人為什麼一定要逼自己變完美 每個人都有缺點 有瑕疵才像個活生生的人 像我情緒偶爾不太穩定 但至少我真誠待人 性慾強又不是什麼罪大惡極的事 找到適合自己的方式就好ㄌ 不適合的人真的不用硬留 感情不是靠委屈自己換來的 #一個不夠那就兩個# 反正🫧友跟男友又不衝突(｡･ω･｡) #說得頭頭是道# #結果現在還是一個都沒有# #算了先快樂生活比較重要# 😌✨

2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。 從學術的角度看，他說得完全正確。 直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他： 第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。 這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？ 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。 但繞過去的，跟真的解決，是兩回事。 只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。 模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。 用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 還沒更新，它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。 從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我，差異的核心在於：中間過程要不要進主 context。 用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。 同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。 所以同一個模型，不同的人用，產出可以差十倍。 人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。 取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。 這些東西有一個名字，叫 Context Engineering。 它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

這絕對是個大工程。能把這種跨越幾百萬年的宏大敘事撐滿兩個小時，沒點耐性真做不出來。 這類影片看下來，最讓人震撼的通常不是資訊量，而是那種「視覺上的跨越感」。你想想，畫面從幾百萬年前在樹上晃蕩的古猿，鏡頭一轉，變成在草原上直立行走、眼神開始有了神采的原始人。接著是火光的亮起、石器的打磨，再到後來古埃及、美索不達米亞的黃沙與神廟，最後一路飆到現代的霓虹燈和未來的星際探索。這中間的視覺張力，光是用腦袋想像就夠起雞皮疙瘩了。 不過，要用 Seedance 2.0 熬出這兩個小時，背後的工作量其實挺考驗人的。 多模態的優勢與代價 Seedance 2.0 厲害的地方在於它那種 「多模態控制」，你可以餵給它圖片、分鏡，甚至塞一段現成的視頻去讓它學習運鏡。做這種歷史迭代的影片，最怕的就是前後畫風崩掉，前一秒還是寫實史詩風，後一秒突然變成廉價 3D 動畫。作者大概用了大量的角色與場景參考圖，去死磕那種歷史的厚重感和前後的一致性。 而且它自帶音效同步，原始人打砸石器的撞擊聲、遠古暴風雨的咆哮，這種環境音要是合得好，史詩感立刻翻倍。 兩個小時是怎麼拼出來的？ 雖然這模型比以前進步很多，但它單次輸出的片長畢竟有限，也就十幾秒。這意味著，兩個小時的成片是由成百上千個鏡頭硬生生拼接出來的。 • 工作流的考驗： 作者得先把劇本和時間線拉好，古猿、南方古猿、直立人、智人、農業革命、工業革命……每一階段都要瘋狂生成素材。 • 墊圖與墊片： 為了讓轉場順暢，可能用了大量的 Image-to-Video 或者 Video-to-Video。比如用前一個時代的結尾畫面當作下一段的起點，或者指定運鏡讓鏡頭從遠古的星空拉下來，變成現代的夜景。 • 後期剪輯： AI 把畫面生出來只是第一步，後面還得靠傳統剪輯軟體去調色、對軌、加上轉場和旁白，不然單靠 AI 生出來的片段直出，節奏很容易散掉。 這種影片看著看著，真的會讓人有一種「人類好渺小、但文明又好神奇」的宿命感。你看過最震撼的是哪一個歷史階段的轉場？還是說，你對它最後預測的「未來進化」部分更有興趣？

最近更新頻率少了，主要原因是覺得沒有酷的新題材可以分享，講AI大家都會說，也不酷了，最讓我興奮的時候是去年9月講記憶體，因為每次講了周遭不買單我就很清楚知道績效要來一發大的了，這波下跌我雖然沒有滿倉但也是抄底實打實吃了一波下跌，還好預設下半年就該守住了，不然感覺會是滿倉拉一坨大的，果然天下就沒有那麼好賺的事情，不過今年還是繳出很好的成績單了，足夠Woody繼續躺一陣子了，當然還是持續做投研希望能找到下一個酷東西，不侷限於股票，賺錢多少真的無所謂，找出酷東西並且後面被市場印證，是這個階段的我覺得更有價值的事情。 然後兩篇貼文是近期最愛 一篇是置頂的勸人見好就收，當然那個時間點能聽懂的也沒幾個，在賺錢的人也勸不住 一篇是一買就是頂部的海力士兄弟…一己之力改變了走勢 最後我還是想說說記憶體吧，對Woody來說，我比較笨只會做漲漲漲的行情，一但行情不簡單了，就是本能的遠離他，這也導致了我在4月就把大倉位賣掉了，後面也是持續賣出，一直到最近抄底又挨一刀哭啊，不過每個人個性不一樣，適合自己的最好啦。 資金配置很重要，萬年定存股牛皮牛皮股還是有它的價值在，大盤其實也沒跌多少，就是半導體自殺，50%持倉半導體估計就很痛了，關於定存股是真的很無聊，一直買買買而已，如果大家有興趣改天再來說說。

