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☞☞#

這一波股票狂飆，如果有跟上MU、AMD這些妖股，現在最大的問題就是，什麼時候下車。叫你長期抱著狂飆股的人，是壞蛋。沒有一個正常人認為泡沫會天長地久，但什麼時候賣？每次漲個10%，內心就天人交戰一下，漲得越高，就越心驚肉跳，這時候就會有人告訴你，獲利了結落袋為安，「沒有人因為提前獲利了結而賠錢」，但也沒人因為提前獲利了結而發大財，更可怕的是，通常在獲利了結出清後，狂飆股又再漲得更多，投資人一邊猛槌心肝，一邊思考要不要再吃回頭草。股市投機就是這麼難，賠錢的時候很痛，賺錢的時候也不開心。 狂飆股的下車時點，不在於上升的階段，而在於走下坡的時候。股市裡最厲害的作手，不會期望賣在最高點，但也不會冒然在上升階段獲利了結，因為永遠不會有人猜得到，到底高點在哪裡。既然不知道，就等高點過後再賣，犧牲一點獲利，但把握住大部份的主升段。這個操作的道理，一百多年前的Jesse Livermore，就已經教過所有的股市作手，描述他股海浮沉的「作手回憶錄Reminiscences of a Stock Operator」，是股票投資的經典，人人必讀。但道理容易懂，實際操作起來，還有許多的障礙。首先，我們怎麼知道狂飆股開始走下坡？從高點跌10%？20%？不一定，跌了20%，還是有可能反手再繼續上漲。Livermore教人要看大勢，大勢還沒停的時候，狂飆股不算走下坡，現在的AI大勢還沒停，所以狂飆股不可能走起下坡。另外的一個招數來判斷氣數是否已盡，是看消息面。如果有絕佳的好消息，但股票應聲下跌，那可能就是氣勢反轉，主力在走人了。 「作手回憶錄」的這些實務操作，練得爐火純青的時候，錢雖然賺到了，但心理層面就開始受影響。我還沒看過一個像Livermore一樣的作手，他們的人生是快樂的。因為他們的內心一天到晚在和心魔交戰，「到頂了？」「下坡了？」「加碼？」「獲利了結？」「落袋賺一百萬，還是忍住等到兩百萬再出？如果不賣，後來跌光光呢？」自己內心已經混亂不已，如果再加上市場各式各樣的小道消息，很難內心不起漣漪，弄到最後，連賺錢都不開心。Livermore賺了大錢，但最後自殺離世，也許這是讀「作手回憶錄」所最需要學得的教訓。黎智英年輕的時候，因為熟讀了「作手回憶錄」，放空恆生指數，賺得了他創業需要的資金。但他很懂這種賺錢方式的問題，所以他創業後，去關公面前發誓，如果再炒股，他就要來關公廟斷手指。也許是要有這樣的決心，才能守住靠著「作手回憶錄」賺來的財富。但人世間，有幾個黎智英呢？ 年輕的時候，覺得「作手回憶錄」是聖經，為自己在市場的走跳，感到充滿智慧。但要到一定的年紀，才知道巴菲特式的投資，才是在能賺大錢的同時，又能人生美滿的股市正道。所以不要問我什麼時候從MU、AMD下車？那不是我的車，我既然不會上，就不用擔心下車的問題。

强烈推荐大家看看DeepMind CEO Demis的最新判断。 真的，Google DeepMind 的 CEO Demis Hassabis 每一期访谈我觉得值得都花时间看看。这哥们讲东西很实在，而且通俗易懂。 早上边跑步边听完了他和 YC CEO Garry Tan 的最新一期播客。 刚刚把笔记写完，也给大家分享下。 多说一句，好多人问我这种笔记是不是 AI 写的。我说下自己的流程。 我会先完整听完播客，然后用语音输入法把感触尽量充分地讲出来，再让 AI 帮着整理初稿，最后自己逐字修改优化。 如果全部交给 AI 做总结，那等于把思考和理解的能力让渡给了 AI，对自己理解这件事其实没有任何价值。 OK，咱们进正题。 1 Demis 的态度非常明确，现在的大模型范式（大规模预训练 + RLHF + CoT）一定会是 AGI 最终架构的一部分，他不认为这会是条死路。 但要实现 AGI，还有几个关键问题要解决。这几个问题包括：持续学习、长程推理和记忆系统。 先从最容易看到的现象讲起，Context Window。 现在大模型处理长信息，最常用的招就是把 Context Window 一直撑大。一开始 8k，后来 32k，再后来 100 万 Token。听起来很厉害，但本质上是暴力堆砌。 Context Window 其实就相当于人脑里的 Working Memory，工作记忆。人的工作记忆能同时装多少东西？心理学里有个经典数字，7 个左右。背电话号码能记住 7 位上下，再多就溢出了。 大模型呢？已经做到 100 万 Token。 按理说，模型的工作记忆比人大几十万倍，应该比人聪明几十万倍才对。但显然不是。 问题也恰恰就出现在这。把所有东西都塞进 Context Window 里，里面包含了不重要的东西、错的东西、过时的东西。看起来信息很多，其实是一团乱麻。 那人为什么 7 个数字的工作记忆就够用？ 因为人脑背后还有另一套机制在工作。我们记得几年前的事，记得童年的事，记得几小时前发生的事。这些都不塞在工作记忆里，而是另一套系统。 具体来说这套系统是海马体，大脑里负责把新知识整合进已有知识库的那个部分。 研究发现，人睡觉的时候，特别是 REM 睡眠阶段，大脑会重放白天重要的片段，让大脑从中学习。新东西在睡觉的过程里，温柔地融进了旧的知识体系。 这个把新东西融进旧知识库的过程，就是持续学习。 模型现在没有这套机制。每一次对话结束，刚学到的东西就会忘记。下次重新打开，还是上次那个模型，没长进。 2 再聊聊长程推理的问题。英文表达是 Long-term Reasoning。我翻译为了长程。 长程推理这个词太抽象了。Demis 讲了一个特别具体的故事，听完会立刻明白他说的是什么。 他说自己喜欢跟 Gemini 下国际象棋。下棋的过程里能看到模型的 thinking trace，也就是它在那里到底想了什么。 然后他发现一件怪事。 模型考虑一步棋的时候，思考链里清清楚楚写着，这步是个昏招。但接下来，它没找到更好的走法，于是又走回这步昏招。 明明知道是错的，还是把错的那一步走出去了。 这个细节比任何 benchmark 数据都说明问题。