与「相互100」相关的搜索结果

知道很多人没有赶上币安@binancezh #BinanceOnline# 大会，没赶上 BinanceOnline 大会的看这里！ 我帮大家筛好了跟CZ大表哥，一姐以及币安有关的全部核心干货，不用翻回放，直接看就行！ 一、何一（一姐,币安联席 CEO，首席客服官）@heyibinance 1）外界只看到币安用户做到 3.1 亿，其实内部最骄傲的是团队架构彻底理顺、高端人才越聚越多，人才才是币安能一直做大的根本 2）一直守住币安原本的做事风格没变，同时拼命补齐合规这块短板，一直在全球吸纳行业厉害的人才 3）别看现在是熊市，整个加密行业其实在悄悄变强，早就不只是单纯炒币了，区块链也开始真正用到实体经济里，和传统金融走得越来越近 4）敢定下 30 亿用户的大目标，不是吹牛，是头部企业该有的格局； 最终不是只做一个交易所，而是想做成全球人人都能用的金融基础服务 5）用户增长越来越快，新增用户耗时一次比一次短，能看出来行业认可度、技术创新都在飞速进步 6）做产品的初心就是服务普通老百姓、底层人群，想让全世界普通人都能享受到公平的金融服务，不被有钱人垄断 7）心里最担心的就是顶尖人才不够用，所以币安一直在全球大范围招人，认定人才 + 创新才是未来赢下赛道的关键 8）现在业务已经覆盖 100 多个国家、3.1 亿用户，这只是刚开始；很多金融机构只服务有钱人，币安偏要做大众普惠服务 9）未来五年最看好AI 结合金融，想用 AI 抹平普通人跟专业投资者的信息差，让小白也能拥有专业的投资判断能力 10）2014 年入行加密圈，最早就用加密货币给社区癌症患者做公益筹款，一直觉得加密不只是炒币工具，更是做公益、帮普通人的好载体 二、Richard Teng（币安联席 CEO）@_RichardTeng 1）跟着币安一路走来，始终守住把用户放第一位、踏实做事、团队齐心的初心，这也是币安能熬过牛熊一直发展的原因 2）币安早就不只是一个普通交易所了，已经升级成全球区块链底层基建平台，而且一直在往全球合规最正规的交易所靠拢 3）大量引进传统金融、合规风控、商务运营的专业人才，适配全球各个国家的业务布局 4）全球还有十几亿普通人根本用不上正规的银行金融服务，币安做加密的初心，就是打破这种金融壁垒，让资金能自由流通 5）不断上新品类，贵金属、石化产品、美股都能交易，支持全天 24 小时随时买卖，方便机构和普通人做资产避险、风险对冲 6）合规实力很强，是全球唯一被阿布扎比官方全程监管的平台，已经拿到 20 多个国家和地区的合规认可，等全球监管明朗后，能承载海量用户入驻 7）现在全球加密监管还很乱，每个国家规矩都不一样，没有统一标准，想完全统一监管还要很多年； 币安进入任何国家，都会老老实实适配当地规则 8）主动参与全球行业规则制定，帮忙推动出台合理监管政策，既保护普通用户，也维护整个行业稳定发展 9）重金砸在合规建设上，合规团队将近 1600 人，占员工总数超 20%； 还花大钱用 AI 辅助合规审核，把安全合规做成币安的一大优势 10）很看好 AI 和区块链互相结合，同时也关注大健康、生活服务这类跨界发展机会 11）自己最早用加密货币做跨境转账，还曾在不丹直接用加密买东西，能看出来币安支付已经普及到全球小众地区 12）美国现在对加密行业态度明显变友好，会带动全球监管放宽、资本进场，稳定币、现实资产代币化这些赛道都会跟着受益 三、CZ大表哥 币安创始人@cz_binance 1）投资不爱跟风炒热门 AI 应用，更喜欢布局底层硬基建：AI 数据中心、电力供给、高端算力芯片这些实打实的产业 2）现在英伟达垄断 AI 芯片市场，但这种局面不会一直持续，未来一定会出来专门为 AI 定制的芯片 3）长期看好机器人、生物科技两大方向，AI 能极大加速医药研发、基因研究、蛋白质分子实验等领域的突破 4）个人 70%-80% 的资金还是重仓 Web3 和区块链赛道，这是自己最熟悉、最有把握的领域 