知道在我屁屁下面鋪毛巾 就知道是個可敬的對手 一定是經驗豐富才知道 尤其像我會一直流水出來🤪 根本超貼貼 #但持久度又是另外一個故事了😅# #想報名男主角都來私訊我# #你想到的想不到的色色# #全部都在米粉圈# #私訊才有機會不要在潛水了# #再啦# IG生活4.0

看了会 DeepSeek Harness，说下个人感受。 整体感受，dsh 更像一份「harness 该怎么写」的参考实现，不太像一个要抢 Claude Code 用户的产品。体验上目前还有点粗糙，架构上比较“激进”。 1\ 上手只要 npx @deepseek-ai/dsh@latest web，它还会自动从环境变量里找 DEEPSEEK_API_KEY 填上，对我来说一行命令直接用上。但对非前端程序员，npx 仍是门槛。刚在 x 上看到有人基于它封了 electron 客户端，这类缺口大概会由社区补齐，官方看起来没打算自己做。 2\ 默认上 web 而不是 TUI，这个切入点很聪明。翻源码还看到一个细节，仓库里有过一版 TUI，写完又删了，只留 Web。TUI 对小白用户确实有门槛（这也是大家这么喜欢用 codex 的原因之一），dsh 把这条路线整个砍掉，是主动决策，还是时间上不够呢？ 3\ 内核就一套插件体系（Cordis），所有功能都是插件，agent loop 本身也是。最早做 umi 时做过类似的事，webpack、vite 也是这个思路，但 dsh 插得更彻底。举两个例子。它有一组别家都没有的 cordis_* 工具，模型可以在运行期给自己装卸 harness 插件。e2b 扩展只替换 ctx.fs 和 ctx.subprocess 这两个 hook，整个执行环境就搬进了 E2B 沙箱，bash、terminal、lsp 零改动跟着走，连「在哪里执行」都是插件。代价也在这，插件权限大到能改内核，上午一位老程序员提醒我说，这可能很容易被改坏。 另外，dsh 用 MIT 协议但明确拒收外部 PR，想参与只能去 Discussions 或者自己写插件。核心封闭开发，生态全走外部 npm 包（`dsh plugin add` 就是 pnpm 转发）。插件体系最坏的场景是没人为他写插件，但以 DeepSeek 的体量，应该不缺。dshhub[.]org 上看了眼，已经 700+ 了。 4\ 「轨迹」功能让我眼前一亮，开发者能看清每个细节，观感有点像蚂蚁同事开发的 weiesky/cc-viewer。往下翻一层，这个功能是事件溯源架构的副产品。每个流式 delta、每次审批（asked/decided 成对）都是持久化事件，可以 replay，轨迹 UI 只是把它们画了出来。配套还有一组 `session_*` 工具，模型自己能把历史会话当数据库查，也是个其他 code agent 都没有的点。 5\ 让 AI 统计了下。65 天，12,293 个 commit，平均一天 190 个，7 月单月 8,273 个，7 月 30 日那天 887 个。37 位贡献者，Tianyi Cui 一个人占 43%。分支名能体现出部分开发方式。`worktree/` 开头的 210 个，`codex/` 开头的 203 个，另有 `agent/` 15 个、`claude/` 3 个。代码在 git worktree 里由 agent 并行产出，人负责 review 和 merge。 6\ 要做到这个提交量需要严格的门禁。测试代码 26.8 万行，比源码（22.8 万行）还多 4 万行，CI 里挂着 per-file 100% 覆盖检查。敢让 agent 一天产出 190 个 commit，人为 review 的话肯定是 review 不过来的。 7\ AGENTS.md 也类似，有个叫 verify-doc-budgets 的脚本管着他，根文件上限 1600 词，只能往下调不能往上加。 