我應該是第一次推廣我拍的片吧🤔 這是我與我妹 @banbiekissme 第一次合作🤤 劇情我覺得很不錯欸 請大家多多支持🙏 #請務必支持正版滴唷♥️# #剛剛內容有錯誤重發一次#

如果你经常使用豆包，这30条指令，让豆包写得比我还像人！（亲测有效，建议收藏，也适用于其他AI大模型） 别再骂AI写的东西像“机器人念经”了，别说豆包写的文章的AI味很重了！其实问题不在豆包，在于我们给她的指令到底像不像人味。 我见过太多人，对着豆包输入“写一篇职场文章”“写一个带货文案”，然后看着输出的干巴巴、冷冰冰、全是套话的内容，摇摇头说“AI根本不行”。 其实不是AI不行，是你根本不会给它像人的指令。 同样是用豆包，有人写出来的东西没人看，有人靠AI日更10篇，篇篇10万+，评论区全是“太真实了”、“说到我心坎里了”。 我的好友莉莉用豆包写了3个月内容，从一开始写啥都像机器，到现在我看她写的文章，都说“你写的东西比真人还真”。莉莉小姐姐则跟我说，她全靠整理的这30条“拟人化指令”。 今天我把她深藏的30条拟人化的指令，毫无保留分享给大家，只要复制粘贴，你也能让豆包写出有血有肉、有情绪、有温度的文字。 先搞懂一个核心：为什么AI写得不像人？ 答案很简单：你只告诉了AI“写什么”，却没告诉它“以什么身份写、用什么语气写、写给谁看、要达到什么效果” AI是个超级听话的执行者，但它没有自我意识。你给的指令越模糊，它写出来的东西就越通用、越没有灵魂。 反过来，你给的指令越具体、越细节，它写出来的东西就越像一个活生生的人。 下面精选出来的最常用、最有效的6大类30条指令，你可以直接拿去用。 一、身份代入指令：让AI变成“具体的人” 这是所有指令里最重要的一条，没有之一。 不要让AI当“万能专家”，要让它当一个有年龄、有职业、有经历、有缺点的普通人。 ✅ 直接复制用： 1. 请你扮演一个在工厂打工10年的70后大叔，用你朴实的语言，写一篇关于攒钱的文章，不要讲大道理，只说自己的真实经历。 2. 请你扮演一个刚辞职创业失败的95后女生，用你和闺蜜吐槽的语气，写一篇关于创业踩坑的帖子，情绪可以低落一点，但不要太消极。 3. 请你扮演一个退休在家带孙子的60后阿姨，用你唠家常的口吻，分享3个带娃的实用小技巧。 4. 请你扮演一个月薪5000的北漂打工人，写一篇关于周末宅家的日常，加入吃泡面、追网剧、不想上班这些细节。 心得：用了身份代入后，文章的评论率直接提升了3倍。读者喜欢看的不是专家的说教，而是和自己一样的普通人的故事。 二、语气风格指令：写出不同的“说话感觉” 同样的内容，用不同的语气说出来，效果天差地别。 ✅ 直接复制用： 1. 用“过来人语重心长”的语气，给刚毕业的大学生提5个忠告，不要说教，要像哥哥姐姐一样说话。 2. 用“怼人不带脏字”的语气，反驳一下“年轻人就该多加班”这个观点，要犀利但不要骂人。 3. 用“碎碎念”的语气，写一篇关于女生出门前的准备工作，加入各种纠结和小抱怨。 4. 用“严肃认真”的语气，写一篇关于食品安全的提醒，要让读者感觉到事情的重要性。 5. 用“幽默搞笑”的语气，写一篇关于减肥失败的经历，让读者看了能笑出声。 三、细节填充指令：让内容“有血有肉” AI写的东西空泛，最大的问题就是没有细节。 人会注意到豆浆的温度、油条的酥脆声、老板递餐时手上的油渍，而AI不会，除非你告诉它。 ✅ 直接复制用： 1. 在描述场景的时候，加入视觉、听觉、嗅觉、触觉的细节，比如饭菜的香味、下雨的声音、风吹在脸上的感觉。 2. 不要只说“我很开心”，要通过动作和神态来表现，比如“我激动得跳了起来，手里的奶茶都洒了一半”。 3. 在文章里加入1-2个具体的小例子，不要全是理论。比如写省钱，就写“我昨天买青菜，对比了三家超市，最后省了5毛钱”。 4. 加入一些生活化的口语和语气词，比如“哎”“对吧”“说实话”“你懂的”，但不要太多。 四、情绪共鸣指令：写出“真情实感” 能打动人的永远是情绪，而不是道理。 ✅ 直接复制用： 1. 在文章开头加入一个自己的亲身经历，引出主题，让读者一开始就有代入感。 2. 在描述困难的时候，加入一点无助和委屈的情绪；在描述成功的时候，加入一点喜悦和感慨。 3. 不要写完美的人，要写有缺点、会犯错的人。比如“我当时也犯了一个很傻的错误，现在想起来都后悔”。 4. 在文章结尾，说出大多数人心里想说但没说出来的话，引发共鸣。比如“其实我们努力工作，不是为了大富大贵，只是为了能过上普通人的生活”。 五、平台适配指令：专门写给头条用户看 不同平台的用户喜好不一样，指令也要跟着变。 ✅ 头条专属指令： 1. 按照头条爆款文的结构写，开头用痛点引入，中间分3-5点，每点配一个真实案例，结尾引导评论互动。 2. 标题要包含数字和结果，比如“我靠这3个方法，一个月涨粉1万”。 3. 段落要短，每段不要超过3行，手机阅读体验好。 4. 多用加粗和小标题，突出重点，让读者一眼就能看到核心内容。 5. 结尾一定要加一个互动问题，比如“你有没有过这样的经历？评论区聊聊”。 六、改稿润色指令：把“机器文”变成“真人写的” 如果你已经有了一篇AI写的初稿，用下面这些指令，一键改成真人风格。 ✅ 直接复制用： 1. 把下面这段文字改得像一个普通人在分享自己的亲身经历，去掉所有书面化的表达和专业术语。 2. 把这段文字里的所有“笔者”“我认为”改成“我”，加入一些口语化的词，让它更自然。 3. 给这段文字增加一些细节和情绪，让它更有感染力。 4. 把这段长文拆成短段落，加上小标题，适合在头条发布。 最后说几句： 真的，AI不是洪水猛兽，它是普通人最好的工具。 以前写一篇文章要花3个小时，现在用对指令，10分钟就能搞定，而且质量比自己写的还好。 不要再说自己文笔不好、不会写东西了。在这个时代，会用工具，比会写文章更重要。 你平时用AI写东西遇到过什么问题？评论区说说。

涂涂姐教你约会系列第十二期-在小红书每天有10万个女生在等你安慰 为什么说是"小红书"？ 四个底层逻辑告诉你为什么 逻辑1：小红书是2026年**"女性emo流量第一池"** 兄弟们，先看一组数据： 小红书月活：3.5亿，女性占比70%。 每天"emo""一个人""分手""孤独"相关帖子量：50万+。 其中25-32岁的女性占68%。 什么意思？每天有30万个25-32岁的都市女性，在小红书上公开发"求安慰"的帖子。 她们要的是什么？不是涨粉、不是变现，是"一个陌生人懂我"的瞬间。 这就是流量密码——女人用公开发帖的方式，完成了"主动筛选合适男人"的过程。 逻辑2：发emo帖的女生，心理防御等级最低 兄弟们，记住一个心理学原理： 当一个人公开"示弱"的时候，她对外界温暖的接受度会瞬间提高300%。 她在朋友圈不敢发的话，在小红书匿名号上敢发。 她跟闺蜜不能说的话，对一个陌生网友能说。 因为陌生人没有评判她的资格，也不会传播她的隐私。 这就是"线上猎场"最大的优势——零防御。 逻辑3：文字技术，比颜值、身材、钱都管用 线下搭讪，你需要：颜值5分以上 + 穿搭得体 + 临场反应 + 一定经济实力。 线上聊天，你只需要——会写字。 姐告诉你一个真相：90%的男人不会写"高质量文字"。 他们会写的是： "在干嘛？" "吃了吗？" "你好漂亮" "美女加个微信好不好" 而你只要会写"高情商共情文字"，你就是这个赛道的'神'。 