闲不下来一点 ， 一无聊就强制自己干点啥。 Checkpoint Galxe Quest 第二周新任务上线 ， 完成所有社交任务收集 9 个 NFT 结束 ：5 月 17 日 晚上 11 点（UTC） 任务 ：

为什么很多中国人开美国银行账户，最后都会选华美？ 核心原因就一个： 它把“人在中国开美国本土银行账户”这件事，做到了最低门槛。 大多数美国银行对大陆用户并不友好： 要本人去美国， 要美国地址， 要美国手机号， 甚至还要一堆证明材料。 但华美的优势是： 不用飞美国， 不用美国地址， 不用美国手机号。 用中国身份证、中国地址、中国电话， 通过客户经理视频认证， 就能开传统个人支票账户。 而且这不是阉割版账户。 ACH 转账、绑定券商、美元日常使用， 基本都能覆盖。 真正适合长期用的， 也不是那些“看起来很新”的数字账户。 而是这种有客户经理管理的传统 checking 账户。 风控异常时， 至少还有人能沟通， 而不是系统一刀切关户。 所以对想做美股投资、跨境支付、美元储蓄的人来说， 华美不是功能最炫的选择， 但可能是目前最现实、最稳、最容易落地的选择。

如果，你被限高，怕金睡四期，在乎金融隐私，怕老婆查账……Mipay 你得认真了解一下！ U卡那么多，为什么是Mipay? 1.匿名，不需要你提供身份证，护照号，有个邮箱就可以注册。 2.明码标价，没有任何隐性收费! 3.还能把U转成人民币等10几个国家的法定货币，绝不冻卡！ 4.Mipay不连钱包，不搞资管，不玩花活，用多少转多少，踏踏实实做好一款支付工具！ Mipay下载链接： 官方中文客服群： If you have a height limit, are afraid of sleeping for four periods, care about financial privacy, are afraid of your wife checking your accounts... you have to take a serious look at Mipay! There are so many U-cards, why Mipay? 1. Anonymous, you do not need to provide your ID card, passport number, and you can register as long as you have an email address. 2. The price is clearly marked and there are no hidden charges! 3. It can also convert U into RMB and other legal currencies of more than 10 countries, and the card will never be frozen! 4. Mipay does not have a wallet, does not engage in asset management, and does not engage in flower activities. It can be transferred as much as you use, and it is a solid payment tool! Mipay download link: Official Chinese customer service group:

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。

Andrej Karpathy：“Claude 的错误里，90% 来自上下文缺失，而不是模型能力弱。” 没有 `CLAUDE.md` 时，错误率是 41%。 有 4 条基础规则时，错误率降到 11%。 使用下面这套 12 条规则时，错误率降到 3%。 这是资深工程师最终沉淀出的 12 条规则： 1. 写代码前先思考 先说明假设，不要猜。模型不会读心，别指望它能自动知道你的意思。 2. 简单优先 最少代码，不做投机式抽象。一旦你让 Claude 为“未来灵活性”加东西，可能就多出 200 行下季度要删的代码。 3. 外科手术式修改 只改必须改的地方。别让它顺手优化旁边的代码，PR 就是这么膨胀的。 4. 目标驱动执行 先定义成功标准，然后循环直到验证通过。没有成功标准，Claude 要么无限循环，要么过早停止。 5. 只把模型用于判断型任务 比如分类、草稿、总结、抽取。不要让模型处理路由、重试、状态码处理、确定性转换。代码能回答的，就让代码回答。 6. Token 预算不是建议 单任务 4000，单会话 30000。长时间调试到第 40 条消息时，Claude 会重新建议你第 5 条消息已经否掉的修复方案。 7. 暴露冲突，不要折中平均 代码库里有两种模式？选一种。Claude 把两种混在一起，错误就会被吞两次。 8. 先读再写 先读 exports、调用方、共享工具。Claude 很可能在一个已有相同函数旁边，再加一个重复函数，只因为它没读到。 9. 测试要验证意图，而不只是行为 如果业务逻辑变了测试却不会失败，这个测试就是错的。Claude 写的 12 个测试都可能通过，即使函数实际只返回一个常量。 10. 每个重要步骤都要 checkpoint Claude 可能在第 4 步已经坏掉的状态上继续完成第 5、6 步，而没人发现，浪费一小时。 11. 匹配代码库约定 项目用 class components，就不要默默改成 hooks。测试模式可能依赖 `componentDidMount`，hooks 会破坏它，却不一定暴露问题。 12. 失败要大声暴露 “成功完成”，但 14% 的记录被静默跳过，这是最糟糕的一类 bug。要暴露不确定性，不要藏起来。 真正会复利增长的，不是下一个框架，而是： - 把 `CLAUDE.md` 当作跨会话的组织记忆 - 基于 eval 改进，而不是凭感觉改 - 重视 checkpoint，而不是一味追求速度 - 明确暴露冲突，而不是静默混合 - 纪律永远比框架重要 - 一个仓库，一个规则文件，没有例外 在这件事变成 AI Twitter 的大众共识之前，提前领先几条规则。 研究它👇