想象一顆剛剛冷卻的行星。熔岩凝固，雨水落下，無機鹽在潮間帶里結晶。就在某一微秒，兩股成分不同的水流相撞，表面的脂質分子被推向彼此，自髮捲曲，形成一個閉合的囊泡——膜。它薄得幾乎透明，卻把世界分成“內”與“外”。這道最原始的拓撲手術，同時製造了第一道不對稱：囊泡里外的化學勢不再相等。於是，流動、擴散、能量梯度，一切後來的故事，都從這道差開始。

二、膜：把世界切成可運算的局部
膜不是牆，而是閥門。它讓某些分子通過，把另一些擋在外面；把光子的能量轉成質子泵的扭矩；把隨機的布朗運動翻譯成一連串可被內部網絡讀取的比特。生命因此第一次擁有了“內部”。內部允許延遲反應：先儲存信號，再集中處理；先模擬，再行動。於是，膜不僅隔離，更把“外部噪聲”降維成“內部信息”，把“環境”翻譯成“模型”。
獨立的生命體，本質上是一台把外部不對稱內化為內部協調的機器。協調效率的判據很簡單：在同樣擾動下，內部資源重新配置的速度是否快於外部擾動的累積速度。若答案是“是”，生命就活下來，並把這套膜-代謝-信息裝置複製出去；若“否”，膜破裂，故事結束。

三、智能：在概率不平均處下注
當外部差異越來越複雜，僅靠分子開關的布爾邏輯已不夠。進化開始製造新的膜——神經膜、細胞網絡、大腦皮層，層層嵌套，層層擴大有效上下文。
智能的核心任務，是偵測並利用“概率不平均”。所謂不平均，是雨雲在某一區域更厚、獵物在某一季節更肥、敵人的下一步更可能向左。智能體提出假說，下注資源，在反饋里微調先驗。它永遠無法證明“這就是真理”，卻能用一次次後驗更新把“活得久、傳得廣”當作臨時獎盃。
從細菌趨化到人類科學，公式都一樣：
觀測 → 壓縮成模型 → 用模型預測 → 行動 → 環境給出獎懲 → 模型再壓縮。
架構的每一次革命——從感知機到 Transformer，從 RNN 到 Mamba——都只是把“能同時記住的相關歷史”拉長一點，把“可並行激活的上下文”拓寬一點。我們稱之為“有效 context length”的軍備競賽，其實是在為不對稱洪流建造更大的蓄水池。

四、意識：高階控制器及其代價
當 context 長度超過某個閾值，系統不得不在內部再建一層“關於內部狀態的索引”。這就是意識：一個在高維狀態空間里動態分配注意力的元算法。
它的工作是回答：此刻，哪一段記憶、哪一條假說、哪一項情緒值得被提升到全局廣播？哪一些計算可以外包給小腦、基底節、腸道菌群？
意識並不製造新能量，它只是讓能量在更恰當的時機流向更恰當的動作。代價是極高的代謝賬單：人腦占體重 2%，卻耗掉 20% 的葡萄糖。因此，意識只在生存回報足夠高時才出現。換句話說，意識是複雜系統在極端不對稱環境中買下的“生存加速保險”。

五、生命：用不確定性換取自由
如果宇宙是一台完全確定的自動機，所有未來態都已寫在初始條件里，那麼膜、智能、意識統統失去意義——沒有差異，就沒有選擇；沒有選擇，就沒有生命。
幸虧量子漲落、混沌、測量誤差讓信息永遠殘缺。殘缺留下縫隙，縫隙允許下注。生命在不確定里衝浪，把“繼續存在”本身活成了意義。
更妙的是：正因為信息永遠不全，生命反而獲得自由。自由不是推翻因果律，而是在因果鏈的缺口裡做出不可被提前計算的選擇；是在下一次觀測降臨之前，先對自己唱一段尚未被證偽的敘事。
於是，自由不再是哲學家的奢侈品，而是信息殘缺帶來的工程剩餘。它像膜兩側的離子差一樣真實，可以被測量、被利用，也被下一代膜繼承。

六、遞歸：膜的再生產
故事並未結束。今天的人類在實驗室里合成人工細胞，用 CRISPR 編輯膜蛋白；在計算機里訓練千億參數的大模型，把互聯網當外部養料，把 GPU 當新的線粒體；在區塊鏈上寫下智能合約，讓代碼成為可編程的膜，隔離風險、封裝信任。
膜換了材質，卻從未消失。它繼續膨脹，繼續把更大的外部差異翻譯成內部可運算的結構，也繼續讓生命在不確定里下注、在殘缺里生長。

