在姊妹的慫恿我喝下了那杯酒 接下來發生的事卻是讓我意想不到的 長達六年的好姐妹 居然會這樣對我 #有時候越純粹的友誼反而不是好事# 原以為真誠能得到真誠 可我得到的是赤裸裸的背叛 意識很模糊但我永遠記得妳說的那句話 「藥效只有一個小時你注意點時間」 在接下來的片段我完全沒記憶 直到某天意外在妳手機裡發現這部影片 #看到這個當下我直接把她裸照全外流# #要難看都來難看氣瘋☞☞#

「财经」杂志的这期封面报道挺精彩的，直接把王兴兴称作「宇树的王」，虽然这家公司已经作为人形机器人赛道的领跑者在A股上市了，但从内部管理来看，它还保留着相当早期的作风，基本都围绕着王兴兴一个人的想法行进： - 王兴兴做硬件结构出身，对于成本控制的决心深入骨髓，公司里超过100块钱的报销都要由他签字，哪怕这会让他的时间越来越不够用，办公室外面总有排着长队等他审批的人； - 今年春晚是宇树第一次花钱上，有家具身智能的公司带头卷报价，从3000万涨到6000万，可能本想吓退对手，结果引发洛阳纸贵的效应，更多的机器人公司纷纷竞价，传言把费用抬到了1亿人民币，最早抬价到那家反而退出了； - 宇树前两次上春晚都是免费蹭到的机缘，2021年送了24台四足机器人给刘德华伴舞，2025年是张艺谋主动找上门来，设计了穿花大褂扭秧歌的舞台表演，一下子带火了宇树整个品牌，营收暴增7倍； - 外部形势变化之后，王兴兴更加在意公司形象了，他不允许员工在社交媒体上分享工作经验，并鼓励员工互相监督和举报对外透露公司情况的行为，最高可以获得50万的奖金，所有的宣传片也都必须要由他来把控； - 宇树的供应商也被禁止宣传自己是所谓的「宇树供应链」，对此签了保密协议，如果违反，宇树会收500万的违约金，所以行业里对宇树的供应商都很陌生，不太好找，想进去的也没门路； - 宇树的成功离不开王兴兴的拍脑袋，比如2024年发售的拳击版G1机器人，就给行业带去了人形机器人造价可以不必那么昂贵的震撼，当晚也有翻车的时候，比如王兴兴在开发一款电机的时候，突发奇想可以拿来做拉力健身器，觉得会大卖，采购了上千万的配件，至今还放在仓库里吃灰； - 去年宇树H2机器人加入了仿生脸的造型，引发了恐怖谷效应，舆论并不全是欢迎，那张脸本来是王兴兴按照自己审美亲自设计的，后来不好意思承认，改口说加入人脸设计源自用户期待； - 王兴兴对机器人的理解之透，连同行都佩服，认为他在方案选择上就超过别人一大截，这为宇树带去了非常重要的成本优势，宇树四足和双足机器人的毛利率分别保持在50%和60%以上，靠的就是用设计把便宜的材料做到更优的水平； - 所以王兴兴不认同行业里普遍认为大规模量产才能降本的这条共识，好的设计才是最根本的路径，「很多人觉得我有量了就能降成本，这纯粹是幻觉，不要跟我们比降成本，我们可以继续降很多」； - 「抠门」的性格，和王兴兴自身的经历有关，他早年花200块钱做了第一款双足机器人，当时连电动工具也没有，买了几元钱的手动钻头，用起来手疼得要死，但正是这样的过程，让他学会了如何在压低生产成本的同时，把性能做得不输给更贵的产品； - 当然王兴兴的想法也会随着时间发生变化，早年的宇树很是野蛮生长，产线上的残次品也正常发货，管理人员表示如果客户要换再给他换就行，抢占市场比品质控制更重要，通过快速迭代来解决历史问题； - 但在出货量变大之后，王兴兴又会调整自己的原则，绝不头铁，比如愿意采购一些价格更高但质量也更好的零配件，把用户体验提上去，他非常在意产品性能和竞品相比的表现，希望能够实现全方位无死角的碾压； - 但王兴兴仍然不让宇树把钱花在营销上，广告是可以投的，因为可以收集销售线索，频繁参加展会、发布载人机甲也都是为了寻找客户，拿订单是宇树做任何事情的第一性原理，友商的烧钱打法，基本不可能出现在王兴兴的考虑范畴内； - 宇树的组织架构很简单，而且非常理工化，奖惩机制里几乎只有大棒，没有胡萝卜，包括高管的绩效都会被往低了打，薪资水平在具身智能的赛道里也是偏低的，所以这两年的骨干流失率很高； - 当王兴兴大方起来，也是同样的率性而为，有一次他给一个在读研究生开了百万年薪附加期权的待遇，只因为在网上看了这人拿宇树机器人做的项目，识别到了工程师之间的火花，于是拍板千金买马骨，并主导公司的运动算法路线都切换到了这个工程师擅长的方向； - 公司上市，在员工层没有庆祝活动，王兴兴的理念就是大家做好工作就行，福利、环境、氛围这些都不是必需品，所以宇树的HR也不做HRBP的活儿，只承担招聘和绩效； - 宇树的期权只发给了14个员工，其他员工只能在上市当天，按150块钱的发行价认购新股，总计171人自掏了2.72亿人民币买了公司，「每天醒来除了要面对没有解决的技术问题，还要面对股票涨跌，和被骂的声音」； - 宇树的投资人认为王兴兴需要尽快搭建-1的团队，加速补齐管理、销售、生产、研发等环节的能力，而不是依然总靠王兴兴一个人去推动公司，虽然王兴兴的朴素作风很让人欣慰，他在去年国庆受邀参加观礼之后，一个人在长安街走了半个小时打车回酒店，没有助理，没有司机，背着双肩包、穿着白T恤，就和刚开始创业时一模一样。

