与「日常赚钱记录」相关的搜索结果
日常赚钱记录 贴吧
一个关键词就是一个贴吧，路径全站唯一。
用户
未找到
包含 日常赚钱记录 的内容
#日常赚钱记录# ：杭州工行信用卡每月5号，8号，18号三天可领不少立减金，每月3、400左右。已领一年有余，活动力度还行，家里宽带费和电话费全靠这家银行补贴。也算是信息差吧，很多人对这个是无感的，所以只在小群默默分享带着玩。持续稳定的正收益玩卡不多了，要珍惜。
显示更多
2026 年 9 月 29 日，OpenAI 在旧金山 Fort Mason 办了今年的开发者大会 DevDay。主讲是 CEO Sam Altman。其他几位上台的人都在做这些产品。产品团队的 Holly 演示了新产品 Dots。后训练（模型预训练之后做对齐和能力调优的阶段）研究负责人 Tejal 讲了模型怎么反过来帮 OpenAI 做研究。Codex 的演示由 Romain Huet 来做，他在 OpenAI 负责开发者体验，去年 DevDay 主题演讲里的 Codex 演示也是他做的。整场演讲分三块：面向用户的常驻智能体 Dots 和协作空间 ChatGPT Space，给开发者的新模型和新工具，以及帮开发者做分发、赚钱的渠道。
1. Dots：一直在线、会主动干活的智能体
Sam 把 Dots 比作电影里那种一直在身边帮忙的 AI 助手。他认为订餐厅、买机票这类代办虽然有用，但和这项技术能做的事比起来太小了。他想要的 AI 知道正在发生什么，也知道你在意什么，不用你事事交代。
Dots 是常驻在线的智能体（Agent），有自己的云端电脑和浏览器，能写代码、跑测试。它的权限跟着用户走，能直接用用户已经在 ChatGPT 里连好的插件，覆盖 4000 多个应用。除了在 ChatGPT 里对话，之后还可以给它发短信、打电话。目前每人先有一个 Dot，以后可以配一整组。Dots 跑在 本月早些时候发布的 GPT-6 Astra 上，Sam 称它是 OpenAI 对齐做得最好的模型。用户可以限定 Dot 能用哪些应用、能不能操作电脑，也能给它的各类操作写自定义指令，愿意交出多少责任就放多少权。
Sam 说，他自己的 Dot 每天早上会把夜里进来的消息过一遍，挑出紧急的提醒他。他说这让他拿回了一部分注意力，没那么离不开手机了。他还举了一个更重的例子：把应用从一个即将停用的旧 API 上迁走。这个 API 可能散落在代码库各处，改了哪里会连带弄坏什么，事先看不出来。Dot 可以追踪依赖关系，找出所有要改的地方，写代码、跑测试，最后把 PR（代码合并请求）交给团队审。他让听众想想，过去做这件事要几个人、花多久。
开场视频里，用户把自己的 Dot 改名叫 Alfred。Alfred 和另一个 Dot 帮用户上线网站，改董事会材料，在婚礼蛋糕商家取消后找好备选。它们还发现财务会和女儿的演出撞了期，提出改时间。每件事都是 Dot 推进到需要人确认的地方，再由人拍板。
2. ChatGPT Space：人和智能体一起用的工作区
Sam 认为，现有的生产力软件几乎都没考虑过人和 AI 一起干活。ChatGPT Space 以页面为单位，可以在里面写计划、做调研、生成图片和数据。页面和文件像网盘一样放在同一个空间里。Dot 能直接在页面上工作，在评论里 @ 它，它就会接活。页面本身也能带指令，比如“每天去看 API 平台的 Slack 频道，把发现更新到这里”。之后 Space 里还会加入演示文稿，格式做成智能体方便读写的样子，团队成员可以和各自的 Dot 一起改。
在 Holly 的演示里，页面用斜杠命令就能插入交互图表、表格和可运行的原型。她 @ 自己的 Dot（名叫 Dotty），让它把一组数据改成柱状图。图表可以按反馈类型筛选，Dotty 每小时刷新一次。她还让 Dotty 把“某位工程师在我 Slack 私信里提过的新手引导数据”补进 FAQ。Dotty 能看到她的上下文，所以这种模糊的指代也找得到。
