随意，更多是剪报式的摘抄。读到这里之后，我打算调整一下做法：每一个概念页面都从”我自己的最简解释”开始写，而不是从别人的定义开始抄。让笔记成为思考的产物，而不是收藏的产物。

书里有一段我觉得是整本书最有画面感的：

“当你需要使用某部分知识时，你不再需要在瓦砾堆中费力翻找，而是可以从容地走进相应的房间，清晰地看到它的全貌和它与其他房间的连接。”

这才是知识真正能”伴随你一生”的形态。

怀疑，是创造力的原动力

“费曼的怀疑精神并非一种消极的、愤世嫉俗的否定，而是一种积极的、富有创造力的原动力。怀疑，催生出问题；问题，引导着探索；探索，最终通向发现。”

这句话和我读《第一性原理》时画下的”识别假设”那一段，几乎是同一个意思。区别在于，第一性原理把怀疑当作工具，费曼把怀疑当作生活方式。

写在后面

读完这本书，最大的感受不是”我学到了一套方法”，而是”我被提醒了一件事”。

费曼学习法本身没有那么神秘。说穿了就是：用大白话讲一遍，讲不通就回去补，补完再讲一遍。难的从来不是流程，而是这背后的那种心态——愿意承认自己不懂、愿意把已经”装懂”的部分推翻重来、愿意花时间去打磨一个其实没人会检查的解释。

书的最后一章，作者总结了三句话，挑出来抄在这里收尾：

首先，真知的唯一试金石是”简单”。

其次，学习的本质是”主动”。

最后，思考的动力是”乐趣”。

第三句最容易被忽略，但可能也是最重要的。回到开头说的那个”不带功利目的的好奇心”——一切费曼式的学习方法，最终都建立在”这件事本身很有意思”这个底座上。少了这个底座，方法再精巧也走不远。

所以，与其急着挑一个概念开始走”四步法”，不如先问自己一句：最近还有什么事情，是你愿意单纯因为有意思就花时间去搞懂的？

如果一时答不上来，倒也不用焦虑。先把这个问题留在那儿，慢慢留意。

2026-05-27 07:03:36

最近这一两年，”第一性原理”这四个字被反复提及，被马斯克和他的追随者讲了太多遍，以至于我对它产生了一种说不清楚的距离感。在拿起这本《半小时讲透第一性原理》之前，并没有太多期待，只是想从一个尽量平和的视角，重新去看一下这个已经被讲了无数次的概念。

读完之后，倒是有几处让我停了下来。

最早被戳到的是这句：”任何复杂事物的背后，都有一些不可再分解的基本事实。找到它们，你就找到了理解整件事的钥匙。”道理我并不是第一次听到，但放在那个章节里，反而显得朴素。它没有把第一性原理包装成方法论，只是说，事情都有一个底——是否愿意去摸到那个底，是另一回事。

我顺手在前言那里写了三个字：”小马过河”。这是想提醒自己，听别人讲水深水浅都不算数，要自己淌一次。读完整本书才发现，这本书反复在讲的东西，其实就是这件事。

三步法的简洁，与它真正的难处

书里给出的核心框架很简单：识别假设 → 追问到底 → 重新构建。

第一次看到的时候，我并没有觉得新奇。类似的三步结构，在很多管理类或方法论类的书里都能见到。直到后来，我把它放进自己的工作里试了一下。

当时正在修改公司里一段运行了五年的老逻辑，大家默认它是”对的”，因为它一直就是这样。如果按照惯性继续修，最多也就是修修补补。后来我把”它必须这样”这条假设拎出来重新审视，并问自己”今天从零开始我会怎么写”，才意识到这段逻辑当年只是为了兼容一个已经下线两年的服务。

这次小小的实践让我明白，三步法本身并不难，难的是允许自己去怀疑那些”大家都默认对的”事情。在一个组织里待久了，人会本能地觉得既存的就是合理的。这种惯性，比方法论本身更难对付。

