白泽手记 https://whitezaak.site/ 我的互联网自留地 Fri, 03 Apr 2026 04:14:49 GMT https://validator.w3.org/feed/docs/rss2.html https://github.com/jpmonette/feed en-US All rights reserved 2026, 白泽手记 <![CDATA[为小米Tag 3D打印卡片型支架 | 关于小米Tag产品的一些看法]]> https://whitezaak.site/article/xiaomi-tag https://whitezaak.site/article/xiaomi-tag Tue, 17 Feb 2026 00:00:00 GMT
ℹ️
关于小米Tag产品的碎碎念在文末

需求背景

其实我已经关注小米Tag挺长一段时间了，听说这个产品原定是在25年底的小米17 Ultra发布会上发布，但最终跳票到26年3月才上市。虽然Tag对我来说不是什么刚需的东西，但上市后我还是第一时间买了一个蓝牙版的小米Tag（我在用的手机是小米13，不支持UWB）。
除了贪新鲜以外，购入小米Tag 最主要的原因是为了给卡包增加一层防丢保障。
我出门习惯将卡包放在裤子的口袋里。之前有一次在饭店吃饭，可能是瞧腿的时候没留意，卡包不慎从裤子口袋滑落到地上。好在同行人即使发现提醒，才没有酿成大祸。这次之后，我就很想在卡包放一个跟踪器，起码在不幸遗失后回头找也有个大概的方向。

重操3D建模，为小米Tag设计卡包支架

卡包并没有预留任何放置tag的位置，只能跟其它卡证塞在同一个大格。MiTag的形状接近一个很扁的鹅卵石，中心高边缘低。如果直接放入卡包，卡包表面会有明显的突起，而且因为没有固定结构也极其容易滑出来。
我尝试上网搜AirTag有无合适的卡包配件方案时，发现Amazon上有售卖信用卡尺寸的airtag支架，是一个不错的解决方案，于是我决定利用 3D 打印为 MiTag 定制一个类似的配件。
notion image
 
这种简单物件3D建模的难度非常低，再加上我在中学的时候就有过一些3D打印的经历，重新上手并不困难。我重新安装了Fusion 360，开始尝试建模。
手边没有趁手的测量工具，只能利用小米官网的参数表的尺寸和用直尺做简答的测量，很快就完成了支架的建模。
为了确保模型能正确适配小米Tag的尺寸，在设计过程中我一直在与Gemini交流，包括设计方案的优化、把尺寸数据给Gemini让它帮我算小米Tag的圆角半径、3D打印公差的考量，以及最后打印材料的选择等等。
notion image

成品

模型定稿后，在闲鱼找了一个附近的商家打印，用PETG-CF5打印，收费5元。当天就能取走成品，也省下了比产品还贵的运费。
notion image
notion image
成品到手后的实测效果符合预期，小米Tag能很稳地固定在卡片支架上。将小米Tag装入支架以后，减少了Tag厚度带来的高低落差，卡包表面的鼓起变得平整许多，也不再容易滑出来。

3D 打印文件下载

Mi-tag Card-1.stl
147.6 KiB
  • 注意，不同材料的收缩率不同，并不保证使用该模型打印出来的成品能完全适配；

关于小米Tag

虽然这篇Blog不是测评文章，但还是想简单聊聊小米Tag。
小米Tag支持小米FMD查找网络和Apple Find My二选一，蓝牙版69元的官方售价，老实说性价比不算太高，接入Apple Find My的第三方蓝牙查找器售价普遍都在30左右，对于苹果用户来说小米Tag不算太值得买。不过工业设计和产品的质感小米Tag相比第三方还是有一定优势。
国内用不了谷歌的Find Hub，国产安卓厂商还没有做一个查找网络联盟的情况下，小米用户想买一个趁手的查找器目前就这一个选择。
 
不知道小米Tag从什么时候才开始立项，也不清楚小米内部对于UWB技术的看法。当代的红米旗舰、前代的小米旗舰，甚至小米17标准版都没有UWB天线。只有最新一代的小米17 Pro/ProMax/Ultra 三款机型支持UWB精确查找。
虽然小米15 SPro也有UWB天线，但仍无法使用测向功能。
精确测向的实现原理似乎是通过用户走动时测量多个点位的信号强度，再通过融合相机、陀螺仪、加速度计等传感器的AR服务计算手机移动轨迹，运用类似三角定位的方法去计算出Tag在手机的相对方向。
推测小米15 SPro由于搭载玄戒芯片的原因，未能完全适配谷歌AR框架，导致虽有UWB硬件但无法使用侧向功能。酷安上看到一些用户分享，能显示精确距离但不能显示方向，也印证了这一猜测。
 
