与「技能五輪全国大会」相关的搜索结果

#技能五輪全国大会# の 開会式でゲストとして 出演させて頂きました🏅 沢山の方の前で緊張しましたが 楽しかったです🌸 松蔭高校(和太鼓､獅子舞､ダンス) の皆さんとコラボできたのも 嬉しかったですし 私も元気を貰いました💭 選手の皆様、明日からの本番 応援しています📣😊🎌

分享一个帮助营销的skill，最近更新： 新增技能：prospecting（获客） 在一个技能中支持三种获客场景：SaaS、B2B、本地中小企业。三者共享同一套五阶段流程框架，但数据来源和筛选逻辑各有不同。 五阶段流程 1. ICP 定义 — 明确理想客户画像 2. 发现线索 — 从各渠道挖掘潜在客户 3. 资格筛选 — 按标准过滤不符合条件的线索 4. 打分排序 — 对合格线索进行优先级评分 5. 结果输出 — 以表格或 CSV 格式导出 各场景特点 - SaaS 获客：技术栈信号、融资/招聘动态、GitHub Star/Fork 作为开发者兴趣指标 - B2B 获客：企业画像 + 触发事件，通过 Apollo/ZoomInfo/LinkedIn Sales Nav 定位决策人 - 本地企业获客：浏览器辅助的 Google 地图调研，将网站状态分为四级 包含的参考文档 - Apollo、Clay、ZoomInfo、Clearbit、Hunter、Snov、Truelist、LinkedIn Sales Nav、BuiltWith、Crunchbase、RB2B、GitHub、Firecrawl、Browserbase 等数据源详解 - 合规指南：CAN-SPAM、GDPR、CASL、平台使用条款、反模式清单 - 6 个评估测试用例

