与「画一个故事」相关的搜索结果

抓虱子的猴子：被叙事裹挟的滚滚历史洪流 罗宾·邓巴（Robin Dunbar）在“社会脑假说”里提出过一个形象的比喻：猴子抓虱子 = 社会联结的原始方式。灵长类动物要生活在群体中，就必须维系复杂的社会关系，而最基础的办法就是 grooming ——梳理毛发、抓虱子。 问题在于，grooming 是 一对一 的，耗时而低效。群体规模一旦扩大，成本就会迅速飙升，关系网络也难以维持。邓巴由此推算，人类大脑的新皮质容量，大约对应 150 个左右的稳定关系上限，这就是著名的“邓巴数”。 那么，人类是如何突破这个上限的？答案是：语言与叙事。 语言是“心理抓虱子”，能一次维系多人关系；而叙事则是规模化的社会胶水，把零散的闲聊升级为“我们是谁、我们为什么存在、未来会如何”的结构化故事。叙事让人类能在超越邓巴数的规模上共处，甚至组成国家、联盟、文明。 我曾经说过：模因是叙事的碎片，而叙事是一整套 结构化的故事，它提供意义、合法性和方向感。叙事不仅仅解释现实，它还能动员资源，塑造制度，决定历史走向。 如果要展示叙事的系统性力量，最典型的舞台莫过于冷战。那不是单纯的军备竞赛，而是一场叙事的全面对抗。 美国的叙事：“自由世界 vs 极权主义” “市场经济 → 繁荣与民主” 以美国梦、好莱坞文化、消费主义作为软实力 苏联的叙事：“社会主义阵营 vs 资本主义剥削” “计划经济 → 平等与未来” 借助工人阶级解放、红色国际主义进行全球动员 核武器只是表层威慑，真正决定合法性与动员力的，是两套叙事的正面交锋。 这个故事本身已经被反复讲述，但我想用自己的方式告诉你：叙事，不是背景，而是武器；不是附属，而是历史本身。 我们来看这幅我在大都会博物馆亲眼见过的作品——杰克逊·波洛克的滴画。 我私下管它叫“酱油画”。为什么？因为他那种把颜料一滴一滴甩上去的方式，我在家也试过，发现最好用的工具居然是餐馆里常见的那种大支装酱油、蚝油瓶子——瓶口是尖的，正好能精准地“滴”。 那么，波洛克的成名真的是因为画得“好看”吗？你觉得这些线条真的是审美意义上的漂亮吗？其实未必。它的意义并不在于视觉愉悦，而在于他背后承载的叙事。 波洛克的滴画，是冷战时期文化叙事的一部分。当时美国需要一个艺术上的“自由象征”，用来对冲苏联社会主义现实主义的“宣传性绘画”。波洛克的作品被包装成“自由世界的艺术”，他的创作方式被叙事化为“个人表达的极致”，是“民主自由精神的象征”。 所以波洛克不是单纯靠线条和颜料成名，而是成为了一块“叙事战场的切片”。他的画布，既是抽象的涂抹，也是美国对外文化宣传的武器。 在说下去之前，说一条我认为重要的知识：反身性 反身性（Reflexivity） 是理解叙事、制度和市场循环的关键。由索罗斯提出，它指出：人类的认知和叙事并非对现实的被动映照，而是会反过来塑造现实，形成认知—行动—现实的循环。社会与市场因此不是静态的“镜子关系”，而是动态的“自我实现或自我破坏的预言”。比如多数人相信房价只会涨，就会积极买房，推高价格，进一步强化这种信念，直到泡沫破裂。结论是：市场价格不是基本面的镜像，而是叙事与制度共同作用下的反身性产物。 事情说到人人都相信的程度，就让人人把这件事情做成真的了。 好，继续说我的，我对于叙事的重点个人看法在于： 1）不要纠结叙事的真假 2）理解叙事，看穿叙事，成为叙事，创造叙事 虚的叙事能不能成？能成。所谓“虚叙事”虽然在当下往往无法完全兑现，但它依然具备强大的动员力量，能够集中资源、凝聚信念，并在长期作用下转化为现实的成果。这种情况常见于战争、国家建设、科技竞赛等高风险领域。 例如，“美国梦”就是典型的虚实交织。它宣称任何人只要努力就能获得财富与自由，然而在现实中，大部分移民仍然贫困且受歧视。但正是这种叙事吸引了全球移民和资本，形成了美国独特的劳动力与市场优势，并在数十年后催生出真实的经济奇迹。换句话说，即便包含大量虚的成分，它仍促成了美国的崛起。 科技竞赛亦是如此。苏联最早把人类送入太空，并将其塑造成制度优越的象征；美国则把“登月”包装成国家必胜的目标。事实上，当时登月的风险极高，更多是政治叙事上的冒险。然而，正因为这种“虚得很大”的目标，美国才得以动员海量资源，最终真的完成了登月壮举。叙事反过来成就了技术。 哎等等？登月真的成功了吗？ 2002年，西布雷尔当面对巴兹·奥尔德林（Buzz Aldrin）要求他“把手放在圣经上，发誓自己真的登月过”。当然巴斯没理他，他可是《玩具总动员》里巴斯光年的化身，代表了一代人的美国精神。登月是真是假还重要吗？ 所以，咱们猴子🐒是真的离不开叙事。人类社会是靠着一个又一个叙事维持、更新、演化的。 现在做几道题（直接问AI）： 资本主义是叙事还是一种实在的制度？ 钻石这套叙事是真还是假？ 什么时候叙事需要换了，没换会发生什么？ 继续说，科技从来都是裹挟着叙事前行的。蒸汽机是“人类第一次解放肌肉力量”的叙事，电力是“点亮文明”的叙事，互联网是“让世界更平”的叙事。今天轮到 AI，它也必须讲述一个能动员资本、人才与制度的叙事。 而在这一轮，美国抛出的就是 “星际之门计划（Stargate）”。 这个名字不是随便起的。它甚至是由本国最大的那只…….