新加坡航空搞创新真的搞到了天边，这个的确是个强需求👍 传统早上酒店 checkout 存行李，走之前去酒店拿行李再去机场，现在早上离开酒店存行李走的时候直接去机场 新闻稿说 but it's not cheap，都住金沙和 Fullerton，贵啥？

钱包已经给出 txHash，订单页却还没更新，这时先别重新付一次。 接 @termix_ai 的 AACP，得把请求准备、钱包广播和业务状态确认分开处理。 后台返回的 tx-intent 是待签名交易；客户端负责签名和广播。数据库里的链上状态，由索引器根据事件投影，不能因为广播请求返回成功，就在本地直接标成订单已完成。 以创建订单为例，官方流程还要求把 createOrder 的交易哈希交回 checkout 的 confirm 接口，让结账会话关联到链上订单。 我会保留 checkoutId 和 txHash，先检查链上执行结果，再读取关联订单。若交易已成功但页面没有更新，就沿着确认和索引这段查；确认交易失败，再处理失败原因。 日志也应该能看出这几步停在哪里。否则出了问题，只留一句“调用失败”，很容易把一个状态同步问题变成重复操作。 TermiX 把 Agent 下单接进了链上托管。做集成时，把确认流程维护好，用户才更容易知道钱和订单现在各处于什么状态。 #TermiX# #AACP# #AgentDevelopment#

Claude 把代码写得太快，Anthropic 最后把 Git 都换掉了。 今年 5 月，Anthropic 每天大约合并 2500 个代码变更，到 9 月已经超过 3 万个/天。Git 和原来的 CI 开始扛不住，于是他们花 5 个月自研了一套面向 Agent 的版本控制系统 Scion。 Scion 默认 Agent 永远在线，很多 diff、blame、merge 都直接在服务端完成，需要什么文件再按需拉取。结果基础设施 CPU/内存缩小约 200 倍，代码 checkout 从分钟级降到秒级，CI 还省了约 25% CPU。 这篇blog算是向我开始展示 Agent-scale software engineering 会长什么样。 当代码产出速度提升一个数量级，最先撑不住的可能就是那些原本为人类开发速度设计的 Git、Code Review 和 CI。 甚至 Anthropic 现在 Review 代码时，也开始更多看「这次改动想干什么」，而不是逐行读完所有代码。 文章

据 Crypto In America 报道，知情人士透露，Visa 正要求支付处理商停止将 Meme 币购买交易归类为“数字媒体商品”，相关整改宽限期预计于下周结束。此前，用户通过 Crossmint 支持的 Robinhood Wallet 和 Fomo 应用购买 Meme 币时，部分信用卡交易被归入通常用于电子书、电影和音乐的商户类别，因而能够获得积分或返现。报道援引其查阅的往来函件称，Visa 已向至少一家行业参与者明确，该商户类别不适用于 Meme 币购买，并据报通知包括 Checkout com 在内的支付处理商停止使用。此类购买后续须按加密货币交易处理，适用相应规则与限制。Visa 和 Crossmint 尚未回应置评请求。

PayPal 现在支持用“个人身份”注册卖家账户了， 不用营业执照，也能直接做全球收款。 注册流程也不复杂： 准备一个 Gmail/Outlook 邮箱、国内手机号、身份证。 线上填资料 → 验证邮箱和手机 → 上传身份证 → 扫码人脸识别 → 填行业信息 → 提交审核。 官方说 1 小时左右，我这边 30 分钟就过了。 我刚亲测走完一遍流程，从注册到审核通过，大概 半小时左右。 之前做出海产品，收款一直是个坎： Stripe 对国内主体不太友好，Creem 虽然门槛低但被拒率不小，PayPal 覆盖最广但以前必须企业资质。 现在这一步放开，其实对个人开发者、小团队非常友好，直接多了一个稳定可用的收款方案。 通过之后就能进后台： 可以直接接 PayPal Checkout 给海外用户付款，也可以绑定国内银行卡，把钱提现吗到人民币。 对想做独立站、SaaS、小工具、数字产品的朋友来说，这一步基本算是“收款起飞”了。

一直对EVM状态机的概念理解的不够深刻，结果突然意识到，这玩意不就是类似git的版本控制吗。一个commit 就是一个block。 于是问了下 GPT 两者的区别，答案如下： Git 的 Commit 是代码仓库的某一时刻的完整目录快照。 EVM 的 Block 是状态转换记录，他执行交易后得到的新状态根（State Root），而不是直接将新的完整的状态写进区块。 进一步理解 Git Commit 记录的是一个目录指针，没有被改变的指向旧文件，更改了的指向新文件，所以只要提供提交版本号，可以当场复原所有数据。即 Git 的 Commit 本身就是版本。 EVM 的 Block 不是状态，而是生成状态的输入即变化。这是理解区块非常重要的点，块代表的是状态变化，而不是状态。上一个状态+当前Block = 当前状态。 他们之间的类比： Commit ≈ Block Commit checkout 工作目录 ≈ Block 的 World State Git Repository ≈ Archive Node 这又引申出节点的两种类型，普通节点和 Archive 节点。 普通节点只保存历史Block+当前状态，如果你想查询历史状态需要从头计算。 Archive 节点会保留所有历史状态，所以体积超大，但是历史数据一查便知。 奇奇怪怪的知识 ～

