今日分享： 如何从小培养儿童的交通安全意识？ 交通安全意识和阅读习惯一样，越早“渗透”越好，但方法完全不同——阅读靠“静”，交通安全靠“动”和“条件反射”。 对于小月龄和低幼宝宝，核心不是“教规则”，而是通过游戏和重复，把安全行为变成肌肉记忆。分阶段给你一些实操妙招： 一、分龄培养重点（从0岁开始） · 0-1岁（感知期）：抱着宝宝出门时，每次过马路你都大声说出台词——“红灯停！绿灯走！左看看，右看看！”（配合转头动作）。让他习惯“斑马线=停下来+抱紧”的关联。坐推车时，每次停稳再系安全带，并说“咔哒，安全啦！”，让他把“咔哒”声和“安全”挂钩。 · 1-3岁（模仿期）：这是黄金窗口。利用玩具车和玩偶演情景剧，比如让玩偶“小猪”闯红灯被“撞倒”（夸张倒下），然后说“哎呀，好痛！要看红绿灯哦”。出门时让宝宝当“小交警”——你负责开车（推车），他负责喊“红灯停！”，你立刻急刹车，他会超有成就感。 · 3-6岁（规则期）：玩“停-看-听-走”四步游戏：在家画条斑马线，你喊“停！”——他立正；喊“看！”——他转头左右看；喊“听！”——他竖起耳朵；喊“走！”——他大步走。反复练到条件反射，出门直接套用。 二、3个“作弊级”日常渗透法 · 把绘本“演”成交通课：读《红绿灯眨眼睛》这类书时，不要坐着读，站起来，让宝宝当小汽车，你当红绿灯——你举红色衣服他就“刹车”（停住），举绿色就“滴滴”跑起来。身体记忆比耳朵记忆深刻10倍。 · 用“找茬”游戏练观察力：出门散步时，和宝宝比赛“谁先看到斑马线/红绿灯/停止标志”，看到了就击掌。让他养成主动扫描路况的习惯，而不是被动等你提醒。 · “停车场法则”：每次从推车或安全座椅下来前，固定台词——“车门开，先看后，没车再下脚！”（配合手指向后指的动作）。坚持做，孩子长大自己开门前会本能地回头看一眼。 三、绝对要避开的3个坑 · ❌ 不要只用“不要”：别说“不要乱跑”，要说“牵妈妈的手”（给正向指令，大脑更容易执行）。 · ❌ 不要在停车场松手：哪怕没人没车，也要养成进停车场就抱起来或紧紧牵住的条件反射，因为司机有盲区。 · ❌ 不要自己带头违规：你闯一次红灯，孩子就记住“规则可以打破”。你的每一个动作都是他的教科书。 最后送你一句定心丸：交通安全不是“教”出来的，是“演”出来和“练”出来的。 哪怕宝宝现在听不懂，你每次过马路那句“左看看右看看”，都会刻进他的潜意识，成为他未来保护自己的本能声音。

这次正义没有迟到，舒服～ 周末闲聊，聊到哪算哪。 今天好多读者后台留言，说上海建工涨停了。我上午就知道了，噼里啪啦好多人转发给我，哈哈哈，这是有点巧，昨晚刚写了建工大爷今天就板了。 我看了一下，上市公司有一个涉及金矿开采的利好，但我算了算只靠这个利好恐怕不够把这种常年瘟股给抬起来。其实昨天还有一个关于地方债的消息，利好包括房地产、钢铁之类的行业，今天地产+1.9%，钢铁+1.8%，多少也有些关系。 另外我琢磨昨天建工大爷视频的扩散传播应该也是重要原因，老登股的情绪积压到一定程度后迎来爆发，踏空资金包括一部分投机资金借着这个热度冲了一波。甚至我昨晚写的文章，可能也在舆情发酵的环节里起到了一点作用。 牛市期间舆情关注度也是一种资源，很多时候会直接左右股价的走势。所以哭惨有用，只要你的嗓门足够大就有用。 …… 昨天就有读者留言问我怎么看罗永浩大战西贝，这是今天舆论场流量最高的八卦。简单说就是罗永浩吃完饭后发微博，吐槽西贝都是预制菜，价格还贵。结果西贝贾老板反驳没有预制菜，要起诉罗永浩损害名誉。 从公关的角度贾老板这么操作是不妥的，标准答案是向罗永浩表达菜品不合口味的歉意，然后解释西贝的出餐流程不算预制菜，欢迎罗永浩来后厨参观，最后出一个“罗永浩套餐”，欢迎广大顾客品鉴。 但是贾老板说咽不下这口气，就要硬刚罗永浩。他没意识到这件事在扔进舆论场后已经不是西贝和罗永浩的个人恩怨，已经扩大上升到公众厌恶预制菜、厌恶高客价的矛盾，西贝越折腾，越是争辩，负面舆情就越大。 这就是在中国做大众消费品的现状，一旦有舆情就是认错三连，向网民服软，态度永远比对错重要。 预制菜这几年一直在被妖魔化，其实只要是大品牌餐饮的预制菜，我是不介意吃的，预制菜是全球餐饮工业化的趋势，欧美发达国家也是逐年增长，他们那边也有反对的，但没什么用。 预制菜除了降低成本、提高效率这两个优点，还有一个核心优势，就是便于餐品标准化管理。连锁品牌在全国开上千家店，不能每个店都依赖厨师手艺去把控菜品，最合理的办法就是标准化批量制菜，减少终端烹饪环节，这样便于扩张经营，做大做强。 至于罗永浩这次吃的价格，4男1女，点了15道菜，总价830。人均166确实不便宜，但也没有很贵，西贝本来就不是主打性价比的餐厅，我们家是因为孩子喜欢那里的用餐环境才经常去，我个人吃不惯西北菜。 …… 今天还有一件和餐饮有关的新闻，大快人心。 半年前上海有两个17岁的宰种吃完海底捞后，向锅里尿尿的新闻还记得吗，今天一审判决下来了，法院判这两人和其父母累计承担220万的赔偿。 海底捞出事后向堂食客户赔了十倍，2000多万，所以起诉索赔的金额也是2000多万。但法院认为海底捞十倍赔偿是一种商业行为，非必选项，最终只支持220万的基础赔偿。 220万对于普通家庭而言也是一笔绝对巨款，痛，非常痛，这个深刻教训足以两个家庭铭记一辈子，同时也威慑警告其它有类似想法的宰种不要作死，我对这个惩罚力度很满意，这次正义来的很快，很准时。 