只有菩萨才能安然过个情人节

 

宗萨钦哲仁波切有一次在演讲中对座下的听众开玩笑说：我看啊，年轻的仁波切们单是读书修行是不够的，我强烈建议他们去谈个恋爱。只有投入地谈一场恋爱，他们才会真正知道什么是苦。否则，他们整天和信众谈什么「苦谛」，全都是从书本上看来的概念，自己其实根本不理解。只有谈过一场恋爱，才会真正知道什么刻骨铭心的苦。

大意如此。

仁波切当然是玩笑话，因为在那些年轻的后辈中，的确有不禁婚娶的瑜伽士，但也有很多受戒的比丘众，后者大概得从别的地方去体验什么是苦。

不过顺着他老人家的话想下去，我也可以得出一个推论：只有菩萨才能安然过个情人节，最起码，得是初地以上的菩萨才不会闯祸。为什么这么说呢？首先，这里我普及一下普通男性最为恐惧的三句话：

1、你过来一下，我有话要对你讲。2、你知道今天是什么日子吗？3、XXX！（呼喊全名）。

男性听到伴侣说出第一句话的时候，整个人瞬间就会精神崩溃，相当于死囚在监狱里突然听到狱卒和蔼的声音响起：来，今天有鸡鸭鱼肉还有酒，你还想要点什么都可以说。

第三句话严格说不是话，而是呼叫自己的全名，一种跨血缘遗传现象，可以从自己童年的父母身上跃迁遗传到伴侣身上，但是功效不变，都意味着自己随后就会大难临头。明代神魔小说《西游记》里也隐晦地提到过这件事，但是换了一种方式，书里的对白是这么写的：「我叫你一声名字，你敢答应吗？」。书里还介绍说，一旦答应了，「一时三刻便要化为脓血」。

今天是情人节，第二句话会在全国各地频繁出现：「你知道今天是什么日子吗？」。这个问题会令绝大部分男性胃部抽搐性剧痛，脑部因为超速运转而缺氧陷入空白，中学老师的声音回想在自己耳边：同学们，这是陷阱题呀！

什么日子？谁他妈知道今天是什么日子？生日？周年？上一次说是认识 141 天纪念日，为什么是 141，因为那是根号 2 纪念日，下一次是 173 天。为什么恋爱了结婚了还要背平方根表？因为下面还有个问题在等着：那我今天的礼物呢？

到这里会有一次分叉。A 路径：没有准备礼物，那么就是「爱淡了，你根本没有把我放在心上」。B 路径：准备了礼物，那么就是一个概率学问题，99% 的概率是「你根本不知道人家想要什么」、「这是什么烂东西」，1% 的概率是「哇，我就说过一次你都记住了啊」、「爱你」。爱当然会淡的，听到上述三个问题只要是个人连魂都吓淡了，魂淡了自然爱更淡。

像这样推演一下，容易证明，不难得到，明显可见，一个普通男性从「知道今天是什么日子吗？」开始，最后能够成功抵达「你太好了！」的几率，应该不超过万分之一，剩下的 9999 种结局都是搞砸。

所以我才会说：只有菩萨才能安然过个情人节，最起码，得是初地以上的菩萨才不会闯祸。

菩萨分十地，也就是从低到高按照修证水平分为十个位阶，最低一阶叫做「初地菩萨」。为什么初地菩萨就能安然过个情人节了呢？

根据《大般若经》所说，初地菩萨获得了「他心智显现」这种神通。他心智显现是什么意思呢？就是说可以了解他人内心的想法。利用这种神通力，初地菩萨当然能够回答一切问题，「知道今天是什么日子吗？」这种都是小儿科，包括后面想要什么礼物，礼物要不要包装，什么包装，都不在话下，一念之间都能知晓。

