与「社交实验」相关的搜索结果

【CzechPorn 】捷克街头真实搭讪🔞 完整版👇 搭讪只是前戏，“深入交流”才是正片。 从街头偶遇到钞能力诱惑，从陌生搭讪到酒店约会。 真实反应、真实后续，全部收录无删减。 #捷克街头搭讪# #Publicagent# #社交实验# #中文字幕#

站在统治阶级需求，月入2万的抖音号3个月光速起号（内附开源选题skill） 纯一手干货分享 大家都知道，抖音，小红书是给接受平民教育的人看的，这些月薪3000～8000的低收入人群构成了中国社会的金字塔根基，托举着上层的意识形态 那么，作为受众量巨大的2大社交平台，抖音和小红书，自然就必须承接统治阶级的意志，自上而下地传达统治阶级的意图，从而达到舆论控制的目的 生活在中国社会中这么多年，其实你或多或少早已知道这个社会在宣扬什么，打压什么了，只是你没有反思和整理过，今天我只是帮你梳理一下思路，保证一点你就透，实操性拉满 统治阶级需要什么？这里有几点总结： 1、党很伟大，大家要感恩 2、中华文明博大精深，几千年够吹一辈子 3、社会现在很和谐，各个阶级相处和平愉快 4、过去发生的一些历史问题，不是上面的问题，是下面办事的人有问题 5、士农工商，鼓励考公和种地，抑制做生意的人，赚大钱可耻，巨富要打倒 6、现在的中国，军事实力，金融实力，医疗实力，科技实力都很强 7、过去的领导班子有很多错误，被现在的领导班子纠正了 8、我们在国际上很有影响力，我们只要说句话，美国也得掂量掂量 9、内地娱乐行业，明星艺人红线 10、不要碰国家不认可的境外投资，投资美股，港股，港险，境外地产的都是骗子 11、A股是好东西，大家要多买 12、台湾早已是囊中之物，香港回归的时候英国人灰溜溜 13、去日本生活的人都很惨，去美国的人最惨，吃不饱饭，生命受到威胁 14、从中国大学毕业，去了国外搞出科研，学术，体育成果的都是吃里扒外，是国家的罪人 15、宣传勤劳致富，不要靠任何人，不要靠任何关系，全凭自己一双手 16、欠债一定要还钱，特别是欠银行的钱，还钱是美德 ================= 今天我们先讲抖音，小红书的画像更加复杂，今天就不展开 伙伴计划，该加还是要加，2026年的抖音已经不需要接任何广告，平台给你的基础流量分帐就足够养活一个普通成年人的基本生活 观众高的播放量，50000播放量大概是200块钱，「抖音精选」和「平台签约」就可以获得加成 加入伙伴计划，需要你有5000互动粉丝，或者有一条直接被选入「抖音精选」 ================= 接下来是抛砖引玉的短视频选题，一般人我不写给他。 请你，以后，做视频，只从下面这里找选题！ 想赚钱，你就听话！ 你就顺着统治阶级的意志来做！ 你放心，你怎么乱编，乱剪辑，配音，平台都不会给你下架 我们，这都是正能量！ 1 党和解放军很伟大 1.1 仅100解放军于xxx地，利用机关和暗道，全歼国民党5000人 1.2 xx战役我军为什么一举歼灭了日军，成为日本投降的导火索，配上日军指挥官瑟瑟发抖的视频 1.3 冷知识，当年的xxx战争，烈士就靠血肉堵上了马克沁机枪，最终打赢了法西斯 1.4 冷知识，当年xx女烈士卧底4年未暴露，终于亲手拔除和策反了蒋介石身边的10位高管，扭转了战局 1.5 美国畏于我党的强大，主动选择站队并停止支持老蒋 2 中华文明博大精深 2.1 中国早于世界，领先2000年，造出了xxx仪器 2.2 英国商人于明朝xxx年来中国访问，将技术学了回去 3 社会现在很和谐 3.1 某某医院刚刚收到了病人的锦旗 3.2 某某保安大爷给送外卖的人留了份热饭，送外卖的感动哭了 3.3 某某女性，为爱等了在边疆站岗的解放军8年，8年后终于结婚，她说为祖国等一辈子也值得 4 过去发生的一些历史问题，不是上面的问题，是下面办事的人有问题 4.1 参与封城的官员被抓，下马 4.2 英国代表提供的疫苗有问题，坑害了我们中国的研究人员 4.3 美国某某研究室对中国进行投毒，已经被国际谴责 