与「Y時バランス」相关的搜索结果

I字になること自体は柔軟性があればできるのですが、これを立位で行うことでキープするのにバランス力が必要なのと、両手を離すとなったら強靭な筋肉が必要になります。Y時バランスしかり。 私は柔軟性だけなので、キープ力も両手離せる筋肉もないのでまだまだです。 #I字バランス　##Y字バランス#

載せてなかった写真の整理！♡💃 この時、Y字バランス久しぶりにしたけど、まだできて良かった🤭 2024年のカレンダー撮影の時やけどさ、髪の毛めっちゃ長い！！

这两天做了一个有意思的事情，把我的全部的 Skills 删除了将近 1/3，同时把所有项目的上下文也都优化了一下，感觉干净清爽了不少，我认为随着模型能力越来越厉害，我们有经常去更新裁剪我们的项目的一些给到模型的上下文信息，防止你的内容反而阻碍了模型的发挥。 于是我就把最近做的继续沉淀成一些大伙也用得上的提示词，可以直接给到你的 Agent 去帮你优化你的项目的内容要求和 Skills，已经安装 Waza 的小伙伴可以直接更新到最新然后说「帮我精简一下规则」就好，也可以 Copy 下面内容给你的Agent。 帮我精简这个项目给 Agent 的上下文和我装的 Skills，按下面的要求来，先整理出清单给我确认，确认前先不改任何文件。 1. 先盘点每轮对话都会加载的内容，包括根目录的 AGENTS.md / CLAUDE.md、全局规则、没写 paths: 的 .claude/rules 和每个 skill 的描述，看各占多少字，再看按需加载的部分，这里不少看着臃肿的内容可能不是写多了，而是放的位置不对。 2. 逐段给出处理方式，分成修、删、挪、改写、保留五种，挪的写清目的地，每条附一句原因，做成一张清单给我确认。 3. 逐句判断删掉后你的行为会不会变，把类似这种「先读再改」「跑测试」「注意边界」你本来就会做的描述删掉，拿不准的可以先保留找我确定。 4. 我们更加推崇是给 Agent 写目标，少些如何实现的路线，写清做完是什么样、怎么算完成、要什么证据，一个步骤删掉后你还能换条路做到同样结果就删掉，只有顺序本身是约束的才留下来，比如先验证再发布、先确认再删除这种需要保留。 5. 同一种要求说了三遍，换成一个你本来就懂的词语，比如「快、确定、开销小」可以写成 tight；「要简洁」这类口号换成一个更好理解的想想的词语比如「报告腔」，然后再配一组 NO / OK 例子。 6. 把对应内容放对位置，需要判断的进 skill，同样输入总是同样输出的改成脚本或 hook，项目命令和发布步骤进项目指南，跨项目的硬约束才放进全局规则，遇到「做 Y 之前先读 X」这类要求改成做 Y 时由 hook 把 X 注入进来更好。 7. skill 描述只写做什么、什么时候用、不用于什么，近义词移到 when_to_use，只有部分场景用到的内容移到 references；判断一个 skill 有没有人用，要看真实调用记录，不要只 grep 名字，要删的也先列给我看一下。 8. 这些内容不要删除： - 我的偏好、被否掉的方案和原因、机器环境。 - 不报错的坑，以及看着像出错其实正常的现象。 - 描述句里「从不写入」「不上传」这类半句约束。 - 删数据、需要花钱、要发布、提权、改写已推送历史这些不可逆操作的规则。 - 我们带日期的拍板决策记录。 9. 内容先移到对应正确的位置再来压缩，能整行搬到按需加载的文件里就整行搬，不要边搬边改写，不可逆的规则原样整段搬。 10. 把内容搬到能自己加载的地方可以参考这些技巧： - 提交、发布、回复、删除这类对话里随时会触发的规则留在根目录。 - 挪进 docs/ 的要在根目录留一句什么时候去读。 - 根目录不要建 CLAUDE.md，它会让 Claude Code 不再读 AGENTS.md。 - 项目里重复全局规则的句子，只有在我用的每个工具都读全局规则时才删。 11. 改完以后自己去查一遍：paths: 里的 glob 都要能匹配到真实文件，grep 一遍拆走的旧文件名，再列出所有消失的行，每一行都要对上清单里我确认过的删除。 12. 交给一个没参与精简的 Agent 查有没有删过度了，只给它消失的行和仓库，不给你的结论，让它搜关键名词而不是整句，意思在哪都找不到的原样恢复。 13. 验证移过去的内容真的会被加载：在新文件里埋一个暗号，开一个新会话，先读一个匹配的文件再问它暗号，然后读一个不匹配的文件做反向对照。 14. 最后全部做完以后，可以帮我沉淀一下这个思路，方便以后有模型升级的时候，我可以再来跑一遍。

