决定代码复杂度的东西不在代码里，在写代码的人的脑子里。LLM 碰不到它。 这是 软件工程师 Pol Alvarez Vecino 读完 Peter Naur 1985 年的论文后得出的结论。 为什么 LLM 没法让你的代码更简单 本文最初发表于 Medium（ tl;dr：Peter Naur 的《Programming as Theory building》指出，真正的程序——他称之为 Theory，大写的 T——存在于工程师的脑子里。代码和文档只是下游的（因而不完整的）产物。我对 LLM 最大的抱怨之一，就是它写出来的代码有多啰嗦、复杂度是怎样到处蔓延的。我一直抱着一丝信念：也许我们可以用 LoC 或者独立代码路径数量之类的指标来约束它们。然而，读完 Naur 之后我意识到，我们想降低的那个复杂度是 Theory 的复杂度，不是代码的复杂度，而这方面没有任何可用的度量，因为它非常主观。 我最近读了 Peter Naur 那篇精彩的论文《Programming as Theory building》（ LLM 能做什么、不能做什么的看法，也改变了我对如何给它们写提示词、当前 agent 系统的主要局限，以及结对编程为何如此有效的看法。 今天我只聚焦它和代码复杂度的关系。 如果你还没读过这篇论文，我真的建议你读一读。说实话，我写这篇文章的主要目的，就是让一些人去读原论文。它值得花这个功夫。这也是练习（或学习！）在 Solveit 里做精读的绝佳机会，因为在 Solveit 里这要容易得多：你可以在阅读过程中随时提问，钻进任何你感兴趣的兔子洞，或者直接让 Solveit 帮你把语言讲清楚。关于精读的更多信息见这篇博文（ fork 我的对话记录快速上手（ 话说回来，如果你还是决定不读，这里是论文的 tl;dr： 程序是构建和维护它的人所持有的 Theory：一种理解——程序如何与现实世界的问题相关联，哪些约束和权衡塑造了它，它为什么能工作，以及哪些改动符合它的设计。代码和文档是这套 Theory 的下游产物，永远无法完整地承载它。 工程师通过经验发展出这种理解：与用户交谈、观察故障、学习领域知识、观察系统在真实世界中的表现。这种理解指导着对相关性、相似性、简洁性和良好设计的判断。 LLM 不太擅长持续学习，不擅长和用户交谈，也不擅长在真实世界里体验事物。但这和复杂度有什么关系呢？ 我想我们都同意：LLM 总体上倾向于让代码库的复杂度上升，如果没人管的话。原因有很多：它们没意识到某个方法已经存在，于是又写了一遍；它们写过度防御的代码，比如为不可能发生的边界情况做防护；或者过早地过度优化。顺便说一句，大多数前沿实验室从你消耗的 token 里赚大钱，所以它们多少有动机去推广 token 最大化。总而言之，LLM 很少遵循 KISS 原则。这个问题在你不看输出、纯 vibe-coding 的时候最严重。但即使你会审查代码，要想让程序保持简洁，也需要主动付出努力去尽量削减复杂度。 在我天真的日子里（大约两周前），我曾以为我们早晚能爬出这个复杂度的大坑。前沿实验室只需要在 RL 训练里加一些复杂度惩罚就行。他们可以用总 LoC 作为最小化的指标，但我们都同意，有时候一行代码比两三行更复杂。另一个选项是圈复杂度（cyclomatic complexity），它衡量独立代码路径的总数。读完 Peter Naur 之后我意识到，这些东西无法真正解决问题（也许能稍微缓解一点）。我们来看看为什么。 为什么代码复杂度是错的指标 在下面这个（我编的）例子里，我们想支持调用 OpenAI 和 Anthropic。假设所有的消息准备和重试逻辑完全一样，只有请求体参数略有不同，于是我们有两个不同的方法 call_openai 和 call_anthropic。 在第一个朴素版本里，我们有两个不同的类，带重复的样板代码（即 prepare 和 with_retries）。 