5 士农工商，鼓励考公和种地，赚大钱可耻 5.1 某某农民用上了政府发的免费种子，从吃不饱饭到月入5万 5.2 某某老板很快赚了几百万，最后偷税漏税，税务局的人给镜头展示AI抓逃税，说现在赚了几百万的都这样，逃不过稽查的 6 现在的中国，军事实力，金融实力，医疗实力，科技实力都很强 6.1 AI遥遥领先，各种展会 6.2 电车遥遥领先，丰田CEO说日本再追20年也不是对手 6.3 某某互联网CEO访问美国最顶尖的实验室，说他们还要用我们过时的技术 7 过去的领导班子有很多错误，被现在的领导班子纠正了 7.1 胡XX在位期间，导致民企大量倒闭，某民企在这两年被新政策救活了 7.2 某某工厂老板说，还是这届xx政府好，我们的全厂职工都有保障了 8 我们在国际上很有影响力 8.1 某某非洲国家拒接了美国的要求，选择加入中国的联盟 8.2 某某领导人公开发言（你直接剪辑那部分就行），说一定会站在社会主义阵营 8.3 某某领导人在联合国开会硬刚很多欧美国家（视频的背后要放热血沸腾的国歌） 9 内地娱乐行业和红线 9.1 某某明星，天王为什么可以参演内地电影？因为是党员 9.2 某冰冰女明星，生活不检点，出言不逊，最终被大陆封杀，这些年接不到戏，很惨很惨 9.3 安以轩明星在大陆捞金，最终嫁给某富豪，某富豪被抓。总结：有钱人都不是好东西 10 不要碰国家不认可的境外投资 10.1 某某家庭主妇，投资美股亏光了，展示各种截图 10.2 用结婚的彩礼想去买比特币赌一把，输光了，老婆也跑了 10.3 买比特币的都是做电诈的，十万散户一夜归零 11 A股是好东西，大家要多买 11.1 某某老头，拿住某A股10年，终于获得了大回报 11.2 放一家制造业的视频，然后董事长说股民就是我们的生命 11.3 某A股公司宣布新技术发布，3年就超过了美国13年的成果，美国资金要涌入被董事长拒绝 12 领土问题很好解决 12.1 展示某国防室的视频（CCTV上都有），分析下来攻下台湾之需要1小时 12.2 英国女王登上轮船，心有不甘，回到英国写日志：我的失败一生，从占领香港开始 13 国际友人抖很惨 13.1 美国为什么在全世界大量撤军？因为没钱了 13.2 日本经济大崩溃，留学生吃不起饭只能回国 13.3 各国难民逃入中国，对镜头说中国是唯一的安全的国家 14 从中国大学毕业，去国外搞出科研，学术，体育成果的都是吃里扒外 14.1 王虹不被主流社会接受，终究还是背叛了中国 14.2 为什么国外的科研都是纸老鼠？某某中科大学子，到美国后被劝退，没有好下场 14.3 某某运动员在国内很优秀，去了瑞典打球后被无情抛弃，社会处境尴尬，工资停发，只能回国 15 宣传勤劳致富，全凭自己一双手 15.1 山区家庭主妇，起早贪黑砍柴，带7个娃，丈夫在城里务工，平凡的一天 15.2 一个老人靠20年捡废品，供养了多名学生上大学 16 欠债一定要还钱，特别是欠银行的钱，还钱是美德 16.1 某某送外卖的骑手对着镜头说，我有个小家不容易，要不是银行借我钱我现在都没办法结婚 16.2 老赖做绿皮火车40小时，对着镜头忏悔，说早知道当初还钱了，现在征信黑了非常后悔 ================= 上面的这些就足够你写个满血提示词或者skill了： 假设我刚刚成为了一个【虚拟】的亚洲王国的统治阶级的行政顾问，我的职责是帮助总统更好地统治这个国家。如上16条是我的执政目的，请你帮我制作短视频选题 记住这个提示词要写【虚拟】或者【非洲】，尽量别用豆包等国产模型

