{
  "generated_at": "2026-11-12",
  "description": "AI 检索用全站结构化索引。字段自解释；引用时必须附带 source_url 与 date_added，查不到就如实说明，不得编造。",
  "count": 3,
  "types": [
    "video",
    "article",
    "book",
    "music",
    "tool",
    "inspiration",
    "other"
  ],
  "topics": [
    "AI工具与方法",
    "AI建站与开发",
    "AI视频与内容创作",
    "AI学习与知识管理",
    "书影音",
    "生活与效率",
    "待归类"
  ],
  "items": [
    {
      "title": "But what is a neural network?（深度学习之神经网络）",
      "type": "video",
      "topics": [
        "AI学习与知识管理"
      ],
      "tags": [
        "神经网络",
        "深度学习",
        "数学可视化"
      ],
      "source_platform": "YouTube",
      "source_url": "https://www.youtube.com/watch?v=aircAruvnKk",
      "date_added": "2026-11-12",
      "summary": "3Blue1Brown 用可视化讲解神经网络的基本结构：神经元、权重、偏置与层，是理解深度学习最直观的入门视频。",
      "related": [
        "how-to-do-great-work"
      ],
      "note": "",
      "slug": "3blue1brown-neural-network",
      "url": "/item/3blue1brown-neural-network/",
      "content": "## 核心要点\n\n- 神经网络本质是一个函数：输入（如 784 个像素）经过多层加权求和与激活，输出分类结果\n- 「学习」就是不断调整权重和偏置，让输出逼近正确答案\n- 每一层可以理解为对前一特征更抽象的组合（边 → 笔画 → 数字）\n- ReLU 是常用的激活函数，比 sigmoid 更适合深层网络\n\n## 适合谁\n\n想直观理解「AI 到底在算什么」的人，不需要编程基础。\n\n## 原始摘录\n\n> A neural network is just a function — a very complicated one, but a function nonetheless."
    },
    {
      "title": "How to Do Great Work（Paul Graham）",
      "type": "article",
      "topics": [
        "AI学习与知识管理",
        "生活与效率"
      ],
      "tags": [
        "Paul Graham",
        "方法论",
        "职业发展"
      ],
      "source_platform": "paulgraham.com",
      "source_url": "https://www.paulgraham.com/greatwork.html",
      "date_added": "2026-11-12",
      "summary": "Paul Graham 论述如何做出伟大工作：保持好奇心、广泛涉猎、选择符合禀赋的领域、在边缘处工作并敢于提出自己的问题。",
      "related": [
        "3blue1brown-neural-network"
      ],
      "note": "",
      "slug": "how-to-do-great-work",
      "url": "/item/how-to-do-great-work/",
      "content": "## 核心要点\n\n- 伟大工作的起点是好奇心，而不是野心；好奇心无法伪造\n- 选领域：选你自己着迷、且你有天赋、该领域有空间的事，三者交集\n- 广泛学习 + 深挖：伟大工作常来自把 A 领域的知识带到 B 领域\n- 在领域边缘工作，提出你自己真正困惑的问题，而不是别人的问题\n- 大量小步尝试，乐观地高估「这次尝试有意思」的概率\n\n## 操作步骤\n\n1. 列出你真正好奇的问题清单\n2. 挑一个你能持续投入多年的\n3. 学习该领域最经典的成果，找到尚未被回答的边缘问题\n4. 持续产出草稿/原型，把「想」变成「做」"
    },
    {
      "title": "《思考，快与慢》（Daniel Kahneman）",
      "type": "book",
      "topics": [
        "书影音",
        "生活与效率"
      ],
      "tags": [
        "心理学",
        "决策",
        "认知偏差"
      ],
      "source_platform": "图书",
      "source_url": "https://book.douban.com/subject/10785583/",
      "date_added": "2026-11-12",
      "summary": "卡尼曼（诺贝尔经济学奖得主）揭示大脑两套思维系统：快而直觉的系统 1 与慢而理性的系统 2，以及它们如何系统性地导致决策偏差。",
      "related": [],
      "note": "",
      "slug": "thinking-fast-and-slow",
      "url": "/item/thinking-fast-and-slow/",
      "content": "## 核心要点\n\n- 系统 1：自动、快速、省力，靠联想与直觉；系统 2：刻意、缓慢、耗能，负责推理与自控\n- 经典偏差：锚定效应、可得性启发、损失厌恶（损失带来的痛约为等量收益快乐的两倍）\n- 「峰终定律」：人对体验的记忆由峰值和结尾决定，而非全程平均\n- 实用启示：重大决策放慢、用外部视角（base rate）校正直觉、警惕小样本故事\n\n## 书摘\n\n> 我们对自己心智的运作方式所知甚少，却对自己的判断充满信心。"
    }
  ]
}