与「選手会長」相关的搜索结果

山姆中国首席采购官张青的离职标志着山姆一个时代的终结。 6月17号，山姆中国首席采购官张青宣布月底离职。前两天，山姆刚因为食品安全问题被国家市场监管总局约谈，随即沃尔玛中国的工商变更就完成了，正式由前阿里副总裁、现任山姆总裁刘鹏接任法定代表人和董事长。 过去大半年里，山姆的退卡潮和吐槽声几乎没断过。大家闭眼回购的太阳饼、米布丁等独家特色爆款被悄悄下架，取而代之的是卫龙辣条、好丽友派、溜溜梅这类随处可见的大众品牌垃圾食品，甚至连有机大豆都被爆出从一级降到了三级。 然而，如果说选品降级是前人埋下的祸根，那么让无数中产会员血压飙升的App大改版，直接责任人则是刘鹏，这是他上任后精准打出的第一波阿里拳法。 刘鹏作为标准的阿里系老将，拥有近十年的阿里核心管理经验，曾历任天猫国际总经理、阿里巴巴集团副总裁、淘天集团品牌业务发展中心总裁等要职。他于去年10月底正式官宣空降山姆。 这位搞平台电商出身的高管一上台，就把阿里的流量运营思维和高转化率货架逻辑顺理成章地落了地。在他的主导下，山姆App原本追求极简、突出实物对比、清爽白底的国际风界面，迅速被换成了高饱和度、带滤镜、甚至用AI渲染的精修美食照。买个生牛肉，点进去全是烹饪好的熟食成品图，连极速达小票上的单价都被线上隐藏。这种浓郁的互联网照骗风，在电商圈可能叫运营手段，但在追求闭眼买、不踩坑的山姆会员眼里，直接等同于过度修饰和货不对板。刘鹏没有优先去救品控的火，反而先去搞了流量和视觉包装，直接把山姆从一个严选买手工具，变成了一个充斥着套路的流量贩子界面，这也让他成了核心会员最直接的宣泄靶子。 而今天张青的离职，则标志着两股管理逻辑博弈的终结。 与刘鹏的电商背景不同，张青是深耕零售的资深本土高管。她于2017年加入山姆国际部，2018年起便升任高级副总裁并兼任首席商品官。在过去八年里，张青是山姆高品质、新奇特、差异化选品战略的心脏，也是山姆能收每年几百块会员费的根基。 张青这位采购功臣在月底的离任，意味着山姆过去那种死磕差异化品质的严选时代彻底告一段落。随着刘鹏全面接管山姆的工商实体和战略主导权，山姆未来的方向大概率会进一步向低成本、高周转、规模化扩张的电商下沉逻辑靠拢。大家感受到的品质严重下降，本质上是山姆在狂飙开店的过程中，主动选择牺牲核心中产会员黏性、迎合下沉市场的必然结果。 张青走后，加上刘鹏对数字和流量的执念，这种选品和体验的降级，恐怕只会更难逆转。

很多人搞不清楚 ChatGPT、Codex、Work 什么差别，以及额度是独立的还是共享的，根据官方文档整理了一个简单的 Q & A。 Q：Chat、Work、Codex，一句话说清区别？ Chat 回答问题，Work 帮你干活，Codex 帮你写代码。 Chat 就是你熟悉的 ChatGPT，你问它答，快进快出。 Work 是一个能跨应用收集信息、然后交付完整成品的智能体（Agent），交付物是文档、表格、幻灯片、网页应用这些拿到手就能用的东西。 Codex 也是智能体，但它主要操作的是代码仓库，能读你的项目文件、改代码、跑测试、提交 PR。 打个比方： Chat 是你问"番茄炒蛋怎么做"，它告诉你步骤。 Work 是你说"帮我准备一桌晚餐"，它自己去冰箱找食材、炒菜、摆盘。 Codex 是你说"这个菜谱 App 有 bug"，它打开代码自己修。 【来源： Q：Work 到底能做什么？跟直接在 Chat 里说“帮我写个报告”有什么不同？ 在 Chat 里你说“帮我写个报告”，它给你一段文字，你自己复制粘贴到 Word 里排版。 Work 完全不同。你先把日常工具接进去，Slack、Gmail、Google Drive、SharePoint、Teams、日历、CRM、项目管理工具都行，OpenAI 叫它 plugins。接好之后告诉它你要什么结果，它会自己去这些应用里拉数据、整合信息、生成一份可以直接交付的成品。你在提示词里用 @ 加应用名就能指定它去哪儿找数据。 举个例子，Zapier 的企业营销负责人用 Work 搭了一个系统，每月审查数千条线索，追踪 CRM 和邮件中的客户触点，找出跟进断裂的地方，生成管理层周报。Virgin Atlantic 的数字产品负责人用它做竞品对标分析，让 ChatGPT 调研各家航空公司的服务水平，生成可供团队审查的数据集，把原本需要数周的分析缩短到几小时。 另一个区别是 Work 能长时间跟进。一个复杂项目，它可以跟好几个小时，自己拆步骤、自己推进。中间有拿不准的会来问你，你也可以随时调整方向、审批关键动作。 【来源： Q：Work 能定时跑任务？ 能。这个功能叫 Scheduled Tasks（定时任务），可以设成一次性、定时重复、事件触发或持续监控。 比如你设一个任务：每天早上检查 Slack 和邮件里的新消息，整理成简报发给你。或者：每当有新的客户反馈进来，自动归类主题、整理成产品改进建议。这些都能在后台跑。它还能用桌面端的内置浏览器上网查信息，甚至通过 Computer Use 功能操作你电脑上的其他应用。 定时任务面向 Plus、Pro、Business 和 Enterprise 用户开放，各档计划的并发任务数量上限不同。