$AVGO 是AI芯片的龙头。但历史告诉你，真正暴富的人买的是龙二 $MRVL 先说一个关于半导体行业的反直觉规律： 在一个严重缺货的市场里，获利最大的往往不是龙头，而是那个追赶中的龙二。（Herman老师分析intel观点我觉得说的很好，也同样非常适用于 $MRVL) 理由很简单： 当产能严重不足，买家再也无法只依赖龙头一家供应商。他们开始把订单给原本觉得"不够好"的替代者。而这个替代者，突然发现自己的产品以前没有人要，现在成了香饽饽——价格可以谈，条款可以谈，一切都变了。晶圆缺货时，原本没有人愿意把订单给Intel的客户，开始认真研究18A了。 那么，在AI定制芯片这个正在快速缺货的赛道里，获利最大的龙二会是谁？ 我的答案是 $MRVL 。 1. 先理解结构 AI芯片市场分两层： 第一层：通用GPU Nvidia统治，没有任何人能挑战。H100、B200、Blackwell——超大规模云厂商需要它们，别无选择。 这层市场已经被充分定价了。Nvidia市值5.7万亿，没有人会漏掉这个机会。 第二层：定制ASIC（专用AI加速芯片） 这是一个完全不同的故事。 每一家超大规模云厂商都在开发自己的专用芯片： Google有TPU（张量处理器），Amazon有Trainium（AI训练）和Inferentia（推理），Meta有MTIA（AI推理加速），Microsoft有Maia（Azure AI加速）。 为什么要自己开发芯片？ 因为通用GPU虽然强大，但它服务所有人，没有为特定工作负载优化。自研芯片可以针对自己的模型架构和推理需求精确设计，功耗更低，成本更低，效率更高。 这是一个不可逆的趋势——超大规模云厂商越大，自研芯片的动力越强。但有一个关键问题：这些云厂商需要设计合作伙伴。芯片设计是极其复杂的工程，需要有人懂SerDes，懂先进封装，懂chiplet集成，懂供应链——不是随便一家公司能做到的。 全球有能力承接超大规模云厂商定制ASIC设计的公司，只有两家： $Broadcom，和 $Marvell。 2. AVGO vs MRVL：龙头和龙二的真实差距 先看数字： Broadcom在ASIC市场占约55-60%的份额，与Google的TPU合作锁定到2031年，客户包括Meta、OpenAI等顶级厂商。Marvell约占15%的份额，排名第二Broadcom领先是事实，毫无争议。 但有几个数字值得认真对比： AVGO MRVL 市值 $2万亿 $1,470亿 ASIC市占 55-60% 15% FY26AI营收 $200亿+ $96亿 Forward PE 31倍 36倍 Broadcom在定制ASIC市场记录了约$200亿的AI总营收，而Marvell的AI相关营收约$96亿。 从市值角度：AVGO的市值是MRVL的13.6倍，但ASIC市场份额只是MRVL的4倍，AI营收只是MRVL的2倍。这个不对称，是MRVL存在的核心机会。 3. MRVL独特的地方：两场战争同时押注 这是我认为最关键的一点，也是MRVL和所有其他AI芯片公司最本质的区别。 MRVL同时押注了两个互相独立的万亿级叙事： 叙事一：定制ASIC——去Nvidia化的最大受益者 Marvell的数据中心部门FY2026增长46%，超过$60亿，管理层指引FY2027同比再增约40%。定制芯片年化营收已达$15亿规模，两个AI加速器项目处于高产量阶段，第三个超大规模客户合作正在进行。 Nasdaq 最重要的一个进展： 2026年4月，Google被报道正在与Marvell进行深度谈判，共同开发内存处理单元和下一代TPU，这正是Google此前几乎完全交由Broadcom负责的工作。如果谈判成功，Marvell将成为AI行业最具战略意义的芯片项目之一的核心设计伙伴。 这是什么意思？ Broadcom和Google的TPU合作锁定到2031年——这是Broadcom的护城河，但不是MRVL的天花板。Google开始和MRVL谈，不是要取代Broadcom，而是要建立第二供应商。这正是"缺货时代，落后者获利"的经典逻辑。 当TPU的设计需求超过了Broadcom单独能服务的上限，Google开始把部分项目分给MRVL。 这一单谈成，MRVL同时拥有Amazon和Google双超大规模客户锚定——三个超大规模客户（Amazon、Microsoft、Google）大幅降低了单一客户集中的风险，给市场提供了更清晰的多年营收增长路线图。 叙事二：光互连DSP——AI集群神经系统的命门 MRVL是目前唯一同时覆盖定制ASIC设计、1.6T光学DSP、硅光子技术（通过Celestial AI收购）和CXL交换的全栈公司——这是任何单一竞争对手都无法复制的护城河。 光互连DSP是什么？ 当GPU和GPU之间需要通信，数据需要在光纤里传输。但光纤里走的是模拟光信号，计算机需要的是数字信号。