与「四条月生誕祭」相关的搜索结果

一位MIT教授仅用一小时讲座就悄悄摧毁了整个管理培训行业， 而迄今已有一千万人观看了这场讲座。 他在2018年1月录制了一次， 十八个月后他就去世了。 行政教练收费一次一万五千美元， 却只能教他那小时免费讲座内容的一部分。 他叫帕特里克·温斯顿。 他从1972年到1997年领导MIT人工智能实验室， 著写的AI教科书影响了几代计算机科学学生。 四十年来，他每年一月都会讲授一堂课： "如何演讲"。 整个框架可以写在一张餐巾纸上。 不要照稿读。 成为你描述的形象。保持视觉简洁。 删除杂乱。以真诚的同情心开场。 以人们会在晚餐时重复的话句结束。 永远不要以笑话开场。永远不要以"谢谢"结尾。 最后这条规则单独就让培训行业损失惨重。 他通过告诉学生说话好、写作好、想法强这三点会影响成功， 按这个顺序。他的信念足以让他花五十年教工程师如何交谈。 创业者花八万美元读MBA， 随后又雇通讯教练重新学习温斯顿免费传授的内容。 工程师编写优秀代码却输给了在通勤时看过这讲座的同事。 讲座在MIT开放课程中免费提供。 教科书在他的页面上免费。 温斯顿于2019年去世。 一千万观众中几乎没人真正用过餐巾纸上的四条规则。 餐巾纸免费。 在下次会议中真正使用它才是全部优势。

没人知道神哥当年有多狼狈。 负债缠身、身无分文，狭小昏暗的出租屋里，我蹲在马桶上，手控制不住发抖。 屏幕里4300U，是我掏空家底、仅剩的最后本金。 没有后路、没人兜底，亏完就彻底退出币圈，那一刻我咬牙重仓进场。 那段时间整夜失眠，内心充满惶恐焦虑。 整整三年，我硬生生把这笔绝境资金，熬成七位数账户。中途无数次被热点币种诱惑，无数次想要中途止盈跑路，我全都强行压制住浮躁。 没有天赋、没有内幕，仅凭一套笨拙死板的交易规则站稳脚跟。 这几年我看遍人情冷暖，圈内聪明人换了一茬又一茬。 大家总想着频繁换币、抓暴涨行情，最后大多亏损离场。反而是我这种不求暴利、死守规则的人，活了下来，账户稳步走高。 神哥带着几位老兄弟，常年执行四条铁律，简单却足够保命。 第一，顺势跟资金。只留近十日强势币种，连续下跌三日直接剔除，永远不跟市场资金对抗。 第二，月线定方向，月线MACD未出红金叉，坚决空仓，宁缺毋滥。 第三，死守进场位，只在回踩60日线、出现放量阳线或长下影线时出手，无量不追。 第四，60日线是生死线，上涨30%、50%分批减仓，收盘跌破均线无条件清仓。 月线定趋势，日线保本金，风控永远排在盈利前面。这套方法不刺激、不炫酷，没有一夜暴富的神话，却是普通人最稳妥的上岸方式。 币圈活到最后，拼的从来不是脑子，是自律。

[开源学习资源] AI Engineering from Scratch 59.8K ⭐️ 作者 @ghumare64 课程共 20 个阶段，以 Python 为主要编程语言，主张在导入任何框架之前，先用纯数学把每个算法手写一遍。 课程地址： 开源地址： 它和常见教程的本质区别 ？ 大多数 AI 教程是“API 驱动”的：装个库、调个接口、跑个 demo。这个项目反其道而行，每节课遵循固定的六段结构： Motto → Problem → Concept → Build It → Use It → Ship It 以 Phase 10 的一节课「Tokenizers: BPE, WordPiece, SentencePiece」 为例，这个格式是真实落地的，而且写作质量相当高： · Problem 部分不讲废话，直接从代价切入：“你的 LLM 不读英语，它读整数。分词器决定这些整数是承载意义还是浪费意义”，然后解释为什么 tokenization 不是预处理，它是架构的一部分（影响上下文窗口利用率、API 计费、推理速度）。 · Concept 部分用“三种失败的方案和一种胜出的方案”来讲演化逻辑：词级切分（词表爆炸、[UNK] 问题）→ 字符级切分（序列过长）→ 子词切分（BPE 的折中），并配上真实语料上 BPE 逐步合并的手工演算。 每节约 3000+ 词，带 Mermaid 图、可运行代码和测试。 另外两个设计值得强调： · 每节课产出一个可复用的 artifact，一个 prompt、一个 skill、一个 agent 或一个 MCP server。学完整个课程，你手里有 523 个可展示的作品，不是 523 个跑完就扔的 notebook。 · 强调“证据留存”：保留命令、退出码、输出，作为学习发生的证明。这明显吸收了工程实践中“可验证性”的思路。 # 课程结构：从线性代数到自主智能体集群 20 个阶段构成一条完整的上升曲线，咱们它分成五个大块来看： 基础层（Phase 0–2）：环境与工具链、数学基础（线性代数/概率/微积分）、经典机器学习。这是给基础不牢的读者铺的路。 深度学习与感知层（Phase 3–6）：神经网络核心、计算机视觉（一路讲到 NeRF、高斯泼溅、世界模型，这已经超出一般教程的覆盖范围）、NLP、语音。 生成与决策层（Phase 7–9）：Transformer 深挖、生成式 AI（GAN、扩散模型、flow matching）、强化学习。 LLM 层（Phase 10–12）：这是全课程的重心之一。Phase 10 的目录我逐条看过，它不只是“从零实现 GPT”这种常规内容，还包含了相当前沿的论文级主题：DeepSeek-V3 架构走读、DualPipe 并行策略、Native Sparse Attention（NSA）、多 token 预测、Jamba 的 SSM-Transformer 混合架构、 speculative decoding 等。Phase 11 转向应用侧（RAG、LoRA、MCP、可观测性），Phase 12 覆盖多模态（从 CLIP 到 computer-use agent）。 智能体层（Phase 13–16）：工具与协议（MCP、A2A、Agent Skills）、54 节课的 agent 工程、自主系统与安全、多智能体集群。这一层的分量很能说明项目的判断：它认为 AI 工程的重心正在从“训模型”转向“构建可靠协作的智能体”。 收尾（Phase 17–19）：生产基础设施、伦理与对齐、毕业设计。 # 生态与周边：不只是一个课程仓库 网站：带浏览器本地存储的学习进度追踪、术语表、课程目录和路线图。 六卷本书籍：课程内容由 CI（pandoc）自动构建成 EPUB/PDF，附在 GitHub Releases 上，课程即书，且随仓库持续更新。 Agent 导师模式：运行 npx skills add rohitg00/ai-engineering-from-scratch，可以把整个课程装进 Claude Code、Codex 等编码智能体，变成一个带分级测验（placement quiz）和个性化路径的交互式导师，学习进度写在 LEARNING.md 里。这是“用你正在学的工具来学”的巧妙闭环。 认证备考：5 条备考路径、67 节课、505 道练习题，覆盖 Anthropic 的 Claude 认证和 Agentic AI Foundation 的 MCPA。项目明确声明与这些考试机构无关联，只是独立的备考材料。 12 种语言的翻译（含中文），以及四条核心学习路径（构建与部署 AI 应用、软件工程基础、Agent 辅助工程、产品判断与交付）供不同目标的人选路。

