🔥 推特起爆帖监控
搜索和分析大V账号即将起爆的热帖推文。通过SoPilot插件快速评论和互动，抢先一步占领评论区，你将获得更多的曝光。
路透社这篇把来龙去脉讲得透透的 ——— 宏观视点：中国对日禁运引发政府内部动摇 或存在“针对特定企业筛选”的看法 [东京 7日 路透社] - 鉴于中国商务部宣布即时禁止向日本出口军民两用（Dual-use）产品，日本政府内部的动摇情绪正在蔓延。主流观点认为，这是中方针对高市早苗首相关于台湾有事相关言论所采取的对抗措施，意在施加压力。由于实际被禁运的品类范围尚不明朗，政府内部也有声音推测“中国或许会根据企业不同而区别对待”。 ＜本以此为“针对高市个人的靶向”，然而...＞ “仅针对我国采取的措施与国际惯例大相径庭，绝不可接受且令人深感遗憾。” 官房长官木原稔在7日的记者会上如此表示，并再次要求中方撤回该措施。他还表示：“关于措施的对象等仍有许多不明之处，暂不对其给产业界带来的影响发表评论。将在精查、分析内容的基础上，探讨必要的应对措施。” 政府内部也有感到动摇的声音。这是因为高市曾在去年11月的国会答辩中表示，台湾有事可被视为允许行使日本集体自卫权的“存立危机事态”。在那之后，外界原本认为中国在采取可能重创日本经济的措施方面是克制的。外务省干部此前也曾表示：“中国针对的是高市个人，应该不会做出与日本经济界为敌的事情。” 然而，此次措施可能包含日本依赖从中国进口的稀有金属（Rare metal）和稀土（Rare earth）。如果对象品类和企业范围扩大，预计将对半导体及汽车产业等造成打击。 野村综合研究所执行经济学家木内登英解释称：“特别是用于电动汽车（EV）马达的钕磁铁的辅助材料——镝、铽等稀土，据称几乎100%依赖中国。” 他估算道：“假设稀土出口限制持续3个月，生产减少额及损失额将达到6600亿日元左右，这将把年度名义和实际国内生产总值（GDP）拉低0.11%。” ＜“中国的目的是制造分裂”＞ 另一方面，政府内部也有观点认为，这是中国施加的强烈政治压力。政府相关人士分析称：“中国应该周密地准备了多张‘对日牌’”，“虽然要求高市撤回发言，但因未见其回应，所以打出了新的牌”。该人士还表示：“如果经济界发出悲鸣，高市政权的根基就会动摇。中国的目的是制造日本国内的分裂。” 也有相关人士表示“此次措施在预料之中”。韩国总统李在明刚刚于4日对中国进行国事访问，并与习近平国家主席举行了会谈。李在明计划于本月内访日，该相关人士称：“中国是在刚刚展示了与韩国的蜜月关系之后，瞄准日本最焦急的时机采取了措施。” 他还表示：“禁运可能并非针对整体，或许会根据企业不同而区别对待。积极对华投资的企业可能会被排除在对象之外。” 高市在去年11月7日的众议院预算委员会上，被问及属于台湾有事这一“存立危机事态”的具体事例时曾表示：“如果是使用战舰且伴随武力行使的情况，我认为这就可能成为存立危机事态。”
我并不是 X 的 premium+ 会员，为什么现在也能写文章了？ https://t.co/djauJ4jAbh
现在我不会高频对国内用户说： 1. 你打开某某官网看看就知道了 2. 你用搜索引擎搜一下就知道了 有时候「伸手党」式提问感觉像是习得性无助 因为这些年来一直用百度搜索，搜个毛都搜不到，所以已经默认了搜索引擎这个东西没法用 你用小红书、抖音搜吧，倒是能搜到，但是评论区没有链接，搜到也没用 代入到这个视角之后，我确实也觉得，只能问人 在你只能用百度去寻找信息的时候，互联网确实是没啥用
正好今天币安人生上线币安的现货了，还是有必要说下币安人生这个meme的： 1、币安人生本身虽然一些kol一直在喊，但是我并不是很相信有多大的叙事。 感觉只是网友们借助户晨风的苹果理论，搞的一个恶作剧，结果因为比较公平的发射，不少人都能够很轻松的在3M 6M 20M的位置上车，引发了广泛的传播，进而引起了OKX和币安管理层的摩擦，甚至后来让币安API里支持中文ticker了，其他交易所也跟进了，你说这玩意力量大不大 OKX后来也发了一个万事OK还是啥，我反正很早上车，然后被干了几万u，从这个角度来说，OKX没想清楚要做什么，市场和CEO口径也没统一，也没形成对抗的力量，而是玩一下梗，当成一个一次性的市场行为 2、币安人生的意义在于，只要后面这个币种有波动，不管是涨是跌，都会有人拿出来说，这个是很持续的市场事件，而且是中文第一现货meme，后面哈基米什么的就都有了未来的预期 3、这个事情把币圈人的认知都锁定了，后面大家提到加密货币，也只会想到币安，这个影响力会是持续的 总结：我只能说，币安市场内部有高人啊
其实挺好奇一个问题的，但是会显的自己不够洋气。 就是到底 ChatGPT 的 20美金一个月、Claude Code 的 100、200美金一个月，对不同国家的人来说是什么样的消费感受。 比如，对我在国内来说，20美金加税换算人民币150块钱了，100美金加税就700多块钱了，还是有点痛的，毕竟700块钱都能杭州住五星级酒店了。 比如对于美国的推友来说，是不是就很无感，很不起眼了。
关于成功最残酷的真相： https://t.co/Telq6KC7D0
