与「認知症」相关的搜索结果

家族の「もの忘れ」が気になっていませんか？ MCI（軽度認知障害）は認知症の一歩手前の状態。適切に対処することで、認知機能の低下や認知症の発症を遅らせることが期待できます。 漫画家・くるねこ大和さんが描く実体験から学ぶ、MCI（軽度認知障害）との向き合い方。

为什么睡眠会影响脑血管？ 睡眠期间，大脑并不是真的在“休息”，它在进行至关重要的自我清洁与修复工作，包括清除代谢废物、维护血管内皮功能、调节炎症反应。 一旦睡眠长期紊乱，这套修复机制就会持续受损，脑小血管在慢性压力下逐渐老化受损，白质高信号随之悄悄积累。而这一切，往往在认知症状出现之前很多年就已经开始。 预防痴呆，从睡眠开始 痴呆的发生是一个漫长的过程，大多数病理改变早在症状出现前十至二十年便已悄然启动。这也意味着，干预窗口其实比我们想象的更早、更宽。 保持规律、充足、高质量的夜间睡眠，可能是目前最低成本、最易实现的大脑保护策略之一。 如果你长期存在入睡困难、早醒、或白天嗜睡等问题，建议认真对待，及时寻求专业评估。 因为你守护的，不只是一夜好眠，而是未来几十年的认知健康。

泣き崩れてる長男に蹴り入れた認知症から覚醒し全ての機能が元通りになった最強おばあちゃんが、残されたわしらに出来ることはあいつ(幽霊)を地獄送りにすることじゃ‼️って殺る気満々に長男に宣言してる、なんだおもろいこの映画

任长箴×周轶君最新作品：揭开千万家庭对养老最大的恐惧 认知症，会给一个人、一个家庭带来什么？在我国，60岁以上的老人中近1700万患有认知症，他们失去记忆、语言和逻辑能力，出现情绪和行为上的激越：昼夜颠倒、凭空妄想、无端攻击……有家属说：“觉得她已经不再是我妈了”。 面对逐渐陌生的亲人，该如何陪伴他们老去？周轶君与任长箴一起，把镜头对准了认知症老人、家属以及专业护理师，展现他们面临的困境、挑战，以及希望。这不只是一部关于“失去”的记录，更是一次关于“存在”的追问；当记忆的坐标变得模糊，一个人何以确认自己，爱又该如何存续。#陪你老#

編み物が大好きだったおばあちゃん。 今は，認知症と手が震えちゃって なかなかできなくなったので 簡単に作れる編み機を プレゼントしたよ🎁

こちらスペースでもご紹介した小説です。 ｢名探偵のままでいて｣ ゆったり流れる時間、風景の中でレビー小体型認知症のおじい様が数々の事件を紐解いていく とても読みやすい美しい小説でした。 お孫さんとの豊かな時間、お孫さんの周りで起きる数々の出来事 最後は衝撃の展開 ぜひ読んで頂きたい！

推荐这篇文章，Flask 作者 Armin Ronacher 写了这两天我看到最诚实的 loops 反思。之前两篇都在讲 loop 怎么搭、工程怎么落地，这篇问了一个没人敢问的问题：loop 写出来的代码你真的喜欢吗？如果你在用 AI 写代码，这篇可能会让你停下来想一下。 即将到来的 Loop 我不再给 Claude 写 prompt 了。我跑着一些 loop，它们负责给 Claude 写 prompt 并决定做什么。我的工作是写 loop。 — Boris Cherny 过去几个月，我看到越来越多的人在 coding agent 之上构建一些感觉上跟"直接用 coding agent"有本质区别的东西。模式到处都一样：任务被放进某种队列，机器捡起来、尝试、停下来，然后 harness 判断那是不是真的结束。 如果不是，harness 继续同一个 session、注入另一条消息、用修改过的 context 启动一个新的 session、或者把任务发给另一台机器。任务在模型自己本该说"我做完了"的那个点之后，继续活着。 我想这种 loop 想到自己都不好意思承认。 每个 coding agent 内部已经有一个 agent loop 了。模型调用工具、整合结果、再调用工具、读文件、改文件、跑测试、最终生成答案。那个 loop 我们已经相当熟悉了。另一种 loop 是 harness 级别的 loop：agent loop 之外的 loop。