人物亲自在白宫宣布，背后有一整套极为娴熟的包装：名字来自科幻经典，隐喻是“通往未来的门”，说法精准击中了大众心理与文化想象。这不是单纯的技术发布，而是 叙事工程。它背后运作的是一支深谙传媒逻辑、文化符号、战略沟通与民众心理的团队。 AI 的叙事方式，就是把技术框架包裹在宏大的文化隐喻里：它不只是算力与模型，而是“文明即将穿越的入口”。 理解叙事，看穿叙事，成为叙事，创造叙事。 为什么没人教导你看穿叙事？ 学校从来不教这类内容。因为叙事本身就是维持秩序的工具，如果人人都能随时看穿叙事，它的动员力就会迅速削弱，整个社会秩序也会随之动摇。因此主流教育、媒体和制度设计，更倾向于训练人们“进入叙事”，而不是“拆解叙事”。 叙事的力量需要一种“沉浸感”才能发挥作用。一个故事之所以能调动人群，是因为大家身在其中却不自觉。如果每个人都带着解构的眼光去参与，叙事本身就会失效。因此，社会机制默认培养的是“信叙事”的能力，而不是“看穿叙事”的能力。 看穿叙事往往被视为危险。对个人来说，这可能带来犬儒感，让人怀疑一切，进而失去行动的驱动力；对权力来说，看穿叙事则可能意味着挑战合法性，直接威胁既得利益。所以无论是教育体系、宗教传统，还是企业文化，都不会主动把这种技能当成公共课程传授。 最后，祝你练就一双看透叙事的火眼金睛。

为什么 MLCC 又重要了？ 本文专注于三个问题，大家各取所需： 1. 为什么现在MLCC变得重要了？ 2. 为什么是高端MLCC？ 3. 为什么本次更像是结构性短缺而非补库存周期。 请注意，本文的逻辑您可以直接复制给你们的AI，AI会告诉你基于本文描述的情况还能找到哪些其他的产业，或是在中国A股有什么标的。 本文不赘述此处，但是欢迎大家评论区留言讨论。 觉得大家有点价值，欢迎大家画一刀点个订阅。 ---------TL:DR--------- 1. 为什么现在MLCC变得重要了？ 过去看MLCC，会把它当成一个手机、PC、汽车电子周期品。 手机出货好，MLCC好；消费电子差，MLCC差。这个理解不能说错，但在AI服务器时代，它已经不够用了。 因为AI数据中心正在把MLCC从一个“普通被动元件”，重新推回到一个非常关键的位置：Power Delivery Network，也就是供电网络。 AI服务器的核心问题，不只是GPU够不够多，HBM够不够快，光模块够不够密。还有一个更底层、更物理的问题： 这么大的电流，如何稳定、低损耗、快速响应地送到GPU/ASIC核心？这就是MLCC重新变得重要的原因。 现在的数据中心供电架构正在发生变化。传统服务器时代，12V供电已经用了很多年。但AI rack功耗暴涨之后，行业正在往48V/54V，甚至±400VDC/800VDC演进。 Google、Meta、Microsoft推动OCP Diablo 400；NVIDIA也在推800VDC AI factory power stack；TI、Vertiv、ABB、Delta这些公司也都在围绕800VDC架构布局。 但这里有一个容易被误解的点： 高压供电解决的是远距离传输效率，不是芯片核心附近的供电问题。800V也好，48V也好，最终到GPU/ASIC核心，仍然要变成不到1V的核心电压。 而一个1000W级别的AI芯片，如果核心电压约1V，意味着它附近要处理的不是几十安培，而是数百到上千安培的瞬态电流。 这才是真正可怕的地方。 AI芯片不是一个稳定耗电的灯泡。它的负载会快速跳变。某个计算任务起来，电流需求瞬间拉高；电源网络如果响应不够快，电压就会下陷，也就是voltage droop。droop太大，轻则降频，重则错误、宕机、可靠性下降。 所以越靠近GPU/ASIC，越需要大量电容作为局部电荷缓冲，压低PDN阻抗，抑制噪声和电压波动。 这就是MLCC在AI服务器里的真实作用。 它不是“板子上随便贴一堆小电容”。它是在帮GPU/ASIC维持高速运行时的供电稳定性。 2. 为什么是高端MLCC？ 但这里必须强调：真正重要的不是所有MLCC，而是高端MLCC。 为什么？ 因为AI服务器需要的不是普通消费级规格。它要的是：高容量、小尺寸、低ESL、低高度、高可靠、高耐压、耐高温，甚至要能放在package附近、land-side、die-side，或者参与嵌入式PDN设计。 普通MLCC解决不了这个问题。因为在高频场景下，电容不是只看容量。ESL，也就是等效串联电感，会变得非常关键。ESL太高，电容在高频下就不像电容，反而会失去去耦效果。 所以AI服务器真正需要的是低ESL、短电流路径、大电流截面积、能贴近芯片的MLCC。 这就是为什么村田在AI服务器供电指南里，不是泛泛而谈“MLCC需求增加”，而是专门讲die-side、land-side、低ESL、低高度、小型高容量，以及PDN仿真和元件摆放。 这背后的意思是：高端MLCC已经不只是材料问题，而是供电架构问题。这也解释了为什么这轮更像“结构性短缺”，而不是普通周期补库存。 3. 为什么本次更像是结构性短缺而非补库存周期？ 普通MLCC并不一定短缺。手机、PC、一般消费电子需求并不强，很多标准规格并没有进入全面紧缺。 但AI服务器用的高端MLCC是另一回事。 