泰国新发现，可别小瞧泰国！今日看地图，我恍然大悟。瞧泰国，其国土一侧濒临太平洋，另一侧紧挨着印度洋。如此看来，泰国也算是个“坐拥两洋”的国家。也不知泰国有几艘航空母舰？

三哥今年是真热🥵 到目前为止直接热死了40多人 间接因为高温死了2000+了 看地图上三哥地盘都糊了🥵 这才五月份啊，6-7月才是高峰期 印度人都要化成巧克力了🫠

把全球地理和历史八卦直接做成降维打击的视觉盛宴：Wikimap！ 这货简直是个地理和历史爱好者的顶级物理外挂，它把整部维基百科直接无情缝合到了世界地图上。 你只需要像上帝一样在地球仪上任意拖动、放大，就能看到你脚下或者世界任何一个犄角旮旯里，曾经发生过什么逆天历史、住过什么传奇人物、藏着什么好玩的冷知识。万物皆可地图化，把枯燥的冷冰冰字符当场物理超度，逛起来简直爽到头皮发麻、颅内高潮！ 带你用看地图的姿势重新降维解构整个人类文明，这波极客圣经不冲说不过去了，速去开启上帝视角👇 🔗 探索世界： #维基百科# #Wikimap# #看地图# #地理# #冷知识#

好莱坞超级英雄电影的一个逻辑基础，就是你相信现实中可能见到过钢铁侠、蜘蛛侠的现实版本，并且曾经拯救过世界，比如逃离了德黑兰，或者2005年查杀某款病毒木马，或者萨利机长； 而《龙餐馆》《战狼》这种最大的尴尬之处，就在于无论是吴京还是沈腾，你无法相信这种中国人现实中会存在。 甚至真给你拍出来，你热血沸腾全看完了，过了几天再回味一下，你发现是对自己甚至民族底色的一种巨大讽刺，因为太荒诞了，导致强行映射到自己头上，反而是一种巨大的违和，违和到让你觉得是在骂你。 所以中国超级英雄电影只有三个永恒的主题，一个是哪吒和孙悟空这些架空神话，一个是平行时空的手撕鬼子，一个是海外某个中东或者非洲战场， 只有这三个纯平行架空主题的电影，才会让中国人有一点点基本的信念感，才能带入进去，才让你不那么违和。 如果你是7分勇敢，拍电影说你是10分勇敢，你觉得是在夸你自己，你会很骄傲地带入； 而如果你自己日常就是10分懦弱，并且心知肚明，再拍一部电影来渲染你的10分勇敢，你自己就会立刻站起来骂街，“你这孙子骂谁呢？” 所以《龙餐馆》这种也只能架在一个中东战争的平行时空，中国人只会天天看地图，完全不熟悉细枝末节的社会微观规则，这个设定才成立，中国人才会产生小红书集美同款“荣誉共享”——哇，原来中国人的精神内核这么强大，我又共鸣了。 而如果《龙餐馆》《战狼》不设定在虚无缥缈模糊的中东战场，而是给你设定在1990年的下岗潮的沈阳，大街上流窜着一群一伙的东北teen，或者广州火车站旁边七八辆飞车呼啸而过，上面都是染毛的广州teen，左手拿着水果刀，右手直接抢链子抢钱包抢背包， 你猜猜沈腾和吴京按照这个剧本这么演下去，有多少人会觉得莫大的耻辱，会觉得这是在骂我自己。

求职系列（3）：如何准备面试 面试准备这件事，大部分人的做法是打开一个面经合集，从第一题背到最后一题。背完觉得自己OK了，但一上场发现面试官根本不按套路出牌。 因为你准备的是答案，但面试考的是能力和内核。答案是死的，能力是活的。面试官稍微换个角度追问，背答案的人就卡壳了。 每个人的技术方向和项目经历都不一样，我没法告诉你具体该准备什么内容。 但准备面试这件事本身是有方法论的，我自己用了很久，效果极好。 1.面试前：做好背景调查 很多人准备面试只盯着技术和专业能力进行准备，但更重要的是需要了解：你要去的那家公司、那个团队、那个岗位到底是什么情况。 你至少要搞清楚几件事： 1.这个岗位的 JD 里哪些是核心要求，哪些是凑数的。 JD 里列了十几个技能点，不可能每个都是硬性要求。找到那两三个反复出现的关键词，那才是这个岗位真正需要的能力。你的准备应该围绕这些核心点展开，而不是面面俱到。 