逻辑4：可批量化，ROI最高 线下追一个女生，至少要花2-4周、500-3000块。 线上呢？ 同时挂7-10条线，每天花2小时回评论、私信。 3周内，至少能跑出1-2个"破防+加微信+奔现"。 这才是真正的"流量得吃"——把'追女生'变成'流量漏斗运营'。 兄弟们，重头戏来了。 普通男人在小红书撩妹的最大错误是——用"个人号"私信女生。 这是死局。 为什么？因为陌生男账号私信 = 直接进小红书"陌生人骚扰"过滤池。 正确打法：把自己包装成一个"小红书情感博主"。 姐给你3个**"零成本博主人设"**，直接抄： 人设A："刚分手的男生，用文字疗愈自己"（最优） 账号定位：30岁左右男性，长期感情结束，用写字疗伤 头像：一张侧脸/背影照，不露正脸 简介："写一些关于爱情的废话｜分手第127天" 内容：每天发1条"emo文学+短视频/图片" 为什么是最优？ 因为'刚分手的男人'对女生来说，是'安全且有故事感'的存在—— 她觉得你不会乱撩她、你也是同病相怜、你能理解她的痛。 人设B："心理咨询师/心理学爱好者" 账号定位：心理学相关从业者 头像：眼镜+书的特写 简介："心理学硕士｜亲密关系｜陪你走过低谷" 内容：心理学知识科普 + 个案分析 为什么有效？ 心理学这个标签，自带"专业感+无害感+权威感"—— 女生看到这个标签，防御直接归零。 人设C："独居生活博主（男版）" 账号定位：30+独居男性，记录一个人的生活 头像：手部+咖啡/书/夜景 简介："一个人住第7年｜咖啡｜读书｜偶尔的脆弱" 内容：独居日常 + 偶尔的"emo文学" 为什么有效？ 和女生的"独居"形成镜像共鸣—— 她看到你的账号会想："原来还有男人跟我过着一样的生活。" 实操SOP：从0到得吃的3阶段打法 🎯 阶段1：账号冷启动（第1-7天） 核心：你必须先成为"博主"，再去撩女生。 Step 1：注册新号 绝对不要用本人号。 注册一个全新的小红书账号，按上面3个人设之一进行包装。 Step 2：内容铺垫（关键） 前7天，每天发1-2条内容，不要私信任何女生。 内容素材姐给你3个万能模板： 模板1：emo金句配图 凌晨3点的城市最安静， 也最适合一个人想念。 但奇怪的是， 我已经记不清， 想念的到底是她， 还是那个被爱过的自己。 ——分手第N天 配图：一张夜晚街道/咖啡馆/窗外的图片。 模板2：心理学小知识 为什么我们总在凌晨emo？ 心理学上叫"夜间情绪反刍"—— 当大脑放松控制时， 那些白天压抑的情感会全部冒出来。 这不是矫情，是真实的生理反应。 你不是一个人。 模板3：独居日记 周日晚上， 一个人煮了一碗面， 配一杯红酒。 突然意识到， "孤独"和"自由"， 真的只有一线之隔。 你今晚一个人吗？ 关键点：每条内容都要有"钩子"——结尾抛一个问题，引导女生评论。 Step 3：评论区互动 前7天的核心任务——通过评论区，建立你的"高质量人设"。 不要在自己的帖子下回评论太多（看起来太low）。 正确做法：去其他热门"emo博主"的评论区，用你的"高质量回复"刷存在感。 话术示范： 看到一个女生评论"今天又在公司哭了一场"，你回： "在公司哭过的人，往往比那些没哭过的，更懂得温柔。 你扛过的，最后都会成为你的一部分。" 点赞数会瞬间暴涨。 这一招，姐告诉你，叫"在别人地里收割"——每条这样的回复，能给你带来5-15个新粉丝。 🎯 阶段2：精准捕捉"emo女生"（第8-21天） 核心：用算法+关键词，每天捞10个"高质量目标"。 高得吃率emo女生的"识别清单" 绝对不能撩的女生（直接放弃）： ❌ 粉丝>10000的女博主（防御等级满） ❌ 头像精修美女照（KOC，目的性强） ❌ 评论区下面带"广告/求合作"的（商人） ❌ 帖子配图全是网图（假博主） 绝对要撩的女生（重点目标）： ✅ 粉丝<500，头像是侧脸/风景/手部 ✅ 帖子带"凌晨""一个人""失眠""分手""为什么"等关键词 ✅ 配图是真实的生活场景（窗外、咖啡、夜景） ✅ 文案>200字，且有明显"自我对话"感 ✅ 帖子下评论<20条（说明她还没被"舔狗"包围） 这种女生，姐告诉你，就是"完美猎物"——孤独、脆弱、未被打扰。 每日蹲点策略 用关键词搜索： "凌晨emo" "一个人住" "为什么我总是失眠" "分手后第N天" "30岁还没结婚" "周末一个人" 蹲点时间： 晚上11点-凌晨2点（emo高峰期，新帖最多） 周日晚上（"周一焦虑症"爆发期） 每天捞10个目标，进入下一阶段。 🎯 阶段3：核武器评论+私信（第22-45天） 核心：用"高情商评论"破冰，用"私信"完成转化。 Step 1：评论区破冰（公开操作） 绝对不要在公开评论区写"我懂你"、"加油"、"会好的"。 这些话她已经看过1000遍，你跟其他舔狗没区别。 正确打法：写一段"她从来没听过的高情商共情话"。 姐给你3个核武器评论模板： 模板1：重新定义她的痛苦 她的帖子： "今天又一个人吃了顿火锅。明明很想打电话给妈妈，但又怕她担心。我都30了，怎么还活成这样。" 普通舔狗评论： "姐姐你好棒！一个人吃火锅说明你独立～" 核武器评论： "你不是'活成这样'。 你是已经长大到—— 知道自己难过， 但也知道不能让爱你的人跟着难过。 这种成熟， 比'独立'两个字， 重得多。" 点赞数：50+。她私信你的概率：80%。 模板2：解释她的"自我怀疑" 她的帖子： "为什么我总是吸引到不爱我的人？是不是我真的不值得被爱？" 核武器评论： "不是你不值得被爱。 是你把'被爱'， 当成了'被选择'。 而真正爱你的人， 不会让你证明自己'值得'， 他会让你忘记， 还有'值不值得'这个问题。" 模板3：拆解她的"伪装" 她的帖子： "其实一个人挺好的，没人烦我，自由自在。" 核武器评论： "如果一个人真的挺好， 你就不会发出来了。 真正享受孤独的人， 是不需要让全世界知道 '我享受孤独'的。 你不是想要孤独， 你是想要—— '被允许偶尔不孤独'。" 这条评论一出，她大概率会私信你说："你好像很懂。" 这就是核武器的威力。 Step 2：私信转化（核心阶段） 她主动私信你后（注意：必须是她主动），你的回复节奏要严格控制： 第1条回复（间隔1-2小时再回）： "你好。 看你那条帖子，写得很真。 我之前也写过类似的，所以多说了两句。 没别的意思。" 关键点：低姿态、不主动、不撩。 第2-5天：每天聊1次，每次10-20分钟。 话题永远围绕"她的情绪"，不要问"你做什么工作""你多大"这种"调查户口"问题。 第6-10天：开始抛"自我故事"。 "其实我也是分手后才开始写这些。 跟前任在一起5年，最后还是没走到最后。 不是不爱了，是太累了。" 目的：用"自我袒露"换取她的"自我袒露"。 第11-15天：进入**"深夜共鸣阶段"**。 每天晚上11点后，主动找她聊： "今晚怎么样？睡得着吗？ 我也睡不着，刚煮了一杯热可可。" 这种话术的杀伤力，姐告诉你，比线下任何一束花都强。 Step 3：奔现得吃（第30-45天） 最佳奔现时机： 她跟你说出**"好想见见你"或者"如果你在我身边就好了"**—— 这就是奔现窗口期。 奔现地点选择： ✅ 她的城市（你出差/旅行借口） ✅ 中性城市（比如成都、大理，"我们一起去"） ❌ 她家、你家（防御太高） 奔现话术： "我下个月正好要去你那边出差。 