入口不只一個 重點是你敢不敢試 最近在‘’推特‘’以外的交友圈認識ㄉ 不是粗又長就是上翹 真的有點讓人離不開 其實我覺得13公分兩指寬就足夠讓我噴💦 其餘不足的我們前戲補足 話已至此 想約就直接往右邊走 જ⁀➴ 還在觀望的 別想那麼多ㄌ 很多時候差的真的只是你敢不敢而已

5 月成績單出爐了，BSC 幾個埋伏號加起來 +51k，加上二級部位 +90k，鏈上跟上個月的自己比差不多，還行還行，繼續努力，這兩個月都在搞碩士論文還有上班，7/1 就口試答辯了，等七月下旬就能認真上機搞錢了。 那二級盈利部位主要是 $QAIT，這個我按頭了一些玩新幣的朋友，主要還是從籌碼、庄的動向來去判斷的，一開始 0.013 買了 20k 後面陸續價位附近捕到 30k，沒有繼續買多主要是有個狙擊大哥到現在都沒出貨，我怕他心情好澆滿頭給我，我預計 0.03 附近開始多出一點。總之 Alpha 新幣機會真的很多，沒時間的人我覺得玩好 Alpha 新幣就很夠吃了。 另外二級還有上個月文章談到的 $Aster ，運氣好被 $BNB 帶起來了，這邊我決定波段了，我感覺好時機還沒輪到他，之後繼續接回來。然後昨天還有 $Ondo $BNB 短時間拉很多，這塊今天有新的逆向報告出來我就清掉了，也舔了不少，二級最近做的還挺順的，運氣可以，目前大持倉的現貨還有 ethereum:0x75231f58b43240c9718dd58b4967c5114342a86c ，現貨不怕。 除了繼續在 BSC 深耕之外，因為美股已經全數賣飛，因此只能想辦法在糞裡掏黃金多找機會了。這個月就嘗試了一些額外的賽道，例如寫了 Base Bnkr 的狙擊，很可惜太晚開始看 Base，時機很差，Bot 只盈利了一天後面迎來連續虧損就關機了，太晚看 Base 實在是可惜。 另外我也在關注 42 事件戰壕的機會，雖然這產品真讓人一言難盡，不過似乎也是有一些策略可以穩定獲利，第一版策略正在試跑中，是盈利狀態，期待六月能帶來一些大好消息，各位兄弟可以多看看這邊的新機會一起競爭！ 六月份各位兄弟們一起加油！BNBChain 最近又稍微有點回溫了，估計這個月出個 3m 大金狗應該不難吧！先押注 $bStocks 了，目前我多號持倉多的就是它了 🤣 繼續在自己熟悉的領域多多掏金 🪏

這次古乃的活動，有人提到了「台灣魔咒」。 . 已經好久沒人提到這四個字，那是我們ForAVer剛開始做活動的時候，常常女優回去日本就宣布引退，所以就有人這麼說ー現在我們知道了，以前的女優沒那麼愛來台灣，那時候的中間人多半是以「引退前來台灣看看」、「就當做休假也好」為由說服她們，我們那時候沒太多指名女優的能力，所以才會有一些女優做完台灣活動後就引退了〜 . 我曾經非常在意這四個字，因為那讓我們變成了引退製造機，被外界認為誰來台灣誰就引退ー後來我們取得指名的主導權，再加上TAE及TRE兩大成人博覽會陸續舉辦，讓女優及事務所對海外活動愈來愈積極，自此之後就沒人再提台灣魔咒了： . 至於為什麼古乃又被講到台灣魔咒？當然是因為活動前她宣布即將在五月底引退，所以有骨灰級玩家想到了我們剛辦活動時的狀況(你要說慘狀也可以啦)：不過這次我沒有以前那樣不開心了，相反地，我非常感謝古乃小姐能在引退前來到台灣一趟讓大家可以好好和她說聲再見，因為從Blog寫到現在第18個年頭了，我們都明白女優真的是說消失就消失，很多人連好好說聲再見都是奢求⋯ . 所以和以前不一樣，現在只要聽說女優即將引退的消息，只要人氣夠旺，我們都會爭取合作的機會，沒有台灣魔咒，只有想讓女優和粉絲都能有個說再見的機會！ . #古乃ほの# #古乃穗乃# #FurunoHono# #Foraver女優商演經紀# @furuno_hono

也許我們每個人身上 其實都帶著一點瑕疵 就像我雖然個性不夠完美 但我依然真心對待每個人。 那些不適合的人事物、別再來傷害我 告訴自己不要再那麼容易心軟。 #一個人守著單獨的夜晚時沒人會知道# 推特回不了訊息 如果有人願意 可以來飛機找我聊聊嗎🔐💬

月經剛走真的好想要。 被沒有溫度的假屌玩到顫抖😰 太敏感真的很容易就達到那個零界點.. 最後加速真的讓自己去了..(///▽///) 一個人玩玩具還是不夠意思😭