Hi，吾友。

处在人生低谷时，你会做什么？

有一阵子，我做题。

2010年某月，我刚经历一场令人沮丧的会议，将彼时的自我怀疑推至谷底。

在浦东国际机场的休息室，打开电脑，一个老友群里正在玩儿智商游戏，某道据说是高盛的面试题被抛出来，我秒答之；又来一道，想了片刻，我又抢答。

朋友们开玩笑要赶我出去，我才恍惚想：原来我不是个笨蛋。

我对自己智商的怀疑，与对智商本身的怀疑不相上下。

一方面，我貌似无师自通地能解出一些天马行空的难题，可以冒充工程师通过IT公司的面试；另一方面，亦深知过于敏感的触觉，和貌似飞快的大脑，在现实中的适得其反。

早早成名的比尔.盖茨曾说：“智商决定一切。”他相信自己能够教会一个聪明人去做任何事情。

那时的微软公司认为智力至高无上，技能和经验只不过是附属的东西。

《如何移动富士山？》里叙述了硅谷公司玩儿智力题的故事：

肖克利拿起了一块秒表，并开始用平稳的语调提问： 某网球锦标赛有127名选手参赛，一名选手轮空，其他126名选手要进行63场比赛。在第二轮将有64名选手和32场比赛。请问：一共需要进行多少场比赛才能决出一名优胜者？