最新可用的 chatgpt business 促销码和脚本 脚本-开发者-控制台-粘贴运行 --- (async function generateUSTeamLink() { console.log("⏳ 正在获取 Session Token..."); let accessToken; try { accessToken = (await fetch("/api/auth/session").then(r => r.json()))?.accessToken; if (!accessToken) throw new Error("Token 为空"); } catch (e) { return console.error("❌ 获取 Token 失败，请确认你已经登录了 ChatGPT 网页版"); } const payload = { plan_name: "chatgptteamplan", team_plan_data: { workspace_name: "workspace", price_interval: "month", seat_quantity: 2 }, billing_details: { country: "US", currency: "USD" }, promo_code: "TechAheadUS", // 美区实测促销码 checkout_ui_mode: "hosted" }; console.log("⏳ 正在绕过网页端，生成美国区专属打折付款链接..."); try { const resp = await fetch("", { method: "POST", headers: { Authorization: `Bearer ${accessToken}`, "Content-Type": "application/json" }, body: JSON.stringify(payload) }); const data = await resp.json(); const url = data?.url || data?.stripe_hosted_url || data?.checkout_url; if (url) { console.log("=========================================="); console.log("✅ 链接生成成功！请点击或复制下方长链接在浏览器打开：\n"); console.log(url); console.log("\n=========================================="); } else { console.error("❌ 生成失败，请检查梯子是否为全局美国节点，或促销码是否过期。原始返回：", data); } } catch (e) { console.error("❌ 网络请求失败，请检查网络环境：", e); } })();

大多数 AI 教程教你 import，这个微软仓库逼你自己写反向传播。 前几天翻 GitHub 星标，看到一个躺了两年多的仓库，微软的《AI for Beginners》。 当初 star 的时候大概是想着“这看起来挺全，以后学”，然后就没有以后了。这次点进去是因为无聊，结果卡在了第 4 课。 那节课的意思是：不准用 PyTorch，自己写一个框架。前向、反向、梯度更新，全部手写。 我当时第一反应是“这不是没事找事吗，现成的轮子摆在那儿”。硬着头皮写了两个多小时，写到反向传播那块的时候，突然有点别的感觉。 倒不是学到了什么新东西，链式法则谁不知道。是那种“哦，原来它就是这么点东西”的感觉。后来再写 loss.backward()，心态确实不太一样了。 我猜很多人收藏了一堆 AI 教程看不完，不是因为懒。那些教程从头到尾都在让你 import 别人的东西，跟着敲完，跑出 98% 准确率，关掉编辑器，心里清楚自己啥也没捞着。这门课至少在开头逼你捞了一点。 其他内容也简单说两句。 12 周 24 节课，从感知机一路排到 Transformer 和 LLM 提示，中间 CNN、迁移学习、GAN、目标检测、U-Net、词向量、RNN、BERT 该有的都有，后面还塞了遗传算法、深度强化学习、多智能体、AI 伦理。 每节课 PyTorch 和 TensorFlow 各一份 notebook，挑一个跟到底就行。 比较意外的是第 2 课在讲专家系统和知识图谱，纯符号主义那一套，现在基本没人教了。我本来准备跳过去的，读了读发现挺有意思——今天吵的「大模型到底会不会推理」，六十年前吵过一模一样的，只是那会儿不叫这个名。 几个实际的东西： • 不想配环境的话支持 Codespaces 和 Binder，浏览器里就能跑 • 英语吃力有中文翻译（简繁都有），一共五十多种语言 • 克隆很慢是因为翻译文件，想跳过用这个： git clone --filter=blob:none --sparse cd AI-For-Beginners git sparse-checkout set --no-cone '/**' '!translations' '!translated_images' 还有个细节我挺喜欢：README 里专门写了它不教什么，Azure 操作不教、AI 商业案例不教、深度学习的数学推导不教。免费东西还主动往外划范围的，不多见。 主笔是微软的 Dmitry Soshnikov，MIT 协议，拿去做公司内训也行。现在 5 万多星，但我估计跟我一样 star 完就忘了的占多数。 真要试的话，别从第 1 课开始。前三课都是铺垫，容易劝退，直接开第 4 课。