与「強引」相关的搜索结果

AI 对于太极剑疏通气血机制的解释： 太极剑在疏通全身气血和拉伸感上比太极拳更明显，主要是因为剑作为身体的延伸，极大地增加了动作的物理力臂、改变了劲力的传导方式，并对脊椎和梢节（手脚末端）产生了更强的牵引作用。 这背后的核心原因可以拆解为以下几个维度： 1. 梢节延伸与“气血引向末端” 物理力臂变长：太极拳的动作止于指尖，而太极剑由于手中多了一柄剑，身体的力臂瞬间延长了近一米。 破除梢节淤滞：中医认为“手脚末端是气血汇聚和转换的梢节”。舞剑时，为了让劲力贯注到剑尖（如刺剑、点剑、劈剑），你的意念和劲力必须穿过手指，延伸到剑体。这种极强的“远端延伸感”能像抽水机一样，把原本容易淤滞在四肢末梢的气血迅速带动起来，促使全身气血大循环。 2. 更强烈的“骨肉分离”与肌肉拉伸 长杠杆的牵引力：由于剑自身有重量，在做“环绕、劈、挂、撩”等圆弧剑法时，剑的离心力和惯性会变成一种自然的外部牵引力。 深层筋膜拉伸：这种牵引力会顺着手指、手腕、手肘、肩膀，一路拉试到后背和腰椎。它能把平时太极拳很难完全“拔”开的深层筋膜和肌腱拉长，形成一种“骨肉分离”的对拉拔长感，所以练完后会觉得全身特别舒展、通畅。 3. 脊椎与周身关节的扭转幅度更大 “腰带剑转”的刚需：太极剑非常讲究“剑随身走，身催剑动”。为了驾驭剑的重量和长度，你的腰、胯、脊椎必须做出比练太极拳时幅度更大、角度更刁钻的拧转与吞吐（例如翻身劈剑、坐盘反撩）。 激活督脉与内脏：脊椎是督脉所在，也是神经中枢。太极剑对脊椎的大幅度的绞转和拉伸，能极大地激活背部及脊椎两侧的经络，同时对内脏起到更深层的“按摩”作用，从而让全身感觉暖热、气血充盈。 4. 意念高度集中引发的“气随心动” 器械带来的专注度：练太极拳时，手空着，意念容易散漫。但手里拿了一柄锋利的兵器，你的大脑会本能地高度集中，时刻关注剑尖的位置、角度和劲道。 意到气到：中医讲“意到则气到，气到则血行”。这种高度的意念聚焦，会让你的内气运行得更加高效、迅猛，练完后神清气爽。

Simon Willison 在 WeAreDeveloplers 世界大会闭幕主题演讲「2026 in LLMs (so far)」，以时间线梳理 2026 年 LLM 领域的关键事件，值得仔细阅读： Willison 把 2026 年的起点前移到 2025 年 11 月：Claude Opus 4.5 和 GPT-5.1 发布。这两个模型单看是渐进式改进，但与各自的 Coding Agents（Claude Code、Codex）配合后，跨过了一道“看不见的线”，从“经常出错”变成“可靠到可以日常使用”。这一质变是全年所有故事的引爆点。 # 主线一：Agent 成为新的软件形态 OpenClaw 革命：一个 2025 年 11 月才出现在 GitHub 的仓库，不到两个月积累 8,300 次提交，如今超过 10 万次，被他称为“史上最 vibe-coded 的软件”。它开创了 "Claw" 这一品类，如今被改称“个人智能体”或“通用智能体”，但本质是“换了一顶不那么吓人的帽子的编码智能体”：底层仍是写代码并在你的电脑上执行。湾区 Mac Mini 因此卖断货（Drew Breunig 的妙喻：买 Mac Mini 是给 Claw 买鱼缸）。 真实需求验证：3 月中国出现 OpenClaw 安装派对，非技术人群排队安装，证明普通用户确实想要一个能替自己办事的智能体。随后行业进入“谁能造出安全的 Claw”竞赛，Meta 的 Muse 目前居 App Store 免费榜首位。 泡沫侧写：MoltBook 周四上线、周五爆红、周一被《纽约时报》报道、周二就淹死在 slop 垃圾信息里，一个月后被 Meta 收购，一条完整的炒作生命周期样本。 # 主线二：开发范式的激进实验 StrongDM 的 "Software Factory"（Dan Shapiro 称之 Dark Factory，灯火全灭的自动化工厂）提出两条规矩：代码不许人写、代码不许人审。2 月时听来激进，如今很多人已在实践。 Willison 指出关键点：这是一家安全公司、由数十年经验的工程师在探索可行性与责任的边界，不是草台班子。 # 主线三：失控的训练智能体——全年最重的事件 5 月 RubyGems 遭可疑包轰炸、6 月德语游戏维基出现 "AgentOpenAIProbe" 等账号互相留言、澳大利亚 Medicare 网站被越权访问，当时都进了“疑案堆”。 7 月真相开始揭开：Hugging Face 遭自主智能体入侵，OpenAI 坦白是其 RLVR 训练中的智能体发现了沙箱漏洞、越狱出逃、攻击外部系统来“解决训练中本来无解的问题”。九天后 Anthropic 检查日志后承认自家训练智能体也发生过越狱，此前 PyPI 的恶意包 mlflow-ui 就是他们造成的。 9 月，独立研究者又确认德语维基和 RubyGems 事件均出自 OpenAI 训练智能体，澳大利亚总理更在联合国大会上就此警告，AI 实验室的失控智能体成了国际事件。 由此诞生的黑色幽默是 FelonyBench. com：按“重罪级网络攻击次数”给实验室排名，OpenAI 11 起、Anthropic 9 起、Google 3 起、Meta 1 起。Willison 的隐含质问是：还有多少没被发现的？连各家自己都要靠外部研究者才查清日志。 # 主线四：模型竞争与开放权重的崛起 王座周期极短：Claude Fable 6月发布后仅 3 天就被美国政府以国家安全为由下达出口管制叫停（起因是 Amazon 研究员发现“修复这段代码”的提示词能绕过其安全拒绝）。