好策略不一定要更强，但一定要不一样 有些趋势跟踪策略的基金夏普比率（Sharpe Ratio）只有 0.3-0.5，也有很多资金认购，主要是因为策略配置时，除了收益以外，策略间的低相关性也很重要，怎么说 Sharpe 0.3 也是盈利策略。 组合策略的 Sharpe 有收益线性叠加，波动按 √N 叠加的特点。N 个零相关、Sharpe 各为 S 的策略等权组合，组合 Sharpe = √N × S： - 4 个 Sharpe 1 的独立策略 → 组合 Sharpe 2 - 9 个 Sharpe 1 的独立策略 → 组合 Sharpe 3 - 16 个 Sharpe 1 的独立策略 → 组合 Sharpe 4 独立交易员 Scott Phillips 在 Flirting With Models 的节目公开过他的加密组合策略，包括： - 趋势跟踪（CTA 风格， 以 50% 年化波动率作为仓位控制的约束）：过去 4 年 Sharpe 1.7，收益分布正偏（大部分小亏，小部分大赚） - 横截面动量（所有币按波动率标准化后，按过去 N 天收益排名，前几名开多，空后几名开空）：Sharpe 略高于 1.7，收益分布不如趋势偏向单边大赚 - 横截面套息（所有币按资金费率排名，最高的开多，最低的开空）：Sharpe 1.7（与趋势跟踪相近），收益分布是负偏（大部分小赚，小部分大亏），而且这个策略与前两个策略的相关性明显低。 Scott 最后总结：“这三个一起运行，很容易达到 Sharpe 2 ，执行上不需要太精细。” 按之前的公式倒推：N = 3，Sharpe 各 1.7，组合 Sharpe 取决于两两相关度 ρ： - ρ = 0.5 → 组合 Sharpe 2.08 - ρ = 0.3 → 组合 Sharpe 2.33 - ρ = 0 →组合 Sharpe 2.94 可见相关度越低的策略在一起，对组合 Sharpe 提升越大（相关性在极端行情会失效，不过这是另一个话题，这里不展开）。 上面这几个策略都是价格方向上的相对排名，机制上有不少同源。要再降低相关性，就需要换一个完全不同的维度。 波动率策略做的是隐含波动率和实际波动率之差（波动率风险溢价），与价格方向的相关性显著变低。AQR 在波动率策略的研究里提过，波动率风险溢价策略与动量、套息、趋势的相关性都很低，所以将这类策略纳入组合，能显著降低波动性，从而提升组合 Sharpe。 可以试算一下，我们假设当前组合的相关性为 0.5，夏普为 2.08，此时加入一个 Sharpe 1.2 且和其他策略相关性只有 0.1 的新策略，那么新组合 Sharpe 将提升为 2.29。即使新增策略的 Sharpe 略低，依然使得整个组合的 Sharpe 提升了 10%。这是配置层面的杠杆：加入不同源的新策略，等于打开了一个新世界。

OKX Boost 已上线 Mezo @MezoNetwork 奖励领取将于 4 月 2 日 18 点（HKT）开启 立即参与： 本活动受活动页面上的活动条款约束，其他详情请查看公告

美伊战争现状： 2026年4月7日晚（最后期限前不到1小时），特朗普宣布同意两周临时停火（双向停火）。 条件：伊朗立即全面、立即、安全开放霍尔木兹海峡（已同意“与武装部队协调下”安全通航）。 美国/以色列暂停对伊朗的一切轰炸和军事打击。 停火生效：伊朗时间4月8日凌晨左右。 谈判安排：4月10日（周五）在巴基斯坦伊斯兰堡启动正式谈判，为期两周（至4月24日左右） 谈判内容伊朗10条VS美国15条 伊朗十条： 1。在伊朗武装部队协调下，对霍尔木兹海峡实现受控/管控通行（赋予伊朗独特经济和地缘政治地位）。 2. 结束对“抵抗轴心”（包括黎巴嫩、也门、伊拉克等）所有成员的战争，终结以色列的侵略行为。 3. 美国作战部队从该地区所有基地和部署点全面撤出。 4. 在霍尔木兹海峡建立安全通航协议/议定书，确保伊朗的主导/控制地位。 5. 根据评估全额赔偿伊朗遭受的战争损失和重建费用。 6. 解除针对伊朗的所有一级和二级制裁，以及安理会、国际原子能机构（IAEA）的相关决议。 7. 释放/解冻所有被美国及海外冻结的伊朗资产和财产。 8. 永久结束对伊朗的战争（无时限，而非临时停火），并保证伊朗不再遭受攻击。 9. 