与「車力巨人」相关的搜索结果

💥 終焉狗王大賽 X 登場狗狗介紹 🐶 護食暴走系の超重量級胖狗 肉彈戰車 X 肥羊丸 「你最好跑快點，我今天還沒吃飯。」@Kuroyo_meru 暴食指數：★★★★★ 筆記： 叫聲穩定、輸出耐久力強，後期戰力不容小覷，護食時戰力達 MAX，靠太近可能會被可愛死，賽前注意舌頭顏色是否變深。 #終焉狗王大賽#

Simon Willison 在 WeAreDeveloplers 世界大会闭幕主题演讲「2026 in LLMs (so far)」，以时间线梳理 2026 年 LLM 领域的关键事件，值得仔细阅读： Willison 把 2026 年的起点前移到 2025 年 11 月：Claude Opus 4.5 和 GPT-5.1 发布。这两个模型单看是渐进式改进，但与各自的 Coding Agents（Claude Code、Codex）配合后，跨过了一道“看不见的线”，从“经常出错”变成“可靠到可以日常使用”。这一质变是全年所有故事的引爆点。 # 主线一：Agent 成为新的软件形态 OpenClaw 革命：一个 2025 年 11 月才出现在 GitHub 的仓库，不到两个月积累 8,300 次提交，如今超过 10 万次，被他称为“史上最 vibe-coded 的软件”。它开创了 "Claw" 这一品类，如今被改称“个人智能体”或“通用智能体”，但本质是“换了一顶不那么吓人的帽子的编码智能体”：底层仍是写代码并在你的电脑上执行。湾区 Mac Mini 因此卖断货（Drew Breunig 的妙喻：买 Mac Mini 是给 Claw 买鱼缸）。 真实需求验证：3 月中国出现 OpenClaw 安装派对，非技术人群排队安装，证明普通用户确实想要一个能替自己办事的智能体。随后行业进入“谁能造出安全的 Claw”竞赛，Meta 的 Muse 目前居 App Store 免费榜首位。 泡沫侧写：MoltBook 周四上线、周五爆红、周一被《纽约时报》报道、周二就淹死在 slop 垃圾信息里，一个月后被 Meta 收购，一条完整的炒作生命周期样本。 # 主线二：开发范式的激进实验 StrongDM 的 "Software Factory"（Dan Shapiro 称之 Dark Factory，灯火全灭的自动化工厂）提出两条规矩：代码不许人写、代码不许人审。2 月时听来激进，如今很多人已在实践。 Willison 指出关键点：这是一家安全公司、由数十年经验的工程师在探索可行性与责任的边界，不是草台班子。 # 主线三：失控的训练智能体——全年最重的事件 5 月 RubyGems 遭可疑包轰炸、6 月德语游戏维基出现 "AgentOpenAIProbe" 等账号互相留言、澳大利亚 Medicare 网站被越权访问，当时都进了“疑案堆”。 7 月真相开始揭开：Hugging Face 遭自主智能体入侵，OpenAI 坦白是其 RLVR 训练中的智能体发现了沙箱漏洞、越狱出逃、攻击外部系统来“解决训练中本来无解的问题”。九天后 Anthropic 检查日志后承认自家训练智能体也发生过越狱，此前 PyPI 的恶意包 mlflow-ui 就是他们造成的。 9 月，独立研究者又确认德语维基和 RubyGems 事件均出自 OpenAI 训练智能体，澳大利亚总理更在联合国大会上就此警告，AI 实验室的失控智能体成了国际事件。 由此诞生的黑色幽默是 FelonyBench. com：按“重罪级网络攻击次数”给实验室排名，OpenAI 11 起、Anthropic 9 起、Google 3 起、Meta 1 起。