不知道你有没有空， 一起喝杯酒？ 不喝就吃饭也行， 见一面，就当朋友。" 关键点：低预期、低承诺、低姿态。 到了之后，按线下"剩女""女文青"那套打法走，得吃水到渠成。 姐有一个粉丝，28岁，新媒体编辑，月薪1万，长相5分、身高170。 他用这套SOP，3个月内同时养着7条线，得吃了4个。 关键节点： Day 1-7：注册"刚分手男生"人设账号，发了10条emo金句帖子，0粉丝→200粉丝。 Day 8-21：每天蹲点"emo帖"+核武器评论，评论了50+条，转私信18个。 Day 22-45：跟其中7个女生建立长期聊天关系。 Day 60：第一次奔现成功（杭州25岁文案策划），得吃。 Day 90：累计奔现4次，得吃4个。 总投入：0元（除了流量费）。 关键转折点：4个女生不约而同地跟他说过同一句话： "你是我在小红书上遇到的，唯一一个'真正懂我'的男生。" 兄弟们，记住这句话——这就是线上得吃的本质。 不是真的"懂"，是"用文字技术，让她以为你懂"。 姐最后给你5个血泪教训： 1. 绝对不要同时让多条线"知道彼此" 线上得吃的最大风险是**"同时被多个女生发现你是'同款博主'"**。 操作建议： 每条线给她们不同的"前任故事"（编故事的能力很重要） 每条线用不同的"暗示口吻" 朋友圈/小红书后续内容做"分组可见" 2. 绝对不要让她们看到你的"本人号" 双手机/双微信运营—— 博主号专门用于线上得吃，生活号永远不让她们看到。 3. 绝对不要"动真情" 线上得吃最大的陷阱是——你被某条线"感动到"，开始投入真感情。 姐告诉你：这是死路。 线上女生的"破防"是表演，你的"真情"也只能是表演。 双方都心知肚明这是一场情绪交换游戏。 4. 慎重处理"她查你" 当她突然问： "你叫什么名字？" "你在哪个公司？" "能视频吗？" ——这就是她要查你身份的信号。 应对话术： "我现在还不太想暴露太多， 可能等我们再熟一点。 你如果觉得不舒服， 我们可以慢慢来， 或者就此打住，都没关系。" 主动给她"打住"的选项=反向制造稀缺感。 80%的女生反而会说："没关系，我等你。" 5. 得吃后必须"快速撤退" 线上得吃的最大特点：得吃后情感反弹力极强。 她会想："我把心里话都告诉了你，你必须负责。" 正确操作： 得吃后2-3周，慢慢减少互动频率 不要直接拉黑——容易招来举报 用"工作压力大""家里出事"等借口慢慢淡出 保留聊天记录截图，做风险隔离 兄弟们，姐写完这篇，想跟你们说几句心里话。 小红书上每天发emo帖的女生，是这个时代最孤独的一群人。 她们不是没人爱。 她们是在线下"被爱"得太累，转头到线上寻找"被理解"。 她们不需要你给她钱、给她未来、给她承诺。 她们要的，只是一个深夜里，能写出"懂她"的文字的男人。 你给她45天的"被理解"，她回报你的，是一段她这辈子都记得的"网恋故事"。 这是公平的交换。 只要你别动真情、别留把柄、别玩太狠，这场游戏，双方都不输。 记住：线上得吃的最高境界—— 不是把女生骗到床上， 而是让她在多年后回想起来， 还会说一句："那段时间，他真的是温柔过我的。"

OpenAI刚向英伟达下单了10万块Blackwell GPU。而中国一个开发者，把英伟达那台3999美元的桌面AI盒子放在办公桌上，跑起了大实验室用5万美元机架才能训练的机器人模拟器。 演示内容只是一个空荡荡的立方体，漂浮在空荡荡的世界里。50帧/秒。他发视频配了一句话：“家用机器人是这么起步的，还是这只是个昂贵的玩具？” 视频爆火——正好赶上英伟达第二批Spark向开发者发货。72小时，180万播放。美国硬件工程师转发：终于可以拥有自己的设备了。所有中文评论区都在说同一句话：停在1分42秒。 停在1:42。别管屏幕上那个空立方体，别看帧率计数器，看顶部状态栏的内存读数：已用2.4 GiB，可用87.4 GiB。那个立方体只占了3%的内存。 那空着的84GB内存不是给未来机器人场景留的余量。那84GB已经在跑别的东西了。 ColdMath。138,168美元利润。2025年11月注册。简介：Edge Compounds。 账户👉 他不是买Spark来训练机器人的。他买它，是因为机器人是英伟达唯一一款搭载128GB显存的芯片的工作负载。让Spark在真实机器人领域受限的慢显存，对他来说恰恰是完美的——1,200个并行天气集成模拟。 机器人训练需要快显存，因为每一帧都是训练循环里的一步。天气集成需要大显存，因为每个城市都是一个并行的模拟，彼此不通信。Spark的芯片比游戏卡慢六倍，但也大五倍。这个取舍是否重要，取决于你知不知道自己在跑什么。他知道。 惠灵顿3月28日16°C。东京3月20日16°C。钱包里每一个城市，都是集成模拟在公开预报发布前三小时就已经跑过的城市。 评论区变成侦探现场。有人把视频放慢到0.25倍。有人把钱包里的交易时间戳和公开预报服务更新时间戳对上——每一笔交易都落在那三小时窗口里。Spark一直在抓这个缺口。 六个月前，深圳一个14岁小孩把一个AI代理推到了GitHub。评委说：没有实际应用价值。3,100次fork之后。工位上这个开发者，是其中之一。他在英伟达发货的那一周就把代理接入了Spark。 那个空立方体不是跑分。那个空立方体是屏保——代理占了另外84GB的时候跑着玩的。 Isaac Sim的安装不是项目本身。Isaac Sim的安装是他能用公司报销买这台设备的理由。 “这到底是一个真工具还是一个昂贵玩具”这个问题，是视频里唯一一个设计成让观众自己去回答的东西。 他不是在测试“家用机器人时代到了没有”。他是第一个发现英伟达为错误工作负载宣传的这台设备，其实是市面上最便宜的天气模拟器的人。 那条视频有180万播放。论坛帖子还在争论六倍显存延迟的代价。他桌上的Spark还在跑。钱包还在赶在公开预报更新之前打击那些城市。那个立方体还浮在3%的显存里。 机器人演示做得更好的那个地方，钱包更小。用错工具的那个人，钱包更大。他只是花了一个下午装了个机器人模拟器而已。

墓志铭 1 配图是昨天的pad推送内容，压的73call中了，群里不少赚了10倍的，这东西，赔率起码比去硬空原油要强吧···具体原因我晚点星球专栏这两天写一下，这次下注的基本逻辑吧，顺便放一个星球地址 2 前几天恰逢清明节，出去踏青，沿途看到各种扫墓的结束后的布置，漫山遍野。昨天刚好又看了给娃买的关于唐朝的书讲李世民千方百计修官史修改自己平生内容的段子，再联想到不让后人评价的武则天的无字碑，决定写几句这个话题。 3 如果把历史当作一张期权，那应该是一张永远不会行权的废纸，因为这是身后名，但若把宇宙的历史看作一个整体，我们又必然是其中一段切片里的主角，那这张期权又是最为宝贵的不会作费的“名”。 4 若一个现代人的墓志铭，我想是他的sns就已经足够，他的文章他的每日吐槽以及给大家带来的好评，恶评，对世界的影响，完全可以用他的影音内容等全部合成一张二维码，参拜的人只要扫码就是一个blog链接，里面汇聚了他的全部作品和当年的今日发布的sns内容，堪称赛博炼化。甚至你给他发消息，逝去的人还可以用他的口吻和他的信息和经历给出一个你想知道的答案。 实不相瞒在当年元宇宙刚出来的时候还真有朋友和我探讨过类似的项目，不过当时大模型还没有这么发达，仅仅能用3d重新制造一个类似diy房间的我的世界的那种展示还是太不性感了。但是今天有了大模型炼化语言风格，我反而觉得时机快到了。 一个电子墓志铭，附带蒸馏其文字内容形成电子祭拜和电子互动的页面，收个起步5999+每年续费648应该算是成立的，毕竟现在远程上班的数字游民也这么多了，属于数字人的数字祭拜又何尝不可。 考虑到这个行业的特殊性（续费找不到人），可以一次性收取20年的维护费，但是承诺永远不会网站跑路，只拿利息就可以维持永久的运维，创业的家族必然不能上市，要作为家族的事业持续去运营，所有抓取的言论仅限国内社媒，必须接受监管。 4 昨天看到一段讲婚姻这家公司的评论很有意思。 普通家庭看条件匹配，条件发生变化马上有人跳车跑路。 高级家庭看人，彼此梭哈这个人，因为认可彼此对这个世界的三观和选择而在一起 特殊家庭只看家族，进门就是为双方家族和双方后代产生的家族去规划，至于其他细枝末节，反而都不是最重要的，其最高的价值观就是整体家族的延续。 选择那种组织形式不关键，关键不要错误的判断了自己所在的组织形式。