小米/红米后续的机型会不会装UWB天线仍然是未知数。毕竟UWB似乎只有Tag这一个使用场景（车钥匙也勉强能算是一个，但并不是不可取代），再加上即将铺开的蓝牙6.0协议也引入了信道探测（Channel Sounding）的技术，也能实现 10-50 厘米精度的测距，到时候UWB就更加不必要了。
惟小米Tag用的仍然是蓝牙5.4协议，不过待蓝牙6.0全面铺开再出二代也不迟。
 
远距离定位方面，定位的准度和位置上报的效率主要还是取决与周边小米用户的密度，我也没太大的热情和时间去测试。
在Google Find Hub进不来的情境下，希望国产互传联盟能拓展出跨品牌的查找网络联盟，织密国内的查找网络。
 
最后还想吐槽一下小米穿戴，跟Watch5一样，跳票后仍然端出来一份半成品：
  • 在查找APP里，手表和耳机品类都做了「遗落时通知手机」的功能，唯独小米Tag没有；
  • 小米Tag上市后，手机&平板端第一时间更新了查找APP，但同样拥有查找APP的手表端截至发稿也尚未支持小米Tag；
  • 小米15 SPro 作为搭载第一代，也是截止目前最新的一代玄戒芯片的机型，即使已经有完整的硬件支持，也不舍得投入一些开发资源去打通UWB精确查找；
  • 最后一条讲讲海外版。Google find hub是支持UWB精确查找的（例如 Moto Tag），可能是受限于各个销售地国家的无线电认证的阻滞，小米Tag在海外市场只发布了蓝牙版，略显遗憾。
 
]]> <![CDATA[一年后，我重新测了MBTI]]> https://whitezaak.site/article/20250817 https://whitezaak.site/article/20250817 Sun, 17 Aug 2025 00:00:00 GMT
notion image
MBTI这个人格测试工具风靡全球已经挺长时间了，虽然有的人不太接受MBTI，认为其是「星座2.0」，不具参考价值；但不可否认，MBTI是时下最流行的自我标签化工具。
虽然我几乎没有用MBTI标签自己的场景，甚至也从未真正地深入了解MBTI十六种人格的具体内涵。但我仍尝试通过MBTI测试作为一种可量化的方式，来更好地认识自己。
由于人格具有流动性，会随着生活经历发生变化。我每隔一段时间（半年~一年）都会重新测一次，并记录下来。

最新测试结果

凌晨没有睡意，重新测了一次MBTI：INTJ-T。
与上一次测试的结果（ISTJ）发生了轻微的变化。

尝试AI解读

前文提到我至今仍未真正理解MBTI的所有具体内涵，每次想知道的时候都是通过搜索引擎短暂地浏览。
在LLM时代，就算没驱动力去完全理解MBTI的内核，也可以尝试借助AI工具分析本次的测试结果：
  • 内向 (Introverted, 89%)：这是一个非常高的分数，意味着您极度偏好独处来恢复精力，而不是社交活动。您可能在人群中感到疲惫，更喜欢深入的独处思考或小范围的深度对话。这与INTJ的“私人”本质一致，他们好奇但专注，不喜欢浅层互动。
  • 直觉 (Intuitive, 57%)：中等强度，表明您倾向于关注抽象概念、大局和未来可能性，而不是当下细节。这是一个从一年前ISTJ（Sensing主导）向Intuitive转变的关键点，显示您可能更注重创新和模式识别，而不是单纯的实际事实。
  • 思考 (Thinking, 66%)：中等偏强，意味着您更依赖逻辑和客观分析来做决定，而不是情感因素。这让您在问题解决时高效，但可能在人际关系中显得较为理性而非细腻。
  • 判断 (Judging, 56%)：中等强度，显示您喜欢结构化、计划性和决断，而不是随性。这与INTJ的“运筹帷幄”特征匹配，您可能擅长设定目标并坚持执行。
  • 情绪易波动 (Turbulent, 64%)：这不是核心MBTI维度，而是16Personalities的额外变体。它表明您可能更易受情绪影响，追求完美时会自我批评或焦虑，与自信果断的Assertive变体相反。这可能放大INTJ的弱点，如过度分析或对失败的敏感。
与一年前ISTJ结果的比较
一年前您的类型是ISTJ（后勤型人格），这与INTJ有许多相似之处：两者都是内向、思考和判断型，都注重逻辑、效率和长期规划。 然而，主要差异在于感知维度：ISTJ更偏好Sensing（求真务实，关注细节、事实和过去经验），而INTJ转向Intuitive（天马行空，关注抽象想法、模式和未来潜力）。