分开 —— 指标会发现重复 class OpenAIClient: def complete(self, prompt): msgs = prepare(prompt) # 公共样板代码 y = call_openai(msgs) # 唯一不同的一行 return with_retries(y) # 公共样板代码 class AnthropicClient: def complete(self, prompt): msgs = prepare(prompt) y = call_anthropic(msgs) return with_retries(y) 一个直接的 refactor 是创建单个类，做到 DRY。按很多指标看这都是更好的实现：行数更少、Halstead 容量更好（V=N×log2(n)，N 为程序长度，n 为词汇量）、可维护性指数（Maintainability Index）也更好。 合并版 —— 按指标看确实更好：DRY，行数更少 class LLMClient: def __init__(self, provider): self.provider = provider def complete(self, prompt): msgs = prepare(prompt) y = call_openai(msgs) if self.provider == "openai" else call_anthropic(msgs) return with_retries(y) 一般来说，第二个版本（或者类似减少 LoC 和重复的版本）复杂度更低。但是，如果我告诉你，下个月我们很可能就停止支持 Anthropic 了呢？在那种情况下，我更倾向于让它们保持分开，这样到时候我只要删掉包含 AnthropicClient 的那个文件就行。 当然，这种简单的例子很容易解决，尤其是现在 LLM 可以帮你写代码。但如果你的目标不是 2 个供应商，而是像 LiteLLM 那样支持 165+ 个供应商呢？那种情况下，直接用 LiteLLM 就行。但那样你就把 120 多万行 Python 代码放到了你和最终供应商之间。值得吗？ 设计良好的 API 是抽象复杂度的绝佳方式。你有清晰的契约，不需要理解背后发生了什么。即使 LiteLLM 是一个庞大的包，它也可能不计入你的 Theory 总复杂度。LLM 推理端点早期的日子就是这样：「文本进，文本出」。然而，当契约不再可靠时，这一切就会崩塌。原因可能是它有 bug，可能是 API 背后藏着大量你拿不到的状态，也可能仅仅是你不确定某个新供应商特性是否被支持。 每当你被迫窥视 API 抽象层背后的深渊时，那份复杂度就成了你的问题。这个问题正变得越来越普遍。像 OpenAI 和 Anthropic 这样的供应商，越来越多地把数据藏在服务端，比如加密的压缩数据或推理 token（更多讨论见 如果你在快速推进、只用基础功能、想尝试很多供应商，那么 LiteLLM 或类似的库可能值得用。反过来，如果你看重控制力、调试和对技术栈的理解，那可能就不值得。不存在「正确的」复杂度（虽然我非常偏好第二种选择）。 进入 Theory 决定走哪条路的信息不在代码里。这些信息属于 Naur 所说的程序的 Theory 的一部分。迄今为止，LLM 几乎接触不到这些信息，因为它们活在人的脑子里。它们可以从 IM、邮件或其他书面文档里得到一些线索，但那些永远只是局部的（最好的情况下）。 其中一些信息可以作为上下文提供给 LLM，比如业务优先级、预期的产品变化、运维约束，以及早期决策背后的原因。这样做也许能改善它的选择，但这些仍然只是 Theory 的产物。它们无法完整地传递团队发展出这套 Theory 所依赖的经验和判断。 这些都很好，但如果我全身心投入 vibe-coding 和 token 最大化、完全不在乎代码呢？那样的话，这篇博客后面的内容说服不了你。如果你处于两者之间，我来描述一个我们在 亲身经历的真实情况，关于 Solveit 的计费系统。 