因为它暴露的是模型缺少对自己思考过程的某种内省能力。 正常人下棋，意识到一步是昏招之后，脑子里会有一个反应，停一下，再想想。停一下、再想想这个能力，模型现在没有。它能在每一步局部判断对错，但没法基于整盘棋的局势去调整整体策略。 这就是长程推理还没搞定的样子。模型可以一步一步往前走，每一步看起来都合理，但走到后面整盘棋的方向其实是错的。它没有那种退回到当前思考的上一层、重新审视一下的能力。 说到底，模型缺的是一种内省。 3 学习、长程推理、记忆，这是 Demis 在播客里点出来的三个 AGI 鸿沟。 除此之外，他还反复提到了创造力。 2016 年 AlphaGo 跟李世石下棋，第二局走出了著名的 Move 37。那一步棋走出来的瞬间，全世界的围棋高手都看呆了。 所有人类几千年下围棋积累的经验都告诉它不该下那里，但 AlphaGo 下了。下完之后大家发现，是一步神来之笔。 很多人觉得，这就是 AI 的创造力来了。 但 Demis 说，对他自己来说，Move 37 只是起点。他真正想看到的是另一件事。AI 能不能发明围棋这件事本身。 这两件事的区别非常关键。 Move 37 是在围棋这个现成的规则里，找到了一步人类没想到的招。但围棋的规则、棋盘的形状、黑白子的对弈方式，是人类发明出来的。AI 在已有的框架里非常厉害，但能不能自己造一个框架，是另外一回事。 Demis 给了一个具体的设想。 如果给 AI 一个高层次的描述。造一个游戏，五分钟能学会规则，要好几辈子才能精通，棋局有审美，一下午能下完一局。AI 能不能根据这个描述，自己倒推出围棋？ 目前做不到。 为了把这件事讲得更清楚，Demis 还提了一个测试，他自己叫爱因斯坦测试。 用 1901 年人类已有的全部知识训练一个模型，看它能不能在 1905 年那个时间点，自己推出狭义相对论。 爱因斯坦在 1905 年那一年里，连写了几篇改变物理学的论文，后来叫爱因斯坦奇迹年。那些工作不是从已有的物理学论文里通过拼接得到的，是基于已有材料做了一次全新的概念跳跃。 爱因斯坦测试想问的就是这件事。AI 能不能做这种跳跃。 目前的大模型主要在做两件事，pattern matching 和 extrapolation。一个是从大量数据里找规律，一个是把规律往外延伸一点。但发现新东西需要的是类比推理的能力。从一个领域里抽出深层结构，搬到另一个全新的领域去用。 这个能力，模型现在还没有。也可能是有，但用法不对所以激发不出来。 4 除此之外，Demis 还分享了一个让我特别出乎意料的判断，他说未来 6 到 12 个月，真正的价值不在更大的模型，在更小的模型。 这一部分内容我反复听了好几次，确实突破我的已有认知。 不知道大家的想法，反正我自己，这一年来并没有怎么关注小模型的进展。毕竟行业的焦点就是把模型做大嘛。 那小模型的价值到底在哪？ 最直接的是成本。同样一个任务，小模型的推理价格可能只是前沿模型的十分之一甚至更少。 但 Demis 说，比成本更重要的其实是速度。 这里有一个前提得先说清楚。Demis 不是在说速度可以替代智能。 他的原话是，当小模型的能力已经达到前沿模型的 90% 到 95%，也就是已经相当不错的时候，剩下那 5% 到 10% 的能力差距，比不上速度带来的好处。 比如现在工程师用 AI 写代码，已经形成了一种新的工作节奏。一个想法冒出来，几秒之内就能看到结果，不行就改，再不行再改。 这个一改再改的循环跑得越快，做出来的东西就越好。如果每次调用都要等十秒，整个工作流就被打断了。 更关键的是，快到一定程度，工程师在这种节奏里能进入心流。一个想法、一次尝试、一个反馈、再来一个想法，思维不被打断。 这件事写过代码的人都懂，进入心流和频繁掉出心流，产出的差距是数量级的。 Agent 也是同样的逻辑。一个 Agent 跑完一个任务可能要调几十次模型，每次慢一秒，整个任务就慢一分钟。慢到一定程度，Agent 就从一个能用的东西变成鸡肋。 小模型不是大模型的廉价替代品。有些事只有小模型能做。 比如手机、眼镜、家用机器人，需要的就是一个能在本地跑起来的模型。本地跑除了反应快，还有一个特别重要的好处，隐私。 家里机器人看到的视频、听到的对话，全部在设备本地处理，根本不上云。这件事对很多用户来说不是加分项，是底线。 成本、速度、边缘部署，这是小模型的价值。 5 讲完小模型的价值，接下来一个更关键的问题是，能力被压到这么小的参数里，会不会有上限？ Demis 的判断是，目前没看到信息密度有任何理论上限。小模型的智能天花板还远没看到。 支撑这个判断的，是 DeepMind 在蒸馏这件事上的积累。蒸馏简单说就是先训练一个超大的模型，然后用这个超大模型去教一个小模型。教完之后，小模型用极少的参数，能复现原来 95% 以上的能力。 为什么 DeepMind 这么重视蒸馏？因为要把 AI 能力放进谷歌的头部产品中，前提是低延迟、低成本。前沿模型再强，每次推理花几秒钟、花几毛钱...这条路，恐怕很难走得通。 一个前沿模型发布之后，6 到 12 个月内，他们就能把这个模型的能力蒸馏到边缘设备能跑的小模型上去。这个时间表比很多人想的要快。 在很多场景中，小模型和大模型会相互配合。 举个例子，一个端到端的智能助手，绝大部分日常任务在本地的小模型上跑。智能眼镜看到的画面、家里机器人听到的对话、手机里的私人助理，模型直接在设备里读懂，不需要往云端传一遍。 只有遇到特别复杂、本地搞不定的问题，才向云端的前沿模型发起请求。 也就是说小模型在边缘做主力，前沿模型在云端做后援。 不过，这个构想对小模型的要求也比较高，它不能只会处理文字，还得能理解物理世界。 这就是为什么 Gemini 从一开始就坚持多模态，不光处理文字，也处理图像、视频、声音。 一开始这么做比只做文本要难得多，但眼镜也好，机器人也好，需要的是一个能看懂周围世界的模型，不是一个只会聊天的模型。 讲到这里，小模型这条路的轮廓就完全清楚了。它独立成立，不是前沿模型的廉价替代品，而是另一条同样重要的路。 嗯，很有启发。