然后呢？

我还让AI根据我测试出来的人格给我一些可执行的建议：
  1. 一页周计划： • 内容：愿景一句话、3 个本周成果、3 个不做事项、3 个风险与对策。
  1. 决策备忘录×2： • 选择两件高影响事项（如文章选题策略、项目技术路线），按模板写，14 天后复盘准则是否合适。
  1. 最小验证习惯： • 任一抽象判断，24 小时内绑定一个可观测验证（数据/访谈/原型），并记录结果。
  1. 90 分钟深潜×6： • 每次只有一个目标，定义完成标准；结束做3行小结：结果/阻碍/下次改进。
  1. 预检清单： • 在重要输出前跑一遍5条清单：目标读者是谁？核心结论一句话？证据是否足够？反例是否处理？下一步行动是什么？
  1. 情绪与能量日志（‑T 专项）： • 每晚打分3项：压力、清晰度、掌控感（1–5）；若任一≤2，写一句“我能立即做的小动作”。
 
大部分建议都在各种效率方法论里面见过，但「周计划」里列「3个不做事项」对我来说确实是耳目一新的方法/工具。在过往自省的时候经常会注意到，总会有各种重要或不重要的意外事件（例如一场发布会，将会在近期发布但还未官宣的产品、我认为有意思的新闻/数据）干扰了我目标的实现。
把「不做事项」看作与「待办事项」相同重要等级放在计划里，这似乎是一个很棒的idea。我很好奇LLM是如何想出这个方法的：
我之所以会提到「不做事项」，是因为从你这次的 MBTI 画像里，我看到了几个信号，它们天然适合用“负面清单”来帮你守住专注力：
  1. J 型 + 高 I（内向 89%）的结构化倾向 • 特点：你倾向制定计划、喜欢按节奏完成任务，但能量主要来自独处和深度思考。 • 推论：一旦日程被太多零碎事打断，不仅影响效率，还会消耗心理能量。 • 策略匹配：用“不做事项”提前划出边界，比靠意志力抵抗临时请求更稳。
  1. N 型（直觉 57%）带来的发散力 • 特点：思路容易跳跃到新的可能性，善于发现潜在机会。 • 推论：这种发散如果不收束，本周目标容易被新鲜想法“劫持”。 • 策略匹配：负面清单能帮你在当前周期内暂存这些想法，下轮再处理。
  1. ‑T 变体的自我驱动 + 完美主义倾向 • 特点：更敏感、会持续打磨细节，希望结果尽善尽美。 • 推论：可能在低优先级任务上投入过多精力，只因想把它做好。 • 策略匹配：把这些易陷入打磨的任务放进“不做事项”，避免资源稀释。
 
太真实了。
虽说除了刚开始用Notion的那段时间以及个别时间紧任务重的时刻，写周计划并不是我恒常会做的事情。但为了从摆烂的状态中抽离，我还是愿意从今天起按这个方法写周计划。
除了打算采纳周计划的方法外，我还想尝试「90 分钟深潜×6」。这不是什么新鲜事物，就是在90分钟番茄钟的基础上，「每次只有一个目标，定义完成标准；结束做3行小结：结果/阻碍/下次改进。」
其实核心的逻辑就是做所有事情都精细化量化目标，并做质检回顾。只不过每一天都像写工作日志一样繁杂，行政开销可能有有些大，不知道能不能坚持。
 
 
]]> <![CDATA[Blog焕新与AI的思考]]> https://whitezaak.site/article/20250702 https://whitezaak.site/article/20250702 Wed, 02 Jul 2025 00:00:00 GMT

