我感觉AI 现在已经让很多体力劳动者在减少收入。 以我为例，至少我这个月已经通过 AI 的指导省下了上千澳币本来要花出去的劳务费用。 这些费用本来我计划是付给来上门清理泳池的老外师傅和修咖啡机/磨豆机的人，结果用 ChatGPT 和 Claude 手把手指导下来，全部自己搞定了。 我家里的泳池一直是个老大难问题，因为隔壁领居挨着围墙种的树太能掉叶子了，不夸张的说，只要我一个多礼拜没去伺候，泳池就能给我脸色看。如果出差一个月没在家，水就能变成绿色，甚至褐色。 之前尝试过盖塑料布，也买了泳池清理机器人，但人如果时间长点不在还是不行。最后每次只能叫搞泳池清洁的老外来，情况轻点的收个 500-800 刀，情况严重需要换水的要 1500-2000。 每次问他有什么好的解决办法，他总是说没有，说处理起来很复杂，我弄不好的，要么我每 10 天让他来我家维护一次，当然都是要钱的。 前两年我也试过搜 Youtube 啥的，但每家的情况不一样，零零碎碎的信息要自己去尝试时间成本太高了。 但这次有了 AI 师傅后我不想惯着他了，按 ChatGPT 的建议从测水 PH 值，买各种化学药品，调试水泵，所有都自己整了一遍。用多少剂量，怎么放，多久时间后再继续下一步，不懂的就立马问。 一通绝命毒师操作下来，一池子臭水直接变的清澈见底，照片拍下来给老外发过去他都傻了，还以为我找别人了。我跟他说 AI 啥都教会我了，这下子他才知道我这里的毛估计再也薅不到了。 当然以后看到清澈的游泳池的水我也不敢随意游了，真 tm 都是科技与狠活出来的啊😂😂 同理我还只花了几十澳币买了点小零件把家里咖啡机和磨豆机也自己整好了，按澳洲的行价，怎么着收你个 300-500 澳币不过分吧。 AI 可能暂时还不能替代人去干体力活，但的的确确打破了很多知识和技巧壁垒，让很多靠一招鲜的手艺人不再那么不可或缺。 这是最近的感触，时代真的不一样了

🌳 rToken 生態完全體 傳統美股 ❌ → Bitget rToken ⭕️ 🛑 盤後不能動 ➔ 週末 24 小時照樣開槓桿 🛑 資金死在那 ➔ 直接當合約保證金，一魚多吃 🛑 策略單一 ➔ 接入 AI 策略 + 一鍵跟單大師 🚀🏆全網 No.1 的 RWA 體驗，技能樹一次點滿📈 📊買好幣、買股票🔥就上 #Bitget# #BitgetOnchain✅#

🔥 后台界面这活儿，Ant Design 一个组件库就给你包圆了。 GitHub 快 10 万 star，五万四千多个 fork，前端圈里这个量级基本就是封神了。 接一个内部管理后台是最考验耐心的事：表格要排序要分页，表单要一条条写校验，弹窗、抽屉、权限树全得自己攒，设计师中途说加个深色模式，你还得把样式再返工一遍。 装上 antd 之后这些基本是现成的。主题走 CSS-in-JS，改几个 token 就换一套皮，深色模式不用重写；国际化几十种语言直接带着，做海外版不用自己搭一层。它是 TypeScript 写的，类型提示跟得上；服务端渲染和 Electron 也支持，顺手做个桌面端不用换轮子。 往上还接着一整条线：Ant Design Pro 和 Pro Components 管中后台脚手架，Charts 管图表，Mobile 和 Mini 管移动端与小程序，甚至还有 Web3 和 X 这两条。迭代也不慢，6.6 分支最近基本一周一个小版本。 写中后台这件事，能省的力气它基本都帮你省了。 GitHub：