几个值得一看的规则。1）「Non-trivial changes MUST include an Agent Note in the same PR」，agent 参与开发设计的决策要留痕，2）「Trust TypeScript at typed same-process boundaries」，不用到处 validate，信任静态类型，可以少很多冗余代码和测试，3）「Tests describe behavior, not correctness. Change obsolete behavior with its tests; explain why in the PR.」让 ai 在测试挂了时也敢改，在 PR 里解释原因即可，4）「Never default to the full suite or repeat a passing check」，禁止无脑跑全量，可以让 ai coding 提速。 8\ 接着跑了一份 dsh + qodercli + claude code + opencode + pi + grok build + kimi code + codex 的源码级功能横评，具体的分数表就不贴了。 dsh 虽然总分低一些，但「扩展性」和「多 agent 编排」都是 5 分满分(和 Codex/Grok 并列最高)，在「交互体验」、「企业能力」和「成熟度」上目前还弱一些。 dsh 的 subagent 有 6 个 provider，subagent-claude-code、subagent-codex、subagent-acp 等。所以干活的不必是 dsh 自己，任何能跑任务的 agent 都可以被接进来当手下。

性爱小技巧：（女上位） 女上位是女生主动掌控节奏的姿势，男生平躺着，双腿自然伸直或者微微分开，女生跨坐在他的腰部，膝盖跪在床面上面对着他。女生可以把双脚踩在床单上或者放在男生大腿两侧，这样能让她更好地借力上下或者前后移动。男生双手可以自然放在她的腰上或者大腿外侧，随时帮忙支撑或者调整角度。女生双手可以撑在男生的胸口、肩膀或者床头，这样既能保持平衡，又能控制身体的倾斜程度。枕头可以垫在男生头下，让他更容易抬起头来亲吻或者低语。 温柔缠绵的时候，女生可以把身体微微前倾，让胸口贴近男生，同时用骨盆缓慢前后摇摆或者做小幅度的圆周运动。男生双手轻轻扶着她的腰，帮助她保持稳定的节奏，而不是用力拉扯。女生可以把一只手放在他的胸口感受心跳，另一只手捧着他的脸或者脖子，慢慢低头亲吻。亲吻时两人脸贴得很近，可以用嘴唇轻轻触碰和吮吸，舌头温柔交缠，同时保持眼神交流。男生可以把嘴巴移到她耳边，低声说一些温柔的话，比如「你这样动好舒服」「慢慢来，我喜欢看你这样」，或者描述她现在的感觉。女生可以把身体往前倾一点，让阴蒂更容易摩擦到他的耻骨，增加持续的刺激。动作要保持缓慢而有节奏，每一次前后摇摆都尽量让两人身体贴合得更紧，男生可以配合着微微向上顶一下，但力度要轻，避免打断她的主导感。整个过程重点是双方呼吸的同步和亲密的贴合，女生可以偶尔停下来只是前后磨蹭，男生则把脸埋在她脖子或耳边，轻轻喘息和低语，让温暖的气息传递过去。 激烈一点的时候，女生可以把双膝跪得更稳，双脚用力踩在床面上，身体开始上下套弄或者前后快速摇摆。男生双手可以抓住她的腰或者臀部，帮助她上下移动，同时用手臂力量把她往下按得更深。女生双手可以撑在男生胸口或者抓住他的肩膀，身体前后倾斜来调整角度，让进入更深或者刺激到不同位置。亲吻会更用力，男生可以突然坐起来或者把她拉低，用牙齿轻咬她的下唇再用舌头安抚，嘴巴也可以移到她耳边，用更低沉的声音说一些直接的话，比如「再快一点」「你好紧」，或者问她「这样行吗」。节奏可以从缓慢开始逐渐加快，女生可以自己控制速度和幅度，男生则配合着向上顶或者用手拍打她的臀部增加刺激。