5）投资习惯很稳妥，都是先小额试水、边投边学习，靠身边行业资深前辈，拿到圈内最新一手消息 6）未来每个人都会拥有专属 AI 智能助手，还有家用实体机器人，生活、工作都能帮着处理 7）行业最终没有传统金融和 Web3 的界限，往后区块链会变成所有金融公司必备的底层技术，谁都绕不开 8）币安现在一直在给 AI 生态铺路，优化区块链底层设施，支持小额高频交易、去中心化存数据、AI 自动帮用户交易 9）AI 以后会把投资操作简化到极致，用户只需要说一句简单指令，AI 就能自动找最优价格、完成全套交易 10）目前 AI 智能助手还不算成熟，风控防护不完善，直接管大额资金有风险； 币安上线的 AI 交易工具，用隔离钱包单独管控资金，用户实际体验口碑很好 11）AI 未来能成为免费的专业理财顾问，比普通真人理财师更客观、更个性化，不会刻意推销产品割韭菜 12）稳定币对高通胀、没有正规银行的国家特别重要，能帮当地人轻松持有美元资产，是金融普惠的关键 13）极度看好现实资产代币化，把美股、实体资产都搬到链上，让全球普通人都能平等参与优质资产投资 14）普通人不用额外投入成本，靠家里闲置电脑、硬件就能参与 AI 产业挖矿，搭配加密资产能形成一个全新的万亿级赚钱生态 四、NINA RONG (BNB CHAIN 执行总监）@nina_rong BNB 链由三条公链组成，最终目标是承载十亿级普通 Web3 用户 全球 40% 的稳定币交易都在 BNB 链上，是全球最大稳定币公链 同时也是第二大 RWA 公链，60% 的链上 AI 机器人都跑在 BNB 链生态里 技术一直在持续升级，交易确认速度做到亚秒级，今年还要把整体处理能力大幅提升 马上推出 AI 机器人开发工具，重点发力跨境支付、非美元稳定币生态，覆盖更多国家需求 主打底层技术隐形化，普通人不用懂区块链，直接用钱包、APP 就能享受所有服务，门槛拉到最低 五、币安支付负责人 币安早就跳出单纯炒币平台的定位，现在做成了一站式金融超级 App，日常消费、跨境转账、资产理财全都能搞定 核心目标就是抹平传统银行和加密支付的隔阂，普通人用起来跟普通银行卡一样简单，不用懂任何区块链知识 币安卡福利很实在：用稳定币消费免转换费、免跨境手续费，还能拿 15% 的消费返现 已经对接巴西、越南等多国本地扫码支付，线下门店买东西，直接打开币安 APP 扫码就能付款 会根据每个国家的消费习惯单独做本地化适配，贴合当地人花钱、转账的习惯，做接地气的金融服务 六、ELLA ZHANG (YZI LABS 负责人)@ellazhang516 2018 年刚踏入这个行业，一门心思只深耕区块链，完全没重视 AI 赛道。现在回头复盘，确实是当初格局和眼界受限，错过了早期布局的好机会 科技行业每一次颠覆性变革，从来都不是单一领域独立完成的，都是不同技术相互结合催生出来的 区块链和 AI 彼此赋能、深度绑定，已经是行业发展的必然走向 传统金融和链上 DeFi 不存在谁颠覆谁、互相争抢市场的情况，更多是互补共生、慢慢融合，而现实资产代币化，就是眼下最确定的行业风口 往后传统股市和加密资产会逐步打通、互相渗透，稳定币也会成为衔接传统金融和加密领域最关键的桥梁 让我们继续keep building #BNB！# #Binance#

强烈推荐大家看看DeepMind CEO Demis的最新判断。 真的，Google DeepMind 的 CEO Demis Hassabis 每一期访谈我觉得值得都花时间看看。这哥们讲东西很实在，而且通俗易懂。 早上边跑步边听完了他和 YC CEO Garry Tan 的最新一期播客。 刚刚把笔记写完，也给大家分享下。 多说一句，好多人问我这种笔记是不是 AI 写的。我说下自己的流程。 我会先完整听完播客，然后用语音输入法把感触尽量充分地讲出来，再让 AI 帮着整理初稿，最后自己逐字修改优化。 如果全部交给 AI 做总结，那等于把思考和理解的能力让渡给了 AI，对自己理解这件事其实没有任何价值。 