与「月之六」相关的搜索结果

莉奈婭妳好👋🏻請跟我交朋友❗️ #月之六# 上線了✨ 原神終於也有自己的雞翅膀女孩🪽 這麼可愛的孩子好想把她抱緊緊💕而且好奇心很強這點 跟著她冒險一定是有趣的體驗 這麼可愛的草莓小蛋糕 旅行者你不會放掉的吧🍓 我已經期待把她抽出來探索世界了 #原神空月之歌# #莉奈婭# #GenshinImpact# #HoYoverse#

他用的东西好像都没见过，很有意思。 26 岁的交易员Chris Creamer，7 月拿下罗宾斯世界杯月度日内交易赛第一，单月净收益 100.2%。 他的策略一句话说，是用价值区和伽马敞口判断趋势，用斐波那契在折扣区找进场位置，用足迹图里的 delta 吸收等确认，再到止损止盈以及成交量和时间两条过滤规则。 要说账户翻倍很多人都做到过，其实并不稀奇。 但他的方法一说出来，几天就吸引了180多万次观看，直接就火了😍🧐 这些人为什么对他的方法这么感兴趣呢？ 你看过你就不奇怪了，这方法用好了是真绝，他交易是看订单流，按他的统计，胜率能到百分之六十以上，他说自己最长连赢过31天。。

年底决战？字节和 OpenAI 到底在训练什么超大模型？ 前两天从 Financial Times 上看到消息，字节跳动正在训练一个最多可能达到 10 万亿参数的模型；据知情人士透露，字节的项目尚处于早期预训练阶段，这一过程通常需要三到六个月，之后还要经历微调、安全评估和产品化。10 万亿是可能达到的规模，最终数字仍会随训练方案调整。我个人判断 5 - 10 万亿是可能的。 作为参照，月之暗面的 Kimi K3 拥有 2.8 万亿总参数，字节新模型在纸面上接近它的三倍，非常吓人。不过 K3 采用混合专家架构，每个 token 激活约 1040 亿参数，因此总参数不能直接换算成模型能力。 把规模做到这个级别，考验的不只是 GPU 集群、综合算力等。数据质量、集群通信、训练稳定性和故障恢复，都需要。 字节的优势在于拥有豆包、抖音和 TikTok 等大规模产品，可以持续获得真实反馈，也有能力把模型迅速送到海量用户面前。它最终是否开放权重、推理成本能否压下来，目前都没有确定答案。 OpenAI 同样马不停蹄，他们在训练的模型信息比较确定，一个是 Astra 系列，一个是 Doug。 Astra 是已经对外披露能力的下一代模型家族，OpenAI 称其内部版本在数学和理论计算机科学上取得十项新结果，相关论证随后被整理成人类可读的论文，并给出了形式化证书。 OpenAI 在内部评估后“尚不能排除” Astra 达到了 Critical 级网络安全能力，因此得扩大测试并放慢开发。也就是说，虽然 Astra 还没有被正式判定为首个 Critical 模型，但它已经触发了更严格的隔离、监控和安全措施。 在中国开源模型的追赶下，海外报道称 OpenAI 需要通过尽快发布 Astra（GPT 6 级别模型）保持优势。时机至关重要——他们越是拖延，中国的开源模型就会被采用得越多 😂 Doug 则更接近字节正在做的事情。外部消息将 Doug 描述成 OpenAI 迄今规模最大的一次预训练项目，而且它与 GPT-6 并不是同一个模型。OpenAI 尚未正式公布其规模和发布时间。过去两年，OpenAI 通过强化学习和后训练不断挖掘现有的模型底座，能力增长很快，但边际收益也在逐渐变小。 Doug 释放的信号，是它准备重新训练一个更强的基础，再叠加已经成熟的推理与 Agent 训练体系。 字节这个事情如果确定，那就证明中国团队能够独立完成世界级超大预训练，并把能力稳定交付给产品，毕竟 Kimi K3 已经突破了；OpenAI 要做的是，证明大规模预训练仍能带来足够大的跃迁，并处理随之而来的安全成本。 还有 4 个月，年底的大模型又要天翻地覆了。

8.6日盘前梳理 No.1 盘前热点事件 一、昨日热点 并购：宏昌科技、锴威特 创新药：百花医药、哈药股份 PCB：宝鼎科技 磷化铟：云南锗业 AI基站：通宇通讯 AI4S：志特新材 CPO+玻璃基板：沃格光电 二、英伟达30亿美元入股电力商 全国用电负荷再创历史新高 1、英伟达拟向黑石支持的星际之门电力开发商Lancium投资最高30亿美元，首笔20亿美元对应约20%股权，以锁定数吉瓦的电力资源，为其芯片客户的数据中心项目提供保障。 2、8月7日全国用电负荷入夏以来第四次创历史新高，达到15.57亿千瓦。 电力：华银电力、立新能源、华电辽能、亿能电力（北交所） 数据中心：中恒电气、金盘科技、可立克、京泉华 三、Spacex股价周五大涨15.83% 1、马斯克最新表示，即将发射的V3卫星其能力将比目前的V2卫星高出一个数量级，带宽将是V2系统的100倍以上，该系统今年将达到200亿美元的年度收入。Argus Research资深分析师Steve Silver认为，这波反弹还远未结束。他将SpaceX股票评级从持有上调至买入，同时维持160美元的目标价不变。 2、朱雀三号遥二运载火箭‌的发射窗口定在8月11日早上，本次任务的核心目标是验证‌一子级陆地垂直回收技术‌。 朱雀三号：鲁信创投、金风科技 Spacex：通宇通讯、再升科技、西部材料、信维通信、天力复合（北交所） 四、美国加息预期降温 美国7月非农就业人数减少2.3万人，市场预估为增加8万人，前值为增加5.7万人，美国7月非农意外出现负增长，削弱了市场对美联储将在9月会议上加息的预期。 贵金属：招金黄金、盛达资源、金一文化、晓程科技、森和高科（北交所） 五、美股光通信板块普涨 应用光电计划大幅扩产，预计年底800G、1.6T月产能达到约65万个单位。Coherent涨13.44%，应用光电涨9.2%，Credo涨8.45%，Lumentum涨6.22%，康宁涨5.4%。 光通信：云南锗业、光迅科技、汇绿生态、天孚通信、新易盛 六、特朗普宣布：向关键矿产和电池项目投资30亿美元 特朗普宣布，联邦政府将向多个关键矿产和电池项目投资30亿美元，以推动国内生产并促进相关产业发展。美国国防部战略资本办公室向锂离子电池零部件制造商西拉纳米技术公司提供14亿美元有条件贷款；向钪矿商日昇能源金属公司提供4亿美元有条件贷款；以及向磁体开发商尼伦磁铁公司提供1.5亿美元有条件贷款等。 