DSP（数字信号处理器）就是这两个世界之间的翻译器——它把数字数据编码成光信号发出去，再把收到的光信号解码成数字数据。 MRVL的PAM4 DSP是全球800G和1.6T光模块的核心芯片之一。光互连业务的需求与AI集群的互连基础设施同步扩张——每一个上线的AI集群都需要完整的互连协议栈，不需要等待GPU的供应情况。 这是最关键的逻辑： GPU供应有时候是稀缺的，但光互连不等GPU——只要数据中心在建，只要AI集群在运行，光互连就需要。 MRVL的DSP是一个和GPU并行运行的独立需求，不是GPU需求的影子。 4. 我自己的判断：为什么MRVL的故事比AVGO更有弹性 AVGO是龙头，MRVL是追赶者。 但在这个特定的历史时刻，追赶者的弹性更大，原因有三： 原因一：基数效应 AVGO已经是$2万亿市值，要翻倍需要成为$4万亿的公司。MRVL只有$1,470亿，翻倍只需要$2,940亿——和AVGO现在市值的15%相当。同样的资金流入，对MRVL股价的推动效果是AVGO的13倍以上。 原因二：Google的变量 AVGO和Google的合作是锁定的，这是护城河，但也意味着它的上行惊喜已经被充分定价。MRVL和Google的谈判还没有正式宣布——这是一个尚未被市场定价的潜在催化剂。如果Google正式宣布，MRVL立刻拥有Amazon+Google双超大规模客户，ASIC市场份额从15%向25%+跳升的路径被打开。 原因三：两个叙事不相关 AVGO的核心护城河是ASIC和VMware软件。 MRVL的两个叙事——ASIC和光互连DSP——是完全独立的业务。 ASIC受益于去Nvidia化，光互连受益于AI集群扩张。两个独立的增长引擎，互相不依赖，互相不替代。 MRVL在多个AI基础设施顺风中同时暴露：定制芯片、光互连、数据中心网络和更广泛的超大规模资本支出周期。这种在AI主题内的多元化暴露，使它成为纯粹的GPU标的（如Nvidia）的有吸引力的补充。 5. 估值合理吗？ $MRVL：Forward PE 36.4倍，市值$1,470亿。 $AVGO：Forward PE 31倍，市值$2万亿。 $MRVL的Forward PE比 $AVGO略高，但增速也更快： $MRVL FY27营收预期：约$110亿，同比增速约40% $AVGO FY27增速约25-30%。PEG（PE/增速）： $MRVL：36.4 ÷ 40 = 0.91, $AVGO：31 ÷ 27 = 1.15 PEG低于1都算便宜。 用PEG来衡量，MRVL比AVGO便宜约20%。 而且MRVL有Google催化剂这个尚未被定价的变量，AVGO没有。如果Marvell股价涨到$400，需要数据中心营收FY27超过$90亿，Google ASIC合同正式宣布，自定义硅年化营收达到$30亿。在这些条件下，ASIC业务40倍Forward EV/EBITDA，光互连业务20倍EV/Sales。 我觉得2027年是很有可能达到的，这还是在理性的估值下，如果是ai融涨疯牛选择忽略估值的话，如果NVDA到360分析师预测最高，也就是8.8T, 我预测8-10T，那么AVGO会到3-4T, MRVL到500B-1T都问题不大。 6. 三个需要追踪的关键变量 变量一：Google ASIC合同的正式宣布 这是目前MRVL最大的潜在催化剂。谈判已经在进行，但没有正式宣布。每过一个季度没有宣布，市场会稍微失去耐心。但一旦宣布，估值逻辑发生质变。 变量二：1.6T DSP的市场份额 Marvell已经开始出货1.6T PAM DSP，基于5纳米工艺，并推出了下一代3纳米版本，将光模块功耗降低超过20%。 800G向1.6T的迭代是MRVL DSP业务的下一个量子跳跃。如果MRVL能在1.6T时代维持甚至提升市场份额，光互连业务的营收会非线性增长。 变量三：Celestial AI的硅光子整合 MRVL收购了Celestial AI，进入硅光子领域。这是CPO时代最关键的技术平台——把光学引擎直接集成进芯片封装。如果MRVL能在CPO时代把DSP和硅光子整合成一个完整的解决方案，它的价值会远超现在的定价。 7. 最终判断：MRVL是这轮AI牛市里最干净的不对称机会 AI芯片市场分三类公司： 第一类：Nvidia——已经被充分定价的龙头。故事最好，估值最贵，上行惊喜空间有限。 第二类：纯ASIC公司（AVGO）——护城河深厚，但增速放缓在定价中。Google TPU锁定到2031年是确定性，也是上行惊喜的天花板。 第三类：MRVL——两个叙事都在爆发，Google催化剂未定价，市值基数小。 这是不对称机会的经典形态， 下行有Amazon锚定，有光互连稳定收入，不会归零，上行有Google合同宣布+CPO爆发+ASIC市场份额提升，估值可能从$1,470亿走向$5,000亿+。 $MRVL也是我重仓持有的标的之一，短期technical角度今天收长上影线，日线级别调整要来，加仓机会在第一目标165，第二目标140。如果给机会到140补那个缺口，我仓位加满（图1）。 