这组Codex作品属于超现实箱庭式角色海报插画 ✨ 风格定位 🎨 超现实微缩箱庭 + 日系复古未来主义 + 高密度幻想海报风格。 以 崩坏3/ 原神 不同角色为视觉原型 🎮 把巨型少女肖像 👧、透明微缩场景盒 🧊、复古未来主义建筑 🏙️、霓虹灯牌 🌈 与多层街区剖面 🏛️ 融合在同一画面中，形成一种“人物即世界、场景即记忆收藏品”的视觉叙事。 充满收藏感、叙事感与高级视觉冲击力 。

沈从文这老色批放现在，得被小红书的小仙女骂死😂😂😂😂😂😂 1929年，沈从文给自己的女学生张兆和写情书：“我爱你的灵魂，更爱你的肉体。”张兆和拿着情书，跑到校长胡适那里去告状。胡适想要撮合他们，便说：“我知道沈从文顽固地爱你！” 张兆和当时是中国公学校园里的风云人物，皮肤微黑，气质明朗，同学们叫她黑牡丹，追求者排队编号，她把沈从文排到第十三号。 沈从文却不管这些，从1929年冬天起一天一封情书寄过去，坚持不断。那些信从上海寄到青岛，跨了三年多时间。张兆和觉得困扰，告状后胡适笑着劝说，张兆和直接回了一句我顽固地不爱他。 其实沈从文走到这一步，背后有很长的路。1902年他出生在湖南凤凰县，身上有汉族苗族土家族血统，地方上械斗常见，他15岁就进了湘西地方军队，当了五年文书，收捐税，看过杀人场面。 那段经历让他对生死和权力有了切身感受。1922年，沈从文只凭小学学历，独自离开湘西去北京，想靠写作谋生。到了北京他旁听北大课程，在图书馆做杂役，住冰冷小屋，冬天只一件单衣，投稿大多被退，吃饭都难。 1924年冬天，郁达夫去看他，见他冻得嘴唇发紫还在写，当场留下身上仅有的几块钱，后来还写文章介绍他，说这个人尤具天才，这才帮他打开文坛门路。到1920年代末，沈从文已经在高校讲课，才有机会认识学生张兆和。 张兆和的家世在当时特别显眼，她父亲张冀牖是苏州开明士绅，1921年办了乐益女子中学，主张女子和男子受同等教育。 张家四姐妹各有故事，大姐张元和后来嫁给昆曲名角顾传玠，那时候伶人地位低，这门婚事在圈里引起过议论；二姐张允和促成了沈从文和张兆和的婚事，她自己嫁给语言学家周有光，两人后来相守七十多年；四妹张充和精通诗词书法昆曲，后来到美国耶鲁教书法，活到102岁。 张兆和排行第三，性格直爽又有教养，在这样的家庭里长大，她对婚姻有自己的标准，对身份差距大的追求者自然保持距离。 1932年张兆和毕业回苏州老家，沈从文专程从青岛赶过去，起初张兆和避而不见，沈从文在门外等了很久。在二姐张允和撮合下，他进了张家，靠温和性格和才情赢得认可。1933年两人订婚，张允和发电报只一个“允”字，张兆和偷偷补了句乡下人喝杯甜酒吧，同年9月9日在北平低调结婚，没有大仪式。 那时候沈从文正写《边城》，小说背景放在湘西茶峒，讲摆渡老人和孙女翠翠，还有翠翠与傩送天保兄弟的情感纠葛。1934年小说在国闻周报连载，后来出单行本，胡适朱光潜等人都高度评价，说它代表了中国现代文学的抒情风格。 可就在同一时期，沈从文结识了高青子。高青子是熊希龄家家庭教师，喜欢沈从文作品，第二次见面还穿了沈从文小说里女主人公同款衣服，两人往来密切，高青子后来写小说《紫》影射这段关系。张兆和看到后很生气。1936年春节后沈从文向张兆和坦白，张兆和沉默后收拾行李回了苏州娘家。 沈从文敏感多情，活在文学世界里，张兆和理性务实，婚后矛盾慢慢出来。1948年郭沫若发文批判沈从文，1949年北大贴满大字报，沈从文精神压力极大，3月28日割腕割颈还喝煤油，幸好张兆和和儿子及时发现救回他。 之后沈从文住疗养院，渐渐好转，从此放下文学，转向研究中国古代服饰，埋头故纸堆三十多年，最后完成《中国古代服饰研究》，书里有二十多万字和七百多幅图。 张兆和这些年一直陪在他身边，照顾生活，两人却分居多年，形同陌路。晚年沈从文文学成就重新被认可，1987和1988年两次进入诺贝尔文学奖终审名单，1988年呼声很高，但5月10日他因病去世，奖项按惯例不给已故者。

