与「七海麻美」相关的搜索结果

💛June’s Patr3on Tier3💛 Mami maid ver. Patr3on Link🔗 台灣無信用卡匯款表單🔗 #七海麻美# #コスプレ# #彼女お借りします#

马斯克儿子X那一身中式行头： 中式马甲来自小众定制品牌“谁裁初”，桑蚕丝材质，官方定价970元。 虎头包来自原创品牌“芽小七手创”，非遗手工绣制，官方定价337元。

美股七姐妹Q1总利润：1.53万亿 A股4042家盈利公司Q1总利润：1.6万亿 是这么个道理没错，但是做这个图的人也有点坏啊！ 因为A股TOP50的公司利润就差不多 1 万亿了，把剩下4000家放进来凑数，是何居心~ 建议严查小编！😎

半年来，我一直反复介绍的四个原则： 原则1，AI时代的第一性原理：LLM一定会越来越聪明，benchmark越来越高，context window越来越大，reasoning越来越长，价格越来越便宜，inference速度越来越快， 这是scaling law今天依然持续的具体方向，不用你质疑，这是你唯一的信仰和行业最大共识。 原则2， 管理学设计红利：从我提出“自动编程机”、行业提出vibe coding、SWE-Agent以来，从cursor到manus到metaGPT到claude code， 人们逐渐把LLM Agent抽象成人，把软件管理、工程管理、管理学等等所有方法论直接套在multi agent workflow上面，严格按照人类管理学的方式去拆分、review、执行、反馈、循环， 这一波很快红利也吃完了，因为 a. LLM Agent毕竟不是人，存在着memory有限、执行力有限、function calling工具有限等等局限；b. 人类用于管理学的各种方法，直接套在LLM Agent上有利有弊，红利迅速挖掘完，剩下的弊端大量存在，比如过度交流、七手八脚、随时停工等等。 原则3，LLM Agent的职位和定位：绝大多数人，把claude code当做一个工具，最终的产品是用工具来完成的，最终的代码也是人与SWE Agent一步一步interactively迭代产生、迭代review、迭代部署的， 而我反复告诉过所有人，也是我又一条首次提出的原创观点，multi agent未来越来越会变成本身的一个runtime，这个runtime就运行在production里面，产品和面向的对象消费的，不只是软件或者SaaS本身，而是这个runtime实时产生的内容， 所以claude code/opencode/codex/openclaw这些agent，本身将会越来越多地被嵌入到产品本身，在产品关键逻辑和决策中发挥作用， 而绝对不仅仅停留在开发层面，把产品仅仅局限在SWE Agent单向产出和部署的代码和服务上。 原则4，也是我一直强调的，就是当人们试用了SWE Agent这种强大工具之后，人们还有哪些low hanging fruits可以寻找？SWE Agent目前最适合解决哪类问题？ 我反复讲过的一点是，对于一个设计复杂、环境复杂、场景复杂、用户复杂、体量复杂、范式复杂、一切开放、一切无解的超级复杂系统，这并不是SWE Agent最擅长的领域，相反这些场景需要人去和环境、客户、场景、性能一点点迭代才能打磨好的产品， 比如微信的100种功能，Facebook的一大堆功能模块和十几年来迭代出来的极其复杂的infra，支付宝后面成千上万的基金和风控，这些都不是AI Agent能一次性解决的问题，相反这些场景和问题不仅高度开放，更高度依赖人的观察、人的设计、人的反馈、人的定义。 AI Agent最适合的场景，甚至是我原创提出goal driven（ a. 定义简单、干净、封闭（一道数学系、一个确定性最小系统、一个编译器、一种算法、一个lean证明、一个电路或者信号模拟、蛋白质模拟和预测、CAD设计与仿真、游戏关卡测试、行为经济学仿真，都是well-defined problems，都有非常明确且封闭的边界） b. 解决问题的搜索空间巨大（可能有100~10万种天马行空的解决方案，并且绝大多数都是错的） c. 容易验证，容易verify，验证的成本是设计成本的千分之一（比如编译器，设计可能需要几万行甚至几十万行，验证只需要2000个test case全面覆盖，或者一道数学题，解决需要100步，验证答案只需要带入或者lean编译这一步） 当然，写一段简单的代码，定义一个封闭、完整、定义完全的编程问题，符合上面这些定义， 但是设计一套巨大、复杂、开放、与现实世界深度绑定、高度耦合的系统，让这个系统复杂迭代、添加功能、沟通、review、工程管理、产品管理，这些问题都远远超出这个范畴，很明显是不符合这个要求的。 人们未来探索这些multi agent产品和场景的最关键出路，在于继续挖掘这一类问题，而不是盲目把agent比作一个人，乱套各种管理学方法。 原则5，这一点我先保密，之后我再讲。

看到有个大哥币圈的，17年杠杆20倍北京买老破小，总价442万，2024年卖掉237万，26岁买房，34岁卖房，还贷和利息总计亏了305万，最后卖掉的钱扣除贷款，中介费等杂七杂八的剩了不到5万。 幸好他2024卖的，放现在估计不到200了

