【河北：衡德高速公路改擴建工程跨石德鐵路轉體橋成功轉體】21日，衡（水）德（州）高速公路改擴建工程河北省衡水市境內的清涼店互通連接線跨石德鐵路轉體橋平行旋轉88.8度，與高速公路引線實現精準對接。據介紹，衡德高速公路改擴建工程全長49.24公里，將原有雙向4車道擴建為雙向6車道。

【島內稱台軍演習讓解放軍牙都笑歪了】綜合台媒報道，台軍所謂“漢光42號演習”8月5日正式開啟。演習設置網絡實體降速、“萬鈞計劃”等科目。但演習期間狀況頻發：戰車門板行駛途中脫落，自研無人機尾翼墜落，炮彈整車滾落路面，遭到島內輿論嘲諷。台媒體人表示，賴清德演練多線奔赴衡山指揮所的撤離動線，在現代衛星偵察體系下一覽無餘，浩浩蕩蕩的地面車隊極易成為打擊目標。

【民意逆轉】英國千禧世代看得清經濟增長之路 脫歐已使英國人均國內生產總值（GDP）降低了6%至8%，打擊了投資、就業與生產率，並對年輕勞動者造成了預料中的連帶衝擊。

在環境比較複雜的網咖包廂內 故意把門打開朝著外面露出奶頭用按摩棒自慰 陌生的路人經過時不時會朝內看一眼 還有幾位刻意經過不少次 每一次陌生人的目光視姦都會讓母狗渴望被強姦 但...能夠享用母狗淫蕩的肉體 只有真正敢打開門走進來的那個人 陌生男人毫不客氣玩弄濕透的賤穴 口交時用力壓頭深喉嚨 女上插入後沒多久就忍不住抽搐高潮 射精後品嚐精液後還乖巧的用口腔清潔肉棒 會如此淫蕩都是因為主人在監視器的另一端 看著母狗如何低賤的服侍陌生男人 15分鐘完整版影片已經上架平台囉 有興趣趕快去看看吧❤️ #BDSM# #網咖勾引陌生人# #母狗# #調教#

小空在5/4~5/5 會參加Yunihot攝影會💙 YuniHot x 樂炬空間 大尺市集🍭 5/4(六)的造型 上午場:10:00~14:00 原神-甘雨 X 比基尼+白色膝上襪 清場換裝:14:00~15:00 下午場:15:00~19:00 原神-甘雨 X Salute 97 內衣+黑色吊帶襪 活動地點：新北市板橋區漢生東路113巷6弄1號1樓(板橋大遠百對面) 活動現場無論是拍攝還是互動 都統一收取攝影交流卷🪄 門票連結留言區下收💼

这半年来很焦虑，感觉自己一直在追最新AI Agent产品的路上，一直追赶，却一直追不上。 最开始学习用Manus写代码做网页，刚刚有点成果，OpenClaw突然爆火，好不容易用它训练跑通Meme监控流程，Hermes又来了…… 唉，追不上，真心累啊！ 就像那个流行的段子说的，年轻人吐槽父母，为什么当初错过了遍地黄金的互联网时代？父母说，自己当初认知、能力不到位。我今天算是深有体会了，确实跟不上节奏。 特别是当下，新模型、新产品快速发布，AI能力不断提升，非但没有缩小这种认知和能力差距，反而正在加剧形成三条鸿沟: Prompt 编写能力的高低，会直接导致生成图文的质量出现天壤之别； 对 Codex、Cursor 等代码工具的掌握程度，将使编程效率产生本质差异； Skill 的设计与编写水平，将让系统迭代效率的差距清晰可见。 那么，有没有这样一款产品，让普通人不再为Prompt、编程水平而焦虑苦恼？ 还真有， @dappOS_com 最近就推出的 xBubble 就是这样一款产品，主打一个低Prompt AI 设计，免去用户学习成本，让AI学习AI，让AI使用AI。 世界杯快来了，作为C罗球迷，我希望葡萄牙夺冠，所以，我就让xBubble生成一张C罗领葡萄牙夺得大力神杯的海报。 生成效果，下方xBubble生成图片，相对于上方GROK生成效果，质感，颗粒度，真人感都好不少。 AI 发展的终局，一定是“干掉复杂的提示词”。真正顶级的 AI 体验，应该像和老朋友聊天，三言两语间就把问题解决了，降低用户的使用门槛，才是真正的趋势。 同时，也体验了一下 xBubble的这套逻辑，确实有点意思： ▪️Bubble Pilot：AI 帮你调用 AI。你只管下指令，它去匹配最优 SOP 路径，搞不定还有万能 Agent 兜底。 ▪️Bubble Engine：AI 自己训练自己。多方案内卷，测出最好的就固化成标准流程，越用越快，越用越准。 更给力的是它把“云端”和“本地”分得很清： ▪️云端（Computer）：搞定复杂协同（写作、设计、生图），你动嘴，云端沙箱帮你干苦力。 ▪️本地（Personal）：接管本地文件和日程。极度克制，只做授权事。高危变更在云端用完即焚，不给本地电脑留一丝隐患。 最后，别再被每天层出不穷的新模型搞得焦虑失眠了。认知和能力的鸿沟确实存在，但像 xBubble 这样的产品出现，正在为普通人填平这些鸿沟。 与其在无尽的工具迭代里疲于奔命，不如跳出内卷，去体验一下这种“让 AI 学习 AI，让 AI 使用 AI”的降维打击。

