父母那一代人，最大的财富密码，是买房。 二十年前北京海淀一套百平房产五十万，如今千万起步，二十年资产翻十几倍。当年买房的抉择，很大程度改写了家庭阶层，甚至超过读书、上班带来的改变。 但时代已经彻底变了。过去闭眼买房就能增值的红利期已经落幕。过去的成功经验，未必可以复制到未来二十年。 高杠杆买房不再等于稳赚，房产褪去增值滤镜之后，更多回归居住属性。 时代的风口不会永远停在同一个地方，不能拿上一代的财富逻辑，套用到当下的人生选择。认清周期，才是当代人要读懂的现实。 #房产思考# #时代感悟#

我思考后需要整理的观点： 1-中美都在化债。都希望或者不可避免通涨。 2-化债最终都要货币放水推高资产价格（不会是房产）。 3-股市在化债初期、中期和后期会不一样。日本用了15-20年。中国在经历日本类似的前六年后在化债中期，股市难以上涨。美国要好一点。 4-全球实际上是制造品通缩而人力服务通涨，但这个逻辑由于机器人预期可能改变。 5-资金的全球配置很重要，哪里是龙头地区？这个要有答案。 6-资产一定会泡沫化，而且会反复泡沫化，目前的AI模型泡沫才是第一阶段，之后AI应用泡沫多考虑机器人等方向。但画大饼的就算了。 7-一切都是周期。周期背后是现金流。连黄金都逃不过现金流魔咒。

未来属于股权时代。房产租售比偏低，靠收租躺平的时代已经过去；黄金只能保值，不会产生现金流。优质股权是少数能持续分红生息的资产。 就算你不直接炒股，养老金、理财、基金，其实已经让我们间接踏入资本市场。抵触投资本质是认知不足，很容易追高被套。财富最终属于认知到位的人，主动弄懂底层逻辑，坚持长期主义、独立思考，才不会后知后觉被市场收割。

昨天牛来，大家都知道，大涨我一般不聊行情，赚钱了人会比较飘，聊什么道理都没用，不如我们今天聊个另类视角。 如何给我们的一系列隐形享受和毅力定价。 举个例子，我们按照 首付200万房产 · 3%利率30年房贷 · 月供 vs 同等金额定投纳斯达克100 · 30年全维度对比一下，会出现很多好玩的数据。 图片 首先结论很简单，你会比直接买房多持有价值2500万的资产，相当于翻了6.5倍。这其实是一个老掉牙的结论，但围绕这个话题作为博主，我想引出几个有意思的观点，一起思考和探讨一下 图片 仔细分析这个数据，差距在10年的时候开始快速拉开，达到了1.6倍差距，如果换算成职业生涯，就是25-35岁第一次中年危机的时候。 图片 敏感性分析矩阵来看，双方的最大差异点在，纳指跌破8%的年化，房产突破5%的年化，会实现一个动态平衡。这可能是未来三十年最可能牵引市场的一个力量。 ps：pdf版本我放到了知识星球的，感兴趣的可以去取。 思考几个问题 1 房产过去20年给了大家3倍杠杆，而投资没有用杠杆，为什么投资依然能获得如此之高的回报？ 杠杆对于散户，是让你买了超出你能力的房子，还是让市场快速的抬高了标的应该有的价格？ 2 买房的好处起码有以下三个是不可否认的 a 结婚：不然想找一个同样实力的异性，不买房几乎不可能。 b 舒适度：可以自己装修，养猫养狗养娃养老。 c 强制储蓄：月供就是压力，很多人没月供可能早早躺平了。 debuff则包含 a 工作可选地点变少了 b 通勤时间成本（没办法换地方就近租了） c 打工人思维框死了 3 现实里我们很难给abc来定价，但是通过一个2500万的差额，反而变得可以定价了。那就是从30-60岁的黄金30年，我们的婚姻，舒适价值多少钱？ ps：强制储蓄我们理解成动力，把2500万盈利削减成1500万，去掉这个buff 如果真的要给这个1000万来定价你就会发现，做个普通的中产阶级，有婚姻有住房，有舒适度的体面价值， 在30年的时间维度上来看，就是一千五百万，大概220万美金。 你的机会成本，你的稳定和体面，你的随波逐流，在投资的角度来精算，就价值这个数字。 非常非常凑巧的是，我让ai跑了一下美国人中产的全职业生涯收入（不含退休金），也是是这个数字，体面的大概是240万美金左右，税后大概也是200万美金不到。 ps：以上全部都是建立在单职工家庭的基础上，没有按照家庭收入去计算。 全世界中产都一样，一辈子在体面和舒适度上花的钱的价值，其实就是一辈子的收入。 我可没有计算医疗，保险，教育，等其他“买未来”的价格。单单是体面吃掉的机会成本就是1500万了。 同样2个中产，一个喜欢体面，一个喜欢理财，就是2种不同的人生。 这就是我们学习理财的理由吧。 感谢收看，欢迎点赞和转发。

