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。

一个巨大的阴谋 今天一登录后台看到留言里各种好奇宝宝，你们不是第一天看公众号，也不是第一天关注我，我过去十几年坚持日更，生病了也会上来请个假。有些事没必要问，问了也没答案，有答案也不会说， 今天黄金白银又一起凸凸了，我写文章这会黄金最新价格4330，离2个月前的历史最高价（4381）只有1%的距离，也许今晚一个哆嗦就能刷新记录。 我黄金的仓位一分都没卖，并且过去2个月我一直在定投加仓，我想明白了，家庭资产长期配置黄金5%是有必要的，所以在完成这个比例之前我都会逐步买入。 至于投资黄金的形势，我依然坚持rwa类标的是最好的，但这个现在风向收紧我不展开说了。之前我多次推荐黄金etf，但我最近发现一个问题，就是这些黄金etf的底层资产都是交易所的黄金期货合约，我看了一下黄金合约目前处于升水的状态，比如au2612合约（983元）比au2601合约（969元）升水1.4%左右，也就是说你持有一年会因为合约升水损失1.44%，短期交易无所谓，但如果打算长期持有的话这个持仓损耗就会滚雪球。 本来我一直觉得买金条现货屯放家中是一个笨重的投资方式，但如果真奔着10年20年去的话也蛮有性价比的。（更新：抱歉这一段我看错了，底层资产是现货合约，不是期货合约，所以没有升水损耗。所以投资etf没毛病，每年就0.2%管理费+托管费损耗。） ps:黄金期货不一定未来10年一直升水，但历史上大部分时间呈升水状态。 比黄金涨更多的是白银，今晚已经逼近65美元，厉害的是看白银的k线还没有很明显的乖离或超涨，也就是说目前是有节奏的爬坡推仓，还没到最后图穷匕见，血腥逼空的冲刺阶段。 这几天有不少读者留言问我国内有没有投资白银的品种，有的，场内有一个白银lof，161226，但是你们可以用红色火箭小程序去看，这个基金目前被抢疯了，溢价超过20%，风险巨大。 我们说买美股的qd基金溢价还可以理解，毕竟外汇限额，你不溢价就抢不到。但是这个白银lof的底层资产也就是国内白银期货合约，量大管够，你想投资白银直接去开ag多单就行了，何必去抢20%的溢价，因为无知所以才不害怕吗。 我查了一下161226目前限购，额度100，你们实在无聊的可以去申购套利，一天挣个十块八块的就当薅羊毛了。 …… 这周很多读者还留言让我讲冯小刚之前拍的某部电影，这个话题已经涉敏被哔掉了；还有留言让我讲最近很火的明清话题，什么1644史观，我想了想这个倒是可以点评一二。 你们知道吗，最近这一波国际金价的行情背后，蕴含着一个巨大的阴谋。 什么阴谋呢，请看国际金价，只要再涨3%就是4461，4461看明白了吗，那就是1644倒过来的数字啊，1644就是崇祯在煤山上吊，我大明朝亡掉的年份。 这是巧合吗？当然不是！国际金价这一波持续4年的行情，从1000多美金涨到现在4000多吗，这一切会无缘无故发生吗，绝对不可能！这背后是有多股势力推波助澜，最终目标就是把金价打到4461，用这种特殊的方式来悼念明朝。告诉这个世界，我们没有被蒙蔽，我们一直心系大明。 这一波世界级的金价牛市，就是我们这些自豪的皇汉子民，用脚投票重铸荣光。以后走在大街上看到彼此脖子上、手腕上的金饰，我们都可以会心一笑，都是志同道合的家人们呐。 看高兴了吗，这样的解读我一拍脑门就能写一段出来，现在皇汉民族主义在互联网上很有市场，但我迎合不了一点，因为但凡多读点书都不会坚持那么狭隘的历史观。 汉族不是一个特定的民族，而是所有选择主动忘记来源，主动选择融入华夏文明的各族统称。我以前说过我族谱里写着祖上是陇西李氏，倒也不是想蹭李唐的光，当时唐朝政府为了笼络周边少数民族，大量赐姓李，所以我祖上有可能也是边塞融入中原文明的夷狄羌戎，要把我拉去验dna来鉴定一下含汉量吗？ 不要在互联网上突然听到个暴论就觉得发现了新世界，如果真的对历史好奇，还是自己去主动阅读和学习吧。 周末愉快诸位～