剧透警告：在 最初的计费系统 Solveit 是一个平台，你可以在里面用 AI 在一个类 notebook 的环境里工作。环境是持久化的，所以我们对 LLM 用量、CPU、磁盘、内存和带宽收费。 最初的计划是向用户收月度订阅费（比如 5 美元）。这笔月度订阅费变成当月可以消耗的积分（credits），如果全部用完，下个月之前就得充值。我们先在一个更小的项目里测试了这套方法来验证它。 这套方法后来证明比我们想要的更复杂。第一，积分 + 订阅的机制会把人（比如我自己）搞晕。第二，它让代码在多个层面上更复杂。你得处理「先消耗月度订阅积分、再消耗普通积分」的所有逻辑，以及剩下的积分怎么办。在 Stripe 这一侧，它有两个不同的代码路径：手动充值和订阅服务。 对不熟悉的人来说，Stripe 订阅是一个全托管服务。Stripe 管理整个生命周期（扣款周期、发票、重试全在他们那边）。 你大致只需要这样创建订阅： stripe.Subscription.create(customer=cust_id, items=[{"price": "price_5usd_monthly"}]) 然后监听他们的 webhook，在订阅状态变化或付款到达时更新你的数据库（还有很多其他事件可以选择）。 直接收款则需要你启动一个 checkout session，让用户跳转到 Stripe 的域名填卡。这需要你提供一个 customer ID。那应该在什么时候创建 Stripe customer？用户注册时？他们尝试付款时？还是别的时机？全都是合理选项。 stripe.checkout.Session.create(mode="payment", customer=cust_id, line_items=[{"price": "price_5usd", "quantity": 1}], success_url="") 到目前为止还好吧？如果你对 Stripe 或支付没有太多经验，很可能你已经感到吃力，没法把这一切全装进脑子里。也许你设法把它简化成了： • 订阅 → 交给 Stripe 订阅服务管理 • 充值 → Stripe checkout 一个不明显的问题是：使用 Stripe 托管服务意味着你有重复的数据。一半数据在 Stripe 的后端，而你必须保证本地数据库和它同步。另一个问题是，调试的时候，你既要查 Stripe 的服务，又要查自己的数据库。比如，一笔付款没到账，是 Stripe 没发 webhook（「他们的错」），还是我们没把它存进数据库（「我们的错」）？ Stripe 订阅服务很棒、很容易上手，但它是为支持海量用例而设计的。这意味着，即使设计得很好（它确实很好），这个 API 抽象最终也相当复杂。在这种情况下，你在用「卷起袖子自己写代码的复杂度」交换「学习 Stripe API 的复杂度」。 LiteLLM 和 Stripe 在不同规模上展示了同一个权衡：只要契约成立，外部抽象能极大地简化你的 Theory；但每当你需要调试、修改或超出契约去推理时，它隐藏的复杂度就变成你的了。 AAI 的做法 在 经过很多天的探索和讨论，我们最终定下了一个简单得多的系统。 首先，我们只做积分（credits），按用量收费。这是一个超级简单的模型（和 Theory！）：充值积分，用多少付多少。 订阅一去掉，我们就可以删掉一大块用来保持同步的代码。剩下的付款路径只有两条：手动充值和自动充值。要做自动充值，你需要能保存客户的信用卡，以便随时扣款。而 Stripe checkout 不会保存信用卡，你只是让 Stripe 在他们的 UI 里处理这次付款。 长话短说，我们最终发现最简单的办法是：用户一注册就保存他们的信用卡。卡一旦在档，用户可以用它手动充值，也可以设置成自动充值。因为全部是我们自己处理的，同步问题几乎为零。我们只监听支付成功事件（没有订阅了！）。 结果就是，我们支付系统的 Theory 可以用一句话概括： 客户注册时添加信用卡，之后我们对该卡扣款——要么手动（充值），要么在余额不足时自动扣。 