当时事发后第一时间，海底捞还想息事宁人，呼吁网友不要攻击未成年人​​，称要给他们“接受教训与成长的机会”，并表示追究“恶意传播者”责任。 现在回想真是恶心透顶，海底捞有什么资格替广大消费者原谅？如此恶意行为如果不施以重惩，就会还有宰种在公众头上拉屎拉尿。如此恶劣行为必须付出惨痛代价，谁管你是不是成年人，小孩担不起责任的让父母担，家里没教好就让社会教。 总之听到这个判决后浑身舒坦，效果不亚于看了一部爽剧 …… 美国这两天不是有个31岁的保守派政坛新星被枪杀了嘛，我今天偶尔刷到一个视频，是采访路人大学生怎么看，结果很意外大部分人都表示喜闻乐见，“that's good” 这让我有些好奇死者为什么会争议这么大，就去查了一下他的主要政治主张，以及在舆论场输出的核心观点。看到一半的时候心念一动，打开deepseek和grok，问它们死者对应到中国社会的话，大概是哪一个名人？ 结果中国和美国ai的回复出奇的一致，它们认为中美社会形态有巨大区别，所以没有完全类似生态位的名人，但考虑到最大相似度的话，都推荐了司马南。 看到结果我忍不住暗笑，这下懂了。我脑补了一下，如果司马南在某个线下活动中被人抽了两个耳光，我猜评论席幸灾乐祸的人不在少数。 今晚就扯这些，发射。

如果你经常使用豆包，这30条指令，让豆包写得比我还像人！（亲测有效，建议收藏，也适用于其他AI大模型） 别再骂AI写的东西像“机器人念经”了，别说豆包写的文章的AI味很重了！其实问题不在豆包，在于我们给她的指令到底像不像人味。 我见过太多人，对着豆包输入“写一篇职场文章”“写一个带货文案”，然后看着输出的干巴巴、冷冰冰、全是套话的内容，摇摇头说“AI根本不行”。 其实不是AI不行，是你根本不会给它像人的指令。 同样是用豆包，有人写出来的东西没人看，有人靠AI日更10篇，篇篇10万+，评论区全是“太真实了”、“说到我心坎里了”。 我的好友莉莉用豆包写了3个月内容，从一开始写啥都像机器，到现在我看她写的文章，都说“你写的东西比真人还真”。莉莉小姐姐则跟我说，她全靠整理的这30条“拟人化指令”。 今天我把她深藏的30条拟人化的指令，毫无保留分享给大家，只要复制粘贴，你也能让豆包写出有血有肉、有情绪、有温度的文字。 先搞懂一个核心：为什么AI写得不像人？ 答案很简单：你只告诉了AI“写什么”，却没告诉它“以什么身份写、用什么语气写、写给谁看、要达到什么效果” AI是个超级听话的执行者，但它没有自我意识。你给的指令越模糊，它写出来的东西就越通用、越没有灵魂。 反过来，你给的指令越具体、越细节，它写出来的东西就越像一个活生生的人。 下面精选出来的最常用、最有效的6大类30条指令，你可以直接拿去用。 一、身份代入指令：让AI变成“具体的人” 这是所有指令里最重要的一条，没有之一。 不要让AI当“万能专家”，要让它当一个有年龄、有职业、有经历、有缺点的普通人。 ✅ 直接复制用： 1. 请你扮演一个在工厂打工10年的70后大叔，用你朴实的语言，写一篇关于攒钱的文章，不要讲大道理，只说自己的真实经历。 2. 请你扮演一个刚辞职创业失败的95后女生，用你和闺蜜吐槽的语气，写一篇关于创业踩坑的帖子，情绪可以低落一点，但不要太消极。 3. 请你扮演一个退休在家带孙子的60后阿姨，用你唠家常的口吻，分享3个带娃的实用小技巧。 4. 请你扮演一个月薪5000的北漂打工人，写一篇关于周末宅家的日常，加入吃泡面、追网剧、不想上班这些细节。 心得：用了身份代入后，文章的评论率直接提升了3倍。读者喜欢看的不是专家的说教，而是和自己一样的普通人的故事。 二、语气风格指令：写出不同的“说话感觉” 同样的内容，用不同的语气说出来，效果天差地别。 ✅ 直接复制用： 1. 用“过来人语重心长”的语气，给刚毕业的大学生提5个忠告，不要说教，要像哥哥姐姐一样说话。 2. 用“怼人不带脏字”的语气，反驳一下“年轻人就该多加班”这个观点，要犀利但不要骂人。 3. 用“碎碎念”的语气，写一篇关于女生出门前的准备工作，加入各种纠结和小抱怨。 4. 用“严肃认真”的语气，写一篇关于食品安全的提醒，要让读者感觉到事情的重要性。 5. 用“幽默搞笑”的语气，写一篇关于减肥失败的经历，让读者看了能笑出声。 三、细节填充指令：让内容“有血有肉” AI写的东西空泛，最大的问题就是没有细节。 人会注意到豆浆的温度、油条的酥脆声、老板递餐时手上的油渍，而AI不会，除非你告诉它。 ✅ 直接复制用： 1. 在描述场景的时候，加入视觉、听觉、嗅觉、触觉的细节，比如饭菜的香味、下雨的声音、风吹在脸上的感觉。 2. 不要只说“我很开心”，要通过动作和神态来表现，比如“我激动得跳了起来，手里的奶茶都洒了一半”。 3. 在文章里加入1-2个具体的小例子，不要全是理论。比如写省钱，就写“我昨天买青菜，对比了三家超市，最后省了5毛钱”。 4. 加入一些生活化的口语和语气词，比如“哎”“对吧”“说实话”“你懂的”，但不要太多。 四、情绪共鸣指令：写出“真情实感” 能打动人的永远是情绪，而不是道理。 ✅ 直接复制用： 1. 在文章开头加入一个自己的亲身经历，引出主题，让读者一开始就有代入感。 2. 在描述困难的时候，加入一点无助和委屈的情绪；在描述成功的时候，加入一点喜悦和感慨。 3. 不要写完美的人，要写有缺点、会犯错的人。