从春晚舞台到资本市场，人形机器人第一股宇树上市进入倒计时 曾被马斯克转发并评价 impressive 的宇树机器人科创板IPO获正式受理。借助面向优质科技企业设置的预先审阅机制，宇树6月1日通过上市委审核，7月1日获得证监会注册批复，从正式受理到注册仅约百日。7月30日晚，宇树披露发行安排，IPO由审核阶段正式进入询价与申购阶段 本次宇树科技拟公开发行4044.64万股，占发行后总股本的10%，证券代码为688836。按照安排宇树将在8月5日进行初步询价，8月7日公布发行价格，8月10日开放网上及网下申购，8月12日完成缴款。公司计划募集42.02亿元，其中20.22亿元投向智能机器人模型研发，11.10亿元用于机器人本体研发，其余资金用于新产品开发和制造基地建设 宇树上市的底气来自业绩迅速放量。2025年宇树营收达到17.08亿元，同比增长335.36%，净利润达到2.88亿元。全年人形机器人出货量超过5500台，2025年前三季度人形机器人收入占比已升至51.53%，首次超过四足机器人 此次上市估值高达惊人的420亿元，相比公司2025年6月127亿元的投后估值已有明显跃升。宇树也在招股书中提醒具身大模型尚未规模化应用，行业仍处于商业化早期。上市之后宇树的生命线则是需要去考虑机器人能否从舞台表演、科研教育和开发测试，进一步进入稳定、可复制的大规模生产与服务场景

住过一次树景房之后就再也戒不掉了，每天办公累了单是看看窗外就很治愈。 想起以前在高楼大厦里上班，每天有三分之二的时间都困在公司里。窗外是密密麻麻的楼，室内只有一排排工位、永远亮着的白炽灯，以及怎么也做不完的工作。 时间久了，连天气和季节都感受不到了，每天只剩下上班和下班，像一头被关在写字楼里的牛马。 只有真的突破舒适圈去做一些改变，才会意识到自己已经困在茧房里很久了。 自从今年裸辞创业之后，才真正认同不能只靠出卖时间换钱这句话。 当你觉得你的工作很苦，完全没有空余时间去思考改变的时候，是最应该想办法找机会离开这份榨干你生命的工作的时候。 想要获得更大的增长，就要学会借助杠杆。借助产品、内容、流量、团队和系统，让一份投入可以被重复放大。 而自媒体，可能是这个时代普通人最容易接触到的杠杆。 不需要很高的起点，也不需要等到足够优秀才开始，只需要去干就完事了。

《生命在于求解》 人们常说，生命在于运动。 这句话当然没错，但它只描述了生命的外在表现。 真正让生命区别于岩石、河流和恒星的，并不是运动，而是求解。 生命，本质上是一个持续求解现实约束的过程。 一、生命从诞生开始，就在面对问题 一个细胞需要求解： 如何获得能量？ 如何复制自己？ 如何修复损伤？ 如何避免被环境淘汰？ 一棵树需要求解： 怎样把根扎得更深？ 怎样让树叶获得更多阳光？ 怎样在干旱和寒冷中存活？ 一只狼需要求解： 猎物在哪里？ 什么时候追？ 什么时候放弃？ 怎样和同伴协作？ 人类也一样。 如何学习？ 如何工作？ 如何建立关系？ 如何组织社会？ 如何创造文明？ 生命从来没有停止过求解，只是求解的问题越来越复杂。 二、反馈，是生命的求解器 任何求解，都离不开反馈。 如果没有现实反馈，就不知道哪里正确，哪里错误。 因此，生命并不是按照某份说明书运行。 生命不断提出预测，不断接受现实反馈，再不断修正自己的模型。 吃到有毒的果实，下次避开。 一次捕猎失败，下次改变策略。 一种组织方式效率低，就寻找新的协作方式。 所谓学习，不过是求解器根据反馈更新自己的过程。 所谓成长，不过是求解器不断提高求解能力。 三、进化，就是求解器的升级 很多人认为，进化是在追求更高级。 其实，自然没有预设目标。 自然只是不断产生新的求解方式，再让现实进行筛选。 能够更准确适应环境的，留下。 不能适应的，被淘汰。 因此，自然选择筛选的不是最强者，而是求解效率更高的生命过程。 神经系统的出现，是为了求解更复杂的问题。 语言的出现，是为了求解更复杂的协作。 文字的出现，是为了求解跨时间的信息传递。 互联网的出现，是为了求解全球协作。 AI 的出现，则是在帮助人类求解越来越复杂的信息空间。 文明的发展史，也是一部求解器不断升级的历史。 四、人与人的差距，本质上是求解能力的差距 面对同一个现实。 有人不断抱怨。 有人不断寻找借口。 有人不断寻找敌人。 有人不断分析结构。 有人不断验证假设。 有人不断更新模型。 现实并不会因为情绪改变。 真正决定未来的，是谁能够更快地找到现实约束，并持续修正自己的认知。 一个人能够处理的问题规模越大，能够协调的变量越多，能够承受的反馈越真实，他的求解能力就越强。 成长，从来不是知道更多，而是能够求解更多。 五、生命覆盖了整个地球 如果站在宇宙尺度观察地球。 地球表面仿佛覆盖着无数高频变化。 森林在生长。 海洋在流动。 动物在迁徙。 昆虫在繁殖。 城市在扩张。 无线电在传播。 整个星球像一层不断闪烁的信息噪声。 但走近之后才发现，这些看似杂乱的变化，并不是噪声。 每一个生命，都是一个局部求解器。 无数生命共同组成了一个覆盖整个地球的分布式求解系统。 生物圈，本身就是一台巨大的计算机。 六、生命在于求解 生命不会停止面对问题。 停止求解，生命就开始停滞。 拒绝反馈，生命就开始僵化。 逃避现实，生命就开始退化。 生命的意义，并不来自某个最终答案。 因为答案永远不会存在。 新的环境，会产生新的约束。 新的技术，会带来新的问题。 新的文明，会开启新的尺度。 生命真正的意义，就存在于不断求解现实的过程之中。 生命不是一种状态。 生命是一种持续运行的求解过程。 只要还在接受反馈，还在更新模型，还在不断理解现实，一个生命就仍然保持着它最本质的活力。 生命，不在于运动。 生命，在于求解。