（單純寫一些心得，但推特要我標記未滿18勿看，我就標記。） . 清詩有云：百無一用是書生。 20幾年前一頁書也說：戰場之上、才子何用？ 遙想當年，其實我在部隊混得不好，單純希望能循規蹈矩做事，卻處處受制。 歡送餐會上，很多人都來了，有力挺我的、也有不怎麼對盤的。 看不出什麼一笑泯恩仇，畢竟有些事情沒辦法簡單揭過。 可若是一直懷恨在心，那就太愚蠢了。 只能說這類笑面虎的人物，要特別提防。 官樣文章說得溜，但擺明了拿規則卡你。 惹不起，但躲得起。 . 總之吧！認不清楚現實，永遠都對未來存有幻想。 一直到退伍前才明白。 就算公文寫得再好、再如何引經據典，只要不符長官心意，依然是廢文一篇。 Nobody fucking cares.😌😌 他們沒有錯、我也沒有錯，錯在立場不同。 不是同一掛的，別人不會大開方便之門。 沒人會允許你莽過去，這是事實，只能盡可能不違心。 昨天羽哥也說我太理想化、曲高和寡。 我明白他苦口婆心，我深自檢討。 一路開車送湘湘回家，煙霧繚繞間，前方的路又開始模糊了。 有時候，真不明白自己到底缺失了什麼。 ======================== 活動告一段落，感謝參與的茶友及妹妹們。 再持續精進，讓參與的成員體驗更好，我會朝著好的方向走。 茶友們多半低調，我這邊就不詳列了；而妹妹們若有需要，我自會盡力幫忙。 雖然單幹很辛苦，但幸好有大家。 湘湘的資料我放8964，北社就先不放了。

Token 经济与加密货币世界的 Tokenomics 有何异同？ 为什么要关注Token？因为它让AI变成了一种可以计量、定价和交易的资源——就像“千瓦时”让电力有了价格，“桶”让石油有了期货市场。有了Token，AI经济就有了可以算账的单位。围绕这个单位，目前也正在形成一套全新的经济逻辑：有价格、有供需、有产业链、有国际竞争、有待解决的制度难题。 这就是Token经济学要讨论的事。Token 经济与加密货币世界的 Tokenomics 有何异同？ 两个Token，两个世界 说起来，这个世界上真正混乱的事情不多，两个东西叫同一个名字却毫不相干，算是其中之一。AI的Token和加密货币的Token，就像两个叫”刘伟”的人，一个在北京开餐馆，一个在上海做期货，见面了也没什么好说的。雷锋与雷锋塔区别！ 但这两个Token，最近都很热闹。热闹到让很多人以为它们是一回事。 Token这个词，到底是不是新营销词 先得承认，Token这个词确实有被滥用的嫌疑。每隔几年，科技圈就会造出一批新词，让人觉得时代变了，其实换汤不换药。“大数据”火的时候，什么都往大数据上靠；”云计算”火的时候，什么都上云；现在轮到Token了。 不过这次有点不一样。Token不只是一个营销标签，它背后有真实的计量逻辑在撑场子。 就像”千瓦时”让电力有了价格，“桶”让石油有了期货市场，AI的Token做的是同一件事：把原本看不见摸不着的”智能算力”，变成一个可以算账的单位。有了这个单位，才能定价，才能比价，才能有产业链，才能有国际竞争。 所以Token不只是营销词，它是一把尺子。问题在于，AI这把尺子，和加密货币那把尺子，量的完全是不同的东西。 AI Token：一个从技术后台走到聚光灯下的计量单位 Token这个概念在计算机里其实由来已久。编译器做词法分析，早就把文本拆成一个个Token。网络安全里，身份验证令牌也叫Token。这些都是幕后工作，从没人觉得它有什么经济价值。 转折点在2017年，Google发表了那篇著名的论文《Attention Is All You Need》，提出了Transformer架构。这篇论文之后，所有大语言模型处理信息的方式都统一了：输入进来的文字，先被切成Token序列，模型一个个处理，再输出Token序列。Token变成了AI”思考”的基本粒子。 但这时候Token还没有经济属性，只是工程师内部的技术术语。 