该给 OpenClaw 降降温了。 如果你还没开始学，真不用太焦虑。 因为再过一两个月，你可能会发现： 很多现在被疯狂吹的部署技巧，很快就过时了。 说几个不太好听的现实。 1. 它确实吃算力 中等强度使用下来，每个月几百到一千多的成本并不夸张。 这个费用对真正有业务的人来说，可能能接受。 但对大部分普通用户来说，不一定愿意长期付。 2. 门槛依然不低 原生 OpenClaw 需要自己部署。 现在虽然有 Kimi 的云部署、智谱的本地部署，但对普通人来说，依然不是“点一下就能用”的东西。 本地部署还要考虑设备。 比如 Mac mini，原本几千块的机器，因为这一波需求，价格都被炒高了。 3. 最大的问题是：你到底用它干什么？ 这才是核心。 OpenClaw 好不好？ 当然好。 但好工具不等于每个人都需要马上冲。 真正能用起来的人，大多有几类： • 有业务的创业者 • 有稳定变现路径的副业人 • 程序员、产品、运营等互联网从业者 • 有时间、有预算，愿意给孩子做 AI 启蒙的家庭 说白了： 你如果没有明确业务， 也没有稳定变现方式， 只是因为大家都在喊“AI Agent 太强了”，就急着跟风， 大概率会发现： 钱花了， 时间花了， 最后还是不知道拿它做什么。 这波 OpenClaw 热度背后，每一方都有自己的利益。 大模型公司推广，是为了算力消耗和生态入口。 老板催员工学，是为了提高效率、降低成本。 自媒体天天讲，是为了流量。 那你呢？ 你的收益模型是什么？ 这是最该想清楚的问题。 AI 时代，不是越会折腾工具越赚钱。 而是越懂业务、越懂用户、越懂成交的人，AI 威力越大。 因为他们知道让 AI 去做什么。 不会做生意的人， 装再多工具，也只是多了几个玩具。 会做生意的人， 哪怕只用免费的豆包、Kimi、ChatGPT，也能把效率拉起来。 最近就看到一个例子： 有人没用什么复杂部署， 只是用免费 AI 工具辅助选品、写文案、做内容、复盘数据。 三八节期间，护肤美妆带货，普通人下班时间做，日销量破 3 万。 所以别被工具热度牵着跑。 你真正焦虑的，可能不是不会 OpenClaw。 而是还没找到一个能让 AI 帮你赚钱的具体场景。 先想清楚： 我有什么业务？ 我服务谁？ 我卖什么？ 我哪里重复劳动最多？ 我哪一步能被 AI 放大？ 这些问题没想明白之前， 别急着追每一个新工具。 AI 的核心不是部署。 是变现。

6.11梭哈晨报： 最近的行情实在是太好玩了，昨天cpi出来砸了，开盘后反倒拉了，赶紧跑完所有睡觉了，给机会不跑那不是要当傻逼吗😂，人人都说spacex不吸血，人人都跑了资金去打spacex到底吸吗？ 1. bitcoin:native 还算好，没跟着美股暴跌，永远的60000保卫战？ 2. ethereum:native Tom Lee继续加仓，想不到还有谁在车上了； 3. solana:So11111111111111111111111111111111111111112 还是没找到自己发展的道路，太傻逼了基金会； 4.Gensyn 基金会：因内部管理操作，未来几天将把大量代币转移到新钱包； 5.Hedgeye 计划推出 HBIT 对冲型比特币 ETF； 6.Tom Lee 再次力挺以太坊，因供应收缩，BitMine 或仅需持有不超 5% 总量； 有钱有持仓被套牢，真的说话就是硬气； 7.PiggyBank披露LAB基差交易操纵事件损失细节，将补偿受损用户； 大聪明真的是大聪明； 8.Netomi CEO：价值5万亿美元的AI客户体验市场或会提振稳定币需求； 还好和加密货币无关； 9.日本游戏公司Enish亏本清仓比特币，并将资金战略转向Solana生态质押； 这不是纯粹的脑残吗？ 