与「五条恋」相关的搜索结果

五條君看看是兔子唷，適合我嗎 眼睛不許移開我，不然我就搗蛋知道嗎！ P_ringo #戀上換裝娃娃# #喜多川海夢# #その着せ替え人形は恋をする#

第二，账号的内容结构：流量，人设，产品 以下是逐字稿： 第二个发现，陈晶的主页其实是一条用户转化路径，他后来总结了一个大家都非常熟悉的结构，叫做五三二结构。百分之五十是出圈的内容，百分之三十是人设信任的内容，百分之二十产品转化的内容。 很多人学完以后呢就开始去实践了，啊，这周要拍十条视频，就五条是出圈的，三条是人设的，两条是产品的。 你这样理解还是理解浅了，五三二真正要解决的根本不是比例问题，而是一个陌生客户从第一次刷到你到最后愿意付费，这个中间到底经历了什么？ 他第一次刷到你的时候为什么愿意停下来？ 这个是流量问题啊要解决的。 后来他又看了你更多的一个内容，他就开始判断你是谁，你有没有真的做过，你做事是否靠谱，你的价值观怎么样，这些东西叫什么？ 人设。 再往后他还想知道什么？ 你到底卖什么？ 你能解决什么问题？ 有谁买过你的东西？ 你过去拿过什么样的一个结果？ 这些叫什么？ 叫产品啊。 所以如果让我重新来解释什么叫做五三二结构，我反而更愿意用三句话来解释：流量内容解决为什么刷到你，人设内容解决为什么相信你，产品内容解决为什么最后找你买。

过去一段时间，只要谈到AI投资，大家最先想到的往往还是英伟达。 但我越来越觉得，如果只盯着一家芯片公司，我们看到的可能只是AI浪潮中最显眼的一部分。训练和运行AI模型，不仅需要GPU，还需要数据中心、电力、云端算力、高速数据传输，以及最终将AI带入现实世界的机器人。 换句话说，AI不是一家公司或一类芯片的故事，而是一场覆盖整条基础设施供应链的长期建设。这也是我开始关注 @reserveprotocol 的原因。下面我想说说Reserve到做了什么？ Reserve围绕去中心化代币基金，也就是DTF来构建产品和基础设施。它通过Ondo Globa Markets的代币化股票，将AI供应链中的不同公司组合成五个链上主题篮子，让符合资格的用户能够分别了解和接触AI建设的不同环节。而且我认为这次产品设计最值得关注的地方，不是简单地把股票搬到链上，而是把原本比较分散的AI基础设施主题，拆解成了五条更容易理解的投资方向。 1. AI Infrastructure（BUILDOUT） BUILDOUT覆盖相对完整的AI硬件和基础设施技术栈。如果把AI产业比作一座正在扩建的城市，BUILDOUT关注的就是修建这座城市所需的各种底层设施，而不是只押注其中一家明星公司。 2. AI Power（POWER） AI运行需要大量电力。数据中心规模越大、模型训练越复杂，电力供应就越重要。我认为，能源是AI讨论中经常被低估的一环。算法可以快速升级，但发电设施、电网接入和长期供电合同并不能在一夜之间完成。POWER关注的正是为AI运行提供能源支持的企业。 3. AI Capacity & Neocloud（NEOCLOUD） NEOCLOUD聚焦将高性能计算资源作为服务提供给客户的企业。不是每家公司都有能力自行购买大量GPU、建设数据中心并维护整套计算基础设施。因此，算力租赁和新型云服务正在成为AI产业链中的重要组成部分。在我看来，这一方向值得关注的原因，是它直接连接了算力供给与企业的实际AI需求。 4. AI Photonics（PHOTON） AI不仅需要计算，还需要在芯片、服务器和数据中心之间快速传输大量数据。PHOTON关注的是光子技术和高速数据传输，也就是帮助数据高效流动的光学层。 很多人关注一块芯片能算多快，但我认为，芯片之间能否高效交换数据，同样可能影响整个AI系统的性能。 5. Robotics（ROBOTS） ROBOTS关注AI从数字世界进入物理世界的过程，包括机器人、自动化设备及相关产业链。如果说大语言模型让我们看到了AI理解和生成信息的能力，那么机器人代表的就是AI感知环境、作出判断并执行现实任务的可能性。这也许是五个方向中最直观、同时最具想象空间的一条主线。 了解了上面5个方向，接下来说下我怎么看这次机会。 我认为，Reserve AI DTF最值得讨论的地方，是它把AI交易从猜下一家明星公司，转向了观察哪些基础设施正在真实建设。市场情绪可以在一个月内发生很大的变化，但已经签署的数据中心建设计划、电力合同和芯片订单，这属于持续数年的商业承诺，而这些基础设施支出不一定会因为市场短期下跌而立即停止。因此，把基础设施建设看作观察AI产业一个重要指标，我认为是很有必要的，而不是只关注短期价格和社交媒体热度。当然这些并不意味着基础设施相关资产不会下跌，也不能说明AI DTF能够完全规避市场的波动风险。我的观点是：市场情绪和产业建设不总是同步的，而这种差异本身会有一些只得研究的地方。 现在想想，在过去，想在链上通过单一篮子覆盖这些主题并不容易。而Reserve让这个方向开始具备更清晰的产品结构，也更适合让人去找到合适自己的方向并且找到适合自己的产品标的。 最后如果让你从AI基础设施中选择一个未来几年最值得研究的方向，你会选哪一个？ 是AI芯片和硬件、电力、云端算力、光子技术，还是机器人？ 我自己会特别关注电力和算力服务。原因很简单：无论最终由哪一家模型公司胜出，AI系统都需要持续消耗算力和能源。但这只是我的观察，并不代表这些方向一定会获得更好的市场表现。 但是我肯定会持续关注 @reserveprotocol 带来的一些优质资产和设施，对于我来说确实降低了研究传统资产的门槛。

