註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 實測過了南部的粉絲早上都比較硬
實測過了南部的粉絲早上都比較硬 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 實測過了南部的粉絲早上都比較硬 的搜尋結果
雖然嘗試過很多play 但最近心目中的第一名是這位! 不得不說真的是撿到寶又撿到飽 性器合、性癖合、外觀也合 除了持久又不容易射 重點還很霸道 請問這不是寶是什麼😳 #實測過了南部的粉絲早上都比較硬#(˶‾᷄ ⁻̫ ‾᷅˵)
顯示更多
0
0
683
43
轉發到社區
黃海“封鎖”與大橋通車:解密中共獨裁體制末路的瘋狂與焦慮 作者:王戴 近期,網絡上流傳著各種關於台海、東海及黃海方向緊張局勢的傳言,其中一句“解放軍海軍在黃海簽生死狀、封鎖一個半月、中日之間摩擦加劇”的說法引起了海內外網友的廣泛關注。雖然“簽生死狀”帶有某種民間的戲劇色彩與江湖氣,在現代正規海軍編制中並不存在,但它卻折射出當下中國近海極為劍拔弩張的緊張氛圍。 事實上,根據中國海事局發佈的官方航行警告,鹽城海事局已正式宣佈:自10月15日至11月30日,黃海南部部分海域進行長達47天、全天候(每日0時至24時)的實彈射擊,禁止一切船舶駛入。  將黃海的這場超長封鎖演練,與幾乎同期發生的“中朝新鴨綠江大橋正式通車”,以及即將於11月底登場的台灣“九合一”地方選舉聯繫起來看,就會發現這絕非幾場孤立的軍事訓練。中共正在下一盤盤涉足東北亞與台海的“危險大棋”。剝離掉官方的宏大敘事,我們可以清晰地看到這套組合拳背後,獨裁政權真實的戰略意圖與深層危機。 一、 北線突破:中朝新鴨綠江大橋通車與後方補給線的“加固” 就在黃海大規模封鎖演練拉開帷幕的同一天——2026年10月15日,歷經波折、等了足足12年的“中朝新鴨綠江大橋”在遼寧丹東正式通車。 這座新大橋的開通,替代了運行超過80年、早已不堪重負的老舊中朝友誼橋,成為中朝之間最為核心的公路運輸與經貿大動脈。為什麼新大橋的通車偏偏會與黃海的47天封鎖產生微妙的時間重合?這絕非巧合,而是北京在戰略佈局上“前後呼應”的精妙算計:1. 鞏固東北戰略大後方: 在國際制裁與地緣對抗日益加劇的今天,朝鮮對於北京而言,不僅是意識形態上的“難兄難弟”,更是其地緣政治上不可或缺的北方屏障。通過打通新鴨綠江大橋,中共實質性地加固了對朝的陸路物流與後勤輸血通道。2. “陸上輸血、海上布防”的聯動: 朝鮮半島本就是黃海的北方延伸。當朝鮮半島方向的陸路通道全面暢通的同時,解放軍在黃海南部實施長達一個半月的超長禁航與區域拒止演練,其戰略意圖昭然若揭——北京正在向美日韓同盟發出強硬信號:一旦東北亞發生地緣衝突,中共不僅有能力在海上封鎖關鍵咽喉,更有向北方盟友源源不斷輸送戰略物資的戰略縱深。 這種兩面下注的姿態,充滿了冷戰思維的硝煙味。 二、 南線施壓:11月底台灣九合一選舉前的“極限干擾” 如果說黃海的封鎖和新大橋的通車構成了中共的“北線與近海防衛”佈局,那麼其目光緊接著就鎖定了南方——距離11月底台灣“九合一”地方選舉投票日已進入倒計時。 台灣的“九合一”選舉直接關乎島內各政黨的政治版圖和民意走向,歷來是台灣政壇的風向標。然而,中共選擇在10月中旬至11月底這段選情最熾熱、各方勢力激烈廝殺的關鍵窗口期,在黃海及中國近海開展超長週期的極限軍事壓測,其政治干預的意圖十分卑劣:1. 製造“兵凶戰危”的恐慌效應: 極權體制最擅長的就是通過極限施壓來操縱民意。北京企圖通過長達一個半月的持續實彈射擊和戰爭邊緣政策,在台灣社會製造“投票給某些政黨就等於走向戰爭”的寒蟬效應,企圖以此干預台灣選民的政治心理,達到其“以武促統”或“以武拒藍綠變局”的政治目的。2. 試探美日同盟的戰略底線: 選情敏感期與高強度軍事演訓的疊加,也是中共對美日等外部干涉勢力戰略耐受力的一次極端測試。北京企圖用這種“常態化、高強度”的近海封鎖姿態,迫使美日在台海和東北亞議題上有所忌憚。 