10.Anthropic CEO 呼吁美加强前沿 AI 监管； 狗日的自己现在top1，就要强制监管别人了； 11.Raydium：已停用AMM程序遭攻击，134万美元全部损失将由财库承担； 好久没听见ray的消息了，自从meme summer结束后； 12.美伊凌晨发生海上冲突，伊朗对所有船只关闭霍尔木兹海峡； 终于打起来了，别又是开玩笑的啊； 13.Curve 通过 Llamalend v2 升级改变 DeFi 借贷模式； 每次都要被人拯救的sm玩意； 14.美股三大指数集体收跌，HOOD涨超3.28%，赌 $ORCL 财报的兄弟爽死了，怒吃-10%； 15.美媒：特朗普向伊朗提出两项额外要求导致协议推迟达成； 16.特朗普回应最新通胀数据创去年9月以来新高：我爱通胀； ------------- 继续耐心耐心耐心等待机会吧，不要那么急撒，周五的spacex上了，下周都是机会吧，实在不行担心就一点点进吧。 #Bitcoin# #Ethereum# #Solana# #Crypto# #NASDAQ#

强烈推荐大家看看DeepMind CEO Demis的最新判断。 真的，Google DeepMind 的 CEO Demis Hassabis 每一期访谈我觉得值得都花时间看看。这哥们讲东西很实在，而且通俗易懂。 早上边跑步边听完了他和 YC CEO Garry Tan 的最新一期播客。 刚刚把笔记写完，也给大家分享下。 多说一句，好多人问我这种笔记是不是 AI 写的。我说下自己的流程。 我会先完整听完播客，然后用语音输入法把感触尽量充分地讲出来，再让 AI 帮着整理初稿，最后自己逐字修改优化。 如果全部交给 AI 做总结，那等于把思考和理解的能力让渡给了 AI，对自己理解这件事其实没有任何价值。 OK，咱们进正题。 1 Demis 的态度非常明确，现在的大模型范式（大规模预训练 + RLHF + CoT）一定会是 AGI 最终架构的一部分，他不认为这会是条死路。 但要实现 AGI，还有几个关键问题要解决。这几个问题包括：持续学习、长程推理和记忆系统。 先从最容易看到的现象讲起，Context Window。 现在大模型处理长信息，最常用的招就是把 Context Window 一直撑大。一开始 8k，后来 32k，再后来 100 万 Token。听起来很厉害，但本质上是暴力堆砌。 Context Window 其实就相当于人脑里的 Working Memory，工作记忆。人的工作记忆能同时装多少东西？心理学里有个经典数字，7 个左右。背电话号码能记住 7 位上下，再多就溢出了。 大模型呢？已经做到 100 万 Token。 按理说，模型的工作记忆比人大几十万倍，应该比人聪明几十万倍才对。但显然不是。 问题也恰恰就出现在这。把所有东西都塞进 Context Window 里，里面包含了不重要的东西、错的东西、过时的东西。看起来信息很多，其实是一团乱麻。 那人为什么 7 个数字的工作记忆就够用？ 因为人脑背后还有另一套机制在工作。我们记得几年前的事，记得童年的事，记得几小时前发生的事。这些都不塞在工作记忆里，而是另一套系统。 具体来说这套系统是海马体，大脑里负责把新知识整合进已有知识库的那个部分。 研究发现，人睡觉的时候，特别是 REM 睡眠阶段，大脑会重放白天重要的片段，让大脑从中学习。新东西在睡觉的过程里，温柔地融进了旧的知识体系。 这个把新东西融进旧知识库的过程，就是持续学习。 模型现在没有这套机制。每一次对话结束，刚学到的东西就会忘记。下次重新打开，还是上次那个模型，没长进。 2 再聊聊长程推理的问题。英文表达是 Long-term Reasoning。我翻译为了长程。 长程推理这个词太抽象了。Demis 讲了一个特别具体的故事，听完会立刻明白他说的是什么。 他说自己喜欢跟 Gemini 下国际象棋。