快，帮我砍一刀 今天上证最高点3999.07，距离4000点仅一步之遥，愣着干嘛，快发到群里，找人帮我砍一刀。 之前很多年每次聊到4000点都带点许愿性质，没想现在已是触手可及。很多人因为2007年的牛市到过6124点，潜意识里面觉得4000点也不过如此，就连央媒10年前也说过4000点只是牛市起点，但事实上a股30多年的时间里，站上4000点的天数很少。 2007年那波行情175天，2015年那波行情62天，加起来也不过237天，凑不出一个完整年。如果明天冲上去了，就是上证指数历史上第三个自然年达成4000+，这么一想是不是觉得自己很幸运，毫无疑问，现在就是a股历史上屈指可数的好光景。 只是这第三次上4000点和前两次普涨的牛市不同，这次是贫富差距悬殊的结构性行情，有些板块年内涨幅接近翻倍，有些板块今年还是绿的。扩容到5000多支股票的a股就像已经开枝散叶五六代的大家族，底下的晚辈们彼此都已经不熟悉，过的好的，过的坏的也已经天差地别。 也正是因为这一轮行情的冷热不均，导致股民们的情绪一直没有起来，百度指数和微信指数的关键词“牛市”，热度至今都不如2024年9月底那波行情的一半，尽管指数已经超过去年的最高点了。 这是一个有意思的现象，a股似乎已经找到了办法，如何在不引起公众沸腾的情况下，悄么么的向上涨，这样虽然失去了以前的爆发性，但却换来了以前没有的耐久性。 明天a股可能就是4开头了，到时候新股民就不用再听老股民的经验了，因为他们也没几个在4000点以上挣过钱 …… 今天官方竟然“带货”了可控核聚变概念，中午休息那会外交部发言人毛宁称中国的人造太阳预计2027年竣工，届时有望成为人类历史上首个实现核聚变发电的装置。 之前就有读者问过核裂变发电和核聚变发电有什么区别，总结起来有4个优势： 更环保，没有碳排放，也不像核裂变那样产生核废料。 燃料更丰富，核聚变的氘和氚来源广泛（如海水），储量巨大。不像核裂变的燃料那么稀缺。 更高效，能量输出效率高于核裂变发电。 更安全，没有核裂变的熔毁风险，核反应可快速中止。 人类其实很早就掌握了核聚变的技术，1952年美国就试爆了首个氢弹，氢弹就是核聚变。但像氢弹那种核聚变只能当作武器，想要捕获和利用这种能量，前提是让核聚变可控。一旦掌握了可控核聚变，人类文明就将整体进入下一个维度。 现在外交部出来宣布这件事，以中国人谨慎的行事风格，多半是对项目的进展有把握，届时可以弄出可控的核聚变装置来尝试发电。但要注意这并不意味着可控核聚变就被人类攻克了，因为这还涉及能量产效比，简单说现有的可控核聚变装置，你要用它发1000度的电，投入和维持运转的能量都不止1000度电，账面是净亏的，还需要很多年的技术迭代。 不过对a股的概念炒作来说这不重要，现在行情好，只要是有利叙事都会被放大。可控核聚变概念今年已经涨了76%，主要是给发电装置生产设备的企业，这其实也不算离谱，a股很多企业都给300倍以上的市盈率，我觉得人类300年之内肯定能掌握可控核聚变的。 …… 1、现货黄金价格继续回调，刚我看了一眼是4030，基本可以确认这一波主升浪结束了，确实是在4500之前受挫调整。这一次月k线的乖离率比4月份那一波还要大，所以要么是更深幅度的调整，跌到3800附近，要么是更长时间的调整，横向震荡2-3个月，有足够的时间给想上车的人慢慢考虑。基本上机构还是看好明年，目标价都在5000美金左右。 2、国家税务总局，已有超过6500家平台企业报送相关涉税信息。话说这几天很多小红书平台上的商家都收到了税局的短信，内容是他们增值税报少了，和平台上报的金额不符，要求他们修正申报错误，否则会产生滞纳金并支付高额利息。我已经看到六七个博主吐槽说自己被平台坑了，以后电商行业就不要再搞刷单和数据虚报了，不然税局电话打过来都是麻烦。 3、央行恢复公开市场国债操作，目前10年起国债收益率报1.82%，你们看这就是眼下中国公允的无风险收益率。以后别老问我5%的稳健理财在哪里，现在想要稳健就不到2%，嫌少你可以来炒股。 4、这个周末有台湾光复80周年，就是二战结束后从日本手里收复台湾，今天央媒开始宣传统一台湾后有7大好处，经济、能源供应、基础建设、安全保障、外交、民生福祉、精神文化，都会比现在更好，然后福建板块就在a股被炒起来了。 另外最近还会推出一部电影《澎湖海战》，预告是统一台湾，势不可挡。你们别误会，这个澎湖海战是讲康熙时期清朝水军收复郑氏台湾，这片子太会卡时机了，只要内容拍的别拉胯票房应该有加成。我隐隐感觉时间表在加快了，不会一直满足于维持现状的。 今天就这些，哦对了，大盘成交量反弹到2.3万亿，一切又回到了正轨。发射发射～！

AI 与 Crypto：不是“加不加”的问题，而是“什么时候需要” 这个周末我去参加了一个很火爆的 OpenClaw Demo 活动，担任评委点评项目。 另一位评委是 Web2 圈非常有名的投资人，在这一轮 AI 浪潮里押中了像 MiniMax 这样的明星公司，战绩非常漂亮。 但他有一个非常明确的观点：不看好 Crypto。 他的逻辑其实也很简单——如果一个项目本身是一个很好的 AI 产品，但为了发币硬塞区块链进去，那基本就是把自己的路走窄了。因为一旦带上 crypto 标签，在融资、监管、用户认知上都会立刻进入一个更复杂的环境。 坦白说，这个观点我部分认同。 过去几年 Web3 确实有大量项目犯了一个错误： 先想发币，再找产品。 很多项目的区块链部分其实是完全多余的。 如果一个产品的核心价值不依赖链上机制，只是为了 Tokenomics 而加一层链，那基本上已经被市场证明走不通。 所以当一些 Web2 投资人看到“AI + Token”的项目本能反感，其实也不奇怪。 但问题在于： 很多人因此得出了一个过于简单的结论——AI 不需要 Crypto。 我认为这个结论同样是错误的。 AI 与区块链之间的关系，从来就不是一个“是否需要”的问题，而是一个在什么阶段必然会需要的问题。 而且随着 AI 进入 Agent 时代，这种需求会越来越明显。 ⸻ 一、AI 协作需要“可验证性” AI 未来不是一个模型，而是一整个 Agent 网络。 一个复杂任务的完成，可能需要几十甚至几百个 AI Agent 协同完成： •有的负责数据获取 •有的负责推理 •有的负责执行 •有的负责验证 在这种体系里，一个核心问题会出现： 谁做了什么？