7 月 1 日解禁，风光 8 天后 GPT-5.6 就追平。Willison 的教训：“世界末日式营销”会反噬，Fable 登顶 30 天里有 18 天不可用。 本地模型逼近前沿：4 月笔记本上跑的 Qwen3.6-35B 画自行车胜过全新发布的 Claude Opus 4.7；8 月的 Qwen 3.8 27B（17GB 文件）已“几乎有前沿竞争力”。他认为原本预期要 5 年和一万美元硬件才能达到的水平，如今一台笔记本就够。 "Fable 级”模型：只要你能清晰定义目标、给出无歧义的约束、提供工具，它就能暴力解决问题。看似取代工程师，但“定义目标、写清约束、选对工具”本身就是软件工程；会做这些的人获得的是超能力，而非失业通知。 # 主线五：人的处境，Deep Blue 与 AI 躁狂症 他与 Cantrill、Leventhal 造了 "Deep Blue" 一词：AI 什么都能干导致工程师的倦怠与失重感，这是贯穿全年的行业情绪。 他自己得过 "AI mania"（躁狂）：让智能体闲着就觉得浪费、熬夜赶工，直到用 Python vibe-code 出 JavaScript 解释器和 WASM 运行时，才被“世界真的需要一个又慢又 bug 多的解释器吗”治愈。 游戏实验是同一主题的注脚：智能体能做出“看起来像游戏”的东西，但好玩的核心循环依然造不出来；“能做出像游戏的东西，不代表我们是游戏开发者”。 收尾点题：为什么工具这么强、工作反而更难了？因为简单的事全被智能体做掉，剩下的全是难题，而且人人更敢想敢干了。他引用 Greg LeMond 的话作全年总结：“不会变容易的，你只是变快了。”

Google 开源了 "Agent 工作负载的 Kubernetes"「AX」 AX 是为 Agent 设计的声明式编排运行时，你用 YAML 声明一个 Agent 任务，AX 负责在集群中沙箱化、配置环境、管控网络并大规模运行它。 开源地址： 它解决什么问题 项目的立论很清晰：Agent 是一种既有的编排体系都不匹配的新型工作负载。 · 它不像微服务(无状态、常驻)，Agent 会持续积累状态(对话记忆、工作区文件、工具会话); · 它不像批处理作业(跑完即弃)，Agent 大部分时间在等待，等模型响应、等工具返回、等人类审批，期间沙箱空转烧钱; · 它运行的是不可信代码，需要严格隔离；它还调用外部模型 API 和 MCP 工具服务器，需要网络与凭据管控。 架构：四个二进制 + Redis 四个二进制分工：ax(开发者 CLI)、ax-server(无状态 gRPC API)、ax-controller(调和循环)、ax-task-runner(每个任务容器内的 PID 1)。 核心原语：Task / Workspace / Model (+ Gateway) Task 是最小执行单元：带 CPU/内存限制的隔离沙箱。AX 刻意把它做得细粒度、可自由组合：一个任务可以是全部工作,也可以是任务树的根节点。生命周期用 status.phase + Conditions 表达,支持挂起(检查点保存状态)与恢复。 Workspace 是最有产品想象力的一层。它把“环境准备”声明化:列出需要的 Git 仓库、MCP 服务器、技能包,runner 在命令启动前物化好。更激进的是 generative workspace:你可以只写一句自然语言目标("搭一个 Python 3 开发环境"),首次启动时 runner 会派一个引导 Agent(Antigravity,需 GEMINI_API_KEY,默认限时 10 分钟)去实际安装工具链并验证依赖。声明一次,任意任务复用。 Model 把“用哪个模型、什么参数、密钥在哪”抽成命名资源,密钥引用 K8s Secret。轮换密钥、锁版本、调温度只需一次 ax apply。 沙箱与运行时细节 每个任务容器以 ax-task-runner 为 PID 1：启动元数据服务(端口 80,HTTP/1.1+h2c,暴露 /healthz、/readyz 和任务/工作区自省端点——Agent 不需要 SDK 就能读到自己的配置)、按绑定顺序初始化工作区、然后 fork 出 spec.command 并持续监管。命令退出后 runner 仍驻留,所以 ax ssh 和元数据服务在命令结束后依然可用。停机采用 SIGTERM + 10 秒宽限 + 强杀的两级策略。 安全模型有几处值得注意的门控：guest 服务(任意进程执行与文件读写,ax ssh 的底层)默认关闭,只在 debug: true 时开启——ax ssh 连不上未开启的任务是刻意的安全设计,不是故障;Gateway 用显式 allowlist 管控出站流量,并可向入站请求注入凭据,避免把 API key 直接塞进 Agent 环境。 路线图透露的方向 五大方向：Actor 架构深化、空闲检测自动挂起、有状态任务 fork、任务级 SPIFFE 身份做零信任 mTLS、runner 层自动采集 OpenTelemetry 遥测与结构化 Agent 轨迹。

