书/课程/学习资源
2026-W10 Reference 归档，共 11 项。
37Signals 系列
ZZ-757 · Getting Real
约束即优势，默认说 No，先发不完美的真产品。
37Signals 创始人 Jason Fried & DHH 的早期经典。核心主张：
- 约束即优势：资源有限反而逼出更好的设计决策
- 默认说 No：功能请求默认拒绝，除非理由足够强
- Epicenter Design：从产品核心向外设计，而非从边框向内填充
- Scratch your own itch：解决自己的真实问题，而非假设用户需求
- 先发不完美的真产品：上线 > 完美，真实反馈 > 内部预测
与 ZZ-756 Rework 构成 37Signals 哲学双璧。
ZZ-756 · Rework
少做事，小团队，拒绝功能膨胀。
37Signals 的第二本书，更激进地挑战传统商业思维：
- 小团队不是劣势，是优势——沟通成本低，执行快
- 功能膨胀是产品死亡的慢刀子，每新增一个功能都要付出维护债务
- “做得少但做得好”是可持续的竞争策略
DHH 同为作者，与 ZZ-577 Omarchy（DHH 的极简主义 Linux 配置）一脉相承——同一个人，同一种哲学，从产品到生活方式。
AI/ML 学习
ZZ-644 · Happy-LLM
Datawhale 开源中文 LLM 教程，从 NLP 基础到 Agent 全栈。
- 受众：有一定 Python 基础的中文学习者
- 路径：NLP 基础 → Transformer 架构 → 预训练机制 → 从零搭建 LLaMA2 → RAG → Agent
- 亮点：完全免费、社区驱动、中文叙述配合实践代码
- 定位：Datawhale 系列中最系统的 LLM 入门路径之一
与 ZZ-626 CMU 课程形成互补——一个是中文社区开源实践路径，一个是美国学术系统课程。
ZZ-626 · CMU 生产级 ML 系统设计
从 Flask/Kafka/Docker 到模型部署的全栈 ML 工程课程。
- CMU 出品，有配套在线书
- 不只是模型训练，而是完整的 ML 系统工程：数据管道 → 特征工程 → 训练 → 部署 → 监控
- 技术栈覆盖：Flask、Kafka、Docker、模型 serving
- 学术严谨性 + 工业实用性的平衡
适合已经会训练模型、想学如何在生产环境跑起来的工程师。
ZZ-673 · LLM Design Patterns
Ken Huang (Packt) — Gang of Four 风格的 LLM 工程模式手册。
- 用软件设计模式的思维框架来组织 LLM 工程问题
- 覆盖全生命周期：data prep / training / evaluation / deployment / prompting
- Gang of Four 风格意味着：有名字、有结构、有适用场景、有权衡
与 ZZ-689 Black Boxes 形成张力——一本试图把 LLM 工程结构化，一本提醒你它本质上是混乱的。两本都要读。
ZZ-689 · Black Boxes (Manning)
AI 系统不是数学优化，是 messy production stacks。停止追求完美优化。
- 核心论点：AI/ML 系统在生产中的行为远比论文里的数学描述混乱
- 反对”优化至上”的思维定式——生产环境有延迟、数据漂移、依赖失效
- 提倡工程师视角：把 AI 系统当作需要运维的黑盒，而非需要调参的公式
读完这本书，你会对”模型准确率提升 0.1%“这种指标更加审慎。
软件工程
ZZ-712 · Coder Cafe (Manning)
Teiva Harsanyi — 66 个概念，每篇 5 页，快速补全软件工程知识图谱。
- 作者是《100 Go Mistakes》的作者，写作风格：密度高、例子实用、无废话
- 覆盖广度：property-based testing、CAP 定理、PACELC、Bloom filter、以及更多
- 每篇 5 页的格式适合碎片时间阅读，也适合作为”查漏补缺”工具书
- 不是入门书，是给已有经验的工程师快速建立概念连接的书
ZZ-688 · Cursor 新员工两本书
Hard Thing About Hard Things + The Idea Factory — Cursor 公司文化的隐喻。
