來自竹科的軟體的工程師 ㄧㄧㄧㄧ 🙋‍♂️不知道這樣幫你留點門縫 你會不會更興奮😛 ：興奮是興奮 但是好羞恥…從來沒有尺度全開過 🙋‍♂️：那這樣看來我成功讓妳有初體驗 ：希望這個初體驗會是一個好的回憶(///▽///) 幸好過程中都沒有人經過不然我真的會社恐發作 也留下了溫度的豆漿在我的妹妹裡面🫣 #尺度無死角# #想知道更多的就來底下#

來自竹科的軟體工程師🧑‍💻 ———— 🧑‍💻：不知道這樣要妳留點門縫 妳會不會更興奮😜 ：興奮是興奮 但是好羞恥…從來沒有這樣尺度全開過 🧑‍💻：那這樣看來我成功讓妳有了初體驗 ：希望這個初體驗會是一個好的回憶(///▽///) 幸好過程中都沒有人經過不然我真的會社恐 發作 也留下了溫熱的豆漿在我的妹妹裡面🥴 #尺度無死角# #想知道更多的就來底下#

離開推特一段時間 沒想到會有回歸的一天 ——— 很多人一定都很納悶為什麼我突然消失 其實是因為遇上了那個心目中的他 卻沒想到是個鬧劇 他可以接受自己在外有開放式關係 但卻不斷限制控制我 這根本不是我想要的 所以才會果斷選擇回到這個最初的起點！ #你們的薇回來了# #想知道更多就來底下吧#

挣钱变难了 最近很多人在抱怨a股很难挣钱，挣不到钱。 倒也不是错觉，事实上这一轮行情的主升浪就到8月底，从9月份开始就一直在震荡调整。我计算了一下9月份到目前为止市场中位数的表现是-3.05%，整体是下跌的。 宽基的表现红绿各半，头部和底下的小盘股也不太好，胸部腰部指数表现强势。 看具体行业的话，电机制造、电池、消费电子、黄金、游戏、元器件、自动化设备、半导体、能源金属、风电、光伏在9月份的表现强势，这其实也基本都包含在科创板和创业板的主要成分里，所以双创指数明显跑赢大盘一截。 至于表现差的板块有保险（-11%）、休闲食品（-10%）、多元金融（-9%）、军工（-9%）、稀有金属（-9%）、证券（-8.5%）、软件服务（-8%）、出版业（-7%），另外还有一串和消费有关的行业普跌4-6%我就不列了。 和大家的日常印象比较接近，传统行业的老登股日薄西山，新兴产业交替上涨，这一轮牛市的资金极端偏爱科技板块，起码到今天都没看到风格切换的迹象。 股民论坛上每天热门话题，就是两类不同风格持仓的股民在论战彼此的逻辑，小登们赚到了钱，对传统行业冷嘲热讽，老登们憋一肚子火，每天各种怨天尤人。我小时候玩的《大富翁》里有一种道具“黑卡”，使用后可以让指定的股票跌停，可惜现实中没有这玩意，不然老登们能一口气下单买到2100年。 很多人受不了了，想要换仓，又怕换完了吃亏，来问我行不行。可我从来就没在市场风格上押注，我a股最大的头寸都在期指上你们知道的，中证500今年上涨25%，算上贴水大概32-33%，不用操心就能获得这个收益率我还要什么自行车呢。 我一直建议散户买宽基etf，它能修正交易上的一些坏毛病，比如老想卖掉盈利的股票去补仓亏损的股票，另外还能解决一直踩不准市场热点的难题。如果你发现自己在大多数的时间里都跑不赢大盘指数的话，就说明你是真的菜，继续瞎炒也是糟蹋自己的辛苦钱。 …… 英伟达宣布将分批投资openai，最高上限1000亿美元，这件事引发了行业热议。这笔投资让人觉得古怪的地方在于，openai拿了英伟达的投资款，主要支出还是找英伟达买硬件，钱绕了一圈又回来了，商业闭环达成。 这反映了ai行情的现状，钱和算力在少数几个顶尖玩家之间循环，oepnai需要资金去扩张版图，英伟达需要更多的订单来维持繁荣，两家公司深度绑定+各取所需。 有人可能会担心，那要是过几年ai应用迟迟无法商业落地，openai的巨额投资赚不回钱，这种左脚踩右脚的梯云纵怎么办？ 这种未来的风险没法在当前细琢磨，要信就早信，信晚了不如不信。你们可以去看宁德时代的k线，涨最疯狂的是2020年，从30多涨到了200多，总市值直逼万亿。