翹班結束了！！！ 兩夜一天屏東解放之旅～ 唱歌唱到破音 聊天聊到天亮 生魚片吃到扶牆 聚餐一直加菜加不停 一群瘋狂的人在一起 最大的陰謀論就是： 「誰都不放誰回家！！！」 🤣🤣 從白天魚池邊悠閒拍照 到晚上抱成一團死不放人 再到深夜互相參觀胸器還拿手機放大特寫的究極療癒環節😂😂😂 這趟真的徹底玩壞了 屏東，我們下次繼續不回家❤️ @D9530530 @wei5205301 @Y_Y_D_S_520 隱藏+N #屏東兩夜一天# #翹班解放# #誰都不放誰回家# #互相參觀胸器# #朋友就是用來坑的# #拉高點#

[ 给居住在美国的朋友们送钱了 ] 疫情期间我住在美国，意外发现一个合法套利机会，前后大概赚了 $100k。 这个机会现在依然存在，只是利润没那么夸张了。 核心很简单：撸线上赌场的 welcome bonus。 在美国很多州，线上赌场是合法的，而且竞争非常激烈，所以每家都会给新用户送钱，比如： 充值 $5,000，送 $5,000 credits，但需要下注比如 10x 的流水才能提现 关键就在这里。 套利方式主要两种： 1）体育博彩对冲（最稳） 如果平台支持 sports betting，可以在不同赌场之间对冲下注，把流水刷掉，基本接近无损，有时候还能两边赌场一起完成任务。 2）概率优势（casino games） 如果只能玩老虎机 / blackjack，就用数学来算。 举个例子： 充值 $5,000，送 $5,000 要求 10x 流水 → $50,000 老虎机 RTP = 98% 那么期望亏损： $50,000 × 2% = $1,000 最终收益： $5,000 - $1,000 = $4,000 Blackjack 按 strategy chart 打，理论最优，但需要人工操作，为了接近期望值，需要小额多单，很费时间精力。 老虎机可以挂机甚至自动化，效率更高，但期望收益会低一些。 👉 最重要的 alpha 来了： 美国是按州监管的，每个州的数据是独立的，同一个平台，在不同州就可以重新撸一次 也就是说：一个赌场开 3 个州 = 你可以撸 3 次 所以我当时去哪玩就顺手把当地所有线上赌场撸一遍。 如果你有家人一起做，收益直接 ×2 。 这个套利最大的坑就是terms of service了，如果你想去试试的话，一定要读！且认真读！比如如果比赛取消了，两边平台处理的方式可能不一样；比如送的credits除了完成下注量，可能还有其他的要求。 另外就是要管住自己的手，别赌！你是来赚套利的钱，别最后把本金都赌进去了。 最后附一张我当时在 NJ 做的表，我一个人的收益 $25000。可以看到有负的，一般都是体育博彩对冲，一边输了，一边赢了。

人际关系本质上不是比谁朋友多，亲戚多，同学多，发小多，反而是你的关系越繁杂，你被坑的，被伤害的，被打击的，被阴的概率就会大大增多。当前的社会形态已经不是多一个朋友就多一条路， 实则是多一个被坑的机会。与其说当前的社会人情冷漠，不走亲戚，大家都是自私自利，然无非就是回归了人性的本真状态。有用才用，没有用就尽早远离，多一事不如少一事。 一个人被伤害的行为往往都是身边人所带来的，你认识的关系越多，你的风险就会越大。俗话说“穷生奸计”，而且人性都是看不得身边人比自己好的，你好了，你出息了，就侧面代表着他人的不好，这种心理落差就会滋生出嫉妒和怨恨。一个人在这个世上唯一的朋友，也是唯一的底气，只有钱。只要自己手里永远有花不完的钱或者足够的钱，你永远不会缺朋友和关系。会有很多人主动来和你建立关系，而且“有钱能使鬼推磨”，钱就是工具，然很多人可以为了钱而上刀山下火海。朋友会变心，但钱不会。 所以 不要执着于去交往和建立太多的关系，毫无意义。努力赚钱才是王道！