阿里把团队内部用了两年的官方 AI Code Review Skills 开源了，采用 “确定性工程 pipeline + AI Agent” 的混合架构，专门解决通用 Agent 做代码审查时 “漏审、定位漂移、质量不稳” 的老问题。 40.5K ✨ 开源项目 OpenCodeReview： # 核心设计：确定性工程 pipeline × Agent 各司其职 确定性工程负责硬约束： · 精确文件选择：用代码决定哪些文件必须审、哪些要过滤，不依赖模型自觉； · 智能文件捆绑：把相关文件合成一个审查单元（例如 message_en.properties 和 message_zh.properties 捆绑），每个单元以上下文隔离的 sub-agent 运行，分治策略让超大变更集也稳，且天然支持并发（默认 8 个文件 worker）； · 细粒度规则匹配：内置约 54 个按语言/文件类型的规则文档（Java、Go、TS/JS、Python、Rust、SQL/XML mapper、properties 等），用模板引擎而非自然语言把规则匹配到文件特征上，从源头消除信息噪声； · 外部定位与反思模块：评论的“落点”和“内容”分别由独立的 re-location 和 reflection 模块系统性校正，这正对“位置漂移”痛点。 Agent 负责动态决策： · 深度优化的场景 prompt（内部分为 plan → grouping → main → memory_compression → re_location → review_filter 多个任务模板，可在 internal/config/template/prompts/ 看到）； · 从海量生产环境的 tool-call 轨迹（调用频率分布、单工具重复率、新工具对调用链的影响）反向蒸馏出的专用工具集，包括全文件读取、代码搜索、其他变更文件查阅等，比通用 agent 工具箱更小更稳。 # 能力面与生态集成 功能上覆盖：workspace/分支区间/单 commit 审查、断点恢复（ocr session）、全文件 scan（无 git 历史也能审计陌生代码库）、本地 Session Viewer 网页查看与回放、SARIF/JSON 输出、OpenTelemetry 可观测性、MCP Server 扩展。 作为 “Skills 生态” 级项目，它的形态相当完整：既提供 npm 全局 CLI，也提供可移植的 Agent Skill（skills/open-code-review/SKILL.md，带标准 frontmatter，可直接被兼容 skill 的 agent 加载），还有面向 Claude Code、Codex、Cursor、Kimi Code、OpenCode 等平台的插件，每种都封装成斜杠命令或可调用 skill。LLM 侧兼容 OpenAI、Anthropic、AWS Bedrock 三类协议，并可直接复用 Claude Code 的 ANTHROPIC_* 环境变量。 其中一个设计很巧妙：Delegation 模式（ocr delegate preview/rule）。此时 OCR 只做自己擅长的确定性部分（文件选择和规则解析）审查本身交给宿主 coding agent 的 LLM 执行，用户无需给 OCR 配任何 API key。这实际上是把“harness 能力”与“模型能力”彻底解耦。 # 工程质量：超出平均水准的部分 · 安全有正式的 Assurance Case（ASSURANCE_CASE.md）：完整的威胁模型、四条信任边界、T1–T7 威胁逐条给出缓解措施，并按 Saltzer & Schroeder 设计原则和 OWASP Top 10 做了映射。细节经得起推敲：所有外部进程调用只限 git 且子命令硬编码、--end-of-options 防 flag 注入；Agent 读文件路径经 pathutil.WithinBase() 在符号链接解析前后双重校验；本地 Viewer 有 Host 白名单防 DNS rebinding + 严格 CSP。这类文档在一般开源项目里非常罕见。 · 贡献规范近乎严苛（AGENTS.md）：使用 AI 必须在 issue/PR 中披露工具与模型、必须逐行理解 AI 生成的代码、禁止“AI 生成→反复修复→再修复”的循环、禁止把 commit 署名给 AI。源码强制英文（CI 有 english-check，连全角标点都查）、90% 测试覆盖率门槛、-race 与 govulncheck 每次 push 都跑、SPDX 头与 LF 行尾强制。 # Benchmark：数据情况 官方基准 AACR-Bench（已在 Hugging Face 开放）规模不小：50 个流行开源仓库、200 个真实 PR、10 种语言、80+ 资深工程师交叉验证出 1505 条标注问题。结论是同模型对比 Claude Code：Precision 和 F1 显著更高、token 消耗约为 1/9、速度更快。 需要指出两点：其一，Recall 低于通用 agent，README 自己承认这是“以精度换噪声”的刻意权衡，如果你最怕漏问题而非误报，可能不适合；其二，该基准由阿里自建，虽开放了数据集供社区复核，但独立第三方的复现结论目前还少，可以把它当作“有披露的、方向可信的参考”。

$BTC 的一波爆拉，确实是出乎很多人意料。 本周，@milkroaddaily 播客请到 @NewsAsset 的嘉宾 Rob 来讨论当前的加密市场行情。 Rob 认为“熊市十月才见底，可能跌到 4 万 5”，但这两天比特币暴涨 10% 冲破 7 万美元，创下 2021 年以来最大规模的空头清算。 虽然短期拉升出乎意料，但节目里这位嘉宾的投资逻辑值得一看： 重点不在预测点位，在于一套越跌越买的纪律和投资风格： 1.用 Into The Crypto Verse 网站上的“风险位”来确定自己的买入倍数 风险位在 0.5 到 0.6 开始买；跌破 0.49，下周买入翻倍；到 0.39，四倍；跌破 0.29，八倍。现在风险位约 0.3，所以这周一买入是上周的四倍。 2.200 周均线附近他历来当作买入区，但不是精确底 2015 年跌破一下，2018 年跌破后所有人喊归零，2020 年疫情跌破，2022 年连 200 周、250 周、300 周均线全破。每次都有人喊“完了”，回头看全是买点。他 2018 年买 3000 美元的比特币，2022 年买 1.5 万到 1.7 万的比特币，现在看都不亏。 3.对 CLARITY Act 和白宫加密会议，他的判断是“摆姿态” 法案被推迟到九月，中期选举年，民主党不会让特朗普拿下一局去胜利巡演。 WFLI 拿到银行牌照，USD1已经是第5大稳定币，但总统力推它是因为对自己公司有利，这条路不会顺。国会靠不住，SEC 和 CFTC 会补缺口，但对整个加密帮助有限。 4.行情牛回，不要忘了分散保管自己的加密资产 Coldcard、Trezor、SafePal 连环暴雷，他连自托管都开始分散。Rob 现在把币分在五处：Ledger、Tangem、iTrust 托管、Coinbase Prime 以及相关ETF里。 5.山寨他只认四条链：BNB、以太坊、Solana、Tron 他管这叫 BEST。依据是 Visa 的链上数据，稳定币流量最大的就是这四条。Tether 超过 60% 的量在 Tron 上。Polygon、XRP、Canton、Hyperliquid 他都看过，但钱有限，不调仓。 整个播客里小编有一句话感同身受： 「我希望它还没见底。」这样我还能在更便宜的位置，多买一点。

