自從對『性』這方面的經驗 越來越多以後 慾望真的越來越大 已經發展到無法收拾的地步 每天都要玩上一輪玩具寶貝 來安慰一下空虛寂寞的心靈…🥹 #雖然還是比較喜歡有溫度的# #推特沒回不會主動密我TGㄇ#

7月份砲群開放審核 ⚠️想入群請注意 1️⃣開頭請打「我要審核」不要密個嗨 或哈嘍 2️⃣看完置頂文章 主動給齊基本資料 （身高、體重、年齡、居住地） 只要缺少一樣 我就不會回你 3️⃣需要附上一張清楚的本人照 4️⃣基本審核有過 我才會給私人line 5️⃣近期推特很會吃訊息 沒回到的請多密幾次

6月份砲群開放審核 ⚠️想入群請注意 1️⃣開頭請打「我要審核」不要密個嗨 或哈嘍 2️⃣看完置頂文章 主動給齊基本資料 （身高、體重、年齡、居住地） 只要缺少一樣 我就不會回你 3️⃣需要附上一張清楚的本人照 4️⃣基本審核有過 我才會給私人line 5️⃣近期推特很會吃訊息 沒回到的請多密幾次

6月份砲群開放審核 ⚠️想入群請注意 1️⃣開頭請打「我要審核」不要密個嗨 或哈嘍 2️⃣看完置頂文章 主動給齊基本資料 （身高、體重、年齡、居住地） 只要缺少一樣 我就不會回你 3️⃣需要附上一張清楚的本人照 4️⃣基本審核有過 我才會給私人line 5️⃣近期推特很會吃訊息 沒回到的請多密幾次

5月份砲群開放審核 ⚠️想入群請注意 1️⃣開頭請打「我要審核」不要密個嗨 或哈嘍 2️⃣看完置頂文章 主動給齊基本資料 （身高、體重、年齡、居住地） 只要缺少一樣 我就不會回你 3️⃣需要附上一張清楚的本人照 4️⃣基本審核有過 我才會給私人line 5️⃣近期推特很會吃訊息 沒回到的請多密幾次

《人的自由不是政权恩准的：从六四到中国的未来》——王苡儒 “各位牧長、各位前輩、各位嘉賓、各位朋友，大家平安，大家好。 我是公民抵抗協會的理事長王苡儒。今天因為人在臺灣，無法親自到場跟各位一同與會，我感到非常遺憾。但我也非常感恩，能夠透過錄影的方式，代表公民抵抗協會，向在場每一位為自由、人權、信仰，還有為中國未來持續守望的朋友，致上最深的敬意。 今天我們聚集在這裡，不只是為了紀念一場歷史事件，更是為了回應一個尚未完成的使命。三十多年過去了，六四不是過去式。因為真相仍然被掩蓋，受難者家屬仍然沒有得到公義，許多中國人仍然不能自由地哀悼、不能公開地發問、不能誠實地記憶自己的歷史。當一個政權害怕人民記得歷史，正說明歷史本身仍然有力量。 六四告訴我們，人的尊嚴不是國家賞賜的，人的自由也不是政權恩准的。天賦人權，意思就是人的良心、人的信仰、人的言論自由、人的政治參與權，不是任何極權政府可以任意剝奪的。坦克可以壓過街道，卻壓不碎人對自由的渴望；子彈可以奪走生命，卻不能消滅公義的呼聲。 今天我們談公民抵抗，並不是鼓吹仇恨，也不是追求暴力。真正的公民抵抗，是在恐懼面前仍然選擇站立；是在謊言面前仍然選擇說真話；是在犬儒與麻木成為常態時，仍然相信人可以被喚醒，社會可以被重建，中國也可以有不一樣的未來。 我們深知，中國民主化不會只靠某一個英雄，也不會只靠某一次運動。它需要長期的公民教育，需要跨族群、跨信仰、跨世代的連結，需要中國人重新學會什麼是責任、什麼是權利、什麼是自治、什麼是尊嚴。更重要的是，它需要我們在海外、在臺灣、在香港、在美國、在世界各地，把被中共切斷的歷史重新接起來，把被恐懼打散的人心重新連起來。 所以，公民抵抗協會存在的意義，就是希望與所有追求自由的人站在一起。