与「鍵本輝」相关的搜索结果

比特幣漲破 100 萬美元絕非天方夜譚？ 美國 40 兆美元的債務危機與政府百萬枚戰略收購計畫將是關鍵推手！本集專訪水滴資本執行長鄭玉山，深度剖析全球總經動盪下，避險資金為何將引爆下一波加密貨幣狂潮。 #AI泡沫# #比特幣# #BTC# #Nvidia# #輝達# #川普# #anthropic# #kimiai# #openai# #grok# #黃仁勳# #股市# #科技股# #比特幣# #台股# #美股# #金融# #理財#

隨著推特創作者收益進一步上升，如果你想開通X盈利功能，開通藍V成了必不可少的一環，之前都是找小飛 @xiaofei_btc 幫忙代開，現在有了自助開通工具就方便很多了，畢竟藍V這塊需求還是蠻大的。 親測了一下，很絲滑，Premium 一年 50U 比官方價低了快一半，支持多鏈 USDT USDC付款，開通時效付款後兩分鐘就開通好。 TG_bot傳送門： 網站開通： 或者直接在TG搜：XVIP3_bot TG小群有一段時間沒招新人了，今天限時24開放一下，一鍵三連本推文，截圖找小助理 @0xmui_666 拉你就行。 希望這個工具可以讓大家少走彎路，創作之旅更加順暢無阻🫡

第一個智能體不用自己寫迴圈，那程式設計師還剩下什麼？ 官方來源：Martin Bernaola Mendez，原文發表於 2026-11-13（1 天內，見文末核實）。原文標題直譯：《在微軟開發平台做你的第一個智能體，比你想的簡單》。先把反常識結論放前面：多數人以為做智能體要先學一堆新東西，新的框架、新的寫法、新的觀念，沒三個月下不來；真相剛好相反，你的第一個智能體根本不用學新東西，用你本來就會的主程式語言、你本來就熟的寫法，一個下午就跑起來了。智能體的本質一點都不神秘，就是模型加指示加工具加記憶，繞著圈跑到答案出來：模型先判斷要不要用工具、再叫你的程式去做事、拿到結果再寫答案，迴圈跑完才收工。關鍵在最後一句：這個迴圈不用你寫，框架全包了。你只剩三件事：給它一個名字與指示、給它一個工具、給它一段記憶。微軟的智能體框架就是幹這個的，底下還有一個聊天客戶端介面，幫你把不同模型的呼叫方式統一成同一套寫法。這篇只做一件事：照原文四步走，帶你從零做出第一個會查天氣、會記得你名字的旅行小幫手，最後再換成本機免費版，一毛錢都不花。先說清楚底線：前置條件是開發平台軟體開發套件第十版或全新的第十一版，加上一把開放智能的應用程式介面金鑰；沒有金鑰也沒關係，文末有本機免費版。 說清詞： - 智能體：模型加指示加工具加記憶，繞著圈跑到答案出來的程式，模型負責判斷、你的程式負責做事。 - 聊天客戶端介面：微軟擴充智能裡的統一介面，把不同模型的呼叫方式包成同一套寫法，換模型不用重寫程式。 - 微軟智能體框架：坐在聊天客戶端介面上面、專門加智能體功能的那一層，負責指示、工具呼叫、工作階段，往後還能接多智能體流程。 - 指示：你給智能體的工作說明，寫明它是誰、說話多簡短、什麼時候該用工具，寫得越具體、它做得越穩。 - 工具：就是你本來就會寫的普通方法，加上一句說明文字掛進智能體，模型看說明決定什麼時候叫它。 - 說明屬性：掛在方法與參數上面的說明文字，告訴模型這個方法是幹什麼的、參數是什麼意思，模型就靠它決定要不要叫、要傳什麼。 - 迴圈：模型決策、呼叫方法、結果回填、寫答案，四步轉一圈，直到答案夠好才停，框架自動跑，你不用自己寫。 - 工作階段：對話的記憶盒子，建立一次、每次跑都傳進去，智能體才記得上一句講過什麼。 - 串流：答案一個字一個字出現的跑法，像聊天視窗那樣慢慢印出來，整段等完才印是另一種跑法。 - 主控台專案：最簡單的那種程式，沒有視窗、沒有網頁，只在命令列視窗裡跑，做第一個智能體用它就夠了。 - 環境變數：存在電腦系統裡的設定值，金鑰放這裡，程式碼裡只讀它、不寫明文。 - 本機模型：裝在你自己電腦上跑的模型，不用連雲端、不用付按量費用，代表作是奧拉瑪接開源模型。 - 模型上下文協定：接現成工具伺服器的標準作法，原文只在展望裡提，叫你以後自己去接，不用現在學。 - 可觀察性：把每一次模型呼叫與工具呼叫都留下紀錄的作法，出怪事時靠它追查，原文只在展望裡提。 一個真實的例子：原文的第一個智能體叫旅行小幫手，做的事再小不過：回答去馬德里旅行的小建議。做法是拿開放智能的客戶端取一個聊天客戶端、指定一個支援工具呼叫的聊天模型，再把它轉成智能體，給名字旅行小幫手、給指示說你是友善的旅行助理、答案保持簡短，跑起來就完成了。問它去里斯本玩兩天怎麼排，答案一個字一個字慢慢印出來，那是串流跑法。接著給它一個工具：一個查天氣的普通方法，加上一句說明說這是查某個城市的天氣預報，方法本身只是回傳一段寫死的假天氣。問它去里斯本要不要帶傘，背後發生四件事：模型讀問題、發現需要天氣資料、叫方法去查里斯本、拿到結果寫答案說早上會下小雨、記得帶傘。迴圈你一行都沒寫，框架全包了。