doi实录 发现很多宝宝喜欢听我们叽里咕噜说话所以加了字幕，坏兔坏狗发力中～现生忙很久没更新，送上4min视频补偿～此狗真的很会拿捏兔所以非常游刃有余的样子…坏，但又会亲亲摸摸牵手手哄我（虽然也没停！当天晚上其实喷了20次不止…爽 完整版已更主页置顶tg 情侣日常｜对话｜潮吹｜女性向｜年上

黄仁勋昨天在卡内基梅隆毕业典礼的演讲完整版（中文字幕），要点我给你速通一下 1. 老婆是学姐，实验室搭档 2. 我经历了每一个计算平台变革：大型机、个人电脑、互联网、移动设备和云，但AI比他们都更大 3. 我们不能恐惧AI，要拥抱它 4. AI让每个人都是程序员 5. AI基建是人类历史上规模最大的基建 6. 电工、水管工、钢铁工人、技术员、建筑工人，这是属于你们的时代 7. AI要实现电网现代化、扩大发电能力、加速可持续 8. AI不会取代你，但比你更擅长使用AI的人可能会 9. 没有哪一代人像你们一样，携带着强大工具踏入世界，我们都站在同一起跑线上了

我找来了采访 @saylor 的完整视频加上了中文字幕，Michael 讲述为什么说会选择卖出 $BTC 。 这事还是要从 $STRC 说起，STRC 是 $MSTR 现在最核心的融资工具之一，本质上是一个永续优先股。当前年化股息率是 11.5%，每股每月派 0.9583 美元，目标是让 STRC 尽量围绕 100 美元面值波动。 截至 2026年5月3日，MSTR 今年已经通过 STRC 融资 55.8 亿美元，STRC 在 9 个月内规模做到 85 亿美元，公司今年总融资额是 116.8 亿美元，BTC 持仓达到 818,334 枚，年初至今增长 22%。 假设一年股息和利息压力是 15 亿美元，如果 BTC 按 80,000 美元计算，全部靠卖 BTC 支付，大约需要卖： 15 亿 ÷ 80,000 = 18,750 枚 BTC 18,750 枚 BTC 占 Strategy 当前 818,334 枚 BTC 的比例是 18,750 ÷ 818,334 = 2.29% 也就是说，即便完全用卖 BTC 来覆盖 15 亿美元现金支出，卖出的也只是总持仓的 2.3% 左右。 但另一边 MSTR 到今年到 5月3日 为止，BTC 持仓已经增长了 22%。按 818,334 枚倒推，年初大约是 67.1 万枚 BTC，也就是年内净增加了大约 14.7 万枚 BTC。 这就意味着 Michael 说的如果卖出 1.8 万枚 BTC，但全年买入 15 万枚 BTC，那 MSTR 仍然是净买家，不是净卖家。 说人话就是 如果 MSTR 为了支付 STRC 股息卖出 1 万枚 BTC，但同一年通过 STRC、MSTR、其他优先股融资买入 10 万枚 BTC，那它不是在减持 BTC，而是在净增持 9 万枚 BTC。 所以总的来说，Michael 的思路是每卖 1 枚 BTC，能买回更多 BTC 作为回报。

“你给他舔鸡巴了嘛？舔了！” “有没有穿丝袜给他看，没有！”淫荡女友刚从炮房回来，绿帽男一边问着，一边操着听女友讲述出轨经历问：你闺蜜没一起做吗？她就在旁边看着，她不好看人家没看上！细节问的特仔细，想象着女友被狠操的画面，操得更狠了，全程字幕精彩对白 完整版20分钟在推主页置顶电报群

“你给他舔鸡巴了嘛？舔了！” “有没有穿丝袜给他看，没有！”淫荡女友刚从炮房回来，绿帽男一边问着，一边操着听女友讲述出轨经历问：你闺蜜没一起做吗？她就在旁边看着，她不好看人家没看上！细节问的特仔细，想象着女友被狠操的画面，操得更狠了，全程字幕精彩对白！ 完整版20分钟在推主页置顶电报群

