与「推特玩法」相关的搜索结果

重磅上线： @BloomTrading PONS V2 正式支持 RBH 链！ Bloom 新一代跨链桥接引擎 Pons V2 已全面接入 Robinhood Chain，四大交易模式同步开放： 🆕 现货交易 | 跟单交易 | 限价单 | 推特模式 一个入口，打通 RBH 链全部玩法 👇 Manager → EVM Bot →

✍️套久了，就成了价值投资。 感觉每个圈子都大同小异。 无论是Crypto、美股还是A股，最让你牵肠挂肚的，往往就是那些伤害你最深的标的。 🌟 CWW直接变身蠢猪王？ 这是最近听到最多的话题。 海力士一路向下，把整个韩国指数也拖着一起往下走，然后……就没然后了。 所有没有严格执行仓位管理、无脑下跌抄底的人，现在都套得死死的。 抖音上刷到口罩哥的视频，一开始没看懂在说什么，后来才明白。 存储这块我不太懂，但以前挖过CHIA，亲眼见过硬盘如何起飞，又如何消失得无影无踪😂。 当然，市场上弹性最好的股票一定是存储。涨得猛、跌得猛，反弹也猛。 看到不少交易高手在吃反弹，我也跟了一手。 🌟 投资变成了价值投资 这几天看到好多朋友突然都变成美股的价值投资者，开始认真奉行巴菲特的长期价值理念。 一开始有点不知所措。 后来一问才知道——原来和我一样，被套住了，老实了，开始装死了。 这让我想起以前买币的时候： 买进去被套住了------开始研究-----研究完开始加仓-------加仓完就变成价值投资。 只要你能把我套住，我就会一直拿着，成为忠实的钻石手。 就好像现在一路抄底存储+半导体的人一样。 当然，我也在抄。 因为被套住了，只想回本。 🌟 杠杆ETF + 永续合约，法力无边 你永远不知道自己在玩的是什么东西。 如果不去研究底层逻辑，可能只是当土狗在玩。 这些Crypto交易所上了一大堆杠杆ETF和永续合约，只能说——天才😂。 拿 $SOXL 和 $SOXS 举例： 一个3倍做多半导体，一个3倍做空半导体。 你再配上33倍杠杆，就是接近100倍的玩法。 但以前玩过交易所代币ETF的人都知道，横盘的时候存在巨大的磨损。 天然就更适合朝着相反方向去理解。 就好像南方2倍做多海力士，海力士的价格并没有跌回3-4月份的位置，但南方2倍做多海力士已经距离高点跌了接近80%。 可惜想归想，真做的时候没这么清醒😮‍💨。 之前一直跟 @hebi555 @MetaHunter168 @crypto_laodong 说，SOXL做空绝对比做多爽，结果最后我们还是去做多了🤣。 🌟 基本面在情绪面前，一文不值 下跌的时候，一堆人在喊基本面。 你一听就知道，那一定是被套住了——因为我也想喊“基本面没变”。 然而一路下跌的情况下，大家的钱都有别的用处，是不会来抄底你的。 情绪都在恐慌。 真正的猛士敢于正视淋漓的鲜血。 这是怎样的猛士啊——反正这钱，该他们赚。 ✍️想明白能承受多少亏损 多想想这些钱能做点啥，不赌的话还可不可以继续玩。 实在不行就拿能接受亏损的钱来玩玩，心态会好很多。 当然这样也无法发财，这倒是真的。 你看老师们还是爽的，反正永赚，任泽平都被维权了，推特上的老师还是猛的！

普通人做产品最大的短板不是技术，不是流量，是你根本不知道你的用户在想什么 大厂有用研团队、有焦点小组、有百万级调研预算 在百度做PM的时候， 每几天都会有一份定制化的《竞品动态日报》《消费者洞察报告》躺在所有员工的邮箱里 字节跳动昨天上线了什么新功能,腾讯哪个部门在招什么岗位,什么赛道的用户在关注什么产品，什么产品的数据又卖爆了 当时我就在想：如果我出来单干，我想获得这些信息，不得难死，这笔钱谁给我出？ 