今天在同事电脑上操作分支提交，因为拉不下来有冲突，想要把当前的内容备份然后创建一个新分支，然后再切回来回退到之前的提交，再操作就行。

结果会退回来后，发现本地刚刚备份的分支的提交也被清空了，何で？不会因为没有推送到远端，本地直接都全部影响删除了吧？基本上就要放弃，以为 reset hard 是真的删除了。就随手搜了下有没有方法恢复，结果还真有，记录下。

有了当前的 o1 或者 claude 等工具，学东西总结的时候就方便多了，不用再去翻书，直接在这里写就好了。还能一步一步当老师来教你，这样的感觉真好。

一句话总结

这里就写下使用 amplify 生成 lamda 的配置及其他问题。

python lamda 如何共享 python 环境

最近第一次用，当然是有点手生，还不清楚是干嘛的，写下当前的理解。
貌似是方便开发和部署的，集成了 aws 的很多服务，比如 cognito, s3, lambda, api gateway, cloudfront, cloudwatch, cloudformation, etc.如果你是开始一个全新的项目，用这个全包了相当于。
不用构建配置环境什么的都要在网页上操作很多地方。
目前也就这两点体会。

一句话总结

做用户认证还是不错的，但是发行账号的时候，默认是需要用户自己设定密码或者初次登录需要改密码，应该是可以直接设定为最终密码的方法，记录下这个问题。

发行账号重置密码步骤是否可以跳过

川普上台前的 meme 币，还是很震撼的，已经离开加密货币好多年了，现在看，你没在场，就是没有这个机会了，就算你看到了机会。
还有比如你没有在微信的小程序里或者其他平台里，如果你有个突发奇想尤其是时效性很强的，你当下进入也需要审核之类，也会错过很多机会。
从这两个看来，都有同样的影子在。用 o1 总结了下，出现了马太效应的关键词，又触发了之前看到很多类似这种词汇，都没总结，那就开始整理吧。

马太效应

展示了提示词里是翻译还是重写的区别对比。

重写

私の 2025 年における AI の使用状況。也总结记录下 ai 一路来的使用情况，发展实在是太快了。

2025

当然还是 iterm2 的 flat 配色比较经典，想要移植过来；但是整体移过来后，同样的色值，显示却不一样；
最后用吸色软件获取颜色对比后，发现是 iterm2 对颜色的渲染有问题，导致颜色显示不一致；

下面先说明如何应用与「#002240 → #002F52」相同的转换过程，随后给出所有颜色的转换结果列表，并在结尾附上本次答复的日语词汇表。

添加的 gesture 没用，无响应

1. 添加的 gesture 位置有问题
2. 添加的 gesture 被遮挡

网上的一个看法，感觉也挺对，也有说不上来的哪里不对的感觉，留作纪念，时间会解决所有疑问。

这次 Deepseek 选择开源策略，非常聪明，像全世界展示了效率提升的空间巨大，对整个 AI 领域的贡献不言而喻。就算它用了 ChatGPT 的问答作为训练材料，也没什么好说的，科技就是这样进展的。你 ChatGPT 还免费用了整个互联网呢，付了钱吗。接下来，AI 领域将进入指数级发展，令人期待。

一直以来貌似都多少有点目标，但是总是无法实现的时候，或者只是定了目标至于是否实现都没有相关行为，没有相关行动，就会没有结果。
目标不论大小，都是需要行动的，行动是实现目标的唯一途径。
尤其是需要专注分解目标到每天到行动，为了这个目标，每天做了什么，还是回到了古话，积少成多。
前后一段时间看到了两种相关的内容，一个视频一个推文，总结看看能学点什么。

方法

実際のところ

1. excel 格式尽量优化，能合并的尽量合并
2. 因为前半部分合并单元格，后半部分没有合并，导致后半部分的 row 都另起一行重新渲染了，解决这个问题解决了大部分问题
3. 之前都是存在横向的合并单元格，纵向的没遇到，这次完整了
4. 不过性能还是要涉及到，多问问 ai 练习练习

突然被这段活治愈了
经济条件允许下，人在年轻时，适当吃喝玩乐，
不要总想着退休了再享受生活，等到那时，
所有的快乐都会大打折扣，甚至索然无味
朝花夕拾的意思是：当你三十岁的时候，去买十八岁时想买的东西，去二十岁想去的地方，已经毫无意义；世界上没有那么多的来日方长，只有世事无常；欲买桂花同载酒，终不似少年游。
人一辈子都输在一个等字，等不忙，等下次，等将来，等有条件，人生经不起等待，等来的都是遗憾。
——每日一读

o1 pro

对了之所以用重写而不是翻译，是因为这两天看到的一个新的提示词的写法，效果更好。

逐段用中文重写，最后汇总提炼。Meta genai org in panic mode
It started with deepseek v3, which rendered the Llama 4 already behind in benchmarks. Adding insult to injury was the “unknown Chinese company with 5…5 million training budget”
Engineers are moving frantically to dissect deepsek and copy anything and everything we can from it. I’m not even exaggerating
Management is worried about justifying the massive cost of gen ai org. How would they face the leadership when every single “leader” of gen ai org is making more than what it cost to trained deepseek v3 entirely, and we have dozens of such “leaders”
Deepseek r1 made things even scarier. I can’t reveal confidential info but it’ll be soon public anyways
It should have been an engineering focused small org but since a bunch of people wanted to join the impact grab and artificially inflate hiring in the org, everyone loses