OK，咱们进正题。 1 Demis 的态度非常明确，现在的大模型范式（大规模预训练 + RLHF + CoT）一定会是 AGI 最终架构的一部分，他不认为这会是条死路。 但要实现 AGI，还有几个关键问题要解决。这几个问题包括：持续学习、长程推理和记忆系统。 先从最容易看到的现象讲起，Context Window。 现在大模型处理长信息，最常用的招就是把 Context Window 一直撑大。一开始 8k，后来 32k，再后来 100 万 Token。听起来很厉害，但本质上是暴力堆砌。 Context Window 其实就相当于人脑里的 Working Memory，工作记忆。人的工作记忆能同时装多少东西？心理学里有个经典数字，7 个左右。背电话号码能记住 7 位上下，再多就溢出了。 大模型呢？已经做到 100 万 Token。 按理说，模型的工作记忆比人大几十万倍，应该比人聪明几十万倍才对。但显然不是。 问题也恰恰就出现在这。把所有东西都塞进 Context Window 里，里面包含了不重要的东西、错的东西、过时的东西。看起来信息很多，其实是一团乱麻。 那人为什么 7 个数字的工作记忆就够用？ 因为人脑背后还有另一套机制在工作。我们记得几年前的事，记得童年的事，记得几小时前发生的事。这些都不塞在工作记忆里，而是另一套系统。 具体来说这套系统是海马体，大脑里负责把新知识整合进已有知识库的那个部分。 研究发现，人睡觉的时候，特别是 REM 睡眠阶段，大脑会重放白天重要的片段，让大脑从中学习。新东西在睡觉的过程里，温柔地融进了旧的知识体系。 这个把新东西融进旧知识库的过程，就是持续学习。 模型现在没有这套机制。每一次对话结束，刚学到的东西就会忘记。下次重新打开，还是上次那个模型，没长进。 2 再聊聊长程推理的问题。英文表达是 Long-term Reasoning。我翻译为了长程。 长程推理这个词太抽象了。Demis 讲了一个特别具体的故事，听完会立刻明白他说的是什么。 他说自己喜欢跟 Gemini 下国际象棋。下棋的过程里能看到模型的 thinking trace，也就是它在那里到底想了什么。 然后他发现一件怪事。 模型考虑一步棋的时候，思考链里清清楚楚写着，这步是个昏招。但接下来，它没找到更好的走法，于是又走回这步昏招。 明明知道是错的，还是把错的那一步走出去了。 这个细节比任何 benchmark 数据都说明问题。因为它暴露的是模型缺少对自己思考过程的某种内省能力。 正常人下棋，意识到一步是昏招之后，脑子里会有一个反应，停一下，再想想。停一下、再想想这个能力，模型现在没有。它能在每一步局部判断对错，但没法基于整盘棋的局势去调整整体策略。 这就是长程推理还没搞定的样子。模型可以一步一步往前走，每一步看起来都合理，但走到后面整盘棋的方向其实是错的。它没有那种退回到当前思考的上一层、重新审视一下的能力。 说到底，模型缺的是一种内省。 3 学习、长程推理、记忆，这是 Demis 在播客里点出来的三个 AGI 鸿沟。 除此之外，他还反复提到了创造力。 2016 年 AlphaGo 跟李世石下棋，第二局走出了著名的 Move 37。那一步棋走出来的瞬间，全世界的围棋高手都看呆了。 所有人类几千年下围棋积累的经验都告诉它不该下那里，但 AlphaGo 下了。下完之后大家发现，是一步神来之笔。 很多人觉得，这就是 AI 的创造力来了。 但 Demis 说，对他自己来说，Move 37 只是起点。他真正想看到的是另一件事。AI 能不能发明围棋这件事本身。 这两件事的区别非常关键。 Move 37 是在围棋这个现成的规则里，找到了一步人类没想到的招。但围棋的规则、棋盘的形状、黑白子的对弈方式，是人类发明出来的。AI 在已有的框架里非常厉害，但能不能自己造一个框架，是另外一回事。 Demis 给了一个具体的设想。 如果给 AI 一个高层次的描述。