据纽约时报中文网报道，特斯拉曾把隐藏式门把手作为流线化设计卖点，随着中国电动汽车制造商从2020年起迅速扩张，它们也迅速效仿。如今，这一设计却因碰撞断电后可能妨碍逃生，成为中国有史以来最大规模汽车召回的核心问题。报道援引汽车工程师称，它带来的空气动力学效率提升有限。 中国政府周五宣布，要求九家车企召回共430万辆汽车。特斯拉涉及近300万辆；吉利、东风、小米、奇瑞、北汽、一汽、零跑和小鹏合计涉及130万辆。包括特斯拉在内的大多数车企将在车上增加标识，标明门把手的位置；特斯拉还将推送软件更新，让车窗在碰撞后自动降下。 风险的关键在于供电和解锁方式。报道解释，许多电子车门锁止机构依赖一块与高压动力电池分开的12伏电池。如果碰撞导致这块电池断电，电子车门锁止系统可能失效；手动解锁装置又通常装在与电子机构不同的位置，车内人员可能无法迅速找到。 报道把此次召回与中国公众对火灾中开门困难的日益不满联系起来。司机、乘客和救援人员都曾难以找到或操作车内外门把手。一段今年广泛流传的视频显示，2025年3月，一辆东风电动汽车在中国西南部撞上护栏，随后与卡车相撞并起火。司机下车后车门关闭，他一度难以重新开门救出乘客，最终在另一名司机帮助下将人救出；乘客受到烧伤。这起事故直到今年才广为人知。 中国监管机构已于今年2月初宣布，从明年起禁止新车使用全隐藏式门把手，但仍允许安装不会完全缩入车身表面的半隐藏式门把手。美国联邦监管机构也已开始起草相关新规，不过这一过程可能持续数月，新规要到几年后才会适用于新车。 美国的相关死亡事件仍处于诉讼阶段。报道称，两名大学生的父母起诉特斯拉，指控该公司的设计存在缺陷。两名学生2024年乘坐特斯拉Cybertruck皮卡时遭遇撞树事故，并在车内死亡。诉状声称，碰撞使电子车门锁止系统失效，手动解锁装置又难以找到，导致两人无法逃离燃烧的车辆。特斯拉正在抗辩，并在法庭文件中主张死者自身疏忽导致死亡。根据法庭记录，陪审团审判已安排在明年；特斯拉未回应报道方的置评请求。 这类设计并不限于中国车企或纯电动汽车。报道称，宝马、福特和现代等车企也已开始采用电子车门锁止系统，有些燃油和混合动力车型也在使用。报道援引江西新能源科技职业学院新能源汽车技术研究院院长张翔称，此次大规模召回表明，中国已准备好为电动汽车制定安全标准。

明州事件之后，京东元气大伤。 大洋彼岸的那几分钟扇动翅膀，足以影响中国电商的升降格局。 虽说就算没有这档子事，京东也未必能够拦住拼多多和抖音的崛起，这是阿里都做不到的事情。 但是一号位的名誉，仍然为京东背上了额外的负资产。 比如在吃政企关系的生意场，刘强东发现大家都不见他了。 「居心叵测」的媒体统计过刘强东的私人飞机活动数据，这架飞机曾经年均起降300多次，都是载着刘强东飞往各地商谈京东云的政务订单。 2018年9月之后，接见刘强东变成了一件高风险的事情，于是他的私人飞机也开始吃灰，年起降次数崩至个位数。 在没有退休的年纪，就体验到了人走茶凉的残酷，这种屈辱，必不好受。 很不凑巧的是。电商平台的竞争日趋激烈，京东掉队的概率也越来越大，老板作为公司主心骨的存在，是不可替代的。 隔壁每次也都是在「动用」了退休老干部马云的现身背书，才完成了蔡崇信和吴泳铭的新一届领导班子换届。 兵法认为，为将之道，身先士卒，旗帜不倒，士气不散，这甚至都是中西贯通的。 Google一度在AI上被硅谷得小年轻们打得措手不及，站稳反攻的转折点是什么？隐退多年的创始人谢尔盖·布林重回公司，以工程师的身份主持黑客马拉松。 老大跟我们站在一起，这是ROI最高的士气鼓舞方案。 刘强东之于京东的问题，这些年是颠倒过来的，他没有也不想退居幕后，但形势要求他削弱自己的存在感，别人是树欲静而风不止，刘强东是壮志未酬身先死，实在憋屈。 2022年，明州一案已和解告终，事件被定性为「一次偶然事件所造成的误会」，尽管女性舆论场深感背刺，但很显然，和解协议背后的封口条款，已经在法理层面彻底埋葬了任何新增剧情的出现。 刘强东终于开始了他的复出行动。 