而宁德时代当时年利润只有50亿，很多人质疑它的估值不合理。 从2020年底开始宁德时代的盈利潜力开始兑现，2024年净利润已经超过500亿，短短4年时间涨了10倍，但是股价只比2020年涨了40%。 很多人都知道炒股炒预期这句话，但实际交易的过程中很少有人愿意跑在预期之前，因为那样领先事实太多，看起来很不靠谱，很危险，但往往是很不靠谱很危险的交易才能获得超额收益补偿。 一个生意的确定性越高，它的回报率一定就越低，炒股也一样的。 …… 1、离岸开户进一步收紧，老虎和富图证券现在已经不再接受中国公民提供境外工作或生活证明文件开户，现在只允许非中国内地身份证件的客户开户。另外今天晚上我发现一个事，全球最大互联网券商盈透证券把微信公众号注销了，看来是打算彻底退出中国市场。 2、纽约期金突破3800美元，本来还以为年底能到3800，结果是9月底到3800。感觉现在全球流动性过程，开始资产焦虑，能买的都很贵，被迫怼了一部分仓位到黄金上面。 3、最近看到一批西方国家都开始承认巴勒斯坦国，目前五常只有美国还没承认，国际舆论给以色列的压力越来越大。我每天都能在抖音和视频号上刷到巴勒斯坦难民的悲惨日常，之所以迟迟未能达成停火是因为以色列和哈马斯有一些核心矛盾无法达成共识。 早先是关于以色列人质的释放和停火，哈马斯不愿让步，然后以色列就疯狂斩首哈马斯的领导层。大概从上半年开始哈马斯主战派被杀的差不多了，态度已经软化，打算用人质交换和平，但以色列坚持要哈马斯解除武装，这是哈马斯无法接受的底线，于是双方又继续打下去。 当初哈马斯发动恐怖袭击的行动杀了以色列1000多人，结果这几年以色列报复杀了巴勒斯坦4万多人，要说是非道义这两手上都沾满了血，普通老百姓永远是最倒霉的。 今晚就这些，发射～

最近一直在琢磨一个事 市场里老有人说"牛市多暴跌，熊市多暴涨"， 逻辑到底是什么？ 牛市嘛，大家都知道涨得猛。 热门板块人挤人，资金全往里面堆，杠杆也上得不小。 问题来了：这种拥挤的赛道一旦开始回调，踩踏效应也是很恐怖的。你想跑，我也想跑，门就那么大，全挤在出口。 机构呢？ 说白了人家也不傻，正好借这个机会猛砸一波，把不坚定的筹码全洗出去，洗完继续拉。 所以你看牛股回调的时候，那个力度懂得都懂 $MU 就是典型，动不动20%~30%的回撤，吓人吧？ 但你仔细看，调整时间其实也就一周左右。 跌得凶，但收得快。 这就是牛市暴跌的本质——快刀子割肉，割完接着飞。 熊市呢，完全是另一套玩法。 个股跌起来没完没了，阴跌、阴跌、还是阴跌。 被套的人一堆，有些人越跌越买，觉得"这么便宜了肯定该反弹了吧"。 机构那边呢？ 大方向是逢高出货，但他们也不是铁了心往死里砸。 跌到某个关键支撑位，空头会选择平掉一部分仓位锁定利润：这一平仓就变成了买盘。再加上底下一堆抄底的散户，短期一股向上的力量就起来了。 几天之内涨幅能非常可观。 但问题是什么？ 涨上来之后看看基本面——其实都没变。 该亏的还在亏，该暴雷的迟早暴雷。空头一看，"行，差不多了"，重新进场做空，股价又开始往下走。 腾讯之前就是这样，单日暴涨8%甚至更多，看着特别振奋人心对吧？结果呢？涨完那一天就是阶段高点，后面连跌一个月。 一天的狂欢换一个月的煎熬，这就是熊市暴涨的真相。 说回昨天 芯片板块回调力度确实大，估计接下来一两个交易日可能还得继续杀。 但怎么说呢——这个节奏，依旧是牛市里的调整。 跌得急、跌得猛，反而不用太慌。 怕的是那种温水煮青蛙式的阴跌， 那才是真正要命的啊。。。

