註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 140字の恋
140字の恋 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 140字の恋 的搜尋結果
A股盘中 11月10日 复盘,请和A股盘前预测对战: 先说结论:指数高开后回吐,上证只收出0.08%的微红,深成和创业板更强,这是中小盘与题材的赚钱日,不是权重趋势日。早盘三条线里,算力硬件还在,但主战场已从设备切到光模块和PCB;商业航天竞价高潮明显退潮,贵金属只剩弱反弹,不宜再当进攻仓。盘中真正共振的是消费电子与AI眼镜、人形机器人,外加一条资金仍扎实的光通信与PCB。不要追连板字辈和已封死的高标,仓位中性偏多,盯今晚CPI。  #盘面速览# 截至收盘,上证3663.72点涨0.08%,深成指11241.54点涨0.86%,创业板指2494.40点涨1.46%,科创50报1265.02点涨0.64%,沪深300涨0.07%。上证开在3682.04点、冲高3683.73点后一路回吐,指数平淡、个股不弱:上证口径上涨1656家、下跌622家,中证全指上涨3933家、下跌1054家。两市成交额合计约1.50万亿元。国证2000涨1.75%,上证50跌0.58%,中小盘显著强于权重。  #板块风格# 行业涨幅靠前的是影视动漫、影视院线、传媒、消费电子、机器人、光学光电子和通信网络设备。概念侧智能音箱、短剧互动游戏、影视、AI眼镜、苹果概念、虚拟现实、人形机器人居前。跌幅侧钾肥、民爆、煤炭和航运油气靠后。进攻落在传媒情绪、端侧硬件和机器人,周期股在撤。光伏概念仍小涨但净流出,贵金属几乎走平,都不再是今天的主战场。  #资金面# 行业主力净流入靠前:电子约86亿、传媒约45亿、半导体约38亿、通信网络设备约35亿、机械设备约32亿、通信设备约31亿,消费电子约22亿。净流出侧有色与铝、石油石化、国防军工、航运、非银靠前。概念上机器人概念净流入约88亿,人形机器人约56亿,CPO和光通信模块合计约90亿,AI眼镜约41亿。光伏净流出约15亿。北向实时接口全日返回占位零值,北向数据暂不可用。  #涨停# 东财收盘涨停池93家、炸板19家,封板率约83%,情绪偏热。7板是闽发铝业,三板里东方新能、日出东方、大东方、龙江交通仍偏字辈或情绪定价,不升格主线。涨停扩散较多的是汽车零部件、光学光电、消费电子和影视游戏。高位连板和字辈票不宜再追。  #盘中消息# 隔夜美股大涨、韩股半导体链早盘暴涨的风险偏好延续到A股,但指数没有走成普涨。更直接的催化是Anthropic发布新模型、英伟达发布世界动作模型GR00T 2,抬升机器人溢价;AI短剧与金鸡电影节首次设立AI单元,对影视传媒有事件驱动。海关总署公布前10个月进出口同比增20%、10月出口同比增35.2%,偏中期利好。药明康德移出美国国防部1260H名单对医药偏暖,但医药今天不是主战场。现货黄金回落至约4128美元,WTI约85.2美元续跌。今晚21:30还有美国10月CPI。以上为公开报道转述。  #热榜# 东财人气榜盘中前排: #宇树科技# $688836 、 #日出东方# $603366 、 #冰山冷热# $000530 、 #东方海洋# $002086 、 #文投控股# $600715 、 #雪人集团# $002639 、 #大东方# $600327 、 #华策影视# $300133 、 #东方新能# $002310 等。同花顺热榜亦见冰山冷热、阳光照明、宇树、中际旭创、新易盛。东方新能涨停是算力板卡合同的情绪定价,不宜算进硬件主线。  #中美映射# 美股主题ETF用11月9日收盘:SMH收涨5.05%,近5日仍跌4.1%、近20日跌17.5%;SOXX收涨7.49%,近5日跌约3.0%、近20日跌约19%;机器人BOTZ收涨2.67%,近5日跌1.2%、近20日跌8.7%。A股刷新至收盘:近5日领跑的是半导体设备与芯片,消费电子、机器人、传媒紧随其后;近20日仍是酒、机器人、医药医疗、汽车和传媒相对占优,半导体与光伏的20日仍为负。今日对早盘映射有修正:5日领先的贵金属和光伏明显掉队,短线脉冲慎追;20日医药医疗没有成为主战场;机器人是双窗口同现且今日继续走强,只是美股BOTZ中期仍弱。半导体是5日共振,20日趋势尚未转正。  #三个方向# 消费电子与AI眼镜:板块涨幅和AI眼镜净流入都靠前,端侧硬件是今天新抬上来的主线,优先有订单和芯片能力的,不追亏损情绪票。 人形机器人与物理AI:隔夜模型和资金净流入都对得上,本体只当方向观察,执行与自动化里挑有业绩的,不追高位连板。 光通信与PCB:早盘算力硬件这条线还在,但设备已经走弱,胜宏高开回吐、中微收跌;真正有成交和净流入的是光模块与PCB,短线已启动,注意回撤。  #六只个股# 1. #沪电股份# $002463 :收81.30元、涨5.45%。近5日约+4.0%,近20日仍约-30%。三季报营收同比约+72%、净利约+107%,是早盘六只里盘中唯一明显走强的业绩仓。 2. #新易盛# $300502 :收183.80元、涨4.43%,成交约163亿、主力净流入约14亿。近5日约+6.0%,近20日仍约-48%。三季报营收同比约+93%、净利约+80%,对应CPO成交最集中的位置。 3. #富瀚微# $300613 :收80.02元、涨20.01%封板。近5日约+29%,近20日约+10%。