2.这个团队在做什么业务，目前处于什么阶段。是新业务在探索期，还是成熟业务在优化期。 探索期的团队更看重你的学习能力和抗压能力，成熟期的团队更看重你的系统设计和深度优化经验。知道这些，你在面试中举例子的时候就能挑最匹配的来讲。 3.面试官是谁，他的技术背景是什么。LinkedIn、GitHub、技术博客，能查到的都查一下或者找HR、猎头大概打听一下。 不是让你去讨好面试官，是让你知道对面坐着的人关注什么方向，他大概率会从自己熟悉的领域出题。 这些信息花不了你多久，但能让你的准备精度提升一个量级。盲目准备就像不看地图就出发，方向都没对，走再远也是白走。 2.简历：每次重要的面试都应该微调 一份简历走天下，这是大多数人的做法，也是大多数人的错误。 你的简历不应该是一个固定文档。每次投递不同的岗位，简历都应该做针对性的微调，调整侧重点。 同样是你做过的三个项目，投 A 公司的基础架构岗，你应该把偏基础设施的项目放在最前面，展开写；投 B 公司的业务开发岗，你应该把业务复杂度高的项目提上来。 项目还是那些项目，但排列顺序和展开深度不一样，给面试官的第一印象就完全不同。 项目描述里的技术关键词也要和 JD 对齐。不是让你编，是你确实用过这些技术，只是之前没在简历里强调。JD 里提到了 Kubernetes，你的项目描述里就把容器编排相关的工作写清楚。面试官扫简历的时间可能只有 30 秒，关键词匹配度直接决定你能不能进入下一轮。 还有一点：简历上写的每一个点，你都要能展开讲三分钟。写了不能讲的东西，就是给自己埋雷。 面试官最喜欢挑简历上看起来很厉害的那一行追问，你要是讲不清楚，可信度瞬间崩塌。 3.模拟面试：最被低估的准备方式 技术知识可以看书学，但面试能力只能通过模拟来练。 这两个东西完全不同。你可能对某个技术点理解得非常透彻，但一开口就是一团浆糊，说了五分钟面试官都没听明白你在讲什么。知道和说出来之间，隔着一条巨大的鸿沟。模拟面试就是在填这条沟。 1️⃣ 自己给自己模拟面 每次太久没面试，我都会给自己来一轮。步骤很简单： 1. 写一份题单，围绕你的技术方向和项目经历出题 2. 只有题单，不写答案。答案在你脑子里，写出来就变成了背诵而不是思考 3. 开始回答，全程录音 4. 回放录音，审视自己的状态、表述和内容质量。哪些点回答得不够顺畅、哪些知识有盲区、哪些表达可以更精炼，全部记下来 5. 没答好的点记录成清单，下一次模拟面的时候加进题单 6. 循环迭代 这个方法的核心在于录音回放。你以为自己说得很好，回放的时候会发现各种问题。有些点你以为很熟，一开口才发现根本组织不出来清晰的表达。语速太快、逻辑跳跃、关键信息遗漏，这些问题你在说的时候根本意识不到，录音不会骗你。 2️⃣ 找人模拟面 自己面自己有一个局限：你没法模拟真实面试中的压力和追问。 自己问自己的时候，你知道答案是什么，潜意识里会绕开那些你不擅长的方向。但真实面试中，面试官偏偏就会往你不舒服的地方追。 如果条件允许，找一些对应方向有经验的人给你做模拟面试。可以是朋友、同事，也可以是网上的付费 mock interview 服务。关键是对方要能问出有质量的追问，而不是照着题库念。好的模拟面试官会根据你的回答临时追问，逼你暴露出真实的知识边界。 模拟面试之后一定要要反馈。不只是哪些题没答好，更重要的是你的表达方式、沟通节奏、回答的结构性，这些东西自己很难察觉。 3️⃣ 每次正式面试都录音 这一条很多人不知道，但非常重要。 每次正式面试全程录音。重要的面试结束后回放复盘，哪些问题答得好，哪些答得拉垮，面试官的追问你有没有接住。 没过的面试，100% 复盘。 没过一定有原因。是技术深度不够？是表达不清晰？是某个项目细节被追问到了盲区？