那个 loop 也不是新的。从 Claude Code 早期我们就一直在做各种版本，但那个 loop 在 agentic engineering 中越来越重要，最近几周已经开始主导 Twitter discourse。 我还不擅长这个 我目前的状况是：对于我真正在意的代码，我还没怎么成功用过这种工作方式——而这恰好是我相当大一部分代码。 部分原因是品味，部分原因是控制。我对我想要的代码样子设了一个很高的标准，我想理解我交付的代码。在压力下，或者跟另一个人讨论时，我想能够解释清楚系统做了什么，而不是先让一个 clanker 解释给我听。显然，这种"想理解代码"的愿望是否会在几年后依旧存在，是一个问题。但现在，我还没有越过"理解对我来说很重要"这个阶段。 基于这个愿望，对于没有我关注时写出来的代码，尤其是由 loops 产生的代码，我感觉有些东西缺失了。当前模型倾向于产生过于防御性、过于复杂、推理过于局部的代码。它们避免强不变量。它们添加 fallback 而不是让坏状态变得不可能。它们重复代码、发明糟糕的抽象、用更多 machinery 掩盖不清晰的设计。更糟的是：我几乎看不到这方面有什么进步。如果有什么变化的话，我觉得我们可能还在往错误的方向走。至少以我的品味，当前像 Claude Code with ultracode 这样的无人值守 harness 产出的代码，比去年秋天我们产出的还要差。因为 Claude Code 加 Fable 会连续不停地在一个问题上工作 30 分钟甚至更久，而过去这个过程会有更多人参与。 此外，一个众所周知的问题是模型倾向于观察到某个局部失败然后添加局部防御。Karpathy 提到他们"对异常感到极度恐惧"。在具有重要不变量的系统中，尤其是持久化数据格式或核心基础设施，正确的修复不是"处理每个异常情况"。正确的修复是让异常情况一开始就无法被表达或写入。但即便有大量人工引导，LLM 也不会自然地产生那种代码，而且即使代码自然地像那样产生了，它们仍然会试图处理现在已不可能的错误。 当你把这种行为放到 loops 后面时，你往往会放大它。如果每次迭代都添加一个小防御，系统会慢慢变得更不透明，同时表面看起来更健壮。你越放手，这种情况就越严重。当这样的工具交给没有清晰指导的初级开发者时，它还会教给他们非常糟糕的实践。因为如果你问他们为什么做所有这些，他们会令人信服地论证自己的做法。 Loop 在哪里有效 但与此同时，假装 loop 模式不管用也是不诚实的——它在某些领域已经好得惊人。 代码移植就是其中之一。已经有令人印象深刻的大规模自动化移植案例，包括报道中把 Bun 的部分代码从 Zig 移植到 Rust 的工作。我自己也成功用它把 MiniJinja 移植到了 Go。性能探索是另一个效果惊艳的场景。机器可以尝试实验、跑 benchmark、丢弃失败、继续搜索。安全扫描也自然适合，几乎任何类型的研究也一样：让系统探索一个复杂的问题空间然后汇报回来，不一定要提交持久化的代码。 这些场景的共性是：它们要么不生成新代码，而是转换已有代码；要么产生的代码有意不需要长期存活。它们要么产出 PoC 或想法，要么呈现发现，或者更像机械性的转换。 我相信，产出不需要长寿的 artifacts 的 loop，或者产出某种可清晰验证的机械性翻译的 loop，比 harness 机械性地衡量某个目标的一般能力更重要。很多成功的 loop 应用用另一个 LLM 作为 judge 或 orchestrator。机械性翻译场景可以用二元测试用例验证，但它也可以用 LLM 来评判！ Claude Code 在创建完整的实验性工作流并执行它们方面，变得越来越好。当然，它生成的代码是 slop，但那更多是模型的问题，而不是 harness 不能很好地判断工作流中的某一步是否带来了净改进或完成。 Harness 只需要一些信号让它能继续。不需要客观或二元——只需要足够有用来驱动下一次迭代。 