高德发布了一个名叫 FantasyWorld 的世界模型，阿里的模型版图再次扩张。 作为头部导航应用这么大的数据量确实可以用来搞个模型。 发布之后在 WorldScore Leaderboard 这个专门用于世界模型的测试集排第一。 随着自动驾驶各家转向 VLA 和纯视觉方案，加上具身智能的火爆，感觉这类追求物理表现和 3D 一直性的世界模型会越来越重要。 FantasyWorld旨在为具身智能与AGI提供高质量3D世界模型。 在冻结的视频骨干上增设可训练的几何分支，联合建模“视频潜变量”和“隐式3D场”于一次前向计算中。 生成视频在保持强视觉真实感的同时，显著提升多视角一致性与几何保真，相比近期几何一致方法在多视角协同与风格一致性上更优。
作者给的2026年的11个预测 每年我都会做一份预测清单，顺便给去年的预测打个分。2025年表现不错，拿了7.85分（满分10分）。 2026年预计会发生什么： 1. 企业为AI Agent付的钱，第一次超过雇人的成本 消费端其实已经这样了。 Waymo的打车费用平均比Uber贵31%，但需求还在涨。 为什么？乘客更看重自动驾驶的安全性和可靠性。 对企业来说也一样。 当你把招聘、入职培训、日常管理这些隐性成本都算进去，AI代理反而更划算。 尤其是那些重复性的工作，企业会愿意为AI多付钱。 2. 2026成为史上最大的流动性释放年 SpaceX、OpenAI、Anthropic、Stripe、Databricks会扎堆IPO。其中SpaceX和OpenAI能挤进史上最大规模IPO的前十名。 憋了4年多的需求终于要爆发了。 更有意思的是，那些老牌公司会疯狂收购，金额超过250亿美元。 他们害怕被AI颠覆，与其自己慢慢研发，不如直接买。 3. 向量数据库重新成为AI基础设施的核心 多模态模型和世界模型需要全新的数据架构。 向量数据库会迎来爆发式增长，它们成了连接大模型和企业数据的关键组织。 4. AI模型能独立完成超过8小时的工作流程 根据METR的数据，AI完成任务的时长每7个月翻一倍。 现在的前沿模型能可靠完成大约1小时的任务。 按这个趋势推算，到2026年底，AI Agent能自主执行8小时以上的工作流程。 这会彻底改变公司的人员配置方式。 5. AI预算第一次被严格审查 采购委员会和董事会开始质疑AI投入。 小型语言模型和开源方案会更受欢迎。 研究实验室发现，把模型针对特定任务做优化，能用十分之一的成本达到最先进的效果。 开发者当然喜欢这种10倍成本削减。 6. 谷歌靠全面布局拉开和竞争对手的距离 没有其他公司能在这么多领域同时取得突破：前沿模型、设备端推理、视频生成、开源权重、搜索集成。 谷歌设定节奏，逼得OpenAI、Anthropic和xAI只能选择专精某个方向。 每个实验室在所有前沿领域竞争的时代结束了。 7. Agent可观测性成为推理栈最激烈的竞争层 工程可观测性、安全可观测性、数据可观测性会融合成一个学科。 Agent 需要统一的视角来监控代码执行、威胁检测和数据血缘。 这是我在2025年预测的融合的开始：三个可观测性领域终于要合并了。 8. 到12月，30%的国际支付通过稳定币完成 跨境结算的效率提升太明显了，没法忽视。 随着主要市场的监管越来越清晰，稳定币会从加密货币的边缘走向全球贸易金融的核心，在B2B交易中取代传统的SWIFT系统。 9. Agent的数据访问模式会让现有数据库崩溃 代理对数据库和数据湖的查询量，至少比人类多一个数量级。 这种并发和吞吐量的激增，会迫使事务型和分析型数据库都要重新设计架构，才能应对AI自主系统的持续需求。 10. 数据中心建设达到美国GDP的3.5% 这个投资规模能和历史上的铁路扩张相提并论。 唯一可能拖慢建设的因素是信贷市场的风险感知，尤其是私人信贷市场。 这个资产类别的大规模增长突然显现出违约率上升的压力，可能成为最资本密集型基础设施项目的瓶颈。 11. 网络设计转向Agent优先 大部分开发者文档和很多网站会变成代理优先，而不是人类优先。 （GEO机会的意思？） 为什么？因为现在很多购买决策都是先通过代理研究来做的。 正门要为机器人设计，侧门才是给人用的。 这些预测里，你觉得哪个最可能实现？哪个最疯狂？
Congratulations to Zhipu on becoming the world’s first LLM company to go public. Historic milestone, congratulations @Zai_org ! https://t.co/fgSjx0ZdwP
我擦 又捡到便宜了！Google AI Pro 仅需 $6.49/月 之前本来想试试 Gemini 年付套餐，结果老用户不行，就取消了月付 今天重新订阅，结果谷歌给了个大惊喜： 原来可以先以 $6.49 先订三个月，之后才是 $20/月！ 这跟之前 ChatGPT Plus 取消订阅时，免费送 1 个月挽留我的套路一样啊 你也快去试试看？！ https://t.co/VuqFCmni2b
齐活了～ 我的 2026 最新产品即将内测！ 预约内测，获取永久唯一的创始成员编号 https://t.co/KDCrok1NMT https://t.co/oMYEJ9loyc
