“顶级程序员已经彻底不写代码了。” 真的这样嘛？ 失业潮不断的涌现，大厂先开刀是有原因的！ Anthropic Claude Code负责人Boris Cherny在开发者大会上直言：过去6个月，他几乎一行代码都没亲手写过。 他只需要一句prompt：“嘿，咱们建这个feature”，Claude就会自己写代码、跑测试、展示结果，他只负责点头或者说“这里改一下”。 以前需要他亲手敲的每一行代码，现在全交给AI了。 这意味着顶级程序员的角色已经彻底变了：从码农升级成了AI团队的指挥官。写代码成了AI的活，人类只负责定方向、把关质量、做最终决策。 未来真正的工程师，比的并不是谁代码写得更快，将会是谁能更聪明地指挥一群AI高效协作。 你准备好把自己的角色从“写代码的人”切换成“指挥AI的人”了吗？

Boris Cherny（Anthropic 工程负责人）在最近的红杉 AI Ascent 大会上说，他现在大部分工作从手机完成。Claude App 里常驻 5 到 10 个 session、几百个 Agent，夜里有几千个在跑深度任务。他管这种做法叫 Loop，让 Claude 用 cron 起一个定时任务，可以每分钟、每五分钟、或者每天跑一次。 我本来还不太习惯用手机操作 Agent。这几天受邀测试最新版的 TRAE SOLO Mobile，刻意多在手机上试用，越用越能理解 Boris 说的那种变化。 This content is only supported in a Feishu Docs 这次 TRAE SOLO 首次实现了移动端、Web 端、桌面端（含 Windows 版）的全量开放，并真正做到三端同步联动，让 Agent 使用的场景大幅扩展。我在手机端体验了几天，结合官方新推出的功能，一些感受： 【1】Agent 已经不是程序员专属 打开 TRAE SOLO，首页让我先选模式：Code 还是 MTC（More Than Coding，意思是“不只是写代码”）。Code 模式好理解，写代码、跑 Git、看 Diff，而 MTC 模式则全面覆盖了写文档、数据分析、报表生成等日常办公场景。 从 Claude Cowork 发布开始就已经有了这个趋势，上周 Codex 的升级也是宣称：“用 Codex 做几乎一切工作（use Codex for (almost) everything）”。 TRAE SOLO 最新的升级同样顺应了这个趋势，从一个编程 Agent 泛化到了通用 Agent。 最新版本特别强化了飞书 CLI 接入功能。现在只要简单授权，就能在 TRAE SOLO 里直接操作飞书文档：例如，输入一句指令，“帮我整理一份本月 AI 编程工具市场动态”，Agent 会自动去网上检索，最后直接生成飞书文档或者动态网页，完全不需要人工再去排版或复制粘贴。 与过去“AI 给文字、用户再粘到飞书”的繁琐流程相比，这种一步到位的体验已经完全不是一回事了。 【2】三端连起来是什么体验 这次 TRAE SOLO 的一个大动作是三端（手机、Web、桌面端）全量开放，不再需要邀请码，所有用户都能用。 单独看 Mobile 端，它主要解决随时下发任务和确认任务的问题。但只有当 Mobile、Web 和 Desktop（包括最新上线的 Windows 版）真正打通之后，你才能真正做到随时随地让 Agent 持续执行任务。 过去云端执行环境总有局限，不能访问本地工具。而 TRAE SOLO Mobile 解决了这个痛点——只要完成简单的设备配对，你的手机就可以直接控制云端环境与本地多台设备。任务信息在所有设备之间实时同步，手机端下发的任务可以立即在 Web 和 Desktop 端查看执行进度，反过来也一样，真正实现跨设备的无缝接力。 比如上周末我在外面看孩子踢比赛，间歇刷手机，看到一篇不错的英文技术文章，顺手在 TRAE SOLO Mobile 上给 Agent 发了条指令：“把这篇文章翻译成中文，写一份推荐稿”，家里的 TRAE SOLO Desktop 就会启动我一套配置好工作流开始工作。等比赛结束回到家，打开电脑，稿子已经在那了。这种感觉有点像你出门前跟一个助手说了句话，回来活儿已经干完了。 