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 常识分享
常识分享 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 常识分享 的搜尋結果
吃了那么多年梭子蟹 你知道你吃的是处女还是少妇吗? I have eaten crabs for so many years. Do you know whether you are eating a virgin or a young woman? #常识分享# #梭子蟹#
顯示更多
《将露出大乳头视为美的异常常识世界》一 小红薯网红博主分享篇 AI制作拟真实模板魔改真人恶搞故事剧情 短篇两部含视频
跟兄弟们分享一个,我最近根据高盛报告建仓的非常有意思的小票。 先讲个最反常识的点: 现在全市场疯抢的英伟达CPO供应链里,有一家核心供应商,副业居然是做按摩椅的,同时还在给人形机器人供货。 这种魔幻的业务组合,大概也只有现在的AI时代能见到了。 这家公司叫Nextronics, 代码8147, 目前市值仅约2.1亿美元。 高盛在最新的英伟达供应商深度报告中,多次在40亿至100亿美元以上的大中型公司名单之外,特别提及了这家微型企业。 它的核心业务是为英伟达CPO项目供应关键的CPO连接器和笼式散热模块,同时也进入了亚马逊的供应链体系。 我觉得最大的看点就是市值差。 随着英伟达CPO项目未来几年的爆发式扩容,这种量级的供应商只要能稳住份额,业绩的边际变化会极其显著。
顯示更多
英伟达老黄,直接把AI产业链作业给你抄明白了。 能不能吃下去,全看兄弟们自己有没有那个胆子拿。 01)IP内核 ARM,CPU架构底层,苹果、高通、联发科都用它。 02)晶圆代工 TSM,台积电,先进制程绝对龙头。 INTC,英特尔,虽然落后了,但也在追赶。 03)存储芯片 MU,美光,HBM核心受益。 SNDK,闪迪,存储生态。 WDC,西部数据,存储。 04)封装环节 ASX,ASE Technology,封装龙头。 AMKR,Amkor,封装测试。 CAMT,Camtek,封装检测设备。 05)半导体设备 KLAC,科磊,量测与检测。 LRCX,泛林集团,刻蚀和沉积设备。 ASML,EUV光刻机,全世界独一份。 KEYS,是德科技,测试测量。 06)网络通信 COHR,Coherent,光电和激光器。 GLW,康宁,光纤和特种玻璃。 FN,Fabrinet,光通信代工。 LITE,Lumentum,光通信组件。 APH,安费诺,连接器和高速互联。 07)服务器厂商 DELL,戴尔,服务器和PC。 SMCI,超微电脑,AI服务器新贵。 JBL,Jabil,电子制造服务。 08)电源系统 FLEX,伟创力,电源和电子制造。 VRT,Vertiv,数据中心电源和冷却。 ETN,伊顿,电源管理。 9)功率半导体 STM,意法半导体,功率和MCU。 ADI,亚德诺,模拟芯片。 MPWR,Monolithic Power,电源管理芯片。 NVTS,Navitas,氮化镓功率芯片。 ON,安森美,功率和图像传感器。 10)老黄自己真金白银砸钱的 CRWV,AI数据中心。 NBIS,AI基础设施和算力云。 NOK,诺基亚,通信设备。 SNPS,新思科技,EDA软件。 LITE,Lumentum,光通信组件。 GLW,康宁,光纤和特种玻璃。
顯示更多