作为父母，过去一年最大的冲击应该就是思考“下一代，应该如何教育”，似乎所有的路径都在失效 过去一年，大学调整专业的数量比过去10年都多。学校也都不知道怎么教了，更别说父母🥺。 马斯克前段时间有一个采访，在被问到“AI时代给孩子的建议”时，他足足沉默了26秒后，给出的答案是：做你觉得有趣、充实、和对社会有用的事。 看到 Agent。 OpenAI 披露，ChatGPT 已超过 9 亿周活用户，说明自然语言交互已经被大规模训练成一种新的默认入口。 Stanford HAI 2026 AI Index 显示，2025 年受访组织的 AI 采用率已经上升到 88%，70% 的组织已在至少一个业务职能中使用生成式 AI；生成式 AI 在三年内达到 53% 的人口采用率，扩散速度快于 PC 和互联网。 过去几年，AI 从小众工具变成了大众入口。 AI 已经被大众理解了，但 Agent 还没有跨越鸿沟。 《Crossing the Chasm》里有一个经典框架：一项新技术从出现到普及，通常会经历创新者、早期采用者、早期大众、晚期大众和落后者几个阶段。 真正困难的地方，不是从 0 到 1，而是从早期采用者走向早期大众。 这中间有一道“鸿沟”。 早期采用者愿意为了愿景、效率和未来可能性去尝试新东西；但早期大众不会。他们要的是稳定、简单、低风险、可验证价值、成熟案例和完整解决方案。 所以问题来了： 今天的 Agent 到底处在哪个阶段？ 我的判断是： AI 作为大类，已经接近早期大众；但 Agent 作为“能执行任务的 AI”，还处在早期采用者阶段，也就是鸿沟前夜。 数据其实很明显。 McKinsey 2025 全球 AI 调研显示，88% 的受访组织已经在至少一个业务职能中常规使用 AI。也就是说，AI 已经不是少数极客的玩具，而是进入了主流组织和主流用户的日常工具箱。 但 Agent 还不是。 同一份 McKinsey 调研显示，62% 的组织至少在实验 AI agents，23% 已经在某些企业职能中规模化部署 Agentic AI；但在任何单一业务职能里，规模化 Agent 的比例都没有超过 10%。 这意味着什么？ 意味着 Agent 已经过了“没人知道它是什么”的阶段，但还没到“人人都会用它解决具体问题”的阶段。 这正是早期采用者阶段。 今天的 Agent 很像几年前的 AI 工具： 有人觉得它只是噱头； 有人觉得它不稳定； 有人试了一次就放弃； 也有人已经开始用它重构自己的工作流。 但技术采用从来不是等到完美才开始的。 等所有人都觉得它稳定、好用、安全、成熟的时候，它就已经跨过鸿沟了。 而真正的体验红利，往往发生在鸿沟之前。 因为在这个阶段，你获得的不是一个“工具使用权”，而是三种更重要的东西： 第一，体感。 你会比别人更早知道 Agent 到底能做什么，不能做什么，哪些场景是真需求，哪些场景只是包装过的 chatbot。 第二，工作流。 Agent 的价值不是回答问题，而是执行任务。 它不是帮你“想一下”，而是帮你“做一段流程”：找信息、调用工具、分析数据、执行操作、支付服务、交付结果。 谁更早开始试，谁就更早知道哪些任务适合交给 Agent，哪些任务必须保留人工判断。 第三，判断力。 未来一定会出现大量所谓的 Agent 项目。 但不是所有 Agent 都是真 Agent。 Gartner 已经提醒过一个现象：很多厂商会把旧的 AI assistant、RPA、chatbot 重新包装成 Agent，这就是所谓的 “agent washing”。它还预测，到 2027 年底，超过 40% 的 Agentic AI 项目可能会因为成本、商业价值不清或风险控制不足而被取消。 所以现在亲身体验的意义，不是盲目相信 Agent，而是训练自己识别： 什么是聊天机器人； 什么是 Copilot； 什么是自动化脚本； 什么才是真正能规划、调用工具、执行任务、形成结果闭环的 Agent。 这也是我为什么觉得 这个产品值得亲身入局。 不是因为它一定代表最终形态，而是因为它把 Agent 从“对话工具”往“经济主体”方向推进了一步。 这就很关键。 因为一旦 Agent 从“回答问题”变成“执行任务”，它一定会遇到几个基础问题： 谁来发现、雇佣Agent？ 谁来支付、验证交付？？ 谁来处理争议、记录信誉？ 谁来限制权限和风险？ 这些问题不解决，Agent 就很难从 Demo 走向真实生产力。 OKX的Agent Payments Protocol 也在试图解决类似问题：让 Agent 不只是完成一次付款，而是能报价、协商、托管资金、计量使用、结算和处理争议。 OKX 把这个方向称为 Agent Commerce，也就是 Agent 之间可以真正做生意，而不仅仅是调用 API。 这背后的趋势很大： AI 的上半场是生成内容，Agent 的下半场是执行任务。 生成内容解决的是“帮我写、帮我看、帮我总结”。 执行任务解决的是“帮我监控、帮我比较、帮我调用工具、帮我付款、帮我完成流程”。 前者改变信息生产，后者改变经济协作。 所以我不想把 只理解成“OKX 做了一个 AI 产品”。 我更愿意把它当成一个观察窗口： 我们正在看到 Agent 从工具走向市场； 从助手走向执行者； 从单体应用走向协作网络； 从人类操作软件，走向人类授权 Agent 执行任务。 而这恰恰说明，现在是普通用户最应该开始体验 Agent 的时候。 不是因为它已经成熟。 而是因为它还没有完全成熟。 当一项技术已经被所有人验证过，大众才会放心进入。 但当大众放心进入时，早期用户已经完成了认知积累、工作流迁移和判断力训练。 今天体验 Agent，不是为了证明它马上替代所有人。 而是为了提前理解下一代软件的交互方式： 过去，我们学习如何使用 App； 后来，我们学习如何向 AI 提问； 接下来，我们要学习如何给 Agent 设定目标、边界、权限和验收标准。 这才是最大的变化。 所以， 对我最大的意义不是“OKX 现在入局是不是最好的时候”。 而是它提醒我们： Agent 已经到了普通人可以开始亲自上手的阶段，但还没有到普通人都已经熟练使用的阶段。 这就是跨越鸿沟之前最有价值的窗口。 现在体验 Agent，本质上是在提前训练一种未来能力： 不是使用 AI 的能力，而是指挥 AI 执行任务的能力。

