《web3公务员工作日记》 2026年香港web3嘉年华Day2 先聊下会场情况，笑晕了，大早上在检票门口看到一群社保带着景区讲解耳机围着一个导游，我就意识到本次大会不简单 走进之后印入眼帘的是《赋能相爱》，遂把图片发进相亲相爱的一家人群里，爹地跃跃欲试：“我也能去吗” 今天做了一些0-1的事情，好爽。 我是那种喜欢折磨自己的人，我经常能够非常清醒得意识到自己处在什么样的状态中，不论是消极还是积极我都有觉知，但是不管是好还是不好，都是我理性的个人选择，我选择了不好，仅此而已。我其实作为公务员在舒适区有一些久，深潮的工作真得如同公务员一样“稳定”（因为Zolo老板很好，会给机会，但不push你去做）但是我是一个不喜欢稳定的人，所以我会刻意给自己制造一些游戏难度。 所以本浙传双语播音主持专业毕业生再就业，主动答应一场英文panel的主持（但其实英文非常烂） 但这次对于自我心境的磨练上会有一些提升，因为这次在面对一个让我没有把握的事情上，我不会焦虑，我会用两句话说服我自己。 1、你担心的事情99%不会发生； 2、你做得再好，都会有人觉得不好，所以尽人事听天命。 对今天这场panel自我评价就一句话“你知道自己的比赛成绩会是第六名，结果真拿了第六名”。 我认为，那些小时候在考试成绩出来之前就能精准评估自己考几分的人一点都不比那些考高分的同学差。 （Btw web3的老师们都太好了，在主持的时候会对我表达肯定且有眼神交流，交流感是主持人的必修课，但是如果对象在互动的时候有所反馈，对于主持人来说是纯粹的享受。感谢所有老师们的包容和支持。 @0xKenny_C @alohaleonardox @DominicGCox @jyeo642 @CityUHongKong Prof. Xiaofan Liu, Tenured Associate Professor at @CityUHongKong ） 然后晚上也参加了bg wallet组织的一个媒体小局。真的非常感谢鹏总 @BGWalletAlpha ，也借此机会想表达一下对于媒体的一些思考。 我其实很早的时候就在想一个问题，我经常跟着kol们蹭吃蹭喝，单纯从“很少会有项目方主动请媒体们吃饭”这一点角度来看，web3媒体相比较kol来说没有那么被尊重，但web2是相反的，那么底层原因到底是什么？ Web2是机构统治的时代。媒体是合法性认证者。创业公司要融资，需要上媒体；品牌要建立信任，需要主流报道；公众人物要修复形象，也依赖媒体发声。在这个体系里，媒体决定“你算不算成功”，网红负责放大流量、带动消费。品牌预算驱动增长，转化链条很长，从曝光到购买需要时间和多层路径。媒体在桌上，网红在流量池。 但Web3完全不同。Web3是流动性驱动的市场。价格实时反馈，情绪即时传导，二级市场决定生死。一条推文可能五分钟内带来买盘，一个Space可能直接影响币价波动。在这种结构下，谁能制造即时流动性，谁就拥有议价权。KOL成为情绪发动机，而媒体变成叙事记录者。 KOL影响价格，媒体影响品牌；而在高度短期化的市场里，价格优先级高于品牌。Web2网红影响的是消费决策，Web3 KOL影响的是资产配置。一个是买口红，一个是押资金。风险越高，情绪权重越大，个人IP越值钱。 更深层的原因在于信任结构的变化。Web3天然反权威、反中心化。它不信机构，不信平台，更信个人判断、链上数据与社群共识。权力中心从机构转移到了个人。Web2的流量依附平台，离开平台就失去分发；Web3的流量依附个人，IP可以迁移，粉丝跟人走。这种结构转移，让个人成为新的权力节点。 所以媒体“上不了桌”。 这一点，也是知名播客品牌web3&硅谷101的制作人前辈刘老师在饭桌上提到的，“web3媒体没什么前途”的一个原因。 但是我倒觉得web3媒体并非没有价值，而是没有升级。若继续停留在发稿、转述、活动报道层面，确实只能被当成渠道。但如果媒体愿意重构角色，它依然可以坐回桌上。 在这一点上，我个人是认为rootdata做得很不错，他们已经成为游戏规则的制定者。 然后今天我也直言询问bg wallet的品牌老师Eden聊了一下，今天这场饭局的意义到底是什么，一个新的观点在于，请媒体吃饭，不意味着想不用付钱或者白嫖，而是之后在合作内容的时候，媒体可能会用心写，而不是完成任务。专业的mkt负责人是能看出来文章写得是用心的还是敷衍了事。 ❤️

手搓长文：2026别再被VC币PUA了，Agent才是普通人翻身逆袭的唯一机会 我不确定Agent是否能真正改变你的人生，即使我知道，大概率也不会坦诚地分享出来。世界永远遵循二八法则，20％的人占据绝大多数的生产资料、财富、资源、算力、权力。 剩下的80％是像你我一样的普通人。希望你愿意花5分钟时间读完这篇手搓长文，也许会有新的启发。 今年以来发生几件事对我触动很大： 1.OpenClaw爆火，最敏锐的Web3选手们最早知道，却没实现最大盈利，反而是后知后觉的Web2二道贩子们赚的盆满钵满，Token从代币变成智元，开启全民养虾时代。 2.加密市场持续下行，VC币信任崩塌，MEME行情惨淡，无叙事无高潮，AI生产力在Web3变现困难，反而预测市场高歌猛进，头部平台估值飙升220亿美元，币安OKX齐头并进，开启预测大决战。 3.X上舆论两边倒，标题党教你用龙虾日赚千刀，普通人也能独立开发产品，一天手搓十几个加密工具，世界变化太快了。 日光之下，并无新事。穿越了几轮牛熊，追赶不上时代的焦虑感一直存在，同时也能看到不断迸发出来的机遇红利：AI AGENT、市场预测、Web2流量溢出、世界杯粉丝经济。