Xu Zechao

Multi-agent sovereign individual free will, accelerationists, cultural left, abundance agenda

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

《立党基础教育》最核心的精髓，一个是给6岁孩子孩子买mac mini+大显示器，一个是订阅coding plan（claude/OpenAI/智谱/kimi/阿里/grok），

最核心是建立“党哥家庭图书馆”，卧室装满这些书，可以陪伴孩子从6岁到18岁的数学物理计算机教材，让孩子随机翻、随机看、躺着看、拉屎看，挖掘天赋潜能。

一定要听党哥的，党哥就住天津图书大厦旁边，这些书党哥没给童年的自己买齐，党哥想扇自己100个大嘴巴子，你们一定不要给自己家聪明的孩子留遗憾，先把书买齐了，孩子只看10%，每本书只看一章，都是有用的。

1. 小学、初中、高中全年级的数学、物理、信息学基础官方教材；

2. 小学、初中、高中全年级的数学、物理、信息学学科竞赛教材和题集；

上面这些书一定要买齐，供孩子随时按照兴趣翻阅，吃饭时翻阅，拉屎时翻阅，无聊时翻阅，

3. 大学本科基础数学教材《微积分》《线性代数》《概率统计》《复变函数》，如果孩子看得津津有味并且觉得太简单，立刻按照北大数学系培养方案继续买实分析、高代、抽代、组合数学等等，

喜欢物理直接买四大力学教材，或者直接买《费曼物理学讲义》，按照孩子需求买齐买全，挖掘孩子在数学和物理上的最大天赋；

4. 一定要买齐计算机教材，从6岁可以陪伴到60岁的几本书，都是党哥自己掏真金白银在天津或者Texas亲自买过的纸质书，哈佛MIT斯坦福也用这些书当做本科生或者graduate level（硕士博士阶段课程）教材，记住，一定要买齐，摆孩子卧室里，让孩子随机翻阅，随机看，拉屎看，吃饭看，睡觉看，周末看，看一章节就算稳赚。

记住，这些书尽量买齐，在中国就买影印版中文翻译版，一本书50块钱，买齐了并不贵，在英语国家可以买二手英文版，这些书可以陪伴绝大多数人从6岁到60岁。

a. 《Python Crash Course: A Hands-on, Project-based Introduction to Programming》（Python编程：从入门到实践），孩子的第一本编程书，让孩子一边拿着书，一边对着电脑敲敲敲，敲敲敲，敲敲敲，

python入门了以后，可以买《Thinking in Java》《C++ Primer》，挑着学Java和C++这两本书；

b. 计算机三套经典，党哥都买了纸质版，党哥都没看完。

- 计算机基础教材CSAPP《Computer Systems A Programmers Perspective》（CSAPP）

- 算法和数据结构圣经《introduction to algorithms》（算法导论）

- 可以陪伴到50岁、几代人读的圣经大套装《The Art of Computer Programming》（TAOCP）

记住，党哥没看完是因为岁数太大了（算法导论看得最多，其他两本进度很少），你的孩子只有6~18岁，如果激发了巨大的兴趣，你的孩子是完完全全有精力看完的。

如果18岁之前能扎扎实实看完这三本书，可以说比Google和Meta里面90%的员工要强。

c. 全球公认的计算机其余主要专业教材

操作系统《Operating Systems Concepts》（操作系统概念，恐龙书）

编译原理《Compilers: Principles, Techniques, and Tools》（编译原理，龙书）
《Modern Compiler Implementation in C》（现代编译原理，虎书）
《Advanced Compiler Design and Implementation》（编译器设计与实现，鲸书）

数据库《Database System Concepts》（数据库概念）

计算机网络《Computer Networks》Andrew S. Tanenbaum

计算机图形学《Fundamentals of Computer Graphics》（图形学虎书）

机器学习和深度学习《Pattern Recognition and Machine Learning》(PRML）和《Deep Learning》 by MIT Press

党哥不是拉书单，党哥给你推荐图书是非常谨慎小心的，已经砍到不能再砍，精简到不能再精简了，精简到再砍掉任何一本就会出现大问题了，

记住，这些计算机科学computer science书籍，要买全，买齐，在中国大陆就买影印版、翻译版，在美国就买二手，把这些书整整齐齐放在孩子书架上，

孩子靠兴趣驱动学习时，是跳跃的、离散的、冲动的，也许孩子感兴趣两个月看完一本书，也许两年翻不了三页，也许一本书只看零星两三章，

但是一定要给孩子买齐、买全、买完整，放在卧室书架上，吃饭看、拉屎看、无聊看、闲着看、呆着看、随机翻看、边看边敲、边看边在claude code里实现，

一定要买齐，在家里置办“党哥家庭图书馆”，孩子对知识的欲望和冲动，远比对抖音直播间大美女的冲动要强烈得多，当冲动来临的时候，一定要做好图书、知识、教材的准备，让孩子凭借一腔热血和兴趣，选择随机翻阅和学习。

