与「出沒注意」相关的搜索结果

近期出沒注意！🤩 那些說想戀足的想抱抱的想撞的，都給我來喔！ 不要當說說哥嘿😤 互動菜單已經做好啦！ 7/18 @cu_verse Cosplay Universe feat. T-one 7/26 飛機杯展售見面互動會 飛機杯✈️預購： 8/8-9 @TREtaipei 台北國際成人展 feat. 渡邊傳媒 @DobanMedia

#出沒注意# 9/8渡邊互動會！這次伊灰也剛好有空參加～ 這次主題是學生妹 超瑟瑟⋯ 活動當天會有拍攝跟互動還有遊戲環節喔！ 手機拍攝當然也是沒問題～～ 這邊放一下購票表單🥹❤️ 謝謝大家！ 只要用下面🔗報名的都贈送伊灰當日拍立得一張！😍🫶 有空的都歡迎來玩！

毛茸茸小動物出沒請注意🐾 絨毛熊熊配上成員甜美的日系穿搭 是不是既可愛又療癒呢💖 將生寫真帶在身邊，收藏專屬於你的可愛熊熊🐻(≧◡≦)❤ 🛒詳細購買資訊請見官網 ⏰預購時間：2024/9/10 (二) 12:00 ~ 9/22 (日) 18:00 #AKB48TeamTP# #TeamTP# #TTP# #九月份# #生寫真# #UnitTICTACTOE# #UnitPeekABoo#

3,282 家区块链项目倒闭，熊市到底谁还在干活 我喜欢没事儿就去 @RootDataZH 翻数据，很多人没注意运营状态选项。当我选择停止运营的时候震惊了，110 页足足有 3,282 家倒闭了...好残酷的，很多项目撑不了一年。 能持续运营并跨越周期的项目，是否值得高看一眼？ 让我们浅入！ ⬇️ 2026 年至今，几个宣布关闭的知名项目就包括 NFT 交易市场 Nifty、借贷市场 ZeroLend、Defi 聚合器 Step、Defi 团队 Balancer……活着，不卖壳、不作恶操纵价格提款机、实实在在搞业务，这样的项目有一个算一个，都值得respect。 说来也奇怪，我觉得项目也有自己性格的，一些项目想到就是老实巴交的感觉，比如 Huma、IOTA 这些，我自己也是这个性格，所以可能跟这些项目比较暗合一点、关注也自然多一点。 借助 Surf 可以轻松接入 Hermes 做一个提醒发给 TG bot，每天就能最方便跟踪这些项目动态。我会把 IOTA 几个比较关键的信息交给 AI 收集推送： ‣ 官推推文 ‣ 媒体文章 ‣ 社交情绪 ‣ 币价表现 ‣ 大额交易 基本上这些每日推送就能获得项目的基本更新了。今天收到了推送，IOTA 首批实施 ADAPT 计划国家确认了，肯尼亚、摩洛哥和尼日利亚。 / 老读者知道我之前就介绍过 ADAPT 计划，就是那个为非洲内部贸易构建共享的数字基础设施涵盖数字身份、跨境数据交换和支付互操作性的计划，去年 11 月启动的。 让非洲兄弟弯道超车先数字化、区块链化现在不是玩笑话了，非洲最大经济体尼日利亚、移动支付最发达国家肯尼亚、数字化程度最高的国家之一摩洛哥现在已经经过政治承诺、监管准备度、数字基础设施成熟度、私营部门参与度四维评估，起飞了。 所有的区块链底层技术，Powered by @iota 。 有点唏嘘，这种做底层基建的项目往往都需要长周期考察，一时间很难立竿见影在估值或价格上得到反馈。但是，历史经验告诉我们，熊市或资本泡沫破裂的时候，优秀的基建项目都在周期穿越后取得了丰厚回报。IOTA 把数字身份 + 跨境数据 + 支付互操作带到非洲，在这片大地进行实验、实践，假以时日，房间里的大象也许就是呼之欲出。 毕竟，ADAPT 也不是一个科技公司随便找几个国家签个协议拿来资本市场讲故事的东西，它是实打实非洲大陆自由贸易区（AfCFTA）秘书处牵头、托尼·布莱尔全球变革研究所、世界经济论坛和 IOTA 基金会合作开发项目。 接下来要干啥？美国天才法案、香港稳定币法案都给打样了，稳定币。三个国家将开始测试数字货币尤其是稳定币的监管框架，这不就是为下一步跨境支付做准备嘛。 如果，我说如果，将来非洲大部分的稳定币跨境支付跑在 IOTA 上，那画面可太美了。 祝我们好运！ / 作者：anymose ｜ 一个软核科普作家 本文仅做科普使用，不构成任何投资建议，永远记得 DYOR！