信息大爆炸，AI大乱斗，这是最好的时代，也是最坏的时代。 接下来我会押注两个风口： 一是能够将AGENT转化为真金白银的工具产品。 要知道市场上99％的Agent工具都是套壳鸡肋，本质上还是对已有数据的整合处理，再反馈给用户似是而非的答案，至少在现阶段并不能创造真实价值。（同时我也坚信，几个月几年后一定可以实现） 二是能够链接Web2资金、流量、话题的Web3的超级平台。 缺乏流动性的市场无法吸引新用户，交易所获客成本越来越高，只有重新打造一个新的“博弈造富”叙事，才能吸引更多人进入加密。 最近在深入研究的LEVIX项目可以说是在朝着这两个大方向在走，算是很早期的项目，产品略显简陋，但底层逻辑我是认可的。 第一个逻辑是【用AGENT来进行辅助预测】， Polymarket的预测事件无穷多，参差不齐，又因为地域文化差异、专业知识壁垒，普通人要想博弈利润是很难的，光是筛选海量的时间信息就耗费精力了，更别说还要实时跟踪事件变化，所以在我的理解中，预测事件最大的门槛就在于对信息的获取和认知。 LEVIX的逻辑是引入AGENT，让Agent发现热门事件→分析事件→AI大模型经验判断→实时热点跟踪→结论推导→复盘验证，通过这样的一个流程来持续校准AGENT，同时也为用户提供有效信息，帮助用户做判断。 这套产品逻辑的落地性很强，也踩中了预测风口，至于预测准确率的提升，要看究竟能有多少用户参与训练，毕竟聪明的Agent都是调教出来的。也有另外一种可能，LEVIX本身就已经具备一些【预测经验包】，不需要从零做起。 体验链接： 另一个逻辑是【电竞奥运合作伙伴+Web2粉丝流量】， 举个很简单的例子吧，我有不少朋友可能不了解加密，但他们绝对懂LOL懂CSGO，这类群体不在少数，电竞用户在年龄和兴趣上和Web3用户是高度重合的，而且从Polymarket事件交易量来看，体育电竞板块交易量占37％，电竞无疑是撬动Web2用户的最佳入口。 这也是LEVIX吸引我的重要原因，它是电竞奥运的官方合作伙伴，未来每一场电竞赛事都会有它的存在，靠着这个噱头也能接触并转化更多用户。关于电竞奥运这个信息我也多方求证过，背后是有大哥的，不然也挂不上这个名头。 用朋友的一句话来形容：它是加密世界的小红帽，有资源有实力，缺少的是一个支点。 支点在哪里我也不知道，但Levix现在的思路是完全可行的，也符合我对新叙事的判断，尽管市场上有无数的同质化产品，但电竞赛事只有那么几个，电竞奥运只有一个，有时候并不是产品决定价值，而是资源决定上限。 2026如何用Agent改变你的人生？并没有答案，一起探索一起Agent吧，始终不变的只有变化自身，放弃刻舟求剑，重新来过。

《从50亿颗芯片订单，看Starlink一个不为人知的万亿市场》 路透社昨天的报道称SpaceX和意法半导体过去12年订单总量已经达到50亿颗芯片。 市场可能还没有意识到，这是一个Starlink不为人知的隐藏赛道。它不仅仅是一个"卫星互联网项目"，还是一个全球性的电磁感知基础设施。 这50亿颗芯片是射频前端模块（radio-frequency front-end modules），也叫天线单元（antenna elements），它们基于BiCMOS工艺制造，用于Starlink用户终端的相控阵天线。 简单说，这些芯片让你家的"锅"能够自动追踪高速移动的卫星，保持稳定连接。 Starlink用的相控阵是军用雷达技术吗？ 新闻提到Starlink的终端天线用了"相控阵"技术。这听起来很军工——没错，这和战斗机雷达、宙斯盾系统用的是同一类技术。 相同点：都是电子扫描天线，通过精确控制每个天线单元的信号相位，让波束可以快速转向，不需要机械转动。 关键差异：目的完全不同，所以精度不同。 Starlink的应用方向，不是雷达而是通信技术，但它未来可能具备"雷达式感知"的潜力。 能"感知"什么？ 四个字：RF感知。 Starlink终端在和卫星通信时，信号会穿过大气层、经过各种环境。这个过程中，任何异常都会在信号里留下痕迹。 它能感知的东西分三层： 第一层（最精准）：电磁环境本身——哪里有干扰源、频谱异常、噪声变化。这对通信系统本身就有巨大价值。 第二层（可持续建模）：传播环境——下雨、沙尘、湿度、电离层扰动。气象公司会很感兴趣。 第三层（模糊但有用）：大尺度物体——比如某个区域是否有大型飞行器或船只经过。注意，它只能回答"有没有"、"有没有变化"，不能精确识别是什么。 精度对比： 军用雷达：厘米到米级 RF感知：百米到公里级 所以RF感知不是"弱版雷达"，而是一个永远在线的全球异常检测系统。雷达是手电筒，看得清但照得窄；RF感知是环境光，到处都有但很模糊。 starlink相控阵通信感知技术的竞争优势极难复制，由于其不可逆的工程路径和物理资源先手。 五道护城河： 1. 相控阵×消费级×百万规模：历史上几乎没人同时做到这三件事。军工相控阵很贵，消费电子没这精度，百万级规模需要完全不同的供应链。 2. 射频制造学习曲线：50亿颗芯片的制造经验不光是订单问题，还是时间积累：每一轮生产都在优化良率、降低成本、发现问题。。。 3. 芯片成本的极致压缩：把军工级核心部件降到1美元以下（虽然牺牲了部分性能）。这50亿颗订单本身就是"成本消化器"——只有这种规模才能把单价压到这个程度。 4. 系统复杂度下沉到终端：传统思路是让终端简单、网络复杂。Starlink反过来，让终端承担更多计算，这样卫星和网络可以更灵活。