任务不能每小时跑超过一次，长时间无人理会的任务可能会自动暂停。 【来源： Q：那 Codex 跟 Work 的区别到底在哪？ 这两其实是同一套底层 Agent（Codex）和 UI，但是应用在不同的场景，配合不同的插件。读的东西不同，交付的东西也不同。 Work 读的是你的业务上下文，邮件、文档、聊天记录、日历，交付的是商务成品，幻灯片、电子表格、文档、网站。Codex 读的是你的代码仓库，交付的是代码变更，diff、测试结果、PR。 【来源： Q：Codex 每周有 500 万人用，为什么还要再出一个 Work？ OpenAI 在博文里提到，虽然 Codex 最初是为开发者设计的编程智能体，但已经有超过 100 万人在用它做软件开发以外的工作。Work 的推出，某种程度上是把这些非编程用途正式化了，给了它一个专门的界面和工作流，用 plugins 连接业务应用，输出文档和幻灯片而不是代码。 OpenAI 自己内部也在大量使用：销售团队用 Work 把一次客户探索对话在 24 小时内变成了定制 POC（概念验证），以前这个流程需要几周。财务团队用 Work 把月末结账和预测流程从几天压缩到几小时。 我觉得 Codex 这么做呢，目的是为了吸引办公人群，原本这些人看到 Codex 的名字会以为是写代码用的，但是改名呢又会影响原本的 Codex 用户，结果就搞成这样一套产品两个名字。 简单来说就是一套产品，两个名字，两种主要场景，同时吸引不同用户群。 【来源： Q：我在哪儿能用这三个模式？ Chat 最简单，网页、手机、桌面端都有，所有平台通用。 Work 在网页和手机上已经开始上线（Pro、Enterprise、Edu 优先，Plus 和 Business 未来几天陆续开放）。桌面端也有，而且桌面端更强，能用本地文件，还有内置浏览器上网抓取信息。 Codex 只在桌面端能选。手机上不能直接用 Codex 模式，但可以通过 ChatGPT App 里的 Remote 标签远程查看桌面上正在跑的 Codex 任务。 一个要注意的点：网页/手机端的 Work 对话和桌面端的 Work 对话目前不互通，云端是云端，本地是本地。Chat 对话则可以跨网页和桌面端同步。 原来独立的 Codex App 已经合并进了新版 ChatGPT 桌面端。一个 App 里切换 Chat、Work、Codex 就行。开发者可以把 Codex 设为默认打开视图，App 图标也能换成 Codex 的 logo。原来的 ChatGPT 桌面端会更名为 ChatGPT Classic。 【来源： Q：Chat 聊天和 Work/Codex 的额度是共享的吗？ 不共享。Chat 对话有自己独立的消息限额，图片生成和语音也各有各自的独立限额和重置周期。 Work 和 Codex 用的是另一个池子，OpenAI 叫它"智能体用量"（agentic usage）。帮助中心原文说：Codex、ChatGPT Work、ChatGPT for Excel 和 Workspace Agents 的用量从同一个智能体额度池中扣减。 所以你在 Chat 里聊天聊得再多，不会影响 Work 和 Codex 的额度。但 Work 和 Codex 之间会互相挤占。白天用 Work 跑了一堆复杂任务，晚上想用 Codex 写代码，可能会发现额度已经不多了。 【来源： Q：要花多少钱？ Work 不是独立付费产品。它跟 Codex 共用同一个额度池，包含在你现有的 ChatGPT 订阅里。所有计划都能用，从免费到企业版，区别在于额度多少。 Free（免费）：能试用 Work 和 Codex，额度非常有限，试试味道可以。美国地区有广告。 Go（$8/月）：额度比免费多约 10 倍，桌面端可有限地用 GPT-5.6 Terra 跑 Work 和 Codex。没有 Deep Research 和 Agent Mode。有广告。 Plus（$20/月）：第一个去掉广告、功能完整的档位。包含 Deep Research（每月 10 次）、Codex、Agent Mode。三年没涨价，性价比最高。 Pro（$100 或 $200/月）：$100 档额度是 Plus 的 5 倍，$200 档是 20 倍。面向重度用户。 Business（$20/月/人起，年付；月付 $25）：至少 2 人，多了 SSO 和合规控制，数据默认不用于训练。 Enterprise（定制报价）：150 人起。 额度计费从今年 4 月开始改成按 Token 消耗计算。用更强的模型或开 Fast 模式，消耗更多。Plus 和 Pro 用户额度用完后可以购买额外 credits 继续使用。 【来源： Q：GPT-5.6 的 Sol、Terra、Luna 是什么？我该用哪个？ 这是 GPT-5.6 的三个子型号。 Sol 最强，适合复杂推理和高难度编程，也最贵（API 价格 $5/$30 每百万 Token 输入/输出）。 Terra 居中，日常工作默认选它（$2.50/$15）。 Luna 最快最便宜，对速度敏感或任务简单时用（$1/$6）。 Free 和 Go 用户只能用 Terra。 Plus 及以上可以三个都选，还能调节 effort 级别。 ultra effort 在 Work 中仅限 Pro 和 Enterprise 用户，在 Codex 中 Plus 及以上可用。 【来源： Q：Work 上线后，原来的 ChatGPT 还在吗？ 在。Chat 模式就是原来的 ChatGPT，一切照旧。桌面端点"Quick chat"按钮就能开新对话，手机端在顶部下拉菜单选"Chat"。你可以完全无视 Work 和 Codex，继续像以前一样用。 【来源：