艾伦研究所的知名研究员Nathan Lambert，前两天来北京和我们熟知的国内 AI 公司聊了一圈，包括月之暗面、智谱、字节、阿里、美团、小米等等。 聊完之后，他写了一篇文章做总结。我觉得这篇挺有意思的，因为 Nathan 本身对硅谷非常熟，这次相当于带着硅谷的视角来看我们中国的 AI 实验室是怎么运作的，以及他看到了哪些不一样的地方。 文章我看完了，写一些自己的笔记。 1、DeepSeek 被所有人公认为技术品味和执行力最好，是技术方向上的引领者，但在商业上并不是引领者。 反过来，像字节、阿里这种巨头，被视为真正能够把大模型吃进整个业务体系、最终兑现成大规模市场份额的那批公司。 2、字节是各大中国 AI 实验室最重视的竞争对手，因为他们思路清晰，而且战斗力极强。 一个可以印证侧面是，在开放权重已经成主流气质的中国 AI 圈子里，字节是少数坚持走 OpenAI 这条闭源路线的公司，同时，目前他们的豆包应用地位相当于中国的ChatGPT。 3、美团、蚂蚁、小米这些公司为什么自己做大模型？国外Uber、Airbnb 这批公司也没做自己的模型，用的时候买别人的就行了。 但在这些中国公司眼里，LLM 是未来产品的核心底座，如果完全依赖外部模型，等于把自己最关键的那一层放在别人手里，被掣肘只是时间问题。所以宁可自己花大力气训一个通用模型，把这块底座攥在自己手里。 4、中国开发者几乎都被 Claude 圈粉了。Nathan 说，很多一线开发者描述日常写代码时，都主动提到 Claude，承认它改变了自己的开发方式，哪怕它在中国并不能正式落地。 少数人会提到自己在用 Kimi 或者智谱的命令行工具，但被问到真正高频依赖的助手时，几乎都会说回 Claude。在湾区很火的 Codex，在中国被提到的频率反而没有那么高。 5、中国的 LLM 社区更像一个生态，而不是彼此敌对。Nathan 和多家实验室私下交流后，发现他们谈到同行时，几乎都是尊重和欣赏，很少有火药味。而在硅谷，私下聊起其他实验室，话锋会很快变得尖锐。 6、中国大模型团队的整体气质和美国不一样。表面上看，大家都是搞大模型、RL、Agent，用的技术栈差不多，但在组织方式和人本身的气质上，中国这边更像一支全栈工程队。 研究员普遍愿意做琐碎、不出彩的脏活累活，愿意为了整体模型效果搁置自己的方案，不太追求个人署名和明星科学家身份。 这种弱 ego 的文化，在那种需要各个模块严丝合缝配合的大工程里，反而更适配。Llama 团队据说就是被相反的那种文化拖垮的，一群顶尖研究员都想让自己的方案进最终模型，互相博弈。 7、中国顶级实验室里，学生的比例非常高，而且是直接参与主战场的大模型研发，不是被边缘化的实习。和美国的 OpenAI、Anthropic、Cursor 这些几乎不开放相关实习形成鲜明对比。 Google 名义上有 Gemini 实习，但大家普遍担心实习内容被隔离在核心工作之外。 学生的优势是对旧时代 AI 范式没有太多包袱，能很快把上一套观念清空，重新学习。同时他们极度习惯在巨量论文和内部技术细节中速成，把复杂栈啃下来，进组之后就愿意把人生阶段压在这件事上。 8、中国研究员对宏大的 AI 叙事兴趣不高。Nathan 在和不少一线研究员聊天时，发现他们一提到经济结构变化、社会风险、AI 道德这些问题，往往会有明显的停顿和困惑，像是被问了一个和日常工作无关的问题。 很多人会直接表达，自己的角色就是把模型做好，而不是对社会怎么变发表观点。有位研究员还引用了 Dan Wang 的说法，中国是工程师在掌舵，美国是律师在掌舵。 Nathan 也观察到，中国并没有 Dwarkesh、Lex Fridman 这种能系统性把科学家捧成明星的播客生态。这种习惯既和个人性格有关，也深受教育和制度环境的塑造，他们在一个不鼓励公开争论社会议题的系统里长大，并且在里面取得了成功。 9、北京的 AI 圈子整体很像湾区版的紧凑硅谷。从机场下飞机，可以顺路去阿里北京园区，坐几趟滴滴，在三十六小时之内走完智谱、月之暗面、清华、美团、小米、零一万物等一长串机构。 整座城市里，打车过去就是一个新的实验室。选大一点的车型，常见是带按摩椅的电动小面包。这种空间上的密集分布，让不同实验室之间的交流成本被压得很低，研究员之间的流动也变得非常频繁。 10、中国研究员普遍更偏工程视角，对融资、产业格局、资本叙事这些话题兴趣没那么高。Nathan 在硅谷习惯了另一种氛围，研究员对外部环境的敏感度非常高，融资、算力、数据生态、行业风向，几乎每个人都在认真琢磨自己所在公司的位置和外部环境的关系。 因为今天做 AI 已经不是关起门来搞工程奇迹那种事了，模型公司同时是一个综合体，要建模、要部署、要融资、要拉生态，外面的每一根线都会反过来影响里面的研究节奏。 但中国研究员明显不在这个频道上。Nathan 问到行业生态、融资、算力供应、数据产业这些话题，得到的反应常常是耸耸肩，说那不是我的问题，我的事就是把模型做好。 11、中国企业对 AI 的花钱习惯，更接近云，而不是 SaaS。外界常说中国企业不愿意为软件买单，所以本土 AI 市场会偏小。但 Nathan 和多位从业者聊完后，感受到的现实是，虽然传统 SaaS 市场确实不大，但云服务在中国是个大生意。 关键问题变成，企业为 AI 付费，最终会更像买 SaaS，还是更像买云基础设施。从目前各家公司的实际讨论和规划来看，大家普遍不太担心企业侧的 AI 支出，倾向认为它会挂在更刚性的基础设施那一侧。 12、中国的数据产业在 RL 和高质量任务环境上明显不如美国成熟。和 OpenAI、Anthropic 那种可以为单个 RL 环境花上千万美元、一年累计几亿美金的玩法相比，中国团队的普遍反馈是，本土数据服务供应商不是没有，但质量参差不齐，很难直接买到能用的内容。 于是就形成了一种很中国式的解决办法，很多 RL 场景、评测环境干脆自己搭，研究员本人要花大量时间设计任务、构建环境。字节、阿里这种大公司，也会养起自己庞大的标注团队，在公司内部自给自足。 13、算力是所有中国实验室的共同痛点。无论走到哪家，大家对高质量英伟达 GPU 的需求都是一个词，不够用。如果供应允许，他们会毫不犹豫地继续加仓。 