近日，网传美团开启大裁员，裁员比例高达50% (未证实) 有员工在脉脉上抱怨，这波裁员实在狠了，就连美团的基本盘外卖事业部都要大范围裁员。现在每个人都惶恐不安，大范围失业将会造成社会恐慌，希望国家能出手管管。 其他大厂的员工评论：“失业了送外卖的时候会后悔自己当初编的那一套压榨算法吗？” “毕业季要来了，政府鼓励招聘应届生，还会给补贴，企业顺便腾笼换鸟降低成本，而且应届生工资还低”

过去几小时,部分投资群里疯传一篇「突发」新闻： 说特朗普 7 月 17 日晚会紧急全国讲话，对华全面封锁，芯片永久断供、100% 关税、制造业半年清退....被解读成中美经贸彻底脱钩的决策。 还署名路透社、彭博、华邮、CNBC 同步独家快讯？ 小编跑去挨个查了这四家媒体。 首先，讲话确实有，但已经讲完了。美东时间 7 月 16 日晚 9 点，也就是北京时间今天上午。内容是特朗普推选举改革法案。没有提到任何芯片和关税的话题。 其次，路透社讲话前的预告原话是「可能会讨论到中国」，说的是选举干预的语境。 传到社交媒体就变成了「中国是核心」，传进中文互联网变成「重大对华政策」，到投资群变成「芯片彻底脱钩」的恐慌... 显然当大家都亏麻了，任何消息传出来都像惊弓之鸟，加速了恐慌和担忧的情绪。

Ashley Aixi #艾𤋮# Joanna Wei #魏喬安# 二位寶島AV女優，曾經亮相麻豆傳媒，終於衝出華語市場，進軍美歐市場！艾熙穿上藍色比堅尼，魏喬安則穿上黃色，首次合作在西班牙渡假酒店，拍攝這部二女侍一夫的戲碼！只感覺她倆比以前更動人，更勾魂！男主角堪稱「大鳥」相得益彰‼️

每次 $BTC 横盘，meme就开始骚动，这次也不例外 $DOGE 上周涨了9%，带头冲出来， $SHIB 、 $PEPE 跟着蠢蠢欲动，部分TRUMP和GME题材的新meme直接飞了 300%+ 现在DOGE报 $0.1143，今天微涨 1%，PEPE和 SHIB在高位小幅整理，还没崩，但动能明显弱了 这背后有一个很经典的资金轮动逻辑： BTC稳住 → 机构资金进主流alt → 散户资金找弹性更大的标的 → meme coin 接力。每一轮大行情的尾段基本都是这个路径，这次也在按剧本走 但meme始终是赚快钱的的击鼓传花，只能快进快出，适合枯坐的P小将。涨的时候谁都能说一堆叙事，什么社区文化、DOGE 支付、SHIB生态，但归根到底就一件事，有没有下一个接盘的人 现在追已经是高位了，这波轮动的早鸟在上周就进了。如果真的想参与，等一个回调确认支撑再说，拿着止损进，别裸奔。最怕的是看着别人赚了300% 然后在顶部冲进去，那才是meme擅长收割的那批人 meme 永远会有下一波，但每次下一波开始之前，都会有一段套牢期先清场 别 FOMO，等机会 DYOR 非投资建议

