2026年普利策 国际报道奖： 美联社：《内部文件显示：硅谷技术助长了中国残酷的大规模拘押与监控体系》 执法记录仪挂在输液架顶端，记录着杨国良躺在病床上的每一次轻微抽动。他在遭警方用砖块殴打后，满身是血、瘫痪在床。 到那时，对中国农村的杨家来说，监控早已不是什么新鲜事。他们被困在一套以美国技术为基础的复杂网络中，这套系统不仅监视他们，还试图预测他们下一步会做什么。 他们的火车票、酒店预订、消费记录、短信和电话都会被转交给政府。他们家周围布满十多个摄像头。过去几年里，他们试图前往北京约20次，但常常还没出发，就有蒙面男子出现并将他们带走。去年，杨的妻子和小女儿被拘押，如今面临审判，罪名是“扰乱国家机关工作秩序”，最高可判十年监禁。 但杨家人说，他们并不是罪犯。他们只是农民，试图请求北京阻止地方官员夺走他们在江苏东部的1.5英亩土地。 “我在自己家里的一举一动都被监视着，”杨国良坐在黑色窗帘后说。那些窗帘是为了挡住警灯直射他家的强光。“他们的监控让我无论在哪里、什么时候都感到不安全。” 在中国各地，数以万计像杨家这样被标记为“麻烦人物”的人，被困在一座数字牢笼中。他们被禁止离开所在省份，有时甚至不能离开自己的家。而这套全球最大的数字监控系统中，大部分技术来自一个长期宣称支持全球自由的国家：美国。 美联社调查发现，在过去四分之一个世纪里，美国科技公司在很大程度上设计并建设了中国的监控国家体系，其在助长人权侵犯方面的作用，比外界此前所知更深。尽管美国国会和媒体曾反复警告这些工具正被用于压制异议、迫害宗教团体和针对少数族群，但这些企业仍向中国警方、政府和监控公司出售了价值数十亿美元的技术。 尤其关键的是，美国监控技术使中国在西部新疆地区开展残酷的大规模拘押行动成为可能。该系统几乎针对、追踪并评估整个维吾尔本地人口，目的在于强制同化和压制他们。 美国公司将“预测性警务”带入中国。这类技术会吸收和分析数据，试图在犯罪、抗议或恐怖袭击发生之前加以预防。 系统会挖掘大量信息，包括短信、电话、支付、航班、视频、DNA采样、邮件投递、互联网记录，甚至水电使用情况，以找出被认定为可疑的人，并预测其行为。但这也使中国警方能够威胁亲友，并在所谓犯罪尚未发生之前就提前拘押相关人员。 例如，美联社发现，中国国防承包商华迪曾与IBM合作，为北京设计名为“金盾工程”的主要警务系统，用于审查互联网，并打击所谓恐怖分子、法轮功宗教团体，甚至被视为“麻烦”的村民。相关依据来自一名举报人带出中国的数千页机密政府蓝图，经美联社核实后首次公开。IBM及其他作出回应的公司均表示，它们过去和现在都完全遵守适用于中国业务的所有法律、制裁和美国出口管制。 在中国各地，监控系统追踪被列入黑名单的“重点人员”，限制并监控他们的行动。 在新疆，管理人员会将人划分为高、中、低风险等级，常常采用100分制评分，蓄胡须、年龄在15至55岁之间，甚至仅仅因为是维吾尔人，都会被扣分。 一些科技公司甚至在营销中直接涉及种族。 2019年，戴尔与一家中国监控公司曾在戴尔官方微信账号上推广一款“军用级”AI笔记本电脑，称其具备“全种族识别”能力。而在今年8月美联社联系之前，生物科技巨头赛默飞世尔科技的网站仍在向中国警方推销DNA试剂盒，称其“专为”中国人群设计，包括“维吾尔族和藏族等少数民族”。 2019年以后，随着新疆暴行引发国际愤怒和制裁，美国技术流入中国的速度明显放缓。但这些技术已经为中国监控体系奠定基础，随后中国企业在此基础上继续发展，并在某些情况下实现替代。直到今天，人们仍担心出售给中国的技术最终会流向何处。 例如，20名前美国官员和国家安全专家在7月底写信批评英伟达向中国出售用于人工智能的H20芯片的交易，其中15%的收入将交给美国政府。他们表示，无论芯片卖给谁，最终都会落入中国军方和情报部门手中。 英伟达表示，公司不制造监控系统或软件，不与中国警方合作，也没有为警务监控设计H20芯片。英伟达曾于2022年在其微信账号上称，中国监控企业银河水滴和GEOAI使用其芯片训练AI巡逻无人机和步态识别系统，但英伟达告诉美联社，这些合作关系已不再继续。白宫和商务部未回应置评请求。 根据网上帖子，赛默飞世尔和硬盘制造商希捷今年仍在会议和展会上向中国警方推广产品。北京街头的警员使用摩托罗拉对讲机。采购文件显示，英伟达和英特尔芯片仍是中国警务系统的关键组成部分。而维护既有IBM、戴尔、惠普、思科、甲骨文和微软软件及设备的合同仍普遍存在，且常通过第三方执行。 