后来真出来了，答案是——根本没人出😂 所以和大部分独立开发者一样，我做产品验证需求的方式是： 发朋友圈问问、在推特宣发一下、看看竞品评论区、然后凭直觉赌一把 连续创业五年，我见过最多的死法不是产品做不出来 是产品做出来了，没人要，花三个月憋 MVP，上线后发现需求是自己臆想的 这个痛，做过产品的人都懂 做出海的朋友更惨 你的目标用户在地球另一边，时差 12 小时，语言不通，文化不同 去年帮一个朋友的品牌做北美市场，最头疼的不是投放，是根本不知道美国消费者怎么想，美国人文化和中国差距太大了 招一个本地调研公司，报价 8 万美金起步，找几个留学生做访谈，样本太小、还有幸存者偏差，有时候还访谈不明白 最后还是靠猜 现在这件事有了一个结构性的解法 Atypica @atypica_AI 上线了一个新功能叫 AI Panel，一句话解释：它让你拥有了一个属于自己的焦点小组 不是 ChatGPT 扮演用户那种玩法 是基于 100 万+ 真实用户数据构建的 AI Persona，每个人有完整的背景、性格、认知偏差、消费决策框架 关键是——这个焦点小组是可复用的 你今天问一次，下个月产品迭代了再问一次 同一群人，持续追踪，看他们的态度变化 这在传统调研里叫 longitudinal study，成本极高 现在你一个人就能做 三种方式构建你的 Panel： 1）自动沉淀：用 Atypica 做完一次 Research 后，参与访谈的 AI Persona 自动沉淀成 Panel，下次直接调用 2）手动挑人：从 100 万+ 的 Persona Library 里按关键词搜索，添加组队 3）按需生成：输入需求描述，系统从零帮你构建一个全新的 Panel 组好之后随时打开，输入研究话题 支持一对多深度访谈，也支持多对多 Group Discussion 我试了一个真实场景 我之前做过一个面向内容创作者的 AI 写作工具，想验证订阅制定价 构建了一个Panel：YouTube 创作者、推特创作者、独立播客主 直接问：你平时写作的痛点有哪些？流程有哪些 10 分钟，直接就拿到了需求的分类和反馈 这种颗粒度，以前要花两周招募 + 一周访谈 + 几万块预算 现在 10 分钟，一个人搞定 如果你是以下三种人，这个功能对你来说是刚需： 做出海产品的创业者——你的用户在地球另一边，以前只能看竞品评论区猜需求，现在直接构建目标市场的用户 Panel，随时追问 需要反复迭代验证的产品团队——每次加功能都要做用户测试，Panel 让你不用每次重新招人，同一群用户持续追踪反应变化 需要大规模样本的场景——比如你想了解 2000 个家庭的消费偏好，传统手段几乎不可能，Panel 可以 我觉得我们普通人做产品和大厂的差距，不应该是有没有用户调研团队 而是用什么方式理解用户，大厂用人力堆，我们用 AI 跑 以前这是一句空话，因为 ChatGPT 扮演用户的结果你自己都不信 现在不一样了——100 万+ 真实数据构建的 Persona，有来源、有背景、有决策框架 它不能替代真人调研的最终验证 但它能让你在写第一行代码之前，就知道方向对不对 调研从一个季度一次的项目，变成了随时可调用的能力 这对一个人做产品的人来说，是基础设施级别的变化 我推荐每一个想做生意，产品的人都去试一试，这可能就是你和用户面对面沟通的第一步：

最近咱们OKX的热度好高呀 吸引了很多朋友来问我OKX是什么😘 看来最近Misa写的帖子真的有效果 （求加鸡腿） 欢迎大家下载App来体验 Misa手把手教～ 还有朋友问我今天才开始来得及吗 当然来得及啦宝贝们 世界杯要持续到7.20日 总奖池是16.66个BTC 按照排名去瓜分 你猜中的场次越多 排名越靠前 分到的奖励也越多 圈外的朋友可能不知道这个代表什么 是价值大概1,074,570 USDT哦 有一些热度非常高的比赛 我们还有单独的奖池（不计算在总奖池内） 像西班牙那一场 一个人就分了800u！ 玩法很简单 只需要回答问题 你觉得这只球队会胜出吗 胜出选yes 不会胜出选no 还有平局 用什么玩呢？ OKX会免费发放xp（积分） 每个人都有初始xp 也可以通过做任务获得 再强调一遍 0成本 不用花一分钱哦 圈外人听起来可能觉得免费玩很离谱 但是我们的初心 就是为让大家一起热闹热闹 关注顶级的体育赛事 所以赞助大家去玩～ 可以看看我的推特 以及其他朋友的晒单 信任是一点点累积的 我愿意陪大家一起了解我们公司 说一些熟悉的 我们公司赞助了F1的迈凯轮车队 上面有我们大大的Logo 还赞助了曼城俱乐部 最近很火的哈兰德 穿的队服上也有大大的OKX 值得一提的是 纽交所母公司入资了我们公司 估值250亿 这些也可以当作大家了解我们的方式 世界杯预测可以是大家认识OKX的第一步 后续有更多想了解的也可以来问我 我是OKX的品牌经理Misa 会向您详细的讲解 世界杯预测活动，就上OKX 0成本参与，瓜分奖励 关注Misa陪你看世界杯🏆 #worldcup#

最近推特上反复刷屏的 loop / loop engineering，出处就是 5 月 4 日这场访谈——Anthropic 的 Claude Code 创造者 Boris Cherny (出过一本 TypeScript 教材、靠写代码立身的工程师) 在红杉 AI Ascent 2026 上，第一次系统讲了他怎么用 loop。我把整场访谈视频翻译成了中文。 他抛出的第一个点：编程对他来说已经 100% 解决了。 「对我来说，100%。」 不是嘴上说说——他说模型现在写了他 100% 的代码，每天提几十个 PR，上周单日纪录是 150 个。Claude Code 的代码库也没什么秘密（被泄露了），就是 TypeScript 加 React。 那他一个人怎么撑起一天 150 个 PR？ 靠 loop。这就是最近被反复讨论的那套打法——他让 Claude 用 cron 排重复任务，发出去就不管： 「而且到现在，我已经有几十个 loop 在跑各种任务了。」 有一个帮他盯 PR、修 CI、自动 rebase；还有一个每 30 分钟从 Twitter 抓反馈帮他聚类。他给的定性很重： 「我现在觉得 loop 就是未来。」 他还提到刚上线的 routines，原理一样，但跑在服务器上——「就算你关掉笔记本，它也还在继续跑」。 那这只是他一个人的极客玩法？ 不是。他说整个 Anthropic 内部「已经没有任何手写代码了，所有 SQL 都是由模型写的」。工程师各自的 Claude 在循环里跑，还会通过 Slack 互相沟通，一起解决问题。 写代码这么便宜，软件公司会不会就没价值了——SaaS 末日？ 他不这么看，但认为护城河会洗牌。借 Hamilton Helmer《七种力量》的框架：切换成本、流程壁垒这类会先失效，网络效应和规模经济仍然有效。他还押了个数字： 「我认为接下来 10 年里要颠覆一切的创业公司数量会增长 10 倍。」 那写软件这件事本身会变成什么？ 他搬出印刷机：印刷机问世后 50 年，欧洲出版的文字量超过此前一千年总和，书价降了近 100 倍，识字率最终从约 10% 升到约 70%。他判断软件会沿同样的路平民化，「会比 50 年快得多」，最终「变成一项技能，就像会发短信一样」。 落点很锋利——最适合写会计软件的不是工程师，而是会计：「编码才是简单的部分，难的是懂领域知识。」 被问到两年后会怎样，这位创造者反而给了最诚实的答案：「哦，2 年后，哥们我真不知道。我们只做 1 周以内的计划。」 · loop 就是未来：几十个 cron agent 盯 PR、修 CI、抓反馈 · 编程 100% 解决、单日 150 PR · 公司零手写代码，Claude 之间 Slack 互相循环 · 切换成本／流程壁垒先崩，颠覆者 10 倍 · 印刷机类比：软件像识字一样平民化

