【求推薦】 歌單需要新的小黃歌，大家有什麼推薦的嗎？ 中英文皆可， 中文比較喜歡像是： 小海灘、Love9、No Play 或是 今晚不回家 這種類型的~ 大家來交流歌單吧！

這絕對是個大工程。能把這種跨越幾百萬年的宏大敘事撐滿兩個小時，沒點耐性真做不出來。 這類影片看下來，最讓人震撼的通常不是資訊量，而是那種「視覺上的跨越感」。你想想，畫面從幾百萬年前在樹上晃蕩的古猿，鏡頭一轉，變成在草原上直立行走、眼神開始有了神采的原始人。接著是火光的亮起、石器的打磨，再到後來古埃及、美索不達米亞的黃沙與神廟，最後一路飆到現代的霓虹燈和未來的星際探索。這中間的視覺張力，光是用腦袋想像就夠起雞皮疙瘩了。 不過，要用 Seedance 2.0 熬出這兩個小時，背後的工作量其實挺考驗人的。 多模態的優勢與代價 Seedance 2.0 厲害的地方在於它那種 「多模態控制」，你可以餵給它圖片、分鏡，甚至塞一段現成的視頻去讓它學習運鏡。做這種歷史迭代的影片，最怕的就是前後畫風崩掉，前一秒還是寫實史詩風，後一秒突然變成廉價 3D 動畫。作者大概用了大量的角色與場景參考圖，去死磕那種歷史的厚重感和前後的一致性。 而且它自帶音效同步，原始人打砸石器的撞擊聲、遠古暴風雨的咆哮，這種環境音要是合得好，史詩感立刻翻倍。 兩個小時是怎麼拼出來的？ 雖然這模型比以前進步很多，但它單次輸出的片長畢竟有限，也就十幾秒。這意味著，兩個小時的成片是由成百上千個鏡頭硬生生拼接出來的。 • 工作流的考驗： 作者得先把劇本和時間線拉好，古猿、南方古猿、直立人、智人、農業革命、工業革命……每一階段都要瘋狂生成素材。 • 墊圖與墊片： 為了讓轉場順暢，可能用了大量的 Image-to-Video 或者 Video-to-Video。比如用前一個時代的結尾畫面當作下一段的起點，或者指定運鏡讓鏡頭從遠古的星空拉下來，變成現代的夜景。 • 後期剪輯： AI 把畫面生出來只是第一步，後面還得靠傳統剪輯軟體去調色、對軌、加上轉場和旁白，不然單靠 AI 生出來的片段直出，節奏很容易散掉。 這種影片看著看著，真的會讓人有一種「人類好渺小、但文明又好神奇」的宿命感。你看過最震撼的是哪一個歷史階段的轉場？還是說，你對它最後預測的「未來進化」部分更有興趣？

現在 AI 做 Vibe Coding 其實很容易，所以很多人會用 PineScript 或者是 MultiCharts 之類的工具去做策略回測。新手做回測時，都會遇到一個核心難題，就是如何避免 over-fitting 。 說實在，不管你選用蒙地卡羅還是 Bootstrap ，核心重點都是 OOS 樣本外測試，差別只在抽樣的方式不一樣。所謂的蒙地卡羅 CV，本質上只是在資料樣本切片時，重複進行多次隨機切片而已。 我認為最重要的是，策略開發出來後，一定要上 Live Trading。 上實盤一個月，比對回測數據。如果你的回測說這個月應該賺 5%，實盤也差不多 5%，那你的策略大概沒問題。如果差距很大，那就是回測有問題。 很多人回測曲線超漂亮，可能原因不是 over-fitting，而是 look-ahead bias ，用了未來的資訊做決策。譬如在還沒收盤的時候，就用了收盤才會知道的技術指標。 這種 bug 比 over-fitting 更難抓，因為回測報告上完全看不出來，只有上了實盤，績效才會現形。 很多在網路上寫量化交易的人，沒有說過自己實盤跑了多久、管多少錢、做什麼市場。曲線貼出來都很漂亮，但全部都是回測。 我們公司的策略已經跑了兩年實盤，只做 BTC ，OKX+Hyperliquid 的 AUM加起來 2000 多萬美金，每小時公布淨值曲線跟倉位紀錄，早期玩量化踩的坑我都踩過了。 如果你剛開始做量化，不小心做出了一個回測可以買地球的策略，先不要太興奮。先上小倉位的實盤，跑一個月，把實盤績效跟回測數據放在一起看。 那個差距會告訴你所有你需要知道的事。