我发现，宗教与社会里大多数宣扬转世、因果轮回的套路，底层假设几乎全是以地球为中心，甚至是以人类社会为中心。 小时候我就思考过这个问题，可观测宇宙有数千亿个星系，地球不过是宇宙中极其微小的一粒尘埃。凭什么灵魂的调度系统只在地球这一块地方循环？ 地球生命史不过几十亿年，人类文明史更只有短短几千年。 在宇宙大爆炸至今的138亿年里，如果转世成立，那些灵魂在地球出现之前在哪？在太阳系毁灭之后又去哪？ 传统转世说往往伴随着下辈子做人、做猪、做树的道德评判或角色切换。 这种把宇宙运转规律与人类社会的道德观甚至善恶报应强行绑定的设定，本以为宏大，实则荒谬绝伦，离谱至极。 不要把宇宙降维成了一个地球人事部或道德惩戒所，你正义与否，跟转世无关。 构成你身体的每一颗原子，碳、铁、氧、氮，都来自几十亿年前某颗恒星演化末期的超新星爆发。你离开后，这些原子会重新散落到大气、土壤和海洋中，成为未来一棵树、一朵云、甚至亿万年后另一颗星球上某种存在的一部分。 从原子层面看，你早已转世过无数次，未来也将继续转世。不过，这叫能量循环。 如果意识只是某种特定物质结构高度压缩和运行时的涌现属性，那么只要宇宙的时空足够大，相同的复杂结构在数学概率上就必然会再次复现。 把转世理解成张三死后变成李四，还在地球上打工、结婚、渡劫，是非常狭隘且缺乏宇宙观的思考方式。但如果把转世理解为宇宙物质、能量与复杂信息系统在无限时空中的重组与再现，那就合理多了。

《一个系统如何在自身内部产生一个关于自身和外部的有效模型？》 人类最深的问题之一是： 为什么宇宙中的一部分物质，能够认识宇宙？ 一块石头、一个细菌、一个人的大脑，本质上都由相同的物质组成。但它们之间存在巨大差异： 石头只是响应环境。 生命开始维持自身。 大脑开始预测环境。 人类甚至建立了关于宇宙运行规律的数学模型。 那么，一个系统究竟如何在自身内部产生一个关于自身和外部的有效模型？ ⸻ 一、模型不是复制世界，而是压缩世界 最直观的误解是： 认为认知就是把外部世界复制到内部。 但任何有限系统都无法做到这一点。 宇宙的信息量无限复杂，一个生命体不可能保存所有细节。 所以系统必须进行压缩。 一棵树，在现实中包含： 数十亿个细胞； 无数化学反应； 每个分子的运动。 但人的大脑只需要形成： “树会生长，需要水，可以遮阴，可以结果。” 这个模型已经足够指导行动。 因此： 模型不是现实的复制品，而是现实中具有预测价值结构的压缩表达。 ⸻ 二、模型产生的起点：系统与环境发生耦合 一个完全孤立的系统，不需要模型。 因为没有外部变化影响它。 模型产生的第一步，是系统和环境之间建立稳定关联。 例如最简单的生命： 细菌没有眼睛，没有大脑，但它能够感知化学物质。 附近出现营养： 向那里移动。 出现有害物质： 避开。 它并不知道“世界是什么”。 但它已经形成了一种最原始的模型： 某些外部变化，会影响我的未来状态。 ⸻ 三、模型来自反馈筛选，而非提前设计 系统如何知道哪些信息重要？ 它并不知道。 它通过反馈不断筛选。 某些内部结构： 能够更好地预测环境，于是提高生存概率。 另一些结构： 预测失败，逐渐消失。 经过长期演化： 留下来的不是“最复杂”的模型，而是“最有效”的模型。 因此： 模型的形成，本质上是环境对系统内部结构的长期筛选。 ⸻ 四、真正的突破：系统开始模拟未来 简单系统： 刺激 → 反应。 复杂系统： 刺激 → 内部模型 → 预测 → 行动。 这是认知诞生的关键。 例如： 动物看到乌云。 它不需要等雨落下来才行动。 它的大脑已经建立： 乌云 → 降雨 → 需要躲避 这样的内部模拟。 系统开始不直接面对世界，而是通过内部模型面对世界。 ⸻ 五、模型为什么能够接近真实？ 这里存在一个核心问题： 系统永远只能接触自己的内部信号。 它如何知道自己的模型对应真实世界？ 答案是： 靠持续反馈，以及主动制造反事实。 低级生命只需要： “这个模型能不能让我活下来。” 而科学进一步要求： “这个模型在不同条件下是否仍然成立。” 例如： 过去人类认为太阳围绕地球运动。 这个模型在日常经验中有效。 但通过更大尺度的观测和计算，它无法解释更多现象。 于是被新的模型替代。 科学的本质，就是不断寻找： 跨尺度、跨环境仍然成立的高价值结构。 ⸻ 六、从CPV看：智能就是寻找高价值压缩 世界本身是高维的。 任何系统都无法处理全部信息。 因此智能的核心能力，不是拥有更多信息，而是找到： 哪些信息最值得保留。 