1 今天下午4点交割完毕后，drb和signalplus的新一轮交易大赛就要开打了，总奖池60万美金，感兴趣的朋友们可以边打边学，毕竟交易者东西就得真金白银的上才能学到东西 ➕绿泡泡merlin1238 2 drb大家应该都知道，就是coinbase花了几十亿美金收购的全球最大的饼子产业的option交易所，也是非常老牌的交易所，创始人是荷兰人，当然312和519惨案，很多人在上面翻倍也有很多人在那归零。。期权用好了是暴富工具，用不好太贪的话，就是暴雷工具。 3 signalplus大家就比较熟悉了，全球最强的期权交易工具（目前也支持了rwa等线性交易），最近刚融资了5000万美金梭哈ai+交易赛道 但最期待的依然是他们的2.0把交易和vibecoding结合起来，打造一个全新的os，让大家无门槛在一个成熟的底座上去开发自己的交易系统，减少了很多中间小白用户自己从0做的踩坑的概率，毕竟钱上的东西，模糊不得 4 其中有一个羊毛可以去薅，就是单纯存款50k就可以抽奖。 5 这几天我在研究寿险，发现男性的投保从60岁开始，指数级上升，就代表了男性其实在这个阶段的死亡率巨高（不良习惯和体力基础病和退休太晚），这个和我之前看的全国寿命的分布比较匹配 值得注意的是，70-80虽然也上涨，但明显放缓，说明人一旦进入长生种模式，后面就不内耗，对抗的仅仅是大自然了 ps：女性70+之后死亡率才开始上升，核心是肌肉不足以及独居（老伴60岁去世了） 6 大饼周末表现不错，市场非美元资产得到重新的一轮计价，大家开始继续分散配置，降息和加息目前还是个迷，但是美债快还不起了是一个明牌事件了。 7 周末我又拿coze写了一个avg游戏，这周发出来给大家体验一下。 8 下午开赛后我会结合目前盘面发一些期权策略，大家可以第一时间拿来冲名次，另外本次比赛1vega战队所有达标会员我还拿出来5000个rch作为额外奖励，看看谁能当这条锦鲤。 9 本周星球有优惠券，我发到文末，仅限本周，新人专享，15张 ps：黄盖没回话的私信顶部的最新绿泡泡。

在手里还握着一定量现金但不敢往外投的人，比你以为的多得多。我认识一个在北京有三套房、存款七位数往上走的人，去年一整年最大的单笔消费是换了台用了十年的热水器。 不是花不起，是每一次想花钱的时候心里都会自动弹出来一句反问：这钱花出去以后还在不在你手上。 这个老哥叫老周，前几年做教培生意，巅峰的时候开了3个校区，月流水最高冲到210万，本来顺风顺水，19年听了朋友的话，拿了同行300万投资扩店，刚把新校区装修完，第二年政策就下来了。最后盘店转出去，只卖了80万的设备钱，还欠了投资人一半本金，最后卖了一套远郊的房子才填上窟窿，剩下来两套市区老房加一套小户型，存款清算完剩127万，刚好就是他现在的身家。 放在十年前，老周可不是这样过日子。那时候每年带老婆孩子出国转一圈，最少花6万，车开了5年就想换，连平时吃饭喝茶都挑人均300以上的地方。 现在呢？烟从40块的芙蓉王换成23块的双喜，加油只加最便宜的民营油站，去年想换车，算了算首付加每年养车要花8万，想了三天还是放弃，继续开那台开了8年的10万代步车。 身边好多朋友说他，都三套房了，存款百万，至于抠成这样吗？很多人觉得现在手握现金不花不投是胆小，是没追求，其实全错。真正踩过周期坑的人，都在悄悄守自己的基本盘。 这件事的本质，就两句话，没栽过跟头的人，觉得钱是靠拼命赚来的，栽过大跟头的人，知道钱是靠稳当活下来的。 现在打开手机，全是劝你花钱拉动经济，劝你把钱拿出来投资增值的声音，说你把钱放银行就是贬值，一年亏好几个点。 那些劝你的人，要么是要赚你的手续费佣金，要么是自己没吃过亏，站着说话不腰疼。

1/ 【中际旭创打新血泪史】 鬼使神差打了两号，结果被融资绑上了贼船🚢 说起来你们可能不信——这故事我讲给谁听，谁都觉得我在编。 2/ 中际旭创那波港股 IPO，我本来铁了心不打。 光模块 A 股估值早涨天上去了，未来三年利润都提前兑现完。 港股打新向来"打折的艺术"，中签率比彩票还低。我这种手气，打也是陪跑。 3/ 所以我拍胸脯：这波，不碰。 然后呢？ 然后我就打了。😅 最后一天通道要关，不知道哪根筋搭错，鬼使神差把两个号全点上去了。两号齐发，主打"要么不来，要么来个大的"。 4/ 当时还挺得意：反正中不了，就当给市场贡献热度。 结果。 全。中。了。 盯着那两条中签通知，我整个人愣在屏幕前。草泥马，什么概率？ 5/ 后来才回过味：这波打新的人比想象少得多，中签率高得离谱。 