人生进阶指南(up):AI 时代终身学习开放内容项目的设计、书稿结构与站点自动化机制
本文以《人生进阶指南》(仓库项目名 up,副标题“AI 时代终身学习指南”)的中文首页 docs/README.md 为主体,拆解这本持续更新的书稿如何组织六大部阅读弧线、如何用一个“发现问题 → 证据 → 复盘”的学习闭环驱动行动,并结合仓库内的同步脚本与校验工具,说明它如何保证中英双语书稿、导航目录与根目录 README 始终一致。读完你能掌握:这本指南的内容骨架与入口选择方法,以及该开放内容项目在构建、校验与发布上的完整工程约束。
项目定位:答案变廉价,判断力变稀缺
up 是一个开放内容项目(package.json 中的包名为 life-level-up-guide),作者是韩先凯(笔名:离谱)。项目在 2017 年从《离谱的英语学习指南》开始,英语曾是全部内容的主线,如今它退为地图上的一条基础路径,书稿向外扩展到 AI 学习、项目开发、资源层创业、人生复盘与恢复。
首页开篇即点明全书的底层命题:AI 让解释、代码、计划表甚至在几秒钟内变得廉价,但真正稀缺的能力没有消失——知道什么问题值得追问,辨别什么证据可以相信,把建议变成真实作品,并为最后的判断承担责任。因此这份指南不承诺某个工具会改变命运,而是反复练习一个闭环:
发现问题 → 主动学习 → 与 AI 协作 → 完成真实任务 → 保存证据 → 复盘迁移
全书同时严格区分三种信息类型,这也是它的内容写作规范(在 MAINTENANCE.md 的内容规则中被明确写为强制要求):
- 研究结论:提供来源,并说明证据能覆盖到哪里;
- 个人经验:保留故事的温度,不把一条人生路径冒充成普遍规律;
- 待验证假设:允许想象进入讨论,但必须交给下一轮行动检验。
书稿主线:六部加后记的阅读弧线
如果想完整阅读,首页指明的路径是先看 阅读指南:把书放回生活(负责选择入口、留下证据、在中断后回来),再从 序章:先不要急着改变人生 开始。全书不是一条只向上的直线,而是一圈会反复经过的路径。首页给出的主线总表如下(所有入口均已指向仓库实际路径):
| 部分 | 核心问题 | 入口 |
|---|---|---|
| 阅读指南与序章 | 我从哪里进入,又为什么要重新开始? | 阅读指南 · 先不要急着改变人生 |
| 第一部:打开输入 | 怎样建立英语和世界之间的通道? | CEFR 自测 · 认知与训练原则 · 词汇、听力、阅读、口语、写作 |
| 第二部:把自己放回生活 | 能力、事业、关系、失败、选择与恢复怎样互相影响? | 我的故事 · 叙事与证据篇 · 回声篇 · 恢复篇 · 选择篇 · 关系篇 · 创业篇 |
| 第三部:借工具放大能力 | 怎样使用 AI,而不把判断力和注意力一起外包? | 使用 AI 学习一切 · AI 项目与资源层创业 · 注意力篇 · 作品篇 · 证据篇 |
| 第四部:实践与恢复 | 学习如何回到身体、兴趣和日常? | 实践篇 · 生活系统篇 · 节律篇 |
| 第五部:行动与长期改变 | 怎样在九十天里做出可验证的改变? | 九十天行动篇 |
| 后记 | 进阶之后,我想成为什么样的人? | 进阶不是离开原来的自己 |
这张表与仓库根目录的 SUMMARY.md 以及 docs/SUMMARY.md、docs/en/SUMMARY.md 一一对应——后三者不是手写的,而是由同步脚本从唯一的导航来源 docs/.vitepress/navigation.mjs 生成的(下文“站点工程机制”一节展开)。
遇到术语不清或不知道下一页该去哪时,首页建议打开 术语与方法索引,按“定义 → 证据 → 下一步”返回主线;不知道该用哪张工作纸时,先看 工具箱总览,按眼前的问题选择一个入口。
工具箱:先选问题,再选工具
首页“从今天的一件小事开始”一节给出的五步动作,本质上是 工具箱总览 中最小闭环的入口版:
- 选一个真实问题:工作里卡住的一步、想理解的概念、想帮助的人,或一直没有完成的小项目;
- 在 学习状态模板 中写下当前基线:已经知道什么、还不会什么、什么结果算完成;遇到选择、注意力、关系或恢复问题时,使用 生活进阶工作表;准备一个完整周期时,复制 九十日行动总表;
- 让 AI 帮你拆出一个 25–45 分钟的任务,但亲自核对来源、做出选择并完成输出;
- 保存一页笔记、一段代码、一次录音、一封邮件或一份反馈,而不是只保存聊天记录;
- 一周后用 每周复盘模板 检查完成、质量、保持与迁移,再决定下一步。
其中 学习状态模板 值得特别看一眼:它明确要求模板是“跨会话的事实源,不是展示自律的日记”,字段包括目标(真实场景、12 周结果、完成标准)、约束与边界(AI 可以协助什么、必须由人确认什么)、基线样本、错误与风险、已验证有效的方法、待验证假设以及最近一次交接——这套结构正是“发现 → 证据 → 复盘”闭环在单页文件里的落地形式。