现实中很多人喜欢在这个姿势里加入手部互动，男生可以把一只手伸到两人之间，用手指揉她的阴蒂，或者女生自己用手去触碰他的身体。整个过程要随时沟通，女生可以直接说「这里好舒服」「再深一点」，男生也可以问「要不要我帮忙用力」，这样双方都能更好地享受快感，避免因为疲劳或者角度不对而影响体验。 这个姿势最大的优点是女生能完全掌控深度和节奏，也很容易保持亲吻和耳语。刚开始练习的时候建议女生先从缓慢前后摇摆开始，找到最舒服的角度后再加快速度。男生要注意不要一直用力顶，要配合女生的动作，避免让她太累。记得多用双手支撑和调整姿势，女生如果膝盖酸了可以把一只脚踩在床面上换个姿势休息一下。随时沟通角度和力度，才能让双方都舒服持久。

🔥 早泄，才是伪娘真正的极致恩赐 🔥 很多伪娘一开始还害怕“早泄”，觉得这是耻辱。 但真正懂行的姐妹都知道——早泄不是缺陷，而是伪娘最色情、最敏感、最下贱的顶级体质！ 在我的课程里，“早泄速射训练”正是最受欢迎的项目之一。因为一旦你把射精时间练到10秒以内，甚至几秒就喷，你会发现这才是伪娘觉醒的正确打开方式。 早泄对伪娘到底有哪些变态好处？ 极致敏感，像真正的婊子一样一碰就射 你的身体会变得超级敏感，轻轻被顶到、被撸几下、甚至只是看着别人硬了，就能瞬间失控喷射。这种“秒射体质”会让你随时随地都能进入高潮状态，彻底告别普通男人那漫长的无聊前戏。 连续多次射精，越射越空虚，越空虚越想被操 早泄的伪娘恢复极快，射完没几分钟又能硬起来。一晚上能被连续操射好几次，每次都爽得腿软、脑空、哭着求饶。这种多射体质，才是真正淫荡伪娘的标志。 插射快感翻倍 当前列腺被开发后，早泄体质会让你不用手、只被插入就能迅速高潮。那根东西刚顶到敏感点，你就忍不住喷了……这种被彻底征服、被操到瞬间投降的感觉，会让你爽到灵魂颤抖。 更强烈的耻辱快感与雌堕体验 想象一下：刚被插入没几秒你就当着主人的面射出来，主人笑着说“你怎么这么没用，像个母狗一样”。那种极致的羞耻感和被羞辱的快感，会直接把你推向更深的堕落深渊。你会越来越享受这种“没用”“下贱”“随时能被操射”的身份。 训练后依然敏感，但可控 课程里的早泄恢复训练，能让你在保持极致敏感度的同时，学会在需要时稍微延长一点时间。但本质上，你依然是那个一碰就喷的敏感伪娘——这才是最完美的状态。 真正的伪娘，从来不是持久战。 而是越快射、越敏感、越容易高潮、越容易失控，才越迷人、越下贱、越让人想欺负。 当你彻底接受并爱上自己的早泄体质后，你会发现： 普通男人追求的“持久”对你来说已经毫无意义。 你只想被快速操射、被反复操射、被操到喷光所有、被操到彻底变成只会高潮的肉玩具。 早泄，才是伪娘通往极致快感的捷径。 它不是缺点，而是上天赐给你最淫荡的礼物。 准备好在课程里，把自己训练成10秒速射小骚货了吗？ 你的身体，已经在偷偷期待那一瞬间的失控喷射了～

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#

宝子们有没有感觉现在圈内很多项目都在跟风追逐各种短期叙事热点，但@quipnetwork的发展方向完全不一样，始终踏踏实实在做底层基建。 量子计算是未来的技术趋势，随之而来的资产安全风险，不能等问题出现了再补救。 Quip 很早就布局了抗量子安全体系，兼容市面上现有的钱包，不用改变用户原本的使用习惯，就能为链上资产提供长效安全防护。 和很多浪费算力、空跑消耗的项目不同，Quip 采用实用工作量证明机制。所有算力都用于解决真实的实际问题，比如供应链优化、资产组合管理等，让每一份算力资源都能产生实际价值，高效又务实。 目前项目的公开测试网已经正式上线，搭建起了去中心化量子算力共享市场。网络可以联动普通设备与专业量子硬件，由量子硬件处理高难度复杂运算，经典节点负责核验结果，分工明确，既提升运算效率，也保障了网络安全稳定运行。 不炒作热点、只深耕底层技术，专注夯实行业基础的项目，往往具备更持久的长期价值。

