与「特産」相关的搜索结果

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。

很多人都不知道 @ptsdshow NFT 的設計。 今天就來說說 3,333 張 NFT Tickets。 這些 Ticket 不只是拿來收藏，官方目前公布的機制裡，Ticket 的稀有度會影響未來 PTSD Token allocation multiplier。 也就是說，同一個 Ticket，因為 rarity 不同，對應的 allocation multiplier 也不同。 目前公布的倍率是 Common：1x Rare：2x Epic：3x Legendary：5x Golden：100x 這裡有一點要特別注意。 Multiplier 指的是 Token allocation 的分配倍率，不能直接理解成投資報酬率。 目 前官方也還沒有確認 Token launch date、base allocation、mint price 等細節，所以我覺得這部分還是要等後續正式資訊。 我自己看 NFT 的時候，會比較在意這種機制能不能跟整個內容 IP 連起來。 PTSD 的 Ticket 有自己的 rarity，同時又跟未來的內容權益和 allocation 機制產生關聯。 再加上官方提到未來可能有 drops 和 perks，這讓 Ticket 的定位不只停留在一張圖片。 當然，最後實際價值還是要看後續產品與內容怎麼發展。 目前階段，我會把它理解成一張連接 PTSD 世界觀與未來生態的 Ticket。 這個設計蠻值得繼續追。 #PTSD#

因為很喜歡我們這次的翻唱， 也希望你們可以多聽幾次嘿嘿！ 希望妳們都喜歡！1.6萬播放啦感謝各位！！ 🖼️┈┈┈┈┈┈┈┈┈┈┈🖼️ 🎤「僕が死のうと思ったのは 」 vo.洛可洛斯特 × 百百波美 × 帕蘿妮 × 量產型猫飼步歌貳貳機 FULL: 🖼️ ┈┈┈┈┈┈┈┈┈┈┈🖼️

夏爾特、李伊，你們欠全球 BitMart 用戶跟員工一個交代。@sheldonbitmart @BitMartExchange 到現在還是一堆用戶領不回自己的錢，一堆員工連最後一個月的薪水、該拿的補償都沒拿到。 這不是丟一句「停止營運」就可以當作沒事的商業糾紛。 對很多普通用戶來說，鎖在 BitMart 裡的可能是一輩子、甚至十幾年的積蓄；對基層員工來講，被欠的就是房租、家裡的開銷，甚至是下個月的生活費。 但到了今天，我們等到的依然不是完整的資產說明、不是透明的償還計畫，而是一個接一個沒有答案的問題。 夏爾特，還有你的伴侶李伊，我們正式要求在 8 月 19 號以前，公開回答下面幾件事。 一、BitMart 用戶的錢，到底跑去哪裡了？ 如果 BitMart 到現在還有足夠的資產能 cover 所有用戶餘額，那就拿出可以經過第三方驗證的證據。 公開錢包。 公開資產。 公開負債。 公開實際能動用的儲備金。 不要再用口頭保證。 不要再用那種模糊公告。 拿證據出來講。 二、為什麼一大堆用戶到現在還是不能正常提領？ 是誰決定要限制提領的？ 什麼時候做的決定？ BitMart 管理層到底是從什麼時候開始知道，平台已經沒辦法正常讓用戶把錢領出來？ 而在管理層明明知道有問題的情況下，是不是還繼續鼓勵大家入金、交易，甚至叫用戶把更多資產留在平台？ 這些問題，不能再閃躲。 三、所有跟 BitMart 用戶資產有關的關聯資金，都必須查清楚。 外面已經出現一大堆關於關聯帳戶、關係企業、信託跟其他資金安排的消息跟線索。 我們不會在證據還沒齊全之前，就先給任何人扣上刑事帽子。 但同樣的，任何可能來自 BitMart 用戶資產的錢，不管最後轉到誰的名下，都不能因為換了帳戶、換了公司、換了持有人，就從此不用被追究。 錢流到哪，調查就該跟到哪。 李伊，這邊也有幾個問題需要你本人回答。 你以前在社群平台上公開秀過名錶、名酒、鑽戒、高級飯店還有其他高額消費。 