工具箱总览 进一步给出了按卡点分流的工具映射:不知道目标或基线用学习状态,每周节奏反复中断用 节律账本,有样本却说不清是否真的改变用 证据链,不敢开口或写不出来用 口语证据卡/写作证据卡,不知道怎样让 AI 参与用 AI 任务简报/AI 学习记录,有想法却没有可交付作品用 作品简报与交付卡。它同时为每张工具标注了“不能替你证明什么”,例如证据链“不能把一次顺利表现推成稳定能力”、AI 任务简报“不能把模型回答自动变成事实或最终判断”。总览还给出三条使用规则:只追踪会改变决定的内容;第一版必须尽量由人完成(基线、首版和独立复测应在 AI 介入前或关闭 AI 后完成);记录必须守住隐私边界,不把密码、证件、医疗隐私或未授权的第三方内容粘贴进模板或模型。
AI 学习与项目实践:从回答走向交付
第三部是全书“借工具放大能力”的核心。使用 AI 学习一切 不从“哪个模型最好”开始,而从“我要解决什么问题”开始;注意力篇(见 docs/threads/part-3/3-attention-and-judgment.md)进一步处理输入边界、专注和独立判断;作品篇 把理解推进到可交付成果;证据篇 则检查即时表现、延迟保持和真实迁移。分工边界很清晰:AI 可以循序提问、解释概念、比较方案、整理材料和生成练习;人需要确定目标、选择可信来源、识别幻觉,并在关闭对话之后独立解释和使用所学。
当学习进入项目,AI 项目开发与资源层创业 把协作推进到需求拆解、原型、编码、测试、文档和交付。首页特别强调:速度不是唯一尺度,每个关键决定都应当可以被解释、测试或回滚,客户数据、公司机密和第三方隐私不能因为方便而失去边界。这一“人工门”(AI 可以协助,但事实、权限、隐私、成本和最终判断必须由人确认)与“回滚”(失败时暂停、降级、切换或恢复到已知可用状态)两个概念在 术语与方法索引 的“工具与交付”一节中有正式定义。
作者同时交代了方法形成的代价:2022 年的软件失败让他看见,缺失数据集、老旧架构和预设结果可以被 UI 和“AI”叙事暂时遮住,却无法通过真实用户、成本和故障验证——失败不是装饰性故事,而是这套方法为什么强调基线、证据、回滚、成本和责任的原因。在“中国词元云”与 token.love 的实践中,这条路继续进入模型接入、路由、计量、权限、部署、运维和企业支持;项目可以讨论客户为什么付费、服务如何验收、成本如何覆盖,但不会把方向写成已经实现的利润,更不会承诺人人都能借 AI 赚钱。结论是:产品会变化,方法应当能够迁徙;无论模型多强,来源核验、数据安全、验收标准和最终责任都不能外包。
基础能力:英语仍然是一扇重要的门
英语不再是这份指南的全部,却仍是终身学习的重要基础:它帮助阅读全球知识与技术文档、理解国际课程和研究、使用更多 AI 工具,也让跨文化合作少一层转述。
首页给出的路径是:从 CEFR 目标与自测 建立真实基线,再按需要进入 认知、词汇、听力、阅读、口语、写作 和 用 AI 学英语。如果正在处理技术任务,可以从 技术词表 Common 开始挑选词块;仓库还维护了 Go、Java、JavaScript、PHP、Python、Rust、Swift、Prompt、VibeCoding 等九个 词表文件,中英文镜像由 npm run sync 中的词表同步脚本维护(见 scripts/sync-word-lists.mjs)。也可以直接使用 英语能力诊断、词汇审计、听力资源审计卡、阅读证据卡、口语证据卡、写作证据卡 或 作品简报与交付卡,为下一轮学习找到起点。
全书对英语的评判标准是明确的:英语水平不由收藏的单词量证明,而由你能否在真实场景中理解、表达和完成任务证明。“它是一座桥,不是一堵用来评价自己的墙。”
人生复盘与恢复:经验也需要重新解释
第二部由 我的故事、叙事与证据篇、回声篇、恢复篇、选择篇、关系篇、创业篇 和 旧文归档 组成,保留了失败、身体失序、关系变化、离开与重返。回望的目的不是把过去装饰成励志故事,而是把事实、伤害、责任和运气重新分开,辨认哪些决定有效、哪些代价不能忽略,以及下一次怎样活得更诚实。
首页同时给出两条读者提示。对年轻人:比“选中完美赛道”更可靠的是保留学习和转向的能力;如果职业焦虑让你不停收藏课程和证书,换成一个两周可以结束的小项目——它不一定成功,但会告诉你喜欢什么、缺少什么、能否交付,以及别人是否愿意使用;真正随时间增值的个人资产,是可以被看见的作品、代码、文章、客户反馈、复盘记录,以及因为你诚实可靠而愿意再次合作的人。对处于低谷的人:先把生活缩小到能够照顾的尺度,暂停不是放弃,求助不是软弱;今天只能完成五分钟的事,就先留下五分钟的证据。并明确边界:这里的个人故事不是医疗或心理治疗建议,如果低落、失眠、绝望或危险念头持续存在,优先联系可信亲友,并寻求当地具备资质的医疗或心理专业支持——先保证安全,再谈成长。
