与「大扔子」相关的搜索结果

处吗？只顶你，不好意思说错了，是置顶你 不知道为啥上一条爆了..我再发个差不多的 我就喜欢拍这种然后不剪不发不看 #plump# #brat# #bbw# #38D# #大扔子# #姐姐# #埋钉# #大胸# #反差# #1i# #熟女# #妈妈# #人妻# #小狗# #bra#

跟一位靠信息差年赚五百万的大哥吃过一顿饭，他刷新了我的认知。他说中国不缺好产品，不缺好工厂，不缺物流——缺的是「翻译」能力。 所谓的翻译，不是中译英，是把国内供应链翻译成海外消费者的语言。义乌三块钱的洗脸巾，换个包装、拍几张ins风照片，在亚马逊卖12美元。中间拼的不是产品，是「重新定义价值」的能力。 我当时手里的筷子顿了顿，第一反应是这不就是忽悠人？前两年我拉着两个朋友凑了20万做跨境，选的就是同款纯棉洗脸巾，找的工厂比他说的那家还大，原料克重比市面款高20%，摸上去厚一倍，拿货价才2.8元，我当时拍着胸脯说，就凭这性价比，卖爆是迟早的事。 结果呢？我把国内详情页的文案直接机翻成英文，什么100%纯棉孕婴可用不掉絮不闷脸，主图拍的全是产品特写，连毛絮的纤维都拍的清清楚楚，挂上去3个月，只出了17单，最后清仓按1美元一包甩，运费都赚不回来，连货带推广费亏了18万，最后团队散伙的时候， 我们三个蹲在仓库门口，把剩下的2000包洗脸巾分了，用到现在我家储物柜里还堆着半箱，每次收拾东西看到都头疼。 大哥听完笑的烟都抖了，说你这不是卖货，是把你觉得好的东西硬塞给人家，你根本不知道老外要什么。他掏出手机翻后台给我看，同款洗脸巾，他上个月单链接卖了12000单，算下来单款利润就有42万。 我凑过去看他的主图，根本没有产品特写，第一张是个扎马尾的姑娘刚跑完步，拿洗脸巾擦脖子上的汗，第二张是个男的在露营，拿它擦刚烤完串的烤盘，第三张是个宝妈拿它给爬完草地的孩子擦手，配的文案半句没提纯棉，只写了可降解、无荧光，你包里能装下的万能擦巾。 他说你看，国内消费者买洗脸巾， 首先看是不是纯棉，够不够厚，用来擦脸会不会烂。欧美消费者不关心这个，他们关心能不能随手扔不会污染环境，能不能一物多用不用带好几种纸出门，你跟他说孕婴可用，他第一反应是这是不是专门给婴儿用的，我一个大男人买了会不会奇怪？ 有一说一，我那时候才反应过来，之前我以为的信息差，是我能拿到更低的拿货价，我能找到别人找不到的工厂，其实全错。真正的高手，都在抓用户的认知差，你讲的话刚好戳中他要的那个点，哪怕成本只有3块，他也愿意花12美元买单。 别管别人怎么吹什么供应链优势、技术壁垒，你就盯死一个指标，你给产品讲的故事，用户愿不愿意多付3倍的钱。大哥说他整个团队才6个人，3个专门找海外的普通素人拍场景内容，2个负责上架优化，1个对接供应链，他自己连仓库都不用租，工厂直接帮他贴标代发，他连货都不用碰，一年赚的比开三个工厂的老板还多。 其实这套逻辑放在国内也一样跑通。去年我家楼下开了个小水果店，老板是个95后小伙子，同一款蜜橘，隔壁店卖3.99元一斤，他挑出大小均匀的，套个印着无农残当日摘的小牛皮纸袋，每个袋子上贴个二维码，扫进去是他上周去果园拍的实拍视频，卖5.99元一斤，每天下午6点前就卖空。他干的也是翻译的活，把普通的蜜橘，翻译成给孩子吃也放心的当日鲜橘，就多了这一步，利润比隔壁店高40%。 你知道吧，很多人一说起做生意就愁，说现在竞争太激烈，什么生意都有人做，什么价格都有人压。 其实哪有那么多独一份的生意？你能拿到的货，别人花3天时间也能找到，你能开的店，别人砸10万也能开，唯独你懂用户的那点小心思，能把手上的货翻译成用户刚好想要的样子，这才是别人抢不走的饭碗。