解答：每场淘汰一个人，所以要进行126场比赛。

微软当然不会蠢到去收集一群高智商蠢货。斯波斯基认为，技术行业的招聘，是为了找到既聪明又会做事情的人。

微软的面试，要对一个人的动机和持久性进行测试。

逻辑问题和其他问题都是有开头、有结尾的完整问题，而要回答这些问题就要不断地遇到障碍，解决障碍。

成功解决问题的人不但要聪明，还要有持久性。

你需要独立地、闭环地解决某个问题。

于是，我们可以在亚马逊、谷歌等公司的面试上，看到以下问题：

这类问题，貌似完全没有已知条件。

第一次见到这些问题，会令人无法下手。微软的建议是：

1、你可能会遇到一两个无法回答的问题，面对它们，重要的是战胜内心的恐惧。

2、确切来说这有些不公平，但是让你回答这些问题的目的就是想了解你怎样应对困难局势。

这些问题，都是对著名的费米问题的模仿。

在科学中，尤其是在物理和工程教育中，费米问题或费米估算是一个用来做量纲分析，估算和清晰地验证一个假设的估算问题。

命名自恩里科·费米。

这类问题通常涉及对于只给定有限的已知信息，而似乎是算不出来的量，作出合理的猜测。

费米以他通过非常少量或不精确的数据来得到比较好的估计的能力被广泛熟知，一个例子就是他在主要领导的曼哈顿计划中，用碎纸片估算核爆炸的“当量数”。

费米厌恶烦杂的理论。尽管掌握高超的数学技巧，但在能用更为简单的方法处理问题时他都不会去使用这些技巧。

他以能快速得到较为准确的答案著称。后来，这种快速得出近似解的方法被人们称作“费米估算”，受到广泛效法。

帝国大厦有多重？

谷歌曾经有过这个面试题：帝国大厦有多重？

问题没有标准答案。谷歌要的不是答案，而是思考的过程。

谷歌希望看到一个合逻辑且理性的解决路径，以了解应聘者如何思考，是否缜密。

应试者通常有四种反应：

芝加哥有多少钢琴调音师？

先列出需要知道的数据：

一、钢琴需要多久进行一次调音

二、为一台钢琴进行调音需要多长时间

三、一位钢琴调音师一年平均工作多少小时

四、芝加哥有多少架钢琴。

然后开始毛估估：

一、芝加哥有 250 万人口

二、每 100 人有两台钢琴

三、芝加哥有 50000 台钢琴

四、钢琴每年调音一次

五、一台钢琴调音需要两个小时

六、钢琴调音师每年工作 2000 小时。

七、在一年当中，每个钢琴调音师能够为 1000 台钢琴调音(2000 小时/年 除以 2 小时/台钢琴)。

八、50000 台钢琴需要 50 个调音师(50000台钢琴 除以 1000 钢琴/调音师)。

九、外加 15％ 的时间，为的是将交通时间计算在内，也就是芝加哥大约有 58 位钢琴调音师。

实际呢？芝加哥黄页上有 83 个钢琴调音师。

通过问题建模，对决定性要素毛估估，即使存在偏差，但幅度会相互抵消，从而达到一种「平衡」。

思考框架，而非化整为零

然而，对于著名的“费米推论”，却常有不精确的解读。例如，认为费米估算是将大问题碎片化成小问题。

细谷功强调，费米估算，就是训练一个人将知识和资讯转换为思考架构，进而解决问题。

大多数人都不擅长跳脱完美主义和正确答案的束缚。

而费米估算，就是帮助扭转这种旧思维的有效工具，在掌握八成或只有六成资讯时，就做出有所本的决策，甚至解决没有过往答案可循的问题。

有斗志的脑袋最聪明

所谓的“費米估算”指的是，利用手边现有的有限信息及知识，推论出貌似不可能的答案。

相信问题总是有答案的，勇敢地出发，向答案靠拢。有斗志的脑袋最聪明。

费米给大家提出了一个解决难题的对策、思路。

来自天才级的物理学家，却在现实世界中有着极为广泛的应用，尤其是在不断加速、资讯爆炸、动荡不安的今日，我们会面对一个问题无从下手，没资源，没条件，没切入点，没系统性。

费米估算的启发

1. 在极其有限的条件下，依然可以把一件事情做得非常牛逼。不管面对多么难的问题，不管有多么大的不确定性，都敢于去啃，用于迈出第一步；

2. 仅利用手边现成的知识和信息，甚至是零线索，也能求解难题；

3. 没有过于繁琐的数学证明，不用谨小慎微的严密推理，却直击真相，以及事物本质，建立模型，得到逼近事实的答案。

4. 面对不确定性，不能乱下结论，但也不能停步不前，要敢于决策，快速决策。要有deadline。再难的问题，都要在规定的时间内完成，

5. 从技术上说，费米的方法似乎是不够精确的量化，但其实是“一切皆可计算”。在商业领域，我们要避免陷入不确定性及无法分析的泥潭。

6. 针对数字的批判性思考，最重要的一点就是允许自己在遇到数学问题时使用错误的答案，是故意有误的答案。

7. 毛估估。工程师和科学家们经常会这样做，他们的秘诀归结起来就是一点：估测的艺术，或者叫做“餐巾纸背面”(back of the napkin)的计算。如英国作家萨基所说，“一点点误差能够避免一大堆麻烦的解释”。

