追溯回小時候其實就很喜歡研究人體奧妙 #國小會主動問老師有關於性的問題# #國中幾乎收割了同校的所有男同學# #高中四處約砲被開發了上百種情趣# 到現在壓抑不住意識裡的渴望 很多時候都飢渴難耐的想得到釋放 卻再也回不到屬於這個年紀該有的純真 但至少我誠實對待自己最真實的慾望 不抗拒選擇享受 遵從內心 所以我能大聲的說我喜歡性這件事！！！ #從小就主打愛愛永不過時# #沒有我頻道怎麼約#

鄰居哥哥竟然跑來找我約會… 說有在X上看到我的頻道 一開始也不願相信是我 在他眼中我就是個清純稚嫩的鄰居妹妹 但他看了我的影片後就覺得我怎麼突然變那麼成熟 長大之後我們也沒有太多的交集 沒想到多年後 竟然是在車上展開我們第一次約會 這次見面 也讓我看見了他不一樣的一面

中國的洪澇看起來越來越嚴重，有時候我都懷疑，是因為我們這些反共的人，內心巴不得看到天災人禍不斷，希望中國人終於受不了起義革命，所以把這些洪水的新聞，不斷地放大，自己在內心想像共產中國的天災頻率加大，但事實並不是如此？也許中國這麼大，中國本來就是到處可能有洪澇，我不知道，因為所有中國的數據都不可靠，也許連共產黨高層自己都不知道，到底天災有沒有變多。 但我們知道的是最近幾年的夏天溫度不斷地升高(誰可以去把輪船用油的硫加回去嗎？)，溫度高，下雨多，那也是一個科學上可以支持的事實，所以我們先把人禍放一旁，也許中國的洪澇問題，是天氣的責任。但這個雨下大的問題，全世界都在發生，連紐約地鐵這幾年也都一直淹，中國的鄰居，也有這個下雨的問題，但怎麼對付這個頻率變多的天災，就變成了人禍的問題。治水是一個問題，救災是另一個問題，災後重建則又是另一個問題，在完全不透明的共產黨黨國體制下，三個問題有解嗎？誰在負責？進度如何？不知道，通通不知道。中國人，你們為什麼不生氣？ 也許救災考驗的是領導的能力，領導的能力在僵化的中央集權下，變得極為關鍵，但習近平碰什麼，什麼就失敗，足球？雄安？經濟？股市？房市？現在他又去碰AI，看起來又要完蛋了。所以水患的問題，中國人要自求多福，但我不解的是，如果共產黨可以在2008年，把錢灑出去，搞鐵路基建，搞房地產投資，硬是把景氣拉了起來，為什麼現在景氣困難，同時治水基建如此缺乏，共產黨怎麼不灑錢搞城市治水工程？蓋新水庫、疏通河道、廣建下水道、開闢蓄水池，不都是像蓋鐵路基建一樣，既可以提高就業，又可以解決水患問題，為什麼不大搞特搞一下？ 無能可能是一個原因，但很可能共產黨真沒錢了。 在習近平打房前，房地產的投資是一個老鼠會騙局，我一直很不可思議中國人買預售屋是要先供房貸的。產權都沒拿到，房子都還沒開始蓋，中國人就在繳錢，這是什麼瘋狂的制度？最後開發商倒了，房子爛尾了，買家還要繼續付錢給銀行，全世界沒有一個國家是這樣坑買家的。然後成千上萬的爛尾樓，政府也沒有出來解決，難以計數的房奴，沒拿到房，還欠銀行錢，公道討都討不回來，真是豈有此理。但這也表示了，當初房市旺的時候，出錢的是銀行，不是開發商，甚至也不是地方政府，地方政府賣地拿一次錢，就沒了，錢到哪裡去了，不知道，但不是進了房市。中央政府管利率，但不管貸款實質，現在四大銀行的呆帳率只有1.2%，我信都不敢信，爛尾樓跳樓的那些屋主，銀行都不敢打成呆帳，大概還繼續掛在帳上。 中央沒有出錢刺激房市，只是靠銀行借貸的管道，把中國人的儲蓄轉成房地產放貸，恆大和一大堆的地產商倒了，爛尾樓的屋主停供了，銀行的爛帳，公開看到的就已經是2012年的4~5倍，更何況還有藏起來了，銀行嚇都嚇死，本都快保不住了，怎麼敢投資治水基建？ 但共產黨當初不是花大錢蓋高鐵？不是有錢嗎？為什麼現在不花了？一樣，共產黨靠的是銀行和地方政府，不是用借的，就是用股權投資在高鐵的建設，這些和爛尾樓的房子也差不多，投資都像打水漂，因為高鐵入不敷出。銀行現在沒錢，地方政府沒地可賣，找誰來投資比高鐵更沒有收益的治水建設？ 共產黨只剩一條路可以搞治水基建，那就是中央政府編列預算。但中國政府稅收就這麼多，你是要花在軍隊，還是要花在醫保，花在幹部退休金，還是要花在習近平的好大喜功？不知道，但治水基建，既看不到，又吃不到，別浪費了。不是可以印鈔票嗎？這一點共產黨倒是挺機靈，搞通膨來害自己嗎？不如好好地管好輿論、刪除貼文、封鎖消息，歲月靜好，速度比較快，效果比較好。