比如一个人的完整状态极其复杂。 但预测他的行为，可能只需要： 价值观； 目标； 能力； 当前约束。 这些变量，就是高价值信息。 CPV关注的正是： 一个系统如何从巨大状态空间中，提取能够支撑未来预测的关键变量。 ⸻ 七、认知不是宇宙之外的东西 更深的问题是： 如果观察者本身来自宇宙，那么观察者如何产生模型？ 答案是： 观察者并非突然出现。 它是一个连续演化过程： 物质形成稳定结构； 稳定结构形成自组织系统； 自组织系统维持自身； 生命开始区分自己与环境； 神经系统开始预测未来； 智能系统开始建立抽象模型。 ⸻ 所以，认知不是外加于物质的特殊能力。 它是物质在复杂演化中形成的一种新状态： 系统开始在自身内部构造一个关于世界的低维模型，并利用这个模型改变自身未来。 ⸻ 八、最终答案 一个系统如何在自身内部产生一个关于自身和外部的有效模型？ 因为： 一个能够维持自身存在的系统，必须与环境建立耦合；在反馈中筛选有效结构；通过压缩提取关键变量；最终形成能够预测未来的内部模型。 从这个角度看： 生命，是物质开始维护自身。 智能，是系统开始预测未来。 科学，是智能开始寻找世界中更深层的不变量。 而认知的本质，就是： 一个有限系统，在无限复杂的现实中，寻找那些能够连接过去、现在与未来的结构。

《跳出线性思维的人生》 人类天然喜欢线性叙事。 出生、学习、工作、升职、买房、结婚、退休。 我们习惯相信： 今天的努力，会积累成明天的结果。 这种思维在简单世界里非常有效。努力学习，大概率提高成绩；积累经验，大概率提升能力；工作多年，大概率获得更高职位。 于是很多人把人生理解成一条可以规划的直线： 我现在在哪里 → 我要去哪里 → 制定路线 → 按计划抵达。 但真实的人生，更接近一个复杂系统。 它不是一条轨道，而是一片不断变化的可能空间。 ⸻ 一、人生不是工程项目 工程项目的特点是： 目标确定，边界明确，变量有限。 造一座桥，可以计算材料、结构、时间。 但人生不是这样。 你无法提前知道： 五年后你的行业是什么样； 你所在的公司是否存在； 你的能力是否被新的技术重新定义； 你会遇见什么人； 一次偶然机会是否改变方向。 很多重大转折，都不是计划产生的。 一个人可能因为一次聊天进入新的行业； 可能因为一次旅行改变价值观； 可能因为一次失败发现真正适合自己的方向。 回头看，这些事件像命运安排。 但从系统角度看，它们只是复杂系统中的随机扰动，通过反馈不断改变轨迹。 ⸻ 二、线性思维最大的陷阱：把未来当作现在的延伸 线性思维默认： 未来的世界，和现在差不多。 所以它喜欢预测： “这个职业十年后收入多少？” “这个行业还能发展多久？” “我五年后应该达到什么位置？” 问题在于： 未来往往不是现在的放大版。 互联网改变了零售； 移动互联网改变了社交； 人工智能正在改变知识生产。 过去十年的赢家，很多不是因为他们预测准确，而是因为他们拥有快速适应变化的能力。 真正的优势，不是知道未来答案。 而是拥有面对未知问题时，持续求解的能力。 ⸻ 三、复杂系统中的规划：从目标转向结构 线性思维问： 我五年后要成为谁？ 复杂系统思维问： 我需要构建什么结构，让未来产生更多可能？ 两者完全不同。 前者追求确定性。 后者追求适应性。 比如： 一个人计划五年后成为某公司的高管。 如果公司衰退，这个目标可能瞬间失效。 但如果他构建： 持续学习能力； 深度理解问题的能力； 创造价值的能力； 广泛的信息连接； 健康的身体； 足够的财务缓冲； 那么无论环境如何变化，他都有更多路径。 他构建的不是一条路。 而是一套导航系统。 ⸻ 四、生命本身就是非线性的 自然界里的生命，从来不是按照计划成长。 一颗种子，并不知道自己未来会成为森林中的哪棵树。 它拥有的是： 基因结构； 环境感知； 反馈调整； 适应能力。 然后在与环境不断互动中形成结果。 人的成长也是如此。 所谓“找到人生方向”，很多时候不是提前想出来的。 而是在行动、反馈、修正中逐渐显现。 方向不是起点。 方向是过程中的涌现。 ⸻ 五、高手管理的是反馈速度 普通人喜欢问： 我选择的方向正确吗？ 高手更关注： 我的反馈系统是否足够快？ 因为在复杂世界里，没有人能保证第一次选择正确。 重要的是： 错误能否快速暴露； 经验能否快速积累； 认知能否快速更新。 一个人如果一年才获得一次真实反馈，他的人生模型更新速度就很慢。 一个人如果每天都在创造、测试、交流、修正，他就在高速迭代。 未来属于那些反馈循环更快的人。 ⸻ 六、接受不确定，反而获得自由 很多人的焦虑来自一个幻想： 我应该提前知道未来。 但这是一个不可能完成的任务。 真正成熟的状态，是接受： 未来不可预测。 然后把注意力放回自己能够控制的部分： 提升能力； 扩大连接； 创造作品； 保持健康； 积累资源； 提高认知。 你无法控制风向。 但你可以调整帆。 ⸻ 七、人生不是寻找唯一答案，而是提高解空间 年轻时，我们寻找： “我的正确道路是什么？” 后来会发现： 人生不存在唯一道路。 存在的是： 你的结构能够打开多少可能。 一个人的价值，不在于他是否准确预测未来。 而在于未来发生变化时，他是否仍然能够参与创造未来。 ⸻ 跳出线性思维后，人生会从： 我要抵达一个确定的位置。 变成： 我要成为一个能够不断产生新可能性的系统。 未来不是等待我们规划好的终点。 未来是在我们与世界不断交互中，被共同创造出来的。你不是一列驶向终点的火车。 你更像一个不断学习、调整方向、寻找资源的生命系统。你真正需要建设的，不是一条人生路线，而是一套面对未知世界的生成能力。