手动充值和自动充值现在走同一条支付路径。我们整个支付技术栈——拆在 Solveit 和 faststripe 之间——大约 300 行代码。 结果是非常低的复杂度，但这是数小时的探索、尝试和讨论换来的。我这里的解释充其量只是触及皮毛。 印度登场 那么上线那天发生了什么？一切顺利吗？没有。上线后我们发现，印度信用卡不支持你想什么时候扣就什么时候扣的 off-session 扣款。手动充值属于 on-session，仍然可以工作，因为用户会在我们的 UI 里看到一个类似 3DS 的验证流程；但自动充值不行。 在寻找解决方案时，我们发现 Stripe 托管订阅在印度确实能工作。为什么？因为 Stripe 替你绕开了所有这些复杂度。他们提前一天创建并持有 off-session 的支付意图（payment intent），这样银行就能在实际扣款前向用户发送预扣款通知或认证请求。 我们迁移出托管订阅时，就失去了这个特性。我问了一个前沿 LLM——我记得是 GPT-5.5——我们该怎么处理这个问题。你猜它给出的方案是什么？ 用回 Stripe 订阅来处理 这个 LLM 提议的正是我们刚刚迁移出来的方案。读到这里，你会怎么说？你的意见是什么？我们应该迁回去吗？ LLM 列出了两个选项：要么同时支持两套系统（随时可以开工，你一句话就行！），要么完全迁回旧的系统。我们做了什么？什么都没做。我们非常看重 Theory 复杂度，于是我们决定：让印度用户手动充值就好了（抱歉了各位！），换来一个更简单、更健壮的平台。 如果你不同意我们的选择，反思一下为什么不同意。真的，现在就停下来想一想。 这个问题没有正确答案，而这篇博客的目的之一，就是帮你看清你的答案来自哪里。你的论据是什么？更具体地说，它们是从哪里来的？ 有很多场景下 Stripe 托管服务是更优的选择。举几个例子： • 公司收入最重要，手动充值的额外摩擦可能会让我们损失一些印度销售额，那我们应该迁回去（或者同时支持两套） • 销售团队用 Stripe Dashboard 的 UI，所有支付信息都放在我们自己的数据库里并不理想，因为他们没法在那里管理 我的观点是：你的代码的复杂度，真的取决于一大堆和代码无关的因素，而那些信息不在代码里。 隐藏的优势 那么为什么不干脆让 LLM 全权处理这些事呢？在我看来，最妙的答案是：我们的工作方式揭示了一个可能的商业机会。印度不支持 debit mandate（借记授权）的方式和世界其他地方不一样。Stripe 试图解决这个问题，但远远不是一个完整的解决方案。 在理解和简化流程与 Theory 的过程中，我们学到了产品之外有价值的东西。在我看来，这类洞察是可以转化为竞争优势的。 努力去理解，本质上就是一个简化 Theory 的过程。如果你放任 LLM 在复杂度上为所欲为，你可以很快产出大量代码。选择简化路线更长、更费劲，但长远来看我认为它是值得的，而且你可能会在路上发现隐藏的宝石。 原文： #LLM# #编程# #代码复杂度#

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。

《做爱性交所有姿势体位完全指南》 你做过爱吗？ 如果你做过，但你们永远只有一个姿势：她躺着你压上去狂抽，或者她跪着你从后面打桩——那这篇文章非常适合你。 如果你做过很多姿势，但每次换完你们俩就没有状态了、润滑没了、她开始忍、你开始慌——那这篇文章更加适合你。 网上体位图一堆，但是操作起来却非常困难。黄片里换姿势使用了剪辑像魔法一样魔法：一抬腿就到高潮，膝盖不酸，也不用停下来找角度。真人不是这样。这是我和对象试下来，真正有体感差别的几类——按真实感受写，不按镜头写。 别死撑同一个最刺激的姿势，换姿势是能提升时间的最重要的方式。 文中有示意图。 