這些消費本身不是罪，也沒有人會因為過得奢華就被定罪。 但現在既然已經出現跟你、夏爾特還有 BitMart 資金有關的疑問，那資金來源就有必要講清楚。 目前也有一些還需要進一步查證的資料指出，跟你有關的 BitMart 帳戶可能曾經持有數千萬美元規模的資產，而且出現分批提領的紀錄。 如果這些紀錄是假的，請公開澄清。 如果帳戶確實存在，請回答： 這些資產是誰的？ 錢從哪裡來？ 為什麼會出現在相關帳戶？ 提領到哪裡去？ 跟 BitMart 用戶資產有沒有任何關係？ 如果完全無關，那就拿出可以驗證的證據把話說清楚。 如果有關，那就該依法追查到底。 四、把員工該拿的薪資跟補償付清。 員工不是股東。 一般員工沒有決定公司資金怎麼管，也沒有決定 BitMart 什麼時候停止營運。 公司出問題，不能到最後讓基層員工來幫管理層的決策擦屁股。 做完的工作，就該給薪水。 該給的補償，就該支付。 這不是施捨，是最基本的責任。 五、8 月 19 號以前，提出一份真正可以執行的用戶償還計畫。 不是一句「請耐心等待」。 不是下一篇公關稿。 更不是沒有時間表的承諾。 我們要知道的是： 剩下多少資產？ 總負債是多少？ 用戶能拿回多少？ 按照什麼順序還？ 什麼時候開始？ 什麼時候完成？ 誰負責監督？ 願不願意接受第三方獨立稽核？ 這些，才是全球 BitMart 用戶真正有權利知道的答案。 ⸻ 8 月 19 號，是我們等你們公開回應的最後期限。 如果到時候還是沒有完整、透明、可驗證的資產說明跟償還計畫，我們會持續依法把現有資料、資金線索跟相關證據，提交給各地執法機關、監管單位、律師還有媒體，要求進一步調查。 我們要追的從來不是任何人的私生活。 我們要追的是： 用戶的錢。 事實的真相。 真正該負責的人。 你們可以關掉一間公司。 可以離開一間辦公室。 甚至可以離開一個國家。 但只要用戶的錢還沒回來，這件事就不會因為一紙公告就結束。 夏爾特、李伊，8 月 19 號以前，請正面回答。 ⸻ 我們也呼籲整個 Web3 產業關注這件事。 BitMart 曾經服務全球大量加密貨幣用戶，也曾經是全球市場有一定影響力的交易平台。 今天，當大量用戶無法正常提領資產、員工還在等該拿的薪水，而平台管理層又沒有給出完整、透明、可驗證的資產跟償還說明時，這已經不只是 BitMart 這一家的問題。 這關乎整個 Web3 產業最基本的信任： 用戶把資產交給交易平台之後，誰來保障他們的權益？ 所以我們公開呼籲業界人士、交易平台、媒體、研究機構還有全球 Web3 社群： 請關注 BitMart 用戶跟員工現在面臨的問題。 如果你們認為中心化交易平台應該對用戶資產負責，請幫忙轉發、引用並關注後續發展。 我們也希望下面這些業界人士跟媒體能看到這件事，並協助推動更多公開、透明跟獨立的調查： @cz_binance @heyibinance @ChandlerGuo @justinsuntron @brian_armstrong @VitalikButerin @wublockchain12 @WuBlockchain @PhyrexNi @JackClawAI @CoinDesk @Cointelegraph @zachxbt @lookonchain @Cointelegraph @PANewsCN @OdailyChina @BlockBeatsAsia @Joes__Crypto @binance @okx @Bybit_Official @coinbase @bitget @Gate @MEXC @kucoincom 我們不要求任何人預先相信哪一邊。 我們只要求一件事： 讓證據被看見。 讓資金流向被查清楚。 讓用戶知道自己的錢在哪裡。 讓員工拿回自己應得的薪水。 如果 BitMart 核心管理層覺得上面這些問題有誤解，也完全可以用公開、可驗證的證據一個一個回答。 真相不該害怕公開透明的追問。 請轉發這篇公開問責聲明，讓更多 BitMart 用戶、員工跟 Web3 社群看到。 #BitMart# #BitMartUsers# #BitMartEmployees# #Crypto# #Web3#

