2026 年 9 月 29 日，OpenAI 在旧金山 Fort Mason 办了今年的开发者大会 DevDay。主讲是 CEO Sam Altman。其他几位上台的人都在做这些产品。产品团队的 Holly 演示了新产品 Dots。后训练（模型预训练之后做对齐和能力调优的阶段）研究负责人 Tejal 讲了模型怎么反过来帮 OpenAI 做研究。Codex 的演示由 Romain Huet 来做，他在 OpenAI 负责开发者体验，去年 DevDay 主题演讲里的 Codex 演示也是他做的。整场演讲分三块：面向用户的常驻智能体 Dots 和协作空间 ChatGPT Space，给开发者的新模型和新工具，以及帮开发者做分发、赚钱的渠道。 1. Dots：一直在线、会主动干活的智能体 Sam 把 Dots 比作电影里那种一直在身边帮忙的 AI 助手。他认为订餐厅、买机票这类代办虽然有用，但和这项技术能做的事比起来太小了。他想要的 AI 知道正在发生什么，也知道你在意什么，不用你事事交代。 Dots 是常驻在线的智能体（Agent），有自己的云端电脑和浏览器，能写代码、跑测试。它的权限跟着用户走，能直接用用户已经在 ChatGPT 里连好的插件，覆盖 4000 多个应用。除了在 ChatGPT 里对话，之后还可以给它发短信、打电话。目前每人先有一个 Dot，以后可以配一整组。Dots 跑在 本月早些时候发布的 GPT-6 Astra 上，Sam 称它是 OpenAI 对齐做得最好的模型。用户可以限定 Dot 能用哪些应用、能不能操作电脑，也能给它的各类操作写自定义指令，愿意交出多少责任就放多少权。 Sam 说，他自己的 Dot 每天早上会把夜里进来的消息过一遍，挑出紧急的提醒他。他说这让他拿回了一部分注意力，没那么离不开手机了。他还举了一个更重的例子：把应用从一个即将停用的旧 API 上迁走。这个 API 可能散落在代码库各处，改了哪里会连带弄坏什么，事先看不出来。Dot 可以追踪依赖关系，找出所有要改的地方，写代码、跑测试，最后把 PR（代码合并请求）交给团队审。他让听众想想，过去做这件事要几个人、花多久。 开场视频里，用户把自己的 Dot 改名叫 Alfred。Alfred 和另一个 Dot 帮用户上线网站，改董事会材料，在婚礼蛋糕商家取消后找好备选。它们还发现财务会和女儿的演出撞了期，提出改时间。每件事都是 Dot 推进到需要人确认的地方，再由人拍板。 2. ChatGPT Space：人和智能体一起用的工作区 Sam 认为，现有的生产力软件几乎都没考虑过人和 AI 一起干活。ChatGPT Space 以页面为单位，可以在里面写计划、做调研、生成图片和数据。页面和文件像网盘一样放在同一个空间里。Dot 能直接在页面上工作，在评论里 @ 它，它就会接活。页面本身也能带指令，比如“每天去看 API 平台的 Slack 频道，把发现更新到这里”。之后 Space 里还会加入演示文稿，格式做成智能体方便读写的样子，团队成员可以和各自的 Dot 一起改。 在 Holly 的演示里，页面用斜杠命令就能插入交互图表、表格和可运行的原型。她 @ 自己的 Dot（名叫 Dotty），让它把一组数据改成柱状图。图表可以按反馈类型筛选，Dotty 每小时刷新一次。她还让 Dotty 把“某位工程师在我 Slack 私信里提过的新手引导数据”补进 FAQ。Dotty 能看到她的上下文，所以这种模糊的指代也找得到。 3. OpenAI 内部怎么用 Dots Holly 用一个虚构的歌单应用 Blossom Music，模拟发布前一天的状况。早上 Dotty 已经做了几件事：发现发布评审会提前，改好了日历；看完前一晚测试用户的反馈；注意到设计团队临时改了首页，把新设计发给她。她让 Dotty 直接把这个设计做出来。Dotty 调用她笔记本上的 Codex 构建应用，在 iPhone 模拟器里跑起来，再提交 PR。现场的语音演示卡住了，Dotty 一直回复“还在查”。Codex 线程也报过一次错，她重试后才继续下去。 她说，Dots 真正改变 OpenAI 工作方式的地方在 Slack。Dots 在公司 Slack 里有自己的身份，员工就开始把它们当作代理人。被同事 @ 到的零碎请求，直接转给自己的 Dot 处理。建群时，大家从一开始就把各自的 Dot 拉进来，Dot 带回结果时所有人都能看到。 工程师走得更远。有人在反馈频道贴出会话 ID 和一个用户 bug，某位工程师的 Dot 就会接手排查，提 PR 修复。她说这是真实情况：工程师们的 Dots 每天这样修掉几十个 bug，Dots 这个产品本身有很多部分就是 Dots 写的。 4. 上线范围和企业用的 Specialist Dots Dots 和 Space 当天向 ChatGPT Pro、Business Premium 和 Enterprise 用户开放。Dot 包含在套餐里，和它的对话不占用额度。 企业客户还可以预览 Specialist Dots。这是由公司统一设置、供整个团队使用的虚拟同事，负责会计、市场、法务这类工作量大的事。公司给它目标和背景，审核它的产出，给它反馈，反馈在全公司共享。OpenAI 也在和微软合作，把 Specialist Dots 接入 Agent 365（微软用来管理企业智能体的工具），企业可以用已经在用的微软工具来管理它们。 5. 新模型：更便宜的 GPT-6.1 Sol，更快的 UltraFast Astra 发布这几周，用户的要求集中在两点：更便宜，更快。GPT-6.1 Sol（转录稿误作 Soul）的能力接近 Astra，价格是它的五分之一。缓存输入（重复发送、已被缓存的上下文）比标准输入便宜 95%。智能体需要反复读同一批上下文、长时间迭代，这对它们尤其省钱。