认真运营推特第三天，500 多粉，单日曝光破 10 万了。 先说清楚，我肯定还不懂什么增长，也不说什么互关互助多互动什么的，就说点我这三天真实发生的，希望能给大家提供一点思路。 这几天也确实被平台推了一把，顺手记几个可能有用的点。 1. 新号别一上来写论文，短观点更适合试水，我就在发布各种乱七八糟的暴论，本质还是看到优质的帖子，改成自己的观点或者改成我觉得能引起争论的观点。 2. 评论区很重要，但不是到处硬蹭，去你真能接住话题的地方，蹭的话去热度高的或者大V底下蹭，我觉得这是让人看到你的第一步。 3. 回复要让人想点进你主页，或者得到对方认同，互动的内容是有用的，而不是只回一句什么互关，来啦，这种没营养的 4. 内容别只追求正确，正确但没情绪、没角度，基本等于没发。 5. 有一条起量了，赶紧围着同主题补几条，别等热度凉了，像我昨天晚上发了说500粉6万热度的，今天马上补上来了，看下效果怎么样，反正这样做零成本。 6. 简介和置顶真的要改，不然别人进来一看，不知道为什么要关注你，这个还是为以后你真正起来了想要做的内容为主 新号早期我感觉最重要的不是装得多专业， 而是尽快让系统和路过的人知道： 你是谁，你会一直发什么？

昨天用 @dappOS_com 的 xBubble Coding 搭了个小工具，专门盯头部账号互动和事件市场信号。 起因很简单。我刷到某个头部交易所创始人，回复了一条内容账号的推文，底下还顺手点了个赞。 我切到相关代币的 K 线看了一眼，市值直接拉了几千万！这种机会如果只靠人一直刷推，很难卡到前面的位置。尤其是链上 meme，很多注意力信号本来就不是从公告开始的。 可能是头部账号的一次点赞。也许是交易所创始人的一次回复。或者是项目方和 KOL 之间的一次互动。 我当时就在想，这种信号如果能自动抓下来，再接一层策略判断，自动买入，那岂不是能赚麻了！比别人先看到消息，然后提前卖出获利 刚好最近看到 xBubble 官方演示里有一个 Polymarket 事件检测和交易辅助案例，思路跟这个很像不是让人手动盯每条信息，而是把事件、信号、价格、市场变化串成一条流程。 我就顺着这个方向，用 xBubble Coding 搭了一套 Web3 交易信号工具。 测试版本： 流程大概是这样：推特那边一出现新互动信号，系统先自动抓下来，抓完之后，先过一层策略匹配，只有命中我设定的规则，才继续往下走。然后查一遍白名单库，筛出我真正关注的资产。再查一次钱包缓存，看有没有相关地址和历史行为。接着生成一份代币价格简报。 如果是 Polymarket 这类事件市场，还会同步整理事件状态、赔率变化、相关信息源和潜在交易方向。最后把符合条件的内容，提交到预设链上流程里。 这就是“追头部账号”和“追事件市场”真正能产生的结果。是把一个轻互动信号，变成一套可以执行的交易观察链路。 以前我是刷到相关信号之后，再手动去查币、看价格、翻钱包、看链上数据。那时候已经到接盘的时间了。现在是信号自己进入流程，系统帮我先完成筛选、整理和下一步动作。 这个变化很关键。因为 xBubble Coding 真正有价值的地方，不是帮我生成一段代码，而是把一个具体场景封装成一条端到端的业务 SOP。 我这次做的，其实更像是一套小型 Web3 交易信息服务。前端是头部账号互动监控和事件市场检测。中间是策略匹配、资产筛选和信息源整理。后面接价格简报、钱包缓存、赔率变化和链上流程。 这条链路跑通之后，它就不只是一个工具，而是一个可以持续迭代的个人信息优势系统。 这也是我理解 xBubble 商业价值的地方。它卖的不是代码本身，而是端到端的业务服务。 对小团队和个人来说，真正卡住人的往往不是“能不能生成一个页面”，而是能不能把内容、数据、流程、支付、执行和后续修改串成一个闭环。 xBubble 的 SOP 系统，核心就是把这个门槛压低。你可以用它做世界杯周边商城，把商品页、素材、收款和订单流程快速串起来。也可以做交规学习产品，把内容流量和私域转化接起来。