與六四受難者家屬站在一起，與仍在中國境內受逼迫的基督徒、維權人士、良心犯站在一起，與香港人、維吾爾人、蒙古人、藏人，以及所有被極權壓迫的群體站在一起。因為我們相信，任何一個群體的苦難，都不應該被孤立；任何一個人的自由被剝奪，都是對整個人類尊嚴的挑戰。 作為一名來自臺灣的民間工作者，我也想特別說，我們的自由不是理所當然的。臺灣地區今天能夠公開討論六四，能夠紀念受難者，能夠批判極權，能夠自由信仰、自由出版、自由投票，這一切都提醒我們：自由需要被守護，民主需要被實踐，而中華民國的存在，本身就是對極權敘事的一種見證。 它告訴我們，華人社會不是天生只能接受專制。中國人不是天生不能民主。說中文的人，也可以擁有自由的國會、自由的媒體、自由的教會與自由的公民社會。 今天，我們在六四的記憶前低頭默哀；但默哀之後，我們仍要抬起頭來，繼續前行。 願我們記得死難者，不只是以悲傷記得，而是以行動記得。願我們紀念六四，不只是為了控訴過去，而是為了開啟未來。願我們推動公民教育，不只是傳播知識，而是幫助更多人重新成為有尊嚴、有良心、有責任感的公民。願我們的信仰參與，不只是停留在禱告，更能成為愛與公義的實踐。 最後，我代表公民抵抗協會，感謝今天所有主辦、協辦單位，感謝各位牧長、嘉賓、義工與朋友的付出。也向所有六四親歷者、天安門母親、政治受難者家屬，以及仍在黑暗中堅持的人，表達最深的敬意。 願真相不被遺忘，願公義終必彰顯，願自由的火焰，在我們這一代人手中繼續傳下去。願上帝賜福各位，也願上帝憐憫中國，帶領中國走向自由、民主與尊嚴的未來。謝謝大家。”

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。

今日美股总结：大盘在三角收敛，整体依然稳健向上 先看整体表现：标普稳健，道指创新高，纳指内部有分歧 周一美股全线上涨， 标普500涨0.72%， 纳指涨幅1.26%。 道琼斯指数再度刷新历史新高， 收在53055点上方， 显示整体牛市动力依然充足。 中小盘股（罗素2000）也小幅上涨， 市场广度总体在改善， 除了能源和极少数防御性板块外， 全美股呈现普涨格局。 宏观焦点：本周唯一的重量级事件是FOMC会议纪要 本周三美东时间将公布美联储6月的会议纪要， 这次会议本身就带有里程碑意义， 是新任美联储主席的首秀， 市场最关心的是纪要中是否有委员讨论了更早加息的必要性。 由于近期宏观数据偏强， 短端美债收益率虽然有所降温， 但如果纪要放鹰， 7月或9月的加息预期可能会被重新定价。 此外本周还需要盯防ADP就业数据、周四的初请失业金人数， 以及周四的百事可乐和周五的达美航空财报。达美的高端舱位、商务出行和高端信用卡业务， 会是验证当前K型经济下高收入人群消费韧性的重要窗口。 一个比较积极的信号是， ISM服务业PMI虽然符合预期的54（仍处于扩张区间）， 但底层的业务活动等分项指标弱于预期， 这种隐含的经济疲软反而缓解了市场对加息的担忧， 推高了降息预期， 带动黄金价格上涨约1%， 同时压低了美债收益率。 历史统计给出一个相当强的乐观信号 有一组数据值得记一下：美股历史上， 只要标普500在二季度涨幅超过10%， 下半年历史上仅有一次录得下跌（1975年）， 平均而言下半年通常会再涨12%左右， 而且四季度在这种情况出现后历史上从未有下跌。 基本面上， 标普目前的forward pe甚至低于2026年初的水平， 市场预期二季度企业盈利同比增长能到23%到25%区间， 11个行业里有10个都将实现增长， 这已经是连续第二个季度盈利增速超过20%。 