找到原因，下次就不会在同一个坑里摔两次。 过了的面试也值得复盘。哪些回答让面试官眼前一亮，哪些问题的回答框架可以复用到其他面试中。好的经验要提炼出来变成你的标准打法。 项目复盘：提前把坑填了 面试中 80% 的追问都围绕你的项目经历展开。 项目复盘不是把你做了什么列一遍。面试官不关心你用了什么技术栈，他关心的是你为什么做这个选择、做的过程中遇到了什么问题、你是怎么解决的、如果重来一次你会怎么改。 每个你打算在面试中讲的项目，至少要想清楚这几个维度： 这个项目的业务背景是什么，你在里面承担什么角色。别一上来就讲技术细节，面试官需要先知道 context。 技术方案为什么这么选，有没有考虑过其他方案，为什么没选。这个问题回答得好，比你把技术方案本身讲得多精彩都有用。因为它展示的是你的决策能力，而不只是执行能力。 遇到了什么困难，怎么解决的。最好是真实的困难，不要编。面试官见过太多人了，编的故事一追问就破。 最终效果怎么样，有没有可量化的数据。性能提升了多少、成本降低了多少、效率提高了多少。没有数据的项目复盘就像没有 benchmark 的性能优化，缺乏说服力。 心态：面试是一个训练过程 很多人把面试当成考试，一次没过就觉得自己不行。 面试能力和任何能力一样，是可以训练的。每一次面试都是一次实战，每一次复盘都是一次参数调优。面的越多、复盘越勤，你的面试模型就越准。 前几场面试表现不好很正常，就当是 热热身。不要把你最想去的公司放在第一个面，先拿几个没那么在意的 offer 练手，把状态调到最好再去面你的 dream company。 面试这件事，准备的上限很高。 你永远可以更了解对方公司、永远可以把项目讲得更清楚、永远可以把表达打磨得更精炼。 但也别追求完美到焦虑，准备到你觉得能自信地坐在面试官对面聊天的程度，就够了。

很多提示词和 Skill，都已经过时了。 Anthropic 的工程师发了一篇文章，提到他们针对 Claude Opus 5、Claude Fable 5 这一代新模型，团队把 Claude Code 的系统提示词删掉了 80% 以上，结果在代码评测里没有看到明显损失。 这件事至少说明，在 AI 快速变化的节奏里，很多所谓的最佳实践，保质期可能非常短。 模型能力一直在提升，一些过去必须反复强调的规则，今天可能已经没有价值，甚至会限制模型的表现。 我也想借这个机会，写一下最近关于提示词和 Skill 的一些真实经验和思考，希望能够给大家一些启发。 一、提示词依然重要 现在很多人会觉得，提示词已经没有什么意义了。 这话对了一半。过去那种八股文式的提示词，价值确实越来越低。比如先给 AI 设定一个复杂角色： 你是一位资深的新媒体编辑，熟悉互联网行业，拥有十年写作经验，请帮我优化这篇文章。 这类角色预置，在新模型上的作用已经没有过去那么明显。模型本身知道编辑是怎么工作的，也知道一篇文章大概要怎么修改。 但这不代表提示词不重要。 如果把提示词换成另一个词，它其实就是：我们怎么跟 AI 沟通。 就像我们和人沟通一样，同样让一个人完成一件事，不同的沟通方式，最后得到的结果也可能完全不同。 所以，我现在更愿意把提示词理解成一种沟通思路。你怎么描述问题，怎么拆解任务，怎么告诉 AI 你真正关心什么，这些依然无比重要。 比如，我想让 AI 帮我总结一篇论文，我很少只说总结一下这篇论文。 我通常会告诉它： 这篇论文主要解决了什么问题？作者是怎么解决的？这个方法和过去的方法相比，真正的变化是什么？ 这样问之后，AI 的回答通常会更容易抓住论文的主线。 因为我没有只给它一个模糊的动作，而是告诉了它，我想从哪些角度理解这篇论文。 二、少做角色预置，把任务说清楚 过去写提示词，大家喜欢铺垫很多背景。 