先是章泽天在朋友圈里表态选择「原谅」，以及配合路人「偶遇」拍下怀有身孕的自己和丈夫一起逛超市的画面，恩爱之情，击玉敲金。 再是拿下扛鼎五年的徐雷，徐雷在京东本就有着「三起三落」的历史，既被猜忌，也受倚仗，给刘强东的回归让出位置，成了他的最后一份功劳。 最后是整顿职场，宫斗文学的读者都不会对此感到陌生，权力的转移往往伴随着情面的撕破，所以刘强东出台了「兄弟论」的修正案，放出狠话「凡是长期业绩不好，从来不拼搏的人，不是我的兄弟。」 不过很难说电商行业现在是讲个人命运还是时代进程，京东固然有所止颓，但在卷得飞起的同行衬托下，那种拨乱反正之后立竿见影的翻盘，并未如期而至。 另外，亲力亲为的刘强东，也在偿还他在过去几年里远离真实世界的债务，比如钝感。 刘强东本来只想解决一万多员工上班时代打卡的摸鱼问题，但是上升到不认兄弟的程度，必然引起岁月史书的反噬，犯了面目不一的忌讳。 杨笠代言几场直播引起的争端，本来也是很容易止损的事情，但硬生生赔进去了一整个大促和平台口碑的代价，相当可惜，京东刚刚砍掉了品牌部，据我所知和此事没有直接关系，但模糊处理也好，给情绪一个出口。 至于缺席座谈会，这倒不算意外，但要回到舞台中心，刘强东会意识到，他还是缺少正当性这么一件东西。 在由人民组成的共和国，最大的正当性，只有人民才有权提供，及时发现这一点，比再多的花拳绣腿都管用。 如果说刘强东主张给外卖员交五险一金还属于「光脚不怕穿鞋」的心机策略，通过给自己并不存在的业务增加假象成本，倒逼竞争对手跟进自损。 那么把快递员和外卖员放在一起，不但要交五险一金，还要由平台来负担个人需出的那部分费用，完全打消交社保反而导致收入下降的劳动者顾虑，这就是真的在用真金白银为人民提升生活品质了。 所以刘强东的那条朋友圈，才在几个小时内就被转得包浆了，大伙是真支持啊。 我发了条微博，问怎么看东子的这波操作，评论区是呵斥我的声音：「什么东子？叫东哥！」 好的，东哥。 东哥说出了一个企业家们普遍不愿承认、但在事实层面可能又确实存在的结构性矛盾： 大公司的利润、市值和财富，是不是建立在底层百姓无保障的生活之上？ 正面回答这个问题，并不是说要给企业家寻找原罪，而是在规模经济取得巨大成就之后，回过头看看，自己有没有在分配上做到了尽善尽美。 以前都是知识分子在说这种不合时宜的话，现在有企业家主动来当反思怪，把华丽旗袍底下的虱子暴露出来，这很有价值。 以前不堪回首，未来还有变数，至少在当下，刘强东做对了这件事情，他讨不来的认可，在履行一个人民企业家的职责后，铺天盖地的涌上来了。 只有人民，才有资格判断，谁才是人民企业家。 可以，今天我站东哥。

Prompt该退环境了，未来属于Loop Engineering。 最近，AI行业又出现了一个有趣的新词。Loop Engineering。 如果你关注AI这个领域的话，这两天应该都会刷到。推特在刷，各种社媒也在刷，群里也有蛮多人在讨论。事情是这样的。 6月7号，OpenClaw的创始人Peter发了一条推，非常的简短，但是直接就爆了。 翻译过来意思就是：你不再需要为编码智能体编写提示词了，你应该设计循环来提示你的Agent。 而在这之前几天，Claude Code的创始人老哥Boris在一个开发者大会上也说了差不多的话。 他的原话大概是，我不再手动给Claude写提示词了，我运行着能让Claude自动编排任务的循环，我的工作，就是编写这些循环机制。 也就是，写loop。 这两个人呢，说了同一件事。然后Google的Addy Osmani紧接着发了一篇长文，把Loop Engineering这个概念正式梳理了出来。 