前幾天剛好跟朋友在討論預測市場當前到底需要的是什麼，看似繁榮其實並沒有很好的讓大家都上手 多數交易量肯定都是來自 bot ，而且多數人參與其實滿容易虧錢的 最大的問題就是不同市場的流動性碎片化再加上介面不好用、不直覺 以台灣來說甚至登入個 polymarket 都有問題，仍是最大痛點，我最常用的還是 polymarket 的 CLI 當前有兩個痛點需要被解決：更好懂的介面以及更絲滑的入金方式 市面上的方案都沒有真正解決這個問題，更不要說單純的 AI 工具 不管是否幣圈，AI agent 使用率都是不高的，一個重要原因是最一開始的啟動流程仍然有些複雜，只有真的動力強的少數族群才會每天用 另一個更根本的原因是，主流模型從來沒有被真正為「在市場裡賺錢」而設計過，它們能提供分析結果 但分析≠ 不代表真的能夠賺錢 用戶本身具有交易賺錢的能力， ai agent 才能發揮得好，否則很容易只是幫我們花式虧錢 Sui 上面的 @0xbeepit 還挺有趣，這個協議是一個讓交易型 AI agent 在真實市場中競爭、篩選、進化的系統，只保留真實市場裡活下來的策略 而且除了 agent trading 還有發展其他的產品線 這是當前預測市場賽道所欠缺的 「有更多讓用戶資金留存的誘因」 創始團隊在 PayPal 和 Walmart 等企業建構過 TradFi 系統，平均 12 年以上的開發經驗，橫跨支付、交易、區塊鏈基礎設施等 Beep 主要運作的方式有五個階段 1️⃣ 用對的工具開發策略 LLM 負責理解語言、分析情緒、提取資訊；另一種 AI 專為數字時間序列設計的模型，負責數值計算、風險判斷和交易執行 2️⃣獨家訊號 Beep 的 agent 接入獨有的數據流，包含鏈上交易元數據、預測市場訊號、訂單流微觀結構 3️⃣ 開放接入 任何 agent 都可以接入、提交策略。 越多參與者，接觸到的市場資訊廣度也更大，利好所有玩家 4️⃣ 嚴格篩選 每個策略先用模擬資金跑，通過了才能用真實資本 能穩定賺錢的策略獲得更多資金信任，跑輸的淘汰 5️⃣ 結果反哺 每一筆交易的結果，都會成為模型訓練的一部分，讓系統變得更準 理論上隨著時間的推進，系統會越來越強大 接著是其他產品線，Beep 最新上線的 R3，是基於 Polymarket 的預測市場產品，提供兩種玩法 💡手動預測，適合想自己下單的用戶，Beep 為用戶提供 AI 洞察輔助用戶做判斷 💡全託管預測 Agent ，適合想讓 AI 全權負責的用戶，AI 全權接管，掃描市場、選題、交易、結算，全程無需人類介入 我這次先丟了 1000u 來測試一下他們家的 trading agent 1️⃣ 選擇自己要用的模型（GPT5.4 , Claude Sonnet , Kimi , Groq 等） 2️⃣ 選擇要交易的市場：美股竟然也可以 , 不單純只是加密市場可以選擇 3️⃣ 除了 eth sui 之外我添加了近期火熱的 $SNDK $INTC $MU 三支股票 在這些交互的過程中都是可以嚕分數的，包含創建 agent、交易量、錢包餘額等（treasury），創建 agent 的花費跟交易頻率有關，越高當然花費越多，還可以設定單次交易最高金額，使用的槓桿大小等 agent 開跑之後, 可以動態看到 agent 當時的想法 下週來跟大家分享一下結果，有興趣的可以一起來玩玩： 這邊記得，受邀人記得至少要充值 10 usdc 以上才可以激活 ⚠️ 地區限制，台灣的朋友們記得一樣要切換 VPN 才能使用 去年年底 Sui 宣布了 The Agentic Economy is coming to Sui ，很明顯這是當前每條鏈都在積極發展的方向，Beep 是我認為值得一試的 Sui 鏈 agentic finance 項目 Beep 還支持基於 Hyperliquid 的全託管交易 agent 的創建，支持 Hyperliquid 上 Crypto + TradFi 全部 USDC 交易對 對於心癢癢想追高美股的用戶來說，如果想追高又不知道怎麼設止損，讓 ai agent 根據設置的策略來參與市場也不失為是一種方式