马斯克对性感的执念太深了😂 有了Model S和Model X，马斯克想把下一款车叫Model E。 这样，三款车的名字就能拼成个 SEX😂 但是福特不干了，要告特斯拉，新车最终成了Model 3，倒过来的E。 后来，特斯拉又发布了Model Y，老马最后算是勉强SEXY了一把😂 Model E最初来自一次聚会，一个朋友问马斯克，下一代汽车准备叫什么。 他想到公司已经有了S和X，就开玩笑说，那再来个E吧，特斯拉也真的去申请了Model E的商标。 结果福特听说后就不干了。 因为早在特斯拉成立之前，福特就申请过Model E的商标，后来还与特斯拉签过协议，约定特斯拉不注册，也不使用这个名字。 所以，当特斯拉真的去申请时，福特找上门来，要求它遵守约定，否则就要起诉。 马斯克不愿意就这样放弃，直接打电话给福特当时的CEO艾伦·穆拉利，问他到底是真的打算推出Model E，还是故意跟特斯拉过不去。 穆拉利回答，福特确实打算使用这个名字。 马斯克继续争取，他觉得，特斯拉已经有了Model S和Model X，如果福特再推出一辆Model E，消费者反而容易搞混。 而且福特虽然一百多年前有过著名的Model T，但如今已经在用Fusion这样的车型名字，为什么还要回来争这个E？ 穆拉利却没有松口，表示公司里的人真的很想用这个名字，福特后来确实用上了，到了2022年，它把新成立的电动车业务部门命名为Ford Model e。 其实，早在申请Model E的同一个月，特斯拉就已经申请了Model Y的商标。 福特注意到后，又打电话来问，是不是准备拿Y替代E，马斯克解释，Y也是这个玩笑的一部分，他想凑个S-E-X-Y😂 最后，马斯克还是放弃了Model E，把新车命名为Model 3，用一个看起来像反写字母E的数字，把这个玩笑继续了下去。 到了2019年，特斯拉正式发布Model Y，S，3，X，Y终于凑齐，马斯克在发布会上说：“我们把性感带回来了。”😂