2022年11月，ChatGPT横空出世。这是个分水岭。 2023年3月，OpenAI推出GPT-3.5的API，第一次采用按Token计费。输入多少Token，输出多少Token，分别定价。那时候GPT-4的价格是每百万input token收30美元，output token收60美元，按今天的标准看，贵得像天价。 从那一刻起，Token从技术单元变成了经济单元。Anthropic跟上，Google跟上，国内百度、阿里、腾讯全跟上，全行业默契地采用了这套计费方式。Token成了AI服务的通用货币单位。 价格这三年掉得惊人。GPT-4刚发布时，每百万input token要30美元。 从2022年底到现在，GPT-3.5级别的模型使用成本从每百万token约20美元跌到了0.07美元，整整降了280倍。照这个速度，a16z记录的数据显示，LLM推理成本每年约下降10倍，堪称摩尔定律的重生。 便宜了有什么后果？后果是用量爆了。 这里有个经济学里的老故事，叫Jevons Paradox。1865年，英国经济学家Jevons发现，蒸汽机效率越高，煤炭消耗反而越多，因为效率降低了门槛，用的人更多了。AI Token正在重演这个故事。企业AI云支出从2024年的115亿美元涨到了2025年的370亿美元，整整翻了三倍，而这期间token单价跌了超过95%。 Google内部的token处理量在十八个月内增长了130倍。 越便宜，用得越多。越用得多，总账单越大。 这背后还有个推手，叫Agent。以前是人在问AI，AI回答，一问一答，token消耗有限。现在Agent出来了，AI在自动跑任务，自己调用自己，一次任务可以消耗几十万甚至上百万token。这不是线性增长，是指数级的爆炸。 2026年3月，黄仁勋在英伟达GTC大会上把”Token”这个词说了超过70次，把数据中心重新定义为”Token生产工厂”，把评价算力的核心指标从FLOPS换成了”每瓦Token数”。同一天，阿里巴巴把通义、千问、MaaS等板块整合，成立了Alibaba TokenHub事业群。Token经济，在2026年正式被主流商业世界承认了。 AI Token的上下游：一条新的产业链 AI Token经济的有意思之处，在于它重塑了整个产业链的逻辑。 上游是能源和芯片。每生产一个Token，都要消耗真实的电力和算力。英伟达的GPU是目前最主要的Token生产设备，黄仁勋把它卖给全世界的数据中心，本质上是在卖”Token生产产能”。能源成本直接影响token成本，这让AI经济和能源经济绑在了一起。 中游是大模型公司。OpenAI、Anthropic、Google、国内的百度、阿里、腾讯，都在这个位置。他们把算力和模型打包，按Token卖给开发者。这一层的竞争极其激烈，价格战打得很惨，但总量在涨，所以大家还活着。 下游是应用层。各种SaaS产品、企业工具、消费者产品，把Token的成本打进自己的定价里，再卖给最终用户。Token成本在企业财务里已经是刚性支出，和房租、人力一起躺在成本表里。 这和传统软件经济的逻辑不一样。以前软件卖出去之后，边际成本趋近于零，用户越多越赚钱。AI服务不是这样，每次用户交互都有真实的Token消耗，规模大了，成本也跟着大。这是一个全新的商业模式，整个行业还在摸索怎么把它算清楚。 加密货币的Token：从一枚Coin开始的故事 要说清楚加密货币的Tokenomics，得从更早的地方讲起。 2008年金融危机，全球对银行体系的信任跌到低谷。这个背景下，一个叫Satoshi Nakamoto的神秘人物发布了Bitcoin的白皮书，2009年Bitcoin网络正式上线。2010年5月22日，程序员Laszlo Hanyecz用一万个BTC换了两个披萨，这是比特币历史上第一笔真实商品交易。