如何证明？ 如果所有计算和数据都在中心化服务器里，那最终只能靠平台信用。 但当 AI Agent 之间开始进行大规模协作时，可信记录和可验证执行就变得非常关键。 区块链的价值就在这里： •可验证记录 •不可篡改日志 •可编程结算 换句话说，AI 需要一个可信的协作底层。 这也是为什么像 0G 这样的基础设施会提出 DeAIOS（Decentralized AI Operating System） 的概念： 让 AI 的数据、计算和行为可以被验证，而不是黑箱。 ⸻ 二、AI 开发者需要新的激励体系 在 OpenClaw 的生态里，其实已经出现了一个很明显的问题。 很多开发者在开发 Skill。 这些 Skill 本质上就是 AI Agent 的能力模块。 但问题是： 开发者很难从中获得长期收益。 今天的模式大概是： •开发者贡献能力 •平台获得流量 •平台掌握收益 这种模式在 Web2 很常见，但它并不适合未来的 AI Agent 经济。 如果一个 Skill： •可以被反复调用 •可以组合进不同 Agent •可以在不同应用场景复用 那它本质上就是一种 数字资产。 而资产的确权、交易和收益分配，正是区块链最擅长解决的问题。 未来很可能会出现： •Skill Marketplace •Agent Asset •自动化收益分配 AI 能力本身会变成一种可交易的资产。 ⸻ 三、AI 数据主权问题会越来越严重 AI 的发展正在快速逼近一个新的问题： 数据荒。 高质量训练数据正在变得越来越稀缺。 同时，大模型公司已经在大量使用互联网内容进行训练： •文章 •图片 •视频 •代码 这些内容的创造者是谁？ 人类。 但在现有体系里，人类几乎得不到任何回报。 如果这种模式持续下去，很可能出现两件事： 1️⃣ 数据质量持续下降 2️⃣ 创作者动力消失 未来一个更合理的体系应该是： •数据有来源 •数据有所有权 •数据可以被授权使用 •数据贡献可以获得收益 这其实就是 数据资产化。 而区块链正好可以提供： •数据确权 •数据授权 •数据使用记录 •自动分润 简单说： AI 不仅需要算力，也需要一个新的数据经济体系。 ⸻ 四、Web3 从业者不需要羞于表达 最近在很多 AI 活动上，我也发现一个很有意思的现象。 不少做 Web3 的朋友在自我介绍的时候，会刻意淡化自己的背景。 甚至有点不好意思说自己来自 Crypto。 我其实觉得 完全没必要。 Web3 的确经历过泡沫、叙事过剩和很多失败的项目。 但这并不意味着技术本身没有价值。 很多技术路线其实是超前于时代的。 现在 AI 的发展速度正在重新打开很多可能性： •AI Agent •去中心化算力 •数据资产 •AI 协作网络 这些问题，本质上都需要： 一个可信的数字经济基础设施。 而区块链正是为这种系统而生的。 ⸻ 五、真正的问题不是“AI 要不要 Crypto” 真正的问题其实是： 什么时候需要。 如果一个 AI 产品： •不需要去中心化 •不需要资产化 •不需要协作网络 那确实没必要上链。 但如果未来 AI 进入： •Agent 经济 •AI 协作网络 •数据资产市场 那区块链几乎是必然出现的底层设施。 所以我其实很能理解那位 Web2 投资人的观点。 只是从更长周期来看： AI 和 Crypto 很可能不是竞争关系，而是互补关系。 AI 负责智能。 区块链负责信任和经济系统。 当这两者真正结合的时候， 我们可能会看到一个完全不同的数字世界。 而现在，其实才刚刚开始。

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。

《币圈当自强，26年买币清单，别再吃屎了!》 昨天一夜没睡，泪水打湿了床单，我对着夜空大喊，难道币圈就一直接盘这些垃圾币吗？那全都要一起死了，韭菜根都没了。 我想我应该做一个用户教育，告诉所有人尤其是小白，哪些币是还可以买的，哪些币是不能买的——因为只有我们拒绝吃屎，才能倒逼币圈良性发展，才能倒逼庄家知道让人吃屎已经不赚钱了，得想办法做真正对人有用有收入的项目，这样币圈才有未来啊？ 我会用尽可能谨慎的表述，让看的人尽可能是赚钱的，而不是亏钱。 一、现状与选币逻辑 当前的币圈，主要是“造屎”与“喂屎”两件事： 造屎是没有营利能力的项目方，讲一个故事、花一些钱，找一些交易所上线，然后等着韭菜接盘，通过做市等方式割了VC和韭菜，这其中只有交易所是赚钱的，所以这么玩下去，一定是行业凉凉的。 你过去这种玩法是可以的，因为币圈大赌场，我们有机会赚钱就行了。 那时候币很少，大家也都是没有什么投资经验，哪有什么估值高还是低的概念，上了就冲，有人冲就有涨跌，就有人赚有人亏，就这么回事。 那时候，我们不懂，但有美好的憧憬，真觉得币圈在改变未来，但现在看到外面AI、美股蓬勃发展，我们在为交易所上哪一坨屎争得面红耳赤时，终于懂了，币圈的我们是如此可笑可悲可叹。 现在为什么这种玩法不行了？因为现在币太多了。 有背景的跟随在币安麾下，从发币、营销到上币安一条龙；没背景的也没关系，可以PUMPFUN发了，然后上推特卖屎。 从5年前到现在币的数量增加了10万倍，但人数增长已经见顶——币安年报说，每20多个人中就有一个用币安的，这对币安是好事，但这也是为什么行业开始有一种难以为继的感觉，新人增长终究是下行的，当行业新人越来越少的时候，问题就会出现。 我们不能期望谁谁谁应该怎么做，那是非常SB的行为——朱门酒肉臭，谁会在意路边一条野狗的叫声？ 人要自强，币圈要自强。 自强第一步，就是更少的人去接盘垃圾币。 接下来，我从“怎么选”到“选什么”，一篇文章让你在币圈从从容容、游刃有余。 我"踏马"来了，干！ 二、几个评估原则 这一部分我会讲得详细，也可能对新手阅读会有点吃力，虽然推荐你早晚要认真并看懂，但如果现在看不懂，可以直接跳到第三部分看币的清单。 1、要有营收 一个币圈项目如果没有真实收入，没有用户，他这个币是什么作用？他怎么给这个币赋能？他屁用没有，上了大所，就等你去接盘，然后你接盘了又希望隔壁群的傻逼接你的盘？ 停！不要再玩这样的项目了。 一个新项目出来，不要听他吹那些你听不懂的名词，苹果、特斯拉这么伟大的公司你要搞懂，你也不需要懂一堆的字母和奇怪的名词对吧？ 项目没收入、没用户，基本就是垃圾，你别管对方什么来头，上了什么所——因为这些来头和所都是来割你的，不是为了让你发财的。 记住了：来头越大、割得越狠 2、要有发展 光看收入和用户数不行，现在项目方已经懂了，得刷啊。 当年L2四大天王多好，数据多牛逼？结果呢？一停刷就成鬼城了，有一些现在还没发币。 所以要从常识去看有没有长远的发展，不要光看数据。 现在的币圈就是，一个项目有创新，马上一堆的仿盘出来，有一些有背景，有一些没背景，大家都是用发币吸引人去刷，全是虚假繁荣。 想要赚钱，就去向撸毛的大佬们学习，去撸，不要去接盘。真正有发展的项目，是刷完之后真有人用，甚至一开始就不用刷，没有积分，没有PUA，就是给你用。 有人说这就是WEB3的特性啊，但是WEB2没一个项目要刷，出来的全是牛逼项目，这是为什么？从常识角度考虑你就懂了，因为真正想做项目的人，是不想要假数据的。 