比如“我当时也犯了一个很傻的错误，现在想起来都后悔”。 4. 在文章结尾，说出大多数人心里想说但没说出来的话，引发共鸣。比如“其实我们努力工作，不是为了大富大贵，只是为了能过上普通人的生活”。 五、平台适配指令：专门写给头条用户看 不同平台的用户喜好不一样，指令也要跟着变。 ✅ 头条专属指令： 1. 按照头条爆款文的结构写，开头用痛点引入，中间分3-5点，每点配一个真实案例，结尾引导评论互动。 2. 标题要包含数字和结果，比如“我靠这3个方法，一个月涨粉1万”。 3. 段落要短，每段不要超过3行，手机阅读体验好。 4. 多用加粗和小标题，突出重点，让读者一眼就能看到核心内容。 5. 结尾一定要加一个互动问题，比如“你有没有过这样的经历？评论区聊聊”。 六、改稿润色指令：把“机器文”变成“真人写的” 如果你已经有了一篇AI写的初稿，用下面这些指令，一键改成真人风格。 ✅ 直接复制用： 1. 把下面这段文字改得像一个普通人在分享自己的亲身经历，去掉所有书面化的表达和专业术语。 2. 把这段文字里的所有“笔者”“我认为”改成“我”，加入一些口语化的词，让它更自然。 3. 给这段文字增加一些细节和情绪，让它更有感染力。 4. 把这段长文拆成短段落，加上小标题，适合在头条发布。 最后说几句： 真的，AI不是洪水猛兽，它是普通人最好的工具。 以前写一篇文章要花3个小时，现在用对指令，10分钟就能搞定，而且质量比自己写的还好。 不要再说自己文笔不好、不会写东西了。在这个时代，会用工具，比会写文章更重要。 你平时用AI写东西遇到过什么问题？评论区说说。

决定代码复杂度的东西不在代码里，在写代码的人的脑子里。LLM 碰不到它。 这是 软件工程师 Pol Alvarez Vecino 读完 Peter Naur 1985 年的论文后得出的结论。 为什么 LLM 没法让你的代码更简单 本文最初发表于 Medium（ tl;dr：Peter Naur 的《Programming as Theory building》指出，真正的程序——他称之为 Theory，大写的 T——存在于工程师的脑子里。代码和文档只是下游的（因而不完整的）产物。我对 LLM 最大的抱怨之一，就是它写出来的代码有多啰嗦、复杂度是怎样到处蔓延的。我一直抱着一丝信念：也许我们可以用 LoC 或者独立代码路径数量之类的指标来约束它们。然而，读完 Naur 之后我意识到，我们想降低的那个复杂度是 Theory 的复杂度，不是代码的复杂度，而这方面没有任何可用的度量，因为它非常主观。 我最近读了 Peter Naur 那篇精彩的论文《Programming as Theory building》（ LLM 能做什么、不能做什么的看法，也改变了我对如何给它们写提示词、当前 agent 系统的主要局限，以及结对编程为何如此有效的看法。 今天我只聚焦它和代码复杂度的关系。 如果你还没读过这篇论文，我真的建议你读一读。说实话，我写这篇文章的主要目的，就是让一些人去读原论文。它值得花这个功夫。这也是练习（或学习！）在 Solveit 里做精读的绝佳机会，因为在 Solveit 里这要容易得多：你可以在阅读过程中随时提问，钻进任何你感兴趣的兔子洞，或者直接让 Solveit 帮你把语言讲清楚。关于精读的更多信息见这篇博文（ fork 我的对话记录快速上手（ 话说回来，如果你还是决定不读，这里是论文的 tl;dr： 程序是构建和维护它的人所持有的 Theory：一种理解——程序如何与现实世界的问题相关联，哪些约束和权衡塑造了它，它为什么能工作，以及哪些改动符合它的设计。代码和文档是这套 Theory 的下游产物，永远无法完整地承载它。 工程师通过经验发展出这种理解：与用户交谈、观察故障、学习领域知识、观察系统在真实世界中的表现。这种理解指导着对相关性、相似性、简洁性和良好设计的判断。 LLM 不太擅长持续学习，不擅长和用户交谈，也不擅长在真实世界里体验事物。但这和复杂度有什么关系呢？ 我想我们都同意：LLM 总体上倾向于让代码库的复杂度上升，如果没人管的话。原因有很多：它们没意识到某个方法已经存在，于是又写了一遍；它们写过度防御的代码，比如为不可能发生的边界情况做防护；或者过早地过度优化。顺便说一句，大多数前沿实验室从你消耗的 token 里赚大钱，所以它们多少有动机去推广 token 最大化。总而言之，LLM 很少遵循 KISS 原则。这个问题在你不看输出、纯 vibe-coding 的时候最严重。但即使你会审查代码，要想让程序保持简洁，也需要主动付出努力去尽量削减复杂度。 在我天真的日子里（大约两周前），我曾以为我们早晚能爬出这个复杂度的大坑。前沿实验室只需要在 RL 训练里加一些复杂度惩罚就行。他们可以用总 LoC 作为最小化的指标，但我们都同意，有时候一行代码比两三行更复杂。另一个选项是圈复杂度（cyclomatic complexity），它衡量独立代码路径的总数。读完 Peter Naur 之后我意识到，这些东西无法真正解决问题（也许能稍微缓解一点）。我们来看看为什么。 为什么代码复杂度是错的指标 在下面这个（我编的）例子里，我们想支持调用 OpenAI 和 Anthropic。