@shendaowu #2 付出这种麻烦 -> 忍受这种麻烦。

@murmur #1

首先感谢反馈。说看不懂对我来说也是不错的反馈。不知道你是不是只是扫了一眼，没有认真看。没有责备的意思，毕竟大家的注意力都很宝贵嘛。

推荐音乐只是不得已的选择，如果有很多个性化的知识我还是更愿意推荐知识和信息的。我比较信奉“Garbage In Garbage Out”。我相信现在的音乐推荐算法的输入还是比较粗糙的。我设想的这个推荐系统的亮点应该是有序的按喜欢程度排序的列表。这个应该是相当麻烦的，但是如果有跟我一样对音乐的需求很大的人的话，这些人应该是会愿意付出这种麻烦的。

另外不知道找到跟自己音乐品味类似的人是否能吸引你。网易云音乐做过类似的，但是我感觉那个相似的百分比可能是假的。要么就是根本就没有特别好的对比相似的数据。

一年 999 人民币。刚才找了一会没找到价格，放弃了。然后意外又看到了。

codecombat.cn 。我之前玩的时候卡关了，我玩的时候至少已经入门编程了。不知道现在有没有降低难度。

> CodeCombat is recommended for students aged 9 and up and has been enjoyed by students ranging from upper elementary through high school. Please note you must be 13 or older to create a CodeCombat account.

@morizawatt #8

我相信信度和效度就是评价一个测试准不准的科学标准。不过网上搜不到这个说法。你可以想象一下如果一把尺子的刻度之间的距离是会变的，那么这把尺子量出来的长度是否是不靠谱的。MBTI 就有类似的问题，同一个人在不同心情等状态下测出来的结果可能是不一样的。

@czfy #6 我之前好像听说大五也有类似标签的说法，但是我搜不到了。就是每个特质分成五个等级。用“big five 3125”能搜到一点痕迹，但是我看了几个好像都不是很让我信服。3125 是五的五次方。感觉没二分深入人心。另外种类太多了，分析起来可能很费劲。这么多种类可能也很难形成简单的几个概念。

不过据说不同的大五特质再不同的领域影响都是不同的，比如在工作成绩和学习成绩领域尽责性的影响就比较大。但是不同的特质等级的组合好像又会有很意外的效果： https://zhuanlan.zhihu.com/p/382307339 。前面那篇文章好像根据不足，但是我还是比较相信的，信个 50% 左右吧。我觉得那种期望用一套模型预测一类人的所有行为的想法应该是不太靠谱的。可能每一种活动都会有特殊的人格组合更适合，或者能产出特别的结果。

扯多了，见谅。

> 诚然，科学结果完全与宗教或道德考虑无关，但是那些在科学上做出巨大创造性成就的人，大都浸淫了真正虔诚的宗教信念，即相信我们这个宇宙是完美的，适宜于理性地追求知识。
> 出自《我的世界观》。

我一直比较纠结那个完美。我感觉翻译成完备更舒服一些。perfect 有完备的意思。这句话当时好像就相当打动我。看到 OP 的问题之后马上就回想起了这句话。

每种特质都有大量人处于中间态，也可能是大部分。MBTI 强行将特定的特质两极化。据说会误导人。现在的 MBTI 好像不止给出二分的结果了，但是大多人好像还是会用类似你这种 INTJ 的方式描述自己。前面是我之前看到的一个批评 MBTI 的说法。另外 MBTI 的前身好像就不是心理学家搞出来的。好像只是参考了荣格的理论而已。信度和效度好像都不怎么样。测人格建议认准大五人格。

另外还有一点。我刚才在看这个的时候发现某些指令好像会被“压缩”： http://www.mlsite.net/8086/ 。不过很可能是我理解错了。这个如果你了解哈夫曼编码的话理解起来应该会更轻松一些。Intel 当年这么搞应该是为了节省内存。现在的定长指令好像不会玩这么花了。

搜了一会只搜到这个比较好的 ppt： http://aturing.umcs.maine.edu/~meadow/courses/cos335/Asm07-MachineLanguage.pdf 。如果 OP 感觉不够好的话可以试试用“8086 Opcodes”再搜搜。中文的话可以试试“8086 机器码”。

我凭我模糊的理解大概解释一下吧。感觉 OP 迷惑的地方可能在都是 mov 所以机器码格式应该是一样的？如果是的话，其实这两种 mov 从 CPU 的角度来看应该属于两个小类，当然肯定属于 mov 这个大类。我甚至怀疑处理这两个小类的硬件都是不一样的，当然应该会有一些公用的部分。具体来说，机器码的前几位会确定后面的数据的“格式”。单一的 mov 汇编指令其实是对应着很多的机器码的前几位的。那个前几位应该叫操作码。所谓格式就是后面的数据被看成是什么，比如如果操作码是某个数的话，那么后面紧接着的几位数被看成是寄存器的编号还是内存地址。每个寄存器都有一个编号，由于 8086 的寄存器很少，所以用很少的位数就够了。

刚才问了一下 chatgpt 3.5 ，感觉我比它回答得好。自我感觉良好。

如果还有什么不懂的地方的话欢迎继续问。

我猜一个，很可能不对。也许上传附件之后会对附件进行分段总结，然后把总结的内容合在一起作为提示词，再生成内容。之前在某 ChatGPT 的客户端的设置里看到了相关的设置，脑补出来的机制，也许是我理解错了。

那次之前很长时间一直在用免费的流量，忘了免费流量没了，然后想在没有 WiFi 的地方上一下网，结果点开流量开关在没有流量套餐的情况下用了一段时间。那之后我就定下了如果没有流量套餐就把流量开关放在不方便点的地方的规矩。

给自己定明确的目标，目标完成后扔硬币决定是否要奖励自己。如果每次完成目标都奖励的话应该是会对任务本身失去兴趣。方法来自 Huberman Lab 的这期： https://www.hubermanlab.com/episode/goals-toolkit-how-to-set-achieve-your-goals 。这个方法有一些小细节 Huberman 没说，就是某天如果扔硬币不奖励，之后的时间如果还是想干活的话动力会更弱，至少对我来说是这样。我想到一个方法，不过不知道实际有没有效果，有兴趣的话请看这里： https://www.zhihu.com/question/638052154/answer/3350946681 。 还有就是建议分析一下自己是否给学习或者工作赋予了过多的期待，比如类似是否感觉学好了很多目标就都完美完成了，比如学好了当前的技术点就能对工作有很大的助力。我的建议是不要给一个任务堆积太多的期待，这好像会带来很大的压力。把所有目标都分析出来，暂时不要管那些不合理的目标，然后只专注于通过任务完成某个最核心的目标。其他的目标可以想一想如何通过其他手段完成。这个方法我忘了是在哪里看到的了，大概是 ChatGPT 说的。另外 Huberman 也说过不要一次追求多个目标。

我大概用了这两个方法之后在做一件很困难的事的时候办事效率大幅提升了。我也不知道具体哪个起的效，感觉都起效的概率更大一些。另外上面那个视频还有几个保持注意力的方法，我怕漏掉重点我就不说了。你有兴趣自己去看吧，不过我记得我用了之后好像没多大用。