先设定角色，再描述能力，然后补充语气、风格、工作流程，最后才说真正要完成什么。 提示词写了几百字，核心任务可能只有一句。 现在我觉得，这些铺垫很多时候已经没有必要。 提示词里真正重要的，是把几件事情分开说清楚。包括这次要达到什么目标，规则或者流程是什么，怎么才算完成。 比如，整理一段语音底稿，可以这样写： 把下面的语音底稿整理成一篇可以继续修改的公众号初稿。 删除重复的口头禅，合并意思相近的内容，调整明显跳跃的段落。 注意保留原来的核心判断，不主动增加新的观点、案例和结论。 完成标准是读者能够看清文章在讨论什么，作者的核心判断是什么，以及这些判断之间有什么关系。 我现在越来越觉得，好的提示词不需要写得复杂，先把这几件事情想清楚，已经解决了大部分问题。 其实就像把一件事交代给同事，你怎么说，他才更容易理解。 三、规则需要有，但不要太多 有一段时间，我看到特别长的提示词，会觉得非常专业，恨不得马上保存下来。 现在的感受刚好相反。 一条提示词特别长，很多时候说明写提示词的人自己也没有完全想清楚。 他只是把可能遇到的问题全部堆了进去，希望模型自己处理。 规则当然需要。 比如我在写作时发现，模型经常大量使用单字动词，文章读起来会比较硬。 我不喜欢这种表达，就会明确告诉它尽量使用更准确的双字动词，但不要为了凑字显得生硬。 这属于稳定的个人偏好，告诉模型是有价值的。但规则太多就会出现问题。 比如你同时要求语言简洁、内容详细、不要长句、不要太口语、不要调整原文节奏、同时优化文章结构...... 这些规则很容易打架。 毕竟模型必须先花费大量精力理解哪一条规则优先，最后可能每一条都照顾了一点，但整体效果反而下降。 新模型已经具备比较强的推理和判断能力。提示词不需要提前规定每一个动作，只需要保留那些真正重要的规则。 规则越多，不一定代表控制越精确，也可能代表人没有完成取舍。 四、要不要提供示例，要具体情况具体看 以前写提示词，还有一个非常常见的做法，就是提供大量示例。 这个方法当然有效，但我现在越来越谨慎。 因为示例一方面能够帮助模型理解我们的要求，另一方面也会限制模型的探索空间。 尤其是模型能力越来越强以后，它有时候会过度模仿示例，最后只能在示例附近生成答案。 所以，要不要提供示例，我觉得不能一概而论。需要自己结合具体的情况去试。 现在，我大部分的情况下，都默认不提供示例。 比如让 AI 帮忙写文章开头，我提供了示例，它基本就照猫画虎了，很刻意。 其实这时候，我们可以把自己思路说的更具体点，比如： 这个开头可以考虑从一个具体故事进入，也可以从一组反常的数据进入，或者从我最近的一个真实感受进入。 这并没有规定开头必须怎么写，但给了模型几个明确的思考方向。 所以，仍然是那句话，思路非常重要。 五、告诉模型，什么样才算完成 这也是我最近非常重视的一点。 我们经常告诉 AI 要完成什么，却很少告诉它，什么样的结果才算完成。 比如让 AI 总结一篇文章，最简单的提示词是： 总结这篇文章。 但你也可以写成： 总结这篇文章。完成后，我希望能够回答三个问题：作者发现了什么变化？为什么会发生这种变化？这件事对普通从业者有什么影响？ 这相当于给模型提供了一个简单的验收标准。 再比如，让 AI 完成一份产品分析，可以说： 最终结论需要能够帮助团队做出产品决策，不能只介绍产品有哪些功能。 这个要求就比请深入分析这个产品清楚很多。 深入是一个非常模糊的形容词。什么叫深入，每个人的理解都不一样。但能不能支持产品决策，是一个可以检查的标准。 说完提示词，再说 Skill。Skill 就是一份按需加载的小型工作手册。但并不是每一个提示词、每一个场景，都适合做成 Skill。 