国产加速卡在推理侧评价还可以，已经被不少公司部署到在线服务里，华为芯片在很多实验室都有落地。但在大规模训练上，英伟达依然是黄金标准，国产方案更多是辅助补位。 14、在开放程度和生态态度上，中国实验室显得既务实又有整体视角。Nathan 几乎问遍了所有头部团队，为什么会在这样的环境下持续开放自家最强模型。他自己坦言，把所有权心态和真实的生态支持这两件事联系起来，他还没完全想明白。 但从对话里，他归纳出几个共同的现实诉求，通过开放权重，快速让更多开发者参与打磨，发现缺陷；通过回馈开源社区，获得技术和口碑上的正循环；同时在内部保留更定制、更私密的模型版本服务自家业务。整体表现出来的，是一种既不绝对开源、也不一味封闭的中间态。 15、中国实验室对英伟达芯片的渴求是压倒性的。Nathan 走访下来，所有人现在的进展都卡在同一件事上，就是英伟达的卡不够用。 如果能买到，毫无疑问会继续加仓。 这里他特意点出来一个区分，英伟达是训练这一侧的黄金标准，没有替代品。但在推理这一侧，画风就完全不一样了。包括华为在内的国产加速卡，评价都是正面的，不是凑合用，是真的能打。 Nathan 说他遇到的实验室里，无数家都已经能拿到华为芯片，供给这边不是问题。所以中国实验室现在的真实状态是一个两层结构，训练咬牙抢英伟达，推理大方用国产卡，分得很清楚。

最近半导体涨疯了，英特尔、美光科技、闪迪翻倍了。 整个美股半导体指数从年初涨了接近50%，我又开始反思自己的交易系统了。 真是应了那句话：人真的很难赚到认知以外的钱。 我过去只做左侧交易，左侧交易能给到足够多的安全边际。价格便宜，估值有保护，哪怕短期继续跌，在我的心里也能站得住。 我觉得左侧交易这种风格作为偏好是没问题的，问题是我把它用成了唯一的交易系统，导致我不买半导体，不买CPU，不买内存，也不买黄金，不买Tesla。 1️⃣ 左侧交易会让人产生一种洁癖 我不买特斯拉，因为 PE 太高，严重偏离基本面价值，动辄 300 到 400 倍的PE，怎么看都离谱。 我不买黄金，因为黄金本身只是价值存储，而不带来任何价值增量。并且黄金 ETF 在战争等极端情况下不一定能兑现，实体黄金卖出也有折价和渠道问题。 我不买CPU、内存，是在没经过仔细的了解和验证前就凭借着专业知识下意识觉得CPU和内存的稀缺是一个伪命题。 这些判断单独看，都有道理。 放在一起，就会形成一个超级大Bug，让我错失很多机会。不仅仅是赚钱的机会，也同时是在投资领域开阔视野和精进的机会。我会把所有看不懂的东西，都解释成不值得买。 2️⃣ 高 PE 的标的不应该直接被否决 高 PE 只能说明一件事：市场对未来有很高期待。 这个期待可能是泡沫，也可能是真的值这个价。 高估值不是免死金牌，低估值也不是护身符。 很多便宜资产会一直便宜，因为它本来就是坏生意。 很多贵资产会继续贵，因为它的增长、叙事和资金流还在继续扩散。 投资最难的地方就在这里。 不是找到便宜的标的，而是是搞清楚便宜为什么便宜，贵为什么贵。 我以前不喜欢右侧交易，因为它看起来没有留够安全边际。 但我现在觉得，这个理解真的太粗糙了。 左侧交易的安全边际来自价格，但右侧交易的安全边际来自市场确认。 看到涨了就买，那叫追高；但趋势确认之后，重新评估赔率，设置小仓位和退出条件，这才是右侧交易。 3️⃣ 打算给自己一个新规则 人一切逻辑和推论的起点都是自身的局限和偏见。 我真正要调整的是一种心理惯性：我会把自己不擅长的资产，提前打成低质量资产。 黄金不增值，所以我排斥。 特斯拉 PE 太高，所以我排斥。 半导体涨太多，所以我排斥。 这些都是我的偏见，本质上是一种认知防御措施。 为了防止自己把偏见包装成原则，以后所有我天然讨厌，但市场价格持续走高的资产，都放进一个反偏见观察池，开一个很小的观察仓。 持续观察，然后问自己以下两个问题： -它为什么还在涨？ -我的反对理由有没有被证伪？ 左侧交易依然是我的主系统，但右侧交易可以成为一个旁路分支。

《如何在大湾区科学的便宜摸19岁妹妹》 在深圳。你可能在南山写代码，在福田做金融，在龙华卷PPT。 但你一定有一个共同的下班后需求： 不违法地、安全地、被异性亲亲抱抱摸摸。 被软软的手指划过脖子。被温热的嘴唇贴上耳垂。被18岁的女孩子抱在怀里，听她说"你来了呀"。 这不是什么见不得人的事。这是深圳男人下班后的解压刚需。 而实现它的方式，叫做私影MMK。 一、什么是私影MMK？ 私人影院 MMK = 摸摸看（亲亲抱抱摸摸） 对标商k，摸摸唱。以及变体行业，抱抱睡等等 早期又叫“恋爱体验馆"。 是纯绿陪玩店，女仆桌游店，随着经济下行后的自我演化 进入私影你会被带进一个布置精致的房间，有沙发、投影、香薰，一个女孩子走进来，关上门，你们在一起待一个钟。 课表（你能体验什么）： | 术语 | 翻译 | | --- | ------------- | | 上路 | 舌吻（🐍=伸舌） | | 中路 | 抚摸胸部 + 补钙（亲胸） | | YYC | 摇摇车（坐大腿摩擦） | | 反补 | 她舔你（耳朵/身体） | | 卸甲 | 脱掉上衣 | 介于深圳要开apec会议，今年整个深圳对藏污纳垢都查的很严。因此在深圳，正规的私影 是不含92，95，98这些违法业务的。这一点可能和其他地区不一样，但是这也更安全，更便宜。这里也奉劝大家不要做知法犯法的事！ 为什么不一定合规但是很难判定为违法？ 私影的商业模式是付费陪伴+轻度亲密接触。类似日本的JK散步、韩国的抱抱咖啡厅。法律上属于休闲娱乐服务，所有正规店铺均有营业执照，服务范围明确。没有色情交易，只有情绪价值的交换，法律上很难被定性。 你获得的是：情绪价值 + 肢体亲密 + 被需要感。 二、我用ai分析了，TG上面4155份私影报告获得了以下真相 TG上有很多mmk的群，群里的兄弟每次出完钟，会写一份详细的体验报告——从颜值到身材到服务到性格，全部量化打分。 以下数据训练自： • 📝 2462份真实体验报告 • 👧 474位助教（妹妹） • 🏪 20+家深圳私影店铺 • 🕵️ 80+位独立侦探（用户） 以下是全深圳的硬数据。 