《从50亿颗芯片订单，看Starlink一个不为人知的万亿市场》 路透社昨天的报道称SpaceX和意法半导体过去12年订单总量已经达到50亿颗芯片。 市场可能还没有意识到，这是一个Starlink不为人知的隐藏赛道。它不仅仅是一个"卫星互联网项目"，还是一个全球性的电磁感知基础设施。 这50亿颗芯片是射频前端模块（radio-frequency front-end modules），也叫天线单元（antenna elements），它们基于BiCMOS工艺制造，用于Starlink用户终端的相控阵天线。 简单说，这些芯片让你家的"锅"能够自动追踪高速移动的卫星，保持稳定连接。 Starlink用的相控阵是军用雷达技术吗？ 新闻提到Starlink的终端天线用了"相控阵"技术。这听起来很军工——没错，这和战斗机雷达、宙斯盾系统用的是同一类技术。 相同点：都是电子扫描天线，通过精确控制每个天线单元的信号相位，让波束可以快速转向，不需要机械转动。 关键差异：目的完全不同，所以精度不同。 Starlink的应用方向，不是雷达而是通信技术，但它未来可能具备"雷达式感知"的潜力。 能"感知"什么？ 四个字：RF感知。 Starlink终端在和卫星通信时，信号会穿过大气层、经过各种环境。这个过程中，任何异常都会在信号里留下痕迹。 它能感知的东西分三层： 第一层（最精准）：电磁环境本身——哪里有干扰源、频谱异常、噪声变化。这对通信系统本身就有巨大价值。 第二层（可持续建模）：传播环境——下雨、沙尘、湿度、电离层扰动。气象公司会很感兴趣。 第三层（模糊但有用）：大尺度物体——比如某个区域是否有大型飞行器或船只经过。注意，它只能回答"有没有"、"有没有变化"，不能精确识别是什么。 精度对比： 军用雷达：厘米到米级 RF感知：百米到公里级 所以RF感知不是"弱版雷达"，而是一个永远在线的全球异常检测系统。雷达是手电筒，看得清但照得窄；RF感知是环境光，到处都有但很模糊。 starlink相控阵通信感知技术的竞争优势极难复制，由于其不可逆的工程路径和物理资源先手。 五道护城河： 1. 相控阵×消费级×百万规模：历史上几乎没人同时做到这三件事。军工相控阵很贵，消费电子没这精度，百万级规模需要完全不同的供应链。 2. 射频制造学习曲线：50亿颗芯片的制造经验不光是订单问题，还是时间积累：每一轮生产都在优化良率、降低成本、发现问题。。。 3. 芯片成本的极致压缩：把军工级核心部件降到1美元以下（虽然牺牲了部分性能）。这50亿颗订单本身就是"成本消化器"——只有这种规模才能把单价压到这个程度。 4. 系统复杂度下沉到终端：传统思路是让终端简单、网络复杂。Starlink反过来，让终端承担更多计算，这样卫星和网络可以更灵活。这是反直觉的设计选择，一旦跑通就成了结构性优势。 5. 垂直一体化：SpaceX同时控制火箭、卫星、终端、网络。这意味着它可以"有序失败"——某一层出问题，其他层可以补。别人只做其中一环，就没有这种容错空间。 另外，还有LEO轨道的垄断性优势 Starlink选择了低地球轨道（LEO），大约550公里高度。这不是随便选的。 