顶级推文专用提示词分享给大家: 你是一名顶级 X 爆款长文写手。 你的任务是把任何主题、想法、研究资料, 改写成一篇高传播、高收藏、高互动的 X 原生长文。 X 长文是发布在 X 平台的原生内容(Premium 可用,最长 25,000 字)。 它的本质是: 推文深度 × 爆款 Thread 节奏 × 算法推荐分发 🧱 固定结构(每篇都必须用) 1️⃣ 标题(80 字以内) 必须做到: 制造“认知冲击” 包含数字 / 时间 / 反常识 / 极端结果 一眼就让人想点开 示例: 我测试了 47 个 AI 工具,最后只留下 3 个 30 天涨粉 10 万:X 长文真正有效的公式 90% 创作者都做错了这一步 2️⃣ 开头钩子(前三句话决定生死) 三句话结构: 第 1 句:强观点 / 反常识 直接打脸大多数人的认知。 第 2 句:建立可信度 你是谁?做了什么测试?有什么数据? 第 3 句:明确承诺 “看完你会得到什么?” 例如: 大多数人写 X 长文根本不是内容问题,而是结构问题。 我拆解了 112 篇 10 万+ 阅读长文,找到了共性。 看完这篇,你会有一套可以直接套用的爆款框架。 3️⃣ 正文结构(循环模块) 每个模块都用下面的格式: 【小标题 — 5 个字以内】 核心观点(2-3 句) 只讲一个洞察。 证据(数据 / 案例 / 对比) 必须具体。必须真实。必须可验证。 落地结论(1 句) 告诉读者:所以你该怎么做。 每篇建议 4-8 个模块。 4️⃣ 可截图的高价值模块 必须有一个“密度极高”的部分, 让读者愿意截图保存。 格式示例: 📌 保存这套框架: 标题 = 数字 + 极端结果 开头 = 反常识 + 数据 + 承诺 每段 ≤ 3 行 每个观点必须有例子 结尾一定给方法论 留一个下篇钩子 或: 🧠 爆款长文速查清单: (5-10 条结构清单) 这一段是传播核心。 5️⃣ 结尾(三句话) 第 1 句:呼应开头观点(已被证明) 第 2 句:行动号召(关注 / 转发 / 评论) 第 3 句:下篇预告或悬念 示例: 现在你知道了,爆款不是运气,是结构。 如果这篇对你有用,转发给一个正在写内容的朋友。 下一篇我会拆解真实变现路径。 🗣 写作风格规则 像一个聪明朋友私下告诉你“核心情报” 每个观点必须有数字 / 名字 / 案例 禁止使用以下词汇: 深入探讨 赋能 布局 利用 生态 颠覆性 禁止被动表达 必须用第一人称 “我测试” “我拆解” “我发现” 全文最多 3 个 emoji 每段不超过 3 行 多留白 🎯 选题处理逻辑 当给你一个主题或链接时: 找到最反直觉的核心洞察 用它做标题 用数据和案例证明它 最后给一个可执行框架 🚦发布前自检清单 发布前必须检查: 标题有冲击力 前三句兑现承诺 每段都有具体例子 有可截图模块 没有空话套话 字数 < 25,000 结尾有行动号召 只有全部通过,才允许输出。
顯示更多
最近我有个手握十篇AI顶会的博士朋友正在找工作,分享一下他找工作的经验吧: 整理了 50 多篇青云、Seed、Kimi 等大模型人才计划面经,发现一个挺反常识的现象: 论文多的人,不一定更容易通过。 面试官真正关心的通常不是论文数量,而是几个更具体的问题: 你的研究方向和团队是否匹配?工作里哪些部分是自己完成的?为什么这样设计?方法在哪些场景会失败?换到真实业务里,成本和收益是否仍然成立? 研究型团队会重点考察问题定义、方法创新、实验设计和未来研究方向。但对于后训练、Agent 和推理系统岗位,工程闭环同样重要: 能不能搭建数据、训练、rollout 和评测流程?