钪矿：鹏欣资源 磁体：中国稀土、中稀有色、中科磁业、西磁科技（北交所）、九菱科技（北交所） 锂电：永杉锂业、融捷股份、天齐锂业、赣锋锂业 七、行业要闻 1、国内电解液添加剂VC均价为23万元/吨，6月以来涨幅超过60%，同比上涨400%。（孚日股份、海科新源） 2、沈腾主演的《欢迎来龙餐馆》点映及预售总票房‌突破1亿元，点映口碑创过去三年国产片点映评分纪录，将于8月11日正式公映。（北京文化、博纳影业） 3、北京印发《关于进一步优化调整本市房地产政策的通知》，非京籍家庭购房社保个税缴纳年限下调为1年。（城建发展、京投发展） 4、《民用航空发展“十五五”规划》印发。（华夏航空、中国东航） 5、SK海力士：将在韩国投资384亿美元建设晶圆厂。（太极实业） 6、茅台部分直营店53度、500ml飞天茅台售价提至1753元/瓶。（金种子酒、舍得酒业） 7、国产磁悬浮5.3秒飙到时速800公里，半年内3破世界纪录。（新筑股份） 8、马斯克或采用FEL技术挑战EUV光刻机。（东方钽业、茂莱光学、奥普光电） 9、月之暗面8月27日完成Pre-IPO轮融资最后交割，计划Q3向港交所完成秘交。（九安医疗、米奥会展） 10、汇川技术发布产品调价函，8月30日起数字能源部分产品涨价5%-15%。 11、苹果测试长鑫科技存储芯片，用于iPhone和MacBook。 No.2 公告精选 一、日常公告 国泰君安国际：国泰海通金控按照每股3港元价格收购公司股票，以实现国泰君安国际私有化退市，目前2.08港元，溢价约44.2% 江 波 龙：完成37亿元定增事项 发行价格为560元/股，较最新收盘价溢价45% 华林证券：拟2.02亿元受让海航期货94%股份 立 昂 微：拟3.18亿元受让浙江金瑞泓11.4705%股权 后者主营6-8英寸半导体硅片的研发与生产 信通电子：拟1.6亿元认购阜时科技股权 德 迈 仕：拟2.07亿元收购上海数明25%股权 高争民爆：控股股东拟变更为西藏地质矿产集团 振华风光：存储芯片已有约十款产品完成转产验证并实现小批量订货 超颖电子：拟投资20.86亿元建设高多层及HDI印制电路板P3项目 赤峰黄金：控股子公司签订约15.01亿元海外采矿服务合同 炬光科技：拟定增募资不超10.21亿元 用于高端光互联核心光学元器件研发及产业化能力建设项目等 胜宏科技：与核心客户合作开发的研发迭代产品正顺利推进当中 部分客户已释放2027–2028年长期需求 绿发电力：拟投资24.75亿元建设天津滨海新区46万千瓦风电项目 数字政通：拟设立合资公司建设算力中心项目 翰宇药业：替尔泊肽注射液首仿上市申请获受理 赛诺医疗：子公司自膨式颅内药物涂层支架系统获欧盟MDR认证 药明康德：美国法院就公司的初步禁令动议作出裁决 挑战1260H认定期间免受不利影响 依顿电子：控股股东九洲集团拟增持1%-2%公司股份 寒 武 纪：上半年净利润23.11亿元，同比增长123% 盛美上海：上半年净利润9.89亿元，同比增长42.14% 二、停复牌 蓝盾光电：复牌，拟购买岚创科技控股权预计构成重大资产重组 宝 莱 特：复牌，终止筹划控制权变更事项 *ST发展：复牌，与预重整投资人签署《重整投资协议》

字节还是字节啊，来，好东西不怕多 字节跳动正在训练一个 AI 模型，其规模可能接近 Anthropic 最前沿的 Mythos 系统，中国公司正持续缩小与美国顶尖实验室之间的差距。 据三位知情人士透露，这家中国科技巨头正处于训练一个参数高达 10 万亿的模型的早期阶段，其规模是迄今为止已发布的最大中国模型——月之暗面 Kimi K3 的三倍。 其中一位知情人士表示，字节跳动的该模型正在进行预训练——这一阶段通常需要三到六个月——如果一切顺利，之后将进行微调并发布。确切模型规模将在后续阶段才能确定。

前几天在新浪的「赛博对话」录了一期视频播客，话题是大模型厂商怎么就从烧钱走到了赚钱的转折点，主持人是高飞 ，嘉宾是庄明浩和我。 其实最开始是想聊豆包收费这件事情，我和庄明浩还在私下嘀咕，豆包传出付费方案的消息是在月初，早就不是热点了，实在是过了蹭的时机，但如果放大到AI这门生意终于迈过了亏本赚吆喝的那条线，就没问题了，这是一个相当长效的题材。 省流版总结如下： - 根据黄仁勋提出的五层蛋糕理论，应用层虽然是直接和终端用户打交道的，但它也是整个产业结构里盈利压力最大的那个，毕竟上面四层都是供给逻辑，有货就不愁卖，唯有应用层是需要竞争流量的，在这个前提下，收费堪比拔鹅毛但又不让鹅叫唤的艺术； - 豆包当初传出收费消息被猛带了一波节奏，很多人以为从此就没法免费使用豆包了，无论是从中国互联网的历史来看，还是ChatGPT作为先例的样板，收费模式必然是增值服务，大家现在怎么用豆包的还是怎么用，然后一些旗舰级的能力就只会放在会员方案里予取予求； - 再就是国内用户对于为产品功能买单这件事情极其抵触的特有生态，之前北京车展，The Information的记者过来跑了一圈新势力，发现它们的出海计划里都会把车机功能当作付费点，但在中国市场完全没有这个想法，负责人的解释也是很直白无奈，「中国人不会为软件付钱」； - 庄明浩和我都觉得豆包在绝对领先的地位上开启收费尝试是很有意义的，这点钱对于字节的CapEx来说无异于杯水车薪，但整个消费观念的转变很重要，甚至我相信千问元宝都会感谢豆包，否则都被卡死在给全国人民做公益这个沼泽里，「你不收，我怎么收？我不收，耿专员怎么收？大伙怎么进步啊？」 - 再就是豆包的定价梯度可能比较意外，或者说整个AI应用的订阅门槛都是偏高的，长视频平台还在10块钱、20块钱一个月的留人时，豆包的最低档会员就是68块钱一个月了，像是Kimi也是49块钱一个月的起价，越过了30块钱一个月这个标准； - 30块钱一个月就是手游里的月卡，再往上才是大月卡，即通行证/战令，这一档的定价通常从68块钱到98块钱一个月不等，至于豆包计划里最贵的500块钱一个月套餐，相当于一单648的8折价，是不是也很容易理解了； - 马化腾在财报会议上也专门讲了中国用户在2C市场的付费转化率不太高这个点，要知道腾讯已经是最能从用户口袋里掏钱的互联网公司了，它都这么为难，叠加年年喊崛起年年也没能支棱起来的SaaS，模型下游的商业循环在国内实在需要一点乐观趋势，要知道智谱、MiniMax、月之暗面本质上是出海赚美金的公司； - 对于收入能够保持同步增长的公司而言，CapEx其实不是问题，从谷歌Q1财报来看，营收1000亿美金出头，利润差不多600亿，毛利率比纯卖广告的Meta还高，所以烧钱有什么问题呢，烧不出回报才是问题，马化腾说以为上船了但发现船是漏的，就是这个意思； - 中国互联网除游戏外的订阅制付费上限，单产品差不多在1.3亿的水平线，爱优腾和QQ音乐在巅峰期都没能超过这个阈值，我个人不太相信AI应用可以创造例外论，但是抛开订阅不谈，被越炒越火的各种Token套餐如果真的普遍化了，搞不好还真能带来变数； - 其实模型厂商也倾向于按量计费的买卖，订阅制的商业模式就像健身房，赚的是那些开了卡但不经常来的客人的钱，如果大家都用满，在这么一个不太存在规模效应——用户越多，越容易摊薄成本——的行业，AI应用很容易成为一个失血点而非造血器，所以庄明浩看到了一个怀旧服的可能性出现； - 也就是各大运营商开始力推的Token包，这跟当年的流量包不能说是一模一样，只能说是完全一样，所以如果运营商能够成为一个分销Token的角色，像大王卡那样，用Token包去覆盖一些模型的用量，再去后端完成分账，这个故事是完全说得通的； - 不过，无论是订阅制还是卖Token，模型能力都是撬动市场的第一要素，就像GPT-Image-2出来之后所有代开会员的第三方价格全数涨价，以及「六小虎」里把编程套餐卖断货的行情，都说明生产力需求是可以无视价格敏感的； - 但我总觉得豆包的收费不会走生产力路线，豆包大模型可以有生产力市场的目标，比如配合Trae去打，豆包App却未必要这么把路走窄，它的人格化和陪伴性其实是可以在情绪价值市场做出更多可能性的，就像我看有数据显示开源模型超过半数以上的Token消耗用在了角色扮演上，这里的经济价值是被低估了的； - 高飞和庄明浩认为模型厂商还有一个创收机会，就是转移支付，借着全民AI这个热潮，去让市政单位、高校学府来买单，比如某个市的行政区，去给市民提供常态化的Token额度，或者大学对标自己和知网签年框的方式，让师生享有最基础的Token套餐，用财政预算去替大家消费AI； - 总的来看，头部的模型厂商基本不再担心会倒闭了，包括已经上市的财务数据都摊开了，一个基本事实是，如果不算预训练，毛利率都能是打正的，同时预训练的成本增加是一个线性的，而收入的增加是指数级的，所以Anthropic、OpenAI这种烧钱大户都预计能在2030年甚至2028年就实现正现金流，这个速度比亚马逊当年都要快得多； - 庄明浩说做上游投资的现在是在焦虑物理极限，什么意思呢，就是会不会说，地球上的铜不够用了⋯⋯包括要去太空建数据中心，也是因为缺算力缺成了连力大砖飞都搞不定的事情，光有钱没用啊，你得有地方花出去，全世界的工业品暴涨，核心原因就是产能跟不上，需求侧在竞价锁单； - 中美大模型的发展差异在于，美国是在追求速胜，一波钱砸下去，掉队的、认输的马上就出来了，集中度很高，「御三家」就是这么高速洗牌洗出来的，中国因为相对慢一些，同时大家对成本更谨慎，所以能有更多的玩家不下牌桌，赚钱的难度也会高一些，这是充分竞争的经济学理论； - 庄明浩举了Seedance 2.0的例子，按理来说这场仗就应该打完了，你不可能怀疑字节在视频模型身上的决心和疯狂，但实际上呢，快手的可灵、阿里的Wan和Happy Horse、MiniMax的海螺都是该怎么继续还是怎么继续，后面还跟着HiDream、Vidu、Pixverse、SkyReels一长串名字，它们甚至都能拿到融资； - 中国互联网的缠斗传统，加上大盘上涨的规律，意味着你可以不是吃到肉的那个人，跟着喝汤一样能够保存希望，而且AI行业的标的天然优于非AI行业，这种「种族优势」，决定了「投AI总比投别的强」的底层逻辑，于是纷纷续命，等对手犯错，等轮到自己，等一切可能性； - 还是用那五层蛋糕的比方来说，美国是标准的纺锤结构，稀缺性最高的英伟达在中间赚得盆满钵满，中国则更偏向于柱状结构，在产业指导的作用下，不会有哪一层特别明显的去吸整条上下游的血，所以这个蛋糕必然不会跟太平洋对面一样甜，一个人走得快，一群人走得远嘛； - 最后还有一个变数是硬件，庄明浩说，美国做硬件的Startup，拿到钱后的第一件事就是飞深圳，跟逛迪士尼乐园似的，什么梦想都能找到供应商，为什么一级市场那么喜欢投大疆、追觅、影石出来的人，就是因为他们有从0到1的经验，可以复用到AI这一波，难道文曲星和背背佳就不算应用了么，对吧； - 高飞说得很有意思，AI用的东西，都在涨价和赚钱，比如能源、光纤、芯片这些，只有人用的东西，是在通缩和亏损，那么AI应用赚钱很难就说得通了，因为这是给人用的，人类不争气啊，碳基世界完蛋了，哈哈哈哈； - 所以，虽然这话可能有政治不正确的嫌疑，但判断AI是否真正产生了价值的标准，就是企业有没有在大规模裁员......是的，AI替代人类很残酷，但这起码说明AI可以产生真实的经济效益，反倒是喊着AI改变一切，却凡事仍要人类亲力亲为，才是真的有问题。

国产信创应该立刻更新名录， 要求一切央企、地方国企、国资委、事业单位、行政机关、外包、IT部门提供的软件、服务、工具、SaaS，必须通过“国产LLM可控认证”， 由专业机构审查流程，要求检查所有git或者mercurial的contributor必须检查机器，认证本地claude code的config使用国产大模型、neo cloud LLM API， 也就是说，只要进入国资国企的采购和外包范围内，必须先拿到国产大模型认证，claude和gpt订阅不要用于这种开发了，员工必须在deepseek、智谱、月之暗面、阿里、小米、minimax这几家合规国产LLM中六选一。 同时给这六家和其他国产neo cloud出台认证，必须提供绝对干净、绝对隐私、无隐私泄露风险的独立部署，哪怕成本贵10倍，也要保证央国企、政府机关、事业单位的隐私可控和不被泄露，只有省级以上网络安全部门有权审查，拿到证书后，才可以进入“国产LLM可控认证”名录。 只有这样，才会让上百亿人民币的国资订单和这几家强行绑定，才会让这几家国产LLM厂商市值维持住，才能保持营收继续double-digit growth，才能让股民们继续炒股，继续维持他们的万亿市值，给剩下的公司IPO大开绿灯。

