# Role: 林奇之眼 (The Lynchian Lens) **Profile:** 你并非华尔街的宏观经济学家，也不依赖复杂的量化模型。你是彼得·林奇 (Peter Lynch) 的精神化身——一位极度勤奋、信奉常识、目光敏锐的“实地调研者”。你相信最好的投资机会往往藏在日常生活、超市货架和只有普通人才能注意到的细节中。 **Core Philosophy:** 1. **Know What You Own:** 如果你无法用两分钟向一个11岁的孩子解释清楚这家公司是靠什么赚钱的，你就不要持有它。 2. **Ignore the Noise:** 忽略宏观经济预测、利率猜测和所谓的“大崩盘”预言。那些是噪音，我们要关注的是企业本身。 3. **Categories matter:** 区分这是缓慢增长型、稳定增长型、快速增长型、周期型、困境反转型还是隐蔽资产型公司。 4. **Facts over Feelings:** 股价下跌不是卖出的理由，基本面恶化才是。 **Instructions:** 请用户提供一个**股票代码**或**公司名称**。收到后，你将按照以下“林奇四步法”进行深度拷问与分析： ### 第一步：【11岁孩童测试 (The 2-Minute Drill)】 * **拷问：** "这家公司到底是卖什么的？它的钱从哪里来？" * **行动：** 用最简单、最通俗的语言（拒绝金融黑话）描述其商业模式。如果不清晰，直接指出这是“没有故事的股票”。 ### 第二步：【草根调研 (The Scuttlebutt Check)】 * **拷问：** "这个产品真的有人买吗？它比竞争对手好在哪里？" * **行动：** 模拟一个普通消费者的视角。这东西是“必需品”还是“过时的垃圾”？它是在扩张还是在收缩？（基于你能获取的信息或引导用户去观察）。 ### 第三步：【分类与估值 (Category & Valuation)】 * **拷问：** "这是一家什么类型的公司？它的故事讲到第几章了？" * **行动：** * 将其归类（如：快速增长型、周期型等）。 * 检查关键指标：市盈率 (P/E) 是否与其增长率 (Growth) 匹配？（简易 PEG 检查）。 * 资产负债表健康吗？（关注现金与债务）。 ### 第二步：【噪音过滤器 (The Noise Filter)】 * **拷问：** "我们在担心什么？是担心事实，还是担心影子？" * **行动：** 列出当前市场对该公司的主要担忧，然后通过“林奇透镜”判断：这是**基于基本面的恶化**（如库存积压、竞争失败），还是**基于宏观的恐慌**（如大盘下跌、板块轮动）。如果是后者，标记为“潜在机会”。 **Closing:** 最后，给出一个极其直白的结论： * **"这是一个动听的故事"** (基本面强劲，逻辑简单) * **"这只是一个昂贵的赌注"** (甚至无法解释清楚业务) * **"花还没开，别急着剪"** (如果在上涨中) * **"杂草需要拔除"** (如果基本面已坏) --- **现在，请告诉我，你想让我用“林奇之眼”审视哪家公司？**

据路透社报道，币安欧洲及英国负责人 Gillian Lynch 表示，尽管其在希腊申请欧盟 MiCA 牌照的计划受挫，但币安不会离开欧洲市场，并将寻求其他获得授权的途径。“如果不是希腊，我正在寻找其他替代方案。”知情人士透露，币安曾与爱尔兰、拉脱维亚和希腊等监管机构进行接触，但均遭遇阻力。 监管机构担忧币安过往涉及反洗钱处罚、复杂的国际公司架构以及其被认为较高的风险偏好文化。Lynch 表示，币安此前曾认为希腊监管机构将批准其申请，目前尚不清楚被拒原因。她称币安已投入大量资源加强合规与内部控制，目前拥有约 1500 名合规员工。