七、尾聲：回到那道最初的邊界
如果某天宇宙熱寂，所有差異歸零，最後一道膜也終將蒸發。但在那之前，生命會不斷書寫新的腳註：
“我們以不對稱為食，以不確定為翼；
我們永遠無法抵達真理，卻永遠在去往真理的路上；
而那路上的每一次呼吸、每一道裂縫、每一個尚未證偽的假說——
都是自由。”

這種機制看似樸素，卻蘊含著極為深刻的哲學與技術含義。我將它稱為一種“在線學習推演模型”（Online Inductive Probing Model），並嘗試從以下幾個維度展開：

一、時間維度的單向性：我們只能用過去

無論是誰，都無法逃脫時間的箭頭。我們做出所有判斷的依據，只能是過去已發生的事。未來尚未發生，也無從取樣。

更具體地說，任何推理或模型：

• 只能使用歷史數據

• 基於有限區域的信息（空間、語義或感知範圍）

• 提出一種規則或結構

• 並在未來遇到反饋後進行修正或淘汰

這就是最原始也最通用的學習方式。

二、無法證實，無法證偽：試探是唯一的方式

這套模型有個悖論：它既無法完全證實所推理的“規則”，也無法徹底證偽。

• 因為未來未到，驗證永遠是延後的；

• 而未來反饋往往不完全、不連續、不明確；

• 所以，一個假說只能“暫時有效”，直到它失效。

這是一種永遠在路上的認知模式。

我們只能不斷“試探”：

• 拋出預測；

• 接受反饋；

• 修正模型；

• 再次預測。

這非常像貝葉斯更新，也像進化選擇。你永遠不能證明自己是對的，但可以不斷修正偏差，靠近有效性。

三、提升學習效率的兩條路徑

既然這是個結構性困境，我們就只能在試探效率上下功夫。

1. 加快預測節奏：增加反饋密度

如果你能在短時間內做出更多“小預測”，哪怕是微小反饋，也能加快模型的迭代。比如：

• 股票市場中的高頻交易策略

• 人類認知中的“快速驗證小假設”

• AI中的強化學習 agent 快速與環境互動

2. 增強感知能力：擴展輸入維度

另一種方式是“裝更多眼睛和耳朵”，也就是增加傳感器和數據源：

• 人工智能中，添加多模態輸入（圖像+語言+動作）

• 人類學習中，去傾聽他人經驗、跨領域觀察

• 企業經營中，提升用戶反饋、監控系統建設

本質上都是：提升輸入的覆蓋面與密度，從而讓模型擁有更多可參考的“過去”。

四、架構的歷史演進：在擴展有效 context length

從歷史的視角看，人類所有關於“學習架構”的進化，本質上都圍繞一個目標：延長“有效上下文”的範圍。

從最原始的口口相傳、記憶規則，到文字、書籍、數據庫、互聯網，再到今天的人工智能模型（如Transformer、GPT），不斷擴大的都是我們能納入推理系統的“過去內容”。