AWS 资深专家解决方案架构师 Daniel Abib 在官方博客里算了一笔账：同步调用时，Lambda 的计费时长几乎等于 agent 思考的时长，等待本身在按全量计算计费。 《在无服务器流水线中异步调用 Amazon Bedrock AgentCore agent 的模式》 在无服务器流水线里异步调用 Amazon Bedrock AgentCore agent，可以消除你的 AI agent 处理请求期间的空转计算成本。一个常见的例子是文档校验：在房地产融资的后台办公室里，agent 可以读取房产记录或贷款合同，推理信息是否完整、一致，然后返回一个下游步骤据此行动的结论。Amazon Bedrock AgentCore 提供了一个平台，让你能用任意框架或模型大规模地构建、连接和优化 agent。 这类 agent 带来一个传统流水线步骤没有的特性：它们在回答之前要思考一会儿。思考多久取决于提示词、模型和文档，但很少是即时的，而这个延迟改变了你调用它的方式。最常见的首版实现是用一个计算服务（比如 AWS Lambda 函数）调用 agent 并等待响应。函数等待期间什么都不做，但它仍在运行，每一秒都在计费。 值得看清成本到底落在哪里，因为调用的两侧计费方式不同。Amazon Bedrock AgentCore runtime（Amazon Bedrock AgentCore 的一项能力）采用基于消耗的计费模型，agent 空闲时不收 CPU 费用。例如，在等待大语言模型生成响应、或等待工具或 Model Context Protocol（MCP）调用返回的这段时间里，你只按内存计费，不按 CPU 计费。调用 agent 的那个计算服务没有这种特性。发出同步调用的 Lambda 函数、容器或 Amazon EC2 实例会一直阻塞，在 agent 响应之前始终持有（并支付）完整的计算配额。所以浪费不在 agent 一侧，而在调用方——它挂在一个打开的连接上空转。 这就让调用方的成本跟着 agent 的运行时间走。阻塞在 agent 上的函数，计费时长几乎等于整个处理时间；而启动 agent 后立即返回的函数，只按短暂的派发计费。解法是在等待期间释放调用方的计算资源，等 agent 出了结果再恢复流水线。本文展示三种做到这一点的模式（task-token 回调、直接服务集成、durable function），并与阻塞式反模式对比。 示例流水线 为了让各模式在同等条件下比较，我们把每个模式都跑在同一条流水线上，只更换调用 agent 的那一步。这条流水线是一个刻意简单、虚构的场景（房地产融资文档校验），选它只是为了把编排讲清楚。它不是本文的重点，它代表任何先调用 agent（或其他慢服务）、再对结果采取行动的流程，你可以把自家用例代入。 流水线有五个阶段： 1. Extract：一个 Lambda 函数对文档做 OCR 和文本提取。（提取是模拟的，所以场景不需要真实文档。） 2. Identify：一个 Lambda 函数对文档分类并设置路由标志（shouldOrganize、shouldValidate）。 3. Route：一个 Choice 状态根据这些标志决定流程走向。 4. Organize and Validate：一个 Parallel 状态在组织文档的同时，让 Amazon Bedrock AgentCore agent 在另一个分支里做校验。这个 Validate 分支是各模式之间唯一变化的部分。 5. Result：一个 Lambda 函数处理 agent 的结论，决定下一步动作（批准，或退回修改）。 图示如下：水平流程依次是 Start、Extract、Identify、Route（Choice）、并行的 Organize-and-Validate 阶段、Result、End，Validate 分支被标为可更换，图例列出了它的四种实现方式：阻塞反模式、模式 1（task token）、模式 2（直接集成）、模式 3（durable function）。流水线本身在每种情况下保持不变，只有 Validate 分支被换掉来演示各自的调用模式。 同一个 Amazon Bedrock AgentCore agent 服务全部四种情况。agent 检查每次调用并选择如何响应：如果收到 AWS Step Functions 的 task token，就在完成时唤醒那个执行；如果收到 durable function 的 callback ID，就唤醒那个 durable function；两者都没收到，就直接在响应里返回结论。这意味着你可以更换编排模式，而不必修改或重新部署 agent。 agent 如何不阻塞调用方就把控制权交回来 机制是 agent 的 action group 里的一个"归还控制权"动作。agent 推理结束后，调用一个 Lambda，把结果和 task token 发回 Step Functions。（后面的模式 2 会让 Step Functions 直接与 AgentCore 集成，完全省掉这个 Lambda。） 