别人嫌贵不敢来，我倒好，一个人扛了两份。 中签不等于赚钱——中签意味着，你得掏钱。而我那会儿，没那么多闲钱。 6/ 第一反应干脆：弃购！不要了！港股弃购顶多一年不能打，虱子多了不怕痒。 手正要点"放弃"，突然停住—— 翻了翻认购记录，草泥马，这俩号打的居然是【融资认购】。 7/ 融资打新 = 券商借钱给你打，你付利息。 最坑的是：中签不缴款，券商有权动你别的持仓。 你摆烂不交钱，人家直接平掉你其他股票拿回本钱。 我账户里别的票，可都是好不容易攒的好货。 8/ 草泥马，这是上了贼船了啊🚢 你以为来凑热闹，结果被绑成人质。 没招了，转钱吧。各种倒腾凑齐，转账入金填上两份融资款。交完钱看余额，心里只剩一个字：空。 9/ 接下来等暗盘。 暗盘 = 上市前一天场外交易，提前开奖。 我算盘打得响：涨就先跑，跌也不慌，上市第一天还能出。 结果暗盘出来——跌的，而且跌得不好看。 10/ 赶紧挂个价，挂一晚上纹丝不动，没人接盘。 那晚没睡好，满脑子"明天反弹吧""大不了挂成本价，总有人抄底"。 天真地想：挂成本价总能出吧？回本就走，认栽当交学费。 11/ 第二天开盘。 手指悬在"卖出"上。 然后看见那个数字——破发了。 不是意思意思破一点，是开门见山砸到发行价下，连像样反弹都没有。 我的成本价挂单，孤零零像个笑话。 12/ 草泥马。 账户绿得发慌，亏损数字跳动着嘲笑我前几天的鬼使神差。 想卖？破发区没人接。等反弹？影子都没。 坐下忽然想笑——整件事就是场连环套👇 13/ 不想打 → 鬼使神差打 → 用俩号 → 全中 → 想弃购 → 发现融资 → 不交钱就强平 → 被迫入金 → 暗盘跌 → 挂单卖不掉 → 想成本价出 → 开盘破发 → 还是卖不掉 → 血亏。 每一步都像剧本写好，我是全程配合的冤种主角。 14/ 朋友：最后卖没卖？ 我：没。 朋友：还扛着呢？ 我：扛着。但这次彻底悟了—— 以后看见"融资打新"四个字，绕着走。 这船上来的容易，想下去，得先扒层皮。💸 15/ 这故事能提个醒，也算我没白亏。 草泥马，中际旭创，我这辈子都记得你。🚢

Prompt该退环境了，未来属于Loop Engineering。 最近，AI行业又出现了一个有趣的新词。Loop Engineering。 如果你关注AI这个领域的话，这两天应该都会刷到。推特在刷，各种社媒也在刷，群里也有蛮多人在讨论。事情是这样的。 6月7号，OpenClaw的创始人Peter发了一条推，非常的简短，但是直接就爆了。 翻译过来意思就是：你不再需要为编码智能体编写提示词了，你应该设计循环来提示你的Agent。 而在这之前几天，Claude Code的创始人老哥Boris在一个开发者大会上也说了差不多的话。 他的原话大概是，我不再手动给Claude写提示词了，我运行着能让Claude自动编排任务的循环，我的工作，就是编写这些循环机制。 也就是，写loop。 这两个人呢，说了同一件事。然后Google的Addy Osmani紧接着发了一篇长文，把Loop Engineering这个概念正式梳理了出来。 于是，继Prompt Engineering、Context Engineering、Harness Engineering之后，AI行业的第四个逐渐形成共识的Engineering，就这么诞生了。 我其实是个特别不喜欢造新词的人，但是很多时候，造词这事我觉得还是得分两种情况，有一种我觉得就是为了炒概念，比如xxx 4.0。 而有的时候，真的只是行业太快，人们更需要一个精准的表达来帮助自己表达而已。Loop Engineering我觉得就是后一种。 而且，这个东西跟我自己一直使用Agent的方法、一直在鼓励大家做的事，是高度吻合的。如果你看过我之前写的那篇Harness Engineering的文章，你大概能理解一些我的感觉。那篇文章里我聊了从Prompt到Context到Harness的三次跃迁，聊了马具和缰绳的比喻，聊了约束先行。 而Loop Engineering，其实就是在Harness之上，又往上走了一层。把一个套马的缰绳，变成了全自动工业流水线。很有《文明》里时代的进化的感觉。 