转发：X原創內容獎勵計劃 在Creator Studio中註冊 什麼是原創內容獎勵計劃？ 原創內容獎勵計劃旨在獎勵製作原創、高品質內容的創作者。 任何格式的內容——從帖子或文章到影片或影象——反映您自己的聲音、專業知識或創造力。 該計劃旨在獎勵為X帶來原創想法、觀點、專業知識和創造力的創作者。 這對創作者收入分享意味著什麼？ 從2026年8月7日起，我們不再接受收入分享的新註冊。 如果您目前註冊了收入分享，您將在2026年9月7日之前繼續賺錢。 您將收到三筆最終付款：8月14日和8月28日兩筆，符合標準付款時間表，以及截至9月7日的收入的最終付款，預計在9月11日或前後。 從2026年9月8日開始，我們將開始為現有收入分享會員推出訪問許可權，以申請新的原創內容獎勵計劃。 要加入，您需要滿足該計劃的資格要求。 您可以隨時透過轉到Creator Studio→原創內容獎勵來檢視您的資格狀態。 如果您已經完成了身份驗證，並且有有效的支付方式連線到您的帳戶，則無需再次完成這些步驟。 一旦獲得批准，您將根據原創內容獎勵計劃及其條款和條件繼續賺錢。 如果您的帳戶貨幣化目前因之前違反政策而暫停，您此時將沒有資格註冊原創內容獎勵計劃。 程式是如何運作的？ 符合條件的創作者根據其原始內容產生的合格印象獲得報酬。 只要您的帳戶和內容繼續滿足該計劃的要求，每兩週發放一次付款。 合格印象是什麼？ 合格印象是高階使用者（X Premium Basic、Premium、Premium+或Premium Business的訂閱者）在主頁時間線提要上的獨特印象，其中至少50%的帖子可見。 以下內容被排除在合格印象之外： 來自同一帳戶的展示次數在每個帖子中計算不止一次 付費、推廣或人工生成的印象 欺詐性印象 在這個計劃下，什麼被認為是原創內容？ 原創內容是您親自創作的內容——編寫、拍攝、設計或製作——反映了您自己的聲音、觀點或專業知識。 評論是X的核心。對世界上正在發生的事情做出反應、分析或構建是一種合法和有價值的原創表達形式。 增加您真實觀點的內容，無論是分解新聞故事，分享您對文化時刻的看法，還是新增其他人沒有的背景，在這個專案中都算作原創。 不計入的是您的貢獻很少或沒有的內容。 如果主要價值來自其他人的工作，而你幾乎沒有做過什麼來轉換或增加它，那麼它不會在程式下產生合格的印象。 具體來說，根據原創內容獎勵計劃，以下內容型別不被視為原創內容： 複製的內容：完全從其他創作者或來源複製的文字、影象或影片，沒有任何原創貢獻。 這包括從X或其他平臺下載，然後重新上傳到X的內容。 最小修改的內容：從其他人那裡複製的內容，只需稍作更改，例如在帖子中更改一兩個單詞、新增過濾器、調整影片速度或放置文字疊加，這些內容不會對原件進行有意義的轉換。 聚合內容：主要彙編或組合來自其他創作者或來源的內容的帖子、影片或影象，而不新增實質性的新視角或框架。 跨平臺轉發：從其他平臺取來的內容，並由原始建立者以外的其他人轉發。 原創內容和智慧財產權 這些原創內容獎勵指南與X的智慧財產權政策是分開的。 根據本計劃，內容可能符合原創條件，但仍然違反了我們的智慧財產權規則。 創作者有責任確保他們擁有使用他人建立的內容的必要權利、許可或許可證。 謹此提醒，X上不允許釋出侵犯他人智慧財產權的內容，無論該內容是否符合本計劃的原創條件。 資格要求 要加入原創內容獎勵計劃，您必須在申請時滿足以下所有標準： 地點：位於提供原創內容獎勵計劃的國家/地區。 可用國家列表見下文。 年齡：18歲以上。 帳戶狀態：擁有信譽良好的X帳戶，沒有多次違反我們的貨幣化指南或服務條款的歷史。 帳戶型別：擁有個人或企業帳戶。 屬於政治或政府組織的賬戶不符合條件。 高階訂閱：持有有效的X高階、高階+或高階商務訂閱。 印象：在過去90天內，來自經過驗證的使用者至少有50萬次主頁時間線印象（不包括對回覆的印象）。 關注者：至少有500名經過驗證的關注者。 原創內容：積極釋出本政策中定義的原創內容。 滿足這些要求並不能保證被錄取。 一旦您滿足所有資格要求，您就可以提交快速申請，以考慮該計劃。 我們將對其進行審查，並在3個工作日內通知您結果。 如果您的申請未獲批准，您可以提交一份上訴。 如果上訴不成功，您可以在90天后重新申請，前提是您繼續滿足所有資格要求。