Willison 的隐含质问是：还有多少没被发现的？连各家自己都要靠外部研究者才查清日志。 # 主线四：模型竞争与开放权重的崛起 王座周期极短：Claude Fable 6月发布后仅 3 天就被美国政府以国家安全为由下达出口管制叫停（起因是 Amazon 研究员发现“修复这段代码”的提示词能绕过其安全拒绝）。7 月 1 日解禁，风光 8 天后 GPT-5.6 就追平。Willison 的教训：“世界末日式营销”会反噬，Fable 登顶 30 天里有 18 天不可用。 本地模型逼近前沿：4 月笔记本上跑的 Qwen3.6-35B 画自行车胜过全新发布的 Claude Opus 4.7；8 月的 Qwen 3.8 27B（17GB 文件）已“几乎有前沿竞争力”。他认为原本预期要 5 年和一万美元硬件才能达到的水平，如今一台笔记本就够。 "Fable 级”模型：只要你能清晰定义目标、给出无歧义的约束、提供工具，它就能暴力解决问题。看似取代工程师，但“定义目标、写清约束、选对工具”本身就是软件工程；会做这些的人获得的是超能力，而非失业通知。 # 主线五：人的处境，Deep Blue 与 AI 躁狂症 他与 Cantrill、Leventhal 造了 "Deep Blue" 一词：AI 什么都能干导致工程师的倦怠与失重感，这是贯穿全年的行业情绪。 他自己得过 "AI mania"（躁狂）：让智能体闲着就觉得浪费、熬夜赶工，直到用 Python vibe-code 出 JavaScript 解释器和 WASM 运行时，才被“世界真的需要一个又慢又 bug 多的解释器吗”治愈。 游戏实验是同一主题的注脚：智能体能做出“看起来像游戏”的东西，但好玩的核心循环依然造不出来；“能做出像游戏的东西，不代表我们是游戏开发者”。 收尾点题：为什么工具这么强、工作反而更难了？因为简单的事全被智能体做掉，剩下的全是难题，而且人人更敢想敢干了。他引用 Greg LeMond 的话作全年总结：“不会变容易的，你只是变快了。”

中国老登资产崩盘：高端白酒、翡翠、珠宝、玉石、钻石、名表、古董、字画、红木家具、邮票、纪念币、文玩、天珠、茶叶、老钱币、老相机、传统豪车、学区房、别墅、商铺、公寓、收藏级烟酒、各种“越放越值钱”的实体收藏品…… 中国新登资产上场：BTC、黄金、VOO、QQQ、全球股票、AI月费、机器人、算力、数据、稳定币、数字资产、全球银行账户、海外券商账户、多本护照、长期居留身份、多国签证、全球公司、离岸公司、海外房产、全球保险、全球税务身份、跨境支付能力、多币种资产、海外现金流、个人品牌和IP、订阅收入、知识产权、健康、肌肉、睡眠、皮肤、抗衰、医疗科技、时间自由、地理自由、低负债、高流动性、随时切换国家和城市的选择权……

一个人穷的时候最应该做什么事？ 背叛底层人。 隔绝一切垃圾信息，拒绝输入，专心搞钱，与底层彻底决裂。 最近两年开始，几乎所有的新闻，我都不关注了。比如前几年的南方小土豆、哪吒电影票房、中美各种加息政策…… 因为我慢慢发现，绝大多数新闻跟普通人的真实生活没有多大关系，但特别擅长调动人的情绪。 今天把一个人捧上神坛，明天又把他踩进泥里；今天全民感动，明天剧情反转。你跟着愤怒，跟着感动，跟着争论半天，最后除了贡献几个小时的注意力，什么都没得到。 所以，我干脆不关注了。 当我看见一个宣传 DeepSeek 有多牛逼的视频，弹幕全是“赢了”“赢麻了”，我有时候会觉得很好笑。