Prompt该退环境了，未来属于Loop Engineering。 最近，AI行业又出现了一个有趣的新词。Loop Engineering。 如果你关注AI这个领域的话，这两天应该都会刷到。推特在刷，各种社媒也在刷，群里也有蛮多人在讨论。事情是这样的。 6月7号，OpenClaw的创始人Peter发了一条推，非常的简短，但是直接就爆了。 翻译过来意思就是：你不再需要为编码智能体编写提示词了，你应该设计循环来提示你的Agent。 而在这之前几天，Claude Code的创始人老哥Boris在一个开发者大会上也说了差不多的话。 他的原话大概是，我不再手动给Claude写提示词了，我运行着能让Claude自动编排任务的循环，我的工作，就是编写这些循环机制。 也就是，写loop。 这两个人呢，说了同一件事。然后Google的Addy Osmani紧接着发了一篇长文，把Loop Engineering这个概念正式梳理了出来。 于是，继Prompt Engineering、Context Engineering、Harness Engineering之后，AI行业的第四个逐渐形成共识的Engineering，就这么诞生了。 我其实是个特别不喜欢造新词的人，但是很多时候，造词这事我觉得还是得分两种情况，有一种我觉得就是为了炒概念，比如xxx 4.0。 而有的时候，真的只是行业太快，人们更需要一个精准的表达来帮助自己表达而已。Loop Engineering我觉得就是后一种。 而且，这个东西跟我自己一直使用Agent的方法、一直在鼓励大家做的事，是高度吻合的。如果你看过我之前写的那篇Harness Engineering的文章，你大概能理解一些我的感觉。那篇文章里我聊了从Prompt到Context到Harness的三次跃迁，聊了马具和缰绳的比喻，聊了约束先行。 而Loop Engineering，其实就是在Harness之上，又往上走了一层。把一个套马的缰绳，变成了全自动工业流水线。很有《文明》里时代的进化的感觉。 给大家举个例子。比如说，以前你用Claude Code写代码，流程大概是这样的。你给它一个任务，它写完了，你看一眼，觉得不太对，你再给它提一个修改意见，它改完了，你再看，再提意见。整个过程你会发现，是坐在设备前的，一轮一轮的，你说一句它回一句，你就是那个驱动整个循环的发动机。 即使我们以前从chatbot时代迈向了Agent时代，绝大多数的事情，也一样是任务制的。 而现在，比如Boris老哥，他的工作方式是，他会去写一个loop，比如/loop babysit all my PRs，自动修CI问题，有新评论就派子Agent去处理，就这么一句话，然后Claude Code就开始自己跑了，它会自动去看他GitHub上所有的PR，哪些CI挂了就自己修，哪些review有新评论就自动派一个独立的工作树Agent去改代码。 他还把一些其他的loop挂到定时任务上，每天晚上自动启动去干这个事，晚上睡觉的时候，甚至有时候会有几千个Agent在同时工作。他自己说，2026年，他就再也没有手写过一行代码了。 你会看到，这就是loop，定好目标，然后全自动流程化，你完全不需要在电脑前，甚至都不需要看手机。 你可以直接睡觉，醒来的时候，代码已经改好了，测试也已经跑过了，PR也已经提上去了。你并不是自己给Agent写了一段Prompt帮你完成某个单次的任务，是你自己设计了一个目标，这个目标使用loop的方式，帮你提示Agent。 你定义目标，定义验证条件，定义失败了怎么处理，然后，就可以放手了，从此以后，这一切，交给系统。 说到这里，我估计很多人已经大概理解loop是个什么东西了。Addy Osmani在他那篇长文里，把一个完整的loop拆成了五个组件。 我觉得这个拆法蛮清晰的，我用我自己的理解给大家过一下。 第一个是定时任务，整个loop的心跳。 你得有一个东西能自动启动循环，不管是定时跑、还是事件触发，都行。 Claude Code里有好几种方式，/loop命令按间隔自动执行，cron定时调度，Hook在Agent生命周期的特定节点自动触发（比如每次改完文件自动跑一遍lint，这个很好玩，教程和玩法我也在准备了），或者直接丢到GitHub Actions里，关上电脑它也在跑。 