第一個智能體不用自己寫迴圈，那程式設計師還剩下什麼？ 官方來源：Martin Bernaola Mendez，原文發表於 2026-11-13（1 天內，見文末核實）。原文標題直譯：《在微軟開發平台做你的第一個智能體，比你想的簡單》。先把反常識結論放前面：多數人以為做智能體要先學一堆新東西，新的框架、新的寫法、新的觀念，沒三個月下不來；真相剛好相反，你的第一個智能體根本不用學新東西，用你本來就會的主程式語言、你本來就熟的寫法，一個下午就跑起來了。智能體的本質一點都不神秘，就是模型加指示加工具加記憶，繞著圈跑到答案出來：模型先判斷要不要用工具、再叫你的程式去做事、拿到結果再寫答案，迴圈跑完才收工。關鍵在最後一句：這個迴圈不用你寫，框架全包了。你只剩三件事：給它一個名字與指示、給它一個工具、給它一段記憶。微軟的智能體框架就是幹這個的，底下還有一個聊天客戶端介面，幫你把不同模型的呼叫方式統一成同一套寫法。這篇只做一件事：照原文四步走，帶你從零做出第一個會查天氣、會記得你名字的旅行小幫手，最後再換成本機免費版，一毛錢都不花。先說清楚底線：前置條件是開發平台軟體開發套件第十版或全新的第十一版，加上一把開放智能的應用程式介面金鑰；沒有金鑰也沒關係，文末有本機免費版。 說清詞： - 智能體：模型加指示加工具加記憶，繞著圈跑到答案出來的程式，模型負責判斷、你的程式負責做事。 - 聊天客戶端介面：微軟擴充智能裡的統一介面，把不同模型的呼叫方式包成同一套寫法，換模型不用重寫程式。 - 微軟智能體框架：坐在聊天客戶端介面上面、專門加智能體功能的那一層，負責指示、工具呼叫、工作階段，往後還能接多智能體流程。 - 指示：你給智能體的工作說明，寫明它是誰、說話多簡短、什麼時候該用工具，寫得越具體、它做得越穩。 - 工具：就是你本來就會寫的普通方法，加上一句說明文字掛進智能體，模型看說明決定什麼時候叫它。 - 說明屬性：掛在方法與參數上面的說明文字，告訴模型這個方法是幹什麼的、參數是什麼意思，模型就靠它決定要不要叫、要傳什麼。 - 迴圈：模型決策、呼叫方法、結果回填、寫答案，四步轉一圈，直到答案夠好才停，框架自動跑，你不用自己寫。 - 工作階段：對話的記憶盒子，建立一次、每次跑都傳進去，智能體才記得上一句講過什麼。 - 串流：答案一個字一個字出現的跑法，像聊天視窗那樣慢慢印出來，整段等完才印是另一種跑法。 - 主控台專案：最簡單的那種程式，沒有視窗、沒有網頁，只在命令列視窗裡跑，做第一個智能體用它就夠了。 - 環境變數：存在電腦系統裡的設定值，金鑰放這裡，程式碼裡只讀它、不寫明文。 - 本機模型：裝在你自己電腦上跑的模型，不用連雲端、不用付按量費用，代表作是奧拉瑪接開源模型。 - 模型上下文協定：接現成工具伺服器的標準作法，原文只在展望裡提，叫你以後自己去接，不用現在學。 - 可觀察性：把每一次模型呼叫與工具呼叫都留下紀錄的作法，出怪事時靠它追查，原文只在展望裡提。 一個真實的例子：原文的第一個智能體叫旅行小幫手，做的事再小不過：回答去馬德里旅行的小建議。做法是拿開放智能的客戶端取一個聊天客戶端、指定一個支援工具呼叫的聊天模型，再把它轉成智能體，給名字旅行小幫手、給指示說你是友善的旅行助理、答案保持簡短，跑起來就完成了。問它去里斯本玩兩天怎麼排，答案一個字一個字慢慢印出來，那是串流跑法。接著給它一個工具：一個查天氣的普通方法，加上一句說明說這是查某個城市的天氣預報，方法本身只是回傳一段寫死的假天氣。問它去里斯本要不要帶傘，背後發生四件事：模型讀問題、發現需要天氣資料、叫方法去查里斯本、拿到結果寫答案說早上會下小雨、記得帶傘。迴圈你一行都沒寫，框架全包了。最後加記憶：建立一個工作階段、每次跑都傳進去，先說嗨我是安娜、星期五要飛里斯本，再問要不要帶傘，第二問根本沒提城市，智能體自己用對的城市查天氣；再問我叫什麼名字，它答得出安娜。這三問跑下來，第一個智能體該有的東西全齊了：會判斷、會動手、會記得。 為什麼是框架全包，而不是你自己寫迴圈？因為迴圈裡最容易出錯的地方，全是重複的髒活：模型回傳要叫工具，你要解析它叫的是哪一個、參數對不對；方法跑完，你要把結果用對的格式回填給模型；模型又回傳要再叫一次，你要判斷這是正常接力還是無限鬼打牆；答案終於出來了，你要決定什麼時候停。這些事每一件都不難，但加起來就是幾十行容易寫錯的程式碼，錯一次、除錯半天。框架把這整圈包起來，你只寫三件事：指示寫清楚、工具掛上去、工作階段傳進去。11 月 12 日那篇手寫迴圈的教程立場剛好相反，叫你自己把迴圈寫出來、看懂每一圈在幹什麼；這篇的立場是先跑起來再說，迴圈交給框架，你先嚐到智能體動起來的滋味。兩篇沒有誰對誰錯，是先後順序：新手先照這篇跑起來，想搞懂底層再去讀手寫迴圈那篇，順序反過來很容易卡在第一圈就放棄。 再算一筆帳，讓你知道第一個智能體到底花多少錢。示範用的是開放智能的輕量聊天模型，特點是便宜、支援工具呼叫，跑幾十次問答常常不到一塊錢美金，練手完全不心疼。真正貴的不是模型，是你把正式環境的大模型、長上下文、高價輸出全開來練手，練十次就抵得上一個月的示範費用。所以練手的規矩只有一個：示範模型挑輕量便宜的，指示寫簡短，工具先用寫死的假資料，跑通了再換真資料、再換好模型。本機免費版更徹底：模型裝在自己電腦上跑，一毛錢都不花，工具、工作階段、串流的程式碼一個字都不用改，只換呼叫模型的那一行。先在本機版把迴圈、工具、記憶三件事都摸熟，上雲端花錢時才知道錢花在哪裡。 反方適用條件清單——以下情況，先別照本篇做第一個智能體，免得把本篇讀成保證： - 不想碰微軟開發平台、只用別的語言生態：本篇是微軟開發平台的作法，換生態等於整篇重寫。 - 沒有金鑰、也不想裝本機模型：兩條路都沒有，模型叫不動，智能體跑不起來，先選一條路再開工。 - 挑的模型不支援工具呼叫：工具掛上去模型也不會叫，示範用的輕量模型有支援，換模型之前先確認支援清單。 - 想一次做多智能體協作、寫作者加審查者的流程：原文只做到單一智能體，多智能體是展望裡的下一步，現在做還太早。 - 想直接做正式上線的產品：本篇只到主控台示範為止，正式產品要另外做驗證、備份、錯誤處理。 - 指示寫得含糊、只寫你是個助理：指示越空、模型做得越飄，指示要寫明身分、語氣、什麼時候用工具。 - 除此之外，只要你會寫主程式語言、想親手跑一個會動手的智能體——這篇就是為你寫的。 一句定性金句：迴圈不用你寫，判斷不用你寫，你只剩三件事：給指示、給工具、驗答案。 