与「中越」相关的搜索结果

很多人觉得越南人跟中国人很像，尤其是刚接触时，发现他们也懂儒学、过春节，甚至连思维都能无缝对接。但多打几年交道你就会发现：中国人是中国人，越南人是越南人，骨子里完全是两码事。 你觉得像，是因为越南在历史上疯狂抄袭中国的高端高雅文化，比如礼制、服装、文学。但这只是一层披在表面上的皮。 一旦回到市井街头和底层逻辑，越南人其实更接近泰国、缅甸等东南亚国家。更犀利地看，越南文化其实是东南亚本土底色、中华文化表象、以及类似印度底层代码的矛盾混合体。他们有着和印度人类似的爱吹牛、爱占小便宜、道德底线低的市井习气，同时又继承了东亚人爱面子、讲礼节、极度拜金的特质，算是把各方文化的糟粕给学齐了。 别听国内那些大中华主义者一厢情愿地瞎认亲，觉得越南人就是百越后代、跟两广是一家人。去问问生活在越南的本地华人，七八十岁的老华侨把华人和越南人分得清清楚楚，华人群体在家强迫孩子说中文，就怕被彻底同化成越南人。在新加坡、马来西亚的华人眼里，也从来没把越南人当过同胞。 国内还有种想当然的说法，觉得北越像中国，南越才像东南亚。实际上，越南从北到南的文化混合得非常均匀，骨子里全都是纯粹的越南人。 看到越南有人拿了国际大奖，国内就急着用大中华荣誉感去套近乎，非要查人家有没有华人血统，这非常可笑。一个在越南出生长大、接受着越南爱国教育、甚至见证过中越冲突的人，就算有华人血统，也改变不了他是个越南人的事实。