美国纳尔逊-阿特金斯艺术博物馆藏。《五龙图》是南宋画家陈容传世的墨龙佳作之一。画卷描绘了五条巨龙游于云海的壮观场景。五龙或腾或潜，鳍尖鳞密，情态生动，气韵磅礴。全卷分章布势巧妙天成，生动展现神龙吞吐阴阳的变化之势，在艺术审美、民俗信仰与书画鉴藏等方面具备多重价值。

大便不通畅就会积累更多的毒素去供养癌细胞，便秘的人更容易得癌症，得了癌症不容易康复，会加重病情，大便通畅的人不容易得癌症，得了癌症也容易康复。 所以我这里用了一味可以让你大便更通畅的药，枳实。枳实是破气的，对癌症也有一定的治疗作用，可以把聚集的邪气驱散开来，尤其对堵在大肠的邪气有破除的作用，让大肠的蠕动力增加。中医认为，这个枳实能利七冲之门。 七冲之门就是整个消化道的七个关卡。首先食物要进入嘴里，必须经过嘴唇，嘴唇叫做飞门，其次是牙齿，叫做户门，然后咽喉要道叫做吸门，然后是食管与胃的连接处叫做贲门，然后是胃与小肠的连接处叫做幽门，然后是小肠与大肠的连接处叫做阑门，最后就是魄门，也就是肛门。 这七个关卡，一路通利下来，哪里有淤堵的邪气就去破哪里，所以这个枳实是很厉害的。 为了防止这个枳实破气耗气，我这里加入桔梗提气，这样一升一降，身体整个气机就顺了，身体的升降功能恢复，很多病自己就会消失。升降很重要的，中医认为，升降息，则气立孤危。 这就是我为癌症患者开出的抗癌汤，以及五条抗癌秘诀。并不是说这个方子可以治好你的癌症，而是恢复你身体的正气，恢复你身体的阴阳，让身体自己去治好癌症。

自救与保卫流动性，切断了市场对 MSTR走向“死亡螺旋”的预期。前天Strategy推出了一个“数字信贷资本框架”，个人角度这个框架最大的意义在于把市场之前一直吵的“死亡螺旋”预期直接打断了。框架核心就五条： 1）董事会批准的美元储备政策，最低要覆盖12个月的优先股股息和利息支出。目前他们手里有25.5亿储备，加上授权的BTC变现额度，总覆盖能到25.9个月。 2）STRC 股息政策调整，直接把年化提到12%（7月1号起生效），同时把股息调整机制收紧了，不再是单纯因为价格低就一直加。 3）10亿美金数字信用证券回购计划（STRC 在内）。 4）10亿美金普通股回购计划。 5）BTC 变现程序：允许选择性卖一部分比特币来补充储备、付股息、还债、回购，但不会动核心长期持仓。 之前市场最Fud的就是Mstr不停发优先股圈钱买BTC，股息负担越滚越大，遇到熊市就得被迫卖币，形成死亡螺旋。现在这个框架把储备、回购、变现都做了明确规则和优先级，相当于给整个资本结构上了个“纪律约束”。它既保护了优先股持有人的利益，也明确了不会轻易动长期BTC仓位。死亡螺旋的叙事空间被大幅压缩了。 深入去想，Mstr的底层资产的安全边际，其实还是比较深厚的：持有84.7万多枚BTC，现金储备充足，短期内没有大额债务到期压力。 最关键的是，他们这些优先股（包括STRC）本质上是股权工具，不是刚性债务（没有兜底的义务），股息可以调整，极端情况下还有回购和有限变现来托底。 所以就是开头聊到的新的框架核心是自救与保卫流动性，切断市场对于Mstr会陷入“死亡螺旋”的预期。 这两天看起来起到了一定的效果。