当然，另一件重要的事情，就是听党哥的话，围绕北京、上海、深圳、bay area全球四大科技中心，每个月至少带孩子逛一次电子展、科技展会、技术大会、学术会议、路演日、融资大会、技术沙龙、AI线下沙龙、技术公开课、产业大会、学校技术论坛、学校学术展览，逐步建立世界观，认识技术，认识产业，认识各行各业，形成自己的价值观，并且开始接触一些各行各业的“大朋友”，

当这些大朋友给孩子一些启发的时候，孩子就会立刻回家，闷头去翻这些教材，继续去补充营养，带着白天开会时满脑子的小问号，回到自己的“党哥家庭图书馆”，去狠狠恶补自己欠缺的知识。

记住，除了买mac mini+大显示器+人体工程学座椅+订阅coding plan，除了开会，家长首先要做到的，就是买书，买书，买书，买书，买书，买书，买书，买书，买书。

如果要看视频课程，可以按照csdiy wiki上面课程去学习，可以上B站上中文平替，

先从哈佛CS50起，接下来看UC Berkeley CS61A、CS61B、CS61C，然后按照csdiy wiki上面对应的视频课程自己去学习，一般youtube有原版，B站有翻译版本。

让孩子自己自由随机去挑感兴趣的视频去跟着学。

但是一定他妈给我把这些书给孩子买齐，买全，加起来没有几千块钱，能改变你的孩子一辈子的命运，让他获得一个9位数的人生。

现在就给我去京东天猫拼多多闲鱼去下单，给我买！！！！

[索螺丝 @fiapp_pro]

DeepSeek harness 内测太逆天了，还要你上传身份证复印件，

同质化软件甚至优质开源软件都这么多的今天，把这个也当成宝贝？

梁圣人是不是没做过软件服务，真当自己无敌了😅

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

如果你有一堆非常零碎繁杂的任务，你自己的个人精力大概率会被一个claude code窗口彻底吸走，

你会觉得打开三四个claude code，来回来去切换，监测状态，绝对会让你疯掉，

而如果你有几个非常巨大的idea，你用goal driven设置好了goal，设置好的criteria，每一个任务都是一个相对较长的任务，

https://t.co/mJld9XcBjp

那么你就会非常坦然地把任务assign给一个master agent，让每个master agent去自动管理自己手下的1~10个subagents，以3~30小时的周期去工作，

这时候你就可以心安理得地打开5~7个claude code，享受一个注意力不再被分散、可以相对专注、同时相对并行的工作状态里。

因为你相信5~7个claude code不需要实时监控，goal driven会帮你自动verify、feedback、continue，并且是以3~30小时为周期去工作，

那么你就可以非常心安理得、理直气壮地交给这5~7个claude code窗口，不用非常高频率低监控他们，也就不会有人分散你当下的注意力。

我经常反反复复告诉你们，

openclaw给了你multiple depth的subagents，但是大部分人根本就不会用，

claude code给了你subagent的能力，但是一大堆类似agency-agent把它们错误抽象成一个公司，更是南辕北辙。

你是电，你是光，你是唯一的神话，你必须从你自己的精力和注意力出发，才能设计出goal-driven这种管理模式，

才能把你自己从非常复杂、内耗、混乱、枯燥的context switching中彻底解放出来。

就像金正恩管理朝鲜一样。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

我在整个2025和2026年的一大讨论议题，就是大学制度马上灭亡，全社会对于大学制度都充满了愤怒情绪，以及大学制度该如何自救。

我这里只有四个办法，一个是开始狠狠裁员，把行政、躺平的千老、躺平的tenured的教授分批裁掉，不值得也不应该拯救；

一个是全面推行小班制，让教授拿出50%以上的时间 ，去投入在本科和graduate level的课程上，踏踏实实上课，投入一点点最基础的热情和耐心，给孩子们好好备课，好好上课，耐心地把syllabus和全球顶级指定标准好教材上的内容讲明白，

一个是除了顶级R1和国内985以上的大学以外，大砍垃圾专业，大砍基础数理化生、生化环材、金融经管、土木建筑、人文社科这些专业，不要再继续招生，一年几千人几千人祸害孩子们了，

一个是必须彻底放开对工业界的接纳，允许孩子们co-op到外面实习挣钱，按着脑袋让孩子们去业界实习、工作、打磨、打拼挣钱，每年逼着孩子们实习回来写报告，抵扣学分，到顶级头部科技互联网和半导体电子电气公司里面当牛马，至少当18个月上的真实牛马，给我好好上班——不能把孩子们圈在垃圾本科学校里面天天在宿舍吃外卖打游戏了。

做不到这几点的大学，必定在未来30年内逐渐灭亡。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

其实学术反腐非常简单，

越是不受别人制约的圈子，反腐越是简单，比如数学，这东西都不用反腐，错了review个一年就能看出来，继续吹牛逼只能丢人现眼，

生化环材门槛就高一些，很多爆炸性的结果，会有全球一堆lab疯狂复现和follow（比如韩春雨事件、韩国LK-99常温超导），其他绝大多数造假无人关系， 只要不是编数据，基本就永远沉在paper里了，无人复现，无人质疑。