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。

今天去醫院的時候 才發現原來我國小國中都是家暴 原來我國小時期每天被打，並不叫犯錯事 而是我的父親把他的怒氣發洩在我身上 繼母還在爸爸他打我的時候剪斷我的頭髮 從胸前的長度撿到了耳朵長度 到四年級才知道這個媽媽是繼母 甚至嚴重到沒有人會關心我，於是想像出來一個靈體照顧我 小六畢業我就很想逃離這個氣氛 去了美國，有二周每天都在哭，雖然我害怕那個家，但自己一個人住在親戚家又不合年紀差很多，也沒辦法跟他訴苦、真的壓力很大 我在聖地亞哥這一間私立學校讀 從一個英文國小從來沒有及格的小孩 半年內學會了溝通跟上課業的難度 在有一次我在房間用Skype跟教會朋友聊天時 我的親戚就衝進門來大罵我 我不知道才國一的我怎麼了 只有大喊的說，難道你也想要我去死去自殺嗎？ 後來我就再去廁所把頭髮給剪短了 這樣感覺才可以懲罰自己 隔天就被送回台灣了 忘記補充 我的創傷失憶非常嚴重 我到了我也憂鬱症時 才回想起來，姐姐當時在我面前 嘗試過幾百次的自我了結 可能那時年紀還小太害怕了 所以憲兵侵犯那件事情 也是一個創傷性失憶 小時候一直以為是自己表現得還不夠好 我居然活到了23歲才知道。

這絕對是個大工程。能把這種跨越幾百萬年的宏大敘事撐滿兩個小時，沒點耐性真做不出來。 這類影片看下來，最讓人震撼的通常不是資訊量，而是那種「視覺上的跨越感」。你想想，畫面從幾百萬年前在樹上晃蕩的古猿，鏡頭一轉，變成在草原上直立行走、眼神開始有了神采的原始人。接著是火光的亮起、石器的打磨，再到後來古埃及、美索不達米亞的黃沙與神廟，最後一路飆到現代的霓虹燈和未來的星際探索。這中間的視覺張力，光是用腦袋想像就夠起雞皮疙瘩了。 不過，要用 Seedance 2.0 熬出這兩個小時，背後的工作量其實挺考驗人的。 多模態的優勢與代價 Seedance 2.0 厲害的地方在於它那種 「多模態控制」，你可以餵給它圖片、分鏡，甚至塞一段現成的視頻去讓它學習運鏡。做這種歷史迭代的影片，最怕的就是前後畫風崩掉，前一秒還是寫實史詩風，後一秒突然變成廉價 3D 動畫。作者大概用了大量的角色與場景參考圖，去死磕那種歷史的厚重感和前後的一致性。 而且它自帶音效同步，原始人打砸石器的撞擊聲、遠古暴風雨的咆哮，這種環境音要是合得好，史詩感立刻翻倍。 兩個小時是怎麼拼出來的？ 雖然這模型比以前進步很多，但它單次輸出的片長畢竟有限，也就十幾秒。這意味著，兩個小時的成片是由成百上千個鏡頭硬生生拼接出來的。 • 工作流的考驗： 作者得先把劇本和時間線拉好，古猿、南方古猿、直立人、智人、農業革命、工業革命……每一階段都要瘋狂生成素材。 • 墊圖與墊片： 為了讓轉場順暢，可能用了大量的 Image-to-Video 或者 Video-to-Video。比如用前一個時代的結尾畫面當作下一段的起點，或者指定運鏡讓鏡頭從遠古的星空拉下來，變成現代的夜景。 • 後期剪輯： AI 把畫面生出來只是第一步，後面還得靠傳統剪輯軟體去調色、對軌、加上轉場和旁白，不然單靠 AI 生出來的片段直出，節奏很容易散掉。 這種影片看著看著，真的會讓人有一種「人類好渺小、但文明又好神奇」的宿命感。你看過最震撼的是哪一個歷史階段的轉場？還是說，你對它最後預測的「未來進化」部分更有興趣？