书里另一句话也让我反复读了几遍：”如果你对一个领域完全不了解，你很难识别哪些是假设、哪些是基本事实。”这其实是给第一性原理踩了一脚刹车。不懂物理的人没法从第一性原理出发设计火箭，这是常识。但在日常思考里，很容易忽略这一点，拿着这把刀在不熟悉的领域里乱挥，结果反而把自己绕进去。

几个被这本书切开的”基本事实”

这本书最有意思的部分，是它用第一性原理这把刀，切开了几个生活中很常见、但很少有人切到底的问题。

• 关于学习，书里说大脑不擅长存储孤立的信息，它擅长建立连接。所以费曼技巧之所以管用，并不是因为”教别人是最好的学习”这种鸡汤，而是因为解释这件事本身，就在强迫大脑建立连接。这个角度让我重新理解了写技术博客这件事——越是写不出来的部分，越说明自己没有真正搞懂。

• 关于锻炼，书里说人体需要的是规律的身体压力刺激，至于跑步、跳舞还是搬砖，并没有那么重要，重要的是强度、频率和持续性。这一段让我对自己过去花在”哪种运动最适合我”上的那些纠结，多少有些释然。也许真正缺的不是答案，而是别停下来。

• 关于育儿，书里抛出了一个反问：”你为孩子做的每一件事，到底是在满足孩子的成长需求，还是在缓解自己的焦虑？”这一句让我停得最久。它让我想起小时候父母逼我学的那些东西，有多少是为我，有多少是为他们自己心安。这话并不是想去怪谁，作为 Asian Parents 文化里长大的一员，我也清楚，轮到自己的时候，多半也会犯同样的问题。第一性原理在这里不再是工具，更像一面镜子。

工作那一章，读得有些慢

书里说工作的本质是”用你的能力为他人创造价值，然后获得回报”。这句话没错，但放在 2026 年来看，读起来还是有一些复杂的感受。

现在的工作里，价值常常会在中间层被稀释。一个人创造了价值，但拿走价值的人未必是自己；能力在持续提升，但所在的赛道可能在持续贬值。仅靠这一句话，确实没办法把职业这件事想得很清楚。也许是我自己想得偏复杂，又或者还没有到能这样干净去思考的阶段。

不过书里另一句让我愿意停下来抄一遍：”我的客户或用户的哪些需求是永恒的？然后把 80% 的精力集中在满足这些永恒需求上。”这个角度比”创造价值”具体得多，至少把”做什么”和”为谁做”分开了。读到马斯克那一段的时候，我顺手写了一句”拼夕夕也是这么玩的”——拼多多抓住的就是”东西便宜”这条永恒需求，过程并不漂亮，但它确实跑出来了。这算不算严格意义上的第一性原理，我并不确定，但这本书让我开始这样去拆解事情。

AI 时代那一章里的一句话

本来对 AI 那一章并没有抱什么期待，毕竟这个话题在 2026 年已经被反复讨论。结果作者抛出了一句让我记住的话：”人类做方向盘，AI 做发动机。”

这句话很有画面感。它提醒我，与其和 AI 比较谁算得快，不如多问一句”我能不能定义一个 AI 暂时算不出来的问题”。顺着这个方向去想，第一性原理这套思维方式在 AI 时代反而显得更重要——不是它本身变厉害了，而是”定义问题”这一步，目前 AI 还接不太住。

当然，心里也留了一些疑问。定义问题这件事，本身或许也会被工具一点点蚕食，只是现在还没到那一步。所以这句话今天听起来是对的，五年之后是否依然成立，我并没有把握，先记下来再说。

五个习惯里，先挑两个试

书的后半段给出了”练习第一性原理的五个习惯”。一次都做到并不现实，所以挑了两个门槛最低的来试。

第一个是每个月读一本专业之外的书，然后问自己”这个领域的第一性原理是什么”。这个习惯门槛不高，但能让我跳出自己平时的舒适区。并不指望每次都能问出答案，能把问题问出来本身就已经是一种进步。

第二个是”Day1 心态”——永远像第一天一样思考。这句话最早是贝索斯说的，作者借了过来，看来字节跳动也借用了过来。我喜欢它，不是因为它鸡血，而是因为它承认了一个事实：组织和个人都会僵化，僵化不是道德问题，是物理规律。要对抗它，需要主动的动作，不能指望自己自然清醒。