有效 context length = 可用於決策的經驗範圍

AI系統里，我們從 RNN（短記憶）到 LSTM（門控記憶）到 Transformer（全局注意力），無不體現出這個趨勢。

而未來的發展，也會持續提升：

• 時間跨度（處理更久遠的過去）

• 多維感知（整合更多形式的信息）

• 狀態空間（建模更複雜的外部世界）

五、但 context 的擴大，也帶來副作用

需要注意的是，並非“context 越長越好”。以下風險會隨之而來：

• 過擬合歷史：模型過度相信過去規律，錯失變化信號

• 響應遲緩：記憶過重會拖慢反應速度

• 信息冗餘：噪音累積，信號反而稀釋

所以，任何智能系統都需要在記憶 vs 適應之間做動態平衡。

六、從本質看：這是所有智能的底層模式

你會發現，無論人類思維、公司決策，還是AI系統，幾乎都遵循這個通用架構：

有限經驗 → 提出模式 → 未來驗證 → 反饋修正

這就是一種“後驗智能”（post-hoc intelligence），在無法預知中不斷調整自己，從而適應未來。

而“智能”的本質，可能就只是：

• 提出合理假設的能力；

• 快速驗證假設的能力；

• 容忍錯誤並及時調整的能力。

七、未來方向：更快、更廣、更精準

我們真正要追求的，或許是這三點：

1. 更快的反饋循環：從年級考試 → 每日小測 → 實時眼動追蹤；

2. 更廣的感知範圍：從單一維度 → 多模態融合；

3. 更精準的上下文建模：從純數據 → 意義結構圖譜。

也許這正是智能系統未來的發展路徑。

小結：命名與比喻

我們可以為這種結構起個名字，比如：

• 試探式智能（Probe-based Intelligence）

• 後驗推演模型（Post-hoc Inference Model）

• 時間盲測系統（Temporal Blind Probing）

• 延遲反饋學習架構（Delayed Feedback Learning Architecture）

它就像：

• 在霧中行走，靠回聲定位；

• 在黑箱前試按按鈕，根據燈光變化理解機制；

• 或者像盲人摸象，每一次觸摸都是一次推理。

這是不完美的，但確實是所有智能體正在使用的最現實方式。

今天我又配置了當前最新的stable 0.3 auto-gpt，還是測試同樣的任務，讓它整理《紅樓夢》中的小說人物關係圖譜。
首先，發現下載文件還是下載不了。跟0.2.2很像。
沒辦法，我手動下載了文件給它。
然後，發現它執行代碼一定要在docker運行。我查了代碼，修改成直接可以運行了。
又然後，我發現它一直想執行還沒保存的代碼文件，我通過對話提示它先寫好代碼文件再執行文件。以後每次要執行代碼我發現都要做這樣的提示。顯然裡面有個邏輯問題。也許是execute_python_file命令應該對應一個新的文件，而execute_code應該創建一個新的文件，接的參數是代碼內容，而不是文件名。操作的時候讓代理先保存代碼文件，然後執行。
又又然後，我發現在訪問代碼時，openai.error.APIConnectionError，不知道是不是網絡環境問題，遇到這個問題程序就中止了。我修改了代碼，讓它遇到問題後重試。
最後，還是發現了tokens遇長的問題，我不知道哪裡的代碼又不嚴謹。。。到這裡，愉快的一下午就快結束了。

看來這個任務還是很難完成。

目前看來，auto-gpt還十分不成熟，原因是，1裡面的代碼里的bugs非常多；2系統有幾個如google查詢，讀寫文件，執行代碼等功能模塊，但這幾個模塊的調動很不協調，操作很不連貫，它們的組合經常十分生疏，如同請一個有理論，但完全沒有實踐基礎的幾個技術人員一起完成一個大任務。

顯然，在人工智能發展的路上，這些問題都會被解決。但現在而言，從效率角度看，在實際工作中用auto-gpt還是比較早的。auto-gpt在設計的時候，是用來完成通用任務的。我感覺現在來說，還需要很多的調整和磨合。讓人工智能做不同的事，本身要學習經驗。而讓人工智能做重複的事，這可我感覺現階段應該使用prompt+特定的任務代碼+gpt的形式可能更實在一些。

中文LLaMA模型和指令精調的Alpaca大模型在text-generation-webui和llama.cpp上的部署
LLaMA是facebook的meta公司放出來的大語言模型，這個模型的中文能力非常差。Chinese-LLaMA-Alpaca在原版LLaMA的基礎上擴充了中文詞表並使用了中文數據進行二次預訓練，進一步提升了中文基礎語義理解能力。目前已開源的模型版本：7B（標準版、Plus版）、13B（標準版）。這些版本可以在16G，甚至可以在8G內存的個人電腦上部署。似乎不用顯卡。今天我在16G內存的個人筆記上部署了。這是記錄。

老唐的估值方法的基礎其實就是絕對估值法。主要是看各投資品的絕對收益數值，哪個高投資哪個。在老唐書里，討論的投資品壓縮到了2種，就是無風險債券和股票。老唐的估值法就是比較這兩種投資品。甚至不是用來做這兩大類的選擇，目的不是為了決定整個股票倉位，而是用於挑選哪個股票更合適。因為在老唐看來，股票的收益一般會比債券高，只是哪個股票更好，債券的收益主要是拿來參考。老唐書里也沒有介紹股票之外的投資品的投資細節，主要是股票投資的好處和估值方法及股票選擇實例。可以這樣說，對於投資，現在的老唐眼裡只有股票。對於股票，他有一套自己的擇股方法，並使用這個方法，在過去的的十來年，有過平均收益25%以上的成功歷史。
老唐股票操作守則：

首先確定一個上市公司的3年後的合理估值。計算方法：3年後預計自由現金流x(1/無風險收益率)，高槓桿企業估值打七折
買點：股價低於合理估值的一半時買入。
賣點：
1。企業基本面惡化
2。有更好的投資對象
3。股價超過3年後合理估值的150%
4。當年動態PE超過50
其它時間不操作