我翻完小红书Red Skill最新的Top15数据后背有点发凉,这根本不是什么小功能测试啊。 5月份归藏第一个把PPTSkill传上去的时候,详情页显示只有6个人用,当时我就说这是个大事件,不少人还觉得我小题大做,说什么一个种草APP搞点AI功能蹭热度而已,折腾不出水花。 结果7月3号小红书官方两个更新就甩出来了,直接把所有质疑给打没了。 先是格式全放开,之前还只支持txt和md,现在py/js/html/c++/sql甚至数据库文件全能传,不是只能写提示词给Agent读,是真能跑完整代码做完整功能。 再就是另一项 vibecoding 内嵌交互小工具内测将在下周三上线,发笔记时挂上组件,用户刷到不用复制口令跳本地Agent,半屏就能调,全屏能交互,点一下直接分享到微信,那个记录奶茶口味的小工具Brewwww,上线没多久就有一万多人用。 数据是不会骗人的,现在排行榜第一的「菜菜的人生系统」,32.6万曝光,4万多人次使用,第二名的工作日程管理曝光量甚至更高。 而且说实话，这些作者要是把同样的Skill传到GitHub,绝大多数人攒一整年都拿不到这个量级的真实用户。 以前大家以为AI Skill的分发中心,一定是GitHub，觉得普通人找AI工具,一定会主动搜索，甚至认为小红书这种生活方式平台,做不好技术产品分发。 现在看全错了。 GitHub是开发者主动找工具的地方,你有明确需求才会去,网络卡,门槛高,普通用户连门在哪都不知道。 而小红书是用户刷着刷着,正愁PPT做不完、周报写不动、公考复盘没方法,笔记下面正好挂着能解决问题的Skill,点一下就能用,上下文严丝合缝,连教育成本都省了。   我觉得小红书平台这步棋走的极聪明,它不拼大模型,不抢算力,就攥住「用户在什么场景下需要什么能力」这个分发入口,和当年App Store不做手机应用、只攥住应用下载入口的逻辑一模一样。 给真在做Skill的朋友四个现在就能用的反直觉判断: ● 别光传Skill就干等,一定要包成教程笔记,先讲痛点再秀效果最后挂组件,纯扔文件没人看,现在排行榜上的作者全是这么做的 ● 别上来就做什么通用大Agent,越垂直越爆,公考、剪辑、写广告、甚至记录奶茶,这些看起来不技术的场景,流量比通用类高10倍 ● 别嫌审核严不敢进,现在正是窗口,规则没卡死你先攒使用数据,等所有人都反应过来往里挤,算法的早鸟权重早就喂满了 ● 别天天想着卖Skill赚钱,Skill是杠杆,你用它产出比别人好10倍的内容,涨粉做IP接商单,比直接卖Skill赚的多100倍 我记得移动互联网刚起来的时候,所有人都在拼操作系统拼硬件,但最后拿走最大利润的,是先把全民应用分发跑通的那个。 现在Agent时代刚开个头,大家都在拼参数拼算力拼模型性能, 但等到回头看的时候,可能第一个把AI能力分发到普通人手里的,是当初所有人都觉得不务正业的那个种草APP啊hhh #redskill# #rednote# #skill# #小红书#

我小姨，干了件事，至今没人敢在她面前提。 她跟我姨夫结婚六年没怀上。查了，男的弱精，女的一侧输卵管堵了。医生原话，自然受孕概率跟你出门被鸟屎砸头差不多。 两人认了，从老家一个远房亲戚那儿抱了个女婴。刚满月，营养费两万二。 孩子抱回来第二个月，小姨妈开始吐。不是吃坏东西，是怀上了。 全家筷子还没从嘴里拔出来，她当天晚上就把女婴抱出卧室，说，这个退回去。姨夫说都抱来了，两个一块儿养不行？她说不行，自己有了，别人的不养。 第二天天没亮，她开车来回四个小时，把孩子退了。还从亲戚手里硬要回了八千块。回来的路上，乡下土路，坑跟脸盆一样大。车颠了一下，她当时肚子往下坠。 送医院。没保住。 后来村里传什么的都有。有说路太烂颠掉的，有说那八千块是买命钱。我小姨妈在床上躺了俩月，起来以后跟我妈说过一句话，我妈转述给我，我后背凉了。 她说：那孩子走的时候哭了一整夜。原来不是舍不得我，是知道我没到时候。 她后来再没怀上。 所以问你们：你身边有没有那种，把别人当备胎、用完就扔的人。后来那口气，顺了没有。评论区说一个。有些账，不在地上颠，就在心里颠。

⚽️比利时要复刻摩洛哥，被猛灌了！ 很多人热比利时，我不明白，35+老登阵容、主力后腰奥纳纳伤退、德布劳内带伤出战，这样一支残阵，能打火力全开的西班牙，你们是把全球身价第一的小马儿放哪了？ 西班牙本届世界杯除了对佛的脚轻敌打平，其它全胜。对弱队都是狂胜，只对葡萄牙、乌拉圭两个强队打出了1-0。葡萄牙不用说，实力接近西班牙。而乌拉圭全阵、年轻，明显强于比利时。 两队2016年最后一次正赛，比利时黄金一代全员满配，还是被西班打了个2-0。何况这次已经是退休阵容了。西班牙还多了个亚马尔，天生克制大巴防线。 比利时现在是无中场保护、纯被动死守，和昨天的摩洛哥一个鸟样。唯一的变数是比利时有神级门将库尔图瓦，身高2米。但本届世界杯仍然场均丢一球，何况今天这场奥纳纳报废了。 场面基本和昨晚差不多，会呈现一边倒的局势。不过，西班牙爱踢传控，没法国奔放，而且比利时的防反能力还是不错的。 所以这场比赛依我看，西班牙常规时间轻松胜出，净胜球至少一个。比分可走1-0，可防2-0、2-1。