✅ 早泄对伪娘的核心好处（课程视角） 在我们的伪娘身体改造课程里，早泄不是问题，而是最直接、最有效的敏感升级路径。 很多姐妹一开始抗拒早泄，觉得“太快就射了丢人”。但真正练过之后你会发现： 早泄恰恰是伪娘最色情、最实用的体质优势。 具体好处如下： 敏感度直接拉满 早泄训练会让你的身体变得极度敏感。轻轻被碰、被顶几下，甚至只是被看着，就能产生强烈射精冲动。这种“一触即发”的状态，会让你随时随地都能进入高潮边缘，彻底告别普通男人那种需要长时间刺激的无聊过程。 更容易实现插射与连续高潮 当早泄体质和前列腺高潮结合后，你会发现： 被插入后很快就能射精 射完恢复快，还能继续被操再射 最终达到“只被插着就能连续高潮”的状态 这会让你从“自己撸才爽”变成“被操着才真正爽”。 强烈的羞耻快感与身份认同 几秒就射、控制不住、被嘲笑“怎么这么快就缴枪了”…… 这种极致的耻辱感会直接转化成更强的兴奋。很多学员反馈，正是这种“没用”“下贱”“秒射”的体验，让他们更彻底地接受自己是伪娘、是被操的一方。 心理上更容易雌堕 早泄会降低你对“持久”的执着，转而追求“被快速征服”“被操到失控”的感觉。 你会越来越享受被动、敏感、容易高潮的状态，身份认同会明显加深。 与其他模块完美配合 搭配前列腺高潮：秒射 + 深层快感，爽感翻倍 搭配扩张训练：被撑开的同时快速喷射，快感更强烈 搭配潮喷训练：射精和喷水一起爆发，场面更淫乱 实际训练后的可控性 课程里的早泄训练不是把你练成完全无法控制的废物，而是让你保持极致敏感的同时，学会在需要时稍微延长一点。 最终目标是： 敏感到随时能射 又能根据场景稍微掌控 但整体依然是“快速高潮”的伪娘体质 总结一句话： 早泄让你更敏感、更下贱、更容易被操到高潮，也更容易爱上自己作为伪娘的身体。 它不是缺陷，而是课程帮你主动培养的色情优势。 一旦你真正接受并爱上这种“快、敏感、容易失控”的体质，很多之前觉得做不到的玩法都会变得自然而然。

川普回国，中美谈了什么？个人看这次“川普访华”的最大成果是双方各自把它包装成自己想要的叙事——北京强调“中美建设性战略稳定关系”和台湾红线；华盛顿强调伊朗、霍尔木兹海峡、贸易订单、市场准入和美国企业利益。 1、中国方面表态 1）习近平会谈主线：把2026年定义为中美关系“历史性、标志性年份” 习近平在人民大会堂同川普会谈时，开场不是直接谈订单，而是先提出大国关系框架：中美能否跨越“修昔底德陷阱”、能否开创大国关系新范式、能否为世界注入稳定性。中方把这次会谈提升到“历史之问、世界之问、人民之问”的高度。 中方最重要的定调是：双方赞同将“中美建设性战略稳定关系”作为中美关系新定位。习近平进一步解释，这种“建设性战略稳定”包括四层含义： 合作为主的积极稳定、 竞争有度的良性稳定、 分歧可控的常态稳定、 和平可期的持久稳定。 这套表述的实际含义是：北京希望把中美关系从“竞争—对抗—管控危机”的框架，推回到一个更可预测、更制度化、更少突发冲突的轨道上。中方并不否认竞争，但强调竞争必须“有度”，分歧必须“可控”。 2）经贸：中方说“总体平衡积极”，但没有给出完整清单 新华社通稿称，习近平指出中美经贸关系本质是互利共赢，面对分歧和摩擦，平等协商是唯一正确选择，并提到“两国经贸团队达成了总体平衡积极的成果”。但中方没有在主通稿中列出具体采购金额、订单清单或执行时间表。 至于说媒体报道美国放开10家中国科技企业可以购买英伟达h200，但是中国官方对此依然冷处理，其实年初美国就有放开，但是中国指示企业“非必要不购买” 在外交部例行记者会上，《纽约时报》记者追问中美是否就美国牛肉出口达成采购协议，外交部发言人郭嘉昆没有直接确认具体牛肉协议，只回应说习近平已指出双方要拓展经贸、农业等领域交流合作。 