也可以做本地服务入口，让用户看服务、提交需求、完成支付。 也可以像我这样，做一个 Web3 事件检测、头部账号信号追踪、Polymarket 交易辅助工具。 这些需求都有一个共同点很垂直，很细分，很贴近真实生意。它们不一定需要一个庞大的技术团队，但需要一套能快速上线、持续修改、直接承接收入的执行流程。 这正是 xBubble 适合 OPC 的地方。 一个人或者一个小团队，只要知道自己要服务谁、抓什么信号、卖什么产品、怎么完成交付，就可以用 SOP 把业务搭起来。 更重要的是，xBubble 不是只有固定模板。成熟场景可以直接用现成 SOP 快速启动，新的细分需求则可以通过 Bubble Engine 继续生成更贴合场景的专用 SOP。 这点对 Web3 特别重要。因为这里的机会变化很快。今天可能是头部账号互动。明天可能是 Polymarket 事件变化。后天可能是某个钱包行为。下一轮又可能变成社区积分、空投任务、链上数据面板。 如果工具只能做一种固定场景，空间会很有限。但如果 SOP 可以跟着新场景继续生成，个人和小团队就能把自己的细分判断，不断沉淀成新的业务流程。 我这次搭头部账号和 Polymarket 事件监控，就是一个很小但很具体的例子。它把我平时刷推、盯盘、查币、看钱包、看事件赔率的动作，变成了一条可以自动跑的流程。 以后我想加新的账号源，可以继续扩展。想换策略匹配规则，可以继续调整。想把简报字段做细，也可以继续改。想接更多链上动作，也能继续往后接。 这才是 OPC 时代 AI 工具真正该有的样子。不是让个人去模仿大公司搭团队，而是让个人用 SOP 获得接近专业团队的执行能力。 内容自动生成、多平台宣发、稳定币结算、链上任务执行、客户承接、后台管理，这些原本需要多人协作的环节，被压缩进一套更轻的业务系统里。 所以我现在看 xBubble Coding，已经不只是把它当成 AI Coding 工具。它更像是给个人创业者和小团队准备的业务启动基础设施。 对我来说，头部账号互动不再只是一个我刷到之后才处理的信息点。Polymarket 事件变化也不再只是一个我想起来才去看的页面。它们都可以变成自动进入系统、自动筛选、自动整理、自动触发后续流程的策略输入。这类细分需求过去很少有人专门做，因为太个人化、太垂直、变化也快。 但 xBubble 的 SOP 思路，刚好适合把这种需求做成可以低成本验证、持续迭代、甚至沉淀成服务的东西。这可能就是它最值得看的地方。AI Coding 的上半场，是让更多人可以做出应用。 xBubble 想做的下半场，是让这些应用真正变成能跑业务、能接收入、能持续迭代的商业流程。对 OPC 来说，这比一个好看的 Demo 重要得多。

2026年刚刚过半，在小宇宙站内，和AI有关的人物名字，被搜索的次数相比去年增长了470%，极其夸张。 为什么是名字？ 因为这些名字，可能全网只能在播客产品里才能找到他们的公开表达，而小宇宙在更大程度上又等同于中文播客本播，所以⋯⋯ 时至今日，你想知道杨立昆离开Meta后邀请创业的首席科学家是怎么看待世界模型这条路线，依然只能从张小珺的播客「商业访谈录」收听，被小米重金从DeepSeek挖来的「天才少女」罗福莉也是一样，唯一一次深度对话，就贡献给了播客。 腾讯的姚顺雨、月之暗面的杨植麟、MiniMax的闫俊杰、智谱的张鹏，几乎所有这几年里在大模型市场搅动风云的关键人物，也都把第一次尝试和大众沟通的机会，留给了播客。 更不用说那些并不足以自带流量的科学家、研究员和创业者了，基本上只能在播客里找到他们的无障碍输出，这似乎成了一种全球性的集体选择。 Anthropic的创始人达里奥有一个简单的个人网站，上面贴着数量有限的对外发声次数，目前总共9个链接，其中1个是接受文字采访，1个是参加电视直播，剩下7个全是做客各档播客节目。 