書終於上架了了亞馬遜 《AI 超級週期： 五層產業鏈視⻆下的 AI 基礎設施投資: 從能源到應用，一條產業鏈看懂 AI 投資的底層邏輯》 - Chris Lee 李書沸以「五層產業鏈」為框架，從最底層的能源（核電、天然氣、電網）出發，逐層向上穿透至半導體（NVIDIA、台積電、Broadcom）、硬體基礎設施（HBM 記憶體、光互連、液冷散熱）、雲端與數據中心（超大規模運營商、主權 AI）、再到大模型與應用層，完整呈現 AI 基礎設施投資的全貌。 鏈接 ： 亞馬遜Kindle會員的無限量會員的話，能免費觀看，單獨是美元$2.99 抱歉，可惜亞馬遜只有繁體字，但大家應該可以看的懂。 前言： "當所有人都在談論 AI，真正的問題是：錢該投在哪裡？ 2026 年，僅四大超級雲廠商的 AI 資本支出就達到 7,250 億美元。這不是一場短期炒作，而是一個可能持續十年以上的超級週期。但對大多數投資者而言，AI 產業鏈就像一座黑箱——你知道 NVIDIA 很重要，卻說不清為什麼一顆 GPU 需要搭配價值數倍的電力、散熱、網路與儲存設備才能運作。 這本書要打開這個黑箱。 李書沸以「五層產業鏈」為框架，從最底層的能源（核電、天然氣、電網）出發，逐層向上穿透至半導體（NVIDIA、台積電、Broadcom）、硬體基礎設施（HBM 記憶體、光互連、液冷散熱）、雲端與數據中心（超大規模運營商、主權 AI）、再到大模型與應用層，完整呈現 AI 基礎設施投資的全貌。 這不是一本泛泛而談的趨勢書，也不是一本只講概念的入門讀物。書中深入分析超過 80 家公司的競爭格局、護城河與估值邏輯，並為每一層提供具體可操作的投資框架。無論你是想理解為什麼鈾礦股會因為 AI 而暴漲，還是想搞懂 CoWoS 先進封裝的產能瓶頸如何影響整條供應鏈，這本書都能給你清晰的答案。 本書的獨特之處還在於作者的跨界視角。李書沸曾任 OKEx（現 OKX）CEO 與火幣 CFO，是加密貨幣行業最資深的高管之一，同時在傳統金融領域深耕多年。他在書中專闢章節探討 Crypto 與 AI 的交匯——去中心化算力、AI Agent 經濟、代幣化激勵機制——這些是傳統分析師不會觸及、卻可能催生下一波爆發性機會的領域。 本書涵蓋的核心議題包括：為什麼 AI 超級週期的本質是一場能源革命，而非僅僅是算力競賽？NVIDIA 的真正護城河在哪裡，它的統治地位是否會被挑戰？台積電與 Broadcom 在 AI 晶片供應鏈中扮演什麼不可替代的角色？HBM 記憶體為何成為 AI 時代最關鍵的瓶頸之一？光互連技術如何解決數據中心的頻寬牆問題？超大規模雲端運營商的 AI 資本支出將流向何處？大模型競爭格局如何從「比大」轉向「比效率」？AI 應用層何時能真正兌現商業價值？Crypto 與 AI 的融合將創造哪些新的投資範式？如何建構一個穿越週期波動的 AI 投資組合？ 最後三章聚焦實戰：風險管理框架幫助你識別泡沫信號與週期轉折點；投資 Playbook 提供從選股到配置的完整方法論；結語則回歸長期視角，探討這場技術革命的終局。 這本書寫給這樣的讀者：你有一定的投資經驗，對科技趨勢保持關注，但苦於找不到一個系統性的框架來理解 AI 產業鏈的投資機會。你可能是主動型投資者、科技業從業者、金融從業者，或是對 Crypto 與 AI 交叉領域感到好奇的探索者。 如果你只想讀一本書來建立對 AI 基礎設施投資的全局認知，這本書是為你寫的。" 關於作者：李書沸（Chris Lee）現為 Merkle 3s Capital 與 XResearch 聯合創始人。曾任全球前三大加密貨幣交易所 OKEx CEO 及火幣集團 CFO，擁有超過二十年橫跨傳統金融、加密貨幣與科技投資的從業經驗。 感恩轉發、分享。#AI#