SEEDANCE 2.0 表情反转演示，热情转高冷，暗战之---《雪茄房里的极限拉扯》。 seedance 2.0 prompt: 时长：15秒 画幅：9:16竖屏 风格：未经处理的iPhone手持拍摄素材，所有设置均为自动，以第一人称男友手持自拍视角拍摄于高端雪茄房。没有灯光效果，没有调色，自动白平衡随室内暖黄灯光与阴影自然轻微偏移。轻微手持呼吸抖动和实时反应晃动，营造真实“我”随手拍感。一镜到底无剪辑。 角色：成熟女性 穿着 图片_20260520072337_205_1403 ，精致五官、带着 装饰眼镜，冷艳却带魅惑气质；搭配黑色高跟鞋。黑手套。所有角色均为成年人。 【机位与景别原则】 男友手持手机以第一人称视角拍摄，两人之间始终保持正常聊天的社交距离（约1.5–2米）。全片以全身和上半身景别为主，绝不出现脸部填满画面的大特写。 景别变化靠她真实起身或靠近产生： 起手：全身中景（她整个人在画面里，跪姿、脚下木地板和身后木质雪茄柜都看得到） 中段：上半身（腰部以上） 最近处：胸口以上的半身近景，头顶和肩膀依然完整留在画面内，上下都要有余量 镜头全程轻微手持呼吸抖动和实时反应晃动，无稳定器，自动对焦偶尔轻微失焦再合焦。 【环境】 高端雪茄房暖黄灯光，她跪在深色皮质沙发前的木地板上，身后是整面实木雪茄柜和玻璃门，浅景深把背景化成柔和的金色光斑。自动白平衡随镜头移动在暖黄灯光与阴影之间自然轻微偏移。全程无字幕、无滤镜、无美颜、无特效、无背景音乐。 —————— 【00:00-00:03】全身中景·冷艳递盘 起手是全身中景。她跪在地板上，身体已经微侧成流畅S曲线，黑手套托着浅木雪茄托盘，正低头认真把一支雪茄从托盘里拿出来。重心压在后腿，前腿膝盖微曲并交叉，胯部轻微侧推，黑色高跟鞋脚尖轻点地面。肩颈拉长，没在看镜头。 画外男声（很近、带手机麦克风的轻微失真，语气是随口一叫）：“诶，看这儿——笑一个。” 她延迟半拍才反应：先极轻地“嗯”了一声，抬起头时颈部线条被刻意拉长，下巴微微抬起。视线透过装饰眼镜冷感转向镜头，半垂眼皮。 她的笑是克制到几乎不存在的笑： 嘴角只极轻微地向上提了一点点，立刻停住，牙齿完全不露 眼睛完全跟不上——上眼睑依旧半垂，眼尾没有任何笑纹，眼神带着距离感的冷 下巴微收，脖子线条绷紧，黑手套的手指在托盘边缘缓慢收紧 她保持着这个几乎没有的笑，用不太在意的语气问：“……这样？” 尾音平直，带着一点危险的余韵。 【00:03-00:06】上半身·冷冷反击 男友向前倾了半步，景别变成上半身（腰部以上，头顶留有余量）。 画外男声（笑着的语气）：“跟你第一次给我点雪茄那天一样。” 她的反应分两层，中间必须有个停顿： 第一层（约0.5秒）——没听懂/不敢信：那个几乎不存在的笑还僵在脸上没动，但眼睛先失焦了，眉毛极轻微向上抬，嘴微微张开，头往前伸了一点点，是“你说什么”的空白。 第二层——冷了：眉头极轻微向中间聚拢，嘴角彻底放平，肩膀往上微耸，整个人往前逼近半步，声音压低却清晰： “那能一样吗……我那是在服务。” 说的时候她的黑手套跟着比划了一下、又缓慢收回，脸颊几乎没有泛红，眼睛透过眼镜半垂着瞪镜头，但眉尾是往上吊的——是带着距离的质问，不是真生气。 【00:06-00:09】上半身·嘴角失控的冷笑 话说完的下一秒，她自己先绷不住了——关键是她在克制，克制不住才漏出来： 第一步：嘴唇紧紧抿住、向内收，但一侧嘴角开始不受控地极轻微向上抽动 第二步：鼻子先泄气——一声极短促的气声从鼻腔冲出来，鼻翼微微扩张 第三步：眼睛这才跟上，眼轮匝肌轻微收缩，眼睛半眯成细长的弧，眼尾几乎不起纹 第四步：嘴角终于彻底松开，发出一声极低、断续的冷笑——不是放声，而是带着气音的“呵……” 笑的时候她的整个身体都在参与：上半身保持S曲线向前微弓又直起来，一只戴黑手套的手抬起来，手指缓慢轻触装饰眼镜边框，另一只手无处安放地轻拍了一下自己的大腿；她笑得克制，侧过身去把脸别向一边躲开镜头，冷笑了两秒才转回来，头发甩到脸上也没管。 转回来时还带着那点冷笑，一边笑一边补了半句、字都咬得慢：“……你还提这个。” 说完她伸手朝镜头虚拍了一下——黑手套从画面下方划过、擦过镜头边缘（不遮住整个画面），镜头被带得晃开又稳回来。