三、 獨裁體制的末路狂飆:用外部危機掩蓋內部崩塌 透過這些看似氣勢洶洶的軍事演習與地緣動作,作為清醒的反對獨栽體制民運人士,我們必須看到其表象之下的本質——這是中共內部統治陷入嚴重危機、走向末路狂飆的必然表現。1. 經濟崩盤與社會矛盾的強行轉移: 當前,中國國內的經濟下行、房地產爆雷、失業率飆升、地方財政破產以及底層民眾生存困境已經到了無以復加的地步。老百姓對極權統治的不滿情緒像地火一樣在地下蔓延。每當內部合法性徹底動搖時,中共歷來的慣用伎倆就是“轉移視線”——通過不斷渲染外部敵人(美、日、台、韓),挑起狹隘的民族主義狂熱,強行將國內民眾的憤怒導向外部世界。2. 窮兵黷武的維穩成本: 無論是47天的黃海實彈射擊,還是頻繁的海空聯合戰備警巡,其背後燃燒的都是中國納稅人血汗錢堆出來的天文數字。在民生醫療、教育養老嚴重欠賬的今天,獨裁者卻把巨額資金砸向冰冷的軍火和無休止的軍事對峙中。這種為了給搖搖欲墜的極權統治“續命”而進行的窮兵黷武,最終只會加速整個國家的經濟枯竭。黃海封鎖一個半月的傳言與演習、剛剛鳴笛通車的中朝新鴨綠江大橋、步步緊逼的11月底台灣九合一選舉,這三者絕非巧合,它們共同勾勒出了近期中共在內外交困下,北線穩固盟友、南線威懾台灣、近海對抗美日的焦慮與瘋狂圖景。對於渴望中國走向民主、自由與憲政的我們而言,必須擦亮眼睛向海內外同胞揭露:中共製造的每一次外部緊張,都不是為了國家和民族的利益,而是為了它那見不得光的獨裁權力的苟延殘喘。 認清這一本質,團結起來反對極權暴政才是中國擺脫這種無休止的“戰爭邊緣噩夢”的唯一出路
顯示更多
不得不說真的是撿到寶又撿到飽 性器合、性癖合、外觀也合 除了持久又不容易射 重點還很霸道 請問這不是寶是什麼😳 #出門一定要養成洗澡的好習慣# #實測過了IG粉絲早上都比較硬#
顯示更多
0
5
476
33
轉發到社區
Gemini CLI 免費時代結束了?先搞清誰還能用再裝 官方來源:Kevin Leary 實測指南,原文初發 2026-02-11、本次更新 2026-11-21(今天更新,七天內,見文末核實)。先把反常識結論放前面:多數人以為 Gemini CLI 還是那個免費的終端寫碼助手,裝了就能用;真相剛好相反,免費版早在 2026-06-18 就搬家了,個人免費帳號現在打不開它,想用要嘛公司付費授權、要嘛自己買金鑰。這篇只做一件事:照作者更新過的指南走一次,先搞清你的帳號還能不能用,再裝、再登入、再寫專案說明、再選審批模式,最後用無頭模式把它接進腳本,一次上手不走冤枉路。先說清楚底線:主角是第一次上手本身,不是拿它跟別的助手比高下;價格原文有寫每日請求數,動手前先看官方配額頁再確認一次。 說清詞: - 終端寫碼助手:在命令列裡讀專案、改檔案、跑指令的 AI 助手,不用開瀏覽器。 - 免費版搬家:2026-06-18 起,個人免費與訂閱用戶被移到另一款工具,Gemini CLI 不再對他們開放。 - 寫碼授權:公司付的授權,分標準版與企業版,每天請求數不同。 - 付費金鑰:自己去 AI Studio 拿的金鑰,用多少付多少。 - 雲端平台:Google 雲上的企業用法,適合已有帳單與管控的團隊。 - 專案說明檔:放在專案根目錄的說明文件,寫架構、指令與規矩,每次對話都會讀。 - 審批模式:助手動手前要不要問你的設定,從每步都問到全部放行。 - 檢查點:動手前先幫檔案拍照,改壞了可以倒回去。 - 無頭模式:不開互動畫面、直接跑一句話就印結果,適合接進腳本。 - 模型自動選路:簡單任務走便宜的閃速版、難題走強的專業版,自動分配。 - 搜尋打底:內建的即時搜尋,問最新文件時不會憑空猜。 - 外部工具協定:接外部工具的通用規格,同一批工具三款助手都能用。 一個真實的例子:作者的日常主力其實是另一款助手,但 Gemini CLI 留著兩個用途:問「現在正確的做法是什麼」時,內建搜尋給的是最新答案,別的助手只能憑記憶猜;測試提示詞時,它跑的模型與金鑰跟作者接 Gemini 介面的工作同一套,測完直接能用。安裝本身只有三件事:電腦先有 Node 二十版以上,一行指令裝好,進專案打一句話啟動。登入分三條路:公司有寫碼授權就用 Google 登入,個人就用付費金鑰,團隊在雲端就走雲端登入。