「道法自然」到底在说什么？不是让你躺平，是让你停止精装修自己 🌿 每次看到"道法自然"这四个字，第一反应是不是：顺其自然？随便就好？躺平？ 不是的。这四个字被误解了两千年。 老子原话是"人法地，地法天，天法道，道法自然"——这里的"自然"不是"大自然"，是"自己本来的样子"（自己如此）。道法自然，意思是：连"道"这个宇宙规律本身，都不是去模仿一个外在标准，而是回到自己本来该有的样子。 翻译成现在的话就是：你一直在用别人的标准精装修自己，而真正的高级，是知道自己原本的样子就是答案。 🌱 具体怎么用在生活里： 关于身材 不是"我要瘦成那个博主的样子"，是"我的身体在我现在的生活方式、现在的年龄段，本来该是什么状态"。强迫一棵秋天的树长出春天的叶子，这棵树会很痛苦，你也一样。 关于关系 "水善利万物而不争"——好的关系不是用力争取来的，是两个人都待在自己舒服的状态里，自然而然地彼此靠近。如果你在一段关系里要一直"用力扮演"，那这段关系本身就已经违反自然了。 关于职业焦虑 不是every单别人升职加薪你就要立刻焦虑，是先问一句：这条路是不是"我"的路，还是只是"大家都在走"的路。庄子讲"鹏程万里"也讲"小知不及大知"——大鹏飞九万里，蝉和小鸟笑它何必飞这么远，可是蝉和小鸟也不需要羡慕大鹏，它们待在自己的树荫里，一样自在。每个生命有自己的"自然"尺度，硬套别人的尺度,才是真正的精神内耗。 ✨ 一句话记住： 道法自然，不是叫你什么都不做，是叫你停止用别人的剧本，演自己的人生。 你本来的样子，从来不需要被谁的标准重新装修。 #道家哲学# #国学日常# #女性成长# #情绪稳定# #自我接纳#

「2025年中国十大群体抗争事件：致敬无名英雄」告别万马齐喑的2024年，2025年见证了中国民间抗争的逐渐回暖。这一年，从为生存搏命的农民、工人，到为尊严死磕的学生、家长，再到为他人不公挺身而出的网民，越来越多的人选择直面恐惧，拒绝沉默。这一年，愤怒不再是原子化的低语。在网络，数以千万计的“电子妈妈”为小洛熙接力发声；在陕西蒲城，数万民众为素不相识的学生走上街头；在云贵高原，农民们决绝地要求“先挖习近平祖坟”；在四川江油，抗议者更是罕见地喊出了政治口号：“还我民主”。 以下是“昨天”项目精选出的2025年中国十大群体抗争事件： 10. 甘肃天水幼儿园投毒案家长维权 时间： 2025年7月1日 - 7月20日 地点： 甘肃天水麦积区 这是一起为了逐利而泯灭人性的“人祸”。甘薯天水市麦积区褐石培心幼儿园为美化菜品以招揽生源，竟长期在幼儿餐食中添加有毒工业颜料，致使两百余名幼儿铅中毒。更为惊心的是，当地疾控中心的检测数据与外地权威医院结果严重背离，连日四处奔走求医的家长们痛苦地发现：公权力正在试图掩盖真相以维持“稳定”。 2025年7月20日，面对政府强迫签署的霸王条款及警察对维权代表的暴力殴打，大批家长绝望地走上街头，阻断了城市主干道。尽管抗议最终遭遇镇压，但正是家长们的坚持，让更多人透过这起事件，窥见了中国食品安全深不见底的黑幕。 9. 湖南长沙外卖骑手联合示威反歧视 时间： 2025年12月22日 - 12月23日 地点： 湖南长沙 2025年12月22日，长沙合能璞丽小区出台歧视性禁入规定，并在冲突中辱骂骑手，最终引爆骑手的怒火。数百名骑手迅速集结，围堵小区大门十余小时要求当事业主道歉。次日凌晨，骑手们无惧现场的数百警察，在市区骑行示威数小时。期间，甚至有骑手身披黄袍、头戴皇冠巡游。结局极具戏剧性：各大外卖平台骑手联合拉黑该小区，导致该小区全体业主无法点餐，实现了对阶级歧视的有效反制。 8. 云南昆明街头摊贩大战城管 时间： 2025年9月27日 - 9月28日 地点： 云南昆明官渡区 在经济寒冬中，对于昆明海乐世界夜市的摊贩而言，那个小小的摊位是全家最后的饭碗。然而，当地政府在“整改—招商—收费”的敛财闭环中反复折腾，摊贩们不仅被频繁收割，还要面临城管的暴力驱逐。 9月27日晚，被逼入绝境的摊贩们爆发了。面对数百名全副武装的城管与警察，他们抄起手边的餐具、桌椅等奋起反击。现场“锅碗瓢盆满天飞”，这场混战持续了整整六个小时。这不仅是一场对抗乱收费的冲突，更是经济萧条背景下，底层民众为捍卫生存权与掠夺性城市管理进行的殊死搏斗。 7. 海南琼中数千农民围攻“海胶集团” 时间： 2025年10月31日 地点： 海南琼中 面对国企海胶集团强行宣称拥有土地所有权，并野蛮砍伐村民种植的上千棵槟榔树的霸凌行径，琼中那柏村村民没有选择忍气吞声。 