这说明：中方愿意确认“经贸合作方向”，但对美方喜欢公布的大订单、具体采购数字保持谨慎。 3） 台湾：中方最强硬、最明确的段落 新华社通稿中，台湾是中方最直接的红线表述。习近平强调，台湾问题是中美关系中最重要的问题；处理好了，两国关系总体稳定；处理不好，两国就会“碰撞甚至冲突”，把整个中美关系推向危险境地。中方还强调“台独”与台海和平水火不容，要求美方慎之又慎处理台湾问题。 外交部记者会上，路透社记者追问这是否是在警告可能爆发战争，郭嘉昆基本重复了习近平的表述，强调台湾问题处理不好会导致碰撞甚至冲突，并说中方反对美国对台军售的立场一贯明确。 这部分是中方过去24小时中最硬的官方表态，也是外媒报道中最容易被放大的部分。 4） 伊朗与霍尔木兹海峡：中方低调，美方高调 外交部记者会上，沙特东方电视台和《纽约时报》问及中美元首是否讨论中东局势、伊朗局势和霍尔木兹海峡重开问题。郭嘉昆只说两国元首就中东局势等重大国际和地区问题交换意见，并表示中方关于霍尔木兹海峡问题的立场“一贯、明确”，没有像美方那样公布“双方同意海峡必须保持开放”的细节。 所以这里出现一个明显落差：华盛顿想把伊朗/Hormuz包装成会谈成果，北京只承认讨论了中东局势，但不愿把自己描绘成配合美国施压伊朗。 2、美国方面表态 1 ）川普：全程强调“关系好、交易好、访问成功” 川普在会晤中称自己和习近平建立了“历史上美中元首之间最长久和最良好的关系”，并表示希望开启“有史以来最好的美中关系”。 5月15日中南海小范围会晤的时候川普还说到，此次访华“非常成功”“举世瞩目”“令人难忘”，双方形成一系列重要共识，达成多项协议，解决了不少问题，并表示期待在华盛顿接待习近平。 川普社交媒体：把“美国衰落”话题转成国内政治叙事 昨天川普在Truth Social发文称，希望美中关系“比以往任何时候都更加牢固”。他还回应了习近平关于美国可能衰落的委婉说法，把责任归给拜登政府，并称现在美国是“世界上最炙手可热的国家”。典型的川普风格：他把外交场合里的大国叙事，迅速转化为国内政治叙事——“拜登让美国衰落，我让美国回来了”。 2） 贝森特：经贸、能源、AI都是重点 贝森特在峰会前与中国副总理何立峰在韩国会面，讨论美中经济和贸易关系；他还说此行是为了推进特朗普的“America First Economic Agenda”。 贝森特在采访中表示，他相信中国会“尽其所能”帮助重开霍尔木兹海峡，因为这非常符合中国利益。华盛顿邮报还报道，贝森特称中美这两个“AI超级大国”将开始讨论大语言模型等AI相关事项，尤其是防止非国家行为体获得相关模型。 这意味着贝森特的角色不是单纯财政部长，而是把能源安全、贸易安排、AI规则、对华投资与供应链打包成“经济安全”。 3）卢比奥：台湾政策不变，对中国武力统一发警告 卢比奥的公开表态主要集中在台湾与中美竞争管理。路透社报道，卢比奥表示美国对台湾政策“截至今天没有变化”，并称中国总会提出台湾问题，美国也会表明自身立场。卢比奥还对NBC表示，如果中国试图以武力解决台湾问题，将是“terrible mistake”，并会产生全球性后果。 另一方面，卢比奥在接受采访时也承认，大国各自优先自身利益；存在利益一致的领域就合作，存在冲突时就靠外交处理，领导人个人关系很关键。 个人角度，我们去仔细梳理中美在川普访华表态内容，就会发现一个差异： 北京提中美关系新定位与台湾，白宫强调伊朗问题共识。 中方通稿重点聚焦经贸与台湾，没有提到伊朗具体讨论；白宫新闻简报则重点放在经贸与伊朗问题，台湾只字未提。 这也是昨天这里 后续要看中美双方通稿在霍尔木兹海峡的表述是否完全重合，这个很关键。 现在看果然双方在这方面表态的差异很大 3、川普这次访华的意义在于何处？ 这次访华不是“中美关系大转向”，而是一次高规格的“止跌会议”。成果有，但不是结构性和解；意义大，但更像是给未来三年的中美竞争装上护栏。 