与「好一个下意识躲」相关的搜索结果

等一下！他移动的时候空间好像也扭曲了！？ #瞬步##鬼魅步伐##拳击步伐##闪现##抽象# #好一个下意识躲# #搞笑# #结局总是让人意想不到# #他逃他追他插翅难飞# #跟着我左手右手一个慢动作#

我观察到一个挺危险的信号，尤其在2026年这个节点。 很多人把“每天看很多东西”当成自己的核心竞争力。刷推、看研报、追热点、收藏帖子，感觉自己一直在吸收，一直在进步。 但说实话，AI已经把信息变成了公共资源。谁都能进，谁都能取。你知道的，别人最多晚半天也知道。你以为的“信息差”，其实只是“信息接收早了几小时”。 真正值钱的，从来不是你知道什么。是你拿你知道的东西，做了什么决定，执行了什么动作，拿到了什么结果。 如果今天让我从零开始重新在 crypto 里打拼，我不会去囤更多信息源，也不会去加更多付费群。我会死磕下面这3个能力。每一个都是我踩坑踩出来的。 1. 把话说清楚，这个比你想的难得多 我见过很多聪明人，脑子里逻辑特别强，但一开口别人就困了。或者写一段话绕来绕去，看完不知道他想表达什么。 现在的注意力比黄金还贵。别人愿意花3分钟听你说话，成本其实非常高。 你能不能把一个复杂机制讲得像点外卖一样简单？能不能写一段文字，让别人愿意读到最后一个字？能不能让别人在听完之后，下意识说一句“这人我信”？ 在 AI 生成内容泛滥的今天，模糊等于不存在。你说不清楚，AI 帮你说的任何东西都没用。清晰是你唯一不用花钱就能获得的杠杆。我过去一年拿到的大部分合作机会，都不是因为我懂最多，而是因为我让对方用最短时间听懂了我。 具体建议：每周强迫自己把一件复杂的事情（比如一个 DeFi 机制或者一个 AI 工具原理）用 3 段话讲给一个不懂的朋友听。他听懂了，你就过关了。 2. 学得快，而不是学得深 以前我们接受的教育是：一个技能学几年，然后用几十年。现在这个模型已经裂开了。 两年前会写简单的交易脚本还算个小优势，现在 AI 十分钟就能帮你搭一个框架。你花三个月死磕的某个工具，可能下个季度就被一个新协议或者一个新 AI 功能替代了。 真正拉开差距的，已经不是“谁一开始更聪明”。是谁迭代更快。 看到新东西，愿不愿意花一个小时立刻上手试试？发现原来的判断错了，能不能不带情绪地改？别人给你数据打脸，你是辩解还是调整？ 学得快的人，一年走完别人三年的路。而且这个差距会越拉越大，因为 AI 本身也在加速学习的速度。我现在招人或者看项目合作，最看重的不是他过去做过什么。是给他一个全新的东西，他几天能搞明白并开始产出。 具体建议：每接触一个新工具或者新赛道，给自己设定一个“48 小时交付物”。比如 48 小时内用这个工具做出一个最小可行产品，或者写出一份可执行的分析。不要等到“准备好”。 3. 完成一件事，比计划一百件事重要 这是最俗但也最真实的一条。AI 已经把“做出来”的门槛踩碎了。做一张图、写一篇文章、搭一个简单网页、写一个自动化脚本，以前要几天，现在可能几十分钟。 但问题来了：门槛越低，行动的幻觉反而越严重。我身边太多人状态是这样的：看到一个好点子，先去研究两周。准备动手，先刷三天教程。想做内容，先花一星期装修 Notion。然后呢？没有然后。 他们永远在“准备出发”的状态里舒服地待着。但 2026 年的现实是：你的信誉，来自于你真正完成过什么。不是你有什么计划，不是你收藏了什么模版，是那个已经上线、已经发出来、已经跑起来的东西。哪怕它很小、很不完美、第一次做得像屎一样。完成过一次的人，和永远在准备的人，是两个世界的人。 具体建议：每个星期必须有一个“公开完成”的东西。可以是一条推文、一个简单的脚本、一个交易复盘、甚至是一个失败实验的总结。只要它是完成并公开的就行。 还有一个很少人提的能力，判断力 AI 可以给你 100 个策略、1000 个方向、10000 行代码。但它永远没办法替你回答：哪个方向真的值得押注？哪个机会是噪音，会浪费你三个月？这个取舍现在值不值得做？ 这些是人的地盘。判断力很难速成，只能靠大量小决策，快速拿到反馈，然后修正模型。和交易一样，不练永远不会有手感。 具体建议：每天做一个小的预测并记录下来。比如“未来一周内 ETH 会不会突破某个位置”或者“某个新项目的地板价变化”。然后回头检验。你会慢慢发现自己的判断偏差在哪里。 我个人过去一年回报最高的一件事，写东西 不是想当 KOL，不是想涨粉。是因为写作这件事逼着我把脑子里的浆糊变成清晰的逻辑。你写不清楚，本质上就是没想清楚。AI 可以润色你的句子，但没办法替你思考。 而且写东西有一个隐藏好处：它会把你最弱的逻辑暴露在所有人面前。被骂几次、被质疑几次，你会发现自己进步得飞快。 具体建议：不要追求完美。从每天 200 字的复盘开始，写你对一个项目的看法、一次失败的交易、或者一个新工具的使用感受。连续写 30 天，你会感谢自己。 最后说点实在的 AI 不会淘汰人。它只会让两类人之间的差距大到像两个物种。一类人执行、交付、迭代。另一类人只消费、只收藏、只准备。 未来十年活得好的，不是学历最高的，不是资源最厚的。是那些能想清楚、学得快、讲明白、干得狠的人。 你现在在哪一类？