【3】手机是用来指挥 Agent 的意图路由器，不是用来操作电脑的 这个区分挺关键。我之前不太爱用手机端办公，潜意识觉得是在用手机操作电脑。但是转换一下：“人操作 Agent，Agent 操作电脑”，那么用手机就很自然了。你不需要在小屏幕上精确点击什么按钮，你只需要说清楚你要什么。 用手机还有个障碍是输入速度，打字慢。TRAE SOLO 手机端有语音交互讨论功能，可以跟 AI 语音对话讨论一个问题，讨论结束后自动生成会议纪要，然后直接从手机把工作任务派发出去，电脑端同步接上后续操作。一部手机可以连接管理云端环境加多台 PC，在环境选择面板里挑一下设备和工作目录，剩下的全部交给 Agent。 这个功能在外面的时候特别好用。走路的时候、坐地铁的时候，想到一个点子，按住说话就行了，比打字快很多。过去这些碎片时间里冒出来的想法，要么记在备忘录里回头再处理，要么干脆就忘了。现在一句话就能让 Agent 开始干活。 【4】不着急的事，让定时任务自己跑 回到 Boris Cherny 跑几百个 Agent 的场景。做法很简单，让 Claude 用 CRON 给自己设一个重复执行的任务，一分钟跑一次、五分钟跑一次、每天跑一次，都行。 Boris 开着几十个定时任务，举三个例子。 一个 Loop 在照看他的 PR：CI 挂了就去修，需要 rebase 就自动 rebase。 一个 Loop 在维护整个项目的 CI 健康，发现 flaky test（不稳定的测试）就去定位修复。 还有一个 Loop 每 30 分钟从 Twitter 上抓他的反馈，自动聚类成几个主题汇报给他。 我自己也在用类似的方式。我有一个定时任务监控我 GitHub 上开源项目的 Issues，有人提了 Issue 就自动总结并给出处理意见，我看一眼觉得没问题，再指示 Agent 去操作。还有一个定时任务盯着我 X 的收藏夹，我平时刷到好文章随手收藏，它帮我自动抓取到本地，英文的还会翻译成中文，到时候集中看就行。 很多需求其实没那么紧急，但需要持续做。每天看一眼竞品动态、每周整理一次行业新闻、每月生成一次数据报表，这些活适合扔给定时任务。 现在 TRAE 的桌面端和网页端都已支持定时任务，无论是在云端还是本地环境，都能稳定地自动执行。比如你告诉 Agent：“每天早上 10 点发一份最新的 AI 新闻动态整理”，第二天早上工作台就会自动收到文档。你只需要专注于真正有创造性的判断，把那些重复且不着急的任务统统交给 Agent。 总结与体会 整体来说，这次对 TRAE SOLO Mobile 试用的感受就是： - Agent 使用门槛大大降低，不再只是程序员专属，很多日常办公、写作场景已经可以由 Agent 来做了。 - 三端真正打通后，无论何时何地，都能轻松管理并延续任务。 - 手机不再是远程桌面，而是随时随地的“意图路由器”。 - 通过 Loop 定时机制，真正把重复且耗时的任务自动化，让用户只做关键决策。 Boris 说他夜里有几千个 Agent 在跑，很多人大概觉得这是大厂工程师的特权。但我这几天的体感是，这件事的门槛已经比想象中低很多了。一部手机、一台电脑、一个 Agent 工具，你就可以开始把重复的事交出去。未来办公的趋势，或许就是这种“人随时随地指挥 Agent、Agent 做具体工作、人只负责验收成果”的模式吧。 推荐可以去用下 TRAE SOLO Mobile，体验随时随地指挥 Agent 干活的感受。 想试用的 Mac 可以去官网下载了——国内：

💬 5 个开源 AI 聊天客户端，一个界面用遍 GPT、Claude、Gemini 在每个官网分别开会员太贵，这些开源客户端让你填自己的 API key，一个漂亮界面调所有模型，按用量付费还便宜： 1、Open WebUI — 自托管界面的天花板，接本地 Ollama 或各家 API 都行，多用户、知识库、联网样样有，146k star。 2、LobeChat — 颜值最高的一个，插件、语音、画图都支持，云端一键部署，小白也能拥有自己的 ChatGPT，80.6k star。 3、NextChat — 轻量、部署快，一键上 Vercel 就有自己的聊天站，跨平台还能装成 App，88.5k star。 4、Cherry Studio — 桌面端好用，聚合多家模型加知识库加翻译，国产、中文体验好，48.8k star。 5、LibreChat — 功能最全的老牌，多模型、多用户、插件、代码解释器，团队自建首选，41k star。 模型你随便换，界面和数据都攥在自己手里。