美团的王兴当年从几千家团购网站胜出，我印象很深的一点就是，别家全在做假，数据、流量是美团的很多倍，而王兴坚持不做任何假数据，比如什么先提价再打扣，就是觉得赛道很大，要为大家提供更高质量的产品，他就能笑到最后——他做对了。 二级要买的话怎么办？回到本段几条原则互相对照和评估。如果你在二级买，你得知道这个项目因为有谁喊了，你成本要比市场低，你要评估是否有更多傻子接盘，然后你还知道见好就收。 新手什么也不懂，不要按我说这个方法买，你懂个毛的评估和动态观察，就买比特币就行了。 3、币要有用 项目赚再多钱，但币又不是股票，你又不是股东，那币还是垃圾，一个都不要碰。因为在这种情况下，币就是一个投机品，和项目基本面没有任何关系，全靠傻子们怎么想怎么做。 比如，有一个海外的顶流说，我看好ZEC，大家就冲，这时候就是先信先冲的人赚钱，至于项目本身没收入币没用之类，你不用研究这么多，先信割后信。 但如果没收入币又没用，你还去接盘，那肯定就会纳闷：怎么我刚上车就不涨了？ 所以，长线思维，就要回到我些原则上，项目赚多少钱？是否有未来？币是不是挂钩？ 4、赚钱与币价怎么算？ 以永续合约赛道的龙头 $HYPE 为例来计算一下，顺道说一声，这是币圈最好的山寨币项目，但你50多买的，现在不是傻眼了？本段的估计方法适合新手仔细研究。 比如，我决定买HYPE，我需要怎么去评估这个有收入、有用户、有未来的项目？ 第一步：看他现在赚多少钱，全流通市值多少 $HYPE 他一年如果赚20亿美元，那假如全流通市值是200亿美元，那么可以认为全流通市值/收入=10，币价在20左右，参照科技股票，10的PE不算高，说明可能还行。 但现在他一年没有赚20亿美元，那么币价在20以下好像才合理？ 但为什么涨到超过50？这部分就是脱离了基本面的，原因很多，主要有： ——他是龙头，那么龙头大家就更容易FOMO，所以涨，尤其是币圈傻钱多。 ——他有100%收入回购代币，订单薄很薄，每天200万美元的买盘，只要当天卖的人不多，就容易涨。 所以，涨到50，在牛市背景下是非常合理的。 但现在能买么？要考虑一些新的内部变量： 比如，团队代币开始解锁了，每天的回购虽然还在继续，但如果解锁的币是1000万美元，而回购的代币是200万美元，那你可以理解每在的抛压是800万美元，HYPE当前的情况就是抛压远大于回购。 此外，还要考虑外部变量： 第一个变量：外部的竞争开始激烈 比如LIGHTER等，团队背景、资金实力等和他一样，而且机构投资等，HYPE就像是COINBASE，而LIT有点像ROBINHOOD了；还有CZ搞的ASTER和一堆新的永续合约。 这就导致一个问题，外面的竞争越来越强了，而且这种竞争是否有效？有的，直接看链上数据，HYPE的市场统治力被拉下一大截了。 而且，竞争只会越来越激烈，越不好弄了。 你要找女朋友，本来她是仙女，现在突然又跳出5个，也要做你女朋友，而且她们还打起来了，左一个黑虎掏心，右一个猴子摘桃，你最好先别上去，要不然容易选错人…… 第二个变量：存量资金有限，增量资金谁能吃到还没定？ 币圈存量资金是有限的，也就是币圈现在就这么多人和这么多钱，这些聪明钱+傻钱在一起的规模上限大概是多少？ 我觉得直接以TRUMP为锚来评估相对准确，也就是700亿美元，后面就没钱了。 永续合约赛道远不如TRUMP那样多人感兴趣和买，那他的上限的钱可能是400-500亿。 这正好是HYPE当时回调附近的市值，现在激烈竞争，类似美团和京东打架，大家股票都跌一样，加上熊市，赛道总市值到300亿附近很合理。 总市值300亿的情况下： 只有一两个标的，那龙头250亿可以。 如果有10个标的呢？那龙头占比多少呢？ 所以，如果只是圈内内卷，赚钱的方式就不多了：主要是去撸还没有发币的，不过后面肯定也会出现反撸的，所以不参与也不是不行；其次是看哪个项目能吃到最多的未来美股上链的流量，币圈这群韭菜不割了，去割到美股的散户，那这个项目就能跑出来。 5、小结 一句话：一个币能不买，就要看他现在能赚多少钱，未来能赚多少钱，这些钱多少会用来推动币价上涨，还要动态观察内外部竞争有多激烈。 三、选币清单 一轮行情抓住三四个币就足够翻身了，但搞错一个就要亏惨。我这里列的肯定不算全，可能有一些还不错的项目我没写，毕竟饿着肚子写的本文，后面有想到的我更新在评论区。 大家有好的可以评论区推荐——但是不管谁推荐，大家不要轻易自己做判断，包括我选的币，你都要看我上面这些模型——它们不是万能的公式，可能有一些机械和不适用某一些项目，比如公链的上涨逻辑，但总体是为了避免吃屎。 注意：币一定要看文字，我写了币的名字，不代表现在可以买！好项目还要好价格！ 你要用上面我说的估值方法去看，比如上面的方法让我在10的时候抄底了HYPE，在30多50多卖掉了HYPE（买入和卖出都在我的群里有详细讲逻辑，不是本人胡乱吹牛抬高自己），现在我们开始， 1、BTC 新人可能看不上他，但如果币圈只选一个币，一定选他。虽然现在看起来不涨，我将来冲上20万可能会很快。 你如果是小白，一点知识没有，现在8-9万的币买不了吃亏和上当，先拿这个，边疯狂补课学习，其他币买少一点，错不了。 2、ETH 未来币圈最大的发展来自机构将美股、美债上链，上链之后，华尔街和美股散户都可以玩链上股票，这是ETH最大的优势，币圈老二。 但是，我对它一直提不起什么兴趣，所以我个人没有持有多少，因为我还研究了美股，如果作为一个科技股来看的话，那用我上面的模型去看，就实在不怎么样了。 ETH市值几千亿，无限增发，质押的大佬获得的币也会越来越多，买这个币有点像接盘，我个人觉得没意思。现在看好的人很FOMO，觉得是文明级的创新，是个好东西，但我不确定币价是不是有足够确定性。 举个例子，现在它市值比马斯克的航天公司SPACEX还高，而SPACEX一年赚很多很多钱，而且接下来还要赚更多的钱，未来在火星建设基地，将地球人变为多星球种族，去外太空挖天量黄金，搞能源，那差不多的价格，我肯定买SPACEX啊。 这一波ETH的上涨，主要是东西方顶流机构一起喊，一起买，但ETH的基本面不会因为这些有变化的，你信，你就早点上车，将来差不多了找个位置先跑，钱到自己手上才是对的。 至于对ETH未来的展望，比如成为链上金融的基地，我同意的，但是我还是只看ETH能赚多少钱，这些钱能回购多少ETH带来多少买盘，否则就还是一个情绪和共识的游戏——这个我作为在这个领域赚钱最多的人，我很精通，我的选择是我不会在这样的大标的上和大庄家赌这破玩意，你们喊、你们玩、你们赚吧。 3、BNB $BNB 仍然是所有CEX平台币中最好的。 但我已经不太推荐了，未来是链上的时代，5年后最大交易场所可能不再是币安，而是链上的交易所。作为BNB的持有者，原来的持有BNB，获得代币空投，又吃又拿，现在无非是反复吃屎，也没什么意思了。再加上币安的商业模式是不断拉新人进场，合约+垃圾币，这种零和游戏一定是巅峰后下行的。 但注意，我这里并不是说BNB能不能涨，高控盘+币圈最有钱的机构，肯定会涨的，但只是他不再是我最理想的标的了，如果ETH和BNB中选一个，我肯定选ETH，但我ETH也没选。 至于 $OKB ，短鸟已成经典，但没收没赋能，暂时归入垃圾币就好 4、其他公链 暂时没有什么意思，包括SOL和其他币，很多都是增发非常猛，比如SOL现在币价跌了很多，但市值和巅峰期差不多，MEME不行了的话暂时不玩了。 