推荐这篇文章，Flask 作者 Armin Ronacher 写了这两天我看到最诚实的 loops 反思。之前两篇都在讲 loop 怎么搭、工程怎么落地，这篇问了一个没人敢问的问题：loop 写出来的代码你真的喜欢吗？如果你在用 AI 写代码，这篇可能会让你停下来想一下。 即将到来的 Loop 我不再给 Claude 写 prompt 了。我跑着一些 loop，它们负责给 Claude 写 prompt 并决定做什么。我的工作是写 loop。 — Boris Cherny 过去几个月，我看到越来越多的人在 coding agent 之上构建一些感觉上跟"直接用 coding agent"有本质区别的东西。模式到处都一样：任务被放进某种队列，机器捡起来、尝试、停下来，然后 harness 判断那是不是真的结束。 如果不是，harness 继续同一个 session、注入另一条消息、用修改过的 context 启动一个新的 session、或者把任务发给另一台机器。任务在模型自己本该说"我做完了"的那个点之后，继续活着。 我想这种 loop 想到自己都不好意思承认。 每个 coding agent 内部已经有一个 agent loop 了。模型调用工具、整合结果、再调用工具、读文件、改文件、跑测试、最终生成答案。那个 loop 我们已经相当熟悉了。另一种 loop 是 harness 级别的 loop：agent loop 之外的 loop。那个 loop 也不是新的。从 Claude Code 早期我们就一直在做各种版本，但那个 loop 在 agentic engineering 中越来越重要，最近几周已经开始主导 Twitter discourse。 我还不擅长这个 我目前的状况是：对于我真正在意的代码，我还没怎么成功用过这种工作方式——而这恰好是我相当大一部分代码。 部分原因是品味，部分原因是控制。我对我想要的代码样子设了一个很高的标准，我想理解我交付的代码。在压力下，或者跟另一个人讨论时，我想能够解释清楚系统做了什么，而不是先让一个 clanker 解释给我听。显然，这种"想理解代码"的愿望是否会在几年后依旧存在，是一个问题。但现在，我还没有越过"理解对我来说很重要"这个阶段。 基于这个愿望，对于没有我关注时写出来的代码，尤其是由 loops 产生的代码，我感觉有些东西缺失了。当前模型倾向于产生过于防御性、过于复杂、推理过于局部的代码。它们避免强不变量。它们添加 fallback 而不是让坏状态变得不可能。它们重复代码、发明糟糕的抽象、用更多 machinery 掩盖不清晰的设计。更糟的是：我几乎看不到这方面有什么进步。如果有什么变化的话，我觉得我们可能还在往错误的方向走。至少以我的品味，当前像 Claude Code with ultracode 这样的无人值守 harness 产出的代码，比去年秋天我们产出的还要差。因为 Claude Code 加 Fable 会连续不停地在一个问题上工作 30 分钟甚至更久，而过去这个过程会有更多人参与。 此外，一个众所周知的问题是模型倾向于观察到某个局部失败然后添加局部防御。Karpathy 提到他们"对异常感到极度恐惧"。在具有重要不变量的系统中，尤其是持久化数据格式或核心基础设施，正确的修复不是"处理每个异常情况"。正确的修复是让异常情况一开始就无法被表达或写入。但即便有大量人工引导，LLM 也不会自然地产生那种代码，而且即使代码自然地像那样产生了，它们仍然会试图处理现在已不可能的错误。 当你把这种行为放到 loops 后面时，你往往会放大它。如果每次迭代都添加一个小防御，系统会慢慢变得更不透明，同时表面看起来更健壮。你越放手，这种情况就越严重。当这样的工具交给没有清晰指导的初级开发者时，它还会教给他们非常糟糕的实践。因为如果你问他们为什么做所有这些，他们会令人信服地论证自己的做法。 Loop 在哪里有效 但与此同时，假装 loop 模式不管用也是不诚实的——它在某些领域已经好得惊人。 代码移植就是其中之一。已经有令人印象深刻的大规模自动化移植案例，包括报道中把 Bun 的部分代码从 Zig 移植到 Rust 的工作。我自己也成功用它把 MiniJinja 移植到了 Go。性能探索是另一个效果惊艳的场景。机器可以尝试实验、跑 benchmark、丢弃失败、继续搜索。安全扫描也自然适合，几乎任何类型的研究也一样：让系统探索一个复杂的问题空间然后汇报回来，不一定要提交持久化的代码。 这些场景的共性是：它们要么不生成新代码，而是转换已有代码；要么产生的代码有意不需要长期存活。它们要么产出 PoC 或想法，要么呈现发现，或者更像机械性的转换。 我相信，产出不需要长寿的 artifacts 的 loop，或者产出某种可清晰验证的机械性翻译的 loop，比 harness 机械性地衡量某个目标的一般能力更重要。很多成功的 loop 应用用另一个 LLM 作为 judge 或 orchestrator。机械性翻译场景可以用二元测试用例验证，但它也可以用 LLM 来评判！ Claude Code 在创建完整的实验性工作流并执行它们方面，变得越来越好。当然，它生成的代码是 slop，但那更多是模型的问题，而不是 harness 不能很好地判断工作流中的某一步是否带来了净改进或完成。 Harness 只需要一些信号让它能继续。不需要客观或二元——只需要足够有用来驱动下一次迭代。 我非常喜欢那些能把我日常中的无聊部分拿走的 loops——做实验、测量、给我灵感。 软件作为有机体 另一方面，用同样的 loop 方法来写持久化的代码，我还不觉得舒服。我喜欢的比喻是：从软件作为确定性机器，到软件作为有机体。 我成为一名软件工程师的环境鼓励我理解机器。总有一层你可以剥开来加深理解。不展现确定性可观测行为的机器也许被接受，但一般不被认为是最优的。在软件架构上，我认为追求更多的确定性而不是更少是可取的。同样，理解代码的能力一直是一个不可否认的目标。实践中并不总是可能，但我们仍然以写出好的代码为荣，使得即使是新工程师也能通过巧妙的架构在复杂的代码库中导航。在设计良好的系统上，总有一些工程师知道不变量在哪里，哪些部分是承重的，哪些改动是安全的。理想情况下所有这些都是有良好文档的。在缺乏这种理解的地方，通常被认为是需要改进的事情。 显然，那个理想一直都很紧张。