一个上线两个多月，月访问量就做到 135 万 的小游戏：GeoSports。 它可以理解成“体育版 GeoGuessr”：每天 5 道题，根据体育事件猜发生地点，点得越近，分数越高。 流量 70.8% 来自直接访问，19.3% 来自自然搜索。直接访问占比这么高，说明不少用户会主动回来继续玩。 赚钱方式也很简单：免费用户看广告，同时提供 $4.99/月或 $39.99/年 的 Pro 订阅，解锁历史题目、专项题库和排行榜。 产品不复杂，但每天都有新题，上手又简单，玩完还能分享成绩，自然就会有人每天回来玩。 网站数据和地址见评论区。

同一天，同一条 AI 供应链，市场给出了两张完全相反的成绩单。 8 月 13 号，闪迪投资者日，收盘涨 13.67%，盘中最高冲过 17%。同一天盘后，应用材料发 Q3 财报，营收 91.2 亿创历史新高，25% 的同比增速，13 个季度连续毛利率扩张，结果盘后再跌 5%，打到 507。 一个被市场狠狠奖励，一个交出满分答卷反而被卖，现在这个阶段，确定性比完美更值钱。 先说闪迪。8 月 5 号财报出来，EPS 39.25 美元炸翻共识，毛利率 84.6%，结果股价跌了 8%。为什么？因为市场不是在质疑这个季度，而是在问下一个问题：NAND 周期是不是见顶了？你现在赚得多，不代表你明年还能赚这么多。 投资者日直接回答了这个问题，管理层把 NAND 市场的增长曲线摆出来，2026 突破 3000 亿，2027 突破 5000 亿，供给紧张延续到 2028 年。 更关键的是 NBM 合同，8 家客户签约，合同总额 940 亿美元，覆盖了 2027 财年大约一半的出货量和 2028 财年三分之二的出货量。 CEO 说了一句很硬的话：即使按合同地板价算，毛利率仍然维持在 80%。 80% 毛利率什么概念？英伟达大概 73%，微软大概 69%。一个做闪存的公司，利润率比做软件的还高，而且有合同锁定。 这不是周期股的定价方式，这是在告诉市场"我有订阅制的确定性"。155 亿美元回购授权是信心的注脚。 再说应用材料。数字其实挑不出毛病，Q3 营收历史新高，先进封装收入同比涨了 40% 以上，HBM 设备支出强劲，Q4 指引也远超共识。 问题在于股价已经从 7 月低点 450 涨到 548 了，市场提前把"Q3 beat + Q4 强指引"这个剧本演完了，财报出来一看，EPS beat 了 3%，好，但不够惊喜，利好出尽，资金获利走人。 本质上这是两种不同的信息释放。闪迪给了市场最缺的东西，就是对未来的可见性，把之前不敢买的人拉进来了，应用材料给了市场已经知道的东西，好，但没有增量信息，已经持有的人找到了卖的理由。 还有一层值得想的：AI 供应链的位置游戏。闪迪直接受益于 AI 推理对存储的爆发需求，推理阶段的 KV Cache 正在把存储架构倒过来，Flash 从"冷数据慢存"变成"热数据快存"，这个需求是数量级的。 应用材料作为设备商，离终端需求隔了一层，信号到它那里已经衰减过了。市场正在给"离 AI 终端更近"的公司更高的确定性溢价。 如果你在合约上交易这两个标的，流动性是必须关注的事。我拉了一下盘口数据做对比：SNDK 在 5BPS 深度上，Bitget 大概 87.7 万 U，Binance 大概 58.1 万 U；拉到 50BPS，Bitget 627 万 U 对 Binance 565 万 U。 AMAT 的差距也类似，50BPS 深度 Bitget 18.1 万 U 对 Binance 12.8 万 U。 流动性直接决定你的滑点成本，尤其是在财报日这种波动剧烈的窗口，盘口厚薄的差距会直接体现在你的成交价上。