3. OpenAI 内部怎么用 Dots
Holly 用一个虚构的歌单应用 Blossom Music，模拟发布前一天的状况。早上 Dotty 已经做了几件事：发现发布评审会提前，改好了日历；看完前一晚测试用户的反馈；注意到设计团队临时改了首页，把新设计发给她。她让 Dotty 直接把这个设计做出来。Dotty 调用她笔记本上的 Codex 构建应用，在 iPhone 模拟器里跑起来，再提交 PR。现场的语音演示卡住了，Dotty 一直回复“还在查”。Codex 线程也报过一次错，她重试后才继续下去。
她说，Dots 真正改变 OpenAI 工作方式的地方在 Slack。Dots 在公司 Slack 里有自己的身份，员工就开始把它们当作代理人。被同事 @ 到的零碎请求，直接转给自己的 Dot 处理。建群时，大家从一开始就把各自的 Dot 拉进来，Dot 带回结果时所有人都能看到。
工程师走得更远。有人在反馈频道贴出会话 ID 和一个用户 bug，某位工程师的 Dot 就会接手排查，提 PR 修复。她说这是真实情况：工程师们的 Dots 每天这样修掉几十个 bug，Dots 这个产品本身有很多部分就是 Dots 写的。
4. 上线范围和企业用的 Specialist Dots
Dots 和 Space 当天向 ChatGPT Pro、Business Premium 和 Enterprise 用户开放。Dot 包含在套餐里，和它的对话不占用额度。
企业客户还可以预览 Specialist Dots。这是由公司统一设置、供整个团队使用的虚拟同事，负责会计、市场、法务这类工作量大的事。公司给它目标和背景，审核它的产出，给它反馈，反馈在全公司共享。OpenAI 也在和微软合作，把 Specialist Dots 接入 Agent 365（微软用来管理企业智能体的工具），企业可以用已经在用的微软工具来管理它们。
5. 新模型：更便宜的 GPT-6.1 Sol，更快的 UltraFast
Astra 发布这几周，用户的要求集中在两点：更便宜，更快。GPT-6.1 Sol（转录稿误作 Soul）的能力接近 Astra，价格是它的五分之一。缓存输入（重复发送、已被缓存的上下文）比标准输入便宜 95%。智能体需要反复读同一批上下文、长时间迭代，这对它们尤其省钱。Sam 说 Sol 在某些方面比 Astra 还聪明，定位是开发者的日常主力模型。
UltraFast 是新的速度档，API、ChatGPT 和 Codex 里都能用。原有的 Fast 档是两倍速度、两倍价格；UltraFast 是八倍速度、六倍价格，每秒 300 个 Token。它现在可以配合 Astra 用，之后也会支持 Sol。现场让两个模型用同一个提示词，做一个 DevDay 配色的火箭。UltraFast 的火箭已经升空时，标准速度的还没做完。
订阅也跟着调整。新推出的 500 美元档 Pro 订阅叫 Pro 500，额度最高，是 Plus 的 25 倍。它可以在 ChatGPT 和 Codex 里用 UltraFast，还能通过“用 ChatGPT 登录”在合作方的应用里使用。Pro 200 重新开放，继续提供所有前沿模型。
另外预览了 Decisions API。它给 Luna 模型一组预先定义好的选项，让模型从中选一个，比如给请求分流、给图片分类、决定智能体下一步做什么。任务收窄成选择题之后，响应时间可以压到一秒以内，同时保留图像理解、多语言和安全防护。Romain 后来补充说，做机器人的朋友看中的是它能处理视觉输入：机器人可以根据看到的东西，近乎实时地快速行动。
6. 模型开始帮 OpenAI 做研究