一、翻車清單 - 金鑰寫進程式碼、貼進群組、傳進公開倉庫：誰拿到都能花你帳上的額度，正確做法是存進環境變數，程式碼裡只讀變數不寫明文。 - 開發平台軟體開發套件版本太舊：原文要第十版或全新的第十一版，舊版可能沒有智能體框架要的寫法，先升級再開工。 - 套件裝錯：開放智能版與通用版是兩個套件，雲端版裝開放智能那一個，本機版才裝通用版加奧拉瑪那一個，裝錯就接不上。 - 模型挑不支援工具呼叫的：工具掛上去模型也不會叫，示範用的輕量模型有支援，換模型之前先確認支援清單。 - 指示寫得太空：只寫你是個助理，模型不知道該簡短還是詳細、該不該用工具，指示要寫明身分、語氣與用工具的時機。 - 工具沒加說明文字：模型看不懂這個方法是幹什麼的，永遠不會叫它，說明文字是工具能不能被叫到的關鍵。 - 工具方法寫了真的去查天氣：示範階段先用寫死的假資料，跑通迴圈再換真資料，一開始就接真服務，出錯不知道是迴圈錯還是服務錯。 - 忘記建立工作階段：每一次呼叫都從零開始，第二問不提城市它就不知道去哪裡，名字也記不住，記憶要靠工作階段傳進去。 - 工作階段建了卻沒傳進去：建立一次不夠，每一次跑都要傳，漏傳一次、那一次的對話就斷了。 - 串流與整段回傳搞混：串流是一個字一個字印，整段是等完一次印，兩種跑法的寫法不一樣，抄錯會編不過。 - 金鑰放環境變數卻沒重開命令列視窗：環境變數改了要重開視窗才生效，舊視窗讀到的是舊值，一問就說金鑰沒設。 - 本機模型挑不支援工具呼叫的：本機開源模型不是每一個都支援工具呼叫，挑之前先確認，否則工具掛上去也不動。 - 本機服務沒啟動就跑程式：奧拉瑪的本機服務要先跑起來，程式連的是本機位址，服務沒開就連不上。 - 把示範程式當正式產品：主控台示範沒有錯誤處理、沒有備份、沒有驗證，正式上線要另外補齊，示範跑通不等於產品做完。 - 一次給太多工具：第一個智能體先給一個查天氣就好，工具一次給五個，模型叫錯的機率立刻上升，出錯不知道是哪一個工具的問題。 - 指示與工具打架：指示寫不要用工具、工具又掛上去，模型左右為難，指示與工具要講同一套話。 - 名字與指示寫完就以為智能體懂了：名字只是名字，真正管行為的是指示，指示沒寫清楚，名字再好聽也沒用。 - 測試不跑就說通了：模型說帶傘不算數，程式真的跑起來、答案真的對、第二問真的記得城市，才算通。 - 換雲端平台就以為程式碼要重寫：聊天客戶端介面就是為了換模型不用重寫，雲端平台、開源模型、微軟雲端，全是換呼叫模型的那一行，其餘不動。 - 把多智能體協作當第一步：原文的展望是下一步，先把單一智能體跑通，作者加審查者的流程以後再加，一步登天一定摔。 二、替代方案＋理由 原文只給一條主路，理由很硬：先拿雲端輕量模型跑通，再換本機免費版——理由是雲端版最快驗證迴圈、工具、記憶三件事，本機版再把花費壓到零，順序反過來很容易卡在本機安裝那一步、還沒看到智能體動起來就放棄。雲端版的理由是套件裝好、金鑰設好就能跑，示範用的輕量模型便宜又支援工具呼叫，練手不心疼。本機免費版的理由是模型裝在自己電腦上，一毛錢都不花，工具、工作階段、串流的程式碼一個字都不用改，只換呼叫模型的那一行，適合想一直練、一直試的人。還有一條同理可推的路：雲端平台版、開源模型平台版、微軟雲端版，理由是聊天客戶端介面把模型呼叫統一了，換平台只是換呼叫模型的那一行，其餘程式碼全不動，適合公司已經有指定平台的人。順序只有一個：雲端輕量版先跑通，再換本機版或公司平台版，不要三種同時開工。 工具的作法也有替代方案，理由一樣硬：示範用寫死的假天氣，理由是先驗迴圈對不對，出錯只可能是迴圈錯；換真資料是下一步，理由是迴圈通了再接真服務，出錯只可能是服務錯。兩步分開除錯，永遠比一次全上、錯了不知道找誰快。記憶的作法也一樣：工作階段是原文給的正規作法，理由是框架幫你管記憶，不用自己寫對話紀錄；自己寫對話紀錄是另一條路，理由是想完全掌控格式的人可以自己來，但新手先不要，框架的版本先跑通再說。 三、目標形態 一個能對照的最小閉環：開發平台軟體開發套件已裝第十版或第十一版、開放智能金鑰已存進環境變數；主控台專案已建好、開放智能套件已裝好；智能體已有名字旅行小幫手、指示寫明友善的旅行助理、答案保持簡短；問它去里斯本要不要帶傘，模型自己叫查天氣的工具、拿到結果寫答案說早上會下小雨、記得帶傘；第二問不提城市，它用對的城市查天氣；第三問問我叫什麼名字，它答得出安娜。三問全對、程式真的跑起來，才算通。一句話：先讓一個智能體真正動起來，再談多智能體。 這個最小閉環還有三個進階樣子，通了之後可以一個一個加上去。第一個是換真資料：查天氣的方法從寫死的假資料換成真的天氣服務，問同樣的問題，答案裡的溫度與天氣要對得上真實預報，迴圈不動、只換方法裡面。第二個是換本機免費版：模型換成本機開源模型，其餘程式碼一個字都不改，跑同樣的三問，答案一樣對，帳單變零。第三個是加第二個工具：再掛一個查機票或查景點的方法，指示寫明什麼時候用哪一個，問一個同時需要天氣與景點的問題，看模型會不會自己挑對工具。這三個樣子有一個共同點：一次只換一件事，換完立刻驗三問，驗不過就只退一步，不用整段重寫。 四、遷移步驟 1. 先備前置條件：開發平台軟體開發套件裝第十版或全新的第十一版，開放智能金鑰申請好、存進環境變數，不要寫進程式碼。 2. 新建主控台專案：用命令列工具新建一個主控台專案、進到專案資料夾，裝開放智能版的智能體套件。 3. 寫第一版主程式：拿開放智能客戶端取聊天客戶端、指定輕量聊天模型，轉成智能體，給名字旅行小幫手、給指示說你是友善的旅行助理、答案保持簡短，問一句去馬德里旅行的小建議，跑起來。 4. 換串流跑法驗一次：同一個問題改用串流跑法，答案一個字一個字印出來，確認兩種跑法都通。 5. 給它第一個工具：寫一個查天氣的普通方法、加一句說明說這是查某個城市的天氣預報，方法裡先回傳寫死的假天氣，掛進智能體。 6. 問它去里斯本要不要帶傘：看模型自己叫查天氣的方法、拿到結果寫答案，迴圈四步都發生了才算通。 7. 建立工作階段：建立一個工作階段，每一次跑都傳進去，先說嗨我是安娜、星期五要飛里斯本。 8. 驗記憶三問：第二問要不要帶傘不提城市，看它用對的城市查天氣；第三問問我叫什麼名字，看它答得出安娜；三問全對才算通。 9. 換本機免費版：裝通用版套件加奧拉瑪套件，本機服務先啟動，模型換成本機開源模型，其餘程式碼一個字都不改，跑同樣的三問。 