真正要學的不是哪一條指令比較短,而是動手前要做的事:先看帳號屬於哪一類,再選登入方式,裝完先寫專案說明檔,再決定審批模式要多嚴。 為什麼選這篇更新過的指南,而不是隨便找一篇舊安裝文?因為原文給的理由很實在:免費版搬家之後,舊文章寫的免費額度全作廢了——以前每分鐘六十次、每天一千次的免費額度,現在不在這款工具上。照舊文章裝,裝完登入才發現帳號不能用,時間全浪費了。作者這次更新把帳號對照表放在最前面,哪一類帳號能用、哪一類被移走,一眼就看得出來。先問自己一句:你今天缺的是一份安裝步驟,還是一次搞清帳號能不能用的對照?只缺步驟,隨便一篇都行;缺的是對照,這篇就是你要的那次對照。 再算一筆帳,讓你知道錢花在哪裡。標準版授權每天一千五百次、企業版每天兩千次,付費金鑰按用量計費、額度看帳單等級。能算的帳是另一筆:一次助手任務會吃掉很多次請求,工具呼叫與追問都算數,每日額度比看起來花得快;先用自動選路讓簡單任務走便宜版,額度才撐得久。先想清楚任務有多大再開工,比先開工再看額度見底,划算得多。 反方適用條件清單——以下情況,先別照本篇裝 Gemini CLI,免得把本篇讀成保證: - 只想用個人免費帳號、不想付費:這款工具現在不對你開放,該去的是另一款工具,不在本篇裡。 - 想拿它跑最新一代模型:作者寫明它還沒針對新一代模型優化,新一代模型在另一款工具上。 - 以為舊文章的免費額度還在:每分鐘六十次、每天一千次已是舊事,照舊文章裝一定撲空。 - 想一次全部放行、不問就改檔:放行模式名字本身就是警告,沒開沙箱就全放行,改壞了只能靠檢查點救。 - 以為設定檔寫一次就通用:設定分三層,越具體的越優先,專案層會蓋掉全域層。 - 想拿它當免費的搜尋工具:搜尋打底是寫碼時的加分,不是這款工具的本體。 - 以為三款助手只能選一個:三款都支援同一套外部工具協定,說明檔內容也一樣,兩款並行幾乎不用多花設定。 - 除此之外,只要你真的想在終端裡裝一個會讀專案、改檔案、跑指令的助手,又不想為了一次上手先讀完整份文件——這篇就是為你寫的。 一句定性金句:終端助手裝不裝得起來,不看指令背得多熟,看你有沒有先搞清帳號、登入、審批三件。 一、翻車清單 - 個人免費帳號照舊文章裝,登入才發現已被移走。 - 訂閱用戶以為訂閱等於能用,結果也被移走了。 - 登入方式選錯,授權帳號拿金鑰登、金鑰帳號拿授權登。 - 金鑰寫進共用設定檔,推上公開倉庫。 - 專案說明檔不寫,助手每次都要重新問專案怎麼跑。 - 說明檔寫在錯誤的目錄,助手根本讀不到。 - 審批模式一開始就全放行,沒開沙箱也沒開檢查點。 - 檢查點沒開,改壞了只能靠版本控管救。 - 長對話不壓縮,上下文塞滿了才發現助手開始忘事。 - 模型鎖死專業版,簡單任務也燒貴的額度。 - 子助手模型沒另外設,以為主模型設定會跟著走。 - 外部工具金鑰放進設定檔又沒設信任,助手不認帳。 - 不信任的目錄直接開工,專案設定與金鑰檔全讀不到。 - 無頭模式輸出沒指定格式,腳本接不到結構化結果。 - 三款助手各寫一份說明,內容寫岔了還不知道。 二、替代方案+理由 原文只給一條主路,理由很硬:照更新過的指南完整上手——理由是帳號對照表在最前面,哪一類能用、哪一類被移走先看清楚,裝完登入才不會撲空。寫碼助手也有三條路,各有各的理由。第一條是公司在 Google 雲上就用它,理由是帳單與管控現成,授權、服務帳號、管理員設定全套都有。第二條是已付聊天訂閱就用另一款,理由是不用多付錢,訂閱裡本來就含了。第三條是要最強全能就用第三款,理由是功能最齊、去的地方最多,從終端到手機全包。還有一條是個人免費就用搬家後的那款,理由是免費版現在在那裡,不是這裡。順序只有一個:先對帳號,再選工具,不要先裝了再問為什麼登不進去。 上手也有替代方案,理由一樣硬:先只裝不登入,理由是便宜、先確認版本與指令都對;再談登入,理由是登入方式選錯了要重來,先對帳號再登;最後才談接進腳本,理由是接腳本要先有一句跑通的無頭指令,沒有跑通的指令就沒有東西好接。還有一條省錢的替代方案:兩款並行。理由是說明檔與工具協定共用,設定幾乎不用重寫,一款問最新文件、一款寫程式,各幹各的活。 