本文包括但不限于： 传教士系怎么最舒服，如何让自己和对方舒服，传教士的重点是什么、后入为什么容易很舒服但是也容易酸痛、女上的时候磨和抖动有什么区别、侧卧汤匙什么时候做、坐姿对抱的意义在于、站立床边哪些能用，而哪些纯属炫技、中途怎么换位怎么保持分为、膝盖手腕体力怎么省、阴蒂和G点在各姿势里分别靠谁照顾。 正文开始前，我先叠个甲。 第一，本文只讨论成年双方自愿、清醒、无金钱交易的性行为。强迫、欺骗、灌醉推进、偷拍，以及任何涉及未成年人的内容，都不在讨论范围，并且是我严厉反对的，这在任何国家都是违法行为。 第二，文中会写得很直白：勃起、龟头、阴唇、阴蒂、阴道口、前壁、润滑、射精、膝盖酸、手腕抖，都会直接说。你要朦胧文学，可以关掉。 第三，体位不是菜谱，也不是图鉴。集齐五十个名字不等于你会做爱。同一个「传教士」，垫不垫枕头、腿抬不抬，体感能差出两档。 第四，这是经验向科普，不能替代医生。反复剧痛、异常出血、关节损伤、长期性交痛，去看专科。 文中有示意图。 这篇文章写给已经会插进去、但插进去之后只会打桩、只会学黄片换造型、换完自己也不知道爽在哪的人。 也写给那些以为「体位多＝会做爱」、结果膝盖先炸了、阴蒂毫无感觉的情侣。 这个文章是给男女双方一起看的。男生女生看完请直接在评论区补你们真实体感——哪里酸、什么地方突然就对了。我希望评论区能变成一手经验交换，大家不要再复读片里的台词了。 那么我们开始吧 一、开始前的做法 她不够湿就硬进，这样的话，无论哪个姿势都像上刑一样痛苦。先用手、嘴、磨，把外阴和阴道口弄到滑，再谈插入。套要在你最硬的时候戴好；水性润滑备着，如果下面的水不够不够就用上。腰下或臀下准备薄枕——这东西比一百种花活都有用，把她下面的口往上放一些，你更容易插进去。 还有一句最重要的：别把「更深」当目标。 很多爽点在浅层和前壁（小腹侧那块更粗糙的区域，大约入口往里两三指节），狂捅尽头更容易顶到不适甚至宫颈附近的钝痛。她突然安静、眉头皱、往后退，不是欲擒故纵，是该浅一点或停。 阴蒂在绝大多数插入姿势里都会「空着」。后入空得最狠，传教士也常常蹭不到，女上磨的时候才比较容易贴上。所以每个姿势我都会写：阴蒂谁来管、前壁怎么对、膝盖手腕谁先撑不住。 体力也是硬件，你的腰、她的腕、双方的膝盖，比鸡巴长短更早决定今晚能不能做完。累了就换省力姿势，别死撑装猛——装猛的下场通常是软、抽筋，或者她忍着疼配合你演。 二、男上 / 传教士系 面对面、她仰你俯或你跪直，新手翻车率相对低，因为能接吻、能看她是爽还是疼，互动非常及时。别因为「普通」就跳过——普通才好让两个人体验都好。 1. 基础传教士：怎么摆 她仰躺，腿自然分开或屈膝；你用手或肘撑在她身侧，别把全身重量砸在她胸口，你一定要撑住自己的体重。先浅入，等她适应再找深度，不要一开始还不确定她里面湿润与否就直接狠狠插入。想让角度更好，把薄枕垫她臀下，骨盆略抬——你的顶弄更容易贴到前壁，这样就而不是只往最深处凿，你深了其实没啥用，女性的G和A点都在阴道壁上侧，你很粗很翘才会很舒服。单纯顶的深，然后怼到宫颈口会很痛。 你也可以从「跪直」开始：跪在她两腿之间，上身较直，双手解放，方便揉胸、揉阴蒂。硬度一般时，这个进法往往比趴下去更好进，不过这个，每个人都有不同的感受，你们两个要一起体验。 2. 真实体感（双方） 她侧：浅的时候常是被填满的胀和摩擦，垫枕之后，有人会更明显感到「朝小腹那侧被勾到」的压感，偶尔伴随尿意错觉——不一定是要尿，先问一句。阴蒂在这个姿势里常常蹭不到，除非你身体略往上移、用耻骨去磨，或者留下一只手，专门用手去刺激她。 你侧：传教士稳定，容易控制快慢，但也容易埋头打桩忘记阴蒂，阴蒂是必须得努力俯身，然后用身体去撞她的耻骨。俯身时耻骨斜向摩擦，有时阴蒂反而比你想象中更有机会被蹭到，但是有时候你不够柔韧就等不到。跪直时抽送爽、视野好，阴蒂更要靠手来补，女生有时候会很敏感，所以一定要轻一点。 3. 常见翻车 一进去就全力抽插，她还没彻底被唤醒 全身体重压垮她的呼吸，这很恐怖。 只顾自己腰，阴蒂空着 腿压得太开太久，她髋关节抗议 追求「一插到底」，把不适当的最深程度度成就 4. 