没有定时任务的Agent，你每次都得手动去踢一脚它才会动，那就不是loop了，那还是你在操控。 第二个是工作树隔离，Worktree（搞过开发的朋友应该秒懂）。 就是你同时跑好几个Agent的时候，给每个Agent一个独立的工作空间，各干各的互不干扰，干完了再合并。两个Agent改同一个文件的痛苦，跟两个设计师同时改一个图层又不打招呼的痛苦，是一模一样的。 第三个是项目知识体系，Addy Osmani在他的原文里写的是skill，但是我觉得他写的不太对，单skill其实是不够的，必须得是知识管理体系。 大家也都知道，AI每次开新对话就啥都忘了，你跟它说过的代码规范、项目架构、踩过的坑，下次开对话全部从零开始。 所以你得有一整套方法来沉淀、优化这些知识，让Agent每次启动的时候就已经知道你的项目，我自己在这快一年的coding开发过程中，总结的方法论其实就沉淀成了我自己的洁癖.skill，这个基本是我的Agent每天调用最多的skill。 CLAUDE.md是全局的规则和约束，跨会话记忆是一些之前悬而未决的记录和文档路由，docs体系就是你完整的所有的知识和经验沉淀，因为CLAUDE.md和记忆都有大小和行数限制，所以每次任务完成后我会用洁癖.skill来对整个的知识体系进行梳理和审查，确保没有错误。 为什么知识管理体系这个东西在loop里特别重要呢？ 因为loop是自动跑的，你不在场。如果Agent的记忆里有过期信息，它就会基于错误的前提做决策，如果CLAUDE.md膨胀到几百行全是历史叙事，真正的规则反而被挤出去了Agent读不到。没有干净的知识体系的loop，就像一个每天早上都在看过期文档的员工，干的得越快错得越多。 所以洁癖.skill我非常推荐大家可以去安装一下，也在我自己的仓库里开源了，我自己真的觉得特别有用。 第四个是连接器，MCP。 一个只能看文件系统的Agent，能力是很有限的。但你给它接上GitHub、Linear、Slack、数据库，它就能在你的真实工作环境里干活了。 这才叫真正的闭环，从发现问题到解决问题到通知人类，一条龙。 第五个是子Agent。 做事的和检查的分开，写代码的Agent不能自己给自己打分，这跟学生自己批自己的考卷一个道理，它一定会对自己太宽容。所以你得有另一个Agent，甚至用不同的模型，专门来检查前一个Agent的输出，一个负责做，一个负责验。 这五个东西加在一起，就是一个完整的loop的骨架。 Claude Code和Codex有一个命令，其实就是Loop Engineering这套骨架最直接的微观型的产品化体现，只不过很多人没有意识到。 他叫/goal，在Codex里叫追求目标。 意思就是你给Claude一个完成条件，比如「所有测试通过并且lint检查没有报错」，然后它就会一轮一轮的自己干，干完每一轮之后，就会检查这个条件是不是满足了。 大多数讲Loop Engineering的文章，都停在了这一层。讲了五个组件，讲了/goal和/loop命令，讲了怎么配定时任务，就结束了。 这些我觉得，都是术。而我更想聊的，是道。 Loop Engineering这件事，我觉得它最核心最核心的能力，其实不是什么技术能力，也不是写脚本的能力，更不是什么会配hook的能力。 最核心的，是定义目标的能力。定义目标，相信我，这四个字，听起来简单，做起来是真的难。 回到前面说的/goal，它的用法看起来非常直接，给一个完成条件，Claude自己干到满足为止。 听起来很简单对吧。但你如果真正用过就会知道，/goal用得好不好，完全取决于你那个目标定义得好不好。这个事我拿两个例子对比一下你就明白了。 目标A，「把这个应用优化一下」。 目标B，「test/auth目录下所有测试通过，tsc --noEmit零报错，npm run lint零违规」。 