又一年过去了，回看去年对 2024 年的期望，还是有些些小失望的。过去一年不能说没有努力，但感觉并没有太多的进步，成就感甚微。在焦虑（想进步）和松弛（降低预期）中来回摇摆。生活上比以往更加知足与感恩，更多地去发掘平凡生活中的幸福感，也算是一种平衡吧。
这段时间我也一直在思考新一年的计划。AI 的发展很快，快得让人焦虑，有无数的人投入进来，每段时间就会有新东西出来。就现在这个阶段而言，自己想从量变实现质变，时间和精力是最大的瓶颈。我不仅需要汲取理论知识查漏补缺，同时需要及时跟进新的进展，还需要在实践上做更多的投入。如果还是和过去那样，仅靠每天抽空闲碎片时间或者周末投入一些时间，是远远不够的，并且这样也会让自己身心疲惫，最终的结局可能就是无效努力。
对我来说，日常最占用时间的几项如下：
- 重复劳动/体力活：在我能力范围之内，但仍需要花费比较多时间去完成的事项。比如，做方案、写代码、读代码等等。二八原则：80% 的时间占用，对自己的提升可能到不了 20%。
- 新知识的学习：
- 知识的检索：了解新概念，包括关键点 & 知识之间的关联。同样二八原则：花费时间检索的 80% 都是无效信息，最终大概就 20% 的信息是关键信息。
- 知识的理解：深入理解新概念，原理、实现等等。仅有 20% 的时间投入，但自己的 80% 以上提升来自于此。
写代码的话，llm 已经能给予不少的帮助，但如果在稍微一些复杂的场景下，例如在使用一些新的库、或者库涉及多版本且不兼容时，大模型的幻觉还是会导致较重的体力活。另外，今年在 notion 上写笔记的时间少了很多，因为知识的整理 & 检索 & 汇总真的很耗时，利用 llm 做了个读论文的简单工具，稍微提了点效率。但依然不够，我需要更高效的知识涉入&管理的方式来释放自己的时间。
所以，新的一年的关键字是提效：提高效率，实现指数级的进步。去年实践了 llm agent 和 rag，目前最大的感受，现阶段的 llm 还不是银弹，如果想完完全全解放人工，我个人觉得（在当下）还是得靠 agent + rag + 人机交互的方式。我会在 1 月份先开始探索更高效的知识检索 & 管理的方式，希望 1 月份可以实现 prototype，先解放这部分的时间占用。
再说点别的。最近越来越觉得，可以基于一个简单的想法，做出一个完整的系统是很牛逼的能力，这也是我迫切需要提高的。有时候我会觉得这个东西太简单，没什么可玩的，执意去寻找一些所谓“更有难度”的方向。举例来说，Prompt Engineering 就没有什么技术门槛。但基于 prompt 玩出了 CoT、ReAct、 Agent、RAG 等在工程落地中非常实用的技术，切切实实的解决了业务的问题。
这也是我为什么迫切的想要提效并放到开年的 TODO 事项，我需要阅读更多，实践更多，更多激发自己的思路。我需要把自己最主要的时间和精力尽可能放在这上面，提升自己 -> 做出更好的提效工具 -> 更快的提升自己，来实现良性循环。
新的一年，就往这个方向努力吧！