最後加記憶：建立一個工作階段、每次跑都傳進去，先說嗨我是安娜、星期五要飛里斯本，再問要不要帶傘，第二問根本沒提城市，智能體自己用對的城市查天氣；再問我叫什麼名字，它答得出安娜。這三問跑下來，第一個智能體該有的東西全齊了：會判斷、會動手、會記得。 為什麼是框架全包，而不是你自己寫迴圈？因為迴圈裡最容易出錯的地方，全是重複的髒活：模型回傳要叫工具，你要解析它叫的是哪一個、參數對不對；方法跑完，你要把結果用對的格式回填給模型；模型又回傳要再叫一次，你要判斷這是正常接力還是無限鬼打牆；答案終於出來了，你要決定什麼時候停。這些事每一件都不難，但加起來就是幾十行容易寫錯的程式碼，錯一次、除錯半天。框架把這整圈包起來，你只寫三件事：指示寫清楚、工具掛上去、工作階段傳進去。11 月 12 日那篇手寫迴圈的教程立場剛好相反，叫你自己把迴圈寫出來、看懂每一圈在幹什麼；這篇的立場是先跑起來再說，迴圈交給框架，你先嚐到智能體動起來的滋味。兩篇沒有誰對誰錯，是先後順序：新手先照這篇跑起來，想搞懂底層再去讀手寫迴圈那篇，順序反過來很容易卡在第一圈就放棄。 再算一筆帳，讓你知道第一個智能體到底花多少錢。示範用的是開放智能的輕量聊天模型，特點是便宜、支援工具呼叫，跑幾十次問答常常不到一塊錢美金，練手完全不心疼。真正貴的不是模型，是你把正式環境的大模型、長上下文、高價輸出全開來練手，練十次就抵得上一個月的示範費用。所以練手的規矩只有一個：示範模型挑輕量便宜的，指示寫簡短，工具先用寫死的假資料，跑通了再換真資料、再換好模型。本機免費版更徹底：模型裝在自己電腦上跑，一毛錢都不花，工具、工作階段、串流的程式碼一個字都不用改，只換呼叫模型的那一行。先在本機版把迴圈、工具、記憶三件事都摸熟，上雲端花錢時才知道錢花在哪裡。 反方適用條件清單——以下情況，先別照本篇做第一個智能體，免得把本篇讀成保證： - 不想碰微軟開發平台、只用別的語言生態：本篇是微軟開發平台的作法，換生態等於整篇重寫。 - 沒有金鑰、也不想裝本機模型：兩條路都沒有，模型叫不動，智能體跑不起來，先選一條路再開工。 - 挑的模型不支援工具呼叫：工具掛上去模型也不會叫，示範用的輕量模型有支援，換模型之前先確認支援清單。 - 想一次做多智能體協作、寫作者加審查者的流程：原文只做到單一智能體，多智能體是展望裡的下一步，現在做還太早。 - 想直接做正式上線的產品：本篇只到主控台示範為止，正式產品要另外做驗證、備份、錯誤處理。 - 指示寫得含糊、只寫你是個助理：指示越空、模型做得越飄，指示要寫明身分、語氣、什麼時候用工具。 - 除此之外，只要你會寫主程式語言、想親手跑一個會動手的智能體——這篇就是為你寫的。 一句定性金句：迴圈不用你寫，判斷不用你寫，你只剩三件事：給指示、給工具、驗答案。 一、翻車清單 - 金鑰寫進程式碼、貼進群組、傳進公開倉庫：誰拿到都能花你帳上的額度，正確做法是存進環境變數，程式碼裡只讀變數不寫明文。 - 開發平台軟體開發套件版本太舊：原文要第十版或全新的第十一版，舊版可能沒有智能體框架要的寫法，先升級再開工。 - 套件裝錯：開放智能版與通用版是兩個套件，雲端版裝開放智能那一個，本機版才裝通用版加奧拉瑪那一個，裝錯就接不上。 - 模型挑不支援工具呼叫的：工具掛上去模型也不會叫，示範用的輕量模型有支援，換模型之前先確認支援清單。 - 指示寫得太空：只寫你是個助理，模型不知道該簡短還是詳細、該不該用工具，指示要寫明身分、語氣與用工具的時機。 - 工具沒加說明文字：模型看不懂這個方法是幹什麼的，永遠不會叫它，說明文字是工具能不能被叫到的關鍵。 - 工具方法寫了真的去查天氣：示範階段先用寫死的假資料，跑通迴圈再換真資料，一開始就接真服務，出錯不知道是迴圈錯還是服務錯。 - 忘記建立工作階段：每一次呼叫都從零開始，第二問不提城市它就不知道去哪裡，名字也記不住，記憶要靠工作階段傳進去。 - 工作階段建了卻沒傳進去：建立一次不夠，每一次跑都要傳，漏傳一次、那一次的對話就斷了。 - 串流與整段回傳搞混：串流是一個字一個字印，整段是等完一次印，兩種跑法的寫法不一樣，抄錯會編不過。 - 金鑰放環境變數卻沒重開命令列視窗：環境變數改了要重開視窗才生效，舊視窗讀到的是舊值，一問就說金鑰沒設。 - 本機模型挑不支援工具呼叫的：本機開源模型不是每一個都支援工具呼叫，挑之前先確認，否則工具掛上去也不動。 - 本機服務沒啟動就跑程式：奧拉瑪的本機服務要先跑起來，程式連的是本機位址，服務沒開就連不上。 - 把示範程式當正式產品：主控台示範沒有錯誤處理、沒有備份、沒有驗證，正式上線要另外補齊，示範跑通不等於產品做完。 - 一次給太多工具：第一個智能體先給一個查天氣就好，工具一次給五個，模型叫錯的機率立刻上升，出錯不知道是哪一個工具的問題。 - 指示與工具打架：指示寫不要用工具、工具又掛上去，模型左右為難，指示與工具要講同一套話。 - 名字與指示寫完就以為智能體懂了：名字只是名字，真正管行為的是指示，指示沒寫清楚，名字再好聽也沒用。 - 測試不跑就說通了：模型說帶傘不算數，程式真的跑起來、答案真的對、第二問真的記得城市，才算通。 - 換雲端平台就以為程式碼要重寫：聊天客戶端介面就是為了換模型不用重寫，雲端平台、開源模型、微軟雲端，全是換呼叫模型的那一行，其餘不動。 - 把多智能體協作當第一步：原文的展望是下一步，先把單一智能體跑通，作者加審查者的流程以後再加，一步登天一定摔。 二、替代方案＋理由 原文只給一條主路，理由很硬：先拿雲端輕量模型跑通，再換本機免費版——理由是雲端版最快驗證迴圈、工具、記憶三件事，本機版再把花費壓到零，順序反過來很容易卡在本機安裝那一步、還沒看到智能體動起來就放棄。雲端版的理由是套件裝好、金鑰設好就能跑，示範用的輕量模型便宜又支援工具呼叫，練手不心疼。本機免費版的理由是模型裝在自己電腦上，一毛錢都不花，工具、工作階段、串流的程式碼一個字都不用改，只換呼叫模型的那一行，適合想一直練、一直試的人。還有一條同理可推的路：雲端平台版、開源模型平台版、微軟雲端版，理由是聊天客戶端介面把模型呼叫統一了，換平台只是換呼叫模型的那一行，其餘程式碼全不動，適合公司已經有指定平台的人。順序只有一個：雲端輕量版先跑通，再換本機版或公司平台版，不要三種同時開工。 工具的作法也有替代方案，理由一樣硬：示範用寫死的假天氣，理由是先驗迴圈對不對，出錯只可能是迴圈錯；換真資料是下一步，理由是迴圈通了再接真服務，出錯只可能是服務錯。兩步分開除錯，永遠比一次全上、錯了不知道找誰快。記憶的作法也一樣：工作階段是原文給的正規作法，理由是框架幫你管記憶，不用自己寫對話紀錄；自己寫對話紀錄是另一條路，理由是想完全掌控格式的人可以自己來，但新手先不要，框架的版本先跑通再說。 三、目標形態 一個能對照的最小閉環：開發平台軟體開發套件已裝第十版或第十一版、開放智能金鑰已存進環境變數；主控台專案已建好、開放智能套件已裝好；智能體已有名字旅行小幫手、指示寫明友善的旅行助理、答案保持簡短；問它去里斯本要不要帶傘，模型自己叫查天氣的工具、拿到結果寫答案說早上會下小雨、記得帶傘；第二問不提城市，它用對的城市查天氣；第三問問我叫什麼名字，它答得出安娜。三問全對、程式真的跑起來，才算通。一句話：先讓一個智能體真正動起來，再談多智能體。 這個最小閉環還有三個進階樣子，通了之後可以一個一個加上去。第一個是換真資料：查天氣的方法從寫死的假資料換成真的天氣服務，問同樣的問題，答案裡的溫度與天氣要對得上真實預報，迴圈不動、只換方法裡面。第二個是換本機免費版：模型換成本機開源模型，其餘程式碼一個字都不改，跑同樣的三問，答案一樣對，帳單變零。第三個是加第二個工具：再掛一個查機票或查景點的方法，指示寫明什麼時候用哪一個，問一個同時需要天氣與景點的問題，看模型會不會自己挑對工具。這三個樣子有一個共同點：一次只換一件事，換完立刻驗三問，驗不過就只退一步，不用整段重寫。 四、遷移步驟 1. 先備前置條件：開發平台軟體開發套件裝第十版或全新的第十一版，開放智能金鑰申請好、存進環境變數，不要寫進程式碼。 2. 新建主控台專案：用命令列工具新建一個主控台專案、進到專案資料夾，裝開放智能版的智能體套件。 3. 寫第一版主程式：拿開放智能客戶端取聊天客戶端、指定輕量聊天模型，轉成智能體，給名字旅行小幫手、給指示說你是友善的旅行助理、答案保持簡短，問一句去馬德里旅行的小建議，跑起來。 4. 換串流跑法驗一次：同一個問題改用串流跑法，答案一個字一個字印出來，確認兩種跑法都通。 5. 給它第一個工具：寫一個查天氣的普通方法、加一句說明說這是查某個城市的天氣預報，方法裡先回傳寫死的假天氣，掛進智能體。 6. 問它去里斯本要不要帶傘：看模型自己叫查天氣的方法、拿到結果寫答案，迴圈四步都發生了才算通。 7. 建立工作階段：建立一個工作階段，每一次跑都傳進去，先說嗨我是安娜、星期五要飛里斯本。 8. 驗記憶三問：第二問要不要帶傘不提城市，看它用對的城市查天氣；第三問問我叫什麼名字，看它答得出安娜；三問全對才算通。 9. 換本機免費版：裝通用版套件加奧拉瑪套件，本機服務先啟動，模型換成本機開源模型，其餘程式碼一個字都不改，跑同樣的三問。 10. 換真資料：查天氣的方法從寫死的假資料換成真的天氣服務，問同樣的問題，答案要對得上真實預報。 11. 加第二個工具：再掛一個查機票或查景點的方法，指示寫明什麼時候用哪一個，問同時需要兩種資料的問題，看模型挑不挑得對。 12. 換公司平台驗一次：雲端平台版、開源模型平台版、微軟雲端版挑一種，換呼叫模型的那一行，其餘不動，確認聊天客戶端介面真的統一了寫法。 13. 記帳：示範用的輕量模型跑幾十次常常不到一塊錢美金，練手用輕量模型、指示寫簡短、工具先用假資料，跑通了再換真資料、再換好模型。 14. 