前几天本来想做件想象起来没那么复杂的事： 跟踪一下 @BNBCHAINZH 最近三个月的新项目，整理成一份简报，标注上哪些在 Launchpool 上过、哪些还没动静、哪些基本面值得关注 想着是以为有个三四十分钟就搞定了，结果踏马弄了好几个小时 先得找工具，CoinGecko API 要手动写调用脚本，CoinMarketCal 的数据格式乱，Dune 的 query 上次写的根本跑不出来，Claude 倒是生成了脚本，但跑了一半就报错了，对于技术小白的我也看不出来是哪儿出了问题😮‍💨 最后只出了个半成品，搞烦了放弃了 自打那天之后就一直在考虑一个问题： 现在的 AI 本身是能做很多事的，数据抓取、整理、计算、总结，每一步如果单独拿出来，以现在的模型能力都能干的不错 但为什么对于不懂技术的普通人来说，想做一个不那么难实现的需求还是这么费劲... 现在想来，是因为做事的瓶颈并不出现在 AI 的能力上，而是使用 AI 的人有没有能驾驭 AI 的能力 我们需要知道用哪个模型、要知道怎么写 prompt、要知道工具怎么串联、要会读错误日志、还要花时间反复调试 这其中的每一项都是一次隐性成本，每一次新的大模型发布，这些隐性成本就得重新再付一遍 这就是 AI 时代不断扩大，且在每个人之间竖起的无形鸿沟： ➡️会写 prompt 的人 vs 不会写 prompt 的人 ➡️会用 Claude Code / Codex 的人 vs 不会用的人 ➡️会写 skill 的人 vs 不会写的人 同样的工具，不同人用出来的结果，可能差得不是一星半点儿，而是天差地别 这不能说是智商的问题，而是系统性的操作门槛的问题 然后，我看到了 @dappOS_com 的 xBubble 它的核心逻辑就很简单了： AI 应该学习 AI，更应该知道如何使用 AI，而用户只需要陈述自己的目的，其余的事情都由 AI 来完成 xBubble 背后跑着两个系统： Bubble Engine —— AI 在后台持续学习，针对特定任务类型生成解决方案变体，测试工具组合，把最优路径固化成 SOP Bubble Pilot —— AI 在前台替用户使用 AI，读取简短请求，识别任务类型，匹配对应 SOP，直接执行 模型怎么选？prompt 怎么写？工具怎么串？结果怎么验？ 这些全部都不是用户的问题了 再回到那个卡了好几个小时的任务 这次在 xBubble 里，我只说了一句话「整理出 BNB 生态最近三个月的新项目，标注 Launchpool 状态和基本面亮点，输出成表格」 Bubble Pilot 识别任务类型 → 匹配 Deep Research + 数据整理 SOP → 调用对应模型和工具 → 交付结果 没有写一行脚本，没有调一次 prompt，也没有看一条错误日志 对于个人创作者来说，就大大的提高了生产效率 以前如果做一次代币分析，需要手动找数据来源、拼 API 调用、写整理脚本，再反复验证数字 现在只要说清楚想要什么报告，剩下的问题都由 xBubble 来解决 我们的时间终于可以花在判断上，而不是繁琐的查找数据和搬运上 目前，xBubble 支持的任务类型包括： ▫️Deep Research / Fact Check（研究、核查） ▫️Docs / Slides Creation（文档、演示文稿） ▫️Scheduled Tasks（定时任务，比如每天自动拉数据） ▫️Website Development ▫️Voice Dictation / Text to Speech ▫️Poster / Image / Video Creation 看下来，xBubble 是个能替我们干完整个工作流的 agent 两种运行环境： ▫️Bubble Computer —— 云端端到端工作空间，一个请求跨越研究、写作、数据、核查，统一交付，不用管中间的步骤 ▫️Bubble Personal —— 本地模式，可以操作我们自己的文件、浏览器、日历、邮件等，危险操作在云端容器里跑完就销毁，自己的电脑里不装任何多余的东西 