📊 罩杯分布（495份有效数据） A杯 ██████████████████ 36.2% (179人次) B杯 █████████████████ 35.6% (176人次) C杯 ██████████ 21.4% (106人次) D杯 ███ 5.9% (29人次) E杯 ▎ 0.8% (4人次) F杯 ▏ 0.2% (1人次) 解读： 深圳私影圈位处平均罩杯偏低的广东地区的主力是A-B杯（72%），走的是清纯甜妹路线。C杯占21%，算是"意外惊喜"级别。D杯以上是稀缺资源，遇到就是赚到。 想摸大胸？你得接受现实——这里卖的不是硬件，是那种"隔壁班暗恋的女生终于让你牵手了"的心跳感。 📊 身高分布（290份有效数据） 150-154cm ██ 2.1% 迷你萝莉 155-159cm ███ 7.2% 小只马 160-164cm ████████████████████ 40.3% ← 主力区间 165-169cm ████████████████ 32.1% 长腿甜妹 170-174cm ████████ 16.9% 高挑御姐 175cm+ █ 1.3% 超模级 热门身高TOP3： 160cm(28%) > 165cm(18%) > 168cm(11%) 从150cm的一把抱起的萝莉，到180cm的超模长腿——深圳私影覆盖了所有身高偏好。但最甜蜜的区间是160-168cm，占72%。 📊 年龄分布（31份有效数据） 18岁 █████████████████████████ 51.6% 19岁 ████████████████ 32.3% 20岁 █ 3.2% 22-32岁 ███ 9.7%（极少数） 84%的妹妹在18-19岁。 是的，你没看错。 大部分是刚成年的女孩子，带着青春期才有的那种——脸上还有婴儿肥，笑起来眼睛会弯，害羞的时候会把脸埋进你胸口。唯二的异常值是27岁和32岁两个服务之星 📊 报告数分布（474位助教的人气金字塔） 🔺 50+条 — 8人 (1.7%) ← 幻神级 🔸 21-50条 — 14人 (3.0%) ← 一线顶流 🔹 11-20条 — 29人 (6.1%) ← 稳定人气 ⬜️ 6-10条 — 34人 (7.2%) ← 口碑新星 ⬜️ 2-5条 — 152人 (32.1%) ← 值得一试 ⬜️ 1条 — 237人 (50.0%) ← 新人/流水 474位助教中，仅8人达到幻神级（50+条报告），50%的妹妹只做几天就放弃了： 其中白月光占了幻神榜两席。 同时白月光以299份总报告，在20+家店铺中排名全深圳mmk的天花板 三，什么是沉船客？什么是美团客？ 沉船 = 你本来只是来体验一下，结果一去再去，再也爬不出来了。沉船。不是成瘾，是那种"知道不该去，但又忍不住想见她"的感觉。 目前有两种观点，一种认为玩mmk就是为了沉船，不沉船不如去嫖娼直接。另一种观点认为，沉船客经常会做出极端行为，极可能有损商家利益的行为。因此部分店家甚至设置了防沉迷系统 mmk的两大客源是美团和tg，美团因为会抽成，所以会极大提高店家的收费水平。同时 美团客也有比较看重情绪价值不看重服务课表的特点。 除了便宜以外，通过tg参与还有以下好处。tg用户一般属于高玩比较看重服务内容和尺度，很多独家技术会传授给妹妹。因此接入了tg的私影店，就好比接入了github，可以获得海量开源技术，极大提升店里的服务质量。 四.、新手入门指南 Q: 什么流程？ → tg预约 → 到店 → 选人 → 进房间 → 漱口 → 聊天/看电影 ，体验服务→ 自然发展 → 下钟 Q: i人社恐怎么办？ → 白月光的妹妹普遍会主动破冰。躺下就好，她会靠过来的。 五:五一特别活动 🎉 加入这个公益性质私影大众点评tg群： 五一期间，在所有加盟私影展示这个群就能获得-100的优惠 比如示例tg群，大湾区mmk天花板白月光： 写在最后 你可能觉得这篇文章在推销什么。 没错，我确实在推销一种生活方式： 在法律的框架内，给自己一个被温柔对待的机会。 你加了一周的班。你刚被甲方骂完。你的前任昨天发了朋友圈。 你需要的不是什么大保健，你需要的是一个安全不违法的地方，一个温暖的怀抱，一个18岁的女孩子对你笑着说： "你怎么才来呀，我等你好久了。" 五一活动进行中，全场减100。 同时本频道依旧保持了我们一贯的科学严谨态度 当摸过了超过100对奶子以后，写下了。。全世界最好的奶子科普文章 为了写这篇文章也从4100篇报告中挖掘了很多人性数据。但是涉及到一些隐私问题只能浅浅放出来一点点数据，给大家尝鲜 都来，科学摸妹妹吧。

我上篇文章分享了AI DePIN、AI MEME、AI Agent等AI叙事之间的逻辑关系，可是在挖掘AI潜在Alpha的时候问题来了，是跟可能来自阴谋集团财富效应强但频繁更替的AI MEME？是选正搭建infra却还很早期的协议框架？或者选一些很酷且有特定应用场景的单体AI？ 说实在的，我混乱了很久，以下仅梳理一些浅见： 1）大的趋势毋庸置疑，AI Agent既不是一种“资产”，也不是一种“应用”，而是一种大规模的区块链生态“叙事”新范式。 也就是说，AI Agent的来临就像2020年区块链迎来一次DeFi Summer一样，会围绕AI Agent的Token发行、托管、交易；infrastructure构建、框架、标准、通信、堆叠、SaaS封装；Application开发、运营、聚合、迭代、落地等等产生一个庞大的Build+Speculation的新“泡沫”叙事周期。 DeFi推动了上一轮牛市的辉煌，且围绕稳定币+借贷+DeX衍生品三架马车激发了多大的市场活力。据不完全统计，多链DeFI总锁仓价值1,346亿，稳定币流通数量也超过了1,000亿美元，DEX月交易量达到3,723亿美元，借贷量也将近200亿美元等等，整个DeFi行业的市场规模和生态重要性都在这些已增长惊人且还在持续刷新的数据中，这还不包括因DeFi而产生的各种链、应用等MCAP\FDV等更广的数据。 在我看来，AI Agent也会创造同样甚至可能超越DeFi叙事的新一轮叙事奇迹，200B，500B的想象空间？