下面这段代码是这个 Lambda 的核心： The tool the agent calls once it reaches a verdict @tool def conclude_validation(approved: bool, issues: list, summary: str) -> str: verdict = {"approved": approved, "issues": issues, "summary": summary, "source": "agentcore"} # A Step Functions task token was passed: resume that execution if task_token: sfn.send_task_success(taskToken=task_token, output=json.dumps(verdict)) return "Step Functions resumed." # A durable-function callback ID was passed: resume the durable function if callback_id: lambda_client.send_durable_execution_callback_success( CallbackId=callback_id, Result=json.dumps(verdict).encode("utf-8")) return "Durable function resumed." # Neither was passed: this is a synchronous call, return the verdict inline return "Verdict recorded." 入口函数根据同样的信号决定在后台跑还是同步跑： @app.async_task async def validate_document_async(prompt, document, extracted_text): # Background work; conclude_validation fires the right callback when done agent = build_agent() await agent.invoke_async(message(prompt, document, extracted_text)) @app.entrypoint async def handler(event): task_token = event.get("taskToken") # passed by the task-token pattern callback_id = event.get("callbackId") # passed by the durable-function pattern # Asynchronous: start the work and return "accepted" right away if task_token or callback_id: asyncio.create_task(validate_document_async(...)) return {"status": "accepted"} # Synchronous: run now and return the verdict in the response agent = build_agent() await agent.invoke_async(message(...)) return verdict agent 就位之后，本文剩下的部分聚焦于调用它的四种方式。代码和基础设施定义都是示例中的摘录，用来演示每种模式。 调用 agent：四种方式 先讲阻塞式反模式以确立基准成本，再展示避开它的三个模式。 阻塞式反模式 最直接的实现：在同一个 Lambda 函数里调用 agent 并等待答案。它能用，而且实现简单——这正是它如此常见的原因——但函数在 agent 思考的整个期间一直活着。 // The Lambda function blocks here until the agent responds const response = await agentcore.send( new InvokeAgentRuntimeCommand({ agentRuntimeArn: AGENT_RUNTIME_ARN, payload: new TextEncoder().encode(JSON.stringify(payload)), runtimeSessionId: sessionId, }) ); // The function stays alive and billed for the entire time the agent is thinking. 函数的计费时长最终大约等于 agent 的处理时间。