三季报营收同比约+124%、净利约+845%,消费电子与CIS弹性最大,已涨停只作方向样本,不宜再追。 4. #歌尔股份# $002241 :收25.69元、涨3.84%。近5日约+15%,近20日约+25%。三季报营收与净利大致持平,是未涨停的消费电子龙头观察仓。 5. #赛腾股份# $603283 :收40.23元、涨10.01%封板。近5日约+23%,近20日约+10%。三季报营收同比约+12%、净利约+28%,作为机器人执行侧的业绩样本,同样不追板。 6. #宇树科技# $688836 :收761.01元、涨6.29%,市值约3078亿,人气榜第一。近5日约+22%,近20日约+74%。三季报营收同比约+56%、净利约+271%,增长快但估值极高,只作方向观察,不宜单押。  #小盘阿尔法#  #清溢光电# $688138 :收32.16元、涨13.68%,市值约101亿,掩膜版配套半导体与先进封装。近5日约+20%,近20日约+4.3%。三季报营收同比约+4.9%、净利约+11%,尾盘有回吐,不宜加仓。竞价曾尝试连板的 #超声电子# $000823 回落到涨3.25%并净流出,暂不作为阿尔法。  #操作提示# 不是空仓日,也不是把上午没跟上的方向一次性补齐的日子。商业航天竞价高潮已退,西部材料和中科星图都从高开大幅回吐;贵金属只剩弱反弹,山东黄金不必再当超短主攻。胜宏收涨约1.1%、中微收跌,设备端并未同步。核心仓留给PCB、光模块和消费电子里能对上业绩的,机器人只拿执行侧或观察仓,传媒与字辈严格止盈。今晚CPI或扰动外盘,仓位中性。 关注 @cnfinancewatch,紧跟华尔街与 A 股盘前盘中要点。 订阅
顯示更多
aster-2:native 这是真的准备一点不演了,费率被改,难道也是被攻击了? Aster 突然把自家币 aster-2:native 合约的资金费率上限砍到 0.1%,全站 801 个合约里最低 Aster 公开接口,北京时间 11 月 17 日 23:04 读数 ASTERUSDT 每 4 小时上下限 ±0.1% 同样 4 小时结算的 361 个合约里,343 个是 ±2% $BTC、$ETH 是每 8 小时 ±0.3% 这个上限是今天才出现的 11 月 16 日 08:00 结算 0.1479% 11 月 17 日 04:00 结算 0.1020% 第三方站 Asterpedia 10 月 26 日记录的上限是 ±2% 今晚 20:00 起,合约价和指数价拉开了 23:05 标记价 0.5525,指数价 0.5451,高出 1.36% 20:00 之前一整天,溢价指数都在 0.1% 到 0.4% 按 Aster 文档的公式复算,最近 8 次结算误差都在 0.003 个百分点以内 同一个公式算这一期,23:09 时约 0.52% 上限只给 0.1%,空头这一期最多收到五分之一 Aster 文档写了,极端行情可以调整上下限和结算周期 「不另行公告」那句,原文只说了结算周期 官方 X 从 11 月 15 日到现在的帖子里,这次调整一个字都没提 aster-2:native 是 Aster 自己发的币 11 月 2 日到 16 日,平台每天 99% 的手续费用来回购 aster-2:native,回购了 3,483,088 枚 几点改的,为什么 801 个合约只改了 aster-2:native,什么时候改回去 这三个问题,Aster 到现在没有给答案
顯示更多
0
12
19
2
轉發到社區
不是也没人告诉我美股双十一也大促销啊? 美东周四这一刀堪比之前的平潭一字断魂刀了,纳指综指大约跌了5.5%,纳指100大约跌了6.4%,正式进入技术性调整;标普大约跌了4.4%;费城半导体更夸张,大约跌了12%,美股市值单日蒸发大约3万亿美元。 七姐妹和存储也没逃过这一劫,特斯拉大约跌了10.8%,英伟达大约跌了9.3%,美光大约跌了17.5%,闪迪大约跌了22%,闪迪财报数字其实不差,依旧没能幸免。 完了,AI是不是崩了? 先别急,我知道大家很急 这轮砸盘的导火索,不是某份财报,而是美国中期选举结果落地后,市场开始给「民主党优势扩大 → AI和数据中心可能被管得更严」定价。 这次中期选举民主党同时拿下众议院、参议院,还拿下了德州这个三十八年共和党根据地,以及几个跟数据中心很相关的州长。不少当选人在讲电费、审批、甚至认为AI发展是有害的、需要被抑制的。 自然而然,市场怕以后建算力厂房没那么顺了。 AI这轮行情很大一块,押的就是「厂房还能继续猛建」。厂房叙事现在有点跑不通了,芯片和存储先挨打,很正常。 周五收盘 纳指综指收在大约24579点,涨约1.09%; 纳指100收在大约26990点,涨约1.35%; 标普收在大约7377点,涨约0.31%; 道指反而跌了大约0.46%,收在大约51286点。 总的来说科技在修,蓝筹偏弱 个股这一块:英伟达收涨约2.8%,特斯拉约4.2%,美光约5.1%,闪迪约3.6%,AMD甚至冲到大约11%;但苹果、微软、亚马逊收盘反而略跌。看上去像「芯片和超跌存储在回血,七姐妹里偏防守的那几家没跟上」。 拿周五这点涨幅,去对周四两位数的跌幅,还差得远;而且盘中一度更猛,临近收盘涨幅又缩了一些,说明周末前仍有人不敢放松。 同一天还有10月非农:新增就业大约16.5万人,远好于市场原先看的大约6万人;失业率大约4.1%;时薪环比大约涨了0.4%。 