Sam 提到，去年这个时候，他和 Jakob 在一次直播里预测，一年内会出现第一个“AI 研究实习生”，当时几乎没人相信。几周前 OpenAI 宣布达成了这个目标：有了一个能接手定义清晰的研究任务的系统，这类任务原本要熟练的研究员花大量时间和精力。
Tejal 的方向是电脑操作（computer use，让模型像人一样操作桌面和浏览器）。她举了两个例子。
第一个是让模型优化电脑操作的运行框架（harness，包在模型外面、负责调用工具和管理步骤的代码）。模型在循环里持续寻找能同时降低延迟、提升效果的改动，团队把找到的改进合进生产环境的框架，并用于后训练。结果是延迟改善了两倍以上，已经上线。
第二个是模型帮忙改进了监控和拒绝训练，让 Astra 在不安全的场景里更会拒绝。Astra 在电脑操作压力测试上因此达到业内领先，操作时出错更少，也更贴合用户的本意。
她给出了几项内部数据。今年夏天之后，研究工作消耗的 Token 量急剧上升。1 月时，模型能做好 15 分钟以内的短任务，需要一天以上的任务大多会失败；到 7 月，超过三分之一的一天量级研究任务，模型能在无人干预下完成。她还提到，Astra 这类模型已经帮忙解决了 100 多个悬而未决几十年的数学问题，也在参与针对耐药感染的新抗生素、古代语言研究、可再生能源和工业机器人等方向的工作。
7. 给开发者的底层工具
Sam 说，OpenAI 想让开发者用上自己内部用的东西。
第一件是 Codex 的运行框架。它同时支撑着 Codex、ChatGPT Work 和 Dots，目标是用最少的 Token、最快拿到准确结果，现在已经开源。第二件是 Codex 完全上云：在手机上开始的任务，可以在浏览器或桌面端接着做，合上笔记本任务也不会中断。
云端能力带来了 Codex Security Cloud。它在云端环境里持续寻找漏洞，并准备好验证过的修复方案供人审核，这次新增了自动去重、定时扫描和新界面。Sam 说这是为了给防守方更好的工具，因为“我们看得到接下来会发生什么”。
新的 Agents API 进入公开测试。它包含运行框架、托管、记忆、多智能体控制等功能，是 Codex 和 Dots 用的同一套技术，也加入了电脑操作能力。现场的例子是一个网站测试智能体，会自己打开浏览器、点击页面、测试流程。基础设施方面，OpenAI 和 AWS 合作推出由 OpenAI 驱动的 Bedrock（AWS 的托管 AI 服务）托管智能体，AWS 客户可以直接使用 OpenAI 的前沿模型、Codex 和 ChatGPT Work。
隐私方面预览了 OpenAI Private Intelligence。其中的零数据留存（ZDR）配合私有安全处理，可以在不把用户内容存到 OpenAI 服务器的情况下做安全检测；私有推理则把隐私保护延伸到推理阶段。Sam 说这套方案是和最大的一批客户一起设计的，目的是让他们能把模型用在最敏感的工作上。
性能方面，Responses API 一年里增长了 100 倍，可靠性保持在 99% 以上。首个 Token 的等待时间缩短了 45%，工具调用和工作流提速 30% 以上。
8. Romain 的 Codex 演示
演示从手机上的 Codex 开始。Romain 人还在会场外，让 Codex 替他跟观众打招呼、讲一个会场的冷知识。接着他用几张会场照片生成的 3D 场景演示 UltraFast，一边说一边改：把小人放到座位上，把直播画面投到场景里的大屏幕上。现场语音没连上，他改成了打字。
Codex 命令行工具（CLI）这次全面翻新。他让 UltraFast 写一个应用，从观众里随机抽三个人送明年的门票，几秒就写完；改成抽六个人，也几乎是瞬间完成。命令行现在支持由 GPT Live 驱动的双向实时语音，不只是语音转文字，但现场没能演示出来。