后面三个模式消除这段空闲成本，各自做出不同的取舍。特别是模式 2 使用 Step Functions 对 AgentCore Harness (InvokeHarness) 的优化集成，完全去掉 Lambda。 模式 1：task-token 回调 + 派发函数 这个模式在路径里保留一个 Lambda 做自定义逻辑，但去掉空闲成本。Step Functions 用 waitForTaskToken 集成调用这个函数——传入一个 task token 后暂停执行。函数用这个 token 启动 agent，然后在几秒内返回。执行保持暂停，不产生任何计算计费，直到 agent 用这个 token 调用 SendTaskSuccess 恢复它。 // Start the agent, pass the task token, and return without waiting const response = await agentcore.send( new InvokeAgentRuntimeCommand({ agentRuntimeArn: AGENT_RUNTIME_ARN, payload: new TextEncoder().encode(JSON.stringify({ ...payload, taskToken })), runtimeSessionId: sessionId, }) ); // Returning here does not complete the step. Step Functions stays paused until // the agent calls SendTaskSuccess with this task token. return { dispatched: true }; 对应的状态从上下文取出 token，并设置超时和心跳作为安全网——这样沉默的 agent 会让执行干净地失败，而不是无限期停在那里： "ValidateDispatch": { "Type": "Task", "Resource": "arn:aws:states:::lambda:invoke.waitForTaskToken", "Parameters": { "FunctionName": "${ValidateDispatcherFunctionArn}", "Payload": { "taskToken.$": "$$.Task.Token", "document.$": "$.document", "extractedText.$": "$.extract.extractedText", "executionId.$": "$$.Execution.Id" } }, "TimeoutSeconds": 120, "HeartbeatSeconds": 60, "Next": "AgentCoreValidation" } 成本。 Lambda 函数仍然会跑，但只跑到启动 agent 并返回为止：几秒钟，无论 agent 之后要跑多久。你只为这次短暂派发付费，不为等待付费——因为函数在 agent 干活时已经关掉了。等待由暂停的 Step Functions 执行承担，它不为空闲计算计费。这是与阻塞版本的关键区别：阻塞版本里函数的计费时间跟着 agent 的处理时间走。 模式 2：直接服务集成 当你不需要围绕 agent 调用写自定义代码时，可以去掉派发函数，让 Lambda 完全离开路径。Step Functions 可以通过 AWS SDK 服务集成直接调用 Amazon Bedrock AgentCore，所以 agent 的响应直接流入下一个状态。Validate 分支于是变成单个 Task 状态： "ValidateDirect": { "Type": "Task", "Resource": "arn:aws:states:::aws-sdk:bedrockagentcore:invokeAgentRuntime", "Parameters": { "AgentRuntimeArn": "${AgentRuntimeArn}", "RuntimeSessionId.$": "States.Hash($$.Execution.Id, 'SHA-256')", "Payload.$": "States.JsonToString($.prep.agentInput)" }, "ResultSelector": { "raw.$": "$.Response" }, "TimeoutSeconds": 120, "Next": "ParseVerdict" } 成本。 路径里没有 Lambda，所以没有空闲的 Lambda 计算可付。