就业偏强,按老剧本本该压制「马上宽松」的想象,美债收益率也抬头了。 所以盘面很拧巴:科技因为超跌在弹,利率预期又不给估值松绑。 周五涨,主要不是「就业差→降息→狂欢」,而是恐慌过后有人敢低吸。 那中期选举对美股,到底影响多大? 短线已经发生了:一两天内把监管溢价重新算了一遍,半导体、存储杀得最凶,纳指掉进调整。 情绪可以一天走完,政策落地通常要慢得多。 比较常见的说法是:2027年以前很多产能已经在建,短时间很难一刀切停掉;更敏感的是2028到2031那批规划。监管变严时,往往更利好手里已经有产能、口袋更厚的超大规模云厂,更伤靠高杠杆追着建的新玩家。 长远看,AI肯定是不会结束的,但会更贵、更慢、更集中。 普通人最容易犯的错,是周四吓清仓,周五又追着反弹梭哈。议息、选举、非农这些东西,讨论的是约束条件,不是按涨跌开关。 对长期定投标普和纳指100的人来说,买的是一篮子能持续赚钱的公司,不是开票夜或就业数据后的那两个小时。 能够承受波动,就继续按计划定投。这种日子更适合拿来理解市场在怕什么,不适合拿来赌明天谁反抽最多。 指数降低选股难度,定投降低情绪难度。 仅作信息分享,不构成投资建议。
顯示更多
0
32
25
0
轉發到社區
━━━━━━━━━━━━━ 【美股盘前】📊 ━━━━━━━━━━━━━ 报告时间:北京时间 2026年6月30日 18:30 数据截止:美东时间 2026-06-30 06:22 AM EDT 一、财经新闻热点(8条) 1. AMD推出Versal Premium Gen 2 MoP自适应SoC,集成32GB LPDDR5X内存,288GB/s带宽,2026年送样、2027下半年量产。【关联】AMD、SOXX、ARKW、IVES 2. Rocket Lab宣布以$54/股、$8B现金+股票全股票方式收购Iridium Communications,合并打造"端到端"太空巨头。【关联】RKLB、IRDM、航天/国防板块 3. AST SpaceMobile与Rakuten共建日本低轨卫星合资公司,日本拨款1500亿日元给Rakuten主导项目。【关联】ASTS、商业航天/卫星板块 4. AeroVironment Q4财报大超预期,盘前飙升+20.14%;FY27指引$2.13B-$2.23B,并购BlueHalo贡献增量。【关联】AVAV、防务/无人机板块 5. Trump在Truth Social施压汽油零售商"立即"降价至$2.50/加仑,原油因霍尔木兹海峡复通回落至$70.75。【关联】XLE、能源股、消费股 6. Jack in the Box发行$500M票据成功再融资债务,盘前+7.23%;Vishay因$750M增发盘前-6.47%。【关联】JACK、VSH、餐饮/半导体 7. Nike、Constellation Brands盘后发布财报(市场预期NKE EPS $0.13、营收$10.86B;STZ EPS $3.21、营收$2.39B)。【关联】NKE、STZ、消费板块 8. 美联储7月议息:CME FedWatch显示68.5%概率维持利率不变;2Y/10Y收益率分别4.10%、4.36%。【关联】TLT、利率敏感型成长股 二、热点聚焦(三大预测方向) 【方向一】半导体自主可控 + 边缘AI扩散 AMD Versal Gen 2 MoP剑指"数据饥渴"AI边缘与数据中心应用,集成32GB LPDDR5X、288GB/s带宽、板面积缩小60%,并支持CXL 3.1、PCIe 6.0,与NVDA Grace CPU+GPU形成"封装级"对标;Cantor Fitzgerald目标价$700、UBS $670、Bernstein $600,CAPE比率突破40、6月以来Mag 7普跌≥8%背景下,机构仍重仓AI算力链。代表个股:AMD、NVDA、SNDK、MU、QRTE.A;边缘AI利好AVAV、AVXX、RKLB(防务+航天嵌入式AI)。 【方向二】商业航天/卫星互联网双轮启动 RKLB以$8B现金+股票收购Iridium,溢价撮合下"端到端太空巨头"成型;ASTS联手Rakuten拿日本政府1500亿日元订单,蓝箭航天/SpaceX"双寡头"格局向多极演化。SpaceX SPCX在WSB排名靠前,散户为太空概念核心阵地。代表个股:RKLB、ASTS、SPCX、PL(Planet Labs)、IRDM(被收购套利)。 【方向三】降息预期 + 财政/关税扰动 Trump施压汽油零售价叠加伊朗局势缓和,油价从6月初高点回落,摩根士丹利下调油价展望;CME FedWatch对7月加息概率定价仅32%,市场仍博弈"软着陆"路径;但巴菲特指标218%、科技股泡沫风险0.82、半导体0.91均亮黄灯。代表个股:XLE(受益油价回落)、TLT(受益鸽派预期)、消费必需品(XLP/CONS STPL -0.44%反弹在即)。 三、恐慌指数和期权市场 • VIX(CBOE恐慌指数):17.57 -0.08 -0.45%(FRED 6/26收盘18.41),连续3日从19.49高位回落,期权市场押注"波动率正常化"。 • VXN(纳斯达克波动率):29.37 -1.45 -4.7%,纳指期权隐含波动率快速降温,机构正在"卸载对冲"。 • QQQ期权链(6/30到期):总持仓674,149张合约,Call 263,593 / Put 410,556,Put/Call比 = 1.56(防御性偏向);IV Rank 44%。 • 个股期权异动:AVAV(盘前+20%)Call IV暴涨、JACK(盘前+7%)$500M票据债项联动看涨期权放量;VSH -6.47%因增发稀释,Put开仓激增。 • 解读:纳指期货+1.1%、VIX/VXN双降,期权市场情绪"risk-on但谨慎",VIX跌破18关口是技术性"风险偏好回归"信号。 四、散户关注热点股(6只,每只80字) (数据来自WSB 24h提及榜 + Stocktwits Trending 06-30 03:15 PST) 1. RKLB(Rocket Lab):WSB提及+479%领涨24h榜;散户共识"太空股旗舰+收购Iridium=端到端垄断"。机构目标价$55-$60,估值30x FY27 Sales偏高,但8B并购+BlueHalo式整合预期催化。WSB情绪"极度看多"。 2. MU(Micron):395 mentions, 88.1%看多;HBM3e 12-Hi量产+FY26Q3财报大超预期驱动,$1,145历史高位震荡。估值15x FY27 P/E,机构目标价$1,200+。WSB技术派共识"突破后回踩$1,100是买入点"。 3. TSLA(Tesla):148 mentions, 169.1%看多;$411.84 -8.5%(注:散户情绪数据相对24h前),市场担忧6月交付数据+Robotaxi进展。FSD v13订阅率提升仍是多头核心逻辑。WSB出现"抄底派 vs 趋势派"分歧。 4. SNDK(SanDisk):140 mentions, 112.1%看多;$2,050盘后+2.27%;存储现货价Q3看涨,散户追"AI存储套利"。估值6x FY27 P/E极端便宜,但与WDC协同度高。WSB情绪"一致看多"。 5. ASTS(AST SpaceMobile):121 mentions, 384%看多;Rakuten日本合资落地+21.44%单日涨幅;蓝箭发射节奏+AT&T/Verizon合约催化。估值30x FY27 Sales是"成长股溢价"。WSB情绪"极度看多"。 6. MSFT(Microsoft):400 mentions全榜第一,34.2%中性;$368.57盘前持平;Azure AI Copilot+OpenAI股权重组两条主线。机构目标价共识$420-$450。WSB情绪"分歧但持仓集中",是"AI组合底仓"。 五、资金流向 • 期货:E-mini S&P 500 +0.7%(+7pt),Nasdaq 100期货 +1.1%(+34.75pt),Dow +0.2%(+104pt)。 • 板块轮动:Communication Services、Consumer Discretionary(+2.68%)、Information Technology(+1.69%)领涨;Materials、Real Estate、能源(-0.62%)、消费必需品(-0.44%)承压。 • ETF流向:SOXX(半导体)+1.5%、QQQ +0.07%、SPY +0.038%、DIA +0.09%。 • 商品:黄金$4,038.3 -0.01%、白银$58.955 +1.34%、WTI原油$70.96 +0.3%、天然气$3.221 +1.26%。 • 外汇:DXY 101.38 +0.27%;USD/JPY 162.3 +0.22%;EUR/USD 1.139 -0.228%。 • 国债:US 3M 3.838% +0.183%、US 2Y 4.106% +0.004%、US 10Y 4.369% -0.114%、US 30Y 4.854% -0.124%。 • 加密:BRC $59,157 -1.0%;加密借贷Q1回升至$670亿。 • 解读:美债收益率曲线小幅"牛平"(短端微升、长端微降),风险偏好回升但"债市不确信Fed鸽派";黄金横盘、白银走强,预示"工业需求+避险"双驱动。 六、小盘美股ALPHA 🔍 (Serenity框架:小盘美股1-2只,每只100字内) 【RKLB / Rocket Lab USA】市值约$230亿 / 商业航天产业链整合者 需求变化 → 财报流向:$8B收购Iridium后,将获得Iridium 200万+政府/海事/航空订阅基础+LEO宽带能力,与Rocket Lab的Neutron火箭+Space Systems垂直整合,下季度财报关注"合并协同效应+ARR增长"。 核心弹性:股价$98.01(盘前+15.9%)从$72低位V型反转,WSB散户共识+机构目标价$55-$60,估值30x FY27 Sales偏高但被并购溢价重置;市场错误归类为"小盘发射商",实为"端到端太空平台"。 验证信号:8月Q2财报+Iridium整合进度+Neutron首飞时间表+商业订单backlog(当前>$15B)。 【NBIS / Nebius Group】市值约$120亿 / AI Neocloud算力租赁 需求变化 → 财报流向:截至2025年底已锁定2GW合同电力,2026年目标3GW+;800MW新建数据中心+欧洲+以色列布局,2026Q2财报关注"AI云ARR+合同电力转化率"。 核心弹性:股价从$30低位反弹至$80+区间,2025年3倍涨幅后估值30x FY26 Sales偏高,但3GW算力合同锁定形成"5年可见收入";市场错误归类为"小盘GPU云",实为"全球AI算力REIT"。 验证信号:Q2 ARR+新增算力合同+Microsoft/CoreWeave等Hyperscaler合作+股权稀释节奏。 