结语前的几句话

书最后给了三个问题：

1. 我关于这件事的假设是什么？
2. 剥掉这些假设后，最底层的事实是什么？
3. 基于这些事实，最好的方案是什么？

对我来说，这三个问题大概是这本书最想留下的东西。前面那些章节、案例和习惯，更像是把读者慢慢领到愿意问这几句的状态。我自己也是读到后半段，才真正有这个心气去问。

合上书的时候，并没有什么醍醐灌顶的感觉，可能本来也不该指望一本书能带来这样的东西。只是接下来的几天里，开会、写代码、和同事讨论方案的时候，我会多停两秒，先把第一个问题问出来——“我现在的假设是什么？”

很多时候，答案让我有些尴尬：原来连自己在假设什么都没有意识到。能让我意识到这一点，对我而言，已经是这本书带来的一份不小的收获。

2026-01-01 03:10:24

Kodaline 是我喜欢了很多年的一个乐队，2023年的7月，我还有幸在新加坡现场听了他们的演出。可惜的是今年，他们宣布了一个令人遗憾的消息：乐队将于2025年10月解散，结束他们长达13年的音乐旅程。这个消息让我感到既惋惜又感慨，仿佛一个时代的终结。在2025的最后一天，我想用Kodaline的一首歌《Saving Grace》来作为我2025年的总结。

工作

入职新公司已经一年半了，回顾这一年多的时间，工作内容逐渐从最初的适应和学习，转变为更多的独立负责项目和推动技术落地。作为团队中唯一的中国同事，我也逐渐融入了多元文化的工作环境，学会了如何在跨文化团队中有效沟通与协作。

二月初，之前公司招来的两个实习生顺利完成了实习期，回到学校继续学业。作为mentor，能够见证他们的成长，也是我职业生涯中的一大收获。

四月，第一次参加了公司组织的迷你马拉松活动。虽然只是短短5公里的距离，但是跑完之后的自助大餐才是最令人期待的，跟同事们一起吃吃喝喝也是挺开心的。

六月，报名并参加了公司内部的Innovation Week活动，像其他同事展示了我们组正在进行的项目，并分享了一些技术心得。

其实整个上半年，工作节奏都比较紧凑，业余时间还准备了两门AWS的认证考试: AWS Certified Machine Learning Specialty 和 AWS Certified Developer Associate。

下半年经历了一次系统迁移，从旧的基础设施到新的公司内部计算平台，和英国的团队开会沟通了多次，终于在年底前顺利完成了迁移工作。过程虽然充满挑战，但也让我学到了和跨团队协作的经验。

除此之外，今年还和组内同事一起提交了两篇patent申请，这不仅提升了团队的技术积累，也为公司的知识产权贡献了一份力量。

阅读

今年的阅读量有所减少，因为上半年都在备考AWS认证，下半年才有多一些空余时间，但依然坚持读完了18本书。阅读内容涵盖了技术书籍、文学作品，个人传记和投资理财等多个领域。

比较喜欢的书目包括：

• 《追风筝的人》
• 《复利人生》
• 《芯片浪潮》
• 《算法图解》
• 《微积分的力量》
• 《Unix传奇：历史与回忆》
• 《第一性原理》
• 《从0到1：开启商业与未来的秘密》
• 《黄仁勋：英伟达之芯》
• 《赤裸裸的统计学》

演唱会

今年三月，有幸现场观看了邓紫棋的个人演唱会，这是我第一次听她现场唱歌，声音非常有穿透力，现场氛围也很棒。当然，我也是为了那首最喜欢的歌曲：《天空没有极限》特地去的。

旅行

今年的旅行计划主要集中在下半年，为了更好地利用那无处安放的24天年假，我安排了几次不同的旅行。

八月，回了一趟成都和老家探亲，顺便和朋友们聚会，吃了很多家乡的美食。

十月，和朋友一起去了熊野古道徒步旅行，感受了千年古道的历史与自然风光。还顺道去了沿途的几个地方，比如新宫市、那智瀑布和纪伊胜浦，然后又顺道而上去了大阪，奈良，体验了日本的传统文化和自然美景。