Step Functions 承担等待，Standard 工作流按状态转换计费而不是按等待时长计费——处理期间的实质成本只有 agent 本身。 模式 3：Lambda durable function 如果你更愿意用代码而不是状态机来表达编排，Lambda durable function 给你同样的成本行为。用 @aws/durable-execution-sdk-js SDK，流水线阶段变成 context.step 调用，并行工作变成 context.parallel，等待 agent 变成 context.waitForCallback。等待期间函数挂起，不计计算费。agent 用 SendDurableExecutionCallbackSuccess 恢复它。 // Suspend the function until the agent calls back const result = await ctx.waitForCallback( "validate-agentcore", async (callbackId) => dispatchAgentCore(callbackId, document, extractedText, executionId), { timeout: { seconds: 120 } } ); 成本。 一个函数承载整条流水线，但挂起等待 agent 期间不按计算计费。你只为挂起之间短暂爆发的那几次执行付费——与 task-token 模式相同的经济性——而不是为等待付费。 测量差异 重点不是某个具体数字。agent 的运行时间随提示词、模型和文档变化。重要的是 task-token 模式里两个值之间的关系：Validate 状态活跃了多久，对比派发函数实际被计费了多久。我们测试中的单次运行让这个关系可见： Step Functions, ValidateDispatch state Returned (TaskSubmitted): 14:08:19 <- the function returned and shut down Resumed (TaskSucceeded): 14:08:34 <- the agent woke the execution State active ........ 19.6s Lambda, dispatcher function (CloudWatch REPORT) Billed duration ..... 4.8s Result: the state was active for 19.6s, but the function was billed for 4.8s. The ~14.8s in between is wait time with no Lambda function running. 在 Step Functions 的事件历史里也能看到同样的事：task-token 模式下，TaskSubmitted 事件（函数返回）与 TaskSucceeded（agent 恢复流程）之间隔着 agent 的处理时间。同步调用没有这样的间隔。 下表总结了每种模式下 Validate 分支（前面图示中高亮的部分）的实现方式： • 编排器：阻塞＝Step Functions；模式 1＝Step Functions；模式 2＝Step Functions；模式 3＝Lambda（代码） • 路径中的 Lambda：阻塞＝有，存活且计费；模式 1＝有，但提前返回；模式 2＝无；模式 3＝durable function 本身（挂起） • 等待期间的空闲 Lambda 计算：阻塞＝为整个等待付费；模式 1＝无；模式 2＝无；模式 3＝无 • agent 调用周围的自定义代码：阻塞＝有；模式 1＝有；模式 2＝有限（状态转换）；模式 3＝有 • 调用方与 agent 解耦：阻塞＝否；模式 1＝是；模式 2＝否；模式 3＝是 • 相对复杂度：阻塞＝最低；模式 1＝较高（token 和回调的 IAM）；模式 2＝最低；模式 3＝中等（检查点/重放） 读这张表时有一个提醒：总流水线时长不是有用的比较指标，因为它被 agent 自己的推理时间主导——每次运行都不同，而且在所有场景里基本相同。有意义的差异是等待期间你为多少计算付了钱，这由上表和计费时长读数体现。agent 运行时间增长时，派发函数的计费时间保持平稳。上面的数字来自单次运行，把它们当作这个关系的示意而非基准，请测量你自己的负载。 