总结：回到那个反直觉的规律：缺货时代，落后者获利最大。 ASIC市场正在缺货——Broadcom一家根本无法满足所有超大规模客户的定制需求。光互连正在缺货——AI集群每季度都在扩张，DSP的需求只增不减。MRVL是这两个缺货赛道里，那个正在被需要的追赶者。 历史一次次证明：当产能不足、供应商只有一两家的时候，第二名是最好的弹性高的投资标的（Nvidia和Amd，TSMC和Intel。） 因为所有人都开始认真研究它了。 #MRVL# #Marvell# #AVGO# #Broadcom# #ASIC# #定制芯片# #光互连# #DSP# #Google# #Amazon# #Nvidia# #AI芯片# #半导体# #美股# #龙二补涨# #CPO# #硅光子# #AI基建# #USStocks# #AIStocks# #数据中心# #去Nvidia化#

火星移民计划要公布了，散户在抢着做多，而有人一分钱方向都没赌，一周先把钱收进兜里。 这不是段子，是永续合约市场里每天都在发生的事。今天想跟大家聊聊 @bitget 上 rToken 的一个玩法，Delta Neutral，说白了就是不猜涨跌，只赚资金费。 先讲最爽的那个场景。 假设 SpaceX 放话下周要公布火星移民时间表，消息一出社交媒体炸锅，散户 FOMO 情绪拉满，钱哗哗往多头涌。注意，这时候股价还没怎么动，因为消息还没真正落地，但永续合约的资金费率已经先动了，情绪极端时冲到年化 50% 不算稀奇。 这时候你手上如果是 1 万 U 的 rSPCX 现货，同时开 1 万 U 的 SPCX 永续空单，会发生什么？ 现货小涨 3%，赚了 300 U；空单对应亏 300 U，一进一出等于零。但资金费收入是 10,000 × 50% ÷ 52 ≈ 95.9 U。 一周净赚 95.9 U，接近 1% 的收益，年化 50% 往上。而且你从头到尾没赌任何方向，涨也好跌也好，那部分早就被空单锁死了，你赚的纯粹是市场情绪亢奋时多头愿意付出的那份热钱成本。 顺便说一句，SPCX 永续合约的资金费率上限设的是 8 小时 0.5%，折算年化五百多。所以年化 50% 这种情况，在规则范围内其实还有很大空间。 再讲一个更接地气的场景，横盘震荡。 财报发完了，下次试飞还有一个多月，没利好也没利空，股价就在 ±2% 里来回蹭。这种行情最磨人，做多做空都是被反复打脸。但对 Delta Neutral 来说，这反而是完美匹配。 现货基本没动，空单不赚不亏，资金费率年化 12% 照收，一周 23.0 U。钱不多，但这是在零方向风险的前提下拿到的，而且是躺着拿。你不用盯盘，不用判断，不用赌。 这里得把最关键的机制说清楚：资金费率为正的时候，是多头付钱给空头。你持有现货、开着空单，你就是收钱的那一方。这不是平台补贴，也不是什么理财产品的许诺收益，就是市场上做多的人为了维持仓位，愿意掏给做空的人的成本。 这两个案例放一块看，我觉得才是 rToken 真正有意思的地方。 第一，rToken 让现货和永续能在同一个账户里配对起来。以前你想做这套，要跨平台、要算保证金、要担心划转延迟。现在 rSPCX 现货和 SPCX 永续在同一个生态里，全仓模式一开，仓位天然对冲，资产效率直接上一个台阶。 第二，它把情绪变成了可收割的现金流。传统思路里，市场狂热你只能跟着冲或者旁观。Delta Neutral 给了第三条路，你站在收费站的位置，别人越激动，你收得越多。 第三，它填补了震荡行情的空窗期。大部分人一年里真正赚钱的可能就那么几波行情，剩下时间要么空仓要么被震出来。这套策略让横盘期也有稳定的现金流。 当然，我得说实话，这套东西不是万能的。强牛市里它反而拖后腿，现货本来能赚 1500 U，你对冲完只剩 19 U 的资金费，机会成本大得吓人。强熊市更要小心，资金费率会转负，那时候变成你倒贴钱给多头。 还有一点必须讲。别把这套当成稳赚。我截了 SPCX 最近几期的结算记录，有两期直接是 0.0000%，也就是那八个小时你一分钱没收到。费率是浮动的，会高会低也会归零，情绪退潮的时候还会转负。 所以这套策略的核心动作其实只有一个：定期看费率，费率好就在场，费率塌了就撤。尤其是炒作期那种年化 50% 的高费率，来得快去得也快，别贪。 推荐关注的理由也很简单。市场上大部分人还在用猜方向这一种赚钱方式，而 rToken 提供的是另一个维度的收益来源。这个维度不依赖你判断准不准，只依赖你会不会算账。 对做资产配置的人来说，多一个低相关性的收益来源，本身就是很值钱的事。