最近很多朋友问我天天看美股，到底在看什么？看财报？看技术面？看美联储？说实话现在这些东西我看得越来越少。因为过去几年市场反复证明了一件事，真正的大机会，往往藏在产业链深处，而不是新闻标题里。 这也是为什么我去关注 Serenity @aleabitoreddit 并在第一时间去订阅了他的X频道，如果你关注AI和美股板块，大概率刷到过他的内容。和大部分投资博主不同，他很少讨论股价，更少预测明天涨还是跌。他的注意力永远放在一个问题上，如果AI继续疯狂扩张，谁会成为整个产业链最关键的瓶颈？ 很多人把AI理解成英伟达，而他研究的是英伟达背后的英伟达。这完全是两个维度。我特别认同他的一个观点，市场上的财富，从来不是平均分配的，它总会流向那些供给最稀缺的位置。当需求增长100倍的时候，有人赚10%，有人赚50%，而真正掌握瓶颈的人，可能赚1000%。 所以他一直在寻找那些别人离不开、产能有限、短期无法替代、却很少被市场关注的公司。这种思路其实比研究K线有意思得多。这些年无论是AXTI，还是后来围绕硅光子、CPO、先进封装的研究，你会发现他的逻辑始终没变。他不是在找热门股票，而是在找产业链里的收费站。 谁掌握收费站，谁就拥有定价权，谁拥有定价权，谁就拥有超额利润。资本市场运行几十年，底层逻辑一直如此。当然，我并不认为他是神。事实上，任何投资者只要开始被市场神化，风险往往也开始积累。因为市场最喜欢做的一件事，就是消灭确定性。 今天被捧上天的人，未来同样可能经历巨大的回撤。这很正常，也是投资的一部分。所以我看他的文章，更多是在学习思考框架，而不是照着买股票。说说我对美股未来的判断。我依然认为AI行情远远没有结束，甚至很多人可能低估了这轮周期的长度。因为这不是一次简单的科技炒作，而是一场全球资本竞赛。 数据中心在扩张，算力在扩张，电力需求在扩张，光通信需求在扩张，整个产业链都在扩张。这意味着未来几年最大的机会，未必来自最热门的公司，反而可能来自那些被忽略的关键环节。很多人喜欢预测英伟达还能涨多少？纳斯达克会不会崩？什么时候见顶？ 但我越来越少思考这些问题，因为答案没人知道。我更喜欢问下一轮资金会流向哪里？下一轮瓶颈会出现在哪里？哪些公司拥有不可替代性？哪些公司是整个产业链绕不开的存在？找到这些问题的答案，往往比猜指数更有价值。 所以在我看来，Serenity最大的价值，不是推荐了多少牛股，而是让更多投资者开始意识到投资不是追热点，而是寻找稀缺性。不是研究股价，而是研究产业；不是猜测未来，而是理解未来为什么会发生。如果未来几年AI仍然是全球最大的投资主题，那么这种“寻找瓶颈”的思维方式，可能会比任何一只股票都更值钱。

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#