可能 AI Studio 又要有大更新了。 模型输入框增加了工具选项，他们员工说是为了即将到来的更新做的准备 目前 Gemini 3 Pro 开放了 5 个工具：结构化输出、代码执行、Google 搜索、URL 获取上下文、Function Call https://t.co/FkTo2YAZOu
Use the following prompts to create this type of video: 1. Exploded view of gun parts: Create a hyper-realistic exploded vertical infographic composition of a modern semi-automatic handgun. At the very top, the slide assembly suspended mid-air, including the slide body, front and rear sights, and barrel opening, perfectly aligned and slightly separated to reveal internal structure. Below it, the precision-machined barrel floating independently, showing rifling detail inside, realistic metal wear, and subtle oil sheen. Next, the recoil spring and guide rod positioned vertically, cleanly separated, with accurate tension coils and brushed steel texture. Underneath, the frame assembly with visible rails, trigger guard, grip texture, and internal cavities exposed in a clean exploded layout. Following that, the trigger mechanism components—trigger, trigger bar, sear, connector—each floating in correct mechanical order, spaced evenly for clarity. Below, the magazine components: magazine body, follower, spring, and base plate, all separated and aligned vertically. At the bottom, the magazine base plate and grip base completing the composition. Pure white background. Soft studio lighting with subtle, realistic shadows beneath each floating component to emphasize depth and separation. Ultra-sharp focus, DSLR macro photography, industrial product visualization style. Clean infographic text labels with thin, precise pointer lines identifying each component. No motion blur, no hands, no humans. Premium engineering aesthetic, precision manufacturing feel, museum-grade technical visualization, 8K ultra-high resolution. 2. Using the reference images and prompts above on your Nano Banana Pro, create a complete gun image: Assemble these parts into the shape of a pistol, remove the text, and keep the white background. 3. kling: This is a high-end commercial for a firearm. The gun rotates 180 degrees and stops, then parts are disassembled from their corresponding positions, finally displaying text. You can have AI modify the prompts above to represent the products you need, generating eye-catching videos!
