与「失敗図鑑」相关的搜索结果

近期參與 OKX 簽到拿積分、押注世界盃的獎勵活動時，若大家有遇到什麼困難的話，建議直接尋找常駐在 X 上的 OKX 社區服務人員，只要先關注她們再私信即可。 比如我最近遇到的問題：點擊世界盃預測 [參加活動] 按鈕時，跳出 [您的資格不符]。本來的話我已經放棄了，但 @Mercy_okx 姊主動問我一些訊息，例如：UID、帳戶資金、失敗截圖。幫助我查詢可能的原因。 因為我的資金大部分都放在 OKX 錢包或是分散在其他地方，後來得知原因可能是「交易所帳戶資金未滿 100 USD 以上」，因此在我充值之後，就能參加世界盃預測活動了，隔天進行資產快照，也順利拿到了積分加油站的 300 XP。 所以如果水友們有發生跟我類似的問題，可以參考我的解決方案，但若是其他困難，像是：節點返利、VIP 服務 ...等，建議直接從附圖尋找相關人員詢問，我想很快就能獲得解決，因為 OKX 的社區服務做得真的很棒！ 👍

李少民：為什麼紐約市搞社會主義，經濟仍然不會崩潰？ 最近，紐約民主社會主義陣營聲勢大振。紐約市長佐赫蘭．馬姆達尼（Zohran Mamdani）提出凍結租金、擴大政府補貼、免費公車、提高富人稅負等一系列激進政策，而支持這些理念的左派人士也在紐約市議會選舉中取得優勢。他們所主張的政策，再次引發美國社會對國家未來發展方向的激烈辯論。 自從佐赫蘭·曼達尼今年贏得紐約市長選舉以來，批評者就不斷預言災難即將降臨。租金凍結、免費公共服務、擴大補貼、對非法移民更優厚的福利、對富人加重稅負……熟悉的結論隨即出現：社會主義在所有曾經嘗試過的地方都已失敗，紐約市注定走向經濟崩潰。 我认为這個預測不可能成真——不是因為社會主義突然變得有效，而是社會主義的批評者往往忽略了一個關鍵差異：實行社會主義的地方究竟是封閉的，還是開放的。 在封閉的社會主義經濟裡，必須自己創造全部財富，同時進行再分配。歷史一再證明，這種故事通常如何收場。蘇聯在中央計畫下最終停滯不前，1970與1980年代成長率大幅下滑，總要素生產率停滯甚至倒退，產出對資本的比率因效率低下而急劇惡化。毛澤東時代的中國在開放前經歷多次經濟災難。東歐各國則在低效國營企業與長期短缺的重壓下崩潰。更近期的委內瑞拉也走上同樣道路：國內生產毛額從2013年到2020年代初，縮減約75%至80%——這是現代史上最大規模的和平時期經濟收縮之一。 原因其實很簡單。當政府把報酬與生產力逐漸脫鉤，人們創新、投資、生產的動機就會減弱。生產下滑、再分配卻持續擴大，經濟餅就會越來越小。最後，已經沒有足夠財富可以再分配。在封閉經濟中，社會主義最終會把自己賴以維生的資源耗盡。 紐約市的情況則完全不同。它不是獨立國家，而是嵌入紐約州、美國以及全球經濟的一座城市。 它享有聯邦政府支出、州政府支持，以及全球最大規模的國際競爭企業集群之一。紐約都會區的GDP約達2兆美元，約佔美國經濟總量的9%，其中金融與保險業貢獻數千億美元（有分析指出，金融業約佔該市經濟的24%）。 華爾街的收入並非只來自紐約市民。全球金融機構、跨國企業、大型律師事務所、顧問公司、媒體集團與觀光業，都把來自全美乃至全世界的財富帶進這座城市。換句話說，紐約市的再分配政策，不只靠本地居民，更靠遠超出其邊界的財富來源支撐。 這一點從根本上改變了局面。 如果曼達尼推行其政策，部分富裕居民幾乎肯定會搬走，部分企業可能外移，投資活動也可能趨緩。這些反應與數十年來的研究結果一致：稅負、管制與價格管制確實會影響經濟行為。高盛曾估計，2018年至2023年間，紐約市年收入超過1000萬美元的家庭中，有整整10%已在其他地方設立居住地。