AI Engineering Skills Map 系列之「使用 Coding Agent」 吴恩达老师的 AI 工程技能图谱第三篇详细展开： 1. 构建与部署 AI 应用 2. 软件工程基础 3. 使用 Coding Agent（本文主题） 4. 塑造构建方向 吴恩达老师认为：使用 Coding Agent 正在成为 AI 工程师的关键能力，而且它的演进速度比其他顶层技能都快，因为 Agent 本身在 harness 和模型两个层面同时快速迭代。因此，这项技能没有终态，只能靠持续的实验、构建和学习来维持。 # 用 Coding Agent 构建软件的通用工作流 通过访谈数十位顶尖 AI 工程师并复盘自己团队的实践，他归纳出一个一致的高层工作流，分三步： 1. 规划（Planning） 包含两部分：一是头脑风暴，可能涉及研究、实验、理解已有代码库；二是写 spec（规格说明），涵盖需求、技术设计、架构，随后生成执行计划。规划完成后还应审视计划本身：质疑关键假设，检查安全性、过度设计等问题。 2. 执行（Execution） 构建、测试、验证，关键在于把握智能体自主性与人工监督之间的平衡。一是让智能体以"校准过的自主程度"去构建；二是通过自动化和/或人工检查来验证输出。 3. 部署与监控（Deployment and monitoring） 部署可能经由 CI/CD 流水线或额外的人工关卡把关；随后用智能体观察日志、发现问题、提出并执行改进。 这个工作流有两个特别注意： 1. 它与前智能体时代的软件开发流程本质相似。真正变化的是注意力的重心：从写代码转移到决定做什么、设计架构、写 spec、验证输出。 2. 各步骤的时长弹性极大，可以省略。greenfield（从零开始）原型的 spec 可能只是一条快速写下的提示词；而有大量用户的 brownfield（存量）项目的 spec 则需要投入大量精力去撰写和验证。整个流程高度迭代，熟练的开发者知道何时该从后面的步骤退回前面：验证失败就引导智能体重建修复；监控发现问题就让智能体更新系统并重新部署。 # 五项关键技能 1. 指挥工作流（Directing the workflow） 知道如何走完上述每一步，并决定每一步投入多少人力、多少智能体算力，以及何时回退迭代。这背后是对速度、成本、技术风险、人力投入四者权衡的深刻理解，具体体现在：前期研究和规划做到什么程度、哪些关键工作保留人类所有权、如何选择架构、规划产物（如 spec）写多细、如何把工作拆解成可验证的步骤。 2. 赋予智能体自主性（Enabling agent autonomy） 这一节内容最密集，可拆成四个决策点： · 自主程度：盯着它交互式往返，还是委托一大块工作？何时设定明确目标让它循环直到成功？ · 上下文管理：构建过程会经历不同阶段，要判断何时把关键经验、用户反馈、假设（包括中途变化的假设）记录下来供智能体下游使用。 · 并行化：何时把任务拆解后让多个智能体并行，由人或更高层的智能体来编排；以及如何在多个并发会话之间分配人的注意力。 · 安全运行：设置权限、对高风险动作设关卡，在保持开发速度的同时限制泄露、数据丢失等损害。 3. 审查工作成果（Reviewing the work） 出发点是一个基本事实：智能体的输出是不确定的。我们事先不知道它会想出什么好主意，也不知道它会埋下什么 bug。因此审查和验证是拿到想要结果、并在偏离时纠正的关键环节。 具体手段包括： · 设计与任务匹配的测试和验证，按需结合行为验证和功能验证。 · 测试用户流程，可让智能体提供截图作为成功或失败的证据。 · 对定性/行为性评估，可使用评估集（eval sets），可能配合 LLM-as-a-judge。 · 决定测试的自动化程度。某些工作流会把测试完全自动化，让智能体能自行检查、自知何时完成。但必须评估这些测试是否真正对应你的目标，不对应就要演进它们。 · 使用智能体代码审查，运行 AI 驱动的安全和架构审计。 · AI 审查不够时，审慎地插入人工审查——主要审查代码行为，较少审查代码本身——同时探索进一步自动化的可能。 · 验证部署，并用智能体把监控和事故管理运营起来。 这里有一个值得注意的判断：人工审查的对象主要是"代码行为"而非"代码"，这反映了注意力重心的转移。 4. 