假设所有的消息准备和重试逻辑完全一样，只有请求体参数略有不同，于是我们有两个不同的方法 call_openai 和 call_anthropic。 在第一个朴素版本里，我们有两个不同的类，带重复的样板代码（即 prepare 和 with_retries）。 分开 —— 指标会发现重复 class OpenAIClient: def complete(self, prompt): msgs = prepare(prompt) # 公共样板代码 y = call_openai(msgs) # 唯一不同的一行 return with_retries(y) # 公共样板代码 class AnthropicClient: def complete(self, prompt): msgs = prepare(prompt) y = call_anthropic(msgs) return with_retries(y) 一个直接的 refactor 是创建单个类，做到 DRY。按很多指标看这都是更好的实现：行数更少、Halstead 容量更好（V=N×log2(n)，N 为程序长度，n 为词汇量）、可维护性指数（Maintainability Index）也更好。 合并版 —— 按指标看确实更好：DRY，行数更少 class LLMClient: def __init__(self, provider): self.provider = provider def complete(self, prompt): msgs = prepare(prompt) y = call_openai(msgs) if self.provider == "openai" else call_anthropic(msgs) return with_retries(y) 一般来说，第二个版本（或者类似减少 LoC 和重复的版本）复杂度更低。但是，如果我告诉你，下个月我们很可能就停止支持 Anthropic 了呢？在那种情况下，我更倾向于让它们保持分开，这样到时候我只要删掉包含 AnthropicClient 的那个文件就行。 当然，这种简单的例子很容易解决，尤其是现在 LLM 可以帮你写代码。但如果你的目标不是 2 个供应商，而是像 LiteLLM 那样支持 165+ 个供应商呢？那种情况下，直接用 LiteLLM 就行。但那样你就把 120 多万行 Python 代码放到了你和最终供应商之间。值得吗？ 设计良好的 API 是抽象复杂度的绝佳方式。你有清晰的契约，不需要理解背后发生了什么。即使 LiteLLM 是一个庞大的包，它也可能不计入你的 Theory 总复杂度。LLM 推理端点早期的日子就是这样：「文本进，文本出」。然而，当契约不再可靠时，这一切就会崩塌。原因可能是它有 bug，可能是 API 背后藏着大量你拿不到的状态，也可能仅仅是你不确定某个新供应商特性是否被支持。 每当你被迫窥视 API 抽象层背后的深渊时，那份复杂度就成了你的问题。这个问题正变得越来越普遍。像 OpenAI 和 Anthropic 这样的供应商，越来越多地把数据藏在服务端，比如加密的压缩数据或推理 token（更多讨论见 如果你在快速推进、只用基础功能、想尝试很多供应商，那么 LiteLLM 或类似的库可能值得用。反过来，如果你看重控制力、调试和对技术栈的理解，那可能就不值得。不存在「正确的」复杂度（虽然我非常偏好第二种选择）。 进入 Theory 决定走哪条路的信息不在代码里。这些信息属于 Naur 所说的程序的 Theory 的一部分。迄今为止，LLM 几乎接触不到这些信息，因为它们活在人的脑子里。它们可以从 IM、邮件或其他书面文档里得到一些线索，但那些永远只是局部的（最好的情况下）。 其中一些信息可以作为上下文提供给 LLM，比如业务优先级、预期的产品变化、运维约束，以及早期决策背后的原因。这样做也许能改善它的选择，但这些仍然只是 Theory 的产物。它们无法完整地传递团队发展出这套 Theory 所依赖的经验和判断。 这些都很好，但如果我全身心投入 vibe-coding 和 token 最大化、完全不在乎代码呢？那样的话，这篇博客后面的内容说服不了你。如果你处于两者之间，我来描述一个我们在 亲身经历的真实情况，关于 Solveit 的计费系统。 剧透警告：在 最初的计费系统 Solveit 是一个平台，你可以在里面用 AI 在一个类 notebook 的环境里工作。环境是持久化的，所以我们对 LLM 用量、CPU、磁盘、内存和带宽收费。 最初的计划是向用户收月度订阅费（比如 5 美元）。这笔月度订阅费变成当月可以消耗的积分（credits），如果全部用完，下个月之前就得充值。我们先在一个更小的项目里测试了这套方法来验证它。 这套方法后来证明比我们想要的更复杂。第一，积分 + 订阅的机制会把人（比如我自己）搞晕。第二，它让代码在多个层面上更复杂。你得处理「先消耗月度订阅积分、再消耗普通积分」的所有逻辑，以及剩下的积分怎么办。在 Stripe 这一侧，它有两个不同的代码路径：手动充值和订阅服务。 对不熟悉的人来说，Stripe 订阅是一个全托管服务。Stripe 管理整个生命周期（扣款周期、发票、重试全在他们那边）。 