【Cloudflare 也要做加密錢包了？】 這幾天有人發現一個很可疑的網址： 乍看很像釣魚網站，但它其實真的是 Cloudflare 官方推出的新產品。 不過，Cloudflare Wallet 並不是另一個 MetaMask。 它真正想解決的是： 「未來 AI Agent 要怎麼自己花錢？」 一串看懂 Cloudflare 正在布局的 Agent 經濟 👇 1／Cloudflare 在 2026 年 8 月 4 日宣布推出 Cloudflare Wallets。 目前開放的主要功能，是先註冊一個專屬 Wallet Handle，也就是類似： 的識別名稱。 完整的儲值、付款、收款與提領功能，則會在之後逐步推出。 2／為什麼 AI Agent 需要自己的錢包？ 現在一個 AI Agent 想使用付費 API，通常得經過： ・註冊帳號 ・驗證 Email ・填信用卡 ・選訂閱方案 ・建立 API Key ・請人類核准付款 這整套流程都是替「人」設計的，不適合機器自主操作。 3／Cloudflare 惛的是另一種模式： AI Agent 發現某個資料、API 或 MCP 工具需要付費後，可以直接知道價格、完成付款，然後取得服務。 不用開啟結帳頁面，也不用先和商家建立帳號關係。 也就是把「付款」直接嵌進網路請求裡。 4／背後使用的是 x402 協議。 「402 Payment Required」其實是 HTTP 很早就保留的一個狀態碼，但過去一直沒有被廣泛使用。 x402 把它變成一套可執行的機器付款流程： ① Agent 請求資源 ② 伺服器回傳 402 與付款條件 ③ Agent 簽署付款 ④ 再次發送請求 ⑤ 商家驗證付款並交付內容 5／付款可在同一個 HTTP 流程內完成，不必跳轉到傳統結帳頁面。 Cloudflare 文件顯示，x402 能使用鏈上穩定幣結算，目前技術文件涵蓋 EVM、Solana、Aptos、Stellar、Sui 等網路。 常見情境可能是： ・每次搜尋收 0.01 美元 ・每次 MCP Tool Call 收費 ・按資料量收費 ・按 AI 推論次數收費 ・成功完成任務才付款 6／Cloudflare Wallet 會分成兩層： ① Account Wallet 由人類或企業管理的主要錢包，可存入資金、提領資金及設定政策。 ② Virtual Wallet 分配給不同 AI Agent 使用的虛擬錢包，Agent 透過 API Key 操作。 你可以把它理解成：企業主帳戶＋AI 員工的公司卡。 7／Virtual Wallet 最重要的地方，是可以設定支出限制。 例如： ・每週預算 100 美元 ・每筆最多 1 美元 ・只能支付指定服務商 ・只准購買 AI 推論 ・超過額度要人工批准 AI Agent 因此能自主探索和購買服務，但不能無限制花掉主帳戶裡的錢。 8／假設你給研究 Agent 10 美元預算。 它可以自行測試 20 個不同資料 API，每個只花幾美分，最後選出最適合的服務。 過去人類可能不會為了測試每個 API 都註冊、綁卡和開通訂閱。 但當付款單位縮小到「單次請求」，Agent 就能自行比較價格和品質。 這才是 Cloudflare Wallet 真正想開啟的市場。 9／除了付款，Cloudflare 還想解決 AI Agent 的「身份」問題。 例如： 可以代表某家公司的研究 Agent。 商家不只看到一個匿名 Bot，還能知道它背後可能由哪個 Cloudflare 帳戶授權。 這個身份是選擇性公開，不代表所有 Agent 都必須揭露身份。 10／這對商家有什麼用？ 