下棋的过程里能看到模型的 thinking trace，也就是它在那里到底想了什么。 然后他发现一件怪事。 模型考虑一步棋的时候，思考链里清清楚楚写着，这步是个昏招。但接下来，它没找到更好的走法，于是又走回这步昏招。 明明知道是错的，还是把错的那一步走出去了。 这个细节比任何 benchmark 数据都说明问题。因为它暴露的是模型缺少对自己思考过程的某种内省能力。 正常人下棋，意识到一步是昏招之后，脑子里会有一个反应，停一下，再想想。停一下、再想想这个能力，模型现在没有。它能在每一步局部判断对错，但没法基于整盘棋的局势去调整整体策略。 这就是长程推理还没搞定的样子。模型可以一步一步往前走，每一步看起来都合理，但走到后面整盘棋的方向其实是错的。它没有那种退回到当前思考的上一层、重新审视一下的能力。 说到底，模型缺的是一种内省。 3 学习、长程推理、记忆，这是 Demis 在播客里点出来的三个 AGI 鸿沟。 除此之外，他还反复提到了创造力。 2016 年 AlphaGo 跟李世石下棋，第二局走出了著名的 Move 37。那一步棋走出来的瞬间，全世界的围棋高手都看呆了。 所有人类几千年下围棋积累的经验都告诉它不该下那里，但 AlphaGo 下了。下完之后大家发现，是一步神来之笔。 很多人觉得，这就是 AI 的创造力来了。 但 Demis 说，对他自己来说，Move 37 只是起点。他真正想看到的是另一件事。AI 能不能发明围棋这件事本身。 这两件事的区别非常关键。 Move 37 是在围棋这个现成的规则里，找到了一步人类没想到的招。但围棋的规则、棋盘的形状、黑白子的对弈方式，是人类发明出来的。AI 在已有的框架里非常厉害，但能不能自己造一个框架，是另外一回事。 Demis 给了一个具体的设想。 如果给 AI 一个高层次的描述。造一个游戏，五分钟能学会规则，要好几辈子才能精通，棋局有审美，一下午能下完一局。AI 能不能根据这个描述，自己倒推出围棋？ 目前做不到。 为了把这件事讲得更清楚，Demis 还提了一个测试，他自己叫爱因斯坦测试。 用 1901 年人类已有的全部知识训练一个模型，看它能不能在 1905 年那个时间点，自己推出狭义相对论。 爱因斯坦在 1905 年那一年里，连写了几篇改变物理学的论文，后来叫爱因斯坦奇迹年。那些工作不是从已有的物理学论文里通过拼接得到的，是基于已有材料做了一次全新的概念跳跃。 爱因斯坦测试想问的就是这件事。AI 能不能做这种跳跃。 目前的大模型主要在做两件事，pattern matching 和 extrapolation。一个是从大量数据里找规律，一个是把规律往外延伸一点。但发现新东西需要的是类比推理的能力。从一个领域里抽出深层结构，搬到另一个全新的领域去用。 这个能力，模型现在还没有。也可能是有，但用法不对所以激发不出来。 4 除此之外，Demis 还分享了一个让我特别出乎意料的判断，他说未来 6 到 12 个月，真正的价值不在更大的模型，在更小的模型。 这一部分内容我反复听了好几次，确实突破我的已有认知。 不知道大家的想法，反正我自己，这一年来并没有怎么关注小模型的进展。毕竟行业的焦点就是把模型做大嘛。 那小模型的价值到底在哪？ 最直接的是成本。同样一个任务，小模型的推理价格可能只是前沿模型的十分之一甚至更少。 但 Demis 说，比成本更重要的其实是速度。 这里有一个前提得先说清楚。Demis 不是在说速度可以替代智能。 他的原话是，当小模型的能力已经达到前沿模型的 90% 到 95%，也就是已经相当不错的时候，剩下那 5% 到 10% 的能力差距，比不上速度带来的好处。 比如现在工程师用 AI 写代码，已经形成了一种新的工作节奏。一个想法冒出来，几秒之内就能看到结果，不行就改，再不行再改。 