与「倒模」相关的搜索结果

聊聊最近的状态。 前段时间在做新产品，同时做了一个无人值守 agent 在那自己开发 SaaS。哐哐一跑 20 多个小时，一天提交一两百个 commit。agent 在写逻辑方面问题不大，但 UI 还是不行，用的顶级模型顶级 skill 也还是不行。还是会看不顺眼。说到底 UI 这件事还是很主观，反正我看不顺眼就得调。所以调 UI 还是很花时间。 然后工具用得不顺手，就停下产品开发，去折腾工具。而折腾工具是很容易上瘾的，一上瘾就不断投入时间，逐渐忘记最初我的目标是做那个产品，而不是开发这个工具。现在的模型足够强，很容易就 vibe 一个类似 openclaw / hermes / slock 的工具给自己用。可是 vibe 一个可以用的产品，与做一个能交付给其他用户并且让他们爱用的产品，这其中差了无数的细节。哪怕这个用户只是自己，也差了无数的细节。后来我想想，除非我的目标就是做这个工具，不然就直接用现成的。因为现成工具的创作者，他们的目标就是做这个工具。 对了，Anthropic 还不断出新的限制。如果出一条新的限制，我的工作流或工具就不好用了，那就太脆弱了。而我一直是希望自己能按「反脆弱」的方式来做事。外部环境变化，并不应该那么容易影响我日常做事的方式。 最近做产品，还经常会陷入一种一边做一边自我怀疑的状态。这种状态在 AI 时代以前是不会有的。现在很容易就会有。我经常想，我做这个产品有什么意义吗？ 还有一点，AI 确实极大地解放了生产力，可是我看到的有意思的产品并不多。大家都做着差不多的东西。当然，我也想不出什么有意思的产品来做。要不我也不用一边做产品一边自我怀疑了。目力所及，我觉得 @turingou 做的产品是比较有意思的。所以有时候上推还会专门打开他的主页看一眼，是不是又有新的产品了。 我非常确信在远离互联网和 AI 的那些行业，有着许多和 AI 结合的机会。而我们都被困在纯互联网和 AI 的泡泡里，自然是只能做着都差不多的东西。可是知道这个局限，并不能让我摆脱这个局限。因为那些与我的生活无关，我倒是挺希望能了解那些遥远的行业，可是有时候连门在哪里都不知道。我在 fiverr 和 g2 的 categories 下研究过，我可以把那里每一项都让 AI 帮我做研究，并让它根据对我的了解，和它讨论出最适合我的一个垂直行业的产品机会。但缺乏亲身的感知，仅凭概念和语言，很难让我走远。这正是让我产生自我怀疑的地方。 你说，一个美国房地产从业人员，因为厌烦了每次买卖房子，要重新拍摄视频，后来发现可以借助 AI 来做，从而做了一个针对美国房地产的 walkthrough /promo 视频 AI 生成 SaaS，是这个人更能把这个 SaaS 做好，还是我只通过纯概念和语言研究，一个局外人，能把这个 SaaS 做好？我想前者做好的概率要大得多，他的生活与亲身感知会卷着他去做。而我可能做到 MVP 阶段就失去兴趣了。这其中差了无数的细节。 我觉得，专注会变得越来越重要。因为 AI 的加持，许多人可能今天做这个，明天做那个，不断分心做不同的东西，最终什么都没做出来。 Don't just build. Ship.