与 Bitget Wallet 四位高管的对话后，我的半年观察 —— 正在「被忘记」的加密支付 海德格尔在《存在与时间》中讨论过这样一件小事：一把锤子在好用的时候，使用它的人并不会「看见」锤子本身，他们看见的是钉子、是被钉的木板、是即将完成的工事。只有当锤子坏掉、不顺手、卡住时，人们才会突然意识到「锤子」作为一个独立物体的存在。 这个观察可以用在很多地方，也可以用在支付上。当你在便利店刷卡、在街角扫码，你不会意识到自己正在使用一套庞大的金融基础设施，发卡行、清算网络、跨国汇兑...它们都在你身后运转，但你不必看见它们。 加密支付还处在另一种状态里。一个用 USDT 买咖啡的人，付款前仍然会停下来想一下「这家店收吗」「能付成功吗」；一个用 U 卡支付 Uber 的旅客，事后会专门发一条推记下来。它仍然是一件让人用之前要「想一下」、用之后还值得「记一下」的事。就像 50 年代的信用卡、2013 年的支付宝，处在从「新事物」走向「日常工具」的中间路上。 而今天的 Bitget Wallet，正在三大洲的街头，让这条路走得更快一些。这是一个仍在发生的过程，但在 1 亿用户的真实使用里，从「被讨论」到「被使用而不被注意」的转变，已经发生了一段距离。 为了加速发生，Bitget Wallet 与 Stellar 联合启动「PayFi Odyssey」活动，以总计 30 万美元等值 XLM 奖励，覆盖亚洲、非洲与拉美超过 35 个国家和地区，活动持续至 2026 年 7 月底。这是 Bitget Wallet 围绕 Payfi 推出的迄今规模最大的跨区域用户激励活动，我们将在下文详细讲解。 —— 支付，一部「逐渐消失」的历史 回看支付史，会发现一个有趣的现象：每一代主流支付媒介的成熟时刻，都是围绕它的那些多余念头消失的时刻。 信用卡在 1950-60 年代刚出现时，「塑料货币会不会让人失去节制」「没有现金的社会是否还安全」是报纸专栏和家庭餐桌的常见话题。今天没人再思考「信用卡靠不靠谱」，它消失在刷卡的动作里。 支付宝、微信支付在 2013-2015 年间也让人反复掂量「到底安不安全」「资金被第三方托管会不会出事」。今天一个上海人在点外卖时，会想「用支付宝吧」，但不会再多想，它消失在扫码的动作里。 人们清楚地知道自己在用什么货币、用什么方式付款。 真正被忘记的，是围绕一种新支付方式刚出现时附着在它身上的那一组多余念头：它安不安全、这家店收不收、这次能不能成功、失败了怎么办、机制到底怎么运作。当这些念头逐个消失，只剩下「用什么付钱」这一个干净选择时，一种支付方式才真正进入了日常。 而 Bitget Wallet 正在做的，是把这些念头从用户头上一项一项拿掉。 ——「减法」：Bitget Wallet 的哲学 「念头被一项一项拿掉」这件事，最直接的体感来自 Bitget Wallet 团队内部，越来越多同事开始在日常生活中使用 Bitget Wallet Card 和扫码支付。 一位同事告诉我，过去去香港他会下意识做几件事：去银行/在机场换港币、买八达通。这一年他已经不做这些了，下飞机直接打车去酒店，吃饭、711 购物，全程只用微信/支付宝、Uber。第一次这么做的时候，他在中环一家茶餐厅展示了微信付款码，下意识地停了几秒想「成功了吗」。现在那个动作消失了。 「Bitget Wallet U 卡在国内日常消费里也基本够用，吃饭、打车、点外卖、各种 AI 订阅」，没有让他感觉到「它和别的卡有什么不同」。 变化发生在他看不见的地方，背后流过的，已经是稳定币。 它揭示了一件比「加密支付变方便了」更深的事，所谓加密支付走向日常，不是用户学会用一个新东西，而是这个新东西溶解进了用户已经在用的所有东西里。Apple Pay、Visa、Mastercard、PromptPay、VietQR...这些都是已经存在的、用户已经熟悉的支付方式。Bitget Wallet 没有要求用户切换习惯、记住一个新品牌、扫一个新的二维码，只是让稳定币像水一样流过这些已有的管道。 这种判断不只是个人的体感。美洲区负责人 Jack Zhai @JackZhaiTGG 深耕拉美新兴市场，他在一次内部访谈中讲过一句让人印象很深的话「Crypto 可以借鉴互联网大厂做法，要让用户逐渐感觉不到」。