在估值很难进一步扩张的背景下， 美股接下来主要还是靠盈利来推动指数前行。 Semianalysis搅局，AMD成焦点 上周末有科技自媒体连发多条推文， 声称英伟达下一代旗舰架构Blackwell Ultra/Rubin Ultra机架（尤其是NVL144）会因为正交背板这个PCB技术难题， 延误12个月推迟到2028年出货， 这在亚洲供应链引发了一波暴跌。 拆解一下这个传闻：传出问题的其实不是芯片本身， 而是用于连接GPU的高端PCB正交背板， 目的是用90度板对板直连替代传统的铜线电缆方案（否则需要超过2万根线缆， 增重三成还容易信号衰减）， 但这种工艺在高精度堆叠和散热上难度确实很大。 不过英伟达官方已经全力否认延期， 而且即便最悲观的情况成真， 这个工艺目前也只计划用在最贵的旗舰版Rubin Ultra上， 并没有用在标准版机架上， 真正需要紧张的是标准基础版一旦传出延期， 因为那才是业绩和市占率的大头。 AMD借着这波假消息利好加上高盛把目标价从450美元暴力上调到640美元， 日内一度暴涨超10%， 最终收涨6.6%左右。 个股技术面：AMD强势 AMD这段时间表现极其亮眼， 价格反复回踩20日均线但从未真正跌破， 说明多头结构依然扎实， 思路上还是维持回踩做多。 不过周线级别都已经出现了一些值得注意的信号，这意味着持仓思路需要做一些调整，长线仓位你成本低可以拿着不动， 短线仓位反弹到前期结构高点附近要主动止盈落袋。 博通与苹果续签至2031年的超级长约 博通盘前披露与苹果续签长期合作协议至2031年， 消息一出博通收涨约3.73%。 这次续约的合作范围， 从传统的5G射频、WiFi/蓝牙这些， 全面升级到覆盖苹果多代消费终端以及云端AI推理硬件的全系列定制专用芯片(ASIC)， 考虑到苹果此前已经在移动端用自研芯片整合了WiFi、蓝牙和调制解调器， 这次续约不再局限于网络连接是完全说得通的， 有消息称苹果正在研发面向M5 Ultra的专用AI服务器芯片， 计划2027年部署自研AI服务器， 博通的核心任务可能是帮苹果做多颗M系列芯片高效互联的定制ASIC技术， 或者是纯粹的中心端AI加速器。 这份长约最关键的意义， 是对冲了此前市场看空博通的一个核心逻辑。苹果自研无线芯片， 每年会让博通流失将近71亿美元的营运收入， 而这次跨周期的长约直接把博通的传统业务基本盘锁死到了2031年。 而且定制AI芯片的毛利率(大概45%到60%)远高于射频芯片(30%到38%)， 叠加谷歌TPU长约以及VMware软件业务的抗周期属性， 会大幅抬升博通整体的毛利率中枢。 台积电、日月光、安靠这类封测代工厂， 以及光模块厂商， 也会间接受益于这份长约。 存储板块专题：SK海力士上市、ADR前后的资金博弈，以及我对存储中期节奏的重新判断 存储这块这两天的走势值得单独说一下。 SNDK上周走出一根大阴线跌破了20日均线， 今天也没能重新站回去， 可以算作一次有效跌破， 接下来大概率会跌到50日均线（大约1650附近）才有反弹动力， 反弹大概率会反抽到20日均线（大约1920附近）， 然后再次回落。 美光的逻辑跟SNDK基本一致， 可以按同样的节奏去看它接下来的走势——先探底到均线支撑， 再反弹到20日均线附近承压， 然后可能二次探底。 这里要重点提一下SK海力士上市这件事对短期资金面的影响。 