对于普通男性而言，即便知道是什么日子，应该送什么礼物，这都远远不够。因为还存在肉疼的可能，还存在攒钱买显卡这种事情。初地菩萨不同，根据《十住毗婆沙论》所说，他们能做「无畏施舍」。对此，经论里是这么描述的：「能施舍头目髓脑而不生怖畏」。什么意思？就是把自己的脑袋、眼睛、骨髓、大脑都拿去送人，内心却不会害怕，所以叫做「无畏施舍」。因此，区区一个礼物算什么？拿去！于是，情人节无有烦恼，免生龃龉（jǔ yǔ），没有人流泪转身跑开，跑到很远很远的地方去再也不回来。

洞晓心意，慷慨馈赠，这其实都还远远不够。那还有什么问题？对于普通男性而言，最大的问题就一个：你是你。就是说，伴侣那里存在一个理想中的「你」---不是你，别自作多情。但是理想不就是用来实现不了的吗？因为理想实现不了，只能退而求其次，于是才选择了你。而情人节是一个美好的日子，理论上来说，应该和理想一起过才对。奈何理想还在出通告，或者在商务飞行，所以看到你就觉得烦。虽然你没错，但也可以说你错得离谱，这个逻辑能理解吧？

这个问题在初地菩萨那里得到了完美的解决。得证初地菩萨之后，还会获得一种神通，叫做「化身示现」​。什么意思？​就是可以在一念之间变成各种各样的形貌。对方想要小鲜肉，那就​当场嫩起来。对方要霸总，那就​即刻霸起来。对方要大叔，那就​瞬间沧桑下去。总之，主打一个「如意如意，如我心意」​，想见到什么就能见到什么。

有了「他心智显现」，又有了「无畏施舍」，还有了「化身示现」，这就算是安全了，​可以安然过个情人节，大家和和美美，满满意意，挑不出半点毛病来​。但是作为凡夫的普通男性，不要说成为初地菩萨，就算是​距离简单入个定都还有相当距离，所以情人节往往都​会很难过，所以时常要为那三句话吓得魂飞魄散。习惯了就好，毕竟是凡夫嘛，凡夫就是这样的。

不过也不用太悲哀，凡夫虽然是凡夫，情人节虽然难过，但在这平凡之中通过这种锤炼，也正好可以修行「忍辱波罗蜜」。修成菩萨需要​修行六波罗蜜，忍辱是其中一种，​修成了也就成为了六分之一的菩萨。再努力努力完成后续的六分之五，​那就可以安然过个情人节了。八十岁的时候自己家里四世同堂，大家来问你宝贵的生活智慧，你摸了摸白色长髯，沉吟许久，提笔在雪花宣上​一挥而就：

「忍」。

------

你还堵在deepseek官网动弹不得吗

 

如果你是 deepseek 玩家，那么以下这几个字你最近应该很熟悉​：「服务器繁忙，请稍后再试」​。

deepseek 的官方网站和 APP，从春节前到现在一直在努力应对网络攻击，以及​用户高速增长。我看到有传闻说，为了降低服务器负载，一个用户每小时可以使用深度思考功能的次数是 5 次，也有人宣称是每 24 小时​ 5 次。这话无论真假，反正每个人看到最多的就是那句​话。

但 deepseek-R1  本身是个开源模型，也就是说谁都可以拿去自己部署，大家并不是非得访问官方网站或者官方​ App。比如说我自己，就同时在 deepseek 官网和其他几个第三方平台上使用​，一个不行就切换另外一个，总有能用的。我觉得与其大家在 deepseek 官网上挤得水泄不通，不如发挥开源软件的优势，​主动分流出去。以下，就是我自己使用的几个第三方 deepseek-R1​ 模型平台：

1、腾讯​元宝：https://yuanbao.tencent.com

​有网站，也有 App。如果是访问网站，注册登录之后在页面左侧找「对话」。点开之后，在页面下方出现的对话框左下角，点三角形符号▼，在弹出的窗口里选择Deepseek R1就可以了。它默认的是混元模型，写着「Hunyuan」，你需要切换一下。