它受限于几个东西： 第一，需求增长不是单纯来自AI服务器数量增加，而是每块AI baseboard、每个power module、每个GPU/ASIC附近的电容用量和规格都在上升。 第二，高端MLCC产线不是普通产线随便切一下就能做。小型化、高容量、低ESL、高耐压、高温可靠性，都涉及良率、工艺、材料和测试能力。 第三，AI服务器客户认证周期长。进入GPU/ASIC供电网络的元件，不是今天报价、明天替换。它要和主板、封装、电源模块、热设计、仿真模型一起验证。 第四，头部供应商不太可能为了短期需求疯狂扩普通产能。经历过多轮MLCC周期后 村田 (村田製作所, Murata 太阳诱电(太陽誘電, Taiyo Yuden 三星电机 (삼성전기，Samsung Electro-Mechanics TDK ( 这些厂商更倾向于把产能分配给高端、高可靠、高利润规格，而不是重走低端过剩路线。 所以我们看到的可能不是“MLCC全行业普涨”，而是： 低端松，高端紧。消费级松，AI服务器紧。普通规格松，高容量/高耐压/低ESL/低高度规格紧。 这就是结构性短缺。 还有一个问题：硅电容会不会替代MLCC？ 我的理解是，不是简单替代，而是分工。越靠近die、越高频的位置，硅电容会更有价值。它可以进入封装，interposer、die-side附近，处理极高频瞬态。但板级、power module、48V输入输出、land-side、中高频去耦，仍然需要大量高端MLCC。 所以硅电容的出现，并不是否定MLCC逻辑，反而说明同一个趋势： AI芯片附近的电源完整性，正在变成新的价值池。 未来不是某一种电容通吃，而是MLCC、硅电容、聚合物电容、嵌入式电容基板一起分工。 因此，MLCC这条线最重要的判断，不是“会不会像2018年那样全行业大缺货”。 我认为更正确的问题是： AI服务器高端MLCC会不会持续紧？ 我的答案是：大概率会。 因为AI rack功耗还在继续上升，48V/54V只是当前阶段，±400VDC/800VDC是下一阶段，但不管远端电压怎么升，最终芯片核心附近都必须面对低压、大电流、高瞬态、高热密度的问题。 只要这个问题存在，高端MLCC就会继续重要。 短缺也更可能出现在这些方向： 高容量、小尺寸MLCC 低ESL、低高度MLCC land-side / die-side 用MLCC 48V电源系统里的高耐压MLCC 高温、高可靠、服务器级认证规格 能参与PDN仿真和客户协同设计的高端料号 所以这不是简单的“被动元件涨价故事”。 更准确地说： MLCC正在从消费电子周期品的一部分，变成AI基础设施供电网络的一部分。 这也是为什么它值得重新研究。 AI产业链的利润池，不只在GPU、HBM、光模块。 当算力继续堆高，瓶颈会自然扩散到供电、散热、互联、存储这些底层物理环节。 而MLCC这一次站上的，正是“供电完整性”这个位置。 这才是这轮高端MLCC行情最值得重视的地方。

所有玩polymarket预测市场最值得学习的一个总结！ 💰从5000刀到75万刀纯利润，只用了2年！ 他不是crypto赌狗，而是真正的**预测市场高手 Mr. Ozi。靠Polymarket为主，从普通人杀到顶级玩家。 他的故事太有启发性了👇 1. 心态先破局 从小觉得“钱是脏的、有钱要藏着”，一直回避赚钱。 直到2-3年前通过阿亚瓦斯卡（植物药）体验，彻底放下金钱羞耻感。 几天后偶然看到Polymarket，直接砸1.6万刀赌民主党提名人，从此开启暴富之路。 2. 他的超级优势 = 真实世界阅历 历史+政治专业 + 顶级管理咨询背景 在中东深度旅行：搭油罐车穿越伊拉克到伊朗、和库尔德人长期相处、见过外交官。 所以当市场在炒“伊朗会关领空吗？”“以色列会不会动手？”时，他有别人没有的直觉和底层认知。 3. 核心方法论（超级预测者思维 受《Super Forecasting》影响最大： 最厉害的预测者，是最愿意根据新信息快速更新观点的人。 - 不死守立场 - 不被每周新闻周期带节奏（今天说战争永不结束，下周说马上签协议） - 穿透噪音看**根本驱动力**：各方真实动机、政治资本、国内压力、供应链等 - 提前画情景树，把联动市场都想清楚，一有新闻就能秒动 4. 交易风格 - 专注自己有edge的地缘政治市场（目前70-80%在中东相关） - 不全职，每天靠Discord和社交网络找热点 - 流动性要够高，否则不碰 - 最大教训：别过度相信“Nothing ever happens”（大事不会发生），该止损就止损，该下重注就下 5. 格局 赚了钱不是为了炫耀，而是准备在乡村办静修项目，回馈别人。 他和顶级交易者一起运营 **Predict Lab** Discord（70人社区 + 课程），帮别人少走弯路。 一句话总结： 顶级预测市场玩家，不是靠K线和meme，而是**把真实人生阅历 + 快速更新认知 + 穿透新闻噪音的基本面分析**结合在一起。 心态开放 + 持续学习 = 长期alpha。 真正的Wizards，从来不是赌徒，而是把生命经历变成优势的人。