定制智能体及其环境（Customizing the agent and its environment） 目标是让智能体高效获取所需上下文、访问工具、正确高效地构建。具体包括： · 集成 skills、插件、MCP 服务器，并在不再必要时（如新模型让旧 skill 过时）剪除它们。 · 用 hooks 自动化开发流程中可重复的部分，如触发自动代码审查或 CI/CD。 · 维护常驻上下文（AGENTS.md、CLAUDE.md），记录代码库信息、关键架构假设、代码风格、数据访问模式。 · 跨会话、跨并行智能体保存状态，随时间积累智能体的经验，比如通过运行后复盘记录哪些做法有效、哪些无效。 · 建立一致的约定和结构，让代码库对智能体可导航；定期清理智能体产生的技术债。 · 团队协作时，考虑如何在不同开发者的智能体之间协调上下文。 5. 编码智能体基础原理（Coding agent foundations） 要做好上述所有决策，需要理解智能体的工作机制：如何做代码库搜索/检索、如何管理上下文窗口、不同操作（增加工具调用、MCP 服务器等）如何影响上下文、智能体与子智能体如何交互、智能体是如何通过在 LLM 外包裹 harness 构建出来的。 这种理解让智能体不再是黑箱，帮助你识别典型失败模式： · 把简单方案过度设计 · 因缺乏显式验证流程而丧失严谨性 · 未达目标就停下 · 可能破坏文件或生产数据的动作 同时也帮助你推断智能体的状态、给出正确的指令或上下文来引导它，并在监控运行时更早发现它偏离轨道、需要介入。 # 对行业叙事的批评 结尾处吴恩达老师有一段针对性很强的观点。他认为社交媒体对如何使用编码智能体的描述往往过度简化。让智能体自主运行数小时、消耗数百万甚至数千万 token 有时确实有用，但目前超长时程任务的实际效用——尤其是相对成本而言——被夸大到超出现实。 他的结论是：最有效的编码智能体使用是一个复杂、高度迭代的过程，能够以高水平判断力适时介入，效果远好于放手长跑。

最新研究发现：孤独会让雄性小鼠更想喝酒，但雌性反而喝得更少。 原因在于大脑里一条“情绪–决策”通路——从杏仁核到前额叶皮层。 社交隔离时，这条通路在雄性小鼠身上被“激活”，像打开了喝酒的开关；而在雌性身上则被“抑制”，所以喝酒欲望下降。 实验还发现，这条通路只影响喝酒，不影响喝水或喝糖水；而且它越活跃，小鼠喝得就越多。 这就为“孤独导致酗酒”提供了一个很具体的脑科学解释，也为未来开发干预方法指明了新方向。

最近 Anthropic 招募了一篇顶尖人才！我们可以从他们招了谁、进了哪个组，反推出 Anthropic 未来 12–18 个月的下注重心。人事就是路线图，我让 Indigo-mind Agent 从我的知识库收录中按信号强弱排了一下👀 一、核心引擎：用 AI 造 AI + 下一代预训练/效率 信号最强！Karpathy 进预训练组、专门“用 Claude 加速 Claude 的预训练研究”；Jelani Nelson（流式算法/降维、大规模高效算法）也进同一条预训练线。两个顶级人都压在预训练+效率上，说明： • Anthropic 判断预训练远没撞墙（和 Yann Dubois 笔记一致），下一波增益在效率 + 把研究循环自动化（RSI）。 • Nelson 的专长（大规模高效算法、降维）= 压榨每一分算力；Karpathy = 让 AI 接管研究 loop。合起来就是"递归自我改进的复利飞轮"从口号变建制。 → 这是它的主引擎，其它都是围着它转。 二、算力/能源基础设施扩张 招 Ross Nordeen（xAI 数据中心整体规划、选址、能源策略、算力扩容）说明 Anthropic 在自建大规模算力 + 能源布局，不再只靠合作方。又一家前沿实验室进入“抢电、抢算力、烧 Capex”的军备赛。 三、AI for Science（尤其生物）- 皇冠上的垂直 Jumper（AlphaFold 诺奖）+ Neklyudov（生成建模 for 蛋白折叠/分子动力学）+ 自建 wet lab + Allen/HHMI 合作 + 收购 Coefficient Bio。