10. 換真資料：查天氣的方法從寫死的假資料換成真的天氣服務，問同樣的問題，答案要對得上真實預報。 11. 加第二個工具：再掛一個查機票或查景點的方法，指示寫明什麼時候用哪一個，問同時需要兩種資料的問題，看模型挑不挑得對。 12. 換公司平台驗一次：雲端平台版、開源模型平台版、微軟雲端版挑一種，換呼叫模型的那一行，其餘不動，確認聊天客戶端介面真的統一了寫法。 13. 記帳：示範用的輕量模型跑幾十次常常不到一塊錢美金，練手用輕量模型、指示寫簡短、工具先用假資料，跑通了再換真資料、再換好模型。 14. 排定主力與備胎：主力一種平台每天用，備胎一種放在旁邊，主力出問題、換專案時立刻換備胎頂上，不用臨時翻文件重學寫法。 15. 每月回頭對一次官方文件：智能體框架還在長大，多智能體流程、模型上下文協定、除錯工具都會變，每月花十分鐘對一次，才不會拿著舊地圖走新路。 跑完這十五步，真正拉開差距的不是你會幾種平台，是你給指示的方式。指示寫得含糊，模型就做得含糊；指示寫得具體，模型就動得具體。好的指示有三個要素：先說身分，再說語氣，最後說用工具的時機。身分是你是誰，例如友善的旅行助理；語氣是答案多長，例如保持簡短；用工具的時機是何時該查資料，例如需要天氣資料時就用工具查。三個要素寫進每一次設定，模型的命中率立刻不一樣。反過來最差的指示是只寫你是個助理，模型不知道你要它簡短還是詳細、不知道什麼時候該動手，只能憑感覺猜，猜錯了你還要花時間收拾。框架是硬體，指示是軟體，硬體接好了、軟體跟不上，一樣跑不快。 問問題也有一個進階技巧：一次只問一件事。請模型同時排行程、查天氣、再訂機票，它常常三件都做得半調子；拆成三輪，每一輪只做一件、每一輪都驗收，總時間反而更短，因為返工最花時間。還有一個習慣值得養：每一次請模型動手之前，先請它用一句話說出它理解的任務是什麼，它說對了再讓它動手，它說錯了先糾正理解、不要讓它帶著錯誤的理解去叫工具。這兩個習慣加起來，模型的出錯率會掉一大截，你花的檢查時間也會跟著掉。 五、團隊共建分工 做第一個智能體是小事，但三個角色別一個人全扛： - 你自己管金鑰：金鑰只你經手，存進環境變數、不寫進程式碼、不貼進群組，誰要用就請他自己建一把。 - 審查者核對帳單：每週對一次用量，示範用的輕量模型跑幾十次常常不到一塊錢美金，大模型、長上下文、高價輸出的帳單先抓出來看。 - 紀錄者留對照表：把每一次實驗的模型、指示、工具、工作階段、驗收結果寫進本篇贈品驗收表，換人接手時不用重讀原文，換模型時照表改名字就好。 - 守門員管範圍：每一次請模型動手之前，先說清楚哪些工具能叫、哪些資料不能碰，正式環境的設定一律列入禁區，模型動手之前先對一次範圍，叫錯工具的代價比多問一句話貴得多。 - 新人先跑最小閉環：新加入的人不要一次做多智能體，先照本篇第四節跑一遍最小閉環，三問全對、程式真的跑起來，通了才算入門，通不了先找守門員對設定，不要自己硬湊。 六、官方工具包 - 微軟擴充智能：聊天客戶端介面，統一不同模型的呼叫寫法，換模型不用重寫程式。 - 微軟智能體框架：坐在聊天客戶端介面上面，負責指示、工具呼叫、工作階段，往後還能接多智能體流程。 - 開放智能版套件：雲端版裝這一個，示範用輕量聊天模型，支援工具呼叫。 - 通用版套件加奧拉瑪套件：本機免費版裝這兩個，接本機開源模型，其餘程式碼不變。 - 示範模型：輕量聊天模型，支援工具呼叫，練手便宜。 - 本機模型代表：駱馬三點二，裝在自己電腦上跑，一毛錢都不花。 - 同理可接的平台：雲端平台、開源模型平台、微軟雲端，換呼叫模型的那一行就好。 - 展望裡的下一步：多智能體流程、模型上下文協定、智能體對智能體、可觀察性、除錯工具，現在先知道名字就好。 - 前置條件：開發平台軟體開發套件第十版或全新的第十一版，加上一把開放智能金鑰或一台裝好本機模型的電腦。 結尾收束：原則比框架多重要——智能體框架不是魔法，是把迴圈包起來的那一層。可重複的動作規則只有一條：每次換模型、換平台、加工具之前，先回到那個最小閉環——三問全對、程式真的跑起來——通了再往下走。今晚就能做的事：先備好金鑰、建一個主控台專案、問它一句去馬德里旅行的小建議，答得對，這條路就是你的了。 最後再提醒一次最容易被低估的事：第一個智能體真正的成本不是金鑰、不是套件，是你願不願意把指示寫清楚。指示寫不清楚，模型做得再快也是亂做，你還要花更多時間收拾；指示寫清楚了，迴圈、工具、記憶三件事立刻各就各位。這筆帳，比幾十次問答不到一塊錢美金重要得多。今晚先跑三問，明天上班第一件事就拿一個你真正的工作問題去問它，問完看它會不會自己挑對工具，挑對了，你就知道這條路值不值得走下去。 本篇贈品：微軟智能體首次落地驗收表 開通之前逐項打勾：1 前置——開發平台軟體開發套件已裝第十版或第十一版、開放智能金鑰已存進環境變數、沒寫進程式碼；2 專案——主控台專案已建好、開放智能版套件已裝好；3 第一版——智能體已有名字旅行小幫手、指示已寫明友善的旅行助理與答案保持簡短、問去馬德里旅行的小建議已跑通；4 串流——串流跑法已驗一次、答案一個字一個字印出來；5 工具——查天氣的方法已寫好、說明文字已加上、方法裡先用寫死的假資料、問去里斯本要不要帶傘已看到模型自己叫方法；6 記憶——工作階段已建立、每次跑都已傳進去、第二問不提城市已用對的城市查天氣、第三問已答得出安娜；7 本機版——通用版套件加奧拉瑪套件已裝好、本機服務已啟動、模型已換成本機開源模型、三問已重跑全對；8 真資料——查天氣的方法已換成真的天氣服務、答案已對上真實預報；9 第二工具——第二個方法已掛上、指示已寫明什麼時候用哪一個、同時需要兩種資料的問題已驗過；10 帳單——示範用的輕量模型跑幾十次不到一塊錢美金的算法已知道、練手用輕量模型與假資料的規矩已立好；11 維護——每月回頭對一次官方文件、換平台只換呼叫模型那一行的作法已驗過；12 指示——每一次設定已寫明身分、語氣、用工具的時機三個要素，一次只問一件事，模型動手前已先用一句話說出它理解的任務。 S1哥觀點 別再問「做智能體是不是很難」了——難的不是智能體，是你以為迴圈要自己寫。還在觀望的人，花的時間不是學習，是猶豫；照這篇跑起來的人，一個下午就有一個會查天氣、會記得你名字的旅行小幫手，迴圈框架全包了，你只剩給指示、給工具、驗答案。更值得問的是：你現在每天重複做的那件小事，是查資料、還是回覆、還是整理？那一件，就是你第一個智能體該先接的理由。還有一個更扎心的問題：你上一次說要學智能體，結果三個月過去、連第一個主控台專案都還沒建，是什麼時候？這種拖延，跑起來一次就治好了，因為跑通的那一刻你就知道，原來第一步這麼小。你第一個智能體想讓它先幫你做什麼？評論區說說。