造一个游戏，五分钟能学会规则，要好几辈子才能精通，棋局有审美，一下午能下完一局。AI 能不能根据这个描述，自己倒推出围棋？ 目前做不到。 为了把这件事讲得更清楚，Demis 还提了一个测试，他自己叫爱因斯坦测试。 用 1901 年人类已有的全部知识训练一个模型，看它能不能在 1905 年那个时间点，自己推出狭义相对论。 爱因斯坦在 1905 年那一年里，连写了几篇改变物理学的论文，后来叫爱因斯坦奇迹年。那些工作不是从已有的物理学论文里通过拼接得到的，是基于已有材料做了一次全新的概念跳跃。 爱因斯坦测试想问的就是这件事。AI 能不能做这种跳跃。 目前的大模型主要在做两件事，pattern matching 和 extrapolation。一个是从大量数据里找规律，一个是把规律往外延伸一点。但发现新东西需要的是类比推理的能力。从一个领域里抽出深层结构，搬到另一个全新的领域去用。 这个能力，模型现在还没有。也可能是有，但用法不对所以激发不出来。 4 除此之外，Demis 还分享了一个让我特别出乎意料的判断，他说未来 6 到 12 个月，真正的价值不在更大的模型，在更小的模型。 这一部分内容我反复听了好几次，确实突破我的已有认知。 不知道大家的想法，反正我自己，这一年来并没有怎么关注小模型的进展。毕竟行业的焦点就是把模型做大嘛。 那小模型的价值到底在哪？ 最直接的是成本。同样一个任务，小模型的推理价格可能只是前沿模型的十分之一甚至更少。 但 Demis 说，比成本更重要的其实是速度。 这里有一个前提得先说清楚。Demis 不是在说速度可以替代智能。 他的原话是，当小模型的能力已经达到前沿模型的 90% 到 95%，也就是已经相当不错的时候，剩下那 5% 到 10% 的能力差距，比不上速度带来的好处。 比如现在工程师用 AI 写代码，已经形成了一种新的工作节奏。一个想法冒出来，几秒之内就能看到结果，不行就改，再不行再改。 这个一改再改的循环跑得越快，做出来的东西就越好。如果每次调用都要等十秒，整个工作流就被打断了。 更关键的是，快到一定程度，工程师在这种节奏里能进入心流。一个想法、一次尝试、一个反馈、再来一个想法，思维不被打断。 这件事写过代码的人都懂，进入心流和频繁掉出心流，产出的差距是数量级的。 Agent 也是同样的逻辑。一个 Agent 跑完一个任务可能要调几十次模型，每次慢一秒，整个任务就慢一分钟。慢到一定程度，Agent 就从一个能用的东西变成鸡肋。 小模型不是大模型的廉价替代品。有些事只有小模型能做。 比如手机、眼镜、家用机器人，需要的就是一个能在本地跑起来的模型。本地跑除了反应快，还有一个特别重要的好处，隐私。 家里机器人看到的视频、听到的对话，全部在设备本地处理，根本不上云。这件事对很多用户来说不是加分项，是底线。 成本、速度、边缘部署，这是小模型的价值。 5 讲完小模型的价值，接下来一个更关键的问题是，能力被压到这么小的参数里，会不会有上限？ Demis 的判断是，目前没看到信息密度有任何理论上限。小模型的智能天花板还远没看到。 支撑这个判断的，是 DeepMind 在蒸馏这件事上的积累。蒸馏简单说就是先训练一个超大的模型，然后用这个超大模型去教一个小模型。教完之后，小模型用极少的参数，能复现原来 95% 以上的能力。 为什么 DeepMind 这么重视蒸馏？因为要把 AI 能力放进谷歌的头部产品中，前提是低延迟、低成本。前沿模型再强，每次推理花几秒钟、花几毛钱...这条路，恐怕很难走得通。 一个前沿模型发布之后，6 到 12 个月内，他们就能把这个模型的能力蒸馏到边缘设备能跑的小模型上去。这个时间表比很多人想的要快。 在很多场景中，小模型和大模型会相互配合。 举个例子，一个端到端的智能助手，绝大部分日常任务在本地的小模型上跑。智能眼镜看到的画面、家里机器人听到的对话、手机里的私人助理，模型直接在设备里读懂，不需要往云端传一遍。 只有遇到特别复杂、本地搞不定的问题，才向云端的前沿模型发起请求。 也就是说小模型在边缘做主力，前沿模型在云端做后援。 不过，这个构想对小模型的要求也比较高，它不能只会处理文字，还得能理解物理世界。 这就是为什么 Gemini 从一开始就坚持多模态，不光处理文字，也处理图像、视频、声音。 一开始这么做比只做文本要难得多，但眼镜也好，机器人也好，需要的是一个能看懂周围世界的模型，不是一个只会聊天的模型。 讲到这里，小模型这条路的轮廓就完全清楚了。它独立成立，不是前沿模型的廉价替代品，而是另一条同样重要的路。 嗯，很有启发。