半年前，我写了10个创作心法，没想到大家反响都特别好。 而这段时间，我给内部写的内容方法论也更新到了2.0。再加上最近我们有新的小伙伴入职，为了帮大家更好地做内容，所以决定给大家做个内部分享。 想了下，也把总结的部分发在这里，希望能对大家有帮助！ 先说一个反共识的：博主不是消耗品。每一个都是IP。 这个时代你想成为一个IP，核心其实就两个东西，内容和影响力。 先聊内容这一块，我总结出来是这三步。 第一步，获取信息 很多人就死在这一步。 热点本质上是个杠杆，是指数级别的杠杆。如果你缺了热点杠杆，传到社会层面的体量就是小。 而掌握了这一点，其实还不够。有的人每天天天刷AI圈动态，也不见得能做好内容。 这里面有个很大的问题，很多人都没注意过，那就是， 做AI内容，你绝对不能只看AI。 xx发表一个演讲一堆人去解读，从严格意义上来说，这不叫做内容，这叫转述，叫翻译。 但做内容本质上就三个字： 讲故事。 而非常非常多讲故事的技巧、所有的节奏，没有一个是来自AI。 所以，我经常让我们内容团队的小伙伴，没事多看看综艺、电影、小说和喜剧。 我个人觉得启发特别大的是，一年一度喜剧大赛。里面sketch十分钟里面可能会连着升三番，每一番都给你很强的情绪波动，看完后还会意犹未尽的。 但你要是去看那种纯AI生成的内容，永远是平的、没节奏的。 但好的节奏是需要刻意编排的，是要跟时代变的。 第二步，找角度 一个好的角度，是有反差的，用八个字总结就是，情理之中，意料之外。 拿情人节举例。 普通媒体在这个日子，多数会去民政局蹲着拍领证的，稍微深一点的去拍"老头配20岁姑娘"这种很反差的。 但我知道的一个做内容的，他们蹲在民政局旁边的垃圾桶一天一夜，把垃圾桶里那些撕碎了的信、卡片拼在一起，组成了一个个故事。 于是，有了《在情人节当天选择离婚的人们》，直接干到几千万阅读。 这才是我心中，找角度的神。 第三步，创作 这步反而最简单。 一般来说，一篇好内容如果能爆，30%归因于第一步获取信息，69%在于角度，而创作只在于1%。 但1%就能决定内容的生死。 这里面两个点，我觉得必须得守住。 一个是节奏。信息第一时间拿到了、好的角度也拿到了，但如果讲不好一个故事，就是创作的节奏出问题了。 第二个是正向价值观。想要长久地做好内容，做好IP，就不要为了流量去碰敏感话题，要守住道德底线。 以上，暂时就这些。 这次分享+Q&A，没想到最后讲了将近三个小时。（商务和其他部门的同学笑称选修课hhhh） 在这个AI时代，希望能用我的这一点点小经验，帮助到大家，哪怕一点点！

大家都在盯着 AI 怎么取代程序员，却没注意到一场关于“内容生产成本”的降维打击正在悄然发生。 现在的品牌方正在进行一场大规模的“供给侧改革”：他们不再追求昂贵的真人 UGC（用户生成内容）达人，转而投向 AI 驱动的无脸化视频生产。这背后的逻辑不是功能创新，而是极其残酷的结构性变化。 我从这个趋势中看到了两个核心维度的重构： 首先是“交付效率与确定性”的结构变化。传统的真人 UGC 创作存在极高的不确定性：真人达人可能要两周才能交付，且拍摄角度有限，甚至存在沟通成本和“大牌脾气”。而 AI 驱动的模式（利用 Claude 编写脚本，Higgsfield 生成人脸）可以将交付周期缩短至 2 天，且能一次性提供 10 种不同的变体，每一条都完全符合品牌规格。 其次是“单价与规模”的成本重构。