JackCheng

最近在看一本书 《Think Python》，作者是AllenDowney，到第三版的时候，他将 Think Python 彻底开源，并转换为 Jupyter Notebook 格式，方便读者 边敲代码边阅读（Coding as you read），有意思的是，在他开源的 本书 github repo 中，有一个文件夹是 blank，这里面的 ipynb 文件和 chapters 文件夹中的文件，文件名都是一样的，唯一不一样的地方在于： blank文件夹中Jupyter notebook 中的代码部分全部删去了。 在阅读本书一周后，我知道了作者的用意：希望读者能够把书中的代码，从头到尾自己手敲一遍。 chapters 文件夹中有代码的版本和 blank 文件夹中无代码的版本之间的关系，就好像一本教科书和其对应的练习册一样，教科书里给出了源代码和答案，练习册的正文和教科书完全一样，但是把答案全部隐去了，需要读者自己动手写（动手敲）上去。 动手是掌握编程书知识的唯一路径通过我这一年多的编程实践来看，我才真正明白了：纸上阅来终觉浅，绝知此事要coding。只有自己敲了，动手了，这知识才内化 ...

我一直认为 AI 不能完全替代人编程，但是AI 会是人类有史以来最好的编程助教，下面这个案例就是实证。在此之前，其实我没有写过特别长的程序，顶多不超过 20 行吧，Python 书籍通常只看完第一章节就没有然后了，但是今天我写出了 50+ 行的 Python代码，成功解决了问题。 提出需求：提取A股半导体上市公司股票数据最近想研究下A股半导体上市公司都有哪些，市值、毛利率、营收等情况是怎样的。简单拉了一下半导体股票列表，去重后有将近170家，人工统计肯定费时费力（刚毕业那会儿真这么干过）。 凡是重复的流程，必定有办法提升效率。 于是打算写一个 Python 脚本，主要功能是提取A股半导体上市公司的一些数据，如收入、净利润、总市值、收入、收入占比、毛利率。 在这之前，好几次我都是直接提需求给 ChatGPT，让它帮我写脚本，这次我想尝试自己写脚本。 选数据源，探索API数据结构：雪球API首先是要选好 API 数据源，上一次美股上市公司数据提取，用的是雅虎的API-yfinance，这次经过搜索，用的是一个 GitHub 上的雪球 API。 选好API之后，需要看看里面有哪些字段，怎么取 ...

今天查询了一下我微信中订阅的公众号数量，竟然有 2007个公众号。为什么会订阅这么多？一个最重要的原因是FOMO（Fear Of Missing Out ）心理，生怕错过任何一条自己关注领域内的信息。为什么有 FOMO，因为我本人就是做投资研究，很重要的工作就是deal source，获取第一手行业信息。 对于进入投资行业头2-3 年的新人来说，多去接触一些行业信息，有利于快速了解行业上下游怎么运转、商业模式，行业黑话等等。但是对于已经工作 7-8 年的人来说，TA 脑中已经形成了一套自己的行业框架，我觉得有必要对我的信息源加以筛选，分门别类，去粗取精。具体来说： 1.把已关注的公众号分门别类，只留下 10%（最多 100 个公众号），并且这 100 个公众号有益于自己的成长，定期要优胜劣汰。 2.加入新的信息源：国外英文世界里更好的信息源要加入到我日常的阅读信息流中，譬如好的Youtube 账号更新：这个应该放在 irreader 的专门的专栏中。 以下涉及到较多用软件、甚至编程来解决的思路，记录下来仅供参考。 第一步：提取已经关注的公众号列表微信在很多功能很受用户喜欢，但是也有限制 ...