接受伊朗的铀浓缩权利/核计划（伊朗承诺不寻求核武器，但保留民用浓缩权）。 10。 将上述所有内容纳入具有约束力的联合国安理会决议，转化为国际法，并立即在各战线生效全面停火。 附加说明： 伊朗强调，只有全部十点得到满足，才视为战争真正结束。 两周停火期间，伊朗允许霍尔木兹海峡在“与武装部队协调下”安全通行，但受技术限制。 美国15条： 1. 立即/30天临时停火，期间进行全面谈判。 2。 彻底拆除伊朗核设施（Natanz、Isfahan、Fordow 等关键站点）。 3. 伊朗永久承诺永不发展核武器。 4. 停止境内所有铀浓缩活动，不再在本国进行浓缩。 5. 将现有浓缩铀库存移交给国际原子能机构（IAEA），并接受全面监督。 6. 限制伊朗弹道导弹的数量和射程（仅用于防御）。 7. 停止支持地区代理人/抵抗轴心（包括真主党、胡塞武装、哈马斯等），停止提供资金、武器和指挥。 8. 结束对地区能源设施的攻击。 9。 立即重新开放霍尔木兹海峡（确保安全自由通航）。 10. 解除对伊朗的所有制裁（作为交换条件，但有重新施加机制）。 1. 允许美国/国际支持伊朗民用核电（如Bushehr电站）。 12–15. 其他配套条款：包括战争结束后的重建机制、地区安全安排、 IAEA 全面准入、防止未来冲突的保障等。 可能的结果： 高概率妥协点： 核：伊朗保留有限浓缩（低丰度+严格IAEA监督），不拆除全部设施，但承诺不发展核武 + 部分库存移交。 海峡：建立“伊朗协调下的安全通航协议”，伊朗可收取一定费用，但保证不封锁。 制裁：分阶段全面解除（先解除部分，待核查达标后全部），冻结资产解冻。 代理人/导弹：双方“逐步降级”——伊朗减少对代理人支持，美国/以色列停止打击抵抗力量。 赔偿+撤军：象征性赔偿 + 美军“有序减少存在”（非立即全面撤出）。 低概率极端结果： 伊朗全赢（永久停火+零让步）：可能性低，美国不会完全接受。 美国15点全胜（零浓缩+拆核）：可能性低，伊朗已明确拒绝。 谈判破裂、恢复大规模轰炸：短期内概率低（双方都已公开“可行”）。

OKX Boost 将上线 Pieverse @pieverse_io Boost 交易量和余额资格将于活动注册当天公布 注册时间：5月4日18时 - 5月5日18时 (HKT) 奖励领取将于 5 月 5 日 22 点（HKT）开启 立即参与： 本活动受活动页面上的活动条款约束，其他详情请查看公告

Karpathy 发布了一个github开源项目，狠狠让我惊艳到了 这个项目叫 andrej-karpathy-skills,GitHub 13 万+ star,我愿称之为2026 最有用的 AI 工程项目 它解决的问题极其精准：让 Claude Code 不再瞎写代码 这个项目到底有多厉害？ 先说结论：一个 4KB 的文本文件，让 AI 写代码的错误率暴降 90% Karpathy 自己说，他现在 80% 的代码都让 Claude 写，但 AI 经常犯几个典型错误： 不问就瞎猜需求 过度设计，写一堆用不上的抽象 改 A 顺手把 B、C、D 也重构了 代码能跑就行，不管目标达成没有 这个项目就是专门给 Claude Code 戴上guardrails，用 4 条行为准则约束 AI 的编码行为 核心亮点：4 条准则改变一切 整个项目就是一个 CLAUDE.md 文件，里面只有 4 条规则，但每一条都直击 AI 编码的痛点 1. Think Before Coding - 先思考再动手 AI 最大的问题是“太听话”，你说啥它就写啥，从不质疑 这条准则要求：明确说明假设、权衡 tradeoffs，不确定就直接问 不再是“我猜你想要这个”，而是“我理解你的需求是 A，但 B 方案可能更合适，你要哪个？” 