腾讯元宝的 deepseek R1​ 支持深度思考，也支持联网搜索。目前无论是混元还是 deepseek R1应该是免费，​估计是普通用户免费，调用 API 另算。我自己用感觉速度还行，不能和官网的全速​状态相比，但我认为是网页优化问题​。完全可以多让用户等一会转菊花，然后猛地吐出答案，看上去​就会让人感觉快很多。

2、Perplexity https://www.perplexity.ai/

如果你能访问 perplexity，那么你就可以用和上面类似的方法选择 Deepseek-R1 模型​。即便你不是付费用户，每 24 小时你也有 5​ 次免费使用的机会。不过要注意一点，这里的 5 次是所有可选模型加在一起​的使用次数，不要想着每一个模型刷 5 次，就可以得到​20 次免费机会。

perplexity的 deepseek R1 支持深度思考，也支持联网搜索，还是无限制版。目前来说，它是我用过的第三方 deepseek-R1 中速度最快的一个。

3、Cherry Studio+硅基流动 （动手爱好者）

这个组合在今年春节期间就开始流行，其实是要收费的，但是平台主打一个拉新，所以用了邀请制，邀请双方都可以获得2000 万​ Token，足够用一阵子的。

​使用这个组合需要一点动手能力。​Cherry Studio 是个客户端，需要去下载。它的好处是可以接入多个 AI 平台的 API，​提供所谓 All-in-one 服务。客户端都是免费的，GitHub 上有项目专页，不要​被骗，​要求付费下载就不对了。

Cherry Studio 就是个壳，需要添加​ AI 模型的 API。硅基流动是个​ AI 大模型平台，里面收录了很多开源大模型。所以，在下载好客户端，注册硅基流动之后，需要在 Cherry Studio 里绑定硅基流动的 deepseek-R1对应的 API​---幸好，两家已经深度合作了。

访问硅基流动官网，在左侧工具条中部找到「账户管理」。点开，选择「API 密钥」。点开，选择「新建 API 密钥」。然后你就会看到一长串************，在这一行最后点击「复制」。

回到Cherry Studio客户端，在窗口左侧工具条最下，找到齿轮⚙️符号，点开。在新窗口点「模型服务」，于是可以看到一列模型​名称。选择「硅基流动」，点击「On」打开。然后在展开的窗口里复制刚刚得到的 API 密钥​进行绑定。

回到「模型服务」选项，它的下方有「默认模型」，打开之后在「默认模型助手」里都选择Deepseek-ai/deepseek-R1。接下来，就是去点开左侧菜单的对话气泡图标，选择和「助手」对话了。

这个组合的速度是最慢的，据说硅基流动春节期间接下了泼天富贵，但是​也很吃力。它们的 deepseek R1 仅支持深度思考，不支持联网搜索。

但是总有人热爱折腾，总有人喜欢 All-in-one​。​所以，也写在这里。注意一点，在这个方案里Cherry Studio客户端不是必选项，你完全可以在硅基流动的网站上直接选择使用各种模型，​就是眼花缭乱一些罢了。大多要付费，但是你现在有 2000 万​ Token，怕毛？

Cherry Studio：https://github.com/CherryHQ/cherry-studio

硅基流动邀请：https://cloud.siliconflow.cn/i/ULVvdr6F

​其实，目前市面上不止有这些方案。我之所以介绍它们，是想说明不要整天去挤deepseek 官网，明明是开源项目，全世界各地第三方平台都在部署，完全可以​自己去找一个顺手的去用。​都开源了，还整天挤官网，挤得大家随时动弹不得，那开源的意义又在哪里呢？怎么说，又是官网才是原装货，用起来才有 deepseek 的「灵魂」？

最后，​AI 领域的情况一天一个样。现在是 deepseek 官网过载，等这些第三方平台​知名度扩大之后，也许就轮到它们塞车了。同时，它们现在的服务方式、使用限制、付费条件也可能随时会变。一切都有可能，​所以明智的方法是自己多找几处备选，保证自己随时能有一个可以用的就好。

​让马儿跑起来！

------

报告：AI 目前和人类工作之间的关系

 