十多年前从中国开始的这一切，如今也可被视为其他国家的警示，因为全球范围内监控技术的使用正在急剧上升，包括美国本土。在特朗普政府的鼓励下，美国科技公司比以往更强大，而总统特朗普也撤销了拜登时代一项旨在防止新监控技术侵害公民权利的行政命令。 随着这类技术能力与复杂程度不断提升，它们的覆盖范围也在扩大。如今，监控技术包括用于在美国追踪和拘押移民的AI系统，也包括在以色列—哈马斯战争中识别击杀目标的系统。与此同时，中国利用从美国学到的东西，把自己变成监控超级大国，并将相关技术出售给伊朗、俄罗斯等国家。 美联社此次调查基于一家中国监控公司的数万封泄露邮件和数据库、数万页公司和政府机密文件、公开中文营销材料以及数千份采购文件，其中许多由非营利机构亚洲协会旗下数字杂志ChinaFile提供。 美联社还参考了数十份公开档案申请，并采访了100多名现任和前任中美工程师、高管、专家、官员、管理人员和警察。 尽管这些公司常声称自己不应为产品用途负责，但IBM、戴尔、思科和希捷的营销材料显示，有些企业曾直接将其技术包装为帮助中国警方控制公民的工具。 它们在公开和私下销售话术中引用了中共用于镇压抗议的常用语，如“维稳”“重点人员”和“异常聚集”，并点名提到用于压制异议的项目，如“网警”“雪亮工程”和“金盾工程”。 其他公司，如英特尔、英伟达、甲骨文、赛默飞世尔、摩托罗拉、亚马逊云服务、微软、西部数据、ArcGIS地图软件制造商Esri，以及当时的惠普，也曾明知对象为中国警方或监控公司而出售技术或服务。四名执业律师表示，美联社揭示的这些销售，至少可能违背当时美国出口法的精神，即便不一定违反字面条文；相关公司均否认这一点。 “所有东西都是建立在美国技术之上的，”研究中国警方使用美国技术的德国外交关系委员会研究员Valentin Weber说。“中国当时的能力几乎为零。” IBM、戴尔、思科、英特尔、赛默飞世尔和亚马逊云服务均表示遵守出口管制政策。希捷和西部数据表示遵守其运营所在地所有相关法律法规。 甲骨文、慧与科技，以及2023年收购VMWare和云公司Pivotal的科技集团博通，未作正式评论；惠普、摩托罗拉和华迪未回应；Esri否认参与，但未回应具体案例。微软告诉美联社，在“金盾工程”升级过程中，没有发现其“明知向军方或警方出售技术”的证据。 一些美国公司后来因人权担忧和制裁终止了在中国的合同。例如IBM表示，自2015年以来已禁止向西藏和新疆警方销售产品，并于2019年暂停与国防承包商华迪的业务关系。 但制裁专家指出，相关法律存在重大漏洞，而且常常滞后于新技术发展。例如，1989年天安门事件后美国对中国实施的军警装备出口禁令，并未充分涵盖后来出现的新技术或可用于警务的一般用途产品。 他们还指出，出口管制法律本身非常复杂。堪萨斯大学国际贸易法专家Raj Bhala表示，美联社描述的问题属于“我们会放进考试题里的灰色地带”。 “这会引发对可能不一致、可能违规的担忧，”Bhala说。他强调自己是在泛泛而谈，并非针对任何具体公司。“但我非常强调‘可能’。我们需要知道更多事实。” 尽管德国、日本和韩国企业也发挥了作用，但美国科技公司是迄今为止最大的供应方。 新疆政府在声明中称，其使用监控技术是为了“预防和打击恐怖主义及犯罪活动”，尊重公民隐私和合法权利，并不针对任何特定民族。声明还称西方国家也使用类似技术，并称美国是“真正的监控国家”。中国公安部门以及杨家所在省份的相关机关等其他政府机构未回应置评请求。 这些技术至今仍在支撑控制杨家和其他普通人的警务数据库。根据中国政府统计数据估算，过去十年中至少有5.5万至11万人被置于居住监视之下，还有大量人员在新疆和西藏被限制旅行。 分析人士称，中国城市、道路和乡村布设的摄像头数量已经超过世界其他地区总和，平均每两个人就有一个摄像头。 “因为这些技术……我们完全没有自由，”杨国良的大女儿杨彩英说。她如今流亡日本。“现在承受后果的是我们中国人，但迟早，美国人和其他人也会失去自由。” 1976年，中国刚从文化大革命的混乱暴力中走出，当时四分之三的中国人都是农民，杨家也是如此。他们住在长江三角洲湿润葱郁的田野间，一座由瓦片和夯土建成的三间房子里。 毛泽东去世后，北京新领导人开始向世界开放中国，惠普、IBM等美国科技公司迅速进入。但政府能够接受的改变仍有严格边界。1989年，天安门民主运动震动北京，当局派出坦克和军队向学生开枪。 