我非常喜欢那些能把我日常中的无聊部分拿走的 loops——做实验、测量、给我灵感。 软件作为有机体 另一方面，用同样的 loop 方法来写持久化的代码，我还不觉得舒服。我喜欢的比喻是：从软件作为确定性机器，到软件作为有机体。 我成为一名软件工程师的环境鼓励我理解机器。总有一层你可以剥开来加深理解。不展现确定性可观测行为的机器也许被接受，但一般不被认为是最优的。在软件架构上，我认为追求更多的确定性而不是更少是可取的。同样，理解代码的能力一直是一个不可否认的目标。实践中并不总是可能，但我们仍然以写出好的代码为荣，使得即使是新工程师也能通过巧妙的架构在复杂的代码库中导航。在设计良好的系统上，总有一些工程师知道不变量在哪里，哪些部分是承重的，哪些改动是安全的。理想情况下所有这些都是有良好文档的。在缺乏这种理解的地方，通常被认为是需要改进的事情。 显然，那个理想一直都很紧张。许多软件系统，尤其是非常成功的系统，在工程师能让它保持干净的时期过后，常常变得太大、太动态、太依赖外部服务，无法装进任何人的脑袋。即使没有 LLM，我们在诊断分布式系统时也已经有点像医生了：观察症状、提出假设、"开更多检查"、尝试一些补救措施、再次观察。 但有了 LLM，我们正在沿着这个方向走得更远更快。我们用它们来写代码，也用它们来诊断和治疗。已经有大量工程师生活在这样一个世界里：生产问题发生后的第一步是让 clanker 读日志、提出根因、主动提出 patch。结果 patch 通常被另一台机器捡起来审查，有时甚至没有任何人工监督就合并到了 main。 显然这很强大，我不能否认它听起来很诱人。但屈服于这个想法，特别是随着人类监督越来越少，意味着接受我们可能无法再以同样的方式理解整个系统。我们治疗它、监控它、稳定它，但我们不一定理解它。 我毫不怀疑对于某些软件来说，这没问题。不是每一行代码都值得人类作者身份，而且过去也可能写过更差的代码。 但我希望所有软件都这样写吗？ 你无法完全退出 非常令人不安的是，选择退出这个全机器驱动的未来可能不是一个选项。 安全是最清晰的例子。即使你不用 loops 来构建你的软件，别人也会用 loops 来攻击你的软件。攻击者会持续运行机器，即使不是攻击者，安全研究人员也会，而其中一些自动化工作会产生大量噪音但也会发现真正的问题。信号和噪音都会以如此大的规模涌向你，以至于你几乎不得不也扔一台机器来处理。 Daniel Stenberg 关于 curl 的 summer of bliss 的帖子是一个很好的例子，展示了维护者已经承受的压力。据我所知，AI 在 curl 的核心开发中并没有扮演重要角色。但尽管如此，维护者还是被报告淹没了——其中大部分是 AI 生成的。 如果攻击者和报告者都在 loop，防御者最终也需要 loop 才能跟上。也许不是直接写 patch，也许只是用来 triage 和复现——但压力会增加。 竞争也是一样。有些团队会通过原始速度超越其他团队。有些项目会突然加速，因为一个小团队搞清楚了如何有效编排机器。有些 startup 可以用五个人做到过去需要五十个人的事。有些人可能会直接把一台机器放在一个 loop 里对着你的产品，告诉它"把它做得像那个一样"。而如果他们的用户很开心，这真的重要吗？ 不是所有软件都会受到同等影响。有些领域会惩罚草率，要求信任和责任，但很多软件生活在一个原始速度、快速实验和大面积覆盖至关重要的世界里。 建立新的依赖 最可怕的部分是，我们以新的方式变得依赖于这些新机器。软件一直依赖工具。我还记得我不得不为编译器付费的时候。这些新工具让人回想起那些创造软件需要真实成本的日子。但现在不再是一次性付款了——它是一种持续的依赖。不只是对钱包的依赖，还有认知依赖。 如果一个代码库由 loops 产生、由 loops 审查、由 loops 打补丁、由 loops 维护，当你不再能访问同等级别的系统时会发生什么？当某些贸易限制剥夺了对最强模型的访问时？如果只是成本变得不可接受呢？如果你和你的团队只是丧失了不用机器理解代码的最后一点能力呢？ 