七、宏观市场要点(北京时间周二 6/30 关键数据/事件) • 今日经济数据:4月S&P Case-Shiller房价指数(09:00)、6月芝加哥商业景气指数(09:45)、6月谘商会消费者信心指数(10:00)、5月JOLTS职位空缺(10:00)、4月S&P Case-Shiller。 • 财报关注:盘后NKE(EPS预期$0.13、营收$10.86B)、STZ(EPS $3.21、营收$2.39B)、PRGS(EPS $1.42、营收$242.54M)。 • FOMC路径:7月29-30日FOMC会议,CME FedWatch 68.5%概率按兵不动;2Y/10Y收益率曲线"牛平"。 • 政策风险:Trump施压汽油零售价+$2.50/加仑目标、霍尔木兹海峡复通、7月4日独立日假期提前收盘(7/3 13:00 ET)。 • 美股宏观格局:CAPE突破40(1999年互联网泡沫以来首次)、巴菲特指标218%、Mag 7占SPX权重>40%;LPL Buchbinder警示"成熟牛市+短期整固",但无dot-com级别泡沫破裂风险。 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 请关注、转发、收藏,华尔街观察团队将持续跟踪相关消息、解读量化数据,基于WSV模型,给出股票、黄金、债券(ETF)大类资产及板块(ETF)轮动量数据,个股案例研究,为您提供超前布局机会。 ⭐️⭐️⭐️ 文章所载内容信息参考,不构成任何投资建议或操作指南。信息基于公开公告整理和量化数据机器学习计算,文章信息与数据的真实性、完整性、有效性不承担任何责任。历史数据不代表未来、案例分析不代表收益承诺。投资者据此操作,风险自担。投资有风险,入市需谨慎。 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━
顯示更多
SUMCO(3436.T)〈2026年12月期 第3季法說會資料〉 1、第三季轉盈,第四季營收因台勝科出表而下滑 1)3Q26營收1,175億日圓,季增約3%,略低於1,180億日圓的財測;營業利益20億日圓,財測原本是0,前兩季分別虧損52億和11億日圓。EBITDA利潤率29.8%。 2)本季淨利54億日圓,EPS 15.65日圓。主要靠出售台勝科(Formosa Sumco Technology, 3)台勝科從9月30日起改成權益法認列的關聯企業,第四季合併數字不再包含它的營收和營業利益。 4)4Q26財測營收1,070億日圓,季減105億日圓;營業利益10億日圓,淨利40億日圓。全年營收預估4,395億日圓,年增約7%,營業損益仍是虧損33億日圓。 5)日圓對美元每變動1日圓,年度營業利益約受影響12億日圓。全年股利維持20日圓。 2、300mm出貨創高,產能開始跟不上 1)公司表示,第三季300mm受先進邏輯和記憶體需求帶動,出貨量大幅增加。季節變動圖顯示,2026年300mm月出貨從第一季約780萬片升到第三季約900萬片,是2019年以來同期最高。 2)200mm則有AI相關功率元件需求開始起來,第三季月出貨約440萬片,高於2025年同期,但仍明顯低於2021、2022年水準。 3)長約(LTA)價格維持住。 4)公司預期第四季300mm需求在AI帶動下仍強,已經快無法滿足客戶要求量;200mm需求也會超過目前的供給能力。追加需求會依照和客戶的既有關係與價格來分配。 3、客戶庫存去化,邏輯端降得最快 1)SUMCO推估的主要客戶300mm晶圓庫存圖顯示,邏輯客戶的庫存月數從2025年高點明顯下滑,最近幾季降得很快。 2)記憶體客戶的庫存量仍高,但庫存月數大致持平、略為下滑。 4、不擴產,供需會更緊 1)公司認為半導體市場會在AI帶動下維持高成長,300mm需求由AI和資料中心用的先進品帶動。 2)但以目前價格和通膨來看,擴產投資不符合經濟效益;就算決定擴產,也需要好幾年,所以預期供需會更緊。200mm需求也會持續超過現有供給。 5、AI伺服器推升先進邏輯晶圓需求 1)AI訓練和代理式AI的推論都在推高運算量,AI伺服器成為整體伺服器出貨成長的主力。 2)GPU和CPU採用小晶片設計,不同功能用不同製程世代,例如GPU核心從3奈米走向2奈米,CPU核心從2奈米走向1.4奈米,I/O和快取則用5奈米、7奈米等,因此各世代製程的晶圓需求都在增加。 3)公司依調查機構資料推估,伺服器用邏輯300mm晶圓需求會從2025年每月不到30萬片,增加到2029年約75萬片;2奈米和1.4奈米占比會逐年擴大。 4)公司表示會升級製造設備,加強供應先進品的能力。 6、財務結構改善 1)9月底現金及約當現金1,207億日圓,比去年底增加455億日圓;有息負債從3,537億日圓降到2,508億日圓。 2)自有資本比率從51.3%升到61.2%,淨負債權益比從0.48倍降到0.23倍;有形與無形固定資產因台勝科出表減少約2,717億日圓。 3)前三季營業現金流770億日圓,資本支出297億日圓,自由現金流481億日圓。資本支出比去年同期的693億日圓少了一半以上。
顯示更多