这个一改再改的循环跑得越快，做出来的东西就越好。如果每次调用都要等十秒，整个工作流就被打断了。 更关键的是，快到一定程度，工程师在这种节奏里能进入心流。一个想法、一次尝试、一个反馈、再来一个想法，思维不被打断。 这件事写过代码的人都懂，进入心流和频繁掉出心流，产出的差距是数量级的。 Agent 也是同样的逻辑。一个 Agent 跑完一个任务可能要调几十次模型，每次慢一秒，整个任务就慢一分钟。慢到一定程度，Agent 就从一个能用的东西变成鸡肋。 小模型不是大模型的廉价替代品。有些事只有小模型能做。 比如手机、眼镜、家用机器人，需要的就是一个能在本地跑起来的模型。本地跑除了反应快，还有一个特别重要的好处，隐私。 家里机器人看到的视频、听到的对话，全部在设备本地处理，根本不上云。这件事对很多用户来说不是加分项，是底线。 成本、速度、边缘部署，这是小模型的价值。 5 讲完小模型的价值，接下来一个更关键的问题是，能力被压到这么小的参数里，会不会有上限？ Demis 的判断是，目前没看到信息密度有任何理论上限。小模型的智能天花板还远没看到。 支撑这个判断的，是 DeepMind 在蒸馏这件事上的积累。蒸馏简单说就是先训练一个超大的模型，然后用这个超大模型去教一个小模型。教完之后，小模型用极少的参数，能复现原来 95% 以上的能力。 为什么 DeepMind 这么重视蒸馏？因为要把 AI 能力放进谷歌的头部产品中，前提是低延迟、低成本。前沿模型再强，每次推理花几秒钟、花几毛钱...这条路，恐怕很难走得通。 一个前沿模型发布之后，6 到 12 个月内，他们就能把这个模型的能力蒸馏到边缘设备能跑的小模型上去。这个时间表比很多人想的要快。 在很多场景中，小模型和大模型会相互配合。 举个例子，一个端到端的智能助手，绝大部分日常任务在本地的小模型上跑。智能眼镜看到的画面、家里机器人听到的对话、手机里的私人助理，模型直接在设备里读懂，不需要往云端传一遍。 只有遇到特别复杂、本地搞不定的问题，才向云端的前沿模型发起请求。 也就是说小模型在边缘做主力，前沿模型在云端做后援。 不过，这个构想对小模型的要求也比较高，它不能只会处理文字，还得能理解物理世界。 这就是为什么 Gemini 从一开始就坚持多模态，不光处理文字，也处理图像、视频、声音。 一开始这么做比只做文本要难得多，但眼镜也好，机器人也好，需要的是一个能看懂周围世界的模型，不是一个只会聊天的模型。 讲到这里，小模型这条路的轮廓就完全清楚了。它独立成立，不是前沿模型的廉价替代品，而是另一条同样重要的路。 嗯，很有启发。

想了解大语言模型到底是怎么工作的，找到的资料都太过于学术看不懂，或者说的太浅只讲概念，就没一个从头到尾讲清楚的内容。 无独有偶，看到 how-llms-work 这个项目，把大模型的完整流程做成了一个可视化交互网页，内容基于 Karpathy 的经典讲座整理。 从网页数据采集、分词、神经网络训练，一直到推理生成、后训练对齐，每个阶段都有直观的图示和解释，一页看完整个流程。 GitHub： 还涵盖了幻觉问题、上下文窗口、检索增强生成等进阶话题，帮我们理解模型的能力边界和实际应用方式。 想搞明白大模型从训练到对话的全过程，又不想啃学术论文，这份教程值得花十分钟看一遍。