这句话和上面的体验完全吻合：用户感觉不到 Web3 在哪里、用户感觉不到稳定币是什么、用户感觉不到协调层在做什么，他只是在用钱付钱。 这就是 Bitget Wallet 想做到的「减法」，用户的支付习惯一点都不需要改变，但价值已经在以一种新方式流动。 要让这件事成立，需要的不仅是新技术，而是一种逆向的产品哲学。 这种哲学在 Bitget Wallet 内部有一个明确的源头。CEO Karry @KarryWeb3 Web3 产品方法论非常尖锐的判断： 「Web3 行业有很长一段时间有种『拿着锤子找钉子』的感觉」，Karry 说，「我有 ZK、我掌握 XX 技术，我要怎么怎么弄。陷入到这种死循环里，是很大的问题」。 他对 Bitget Wallet 的产品逻辑是反过来的，先从用户的角度起点开始，然后来找合适的技术。「用户要解决什么问题？用户要去中心化、要安全、又不想记助记词，所以我们用 TEE，做了 Social Login。用户不希望感知到 Gas 费，所以我们用了 EIP-7702，让稳定币直接付 Gas 费」。 所有的技术选择都是从用户的「我不想要 XXX」反推回来的： - 用户不想复制冗长的链上地址 → 链接转账：通过 WhatsApp、Telegram 等分享支付链接即可完成收付款 - 用户不想关心商户支不支持加密支付 → Bitget Wallet Card：与 Fiat24、Immerse、DCS 合作发行，覆盖全球超过 50 个市场，0 开卡费、0 年费、0 外汇手续费，每月 400 美元的零手续费消费额度，体验和过去三十年的刷卡经验没有区别 - ... 这种「从用户已有习惯反推」的思路，在不同区域也同样成立。Jack 在访谈中给过一个非常具体的例子：巴西的 Pix 是央行牵头、全国身份证联网的支付网络，连中国都没做到这种程度。Bitget Wallet 没有试图在拉美发明一套新支付，而是直接接入 Pix。对用户而言，他扫的还是 Pix 的码，做的还是 Pix 的动作；变化只发生在背后，结算流过的是稳定币。这件事最关键的细节是：Bitget Wallet 没有要求商户贴一个新二维码、没有要求用户学一个新动作，只是让自己的 App 能识别本地原有的码。 所以，在产品层和区域层，Bitget Wallet 用的是同一套方法论：不发明新轨，让稳定币流过已有的轨。 这种方法论的效果，在外部观察者眼里也开始被识别出来。PayFi 领域的资深观察者 Will 阿望 @Will_7th 写过一段非常精确的总结：「前端通过国家二维码扫码进行消费，VCC 支持 V/M；后端是数字钱包 + 法币银行账户。中间串联起来支付通道。这个感觉是市面上比较接近生活的 Crypto 钱包了」。 他用 30 个字精确还原了 Onchain Payments Matrix @PaymentsMatrix 在做的事，前端接本地已有支付通道，后端接已有金融轨道，中间用稳定币串联起来。这不是 Bitget Wallet 自己讲产品的方式，而是一个懂行的外部观察者，看完之后用自己的话讲出来的事。当一个产品架构能被外部人用 30 个字讲清楚的时候，它已经接近「被理解 = 被使用」那个状态了。 这种方法论背后是 Karry 个人的一种产品姿态。他在那次访谈里讲：「Web3 这个行业过去几年讲了太多虚的东西，最后什么都做不出来，这让我一度非常失望。我现在比较务实，能吹虚的地方就少了」。 支撑这件事的，是 Bitget Wallet 的 Onchain Payments Matrix，一套连接区块链、稳定币发行方、卡组织、清算银行、本地支付通道与商户网络的支付基础设施层。它是一个协调层（coordination layer），不发币、不重做结算、不替代任何已有的金融基础设施，它的工作只有一件：让原本互不连通的各方能配合起来。 关于支付的叙事热点也换过好几轮，去年讲协调层，今年讲 Agentic Wallet，市场喜欢追热点而动，但谁来串联协调层？亚太区负责人 Will Wu @SrWillWill 提过一个判断：「币圈的迭代速度比传统行业快 10-20 倍，但真正能让这种迭代进入用户日常的，还是要回到最基础的问题：用户痛点到底是什么，具体帮他们解决什么问题？」 迭代越快，越需要在某些事情上慢下来。Onchain Payments Matrix 就是 Bitget Wallet 选择慢下来的那个地方。 但这一切，用户在 Bitget Wallet App 里几乎感受不到，这正是前面讲的「看不见」那一面。这种「用户看不见、但实际跑通」的思路，不只发生在产品层。COO Alvin Kan @alvin_kan 在一次访谈中讲过 Bitget Wallet 这两年的内部调整。 