作为一个把 Claude 用到极致，codex偶尔使用的非技术人员，我来谈一下我对于codex和claude的感受： Codex 正在吞噬应用层的一切，Claude 正在吞噬编码层的一切 先说 Codex 的应用层吞噬 Codex 现在已经不是一个编程工具了 它是一个能操作你电脑上所有东西的超级 App，这点大家应该都深有体会 1. Computer Use - 后台操作你的 Mac 4 月 16 日上线，Codex 可以用自己的光标看、点击、输入 多个 Agent 可以在你的 Mac 上并行工作，不干扰你自己的操作 前端设计、游戏开发、任何 GUI 应用，它都能操作 2. Chrome Extension - 接管你的浏览器 5 月 7 日上线，Codex 现在能直接在 Chrome 里工作 它能操作你已经登录的网站，使用你的 Cookie 和认证状态 跨多个标签页并行处理任务，在后台运行不打断你 3. 90+ Plugins - 连接你的所有工具 GitHub、Slack、Gmail、Google Drive、Notion 每个 Plugin 打包了 Skills、App 集成、MCP 服务器 一键安装，直接用 4. Skills - 把重复工作变成一条指令 你可以把任何多步骤工作流打包成一个 Skill 输入 / 触发，就像训练好的员工一样 OpenAI 自己用 Skills 做每日问题分类、CI 失败总结、发布简报 5. Automations - 让 AI 在你睡觉时工作 设置定时任务，Codex 可以自动运行 每天早上生成工作简报，每周五做项目总结 它甚至能跨天、跨周持续执行长期任务，自动唤醒继续工作 6. Memory - 记住你的偏好和历史 Codex 会记住你的个人偏好、纠正过的错误、花时间收集的信息 下次任务自动用上，质量更高，速度更快 7. 图像生成 - 直接在工作流里生成图 集成了 gpt-image-1.5，需要配图的时候直接生成 不用跳出去用别的工具 你自己能发现，Codex 的逻辑是什么？ 让 AI 成为你所有软件之上的操作系统 不是造新工具，而是把现有工具全部串起来 这才是应用层吞噬 再说 Claude 的编码层吞噬 Claude Code 在 2026 年的定位已经非常清晰： 它要重新定义什么叫“开发者” 1. 100 万 token 上下文 - 读取整个代码库 Claude Code 能读取你的整个项目，理解所有文件之间的关系 不是单文件建议，而是跨文件重构 2. 自主执行 - 从规划到测试全自动 你只需要描述想要什么，Claude Code 会： 规划方案 → 写代码 → 运行测试 → 读取错误 → 自动迭代修复 整个过程不需要你插手 3. Terminal + IDE + Desktop - 全场景覆盖 在 Terminal 里用命令行 在 VS Code、JetBrains 里用插件 在 Desktop App 里用图形界面 所有配置、MCP 服务器、Skills 全部同步 4. SWE-bench 80.8% - 行业最高分 这是衡量 AI 解决真实 GitHub Issues 的标准测试 Claude Code 是 2026 年最高分 真实团队用它 20 小时迁移 5 万行代码，事故调查时间减少 80% 5. 自动记忆 - 记住你的构建命令和调试模式 Claude Code 会自动保存项目上下文、调试模式、你偏好的方法 跨 Session 记忆，不用每次都重新解释 6. Hooks - 自动化你的开发流程 每次编辑后自动格式化 每次提交前自动 Lint 用 Shell 命令串联整个工作流 Anthropic 自己说，他们公司现在大部分代码都是 Claude Code 写的 工程师的角色变成了：架构师 + 产品思考者 + 编排者 管理多个 AI Agent，给方向，做决策 这就是编码层吞噬的本质：把编程从技能变成了表达 所以，Codex vs Claude 的本质区别是什么？ Codex 的方向：应用层超级个体 操作你已有的软件，自动化所有日常工作 适合 90% 的普通人 核心能力：串联现有工具 Claude 的方向：编码层超级个体 帮你写代码、改代码、部署代码 适合 10% 的创造者 核心能力：从零创造新东西 但这里有个被所有人忽略的东西：Claude 不只有 Code，还有 Cowork Claude Cowork 是什么？ 它是 Claude 针对非技术人员推出的应用层工具 Marketing、Data 团队发现自己在用 Claude Code 做复杂的多步骤工作 Anthropic 观察到这个现象，就做了 Cowork Cowork 的核心能力： 操作你的本地文件和应用 38+ Connectors 连接 Slack、Notion、Google Drive、Microsoft 365 Projects 让每个项目有独立的文件、上下文、记忆 Scheduled Tasks 定时自动执行任务 Plugins 打包 Skills、Connectors、Sub-agents 你看，Claude 的野心其实是： 用 Claude Code 吞噬编码层 用 Claude Cowork 吞噬应用层 如果你是普通人，想提升日常工作效率： Codex 和 Claude Cowork 都可以 Codex 的 Computer Use 更激进，能操作任何 GUI Claude Cowork 的 Projects 更稳定，适合长期项目 如果你是开发者，想做产品、做项目： Claude Code+codex 是第一选择 SWE-bench 最高分的规划能力+codex的推理能力，代码质量最好 2026 年的 AI 竞争，比的是谁能把 AI 更好地嵌入到用户的日常工作流里 Codex 在应用层走得最激进 Claude 在编码层走得最深，同时用 Cowork 补齐应用层 这两个方向，正在重新定义“一个人能做什么” 应用层和编码层，都在被 AI 吞噬，而我们，正站在这个变革的最前沿，真的很兴奋！