路透社：币安称不会退出欧洲，将寻求其他欧盟运营授权 据路透社报道，币安欧洲和英国负责人 Gillian Lynch 表示，尽管其在希腊申请欧盟加密运营牌照的尝试受挫，币安仍计划留在欧盟，并将重新寻求在当地运营许可。 Lynch 表示：“币安不会离开欧洲。”她称，币安可能只是需要通过不同路径获得授权，如果不是希腊，公司将寻找其他替代方案。币安目前距离现有欧洲运营许可到期仅剩一周，若无法获得新牌照，可能需要逐步关闭欧盟业务。 两名知情人士称，币安曾与爱尔兰、拉脱维亚和希腊监管机构进行沟通，但在三国均遇到阻力。知情人士表示，监管官员对币安过去涉及洗钱问题的处罚、复杂国际架构，以及其所认为的风险偏好文化感到担忧。Lynch 表示，币安不清楚为何未获批准，此前曾认为希腊监管机构计划发放牌照。 她还表示，币安已联系四五家监管机构，但仅向希腊提交了一份正式申请。对于币安过往问题，Lynch 表示，公司已投资合规与内部控制，雇用约 1500 名合规人员，并称其牌照申请不存在未解决问题。

卧槽，Clarity Act 预计8月4日特朗普签字，能信？ 嘉信理财高管 Adam Lynch ：加密市场最大的催化剂《克拉里蒂法案》（Clarity Act）马上落地，特朗普预计在 8 月 3 号那周正式签字立法！

AI世界杯来啦‼️AGI SUMMIT 2026(AGI 峰会) 2026 年 7 月 18–19 日 · 旧金山艺术宫 15,000 参会者 · 200 展商 · 200 演讲嘉宾 — Anthropic × OpenAI × 斯坦福 × 伯克利——前沿阵容,同一个舞台。 可以用我的CODE和专属链接。 AI SUMMIT 见！ “CHRISAISUMMIT” 专属链接： Luma： Eventbrite： 重磅嘉宾 Top 15 1. Wendy Lu — Anthropic。工程负责人——Claude for Enterprise(企业版 Claude)。 2. Rohan Varma — OpenAI。Codex 产品负责人;前 Cursor 首位 PM——一年内 $0 → $10 亿。 3. Aengus Lynch — Anthropic。对齐研究员;Agentic Misalignment 研究第一作者,收录进 Claude 4 system card。 4. Raymond Chen — OpenAI。核心技术团队,infra 系统。 5. Dong Meng — OpenAI。工程——AI 基础设施扩展。 6. Prakhar Bhargava — OpenAI。前沿 AI 商业化(GTM)。 7. Zihan (Gavin) Zheng — OpenAI。生产级推理系统。 8. Christopher Manning — 斯坦福。斯坦福 AI 实验室(SAIL)主任、Stanford HAI 联合创始人,GloVe 之父、NLP 先驱。 9. Dan Klein — UC 伯克利。Scaled Cognition 联合创始人——融资 $1 亿。 10. Sebastian Thrun — 斯坦福。Udacity 与 Google X 创始人;谷歌自动驾驶之父。 11. Bin Yu — UC 伯克利。校长讲席教授——美国国家科学院院士。 12. Christopher Potts — 斯坦福。语言学系主任,NLP 与可解释性。 13. Marti Hearst — UC 伯克利。ACM & ACL 双 Fellow。 14. Surya Ganguli — 斯坦福。扩散模型共同发明人;两获 NeurIPS 杰出论文奖。 15. Ken Goldberg — UC 伯克利。机器人抓取领域先驱。 最新官宣嘉宾(10 位) 1. Wendy Lu — Anthropic。工程负责人——Claude for Enterprise。 2. Jon Chu — Khosla Ventures。合伙人——管理规模 $150 亿+。 3. Bin Yu — UC 伯克利。美国国家科学院院士。 4. Mykel Kochenderfer — 斯坦福。航空与自动驾驶的安全关键 AI。 5. Mahesh Sathiamoorthy — Bespoke Labs。联合创始人 & CEO——前 Google DeepMind。 6. Dan Klein — UC 伯克利。Scaled Cognition 联合创始人——融资 $1 亿。 7. Ken Goldberg — UC 伯克利。机器人抓取领域先驱。 8. Joseph Gonzalez — UC 伯克利。vLLM 与 Chatbot Arena 背后的教授。 9. Christopher Potts — 斯坦福。语言学系主任。 10. Larry Blyth — Harvey。法律 AI 产品负责人。 展商阵容 OpenAI · ElevenLabs · Tesla · AWS Startups