继续看空 $MU 大概率会先跌到600附近再说 下面是我看了一下他的财报找到的一些巨大的问题 1 存储芯片（Memory）本质上带有强烈的大宗商品（Commodity）属性。现在的暴利是因为全行业产能还没完全释放。一旦三星、SK海力士的产能全部开足，或者 AI 资本开支稍微放缓，芯片价格就会像滑梯一样崩塌。这种靠“价格周期”堆出来的暴利，在华尔街眼里天然带有“不可持续的水分”。 像不像矿机一开始卖的时候，回本周期100天，然后。。。后面的故事你都懂的 2 美光正在疯狂烧钱建厂。它预估全年的资本开支将超过 250 亿美元，且下一年还要继续加大投入。这东西折旧未来到底怎么算，会不会戴维斯双杀？ ps：如果ai进入ds引领的后半场精细化运营，不需要这么多基建了呢？ 3 幽灵订单： 在过去每一次存储周期的顶点，下游客户（如服务器厂商、PC/手机厂商）因为害怕缺货，往往会向各大存储厂重复下单（Double Ordering）。一旦发现市场降温，客户就会开始砍单。 ps：讲个笑话，当年跟公司去ipo的时候，投资人累计报的单子超购5倍了，结果真到付钱的时候····刚刚吃完一倍，上市就跌了··· ps2:砍单固然有违约金之类的，但实际这里你卖的仅仅是一张贵一点的option罢了 4 罢工隐忧，美光全球员工中位数薪酬：约 $58,461 美元 / 年（折合人民币约 42 万元）。 美国本土员工的实际薪酬： 如果单看美光在美国博伊西总部或研发中心的资深工程师，人均年薪普遍在 15万 至 25万美元 以上（包含基本工资、奖金和 RSU 股票激励）。 虽然没韩国那么刚的工会·····但是有钱了怎么分永远是考验企业的一道难题

纪委到底是怎么突破被留置人的心理防线的？ 认识一个喜欢装硬汉，他被判了三年，经常吹牛当年在纪委什么都不说，结果我楼下邻居告诉我：我纪委退休的，别听他吹牛，进去一秒都没有耽误马上交代了~ 因为腐败分子根本就没有意志坚定的！ 你要真意志坚定，又怎么会抵抗不住诱惑? 有幸参观过一次负分贝房间，我进去的一瞬间，感觉就是，问我什么我说什么，延迟一秒都是对这个房间压迫感的不尊重，说完了赶紧把我放出去… 当然，我去参观的那个负压房间只是做实验用的。房间内部的墙壁都是特殊造型，我进去还没关门，就已经能听到自己的心跳声了 据说牛一些的，待里面能清楚的听到自己关节的摩擦声和血液流动的声音… 有网友就说，好几个战友转业就在纪委，人家其实很忙的，尤其是近几年，动不动就倒查十年二十年，搞的经常加班。但大部分被叫去谈话的也没啥大问题，证据一摆自己就有数了，赶紧配合工作交待了完事，最多给个处分而已，真正需要斗智斗勇的很少，但有一个算一个都是大鱼。 像文中这种情况，八成是身边有人出问题了，有枣没枣打两杆子，顺带找他问问话~ 一般都是巡视巡察挑了几个小毛病当做线索移交纪委了，现在纪委是有线索必须要处置。 并且纪委有好几级的谈话，日常诫勉谈话也是他们工作的重要部分。 现实中我党很多干部都是很清廉很有理想抱负的，尤其是现在，清廉的越来越多了。 新世纪以来，大多数家庭本身的家庭条件就好，不是以前那些从小穷怕了的了。我去年因为一点事找到律师，律师说现在大城市检察院和法院的基本没办法通过钱去撬动了，提心吊胆，不如本本分分地过日子，心里面舒坦。甚至有些领导本来就是富二代，恨不得自费上班… 以前总认为公道在人心，但人心的本质却是趋利避害、自利为本的。脱离了人类的低级趣味，符合天道就好，活着的时候只做有利于劳苦大众的事，不做满足个人利益的事，死后交给老天任由老天处置，不需要哪个人的感恩，天道无情什么都不需要。

窗外雨声越来越大，风把雨点砸在玻璃上，啪啪作响，像无数手指在敲打。房间里只开着电视的微光，我和他在被窝里窝着，小猫懒懒地趴在我小腿边，打着呼噜。身上还带着刚洗完澡的沐浴露香气，淡淡的果香混着他的体味。 我们本来想挑部电影看的，他一只手拿着遥控器，另一只手和我十指相扣。我能清楚感觉到他掌心脉搏一下一下跳，稳稳的，却又带着点热。他的大拇指在我手背上慢慢摩挲，越摩越慢，像在暗示什么。 我转头看他，他眼睛黑黑的，盯着我看了一会儿，突然凑过来吻我。吻得很慢，先是嘴唇贴着嘴唇，然后舌头轻轻顶开我的牙关，缠进来。我闭上眼回应，身体往前贴了贴。 他的手从被子下面伸进来，先隔着睡裙摸我的腰，然后往上，掌心直接覆上我没穿胸罩的胸。手指轻轻揉了两下，找到乳头，隔着布料捏住，慢慢转动。