《Freedom of Money Art》動畫版｜第六集 謹獻給 @cz_binance @heyibinance 人這一生其實沒有那麼多次真正的選擇。大多數時候我們只是順著慣性在活——安穩的工作、體面的收入、周圍人的認可，這些看似理所當然的東西，恰恰是最大的牢籠。 富訊的八年，CZ放棄了全部股權，一分錢沒帶走。旁人不理解，覺得他傻。但他說：「未來的機會總比過去多。」 這句話讀來輕描淡寫，可你要知道，那是一個人在三十多歲的年紀，把自己親手建立的一切歸零。這種勇氣，不是每個人都有的。 後來，當CZ賣掉唯一住房去買比特幣，還辭掉穩定工作投身加密貨幣行業。有人會說：「這風險也太大了吧？」對於說這些話的人來說，或許是的。 但他們忽略了一點：風險因人而異。很多人評估風險時，只看這事兒的本身，但真正要評估的是自己的處境和抗風險能力。 CZ知道將資產全投入比特幣有風險，但他更清楚的是，「不參與才是更大的冒險——可能錯過其個人有效時代最大的機遇。」 CZ寫下的這段話揭示了真正的風控——不只是規避風險，而是擁有兜底的底氣。而這份底氣則來自於他多年來累積的個人聲譽、技術能力、管理經驗、商業認知、合作夥伴和價值理念。 他走過無人認可的低谷，扛過全盤歸零的風險。 戒掉浮躁、深耕本心，以極致自律破局前行。 遇同頻之人，守初心之念，行長遠之路。 所有看似偶然的幸運，都是日復一日沉澱的必然。 人生沒有白走的路，每一步都算數。 —— 也獻給所有敢破局、敢堅守、敢奔赴未來的追光者 希望大家喜歡 💛

养儿子的江湖术语叫“建设银行”。相信这句话，家里有男孩的早就听过吧。对此，自从儿子高磊出生那天起，我就有了心理准备。只不过，当这一天真的到来时，我还是被狠狠的刺激到了。女方不仅要求我们是“建设银行”，而且需要验资才能过关。只听说买房要验资，没曾想，见未来儿媳妇也要验资。那滋味，真是一言难尽。 关于我们两口子是如何辛苦把儿子养大这件事，就不用赘述了。天下当父母的，所有养育本就天经地义。而且，儿子18岁之后，我们夫妻也没停止奋斗。毕竟，以现在的高房价，光靠年轻人自己的收入，是很难买得起房子的。所以，这么些年来，我和老公勤俭持家，日子从不敢奢侈。都是普通的工薪阶层，升不了官，发不了财，没有赚外快的能力，钱只能靠攒。 儿子大学毕业后，应聘到温州一家国企搞技术，月薪七千元左右。工作基本稳定了，下一步该考虑的，就是结婚成家。我们在湖南一个小县城，就我和老公的收入来说，在当地的生活水准还算可以。但比起温州的房价，那就杯水车薪了。孩子在温州属于外地人，要想找个好的结婚对象，房子肯定是必须的。 虽然大家对这份约定俗成觉得不公平，但，这就是现实。孩子小时候，我们当父母的不能让他输在起跑线上，而现在，同样不能让他输在另外一条起跑线上。所以，儿子工作确定后，我们便拿出全部积蓄，外加跟大姑姐借了10万，在温州首付了一套两室一厅的房子，每月的房贷我们也会偶尔帮衬。有了房子，我们也仿佛有了定心丸，就等着儿子领女朋友回家了。 没多久，儿子谈了恋爱。女孩叫珠珠，是一名会计，温州本地人，是高磊大学时的师妹。得知儿子恋爱了，我们很开心。这场恋爱，他们差不多谈了整整一年。今年国庆节，两人终于决定见双方家长了。我和老公激动不已，为人父母的万里长征，就差这最后一程了。在见我们之前，两人商量好，为了以示男方的尊重，选择先去拜访珠珠的爸妈。我们欣然同意。 为了这次见面，儿子各种买买买，几乎花光了他将近一年的工资。给准岳母买了条一万六的金项链，给准岳父买了一提茅台，包括女方的爷爷奶奶等亲戚都准备了礼物，且都不便宜。看着那些东西，我和老公挺心疼钱的。我们就是普通的工薪家庭，这些东西，根本不是我们消费得起的。说来寒酸，老公近50岁的人了，这辈子，还不知道茅台是什么滋味。这么多年，我们给自己买件超过五百元的衣服，都觉得奢侈…… 儿子工作这么久，每次他说要给我们买什么礼物，我们都是百般拒绝，就是觉得挣钱不容易，省下来的钱，还有大用。也正因为这样，在儿子心里，觉得父母那么节俭，买了也是让我们不安吧。所以，看着他如此一掷千金，我们虽然心里不是很舒服，但还是什么都没说。人生大事，他想给自己撑场面，表足诚意，我们当父母的，能说什么呢？ 国庆节当天，儿子跟珠珠去了她家。初次见面，珠珠爸妈对高磊也很满意，孩子们的婚姻大事就此搬上了日程。儿子当场就提议，让珠珠爸妈这次跟他们一起来湖南，让我们准亲家之间见个面。 令我们没想到的是，珠珠爸妈答应见面的同时，提出了一个条件：要我们拿出50万现金或写着高磊名字的银行存单。