上午聊了币安 VIP 再来聊聊 OKX VIP 先下结论：OKX VIP 的体验全行业第一 估计有人看了会骂我，立场不坚定墙头草云云 但从我的视角来说，我是散户又不是二极管，也没有任何 VIP 部门给我一分钱，自然是谁好用就用谁，都好用就都用 两边累计手续费至少几万 U，没必要偏向某一方，只是客观中立聊聊罢了 说回 OKX VIP，非常欣赏他们把握「距离」的能力，说白了就是服务意识、业务水平牛逼 没有一天到晚邮件标题党狂轰滥炸，也没有几个月问都不问找不到人 凡是 OKX VIP 部门的小伙伴群聊或私信，就一定是有用的信息，可能是 VIP 限定闪赚活动，也可能是周边礼品领取通知 而且 OKX VIP 的软件功能也搭配的很好，APP 内置群聊，是真的实用，流畅丝滑不过分打扰 一直以来我对接的都是 Mia(@mia_okx) 团队的 Max(@Jiming2607) 业务很强，点个赞👍 OKX VIP 团队我认识的人不多，除了 Mia Max 还有 Cherry(@cherryz1568) 想成为 VIP 或者已经是 VIP 但没有专属小群，联系他们就对了

🔥Breaking：北京一家酒吧，现在来消费就送无限量 @deepseek_ai V4 Flash API Token🤯 从今天开始，北京 AGI Bar 的顾客只要连接店内 Wi-Fi，就可以免费获得 DeepSeek V4 Flash 的 API，并且在店内使用期间 不限量。 无需订阅，也不用担心 Token 消耗。只需要把 Base URL 和 API Key 填到 Claude Code、Codex、Cursor、Cherry Studio 或其他兼容 OpenAI API 的客户端里，就可以直接使用。 后续他们还会接入更多模型。 我觉得这件事挺有意思，因为它改变了一个默认设定。 过去，AI 服务总是和注册、订阅、Token 费用绑定在一起。而现在，AI 推理能力开始像水、电、Wi-Fi 一样，成为线下空间提供的基础设施。 顺便一提，这家酒吧是我朋友开的。他一直都在 AI 行业创业，AGI Bar 也慢慢成了中国 AI 从业者经常聚会交流的地方。 之前 Midjourney CEO @DavidSHolz 来中国的时候，也专门来过这里。 也许未来的咖啡馆和酒吧，提供的不只是咖啡、网络和电源，还会提供算力。 未来越来越有意思了😉

我越想越觉得就目前Ton链所有还能保持x活跃度的项目基本上到24年那种牛市坏境下都是轻松九十来万接近百万市值，叙事更好的社区也OK的，就轻松几百万，运气好的还能几千万市值，但是破亿的或者能接近破亿的肯定是屈指可数了，就utya和Cherry，yoda这种有机会，redo不用算因为已经破过亿了😄 当然这种都特别考验市场流动性而且需要看龙头，utya市值越高其他上限也越高.至于tony这种只要确定唯一性基本上也是几百万市值起步.但这里目前yoda和tony这是因为没有强庄大V加入涨的猛，跌的话也会很猛，而且底部很难找到.就像fish一样，不过如果涨到fish那种六七千万市值，估计大概率极限就跌到百万市值左右横着了 。

读知乎回答有感，浅谈一下后训练 benchmark Any benchmark will be saturated，而随着工业界后训练的发展，reasoning / coding 的 benchmark 越来越泛化 / 众包化。其实 LLM eval 一直是个草台班子，每家都可以有自己的 setting，而任何 setting 只要不被强行统一就存在操作的空间，最早可以调 temperature / top_p / length，后来可以调 harness / setting。 AA 给出了一个相对“规范”的 setting，让大家都听它的而不是野蛮生长，但这并不 make sense。