这是反直觉的设计选择，一旦跑通就成了结构性优势。 5. 垂直一体化：SpaceX同时控制火箭、卫星、终端、网络。这意味着它可以"有序失败"——某一层出问题，其他层可以补。别人只做其中一环，就没有这种容错空间。 另外，还有LEO轨道的垄断性优势 Starlink选择了低地球轨道（LEO），大约550公里高度。这不是随便选的。 LEO是相控阵通信感知网络的最优选择 信号损耗低，延迟低（20-40毫秒，打游戏够用） 终端功耗可接受（不需要大功率天线） 卫星移动快，网络拓扑持续变化——这意味着AI有大量数据可学习 竞争对手的困境： 更低轨（VLEO）：大气阻力大，卫星寿命短，需要频繁补充。技术可行，商业上几乎不可行。 同轨但晚来：轨道密度、频谱分配、避碰规则全面受限。你不能在人家卫星旁边乱飞。 更高轨（MEO/GEO）：通信能做，但延迟变高，终端功耗上升。更重要的是，轨道变化慢，AI学习材料少，感知能力被"钝化"。 LEO是通信和感知同时成立的最优高度。Starlink已经在这个高度部署了超过6000颗卫星，预计3-5年，将几乎占满LEO空间所有可用轨道。 和6G的关系 严谨地说，6G技术上不强制要求天地一体化。但战略上，几乎必然。 原因不在于速度（5G的速度对大多数应用已经够了），而在于： 覆盖的完整性：海洋、沙漠、极地、航空，这些地方地面基站覆盖不到。 网络级可靠性：地震、战争等极端情况下，地面网络可能瘫痪，卫星网络是兜底。 AI网络需要全局视角：未来的AI应用需要在全球范围内调度计算和数据，没有天基网络就是瘸腿的。 没有非地面网络（NTN）能力的6G，将被视为"不完整"。 覆盖全球的天基雷达？ 尽管starlink不会变成高精度的全球雷达。技术上做不到，也没必要。 但会演化成一个全球持续在线、低精度、AI驱动的感知底座。 未来的分层结构可能是： 第一层：Starlink类RF感知——覆盖广、连续、低精度。相当于全球的"背景感知网"。 第二层：高性能军用雷达——数量少、精度高。在关键区域提供精确信息。 第三层：无人机/高空气球等机动节点——按需部署，灵活补盲。 这三层不是替代关系，而是协同。第一层发现异常，第二、三层精确跟进。 Starlink的全球感知网络市场多大？ 未来5-10年的市场空间，从大到小： 6G融合基础设施：与地面网络融合，成为全球通信底座的一部分。万亿美元级。 国家级主权通信：关键基础设施的通信保障，政府客户。千亿美元。 航空/海事/能源/物流：飞机WiFi、远洋船舶、偏远矿区等需要连续连接的场景。千亿美元。 政府/军方感知服务：非火控级别的态势感知。百亿美元。 全球RF感知与环境智能：气象、海洋、频谱监测等。百亿美元。 总结 Starlink的真正护城河不在单一技术，而在于： 它率先把最适合相控阵+AI的物理空间（LEO）占满，并在其上跑出了真实规模的系统。 它正在成为全球电磁环境的"持续在线感知层"。

这是一份基于 2026 年行业现状、技术路线及近期地缘政治黑天鹅事件（美伊战争）深度拆解的专业化工分析报告。 全球烯烃与芳烃产业链及地缘政治冲击分析报告 (2026) 摘要 本文通过对比煤基（Coal-based）与油基（Oil-based）工艺路径，拆解大宗烯烃与芳烃的供需逻辑。结合 2026 年初爆发的美伊冲突，量化分析地缘政治对化工产业链的冲击烈度。 一、 产业链技术路径：油制 vs 煤制 1. 烯烃产业链 (Ethylene & Propylene) 烯烃是化学工业的“基石”，主要包括乙烯、丙烯等。 油制烯烃 (Naphtha Cracking): 工艺： 石脑油蒸汽裂解。 优势： 技术极度成熟，副产物丰富（含有丁二烯、芳烃等），适合大规模炼化一体化。 劣势： 强相关于国际油价。当原油超过 $70/bbl 时，竞争力开始受挫。 煤制烯烃 (CTO/MTO): 工艺： 煤炭 \rightarrow 合成气 \rightarrow 甲醇 \rightarrow 烯烃。 优势： 原料廉价且供给稳定（尤其在煤炭资源丰富的地区如中国西北）。在油价波动时具备极强的盈利防御性。 劣势： 碳排放极高（约为油制的 2-3 倍），投资密度巨大，耗水量大。 2. 芳烃产业链 (BTX: Benzene, Toluene, Xylene) 芳烃是合成纤维、塑料和高性能材料的源头。 油制芳烃 (Catalytic Reforming): * 主路径： 通过重整装置（Reformer）将石脑油转化为富含芳烃的组分。目前占据全球 90% 以上的份额。 特征： 产量与炼厂开工率高度正相关，且受到汽油调和需求的竞争（甲苯/二甲苯可提升辛烷值）。 煤制芳烃 (MTA): 主路径： 煤基合成气转化为甲醇，甲醇进一步催化芳构化。 现状： 虽然中国宝丰能源等企业已实现技术突破，但在 2026 年 依然属于“小众路径”，主要作为煤基产业链的增效补充，尚未撼动石油基的统治地位。 二、 大宗化工品种分类梳理 根据交易规模与下游应用，2026 年核心大宗种类如下： 烯烃类（核心：PE 聚乙烯、PP 聚丙烯） 主要流向包装、家电、汽车以及光伏（EVA）等终端领域。这一类品种与宏观经济走势密切相关，常被视作经济活跃度的重要指标。 芳烃类（核心：PX 对二甲苯、BZ 纯苯） 主要用于生产 PTA（进而支撑纺织涤纶产业链）以及苯乙烯衍生物（如 EPS 泡沫、ABS 塑料）。该类品种受炼厂排产计划影响显著，且具有明显的纺织旺季季节性特征。 中间体（核心：MEG 乙二醇、EB 苯乙烯） 处于产业链中游，向下衔接聚酯瓶片、合成橡胶及高性能工程塑料。