不久后，北京开始规划“金盾工程”，目标是将中国警务系统数字化。 2001年，“9·11”基地组织袭击极大推动了对监控技术的兴趣。一名研究人员声称，如果当局能通过数据库中的公开信息挖掘劫机者之间的联系，就可能阻止袭击发生。 美国公司从中获利，向美国政府出售了数十亿美元的监控技术，声称这些技术能够预防犯罪和恐怖袭击。 它们也在中国看到了同样的销售机会。研究人员警告说，这类监控技术落入威权国家手中将成为“镇压工具”。然而，IBM、思科、甲骨文和其他美国公司仍拿下了向北京“金盾工程”供货的订单。 “中国以前没有这种东西，”一名前新疆中国警官王某说。他因担心遭报复，只愿透露姓氏。“这些概念全都来自西方。” 很快，中国警方封锁敏感新闻，以令人不安的精准度锁定异议人士。 今年2月一次人权会议上，时任思科律师Katie Shay表示，企业有责任了解客户可能如何将其技术滥用于“监控和审查”。 “很多人遭受了本国政府的伤害，我想承认这种痛苦，”已于6月离开思科的Shay说。“但我也要说，思科否认有关其参与的指控。” 思科告诉美联社，公司致力于人权，但法院中的相关指控可能“打开洪水闸门，使美国企业仅因合法出口现成商品和服务而遭起诉”。 当思科被国会传唤时，IBM正与一家中国国防承包商合作，参与中国“金盾工程”二期建设。 美联社获得的机密政府蓝图显示，2009年，IBM与华迪合作建设预测性警务系统。华迪是中国最大导弹军工承包商旗下的国有子公司，从中国国防部体系中分拆出来。 华迪蓝图写道：“巩固共产党执政地位。”该蓝图显示，数据库将在线追踪数十万人。 回应美联社提问时，IBM将其可能曾与中国政府机构存在的任何关系称为“陈旧过时的互动”。 IBM称，如果旧系统如今被滥用，而IBM并不知道它们被滥用，这种滥用完全超出IBM控制范围，也并非IBM几十年前所能预见，更不能反映今天的IBM。 回到2009年，北京迫切需要这类技术来压制网上集结的批评者，其中就包括杨家。 同年4月，地方当局命令杨家和村里300多户人家离开土地。开发商看中了他们位于湖边的优质地块，计划建设“西式”公寓和别墅，配套喷泉、足球场和购物中心。 杨家当时并不知道警方正在安装能够锁定他们这样的家庭的系统。他们只知道自己的土地被征收了，补偿只是一套五层步梯楼里的房子，对年迈的母亲来说楼梯太多，根本难以上下。 杨家和中国各地许多农民一样开始申诉。 “我发现政府拿走我们土地的方式是违法的，”杨彩英说。“他们骗了我们。” 2009年7月，也就是杨家土地被征收三个月后，中国另一端的新疆爆发骚乱。一名维吾尔人在玩具厂被私刑杀害的血腥图片在网上传播，愤怒的维吾尔人走上街头，数百人死亡。 美国公司再次将自己的技术包装成解决方案。 政府派出军队，切断新疆电话和互联网连接。三名当时为新疆政府工作的工程师告诉美联社，在秘密会议中，官员们得出结论：警方未能发现危险信号，是因为他们无法识别被视为分裂分子、恐怖分子和宗教极端分子的维吾尔人。 工程师称，当时新疆警方和数据系统已经运行在IBM、思科、甲骨文和微软等美国技术之上，美联社通过审查政府合同核实了这一点。但这些数据库彼此没有连接。 于是，新疆启动了一项雄心勃勃的计划，将来自所有可用来源的数据，包括银行、铁路和电话公司，融合到一个中央数据库中。工程师说，官员要求提供所有可疑人员及其三代以内亲属的完整信息。他们描述了自己参与过的具体会议。三人中两人因担心在中国的家人而要求匿名，第三人Nureli Abliz如今在德国。 很快，利润丰厚的合同开始招标。IBM也在争取其中的机会。 IBM向中国官员承诺：“在问题发生之前预防问题。”在2009年8月的一份宣传册中，IBM引用新疆骚乱案例，称其技术可以帮助政府“确保城市安全与稳定”。 IBM高管奔赴中国各地，游说中国官员。2009年12月，他们在北京设立了新的“IBM电子政务创新研究院”。2011年，IBM收购了i2，一款旨在预防“恐怖威胁”的软件。公司宣传i2分析中国社交媒体的能力，并授权一家名为蓝灯软件的上海公司将其出售给中国警方，公司记录显示。 一名举报人提供给美联社的泄露账本显示，中国警方从IBM、思科、甲骨文和微软等公司购买了价值数千万美元的产品，用于升级“金盾工程”警务系统。 在中国国家机器与批评者的对抗中，美国技术使力量天平发生倾斜。 2011年，小偷洗劫了杨家，寻找他们的房产证，但没有找到。 