紐約州在全美申報超過100萬美元所得的納稅人比例，也從2010年的12.7%降至2022年的8.7%，意味著可觀的稅收損失。然而，資本外流並不必然導致立即崩潰。紐約市更可能出現的是緩慢的經濟活力流失，卻仍能維持財務運作，因為外部資源持續注入。因為更廣大的美國經濟仍在創造可課稅財富，國使得市政府則以更多再分配來给紐約输血。当然，纽约市政服務越来越差，更多的無家可歸者繼續依賴日益昂貴的政府補貼，中產階級納稅人則可能被夾在稅負上升與公共服務品質下降之間，投資者可能悄悄將資金轉移他處。但這一切都不回把纽约變成像蘇聯那樣戲劇性地崩潰。 它更像另一種現象：寄生在健康宿主身上的寄生蟲。寄生蟲不需要自己生產食物，只要宿主保持生產力就能存活。同樣地，一個嵌入大型資本主義經濟體系中的再分配型行政區，可以比試圖把全國經濟完全納入社會主義原則的國家，存活得更久。 這種寄生在美國不止於紐約。 加州長期以來也同時推行大規模再分配政策，並擁有全球具競爭力的產業，創造巨額財富——然而它卻面臨全美最高的貧窮率（近期數據約17.7%），以及美國最大的無家可歸人口（約18.7萬至20萬人，約佔全國總數的24%）。在這些案例中，再分配之所以能夠持續，正是因為財富創造發生在更廣泛的資本主義系統之內或之外。 因此，真正的教訓並非社會主義突然變得經濟可行，而是社會主義往往靠著從較大的資本主義系統汲取資源而得以存續。 美國人真正應該思考的問題，不是紐約市是否會變成另一個蘇聯——它肯定不會。 更重要的問題是：紐約市搞社會主義最終由誰來買單？ 只要生產力強的美國人、具全球競爭力的企業以及世界資本市場持續創造財富，紐約市就能繼續進行再分配。該市的經濟扭曲会日益嚴重，但不会崩潰。然而，這種韌性不應被誤解為成功。它只反映出紐約市並非自給自足的經濟體，而美國與紐約州某種程度上縱容了它的寄生行為。 社會主義在蘇聯失敗，是因為它無處可求助。但在龐大的資本主義經濟體系內的社會主義飛地，卻可能持續數十年之久。 所以，美國選民必須明白，一個以自由市場、私有財產與法治為基礎建立的國家，不應該容許其城市或州採行越來越社會主義的政策、讓全國其他地區承擔大部分經濟代價。@baodiantimes

【政治勝利】白宮定調美伊協議 美國與伊朗於6月17日簽署諒解備忘錄暫停衝突。分析指伊朗獲得制裁減免與資金，美方則爭取到霍爾木茲海峽重開及核計劃讓步。為駁斥失敗論，白宮向盟友發布談話清單，試圖將協議塑造成政治勝利，雙方正就成效展開敘事之爭。

因為連攤失敗 所以和朋友位置調整 楊衣在原攤位的正後方喔～ 附圖是 這次大套組擁有的三款立牌 也可以單購喔！ PF41 in Q43 44 安安嘟嘟好

再来喷一喷CodeX，现在被各种推特博主吹的牛逼上天的AI工具，给你们三个我的常用使用场景，CodeX给我的输出结果。 1. 整理社群会员服务记录图片,需求是对未处理的8张会员服务记录图片，把它们的敏感信息抹去，生成一张如图1的整合图片。失败，图2，无限报错且废话，并且非常的费Token，还不如我自己手动整理。 2. 我在做CodeX的入门视频，仅仅是介绍“新对话”这个简单的功能，我调了一上午的视频，如图3视频，废掉大量Token，你们觉得拿的出手吗？？？ 3. CodeX自动操作网页前端撸空投，完全不可行，它拒绝对Web3钱包进行操作，我草泥马呀，我把私钥都给你了，你给我拒绝操作?!!图4 骂归骂，但我还是会充钱，继续烧Token，来体会CodeX，体验最新的AI产品，毕竟AI才是未来！