这类产品在贸易市场上极为活跃，是期货市场中交割量巨大的核心品种。 三、 战争冲击：美伊冲突对大宗市场的定价逻辑 2026 年 2 月末爆发的美伊冲突是典型的“供给端极端压力测试”。 1. 受影响最大的类别：油制石化品 (PE, PP, PTA, PX) 直接冲击路径： 霍尔木兹海峡（全球 30% 原油及大量中东石化产品出口必经之地）面临封锁。 涨价幅度预测： 预计受原油价格跳涨至 $100 - $120/bbl 带动，相关石化品价格可能在短时间内飙升 20% - 35%。 供需失衡点： 聚乙烯 (PE)。中东是全球 PE 最重要的净出口区之一，海峡封锁将直接切断亚洲和欧洲的低价货源。 2. 供需失衡最严重的品种：乙二醇 (MEG) 与 PX 乙二醇 (MEG)： 中东乙烷基 MEG 的低成本优势使其占据全球贸易流的核心。若海峡断航，亚洲市场将出现 25% 以上 的供给缺口。 对二甲苯 (PX)： 虽然中国 PX 自给率已高，但由于原油进口成本大幅抬升，成本支撑将强行推高价格，导致下游 PTA 企业出现“负毛利停工”，引发纺织全产业链的通胀压力。 3. 煤化工的避险溢价：宝丰等企业的“红利期” 战争背景下，煤化工与油化工的“估值差”会迅速拉开： 成本脱钩： 煤价由国内长协保护，相对稳定；油价疯涨。 替代效应： 当油基 PE/PP 价格因原料暴涨而失去竞争力时，煤制产品将补足市场空缺，获取超额利润（Windfall Profit）。 四、 结论与建议 核心判断： 2026 年美伊战争将导致 芳烃链（尤其是 PX/PTA）出现几乎无法替代的严重成本驱动型上涨， 而烯烃链（PE/MEG）因煤质成本优势产生煤化工替代，煤化工利润暴增成本几乎不变。 以上是跟gemini对话生成，烯烃对于煤化工相当于成本不变利润暴增所以煤化工的宝丰能源在战争第一天开始就连续涨停板，还是机构专业。我们韭菜后面才后知后觉知道这些原因。 纯苯是芳烃之首，所以想搞一把看看能不能验证，开了一把纯苯2605的大宗。

为什么这个实盘可以做到： 1️⃣近五年、三年、一年、三个月以来都跑赢BTC 2️⃣近三年回撤远低于BTC本身 3️⃣近三年只交易BTC币本位合约 4️⃣近五年没有充币，近三年没有提币（曲线低噪） 5️⃣每笔交易订单实时公开 我只交易BTC来公开实盘，其中一个原因是利他，因为 资金曲线反映的就是最纯粹和这个单一标的缠斗的结果， 对于看实盘的人来说，不会因为看到各种小币买卖记录， 看得头晕目眩，或者分不清损益到底来自交易什么币。 且哪怕是不炒BTC的人，也可以当做大盘晴雨表。 不知道长期跟踪这个实盘的推友， 给自己带来显著帮助的多吗？ 以及： 市面上有哪些其他， 长期全公开纯交易BTC的实盘？ 欢迎在评论区推荐。 因为别说N年， 哪怕是别人坚持一两年的全公开纯BTC实盘， 哪怕没有跑赢BTC很多， 我都想如获至宝般地去研究他， 去跟踪解析下他每一笔订单， 他在不同时候的交易，可能是怎么想的， 何时防守、何时进攻到什么程度， 权衡了什么，像是什么策略等等... 就好像是棋手、电竞选手， 一定会想、需要去研究对手的棋谱、比赛视频。 （此处推荐相关韩国电影《终极对弈》） 对于想精进二级交易能力， 尤其是有意把二级交易当长期来做的BTC玩家来说， 这种是价值很大的参考素材。 前阵子很多人说， “不要相信OG总结的所谓如何从多少到多少，他们都是 赶上以前容易的早期红利/割韭菜/其他收入” “现在的BTC不是散户能玩的了”等等... 但这个实盘，365天24小时“全程直播”， 如何用一笔笔订单，能从3万u开始，只交易BTC， 近2年多做到极低回撤，同时却有85倍左右复利结果， （2022年底重新从1个BTC多做起） 尤其在最近一年半年各种诸如“总统画线”、1011清算下， 在资金曲线上看不到什么影响（图1）， 这难道不是很多人想达到的状态吗？ 你不好奇这具体是怎么做到的吗？ 每一笔交易过程和结果，可都是全透明让你看的。 不需要加群订阅码，不需要问你返佣，更没收费。 这该值得分析参考，或者哪怕简单点直接照抄呢？ 然而现实是， 我公开这个实盘的过程中， 这轮周期的两三年里，在发这条推文之前， “只要抄这个实盘作业，就能大幅跑赢BTC” 这个事实在持续不断验证的情况下， 我从没看到过有人聊对这个实盘进行分析， 我从没收到过一条信息，表示想交流诸如： “为什么现在是35%仓位？不是更多或更少？” “为什么这里买/卖的多？那里买/卖得少？” “你是实现这样的资金曲线，核心是什么方法、思维？” 反而大家乐此不疲地在分析讨论的是， 这个内幕哥实盘如何了，那个麻吉哥实盘又如何了。 嘴上都知道路遥知马力，都知道时间是试金石， 不少人经历一两轮周期后也都更向往更稳定的复利， 想减少对短期超高风险的参与，想要交易和生活的平衡， 但当这样纯BTC低回撤复利几十倍的公开实盘， 和快速大开大合玩刺激“哥”们的暴富爆亏实盘， 都摆在面前时，身体却是诚实的， 都还是只去关心后者。 你觉得原因是什么？ 是因为只想很短时间快速暴富吗？ 好像也不都是这样，因为身边有一些不玩快速暴富游戏、做月级别或以上BTC周期的朋友，来问我“对行情怎么看？”的时候，能感觉出来他们也都明显是没有先花1分钟看一眼我实盘仓位的。 是觉得看起来太费神？执行力不够？ 是，也不是。 说“是”是因为，如果你要深度、有效解读我的交易，这个确实不是大多数人能做到的。这也是为什么我前段时间呼吁期待真正好用的新一代“AI跟踪分析总结自己/别人的实盘”产品。 