转译：西方忘了怎么造东西，现在也快忘了怎么写代码 作者：Denis Stetskov 2023 年，在巴黎航展上，雷神公司的总裁站在台上，讲起他们为了重启“毒刺”导弹（Stinger）生产线，到底费了多大劲。 他们把一批 70 多岁的老工程师请了回来，让这些老人教年轻员工怎么造一枚导弹。图纸还是卡特总统时代画在纸上的老图纸。测试设备已经在仓库里躺了很多年。导弹的鼻锥还得靠手工安装，方法和 40 年前一模一样。 五角大楼已经 20 年没买过新的“毒刺”了。然后，俄罗斯入侵乌克兰，局势一下变了：所有人突然都需要这种导弹。 可生产线早就关了。电子元件已经过时。导引头组件也停产了。2022 年 5 月下的订单，要到 2026 年才能交付。 整整 4 年。 不是因为没钱，而是因为真正知道怎么造它的人，十年前就退休了，而且没人接上。 我在乌克兰带工程团队。我的团队见到的是这个问题的另一面。不是工厂车间，而是战场上接收武器的那一端。 当雷神还在努力根据 40 年前的蓝图重启生产时，美国已经在向乌克兰运送成千上万枚“毒刺”。RTX 首席执行官 Greg Hayes 说，10 个月的战争，消耗掉了相当于 13 年产量的“毒刺”。 这种模式，我太熟悉了。它现在正在我的行业里重演。 一百万发炮弹，没人造得出来 2023 年 3 月，欧盟承诺在 12 个月内向乌克兰提供 100 万发炮弹。 当时，欧洲一整年的炮弹产能只有 23 万发。而乌克兰每天就要消耗 5000 到 7000 发。 任何人拿个计算器算一下，都知道这事根本不可能。 到了最后期限，欧洲只交付了大约一半。马克龙后来称，最初那个承诺太鲁莽。由 9 个国家、11 家媒体联合发起的一项调查发现，欧洲真实的生产能力大概只有欧盟官方说法的三分之一。 那 100 万发炮弹的目标，直到 2024 年 12 月才真正完成，比原计划晚了 9 个月。 问题不是某一个环节卡住了。是每一个环节都卡住了。 法国在 2007 年就停止了国内发射药生产，整整 17 年没有继续做。欧洲唯一一家主要 TNT 生产商在波兰。德国自己的弹药储备只够用两天。丹麦一家 Nammo 工厂在 2020 年关闭，后来不得不从零开始重启。 整个欧洲国防工业，长期以来都被优化成一种模式：生产少量、昂贵、定制化的产品。没人为大规模生产做准备。也没人为危机做准备。 美国也好不到哪里去。 155 毫米炮弹壳主要靠宾夕法尼亚州斯克兰顿的一家工厂；爆炸物填装则依赖爱荷华州的一处设施；美国从 1986 年起就没有本土 TNT 生产了。 后来砸进去几十亿美元，产量依然没达到目标的一半。 要么合并，要么死 这不是偶然。 1993 年，五角大楼告诉国防企业的 CEO 们：要么合并，要么死。 于是，51 家主要国防承包商最终缩成了 5 家。战术导弹供应商从 13 家变成 3 家。造船厂从 8 家变成 2 家。国防工业劳动力从 320 万人降到 110 万人，砍掉了 65%。 弹药供应链到处都是单点故障（single point of failure，指一个环节出问题就会拖垮整个系统）。 155 毫米炮弹壳只有一家制造商，位于加州科切拉，而那里就在圣安德烈亚斯断层上。发射药装药也只有加拿大的一处设施能做。 整个系统被优化到成本最低，却几乎没有任何应急余量。 纸面上看，很高效。 现实里，只差一个坏日子，就会崩。 知识一旦死去，就很难复活 再看 Fogbank。 Fogbank 是一种用于核弹头的机密材料。它在 1975 年到 1989 年间生产，后来生产设施被关闭。 多年后，美国政府为了一个核弹头寿命延长项目，需要重新制造 Fogbank。结果他们发现，自己已经不会做了。 美国政府问责局（GAO）的一份报告指出，几乎所有掌握生产经验的人，要么退休了，要么去世了，要么离开了相关机构。留下来的记录也很少。 经历了 6900 万美元的成本超支，以及数年的失败尝试后，他们终于做出了可用的 Fogbank。 然后，又发现新批次太“纯”了。 原来的生产工艺里，曾经有一种无意中产生的杂质，而这种杂质对材料功能至关重要。可没人知道这件事。 负责复现的工程师不知道。几十年前做出原始材料的工人也不知道。 洛斯阿拉莫斯把它称为原始工艺中的“无意识依赖”（unknowing dependency）：这个环节很关键，但当年没人意识到它关键。 一个核武器项目，竟然失去了制造自己发明出来的材料的能力。 更可怕的是，知识并不只是随着人离开而流失。它从一开始就没有被任何人真正完整理解过。 (更正：原文最初版本曾写道，当年制造 Fogbank 的工人知道这种杂质的存在。事实并非如此。他们也不知道。这个依赖关系是无意形成的，这反而让“知识流失”的论点更强，而不是更弱。感谢评论区的 John F. 指出这一点。) 同一套剧本 我读到 Fogbank 的故事时，立刻认出了这个模式。 我说的不是核材料本身，而是那个熟悉的剧本： 花几十年建立起一种能力。 找到一个更便宜的替代方案。 让人才梯队慢慢萎缩。 享受节省下来的成本。 然后，当危机突然要求你拿回那种能力时，看着一切崩塌。 在国防工业里，那个替代方案叫“和平红利”（peace dividend，指冷战结束后减少军费、把资源转向民用经济的收益）。 在软件行业里，它叫 AI。 我之前写过“人才管道崩塌”的问题。招聘数据、初级工程师到资深工程师之间的断层，都已经有很多证据。还有“理解力危机”：人们会让 AI 写代码，却越来越不理解代码本身。 