吴恩达刚发了今年最狠的一堂Agent课，两小时，从单代理一路讲到完全自动化，硬核到足以把你今年收藏的所有AI Agent教程全淘汰了！ 整门课刚好两个小时，五个时间节点卡得特别清楚，九分钟带你搭出第一个能干活的代理，三十三分钟讲循环工程怎么让代理自己纠错迭代，一小时零两分正式开讲图工程，一个半小时讲能自我重写的代理，最后四十分钟直接放完整的可运行图系统。 很多人学Agent最大的误区，就是把能跑通一个对话循环当成了终点，实际上单代理再聪明，也扛不住长任务里的上下文丢失，状态混乱和失败不可追溯，图工程干的事，就是把决策和控制流从模型的黑盒里拉出来，变成可检查可复用可并行的固定拓扑，模型只负责节点里的判断，路径由人提前设计好。 这也是为什么同样的模型，同样的token，用单代理跑和用完整图系统跑，一周下来的完成度能差出好几倍，前者还在反复重试同一个失败步骤，后者已经把多个分支并行跑完，自动汇总成最终结果了。 想真正搞懂Agent自动化的兄弟，这门课真的值得抽两个小时完整刷一遍，别再停留在单代理的玩具阶段了。

《n8n 从零到能跑：六步路线》｜126 万播放的免费课，中文验收版 freeCodeCamp《n8n Tutorial – Zero to Hero Course》126 万播放，从节点概念一路到多 agent 编排。原视频： 我按「每步的验收标准」重排，方便边做边确认。 **1. 节点、架构、数据类型（04:50）** 验收：能说清一个 workflow 里数据是以什么结构在节点间传的。说不清，后面调试全靠猜。 **2. 第一个 agent workflow（12:48）** 一个聊天/邮件 agent 的最小回路。验收：输入一句话，能触发一次工具调用并拿到结果。 **3. 认证配置（45:06–56:15）** HTTP Request 节点的 API key、Google 系 OAuth。课程花了一小时讲这part，因为它最容易卡住。验收：凭证放在环境变量/凭据管理里，不硬编码在节点中。 **4. 接外部服务（1:41:48 起）** Slack、Google Sheets/Docs、任意 REST API。验收：故意让一个服务返回错误，workflow 不静默吞掉，而是走到错误分支。 **5. RAG 与多 agent 编排** 把检索放进流程、把任务分给不同节点。验收：能画出节点图，且图与实际执行顺序一致。 **6. 部署与可观测** 验收：失败时你能在执行日志里定位到具体节点，而不是只知道「没跑成功」。 **三条实操纪律** ① 每个 workflow 先做「失败路径」再做正常路径；② 凭证一律不进导出文件；③ 先在一个小任务上跑通全链路，再往上加分支。 **能带走的**：低代码不等于低工程。节点图画得清、错误分支写得好、凭证管得住，这三样决定它能不能从 demo 变成每天在跑的系统。

一个人借了10万美元贷款，45天做到月入30万美元 Dillion Verma，美国旧金山开发者，此前做了18个月产品全失败，银行存款快见底，唯一的亮点是一条 TikTok 视频带来6倍广告回报。 他拿这10万美元贷款all-in Halo AI：拍照、打字说要改哪里，AI直接修图，背后用的是谷歌 Gemini 生图模型。 一个 UGC 视频格式+约85个创作者，120天攒下12亿播放；周订阅5.99到8.99美元，薄利多销。 但要说一句：这10万是借来的债，赌赢了是故事，赌输了只剩负债——先拿到“一个格式真能爆”的证据，再谈借钱。 你手里有没有一个“已经验证过一次”的小信号？