两年后，几名剃光头、身上有纹身、戴金链子的男子砸开他们家门，打碎窗户，掀翻家具，试图逼他们搬走。杨的母亲吓得瘫倒在地。医生诊断她心脏病发作，但杨家没有钱给她装起搏器。 愤怒之下，杨家起诉了当地警方。2015年6月，法官裁定他们的土地被非法征收。杨家为此庆祝。 但判决仅数周后，中国警方通过“金盾工程”技术识别人权律师，在全国范围内给数百人戴上手铐，将他们推进警车。 一名律师后来回忆，警方在抓捕他之前，就已经监控了他在微信上关于人权的消息；他被抓后被铐在椅子上遭受酷刑。 一夜之间，中国刚刚萌芽的维权运动遭到致命打击，杨家的案件也随之瓦解。杨家被叫去，被冷冷告知原判决被推翻，诉讼未经审判即被驳回。 “我们真的太相信法律了，你知道吗？”杨国良握紧拳头说。“结果它一文不值。” 与此同时，北京正在把新疆改造成地球上监控最严密的地方，将约100万人送进营地和监狱。 2014年，习近平访问新疆数小时后，乌鲁木齐火车站发生爆炸。随后习近平要求严厉镇压。 “他非常愤怒，”曾为新疆政府工作的工程师Abliz说。“他们得出的结论是，对维吾尔人的监控还不够严密。” 第二年，2015年4月，Abliz参加了新疆一场闭门展会。前IBM合作伙伴蓝灯软件的展台吸引了他的注意。 蓝灯软件多年作为IBM i2警务监控分析软件在新疆警方的经销商，后来开始自立门户，推广类似i2的软件，声称可以在极端分子惹事前将其拘押。这种相似并非巧合。根据泄露邮件和记录，蓝灯软件的软件复制自i2。 一名蓝灯软件项目经理在邮件中写道：“该平台基于i2开发。” 它使用了i2开发的专有数据可视化系统。该软件支撑了所谓“一体化联合作战平台”（IJOP），并有权触发逮捕。 Abliz整个人僵住了。 “我当时觉得，这是人性的终结，”他说。 蓝灯软件未回应多次置评请求。IBM表示，已于2014年切断与蓝灯软件的关系，并不知道蓝灯软件与新疆公安局之间有任何互动。 2015年秋天，也就是新疆展会数月后，邮件显示，蓝灯软件与新疆警方签订合同。工作人员安装了数百万个摄像头，并连接了7000多个警务站，这些警务站常常相隔只有数百米。近10万名警员被招募来敲门，收集姓名、地址、指纹和面部扫描数据。 工程师告诉美联社，尽管中国硬件更受青睐，但外国软件因性能以及与中国基于美国技术构建的系统兼容，仍不可替代。这包括甲骨文和微软的服务器与数据库软件，以及VMWare的云软件。戴尔于2016年收购了VMWare。 2016年底，镇压开始。内部文件、一份泄露的蓝灯软件副本，以及对16名前新疆警察、官员和工程师的采访，揭示了该系统如何运作。 蓝灯软件将输入中央警务数据库的数据整合起来，为新疆大范围人口建立档案，并打上“去朝觐”“出国留学”等标签。管理人员随后进行问询，计算风险分数，并决定拘押对象。 泄露消息显示，数十万人被标记为“不可信”。泄露文件显示，2017年仅一周内，IJOP就将24412人标记为“可疑”，其中多数人随后被拘押。 “他们认为抓走数千名无辜者，也比放走一个罪犯要好，”Abliz说。 这项技术粗糙且有缺陷。蓝灯软件的邮件显示，工程师曾紧急修复一个软件漏洞，以释放数百名被错误归为高风险的人。一名前新疆警官核查身份证时也发现，监控摄像头经常误认人员。 然而，警员被告知“电脑不会说谎”，IJOP列出的目标“绝对正确”，Abliz说。软件的命令常常被恐惧、无条件地执行。 “科技公司告诉政府，他们的软件是完美的，”Abliz说。“这全是神话。” 全方位监控迫使人们完全服从：警员逮捕同事，邻居互相举报。 2017年5月，现居荷兰的教师Kalbinur Sidik被召到乌鲁木齐一栋黄色砖墙公寓楼里的区政府办公室。一名刚从大学毕业的年轻维吾尔女性起身介绍自己是当地官员。她告诉Sidik，她被任命为所在楼栋的负责人，负责收集邻居信息。 “这些数据会用来做什么？”Sidik问。 那名女子看向电脑，屏幕上运行着蓝灯软件，列着姓名和标签：“夜间外出”“海外电话”“无业”。其中一个按钮格外醒目：“推送警报”。 女子点击按钮，屏幕上出现一串姓名。她解释说，这些人将因涉嫌与恐怖主义有关而被拘押和审讯。Sidik瞪大了眼睛。 “我恨她做的事，”Sidik说。“我知道那些人会消失。” Sidik和另外五名前警员及管理人员说，新疆官员下达了逮捕指标。Sidik惊恐地看着她所在小区每周强制升旗仪式的参与人数，从400人减少到100多人，因为居民不断被逮捕。 