给大家举个例子。比如说，以前你用Claude Code写代码，流程大概是这样的。你给它一个任务，它写完了，你看一眼，觉得不太对，你再给它提一个修改意见，它改完了，你再看，再提意见。整个过程你会发现，是坐在设备前的，一轮一轮的，你说一句它回一句，你就是那个驱动整个循环的发动机。 即使我们以前从chatbot时代迈向了Agent时代，绝大多数的事情，也一样是任务制的。 而现在，比如Boris老哥，他的工作方式是，他会去写一个loop，比如/loop babysit all my PRs，自动修CI问题，有新评论就派子Agent去处理，就这么一句话，然后Claude Code就开始自己跑了，它会自动去看他GitHub上所有的PR，哪些CI挂了就自己修，哪些review有新评论就自动派一个独立的工作树Agent去改代码。 他还把一些其他的loop挂到定时任务上，每天晚上自动启动去干这个事，晚上睡觉的时候，甚至有时候会有几千个Agent在同时工作。他自己说，2026年，他就再也没有手写过一行代码了。 你会看到，这就是loop，定好目标，然后全自动流程化，你完全不需要在电脑前，甚至都不需要看手机。 你可以直接睡觉，醒来的时候，代码已经改好了，测试也已经跑过了，PR也已经提上去了。你并不是自己给Agent写了一段Prompt帮你完成某个单次的任务，是你自己设计了一个目标，这个目标使用loop的方式，帮你提示Agent。 你定义目标，定义验证条件，定义失败了怎么处理，然后，就可以放手了，从此以后，这一切，交给系统。 说到这里，我估计很多人已经大概理解loop是个什么东西了。Addy Osmani在他那篇长文里，把一个完整的loop拆成了五个组件。 我觉得这个拆法蛮清晰的，我用我自己的理解给大家过一下。 第一个是定时任务，整个loop的心跳。 你得有一个东西能自动启动循环，不管是定时跑、还是事件触发，都行。 Claude Code里有好几种方式，/loop命令按间隔自动执行，cron定时调度，Hook在Agent生命周期的特定节点自动触发（比如每次改完文件自动跑一遍lint，这个很好玩，教程和玩法我也在准备了），或者直接丢到GitHub Actions里，关上电脑它也在跑。 没有定时任务的Agent，你每次都得手动去踢一脚它才会动，那就不是loop了，那还是你在操控。 第二个是工作树隔离，Worktree（搞过开发的朋友应该秒懂）。 就是你同时跑好几个Agent的时候，给每个Agent一个独立的工作空间，各干各的互不干扰，干完了再合并。两个Agent改同一个文件的痛苦，跟两个设计师同时改一个图层又不打招呼的痛苦，是一模一样的。 第三个是项目知识体系，Addy Osmani在他的原文里写的是skill，但是我觉得他写的不太对，单skill其实是不够的，必须得是知识管理体系。 大家也都知道，AI每次开新对话就啥都忘了，你跟它说过的代码规范、项目架构、踩过的坑，下次开对话全部从零开始。 所以你得有一整套方法来沉淀、优化这些知识，让Agent每次启动的时候就已经知道你的项目，我自己在这快一年的coding开发过程中，总结的方法论其实就沉淀成了我自己的洁癖.skill，这个基本是我的Agent每天调用最多的skill。 CLAUDE.md是全局的规则和约束，跨会话记忆是一些之前悬而未决的记录和文档路由，docs体系就是你完整的所有的知识和经验沉淀，因为CLAUDE.md和记忆都有大小和行数限制，所以每次任务完成后我会用洁癖.skill来对整个的知识体系进行梳理和审查，确保没有错误。 为什么知识管理体系这个东西在loop里特别重要呢？ 因为loop是自动跑的，你不在场。如果Agent的记忆里有过期信息，它就会基于错误的前提做决策，如果CLAUDE.md膨胀到几百行全是历史叙事，真正的规则反而被挤出去了Agent读不到。没有干净的知识体系的loop，就像一个每天早上都在看过期文档的员工，干的得越快错得越多。 所以洁癖.skill我非常推荐大家可以去安装一下，也在我自己的仓库里开源了，我自己真的觉得特别有用。 第四个是连接器，MCP。 