一、经常发生、流程稳定的事情，才适合做成 Skill 我觉得一类任务想要做成 Skill，至少要满足几个条件： 第一，它经常发生。第二，它的工作流程相对稳定。第三，里面包含一些模型本身不知道的个人经验、团队经验或者业务知识。 这些事情会反复出现，处理方式也相对稳定，适合慢慢沉淀成 Skill。 但某一篇文章的具体观点和材料，没有必要放进 Skill。它们只和当前任务相关，直接作为参考材料提供给模型就可以了。 没必要把所有东西都做成 Skill。 Agent 在运行时，即便没有加载 Skill 的全部内容，通常也需要先读取它的名称、简介和适用范围。这些基础信息同样会进入上下文，对模型的判断产生影响。 Skill 越多，不代表 Agent 越强。大量边界模糊的 Skill，也可能让模型不知道该调用哪一个。 二、Skill 里要放独特经验 我觉得一个 Skill 最有价值的地方，绝对不是那些网上随便就能找到的常识。 比如你在写作 Skill 里写文章要有逻辑、标题要有吸引力，这些内容模型本来就知道，写进去不会带来太大帮助。 真正有价值的是你自己的经验。 比如，修改语音底稿时，要保留口语里的活人感，每个核心判断最好有一个事实、数据或者亲身经历支撑。 这些内容代表了我们的个人品味、工作经验和业务知识。把这些经验编码进 Skill，才是 Skill 真正的价值。 三、Skill 需要控制抽象程度和边界 很多 Skill 的问题，是解决问题的范围太大。 比如一个叫写作的 Skill，边界就非常模糊。写作包括选题、资料阅读、形成观点、整理初稿、修改结构、优化语言、生成标题、检查错别字。 每一个环节需要的经验和评价标准都不一样。 把所有东西都放进同一个 Skill，最后这个 Skill 只会越来越长。 所以我觉得，Skill 最好只解决一个相对明确的问题。比如口述内容整理 Skill、标题生成 Skill、事实核查 Skill。 Skill 的边界越清楚，模型越容易判断什么时候调用，也越容易把它做好。 四、Skill 的主文件应该尽量短 Skill 通常是一个文件夹。 里面可以包含主文件、参考案例、常见问题、风格规范、检查清单，以及其他辅助材料。 所以没有必要把所有内容都写进主文件。 主文件只需要告诉模型：这个 Skill 什么时候使用、它主要解决什么问题、有哪些核心原则、默认按照什么思路推进、遇到具体问题时，可以继续读取哪些参考文件。 至于详细示例、风格要求、常见错误，可以放进单独的文件，等模型真正需要时再加载。 主文件是一张地图。模型先看地图，判断这次任务需要哪些内容，再继续读取相应的文件。 这就是渐进式加载。 不需要的内容不要提前塞给模型。这样既能减轻上下文负担，也能够减少不同规则之间的冲突。 五、Skill 最好包含检查环节 这一点和提示词非常接近。 只告诉模型怎么生成，往往还不够。一个好的 Skill，最好包含一套简单的自检标准。 比如产品体验稿 Skill，可以检查：有没有写清楚真实使用场景、有没有说明过去的方法有什么问题、有没有只有功能，没有判断。 这些自检标准，也是在告诉模型什么样才算完成。 一个 Skill 的价值，不能只体现在生成过程，还要体现在它能够帮助模型判断结果是否合格。

昨天美股没开盘 大饼在77000附近吸收流动性 目前从清算地图看 下方没啥量 主要还是在上方 目前美股纳斯达克期货指数在29700点左右震荡 大饼也在跟着美股期货短线浮动 行情预计 在77000下方吸收足够的流动性以后 就去上方清算78200左右的大单了 78500突破就能看的更高了 以太同步大饼 目前消息面 黄毛特朗普还没有反悔 但是依然传出来美军伊朗对抗的消息 目前行情日线级别形态变化不是特别大 维持昨天看法 特朗普不在变卦的话 大饼这个形态还是偏多