我们可能会创建出不仅人类难以维护、而且把机器参与作为其维护模型前提的代码库。这已经在发生了！不是在所有地方都发生，甚至可能不是以被视为有问题的方式在发生，但我们看到越来越多。人们越来越多地合并他们不能完全解释的代码。人们失去了创建 issue 报告或在聊天中讨论事情的能力，而不借助 clanker 增强或改写他们的消息。太多人越来越依赖机器来总结或提供上下文。我越来越多地遇到通过 LLM 这个中间人与我交流的人。 再说一次，也许这甚至不一定是错的，但它对我们做事的方式是一个巨大的改变。 未来的 Harness 我毫不怀疑这就是方向，但朝着这个方向走需要我们在所有地方都改善我们的工具，而不只是在 coding agent 里。 仅仅编排更多的 loops 是不够的。更好的变更可视化或编排或 agent 不会恢复我们的理解。要么我们需要找到巧妙的方法把人拉回 loop，让 loop 的变更长期可读，要么我们需要找到更好的方法来组合这些越来越复杂的系统。 这也是我对 Pi 的角色的想法在变化的地方。Pi 一直很谨慎，我认为这种谨慎是好的。我不希望一个每一次交互都变成不受控制的机器 swarm、做出我无法跟上的变更的未来。我不希望 Pi 为了赢得"软件自己写自己"的竞赛而变成一个不可维护的混乱，我也不希望 Pi 推广这类工程。但与此同时，Pi 是一个 harness，而 harness 正处在人们运行这些新型实验的中心。 编码任务的任务队列、agent 编排、子 agent、持久化 session 会变得越来越重要。即使是我们这些有保留意见、没有盲目拥抱 loops 的人，也必须要开始做这些实验了。因为我们需要理解如何让这个未来有边界、可生存。 控制 Loop 正如你从这篇文章中读到的，我对这个未来非常不安。不是因为恐惧，而是因为基于对这项技术至今的经验而产生的谨慎。 采用 harness loop 的想法意味着 harness 决定工作何时完成。在 agent loop 中，模型最终说"完成"然后我审查。即使在那之前，我通常也在沿途引导。我参与其中，我喜欢在学习中前行。在 harness 操作的 loop 中，我不确定我的角色到底是什么。甚至"完成"信号也失去了所有意义，只是变成了传递给另一台机器进行评判的信息。我的角色被简化为一个信使。 今天，我不喜欢我看到的那种用这种方式构建的系统产生的代码，我也不喜欢与太多用 AI 辅助构建的软件交互。Loop 很强大，但它越来越多地移除责任，至少在当下它非常鼓励我们向机器投降。 然而，我毫不怀疑这个 loop 化的未来就是我们的未来——尽管我目前对此感到反感。我已经看到惊人小的团队以不可能的速度在构建，我看到代码库正在变成越来越模糊和混乱的有机体，只能由更多机器来诊断。这些代码库同时既有用又混乱。 所以我想我开始接受一个事实：问题不是我们会不会 loop——显然我们会的。也许问题是：在一个 loops 的未来里，我们如何不放弃判断，如何在其中保留良好工程的原则，如何确保负责任的人能够继续监督，如何重新思考我们架构代码的方式以在其中保持清醒。 原文：Armin Ronacher, "The Coming Loop", 2026-06-23 链接： #AI# #Loops# #软件工程# #反思#

映画『[窓]MADO』、 2022年末の初上映から、かれこれ足がけ３年半。 きづけば、 ・北海道から沖縄からハリウッドまで各地での映画祭 ・全国の映画館興行で練り歩き ・お寺でのイベント上映 ・化学物質過敏症上映会や喫煙上映会 たくさんの上映機会をいただきました。 各地で上映を行う中で、 今まで出会わなかったような人たちとも邂逅したり、 化学物質過敏症にまつわる情報も更新されていったり、 社会ごととつながりながら動いてく。 [窓]MADOの上映興行自体が、 なんだか人生を通した行脚のような感覚になってきています。 そしてこの上映行脚には、 各キャストの方々にも協力していただき、 特に主演の西村さんは本当に毎回尽力していただいています。 