今晚最后的工作，做 wanman 的高并发测试，以往我们使用本地 coding agent 一次只能开一个窗口 review 代码，但对于「评估项目中各种状态机的设计，稳定性和潜在风险，全面 review codebase 并提升测试覆盖率到 100%」这种目标，wanman takeover 会同时开启十几个不同角色的专业 agent 采用不同速度和品质的模型覆盖前端，后端，架构等层面的综合评估并相互进行事实确认。这基本上已经达到了我的核心设计目标：使编码工作可以完全自动化，以无限拓展的方式运行。

Anthropic 悄悄在定价页面上把 Claude Code 从 20 美元的 Pro 套餐中移除了，没有发任何公告。 有人发现 的功能对比表里，Pro 套餐对应的 Claude Code 一栏变成了叉号。与此同时，多篇帮助文档也已经删掉了"Pro 套餐包含 Claude Code"的表述，老版本在 Wayback Machine 上还能看到。 但 Anthropic 自己的 Claude Code 产品页面还写着"Pro 套餐包含"，客服机器人也坚持说包含。一个公司网站上同时存在两种相互矛盾的说法，这本身就是个问题。目前已有 Pro 用户反馈 Claude Code 仍然可以正常使用，但不清楚这是还没切换完，还是老用户被"祖父条款"保护了。 如果这个变更属实，开发者要用 Claude Code 的最低门槛就从每月 20 美元跳到了 100 美元。 这件事放在更大的背景下看就不意外了。过去两个月，Anthropic 一直在收紧算力供给：先是限制第三方工具（比如 OpenClaw）使用订阅额度，然后是高峰期削减配额，再加上 Opus 4.7 的 Token 消耗比前代高出不少，很多 Pro 用户反映周三就把一周的额度用光了。种种迹象指向同一个结论：Anthropic 的推理算力不够用了，正在把有限的计算资源往高付费用户和企业客户身上集中。 Hacker News 上的开发者反应激烈。不少人表示准备转向 OpenAI 的 Codex（20 美元套餐仍包含），或者干脆用中国的模型，像 Kimi、GLM、MiniMax 这些，价格更低，额度更多。也有人提到 Cursor 的 20 美元套餐用 Composer 2 体验不错。还有一种声音认为，Anthropic 本来就在 Pro 套餐上亏钱，砍掉也合理，只是操作方式太难看——悄悄改页面、不发公告、客服机器人还在说反话。 一个花 200 美元套餐的用户算了笔账：他每个月实际消耗大约 3000 美元的 API 成本。这解释了为什么 Anthropic 扛不住，但也说明高价用户同样不是忠诚客户——"OpenAI 那边模型更好我立马就走。" 对 Anthropic 来说，最棘手的问题可能不是短期收入，而是个人开发者在公司里的传播效应。很多企业引入 Claude，最初就是因为有开发者自己先用上了，觉得好，再推动公司采购。把这群人推走，长期的企业订单管道也可能受损。 当然，也有人指出 OpenAI 现在的慷慨未必持久——Codex 在 20 美元套餐上的烧钱力度同样不可持续。Anthropic 现在做的事，OpenAI 以后未必不会做。真正的悬念是：谁的算力撑得更久，谁就能在价格战里活到最后。