你大致只需要这样创建订阅： stripe.Subscription.create(customer=cust_id, items=[{"price": "price_5usd_monthly"}]) 然后监听他们的 webhook，在订阅状态变化或付款到达时更新你的数据库（还有很多其他事件可以选择）。 直接收款则需要你启动一个 checkout session，让用户跳转到 Stripe 的域名填卡。这需要你提供一个 customer ID。那应该在什么时候创建 Stripe customer？用户注册时？他们尝试付款时？还是别的时机？全都是合理选项。 stripe.checkout.Session.create(mode="payment", customer=cust_id, line_items=[{"price": "price_5usd", "quantity": 1}], success_url="") 到目前为止还好吧？如果你对 Stripe 或支付没有太多经验，很可能你已经感到吃力，没法把这一切全装进脑子里。也许你设法把它简化成了： • 订阅 → 交给 Stripe 订阅服务管理 • 充值 → Stripe checkout 一个不明显的问题是：使用 Stripe 托管服务意味着你有重复的数据。一半数据在 Stripe 的后端，而你必须保证本地数据库和它同步。另一个问题是，调试的时候，你既要查 Stripe 的服务，又要查自己的数据库。比如，一笔付款没到账，是 Stripe 没发 webhook（「他们的错」），还是我们没把它存进数据库（「我们的错」）？ Stripe 订阅服务很棒、很容易上手，但它是为支持海量用例而设计的。这意味着，即使设计得很好（它确实很好），这个 API 抽象最终也相当复杂。在这种情况下，你在用「卷起袖子自己写代码的复杂度」交换「学习 Stripe API 的复杂度」。 LiteLLM 和 Stripe 在不同规模上展示了同一个权衡：只要契约成立，外部抽象能极大地简化你的 Theory；但每当你需要调试、修改或超出契约去推理时，它隐藏的复杂度就变成你的了。 AAI 的做法 在 经过很多天的探索和讨论，我们最终定下了一个简单得多的系统。 首先，我们只做积分（credits），按用量收费。这是一个超级简单的模型（和 Theory！）：充值积分，用多少付多少。 订阅一去掉，我们就可以删掉一大块用来保持同步的代码。剩下的付款路径只有两条：手动充值和自动充值。要做自动充值，你需要能保存客户的信用卡，以便随时扣款。而 Stripe checkout 不会保存信用卡，你只是让 Stripe 在他们的 UI 里处理这次付款。 长话短说，我们最终发现最简单的办法是：用户一注册就保存他们的信用卡。卡一旦在档，用户可以用它手动充值，也可以设置成自动充值。因为全部是我们自己处理的，同步问题几乎为零。我们只监听支付成功事件（没有订阅了！）。 结果就是，我们支付系统的 Theory 可以用一句话概括： 客户注册时添加信用卡，之后我们对该卡扣款——要么手动（充值），要么在余额不足时自动扣。 手动充值和自动充值现在走同一条支付路径。我们整个支付技术栈——拆在 Solveit 和 faststripe 之间——大约 300 行代码。 结果是非常低的复杂度，但这是数小时的探索、尝试和讨论换来的。我这里的解释充其量只是触及皮毛。 印度登场 那么上线那天发生了什么？一切顺利吗？没有。上线后我们发现，印度信用卡不支持你想什么时候扣就什么时候扣的 off-session 扣款。手动充值属于 on-session，仍然可以工作，因为用户会在我们的 UI 里看到一个类似 3DS 的验证流程；但自动充值不行。 在寻找解决方案时，我们发现 Stripe 托管订阅在印度确实能工作。为什么？因为 Stripe 替你绕开了所有这些复杂度。他们提前一天创建并持有 off-session 的支付意图（payment intent），这样银行就能在实际扣款前向用户发送预扣款通知或认证请求。 我们迁移出托管订阅时，就失去了这个特性。我问了一个前沿 LLM——我记得是 GPT-5.5——我们该怎么处理这个问题。你猜它给出的方案是什么？ 用回 Stripe 订阅来处理 这个 LLM 提议的正是我们刚刚迁移出来的方案。读到这里，你会怎么说？你的意见是什么？我们应该迁回去吗？ LLM 列出了两个选项：要么同时支持两套系统（随时可以开工，你一句话就行！），要么完全迁回旧的系统。我们做了什么？什么都没做。我们非常看重 Theory 复杂度，于是我们决定：让印度用户手动充值就好了（抱歉了各位！），换来一个更简单、更健壮的平台。 如果你不同意我们的选择，反思一下为什么不同意。真的，现在就停下来想一想。 这个问题没有正确答案，而这篇博客的目的之一，就是帮你看清你的答案来自哪里。你的论据是什么？更具体地说，它们是从哪里来的？ 有很多场景下 Stripe 托管服务是更优的选择。举几个例子： • 公司收入最重要，手动充值的额外摩擦可能会让我们损失一些印度销售额，那我们应该迁回去（或者同时支持两套） • 销售团队用 Stripe Dashboard 的 UI，所有支付信息都放在我们自己的数据库里并不理想，因为他们没法在那里管理 我的观点是：你的代码的复杂度，真的取决于一大堆和代码无关的因素，而那些信息不在代码里。 隐藏的优势 那么为什么不干脆让 LLM 全权处理这些事呢？在我看来，最妙的答案是：我们的工作方式揭示了一个可能的商业机会。印度不支持 debit mandate（借记授权）的方式和世界其他地方不一样。Stripe 试图解决这个问题，但远远不是一个完整的解决方案。 在理解和简化流程与 Theory 的过程中，我们学到了产品之外有价值的东西。在我看来，这类洞察是可以转化为竞争优势的。 努力去理解，本质上就是一个简化 Theory 的过程。如果你放任 LLM 在复杂度上为所欲为，你可以很快产出大量代码。选择简化路线更长、更费劲，但长远来看我认为它是值得的，而且你可能会在路上发现隐藏的宝石。 原文： #LLM# #编程# #代码复杂度#