黄仁勋最近的一段话，点醒了很多人。 前三次工业革命，淘汰的几乎都是“重复劳力”： 1790年，纺织机出现，几十万纺纱女工被机器取代； 1920年，汽车普及，马车夫一夜之间失业； 2012年，数码时代到来，Kodak轰然倒下，12万员工离开工厂。 而第四次工业革命，AI开始淘汰的，是“重复脑力”。 录入员、编辑、跟单员、基础设计师、初级金融分析师……那些高度标准化、流程化、可复制的白领工作，正在像当年的流水线工人一样，被算法吞没。 很多人直到今天还没意识到： AI最先替代的，不是体力劳动，而是“像机器一样思考的人”。 就在昨天，黄仁勋在Carnegie Mellon University演讲时，反而给年轻人指出了一条“旧路”： 电工、水管工、技师、建筑工人、钢铁工人……这些曾被很多人看不起的职业，正在重新变得珍贵。 因为AI会写代码，却不会爬进漏水的地下管道； 会生成PPT，却修不好烧掉的配电箱； 能写出一万份商业计划书，却没办法在零下十度的工地里焊一根钢筋。 与此同时，北京的昌平职业技术学校突然火了。 5月10日开始收简历，很多家长提前一天排队。 有的专业只招30人，却有五六百份简历。 甚至还有穿着人大附、清华附校服的孩子，也在队伍里。 人们忽然发现： 所谓“体面”的白领岗位，可能只是看上去光鲜； 而真正稳定、长期、难被替代的，反而是那些能真正解决现实问题的技能。 航空服务、新能源汽车维修、智能设备运维、通信线路铺设……这些专业听起来不够“高级”，却有超过95%的就业率，很多去向还是国企。 一个月六七千，加五险一金，家里有房，没有高额房租焦虑，日子未必输给那些挤进985、211后，却在大城市里为裁员和房租焦虑的年轻人。 时代正在悄悄翻面。 前几年，所有人都往金融和互联网里挤； 今天，越来越多人开始重新尊重技术工种。 前几年，“职校”是很多家长羞于启齿的词； 如今，好专业却已经开始抢破头。 这并不奇怪。 因为所有的行业，本质上都逃不过周期： 地产如此，股市如此，学历如此，职业也是如此。 当一个赛道被过度追捧时，它往往已经接近拥挤； 而真正的机会，常常藏在人们集体看不起的地方。 更深一层看，人类社会其实从未真正奖励“学历”，而是在奖励“不可替代性”。 过去工业时代，机器替代肌肉； 如今AI时代，算法开始替代大脑里的重复动作。 但那些需要真实世界协作、复杂环境判断、现场经验、人与人信任的工作，反而越来越难被取代。 AI再强，它终究只是住在服务器里的数字幽灵。 而给它铺电网、建机房、做散热、修设备、维护城市运转的，依然是一个个满身烟火气的碳基人类。 技术越发达，人类最后的价值，反而越会回到“真实”本身。

完了，看相先生也要失业了！ 我把这个掌纹给GPT，看看它都说了些啥： 我按传统手相娱乐解读来看；健康部分只能做非诊断性的生活提醒，不能仅凭掌纹判断疾病。 一、掌相整体感觉 从图里看，手掌纹路比较多、细纹密，主线相对清楚，掌肉偏厚，掌色偏粉红。 1. 性格与思维 你的掌纹属于细纹较多、交叉线多的类型，传统说法里一般代表： 脑子停不下来，想法多，容易同时考虑很多事情。 对机会、风险、人情变化比较敏感。 做事不是特别“粗线条”，更容易反复推演、比较谨慎。 容易操心，尤其是事业、钱、家庭责任类问题。 简单说：不是那种完全随缘型，更像靠判断、试错、复盘往前走的人。 二、三大主线 1. 生命线 生命线从拇指根部绕下来，整体看比较长，弧度也明显。 传统手相里，这通常代表： 底子不算差，恢复力还可以。 不是特别弱的体质。 但生命线附近有不少细碎横纹，说明容易因为压力、熬夜、劳累造成状态波动。 这类掌纹的人，身体不一定差，但很怕长期透支。一旦睡眠、饮食、情绪乱了，状态会明显下降。 2. 智慧线 智慧线比较长，并且有向下走的趋势，细纹干扰也较多。 传统解读： 思考能力强，适合分析、策略、判断、写作、交易、内容创作、技术规划这类事情。 直觉和想象力不差。 但容易想太多，脑力消耗大。 遇到压力时，容易出现“越想越累、越累越难停”的状态。 这条线比较符合长期高强度用脑型的人。 3. 感情线 感情线在上方横走，图里能看到但不是特别单一深刻，旁边细纹较多。 传统说法： 情绪感受比较细。 对关系、人际反馈、认可感会比较敏感。 表面可能理性，内在其实容易受情绪牵动。 不太适合长期压抑，有事憋着不说容易内耗。 三、事业与财运倾向 掌中央有比较明显的纵向线条，类似事业线，但中间有交叉和干扰纹。 传统解读： 事业不是单一路线平稳上升，更像阶段性转折、靠自己摸索升级。 适合靠技能、判断、内容、系统、项目积累来赚钱。 早期或中期容易有反复：方向调整、项目切换、压力较大。 财运更偏“靠脑力、经验、系统化积累”，不是纯靠运气暴富型。 如果按掌纹看，你比较适合做：内容/IP、自动化系统、投资策略、技术工具、商业判断型工作。但也要注意不要摊子铺太大，细纹多的人容易“多线作战后被自己拖累”。 四、健康提醒：只能作为生活观察 不能通过掌纹判断具体疾病。但从手掌状态和纹路密集度看，可以给几个偏实用的提醒： 重点注意 1：睡眠与神经疲劳 细纹多、智慧线干扰较多，传统上常被看作“思虑重、脑耗大”。 现实建议： 少熬夜，尤其不要长期凌晨后还高强度用脑。 睡前减少刷信息流、看行情、写策略。 如果经常头胀、心烦、失眠、早醒，要优先调整作息。 重点注意 2：脾胃与消化状态 掌色整体偏粉，但纹路多、掌面略显干，传统上会提醒注意消化吸收和压力型胃肠反应。 现实建议： 少冰冷、少油腻、少空腹咖啡。 高压期不要一边工作一边乱吃。 如果经常胃胀、反酸、腹泻/便秘交替，建议正规检查。 重点注意 3：心血管压力管理 掌纹不能判断心脏问题，但长期压力、熬夜、焦虑、久坐本身就会增加负担。 建议： 每周固定有氧运动 3 次以上。 控制久坐，每 60–90 分钟起身活动。 定期测血压、血脂、血糖，尤其如果家族里有相关问题。 重点注意 4：手掌干燥与皮肤状态 图里掌纹较明显，也可能和拍摄角度、干燥、清洁剂接触有关。 建议： 经常洗手、接触清洁剂的话，用护手霜。 如果有脱皮、瘙痒、裂口、红斑，要考虑湿疹/接触性皮炎等，找医生看更可靠。 五、总评 按传统掌相看，你是典型的： 脑力强、责任感重、机会感强，但容易操心和长期透支的人。 事业上适合靠判断力、系统能力和内容/技术复利积累；健康上最需要防的不是“先天弱”，而是睡眠不足、压力堆积、久坐和脑力过载。 更准确的健康判断不要看掌纹，最好做一次基础体检：血压、血脂、血糖、肝肾功能、心电图、维生素D、尿酸这些，比手相可靠很多。