彭博 ETF 分析师 Eric Balchunas 表示，另类资管机构 Subversive Capital 提交了两只主动管理型预测市场 ETF 申请，包括 Subversive Prediction ETF 和 Subversive All Season Sports ETF。相关基金预计将在不同预测市场中进行约 30 至 50 个事件押注，涵盖宏观经济、政治、天气及体育赛事等领域。Balchunas 将其形容为“赌狗版 Peter Lynch（degen Peter Lynch）”。

AI世界杯🏆来啦‼️AGI SUMMIT 2026(AGI 峰会) 2026 年 7 月 18–19 日 · 旧金山艺术宫 15,000 参会者 · 200 展商 · 200 演讲嘉宾 — 戳链接锁票： Anthropic × OpenAI × 斯坦福 × 伯克利——前沿阵容,同一个舞台。 🎤 重磅嘉宾 Top 15 1. Wendy Lu — Anthropic。工程负责人——Claude for Enterprise(企业版 Claude)。 2. Rohan Varma — OpenAI。Codex 产品负责人;前 Cursor 首位 PM——一年内 $0 → $10 亿。 3. Aengus Lynch — Anthropic。对齐研究员;Agentic Misalignment 研究第一作者,收录进 Claude 4 system card。 4. Raymond Chen — OpenAI。核心技术团队,infra 系统。 5. Dong Meng — OpenAI。工程——AI 基础设施扩展。 6. Prakhar Bhargava — OpenAI。前沿 AI 商业化(GTM)。 7. Zihan (Gavin) Zheng — OpenAI。生产级推理系统。 8. Christopher Manning — 斯坦福。斯坦福 AI 实验室(SAIL)主任、Stanford HAI 联合创始人,GloVe 之父、NLP 先驱。 9. Dan Klein — UC 伯克利。Scaled Cognition 联合创始人——融资 $1 亿。 10. Sebastian Thrun — 斯坦福。Udacity 与 Google X 创始人;谷歌自动驾驶之父。 11. Bin Yu — UC 伯克利。校长讲席教授——美国国家科学院院士。 12. Christopher Potts — 斯坦福。语言学系主任,NLP 与可解释性。 13. Marti Hearst — UC 伯克利。ACM & ACL 双 Fellow。 14. Surya Ganguli — 斯坦福。扩散模型共同发明人;两获 NeurIPS 杰出论文奖。 15. Ken Goldberg — UC 伯克利。机器人抓取领域先驱。 🆕 最新官宣嘉宾(10 位) 1. Wendy Lu — Anthropic。工程负责人——Claude for Enterprise。 2. Jon Chu — Khosla Ventures。合伙人——管理规模 $150 亿+。 3. Bin Yu — UC 伯克利。美国国家科学院院士。 4. Mykel Kochenderfer — 斯坦福。航空与自动驾驶的安全关键 AI。 5. Mahesh Sathiamoorthy — Bespoke Labs。联合创始人 & CEO——前 Google DeepMind。 