「我加入的时候，市场、运营、BD 这几个团队是混乱的」，Alvin 在过去两年做的第一件事，就是确保每个团队及其 leader 都有清晰明确的职责范围，并且由具备相应能力的人来带领，「每一次拆分都伴随一个 Vision，你要让人看清楚自己该聚焦做什么」。 第二件事是放权区域。Alvin 在过去两年里招了一批本地区域负责人，「这是一个钱包公司，在做一个面向大众用户的消费级产品，要实现 mass adoption，它需要在每个市场扎得非常深，而扎深这件事只能让本地人来做」。 在产品上做减法之前，Bitget Wallet 先学着在自己身上做减法。 而组织减法做完之后，区域负责人手上的事情才能真正落地。今年以来，Bitget Wallet 扫码支付每日支付用户数相较去年增长近 10 倍，是平台增速最快的业务线之一。这个增长真正发生的地方，不在纽约或伦敦，而在新兴市场，这正是 Alvin 招的那批区域负责人在跑的地方。 Jack 在访谈中讲过几个反直觉的判断：拉美本币贬值近 1000 倍。在阿根廷、委内瑞拉这些国家，居民对本币的不信任已经不是宏观经济议题，而是日常生存问题。「美元稳定币替代本地货币」在拉美不是 Web3 极客的偏好，是一种集体本能。 另一个是渗透路径：稳定币在拉美不是从普通消费者突破，而是从特定行业渗透。Jack 提到两个典型场景：KOL 收款基本全走稳定币转账（绕开本币贬值和银行手续费）、远程办公者（一家纽约公司可以雇阿根廷员工，但工资走 SWIFT 太慢太贵，走稳定币就一切顺畅）。这些行业先用起来，然后通过每一次牛市把更多人带进圈。 加密支付在新兴市场之所以能跑通，不是因为这些用户对 Web3 有热情。恰恰相反，是因为他们对 Web3 没兴趣，对「美元稳定币能稳定持有 + 能流畅花掉」这两件事有需求。当 Bitget Wallet 让这两件事在他们已经习惯的二维码、银行账户、加密卡上发生时，需求就被自然满足了。 对他们而言，加密支付或许不是一个酷的产品，而是一个必要的工具。 —— Payfi Odyssey：一个夏天，三个大洲 但工具要从「被讨论」走向「被使用」，中间还有一段必经的路。它需要被真实的人在真实的街头反复使用、记录、传播。这条路前面有信用卡走过 30 年，有支付宝走过 10 年；加密支付现在正走在这条路的中间。 Bitget Wallet x Stellar 发起的 PayFi Odyssey 想做的，是在这条路上点燃一段集中的火，用 30 万美元等值 XLM 奖励，覆盖亚洲、非洲、拉美 35 个国家，三条主线对应三层观察：卡能覆盖多远、扫码能触及多深、真实生活中的人在用它做什么。 第一条主线，是 U 卡能覆盖多远。 加密卡活动总奖池 20 万美元等值 XLM，自 5 月 26 日开启至 7 月 7 日 15:59（UTC+8）。Bitget Wallet Card 持卡用户可通过完成开卡注册、日常刷卡消费及 Stellar 链上指定任务积累积分，活动结束后按积分比例分享 198,000 美元等值 XLM 奖池。覆盖中国大陆、新加坡、韩国、日本、越南、泰国、菲律宾、澳大利亚、欧洲 EEA 及英国、拉丁美洲与南非等超过 25 个国家和地区，这是覆盖范围最广、参与门槛最低的一条主线。 第二条主线，是扫码能触及多深。 扫码支付返奖计划总奖池 10 万美元等值 XLM，分两阶段进行，覆盖越南、新加坡、巴西、阿根廷等 11 个市场。这 11 个市场的本地 QR 支付网络已经成熟，稳定币只需要无缝接入，就能让用户用熟悉的扫码动作完成新的支付方式。如果这个夏天你有计划全球旅行，这就是最好的选择。 第三条主线，是真实生活中的人在用它做什么。 Crypto Survival Plan（加密生存计划）总奖池 10 万美元等值 XLM，向亚洲、非洲、拉丁美洲三大区域各征集约 20 名 KOL，以视频与访谈形式记录使用加密支付完成日常消费的真实体验，统一以 #StellarPayFiOdyssey# 话题聚合。这条主线不是为了铺规模，是为了把「加密支付走进日常」这件事——拍出来、写出来、传出去。 亚非拉 35 个国家不是平推。Will Wu 之前在 BCG 给非洲做过团体贷款业务，「当地很多人没有借贷能力，这件事让我对 FinTech 产生信心，金融服务可以做到让每个人都能轻松使用」。那个项目最后让他下定决心从 Web2 转到 Web3，他觉得 Crypto 比传统 FinTech 更接近「让金融普惠每个人」这件事。 这个经历直接塑造了 Will 在 Bitget Wallet 推动的 APAC + EMEA 区域策略：钱包增长不是广撒网，是深入到具体社区、具体场景里找到真实需求。 —— 那个不再需要被记下来的下午 电没有从话题里消失，但一个人按下电灯开关时，不会再担心「会不会触电」。互联网也没有从话题里消失，但一个年轻人打开手机时，不会再担心「网络稳不稳」。它们仍然被使用、被讨论，但围绕它们的那些念头，已经消散了。 加密支付正在走的，是同一条路。 回到那位 Bitget Wallet 同事，一年前他用 Bitget Wallet Card 还会下意识检查支付成功，现在不会了。一年前他在泰国会下意识去银行换泰铢，现在不会了。一年前他不知道 Bitget Wallet Card 能绑 Apple Pay，现在它已经溶解进他每天扫地铁的动作里。 这些都是看得见的「念头消失」。而 PayFi Odyssey 在做的，是让这种「念头消失」在更多人身上、更多地方发生：曼谷的咖啡馆、马尼拉的家庭、拉各斯的市场、布宜诺斯艾利斯的网约车。每一次重复，都会让「加密支付」少一分话题感、多一分日常感。 Bitget Wallet 撒下的这 30 万美金，先是在三大洲点燃一轮真实使用与真实记录，这是加密支付走出「新鲜阶段」必须经历的事。而它最终换的，是一件更朴素也更难的事：某一天用户刷了一次卡、付了一杯咖啡，过程里只剩下「用 Bitget Wallet 吧」这一个念头，不再多想「这东西靠不靠谱」。 那一刻，加密支付就真正「被忘记」了。 就像那位 Bitget Wallet 同事，写完这一天的工作之后会下楼吃饭。等下他会刷 Apple Pay，不会想起 Bitget Wallet。这家公司这两年所有努力，最朴素的成果，就是这一刻。

兄弟们，Claude Code 省钱神器来了。 Claude Code Router，GitHub 3.4万星，干的事很简单：把 Claude Code 的请求转到不同模型上。 不是每个任务都需要最贵的模型。 改文档、跑小修复、整理代码，可以走便宜模型； 长上下文、复杂推理，再切回强模型； 甚至能接 OpenRouter、DeepSeek、Ollama、Gemini 等多个提供商。 这东西适合重度用 Claude Code 的人。 以前是模型牵着你走，现在是你自己给任务分档位。 用得好，一个月 AI 编程成本真能省不少。 链接：

不知大家是否有这样的一个问题，我们在努力追赶AI的脚步，却始终跟不上它的进化速度。 这不是玩笑。今年AI迭代有多快，看看前段时间还火爆的龙虾现在几乎没人提了，就知道答案了。我们好不容易搭好一个Agent，转眼就被更强的新版本取代。你是不是又要去换一个？不换的话你的效率产出不如人家，换的话又浪费大量的时间以及金钱，左右为男。 我自己也在研究AI新手该怎么入门。网上教程五花八门，每个都试一遍成本不低。作为小白，也不想跑太多复杂任务，花那么多也不太值得，而且也不知道花了钱以后能不能达到自己想要的结果。更让人焦虑的是，模型更新太快，你这边还没搞明白，新模型又出来了，感觉白忙一场。 这俩天看到一个文章，有一句话特别好：不是模型越能干，用户就越轻松；反倒是因为模型越强，AI 能做的事情更多，高级用法也就越复杂了。 现在我就是这样想的，现在AI的使用门槛其实越来越高。大多数人还停留在用豆包做题、问简单问题的阶段，没能把AI当成真正的生产力。就是因为门槛太高了，把绝大多数人都挡在了门外，我感觉后面这种差距会越来越大，因为AI可以当几个人、几十个人来使用，会用善用AI的人以一当百了，你还在一个人战斗...想想就可怕。 所以我最近一直在找一个真正好用易上手的AI工具，还真发现了一个不错的产品，就是意图龙头 @dappOS_com 新推出的一个AI产品 xBubble ，它完美的解决了我前面所说的上手难的问题，它用AI学习AI，然后再用AI使用AI。听起来是不是很抽象？那就对了，只有天马行空的产品才是好产品。 @xBubble_ai ，一款低提示率的 AI 代理，可将简短的请求转化为最终成果。用人话说就是我们要生成一个比较复杂的图或问题，只需要一个简单的提示词，它就能根据这个提示词，给你生成一个质量不错、能直接拿来用的结果，比绝大多数的AI都简单实用。 很多人这时候就会问了，为什么能达到这种效果？其实挺简单，它就靠两个协同工作的系统，Bubble Pilot 和 Bubble Engine 。 Bubble Engine 就是AI学习AI，它就是不停地让AI自己写 AI、自己测AI、自己挑最好的AI方案，然后选出一个最优的方案固化成一个能重复利用的标准操作流程（SOP）,相当于你玩游戏获得的大招技能一样，可以一直用，这么说应该懂了吧？然后技能不是只能获得一个，它能获得多个大招，专门针对不同的场景。 Bubble Pilot 就是AI替用户使用AI。