是否真正用过 verl、vLLM、Ray、DeepSpeed?遇到 reward 异常、熵崩溃、显存不足或吞吐下降时,能不能定位原因? 所以常见的四类候选人,大致是: 1. 论文强、工程弱:Research Talk 有优势,但容易挂在 Coding、系统实现和工程追问。 2. 工程强、论文弱:业务组适配度不错,但需要证明自己不只是调用框架,也能定义和分析问题。 3. 论文和工程都强:竞争力最高,但面试官会重点确认工作是否真正由自己主导。 4. 两边都不突出:与其继续堆零散经历,不如完成一个方向匹配、指标完整、能讲清失败案例的闭环项目。 人才计划不一定选择履历最豪华的人,更可能选择: 1. 方向匹配,并且能够独立把问题推进下去的人。 2. 一篇能讲透、能复现、能落地的工作,可能比几篇说不清个人贡献的论文更有说服力
顯示更多
0
40
439
57
轉發到社區
抄底-collect -合约策略深度解析-合约新手必看指南 今天分享一份针对 $COLLECT 的【右侧抄底多单】深度策略。 不是盲目赌博,而是基于清算地图与微观结构的高阶博弈。胜率约50%,盈亏比(RR)锁定在1.5-1.6:1。 跟上我的推演: 1.数据面:清算地图的奥秘 大家看图中的 Coinglass 清算热力图。需要强调一个常识:模型的选择本身与价格的绝对涨跌方向无关,但热力图却精准地暴露了高杠杆资金的“藏身之处”和市场的痛点。 下方 0.045 至 0.042 区间,正是一个极佳的流动性猎杀区。 我的方案核心逻辑,就是在这个区间等待多头杠杆被清洗后的“黄金坑”。 (触发条件:拒绝左侧接飞刀,等待右侧企稳) 只有满足以下“共振信号”,这套狙击方案才会激活: 1️⃣ 价格到达伏击区:回调至 0.042-0.045 区间。 2️⃣ 微观企稳信号(关键):4H级别出现吞没形态或长下影线探底针。 3️⃣ 情绪与资金面洗盘:资金费率回归0%附近 + OI(未平仓合约)出现一次悬崖式下跌(确认杠杆已被出清)。 4️⃣ 宏观护航:BTC 在同时段内未出现破位。 2.(风控与执行:教科书级的仓位管理) 专业玩家与赌徒的最大区别在于建仓手法。本单采用 3:3:4 分批建仓法,杠杆严格控制在 ≤5倍,全程采用 Post Only 限价单。 一档:0.045 (30%) 二档:0.043 (30%) 三档:0.041 (40%) 防守底线(止损):0.0395 结构破位。入场即挂 OCO 订单。空间约 -13%,一旦破位,意味着原逻辑失效,断臂求生,绝不扛单。 3.止盈与利润奔跑:吃鱼吃中段 制定了严格的止损,更要有合理的止盈节奏: TP1 (0.048):平仓50%,将主动权握在手里。 TP2 (0.052):平仓30%,锁定丰厚利润。 TP3 (0.056):留20%作为趋势仓,博弈更高空间。 ⚠️ 核心军规:当拿到 1R 的利润时,立即将剩余仓位的止损上移至保本位。先立于不败,再求全胜。 Tweet 6/6 (策略失效预警与总结) 交易没有100%的圣杯,我们必须接受剧本外的意外(取消信号): ❌ 现价无回调,直接突破 0.053 创出新高(踏空就踏空,不追高)。 ❌ 回调至 0.045 以下,未出现任何企稳 K 线,直接跌破 0.040(耐心等待,避免成为炮灰)。 市场是一首冰与火的诗,而我们要做的,就是踏准它的节奏。这套严密的策略你学到了吗?欢迎在评论区探讨你的看法,或者分享你正在盯盘的 Alpha。
顯示更多
0
50
84
13
轉發到社區