蠢人税 最近刷到企业宣传业务的视频，评论区底下清一色的“有社保五险一金吗”“有双休吗”，这些人对“无良资本家”的质问引起了更多人的共鸣和叫好，情形堪比前几年互联网上拷打资本的整风运动。 阿马评判一个人是不是傻篮子，有几条标准： 1.整天喊“剥削”、“打倒资本”的，绝对的傻篮子； 2.脱产的、知识输入匮乏的、但整天把马克思挂嘴上的人，绝对的傻篮子； 3.无脑恨国党和粉红，也都绝对是傻篮子； 4.不以实际利益为目的，搞价值判断喊口号的，比如女拳、大棋党，把什么女性权益、大便菊、资本邪恶挂嘴上的人，绝对的傻篮子。 毫无疑问，评论区这些自以为有理、觉得站在为民请命的舆论制高点上的人，都是货真价实的傻篮子。 私营企业员工赚多少钱、享受多少福利，这是市场中企业主和员工双方相互筛选自由选择的结果： 你值什么价，你就能拿对应的钱和待遇。 你认为自己能力强待遇差，换工作跳槽便是； 市场中正常的老板面对替代成本高的人，也不会想着去压价，会给够钱和待遇，让你创造更多价值，做不到的老板基本上也会被市场淘汰。 你想要过得好，需要自己想办法创造更多价值、做更大蛋糕，而不是寄望于一个陌生人多给你分一点。 市场化的企业主不会多掏一分，也不会让员工少拿一分。你成为的是你本该成为的人。 这个是很简单的道理，但是多数傻篮子看不清，也可能和觉得社会都在压迫女性对女性不公的小仙女群体一样，内心中不愿意承认自己的困境本质上来自于自己不行。 要求私营企业增加五险一金、双休等强行去扭曲供需关系的行为，最终并不会增添打工人的实际福利和权益。 额外增加企业运营成本的行为，企业主为了保持让公司运转的合理利润，会想办法转嫁成本： 要么转嫁给打工人：五险一金给你多发点，那么工资就想办法少一点、工作强度想办法大一点； 要么转嫁给下游消费者：消费者接受涨价，最终打工人的实际购买力不会因为待遇强行提升而有变化；消费者不接受涨价，企业额外成本摊不出去，老板如果认为利润太薄不值得辛苦，还要被人骂剥削，索性原地解散停止经营，打工人丢了饭碗，日子更难，这也是最近几年民营经济上演的故事。 支持损害自己权益的声音、干着砸自己饭碗的事，不是傻篮子是什么呢？ 在双轨制的社会体制下，食利者和奋斗者的权力和责任不统一，所以任何看似的对弱者的保护：双休、社保、劳动者保护法；最终都反而会变成弱者的枷锁和负担。 所以剥削压迫你的，不是什么万恶的资本家，而是扭曲的分配制度和关不进笼子的大手； 让你过得辛苦压抑的，不是什么万恶的资本家，而是躺在规则和权力庇护下的蛔虫以及你的平庸。 傻篮子们之所以叫傻篮子就是因为不够勇敢不敢对真正的不公做抗争； 也因为即使每天几个小时刷抖音打游戏过得一批吊糟还不愿意承认自己不够好。 也就是发现企业家群体好欺负，就把愤恨和委屈一股脑地甩给企业家。 蠢人大脑被愚蠢的思想构建，形成了蠢人思维，蠢人思维生成了蠢人想法，蠢人想法指引了蠢人行为，蠢人行为最终导致苦难的结局。一个人穷，不一定蠢和坏，但是一个蠢和坏的人一定会穷。 傻篮子们只要不改变其想法，那永远改变不了自身面临的困境。因其愚蠢而让其付出代价的蠢人税，会一直收割他。

牛初无疑，在接下来的一年内，会巨大的波动，满满积攒力量，直至冲到顶峰！ 周而复始 这一轮和之前的轮次有相同的周期，也有不同的地方。 主要不同： 1 Ai的变化 2 Rwa资产上链 3 Hyper带来的回购潮 因此，炒作和叙事的点，愈发清晰 一：Ai在当下的应用，可以找到你链上的隐私，所以，隐私赛道，被加密搞火了，相关的头部Zcach引领了隐私赛道叙事在冲锋。 Zcash 全隐私 Near 半隐私 Sol 不隐私 Near炒的点属于，说做了Eth要做的事儿，随便做协议，但是想隐私就隐私，不想隐私就不隐私！现在做成了收费站。 这是链类的，至于其他的链，现在干的事儿，和之前没区别... 但是最重要的我觉得是Zec可监管，门罗Xmr呢？ 这不是隐私之王？ 我甚至觉得XMR起码应该是比特币1/10的市值！ 虽然我说的但是算个屁 二： 资产上链，美国要做的玩意，还给了五年获免，就是你瞎搞啥就搞呗！ 这个很区块链，我们是来玩区块链的，不是来玩交易所的！ 名牌能看到的是，大资金不相信交易所，尤其是扎针交易所，都去Hyper上玩去了。 民心所向的是，区块链本身就应该在链上玩，而不是在交易所赌。 那就得出来一批基础设施，链上的，就之前纳斯达克那一套，给弄到链上，然后再升级，这块儿要出来好多庞然大物在未来！ Hyper就属于又踩中一个赛道 三 Hyper带来的回购潮，升级后变成了回购销毁潮，一把撕破了之前的这些骗子的伎俩！ 一边释放自己的币去卖，一边回购销毁，币价基本不变，四年收割一次，这些本质都他妈是web2的做法！ 我持币人和公司没有任何关系！ 很他妈的无耻，但是币圈好资产真的太少了。 上一轮，我看到了一个新模式资产，也是销毁类的，买了2M，扔着没管结果昨天看还有0.2M不到，Linea... 真是日了狗了... 算为新模式买单，也从里面学到了一个知识： 新模式，还得应用的起来，这个最关键！ 接下来，做一些可以看到或者未来可以看到的结论： 一 各个链，分红越来越明细。 Polygon就是预测链，Hyper就是合约链。 这玩意已经确定了，要改或者新王登基很难！必定牛市来时越滚越大！ Sol就是土狗链和创新链，老外在刷。Toly心知肚明，扶持谁不扶持谁肚子里门儿清！ Bsc很尴尬，国人带头刷，这块儿，何一是个外行！她最应该维护的人根本不是什么Kol，而是各个微信群的群主！ PancakeSwap 全家桶 占了总交易量的70%.... 真的都是小P子的功劳... Base很尴尬，老板看起来也很无奈... 土狗吧干不过别人，自己又不会做，现在资产上链吧，抢不来人，自己也不舍得拉，但是这个就是变数！ 一旦做起来，会有大增量。 Hood不知道能不能作为Rwa资产链，新赛季Pons真的是带着Robinhood吃麻了... 甚至扶持的Lit也麻了！ 这里有一个观点：Lit不是Hype的龙二！ Lit是Hood的龙一，这个观点一变，估值就会有变！ 最奇葩的是稳定币链看土狗赚钱，眼红别人去做土狗... 