OpenAI Codex - Record & Replay 有些工作流很难用纯文字精准描述，但"做一遍"却很直观。比如填写报销单、配置 issue、发布视频，这类任务往往依赖大量隐性偏好，写出来冗长且易遗漏，录下来反而清晰。 Record & Replay 就能满足这个需求，给 Codex 演示一次工作流，Codex 就可以把它固化为可复用的 AI Skill。 底层逻辑 Codex uses the skill as reusable context for the task. 这说明 Skill 本身是给 AI 提供的结构化上下文。回放时，AI 可以调用当前环境中可用的工具组合（Computer Use、浏览器操作、已安装插件）来完成任务。 这意味着： · Skill 是语义化的，而非死板的操作录制； · 回放时具备适应性，可以根据新输入（不同的文件、日期、issue 内容）做合理变化； · 它依赖运行环境的工具能力，而非固定绑定某一种执行方式。 这是一种"演示即规格（demo-as-spec）"的设计哲学。 工作流程的两阶段 阶段 1：录制（Record） 1. Plugins → + → Record a skill 2. Codex 先建议一个 prompt，你可以补充上下文（目标 + 可变输入） 3. 授权录制权限后开始演示 4. 演示完毕，从菜单栏/浮层停止，或直接告知 Codex 完成 5. Codex 自动分析录制内容并起草 Skill：包含「何时使用 / 需要哪些输入 / 步骤 / 如何验证结果」 6. 可进一步 refine（提炼隐性偏好） 阶段 2：回放（Replay） 1. 新建会话，要求 Codex 使用该 Skill 2. 提供本次不同的参数值（文件、日期范围、issue 内容等） 3. Codex 调用环境内工具完成任务 高质量录制的五条原则（最佳实践） 1. 短而完整 —— 录一次完整闭环，不录半截。 2. 提前声明变量 —— 把"每次会变的输入"告诉 Codex，便于参数化。 3. 真实但脱敏 —— 用真实数据形态，但绝不录入密钥/敏感信息（这点是安全红线，录制会捕获窗口内容）。 4. 补录隐性规则 —— 录制后主动 refine，把命名约定、默认值、决策点写清楚，这是 Skill 质量的关键。 5. 及时停止 —— 任务完成立即停，不要顺手做无关清理，避免噪声混入 Skill。 关键决策：Record & Replay vs. Plugin · 目标：个人/快速 Skill 化 vs. 团队级稳定分发 · 形态：单一 Skill vs. 可打包多 Skills + MCP + 集成 · 成本：低（录一次） vs. 高（需规范构建） · 适用：个人偏好型工作流 vs. 标准化、可复用资产