6.29梭哈晨报： 昨天一大波关于三星和海力士的利好，结果一起床直接闷杀，这个几万亿的波动和土狗也没啥区别啊，上上下下的😂。 1. bitcoin:native 并没有因为工作日来上涨，反倒又跌破60000了，只能悲叹了； 2. ethereum:native 还是那样子，反正也没破1600也没跌破1500； 3. solana:So11111111111111111111111111111111111111112 韧性十足不愧是找人喊单meme，重做meme链？ 4.币安一周净流出超 4 亿美元，希腊 MiCA 牌照申请撤回后资金加速外流； 5.Samson Mow称比特币“已见底”，传统四年周期失效观点引发市场分歧； 6.奥地利提议欧盟将Anthropic引入欧洲，以应对美国限制先进AI模型出口； 7.Solana生态AI数据市场Kled AI从The Data Foundation获得300万美元投资； 这是believe的生态项目，印度佬的，data是以前的ip改名的； 8.韩国KOSPI指数跌幅扩大至3%，三星电子跌5%； 韩媒：三星和SK集团预计将宣布高达2000万亿韩元（约合1.3万亿美元）的投资计划； 9. 中信证券：本轮MLCC涨价延续时间有望超过一年； 10.美媒：美伊同意停止互袭，本周将在卡塔尔会晤； 原来还处于可以互相扔导弹的地步； 11.赵长鹏：2026年加密熊市由AI资金分流及地缘政治等多重因素导致； 难道不是从10.11开始加密和美股分流了？ 12.国际清算银行称稳定币作为货币尚显不足，并在年度报告中警告新兴市场风险； 13.BIS：稳定币尚不具备货币属性，警告新兴市场"稳定币美元化"风险； 14.韩国投资者借贷炒股金额创下历史新高，创纪录杠杆加剧韩股波动性； 15.Hyper 基金会拨款约 1000 万美元支持 USDH 退场迁移，覆盖 HIP-1、3 与 HyperEVM 生态项目； 16.ZachXBT：X平台算法对加密货币内容存在「流量困局」，内容易被限制在垂直圈层； 17.DCG 子公司 Yuma 推出新基金，拟对 Bittensor 全生态进行投资； 左手对右手的投资； 18. @blknoiz06 操控的 $ANSEM 一天内涨幅超5000%，目前在100M左右徘徊； -------------- 日韩股市下跌中，各种波动大的一逼，不过放心好了，只要反弹老师们都在车上，只要下跌老师们都在观望，仓位随行情波动而波动，而我和你，我们难受中😭。 #Bitcoin# #Ethereum# #Solana# #Crypto# #NASDAQ#

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#

