为什么很多“叙事”其实是被精心设计出来的。

一、叙事可以降低统治和管理成本

如果一个系统只依靠强制力量(军队、警察、处罚)来维持秩序,成本会非常高。

但如果人们相信某个合理的故事,很多行为就会变成自发的。

举个简单例子:

如果社会普遍接受这样的叙事:

“努力工作是一种美德。”

那么大多数人就会主动努力工作,而不需要被逼迫。

同样的,如果叙事是:

“遵守法律是文明社会的基础。”

那么人们会更容易接受法律规则。

因此在历史上,无论是国家、宗教还是组织,都会不断构建这样的叙事:

  • 为什么这个制度是合理的
  • 为什么人们应该遵守规则
  • 为什么某种价值观是“正确”的

这样整个系统运行会更稳定。


二、叙事可以塑造人们的目标

如果你能影响人们认为什么是值得追求的东西,你实际上就影响了他们的行为。

例如商业领域经常使用叙事:

很多品牌并不仅仅卖产品,而是卖一种故事,比如:

  • 自由
  • 成功
  • 年轻
  • 个性
  • 高端生活方式

当消费者接受这种叙事时,他们购买的不只是商品,而是某种身份认同。

所以营销的核心往往是:

构建叙事,而不仅仅是展示功能。


三、叙事可以争夺注意力

在信息社会里,人类最稀缺的资源其实是:

注意力。

而叙事是一种非常容易传播的信息形式,因为故事比抽象事实更容易记住。

一个故事通常具备:

  • 角色
  • 冲突
  • 情绪
  • 目标

这些结构会让人更容易传播它。

所以在互联网时代,很多内容都会被“叙事化”:

  • 新闻会讲故事
  • 政治传播会讲故事
  • 商业品牌会讲故事

因为故事更容易被分享。


四、叙事会在竞争中不断被强化

叙事的形成也有一种类似“进化”的过程。

如果某种叙事:

  • 能激发情绪
  • 能凝聚群体
  • 能推动行动

它就更容易传播和留下来。

相反,如果一个叙事:

  • 太复杂
  • 太冷静
  • 太理性

它反而不容易传播。

所以很多成功的叙事往往具有几个特点:

  • 简单
  • 情绪化
  • 明确的好坏对立
  • 清晰的目标

这并不一定意味着有人在幕后操控,而是因为:

这些叙事在竞争中更容易胜出。


五、叙事的设计通常是“逐渐塑造”的

叙事并不是一次性设计好的,而是通过很多机制慢慢形成:

例如:

  • 教育体系
  • 媒体传播
  • 文学和影视作品
  • 社交网络

这些渠道会不断重复某些故事和价值观。

当一个故事被讲得足够多,它就会被很多人视为理所当然。

Read more

跑步的技巧(滚动落地)

“滚动落地(rolling contact / rolling foot strike)”不是一种教条式的“脚法”,而是一种 让冲击沿着整只脚、整条后链逐级传递的落地机制。 它的核心不是“你先用哪儿着地”,而是: 你的脚落地之后,冲击是不是像轮子一样滚过去,而不是像锤子一样砸下去。 这就是滚动落地的本质。 一、什么叫“滚动落地”? 你可以把它理解成两种完全不同的落地方式: 1. 砸地(撞击式) 脚像锤子一样拍到地上: * 要么后跟先砸 * 要么前掌先戳 * 冲击集中在一个点 * 一个结构瞬间吃掉大部分载荷 结果就是: * 后跟砸 → 膝盖难受 * 前掌戳 → 前脚掌磨烂 * 都不是长跑友好模式 这叫 撞击式着地(impact strike)。 2. 滚地(滚动式) 脚像轮胎一样“滚”过地面: * 不是某一点硬砸 * 而是外侧中足先轻触 * 再向前滚到前掌 * 最后从大脚趾蹬离

By SHI XIAOLONG

AMI的优越性

世界模型(World Models)的具体例子 如下,我按类型分类,便于理解。每类都附带实际实现、演示效果和应用场景。 1. Yann LeCun / Meta 的 JEPA 系列(最直接对应“世界模型”概念) 这些是 LeCun 主张的非生成式抽象预测世界模型代表。 * I-JEPA(Image JEPA,2023) 输入一张图像,模型把不同区域(context 和 target)编码成抽象表示,然后预测 target 的表示(不在像素级别重建)。 例子:给定一张遮挡了部分物体的图片,模型能预测“被遮挡物体的大致位置和属性”,构建对物体持久性和空间关系的理解。 这是一个“原始世界模型”,能学习物理常识(如物体不会凭空消失)。 * V-JEPA / V-JEPA 2(Video JEPA,

By SHI XIAOLONG

什么是:“世界模型(World Models)”

世界模型(World Models) 是人工智能领域的一个核心概念,尤其在 Yann LeCun 等研究者推动的下一代 AI 架构中占据中心位置。它指的是 AI 系统在内部构建的对现实世界的抽象模拟或内部表示,让机器能够像人类或动物一样“理解”物理世界、预测未来、规划行动。 简单比喻 想象你闭上眼睛也能“看到”房间里的物体会如何移动、碰撞或掉落——这就是你大脑里的世界模型。AI 的世界模型就是类似的“数字孪生”(digital twin)或“内部模拟器”:它不是简单记住数据,而是学习世界的动态、因果关系和物理直觉(如重力、物体持久性、遮挡、因果等)。 为什么需要世界模型? 当前主流的大型语言模型(LLM) 擅长处理文本(统计模式预测),但存在根本局限: * 缺乏对物理世界的真正理解 → 容易“幻觉”、无法可靠规划。 * 样本效率低 → 人类/

By SHI XIAOLONG

K线周期可配置化设计方案

K线周期可配置化设计方案 1. 背景与目标 当前 Beta 套利策略的 K 线周期硬编码为 "1h",分散在多个文件中。需要: 1. 将 K 线周期从 1h 改为 2h 2. 提取为环境变量 BETA_ARB_KLINE_INTERVAL,使其可在 .env 中配置 2. 影响范围分析 2.1 需要修改的文件(共 6 个) 文件 硬编码位置 修改内容 src/trading/config.py BetaArbConfig dataclass 新增 kline_interval 字段,

By SHI XIAOLONG