与 Bitget Wallet 四位高管的对话后，我的半年观察 —— 正在「被忘记」的加密支付 海德格尔在《存在与时间》中讨论过这样一件小事：一把锤子在好用的时候，使用它的人并不会「看见」锤子本身，他们看见的是钉子、是被钉的木板、是即将完成的工事。只有当锤子坏掉、不顺手、卡住时，人们才会突然意识到「锤子」作为一个独立物体的存在。 这个观察可以用在很多地方，也可以用在支付上。当你在便利店刷卡、在街角扫码，你不会意识到自己正在使用一套庞大的金融基础设施，发卡行、清算网络、跨国汇兑...它们都在你身后运转，但你不必看见它们。 加密支付还处在另一种状态里。一个用 USDT 买咖啡的人，付款前仍然会停下来想一下「这家店收吗」「能付成功吗」；一个用 U 卡支付 Uber 的旅客，事后会专门发一条推记下来。它仍然是一件让人用之前要「想一下」、用之后还值得「记一下」的事。就像 50 年代的信用卡、2013 年的支付宝，处在从「新事物」走向「日常工具」的中间路上。 而今天的 Bitget Wallet，正在三大洲的街头，让这条路走得更快一些。这是一个仍在发生的过程，但在 1 亿用户的真实使用里，从「被讨论」到「被使用而不被注意」的转变，已经发生了一段距离。 为了加速发生，Bitget Wallet 与 Stellar 联合启动「PayFi Odyssey」活动，以总计 30 万美元等值 XLM 奖励，覆盖亚洲、非洲与拉美超过 35 个国家和地区，活动持续至 2026 年 7 月底。这是 Bitget Wallet 围绕 Payfi 推出的迄今规模最大的跨区域用户激励活动，我们将在下文详细讲解。 —— 支付，一部「逐渐消失」的历史 回看支付史，会发现一个有趣的现象：每一代主流支付媒介的成熟时刻，都是围绕它的那些多余念头消失的时刻。 信用卡在 1950-60 年代刚出现时，「塑料货币会不会让人失去节制」「没有现金的社会是否还安全」是报纸专栏和家庭餐桌的常见话题。今天没人再思考「信用卡靠不靠谱」，它消失在刷卡的动作里。 支付宝、微信支付在 2013-2015 年间也让人反复掂量「到底安不安全」「资金被第三方托管会不会出事」。今天一个上海人在点外卖时，会想「用支付宝吧」，但不会再多想，它消失在扫码的动作里。 人们清楚地知道自己在用什么货币、用什么方式付款。 真正被忘记的，是围绕一种新支付方式刚出现时附着在它身上的那一组多余念头：它安不安全、这家店收不收、这次能不能成功、失败了怎么办、机制到底怎么运作。当这些念头逐个消失，只剩下「用什么付钱」这一个干净选择时，一种支付方式才真正进入了日常。 而 Bitget Wallet 正在做的，是把这些念头从用户头上一项一项拿掉。 ——「减法」：Bitget Wallet 的哲学 「念头被一项一项拿掉」这件事，最直接的体感来自 Bitget Wallet 团队内部，越来越多同事开始在日常生活中使用 Bitget Wallet Card 和扫码支付。 一位同事告诉我，过去去香港他会下意识做几件事：去银行/在机场换港币、买八达通。这一年他已经不做这些了，下飞机直接打车去酒店，吃饭、711 购物，全程只用微信/支付宝、Uber。第一次这么做的时候，他在中环一家茶餐厅展示了微信付款码，下意识地停了几秒想「成功了吗」。现在那个动作消失了。 「Bitget Wallet U 卡在国内日常消费里也基本够用，吃饭、打车、点外卖、各种 AI 订阅」，没有让他感觉到「它和别的卡有什么不同」。 变化发生在他看不见的地方，背后流过的，已经是稳定币。 它揭示了一件比「加密支付变方便了」更深的事，所谓加密支付走向日常，不是用户学会用一个新东西，而是这个新东西溶解进了用户已经在用的所有东西里。Apple Pay、Visa、Mastercard、PromptPay、VietQR...这些都是已经存在的、用户已经熟悉的支付方式。Bitget Wallet 没有要求用户切换习惯、记住一个新品牌、扫一个新的二维码，只是让稳定币像水一样流过这些已有的管道。 这种判断不只是个人的体感。美洲区负责人 Jack Zhai @JackZhaiTGG 深耕拉美新兴市场，他在一次内部访谈中讲过一句让人印象很深的话「Crypto 可以借鉴互联网大厂做法，要让用户逐渐感觉不到」。