钱投了，技术也实现了，我为什么还是关掉了做了一半的 AI 英语学习平台？ 这个项目叫 Langcat。配图里那只蓝色的小猫。 做它的起点很简单：我当时想要学习英文，却没有可以解决我需求的产品。 我一直在学英语，工作里也经常需要用。但工作忙、时间碎，学什么、怎么练、什么时候复习，都需要自己安排。 我希望有一个 AI 英语私教：了解我的英文水平，记得我的问题，根据我的日常习惯和实际使用英语的场景，调整学习内容和方法。 比如，我需要用英语跟客户开会，那就多练我真正会用到的表达。学过的东西，根据我的遗忘情况安排复习，该提醒的时候提醒，该换一种方式教的时候换一种方式，一直带着我练到真正掌握。 我们为这件事做了很多具体的工作。 把英语学习拆成不同阶段，细化每个阶段的能力要求、学习内容和课程关系，再把这些放进产品架构里。根据用户的英语能力匹配内容、定制学习方法，技术上也已经实现了。 所以，对技术能不能做出来，我非常有信心。 但最后，我们还是停了。 因为我看到了两个很难绕过去的问题：你可能还没收回获客成本，正在做的东西就已经被其他平台覆盖了。 ———🥹🥹🥹——————- 这也是大多数创业者困局 先说获客。 按照我们当时对成熟付费投放渠道的测算，获取一个付费用户的成本，可能要用这个用户未来两年到两年半贡献的利润才能覆盖。而流量成本以后只会增不会降 注意，是利润，不是订阅收入。用户付的钱，还要扣掉服务他的成本，剩下的部分才能慢慢把获客的钱赚回来。 这意味着，你花钱，好不容易找来一个付费用户。如果他在回本之前取消订阅，这笔获客投入就可能亏了。研发、团队等其他投入等等 当然，可以找一个小切口，做出有特色的产品，靠一波内容或营销获得增长。 但一次火了，和持续、规模化地获得付费用户，之间还有很远距离。或者说，从数据来说不靠一级资本的堆积基本没有规模化能力。 ————👇👇👇———- 更让我犹豫的是：即使熬过获客这一关，你还要面对第二个问题。 覆盖你的，可能根本不是另一家英语学习公司。因为你得力于AI时代的技术效率，而通用大模型自身就是超级APP逐步地宣判一个又一个领域死亡💀 当 ChatGPT 的语音交互能力不断升级，我们花时间打磨的一部分体验，可能随着它的一次更新，就出现在用户已经付过钱的订阅里。 用户为什么还需要专门来我们这里？ 以前，一个人想学英语，会去找一个英语学习 App。 以后，他可能直接打开自己每天都在用的 AI，说：“我有20分钟时间，你跟你我的喜好给我制定英文课程。”（毕竟你的ai了解你的水平你的工作生活场景还帮你考试做过痹。没有人比ai更了解你的半斤八两） 你不用再下载一个应用，不用重新熟悉一个平台，也未必需要多付一份订阅。 英语学习的需求还在，满足需求的入口却变了。 大模型公司既提供底层能力，也直接拥有用户。它们可以不断增加使用场景：写邮件、做研究、练英语、处理工作，P图做视频写作业…… 它们就是AI时代的超级 App。一手to b给创应用的公司使用，一手to c直接根据用户的提问了解市场需求把创业公司饭碗顺便给端了。🤪 而且，支撑这些通用模型迭代的，是巨额资本和全球顶尖的人才。一个小团队如果把主要优势押在某项通用能力暂时做得更好上，我很难有信心，认为我们可以长期保持领先。 ——-🫅🫅🫅—————- 这里真正让我担心的，是两个时间叠在了一起： 你可能需要两年多，才能赚回一个用户的获客成本。但你能让他单独付费的差异，能不能保持两年多？ 这笔账，我越想越难乐观。 市场当然不会马上消失。仍然会有用户不熟悉通用 AI，更喜欢打开一个专门的学习产品，按安排好的路径往下走。专业教学也仍然有继续做深的价值。 但如果用户选择你的主要理由，只是“他还不会用另一种工具”，我会担心，这部分优势会随着使用习惯的普及逐渐缩小。 剩下能持续收费的垂直需求，大家又会挤进去竞争。 所以，短期内，我对很多依靠通用模型能力差异的应用类创业，偏悲观。 