品牌不再为“名气”付费，而是为“转化率”付费。在护肤、保健品、SaaS 等领域，单条 AI 视频的单价已达到 $400-$1,500 不等。由于 AI 极大地降低了边际生产成本，一个熟练的运营者可以同时管理多个垂直领域的账号，通过批量化生产（一个 Batch 往往是 5-10 条）实现月入万刀的规模化收益。 我的判断： 这本质上是一场“内容工业化”的进程。当 AI 能够模拟出足以乱真的真人演示，且成本仅为真人的几分之一时，传统的“达人经济”将向“算力经济”转型。未来的机会不在于做一个网红，而在于成为一个能够精准控制“垂直领域身份+高频脚本生成+AI 视频合成”的自动化流水线运营商。 不要只问：这个东西是不是新功能。 更应该问： 1. 这种生产模式是否彻底打破了原有的交付周期与成本边界？ 2. 这种低成本的供给，是否正在让原有的高价真人服务失去竞争力？ 3. 我能否通过标准化流程，在特定垂直领域建立起规模化的供应能力？

老師：「據報告最近學校附近有囚禁女生的變態出沒，各位同學放學回家一定要注意安全！」 ——『放課後の歸路』 先生：「最近、学校のあたりで女の子を監禁する変態が出没してるって、報告が入ったんだ。みんな、放課後帰るときは、絶対に安全に気をつけてね！」 ——『放課後の帰宅道』

米，又上热搜了 周末两天写的都是国际银价暴涨的话题，以及白银lof套利的操作计划，没看的读者往前翻。简单说就是国际银价周五单日暴涨超过10%，导致白银lof的真实溢价大幅收窄（15%左右），再加上基金公司暂停了c类份额申购，a类份额限额从500下调至100元。以上种种因素叠加，可能会刺激白银lof再次掀起博傻投机。 这几天有不少读者给我留言，说我这么大流量的博主没必要一直关注这几百块钱的羊毛。但我觉得就是因为我流量大，所以几百块钱的羊毛也不少，我日常阅读量50万，假设有5%受我影响去套利，那也是2.5万人，这一两个星期滚动套利每个账户能赚300-500，乘一下就是1000万。 让我自己掏腰包给你们发福利，几十万可以有，1000万是断然拿不出来的。股市观点说的再多也不是包对的，但这1000万我教了，你们做了，就是确定性利润，当然要认真写了，因为有可能我一年写到头最有价值的就是年末教大家套利的文章。 这几天还有一件事说的比较多，就是提醒诸位不要白银投机做空，大宗商品的单边趋势往往很夸张，一波做错就会造成很可怕的损失。昨晚有个读者后台留言和我说他亏惨了，这几天心情极度压抑，我打码发上来给你们做个警示。 期货是杠杆交易，很多散户炒期货不像炒股那样对风险有清晰的预估和感知，很多人都是炒着炒着发现亏钱速度出乎意料的快，几个犹豫就已经积重难返。尤其是做空，凶险程度远远大过做多。 举个例子，初始价100，5个跌停后价格是59，下一个跌停跌5.9。反过来初始价100，5个涨停后价格是161，下一个涨停会涨16.1。 5.9和16.1，你们感受一下这两者的差别，做多某种程度上来说可以死扛，做空死扛真的会死。 …… 银价暴涨对好几个热门行业都会造成冲击，因为和黄金不一样，白银在工业上的使用场景还挺多的。 银有很好的导热和导电性能，所以光伏行业，电动车行业都会用到工业白银。一辆电动车使用的白银达25-50克，今年银价从每盎司30美元涨到80美元，1盎司=28克，一辆车的白银成本上升70-80美元。 光伏面板的导电层使用银浆，银浆成本已占光伏组件总成本的约16-17%，超过硅料成为组件最大单一成本项。银价每上涨 10%，光伏组件单位成本将增加 0.01 元 / 瓦。 所以马斯克这几天有点着急，开始抨击白银投机炒作冲击工业生产，因为电动车和光伏都是他直接关联的产业，但目前全球白银现货缺口是客观存在的，并不完全由投机炒作引起。 