早睡+不喝咖啡和凉的就一觉天亮了7-8小时 另，很久没戴apple watch看睡眠数据了 让大模型帮忙根据数据调整+提醒可能一定程度上能代替找个男人，AI做健康监测和管理大概比人更无微不至一点 前两天和朋友聚会他说自己正在考虑孤独终老的可能性 其实我也是，人还是要未雨绸缪 包括但不限于提前写好遗嘱，做好健康管理，避免未来老年失能 肌肉量的流失可能是目前最大的问题 逐步增加力量训练保持状态这需要持续的自律和不太高强度的工作这些我都还好 唯一就是激素变化导致的间歇性情绪低落 回成都见好朋友和她讲自己的想法，她说她也是，前几年还有努力去相亲，这两年因为两个手术尤其是甲状腺手术后感觉有点伤了元气，未来还是先把身体搞好，别的都随缘了。 又问我认识这么多人，单身的也不少，怎么不能凑凑了，说自己是因为工作原因社交圈封闭 我倒是不封闭了可牛鬼蛇神也不少啊，正常的怎么遇不到？其实遇得到，可是没感觉，为什么呢？ 自我剖析了一下问题出在底层代码，觉醒了但没完全觉醒 对NPD动心，但一旦发现对方有NPD的迹象就撤了，知道有毒也知道要跑但遇见了还是会想吃 理解了什么是狗改不了吃shi🤣 好事是现在已经停止在想这个阶段了，想想就走了然后继续自己的生活 想起之前看一个老奶奶的采访 说如果人生可以重来，只需要有一份工作 我的现在正如她所渴望的来生

Codex 在 0.128.0 引入了 /goal，一个不达目的不罢休的 Agent 设计，轻轻松松跑七八个小时，烧 Token 也很猛。 它跟 Spec-Driven Development 不太一样，实现上比较直接，约等于把社区流行的 Ralph loop 内置到了 TUI 里：while :; do cat PROMPT.md | codex; done。 /goal 既不做任务规划，也不做流程编排，它只提供约束和目标。只要目标没达成，它就让模型持续干活。 那它是如何不忘记任务的呢？其实也很简单，它把目标写进了数据库🥲，默认放在 ~/.codex/state_5.sqlite，每次 loop 都会读一遍数据库。当前的设计里，一个 session 只支持一个 goal，无论是进程重启还是 ctrl+c 中断都会自动恢复目标任务。 在任务的恢复机制上倒是做了一些优化，为了避免跟用户抢控制权，/goal 会严格检查当前线程是否处于空闲状态，然后再自动注入一个 continuation prompt 推进下一个 turn，prompt 拼接的内容大概做了这么几件事情：1）把目标转成可验证交付物；2）构建 checklist；3）检查真实产物（文件、输出、测试）。 在 prompt 里还做了比较强硬的检测声明：不接受看起来完成，不要因为 token 预算焦虑就提前完成，不要相信之前的记忆，只要有不确定性就继续干。 这种设计最大的问题就是巨量的 token 消耗，/goal 没有采用对话追加模式，每轮都会发送完整的对话历史，这会导致 token 消耗随轮次 n² 增长，而烧钱的问题完全靠服务器端的 prompt cache 机制来缓解。cache 也不是完全免费，只是成本更低而已，Claude Code 的 cache-hit 价格是 1 折左右，估计 Codex 的价格会更低。 可以这么理解，/goal = 目标驱动（objective）+ 状态感知（budget/time）+ 验收机制（audit）。每一步要做什么，完全交给模型自己来判断，相当于把模型当成一个负责交付结果的工程师。

强烈推荐大家看看DeepMind CEO Demis的最新判断。 真的，Google DeepMind 的 CEO Demis Hassabis 每一期访谈我觉得值得都花时间看看。这哥们讲东西很实在，而且通俗易懂。 早上边跑步边听完了他和 YC CEO Garry Tan 的最新一期播客。 刚刚把笔记写完，也给大家分享下。 多说一句，好多人问我这种笔记是不是 AI 写的。我说下自己的流程。 我会先完整听完播客，然后用语音输入法把感触尽量充分地讲出来，再让 AI 帮着整理初稿，最后自己逐字修改优化。 如果全部交给 AI 做总结，那等于把思考和理解的能力让渡给了 AI，对自己理解这件事其实没有任何价值。 OK，咱们进正题。 1 Demis 的态度非常明确，现在的大模型范式（大规模预训练 + RLHF + CoT）一定会是 AGI 最终架构的一部分，他不认为这会是条死路。 