2025年10月31日，海南琼中上千村民发起“打倒海胶集团”行动，围堵农场，砸毁了多辆集团轿车及设施。这一行动引发全岛共鸣，多地青年驾车驰援。面对如此激烈的反弹，海胶集团最终妥协，支付58.86万元赔偿及10万元复种资金。这是本年度少有的民众通过激进抗争取得实质性胜利的案例，它残酷地证明：在强权面前，软弱只会被吞噬，唯有反抗才有一线生机。 6. 深圳易力声3000工人大罢工抵制变相裁员 时间： 2025年12月4日 - 12月12日 地点： 广东深圳 知名电子厂易力声在被收购及产能转移后，利用“五天八小时超低薪”工作制作为软刀子，使工人收入骤降至不足2000元，企图逼迫老员工自离以逃避N+1赔偿。原本保护工人的《劳动法》条款，被资方搭配上超低薪后，成了清洗工人的“合法”武器。 3000名工人为此发起了持续8天的大罢工。期间，工人展现了极高的组织度。2025年12月10日晚，出现了以往工人抗争事件中罕见的一幕，面对大批维稳警察，数百工人包围厂门施压，成功迫使警察释放了被抓捕的同伴。尽管最终在资方与国家机器的双重绞杀下被迫复工，但这些主要由女性组成的抗争者表现出来的韧性与团结，让人看到了中国工人在绝境中迸发出的惊人力量。 5. 云贵高原农民反强制火葬运动 时间： 2025年11月 - 12月 地点： 云南镇雄、贵州息烽、遵义等地 为了借殡葬改革敛财，云贵地方政府强推“一刀切”火葬政策，甚至做出偷挖尸体强行火化的恶行，彻底点燃了云贵农民的抗争怒火。2025年11月初，云南镇雄县中屯镇上千农民冲破由政府人员组成的路障，突破土葬禁令，抗争随即呈燎原之势。在贵州息烽，愤怒的农民喊出了“先挖习近平祖坟”的口号，包围了县长并迫使官员下跪求饶，极具冲击力地表达了对权力的蔑视。在遵义正安，2000名农民组成护葬队，成功击退了政府抢尸队，为这次波及两省三市的大规模农民抗争运动画上完美句号，也使得在这些地区实行了多年的强制火葬政策土崩瓦解。 4.“电子妈妈”助宁波“小洛熙”对抗医疗黑幕 时间： 2025年11月 - 12月 地点： 中国各地及网络 为了完成手术量KPI，宁波妇儿医院医生虚构病情，将5个月大的女婴小洛熙推向了不必要的高风险开胸手术，致其惨死手术台，全身血液几近流干。事后，母亲邓女士维权遭殴，更被院方组织的“水军”污名化。 这一惨剧引发了现象级的网络抗争。尸检报告公布后，上千万网友化身“电子妈妈”，发起了一场对抗公权力审查与水军抹黑的舆论战争。他们在车上以及挎包上张贴标语，让小洛熙的遭遇传遍中国，她们在网络上接力发帖，让“宁波的风”吹到了全世界。将这起原本可能被“和谐”的医疗事故推向了全民追责的高度，最终迫使官方无法装聋作哑。 3. 河南许昌六中上千学生、家长砸学校 时间： 2025年5月23日 - 5月25日 地点： 河南许昌 2025年5月23日，许昌第六中学13岁女生吴怡佳，因无法忍受班主任长期的侮辱性体罚与孤立，从16楼一跃而下。面对鲜活生命的逝去，校方与涉事教师不仅拒绝担责，反而表现出极度的冷漠，甚至将责任归咎于原生家庭。这种傲慢彻底引爆了公众的怒火。 5月25日，上千名学生、家长及市民包围学校。年轻的学生们展现了惊人的行动力，他们在校墙喷涂触目惊心的“血债血偿”，向校内抛撒传单、投掷杂物并砸碎窗户。当局随即出动特警，动用辣椒水暴力清场。虽然吴怡佳的父亲在官方高压下被迫“平息事态”，但网络上学生们那句“宝宝，我们帮你讨回公道了”，已然成为年轻一代不畏强权、宁折不弯的最佳注脚。 2. 陕西蒲城学生坠亡引发万人抗议 时间： 2025年1月2日 - 1月6日 地点： 陕西渭南蒲城县 2025年1月2日，蒲城职教中心学生党昶鑫不幸坠亡。校方迅速定性为“高空坠落”，并没收手机、软禁家属，引发公众强烈不满。1月5日晚，由于警察殴打并强行抓走了死者舅舅，矛盾彻底激化，事件也迅速升级为大规模示威。6日，数万愤怒的民众走上街头，冲破大门进入校园并砸毁部分学校设施。期间，抗争者勇敢地与大批维稳警察对抗，双方发生激烈冲突，有多名学生因此遭到警察疯狂殴打。该事件是2025年规模最大的抗争事件，也由此拉开了2025年民间抗争的序幕。 1. 四川江油数千人反霸凌示威 时间： 2025年7月22日 - 8月4日 地点： 四川江油 这原本是一宗性质恶劣的未成年人霸凌案件，三名施暴者手段残忍，却被警方定性为“轻微伤”并作出从轻处理，由此迅速引发社会强烈不满。2025年8月4日，数千名市民走上街头，为受害女孩寻求公正，却遭到大批警察两次暴力镇压。面对警察，抗议人群并未退却，反而高喊出“还我民主”的口号。它标志着民众的诉求，已经从对单一司法个案的不满，上升到了对整个政治体制的反思与挑战，使其成为2025年中国群体抗争的一个标志性时刻。 致敬无名英雄 他们并非天生的勇士，他们只是普通人，但他们在为自己和他人挺身而出的时候，展现出了惊人的勇气。他们中绝大多数人的名字永远不会为人所知。他们中的许多人正为此付出惨痛的代价，或许正在经历着漫长的牢狱与孤寂。但正是这些无名之人，用自己的自由与血泪，在铁幕之上撞出了一道裂缝，透出微弱却真实的光亮。