【Greenspan与美国互联网革命】：1995到2001年的繁荣、泡沫与遗产 今天是一个很特殊的日子。美国前美联储主席Alan Greenspan去世，享年100岁。对于美股投资者来说，这不仅是一个历史人物的离场，也像是一个时代符号的落幕。作为当下ai革命的美股投资者和参与者，我们非常有必要回顾Greenspan的美联储时代下的互联网革命。 美国互联网革命，1995年是一个很重要的时间点。这一年，商业互联网真正开始从实验室、大学和极客社区走向大众市场。Netscape上市，Yahoo、Amazon等公司进入公众视野，互联网第一次成为华尔街可以定价、可以融资、可以想象未来十年甚至二十年增长空间的新资产类别。与此同时，美国经济刚刚经历了1994年的加息周期，通胀并没有失控，经济也没有陷入衰退。Greenspan领导下的美联储完成了一次非常漂亮的软着陆，为此后几年科技股和互联网公司融资创造了一个非常特殊的宏观环境。 Greenspan不是互联网革命的发明者，也不是互联网公司的投资人，但他是那个时代最重要的金融环境塑造者。他真正的影响在于他给整个资本市场提供了一个相对稳定、可信、通胀受控的宏观框架。在这个框架下，投资者愿意把很远期的现金流折现到今天，愿意为没有盈利的公司提供资金，愿意相信技术进步会持续改变生产率和商业模式。对于早期互联网公司来说，这一点非常关键。因为互联网革命最初并不是一个马上赚钱的商业模式，而是一个需要长期烧钱、长期建设基础设施、长期争夺用户心智的产业浪潮。 从积极角度看，Greenspan时代的政策环境确实帮助美国完成了一轮巨大的技术融资。互联网公司、软件公司、电信公司、网络设备公司、半导体公司，都在这个周期里获得了大量资本。资本市场为它们提供了上市窗口，风险投资为它们提供了早期资金，债券市场和银行体系也为电信基础设施和光纤网络扩张提供了融资。很多公司后来失败了，但它们留下的并不全是泡沫。它们留下了光纤网络、数据中心、路由器、服务器、浏览器、支付系统、广告技术、电商模式、供应链系统和大量训练有素的工程师。这些资产在泡沫破灭后并没有消失，而是被后来的Amazon、Google、eBay、PayPal、Salesforce以及更多互联网公司重新利用。 这也是互联网泡沫最容易被误解的地方。泡沫确实伤害了投资者，但泡沫并不等于技术革命是假的。19世纪铁路泡沫破灭后，美国铁路网仍然存在；2000年互联网泡沫破灭后，互联网基础设施仍然存在。资本市场在泡沫阶段往往会过度融资、过度建设、过度想象，但这种过度本身有时候会加速基础设施铺设。对于一个新技术周期来说，金融市场的狂热既是风险，也是燃料。没有这种燃料，美国互联网产业的发展速度很可能会慢很多。 Greenspan最重要的判断，是他较早意识到信息技术可能改变美国经济的生产率结构。传统宏观框架认为，当失业率持续下降、经济增长强劲时，通胀压力应该明显上升。但1990年代后期，美国经济出现了一个非常特殊的组合：增长强、就业强、股市强，但核心通胀并没有明显失控。Greenspan认为，信息技术、供应链管理、库存管理、计算机和互联网正在提升企业效率，降低生产和分配过程中的不确定性，从而提高了潜在增长率。这一判断在当时非常关键。如果美联储仍然机械地用旧周期模型理解经济，可能会更早、更猛烈地加息，从而提前压制技术投资和股市融资。 因此，Greenspan对美股的正面影响可以概括为三点。第一，他在1995年前后帮助美国经济实现软着陆，使市场相信美联储既有能力控制通胀，也有能力避免不必要的衰退。第二，他没有在互联网革命早期简单地把科技股上涨视为纯粹泡沫，而是承认技术进步可能带来真实生产率提升，这给资本市场保留了想象空间。第三，他在1998年亚洲金融危机和LTCM事件后迅速提供流动性，避免金融系统出现连锁去杠杆，稳定了信用市场，也间接延续了科技融资周期。 但是，Greenspan的另一面也非常明显。他的政策和语言，在客观上也对互联网泡沫起到了推波助澜的作用。1996年，他已经提出“非理性繁荣”的问题，实际上已经意识到资产价格可能偏离基本面。但提出警告之后，美联储并没有真正用强硬政策去约束股票市场投机。此后几年，市场继续上涨，互联网公司融资越来越容易，商业计划越来越激进，估值越来越脱离现金流。Greenspan既看到了风险，却又不愿意主动刺破泡沫，这成为后来批评他的核心原因。 1998年是一个更关键的转折点。亚洲金融危机、俄罗斯违约和LTCM事件让全球市场一度非常紧张，美联储降息稳定市场，这个动作本身在当时有合理性。问题是，当危机缓解后，市场逐渐形成了一种印象：只要金融市场出现明显下跌，美联储就会出手救市。这就是后来所谓的“Greenspan put”。它并不是一个正式政策，但它改变了投资者心理。投资者开始相信，下跌风险由美联储兜底，而上涨收益归自己所有。这种心理一旦形成，就会鼓励更高杠杆、更高估值和更激进的风险偏好。 到了1999年和2000年，互联网泡沫已经从技术投资变成了全民投机。公司只要名字里带有.com，就能获得估值溢价；很多企业没有利润，甚至没有清晰的商业模式，但仍然可以上市融资；大量散户、基金和投行都被卷入新经济叙事。纳斯达克在1999年单年大涨，2000年3月达到顶峰。这个阶段，Greenspan和美联储开始加息，但加息的核心理由主要还是经济过热、劳动力市场紧张和潜在通胀压力，而不是直接针对股票泡沫本身。换句话说，美联储并不是主动管理泡沫，而是在泡沫已经非常成熟之后，才因为宏观过热而收紧政策。 