公链很可能成为重要但不怎么赚钱的基础设施，因为你抽水多人就会走，速度快，0免用会成为标准。 5、MEME币 建议暂时什么MEME都不要买了，任何一个现在喊单任何MEME币，找角度的人，你翻译过来就是，“你快来吃我的屎”。 我暂时看不到什么机会，要玩的话，小赌怡情吧，就和去买个刮刮乐，图个乐，没毛病的。 *** 接下来讲一下山寨币，山寨币99.99%都是没收入没未来的垃圾，我挑出一些你可以慢慢小买一点，长拿应该亏不了的——最好你要会用第二段的估值方法，找到合适的价格更好。 我只告诉你好标的，告诉不了你好价格——因为每个币你看上面的模型，既要看币本身，还要动态监测外部竞争、外部环境，基本上好项目也要边走边看的。 如果你不想边走边看怎么办？买BTC啊，买完就去玩，去工作，看啥？ 6、链上永续赛道 这个赛道是真实的赌场，有收入有回购，未来最大的机会是来自圈外流量，也就是华尔街机构与美股散户。 $HYPE 这个比较简单，上面说了很多，我觉得10左右如果未来不是出大问题或竞争者太强，应该暂时这个价格不太容易套多久。 未来一年多解锁的抛压是很大的，很多韭菜什么希望团队不卖之类，其实是不厚道的自私的想法，团队成员应该拿回报，卖了更好——你如果真看好就不应该是希望人家不卖，而是希望价格更低。 $LIT 这个赛道LIT算是HYPE直接对标，而且优势甚至更大，只是因为后发。 团队背景都是一样的顶级量化+天才，但HYPE只做聪明钱和巨鲸，面向大户和机构；LIT更偏ROBINHOOD，做散户。 HYPE是没有VC，走社区路线；LIT拉上了城堡做市商、ROBINHOOD投资，创始人还和ROBINHOOD老板是同学加老乡，关系很铁，整体走的华尔街机构与合规打法。 架构上HYPE是自己的链和生态，封闭在HYPE世界；LIT是开放的ETH生态，未来可以直接承接所有RWA资产，比如在AAVE上借贷的几百亿资金可以在ETH的安全性保证下直接到LIT系统用（即使LIT不做了，资产也仍然是自己的，挺好）。 LIT撸毛成本约在0.5U一个，所以未来如果有2U以下的价格应该都是不错的。 永续赛道如果想要现在就布局一些，LIT只有HYPE 1/10，但增长潜力可能大过HYPE。 但要注意，和一年前的HYPE一样，一年后LIT这边有大量解锁时还要重新评估，山寨币都要动态观察，现在我会认为LIT比HYPE在一年内都有显著的性价比。 但 $LIT 的风险在于市场份额的获取，最乐观的一种预期（AI认为是高概率）是，ROBINHOOD的链上订单薄直接用LIT的，他自己的公链可以作为结算层之类，但这里面不知道ROBINHOOD投了LIT多少钱，占股多少，如果占股多的话可以，当时这一轮估值好像是15亿美元，现在市值是20多亿——但要警惕的是，这是社区的一些乐观预期，即使是真的也还早，另外，并不确定这件事有多大概率，这些都是对新手来说巨大的风险因素。 至于ASTER我觉得是垃圾项目，99%会死掉的，我之前讲过，币安想扶持一个傀儡打HYPE，那必败的——这里我觉得我可能我也有偏见，但我看不出ASTER有什么优势，讲不合规，有HYPE，讲合规有LIT。 当然，从赛道的逻辑看，永续现在好像过了最香最美的时候，不是最好的选择了。 现在买LIT建议直接去本网，其他所的深度都太小 新手请注意：除非你研究这些非常多，那请不要买 $LIT 这种高风险代币，你没有持续跟踪能力，也不会估值，我的文章也不是专写给你看的，所以请只买BTC，切记！ 二、预测赛道 1、POLYMARKET，这一块的话可以先从小钱参与玩玩，顺便撸点小毛，这适合新手。高手和大资金现在场外在卖120亿美元估值的股权，我倾向于是也可以买，有大收入，有大发展，挺好的。 2、其他预测市场，都是仿盘，没个鸟用。 这种项目到南山拉个队伍一百万就做出来了，然后上大所不需要赋能，也不需要讲收，几十亿砸给你，要玩的话尽量低成本撸，要买的话先信割后信，跑得快一点就好了。 预测赛道是超强的赛道，不是纯的零和，我觉得未来会比永续还要大。 二、DEFI赛道 $AAVE ，这个是很好的标的，就是价格上现在也仍然是很高的。这个估值你也只需要去看他一年赚多少钱，然后市值是多少？这里我懒得去查了，它的PE比HYPE还要高得多大概是这样的。 所以这是一个可以长线跟踪和关注的标的。但它的风险就是未来美股美债上链，它能吃到多少？贝莱德和摩根大通会自己做借贷的——券商都有借贷，未来他们也肯定会做链上的。 AAVE之所以列入好标的，是因为这是咱们币圈DEFI赛道最好的标的，多年安全，存了几百亿美元的资产在里面，搞链上借贷，很活跃，又很稳健，收入也挺稳，代币也有一定作用。 但山寨币都是有风险！需要动态观察，新人千万小心。 暂时只想到这个 ONDO之类是证券化代币，背景一流，但是代币目前没用，还有大量待解锁，而且未来美股上链之后，可能不再是通过这个项目不一定能赋能，所以不确定性也挺强的。 三、AI赛道 $VIRTUAL ，这个项目也是有营收的，团队韧性也很强，我很喜欢的年轻团队，他们好像是少有的穿越牛熊仍然在不断探索新东西并为代币努力的团队，很了不起。 但确实我不太好估值这个项目，因为不确定性非常高，你用营收之类去估计不好弄的。 但值得长期关注，大跌后看情况买一点之类，属于好项目，但多少是好价格我说不准。 $WLD ，这个币现在线下拓展遇到很大问题，而且拓展的抛压也将持续，长期关注吧，也属于收入还早，全是抛压，但是项目是好项目，尤其是OPENAI的BOSS搞的。 四、隐私币 ZEC很火，但我觉得不如等熊市，什么跌到100之类再说了，现在的话主要还是大佬喊单，傻子接盘。未来是合规的天下，不合规的强如马杜罗都被从床上抓起来了，还隐个毛的私？ 先信割后信，努力做先信，没做到先信，就不要信，错过又不会死。 暂时先想到这么多，后面有的话我在评论区补充吧。 ** 最后，大家可能会说，这没几个币啊，那不没得玩了？你要送钱的话有10亿个币等你买，但不想送钱的话就先买好币，然后半年内，币圈人会越来越多买美股的标的，里面各种短期5-10倍的多的是，而且一旦套住了，死拿往往还能回来。 未来，各交易所，尤其是链上，全是美股的标的，你非要急着吃屎做啥？ ***END*** 转发本文，助力“不再吃屎”币圈自救运动！ 新手也可以访问 ，完全免费，从0到1，一站搞懂币圈投资。