许多软件系统，尤其是非常成功的系统，在工程师能让它保持干净的时期过后，常常变得太大、太动态、太依赖外部服务，无法装进任何人的脑袋。即使没有 LLM，我们在诊断分布式系统时也已经有点像医生了：观察症状、提出假设、"开更多检查"、尝试一些补救措施、再次观察。 但有了 LLM，我们正在沿着这个方向走得更远更快。我们用它们来写代码，也用它们来诊断和治疗。已经有大量工程师生活在这样一个世界里：生产问题发生后的第一步是让 clanker 读日志、提出根因、主动提出 patch。结果 patch 通常被另一台机器捡起来审查，有时甚至没有任何人工监督就合并到了 main。 显然这很强大，我不能否认它听起来很诱人。但屈服于这个想法，特别是随着人类监督越来越少，意味着接受我们可能无法再以同样的方式理解整个系统。我们治疗它、监控它、稳定它，但我们不一定理解它。 我毫不怀疑对于某些软件来说，这没问题。不是每一行代码都值得人类作者身份，而且过去也可能写过更差的代码。 但我希望所有软件都这样写吗？ 你无法完全退出 非常令人不安的是，选择退出这个全机器驱动的未来可能不是一个选项。 安全是最清晰的例子。即使你不用 loops 来构建你的软件，别人也会用 loops 来攻击你的软件。攻击者会持续运行机器，即使不是攻击者，安全研究人员也会，而其中一些自动化工作会产生大量噪音但也会发现真正的问题。信号和噪音都会以如此大的规模涌向你，以至于你几乎不得不也扔一台机器来处理。 Daniel Stenberg 关于 curl 的 summer of bliss 的帖子是一个很好的例子，展示了维护者已经承受的压力。据我所知，AI 在 curl 的核心开发中并没有扮演重要角色。但尽管如此，维护者还是被报告淹没了——其中大部分是 AI 生成的。 如果攻击者和报告者都在 loop，防御者最终也需要 loop 才能跟上。也许不是直接写 patch，也许只是用来 triage 和复现——但压力会增加。 竞争也是一样。有些团队会通过原始速度超越其他团队。有些项目会突然加速，因为一个小团队搞清楚了如何有效编排机器。有些 startup 可以用五个人做到过去需要五十个人的事。有些人可能会直接把一台机器放在一个 loop 里对着你的产品，告诉它"把它做得像那个一样"。而如果他们的用户很开心，这真的重要吗？ 不是所有软件都会受到同等影响。有些领域会惩罚草率，要求信任和责任，但很多软件生活在一个原始速度、快速实验和大面积覆盖至关重要的世界里。 建立新的依赖 最可怕的部分是，我们以新的方式变得依赖于这些新机器。软件一直依赖工具。我还记得我不得不为编译器付费的时候。这些新工具让人回想起那些创造软件需要真实成本的日子。但现在不再是一次性付款了——它是一种持续的依赖。不只是对钱包的依赖，还有认知依赖。 如果一个代码库由 loops 产生、由 loops 审查、由 loops 打补丁、由 loops 维护，当你不再能访问同等级别的系统时会发生什么？当某些贸易限制剥夺了对最强模型的访问时？如果只是成本变得不可接受呢？如果你和你的团队只是丧失了不用机器理解代码的最后一点能力呢？ 我们可能会创建出不仅人类难以维护、而且把机器参与作为其维护模型前提的代码库。这已经在发生了！不是在所有地方都发生，甚至可能不是以被视为有问题的方式在发生，但我们看到越来越多。人们越来越多地合并他们不能完全解释的代码。人们失去了创建 issue 报告或在聊天中讨论事情的能力，而不借助 clanker 增强或改写他们的消息。太多人越来越依赖机器来总结或提供上下文。我越来越多地遇到通过 LLM 这个中间人与我交流的人。 再说一次，也许这甚至不一定是错的，但它对我们做事的方式是一个巨大的改变。 未来的 Harness 我毫不怀疑这就是方向，但朝着这个方向走需要我们在所有地方都改善我们的工具，而不只是在 coding agent 里。 仅仅编排更多的 loops 是不够的。更好的变更可视化或编排或 agent 不会恢复我们的理解。要么我们需要找到巧妙的方法把人拉回 loop，让 loop 的变更长期可读，要么我们需要找到更好的方法来组合这些越来越复杂的系统。 这也是我对 Pi 的角色的想法在变化的地方。Pi 一直很谨慎，我认为这种谨慎是好的。我不希望一个每一次交互都变成不受控制的机器 swarm、做出我无法跟上的变更的未来。我不希望 Pi 为了赢得"软件自己写自己"的竞赛而变成一个不可维护的混乱，我也不希望 Pi 推广这类工程。但与此同时，Pi 是一个 harness，而 harness 正处在人们运行这些新型实验的中心。 编码任务的任务队列、agent 编排、子 agent、持久化 session 会变得越来越重要。即使是我们这些有保留意见、没有盲目拥抱 loops 的人，也必须要开始做这些实验了。因为我们需要理解如何让这个未来有边界、可生存。 控制 Loop 正如你从这篇文章中读到的，我对这个未来非常不安。不是因为恐惧，而是因为基于对这项技术至今的经验而产生的谨慎。 采用 harness loop 的想法意味着 harness 决定工作何时完成。在 agent loop 中，模型最终说"完成"然后我审查。即使在那之前，我通常也在沿途引导。我参与其中，我喜欢在学习中前行。在 harness 操作的 loop 中，我不确定我的角色到底是什么。甚至"完成"信号也失去了所有意义，只是变成了传递给另一台机器进行评判的信息。我的角色被简化为一个信使。 今天，我不喜欢我看到的那种用这种方式构建的系统产生的代码，我也不喜欢与太多用 AI 辅助构建的软件交互。Loop 很强大，但它越来越多地移除责任，至少在当下它非常鼓励我们向机器投降。 然而，我毫不怀疑这个 loop 化的未来就是我们的未来——尽管我目前对此感到反感。我已经看到惊人小的团队以不可能的速度在构建，我看到代码库正在变成越来越模糊和混乱的有机体，只能由更多机器来诊断。这些代码库同时既有用又混乱。 所以我想我开始接受一个事实：问题不是我们会不会 loop——显然我们会的。也许问题是：在一个 loops 的未来里，我们如何不放弃判断，如何在其中保留良好工程的原则，如何确保负责任的人能够继续监督，如何重新思考我们架构代码的方式以在其中保持清醒。 原文：Armin Ronacher, "The Coming Loop", 2026-06-23 链接： #AI# #Loops# #软件工程# #反思#