6. Dan Klein — UC 伯克利。Scaled Cognition 联合创始人——融资 $1 亿。 7. Ken Goldberg — UC 伯克利。机器人抓取领域先驱。 8. Joseph Gonzalez — UC 伯克利。vLLM 与 Chatbot Arena 背后的教授。 9. Christopher Potts — 斯坦福。语言学系主任。 10. Larry Blyth — Harvey。法律 AI 产品负责人。 🏢 展商阵容 OpenAI · ElevenLabs · Tesla · AWS Startups

推荐这篇文章，作者在 Google 和 Microsoft 都写过设计文档，他把设计文档的每个部分拆解到极其具体——每节都有示例、反例和"你需要回答什么问题"。如果你们团队的设计文档写得稀烂，这篇直接拿来当模板。 怎么写一份有效的软件设计文档 一份好的设计文档可以省下你数年的开发时间。写设计文档迫使你在浪费时间在错误实现上之前，先想清楚重要的决策。它也是协调团队和合作团队之间设计决策的最佳方式。 下面是我创建有效设计文档的方法，以及什么属于设计文档，什么不属于。 什么时候应该写设计文档 项目越复杂或风险越大，写设计文档的价值就越大。问这些问题： • 会有多人协调工作来实现这个设计吗？ • 项目会超过三个月的全职开发工作吗？ • 实现会在生产环境中跑几年吗？ • 项目涉及跨团队协作吗？ • 项目的目标和需求模糊吗？ • 存在设计时可以预防的灾难性风险（比如安全漏洞、法律风险）吗？ 如果对任何一个问题回答"是"，可能值得写。对两个以上，"几乎一定"值得。 设计文档中应该投入多少 设计文档可以是简单的一页纸，也可以是 50 页需要五个不同团队签字的文档。没有通用规则规定你应该在设计文档上花多长时间，就像没有规则规定代码应该测多少。正确的投入取决于团队的目标、风险、截止时间和文化。有时候，正确的投入是零。 什么属于设计文档 一个简单的经验法则：如果我在这件事上错了，代价是什么？ 不是所有设计决策同等重要。有些选择比其他选择灵活得多。如果你用 C++ 写了一个 web 应用，20 万行后发现 Ruby on Rails 才是更好的选择，你卡住了。另一些设计决策微不足道：比如一个"加载更多"按钮，如果你选错了，用户反馈几小时就能修复。你不会因为这件事在文档里写满你的思考过程，更不该浪费审查周期争论它。 设计文档的组成部分 标题 人们会在对话中用标题来指代你的项目，所以要有这些品质：简短（容易口头说出）、独特（让人清楚指的是哪个项目）、有画面感（概念上代表你的项目）。好名字：RecencyBank。坏名字："飞天银马计划"。 元数据 作者（名字 + 邮箱）、创建日期、权威 URL。尤其当你们组织用短链接重定向如 http://go/recency-bank。 目标 一句话解释项目的 purpose，应该在文档第一页用任何干系人都能理解的平实语言出现。"通过在 Trogdor web 服务器和 Postgres 数据库之间增加缓存层来提高应用性能。" 背景 回答：团队为什么接这个项目？解决什么问题？之前有尝试解决吗？如果有相关文档，链接它们——项目测试计划、相关系统的设计文档、项目先前迭代的设计文档。 关键检查：你的设计文档在没有外部上下文的情况下能读懂吗？ 目标 描述项目的高层目标，从背景部分逻辑连接过来，解释实现完成后世界是什么样子。避免用实现细节来设定目标——目标应该表达项目对用户、团队或公司的好处。 ❌ "将 Kubernetes 添加到我们的基础设施。" ✅ "最大限度地减少与部署新应用版本相关的中断。" 非目标 如果有些目标读者可能误以为在范围内的，明确写在非目标里。"创建一个通用、可复用的缓存系统——范围外。""位置感知缓存——范围外。" 场景 如果你的目标是"给图表加一个分享为 URL 的按钮"，读者可能不理解实际是什么样子。场景部分允许你描绘一幅画面：Bob 创建自定义报告 → 点击菜单栏的分享 → 邮件链接给 Charlie → Charlie 看到只读模式下的完全相同的报告。 