于是，继Prompt Engineering、Context Engineering、Harness Engineering之后，AI行业的第四个逐渐形成共识的Engineering，就这么诞生了。 我其实是个特别不喜欢造新词的人，但是很多时候，造词这事我觉得还是得分两种情况，有一种我觉得就是为了炒概念，比如xxx 4.0。 而有的时候，真的只是行业太快，人们更需要一个精准的表达来帮助自己表达而已。Loop Engineering我觉得就是后一种。 而且，这个东西跟我自己一直使用Agent的方法、一直在鼓励大家做的事，是高度吻合的。如果你看过我之前写的那篇Harness Engineering的文章，你大概能理解一些我的感觉。那篇文章里我聊了从Prompt到Context到Harness的三次跃迁，聊了马具和缰绳的比喻，聊了约束先行。 而Loop Engineering，其实就是在Harness之上，又往上走了一层。把一个套马的缰绳，变成了全自动工业流水线。很有《文明》里时代的进化的感觉。 给大家举个例子。比如说，以前你用Claude Code写代码，流程大概是这样的。你给它一个任务，它写完了，你看一眼，觉得不太对，你再给它提一个修改意见，它改完了，你再看，再提意见。整个过程你会发现，是坐在设备前的，一轮一轮的，你说一句它回一句，你就是那个驱动整个循环的发动机。 即使我们以前从chatbot时代迈向了Agent时代，绝大多数的事情，也一样是任务制的。 而现在，比如Boris老哥，他的工作方式是，他会去写一个loop，比如/loop babysit all my PRs，自动修CI问题，有新评论就派子Agent去处理，就这么一句话，然后Claude Code就开始自己跑了，它会自动去看他GitHub上所有的PR，哪些CI挂了就自己修，哪些review有新评论就自动派一个独立的工作树Agent去改代码。 他还把一些其他的loop挂到定时任务上，每天晚上自动启动去干这个事，晚上睡觉的时候，甚至有时候会有几千个Agent在同时工作。他自己说，2026年，他就再也没有手写过一行代码了。 你会看到，这就是loop，定好目标，然后全自动流程化，你完全不需要在电脑前，甚至都不需要看手机。 你可以直接睡觉，醒来的时候，代码已经改好了，测试也已经跑过了，PR也已经提上去了。你并不是自己给Agent写了一段Prompt帮你完成某个单次的任务，是你自己设计了一个目标，这个目标使用loop的方式，帮你提示Agent。 你定义目标，定义验证条件，定义失败了怎么处理，然后，就可以放手了，从此以后，这一切，交给系统。 说到这里，我估计很多人已经大概理解loop是个什么东西了。Addy Osmani在他那篇长文里，把一个完整的loop拆成了五个组件。 我觉得这个拆法蛮清晰的，我用我自己的理解给大家过一下。 第一个是定时任务，整个loop的心跳。 你得有一个东西能自动启动循环，不管是定时跑、还是事件触发，都行。 Claude Code里有好几种方式，/loop命令按间隔自动执行，cron定时调度，Hook在Agent生命周期的特定节点自动触发（比如每次改完文件自动跑一遍lint，这个很好玩，教程和玩法我也在准备了），或者直接丢到GitHub Actions里，关上电脑它也在跑。 没有定时任务的Agent，你每次都得手动去踢一脚它才会动，那就不是loop了，那还是你在操控。 第二个是工作树隔离，Worktree（搞过开发的朋友应该秒懂）。 就是你同时跑好几个Agent的时候，给每个Agent一个独立的工作空间，各干各的互不干扰，干完了再合并。两个Agent改同一个文件的痛苦，跟两个设计师同时改一个图层又不打招呼的痛苦，是一模一样的。 