Blog焕新

虽然这个博客更新频率极低，也没有多少有价值的内容产出，更没有人看，但还是忍不住在闲暇时折腾一下。这两天主要对Blog的评论组件以及「白泽日志」的前端做优化。
此前，我一直使用 Cusdis 作为博客的评论组件。但是在某个时刻开始，在深色模式下Cusdis 的字体依旧显示黑色，基本处于不可读的状态，而且组件的窗口大小也有问题。我大概翻了一下博客的源码没找到可以修改的地方，尝试在global.css里强制修改样式也无济于事，故决定更换功能更强大的 Twikoo 评论系统。
Cusdis在深色模式下的显示问题，截图自同样使用Nobelium项目的其它博客
Cusdis在深色模式下的显示问题，截图自同样使用Nobelium项目的其它博客
在 Copilot 的辅助下，通过自然语言描述要求，并提供一些必要的接口、Twikoo的接入规范，很轻易就完成了Twikoo的集成。
Twikoo 相较于 Cusdis，提供了更丰富的功能，例如支持评论嵌套、Markdown 渲染等。其服务端部署通过 Vercel 和 MongoDB 的免费方案实现，也不会因为评论系统的切换增加额外的开销。Twikoo也原生支持了TG Bot的消息推送，无需额外配置webhook。
此外，我还在 Copilot 的帮助下大改了 BroadcastChannel 的前端界面，使其与Blog的视觉风格的基本统一。当前的效果仍然比较次，未来几天如果时间允许，我计划将博客顶部栏的动画效果和深色模式自动切换功能移植过去。
修改后
修改后
原生样式
原生样式
没想到在AI的帮助下，这两项TODO list里关于blog修复与优化在几个小时内就完成了。

关于AI的一些思考

这次对博客的更新也算不上太大的变化，不过是在开源项目基础上进行优化。对于一个熟悉编程的人来说，接入新评论组件（参考现有组件和 Twikoo 文档）或调整BroadcastChannel 的 CSS 样式，应该是轻而易举的任务。但对于我，一个接触过编程，但只停留在接触，说不上会编程的人来说，现阶段自己完全无法独立完成这些修改。
这种现状令人不安。造成像我这样的废物的原因，除了自身缺乏进取心外，生成式人工智能（LLM）的迅猛发展也难辞其咎。
LLM是好技术吗？当然。它不断拓展能力边界，帮助许多人实现了过去难以想象/实现的创意，当然也造就了不少人像我这样的残疾人。
有能力的人，把AI当奴隶使。借助AI将天马行空的想法落地。例如影视飓风最近的视频中提到的，用LLM理解视频的能力，模拟不同角色（如平台审核员或特定画像的观众群体）来优化视频节奏和内容，提升观众留存率；又例如设计行业用人工智能生成设计素材等等。
notion image
notion image
对于没能力的人，AI的应用场景就仅限于「辅助轮」。按照要求编写程序设计作业，是LLM最拿手的好菜。在这些「辅助轮」的帮助/荼毒下，这几年计算机专业学生编程能力的下限我估计会比5年前的学生低不少。不少学术研究也支持这一观点：MIT 的 Eric Klopfer 教授进行了一项实验，将学生分为三组，使用 ChatGPT、Code Llama 和 Google 完成 Fortran 编程任务。结果显示，使用 ChatGPT 的学生虽然最快完成任务，但在后续记忆测试中全部失败，而使用 Google 的学生全部通过。这表明，过度依赖 AI 可能削弱知识的内化和长期记忆。
不仅在编程领域，在LLM时代，我似乎连话都不会说了。经常写邮件，甚至回复IM信息时，都会先过一次LLM去润色我想表达的内容。基本就是全方位的认知卸载和失能。
像我这样的「LLM残疾人」虽然总归是少数，但我相信绝不是个例。一个四肢健全的人没了轮椅就不会走路，可笑至极、可悲至极。
这种情况亟需被改变。
但有时脑子里又会冒出一个观点：AI肯定也参与到实际的生产环境中。掌握基本的编程能力，足以应付框架的构建，以及（相比于多轮问答）更高效率的bug修复，是否已经足矣？更重要的是理解程序逻辑，设计思维。
只不过在我的观察中，辅助轮遍地的大学校园里「掌握基本的编程能力」真的不如人们期待的那样多，但有能力的人又一定比我想象中要多。
没有任何理由支持全靠AI去完成编程作业，但对于一个非行业人士，使用 AI 修改完善博客程序又何尝不是一种向善的利用。让更多人享受科技便捷是 AI 的初衷，但必须严格限制自己少去走捷径。
回想五年前、十年前的learner（特指与我当前相同的学习程度、周期的学生），掌握基本编程能力是一件理所当然的事，掌握基本的编程能力其实也没有这么难。多实践，多堆量，多用AI给思路，少用AI直接生成答案，这是我这段时间必须做的改变。
 