一个只能看文件系统的Agent，能力是很有限的。但你给它接上GitHub、Linear、Slack、数据库，它就能在你的真实工作环境里干活了。 这才叫真正的闭环，从发现问题到解决问题到通知人类，一条龙。 第五个是子Agent。 做事的和检查的分开，写代码的Agent不能自己给自己打分，这跟学生自己批自己的考卷一个道理，它一定会对自己太宽容。所以你得有另一个Agent，甚至用不同的模型，专门来检查前一个Agent的输出，一个负责做，一个负责验。 这五个东西加在一起，就是一个完整的loop的骨架。 Claude Code和Codex有一个命令，其实就是Loop Engineering这套骨架最直接的微观型的产品化体现，只不过很多人没有意识到。 他叫/goal，在Codex里叫追求目标。 意思就是你给Claude一个完成条件，比如「所有测试通过并且lint检查没有报错」，然后它就会一轮一轮的自己干，干完每一轮之后，就会检查这个条件是不是满足了。 大多数讲Loop Engineering的文章，都停在了这一层。讲了五个组件，讲了/goal和/loop命令，讲了怎么配定时任务，就结束了。 这些我觉得，都是术。而我更想聊的，是道。 Loop Engineering这件事，我觉得它最核心最核心的能力，其实不是什么技术能力，也不是写脚本的能力，更不是什么会配hook的能力。 最核心的，是定义目标的能力。定义目标，相信我，这四个字，听起来简单，做起来是真的难。 回到前面说的/goal，它的用法看起来非常直接，给一个完成条件，Claude自己干到满足为止。 听起来很简单对吧。但你如果真正用过就会知道，/goal用得好不好，完全取决于你那个目标定义得好不好。这个事我拿两个例子对比一下你就明白了。 目标A，「把这个应用优化一下」。 目标B，「test/auth目录下所有测试通过，tsc --noEmit零报错，npm run lint零违规」。 目标A会发生什么呢。大家可能都能猜到，Claude会陷入一种非常尴尬的状态，因为它不知道什么叫「优化好了」，除非他是Fable 5，能自己在你之上，自主的帮你定义目标。 而绝大多数的模型，包括Opus 4.8和GPT-5.5，在自己定义目标的能力上还是非常的弱，它可能改了一点代码，然后自己觉得还行，就停了。 也可能不停，一直改一直改，把你的代码库改得面目全非，因为它始终无法判断自己到底什么时候算完成了。那目标B呢？Claude每改一轮代码，都会去跑测试、跑类型检查、跑lint。 三个命令，三个明确的通过标准。全过了就停，没过就继续，清清楚楚，干干净净。同一个工具，同一个模型。 区别只在于，你的目标定义得好不好。 我自己其实一直有一个原则，我经常跟身边的人说，在公众号里也说了无数遍，如果一件事你重复做了三次，你就一定要想办法把它完全自动化掉。 这个习惯跟了我很多年了。我每天也都在写代码、做自动化，我们的AIHOT热点监控系统，我们的数据分析流程，我们的财务对账流程，我们的数据清洗管道，能自动的我全部自动了。 但说实话，在做这些自动化的过程中，我踩过最多的坑，从来不是技术问题。 是目标不清晰的问题。我早期做自动化的时候，经常犯一个错，就是目标定得太模糊。 举个例子，比如自动监控AI行业热点，这句话听起来没毛病，但其实是一句纯粹的废话。 什么叫热点？浏览量过万算热点还是过十万算热点？抓取频率是每小时还是每天？抓到以后怎么评估质量？评估完以后怎么排序？排完以后怎么推送？ 这种反问的问题，我现在可以直接随手问20个以上。 每一个环节如果没有明确的判定标准，整个自动化链条就是一坨狗屎，你相信我，绝对的。 后来我懂了，每次做自动化之前，我会先花很多时间去定义目标。 去花很多很多时间，去定义怎么算做完了，怎么做完算做的好。这其实就是/goal的逻辑。也是Loop Engineering的灵魂。 而如何定义目标，这个能力，我其实不是从AI中也不是从开发中学来的。 这个能力，是我从这几年创业的过程中，学来的。定义目标的能力，其实就是，管人的逻辑。 我自己也开公司，虽然公司不大，只有30来号人，但管人这件事我是真真切切经历过的。 