海力士这次登陆美股纳斯达克， 募资规模达到280亿美元， 成为全球历史第三大IPO（仅次于SpaceX和沙特阿美）， 也是外资赴美最大规模的IPO。 从估值角度看， 相比美光目前6倍的前瞻市盈率， 海力士的前瞻市盈率8.3倍左右， 它填补了美股市场上HBM纯正标的的稀缺性。 更值得一提的是背后的举国体制支持，韩国总统李在明要求全力推进大芯片项目落地， 政府计划设立最高100万亿韩元的未来应对基金， 把行业景气带来的额外税收定向投入到半导体、AI数据中心这些领域。 募资款项也会全部投向半导体设备采购， 这对ASML、应用材料这类上游设备厂商来说， 长线订单的确定性被进一步拉满了。 按照"buy the rumor, sell the news"这个老规律， 海力士上市之前， 大概率会持续从美光、SNDK这些美股存储标的里抽血， 资金会提前布局海力士的上市预期， 机构也可能提前开始派发手里的美光和SNDK仓位。等海力士正式挂牌上市之后， 这部分被抽走的资金反而更有可能重新回流到美光和SNDK身上， 整体来看接力资金还是比较充足的， 短期只是仓位再平衡带来的震荡。 所以我的建议是， 短期不要在1600附近就轻易割肉SNDK， 更合理的做法是等它反弹回踩20日均线（大约1920）附近再考虑离场。同样， 跌到关键均线支撑位的时候， 也不太适合去割肉或者做空， 因为关键均线附近大概率会先迎来一波反弹， 之后再考虑是否二次探底， 不建议在反弹到均线附近的时候盲目追多接盘。 对存储板块的整体中期预期， 我这两天也做了一些调整。 美光跌破20日均线之后， 走势已经从之前那种单边强势上涨， 转变成高位震荡的格局， 但我个人认为往下跌的空间其实不会太大，目前美光的远期市盈率只有6倍左右， 估值本身已经相当便宜， 我倾向于认为接下来大概率是在800到1200这个区间做高位震荡， 年底或者2027年上半年， 高点还是有机会看到2000附近。 持有正股的朋友可以把心态放平一些， 不用被短期的均线破位吓到。 还有一个数据值得参考，市场目前对美光2027年8月这个财报周期的每股盈利(EPS)预期最高看到124左右， 而资本市场通常习惯提前半年左右把这类预期打满， 按这个逻辑推算， 我预计存储这一轮周期真正的大顶可能会出现在2027年一季度前后， 现在这个位置远远还不是顶部， 大家不用因为这两天的回调就过度恐慌。 特朗普敲钟带货 特朗普周一在白宫椭圆形办公室同时为纽交所和纳斯达克敲钟， 高调宣称美股将迎来新一轮暴涨， 并推出了特朗普账户。面向18岁以下美国儿童的税收优惠投资账户， 2025到2028年出生的新生儿可获得财政部资助的1000美元启动金， 后续每年最多可存入5000美元用于定投美股指数， 本周还计划代表美国儿童向美股投入超过8亿美元。 在启动仪式上， 几家巨头因为巨额捐赠获得了特朗普的公开点名：戴尔基金会捐了62.5亿美元， 戴尔老板亲自出席， 特朗普顺势力推戴尔， 当天盘中一度暴涨超8%。 美光科技捐了2.5亿美元， 也受到过特朗普公开表扬， 短期走势虽然乏力， 但结合前面提到的估值和长期逻辑来看， 逢低布局长期是很不错的选择。 特朗普本人还在推特上公开唱多戴尔的同时， 也提到了美国正在接管加密货币， 自称是加密大粉丝， 白宫还宣布在推进国家战略比特币储备。 加密货币这边也有一波逆转 MicroStrategy在6月29日到7月5日期间出售了近3600枚比特币（约2.16亿美元）， 一度导致比特币盘中跌破6.2万美元， 不过这更多是为了支付优先股股息， 并非恐慌性抛售或失去信心， 公司依然持有84.3万枚比特币。 