]]> <![CDATA[纠正你的打字指法]]> https://whitezaak.site/article/20250413 https://whitezaak.site/article/20250413 Sun, 13 Apr 2025 00:00:00 GMT
notion image

Keybr是什么

最近又重新开始在Keybr这个网站上练习打字指法。如果你没有用过的话，这是网站是一个类似Typing club的开源指法练习网站，它的特别之处在于它会根据你对每个按键的熟练程度，随机生成一些可读、可发音的单词给用户去练习，比同类产品靠反复输入由几个特定的字母拼凑而成的毫无意义的单词，更有趣，也更符合实际。
开发者对其单词生成算法的描述：
这款应用程序使用您母语的语音规则随机生成可读、可发音的单词。这些单词看起来近乎自然，通常也确实如此。输入合理的文字要比重复随机字母容易得多，而且它还能帮助你记住常用的组合键。最近的一点至关重要。例如，字母 ‘W’ 遵循 ‘Z’ 在英语中, 在本程序中，您永远不会键入这样的组合。相反，您将键入更常见的单词，例如 ‘the’, ‘that’, ‘with’, 等等。 很快，您将学会如何键入 ‘th’ 很快的连击。
我过去打字的指法一直都是不正确的，基本每只手只有3只手指完成所有字母的输入。虽然由于熟能生巧，也能做到准确率较高的盲打，输入速度也算不上特别慢，截至目前也尚未遇到受打字速度影响我输出的场景。但长期来看，使用标准的指法进行输入，对手指肌肉&控制能力的均衡发展以及输入效率都会有正面的影响。
Keybr还有非常详细的打字数据可视化分析，包括总体的以及针对每个按键的打字速度、准确率的变化曲线等等，非常有意思。
notion image
notion image

感受

  • 由于之前一直用拇指+食指和中指输入，无名指和尾指基本用不到，纠正指法的时候会觉得这两只手指特别累；
  • 由于太习惯之前不正确的指法，练习的时候总觉得力不从心，明明大脑知道某个键应该用哪知手指按哪个位置，但还是会用错误的手指按到错误的地方。似乎因为「太」习惯，导致大脑失去了控制手指的能力；
  • 每天15分钟的练习，作为一种放松的方式，比刷短视频更有意义。虽然矫正指法的过程需要全神贯注，精神紧绷，完全谈不上是放松；
  • 尽管基本做到每天练习15分钟，但我目前在平时打字的时候仍有相当一部分的情况在使用过去已经习惯了的错误指法😢
💡
2025.5更新：虽然打字练习经常间断，但经过几次稀疏的打字练习，我已经基本（≥75%）能实现指法正确，而不是完全基于过往的肌肉记忆的盲打（这体现在我切换到其它不熟悉的键盘上仍能相对正确地键入字符）

总结

这是我最近开始坚持的习惯，也算是一项长期主义的习惯，希望能够坚持下去，早日操熟正确的打字指法。
 
 
 
]]> <![CDATA[对当下NAS最佳形态的看法]]> https://whitezaak.site/article/thoughts-of-nas https://whitezaak.site/article/thoughts-of-nas Sat, 01 Mar 2025 00:00:00 GMT
notion image
今天无所事事刷微博的时候，刷到恶爷在微博发的《关于小米做NAS的一个天马行空的想法》，引发了我对NAS产品功能定义的思考。
毋庸置疑，储存、外网访问等只是NAS最基础的功能，对于在「AI元年」以及在小米人车家生态互联的背景下的Next-Gen NAS来说，「数据被储存之后用户要拿来要干什么才是重点。聪明的整理、方便的浏览、快速的分享，才是储存后的主要需求。」
恶爷在文章里提到了几点对NAS功能的期望，我也照版住碗，分享一下对NAS的期待。