比如说你提出一个问题，它会跟据这个问题去找大招，也就是SOP，给你这个问题的最优方案。如果没有匹配的大招，它就会用通用 Agent 给你解决方案，然后记录下来这个问题，让 Bubble Engine 抓紧研究大招~ 总体下来就是 Engine 负责后台建设，Pilot 负责前台执行，分工明确干活不累！随着Engine构建的 SOP越来越多，Pilot就能将更多请求都转到更快更好的路径，性能也就更好，形成了一个能无限检索的正循环，你就说这强不强吧! 使用也超级简单，有两种模式：分别是Bubble Computer 和 Bubble Personal。 - Bubble Computer 是 xBubble 的端到端项目工作空间，Bubble Pilot 检测到多步骤的任务就会路由到这，沙箱环境自动启动，自动选择合适的模型和技能，一次性完成交付从研究到交付的完整流程。云端大工厂，一条龙交付！ - Bubble Personal 是一个本地环境模式，这个相当于现在市场上的AI助手吧，可以帮你完成一些自动化任务，安全隔离还是做的挺不错的，本地计算机上不安装任何软件、不修改系统环境，安全级别很高。 这才是我最想要的AI工具，让我这种小白也能使用的AI工具才是大众最想要的，而不是那种入门难，有各种门槛需要各种专业化技能才能使用的AI，未来的大方向不应该是把工具做得越来越复杂才对，应该是让AI学习AI，然后再用AI使用AI！

我操，好一个王不见王：北师大竟然与小红书联名退出青年婚恋观调查报告。 一个是出了腚姐、女硕士生扬言骟掉男人、导师让男生吃女生剩饭、并且严重女多男少的师范院校。 一个是女拳大本营。 真牛逼！

其实我不太赞同文章中的观点 两者不是非此即彼的关系，Markdown 是用来保存信息，HTML 是用来展示和交互。 对于 LLM 来说，Markdown 的信息密度是最高的，HTML 是臃肿的，并不适合 HTML 阅读和生成，即使现在 AI 生成 HTML，也需要借助 React 这样的前端技术拆分成模块才能生成的比较好，一个大的 HTML 是无法一次性生成好的。

AI 可以帮你执行，但无法替代你的“眼光”。 当所有人都在用同样的 Prompt 时，胜出的唯一理由是： 你的审美上限更高。 整理了 11 个顶级设计灵感站，建议收藏， 每天看 5 分钟，潜移默化提升视觉直觉。👇 1️⃣ 全球审美风向标（顶层灵感） Godly ( Awwwards ( Curated ( 2️⃣ 细节控的杀手锏（垂直领域） 3️⃣ 产品经理/UI 必读（实操参考） Mobbin ( App 库，不仅看界面，更看交互流程。 One Page Love（ Component Gallery（ UI 组件库大合集，设计规范的“教科书”。 4️⃣ 动效与转化（增长黑客） SaaS 落地页，审美与营销的完美结合。 在评论区分享一个你私藏的灵感网站？ #审美力# #干货分享#

编程之神卡马克的硬核真相：每周工作40小时顶多算打零工 提到努力工作，现在的互联网风气往往是拒绝内卷和准点下班。 但如果你去问游戏界传奇大佬、编程之神约翰·卡马克，他会给你一个极其硬核甚至有些扎心的答案。 对于工作、熬夜和效率，这位硅谷顶级大神分享了几个极具颠覆性却又无比真实的观点。 卡马克坦言自己从来不是那种动辄连续敲20小时代码的狂人，甚至有些嫉妒那些困了就直接睡在工位桌底下的传统黑客。 因为他的大脑只要连续运转12小时就会变得迟钝，也没法每天只睡4个小时还能保持清醒。 他的真实作息是每天工作10小时，每周干6天，几十年如一日地保持每周60小时的工作量。 他甚至提出了一个极其硬核的时间管理法则，也就是只要优先级排得足够好，一个人完全可以每周工作100个小时，并且依然每天睡满8小时。 卡马克明确表示他极其反对当下网络上那些抵制努力工作的论调。 他认为当你真的在做一件极其重要且充满激情的事情时，投入的时间越多，做成的事就越多。 只要你见识过那些高强度工作的大牛，就根本无法反驳这一点。 很多人喜欢拿工作超过8小时后效率会下降作为拒绝加班的理由。 卡马克毫不客气地戳穿了这个逻辑漏洞。 他指出，第9个小时的边际产出确实比不上状态最巅峰的那一小时，但这并不意味着总产出在变少。 确实存在一个再干下去就会犯错帮倒忙的临界点，但那个点绝对不可能在8到12小时这个区间就到来。 为了证明工作越久产出越多，卡马克举了一个绝妙的例子。 想象一下有颗小行星即将撞击地球毁灭全人类，马斯克和SpaceX的团队正在疯狂研发拦截器。 如果到了下午5点，仅仅因为再多干几个小时工作质量会变差这个理由，就让他们准时打卡下班，这听起来简直荒谬。 世界的真相往往简单粗暴，在保证睡眠不崩溃的前提下，工作时间越长，你能搞定的事情就是越多。