選股池條件：
1。公司利潤真實可靠
2。公司利潤可持續
3。企業運營資本投入少
分析
首先，老唐取3年時間，我感覺是明智的。現在的環境變化很大，時間太長變數太多，不容易預測，太短市場因素影響大，業績因素體現的不明顯。
這個合理估值就是把第三年的收入，當成永遠持續按無風險收益率增長的固定收入，把它等同於類似債券投資的估值。老唐一再強調這是一個簡化後的簡化方法。這樣的簡化一個是為了方便計算；另一個是本身企業的運營變數太多，詳細的預測作用也是有限的。
在我看來，這是一個非常粗暴和簡陋的計算方法。老唐竟然是用這個獲取了這麼高的收益率，有點難以相信。這個公式本身其實是有不少問題的。主要是兩個：一個是怎麼預測3年後的自由現金流數值；另一個是怎麼就突然把這個企業3年後就現金流固定下來，認為企業會以這個現金流為基礎，並每年以風險收益率的速度自由現金流增長。這兩個是這個公式成立的前提條件。在我看來都是不可能的條件。

關於3年後的自由現金流的確定，老唐提供了兩個方法，一個是自己對企業的跟蹤和調查，另一個是參照別人研報的推算（可以平均幾家，然後砍一刀，打8折）。
關於以第三年現金流作為恆定收入的做法，老唐提供了一個這樣的辯解：“將。。。三年後仍然可能的成長性的優勢與未來收益確定性低於100%的劣勢相互抵消”。大意就是說企業可能變的更好，也可能變壞，於是不如當成不變。。。。
3年後的無風險收益率（老唐認為可以參考銀行短期低風險理財產品的年化收益率，如民生銀行的“天天增利”。）也是變動的，不可能準確預測。

顯然，老唐的合理估值不是一個科學嚴謹的估值方法。但老唐為什麼能成功呢？我認為在老唐的成功不在於估值方法本身。而在於他的砍價能力。一個是合理估值的半價買入！！！另一個就是動不動再打個7折，8折。這個相當於“合理估值”的3，4折買入。無論“合理估值”對不對，買的足夠低，賺錢的概率就大很多。

老唐能成功的另一個訣竅在於股票池的限定。1。公司利潤真實可靠、2。公司利潤可持續、3。企業運營資本投入少。這三個條件其實把大多數的國內上市公司排除開了，只留下了極個別優質的企業。要求企業再投入少，利潤可持續。如果一個企業利潤持續，那把它3年後的現金流收入固定下來，就相當於很保守的估值法了。所以是這個前提，讓上面的估值公式可以操作。

另外，這個方法其實有一個很大的悖論，老唐認為買點是3年後合理估值的50%，這樣在3年後如果達到合理估值，年化收益為26%，而理論的前提又是把股票當成債券，同債券的風險收益率4-5%點的收益做比較的結果。。。賣出時要求當前股價達到3年後合理估值的150%以上。這樣的要求顯然是很無理的要求。但老唐卻通過實踐做到了。這種不可能只能是基於一個條件：市場的高度無效性！！！市場價格必需在估值上下大幅度的波動，讓老唐有以超低價格買入，並以遠高於合理估值的價格賣出。

老唐估值法的簡化理解
通過以上的分析，我發現老唐估值法其實可以更簡單的理解為：
在一個高度無效的市場，找幾個利潤可持續，再投入少的頂尖優質企業，如老唐投的貴州茅台，洋河股份、騰訊控股、分眾傳媒。因為這些企業的質量優秀，在3年內以20-25Pe賣出可能性是沒有問題的。
等他們在3年後PE20左右的估值一半的價格買入。
當他們漲過這個估值的150%時賣出。
期間哪個下跌的多了，可以賣出估值高的調整到估值低的。

核心點其實是兩個，1。找的企業要是優質的，優質體現在兩個方面，一是3年後和利潤能達到預測，二是3年後市場對它的估值應該能達到PE20以上。2。以非常便宜的價格買入。前提是市場高度無效，股價波動大，提供了買入賣出機會。

把最好都想的不好，你會說我是多麼的悲觀主義呢？應該會說是悲觀之極吧？但我還真是固執之人，我偏要認為自己樂觀之極。因為我說最好不好的目的不是否定最好，而是要擺出這個陣式，然後頌揚不好之好。既然最好不好，那什麼好呢？不好啊。在不好時，你可以變的更好。什麼時候最好呢？最好最好不要來，或者來的越晚越好。比如去世時到來。