这句话和上面的体验完全吻合：用户感觉不到 Web3 在哪里、用户感觉不到稳定币是什么、用户感觉不到协调层在做什么，他只是在用钱付钱。 这就是 Bitget Wallet 想做到的「减法」，用户的支付习惯一点都不需要改变，但价值已经在以一种新方式流动。 要让这件事成立，需要的不仅是新技术，而是一种逆向的产品哲学。 这种哲学在 Bitget Wallet 内部有一个明确的源头。CEO Karry @KarryWeb3 Web3 产品方法论非常尖锐的判断： 「Web3 行业有很长一段时间有种『拿着锤子找钉子』的感觉」，Karry 说，「我有 ZK、我掌握 XX 技术，我要怎么怎么弄。陷入到这种死循环里，是很大的问题」。 他对 Bitget Wallet 的产品逻辑是反过来的，先从用户的角度起点开始，然后来找合适的技术。「用户要解决什么问题？用户要去中心化、要安全、又不想记助记词，所以我们用 TEE，做了 Social Login。用户不希望感知到 Gas 费，所以我们用了 EIP-7702，让稳定币直接付 Gas 费」。 所有的技术选择都是从用户的「我不想要 XXX」反推回来的： - 用户不想复制冗长的链上地址 → 链接转账：通过 WhatsApp、Telegram 等分享支付链接即可完成收付款 - 用户不想关心商户支不支持加密支付 → Bitget Wallet Card：与 Fiat24、Immerse、DCS 合作发行，覆盖全球超过 50 个市场，0 开卡费、0 年费、0 外汇手续费，每月 400 美元的零手续费消费额度，体验和过去三十年的刷卡经验没有区别 - ... 这种「从用户已有习惯反推」的思路，在不同区域也同样成立。Jack 在访谈中给过一个非常具体的例子：巴西的 Pix 是央行牵头、全国身份证联网的支付网络，连中国都没做到这种程度。Bitget Wallet 没有试图在拉美发明一套新支付，而是直接接入 Pix。对用户而言，他扫的还是 Pix 的码，做的还是 Pix 的动作；变化只发生在背后，结算流过的是稳定币。这件事最关键的细节是：Bitget Wallet 没有要求商户贴一个新二维码、没有要求用户学一个新动作，只是让自己的 App 能识别本地原有的码。 所以，在产品层和区域层，Bitget Wallet 用的是同一套方法论：不发明新轨，让稳定币流过已有的轨。 这种方法论的效果，在外部观察者眼里也开始被识别出来。PayFi 领域的资深观察者 Will 阿望 @Will_7th 写过一段非常精确的总结：「前端通过国家二维码扫码进行消费，VCC 支持 V/M；后端是数字钱包 + 法币银行账户。中间串联起来支付通道。这个感觉是市面上比较接近生活的 Crypto 钱包了」。 他用 30 个字精确还原了 Onchain Payments Matrix @PaymentsMatrix 在做的事，前端接本地已有支付通道，后端接已有金融轨道，中间用稳定币串联起来。这不是 Bitget Wallet 自己讲产品的方式，而是一个懂行的外部观察者，看完之后用自己的话讲出来的事。当一个产品架构能被外部人用 30 个字讲清楚的时候，它已经接近「被理解 = 被使用」那个状态了。 这种方法论背后是 Karry 个人的一种产品姿态。他在那次访谈里讲：「Web3 这个行业过去几年讲了太多虚的东西，最后什么都做不出来，这让我一度非常失望。我现在比较务实，能吹虚的地方就少了」。 支撑这件事的，是 Bitget Wallet 的 Onchain Payments Matrix，一套连接区块链、稳定币发行方、卡组织、清算银行、本地支付通道与商户网络的支付基础设施层。