舞台挨拶で言うことが少しマンネリ化してきた時。 西村さん「朗読劇やろうよ」 麻王「え〜！！面白い」 西村さんの提案で、上映前に朗読演劇を行うようになりました。 そんなかんじで、なんだかよくわからない、 この映画独特の動き方をしてきた３年半だと思います。 こうした上映活動は、これからもまだ少しずつ行っていくと思いますが、それでもこのタイミングは一区切りだと思われます。 区切りをつけない映画というテーマではありますが、 それでもわれわれは区切りをつけていかないと認知できません。 連綿と繋がったグラデーションの中で、 区切ってみたり、区切らずにみてみたり、 あれやこれやいろんな視点で視つめていくことで、 全体を包括的に観ようと試行錯誤する。 そんな感じで、これからも続けていきたいと思います。 何を言いたいかよくわからなくなってきたんですが、 要するに、６月より、配信スタートいたしました。 ▼ご視聴はこちらから ・Amazon Prime Video： こちらも一斉配信スタート ・Lemino / FOD / TELASA / J STREAM / ひかりTV / ビデックス / ビデオマーケット / カンテレドーガ / レンタル配信にてご覧いただけます。 配信スケジュール ・WATCHA　6月5日〜予定 ・クランクイン！ビデオ　6月12日〜予定 ・ムービーフルplus　6月26日〜予定 ・YouTube　8月1日〜予定 ・U-NEXT　配信予定

日本人发帖说，只要中国继续在公共场合重复南京大屠杀，日本就永远不可能和中国和平相处！咱们为什么一遍遍提？不是咱们祥林嫂附体就爱念叨过去的苦，是因为总有人想把这事儿给糊弄过去，想把一场惨无人道的屠杀，说成是一个“有争议的事件”，把几十万条人命说成是一个“需要考证的数字”。 日本在二战侵略历史上长期态度矛盾且毫无底线，一边用空洞话术假意敷衍，一边纵容右翼美化战犯、篡改教科书，把血腥侵略洗白成所谓“进出”，这种毫无诚意的操作，是对中国等受害国人民情感的公然践踏，更是对历史正义的无耻亵渎，本质就是不愿承担罪责的懦夫行径。 德国在战后选择直面历史罪责，通过全民深刻反思、立法严惩否认纳粹罪行行为、在教育中全面还原战争真相，用勃兰特华沙之跪等真诚行动彻底认罪赎罪，这种敢于担当、直面过错的态度值得全世界赞赏，也让德国重新赢得国际社会尊重与谅解，这才是文明国家该有的历史自觉。 日本从国家层面始终缺乏对侵略历史的真诚反省，政客频繁参拜供奉甲级战犯的靖国神社，教科书不断删减南京大屠杀、慰安妇等铁证史实，还试图淡化战争罪责，这种颠倒黑白的历史修正主义，不仅伤害亚洲受害国人民，更让日本永远背负历史骂名，成为东亚和平稳定的顽固障碍。 我们铭记那段被日本侵略的苦难历史，从来不是为了延续民族仇恨，而是要以血泪过往警醒自身奋发自强，守住历史真相不被篡改与抹杀，不让军国主义死灰复燃，不让同胞遭受的苦难被轻易遗忘，这是对先烈的告慰，也是对民族未来的责任担当。 日本政府至今不愿正视侵略历史、不愿彻底认罪忏悔，本质是右翼势力把持政坛、军国主义阴魂不散，他们害怕承担战争赔偿、害怕失去政治资本，更害怕年轻一代知晓真相后推翻其虚伪叙事，这种自私狭隘的算计，注定让日本永远走不出历史阴影。 德国用几十年如一日的真诚反思，彻底清除纳粹思想土壤，主动向受害国赔偿道歉，在国内修建大量战争纪念馆警示后人，用法律与教育筑牢历史记忆防线，这种彻底的自我革命与责任担当，不仅修复了国际关系，更塑造了德国的文明形象，值得所有国家学习借鉴。 日本一边想和中国发展经贸合作获取利益，一边在历史问题上反复挑衅伤害中国人民感情，这种两面三刀的做法极其虚伪可笑，既想当又想立的心态暴露无遗，也让中日关系始终被历史心结困扰，难以实现真正的互信与友好。 历史不容篡改，真相不容抹杀，日本右翼妄图通过美化侵略、歪曲史实来洗白罪行，完全是痴心妄想，南京大屠杀的累累白骨、731部队的惨无人道、无数同胞的血泪控诉，都是铁一般的证据，任何狡辩与篡改都改变不了侵略的本质。 