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。

断供率翻倍 最近留言问我中年焦虑的读者越来越多，主要是失业和收入下降，另一边负债是刚性的，月供一分也不会少，一下子就导致生活压力骤增。这里就不说房价的事了，只说说职业生涯规划的问题。 我其实很早就写过一篇文章，把职业生涯拆分成5要素，按重要程度升序排列分别是体力、时间、技巧、经验、人脉。低质量的工作通常是体力+时间的比例较高，而一个有成长性的高质量工作则更多的包含了技巧、经验、人脉。 都说女怕嫁错郎，男怕入错行。这句话老话的本意还是提醒从一开始进入职场就要进行规划，尽量从事可以持续积累技巧、经验、人脉的工作，这样的你会随着时间一直在成长，建立专属于自己的竞争力门槛。 一些职场老人说年轻人不要太过在意起薪，要更专注自身发展，也是这个意思。如果你长时间从事没有积累没有成长的工作，长时间的处于舒适区，到了中年就会产生危机，因为你的实际能力已经匹配不上你的收入，你很依赖目前的岗位，因为一旦失去你大概率找不到同等待遇。 而让一个中年人和年轻人比拼时间和体力，无异于自取其辱。中年危机只能预防，等到它爆发了再想怎么办，只能凉拌。 至于具体哪些工作有成长性，最典型的就是医生和律师，后期英雄，中年没有危只有机，另外像投资、咨询、产品运营管理这些都很依赖技巧+经验，年轻人难以替代。然后就是猎头、高端销售、私人服务，也可以靠持续搭建的人脉关系越混越好。还有更多职业，你们可以把我上面的内容复制给ai，让它们帮着扩展总结。 如果实在迷茫，就问自己三个问题： 1、我目前接触的客户，5年后还能给我带来资源吗？ 2、我现在做的项目，3年后写进简历还能加分吗？ 3、我目前学习的技能，10年后会过时吗？ …… 今天a股成交2.11万亿，市场中位数表现不错，涨了0.68%。之前的明星板块，比如ai科技、半导体、电池、黄金继续在调整，不过幅度不大，没有上周五那么血腥。 今天涨的也不算老登板块，传媒、游戏、光伏、煤炭，各有各的理由。如果看持续性的话游戏板块是里面最好的，年内涨幅51%，远远跑赢大盘，三季度游戏公司的财报大面积超预期，在这个实体消费萎靡的年代，游戏这类虚拟消费却在逆势增长。 昨天有人问我大盘会不会在4000点来回穿插，我看似答非所问写了a股长期的底线是年线的ma20，目前3080点，以每年130-140点的速度上移，其实是想说在这个底线之上的所有波动都是可能的，4000点自然也会是频繁上下的整数关口。 这里大家要注意，上证年线的ma20它不仅仅是坏情况的下限，如果大盘涨多了，离它远了，也有引力把大盘拉扯回来。历史上指数从未脱离ma20运行，每隔几年就会回踩确认支撑，所以如果是以超长周期来做投资的话，每次在ma20线上买，离远了就分批出，这算是在a股一个说的过去的策略。 那现在呢？其实在常规波动里现在也到了该卖的节奏，但你也不能卖的太狠，因为a股除了常规波动外，还有2007、2015那两年异常波动，错过了要拍大腿的。要不是有这个盼头吊着我，我之前抛售的仓位毫无疑问会更多。 …… 1、今天挖黄金的矿企没怎么波动，那些卖黄金首饰的纷纷大跌，老铺黄金单日大跌7%，基本跟上了泡泡玛特的进度。关于这次黄金税收新规的解读有多个版本，行业内部也没有完全达成共识，今天比较流行的一种说法是未来珠宝商采购黄金的增值税抵扣率从13%降至6%，成本增加7%。从而对这些黄金首饰商家的利润影响15-20%。 可以肯定的是新规对场外交易的金条肯定不友好，官方不希望大量金条在没有监管的民间交易。比如今天深圳水贝市场的黄金价格从930涨到了990，这很明显就是把税加进去了，因为深圳水贝就是标准的场外交易。 虽然税加了，但你们想买的话该买就买，不必因为多这7%的增值税就改变主意，政策鼓励的未必是好事，限制打压的也要看实际结果。 2、看到一个银行数据，中国目前平均住房断供率3.7%，比2022年的1.6%翻了一倍多。我还特地把图片放大，确认是%，不是‰，部分三四线城市断供率5%。前几天刷到一个短视频，里面的房东借钱卖房，因为房屋现值已经低于欠银行的贷款，需要借一笔钱才能填上窟窿把房子卖出。 3、台积电已经准备在2026年对先进制程（说是5nm以下）涨价4-10%，并且这是连续4年涨价计划的开始。台积电一直是全球芯片制造的龙头，它们主导涨价会对行业产生巨大影响。 4、中欧在布鲁塞尔就出口管制进行磋商。欧洲那边拿捏我们的是电动车进口门槛价，我们这边拿捏欧洲的是稀土出口，另外还有市场准入、政府补贴的分歧。我们和欧洲的关系虽然没有像美国那么尖锐，但这几年也一直有摩擦，肉眼可见的矛盾增加。 就这些吧，发射了～