在区政府办公室里，她看到屏幕上不断出现这些标识：甲骨文、微软、英特尔。美联社发现，在镇压期间，三家公司的产品都被用于新疆警务和数据系统，同时出现的还有Esri、希捷、西部数据、英伟达、赛默飞世尔以及当时属于戴尔的VMWare。戴尔曾在其网站上宣传与新疆当局合作。 Sidik问当地官员这些东西从哪里来。 “我们花了很多钱进口外国技术，”她回忆对方这样告诉她。 被数字天网捕获的人之一，是新疆一所军医院的哈萨克族药剂师Parida Qabylqai。 2018年2月，Qabylqai因去哈萨克斯坦看望父母而被IJOP标记。起初，她的上司以为这是错误。 “你是个好人，不应该被列进去，”她回忆他说。然后他查了IJOP，看到了她的名字。 “这真的很严重！你会被送进营地的，”他震惊地脱口而出。 一名警官把一份认罪书塞到她手里。 “我做错了什么？”Qabylqai问。 “签字！”警官吼道。 Qabylqai被铐住、蒙头，迅速送往营地。在那里，摄像头日夜监视她，甚至在厕所里窥视她赤裸的身体。守卫通过扬声器吼叫，命令她不准说话，甚至不准动。 “他们对我们做的事，不该发生在任何人身上，”她说。“但他们说我的名字被IJOP列出来了，所以他们不需要解释。” 就连执行这个系统的人也未能幸免。 2018年，新疆公务员刘玉良被命令前往村里一名年轻警察的家。他和几十个人沉默站着，看着这名警察抱住哭泣的怀孕妻子。 这名警察曾把许多人送进营地。后来，他自己也被标记为拘押对象。 刘因恐惧不敢反抗，只能参与逮捕，就像那名年轻警察过去做过的那样。 蓝灯软件会在被标记人员做出任何被系统认定为可疑的行为时提醒警方，例如夜间外出或反复登录互联网。刘被派去敲门，询问那些“眼中充满恐惧”的居民。 在警方横扫新疆期间，邮件显示，蓝灯软件从后来被博通收购的云公司Pivotal购买软件。邮件还显示，2018年，蓝灯软件在亚马逊云服务和微软Azure上注册账户，希望向警方客户扩展云服务。 亚马逊云服务表示，蓝灯软件“在短时间内使用了非常有限的云服务”，且并非用于新疆镇压相关软件。微软表示，蓝灯软件通过一个已于2021年停用的自助服务门户使用Azure服务，其任何数据均已删除。 新疆政府告诉美联社：“绝不存在所谓‘大规模侵犯人权’。” 刘最终辞职回到中国东部老家，试图忘记自己所见所为。但他不安地注意到，家附近也开始安装新的摄像头和检查站。 四天后，国保打电话传唤他问话。无所不在的监控系统跟着他回到了家乡。 “新疆模式正在被复制到中国每一个城市、每一个地方，”刘说。 2024年，刘离开中国，尽管机场一名工作人员警告他说，无论他去哪里，都会被监视。 “这项技术本身没有情感，”刘说。“但在一个不尊重法律的政府手中，它就会变成邪恶的工具。” 杨家至今仍被美国技术困住。今年的维护合同显示，IBM、戴尔、惠普、思科和希捷的服务器、交换机和硬盘驱动着针对他们的警务系统。英特尔和英伟达芯片处理数据，甲骨文和VMWare软件运行数据库。 但杨家越是坚持，系统反扑得越狠。 2023年2月，他们带着一封信前往北京国家信访局。两天后，警方从酒店将他们抓走并送回家。 杨家继续试图向北京申诉。接下来几个月，他们在汽车站和火车站被抓走，在医院遭殴打，被救护车绑架。 去年7月，杨的母亲再次尝试。她带着一封写给习近平的信： “他们用暴力和绑架阻止我上访、阻止我求医……我们恳请总书记救救我们。” 在北京领导机关外，几个魁梧黑衣男子将杨母扑倒在地。她被关押一个多月，遭审讯、脱衣搜查、强制服药，并被剥夺食物和水。10月，她和杨的妹妹失踪。 如今，杨家的房子成了当地最后一座还未拆的房子。杨父独自居住。 亲戚们因害怕尾随他的警察而断绝联系。数千页文件藏在抽屉里、塞在袋子里、堆在浴缸里的箱子中，记录着他们16年来寻求正义的每一步。 今年4月，杨收到刑事指控文件，文件显示警方为了阻止他们一家“异常上访”花了多少钱。 成本：约3.7万美元。