冷笑余韵还在，肩膀还在极轻微地抖。 【00:09-00:11】上半身·笑被叫停 画外男声（语气突然收起来、变认真）：“诶别动，你嘴角有烟灰。” 她的冷笑没有立刻停住，而是像刹车一样滑行着停下来： 笑声先变小、变成气声，然后断掉 抬着的黑手套放下来 弓着的身体一节一节直起来，重新回到S曲线 半眯的眼睛重新睁开一点，却依旧半垂 最后眉毛才极轻微抬起来，额头几乎不起纹，露出“啊？真的假的”的冷感 嘴角还残留着一点没退干净的冷笑意，混着新出现的距离感，两种表情叠在同一张脸上。 【00:11-00:13】走近·胸口以上半身近景·自检 她“嗯？”了一声，身体保持S曲线朝镜头挪了半膝——景别变成胸口以上的半身近景，头顶和两侧肩膀依然完整在画面内，绝不把脸放大到填满画面。她靠近时镜头本能地向后退了半步、稍微失焦又重新合上。 她一边靠近一边用极慢的语速问：“……哪儿？” 站定后开始一连串真实却带诱导感的自检动作： 头微微向下低、下巴内收，眼睛向上抬着透过眼镜看镜头，想把镜头当镜子用 抬起一只黑手套，手指极缓慢地在嘴角附近抹了两下，抹完低头看了一眼指尖 用舌尖从内侧极轻地顶了顶嘴角，脸颊被顶出一个几乎看不见的小鼓包 嘴唇左右极轻微抿动两下 眉头几乎不动，眼球快速地在镜头上下扫，半垂眼皮始终带着距离 【00:13-00:14】僵住 画外男声（放慢、放软，带着笑意）：“……沾了一点危险。” 她当场僵住整整一秒：黑手套还停在嘴角旁边没放下，舌尖还顶着腮，眉毛几乎不动，眼睛还抬着透过眼镜看镜头。整张脸没有任何表情，只有眼球做了一次极小的横向移动——从镜头滑向旁边，又滑回来。 然后她短促地从鼻子里出了一口气，抬着的那只手慢慢放下去，手指却故意在眼镜边框上停留了一下。 【00:14-00:15】半秒危险眯眼→冷艳收尾 处理完了，第一反应是危险： 鼻梁向上极轻微皱起，鼻翼两侧几乎不起褶 眼睛眯成更细的缝，眉毛向中间锁一下 头向一侧偏，肩膀往后缩了半步，身体重新拉回S曲线 她从鼻子里极轻地“啧”了一声，身体后撤，景别退回到完整的上半身。 但这个危险只维持半秒——因为它是诱导的。 危险一层层融化成更冷的克制：皱起的鼻梁松开，锁着的眉毛舒展、眉尾微垂，眼睛重新半垂，嘴角一边高一边低地极轻微勾上去，嘴唇抿住又忍不住松开一点。 她不再直接看镜头了：眼神先向下瞟开、看向自己的膝盖，停半秒，再带着半垂眼皮重新抬起来冷感直视镜头，睫毛几乎不动。脸颊几乎没有红晕。 她抬起一只黑手套，手指缓慢轻触装饰眼镜边框，肩膀微微下沉，身体保持S曲线侧过去、只留四分之三面对镜头，头低下来又微微抬起拉长颈线，用极低、尾音拖长却毫无软意的语气说： “……你知道自己在说什么吗？” 说完她把脸微微别开，黑手套手指还停在眼镜边框上，另一只手垂在身侧轻轻攥住衣角，肩膀几乎不动；然后又从镜片后偷偷抬眼看向镜头，眼睛半垂成细长的弧、嘴唇抿得紧紧的却带着一点冷笑。画面定格在上半身景别里她半侧身、手指轻触眼镜、冷感直视镜头的样子。 —————— 【完整对白表】 时间说话人台词00:00.5男（画外）诶，看这儿——笑一个。00:02.5女……这样？00:03.5男（画外）跟你第一次给我点雪茄那天一样。00:05女那能一样吗……我那是在服务。00:08女……你还提这个。00:09.5男（画外）诶别动，你嘴角有烟灰。00:11.5女……哪儿？00:13男（画外）……沾了一点危险。00:14.5女……你知道自己在说什么吗？ 【表演总纲】 情绪曲线：冷艳跪姿服务 → 配合但只给出克制半笑 → 被戳中软肋的冷冷反击 → 自己克制不住漏出冷笑 → 笑被打断的危险凝视 → 好奇却慢动作的自检 → 空白僵住 → 半秒危险眯眼 → 冷艳诱导收尾。 四条硬规则： 不许有表演性的大笑或甜美笑容。 所有笑必须是“克制不住才漏出来”的冷笑：嘴唇先抿住抽动 → 鼻子先泄气 → 眼睛才跟上半眯 → 最后嘴角极轻微松开。