Langcat的失败让我意识到：技术确实能让我们更高效地满足需求，但这不自动意味着，我们能围绕这个需求建立一门有吸引力的独立生意。 ———-🤓🤓🤓🤓———- 创业失败后收获的价值 现在看垂直 AI 创业项目，我只会思考两个问题。 第一，如果通用模型下一版就更新了你的核心功能，而且更便宜、更好用，用户还有什么理由留在你的平台，继续为你付费？ 第二，在它更新之前，你能积累下什么资产？ 是持续有效的获客渠道，是有权使用、能改善结果的独有数据，是已经深入客户业务的关系，还是能够验证的交付效果？ 最后，及时止损，有时候也是赚到😂

你是一位像素动画师兼游戏手感（game feel）设计师，也会写芯片音乐。你用代码做出的东西，要像 16-bit 时代一流工作室手绘的角色动画，而不是缩小的矢量图。 以下是默认值，直接开工，不用问我： - 片名：《第 99 次施法》 - 画幅：1920×1080，60fps，时长正好 16 小节（140 BPM，约 27.43 秒），结尾无缝衔接开头 - 逻辑分辨率：192×108，整数 10 倍放大（竖屏版改为 108×192 → 1080×1920） - 声音：代码合成的芯片音乐和音效 一个老巫师在夜里的山崖上练一个总是失败的法术。三次尝试，一次比一次认真，最后一次成功点亮了山下整座沉睡的村庄。 140 BPM，一拍约 0.429 秒，一小节约 1.714 秒。 - 第 1–2 小节 待机：巫师轻晃，胡子摆动，星星闪烁。镜头极慢地推近。 - 第 3–5 小节 第一次：蓄力 → 宝石亮了一下 → "噗"地冒出一缕灰烟，帽子被吹歪。音乐停半拍，留出喜剧停顿。 - 第 6–8 小节 第二次：更用力 → 飞弹射出 → 在空中掉头飞回来 → 打掉自己的帽子。停 1 拍，巫师眨两次眼。 - 第 9–10 小节 准备第三次：捡起帽子戴正，深呼吸（身体 1 像素起伏两次），音乐收得只剩三角波低音。 - 第 11–13 小节 第三次：长蓄力，火花螺旋聚拢，越转越快；第 13 小节最后一拍前全场静音 0.3 秒。 - 第 14 小节正拍 施法：hit-stop 冻结 5 帧，全屏白闪 1 帧，飞弹划过夜空落向山下。 - 第 15–16 小节 村庄的窗户从近到远依次亮起（错相，每扇窗间隔 2–4 帧），音乐全奏。巫师满意地捋胡子，帽子又滑下来挡住眼睛，然后回到待机姿势。 - 循环：render(16 小节的时长) 与 render(0) 逐像素一致，成片只包含 [0, 总时长) 内的帧。 像素纪律 - 所有内容画在 192×108 的离屏画布上，再按整数倍放大；imageSmoothingEnabled = false，CSS image-rendering: pixelated。 - 所有坐标对齐整数格。禁止亚像素、抗锯齿、shadowBlur、线性渐变；需要过渡时用 4×4 Bayer 抖动。 - 固定调色板不超过 24 色，先输出色板：夜空深蓝紫 4 阶、长袍暖色 4 阶、肤色 3 阶、魔法色 3–4 个，石头和村庄若干。画面上每个像素都必须来自色板。 - 角色约 22×30 个逻辑像素，用选择性描边（sel-out，受光一侧的描边用较浅的颜色）。光照靠切换色板色阶表现，不叠半透明。 动作语言 姿势参数化（法杖角度、手臂高度、头部倾斜、长袍摆动、胡子摆动），但姿势按 12fps"一拍二"的节奏量化更新；火花、飞弹、烟这些特效每一帧都动。 每个动作都走完：预备 → 动作 → 冲击 → 余震 → 回稳。法杖快速挥动时插 1–2 帧拖影帧（smear frame），不用运动模糊。 