德国正视历史的核心价值，在于承认罪责、承担责任、警示未来，不回避、不推诿、不美化，用全民共识守住历史底线，这种坦荡胸怀与正义立场，让德国彻底告别战争黑暗，走上和平发展正道，也为世界各国处理历史遗留问题树立了标杆。 日本对侵略历史的拒不反省，本质是对二战胜利成果的公然挑战，对《波茨坦公告》等国际公约的肆意践踏，更是对亚洲和平秩序的严重破坏，这种背道而驰的行为，只会让日本在国际社会越来越孤立，永远被钉在历史耻辱柱上。 我们强调铭记历史、以史为鉴，核心是警醒自己落后就要挨打、软弱就要受欺，唯有国家强大、民族复兴，才能守护和平、抵御侵略，同时坚决抵制任何历史虚无主义，不让日本的篡改行径得逞，守护好全人类共同的历史记忆。 日本政客参拜靖国神社、美化战犯的行为，是对战争遇难者的极大不敬，是对受害国人民的二次伤害，更是对人类良知的公然挑衅，这种毫无道德底线的操作，充分暴露其军国主义复辟的野心，必须遭到全世界爱好和平人民的强烈谴责。 德国的历史反思告诉世界，只有彻底认罪、真诚忏悔，才能化解仇恨、实现和解，逃避责任、歪曲历史只会加剧矛盾、埋下祸根，这是国际关系的基本准则，也是文明社会的基本良知，日本却始终视而不见、执迷不悟。 中日关系的最大症结，从来不是经贸分歧或地缘竞争，而是日本在历史认知上的顽固错误，只要日本不彻底反省侵略罪行、不停止美化历史，两国就不可能建立真正的战略互信，民间情感的隔阂也永远无法消除。 日本篡改历史教科书、向年轻一代灌输错误史观，是在毒害下一代、制造历史认知断层，让日本年轻人不知战争罪恶、不懂和平珍贵，这种自欺欺人的教育，只会让日本重蹈历史覆辙，最终付出惨痛代价。 赞赏德国直面历史的勇气，唾弃日本逃避罪责的懦弱，两种截然不同的历史态度，带来两种截然不同的国际口碑与发展前景，一个赢得尊重走向和解，一个饱受诟病陷入孤立，高下立判、善恶分明。

之前看其他老师用AI做的一些优质的视频，经常忍不住发出感叹，woc，做得太牛逼了！ 但我自己用同样的AI工具去做，就总是差强人意，像小学生出品。 这让我反思了一个问题：AI模型越来越强，获取工具也容易，但使用AI的门槛却在悄然升高，正在形成一道越来越宽的系统性鸿沟，会用的人和不会用的人，效率差距被迅速放大。🤔 新功能越多，普通人越跟不上。每发布一个新模型、新功能，都多出一道隐形门槛。 高手也需要不断研究模型差异、调试组合，认知和时间成本居高不下。普通用户试几次没好结果，就容易放弃，AI强大却难以真正发挥作用。 @dappOS_com 的xBubble @xBubble_ai 想解决的就是这个问题。 核心是低提示词。不靠猜意图，而是用预训练好的SOP+智能分发，让你一句话输入，就能拿到稳定好结果。每个SOP打包了技能、模型选用、运行环境和第三方服务，相当于一个专属小Agent。 🔹 Bubble Pilot是前台助手，发简单指令，它匹配最优SOP，走优化路径输出；没匹配就用通用模式。 🔹Bubble Engine在后台学习，用类似AI coding的方式生成SOP。预训练消耗较大，但SOP一旦生成，相似问题就能高效处理。运营上尽量聚合需求相近的用户共享SOP，特殊需求则单独收费。 这样，用户不用挑模型、调Prompt、配工具、验结果，只需说清楚想要什么。 实际用起来大概是这三种情况 ▪️命中SOP：直接走优化路径，效效果更好更稳 ▪️没命中：先给你可用结果，不卡住 ▪️反复提同一类需求：Engine就会自动建新SOP，下次体验直接升级。 🟩还有两种运行环境： Bubble Computer适合复杂项目，一次性完成研究、写作、设计、交付，全程不用管中间步骤。 Bubble Personal可操作本地文件、浏览器、日程，云端处理系统操作，更安全方便。 xBubble的理念就是：AI应该学习AI，AI应该使用AI，用户只需陈述目标。 把复杂工程藏到背后，让AI适应人，而不是人去适应AI，咱普通人也能轻松把AI变成日常生产力。 看最近会所哥@BTC_Alert_又又又萎了，用Bubble生成的这种类型，应该能治好你的症状吧哈哈哈哈