大厂终于撕破脸了:轻量小模型根本不是拿来聊天的,那是给大模型当牛马耗材的。 今天凌晨,Anthropic 和 OpenAI 把刀架到了同一根价格线上——输入每百万 token $0.10,输出 $0.50。 分毫不差,精准撞车。 Anthropic 在 02:08 率先亮剑,正式发布 Claude Haiku 5.5,把上一代 Haiku 4.5 的价格直接砍掉九成(从 $1/$5 暴降到 $0.10/$0.50),综合运行成本骤降约 75%,并塞入 1M 上下文。 这一定价,直接焊死了对准 GPT-6 Luna(OpenAI GPT-6 家族最精简小巧的一档,家族还有 Astra 和 Sol)的瞄准镜。 表面看单价一模一样,两家打法却在彼此的死穴上疯狂下刀。 Anthropic 拼的是“单兵战力”。 Terminal-Bench 4.0 终端评测,Haiku 5.5 飙到 39.2%,而 Luna 只有 16.4%(上一代 4.5 还是 0%);OSWorld 2.1 操控评测,Haiku 5.5 拿下 72.4%,把 48.9% 的 Luna 甩了半条街。 它的定位极其明确:专给 Opus 和 Sonnet 当编码子代理,去啃数据库查询、长文本压缩、摘要和分类这些重活。 为了让你立刻用起来,Anthropic 同步给全生态输血:Claude Max 5x 每月送 $100 API 额度,20x 送 $200,Team 版最高发 $500 且支持共享,在自己代码或第三方工具都能扣;Sonnet 5.5 缓存读取砍半到 $0.10,大部分智能体任务直接省约 20%。 约一小时后的 03:19,OpenAI 负责 Codex 的 Tibo 甩出了预定的“28 天挑战”第 3 天更新: GPT-6 全量推给 12 亿周活的 ChatGPT 用户,带可交互图表、按钮、表单的 Intelligent UI;全员付费账户喜提一次存着的额度重置;Codex 与 ChatGPT Work 活跃用户突破 4000 万新高。 但真正的重磅背刺,在凌晨 04:21 被 OpenRouter 彻底引爆: GPT-6 Luna Decisions 正式上架。 输入 $0.10,输出 $0。 输出直接抹成了零?难道 GPT-6 免费了?或者 Luna 聊天不要钱了? 绝不是。 这是 OpenAI 在 10月7日凌晨公测的 Decisions 专用接口:它根本不生成文字,只返回包含是/否概率、选项概率与打分的结构化数据,专供分类、路由和审核。一次请求最多能塞 200 个问题,决策速度比拿常规接口调 Luna 快最多 10 倍。 把这两手牌放在一起,就像工厂车间里上演的极端分工: Anthropic 派来的是全能技工学徒(Haiku 5.5),敲终端、做摘要、跑子代码样样通,工钱只要过去的十分之一; 而 OpenAI 则是在流水线闸口装了一排高速分拣光电闸(Luna Decisions),你要它写报告一字没有,但只要是判别打勾,它把输出端电费直接压成了零。 这场贴身肉搏,把场外的国产模型全卷进了射程。 看 Artificial Analysis 智能指数:Kimi K3 是 44,Haiku 5.5 max 拿下 43,压过 GLM-5.3 Flash(42)、Gemini 3.8 Flash(41)和 Luna(38)。 但天下没有白捡的便宜——Haiku 5.5 max 跑出这个分,每题狂吐了约 16.2 万 token(是 Luna 的 3 倍);更狠的是阶梯收费,一旦提示词超过 10 万 token,单价直接飙涨 5 倍变成 $0.50 / $2.50! 再看国产防线: 智谱的 GLM-5.3 Flash 刚在 10月6日上架 Bedrock,官方价 $0.15 / $0.50,手头还有完全免费的 GLM-4.7-Flash 顶在前面; DeepSeek V4.1 Flash 虽说平时是 $0.30 / $1.20,但闲时五折($0.15 / $0.60),更有闲时缓存命中的杀手锏——输入只要 $0.003(Haiku 5.5 缓存读取要 $0.01),ARC-AGI-2 拿到 72.9%,单任务仅需 $0.13。 尽管过去 24 小时里,智谱和 DeepSeek 都没有发布新模型或降价,但头顶的空间正被两侧极限挤压。 大模型真正的残酷战局,从来不是在对话框里比谁写诗便宜,而是把智能体的苦力链条彻底生吞:能用概率打勾的绝不吐字,能做子代理代工的绝不让主力模型浪费一分钱。
顯示更多
0
14
11
0
轉發到社區
当年郎平为回国效力把300平米的美国大别墅、汽车和存折全摔在桌上,然后推门净身出户! 1995年,美国新墨西哥州,一套价值百万美金的别墅,连带两辆汽车和全部存款,被一个女人毫不犹豫地全部放弃。 她只签了个字,拎起两只装着几件衣服和排球训练笔记的帆布包,就登上了回国的飞机。 这个女人叫郎平,当年所有人都说她疯了,说她傻,放着好日子不过非要回国吃苦。 可很少有人知道,她放弃的不是财富,而是一场关乎中国女排生死存亡的时间赛跑。 那套别墅不是天上掉下来的。 1987年,郎平和丈夫白帆揣着几十美元到美国留学,连学校食堂最便宜的午餐都舍不得吃,每天靠廉价热狗填肚子。 为了挣钱,她远赴意大利打球,膝盖里全是碎骨,疼得钻心,有一次比赛左膝直接脱臼,队医当场给她复位,第二天她戴着护膝上场,扣了17分。 工资按场次结算,少救一个球,下个月的房租可能就没着落。 就这样打了四年,她才攒够了钱,在美国买了那栋带院子的大房子。 房子买下时,女儿白浪才三岁,常坐在后院秋千上等妈妈回家,有时候等着等着就睡着了,白帆就把她抱进屋。 可郎平原计划等女儿上小学就安定下来,好好享受这来之不易的家,她只在那房子里住了一个多月。 