Sam 说 Sol 在某些方面比 Astra 还聪明，定位是开发者的日常主力模型。 UltraFast 是新的速度档，API、ChatGPT 和 Codex 里都能用。原有的 Fast 档是两倍速度、两倍价格；UltraFast 是八倍速度、六倍价格，每秒 300 个 Token。它现在可以配合 Astra 用，之后也会支持 Sol。现场让两个模型用同一个提示词，做一个 DevDay 配色的火箭。UltraFast 的火箭已经升空时，标准速度的还没做完。 订阅也跟着调整。新推出的 500 美元档 Pro 订阅叫 Pro 500，额度最高，是 Plus 的 25 倍。它可以在 ChatGPT 和 Codex 里用 UltraFast，还能通过“用 ChatGPT 登录”在合作方的应用里使用。Pro 200 重新开放，继续提供所有前沿模型。 另外预览了 Decisions API。它给 Luna 模型一组预先定义好的选项，让模型从中选一个，比如给请求分流、给图片分类、决定智能体下一步做什么。任务收窄成选择题之后，响应时间可以压到一秒以内，同时保留图像理解、多语言和安全防护。Romain 后来补充说，做机器人的朋友看中的是它能处理视觉输入：机器人可以根据看到的东西，近乎实时地快速行动。 6. 模型开始帮 OpenAI 做研究 Sam 提到，去年这个时候，他和 Jakob 在一次直播里预测，一年内会出现第一个“AI 研究实习生”，当时几乎没人相信。几周前 OpenAI 宣布达成了这个目标：有了一个能接手定义清晰的研究任务的系统，这类任务原本要熟练的研究员花大量时间和精力。 Tejal 的方向是电脑操作（computer use，让模型像人一样操作桌面和浏览器）。她举了两个例子。 第一个是让模型优化电脑操作的运行框架（harness，包在模型外面、负责调用工具和管理步骤的代码）。模型在循环里持续寻找能同时降低延迟、提升效果的改动，团队把找到的改进合进生产环境的框架，并用于后训练。结果是延迟改善了两倍以上，已经上线。 第二个是模型帮忙改进了监控和拒绝训练，让 Astra 在不安全的场景里更会拒绝。Astra 在电脑操作压力测试上因此达到业内领先，操作时出错更少，也更贴合用户的本意。 她给出了几项内部数据。今年夏天之后，研究工作消耗的 Token 量急剧上升。1 月时，模型能做好 15 分钟以内的短任务，需要一天以上的任务大多会失败；到 7 月，超过三分之一的一天量级研究任务，模型能在无人干预下完成。她还提到，Astra 这类模型已经帮忙解决了 100 多个悬而未决几十年的数学问题，也在参与针对耐药感染的新抗生素、古代语言研究、可再生能源和工业机器人等方向的工作。 7. 给开发者的底层工具 Sam 说，OpenAI 想让开发者用上自己内部用的东西。 第一件是 Codex 的运行框架。它同时支撑着 Codex、ChatGPT Work 和 Dots，目标是用最少的 Token、最快拿到准确结果，现在已经开源。第二件是 Codex 完全上云：在手机上开始的任务，可以在浏览器或桌面端接着做，合上笔记本任务也不会中断。 云端能力带来了 Codex Security Cloud。它在云端环境里持续寻找漏洞，并准备好验证过的修复方案供人审核，这次新增了自动去重、定时扫描和新界面。Sam 说这是为了给防守方更好的工具，因为“我们看得到接下来会发生什么”。 新的 Agents API 进入公开测试。它包含运行框架、托管、记忆、多智能体控制等功能，是 Codex 和 Dots 用的同一套技术，也加入了电脑操作能力。现场的例子是一个网站测试智能体，会自己打开浏览器、点击页面、测试流程。基础设施方面，OpenAI 和 AWS 合作推出由 OpenAI 驱动的 Bedrock（AWS 的托管 AI 服务）托管智能体，AWS 客户可以直接使用 OpenAI 的前沿模型、Codex 和 ChatGPT Work。 隐私方面预览了 OpenAI Private Intelligence。其中的零数据留存（ZDR）配合私有安全处理，可以在不把用户内容存到 OpenAI 服务器的情况下做安全检测；私有推理则把隐私保护延伸到推理阶段。Sam 说这套方案是和最大的一批客户一起设计的，目的是让他们能把模型用在最敏感的工作上。 性能方面，Responses API 一年里增长了 100 倍，可靠性保持在 99% 以上。首个 Token 的等待时间缩短了 45%，工具调用和工作流提速 30% 以上。 8. Romain 的 Codex 演示 演示从手机上的 Codex 开始。Romain 人还在会场外，让 Codex 替他跟观众打招呼、讲一个会场的冷知识。接着他用几张会场照片生成的 3D 场景演示 UltraFast，一边说一边改：把小人放到座位上，把直播画面投到场景里的大屏幕上。现场语音没连上，他改成了打字。 Codex 命令行工具（CLI）这次全面翻新。他让 UltraFast 写一个应用，从观众里随机抽三个人送明年的门票，几秒就写完；改成抽六个人，也几乎是瞬间完成。命令行现在支持由 GPT Live 驱动的双向实时语音，不只是语音转文字，但现场没能演示出来。 后面几段演示了多模态和电脑操作。游戏 Astra Adventures 从一张纸上的草图开始，几轮之后画面还很粗糙，借助图像模型，才变成有质感、能用在正式游戏里的美术。然后他让 Astra 通过浏览器自己学着玩这个游戏，屏幕左边显示模型的决策，右边显示它按下的按键。 他又用“应用快照”（app shot）把自己记录飞行课程的应用作为上下文交给 Codex，让它在各种屏幕尺寸下审查这个应用并截图。Codex 自己在模拟器里点开了各项功能。云端 Codex 现在和本地版用同样的工具，包括插件和电脑操作。他顺手把一个“用 Rust 重写整个后端”的任务丢到云端，打算稍后在手机上查看。 