大数据，没线索

尽管Google也很喜欢用费米问题面试员工，以确认他们能独立思考解决问题，进而有能力创新、改变世界。

但讽刺的是，Google进一步放大了我们本身就缺乏独立思考的能力。当我们非常容易获取几乎所有数据时，谁要去计算芝加哥有多少钢琴调音师呢？

何况如今是大数据的时代，哪里还会有“没线索”呢？

恩里科·费米（1901年9月29日－1954年11月28日）是一位美籍意大利裔物理学家。

他对量子力学、核物理、粒子物理以及统计力学都做出了杰出贡献，并参与创建了世界首个核反应堆，芝加哥1号堆。他还是原子弹的设计师和缔造者之一。

费米拥有数项核能相关专利，并在1938年因研究由中子轰击产生的感生放射以及发现超铀元素而获得了诺贝尔物理学奖。

他是物理学日渐专门化后少数几位在理论方面和实验方面皆能称作佼佼者的物理学家之一。

1934年，居里夫人发现了人工放射现象，这种放射现象跟很多天然元素的放射现象一模一样。

费米立即着手研究。起初困难重重。罗马大学因为条件有限，无仪器设备，无经费上更是无从保障。

费米从自己动手制作仪器，杀出一条科研血路，并在1938年获得诺奖。

我们从中可以看到，“费米估算”的基因：在艰难的境地做决策，自己动手创造“已知条件”。

另外一位天才费曼一向觉得自己的计算能力超强，但原子弹工程方面的有些计算却复杂得让他搞不明白，然而，这难不倒费米。

费曼感叹：这方面费米比他强上十倍，真是山外有山。

1945 年第一枚原子弹爆炸试验时，费米展示了他的量化技巧。

当第一波冲击波冲过营帐时，他把碎纸屑慢慢撒向空中，观察它们在冲击波的冲击下能飘多远，最远的碎片承受的就是波的压力峰值。

费米据此估算，当量约为一万吨TNT，极为接近实际数据：两万吨TNT。

杨振宁回忆自己1945年去芝加哥大学读书时，对费米极为佩服，认为他是最后一位既在理论物理又在实验物理方面有一流贡献的物理学家。

在他以后，物理学的知识发展越来越广泛，研究的方法越来越复杂，所以现在基本上没有人能在这两个方向上都做出第一流工作。

李政道师从费米教授。有一次，费米问李政道：大阳中间的温度是多少？

李政道答：大概是一千万绝对温度。

费米问：你是怎么知道的？

李政道说：是从文献上看来的。

费米问：你自己有没有算过？

李政道答：没有，这个计算比较复杂。

费米告诉李政道：作为一个学者，这样不行，你一定要自己思考和计算，你不能这样接受人家的结论。

李政道问：那怎么办？这里面有两个公式，看起来不是最复杂，真要算起来，却并不那么简单。

费米说：你能不能想一个其他的方法来计算？

李政道说：想什么办法呢？没有大计算器。费米说：我们一块来做一个大的计算器。

费米教授当时正在做着很重要的物理实验，但是他放下了手中的实验，与李政道一起做了计算器。

不久，全世界惟一专门用来做大计算的计算器做好了，李政道用自己的计算器，用新的方法计算出了太阳中间的温度。

李政道后来说，费米教授看重的，并不仅仅是做这样一次计算，他是让学生明白，作为一个科学家不能轻易接受别人的结论，必须自己亲手实验，而且要尝试使用新的方法。

费米在教学方面极牛。他以注重细节、讲求简洁、备课认真著称于世。

他的讲义后来都被改编为教科书。他生前的论文以及笔记现在收藏在芝加哥大学。

维克托·魏斯科普夫曾说：“（费米）总是能规避复杂、繁琐的过程并找到最为简洁、直接的方法。”

费米解决物理问题的能力很大程度上是因为他的本性驱使他规避完美主义，而去追求实际结果。

费米在芝加哥带的博士，四个获得诺获。

稍微舍弃一点点精度，先把答案搞出来。

本质1、 在极少的已知条件下，零线索，勇于解答。

说起来，不管是科学家，还是商业奇才，各个领域的天才们，其实首先都是哲学家。观念和动机，都远大于智商的价值。

本质2、 建模，量纲分析（因次分析）

物理量的量纲可以用来分析或检核几个物理量之间的关系，这方法称为量纲分析

通常，一个物理量的量纲是由像质量、长度、时间、电荷量、温度一类的基础物理量纲结合而成。

例如，速度的量纲为长度每单位时间，而计量单位为公尺每秒、英里每小时或其它单位。

量纲分析所根据的重要原理是，物理定律必需跟其计量物理量的单位无关。

任何有意义的方程式，其左手边与右手边的量纲必需相同。检查有否遵循这规则是做量纲分析最基本的步骤。

本质3、数量级估算

在物理世界，在进行科研工作时，选择和建立恰当的数理模型之前,必须掌握各个物理特征量的数量级,并事先对各种事物作粗略的数量级估算,进而才能判定某个物理现象的主要机制,这是一种起码的科研素质。

数量级的正确，已经很好了。杀死我们的错误，通常都是数量级的错误。一家伟大公司的成长，也需要数量级的十倍速增长。这就是Airbnb创始人说所说的Big step，老板不许看大图景。