LEO是相控阵通信感知网络的最优选择 信号损耗低，延迟低（20-40毫秒，打游戏够用） 终端功耗可接受（不需要大功率天线） 卫星移动快，网络拓扑持续变化——这意味着AI有大量数据可学习 竞争对手的困境： 更低轨（VLEO）：大气阻力大，卫星寿命短，需要频繁补充。技术可行，商业上几乎不可行。 同轨但晚来：轨道密度、频谱分配、避碰规则全面受限。你不能在人家卫星旁边乱飞。 更高轨（MEO/GEO）：通信能做，但延迟变高，终端功耗上升。更重要的是，轨道变化慢，AI学习材料少，感知能力被"钝化"。 LEO是通信和感知同时成立的最优高度。Starlink已经在这个高度部署了超过6000颗卫星，预计3-5年，将几乎占满LEO空间所有可用轨道。 和6G的关系 严谨地说，6G技术上不强制要求天地一体化。但战略上，几乎必然。 原因不在于速度（5G的速度对大多数应用已经够了），而在于： 覆盖的完整性：海洋、沙漠、极地、航空，这些地方地面基站覆盖不到。 网络级可靠性：地震、战争等极端情况下，地面网络可能瘫痪，卫星网络是兜底。 AI网络需要全局视角：未来的AI应用需要在全球范围内调度计算和数据，没有天基网络就是瘸腿的。 没有非地面网络（NTN）能力的6G，将被视为"不完整"。 覆盖全球的天基雷达？ 尽管starlink不会变成高精度的全球雷达。技术上做不到，也没必要。 但会演化成一个全球持续在线、低精度、AI驱动的感知底座。 未来的分层结构可能是： 第一层：Starlink类RF感知——覆盖广、连续、低精度。相当于全球的"背景感知网"。 第二层：高性能军用雷达——数量少、精度高。在关键区域提供精确信息。 第三层：无人机/高空气球等机动节点——按需部署，灵活补盲。 这三层不是替代关系，而是协同。第一层发现异常，第二、三层精确跟进。 Starlink的全球感知网络市场多大？ 未来5-10年的市场空间，从大到小： 6G融合基础设施：与地面网络融合，成为全球通信底座的一部分。万亿美元级。 国家级主权通信：关键基础设施的通信保障，政府客户。千亿美元。 航空/海事/能源/物流：飞机WiFi、远洋船舶、偏远矿区等需要连续连接的场景。千亿美元。 政府/军方感知服务：非火控级别的态势感知。百亿美元。 全球RF感知与环境智能：气象、海洋、频谱监测等。百亿美元。 总结 Starlink的真正护城河不在单一技术，而在于： 它率先把最适合相控阵+AI的物理空间（LEO）占满，并在其上跑出了真实规模的系统。 它正在成为全球电磁环境的"持续在线感知层"。

什么是高智商、高格局的命盘？说来说去其实就那么几类。 第一种，比劫旺，食伤泄秀。这种人脑子里的东西往外倒，倒得还特别漂亮。你看那些大学教授、写书的、唱歌的、搞演讲的、演戏的，很多都是这个路子，肚子里有货，还能让人听进去。 第二种，伤官配印。这个在圈里公认是智商天花板那一档。玩专业的、搞研究的、在某一个领域钻得特别深的人，大多是这个配置。我这些年见过做生意的有，搞学术的有，体制内的也有，共同点是学东西快，而且一钻就钻到底。 第三种，食伤制杀、伤官合杀。这一类人最明显的特点是办事利索，反应快，遇到事不啰嗦，三两句就能知道要害。应变能力和掌控力都强，不爱跟人扯皮，一出手就是点子上的东西。 第四种，杀印相生、木火通明、金白水清。这几个种类型就是脑子清楚、思路顺，逻辑能力和领悟力都在线，属于天生就通透的那类人。 其实不管哪种组合，说的都是一件事——脑子够用，而且用在了正地方