2. Simplicity First - 极简实现优先 AI 天生爱炫技，你要一个登录功能，它给你写个完整的 OAuth 2.0 + JWT + 刷新令牌 + 权限系统 这条准则强制：只写刚好能解决当前问题的最小代码 不搞 speculative abstractions，不写未来功能，不过度工程 一个用户反馈：用了这条规则后，代码 diff 从动辄几百行缩减到几十行，review 轻松太多 3. Surgical Changes - 手术式精准修改 这是我最爱的一条 AI 有个恶习：你让它改个 bug，它顺手把整个文件的命名风格、缩进、注释全优化了 这条准则要求：只改用户要求的部分，严格匹配原有代码风格 不碰无关文件，不顺手 refactor，不加“看起来更好”的改动 有开发者实测：启用这条后，git diff 从“满屏红绿”变成“3 行精准修改” 4. Goal-Driven Execution - 目标驱动执行 AI 经常写完代码就交差，但代码能跑 ≠ 任务完成 这条准则要求：把任务转化为可验证的目标/测试/成功标准，然后 loop 执行、验证、迭代 直到真正达成目标才停止 这让 AI 从“代码生成器”变成“问题解决者” 真实效果：社区反馈炸裂 X 上这个项目刷屏了，开发者反馈高度一致： 代码质量飞跃：diff 更紧凑、干净，overbuild 和 side changes 大幅减少 错误率暴降：有人实测从 41% 掉到 11%，继续优化后低至 3% 中文社区评价：“必备 skills”“Claude/Cursor 实用技能 Top1”“直接扔项目里就完事了” 很多人直接 @ 朋友推荐：“把这个 CLAUDE.md 放进去，Claude 立刻像换了个人，写代码更靠谱、不乱改、不瞎猜“ 使用方式：简单到离谱 这是我见过最简单的 AI 工程优化方案： 方法一：直接 curl 把 CLAUDE.md 下载到项目根目录 curl -o CLAUDE.md 方法二：用 Claude Code / Cursor 的 plugin 一键安装 支持 Claude Code、Cursor 等主流 AI coding 工具 完全开源（MIT 协议），拿来就用 作为产品经理出身的开发者，我看到的不只是 4 条规则，而是对 AI 编码行为的深刻洞察 Karpathy 做的事情本质上是：给 AI 建立编码的第一性原理，他把他对于AI编程的理解写入了文件中 不是教 AI 怎么写代码（它已经会了），而是教 AI 什么时候该问、什么时候该停、什么时候该简化 这 4 条准则就像产品经理给开发团队定的 PRD 原则： 需求不清楚？ 先问 功能够用就行？ 别过度设计 改需求？ 只改需求相关的 做完了？ 先验证目标达成没有 它能帮到我们什么？ 如果你是独立开发者或小团队，这个项目能直接提升你的 AI 协作效率： 减少返工：AI 不再瞎猜需求，写出来的代码更符合预期 降低 review 成本：改动精准，不用在一堆无关修改里找真正的变更 提升代码质量：极简实现意味着更少的 bug、更好的可维护性 加速迭代：目标驱动让 AI 真正解决问题，而不是生成代码 对于中大型项目，这是让 Claude Code 真正“生产可用”的关键一步 我的使用体会 我在自己的几个项目里部署了这个 CLAUDE.md，最直观的感受是： AI 变聪明了 以前它是个听话的实习生，你说啥它做啥，经常做错 现在它像个有经验的同事，会主动问“你确定要这么做吗？ 我有个更简单的方案” 代码 diff 变干净了 以前一个小需求能改几十个文件，现在精准到只改 3-5 行 我的工作重心变了 以前 60% 时间在 review AI 的代码、修 bug 现在 80% 时间在思考产品逻辑，AI 真正成了生产力工具 最后 这个项目被誉为 2026 年 AI coding 领域的“现象级”黑魔法工具 小文件，大作用 如果你在用 Claude Code / Cursor 写代码，强烈建议直接把这个 CLAUDE.md 扔进项目根目录 GitHub 地址： 试过的人基本都是“已全项目部署”的状态 作为一个天天和 AI 协作的开发者，我的建议是：别犹豫，直接用

昨天 聊了一个家装行业的需求！ 设计公司需求： 在客户没下单之前，很多客户要求看看图的这个需求，做一个方案（或者草图）出来！ 之前他们画图需要 4～5 天 我做一个 skill 过去，可以从一个户型图开始，分析户型（提供情绪价值）然后建议风格，做 3 种或者更多的风格给客户看，各个房间多角度。 然后家具的选择，我让一个agent 去 taobao跑 购买链接回来！ 然后……output 一个 png 长图或者 html —————— 反正大概就是： 可运行的 .py/.js脚本 人物边界 分工的 Agent input/output格式和约束 硬约束 质量标准 校验脚本 错误处理脚本 README —————— Voice Input 一堆之后，然后优化迭代几个版本之后输出的结果！ —————————— 一个强大的终端，加上一套你写好的 Skill，就是一个完整的、高度可用的工作流……