1994年,中国排协的一通越洋电话打到了美国。 电话那头的声音很急:世锦赛输了,0比3输给古巴,队员哭着回宾馆,最终排名第八,创了“五连冠”之后的历史最差成绩。 主力队员伤的伤,退的退,队伍士气彻底散了。 郎平挂了电话,翻开日历,距离亚锦赛只剩68天。 那时的中国女排是什么样子? 1992年巴塞罗那奥运会只拿了第七,1994年巴西世锦赛,队伍在1/4决赛输给韩国,接着又输给德国和日本,国内排协急得火烧眉毛。 多名老队员写了辞职报告,队长赖亚文说:“如果不换教练,女排肯定起不来了。 ”袁伟民亲自找郎平谈话,说女排最缺乏的是一种精神,是教练的凝聚力,要用一种人格的力量来调动运动员,时间又特别紧迫,离亚特兰大奥运会只有一年半时间,不允许再慢慢启动了。 郎平面临一个选择。 一边是急需她回去重整旗鼓的国家队,一边是正在办理离婚手续的跨国婚姻。 按照美国法律,婚后财产要平分,那套别墅、车子、家具,保守估计值数百万美元。 正常走离婚程序,财产分割拉扯个一年半载很正常,甚至可能拖上两三年。 她等不起。 女排的重建窗口就那么一点,错过了,可能又是好几年的沉沦。 如果她陷在纽约的法院里,跟律师一遍遍核对财产清单,国内的队伍人心就真的彻底散了。 她没有犹豫,在律师递来的文件上签了字,没划重点,没加备注,笔尖都没顿一下。 那套刚住满三十七天的房子、车库里那辆深蓝色福特、客厅里还没拆封的意大利皮沙发,全部归前夫白帆。 她选择净身出户。 签完字第二天,她去超市买了两盒牛奶、半袋面粉、一罐麦片,塞给白帆:“浪浪喝这个,不拉肚子。 ”然后,她带着两箱书和衣服,头也不回地去了机场。 很多人后来议论,说白帆占了便宜,靠离婚一夜之间成了百万富翁。 但事情的另一面是,白帆接下了抚养女儿的全部重担。 离婚时白浪才三岁,白帆承诺在女儿成年独立前不会再婚,这个承诺他守了整整十五年。 一个大男人,前八一男排队员,身高一米九,从此当爹又当妈。 他白天在学校教篮球、当司机,晚上回家照顾女儿。 女儿青春期叛逆,他耐心沟通,从不打骂。 女儿学业遇到难题,他熬夜查资料帮忙梳理。 郎平回国后工资微薄,连往返中美的机票钱都紧张,更别说经常探望女儿。 从1995年到2010年白浪考上斯坦福大学,母女俩见面的次数屈指可数。 白帆用十五年的单身,给了女儿一个稳定、完整的成长环境。 那套别墅,与其说是分给他的财产,不如说是郎平留给女儿的生活保障,也是对他独自承担抚养责任的一种托付。 白浪后来从斯坦福大学毕业,进入华尔街工作,又转行做自己喜欢的宠物康复,成长得独立又优秀。 这背后,是父亲白帆日复一日的付出。 他从不拿自己十五年的付出博取大众同情,极少接受媒体采访,安安静静做普通人。 他甚至考取了青少年篮球教练证,在社区带小孩打球,时间灵活还能顺带陪白浪练运动项目。 他把所有积蓄优先投在白浪的教育上,开的还是那辆旧车,生活圈缩到“家—学校—训练场”三点一线。 那栋价值数百万美金的别墅,后来怎么样了? 白帆一直住在那里,陪着女儿长大。 白浪上大学那年,他把房产证的复印件寄给了郎平,背面用铅笔写了一行小字:“院子剪草机还在车库第三格。 ”郎平没有回信,只是让助理汇了一笔钱过去,备注是“浪浪牙套费”。 白帆后来通过朋友介绍认识了美籍华人Jennifer,在2010年左右低调再婚,婚后不久老来得子,儿子取名白帝。 白浪全力支持,帮着挑婴儿床、陪弟弟玩,跟继母关系也很融洽。 郎平得知后也大方送上祝福。 2016年,郎平与社科院教授王育成再婚,白岩松担任司仪,白浪从旧金山飞回北京,在婚礼上说:“妈妈是世界上最漂亮的妈妈,祝你们白头到老。 ”如今郎平退休后常驻洛杉矶,离白浪公寓走路几分钟,母女俩常一起喝茶遛狗,弥补当年错过的陪伴。
顯示更多
太牛逼了 !新东方那一套,已经被一份免费的 GitHub 仓库写完了。 46k stars,作者本人是高考英语省状元。这事儿挺多英语培训机构现在不太想让你知道。 这帮了哪些人? 工作多年想重启英语的,别再花钱报班了,先翻基础认知那章,你以前学不进去的原因写在那。 雅思托福备考党,四技章节比市面上很多教材都顺,哪块弱补哪块。 留学党、大学生,作者本人就是顶级英语学习者,背书够硬。 用 AI 学英语的人,新版给的是把模型当陪练的具体方法,有 prompt 有工作流。 做长期内容的,其实你也该看看。这事儿后面单独讲。 它实际怎么做的? 第 1 层是基础认知,先讲学习原理 第 2 到 6 层是词 / 听 / 读 / 说 / 写,各自独立成章 第 7 层是 2026 新增的,AI 工具,给的是 prompt 和工作流 中英对照,方法和阅读一起练 协议 CC BY-NC 4.0,可抄结构可改,不可商用 7 层结构,每层独立,挑着抄都行。 作者凭什么这么写? 大四一学期过了 26 门考试,其中重修 19 门。 高考江苏卷英语加语文,双科省第一。 这种背景写英语方法,不用拉同行做对比也站得住。 让我反应过来的那一下 这份指南其实跟英语关系不大。 它演示了一件事:一份单领域内容怎么活 9 年还在涨。 讲真,秘诀很简单。每隔几年加一层新的认知维度就够了。改大纲、补 FAQ、调结构,对长期影响力的帮助很有限。 2017 第一版收的是基础认知和四技 2026 第二版直接加进来一整层 AI 工具 加维度,不堆内容。 这就是为什么有人写了 100 篇还是 100 篇,有人写 50 篇就成了体系。 Repo: 免费,打开就能读,中英对照。 P.S. 这种东西很少有人收藏完真去读的。我建议反过来:选一章你最弱的,今晚读完写 200 字笔记。能落地就开个仓库照着抄一版自己的领域。光收藏,46k stars 跟你没关系。