后面几段演示了多模态和电脑操作。游戏 Astra Adventures 从一张纸上的草图开始，几轮之后画面还很粗糙，借助图像模型，才变成有质感、能用在正式游戏里的美术。然后他让 Astra 通过浏览器自己学着玩这个游戏，屏幕左边显示模型的决策，右边显示它按下的按键。
他又用“应用快照”（app shot）把自己记录飞行课程的应用作为上下文交给 Codex，让它在各种屏幕尺寸下审查这个应用并截图。Codex 自己在模拟器里点开了各项功能。云端 Codex 现在和本地版用同样的工具，包括插件和电脑操作。他顺手把一个“用 Rust 重写整个后端”的任务丢到云端，打算稍后在手机上查看。
最后一个演示用的是 Hugging Face 借来的可编程小机器人 Micro Duck，它名叫 Lavender。Romain 前一晚让 Codex 把它接好：视觉用 Astra，图像生成用 GPT Image 2.5，语音交互用 GPT Live 1。机器人现场看着观众画了一幅画。他说，OpenAI 做 Dots 和 Codex 用的，就是 API 里开放给开发者的同一批工具。
9. 分发和变现：让开发者在 ChatGPT 上做生意
ChatGPT 每周大约有 12 亿人使用。Sam 承认，此前类似的尝试效果参差不齐。他说这次有信心，是因为开发者拿到的是 OpenAI 自己做 ChatGPT 用的工具。
第一项是“用 ChatGPT 登录”（Sign in with ChatGPT）。用户登录第三方应用时，可以直接用自己 ChatGPT 套餐里包含的 Token，开发者不必替新用户垫付模型费用。首批有 16 家合作方。
第二项是插件扩展（plugin extensions）。开发者可以把编辑器、仪表盘乃至整个工作区，做成原生嵌在 ChatGPT 和 Codex 里的应用。现场展示了三个例子。一个是会议应用：在 ChatGPT 里看日历上的会议，点“记笔记”后，页面变成团队和 Dots 一起跟进待办的 Space。一个是 Figma：打开设计稿、看团队评论、让 ChatGPT 改稿。还有一个是 Adobe：在 ChatGPT 里使用 Photoshop 的功能。ChatGPT sites（在 ChatGPT 里生成的网站，几个月里已有数百万个）现在也能接入插件和数据。访客用自己的账号登录、带上自己的智能体，看到的内容因人而异。
用户发现插件的渠道也扩大了。除了在插件库里搜索，ChatGPT 还会在对话中识别出能帮上忙的插件，用户当场就能连接。插件审核流程也简化了：开发者可以跟踪审核进度，看到需要修改的地方，申请人工复审，更新工具时也不用从头提交。
第三项是 OpenAI Marketplace，首批有 30 多家合作方，包括 CodeRabbit、Notion、Vercel。企业客户可以用已经和 OpenAI 签下的采购承诺额度来买这些产品，有承诺额度的开发者也能在这里花。通过和模型推理托管公司 Baseten（转录稿写作 Base10）合作，市场里还能用到开源模型。
10. 收尾：一次额度重置，和“文艺复兴”的说法
当天的后续安排里，Peter 会讲 OpenAI 对开源社区的投入，包括新的 OpenClaw Enterprise Harness（OpenClaw 是一个开源 AI 智能体项目）。还有一个 Codex 游戏工作室环节，观众可以用 Codex 做复古游戏，每人能领一台 DevDay 限定的 chromatic computer，用来玩自己做的游戏。最后是 Sam、Tibo (Thibault) 和 Tejal 的现场问答。
Sam 和 Tibo 还在台上按下按钮，给全世界的用户重置了一次用量额度。Sam 说 OpenAI 已经做过太多次重置，Tibo 一直想把公司改名叫“重置公司”。
