安柏霖的专栏

知识体系打造一直是个人到团队的非常核心的能力；知识体系打造一直是个人到团队的非常核心的能力；近期在更新笔记软件，以及整理知识体系的时候，面临很大量的知识，不禁回想起之前的看过的一些文章；也继知识，大脑与实践进一步探讨这个话题；有时候我们在整理“知识”的时候，会把各类知识进行混淆，也就是上图中所示：数据，信息，知识和智慧，这些不同层级的信息&模型，放到一个层级中；进而导致混乱；知识是信息的抽象在整理知识的时候，进行一个分层就会好很多，类似上图中的一个分层；数据就是纯数据infor

这里是数据到智慧的层次结构图，from 模型思维《思维模型》一书中主要涵盖的是知识一级别的内容，读完之后尝试做进一步的抽象；第一原理这个是最强大的基础原则，有了这个可以说可以规避包括不限于路径依赖等所有问题。一个事情能不能做，可以做到什么程度，只要不违反基本定律就好，这个是musk常说的，这种思考问题的方式也确实更加强力和有颠覆性；这个除了有足够的意识之外，第一原理主要问题就是资源消耗太大，要从头来进行推导，要谨慎选择了。具体问题具体分析中学哲学课的真理，我们可以看到学习各种模型的过程中，.

8 释放潜能带来10x团队的领导力这里作者举了04年奥运男篮战胜梦之队的阿根廷，以及一系列以1/100资源颠覆大公司的小公司。向我们展示了这样的现象，实际中一个团队的内部组织会让团队焕发出10x战斗力，当然一个糟糕的组织也会让团队变得1/10战斗力。这个就是为什么团队之间的较量，不是简单的拼资源。这里几个点概念需要我们铭记：团队是不同于个体资源相加的系统，具体可见系统论好的团队可达10x战力领导力可以释放人的潜能，让人变得更好全明星团队与现状“你是带着现有的部队参战，而不是你想要的或

4 师法自然战略税：也就是围绕一些战略，会有一些不利因素，这个需要清晰识别并且控制比如windows战略，就需要office不要发布到windows以外的平台，直到战略改变了之后，office才开始多样化；阈值&链式反应：e.g. 核反应，必须在铀到达一定浓度，并且温度到一定程度，过了阈值之后才有反应；并且之后的反应是链式的。正常情况下我们往往是线性看待问题，比如看投入产出比，看边际效应，但是针对阈值&链式反应模式下就不是这样的：投入或者水平在过了阈值之后才有意义，并且接

2，可能出错的地方必然出错一看就是墨菲定律了公地悲剧现象：公共资源大家猛烈浪费，排放废料等等群体免疫效应：理论上如果其他人都接种疫苗了，那么不接种的人就没事了，但是这种想法多了之后，病毒就又得以蔓延原因：小决定泛滥：一系列处于理性的个人小决定，导致系统性的问题解决：针对破坏行为的公地悲剧解决：产权明确理性行为者交易成本低这里交易碳排放就是这样的一个解决方案。针对建设性公共行为：需要有整体规划不同重要性的决策在决策或者做事方面，有几个维度需要考虑：资源的

background & overview作者是毕业于mit，duckduckgo的ceo和创始人，可以说是比较有实践经验的人；本书有点像引擎开发领域中的《real time rendering》以及《game engine architecture》的降配版，是一个对大量思维模型，典型问题的收集罗列，很多时候是对已有的书和典型案例的收集，是一个“武林秘籍的目录”。亮点在于量比较大，对于想获得广泛认知的读者来说应该说比较好。不足在于：案例比较常见，很多idea来自已有的书，所以读下来会感觉.

游戏开发中的模型&原则在我比较熟悉游戏开发尤其是引擎开发中，我们将所谓的积累，主要包括这几个方面：知识点（模式）：面对一个问题&需求，进行拆解，然后有对应解决方案对知识进行抽象，升级为原则：进而获得举一反三的能力，在面临全新的问题，通过拆解，可以映射到已有的知识点，至少是原则，进而搞定实践：对模式和原则在实践中持续应用，复盘，进一步融会贯通，在超大规模复杂系统中持续的检验和总结整个过程，伴随学习，讨论，实践等等是一个层层递进的过程。原则&模型的威力原则解决远虑，模.

gdc20上nvidia带来，整体上是对于metro gdc19的在denoise方面（地铁中的光追GI）的延续和持续的改进，在大思路比较近似的情况下，在从整体到细节上做了提升；研究的工作也比较细致，读起来很有感觉；overview整体上是一个denoiser，用于使用monte carlo做ray tracing然后denoise的情况（而不是类似surfel based的技术）；在space&temporal上面的weight选择上，结合业内的技术做法，有很多的改进综合，效率和效果都.