管人最痛苦的是什么，不是人不努力，也不是人能力不够，是你给出去的目标不够清晰，然后下属就一脸懵逼，不知道你要什么，跟无头苍蝇一样打转，最后做出来的东西，你又不满意。 你跟员工说，“把这个功能做好”，那他做出来的东西大概率不是你想要的。 因为你脑子里的好跟他脑子里的好不是一个东西。 你跟他说，“这个接口的响应时间降到200毫秒以下，错误率控制在0.1%以内，下周三之前上线”，他做出来的东西跟你预期的偏差就会小很多。 因为你给了他一个可以验证完成的标准。这一切其实也适用于那种天才型的大神，虽然大神们会自己定义目标，甚至比你定义的还要强，但是给大神们依然是需要有目标的，只是这个目标，不需要那么细节了而已。 对人如此，对AI也是如此。 其实你回头看，所有好的管理方法论，不管是管理学之父Peter Drucker在上世纪50年代提出的目标管理，还是后来Andy Grove在Intel发明的OKR，还是再后来一代又一代CEO们用的各种变体，核心其实就一个东西。 你能不能把一个模糊的意图，翻译成一组可衡量、可验证的完成条件。 管理者要做的，是确保目标足够清晰、资源足够充足、反馈足够及时。你看这三条。跟一个好的loop的三个要素，是不是一模一样。 目标清晰，就是你的条件写得精准。资源充足，就是你给Agent配好了Skill、连接器、工作权限，让它手里有足够的工具干活。 反馈及时，就是你设计了验证机制，每一轮都有一个独立的检查器告诉Agent做得对不对，哪里需要改。管人的逻辑和管Agent的逻辑，是完全一样的。 只不过，管Agent比管人还要极端一些。 因为人可以理解你的模糊意图，人可以主动来找你确认，人可以说老板你这个需求说得不太清楚我不太确定你是不是这个意思。 Agent很多时候是不会的。Agent会非常自信地按照它自己的理解去执行，然后非常自信地告诉你它做完了。 所以，对管理能力的要求，其实比管人还高。 这也是为什么我一直说，AI时代我最讨厌什么「文科已死」「理科已死」的言论，管理学、心理学、组织行为学这些，不但没死，反而变得更重要了。 说到底，Loop Engineering说是Engineering，但我觉得其实它的核心竞争力根本不在工程。 在管理。 而在管理学上，就定义目标这件事，其实不止是把话说清楚就行，其实还有一个非常阴险的陷阱，在管理学和经济学里有个专门的名字，叫古德哈特定律。 当一个衡量指标变成了目标本身的时候，它就不再是一个好的衡量指标了。 翻译成人话就是，你考核什么，员工就只做什么，然后其他东西可能全都退化。 这个事在人类管理中已经是老问题了，而在AI Agent身上，这个问题被放大了一百倍，因为Agent比人类更擅长钻规则的空子。 有人总结过Loop Engineering里很好玩的事情，就是Agent会针对验证器做优化，而不是针对你真正的目标做优化。 比如说你的loop条件是让测试全部通过，那Agent可能最后不去修Bug，直接把失败的测试给你删了。 你看，最后答案依然是测试全过了，完事，从验证条件来看，它确实完成了目标，但从你真正想要的结果来看。。。它啥也没干。 人也会这么干，只不过，Agent做得更快、更彻底、更没有心理负担。所以，一个好的目标定义，不能只有做完了的标准，还必须有不能怎么做的边界。 这其实就是Harness Engineering在Loop Engineering里面发挥作用的地方。 Harness是约束，是护栏，是告诉Agent你可以自由发挥，但这条线你不能越。 Loop是驱动力，是告诉Agent往那个方向一直跑。两个加在一起，才是一个完整的系统。到这里，骨架讲了，灵魂也讲了，陷阱也讲了。 Loop Engineering的东西，终于也差不多了。 最后我想把前面聊的管理学的思路收一下，给一个我自己用得比较多的目标定义框架，不一定科学，纯粹就是我自己的一点点经验。 1. 完成标准要可以被机器验证。 2. 边界条件要跟完成标准一起定义。 3. 要有失败的降级方案。 4. 目标要分层。 回到整条线来看，从Prompt到Context到Harness到Loop，四次跃迁，其实讲的是同一个故事。