Stanley's Blog

这个暑假我上了三门课，总体来讲还可以，人文选修甚至要更累一点，反而是专业课比较水。 CS 240 (UW - Green Bay) 课程设计：3/5 分 难度：3/5 分 workload：3/5 分 讲课水平：2/5 分 因为是一个系统的大学，所以连课号都一样，但是这个课可比 UW - Madison 的课水的多得多得多，作业很少，然后也没什么讲课水平可言，就是读 ppt，然后考试也不需要 honor lock（现在不知道是不是还是不需要）。反正让我上的很爽，就是纯花钱买学分。 ENG 155 (Brookdale Community College) 课程设计：3/5 分 难度：3/5 分 workload：4/5 分 讲课水平：2/5 分 不得不说，虽然是一个社区大学，但是他们这个人文水课的网课设计的都还挺可以的。关键比较痛苦的是 workload 真的还挺大的，每周真的要花将近 10 个小时去完成各种任务。 这个应该是那个小说的课，其实如果有时间读一读这些小说还是挺有意思的，但是架不住实在是太太太多了，真是读不完，最后只能 ai 代读。 ENGL 235...

这一篇主要是关于校外上的课的测评。 写在前面 如果你没上过美本，你大概率不会知道这个什么“校外上课”“暑校”“寒校”都是什么意思，但是我估计你一定看过机构发的广告，这些广告会说什么“上暑校，帮你节约时间”之类的东西。不过这玩意究竟是啥呢，这就要从美本特殊的转学分机制说起。 因为美国大学的转学操作非常普遍，但是你从一个学校转到另一个学校，你之前上过的课怎么办呢？这就使得美本的转学分机制非常的成熟，也就是说你可以把你在另一个学校上的课，给转到你当前的这个学校去。当然，在这个过程中你会遇到学分认定的问题。比如说我就有非常多的课，UW-Madison 是不认的，不认的话我就得重修，就十分之麻烦。 而导致我要上这种 winter 或者 summer courses 的原因，其实也是我有很多课没转过去，所以我需要用我的寒假和暑假来弥补。当然，如果你对自己比较狠的话，你也可以用这种方式三年毕业，其实实话实说的话，我觉得是一个比较好的选择。 POLI 101: Intro to Political Science (Brookdale Community College) 课程设计：3/5...

在这里我们继续我们的 UW-Madiosn 课评，这次的内容是 25 Spring 我上过的课，首先也还是一个 overview。 COMP SCI 354: Machine Organization & Programming 课程设计：4/5 分 难度：3.5/5 分 workload：4/5 分 讲课水平：3/5 分 这个课算是必修课里面，大家觉得比较难的课了，但是就我感觉下来，其实还好，你只要好好学应该是能拿 A 的。 我觉得主要的亮点是课程设计挺好的，完全可以自学。上课形式的话没啥意思，就是抄一遍笔记，跟之前的 MATH 340 linear algebra 很像。不过如果你每节课都去上课，然后认真听讲的话，你复习的时候会轻松不少。 这门课的话其实 workload 挺大的，每周都要干不少事情，然后也有几个 project 其实不是非常好写，但还是一样，现在有 AI 了基本上你的 project 都可以轻松满分。所以还是要主要放在考试上，尤其是三个考试占了 60%，而考试的话实话实说没有那么简单，如果想要拿 A...

如何更好的使用你的 coding agent 核心理念： 放弃纯按时间轴的流水账管理，改用“状态机（State Machine）”加“索引（Index）”的模式。为 Agent 在主项目中划定一个专属的、结构化的记忆空间，降低重启对话时的上下文恢复成本。 1. 标准目录结构 在主项目中新建一个隐藏文件夹（如 .agent），专门存放由 Agent 生成和读取的工程管理文档。 📁 Project_XXX/ (你的主项目目录)├── 📁 src/ (正式代码)├── 📁 .agent/ (👉 Agent 专属工作区)│ ├── 📄 README.md (说明书：定义目录结构与行为规范)│ ├── 📄 state.md (总控面板：全局状态机与进度索引)│ ├── 📁 01_plans/ (规划区：任务拆解与架构设计)│ ...

时隔四个月，WhynotTV 终于又更新了，迎来了第五期，不过这一次的影响力断崖式下降，竟然只有翁家翌的零头，只能说还是 OpenAI 的 title 好用。 非常 self motivated，就是那种电视剧，电影里的美式学生，喜欢 take advantage，他自己说是 “uncertainty seeking”。不过也延续了所有嘉宾的一个共性，就是能够非常持续，专注的做一件事情，不太被外界干扰。 关于 robotics 不太懂，所以里面很多技术细节我就不说了，不过我感觉他的态度和胡渊明很像，就是怎么往系统里加先验知识，让这个系统更简单的 work。渊明说的是 inductive bias，Danfei 说的是 prior，但其实都是一个事。就我对 robotics 的理解来看的话，AI 或者 transformer 这个架构对他们领域真的是影响巨大，现在基本所有的 robotics 都是在做 embodied AI，过去巨复杂，数学上美丽的那些什么 dynamics 直接都没有了，某种意义上的门槛下降了。感觉类似的领域还有...

其实 25 年都要过完了，才来补这个课评，实在是差的时间太久了。不过最近实在是闲的没什么事情干，就补一下吧～ 首先放一个 overview 吧。 写在前面 24 Fall 是我 transfer 到 UW-Madison 的第一个学期，实际上对这个选课系统并不熟悉，而且经过我一番严密的计算之后发现我竟然可以在两年毕业的前提下多修一个 Statistics major，就是说我可以 double major，抱着统计学其实很有用的态度，我做了一个后悔 2025 一整年的决定，double statistics，再次奉劝各位 transfer student 不要 double major。 做出这个决定之后，我的选课就围绕着如何才能在两年内按时毕业，而想要完成这个目标，我就必须选很多同时满足 CS 和 STAT...

这一期和上一期隔了非常久啊，不过请的人依旧硬核，虽然我没之前不知道翁家翌何许人也，但是看到这个 title 就知道又是一个大佬。能够感觉到就是这个 podcast 的嘉宾的定位似乎在变化，之前似乎都是那种 AI 相关领域的初创公司老板，不过现在来看可能扩展到了 AI...