他们说得很明确：“珠珠是我们养尊处优培养的，不可能让她裸婚，既然谈到了结婚，那你们的小家必须有启动资金，这样我们才能放心。”他们还说：“这50万，我们分文不要，也不会再额外要什么彩礼钱。” 儿子当时就很震惊，他跟准岳父母说：“爸妈为了给我买婚房，这辈子的积蓄都拿出来了，而且还借了钱。”但准岳父母说：“所以呢，你们小夫妻婚后的抗风险能力是很低的，将来怎么养孩子，万一一方失业了，怎么办？你替你爸妈考虑，但我们当父母的，必须为自己的女儿思虑周全。与其让你们婚后为钱的事情吵架，不如在婚前，把这些麻烦都规避掉。” 珠珠爸妈还说，他们就这么一个女儿，也不可能不给嫁妆：“你们家50万，我们家至少25万，你们出100万，我们家就出50万，但这50万，是底线。”言下之意，如果我们拿不出这50万，那这门亲事，就算了吧。 接完儿子的电话，我真的手都是抖的。万箭穿心，不过如此。50万？儿子结婚，需要对父母进行验资？也真的是活久见了。 我和老公冷静下来后，第一时间对自家财产做了盘点。别说50万，当初为了凑首付，借大姑姐的十万元，至今还没还。我们手头现在满打满算有不到十万的积蓄，为啥没还大姑姐，就是想留着为儿子张罗婚礼。人都说，养儿子就是养一个债主。我们从前都觉得这话太偏激了。但那天，也算是真的体会了。 50万，我们真的拿不出来。除非我和老公把现在住的房子卖了。可是，事情真的要弄得这么难堪吗？为了儿子，我们夫妻前半生省吃俭用，后半生，还要居无定所吗？养儿子的父母，就这么罪该万死吗？有些事情，不摊到自己的头上，不知道疼。那天，我和老公越想越憋屈，越想越气愤，茶饭不思。而儿子那边，还在等我们的答复。对方说了，如果拿不出这50万，无论是双方父母，还是珠珠，都没有见面的必要了。 我一开始是为钱发愁，接着愁的是儿子在珠珠家的尴尬境地。有钱男子汉，没钱汉子难。如果我们真的拿不出这笔钱，那儿子在他们面前得有多难堪？而且，看得出来，儿子是真的很喜欢珠珠，如果就因为这50万，毁了他一辈子的幸福，我们于心何忍？ 成年人的世界，在四个答案里挑出那个对的并不难，难的是，要在四个都是错的答案里，选一个。而这，就是人生。 那一晚，我和老公谁都睡不着。抚今追昔地想起了很多往事。忽然无比怀念儿子大学毕业之前的所有时光。那时候，孩子每天搞学习，我们关注他的青春期心理，觉得特别心累而焦虑。现在想想，那种累是单纯的。不像现在，除了经济上的负担，还有情感上的。如果真的拿不出这笔钱，就算他们勉强结了婚，珠珠以后跟我们的关系会怎么样？夹在中间的儿子，又该如何自处？越想，越觉得心像掉进洞里一样，明明已经尽了全力，却依然无法周全。天下父母，果然就是弱势群体，养了儿子的我们，是弱势中的弱势。 但事情总是要解决的。后来，我们给儿子打了个电话，让他转告女方父母，我们现在的确拿不出这笔钱。但，我们会想办法。而那边的回答也很干脆：“那就等你们想出办法再见面吧。”时至今日，我们都没有见到珠珠。因为她父母已经下了死命令：“钱不到位，就别见面，免得日后尴尬。” 儿子呢，每次打电话，他没说什么，但我们能感感觉出来，他的情绪一直很低落。我和老公跟他很认真地谈过。我们没有50万，除非把房子卖了。儿子听了，一万个不同意。“不行，绝对不行，为了我结婚，你们连个住的地方都没了，这说出去，我还有脸活吗？”话是这么说，除了这个，难不成我们去卖血吗？说实话，我单位旁边就是银行。为钱发愁的我，真是抢银行的心都有了。 如今，一个月过去了，这事仍然没有解决。儿子在气头上时，也说过大不了分手之类的话，但我知道，他舍不得珠珠。可50万，不是5万。这些日子，为了这笔钱，老公愁得头发都白了不少。 那天回公婆家，大姑姐见他头顶突然多了那么多白发，偷偷跟我说：“我手里还有7万私房钱，你们先拿去用吧。”大姑姐的话，生生把我的眼泪逼了出来。很丢脸！上次给儿子买房借她的钱，到现在还没还上。难道为了儿子，就得把所有人都掏空吗？我自己的父母还有公婆也都七十多岁了，如果他们病了，我拿什么给他们治病？如果我和老公其中一个病了，我们敢治吗？活到这把年纪，本以为可以松一口气，结果，却是最难最焦虑最自责的时段。 盼望着盼望着，儿子终于到了成家立业的年纪。却不承想，儿子要结婚，相当于把我和老公抄一次家。是我们无能吗？养儿子，都这么悲催吗？坦白说，我和老公还不算生活在底层的人，儿子结个婚都难成这样，那其他人呢？我很想知道，有多少个工薪家庭可以随随便便就拿出将近百万，给孩子结婚？