我鼻子里发出细细的哼声，乳头很快就硬了，胀得发麻。 他把睡裙拉起来，露出整只乳房，低下头含住一个，舌头在上面打圈，吸得啧啧响。另一只手继续揉着另一边，乳头被他捏得又痛又爽。我伸手往下，隔着他的裤子握住已经硬起来的性器，隔着布料上下套弄了两下，能感觉到它在手心跳。 他喘了口气，声音低低的：“好硬……” 他的手往下摸进我内裤，指尖先碰到我已经湿湿的阴唇，轻轻分开，顺着缝隙往下抹。我腿自然地张开一点，他中指找到阴道口，慢慢插进来，只插了一半，就被里面湿热紧致的肉壁裹住。他抽出来，又插深一点，这次两根手指一起进去，慢慢抽插，带出水声。 我咬着下唇，腰轻轻往上顶。他的手指在里面搅动，偶尔弯起来刮我的前壁，每一下都让我腿发软。 他把被子掀开一点，身体往下移，亲着我的小腹一路往下。内裤被他拉到一边，他的舌头直接舔上我的阴部，先是宽宽地舔过整个阴唇，把流出来的水都卷进去，然后舌尖找到阴蒂，快速打圈，吸住轻轻吮。 “啊……嗯……”我忍不住叫出声，手按在他头上。舌头又热又软，舔得又快又准，我下面越来越湿，淫水不断往外冒，被他舌头舔得黏黏的。他把舌头伸进穴口，往里顶几下，又抽出来专攻阴蒂。我的腿抖得厉害，高潮像潮水一样往上涌。 突然他抬起头，嘴唇湿湿的，爬上来吻我。我能尝到自己身上的味道。 我推他躺平，自己坐起来，跨在他腰上，拉开他的裤子。他的性器弹出来，又粗又长，龟头已经湿了。我握住根部，低头张嘴含住，先是舌头在龟头上来回舔，尝到那点咸味，然后慢慢往下吞，含到一半就停住，用舌头在下面卷动，一手握着上下撸，一手轻轻揉他的蛋。 他喘了好几声，手按着我的头发，却没用力，只是跟着我的节奏。我吸得更深一点，喉咙里发出湿湿的声音，口水顺着他的鸡巴流下来，弄得他整个下身都湿了。 “够了……我受不了了。”他声音哑得厉害，拉我起来，让我跪在他身上。 我自己扶着他的鸡巴，对准下面慢慢坐下去。龟头先挤开阴唇，慢慢撑开穴口，一寸寸滑进去。里面被撑得满满的，又热又胀，我咬着唇，一口气坐到底，让他整个没入。 “……好深……”我低声说，双手撑在他胸口，开始慢慢上下动。每次坐下去，都能感觉到他顶到最里面，摩擦着敏感的地方。淫水顺着他的鸡巴往下流，弄得我们连接的地方湿滑一片。 他双手握住我的腰，帮我加快速度，一上一下地操我。他的鸡巴又硬又大，在里面进进出出，发出黏腻的水声。我的乳房随着晃动，他抬头含住一个乳头吸，另一只手伸到前面，拇指按着我的阴蒂揉。 快感越来越强，我腰软得不行，趴在他胸口喘气。他突然翻身，把我压在身下，鸡巴没出来，直接从正面继续插。被子盖在我们身上，他跪着，双手撑在我头两侧，腰用力往下顶，每一下都又深又重。 “啊……啊……”我叫得越来越大声，腿缠在他腰上，让他插得更深。雨声很大，但我们身体撞在一起的啪啪声和水声还是很明显。他低头吻我，舌头伸进来和我缠在一起，动作却没停。 他突然加快速度，鸡巴一下一下猛顶，撞得我子宫口发麻。我感觉里面一阵阵收缩，高潮来得特别猛，阴道死死夹住他的鸡巴，淫水一股股往外喷。我全身发抖，脚趾蜷紧，叫声都变了调。 他也快了，喘着粗气，最后十几下又快又狠，然后身体一僵，鸡巴在最深处跳动，滚烫的精液一股一股射进我里面。我能清楚感觉到那股热流在里面扩散。 他射完没立刻拔出来，就压在我身上喘气，鸡巴还半硬着在里面。我们就这样贴着，汗和淫水混在一起，黏黏的。他的心跳撞在我胸口，我的手还扣着他的，手指能感觉到他脉搏慢慢平复下来。 小猫不知道什么时候又跳回来，趴在我们腿边，继续打呼噜。窗外雨还是很大，风偶尔刮得玻璃响。我们没开灯，也没继续看电影，就这样抱着，听着雨声，慢慢安静下来。 他的鸡巴慢慢软了，从我体内滑出来，带着精液和淫水的混合液体流出来，弄湿了大腿根。我懒得动，就让他抱着我，脸埋在他颈窝，闻着他身上的味道。 雨一直下着，我们就这样在被窝里，慢慢睡过去。