Anthropic 发布了本地带界面的 Claude Code 内置在 Claude 桌面端里面，在侧边栏点击“Code”切换后选择启动的文件夹就行 https://t.co/vfGBP83CkA
很少聊设计，但看到这个忍不住想来说一嘴。以前做设计的时候，我们 team 专门做过研究，蒙层的设计引导的有效率非常低，所以强烈不建议做。 那怎么样的引导是值得做且是有效的？核心策略是把所有空值状态都单独看成另外一个界面来做，然后在这里做引导。这样出来的方案会很自然地牵引用户往下一个状态去流转。 示例参考如 Clerk： 图1：（空状态）创建完应用后直接引导该怎么集成； 图2：（集成态）有数据以后则是变成一个 dashboard。 经典产品经理往往不会重视空状态，因为这个状态存在时间非常短。但大部分时候其实是空状态才是用户启动最难的时候，而这是设计所能发挥的价值。好的引导设计是能提前预测 User Journey 并且牵引用户自然进入到下一个阶段的。
注意 Lovable 的这条推文透露的几条重要信息： 1. 同时维持着大约 30,000 个沙盒（Sandbox，指一种用于安全隔离代码运行的虚拟环境） 2. 每一秒钟，就有大约 10 个沙盒被创建，同时也伴随着 10 个旧沙盒的销毁 3. 打造了一个独家的自定义调度器。一旦某个节点出现故障，流量并不会生硬地切断，而是会通过指数平滑的方式，自动在不同的地理区域和云服务商之间进行“丝滑”迁移，确保用户几乎毫无察觉 4. 用的是 Modal 和 GKE（Google Kubernetes Engine） 这两大云基础设施 5. 正在攻克下一个技术高地：实现每个项目中数百个 AI 智能体（AI Agents）的并行协作。 不止是 Lovable，所有的 Agent 公司比如 Manus 都在做类似的选择和解决相似的技术问题，这里面有很多新的技术挑战，也会诞生很多新的机会。 如果你对这块有兴趣，还没看过《如何做 AI Agent 喜欢的基础软件》这篇文章，一定要仔细看看 https://t.co/Q6pYwBrc6h
他妈的一大早罗技的鼠标驱动掉了，搞了好久 结果是他们证书跟英雄联盟一样也过期了 真服了，而且这么长时间都没修复，不能干别干了，罗技 找了半天，终于找到解决方法了： 把日期改成昨天，启动调好之后再把它关了，最后再把日期改回来 https://t.co/0CvBH9RKbn
Cursor 刚发表了篇文章：《Dynamic context discovery》https://t.co/O9trD8o1gy（译文：https://t.co/O1ODpZz3YV），讲述了他们上下文管理的秘密。 之前 Manus 的 Peak 在访谈里面说： > 所以 Peak 说当他们读到一些模型公司发布的研究博客时，心情是“既开心又无奈”。开心是因为这些博客验证了他们的方向，无奈是因为博客里写的东西，基本都是他们早就在做的。 Cursor 这篇文章又曾侧面印证了这个观点😂，不过也不能说 Cursor 是在抄袭 Manus 的技术，只能说 AI Agent 的最佳实践，就是怎么管理好上下文，而管理好上下文，就离不开文件系统。 言归正传，Cursor 这篇文章讲的是“动态上下文发现”，核心就是上下文管理。 给 AI 的上下文，不是越多越好，很多人用 AI，生怕 AI 不知道，怕 AI 记不住，恨不得把整个项目的文档、历史记录、工具说明一股脑全塞进去。 但随着模型变得越来越聪明，预先塞太多信息反而帮倒忙。一来浪费 token（上下文窗口是有限的），二来信息太杂可能干扰模型判断。就像你给一个能干的下属布置任务，不需要把公司所有制度文件都打印出来放他桌上，他需要什么，自己会去查。 这就是 Cursor 提出的"动态上下文发现"（Dynamic Context Discovery）模式：别急着把信息塞给模型，而是让模型在需要的时候自己去找。 【1】让 AI 自己找需要的信息 听起来简单，但具体怎么做呢？Cursor 分享了五个他们实际在用的优化手段，每个都挺巧妙。 场景一：长输出变成文件 问题是什么？当 AI 调用外部工具（比如运行一个 shell 命令或者调用 MCP 服务），返回的结果可能很长——一大串日志、一整个网页的内容。