最近发现一个5 万 Star开源项目 ，非常适合内容创作者研究选题使用！ MediaCrawler，我觉得它真正值钱的地方，是帮内容创作者建立一套“选题雷达”！ 它支持小红书、抖音、快手、B站、微博、贴吧、知乎等平台的公开内容研究。 真正靠谱的用法是：用少量公开样本，判断一个选题到底值不值得写。 比如你想写：Claude Code、AI 副业、Codex、独立开发、 出海 SaaS、AI Agent 工作流！ 多数人的做法是：看到一个热点 → 凭感觉写 → 发完没人看 → 以为是自己标题不行！ 但有经验的人会先看评论区，因为评论区才是真实需求！ 用户不会直接告诉你“我要一篇 3000 字深度教程”。 他们只会问： 1. “不会代码能不能用？” 2. “Claude Code 和 Codex 到底怎么选？” 3. “做出来的小工具怎么上线？” 这些问题，就是天然的文章大纲。 我的使用思路是：选 3 个关键词、比如：Claude Code / AI 副业 / 独立开发，每个平台只看少量公开样本， 不要追求全量，只看高互动内容和评论，把评论整理成 4 类：痛点、疑问、反对意见、购买/行动意图 用 AI 做二次分析，提炼高频问题、情绪关键词、可写角度，最后输出内容选题，长文、Thread、教程、案例拆解！ 一个简单公式：公开评论 → 高频问题 → 用户痛点 → 内容选题 → 高转化长文 这才是 MediaCrawler 对内容创作者最有价值的地方。 合规边界也要记住：只分析公开内容、只做小样本研究、 不做用户画像、不批量采集、不用于商业爬取、尊重平台规则和项目许可证！ 所以这类工具最值得用的地方是让你在发内容之前，先验证一件事：这个问题，是不是已经有人在评论区反复问过，有人问，才值得写，没人问，再漂亮的选题，也可能只是自嗨。

這一兩天，台灣不少媒體都以顯著篇幅報導一則所謂「驚人的國際新聞」：在G7晚宴上，美國總統川普再次提起珍珠港事件，與日本首相高市早苗爆發激烈爭吵，甚至驚動各國領袖出面調停。 如果報導內容屬實，毫無疑問會是震撼全球的大新聞。因為「美日同盟」是當今國際政治最重要的雙邊關係之一。兩國領導人在G7峰會期間公開衝突，可能影響全球安全局勢。這種等級的事件，不可能只是茶餘飯後的小插曲，必然是足以登上全世界各大報頭版的重要國際新聞。 問題就出在這裡。包括美國主流媒體、日本主流媒體，以及全球各大國際通訊社，都找不到相關消息。 台灣媒體引用的來源，最後一路追查下去，竟然是日本《日刊現代》（日刊ゲンダイ）轉述法國公共廣播電台旗下France Inter某名經濟記者的說法。而France Inter本身是廣播媒體，相關內容甚至連完整的文字紀錄都難以找到。 換句話說，整篇報導是建立在「單一消息來源」之上。 有常識的人都一定知道，新聞界有一個最基本的原則：重大消息必須交叉驗證。尤其是這種公開場合的外交衝突。 G7峰會現場聚集了來自全球的數千名記者，日本主要報社和電視台幾乎都派出了隨團採訪記者。如果真的發生了各國領袖出面勸架的場面，不可能只有一個法國的經濟記者知道。 令人遺憾的是，這麼明顯的一則假新聞，台灣不少媒體竟然直接引用，幾乎沒有進行任何查證。 事實上，《日刊現代》在日本並非主流媒體。它長年以強烈的「反自民黨」立場聞名，經常使用煽動性標題吸引特定讀者群。在日本媒體圈內，它更接近政治八卦週刊，而非嚴肅的新聞機構。 前首相安倍晉三就曾公開拿《日刊現代》當例子，反駁政府給媒體壓力、造成「寒蟬效應」的批評。當時，安倍在國會，向提出問題的在野黨議員表示：「您回家路上不妨買一份《日刊現代》看看，這像是受到壓迫、不敢說話的媒體嗎？」言下之意，就是該報對政府的攻擊抹黑，從未手軟。 這件事最令人擔憂的，是在台灣竟然有這麼多媒體如此輕易地相信了它。 當新聞工作者放棄查證，只剩下複製、貼上與轉載；當媒體追逐流量勝過追求真相；當一則未經驗證的消息可以在一天之內傳遍全台灣，那麼，受損的就不只是媒體的公信力。 在這樣一個假消息氾濫的時代，很有必要提高媒體識讀力。當我們看到一則帶有惡意、強調衝突、引發情緒波動的內容時，不要急著罵人或轉發，一定要冷靜判斷，「讓子彈多飛一會兒」。 圖：對高市早苗首相充滿惡意的《日刊現代》，在上次國會大選投票十天前，說「高市人氣急落」41名自民黨國會議員有落選危機，但選舉結果，被點名的41人，全部高票當選。 引用自該報X帳號。

这可能是目前最全的 Codex 入门教程了，80分钟，已加中文字幕，建议收藏慢慢看 Codex 是 OpenAI 的 AI 编程代理，跟 Claude Code 是直接竞品。很多人听说了但一直没上手，要么不知道从哪开始，要么看了官方文档还是一头雾水 这个教程从零开始讲，适合完全没用过的人。80分钟很长，但看完基本就能上手了 为什么值得现在学 Codex： 之前发过 openai/skills 技能目录（22k Star）、Codex 黑客松上有人用 MCP 打通 ChatGPT 实现额度翻倍、还有人用它做赛博朋克动画网站。Codex 的生态正在快速成型 Claude Code 和 Codex 现在是 AI 编程工具的两极。只会用一个不够，两个都会才能在不同场景选最合适的 80分钟一次性讲透，比你自己零散摸索省很多时间 先收藏，周末找个整块时间跟着做一遍，比看十篇碎片文章都有用