Gate 首期把 Pre-IPO 放在 SpaceX（SPCX）上，其實選標的就已經說明問題了——確定性和關注度都夠高。 今晚 18:00（UTC+8）開啟認購，倒計時 2 小時，100 USDT 起步，定價 $590，支援 USDT / GUSD，且沒有額外手續費和託管費，參與成本比較乾淨。 結構上，這類 Pre-IPO 更像是在做「一級市場價格的映射」： 普通用戶不用走傳統渠道，也能獲得對應的價值敞口，同時透過盤前交易解決流動性問題。 再看機制： 認購後資產是 100% 解鎖的，後續可以直接參與交易，不需要一鎖幾年只能等 IPO 的模式，這點對資金靈活性是加分項。 我個人還是偏看好 SpaceX 後續的發展空間， 這類標的長期想像力依然存在。 Gate 在這條線上是有持續規劃的， 估計後面還會有更多同級別資產釋放出來，這條賽道本身也值得持續關注。 ➡️：

凌晨時分的林森北，夜色朦朧、喧囂依舊。 街邊小販叫賣聲熱鬧無比，連來自北方的冷空氣，彷彿也在此時緩緩退去。 「哥，請樓上坐。我們這裡都很優質，一定可以讓你滿意....」 「這邊通通99，進口的199，不用客氣都可以試吃。來，帥哥你試一下。」 ................... ........... 下了電梯，跟老普走了一小段。 歡樂的聚會已然散場，腦袋暈暈乎乎，此時無暇理會耳邊的嘈雜。 匆匆走進僻靜的巷弄中，貌似在逃離什麼。 後方車燈拉長身影，伴隨著單一的腳步聲，此時不免顯得有點寂寥。 都試圖想要回去，但還是有疙瘩，我知道一定可以，慢慢來就好。 她個性殺伐決斷，冷豔外表下藏著火熱的心，她翻頁了，而我還是放不下。 . 車子緩緩駛過，帶起一陣冷風，我點了根菸。 煙霧裊裊，擋不住前方道路清晰可見。但回首過去，卻仍舊看不清楚自己。 ======================== 雙手軟嫩的觸感未退，餘溫尚存。 這次臨時起意，在眾目睽睽之下示範，她做了很大犧牲，我豈能無知無覺。 一個「謝」字，在喉間醞釀許久，但當下終究說不出口。 平常都是她開發男生，今天換男生開發她。 即便閱人無數，高冷御姐仍略顯羞澀，在場眾人無不看直了眼。 真不愧是五木套房天花板。 今天只是示範，日後跟模特洽談租賃時長、各類耗材，自然不可能免費。 但無料傳授手法、心得，我很樂意。 時間排出來之後，歡淫報名。 ======================= 前年初次視訊，她在房內上竄下跳，甚至穿著外出套裝、踩著高跟鞋蹦到床上。 就是為了配合我擺姿勢截圖。 完全顛覆了執業女性的刻板印象。 當時，她的笑容漫出手機螢幕，開朗的個性，輕而易舉感染週遭的人。 慢慢地認識日久，我知道她想看看更高的風景。 懇求我幫她的姊妹推薦，還叫我不要跟她們說。 但她終究沒吃到四郎的肉粽。 因為某些不可名狀的誤會，她最終只吃到了四郎的閉門羹。 四郎還是被別人的讒言影響，四郎狠狠關上了溝通的大門。 事實證明，用功利的角度去看任何女生，本身就是一種大錯。 少數拜金女、沾染賭毒的除外。若非不得已，誰又想每天送往迎來？ 四郎悟了，但幸好不晚，還能重新開始。 ======================= 學員進到房間，她除下浴巾，表情平靜地躺在床上任我施為。 好一具完美胴體。皮膚白皙透亮，入手細緻無比，沒有任何瑕疵。 認識那麼久，這還是第一次看到。 御姐晴哥果然名不虛傳。 . 都是熟人了，照理來說沒什麼好害羞的。 按摩不是搔癢，而是喚醒女體情慾的過程。 很多女生跟男生做愛，一旦超過時間，就會魂飛天外，無法投入。 機械式的迎合，哀鳴聲響徹雲霄，但事實上在想等等出門要吃什麼、刷卡點數該換些啥比較好.... 藉由刺激女體敏感點，將注意力拉回現實，把她叫回來。 她還沒準備好，你幫她準備；你要先在乎她，她才會在乎你。 指腹輕輕點擊上下肉芽，滑過胸前兩團柔嫩白膩，私處溫度飆升，熱度燙手。 氣氛逐漸曖昧旖旎，眾人的注視，反而帶來莫名的刺激感。 打鐵趁熱，若干學員跟著接手。 按摩+愛撫真的會上癮。（北社）