有个感悟，其实在有了 AI 之后，花在让 AI 正确运行、调整 AI 上的时间，比花在真正工作上的时间还要多 事情本不应该这样 xBubble 是我目前看到的产品里第一个在解决这个问题，而不是在加剧这个过程的 虽然看起来省下的是几个小时的时间，但实质上，省下的是「我们必须懂 AI 才能用好 AI」这件事本身 AI 的能力曲线，早已跑在了大多数人的学习曲线前面，如果继续靠「自己学」来追，是永远也追不上的，越到后面只会被落得越远 这就是我看好 xBubble 方向的原因： 让 AI 来学 AI，让 AI 来用 AI，AI 的主人只需要专注最后的目标并校验 模型越强，会用和不会用的人差距越大，而 Low-prompt AI 的意义，应该是把这条差距曲线压平 —— 让「不研究 AI 的人」也能拿到「研究 AI 的人」的结果 最近，已经逐渐试着把 xBubble 加进每天的主力工作流，如果你也像我一样，厌倦了天天「伺候 AI」的状态，可以去试试

马斯克 & Grok： Claude 精锐？老子打的就是精锐！ 昨晚马斯克发 Grok 4.5，第一反应是，终于来了。 因为前两天我刚给 Claude 充完钱，转头就被弹了个 KYC 验证。 找非洲小黑哥代验又怕被 Anthropic 直接封号，不验证账号又用不了，卡在这儿两天了。付着钱还要看人脸色，这种憋屈用过的都懂。 然后 Grok 4.5 这时候就出来了。 马斯克这次原话就是承认 Fable 5 比 Grok 好，但大多数任务不需要 Fable 那个级别。你写周报做 PPT 跑数据那些日常活儿，Grok 4.5 完全够用，真要写深度分析再切回 Claude Grok 4.5 输出 6 美元每百万 token，Fable 5 是 50 美元。乘上 Grok 的 token 效率高 4.2 倍，同一个活儿总成本便宜 8 到 10 倍。性能大致相当于去年的 Opus 4.7。 我试了一下，Grok 手感确实差 Claude 一截，那种懂你言外之意的能力目前追不上。 但 Grok 有一点特别舒服，不会莫名其妙拒绝你，不会突然弹风控，不会让你觉得自己是被防着的用户。 这个"不用受气"的价值，马斯克自己都没算进定价里。 从做美股的视角看，这一枪的意义比想象中大。AI 模型的竞争，正在从"谁最强"切换到"谁最划算"，跟当年云计算走过的路子一样。 Grok 4.5 是西方顶级模型里第一个正式喊出"我不做最强"的选手。模型开始拼性价比，说明 AI 在从军备竞赛进入电力化阶段，谁能把智能做得又快又便宜又无处不在，谁吃最大的市场。 对我们这些每天用 AI 干活又被 Anthropic 折腾的人来说最直接的信号是，Claude 独家定价那个时代，可能就到头了。 用 Grok 会不会集体倒戈？我觉得不会，真正干活的人清楚 Fable 5 依然是天花板。 但对被封号封怕了、被 KYC 折腾烦了的一批人，Grok 4.5 至少提供了一个"我也不非得跪着用你"的选择。 这个选择本身，就是这场价格战最大的价值。 你现在还在用 Claude 吗？被折腾过几次了？

我们生活的第一个转折，是我俩一起上公安大学（1） 结婚后，对物质没有过多要求的我们，也能满足在单位宿舍的寄居生活，安稳、便宜。没有理想，缺乏与现实的比较，人就没有前进的动力，也看不见需要跨越的台阶，生活没有波峰也没有低谷，像首咿咿呀呀没有副歌、也不知道何时休止的曲子。 后来有一个很大的困难是单位说宿舍紧张，让我们搬出。一时手足无措的我们，找了办公室管后勤的小头目，低声下气地让人宽限几日，那人带着深重的理解和同情，和颜悦色地拒绝了。然后我们堵着一股气，仓皇搬进正在装修的交警队家属院……那时候居然没考虑到甲醛啊各种有毒物质的侵害，就那么在灰尘与机器喧嚣中度过了自负且难的一段日子，记得当时一有朋友来，就说眼睛酸得受不了，而我们，居然练就得百毒不侵，什么感觉都没有。 