只要评测非中心化就一定存在 noise，任何结果都可以是 cherry pick 后的，而 AA 官方的 95% 置信度结果就成了 judge 模型能力的标杆。 代价是什么呢？模型如果没有很亮眼的 AA 分数，即使精心打磨体感 / working / CUA，无人在意，这本质也是模型要 sell 就要迎合表面主流的评测中心化组织。 至少我们可以从每家基模厂、每个新模型的发榜看出来大家并不会被 AA 所局限，而 OSWorld v2、ALE、TB4 / TB-Sci 等 frontier 众包 benchmark 已经告诉我们：最 frontier 的能力一定是最通用的能力，而 agent 已经站在了单 domain 能力的肩膀上。 现在的职业任务分为三类，已经被 AI 训练好的，无法被 AI 训练的，还在被 AI 训练的。所有能归纳在 Computer Use 的都是第三类，而模型如何解决第三类职业任务仍需要数年的进化。 这些众包 benchmark 越来越变成第三类任务的闭包，决定了未来数个月内基模团队的优化方向，而越是 frontier 的 benchmark 就越有 noise。如果 benchmark 团队不为自己的错题率负责，只会诞生越来越多的错题 benchmark：GPQA-Diamond，HLE，充斥大街的弱模型 judge。 为了消灭 LLM-judge 所引发的不确定性，众包 benchmark 一定会越来越商业化，而 evaluation 一定会在短暂的时间内迎来大洗盘。

karavox 独立开发者 Łukasz Nowak 不信任任何 AI agent，他把安全保证直接建在令牌上：agent 物理上写不进生产仓库。 《我把 AI 编码 agent 当分包商》 引言 2026 年起，我开始用 AI agent 开发软件，主要是为了工作。一开始只有一个 agent，慢慢演化成更多。我试过各种方法，但没有一个真正契合我的工作流。 我对每一个 agent 都抱着不信任（坦白说，我找不到合适的英文词形容这种感觉——它是彻底的不信任，但又充满好奇，隐隐期待它们干出好活）。它们会犯错，我必须用令牌、用户和虚拟机给它们装上护栏。尽管如此，事实证明它们在我的工作里有用。我的 agent 运行在 YOLO 模式——改文件、提交、推送都不问问题，因为它们要对自己那一部分负责。 它在工作里开始生效。我们团队交付了能用的解决方案。我得以把一部分工作流外包给一个工具，自己专注于重要的事。它真的管用了…… ……这让我开始琢磨自己的业余项目——一个跟卡拉 OK 有关的东西。我可以手写代码，但为什么不用一群 agent 呢。经过大量来回拉扯，加上我本来就不怎么信任它们，最后我决定把它们当分包商对待。反正是我自己的项目，我可以多冒点险。 为什么是这个形态 我是一个独立开发者，有几个 agent 在一个小型生态里干活：一个开源格式和工具集、围绕它的闭源产品，以及支撑这一切的基础设施。塑造一切的约束很简单：我是瓶颈，我也是唯一有判断力的人。 Agent 能做很多事，但它们对我的事故史、我的边界情况、以及那些不存在于仓库里的运维约束一无所知。所以设计目标是：agent 可以在我缺席的情况下尽量多做——但它们永远碰不到我没看过的东西。 这个模型从哪来 这个模型不是我发明的。它始于一篇给这个角色命名的文章：Simon Willison 的 vibe engineering（2025-10-07）——AI 辅助开发里自律的一端，专业人士始终对软件负责，与之相对的是 vibe coding 快而松的一端。Willison 自己在 2026 年的更新里提到，最终胜出的叫法是 Agentic Engineering。随后的阅读塑造了剩下的部分： • Embracing the parallel coding agent lifestyle（Willison，2025-10-05）： ——并行 agent，审查带宽是瓶颈；研究/PoC 任务和规格严谨的工作属于安全类别。 • How I'm using coding agents in September, 2025（Jesse Vincent，2025-10-05）： ——架构师/实现者的分工，跨隔离的 git worktree，人类在他们之间当 PM。 • Best practices for using GitHub AI coding agents in production workflows?（GitHub Community，2025-12-17）： ——"AI agent 是强大的队友，不是自主提交者"：agent 提议代码，绝不拥有代码；只提草稿 PR；人在环内的合并契约。 第一层：令牌——agent 碰不到生产环境附近 每个 agent 拿到两个令牌。生产仓库上一个只读令牌，加上一个独立 -staging 仓库上的写令牌。任务分支直接从生产仓库的 main 分支切出来（只读权限就够做这件事），然后推到 staging 仓库——后者的存在纯粹是为了让写令牌有个能到达的地方。 Staging 仓库的默认分支是一个故意的墓碑，名字就叫 no-main，里面只有一个 README："请使用原仓库的 main 分支。" 没有任何东西合并进它。没有任何东西同步它。它没有历史，没有镜像，除了当 agent 的邮箱之外没有任何意义。 为什么不用标准工具？因为在我的套餐里它们不存在：GitHub 的文档写明，受保护分支在免费套餐里只对公开仓库开放，私有仓库要从 Pro 起；把私有仓库 fork 到组织里也需要 GitHub Team，不是 Free。令牌作用域是唯一能在物理上阻止 agent 碰生产环境的机制——所以这个设计把保障建立在令牌上，而不是设置上。 第二层：集成——我就是 merge bot 当一个分支就绪时，agent 告诉我。我把它取回来，审查 diff，然后以任何合适的方式合并进来：cherry-pick、rebase-merge，或者手工应用。没有 pull request 机制，没有 agent 写的合并提交，没有积压着没人读的 PR。 这是一个穿了新衣服的老模式。Git 自己的文档把它描述为集成经理工作流（integration-manager workflow）：没有写权限的贡献者提交补丁，维护者负责应用。这正是我在做的事——我的 agent 是补丁贡献者，staging 仓库是它们的邮箱。这是 Linux 内核用了二十年的模型，只是把邮件 diff 换成了分支。 一条规则让这件事保持诚实：一个分支在独立验证它确实在生产里之前，绝不删除（对生产默认分支跑 git merge-base --is-ancestor，如果提交被 squash 过，就跑等价检查）。可检查胜过口头保证——包括我自己的口头保证。 第三层：PR 政策——判断，不是教条 公开仓库 karavox 只接受 PR。这没得商量：它是开源的，面对未知贡献者，PR 是那里的贡献规范。 私有仓库由我自行判断。为什么这说得通？因为审查无论如何都会发生——问题只是发生在哪一层。在 PR 模型里，审查是 GitHub 强制执行的一种仪式；在我的模型里，审查就是集成本身。对一个身兼 QA 的独立集成者来说，pull request 是开销，审查不是。我从不跳过审查——我跳过的是仪式。 各厂商正在向同样的原则靠拢。Claude Code 的安全文档：手动模式下它以只读权限启动，并且"你有责任审查提议的代码"。OpenAI Codex 的文档：默认沙箱化，带审批策略——Codex 执行动作前必须询问。GitHub 自己的 agentic workflow 工具 gh-aw：agent 作业默认只读且沙箱化，写入通过经过验证的 safe-outputs 作业和受限权限应用。GitHub 自己的社区指南说得更直白："AI agent 可以提议代码，绝不拥有代码。" 整个行业都在向我这一边收敛——只是大多数人还没有走到删除 staging 镜像那一步。 实战故事：那个死掉的模型 墓碑不是最初的设计。一开始 staging 仓库在一条名字就叫 staging 的分支上保存了生产环境的完整镜像：任务分支从镜像切出，合并进 staging，然后晋升到生产。这个模型要求两样东西靠约定保持同步——镜像，以及 staging 分支本身。2026-08-14 它真的漂移了：两个分支直接落到了生产 main 上，而 staging 落后了两个提交。 