1、我为什么创建这个脚本最近，我在学习麻省理工学院教授的一个课程： Missing Semester of Your CS Education，这是面向非程序员的一门课（不需要编程），用于提升我们的计算机素养（computer literacy）——通常上编程课，老师默认学生都会这些技能，因而不教，但实际上我们绝大部分人都没有系统研究过这些东西。我发现 Vim 确实是程序员和文本编辑者的“瑞士军刀”（虽然我现在还不是一个真正的程序员，但在人工智能的帮助下，我正在逐步迈向这个目标）。 Vim 在Mac 终端中编辑代码时功能非常强大，你几乎不需要用鼠标（用了鼠标反而大大降低效率）。对于其他软件，比如浏览器应用程序、Visual Studio Code，开发者们都创造了优秀的工具或插件，使其具备类似 Vim 的按键绑定和使用体验。 Chrome 和 Edge 软件：Vimium 的 Chrome 扩展非常棒。 Visual Studio Code：vim 插件提供了与终端中相同的原生 Vim 体验。 Google Doc：我推荐一个 Vim for Google Doc 的付费 Chrome ...

今年进行英语阅读训练已经大半年了，我在一个叫做 Enjoy 的英语阅读软件中进行跟读练习，评估自己发音的准确程度。对于发音不准确的单词大部分都有记录，至今累计记录了 600+个单词（去重后）。 今天突发奇想，对于已经记录的单词，用数据分析的手段辅助自己更加有效率的训练。具体来说分为两个步骤：一是针对单词，输出每个单词的美式英语发音；二是将美式英语发音拆分成元音和辅音，并且统计各个元音、辅音出现的词频。 在ChatGPT的帮助下，写了两个 Python 脚本（见附录），英语词典离线文件来源于 Github 上网友已经整理好的 json 字典。 经过分析，有 500 个单词的英文发音，有100 个左右英文单词没有查询到。但是没关系，这 500 个单词也足以指导我接下来的训练。之前我隐约感觉英文 L 和 n 的发音需要注意，现在我有了更为量化的分析了。 具体来说，词频比较高的元音和辅音，之后要花更多精力练习。 也因此，我觉得市面上的英文单词书、英文发音练习计划其实并不适用于所有人，每个人应该有自己个性化、更有效率的英文发音练习计划，而大模型的出现让我们 DIY 英文发音练习计划成为可能。 1 ...

今天是程序员的节日，今年对于我，对于很多用大模型提升效率的人来说也是意义重大的一年。因为有了 ChatGPT，我们可以用自然语言编程了，以至于我每天都要和 ChatGPT 对话很多回，远远多于现实中说的话。 今年持续提升英语阅读水平，对于语言的理解更深刻，可以看到自己确实在不断的进步（肯定是没有退步的），一个月前很难攻克的一些读音陆续攻克。下面的截图中所用到的软件其实背后也有大模型的技术加持，是很优秀的一个软件，叫做 Enjoy。 今年开始投入很多闲暇时间（坐地铁上班路上、吃饭时候）在 YouTube 上听各种英文视频，主要是MooC、MIT Open Course 等课程，半年下来，确实听力有了十足进步，目前基本不用看字幕也能知道是说的什么单词（除了印度英语，口音特别重的还比较难之外）。 练习口语方面，也找到了比较好的老师，持续提升中，预计春节前后把这一轮练完，就开始大量地读文章。 今年也是在黑盒代码水平突飞猛进的一年，或者说得更精确一点，在和 ChatGPT 交互方面有十足的进步，知道如何更好的与大模型交互，达到我想要它做的事情的目的。今年在Github 上的开源库和大模型的加持 ...