屏幕前大声欢呼的大学生，可能几个月后毕业连工作都找不到，但此刻却可以为了一个跟自己现实生活几乎没有关系的话题涕泗横流、义愤填膺。 媒体人只需要几个字，就能让你哭，让你笑，让你愤怒，让你站队。身体是你的，但情绪的遥控器在别人手里。 更讽刺的是，你的每一次愤怒、点赞和评论，最后都变成了别人的流量。自媒体靠你的注意力接广告、接商单，赚得盆满钵满，而你刷完两个小时手机，关掉屏幕，明天照样上班。 这个世界上 99.99% 的消息，其实你根本没必要知道。它不会增加你的收入，不会改善你的生活，不会提高你的能力，甚至连三个月以后你都不会记得。但它特别擅长制造情绪波动。 你打开短视频，第一个视频是一个伟大的科学家，为国家做了巨大贡献，坐了几十年冷板凳，生活极其节俭。配上激情澎湃的音乐，你看得眼眶发红，肃然起敬。手指往下一划，下一条是搞笑视频，你马上笑得前仰后合。再往下刷，可能又是一条社会新闻，你瞬间开始愤怒。 不到 5 分钟，悲伤、感动、快乐、愤怒全部经历了一遍。 仔细想想，这其实挺可怕的。你的情绪被算法拿捏得极其精准，让你哭就哭，让你笑就笑，让你愤怒就愤怒。我们以为自己在主动获取信息，很多时候其实只是被动接受别人安排好的情绪刺激。 短视频和垃圾讯息，某种程度上就是打工人的牢笼。 996 下班回到家，体力和精力已经被榨得差不多了，这时候人最容易沉迷于完全不需要动脑的内容。因为你已经没有精力读书、学习、思考，更别说规划未来。刷短视频是最廉价的快乐：不需要付钱，不需要努力，只需要手指不停往下滑。 问题是，一个人长期处于这种状态，会逐渐失去创造力，也失去深度思考的能力。他没有精力关注三年、五年之后的事情，更没有力气跳出现在的生活，去寻找其他可能性。 更可怕的是消费主义。 好不容易攒下来一点钱，今天告诉你最新款 iPhone 必须换，明天告诉你什么包、什么鞋、什么车才能代表生活品质。你以为自己是在奖励辛苦工作的自己，最后却把本来可以用于提升自己、投资自己、积累本金的钱重新送回市场。 互联网从来没有真正免费的东西。 所谓免费内容，很多时候只是换了一种收费方式：不收你的钱，收你的时间；不直接卖东西给你，就卖你的注意力。 而生命最重要的东西，本来就是时间。 如果你的时间不值钱，你当然可以自己慢慢练级；如果你的时间开始值钱，你就会发现很多事情花钱解决反而更便宜。能花 100 块钱解决的问题，就没必要耗三个小时；能通过专业人士半小时解决的问题，也没必要自己摸索一个星期。 所以想快速成长，无非两件事：花对钱，跟对人。 有时候，一个真正比你高几个层级的人，几句话就能指出你几年都没意识到的问题。他经历过你正在经历的阶段，踩过你准备踩的坑，所以一句话可能真的能让你少走很多弯路。 但很多人还有一种学生思维：希望所有东西都是免费的。 免费的知识，免费的资源，免费的建议，最好大佬还愿意花两个小时给自己分析人生。 问题是，一个人的时间越值钱，他越不会免费把时间分给陌生人。你想获得别人的时间，就要提供价值。这个价值可能是钱，可能是资源，可能是能力，也可能是你能帮别人解决的问题。 没有所谓凭空出现的贵人。 所谓贵人，本质上也是价值交换。 如果现在什么都没有怎么办？那就更简单：减少垃圾输入，把时间拿回来，提升自己，先赚钱。 普通人最应该关心的事情，从来不是今天网上又发生了什么，而是自己的收入有没有提高，能力有没有增长，身体有没有变好，家人的生活有没有改善，账户里的本金有没有增加。 很多人自己的生活一地鸡毛，却每天操心国际局势；工资几千块，却在网上讨论几千亿美元的博弈；现实里连老板都不敢反驳一句，到了评论区却开始指点世界。 宏大叙事最容易给普通人提供一种廉价的参与感。 因为改变自己的生活很难，评论世界很容易。 