端午节回了趟老家，跟一些农民做了交流，一些信息，想到哪就写到哪，随手记录下： 1.几年前，国家出了政策，超过60岁就禁止去建筑公司打工，断了很多老年农民工的活路。年纪大了，“只能回农村到田间地头挖来挖去，种点农作物，希望能挖出一点钱来。”（某农民原话）。 2.农民最羡慕的就是有退休金的公务员、事业单位退休人员。 3.我们村里还有好几个同龄人还打光棍，娶不到老婆。有几类群体很容易打光棍： - 基本都是当年从小就读书成绩一般的，大都初中毕业就出去打工了。（一个例外是，毕业后学会了开挖掘机，结婚了，生了一儿一女。村里农民原话：“这个是唯一没读出来书混的还可以的”。 - 或者家庭悲惨的，比如从小爸爸因病去世的。 -家里有2个儿子的：我知道的就有3家，都是家里2个儿子，5个打光棍，一个通过中介找了个越南老婆。 4.我的一个小学同班同学，读过大学，学的是航海相关专业，毕业后当海员，工资还可以，在县城买了房，生了三胎。哦对了，他上面有3个姐姐，他是老四。从小很文静瘦弱、被一堆姐姐照顾的的一个男生，没想到去当了海员。祝福他。 5.村里有一家是三个儿子，是我们那里小学校长家，水平和条件就比一般农村好多了。大儿子读书一般，没读大学，在县城买了房；二儿子和三儿子都考上了省会的211，现在都在外省的大城市。 6.村里还有另一家是三个儿子的，情况如何，这次信息没获取到。但从小学习成绩都一般。PS：第三个儿子跟我是小学同班同学，小名叫“三女儿”，因为他爸妈第三胎想要个女儿。😂 7.以上4条，我观察到的，一个结论就是：同一个村里，都是同族同姓，往上推到辛亥革命后的民国初年，都是来自同一个先人老太爷，生了几个儿子，扎根在村子里。后代基因和生长环境差不多，生儿子最后发展不同，唯一最大的变量，就是来自母亲的基因。所以，任何人—不止农民，城市人一样如此，如果你想生儿子，找老婆一定要重视智商。儿子智商基因大都由母亲决定。 8.回到第3条里提到的，村里某男性，找了个越南老婆的。他是1980年的，在县城肯德基送外卖，每个月能赚5、6千。在县城也买了房。2024年通过中介找了个越南老婆，彩礼18.8万。（中介应该要拿去很大一部分）。当初协议里规定了，每个月还要寄给越南女方家里2000元人民币。 去年底老婆怀了个双胞胎女儿，现在六七个月了，但好像胎儿出了点问题，去县城医院看，被建议转去省会城市医院看了。又要花不少钱。 他弟弟，应该是1984年的，小学时读书成绩不错，但是，从小得了类风湿关节炎（GPT：它本质上是一种慢性自身免疫性炎症病。简单说，就是免疫系统本来应该攻击细菌、病毒，但它错误地攻击自己的关节滑膜，导致关节长期发炎、肿胀、疼痛、僵硬，时间久了可能破坏软骨和骨头，造成关节变形。）随着年纪变大，经常发病，卧床，严重影响日常生活和学习。后来高考考了个外省专科学校。后来大学刚毕业，被网络诈骗，把他爸爸在建筑工地一辈子打工的钱都被骗光了。从此一蹶不振。加上类风湿病情加重，最近好几年都在家里待着。听说走路都困难了。 加上最近他嫂子双胞胎胎儿出了问题。他爸爸70多岁了，也不准去建筑工地打工了，“每天希望去田里挖出点收入来”，压力山大。可能是村里最惨的了。 9.关于找越南老婆。这次回去得知，我们那里最近几年还不少。从我舅舅那得知，他们隔壁村就有好几个。有的是通过中介，有的是通过越南媳妇介绍她认识的越南女孩。有一个越南媳妇，结婚几个月就跑掉了。彩礼都是18.8万。 10.农民对生儿子有执念，生三胎政策，对他们而言，最大的价值，是“如果你前2胎都是女儿”，那么可以多一次的摸奖机会。 11.如果第三次摸奖还是女儿怎么办？提前花钱找地方“照一下”，性别是女儿就提前打掉。 12.我很小时候有一个记忆，听我奶奶跟大人聊天是听到讲的，但印象非常深刻。当年90年代，村里，有一家头2胎都是女儿，但那时候没有“照一下”的路子，后面又连续生了2个女儿，都深夜在洗澡的盆子里溺亡，然后扔河里。