国庆三天徒步 40km 的南太行徒步之旅结束了，这是一次令人心旷神怡、宠辱皆忘，景色美到叹为观止的一次旅行。 在去南太行徒步之前，我多在长三角地区徒步，为期 1-2 天，包括盐帮古道、虞山、莫干山、婺源秋行、黄山等，由于时间短，沿途道路经过商业化开发已经比较成熟，也没有特别险峻的山，所以对徒步者的装备要求可以弱化，运动鞋、平常上班通行的背包都没问题（当然经常徒步的，不建议这么做）。 今年特别想去挑战一些长线，于是中秋和国庆各报了一个团，中秋节去武功山（位于江西萍乡）徒步，国庆去南太行（河南、山西交界）徒步，武功山两天20公里左右，特点是沿途海拔起伏比较大，第一天爬升 1200m，在高度上要走 W 型（多次上下）；南太行 3 天 40 公里，特点是路线更野，道路基本未经开发，废弃的挂壁公路，流着小溪的河床，伸出崖壁的天梯，沿着陡峭的山峰的之字形上山路，还有 3000 多级下山台阶……可谓全方位考验你的耐力、体能，还好凭借一股毅力，完成了任务，只有个别滑倒，手上一点小伤，总体无大碍。 这篇文章分享的重点是想总结下徒步的经验和教训，以后登山徒步可以复用。下面重点讲讲登山装备及徒步注意事项。 ...

一、学Scratch 起源近期在学习 Harvard University 的 CS50x 课程，第一节课就介绍了 Scratch(一款针对青少年的易上手的图形化编程语言，类似于苹果的 Swift），发现图形化编程挺容易上手，麻雀虽小五脏俱全：简单的或者复杂的程序都可以用类似搭积木的方式实现，而且这个编程语言、编程软件还是 MIT 媒体实验室（MIT Media Lab）开发的，一定很优秀，根据官方的报道，到 2022 年底 Scratch 全球有超过 1 亿的用户了。 第一节课程，仅用了一个小时不到的时间，就完成了 Scratch 的入门：David 教授首先展示了仅用简单几个模块就可以实现的功能（如点一下，发出猫叫 meo 音），还有一个摄像头感知模块来感知运动，进而触发meo 音的简单演示；其次，演示了几个有趣的之前的 CS50x 课程学长学姐开发的小游戏，让同学试玩，体验不错引发同学兴趣后，再展示内在的程序设计逻辑。 每一节课都有个课程作业，第一节课的课后作业，就是用 Scratch 编写一个程序，要求用到Control Flow(IF or Forever)，用到自变量（va ...

最近两天有很多意外的收获，值得记录一下。 最近听李笑来老师的演讲，提到了“寻找英文词汇中发音比较有挑战的词汇”这样的 idea，我深表认同，就我这半年朗读英语的体会是，像普通的 Hello，fine，这些日常司空见惯的英文单词，其实发音本身不存在挑战。我们纠正发音最重要的是找到日常生活中我们常用的，而在其他语言（如中文）中没有的特殊单词，将更多精力放在这里的训练，会起到事半功倍的效果。 比如对于我来说，常读错的英文单词类型有： 弹舌音 t，如 capital, battery, 在 Apple New Oxford American Dictionary字典中通常标注为“də” schwa 的儿化短元音、儿化长元音,，如workers /ˈwɝː.kɚ/，典型的既有儿化短元音，又有长元音 中间或者末尾是 小写L 的英文单词，meal, old, cool, capital, will。 ts 在一起，如 fats tn 在一起，这里 t 不发音，如 Martin,Clinton tʃ，如children，question tə， də 然后看到了 ...

今天做完一半的英文朗读任务后，突发奇想，对比了下1 月刚开始读英文和现在读英文时，自己的改变。 听下来，感觉1 月的朗读者操着一口不太自信、囫囵吞枣的 Chinglish，而 400 小时后的自己仿佛“新生”一般：自信、字正腔圆、有些韵律在其中……当然还有很多不足，不过这个进步，已经给了我足够的动力继续前行。 第一个是 2024 年1 月 13 日刚开始英语朗读时录的音频： 您的浏览器不支持 audio 标签。 Script： Why learn English? First up, it enhances my capabilities in English speaking, listening, reading and writing. Despite 20 years of learning, I am good at English Reading but not in English Speaking. It’s a shame, I ought to seize this chance to improve. Secondly, st ...