去年10月有人 @buaaxhm 还在震惊公众号头部“卡兹克数字生命”两年赚1000万人民币，当时 @48ClubIan 还在笑话他没见过世面。 最近AI越发热闹，各大厂商相互打擂台抢流量，AI垂直自媒体的好日子也来了。 朋友说卡兹克这条装OpenClaw的广子一条就能赚十几万，看了下数据，光评论就有775条，还有1.9w转发。 虽然币圈TOP3行情好的时候赚的比这多多了，但人家在国内不被管控，还能光明正大的接受文章打赏和微信群里搞私域，也的确是风水轮流转吧。

昨晚我被怼惨了 昨天晚上发完夜报我就去洗澡了，等我出来的时候发现阿弟在床上一只手抱着我从敦煌带回来的骆驼玩偶，另一只手在默默的抹眼泪。 我问他怎么了，他说床上太吵了，睡不着，然后就哭得更厉害了。我瞄了一眼明白怎么回事了，老婆白天开车过来，累了，已经在呼呼大睡，哥哥晚上在酒店儿童乐园玩疯了，这会电量放光也睡了。床上只剩阿弟一个人醒着，他觉得自己被孤零零抛下，急哭了。 我拿纸巾给阿弟擦干眼泪，告诉他不着急，慢慢睡，等他睡了爸爸再睡。阿弟情绪被安抚后就乖乖躺下了，我用手一下一下的拍他的背，不到5分钟孩子就睡了。 我们这一代人养孩子就是在弥补自己的童年，我小时候有时候也会因为焦虑迟迟无法入睡，但大人通常没什么耐心安抚，每次都是嫌我麻烦嫌我不懂事，甚至用把我一个人扔下威胁我立刻睡。 所以我现在在阿弟面前扮演一个我小时候想要的大人的角色，看着孩子美美的睡去，我自己也很有满足感，等阿弟长大了回忆起小时候的父亲，是有耐心又温柔的爸爸 昨天我让你们评理，我老婆当年要是回老家发展，想要再找个综合条件比我好的老公不太容易。那句话被800多人划线，评论了200多楼，我老婆今天把每一条评论都看了，尤其是那些替她说话的会一条一条念给我听。 哈哈哈，现在互联网上的政治正确是无论婚后男方获得什么样的事业成就，一定要归功于妻子的支持，最起码功劳对半。我昨晚那番言论属于是在雷区蹦迪，激起了相当一部分女读者的义愤填膺。 说我油腻，说我爹味重，说我不尊重女性，说我飘了，说我自大，把我数落惨了 可我并没有胡说八道哎，你们现在把我脑子里的记忆抹除，然后送回2005年，我自己都没有把握重来一次我还能走对方向，很多事情的成功都是一个个偶然因素的拼接，但偏偏这些女读者笃信我老婆毕业回昆山一定能找到比我更好的，哈哈哈哈，多少带点主观偏见。 我昨晚是故意这么写的，夫妻之间需要相互挑逗一下才有情趣，博主和读者之间也要来回怼一怼才能增进感情。我觉得夫妻对家庭的贡献不一定非要五五开，有能力的多做一点完全ok，合理分工就行。老婆平时承担了养育孩子的主要重担，还把这个家打理的温馨和睦，没有她的话我也过不了幸福的家庭生活。 “你今晚不把这句话写到夜报里就别想睡了。” …… 巴以局势出现了重大转机，哈马斯同意释放所有以色列人质，接受特朗普的“20点”方案，并准备开启谈判。 这件事有个背景，就是特朗普在社交媒体上发出对哈马斯的最后通牒，已经军事包围和锁定，要求哈马斯在周六截止前同意最新的方案，否则就会进行物理毁灭。 看起来哈马斯是同意了。 这个20点的方案我简单概述一下，先是哈马斯释放以色列人质，活见人，死见尸，在72小时内还给以色列。之后启动加沙非军事化（要求哈马斯解除武装），美国和其它中东国家介入训练警察，维护加沙秩序。之后以色列分批撤军，把加沙交给一个新的巴勒斯坦机构治理，这个新机构必须和哈马斯划清界限。恢复和平后哈马斯人员可以从安全通道离开加沙，保证他们的生命安全。 大致就是如此，但哈马斯有异议，他们还想在谈判桌上争取以色列先撤军，他们再解除武装，不过一旦人质释放了哈马斯也没有讨价还价的筹码，说白了这个20点方案就是城下之盟，哈马斯要么认输，要么承受进一步重大打击。 其实军事上哈马斯早就打不下去了，但最近国际上同情巴勒斯坦的舆情高涨，迫使以色列也要考量继续战争的综合成本。特朗普这个时候介入调停的时机不错，如果这次巴以成功停战，他有机会去提名和平奖了。 本轮巴以冲突的源头是2023年10月的“阿克萨洪水行动”，哈马斯武装突袭以色列境内，打死约1200名以色列人，俘虏约250人。