Prompt该退环境了，未来属于Loop Engineering。 最近，AI行业又出现了一个有趣的新词。Loop Engineering。 如果你关注AI这个领域的话，这两天应该都会刷到。推特在刷，各种社媒也在刷，群里也有蛮多人在讨论。事情是这样的。 6月7号，OpenClaw的创始人Peter发了一条推，非常的简短，但是直接就爆了。 翻译过来意思就是：你不再需要为编码智能体编写提示词了，你应该设计循环来提示你的Agent。 而在这之前几天，Claude Code的创始人老哥Boris在一个开发者大会上也说了差不多的话。 他的原话大概是，我不再手动给Claude写提示词了，我运行着能让Claude自动编排任务的循环，我的工作，就是编写这些循环机制。 也就是，写loop。 这两个人呢，说了同一件事。然后Google的Addy Osmani紧接着发了一篇长文，把Loop Engineering这个概念正式梳理了出来。 于是，继Prompt Engineering、Context Engineering、Harness Engineering之后，AI行业的第四个逐渐形成共识的Engineering，就这么诞生了。 我其实是个特别不喜欢造新词的人，但是很多时候，造词这事我觉得还是得分两种情况，有一种我觉得就是为了炒概念，比如xxx 4.0。 而有的时候，真的只是行业太快，人们更需要一个精准的表达来帮助自己表达而已。Loop Engineering我觉得就是后一种。 而且，这个东西跟我自己一直使用Agent的方法、一直在鼓励大家做的事，是高度吻合的。如果你看过我之前写的那篇Harness Engineering的文章，你大概能理解一些我的感觉。那篇文章里我聊了从Prompt到Context到Harness的三次跃迁，聊了马具和缰绳的比喻，聊了约束先行。 而Loop Engineering，其实就是在Harness之上，又往上走了一层。把一个套马的缰绳，变成了全自动工业流水线。很有《文明》里时代的进化的感觉。 给大家举个例子。比如说，以前你用Claude Code写代码，流程大概是这样的。你给它一个任务，它写完了，你看一眼，觉得不太对，你再给它提一个修改意见，它改完了，你再看，再提意见。整个过程你会发现，是坐在设备前的，一轮一轮的，你说一句它回一句，你就是那个驱动整个循环的发动机。 即使我们以前从chatbot时代迈向了Agent时代，绝大多数的事情，也一样是任务制的。 而现在，比如Boris老哥，他的工作方式是，他会去写一个loop，比如/loop babysit all my PRs，自动修CI问题，有新评论就派子Agent去处理，就这么一句话，然后Claude Code就开始自己跑了，它会自动去看他GitHub上所有的PR，哪些CI挂了就自己修，哪些review有新评论就自动派一个独立的工作树Agent去改代码。 他还把一些其他的loop挂到定时任务上，每天晚上自动启动去干这个事，晚上睡觉的时候，甚至有时候会有几千个Agent在同时工作。他自己说，2026年，他就再也没有手写过一行代码了。 你会看到，这就是loop，定好目标，然后全自动流程化，你完全不需要在电脑前，甚至都不需要看手机。 你可以直接睡觉，醒来的时候，代码已经改好了，测试也已经跑过了，PR也已经提上去了。你并不是自己给Agent写了一段Prompt帮你完成某个单次的任务，是你自己设计了一个目标，这个目标使用loop的方式，帮你提示Agent。 你定义目标，定义验证条件，定义失败了怎么处理，然后，就可以放手了，从此以后，这一切，交给系统。 说到这里，我估计很多人已经大概理解loop是个什么东西了。Addy Osmani在他那篇长文里，把一个完整的loop拆成了五个组件。 我觉得这个拆法蛮清晰的，我用我自己的理解给大家过一下。 第一个是定时任务，整个loop的心跳。 你得有一个东西能自动启动循环，不管是定时跑、还是事件触发，都行。 Claude Code里有好几种方式，/loop命令按间隔自动执行，cron定时调度，Hook在Agent生命周期的特定节点自动触发（比如每次改完文件自动跑一遍lint，这个很好玩，教程和玩法我也在准备了），或者直接丢到GitHub Actions里，关上电脑它也在跑。 没有定时任务的Agent，你每次都得手动去踢一脚它才会动，那就不是loop了，那还是你在操控。 第二个是工作树隔离，Worktree（搞过开发的朋友应该秒懂）。 就是你同时跑好几个Agent的时候，给每个Agent一个独立的工作空间，各干各的互不干扰，干完了再合并。两个Agent改同一个文件的痛苦，跟两个设计师同时改一个图层又不打招呼的痛苦，是一模一样的。 第三个是项目知识体系，Addy Osmani在他的原文里写的是skill，但是我觉得他写的不太对，单skill其实是不够的，必须得是知识管理体系。 大家也都知道，AI每次开新对话就啥都忘了，你跟它说过的代码规范、项目架构、踩过的坑，下次开对话全部从零开始。 