时间快进，一年后，我怀孕，前五个月吃了吐，吐了吃，吃了又吐，有两三周完全靠输液维持生命，整天躺在一个简易钢丝床上，被家人从客厅挪到阳台，晒点太阳……后来去四川绵阳生产，期间遭遇911世贸大厦倾覆。产后休整了三个多月，才去上班。 这次上班，遭遇了很多小打击，比如自己创办的小刊物《刑警之页》根本得不到领导的赏识和肯定，每天的工作就是收发报纸信件，月底做个报表；比如单位领导迁新居我们不得不从捉襟见肘的工资里拿出一部分去随礼，过年过节更是无一例外，各个层级的领导，厚此薄彼谁都不合适，人陷入这种畸形的人情债中，难以超脱；比如徐的司机身份总是带给心高气傲的他许多尴尬……尽管我给我们制定了许多计划来区别浑浑噩噩的日子，要一起写日记，要一起不放弃学习英文（也茫然不知道有什么作用当时），要每年国内旅行两次，然而生活还是单薄地可以一眼看到底。 所以偶尔看到可以脱产去北京公安大学上学的信息的时候，我俩沸腾了。 都是没有正经上过大学的人，他过早地参加工作，我高中毕业后只考上了司法学校，一个比高中课业轻松，荒废时日为主的高中专……彼此都没在大学的绿荫地上打过滚，没有在学操场的跑道上跑过步，没有去过明亮的阶梯教室，没有泡过大学的图书馆，没有吃过学生食堂……甚至因为闪婚，都没有正经谈过恋爱，人生多么不完整。所以当即就决定参加成人高考，一起手拉手去享受不一样的生活，看看生活到底会出现几个岔路口，可让人犹豫徘徊。 于是报名，找书复习。考试一直都很顺利，只有在最后一门考数学的时候，徐和我蹲在西兰路口，等去咸阳的长途汽车，他说：数学挺难，我怕考不好，都没什么希望，到底去不去？我也极其不定，还是他最后自我安慰说：算了，前面的都考完了，这一门放弃多可惜，随便去考考吧，如果努力了，就不会有什么遗憾了，否则没去的话，后悔也来不及了……当时的我们，看着路上车来车往，只知左行可到先，右行可以到达兰州。 两个人思来想去，最后还是上了长途公共汽车，决定即使是浪费时间，也把最后一门课给坚持下来。半途而废总是一个错误的选择。 考完试，我俩手拉手从咸阳纺织中学（如果没记错的话）的大门走出来，有阳光有微风，步履是那样的轻快，我们其实也不知道，命运就在那一刻，就已经注定了会有个拐弯。 几个月后，我们同时收到录取通知书，很开心，但也很担忧，刨去当时女儿才刚刚10个月不说，单单每年的学费，家里根本就无法同时负担得起两个人，怎么办？后来经过商议，我父母同意负担我的学费，徐的学费则由他的父母承担。当时单位说好是让我带薪上学的，由于徐不是在职在编公务员，所以他离开是没有工资的，生活费问题就暂定这样解决，实际上因为我的工资一直拖欠（只知农民工会被拖欠工资，不知道当时身为警察的公务员，工资也会被拖欠吧？），花的都是徐的父亲的工资，公婆缩衣节食，为我们上学提供最大的支持。 为什么当时双方的父母们会支持我们一起上学？其实最现实的一个原因是，单位领导承诺，只要学到本事，拿到正经文凭，徐就可以从原来的合同制工人转为在职在编的公务员。务实的父母们，是因为这个，才下血本，让我们抛下十个月的幼女，去北京虚掷时间与金钱。而我们，则完全是被一种新生活，一种新体验所鼓舞着，根本想不了太多，就觉得人生这个旅程，不能缺少真正的大学生活，我们必须在可能的时候去补上这一课。 未完待续

我认识了一个做投资的大哥。 这人其貌不扬，穿个拖鞋就能去谈几千万的项目。 我问他，你决策这么准，是不是有什么内部消息？ 他点了根烟，说：“我有个屁的内部消息。我就是个贝叶斯主义者。” 我当时惊讶。。。贝叶斯？那个概率论里的公式？这玩意儿跟投资有啥关系？ 他看我一脸懵，就笑了。他说：“你以为贝叶斯是个数学公式？贝叶斯是一种活法。” 那天他跟我聊了三个小时。我听完之后，后背发凉。因为我发现，我过去三十年的思考方式，全是错的。 一、 先说贝叶斯到底是个啥。 你肯定听过那个公式：P(A|B) = P(B|A) * P(A) / P(B)。别怕，不用记。你就记住一句话： 根据新的证据，不断调整你的判断。 就这么简单。 但简单归简单，真正能做到的人，万里挑一。 