排定主力與備胎：主力一種平台每天用，備胎一種放在旁邊，主力出問題、換專案時立刻換備胎頂上，不用臨時翻文件重學寫法。 15. 每月回頭對一次官方文件：智能體框架還在長大，多智能體流程、模型上下文協定、除錯工具都會變，每月花十分鐘對一次，才不會拿著舊地圖走新路。 跑完這十五步，真正拉開差距的不是你會幾種平台，是你給指示的方式。指示寫得含糊，模型就做得含糊；指示寫得具體，模型就動得具體。好的指示有三個要素：先說身分，再說語氣，最後說用工具的時機。身分是你是誰，例如友善的旅行助理；語氣是答案多長，例如保持簡短；用工具的時機是何時該查資料，例如需要天氣資料時就用工具查。三個要素寫進每一次設定，模型的命中率立刻不一樣。反過來最差的指示是只寫你是個助理，模型不知道你要它簡短還是詳細、不知道什麼時候該動手，只能憑感覺猜，猜錯了你還要花時間收拾。框架是硬體，指示是軟體，硬體接好了、軟體跟不上，一樣跑不快。 問問題也有一個進階技巧：一次只問一件事。請模型同時排行程、查天氣、再訂機票，它常常三件都做得半調子；拆成三輪，每一輪只做一件、每一輪都驗收，總時間反而更短，因為返工最花時間。還有一個習慣值得養：每一次請模型動手之前，先請它用一句話說出它理解的任務是什麼，它說對了再讓它動手，它說錯了先糾正理解、不要讓它帶著錯誤的理解去叫工具。這兩個習慣加起來，模型的出錯率會掉一大截，你花的檢查時間也會跟著掉。 五、團隊共建分工 做第一個智能體是小事，但三個角色別一個人全扛： - 你自己管金鑰：金鑰只你經手，存進環境變數、不寫進程式碼、不貼進群組，誰要用就請他自己建一把。 - 審查者核對帳單：每週對一次用量，示範用的輕量模型跑幾十次常常不到一塊錢美金，大模型、長上下文、高價輸出的帳單先抓出來看。 - 紀錄者留對照表：把每一次實驗的模型、指示、工具、工作階段、驗收結果寫進本篇贈品驗收表，換人接手時不用重讀原文，換模型時照表改名字就好。 - 守門員管範圍：每一次請模型動手之前，先說清楚哪些工具能叫、哪些資料不能碰，正式環境的設定一律列入禁區，模型動手之前先對一次範圍，叫錯工具的代價比多問一句話貴得多。 - 新人先跑最小閉環：新加入的人不要一次做多智能體，先照本篇第四節跑一遍最小閉環，三問全對、程式真的跑起來，通了才算入門，通不了先找守門員對設定，不要自己硬湊。 六、官方工具包 - 微軟擴充智能：聊天客戶端介面，統一不同模型的呼叫寫法，換模型不用重寫程式。 - 微軟智能體框架：坐在聊天客戶端介面上面，負責指示、工具呼叫、工作階段，往後還能接多智能體流程。 - 開放智能版套件：雲端版裝這一個，示範用輕量聊天模型，支援工具呼叫。 - 通用版套件加奧拉瑪套件：本機免費版裝這兩個，接本機開源模型，其餘程式碼不變。 - 示範模型：輕量聊天模型，支援工具呼叫，練手便宜。 - 本機模型代表：駱馬三點二，裝在自己電腦上跑，一毛錢都不花。 - 同理可接的平台：雲端平台、開源模型平台、微軟雲端，換呼叫模型的那一行就好。 - 展望裡的下一步：多智能體流程、模型上下文協定、智能體對智能體、可觀察性、除錯工具，現在先知道名字就好。 - 前置條件：開發平台軟體開發套件第十版或全新的第十一版，加上一把開放智能金鑰或一台裝好本機模型的電腦。 結尾收束：原則比框架多重要——智能體框架不是魔法，是把迴圈包起來的那一層。可重複的動作規則只有一條：每次換模型、換平台、加工具之前，先回到那個最小閉環——三問全對、程式真的跑起來——通了再往下走。今晚就能做的事：先備好金鑰、建一個主控台專案、問它一句去馬德里旅行的小建議，答得對，這條路就是你的了。 最後再提醒一次最容易被低估的事：第一個智能體真正的成本不是金鑰、不是套件，是你願不願意把指示寫清楚。指示寫不清楚，模型做得再快也是亂做，你還要花更多時間收拾；指示寫清楚了，迴圈、工具、記憶三件事立刻各就各位。這筆帳，比幾十次問答不到一塊錢美金重要得多。今晚先跑三問，明天上班第一件事就拿一個你真正的工作問題去問它，問完看它會不會自己挑對工具，挑對了，你就知道這條路值不值得走下去。 本篇贈品：微軟智能體首次落地驗收表 開通之前逐項打勾：1 前置——開發平台軟體開發套件已裝第十版或第十一版、開放智能金鑰已存進環境變數、沒寫進程式碼；2 專案——主控台專案已建好、開放智能版套件已裝好；3 第一版——智能體已有名字旅行小幫手、指示已寫明友善的旅行助理與答案保持簡短、問去馬德里旅行的小建議已跑通；4 串流——串流跑法已驗一次、答案一個字一個字印出來；5 工具——查天氣的方法已寫好、說明文字已加上、方法裡先用寫死的假資料、問去里斯本要不要帶傘已看到模型自己叫方法；6 記憶——工作階段已建立、每次跑都已傳進去、第二問不提城市已用對的城市查天氣、第三問已答得出安娜；7 本機版——通用版套件加奧拉瑪套件已裝好、本機服務已啟動、模型已換成本機開源模型、三問已重跑全對；8 真資料——查天氣的方法已換成真的天氣服務、答案已對上真實預報；9 第二工具——第二個方法已掛上、指示已寫明什麼時候用哪一個、同時需要兩種資料的問題已驗過；10 帳單——示範用的輕量模型跑幾十次不到一塊錢美金的算法已知道、練手用輕量模型與假資料的規矩已立好；11 維護——每月回頭對一次官方文件、換平台只換呼叫模型那一行的作法已驗過；12 指示——每一次設定已寫明身分、語氣、用工具的時機三個要素，一次只問一件事，模型動手前已先用一句話說出它理解的任務。 