修复不是加固同步。修复是删除镜像。任务分支现在直接基于生产环境自己的历史，于是没有任何东西需要保持同步了。staging 仓库当天下午就变成了墓碑，从那以后工作流一直更简单。一个在生产中死掉的治理模型是一个好治理模型——它证明了自己可以被重新设计，而不是打补丁。 别人在做什么 • Fork + pull request，维护者合并：GitHub 文档——fork 是一个独立的仓库，有自己的设置，与上游相连；私有仓库可以 fork 到个人账户，但 fork 到组织需要 GitHub Team。 • 同一仓库上分支保护 + 必需审查：GitHub 文档——受保护分支对公开仓库免费；私有仓库需要 Pro、Team 或 Enterprise。 • 补丁邮件（git format-patch）：Git 官方书——记载了集成经理工作流：没有写权限的贡献者提交补丁，维护者应用它们。 • 自动化验证-合并（agent 写，验证者合并）：GitHub 的 agentic workflow 工具 gh-aw——agent 作业默认只读且沙箱化，写入通过经过验证的 safe-outputs 作业和受限权限应用。 这给我换来了什么 • Agent 做完所有判断开始之前的事。 • 我只在值得的地方花注意力——每一次集成按定义就是一次审查。 • 没有要分诊的 PR 队列，没有机器写的合并提交，没有仪式。 • 公开仓库保留贡献规范；私有仓库保留速度。 诚实的局限 生产 main 本身只靠令牌作用域加上我的纪律来保护——分支保护会是双保险，但在我的套餐里它不可用。而且行业信号很清楚：GitHub 上超过五分之一的代码审查现在有 agent 参与。判断力是瓶颈，这个模型正是围绕这个事实构建的，而不是假装瓶颈不存在。 来源： GitHub 文档（受保护分支、fork）；Git Pro book（为项目做贡献）；Claude Code 安全文档；OpenAI Codex agent 审批与安全；GitHub Agentic Workflows（gh-aw）；GitHub Community AI 编码 agent 最佳实践；GitHub 博客 agent pull requests。 原文： #AIAgent# #AgenticEngineering# #工作流#

作为Ton链上的og，我当然知道tony存在很多，并且很多团队利用这个IP叙事欺骗观众，他们拿着大量的筹码却从没有认真对待这件事。 现在观望的人其实都是在担心和我一样的事情，比如og代币又或者其他tony，虽然他们存在大量老鼠仓，大部分团队x运营在卖完货后全部停止运营。 这一次我想我找到了那个靠谱的团队运营这个IP，下周我们可能见证历史，并且将tony确定唯一性。 目前项目方依旧持有创建时购买的百分之十用于后续一些上市等工作费用和代币，但如果后续用不上的话我会建议团队销毁大部分(当然不一定听毕竟没有人是慈善家，他们需要赚钱，目前已经投入一些资金去做幕后工作) 这一次我依旧是唯一一个在x上大肆宣传的人，就像我对大多数代币一样，我不会等到毫无风险已经确定起飞后再去推广，而是作为先锋推广更多人加入。 刚加入Ton链上也是币圈新人的我从来没有停过高风险阿尔法的推广，有什么说什么，我不会说那么多没用的谎言，推广项目基本做到优缺点全部说明，自己考虑是否买入和持有多久。 从最初推广的fish，嗯绝望行情给我在起飞前卖飞，就靠大使的nft赚了些，当然也导致我后续推广的duck太格局，当然现在看对待这种项目方拿着大量的非全流通meme太看项目方了. 之后就是duck贴纸叙事电报吉祥物的源头，因为duck的成功才有了后续utya等其他贴纸叙事的meme，duck我从十万市值作为早期唯一推广人将市值推广到一千九百万近2千万市值，从始至终我陪伴着它从无到有又到无，它让我知道一个几乎大部分代币都在项目方手里的meme就不是一个meme，并且十分看项目团队运营，所以后续在跌回百万市值时跳车去购买了我当初最讨厌的后出的新代币utya，我知道继续推duck已经无力回天所以我知错能改及时改正。 