我给你举个例子。你早上出门，看见天阴了。你心里想，今天可能要下雨。这个“可能要下雨”，就是你的先验。就是你根据过去的经验，对一件事的初始判断。 然后你出门，感觉空气湿漉漉的，风也起来了。这时候你更相信要下雨了。这个“感觉”，就是新证据。 你根据这个新证据，把你的判断从“可能下雨”调整到“大概率下雨”。这个调整后的判断，就是后验。 然后你走到半路，一滴雨砸在你脑门上。你立刻把判断调到“肯定下雨”，然后跑起来找地方躲。这就是再次更新。 你看，你每天都在用贝叶斯。只是你自己不知道。 二、 但大多数人用贝叶斯，只用了一半。哪一半？收集证据的那一半。他们不用更新判断的那一半。 什么意思？ 你想想，你是不是经常这样：你跟一个人吵架，你认定他就是个自私的人。然后他做了一件事，明明是为你着想，你却说：“他肯定是有目的的。”他帮你，你觉得他虚伪。他沉默，你觉得他冷血。他解释，你觉得他狡辩。 你收集了所有证据，但你从来不更新你的判断。你的先验是“他是个自私的人”，然后所有新证据，你都用来强化这个先验，而不是修正它。 这不叫贝叶斯。这叫确认偏误。 贝叶斯思维最狠的地方，就是它要求你：当证据足够强的时候，你得承认自己错了。 不是嘴上承认，是心里真的改。 我那个投资大哥跟我说，他每年都会复盘自己看错的项目。他说，看错不可怕，可怕的是看错了还不改。他说，他每次做决策，都会先写下来：我现在的判断是什么？我为什么这么判断？然后等三个月，等半年，看结果。如果结果跟判断不符，他就问自己：是证据不够？还是我的先验错了？ 如果是先验错了，他就改。改得越快，亏得越少。 三、 贝叶斯思维里，有两个东西特别关键。一个叫基础概率，一个叫似然比。 基础概率，就是你还没看证据之前，这件事本身发生的概率有多大。 我举个特别经典的例子。假设有一种罕见病，发病率是千分之一。现在有一种检测方法，准确率99%。就是说，如果你有病，它99%能测出来。如果你没病，它也有99%能测出来是阴性。 现在你去体检，检测结果是阳性。请问，你真正得病的概率是多少？ 大多数人会想：99%啊，完了，我肯定得病了。 错。大错特错。 我们来算一下。一千个人里，有一个人得病。这个人检测阳性，概率99%，所以有一个真阳性。剩下999个人没病。但检测有1%的误报率，所以999个人里，大概有10个人会被误报为阳性。 现在你告诉我，在11个阳性里，真正有病的只有1个。所以你得病的概率，不是99%，而是1/11，大概9%。 你看，这就是基础概率的力量。你被那个“99%准确率”吓到了，但你忽略了“这个病本身发病率只有千分之一”这个基础概率。 我那个大哥说，他看项目，第一件事就是问：这个事儿，在行业里，成功的基础概率是多少？如果这个行业90%的人都失败了，那你就别听创业者吹得天花乱坠。先把这个90%放在心里，然后再去看他的证据。 似然比是什么？就是一个证据，在“你对”的情况下出现的概率，除以在“你错”的情况下出现的概率。 我举个例子。你怀疑你老婆出轨。你发现她最近经常加班。这个“加班”的证据，有多强？ 如果她出轨了，她加班的概率可能是70%（要腾出时间）。如果她没出轨，她加班的概率也可能是70%（工作忙）。那这个似然比就是70%/70%=1。意思是，这个证据屁用没有。它不改变你的判断。 但如果她出轨了，她加班的概率是70%。她没出轨，加班的概率只有20%。那似然比就是70/20=3.5。这个证据就比较强了，能把你的判断往“出轨”那边推一推。 你看，不是所有证据都叫证据。只有能区分两种假设的证据，才叫证据。 贝叶斯思维就是教你：别被那些似然比为1的证据带偏。 别因为对方今天没回你微信，就觉得他不爱你了。因为他不爱你的时候可能不回微信，他忙的时候也可能不回微信。这个证据，区分度太低。 四、 好，道理讲完了。现在我给你走一遍完整的。就一个问题：我对象是不是不爱我了？ 这是贝叶斯思维最实用的场景，没有之一。 假设你最近觉得对象不对劲。回消息慢了，电话也少了，你问他怎么了，他说没事。