早上七点，李笑来发给我个链接，内容是OpenAi的强劲对手，Claude 背后的 AI 初创公司 Anthropic 刚刚发布一份38页的新报告，根据自己平台的数据，分析 AI 和人类工作之间的关系。

为了提升你的阅读效率，这里我先给出摘要：

在未来几年，人工智能系统将对人们的工作方式产生重大影响。为此，我们推出了"Anthropic经济指数"，这是一项旨在长期了解人工智能对劳动市场和经济影响的计划。

该指数的首份报告基于Claude.ai平台上数百万次匿名对话，首次提供了独特的数据与分析，清晰展示了人工智能如何融入现代经济中的实际工作任务。

我们同时开源了此分析所用的数据集，以便研究者在此基础上扩展研究成果。制定应对劳动市场变革及就业与生产力影响的政策需要多视角参与，因此我们也邀请经济学家、政策专家和其他研究者对此指数提出建议。

首份研究报告的主要发现：

当前使用集中领域：人工智能使用集中于软件开发和技术写作任务。约36%的职业在至少25%的相关任务中使用AI，而约4%的职业在75%以上的任务中使用AI。

增强与自动化比例：AI使用更偏向增强人类能力（57%），而非完全自动化任务（43%）。增强场景包括验证（如复查用户工作）、学习（辅助掌握新技能）和任务迭代（帮助头脑风暴）等。

薪酬相关性：AI在中高薪酬职业（如程序员和文案撰写）中应用最多，但在最低和最高薪酬岗位中应用较少，可能反映出当前AI能力的局限性和技术应用门槛。

各职业类别AI使用对比（基于Claude对话数据）：

计算机与数学类：37.2%

艺术与媒体类：10.3%

教育与图书馆类：9.3%

办公室行政类：7.9%

生命科学类：6.4%

商业与金融类：5.9% 低使用领域包括农业渔业（0.1%）和运输业（0.3%）。

研究方法：通过"Clio"工具分析约100万次Claude对话，参照美国劳工部O*NET数据库（包含2万个工作任务分类），将对话按职业任务匹配。研究聚焦任务级别分析，而非整体职业替代。

限制与展望：当前数据无法完全区分工作/非工作场景中的AI使用，且部分API用户数据未纳入。计划持续跟踪AI使用演变，未来将持续更新数据集和研究结论。

结论：

Anthropic发布首个聚焦AI经济影响的"Anthropic经济指数"，基于Claude.ai平台百万次对话数据得出关键结论：

应用现状：AI已在36%职业的25%+任务中应用，但深度渗透（75%+任务）仅占4%。软件开发（37.2%）和创意写作（10.3%）是主要应用场景。

功能模式：57%的AI使用属于"能力增强"（协作迭代/知识学习），43%为任务自动化。

收入相关性：中高收入岗位（如程序员）应用最多，而体力劳动岗（农业）和高专业性岗（产科医生）使用率最低。

开放合作：研究数据集已开源，并邀请学界参与后续分析，以追踪AI对劳动市场的长期影响。

研究揭示了当前AI渗透更倾向于任务协同而非职业替代，提示未来工作转型而非消失的可能性。后续将长期监测自动化/增强比例变化及技术扩散模式。

全文翻译如下：

《Anthropic 经济指数》

2025年2月10日 ● 9分钟阅读

在未来几年中，AI 系统将对人们的工作方式产生重大影响。正因如此，我们推出了 **Anthropic 经济指数**——这是一个旨在长期追踪和理解 AI 对劳动力市场及经济影响的项目。

该指数的首份报告基于数百万条匿名的 Claude.ai 对话数据，提供了前所未有的数据信息和分析，清晰呈现了 AI 如何在现代经济中被应用于各类实际任务。

我们还将公开此次分析所使用的数据集，以便研究人员在我们的成果基础上进一步探索和扩展。制定针对未来劳动力市场转型及其对就业与生产力影响的政策响应，需要多方观点的综合。因此，我们也邀请经济学家、政策专家以及其他研究人员对该指数提供意见和建议。