这个剧情可以拍个三季起步的美剧了吧！ 你们知道在美国被骗6000万元人民币的币圈女富商是谁吗？ 文中写的 这位 矿池在巅峰时期据称曾占到全球比特币总算力的9%，中国西南省份一家算力科技有限公司的CEO， 目测是万有算力 / Valarhash 的吕咏双。 证据一：Valarhash/万有算力旗下产品包括 BytePool、1THash、1TMine、Nelson 算力管家。MinerUpdate 在 2019 年报道说，BytePool 和 1THash 合计占比特币全网算力超过 9% 证据二：公开资料里，成都万有算力科技有限公司注册地址在四川省成都市成华区建设路8号1栋2层1号，就是西南省份。 证据三：美国报道里也有提到，Al Zubair 兄弟诈骗案中，最大部分涉及一名中国投资人，损失约 1780万—1800万美元； 兄弟俩声称拥有 Nela Park 工业园，要做加密货币矿场，诱使对方运去 1000 多台矿机，后来矿机被截走并转卖。 所以大概率就是万有老板了！ 这个手法本质上和我之前的经历如出一辙：我的原文《一顿价值80BTC的日料，真他娘的下饭！》 除了我也被收割过，这么些年我身边这样的朋友被骗也不少，我后来发现越有钱的人，越容易被“更高阶层的幻觉”收割。 真正可怕的局，是他娘的骗子很会啊，他会的是什么？ 是刚好讲了一个你内心想相信的故事：王室资源、政府关系、海外矿场、电力资源、特殊通道、独家机会、别人接触不到的圈层。 谁不想进入更高级的牌桌？财富越大的人，越想的就是升级身份。再加上对自己赚取太多财富过于自信，所以往往不太会相信自己会被骗。/

我发现全民正在进入一个“大无聊时代”。 不是没东西玩，而是什么都玩过了以后，发现全都差不多。 出去旅游，全国景区越来越像： 同样的文创店、冰箱贴、网红机位、商业街、小吃摊。 去商场更明显。 一楼化妆品，二楼衣服，三楼餐饮，四楼电影院，换个城市还是这一套。 电视剧翻来覆去还是那些剧情。 流行歌听完记不住。 餐厅排队两个小时，端上来像中央厨房统一配送的。 谈恋爱越来越讲效率，旅游变成拍照，吃饭先拍照，连“爱自己”最后都变成了买东西。 打开手机更无聊。 刷不完的短视频、直播带货、AI生成内容，同一个梗换100个人再拍一遍。 以前觉得互联网会让这个世界越来越丰富。 现在反而感觉： 东西越来越多，但有意思的东西越来越少。 大家穿差不多的衣服，去差不多的地方，拍差不多的照片，听差不多的歌。 最后连快乐，都开始流水线生产了。

刚刚看到GLM Coding Plan也涨价了，而且跟即梦还不一样，是直接对老会员的套餐下手，强制性切换到了新权益。 另一则新闻是，因为Token涨价，一大批刚刚提刀入行的漫剧制作商宣告阵亡，更高的试错风险，击碎了「我上我也行」的乐观幻觉。 今年以来，全球的AI产品都在开启「用量限额」的模式，去年的这个时候，Anthropic还在抨击同行囤积GPU极其不负责任，现在被Codex隔三差五重置额度骑脸抢人，一点办法都没有。 不跌反涨，洛阳纸贵，Token是真的越来越不够用了。 至少在硅谷，再也没有投行报告继续预测数据中心过剩论，只要眼睛不瞎，就能看到机房里的每一片GPU都在热得发烫，即便经历了那么大规模的超前建设，当下的算力供给依然完全跟不上市场需求。 腾讯科技前段时间发了一篇稿子，标题很套路，叫「人民想念DeepSeek」，虽然很多人阴阳这是替元宝着急了——DeepSeek你还不发新版本，我这边可怎么办啊——但文章的核心观点还是在追忆价格战。 我是觉得，咱们有时候过于路径依赖了，天天喊着工业克苏鲁，觉得低价杀穿一个行业就是大赢特赢，最后又会因为比亚迪和宁德时代这种哪怕做到全世界行业第一也只给工人发方便面的反差砸吧砸吧嘴，寻思出不对劲的味道。 我也不希望DeepSeek的新模型又建立在成本优势之上，如果没成功当然不好，若是做成了，把AI公司的正现金流再往后打几年，就很损人不利己了。 喜欢在OpenRouter上投一波免费使用换调用量的都是国产模型，就为出口转内销的宣传，凭什么国产模型就该这么低贱呢？ 就该像Seedance 2.0这样，在一个赛道做到断档第一，然后该涨价就涨，爱用不用⋯⋯事实上该用的都会边抱怨边充钱，跟程序员用Claude Code一样。 也不要一个帽子扣过来说我跟资本家共情——「唉，都怪资本」——Token变贵，其实真正利好的是低端工种，只要老板细算下来发现Token开销高出你的工资，你的岗位就不会轻易丢掉。 就让AI先把高净值行业杀个血流满地吧，在一个月一个版本的动荡面前，那句段子其实是对的：只要我不学，就根本不会错过什么。