如何选择模式 下表总结了取舍，帮你选择模式： • 调用方成本：阻塞＝整个 agent 处理时间；模式 1＝几秒（仅派发）；模式 2＝零（无 Lambda）；模式 3＝几秒（仅派发） • 集成工作量：阻塞＝低；模式 1＝中高（IAM、心跳、超时）；模式 2＝低（单个 Task 状态）；模式 3＝中等（检查点-重放模型） • 业务逻辑位置：阻塞＝在 Lambda（前 + 后）；模式 1＝在 Lambda（前 + 后）；模式 2＝只在 Amazon States Language（ASL）（内置函数）；模式 3＝在 Lambda（顺序代码） • 最适合：阻塞＝原型、短 agent；模式 1＝自定义前后处理逻辑；模式 2＝纯编排、无自定义代码；模式 3＝单个函数里的复杂异步工作流 最佳实践 防 agent 永不回答。 给每个 waitForTaskToken 状态设置 TimeoutSeconds，让执行以 States.Timeout 失败，而不是无限期挂起。如果你的 agent 发送心跳，也设置 HeartbeatSeconds 以更快发现死掉的 agent。捕获错误并路由到失败或人工审核路径。 重试时使用稳定的会话 ID。 把 sessionId 设为从执行上下文派生的值（比如 Step Functions 执行名），这样重试会恢复同一个 agent 会话，而不是重新开始。task-token 模式里在派发函数中设置；直接集成模式里在 Task 状态参数中设置。 打开 AWS X-Ray。 在 Step Functions 和 Lambda 配置中启用 Tracing: Active。X-Ray 会精确显示 agent 思考了多久、调用方等待了多久，确认你的模式确实在间隔期间释放了计算。 按速度而不是按 agent 的负载来配派发函数。 派发函数只序列化请求并调用端点。256 MB 内存和 30 秒超时通常就够。重活都在 agent 那边。 成本 这些模式会产生 Lambda 计算、Step Functions 状态转换、durable function 执行存储的费用，以及所有方案共有的 Amazon Bedrock AgentCore runtime 和 Amazon Bedrock 模型推理费用。agent 和模型成本在四种情况下相同。架构只改变编排开销，以及阻塞反模式中浪费的空闲 Lambda 计算。当前价格请查看各服务的定价页。 结论 把 AI agent 放进流水线是简单的部分。让它被经济地调用，才是区分原型与生产设计的地方。阻塞在 agent 上的 Lambda 函数实现简单，却在悄悄烧钱——计费时间里的大部分都在等待。本文展示了三种规避方式：需要在路径里保留 Lambda 时用 task-token 回调；最简单的情况用直接服务集成；偏好用代码表达编排时用 durable function。三者由同一个 Amazon Bedrock AgentCore agent 驱动，它会根据被调用方式调整自己的响应。 完整示例（完整的 agent、状态机定义和 durable function）在 GitHub 的 sample-bedrock-agentcore-async-stepfunctions 仓库。想深入的话，可以看 Amazon Bedrock AgentCore 关于异步任务处理的文档。生产部署请使用 Amazon Bedrock Guardrails，对 agent 的输入输出实施负责任 AI 控制。 原文： #Bedrock# #Serverless# #StepFunctions#

《人生财富靠康波》的作者周金涛10年前就去世了，但他书的影响力还在echo！2016 年，周金涛预测房地产称中国房地产 2017-2019 年见顶，建议非自住核心房产 1 年内出售。 按康波周期推演，2015‑2025 为全球萧条期，多重黑天鹅扰动下经济回升窗口大概率延后至 2027 年，地产见顶、黄金走牛的历史判断已得到市场印证。 当前处于向回升期过渡阶段，AI 作为新生产力引擎会降低创业门槛，服务赛道将诞生新的财富机遇。 财富策略要顺应周期，萧条守现金流、回升分批布局，静待 2030 年代第六轮康波繁荣到来，现阶段重在积蓄筹码。 康波对大时代资产拐点的复盘很有参考价值，但属于长周期宏观框架，不能直接拿来做短期投资决策。AI 带来时代红利不等于人人都能暴富，技术落地存在泡沫与出清，普通人切忌盲目跟风押注。参考加自己思考，NFA DYOR！

1 新闻这几天比较多，我们不多聊，我们聊一个话题。那就是如果今天我们选择用30年的维度来看，留给子女财富的应该是什么？ 2 金钱，很多人肯定第一反应是这个，毕竟目前中国没有继承税，但是往远处看，随着中美G2在全球的实际控制力越来越强（以及我们的电子支付越来越普遍+留痕），遗产税一定是迟早的事情，无非是温和出台还是快速出台。 温和出台就是继承的时候一次性补齐大量的潜在税款，比如房产税只在继承的时候缴纳类似的玩法。 但，这个社会消灭财富的方法总是不断更迭，可能你一个不小心签字就负债累累也说不定。培养一个地主家的傻娃娃太容易了···· 3 这个问题我还是思考了蛮久，最后这其实也是我起笔写公众号包括开始做短视频露脸内容的一个核心原因，那就是： 我希望给子女留下跨时空的对话的一种可能。 