泡沫破灭后，代价非常沉重。纳斯达克从2000年3月高点一路下跌，互联网公司大面积倒闭，IPO市场冻结，很多电信公司、网络设备公司、光纤公司和软件公司经历残酷出清。大量投资者损失惨重，很多公司从资本市场消失，2001年美国经济进入衰退。这个过程说明，即使技术方向是对的，估值和融资节奏也可能错得非常离谱。互联网最终改变了世界，但这并不意味着2000年所有互联网股票都值得当时的估值。 不过，对Greenspan的评价也不能停留在“他制造了泡沫”这一个结论上。泡沫破灭后，他的政策仍然有积极作用。2001年，美联储快速降息，试图缓冲股市崩盘、企业资本开支下滑和信用收缩对实体经济的冲击。尤其在9·11之后，美国经济面临信心冲击和安全成本上升，美联储继续释放流动性，稳定金融市场。这种政策没有让互联网股票立刻恢复，但它避免了金融系统出现更严重的断裂，也为经济重新调整创造了时间。 更重要的是，泡沫破灭并没有摧毁美国的技术领先地位。相反，它完成了一轮残酷但必要的资源再配置。没有商业模式的公司被淘汰，真正有产品、有用户、有网络效应、有现金流潜力的公司活了下来。资本从单纯讲故事的公司流向更强的商业平台。互联网从“流量故事”逐渐变成“利润故事”，从“概念融资”转向“基础设施+应用生态”。这也是为什么2000年之后，美国没有失去互联网主导权，反而在搜索、电商、云计算、社交网络、在线广告和软件服务上继续领先全球。

今日美股总结：今天大盘又是先大跌再修复——说说我怎么看这几天的连续回调和下周的走势 先说今天发生了什么，这次的波动其实是好几个机械性因素叠加在一起，不是单一事件 最大的一个是罗素指数半年一次的成分股重组，涉及的跟踪资产规模超过12万亿美元。英伟达这次取代苹果成了罗素1000的第一大权重股，SpaceX这类新晋大盘股也被纳入进来，被动资金必须按新的权重表强制调仓，尾盘那波看起来吓人的波动，本质上就是这批资金在按规则机械买卖。 同时叠加的还有季度末养老金抛售的常规操作。这个季度AI和半导体涨得太猛，很多机构的实际持仓比例已经明显偏离了自己设定的目标配置，季末他们要把超配的部分卖掉、买回债券这类资产，把比例拉回正轨。这纯粹是组合管理的例行动作，跟公司业绩好不好没关系。这种大资金的挪移在月末会引发不小的盘面混乱，下周二6月30日才是月末最后一个交易日，调仓其实还没完全结束。 还有CTA的自动卖盘。 这三件事凑在一起，就是今天尾盘看到的那种剧烈波动。这种波动有时候反而是机会。 周五标普几乎跟昨天一样，纳指小幅收跌，费城半导体指数大跌5% 周五标普500共有324支个股上涨，仅178支下跌，11个板块里有8个板块周线上涨。这说明大盘资金在暗中逐步回流到其他传统、滞涨的权重股里，呈现出一种健康的均值回归迹象。钱没有真正离开市场，只是在板块之间进行轮动，没有恐慌性的单边出逃。但我觉得在半导体财报季前又会轮动回去。 今天的行业热力图也透露了不少信息，板块分化很明显 跌的板块里，半导体跌3.07%，是今天跌幅最大的板块之一，跟前面说的存储和苹果的争端有关。互联网内容与信息跌1.42%，消费电子产品多元化银行小跌0.96%，资本市场跌1.63%，资产管理跌0.38%，通讯设备跌3.39%，专用工业机械跌2.47%。半导体设备与材料这边更惨，跌了4.63%。 但涨的板块也不少，而且涨幅都挺扎实。软件基础设施涨4.13%，一般药品制造商涨3.82%，应用软件涨5.23%，互联网零售涨2.35%，多元化保险涨1.89%，消费电子产品涨3.10%。生物技术涨2.11%。计算机硬件涨幅最猛，涨了7.82%，汽车制造涨1.45%，债贷涨1.42%，娱乐涨2.43%，非酒精饮料涨2.00%，医疗计划涨2.02%，医疗设备涨1.77%。 这个分化说明的是资金的轮动逻辑：从前期最拥挤的半导体硬件里撤出来一部分，转去了软件、生物科技、消费电子这些前段时间相对滞涨的板块。钱没有真正离开市场，是在内部轮动。 半导体这次的回调我个人判断是阶段性的，预计下周和下下周资金会重新流回这个板块，尤其是SK海力士上市前的那波情绪铺垫，加上7月财报季的催化剂落地，半导体大概率会重新成为资金追逐的焦点。现在这个位置更像是中场休息一下。 今天还有两件产业链内部的事 苹果公开抱怨内存成本太高，引发亚洲科技股集体大跌，韩国股市两度触发熔断。市场担心如果存储芯片分走太多利润，云巨头会放缓资本开支，拖累整个产业链。但美光这边的态度也很硬，直接怼苹果说2023年行业低谷时就是苹果残酷压价才导致今天的短缺，这话说明上游核心硬件商正在重新拿回议价权。 OpenAI这边有报道说，由于融资规模太大，又要跟SpaceX这类吞金兽竞争资金，银行顾问建议把1万亿美元估值的IPO延期到明年甚至2027年。我自己觉得这是个好消息，不是坏消息。IPO推迟意味着这条资金抽水的压力延后了，对现在的牛市是延长寿命。受影响的是持有它股份的软银，高盛大摩这类投行还有Oracle，股价短期承压。 