2019-03

目前newRPL可以運行的平台有
惠普圖形計算器：HP 50g、HP 48GII、HP 40gs、HP 39gs、HP Prime G1 (第一代)
Windows等電腦
Android (7.0及以上)

其中的hp 39gs計算器便宜又大碗。某寶上幾十塊就可以買到。下面記錄下hp 39gs上刷和使用newRPL系統的經驗。

newRPL下載：
下載newRPL rom https://sourceforge.net/projects/newrpl/files/ 或 https://www.hpmuseum.org/forum/thread-14562.html
下載39gs的rom，下載最新版本。
下載 hp計算器的 Connectivity Kit
https://www.educalc.net/1047482.page
下載新版的usb驅動
https://www.educalc.net/286482.page 注意是頁面後面的鏈接
安裝Connectivity kit和新版的usb驅動。windows 10安裝usb驅動會有問題，我找了一台windows 7系統安裝刷機。

驅動安裝正確後，用mini-USB數據線連接計算器和電腦，打開計算器，Connectivity kit應該會顯示文件目錄。

這樣就可以開始刷newRPL系統了：

準備一個取手機sim卡的針，關閉計算器，按住hp 39gs的+和-兩按鍵，用卡針捅一下計算器背後的reset，計算器會開機，選擇1.UPDATE CODE,然後選擇1.USB
然後在Connectivity kit選擇ROM Download那裡選擇下載好的newRPL .bin固件。然後就開始刷機了。刷機會清除計算器原來的系統和數據。完成後會提示你按一下ENTER鍵。

反應快很多

newRPL系統的使用入門

鍵盤和界面：

字顯示小很多，可以一屏顯示很多內容

新系統使用的按鍵布局不一樣，新的布局與hp48gii或hp50g等比較接近，但不完全一樣。這個帖子有專門為newRPL定製的貼紙，可以打印出來貼上去：
https://www.hpmuseum.org/forum/thread-16487-post-146313.html#pid146313

簡單來說
A-F對應第行菜單內容，菜單第一字母灰色的有下一級菜單，被選中會進入下一級菜單，按MENNU回到根菜單
G-L對應第二區菜單，一般是顯示變量名，按中直接調出對應位置的變量。
方向鍵
上下鍵可能移動箭頭

三個切換鍵：
ALPHA按鍵單擊切換到大寫字母輸入，再次單擊切換大小寫，雙擊退出字母模式。
Shift左和shift右不用解釋
這三個按鍵可以按住與其它按鍵組合實現更多功能。

基本使用
rewRPL改變原來計算器的使用方法
計算 1+2
1，ENTER 屏上在輸入1後會顯示第一行1，這是最新的Stack棧。Stack是重要的概念。
2, ENTER 輸入2後，第1行變成2。第一行永遠是最後輸入的內容。原來的內容被移到2。
+ 得到結果3， +這個命令會將前面兩個stack的內容相加。得到結果3，直接放到當前的第1行Stack
注意這種先輸入數字，再輸入操作的倒裝語法方式。

有的命令只使用一個輸入，如
輸入
5, ENTER
左shift, 2輸入！命令，直接得到5！的結果120

可以不用每次輸入ENTER，直接用空格分隔輸入，如
1 2 +
也可以計算1 + 2

1 2 + 2 /
可以計算
（1 + 2）/2，得到 1.5
留意命令在數據後面，結果變成新的數據的規則。

可以使用單引號直接輸入代數形式的計算，如
’1 + 2′
輸入後這個不會馬上計算，可以使用EVAL命令計算它的結果，得到’2′
注意結果也帶引號，可以使用->NUM命令讓它變數字。

將數值存到變量
如，將123存到 x
123 ‘x’ STO
注意x要帶引號
調用變量
x 1 +
直接得到124

編寫程序：
程序使用《 》符號包圍：
《 + 2 /》 ‘AVGRAGE’ STO
將求平均的功能存到AVGRAGE變量
使用這個變量：
1 2 AVGRAGE
會直接得到1.5
相當於輸入：
1 2 + 2 /

求勾股定理的程序：
《 -> x y ‘√(x^2+y^2)’ 》 ‘hypo’ STO
使用：
1 2 hypo
得到’√5′
可以使用->NUM命令讓它變小數形式。

可以調用的命令很多，如IF/THEN/ELSE、CASE條件判斷，FOR、DO、WHILE等循環。。。

更多的命令參看：
https://newrpl.wiki.hpgcc3.org/doku.php?id=manual:chapter6

快捷操作
命令自動補完功能：
在輸入一個字符後，這個字符相關的命令會在底部中右顯示，顯示的命令按ALPHA+右方向鍵可以調用，更多的相關命令可以使用ALPHA+上或下方向鍵切換。