三、目標形態 一個能對照的最小閉環:帳號類別已對過、能用才往下走;Node 二十版以上已裝好;助手已裝好、版本已確認;登入方式已選對、已登入;專案說明檔已寫好;審批模式已選好;無頭模式已跑過一句話、結果已印出來。一句話:先讓助手在你的專案裡真正改一次檔案、印一次結果,再談接進流程。 這個最小閉環還有三個進階樣子,通了之後可以一個一個加上去。第一個是搜尋打底驗收:問最新文件,看答案是不是查過才回,而不是憑記憶猜。第二個是檢查點驗收:改壞了倒回去,看檔案是不是真的回來了。第三個是腳本驗收:無頭模式接進腳本,看結果是不是結構化輸出,腳本接不接得到。這三個樣子有一個共同點:每一次升級都有跑起來的結果背書,不是憑感覺說通了。 四、遷移步驟 1. 先對帳號:授權版、金鑰版、雲端版能用,個人免費與訂閱版已被移走,能用才往下走。 2. 先裝 Node:二十版以上,版本不夠先升級。 3. 先裝助手:全域安裝,或不裝直接跑,兩條路都行。 4. 先進專案:進到你的專案目錄再啟動,不要在根目錄啟動。 5. 再選登入:授權用 Google 登入,金鑰用環境變數,雲端用雲端登入,三條不要混。 6. 金鑰先放專案或全域的環境檔,不要寫進共用設定。 7. 再寫專案說明檔:架構、指令、規矩寫進去,全域一份、專案一份。 8. 再設信任:第一次開專案先確認信任,不信任的目錄讀不到設定。 9. 再選審批模式:先每步都問,熟了再放寬到只問指令,最後才談全放行。 10. 再開檢查點:設定裡先打開,改壞了才能倒回去。 11. 再學三個快捷鍵:加檔案、跑指令、斜線指令,先會這三個。 12. 再試無頭模式:先跑一句話看結果,再接進腳本,輸出格式先指定。 13. 再接外部工具:設定檔裡加伺服器,連上先看清單,信任只給自己跑的伺服器。 14. 檢查完再用:額度先看、模型先設自動、長對話先壓縮,三個都對才往下走。 跑完這十四步,真正拉開差距的不是你會幾條指令,是你第一次上手有沒有真的跑通。跑通了,後面加什麼都是一件一件驗;沒跑通,背再多指令都只是在猜。好的第一次上手有三個要素:帳號對過,登入選對,審批設好。帳號對過,例如授權版、金鑰版、雲端版能用,個人免費已被移走;登入選對,例如授權用 Google 登入、金鑰用環境變數;審批設好,例如先每步都問、檢查點先打開。三個要素寫進每一次上手,助手交出來的結果立刻不一樣。反過來最差的做法是帳號不對、登入混用、審批全放,錯了你還要花時間一條一條對。助手是現成的,專案是你的,第一次上手才是決定這個工具能幫多少忙的關鍵。 五、團隊共建分工 讓終端助手幫全隊幹活是小事,但三個角色別一個人全扛: - 你自己管登入與金鑰:每一次開工的登入方式、授權、金鑰,只你經手,寫進本篇贈品驗收表,誰要用就照表拿,不要各拿各的。 - 審查者核對改檔:每一次助手改完檔案讀一次,改得對不對、測試過了沒,兩個都對才放行。 - 紀錄者留對照表:把每一次上手的帳號類別、登入方式、模型設定、審批模式寫進本篇贈品驗收表,換人接手時不用重讀原文,換專案時照表改說明檔就好。 - 守門員管額度邊界:每一次開工之前,先說清楚這次用哪種授權、額度抓多少、最多跑幾次,三個缺一個就不許往下走,缺了還往下走的人,帳單自己負責。 - 新人先跑最小閉環:新加入的人不要一次碰整套助手,先照本篇第四節跑一遍最小閉環,裝好了、登入了、改了一次檔案,通了才算入門,通不了先找守門員對帳號與登入,不要自己硬湊。 六、官方工具包 - Gemini CLI 零點六四版:Google 的開源終端寫碼助手,裝好就能在命令列裡讀專案、改檔案、跑指令。 - Node 二十版:裝助手之前要先有的環境,版本不夠先升級。 - 寫碼授權:公司付的授權,分標準版與企業版,每天請求數不同。 - 付費金鑰:自己去 AI Studio 拿的金鑰,用多少付多少。 - 雲端登入:Google 雲上的企業用法,適合已有帳單與管控的團隊。 - 專案說明檔:放在專案根目錄的說明文件,寫架構、指令與規矩。 - 審批模式:助手動手前要不要問你,分每步都問、只問指令、唯讀、全放行四檔。 - 檢查點:動手前先幫檔案拍照,改壞了可以倒回去。 - 無頭模式:不開互動畫面、直接跑一句話就印結果,適合接進腳本。 - 模型自動選路:簡單任務走閃速版、難題走專業版,自動分配,額度撐得久。 - 搜尋打底:內建的即時搜尋,問最新文件時不會憑空猜。 - 外部工具協定:接外部工具的通用規格,同一批工具三款助手都能用。 - 擴充功能與子助手:把常用工具與專門助手包起來,裝一次到處都能用。 - 價格缺口:金鑰版用多少付多少,原文只給每日請求數,動手前先到官方配額頁再查一次。 - 下一步三件:搜尋打底驗一次、檢查點驗一次、腳本驗一次,寫完先驗過再往下走。 結尾收束:原則比工具多重要——第一次上手跑通,不是多了一種寫碼的辦法,是同一套做事的辦法換了一個樣子。可重複的動作規則只有一條:每次換專案、換帳號之前,先回到那個最小閉環——帳號對過、登入選對、審批設好——通了再往下走。今晚就能做的事:先對一次帳號,再裝、再登入、再寫專案說明檔,看看助手是不是真的在你的專案裡改了一次檔案,結果會告訴你答案。 最後再提醒一次最容易被低估的事:讓終端助手幫你幹活真正的成本不是模型有多強、不是一次請求有多便宜,是你願不願意先把帳號對一次、把審批模式設一次。帳號沒對過,後面裝的每一樣東西都是在猜;審批沒設好,檔案改壞了才發現檢查點沒開,你都不知道。登入拆清楚了,功能可以一件一件加,改檔一定要先看過,動手之前你都還攔得住。這筆帳,比一次請求的價格重要得多。今晚先跑一次上手,明天上班第一件事就拿改好的檔案去對一次,看看下一次該把什麼功能加上去,數字會告訴你答案。 本篇贈品:Gemini CLI 首次上手驗收表 開工之前逐項打勾:1 帳號——授權版金鑰版雲端版能用已確認、個人免費已被移走已記住;2 環境——Node 二十版以上已裝好、助手零點六四版已確認;3 登入——授權用 Google 登入已確認、金鑰用環境變數已確認、雲端用雲端登入已確認;4 說明——專案說明檔已寫好、架構指令規矩已寫進去已確認;5 信任——第一次開專案已確認信任、不信任目錄讀不到設定已記住;6 審批——先每步都問已記住、沙箱已開好已確認;7 檢查點——設定裡已打開、改壞了能倒回去已確認;8 模型——自動選路已設好、簡單任務走閃速版已記住;9 無頭——一句話已跑過、結果已印出來已確認;10 工具——外部工具已連上、信任只給自己跑的伺服器已記住;11 維護——每月回頭對一次官方配額頁已記住、寫完先驗過再往下走已記住。 S1哥觀點 別再問「終端助手哪個免費」了——免費的那個早搬家了,問錯地方,裝十次也是白裝。還在照舊文章裝、裝完登入才發現帳號被移走的人,省下來的對帳號時間不是效率,是欠下的帳;先把帳號對照表看一次、登入方式選對、審批模式設好的人,改檔之前都還攔得住,改壞了檢查點也能救回來,動手之前都還來得及。更值得問的是:你上一回裝終端助手,登入之前先對過帳號嗎?還是裝完才發現免費額度早沒了,時間全浪費了?這種糊塗帳,對一次帳號就能省下來。你第一個想拿它改的專案是哪一個?評論區說說。
顯示更多
2023 年,Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷:沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上,它只是在做「下一個 token 的預測」。 從學術的角度看,他說得完全正確。 直到今天,LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後,我們發現了一個讓科學家尷尬的事實:學術上的根本缺陷,工程上不一定要正面解決,繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線,讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law(規模定律)有天花板,LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他: 第一,資本的暴力美學。過去三年,人類往算力砸錢的瘋狂程度,讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二,系統性的外掛補丁。