你心里开始犯嘀咕：他是不是不爱我了？ 大多数人会直接跳到结论：他肯定不爱我了。然后开始翻旧账，越想越气，最后要么冷战，要么大吵一架。 但如果你用贝叶斯思维，你会怎么做？ 第一步：先定先验。 在你观察到他冷淡之前，你觉得他爱你的概率是多少？ 你们在一起两年了，平时感情不错，没有大的矛盾。那你先定一个：80%。就是说，在没有新证据之前，你相信他80%是爱你的。 这个80%，就是你的先验。 第二步：看第一个证据。 他最近回你微信很慢。 现在你问自己两个问题： 如果他还爱你（80%的那个假设），他回微信慢的概率是多少？ 可能是20%。因为他最近项目忙，加班多，或者他就是个不爱看手机的人。 如果他不爱你了（20%的那个假设），他回微信慢的概率是多少？ 可能是70%。因为他在疏远你，不想跟你说话，看到消息也不想回。 现在算一下。先验是80%对20%。证据的似然比是20%比70%，也就是0.29。 什么意思？就是说这个证据，更偏向“他不爱你了”那一边。因为它在不爱你的情况下出现的概率，比在爱你的情况下出现的概率，高了两倍多。 更新之后，你的后验是多少？ 大概从80%降到了 62%。 你看，降了，但没崩。你还是倾向于相信他爱你。但你的信心，从80%变成了62%。你心里有了警惕，但还不至于直接翻脸。 第三步：看第二个证据。 他又忘了你们的纪念日。 再问那两个问题： 如果他还爱你，他忘纪念日的概率是多少？ 可能是15%。因为他最近真的太忙了，或者他本来就是个记性差的人。 如果他不爱你了，他忘纪念日的概率是多少？ 可能是60%。因为他不把你放心上了，纪念日对他来说不重要了。 似然比是15%比60%，也就是0.25。又是一个强烈偏向“不爱”的证据。 从62%再更新： 大概降到了 38%。 现在，你已经从“大概率爱我”变成了“大概率不爱我”。但还没有到100%。 第四步：看第三个证据。 你翻他手机，发现他跟前女友最近有联系，聊天记录删了一部分。 再问： 如果他爱你，他跟前女友联系还删记录的概率是多少？ 可能是5%。因为正常交往不需要删记录。删了，说明有问题。 如果他不爱你，他跟前女友联系还删记录的概率是多少？ 可能是80%。因为他已经在找退路了。 似然比是5%比80%，也就是0.06。这是一个极强的证据。 从38%更新： 大概降到了 3%。 现在你可以行动了。因为你的判断，已经从“他可能不爱我了”，变成了“他几乎肯定有问题”。 你看，贝叶斯思维不是让你不生气。它是让你在该生气的时候才生气，该翻脸的时候才翻脸。 大多数人是什么样？第一个证据出来，就炸了。直接跳到100%的结论，然后大吵大闹，最后发现可能只是误会。 而贝叶斯思维让你一步一步走。每一步都算概率，每一步都更新判断。等到证据足够强了，你再行动。这时候你的行动，是有根据的，不是情绪化的。 五、 那怎么把这个思维，用到生活里？ 我给你三个心法。 第一个心法：把你的判断，从“是/不是”变成“百分之多少”。 大多数人想问题，是二元的。要么对，要么错。要么爱，要么不爱。要么行，要么不行。 但贝叶斯思维告诉你，世界不是二元的。世界是概率的。你的每一个判断，都应该是一个概率。 你觉得这个项目能成吗？别说“能”，说“我觉得有60%的概率能成”。你觉得这个人靠谱吗？别说“靠谱”，说“我目前觉得他80%靠谱”。 为什么？因为一旦你用了概率，你就给自己留了更新的空间。如果他说60%能成，结果没成，你不会崩溃。因为你知道还有40%的可能。但如果他说“肯定能成”，结果没成，他就崩溃了。 第二个心法：每次遇到新信息，问自己两个问题。 第一个问题：如果我的判断是对的，这个信息出现的概率有多大？ 第二个问题：如果我的判断是错的，这个信息出现的概率有多大？ 如果两个概率差不多，这个信息不重要，别理它。 如果第二个概率远大于第一个，这个信息非常重要，你得认真对待，甚至要改判断。 我那个大哥跟我说，他当年投一个项目，所有人都说好。但他发现一个细节：这个项目的创始人，在提到竞争对手的时候，眼神闪了一下。