运营中转站这段时间是真没赚到钱，只能说勉强cover了我自己用ai的消费。 所以目前打算把开中转站的一切全部开源，包含如何建站+营销，门槛最低，让这个行业更卷一点。 首先整个系统由3个部分组成： • 第CN2 回国专线服务器：放在海外但回国速度极快的 VPS，作为运行核心。 • sub2api：核心程序，负责把网页账号转成 API 接口。 • Cloudflare：把流量再绕一道，提升国内访问速度，同时隐藏真实服务器 IP。 你需要准备： • 一台 CN2 GIA 或 CN2 GT 线路的海外 VPS（推荐配置：2 核 CPU、2GB 内存、20GB 硬盘以上）。 普通海外 VPS 在国内晚高峰几乎不可用，而 CN2 GIA 通过专线绕开了拥堵的公网节点，国内访问延迟一般在 150ms 以内。如果你买了不是 CN2 的服务器，国内用户体验会非常糟糕。 • 一个域名（建议在 Cloudflare 或 Namecheap 上购买，便宜的 .top 或 .xyz 也行，几块钱一年）。 • 一个 Cloudflare 账号（免费）。 • 号池：初期可以用 claude code pro 账户+ 注册大量gpt账户，货比三家去找到别的号商卡商，等后期你就可以搞claude code max kiro 反代 aws bedrock（去跟sales聊，基本能搞到7.2折），但是初期只需要保障claude code pro账号稳定即可，因为你需要养号，后期转max。 完整请求路径如下： 国内用户的客户端 → 解析到 Cloudflare 的 IP → Cloudflare 边缘节点 → CN2 专线回源到你的服务器 → 宝塔面板的 Nginx 反向代理 → sub2api 程序 → 你的号池 → ChatGPT 或 Claude 网页 → 数据原路返回。 购买并初始化CN2服务商 CN2 GIA 线路的常见服务商有 BandwagonHost（搬瓦工）、RackNerd、CloudCone、Lisahost。新手推荐搬瓦工的 CN2 GIA-E 套餐，稳定但价格略贵。预算紧的可以看 Lisahost 的香港 CN2 套餐。 如果你懂命令行搭建Nginx，手动部署SSL证书，那你就自己搞，如果你不懂可以使用中国程序员流行的宝塔面板，一键搭建Nginx、一键部署SSL证书、可视化配置反向代理，全程鼠标点击操作，新手也能轻松上手。 安装完Linux + Nginx + MySQL + PHP，就可以开始设置防火墙，够买域名，添加DNS解析。 最后去命令行输入ping.api.你购买的域名，返回服务器ip就行了。 搭建sub2api: sub2api 是一个开源项目，可以把 ChatGPT 网页版、Claude 网页版的 cookie 或者 session 转换成 OpenAI 兼容的 API 接口。 打开sub2api的官方教程，安装流程安装docker，拉取并启动sub2api的容器。 你需要把号池数据放到 /www/sub2api/data 目录下，sub2api 容器会读取这个目录。具体格式参考 sub2api 项目文档。 设置Nginx反向代理 添加完之后目标url是127.0.0.1:8080因为 sub2api 容器监听的就是这个地址。Nginx 收到外部请求后，转给本机的 8080 端口，sub2api 处理完返回给 Nginx，Nginx 再发回给用户。 后面你去问claude code 如何优化Nginx的配置，AI API 调用是流式响应（SSE），需要长连接 + 不缓存才能正常工作。默认 Nginx 配置在这种场景下会出问题，按照claude的提示优化，proxy_buffering 必须关闭，如果不关闭这个，AI 的回答会"卡一阵 → 一次性吐出"，而不是逐字流式输出。客户端会感觉非常慢甚至超时。 申请HTTPS证书： OpenAI 兼容客户端基本只信任 HTTPS。HTTP 明文会暴露 API Key 给中间网络。 申请好Let's Encrypt证书之后，回到 SSL 主界面，把"强制 HTTPS"开关打开。 优化Cloudflare配置 测试HTTPS-开启cloudflare代理-Cloudflare SSL 模式必须设为 Full (strict) AI API 是动态接口，Cloudflare 的某些"优化"会破坏流式响应。 Cloudflare → 你的域名 → 速度 → 优化。 全部关掉以下选项： • Auto Minify（自动压缩 HTML/CSS/JS）：关闭。 • Rocket Loader：关闭。 • Mirage：关闭。 • Polish：关闭。 设置缓存规则： Cloudflare → 缓存 → 配置。 Caching Level 选 Bypass，或者保持 Standard 但是后面用页面规则覆盖。 更彻底的做法：Cloudflare → 规则 → 页面规则 → 创建页面规则。 URL 模式： 设置：Cache Level = Bypass 设置防火墙规 Cloudflare → 安全性 → WAF → 自定义规则 → 创建规则。 规则一：限制单个 IP 频率 字段：IP source address，操作：Rate limiting，每 10 秒最多 30 次请求，超出后挑战或屏蔽 1 小时。 规则二：屏蔽明显恶意爬虫 字段：User Agent，运算符：包含，值：python-requests 启用 Cloudflare Argo Smart Routing，每月 5 美元，能在 Cloudflare 内部用最优路径路由你的流量。对国内用户访问海外服务器有 30% 到 50% 的速度提升。预算够推荐开。 测试上线 用 curl 测试 API，或者打开 CherryStudio 或 ChatBox，填写你的api地址和key做测试 使用Prometheus/Grafana，或者直接用宝塔面板做监控，可以看到 CPU、内存、流量实时数据。如果 sub2api 容器经常吃满 CPU，考虑升级服务器配置。