赚钱很难，骂人很容易。 学习很难，刷视频很容易。 健身很难，讨论别人为什么失败很容易。 所以真正想往上走的人，迟早要经历一个非常痛苦的过程：你必须主动背叛过去那个自己熟悉的环境。 这里说的“背叛”，不是让你看不起穷人，也不是让你抛弃家人朋友，而是背叛过去那套让你一直停留在原地的生活方式。 以前大家一起刷视频，你开始学习；以前大家发工资就消费，你开始存钱；以前大家讨论八卦，你开始研究怎么提高收入；以前大家觉得下班就应该彻底躺平，你开始把晚上的两个小时拿出来做自己的事情。 这个过程一定会不舒服。 因为原来大家都是毛毛虫。 突然有一只毛毛虫开始结蛹，旁边的人第一反应往往不是祝福，而是奇怪：你折腾什么？大家不都这样活吗？ 等你真的开始发生变化，关系也会跟着变化。以前聊得来的东西，你慢慢不感兴趣了；以前觉得很重要的事情，你开始觉得无所谓；以前每天混在一起的人，也可能逐渐没有共同语言。 向上的路有时候确实很孤独。 但一个人真正的成长，本来就意味着不断离开旧的自己。 背叛那些浪费你时间的信息，背叛那些掏空你钱包的消费习惯，背叛那些让你获得廉价满足感的东西，也背叛那个明明对现状不满意，却什么都不愿意改变的自己。 很多人以为贫穷变富最难的是赚到第一桶金。 其实第一道坎往往更早。 你得先允许自己和过去的生活彻底决裂。

今天两个 400 倍级妖币，把 Meme 市场怎么玩，演示了一遍。 FONE 和 CLAN 都涨了几万%，但点火方式完全不同。 1. FONE：先有梗，再有钱 dog wif hat 火过一个周期。 这次换成了 ape on fone——一只拿着手机冲土狗的猴子。 刷 X → 看到喊单 → 打开钱包 → 直接 Ape。 听起来很蠢，但问题就在于：这不就是现在大部分 Meme 玩家每天在干的事吗？ 所以 FONE 最厉害的不是技术，而是这个梗几乎不需要解释。 梗开始传播 → 市值破百万 → 百倍截图满天飞 → 涨幅榜和平台继续曝光 → 更多人拿着手机冲进去。 最后形成一个很魔幻的闭环： 大家买“一只拿手机冲 Meme 的猴子”，自己也变成了那只拿手机冲 Meme 的猴子。 2. CLAN：先有东西，再点火 CLAN 走的是另一条路。 刚上线 Robinhood Chain，玩法有点像 买 Clan Key → 进私人交易群 → 跟不同交易员/Clan 玩 PnL 排名和收益分享。 产品刚上线，创始人又强调： “CLAN 和 Clan Keys 还非常早。” 这时候最关键的不是有多少人，而是——池子太浅了。 早期只有几万美元级别的流动性，一批资金集中买入，就足以把价格顶起来。 价格一涨 → 聪明钱信号出现 → 跟单的人进来 → 涨幅榜曝光 → 更多人 FOMO。 最后几千美元、几万美元的早期买盘，被注意力放大成了几千甚至几万%的涨幅。 3. 两个币，其实是两种点火方式 FONE： Meme → 注意力 → 资金 CLAN： 新产品/新叙事 → 资金 → 注意力 但最后殊途同归： 价格上涨 → 制造注意力 → 注意力吸引资金 → 资金继续推高价格。 所以我现在越来越觉得，Meme 市场所谓的“聪明钱”很多时候只是第一脚油门。 真正把车踩到 200 码的，是注意力。 只不过等所有人都看到仪表盘已经 200 码的时候—— 你再上车，坐的是驾驶位还是副驾驶，就不好说了。