这几天的 #Web3# 市场，真的可以用血流成河来形容。行情持续走弱，情绪被一层层击穿，几乎每天都在上演大规模合约爆仓。 从数据看也很直观——加密市场的恐慌与贪婪指数已经跌到 13，妥妥的极度恐慌区间。 也正是在这种时候，反而更需要慢下来，换个角度看看 Web3。最近我把 @Bybit_Official CEO @benbybit Ben 那场关于金融未来的演讲完整看了一遍。虽然是全英文，我借助了翻译字幕，细节不算完美，但整体看完之后，思路反而更清晰了。 他聊的不是行情，也不是短期涨跌，而是金融接下来会演化成什么样。核心观点很简单：未来的金融会越来越像软件，是可编程的。资金不再只是被动流动，而是能根据个人需求、风险偏好和具体场景自动运作，更智能，也更高效。 放在当下的环境里看，这个判断其实非常现实。传统金融效率低、门槛高，大量资源长期处在错配状态；而 Web3 这几年，本质上一直在做同一件事——重新连接人和价值。Ben 提到的下一个时代，并不是技术炫耀，而是让金融回归本质，让价值更顺畅地流向真正需要它的地方。 这场演讲给我最大的感受是：Crypto 不只是一个反复轮动的市场周期，更像是一场正在发生的金融系统升级。 如果你关注加密、Web3，或者只是想知道金融会往哪里走，这个回放真的值得抽时间看看。 直播回放： #Bybit# #金融未来# #Web3# #加密货币# @Bybit_Official

Codex 不只是写代码，它还帮我修好了几集声画不同步的电视剧！ 晚上看最近的韩剧《新进职员姜会长》结果发现最新的5-8集声画不同步啊 如果是以前，我大概率就两个选择： 1. 忍着看； 2. 换片源。 最多再折腾一点，就是打开剪映，把音频分离出来，整体往前拖个 2-3 秒 但这次我突然想到：能不能直接让 Codex 来排查这个问题？结果codex折腾了差不多 1 小时，还真修好了。 这件事有意思的地方，不是“AI 会写一条 ffmpeg 命令”。 而是 Codex 处理问题的方式很像一个临时技术助理。 它没有一上来就让修整集。而是先让我做测试： 1. 先切几个 10 秒左右的小片段； 2. 每个片段生成多个版本； 3. 比如声音提前 2 秒、2.5 秒、3 秒、3.5 秒； 4. 我人工看嘴型，告诉它哪个版本最接近； 5. 它再根据我的反馈继续调整。 一开始我以为问题很简单：声音整体晚了几秒，把音频往前挪一下就行。 但 Codex 后面让我在不同时间点都测了一遍。比如前面、中间、后面各切一段。结果发现一个关键问题： 前面的片段，可能提前 2.5 秒就对了。但到了中间，可能要提前 5 秒。再到后面，可能要提前更多。 这就说明它不是普通的“固定延迟”。 不是整集声音都晚 3 秒。 而是：声音和画面的时间轴在慢慢漂移，越到后面偏差越大。 所以如果我用剪映把音频整体往前拖 3 秒，只能让某一个位置对上。 前面可能对了，中间又不准；中间对了，后面又不准。 最后 Codex 根据这些测试结果判断：问题不是音频位置错了，而是音频速度略慢。 然后它给出方案：不要简单平移音频，而是把音频做非常轻微的加速。 修完之后，这几集的声画同步基本正常了。 我觉得这个案例挺能说明 AI 工具现在的价值。 很多人一说 Codex，就只想到： - 写代码 - 改 bug - 做网站 - 跑项目 但其实它在日常生活里也能用。 尤其是这种问题： - 你知道哪里不对； - 但你不知道专业上该怎么判断； - 你也不想为了一个小问题系统学习一套工具； - 但你愿意配合它做几轮测试和反馈。 这时候 AI 编程工具就很有用了。 它可以帮你把一个模糊的问题拆成具体流程： 1. 先不要急着修； 2. 先设计测试样片； 3. 让人眼判断哪个版本更自然； 4. 再根据反馈判断问题类型； 5. 最后生成可执行命令； 6. 修完再验证。 这比“给我一条命令”有价值多了。 因为真正难的不是命令。 真正难的是：怎么判断问题到底是什么。 这件事放在以前，我肯定不会花时间搞。 为了自己看几集视频，研究声画同步、时间轴漂移、音频速度，性价比太低了。 这种活更像字幕组、压制组、后期人员会做的事情。 他们修一次，可能几十万人看。 普通人自己修，确实不划算。 但现在有了 Codex 之后，这种门槛突然低了很多。 你不需要一开始就懂 ffmpeg。 你只要能描述问题，能看样片，能给反馈，它就能带着你一步步排查。 所以我现在越来越觉得： AI 工具的价值，不只是替你完成一个专业任务。 更重要的是，它能把很多“本来不值得学、不值得折腾”的小专业问题，临时变成一个普通人也能完成的流程。 这可能才是 AI 编程工具在日常生活里的真实价值。