曾经在币圈起家靠的是钻石手💎看好了死拿 -- 相信相信的力量。 上个牛市按这个思路被Meme和山寨Treader割成SB，钻石手成了老登的代名词，讲出来那是要被人嘲笑的。 一度也觉得自己不能再钻石手了，得积极拥抱多交易。 昨晚 $NVDA 新高，突然意识到其实"钻石手"本身好像并没有问题，真正优秀的资产依然会奖励相信并长期持有的人。 只是得选对地方😂😂😂 以后还是在水大的地方钻吧，币圈只钻 $BTC $BNB 就行了。

飞书 CLI 开源了，为什么 AI Agent 时代，大家都在做命令行工具？ 飞书刚开源了一个命令行工具 lark-cli，能让 AI Agent 直接操作飞书：发消息、查日历、写文档、建多维表格、发邮件、管任务。你跟 AI 说一句话，它自己去操作飞书完成任务。 类似的 CLI 还很多，三周前 Google 也开源了 gws，让 AI Agent 操作 Google Workspace。2026 年了，所有想接入 AI Agent 的产品，都在做 CLI。 【1】先说 CLI 是什么 CLI（Command Line Interface），就是你在电脑上打开一个黑底白字的终端窗口，敲一行命令，回车，电脑帮你干活。 比如你要查今天的日程，不用打开飞书 App 找日历，敲一行： lark-cli calendar +agenda 日程就列出来了。 没有按钮，没有图标，没有花哨的界面。CLI 比图形界面早了二十多年，在 Windows 时代逐渐没什么人用了。但 AI Agent 时代，又火起来了。 【2】为什么 AI Agent 时代，大家都在做 CLI AI Agent 要干活，就得有操作工具的能力。你让 AI 帮你订会议室，它需要能访问日历系统。你让它帮你整理客户数据，它需要能读写表格。你让它帮你部署代码，它需要能跑部署命令。 总得有一个接口让 AI 去调用。API 也能做这件事，但 CLI 有一个 API 不具备的优势：CLI 是自描述的。AI 碰到一个陌生的 CLI，敲一下 --help 就知道有哪些能力、怎么用、参数怎么填。API 不行，AI 得先拿到文档、弄清端点、搞懂认证方式，才能动手。CLI 自带说明书，AI 拿来就能用。 而且 CLI 天然是用文本交互的，输入是文字，输出也是文字。AI 最擅长处理的就是文字。反过来，让 AI 操作 GUI 就绕远了，得截图、用视觉模型识别按钮在哪、再模拟鼠标去点，一行命令能搞定的事拆成四步，每步都可能出错。对 AI 来说，CLI 就是天然的操作界面。 【3】那 MCP 和技能呢 让 AI Agent 操作外部服务，现在主流有三种方式：MCP、CLI、技能（Skills）。三者不是互相替代的关系，各管一件事。 CLI 是实际干活的工具。装完之后终端里就能跑命令，查日历、发消息、建表格，都是 CLI 在执行。 MCP 也是让 AI 操作外部服务的，但方式不同。MCP 是提前把工具清单注册给 AI，AI 随时能调用，但清单本身常驻上下文窗口（可以理解为 AI 的“工作记忆”，空间有限）。就算 AI 暂时不用某个工具，它的描述也占着空间。CLI 是 AI 需要的时候自己去终端敲命令，用完就走，不占上下文。 另一个区别是组合能力。CLI 可以靠管道和参数组合出没预设过的操作，比如： lark-cli calendar agenda --next-week | grep“张三” | wc -l 一行命令就能查出下周和张三有几个会。MCP 的每个能力都需要提前注册，要实现同样的效果，得单独定义一个新工具。 不过 MCP 有自己的适用场景。在不支持命令行的环境里（比如 Cursor、Claude 桌面端），MCP 是唯一选择。两者各有所长：能访问终端的场景用 CLI 更轻量灵活，不能访问终端的场景靠 MCP。 技能是给 Agent 看的说明书。它不干活，但告诉 Agent 这个 CLI 有哪些命令、什么场景该用什么参数、出错了怎么处理。没有技能文件 Agent 也能用 CLI，靠 --help 自己摸索。有了技能文件，Agent 一上来就知道该怎么操作，成功率高得多。 简单说：CLI 是手，MCP 是另一种手，技能是肌肉记忆。飞书这次开源的项目，CLI 和技能一起提供。 【4】怎么给 AI 写好一个 CLI 不是随便写个命令行工具 AI 就能顺畅地用。如果你想给自己的产品做一个面向 AI 的 CLI，飞书的设计有几个值得参考的地方。 第一，help 文本是你最重要的文档。AI 碰到不认识的 CLI，第一件事就是运行 --help。你的 help 文本就是工具说明书、参数规格、使用指南三合一。别写那种“Usage: myctl deploy [flags]”就完事的帮助信息，要写清楚每个参数干什么、什么时候用、有什么默认值。