有色板块周五大涨3.6%，年内累计上涨93%，几个龙头股都刷新历史新高，从目前的趋势看，有色板块在短期内依然有较强的动能。不单单是金银，铜\锡\镍最近一个月都没少涨。 另外碳酸锂期货最近也跟风一通猛涨，周五又是+8%，最新价格已经来到了13万，这已经超出了几乎所有机构预测的价格上限，宁德时代那个枧下窝锂矿最快要春节后才能复产，目前行业库存偏低，正好往上拱一波。 …… 1、小米集团：联合创始人林斌计划从2026年12月起，每12个月出售金额不超过5亿美元的公司b类普通股，累计减持不超过20亿美元。 这个新闻已经把小米炸上热搜了。林斌是小米公司仅次于雷军的二号人物，他持有小米近千亿市值的股票，所以就算卖了20亿美元，也只占他总持仓的1/5不到。另外很多人可能看标题的时候没注意到，这个减持计划是从2026年12月开始卖，时间是一年后，林斌提前一年宣布这个决定也是想给市场足够时间去消化情绪。至于减持套现的目的是用来成立他自己的投资基金。 这毫无疑问是利空，至于利空到什么程度周一看吧。 2、万科12月28日到期的债务，展期方案没通过，但是债主们同意延长30天宽限期。这帮债主们也是很强硬了，延期还钱的方案不满意，减持投反对票，但是愿意再给30天时间谈判新的延期方案。我之前听谁说的，说债主里有金融机构，保险的钱，轻易不能让步。 3、出了一个商业火箭企业适用科创板第五套上市标准细化规则，这种不用看具体内容，肯定是扶持新兴产业的，属于看标题就知道是利好。现在spaceX冲击ipo全球瞩目，中国这边全力扶持追赶，一定是2026上半年的重要概念。不可能每个星期都涨，但这条线是很有持续性的。 今天我还看了一个spaceX的中文路演材料，我说说印象比较深的几点。首先是2026年送机器人去火星，踩个点，顺利的话2028年送活人过去，失败的话就不知道要延迟多久了。公司现在主要是猎鹰9号，重型猎鹰，星舰三个火箭型号，平时负责商业赚钱的是猎鹰9号，星舰是给火星计划准备的。星舰每公斤发射到太空的成本最低到80美元。 公司目前真正挣钱的业务是星链，就是卫星上网的那个，营收占比70%，覆盖150多个国家，用户突破900万，目标是2040年增长到10亿。 spaceX今年营收大概是155亿美元左右，处于盈亏平衡状态，可能微微能赚点。 差不多就这些，写累了，准备发射。

今天看了篇文章，叫：《AI 与自动化的讽刺》，内容跟当前 AI 的发展很应景。 1983年，一位认知心理学家 Lisanne Bainbridge 写了篇论文，题目叫《自动化的讽刺》。四十多年后的今天，这篇论文上预言的问题，正一字一句地在 AI Agent 身上应验。 当年她研究的是工厂自动化：机器干活，人类监督。 今天我们面对的是AI Agent自动化：AI干活，人类监督。场景变了，但底层逻辑一模一样。而她当时在论文中指出的那些问题，又重新来了一遍。 论文中都提到了哪些问题呢？ 1. 技能退化困境：不用就会忘，专家变监工后技能会萎缩 用进废退，这四个字我们都懂。但放到AI时代，它有个更残酷的版本。 以前你是某个领域的专家，天天做这件事，手到擒来。现在公司说，让AI Agent来做吧，你负责盯着它，出了问题再介入。 听起来很美好对不对？从打工升级成监工，岂不是更轻松？ 问题来了：你不做这件事了，但你的技能不止不会进步，甚至还会退化。 像我这样天天用 AI 写代码的，我能感觉得到这两年是没啥进步，而且对 AI 有依赖，很多以前信手拈来随手就可以写出来的代码，现在没有 AI 就啥都不想干了。 真的是有点用进废退了。 无论是 OpenAI 还是 Anthropic 都在吹他们的 Coding Agent 多厉害，他们的员工只要验证 AI 写的结果就好了，但是他们故意没提的是，这些人都是万里挑一的高手，他们有足够的经验判断AI对不对。