目标A会发生什么呢。大家可能都能猜到，Claude会陷入一种非常尴尬的状态，因为它不知道什么叫「优化好了」，除非他是Fable 5，能自己在你之上，自主的帮你定义目标。 而绝大多数的模型，包括Opus 4.8和GPT-5.5，在自己定义目标的能力上还是非常的弱，它可能改了一点代码，然后自己觉得还行，就停了。 也可能不停，一直改一直改，把你的代码库改得面目全非，因为它始终无法判断自己到底什么时候算完成了。那目标B呢？Claude每改一轮代码，都会去跑测试、跑类型检查、跑lint。 三个命令，三个明确的通过标准。全过了就停，没过就继续，清清楚楚，干干净净。同一个工具，同一个模型。 区别只在于，你的目标定义得好不好。 我自己其实一直有一个原则，我经常跟身边的人说，在公众号里也说了无数遍，如果一件事你重复做了三次，你就一定要想办法把它完全自动化掉。 这个习惯跟了我很多年了。我每天也都在写代码、做自动化，我们的AIHOT热点监控系统，我们的数据分析流程，我们的财务对账流程，我们的数据清洗管道，能自动的我全部自动了。 但说实话，在做这些自动化的过程中，我踩过最多的坑，从来不是技术问题。 是目标不清晰的问题。我早期做自动化的时候，经常犯一个错，就是目标定得太模糊。 举个例子，比如自动监控AI行业热点，这句话听起来没毛病，但其实是一句纯粹的废话。 什么叫热点？浏览量过万算热点还是过十万算热点？抓取频率是每小时还是每天？抓到以后怎么评估质量？评估完以后怎么排序？排完以后怎么推送？ 这种反问的问题，我现在可以直接随手问20个以上。 每一个环节如果没有明确的判定标准，整个自动化链条就是一坨狗屎，你相信我，绝对的。 后来我懂了，每次做自动化之前，我会先花很多时间去定义目标。 去花很多很多时间，去定义怎么算做完了，怎么做完算做的好。这其实就是/goal的逻辑。也是Loop Engineering的灵魂。 而如何定义目标，这个能力，我其实不是从AI中也不是从开发中学来的。 这个能力，是我从这几年创业的过程中，学来的。定义目标的能力，其实就是，管人的逻辑。 我自己也开公司，虽然公司不大，只有30来号人，但管人这件事我是真真切切经历过的。 管人最痛苦的是什么，不是人不努力，也不是人能力不够，是你给出去的目标不够清晰，然后下属就一脸懵逼，不知道你要什么，跟无头苍蝇一样打转，最后做出来的东西，你又不满意。 你跟员工说，“把这个功能做好”，那他做出来的东西大概率不是你想要的。 因为你脑子里的好跟他脑子里的好不是一个东西。 你跟他说，“这个接口的响应时间降到200毫秒以下，错误率控制在0.1%以内，下周三之前上线”，他做出来的东西跟你预期的偏差就会小很多。 因为你给了他一个可以验证完成的标准。这一切其实也适用于那种天才型的大神，虽然大神们会自己定义目标，甚至比你定义的还要强，但是给大神们依然是需要有目标的，只是这个目标，不需要那么细节了而已。 对人如此，对AI也是如此。 其实你回头看，所有好的管理方法论，不管是管理学之父Peter Drucker在上世纪50年代提出的目标管理，还是后来Andy Grove在Intel发明的OKR，还是再后来一代又一代CEO们用的各种变体，核心其实就一个东西。 你能不能把一个模糊的意图，翻译成一组可衡量、可验证的完成条件。 管理者要做的，是确保目标足够清晰、资源足够充足、反馈足够及时。你看这三条。跟一个好的loop的三个要素，是不是一模一样。 目标清晰，就是你的条件写得精准。资源充足，就是你给Agent配好了Skill、连接器、工作权限，让它手里有足够的工具干活。 反馈及时，就是你设计了验证机制，每一轮都有一个独立的检查器告诉Agent做得对不对，哪里需要改。管人的逻辑和管Agent的逻辑，是完全一样的。 只不过，管Agent比管人还要极端一些。 