OpenMind：升级 OM1 AI 视觉系统，以隐私主权定义机器人协作新标准 根据 2026 年初的最新动态， OpenMind @openmind_agi 宣布对其自主机器人 OM1 的 AI 视觉系统进行重大功能升级 本次更新重点集成了身份管理Identity Management与跌倒检测（Fall Detection）软件，旨在增强机器人在家庭环境中的辅助能力 ■兼顾“主动安全”与“极致隐私”的视觉闭环 OpenMind @openmind_agi 的核心在于通过技术手段解决机器人入户的信任摩擦： ①注册与监测联动：AI 系统能够为个体注册数字档案，并在监测到跌倒等不可预见的意外事故时，即时推送通知 ②隐私脱敏处理：通过在底层执行模糊算法，OpenMind 将隐私保护作为“出厂即有的自主性”标准 OM1 的持续进化标志着家用机器人正从“感知设备”向“安全守护者”跨越： ➡️确立机器人入户的隐私主权标准 ➡️驱动 AI 辅助向“主动关怀”演进

利弗莫尔的 500 万美元信托之谜 熟悉利弗莫尔的都知道他在 1929 年迎来事业顶峰，然后遭遇了一系列挫败，1934 年 3 月宣告破产。当时法庭登记的数字：资产 18.4 万美元（主要是一份人寿保险，参考一下当时的物价，1933 年美国人均年收入约 400 美元），负债 225 万美元。 那利弗莫尔这次破产之后，他的信托究竟还剩多少钱？ 最夸张的说法：500 万美元 这个说法来自 2001 年出版的《利弗莫尔：世界最伟大的股票交易者》（以下简称《伟大》）。 作者根据利弗莫尔次子和长子遗孀的回忆，描述了一份总额大约 500 万美元的家族财产构成：1932 年 9 月利弗莫尔和第二任妻子桃乐丝（两个儿子的母亲）离婚时给桃乐丝设了一份 100 万美元的信托外加一个 100 万美元的精选股票组合；两个儿子各拿到一份 100 万美元的信托；利弗莫尔自己名下另有一份 100 万美元的信托。 500 万美元这个说法大概就是从这里来的。除了这本书，没有其他独立信息来源支持这个数字。当然家族信托属于个人隐私，如果不打官司，确实很难公开。 找不到源头的说法：80 万美元 另有一个流行版本说利弗莫尔有一个 80 万的年金，据说出现在 1923 年版的《大作手回忆录》中（以下简称《回忆录》），但是我再看了原文第十四章，里面虽然描述了利弗莫尔在 1915 年经历第一次破产后，吸取教训，再起之后开始给自己和家人留钱，但文中没提具体金额，只是说自己把“相当一笔钱”放进了自己无法再处置的年金；后来结婚又给妻子设了信托，儿子出生之后又给儿子设了信托。 媒体公开的版本：40 万美元 唯一一份公开档案是 1971 年 6 月 2 日纽约时报上的一篇专栏文章，主角是利弗莫尔的长子，他刚从一家“老牌华尔街银行”手里收回了家族信托的管理权，对银行 30 多年下来的管理结果很不满意，所以接受了采访。专栏披露的数字：桃乐丝（两个儿子的母亲）名下有两个信托，设立时间在 1919 到 1927 年之间，比 1932 年离婚早了 5 到 13 年，所以这两个信托不是离婚财产分配的产物，而是利弗莫尔在婚姻存续期间陆续给桃乐丝设的。本金累计投入 38.4 万美元，1930 年高点估值 58.9 万美元，到 1971 年 3 月底剩 25.3 万美元。 这跟《回忆录》第十四章里的描述对得上：利弗莫尔 1918 年 12 月和桃乐丝结婚，婚后给妻子设了信托；长子 1919 年 9 月出生后又给儿子设了信托。因此纽约时报的报道和《回忆录》可以互相印证。 这两个信托加起来本金不到 40 万美元，跟《伟大》说的桃乐丝在 1932 年离婚时获得“100 万信托 + 100 万股票组合”对不上号。那两笔合计 200 万美元的离婚分配，纽约时报这篇报道完全没有提到，而利弗莫尔的长子是家族信托的受托人，照理说不会不知道母亲名下还有这么大一笔东西。 这份报道《伟大》的作者在搜集资料的时候不太可能没看到（这是利弗莫尔死后唯一一篇公开披露家族信托具体数字的主流媒体报道），但他写书时还是用了最戏剧化的版本，不过全书充斥大量的文学虚构，所以也不足为奇。 丁圣元 2012 年翻译了《股市大作手回忆录》的中文版，书尾利弗莫尔的年谱里也没有引用 500 万这个数字，只说留有丰厚年金，可能也是觉得对不上。 当然家族信托到底是 50 万还是 500 万，并不影响利弗莫尔 1934 年破产到 1940 年自杀这段时间的生活质量。按当时的报道，他依然活跃在纽约社交圈，是媒体追逐的全国性新闻人物，跟 1929 年巅峰时期的区别其实不大。毕竟相对他在投机里亏掉的钱，维持上流社会的生活花不了多少。 本文所有引用的媒体报道链接均放在回复中，供参考。

