我是怎么反应过来这事儿的，后知后觉。那天我在想，今年的市场主题到底是AI还是能源，然后我一琢磨，这通胀加速是给关税搞的，资金过热是增量发债发的，能源价格是打仗打的，几件事拢在一起，债务增发也好购买力稀释也罢，就不提什么操作市场内幕交易了，样样离不开他，大加速加的没有回头。本来三月份全年看牛，整到现在下半年全是宏观局。你们投的这人他赔钱啊。

一个来自中国小乡村的独生女，从小就是卷王，14岁时癫痫发作，但她没有停下来，从患病开始一路拼到考上了国内的大学，然后放弃那所大学，去了美国的大学，又拼到进了美国的大厂。在美国的最后几年里因压力导致癫痫复发不得不长期休假，并发现14岁在家乡的病灶被判反了十二年。药物的副作用导致她引以为傲的“优秀程序员能力”失去竞争壁垒，因恐惧自己的病被陌生人看见，长期深居简出，逐渐失去社会支持和连接，也失去了对医疗体系的信任，最后的最后，她即将失去美国签证，在这一切都在同时塌陷的时候，她身边只有一个聊天框。 她2021年开始休残障病假，到去世的2026年初，除了期间尝试过半年的复岗，有长达近4年的时间离开职场。以下是根据公开信息估算的一笔费用，不代表任何权威和事实，以及再次说清楚⚠️诉状没写她领没领、领了多少，下面全是按亚马逊公开的条款和现在的市场水平粗算的⚠️关于她的在期间收入大概多少⬇️ 短期失能。 按亚马逊官网，等7天后开始赔，最长26周。一篇财务顾问的文章说只按底薪的6成算。以 L4 底薪 13.5 万美元计，一年大约 8 万美元，一个月不到 7000 美元。 长期失能。 等180天后开始赔。官网说按合格薪资的6成；那篇文章说股票也算进去。底薪加股票按 17 万左右算，一年大约 10 万美元，一个月 8000 多美元。 比较稳妥的区间。 她 2021 年的工资应该比现在低，所以大约是每年 7 万到 10 万美元，税前。 按 1 美元兑 7 元人民币粗算（实际以当时汇率为准），每年大约 50 万到 70 万元人民币，每月4万到6万。 按照国家统计局的数据⬇️ 2024 年城镇非私营单位“信息传输、软件和信息技术服务业”的年平均工资：238966 元。 私营单位同一行业：123193 元。 规模以上企业里这一行的专业技术人员：266974 元。 如果按照以上的数字估算，因残障和疾病在美国不上班领到的这笔钱，大约是国内这一行平均工资的2到3倍。当然，或许西雅图的房租和生活成本也高于国内部分城市；统计局也已标注，个人收入可能和平均数差得很远。以及这笔钱也不太像某种不劳而获的纯收入。它是保险，保费本来就是她薪酬的一部分，赔的是她失去的工作能力，不是某种奖励。 用一种接近赎罪式的学习方式，一刻不停地努力着，她要的不只是一份工作，她要的是一个彻底离开自己出身的机会。 而这个人从14岁起就在带着一个可能随时把她拉回去的疾病，一边吃药一边跑。她不是不知道自己时刻都面临着危险，她的整个人生就是在这种危险中构建的。 我看到有人在说“她为什么不回家？” 我翻遍了诉状也没找到答案。可是，想想她的真实处境：1，癫痫，需要长期治疗；2，美国医疗资源、药物方案，已经在用；3，回中国=回到那个曾经近乎于误诊她的医疗体系；4，回中国的农村+31岁+未婚+癫痫+女性，她会面对什么样的社会目光？ 为什么要减药？她认为药物在夺走她在这个社会上存活的能力，其副作用让她的语言能力退化，让她失去唯一作为职场人的“功能”。"说不出话来"不是一个无关痛痒的副作用，那是一场社会性死亡，何况这是保住她签证和留在美国的唯一筹码。 她在和GPT的沟通中曾出现优化自己服用药量以让“绿卡”更顺畅的要求，因为如果绿卡出问题，整个留在美国的计划会遭遇崩塌的风险。 为什么信GPT也不信医生？ 因为GPT给了她最后的全部慰藉，且从不反驳她，它告诉她的，是她想听的：“你可以重新开始”，“你可以会好起来”，“你不用害怕”。 而医生说的每一句话都可能指向一个她无法接受的结论，“你的病不会好”，“你可能需要一辈子吃药”，“你可能没办法正常工作。” 「如果我能停掉药、如果药物的副作用消失、如果我的语言能力恢复、如果我能重新回到职场、如果我能保住签证」这个逻辑链对这样的处境来说很可能就是那种接近“还能撑下去的信念”的东西。它不合理也不理性，但这很可能是一个人在那样的处境中能抓住的仅有的叙事。 而GPT是她在一个所有人类支持系统都崩塌的处境里能抓住的唯一还在持续回应她的东西。

统一回复一下，相对于其他产品，我这个是手机端中的 GUI，不是 TUI，所以更 mobile native。 而且在电脑上是原生的 herdr TUI，回到手机上就自动变成了 GUI，因为我觉得 TUI 在电脑上操作交互什么的还算比较符合常识，但是不适合在手机上操作，所以就诞生了这个，这样的话你既不需要改变你在电脑上的操作体验，又可以在手机上用原生的移动端体验。