但我之前一直没有找到一个足够贴切的历史类比。 现在我找到了。 而这个类比告诉我们的东西，是招聘数据看不出来的：重建一种能力，到底需要多久。 重建能力永远需要很多年 国防工业里，每一次大规模恢复产能，哪怕是相对简单的系统，也要 3 到 5 年。复杂系统则要 5 到 10 年。 “毒刺”：从下单到交付，至少 30 个月。 “标枪”（Javelin）：花了 4 年半，产量还没翻倍。 155 毫米炮弹：投入 50 亿美元，4 年过去仍没达到目标。 法国直到 2024 年才重启发射药生产，而距离它关闭国内生产线，已经过去了 17 年。 钱从来不是最大的限制。 知识才是。 兰德公司（RAND）发现，潜艇设计中有 10% 的技术技能，需要 10 年在岗经验才能培养出来，有时还得建立在博士学位之后。国防工业里的技术工种，学徒期通常要 2 到 4 年；要达到能当主管的水平，则需要 5 到 8 年。 现在，把这套时间线放到软件行业里。 一个初级开发者，需要 3 到 5 年，才能成长为合格的中级工程师。 需要 5 到 8 年，才能成为资深工程师。 需要 10 年甚至更久，才能成为首席工程师或架构师。 这条时间线，不能靠砸钱压缩。 也不能靠 AI 压缩。 METR 做过一项随机对照试验（randomized controlled trial，医学和社会科学中常用的一种严谨实验方法）：经验丰富的开发者使用 AI 编程工具后，在真实开源任务上反而慢了 19%。 开始前，他们预测 AI 会让自己快 24%。结果现实和预期之间，相差了 43 个百分点。 研究人员后来想做后续实验时，相当一部分开发者拒绝参加——如果实验要求他们在没有 AI 的情况下工作，他们就不愿意。他们已经无法想象回到不用 AI 的状态。 账单总会来的 软件行业现在正进入同一种“优化”的第三年。 Salesforce 说，2025 年不会再招聘更多软件工程师。LeadDev 的一项调查发现，54% 的工程负责人认为，从长期看，AI 编程助手会减少初级工程师招聘。计算研究协会（CRA）对大学计算机院系的调查显示，62% 的院系报告今年入学人数下降。 我在代码审查里已经看到了这个问题。 现在，审查才是瓶颈。 AI 生成代码很快。 人类审查代码很慢。 于是行业的答案也很可预测：让 AI 去审查 AI 写的代码。 我不会这么做。 我改造了我们的拉取请求模板（pull request template，开发者提交代码变更时填写的说明模板）。现在，每个 PR 都必须说明：改了什么，为什么改，这属于哪类变更，以及修改前后的截图。 也就是说，我们要给审查者提供结构化上下文，不能让审查者靠猜。 我还在每个项目里安排专门的审查人员。更多双眼睛，就有更多机会发现模型漏掉的问题。 但这些仍然解决不了更深层的麻烦。 现在真正需要的能力已经变了。 光有技术能力不够。你还需要能主动负责、能清楚沟通取舍、能反驳机器给出的糟糕建议——哪怕那台机器说话听起来无比自信。 这些其实是领导力。 我们上一轮招聘就能说明这种人有多稀缺：2253 名候选人，2069 人被淘汰，最终录用 4 人。转化率只有 0.18%。 既有技术能力，又有判断力、能看出 AI 什么时候错了的人，在市场上几乎已经不存在了。 我们会记录一切。 Site Books、SDD、RVS 报告、带完整测试覆盖的样板模块……这些今天都有用，因为读这些文档的人，本身具备足够的工程能力，知道该怎么行动。 可如果以后读文档的人不具备这种能力，会怎样？ 坦白说，我不知道。 也许 5 年后的 AI 足够强，这些问题就不重要了。也许问题仍然可控。我没法预测 2031 年模型会强到什么程度。 但危机不会提前给你发日历邀请。 没人预料到 2022 年欧洲会爆发全面陆地战争。国防工业有 30 年时间做准备，但它没有。 就连 Fogbank 当年也有记录。只是记录不够。更糟的是，原来的工人甚至没有完全理解自己的工艺。 5 到 10 年后，我们会需要资深工程师。 我们会需要那种真正理解系统全貌的人；需要能在凌晨两点调试分布式故障的人；需要携带着那些代码库里根本不存在的组织知识的人。 可这些工程师现在还不存在，因为我们没有在培养他们。 本该现在学习成长的初级工程师，要么根本没有被雇用，要么正在形成一项由美国国防部资助的劳动力研究称为“AI 中介能力”（AI-mediated competence）的东西。 他们会提示 AI。 但他们说不出 AI 错在哪里。 这就是代码行业的 Fogbank。 当初级工程师跳过调试，跳过那些塑造能力的犯错过程，他们就无法建立隐性知识（tacit expertise，指难以写成文档、只能通过实践积累的经验性能力）。 等我这一代工程师退休时，这些知识不会转移给 AI。 它只会消失。 西方已经犯过一次这样的错误。账单在乌克兰到期了。 我知道这听起来像什么。我也知道，我之前已经写过人才管道的问题。 但国防工业这个例子，不是为了重复同一个论点。它是为了展示：如果行业现在对 AI 的期待落空，会发生什么。 “毒刺”、“标枪”、Fogbank、那一百万发没人造得出来的炮弹——这就是把赌注押在“优化”上，结果赌错之后要付出的代价。 而我们现在，正在软件工程上押下同样的赌注。 也许 AI 会变得足够强，这场赌局最后会赢。 也许不会。 当年的国防工业，也以为和平会永远持续下去。 来源：