找到兩張50年前，我和已故妻子，吳秀錦，在Caltech做學生時在實驗室的照片，勾起許多的回憶。她做的是原子核，我做的是半導體實驗。這兩者差距甚大，實驗室的規模天差地遠。我本以為自己的實驗很了不起，但進了他的實驗室，像劉姥姥進了大觀園，才知道什麼是真正的物理實驗室。 我們是1978年畢業的，我上了Caltech的檔案室把兩個人的論文都找了出來。我發現那一年總共有122個博士畢業，其中10個是華人，而這裡面有六個是來自台灣。 再看一看Caltech今年的畢業生，博士有265人畢業，其中79人是華人，光是姓李的就有九人。我不知道有多少來自台灣，我想絕大部分是中國大陸來的。與將近50年前相比，當時華人占的比例不到10%，而現在卻有三分之一。這個比例真不得了，知識就是力量，未來華人在科技領域扮演的角色，大概會獨步全球。現在中國，台灣崛起，跟這一大批在美國受了高等教育的人絕對有很大關係。 Caltech是一個很特別的學校，學校不大，人數很少，目前在學人數大約是2300到2400 ， 50年前在我做學生的時候，學生人數大約是1500到1600。當年大學部和研究生大約各占一半，現在則研究生佔多數。光從博士畢業人數來看，今年比50年前多了一倍以上，可是大學部人數增加大約只有20%。 今年Caltech畢業的博士生佔了所有畢業生人數的42%。這個數字應該是全世界所有大學之冠。若跟台灣相比，台大今年博士生佔所有畢業生人數的5.25%，陽明交大是6.3%。所以台灣的研究型大學與Caltech這種學校根本無法相比。他們性質完全不同。 我們經常強調要提高研究實力，也喜歡與世界一流大學相比，這真的是自找麻煩。從上面的這些數字就知道這根本無法相比。要比的話，只能比我們的學生在產業界的影響力。畢竟我們傲視全球的半導體和電子產業是我們訓練出來的這一群螞蟻雄兵造成的。他們也許做不出最頂尖的研究，但卻為台灣創造了奇蹟。 by CP Lee in FB

@WaterFount82517 （感受到滿溢的情緒😆） 笑死不過英雄團以外真的不常畫（？） 但如果有被戳到點就會想搞一下😍😍😍 最近有點忙產量太少😭 之後希望有時間可以大畫特畫💪 豪，泥也要一直在🫂🫂🫂

*#牛市#**是價格上漲時期——樂觀主義、盈利和 #FOMO# 主導。**#熊市#**是價格下跌時期——恐懼、虧損和投降情緒主導。兩種市場的策略完全不同。 --- 每位加密幣投資者都會經歷牛市和熊市。理解差異並調整行為的人能夠生存和繁榮。不理解的人通常在頂部買入，在底部賣出。 ## 什麼是牛市？ 牛市是資產價格持續上漲的趨勢——通常定義為從近期低點上漲 20% 以上。 **特徵：** - 價格持續創新高 - 積極的新聞情緒主導 - 新資金湧入（散戶 FOMO、#機構買入）# - 社交媒體和新聞充滿加密幣熱情 ## 什麼是熊市？ 熊市是持續的下跌趨勢。加密幣熊市通常更為嚴重，常見 70–85% 的回撤。 **特徵：** - 價格持續創新低 - 負面新聞主導（監管打壓、交易所倒閉） - 資本外流 ## 牛市策略 **做：** - 持有核心倉位（#BTC、##ETH）——不要因恐懼過早賣出# - 在投機性山寨幣上漲 3–5 倍時逐步獲利了結 - 在看漲信號達到頂點**之前**制定退出計劃 **不做：** - 在已上漲 1,000% 的幣上 FOMO 追買 - 使用高槓桿 ## 熊市策略 **做：** - 以較低價格定期定額買入 BTC 和 ETH - 持有穩定幣並逐步部署 **不做：** - 在絕對底部恐慌性賣出 BTC/ETH - 在已失敗的山寨幣上「接飛刀」 ## 2026 年市場所處位置 根據 2024 年減半周期分析，2026 年處於牛市末期/潛在頂部區域。風險升高，但某些未被充分認可的板塊可能仍有機會。 非財務建議。詳細分析請參閱我們的[市場周期指南]( --- ## 延伸閱讀 - [LookIntoBitcoin — 恐懼與貪婪指數]( - [CoinDesk — 如何在熊市中生存](