台灣廣電自由化的一個後遺症是頻道很多，但內容很少，在網路媒體興起後，電視頻道的問題就更多，觀眾變少，廣告也不怎麼賺錢，所以節目內容就更差。然後就是一大堆的政論節目，之前流行call in，現在大概就是名嘴坐在一起論政。我以前蠻不屑這些名嘴弄出來的政論節目，經常就是一個很小的議題，不管是社會事件也好，政治人物發言也好，名嘴都可以講出一大堆屁話，沒有營養的廢話。我常想，這些觀眾有時間，為什麼不讀讀書？要看電視，為什麼不看有意思的電視影集？但慢慢地，我了解到這些政論節目的價值，我認為政論節目不但促進民主，更增進人民健康，是現代社會不可或缺的重要機構。 首先，這些名嘴的對談，是很好的背景節目。親朋好友喝一杯的時候、主婦做家事的時候、全家吃完晚餐休息的時候、上班日中午午餐的時候，讓一個背景節目流動，觀眾有時認真看一下，大部份的時候，就只是在襯托所有人的日常人生，讓觀眾沒有壓力的跟上社會脈動，也算是承繼先前只有三台電視台，全國都一起看八點檔的那種國族共同回憶。 接著是政論節目可以提升全民論述、思辯的能力。像名嘴這樣，天天能生出東西來講，有料沒料，很快就知道。而民眾看著這些節目，多半時候是同溫層，邊看邊點頭，但有時候會有些不同陣營的人物出現，這種反派角色有時候會讓人像被突襲一樣，乍聽之下好像有道理，但又哪裡怪怪的，於是民眾為了反駁這些不同的觀點，就把自己的觀點，也建立的更清楚。不搞清楚對手放什麼屁，是要怎麼對他們吐口水？ 然後政論節目的全方位攻擊一個新聞，反而達成了民主社會非常需要的透明化。名嘴為了要突顯自己獨到的觀點，經常要發想新的觀察角度，甚至要扒糞，自己調查找黑資料，最後真理真的就越辯越明，讓政治人物的骯髒無所遁形。政論節目，比那些已經在金錢利益面前跪下的記者，還更能扮演媒體第四權的角色。 最後最重要的是，娛樂性。我以前認為，等到國民水準到一定層次後，就不會有人想看政論節目，我不但錯了，而且錯得離譜。不管國民水準多高，政論節目永遠有存在的必要性，因為市場有很大的需求，一個把政治娛樂化的需求。民主的競爭，應該要像運動比賽，而不是軍事對抗。兩黨相爭，有輸有贏，就像支持的球隊有強有弱一樣，兩軍對陣，競爭的時候激烈，但比賽結束了，競爭就結束了。但結束不是代表你死我活、成王敗寇，而是我們又把焦點，放在下一場選舉，下一季的比賽，就算這次沒有贏，永遠也都可以寄望於未。政論節目，就像所有的運動講評節目一樣 ，目的在增加我們對比賽的了解，也讓人民從「外行看熱閙」進化到「內行看門道」，當然是非常有市場需要。 政論節目只在成熟的民主社會存在，低俗也罷，專管芝麻點大的事也罷，這些節目，不知陪伴多少人渡過人生的春秋，我們當給他們拍拍手。當然，有時候看到一些傢伙在政論節目講話，我還是很想搧他們巴掌。

回歸到現在推特終於破4萬啦！ #感謝祭準備開始# 這次感謝祭是回歸之後第一發 謝謝你們一直以來的陪伴 當粉絲數卡在3萬6千多的時候就有通知 Q:薇 4萬粉可以辦一下感謝祭嘛？ A：怎麼會不行 沒有你們就沒有現在的我 —————————————————— 本次感謝祭活動要徵求20位自願的勇士 條件很簡單：1.必須成年 2.無不良嗜好 3.一定要加入我的專屬頻道（採審核制(^з^) #名額有限一人僅一次機會# —————————————————— 回歸一個月就能這樣 代表還有進步空間 4萬這個數字不只是個里程碑 也是你們一直以來的支持與愛護 感謝祭參加處⬇️ #感謝祭# #最近詢問人數多建議你們趕快進來卡位#