但要实现 AGI，还有几个关键问题要解决。这几个问题包括：持续学习、长程推理和记忆系统。 先从最容易看到的现象讲起，Context Window。 现在大模型处理长信息，最常用的招就是把 Context Window 一直撑大。一开始 8k，后来 32k，再后来 100 万 Token。听起来很厉害，但本质上是暴力堆砌。 Context Window 其实就相当于人脑里的 Working Memory，工作记忆。人的工作记忆能同时装多少东西？心理学里有个经典数字，7 个左右。背电话号码能记住 7 位上下，再多就溢出了。 大模型呢？已经做到 100 万 Token。 按理说，模型的工作记忆比人大几十万倍，应该比人聪明几十万倍才对。但显然不是。 问题也恰恰就出现在这。把所有东西都塞进 Context Window 里，里面包含了不重要的东西、错的东西、过时的东西。看起来信息很多，其实是一团乱麻。 那人为什么 7 个数字的工作记忆就够用？ 因为人脑背后还有另一套机制在工作。我们记得几年前的事，记得童年的事，记得几小时前发生的事。这些都不塞在工作记忆里，而是另一套系统。 具体来说这套系统是海马体，大脑里负责把新知识整合进已有知识库的那个部分。 研究发现，人睡觉的时候，特别是 REM 睡眠阶段，大脑会重放白天重要的片段，让大脑从中学习。新东西在睡觉的过程里，温柔地融进了旧的知识体系。 这个把新东西融进旧知识库的过程，就是持续学习。 模型现在没有这套机制。每一次对话结束，刚学到的东西就会忘记。下次重新打开，还是上次那个模型，没长进。 2 再聊聊长程推理的问题。英文表达是 Long-term Reasoning。我翻译为了长程。 长程推理这个词太抽象了。Demis 讲了一个特别具体的故事，听完会立刻明白他说的是什么。 他说自己喜欢跟 Gemini 下国际象棋。下棋的过程里能看到模型的 thinking trace，也就是它在那里到底想了什么。 然后他发现一件怪事。 模型考虑一步棋的时候，思考链里清清楚楚写着，这步是个昏招。但接下来，它没找到更好的走法，于是又走回这步昏招。 明明知道是错的，还是把错的那一步走出去了。 这个细节比任何 benchmark 数据都说明问题。因为它暴露的是模型缺少对自己思考过程的某种内省能力。 正常人下棋，意识到一步是昏招之后，脑子里会有一个反应，停一下，再想想。停一下、再想想这个能力，模型现在没有。它能在每一步局部判断对错，但没法基于整盘棋的局势去调整整体策略。 这就是长程推理还没搞定的样子。模型可以一步一步往前走，每一步看起来都合理，但走到后面整盘棋的方向其实是错的。它没有那种退回到当前思考的上一层、重新审视一下的能力。 说到底，模型缺的是一种内省。 3 学习、长程推理、记忆，这是 Demis 在播客里点出来的三个 AGI 鸿沟。 除此之外，他还反复提到了创造力。 2016 年 AlphaGo 跟李世石下棋，第二局走出了著名的 Move 37。那一步棋走出来的瞬间，全世界的围棋高手都看呆了。 所有人类几千年下围棋积累的经验都告诉它不该下那里，但 AlphaGo 下了。下完之后大家发现，是一步神来之笔。 很多人觉得，这就是 AI 的创造力来了。 但 Demis 说，对他自己来说，Move 37 只是起点。他真正想看到的是另一件事。AI 能不能发明围棋这件事本身。 这两件事的区别非常关键。 Move 37 是在围棋这个现成的规则里，找到了一步人类没想到的招。但围棋的规则、棋盘的形状、黑白子的对弈方式，是人类发明出来的。AI 在已有的框架里非常厉害，但能不能自己造一个框架，是另外一回事。 Demis 给了一个具体的设想。 如果给 AI 一个高层次的描述。造一个游戏，五分钟能学会规则，要好几辈子才能精通，棋局有审美，一下午能下完一局。AI 能不能根据这个描述，自己倒推出围棋？ 目前做不到。 为了把这件事讲得更清楚，Demis 还提了一个测试，他自己叫爱因斯坦测试。 用 1901 年人类已有的全部知识训练一个模型，看它能不能在 1905 年那个时间点，自己推出狭义相对论。 爱因斯坦在 1905 年那一年里，连写了几篇改变物理学的论文，后来叫爱因斯坦奇迹年。那些工作不是从已有的物理学论文里通过拼接得到的，是基于已有材料做了一次全新的概念跳跃。 