距離最胖的時候（兩年前） 大概已經-17kg 離目標還差5kg - 然後這件風格好不適合我🤣🤣🤣 一套做完一次就丟掉 真的蠻傷荷包的 但會忍不住一直買以前穿不下或穿起來不好看的衣服

販毒的黑道常會告誡手下，「不要用自己賣的東西」，我最近找到一個新的例子，芝加哥教師工會的會長，把自己的小孩，送去唸私立學校，拒絕用自己賣的產品。這是很不可思議的虛偽，更暴露出教師工會現在把美國的公立學校弄成什麼樣子。芝加哥的公立學校，是美國數一數二大的學區，但二十年來，學生人數少了近八萬人，教職員卻多了三千人，整體學區預算幾乎加倍，師生比拉這這麼高，資源這麼豐富，教育品質一定好了？沒有，芝加哥公立高中學生達到伊利諾規定的學業水準，只有兩成！州定的標準，已經相當低，還有近八成的芝加哥學生達不到。我有很多芝加哥高中畢業的學生，所以我深受其害，面對這麼多基本算數、識字寫作都有問題的學生，我只能一直放鬆教學內容，連帶影響其它程度好的學生。 公立學校資源一點都不是問題，但工會教師就一直用錢不夠的理由，找到機會就罷工抗議。如果不是家長太過憤怒，讓政治人物害怕，工會原本還要在五一國際勞動節停課，讓學生上街抗議。抗議什麼？名義上是為教師勞動權益，但很多是想拿反川的標語上街。他們要抗議川普是有道理的，芝加哥學區這幾年本地學生巨幅外流，如果不是非法的拉丁裔移民填補了空缺，芝加哥還要少更多的學生，預算還會有更大的問題，所以他們當然要抗議川普抓非法移民。有一個學生告訴我，他的朋友最近經濟發生困難，因為他原本的工作是安置芝加哥的非法移民，拿的是政府經費，結果被川普政府搞到沒有收入。我忍不住問他，你沒有覺得奇怪嗎？我沒沒有說出來的是，幹得好。稅金，就給這些米蟲拿去了。 很多移民來到美國，小孩上學了，就會發現，這國家錢真多。公立學校教室設備一流，公發的電子產品人手一台，學生自由，活潑開放。但時間一長，就發現這是個糞坑，這是個教師工會的社會福利機構。老師經常請假，代課老師只會點名，上課時間很少，管秩序時間很多，老師的精力，都花在處理少數具有破壞性的學生，好的老師不敢管教學生，壞的老師不懂教學，浪費學生時間，再不然就整天講黑命貴、川普種族主義、LGBTQ權益，每日上課時數極短，每年上課天數極少。然後一天到晚道德綁架家長，只有他們懂教育，只有他們最辛苦，只有他們收入最少。但讓我講一個很多人不知道的事，大部份的美國公立學校教師，不用繳Social Security，這個僱主和員工合繳12.4%的稅，老師是不繳的。 工會殘害美國至巨，但要怎麼改革這個問題呢？目前有一個聲音是要在最高法院打官司，禁止教師成立工會。這有法律上的道理，因為如果反拖拉斯的目的是反對商業市場壟斷，那教師工會在實質上也是在就業市場壟斷，同樣是傷害消費者行為。進行這個訟訴也有政治上的道理，因為民主黨和教師工會交相苟且，一個把會費金錢輸送給政黨，一個用政黨控制政府的能力，保證工會的利益。這就是芝加哥教師工會這麼囂張的原因，如果把教師工會判為違法，那是一石二鳥。但也因為這個關係到民主黨的權力掌控能力，所以民主黨一定會誓死而反對。 但更重要的是，我認為把工會廢了，公立學校也救不回來。美國沒有什麼師範學校，普通大學畢業，上個教育學程，滿足州的教師規定，就可以當老師。此前，女性受到歧視，工作機會不多的時候，很多優秀的女性，想要展長才的女生，很多都當了老師，因為那是少數女生能在職場發揮的地方，而因此，美國以前公立學校的品質非常高。但這個壓抑女性的社會問題大致解決了，公立學校的老師也失去了優秀人材的管道。現在在大學唸教育的，通常是其它學門唸不來的學生的最後選擇，有統計說，美國大學的專業裡面，平均智商最低的就是教育系。當然少部份學生是為了理念去唸教育，也很有能力，我常在鄉下來的高中畢業生裡看到這種學生，但他們很快就被丟進一個不需要太認真就可以畢業的環境，很快就向下平均去了。在逆向淘汰的情況下，造成公立學校教師資質越來越差。這一點，就連廢掉教師工會也救不回來。 所以，最好的解決方法，是讓工會徹底把公立教學搞砸，那就會有更多納稅人要求開放教育券的發放，鼓勵私立和特許學校的成立。我們愛荷華州這幾年在共和黨的全面執政下，教育券得到充份實施，私立學校像雨後春筍一樣，紛紛冒出頭，也順帶推倒許多品質江河日下的公立學校。私立學校並不一定好，但有競爭才會有進步，才會想要嚐試教學的新作法，在這個AI改變人類生活的時代，我們更需要這種民間的競爭，來導入AI教學，提高教學品質。因此，我非常支持這些混蛋教師工會的惡搞，越惡搞，越加速公立學校的死亡。