这个比例，恰如其分的量化了媒体「现场」的转移，尤其是在高信噪比的讨论需求底下，用动辄几百分钟的时间密度，才有能力去消化一个人毕生的专业知识与经验。 毋庸置疑，英文播客的繁荣依然望尘莫及，头部播客已经能够卖出几个亿的版权费用，甚至充当着FA的角色——不少AI初创公司都是选择从播客「出道」，得到了新的融资机会，而VC自建播客去做投后，更是成了见怪不怪的基操。 但从产品的生态位来看，无论是Spotify还是YouTube，连同Apple Podcasts也算进来，海外基本上没有独立播客平台的生存空间，小宇宙的异质在于，它在泛内容产业的竞争强度并不低的简中互联网，把自个儿做成了播客的一种代称，这很反常。 其实在ChatGPT发布之前，也就是世界尚未进入AI时间线的时期，小宇宙的内容生态，还是以文化情感为基本盘。 JustPod在2022年的一份报告甚至直接把当时的中文播客供给概括为「社会人文一枝独秀，同时品类开始外扩」，但在当时，谁也没想到这个所谓的「外扩」，会在接下来的几年时间里如此生猛和集中，以致于改变了小宇宙的基因系统。 小宇宙的官方披露更加明显，整个平台播客节目的年均增长一直保持在40%上下，这已经是相当高产的势头了，然而讨论AI话题的播客节目，最近3年多增速是⋯⋯300%左右，直接「旱地拔葱」的拉升了平台的科技成分。 What can I say？ 这当然不太可能仅仅是小宇宙的运营结果——如此高看小宇宙的运营多少有点「你法我笑」的幽默——而是市场上突然爆发出来的供需双方，同时找到了小宇宙这么一个「现场」。 这就是我说的，备份历史的价值，在一个公共表达产生退化或者异化的环境里，尽可能的提供一个保存完整上下文的产业快照，保持站在创新曲线的左侧。 其实在这次活动的一场圆桌里，主播张小珺、投资人孟醒、创业者莫子皓就多次提到过「噪音」的干扰，比如这一年来每次模型的发布，蜂拥而上的永远是一句话生成一个游戏demo，给人都看吐了，整个社交媒体，好像已经丧失了问出「真问题」的能力。 所以真不怪播客摘了AI时代最大的一颗桃子，「ChatGPT之父」伊利亚·苏茨克维如今也只会在播客里表现出他的健谈一面，原因同样在于，播客才能问出那些让他滔滔不绝的技术难题，而媒体只会关心OpenAI的那场宫斗到底还藏了什么秘密。 这倒不是说媒体走错了路，媒体是在做它该做的事情，因为读者市场关心这个，但因此挤压出的自我表达欲，也就必然被更加合适的载体承接了。 播客提供了松弛感，而松弛感回报了稀缺的真实性，就这么简单。 播客产品的使用方式，和模型很像。 比如它们都很吃上下文，比如提问比回答更重要的技巧，比如输入质量决定输出上限，等等。 唯独有一点不同，那就是播客是反工业化的，在模型近乎无限的生产能力面前，创作的稀缺性、真实性、人类性都在急剧衰退。 英国作家塞巴斯蒂安·马拉比在给DeepMind创始人、谷歌AI的灵魂人物哈萨比斯写传记的时候，说他是一个很早就知道把自己「放进历史的框架里」。 在轰轰烈烈的AI浪潮里，哈萨比斯绝对不是一个孤例，尤其是在核心公司参与前沿研究的，普遍相信身处一个媲美工业革命的时代拐点，是要对文明进入下一个发展阶段尽到义务的。 于是我们就看到了，他们做出了相当默契的选择，把第一手的知识密度，最真实的内心感受，可追溯的技术判断，不中断的深度输出，通通留给了播客这个场景。 也只有播客这片净土，可以不要求营业，装得下复杂，能把话说给可以听懂的人，而免于被断章取义。 像是挂在热搜上的「灵活就业是福利」这种翻车事故，大概不会在播客里出现，它作为对话容器，天然带有完整语境。 于是播客就成了讲好AI故事的第一现场。 世界正在进入一个巨大的「奥德赛时期」，AI带来的冲击只是迷茫的一块碎片，经济、就业、成长、创伤乃至家庭关系，无一不在遭受变化，如同在高速行驶中更换轮胎，刺激是真刺激，焦虑也是真焦虑。 播客是海里的一块浮板，它未必能把人直接带回伊塔卡，但它可以是每个人重建船队的第一片木头。