常见做法是截断，只保留一部分。但截掉的那部分，说不定正好是后面要用的关键信息。 Cursor 的做法是：把长输出写成文件，然后给 AI 一个读文件的能力。AI 可以先用 tail 命令看看结尾，觉得需要再往前读。这样既不会塞满上下文，也不会丢信息。 场景二：聊天历史变成可查档案 当对话太长，超过上下文窗口限制时，Cursor 会触发一个"总结"步骤，把之前的内容压缩成摘要，给 AI 一个"新的起点"。 但压缩是有损的。重要细节可能在总结过程中丢失，导致 AI"失忆"。Cursor 的办法是把完整的聊天记录存成文件。AI 拿到的是摘要，但如果它意识到"这里好像漏了什么"，可以自己去翻原始记录找回来。 这就像是你给员工发了一份会议纪要，但完整的会议录音也存着——有疑问随时可以回溯。 场景三：按需加载技能 Cursor 支持一种叫"Agent Skills"的扩展机制，本质上是告诉 AI 怎么处理特定领域任务的说明书。这些说明书可以有很多，但没必要每次都全部加载。 Cursor 的做法是只在系统提示里放一个"目录"——技能的名字和简短描述。AI 真正需要某个技能时，再用搜索工具把完整说明拉进来。就像你不会把整个图书馆背在身上，只带个索引卡片就够了。 场景四：MCP 工具的瘦身术 这个场景数据最有说服力。MCP 是一种让 AI 连接外部服务的标准协议，现在很火。问题是，有些 MCP 服务器提供几十个工具，每个工具的描述都很长，全塞进上下文窗口很占地方。更尴尬的是，大部分工具在一次任务中根本用不到。 Cursor 的优化方式是：只在提示词里放工具的名字，完整描述同步到一个文件夹。AI 需要用某个工具时，再去查具体怎么用。 效果怎么样？他们做了 A/B 测试，在调用 MCP 工具的场景下，这个策略减少了 46.9% 的 Token 消耗。接近一半的成本省下来了。 还有个附带好处：如果某个 MCP 服务需要重新认证，以前 AI 就会"忘记"这些工具的存在，用户一头雾水。现在 AI 能主动提醒用户"喂，你的 XX 服务需要重新登录了"。 关于 MCP 工具的优化，Anthropic 官方有一篇文章《Code execution with MCP: Building more efficient agents》https://t.co/Opk5JC6Fvb，思路也是类似的，推荐看看。 场景五：终端会话也是文件 用过 AI 编程工具的人都知道，有时候你想问"我刚才那个命令为什么失败了"，但 AI 根本不知道你运行过什么命令。你得手动把终端输出复制粘贴给它。 Cursor 现在把集成终端的输出自动同步到本地文件系统。AI 可以直接"看到"你的终端历史，需要的话还能用 grep 搜索特定内容。对于那些跑了很久的服务日志，这个功能特别实用。 【2】为什么是"文件" 你可能注意到了，Cursor 这五个优化有个共同点：都是把东西变成文件。 为什么是文件而不是别的抽象？ Cursor 的说法是： > 我们不确定未来 LLM 工具的最佳接口是什么，但文件是一个简单、强大的基础单元，比发明一套新抽象要安全得多。 这个思路和 Manus 的理念不谋而合。Peak 在他们的技术博客《AI 智能体的上下文工程：构建 Manus 的经验教训》https://t.co/jTT5bEtCaU 里专门讲过：他们把文件系统当作"终极上下文"——容量无限、天然持久、而且 AI 自己就能操作。 Peak 举的例子很形象：一个网页的内容可以从上下文里删掉，只要 URL 还在，AI 随时能把内容找回来。一个文档的全文可以省略，只要文件路径在，需要时再读取就行。这种"可恢复的压缩"，比简单的截断或删除聪明多了。 【3】几点思考 一个启示是：上下文工程的核心可能不是"怎么塞更多信息"，而是"怎么让模型高效获取需要的信息"。随着模型能力提升，把主动权交给模型是一个趋势。 另一个启示是简单抽象的力量。在技术领域，我们经常迷恋复杂精巧的设计。但文件这个例子提醒我们：那些经过时间检验的简单抽象，往往比看起来高级的新发明更耐用。 模型够聪明的时候，少塞点东西、让它自己找，可能比硬塞一堆效果更好。有时候，less is more。