熊野古道是日本一条历史悠久的朝圣之路，连接着熊野三山（熊野本宫大社、熊野速玉大社和熊野那智大社）。整个古道徒步花了大概三天的时间，其中会经历很多不同的地形，有山路、石阶、森林小径以及苔原地带等，沿途还能看到一些古老的寺庙和神社，感受到浓厚的历史氛围。这条千年古道不仅是朝圣之路，更是一段与自然和历史对话的旅程。

纪伊胜浦的海上鸟居和海景也是一大亮点，站在海边看着远处的鸟居，感受到一种宁静与庄严的氛围。金枪鱼市场则是美食爱好者的天堂，早上围观完市场的金枪鱼拍卖过后，食客们就可以直接涌向旁边的餐厅品尝新鲜的金枪鱼大餐，比如现烤的金枪鱼头，肥美的刺身和寿司，绝对让人回味无穷。

奈良的鹿群和若草山也是不可错过的景点。与这些温顺的鹿近距离接触，感受到人与自然和谐共处的美好。而若草山的日落景色更是令人难忘，夕阳洒在山坡上，映照出一片金黄，美不胜收。

十二月初，去了东北的长白山滑雪，体验了冰雪世界的魅力，找教练学了两个学时的课程，双板算是入门了。回来的时候还顺道去了哈尔滨，感受了冰城的独特风情。

十二月下旬，发觉年假还剩几天，去了旅行清单上的另外一个目的地：马六甲。马六甲的历史街区充满了殖民时期的建筑和文化遗迹，漫步在古老的街道上，仿佛穿越回了几个世纪前。荷兰红屋、圣保罗教堂和鸡场街等地标性建筑，都让我对这座城市的历史有了更深的了解。

投资理财

今年在投资理财方面，比起去年更加注重风险管理。在美股市场上，我继续持有一些优质的科技股，重点关注公司的基本面和长期增长潜力，而不是短期的市场波动。今年的市场波动较大，尤其年初，整个持仓收益还是负的。不过随着时间的推移，到年底时，整体收益回升到了正数。

今年操作最多的还是期权交易，主要是通过卖出Put和Covered Call来获取额外的收益。通过这种方式，不仅增加了现金流，还能在市场下跌时降低持仓成本。另外，增持了一部分特斯拉的股票，还用一小部分资金尝试买入了PLTR，RKLB和英伟达的看涨期权，算是赌一把未来的科技发展趋势。

得益于读到了《复利人生》这本书，我更加理解了复利的力量和长期投资的重要性。从明年开始，我计划调整资产配置，考虑将部分资金投入到指数基金并进行长期定投，以实现更稳健的长期增长。

被动收入

今年在被动收入方面也有一些新的尝试。继续运营已有项目，并通过Google广告和联盟营销获得了一些额外的收入。另外，给一个长期维护的个人项目加入了支付购买高级功能的选项，吸引到了一些用户付费使用。随着Vibe Coding的兴起，年底在Codex的帮助下又上线了两个新的小项目，已经吸引了一些流量，正在打算把流量转化为收入来源，继续扩充我的 Kopi Fund

购物

趁着年底的双十一和黑色星期五，买了一些愿望清单上的东西：

• Herman Miller的Aeron椅子，公司同款，坐起来确实舒服

• 入手了一台Breville的咖啡机，这台海盐白是我第一眼就看上的颜色，终于在打折季下手了，现在每天早上都能喝到一杯现磨咖啡，感觉一天的精神都来了。还顺便能练习一下拉花技术。

• 另外还买了文石的彩色电子书阅读器，这样可以把日常通勤的时间和睡觉前的时间都用来阅读电子书了。

展望2026

展望2026年，希望在工作中继续提升自己的技术能力和项目管理经验，争取承担更多的责任和挑战。同时，我也计划继续保持阅读的习惯，拓宽自己的知识面，尤其是在技术和投资理财方面。