朱镕基的国企改革，让几千万国企工人下岗，这些人开始出来哭自己当初被朱镕基整的多惨了， 国企工人，真的 惨吗？ 当年的国企工人，地位堪比今天的 军公教，国家负责全家 吃喝拉撒上学住房看病养老， 后来社保制度建立后，这些工人都拿到了一个月至少几千块的养老金， 如今东北老人，哪个不是拿着养老金在海南广东广西到处 偷豆角，偷芒果，偷香蕉。 可以说，除了当年的下岗潮，其他时候国家并没有亏待过这些人，全是优待。 你哭你妈呢？ 反观 当初占了中国 70% 以上的中国七八亿农民，过的是什么日子？ 也就是欺负农村人不会上网更不会翻墙来抱怨而已。 你东北老铁，还能骑自行车带着自己老婆去卖淫就不错了，起码你还有自行车，还能卖淫，不是， 当时的农村人，哪来的自行车？卖淫都没地方卖。 至今仍然存在的城乡二元 户口制度，当年把农民死死的困在农村种地，人为压低粮食价格，搞粮食统销统筹，再人为拔高工业品价格，搞工农业剪刀差， 再加三提五统，造成了一个非常奇怪的现象，农村种地越多粮食收成越多居然会导致农民越穷…… 户口制度，工农业剪刀差，三提五统，粮食统购销统筹， 四重剥削制度，无底线吸血剥削农民，用来供养城市户口的人。 现在的人根本理解不了 什么是 三提五统和私征杂税， 在1998年，如果你是一个农民，你需要缴纳 公积金（集体的公共积累资金），公益金，管理费， 这个叫三提， 还要缴纳 农村教育附加费，计划生育费，优抚费，民兵训练费，修建乡村道路等民办公助事业费， 这个叫 五统。 所以那时候交公粮 叫 交 提留，而不是交农业税，你以为农民交的只有农业税吗？ 那时候三提五统占了农民总负担的 47%，也就是说农民的收入 一半都要交上去，到农业税取消的最后一刻，依然占了接近三分之一。 种地种出来 1000 斤粮食，近乎一半都被剥削走了！ 在我小时候，大约1995~2010年，农村每年至少三个月到半年没电用，因为当时电不够用，要停掉农村人的电优先保障城市人， 更远的事，那三年时期，四川作为天府之国 粮食大省，是不会发生饥荒的，但为了保障上海北京的城市人吃饭，四川省委书记李井泉被迫下令调往大量粮食去北京上海，导致大量四川农村人饿死，李井泉被四川人骂了很多年。 农村人种出来的粮食，最后给了不种地的城市人吃，自己却饿死了， 只因为你是农村人命贱，不如北京上海的城市人命贵。 东北工人老铁有几个下岗自杀的就上各种新闻拍各种电影电视剧来煽情当年大下岗多惨， 可你是否知道，那时候的农村，自杀率一直居高不下？常年累月的农村妇女老人各种自杀。 你说这些是历史的工作失误，历史的不得已，呵呵， 你城里爷爷一失误，我农村爷爷就饿死嘛。 工业发展总要有人要牺牲的，只能牺牲农民了，反正总能讲出一大堆道理，谁让农村人命贱呢。 总要有人牺牲，为何总是农民牺牲？总要有人付出代价，怎么总是农民付出代价？ 后来工业发展起来了，国家有钱了，是不是该补偿一点？ 2000 年后国家社保制度逐步建立，无论你是军公教还是工人农民，大家之前都没交过社保，但城里工人，视同缴纳，立马加上几十年工龄，一个月拿几千上万的养老金美滋滋养老， 那么给农村人补偿什么了？ 嗯，补偿了一个人一年一百多块的养老金，是一个人，一年，一百多块。 我曾在知乎上看到过一个问题： 为什么会有人不在中国做一等公民，要跑去外国外做二等公民？ 最火的一个回答是： 题主告诉我，谁是一等公民，怎么在中国做一等公民？

共享老公22年，与老公原配亲如姐妹，最丑港姐陈妙瑛如今却是亿万总裁！ 大家对“最美港姐”的话题常常争论不休，但说到“最丑港姐”，很多人都会想到陈妙瑛。陈妙瑛是TVB知名女演员，后来转行经商，因此逐渐淡出演艺圈。 1972年出生于香港的陈妙瑛，21岁时参加香港小姐竞选，最终进入前五名，并获得“最美丽相中人”大奖。之后签约香港无线电视，成为TVB旗下艺人。 许多人评价她是“最丑港姐”，但实际上，她属于耐看型的高级脸，加上身材出众，除了外表之外，演戏也很有天赋。 当时的陈妙瑛凭借港姐身份，加上TVB力捧，成为当红花旦之一。出演《西游记》中的白骨精后，“白骨精”也成为她最令人印象深刻的角色之一，为她在香港影视圈奠定了稳固的地位。 资源一直很好，却突然息影 在参加港姐竞选之前，陈妙瑛就有一位男友——陈耀兴。据称，他被认为是《古惑仔》中“陈浩南”角色的原型人物之一。后来陈耀兴遭枪杀身亡。此后，陈妙瑛出演了一部纪念陈耀兴的电影，在片中饰演其女友，也由此正式进入TVB发展。 1998年，她主演电视剧《花木兰》，成功塑造了刚毅勇敢的花木兰形象，深受观众喜爱。 1999年，她又与欧阳震华合作主演《洗冤录》，饰演女捕快聂风。 直到2002年，她主演《无头东宫》后，便正式息影。 遇到贵人，成功逆转 陈妙瑛在演艺圈一直十分敬业，有人说她并非天赋型演员，而是靠勤奋打拼，甚至曾一年拍摄120集电视剧。 就在事业发展顺利之时，她却毅然放弃演员身份，转而投身商界。 改变她人生轨迹的人，是玩具业富商蔡志明。 蔡志明白手起家，仅用五年便成为知名企业家。陈妙瑛在与他的接触过程中，学习了不少商业知识，也逐渐走上创业道路。 生意风生水起，成了亿万富婆 陈妙瑛能够在商界取得成功，除了蔡志明给予帮助之外，她本人也十分努力。 她曾赴美国加州哈姆斯顿大学进修，并于2006年取得博士学位。 随后，她创办健康产品品牌，公司连续三年获得国际超级品牌荣誉。后来，她选择出售公司，据称获利六千多万元。 