模型記不住?掛上向量資料庫。模型理解不夠?接上 Vision 和工具。 這就是工程學最迷人的地方:解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列,而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評,是他認為 Pattern Matching(模式匹配)不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯,那「學習本身到底是什麼模式」還重要嗎? 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀,但在它飛得更高、更遠、更穩定的那一刻,它到底「算不算在飛」已經不重要了。 但繞過去的,跟真的解決,是兩回事。 只要底層架構沒變,楊立昆講的那些缺陷就真實存在。記憶是外掛的,不是原生的。就像義肢,裝上去能走能跑,但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了,推理、寫作、寫程式,很多事做得比大部分人好,但它每次都是一個全新的大腦。沒有連續的意識,沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」,全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新,你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD,把關鍵字搜尋跟語意搜尋混在一起用,就是為了解決一個問題:你三天前跟 AI 聊過的東西,它下次怎麼找得回來。 模型本身的能力會繼續進步,但只要底層是 LLM,記憶管理就是一個繞不開的大山。 用工程的角度來說,就是 Context Engineering 的重要程度,會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文,決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子,我的 OpenClaw Agent KAI,它常常在多個頻道處理不同任務,但它們的記憶不是即時同步的。只要 還沒更新,它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身,B 分身目前正在做什麼,然後要求 B 把做的東西整理好傳過去。或者更簡單一點,直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話,讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象,只要你常用 AI,一定會有很強烈的感覺。 從人格化的角度看,你會覺得它們是同一個人。但事實上,它們只是共享同一份記憶。只要記憶沒有同步,它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我,如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex,用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我,差異的核心在於:中間過程要不要進主 context。 用 MCP 調用 Codex,每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn,讀檔、改檔、跑測試、報錯、retry,全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn,跑完之後 Opus 的 context window 已經被中間過程塞滿了,後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent,這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後,回傳給 Opus 的是一個精簡的 handoff summary:改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎,Opus 完全不需要知道。 