爱因斯坦测试想问的就是这件事。AI 能不能做这种跳跃。 目前的大模型主要在做两件事，pattern matching 和 extrapolation。一个是从大量数据里找规律，一个是把规律往外延伸一点。但发现新东西需要的是类比推理的能力。从一个领域里抽出深层结构，搬到另一个全新的领域去用。 这个能力，模型现在还没有。也可能是有，但用法不对所以激发不出来。 4 除此之外，Demis 还分享了一个让我特别出乎意料的判断，他说未来 6 到 12 个月，真正的价值不在更大的模型，在更小的模型。 这一部分内容我反复听了好几次，确实突破我的已有认知。 不知道大家的想法，反正我自己，这一年来并没有怎么关注小模型的进展。毕竟行业的焦点就是把模型做大嘛。 那小模型的价值到底在哪？ 最直接的是成本。同样一个任务，小模型的推理价格可能只是前沿模型的十分之一甚至更少。 但 Demis 说，比成本更重要的其实是速度。 这里有一个前提得先说清楚。Demis 不是在说速度可以替代智能。 他的原话是，当小模型的能力已经达到前沿模型的 90% 到 95%，也就是已经相当不错的时候，剩下那 5% 到 10% 的能力差距，比不上速度带来的好处。 比如现在工程师用 AI 写代码，已经形成了一种新的工作节奏。一个想法冒出来，几秒之内就能看到结果，不行就改，再不行再改。 这个一改再改的循环跑得越快，做出来的东西就越好。如果每次调用都要等十秒，整个工作流就被打断了。 更关键的是，快到一定程度，工程师在这种节奏里能进入心流。一个想法、一次尝试、一个反馈、再来一个想法，思维不被打断。 这件事写过代码的人都懂，进入心流和频繁掉出心流，产出的差距是数量级的。 Agent 也是同样的逻辑。一个 Agent 跑完一个任务可能要调几十次模型，每次慢一秒，整个任务就慢一分钟。慢到一定程度，Agent 就从一个能用的东西变成鸡肋。 小模型不是大模型的廉价替代品。有些事只有小模型能做。 比如手机、眼镜、家用机器人，需要的就是一个能在本地跑起来的模型。本地跑除了反应快，还有一个特别重要的好处，隐私。 家里机器人看到的视频、听到的对话，全部在设备本地处理，根本不上云。这件事对很多用户来说不是加分项，是底线。 成本、速度、边缘部署，这是小模型的价值。 5 讲完小模型的价值，接下来一个更关键的问题是，能力被压到这么小的参数里，会不会有上限？ Demis 的判断是，目前没看到信息密度有任何理论上限。小模型的智能天花板还远没看到。 支撑这个判断的，是 DeepMind 在蒸馏这件事上的积累。蒸馏简单说就是先训练一个超大的模型，然后用这个超大模型去教一个小模型。教完之后，小模型用极少的参数，能复现原来 95% 以上的能力。 为什么 DeepMind 这么重视蒸馏？因为要把 AI 能力放进谷歌的头部产品中，前提是低延迟、低成本。前沿模型再强，每次推理花几秒钟、花几毛钱...这条路，恐怕很难走得通。 一个前沿模型发布之后，6 到 12 个月内，他们就能把这个模型的能力蒸馏到边缘设备能跑的小模型上去。这个时间表比很多人想的要快。 在很多场景中，小模型和大模型会相互配合。 举个例子，一个端到端的智能助手，绝大部分日常任务在本地的小模型上跑。智能眼镜看到的画面、家里机器人听到的对话、手机里的私人助理，模型直接在设备里读懂，不需要往云端传一遍。 只有遇到特别复杂、本地搞不定的问题，才向云端的前沿模型发起请求。 也就是说小模型在边缘做主力，前沿模型在云端做后援。 不过，这个构想对小模型的要求也比较高，它不能只会处理文字，还得能理解物理世界。 这就是为什么 Gemini 从一开始就坚持多模态，不光处理文字，也处理图像、视频、声音。 一开始这么做比只做文本要难得多，但眼镜也好，机器人也好，需要的是一个能看懂周围世界的模型，不是一个只会聊天的模型。 讲到这里，小模型这条路的轮廓就完全清楚了。它独立成立，不是前沿模型的廉价替代品，而是另一条同样重要的路。 嗯，很有启发。