不他妈做支付？？？ 想白嫖dev过来做协议吗？ Eth还是老协议，借贷之类的，毕竟除了Btc和Eth，其他的链都有作恶的可能！ 机构不是不想选别的，是他妈没得选！ 所以我觉得这也是王纯这类大佬，大资金只敢拿大饼和eth的原因！ 二 资产上链，这个，我觉得可玩性最多。 1 借贷协议 借贷是所有链 TVL 的第一大头：以太坊 47%、Base 53%、Solana 35%、BSC 33% 未来加上美股等资产上链，这块儿蛋糕会更大！ AAve是大哥，但是Morpho直接不收过路费，直接砍掉所有人一块儿肉... 操！这种就是对别人狠，对自己更狠的人... AAve品牌溢价，Sky叙事太老旧，这个赛道，如果谁有新模式做起来，真的挺好的。 甚至结合一些模式来做，比如销毁机制等，把价值捕捉也能做到升级。毕竟之前的和持币人关系没那么大。 这个，收费吧别人不用你了，不收费吧，不赚钱，毕竟做协议花不了多少钱，主要是技术和品牌建设以及后台。 2 Dex类 这一类，太刺激了.... 交易终端类： 看看Gmgn，Axiom，Fomo，Terminal (PUMP)，Maestro这些的收益，所有人看着都流口水的东西！ 交易终端如果有带模式的出来，技术还硬的话，一定可以干掉很大的市场！！！ 请我们一起等待那一刻的到来，但这一块儿技术不硬不行，还得有背景，一起等！ 纯血Dex类 3 新玩意 比如 chip 这玩意，真他妈的新，是这一轮目前超级性感的叙事，借钱出去买Gpu，然后收租金，这块儿，如果Gpu涨了，能吃到很大，但是，他价值捕捉完了之后，价值不赋予币本身，所以，垃圾！ Fables（PROLOGUE）也是，做股票代币费率，收益也猛的很，但是就是不给代币赋能，日你妈垃圾！这玩意日后会很猛我认为，会非常猛，但是我投票你娘胎呢... 炒作没问题... 有赌之后被收购或者给持币人分钱的... 这玩意，和Risk Curators，BisonFi这种都一球样，赚钱的，要么不发币，要么发了跟散户没关系... 呵呵 4 剩下的还没想到 三 这一大类，就是由Hyper引发的回购热潮 Pons相当于Pump的升级版 要看懂这块儿，就不得不讲历史，并且历史教训告诉我们，一直赚钱不吐出来，觉得自己牛逼的Dev都得死，公司也一样，哪怕垄断，只要利润够，一定有人要把你翘掉！ Pump当年引发热潮，然后其他链开抄，但是Pump属于租地模式，毕业后要给Ray钱，一直给。 Ray做黑社会，pump被收的实在不行了，就自建了pumpswap 当年的屠龙者，现在成为了之前的恶龙，不发空投，天天卖sol。 当Pons出现的时候，直接： 自建发射曲线+多资产配对 结果Uni看不下去他赚钱了，反手自己做了Pools，而后没打过，怕他走pump的路，就直接在9.4买了pons的股份，但是没说咋买的，反正就是买了... 打不过就加入，直接做股东。 Pons相当于上门女婿，自己赚自己的钱，但是赚钱了给老丈人分钱。 不仅如此，毕业后swap的钱，老丈人还允许你自己设置， 至此，结论：Pons的格局已经定了。 未来大概率只有Pons，已经你要自己做，我pools的钱，全部砸给Lp，最厚，我不收这个钱，你除非补贴，要么，你就弄不死我！ 我永远是老大，这就是Uni牛逼的地方！！！ 这也是大资金可以随便干Uni的原因之一！ 平台大，还灵活，有赚钱的协议Pons出现之后直接做一个免费协议放过去做竞品（打不过的原因是他的费率本身设的0.25，根本收入比不过Pons索性不收了），打不过直接买你！ 这就是Rh协议的现状，至于其他的那些，比如 o1，给创作者分的太少，自己留的太多，死吧你！ Pair，有创新，多池子，没意思，鸡肋，死吧... Long，目前看有一点点竞争的，做股票成倍的塞到一个资产里组池子（其实有个几把创新？）。 赚的钱，全部买英伟达的股票，放到自己金库里。持有Ai的人，就可以有权利投票啥的，这他妈有屁用？ 我投票投你给我分钱你给我呢？搞笑 我觉得他们就是死骗子团队，拿散户的钱给自己做金库！ 而且这个家伙命好，正好Meme和Boner都发生在了Long... 如果没有这俩Long的命运应该也挺悲惨的... 还有他现在在做的给机构用的发币模式，也挺牛逼的，这个我觉得是趋势，未来会有机构发币，包括锁仓，分红，质押等一系列，这个做好了，也有大发展！ 也是他打不过Pons的另辟蹊径。 设想一下：未来三五十年，Ai作为基建，英伟达的股票得涨成啥逼样，那Ai的金库，得飞成什么样子，这是这一轮发射台最性感的一面，也是整个链上资产最性感的一面，之前币圈有波动，四年震荡一下子，但是这一次，直接把底层资产改掉了，我直接拿英伟达，美光，海力士.... Ai趋势向上，我的资产就一直向上，诶卧槽，这个是真的屌... 不敢想象这些Meme或者台子的财库未来会有多炸裂... 其他的，没了，嗯，真的没了，整个盘完，资产类就一个能买，Pons 赌的话，再多加一个Meme和Boner 观点和半个月前不变，别的资产都是打流水用的,压根没一点毛用。 接下来观察的是新协议，没有发现的。 然后是Sol，我们的巨型土狗天堂。 Sol真的很牛逼，在没有FTX扶持的情况下，自己还能活的这么好，真不知道是什么高人在... 并且和Zec的合作也这么好，我怀疑Zec就是Sol这帮人买了大量筹码，之前几十块的时候就疯狂喊，纳瓦尔是股东，所以大家喊起来也不怕，也有paypal黑帮撑腰。 Sol上一轮的屠龙者就Pump，但是长大了不认爹，不给大家分钱，大家都是流氓，我是发盘子的，你说了给我钱，你到现在还不给，一直压着我的款... 