说下李笑来的新书《The Half Second》 终于看完了！ 我觉得这对于每一个希望进步，希望做好投资，学好英语，处理好家庭关系的人来讲，都是可以参考的，一个至关重要的操作系统。 英文好的可以直接看原本，英文不好可以给你们的 AI 辅助阅读，一定会有很大收获！ 实际上人真正的自我，不是你想清楚以后说自己是谁，而是事情发生后半秒钟内，你身体自动做出的第一反应是什么。 比如伴侣语气不好，你第一反应是反击还是看着对方？孩子打翻牛奶，你第一反应是皱眉还是放松？投资的标的突然下跌，你第一反应是理性分析是否应该止损，还是逃避撞死？ 这就是“理性完全启动前，身体已经开始反应的窗口”。 笑来老师给了我们一个很恐怖的结论：这个窗口，半秒钟，就是人的真实操作系统。 大部分时候，我们以为自己活在理性里，其实大部分时候活在预装反应里。我们被我们的预装反应，给劫持了，但是却不自知。 所以我们为什么靠意志力很难对抗自己的缺点，因为意志力来得晚了半秒，神经已经指导身体把事情给做了。 意志力属于清醒意识，清醒意识要思考、评估、判断；但坏习惯的第一反应已经先动了。 等你意识到我不该这样时，手已经摸向手机、嘴已经准备反击、交易按钮已经快按下去了。 所以这本书讲的就是追根溯源的告诉我们：这些第一反应是怎么被安装进去的， 当然，只给事实不给解决方案就是刷流氓，所以笑来老师，给了一个方法，让我们可以去重新编辑它们，更好的服务于我们。 也就是最核心的再聊一个技能叫：self talk 1️⃣ self talk 有一整套操作系统的， 书里提出一个工作模型，叫 frequency counter，可以理解成“大脑的熟悉度计数器”。 它的逻辑很简单：大脑的快速系统不总是判断真假，它经常只判断熟不熟。 所以笑来老师提到，既然大脑可以这样玩，那么可以通过自己的声音重新安装反应，也就是他一直提到的，可以劫持自己的大脑！ 这就是 self talk 的真正位置。去把一个本来一直被外界使用的机制，夺回来自己用。 2️⃣改变是改身份枢纽； 改变不是改行为，而是改身份枢纽，这也是书的核心，告诉你为什么，再告诉你怎么做。 self talk 并不是让你不停对自己说积极的话，但是身体不知道如何行动，搞所谓的精神胜利法那一套， 他是告诉我们第一反应有结构。一个第一反应通常包括三个东西：身份、情境、动作。 比如笑来老师提到的他抽烟这件事： 身份：我是抽烟的人。 情境：饭后、写作间隙、焦虑时、朋友递烟时。 动作：点一根。 如果你只改动作，就会很累。因为你要在无数个情境里分别抵抗：饭后不能抽、写作不能抽、压力大不能抽、朋友递烟不能抽。情境太多，你挡不住。 但如果你改身份，比如你告诉自己：Iam a preson who never smokes，这个身份一旦装进去，它会影响很多情境下的动作。书里称 identity 是 hub，也就是枢纽。编辑身份，比一个一个对抗行为更有效。 3️⃣有效咒语的核心是 Action，不是 Mood 所以你需要给自己设置脚本，笑来老师提到ARISE。 它包括五个维度： A：Action，动作。 R：Reason，理由。 I：Identity，身份。 S：Situation，情境。 E：Emotion，情绪/感受内容。 所以脚本的核心是 Action：必须是身体能执行、外人能观察、半秒内能启动的动作； 这就是为什么： 我很冷静不如我深呼吸三次再回答。 我不焦虑不如账单来了，我 60 秒内打开它。 我不冲动交易不如价格波动时，我完整一天不操作。 我要更爱孩子不如孩子说话时，我看着他的眼睛再回答。 所以你看，核心是不要给大脑下达状态命令，要给身体下达明确动作命令。 基于此 “我不焦虑”“我保持冷静”这种是愿望，不是动作，我们要给自己设置动作，而不是愿望。 比如学英语，真正关键不是每天 talk to myself “多背单词”，而是让英语进入你的自我对话系统，告诉大脑你是帅哥什么样的人，给自己安装一个能骗过自己神经的小系统。 可以和自己对话： I am a person who thinks in English because it is essential to my life, and I would be very happy to learn English well! When I talk to myself, I say the next sentence in English. My own voice makes English familiar. 4️⃣大声说出来！ 最关键是笑来老师的意思，是你必须说出来，而不是在心里想，你需要调动你的肌肉，大声说出这些话，是把“我要改变”从观念层，降落到身体层。 这本书的核心机制叫 frequency counter，可以理解为“大脑的熟悉度计数器”。 它不总是判断真假，而是判断熟不熟。重复越多，越熟悉；越熟悉，越容易在半秒钟里自动冒出来。 大声说的作用，就是让每一次重复更“重”。 心里想一次，可能只是轻轻划过。 说出来一次，是语义、动作、声音、听觉、身份一起叠加。 它更像一次高质量计数。 就像你刷短视频，为什么画面、声音、音乐、字幕一起上更容易洗脑？因为它不是单通道刺激，而是多通道刺激。 self talk 大声说出来，就是你主动用多通道刺激，反过来洗自己。