我认识了一个做投资的大哥。 这人其貌不扬，穿个拖鞋就能去谈几千万的项目。 我问他，你决策这么准，是不是有什么内部消息？ 他点了根烟，说：“我有个屁的内部消息。我就是个贝叶斯主义者。” 我当时惊讶。。。贝叶斯？那个概率论里的公式？这玩意儿跟投资有啥关系？ 他看我一脸懵，就笑了。他说：“你以为贝叶斯是个数学公式？贝叶斯是一种活法。” 那天他跟我聊了三个小时。我听完之后，后背发凉。因为我发现，我过去三十年的思考方式，全是错的。 一、 先说贝叶斯到底是个啥。 你肯定听过那个公式：P(A|B) = P(B|A) * P(A) / P(B)。别怕，不用记。你就记住一句话： 根据新的证据，不断调整你的判断。 就这么简单。 但简单归简单，真正能做到的人，万里挑一。 我给你举个例子。你早上出门，看见天阴了。你心里想，今天可能要下雨。这个“可能要下雨”，就是你的先验。就是你根据过去的经验，对一件事的初始判断。 然后你出门，感觉空气湿漉漉的，风也起来了。这时候你更相信要下雨了。这个“感觉”，就是新证据。 你根据这个新证据，把你的判断从“可能下雨”调整到“大概率下雨”。这个调整后的判断，就是后验。 然后你走到半路，一滴雨砸在你脑门上。你立刻把判断调到“肯定下雨”，然后跑起来找地方躲。这就是再次更新。 你看，你每天都在用贝叶斯。只是你自己不知道。 二、 但大多数人用贝叶斯，只用了一半。哪一半？收集证据的那一半。他们不用更新判断的那一半。 什么意思？ 你想想，你是不是经常这样：你跟一个人吵架，你认定他就是个自私的人。然后他做了一件事，明明是为你着想，你却说：“他肯定是有目的的。”他帮你，你觉得他虚伪。他沉默，你觉得他冷血。他解释，你觉得他狡辩。 你收集了所有证据，但你从来不更新你的判断。你的先验是“他是个自私的人”，然后所有新证据，你都用来强化这个先验，而不是修正它。 这不叫贝叶斯。这叫确认偏误。 贝叶斯思维最狠的地方，就是它要求你：当证据足够强的时候，你得承认自己错了。 不是嘴上承认，是心里真的改。 我那个投资大哥跟我说，他每年都会复盘自己看错的项目。他说，看错不可怕，可怕的是看错了还不改。他说，他每次做决策，都会先写下来：我现在的判断是什么？我为什么这么判断？然后等三个月，等半年，看结果。如果结果跟判断不符，他就问自己：是证据不够？还是我的先验错了？ 如果是先验错了，他就改。改得越快，亏得越少。 三、 贝叶斯思维里，有两个东西特别关键。一个叫基础概率，一个叫似然比。 基础概率，就是你还没看证据之前，这件事本身发生的概率有多大。 我举个特别经典的例子。假设有一种罕见病，发病率是千分之一。现在有一种检测方法，准确率99%。就是说，如果你有病，它99%能测出来。如果你没病，它也有99%能测出来是阴性。 现在你去体检，检测结果是阳性。请问，你真正得病的概率是多少？ 大多数人会想：99%啊，完了，我肯定得病了。 错。大错特错。 我们来算一下。一千个人里，有一个人得病。这个人检测阳性，概率99%，所以有一个真阳性。剩下999个人没病。但检测有1%的误报率，所以999个人里，大概有10个人会被误报为阳性。 现在你告诉我，在11个阳性里，真正有病的只有1个。所以你得病的概率，不是99%，而是1/11，大概9%。 你看，这就是基础概率的力量。你被那个“99%准确率”吓到了，但你忽略了“这个病本身发病率只有千分之一”这个基础概率。 我那个大哥说，他看项目，第一件事就是问：这个事儿，在行业里，成功的基础概率是多少？如果这个行业90%的人都失败了，那你就别听创业者吹得天花乱坠。先把这个90%放在心里，然后再去看他的证据。 似然比是什么？就是一个证据，在“你对”的情况下出现的概率，除以在“你错”的情况下出现的概率。 我举个例子。你怀疑你老婆出轨。你发现她最近经常加班。这个“加班”的证据，有多强？ 如果她出轨了，她加班的概率可能是70%（要腾出时间）。如果她没出轨，她加班的概率也可能是70%（工作忙）。那这个似然比就是70%/70%=1。意思是，这个证据屁用没有。它不改变你的判断。 但如果她出轨了，她加班的概率是70%。她没出轨，加班的概率只有20%。那似然比就是70/20=3.5。这个证据就比较强了，能把你的判断往“出轨”那边推一推。 你看，不是所有证据都叫证据。只有能区分两种假设的证据，才叫证据。 贝叶斯思维就是教你：别被那些似然比为1的证据带偏。 别因为对方今天没回你微信，就觉得他不爱你了。因为他不爱你的时候可能不回微信，他忙的时候也可能不回微信。这个证据，区分度太低。 四、 好，道理讲完了。现在我给你走一遍完整的。就一个问题：我对象是不是不爱我了？ 这是贝叶斯思维最实用的场景，没有之一。 假设你最近觉得对象不对劲。回消息慢了，电话也少了，你问他怎么了，他说没事。你心里开始犯嘀咕：他是不是不爱我了？ 大多数人会直接跳到结论：他肯定不爱我了。然后开始翻旧账，越想越气，最后要么冷战，要么大吵一架。 但如果你用贝叶斯思维，你会怎么做？ 第一步：先定先验。 在你观察到他冷淡之前，你觉得他爱你的概率是多少？ 你们在一起两年了，平时感情不错，没有大的矛盾。那你先定一个：80%。就是说，在没有新证据之前，你相信他80%是爱你的。 这个80%，就是你的先验。 第二步：看第一个证据。 他最近回你微信很慢。 现在你问自己两个问题： 如果他还爱你（80%的那个假设），他回微信慢的概率是多少？ 可能是20%。因为他最近项目忙，加班多，或者他就是个不爱看手机的人。 如果他不爱你了（20%的那个假设），他回微信慢的概率是多少？ 可能是70%。因为他在疏远你，不想跟你说话，看到消息也不想回。 现在算一下。先验是80%对20%。证据的似然比是20%比70%，也就是0.29。 什么意思？就是说这个证据，更偏向“他不爱你了”那一边。因为它在不爱你的情况下出现的概率，比在爱你的情况下出现的概率，高了两倍多。 更新之后，你的后验是多少？ 大概从80%降到了 62%。 你看，降了，但没崩。