一個網站未來可能設定： ・匿名 Agent：只能使用免費額度 ・已驗證 Agent：可獲得試用額度 ・特定企業 Agent：享有批發價格 ・高風險 Agent：必須先付款 ・付費 Agent：才能存取完整資料 換句話說，Cloudflare 想把「Agent 身份、存取權限和付款」整合在同一層。 11／Cloudflare 同時在推 Monetization Gateway。 賣方可以把以下資源放到 Cloudflare 後方收費： ・網頁內容 ・資料集 ・REST API ・AI 模型推論 ・MCP 工具 ・檔案下載 ・特定運算結果 買方由 Wallet 付款，賣方透過 Gateway 收錢。 一邊做買方錢包，一邊做賣方收款閘道。 12／這也是整件事最值得注意的地方。 Cloudflare 本來就位於大量網站、API、Bot 與網路流量之間。 它已經擁有： ・全球邊緣網路 ・Workers 運算平台 ・Bot Management ・網站身份與安全系統 ・AI Agents SDK ・網站及 API 客戶 現在再加入「付款」，就有機會成為 AI Agent 商業活動的基礎設施。 13／它不是單純推出一個錢包 App。 Cloudflare 真正押注的是：未來網路的主要消費者，不一定是坐在螢幕前點擊按鈕的人，而可能是替人類工作、比較服務、購買資料及呼叫工具的 AI Agent。 當 Agent 成為買家，網路的商業模式也可能從：廣告＋月費訂閱 轉向：按請求、按使用量、按結果付款。 14／對加密產業而言，這也是穩定幣很重要的一個使用場景。 人類不會為了價值 0.003 美元的內容，打開錢包完成一筆交易。但機器可以。 因此穩定幣微支付最大的潛在市場，未必是人與人轉帳， 而是： Machine-to-Machine Payment Agent-to-API Payment Agent-to-Agent Payment 讓軟體直接為資源付費。 15／但目前還不能過度解讀。 Cloudflare Wallet 仍處於非常早期的階段，目前主要是預約 Wallet Handle。 官方尚未完整公布的資訊包括： ・實際支援哪些國家 ・支援哪些穩定幣與鏈 ・託管及私鑰管理方式 ・KYC／AML 規則 ・手續費 ・退款及爭議處理 ・正式上線時間表 現階段比較像基礎設施預告，而不是成熟產品。 16／另外提醒： 這次 Cloudflare 官方公告沒有推出代幣，也沒有公布任何空投。不要因為看到： 「Cloudflare Wallet 空投」 「連接錢包領取代幣」 「輸入助記詞啟用帳戶」 就直接操作。 官方目前使用的根網域是 Agent，不等於都是 Cloudflare 官方人員。 17／Cloudflare Wallet 最值得觀察的，不是它能不能挑戰 MetaMask，而是它能不能把穩定幣付款藏進一般網路基礎設施裡。 真正成功的加密支付，使用者可能根本不會感覺自己正在「使用區塊鏈」。 - AI Agent 只知道： - 這個 API 要付 0.01 美元。 - 付款完成。 - 資料取得。 底層才由穩定幣與鏈上協議處理。 18／我的看法： Cloudflare Wallet 是一個非常早期、但方向合理的產品。 它把 AI Agent 現在缺少的三個元素連在一起： - 身份 - 權限 - 付款 真正的挑戰則是 x402 能否形成足夠大的買賣雙邊市場，以及監管、託管、安全與退款機制能否跟上。 但 Cloudflare 已經站在網路流量入口，確實比一般錢包公司更有機會推動這件事。 19／ 一句話總結：Cloudflare Wallet 不是做給人類每天轉帳用的加密錢包。 它更像是 AI Agent 的「可程式化公司卡＋網路身份證」，讓 Agent 能在預算和權限範圍內，自主購買 API、資料、內容及工具。 今天先搶名稱。 未來搶的，可能是 AI Agent 經濟的付款入口。