最后一个演示用的是 Hugging Face 借来的可编程小机器人 Micro Duck，它名叫 Lavender。Romain 前一晚让 Codex 把它接好：视觉用 Astra，图像生成用 GPT Image 2.5，语音交互用 GPT Live 1。机器人现场看着观众画了一幅画。他说，OpenAI 做 Dots 和 Codex 用的，就是 API 里开放给开发者的同一批工具。 9. 分发和变现：让开发者在 ChatGPT 上做生意 ChatGPT 每周大约有 12 亿人使用。Sam 承认，此前类似的尝试效果参差不齐。他说这次有信心，是因为开发者拿到的是 OpenAI 自己做 ChatGPT 用的工具。 第一项是“用 ChatGPT 登录”（Sign in with ChatGPT）。用户登录第三方应用时，可以直接用自己 ChatGPT 套餐里包含的 Token，开发者不必替新用户垫付模型费用。首批有 16 家合作方。 第二项是插件扩展（plugin extensions）。开发者可以把编辑器、仪表盘乃至整个工作区，做成原生嵌在 ChatGPT 和 Codex 里的应用。现场展示了三个例子。一个是会议应用：在 ChatGPT 里看日历上的会议，点“记笔记”后，页面变成团队和 Dots 一起跟进待办的 Space。一个是 Figma：打开设计稿、看团队评论、让 ChatGPT 改稿。还有一个是 Adobe：在 ChatGPT 里使用 Photoshop 的功能。ChatGPT sites（在 ChatGPT 里生成的网站，几个月里已有数百万个）现在也能接入插件和数据。访客用自己的账号登录、带上自己的智能体，看到的内容因人而异。 用户发现插件的渠道也扩大了。除了在插件库里搜索，ChatGPT 还会在对话中识别出能帮上忙的插件，用户当场就能连接。插件审核流程也简化了：开发者可以跟踪审核进度，看到需要修改的地方，申请人工复审，更新工具时也不用从头提交。 第三项是 OpenAI Marketplace，首批有 30 多家合作方，包括 CodeRabbit、Notion、Vercel。企业客户可以用已经和 OpenAI 签下的采购承诺额度来买这些产品，有承诺额度的开发者也能在这里花。通过和模型推理托管公司 Baseten（转录稿写作 Base10）合作，市场里还能用到开源模型。 10. 收尾：一次额度重置，和“文艺复兴”的说法 当天的后续安排里，Peter 会讲 OpenAI 对开源社区的投入，包括新的 OpenClaw Enterprise Harness（OpenClaw 是一个开源 AI 智能体项目）。还有一个 Codex 游戏工作室环节，观众可以用 Codex 做复古游戏，每人能领一台 DevDay 限定的 chromatic computer，用来玩自己做的游戏。最后是 Sam、Tibo (Thibault) 和 Tejal 的现场问答。 Sam 和 Tibo 还在台上按下按钮，给全世界的用户重置了一次用量额度。Sam 说 OpenAI 已经做过太多次重置，Tibo 一直想把公司改名叫“重置公司”。 最后 Sam 说，他不喜欢把 AI 比作新一轮工业革命，那意味着人变成巨大机器里的齿轮，转得越来越快；生活里有些部分不能也不该被自动化。他希望，如果做对了，AI 带来的会更像一场新的文艺复兴：让人对自己的生活有更多掌控，有更多工具去创造、学习和探索。

打算出条视频讲下整这workflow怎么搭…… 用了一段时间TG给指令还是太聊天式，所以刚给自己Workflow做了个Dashboard，刚搭好还比较简易，在优化中🫡 感觉可以直接把Notion的部分工作替代了，Notion用来存文档就好，好玩好玩！

知识库对企业很有用，但对绝大多数个人来说，我越来越觉得，它就是另一种“差生文具多”。 我跟不下50位真正把自媒体做起来的博主聊过，很多人都经历过同一个阶段：刚开始特别兴奋，Notion建一个库，Obsidian再建一个库，文章分类、金句分类、选题分类、案例分类，标签越打越细，文件夹越建越漂亮。 最后呢？基本都废了。 原因特别简单：真正做内容的人，根本没有那么多时间整理知识。 他今天看到一个好案例，第一反应不是“我要把它归档到商业案例库—消费心理—定价策略”。 而是：“这玩意能不能马上写一条？” 能写，今天就写。不能写，过两天大概率也忘了。 很多人做知识库，其实不是为了创作，而是在用“整理”代替“输出”。一晚上整理了200条笔记，看起来忙得要死，第二天一篇东西都没发。 这种感觉特别像小时候学习不好的人，最爱买文具。 新的笔记本、新的荧光笔、新的错题本、新的文件夹，桌子收拾得比第一名都漂亮。 最后考试还是那点分。因为整理知识和使用知识，是两套完全不同的能力。 企业为什么需要知识库？因为企业最大的问题是“人会走”。 员工离职了，经验不能跟着他一起走；销售话术、客户资料、项目踩坑、技术文档，必须留下来。企业知识库解决的是组织记忆问题。 个人不一样。 个人真正值钱的，不是你存了多少东西，而是你看到一件事以后，能不能立刻产生自己的判断。 同样看到苹果涨价，有的人收藏新闻。 有的人马上想到消费心理，有的人想到品牌定价权。 有的人想到中产为什么嘴上骂贵，最后还是买。 这才是内容能力。 你不是缺资料，你缺的是把资料变成观点的那一下。 现在AI出来以后，这个问题更明显了。 以前大家做知识库，是因为怕“以后找不到”。 现在搜索、AI、聊天记录、云盘都越来越强，很多东西你根本没必要提前整理得那么细。真要用的时候，搜就行。 未来真正稀缺的不是“我保存过”。 而是： “我看到这个东西以后，想到了什么别人没想到的。” 所以我现在反而建议做自媒体的人，把知识库做得极简。 不要建50个分类。 就留三个东西： 值得写的选题、真正打动你的案例、你自己想出来的观点。 其他东西，能搜到的别存，存了大概率也不看。 因为做内容做到最后，你会发现一个很残酷的事实： 收藏1000篇爆款，不会让你变成爆款作者。 真正让你变厉害的，是你今天能不能把其中一个东西，重新讲出自己的味道。 知识库是仓库。 但自媒体真正赚钱的地方，不是仓库有多大。 是货能不能卖出去。