在渲染中我们在做各种up sampling的时候，会常常使用poisson disk distribution。常常来说，我们就知道这个东东效果很好，就作为一个“黑盒”工具来使用，和高斯blur有点像，反正就用了。那这个poisson disk distribution到底是什么，为何有这样的特性呢？简单人话poisson disk distribution就受灵长类的视网膜细胞的分布启发得来的一种分布。在做up sample的时候，以这样的方式来分布，正好契合视网膜细胞的特点，会被视觉系统感受.

overview：visibility buffervisibility buffer其实出来很长时间了，近期的话通过nanite被大家熟知；其实这个有很多变种，如文章中所列：intel原版dawn engine(eidos)ue5activision都有不同的做法；总的说来就是开始渲染是一个比传统gbuffer小的多的visibility buffer，仅保存primitive id等少量信息，贴图等一概不读；然后再来一个pass，把各种复杂信息补上，输出gbuffer或者直接.

overview在更多的带团队的工作之后，做决策开始变得更加重要。之前也写了个，lead要的是“爆发力” 应该说工作模型变化还是很大的。这里持续的决策定制就非常的关键了，这里也很长时间保持关注，这里做一些小结：生理因素会消耗大量的能量：所以在疲劳或者低血糖的时候，做决策质量会下降（偏向保守），必要情况下吃高GI食物可以boost决策水平这里在《自控力》里也举了法官的例子，就是在能量不济以及疲劳的时候，决策就会偏向保守了。切换注意力的代价：发生任务切换的时候，大脑里抑制老任务，激活新任务，.

账号一直不能登录，登录https://account.jetbrains.com/显示DNS_PROBE_FINISHED_NXDOMAIN错误（chrome浏览器）折腾了清dns cache以及换dns server等方法；最后发现是hosts里面被加了一个：0.0.0.0 https://account.jetbrains.com/可能是本地使用jetbrain服务器被加的。。。去掉就好了；...

smoothVideo https://frames-per-second.appspot.com/最近看画面流畅相关的内容，这个文章蛮好的；简单讲，就是帧数高有适当的motion blur会让画面流畅感上升；尤其是里面的对比视频就比较好，可以有一个很直观的感受；这里也直接文字记录下：Frame rate and motion blur are important a...

ps5给人很大亮眼的地方就是超快的硬盘，的确加载速度也是最近游戏硬件猛烈升级的重要领域；刚好最近gdc22中ForSpoken的share中也聊到了DirectStorage，终于pc上也可以开始享受加载速度提升的快乐了；时间线19年nvidia就在high performance computing那部分，cuda里面提出了GPUDirectStorage...

之前看到nba球员的冰浴，加上自己也有冷水浴的习惯，最近也刚好看到相关文章，就汇总下；一般人没有职业运动员那种专业的冰浴的条件，估计这个真的冰浴也很难受得了，能做到冬天冷水就很不容易了；总的说来，冷水浴对于运动的恢复，日常的健康&减重，以及工作状态提升都很有好处。基本上起的这么几个作用：激发自噬效应这个在断食中也会有，就是人在能量缺乏的时候，进入的一种“求生”状态，细胞更倾向于回收老旧的细胞，产生更多的线粒体来供能，更少的炎症和氧化效应；相对应的，如果一个人饱食终日，不加运动，细胞就.

最速曲线是一个物理中的概念，也就是小球从左上到右下，最快的曲线是红色的这条，这个和我们直觉中的“两点之间直线最短”有点不一样；当然其原理就是最速曲线是一个平滑，且能保证全程速度很好的曲线，虽然路径长了一些，但是因为速度更快了，所以成为最优的路径；项目开发中也是一样，在开发内容的达成路径上有几个因素需要考虑达成的路径达成过程中团队的能量（速度）在我们常常有的思考中，往往会更关注达成的路径，而人的因素在其中其实上下浮动的范围非常大，而到了团队整体层面，这个放大的程度会进一步上升；从日常的几条产品.

近期在参与一个大型模块的开发中，自己也承接了不少任务，以及大量的提交代码&讨论代码；实际在做的feature中，代码量大约是30%，70%的时间和代码都是在重构整理（有自己直接整理，有的是交代同事直接整理）；做的时候，更多的是发乎直觉，面对一系列问题，显然应该这么去处理事情，这里进一步去总结下；黑盒部分的优先级和局限所谓黑盒，就是把每个人作为一个“抽象化”的标准个体，3个人做还是5个人做这种；假设这几个人的战斗力输出的，比如按照鹅厂的3个t9战斗力怎么样。。。进而建立目标，做人力分配，.

昨天技术周会谈及的一个话题，团队里一个TA希望在美术这里推进一些更前沿的做法，但是发现落地不了；当前的一些分析和讨论，结论是：现在的做法，以及想推动的技术却落地不了，这些在团队开发中具有一定的合理性；这里先进做法，更适合团队再往前做个5年，有足够的沉淀，目标也定位于更加高品质的时候，当下并不适合，所以团队接受度不高也是合理之中，即便是主观接受度高（比如团队很偏好新技术），那么也是做了错误的判断而已。因此我们在考虑因素的时候，还是把问题太简单化了，以为找到了所谓的“先进的做法”，然后就应该落地，然后项.

团队升级c++17有一段时间了，一些个语言特性在逐步的实践中开始使用；最近聊到的，并且落到编程规范中的就是enum class；传统enum传统的enum，我个人是非常喜欢的，在当年阅读quake代码的时候，也看见各种位操作，觉得很酷；enum有两个点非常的好：值本身有一个名字，可读性非常的好值本身正常情况下是做int，非常的轻量级难得到兼顾性能和可读性的东东；在c++11开始的enum class，可以说在把enum大型项目里的问题进行了改进；传统的enum有这几个问题：起名字彼