最近整理了一下各种社交媒体的收藏夹，发现有一部分是关于各种数据结构和算法的学习，以及许多博客技术分享。 差不多都是前AI时代收藏的，现在基本不会收藏这些东西了。
课程与学习
大学时代，课程唯一的作用是框定一个合适的范围，并提供一个适定学科浓度的学习环境，除此之外是远不如边实践边学习的。
实践本身是一个非常好的学习过程，但是很容易陷入学一次忘一次的困境，缺乏一个系统的、多层次的了解。
所以在成熟的课程体系下，授课+实践课的组合一般认为是非常优秀的课程安排了。如果加上合适梯度的任务挑战和合适的测试机制，那么，我只能说，能够这样上课的人是幸运的。
AI 所带来的改变
AI的核心在于随时提供一个可供讨论的对象和任意生成的可供讨论的质料，尽管这需要自己亲手开启才能够维持下去。 高质量的语料生成决定了每次学习的氛围和持续时间，而高质量的语料取决于自身所使用的prompt和模型本身的能力。 就大部分开源模型来说，后者几乎是不需要太过于担心的事情，主要的困难就在于prompt的产生。
当然，你也能够以AI治AI，用AI来生成prompt不断优化以达成自举，但这样对讨论氛围所产生的影响很难估量，可能会发生向AI-prompt的讨论，而不是针对于某一学习任务的本身。
从这个角度讲，由前人分享的技术和博客等提供了一个高质量的语料基础（至少也可以让AI来判断是否高质量进行筛选），它既构成了AI自身训练的一部分基础，也成为了激发它这部分知识的钥匙。 尤其是对于比较新兴、比较底层和比较少的领域而言，它们存在的意义是不言而喻的。
搬移的作用
我现在想清理一下各个社交媒体收藏的学习语料，毕竟在AI时代，知道什么东西存在可能要比知道这个东西本身更实用。
搬移主要分成两种，一种是内容搬运，一种是链接搬运。前者或许会更能理解内容本身；而后者则仅仅只是一个简单的清点和罗列。
目前先就这样了。