顯示更多
0
17
1.2K
306
轉發到社區
过去20年日本最成功的房地产公司 刚刚出炉的数据,大伙儿猜猜日本工资最高的上市公司是谁? 不是丰田,也不是软银,更不是五大商社。 而是一家可能你从来都没有听过的房地产公司——Hulic。 如果说OpenHouse将新入社员的月薪调整到40万起步,已经是行业的翘楚,那么当你了解了Hulic这家公司之后,你才会发现,什么叫小巫见大巫? 根据东京商工Research最新披露的数据:Hulic员工2025年度平均年收入达到2295万日元(约合人民币110多万元),比上一年的1908万日元又涨了一大截,创下日本上市企业的历史纪录。 Hulic的员工年薪在被统计的3123家日本上市公司中排名第一。 第二名M&A Capital Partners是2266万,第三名Keyence是2178万。 Hulic在日本房地产行业的市值只能排到第四位。 目前日本市值最大的房地产公司分别是三井不动产,总市值为4.58万亿日元;三菱地所,总市值为4.14万亿日元;住友不动产,总市值为2.98万亿日元。Hulic的总市值为1.24万亿日元。(以上总市值均为2025年9月8日数据) 市值第四位,用人最后一位。 这家公司的员工总数,如果不算入子会社,总数只有234人。我估计比很多中坚型不动产公司的人数还要少。 即使算入子会社,包括酒店管理公司,物业管理公司等等,全部加起来,员工也只有3495人。 比起传统的大财阀,如果按照集团来算,比如三菱6万多人,三井5万多人,伊藤忠11万多人,住友8万多人,丸红5万多人,Hulic的职工人数也就是这些巨头的零头。 就这234个人,管理着一家总资产超过3.5万亿日元的房地产公司。 Hulic从2008年开始,实现了连续18年的增长,2008年利润123亿,2025年利润大约1550亿日元,意味着平均每一名员工,对应创造约6.6亿日元经常利润。 所以它敢给员工2000多万年薪。 看来不是工资给得太高,而是人均创造得太多! 从ROE的角度看,Hulic一直保持了10%以上的水平。来看看2025年头部几家房地产公司的ROE对比数据。 ROE本质上回答的是:股东给你100块钱,你一年能替股东赚回来多少钱? 三菱地所大约赚8.5块。 三井不动产大约赚8.7块。 Hulic能赚13块。 所以Hulic真正超过日本三大财阀地产公司的,不是规模,而是资本效率。 要比规模,三菱地所有丸之内,三井不动产有日本桥,住友不动产有新宿,东急有涩谷,森大厦有六本木,这些传统财阀的资产规模都比Hulic大。 但要是比同样出100亿资本,谁能赚出更多的钱。 毫无疑问,Hulic遥遥领先! 那么这家公司成功在哪里呢? 答案就藏在他们过去20年的经营逻辑里。 Hulic以前根本不是什么地产巨头。 1957年成立的时候叫“日本桥兴业”,本质上就是富士银行旗下管理自有房地产的公司。本来是用来存放自用不动产和安置半退休行员的子公司,说得更直白一点,它就是富士银行的养老院。 真正的转折点发生在2006年,前瑞穗银行副行长西浦三郎接手以后,做了改革,干了三件事:改名字、挖人才、准备上市。 开始彻底改造这家公司,这三件事的背后,就是一个目标:摆脱银行控制! 在这样的大刀阔斧改革之下,过去银行体系里那些半退休式的人事安排慢慢退出核心岗位,大量引入真正懂建筑、开发、金融、不动产投资的人。 Hulic最大的秘密:就是坚决不把公司做大。西浦三郎一直认为,公司保持300人左右最好。所以一直到今天,Hulic也只有234人。 很多房地产公司赚钱以后第一件事是扩编:开发部、管理部、销售部、酒店部、海外部、、、、、、最后楼越来越多,人更多,会议更多,效率反而越来越低。 Hulic走的是反方向:公司可以做到万亿级,人要在300以内! 人少,做的事儿就得精!只是,西浦三郎要的不是“小而精”,而是“中而精”。 简而言之,五点战略: 1、只要东京都心,车站3分钟的物业,放弃日本地方小城市的房地产。 2、重点发展中规模的写字楼,舍弃了大规模的地标性的写字楼。 3、重点做旧楼的再开发和中小规模再开发,舍弃了大规模的再开发。 4、重点做面对老人的养老设施,舍弃了住宅开发。 5、重点做面向观光客人的酒店和日式旅馆,舍弃了海外地产业务。 Hulic的战略高度浓缩,可以归纳成一句话:只做东京核心车站边上的中型物业,加上“3K”:高龄者Koureisha、观光Kankou、环境Kankyou。 目前Hulic持有物业中,68%在东京23区,46%在千代田、中央、港、新宿、涩谷这都心5区,73%的楼距离车站步行5分钟以内。结果就是空室率只有0.3%,而东京都心5区的市场平均空室率是4.0%,相差差了十几倍。 20年后,这家当年没人瞧得上的银行子公司,成了日本银座最大的房东,手握银座39栋物业,超过三井、三菱、住友这些财阀系巨头在银座的存在感。 今天大家都在聊AI,它又开始投资东京的数据中心。战略又进一步延伸到了酒店、数据中心、航空物流、研究设施等下一代资产。 Hulic这样的公司对于我们这样小型房地产公司有哪些启示呢? 这个,我们明天再聊。
顯示更多
0
38
66
9
轉發到社區
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。
顯示更多
0
119
1.1K
192
轉發到社區