文本選擇與複製、粘貼：
左Shift，左方向鍵：定義選擇開始
左Shift，右方向鍵：定義選擇結束
左Shift+左方向鍵：複製
左Shift+右方向鍵：粘貼
左Shift+下方向鍵：剪切

插入變量的內容：
G-L,直接調用變量
右Shift+G-L，輸入變量的文字內容
左Shift, G-L STO存到變量 注意，原來內容被覆蓋！！！不要誤按（重要變量可使用LOCKVAR保護起來）
右Shift, G-L RCL調變量

四種輸入方式
1.直接輸入數字和命令，運行會直接得到結果
2.” 代數模式：如’1+1′,輸入後運行 EVAL會得到結果， 調用->NUM會得到數字結果
3.《 》編程模式
4.字母輸入模式：按ALPHA後輸入大寫或小寫字母，或插入雙引號”"後。

菜單導航
MENU 在菜單1區顯示總菜單
A-F進入相應菜單區1的項目
右Shift, A-F在菜單2區顯示子菜單
右Shift+M 菜單2區返回

Stack棧的操作
上方向鍵開始棧選擇，ON鍵退出
多選：移動第一個，按空格鍵（-)，移到最後個再次按空格鍵，第三次按空格取消選擇
選擇後：
左方向鍵：將當前棧移到1
右方向鍵：將1移到當前位置
左Shift+左方向鍵：複製
左Shift+右方向鍵：粘貼
左Shift+下方向鍵：剪切
ENTER，將當前複製到1
在沒有stack被選中的情況下，按下方向鍵，開始編輯stack 1的內容

常用命令

變量:
存儲變量 42 ‘Mynum’ STO
調出變量 直接按G-L的相應按鍵或 ‘Mynum’ RCL
刪除變量 ‘Mynum’ PURGE
鎖定變量 LOCKVAR 將變量只讀
解鎖變量 UNLOCKVAR
從目錄中移除變量快捷方式 HIDEVAR
解除移除 UNHIDEVAR

目錄:
創建目錄 ‘TEST’ CRDIR
刪除目錄 PGDIR
返回上級目錄 UPDIR

更多newRPL的資源
newRPL的wiki網站：
https://newrpl.wiki.hpgcc3.org/doku.php?id=manual:chapter1:rpl
hp 50g的高級用戶手冊（包含RPL語言教程與手冊，英文）
https://www.hpcalc.org/details/7141

我將導致學習速度的不同因素拆分，分為以下幾個：

1。最明顯的，投入真正學習的時間。很多人說想學什麼想學什麼，比如想學習英語，想學習樂器，問題是你真正投入時間了嗎？還是只是一直在口頭說說。沒有投入真正的學習時間，說想的永遠只是夢想或幻想吧。成功學上有一個10000小時原則。要真正掌握什麼，真金白銀地投入10000個小時學習啊。光說是沒有用的，浪費口水而已。

2。學習時候的注意力。有的人雖然投入了學習的時間，但學習的時候沒有集中精力，比如一邊學習一邊看電視，或者一邊學習，一邊心裡想其它東西。這樣的學習低效是可以預見的。這種三心二意的做事其實本身也是很浪費時間的，因為很可能做的想的二三件事都沒能做好。有的時候人要取捨，選擇在一個時間把一件事做好。

3。學習的材料，比如教材的質量，是否精心編排的教材。是否有形象的圖示，是否有適當的影音輔助教學；教學的老師。好的老師最重要的是應該提起學生對學習內容的興趣，其次是教學的方法，用適當的方法讓學生容易掌握這些學習內容。當然自學的話自己就得找到好的材料，好的方法。學者在學習遇到瓶頸時，可以試着換換學習教材，學習方法，或老師。

4。相關聯的基礎知識。學習者在學習新東西的時候，事行應該掌握這些新內容的前提基礎知識。如果基礎知識紮實，學習新內容就比較快；相反，如果很多基礎知識都不懂，那新知識聽起來很可能就雲山霧罩，不明所以。比如讓一個小學生去聽大學的專業課程，幾乎就是白費時間。如果你學習一個東西，發現很基礎概念或原理都不明白，那就說明當前的知識對你來說太進階了。這時候應該怎麼辦？你應該退出這個課程，去找一個基礎的，適合自己的課程去學習基礎，學會了再回來。這裡說一個我自己的實例。當年我在初中二年級時，因為當時學校條件差，當時的英語老師精神有問題，在課堂上所有的學生都沒能好好學習，上英語課時好多學習到講台上和老師嬉戲，所以我的初二英語沒有學好，期末考試時100分只考了20多分，其中大多是選擇題選C蒙對的。初三時我意識到這個問題，想學好英語，但因為沒有英語基礎，初三課堂上老師的課程對我來說太難了，很多聽不懂，於是我放棄了課堂學習，開始自己買英語教材從入門學習英語基礎。自學了一年，終於將英語基礎補了上去。中考150分的英語，考了130多分，高中時因為英語成績不錯，還當上了英語科代表。