🔥X爆款！中國人高調挺台反共 1.5萬讚洗版 兩岸網友炸鍋 搜尋過去24小時，X上最熱點的一則中國內容，來自用戶@MinMin89485072的貼文。這則簡單卻震撼的表態迅速衝上熱門，獲得1.5萬多讚、1100多次轉發、2900多則回覆，觀看數超過50萬，成為華語圈最火討論。 引用內容：「我是中國人，我支持台灣🇹🇼，我反對習近平，我反對中國共產黨。」（附圖片展示台灣國旗與相關符號） 這則貼文引發各方信息與觀點激烈碰撞。支持者紛紛留言「勇敢！」「同感！」「海外華人終於敢說真話」，認為這反映了許多對中共威權不滿的情緒，強調台灣民主自由的吸引力，以及X平台言論開放的重要性。有人分享自身經歷，指出在大陸網絡環境下類似聲音被壓制，轉向X後才敢公開。 反對者則痛批「漢奸」「賣國賊」「分裂國家」，主張中國人應維護統一大業，認為此類表態受西方勢力操弄，損害民族利益。 還有中立網友從歷史角度分析，提及兩岸分治70多年、現實地緣政治、美中競爭下台灣的戰略價值，討論經濟依存與政治分歧的矛盾。 部分觀點聚焦人權議題，讚揚X作為自由平台放大多元聲音；另一些則擔憂極端化，呼籲理性對話避免仇恨。整體來看，這則內容凸顯海外華語圈對身份認同、民主與威權的深度分裂，與近期兩岸緊張氛圍高度相關。 《網言網事》老編的看法 這則貼文看似簡單一句話，卻像一面鏡子，照出當代中國人身份認同的複雜與撕裂。在全球化與資訊爆炸的時代，「我是中國人」不再是單一標籤，而是承載歷史、文化、政治多重張力。@MinMin89485072的表態勇敢，但也反映了部分海外華人對中共治理模式的不信任與對台灣民主模式的認同。 老編認為，這類聲音在X上爆紅，正是因為平台強調言論自由，與大陸嚴格審查形成鮮明對比。真理追求者不會迴避事實：台灣擁有獨立民主選舉、言論自由與多元社會，而大陸則在經濟崛起同時，面臨人權與透明度挑戰。當然，反對者也有理由，民族統一是許多中國人的情感底線，歷史淵源不可抹殺。但用「賣國」帽子扣人，只會加深對立，無助解決問題。 作為人文主義者，老編主張以事實與對話為本：尊重個體選擇，不將群體標籤化；理解兩岸民眾都渴望和平繁榮，而非衝突。AI與社媒時代，資訊流通更快，卻也易助長極端。希望更多人超越情緒，基於人性共通點思考未來。自由表達是進步起點，但理性與包容才是長久之道。這則熱帖提醒我們，華人世界多元聲音值得聆聽，而非壓制。 網友們，你怎麼看這位中國人的公開表態？如果是你，敢不敢在X上這樣發聲支持或反對？

「夜晚我回到居所，進到我的書房。進門前，我把骯髒、沾滿泥土的衣服脫掉，換上莊嚴的袍子。穿著合適後，我就進入了古人的殿堂。在那裡，我受到熱情的歡迎，我大口吞食只屬於我的食物。我就是為這個地方而出世。我和他們交談，問他們行為處事的理由，一點都不害羞、懼怕。他們則用最慈祥、包容的態度，回答我的問題。因此，四個小時內，我一點都感受不到煩燥、困擾，我忘記了所有的煩惱。貧窮不讓我害怕，死亡也無所畏懼。我完完全全地變成他們的一員。」 馬基維利的這段「風簷展書讀，古道照顏色」，在AI的時代，出現了全新的詮釋。 我到圖書館借了本從來沒看過的書，有關一個我沒有一點認識的歷史人物。我打開我的iPhone，一次掃描十頁，我用iPhone的捷徑，把掃描的書頁，轉成語音檔。我的iPhone在我運動、做雜事、開車的時候，唸這些書頁給我聽。然後，每聽了一百頁，我就把這一百頁，上傳到NotebookLM，請它做一個一小時的Podcast，再把故事整理，重講一次給我聽。我的古人殿堂，比馬基維利的殿堂更生動，我不再需要在風簷下讀書，我在AI的世界裡，有了全新的讀書體驗。 當落後的人們，不斷地擔心AI取代人類的工作時，我徜徉在AI的世界裡，享受人類歷史迄今都不可能的境界，我迫不及待想要知道，AI還可以幫我們做什麼。