把十次方数当作估算工具，有利于估算数字。

加拿大每天印刷报纸要砍掉多少棵数？

刚来加拿大时，参加政府免费的英语课程，有道题问：加拿大每天印刷报纸要砍掉多少棵数？

乍一看存在太多未知的信息，这个问题个根本无法下手。

我答：

1、 加拿大约三、四千万人口；

2、 包括各种免费报纸，每人每天十份太多，十人一份太少，所以一人一份；

3、 每棵树印刷一万份报纸太多，一百分报纸太少，所以就一千份吧。

所以每天要砍掉3、4万棵。

回答正确。同桌的台湾阿姨夸奖不已。

这就是运用10的次方数的例子，我们并不需要知道确切的数字，只要估算即可。

为什么这些预估都能算出合理的数字？

每个费米问题都会假设，高估和低估会彼此平衡，而其估计误差，通常只与其实际数值相差一个数量级。

这就是10的力量。

第五部分：为什么你这么聪明，还是过不好？

解题会制造你智商高的错觉，智商高会制造你过得好的错觉。

所谓费米思维的反面例子，有以下几种容易掉进坑里的聪明人，看看你是哪种。

1、 过于敏感的聪明人；

瞻前顾后，风吹草动就飞起。

2、 无所不知的笨蛋；

各种案例，成功秘诀，陷入一大堆常识，不懂任何计算。

3、 不愿意和猪摔跤的知识分子；

人世间到处都是泥巴，遍地都是猪，不摔咋办呢？

4、 完美主义者；

不完美就不行动，或者不收尾。

5、 陶醉于漂亮的推理与模型的大师；

今日头条张一鸣说：有时候，CEO们会误以为，自己提出的方法论特别好，模型特别优雅，希望把它执行，或者在全公司大范围内推行，但忽略了抽象知识和具体形式之间有差距。

理性往往只适合做知识抽象，对具体问题的解决，不一定真的有帮助。当然我们并不要否定理性的作用，只是要避免过度放大理性的会带来的危险。

6、 有思考和计算洁癖的高学历者；

不愿意搞脏双手。

7、 只见树木不见森林的精明人。

不从结构入手，沉溺于模糊的精确。

费米推论法，可能是聪明人最好的思考工具，以及行动指南。

费米说：计算方法只有两种。第一种，也是我喜欢采用的，就是拥有一个明确的物理影像；第二种，则必须具备严密的数学形式结构。

杨振宁回忆，费米是一个脚踏实地的人，他的物理学知识以及他对世界上一切事情的看法都是从非常具体、非常实际的方向开始的，他对繁琐复杂的形式化理论是不赞成的。

费米对物理学的想法是从现象出发的。从公式出发容易钻牛角尖，而从现象出发是脚踏实地的。

一个顶尖的棋手，需要兼具计算和感觉（尽管人工智能也许证明那感觉并不具灵性）。

商人如马云，根据其下围棋的业余水平之低，可知他未必是个擅长计算的人，但他是个精于计算的人，能够着眼全局，实现结构化的正确，如同费米思维的建模。

王兴评价：早些年马云做对了很多事情，也做错了很多，但最重要的事情是他选择了做一个大平台。回头看， 2003 年左右开始起来的那些公司，如果专注做一个垂直电商基本上是没有胜出希望的，这在策略上一开始就输了。

如前所述，从费米的方法是某种精确的模糊。

Master下围棋，也是将一种要靠感觉（定性）的判断，转化为可精确计算和评估的定量手段。

费米推定是基于科学的定量分析。

其基于科学基础上将定性的东西数值化，在定性分析中的分类分解建模，需要与定量分析中的因式分解建模，和利用常识进行模式化推导建模相结合，才能最后保证数据的相对准确。

如《火星救援》里最后的起飞：减掉一切多余之物。

1953年春天，同是天才科学家的戴森利用赝标介子理论计算了介子与质子的散射截面，得到了与费米的实验观测值十分相符的结果，期待得到点评。

费米看过说，“有两种方式做理论物理学的计算。一种是我喜欢的，就是要对你正在计算的过程拥有一个清晰的物理图象。另一种是得到精确而且自洽的数学形式体系。这两者都是你的计算不具备的。”

费米反问：“你们在计算过程中引入了多少个任意参数？”戴森回答说四个。

于是费米讲了一句日后很著名的话：“我记得我的朋友约翰·冯·诺依曼曾经说过，用四个参数我可以拟合出一头大象，而用五个参数我可以让它的鼻子摆动。”

随后戴森转换了研究方向。

2004年，81岁高龄的戴森在《自然》杂志撰文回忆他与费米的这次会面，标题是：

“与恩里科·费米的一次会面——一个富于直觉的物理学家是如何将一个团队从徒劳的研究中解救出来的。”

50年后回头再看，费米是对的。

重新注入多少是直接经验的思想

与费米英雄相惜的约翰·冯·诺伊曼，有学生请教他做事的方法，他说：“简单。”

“若人们不相信数学简单，只因他们未意识到生命之复杂。”

“当一门数学学科远离它的经验来源，或者甚至它只是由来自‘实际’的思想间接激发产生的第二代和第三代，这门学科就危机四伏了。它会越来越走向纯美学化，越来越纯粹地为艺术而艺术......

现在有一种巨大的危险:这门学科将沿着那条阻力最小的路线发展......将会分崩离析，成为许多无足轻重的分支......