很多人对这个数字没概念，考虑到以色列全国人口只有1000万，占比0.015%，对应咱们国家人口差不多20万。试想如果有其它组织入境残杀绑架了20万中国人，我们也不会善罢甘休的。 当然哈以冲突不是一次孤立事件，两边近20年就没消停过几年，2008、2012、2014、2021都爆发过冲突，只是2023这次哈马斯搞太大了，又恰逢以色列国内极右主政，才会打的如此惨烈。 希望这次可以真正实现停战，当地平民这几年太惨了。 …… 今天还有个很炸裂的新闻，某地新郎因婚礼琐事纠纷跳河自尽，一开始网上传闻是因为新娘索要2万下车礼金，新郎难以支付，一气之下跳河身亡，但随后当地警方接受媒体采访时进行了辟谣，表明与礼金无关。 这其实也是互联网谣言形成的一个机制，网民总喜欢脑补一些事件的动机来表达自己的诉求。比如前几年a股熊市的时候，只要有人自杀，就有人造谣说是股市亏钱绝望寻死，从而推动社会舆情关注资本市场的糟糕表现，给监管层施压。 这次一看到新郎自杀，马上就有人脑补高彩礼逼死人，这背后也反映了某一类人群的情绪诉求，顺便呼应了最近很流行的力工梭哈理论。 今天就聊这些，4/8进度提示，长假过半～

不会写 AI 提示词的福音， @dappOS_com 旗下的新产品 @xBubble_ai 简直惊喜。 AI 新手用简单的提示词也能做出和 AI 高手一样的作品，直接看对比图。 同样的一句话简单提示词，xBubble 从画面细节到质感完全秒杀我用 Gemini 做的图，看起来就像一张拍摄的真实照片。 很明显，xBubble 对于不擅长写提示词的用户很友好，出来的结果相当惊喜。 在 AI 圈一直存在一个痛点：AI 模型更新迭代太快，用户学习的速度跟不上，想用 AI 做出好的产品需要花费大量时间学习写提示词、调试，循环踩坑才能做出「还不错」的作品。 会写 prompt 的用户 vs 不会写 prompt 的用户差距非常大。 而 xBubble 在做的事情就是把这个「差距」无限缩小，以前需要花费大量时间精力学习 AI 的成本被无限压缩，只要用好这一个工具就够了。 用上 xBubble 之后，用户不用再学习 AI，而是让 AI 学习 AI；用户不再摸索如何使用 AI，而是让 AI 代表用户使用 AI。 👇先放个传送门： xBubble 亮点不只是一款低提示率的 AI 代理，除了可将简短的请求转化为最终成果之外，还很适合企业应用，因为对工作效率的提升不是一般的大。 我把 xBubble 的解决方案亮点总结为五点： 1⃣SOP：标准操作流程，即针对某类任务被验证过的最佳实践模板，下次使用可直接套用执行的又快又稳。 2⃣Bubble Computer：全自动项目工作区，用于处理多步骤复杂任务（如研究+写作+设计），能够一次性交付完整成果，中间无需你操心。 3⃣Bubble Personal：安全的本地助手，能操作你的文件、日历等，高风险任务在云端沙箱完成，亮点是只把干净的结果返回电脑。 4⃣Bubble Pilot：智能调度员，能够看懂你的简短指令，自动把任务交给最合适的执行路径（如 SOP、Bubble Computer 或通用 AI）。 5⃣Bubble Engine：解决方案工厂，自动测试模型和工具，为各类任务生成并固化最佳执行流程（SOP）。 xBubble 的这五大板块相互协调之下，对我们的工作效率的提升堪称恐怖，喜欢研究 AI 的一定要去体验下。

顔も整形、乳も明らかに見てわかるレベルで豊胸、日本語は不自由で口は汚い、それやのにはちゃめちゃに他人のこと見下して相互でもないのにリプまで覗いて私の相互さん達とかに噛み付いて馬鹿にして文句言ってんのびっくりする～！！！よくそれで自信満々に生きていけるね！！！！！すごい！！！！！！

ホロクルで相互さんに配り歩くためにこれでクリアカード作ったんだけど、ありがとう🤍って初対面の絵師さんとかにもタメ口になっちゃってて震える🥹www