小改动 垫枕 vs 不垫：不垫更容易直进深处；垫了骨盆一抬，龟头更容易刮到前壁。她若说「有点想尿」又说不清爽不爽，先减力，问要不要继续按那里，她舒服你再操作。 腿并拢再插：她双腿并拢一些，你在外侧进入，通道更紧，摩擦更集中。硬件一般的人，这个比硬冲深度有用，你可以让她把腿努力并紧，然后增加两个的体验。 腿搁肩 / 抬高：更深，前壁角度也常更好找，但更深≠更爽。深度一上来就要更慢，因为这样的体位会插的非常深，如果你本身就很大，对方没有被唤起，就有可能不舒服。；韧带不好的人别硬掰，别伤害对方 贴合磨法：你身体略往上移，耻骨压住阴蒂区域，以小幅度研磨代替大幅抽出——很多人靠这个比靠「九浅一深」更容易到。片里的大幅抽插好看，床上的小幅高频往往更有用，你是在取悦对方和自己。 5. 何时换 她说压得慌、你手臂抖到虚、或者你们都想要后入那种深度感时。也可以不拔出来：她翻成侧躺，你跟着转，直接进汤匙或侧后入。 三、后入系 她跪趴、塌腰、或胸贴床臀抬高；你在后方进入。深度容易深，前壁角度也常更好找，所以爽起来很快，翻车起来也快。 1. 怎么摆 她膝盖分开，手或肘撑住；塌腰翘臀比硬直背通常更舒服。你跪在后方，进的时候先浅，别一插到底顶穿。想更稳也更贴前壁：她胸部贴床、臀抬高，你进入的角度往往更「勾」向前壁。 床边变体也很实用：她趴在床沿，你站在地上后入——省双方膝盖，高度好调。站立后入也可以，但滑、累、容易对不齐，只适合短换气氛。 还有一种「整个人趴平、腿伸直、臀略抬」的压贴后入：通道更紧，深度感强，但阴蒂更空，润滑要求更高，女方会感觉完全完全被充满，非常非常有涨涨的感觉，你这个姿势也会感受到无与伦比的被包裹感。 2. 真实体感（双方） 她侧：深、胀、被从后面填满的感觉很明确；前壁被顶到时，可能又爽又有尿意感。阴蒂在后入里常常完全空着——除非你伸手绕到前面揉，或她自己伸手。看不见脸时，有人更放开，有人更紧张；紧张的人要多说话、多问。 男侧：视觉和控制感强，容易越插越狠，忽略她是在忍还是在爽，后入是真的非常非常考验男生和女生的默契的，一定要保持好你们两个的交流。手空出来是优势：一只扶髋定节奏，一只去阴蒂或乳房。别把「能打桩」当做自己的能力，本身后入就更容易发力，你要的是两个人都很舒服。 3. 常见翻车 打桩过深过快，她疼还不好意思说 不管阴蒂，只顾自己视觉，你的手空出来了，就该去她身上摸来摸去。 她手腕膝盖磨到红还不停 没润滑就后入，干涩放大，就非常恐怖了。 滑出又急着捅回去，龟头撞到会阴或肛门附近，你一定要保证插的很准。 4. 小改动 降低上身（她改肘撑或胸贴床）、你略下蹲改变角度；速度降一半，深度留在她点头的那一截。她腿并拢一些再后入，紧度上升。你站床边、她只负责把臀送出来，能省很多膝盖。 阴蒂必须用你的手来补充刺激：绕到前面揉，或让她自己摸。后入本身很少自动照顾阴蒂，这不是她「不够敏感」，是姿势结构问题。让她自己摸。 四、女上 / 骑乘系 你躺或半躺，她跨上来。主动权在她：深度、角度、快慢基本她说了算。对很多女生，这是最容易把阴蒂蹭上的插入姿势之一，这很容易让对方的阴蒂非常非常舒服。 1. 正骑：怎么摆 你躺稳，膝盖可屈；她先扶着你坐下，慢慢吞入，别一坐到底，你们又不是老手，一坐到底如果坐歪了就是毁灭性打击，先得慢慢插入。她双手可撑你胸口或床面。你的手摆在她腰或臀，是托着她上下动除非她明确要你帮着抬，那是你们的情趣。 2. 真实体感（双方） 她侧：前后磨和上下跳都很舒服，主要取决于；磨的时候阴蒂能贴你的耻骨，水声和热度上来很快。上下跳视觉刺激大，但阴蒂容易空，不过落下来的时候能撞到它，所以其实还好，主要是膝盖和大腿也酸。她身体略前倾，双手撑你身旁，阴蒂通常更容易贴住。 你侧：视野好，手能摸胸、这个视角非常非常爽。但你容易变成「躺尸」。腰还可以轻轻上顶配合，别完全当死鱼，女上对很多男生更持久一点，因为节奏不全由你控制——所以有可能她还没舒服你就要射了，所以你要注意好你自己的状态。 3. 反骑 她背对你坐上来。