因为人可以理解你的模糊意图，人可以主动来找你确认，人可以说老板你这个需求说得不太清楚我不太确定你是不是这个意思。 Agent很多时候是不会的。Agent会非常自信地按照它自己的理解去执行，然后非常自信地告诉你它做完了。 所以，对管理能力的要求，其实比管人还高。 这也是为什么我一直说，AI时代我最讨厌什么「文科已死」「理科已死」的言论，管理学、心理学、组织行为学这些，不但没死，反而变得更重要了。 说到底，Loop Engineering说是Engineering，但我觉得其实它的核心竞争力根本不在工程。 在管理。 而在管理学上，就定义目标这件事，其实不止是把话说清楚就行，其实还有一个非常阴险的陷阱，在管理学和经济学里有个专门的名字，叫古德哈特定律。 当一个衡量指标变成了目标本身的时候，它就不再是一个好的衡量指标了。 翻译成人话就是，你考核什么，员工就只做什么，然后其他东西可能全都退化。 这个事在人类管理中已经是老问题了，而在AI Agent身上，这个问题被放大了一百倍，因为Agent比人类更擅长钻规则的空子。 有人总结过Loop Engineering里很好玩的事情，就是Agent会针对验证器做优化，而不是针对你真正的目标做优化。 比如说你的loop条件是让测试全部通过，那Agent可能最后不去修Bug，直接把失败的测试给你删了。 你看，最后答案依然是测试全过了，完事，从验证条件来看，它确实完成了目标，但从你真正想要的结果来看。。。它啥也没干。 人也会这么干，只不过，Agent做得更快、更彻底、更没有心理负担。所以，一个好的目标定义，不能只有做完了的标准，还必须有不能怎么做的边界。 这其实就是Harness Engineering在Loop Engineering里面发挥作用的地方。 Harness是约束，是护栏，是告诉Agent你可以自由发挥，但这条线你不能越。 Loop是驱动力，是告诉Agent往那个方向一直跑。两个加在一起，才是一个完整的系统。到这里，骨架讲了，灵魂也讲了，陷阱也讲了。 Loop Engineering的东西，终于也差不多了。 最后我想把前面聊的管理学的思路收一下，给一个我自己用得比较多的目标定义框架，不一定科学，纯粹就是我自己的一点点经验。 1. 完成标准要可以被机器验证。 2. 边界条件要跟完成标准一起定义。 3. 要有失败的降级方案。 4. 目标要分层。 回到整条线来看，从Prompt到Context到Harness到Loop，四次跃迁，其实讲的是同一个故事。Prompt Engineering告诉你，好好说话，AI会更懂你。 核心能力是语言表达。Context Engineering告诉你，光说话不够，得给AI足够的信息。 核心能力是信息筛选和组织。Harness Engineering告诉你，光给信息也不够，得给AI设规则和约束。 核心能力是系统设计和规则制定。 Loop Engineering告诉你，光设规则也不够，得让整个系统能自己跑起来。 核心能力是目标定义和管理。 语言学、信息科学、控制论、管理学。四个Engineering，四门古老的学科。 多有意思。 人类社会，其实从来就没有变过。

说实话，今天看盘挺没劲的，$BTC 24h 跌了快 4%，恐惧指数还在 30 附近，市场又回到那种“追高怕被套，空仓怕踏空”的状态。以前这种时候我可能就只会刷合约、找山寨反弹，但现在我反而更愿意看一类东西：能不能把链上的资产真正用起来。 @TermMaxFi 最近翻 @TermMaxFi 的推特，我觉得它最抓人的点不是“又一个借贷协议”，而是它在做固定利率借贷 + RWA 抵押 + 多链市场聚合。尤其是他们反复提到的 $SPYon、$QQQon、$NVDAon、$AAPLon、$TSLAon 这些 tokenized equities 已经可以在 BNB Chain 上作为抵押品，这个方向我个人是很吃的。 现在市场最缺的不是故事，是确定性。