致所有还在迷茫中的交易者! 如果你最近交易一直不顺,甚至已经开始怀疑自己到底适不适合这个市场,我想分享一些这段时间越来越深的感受 做交易久了以后,我发现一个很反常识的事情 很多人以为交易最重要的是学会怎么看行情 但真正决定一个人最后能不能留下来的,往往不是技术,而是他能不能控制自己 刚进市场的时候,我们最容易想的是: 本金怎么翻倍 这一轮能不能抓住 什么时候才能靠交易赚到真正改变生活的钱 很少有人第一天进入市场,会先想一件事: 我怎么才能在这里活得足够久 可后来你会发现,这恰恰才是最重要的问题 市场从来不缺机会 缺的是下一次机会来的时候,你还有没有本金,还有没有耐心,还有没有重新扣动扳机的勇气 我见过太多人赚过大钱 一波行情抓住,账户翻几倍甚至更多 但最后回头看,真正留下来的钱并没有多少 为什么? 因为赚到钱和守住钱,本来就是两种完全不同的能力 行情好的时候,胆子大一点、仓位重一点、运气好一点,都可能赚到钱 但想长期留下来,你需要的是仓位管理、止损、纪律、耐心,还有对自己情绪的控制 这些东西听起来一点都不刺激 甚至很无聊 但交易做到最后,最值钱的偏偏就是这些无聊的东西 我现在越来越觉得,小本金阶段最大的意义,本来就不是赚钱 而是用一个你承担得起的成本,去看清真实的自己 你会发现自己盈利以后会不会膨胀 连续止损以后会不会急着翻本 错过行情以后会不会忍不住追 明知道不符合计划,会不会因为怕踏空强行进场 浮亏的时候,会不会偷偷把止损往后移 这些问题,你看一百本书都不会知道答案 只有真正坐在盘前,真钱在里面跳动的时候,你才知道自己到底是什么样的人 所以很多时候,我们缺的可能根本不是下一套交易系统 而是把已经知道的东西真正做到 止损大家都知道 轻仓大家都知道 不要追涨杀跌大家也知道 不要情绪化交易,更是听到耳朵起茧 可为什么还是有人一次次归零? 因为交易最难的从来不是“知道” 而是在金钱、欲望和恐惧同时出现的时候,你还能按照自己知道的东西去做 这也是为什么我越来越认同一句话: 交易首先修的不是技术,是人 技术解决的是“什么时候做” 仓位解决的是“做多少” 纪律解决的是“错了怎么办” 而认知决定的是,你能不能把这一切坚持足够久 市场永远存在不确定性 再成熟的系统也会连续止损 再漂亮的形态也会失败 再有把握的一笔交易也可能在下一秒被市场打脸 真正成熟以后,不是你突然拥有了预测未来的能力 而是你开始允许自己判断错误 错了就止损 错过了就等下一次 赚少了也不后悔 行情没看懂就不做 因为你终于明白,交易不是比谁这一把赚得多,而是比谁能长期留在牌桌上 所以我也越来越不赞成把交易当成人生唯一的翻身机会 当你必须靠这一单赚钱的时候,这笔交易从进场开始就已经变形了 你会害怕止损 会害怕错过 会想尽快回本 会为了一个本来不值得做的机会重仓 因为那时候你交易的已经不是行情,而是自己的焦虑 有工作也好,有生意也好,有稳定现金流也好 这些东西并不会妨碍你成为一个好的交易者 恰恰相反 当你不需要靠今天这一单支付明天的生活,你才真正拥有等待机会的资格 交易也不应该成为生活的全部 屏幕外面还有很多事情值得认真对待 身体、家人、朋友、事业,以及真正属于自己的生活 账户里的数字很重要 但如果有一天,你的情绪只能随着账户净值上涨和下跌,那交易带给你的可能已经不是自由了 我以前也觉得,做交易最重要的是找到一个足够厉害的方法 后来才慢慢发现 方法当然重要 但真正拉开差距的,可能只是几个特别简单的问题: 没有机会的时候,你能不能等 看错的时候,你能不能认 连续亏损的时候,你能不能停 赚到钱的时候,你能不能不膨胀 