它是一个协调层（coordination layer），不发币、不重做结算、不替代任何已有的金融基础设施，它的工作只有一件：让原本互不连通的各方能配合起来。 关于支付的叙事热点也换过好几轮，去年讲协调层，今年讲 Agentic Wallet，市场喜欢追热点而动，但谁来串联协调层？亚太区负责人 Will Wu @SrWillWill 提过一个判断：「币圈的迭代速度比传统行业快 10-20 倍，但真正能让这种迭代进入用户日常的，还是要回到最基础的问题：用户痛点到底是什么，具体帮他们解决什么问题？」 迭代越快，越需要在某些事情上慢下来。Onchain Payments Matrix 就是 Bitget Wallet 选择慢下来的那个地方。 但这一切，用户在 Bitget Wallet App 里几乎感受不到，这正是前面讲的「看不见」那一面。这种「用户看不见、但实际跑通」的思路，不只发生在产品层。COO Alvin Kan @alvin_kan 在一次访谈中讲过 Bitget Wallet 这两年的内部调整。 「我加入的时候，市场、运营、BD 这几个团队是混乱的」，Alvin 在过去两年做的第一件事，就是确保每个团队及其 leader 都有清晰明确的职责范围，并且由具备相应能力的人来带领，「每一次拆分都伴随一个 Vision，你要让人看清楚自己该聚焦做什么」。 第二件事是放权区域。Alvin 在过去两年里招了一批本地区域负责人，「这是一个钱包公司，在做一个面向大众用户的消费级产品，要实现 mass adoption，它需要在每个市场扎得非常深，而扎深这件事只能让本地人来做」。 在产品上做减法之前，Bitget Wallet 先学着在自己身上做减法。 而组织减法做完之后，区域负责人手上的事情才能真正落地。今年以来，Bitget Wallet 扫码支付每日支付用户数相较去年增长近 10 倍，是平台增速最快的业务线之一。这个增长真正发生的地方，不在纽约或伦敦，而在新兴市场，这正是 Alvin 招的那批区域负责人在跑的地方。 Jack 在访谈中讲过几个反直觉的判断：拉美本币贬值近 1000 倍。在阿根廷、委内瑞拉这些国家，居民对本币的不信任已经不是宏观经济议题，而是日常生存问题。「美元稳定币替代本地货币」在拉美不是 Web3 极客的偏好，是一种集体本能。 另一个是渗透路径：稳定币在拉美不是从普通消费者突破，而是从特定行业渗透。Jack 提到两个典型场景：KOL 收款基本全走稳定币转账（绕开本币贬值和银行手续费）、远程办公者（一家纽约公司可以雇阿根廷员工，但工资走 SWIFT 太慢太贵，走稳定币就一切顺畅）。这些行业先用起来，然后通过每一次牛市把更多人带进圈。 加密支付在新兴市场之所以能跑通，不是因为这些用户对 Web3 有热情。恰恰相反，是因为他们对 Web3 没兴趣，对「美元稳定币能稳定持有 + 能流畅花掉」这两件事有需求。当 Bitget Wallet 让这两件事在他们已经习惯的二维码、银行账户、加密卡上发生时，需求就被自然满足了。 对他们而言，加密支付或许不是一个酷的产品，而是一个必要的工具。 —— Payfi Odyssey：一个夏天，三个大洲 但工具要从「被讨论」走向「被使用」，中间还有一段必经的路。它需要被真实的人在真实的街头反复使用、记录、传播。这条路前面有信用卡走过 30 年，有支付宝走过 10 年；加密支付现在正走在这条路的中间。 Bitget Wallet x Stellar 发起的 PayFi Odyssey 想做的，是在这条路上点燃一段集中的火，用 30 万美元等值 XLM 奖励，覆盖亚洲、非洲、拉美 35 个国家，三条主线对应三层观察：卡能覆盖多远、扫码能触及多深、真实生活中的人在用它做什么。 