这笔交易现在被称为Bitcoin Pizza Day，那一万个BTC今天价值近十亿美元。 Bitcoin是一个Coin，有自己的区块链，规则写在代码里，总量2100万枚，靠挖矿产生，四年减半一次。这是最早的加密货币逻辑：用数学创造稀缺，用共识创造价值。 Coin时代的Token概念很简单：就是一种数字货币，用来存储价值和转账支付。Bitcoin是Coin，Litecoin是Coin，它们都有自己的链，规则各不相同，互不兼容。 然后Ethereum出现了，把整个游戏改了。 Ethereum的核心发明是智能合约。有了智能合约，任何人都可以在Ethereum上发行自己的Token，不需要搭建新的区块链。2015年，开发者Fabian Vogelsteller提出了ERC-20标准，描述了一套技术规范，让所有基于Ethereum发行的Token都能互相兼容，在各种钱包和应用里无缝使用。ERC-20在2017年正式实施。 ERC-20的意义在于，它把发Token的门槛从”搭一条链”降低到了”写一个智能合约”。2017年ICO浪潮中，过了5分钟就能发出一个新Token，中心化交易所上架新Token的时间也从几个月缩短到几天。 这就引发了2017年的ICO大爆炸。 2017年到2018年间，数千个项目进行了Token销售，ICO在2018年前三个月就募集了63亿美元，是2017年全年的118%。项目方写一份白皮书，发出Token，散户拿着ETH来换，钱哗哗地流进来。其中有真正想做事的团队，也有大量的骗局和空气项目。监管机构随后介入，SEC把不少ICO认定为非法证券发行，这场派对才逐渐收场。 但ERC-20打开的大门就再没关上。从那以后，crypto世界的Token不再是简单的数字货币，开始承载更复杂的经济功能。Tokenomics这个词，就是在这个背景下诞生的。 Tokenomics：加密货币世界的经济设计学 Tokenomics这个词，是Token和Economics的合体，研究的是一个加密项目怎么设计自己的Token经济体系。它包括发行总量、分配比例、释放节奏、通胀通缩机制、使用场景、持有激励……本质上是在回答一个问题：凭什么有人要买我的Token，买了之后为什么不卖？ 这些年发展出了几个有代表性的模型。 Governance Token模型是2020年DeFi夏天流行起来的。Compound和Uniswap在2020年普及了Governance Token，持币者拥有对协议方向的投票权，但没有直接的现金流权益。用白话说，就是持Token可以投票，但不能分钱。这个模型一开始很流行，因为绕开了监管对”证券”的定义，但后来大家发现，一个没有经济权益的治理权，价值有多大，很难说清楚。 veToken模型是Curve Finance搞出来的，后来影响了一大批DeFi协议。ve(3,3)模型是Andre Cronje在2021年1月提出的，融合了Curve的Vote Escrow机制和OlympusDAO的(3,3)博弈论。基本逻辑是：把Token锁仓，换成veToken，锁仓时间越长，获得的veToken越多，投票权和协议收益也越大。这个设计试图解决短期投机者砸盘的问题，鼓励长期持有。Curve用这套veCRV模型吸引了大量流动性，成为DeFi里流动性最深的DEX之一。 Deflationary模型是Bitcoin开创的，很多项目跟进。通过限制总量、定期销毁，制造通缩预期，支撑价格。以太坊在EIP-1559之后，每笔交易都会销毁一部分ETH，使得ETH在高使用量时期变成通缩资产。 这些模型各有各的玩法，但有一个共同点：它们的价值都依赖于市场共识。没有人相信，Token就没有价值。这和AI Token完全不同，AI Token的价值是真实算力消耗在背后撑着的。 两个经济体，两条路 说到这里，可以把这两个世界放在一起看了。 AI Token的产业链是垂直的、中心化的。