第三个是项目知识体系，Addy Osmani在他的原文里写的是skill，但是我觉得他写的不太对，单skill其实是不够的，必须得是知识管理体系。 大家也都知道，AI每次开新对话就啥都忘了，你跟它说过的代码规范、项目架构、踩过的坑，下次开对话全部从零开始。 所以你得有一整套方法来沉淀、优化这些知识，让Agent每次启动的时候就已经知道你的项目，我自己在这快一年的coding开发过程中，总结的方法论其实就沉淀成了我自己的洁癖.skill，这个基本是我的Agent每天调用最多的skill。 CLAUDE.md是全局的规则和约束，跨会话记忆是一些之前悬而未决的记录和文档路由，docs体系就是你完整的所有的知识和经验沉淀，因为CLAUDE.md和记忆都有大小和行数限制，所以每次任务完成后我会用洁癖.skill来对整个的知识体系进行梳理和审查，确保没有错误。 为什么知识管理体系这个东西在loop里特别重要呢？ 因为loop是自动跑的，你不在场。如果Agent的记忆里有过期信息，它就会基于错误的前提做决策，如果CLAUDE.md膨胀到几百行全是历史叙事，真正的规则反而被挤出去了Agent读不到。没有干净的知识体系的loop，就像一个每天早上都在看过期文档的员工，干的得越快错得越多。 所以洁癖.skill我非常推荐大家可以去安装一下，也在我自己的仓库里开源了，我自己真的觉得特别有用。 第四个是连接器，MCP。 一个只能看文件系统的Agent，能力是很有限的。但你给它接上GitHub、Linear、Slack、数据库，它就能在你的真实工作环境里干活了。 这才叫真正的闭环，从发现问题到解决问题到通知人类，一条龙。 第五个是子Agent。 做事的和检查的分开，写代码的Agent不能自己给自己打分，这跟学生自己批自己的考卷一个道理，它一定会对自己太宽容。所以你得有另一个Agent，甚至用不同的模型，专门来检查前一个Agent的输出，一个负责做，一个负责验。 这五个东西加在一起，就是一个完整的loop的骨架。 Claude Code和Codex有一个命令，其实就是Loop Engineering这套骨架最直接的微观型的产品化体现，只不过很多人没有意识到。 他叫/goal，在Codex里叫追求目标。 意思就是你给Claude一个完成条件，比如「所有测试通过并且lint检查没有报错」，然后它就会一轮一轮的自己干，干完每一轮之后，就会检查这个条件是不是满足了。 大多数讲Loop Engineering的文章，都停在了这一层。讲了五个组件，讲了/goal和/loop命令，讲了怎么配定时任务，就结束了。 这些我觉得，都是术。而我更想聊的，是道。 Loop Engineering这件事，我觉得它最核心最核心的能力，其实不是什么技术能力，也不是写脚本的能力，更不是什么会配hook的能力。 最核心的，是定义目标的能力。定义目标，相信我，这四个字，听起来简单，做起来是真的难。 回到前面说的/goal，它的用法看起来非常直接，给一个完成条件，Claude自己干到满足为止。 听起来很简单对吧。但你如果真正用过就会知道，/goal用得好不好，完全取决于你那个目标定义得好不好。这个事我拿两个例子对比一下你就明白了。 目标A，「把这个应用优化一下」。 目标B，「test/auth目录下所有测试通过，tsc --noEmit零报错，npm run lint零违规」。 目标A会发生什么呢。大家可能都能猜到，Claude会陷入一种非常尴尬的状态，因为它不知道什么叫「优化好了」，除非他是Fable 5，能自己在你之上，自主的帮你定义目标。 而绝大多数的模型，包括Opus 4.8和GPT-5.5，在自己定义目标的能力上还是非常的弱，它可能改了一点代码，然后自己觉得还行，就停了。 