Prompt Engineering告诉你，好好说话，AI会更懂你。 核心能力是语言表达。Context Engineering告诉你，光说话不够，得给AI足够的信息。 核心能力是信息筛选和组织。Harness Engineering告诉你，光给信息也不够，得给AI设规则和约束。 核心能力是系统设计和规则制定。 Loop Engineering告诉你，光设规则也不够，得让整个系统能自己跑起来。 核心能力是目标定义和管理。 语言学、信息科学、控制论、管理学。四个Engineering，四门古老的学科。 多有意思。 人类社会，其实从来就没有变过。

最近发现一个叫 Memmy 的开源项目很不错： 之前我用的不同的 Coding Agent 相互是割裂的，对于同一个项目使用不同的 Agent 每次都等于要重新开始，手动输入一大堆重复的上下文。 Memmy 的思路是把记忆从 Agent 里抽出来，变成用户自己的 Personal Context——Cursor、Claude Code、Codex、OpenClaw 等等几乎所有的 coding agent 历史都能导进来，统一整理后供所有 Agent 共享，建立一个共享的记忆层。一个 AI 学过的东西，另一个 AI 不用再学一遍，切换工具时按需注入相关记忆。 我自己测下来非常实用的一点：平时用 多 agent 写同一个功能，尤其是大的 feature，互相不记得对方学过什么，移交的时候我还需要用 handoff 这种类似的skills ，现在它可以自动扫描把所有 Agents 的相关内容 - 架构，踩过的坑，进度全存在 Memmy 里，不管切到哪个 Agent，它通过 hooks 的模式自动检索并且添加相关记忆，而且不是所有数据很机械的全都放进去，而是经过它自己的匹配机制，一上来就懂你的要完成的功能和当前进度，这个很舒服， 比如如图所示：一个大 feature 的开发我用 Codex 额度耗尽了，我可以打开 Cursor 直接使用 memmy-memory 这个 skills 就可以无痛的继续开发了，相关开发的进度和内容都无感的注入进去了，可以看图二，反之亦然，用什么工具都可以，图三就是 Cusor 也能获取 Codex 的开发进度和内容，也就是图三的内容。 Local-first 架构，数据自己掌控，支持桌面端、CLI、API、MCP 和 Skills，还自带 Agent Runtime 能直接执行任务 目前同时支持最新的 DeepSeek Harness 。注册送 token，推荐给同时在用多个 AI Agent 的朋友。

做AI电商内容这段时间，最大的感受不是挖到多少新工具。 而是终于把脑子里那些零散想法，拆成了能反复执行的小流程。 这篇就当阶段记录，给做跨境、电商内容、AI工具测试的朋友一个参考。 不是想证明AI多神。 就是记录一个普通卖家，怎么把AI塞进真实运营里。 AI模特图测款流程 先拿商品白底图生成3种风格场景，然后人工筛掉不符合材质和版型的图。 适合服饰、饰品、小家居。 重点：别直接上架，必须人工检查细节。 可灵AI短视频打样 用“产品痛点→使用场景→结果展示”的脚本结构，先生成镜头草稿。 适合投放前的素材方向测试。 踩过坑：手部动作、商品结构、文字露出，都得单独复核。 评论区卖点提炼 把竞品差评、问答、好评全复制出来，让AI按痛点、顾虑、购买理由分类。 这招很朴素，但真有用。 很多详情页不是缺设计，是缺用户语言。 无脸口播脚本库 不是让AI一次写100条。 先固定3个模板：痛点型、对比型、场景型。 每个模板只改开头和案例。 这样更像真人在讲产品，不是广告机。 TikTok Shop 素材复盘表 每条视频记录：开头、卖点、时长、评论问题、点击表现。 再把表现好的素材喂回AI，让它做变体。 关键不是生成，是回流。 AI客服FAQ草稿 先整理物流、尺码、材质、退换货这4类问题。 让AI生成初版回答，再由人工改成店铺自己的规则。 客服不能完全托管，但能先减轻重复劳动。 后面还会继续整理： AI选品提示词库， 商品页结构化检查表， AI生成内容的版权风险清单。 也会分享： AI电商到底能省哪些钱， 哪些环节看起来很酷但不值得做， 哪些工作流能复制， 以及我在工具测试里踩过的坑。 继续边做边公开记录吧。