把本庄鈴丟給大學輕浮男、結果會怎樣？ 才剛慶祝八週年，本庄鈴就有很棒的作品問世：已經28歲的她被片商SOD STAR丟去和輕浮大學生玩樂，然後當然是被手來腳來搞了起來—聚餐、唱卡拉OK、造訪大學生租的小套房，本庄鈴玩得超開心，忍不住在鏡頭前比YA～ #本庄鈴#

• 這則故事最早來自 America’s Last Line of Defense (ALLOD) 這個知名的諷刺/惡搞網站，他們專門編造這種誇張的政治笑話。早在 2026 年 3 月，他們就發過類似版本（把名字換成 Joseph Barron），現在只是改成 AJ Barron 再炒一次。 • Lead Stories 等獨立事實查核網站已經明確標記這是 satire（諷刺），根本沒有任何叫 AJ Barron 的人公開自稱是拜登替身，也沒有任何法庭、國會或主流媒體的真實報導。 • 「拜登用替身/演員/機器人/面具」的陰謀論已經流傳好幾年，每次都被 debunk（拆穿），這次只是老梗重炒。 發文帳號 @John_F_kJr 自稱是「小肯尼迪」（JFK Jr.），但 JFK Jr. 早在 1999 年就過世了，這類帳號常在散播 #QAnon# 風格的陰謀論，目的是製造點擊和轉發。 很多人已經在回覆裡說這是 clickbait（點擊誘餌） 或 psyop（心理操作），甚至直接叫它 fake news。 總結：這貼文純屬虛構，沒有任何真實依據。 如果你看到類似「驚爆內幕、快轉發不然會被消失」的貼文，99% 都是這種惡搞或假消息，建議直接忽略或查證再分享～ 有其他想確認的貼文也可以再丟給我！

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。

已入住🈷️趴平台,🈷️的宝宝看这里👇 👉👉靠谱的约p网站 ——> 每天露脸直播～顶级尺度👉 平台搜索🔍：——> 所以视频照片均已上传到小窝，免费观看 宝子们快冲吧🍆！！可以一对一，也可线下 精彩刺激👙 隐私安全可靠 注册的哥哥们直接来私信我领定制福利哈

已入住🈷️趴平台,🈷️的宝宝看这里👇 #无偿约p# 只约粉丝 每天露脸直播～顶级尺度👉 平台搜索🔍：噗噗~ 所以视频照片均已上传到小窝，免费观看 宝子们快冲吧🍆！！可以一对一，也可线下 精彩刺激👙 隐私安全可靠 注册的哥哥们直接来私信我领定制福利哈🧧