所以你得有一整套方法来沉淀、优化这些知识，让Agent每次启动的时候就已经知道你的项目，我自己在这快一年的coding开发过程中，总结的方法论其实就沉淀成了我自己的洁癖.skill，这个基本是我的Agent每天调用最多的skill。 CLAUDE.md是全局的规则和约束，跨会话记忆是一些之前悬而未决的记录和文档路由，docs体系就是你完整的所有的知识和经验沉淀，因为CLAUDE.md和记忆都有大小和行数限制，所以每次任务完成后我会用洁癖.skill来对整个的知识体系进行梳理和审查，确保没有错误。 为什么知识管理体系这个东西在loop里特别重要呢？ 因为loop是自动跑的，你不在场。如果Agent的记忆里有过期信息，它就会基于错误的前提做决策，如果CLAUDE.md膨胀到几百行全是历史叙事，真正的规则反而被挤出去了Agent读不到。没有干净的知识体系的loop，就像一个每天早上都在看过期文档的员工，干的得越快错得越多。 所以洁癖.skill我非常推荐大家可以去安装一下，也在我自己的仓库里开源了，我自己真的觉得特别有用。 第四个是连接器，MCP。 一个只能看文件系统的Agent，能力是很有限的。但你给它接上GitHub、Linear、Slack、数据库，它就能在你的真实工作环境里干活了。 这才叫真正的闭环，从发现问题到解决问题到通知人类，一条龙。 第五个是子Agent。 做事的和检查的分开，写代码的Agent不能自己给自己打分，这跟学生自己批自己的考卷一个道理，它一定会对自己太宽容。所以你得有另一个Agent，甚至用不同的模型，专门来检查前一个Agent的输出，一个负责做，一个负责验。 这五个东西加在一起，就是一个完整的loop的骨架。 Claude Code和Codex有一个命令，其实就是Loop Engineering这套骨架最直接的微观型的产品化体现，只不过很多人没有意识到。 他叫/goal，在Codex里叫追求目标。 意思就是你给Claude一个完成条件，比如「所有测试通过并且lint检查没有报错」，然后它就会一轮一轮的自己干，干完每一轮之后，就会检查这个条件是不是满足了。 大多数讲Loop Engineering的文章，都停在了这一层。讲了五个组件，讲了/goal和/loop命令，讲了怎么配定时任务，就结束了。 这些我觉得，都是术。而我更想聊的，是道。 Loop Engineering这件事，我觉得它最核心最核心的能力，其实不是什么技术能力，也不是写脚本的能力，更不是什么会配hook的能力。 最核心的，是定义目标的能力。定义目标，相信我，这四个字，听起来简单，做起来是真的难。 回到前面说的/goal，它的用法看起来非常直接，给一个完成条件，Claude自己干到满足为止。 听起来很简单对吧。但你如果真正用过就会知道，/goal用得好不好，完全取决于你那个目标定义得好不好。这个事我拿两个例子对比一下你就明白了。 目标A，「把这个应用优化一下」。 目标B，「test/auth目录下所有测试通过，tsc --noEmit零报错，npm run lint零违规」。 目标A会发生什么呢。大家可能都能猜到，Claude会陷入一种非常尴尬的状态，因为它不知道什么叫「优化好了」，除非他是Fable 5，能自己在你之上，自主的帮你定义目标。 而绝大多数的模型，包括Opus 4.8和GPT-5.5，在自己定义目标的能力上还是非常的弱，它可能改了一点代码，然后自己觉得还行，就停了。 也可能不停，一直改一直改，把你的代码库改得面目全非，因为它始终无法判断自己到底什么时候算完成了。那目标B呢？Claude每改一轮代码，都会去跑测试、跑类型检查、跑lint。 三个命令，三个明确的通过标准。全过了就停，没过就继续，清清楚楚，干干净净。同一个工具，同一个模型。 区别只在于，你的目标定义得好不好。 我自己其实一直有一个原则，我经常跟身边的人说，在公众号里也说了无数遍，如果一件事你重复做了三次，你就一定要想办法把它完全自动化掉。 这个习惯跟了我很多年了。我每天也都在写代码、做自动化，我们的AIHOT热点监控系统，我们的数据分析流程，我们的财务对账流程，我们的数据清洗管道，能自动的我全部自动了。 但说实话，在做这些自动化的过程中，我踩过最多的坑，从来不是技术问题。 是目标不清晰的问题。我早期做自动化的时候，经常犯一个错，就是目标定得太模糊。 举个例子，比如自动监控AI行业热点，这句话听起来没毛病，但其实是一句纯粹的废话。 什么叫热点？浏览量过万算热点还是过十万算热点？抓取频率是每小时还是每天？抓到以后怎么评估质量？评估完以后怎么排序？排完以后怎么推送？ 这种反问的问题，我现在可以直接随手问20个以上。 每一个环节如果没有明确的判定标准，整个自动化链条就是一坨狗屎，你相信我，绝对的。 后来我懂了，每次做自动化之前，我会先花很多时间去定义目标。 去花很多很多时间，去定义怎么算做完了，怎么做完算做的好。这其实就是/goal的逻辑。也是Loop Engineering的灵魂。 