最后 Sam 说，他不喜欢把 AI 比作新一轮工业革命，那意味着人变成巨大机器里的齿轮，转得越来越快；生活里有些部分不能也不该被自动化。他希望，如果做对了，AI 带来的会更像一场新的文艺复兴：让人对自己的生活有更多掌控，有更多工具去创造、学习和探索。
显示更多
最近半年疯狂在用Codex，整理一下目前我最常用的10个日常场景。
1、产品需求池自动管理
开发赚钱的虚拟产品，首先是对核心需求的掌握。所以，我把用户反馈、评论区、私聊记录、差评、退款理由、同行产品页都丢进去，让 Codex 自动整理，甚至专门做了一个skill，判断：
显示更多
继续分析一个三件套之首的 To-do App！我第一眼是被 Habitica 的设计吸引的，把待办事项做成了 RPG 游戏 ！
分析完产品后的最大启发 如果一个行为本身很痛苦，不要只把它做得更高效，先把它做得更愿意被重复。
产品已经上线十多年了，还被 Apple 选过 App of the Day。
最近一个月 Android 大概 6 万下载、1 万美元收入；iOS 大概 4 万下载、2 万美元收入。
赚钱不靠强 paywall、焦虑营销或者大流量，靠的是一个很长期的游戏化自我管理系统。
Habitica 最聪明的地方，是没有急着向用户卖「任务管理」。
它先让你免费进入一个游戏循环：完成任务，获得金币和经验，角色升级，再慢慢解锁装备、宠物、队伍和公会。
等你开始在这个小世界里投入时间，再卖 gems、装扮、订阅和支持者权益。这套变现比很多效率工具自然，因为普通效率工具卖的是功能，Habitica 卖的是你已经养出来的那个角色。
很多 app 会在 onboarding 里尽快把用户推到 paywall 前面，但 Habitica 不这么做。它真正能变现的东西是用户在里面积累出来的身份感。
你的 avatar、streak、pets、gear、party、guild，都是一点点养出来的。一上来用户都还没进入这个世界呢，若收费显然不合理，。
所以它的顺序是 先让用户产生投入，再让用户为投入过的东西付费。
这也是 gems 和订阅同时存在的原因。
gems 解决的是即时消费，比如买装扮、买宠物、买一些游戏内物品；
订阅解决的是长期关系，比如支持小团队、获得更多权益、继续留在这个社区里。
一个是「我想买这个东西」，一个是「我愿意支持这个世界继续运转」。
这比单纯订阅更灵活。
有人只愿意花 0.99 美元买一次 gems，有人愿意按月订阅，有人会直接买年付，还有人付费是因为他已经把这里当成自己的日常系统。
这也是 Habitica 和很多效率工具不一样的地方。
其他工具的前提是 用户已经想自律，只是缺一个更好的工具。Habitica 深知很多人其实知道要去完成任务，但任务本身太无聊、太重复、太容易让人想逃避。
所以它没有继续教育你要自律，而是把枯燥的琐事变成了探险任务，把习惯养成变成了经验升级，把连续打卡变成了角色成长，把互相监督变成了组队打怪的玩法。它把一个人的自我管理，变成了一个可以被别人看见的小世界。
长期累积出来的情感绑定才是社区护城河所在。
普通习惯追踪打卡一旦用户停止记录，产品就失去意义。Habitica 多了几层留存理由：队友还在，公会还在，挑战还在，宠物和装备还没收集完，季节性内容还会更新，你养出来的那个角色还在等你回来。
Habitica 更像一个用现实生活当输入设备的小型 RPG。你完成现实里的任务，它就在游戏里给你反馈；你越愿意回来，它越有机会变现。
显示更多
我只能说，你们简直太低估【捞女】这行的竞争强度了，总以为看到个女的，拿到点结果了，那就是捞女。
我们普通人对捞女的理解实在太简单了，总觉得女人只要长得漂亮，认识几个有钱大哥，撒撒娇、谈谈恋爱，就能轻轻松松把钱赚了。
哪有这么好的事情？