飞书 CLI 开源了，为什么 AI Agent 时代，大家都在做命令行工具？ 飞书刚开源了一个命令行工具 lark-cli，能让 AI Agent 直接操作飞书：发消息、查日历、写文档、建多维表格、发邮件、管任务。你跟 AI 说一句话，它自己去操作飞书完成任务。 类似的 CLI 还很多，三周前 Google 也开源了 gws，让 AI Agent 操作 Google Workspace。2026 年了，所有想接入 AI Agent 的产品，都在做 CLI。 【1】先说 CLI 是什么 CLI（Command Line Interface），就是你在电脑上打开一个黑底白字的终端窗口，敲一行命令，回车，电脑帮你干活。 比如你要查今天的日程，不用打开飞书 App 找日历，敲一行： lark-cli calendar +agenda 日程就列出来了。 没有按钮，没有图标，没有花哨的界面。CLI 比图形界面早了二十多年，在 Windows 时代逐渐没什么人用了。但 AI Agent 时代，又火起来了。 【2】为什么 AI Agent 时代，大家都在做 CLI AI Agent 要干活，就得有操作工具的能力。你让 AI 帮你订会议室，它需要能访问日历系统。你让它帮你整理客户数据，它需要能读写表格。你让它帮你部署代码，它需要能跑部署命令。 总得有一个接口让 AI 去调用。API 也能做这件事，但 CLI 有一个 API 不具备的优势：CLI 是自描述的。AI 碰到一个陌生的 CLI，敲一下 --help 就知道有哪些能力、怎么用、参数怎么填。API 不行，AI 得先拿到文档、弄清端点、搞懂认证方式，才能动手。CLI 自带说明书，AI 拿来就能用。 而且 CLI 天然是用文本交互的，输入是文字，输出也是文字。AI 最擅长处理的就是文字。反过来，让 AI 操作 GUI 就绕远了，得截图、用视觉模型识别按钮在哪、再模拟鼠标去点，一行命令能搞定的事拆成四步，每步都可能出错。对 AI 来说，CLI 就是天然的操作界面。 【3】那 MCP 和技能呢 让 AI Agent 操作外部服务，现在主流有三种方式：MCP、CLI、技能（Skills）。三者不是互相替代的关系，各管一件事。 CLI 是实际干活的工具。装完之后终端里就能跑命令，查日历、发消息、建表格，都是 CLI 在执行。 MCP 也是让 AI 操作外部服务的，但方式不同。MCP 是提前把工具清单注册给 AI，AI 随时能调用，但清单本身常驻上下文窗口（可以理解为 AI 的“工作记忆”，空间有限）。就算 AI 暂时不用某个工具，它的描述也占着空间。CLI 是 AI 需要的时候自己去终端敲命令，用完就走，不占上下文。 另一个区别是组合能力。CLI 可以靠管道和参数组合出没预设过的操作，比如： lark-cli calendar agenda --next-week | grep“张三” | wc -l 一行命令就能查出下周和张三有几个会。MCP 的每个能力都需要提前注册，要实现同样的效果，得单独定义一个新工具。 不过 MCP 有自己的适用场景。在不支持命令行的环境里（比如 Cursor、Claude 桌面端），MCP 是唯一选择。两者各有所长：能访问终端的场景用 CLI 更轻量灵活，不能访问终端的场景靠 MCP。 技能是给 Agent 看的说明书。它不干活，但告诉 Agent 这个 CLI 有哪些命令、什么场景该用什么参数、出错了怎么处理。没有技能文件 Agent 也能用 CLI，靠 --help 自己摸索。有了技能文件，Agent 一上来就知道该怎么操作，成功率高得多。 简单说：CLI 是手，MCP 是另一种手，技能是肌肉记忆。飞书这次开源的项目，CLI 和技能一起提供。 【4】怎么给 AI 写好一个 CLI 不是随便写个命令行工具 AI 就能顺畅地用。如果你想给自己的产品做一个面向 AI 的 CLI，飞书的设计有几个值得参考的地方。 第一，help 文本是你最重要的文档。AI 碰到不认识的 CLI，第一件事就是运行 --help。你的 help 文本就是工具说明书、参数规格、使用指南三合一。别写那种“Usage: myctl deploy [flags]”就完事的帮助信息，要写清楚每个参数干什么、什么时候用、有什么默认值。飞书 CLI 还有一个 schema 命令，可以快速查询任何 API 方法的参数、请求体、响应结构、支持的身份和权限范围。AI 看到这些信息就能自己决定怎么调用。 第二，支持 dry-run，这是为 AI 设计的安全网。AI 会自己做决策，有时候它理解错了你的意图，或者匹配到了不该动的数据。dry-run 相当于一个“预览”机制。 