半导体板块内部也在分化，不是所有芯片股都跌得一样惨 美光和闪迪虽然这几天波动很大，但日线回踩EMA20都没有真正有效跌破过。如果美光能把1086这个日线缺口补上，那会是一个很好的买点，跟之前说的向上跳空缺口基本必补的逻辑是一致的。加上7月10日SK海力士要进美股，存储这条线接下来一段时间还是值得重点关注。 AMD和英特尔目前表现得相当强势，股价稳稳地横盘在21日均线和EMA20上方，没有跟着大盘一起跳水。这两个标的算是半导体板块内部的分化抗跌标的，说明板块内部的资金在挑公司，不是一刀切地全部抛售。 MRVL也偏强势，因为投行上调目标价到375，然后前几天JP Morgan报告说2027年定制化芯片出货量可能会超过GPU。 GLW和COHR在光板块里也偏强势。 NOK稍微弱一点，目前还是在EMA 50附近盘整。如果大盘到位了，NOK也就调整差不多了，可以期待下7月22号的财报，我觉得会是个重要催化剂，股价会迎来不错的涨幅，财报前囤多一点便宜的筹码。 SK海力士赴美上市，这条线要单独说，是接下来两周的重要变量 作为英伟达最大的HBM存储供应商，SK海力士计划两周后（7月10日）正式赴美上市，融资规模高达近300亿美元。 我觉得半导体板块大概率会在7月10日上市前因为预期走强，但上市当天可能就是利好出尽的变盘点，这个要小心，可以提前防一手。 举个例子：如果DRAM在7月10号前涨到90到95、美光涨到1300到1400，到时候可以考虑适当减仓，不是因为基本面变差，做短线波段买call杠杆大的注意下就好，防sell the news。长线的朋友可以不动因为7月29号还有海力士的财报。 换个角度想想这件事：如果你是公司高层或者保荐人，手里攥着一只业绩这么好的股票，还要在两周内融到290亿美元，估值折扣（对比美光）肯定会被压一点来保证融资顺利，你会怎么操作？大概率会想方设法在上市前把热度炒到最高，让定价更好看。所以这14天的倒数冲刺期，大概率会涨。然后接下来还有7月29日的财报，这两个事件叠在一起，是7月上半月最值得关注的两个时间点。 下周还有几个值得关注的点 宏观数据这边，下周二到周五会密集公布JOLTs职位空缺、非农就业数据和失业率，这几个就业数据会直接影响市场对美联储路径的判断。更重要的是下周三7月1日，新任主席Warsh会发表一次重磅讲话，算是他上任以来比较密集的公开表态之一，市场会很关注他这次的措辞方向，跟之前一直在跟踪的建设性模糊、点阵图淡化这些逻辑是连着的。 个股这边，甲骨文这几天遭遇了一波概率很低的机械化抛售，技术上像一根被拉满的橡皮筋，短线随时有超跌反弹的需求。往下最坏的情况是看到周线200均线145美元附近，这个位置大概率能止跌。 黄金和比特币这两个资产也出现了类似的底背离信号。黄金价格创了新低，但RSI却走出了更高的低点，这种价格新低、指标却不跟着创新低的背离，往往预示短线会有一波反弹。比特币也经历了极端抛售，连续多天卡在周线隐含波动率下轨附近震荡，币价创新低的同时日线RSI同样在抬高，是同样的底背离逻辑。 这几个信号放在一起看，方向是一致的：不管是科技股、避险资产还是加密货币，这一轮的抛售都已经把短线情绪打到了一个比较极端的位置，7月初这些方向大概率都会有所好转。 说一下我自己最近这几天的操作，连续四天都是同一个策略 这几天我每天早盘前30分钟分批买入，下周一周二我还会继续这么做。这是养老金抛售的最后两天，子弹没打完的可以继续按这个节奏接。 QQQ我还是觉得696到700会来。下周是美国独立日250周年庆祝，华尔街或者说川普肯定会想护盘，这个时间点的情绪面会比较积极。现在恐慌贪婪指数还在25附近，如果下周一周二QQQ真能探到696到700，恐慌贪婪指数同时到20左右，那就是这次回调里最完美的低吸窗口，技术面和情绪面会同时给出确认信号。 标普现在已经连跌四周，按历史规律后面几周大概率会有反弹修复，加上财报季也快到了，这个季度财报我觉得大概率不会差。 我自己抄底这一波都是买的正股，没有用期权，所以对这种短期波动其实没什么特别的感觉，心态很好，随便它怎么折腾。如果想用期权博弹性，尽量别买短期的Call，这类合约时间损耗很快，很容易拿不住，情绪上也容易被波动牵着走。如果一定要用期权，深度实值（ITM）的一到两年期LEAP Call相对更稳一些，本质上更接近持有正股的逻辑，不容易因为短期波动被洗出去。 有几个历史数据值得放进来，帮我们判断现在这个位置的统计意义 一组关于标普周线4连阴之后的统计：未来1周平均回报0.8%到1.2%，上涨概率大约62%，属于情绪性反弹，是超卖后的技术性空头回补；未来1个月平均2.1%，胜率68%，是震荡筑底阶段，要多找真正的市场支撑；未来3个月平均4.5%，胜率73%，进入稳步修复阶段，基本面开始主导，资金重新聚焦核心权重股；未来6个月平均8.4%，胜率78%，重回牛市轨道，上升趋势明显，并通常创出新高。 周线4连阴在美股历史上不算特别罕见，但它通常意味着短期投机资金已经被洗得差不多了，往后看的时间窗口拉得越长，正收益的概率越高。 