在旧金山,你能最先看到未来。Leopold Aschenbrenner 说得没错。 从机场到酒店，全是 AI 广告。Twilio 就是我之前写过拿来搭”币价急涨急跌打电话叫醒你”的AI agent 工具。在旧金山开 SIGNAL 大会,整场都在讲 agent。 Linear 用了米开朗基罗《创世纪》里的上帝之手,配「Agents. At your command.」。 Notion「Meet the night shift,你 24/7 的 AI 团队」,把 agent 说成替你上夜班的同事。 还有 Nebius,卖 AI 算力的(以前是做比特币挖矿,后来转了算力)。海边Google Gemini 的Lyft 共享单车。早上在酒店吃饭,窗户望出去是 Judgment Labs 的牌子。 就像，整座城市在自言自语。 Anthropic(Claude 的母公司)6 月 4 日发了篇《When AI builds itself》,说 Claude 现在已经在写它自己8成以上的代码，AI agent 开始自己训练自己了。前一天,Cloudflare 宣布机器人的网页访问量第一次超过人类,57.5% 对 42.5%,CEO 都感觉太快了,本以为要到 2027 年才会发生。 打Uber出门，是全自动驾驶,20 分钟车程只要 12 刀,比香港还便宜。Waymo 满街都是。 太Ai了，在这个环境里，是真的能看到未来。

重塑你的学习方法 ---- 人们的学习其实源自问题 PBL学习法我认为是一种比较好的学习系统 中国的应试教育对人们产生了一种难以消磨的鲁棒性 想学AI，先找100个教程 想学投资，先买50本书吃灰 收藏夹内容越来越多，然后为了让自己显得正在学习，于是美其名曰：我需要一套知识管理系统 接着去买什么obsidian插件，notion模板，各种小红书的知识库，但无一例外，没有行动 之所以这样，是因为资本需要塑造这种安全稳定的生态，只有这样，才能创造更多的商业机会 可归根结底，人们究竟为什么学习呢，学习的动力不就是好奇心么，好奇心往往来自于一个问题 解决问题，寻找问题的答案，是这些带动了学习 直接面对问题，就是最好的学习 当你找到问题后，就从底层开始推演，从第一性原理触发，先把框架了解，再去解决具体的问题。 有道无术，术尚可求，有术无道，止于术。先去寻找到「道」，就能基于它做系统化的延展。否则拿到的都是碎片化的知识，记几个名词概念，对解决问题的帮助极其有限 当你掌握了不同学科的底层规律之后，就可以连接他们，跨领域运用，甚至会发现不同学科之间的相似，因为他们可能也有更加底层的宇宙规律 一边学，一边干，看书学习，动手实践，就会遇到新问题，引导着你挖掘新知识，正反馈循环就会建立，理解都是在解决问题的过程里获得的 想学AI，就去用AI 想赚钱，就去找客户，卖东西 想写作，就每天发推特，写东西 行动完了，还可以把东西讲出来，讲给别人听 我觉得这是最快的学习之路： - 通过问题用第一性原理找到框架答案 - 边学边干中创建反馈循环 - 实践费曼学习法来增强认识与理解 当然，有了AI之后，更容易走这条路 你只需要把这个框架给AI，让AI当陪练即可快速的完成一个新领域从0到1的突破了

涂涂姐教你约会系列第九期 从拼多多到爱马仕——3类"消费分层女"的精准猎杀指南 今天这期，姐要给你们讲一个99%的情感博主都不敢碰的话题： "如何根据女人的消费水平，选择不同的得吃打法。" 姐知道，这个话题一出来，键盘侠们就要跳出来骂"物化女性""消费主义""三观不正"。 但兄弟们，姐告诉你一个残酷的真相： "你追一个用拼多多的姑娘，跟追一个背爱马仕的贵妇，用的是完全不同的两套打法。你要是搞混了，前者觉得你装大、后者觉得你寒酸，两边都得吃不到。" 姐在这行混了8年，复盘过上千个学员的案例，得出一个铁律： 看一个女人的微信支付流水，比看她朋友圈准10倍。 她在哪里花钱、花多少钱、花给谁，比她写的那些"emo文学"诚实100倍。 今天这篇，姐就给你把3个消费阶层的女人，从画像到场景、从话术到道具、从SOP到避坑，一次性拆透。 一、为什么"消费分层"是得吃的第一性原理？ 兄弟们，先听姐说一个底层逻辑： 女人的消费习惯，反映的是她的"情感缺口"。 拼多多女：她省钱，不是因为穷，是因为**"她从小就被教育要省"。她最大的情感缺口是——"没人带她见过世面"**。 山姆女：她精打细算地过中产生活，最大的情感缺口是——"老娘累死累活，没人给我提供情绪价值"。 爱马仕女：她什么都不缺，最大的情感缺口是——"所有男人都看上我的钱，没人把我当女人"。 得吃的核心，就是精准击中她的情感缺口。 你给拼多多女讲爱马仕，她觉得你装；你给爱马仕女讲拼多多，她觉得你low。 3类女人，3套打法，错位就是死局。 二、第一类：拼多多女（消费降级型） 🎯 画像识别 年龄：22-28岁 职业：小镇做题家、应届生、月薪5K-8K的小白领、二三线城市文员 特征：朋友圈晒拼多多9.9包邮的小裙子 美妆都是国货平替（花西子、完美日记） 周末娱乐：刷短视频、看网文、点蜜雪冰城 朋友圈背景图常年是"努力变富""脱贫攻坚" 💔 情感缺口 "没人带我见过世面。" 她不是不想要好东西，她是从来没人带她体验过好东西。 她的男朋友（如果有的话）大概率也是个屌丝，俩人吃9块9的麻辣烫、看免费电影、过情人节互送一杯瑞幸。 她对"小确幸"的渴望，比谁都强。 