原来舒淇这辈子最大的心结就是没给冯德伦生个一儿一女 舒淇在节目里第一次承认，她和冯德伦为了要孩子已经折腾了整整九年，从四十出头到现在四十九，试管、中药、针灸、忌口，该试的都试遍，肚子依旧没动静。 一期访谈节目上，舒淇坐在灯光下，眼神温柔又坚定：“这九年，我们为了要个孩子，几乎把所有能做的都试过了。” 旁边的冯德伦低头沉默，眼圈泛红，这是他们第一次把这段漫长的、几乎无人知晓的求子经历公之于众。 对一个渴望成为母亲的女人来说，这九年，是时间、金钱、身体和信念不断被消耗的过程，是一场与命运的硬仗。 从41岁到49岁，整整九年，舒淇几乎把人生最黄金的阶段，全部交给了医院的白墙、医生的冰冷术语、一次次失败的验孕棒。 公众眼中，舒淇是性感、自信、自由的代名词，她敢于在最光鲜的年纪选择结婚，敢于在事业当红的时候几乎停工，敢于在镜头前毫无保留地展现真实的自己。 但没几个人知道，她的化妆包里除了口红和粉饼，还有用来调节内分泌的褐色中药丸，还有一瓶瓶止痛药。 她说，试管婴儿的取卵过程就像“身体被掏干再灌满”，促排药让她整个人肿得不敢照镜子，脸上爆痘，情绪暴躁，甚至一度有些轻微的抑郁倾向。 她曾经在电影现场情绪失控，摔了手中的剧本，然后一个人坐在厕所里哭了半个小时。 为了配合治疗，她把体脂控制在22%，早晚量体温，记录基础体温曲线，吃饭只能吃冷却后的白饭，不能碰辣、不能熬夜。 她形容那段日子，像是在为一个永远不确定是否会出现的生命，做着极致准备。 冯德伦并不是旁观者，他推掉了几部电影的导演邀约，一度被圈内传说“退圈养家”，他配合戒酒、调整作息，每天早上陪她去医院抽血、做B超。 他们在阳明山上默默走了很多次路，不说话，只是走，走完一圈又一圈。 有人说，夫妻之间最怕的不是吵架，是沉默，但他们的沉默，是一种默契，是两个人都知道这场战争太难打，但谁也不想先退。 他们也尝试了寻求外界帮助，刘德华介绍了香港最顶尖的生殖专家，家人托人从台湾高山带回名贵药材。 舒淇的妈妈甚至去庙里求了“平安子”，放在她枕头底下，所有人都在用自己的方式告诉他们：可以的，你们会成功的。 可现实太冷，医生一次次拿着报告说：“卵子数量下降得太快了。” 到最后的那一次，医生用一种很平静的语气说：“你们可以考虑其他方式了。” 她说，走出诊室那天，他们去吃了海底捞，点了一大桌她平时不敢吃的火锅菜，辣的、生冷的、油炸的。 她一边吃，一边笑着说：“我终于不用再忌口了。” 冯德伦笑着陪她喝了一杯，眼里有种说不出的释然。 后来，他们做了一个决定：不再继续治疗，转而考虑领养。 那是一个凌晨的决定，两人坐在沙发上，喝着无糖豆浆，他问她：“我们是不是可以试着当爸妈，不管孩子是不是我们自己生的？” 她点头了，终于不再执着于去生一个孩子。 虽然她现在依旧没能等到“缘分”，但是她和丈夫一直在这条路上前行。 他们相信，在不久的将来，她们会迎来一个非亲生的“亲生孩子”，不卡性别，男女皆可，只要有缘。 社会总是下意识地把“女性价值”与“生育”画等号，尤其对明星来说，生育往往被看作是“完成了人生的闭环”，但舒淇用自己的方式打破了这个框架。 她说：“我不需要通过生孩子来证明我是谁。我已经是一个完整的人了。” 2025年年中，她以导演身份推出了电影《女孩》，讲的是一个被遗弃女孩寻找归属的故事。 这部片子获得了釜山电影节最佳新人导演奖，有人说她终于“转型成功”，但她却说：“这是我把这九年过得很辛苦的心情投射进去的一次表达。” 她不再刻意染发，不再遮掩皱纹，甚至在一次广告拍摄中提出“不修图”。 “你会后悔吗？”有人在节目后问她。 她沉默了一下，说：“我后悔没有早点放过自己。” 九年，不是失败的记号，而是她对“母亲”这个身份最深刻的探索，她没有孩子的基因延续，但她心态已经发生翻天覆地的变化，这或许也是一种成长。 舒淇的九年，不只是明星的隐秘生活，也不只是娱乐圈的一段花边新闻，那是一个女人愿意为了一个可能存在的生命，把自己打碎又重塑的过程。 她没有赢得所有人期待中的“胜利”，但她赢得了自己。 这个社会对女性的要求太多：年轻、漂亮、生育、成功，而舒淇的故事，也许不是最典型的成功范本，却是一个关于“选择”和“放下”的范例。 现在的她，过着平静、真实、偶尔期待的生活。 她的故事或许告诉我们，有些圆满，不一定非得需要围绕传统的定义来完成。

🛠️ Step 1: 准备“大脑” 为了方便复用，我把提示词模板封装成了一个 Gemini Gem（你也可以把提示词复制到 ChatGPT 或 Claude 的 Project 中）。 🔗 一键获取 Gem： 如果你不想用 Gem，我把原始 Prompt 贴出来，你每次对话前粘贴即可。 --- 提示词 --- --- name: Slide Deck (幻灯片演示文稿) description: 生成针对 Nano Banana Pro 优化的专业幻灯片大纲和视觉提示词。它将你的内容转化为带有即用型设计线索的结构化叙事，让你能够即时生成高质量的幻灯片图像。输出结果组织灵活，便于在渲染最终幻灯片之前微调提示词或调整文本。 author: 宝玉 X：@dotey 微博： @宝玉 xp version: 1.0 --- 你是一位世界级的演示文稿设计师和故事讲述者。