我是Yuziii，零帧起手——点个关注再走😎 25 年 12 月，我刚从 UCL 毕业。对这个年龄来说，我的经历不算少：上海德勤、作业帮、腾讯、香港咨询、Crypto Card / 支付渠道、火币HTX，再到现在一家澳洲持牌券商 / Web3 CEX / 多资产交易平台集团，做生态 BD。该转过的场，大部分都转过一遍。不是为了把简历写满，是想先看清零售交易这件事到底是在哪一层创造价值。 我现在做的事很具体：负责支付渠道合作方拓展、管理和战略规划。把外部能力接进平台——上游流动性、KYC、交易教育、最后则是最重要的支付和加密能力。谈的是覆盖、接口、资质、费率、结算、数据驻留，以及能不能从评估推进到测试、上线。不是只写研报，是把合作真正跑起来。 我选择停在 Forex × Web3，是因为我觉得零售交易已经不是“炒外汇的”和“炒币的”两套圈子。大家抢的是同一批用户的开户、入金和交易时长。Robinhood 这类零售经纪是大赛道里的另一支：从证券账户往多资产和链上扩。我们不是同一条产品线。外汇 / CFD 平台给客户的是保证金合约，不是股东账户；真正决定平台能不能活的，是执行质量、对冲、核验、资金能不能合法地进来出去。纯 Crypto 叙事会过季，牌照边界、渠道和资金流不会。年轻时把场子走宽，是为了现在能判断哪一层值得深挖。 所以我以后会持续更新这些： 
• 外汇平台生态里，一类合作是怎么被筛掉、怎么被推进、最后卡在哪
• 流动性、KYC、支付和平台工具落地时才会暴露的细节
• 渠道、合规、产品、技术挤在一起时，项目为什么走不动
• 零售交易入口变宽之后，Forex 和 Crypto 到底在哪些地方开始重叠
• 一个刚毕业、但已经在前线待过几轮的人，怎么选战场 ……等等，以及很多大家想看的～ 欢迎粉丝宝宝投稿提问！ 别人如果要用几个词概括我，大概是：独特、创新、务实、热爱挑战、MIND FREE！ 
我给自己的要求很简单：只写自己经手过或判断过的事，不把听来的故事说成亲历。 关注我，你可以预期： 1. 一线合作的推进逻辑，不是口号 2. 零售交易平台交界处正在发生什么，而不是又一篇宏观复读 3. 一个同龄人的职业选择样本——不是完美路径，但是验证过的路径 不装全知，不构成投资建议。 同时，我也在这里长期招募合作方，目前优先：上游做市商 / 对冲账户、KYC/KYB、聊天工具、直播工具。 
发方案请写清品类、覆盖地区、接口、资质、计费和可测试时间。 
Telegram：@Monaaa_Y WeChat：Monaaa_Y 想认识我，从这条置顶开始；想合作，快把材料发给我～

让 Claude Code 说人话的 instruction 1. 使用标准术语。已有通用说法的概念不要另造表述。 2. 不要使用比喻。如果一个说法需要读者推断其指代对象，改为直接说明。 3. 表头和分类名使用中性名词，如“问题”“现象”“影响”“结果”。 4. 不使用“是 X，不是 Y”的对比句式。 5. 表格条目不要求每条都包含数字或结论。部分条目可以只说明发生了什么。 6. 未查明原因的问题写“原因未查明”。 7. 不使用口语词。 8. 不使用拟人表述。 规则 1：使用标准术语 超长度 / 超不超长度 → 截断 / 是否触及长度上限 Ray 的端口会跟自己撞 → 多个任务的 Ray 抢占同一端口 臂 → 方案 只看长度那条线 → 长度启发式基线 刷奖励 → 奖励被优化但评测指标未改善 存档 → checkpoint 规则 2：不发明比喻作为术语 血统 → 基座来源 8 个不同血统 → 8 个不同基座的模型 那是尺寸差异，不是血统差异 → 原有区间由 Qwen 的 14B、32B、72B 构成，差异来自参数量而非基座 已经吃掉一半空间 → 已覆盖一半区间 变成了一个认题目的检索器 → 退化为问题识别，与学习价值无关 挑出来的题目看上去健康得多 → 选中问题的截断比例更低 误差范围还盖着基准线 → 置信区间与基线重叠 规则 3：表头和分类名使用中性名词 坑 / 代价和教训 → 问题 / 影响 把握 → 确认程度 怎么做的 → 实验设置 重挑一次还剩多少重合 → 重采样后的重合率 有几种不同取值 → 取值数量 还在跑的 → 进行中 一个必须关掉的开关 → 需要关闭的过滤器 章节状态标签需要保持一致。 如果前面使用： 已完成 已确认 未达到基线 结论待定 后面出现了： 做通了 意外发现 需要修 没有买到想要的 统一使用前面部分的中性状态标签。 规则 4：不使用“是 X，不是 Y”的对比句式 梯度对齐：是噪声，不是信号 → 梯度对齐：三项检查结果均在噪声范围内 我们买到了血统上的多样性，但没有买到能力上的多样性 → 新增模型覆盖了更多基座，但正确率均低于原有区间下界 考法和用法对不上 → 评测口径为成对比较，与实际使用方式不一致 稳定是靠粗糙换来的 → 取值数量少的指标重合率高 越稳定的指标越挑不出东西，越挑得出东西的指标越不稳定 → 重合率与取值数量呈反向关系 规则 5：允许条目不包含数字或结论 例如： 对照组为随机选取的 32 个问题。 这条内容已经完整，不需要继续补充其他方案与对照组的关系。 规则 6：未查明原因时直接写“原因未查明” 前文已经写明“原因未查明”时，后文不要继续补充未经验证的解释。 这可能也解释了前文那个现象 → 该现象与截断的关系尚未验证 第十章“后来查明了机制”之后的内容已经得到确认，可以保留。 规则 7：不使用口语词 赢得很干脆 → 差值为 0.030 测得更准 / 测得更糙 → 估计精度更高 / 更低 可选的余地很小 → 候选范围小 基本上等于抓阄 → 接近随机选取 本来就分不出高下 → 真实差距低于可分辨范围 白跑 / 白占 → 无效运行 / 空占 不是白捡的 → 需要 79 GPU·小时 一个致命问题 → 主要问题 有事后找补的嫌疑 → 该切分方式在观察结果之后确定 原因不复杂 → 删除 既然预测这条路走不通，那就退一步 → 删除，直接进入实验设置 规则 8：不使用拟人表述 天生需要几百到上千次采样 → 该信号所需的采样量为几百到上千次 一旦超就制造出参差 → 截断发生时会增大奖励方差 24 步训练只挪动 0.05 → 24 步训练后正确率变化为 0.05 超得越彻底反而越稳定 → 截断率越高，奖励方差越低 回答内容本身的好坏参差 → 答案质量的差异