举个例子，你让 AI 帮你删除飞书多维表格里上个月的过期数据。如果直接执行，删错了就没了。加上 --dry-run，AI 会先跑一遍，返回类似这样的结果：“将要删除以下 47 条记录：2025-05 的过期任务 23 条，已归档项目 24 条。未做任何实际修改。”你看了觉得没问题，再让它去掉 --dry-run 真正执行。Google 的 gws 也做了同样的设计，它的技能文件里甚至写死了一条规则：对所有写入和删除操作，必须先 dry-run。 第三，错误信息要能指导下一步操作。人看到“Permission denied”会自己去查文档。AI 看到“Permission denied”就卡住了。飞书 CLI 的做法是：告诉 AI 你缺了什么权限，顺便把申请权限的命令也给出来。比如 lark-cli auth login --scope“calendar:calendar:readonly”。AI 看到就能自己修复问题，继续干活。为 AI 设计的 CLI，每一条错误信息都应该包含三个要素：哪个参数出了问题、具体错在哪里、下一步应该执行什么命令来修复。 第四，返回结构化数据，控制好输出量。飞书 CLI 支持 json、csv、table 等多种输出格式。对人来说 table 更顺眼，对 AI Agent 来说 json 更可靠。好的 CLI 不只是能跑通，还要方便被别的工具消费。同时要控制输出量。AI 的上下文窗口有限，如果一个命令返回一万行日志，上下文就炸了。飞书 CLI 提供了分页参数（--page-limit）和过滤参数，让 AI 能拿到它需要的那部分数据就好。 不管你是设计 CLI 的人还是用 CLI 的人，记住这条：让 Agent 动手之前，先让它 dry run 一遍。 【5】装完之后，你动嘴，Agent 动手 装完之后用起来就是：你说一句话，Agent 去操作飞书把事情办了。 你开完会，跟 AI 说“把刚才会议里提到的所有待办都提出来，该发文档的发文档，该建任务的建任务”。AI 读会议纪要，拆解出待办事项，然后逐条执行：用 lark-cli doc create 在飞书里建文档，用 lark-cli task create 建任务并指派给对应的人，用 lark-cli im send 把结果通知到群里。整个过程你只说了一句话，Agent 在终端里跑了一串命令。而且因为有 dry-run，你可以让它先预览一遍要建哪些任务、发给谁，确认没问题再真正执行。 你要约一个五人跨时区的会，跟 AI 说“帮我看看下周大家什么时候有空”。AI 去查每个人的日历和时区，推荐几个时间段，你选一个，会就建好了。 你甚至可以让 AI 在飞书文档里直接帮你写初稿，你在文档里留评论提意见，AI 读完评论自己改。整个协作过程不用离开飞书。 安装也简单，npm install -g @larksuite/cli 装 CLI，npx skills add -y -g 装技能文件。你甚至不用自己记这两步，把项目地址 发给 Agent，让它自己安装、自己学会怎么用。 【CLI 的回归】 过去四十年，计算机的界面进化方向一直是从 CLI 到 GUI，从文字到图标，从键盘到触屏，对人越来越友好。 AI Agent 时代，方向反过来了，软件的用户变成了 AI Agent。CLI 这个为文字世界设计的接口，恰好是 AI 最顺手的工具。 既然 Agent 成了软件新的用户增长点，那么像飞书提供 CLI 也不稀奇，与其等着社区来写 MCP 适配层，不如直接做一个 AI 原生的 CLI，完全开源，无需注册审批，让所有 AI Agent 都能接入。 这也带来一个绕不开的问题：Agent 的权限怎么给？不给权限，什么都做不了；权限太高，又怕 Agent 理解错意图干出不可逆的事。毕竟还做不到让 Agent 代你审批、代你发全员邮件。dry-run 能兜住一部分风险，但真正要让 Agent 在企业里大规模跑起来，权限体系、审计追踪、人机协作的边界，都还在摸索中。 但换个角度想，当年我们把公司的钱从保险柜搬到网银，把合同从纸质搬到电子签，也都是一步步摸索出来的。CLI 和 dry-run，可能就是这个过程里的第一步。 而飞书做这件事，其实有一个别人不太容易复制的优势：它本身在企业协作领域已经足够成熟，消息、文档、日历、审批、多维表格、任务，这些能力都是现成的。现在把这些能力通过 AI 原生的 CLI 全部开放出来，大概率会成为国内对 AI Agent 最开放、最友好的企业级接入入口。这件事的价值不止是多一个工具，更像是真正在为 Agent 时代搭建企业级基础设施，把权限、审计、组织能力开放给整个生态，对行业落地 AI Agent 会是很关键的一步。