他就问自己：如果这个创始人真的胸有成竹，他提到对手会眼神闪吗？可能会。但如果他其实心里没底，他提到对手会眼神闪吗？更可能。所以这个证据，让他把判断从80%下调到了65%。后来这个项目果然出了问题。 他说，细节不是用来证明你对的，细节是用来修正你的。 第三个心法：记录你的预测，然后复盘。 这是贝叶斯思维里最反人性、但也最有用的一步。 你每次做判断，都写下来：我现在认为这件事的概率是多少？为什么？ 然后等事情发生。如果结果跟你预测的不一样，你就问自己：是我先验错了？还是我忽略了某个证据？还是我高估了某个证据？ 慢慢地，你的预测会越来越准。你的证据权重会越来越合理。你的判断会越来越接近真相。 我那个大哥说，他有个本子，记了十几年。上面全是他的预测和复盘。他说，这个本子，比任何商学院都值钱。 六、 最后，我想跟你说一个我自己用贝叶斯思维改变的事。 我以前特别容易生气。别人说一句我不爱听的，我立刻炸。后来我用贝叶斯思维问自己：我为什么生气？因为我有一个先验：他应该尊重我。 当他没有按照我期待的方式说话时，我的先验被挑战了，我就炸了。 但后来我想，这个先验本身，概率是多少？一个人，在所有时候都尊重我，这个概率有多大？其实不大。每个人都有自己的情绪，有自己的立场，有自己的表达方式。他可能只是今天心情不好，可能只是说话直，可能只是没意识到。 所以我把先验调低了。我不再默认“所有人都应该尊重我”，而是默认“大多数人大多数时候是善意的，但偶尔会冒犯我”。这个先验更符合现实。 然后我再遇到类似情况，我就不炸了。我会想：他这句话，是真的针对我，还是只是随口一说？这个证据，在“他针对我”的情况下出现的概率是多少？在“他只是随口一说”的情况下出现的概率是多少？ 很多时候，算完发现，似然比接近1。也就是说，这句话根本不能说明他针对我。那我生什么气？ 你看，贝叶斯思维，不只是让你决策更准。它还能让你情绪更稳。 因为你知道，你的判断，只是一个概率。既然是概率，就有可能是错的。既然是可能错的，那就不值得为它拼命。 七、 所以，什么是贝叶斯思维？ 它不是让你变成一个冷冰冰的机器。它是让你变成一个更聪明、更开放、更不容易犯错的人。 它告诉你：你的每一个信念，都不是真理。它只是一个当前最好的假设。 它告诉你：新证据来了，你要做的不是捍卫自己，而是更新自己。 它告诉你：承认自己错了，不是失败。承认自己错了，是进步。 我那个大哥最后跟我说了一句话，我记到现在。他说： “我这辈子最大的本事，就是改得快。” 你品品这句话。 大多数人，一辈子都在证明自己对。而真正厉害的人，一辈子都在修正自己。 这就是贝叶斯思维。 不是让你更自信，是让你更准。 不是让你更固执，是让你更活。 从今天起，试着把你的判断，从“是”改成“概率”。试着遇到新证据的时候，问自己那两句话。试着记录你的预测，然后复盘。 你会发现，你变了。 你不再是那个被情绪和偏见牵着走的人。你成了一个不断逼近真相的人。 这，才是真正的投资策略和自由。

9.01梭哈晨报： 9月来了，希望9月日子好过一点，不想每天被当狗溜了，自己把握自己的节奏吧，不然吃着碗里的看着锅里的，太累了。 1. bitcoin:native 看起来还行，毕竟整个crypto的美股都在拉盘，作为核心的大饼如果暴跌了，怎么互相螺旋上涨呢； 2. $ETH 因为rbc开始更多人准备eth冲狗了，虽然fee不高，但是留存率挺高； 3. $SOL 丧失了自己作为meme公链的意义，再认不清楚自己的话，更加危险； 4.Solana 费用创纪录，验证者将通胀削减速度加倍； 关键没用啊，大家都在Robin Hood上玩了； 5.CLARITY Act年内通过概率降至13%，9月15日将迎参议院程序性投票； 那这一任期能过的概率也基本上过不了？ 6.Robinhood Chain 日度去中心化交易所交易量创下 9.89亿 美元新高，同时总锁仓价值持续增长； 全明星都开始在RB上搞起来了； 7.