中国 AI 让硅谷彻底分裂了。 中国开放权重模型正在快速进入美国市场，部分性能已接近甚至超过美国头部产品。 特朗普政府考虑是否限制，硅谷也分裂成了两派。 反对中国 AI 的，以 Anthropic 为代表。 他们担心中国公司通过蒸馏，用美国模型的输出训练自己的模型，也担心开放权重模型被用于恶意目的。 Anthropic 曾指控阿里巴巴采取这种做法，白宫也怀疑月之暗面的 Kimi K3 使用了 Fable 5 的输出。 支持中国 AI 的，主要是小型创业公司。 200 多家美国初创公司和 Y Combinator 联名反对全面封禁。 他们认为，这些模型价格较低，使用灵活，可以避免被 OpenAI，Anthropic 等封闭平台锁定，封禁会抬高创业成本，让少数大型 AI 公司获得更多市场优势。 而OpenAI 模型入侵 Hugging Face事件，也让这场争论变得更复杂。 平台调查时被托管模型的安全限制挡住，最后转用一个中国开放权重模型处理威胁，也让全面封禁能提高安全性的说法没那么站得住脚。

美国国家公路交通安全管理局（NHTSA）正在向特斯拉索要一份内部文件，Radar Saves Us，雷达救了我们。 这份文件来自特斯拉内部，公司此前已在另一轮调查中交给NHTSA，这次，NHTSA要求特斯拉，补交与文件有关的内部通信，技术资料，测试记录和原始数据。 特斯拉2021年先从北美新产Model 3和Model Y拿掉前向雷达，之后扩大到其他车型，把FSD逐步转向纯视觉。 NHTSA想要调查，摄像头在强光，雾和扬尘中能力下降时，系统能不能及时发现，并提醒司机接管。 这轮调查覆盖约320万辆配备FSD的特斯拉，已经计入9起上述环境下的碰撞，其中1人死亡，1人受伤。 特斯拉必须在8月12日前回复。 监管部门还要求它解释，为什么曾把“FSD性能下降”的提示从红色改成黄色，并取消声音提醒。