【颱風“米克拉”致台灣多地淹水 民進黨被批不治水只會潑髒水】 受颱風“米克拉”外圍環流及西南氣流影響，全台出現強降雨，多地出現淹水災情。不料，積水迅速消退的台北市成綠營眾矢之的，災情更嚴重的高雄、屏東等南部縣市卻“無人問津”；台當局領導人賴清德更藉水患催審“總預算”，遭批滿腦政治算計。在民進黨“執政”下，這場水災正演變成一場荒謬的政治鬧劇。 6月25日，台北市降下短時強降雨，內湖區多處發生積水，水深甚至淹至成人大腿根部，部分山坡地更發生土石崩落，造成該區域20年來少見的大淹水。台北市長蔣萬安首當其衝，台北市政府則被質疑“調度緩慢”。 台北淹水災情很快演變成“政治攻防戰”。民進黨的議員、“立委”將矛頭直指蔣萬安，稱其施政無能、“市政神話破功”，親綠媒體隨之“帶風向”，“青鳥”（台灣綠營的激進支持者）則在社媒平台放話“這就是選蔣萬安的代價”，並為民進黨台北市長參選人沈伯洋造勢。據傳“深夜勘災”的沈伯洋本人更是“刷了一波存在感”，被綠媒直誇“看起來已經像台北市長”。 面對質疑，今天（26日）前往內湖勘災的蔣萬安回應，根據台北市各個雨量測站數據，在25日雨量排名前10的測站中，有7處都在內湖區，其瞬時雨量甚至超過100毫米，超出排水系統保護標準，造成積淹水災情，但也可以看到水排得非常迅速，代表市政府定期都有在做各項清疏工作。蔣萬安也表示，雖然積水很快消退，但仍為許多居民、店家帶來生活上的不便，“我們感同身受，也會持續檢討”，同時宣布只要符合災害救助標準，每戶最多可申請2萬元（新台幣，下同）救助金。 值得注意的是，全台多地發生淹水災情，台北內湖雖一度積水，但積水在1小時內就消退，但蔣萬安和台北市政府幾乎“霸屏”新聞版面；反觀淹水災情更嚴重的高雄、屏東、台南等南部縣市，卻得不到輿論關注。台灣網友直言：“為什麼只關注台北？”“青鳥看到綠色就眼瞎？” 不少輿論指出，這種落差背後，濃厚的政治操作意味不言而喻。年底選戰將至，蔣萬安作為藍營“明星市長”，民調持續領先民進黨參選人沈伯洋。曾有分析直言，除非蔣萬安“自己犯錯”，否則沈伯洋很難贏。 對此，藍營直指民進黨“不會治水，只會潑髒水”。國民黨“立委”陳菁徽批評，過去民進黨“在野”時，說治水責任在台當局，如今民進黨“執政”，看到水患卻只會見獵心喜，攻擊地方政府，完全是潑髒水、甩責任的政治操作。曾任中國國民黨發言人李明璇也發文質疑，綠營第一時間不是關心災情和後續的家園整理，而是“出征出征再出征”，“除了沒有人性，更沒有擔當”。 但最令人錯愕的，是賴清德的態度。賴清德25日聲稱，台當局總預算案還沒過，若發生災害，當局“拿什麼錢去救災”，遭台灣網友諷刺“有錢又怎樣，還不是要自己爬屋頂”。藍營也隨即反擊，痛批賴清德身為台灣地區領導人，竟帶頭製造恐慌，這不是負責任的防災態度，而是政治甩鍋。新黨台北市議員侯漢廷表示，全台淹水，民進黨卻只想到政治攻防，“值得唾棄”。 台灣《聯合報》指出，即使台當局總預算仍在審查，台當局仍可動支上年度已核准的經常性、延續性業務預算，目前台當局手上至少有147億元治水經費，救災工作根本不受影響。賴清德當過市長、“行政院長”，心裡比誰都清楚，如果不是從選舉攻防出發，何出此言？真相卻是，藍白放行治水等民生預算時，民進黨“立委”全數投反對票。如果台當局真的沒錢救災，民進黨才是元凶。 在台灣，民生議題政治化已不是新鮮事。淹水災情四起，當政客及輿論都忙於政治攻防而不是救災時，議題就已失焦。對此，台灣網友不由感慨：“以前不管哪裡淹水大家都是互相關心，現在淹水大家都是互相攻擊、嘲笑。這就是民進黨‘執政’十年帶給台灣人所謂的‘團結’。”（來源：香港新聞網） 詳情：

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。