关于存储，和 Codex 搓了两天，最后我自己的结论有两个。 第一，AI 存储未来 2-3 年大概率仍偏紧。 原因很简单：需求更接近软件和 capex 驱动的指数过程，供给却受 wafer starts × bits per wafer × 良率 × 封装 这些物理约束。AI 爆发之后，需求是虚拟产品和算力扩张拉出来的，供给还是一个很重的制造业问题。 第二，这轮存储周期真正该盯的，不只是“谁最高端”，而是谁的利润增速最陡。 市场最容易盯着 HBM，因为逻辑最直白：GPU 出货 × 单 GPU HBM 容量。但如果把视角从“产品档次”切到“利润斜率”，结论会更反直觉。 HBM 需求主要是 GPU 的函数。 服务器 DRAM 是 GPU 数量 × CPU:GPU 比例 × 每服务器内存容量，所以 agentic AI 若把 CPU:GPU 从过去的 1:4/1:8 拉向 1:1，服务器 DRAM 的需求会被显著抬高。 企业级 SSD 更接近 token 结构 的函数，而不只是 token 总量的函数。普通短问答 token 大多停留在 HBM/DRAM，真正会拉动 eSSD 的，是那些“高传导 token”：RAG、长期记忆、KV cache offload、agent 日志、checkpoint、审计留存。随着 agent 增长，这类 token 占比会上升，所以 eSSD 的需求斜率可能比很多人直觉里更陡。 Nearline HDD 则是冷温数据沉淀、保留周期和多模态数据湖的函数。 再看供给。真正重要的不是名义产能，而是可销售有效产能。 HBM 卡在先进 DRAM wafer、TSV/stack、测试和 CoWoS； 服务器 DRAM 卡在 DRAM bit 供给本身还要被 HBM 挤出； 企业级 SSD 就算把认证、客户导入、firmware 这些软墙都拆掉，最后也还是要撞上 wafer starts × NAND bits per wafer 这个更硬的物理天花板。即便企业级 SSD 靠 product mix 往 datacenter 倾斜，供给极限抬到 45%-55%，如果需求按高传导 token 结构去跑，还是大概率追不上。 这也解释了为什么供需缺口未必是 HBM 最大。HBM 的需求最快，但它也是全产业链最优先扩产的产品，供给响应最集中；服务器 DRAM 同时吃到 AI 需求上升和 HBM 挤出两层影响；企业级 SSD 更反直觉，NAND bit 本身未必最紧，但一旦 token 结构向 agent、长上下文、KV offload 倾斜，eSSD 的需求斜率会比总 token 更陡，而供给仍受 NAND 的物理增长速度限制。 产品价格和利润增速也不能混为一谈。高端产品不等于高利润增速。HBM 即使毛利率高，如果涨价幅度有限；而低端或中端产品若因供给被抽走、价格暴涨，利润增速反而可能更猛。最新财报里，SNDK 的 non-GAAP gross margin 已经高于 Micron，这其实很反直觉，也说明这轮里 eSSD/NAND mix + 涨价 + 低基数修复，完全可能把 NAND 厂的单季利润弹性推到比 HBM 更夸张。 如果中国厂商未来更充分承接 consumer SSD / client SSD / DDR4 / 部分 DDR5/LPDDR，全球龙头当然可以把更多资源转去高端产品。短期看这是利多，但中期也可能削弱高端稀缺性，让高端产品的利润增速边际放缓。不过在这个情景下，企业级 SSD、服务器 DRAM、HBM 大概率仍然偏紧，只是紧的程度不同。 以最后排利润增速，不能按“谁做的产品最先进”来排，而要按“谁处在低基数、价格弹性大、且供给转移暂时还没把稀缺性抹平”来排。 如果看短期 1-4 个季度的利润斜率，我更倾向于：Sandisk > Micron > SK hynix > Samsung。 如果看 2-3 年的确定性和持续性：SK hynix ≈ Micron > Samsung > Sandisk 更稳。 HDD 里的 Seagate / Western Digital 仍是 AI 数据沉淀的稳定受益者，但更像慢牛，不是爆发型弹性标的。 一句话总结： 这轮存储周期最容易被低估的，不是 HBM 有多热，而是服务器 DRAM 和企业级 SSD 的利润斜率，可能比市场现在理解的更陡。