比王莽更像穿越者的红色特工 曾培洪同志是一位超级天才，他的履历就是传奇。 书香门弟，先跟周总理干特工；后周总理让他鼓捣电台，他自己鼓捣出了一个牛逼的； 让学英语，一年通关； 让开办我党军工厂造枪，我党第一支自制部枪是他搓出来，； 建国后，组织需要与苏联打交道，156工程需要去苏联，俄语一年速通；两年拿下俄罗斯通讯院士，论文N篇； 回国后任商务部副部长干贸易，1970年后操盘期货，大赚特赚；1971年动外汇全力囤黄金，1980天价抛售，赚了30亿美元，与我国整整一年的出口总额大致相等。 中越边境站时，老爷子血脉觉醒，亲上一线干侦察旧业；后致力于改开，可口可乐，就是他从美国主导引进的，并在国内建立了可口可乐的一整条生产线。 1995年，手握一瓶可乐安详去世。

⚖️牛顿拍案惊奇：Nguyen v. Canada, 2026 FC 790 一越南公民和加拿大人结婚后申请配偶担保被拒，签证官拒签理由之一是：婚礼照片中，越南人这边邀请来的嘉宾“全是亚洲人”，看起来像摆拍。

商务部等8单位《关于促进铁路与旅游融合发展 扩大服务消费的若干措施》： 到2030年，在全国范围内打造160列以上铁路旅游列车专用车组。 积极推动中老、中哈、中越、中俄等跨境旅游专列产品设计开发。 做强票根经济，围绕铁路票制产品带动商旅文体健链式消费。

$MRVL 今天直接原地起飞，Nvidia老黄亲自认证它要当下一个“万亿美金仔”！ 黄仁勋在Computex台上嘴巴一张：“Marvell will be the next trillion-dollar company！” 今天 #MRVL# 直接拉盘+32%，市值狂飙冲向2500亿+，K线拉得卡卡直！ Marvell 的自定义 AI 芯片、网络交换机、光学互联等产品，正成为 AI 基础设施不可或缺的一环，尤其在 hyperscaler 大单和 NVLink 生态中越来越重要。 AI 浪潮还在加速，Marvell 作为被低估的“幕后英雄”，这次终于被市场看见了！ #MRVL# #Marvell# #AI# #Nvidia# #半导体# #美股#