开门红，第一天就大涨 昨晚我随手推荐了几款我觉得不错的小游戏，后台有不少父亲母亲留言问我能不能让孩子玩游戏的话题，我觉得在讨论能不能之前，先要说清楚游戏产品之间的差异。 可能在外行人的眼里，所有的游戏都是电子动画，没什么区别，但我举一个例子你们马上就能get。 游戏和影视作品一样在审美格调上也分三六九等，差异极大，游戏里面既有《霸道总裁爱上绝经的我》《年过半百闪婚帅教授》，也有《肖申克的救赎》《星际穿越》。 好的游戏作品堪称第九艺术，不会勾引你的孩子充钱，也不会成瘾，玩的时候是沉浸的视听享受，探索的差不多了就会主动放下。就以《黑神话》为例，基本上购买游戏的玩家平均时长都在70-120小时区间，通关40小时，2-4周目再补一下成就就差不多了。 到时候不用骂也不用吼，你的孩子自然而然就会停止，因为已经没有必要继续玩下去。可能几个月后他心血来潮会捡起来再玩一会，但放心绝对玩不久。游戏一锤子买卖200来块钱，之后不需要花钱买皮肤，也不会抽盲盒，更不会每天消耗时间做任务。 所以游戏不是问题，玩什么游戏是个大问题。有很多产品从设计之初的目的就是让用户成瘾，抓住用户的时间精力，消耗用户的金钱。这些游戏既没有竞技性，也没有审美，更不会启发思考，无论大人还是孩子都不应该玩。 我有一点是很有原则性的，就是作为30多年的深度玩家，我除了花钱买正版，我没有充过1分钱，从来没有，never。你产品做的好，我愿意为版权付费，但其它氪金的套路免谈。 …… 这几天全球最大的焦点是伊朗那边出事了，这个时候就能看出信息茧房的效果，我估计90%的读者一点风声都没听到。简单说就是汇率暴跌，严重通货澎涨，叠加此前积累的社会矛盾，民众很不满意。 我想了想，接下来还是找个ai来写比较好，豆书记觉悟高，风控要求严格，让她输出最稳妥。 这几年互联网上流行一个词叫“基本盘”，很多人都用它来划分人群和扣帽子，其实要我说真正的基本盘只有一个，就是让老百姓安居乐业，过上好日子。一旦民生恶化，没有什么基本盘是牢不可破的。无论什么主义什么价值观，前提都是吃饭、穿衣、住房。 伊朗是中东很重要的国家，它的局势会对油价和贸易航路产生巨大影响，甚至也会间接影响避险资产的价格，接下来逐日观察后续发展。 …… 今天港股交易开门红，恒生指数大涨2.76%，恒生国企+2.2%，恒生科技+3.4%，全线上涨。我在雪球看到有人问上涨的原因是什么，底下点赞最多的评论是摆脱了原生家庭的拖累🤣 不管怎么样是个好兆头，基本上下周一开红盘稳了，没准第一个交易日直接就站上4000点。 今天港股上了个国产GPU的明星股壁仞科技，高开低走涨75%，这公司和摩尔线程、沐曦股份是一个赛道的，如果在a股上市大概能涨400-600%，新股一签赚十几二十万的那种，在香港上就只有这个估值，总市值825亿港币。 白银lof溢价40-50%大家知道风险大，同样的股票a股比香港贵50-200%所有人都习以为常，因为大家知道a股久财多，流动性充沛，兼且外汇有管制，跨市场套利理论上不存在，所以就心安理得的接受了a股的高溢价。 现在企业最喜欢的就是同时在a股和h股上市，既享受到了境内的高溢价，还享受到了港股离岸金融的自由，鱼和熊掌都让他们吃到了。 ……. 还有一些读者好奇我小时候的家境，我爷爷和外公都是49年前入党的离休干部，我父亲还是独子，所以算典型的县城婆罗门。母亲当时事业单位上班，父亲是本地农行成立时的第一批员工，福利是很好的。再加上家里当时开台球厅（2-3个店），所以90年代初攒了有小10万的钱，家境是很好的。后来小学二三年级父亲下海创业（开拖鞋厂）搞砸了，巨亏50万，财务崩盘，短短几年天上地下。 这些老读者以前听我说过，但新来的不清楚，正好同步一下。 今晚就聊这些，新年快乐诸位～