时报作家Ezra Klein写了一篇专栏，说根据他的采访记录，AI导致大规模失业的情况可能还没有那么严重，坏消息是，严重的问题另有其处： 3月的一份民调显示，70%的美国人认为AI将导致自己的就业机会减少，高于一年前的56%，还有30%的受访者担心即将失业。 这有什么好奇怪的呢？AI公司的老板们一直在频繁发出劳动力市场濒临瓦解的警告： - Anthropic的创始人表示，最快不超过5年，一半的初级白领岗位就会永久消失； - 微软的CEO则声称，大多数文职工作会在18个月以内就被AI完全接管； - OpenAI发布了一份文件，呼吁实行每周32小时工作制，通过降低人类生产力来缓解大规模失业； - 就在NYT的大楼外面，有一家我根本没听过的AI公司包下了巨幅广告牌，上面写着「停止雇佣人类」； 我可真谢谢你们了。 如果你对这轮AI叙事深信不疑，那么毫无疑问投降就是唯一的选择。 AI被设计为可以廉价模仿人类在电脑上所能做到的所有行为，但它从来不需要睡觉，也无意组建工会，而且确实在许多任务上表现得比真人更为出色。 所以公司当然乐于用机器取代人类，它们也已经在这么做了，Meta、Oracle、Block都在努力买断员工工龄，并坦然的把AI写为原因。 不过谨慎一点总是没错的，这些科技公司可能只是处在一轮招聘周期的末尾，同时想对资本市场讲述一个刺激投资人颅内G点的故事，AI行业的大佬们固然是神经网络的专家，但他们未必也是劳动力市场的专家。 首先，宏观数据没有配合AI行业，2026年3月的失业率是4.3%，去年同期是4.2%，平均时薪亦保持稳定。 Claude Code是很牛逼，但软件工程师的岗位需求还在上涨，原因应该不难理解。 主流经济学界也对大规模失业的末日预言持怀疑态度，芝加哥大学的经济学家Alex Imas认为，绝大多数讨论AI的话题都存在误区：「答案始终取决于什么会变得稀缺。」 - 从人类历史来看，卡路里在很长一段时间里是稀缺的，我们的技能都是服务于寻找食物； - 农业的发展逐渐解决了食物短缺的问题，然后就轮到商品变得稀缺； - 工业制造带来了平价商品的海量供给，接着技术变得稀缺了，医生、律师和工程师因为掌握知识而获得高薪； - 现在我们担忧AI会让知识也不再值钱，就像衣服和草莓如今人人都能消费那样，学习的成果也变成了消费品…… 但稀缺本身是相对的，AI可以完成的任务被讨论得太多了，更值得注意的是，有哪些任务是人们不希望AI来做的。 以下是计量经济学的一个发现：人类的财富越多，他们对于其他人类的需求就会越多，而不是越少。 于是，更有人味、体验或者意义的商品和服务，是一定稀缺的，有来路的衣裳、有调性的食物、能面对面的医生、让人感到被理解的理疗师、了解自己孩子的家教……这些社会关系，将会迎来爆发式增长。 是的，AI剥夺了人类和电脑共事的场景，而人类又被赶去和人类共事。 事实证明，自动化程度越高，我们就越珍视人的温度。以咖啡为例，过去在家做浓缩咖啡很费劲，如今咖啡机已经人手一台。 所以这导致咖啡店倒闭了吗？当然没有。咖啡师比以往任何时候都多，咖啡店也比以往任何时候都多。咖啡作为商品反而催生了更多对咖啡体验的需求。 这就是稀缺性所赋予的价值。 好了，这是Alex Imas的结论，在AI的辣手摧花下，人类从事的岗位会进入一个以人性化为标准的时代。但还有一种可能性是，人类劳动力搞不好也不会发生巨大的改变。 1979年，首款电子表格软件VisiCalc在Apple II上发布，它能在几分钟内完成过去需要整组会计师花上好几天时间的工作。 当时就有人预言会计师这个行业要无了，然而，此后40年间会计师的数量反而增长了4倍以上。 亚利桑那州立大学会计学教授Eldar Maksymov认为：「电子表格软件挖出了潜藏于市场里的财务需求，这种需求之前没被发现，只是因为成本没能降到够低。」 这是「杰文斯悖论」的一派主张，1865年，英国经济学家杰文斯发现煤炭并没有因为蒸汽机对于生产率的提升而减少消耗，恰恰相反，因为成本更低廉了，煤炭的应用范围更广泛了。 Eldar Maksymov相信历史的先例，「在大量采用计算机技术的职业群体里，就业增长速度都远超没有采用计算机的职业群体，成本的下跌，对应需求的增长，最终推动就业规模的扩大化。」 简单来说，能力的提升，会让人类意识到还有更多事情可做。 我的经历似乎也验证了这个说法，10年前我刚开始做播客的时候，整个团队只有我一个研究员，现在我已经管理着一整支团队运作节目，而这让我的工作变得更轻松了吗？ 完全没有，我投入准备的精力更繁重了，因为团队带来的信息增量，让我需要消化和思考的时间成倍增长，而我的播客也越做越大了。 我认识的所有热衷于拥抱AI的人，如今都比以前更加忙碌，因为他们能做的事情更多了，不是说好的AI会让大家摆脱工作享受生活吗？ 当然，至于AI到底是提升了生产力，还是制造了提升生产力的假象，结论因人而异： - 慢慢啃完一本难懂的书，远远好于快速吸收十本书的摘要； - 认真通透的写完初稿，也比编辑五个由AI生成的大纲更能激发想法； 我的意思是，效率感本身是值得警惕的，那些把活儿都交给龙虾去做的人我见多了，但说实话，他们的工作质量都是在下降的。 但还是容我岔开话题，沃顿商学院教授Ethan Mollick曾提出过他对AI的基准测试：它是否比你在当下能够找到的最适合的人类更加优秀？ 在他看来，问题不在于AI是否胜过顶级的编辑、程序员、心理医生或是旅行顾问，而是它能否优于你在急需帮助时可以联系到的最佳人选。 我想了一下，过去一年里，我确实觉得AI要比我身边的人更为出色： - 我的编辑很博学，但他需要休息，还得分时间给其他作家； - 我的按摩师也好得没话说，就是一般而言每个星期她只能接待我一次； - 我也能找到专业的医生，但挂号却很麻烦…… 所以或许我已经触及到了被反复警示过的临界点——AI开始有能力取代我生活中的人类角色。 但事实并非如此。AI越是强大，我越是需要和身边的人交流： - AI认为我应该为某个身体症状引起重视，于是我去看了医生，发现只是普通的过敏； - AI对我的个人困境发出锐评，然后促使我和心理医生开始了新的对话； - AI帮我验证了一个研究思路，这成了我和编辑讨论的一个新选题； - AI让视频制作变得轻松了，因此我可以有更多的要求去和剪辑师沟通…… 怎么说呢，尽管我不认为经济完全自动化以及大规模失业浪潮是必然到来的，但也不能完全排除这种概率，AI是一种与以往截然不同的技术，灵活性和成长性帮它超出了工具的范畴。 更可能的情况是，AI不会取代所有或者大部分的工作岗位，而是取代其中一部分，但奇怪的是，恰恰是这种可能性让我们准备不足。 一个AI替代800万劳动力的世界，要比替代8000万劳动力的世界更难应对，如果真的是那种「大的来了」事件上演，全面重组经济反而有机会「不破不立」。 疫情就是一个例证：那场冲击如此彻底，以致于社会不能再像以前那样将工人们的不幸归咎于他们自身，于是只好建立了一套前所未有的补贴体系，让成千上万的人得到保障。 而当失业影响的范围更小，我们反而更为残忍，美国因为全球化流失的岗位大约有200万个，这在整体就业市场里不是太大的数字，但对这200万个具体的家庭来说，却是毁灭性的打击。 如果全国的卡车司机或是营销经理都丢了工作，我们很快就会采取行动，然而如果只是卡车司机或营销经理的失业率翻了3倍，那么我们就会像以前一样，暗示这是他们自己的错，给他们几个月的失业保险和培训机会，然后继续对这种结构化的困境视而不见。 另一个现实是，即便AI让带有深刻关系的技能变得值钱起来，它同时也会削弱人类学会这些技能的本事。 年轻人和朋友相处的时间已经从2003年的12小时/周减少到2024年的5小时/周，谈过恋爱的高中生比例也从2000年的80%骤降至2024年的46%，约1/4的00后在过去一年里没有发生过性行为。 AI也许是这种社交解体现象的帮凶，它提供了一种数字化的关系模拟，不再让人有动力去体验真实关系里的快乐与痛苦。 如果Alex Imas是对的——我相信他是对的——那么我们与他人建立深刻关系的能力，将成为一项核心且高价值的个人资产，而我所担心的，是这恰好也是技术从年轻人身上摧毁的东西。 当我乐观的期待AI时代所能创造的未来时，那幅画面充满富足，人类被鼓励过上追随本心的生活，而当乐观被打碎后，世界仍是如此，区别在于财富被垄断，而我们重视的深刻关系，却早就不知道该如何维系。