GPT 5.5 现在写东西质量真的不错了，刚翻译了一篇文章（ --- 译文 --- 我为什么写作 作者：埃里克·布莱尔 从很小的时候起，也许是五六岁，我就知道，等我长大了，我应该成为一个作家。大约在十七岁到二十四岁之间，我曾试着放弃这个念头。但我心里很清楚，那是在违背自己真正的天性；迟早有一天，我还是得坐下来写书。 我在三个孩子中排行中间，前后兄弟姐妹都和我相差五岁。八岁以前，我几乎没见过父亲。因为这个，也因为其他一些原因，我多少有点孤僻。很快，我养成了一些讨人嫌的小毛病，整个学生时代都不怎么受欢迎。孤独的孩子常常会编故事，也会和想象中的人说话；我想，从一开始，我的文学野心就和这种被孤立、被低估的感觉纠缠在一起。我知道自己有驾驭文字的能力，也有直面难堪事实的能力。于是，我像是给自己造出了一个私人世界，可以在里面弥补现实生活里的失败，甚至悄悄“扳回一城”。不过，整个童年和少年时代，我真正写到纸上的严肃作品——也就是我认真想写出来的东西——加起来恐怕不到六页。 我四五岁时写过第一首诗，是我口述，母亲替我记下来的。我已经不记得内容了，只记得那首诗写的是一只老虎，而且老虎有“像椅子一样的牙齿”。这倒是个还不错的说法，但我猜那首诗大概抄袭了布莱克的《老虎，老虎》（William Blake 的名诗 *The Tyger*，英国浪漫主义诗歌中的经典作品）。十一岁时，1914—1918年的战争爆发（即第一次世界大战），我写了一首爱国诗，刊登在本地报纸上。两年后，基奇纳去世，我又写了一首，也登了出来。后来稍大一点，我时不时写一些很糟糕、通常也没写完的“自然诗”，风格模仿乔治王朝派（Georgian style，20世纪初英国诗歌中一种偏重田园、自然和抒情描写的风格）。我还大约试过两次写短篇小说，结果惨不忍睹。那些年里，我真正落到纸上的、想要称为“严肃创作”的东西，全部加起来就是这些。 不过，在那段时间里，我其实一直在某种意义上从事文学活动。首先，是那些按要求写出来的东西：我写得很快，很轻松，但自己并没有多少乐趣。除了学校作业，我还写 *vers d’occasion*（应景诗），也就是半滑稽的诗。现在回想起来，我当年写得快得惊人——十四岁时，我模仿阿里斯托芬（Aristophanes，古希腊喜剧诗人），大约一周就写出了一整部押韵剧。我也帮忙编辑学校杂志，有印刷版，也有手抄版。那些杂志简直是你能想象到的最可怜的滑稽仿作。我对它们花的心思，远不如我今天会花在最廉价的新闻稿上的心思。但与此同时，在十五年甚至更久的时间里，我还做着另一种完全不同的文学练习：我在脑子里编一个关于自己的连续“故事”，像一部只存在于心里的日记。 我相信，很多儿童和少年都有这种习惯。很小的时候，我会想象自己是罗宾汉之类的人物，把自己想成惊险冒险故事里的英雄。但很快，我的“故事”就不再是那种粗糙的自恋幻想，而越来越变成对我正在做什么、看到什么的描写。有时候，我脑子里会一连几分钟出现这样的句子：“他推开门，走进房间。一束黄色的阳光透过细棉布窗帘，斜斜落在桌上；桌上有一只半开的火柴盒，放在墨水瓶旁边。他右手插在口袋里，走向窗边。楼下街上，一只玳瑁猫正在追逐一片枯叶。”诸如此类。这个习惯一直持续到我大约二十五岁，贯穿了我那些“非文学”的岁月。虽然我必须寻找合适的词，而且确实也在寻找，但这种描写的努力似乎几乎不是出于我的意愿，而像是受到了某种外部力量的驱使。我想，这个“故事”大概反映了我在不同年龄崇拜过的不同作家的风格。不过据我记得，它始终都有同一种细致入微的描写特质。 十六岁左右，我突然发现了文字本身的快乐，也就是词语的声音和联想所带来的快乐。*《失乐园》*里的两行诗—— > So hee with difficulty and labour hard > Moved on: with difficulty and labour hee, > > （他艰难地、辛苦而沉重地 > 向前移动：艰难地、辛苦地，他——） 如今看来，我并不觉得这两行有多么了不起，但当时它们让我脊背发颤。而且，把 “he” 写成 “hee” 的古式拼法，也让我格外愉快。至于描写事物的需要，我早已经非常熟悉了。由此可见，当时如果说我想写书，我想写的大概是哪一类书：巨大的自然主义小说，结局不幸，充满细节描写和醒目的比喻，也充满华丽辞藻段落（purple passages，指为了文采而文采、常常显得夸张空洞的文字），其中一些词语被使用，部分只是为了它们的声音。事实上，我完成的第一部长篇小说 *《缅甸岁月》*，是在三十岁时写成的，但构思早得多，它大体上就是这样一本书。 我交代这些背景，是因为我认为，如果不了解一个作家早年的成长，就很难判断他的写作动机。