中东局势紧张：伊朗称击落美军无人机并警告强力反击； 8.Anthropic 签署英伟达支持 350 亿美元云计算协议； 9.Ankr ankrFLOW 合约遭攻击，Flow 基金会将补足资金； 这个垃圾Flow都归零多少次了，还有人在里面？ 10.Tom Lee 表示，9月暴跌的担忧可能引发股市反弹，推动比特币上涨一倍； 都在说加息吧？ 11.Strategy 致信 MSCI 反对剔除比特币持仓公司提案； 12.特朗普称或打击伊朗并指美利率过高； 特朗普称尊重美联储主席沃什，表示其将按职责行事； 所以真的会加息吗，我要验牌了！ 13.前美国证券交易委员会顾问：美国监管机构对Hyperliquid的审批路径可能需要10至12个月； 14.离岸加密永续合约交易规模达9万亿美元，前SEC、CFTC官员呼吁降低监管负担； 15.Telegram向部分用户推出Gram Wallet，未来数周将逐步向10亿用户开放； 上次宣布接管Ton，直接一批人挂在山顶了，这次不一样？ --------------- 链上极度繁荣，如果这几天没赚钱的话，那还是休息吧，现在超级fomo链，一晚上各个群都是999+，不知道最后留下了谁。 #Bitcoin# #Ethereum# #Solana# #Crypto# #Nasdaq#

这两天在推上刷到骂战，本来只想静静吃瓜，看着看着又想唠嗑两句。 Crypto圈子看似自由无拘，实则行业内对他人人品和声誉极为看重。从我最早加入加密，不论是在团队里招人还是合作KOL，相比起能力，更重要的这个人靠不靠谱，有没有劣迹，主要包含： 1. 有无恶意造假，硬蹭不该蹭的人和流量招惹误会。 2. 有无欺骗他人信任，背刺老东家或者合作伙伴。 3. 是否言而有信，答应的就能做到，说过的就是事实，可查可验。 因为隔着一条网线，又没有完备的法律约束，往往大家的长期合作均是靠点滴积累的信任和口口相传的口碑。但凡是我目前合作过的优质KOL，都是很脚踏实地积累知识和技能塑造影响力，不会空口无凭给自己造势抬咖。 以及不论是在币圈还是其他行业，一个雄竞成功的女性，一旦跟男人产生丝毫的联系，就会立马被挂上“靠雌竞上位”的骂名；即使真是大佬女朋友，那也是她人自身优秀，能与强者同行，不应转化为遭受他人攻击的“把柄”。 大清早亡了。 见人见事，皆多省自身。

开源了我的 AI Agent Skill 集合 rnskill，目前 5 个 Skill，分三类。还有几个后续补齐。 写作类一个： rn-renhua，专门处理中文 AI 技术文章的去味精修。我写推文和测评稿之前都会过一遍，删掉「不是A而是B」「真正/其实/本质上」这些 AI 壳，把判断和测试细节留下来。 视频类三个。 rn-motion-director 是导演层，把选题转成动效视频概念，核心是防止做出 PPT 式的视频——每个画面必须有运动，不能只是标题 + 要点 + 渐入。 rn-dark-saas-video 是暗色 SaaS 产品短片的完整风格蓝图，8 套场景模板、3 种时长预设、9 条硬性规则。 rn-bw-text-opener 做黑底白字打字机开场，附带一个 Python 脚本自动算每个字的出现时间和音效时间戳。 质检类一个： rn-replica-qc，用来复刻参考视频时做闭环对齐。三级保真度、逐帧拆解、PSNR/SSIM 计算、修一处验一处，最后把对齐好的运动模式沉淀成可复用组件。 安装一行：npx -y skills add Pluviobyte/rnskill -g --all 支持 Codex、Claude Code、Trae Solo。每个 Skill 都带 SKILL.md + openai.yaml，复制到项目里就能用。

之前闲鱼上很多回收商，为了让卖家放心出，都可以直接安排顺丰上门，拿走即确认。（甚至我 4090 也是这样的流程，当然提前视频验过了） 昨天出了小米净化器 Ultra，谈好后回收商下单顺丰取件，然后直接就把咸鱼订单确认收货了，说免得待会有事忘了。 讲信用的世界真美好。