Cursor 给新员工推荐的两本书，信号意义大于内容本身：
Hard Thing About Hard Things (Ben Horowitz)
- 关于创业中的艰难决策：裁员、降薪、在没有答案时做出决定
- Cursor 的信号：我们在做最难的事，你要做好心理准备
The Idea Factory (Jon Gertner)
- 贝尔实验室的创新史：如何建立一个能持续产生突破的组织
- Cursor 的信号：我们想建立一个像贝尔实验室一样的创新组织
两本书合在一起 = Cursor 的自我认知：面对最难的问题，建立持续创新的组织。 呼应 ZZ-757 Getting Real 的”约束即优势”——困难本身就是筛选机制。
螺莉莉教育系列
ZZ-843 · 关于学习
心理动力学视角重新理解学习困境。
螺莉莉对”为什么学不进去”的深度分析，颠覆了很多常识：
- 恐惧不是不努力：学习障碍往往源于心理防御机制，而非懒惰
- 受力分析：负面情绪（恐惧、焦虑）和鸡血（短期激励）都存在边际递减
- 正确归因 = 勇气：把失败归因为可改变的因素，需要勇气，但这是进步的前提
- 苦学是错误归因：觉得”必须痛苦才算努力”是一种自我惩罚，不是有效学习
- 有效社会支持系统：学习不是孤独的事，正确的支持系统能改变学习曲线
- 能力光谱：归纳整理型 ↔ 逻辑推演型，不同人适合不同学习路径
- 概念网络 > 题海战术：建立概念之间的连接，比刷题更有迁移价值
- 难度降级：遇到阻力时主动降低难度是策略，不是失败
ZZ-844 · 关于学习（视频版）
ZZ-843 的 YouTube 视频版。
螺莉莉将 ZZ-843 的内容制作成 YouTube 视频，适合：
- 倾向视觉/听觉学习的人
- 想在通勤/运动时消化 ZZ-843 内容的人
内容与 ZZ-843 一致，形式不同。两者选其一或配合使用。
ZZ-841 · Thinking Maps 作为 AI 认知脚手架
David Hyerle 的 8 种认知模式视觉化，用于 AI 辅助学习。
- Thinking Maps 基础：David Hyerle 开发的 8 种思维可视化工具（Circle Map、Bubble Map、Bridge Map 等）
- Bridge Map 的威力：专门用于跨领域类比，把已知概念迁移到新领域
- 反封装：AI 交互中主动暴露推理过程，而非接受黑盒答案——用 Thinking Maps 框架引导 AI 输出结构化思维过程
- 认知脚手架：不是用 AI 替代思考，而是用 AI + Thinking Maps 搭建更高效的思考框架
与 ZZ-843 形成体系：843 讲学习的心理学，841 讲学习的工具学。底层一致：结构化认知 > 暴力记忆。
Cross-insights
37Signals 哲学闭环
ZZ-757 + ZZ-756 构成一个完整的产品哲学：约束 → 简单 → 发布。与 ZZ-755（Good Software Knows When to Stop）同源，都在对抗”更多才是更好”的直觉。
螺莉莉的教育体系
ZZ-843 + ZZ-841 = 螺莉莉从传统教育到 AI 时代教育的完整框架：
- 843：学习的心理学——为什么卡住了，怎么解锁
- 841：学习的工具学——用 Thinking Maps 和 AI 建立认知脚手架 底层一致：结构化认知 > 暴力记忆/题海战术
Cursor 的文化密码
ZZ-688 两本书的组合不是随机的：Hard Things（面对最难的决策）+ Bell Labs（建创新组织）= Cursor 的自我定位。与 ZZ-757 Getting Real 的”约束即优势”呼应——困难本身是筛选和塑造的机制。
AI 工程的两种态度
ZZ-689 + ZZ-673 形成张力：
- Black Boxes：承认混乱，停止追求完美优化
- Design Patterns：试图结构化，建立可复用模式 两种态度都需要，前者是世界观，后者是方法论。
中美 ML 教育的殊途同归
ZZ-644 + ZZ-626 = Datawhale（中文社区开源）vs CMU（美国学术课程），出发点不同，但都强调动手实践、端到端理解。两条路都能走到同一个地方。
Takeaway
- David Hyerle, Thinking Maps