Happy birthday to me！🎂 謝謝大家給我的祝福 今年體驗了很有感觸的一年 再次體驗了馬來西亞熱情滿滿的活動 和大家度過了幾個有趣的場次 跟一群笨蛋好夥伴們又熱鬧了一年 也有斷捨離了該捨棄的人事物 大家健康、平安才是最幸福的 希望每一次的明年，都會更好！ 也期許自己能夠更進步、繼續往前走！

尚有皈依者狂熱的新移民，可能還沒好好讀過他們剛皈依的拜上帝教的經。 我來講一下吧。 以色列人的應許之地，是迦南地。但因為饑荒，雅各全家移民埃及，子孫淪為奴隸。四百年後，摩西帶他們出埃及，要回迦南。 這時，很多以色列人的後代還捨不得埃及，懷念有肉吃的日子，已把他鄉作故鄉了。 所以，原文恰好弄反了。 你問問祖宗，什麼時候美國是你的應許之地了？記住彼得的話：“親愛的弟兄啊，你們是客旅，是寄居的。” 別把自己不當外人。 如同那些移民埃及四百年，就認為自己是埃及人一樣的以色列後裔。怪不得，耶和華發那麼大脾氣，讓這群人在曠野死光，才讓下一代回到故鄉迦南地。 華人移民惦記美國的一些好處，就如同以色列後代惦記埃及的肉鍋、韭菜和蔥。 以色列的神向亞伯拉罕、以撒、雅各應許的，是由血緣與盟約定義的，不是物質條件定義的，更不是政治制度定義的。要說的話，那時的埃及絕對比以色列更政治先進，文明程度更高。 對以色列人來說，祖先、母語、宗廟祭祀所在的迦南地，是他們的應許之地。對華人來說，祖先、母語、宗廟祭祀所在的東土大唐，是他們的應許之地。 埃及，是以色列人被迫移民寄居的地方。美國，是中國人被迫移民寄居的地方。 整部摩西五經，就是一個民族渴望返回祖先之地的故事。還有後來的流落巴比倫，都渴望回去。 《詩篇》137篇：“我們在巴比倫的河邊坐下，一追想錫安就哭了……耶路撒冷啊，我若忘記你，寧願我的右手枯萎……” 這是聖經中最動人的思鄉。 而且，猶太人兩千年的核心禱詞是：“明年在耶路撒冷……” 可以說，整部舊約聖經，將"眷念故土"神聖化了。但卻有不少自棄的中國人，竟然能一邊讀，一邊瞎比附，一會兒認為自己是猶太人，一會兒認為自己是昂撒清教徒美國人，卻為自己真正的宗族、母語和故國感到羞恥。 就不要說中國固有的文化了，屈原的“鳥飛反故鄉兮，狐死必首丘”，還有陶淵明的棄官還鄉，就連李白這種神仙一樣灑脫的人，依然“舉頭望明月，低頭思故鄉”……懷鄉，不是人之常情嗎？ 荷馬的《奧德賽》，整部書講的就是奧德修斯的歸鄉，他甚至拒絕卡呂普索給他的永生，也要回到自己的故鄉伊塔卡。即使在現代西方語境中，歸鄉者都是英雄，不是蠢貨。 可以說，懷鄉，不僅是中國人之常情，更是全人類的共情，怎麼到了美國，思鄉就被嘲笑呢？這美國是軍事化寄宿學校嗎，想回家都不行？這美國是個大邪教嗎，思鄉一下就不虔誠了？ 聖經中，作為初代埃及移民的約瑟，神眼中的義人，就算在埃及做到宰相，就算家族再顯赫，他都知道，埃及終究不是自己的家。臨終的時候，他叫以色列的子孫起誓：“神必定眷顧你們，你們要把我的骸骨從這裡帶上去（故鄉迦南）。” 幸好這話是洋經上寫的，不是中國古人比如屈原或陶淵明說的，這樣我才敢引用，不然恐怕會被罵支人了。 整部舊約聖經，就是反覆離鄉、渴望歸鄉的歷史。猶太人不斷流落埃及、流落巴比倫，以及羅馬帝國毀壞第二聖殿後的兩千年大流放，貫穿這苦難史的精神主軸，始終是那句禱詞：“明年在耶路撒冷”。 思鄉有什麼可嘲笑的？ 以色列的子民，在巴比倫的河畔，把豎琴掛在柳樹上，坐在那裡，一追想錫安，就哭了。

onsemi 推出 Embedded Power Platform（EPP）：用矽晶圓本身當封裝，把多顆晶粒（FET、驅動器、控制器等）整合進單一矽元件，並把電氣、機械、熱設計一起優化。 核心做法 - 封裝不再只是外殼，而是系統性能的一部分 - 可在同一晶圓級架構整合 Si、SiC、GaN - 用既有 12 吋晶圓製程與半導體設計／模擬工具做電源系統整合 宣稱效益 - 功率密度可達現有方案約 3–5 倍 - 開發週期最短可壓到約 4 個月 - 更好散熱、更低寄生電感、更高切換頻率 - 更早發現設計取捨，減少後期大改 - 同一架構可跨功率等級、元件類型與應用擴展 應用場景 - AI 資料中心：早期固態斷路器案例約小 50%、溫度低約 20%，把更多機櫃空間留給運算 - 電動車：牽引逆變器功率密度最高約 4 倍、損耗約降 15%；可用同一平台覆蓋入門到高階車款 - 也瞄準工業自動化與電氣化 合作與時程 - Subaru 為早期合作夥伴，評估未來電動車架構 - 預計 2026 年 開始向汽車與 AI 策略客戶提供樣品

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。

断联后，谁先主动，谁就输了吗？ 很多人把断联当成博弈： 谁先发消息，谁就输了。 但我反而觉得，真正输的人，是把“面子”看得比关系还重要的人。 1、先联系，不代表卑微，可能只是舍不得。 2、一直不联系，也不一定是不爱，可能是失望够了。 3、最现实的是：一个人主动只能证明他还在乎，对方愿不愿意回应，才决定这段关系值不值得继续。 所以别再问“他为什么不主动”。 有时候答案很简单： 不是不想联系，是觉得联系你也没用。

断更朋友圈真爽 没有人际关系真爽 没有吵闹真爽 安安静静一个人真爽 没人惦记行踪真爽 不用刻意聊天真爽 没人打扰自己一个人真爽 不用报备日常真爽 不用费心维持关系真爽 远离闲言碎语真爽 不谈恋爱真爽 干什么都一个人真爽