同樣一件事,兩種做法,Opus 的 context 乾淨程度天差地遠。 所以同一個模型,不同的人用,產出可以差十倍。 人與人之間原本的能力差距,已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子,這些東西的權重正在被 AI 快速壓縮。 取而代之的,是你怎麼使用 AI。這件事的精度,才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間,把對的資訊塞進那個 context window。 這些東西有一個名字,叫 Context Engineering。 它不是什麼高深的學問,但它是所有想把 AI 用好的人,都應該深入研究的東西。
顯示更多
0
51
980
166
轉發到社區
測完64型人格之後...我收回之前說MBTI不準的話。 以前的結果描述總覺得差那麼一點?那是因為你沒測過進階版。 新版加入了「果斷A/糾結O」「高冷C/溫暖H」兩對維度,挖掘你沒發現的隱藏天賦,更貼近真實的自己。 圖中這些「超稀有」人格,真的有人測出來過嗎?點擊下方詳情,看看你是不是那 0.2%!
顯示更多
(請到主頁先看上一則貼文) 🌟本日實測: 真的緊到靠北⋯⋯ 艸到我覺得小穴都外翻還摩擦過度 期待一下新作品 而且是新嘗試哦!太澀了啦🥵
馬斯克花了四百四十億美元買了推特,被當成是他經營失敗的例子,雖然他透過合併再合併,讓跟著他投資的朋友,得以藉由SpaceX脫身,但推特本身,今時今日,絕對沒有四百四十億的價值。Ben Thompson說,因為馬斯克是硬體專家,而不是軟體專家,所以推特才沒有成功。在實體世界可以讓馬斯克一再往前推進的工程能力,放在零與一的世界裡,充滿了問題。Thompson說是物理的極限,限制了馬斯克的瘋狂,東西能不能用,一翻兩瞪眼,他的獨特能力,就是一路測試這個物理極限,然後把東西做出來。但軟體沒有物理限制,隨時可以ship產品,瘋狂的主意,像是「能不能把照片裡的女生衣服脫掉」,變成嘴巴一說就會成為現實的產品,完全乎略了人與人互動的問題與限制,反而讓產品在市場造成消費者的疑慮。也就是說,馬斯克極端的產品問市能力,反而在軟體世界是個問題。 我認為Thompson雖然有智慧,但這個看法是屁。 第一,軟體也有物理的限制,也不是馬斯克想要ship什麼,就可以有什麼。不然他怎麼不去寫一個反重力的演算法?或是花上無數的人力去生出這個不可能的任務?第二,硬體也可以有不切實際的功能,像是Cybertruck的超硬外殼,超過了這個世界上九成九的人需要的程度,但馬斯克還是ship了這個產品。馬斯克當然會因為物理的限制,有些事不能做,但也不是可以做的事,他就一定做,或是一定要放在產品裡。 馬斯克在推特的失敗,最重要的原因,和馬斯克沒有關係。推特本來就是一個死亡中的商品,被政治徹底毀滅的產品,先是左派把它的言論廣場的功能拿掉,馬斯克買下來之後,「什麼都可以的態度」則又把一堆垃圾塞到時間軸裡,造成使用經驗極差。一個死亡中的產品,連神仙都救不了。巴菲特說過,「如果一個惡名昭彰的產業,碰到一個經營名聲很好的管理者,通常是產業的名聲還是會持續。」馬斯克就是花錢買了個垃圾,誰都救不起來的垃圾,雖然我感謝他讓這垃圾還繼續經營著。 Thompson也對xAI深表悲觀。直接把馬斯克的推特失敗,外插到馬斯特一定會在AI失敗,甚至說他應該專心蓋數據中心來賺錢就好。神經病,馬斯克搞AI是為了多賺兩塊錢嗎?搞AI模型,那是未來的戰爭,只蓋數據中心,掌握了什麼鳥未來?而且,誰說模型的競賽,馬斯克輸定了?OpenAI和Anthropic的互有領先,證明了模型的競賽還沒有定於一尊,誰會領先,完全取決於下一個模型的問市。誰說xAI輸定了?SpaceX錢這麼多,xAI要燒錢,還會燒輸Anthropic或是OpenAI嗎?