S1哥觀點 別再問「做智能體是不是很難」了——難的不是智能體，是你以為迴圈要自己寫。還在觀望的人，花的時間不是學習，是猶豫；照這篇跑起來的人，一個下午就有一個會查天氣、會記得你名字的旅行小幫手，迴圈框架全包了，你只剩給指示、給工具、驗答案。更值得問的是：你現在每天重複做的那件小事，是查資料、還是回覆、還是整理？那一件，就是你第一個智能體該先接的理由。還有一個更扎心的問題：你上一次說要學智能體，結果三個月過去、連第一個主控台專案都還沒建，是什麼時候？這種拖延，跑起來一次就治好了，因為跑通的那一刻你就知道，原來第一步這麼小。你第一個智能體想讓它先幫你做什麼？評論區說說。

初代礦工 - 神魚，是我最敬佩的幣圈前輩之一。 不管是挖礦還是 DEFI 都顯示出他超前的認知。 這集 18 分鐘演講他分享了他使用 AI 的認知，我仔細看完後又用 AI 拉逐字稿分析，總結出以下核心認知，分享給大家： 1 同一份資訊，看到多少 insight ，取決於你有多少算力，用得對不對。 人腦算力和時間有限，只能抽出很少的 insight； 藉助 AI 能夠瞬間調用大量算力，同一份資訊就能看出更多東西。 了解這個底層邏輯，你就可以在各個領域超前創造額外價值。 2 三個世界稀缺的東西不一樣。 實體世界缺位置（房地產）， 網路世界缺注意力（流量）， AI 世界缺的可能是品味和判斷力（AI 無法取代的能力）。 3 花 Token 是在買時間。 讓 AI 把每本書壓成一頁簡報、把一個學科做成知識圖譜；讀不懂的書讓 AI 照他的背景和經歷改寫。 4 讀書要雙軌並行。 知識進得快但沒有真的進腦子。所以一邊讓 AI 抽結構，一邊自己反覆精讀。 他拿健身房來類比：體力勞動被機器取代後大家上健身房，腦力也需要類似的鍛鍊。 5 讓 AI 當鏡子認識自己。 他從玩龍蝦就開始讓 AI 寫人格設定檔，回頭整理自己的經歷給 AI 讀。 AI 回他一封信，他看完哭了很久。 之後每天花 10 到 20 分鐘讓 AI 找他前一天的工作盲區。 AI 讀完他的交易紀錄還問他：你是在做交易，還是在滿足心理需求。他想了兩天大徹大悟，承認是後者，決策品質從此好了很多。 6 人和 AI 協作像層層回路。 人負責講清楚要什麼、給足背景； AI 團隊去試、回饋、沉澱成方法。 兩個關鍵旋鈕： 每一步交給 AI 多大的任務（太大它會變笨，太小就像一直開會不做事）、多久回饋一次。 系統越自動，人越關鍵：目標偏一點，下面全部白費。 7 他自己的變化。 體感生產力增加約十倍，最關鍵的是性格變了，從不擅長抽象思考變成偏向抽象思考。 8 很強的個人放進傳統組織反而變差。 團隊產出被組織裡最窄的瓶頸卡住，個人再強也沒用，所以要變成以 AI 為本的公司，組織的做法得改。 9 他們公司怎麼做。 每個員工配一個 AI 同事，大量協作由 AI 之間溝通，不用開會拉齊。 他拋出靈魂拷問：如果 AI 之間都能即時協商，公司的邊界還存在嗎？ 10 人生只有三件事。 吃飯、睡覺，剩下就是用好算力。 對外看懂世界、對內看懂自己。 11 AI 給他的十年建議。 守住自己的資料和私鑰； 趁父母還在、孩子還願意牽你的手，去遠行； 每半年檢查一次自己的預測邏輯，自負是很貴的漏洞； 吃真正的食物、把可被攻擊的破口縮到最小。 每天問自己：用好 AI 之後，你的一天有沒有變得更充實更有生產力。

Mole 里面的这些小细节不知道大伙有没有发现，启动擦屏幕的时候整屏会黑掉，然后键盘会锁住，然后屏幕上会随机出现一句诗，刚好你读完想完 2 分钟，屏幕也擦干净了。 这个起源于我刚会用笔记本的时候，会有一个习惯，就是一旦屏幕和键盘脏了，会手动息屏，就会用那种无尘布去擦拭，来回几下变得非常感觉，一天干活心情都非常舒畅，当然也不太喜欢别个直接用手指划我的屏幕，弄得有点油腻。 大概是来源我的这个痛点，后面做 Mole 的时候，想着其实擦拭屏幕和键盘其实也属于 Mac 的清理维护，于是就把这个痛点做进来了，我平时会非常喜欢把自己常用的所有指令都做成快捷键，所以这个也变成了快捷键 cmd + option + control + esc，有一种退出一切的感觉，按下后，屏幕会黑屏键盘会暂时锁住，然后就可以任意的擦来擦去，但不影响正在做的事情，做完后，再一样的快捷键就打开了，恢复原样。 