北京拿到了“战略稳定”的政治框架，华盛顿拿到了“交易成果”和伊朗议题上的合作姿态；但台湾、科技战、产业竞争三个根问题没有解决。 中美关系重新从“危机管理”回到“框架管理”。 之前几年，中美关系经常是出事之后灭火：台湾、芯片、制裁、关税、军事摩擦、芬太尼、南海、俄乌、中东。现在双方至少在元首层面同意： 不能让竞争无限升级，必须把冲突放进一个可控框架里。 1) 双方都得到了什么 中国得到了是政治框架和大国平等叙事，中国希望美国承认，中国不是一个被美国单方面管理的对象，而是一个必须被平等对待的战略对手/战略伙伴。 美方公开口径更重视经贸、市场准入、美国企业、中国投资、芬太尼前体、美国农产品采购、伊朗和霍尔木兹海峡。美国国务院中文会谈纪要提到，双方讨论扩大美国企业进入中国市场、增加中国对美投资、增加中国购买美国农产品，并讨论芬太尼前体问题。美国贸易代表Greer称，美方预计中国未来三年每年购买“双位数十亿美元”的美国农产品，其中大豆仍是核心品类。 这对川普很重要，因为他需要向美国国内证明：我是来替美国农民、制造商、能源企业和大公司拿订单的。 2）最大成果：双方都承认“不能摊牌” 这次访华真正有价值的地方，是双方都释放了一个信号：中美现在都不想把关系推到摊牌状态。 中国现在需要稳定外部环境。经济修复、外资信心、科技产业升级、周边安全，都要求中美关系不能持续剧烈恶化。 美国也需要稳定。特朗普面对的是伊朗危机、能源价格、通胀压力、美国农民利益、企业对中国市场的依赖，以及中期选举前的政治压力 所以这不是一场单纯的中美峰会，而是一次中美共同管理全球风险的会议。 换句话说：中美竞争还在，但双方都发现，世界太乱的时候，中美完全撕破脸对双方都不划算。 也意味着中美从“全面对抗”转向“有交易、有护栏的竞争” 这次访问之后，中美关系大概率进入一个新阶段：不是和解，也不是脱钩，而是“有护栏的竞争”。 4、再多说几点： 1）元首外交重新成为中美关系的主轴，川普多次强调； 2）美国对华政策变得更“可交易化”， 拜登时期的对华政策更强调联盟、价值观、科技管制和产业安全。 川普这次明显更强调交易：农产品、波音、能源、市场准入、投资、企业利益。 3）中国在国际格局中的“议价能力”提高 这次美国把伊朗、霍尔木兹海峡、能源安全放进中美元首会谈，说明华盛顿承认中国在中东能源、伊朗关系和全球供应链中有实际影响力。 4）科技战没有缓和，反而可能变成长期主战场 对美国来说，中国可以买农业、飞机、能源，这些都没维内托。但最高端芯片、AI算力、半导体设备仍然口风很紧。 5、那么最重要的对市场的影响呢 宏观风险溢价下降，中美至少暂时避免了关系陡然恶化。但说实话整体上交易部分并没有超出市场预期太多，特别是市场最关心的伊朗问题，在中国的官方表态里被冷处理：“有聊过”。 看后续双方还有没有更进一步的声明公布，或者关于达成事项协议具体条款公布。 其实也是去年这里 再是再一次强化了G2的格局，

在吗 @StandX_Official ，牛回，速速TGE！ 在 @predictdotfun 平台看了 StandX 在推出一天后的 FDV 高于 1B 的概率也有11%，如果TGE，能不能麻？ 其实在推出一天后的 FDV 要能够有600-800M 也不错了，1B 还是太遥远了。 standx 积分减半情况： 上一次积分减半时间：5月25 这一次积分减半时间：8月10 按照 standx 官推所发的图来看，如果作图比例有意为之，那么8月10号最后这次积分减半需要的时间其实只需要5月25号这次的一半左右。 5月25到8月10一共75天，所以最后这次积分减半大概需要40天左右，也就是9月20号左右。 但就怕牛回的持久度没那么久，所以要是能够在这一两个周内TGE了是最好的。 当然，不光是 standx，对于 predict 也是一样的，趁着牛回，赶紧TGE了吧大哥们。