别总想着新的DeFi Summer 2.0了，请跟上当前的 AI Agent Summer叙事潮，不要掉队。 2）基于此逻辑，再来看当前AI Agent市场的“乱象”： 1） $GOAT 、$FARTCOIN、 $ACT 等 AI MEME之间的社区骂战和龙头之争；2) $VIRTUAL 、$AI16Z 等AI Agent框架标准之争；3） $VVAIFU 、$GRIFFAIN 等资产发行流通等衍生infra之争；4) $AIXBT 、$AVA 、 $BULLY 等单体AI Agent应用之争等等。 你会发现，都还太早期，DeFi上出现的各类借贷平台、衍生品、机枪池、治理代币等等至少还有以太坊等链提供了基础的执行框架和标准，而AI Agent生态甚至还没有专属的infra条件，从生态可塑性来看，AI Agent带来的行业叙事机会要比DeFi宏大很多； 换句话而言，这些乱象并不乱，如果你看好AI Agent叙事发展，各个板块方向，大凡上了一定市值且有对应用户基础的资产，在庞大AI Agent叙事爆发之前都是优质资产，类别曾经的YFI、CRV、UNI、DYDX等等资产达到的数百亿不等FDV市值高度，你就不慌了。 当然，有信心不代表可以乱搞，别忘了大姨夫之外还有二姨夫这样的伪价值资产存在，而且这类资产永远以短期更诱人但长期有毒的姿态悄然攻陷你的钱包。 3）因为确实还是叙事初期，有些明明知道有阴谋集团操作的AI MEME也没有劝说大家不要参与的道理，毕竟谁也不知道一个早期赛道能迸发多大的财富效应，而且主要是一些看起来更有价值且有落地的框架标准也可能随时面临被竞品反超的可能性。 总之，很难给出一个明确的Alpha发掘逻辑。我仅分享一个我个人的投研逻辑供参考： 1、AI MEME，只考虑 $GOAT 此类带有叙事鼻祖性质的“龙头币”，没有逻辑，非要说一个，就好比先有了比特币这种共识币才诞生以太坊这类智能合约技术交付币一样。 一个赛道早期MEME，虽然投机属性为主，但其在教育市场、培养用户认知的作用不可忽略，就像当初DOGE之于加密货币的普及一样。 2、AI Agent infra很重要，长期看都是低估，比如 $ELIZA 这类有着丰富Github开源库且应用覆盖范围特别广的早期框架，虽然其确实很早期，随时有可能被其他更强的框架标准吸走流量，但其绝对优势的开源共享和先发优势就是壁垒，有比它更好的框架大概率也会on top of it，也许会影响它的增长高度，但一定消灭不了它。 我们把ELIZA当成AI Agent时代的EVM、就势必会有EVM++、EVM Compatible等新框架出来补足； 3、AI Agent 资产发行、托管、交易，目前还停留在MEME化的资产发行叙事层面，要锁定平台价值而不要被平台上的“垃圾资产”迷了心智。 逻辑很简单，AI Agent本质上是一个AI场景基于Crypto激励机制价值落地的过程，早期infra、应用、协议框架等等都尚未成熟，怎么可能有那么多AIXBT级别的超级应用诞生？发币的便利性能带来什么？领悟一下？到头来只是给VIRTUAL、VVAIFU等资产发行平台制造热度的泡沫陷阱. 因此不要过于追AI Agent超级应用，除非有绝对的信息差，不然等你看到时候的市值冲进去，性价比就不高了，而锁定创新平台infra就不一样了； 4、AI Agent的infra构建还有一大片空白，比如，ELIZA这类早期框架只解决了LLM大模型和AI Agent对话机制的问题，且应用到了Twitter、Discord等应用场景中，但更多还是web2信息的撮合，何时有一套能基于公链范式能把ELIZA框架和web3交易场景打通的ELIZA++版本出来，值得期待； 又比如，Virtual、VVAIFU等AI Agent资产发行平台虽能快速发行资产，但在后续资产去中心化托管、AMM式意图式交易等方向还欠缺很大，此前热议的AI Agent+TEE的私钥管理方式何时能成熟？资产发行平台能在交易上延伸出新玩法，有更有趣的交易玩法和激励模型出来？ 还有，能否有一些为AI Agent构建交互标准的链出来，成为AI Agent时代的Cosmos，提供标准的interoperability能力？或者一些为AI Agent构建永久Memory模块化存储的链，为AI Agent构建必要的DA能力？还有一些AI Agent可视化工具、执行引擎、模块化组合封装服务等等。 有了这些技术和市场驱动的配套infra出来，你还会守着一堆看不懂的MEME空焦虑吗？ 以上。 至于过往基于智能合约范式构建的各类layer1、高性能链、跨链infra、链抽象、DA组合链、layer2、Restaking等等完善的基建出路在哪里？除了原有的infra落地应用PMF交付实现问题，一个破局点就是“蹭AI Agent叙事”的新概念。 所以，哪条链能跳出来为AI Agent提供一些通信协议、DA、应用开发等等服务能力，就都值得关注。当然，这其中肯定有纯粹蹭概念的链，但总比固步自封啃老本的链要强。 无论如何，请锁定AI Agent赛道，迎接这一次史诗级的牛市主升浪的到来。 Note：大家觉得文章有用烦请“一键三连”支持为谢，认可我持续干货内容输的朋友，可以Follow一下，也访问我推特首页点击Substack专栏订阅一下（目前还免费），更多深度专业的投研和分析内容，尤其是不适宜在推特公开分享的内容，会在那里看到。