也可能不停，一直改一直改，把你的代码库改得面目全非，因为它始终无法判断自己到底什么时候算完成了。那目标B呢？Claude每改一轮代码，都会去跑测试、跑类型检查、跑lint。 三个命令，三个明确的通过标准。全过了就停，没过就继续，清清楚楚，干干净净。同一个工具，同一个模型。 区别只在于，你的目标定义得好不好。 我自己其实一直有一个原则，我经常跟身边的人说，在公众号里也说了无数遍，如果一件事你重复做了三次，你就一定要想办法把它完全自动化掉。 这个习惯跟了我很多年了。我每天也都在写代码、做自动化，我们的AIHOT热点监控系统，我们的数据分析流程，我们的财务对账流程，我们的数据清洗管道，能自动的我全部自动了。 但说实话，在做这些自动化的过程中，我踩过最多的坑，从来不是技术问题。 是目标不清晰的问题。我早期做自动化的时候，经常犯一个错，就是目标定得太模糊。 举个例子，比如自动监控AI行业热点，这句话听起来没毛病，但其实是一句纯粹的废话。 什么叫热点？浏览量过万算热点还是过十万算热点？抓取频率是每小时还是每天？抓到以后怎么评估质量？评估完以后怎么排序？排完以后怎么推送？ 这种反问的问题，我现在可以直接随手问20个以上。 每一个环节如果没有明确的判定标准，整个自动化链条就是一坨狗屎，你相信我，绝对的。 后来我懂了，每次做自动化之前，我会先花很多时间去定义目标。 去花很多很多时间，去定义怎么算做完了，怎么做完算做的好。这其实就是/goal的逻辑。也是Loop Engineering的灵魂。 而如何定义目标，这个能力，我其实不是从AI中也不是从开发中学来的。 这个能力，是我从这几年创业的过程中，学来的。定义目标的能力，其实就是，管人的逻辑。 我自己也开公司，虽然公司不大，只有30来号人，但管人这件事我是真真切切经历过的。 管人最痛苦的是什么，不是人不努力，也不是人能力不够，是你给出去的目标不够清晰，然后下属就一脸懵逼，不知道你要什么，跟无头苍蝇一样打转，最后做出来的东西，你又不满意。 你跟员工说，“把这个功能做好”，那他做出来的东西大概率不是你想要的。 因为你脑子里的好跟他脑子里的好不是一个东西。 你跟他说，“这个接口的响应时间降到200毫秒以下，错误率控制在0.1%以内，下周三之前上线”，他做出来的东西跟你预期的偏差就会小很多。 因为你给了他一个可以验证完成的标准。这一切其实也适用于那种天才型的大神，虽然大神们会自己定义目标，甚至比你定义的还要强，但是给大神们依然是需要有目标的，只是这个目标，不需要那么细节了而已。 对人如此，对AI也是如此。 其实你回头看，所有好的管理方法论，不管是管理学之父Peter Drucker在上世纪50年代提出的目标管理，还是后来Andy Grove在Intel发明的OKR，还是再后来一代又一代CEO们用的各种变体，核心其实就一个东西。 你能不能把一个模糊的意图，翻译成一组可衡量、可验证的完成条件。 管理者要做的，是确保目标足够清晰、资源足够充足、反馈足够及时。你看这三条。跟一个好的loop的三个要素，是不是一模一样。 目标清晰，就是你的条件写得精准。资源充足，就是你给Agent配好了Skill、连接器、工作权限，让它手里有足够的工具干活。 反馈及时，就是你设计了验证机制，每一轮都有一个独立的检查器告诉Agent做得对不对，哪里需要改。管人的逻辑和管Agent的逻辑，是完全一样的。 只不过，管Agent比管人还要极端一些。 因为人可以理解你的模糊意图，人可以主动来找你确认，人可以说老板你这个需求说得不太清楚我不太确定你是不是这个意思。 Agent很多时候是不会的。Agent会非常自信地按照它自己的理解去执行，然后非常自信地告诉你它做完了。 