喜报喜报，一直研究AI Agent的友友们有福了！！ 因为CREAO AI 做了一场 AI Agent 模拟交易比赛，总奖池为 $10,000。而且还送你 500 USDT 模拟本金去参赛！！ 奖励大概分布是第一名 $3,000，第二名 $1,500，第三名 $1,000，前 30 名都会有对应奖励。 简单说活动流程就是CREAO 会准备好的原初 Agent，你自己通过和 CREAO AI 对话去调整策略、优化逻辑，最后形成你的专属交易 Agent。 等比赛正式开始后，就让AI Agent自动去交易。 在交易过程中，Agent 会被锁定，按照平台调度自动运行 7 天，最后根据排名和 audit 审核结果确认奖励。 关于比赛的标的我也去看了，目前只支持 BTC-PERP 和 ETH-PERP（小小细节：默认 Agent 的交易策略是做空 ETH哦）。 虽然标的少、变量少，但这样能最大程度的比较出Agent 策略本身的质量。 是不是比想象中的简单多了！！ 而且CREAO AI也是首个能让用户靠对话来定制交易策略、再让 Agent 自动执行的 AI Agent 产品哦。不用先学一堆复杂设置，直接把自己的交易想法讲给 Agent，它会帮你一步步变成可运行的策略～ ⚠️还有一点需要提醒大家，这是一场基于真实市场数据环境的模拟交易活动，不涉及真实充值和提现。 报名成功后发放 的500 USDT 模拟本金，是专门用于本次活动的 demo account，不能出金或入金，Agent 的执行结果也不构成任何投资建议。 这种赛制其实对于新手小白来说也是很友好的学习路径，因为这种模式现在在量化圈和 AI Trading 圈里越来越常见。 根据 Binance Research 和 Messari 之前的一些行业报告，过去一年里，自动化策略和 AI 辅助交易工具的使用率明显提升，尤其是在高波动市场中，越来越多交易者开始倾向于“规则先行”的系统化交易，而不是完全依赖主观判断。毕竟从长期数据来看，人为情绪干扰往往是导致策略收益回撤的重要因素之一。 行情来了会临时改变想法，亏损了会情绪化止损，连续盈利后又容易放大风险。可一旦进入 Agent 模式，你必须提前定义规则：什么情况下开仓、什么时候减仓、趋势失效时怎么处理、波动异常时是否暂停策略。你没定义清楚的部分，最后都会变成 Agent 的“盲区”。 如果你的逻辑本身混乱，Agent 只会更稳定地执行这种混乱。 所以可以好好利用CREAO AI这次比赛机会，做出你优秀的Agent！ 活动入口： 参加活动是无门槛的，建议大家可以都去参与一下！

币圈已经让我电子阳痿了🙃 刷了一圈推，感觉币圈越来越荒凉了，以前那种看到新项目就想撸的兴奋感完全无了，大家好像都在转型： @yuyue_chris 美股中 @hebi555 美股中 @punk2898 美股中 @EvaCmore 美股/港股打新中 @xiaomustock All in半导体已赚麻 @Web3Feng 半导体中 @Ice_Frog666666 搞AI中转站去了 @KuiGas 买房去了 @AirdropAlchemis 搞黄中 还在全力搞币圈的就没剩几个了，只剩： @Greta0086 坚持Polymarket @Wangduanniao 坚持OKB @kiki520_eth 炒币中 @iamyourchaos 炒币中 越来越多在币圈赚到钱的人，带着钱离开了币圈，行业的alpha越来越少了，普通人还能通过币圈翻身吗？

在美联储主席提名确认听证会上，凯文·沃什（Kevin Warsh）发表开场声明，承诺若获确认将竭尽全力履行国会赋予的实现充分就业和物价稳定的双重使命，并强调了一个以改革为导向、保持绝对独立且“恪守本分”的美联储的必要性。他回顾了自己从乔治·舒尔茨等政经泰斗及斯坦·德鲁肯米勒等市场实战专家那里汲取的经验，以及在2008年金融危机期间担任美联储理事的经历，指出美联储凭借前人积累的信誉度过了危机，但也严厉警告美联储必须抵制在更广泛的经济社会事务中越权的诱惑。沃什明确表示，货币政策的独立性完全掌握在美联储自己手中，决策必须绝对客观且以国家利益为重；最后，他引用米尔顿·弗里德曼对“现状的暴政”的警告，呼吁在快速变化的世界中拒绝墨守成规，致力于打造一个通过改革真正为美国民众带来积极改变并对公众负责的中央银行。 说得不错！