不过假如单独只是一块冷冰冰的黑屏，我感觉会缺少一点乐趣，也缺少一点生活，很像之前一个和茶的同事对我说的，「喝水是为了解决生存，喝茶才有生活的感觉」，我想着其实擦屏幕这个事情也是，需要有一点诗意，而非程序，所以最开始版本选了10句我最喜欢的诗句加到了第一个版本，后面补充到20句，到今天我继续补充了现在的30多句，中文和繁体版本均是我自己平时最喜欢的诗句，其他的语言是我挑选了一些我熟知的外国诗人或者作家，然后让让 AI 帮忙列出一大批，然后筛选出不错的放进去，大概就是这么来的。 诗句的选择我想着是闲暇舒服、无拘无束、山水之间、归途那种都是很美好但很悠闲的感觉，当然也是非常希望有 10% 的使用到的用户看到这句诗也有这种感觉，在繁忙的工作中稍微歇息片刻，工作之外还有诗和远方，可能也是我自己做产品本身想表达出的一些言外之意。 大伙来看看有没有自己喜欢的诗句在里面，或者有更多不错的诗句，你喜欢的诗句也可以叫我加到 Mole 里面去。

書終於上架了了亞馬遜 《AI 超級週期： 五層產業鏈視⻆下的 AI 基礎設施投資: 從能源到應用，一條產業鏈看懂 AI 投資的底層邏輯》 - Chris Lee 李書沸以「五層產業鏈」為框架，從最底層的能源（核電、天然氣、電網）出發，逐層向上穿透至半導體（NVIDIA、台積電、Broadcom）、硬體基礎設施（HBM 記憶體、光互連、液冷散熱）、雲端與數據中心（超大規模運營商、主權 AI）、再到大模型與應用層，完整呈現 AI 基礎設施投資的全貌。 鏈接 ： 亞馬遜Kindle會員的無限量會員的話，能免費觀看，單獨是美元$2.99 抱歉，可惜亞馬遜只有繁體字，但大家應該可以看的懂。 前言： "當所有人都在談論 AI，真正的問題是：錢該投在哪裡？ 2026 年，僅四大超級雲廠商的 AI 資本支出就達到 7,250 億美元。這不是一場短期炒作，而是一個可能持續十年以上的超級週期。但對大多數投資者而言，AI 產業鏈就像一座黑箱——你知道 NVIDIA 很重要，卻說不清為什麼一顆 GPU 需要搭配價值數倍的電力、散熱、網路與儲存設備才能運作。 這本書要打開這個黑箱。 李書沸以「五層產業鏈」為框架，從最底層的能源（核電、天然氣、電網）出發，逐層向上穿透至半導體（NVIDIA、台積電、Broadcom）、硬體基礎設施（HBM 記憶體、光互連、液冷散熱）、雲端與數據中心（超大規模運營商、主權 AI）、再到大模型與應用層，完整呈現 AI 基礎設施投資的全貌。 這不是一本泛泛而談的趨勢書，也不是一本只講概念的入門讀物。書中深入分析超過 80 家公司的競爭格局、護城河與估值邏輯，並為每一層提供具體可操作的投資框架。無論你是想理解為什麼鈾礦股會因為 AI 而暴漲，還是想搞懂 CoWoS 先進封裝的產能瓶頸如何影響整條供應鏈，這本書都能給你清晰的答案。 本書的獨特之處還在於作者的跨界視角。李書沸曾任 OKEx（現 OKX）CEO 與火幣 CFO，是加密貨幣行業最資深的高管之一，同時在傳統金融領域深耕多年。他在書中專闢章節探討 Crypto 與 AI 的交匯——去中心化算力、AI Agent 經濟、代幣化激勵機制——這些是傳統分析師不會觸及、卻可能催生下一波爆發性機會的領域。 本書涵蓋的核心議題包括：為什麼 AI 超級週期的本質是一場能源革命，而非僅僅是算力競賽？NVIDIA 的真正護城河在哪裡，它的統治地位是否會被挑戰？台積電與 Broadcom 在 AI 晶片供應鏈中扮演什麼不可替代的角色？HBM 記憶體為何成為 AI 時代最關鍵的瓶頸之一？光互連技術如何解決數據中心的頻寬牆問題？超大規模雲端運營商的 AI 資本支出將流向何處？大模型競爭格局如何從「比大」轉向「比效率」？AI 應用層何時能真正兌現商業價值？Crypto 與 AI 的融合將創造哪些新的投資範式？如何建構一個穿越週期波動的 AI 投資組合？ 最後三章聚焦實戰：風險管理框架幫助你識別泡沫信號與週期轉折點；投資 Playbook 提供從選股到配置的完整方法論；結語則回歸長期視角，探討這場技術革命的終局。 這本書寫給這樣的讀者：你有一定的投資經驗，對科技趨勢保持關注，但苦於找不到一個系統性的框架來理解 AI 產業鏈的投資機會。你可能是主動型投資者、科技業從業者、金融從業者，或是對 Crypto 與 AI 交叉領域感到好奇的探索者。 如果你只想讀一本書來建立對 AI 基礎設施投資的全局認知，這本書是為你寫的。" 關於作者：李書沸（Chris Lee）現為 Merkle 3s Capital 與 XResearch 聯合創始人。曾任全球前三大加密貨幣交易所 OKEx CEO 及火幣集團 CFO，擁有超過二十年橫跨傳統金融、加密貨幣與科技投資的從業經驗。 感恩轉發、分享。#AI#