🗺️ 出没场景 蜜雪冰城、瑞幸咖啡（点单的姑娘） 优衣库、Zara打折区 地铁通勤路上戴耳机看小说的 周末一个人逛IKEA的（她其实不买，就是去蹭氛围） 💎 实操SOP 核心打法：用最低的成本，给她"她从未体验过的东西"。 第1步：低成本搭讪（建立"有趣"人设） 场景：周末的IKEA 她在样板间里坐着发呆，你走过去： "这个沙发我家就有一个，便宜又舒服，但其实你坐久了腰会疼。要买的话我推荐你看那边那款，差不多的价格但更耐用。" 关键点：用"懂行"+"为她省钱"建立信任。 拼多多女最吃这一套——"你帮我省钱了 = 你不是骗子"。 第2步：用"小惊喜"降维打击 加了微信后，别带她去吃高端餐厅，那会吓跑她。 正确打法： 带她去一个**"她没去过的便宜小馆子"**（比如苍蝇馆子、本地老字号） 带她去一个**"免费的好地方"**（艺术展、独立书店、城市观景台） 给她拍**"她没拍过的好看照片"**（用富士相机或者手机调色，朋友圈出片） 话术： "这家店在这条巷子里藏了20年，我朋友带我来过一次，吃完我就忘不掉了。今天带你来尝尝，比那些网红店好吃100倍。" 核心：人均50的小馆子 + 你的"内行感" = 她的"被特殊对待感"。 第3步：用"成长感"绑定她 拼多多女最大的渴望是**"变得更好"**。 你要扮演一个**"带她成长的男人"**： 推荐她看几本书（《认知觉醒》《纳瓦尔宝典》） 教她用Excel、PPT 跟她聊职业规划、副业、理财 话术： "你这么聪明，不应该只做现在这份工作。我跟你讲讲我朋友的故事，他从月薪5千做到现在……" 目的：让她觉得"跟着你，我能变成更好的自己"。 第4步：临门一脚 最佳时机：她升职、加薪、或者考过了某个证。 约她出来庆祝，第一次带她去一个"稍微好一点"的地方——比如人均200的西餐厅、有夜景的酒吧。 她会被"质感"震到，那一晚，你就能得吃。 总投入：不超过1500块。 ⚠️ 避坑 ❌ 不要装大：你穿个假LV，她一眼能看穿，立刻拉黑你。 ❌ 不要嘲讽她的消费习惯："你怎么还用花西子啊"——这话出口你就死了。 ✅ 要做"踏实哥哥"：稳重、靠谱、有未来感。 三、第二类：山姆女（中产精算型） 🎯 画像识别 年龄：28-35岁 职业：大厂中层、互联网产品经理、外企白领、医生律师 特征：月薪2-5万，但每一分钱都精打细算 周末必去山姆/Costco，囤一冰箱牛排和坚果 穿lululemon瑜伽裤、背Longchamp饺子包 朋友圈晒的是"今日健身打卡"、"亲手做的brunch" 用Notion管理生活、用Keep练瑜伽 💔 情感缺口 "老娘累死累活，没人给我提供情绪价值。" 这类女人，外表光鲜、内心枯竭。 她每天996、健身、做饭、保持身材，活得像一个**"高执行力的机器"**。 她的男朋友（如果有的话）也是个加班狗，俩人一周见不了两次，亲密关系早就名存实亡。 她最渴望的，不是钱、不是包，是一个"能让她暂时关掉大脑"的男人。 🗺️ 出没场景 高端健身房（SPACE、超级猩猩） 山姆会员店周末下午 高端轻食店（wagas、gaga鲜语） 周末早上的Brunch店 一个人去看话剧、音乐会 💎 实操SOP 核心打法：做她的"情绪解压阀"。 第1步：用"专业感"破冰 场景：山姆会员店 她在牛排区挑选，你走过去： "这块M5的肉其实没那么值，今天的M3反而更新鲜。你是煎着吃还是低温慢煮？煎的话我推荐你买那个去骨眼肉。" 关键点：山姆女最吃"懂行+有品味"。 她加你微信的概率，80%。 第2步：建立"高质量陪伴"人设 加微信后，别天天找她聊天，那是屌丝行为。 正确打法： 一周聊2-3次，每次聊20分钟 聊的内容必须**"有营养"**：行业洞察、读书心得、运动数据 适当**"消失"**——周末别找她，让她自己想你 话术示范： "今天看到一份[行业报告]，里面提到[某个观点]，跟你上次聊的事挺有关，发你看看。" "刚跑完10公里，配速5'30''，破纪录了。你呢？最近有没有抽空去练？" 目的：让她觉得"你是一个跟她平等的、有自己生活的男人"。 第3步：用"反精算"打动她 山姆女的痛苦在于**"什么都要计算"**——卡路里、KPI、性价比。 你要做她的"反精算时刻"。 突然送她一束**"她不会自己买的花"**（不用贵，500块的尤加利叶就行） 临时约她"今晚不加班，陪我去看个livehouse" 周末早上7点发她："起来，带你去吃这个城市最好吃的牛肉面，开车40分钟，值。" 关键：制造"非理性的小冲动"。 她平时所有决定都是"计算最优解"，你给她一个"不计算的瞬间"，她就沦陷了。 第4步：临门一脚 最佳时机：她加完一次大班、做完一个大项目、或者跟同事吵架后。 约她去一个**"高质感但不浮夸"**的地方——比如威士忌吧、小型爵士酒吧、深夜的天台餐厅。 让她喝两杯，听她吐槽工作。 话术： "你已经撑得太久了。今晚不用做'XX经理'，就做你自己。" 这句话出来，80%的山姆女会湿眼眶。 剩下的，你懂。 总投入：3000-5000块。 ⚠️ 避坑 ❌ 不要送奢侈品：她自己买得起，你送了显得寒酸。 ❌ 不要谈未来：山姆女只活当下。 ✅ 要"有自己的事业"：她不要凤凰男，要"势均力敌"的男人。 四、第三类：爱马仕女（贵妇/高净值型） 🎯 画像识别 年龄：30-45岁 职业：富二代、企业主太太、高管夫人、独立女企业家 特征：包是Birkin/Kelly起步，鞋是Manolo 朋友圈晒的是马场、画廊、私人飞机 喝单一麦芽威士忌，不喝鸡尾酒 私教、瑜伽老师、营养师都是私人定制 朋友圈三天可见，看不到真实生活 💔 情感缺口 "所有男人都看上我的钱，没人把我当女人。" 这是姐反复强调的一个点：爱马仕女最缺的，不是钱，是"被当成普通女人对待"。 她身边的男人分两种： 舔狗——巴结她、讨好她、想吃软饭 更有钱的老男人——把她当资产配置 她从来没有遇到过一个"真正把她当女人"的男人。 