🎙️ macOS 上的语音转文字外挂，全程离线，音频一个字节都不出电脑 刚开源不久就拿了 1.5K stars 做播客、开会录音、看视频想扒字幕，以前的流程是传到某个在线转录服务，等它处理，然后担心录音里的商业信息会不会被拿去训练模型。 yap 直接调用 macOS 26 自带的 Speech.framework 在本地跑，音视频文件扔进去就出文字，TXT、SRT、WebVTT、JSON 四种格式随便挑，JSON 还带词级时间戳，剪辑对轴特别方便。 更狠的是它能实时转写：系统音频和麦克风可以同时抓，还能分别给说话人打标签，等于开会时自动生成带角色的逐字稿。 它内置了 MCP 服务器，可以直接挂给 Claude Code 或者别的 Agent 当转录工具用。 软件以前是给人用的，现在是给 Agent 用的。 GitHub：

打字久了手累，想用语音输入，又担心联网把内容传到云端，隐私上不放心。 CapsWriter-Offline 是个能离线运行的语音输入开源工具，5800 多 Star，识别都在本地跑。 按住 CapsLock 说话，松开就自动上屏，延迟很低，几乎想到就说、说完就有。 GitHub： 还能把音视频文件拖进去直接转成字幕，配上热词替换和 LLM 润色，识别更顺手。 适合 Windows 上常做记录、又看重隐私的朋友，免安装，U 盘带着走。