但如果他们接下来几年都只是验证 AI 做的对不对，那么他们的技能会慢慢倒退。 像我们这一代老程序员还好，更要命的是下一代。 今天的老程序员们好歹是从实战中成长起来的。明天的程序员呢？他们从入行第一天就在盯AI，没怎么亲手做过。他们既没有技能，也没有机会学。那他们怎么判断AI对不对？ 论文原话是： > 当前这代自动化系统，正在吃老一代操作员的技能老本。下一代操作员不可能有这些技能。 这个问题今天看不出来，三五年后可能就会凸显出来了。 2. 记忆提取困境：不常用的知识，调取速度也会变慢 还有个问题就是相关技能的记忆也会退化。 想想我们高中时哪些滚瓜烂熟的公式，现在还能想起来几个了。放到 AI 监督的场景，随着 AI 能力越来越强，大部分时候都是对的，这意味着大多数时候不需要用到你的知识，随着你的知识越用越少，相关的记忆就会退化。 3. 实践悖论：理论培训没用，必须实战才能学会，但AI在干活人没机会练 这时候你可能会想：那培训是不是有用？ 但是《自动化的讽刺》论文中的结论是：培训并没有太大用。 因为专业技能不是听课听出来的，是在真实场景里靠实战锻炼出来的。课堂上学的理论，如果没有配套的实战练习，你很可能听不懂，因为没有相应的经验框架。就算当时懂了，很快也会忘，因为没有和真实任务绑定的记忆提取路径。 要保持监督AI的能力，你得定期亲自干活。但如果公司追求的是让 AI 自动化运转以提升效率，那人就没多少机会练手。 这是个死循环。 就像论文里面说的： > 我们训练操作员按指令行事，然后把他们放进系统，指望他们提供智慧。 你不能指望平时不需要怎么思考和练习的人类，在关键时刻能想出什么好办法。 4. 监控疲劳：人类无法长时间对"很少出错"的系统保持警觉 心理学研究早就发现，人类无法对一个很少出问题的目标保持长时间警觉，半小时是极限。这不是意志力的问题，这是生理结构决定的。 从进化角度看，这其实是个生存优势：如果你盯着一个地方什么都没发生，大脑会自动降低警觉，把注意力资源省下来应对真正的威胁。但放到监控场景里，这就成了问题。 AI Agent大部分时候是对的，偶尔会犯错。这恰好是最难监控的模式。如果它经常出错，你会保持警惕。如果它从不出错，你不用监控。但它很少出错这种情况，正好落在人类注意力的盲区里。 更糟的是，AI Agent犯错的方式特别隐蔽。它不会说"我不确定"，它会用一种极其自信的语气告诉你它的计划，洋洋洒洒几十上百行。错误可能藏在第87行的一个小前提里，比如"因为2大于3，所以我们应该……"。被那么多看起来正确的内容包裹着，被那种自信满满的语气麻痹着，你很难注意到。 那加个自动报警系统呢？ 论文说：谁来监控报警系统？如果报警系统本身出了问题，操作员不会注意到，因为报警系统已经正常运转了很久。 那让人做记录呢？ 论文说：人可以机械地抄数字而完全没注意数字是什么。 所有试图对抗监控疲劳的手段，都会撞上同一堵墙：人类的注意力就是无法长时间锁定在一个很少出事的目标上。这是硬件限制，不是软件问题。 5. 地位问题：从专家降级为监工，心理冲击和社会地位下降 你曾经是专家，公司里有什么难题找你，同事尊重你，你自己也有职业认同感。现在你是AI的看门人。 技能层面的损失是一回事，心理层面的冲击是另一回事。从专家降级为监工，从创造者变成审核员，从被需要变成备胎。这种转变对很多人来说是很难接受的。 论文里说，被这样降级的人会出现各种复杂的应对反应，有些看起来甚至是自相矛盾的。这部分内容展开讲太长，有兴趣的可以去读原论文。 6. 糟糕的UI：当前AI Agent界面是最差的监控设计 工业自动化领域花了几十年时间优化控制室设计：显示屏怎么布局能让操作员最快发现异常，急停按钮为什么是红色的、为什么那么大、为什么放在那个位置。