🗺️ 出没场景 私人会所（华谊兄弟、上海长宁的） 高端马术俱乐部 画廊开幕式、艺术品拍卖会 五星级酒店的lobby bar 商务舱、头等舱 💎 实操SOP 核心打法：反向降维打击——你越"不在乎她的钱"，她越想征服你。 第1步：用"反向疏离"建立人设 场景：五星级酒店lobby bar 她一个人坐在角落喝威士忌。 绝对不要主动凑过去搭讪。 正确打法：你坐到吧台另一头，点一杯比她更专业的酒，然后假装看书或者处理工作。 10分钟后，让侍者送她一杯**"你点的那款"**，附一张小纸条： "你点的那款其实有点甜，这一款更适合你的气质。——隔壁的陌生人" 别留电话，别留微信。 她要么过来谢谢你，要么不过来。过来的概率：60%。 关键：爱马仕女见多了主动凑上来的男人，反向操作让她好奇。 第2步：用"专业领域的强势"建立吸引 加上微信后，不要每天问候、不要嘘寒问暖。 你要展示的是——"在你自己的领域里，你是真正的专家"。 可以是金融、可以是艺术、可以是某个小众爱好（红酒、雪茄、古董表）。 话术示范： "上周拍卖会上那幅[画家名]的画，最后成交价高了30%，挺意外的。你怎么看？" 目的：让她觉得"这个男人，跟我之前遇到的都不一样"。 第3步：做她的"灵魂出口" 爱马仕女的孤独，比谁都深。 她不能跟老公说真话（怕被算计）、不能跟闺蜜说真话（怕被传出去）、不能跟员工说真话（怕被看不起）。 她需要一个"安全的情绪出口"。 你要做的，就是**"让她在你面前，可以做一个普通女人"**。 话术： "在我面前，你不用是XX太太，也不用是XX董事。你就是你。" "你想哭就哭，我不会到处说，也不会觉得你脆弱。" 这句话杀伤力太强了。 她可能会在你面前第一次哭出来。 第4步：临门一脚 最佳时机：她跟老公吵架、家里出事、或者生日没人陪的时候。 地点选择极其重要： ❌ 不要去她常去的会所、酒店（怕被熟人看到） ✅ 要去一个**"她从来没去过的小众地方"**——比如一家小型的私厨、一个郊区的民宿、一个朋友的画室 话术： "今晚我带你去一个地方，没人认识你，你可以放空一晚上。" 爱马仕女最吃**"逃离感"+"私密感"**。 总投入：5000-2万。 （但回报极高，一旦得吃，长期关系建立后回报远超投入） ⚠️ 避坑 ❌ 不要装富：你戴个假百达翡丽，她一眼看穿，立刻拉黑。 ❌ 不要要钱、不要暗示自己缺钱：一次都不行，一次就死。 ❌ 不要碰她家庭：她老公、她孩子、她家族，永远不要打听。 ✅ 要做"她的秘密花园"：她在你这里，能找到她生活里没有的所有东西。 五、实战案例：朋友阿琛的"跨阶层得吃" 姐有一个朋友，叫阿琛，他很擅长这个打法，32岁，做私募的，月薪3万左右，长相7分。 他用姐这套**"消费分层SOP"**，一年内，3个阶层各得吃一个： Case 1：拼多多女 目标：25岁，新媒体小编，月薪7K 打法：带她去吃苍蝇馆子+IKEA拍照+周末免费艺术展 周期：3周得吃，总投入：800块 Case 2：山姆女 目标：31岁，互联网产品经理，月薪3万 打法：山姆搭讪+周末爵士吧+突然送她一束尤加利叶 周期：5周得吃，总投入：4000块 Case 3：爱马仕女 目标：38岁，企业主太太 打法：酒店lobby反向搭讪+艺术品话题切入+郊区民宿"逃离感" 周期：3个月得吃，长期关系，每月固定见2次 关键洞察：阿琛跟姐说，3个女人最大的共同点是——"她们都在你面前哭过"。 记住，得吃的本质，从来不是性，是"情感缺口的填补"。 六、姐的终极心法 兄弟们，写到这儿，姐要把这一期的核心点睛之笔送给你： 3类女人，3个核心关键词： 拼多多女：给她**"她没见过的世界"** 山姆女：给她**"她不需要计算的瞬间"** 爱马仕女：给她**"她久违的普通女人感"** 别跨阶层乱打——姐见过太多兄弟，用追拼多多女的打法去追爱马仕女，结果被当成屌丝拉黑；用追爱马仕女的打法去追拼多多女，被嘲笑装大。 精准识别，精准打击。 七、避坑总警告 法律红线：未成年、强迫、灌醉，碰一个进去一辈子。 资产红线：爱马仕女的老公可能是某某老板，得吃可以，别留把柄。 情感红线：所有阶层的女人，都不要动真情。她们要的不是你的真心，是她们缺的那块情绪价值。 八、写在最后 兄弟们，这篇文章姐写得很累，因为它触碰了这个时代最敏感的两根神经——阶级和性别。 但姐想告诉你的，从来不是"如何PUA女人"。 姐想告诉你的是： 这个时代，每个阶层的女人，都有自己的孤独。 拼多多女孤独于"没人带她飞"。 山姆女孤独于"没人让她停下来"。 爱马仕女孤独于"没人看见真实的她"。 你能精准地填补她的孤独，她就回报你一段美好的时光。 这是公平的。

每期必看的币安@binancezh广场区块链一百人又来啦！ 这期嘉宾是最近热度最高的字节哥 Leto @leto_bao ！主持人是@jennyukim_bnb！ 全程干货密度很高，全是自己实打实操盘、踩坑攒出来的经验，从新手入门到进阶策略，从决策逻辑到赛道判断都覆盖到了，整理了核心内容给大家参考，一起来看看吧！ Leto 说字节的经历给他的投资打下了很深的烙印： 一是做数据工程师养成了对数字的敏感度，凡事都要挖清楚数字变动背后的原因 二是大厂的前沿技术和业务场景拓宽了视野 三是身边都是顶尖的同事，做事的逻辑和方法让他受益很多 这套数据驱动的思路，后来完整平移到了投资决策里，他也直言技术人做投资最容易踩的坑 天然迷信自己熟悉的行业，觉得自己懂就坚信一定会涨，忽略大环境变化，很容易被思维惯性困住亏钱 至于深耕和探索的关系，他觉得两者并不矛盾：深耕同一个领域攒核心经验，同时在不同发展阶段的公司里探索，能换更多角度看问题，反而看得更透 整场最核心的思路，是他把互联网的 AB 测试逻辑用到了投资里，他说判断力从来不是凭感觉练出来的，都是靠数据验证： 新手如果觉得指数涨得慢想自己选股，不用急着 all in，半仓定投指数、半仓自己操作，跑满一年对比收益、回撤和夏普比率，跑不赢指数就说明不适合主动选股，老老实实投指数就行，方法简单但特别好用 