做 AI PM 的朋友，可以看看这个产品的反思。 一个特别明显的感受是，几乎所有移动互联网时代发展起来的产品，现在都在思考同一个问题：怎么把成熟产品进一步 AI 化。 这件事挺难的。 AI 化稍微激进一点，用户可能会疯狂吐槽。因为很多产品大家已经用了十几年，原来的交互方式和使用习惯早就形成了。你一下子改变使用方式，很多用户肯定会不适应。 但反过来，完全不做 AI 探索也不行。AI 带来的新交互和新能力，会直接影响产品未来的竞争力。 今天看起来用户还习惯原来的方式，但哪一天习惯真的发生变化了，再追可能就晚了。 前段时间我跟飞猪的朋友聊了一下他们最近在做的事情，感觉还挺有启发。 飞猪同样也是移动互联网时代发展起来的旅行产品，现在也在重新思考刚才那个课题。他们之前的问一问也有过一段时间的热度，现在最新的 AI 叫飞猪帮帮。 具体产品我就不展开介绍了，大家感兴趣可以自己去看。 目前看这个产品形态肯定也不是终局。但我觉得他们探索过程中的思考还是很有价值。 一个成熟产品真的开始往 AI 方向优化的时候，很多以前只停留在概念里的问题，都会变成非常具体的产品和技术问题。 他们在这个过程中积累的一些经验，我觉得挺值得记录下来。 乍一看，飞猪是在一个成熟产品上做 AI 化，但它的底层逻辑，和今天的 Coding Agent 非常像，都是模型 + Harness + Memory。 Coding Agent 调用的工具是文件系统、终端、浏览器，旅行 Agent 调用的工具是机票报价引擎、酒店库存系统、景区数据接口等等。工具不同，架构是同一套。 我们看到的所有成规模的 Agent 产品，最后都会收敛到这个结构上来。 没聊之前觉得这事很简单，不就是在已有接口上接一下模型 API 嘛，聊完之后才发现远远不止于此。 他们甚至连模型都是自己在开源模型基础上微调的。因为只靠调用通用模型的 API，有很多问题没办法解决。通用模型不能理解具体的业务逻辑，需要加很多规则做限制。 而且更麻烦的是数据安全没办法保证，没有谁愿意把自己的业务数据交给通用模型，这对用户也不负责。 所以，他们搭建了自有的训练环境和数据管线来做后训练，在开源模型的基础上训练出面向旅行场景的自有模型。这一点我完全没想到。 旅行产品本身有自己的表达方式和业务经验。比如一个用户跟 AI 说我周末想出去放松一下，模型如果机械地理解周末，可能会安排周六一早出发。 但对一个上班族来说，很可能想的是周五晚上下班直接走，或者周六睡个懒觉再出发。这些是这个行当里默认的经验，需要通过后训练固化到模型层面。 如果靠规则来约束，推理的时候效果就会差很多。 作为一个成熟的产品，飞猪手里本来就有大量旅行场景的数据和任务，通过后训练让模型慢慢理解这些需求，效果就会好很多。所以，他们在后训练上花了非常多功夫。 具体的做法是把真实的旅行场景建模成智能体编程的任务，让模型在真实工具调用的环境里学习。 而且因为旅行和电商不太一样，价格和库存都在快速变化，差一分钟问同一个问题正确答案可能完全不一样，所以训练环境必须是在线的、实时的。 这类模型也不需要追求智能的上限，甚至不需要做那么多轮次的推理，毕竟用户等不了那么长时间。要不然用户着急买机票呢，还得等 50 秒的推理，谁能有这耐心。 跟上一代做移动互联网产品一样的逻辑，每慢一秒，用户就会流失一批。 模型是大脑，但光有大脑根本不够。真正做成产品，还需要在模型外面加一层 Harness，负责工具调用、规则约束和结果校验。 比如像刚才说的旅行场景里，机票价格和库存一直在变化，这些信息不能让模型凭记忆生成。 