说“不是”是因为，其实你不需要怎么解读，甚至不用看买卖订单，就也能每天简单抄作业：只需要看实盘页面上的“合约仓位：空/多n倍”这一个数字。比如“空0.6倍”，就等于是套保了60%仓位，或者说就是40%仓位做多（币本位合约算法），这就是小学数学，且因为只交易BTC，而BTC又约等于Crypto大盘指数，所以也不存在“这个实盘交易的币种你不玩/不关心”的问题。 是因为大家不相信“免费实时全透明公开”的东西会有良心/高价值？得组织个XX社群，整个订阅码，甚至搞收费，大家才会觉得有价值？ 好像也不都是这样，因为有不少知道这个实盘长期含金量的朋友，其中包括深耕交易的KOL朋友，好像也没有深入跟踪的（除了hazenlee在某次Space提过一嘴）。 如果有人发推文，分享关于如何深入分析解读我的实盘交易、如何做到低回撤复利，应该是能获取一些高质量流量的。但事实上，哪怕为了流量去这样做的，也没有。 我非常崇尚"Open Intelligence"， 什么意思呢，就像是有些难破的谜案， 有人能通过Google公开资料来搞定， 多年来我一直认为， 一个人哪怕光是凭着“擅长Google”， 就能过得比大多数人都好 （今天这里的“Google”一定程度上迁移到了和AI交流）， 包括《仙逆》里王林仅通过观察下雨，来获得能力跃迁。 这种哲学就是，世界上有很多智慧， 很多大价值问题的思路，甚至答案， 往往就公开在大家身边，甚至眼前， 但是大部分人视而不见、充耳不闻。 所以我长期公开这样的实盘的其中一个想法， 也是想以自己的方式，在现实中强化这个哲学。

求职系列（5）：跳槽，大厂还是小厂 这是求职系列的第五篇，聊聊跳槽决策。 --- 跳槽本质上是一个决策问题，而决策质量取决于你掌握的信息量和你评估信息的能力。 大部分人跳槽后悔的原因都是前期调研做得太少。 0️⃣ 先想清楚：你到底需不需要跳 很多人跳槽的驱动力是情绪、是在原公司碰到了问题选择逃避，而不是判断。 例如：项目刚被砍了、和 leader 闹了一次不愉快、绩效季没拿到期待的结果，然后立刻打开招聘 App 开始投简历。 这个节奏大概率会跳进一个坑，因为你的决策基础是情绪，不是理性评估，你在这家公司碰到的问题，大概率在下家还会碰到，甚至会更棘手；所以抱着逃跑的心态跳槽，是无法解决最核心的那个问题的。 判断要不要跳，要先把自己的现状拆开来看，我一般会问自己四个方向的问题： 1.职业成长还在不在？ 你过去一年学到了什么新东西？最近解决过什么有挑战的问题？如果这两个问题你答不上来，说明你已经在原地踏步了，这是一个很明确的跳槽信号。 2.你的市场价值在涨还是在跌？ 和市场接触接触，把你现在的简历发给猎头，看看他们的反应，能拿到什么样的面试机会。如果几年前你是香饽饽，现在猎头对你没什么反应，说明你在当前岗位上的积累在市场上变现的空间变小了。 3.钱有没有到位？ 你的薪资涨幅跟得上你的成长吗？在大厂，如果你连续两三年绩效不差但薪资涨幅远低于市场，也是个很明确的跳槽信号，在一家公司待太久一定会落后于市场能给到的薪资水平。 4.人的问题还是环境问题？ 你最近不爽的根源是什么？这个问题换一家公司能解决吗？能不能不换公司解决？如果是具体的一个 leader 让你难受，跟这个 leader 的合作结束了问题可能就消失了，不一定需要换公司。如果是公司的文化、方向、氛围让你整体不舒服，那是环境问题，不换公司解决不了。 这四个问题里，如果两个以上的答案让你不满意，跳槽是值得认真考虑的。如果只有一个，先看能不能暂时解决。 还有一个很重要的信号：你有没有在工作里体会到成就感。 不需要每天都爽，但偶尔有那种做完一件事觉得牛的感觉。 如果这种感觉已经消失很久了，通常是个非常危险的信号，说明当前工作已经没办法给你带来精神上的回报了。 还有一点比较反直觉的是，一定要尽量在高光、上升期跳槽，而不是低谷期，因为上升期时跳槽能基于一个更高的年包谈判、物质回报更高，整个人的精神面貌也会更好，这些都是在面试中无法伪装的。例如：晋升后、加薪后、完成一个重要项目后，都可以接触市场看看机会。 1️⃣ 决定跳了，怎么准备 很多人决定跳槽之后，直接就开始海投简历，这是最低效的做法。 先做整体的简历诊断， 把简历从头到尾过一遍，问自己：每段经历最值钱的产出是什么，有没有用数字量化出来？你的技能栈和你目标岗位的 JD 对照一下，缺口在哪里？这个诊断做完，你才知道你现在的简历能拿到什么段位的 offer。 补充近期的技术积累，找一找你最近在现公司做过的、值得说的技术决策或系统设计，重新梳理一下，以面试叙事的方式组织好。 锁定目标清单，不要无差别海投。列出你真正想去的 10-20 家公司，按意向高低排优先级。意向最高的留到你状态最好的时候面，先拿意向一般的练手，等状态对了再打主力目标。 打开被动市场，更新 LinkedIn、脉脉的状态，或者直接联系你长期合作的猎头，告诉他们你在看机会。 很多好的 JD 根本不对外公开，只在猎头圈里流通，你不主动告知，就永远看不到。 给自己定一个时间范围。想清楚打算几个月之内跳槽？这个时间窗口会影响你的节奏。 如果你三个月内想动，现在就要开始准备简历、刷题、约面试。如果是半年内，节奏可以相对慢一点，但不能无限期拖着。 2️⃣ 跳槽前的信息收集 客观信息： 知乎、脉脉、公众号、行业报告。了解公司的业务方向、盈利模式、裁员历史、文化风格。这些信息有噪声，但多看几个来源交叉验证，基本能还原一个大致的画像。 主观信息： 自己下载产品用一用，感受一下体验和迭代速度。