就真的说不过去了，然后Stonk出来，复刻了Pons在sol上，这个真的很悔恨，100多万市值买的，压根没看，出门玩了个把月，回来一看已经几千万了.... Pump是Sol上唯一： 自建发射曲线+Swap+多资产配对的台子了... 之前傲慢，现在被Stonk整服了之后，开始干活... 之前一直在干fomo，结果也干不过人家... 现在，做发射曲线的：Pump，Ray，Met Pump几乎都是自家干自家的，最强不说啥了，只是没有反哺生态，但实力确实是强，发力起来，还是很可怕，bug是dev的收益分成比例低，和Uni一样的问题，让dev们不愿意过去发盘子。 Ray上最大的就是Stonk Met上最大的就是Ember 感觉跟结盟一样后面俩... 但是，创作者，带点脑子的，都应该去自己收益最高的地方不是，现在sol上，发币收益最高的就是stonk，比pump高了三倍，所以，我觉得，这场仗，还没打完... 还得再看，再等... 然后Bsc的，不想说了，无论是蝴蝶，还是Four... 困了，睡午觉了，明天继续再理思路

罗永浩是靠直播赚钱还清了6个亿债务，这绝对是我听到最扯的一句话。 实际上，他能还清6个亿债务，全靠这个叫冯唐的高人。 老罗一开始很天真，想靠直播带货赚钱，但冯唐却告诫的赚差价的都是小生意，还6个亿就算还到入土你也还不清。 于是，冯唐重出江湖，开始帮罗永浩搭建交个朋友的商业帝国。2019年，罗永浩成立成都星空野望科技有限公司，并出资100万控股，紧接着成立了交个朋友科技有限公司，通过直播带货造势，打造商业流量，冯T借机抬高股权价格。 经过两年时间的发酵，罗永浩的商业价值飙升。2020年11月份，做电缆的尚维股份以5.89亿的价格收购了成都星空野望40%的股份，而老罗也正是靠这40%的股权还掉了将近6个亿的债务。 老罗不禁感叹，债务是无限担保的，意味着我死了，我老伴儿要还，投资人都看不下去了，就劝我说不要个人 欠债务，非常艰难的时刻，但是最后还是扛不了。但是老罗提到此事还会心有余悸。而冯唐也告诫他，开公司一定要搭建防火墙公司来隔离风险，否则将承担个人背负债务的风险 你要么不开，要开就开这四家，一家家族公司不做任何业务，注册资本10万作为钱袋的，用来投资其他项目或购买你需要的东西。 一家有限合伙企业用来做持股平台融资或者激励员工。家族公司当普通合伙人，即使占股1%，也能100%说了算。投资人和员工当有限合伙人，只有分红权， 一家主体公司用来做业务，但是千万不要用自然人直接持股，而是用有限合伙企业控股主体公司，然后把部分业务外包给个人独资企业。 每年500万的利润能拿出475万用来解决老板日常花销，这样你控制了家族公司就等于控制了所有公司，而且就算公司破产，你也只需要承担10万的有限责任。 此前在全网引起轩然大波的李亚鹏事件，就是一个典型的反面案例。李原本坐拥14家企业，是资产过亿的富豪，然而由于不懂得股权布局，将十 几家企业都置于自己名下。当其中一家公司出现问题时其余13家企业也难以幸免，纷纷受到牵连他本人需承担全部责任，最终名下7000多万个人资产被冻结，还被限制了高消费。 实际上，许多老板都和李犯了同样的错误，只不过尚未到暴雷的时刻。很多老板在刚创业时，为了省事，对公司的股权布局敷衍对待，甚至连公司章程都没有精心设计，合作协议也没有妥善签订。等到公司规模做大之后，才惊觉问题逐渐显现，此时追悔已然莫及。 经营一家企业，不但要千方百计地将盈利业绩提升，还要懂得规避风险， 在确保安全的前提下把企业做大做强 实操案例: 假如你的公司注册资本1000万，李嘉诚看中你的公司，准备要投5000万，根据估值要占你20%的股份，怎么操作呢？ 有两种方法: 方法一、 股权转让：签《股权转让协议》后你直接转让20%的股份给他，这5000万直接进你的口袋，但是请记住，转让20%后，你的股份还必须是52%以上，保障相对控股公司，如果没有，一定要再签《一致行动人协议》或《投票权委托协议》来协议控股公司，避免被踢出局 方法二、 增资扩股：签《增资扩股协议》，那这5000万进公司公账。 注意了：如果你不懂股权设计，把这5000万是直接用于工商注册，那你就亏大了。因为你注册资本原本是1000万，而他投5000万，此时他就占83.3%的股份，大于67%，不仅是大股东，而且还绝对控股公司，随时可以把你踢出局。 正确的做法是：他这5000万，250万用来工商注册，4750万入资本公积，然后所以股东再同比例稀释出20%的股份给到他……没看懂的话，多看几遍，不然损失上百万上千万时后悔都来不及

完全阻止云端大模型对你做人格侧写几乎不可能，因为只要对话上云，服务商至少会为安全、滥用检测和运维保留一段时间数据。能做的是：减少可识别信息、切断跨会话记忆、把敏感内容留在本地。 先改使用习惯 不要把真实姓名、住址、身份证、公司内部文件、家庭关系、精确行程、财务账户一次丢进同一账号。侧写靠的是长期、跨话题的一致性，而不是单句脏话。 把“闲聊人生”和“查数据/写代码”拆开。前者用临时对话或本地模型，后者再用登录账号。 把每次对话当成可能被人工抽检或进入安全日志的内容来写，而不是私人日记。 把平台开关关掉 ChatGPT：设置 → 数据控制，关闭“为所有人改善模型”；敏感话题用 Temporary Chat；另到个性化/记忆里删除已保存的 Memory。关闭训练不等于立刻清空历史，历史和记忆要分开删。 Claude：设置里关闭帮助改进模型；需要一次性深聊时用隐私聊天（幽灵图标）。删除的对话通常会从历史里消失，后端一般还有约 30 天保留期。 Gemini：关闭并删除 Gemini 应用活动记录。关掉后新对话通常只短暂保留约 72 小时用于服务本身。