模型理解完用户需求之后，必须去调用真实的机票库存和交易系统，最后展示给用户之前还要做一次校验，确保价格、库存这些关键信息仍然有效。 所以我现在越来越觉得，很多垂直 Agent 的技术路径，其实跟 Claude Code、Codex 这类 Coding Agent 非常像。 底下是模型，上面是 Harness。真正的产品能力，很多苦活累活都在 Harness 这一层。所有的 Agent，架构应该都会趋同：模型 + Harness + Memory。 有一些规模不大的 Agent 可能模型可以直接用通用模型 API，但上层的 Harness 和记忆肯定是得自己做。 所以 Agent 产品真正的苦活累活都在 Harness 这一层。模型解决的是理解和推理，但现实世界里的数据校验、异常处理、兜底逻辑，全得靠 Harness 来扛。 哪怕是规模不大的垂类 Agent，模型直接用通用的也能凑合跑起来，但 Harness 和记忆这两层一定得自己做。 Agent 的架构上，他们之前的思路更偏 Multi-Agent，把功能拆得非常细。 酒店一个 Agent、机票一个 Agent，每个 Agent 负责一件事，上层有一个总 Agent 负责编排和调度。 这个思路问题是 Agent 一多，上下文需要在不同 Agent 之间不停传递，容易出现信息丢失，调用链路也非常长，产品出了问题还非常难排查。 现在，他们结构精简了很多。随着模型能力快速进化，在做好 Harness 的前提下，一个 Agent 现在可以同时负责几件事。 即便是面对机票、酒店、门票这些库存性质和使用规则截然不同的品类，一个 Agent 也可以灵活调用机票查询、酒店查询、门票查询、Web Search 等工具来包办。 最后是 Memory。飞猪在记忆这块做了三层：长期记忆、中期记忆和短期记忆，能够把用户跨时间的行为和偏好整体关联起来。 用户喜欢住高档酒店，喜欢坐某个航空公司的航班，这些东西跟 Agent 说一次就好了，如果每次都要重复，用户就很毛躁。 我理解他们三层记忆的分工是这样的。长期记忆是用户画像和长期偏好。中期记忆解决跨会话的问题，比如这几天已经讨论过一次去日本旅行的事，下次再聊 AI 还是知道的。 短期记忆就是当前会话的信息。 这套机制和 ChatGPT 的记忆逻辑也类似。大家感兴趣的话，也可以查查。 另外，我想再说下对于交互的思考。几年前经常看到一种判断，有了大模型之后，LUI 也就是自然语言交互会慢慢替代 GUI。现在来看这个判断过于乐观了。 在一个成熟产品里，用户惯性非常大，而且 LUI 在很多场景里其实比较低效。包括 ChatGPT，我们看到它自己也在 LUI 里融合 GUI，说明这两种交互各有擅长的场景。 需求已经非常明确、追求精确的时候，GUI 很好用。打车就是一个典型例子，已经知道去哪了，地图上输两个字，选一个位置，弹出列表，点一下，选择车型，搞定。 如果这些步骤全部改成对话，体验反而更差，速度也会慢很多。 但碰到模糊需求或者条件非常多的时候，LUI 的优势一下子就出来了。比如想找一张机票，要求从迪拜中转，最好是过夜航班，不需要过境签，两段航班尽量是同一航司。 这种需求在 GUI 里不停地筛选，整个过程非常痛苦，但用自然语言一句话就能说清楚。 飞猪帮帮的做法就是把 LUI 和 GUI 融合在一起。用 LUI 来驱动 GUI，达到更丝滑的搜索和筛选效果。 到现阶段，客观地看，对于大部分产品来说，GUI 才是主体，LUI 是给用户增加一种以前没有的表达需求的方式。直接一把梭哈纯 LUI，实在是为了 AI 而 AI。 很多人觉得做 AI 原生应用就得是纯 LUI，这完全没有 get 到要点。原生不原生只是一个概念，最终还是要以满足用户需求为基础。 所有成熟产品，都得重过 AI 这一关。