### 以下是首份报告的主要发现

- **按任务使用情况**

- 目前，AI 的应用主要集中在软件开发和技术写作任务上。

- 超过三分之一的职业（约36%）在至少四分之一的相关任务中使用 AI；

- 约4%的职业在其任务中使用 AI 的比例高达75%及以上。

- **增强与自动化的应用比例**

- AI 的应用更倾向于“增强”模式（57%）：与人类协作、提升人类能力；

- “自动化”模式（43%）：AI 直接替代人类完成任务。

- **不同薪资水平职业中的 AI 应用**

- 在中高收入的职业（例如计算机程序员和数据科学家）中，AI 的应用更为普遍；

- 而在最低薪与最高薪的职位中，AI 的使用率均较低。

- 这既反映了当前 AI 能力的局限，也体现了实际应用中的各种障碍。

请参见下文了解我们初步发现的更多细节。

人工智能在经济中的应用范围和方式，这些数据来自 Claude.ai 的真实使用数据。这些数字指的是与 Claude 对话中与个别任务、职业和类别相关的百分比。

---

## 绘制 AI 在劳动力市场中的应用图谱

我们的新报告延续了从工业革命时期的纺纱机到当今汽车制造机器人等技术对劳动力市场影响的长期研究。此次我们聚焦于 AI 的持续影响。我们既没有通过调查人们的 AI 使用情况，也不试图预测未来，而是基于实际数据直接反映 AI 的应用现状。

### 分析职业任务

- **背景理论**

我们的研究始于经济学文献中的一个重要洞见：有时关注具体的**职业任务**比关注整个职业更为合理。

不同工作往往共享某些任务和技能，例如视觉模式识别既是设计师、摄影师、安全检查员以及放射科医生的共同任务。

- **技术选择**

某些任务比其他任务更适合通过新技术实现自动化或增强。

因此，我们预期 AI 会在不同职业中的不同任务上有选择地得到应用，对任务进行细致分析可以更全面地展现 AI 如何融入经济活动。

### 利用 Clio 将 AI 应用匹配到任务上

- **Clio 工具**

这项研究得益于 Claude 提供的洞察与观察，我们开发了自动化分析工具 **Clio**，该工具能在保护用户隐私的前提下自动分析与 Claude 的对话。

- **数据与分类**

- 使用大约一百万条 Claude 对话数据（主要来自 Claude.ai 免费版和专业版），

- 利用 Clio 将这些对话按职业任务进行归类。

- 我们依据美国劳工部的分类选择任务。劳工部维护着一个包含约20,000项具体工作任务的数据库，称为“职业信息网络”（O*NET）。

- Clio 将每条对话与最能代表该对话中 AI 角色的 O*NET 任务进行匹配，然后按照 O*NET 方案将任务归类到对应的职业，并进一步划分为诸如教育与图书馆、商业与金融等几个大类别。