第一条主线，是 U 卡能覆盖多远。 加密卡活动总奖池 20 万美元等值 XLM，自 5 月 26 日开启至 7 月 7 日 15:59（UTC+8）。Bitget Wallet Card 持卡用户可通过完成开卡注册、日常刷卡消费及 Stellar 链上指定任务积累积分，活动结束后按积分比例分享 198,000 美元等值 XLM 奖池。覆盖中国大陆、新加坡、韩国、日本、越南、泰国、菲律宾、澳大利亚、欧洲 EEA 及英国、拉丁美洲与南非等超过 25 个国家和地区，这是覆盖范围最广、参与门槛最低的一条主线。 第二条主线，是扫码能触及多深。 扫码支付返奖计划总奖池 10 万美元等值 XLM，分两阶段进行，覆盖越南、新加坡、巴西、阿根廷等 11 个市场。这 11 个市场的本地 QR 支付网络已经成熟，稳定币只需要无缝接入，就能让用户用熟悉的扫码动作完成新的支付方式。如果这个夏天你有计划全球旅行，这就是最好的选择。 第三条主线，是真实生活中的人在用它做什么。 Crypto Survival Plan（加密生存计划）总奖池 10 万美元等值 XLM，向亚洲、非洲、拉丁美洲三大区域各征集约 20 名 KOL，以视频与访谈形式记录使用加密支付完成日常消费的真实体验，统一以 #StellarPayFiOdyssey# 话题聚合。这条主线不是为了铺规模，是为了把「加密支付走进日常」这件事——拍出来、写出来、传出去。 亚非拉 35 个国家不是平推。Will Wu 之前在 BCG 给非洲做过团体贷款业务，「当地很多人没有借贷能力，这件事让我对 FinTech 产生信心，金融服务可以做到让每个人都能轻松使用」。那个项目最后让他下定决心从 Web2 转到 Web3，他觉得 Crypto 比传统 FinTech 更接近「让金融普惠每个人」这件事。 这个经历直接塑造了 Will 在 Bitget Wallet 推动的 APAC + EMEA 区域策略：钱包增长不是广撒网，是深入到具体社区、具体场景里找到真实需求。 —— 那个不再需要被记下来的下午 电没有从话题里消失，但一个人按下电灯开关时，不会再担心「会不会触电」。互联网也没有从话题里消失，但一个年轻人打开手机时，不会再担心「网络稳不稳」。它们仍然被使用、被讨论，但围绕它们的那些念头，已经消散了。 加密支付正在走的，是同一条路。 回到那位 Bitget Wallet 同事，一年前他用 Bitget Wallet Card 还会下意识检查支付成功，现在不会了。一年前他在泰国会下意识去银行换泰铢，现在不会了。一年前他不知道 Bitget Wallet Card 能绑 Apple Pay，现在它已经溶解进他每天扫地铁的动作里。 这些都是看得见的「念头消失」。而 PayFi Odyssey 在做的，是让这种「念头消失」在更多人身上、更多地方发生：曼谷的咖啡馆、马尼拉的家庭、拉各斯的市场、布宜诺斯艾利斯的网约车。每一次重复，都会让「加密支付」少一分话题感、多一分日常感。 Bitget Wallet 撒下的这 30 万美金，先是在三大洲点燃一轮真实使用与真实记录，这是加密支付走出「新鲜阶段」必须经历的事。而它最终换的，是一件更朴素也更难的事：某一天用户刷了一次卡、付了一杯咖啡，过程里只剩下「用 Bitget Wallet 吧」这一个念头，不再多想「这东西靠不靠谱」。 那一刻，加密支付就真正「被忘记」了。 就像那位 Bitget Wallet 同事，写完这一天的工作之后会下楼吃饭。等下他会刷 Apple Pay，不会想起 Bitget Wallet。这家公司这两年所有努力，最朴素的成果，就是这一刻。

【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。