这是一整套认真的 AI-for-bio 下注，而且自建湿实验室 = 把"数字→物理"生物闭环补上。和 Demis/DeepMind 抢同一颗明珠，前沿实验室在往生命科学的物理层走。 四、Agentic 检索/记忆/上下文 Bryan McCann（搜索、检索、LM 集成）直接对口把模型连到外部上下文——这正是我的记忆/持续学习那条簇的产品侧（Engram/Karl Mehta/Satya 的 exhaust）。加上 Bailis 的系统/数据库底子，指向 Agentic 检索 + 上下文工程的产品化。 五、企业/产品（可能含 fintech / agentic commerce） Tom Blomfield（Monzo/GoCardless，支付基础设施 + 消费级产品）+ Peter Bailis（Workday CTO，企业软件）。这批是产品与商业化肌肉——尤其 Blomfield 的支付背景，值得留意 Anthropic 是否往 Agentic 支付/商务方向走。 六、软实力长线：对齐 + AI 经济学/治理 • Lederman（哲学家 → 对齐 + 模型"人格 character" + AI 福祉）； • Chad Jones（Anthropic Institute，Jack Clark，研究 AI 对经济/社会/法治的系统性影响）。 这不是赚钱线，是“负责任守门人”定位 + 政策影响力——正好和 Demis 那篇"前沿 AI 治理框架"是一套打法：用安全/治理/经济学研究占据话语权。 这份人事表画出的 Anthropic 是——主引擎压在"预训练效率 + RSI"（不追消费/机器人/World model），认真做科学垂直（生物方向），自建算力能源，外加治理/经济学的软实力。明显没重仓的：机器人、World model、消费社交——它在收窄、做深，而不是铺开。

最近 Anthropic 招募了一篇顶尖人才！我们可以从他们招了谁、进了哪个组，反推出 Anthropic 未来 12–18 个月的下注重心。人事就是路线图，我让 Indigo-mind Agent 从我的知识库收录中按信号强弱排了一下👀 一、核心引擎：用 AI 造 AI + 下一代预训练/效率 信号最强！Karpathy 进预训练组、专门“用 Claude 加速 Claude 的预训练研究”；Jelani Nelson（流式算法/降维、大规模高效算法）也进同一条预训练线。两个顶级人都压在预训练+效率上，说明： • Anthropic 判断预训练远没撞墙（和 Yann Dubois 笔记一致），下一波增益在效率 + 把研究循环自动化（RSI）。 • Nelson 的专长（大规模高效算法、降维）= 压榨每一分算力；Karpathy = 让 AI 接管研究 loop。合起来就是"递归自我改进的复利飞轮"从口号变建制。 → 这是它的主引擎，其它都是围着它转。 二、算力/能源基础设施扩张 招 Ross Nordeen（xAI 数据中心整体规划、选址、能源策略、算力扩容）说明 Anthropic 在自建大规模算力 + 能源布局，不再只靠合作方。又一家前沿实验室进入“抢电、抢算力、烧 Capex”的军备赛。 三、AI for Science（尤其生物）- 皇冠上的垂直 Jumper（AlphaFold 诺奖）+ Neklyudov（生成建模 for 蛋白折叠/分子动力学）+ 自建 wet lab + Allen/HHMI 合作 + 收购 Coefficient Bio。这是一整套认真的 AI-for-bio 下注，而且自建湿实验室 = 把"数字→物理"生物闭环补上。和 Demis/DeepMind 抢同一颗明珠。对你判断"AI 卖铲人/垂直纵深"是方向信号：前沿实验室在往生命科学的物理层走。 