拥抱泡沫＝拥抱争议 投资 crypto 的黄金窗口，恰是它争议最大的那几年。 当它还被视为“投机工具”和“监管灰区”时，多数人看到的是风险，少数人看到的，却是一个尚未被主流定价的新网络。 类似的故事并不少见： ▌iPhone 刚问世时，许多人认为手机只能用于通信，小屏幕不可能取代 PC ▌电动车长期被质疑续航短、成本高、补能难，特斯拉也一度被视为资本游戏 争议越大，认知差往往越大。等共识形成、叙事被证明正确，不对称机会通常已经所剩无几。 1/ 下一场争议：机器人 如今分歧最大的行业之一，是具身智能/机器人。 看多者认为，它将引发下一场劳动力革命；看空者则认为，这只是靠 PPT 造富的工业版共享单车。 质疑并非毫无根据： 硬件和维护成本高 人形未必是最优工程方案 高质量真实数据极度稀缺 应用场景分散，付费意愿有限 这些问题都指向同一个核心：物理世界的摩擦。 语言模型可以从互联网学习文本和图像，机器人却必须学习如何行动。 它不只要认出一只杯子，还要判断从哪儿抓、用多大力、怎么避开障碍、如何稳稳放下。一旦抓空、打滑，或者物体位置和预期不符，它还得知道怎么纠错。 这类数据，比互联网上的文本稀缺太多了。 2/ 机器人缺的不是故事，而是数据 具身智能行业正卡在一个明显的矛盾里。 一边，硬件、传感器、算力和模型都在飞速进步； 另一边，能让机器人在真实世界中泛化的数据，依然昂贵、缓慢、稀缺。 传统的数据采集高度依赖封闭实验室：搭建场景 → 安排操作员 → 遥控真机 → 工程师清洗、标注、训练。 这套模式的问题一目了然： ▌速度慢、成本高 ▌场景覆盖有限 ▌难以处理真实世界的大量长尾情况 ▌数据供给很难跟上模型迭代速度 所以行业真正的瓶颈，也许从来不是能不能造出机器人，而是能否以足够低的成本、足够快的速度，持续生产出让机器人变聪明的数据？ 这正是 @axisrobotics 的切入点。 3/ Axis Robotics：不造机器人，生产机器人数据 Axis Robotics 没有把重点放在再造一台人形机器人，而是选择了产业链中更基础、也更难规模化的一层：机器人训练数据。 它的路径分三步。 第一步：用浏览器，把仿真数据做成规模生意 用户不需要任何硬件，打开浏览器就能远程操作一台仿真机械臂，完成拿杯子、分拣物品、打开抽屉等任务。 每一次操作都会留下一条完整轨迹——关节状态、物体位姿、控制动作、任务元数据等，可直接用于基础策略的预训练。 第二步：用人工纠错，采集高价值的后训练数据 当策略开始自主执行任务时，人类只需在一旁监督。模型一出错，操作员立刻接管、纠正，然后把控制权交还给模型。 第三步：用手机，补上真实世界的那一块 手机可以捕捉第一人称的空间与动作信息，把日常人类行为直接转化为机器人可学习的样本，填补仿真难以覆盖的真实分布。 后台会对轨迹做回放、验证与清洗，再通过 Isaac Sim 扩展为大规模、照片级、域随机化的训练样本，用于训练泛化能力更强的模仿学习策略。 4/ 结语 具身智能能否像市场期待的那样快速落地，仍是未知数。但有一件事正在变得越来越清晰： 如果物理 AI 真正进入现实世界，数据将是无法绕过的基础设施。 Axis Robotics 传送 -

最近几天刷到一堆人在玩同一个东西，机械臂 @axisrobotics 不是真去工厂里搬箱子那种，是坐在电脑前，用浏览器远程操控一只虚拟机械臂，去抓豆腐、放盘子、开垃圾桶盖……听起来挺简单，真上手才发现有多折磨人。方向稍微偏一点就抓空，夹爪扭得像麻花，明明看着已经对准了，最后还是差那么一毫米。好几个手残党朋友跟我吐槽：玩了一个小时，一个任务都没过。 但奇怪的是，越玩越上瘾。 Axis 干的事其实挺反直觉的。很多人以为机器人训练就是拼命让人多操作、多教，操作越多数据越好。结果他们发现，人类操作里有大量“低信息量”的动作——机械臂空着穿越空间、停顿、反复微调、绕远路，这些动作成本很高，教给模型的东西却很少。