作者参与的产品、公司参访与现实项目统一放在 作者项目与现实实践,页面明确作者关联、用途、更新时间和非赞助关系;正文不因商业关系改变推荐标准,站点默认不接入广告、分析脚本或追踪器。
站点工程机制:一份书稿,四处镜像
docs/README.md 不是孤立的页面,它同时是整站的中英文入口源文件。仓库用一组 Node 脚本把“书稿唯一事实源”落成可校验的工程约束,这部分可以从源码直接验证。
README 镜像:根目录文件由文档生成
scripts/sync-readme.mjs 以 docs/README.md 为唯一源、根目录 README.md 为目标,通过一组确定性正则重写完成镜像(见 scripts/sync-readme.mjs):
- 语言切换链接
中文 | English被重写为指向docs/en/README.md; - 所有
](assets|threads|templates|reference)/前缀的相对链接统一加上docs/前缀,保证从仓库根目录可解析; - 图片
src="./assets/..."重写为src="./docs/assets/...",](projects.md)重写为](docs/projects.md),首页引导卡片(guide-paths区块)中的href="./threads/..."等内联链接也一并加前缀。
校验模式下(node scripts/sync-readme.mjs --check)若两文件不一致即退出码 1;非校验模式则直接写回根目录 README。对比 docs/README.md 与 README.md 的内容即可看到差异恰好是这些路径前缀——正文、frontmatter(title、description、updated)完全一致。
导航与 SUMMARY 生成:双向覆盖校验
scripts/sync-navigation.mjs 导入 docs/.vitepress/navigation.mjs 中定义的中英文导航,执行三层校验后再生成目录文件:
- 字段完整性(scripts/sync-navigation.mjs):每个导航分组必须有
text与items,每个条目必须有text、link、source三个字段;link不允许重复;source必须真实存在于docs/之下。 - 双向覆盖(scripts/sync-navigation.mjs):递归收集
docs/下所有公开 Markdown(跳过.vitepress、public、assets与SUMMARY.md),要求每个公开页面都被中英文导航收录,反之导航中也不允许出现不存在的 source——“新页面成为孤岛”会在检查阶段直接报错。 - 目录同步(scripts/sync-navigation.mjs):根据导航生成根目录
SUMMARY.md(前缀docs/)、docs/SUMMARY.md与docs/en/SUMMARY.md三份目录,--check模式下有差异即失败。
npm 工作流与内容规则
package.json 定义了完整的命令面(要求 Node.js >=24 <25,VitePress 1.6.4):
| 命令 | 作用 |
|---|---|
npm ci |
首次安装依赖 |
npm run docs:dev / docs:build / docs:preview |
VitePress 本地开发 / 生产构建 / 本地预览 |
npm run check:navigation |
依次运行 sync-navigation.mjs --check、sync-word-lists.mjs --check、sync-public-assets.mjs --check |
npm run check:readme |
sync-readme.mjs --check,校验根 README 与 docs/README.md 同步 |
npm run check:content |
scripts/check-content.mjs 内容校验 |
npm run check:format |
markdownlint-cli2 全量 Markdown 格式检查 |
npm run check |
以上导航、README、内容、格式四类校验的合集 |
npm run sync |
导航目录、英文词表镜像、public 分享图、根 README 的同步写回 |
npm run test:smoke |
Playwright 端到端烟测 |
npm run assets:sanitize |
合并图片前清除元数据 |
MAINTENANCE.md 把命令面背后的规则写成了硬约束,其中与书稿质量直接相关的包括:
- 双语对齐:每个公开中文页面必须有完整英文对应页(反之亦然),中英文对应页的一级至六级标题顺序必须一致,
updated日期必须一致; - frontmatter 必备:页面必须提供