所有人都知道的规则,你能不能真的执行几年 交易做到最后,其实越来越不像是在研究市场 反而越来越像是在研究自己 你的贪婪 你的恐惧 你的侥幸 你的急躁 你的不甘心 以及你每一次明知道不应该,却还是按下交易按钮的瞬间 市场只是把这些东西一遍遍放大给你看 所以我现在理解的长期主义,不是永远看多,也不是死扛一笔交易 而是无论经历多少轮行情,都尽可能保证自己还有资格参加下一轮 可以亏钱 可以看错 可以错过行情 甚至可以很长一段时间没有进步 但别因为一次亏损毁掉本金 别因为一次盈利高估自己 也别因为暂时没有答案,就开始到处寻找所谓的圣杯 慢一点其实没关系 交易本来就是一件很慢的事情 真正值得追求的,也不是某一天账户突然翻了多少倍 而是几年之后回头看 你还在这个市场 本金还在 系统还在 纪律还在 最重要的是 那个面对市场时能够保持理智的自己,也还在 市场永远会有下一次机会 但前提是 下一次机会来的时候,你还在场
顯示更多
真的是需要袪魅一下西方的“不赡养父母”的设定。 中国人养孩子和美国人养孩子那是两个概念。 我一个盆友在美国嫁给多子女家庭的最小的儿子。给我分享了很多颠覆认知的生活常识。 首先,家长根本不鼓励孩子们上大学。他们真无所谓,爱读不读。其次,16岁以后无一例外就要开始打工。 爸爸上班,回来是肯定不做家务的,妈妈是全职妈妈,做所有家务。她从来都不可能一日三餐做好了叫孩子吃饭,一天能做顿晚餐,就非常完美了。 孩子们日常是冰箱里摸,摸到啥食物吃啥。当然也没耽搁长成190的大高个。牛奶和冷冻肉管够。 没有结婚彩礼,不可能给孩子买房出首付。也没有什么陪嫁之说。孩子结婚礼节性给一下礼物,其他你自己搞定哈。 小孩子是很难从父母那里要到什么奢侈品的。中国孩子只要家境不要太差,考取大学,被奖励一个好手机好电脑是正常的。 而在美国,大约四分之一美国年轻人,全程不靠父母经济支持,仅凭政府助学金+个人助学贷款读完大学本科。 大约35%左右的学生,学费一半来自父母现金积蓄资助,另一半靠自己申请学生贷款+助学金拼凑,这是美国最普遍的模式 。 而真正全靠父母供养读大学的,约24%。 年轻人结婚,生娃,不存在伺候月子,就没有月子之说。 如果长辈很喜欢带小孩。可能会帮你白天上班的时间搭把手。几乎不存在父母出去打工,一年回来看一次的留守儿童。要有,也是父母不负责任生了孩子自己却跑了,去要自由的弃儿,比如美国副总统万斯就这么长大的。 有这样的前置条件, 才有后续子女不养老,父母纯靠自己的保险社会福利养老的后续。 优劣自已评比。 但你肯定不能享受完了中国式父母无微不至、全程陪跑、半生积蓄托举你的福利后,转脸要西方的“不赡养父母”的自由。
顯示更多
0
27
24
0
轉發到社區
推荐几个我会长期看的财经投资领域账号。 1️⃣ @ooeli_eth O 大主要投资美股方向 大道至简,内容偏基础科普和标的推荐,适合想系统补美股常识的人或者对投资还不是了解的新手。指数、公司、估值、组合思路这些东西,他讲得比较清楚。 同时也会分享一些其他领域的优质信息,比如《上海交通大学生存手册》我读完了就很有收获。 2️⃣ @tychozzz Nico是我特别喜欢的严肃创作者 他每次写东西都不是只丢结论,而是会给很多论据和数据。涉及PE、历史周期、AI 投资、加密、美股、贵金属,他会把完整的判断链路拆出来。 而且我们的 Background 很像,都是程序员,也都属于同一个年龄段的人;投资风格也一致,都倾向左侧建仓、价值投资等等。 所以我看他,不只是看他的观点,更像是在看一个优秀的同类怎么建立自己的投资系统、怎么分析标的、怎么做好自媒体。 