如果能找到在里面工作过的朋友，直接问，尤其是那些已经离职的人，他们说的话比在职的人真实得多。尽量尝试打听到具体的组，同一家公司不同组的体验可能天差地别。 适当拉长时间轴。 不要面完就急着决定，给自己一到两周时间消化信息、做对比。着急做的决定大概率不是最优的。 3️⃣ 看趋势，别只看现在 别只看公司现在怎么样，看它三到五年内的方向。 一家公司如果业务在收缩、人员在流失、产品没有增量，哪怕当下薪资很高，三年后你面对的可能是裁员或者边缘化。 反过来，一家公司如果业务在扩张、产品在增长，哪怕现在薪资一般，三年后你的职级、薪资和能力都可能有大幅提升。 选增量，比选存量重要。 4️⃣ 主动降温，避免过于乐观 大部分人看新机会时都处于兴奋状态。新环境、新挑战、新薪资，一切看起来都很美好，但你需要主动给自己降一降温。 问自己几个冷酷的问题：这个岗位最坏的情况是什么？如果业务被砍了我怎么办？ 薪资涨了 30% 很诱人，但如果工作强度翻倍、成长空间有限、团队文化糟糕，那 30% 的涨幅根本覆盖不了这些隐性成本。 把优缺点都写出来，根据权重综合打分，别只盯着那个涨幅数字。 5️⃣ 大厂跳小厂 / 初创的决策框架 如果你正在考虑从大厂跳到初创，有几条硬性筛选标准。 看阶段。 只考虑早期阶段的公司。中晚期的初创大概率已经过了高速增长期，你进去拿到的期权被稀释了好几轮，上升空间极其有限，要赌就赌早期。 看投资人。 背后是谁在投钱，直接决定了这家公司的生存概率和天花板。 找里面的人聊。 找一找从这家公司在职\离职的人，他们为什么走，离职的人的评价往往最接近真相。 算一笔账。 把大厂未来 2-3 年的确定收入算出来，再算算小厂的收入区间，分最低和最高两个极端。最低的情况你能接受吗？ 如果最低情况会让你的生活质量严重下降，这个赌就不值得冒。 争取更好的条件。 如果决定去，在谈 offer 的时候一定争取：base 能不能提一提、期权能不能多给一些，不是为了多拿几千块，是看对方的诚意。 但连薪资都不愿意谈的公司，进去之后大概率也不会在其他事情上对你慷慨。 --- 跳槽最重要的一件事：手里有筹码再做决定。 在你拿到新 offer 之前，所有关于去留的纠结都是空想。先把 offer 拿到手，坐下来，冷静对比，理性评估。 别在脑子里做选择题，要在纸面上摆出真实的选项，白纸黑字、数字清楚，然后再做决定。 手里没有筹码的人，不配上桌谈选择。

為什麼女生寧可跟貌不驚人的網黃、或是約炮達人約炮，甚至自己求上門。 也不願跟各縣市的「號稱吳彥祖」的素人帥哥約愛？ 這個問題我想了很久。 是他們天賦異秉嗎？其實未必。 一大堆女生沒有經營社群、根本不需要蹭流量，卻仍願意追求極致的性愛體驗，所以選擇了他們。 小鮮肉雖出招驚艷，但往往缺乏千錘百鍊。 連調情都沒有，單純只想釋放荷爾蒙。 對付一般精神小妹綽綽有餘，但面對高手時走不過幾招，就會敗下陣來。 . 春宵一刻值千金，誰都不喜歡掃興。 就如同你去找日常吃食不喜歡踩雷一樣。 正常人若不是嚐鮮成癮，通常也會下意識地找老字號的門店消費。 有時候，不追求過分的卓越與超越，反而是一種腳踏實地的優秀。 儘管老師傅總是套路樣板，未必善於創新。 但巧手可敵天工，終究還是靠譜一點，衛生、安全都有保障，不是嗎？ ======================= 女生的部份也是一樣，男人多半喜歡嚐鮮，但也有很大一部分，習慣找老點。 約到最後，總是那三五個妹子輪流找，至少彼此知根知柢。 就算對新妹很有興趣，照樣不敢開約。 玻璃心一碰就碎，身上像綁了無數串鞭炮，一摸就炸。 沒人喜歡花錢找罪受，小誤會講開就好，真心呼籲「以和為貴」。 品性毫無瑕疵的善男信女，不會出現在X。 八大圈子的流言蜚語，本來就很多，保持聲名不墜已經很難。 若是因為一些誤會未能解開，甚至彼此成為死敵，那就真的得不償失了。 ======================= 高雄場課程昨天告一段落。 如果說奈柚漂亮有7分，那可愛就會有9分。 撩對點了，她騷勁「ㄧㄚˊ」起來，十倍界王拳加成，連弗利扎也得飲恨。 六邊形女戰士幻化真身、雙修極品，自帶高檔潤滑功能。 才剛翻正面，就迫不及待嘩啦啦的流出來，在場的學員有目共睹。 蜜液順流而下，空氣中瀰漫著淫靡的味道。 看著口乾舌燥，但還是吞了吞口水。 「欸欸，別偷摸，俺二弟天下無敵！！」 先走的同學，可惜了。😌😌

凌晨時分的林森北，夜色朦朧、喧囂依舊。 街邊小販叫賣聲熱鬧無比，連來自北方的冷空氣，彷彿也在此時緩緩退去。 「哥，請樓上坐。我們這裡都很優質，一定可以讓你滿意....」 「這邊通通99，進口的199，不用客氣都可以試吃。來，帥哥你試一下。」 ................... ........... 下了電梯，跟老普走了一小段。 歡樂的聚會已然散場，腦袋暈暈乎乎，此時無暇理會耳邊的嘈雜。 匆匆走進僻靜的巷弄中，貌似在逃離什麼。 後方車燈拉長身影，伴隨著單一的腳步聲，此時不免顯得有點寂寥。 都試圖想要回去，但還是有疙瘩，我知道一定可以，慢慢來就好。 她個性殺伐決斷，冷豔外表下藏著火熱的心，她翻頁了，而我還是放不下。 . 車子緩緩駛過，帶起一陣冷風，我點了根菸。 煙霧裊裊，擋不住前方道路清晰可見。但回首過去，卻仍舊看不清楚自己。 ======================== 雙手軟嫩的觸感未退，餘溫尚存。 這次臨時起意，在眾目睽睽之下示範，她做了很大犧牲，我豈能無知無覺。 一個「謝」字，在喉間醞釀許久，但當下終究說不出口。 平常都是她開發男生，今天換男生開發她。 