AI相关功能

  • 最基本的，基于端侧算力实现视觉文件的识别分类，用自然语言对照片／视频进行精确查找；
  • 手机相机编辑功能里的AI去物、AI调色（支持批量处理）
  • 对于文档类照片自动完成裁切＆矫正优化，在端侧完成文档类图片的OCR；
  • 对于本地部署LLM，个人认为目前实用性极低，运行效率也非常糟糕。但还是有必要预留一定的性能冗余应对日后的AI本地部署。

视频相关

  • 支持将体积较大的视频文件相对无损转换成HEVC等更高效的编码格式储存，减少空间占用
    • 或是对于在线播放视频的场景，相对实时地将视频文件转换成更网络友好VP9之类的格式，减少网络带宽占用

智能家居相关

  • 深度定制一下Home Assistance，将界面换套皮，做成米家NAS拓展版。通过HA“强兼”其它品牌的iot生态，打通品牌壁垒。这也符合小米最近兼容Apple生态的战略方向。
  • 与小米手机深度融合，将NAS做成小米手机的“外置TF卡“。将NAS的存储空间映射到手机的文件目录中，像读写本地文件一样读写NAS的文件。包括直接在手机相册索引NAS的照片、在社交软件分享NAS内的照片，自动上传手机拍摄的照片，并在一定期限后删除已备份的本地文件。
  • 当然NAS应完全兼容并扩展米家本地网关的所有功能，成为家庭智能设备的核心枢纽。

硬件配置

  • 文章中提到可以用NVIDIA的智驾芯片作为NAS的处理器，确实是一个非常有前瞻性的想法。
非常同意原文的这些观点：
  1. 低功耗高AI算力。比如AGX Orin可以在40W给到200TOPS的性能，Orin NX甚至能在25W就给到157TOPS，这个能效比甚至高于40系游戏显卡刚好落在NAS的合理整机功耗内。
  1. 低门槛的个人AI部署。AGX Orin有32GB和64GB的版本，虽然只是LPDDR5，但是有200GB/s的带宽，部署小参数模型对于个人还是完全可用的，不需要再去淘大显存的显卡，每个人都可以在较新的芯片上上手玩一玩Deepseek了。
  1. 恰到好处的CPU性能。8到12核的A78E对于NAS这样的轻系统来说非常足够，而重CPU性能的现代处理器比如最新的AMD AI 300或者Intel Lunar Lake的NPU的性能只是差强人意，NPU TOPS还不如手机上的骁龙8E，过剩的CPU和GPU性能在NAS上无法发挥却加重了散热困难。
  1. 图像处理能力的完美契合。本身智驾芯片就要处理多路高速视频和图像，视频的编解码能力是远超普通消费级SoC的，这个能力完美契合了NAS这个家庭影音库对于摄录素材的并行处理需求。
  1. 上层应用和底层开发工具非常完备。图像和视频处理这类计算视觉的硬件能力对于NV是强项，基于自己成熟的上层软件生态而霸榜多年的Adobe也支持CUDA加速。
  1. 供应链完备。在Thor到来后，Orin系列的芯片或有大量的产能，供货上不会有问题，而小米可以说是所有做NAS的团队中唯一一个有NV智驾芯片供应体系的；如果小米也和小鹏一样准备了可升级的架构，那这几十万OrinX可是有更好的去处了。
  • 做一个HDMI输出接口，可长期连接电视作电视盒子使用。播放预先下载好的视频资源也不用再走SMB网络协议传输到电视。
 
做好现有NAS的基本功能的同时，流畅的跨端融合体验与实用的端侧AI应用，更应成为AI时代下连接人、车、家的家庭AI中心的核心关注点。
（很长时间没写作，发现自己的语言组织能力有退化的迹象，故本文的部分遣词和编排经AI润色，以更好地表达我的观点。）
Not by AI
 