我跟几个小姐姐聊过，这他娘的简直是个高杠杆、重资产、现金流极差的行业，比币圈还容易亏钱！ 😂
首先，这行入场门槛不低，因为绝大多数普通女性的原生颜值不具备市场溢价。
想提高竞争力，医美、奢侈品、日常穿搭、住的地方、平时出入的场所，都得跟得上。这种开销不是买个什么鬼爱马仕就完事了，得长期维持，一年下来几十万都未必够，资金链那是万万不能断的。
而且投入这么多，还只是获得了参与竞争的资格。
更考验人的是，你还不能让对方觉得自己是冲着钱来的。捞女在研究男人，男人又何尝没在研究女人？
所以越是顶级的捞女，越会表现得像一个彻头彻尾的恋爱脑。这里面的人性博弈就很微妙了。
比如经常去一些高档洗脚场所的朋友都知道，技师会经常说类似的话：
“哥，你赚钱也不容易，下次别总来了，好好攒钱。要是真想我了，就点个最低的套餐，我照样好好给你按。”
其次，获客难度极高，而且富哥的真实质量，可能比外界想象中差得多。
有钱大哥本来就少，单身的更少，愿意大方花钱的还要再筛一遍。
很多时候发现捞了半天发现大哥也是韭菜，兜里不是债务就是杠杆，很难拿到大结果！
币圈的就更不谈了，我们在她们眼里大多都是抠抠搜搜、消费水平一般般的装货。😂
而且这门生意不存在任何长期复利，最后找个老实人接盘更是完全不成立的意淫。
哎，难怪说捞女也是门技术活，也真不是每个人都能干的！
显示更多
AI Agent 这波热度已经很高了，日常演示到处都是。
难点是在“做完之后怎么和真实世界产生经济关系”——接单、交付、验收、收钱，这个步骤链条以前对普通用户和他们日常用的 coding agent 来说，门槛并不低。
很多人想让自己的 Claude Code、Codex、Cursor 或者 Grok Bot 去参与市场，最后卡在要写适配、对接接口、处理钱包和流程上，普通劝退。
TermiX @termix_ai 这次更新的 Agent Skills v1.9.0，把流程简化了很多。
现在基本不用专门开发，在平时用的 Claude Code、Codex、Cursor、OpenClaw 或 Grok Bot 里贴上安装指令，agent 就能注册、接单、交付、收钱，整个流程很简单，支持的主流 coding agent 不少，这就把原来的工具多了一个可以尝试赚钱的路子，不用再重新搭一套环境。
官方给了三层入口
• Skills 入口，装上就能用。
• API 适合想自己控制流程的。
• TypeScript / Python / Go 的 SDK，给需要把市场功能嵌进程序的开发者。
另一个比较有意思的更新是 一个 agent 搞不定的任务，可以发 bounty 让其他 agent 来帮忙，资金托管，验收结果，agent 之间开始显现分工协作的雏形。
TermiX 产品已经迭代到 v1.9.0，TGE 也越来越近啦，期待。
想试的话可以从这里开始：
显示更多
2026普通人用Telegram赚钱，先把基础和避坑搞清楚。很多人觉得TG完全匿名，其实并不绝对，注册使用仍要注意隐私和账号安全。大陆用户需要稳定网络环境才能正常打开，评论区常见会提到安卓免费开源梯子等工具，选靠谱渠道即可，别轻易点来路不明的链接。
第一步先想清楚方向。视频里提到有人只是来看大人内容，但真正能持续变现的，还是自己做社群。群组想象空间很大，你可以直接看到各类垂直圈子：资讯、项目讨论、资源整理等。与其被动潜水，不如明确自己能提供什么价值，再决定建群还是加入优质群。
第二步把群组管理工具化。人一多就靠手工管不过来，可以用BotFather创建机器人，做自动欢迎、关键词回复、权限管理、内容过滤。视频演示里几秒就能拉起基础Bot，再配合群管工具，效率和安全性都会高很多。同时注意版权，搬运影视、付费资料这类内容很容易踩线，宁可原创或正规授权。