你还是倾向于相信他爱你。但你的信心，从80%变成了62%。你心里有了警惕，但还不至于直接翻脸。 第三步：看第二个证据。 他又忘了你们的纪念日。 再问那两个问题： 如果他还爱你，他忘纪念日的概率是多少？ 可能是15%。因为他最近真的太忙了，或者他本来就是个记性差的人。 如果他不爱你了，他忘纪念日的概率是多少？ 可能是60%。因为他不把你放心上了，纪念日对他来说不重要了。 似然比是15%比60%，也就是0.25。又是一个强烈偏向“不爱”的证据。 从62%再更新： 大概降到了 38%。 现在，你已经从“大概率爱我”变成了“大概率不爱我”。但还没有到100%。 第四步：看第三个证据。 你翻他手机，发现他跟前女友最近有联系，聊天记录删了一部分。 再问： 如果他爱你，他跟前女友联系还删记录的概率是多少？ 可能是5%。因为正常交往不需要删记录。删了，说明有问题。 如果他不爱你，他跟前女友联系还删记录的概率是多少？ 可能是80%。因为他已经在找退路了。 似然比是5%比80%，也就是0.06。这是一个极强的证据。 从38%更新： 大概降到了 3%。 现在你可以行动了。因为你的判断，已经从“他可能不爱我了”，变成了“他几乎肯定有问题”。 你看，贝叶斯思维不是让你不生气。它是让你在该生气的时候才生气，该翻脸的时候才翻脸。 大多数人是什么样？第一个证据出来，就炸了。直接跳到100%的结论，然后大吵大闹，最后发现可能只是误会。 而贝叶斯思维让你一步一步走。每一步都算概率，每一步都更新判断。等到证据足够强了，你再行动。这时候你的行动，是有根据的，不是情绪化的。 五、 那怎么把这个思维，用到生活里？ 我给你三个心法。 第一个心法：把你的判断，从“是/不是”变成“百分之多少”。 大多数人想问题，是二元的。要么对，要么错。要么爱，要么不爱。要么行，要么不行。 但贝叶斯思维告诉你，世界不是二元的。世界是概率的。你的每一个判断，都应该是一个概率。 你觉得这个项目能成吗？别说“能”，说“我觉得有60%的概率能成”。你觉得这个人靠谱吗？别说“靠谱”，说“我目前觉得他80%靠谱”。 为什么？因为一旦你用了概率，你就给自己留了更新的空间。如果他说60%能成，结果没成，你不会崩溃。因为你知道还有40%的可能。但如果他说“肯定能成”，结果没成，他就崩溃了。 第二个心法：每次遇到新信息，问自己两个问题。 第一个问题：如果我的判断是对的，这个信息出现的概率有多大？ 第二个问题：如果我的判断是错的，这个信息出现的概率有多大？ 如果两个概率差不多，这个信息不重要，别理它。 如果第二个概率远大于第一个，这个信息非常重要，你得认真对待，甚至要改判断。 我那个大哥跟我说，他当年投一个项目，所有人都说好。但他发现一个细节：这个项目的创始人，在提到竞争对手的时候，眼神闪了一下。他就问自己：如果这个创始人真的胸有成竹，他提到对手会眼神闪吗？可能会。但如果他其实心里没底，他提到对手会眼神闪吗？更可能。所以这个证据，让他把判断从80%下调到了65%。后来这个项目果然出了问题。 他说，细节不是用来证明你对的，细节是用来修正你的。 第三个心法：记录你的预测，然后复盘。 这是贝叶斯思维里最反人性、但也最有用的一步。 你每次做判断，都写下来：我现在认为这件事的概率是多少？为什么？ 然后等事情发生。如果结果跟你预测的不一样，你就问自己：是我先验错了？还是我忽略了某个证据？还是我高估了某个证据？ 慢慢地，你的预测会越来越准。你的证据权重会越来越合理。你的判断会越来越接近真相。 我那个大哥说，他有个本子，记了十几年。上面全是他的预测和复盘。他说，这个本子，比任何商学院都值钱。 六、 最后，我想跟你说一个我自己用贝叶斯思维改变的事。 我以前特别容易生气。别人说一句我不爱听的，我立刻炸。后来我用贝叶斯思维问自己：我为什么生气？因为我有一个先验：他应该尊重我。 当他没有按照我期待的方式说话时，我的先验被挑战了，我就炸了。 但后来我想，这个先验本身，概率是多少？一个人，在所有时候都尊重我，这个概率有多大？其实不大。每个人都有自己的情绪，有自己的立场，有自己的表达方式。他可能只是今天心情不好，可能只是说话直，可能只是没意识到。 所以我把先验调低了。我不再默认“所有人都应该尊重我”，而是默认“大多数人大多数时候是善意的，但偶尔会冒犯我”。这个先验更符合现实。 然后我再遇到类似情况，我就不炸了。我会想：他这句话，是真的针对我，还是只是随口一说？这个证据，在“他针对我”的情况下出现的概率是多少？在“他只是随口一说”的情况下出现的概率是多少？ 很多时候，算完发现，似然比接近1。也就是说，这句话根本不能说明他针对我。那我生什么气？ 你看，贝叶斯思维，不只是让你决策更准。它还能让你情绪更稳。 因为你知道，你的判断，只是一个概率。既然是概率，就有可能是错的。既然是可能错的，那就不值得为它拼命。 七、 所以，什么是贝叶斯思维？ 它不是让你变成一个冷冰冰的机器。它是让你变成一个更聪明、更开放、更不容易犯错的人。 它告诉你：你的每一个信念，都不是真理。它只是一个当前最好的假设。 它告诉你：新证据来了，你要做的不是捍卫自己，而是更新自己。 它告诉你：承认自己错了，不是失败。承认自己错了，是进步。 我那个大哥最后跟我说了一句话，我记到现在。他说： “我这辈子最大的本事，就是改得快。” 你品品这句话。 大多数人，一辈子都在证明自己对。而真正厉害的人，一辈子都在修正自己。 这就是贝叶斯思维。 不是让你更自信，是让你更准。 不是让你更固执，是让你更活。 从今天起，试着把你的判断，从“是”改成“概率”。试着遇到新证据的时候，问自己那两句话。试着记录你的预测，然后复盘。 你会发现，你变了。 你不再是那个被情绪和偏见牵着走的人。你成了一个不断逼近真相的人。 这，才是真正的投资策略和自由。

【10月7日 2点45分 欧国联 苏格兰 vs 斯洛文尼亚】 数据初盘开出全场让球：苏格兰-0.5，机构倾向主队优势。欧洲国家联赛小组赛，主队上一场2-0轻取北马其顿，球队防守能力有所提升，表现良好，状态回暖。客队上一场1-2不敌瑞士，球队整体配合默契度有所下降，状态回落，整体表现未如理想。两队近年六场交锋苏格兰2胜4平保持不败，整体实力略胜一筹，另加主场之利，综合分析本场看好主队获胜。 全场让球：苏格兰-0.5@1.86 全场大小：小2/2.5@1.81 推荐比分：1-0