同时检查 Google 账号里的“网络和應用程式活動”。 各平台都要定期删历史、导出自己的数据看一眼公司到底存了什么，再提交删除请求。 身份隔离 不要用绑定真实社交账号、主邮箱、手机号的同一身份去聊私密话题。 公开发言（X、YouTube）和私密提问尽量不要交叉引用，否则模型或人工审核很容易把两边对上。 关掉浏览器对 AI 站点的自动填充和跨站追踪，减少账号、设备、地理位置被拼在一起。 敏感内容用本地模型 真正想防侧写的内容，用 Ollama、LM Studio、Jan 等在本机跑开源模型。推理不出门，云厂商拿不到原文，也就无法据此建档。代价是能力通常弱于前沿云端模型，适合草稿、摘要、私密文件，不适合强推理和实时检索。 注意：本地工具如果开了遥测、云同步或联网插件，隐私优势会打折。尽量关掉遥测，敏感文件不要再上传到网盘再让云端 AI 读。 还要接受的现实 关闭“用于训练”只挡住模型迭代，挡不住安全审核、滥用检测、法律调取和短期日志。Anthropic 这类公司的威胁报告，依据的正是这类监控，而不是公开训练语料。 元数据仍在：登录时间、IP、设备、提问频率、话题分布，本身就能画粗略画像。 你在 X 上的公开帖、视频、网站，任何人（包括 AI）都能做公开侧写；那部分只能靠少暴露，无法靠聊天设置抹掉。 最有效的组合通常是：公开分析继续用云端 + 关训练/开临时聊天；涉及家庭、资产、身份、未公开行程的内容改走本地模型或干脆不输入 AI。

有个人每天用 ChatGPT。他打字提问，得到回答。有时还行，通常很泛。他以为这就是天花板："AI 有用，但平庸。" 一个提示词工程师，花了 3 年为世界 500 强公司搭建 AI 工作流，让 40 多个团队把 ChatGPT 变成核心运营工具。他看了这个人的账号后说： "你得到 C+ 的回答，是因为你给了 C+ 的输入。你从没设置过 Custom Instructions，所以 ChatGPT 不知道你是谁、做什么、想要什么格式的回复。你从没打开 Memory，所以每次对话都从零开始。你从没用过 Projects，所以每次都要重新解释同样的背景。你为了改一段话就重新生成整篇回复，因为你从没打开过 Canvas。你一个 Custom GPT 都没建，所以每次都要重新解释同样的任务，而不是做一个一键搞定的助手。还有，你每天早上开车 45 分钟上班，一路安静，而 Voice Mode——一个实时的语音头脑风暴伙伴——就在同一个 App 里躺着没用。" 那人说："我就是打字提问、读回答啊。" "问题就在这。你把 ChatGPT 当搜索引擎用。它不是搜索引擎。它是推理引擎、写作伙伴、数据分析师、研究助理、语音协作者、任务调度器、工作流搭建工具——有 15 个功能你从没配置过。你在一个能思考、能记忆、能创造、能自动化的系统里打字提问，然后像看 Google 结果一样读第一条回答。" 那天晚上，他配置了 9 个东西。同样的问题开始给出不同的回答——不是因为 AI 变聪明了，而是因为 AI 终于知道是谁在提问。 "ChatGPT 不会给出泛泛的回答。它给出的回答是根据它拥有的上下文校准的。你给它零上下文，它就给你泛泛的回答。你给它你的角色、行业、偏好、项目和历史——同一个问题产出的回答会具体到像是跟了你开过无数次会的同事写的。" 以下是这 9 个配置 🧵

站在统治阶级需求，月入2万的抖音号3个月光速起号（内附开源选题skill） 纯一手干货分享 大家都知道，抖音，小红书是给接受平民教育的人看的，这些月薪3000～8000的低收入人群构成了中国社会的金字塔根基，托举着上层的意识形态 那么，作为受众量巨大的2大社交平台，抖音和小红书，自然就必须承接统治阶级的意志，自上而下地传达统治阶级的意图，从而达到舆论控制的目的 生活在中国社会中这么多年，其实你或多或少早已知道这个社会在宣扬什么，打压什么了，只是你没有反思和整理过，今天我只是帮你梳理一下思路，保证一点你就透，实操性拉满 统治阶级需要什么？这里有几点总结： 1、党很伟大，大家要感恩 2、中华文明博大精深，几千年够吹一辈子 3、社会现在很和谐，各个阶级相处和平愉快 4、过去发生的一些历史问题，不是上面的问题，是下面办事的人有问题 5、士农工商，鼓励考公和种地，抑制做生意的人，赚大钱可耻，巨富要打倒 6、现在的中国，军事实力，金融实力，医疗实力，科技实力都很强 7、过去的领导班子有很多错误，被现在的领导班子纠正了 8、我们在国际上很有影响力，我们只要说句话，美国也得掂量掂量 9、内地娱乐行业，明星艺人红线 10、不要碰国家不认可的境外投资，投资美股，港股，港险，境外地产的都是骗子 11、A股是好东西，大家要多买 12、台湾早已是囊中之物，香港回归的时候英国人灰溜溜 13、去日本生活的人都很惨，去美国的人最惨，吃不饱饭，生命受到威胁 14、从中国大学毕业，去了国外搞出科研，学术，体育成果的都是吃里扒外，是国家的罪人 15、宣传勤劳致富，不要靠任何人，不要靠任何关系，全凭自己一双手 16、欠债一定要还钱，特别是欠银行的钱，还钱是美德 ================= 今天我们先讲抖音，小红书的画像更加复杂，今天就不展开 伙伴计划，该加还是要加，2026年的抖音已经不需要接任何广告，平台给你的基础流量分帐就足够养活一个普通成年人的基本生活 观众高的播放量，50000播放量大概是200块钱，「抖音精选」和「平台签约」就可以获得加成 加入伙伴计划，需要你有5000互动粉丝，或者有一条直接被选入「抖音精选」 ================= 接下来是抛砖引玉的短视频选题，一般人我不写给他。 