随后特朗普公开表态支持加密货币， 加上"国家战略比特币储备"的消息刺激， 比特币抹平了当日跌幅并冲回6.4万美元附近。 反弹最高看68000附近，到了这里就不要追多了，现在加密还处于熊市，大概率会上下来回打多空流动性清理杠杆，杠杆清干净车轻了才好拉盘。 总结 今天的行情核心矛盾在于标普和道指的技术面相对健康， 已经收复缺口甚至再创新高， 但纳指还卡在一个关键的岛状反转缺口下方、日线级别又处在收敛整理当中， 缺量的反弹说明多头目前还缺乏真正的确认。 个人判断是7月纳指大概率先假突破再回落， 标普大概率会走得更强、率先创出新高。 存储这条线短期受海力士上市前后资金抽血和回流的影响会有一定波动， 但从估值和长期盈利预期来看， 现在远不是这一轮存储周期的顶部， 持有正股的朋友可以放平心态，不必因为短期的均线破位就恐慌割肉或者盲目做空。 无论是历史季节性统计、盈利增速预期， 还是原油走软带来的通胀降温， 都在为下半年的行情提供比较扎实的支撑， 半导体内部的估值分化也说明这波调整更像是结构性洗牌， 不是整体转熊。 短线上多关注机构资金的真实流向和板块轮动节奏， 长线仓位则可以继续按照原有的逻辑持有， 不必被这几天的拉扯打乱节奏。

在日本做了几年独立 AI 工程师,聊几个只有真正在这里干过才知道的事。不是签证、收入、市场分析那些,是日常工作里那些不会出现在任何攻略帖里的细节。 第一个没人告诉你的事:在日本,中国人做 AI 有一个非常奇怪的信用加成。 日本企业对"AI"这件事的认知来源主要是两个:美国和中国。美国代表前沿(OpenAI、Anthropic、Google),中国代表速度(DeepSeek、千问、字节)。你是中国人,天然被归到"速度快、实战经验丰富、见过大场面"这个认知框里。 日本本土的 AI 工程师大多数是从学术界转过来的,理论功底扎实,但生产部署经验偏弱。你跟日本客户说"我在中国的互联网公司做过日均千万级 DAU 的数据系统",他们的反应不是"哦",是"えー、すごいですね(哇好厉害)"。因为日本本土很少有这种体量的实战场景。 这个加成不是永久的,干砸一个项目就没了。但它给了你一个很好的开局:第一次见面时,客户对你的预期天然比对一个日本本地工程师高半格。 第二个没人告诉你的事:日本客户最怕的不是你技术不行,是你"突然消失"。 在日本商业文化里,"飞ぶ"(消失/跑路)是对合作关系最大的恐惧。他们之前遇到过的外国 freelancer 里,有人项目做到一半签证到期走了,有人拿了预付款之后联系不上了,有人说好的交付日期突然说"还需要两周"然后反复延期。 所以日本客户考察你的第一优先级不是"你有多强",是"你靠不靠谱"。靠谱的定义极其具体:说好周五交就周五交,邮件当天回,电话接得到,出了问题第一时间主动说而不是藏着。 我刚来日本的时候不理解这一点,觉得"技术好就够了"。后来才明白,在日本,你交付质量 90 分但每次都准时,比你交付质量 98 分但偶尔迟到一次,在客户心里的评价要高得多。信赖感(信頼感)是日本商业关系的地基,地基不稳什么都白搭。 第三个没人告诉你的事:在日本做 AI 落地,最有效的销售话术不是"AI 能帮你省多少钱",是"不用 AI 你会被同行甩开多远"。 日本企业的决策动机跟中国企业不一样。中国企业决策靠 ROI:"花这些钱能赚回来多少?"算得过来就干。日本企业决策靠"危機感":"不做这件事会不会落后于同行?"同行都在做,我不做,不行。