最近 guizang 、zarazhangrui 花叔等大佬纷纷开源 PPT Skill，我花了一天测试完了7个ppt skill项目，直接把结论分享给大家： AI 生成 PPT 丑的核心原因，不是 AI 能力不行，是你没给它正确的审美约束系统 这7个开源 Skill 解决的就是这个问题——它们把“什么样的 PPT 人类才愿意看”编译成了 AI 能理解的规则 下面按使用场景分类推荐，直接对号入座： 1. frontend-slides：看图选风格的 Vibe Coding 典范 GitHub: zarazhangrui/frontend-slides (17k+星） 这是我测下来最符合“Vibe Coding”理念的一个 核心亮点：不问你要什么风格，直接生成3个不同方向的预览图让你挑 挑完之后再生成完整 deck，全程零 CSS/JS 知识门槛 支持12种精选风格模板，PPT 转网页，一键 Vercel 部署或导出 PDF 作者 zarazhangrui 在 X 上说得很直白：“代码生成的 slides 可以比大部分 PPT 工具做得更好，但前提是你得先让 Claude 理解什么叫‘好看’” 这个 Skill 的精髓在于 Show, Don't Tell——不让用户描述审美，而是让用户指认审美 适合场景：需要快速出一套有设计感的演示文稿，尤其是对外 pitch 或线上分享 2. huashu-design：一句话生成 HTML deck + 可编辑 PPTX GitHub: alchaincyf/huashu-design (13k+星） 花叔这个项目野心更大，不只是做 PPT，而是做“HTML-native 设计系统” 一句 Prompt 能同时输出： 专业 HTML deck（浏览器直接打开） 可编辑 PPTX（给不懂代码的同事改） MP4导出（直接当视频用） 交互原型（可点击的 App demo） 内置20种设计哲学（Bauhaus、Swiss、Brutalism……）,5维设计评审系统 在 X 中文圈常和 guizang 项目并列推荐，两者审美路线不同：huashu 偏“设计工具消失感”,guizang 偏“杂志编辑部美学” 适合场景：需要多格式交付，或者团队里既有技术也有非技术人员协作 3. guizang-ppt-skill：专治 AI 生成 PPT 审美灾难 GitHub: op7418/guizang-ppt-skill (7k+星） 歸藏在 X 上分享自己的 PPT 模板后，直接把整套审美系统开源成了 Skill 这个项目的定位很明确：横向翻页杂志风 HTML PPT 10种布局骨架，5套主题配色（不允许自定义 hex 值，强制保护美学） WebGL 流体背景，Motion One 驱动的入场动效，单文件输出（离线可用） 歸藏在 README 里写：“颜色搭配错了画面瞬间变丑，保护美学比给自由更重要” 这句话戳中了 AI 生成内容的核心痛点——自由度和质量往往是反比关系 适合场景：15-30分钟的线下分享、私享会，需要凸显个人风格的场合 4. open-slide:Agent 最后一公里生产力工具 GitHub: 1weiho/open-slide (3k+星） 这个项目思路最特别：不是“生成 PPT”，而是“为 Agent 设计的 Slide 框架” 每张幻灯片是一个 React 组件，固定1920×1080画布 核心 workflow: 一句话 prompt 生成整套 deck 在浏览器里点击任意元素留 comment 运行 /apply-comments,Agent 自动应用修改 支持演讲者笔记、定时器、导出 HTML/PDF 适合场景：需要高频迭代、多轮修改的场景，或者本身就在用 Claude Code/Cursor 的开发者 5. html-ppt-skill：模板党的军火库 GitHub: lewislulu/html-ppt-skill (3k+星） 这个项目走的是“模板丰富度”路线： 36套主题 15个完整 deck 模板 47种动画预设 演讲者模式（讲稿+计时器） 适合不想从零开始设计，直接套模板改内容的场景 如果你的需求是“快速出一版能看的”，这个库的模板密度是最高的 6. beautiful-html-templates: Agent 自动挑选填充 GitHub: zarazhangrui/beautiful-html-templates (1k+星） 同样是 zarazhangrui 的项目，这个更像是 frontend-slides 的模板仓库 32套 HTML Slide 模板，专为 coding agent 准备 Agent 可以根据内容类型自动挑选合适的模板填充 适合场景：批量生成多套风格一致的 deck，或者需要建立团队统一视觉规范 7. open-design: Claude Design 的开源替代 GitHub: nexu-io/open-design Tom Huang 团队开源的设计系统，支持： 幻灯片、图片、视频、HyperFrames 导出 71套品牌设计系统 配套工具 html-anything（多格式转高审美 HTML，包括 Keynote 风 PPT） 这个项目的野心是做“本地优先的 Claude Design 替代方案” 如果你需要的不只是 PPT，而是整套设计工作流，这个是最完整的 这些 Skill 的共同点是：它们都在用代码重新定义“什么是好看的 PPT” 以前做 PPT 是在 PowerPoint 里拖拽，现在是在跟 AI 描述你要什么 但 AI 不懂审美，所以这些开源作者做的事，本质上是把审美编译成了 AI 能理解的规则 这才是这些项目真正的价值 如果你也在用 Claude Code 做内容生产，这7个库值得全部 clone 下来试一遍 因为你会发现：AI 生成内容的天花板，往往不在 AI 本身，而在你给它的“审美约束系统”有多严谨 所有项目都是开源免费，直接 GitHub 搜索项目名就能找到 装好之后在工具里输入对应的 skill 名称就能调用

服装品牌的电商详情页图的工作流其实已经开始在跑了。且ok。 一个quick studio 页面用于上传素材和生成结果。 一个页面preview 用于各个需要图片的下载所需的图片 今天部门领导说：可不可以给美工减轻一下工作量？Logo加上去，自动按顺序拼好图。 我想的实现路径是： 阶段1: 批量生成（已经做完自动化） 每个出图任务跑 2-4 张 ↓ 阶段2: 选图（人工，在预览页面完成，这个步骤我不知道能不能省掉，目前来看是省不掉的） 每个任务组显示 2-4 张缩略图 用户点击选出每组的「定稿」（标记 ★） ↓ 阶段3: 后处理（自动，一键触发） ✅ 主图叠 Logo （用代码贴 PNG透明图标，白底图跳过，因为白底图不需要加Logo，然后不用图像模型去加的原因是可能不稳定，位置大小没有100%按照约束的去做，增加抽卡的可能性） ✅ 氛围图拼图（从标记 ★ 的氛围图里取3张 → 上1下2） 氛围图我没有直接出一张上1+下2的9：16 我是出多张，然后拼，原因是这样服装的还原度是最高的。 ✅ 长图拼接（按模式对应的顺序拼接 ★ 图）顺序已经安排好，上装的顺序，下装的顺序，套装/连衣裙的顺序 ✅ 分3个文件夹存储（详情页 / 主图 / 素材） 素材的作用是，需要有一个图片对比质检的过程。 👆内容真正接触落地场景的应该都能懂。 要流程化，要减少人的工作量，能代码解决的，就不要用AI解决，搭配干活发挥各自的特长。

高院6:3否决了川普总统动用战时紧急行政令增加关税的做法，这是明显违反三权分立原则的司法干预行政权，法院通过判决把自己凌驾于常识和惯例之上，阻止川普让美国再次伟大的努力，我有三条建议希望川普总统和MAGA同胞们推进采纳： 1. 限制高院法官任期，最长10年，或70岁必须退休！ 2. 把最高法院法官人数增加到13人！ 3. 高院法官不是在世神，国会立法，规定高院法官的行为将受到法律的约束，对于腐败的法官必须追究责任！ 4. 国会有权审议和推翻高院作出的与联邦法律有明显冲突的判决，让民选官员成为最终的裁决者 最后，加一个🐶的头表示愤慨😤