作家的题材会由他所处的时代决定——至少在我们这样动荡、革命性的时代，这一点是成立的——但在他真正开始写作之前，他已经形成了一种情感态度，而这种态度他永远无法完全摆脱。毫无疑问，他的任务是约束自己的气质，避免卡在某个幼稚阶段，或陷入某种扭曲情绪里。可是，如果他彻底摆脱了早年的影响，也就等于扼杀了自己写作的冲动。暂且把谋生的需要放在一边，我认为，写作至少有四种重要动机，尤其是写散文时。这些动机在每个作家身上都以不同程度存在；同一个作家身上，它们的比例也会随着他所处的环境而变化。它们是： （一）纯粹的自我意识。 想显得聪明，想被人谈论，想死后被人记住，想向童年时轻视自己的成年人讨回一点公道，等等。假装这不是写作动机，是虚伪的；而且它还是一种很强的动机。作家和科学家、艺术家、政治家、律师、军人、成功商人一样，都有这种特征——简言之，这属于人类中最冒尖的那一层。绝大多数人并不是特别自私。大约三十岁以后，他们会放弃个人野心；很多情况下，他们几乎连“自己是一个独立个体”的感觉都放弃了，主要为别人而活，或者干脆被苦役般的日常生活压没了。但也有少数有天赋、意志强的人，决心一直按照自己的方式生活到底，作家就属于这一类。总体来说，严肃作家比新闻记者更虚荣、更自我中心，不过他们对钱的兴趣要少一些。 （二）审美热情。 看见外部世界中的美，或者看见词语及其恰当排列中的美。一个声音撞上另一个声音时带来的快感，优秀散文的坚实感，或者一个好故事的节奏。想把某种自己觉得珍贵、不该被错过的体验分享出去。许多作家的审美动机很弱，但即使是写政治小册子的人，或者写教科书的人，也会有自己偏爱的词语和短语，并非出于实用原因，而只是喜欢它们；或者，他可能会特别在意排版、页边距的宽度等。只要不是铁路指南那种层级的书，任何一本书都不可能完全没有审美考量。 （三）历史冲动。 想看清事物本来的样子，想找出真实事实，并把它们保存下来，供后人使用。 （四）政治目的。 这里的“政治”一词取最广泛的意义。也就是说，想把世界推向某个方向，想改变别人对于“人类应该努力建设什么样的社会”的看法。再说一次，没有一本书真正摆脱了政治倾向。认为艺术不应该和政治有任何关系，这本身就是一种政治态度。 可以看出，这几种冲动必然会彼此冲突，而且会因人而异、因时而变。按我的本性来说——也就是把“本性”理解成一个人刚成年时达到的状态——我身上前三种动机应该会压过第四种。如果生活在一个和平时代，我也许会写华丽的书，或者只是描写性的书，甚至可能几乎意识不到自己的政治立场。但现实是，我被迫变成了某种论战小册子作者（pamphleteer，指写政治宣传或论争文章的人）。 起初，我在一个不适合自己的职业里待了五年，也就是在缅甸的印度帝国警察部队。后来，我又经历了贫困和失败感。这加强了我天生对权威的憎恶，也让我第一次充分意识到工人阶级的存在。而缅甸的工作则让我对帝国主义的本质有了一些了解。不过，这些经历还不足以让我形成准确的政治方向。接着，希特勒出现了，西班牙内战爆发了，等等。到1935年底，我仍然没能做出坚定的判断。我记得自己在那一年写过一首小诗，表达当时的困境： > 两百年前，我本可以 > 做个快乐的乡村牧师， > 宣讲永恒的末日， > 看着我的核桃树生长。 > > 可惜我偏偏生在邪恶的年代， > 错过了那座惬意的避风港； > 我的上唇已经长出胡子， > 而如今的神职人员全都刮得干干净净。 > > 再往后，日子也曾不错， > 我们那时很容易满足； > 我们把烦乱的思绪 > 摇睡在树木的怀里。 > > 我们曾无知却坦然承认 > 那些如今必须掩饰的欢愉； > 苹果枝上的绿雀 > 也能让我的敌人发抖。 > > 可女孩的肚腹和杏子， > 阴凉溪水里的拟鲤， > 黎明时飞起的马和鸭子， > 如今全都只是一场梦。 > > 再也不许做梦； > 我们残害自己的快乐，或把它藏起； > 马是用铬钢造的， > 小胖子们会骑在它们背上。 > > 我是那条从未反抗的虫， > 是没有后宫的阉人； > 在牧师和政委之间， > 我像尤金·阿拉姆一样行走；（Eugene Aram，18世纪英国一起著名谋杀案中的人物，后来常被文学作品写成被罪感纠缠的人） > > 政委正在替我算命， > 收音机还在播放； > 可牧师答应给我一辆奥斯汀7型车，（Austin Seven，英国早期著名小型汽车） > 因为达吉总会买单。 > > 我梦见自己住在大理石厅堂，（“I dreamt I dwelt in marble halls” 是19世纪歌剧中的著名唱段） > 醒来却发现那是真的； > 我不是为这样的时代而生； > 史密斯是吗？琼斯是吗？你是吗？ 1936—1937年的西班牙战争和其他事件，让天平最终倾斜。从那以后，我知道自己站在哪里。自1936年以来，我写下的每一行严肃文字，无论直接还是间接，都是在反对极权主义，并支持我所理解的民主社会主义。在我们这样的时代，还以为自己可以回避这些题材，在我看来是荒唐的。每个人都会以这样或那样的形式写到它们。问题只在于你站在哪一边，以及你采取什么方式。一个人越清楚自己的政治倾向，就越有可能在采取政治行动时，不牺牲自己的审美和思想上的诚实。 过去十年里，我最想做的事，是把政治写作变成一门艺术。我的出发点始终是一种立场感，一种对不公的感受。我坐下来写一本书时，并不会对自己说：“我要创作一件艺术品。”我之所以写，是因为有某个谎言我想揭穿，有某个事实我想让人注意到；我最初关心的，是让别人听见。但是，如果写一本书，甚至写一篇长篇杂志文章，本身不能同时成为一种审美体验，我也不可能完成它。任何愿意研究我作品的人都会发现，即使在我写得最像宣传的时候，其中也包含许多职业政客会认为无关紧要的东西。我不能，也不想，完全抛弃童年时期形成的世界观。只要我还活着，而且健康，我就会继续强烈地在意散文风格，继续热爱地球表面，继续从坚实的物体和无用的零碎知识中获得乐趣。压抑自己的这一面毫无用处。真正的任务，是把我根深蒂固的喜好和厌恶，同这个时代强加给我们所有人的、根本上属于公共领域而非个人领域的活动调和起来。 这并不容易。它带来结构上的问题，也带来语言上的问题；同时，它还以一种新的方式提出了诚实的问题。让我只举一个比较粗糙层面的困难作为例子。我关于西班牙内战的书 *《向加泰罗尼亚致敬》*，当然是一本坦率的政治书，但总体上，它写得有一定的克制，也顾及形式。我确实很努力，想在不违背文学本能的前提下讲出全部真相。但书中有一整章很长，里面充满了报纸引文之类的材料，为那些被指控与佛朗哥合谋的托洛茨基派辩护。托洛茨基派（Trotskyists，苏联革命家托洛茨基的追随者，在当时左翼阵营内部常遭斯大林主义者攻击）；佛朗哥（Franco，西班牙内战中民族主义阵营领袖，后来成为独裁者）。显然，这样一章过上一两年后，对任何普通读者都会失去兴趣，也必然会毁掉这本书。一位我尊重的批评家曾训了我一通。他说：“你为什么要把那些东西放进去？你把一本本来可能很好的书，变成了新闻报道。”他说得没错。但我当时不可能不那样做。我碰巧知道一件事，而英国很少有人被允许知道：无辜的人正在遭受虚假指控。如果我没有为此感到愤怒，我根本就不会写那本书。 这个问题会以这样或那样的形式反复出现。语言的问题更微妙，谈起来会太长。我只想说，近些年来，我一直试图写得少一些画面上的华丽，多一些准确。不管怎样，我发现，当你把某种写作风格打磨成熟时，你也总已经从那种风格里长出来了。*《动物农场》* 是第一本书，在写它时，我完全清楚自己正在尝试把政治目的和艺术目的融合成一个整体。我已经七年没有写小说了，但希望不久之后能再写一部。它肯定会失败，每一本书都是失败的。但我确实相当清楚自己想写的是哪一种书。 回头看前面这一两页，我发现自己好像把写作动机说得全是出于公共精神。我不想让读者最后留下这种印象。所有作家都虚荣、自私、懒惰，而在他们动机的最深处，还藏着一个谜。写一本书是一场可怕而耗人的搏斗，就像经历一场漫长而痛苦的疾病。除非有某种自己既无法抗拒、也无法理解的“心魔”在驱赶，一个人绝不会主动承担这样的事。也许，谁知道呢，那种心魔不过就是婴儿哭闹着要人注意的同一种本能。然而，同样真实的是：如果一个人不持续努力抹去自己的个性，就写不出什么可读的东西。好的散文像一块窗玻璃。我无法确定自己哪一种动机最强，但我知道哪一种动机值得追随。回看自己的作品，我发现，每当我缺乏*政治*目的时，我写出来的书总是没有生命力，也总会滑向华丽空洞的段落、没有意义的句子、装饰性的形容词，以及各种虚假的漂亮话。 *Gangrel*，第4期，1946年夏 --- 来源：[奥威尔基金会]( --- 翻译提示词 --- 请将以下英文文章，重写成通俗流畅、引人入胜的简体中文。 核心要求： - 读者与风格： 面向对AI感兴趣的普通读者。风格要像讲故事，清晰易懂，而不是写学术论文。 - 准确第一： 核心事实、数据和逻辑必须与原文完全一致。 - 行文流畅： 优先使用地道的中文语序。将英文长句拆解为更自然的中文短句。 - 术语标准： 专业术语使用行业公认的标准翻译（如 `overfitting` -> `过拟合`）。第一次出现时，在译文后用括号加注英文原文。 - 保留格式： 保持原文的标题、粗体、斜体、图片等Markdown格式。 - 尊重原意：保持原有的结构、意思不变，不要过度引申发散，保持原文结尾不要续写 - 适当解读：如果是普通人难懂的专业术语或因为文化差异导致的难以理解，做出更多的注释以更好的理解，注释部分用括号包裹并加粗