同行都没做,我为什么要第一个冒险? 所以你跟日本客户谈 AI,最有效的切入方式不是给他算 ROI,是告诉他:"你的竞争对手 XX 已经在用 AI 做这件事了。"这句话在日本商业文化里的杀伤力,比任何 ROI 计算表都大。 当然,前提是你说的是真的。日本圈子小,胡说被抓到一次,你在整个行业就废了。 第四个没人告诉你的事:中日英三语是一个被严重低估的壁垒。 表面上看,语言只是沟通工具。实际上,三语能力让我能做到一件几乎没有竞争者能做的事:用英文读 Anthropic 的 system card 和最新的技术文档,用中文跟国内的 AI 社区保持同步,用日语跟客户的业务方和技术方深度沟通。 全球最前沿的 AI 信息首先出现在英文世界,通常晚一到两天出现在中文世界,晚一到两周出现在日文世界。我能在信息出现的第一天就消化它,然后在一周内把它变成日本客户能理解和使用的方案。 这个时间差就是我的定价权。日本本地的 AI 工程师要等日文翻译或解读出来才能跟进,美国的 AI 工程师不会日语进不了日本市场。中间这个位置,人极少。 第五个没人告诉你的事:我交过最贵的学费是"把中国的工作习惯带到日本"。 刚来的时候我犯了几个现在想起来都想扇自己的错误: 给客户发了一个方案,里面直接写"你们现在的做法效率很低,应该换成 XX"。在中国这叫直接、高效。在日本这叫"失礼"。日本的方式是:"贵社目前的方式当然是经过深思熟虑的(先给面子),不过如果考虑未来的扩展性(给台阶),或许可以参考一下这种方法(才提建议)。"同样的意思,包装方式完全不同。我花了大概半年才把这个习惯改过来。 还有一次,客户说"検討します"(我们考虑一下),我以为是真的在考虑,等了两周去跟进。后来才知道这句话在很多场合的真实含义是"我们不打算做,但不好意思当面拒绝你"。在日本,"不"很少被直接说出口,你得学会听懂那些"不是不"的"不"。 还有一次把项目进度做成了飞书文档共享给客户。客户完全不知道飞书是什么,打不开。后来老老实实改用 Excel + 邮件。在日本企业里,Excel 和邮件是永远不会错的选择。你觉得落后,人家觉得稳当。 第六个:最意想不到的获客渠道。 我以为在日本获客要靠 LinkedIn 或者行业展会。实际上我最有效的获客渠道有两个:一个是 X(推特),另一个是日本特有的"勉強会"(学习会/技术分享会)。 日本的技术社区有一种独特的文化:定期办免费的技术分享会,大家轮流讲自己在做的东西。你去讲一次,讲得好,会后有人来跟你换名片(是的,日本还在用纸质名片,而且交换名片有一套完整的礼仪),两周后邮件来了:"之前听了您的分享,我们公司正好有一个类似的课题,方便聊一下吗?" 这种获客方式成本为零,但信任转化率极高,因为对方亲眼见过你讲东西,知道你是真的懂而不是嘴上说说。 最后说一句总结。 在日本做独立 AI 工程师,最核心的能力不是技术,是"翻译"。不是语言翻译,是把全球最前沿的 AI 技术,翻译成日本企业能理解、敢尝试、用了之后能看到结果的东西。技术只是原料,翻译才是手艺。 而这个"翻译"能力是没法被 AI 替代的,因为它的核心不是信息转换,是理解两种完全不同的商业文化各自在怕什么、想要什么、能接受什么。这种理解只能靠在两边都踩过坑才能长出来。 所以如果你问我在日本做 FDE 最大的壁垒是什么,不是技术,不是签证,不是日语,是你愿不愿意花几年时间在一个节奏完全不同的市场里,把那些只有踩过才懂的坑全部踩一遍。 踩完了,壁垒就是你自己。