remarrexxar

真要关注运动时心率的任何手表都是不够的，血液容积变化推算在高强度运动下干扰大，和心率带没法比。

北美和欧洲的数据合规要当心，不同类型的数据怎么存存哪里存多久都有不同的要求。

你对一个解释的“理解感”，往往来自它讲得流畅，而不代表你真的掌握了它。 这叫“解释深度错觉”。
例如，你可能觉得自己懂数据库索引为什么能加速查询，但一旦要求自己逐步解释因果过程，就会发现理解中有不少空白。读 AI 的回答时尤其值得警惕：它把解释组织得越顺畅，你越容易把“我看懂了”误认为“我能独立推导”。
一个很实用的检验方法是：
不要问自己“我懂了吗”，而是合上答案，问：“如果改变一个关键条件，结果会怎样，为什么？”
比如，读完“缓存能提升性能”，试着回答：“如果命中率很低，而且请求很分散，加上缓存后还会更快吗？”
能复述，是记住了；能对变化作出有理由的预测，才更接近真正掌握。你不必对所有知识都这样做，但对要据此作决定的知识，这一步很值。

在大厂待一段时间就能明白，想要成事就先做好螺丝钉。得不到支持拿不到资源的事情，费心费力做了也没有结果，大部分组的发展和技术水平的关联是很低的。一个人的成就，固然要靠个人的奋斗，但同时还要考虑历史的行程。

现在 plus 被五小时限制了很尴尬，复杂任务也不太敢用 sol high ，一不小心就提前耗尽而且中断任务。luna max 的话慢而且能力差的多。最近连续重置也和 plus 用户没什么关系了，五小时一卡根本蹬不动。反正按照 Tibo 说的，plus plan 是 casual and new users 。

watch 怎么贵成这样了

@ldy619354397 #16 不仅如此，当下觉得可行的，验证下来有效的，也许过一段时间不知不觉就是累赘了。那么谁来负责不断评估和迭代呢。

早期一些好用的约束 md 或者约束型 skill 随着模型迭代已经成负担了，现在模型和相关 agent 都在快速迭代，统一规范收益不足