<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
  <channel>
    <title>经典书库 · Classics Library</title>
    <link>https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/</link>
    <description>一个通过经典书籍理解世界的个人知识库：AI、金融、投资、经济、历史、商业、哲学与科技。</description>
    <language>zh-CN</language>
    <lastBuildDate>Sun, 11 Oct 2026 02:33:41 GMT</lastBuildDate>
    <item>
      <title>当利益变成一种激情：一个四百年前的社会设计，以及它没做完的那一半</title>
      <link>https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/when-interest-became-a-passion/</link>
      <guid isPermaLink="true">https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/when-interest-became-a-passion/</guid>
      <pubDate>Sat, 10 Oct 2026 00:00:00 GMT</pubDate>
      <description>一个被遗忘的设计 现代资本主义的思想史有一个流行的讲法：亚当·斯密发现了「看不见的手」，自那时起，追求私利就在市场竞争的引导下自动转化为公共利益。这个讲法在时间顺序上就是错的。斯密的《国富论》出版于 1776 年，而在他之前一个半世纪，欧洲思想家已经在为一个更棘手的问题寻找解法：如何对付人类那些破坏性的激情。 这是一个真实且紧迫的困境。宗教改革之后的一个多世纪，劝善、布道、道德训诫轮番上场，没能阻止任何一场战争，反而让冲突带上了救赎色彩。赫希曼在《欲望与利益》里指出，这一连串失败之后，思想界做出的关键调整不是「发现」了自利——自利从来不需要发现——而是重新分类：把对物质利益的追求，从一种需要…</description>
    </item>
    <item>
      <title>当度量变成目标：为什么把一切量化之后，反而看不清了</title>
      <link>https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/when-the-measure-becomes-the-target/</link>
      <guid isPermaLink="true">https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/when-the-measure-becomes-the-target/</guid>
      <pubDate>Fri, 09 Oct 2026 00:00:00 GMT</pubDate>
      <description>一个具体的问题：为什么越量化，越看不清 现代组织几乎把一切翻译成了数字。学校有升学率，医院有床位周转率，公司有季度每股收益，投资人有夏普比率，连个人也被建议记录睡眠时长与每日步数。这场翻译的承诺是清晰的：数字让比较成为可能，让责任有处安放，让模糊的直觉让位于可检验的证据。 但几乎每一个被长期使用的数字，最终都出现了同一个症状：它开始失真。分数不再代表学习，点击率不再代表价值，盈利不再代表经营质量。对这个症状，最省事的解释是「有人作弊」，于是修补方案永远是加审计、加惩罚、加更细的细则。 这篇文章要论证的判断是：度量失真不是执行环节的道德问题，而是度量本身的机制后果。 只要一个数字同时被用来描述…</description>
    </item>
    <item>
      <title>注意力的稀缺：当信息不再昂贵之后</title>
      <link>https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/the-scarcity-of-attention/</link>
      <guid isPermaLink="true">https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/the-scarcity-of-attention/</guid>
      <pubDate>Thu, 08 Oct 2026 00:00:00 GMT</pubDate>
      <description>一个具体的问题：为什么信息过剩没有让人更明智 过去三十年，人类经历了一场前所未有的信息通缩。获取一份研究报告、一本书、一个陌生领域的入门知识，成本降到了接近于零。按最朴素的推论，理解世界应该变得更容易了。 事实是另一回事。人们普遍感到更疲惫、更难以长时间思考、更容易在读完一段话之后发现自己什么也没记住。 对这个落差，最流行的解释是自控力问题：你刷手机太多，你需要更强的意志力，你需要数字排毒。这个解释之所以流行，是因为它把责任准确地安放在个人身上，同时给出了一个成本极低、无需任何外部改变的方案。 这篇文章要论证的判断是：注意力的稀缺不是个人意志的失败，而是激励结构的产物。 把它当作道德问题来处…</description>
    </item>
    <item>
      <title>复杂的代价：为什么系统不是越大越稳</title>
      <link>https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/the-price-of-complexity/</link>
      <guid isPermaLink="true">https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/the-price-of-complexity/</guid>
      <pubDate>Wed, 07 Oct 2026 00:00:00 GMT</pubDate>
      <description>一个具体的问题：解决问题的能力，为什么会长成问题本身 每一项现代制度都是为解决某个具体问题而生的。监管是为了防止上一场危机重演，审批是为了防止事故，中台是为了消除重复建设，多层供应链是为了压低成本。几十年之后，这些东西本身成了被抱怨的对象：监管套利、审批僵局、中台与业务互相拖累、供应链一断全断。 这不是偶然的退化，而是一个值得当作思想问题来处理的结构。它问的是：为什么解决问题的努力，最终会长成问题的一部分？ 最省事的解释是「官僚机构自我膨胀」或者「既得利益阻挠改革」。这两种解释有时成立，但它们解释不了为什么同样的事情会发生在没有官僚、没有既得利益的地方——开源项目、科研共同体、快速成长的创业…</description>