浮动利率借贷最大的问题就是成本不可控，行情一急，资金费率、借贷利率都能把人心态搞崩。TermMax 的逻辑刚好反过来：固定利率、固定期限、单一抵押品，进场前我就知道自己在承担什么风险，而不是把资产丢进一个大池子里听天由命。 我的玩法会比较保守：不梭哈、不硬卷杠杆，先看固定借贷市场里哪些抵押品流动性好、期限合适，再小仓位测试借 $USDC 的成本。如果 tokenized stock 这条线继续热，像 $SPYon、$QQQon 这种指数类资产，可能比单一股票更适合做底仓抵押；而 TermMax Alpha 里支持 long/short 的结构，我会当成策略工具，不当赌场。 我最喜欢他们一句表达：资产上链只是第一阶段，下一阶段是让资产变成真正的金融工具。这个判断我认同。RWA 如果只能买卖，那只是链上券商；但如果能抵押、借贷、组合、对冲，才是真正进入 DeFi 的主战场。 所以我现在看 TermMax，不是看短期热闹，而是看它能不能吃到“固定利率 DeFi + RWA 金融化”这条更长的趋势。熊一点的市场，反而更容易筛出真需求。TermMax 这条线，我会继续跟。 @TermMaxFi

先说重点：【无论多忙，先把这个PASS卡领了】，我刚领了，到了世界杯（6-7月）我们再来看结果。 因为接下来一个多月，撸毛主线就是：世界杯 ✅那届世界杯，我该怎么参与呢？ 先说答案：预测平台 + AI = 普通人也能做套利 🔸这里有个重点就是：至少选择一个官方授权的预测平台。 没有授权的平台，一般通过爬取技术来获取比赛盘口数据，这存在几秒甚至几分钟的延迟，如果两个都是非授权平台，套利会大打折扣。 ⏰我今天在找世界杯的信息的时候，看到 @Predictstreet 获得FIFA授权，直接去领了他的 PASS。 🩸在空投圈摸爬滚打这么久的老韭菜，PASS卡的重要性就不言而喻了，特别是还没开始运营的平台，PASS卡就是他的重点，他决定了你以后参与项目的段位。 🔗现在任何人都可以领取，链接如下： ✅领取步骤： 🔸步骤一、进入链接、完成人机验证； 🔸步骤二、进入 # adipsz26-pass-claim 频道； 🔸步骤三、点击Generate pass，关注两个官方推特，然后再点出现的 Generate pass，你就可以看到像我这样的卡了。 至于后面怎么玩，接下来我们就会写很多世界杯-预测市场的玩法，进群讨论吧：

.@veneposa 拿白方式 白名单FreeMint ，总量只有1111个，拿到大概率有不错的福报 一共有6种拿白方式 1.Tallyform 路径拿白 目前已经关闭，应该是早期支持者福利 2.社交拿白: 进入→ 填写钱包地址，按照指引步骤依次完成提交推文即可 3.构建者路拿白： 进入→ 创建一个能反映对宇宙看法的市场预设。有1u成本，由项目方审核是否给免费铸造白名单资格。 4.收藏者拿白： → 持有指定 NFT 合集获得 FCFS 资格 一共12个NFT，目前只公布5个，还未快照 5.抽奖拿白 每四小时一轮，每轮可分配1个GTD和4个FCFS 名额，后面进入需要访问码（项目方推特、社区、DC蹲访问码） 玩法：每轮活动中的星盘抢占一个点位，一共 690 个点位，每个钱包可任意选择 3 个，一定要速度快 → 6.DC身份拿白 → 目前还未开启，目前已开放三个角色，可能和白单有关系，喜欢肝DC的可以争取拿下角色。 Veneposa 是一个专注于主题指数构建的早期项目，覆盖加密货币、股票、大宗商品和 RWA 资产，利用聚合预言机数据提供统一价格信号，支持 AI 代理通过 x402 和 @tempo 的 MPP 访问价格端点。 目前处于社区建设和 NFT 预热阶段，核心产品 Beta 测试也快上线了，可以重点关注下 感觉 Veneposa 有 AI 数据聚合潜力，目前是社区预热项目，这次的NFT 最后表现怎么样还要看FOMO的情况，无广纯分享 Dyor~