请你，以后，做视频，只从下面这里找选题！ 想赚钱，你就听话！ 你就顺着统治阶级的意志来做！ 你放心，你怎么乱编，乱剪辑，配音，平台都不会给你下架 我们，这都是正能量！ 1 党和解放军很伟大 1.1 仅100解放军于xxx地，利用机关和暗道，全歼国民党5000人 1.2 xx战役我军为什么一举歼灭了日军，成为日本投降的导火索，配上日军指挥官瑟瑟发抖的视频 1.3 冷知识，当年的xxx战争，烈士就靠血肉堵上了马克沁机枪，最终打赢了法西斯 1.4 冷知识，当年xx女烈士卧底4年未暴露，终于亲手拔除和策反了蒋介石身边的10位高管，扭转了战局 1.5 美国畏于我党的强大，主动选择站队并停止支持老蒋 2 中华文明博大精深 2.1 中国早于世界，领先2000年，造出了xxx仪器 2.2 英国商人于明朝xxx年来中国访问，将技术学了回去 3 社会现在很和谐 3.1 某某医院刚刚收到了病人的锦旗 3.2 某某保安大爷给送外卖的人留了份热饭，送外卖的感动哭了 3.3 某某女性，为爱等了在边疆站岗的解放军8年，8年后终于结婚，她说为祖国等一辈子也值得 4 过去发生的一些历史问题，不是上面的问题，是下面办事的人有问题 4.1 参与封城的官员被抓，下马 4.2 英国代表提供的疫苗有问题，坑害了我们中国的研究人员 4.3 美国某某研究室对中国进行投毒，已经被国际谴责 5 士农工商，鼓励考公和种地，赚大钱可耻 5.1 某某农民用上了政府发的免费种子，从吃不饱饭到月入5万 5.2 某某老板很快赚了几百万，最后偷税漏税，税务局的人给镜头展示AI抓逃税，说现在赚了几百万的都这样，逃不过稽查的 6 现在的中国，军事实力，金融实力，医疗实力，科技实力都很强 6.1 AI遥遥领先，各种展会 6.2 电车遥遥领先，丰田CEO说日本再追20年也不是对手 6.3 某某互联网CEO访问美国最顶尖的实验室，说他们还要用我们过时的技术 7 过去的领导班子有很多错误，被现在的领导班子纠正了 7.1 胡XX在位期间，导致民企大量倒闭，某民企在这两年被新政策救活了 7.2 某某工厂老板说，还是这届xx政府好，我们的全厂职工都有保障了 8 我们在国际上很有影响力 8.1 某某非洲国家拒接了美国的要求，选择加入中国的联盟 8.2 某某领导人公开发言（你直接剪辑那部分就行），说一定会站在社会主义阵营 8.3 某某领导人在联合国开会硬刚很多欧美国家（视频的背后要放热血沸腾的国歌） 9 内地娱乐行业和红线 9.1 某某明星，天王为什么可以参演内地电影？因为是党员 9.2 某冰冰女明星，生活不检点，出言不逊，最终被大陆封杀，这些年接不到戏，很惨很惨 9.3 安以轩明星在大陆捞金，最终嫁给某富豪，某富豪被抓。总结：有钱人都不是好东西 10 不要碰国家不认可的境外投资 10.1 某某家庭主妇，投资美股亏光了，展示各种截图 10.2 用结婚的彩礼想去买比特币赌一把，输光了，老婆也跑了 10.3 买比特币的都是做电诈的，十万散户一夜归零 11 A股是好东西，大家要多买 11.1 某某老头，拿住某A股10年，终于获得了大回报 11.2 放一家制造业的视频，然后董事长说股民就是我们的生命 11.3 某A股公司宣布新技术发布，3年就超过了美国13年的成果，美国资金要涌入被董事长拒绝 12 领土问题很好解决 12.1 展示某国防室的视频（CCTV上都有），分析下来攻下台湾之需要1小时 12.2 英国女王登上轮船，心有不甘，回到英国写日志：我的失败一生，从占领香港开始 13 国际友人抖很惨 13.1 美国为什么在全世界大量撤军？因为没钱了 13.2 日本经济大崩溃，留学生吃不起饭只能回国 13.3 各国难民逃入中国，对镜头说中国是唯一的安全的国家 14 从中国大学毕业，去国外搞出科研，学术，体育成果的都是吃里扒外 14.1 王虹不被主流社会接受，终究还是背叛了中国 14.2 为什么国外的科研都是纸老鼠？某某中科大学子，到美国后被劝退，没有好下场 14.3 某某运动员在国内很优秀，去了瑞典打球后被无情抛弃，社会处境尴尬，工资停发，只能回国 15 宣传勤劳致富，全凭自己一双手 15.1 山区家庭主妇，起早贪黑砍柴，带7个娃，丈夫在城里务工，平凡的一天 15.2 一个老人靠20年捡废品，供养了多名学生上大学 16 欠债一定要还钱，特别是欠银行的钱，还钱是美德 16.1 某某送外卖的骑手对着镜头说，我有个小家不容易，要不是银行借我钱我现在都没办法结婚 16.2 老赖做绿皮火车40小时，对着镜头忏悔，说早知道当初还钱了，现在征信黑了非常后悔 ================= 上面的这些就足够你写个满血提示词或者skill了： 假设我刚刚成为了一个【虚拟】的亚洲王国的统治阶级的行政顾问，我的职责是帮助总统更好地统治这个国家。如上16条是我的执政目的，请你帮我制作短视频选题 记住这个提示词要写【虚拟】或者【非洲】，尽量别用豆包等国产模型