1 这几天都在聊伊朗boss被秒杀的事情···配图第一个是一个黑科技大家可以看看现在科技对于“定位”这件事情有多么的先进···锁定一个人的位置不要太容易，尤其是伊朗又不像三胖子那样子几乎不对外开放网络。但凡你暴露在别人的科技树下，都不知道那里有个0day漏洞在等着你。 ps：我觉得现在人发布高p照片本身也是一种ps装甲，让诈骗犯都没法拿你的照片去行骗，因为真的自己家人都认不出来。 2 图2是我们的vip内容推送设备的备用max的版本，简单来说比之前的小屏幕大了快一倍，也沉了不少，但是价格一样，风格改成了像素风，辛苦研发这几天加班了··但是好就好在他因为有点沉，所以没人抢去开发成移动墨水屏阅读器，所以供货非常的充足，我们会在测试完毕后在321线下先送几台，然后后续开放购买+订阅。设备大概在500左右 3 美股整体走的比较虚弱，没什么好说的，巴菲特也一直在减仓，微软最近被干的不要不要的，总之不知道买什么，不如好好放松一下看看港股和大a，今年汇率缓慢牛市走出来了，我预感要道6.5附近都是有可能的，所以高于6.5就可以慢慢换进来了，积极配置一些人民币的高收益资产赶早不赶晚。 ps：我们的汇率在6以上我个人觉得都是低估的，现在老美最大的怨言在于cn一直靠低汇率 赚走了全球的一半美元，但是用低汇率压制了内部对外的需求（花美元的能力），也就是我们太貔貅了。但核心问题在于欧美到底卖什么东西给我们呢？ 4 东大的低价石油主要来源于伊朗和委内瑞拉2个被美国制裁的国家，结果都被锤了，今天我看了一下外网wti原油涨了一个10%，预感国内的油价和整体的物价一定会陆续上涨，大家做好心理准备。另外考虑到电车吃了太多的红利了，不排除这些成本会想办法让电车去均摊一下。 5 华为最近1年没给员工分红，看汽车今年能卖的如何吧，手机我仔细注意了一下，买华为的人更新频率远低于苹果。。 ps：荣耀这几年日子也不大好过，定位依然模糊。 6 魅族要歇菜了，我真的用过m4 m8 和mx2 ,挺可惜的，只能说黄章格局太小了。 7 本周视频继续更新，记得油管搜龙心盐，321星球用户记得早点找kunnka报名 8 暗黑2的ss资料片还挺好玩的，重置版的画面比我想象的好不少，流畅度也不错，据说这次是网易主导开发的，改了很多底层逻辑导致mod全部失效了，指望暴雪工作那可太难了。连游戏都要靠中国制造了，白皮真的没办法指望了。

号称「世界第二强」的俄军，打了一场仗，结果把整个彰化县的人口总数都给打没了？🤯 没开玩笑，这份最新的战损清单，荒谬到连好莱坞编剧都不敢拿来拍。 乌克兰军方刚刚掀开了俄军的底牌，从2022年开打到现在，俄罗斯已经损失高达 133 万 4030 名部队。你没听错，133万。这早就不是什么「特别军事行动」了，这根本是把人当成免洗筷，一卡车一卡车往战场的绞肉机里倒。而且光是过去24小时内，俄军就又报销了上千人，这种人命消耗速度简直骇人听闻。 来看看这份号称「地球最大资源回收场」的清单有多夸张。俄罗斯总共砸掉了将近 1万2千辆坦克、2万4千多台装甲车，还有四万多门火炮。一万两千台坦克被当成废铁烧掉是什么画面？这数字恐怕连冷战时期的苏联老兵看了都要心肌梗塞。更别提还有435架战机、33艘舰艇，甚至连潜艇都赔了两艘进去。一个连大型水面舰队都快凑不齐的乌克兰，能把俄罗斯打到潜艇沉没，绝对是现代战争史上的顶级地狱梗。 打这种没有底线的消耗战，乌克兰自己也是在咬牙硬撑。虽然基辅官方因为军事机密，对自家伤亡保密到家，但根据西方权威智库 CSIS 的独立估算，乌军的伤亡大约落在五、六十万人左右。算下来，双方的战损比大约是 1：2.5 到 1：2 之间。普丁现在的战术非常简单粗暴：仗着俄罗斯人口基数大，硬生生用两三个俄国兵的命去换一个乌克兰兵的命，试图把对手的弹药跟青壮年人口彻底耗干。 这场仗给全世界看了一个最血淋淋的现实：现代战争就算无人机满天飞、科技再进步，最后拼的依然是谁的血条比较长、谁的底线比较低。对台湾来说，这更是个活生生的警世预言——当一个独裁大国决定「不计代价」要吞并邻国时，那个「代价」的数字会膨胀到多么反人类的境界。 打到超过133万人伤亡还继续梭哈，大家觉得俄罗斯现在到底是底气太足，还是已经骑虎难下根本没办法煞车了？这局势接下来会怎么走，留言说说你的看法！ (示意图／AI生成，仅作为新闻说明辅助使用) 来源：生活网

接触币圈这三年多以来，除了平时在推特上对大大小小的项目做比较系统化的复盘总结，我偶尔也会用笔记工具进行一些碎片化的梳理，昨天抽空翻看了一下，觉得这些经验对自己最终完成Trump上的操作起到了很大帮助，也简单整理一下分享给大家，其中部分文字是直接摘抄的： 2023 5.3 不追求绝对的底部，不要担心卖飞，所谓卖飞的本质是怕错过高倍机会，而一级市场最不怕的就是高倍机会。所谓怕卖飞，对于信息滞后、介入慢的人来说是这样，因为他们可供选择的标的不多，但是玩一级不应该有这种顾虑，抓住10个10倍的机会要比抓住1个100倍的机会容易的多，很可能在追寻后者的过程中损失本金。 7.24 已经不止一次出现这种问题，在自己不熟悉的领域，例如现货投入几十万u，有10~30%的收益却不愿意止盈，在自己熟悉的链上一级市场，总觉得5~10E已经是重仓，而且拿不住也害怕亏损。 8.31 Sei空投和Friend Tech：以最快速度做出能用的技术脚本，响应速度非常重要，慢1天可能就少10倍收益。 Shia：判断土狗币是否是合适的买入点位，应该看预期的上涨空间有多少，而不能简单根据底部筹码的倍数判断，因为大部分土狗币都会有比你买入位置更低的筹码，另一个原因是看到几个群都开始讨论了，于是觉得已经错过了早期机会，但实际上G2老板实名发土狗币应该是类似FUMO级别的利好，至少能发酵几天，如果出于理性判断，而不是被这两种心理导致不敢上的话，应该可以做到百E级别利润，因为逃顶一直是我比较擅长的。 9.3 永远不要在极短时间内把大部分子弹打出去，可以接受少赚一点，不能接受严重亏损甚至爆仓的风险，其次面对自己不熟悉的领域，不要用太想当然的逻辑去操作。 9.4 学习快速干净地止损。别希望自己每次都正确。如果犯了错，越快止损越好。 10.12 今天打牌意识到一点，自己喜欢根据自己的筹码量下注，而非场上形式下注，这带来一个问题就是抗风险能力其实并没有随着筹码量的上升而提高，反而变得更加脆弱。 10.24 小机会可能是免费或只花费时间就能够赚 5000-30000u的预期收益，数量较多且市场容量较有限，风险性较低； 中机会可能是花费时间钻研之后能够赚 50000-300000u的预期收益，投入成本不低，每个月产生该规模的机会不多，市场容量较大，一份风险一份收获。 大机会可能是直接摆在大家面前也很难抓住的机会，往往需要做少数派。一种是投入适中但赔率超乎想象的机会，另一种是投入较高但赔率合理的高概率机会。 