求职系列（1）：如何准备一份让面试官想面你的简历 最近又到了春招和暑期实习招聘季，有不少同学找我咨询简历和面试的问题。 先说说我的背景：在职大厂工程师，从实习、校招到社招，累计面试超过上百场。给几十位同学做过模拟面试和求职辅导，现在在牛客上还能搜到我的号（安妮的心动录），校招时拿下了多个大厂的 offer，最近在看新机会，社招通过面试率也超过 90%。 这些数字不是用来装的，是用来告诉你：接下来说的东西，全都是亲身总结出来的真本事，放在别人那里是可以拿去卖课的。 同样的话我重复说了太多遍，决定把整套求职心得整理出来开源，帮到更多的人。 这是求职系列的第一篇，聊聊简历。 简历的本质 很多人把简历当成个人信息登记表来写。教育经历、工作经历、技能列表，从上到下老老实实填一遍。 但你想想，面试官看一份简历平均花多少时间？绝对不到10秒。 10秒，他要决定你值不值得花一个小时聊。 所以你的简历不是一份档案，它是一份销售文案。 它唯一的目的就是在10秒内让面试官得出一个结论：这个人好像很厉害，我想面面。 所有的技巧都围绕这一个目标展开。 1️⃣ 只能有一页 不管你有多少年经验，不管你做过多少项目，简历只能有一页。超过一页的简历，面试官大概率不会翻到第二页。 一页纸的限制会逼你做一件极其重要的事：筛选。你不得不砍掉那些可有可无的内容，只留下最能证明你价值的部分。这个筛选过程本身，就已经在帮你梳理自己的核心竞争力了。 如果你觉得一页放不下，说明你还没想清楚自己最值钱的东西是什么。 2️⃣ 一行一句话，一句话一行 这是排版层面最重要的原则。 每一个点尽量只写一句话，并且尽量这句话不换行，在一行内说完。 面试官扫简历是跳着看的，如果一个要点写了三行，他大概率只看第一行的前半段就跳过了。 一行一句话还有一个好处：强迫你精简表达。 如果一句话说不完，说明你要么没提炼出重点，要么塞了太多细节。 3️⃣ 最亮的点放在最前面 大部分人写简历按时间倒序：最近的工作排第一，然后依次往前。 这在大多数情况下没问题。但如果你有一个特别亮眼的经历，哪怕它发生在三年前，打破时间顺序，把它放到最前面。 面试官的注意力在前5秒最集中。前5秒他看到了什么，决定了后面5秒他是继续看还是扔掉。你最强的武器必须第一时间亮出来。 比如你大二做过一个开源项目拿了几百个 star，但后来的实习经历平平。那就把那个开源项目提到工作经历前面。 规则是死的，说服力是活的。在必要的时候，请你主动站出来，让我看到你的优秀。 4️⃣ 量化一切，遵循 STAR 法则 每段经历都用 STAR 来组织： -Situation：什么背景 -Task：你负责什么 -Action：你做了什么 -Result：结果如何，用数字说话 举个例子 -坏的写法：负责服务端性能优化，提升了系统性能。 -好的写法：主导核心接口性能优化，P99 延迟从 800ms 降至 120ms，QPS 提升 5 倍，直接支撑了 10 万级并发。 同样一件事，第二种写法的信息密度和说服力碾压第一种。没有数字的作为论据，在面试官眼里就是空气。 每段经历的 bullet point 控制在 1-5 个，最多不超过 5 个。太多了面试官不会看，太少了显得没做什么事。 5️⃣ 不要堆技能列表 很多人简历上专门有一栏 Skill Set，列了一排技术名词：Java、Python、MySQL、Redis、Kafka、Docker、Kubernetes…… 大部分面试官看到这种列表的反应是：所以呢？ 列了20个技术名词，我不知道你哪个精通哪个只是了解，不知道你在实际项目中怎么用的，不知道你解决了什么问题。这就是一堆没有上下文的关键词，毫无说服力。 更好的做法是让项目经历来证明你的技能。你写了一个高并发系统用了 Redis 做缓存、Kafka 做异步解耦，面试官自然知道你会这些。而且他知道你不是停留在知道的层面，你是真正用过、解决过问题的。 技能列表可以保留，但只作为补充，不要指望它帮你加分。 因为同一个岗位大部分候选人的skill list都是高度趋同的，所以很难通过skill list脱颖而出，它更多的作用是过机筛，以及充当一个背景板（校招、实习除外）。 6️⃣ 不要写空话，要有论据 简历里最常见的废话： -自驱力强 -学习能力强 -团队协作好 -责任心强 面试官每天看几十份简历，每一份都写着这些。你写了和没写一样。 空洞的形容词没有任何信息量。 加上论据： -自驱力强，半年减重 50 斤。 -自驱力强，非科班出身自学编程拿到大厂 offer。 -自驱力强，工作之余坚持技术博客输出，累计阅读量 10W+。 