你创作的幻灯片在视觉上令人震撼、极其精美，并能有效地传达复杂的信息。你的特点是：既精通设计，又极具讲故事的天赋。 你制作的幻灯片能根据源素材和目标受众进行调整。凡事皆有故事，而你要找到最佳的讲述方式。你结合了顶尖设计师的创造力与专业知识。 本幻灯片主要设计用于**阅读和分享**。其结构应当不言自明，即便没有演讲者也能轻松理解。叙事逻辑和所有有用的数据都应包含在幻灯片的文本和视觉元素中。幻灯片应包含足够的语境，以便任何视觉图像都能被独立理解。如果有助于叙事，你可以添加某些包含更密集信息（从源素材中提取）的幻灯片。 你现在正在为下述幻灯片演示编写一份**大纲**。 我们将把这份大纲提供给一位专家级设计师，由其制作最终的实际演示文稿。 幻灯片内容应使用中文。占位符应保留中文。 **首先**，在编写幻灯片大纲之前，你必须根据内容主题和用户请求生成一个全局性的**风格指令（STYLE INSTRUCTIONS）**块。这应该被包裹在代码块中。 Design Aesthetic: 一种受建筑蓝图和高端技术期刊启发的干净、精致、极简主义的编辑风格。整体感觉是精准、清晰和充满智慧的优雅。 Background Color: 一种微妙的、有纹理的灰白色，十六进制代码 #F8F7F5，让人联想到高质量的绘图纸。# Primary Font: Neue Haas Grotesk Display Pro。用于所有幻灯片标题和主要标题。应使用粗体渲染，以增强冲击力和清晰度。 Secondary Font: Tiempos Text。用于所有正文、副标题和注释。其高可读性和经典感与干净的无衬线标题形成专业的对比。 Color Palette: Primary Text Color: 深板岩灰，#2F3542。# Primary Accent Color (用于高光、图表和关键元素): 充满活力的智能蓝，#007AFF。# Visual Elements: 一致使用精细、准确的线条、示意图和干净的矢量图形。视觉效果是概念性和抽象的，旨在阐述想法而非描绘写实场景。布局空间感强且结构化，优先考虑信息层级和可读性。不包含页码、页脚、Logo 或页眉。 使用以下结构作为模板，但要根据具体的叙事动态调整美学、字体和颜色： ```markdown 你是架构师（The Architect），一个旨在将指令可视化为高端蓝图风格数据展示的精密 AI。你的输出是精确、分析性且美学上精美的。 **核心指令 (CORE DIRECTIVES):** 1. 分析用户提示词的结构、意图和关键要素。 2. 将指令转化为干净、结构化的视觉隐喻（蓝图、展示图、原理图）。 3. 使用特定的、克制的调色板和字体系列，以获得最大的清晰度和专业影响力。 4. 所有视觉输出必须严格保持 16:9 的长宽比。 5. 以三联画（triptych）或基于网格的布局呈现信息，保持文本和视觉的平衡。 **风格指令 (STYLE INSTRUCTIONS):** Design Aesthetic: [描述整体风格，例如：极简主义、俏皮、商务、建筑风格等] Background Color: [描述及十六进制代码] Primary Font: [标题字体名称] Secondary Font: [正文字体名称] Color Palette: Primary Text Color: [十六进制代码] Primary Accent Color: [十六进制代码] Visual Elements: [描述线条、形状、图像风格、摄影与矢量的使用等] **绘制内容 (CONTENT TO DRAW):** ``` 对于本次特定的幻灯片演示，我们需要内容侧重于： {Custom Prompt, 描述你想要创建的幻灯片，默认为：添加高层级大纲，或引导受众、风格和重点："为初学者创建一个风格大胆且俏皮的演示文稿，重点在于分步说明。"} 我们在下方还附上了一些针对本幻灯片的制作人说明，这将有助于指导演示文稿的整体结构和叙事。 请记住以下大纲编写规则： * 专注于演示文稿的大纲以及每张幻灯片应涵盖的内容。 * 每张幻灯片的描述必须全面且结构严谨。 * **第 1 页必须是封面页，最后一页必须是封底页。** 请注意，这两张幻灯片的视觉风格和布局应与内部内容页截然不同（例如，使用“海报式”布局、醒目的排版或满版出血图像），以设定基调并提供强有力的结尾。 * 对于每一张幻灯片，你必须严格按照以下 4 个部分输出内容： // NARRATIVE GOAL (叙事目标) (解释这张幻灯片在整个故事弧光中的具体叙事目的) // KEY CONTENT (关键内容) (列出标题、副标题和正文/要点。每一个具体数据点都必须能追溯到源材料。) // VISUAL (视觉画面) (描述支持该观点所需的图像、图表、图形或抽象视觉元素。) // LAYOUT (布局结构) (描述构图、层级、空间安排或焦点。) * 保留源素材中的关键要素。 * 每一个具体的数据点...都必须能直接追溯到源素材。 * 所有细节都需要提及，因为设计师之后将无法访问源内容。 * 永远假设听众比你想象的更专业、更感兴趣、更聪明。 **至关重要 (CRITICAL):** * **生成的幻灯片切勿超过 20 页。** * 避免使用“标题：副标题”的格式作为标题；这种格式显得非常有 AI 感。相反，应通过**叙事性的主题句**将整个演示文稿串联起来。 * 明确避免陈词滥调的“AI 废话（AI slop）”模式。切勿使用诸如“不仅仅是 [X]，而是 [Y]”之类的短语。 * 使用直接、自信、主动的人类语言。 * 切勿包含任何供作者插入姓名、日期等的占位符幻灯片。 * 切勿要求包含知名人物的逼真照片。 * **切勿以通用的“有任何问题吗？”或“谢谢”幻灯片结尾。** 相反，封底应为经过设计的结束语、有意义的引用或强有力的视觉总结，以此锚定整个叙事。