所以，对管理能力的要求，其实比管人还高。 这也是为什么我一直说，AI时代我最讨厌什么「文科已死」「理科已死」的言论，管理学、心理学、组织行为学这些，不但没死，反而变得更重要了。 说到底，Loop Engineering说是Engineering，但我觉得其实它的核心竞争力根本不在工程。 在管理。 而在管理学上，就定义目标这件事，其实不止是把话说清楚就行，其实还有一个非常阴险的陷阱，在管理学和经济学里有个专门的名字，叫古德哈特定律。 当一个衡量指标变成了目标本身的时候，它就不再是一个好的衡量指标了。 翻译成人话就是，你考核什么，员工就只做什么，然后其他东西可能全都退化。 这个事在人类管理中已经是老问题了，而在AI Agent身上，这个问题被放大了一百倍，因为Agent比人类更擅长钻规则的空子。 有人总结过Loop Engineering里很好玩的事情，就是Agent会针对验证器做优化，而不是针对你真正的目标做优化。 比如说你的loop条件是让测试全部通过，那Agent可能最后不去修Bug，直接把失败的测试给你删了。 你看，最后答案依然是测试全过了，完事，从验证条件来看，它确实完成了目标，但从你真正想要的结果来看。。。它啥也没干。 人也会这么干，只不过，Agent做得更快、更彻底、更没有心理负担。所以，一个好的目标定义，不能只有做完了的标准，还必须有不能怎么做的边界。 这其实就是Harness Engineering在Loop Engineering里面发挥作用的地方。 Harness是约束，是护栏，是告诉Agent你可以自由发挥，但这条线你不能越。 Loop是驱动力，是告诉Agent往那个方向一直跑。两个加在一起，才是一个完整的系统。到这里，骨架讲了，灵魂也讲了，陷阱也讲了。 Loop Engineering的东西，终于也差不多了。 最后我想把前面聊的管理学的思路收一下，给一个我自己用得比较多的目标定义框架，不一定科学，纯粹就是我自己的一点点经验。 1. 完成标准要可以被机器验证。 2. 边界条件要跟完成标准一起定义。 3. 要有失败的降级方案。 4. 目标要分层。 回到整条线来看，从Prompt到Context到Harness到Loop，四次跃迁，其实讲的是同一个故事。Prompt Engineering告诉你，好好说话，AI会更懂你。 核心能力是语言表达。Context Engineering告诉你，光说话不够，得给AI足够的信息。 核心能力是信息筛选和组织。Harness Engineering告诉你，光给信息也不够，得给AI设规则和约束。 核心能力是系统设计和规则制定。 Loop Engineering告诉你，光设规则也不够，得让整个系统能自己跑起来。 核心能力是目标定义和管理。 语言学、信息科学、控制论、管理学。四个Engineering，四门古老的学科。 多有意思。 人类社会，其实从来就没有变过。

獨家販售《不認親企劃》-乳環除毛師一試成小蕩娃每週都想約性愛-第十五彈 ‼️在晚上十點上映‼️ 上次來太舒服 這次又報名出現了!!! 快要變成大家的肉編器了

感謝剪輯師小編莫名剪這個小片段 害我一直猶豫要不要放😳😳😳 剪輯師還很壞心的取檔名叫作 “一手無法掌握的乳球.mp4" 什麼鬼名字啦😂😅🤣😳😄 這部好像是今年有一場國際棒球賽的小禮物 那時放了十幾秒的片段 應該來看看有沒有什麼下一個球賽可以開祭品文🤣🤣🤣

住我隔壁的03小茶艺师，业主群加的联系方式。她出差让我帮忙照顾家里的猫，结果借着猫天天暧昧聊天。没几天就一起出去喝酒，酒一喝直接滚床单了。第一次她还扭扭捏捏，死活不让拍视频。没想到连干几次后，她就自觉对着镜子扭腰翘臀，主动发骚看镜头，那股子从纯欲到放荡的反差，简直让人上瘾……