一个具体的事实胜过一百个形容词。 7️⃣ 埋钩子 简历上不要把一件事说得太详细。要留白，让面试官好奇。 比如你写：主导 XX 平台架构设计，上线一周用户数突破 1000+。 面试官看到这行，自然会想：怎么做到的？架构怎么设计的？遇到了什么挑战？ 这个好奇心会驱动他在面试时主动问你这个问题。而这个问题，恰恰是你最擅长回答的，因为你做过。 好的简历是一个钩子矩阵。 每一行都在埋一个问题，每个问题你都有准备好的深度回答。你在用简历引导面试官走你的剧本。 8️⃣ 实事求是 这一条听起来很基本，但很多人做不到。 有些人为了让简历好看，把别人做的事写成自己做的，把参与写成主导，把了解写成精通。 短期内可能骗过简历筛选，但面试官一问就穿帮。你说你主导了一个系统的架构设计，面试官问你为什么选 A 方案而不是 B 方案，你答不上来，当场社死，面试通过率骤降。 实事求是不是软弱，是自信。 做得好的地方大方展示，做得不够好的地方也坦然面对。面试官更看重的是你的思考过程和成长潜力，而不是你是不是每件事都做到了完美。 一个项目的 well done 和 bad done 都说出来，反而体现你有复盘意识和自我认知。 9️⃣个人总结怎么写 个人总结很重要！很重要！很重要！并且推荐写！推荐写！推荐写！ 很多简历的自我评价写得像小学生作文：热爱技术、积极向上、吃苦耐劳，这种话跟没写一样。 个人总结只写三句话： 第一句：你在行业或专业上取得的结果。比如大厂 T7 工程师，开源项目 500+ star，某个方向的技术专家。用事实建立第一印象。 第二句：你是一个什么样的人，带论据。比如坚持每天阅读一小时，累计阅读时长 500 小时以上。比如投资年化收益 30%+，具备独立的判断力和风险管理能力。 第三句：你未来想成为什么样的人。这句表达你的方向感和成长诉求。比如希望在 AI Agent 方向深耕，成为该领域的核心开发者。 三句话，过去、现在、未来。面试官 10 秒扫完就能对你形成一个清晰的画像。 最后 把你的简历拿出来，对照上面的每一条检查一遍。 -超过一页了吗？砍。 -有没有量化？没有数字的经历，删掉或者补上数字。 -有没有空话？每一句自我评价都问自己：我有论据吗？ -最亮的点在哪？它是不是在简历的第一屏？ 简历不是写给自己看的。它是你递给面试官的一张名片，只有 10 秒的生命。 在这 10 秒内，让他觉得你值得花 60 分钟来聊。这就够了。

別再一個個複製 skill 到其他 AI 工具理了，本貓發現了個好工具 "skillshare" 就讓他來管理吧 自從 skill 這概念火了之後幾乎所有 AI Agent 都支援，但是每個工具又有自己的路徑，總不能把已有的 skill 再複製堆疊上去吧? 所以 skillshare 做的事很簡單： 把你的skill、agent、rules、commands存在一個源頭，然後用一條命令 skillshare sync 同步到 claude、codex、openClaw ....等所有平台。不用手動複製，也不用擔心版本差異，更不會遺漏任何工具。 比如你設計了個 skill 或 code 審查框架，skillshare 會自動推送到其他已安裝的 AI Agent —瞬間同步，無需手動操作。 使用起來也很簡單，安裝完後指定一個資料夾路徑。把要同步的檔案放進去，然後執行: skillshare sync 搞定! 完全離線可用，還有Web 儀表板，視覺化控制所有資源分發簡直不要太爽。很適合有資源管理強迫症的我😌 當然這還有其他功能，只等小夥伴自行挖掘了 地址：

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。

蔚蓝档案_下江小春_这个是真神中神了！感觉像是在看本子一样，还有ntr剧情可爱妹妹潮吹射超高弄脏摄影棚于是被胁迫肉偿了（P1是前奏完整的剧情向为什么小春coser被草了）1 #BlueArchive# #ShimoeKoharu# @sktwober @sktworel @sktwolris @sktwobba

安娜的档案被缺席审判赔偿 1950 万美元，法院要求域名注册商和 Cloudflare 等网络提供商不得再为安娜的档案提供服务。域名方面其实还能解决，毕竟美国法院管不了全球各国的注册局，但如果服务器提供商和网络服务提供商也不能为安娜的档案提供服务，那造成的影响可能会更大：