即便閱人無數，高冷御姐仍略顯羞澀，在場眾人無不看直了眼。 真不愧是五木套房天花板。 今天只是示範，日後跟模特洽談租賃時長、各類耗材，自然不可能免費。 但無料傳授手法、心得，我很樂意。 時間排出來之後，歡淫報名。 ======================= 前年初次視訊，她在房內上竄下跳，甚至穿著外出套裝、踩著高跟鞋蹦到床上。 就是為了配合我擺姿勢截圖。 完全顛覆了執業女性的刻板印象。 當時，她的笑容漫出手機螢幕，開朗的個性，輕而易舉感染週遭的人。 慢慢地認識日久，我知道她想看看更高的風景。 懇求我幫她的姊妹推薦，還叫我不要跟她們說。 但她終究沒吃到四郎的肉粽。 因為某些不可名狀的誤會，她最終只吃到了四郎的閉門羹。 四郎還是被別人的讒言影響，四郎狠狠關上了溝通的大門。 事實證明，用功利的角度去看任何女生，本身就是一種大錯。 少數拜金女、沾染賭毒的除外。若非不得已，誰又想每天送往迎來？ 四郎悟了，但幸好不晚，還能重新開始。 ======================= 學員進到房間，她除下浴巾，表情平靜地躺在床上任我施為。 好一具完美胴體。皮膚白皙透亮，入手細緻無比，沒有任何瑕疵。 認識那麼久，這還是第一次看到。 御姐晴哥果然名不虛傳。 . 都是熟人了，照理來說沒什麼好害羞的。 按摩不是搔癢，而是喚醒女體情慾的過程。 很多女生跟男生做愛，一旦超過時間，就會魂飛天外，無法投入。 機械式的迎合，哀鳴聲響徹雲霄，但事實上在想等等出門要吃什麼、刷卡點數該換些啥比較好.... 藉由刺激女體敏感點，將注意力拉回現實，把她叫回來。 她還沒準備好，你幫她準備；你要先在乎她，她才會在乎你。 指腹輕輕點擊上下肉芽，滑過胸前兩團柔嫩白膩，私處溫度飆升，熱度燙手。 氣氛逐漸曖昧旖旎，眾人的注視，反而帶來莫名的刺激感。 打鐵趁熱，若干學員跟著接手。 按摩+愛撫真的會上癮。（北社）

求职系列（6）：谈薪 这是求职系列的第六篇，聊聊谈薪。 先说一个大前提。 网上关于谈薪技巧的内容，绝大部分都是哗众取宠、误导性极强，而没什么实际作用的内容。比如什么公式化话术、套路化博弈，你真的拿去用，只会被 HR 在背后笑。 谈薪这件事没有什么花里胡哨的技巧。核心就是信息对称、合理预期、给HR一个能帮你争取的理由。 0️⃣ 校招生，不要谈薪 这条单独拉出来说，如果你是应届生，面的是中大型公司，那么不建议谈薪。 在当下的就业环境里，校招生其实并没有特别大的议价能力（当然，如果你手里有很多offer并且做好了谈崩的准备，还是可以尝试A一下的），平台赋予你的长期价值远远大于那多出来的一两千块月薪。 第一份工作的平台重要性永远是最重要的，一个好的起点平台，能让你在未来八到十年的收入翻N倍，这个复利效应远比入职时多谈几千块来得大。 当然，第一份工作的薪水也很重要，后续的社招跳槽涨薪、定职级其实很大程度都依赖于你第一份工作的薪资，但中大型公司的同岗位应届生都会有一个明确的薪资范围，上下浮动本身就很小，不会出现单独压你薪资的情况。 我见过一些应届生为了1-2K 月薪和 HR 反复拉扯，最后搞得很不愉快，得不偿失。 所以建议校招生如果拿到了足够好的平台的 offer，直接接。精力放在入职后怎么快速成长上，别在入口处耗。 当然，手里有多个同级别、高级别的 offer 时，可以适度用竞对 offer 来争取。策略是轻轻推动，而不是硬谈。 1️⃣ 先搞清楚你的年包到底有多少 谈薪的第一步不是想怎么开口，是先把自己的数字算清楚。 你的 total package 大概包含这些部分： • 月薪 × 月数 • 年终奖 / 绩效奖金 • 股票 / 期权的年均归属价值 • 签字费的年均摊销 • 补充公积金公司缴纳部分 几个注意点： - 实报实销的补贴不算年包。 - 股票取年均归属值。 四年 vest 的 10 万股票，年均就是 2.5 万，不要把总额当一年的收入报。 - 所有谈判基于总年包去谈，不要死磕月薪。 每家公司薪资结构不一样，死盯月薪只会让 HR 觉得你不懂行。 2️⃣ 第一次被问薪资时，就锁定了 80% 的结果 很多人以为谈薪是最后拿到 offer 时才开始的，这其实是个错误的认识。 HR 通常会在业务面试之前就和你聊一轮，在第一次问你目前薪资和期望薪资的时候，你的薪资范围就已经基本锁定了。 这个数字会被记录下来，如果你到 offer 阶段突然蹦出一个更高的数字，会被定义为坐地起价，直接减分。 第一次被问到时要做好两件事： 目前薪资如实报，最好把具体的构成直接报给 HR。 月薪多少、年终几个月、股票多少、签字费多少，一项一项说清楚，让对方确认你的每一项。并且尤其要注意的是不要虚报，后续都是要提供可查的流水记录的，虚报只会砸自己的脚。 期望薪资给一个你真的满意的数。 这个数字要让你开心地去新公司，不会入职后觉得亏了。不确定具体数字的话，那就给一个范围：我期望 15% 到 25% 的涨幅，但目前还在流程初期，具体数字还需要再想想。 这句话的潜台词是：给低了我不一定接。同时也没有把价格锁死，给后续留了空间。 3️⃣ 什么因素可以让你报得更高 现在是下行的行情，大部分人都只能拿到10% -30%的涨幅，但不是所有人都只能报 10%-30%。以下因素可以叠加，每多一个议价空间就大一些： 1. 在现公司年限长 2. 跳槽会错失现公司的普涨、年终奖、即将归属的股票 3. 手里有竞品公司的 offer，能脱敏后给 HR 看 4. 从事业单位 / 国企跳到民企 / 外企 5. 从二三线城市到一线城市，生活成本大幅上升 6. 