笑声极低、带回吸气声，不要均匀响亮，不要露牙龈。 开场那个笑必须是几乎不存在的克制笑，不是夸张的假笑。 嘴角只提一点点就停住，眼睛完全跟不上，整个人带着距离感的冷。 反击不是真生气，也不是撒娇。 眉头虽然皱，但整体是冷感质问，声音压低却清晰，说完自己先漏出冷笑。 全片景别以全身和上半身为主，最近只到胸口以上，头顶和肩膀始终完整在画面内。 任何时候都不许把脸放大到填满画面。全程保持S曲线身体、半垂眼、拉长颈线的海妖风姿态。 【音效】 纯现场收音，无任何后期包装：雪茄房室内底噪（轻微空调声、远处木质柜门轻响、偶尔的打火机“咔”声）；男友的画外音因距离镜头近而音量偏大、带轻微近讲失真和气口声，说到好笑处自己也在憋笑；她的冷笑（极低、断续、带回吸气声）、呼吸声、黑手套摩擦雪茄与托盘的细微声、高跟鞋在木地板上的细微移动声、手划过镜头边缘的一声轻响、最后手指触碰眼镜边框的轻微声。无背景音乐、无音效贴图、无字幕。

Clay的联创今天发了一个Linkedin分享了Clay内部关于AI写作的要求 有四条核心原则 原则一 · 你必须为每一句话背书 文档整体必须代表你自己的想法，发出去之前你要确认。 不允许出现"那句是 AI 写的，忽略吧"。 后果分两级：被人类识破 = 尴尬；没被识破 = 团队基于你没想过的观点做决策（更严重）。 原则二 · 写作即思考 决定强调什么、如何组织，这个过程本身让你更懂题目。 spec / 状态更新 / 复盘是 "proof of thought"——生成文件并不是目的，目的是把问题想清楚。外包给 AI 等于伪造了一份我思考过的证明。 即使和 AI 讨论帮你想清楚了，也必须自己彻底过一遍结果。 原则三 · 写的时间 > 读的时间 短 prompt → 长输出 → 甩给读者 = 不尊重对方时间（他们自己也能问 ChatGPT）。 读者多花的时间 × N 人 = 乘法成本； 作者多花的时间 = 一次性成本，每个读者受益。 原则四 · 长不等于好 简洁是成本更高的选项，因为这注定了人类需要花时间删除。 AI 的冗句制造了噪声，它稀释真正的内容。 从短 prompt 生成长文，还不如直接发那个 prompt。 只润色不扩写，虽然垃圾表达可能变少了，但意思也可能被AI磨灭了。 之所以会提出这些要求，是因为AI写作面临一个根本性的问题：对于自然语言的语义传达，并不存在无损转换 - "换个说法但意思一样"在原理上不成立。 - 每次改写都在改变意思。 - 改写者对"你到底想说什么"的表征越粗糙，损失越大——AI 只有你给它的那些 token。 所以建议大家也参考这份指南做自我检查： - 如果有人逐行问"这句什么意思"，我每一句都答得上来吗？ - 结构和措辞（决定了什么被强调）是我自己的选择吗？ - 我花的时间比读者读它的时间多吗？ - 有没有哪句删掉不损失信息？（有就删） - 直接发 prompt，信息量是不是差不多？（是的话就发 prompt） - 引用的 AI 内容都标注了吗？

TG 骗子很多，而且盗你的熟人的账号（同事、好友）来骗，如何应对？我的四条总结： 文件：只收 PDF 或在线预览；任何软件压缩包插件脚本绝对不开 身份：让对方用公司官方域名邮箱发邮件确认 二次验证：让对方用官方或个人 X 账号私信确认 资产隔离：交流工作用电脑，不放钱包不做交易

这场“婚前谈判”给婚姻上保险：18.8万彩礼+全款房对上临街商铺+20万陪嫁，核心不是算计，而是四条“防风险铁律”——查征信隔离婚前债、彩礼陪嫁存女方独立账户当“退路”、共同收入进共管账户透明化、陪嫁商铺不加名且设居住权防生意爆雷。男方从觉得“膈应”到最终理解：谈钱不是不信，而是把“万一离婚/破产”的黑天鹅锁进笼子，让爱情只负责经营生活，不背经济黑锅。 我怎么没看到如果女方出轨变心对男方的保险呢？