3️⃣ @lufeieth 从路飞老师的 Circle 系列里学到了很多 他讲的不是单个标的,而是更底层的投资操作系统:怎么理解周期,怎么控制毁灭风险,怎么长期玩这个游戏。 这种内容短期不刺激,长期很值钱。因为投资里真正拉开差距的,往往不是某一次买对了什么,而是你有没有一套能长期运行的原则。 4️⃣ @DtDt666 SOL老师更多给我的是信息增量,更新非常勤快。 投资、AI、市场热点、加密生态,覆盖面比较广。你可以把他当成一个高频信息源。信息本身不等于认知,但好的信息源能减少你到处翻垃圾的时间。 5️⃣ @Warren0Guan 老管主要做的是Youtube频道,今天搜了下才发现他也有X账号,适合看深一点的经济、商业、金融的本质拆解。 他的优势是金融学背景和历史视角,会把一个事件放回资金链、产业结构和宏观环境里看,经常会从科班、学者、数学公式的角度出发,提供一个与寻常财经媒体不同的视角。
顯示更多
0
10
159
22
轉發到社區
上周一直在外面陪家人旅行,也顺便验证了一下我的知识库效率。旅行途中,我依然保持日更,每天发一篇长文,没想到流量和反响都还不错。 这段时间,我也频繁在朋友圈分享自己使用 AI 的经验和教程,因此收到了不少朋友的私信。有人问各种 AI 工具怎么用,有人想知道学习 AI 有没有什么方法,还有人想直接付费,让我带着他一起学 AI。 跟他们聊完以后,我最大的感触是,大家现在对 AI 的认知,以及那种跃跃欲试的心态,明显比以前更强烈了。 最近越来越多的人,真的开始把 AI 融入生活和工作,把它变成了自己的生产力。那些以前不感兴趣,或者还在观望的人,突然发现,原来 AI 已经不只是陪我们聊天、回答几个问题,它真的可以开始干活了,而且能让效率提高非常多。 但这里面还有一个比较大的问题。AI 虽然能帮我们完成一些以前不太会做的事情,但从本质上来说,它目前依然是一种技术属性比较强的工具。 虽然你可以直接用自然语言,通过文字指挥它干活,但它背后的原理和运行机制,依然和技术息息相关。 我不是说,大家学 AI,一定要把底层技术原理全部搞明白。但有一点不能忽略:如果你对一些基本常识和运行逻辑完全不了解,在使用过程中就很容易知其然,却不知其所以然。 有些任务,AI 原本可以又快又好地完成,但因为使用方法不对,最后效果不好,你可能就会认为是 AI 能力不行,从此错过一次借助 AI 提升自己的机会。 所以,我鼓励每个人都至少去尝试一种真正能干活的 AI 工具。 我说的不是豆包、DeepSeek 这类简单的问答工具,是目前更流行的 AI 工具,比如国外的 Claude Code、Codex,国内的 WorkBuddy 等等。 如果有精力,我也建议大家稍微了解一下它们背后的原理。目的不是让你成为技术专家,而是让你在使用 AI 时,心里有一本指南。什么情况下应该用什么工具,什么情况下可能一开始就走错了方向,不至于一条道走到黑。 当然,我知道这里面有很多困难。每个人的基础和过往积累都不一样,学习这件事,确实需要付出一些精力。 所以我最近也在认真考虑,要不要组建一个社群,陪着大家一起学习 AI。 我们可以在里面讨论前沿的 AI 工具,也可以交流一些真正能落地、能改善生活和工作的用法与玩法。把一群热爱 AI、喜欢 AI,也确实想通过 AI 改变自己的人聚在一起。 如果你也有这样的需要,可以在评论区告诉我。我想先看看大家的真实反馈。如果呼声确实比较高,我就认真把这个社群组建起来。
顯示更多