这个APP小黄鱼的骗子估计该恨死我了！ 上周朋友线下收二手 Mac，差点亏大了。 卖家说得特别好听：无 ID、无暗病、序列号官网也能查。 结果回家一细测，发现机器还藏着企业 MDM 绑定。 这种机器后面转手很麻烦，朋友差点直接亏两千。 很多人买二手 Mac，其实验机逻辑都错了。 不是只看外观，也不是只查个序列号就完事。 我最近做了一个本地验机工具，叫 MacCheck 验机宝。 它直接在 Mac 本机运行，全程不上传数据。 打开之后，芯片、内存、电池循环次数、硬盘容量、安全芯片状态，都会自动扫出来。 键盘可以逐键检测，屏幕可以用纯色和灰阶查亮点坏点。 摄像头、麦克风、触控板、Touch ID、接口，也都能一项项核验。 更重要的是，像激活锁、Apple ID 登录状态、企业 MDM 绑定这种高风险问题，会直接高亮提醒。 不用你自己到处翻设置、查资料。 验完之后，还能一键导出 PDF 或长图报告。 以后复盘、对比、留证，都很方便。 以前买二手 Mac，很多时候靠卖家一张嘴。 现在至少可以自己把整机硬件、隐藏锁具、核心风险先查一遍。 如果你最近要买二手 Mac，或者做回收验机， 可以试试这个工具：MacCheck 验机宝。 我已经将项目免费开源到Github，记得一键三连和Star给我啊！ 我使用Swift语言开发，仅需2.7M，立刻下载使用吧！ 地址下面👇🏻：

李少民：為什麼紐約市搞社會主義，經濟仍然不會崩潰？ 最近，紐約民主社會主義陣營聲勢大振。紐約市長佐赫蘭．馬姆達尼（Zohran Mamdani）提出凍結租金、擴大政府補貼、免費公車、提高富人稅負等一系列激進政策，而支持這些理念的左派人士也在紐約市議會選舉中取得優勢。他們所主張的政策，再次引發美國社會對國家未來發展方向的激烈辯論。 自從佐赫蘭·曼達尼今年贏得紐約市長選舉以來，批評者就不斷預言災難即將降臨。租金凍結、免費公共服務、擴大補貼、對非法移民更優厚的福利、對富人加重稅負……熟悉的結論隨即出現：社會主義在所有曾經嘗試過的地方都已失敗，紐約市注定走向經濟崩潰。 我认为這個預測不可能成真——不是因為社會主義突然變得有效，而是社會主義的批評者往往忽略了一個關鍵差異：實行社會主義的地方究竟是封閉的，還是開放的。 在封閉的社會主義經濟裡，必須自己創造全部財富，同時進行再分配。歷史一再證明，這種故事通常如何收場。蘇聯在中央計畫下最終停滯不前，1970與1980年代成長率大幅下滑，總要素生產率停滯甚至倒退，產出對資本的比率因效率低下而急劇惡化。毛澤東時代的中國在開放前經歷多次經濟災難。東歐各國則在低效國營企業與長期短缺的重壓下崩潰。更近期的委內瑞拉也走上同樣道路：國內生產毛額從2013年到2020年代初，縮減約75%至80%——這是現代史上最大規模的和平時期經濟收縮之一。 原因其實很簡單。當政府把報酬與生產力逐漸脫鉤，人們創新、投資、生產的動機就會減弱。生產下滑、再分配卻持續擴大，經濟餅就會越來越小。最後，已經沒有足夠財富可以再分配。在封閉經濟中，社會主義最終會把自己賴以維生的資源耗盡。 紐約市的情況則完全不同。它不是獨立國家，而是嵌入紐約州、美國以及全球經濟的一座城市。 它享有聯邦政府支出、州政府支持，以及全球最大規模的國際競爭企業集群之一。紐約都會區的GDP約達2兆美元，約佔美國經濟總量的9%，其中金融與保險業貢獻數千億美元（有分析指出，金融業約佔該市經濟的24%）。 華爾街的收入並非只來自紐約市民。全球金融機構、跨國企業、大型律師事務所、顧問公司、媒體集團與觀光業，都把來自全美乃至全世界的財富帶進這座城市。換句話說，紐約市的再分配政策，不只靠本地居民，更靠遠超出其邊界的財富來源支撐。 這一點從根本上改變了局面。 如果曼達尼推行其政策，部分富裕居民幾乎肯定會搬走，部分企業可能外移，投資活動也可能趨緩。這些反應與數十年來的研究結果一致：稅負、管制與價格管制確實會影響經濟行為。高盛曾估計，2018年至2023年間，紐約市年收入超過1000萬美元的家庭中，有整整10%已在其他地方設立居住地。紐約州在全美申報超過100萬美元所得的納稅人比例，也從2010年的12.7%降至2022年的8.7%，意味著可觀的稅收損失。然而，資本外流並不必然導致立即崩潰。紐約市更可能出現的是緩慢的經濟活力流失，卻仍能維持財務運作，因為外部資源持續注入。因為更廣大的美國經濟仍在創造可課稅財富，國使得市政府則以更多再分配來给紐約输血。当然，纽约市政服務越来越差，更多的無家可歸者繼續依賴日益昂貴的政府補貼，中產階級納稅人則可能被夾在稅負上升與公共服務品質下降之間，投資者可能悄悄將資金轉移他處。但這一切都不回把纽约變成像蘇聯那樣戲劇性地崩潰。 它更像另一種現象：寄生在健康宿主身上的寄生蟲。寄生蟲不需要自己生產食物，只要宿主保持生產力就能存活。同樣地，一個嵌入大型資本主義經濟體系中的再分配型行政區，可以比試圖把全國經濟完全納入社會主義原則的國家，存活得更久。 這種寄生在美國不止於紐約。 加州長期以來也同時推行大規模再分配政策，並擁有全球具競爭力的產業，創造巨額財富——然而它卻面臨全美最高的貧窮率（近期數據約17.7%），以及美國最大的無家可歸人口（約18.7萬至20萬人，約佔全國總數的24%）。