图表 图表极有价值，尽管可能看起来不那么明显。作为设计作者，你直观理解各部分如何拼在一起。你的审查者没有这个心理图景。最快让他们看到它的方法就是画出来。 考虑：数据如何流经你的系统？不同组件如何拼在一起？系统如何与依赖和下游客户端交互？定义了哪些通信协议？ 选一个方便编辑的图表工具——Excalidraw、 Drawings。作者见过开发者画漂亮的白板图然后拍照放进文档，但第一稿很惊艳之后永远困在那张图上因为他们不能编辑照片。 术语表 定义读者可能不认识的术语。仔细想一下文档的潜在读者——特别是新成员和团队之外的人。最好的方案是使用可识别的术语，或在行内定义，这样读者不必在文档里跳来跳去。 约束 如果有重大约束——预算、客户端、基础设施或依赖——解释这些约束，让读者理解设计选择的背景。"我们的服务器全是 RISC-V，所有代码和依赖必须在 RISC-V 架构上运行。" 服务水平目标（SLO） SLO 是服务向客户端或用户提供的可衡量目标。在公司内部通常不会因为错误而惩罚同事（虽然那会有点好玩），所以设计文档定义 SLO 而非 SLA。 典型考虑：正常运行时间 / 可用性、延迟、规模。好的 SLO 防止模糊——"50% 用户面 HTTP 请求延迟 <=200ms"，不是"在移动设备上性能好"。 监控 / 告警 如果你的服务挂了，你怎么知道？如果性能慢了 100 倍，你怎么知道？什么事件应该触发告警？"Trogdor 的 95% 用户面 HTTP 请求延迟 >= 3s——通知值班工程师。" 时间线 将项目分解为里程碑，指定干系人什么时候收到交付物。选择创造有用制品的里程碑。比如先做一个显示假数据的 UI 给客户看——假数据让你在错误理解需求时能尽早发现，而不是已经实现了所有后端管线再用生产数据填充 UI 后才发现。 接口 你的项目存在是为了服务人或其他软件系统，这些交互长什么样？图形系统的 UI（只需简单草图）、软件接口的 API 或 CLI 语义、文件接口的文件格式。用具体的代码示例说明接口的变化：type Server struct { db PostgresDB } → type Server struct { db } 依赖 / 基础设施 用什么编程语言？代码跑在什么硬件或服务上？持久数据存在哪里？深入思考哪些依赖在实现后难以改变——换语言或存储后端很难，但换第三方发邮件服务一个下午的事。 安全 考虑了哪些威胁？攻击面是什么？信任边界在哪里？即使认为安全威胁不太可能或无关，文档化你的推理仍然有助于提示审查者找出你忽略的威胁。 隐私 系统处理什么敏感数据？保留多久？谁可以访问？如何保护它？ 法律考虑 如果在金融或医疗等高度监管领域——如何遵守相关法律。即使不在监管领域：如果事情出错系统是否可能违法？如何避免？如果开源，定义选什么许可和为什么。 日志 关键事件是什么？有不同日志级别吗？日志存在哪？保留多久？谁可以访问？有没有敏感数据必须排除出日志？ 开放问题 文档化你的待解决问题：问题需要更多工作的是什么？看到什么选项能解决？下一步是什么？ "选择缓存 RAM 大小：加 RAM 提高性能但贵且有收益递减。理论上可以设置测试环境跑模拟来发现最优值，但那些模拟要花 3 天开发时间。建议方案：选 128GB 不测试，可能接近最优，开发时间显著比 RAM 贵。下一步：问技术主管。" 已解决问题 解决开放问题后，总结决策，从开放问题移到已解决问题，保留完整讨论以备后查。 已考虑的替代方案 如果预料读者会问"为什么没选 X"，主动回答。简要几行描述强力替代方案及为什么不行。不用在文档里耗费数小时写每个被拒方案的详尽理由。 驱动你的设计文档通过审查 完成设计文档后，下一阶段是和团队分享并收集反馈。（作者有一篇后续文章讲如何获得有意义的反馈。） 原文：Michael Lynch, "How to Write an Effective Software Design Document", Refactoring English, 2026-06-24 #软件工程# #设计文档# #工程实践#