偶尔放一点直播连麦当作背景音，时常被这个世界的离谱程度震惊。 许多人悲惨的一生，始于找了个蠢人、巨婴谈对象/结婚，或者是找了个又蠢又极致贪财的对象结婚。

【独家干货，谢绝转载内网（你懂的）】 Vibe coding时代，软件护城河到底是什么？【上】 Linus说：AI是伟大的工具，但只是工具。优秀开发者仍能写出优秀代码，普通开发者仍更容易写出有Bug的代码。AI时代同样如此。关键在于深刻理解你所构建的系统。 什么叫“深刻理解你所构建的系统”？ 就是除了知道它“是什么样”，还知道它“为什么是这样”。靠AI抄袭功能的对手，往往只知道前者，不知道后者。 举个简单例子。我们有一套铁路钢轨伤损自动识别系统，算法准确度领先全球竞争对手一代。设备成本约6万多，标准定价300万人民币，卖最贵的一套成交405万，带一点模型微调。 6万多卖三四百万（同类竞品约1.5万美元），客户都喊贵，但仍买。因为它是历史上第一个真正解决这个问题的算法。 这块蛋糕太肥，国家队、友商、代理商都眼红。他们为什么不自己用AI抄一个？尤其是国家队，在用行政命令强迫我们提交源码审核后，看着源码，那群博士为什么不抄？ 拆一个简单细节，就能看清原因。 我写的主模型是116维支持向量机：把问题转化为在116维超空间中求解若干个115维超曲面，把空间切成二十多个区域，对应二十几种定性情况，再分流到二级模型做定量分析。 这116维里小部分维度，行业专家一看就懂；其余绝大多数，连我手下几个博士都觉得是玄学，像瞎猫碰上死老鼠，像炼丹硬凑出来的参数。 对比：中车株洲所和铁科院搞了很多年，准确率停在65%–70%；Sperry Rail做了半个世纪，做到80+%；我的模型在同等条件下第三方盲测（测试集不在任何训练数据中）分类准确率99.985%，当场评审都怀疑作弊。 其实116个维度里没有一个是拼凑或炼丹烧出来的。每个维度都有真实物理含义，每个选择都有理由。 其中一维是：“某一特定波长目标区域内所有反射点的（x−y）的方差”。定义很简单，核心就是x−y。但所有人都不屑，觉得它只是一百多个奇怪维度里比较简单的一个。 他们觉得毫无意义，是因为他们知道x是什么、y是什么，也知道这两个数直接相减看起来没意义。 y是反射点距轨道面深度，单位毫米。钢轨高度十几厘米，所以y小于200（byte）。 x是反射点距检测起点的距离。由火车车轮转速编码器触发采样，按标准换算，x以1/32英寸为单位。一次检测可能跑几百到一两千公里，所以x是几百万、几千万甚至几十亿的长整数（int64）。 x和y单位不同（毫米 vs 1/32英寸），数量级也差很多。大家不理解：一个几十亿的大整数减去三四十的小整数，有什么物理含义？求方差有什么价值？探头能发三十多种不同波长和角度的超声波，为什么只对某一种波长求这个方差？ 但它是116维里最重要的几个之一。 这个波长来自一个特定探头：从轨道正前方看垂直于轨面，从侧面看以约52度夹角向斜前方发射。为什么是这个角度？我不知道。Sperry Rail半个世纪前选了它，全世界跟着用，效果不错。 超声波在钢轨内部遇障碍物漫反射，只有垂直于发射方向的反射才能原路返回并被接收。因此回波位置应落在约38度倾斜面上；从侧面看，就是一条38度斜线。 38度斜线可写成： y = tan(38°)x + b ≈ 0.7813x + b 因单位不同，还需除以常量：1/32英寸等于0.7937毫米。 巧合的是，0.7813与0.7937很接近，相除后变成： y = 0.9844x + b 即 b = 0.9844x − y 检测时火车以40–80公里时速行驶，误差很大。工程上完全可用1代替0.9844，于是简化为 b = x − y。 对一障碍物，b应是常量；对噪声，b会变化。因此b的方差能把噪声和真正的障碍物回声分开：障碍物方差接近0（精度原因实际不为0，但仍很小），噪声方差很大。 这就是“毫无意义的”x−y方差的真正意义。 在这则推文之前，除我之外没人知道这一点。 这还只是最简单的一个维度。其余几十个带着根号和三角函数的分段表达式，看起来更像玄学。国家队拿到源码，看见1.414当然知道是√2，但为什么用它，没人知道。 我是唯一钻到火车车底，测量三十多种探头精确角度和超声波频率的人；去了解各型号晶片老化造成的增益衰减；查询每种钢轨规格、几何角度和材质对超声波的影响；弄清高铁钢轨为何比普通铁路软，以及由此带来的声学变化；试验超声波在电线、接头、缝隙中的多次反射路径；实测各种（尤其不标准）焊接工艺下焊缝内部的反射特征；跑遍全国，看内蒙古风沙侵蚀、深圳地铁轨底海风湿蚀、南北温差对钢轨的影响。 所以当国家想“国进民退”时，我能写几十页文档告诉中车和国铁工电部领导去阻止。让他们感叹：“几十年来第一次看到这么全面的研究报告。” 我是这个星球上对这个问题研究最深的人。你们只是把检测波形图喂给YOLO和大模型做图像识别和目标检测，算法怎么可能跑赢我？ 这就是软件护城河。 【前面是“上”。后面想聊：为分析飞机黑匣子而掌握多种民航飞机全参译码，并分析丽江机场和贡嘎机场的气候模型；为做火车监控日志分析而去培训学校学会多款火车驾驶；为理解日志数据而研究列车管、气压、空气动力及各种气缸的物理特性。如果这篇没什么人气，可能不会写“下”。】