飞书 CLI 还有一个 schema 命令，可以快速查询任何 API 方法的参数、请求体、响应结构、支持的身份和权限范围。AI 看到这些信息就能自己决定怎么调用。 第二，支持 dry-run，这是为 AI 设计的安全网。AI 会自己做决策，有时候它理解错了你的意图，或者匹配到了不该动的数据。dry-run 相当于一个“预览”机制。 举个例子，你让 AI 帮你删除飞书多维表格里上个月的过期数据。如果直接执行，删错了就没了。加上 --dry-run，AI 会先跑一遍，返回类似这样的结果：“将要删除以下 47 条记录：2025-05 的过期任务 23 条，已归档项目 24 条。未做任何实际修改。”你看了觉得没问题，再让它去掉 --dry-run 真正执行。Google 的 gws 也做了同样的设计，它的技能文件里甚至写死了一条规则：对所有写入和删除操作，必须先 dry-run。 第三，错误信息要能指导下一步操作。人看到“Permission denied”会自己去查文档。AI 看到“Permission denied”就卡住了。飞书 CLI 的做法是：告诉 AI 你缺了什么权限，顺便把申请权限的命令也给出来。比如 lark-cli auth login --scope“calendar:calendar:readonly”。AI 看到就能自己修复问题，继续干活。为 AI 设计的 CLI，每一条错误信息都应该包含三个要素：哪个参数出了问题、具体错在哪里、下一步应该执行什么命令来修复。 第四，返回结构化数据，控制好输出量。飞书 CLI 支持 json、csv、table 等多种输出格式。对人来说 table 更顺眼，对 AI Agent 来说 json 更可靠。好的 CLI 不只是能跑通，还要方便被别的工具消费。同时要控制输出量。AI 的上下文窗口有限，如果一个命令返回一万行日志，上下文就炸了。飞书 CLI 提供了分页参数（--page-limit）和过滤参数，让 AI 能拿到它需要的那部分数据就好。 不管你是设计 CLI 的人还是用 CLI 的人，记住这条：让 Agent 动手之前，先让它 dry run 一遍。 【5】装完之后，你动嘴，Agent 动手 装完之后用起来就是：你说一句话，Agent 去操作飞书把事情办了。 你开完会，跟 AI 说“把刚才会议里提到的所有待办都提出来，该发文档的发文档，该建任务的建任务”。AI 读会议纪要，拆解出待办事项，然后逐条执行：用 lark-cli doc create 在飞书里建文档，用 lark-cli task create 建任务并指派给对应的人，用 lark-cli im send 把结果通知到群里。整个过程你只说了一句话，Agent 在终端里跑了一串命令。而且因为有 dry-run，你可以让它先预览一遍要建哪些任务、发给谁，确认没问题再真正执行。 你要约一个五人跨时区的会，跟 AI 说“帮我看看下周大家什么时候有空”。AI 去查每个人的日历和时区，推荐几个时间段，你选一个，会就建好了。 你甚至可以让 AI 在飞书文档里直接帮你写初稿，你在文档里留评论提意见，AI 读完评论自己改。整个协作过程不用离开飞书。 安装也简单，npm install -g @larksuite/cli 装 CLI，npx skills add -y -g 装技能文件。你甚至不用自己记这两步，把项目地址 发给 Agent，让它自己安装、自己学会怎么用。 【CLI 的回归】 过去四十年，计算机的界面进化方向一直是从 CLI 到 GUI，从文字到图标，从键盘到触屏，对人越来越友好。 AI Agent 时代，方向反过来了，软件的用户变成了 AI Agent。CLI 这个为文字世界设计的接口，恰好是 AI 最顺手的工具。 既然 Agent 成了软件新的用户增长点，那么像飞书提供 CLI 也不稀奇，与其等着社区来写 MCP 适配层，不如直接做一个 AI 原生的 CLI，完全开源，无需注册审批，让所有 AI Agent 都能接入。 这也带来一个绕不开的问题：Agent 的权限怎么给？不给权限，什么都做不了；权限太高，又怕 Agent 理解错意图干出不可逆的事。毕竟还做不到让 Agent 代你审批、代你发全员邮件。dry-run 能兜住一部分风险，但真正要让 Agent 在企业里大规模跑起来，权限体系、审计追踪、人机协作的边界，都还在摸索中。 但换个角度想，当年我们把公司的钱从保险柜搬到网银，把合同从纸质搬到电子签，也都是一步步摸索出来的。CLI 和 dry-run，可能就是这个过程里的第一步。 而飞书做这件事，其实有一个别人不太容易复制的优势：它本身在企业协作领域已经足够成熟，消息、文档、日历、审批、多维表格、任务，这些能力都是现成的。现在把这些能力通过 AI 原生的 CLI 全部开放出来，大概率会成为国内对 AI Agent 最开放、最友好的企业级接入入口。这件事的价值不止是多一个工具，更像是真正在为 Agent 时代搭建企业级基础设施，把权限、审计、组织能力开放给整个生态，对行业落地 AI Agent 会是很关键的一步。