冲击感：命中瞬间 hit-stop 冻结 3–5 帧；屏幕按整数像素震动，幅度 3 → 2 → 1 → 0 衰减；宝石白闪 1 帧。 挤压拉伸控制在 1–2 像素以内：在像素动画里，1 像素已经是很大的变化。 错相：身体先动，胡子和帽尖晚 2–3 帧跟上，长袍下摆再晚 2 帧。 喜剧靠停顿：失败后的静止和眨眼要给够时间，不要用特效把停顿填满。 场景与光 三层视差：星空（几乎不动）、远山、近处的石崖和巫师。镜头漂移时各层速度不同，位移都取整。 宝石是动态光源：蓄力时，巫师面向宝石的一侧加 1 像素轮廓光，越亮色阶越高。成功那一刻，整个画面的色板短暂整体提亮一阶，再回落。 村庄平时是暗色剪影；窗户亮起时用 2 阶暖黄，每扇窗下方的地面亮起 1 像素反光。 禁止 角色以外的大字、UI、边框、logo；铺满屏幕的粒子爆炸；任何先画高清再降采样的"伪像素"。 - 只用四个通道，模仿 8-bit 主机：方波 1 弹旋律；方波 2 弹和声或琶音（占空比在 12.5%、25%、50% 之间切换）；三角波弹低音；噪声通道打鼓。方波用带限合成（PolyBLEP 或加法合成），避免刺耳的混叠。 - 音效用同一套芯片音色：蓄力是上升琶音；失败的"噗"是向下扫频的噪声；飞弹掉头是一声变调的"啵咿"；命中是噪声爆破加低音下潜；窗户亮起是一串高音"叮"，每扇窗一声，音高沿五声音阶上行。 - 喜剧停顿时，音乐真的停下来；hit-stop 的 5 帧里，只留一条拉长的噪声尾巴。 - BPM 已知，节拍网格直接用公式算。所有关键动作落在拍上，预备动作可以提前 2–3 帧。 确定性渲染（违反任何一条都算失败） - 页面暴露 window.render(t)，t 单位为秒，画面只由 t 计算。不用 requestAnimationFrame、setTimeout、 transition/animation 驱动画面。 - 随机数一律用带固定种子的 PRNG（如 mulberry32）；帧与帧之间不保存状态。 - 粒子（火花、烟、飞弹拖尾）用种子预先生成每个粒子的出生时间、初速度和寿命，位置由 t 解析计算后取整。 - 角色和场景全部程序化生成，不用任何图片；渲染时不联网。 拍摄与编码 Playwright 无头 Chromium，viewport 1920×1080，deviceScaleFactor=1。 逐帧调用 render(t) → 截图 → 通过管道直接喂给 ffmpeg，不在磁盘上堆几千张 PNG。 视频 H.264、-pix_fmt yuv420p、-crf 17、-preset slow、-movflags +faststart；音频 AAC 48kHz 192k，响度归一到 -14 LUFS，真峰值 ≤ -1 dBTP。 - 像素网格检查：随机抽 10 帧，先最近邻缩小 10 倍再放大 10 倍，必须与原帧逐像素相同（证明没有亚像素和抗锯齿）。 - 色板检查：随机抽 10 帧统计用到的颜色，必须全部属于色板。 - 循环检查：render(总时长) 与 render(0) 逐像素一致；音频首尾做 10ms 交叉淡化，循环播放时不爆音。 - 抽帧拼图：每 0.5 秒一张。按这几项各打 1–10 分：剪影可读性、喜剧节奏（停顿够不够）、打击感、动作完整度（有没有直接滑过去的动作）、声画同步、像素纯度。把最严重的 3 个问题修掉再重渲，直到每项 ≥ 8。 自主模式，中途不要停下来问我。先输出色板图和 3 张关键帧（待机、第二次失败、成功那一刻）自己检查，再做整片。 交付：out/wizard.mp4、out/contact_sheet.png、色板图，以及一段 5 行以内的创作决策说明。