OpenCode 今天（半夜）推出了 Black 套餐（黑卡？），200美金/月，所有 API 任用。 可惜，目前早已卖光，一小时内售罄。 黑卡目标是提供与 Claude Max/Codex Pro 类似的服务，并且正在利用这批初始用户来了解他们的使用模式。 官方表示会推出更便宜的套餐，让更多人能够享受到这项服务。 https://t.co/F7zcNO1Hbt
分享一篇关于 Claude Code 底层原理性质的文章，标题是《What makes Claude Code so damn good》，作者是 MinusX 公司的 vivek。 文章里核心的观点就是 Keep Things Simple, Dummy (KTSD)，也就是保持简单，整个 Claude Code 的设计就是围绕这个原则，简单设计、简单架构。 总共有4个关键设计： 1. 简单的循环设计：一个主线程循环，子任务切换最终回到主线程。 2. 简单的提示词设计：通过一个 https://t.co/yjFIR6Rkt5 文件，让用户好沉淀提示词，让 LLM 好理解、好操作。 3. 简单的工具设计：不用 RAG，像人一样更多使用 grep、find 等基础工具，反而 LLM 可以更好的自我学习。 4. 简单的可控：不要多余的话、不要多余的语气、表情。 这里只是提到了文章的非常粗的概念，具体的还是一定要阅读文章本身
Obsidian CEO写的Skill，基于X用户调研。 这几天，他好像经常问大家用给Ob写了什么好玩的Claude Skill。 其实，大家的回复更精彩，但他写的很基础底层。 ① 写出Obsidian风格的Markdown （内链、属性等） ② 生成.Base 文件的过滤器和公式 ③ 生成Canva无限画布等 用这个很简单，只需要告诉Claude Code： 安装这里的skills https://t.co/QlNfzOHoDR
🤑 我是如何搞定出海支付的 对于大多数想搞独立开发的人来说，最难的估计就是如何搞定网站的支付。想要向全球用户收款，又希望这笔收入能够安全合规地落到自己的口袋，其中的疑惑不可谓不多。比如，如何注册一个Stripe的账号？是否要注册公司？如何进行注册？费用是多少？是否要缴税？如何进行缴税？收入如何转移到账等等。 2024年3月份，我参考网上教程，直接使用护照和港卡注册了一个Stripe的个人账号（就是这么简单，你现在依然可以通过这个途径注册账号）。结合开源项目 Stripe Subscription Starter，我了解了Stripe收款的开发逻辑。但对于Stripe的个人账户是否安全的问题，我一直一知半解，所以也一直没敢使用个人账号。 2024年6月份，我了解到Lemon Squeezy也可以收款，于是我注册并通过了一个Lemon Squeezy商店。结果7月份，Lemon Squeezy被Stripe收购，收购之后再提交申请就没有人回复了。再加上推特上海外开发者吐槽Lemon Squeezy的各种问题越来越多，所以我一直也没敢使用Lemon Squeezy账号去进行收款。 2024年国庆节，Mkdirs模板开发得差不多的时候，我决定注册一个美国公司，并申请Stripe的企业账号。当时，我依靠着网上零碎的教程，通过Stripe Atlas填写了各种资料，并正式提交申请，注册一个美国公司，名字叫MkSaaS。没错，MkSaaS模板虽然是2025年发布的，但其实在2024年注册公司的时候就已经决定要做了。 10天后，我的公司成立了！我简直不敢相信，全程线上操作，花费不到300美金，我成立了一家美国公司，并且有一个美国银行账户，我可以将Stripe收入提现到银行账户中。虽然整个过程还是颇为艰辛的，比如要搞定驾照翻译、美国手机号（其实并不需要美国住宅地址），但是这样简单的纯线上申请流程在国内想都不敢想啊！ 💰 关于支付，有什么建议 如果你已经注册了一个Stripe的个人账号，直接去用就行了，不要考虑那么多，也不用去担心如何缴税，就当没这回事。身边有很多人都是使用Stripe的个人账号，正常使用多年了，正经小生意一般都没人管。 如果你担心个人账户的安全问题，那么就去注册美国公司，进而注册Stripe的企业账号，不要犹豫不决，成本大概就是注册费300美刀和几百美刀年维护费用。