无论如何，我觉得唯一的补救办法就是恢复到青春回到起源，重新注入多少是直接经验的思想。”

对于“简单”的简单分类

a、界面简单，后台复杂；

这是乔布斯的商业哲学。

其依从“禅”的东方哲学，以及席克定律，又称席克海曼定律，是以英国心理学家威廉·埃德蒙·席克（William Edmund Hick）和美国心理学家雷伊·海曼（Ray Hyman）命名的。

它描述了根据已知选项做某项决定所花的时间——随着选项数量的增加，投入的时间也会呈对数增加。简单来讲，越少越快。

何时运用席克定律？席克定律的运用，只适用于反应时间很短的情景。其特别适用于各类操控系统。

b、核心结构简单

这是费米和约翰·冯·诺伊曼的科学之道，也是费米问题的秘密。

费米曾说：“我只用一个系数2就可以将一个物理问题推导数页。有时那些物理学家要花整整一年才能把方程的一个系数求出来，而我对（求系数）这件事并不是那么感兴趣。”

能抓住本质，又能够遵循内心，我多么羡慕这种天赋啊。

《乔布斯传》写到：……我们争论了语法问题：如果‘非同’（different）是修饰动词‘想’（think），那就应该以副词的形式出现，即‘想得不同’（think differently）。

但乔布斯坚持说他想要把‘非同’当成名词来用，就像‘think victory’（思考胜利）或‘think beauty’（思考美丽）里的用法一样。同时，这也体现了一种口语用法，诸如‘think big’这类短语。

乔布斯后来解释说：‘我们在推出它（Think Different）之前讨论了它的正确性。如果你想想我们要表达的意思，就知道它是合乎语法的……”

计算似乎是件文绉绉的事情。费米估算，则代表了某种勇往直前的计算。

斯波斯基在面试中很注意应聘者的结论，他说：

“有时候应聘者会摇摆不定，不能够做出决定，或者总是设法避免回答困难的问题。有时候他们会在还没有回答自己的决定的情况下就想继续进行，这不好。”

对面试问题有了第一思考后，应聘者应该选择直觉最强的想法，因为这本身就是一个关键判断力的测试。

接下来应聘者就应该为他所选择的想法添加细节和说明，直到形成一个完整的答案。

向前推进，令“解决问题本身”，成为解决问题的手段。

在建模之后的毛估估中，有些环节的估算可能是错误的，但在思考的运动中，会被抵消或者纠正。如果你不动。什么都不会发生。

思考的运动，就像创业公司的发展。硅谷有句格言：Keep growing，fuck everything else。只有增长是重要的，其他一切都不重要。

勇敢前行，一定不要因为已知条件不具备，或某个问题不精确，就停下来解决问题，例如纠结于芝加哥到底有多少架钢琴，这样就永远无法算出芝加哥有多少钢琴调音师。

王兴说：创业公司一定不能停，没有什么问题是值得你停下来，甚至是慢下来去解决的，这样只会导致问题更加严重。

就像贝佐斯做手机可谓惨不忍睹，但亚马逊并不因此惧怕硬件业务，后来做智能音箱Echo，一炮而红。这才是着眼大处，勇往直前，费米的范儿。

强壮作为大脑的形容词，其实也挺精确的。

费米自信，胆大。1942年12月2日凌晨，当着手启动这世界上的第一个核反应堆时，最后一根镉棒都撤出来了，中子释放达到最高速率，人人都感到心惊肉跳，只有费米一人，不吭一声，严肃仔细地检查着他在计算尺上拨弄出来的结果。

费米极富活力，喜爱运动。而他好胜的天性也在这些方面有所体现。他的网球打法非常凶狠。在登山时，他也常常担当向导。同行者有时会把他叫作“仁慈的独裁者”。

有一次在山顶上，费米起身对同行者说：“现在是差两分两点，我们两点时下山。”没有人敢说不。这样的领导能力与自信让他成为物理学界无谬误的“教皇”。

费米参加聚会，主人家太太刚要切面包，费米走过来说他有新的切面包的方法，然后顺手从她手中拿过来刀，切起面包来。他总是相信他的方法更为优越。但没有人因此感觉受到冒犯。人们反而对费米这个人非常着迷。