投资方面，计划调整资产配置，增加指数基金的比例，并继续利用期权策略来提升收益。希望通过持续学习和实践，能够在投资理财上取得更好的成绩。

被动收入方面，计划继续优化现有项目，并尝试开发新的项目，探索更多的收入来源。

关于旅行，希望能探索更多不同的文化和风景，在西班牙也有一条和日本熊野古道类似的朝圣之路——圣地亚哥朝圣之路（Camino de Santiago），如果一切条件具备，计划在明年尝试走一走，体验一下这条历史悠久的徒步路线，同时完成双朝圣认证。

2025-07-27 23:27:35

距离我上次分享 AWS 机器学习专业认证 (MLS-C01) 的经验，转眼已过去了三个月有余。这次我决定选取另一个目标——AWS Certified Developer Associate (DVA-C02)认证。

你可能会好奇，机器学习和开发，听起来是两个不同的领域。其实不然！在 AWS 上，无论是部署机器学习模型，还是构建任何应用程序，都离不开扎实的开发和部署功底。我希望通过 DVA-C02这个认证，进一步夯实我在 AWS 上的实践能力。

DVA-C02：和 MLS-C01 有什么不同？

这次 DVA-C02 考试给我带来的最大感受，就是它与 MLS-C01 的定位差异。

如果说 MLS-C01 是一次深入特定领域的“__专精__”，它要求你对机器学习的各个环节（从数据准备、模型训练、调优到部署和监控）有深入而细致的理解，涉及大量服务细节和高级概念。

那么 DVA-C02 则更像是一次“__广度__”的拓展。它侧重于开发者在 AWS 上构建、部署和调试应用程序时会用到的核心服务和最佳实践。考试范围涵盖了 Lambda、API Gateway、DynamoDB、容器服务（ECS/EKS/Fargate）、消息队列（SQS/SNS）、CI/CD 工具链（CodeCommit、CodeBuild、CodeDeploy、CodePipeline）以及重要的安全和监控服务。

简单来说：

MLS-C01 考的是你“__懂不懂机器学习怎么在 AWS 上落地__”，题目难度更高，更强调理论与实践结合的深度。

DVA-C02 考的则是你“__能不能在 AWS 上高效地开发和部署应用__”，它要求你对常用服务的实际应用场景、集成方式和开发流程有全面的掌握。

它们是互补的，而不是替代的关系。对我而言，通过 DVA-C02 认证，进一步强化了我在 AWS 云上作为开发者所需的实战技能，让我的云知识体系更加完善。

备考之路

我的备考时间线大致如下：

• 6月初：开始关注 DVA-C02 认证，了解考试大纲和主要服务。
• 6月中旬：在 Udemy 上找到一门高评分的 DVA-C02 课程，开始系统学习。
• 6月底：完成课程学习，开始做题练习。
• 7月上旬和中旬：预约考试时间，集中复习和模拟考试。
• 7月下旬：参加考试并顺利通过。

在线课程学习

我选择了 Udemy 上 Stephane Maarek的 DVA-C02 课程，这门课程内容全面，涵盖了考试大纲中的所有核心服务和概念。课程通过实际案例和实验室演示，帮助我理解每个服务的实际应用场景和最佳实践。

刷题经验

在完成课程后，我开始集中刷题。主要来源包括：

• Udemy 课程附带的样题
• 网上找到的额外练习题

这些练习题可以帮助识别知识盲点，并熟悉考试格式和问题风格。每次做错的题目，注意仔细分析错误原因，并查找相关资料进行补充学习。另外可以利用 AI 工具来帮助理解一些陌生的概念，有不懂的知识点就多问 AI，让它帮你解释和举例，省去了很多时间。

预约与参加考试

考试我选择了线下的 Pearson VUE 考试中心，预约过程非常顺利。考试就预约在7月下旬的一个周末。考完提交后，大概只等到了晚上就收到了通过的邮件通知。

• 级别： Associate
• 时长： 130 分钟（2小时10分钟）
• 费用： 150 美元 (公司出钱)
• 题目数量： 65 道题目
• 通过分数： 720 分（满分 1000 分）

最后的最后，希望这些碎碎念能带给你些许启发。如果你也在备考 DVA-C02，或者只是想提升自己的 AWS 开发能力，真心建议：多动手，多复盘，多思考服务如何在真实场景中协作落地。See you in the cloud!