    </item>
    <item>
      <title>隐性知识的重量：为什么流程取代不了手艺</title>
      <link>https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/the-weight-of-tacit-knowledge/</link>
      <guid isPermaLink="true">https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/the-weight-of-tacit-knowledge/</guid>
      <pubDate>Tue, 06 Oct 2026 00:00:00 GMT</pubDate>
      <description>一个具体的问题 半导体行业有一个反复出现的现象：一条成熟产线可以被完整地&quot;复制&quot;到另一座城市——同样的设备清单、同样的工艺配方、同样的操作规程，甚至同一批被派过去的工程师。然后良率掉下来，并且往往需要好几年才能追回原来的水平。设备可以照单采购，配方可以逐行抄写，唯独那个&quot;让一切正常运转&quot;的东西，始终不肯跟着文件一起过去。 这个现象值得被当作一个思想问题来处理，而不只是一个产业细节。它问的是：知识究竟以什么形态存在？ 如果知识是一组可记录、可传输的信息，那么复制一条产线就该等于复制一份文档。事实显然不是。于是我们面对一个更尖锐的问题：在什么条件下知识可以被写下来，在什么条件下写下来就会失真？ …</description>
    </item>
    <item>
      <title>为什么聪明人会一起犯错</title>
      <link>https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/why-smart-people-fail-together/</link>
      <guid isPermaLink="true">https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/why-smart-people-fail-together/</guid>
      <pubDate>Mon, 05 Oct 2026 00:00:00 GMT</pubDate>
      <description>一个反常的失败 1998 年 9 月，长期资本管理公司在不到四周内损失了约 46 亿美元，最终由纽约联邦储备银行召集华尔街主要银行注资接管。这家基金的合伙人名单里有所罗门兄弟前副董事长约翰·梅里韦瑟，也有两位后来获得诺贝尔经济学奖的经济学家——迈伦·斯科尔斯与罗伯特·默顿。 这不是一群外行。他们是当时金融世界里对&quot;风险&quot;理解最深的一批人。斯科尔斯与默顿的期权定价理论本身就是现代金融工程的基石，被写进教科书，被整个行业使用。 然后他们失败了。而且不是败给一个更聪明的对手，是败给了一个他们模型里没有的变量：其他所有人也在用同一个模型。 共识不是判断的总和 我们习惯这样理解集体决策：每个人独立形成…</description>
    </item>
    <item>
      <title>历史不是预测机器，而是模型库</title>
      <link>https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/history-as-a-model-library/</link>
      <guid isPermaLink="true">https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/history-as-a-model-library/</guid>
      <pubDate>Tue, 29 Sep 2026 00:00:00 GMT</pubDate>
      <description>一个被用错的比喻 人们常说&quot;以史为鉴&quot;，仿佛历史是一面镜子，照出未来。但历史从不重复。每一次危机都有它特定的技术、制度和人物，把过去的剧本直接套到今天，往往错得离谱。 更准确的说法是：历史不是预测机器，而是模型库。它储存的不是答案，而是一批被真实世界检验过的因果结构。当你面对一个新问题，历史能做的，是让你认出它属于哪一类，而不是告诉你它会怎样结束。 为什么&quot;模型库&quot;这个比喻更准确 预测机器要求输入相同、输出相同。但历史的情境永远不同，所以它不能预测。模型库则不同：它提供的是一组可以迁移的推理方式。 - 当你看到一个大国在崛起，你可以调出&quot;修昔底德式困境&quot;这个模型，思考既有秩序为何容易走向对抗…</description>
    </item>
    <item>
      <title>投资的第一性问题</title>
      <link>https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/investing-from-first-principles/</link>
      <guid isPermaLink="true">https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/investing-from-first-principles/</guid>
      <pubDate>Tue, 29 Sep 2026 00:00:00 GMT</pubDate>
      <description>为什么要回到第一性问题 投资领域的知识极度饱和：策略、指标、模型、课程，每天都有新的东西声称能提高收益。但真正决定长期结果的，往往不是这些技巧，而是几个更底层的问题。技巧解决&quot;怎么做&quot;，第一性问题解决&quot;为什么这么做，以及什么时候不该这么做&quot;。 把问题问对，方法才有意义。以下是几个我认为绕不开的第一性问题。 一、我买的是什么 这个问题看似基础，却最难回答。买一只股票，你买到的是对一家企业未来现金流的索取权，而不是一个会涨会跌的代码。这个区别决定了一切：如果你买的是代码，你会盯着价格；如果你买的是企业，你会盯着生意本身。 价格是你付出的，价值是你得到的。 问题不在于你能否精确计算价值，而在于你是…</description>