对外就说深夜突发疾病死了，然后尸体处理掉了。 所以，这次回去，我还去我们当地一个文化古迹逛了下。原来约1000年左右的宋朝，有一个历史名人看当地有“溺（女）婴”的恶俗，还建立了一个救护女婴的孤儿院。 13.还想起一件事，小时候村里有一个女孩，比我小五六岁吧，是从隔壁村捡来的。她小时候，被亲生父母仍在路边，被我们村里某家有2个儿子的人抱走了。他家条件还可以。 14.农民对孩子的教育培养无能为力，对社会的动向也一无所知。农民的后代的学习成绩和未来发展如何，基本全靠基因变异。 15.还听到一个村里的故事。某男，1984年的，读的是大专，找了个县城的女生结婚了，生了个龙凤胎。毕业后一直都在昆明，打理帮老婆家里在昆明开的旅店。 问题就在于，因为婆媳关系不好（具体是什么原因不好我也不得而知，这次没聊到，而且都没生活在一起。），所以他老婆在龙凤胎里的儿子很小的时候，就不带儿子，还打儿子，坚持要送到农村，让爷爷奶奶带。 所以，一对龙凤胎，男孩从小跟着爷爷奶奶（现在都70多了）生活在农村、读农村学校，现在快上高中了。女儿从小跟着爸爸妈妈生活在大城市昆明。 婆媳关系不好，都没生活在一起，能有多大的仇恨呢？但是这个媳妇，厉害的地方在于，抓住了农村人的命门：欺负你家的男丁，让他继续当农民。即便他是我生的。 这种也算是悲剧吧。

一位姑娘想跳河自尽，被一位大哥拦下， 反正你也想不开。大哥说：“你死了太可 惜了，不如成全我，我还没成家。”姑娘 当时就像被雷劈了似的僵在原地，眼泪还 挂在脸上，声音带着哭腔骂道：“你神经 病吧，我都要跳河了你还在这儿说话。” 大哥没恼蹲在地上，捡起他刚才扔的手机，屏幕碎成蛛网，锁屏是只笑歪脸的猫。大哥把手机在裤子上蹭了蹭碎玻璃渣，按亮屏幕看了一眼那只猫，又抬头看了她一眼，说：“这猫你养的吧，你跳下去了，谁喂它。”姑娘愣了两秒，然后蹲下来把脸埋在膝盖里，哭得比刚才还凶。 但这次不是那种压抑的、绝望的哭，而是像被人拔掉了一个塞子，所有堵在里面的东西一下子涌了出来。大哥也不劝，就蹲在旁边把那只碎屏的手机搁在她脚边，从兜里摸出一包皱巴巴的烟，抽出一根叼在嘴上没点。 他望着河面说：“我在这条河边住了12年，这护栏我修了6回，你刚才翻过去的那个豁口是我上个月还没来得及焊上的。”姑娘哭够了，嗓子哑哑地问：“你是干什么的？”“以前是焊工，现在帮街道做河道巡逻，一个月2800。”大哥把没点的烟从嘴里拿下来，别在耳朵后面，“钱少但是能救人。我在这河里捞过五个劝回去的，算上你12个。” 姑娘抬起头，眼睛肿得像核桃，但已经不抖了。她看着大哥犹豫了一下问：“那些被你劝回去的后来都怎么样了？”大哥想了想，掏出手机翻了半天，翻出一张照片给她看。照片上是一个女人抱着一个婴儿站在一家早餐店前面笑。大哥指着那个女人说：“这是三年前想跳河的，比你惨。老公跑了，欠了20万，孩子才三个月。我那天劝了她一晚上，第二天早上请她吃了一碗馄饨。”他把照片往后翻，还是那个女人。这次是在店里揉面，旁边那个孩子已经能站了，正垫着脚往案板上勾面团。“她现在开了一家早餐店，上个月还给我送了两笼大包子。” 大哥把手机揣回兜里，站起来拍了拍膝盖上的土，然后把手伸给她。“我不知道你遇到了什么事儿，你也不用告诉我。但有一件事儿，我很确定，你现在觉得天塌了，是因为你站在你自己的天底下，你换个地方站一站，天可能是另外一个样子的。” 