你看的是背和腰线，她看的是前方；眼神交流变少，羞耻感和视觉刺激变强。进入角度和正骑不同，前壁被刺激的方式也不同，有人更爱，有人觉得别扭——以她为准。 反骑本身阴蒂不一定够，你的手必须绕到前面补，摸她的屁股，摸她的胸（如果你的手够长的话）。坐歪滑出、扭到你、她不敢动只好僵着，都是常见翻车。慢坐、你扶好根部对准，比猛坐重要。 4. 常见翻车 她还干着就被迫坐到底，疼 你抓着她的腰狂按，像健身器械，纯神经病来的 只跳不磨，她累你也没爽到点，这样不好。 她前倾或后仰过度，滑出又急着坐回去擦伤 润滑不够——女上对干涩特别不原谅 5. 小改动 磨 vs 跳：磨是耻骨和阴蒂的约会，跳是你的高潮进度条和她的大腿耐力比赛。想让她到，多半是磨加你的手指；想换气氛，再跳几十下。 你坐起来变成对坐：胸贴胸，深度变浅但亲密感和阴蒂摩擦都上升。适合她腿开始抖、还想继续的时候。 你托着她的大腿帮她上下：能减轻她腿力负担，但节奏仍由她点头决定，别擅自加速。 6. 何时换 她腿抖到撑不住、想被你主导一会儿，或想换成后入换刺激。女上很适合作为「找点」阶段：让她自己坐到那个角度，记住感觉，再换到你主导的姿势复现。 五、侧卧 / 汤匙系 你们同向侧躺，你在她身后像汤匙叠着。累了、想慢、想贴着睡又还硬着，这个姿势几乎是救星。开场未必够刺激，收尾和高潮边缘却极其好用。 1. 怎么摆 她侧躺，上方那条腿屈起或你帮她托着；你从后方进入。不要追求极深，侧入天生偏浅偏磨。垫一下她上方膝盖，或她上身略前倾，会顺很多。 变体：她几乎仰着、你侧着跨她一条腿进入（有点像「拧着的后入」），能对视，深度感介于汤匙和后入之间。或她腿并拢、你从后方站或跪在床沿进入，紧度很高。但是这样屁股会挡住一部分长度，所以适合多重刺激，可以加小玩具，她会很舒服，同时又不会很难受。 2. 真实体感（双方） 她侧：压迫感小，亲密感强，适合长时间磨；阴蒂你伸手就能照顾。高潮前后极敏感时，侧入往往比传教士或后入更宽容。 你侧：腰不用炸，适合持久和温存，但刺激可能不如后入猛——这不是缺点，是用途不同。想射又想拖一会儿，侧入是很好的减速带。 3. 翻车与小改动 进不去就硬撬，这完全是坑娘。上方腿不打开导致角度别扭。润滑在侧入里同样重要，别以为「温柔姿势」就可以干着磨。她背后贴着你时，说话、吻颈、手揉阴蒂，比加大抽送更有效。 4. 何时换 想加强刺激就转后入或她翻仰变传教士；想结束就抱着磨到软，不必再换花活。 六、坐姿 / 对抱系 面对面坐着抱住，她跨在你腿上，或你坐椅/床边她来坐。深度通常不深，但胸、呼吸、接吻全在，适合不想「做爱表演」而想贴在一起的时候。 面对面 1. 怎么摆 你坐稳（床边、椅子、沙发靠背都可），她面向你跨坐，慢慢坐下。你们可以靠墙或靠床头减负。她背对你坐也可以，变成坐姿反骑，手更方便绕前揉阴蒂。 还有一类「你坐着、她仰躺或半躺在你身前」的衔接：从跪直男上过渡过来时，你把腿伸直坐下去，她几乎不用动——省膝盖，前壁角度有时更上翘。 2. 真实体感 慢、热、磨。阴蒂容易在身体贴紧时被照顾到。你们腰和大腿都容易酸，所以它更适合当桥梁和温存段，不适合当唯一的剧烈冲刺姿势。 对很多情侣，坐姿的价值不是「最爽」，是最容易说话、接吻、一起减速。射意上头时切到坐姿对抱，因为这样一般动不起来，其实吧，这样常常比死撑后入更聪明。不然你们只有抽查，很没有意思，这样是在增加你们的情趣。 3. 翻车 椅子不稳、沙发太陷、脚够不着地导致她悬空乱晃；硬要上下跳把膝盖废掉。坐姿以磨和浅顶为主，别按女上跳法硬套，女上她是可以动的，但是对坐她就不容易动了。 4. 何时切换 酸了就放倒成传教士或侧入；想加深刺激就让她转身后入，或你站起来变成床边，你们随时可以改变。 七、站立 / 床边系 片子里很帅，真人要挑能用的。床边是实用冠军；纯站立抱起是短爆发，不是主力，正常人类很难拿这个来操作。 1. 床边抬臀（很实用） 她躺床边或臀靠近床沿，腿分开或抬起；你站或跪在床沿外。角度好调，也方便你腾出手，或先口交再就着床沿插入——少很多「重新找阴道口」的尴尬，也会用你的舌头弄的她非常舒服。