那就是把未来她可能才能听懂的话，现在写下来，录下来，交给互联网去保存。 4 有句话叫做养儿方知父母恩，其实侧面就是在说，当脱离了实践，很多道理人是听不进去的，但我希望在儿女最早可以听懂的那一刻，有无数的思想宝藏等待他去挖掘或者说蒸馏，而这个人恰恰是她的父亲母亲，他们留下来的文字和观点更容易高效的被吸收，这就足够了。 5 当有一天孩子发愁不知道怎么理财的时候，可能那会我已不再她身边，或者已经无法像如今一样高效敏捷的表达我的想法的时候，她可以快速的打开网站，看看40岁的老爸是怎么看待这个问题的，当时他的心境是什么，这就足够了。 公众号和视频号，是我给孩子留下来的漫长的日记和家书，更是一笔永续的财富 最后我想用我最喜欢的漫画，铳梦的大反派的一段截图来作为今天文章的结尾。 📷 儘管生命的起原只是一種化學反應…… 儘管人類的存在只是記憶數據的影子…… 儘管靈魂並不存在，精神只是神經細胞的火花…… 儘管世上沒有神，人一定要靠一己之力在這殘酷的世界中掙扎求存

当代中年人退休生活指南： 1. 远离持续消耗情绪的人和嘈杂混乱的环境 2. 定投比特币并储备留给子女 3. 保证房产、存款、稳定现金流，身上没有负债 4. 坚持散步、力量训练，维持体能 5. 多晒太阳，亲近自然，出去旅行看世界 6. 足量摄入蛋白质：鱼、牛奶、牛肉、鸡蛋 7. 常吃抗炎食材：深色蔬菜、番茄、蓝莓、坚果、鱼肉、橄榄油 8. 优先天然食物，少吃精制碳水、糖，少油少盐，避开加工食品 9. 低体脂、保有肌肉，比体重数字更关键 10. 作息规律，早睡早起，别长期透支身体 11. 培养一件能长期坚持、发自热爱的事 12. 多读书思考，乐于分享，保持大脑活跃 退休不是躺平什么都不干，而是资金充足、身体尚可、内心安宁，拥有热爱之事。

中年老登退休指南（Morris 薄脂版）： 1、有留给孩子的 BTC。 2、有房产、有存款、有稳定现金流、无负债。 3、每天坚持八段锦、散步、力量训练。 4、多晒太阳，多接触大自然，多旅行、多看世界。 5、吃足够的蛋白质：鱼、牛奶、牛肉、鸡蛋。 6、多吃抗炎食物：深色蔬菜、西红柿、蓝莓、坚果、鱼类、橄榄油。 7、吃自然食物：少精制碳水、少糖、轻油、轻盐、不吃加工食品。 8、控制腰围：低体脂、高肌肉量，比单纯看体重重要。 9、远离长期消耗你情绪的人，也远离持续嘈杂混乱的环境。 10、保持稳定节奏：规律作息，早睡早起，不长期透支身体。 11、找到一件自己真正喜欢、可以长期做下去的事情。 12、多思考、多看书、多分享，让大脑持续更新。 所谓退休，不是什么都不做，而是钱够用、身体能动、内心安静，还有自己真正喜欢做的事。

谢贤当年找小女友，发现自己身体机能不行后主动分手，给了二千多万的分手费，后来小女友投资破产，谢贤把儿子送的车卖掉帮小女友还债，又帮她在上海购置房产。 这就是典型的乾卦的男人，所以即使当年输掉四千万，简直就天文数字，后来还是还上了，并且还有了上亿资产。 这在认识神经学上是有科学依据的。 一直有人置疑了凡四训不能改命。 他们把做好事当成改命，去街上捡瓶子就当成做好事，这怎么改命。 最重要的一句是天之发人之福，先发其慧。 谢贤把儿子送的车卖了，小谢没多说一句，一家人都挺有教养，送出去物品的处置权就不是自己的了，心胸开阔。这就是慧，能包容万物。 谢贤在财产方面非常大方，内娱一些男明星的作风，就差远了，见面居然就是奶茶饼干，有的还要女的出开房费。 人小气抠逼，对应的是大脑的“防御模式”。 杏仁核的恐惧中心会高度活跃，前额叶皮层的理性计算、风险评估就会超负荷运转。这时大离信息处理效率极低，因为脑区不活动，没有电信号。 我观察发现，这种看我就是骗子的人，我说完，他基本是属于“脑子不动，听了跟没听一样”。有的甚至听完就取关，拉黑我了。 但是大方，感恩的人不一样，对应的是大脑的“开放模式”。 那个默认模式网络，也就是DMN，负责自我反思、社会认知的系统，它会与前额叶、边缘系统，也就是情感中枢高度协同。 此时，大脑不纠结于“我失去了什么”，而是专注于“我能创造什么价值”。 这时神经元线路是通达的，信息流动顺畅，全局视野打开，这就是“全脑模式”。 我个人找人算，都是给一倍甚至三倍的钱，这时对方往往陪我多讲，他本来是限定的时间的。 因为我个人在不在乎这三倍的润金，而是我听完对方的指点后，我能创造价值或回避风险。这个价值和润金比，简直就是九牛一毛。 感恩就不会心态匮乏。 我要从市场里拿走什么，必输。 切换到“我能为市场贡献什么、我能从中学到什么”。这比赚钱还重要。 因为想拿到就会让你执着于“我的看法对不对”。 而感恩是全脑模式，是用心若镜，是“市场实际在发生什么”。 穷人之所有穷，始终不能改命。 基本上是执著于外物，尤其是女人，她可以一万多买苹果手机，二万多买LV包。 但是让她买本书，只要10元钱，她能思考半天。