我们的 Clio 系统将与 Claude 的对话（严格保密；左上）转化为职业任务（中上）和职业的过程。

---

## 结论

### 按职业类型的 AI 使用

- **计算机与数学类**

- AI 采用率最高的任务和职业类别是“计算机与数学”类，主要涵盖软件工程相关岗位。

- 37.2% 的查询归属于此类别，涉及软件修改、代码调试、网络故障排查等任务。

- **艺术、设计、体育、娱乐与媒体类**

- 第二大类别为“艺术、设计、体育、娱乐与媒体”，占查询量 10.3%，主要反映人们利用 Claude 进行各类写作和编辑工作。

- **其他类别**

- 高体力劳动的职业（例如“农业、渔业和林业”）查询量仅占 0.1%。

- **对比分析**

- 我们还将数据中各职业的 AI 使用率与其在劳动力市场中的整体占比进行了比较，比较结果如下图所示：

对于每种工作类型，与 Claude 相关的对话的百分比以橙色显示，而美国经济中从事该工作类型的工人百分比（来自美国劳工部的 O*NET 类别）则以灰色显示。

- “计算机与数学”类虽然只占 3.4% 的劳动力，但其 AI 使用率高达 37.2%；

- 办公室与行政支持类在劳动力中占比最高（12.2%），对应的 AI 使用率为 7.9%。

### 职业内 AI 使用深度

- 仅约 4% 的职业在至少 75% 的任务中使用 AI。

- 约 36% 的职业在至少 25% 的任务中使用 AI。

- 数据中未发现某个工作被完全自动化的证据——AI 更多是分散应用于各项任务，对不同任务组的影响存在差异。

### AI 使用与薪资

- 整合 O*NET 数据中的美国中位薪资信息后，发现：

- 低薪和极高薪的工作均显示出极低的 AI 使用率（如洗发师、产科医生），

- 中高薪职业（如程序员、文案撰稿人）则是 AI 使用最频繁的群体。

年薪（x 轴）与 Claude 交谈中涉及该职业的百分比（y 轴）。图中突出显示了一些说明性职业。

### 自动化与增强

- 分析任务执行方式，区分“自动化”与“增强”：

- **增强**：AI 与用户协作完成任务（57%）；

- **自动化**：AI 直接完成任务（43%）。

- **细分**

- 增强型任务细分为：验证（2.8%）、任务迭代（31.3%）和学习（23.3%）；

- 自动化型任务细分为：反馈循环（14.8%）和指令式（27.8%）。

与 Claude 的对话中涉及增强与自动化的百分比，以及每个类别中任务子类型的细分。我们论文中对子类型的定义如下。指令：以最少的交互完成任务委派；反馈循环：由环境反馈指导的任务完成；任务迭代：协作细化过程；学习：知识获取和理解；验证：工作验证和改进。

---

## 注意事项

本研究为观察 AI 如何改变劳动力市场提供了独特视角，但存在若干局限：

- 无法确知使用 Claude 完成任务的用户是否出于工作需要；

- 不清楚用户如何利用 Claude 的回复（例如是否复制代码或进行事实核查）；

- 分析仅基于 Claude.ai 免费和专业版数据，而非 API、团队或企业用户；

- 由于任务种类繁多，Clio 可能对部分对话的分类存在错误；

- Claude 无法生成图像，因此部分创意用途未能在数据中体现；

- 编码相关应用可能在数据中被过度代表，因此数据样本不一定代表 AI 使用的整体情况。

---

## 结论与未来研究

- AI 的使用正迅速扩展，且模型能力不断增强。

- 劳动力市场的格局可能在短期内发生显著变化，未来许多现有工作可能会逐步演变而非完全消失。

- 我们将定期重复上述分析，以追踪未来可能出现的社会和经济变革，并定期发布相应研究成果及数据集，作为 Anthropic 经济指数的一部分。

- 虽然研究展示了 AI 的应用数据，但未提供具体政策建议，未来的应对策略需结合证据、价值观和广泛经验。

---

## 数据开放及意见征集

- 本报告及 Anthropic 经济指数的重要贡献在于其新方法论，提供了关于 AI 影响的详细数据。

- 我们将公开共享本次分析使用的数据集，并计划在未来持续共享更多数据。

- 完整数据集可供下载，同时也开放了供研究人员反馈意见和提出新研究方向的表单。

---

## 致谢

感谢以下专家在早期发现和报告草稿阶段提供的富有成效的意见和讨论：

- Jonathon Hazell, Anders Humlum, Molly Kinder, Anton Korinek, Benjamin Krause, Michael Kremer, John List, Ethan Mollick, Lilach Mollick, Arjun Ramani, Will Rinehart, Robert Seamans, Michael Webb, Chenzi Xu.

---

报告全文访问地址：https://www.anthropic.com/news/the-anthropic-economic-index

以上文章中摘要部分由 deepseek 分析提供，中文翻译部分由 chatgpt 完成，本人只做了排版和贴图工作。

------