为什么这次4连跌叠加的季节性值得参考 6月最后一周因为养老金机械化卖股票买债券，历史上表现通常偏弱，甚至会出现加速杀跌的假破位。但一旦进入7月，新一季度的全球资本会重新建仓流入，历史统计显示7月前两周是全年看涨胜率最高的交易日组合之一。 把这些放在一起看，现在这个位置更像是季节性规律和技术性超卖叠加出来的低点，不是趋势真正反转看跌的信号。 总结一下我的判断 这几天的下跌和波动，本质上是指数重组、养老金再平衡、季度末持仓美化这几股机械性资金流叠加出来的，不是市场基本面真的恶化了。AI产业链内部确实在经历一次利润重新分配的淘汰赛，但这是结构性的变化。市场广度连续两天的改善，加上半导体板块内部明显的分化抗跌，都说明这是一次健康的均值回归，钱没走，只是在机械性的重新分配。 操作上继续按计划分批买，QQQ 696到700如果来了就是这次回调最好的加仓点，标普连跌四周之后，历史规律和即将到来的财报季都指向后续修复的概率更高。SK海力士7月10日上市前的窗口期值得继续关注，涨多了就适当减仓。下周的就业数据和Warsh讲话是新一周最大的两个变量，但目前看到的所有底背离信号都指向7月初情绪会有所好转。 晚点再给各位分析下标普500，QQQ和BTC的图，因为抄底要看大盘，我就通过大盘来告诉大家怎么抄底个股了。

前两天在套利的时候，有时候会因为网卡慢一步，直接少赚了50%，市场真是苦抢跑久矣，不管是传统金融的高频交易还是各种 MEV，跑得慢的人就会被割。 放在交易上更是如此，只要连续撮合的订单薄存在，trader就会被损耗，大家只会在意谁跑得快，反而忽略了价格是否更合适。 @poddotnetwork 的出现可能会打破这个僵局，这绝对超出了一般永续 DEX 的范畴，这是一次真正的底层交易结构升级。 一、Pod 是如何重塑游戏规则的？ 1️⃣为交易而生的 L1：这是一条专为交易设计的高性能区块链。它自带撮合引擎、清算系统和预言机，确认时间小于 150 毫秒。 2️⃣彻底消灭抢跑：系统底层采用批量撮合与统一出清机制。所有订单按时间窗口打包，并以统一价格出清，从根本上杜绝了结构性套利的空间。 3️⃣让交易回归本质：在 Pod 上，没有人能依靠网速占据特权。获胜的关键完全转向了纯粹的信息判断和价格博弈。 4️⃣全天候交易全球核心资产：Pod 支持 7×24 小时的链上永续交易，首批上线的资产非常硬核：美股：$AAPL、$NVDA、$GOOGL，指数：$QQQ,$S&P500，大宗商品：黄金等。 5️⃣顶级机构背书：项目已完成 1000 万美元种子轮融资，由 a16z 和 1kx 领投。 二、早鸟 Waitlist 参与流程🐦 1️⃣无损锁定：在 Arbitrum 上存入 USDC。资金完全由链上托管，随存随取无锁定期。主网上线后，这些资金会自动迁移至 Pod 网络供你交易使用。 2️⃣积分冲榜：你的存款金额加上推荐人数，将共同决定你在排行榜上的名次。 3️⃣解锁权益：排名越高，就能越早解锁主网的 Early Access。 越早进入，排名越靠前哦！你懂的😋！ 👉主网白单Boost链接：

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。

恋爱篇： 大学时候我谈恋爱，女朋友的老妈是警察，把我从头到尾查了一遍，然后甚至给我朋友打电话，意思就是我和她女儿不合适，因为这事后面我提出分手。 那会我女朋友是在一场朋友生日上认识，可能我比较爱吹牛，然后生日结束后主动找我朋友要我的联系方式，我那个朋友的室友正好追她，所以朋友没给，她又找到我们班班长，当时我是学委。然后每天约我图书馆，跑步。女追男隔层纱，大家都懂的。 我记得谈恋爱期间她惹我生气我就拉黑她，然后电话不接，然后她找我室友给我送吃的哄我，她和我的每个好朋友都处成了朋友，就是怕有一天我不理他，联系不上我。因为她妈妈那件事，然后分手后，差不多3个多月，知道她找了新对象，我记得那会自己emo好久，才知道自己彻底陷进去了。那会我也是青志协负责人，然后有个学妹知道我分手后，天天找我聊天，约我跑步。我那会每天特别自律，天天跑最低6圈，晚上。我因为分手后emo很久和学妹说大学坚决不想再谈恋爱。后面最有意思的是后面快毕业有一次她和我说她找对象事为了忘记失恋痛苦。 😂毕业最后一次了我记得过生日，请客吃饭，她那会早就分手了，结果她那个男朋友和她分开没多久又找新对象，她也比较郁闷，毕业前最后一个生日，主动约我给我送礼物，谈她的心里状态。 我那会已经放下了，说很正常，总会遇到更好的，也许不是最好的缘分，希望她幸福。 后来工作后，我找对象相亲也好，就一个原则，我找我喜欢多一点，哪怕受虐，而不是被追求😂，我记得刚和我现在老婆谈恋爱时候，她也莫名其妙生气拉黑我，回旋镖呀！ 缘分这东西，不是你的下一个更好，不要活在过去。 现在想想那会大学恋爱真纯情，谈恋爱就是奔着结婚去的，海誓山盟等。真的越穷谈的恋爱越真诚，你再有钱，过了那个阶段，那种纯粹的爱情很难找到了。 最后祝大家都找到自己的幸福，被偏爱的有恃无恐！遇到好的缘分要珍惜呀！朋友