    </item>
    <item>
      <title>十个可以反复使用的心智模型</title>
      <link>https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/ten-mental-models-worth-reusing/</link>
      <guid isPermaLink="true">https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/ten-mental-models-worth-reusing/</guid>
      <pubDate>Tue, 29 Sep 2026 00:00:00 GMT</pubDate>
      <description>什么是心智模型 心智模型不是知识，而是处理知识的方式。知识告诉你&quot;这件事是什么&quot;，心智模型告诉你&quot;遇到这类事该往哪个方向想&quot;。它的价值不在于新颖，而在于可复用——一个好的模型，可以在几十年里被反复调用。 以下十个模型，是我认为最值得长期保留的。它们彼此并不冲突，反而常常需要配合使用。 一、第二序效应 任何行动都会产生后果，而后果又会带来后果。第一序效应往往是显而易见的，第二序效应却常常相反。当你做决定时，多问一句：&quot;然后呢？&quot;很多看似聪明的选择，坏在第二步。 二、激励结构 想理解一个人的行为，先看他面对什么激励。抱怨某人的选择不合理之前，先确认他的激励是否真的指向你以为的方向。大多数&quot;不理性…</description>
    </item>
    <item>
      <title>AI 时代最值得读的十本书</title>
      <link>https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/the-reading-list-for-the-ai-era/</link>
      <guid isPermaLink="true">https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/the-reading-list-for-the-ai-era/</guid>
      <pubDate>Tue, 29 Sep 2026 00:00:00 GMT</pubDate>
      <description>为什么需要一份 AI 阅读清单 AI 的争论很少真正是技术问题。当有人说&quot;AI 会取代多少工作&quot;&quot;AGI 什么时候到来&quot;&quot;该不该监管&quot;，这些说法背后其实是对计算、经济、历史和认知的不同假设。只读技术手册，你会得到一个狭窄的答案；只读新闻，你会被当下的情绪牵着走。 这份清单的目的不是收集热点，而是搭一条阶梯：先理解计算与智能的底层问题，再理解技术与经济的互动，最后回到&quot;我们想要什么&quot;这个无法回避的价值问题。顺序本身就是内容的一部分。 第一层：理解智能本身 1. 《人工智能：一种现代的方法》——它把&quot;智能&quot;拆解成搜索、推理、学习、感知这些可以处理的问题。这是一本教科书，但它真正的价值是让你知道这…</description>
    </item>
    <item>
      <title>理解半导体：一条从材料到地缘政治的阅读路径</title>
      <link>https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/understanding-semiconductors-a-reading-path/</link>
      <guid isPermaLink="true">https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/understanding-semiconductors-a-reading-path/</guid>
      <pubDate>Tue, 29 Sep 2026 00:00:00 GMT</pubDate>
      <description>为什么从半导体开始 如果你想理解这个时代的技术格局，半导体是一个绕不开的入口。它同时牵动四件事：物理与材料、制造工程、商业战略，以及国家之间的竞争。很少有别的行业能把这四条线拧在一起，而芯片恰好把四条线都拧到了极致。 更关键的是，芯片的难度不在某一环节，而在整条链的协同。设计、光刻、材料、封装，任何一环掉链子，整条链就停摆。理解这种&quot;全链条耦合&quot;，是理解现代工业的一个基本训练。 第一层：材料与物理 半导体的起点不是计算机，而是材料科学。硅之所以成为主角，是因为它的导电性可以被精确控制——掺杂、氧化、光刻，每一步都是在原子尺度上做工程。 - 先建立直觉：为什么&quot;控制电流&quot;这件事，最终变成了&quot;控…</description>
    </item>
    <item>
      <title>为什么还要读经典</title>
      <link>https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/why-read-the-classics/</link>
      <guid isPermaLink="true">https://0e00525f540948a2b66f58b8a0e4962d.sg2.agentos-app.run/zh/articles/why-read-the-classics/</guid>
      <pubDate>Tue, 29 Sep 2026 00:00:00 GMT</pubDate>
      <description>一个常见的误解 很多人以为读经典是为了&quot;接受正确的观点&quot;。恰恰相反。经典的第一个特征是：它们彼此矛盾。柏拉图在《理想国》里追问正义是什么，马基雅维利式的现实主义会给出完全不同的回答；斯多葛派在《沉思录》里说痛苦来自判断，存在主义却坚持世界本身没有意义。你不可能同时同意它们。这正说明它们不是教条，而是问题。 经典为什么会留下来 一本书能穿越几百年，通常不是因为它的结论正确，而是因为它重新组织了问题。科学革命的结构之所以重要，不在于它给出了&quot;科学是什么&quot;的最终定义，而在于它让&quot;范式&quot;这个词进入了我们描述变化的语言。 留下来的书往往做了一件事：它们把某个模糊的经验命名了。有了名字，我们才能讨论它、…</description>
    </item>
  </channel>
</rss>