如果 anthropic 无法快速降低他们模型的成本，很难在 harness 时代跟上步伐。他们期望所有人使用他们的产品而不是模型，虽然创始人本人很讨厌中国公司，但思路倒是和中国公司很像。

Vivek Raman之前在华尔街干了很多年，专门搞信用交易的，现在创办了公司Etherealize。 他跑到美国国会去作证，简单说，就是给议员们科普“以太坊到底是个啥玩意儿，为什么美国应该赶紧给它（和整个加密货币）定个清晰的规矩”。 下面对他证词的拆解：可以让我们看到，从华尔街的视角，以太坊到底是什么： 1. 现在的金融系统太古老了，像石器时代 • 转账要好几天，买股票结算要好几周； • 好几百亿美金的交易还靠纸张、传真、手工Excel在跑； • 他以前在摩根士丹利、瑞银这些大银行干活，看得太清楚了：美国金融牛是牛，但后台技术落后得要命。 2. 以太坊就是那个“一次性大升级”的神器 • 它能让钱变成“可编程的美元”：几秒钟到账，不用等银行慢慢清算； • 全世界一张公开大账本，所有监管机构随时能实时看账，不用等报告； • 任何人（不管你在哪个国家）都能用，不只限于华尔街大佬； • 现在已经有1400亿美金的稳定币（像USDT、USDC那种）、100亿美金的真资产（比如房产、债券变成加密代币）、一大堆机构级应用在上面跑了。连贝莱德、富达、瑞银这些超级大机构都在上面建东西。 3. 为什么以太坊这么牛？因为它超级“去中心化” • 就像互联网一样：没人真正“拥有”它，所有人都能用； • 全世界100多万个验证节点（电脑）分散在各地，互相监督，谁也关不掉它、黑不掉它； • 对大机构来说，这等于：超级安全、超级抗风险、不用担心某一家银行倒了就把你钱坑了（没有单一对手方风险）。 4. 美国现在最大的问题是：规则太模糊 • 过去几年，美国政府用“先抓人再定罪”的方式管加密，搞得大家战战兢兢，很多创新都跑去国外了； • 美国区块链核心开发者比例从2017年的42%掉到2023年的26%； • 他呼吁赶紧通过《Clarity Act》： 给加密资产定清楚什么是啥（比如哪些算证券、哪些不算）；分清SEC（管证券）和CFTC（管商品）的管辖权；保护消费者防骗，但别把好东西掐死。 一旦通过，他说美国创新能爆100倍，工作、税收、领导地位都留在美国。 5. 他举了一个接地气的例子：发工资能变秒到账 • 现在打工仔领工资：公司→银行→薪资公司→你的账户，好几天； • 用以太坊：你干活一秒钟就能自动收到钱，没中介、没拖延； • 对月光族、零工经济的人超级友好，钱马上就能花。 一句话总结他整场发言的态度： “美国金融要升级，以太坊就是现成的最好工具！别再犹犹豫豫了，赶紧把规则定清楚，让创新留在美国，别让机会跑到其他国家！” 最后他还采用了现身说法：说他自己也是移民家庭出身，说父母来美国就是为了机会，他也想在美国把这事儿干大。 简单讲：他就是在国会帮以太坊“正名”——这不是炒币赌博，而是未来金融的基础设施，美国别再错过了。 小小感慨下，论如何提炼以太坊价值，华尔街的人从来不会让人失望。

我决定追加一个比特币/U Uniswap V3 区间，做一次理财级别的抄底，区间大概是 52000-79000。 从过去十三年的数据来看，比特币一共有 5 次实质性跌破 MA730 （两年均线），然后每次跌破后进入一个箱体震荡，也就是底部区间。 这次跌破 MA730 是 85000，按照下限 0.6、上限 0.95 模拟了本次的可能的区间，尽量保证 95% 的时间都在区间内。 尽管 60000/65000 大概不是底中底，但是这个区间能结结实实跑满 6-12 个月，所以算上手续费，倒是应该能让我买到底中底了。 （争取）做时间的朋友😂。