]]> <![CDATA[天坛科普课堂有感]]> https://whitezaak.site/article/20241221 https://whitezaak.site/article/20241221 Sat, 21 Dec 2024 00:00:00 GMT
北京小孩都挺好学、认真、记忆力好，个别挺自信。
家长带孩子去参加天坛的科普课堂，一些小孩对反射、节气、天体的运动已经有了初步的认识。更重要的是能在讲师讲完以后，复述出自己学到的内容，这种感觉特别好。
不论课堂上讲到的地日照射角关系，南北回归线，反射折射的关系等的知识点对他们的学习的实际帮助有多大，但今天的经历对于他们来说肯定是极有意义的。
一方面是在他们心中埋下了探索地理、历史、传统文化兴趣的种子。不是说他们未来一定会研究这个方向，我认为更重要的当他们步入初中，在地理课上学到南北回归线的时候，一定会回想起三四年级的冬至那天，他在天坛听过这两个名词，一定能提升他们学习的热情和兴趣。
如果情况好一些的话，还能很快就上手地理的理论知识，形成正向的反馈。
正向反馈对于学习来说太重要了，在我初三那会儿学物理产生了一点的正向反馈，使我在那段时间里饱含着自学物理的热情，也将物理视为了一门我喜欢的学科。虽然好景不长。高中的时候语言与文学也尝到过一写正向反馈，但大学以后收到的反馈一次比一次负面。
趁着小的时候，试错成本低的时候多去体验、试着多去用语言表达自己的结构化知识，也是一项终身受益的能力与体验。我在这方面就弱爆了。
被小孩的专注度惊叹过后，我深感惭愧，发现少年科普课程过半，我可能也生成不了结构化的知识，更不可能记得一些细节的知识点（比如课程中提到的屋檐设计等等的知识点我就没听进去）。惊叹过后，我也开始试着专注于当下的课程，刻意地区关注课堂内容，其实我也能记住冬至这天北半球太阳高度角是26.5度，太阳正照在南回归线上，夏至还是哪个节气的时候高度角为75.5度这样的细节，经过讲师的多次call back以后我也能浅浅概述今天学到的内容。
当然，前文提到的的正面影响仅限于真的有在专注的那几个小孩。在场也有几个坐不住的，或是像我一样只受到了课堂暖气的温暖，吸收到知识甚少的小孩。可能这也是一种筛选？
其实真的事在人为，要专注的话我也能记住些什么，也能产生一些发散性的思考。只不过现在的我可能在发散性想法出来以后，羞于开口请教，抑或是懒得翻查资料去考究。
比如，
  • 天坛的「牺牲所」是什么时候被拆的？为什么被拆？
      • 谜底
      清末，八国联军侵占天坛，毁部分牺牲所屋宇。民国以后，牺牲所更是逐渐被林场、医院等占作他用，屡遭破坏。新中国成立后，其址遂成天坛医院，古建筑被渐次清除，今仅遗垣墙一段，滚墩石两座及柱础石十余块，经施工发现后，移至坛内斋宫南侧存放。
  • 导览员提到某年故宫第一次翻新修复的时候，将天坛祈年殿带有满文的匾额？替换成只有汉字的。是重新做了一个匾额换上去吗？还有哪些部件是在修复工程中新做的？
      • 谜底
      1935年，当时的南京国民政府对祈年殿进行了修缮，带有满文的匾额被「更换」。至于当时是「更换」而不是「修改」，为何在后来不恢复原貌，笔者就暂不仔细考究了。
      如果在现场直接询问讲解员，可能就可以快速地获得这个问题的答案吧。哈哈。
……
其实也不是蠢，也不是不会思考，只是庸。
最后还想再提一句，天坛给10岁儿童开始的科普课程虽然知识点不算太多，但确确实实是一个不错的科普方式。精心准备的地日相对位置模型教具、不同节气太阳照射祈年殿的渲染模型软件、用来展示不同太阳高度角的祈年殿实物模型，合适的课堂时长、合适的知识密度、有意识的call back与互动，真能算是一个不错的少年科普课堂。美中不足的就是有点高开低走，后面关于回音壁、日心石的内容只是一笔带过，也没把孩子们带出去实地看看，略显遗憾。
「冬至阳气起」，希望你我都能找回十岁小孩的那份对知识对未知的热情，以及那份与拧巴不沾边的姿态，去面对新的一个节气的循环。
事在人为，共勉。
notion image
 
Not by AI
 
]]>