台湾2027年开始对生孩子现金补助到18岁 台湾目前对生孩子的补贴是0-6岁的小孩有育儿津贴， 第一胎每个月补助5000元新台币， 第二胎每个月补助6000元新台币， 第三胎每个月补助7000元新台币。 注意是每个月，如果按照前段时间大约4.64的汇率， 就是第一胎每年12931元人民币， 第二胎每年15517元人民币， 第三胎每年18103元人民币。 然后台湾政府5月27日宣布2027年(具体时间没说)要大大加码， 在上面的0-6岁育儿津贴之外， 还要额外增加一个0-18岁的成长津贴， 每个孩子每个月领5000元新台币，每年就是12931元人民币，一直领到18岁 ps：我补一个购买力的说明，台湾最低工资大概是设定的22k新台币 我再附赠一个《22k》这首歌的歌词，很好听，强推 作詞：陳零九 作曲：陳零九 打開手機 看FB 一堆惱人的訊息 鬧鐘響起 到公司去 腦袋都還沒清醒 老闆給壓力 要我給業績 客戶在電話那頭亂發脾氣 快不能喘息 也不敢休息 想起這月房租還沒繳清 我已經快不能呼吸 還談什麼夢想和憧憬 存了半輩子辛苦的積蓄 抵不過利滾利 和金錢的遊戲 我該怪社會 怪我自己 22K 怎麼生活 每個月付一堆根本就不夠用 沒命中樂透 我拼命工作 想存錢買房根本就是作夢 環境的錯 還是我錯 難道不投機就無法富有 我快花瘋 難怪朋友 爭先恐後的都要去澳洲 打工

回應台灣聯合報記者提問：問：台灣中央社日前有篇報導，引述台灣國安人士說法指稱，今年北戴河暑休期間，中共聚焦討論政事與人事，包含對美與對台策略，而中共對台聚焦反對以武謀獨、強化對台實質治理、爭取台灣各界反對台獨，以及年底地方選舉給予「在台愛國力量最大支持」等4策略。          之後賴清德也說，北戴河會議甚至將這次年底選舉的勝敗，當作是中國對台策略有無成功的指標，而高雄會承受很大的壓力。          中央社這篇報導應該是台灣台灣國安高層刻意放給中央社，我對前述訊息的真實性高度懷疑，習真會在北戴河暑休期間對台灣問題做出重大裁示？不曉得蔡老師會怎麼看待這些訊息。 答：我認為，台灣國安情報部門對所謂「北戴河會議」的解讀有些過度。北戴河暑期活動本質上帶有休假、休養和非正式交流的色彩，不會集中討論重大決策，更不可能涉及中共視為最核心的台灣議題。事實上，並非所有現任政治局委員都會前往北戴河，習近平本人是否到場，也不能僅憑外界傳聞判斷。因此，如果把北戴河與中共對台重大決策直接掛鉤，我認為訊息並不准確證據也不充分。 中共當然高度關注台灣2026年中期選舉，但中期選舉畢竟不同於總統大選。以國民黨長期累積的地方組織和政治資源而言，在不少縣市仍具有一定優勢；民進黨守住南部基本盤就可以了，真正具有指標意義的戰場仍是台北。如果民進黨能夠攻下台北，即使其他縣市互有勝負，也足以在政治氣勢上宣稱取得重要勝利。目前國民黨已完成2026年縣市長選舉布局，並公開把中期選舉與2028年重新執政連結起來。 至於北京對台統戰，除了透過媒體、輿論及其他渠道影響台灣社會之外，實際能在多大程度上左右選舉結果，仍然值得懷疑。尤其國民黨主席鄭麗文的兩岸路線過度向北京靠攏，反而在台灣社會引起疑慮，甚至造成國民黨內部的严重不安。鄭麗文自2025年當選國民黨主席後，確實把2026中期選舉及2028重新執政列為重要政治目標；因此，北京即使希望藉由國民黨重新取得執政權，也不能假定其統戰政策必然能轉化為選票。 真正值得觀察的，其實是2028年總統大選。如果賴清德成功連任，兩岸政治對立必然進一步延續，北京對台政策也必然轉向更強硬，甚至不排除以武統的方式奪回台灣。反過來說，如果2028年國民黨重新入主總統府，兩岸很可能重新啟動政治談判，甚至不排除討論某種形式的和平協議。那麼台灣大概率會歩上香港的後塵，只是時間更久台灣人付出的代價更大。