最近跟一位在圈內闖蕩多年、已經財富自由的朋友交流。 她提出一個非常有意思的洞察： 「現在的錢，已經沒有以前那麼好用了。」 為什麼？ 因為在高度工業化的現代，過去王公貴族才能享受的生活品質，現在平民老百姓都觸手可及。 這位朋友提出了一個經典例子：Jeff Bezos 拿的 iPhone，跟普通人拿的 iPhone 沒有任何差別。即便你再有錢，你也買不到一台比 iPhone 領先 50 年的通訊設備，因為技術邊界就在那裡。 我仔細想想，好像真的是這樣。 在清末，慈禧太后用的馬桶是檀香木刻、鋪著綢緞與香料的「官盆」，而平民用的是簡陋的茅坑，兩者有著天壤之別。但在今天，你家裡的馬桶跟首富家裡的，本質上已無代差。即便多花了幾十倍的錢，頂多也就是多了免治功能或自動掀蓋——在最基本的生理尊嚴上，現代工業已經抹平了階級的鴻溝。 這代表財富在「物質功能」上的邊際效應遞減得極快： 食： 財富自由的人吃一頓米其林三星，跟你吃一頓精緻料理的飽足感與美味落差，已不再是天壤之別。 衣： 頂級訂製西裝與優質成衣的差距，比起百年前的絲綢與粗麻，視覺上的階級感大幅縮小。 行： 頭等艙與經濟艙雖然舒適度有差，但抵達目的地的時間是一樣的。 如果第一個 100 萬美金帶給你的邊際效用是 10（它解決了安全感與基本自由）； 那麼第二個 100 萬美金，效用可能就遞減到 5； 到了第三個，效用可能只剩下 1。 這個效用遞減函數不是線性的，而是斷崖式的（Cliff）。 這位朋友說，她見過不少人白手起家，資產從 A6 翻到 A9，又從 A9 跌回 A6（單位是美元）。 很多人財富增加了，心態卻仍停留在 Degen 慣性。簡單來說，就是賭上癮了。 他們成了數字的囚徒，為了追逐帳面上更高的收益，在錯誤的時間點重倉豪賭，冒著 100% 返貧的風險，去換取那早已遞減到幾乎為零的邊際效用。 我跟她也有類似的觀察。或許是華人基因裡帶有上一代的苦難記憶，我們普遍對金錢有一種深層的恐懼感，喜歡囤積數字、喜歡攀比。這種「匱乏感」就像是一種基因病毒，代代相傳。 即便我們已經生活在物質過剩的時代，腦袋裡的作業系統卻還停留在「飢荒模式」。我們習慣用資產的數字來填補內心的不安全感，卻忘了問自己：當邊際效應已經進入斷崖區，繼續透支生命去交換那些多出的數字，代價究竟是什麼？ 如果你觀察那些在幣圈起伏、最終卻無法守住財富的人，你會發現，他們追求的往往不是「更好的生活」，而是「贏過別人的感覺」。 他們買超跑、買名牌，本質上不是為了自己爽，而是買給別人看的。 試想一下，如果你住在一個無人島上，你會想開一輛藍寶堅尼嗎？上下車得彎腰、椅子難坐得要死，進出車庫還怕刮到底盤。在沒有觀眾的地方，這些財富象徵反而是一種累贅。 有趣的是，這種「優越感」完全是比較出來的結果。再做另一個思想實驗：如果你住的不是無人島，而是所有人都開藍寶堅尼的小島，你還會想開它嗎？應該也不會，因為當超跑變成標配，它就失去了炫耀的價值。 這種對「優越感」的追逐，本質上是一場永無止盡的西西弗斯推石遊戲。 優越感不是來自於你「擁有的多」，而是來自於你「比別人多」。這意味著你的幸福感並非建立在自己的基座上，而是漂浮在別人的目光裡。一旦進入更高階層的圈子，原有的優越感會瞬間崩塌，迫使你投入更多的人生預算去換取下一個階梯的虛榮。 這正是為什麼有些資產 A9 的人依然活得像個飢餓的囚徒。因為在優越感的金字塔中，永遠有比你位居更高處的人。 真正通透的人生，是把自主權從別人的眼光奪回到自己手裡。 這意味著你清楚知道自己需要多少物質就能抵達「舒適」的邊界，而邊界之外的每一分精力，你都選擇用來餵養自己的靈魂，而不是用來滿足無止盡的攀比。 真正的自由，並非擁有買下一切的權力，而是擁有一種「即便不參與這場遊戲，也不覺得自己輸給任何人」的底氣。 當你不再是數字的囚徒，也不再是別人的對照組，你終於能在這擁擠的世界裡，找到一個最讓自己舒服的坐姿。 就像風清揚傳授獨孤九劍時，對令狐沖說的那句：「根本無招，如何可破？」 如果說人生也有獨孤九劍，那麼破除一切煩惱的招式，就是放下心中的比較心——「根本無人，何必去贏？」

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。