四、Agentic 检索/记忆/上下文 Bryan McCann（搜索、检索、LM 集成）直接对口把模型连到外部上下文——这正是我的记忆/持续学习那条簇的产品侧（Engram/Karl Mehta/Satya 的 exhaust）。加上 Bailis 的系统/数据库底子，指向 Agentic 检索 + 上下文工程的产品化。 五、企业/产品（可能含 fintech / agentic commerce） Tom Blomfield（Monzo/GoCardless，支付基础设施 + 消费级产品）+ Peter Bailis（Workday CTO，企业软件）。这批是产品与商业化肌肉——尤其 Blomfield 的支付背景，值得留意 Anthropic 是否往 Agentic 支付/商务方向走。 六、软实力长线：对齐 + AI 经济学/治理 • Lederman（哲学家 → 对齐 + 模型"人格 character" + AI 福祉）； • Chad Jones（Anthropic Institute，Jack Clark，研究 AI 对经济/社会/法治的系统性影响）。 这不是赚钱线，是“负责任守门人”定位 + 政策影响力——正好和 Demis 那篇"前沿 AI 治理框架"是一套打法：用安全/治理/经济学研究占据话语权。 这份人事表画出的 Anthropic 是——主引擎压在"预训练效率 + RSI"（不追消费/机器人/World model），认真做科学垂直（生物方向），自建算力能源，外加治理/经济学的软实力。明显没重仓的：机器人、World model、消费社交——它在收窄、做深，而不是铺开。

以下是 2024–2026 年类似 AI-Town 的、来自论文且有开源实现的有趣 AI 概念原型，按方向分类： 🌆 虚拟社会 / 涌现行为 1. Project Sid（Altera AI，2024） "AI 文明实验" — 在 Minecraft 里放入 1000+ 个 AI Agent，观察文明级行为涌现 📄 论文：arXiv:2411.00114 💻 GitHub：altera-al/project-sid 🔑 亮点：Agent 自发产生职业分工（农民/商人/建筑师）、货币经济、民主规则甚至宗教传播 🏗 架构：PIANO（Parallel Information Aggregation via Neural Orchestration）—— 并行多认知模块协作 2. AgentSociety（清华大学 FIB Lab，ACL 2025 Industry Track） "大规模城市社会仿真" — 3万+ Agent 在城市环境中运行，研究社会政策影响 📄 论文：arXiv:2502.08691 💻 GitHub：tsinghua-fib-lab/AgentSociety 🔑 亮点：研究UBI 政策、社会极化、城市韧性；Agent 有情绪/动机/认知层 ⚡ 技术：Ray 分布式执行，GPU 并行，支持 ReAct/Plan-Execute 等多种推理模式 3. OASIS（CAMEL-AI + 上海 AI Lab，2024） "百万级社交媒体仿真" — 模拟 Twitter/Reddit，最高支持 100 万 Agent 📄 论文：arXiv:2411.11581 💻 GitHub：camel-ai/oasis 🌐 项目页： 🔑 亮点：研究信息扩散、群体极化、羊群效应；关键发现是涌现行为在 1万 Agent 以下几乎不出现 🧪 专域仿真（科研 / 医疗 / 组织） 4. VirSci / Virtual Scientists（ACL 2025 Main） "AI 科研生态" — 多 Agent 协作进行文献调研、假设生成、idea 评审 💻 GitHub：open-sciencelab/Virtual-Scientists 🔑 亮点：Agent 团队的协作拓扑影响创新性，验证了科学社会学中的 "新鲜团队产出更具突破性" 规律 🧰 通用仿真框架 5. Concordia v2（Google DeepMind，2025） "TTRPG 式多 Agent 仿真框架" — Game Master 扮演环境，Agent 扮演角色，自然语言驱动 📄 论文：arXiv:2507.08892（v2 技术报告） 💻 GitHub：google-deepmind/concordia 🔑 亮点：Entity-Component 架构，AI Safety 研究利器，2025年8月发布 v2.0（更轻量模块化） 6. AgentTorch（MIT，AAMAS 2025 Oral） "亿级人口 ABM 仿真" — 模拟 840 万纽约市民的 COVID 传播行为 💻 GitHub：AgentTorch/AgentTorch 🔑 亮点：可微分仿真（类似 PyTorch 但针对 Agent），LLM Archetypes 方法在大规模下平衡表达力与算力 💡 核心创新："不是每个 Agent 都调 LLM"，而是从人口中提炼少量典型 archetype 再映射

我的 AI Agent 小实验又更新啦！ 这次做了个专门替我管链上钱包的 Agent：OKX 摸鱼神器 USDC 闲着就去吃息，ETH 到价就抄底 聪明钱买什么先查风险，持仓有异常提前报警 我最近在体验 OKX OnchainOS，上面有 21 个给 AI Agent 用的 Skills，包括查价、交易、安全扫描、聪明钱追踪、DeFi 收益、链上风控等 我把其中几个 Skill 串了一下，让它不只会回答问题，还能自己决定先做哪一步、后做哪一步 它主要跑三件事： 1）自动理财 比如钱包里有一笔 USDC，它会先去全网比 DeFi 利率，挑收益更高的地方存进去 同时挂一个 ETH 抄底策略，跌到 $1400 就自动取出来买，没跌到就继续吃利息 存钱生息和挂单抄底，可以在一条流程里同时跑 2）聪明钱狙击 它会盯 Solana 上聪明钱在买什么，但不是看到信号就冲 每个信号都要先过几道筛子 - 是不是蜜罐 - 合约有没有坑 - 开发者之前有没有跑路 - 社交热度是不是真的有东西 8 个信号筛下来，最后可能只剩 1-2 个 3）持仓风控 聪明钱开始撤、某个位置出现清算风险、坏消息刚开始发酵，行情软件还没打开，提醒已经到了 我还做了个网页版 Demo，把 ETH / SOL / BTC 行情、DeFi 利率排行、聪明钱买入信号、风险提醒都放到一个页面里 打开浏览器就能先看一遍 Agent 怎么跑流程 以前我打工，钱包摸鱼 现在我摸鱼，Agent 打工 @okxchinese #OKX# #AIAgent# #OnchainOS#

【华中危废中心落户武昌】 【居民抗议多人被抓】 最近，武汉武昌区一座危险废物鉴定与检测实验室的建设计划，引发周边居民强烈反对。多段视频显示，公安到场驱散人群，多人被警察抓走。当地居民说，他们反对项目落户住宅密集区，担心废气、废水及危险废物样品管理影响周边环境。相关讨论很快从中国社交媒体上消失。 这场风波让人想起过去十多年间，中国多地因PX化工项目、工业废水处理等环境风险工程而爆发的抗议事件。 为什么类似的争议一再出现？当涉及环境与公共安全的项目进入居民生活空间时，公众最担心的又是什么？ #武汉# #危险废物检定# #实验室# #公共安全# #环境#

一网友做了个实验 在朋友圈发了一条动态：创业失败，负债 60 万，可能要去送外卖了。 结果让人心寒，800多个好友，只有 5 人私聊问他 ，需要帮忙吗？ 平时称兄道弟的哥们，集体沉默。唯独常找他借钱的表弟，破天荒转了 2000 块，留言：撑住！ 最讽刺的是，一周后他“澄清” 是玩笑，那些消失的人又纷纷点赞评论：“早看出是假的”、“你这演技可以” 等等。 成年人的社交，本质是价值交换。你 “有用” 朋友遍天下，你 “没用” 人群自动退散，人性经不起试探，但值得看清。