费米说：要从小把自己锻炼得身强力壮，能吃苦耐劳，不要娇滴滴的，到大自然里去远走高攀吧。费米。

真理是被利器削、凿、磨出来的。多么杰出的聪明，都会因温和、柔弱，而与真理产生隔膜。

强壮，但又敏锐。费米同时具备了两种有冲突的能力。

芒格说：巴菲特有时会提到“折现现金流”，但是我从来没见过他算这个。

巴菲特答曰：“没错，如果还要算才能得出的价值那就太不足恃了”。

巴菲特的信徒段永平对投资的基本理解：

1、买股票就是买公司。所以同样价钱下买的公司是不是上市公司并没有区别，上市只是给了退出的方便而已。

2、公司未来现金流的折现就是公司的内在价值。买股票应该在公司股价低于其内在价值时买。至于应该是40%还是50%（安全边际），还是其他数字则完全由投资人自己的机会成本情况来决定。

3、未来现金流的折现不是算法，是思维方式，不要企图拿计算器去算出来。当然，拿计算器算一下也没什么。

宁要模糊的精确，也不要精确的模糊

段永平认为大致的估值主要用于判断下行的空间，定性的分析才是真正利润的来源，这也可能是价值投资里最难的东西。

巴菲特说：宁要模糊的精确，也不要精确的模糊。段永平理解为毛估估。

如何毛估估？

段永平的策略是：

“买股票当然要做定量分析，不然怎么搞？比如一个公司有净资产100亿,每年能赚10亿,这个公司大概值多少钱?大概就是你存X的钱能拿到10亿的利息（长期国债利息），再把x打6折。

如果买200亿长期国债的收入有10个亿/年，我会花200亿去买个年利10亿的公司吗？国债是riskfree（无风险）的，所以买公司就要打折。越觉得没谱的打折要越厉害，和我们平时的生意没区别。这大概就是巴菲特讲的margin of safety的来源吧。 长期利率会变，我一般就固定用5%。

企业价值是未来现金流折现。这未来的玩意有点模糊。通俗的讲，假设先不谈折现率。假设我确切的知道这个企业的未来。企业的价值=股东权益+未来20年净利润之和。然后再进行折现。大概就是这个意思吧，毛估估算下就行.这种算法其实把成长性也算在内了，如果你能看出其成长性的话（这部分有点难）。

若买的公司PE是10，那即使退市，每年有10%的利润（没有计算公司的增长）。利润拿来分红也好，投资也好，比国债也高多了。这样分析对不对?问题是PE是历史数据。你如果相信他未来一定有10%就可以。巴菲特买的高盛以及GE的可转换债券就是10%加option，非常好的deal。”

定性还是定量？

段永平说他在投资里用定性分析确实比较多，并认为这是他和华尔街分析家们的区别。

其实我认为，他是将商业模式、企业文化等变量加入后，结合未来现金流折现的毛估估。貌似模糊、定性，实则精确、定量（毕竟是投钱啊）。

最后的买入决策

段永平目标是买他认为价值被低估50%或以上,价值应该是现在的净值加上未来利润总和的折现。

他非常同意DCF（生命周期的总现金流折现）是唯一合乎逻辑的估值方法的说法，其实这就是“买股票就是买公司”的意思，不过是量化了。

“对投资，我想来想去，总觉得只有一样东西最简单，就是当你买一个股票时，你一定是认为你在买这家公司，你可能拿在手里10年，20年，有这种想法后就容易判断很多。”

看到朋友圈里引用加缪的话：

未来还是不确定，但已经完全从我的过去和我的自我之中解脱出来了。我的穷困就是我特殊的财富。这就好像我可以重新再来似的：没有更快乐，也没有更不幸。但多了对自己力量的意识、对虚荣心的唾弃，以及这份清醒的、催促着我去面对自己命运的狂热。

而费米作为科学家，对于不确定性的未来，给出了传世的“费米估算”。

维格纳谈起对科学的领悟，说：

“人类的头脑是很简单的。我们可以探索世界的一些物理学定律，以及观察到人类的许多愿望和品性，但我们永远也看不到事物的整体，我们也永远不可预见未来。生命的全部意义，所有人类欲望的共同意义，是我们掌握不了的一个秘密。年轻的时候，我为了这些一团糟的问题而急躁。但现在我能够平静地对待它。我甚至觉得，同这样一种秘密联结在一起，乃是荣耀。”

Hi，吾友，上帝会庇护每个解题的人。

无论你处于什么样的境地，高峰或低谷，不管你面对怎样的难题，哪怕你一无所有，毫无线索，都未曾被剥夺天赋的解题权利。

整个世界+全部的“你”，都是属于你的“已知条件”，足以让你求解，逼近答案。