每一个细节都是用事故和教训换来的。 现在看看AI Agent的界面？ 一堆自信满满的长文本，一个接一个的多步骤计划，几十上百行洋洋洒洒的解释。你要在这些文字里找出那个藏着的错误。 这大概是人类设计过的最糟糕的异常检测界面。 7. 训练悖论：越成功的自动化系统，越需要投资培训人类 论文中谈到自动化带来的训练问题： > 如果不能让操作员定期接管工作亲自干，就得用模拟器训练。但模拟器有个根本问题：你只能模拟你能预见的故障。未知的故障模拟不出来，已知但没经历过的故障也很难准确模拟。 那怎么办？ > 只能培训通用策略而不是具体应对方法。但这又带来新问题：你不能指望操作员光靠查操作手册来应对异常，因为手册不可能涵盖所有情况。 > 越是成功的自动化系统，越少需要人工干预，反而越需要在人员培训上投入巨资。 因为干预越少，人的技能退化越快，应对罕见异常的能力越弱，每次培训的成本就越高。 决策者想用AI省钱，但省下的人力成本可能得加倍投入到培训成本里。 8. 领导力困境：监督AI不只是被动看，还要主动"领导"它们 监督AI Agent不只是被动地盯着看，还得主动地指挥它们。告诉它们做什么、不做什么、分几步做、怎么调整方向。 这其实是一种领导技能。 为什么LinkedIn上夸AI Agent最起劲的往往是管理者？因为他们本来就习惯间接工作：设定目标、分配任务、给反馈、调方向，但不亲自动手。对他们来说，指挥AI Agent和指挥下属没有本质区别。 但对于一直亲自干活的执行者来说，这是一个巨大的角色转换。你得从一个做事的人，变成一个让别人做事的人。这不是改几条 prompt就能解决的，这是一整套技能体系的重建。 公司会给新晋经理做领导力培训。但有谁见过公司给AI监督者做领导力培训？ 四十年前那篇论文的结尾是这样的： > 没有时间压力时，人类可以是令人印象深刻的问题解决者。困难在于，一旦有时间压力，效率就会大打折扣。我希望这篇论文说清楚了两件事：第一，自动化不一定会消除困难，这是讽刺所在；第二，解决这些问题需要的技术创造力，可能比自动化本身还要大。 四十年后，我们换了个场景，但面对的是同一组问题。 AI Agent的能力在进步，但人类的认知结构没变。监控疲劳还是半小时，技能退化还是用进废退，注意力盲区还在那里。这些是硬件限制，不是软件更新能解决的。 推荐阅读原文： 《Ironies of Automation》： 《AI and the ironies of automation - Part 1》 《AI and the ironies of automation - Part 2》

哪怕健身练了很久，约私教一起练一下也还是很有益处的。不仅仅是学到一些新动作，还会发现很多动作上小细节的不足。 比如在 squat（各种变式的深蹲）时，我还是存在 forward shift of center of gravity（重心前移）、knee-dominant（过于膝部发力），以及 excessive foot gripping at the bottom（下蹲底部脚部过度抓地，没有足弓的自然活动）的问题，尤其是左侧更明显。同时也发现两侧肩部的活动度和紧张程度不太一致。 拉背（back pulls）和 dead bug（死虫）动作则暴露出 lower back and core instability（下背和核心不稳定）。 特别是在 lunge（单腿深蹲）时，hip（髋部）需要有一定的 rotate（旋转），而 foot positioning（脚的站位）也会直接影响对 glute（臀肌）的激活效果。 另外，不同教练关注的点真的不一样。有时候换个教练一起练，会立刻发现之前没注意到的问题，也能学到一些新的知识和动作理解。 今天训练的动作分享在这里了。