她骨盆被抬住时，进入方向更可控；你站着省膝盖，但注意别只顾着深，一定要倾听她身体的语言。她腿酸就放低，或把腿搁你臂弯。台面、稳桌子同理，但要确认承重和边角，别为了帅去用玻璃茶几，别特么搞碎了你们的家具伤害到自己。 2. 站立后入 / 靠墙 双方站着，她略前倾或手撑墙，你从后面进。腿并拢会更紧。适合浴室门外、沙发扶手旁这种「一时兴起」，但地板滑、高度差、勃起角度差一点，都会让它变刑具，你们一定要注意安全。温和控制节奏，滑出比深顶更常见伤害，滑出后怼到其他身体部分会很痛。 3. 站立抱起 靠墙，你托她、她夹你。只适合短爆发或「换气氛的三十秒」。墙要稳，地板别滑，她双手搂颈或撑你肩，你托臀不是只抠腿弯。进不去别硬抱着对刺。累了立刻放下换成床上——摔一次比帅一次贵，摔一次，要是拔出来还好，要是没拔出来，你就断了。 4. 何时使用呢？ 前戏后想快速衔接插入：床边。后入打太累想省膝，站立可以试一下，但别让表演盖过体感。体力、身高差、硬度不够时，站立系直接弃，不算输。 八、组合与切换：怎么换位不把气氛弄死 别突然抽出来宣布「我们换后入吧」，这太变态了，建议大量使用dirty talk。 还埋在里面就慢慢转（传教士她翻身变侧入，再转到后入） 抽出来用嘴和手接住空档，再进下一个 换姿势时补润滑——最容易被忘掉，一干就疼。 一个实用顺序（不是规定，是地图）： 口交 / 手把她打开（外阴热、入口滑） 传教士或女上找默契（看见脸、好说话、好找角度） 后入或床边加深刺激（前壁、视觉、深度） 侧入 / 对抱收尾或再磨到高潮（省力、阴蒂好照顾） 中间随时可插女上让她主导一会儿。谁先到都可以，不必同秒；她到了阴蒂可能极敏，换成浅磨或抱着停两秒再继续。 射意来了怎么办：别死撑同一个最刺激的姿势，换姿势是能提升时间的最重要的方式。切到侧入、对抱、或让她正骑慢磨，手去阴蒂帮她，你自己抽送幅度降下来。持久很多时候不是忍精功，是姿势调度。 中途软了：别道歉表演三分钟，你道歉顶个p的用，你现在需要开始改用嘴和手继续她的节奏，硬了再说，然后再来一轮；气氛断在情绪，并不是你不插入就不行，侧卧和女上对「半硬试探再进」往往比后入友好。 十、疼痛、抽筋、套的问题，怎么办 膝盖痛：垫枕头、改侧入、改床边站立后入。 她喊深了：退出半截，改磨，手去阴蒂。 手腕抖：改肘撑或胸贴床，别逞能平板支撑式做爱。 你突然软：停表演，改口手；气氛别办成葬礼。 套滑或干：停，加润滑或换套，再进。 抽筋：停下拉伸。 她突然安静：问。忍和爽的表情，很多男生分不清。 安全仍是那几句：自愿、可停、戴套防病防意外、有病痛溃疡先别做。体位再花，也救不了不沟通。 最后 提倡纯爱，不奔着结婚去的恋爱都是耍流氓。可以很色，但是不要滥交不要约炮不要嫖娼。我求你们了。你没必要集齐图鉴，体位是今晚你们的腰、穴、阴蒂、呼吸的组合最适合什么。 你要会看她是在迎还是在忍，比你会五十种花活都更像会做爱，更像爱她的人。示意图其实也没有那么大作用，床上反复练的，是角度、润滑，和一句「这样行吗」之后真的愿意改。 你们两个人有没有把阴蒂和前壁当回事，有没有在膝盖废掉之前换姿势，这些是最让你们两个舒服的内容。 详细的前戏、第一次怎么做、男舔女穴、女含男根、约炮防病防意外，见我主页其它篇。这篇先把「插进去之后怎么摆、怎么换、怎么别把自己干废」说到能用。 你们的经验请在评论区直接说。男女都请进，补充一手经验。 我写的要累死了，求你们点个订阅。

外表文靜的他 硬度跟持久度卻接近了滿分.. 每一次摩擦.. 都能深刻體會被填滿的快感😰 當下完全淪陷..不想停止.. 女上讓人無法抗拒的原因 就是能夠主導這一切⁄(⁄ ⁄ ⁄ω⁄ ⁄ ⁄)⁄

我自行宣佈 Twitter 第一屆『持久度』大賽 正式開始 條件如下： 忍耐計時挑戰10min即可獲得優先約會名單 請平常自己很會吹牛的推友踴躍報名٩(˃̶͈̀௰˂̶͈́)و 挑戰成功者以後遭罪…啊呸…有福ㄌ😚 #喜歡這類活動可以多給我個心# 挑戰賽報名處დ ღ ⇛