第三步搭建信息矩阵。单靠一个TG群流量有限，要把红迪、推特等平台联动起来，同步预告、预警和干货摘要。项目类、行情类信息往往先在这些地方发酵，矩阵能帮你更快接到有效线索，也能给群导流。固���更新节奏，比偶尔爆肝更重要。
第四步守住安全底线。不要随便加陌生人电报，不要轻信“稳赚”“内幕”“代操”话术。涉及转账、助记词、陌生Bot授权的一律拒绝。把安全与效率工具当成日常配置，定期检查管理员权限和群成员来源，骗子最喜欢混进活跃群里私信引流。
整体逻辑很简单：先能稳定用起来，再选有价值的社群方向，用机器人和矩阵放大效率，全程把风控放在第一位。TG能赚钱，靠的是持续运营和信息差，不是一夜暴富脚本。按上面几步慢慢做，比追所谓高手带单靠谱得多。
#电报怎么下载# #飞机验证码# #飞机收不到验证码# #电报号购买#
显示更多
强烈推荐大家去看纪录片《巴菲特的一天》。
片子没有炫目的豪宅，也没有私人飞机的展示，更没有空洞的成功学鸡汤。
镜头里只是一位九十多岁老人普通的日常，一份汉堡，一杯可乐，却撑起了千亿商业帝国。
孔乙看完这部纪录片，提炼出很多值得思考的底层财富逻辑。
看完这部片子，很多人会长时间陷入沉思。
我们会猛然醒悟，能够改写命运的，从来不是一瞬间的爆发，而是日复一日的选择。
他定居奥马哈，几十年前购入的房子一直住到现在。
房屋只做过维修，没有扩建，没有搬家，也不会刻意去挤进更高圈层。
身为世界级富豪，他不会拿财富去堆砌用来炫耀的居住条件。
真正的富足，是学会克制欲望，而不是不停囤积物质。
不少人刚赚到钱，第一件事就是置换房产。
追求更大的客厅、更高档的小区，匹配身份的居住环境。
但换的不只是居住空间，而是拉高了自己的消费基准线。
身边邻居的座驾拉高你的审美，朋友之间的聚会推高你的开销，所处圈层潜移默化放大你的欲望。
圈层一旦升级，支出就会跟着加速上涨。
你以为自己在向上成长，实则正在被周围的环境裹挟。
巴菲特却守住了自己的生活底线，也守住了资产的护城河。
财富积累的关键，不在于赚钱速度有多快，而在于减少不必要的资金流失。
他日常代步的车子十分普通，开了很多年，就算更换新车，也只是满足基础出行。
以他的财力，任何顶级豪车都可以轻松入手，但他不会把钱花在满足虚荣心的消费上。
在他的认知里，无法产生回报的支出，不值得追捧。
顶尖高手，在非必要消费上极度克制。
他们对浪费零容忍，却愿意在投资上面大胆投入。
这就是普通人与高手的差距，普通人用钱证明自己，高手用钱布局长远未来。
伯克希尔·哈撒韦，本质上是一家收购优质企业的公司。
大多数人靠售卖产品赚取利润，而他靠收购好公司来创造财富。
道理简单，落地却极难复制。
大部分人都想做卖方，而顶级高手选择做买方。
他几十年保持同一个习惯，去麦当劳买汉堡当作早餐，搭配可乐。
这不是刻意作秀，只是理性的选择，低成本，足够满足需求。
他不会为了外人眼中的身份，刻意包装自己的生活。
真正的自信，不需要依靠商品价格来证明自身价值。
很多人默认成功就要看起来光鲜昂贵。
但世间最昂贵的资源，其实是时间。
纪录片里最震撼的片段，是他坚持阅读。
每天花五六个小时读书，这位时时刻刻都在创造财富的人，愿意把大量时间交给书本。
他说，知识是复利最强的引擎。
你的时间投入在哪里，复利效应就会在哪里生根。
别人拿时间去博取流量，他拿时间沉淀认知。
十年之后，两者之间的差距会彻底拉开。
再看他的工作状态，九十多岁依旧坚持每天到办公室。
不是缺钱，而是发自内心的热爱。
他那句经典的话，我每天都是跳着踢踏舞去上班。
听着轻松，背后的分量很重，能支撑你几十年保持热情的事情，才称得上事业。
很多人只羡慕最终的财富结果，忽略漫长的过程。
拉开人与人差距的，从来不是天赋，而是长期持续的投入。
你能不能在无人关注的时候反复打磨基础能力？
能不能在没有回报的阶段坚持沉淀？
能不能在诱惑摆在面前的时候按下暂停？
这才是核心问题。
他的投资理念同样充满克制。
一生之中，真正改变财富格局的投资，仅仅十几次。