在這些案例中，再分配之所以能夠持續，正是因為財富創造發生在更廣泛的資本主義系統之內或之外。 因此，真正的教訓並非社會主義突然變得經濟可行，而是社會主義往往靠著從較大的資本主義系統汲取資源而得以存續。 美國人真正應該思考的問題，不是紐約市是否會變成另一個蘇聯——它肯定不會。 更重要的問題是：紐約市搞社會主義最終由誰來買單？ 只要生產力強的美國人、具全球競爭力的企業以及世界資本市場持續創造財富，紐約市就能繼續進行再分配。該市的經濟扭曲会日益嚴重，但不会崩潰。然而，這種韌性不應被誤解為成功。它只反映出紐約市並非自給自足的經濟體，而美國與紐約州某種程度上縱容了它的寄生行為。 社會主義在蘇聯失敗，是因為它無處可求助。但在龐大的資本主義經濟體系內的社會主義飛地，卻可能持續數十年之久。 所以，美國選民必須明白，一個以自由市場、私有財產與法治為基礎建立的國家，不應該容許其城市或州採行越來越社會主義的政策、讓全國其他地區承擔大部分經濟代價。@baodiantimes

《对不起老己，这次彻底失败了》 2026年的1月15号币安阿尔法上线了一个叫$FUN 的代币，合约名字却叫$SPORTFUN ，就是这个代币让我的交易生涯再次遭遇滑铁卢，有多惨痛呢？我来说一组数据，持有时长：148天17个小时2分钟，总投入30万u，综合成本：0.07，累计合约加现货亏损15万u以上。 这就是我大半年遮遮掩掩不愿意透露的重仓代币，当初为什么这么看好这个代币呢！ 第一：是因为它的赛道题材是体育竞技加预测，完美迎合了当前的热点世界杯题材和最火的预测赛道。 第二：他的团队我现在依旧坚信它是纯正的欧美项目，获得了coinbase的投资，部署在base链上，官推始终活跃，应用有实际用户和营收。 第三：它的流通市值只有一千万美元左右，当初之所以放弃CHZ，就是因为它的2-3亿美元的市值太大了。 说来可笑，这半年始终活在即将发财的美梦里，想着借助世界杯的热度，翻一个2-3倍问题不大吧，赚他妈的一个60万u，甚至都看好了接下来换什么车，买什么样的房子了。 随着世界杯到来的日期越来越近，中间我也有两次短暂回本，一些人劝我减仓，但是我根本听不进去，这么多投入，这么长时间，回本就跑我真不甘心，我始终认为它的上限不止如此。 6月11日世界杯开幕，fun最后的短暂冲高到0.053后，价格开始了快速下跌，一个个支撑位仿佛纸糊的一样轻松跌破，看着不断扩大的亏损，焦虑使我开始失眠，短暂的睡眠也是噩梦连连，我再一次体会到交易的痛苦，我开始后悔为什么当初回本没有减仓，反省自己为什么当时没有多想想不同情况的应对办法。 在持有的期间，我不下50次借助GPT分析它的实时数据，想着它的不同剧本，现在看来都是骗自己的自我安慰，我失败了，彻彻底底的失败。 在割肉这天，我想了很多很多,我犹豫了很多次，我害怕主力就是为了把我洗下车，直到那一刻我再也受不了这种阴跌的折磨，按下了清仓键，就让这波失败的交易结束吧，我发誓我再也不会信仰任何一个山寨币了，现在回头看，还好当时清仓了，短短半个月距离我清仓的价格又腰斩了一半！ 这也是我最近的推文如此沮丧的原因，在我看来确定性如此之高的山寨币，最终这个结果让我不再相信我能在这样一个市场实现我的财富目标，或者币圈的红利期真的结束了，未来属于美股、黄金这样的优质资产，山寨币的未来就是那些看得见摸不着的妖币行情了。 一代山寨新币屠夫，陨落！

Gavin 認為 AI 產業真正的瓶頸不是 GPU、電力或其他零組件，而是 DRAM，尤其是 AI 伺服器所需的 HBM / 高階 DRAM；這個短缺可能會持續一段時間，並改變整個半導體產業的估值與資本流向 1. AI 真正的瓶頸是 DRAM，不只是 GPU Gavin 認為，AI 模型效能的基礎在於記憶體容量與頻寬，因此 DRAM、尤其是 HBM DRAM，才是目前 AI 基礎建設最關鍵的瓶頸。 2. 高階 DRAM 供給有限，產業結構正在改變 AI 伺服器需要的 HBM / 高階 DRAM 非常難做，全球主要只有少數公司能供應。Micron 與大型客戶簽下長期供應協議，也顯示客戶正在提前鎖定稀缺產能。 3. DRAM 可能成為 AI 資本支出的核心去向 Gavin 提到，DRAM 可能占 hyperscaler 明年資本支出的 30% 到 40%。記憶體成本上升會推高資料中心建置成本，也可能讓 AI 擴張速度更受經濟效益約束。 好吧 ,這些事年初都知道了,目前即使美光破千,本益比依然很低,那為什麼自己沒抱住 -曾被超級循環傷害過, 對於每個喊超級循環的都直覺性的否定,沒想到這次是真的(2018的國巨 /2021的航海) -賣飛了,卻不敢追回來,反而是去找其它替代品(例如光通/被動/GPU等等) ,但最後看來都沒跑贏Dram , 這種事情自己經歷很多次了, 竟然還犯.... (結論是強勢的區塊,之後都是強勢!!)