姑娘盯着他的手，那只手粗糙的像砂纸，虎口有一道老长的疤。她犹豫了很久，最终抓住那只手站了起来。大哥把她从护栏豁口那边领回来，领到自己那间河边的小值班室里，给她倒了一杯热水，水温刚好不烫嘴。值班室的墙上贴满了照片，全是他救过的人，有寄来的结婚照，有孩子的满月照，有在外地打工人寄回来的明信片。每一张照片背后都用记号笔写了日期和一个名字。姑娘捧着水杯，一张一张的看过去，然后指着墙上最角落那张照片问：“这张为什么空着？”大哥回头看了一眼说：“那是留给你的。”姑娘的眼泪又下来了，这一次她没有哭出声，只是眼泪顺着下巴滴进水杯里。她喝了一口咸的，但她说不出为什么，觉得那口水咽下去之后胸口那个堵了不知道多久的东西松动了一点儿。 后来她没在那个值班室待太久，大哥帮她叫了一辆车送她回家。临上车前，她把那只碎屏的手机递给大哥说：“你帮我保管几天，我怕我回去看到它又想不开。”大哥接过来，揣进兜里说：“行，等你哪天想拿回去就来河边找我，你要是不来，我就一直给你留着。” 过了大概半个月，大哥正在修护栏，远远看见一个姑娘拎着一袋水果走过来，那只猫被装在太空包里，圆圆的脑袋顶在透明的罩子上，冲他喵了一声。姑娘把水果往他手里一塞，从他兜里把自己那只碎屏的手机掏出来说：“我去修手机，人家说屏能换，我就想手机都能换屏，人也能换一种活法。”大哥把水果拎进值班室，还是那一句话：“馄饨吃不吃？”姑娘说：“吃。” 那天傍晚，河边的夕阳把水面染得跟橘子罐头一样，值班室里亮着一盏黄黄的灯，两个人，一只猫，三碗馄饨，姑娘吃了两碗，把汤都给喝干净了。大哥把自己的那碗也推给她，说他不饿，其实他饿了，但他觉得一个人愿意吃东西了，就是愿意活了。这个道理是他在这条河边学了20年才学会的。

从太子集团的陈志到硬件钱包Coldcard，全部都因为随机数导致私钥被破解，那随机数和私钥有什么关系？为什么他们的随机数会出问题？ 首先比特币私钥本身就是一个256位的随机数，而这也是比特币最安全的核心保障，因为这个数字的组合总共有10的77次方，远远大于地球上沙子的数量，大约等于整个可观测宇宙中的原子总数，这种天文数字即使动用地球上所有的计算资源都不可能暴力穷举出来。 那既然规模如此之大，陈志和Coldcard又是怎么被盗的？ 核心就是在于，私钥安全的前提是因为它是个随机数，而如果你的私钥生成的过程根本不随机，那根本用不到什么量子计算机，随便一台电脑跑几个小时就能把你的私钥算出来。 随机数分为两种，伪随机数和真随机数，简单来说凡是通过一定的数学公式使用代码生成的都是伪随机数，而通过物理现象产生的随机数才是真随机数。 比如你使用Python的random()函数生成一个随机数是214，你以为真的是电脑给你随机选了一个数字，实际上这个数字是通过一个数学公式生成出来的，比如下一个数字=当前数字*7+3-5，那么你只要知道计算的公式就可以穷举出来这个公式能生成出的所有结果。 这时候问题来了，你会奇怪那为什么计算机不真的给我一个随机数呢？因为对于软件来说，任何结果都不可能平白无故的直接产生，你得有输入信息，并且配合程序运算，才可以有输出结果。 所以真正的随机来自于不需要软件和数学公式的物理世界，比如你投出的一个骰子，或者下一个雨滴掉落的位置。 所以对于私钥来说，想产生安全的随机数，只有软件不够，必须要配合硬件，比如提取CPU的电子噪音来作为完全无法被预测的输入信息，现在成熟的手机和电脑本身已经提供了硬件层面的安全随机接口可以调用，所以你用OKX、币安和Metamask生成的钱包都大概率使用了硬件噪音产生真随机数，主流硬件钱包自己本身也会读取硬件数据获得随机数。 