如果你觉得搞独立开发回不了本，那劝你直接放弃。 如果希望心里更有底，那么建议看欧总的《全球收款手册》，虽然在购买这份手册之前，我已经搞定了Stripe的企业账号，但这份手册依然解决了我很多的疑惑，而且，欧总提供的专业服务也绝对物超所值。 如果你实在搞不定Stripe账号，那么试试海外支付平台Creem，我是全网首个分享中文注册教程的人。但我并没有在实际项目中使用过Creem，只是跟Creem的开发者保持着邮件往来，也算是看着它成长起来的。 我知道支付是很多人进入独立开发的第一个难关，但现在这关已经一点都不困难了。很多人今天听说这个平台封号，明天听说那个平台跑路，总是在徘徊犹豫，成大事者，应当坚定果敢地勇敢迈出那一步。 https://t.co/KVtd6R6FTu 点上面的链接注册美国公司，费用是$350，而不是$500，这个是短链，不是分销链接，我没有任何收益，只为分享给需要的人。 详细内容可以阅读下面帖子中的原文，长文总结我的2年独立开发之路。
吴恩达老师新年第一条推文没有预测“今年 AI 会有多厉害”，反而问：“我们到底怎么判断 AGI 来没来？” 甚至还提出了一个新的检验标准叫“图灵-AGI 测试”。 规则很简单。给 AI（或者一个人类）一台能上网的电脑，可以用浏览器、可以开 Zoom。然后由评委设计一个连续多天的工作任务，比如先接受客服培训，然后真的去接客户电话，中间还有人给反馈。这就是一个远程员工日常会经历的事情。 如果 AI 能做得和一个熟练的人类员工一样好，那就算通过了。 经典的图灵测试要求是让 AI 通过文字聊天骗过人类评委，让评委分不清对面是人还是机器。听起来很有道理，但实际操作下来，Loebner Prize 竞赛发现了一个尴尬的结果：想骗过评委，最有效的不是展示智能，而是模拟人类的打字错误。你故意打几个错别字、犹豫一下再回复，评委反而觉得你更像人。 现在流行的其他各种 benchmark，什么 GPQA、AIME、SWE-bench，这些测试的问题在于，测试集是公开的。AI 团队会针对这些测试集做优化，或者说刷题。刷高分不代表真的有通用能力，只能说明在这一小块领域做得不错。就像一个学生每年都刷同一套模拟题，考试成绩很好，但换个题型可能就不行了。 “图灵-AGI 测试”至少抓住了一个关键：普通人心目中的 AGI 是什么样的？不就是能替我干活的 AI吗？一个真正的通用人工智能，总不能连一份远程工作都干不了吧？ 问题是 AI 真要能通过这测试了，感觉我可以去申请远程岗位让 AI 帮我干活我自己领工资了😂
OpenCode 精准的踩到了需求： 团队需要开源的、模型无关的、可灵活定制的、功能强大的 coding agent。 Claude Code 不开源，Claude Agent SDK 不开源但开箱即用，不过需要绑死 Claude 或者兼容模型 Codex CLI 开源，但是和 codex 模型绑定紧密，并且功能不如 CC 强大 Gemini CLI 开源，也是和 Gemini 模型绑定紧密 Kimi CLI 开源，了解不多 对个人来说，如果是包月用户，用官方 cli 就挺好，不一定要去折腾 open code。
2026年真正出圈的Crypto App的最基础要求： - 移动端App或者移动端Web App，不能是Chrome插件 - 不需要用户连接钱包，钱包可以直接built-in - 任何的操作下不需要用户去为一个crypto小白看不懂的信息签字 - 不需要手动切换Blockchain，甚至默认看不到在哪一个网络上 - 允许Passkey登陆，允许Social Log-in - 无Gas Fee，或者最起码使用Paymaster代付gas fee
分享一下我怎么迭代我的系统提示词 这是一个尝试去复制我自己的文字风格的系统提示词 它写得很烂，但是提示词的框架很好，可以通过有限次数的迭代，改进得很好 我会让它大量输出，然后给它写的文案挑毛病： 1、哪句写得不好 2、为什么不好 3、什么情况下可以这么写 每一个版本的系统提示词，都会跟着这样一个表格 迭代 n 次之后，这个文档里面会有 V1～Vn 总共 n 个版本的系统提示词，以及对应的 n 个表格 然后把整个文档下载下来，让 AI 给我 V(n+1) 版本