顯示更多
0
25
79
4
轉發到社區
去年 12 月,我在 OKX Pay 中放入了 10,000 USDG,當時最高年化收益達到 10%。經過大約半年的時間,目前賬戶中的累計收益已經超過 425 美元。 原本我以為,這已經是一個相當不錯的穩定幣收益實驗。直到最近一位朋友告訴我,他通過 OKX 的現貨槓桿借幣方式,將 USDG 的收益率放大到了約 17% 年化,而且參與金額接近 47 萬美元。 這期影片中,我會從自己的 USDG 收益記錄開始,帶大家瞭解: OKX USDG 的收益為什麼從 10% 降到 6%; 朋友如何通過現貨槓桿借幣持有大量 USDG; 4.1% 收益與 2.5% 借幣成本之間的利差如何計算; 我如何使用 1,000 美元親自測試這套操作; 這種看似穩定的利差玩法,背後有哪些脫錨、強平和收益變化風險。 這只是我個人在區塊鏈領域中的學習與實測記錄,不構成任何投資建議。涉及借幣與槓桿的操作,請務必先瞭解相關風險,再根據自己的承受能力作出判斷。 重點時間戳 00:00 朋友用 USDG 做到約 17% 年化? 00:31 我半年前投入 10,000 USDG 的真實收益記錄 01:14 USDG 收益從每周約 20 美元降到 11 美元的原因 02:13 朋友的玩法:近 47 萬美元 USDG 與現貨槓桿 03:27 實際收益截圖:一周發放 247 美元 04:12 另一位用戶用 5 倍槓桿持有 72 萬 USDG 04:47 現貨槓桿和合約交易有什麼區別 06:22 約 17% 年化是如何計算出來的 07:51 OKX 現貨槓桿操作演示:開啓跨幣種保證金與自動借幣 10:48 用 1,000 美元實測買入 8,000 USDG 11:56 如何查看借幣利率:收益 4.1%,成本 2.5% 13:07 風險提醒:脫錨、強平、VIP 收益變化與退出方式 @okxchinese
顯示更多
0
13
85
6
轉發到社區
現在 AI 做 Vibe Coding 其實很容易,所以很多人會用 PineScript 或者是 MultiCharts 之類的工具去做策略回測。新手做回測時,都會遇到一個核心難題,就是如何避免 over-fitting 。 說實在,不管你選用蒙地卡羅還是 Bootstrap ,核心重點都是 OOS 樣本外測試,差別只在抽樣的方式不一樣。所謂的蒙地卡羅 CV,本質上只是在資料樣本切片時,重複進行多次隨機切片而已。 我認為最重要的是,策略開發出來後,一定要上 Live Trading。 上實盤一個月,比對回測數據。如果你的回測說這個月應該賺 5%,實盤也差不多 5%,那你的策略大概沒問題。如果差距很大,那就是回測有問題。 很多人回測曲線超漂亮,可能原因不是 over-fitting,而是 look-ahead bias ,用了未來的資訊做決策。譬如在還沒收盤的時候,就用了收盤才會知道的技術指標。 這種 bug 比 over-fitting 更難抓,因為回測報告上完全看不出來,只有上了實盤,績效才會現形。 很多在網路上寫量化交易的人,沒有說過自己實盤跑了多久、管多少錢、做什麼市場。曲線貼出來都很漂亮,但全部都是回測。 我們公司的策略已經跑了兩年實盤,只做 BTC ,OKX+Hyperliquid 的 AUM加起來 2000 多萬美金,每小時公布淨值曲線跟倉位紀錄,早期玩量化踩的坑我都踩過了。 如果你剛開始做量化,不小心做出了一個回測可以買地球的策略,先不要太興奮。先上小倉位的實盤,跑一個月,把實盤績效跟回測數據放在一起看。 那個差距會告訴你所有你需要知道的事。
顯示更多
0
13
173
10
轉發到社區