英伟达造芯片，云厂商建数据中心，大模型公司训练模型，应用公司调API，最终用户买服务。每一层都是真实的成本和真实的价值。Token是计量单位，不是资产，用了就没了，没有任何金融属性。整个产业链最终服务的是实体经济，帮企业提升效率，帮开发者造产品。 加密货币的产业链是网络化的、去中心化的。矿工或验证者维护网络安全，协议层发行和管理Token，持有者通过投票参与治理，投机者在二级市场买卖。Token本身是资产，可以转让，可以交易，有金融属性，价格由市场供需决定，和外部实体经济的关联相对间接。 两套经济体，两条独立的价值链，两种完全不同的生态。 当然，有人在尝试把两者融合：用区块链来做去中心化的AI算力网络，把AI服务的计费和分润用Token来结算。Bittensor、Render Network、IO net都在这个方向探索。这是第三条路，但无论走到哪里，它骨子里仍然是加密货币的Tokenomics，只是应用场景叠加在了AI上。 有一件事可以确定：这两个Token，同名不同命。一个在工厂里量产，一个在市场上流通；一个代表消耗，一个代表持有；一个撑着AI产业的运转，一个撑着加密世界的信仰。 名字一样，生意不同。就像那两个都叫刘伟的人，一个卖的是饭，一个卖的是梦。饭是真实的，梦也未必是假的，只是得分清楚你在做哪笔买卖。 #AI# #AIAgent#

做X账号、输出、见人是真有用。 虽然现在我并没有通过X赚到哪怕一分钱，但我相信多年之后回头看，用X账号发第一条帖子的那一刻一定是我人生的一个重要的转折点。 选择在X上输出、分享思考、做内容、约人见面，绝对是一个长期收益非常大的事情。 最近通过X约了不少人线下见面，有做创业的、有做投资的、有做自媒体的、有同样在大厂搬砖的。 有一个很明显的感受：给我带来最多新信息和新机会的，全都是那些不太熟的人。 不是我的同学，不是我的老同事，不是我天天聊天的好兄弟。 是那些只在X上互动过几次、刚见了一面的半熟人，聊出来的东西最让我意外。 后来我想了想，这背后有一个被大多数人忽视的底层逻辑。 1️⃣强连接和弱连接 社会学家格兰诺维特在1973年发了一篇论文叫 The Strength of Weak Ties，直接改变了整个社会网络研究的方向。 他把人际关系分成了两类。 强连接：你的至交好友、家人、天天一起吃饭的同事。你们互动频率高、情感深厚、彼此非常了解。 弱连接：你的点头之交、朋友的朋友、某次活动上加了微信但平时不怎么聊的人。你们互动频率低、关系不深、对彼此了解有限。 大部分人本能地觉得强连接更有价值，毕竟关系铁嘛，有事找老朋友\亲戚帮忙会更靠谱。 但格兰诺维特的研究结论恰恰相反：在获取新信息和新机会这件事上，弱连接的价值远超强连接。 2️⃣ 强连接的信息困境 为什么你的老朋友帮不了你太多？ 因为强连接的圈子是高度重叠的。 你的大学室友认识的人，和你认识的人几乎是同一拨。 你的同事掌握的行业信息，和你掌握的大差不差。 你和同行大概率会看同样的公众号、刷同样的信息流、讨论同样的话题。 强连接的本质是同温层。你们之所以关系好，恰恰是因为你们相似——相似的背景、相似的认知、相似的信息渠道。 这意味着你从强连接那里获得的信息，大部分你已经知道了，他们能给你的增量信息极其有限。 3️⃣弱连接的信息红利 弱连接的价值，恰恰在于他们和你不一样。 一个做跨境电商的朋友，能告诉你东南亚市场的真实情况，这些信息你在国内的技术圈里永远接触不到。 一个做投资的朋友，能告诉你一级市场现在在看什么方向、哪些赛道资本正在涌入，这些信息不会出现在你的朋友圈里。 一个在硅谷工作的朋友，能告诉你硅谷的AI创业公司现在是什么氛围，这些认知你靠刷推特只能看到皮毛。 弱连接充当的是不同信息网络之间的桥梁。 每一个弱连接都连着一个你从未接触过的圈子，那个圈子里的信息、机会、资源，对你来说全是增量。 