2025-04-19 00:53:23

最近通过了 AWS Certified Machine Learning – Specialty 认证，再此分享一下我的备考经验和考试心得，希望能帮助到正在准备这项认证的朋友们。

时间线和准备方法

我的认证之旅从三月初开始，当时在 Udemy 上寻找相关课程。还好有公司的商业版Udemy订阅，可以免费学所有课程。利用周间下班的时间和周末的一些时间，到三月中下旬，我已经完成了课程学习并开始做习题练习。然后我随即预约了三月底的考试，这给了我一个集中的准备窗口。

在线课程学习

Udemy 的课程为理解 AWS 机器学习生态系统提供了坚实的基础。课程涵盖了重要的服务，如 SageMaker、Comprehend、Rekognition 和 AWS与机器学习相关的各种服务，以及基本的机器学习概念和最佳实践。实践实验室对于获得这些服务的实际操作经验特别有帮助。

刷题经验

看过Sample Question后，你才会发现，只看视频课程是远远不够的。完成课程后，我专注于从两个主要来源练习题目：

• Udemy 课程附带的样题
• 网上找到的额外练习题

这些练习题对于识别知识盲点和需要额外学习的领域非常有价值。它们也帮助我熟悉了考试格式和问题风格。另外，对于做错的题目，我会仔细分析错误原因，并在网上查找相关资料进行补充学习。另外，AI工具也可以帮助你理解一些陌生的概念，有不懂的知识点就多问AI，让它帮你解释和举例，省去了很多时间。

预约与参加考试

考试我倾向于选择线下的，预约了一家离我家较近的 Pearson VUE 考试中心。考试中心的工作人员非常友好，整个过程都很顺利。

• 级别： Specialty
• 时长： 180 分钟（3 小时）
• 费用： 300 美元 (还好是公司出钱)

考试的题目是多选题和单选题的组合，涵盖了 AWS 机器学习的各个方面，包括模型训练、数据处理、部署和监控等。考试的题目有时会很复杂，涉及到多个 AWS 服务的组合使用。题目通常会给出一个场景描述，然后要求你选择最合适的解决方案或服务。

值得注意的是，考试题目是全英文的，所以需要一定的英语阅读能力。考试时，考生需要在 3 小时内完成 65 道题目，这意味着每道题目的平均时间大约是 2 分钟。虽然时间看似充足，但有些题目需要仔细阅读和分析，所以时间管理非常重要。

考试总分为 1000 分，750 分及以上为通过。

在考试注册网站上有一个小福利，如果你的母语不是英语，可以申请额外的 30 分钟时间。

考试心得

考试本身有几个挑战：

1. 许多题目都有冗长的场景描述，需要仔细阅读以识别关键信息
2. 一些多选题很有技巧性，需要密切关注细节
3. 时间管理至关重要：3小时起初看似充足，但复杂题目需要大量阅读时间
4. 考试总时长3小时，对于体力和注意力都是一个挑战

有效的应对策略：

1. 对于冗长的题目，先集中精力识别关键需求和约束条件，然后再查看答案选项
2. 对于具有挑战性的问题，使用了”标记”功能，稍后再回来处理
3. 对于多选题，先仔细排除明显不正确的答案
4. 预留至少20-30分钟的时间进行最终复查已标记的问题

查询成绩

完成考试后，并不会直接展示成绩，官方承诺会在48小时内通知成绩。其实就在考试过后的第二天，就收到了邮件通知，成绩已经更新到AWS Certification Account上了。登录后查看成绩，750分以上就算通过了。随后，收到了 AWS 认证的电子证书和徽章，可以在 LinkedIn 和其他社交平台上展示。

最后，得感谢公司免费的学习资源和认证机会，也感谢 Udemy 的课程帮助我顺利通过考试。希望我的经验能对正在备考的朋友们有所帮助！祝大家都能顺利通过认证，取得好成绩！