维护视力的个人经验： 一，保持健康体重，多运动。胖子的糖尿病和高血压的风险更大，对眼睛健康危害极大。 二，多在户外运动，尤其是早晨的阳光沐浴，对视力维护极有好处。 三，看书时间不要过长。可以过一会就起来练习靠墙站桩，或者打几分钟和站桩结合的太极拳。只要你姿势到位，对自己足够狠，站桩对身体气血畅通，和眼睛清亮有奇效，是那种练三分钟以上就立竿见影的效果。而且打太极拳的时候常有新的有创意的想法冒出来，是主权个人值得学习拥有的技能。 四，如果近视，就 25岁之后直接做 lasik 手术矫正好了。这个技术有三十多年的历史，非常成熟安全。关键在于术后保持健康习惯，维护视力。戴着眼镜时，做各种运动还是觉得不方便，这样会潜移默化的减少运动的时间，不利于健康习惯的培养。 五，如果没有以上健康习惯，很多人四十出头就开始慢慢老花了，愈演愈烈，导致各种不便。有好习惯，这样的烦恼就会少很多，轻很多。

Claude Fable 5用3小时，完成了他4个月的fine-tuning工作。 7阶段完整pipeline、TUI界面、HTML dashboard、39个专项技能、8700行代码、235个测试。 98%完成度，one-shot。 4个月 vs 3小时。这个对比有点残忍。⚡️

马斯克说，这个时代的孩子不一定非要去大学。 因为在大学里，你学不到能让自己安身立命的本领了， AI 和机器人带来的变化非常猛烈，那些大学里学到的技能可能会被迅速替代。 但如果还是想上大学，那就把这里当成是和同龄人的社交空间，在一个能专心学习的环境里，尽量广泛接触不同学科，拓展自己的认知边界。