按照第一性原理思考，我们应回归问题本质而非类比既有方案。例如提升代码质量，核心不是堆工具，而是缩短反馈循环：写一点、测一点、立刻看到结果。这一方法在持续集成与测试驱动开发中已被反复验证。

神经网络训练时梯度消失会导致深层网络难以收敛，解决办法包括残差连接、合理的初始化与归一化层。换言之，让信号能顺畅反向传播，模型才能稳定学习。