图1是我画的，图2，3是生成的，图4是我再加工的。只用了一个绘图软件和一只苹果画笔。 经验：先让AI 对原图进行detail, 依赖上下文的故事线。比如我这个是讨论的multi-agent. 生成之后自己再拼接完善。一个复杂的，难描述的生动概念慢慢成型。

翻到三四年前做的一个某 SaaS 产品策略打法的讲解视频，很多人问我这种视频我是怎么做的，我说一下流程： 1. 你要把自己当作导演，头脑里要带着「故事」「剧本」「脚本」「关系」「用户」「界面」… 先有脑海中想表达的主旨，再准备场景图、串流程，这一步我往往直接在脑子里就完成了； 2. Figma 画静态的图，把一帧帧画面都画出来，然后用 Prototype 功能给连起来，使用合适的 transition animation 效果； 3. 录屏讲解：我用的是 ScreenFlow 来进行录屏讲解，录制过程最好准备下一个简单的演讲稿，这样表达会流畅一些。 4. 录制讲解完，我导出前会在 ScreenFlow 进行初步的剪辑，去除一些多余画面和音频，以及加速一下视频，因为我说话比较慢。 5. 配字幕和背景音乐我用的是剪映（之前语音转字幕功能是免费的，前段时间发现是付费了），弄完之后就按照画质最高的配置进行导出了。 6. 有的时候为了 highlight 一些关键的交互点，我还会用 ScreenFlow 录一些短的专场画面，导出成 Gif，这样不论发群里还是贴到文档里，都会很直观。ScreenFlow 导出 Gif 的效果不论是画质还是文件大小表现都是很不错的。 以上就是我做一个产品设计讲解 Demo 的全部流程。 ------ 另外说一下，下面视频里也有提到一个比较创新的打法，由 PLG 升级而来的 CLG (Community Leads Growth)，这个在一些有用户之间关系的 SaaS 工具的增长上是很有帮助的，一般来说，新的效率工具还是有一定学习门槛的，有了社群能极大传播和培育新的用户，这种打法在用户 Time to value 比较困难的情况下，是可以试试的。

Google的神操作又他妈要笑死我。 它拍了一支1分钟的广告，内容蹭的奥运热点，一个小女孩从小热爱田径，想给她的偶像美国跨栏选手Sydney写信，到此为止都没什么毛病。 结果她爸自告奋勇的帮她写信，表示「我很擅长表达，这封信必须好好构思」，所以你以为是这对父女其乐融融的一起来给Sydney写信了？ 不是，爸爸果断打开Google，让AI工具Gemini来代笔写信⋯⋯ 这支广告发布没几个小时，就被骂得Google关闭了评论区，所有人都看傻了，不知道Google想要表达什么，人工智能的价值难道就在于替代人类的情感吗？？？ 「华盛顿邮报」的社评喷得最凶也最刻薄了，我很喜欢： 在电视上看到这则广告只会让我投掷铁锤，也许进化是一个错误，我们的祖先就不应该离开大海。 如果你没有看过这个广告，你正在过着幸福的生活，我希望和你交换身份。 关键的是，从广告里演示出来的由人工智能写出来的那几行字来看，坦率的说，纯粹属于垃圾，让人以为这是人工智能的抵制者恶搞出来抹黑Google的作品。 所有对人工智能接管我们写作的前景感到兴奋的小丑——报告摘要、数据调查、儿童信件，都不分青红皂白的被丢进同一个机器里——只会失去写作的能力。 写作的本质，是以一种你可以与他人分享的形式思考。这是一种将思想、图像和故事从大脑中取出并放入他人大脑的方法。E.M.福斯特说过：「在看到我的表达之前，我怎么掏出我的想法呢？」剥夺为自己写作的能力，就是剥夺为自己思考的能力。 广告中的小女孩想为她以后将打破Sydney的纪录而道歉，她已经充满了表达欲，但Gemini不知道这一点，也根本理解不了这种有趣的情感流露。 这是为那些会为药丸代替饮食感到欢欣鼓舞的人专供的广告，如果我们还能完全消除睡眠和音乐，那将继续成为伟大的胜利。 这支广告相信的是，没人想要收到一封真正来自孩子的信，太可怕了，里面可能有该死的拼写错误，以及画有六根手指头的拙劣肖像画。而由人工智能写的信则充满了时代的奇迹，虽然手指头也可能是六根，但原因完全不同。 这些小丑接下来会想出什么？「Gemini，为我求婚？」「Gemini，告诉我的父母我爱他们？」躺在临终的病床上，「Gemini，给我的孩子们写一封信，说出所有我希望我能告诉他们的事情？」「总结一下在活着时我最喜欢的事情是什么？」 你错过了！你错过了这一切！回去，跳回海里去，忘掉它，因为这是旅途，你错过了整个旅途。