之后，她又进军餐饮行业，在香港深水埗、大围等地陆续开设四家餐厅，经营状况良好。 不仅与蔡志明关系密切，还与原配成为好友 陈妙瑛与蔡志明在一家酒吧相识，两人年龄相差25岁。 随着相处时间增加，两人越来越投缘，经常交流商业心得，关系也逐渐变得亲密。 不过，当时蔡志明已经结婚，并育有一子三女。 尽管如此，陈妙瑛仍经常前往蔡家做客，甚至留宿。 蔡志明的妻子李惠莉早已为何家育有四名子女。令人意外的是，陈妙瑛的出现并未引发外界想象中的家庭冲突，相反，她与李惠莉相处融洽，甚至成为好友。 在不少商业活动中，蔡志明、李惠莉和陈妙瑛三人经常一同出席。李惠莉创办幼儿园开业时，也曾邀请陈妙瑛参加。 因此，不少人认为陈妙瑛是蔡志明的“二房”，但事实上，两人始终没有正式结婚。 坊间还流传，陈妙瑛曾向李惠莉承诺不会为蔡志明生育子女，因此双方关系一直保持和谐，她与蔡家的子女相处也不错。 如今仍然单身 陈妙瑛一直没有结婚，也没有生育子女。 有人认为，这是她介入他人感情所付出的代价；也有人认为，每个人都有自己的选择。 至于她与李惠莉之间特殊的相处模式，也一直让外界议论纷纷。 陈妙瑛的人生经历颇具传奇色彩。 她从演员成功转型商人，在毫无商业经验的情况下创业成功，展现了勇气和坚持。 至于她的感情生活，外界始终无法了解全部真相，也难以简单评价。 或许，人们看到的是她事业成功、生活光鲜的一面，而背后付出的努力和坚持，同样值得关注。 在人生道路上，有舍才有得，今天的选择，也终将塑造未来的人生。

陈思诚给天下男人上了一课：47岁可以花心可以贪心，但千万要收心！ 2026年5月的五一档，陈思诚新片《10间敢死队》如期上映。这部制作成本约4000万的影片，最终票房远不及预期，有报道称其总票房不足5000万，预计难以回本。 陈思诚在路演现场坦言，影片日均票房在一千多万徘徊，这个收入可能连影院的房租水电都难以覆盖。这位手握百亿票房纪录的导演，第一次在春天里栽了个像样的跟头。 可比起这部电影的冷清，更让外界琢磨不透的，是他在私人生活里那份“迟到许久的清醒”。 陈思诚，1978年2月22日生于辽宁省沈阳市，如今已步入48岁的门槛。他从小就是学校的文艺骨干，初中时曾在沈阳市的中学生卡拉OK比赛获奖，也曾担任辽宁电视台少儿节目主持人。这样的起点，注定他的青春要比同龄人喧嚣得多。 后来，他考入中央戏剧学院。2001年凭借电影《法官妈妈》获得华表奖最佳新人奖，并获得百花奖最佳男演员提名。2006年，又因《士兵突击》中的“成才”一角被全国观众熟知。 真正让陈思诚翻身的，是2010年自编自导自演的电视剧《北京爱情故事》。随后电影版票房突破4亿元，也让他顺利完成从演员到导演的转型。 2015年，《唐人街探案》上映，拿下8.22亿元票房；2018年，《唐人街探案2》票房33.97亿元；2021年的《唐人街探案3》更是达到45.23亿元。从小明星成长为百亿导演，陈思诚一路顺风顺水。 然而，事业越成功，感情生活却越显复杂。早年拍戏期间，他就与多位女演员传出绯闻，“多情”二字似乎始终伴随着他。 2014年，陈思诚与佟丽娅步入婚姻，两人婚后育有一子朵朵。这段婚姻起初被很多人视作娱乐圈的童话爱情。 直到2017年，卓伟曝光陈思诚深夜与两名女子同住酒店，舆论瞬间爆发。此后几年，类似传闻不断出现，两人的婚姻裂痕也越来越明显。 2021年5月20日，两人正式宣布离婚。声明中没有互相指责，只有“换种身份守护”和“人间值得，未来可期”，给这段婚姻留下了最后的体面。 离婚三个多月后，陈思诚与小21岁的演员阮巨恋情曝光。年轻漂亮的阮巨毕业于中央戏剧学院，也曾参演《青簪行》《君子盟》等影视作品。 为了这段感情，她推掉了不少影视和商务工作，自2024年10月开始，社交平台也停止更新，逐渐淡出了公众视野。 2026年春节，陈思诚带着儿子朵朵前往三亚度假，阮巨则留在北京照顾陈思诚母亲；而佟丽娅也陪着儿子一起过年。三个人的位置虽然错开，却把彼此之间的边界处理得十分清楚。 事业方面，陈思诚依旧保持着极强的竞争力。《消失的她》《三大队》《误杀3》等作品持续取得不错成绩。2025年，他执导作品累计票房突破152亿元，一度成为中国影史票房最高导演，并凭借《唐探1900》获得金鸡奖最佳导演。 虽然纪录随后被《哪吒》系列导演饺子超越，但他的行业影响力依然不容忽视，并担任北京国际电影节项目创投终审评委会主席。 相比事业，家庭变化反而更加耐人寻味。离婚后的佟丽娅，事业迎来新的高峰，不仅参与企业投资，还担任舞蹈诗剧《在远方·在这里》的总策划、出品人和主演，开启全国巡演。 对于儿子朵朵，两人始终保持着高度默契。每周固定沟通孩子的学习、生活情况，就连换了几颗牙都会记录下来。2026年儿子十岁生日时，两人还共同陪伴孩子庆祝。 此外，自2012年公开恋情以来，陈思诚几乎每年都会为佟丽娅送上生日祝福。离婚之后，这份祝福依旧没有中断，只是称呼从“老婆”变成了“朵朵妈”。 陈思诚这一课，其实摆得很直白。四十多岁的男人，事业能够走多高，靠的是能力和机遇；而感情能够走多远，靠的却是自律和边界感。 可以年轻时花心，也可以中年时贪心，但如果不能在关键时刻学会收心，最终失去的，很可能就是那个陪自己走过最艰难岁月的人。 标题里最扎心的三个字，就是“要收心”。 收得早，家还在；收得晚，留下的或许只有一年一度的生日祝福。 事业可以重新攀登，婚姻却很难回到最初。