其实美股没有想象中涨得那么多 看起来指数每天都在新高，AI、存储动不动就是5x、10x 但从今年年初到现在，上涨的股票数量只有50%，涨跌幅中位数-0.005%，基本持平 所以其实整体上美股的系统性风险并不大，还是处在一个很健康的状态，就像Crypto每次牛初都是BTC先拉盘，然后轮动到ETH、主流币，再到土狗乱飞 对美股来说，七姐妹相当于BTC大盘，指数拉起来后涨幅必然会变得平缓，资金现在轮动到AI、存储大概对标ETH、DeFi板块，看起来倍数很多，但需要的资金比大盘少了很多 如果后续资金跟不上，更可能的也不是崩盘，而是大板块高位震荡，资金外溢到其他更小的板块，包括 mstr、crcl这些Crypto概念股也是潜在外溢标的之一 一个市场越涨越能虹吸资金，怕高都是苦命人

这个美股编年史网站，昨天睡前看了半天，把标普 500 和纳指 100 的历史数据，梳理得很好，长期持有者推荐一看 刚刷新一看，还增加了半导体、信息科技、金融、美股七姐妹这几个模块，网址: 这样的 vibe coding 有价值的，不像那些自我感动型的项目，一周后自己都不想打开了

【連続開催　全３回】 フォロー＆リポストキャンペーン 第１弾 TVアニメ『sin 七つの大罪』 オリジナルグッズ発売記念🎉 ✅ルシファー 抱き枕カバーを1名様にプレゼント🎁 応募要項詳細は添付画像をご確認ください❤ 🔽Mios（ミオス）限定✖受注生産受付中 商品詳細は 公式SHOP #sin七つの大罪抱き枕カバーCP# Official Authentic DAKIMAKURA

可能这几天也是农历十五月亮又大又圆 苹果这几天给我推送了去年中秋节的照片 我给我孩子“奶奶”（我妈妈） 拍的一张照片很显眼 照片里她头发白了一半了银光闪闪 不知道你印象里 妈妈的年轻时候映记是怎样的 我印象里有一段我妈妈年轻的样子 是带小时候的我去外婆家 要走过一片田野翻过一座小山 小时觉得好远啊 感觉要走几个小时 走不动的时候都是赖妈妈抱或者背去的 其实大概就是 7-8 里路 只是带着我走得慢 正常步行成年人大概 1 小时左右 年轻时候的妈妈也是爱美的 去外婆家她总是喜欢穿一件白色的裙子 在庄稼地里穿过 白色的裙子倒美丽大方就是容易弄脏 有时候她也会摘几朵路边的花插在自己头上 算下来那段记忆里妈妈应该是 25-35 岁 大概十几年前外婆不在了 我就很少见到她穿那件衣服了 她穿的衣服也都越来越老龄化了 我从小男孩成长到了父亲的角色 她也跟着也升级到了奶奶的新角色 那条去外婆家的小路 我大概初中之后就没怎么走过了 虽然我经常在梦里梦到那条小路 现在想起来 我那会完全没“陪伴”妈妈走路的想法 在我读初中或者高中的时候 妈妈应该也经常一个人回外婆家 不过那时候她都是自己走去的 我爸陪她去应该都是骑摩托走大路 但他工作也不总是在家 初中有自行车了我去外婆家 也都是从大路骑车过去的 没想过要陪她走一段她回自己家的路 有一年过年在老家 我看她翻出那件衣服 已经破破旧旧了但她一直没扔 在我记忆里那件衣服还是新新发光的 妈妈应该是真的很喜欢那件裙子 外公在我很小 4-5 岁时候就不在了 那个时候我妈妈应该也就 30 不到 所以她应该是格外珍惜自己的妈妈（我的外婆） 她喜欢穿那件裙子 也许是在父母身边才可以当小女孩吧 虽然我的外婆也活到了 80 多岁 但对我妈妈而言在她 45 岁左右 我的外公外婆也就已经相继去世 她就已经没有爸爸妈妈了 （大龄生娃对娃的考验之一 就是你的孩子可能还很年轻 你们夫妻可能就不再了 所以生娃年龄还是要适中） 我记得那天她忽然打电话给我 我只听到她说了一句“我再也没有妈妈了” 我一瞬间不知道该怎么安慰她只能沉默不语 电话那边嘈杂一片各种人的哭声 我知道外婆不在了 （我外婆去世的时候海南大台风我没赶回家） 我奶奶今年 94 了 我爸快 60 了还可以叫一声妈妈 还被我奶奶叫“心肝” 所以相比我妈妈我觉得我爸爸更幸运一点 我也希望能像我爸这样幸运 活到 七老八十还能叫一声爸妈 还能吃到爸妈做的饭菜 今天看到有 ts 上朋友讨论父母吵架 其实我想说生活中那些琐碎 当时只道是寻常甚至是有点烦 但那正是我们人生里最美的时光😊之一 对过去不要纠结 一切都是最好的安排 用感恩惜福的心 感受珍惜当下 更加美好的未来也正和你迎面而来