title、description、updated三个字段(docs/README.md 头部的 YAML 即满足该规则); - 事实层级:研究结论、个人经验和推测必须明确区分;AI 产品、模型能力、政策、价格和考试规则必须注明资料日期,
sources_checked(外部资料核验日期)必须在 120 天内,且与updated(稿件修改日期)不能互相替代; - 图片治理:图片必须有描述场景或用途的替代文本,
image、photo、hotel等占位词会被内容校验拒绝,英文页面的 alt 不得混入中文字符,图片不得包含 GPS、EXIF、IPTC 或 XMP 元数据(check-content.mjs负责验证归属表中的本地路径并检查docs/assets/下资产是否被正文、配置或构建脚本引用); - 隐私拦截:本地会话凭据
docs/assets/session.json被.gitignore精确忽略,并由开发服务器、构建钩子和浏览器烟测共同拦截。
章节发布门禁与回滚
每次新增或大幅改写页面,MAINTENANCE.md 要求按顺序执行:确定页面类型 → 标记事实层级 → 核对动态信息 → 完成隐私审查 → 同步双语语义(新页面必须加入 navigation.mjs 和烟测路由)→ 运行 npm run sync、npm run check、npm run docs:build、npm run test:smoke。烟测会从导航 source 自动生成中英文页面覆盖,即 Playwright 用例与导航表同源。发布侧要求 Pages 发布源保持为 GitHub Actions(不切回 Legacy 模式),部署后自动请求中文首页、英文首页和代表性章节并校验期望标题与 build-revision;需要回滚时优先重新运行上一次成功部署,旧版 Docsify 站点保留在 Git 历史提交中作为最后兜底。
项目边界与许可
首页“项目边界”一节的结论值得原样保留,它定义了这类“内容型仓库”与标准开源软件的区别:
- 本项目是开放内容项目,不是 OSI 意义上的开源软件:正文与作者内容采用 CC BY-NC 4.0(见 LICENSE-CONTENT.md),站点配置、检查脚本和构建代码采用 MIT(见 LICENSE-CODE.md),总说明在 LICENSE.md;
- 引用、图片和第三方素材的来源及授权状态记录在 ATTRIBUTIONS.md;外部素材必须登记在该文件中,无法确认再分发权限时不进入仓库;
- 贡献前需阅读 CONTRIBUTING.md 与 CODE_OF_CONDUCT.md;
- 产品与服务条目的核验日期以各自页面和 ATTRIBUTIONS.md 中的记录为准;产品能力、可用性与合规范围仍以官方页面、正式协议和实际验收为准。
结语:如果今天只做一件事
up 首页给出的收束行动可以概括为一句话:创建一份 学习状态,写下正在面对的真实问题、当前证据和下一项最小任务,然后完成它。这套方法的可验证性不仅体现在内容上,也体现在仓库结构上——六部书稿、18 张模板词表和九个技术词表构成内容层,navigation.mjs 单一导航源加上 scripts/sync-readme.mjs、scripts/sync-navigation.mjs 等脚本构成一致性层,npm run check 与 Playwright 烟测构成发布门禁层。无论模型多强,来源核验、数据安全、验收标准和最终责任都不能外包;路,正是在脚落下之后才显现。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0623
Hy4-previewHy4 preview 是由腾讯混元团队研发的新一代混合专家(MoE)旗舰模型。模型总参数量 770B,每个 token 激活 49B,主干共包含78层,第一层采用标准 FFN,其余 77 层均为 MoE 结构,每层包含 256 个路由专家与 1 个共享专家,每个 token 激活 top-8 路由专家及共享专家。主干之外原生内置 1 层 MTP(总参数量 10B,激活 0.7B)以支持投机解码。Python00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
GLM-5.3-FlashGLM-5.3-Flash (320B-A18B),是GLM-5系列的首个原生多模态模型。320B总参数,能力超过GLM-5.2Jinja00
Spark-X2.5-4BSpark-X2.5-4B 旨在让强大的 AI 更实用、更高效、更易获得。在广泛日常任务中表现强劲,涵盖对话、写作、翻译、推理、编码、工具调用以及智能体工作流,并在同等规模的开源模型中取得领先成绩。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00