5。大腦的開放性。這個說的是世界觀，是否認識到這個世界你不懂的非常多，不驕傲，而是應該時時虛心學習，做到求知，並虛心。和他人相處的時候，隨時明白對方可能是自己的學習對象。而不是到處炫耀自己的才識。一心不能兩用，當一個人忙於炫耀與表現的時候，他自然就失去了很多接收和學習的機會。你可以做一個永遠裝知識的袋子，你的知識會越裝越多；也可以做到處吹泡泡的肥皂水，越吹越少。拉長時間來看，對人的一輩子來說，其實心態這個因素對人是最重要的，虛心的人累積下來，知識越來越多。前面幾個因素只是影響學習的速度。

談學習的目的

正如做其它事一樣，學習的第一要點是動機。有充分的理由學習才會投入時間、精力認真去學習。學習的理由可以是興趣。喜歡什麼東西去學習什麼自然是很好的，你會自覺的投入時間精力。不過由此去學習的問題是學習到的知識並不一定有實際的用途。注意知識如果不用，是會被遺忘掉的（這個不是大腦的缺點，而是一功能，因為大腦的容積有限，遺忘就如手機的內存清理，清除不常用的內容，會留下更多的空間可以儲存更實用的東西）。是不是現在不用的東西就不能學的，其實不是的。因為有時候一種知識在你沒有熟悉或掌握之前，你並不知道它有什麼用，怎麼用，或許你學了，知道了用法，你就會去用它，並為你創造價值。比如本來是沒想過學習瑜伽，只是因為一時的興趣，你學習了，發現它很好，自己喜歡，而且對身體很有作用，你甚至轉行成為了一個瑜伽教練，想把它教給更多的學員。或許在接觸這個知識前，你沒有想過可能自己會做這麼大的改變。這就是因興趣學習的驚喜。總之，因為興趣去學習，有時候是單單享受學習過程的快樂（或痛苦？），結果知識不用而被遺忘，或者學習了新知識後，因為新知識帶來的新視界，改變了自己的人生軌跡，兩個都有可能。總結：有時候學了才知道有什麼用，有時候學了才知道沒啥用。如果有興趣又有時間，與其刷抖音，不如學學看。

學習最靠譜的理由是馬上需要用到知識。類似於臨陣磨槍。這種學習有急切的緊迫感，而且已經清楚學到了就要用上，不會浪費。

學習最不靠譜的理由是別人都在學，或者別人讓你學，因為這些學習都不是自己由衷的想要學習。這樣的學習沒有內動力。不單是學習，做任何事沒有內動力，靠外力的學習基本都是事倍功半，吃力不討好。自己不單不享受這一敷衍過程，而且學習效率十分低下，學到的知識也大多數對自己沒有作用或不願意去用，浪費時間、精力與生命，甚至金錢。如果你是老師或家長，以命令的形式向孩子發出的學習要求，就是這種情況。監督的家長也將是痛苦的要命。這時候應該怎麼辦？當然是停止這一多輸過程。這是一小道，成功的概率很小。正道是什麼，是引導學習者找到學習的正確目的。讓他悟的學習的理由，是為了興趣，還是為了馬上要用到知識（中小學的基礎知識可以為將來更多的高級知識打基礎，打開學生的眼界，還可以用來應付必須的考試）。花更多的時間讓學習者明白學習的理由，比花時間監督心不在焉的學習過程高效多了。就如武學中的打通任督二脈，或者參禪中的悟道，過了這關，讓學習者明白學習的理由，有了內動力，餘下的基本就是一馬平川，過了不了，所有的努力只是徒勞的消耗時間。

無論如何都找不到學習的理由怎麼辦？那就不要學啊。沒有理由還做什麼？可以把時間花在其它有意義的事上。或者轉變題材，學習自己感興趣的課題上。人生不是一條直線，非要弔死在一棵樹上。與其在不想學的東西上浪費時間，為什麼不學習一些自己感興趣的東西呢？不是說別人學的東西自己一定要學習，現在的社會內卷的這麼利害，如果劍走偏鋒，自己掌握了大多人沒有的知識，反而讓自己更為稀有，具有更高的價值。這就是管理學上的差異化吧。