随后推广了Ton链为数不多的当时市场流行的打钱到项目方钱包给空投币的项目bear，没有强大的叙事吸引力，吸引近十万美元的Ton加入，并且完成从二十万到一百八十万近二百万市值的推广.这次失败教会我没有强大叙事是无法建设发展的，只是做了牛市的顺风车. 随后推广了Ton链上唯二的pow代币小gram的mrdn，从二三十万市值到一千五百市值，这一次我经过教训接近高点完成了清仓. 之后我又独自推广起Ton链到现在都最好用的火星交易所代币mars，从三十来万市值到一千三百多万市值，依旧完成成功止盈，因为我知道Ton链上的应用确实拉胯，现在看也是一样的，牛市才能造就应用币的起飞. 还推广了ictn这个应用币依旧是独自完成首推从十来万到二百万市值左右，依旧完成止盈卖出，一如既往还是因为我不信应用币. 24年我只经历过一次失败推广就是nudes，这个没办法新人嘛我觉得当时可能想太多了🤣 经历过24年之后的Ton熊市磨砺，我明白了想要赚大的，想要持仓在熊市环境下保值就要有强大的叙事社区和运营，所以我持仓了utya并且盯上了Cherry，但那是Cherry还存在大量老鼠仓，直到25年初三月份左右因为我将Cherry项目方老鼠仓地址公布和Ton链上市场的熊市程度，项目方抛售了全部代币，之后我就买入，为了避免这么优秀的叙事被埋藏，我只购买了不影响代币成长的份额。 这时我已经是个较为成熟的币圈人了，所以我自utya开始专注推广的代币，都是至少拥有一定叙事级别的meme，所以我买入后也专心推广了Cherry，从一万市值到现在最高数百万市值，当然这个就不是我一个人的事了，只是早期是我一个，后续因为有了 @CrashiusClay69 的暗示推广，我就适当降低了推广力度. 当然这期间我还在一百万市值的utya来回试探反复测试底部最终在8月起飞前购买了史上最高的utya持仓近三百万的utya.这更是一个省心的也是Ton链上最强的叙事meme，所以在2025年8月大幅度起飞后我几乎提到的次数比Cherry还少了。 之后我还买入了一万市值的yoda并参与推广二十万市值左右的yoda，这个也省心我只是提过几次，市值超越百万时我提起频率就和Cherry一样了. 随后我又专注推广了coin，依旧首发完成首个名牌宣传的人，嗯很遗憾，和 @hanuveer_ 产生了一些摩擦，刚刚看见他的贴暗示了我的错误，我想了想确实我也有错，因为我知道他的钱包持有的代币比我多的多，所以当知道他又私信推广别的代币时我就已经有些烦了，到后来他和我的另个朋友撒谎和删除聊天记录后，我就更烦了，尤其是我看到他卖出去买推广的新代币时我就感觉被背叛了一样。 但我现在想想至少我不应该恼火并卖出了几百万代币，并错误的宣布停止宣传并建议所有人不要购买，如果当时没那么暴躁，我想应该可以避免一些人的亏损，并且将coin完成百万市值的建设，现在想想他除了撒谎以外，人是没有问题的，并且对撒谎行为进行了道歉，他的钻石手程度也是相当不错的，因为我的行为也导致了他的一些亏损，我想这确实是我的错误，也辜负了最初我找他推广的信任，我们都存在错误，也许后续我们还会重新合作推广coin. 之后就是现在tony，我想这又是为数不多的优秀叙事，通过以上文章你可以看到在牛市没有好的叙事都能轻松几百万甚至上千万，所以依靠好叙事的tony我想表现不会差的。

Claude Code负责人Boris Cherny的Youtube分享，让AI总结写了篇文章。 1. Claude Code 前六个月几乎无人使用，真正转折点是 Opus 4 上线。 2. Anthropic 内部 agent 通过 Slack 实时协作，所有人的 Claude agent 互相沟通协调，无人手写 SQL 和业务代码，AI-native 组织形态 3. TypeScript + React 因训练数据最丰富而率先被"解决"，冷门技术栈只需等待以后模型。 4. 识字率从 10% 到 70% 用了几百年，编程民主化会快得多，未来写会计软件最好的人是会计而非工程师(?) 5. AI 时代护城河重构，切换成本和流程壁垒变弱，但网络效应、规模经济、稀缺资源依然坚固，SaaS 不会消亡但会重新洗牌 6. 大公司受困于流程重塑和文化转型，而初创公司从第一天就能 AI-native 构建，起点即是大公司五年后的终点