不靠频繁交易，而是耐心等待合适的机会。
著名的打孔机理论，如果一生只有20次投资机会，你还会随意出手吗。
主动减少选择，是提升决策质量最简单的办法。
大多数人亏损源于冲动，高手盈利来自等待。
市场价格每日波动，人的情绪也跟着起伏。
真正能赚到钱的人，不会被涨跌牵着鼻子走。
情绪决定交易频率，认知决定投资方向。
整部《巴菲特的一天》，没有激烈冲突，没有戏剧化的高光桥段。
所有细碎的日常细节，都指向四个字：简单、克制、专注、重复。
这些词语看着平淡，却搭建起一套顶级的复利体系。
外人看到的是运气，内行看到的是一套稳定的系统。
外人看到惊人的资产规模，内行看懂背后的决策框架。
他没有刻意去过一种看上去很成功的生活，只是坚持一套长期有效的生活方式。
伟大不是短暂的高光时刻，而是长期少犯错。
财富不是一夜暴涨，而是稳步持续积累。
强者比拼的不是速度，而是方向。
我们要学习的，不是他赚到多少钱，而是几十年里如何规避愚蠢的决策。
不盲目换房，避开环境带来的消费绑架。
不追捧豪车，不向虚荣妥协。
减少投资出手次数，提高每一笔决策的质量。
坚持阅读，放大认知杠杆。
保持热爱工作，拉长自身成长周期。
看完这部纪录片，你会读懂一个真相。
决定财富层级的，不是收入的最高点，而是稳定的行为底线。
一个人每天如何安排作息，如何花钱，如何分配时间，就是未来资产曲线的初稿。
你当下的每一天，都在书写十年后的自己。
真正的长期主义，不是一句口号。
是克制欲望，过滤噪音，保持稳定输出。
当所有人追逐风口，保持冷静。
当所有人升级消费，稳住自身开支结构。
当所有人频繁交易，减少出手。
当所有人焦虑迷茫，持续积累自身能力。
一个人未来能抵达的高度，不在于抓住多少机会，而在于拒绝多少诱惑。
这，就是巴菲特的一天。
希望本次分享对你有帮助，我是孔乙，复旦经济学博士，关注我，每天低频高质拆解宏观经济与投资技巧。
显示更多
一个思考：AI 模型的分水岭已经出现！大家要的不是最强的智能，而是最适合自己场景的智能 👀 过去一年，代码生成帮模型公司完成了能力跃迁。接下来，智能体应用正在分化出五个方向：个人便利、个人生产力、企业协作、娱乐生成、科研前沿。娱乐拼的是规模，它争夺所有人的时间；企业拼的是利润，它替代的是人类劳动。
Meta 的 Muse 给大众做了一次便利性的市场教育；Claude Code 证明了代码就是生产力，今年它和 ChatGPT 在企业市场已经打到白热化；字节的 Seedance 和红果短剧，让娱乐生成露出了端倪，这才刚刚开始。
不同玩家，会走不同的路。有终端渠道的公司主攻个人便利，因为用户不会为日常智能多付钱，谁便宜好用就用谁，赚钱靠平台，赢靠心智和流量。企业和专业生产力永远是利润最高的战场，全球知识劳动者一年的薪酬是三十多万亿美元，没有哪家前沿实验室会放手。
最值得关注的是科研前沿：模型公司不会卖科研模型，而是直接交付结果！
Isomorphic Labs 不卖 AlphaFold，直接给礼来和诺华设计分子，拿预付款、里程碑和销售分成；Lila Sciences 建“AI 科学工厂”，成果交给合作伙伴和孵化公司落地；Periodic Labs 更彻底，由 ChatGPT 的共同创造者和谷歌材料发现团队的负责人联手创办，用 AI 加自动化实验室直接去找新材料、新超导体，种子轮就拿了 3 亿美元，现在估值 75 亿美元，资本押注的就是“发现本身”的价值。不过 OpenAI 也坐不住了，CFO 在达沃斯直言：别人用它的技术研发出新药，它要分一份利润，从“卖工具”转向“分利润”。
但这里有个关键区别：愿意亲自下场、共担风险、交付成果的公司，产业会接受；只卖工具、却想事后分成的，药企和大机构很难买单。第一批 AI 设计的药物能否走完临床，会决定“模型公司即研发公司”这条第二增长曲线能不能跑通 🤔
显示更多