格兰诺维特做过一个经典调查：那些成功找到新工作的人，绝大部分的工作信息来源不是亲密好友，而是那些不太熟的弱连接。比例高得惊人。 原因很简单，你的好朋友知道的招聘信息，你大概率自己也知道。但一个半年没联系的前同事，他现在的公司正好在招人，这个信息只有他能给你。 4️⃣见人也有复利效应 弱连接最好的积累方式就是见人。 线上互动再多，不如线下见一面。一顿饭、一杯咖啡、一次散步，能建立的信任和了解程度是线上聊一百条消息都做不到的。 而且弱连接有一个很强的复利效应：你认识的人会帮你认识更多的人。 A介绍你认识B，B带你进入了一个新的圈子，这个圈子里你又认识了C和D。每一个新的弱连接都是一扇门，门后面是一整个你从未见过的世界。 这种事靠强连接永远不会发生。因为你的好朋友圈子和你高度重叠，他们能介绍给你的人，基本上你早就认识了。 5️⃣大部分人的社交是低效的 说到这你可能会想：我也有很多微信好友啊，几千个呢。 数量不等于质量。 大部分人的社交方式是被动的：公司分到一个组，你就和组里的人混熟了。大学分到一个班，你就和班里的人成了朋友。你的社交圈完全由环境决定，而不是由你主动选择。 这种被动社交构建出来的网络，同质化极其严重。你的朋友都是和你差不多背景、差不多行业、差不多认知水平的人。信息在这个网络里流动来流动去，全是重复的。 主动社交才能构建高价值的弱连接网络。 去参加不同领域的线下活动。去X这些平台上主动约你觉得有意思的人见面。去认识那些和你背景完全不同的人：做投资的、做内容的、做实业的、做海外市场的。 不需要刻意维护关系。弱连接的好处就在于它不需要高频互动。你们见过一面、聊得不错、互相留了联系方式就够了。下次当某个信息或机会出现的时候，他会想到你，你也会想到他。 6️⃣信息差就是财富 归根到底，弱连接的价值在于信息差。 在这个时代，大部分财富的产生都来自于信息不对称。你比别人早知道一个趋势、早发现一个机会、早接触到一个关键人物。这些信息差在关键节点上的价值，可能超过你埋头苦干一整年。 强连接给你情感支持，弱连接给你信息红利。两者缺一不可，但大部分人严重低配了弱连接。 你的收入水平，约等于你最常接触的五个人的平均值。 这句话被说烂了，但底层逻辑是真的。 你接触的人决定了你的信息输入 你的信息输入决定了你的认知边界 你的认知边界决定了你能做出什么样的决策 想要打破认知的天花板，最快的方式不是多读书，不是多上课，而是去见那些和你不在同一个世界的人，是去参加那个你觉得跟自己不搭边的活动。 跨出你熟悉的圈子，走进一个信息完全不同的世界。 你的下一个重大机会，大概率不会来自你最好的朋友，它会来自一个你还没认识的人。

🪐同一个话题， #OKX星球# 的创作者们有各种不同的解读：有人看行业融合，有人看竞争格局，有人直接聊产品惯性... 看大V独家资讯，来 OKX 星球！还想看到谁的观点？欢迎在评论区@他们~ @HM010169 @wangbuai @Cato_KT @Cryptodengta @TraderCIKE @Trader_S18

ZachXBT：同一实体关联四个暴跌 BSC 代币，ESPORTS 单日跌 93%！ 链上侦探 @zachxbt 发布调查，指出某实体疑似通过 Sablier 归属合约同时收到 $ESPORTS、 $RIVER 、 $LIGHT 及 $LAB 四个 BSC 代币，并与三个 LAB 多签钱包的签名人直接关联。 ZachXBT 指出，这四个代币此前均在中心化交易所发生过疑似市场操纵事件。今日 ESPORTS 单根红柱跌幅达 93%。 链上侦探发问：「这个实体只是运气好，还是内部人？」

现在同一个病房里住着两位都是2020年接受手术，但最近诊断复发的肝癌病人。一位是2020年圣诞节前后做的手术，他比较听话，每三四个月来门诊复查一次。这次复查发现了一个1cm大小的小肝癌，今天通过腹腔镜手术轻松切除，预期可以再次达到根治性的效果。