需要的東西

運行Home Assistant的設備（電腦、NAS、樹莓派等，我用的是樹莓派2代）
紅外接收器（我使用的是一個通用USB接收器，樹莓派用戶可以DIY一個）
小米（創米）萬能紅外線遙控器
小米AI音箱

給Home Assistant設備添加紅外遙控接收功能

將紅外接收器連接到home assistant設備上。確認紅外設備存在，如

pi@raspberrypi:~ $ ls /dev/lirc0
/dev/lirc0


安裝紅外線收發lirc程序：

pi@raspberrypi:~ $ sudo apt-get install lirc liblircclient-dev


測試紅外線接收功能正常：


sudo mode2 -d /dev/lirc0

運行上面命令後找一個紅外遙控器對着接收器按任意鍵，應該可以收到類似這樣的字符：

Using driver default on device /dev/lirc0
Trying device: /dev/lirc0
Using device: /dev/lirc0
Running as regular user pi
pulse 2750
space 750
pulse 550
...

好，現在Home Assistant設備可以接收到紅外遙控信息了。下一步，讓Home Assistant和紅外遙控器可以通信。

讓Home Assistant接收紅外遙控數據

隨便給lirc指定一個接收的遙控器數據表，這裡用的是xbox360的遙控器，你不需要有這個遙控器，因為後面可以用小米萬能遙控器把它模擬出來。
下載xbox360遙控器的數據表,把它設置到lirc:

pi@raspberrypi:~ $ wget http://lirc.sourceforge.net/remotes/microsoft/Xbox360
pi@raspberrypi:~ $ sudo mv Xbox360 /etc/lirc/lircd.conf


創建/etc/lirc/lircrc文件，內容：

begin
remote = Microsoft_Xbox360
button = KEY_STOP
prog = home-assistant
config = KEY_STOP
end
begin
remote = Microsoft_Xbox360
button = KEY_PAUSE
prog = home-assistant
config = KEY_PAUSE
end

這裡只以兩個按鍵為例子，參看上面/etc/lirc/lircd.conf的內容，你可以多添加幾個按鍵。

重啟lirc

pi@raspberrypi:~ $ sudo systemctl restart lircd.service


現在在米家app給小米萬能遙控器添加Xbox360遙控器（使用搜索功能添加，裡面有兩個，我添加的是“微軟DVD播放器”那個），現在測試

pi@raspberrypi:~ $ ircat home-assistant


按遙控器上的停止按鍵，應該會收到相應的代碼。


現在米家app可以給home assistant設備發信息了，下一步要做的是根據這個信息，觸發不同的動作。

Home assistant根據遙控器指令觸發動作

編輯 HomeAssistant 的configuration.yaml文件，加入lirc組件，

lirc:

配置home assistant的自動化指令：

automation:
- alias: 打開燈
trigger:
platform: event
event_type: ir_command_received
event_data:
button_name: KEY_PAUSE
action:
service: homeassistant.turn_on
entity_id: group.a_lights

上面的KEY_PAUSE就是剛剛配置的遙控器按鍵。action可以換成你想要的效果，我是幫來它來啟動我的電腦了。重啟homeassistant,讓配置生效，現在對着樹莓派按暫停播放鍵，就Homeassistant就會觸發相應的動作了。

讓小米AI音箱控制萬能遙控器

先打開米家app，在底部點選“智能”，在“我在”tab中點右上角的“+”號創建新智能條目，在選擇條件界面選擇“手動執行”，選擇“小米萬能遙控器”-〈遙控模式〉-〈微軟DVD播放器〉-〈暫停/播放〉-〈右上角“確定”〉設置你想要的名稱，比如“啟動電腦”
好了。打開小米AI app，在底部點選“技能中心”-〈小愛訓練計劃〉-〈創建訓練〉-〈為問題命名，比如“啟動電腦”〉-〈設備控制〉-〈選擇剛創建的“啟動電腦”〉-〈打開〉，預覽後保存。
（相關的圖文教程點這裡）

好了。現在對着小米同學說“啟動電腦”，小米音箱會指示小米萬能遙控器發送一個KEY_PAUSE按鍵，這時home assisant收到後，就會觸發啟動電腦的動作了。

參看：Creating a Raspberry Pi Universal Remote With LIRC
另一種通過第三方平台橋接小愛同學和home assistant的方法： https://bbs.hassbian.com/thread-2404-1-1.html