陈志的钱包被盗是因为雇的程序员水平太差，直接用了最初级的随机数代码，估计是从哪个野鸡学校绑过去了一个刚毕业的大学生，抽了几鞭子就开始干活了。 Coldcard本身其实已经使用了硬件层面的随机数，但因为一个版本出现漏洞导致没有调用到硬件信息，而是采用了纯软件生成。 所以现在的问题是，你的钱包生成随机数的过程，到底随机不随机，完全是个黑盒，你压根不知道。 最有效安全的方式，就是你自己拿个骰子扔100次，记录下来每次的数字，然后把它转换成256位的二进制编码，再使用BIP39算法转换成24个英文单词，也就是你的助记词。

搞自动化和爬虫的兄弟可以把之前的方案扔了。 GitHub 上突然爆火了一个开源项目 Index（由 AI 开发者平台 Laminar 团队打造），直接把网页浏览器变成了可调用的 API。这玩意本质上是一个极度丝滑的“AI 浏览器 Agent”，你在终端输一句人话，它就能像真人在浏览器里点按、抓数据、填表单，甚至跨站点联动办完一整套复杂流程。在 WebVoyager 跑分里直接飙到了 92% 的惊人准确率。 一句命令就能跑：pip install 之后敲 index run 就能直接在终端调用。 能直接用本地 Chrome：带 --local-chrome 参数，自动复用你已登录的账号状态。 顶配视觉推理引擎：原生支持 Claude 3.7 Sonnet、Gemini 2.5 Pro 等顶尖多模态大模型。 全程会话回放与排错：自带开箱即用的可视化录屏与步骤 Trace 监控。 自动抓取并生成表格：一句话搞定“去网站抓数据并新建 Google Sheets 写入”。 📦 开源协议：Apache-2.0 🔗 GitHub 传送门：

卧槽！微软偷偷把价值上万的AI完整课程免费扔GitHub了，几乎没人发现！ 12周24节课，像打游戏一样一关关通关。从AI是什么开始，到自己手写感知机和神经网络，再到CNN、目标检测、GAN生成图片、Transformer、大模型提示工程，最后还讲负责任AI。 最猛的是每节课都是能直接跑的Jupyter Notebook，PyTorch和TensorFlow双版本都有。打开就能敲代码，敲完立刻看结果，不是那种只会讲概念的水课。 我昨晚直接肝到凌晨三点，脑子里全是卷积核在跳舞。这种级别的课，以前要么贵到离谱，要么水到想退款。现在微软直接白送。 还在纠结AI从哪学起？别再浪费时间搜了。先把这个仓库Star下来慢慢啃： 再回来谢我，真的不亏。

国内充电头这条赛道，是真的卷无可卷了。 各种45W、65W、100W 的氮化镓，琳琅满目，充电协议一个不落地堆满，PD、PPS、QC、SCP，恨不得把所有标准都焊进去；体积也一代比一代小，纹波也压得漂亮。 价格也被打下来了，早两年一个 60W都要一百大几， 现在 100W 都能杀到七十块出头，大家就是贴着 BOM 打。 我随手买了个倍思 100W，mini 头，纯粹当备用，扔包里那种。 结果到手一摸，把我干沉默了。 外壳严丝合缝，磨砂手感细腻，折叠插脚一开一合都是阻尼感，重量均匀刚好压手，给我一种 七十块价格，三百块手感的体验。 国内的各行各业，真是太卷了 还是得像anker 学习，卷出去，出海卷