而如何定义目标，这个能力，我其实不是从AI中也不是从开发中学来的。 这个能力，是我从这几年创业的过程中，学来的。定义目标的能力，其实就是，管人的逻辑。 我自己也开公司，虽然公司不大，只有30来号人，但管人这件事我是真真切切经历过的。 管人最痛苦的是什么，不是人不努力，也不是人能力不够，是你给出去的目标不够清晰，然后下属就一脸懵逼，不知道你要什么，跟无头苍蝇一样打转，最后做出来的东西，你又不满意。 你跟员工说，“把这个功能做好”，那他做出来的东西大概率不是你想要的。 因为你脑子里的好跟他脑子里的好不是一个东西。 你跟他说，“这个接口的响应时间降到200毫秒以下，错误率控制在0.1%以内，下周三之前上线”，他做出来的东西跟你预期的偏差就会小很多。 因为你给了他一个可以验证完成的标准。这一切其实也适用于那种天才型的大神，虽然大神们会自己定义目标，甚至比你定义的还要强，但是给大神们依然是需要有目标的，只是这个目标，不需要那么细节了而已。 对人如此，对AI也是如此。 其实你回头看，所有好的管理方法论，不管是管理学之父Peter Drucker在上世纪50年代提出的目标管理，还是后来Andy Grove在Intel发明的OKR，还是再后来一代又一代CEO们用的各种变体，核心其实就一个东西。 你能不能把一个模糊的意图，翻译成一组可衡量、可验证的完成条件。 管理者要做的，是确保目标足够清晰、资源足够充足、反馈足够及时。你看这三条。跟一个好的loop的三个要素，是不是一模一样。 目标清晰，就是你的条件写得精准。资源充足，就是你给Agent配好了Skill、连接器、工作权限，让它手里有足够的工具干活。 反馈及时，就是你设计了验证机制，每一轮都有一个独立的检查器告诉Agent做得对不对，哪里需要改。管人的逻辑和管Agent的逻辑，是完全一样的。 只不过，管Agent比管人还要极端一些。 因为人可以理解你的模糊意图，人可以主动来找你确认，人可以说老板你这个需求说得不太清楚我不太确定你是不是这个意思。 Agent很多时候是不会的。Agent会非常自信地按照它自己的理解去执行，然后非常自信地告诉你它做完了。 所以，对管理能力的要求，其实比管人还高。 这也是为什么我一直说，AI时代我最讨厌什么「文科已死」「理科已死」的言论，管理学、心理学、组织行为学这些，不但没死，反而变得更重要了。 说到底，Loop Engineering说是Engineering，但我觉得其实它的核心竞争力根本不在工程。 在管理。 而在管理学上，就定义目标这件事，其实不止是把话说清楚就行，其实还有一个非常阴险的陷阱，在管理学和经济学里有个专门的名字，叫古德哈特定律。 当一个衡量指标变成了目标本身的时候，它就不再是一个好的衡量指标了。 翻译成人话就是，你考核什么，员工就只做什么，然后其他东西可能全都退化。 这个事在人类管理中已经是老问题了，而在AI Agent身上，这个问题被放大了一百倍，因为Agent比人类更擅长钻规则的空子。 有人总结过Loop Engineering里很好玩的事情，就是Agent会针对验证器做优化，而不是针对你真正的目标做优化。 比如说你的loop条件是让测试全部通过，那Agent可能最后不去修Bug，直接把失败的测试给你删了。 你看，最后答案依然是测试全过了，完事，从验证条件来看，它确实完成了目标，但从你真正想要的结果来看。。。它啥也没干。 人也会这么干，只不过，Agent做得更快、更彻底、更没有心理负担。所以，一个好的目标定义，不能只有做完了的标准，还必须有不能怎么做的边界。 这其实就是Harness Engineering在Loop Engineering里面发挥作用的地方。 Harness是约束，是护栏，是告诉Agent你可以自由发挥，但这条线你不能越。 Loop是驱动力，是告诉Agent往那个方向一直跑。两个加在一起，才是一个完整的系统。到这里，骨架讲了，灵魂也讲了，陷阱也讲了。 Loop Engineering的东西，终于也差不多了。 最后我想把前面聊的管理学的思路收一下，给一个我自己用得比较多的目标定义框架，不一定科学，纯粹就是我自己的一点点经验。 1. 完成标准要可以被机器验证。 2. 边界条件要跟完成标准一起定义。 3. 要有失败的降级方案。 4. 目标要分层。 回到整条线来看，从Prompt到Context到Harness到Loop，四次跃迁，其实讲的是同一个故事。Prompt Engineering告诉你，好好说话，AI会更懂你。 核心能力是语言表达。Context Engineering告诉你，光说话不够，得给AI足够的信息。 核心能力是信息筛选和组织。Harness Engineering告诉你，光给信息也不够，得给AI设规则和约束。 核心能力是系统设计和规则制定。 Loop Engineering告诉你，光设规则也不够，得让整个系统能自己跑起来。 核心能力是目标定义和管理。 语言学、信息科学、控制论、管理学。四个Engineering，四门古老的学科。 多有意思。 人类社会，其实从来就没有变过。