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。

先跟大家說聲謝謝了 不知不覺推特粉絲快突破30000啦٩(˃̶͈̀௰˂̶͈́)و 老實說看到這個數字的時候 還是有點不敢相信🥹 謝謝一路以來陪著我的你們 因為有你們的關注跟支持 才能讓我走到這裡🤍 ————————————————— 其實一直有人問我 怎麼都沒看過你辦感謝祭 那我想說 既然都快破3萬了 那就來辦一下吧ʕ •ᴥ•ʔ ————————————————— 這次感謝祭活動 會從粉絲中選出10位幸運兒 參加條件： ❶ 一定要成年 ❷ 🈲不良嗜好 ❸ 一定要追蹤訂閱我的頻道（會檢查喔👀） #名額有限一人只有一次機會# ————————————————— 3萬對我來說 不只是個數字 更是你們一路陪伴的證明 未來我也會繼續努力 帶給大家更多驚喜 感謝祭活動入口⬇️ #感謝祭來啦# #最近一直詢問不要到時候又不見喔#

前幾天剛好跟朋友在討論預測市場當前到底需要的是什麼，看似繁榮其實並沒有很好的讓大家都上手 多數交易量肯定都是來自 bot ，而且多數人參與其實滿容易虧錢的 最大的問題就是不同市場的流動性碎片化再加上介面不好用、不直覺 以台灣來說甚至登入個 polymarket 都有問題，仍是最大痛點，我最常用的還是 polymarket 的 CLI 當前有兩個痛點需要被解決：更好懂的介面以及更絲滑的入金方式 市面上的方案都沒有真正解決這個問題，更不要說單純的 AI 工具 不管是否幣圈，AI agent 使用率都是不高的，一個重要原因是最一開始的啟動流程仍然有些複雜，只有真的動力強的少數族群才會每天用 另一個更根本的原因是，主流模型從來沒有被真正為「在市場裡賺錢」而設計過，它們能提供分析結果 但分析≠ 不代表真的能夠賺錢 用戶本身具有交易賺錢的能力， ai agent 才能發揮得好，否則很容易只是幫我們花式虧錢 Sui 上面的 @0xbeepit 還挺有趣，這個協議是一個讓交易型 AI agent 在真實市場中競爭、篩選、進化的系統，只保留真實市場裡活下來的策略 而且除了 agent trading 還有發展其他的產品線 這是當前預測市場賽道所欠缺的 「有更多讓用戶資金留存的誘因」 創始團隊在 PayPal 和 Walmart 等企業建構過 TradFi 系統，平均 12 年以上的開發經驗，橫跨支付、交易、區塊鏈基礎設施等 Beep 主要運作的方式有五個階段 1️⃣ 用對的工具開發策略 LLM 負責理解語言、分析情緒、提取資訊；另一種 AI 專為數字時間序列設計的模型，負責數值計算、風險判斷和交易執行 2️⃣獨家訊號 Beep 的 agent 接入獨有的數據流，包含鏈上交易元數據、預測市場訊號、訂單流微觀結構 3️⃣ 開放接入 任何 agent 都可以接入、提交策略。 越多參與者，接觸到的市場資訊廣度也更大，利好所有玩家 4️⃣ 嚴格篩選 每個策略先用模擬資金跑，通過了才能用真實資本 能穩定賺錢的策略獲得更多資金信任，跑輸的淘汰 5️⃣ 結果反哺 每一筆交易的結果，都會成為模型訓練的一部分，讓系統變得更準 理論上隨著時間的推進，系統會越來越強大 接著是其他產品線，Beep 最新上線的 R3，是基於 Polymarket 的預測市場產品，提供兩種玩法 💡手動預測，適合想自己下單的用戶，Beep 為用戶提供 AI 洞察輔助用戶做判斷 💡全託管預測 Agent ，適合想讓 AI 全權負責的用戶，AI 全權接管，掃描市場、選題、交易、結算，全程無需人類介入 我這次先丟了 1000u 來測試一下他們家的 trading agent 1️⃣ 選擇自己要用的模型（GPT5.4 , Claude Sonnet , Kimi , Groq 等） 2️⃣ 選擇要交易的市場：美股竟然也可以 , 不單純只是加密市場可以選擇 3️⃣ 除了 eth sui 之外我添加了近期火熱的 $SNDK $INTC $MU 三支股票 在這些交互的過程中都是可以嚕分數的，包含創建 agent、交易量、錢包餘額等（treasury），創建 agent 的花費跟交易頻率有關，越高當然花費越多，還可以設定單次交易最高金額，使用的槓桿大小等 agent 開跑之後, 可以動態看到 agent 當時的想法 下週來跟大家分享一下結果，有興趣的可以一起來玩玩： 這邊記得，受邀人記得至少要充值 10 usdc 以上才可以激活 ⚠️ 地區限制，台灣的朋友們記得一樣要切換 VPN 才能使用 去年年底 Sui 宣布了 The Agentic Economy is coming to Sui ，很明顯這是當前每條鏈都在積極發展的方向，Beep 是我認為值得一試的 Sui 鏈 agentic finance 項目 Beep 還支持基於 Hyperliquid 的全託管交易 agent 的創建，支持 Hyperliquid 上 Crypto + TradFi 全部 USDC 交易對 對於心癢癢想追高美股的用戶來說，如果想追高又不知道怎麼設止損，讓 ai agent 根據設置的策略來參與市場也不失為是一種方式