2024 1.21 两个年度级别机会的复盘，节点猴和SatoshiVM。能实现利润千万以上级别的项目属于年度级别项目，一个月的时间内已经出现了两次。 节点猴做的不够好的地方在于事先没有调研清楚，居然打完才知道它是第一个比特币上的原创10k PFP，在不知道这个信息的情况下依然判断出了0.03btc是值得参与的，但是没有敢上大仓位，最终投入0.6btc获利3btc左右，这是一个能容纳过亿资金的10倍机会。 SAVM更离谱，关注了一周，在开盘1~2天前分别和三位朋友讨论过项目，结果却没有注意开盘时间导致错过，这是一个可以实现1天千万利润的机会。 在这两个项目上面犯的错误实际是一致的，因为各种原因导致对项目的分析和关注有所懈怠，虽然只是少赚，但是机会成本也是成本，应该极力避免这种情况发生，对于关注度足够或是自己看好的项目，一定要各方面调研清楚。我相信这类机会在一年内会不断出现，平均到月份上可能每1~2个月就有一个可以做到短时间内大资金10倍的项目，下次好好把握。 3.28 这个月的关键词是没有做好止盈，玩链上永远不缺新项目，所以分批出货止盈一定是最优解法，一直以来自己践行的都算出色，这个月为什么没有做好，主要是两个原因，一是因为Bome大家的盈利都太疯狂了，所以对比之下显得钱都变成了数字，几十万u的盈利都不去做止盈，这肯定是一种错误的情绪；二是另两个项目其实都到了卖出的心理价位，但是因为刚发完推不久就暴涨上去，觉得卖出不好意思，其实不必有这种心理，该卖就卖。 4.5 过分保守也是一种冒险。 4.14 Study GCR. Within alt cycles, you should crank up risk when the trend first reverses, and begin to gradually protect capital as time passes. People lose because they do the exact opposite;slow early, and increasingly greedy with time. 对宏观和微观都很重要的一条建议，应该在价格最初上涨的时候加大风险敞口，随后慢慢降低，而不是相反，同样对于看好的土狗，前期先以较大仓位建好底仓，后续再做操作，自己往往是底部没买够，涨上去加仓，最后导致亏损 6.10 总结一下自己最近链上操作最大的问题，一是上的仓位不够，且害怕亏损，二是前期犹豫，后期加仓，导致被动，有五六个单币盈利十万u以上的机会，但最后总收益也就只有七八万u 6.18 入圈差不多三年了，最近一直在思考自己平时操作容易犯的错误，不得不说人是很容易受惯性思维影响的。 我算是比较幸运的，进圈不久就接触了链上交易，最开始玩的是BSC上的小池子土狗，后来是NFT，这两者的共性是大部分项目资金容量不大，但是数量多，以小博大，日积月累。 其实现在早已时过境迁了，链上经常会有上百万U的池子，而且因为AMM机制流动性非常好，而CEX除了头部几家交易所里最热门的山寨外，大部分流动性是很差的，但是我脑子里早期形成的思维定式还是潜意识觉得，链上项目不适合用较大资金去参与，大资金还是得去CEX做二级交易。这就导致了一种割裂，明明我所擅长的赛道是链上，现在的热点也是链上，但我往往过度谨慎，反而在交易所下手比较重。 客观来看，以我的能力承担着十分之一的风险、利用着十分之一的本金，就能在链上取得CEX交易山寨同个数量级的利润，我在两者之间下注的比例明显是本末倒置的。这就是我提到的惯性思维所带来的弊病，不过好在终于是渐渐让这个问题暴露了出来，希望早日精进。 7.28 Neiro犯了几个经典错误，第一个是这种级别的叙事，自己第一反应也是很有机会的，结果600k都不敢上，总是莫名其妙顾虑太多，可能是因为要做社群的缘故，容易瞻前顾后，又受特朗普大会一堆死狗的影响，又觉得是20分钟前的新闻，其实完全没有必要过于谨慎，很多压力纯粹是自己给自己的，不需要有太大负担，这种级别的机会还是早期看到的一定要去赌。另外保持敏感性，既然是20分钟前的，为什么想不到去找更早的PumpFun，这些都是要潜意识就去做的操作。 11.3 10月的链上行情达到了又一个高峰，整体结果还可以，应该有盈利50~70万u，但是依然有很多操作没有做好，钻了不该钻的，卖飞了不该卖飞的，简单总结的话，我觉得是新叙事、新赛道的龙头可以格局，例如Goat，Pnut，而仿盘Beta，要及时获利止盈，仿盘上面能浮盈20万u级别就要开始坚决止盈。 11.24 在这笔交易中我愿意损失的最大金额是多少？ 链上交易的核心是以小博大，在大部分时候，可以接受投入的本金归零，因为换取的是5~10X甚至更多的利润，除非是重仓高位接盘，那其实类似于二级交易。二级交易的核心是最小化潜在损失，以5~10%的止损认为该交易无效，换取20~50%的潜在收益。每一笔交易，下注前，考虑清楚自己愿意承受的损失是多少。 当有“太容易，太顺利”此类感受的时候，就应该将大部分仓位换成稳定币，经验表明，这样的感受一方面是因为市场到了最容易的阶段，此后容易转向，另一方面也容易因为自负导致误操作。 12.1 下半月投入比较多的项目，大概五六个Meme币，都买入了10~15万u这个数量级，加大链上出手的仓位不是问题，错在正好赶上了链上遇冷，再这样的大背景下，流动性和情绪难以维持，更适合早期以小博大，而不是上仓位追高。 这几个项目的判断本身我觉得没有问题，只是过程执行的细节不好，类似大池子的局，如果要中期上仓位，假如没有推背感，就要及时注意止盈或者止损，而不是拿到归零。 此外Hyperliquid是我一年来都非常看好的项目，开盘也给了3以下买入的机会，结果因为市价单买入成交价高了10%，限价单又没有成交，准备好的50万u只买入了15万u，而且又过早卖出了，最后只获利7万u，对于这个级别的项目操作的非常差，要么投入更多仓位，适当止盈，要么买少了就多拿一拿。 看完就会发现，我花了整整两年多时间，反复练习，加大链上出手的仓位，分批止盈防止卖飞和利润回撤，面对大部分人眼里的“不确定机会”下重注，最后才有了Trump一战的结果。