新行业、公司是一个热方向，比如当前的Agent、具身智能等方向 叠了三个以上，走 special approval 的概率就很大了；通常叠满五个及以上，对方必须走特批，批不下来只能说明公司穷，不是你要价高。 4️⃣ HR 第一次回应时的两种情况 你报了期望之后，HR 的反应会告诉你很多信息。 情况一：什么都没说，说明预算够，你的期望在范围内，后续大概率能谈到你要的数。 情况二：立刻开始管理你的预期，开始说一些固定话术，例如：这个数字可能有挑战、我们也要跟用人部门沟通、你的期望可能偏高了。 遇到第二种，先评估一下这家公司你有多想去。如果没那么想去，尽量不要浪费时间。网上教你用各种技巧往上谈的，说实话用处不大，就算帮你多争取一点也不会超太多。 如果还想继续，直接问：那你们大概能给到多少？正常的 HR 会坦诚告诉你范围，不浪费双方时间。 5️⃣ 拿到 offer 时怎么谈 到了 offer 阶段，双方已经知根知底了，该提多少你心里应该最清楚。 面试聊得特别顺，就提期望的上限，你有底气。面试过程觉得有点虚，对方在给你机会，就稍微降一点，也正常。 如果你不想错失最优价格，有一个很好用的话术：给两个数字。 比如：我的最低线是 20% 涨幅，但如果给到 25%，我一定来，会很开心地入职。 这句话的信息量很大：20% 我可以考虑，但不保证来；25% 我一定来，你放心去帮我争取。 HR 最怕的是辛辛苦苦帮你批了高薪，结果你不来。你给他一个口头承诺：这个数字给到了我就一定入职，等于给了他底气去跟用人部门争取，帮你就是帮他完成 KPI。 这里有一个很多人没有意识到的点：HR 是你在这场谈判里的盟友，不是对手。 很多人把谈薪想成一场你死我活的博弈，我要尽可能多要，HR 要尽可能压低，但这个人生和框架是错的。 HR 的 KPI 是把 headcount 填满、招进来的人尽可能呆的久，他希望你入职。他去跟用人部门、HRBP、财务争取更高的薪资，本质上是在帮自己完成目标，不是在帮你做慈善，所以在入职谈薪上你们的利益在这件事上是一致的。 所以你要做的不是跟 HR 对抗，而是让 HR 有充足的理由去争取。 给他足够多的材料和论据：你有竞争 offer，你的现公司有即将归属的股票，你在目标方向上有稀缺的经验。把这些信息清楚地传递给他，等于给了他在内部谈判时的弹药。 帮你，就是帮他。这个逻辑想清楚了，谈薪的整个心态就轻松多了。 6️⃣ 如果 offer 数字不满意 直接跟 HR 说：这个数字到了我就来，到不了我就不来。 干脆利落，不要拉扯，不要暗示，也不要用什么博弈技巧。HR 每天都要谈几十个人，你那点小心思他一眼就看穿了。 给一个明确的数字，让对方去争取，批下来就去，批不下来就不去，就这么简单。 7️⃣ HR 常见的压价套路 最近和一个有 HRBP 背景的朋友深聊之后，我总结了几种常见手法： 1.否认你的成果。 你说你绩效很好，HR 会说：你的绩效好有可能是因为赶上了风口或者比较适合当前环境，换个环境你还能保持吗？目的是让你对自己产生怀疑，弱化你的议价底气。 2.用平台价值替代现金。 我们的平台、资源、成长空间给你的长期价值远超那几万块差额。道理是这样没错，但平台价值是长期的，你放弃的股票和换城市的成本是短期的、真实的。两者不矛盾，不要被这话绕进去，永远记住下家不愿意给你真金白银就是不认可你的价值。 3.快速推进不给你思考时间。 好的 HR 谈判节奏很快，会在你还没想清楚的时候一步步推着你让步。一旦感觉脑子开始发蒙、被对方牵着走了，立刻喊停。说有急事明天再聊、需要跟家人商量、手头有工作先处理。打断节奏，让自己冷静下来。 4.拆分固定薪和浮动薪。 给你报一个看起来不错的总包，但里面有大量浮动绩效。保底年包 65 万，加上浮动绩效能到 85 万。那 20 万是个问号，第一年大概率拿不满。重点关注保底的固定部分，浮动的最多打五折来算。 8️⃣ 永远守住你的 base 尤其是年包百万以上的候选人，有些公司会把年底 bonus 的比例放得特别大，base 压得很低。 这个坑一定要避开。base 是你在市场上的定价，也是所有后续涨薪、跳槽定价的基准。 base 低了，后面每一次涨幅都是在一个低基数上算，而且如果第一年绩效不达预期，那个很大比例的 bonus 拿不到，就是实打实的降薪。 能把 base 谈高就尽量谈高，少拿点 bonus 比例没关系，base 才是你的安全垫。 9️⃣ 竞争 offer 是最强的杠杆 所有谈薪技巧里最有效的一条：手里有别家的 offer。 你不需要告诉 HR 具体是哪家。可以说：目前有一个还不错的 offer，也是 top 级的平台，给到的年包大概在 XX 万左右，你们这边能不能给到一个更有诚意的数字？ HR 不可能去逐一验证，但他会认真对待这个信息，因为如果你真的走了，他之前投入的所有面试成本全部白费。 竞对 offer 不能伪造具体内容，但可以适度模糊化处理，关键是让对方感受到紧迫感：你不是非他不可的。 谈薪归根到底就是三件事： 1. 算清楚自己值多少钱 2. 开口的时候给一个合理但让自己满意的数 3. 给 HR 一个能帮你争取的理由和承诺 不要贪心，也不要委屈自己。一个让双方都觉得合理的数字，比你硬谈多出来的几千块更有价值。因为你还没入职，这个 HR 对你的印象就已经在决定你入职后的体验了。 去把你应得的薪资拿到手，不用想着多拿，但一分也不少拿。

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。