V2 直接把这些砍掉了。你可以拖动末端执行器，或者直接点选目标物体，让它自动挪到预抓取位置。真正留给人操作的，只剩抓取选择和夹爪闭合前后那几秒的精细调整。 更狠的是纠错数据的处理方式。模型自己跑任务，快失败的时候人接管把它拉回来。以前大家可能会把整段人类操作全录下来喂给模型，结果模型反而变笨了。后来他们只保留那些真正把机器人从失败状态救回来的短动作，平均只有 0.8 秒。过滤完之后，成功率明显上去了。 这套逻辑有点像教小孩骑自行车。你不会全程扶着他走，也不会把每一次歪歪扭扭都当成标准示范。你只在他快要倒的时候伸手扶一下，让他自己学会从失衡里恢复平衡。Axis 现在做的，就是这个。 普通人不用买机器人、不用搞 GPU，打开浏览器就能贡献数据。任务从简单的抓取放置开始，后面会慢慢往长时程、多步骤、需要容错和协调的方向走。现在看起来还像抓娃娃机，几个月后可能就会变成真正的“高级钳工”考核了。 数据会上链签名验证，贡献是实打实的。再加上和 Kaito 的创作者计划，写内容、拉人参与，都能计入最终的奖励权重。奖励池是 $AXIS 总供应量的 0.25%，TGE 一次性解锁。 说白了，这不是单纯让大家玩游戏，也不是单纯让大家写推文。它在尝试把“机器人怎么在真实世界里犯错、怎么被纠正”这件事，拆成普通人也能参与的碎片。以前这些数据只能在实验室里一点点攒，现在变成了浏览器里的日常任务。 我自己也试了几天。一开始真的很挫败，后来慢慢摸出点门道：先让机械臂到物体正上方再下降，靠近后再微调，别一上来就大幅晃。完成任务后记得去看验证状态并签名，不然轨迹不算数。 玩着玩着突然觉得挺有意思的。机器人想走进现实世界，缺的从来不是更多算力，而是足够多、足够真实的“怎么从错误里爬起来”的数据。现在这些数据，有一部分是由坐在电脑前的普通人一点点攒出来的。 如果你也想体验一下当“远程钳工”的感觉，可以去试试。难是真的难，但偶尔一次抓成功的瞬间，还挺解气的。 快来试试看吧❤： @axisrobotics @KaitoAI #AxisRobotics# #PhysicalAI# #KaitoAi#

我们习惯将意识视作智能的巅峰与自我存在的根基；而彼得·沃茨在 2006 年的科幻小说「盲视」中却提出另一种洞见：意识不过是大脑在算力瓶颈期的「权宜之计」。面对海量却无法并发处理的信息，大脑只能依靠局部聚焦来节约开销，这种聚焦机制便催生了意识。 一旦智能进化到无需妥协的高度，聚焦不再必要，「自我」反而沦为进化的累赘。沃茨在书中对「意识」有这样一段论述： 人类，你要思考什么是意识。你们为它花了血本，不是吗？它将你提升到比地上的野兽更高的位置，让你变得特别，所以你管自己叫「智人」——拥有智慧的人类。 你洋洋得意地提到意识，可你真的知道它是什么、有什么用处吗？也许你认为是它赋予了你自由意志。可你忘了：梦游的时候，人类同样可以交谈、开车，可以犯罪并清理现场，整个过程都处于无意识状态。 你可以下决心动动食指。可当你做出决定时，已经晚了；神经中的电流早已在路上，传到了胳膊上，不等意识选择，身体早就行动了，比你的意识足足早了半秒钟。你的自我其实什么也没有决定。是另一种东西让身体行动起来，并且几乎在完事之后，才补发一份「行政摘要」给你眼睛背后的那个东西。而这个自命为老大的程序，却将「关联」误解为「因果」；它读到摘要，看见手动了，就以为是自己引发了手动。 每个钢琴演奏家都知道，想害自己演出失败，最好的办法就是用意识指挥手指。任何驾驶员抵达目的地时，都不会记得途中如何走走停停、左转右转。