他还完整复盘了自己最经典的存储板块投资案例，整个决策链非常清晰： 最开始是去年 8 月买硬盘发现价格持续上涨，这是第一个信号 加上当时字节内部要求缩短数据存储周期，本质是存储资源紧张，这是第二个验证信号 当时已经有研报提 AI 带动存储涨价，但他没有立刻重仓，直到看到机构连续三个季度加仓的实锤数据，才把大仓位打进去，拿到现在收益很高，至今还持有 全程是逐步验证、分批加仓，完全不是赌一把的思路 关于很多人好奇的期权，他用买房的例子讲得特别好懂： 看涨期权就像付 10 万定金锁定一套 100 万的房子，一年后不管市场价多少都能按 100 万买，定金不退 如果房价涨到 150 万，一份定金就能赚 40 万，相当于用小资金加了杠杆 看跌期权就像买保险，付一笔保费，约定未来不管跌多少，对方都按约定价收购你的资产，跌了能兜底，没跌就亏保费 他也很坦诚，说早期做期权交易虽然有逻辑支撑，但也有赌的成分，当时本金少，亏了也能很快赚回来，现在不会再做这类高风险操作 风险部分他讲得非常实在（这真的重点看）： 值不值得冒风险，核心看能不能承受最坏结果 年轻人没家庭负担、存款少、现金流稳，就算亏完也能很快赚回来，适当冒点风险没问题 但如果要借债、卖房投入，或者上有老下有小有房贷，失败了连累全家，这种风险绝对不能碰，生活杠杆高的人，先给生活降杠杆，再谈投资 他也分享了自己亏得最惨的经历：2022 年跟着佩洛西买英伟达，180 的价格重仓进场，结果遇上美联储加息大盘普跌，英伟达回撤了 40%，当时直接卸载软件躺平 这次经历给他的最大教训是：哪怕是再好的公司，买的时机不对、踩不中周期，一样会亏大钱，大环境的权重一点都不比公司本身低 针对完全没碰过美股的新手，他给了非常明确的入门步骤： 开户后别上来就选股，先买指数 可以先用模拟仓练手，但别全信模拟仓的结果 —— 模拟仓没心理压力拿得住，真金白银心态完全不一样 拿自己能接受归零的钱进场，先跑 AB 测试验证自己的能力，跑不赢指数就放弃主动选股 常见的宏观名词他也做了大白话解释： CPI 就是物价指数，美联储盯着它调利率，2% 是长期目标 非农就是非农业就业人数，和通胀有相关性；美联储是独立于政府的机构，负责制定利率政策调节经济，这些都不是噪音，都会实实在在影响行情，不能忽视 作为数据工程师，他的交易体系也很有技术特色： 自己搭了 AI agent 工作流，订阅各类数据和行情，早晚自动推送持仓异动和重点资讯，同步汇总到 Notion 方便复盘； 自己搭建冷热数据存储跑策略回测； 交易 bot 只负责用期权做对冲，股票买卖必须自己手动决策 —— 买入的核心逻辑没变就长期持有，短期波动用期权对冲，不会随便乱卖 他还分层级推荐了实用书单： 入门必看《生命周期投资法》《持续买入》 想学分选股可以看彼得・林奇的《战胜华尔街》 期权入门看《Options as a Strategic Investment》 想学尾部对冲看《避风港》 想了解暴跌中如何对冲可以看《The Second Leg》； 想拓展思路可以看《嘲笑华尔街》，讲怎么从大众日常内容里找交易信号 他把普通人分成四类，认为最容易受伤的是负债多的人 —— 不仅自己扛不住波动容易追涨杀跌，亏了还会连累家人 他建议没兴趣研究投资的人，老老实实买指数就行，别碰个股 普通人选股难，本质是容易被自己过往的经验和思维惯性困住，判断自己适不适合，跑一遍 AB 测试就知道了 他自己的交易频率很低，走长期路线，工作日基本不怎么看盘，每周固定复盘一次，核对每笔交易的买入逻辑有没有变，有没有受情绪影响做决策 最近存储板块回调比较大，他的判断是机构季度持仓再平衡带来的短期抛压，行业底层逻辑没坏，他提前布局了看跌期权对冲，对整体仓位影响不大 聊到财务自由之后的状态，他说现在最看重健康，排在赚钱前面（每个大佬都这么说过，真的得时刻铭记）： 每天健身、吃干净饮食、买高端保险 —— 相当于给自己的人生买了份 put，健康出问题的时候有兜底 现在主要精力在筹备 AI 方向的创业，写 BP，见投资人，希望以后大家提到他，想到的是他做的公司，而不是炒股赚了钱 他觉得 AI 对普通人财富管理最大的意义，一是省时间，不用手动搜集整理信息 二是有复利效应，写好的工具和方法可以反复迭代复用，不用一直做重复劳动 他现在最信奉的是改良版杠铃策略：大部分仓位放在稳健的指数上，小部分仓位投高波动、高潜力的方向，就算这部分亏光了也不影响整体盘，一旦涨起来就能大幅拉高总收益，回撤可控，收益上限也高 最后几个观众提问的干货也很足： 一是期权他主要做买方，用来给正股加杠杆、做对冲，不靠期权本身盈利； 二是针对机器人、航天、核能、电力几个热门赛道，他判断短期都难成主流： 里面最有潜力的是机器人 航天更多是上市初期的情绪炒作，短期盈利跟不上 传统核电站建设周期长达十几年，小型模块化核电站成本是大电站的两倍多，都很难成为短期主线 电力方向短期最受益的是天然气发电机公司，部署快、不占民用电网、成本合适，是目前 AI 算力供电的最优解 结尾他给年轻人的建议：投资要趁早，尽早把钱投进 AI 相关的优质资产里，给自己做一层 “被 AI 取代” 的对冲 整场听下来最大的感受是，他没有吹任何暴富神话，所有方法都可落地，所有结论都有对应的逻辑和经历支撑 从大厂做事的方法论，到投资体系，再到人生选择，整套逻辑是自洽的，不管做不做投资，这套数据驱动、为风险兜底的思路，都挺值得参考的，希望能帮到大家！ 建议大家去看直播回放，会更直观：