为什么我们学不会那些"成功人士的特质"？ 为什么这根本不是我们的错？ 因为我们在模仿终点，不是走过程 老师们有没有注意过一个现象： 你刷到的所有"干货"，展示的都是别人的结果。 一个人经历了十年创业，踩过无数坑，被背叛过、失眠过、差点破产过，最后站在你面前，看起来"遇事不慌"。 你把他这份沉着的切片拿出来，做成标签，告诉自己——"我要学到这个。" 但你没看到切片之外的东西。 你没看到他第一次面对背叛时愤怒到发抖的夜晚 没看到他第一次失眠时对着天花板的无助 没看到他第一次差点破产时，一个人在办公室坐到天亮，然后决定第二天继续。 那份沉着不是学来的。 是被事情反复碾压之后，从废墟里自己长出来的。 同样的道理适用于任何"成功人士标配"： 你看到一个创业者"杀伐果断"，你没看到他曾经过度共情、被合伙人坑走的那些年。 他先摔进"太软"的坑里，才在坑里建起了边界。 你看到一个人"从不内耗"，你没看到他曾经是那种一条微信能琢磨三天的人。 他不是天生清透，他是先在浑水里泡够了，才学会了沉淀。 网络上那些什么乱七八槽的标签：「内核稳定」「强者思维」「高能量体质」——它们描述的是一棵树的树冠。 你看到的是绿叶和果实，你看不到地下盘根错节、挣扎了十年才扎下去的根。 关于这个我很喜欢的心理学家 Murray Bowen 有一个概念把这件事讲得特别透彻，他在家庭系统理论里区分了两种"自我"： 伪自我，是在关系压力和外部期待下形成的。 别人说你应该冷静、应该自律、应该强大，你就把这些标签往身上贴。但它是借来的，一阵风吹过来就散架。 坚实自我，是在一次次真实的选择和经历中，自己思考、自己确认、自己扛过去之后，一点一点建立起来的。 它不和别人比较，也不需要通过模仿来获得安全感——因为它不是贴上去的，是长出来的。 你刷视频学来的"内核稳定"是伪自我。下次遇到真正让你委屈的事，你还是会崩溃的 而你在某次真实的冲突中，心跳加速、手心出汗、身体每一个细胞都想爆发——然后你依然选择了深呼吸，选择了把话说完而不是摔门而去。 那才叫内核稳定。 它不是一条视频教给你的，是你用那一次一次的"选择不爆发"换来的。 知道和做到之间，隔着一整个人生 这也是为什么"知道但做不到"是这代人最普遍的内耗来源。 你不是懒，也不是意志力差。你只是被这个时代骗了——它让你以为信息和体验是同一回事。 信息是你看了别人的总结。体验是你用自己的人生跑了一遍。 一个简单的例子： 你现在知道了"课题分离"——别人的情绪是别人的事，你不需要为它负责。 这个道理很好，很对。 那为什么下次室友甩脸色，你还是会难受一整天？ 因为你的神经系统已经运行了十几年的"察言观色"程序。 在你还没学会说话的时候，你就学会了观察大人的表情，因为那关系到你的安全。这套程序救过你的命——它让你在不确定的环境里活下来，并发展出了敏锐的感知力。 它不是"一个坏习惯"，它是你的早期操作系统。 你不能指望看一条两分钟的视频，给这套运行了十几年的系统打个补丁，然后就万事大吉。 不存在这种补丁的 真正能改写系统的，是在真实的生活里，反复经历"新的反应"替代"旧的反应"的过程。 下一次室友甩脸色，你的自动程序还是会启动。但你可能比上一次更快地意识到——"哦，这是他的事，不是我的事。" 你可能还是会难受，但难受十分钟，而不是一整天。 下一次呢？五分钟。 再下一次？你甚至可以在心里说一句："好的，我看到了。但这次我不进去了。" 这就是改写系统的过程。没有捷径。没有任何一句话能替你跑完这些回合。 穿过它，才能长出它 自己有一段经历，可能是最好的注脚 有很长一段时间，我是别人一句话能在脑子里回放三天的人。。。 被老师说了一句，难受一周。 当然他说我是烂泥我估计能记一辈子 朋友没回消息，能脑补很多事情。 我知道这样不对，看了很多讲"如何停止内耗"的文章——课题分离、正念冥想、活在当下、不要过度解读。 道理肯定是都明白的 没用，该内耗还是会内耗的 我相信很多人一开始都是这样的