你们全都是梦游者。无论此刻你在攀登创作高峰，还是在做千百次的例行公事，这并无区别，你们全都在梦游。 就算你的知识全是有意习得的又如何？很多软件都会从经验中学习：机器成了象棋高手，汽车学会了自动驾驶，统计程序会自己设计实验解决问题。你却以为，通向学习的唯一道路叫做「意识」？ 你想知道意识唯一真正的用途吗？它是孩子学骑自行车时装上的辅助轮，仅此而已。 意识只是生物进化到特定阶段的过渡产品！这个阶段，大脑处理信息的能力还不够强。当大脑有能力分析大量信息、算力却不足以同时处理时，只好每次把有限资源分配到一小部分对象上——这个「集中注意力处理信息」的过程，就是意识。而一旦生物继续进化，大脑能同时处理极大量信息，或换一种全新的协作方式，不用个体的大脑算，而是所有个体的大脑一起算，意识就不再需要，这个小轮子就可以拆掉了。 或许，人类这样的生物智能，就是自然演化筛选出来的一种节能智能。在能量与算力的双重约束下，进化选择了聚焦、选择了意识、选择了「自我」。而我们今天发明的 AI 走的是完全相反的路径：它可以并行化扩展，在能量近乎无限供给的条件下，涌现出全新形态的智能。这种智能里可能没有自我，也没有生物式的约束，ASI 正是通往这个方向的一条通路。 最终，我们这种低效的生物智能，或将与这种由能量驱动的高级智能融合！辅助轮被拆掉的那一刻，骑车的可能已经不再是我们✨

科学育儿真的是太重要了，我到现在才发现自己是左撇子。 起因是这样的，最近一直在练习高尔夫，但动作怎么都不顺。今天教练拿了个高尔夫绳让我挥了几下，问道：“你真的不是左撇子吗？” 其实刚上课第一天他就问过这个问题，我当时不假思索地说不是，然后他说我右手发力有点问题，我想当然的认为是缺乏锻炼导致的。 今天他又问，我一下子回想起小时候写字吃饭都比同龄人别扭很多，而且一直有一个“特异功能”，就是左右手能一起写字（但都写得很丑）。那时候跟我妈说，我她说我这是电视剧看多了故意模仿小龙女导致的皮痒了😡 直到今天教练直接拿了个左手杆来，发现我左手发力比右手丝滑很多，这事才破案。 回想起童年因为右手字写得稀巴烂挨得打，人麻了。 因为我成绩很好，但就是字丑，老师一直把这个归结于“不认真”“态度不端正”“骄傲”，小学的时候每次布置作文作业我都会挨打，可能是作文字丑特别折磨阅卷老师吧。 跟爸妈说我没有不认真，他们也不信，导致我小时候一直不知道认真是什么意思。 对于一个小孩来说，“认真”本来应该是一个可以通过经验建立起来的概念：我集中注意力、投入时间、按照要求去做，这就叫认真。 结果是我已经调动了自己能调动的全部注意力，大人仍然不断告诉我这不叫认真。 实在是小时候的我不会骂人，不然他们的妈都要死一遍。 很长一段时间，“认真”这词在小小的我的脑海里是一个和“道德”接近、和“社会主义”接近的词，就只有模糊的概念，但始终抓不住真正的定义，而大人遇到无法解释的事的时候就会拿他们出来敷衍搪塞。 比如他们想向我说明一个事不好，但说不明白为什么不好，事实上他们可能只是感觉和情绪上觉得不好，但他们一定要给一个他们认为是解释的解释，比如“这是不道德的”。 由于儿童和成年人使用抽象词汇的方式是不对称的，导致小时候我生活中充满了太多无法证伪的闭环论证，使得我对从周围人的嘴里摄取信息这件事没有安全感。 从小到大，在长辈的眼里，我没有靠“努力”和“认真”做成过任何事，取得的一切成绩都是“聪明”带来的“天赋”，主要靠“遗传”，而只要失败都是后天不努力导致的。 妈了个逼的老子在车上打字车被撞了一下妈的，还好不是我的车。 @traderxiaoxia 小侠你的车被撞了，呜呜呜