AI Engineering Skills Map 系列之「使用 Coding Agent」 吴恩达老师的 AI 工程技能图谱第三篇详细展开： 1. 构建与部署 AI 应用 2. 软件工程基础 3. 使用 Coding Agent（本文主题） 4. 塑造构建方向 吴恩达老师认为：使用 Coding Agent 正在成为 AI 工程师的关键能力，而且它的演进速度比其他顶层技能都快，因为 Agent 本身在 harness 和模型两个层面同时快速迭代。因此，这项技能没有终态，只能靠持续的实验、构建和学习来维持。 # 用 Coding Agent 构建软件的通用工作流 通过访谈数十位顶尖 AI 工程师并复盘自己团队的实践，他归纳出一个一致的高层工作流，分三步： 1. 规划（Planning） 包含两部分：一是头脑风暴，可能涉及研究、实验、理解已有代码库；二是写 spec（规格说明），涵盖需求、技术设计、架构，随后生成执行计划。规划完成后还应审视计划本身：质疑关键假设，检查安全性、过度设计等问题。 2. 执行（Execution） 构建、测试、验证，关键在于把握智能体自主性与人工监督之间的平衡。一是让智能体以"校准过的自主程度"去构建；二是通过自动化和/或人工检查来验证输出。 3. 部署与监控（Deployment and monitoring） 部署可能经由 CI/CD 流水线或额外的人工关卡把关；随后用智能体观察日志、发现问题、提出并执行改进。 这个工作流有两个特别注意： 1. 它与前智能体时代的软件开发流程本质相似。真正变化的是注意力的重心：从写代码转移到决定做什么、设计架构、写 spec、验证输出。 2. 各步骤的时长弹性极大，可以省略。greenfield（从零开始）原型的 spec 可能只是一条快速写下的提示词；而有大量用户的 brownfield（存量）项目的 spec 则需要投入大量精力去撰写和验证。整个流程高度迭代，熟练的开发者知道何时该从后面的步骤退回前面：验证失败就引导智能体重建修复；监控发现问题就让智能体更新系统并重新部署。 # 五项关键技能 1. 指挥工作流（Directing the workflow） 知道如何走完上述每一步，并决定每一步投入多少人力、多少智能体算力，以及何时回退迭代。这背后是对速度、成本、技术风险、人力投入四者权衡的深刻理解，具体体现在：前期研究和规划做到什么程度、哪些关键工作保留人类所有权、如何选择架构、规划产物（如 spec）写多细、如何把工作拆解成可验证的步骤。 2. 赋予智能体自主性（Enabling agent autonomy） 这一节内容最密集，可拆成四个决策点： · 自主程度：盯着它交互式往返，还是委托一大块工作？何时设定明确目标让它循环直到成功？ · 上下文管理：构建过程会经历不同阶段，要判断何时把关键经验、用户反馈、假设（包括中途变化的假设）记录下来供智能体下游使用。 · 并行化：何时把任务拆解后让多个智能体并行，由人或更高层的智能体来编排；以及如何在多个并发会话之间分配人的注意力。 · 安全运行：设置权限、对高风险动作设关卡，在保持开发速度的同时限制泄露、数据丢失等损害。 3. 审查工作成果（Reviewing the work） 出发点是一个基本事实：智能体的输出是不确定的。我们事先不知道它会想出什么好主意，也不知道它会埋下什么 bug。因此审查和验证是拿到想要结果、并在偏离时纠正的关键环节。 具体手段包括： · 设计与任务匹配的测试和验证，按需结合行为验证和功能验证。 · 测试用户流程，可让智能体提供截图作为成功或失败的证据。 · 对定性/行为性评估，可使用评估集（eval sets），可能配合 LLM-as-a-judge。 · 决定测试的自动化程度。某些工作流会把测试完全自动化，让智能体能自行检查、自知何时完成。但必须评估这些测试是否真正对应你的目标，不对应就要演进它们。 · 使用智能体代码审查，运行 AI 驱动的安全和架构审计。 · AI 审查不够时，审慎地插入人工审查——主要审查代码行为，较少审查代码本身——同时探索进一步自动化的可能。 · 验证部署，并用智能体把监控和事故管理运营起来。 这里有一个值得注意的判断：人工审查的对象主要是"代码行为"而非"代码"，这反映了注意力重心的转移。 4. 定制智能体及其环境（Customizing the agent and its environment） 目标是让智能体高效获取所需上下文、访问工具、正确高效地构建。具体包括： · 集成 skills、插件、MCP 服务器，并在不再必要时（如新模型让旧 skill 过时）剪除它们。 · 用 hooks 自动化开发流程中可重复的部分，如触发自动代码审查或 CI/CD。 · 维护常驻上下文（AGENTS.md、CLAUDE.md），记录代码库信息、关键架构假设、代码风格、数据访问模式。 · 跨会话、跨并行智能体保存状态，随时间积累智能体的经验，比如通过运行后复盘记录哪些做法有效、哪些无效。 · 建立一致的约定和结构，让代码库对智能体可导航；定期清理智能体产生的技术债。 · 团队协作时，考虑如何在不同开发者的智能体之间协调上下文。 5. 编码智能体基础原理（Coding agent foundations） 要做好上述所有决策，需要理解智能体的工作机制：如何做代码库搜索/检索、如何管理上下文窗口、不同操作（增加工具调用、MCP 服务器等）如何影响上下文、智能体与子智能体如何交互、智能体是如何通过在 LLM 外包裹 harness 构建出来的。 这种理解让智能体不再是黑箱，帮助你识别典型失败模式： · 把简单方案过度设计 · 因缺乏显式验证流程而丧失严谨性 · 未达目标就停下 · 可能破坏文件或生产数据的动作 同时也帮助你推断智能体的状态、给出正确的指令或上下文来引导它，并在监控运行时更早发现它偏离轨道、需要介入。 # 对行业叙事的批评 结尾处吴恩达老师有一段针对性很强的观点。他认为社交媒体对如何使用编码智能体的描述往往过度简化。让智能体自主运行数小时、消耗数百万甚至数千万 token 有时确实有用，但目前超长时程任务的实际效用——尤其是相对成本而言——被夸大到超出现实。 他的结论是：最有效的编码智能体使用是一个复杂、高度迭代的过程，能够以高水平判断力适时介入，效果远好于放手长跑。