夜深人静，想随便写点东西。 交易亏了两年才想明白的事—— 学交易顺序错了，怎么努力都是反的。 学习交易和学编程一样——信息太多，噪音太大，真正有效的路径反而很窄。 我按自己的理解给各位整理一套从零到能实战的学习路径。 一、先搞清楚你在学什么 大多数人学交易最大的误区：一上来就学"怎么赚钱"。 实际上交易的核心能力是：风险管理 → 策略执行 → 复盘迭代 → 技术分析/基本面分析 顺序不要搞反。 正确的学习路径应该是： 第 1 层：理解市场结构（是什么在交易） 第 2 层：风险管理（怎么不亏光） 第 3 层：找到一个你信的交易逻辑（怎么赚） 第 4 层：实盘验证 + 复盘（怎么持续赚） 二、具体的学习路径（按周排序） 🗓 第 1-2 周：理解市场在交易什么 先搞清楚基本概念，不需要深，但要理解逻辑： 必须搞懂的底层概念： 流动性——市场为什么会涨跌？因为有买卖。买盘>卖盘就涨，反之跌。听起来简单，但 90% 的人到爆仓都没真理解。 订单簿——买单卖单怎么排列的，什么价位有支撑/阻力 K 线结构——开盘、收盘、最高、最低，一根 K 线代表什么 成交量——价格变动的"燃料"，没成交量的突破是假的 推荐资源： 的 School of Pipsology——最好的免费入门，把整个外汇/CFD 市场的逻辑讲得清清楚楚。虽然是外汇出身，但市场结构原理通用。 把 K 线、支撑阻力、趋势线、均线这四个概念吃透就够，不要碰超过 5 个指标。 🗓 第 3-4 周：风险管理——唯一真正能学透的东西 交易圈有句话："业余选手盯着收益看，职业选手盯着风险看。" 核心公式（必须背下来）： 每笔交易最大亏损 = 账户总资金的 1-2% 头寸规模 = 最大亏损 ÷ (入场价 - 止损价) × 合约乘数 举个实战例子： 账户有 $10,000 最大能亏 1% = $100 如果止损距离是 5% 那你只能买 $100 ÷ 5% = $2,000 的仓位 这才是仓位管理的本质。 建立风控三原则： 每一笔交易都有止损，没有例外 单笔亏损不超过账户的 2%，1% 更稳 连续亏损 3 笔就停下来，不管什么原因 🗓 第 5-8 周：找到你的交易逻辑 不要学"一个万能策略"，不存在。要找到适合你性格的逻辑。 主流交易流派（挑一个专精）： 流派 核心逻辑 适合的人 1 趋势跟踪 顺势而为，均线/通道突破进场 耐心好，愿意拿单 2 震荡交易 在支撑阻力之间高抛低吸 手痒，想频繁交易 3 突破交易 关键价位突破后跟随动量 反应快，喜欢做突破 4 订单流/价格行为 读懂 K 线和成交量，不靠指标 喜欢"干净"的图表 5 网格/做市 在价格区间内低买高卖，程序化执行 有编程能力 我的建议：刚开始先学价格行为（Price Action）—— 不依赖任何指标，只看 K 线和成交量。指标会骗人，但价格不会。 🗓 第 9-12 周：模拟盘 → 小实盘 → 复盘 不要跳步骤： 模拟盘 2-4 周——验证你的策略在真实行情中活不活得下去 小实盘 4-8 周——用你亏得起的钱（比如 $500-$1000），目标是不亏，不是赚钱。 开始复盘——每天把每一笔交易记下来，包括进场理由、出场理由、情绪状态 复盘三问（每笔交易后必须问自己）： 进场依据还在不在？如果在，为什么平早了？ 如果亏了，是策略问题还是执行问题？ 这次交易有没有遵守风控纪律？ 三、一些重要的认知 1. 胜率不重要，盈亏比才重要 新手追求胜率，老手追求盈亏比。 胜率 60%，盈亏比 1:1 → 长期不赚钱 胜率 40%，盈亏比 3:1 → 长期赚钱 因为亏的那 6 笔每笔只亏 1 份风险，赚的那 4 笔每笔赚 3 份。算下来： (4 × 3) - (6 × 1) = 6 份净收益 所以核心不是提高胜率，而是让赚钱的时候拿得住。 2. 回撤是交易的一部分 没有人不经历回撤。区别在于： 新手遇到回撤：加仓扛单爆仓 老手遇到回撤：减仓止损等机会 3. 大部分时间应该在场外 职业交易员花 90% 的时间等机会，10% 的时间执行。 新手的问题恰恰相反——每天都在找进场理由。 四、推荐的实操工具链 图表分析: TradingView（免费版够用） 模拟交易: TradingView Paper Trading / Bybit Testnet 数据辅助: Clawby API（查看暗池/做空/期权数据辅助判断） 交易记录: Notion / 自己建一个简单的表格 策略开发: 等你有自己的逻辑后，可以用 Pine Script 写 TradingView 策略 五、给你一个非常具体的 30 天计划 第 1-3 天： 完成 School of Pipsology 前 20 课 第 4-5 天：理解 K 线 + 成交量 + 支撑阻力 第 6-7 天：学会怎么设置止损和计算仓位 第 8-14 天：打开 TradingView，每天看 1 小时图表 先不交易，只做一件事：标出你觉得的支撑位和阻力位 第 15-21 天：模拟盘试一个最简单的策略——20 日均线突破进场 记录每笔交易 第 22-30 天：小实盘（$500），按你验证过的逻辑执行 每天复盘 最后一句实话 学习交易最难的不是技术，而是管理自己的情绪。 你可以把技术分析学得再好，风控规则背得再熟，但当屏幕上出现一根大阳线的时候，你的手还是会不由自主地点"买入"——那时候学的所有东西都会失效。 所以最好的学习方法不是囤资料，而是用最小的代价去感受那种情绪，然后学会跟它相处。 先拿小钱去实盘感受一下，比读一百本书都管用。

Notion 虽好用，但笔记全在它的服务器上，想搬回自己机器，又找不到功能对得上的。 最近找到一款挺不错的开源平替：Alexandrie ，自部署托管，Docker 一条命令完成启动。 编辑器在 Markdown 基础上做了扩展，公式、折叠块、勾选框、代码片段、流程图都能直接写。 GitHub： 团队、工作区、分类、多层文档这套组织方式都支持，权限分五档，从只读到所有者都能设置。 把它装到电脑或手机上就是一个能离线用的应用，没网照样记笔记，联网后会自动同步。 全局搜索、看板、语音口述转文字、备份导出、预览图片音视频这些功能都有。 想找一款可本地离线使用、功能又强大的笔记工具的朋友，可以看看。