你买的 GLM-5.2,可能根本不是 GLM-5.2 最近我们把市面上多家中转站正在卖的 "GLM-5.2” 测了一遍。结果大部分都不是GLM -5.2。 我们见到的几种常见掺假手法: 1. 换皮是最常见的。 就是把一个更便宜的大模型,贴上 "GLM-5.2 / glm-5-2" 的标在卖，因为目前GLM - 5.2 货源很紧张，所以价格非常低的，这个测出来大部分就是dsv4flash。 2. 虚标上下文。 GLM-5.2 官方标的是 100 万(1M)token 上下文。但很多渠道,你真往里塞 25 万、30 万 token,要么直接超时报错,要么前后文明显遗忘、截断。 3. 缩水 / 量化。 这种就是中转站给你压缩了，测试的时候跑分很好看，但是真上长程任务、多文件重构就露原形。 4. 只展示 min 价 + 动态路由。 价格页挂一个漂亮的最低价,实际请求被悄悄路由到更差、更便宜的后端。你看到的价,和你拿到的模型,是两回事。 二、实测全过程，方便大家去检测： 我们拿到一个号称 "GLM-5.2"、价格低到离谱(约官方价 1/20)的渠道，这个渠道低到连电费都赚不回来，所以我就觉得很蹊跷，一步步扒: 首先看价格,起疑。 它标价约 $0.07 / 百万输入、$0.22 / 百万输出。这个价,连官方 GLM-5.2 的零头都不到。 一个按官方原价拿货的授权 reseller,根本做不出这个价。价格反常,是第一个危险信号。 第 1 步:列模型、起一个最简单的调用。 接口能通,返回里 model 字段确实写着 "glm-5.2"。但"返回里写 glm"只能说明它给你贴了这个标,说明不了它到底是什么，有可能是glm上一代模型，甚至拿dsv4flash给你凑数。 第 2 步:身份探测。 我们用不同问法,连问它五遍"你是什么模型、哪家公司训练的"。 结果五次里有四次,它自报是 DeepSeek 系模型(DeepSeek-V3 / R1),其中一次还明确说"我不是 GLM、不是智谱"。名字能改,身份认知改不掉。第一个实锤:它根本不是 GLM。 第 3 步:上下文硬测。 我们做了两层测试。先在一篇约 25 万 token 的长文里埋一串随机暗号,结尾再问它,它准确召回。 但是在长文里埋五条互相依赖的事实(A 等于 7,B 等于 A 的三倍,C 等于 B 加 8,以此类推),要它跨段把最终值算出来,它给出了完全正确的链式结果。 这一步很关键，单点召回也许能靠"检索作弊"蒙混,但跨段整合做不了假,说明它是真把 25 万 token 吃进去在做推理。 结论:它不是小模型，而且上下文比 GLM-5.1 的 20 万还大，结果是deepseek系。 第 4步:终极对照实验(决定性)。 我们直接拿官方 DeepSeek 的 API(里面正好有 deepseek-v4-flash 这个正版模型),和这个 "glm-5-2" 做指纹比对:用同一批 temperature=0 的确定性提示词,两边同时打,逐条比对输出。结果: • 同一道"讲个程序员笑话",两边逐字一模一样; • 同一道"你是 V3 还是 V4",两边都答 "unsure"; • 连"认不出自己、自报成旧版 DeepSeek-V3"这个毛病,官方 v4-flash 和这个 "glm-5-2" 都一样犯。 也就是说:官方正版 DeepSeek-V4-Flash 的种种指纹,这个 "GLM-5.2" 全对得上。实锤收工:这个所谓的 "GLM-5.2",就是 DeepSeek-V4-Flash 贴了智谱的标在卖。它不是缩水的 GLM,它压根不是 GLM。 总结： 身份探测: 同一问题问三到五遍,看它回答是否稳定、是否对得上官方规格,有没有自报成别家模型。 上下文硬测: 埋暗号,再埋几条互相依赖的事实,顶到 25 万 token 以上,看它吃不吃得下、能不能跨段算对。吃不下或答错,就不是满血。 指纹比对: 同一个 temperature=0 提示词,把"待测渠道"和"官方原厂"的输出摆一起比。高度一致就是同一个模型,对不上就是两个东西。 经济常识: 官方满血卖到官方价 1/20,经济上根本不成立。价格低到离谱的"满血",基本可以直接判死。

@所有人 老卫的 AI 玩耍群日报 - 20260615 📌 今日要点 SpaceX 把全球最大单体 GPU 集群 Colossus 1（22万 GPU / 300MW）以 $15B/年 整体租给竞争对手 Anthropic，马斯克称"没触发我的邪恶探测器"。 SPCX 上市第二日收 $166.85，市值破 $2.11T 超越 Meta；MSCI 被动买盘入场、FTSE Russell 6/26 纳入，预计带来 $80–120B 净买入。 86， NVIDIA 联手 NAVER 在韩国建千兆瓦级主权 AI 工厂，黄仁勋亲赴首尔喊"我爱 NAVER"，NAVER 股价大涨 +9.2%。 Paul Graham 新文《How to Earn a Billion Dollars》出炉。 一套 2026 年最省钱的 SaaS 技术栈分享（Cloudflare 边缘栈 + Agent Skills）。 老卫 OPC 三周复盘：月收入目标提前完成，五条工作流持续优化。 原文链接见评论👇👇 欢迎加入扫码老卫的 AI 玩耍群，国内最大的 AI 微信群！