Skills for Design Engineers 作者 @emilkowalski 是知名设计工程师，曾在 Vercel、Linear 工作，也是 Sonner、Vaul 等流行组件的创建者。他把多年积累的一套 UI/动画原则，沉淀成设计工程师们的设计品味 Skills，让 Codex、Claude Code、Cursor 等 Coding Agents 在写 UI 和动画时，具备接近资深设计工程师的审美判断！ 仓库结构：三个相互补充的 Skills 1. 先建立决策框架（emil-design-eng） 主 Skill：设计工程哲学 + 动画决策框架 + 组件构建原则 2. 再审查代码（review-animations） · SKILL.md 以严格标准审查动画/动效代码，输出“Before/After/Why”表格 · STANDARDS.md 评审的数值/曲线参考表（easing、duration、spring 等） 3. 最后帮助用户精准描述动效（animation-vocabulary） 词汇表：把“那个弹一下的效果”翻译成“Pop in”等专业术语 核心主张：动画不是“让它动起来”，而是“让它感觉对” 1. 动画需要理由 每条动画都必须回答一个问题：“它为什么要动？” 合理理由： · 空间一致性（toast 从同一方向进出） · 状态指示（按钮变形表示加载完成） · 解释关系（引导用户理解状态变化） · 防止突兀（元素突然出现/消失） · 反馈（按下按钮时 scale(0.97)） 不合理理由： · “看起来很酷” + 高频出现 → 应该删除 2. 按使用频率决定动画强度 · 每天 100+ 次（快捷键、命令面板）：禁止动画 · 每天几十次（hover、列表导航）：删除或大幅简化 · 偶尔（弹窗、抽屉、toast）：标准动画 · 罕见/首次（ onboarding、反馈）：可以适当“惊喜” 最实用的技术原则 Easing：不要信默认，要用强曲线 · UI 元素进入/退出 → ease-out · 已在屏幕上的元素移动 → ease-in-out · hover / 颜色 → ease · 恒速运动 → linear · 绝对禁止 UI 动画使用 ease-in（开头慢，用户会感觉到延迟） Duration：UI 动画控制在 300ms 内 · 按钮按下反馈：100–160ms · Tooltip / 小弹层：125–200ms · 下拉框/选择器：150–250ms · 模态框/抽屉：200–500ms Physical correctness · 永远不要从 scale(0) 开始：现实中不会凭空出现。用 scale(0.95) + opacity: 0。 · Popover 从触发点缩放：transform-origin 要指向触发按钮，而不是元素中心（modals 例外）。 · 按钮按下必须有反馈：transform: scale(0.97) 是默认。 性能规则 · 只动画 transform 和 opacity（GPU 层）。 · 不要用 width/height/margin/top/left 做动画。 · Framer Motion 的 x/y/scale 简写不是硬件加速的，要用完整 transform 字符串。 · 不要用父元素的 CSS 变量驱动子元素 transform（会引发样式重算风暴）。 · 预定动画用 CSS；动态/可打断的用 JS 或 Spring。 打断与对称 · CSS transition 可打断、可重定向；@ keyframes 会从头开始。 · 长按/删除等场景：按下慢（2s linear），释放快（200ms ease-out），非对称时间。 无障碍 · 尊重 prefers-reduced-motion：不是“全部关掉”，而是保留 opacity/颜色，移除位移动画。 · hover 动画必须加 @ media (hover: hover) and (pointer: fine)，避免触屏设备误触发。 评审 Skill：如何检查代码 review-animations 设定了十条“不可妥协”的标准，并把输出格式严格化为： · transition: all 300ms > transition: transform 200ms ease-out -- 精确指定属性，避免 all 触发非 GPU 动画 · transform: scale(0) > transform: scale(0.95); opacity: 0 -- 不应凭空出现 animation-vocabulary：把模糊感受翻译成专业词 这个 Skill 本质上是一个动效术语反向查询表。用户说“iOS 拉到底部会弹回去那种感觉”，它能回答“Rubber-banding”；用户说“元素从按钮里长出来”，它能回答“Origin-aware animation”。 它涵盖： · 进出/序列/变换/状态过渡 · 滚动/交互反馈 · Easing / Spring / 循环/环境动画 · 打磨效果（Blur、Clip-path、Skeleton、Number ticker） · 性能术语与动画原则 这对设计师和工程师的沟通、以及给 AI 下精确指令，都很有价值。