經營推特邁入第三年。 仔細回想這一切還是非常不真實，這三年間，從與前任分手開始，到抱持約砲心態創立推特帳號，到逐漸累積知名度轉變為工作，再到遇見綺綺@ChiBB1214 ，交往、相戀，步入婚姻，我知道我用非常與眾不同的方式體驗到了人生種種。 經歷分手、放縱再將成人產業職業化的這段時間，我暗自做出決定這輩子一個人過生活就好。 本來的我一廂情願的認為既然選擇這產業就不要耽誤任何人，也不值得擁有幸福，一個人也挺好，但命運總是這麼奇妙，遇見@ChiBB1214 後我才體會到，幸福是有各種樣貌的，而我也有能力讓另一個人幸福。 感謝耐心看到這裡的各位，真心的祝福你們都能找到屬於自己的幸福🙏

總結吳說 EP-93 香港共识大会的共识：竟然是币圈完蛋了？ ## Part 1：分享本次香港共識大會的感受 @colinwu Colin Wu：他觀察到香港政府層面對此次共識大會很重視，現場也有宣布一些政策，整體可感受到官方重視程度高。他同時覺得整體偏冷清、落地型熱點不多；並指出「預測市場」與「股票代幣化」雖是全球熱點，但在香港面臨較高合規難度，因此會場較難看到深入落地討論；RWA 雖有人提，但因活動偏海外參與者，討論度沒有特別高。 @tmel0211 Haotian：他對比上一屆「大家各聊各的、沒有共識」，這次反而出現了強烈且一致的悲觀情緒，像是「幣圈不行了／行業完蛋了」這種集體唱衰，但他也強調這不代表他個人立場。他原先以為海外項目方會更樂觀，但實際接觸後感到部分海外項目方呈現更麻木、躺平、與外界情緒脫節的狀態，並表示自己因此有些失望。 @nomadcindyy Cindy Wang：她形容此次跑會是「離譜加驚喜」的體驗，感覺像頂級圈子聚會、幾乎看不到散戶，且「你永遠不知道旁邊坐的是誰」。她分享自己曾把 Bullish CEO Tom Farley 誤認成路人、後來才發現對方上台演講；也提到酒會上孫宇晨送「大箱子但裡面只有一根香蕉」的荒誕趣事（並提到與香蕉膠帶藝術梗相關）。 @DeFiTeddy2020 DeFi Teddy：他覺得主會場許多項目更偏機構業務、合規相關，使他在主會場停留時間變短，反而在周邊活動交流更多。他直觀感到「機構進、散戶退」的轉折點正在發生；同時認為幣圈不會完蛋，去中心化的精神與需求長期存在，但 AI 的確分走注意力、資金與 builder，因此本次的「共識」更像是「要轉 AI」（包含純 AI 轉型、或 AI 與 Web3 結合如 AI Agent、用 AI 服務 Web3 增長投放等）。 @anna_nanachan 娜娜子：她觀察到中文局與英文局差異很大：中文局更常圍繞幣價、是否抄底、投資標的討論，情緒更受價格波動影響；英文局更少談幣價，交流較偏生活與想法、氛圍更鬆。她也提到許多公鏈活動中「AI 類」項目仍很多，且常見現象是「不論做什麼賽道（如支付、RWA）都會加一些 AI 元素／敘事」；另外也看到一些原本做 Web3 的創辦人轉做純 AI，而她提醒 AI 與 Web3 的融資邏輯與玩法不同，盲目轉型未必是好事。 @estherinweb3 Esther：她提到預測市場團隊非常多、參與者背景複雜（包含合規券商孵化、甚至澳門博彩背景團隊等），並說穩定幣相關華人團隊也多樣化，連應用層團隊都想發穩定幣以掌握結算與發行權。她同時觀察到做市商更活躍、活動整體更國際化，並提到 Coinbase、Kraken 等海外大型交易所更明顯關注華語市場，且她提到華語用戶交易頻率與資金活躍度高、海外交易所也可能具備部分離岸平台沒有的優勢（如股票代幣化方向）。 @assassinaden Albert Luxon：他從二級／基金交易視角表示本屆規模與新鮮感不如上一屆，主會場「老面孔」多、參展新人少，side event 也看到交易團隊數量較以往下降。他提到去年 10 月後不少套利／carry 類團隊被「wiped out」，並觀察到支付與 RWA 暴露/搬運更像「牌照生意」，因此傳統金融背景與信用積累更重要，機構業務也正被傳統金融團隊逐步接管；同時 LP/FoF 越來越看重跨市場（Crypto 與美股、商品等）能力。 @0xKirara Kirara：她感覺今年和去年最大差別在於：以前大家「找項目、聊空投與搞錢」，這次更像在「找吃的」，且很多人不再熱衷聊炒幣暴富。她提到不少人利用熊市空檔研究 AI、Vibe Coding，用 AI 工具做小網站/小產品，並用「以前說不要當產品經理、現在人人都像產品經理」來形容這種轉向。 ## Part 2：幣圈是否真的「完蛋」、還有哪些機會？ @0xKirara Kirara：她主張要拆開看：不是整個行業完蛋，但「某些舊的東西/舊敘事」確實在退潮；她以比特幣敘事演變與「窗口期很短、像流量選秀」來描述項目競爭節奏。她也指出 AI 的定位在變：從「專案賣點/特色」走向更像「基礎配置/基礎設施」，變成沒有 AI 反而奇怪，並認為若還停留在舊賽道與舊敘事，會更難生存。 @assassinaden Albert Luxon：他不太認同「完蛋」，更傾向用「成熟」形容，並提到市場賽道收斂、圍繞較穩定的方向形成共識（他轉述朋友的總結為支付、交易、合規、風控）。他也談到優秀項目可能更希望走傳統資本市場上市路徑（如納斯達克/港交所），以及交易所角色可能從「偏一級/上幣」轉向更偏「二級服務」能力競爭（如托管、法幣通道等）。 @nomadcindyy Cindy Wang：她說自己「至少同意一半」：單純的「幣圈時代」在結束，並用交易所與平台產品往「美股上鏈/傳統資產」延伸的現象作為觀察例子。她也強調另一面是 Crypto 與傳統金融/支付的融合在加速，並以穩定幣對傳統支付結算效率、成本與透明度的衝擊，以及產業人士的焦慮與轉型需求作為她的體感佐證。 @estherinweb3 Esther：她看好政策框架更清晰後的合規路線與政策窗口期，並談到「最可怕不是價格熊市，而是心態熊市」的觀點（對變化麻木、排外、拒絕新玩家/新變化更危險）。她也提到她認為較有機會的三類：有清晰商業模式與現金流的入口級業務、具備強美式政治/資本背書的項目、以及把加密視為新增盈利點的券商與傳統金融機構（例如 VATP 牌照升級後拓展業務）。 @anna_nanachan 娜娜子：她認為早期靠背書與白皮書就能發幣收割的模式在當下更難成立，流動性變低、VC 更謹慎，反而形成優勝劣汰，長期可能提升行業品質。她也提到機構進場使籌碼更集中、散戶相對不友好，散戶可能轉看 Meme，但在經歷波動與 FUD 後整體熱情下降、更謹慎，市場更機構化與理性。 @tmel0211 Haotian：他明確說「情緒面肯定是完蛋了」，並將其歸因於老敘事與老規則失效、資產與發幣更流水線化、注意力經濟加劇與「共識破裂」等現象。他提出下一階段可能的機會在「Agentic Economy」宏觀框架，嘗試把穩定幣、預測市場、AI trading、機器人/Physical AI 等趨勢串起來，作為可能的新共識方向。 @DeFiTeddy2020 DeFi Teddy：他回到「去中心化」作為 Crypto 核心價值，認為其不會完蛋，但直指近年問題在於缺乏同等級的突破式創新，導致信仰流失與「上所/上幣」成為許多項目的單一目標。他同樣看重 AI 帶來的生產力變化（如 Vibe Coding），並認為 Crypto 若要形成新共識，可能需要與 Agentic Economy 結合；他也提到去中心化 AI 與可驗證、可共同擁有的模型願景仍很早期但與去中心化精神一致。 @Leoninweb3 Leon Liu：他以參展方視角說本屆國際化氛圍明顯、海外面孔多，但整體偏冷清，且不少人反映「有意思的項目不多」，票價/參與度也受到影響。他提到現場讓他意外的是預測市場與 AI 相關項目在會場內反而不多（但賽道在外部很熱），並分享他較看好的方向包含合約/永續（含跨市場資產上鏈衍生品的優勢）、AI 與 Crypto 的結合，以及仍屬早期但被關注的預測市場。 --- gemini + gpt-5.2 協助整理 youtube 有時間軸更好跳轉