https://starzhang.net/Star ZhangThe difference between success and failure between greatness mediocrity is how you choose to spend those hours. Every second you waste is a second you can never get back. So ask yourself, are you using your time wisely? 2026-04-15T03:32:56+00:00 Star Zhang https://starzhang.net/ Jekyll © 2026 Star Zhang /assets/img/favicons/favicon.ico /assets/img/favicons/favicon-96x96.png Start Before You Are Ready2026-04-15T00:00:00+00:00 2026-04-15T00:00:00+00:00 https://starzhang.net/posts/start-before-you-are-ready/ Star Zhang Good morning, everyone. Today, I want to talk about a simple but powerful idea: When you want to do something meaningful, the most important thing is to start. This sounds easy. But in real life, it is very hard. Many people want to do great things. They want to build something important, create something valuable, or learn a new skill. But they do not start. Why? Because they think their... 信息茧房，互联网时代的人们2026-01-13T00:00:00+00:00 2026-04-15T03:32:23+00:00 https://starzhang.net/posts/the-information-cocoon/ Star Zhang 信息茧房，互联网时代的人们 互联网已经将绝大部分信息差抹除了，知识已经随处可以获得，为何大部分人依旧无法获得大幅突破？ 算法工程师每天的工作其实就是在干一件事：把信息喂给用户。 很多人对算法有个误解，觉得算法是用来帮你发现新世界的。其实不是，在大多数商业场景下，算法的目标函数是留存时长和点击率。这意味着什么？意味着系统会拼命迎合你的动物本能。 绝大部分人根本就不想要所谓的顶级思维和突破，他们想要的是一种 在努力的幻觉，或者是某种情绪上的抚慰。 第一，获取成本降低了，但筛选成本指数级上升了 现在信息不是太少，而是太多了。 什么是信噪比？现在的互联网就是一个巨大的噪声发生器。真正有价值的高密度信息，就像是丢进太平洋里的一根针。 你以为你打开手机是在获取信息，其实你是在被各种精心设计的钩子争夺注意力。 举个例子，假设你想学习分布式系统，二十年前，你得去图书馆翻那本经典的英... Top-down学习法2026-01-12T00:00:00+00:00 2026-04-15T03:32:23+00:00 https://starzhang.net/posts/Top-Down-learning-method/ Star Zhang Top-down学习法 1） 每个季度先定义一个“成品” （Product Definition） 把所有学习都绑定到可交付物上：不写学习X, 只写交付Y 把2026的两个主线成品（建议这样表述） Agent系统开发： 一个“可部署、可评测、可追踪、可使用”的安全运营/事件调查 Agent （含运行代码 + 回归测评 + 文档） 海外尝试：一个英文作品集页面（含2个项目演示/说明） + 一份英文简历 + 一张机会追踪表 （持续更新） 后续要学习的Python 、Prompt、 Eval、 LangGraph、可观测性，都必须能回答： 它能让成品的哪一部分更好？ 2）把AI知识递归 变成 固定工作流 （Knowledge Recursion Loop） 你不是“问AI写代码”，而是每次遇到卡点，强制做3问递归： 递归三问（每次必问） 这段代码...