计算机造假完全靠自律，deep learning时代的一大规律就是所有成果必须开源，开源并且让别人replicate才是一流工作，否则别人看都不看，完全不信。一个人如果常年不开源任何paper里的源代码，就不会存在良好的声誉。

最难质疑的其实是基础医学和临床医学类的工作，因为这些都是实权各地头部医院和医学院，大家都是你好我好，互相给个面子，不会让对方下不来台。

所以类似什么连花清瘟、血必净治新冠这种东西，才能写进卫健委《新冠防治指南白皮书》里，所以氢医学治疗才能大行其道，所以中医参与新冠治疗率才能达到99%以上。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

我再多说一句，昨天直播时提了一句，

在全中国范围内，除了清华、北大、复旦、交大、浙大，剩下所有学校的本科“人工智能专业”，都是诈骗，都是李鬼专业。

简单来说，这个档次的大学，开不了LLM的课，开不了AI Agent的课，开不全mlsys的课，

就开始往里疯狂兑水，什么传统deep learning、 baysian ML、各种古典RL、各种模式识别、图像处理、信号处理、各种垃圾数学、上个世纪的古典AI、蒙特卡洛、随机森林、贪心算法、模糊控制、大数据，还有一堆数学里面的各种分析和代数几何，

全往本科生专业的培养计划里面添加，让孩子学一堆没用的1960~2020年的所谓“AI”专业课，真正有用的课一门都没有上，

结果就是，这种本科专业彻底把孩子全毁了。

记住，全中国只有清华、北大、复旦、上交、浙大能大概开出来，剩下的学校没有一所有能力、有师资、有水平、有时间把这些课程开出来，那么就可以认为全都是垃圾，不如老老实实学个计算机。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

我再复读一遍，

地球上所有古典科技互联网大厂，是不可能长期保持训练第一梯队的生产用coding LLM，包括中国和美国的最头部那几家。

一个能持续训练第一梯队LLM的公司，必须在市场上抢人，必须一切模型优先，必须把公司预期下一轮融资估值的30%分给员工，如果一个团队200人，分到entry level 身上就必须是1000万美元或者2000万人民币（四年），

这是所有古典科技互联网大厂给不了的。

古典科技互联网大厂个个千亿万亿的市值，恨不得每个员工发150万人民币或者50万刀的年薪，就让他们一两百人撑起公司万亿刀市值，甚至再翻一翻。

这种玩法绝对是死路一条，最头部的一批人一定会跳走，最终留下来的一定是水平差一大截的。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

不要心疼任何一个读文科的人。

你自己天天吭哧吭哧写代码刷高数题的时候，这些人天天看看书、用chatgpt随手写一段小论文就完事儿了。

在美国读文科本硕到底有多爽，每天有多甜，有多少时间刷抖音看netflix和b站，每周吃几顿海底捞和麻辣香锅，周末爬几次山游几次泳逛几次街，只有他们自己知道。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

非常中肯，王虹这辈子最低谷最恶心的时期就是在北大读本科

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

王虹其实非常幸运，非常特殊。

美国绝大多数州立大学，以及相当一批顶级私立大学，也根本不可能提供她在法国导师一样的一对一师徒式读paper训练。

CS61A、CS61B、CS50这种世纪大课全都是大锅端，都是500~2000人的规模，光批改作业的TA就二三十个人。

王虹的经历很难复刻，你问问在美国带PhD的教授， 从AP到正教授，我敢说90%的教授没有这个耐心，除了weekly meeting以外几乎不会耐心跟你单独1 on 1呆一个小时以上，从上手开始就找个senior PhD直接带你，自己尽量甩手，这一点中国和美国完全一致。

我只能说，王虹成长经历里最神奇之处，就在于她在法国那个导师有点上个世纪老派学者的风格，这种风格在60岁以下的这批教授身上几乎快要看不见了，中国看不见，美国看不见，欧洲也几乎快看不见了。

我说实话，很多已经tenured的朋友，是不是也要反思一下，你们自己对本科生、硕士生、博士生有没有这么耐心。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

我来告诉你们，数学界接下来一个最大的问题。

我去年就说过，UC Berkeley数学系助理教授Tony Feng在Google Gemini做visiting professor的时候，拿到了当时最好模型Google Gemini的超长极长无敌长的reasoning版本。

这直接导致Tony Feng解决了7道Erdos问题，三道FirstProof问题，开创性地用半监督方式 ，以及无监督方式，指导AI Agent解决数学问题。

我去年就说过，下一步要解决的问题是，尝试把一个数学命题以lean4的形式拆分成多个lemma，多个lemma以DAG的数学结构组合成一个数学命题，每个数学证明可以拆分成几十个到几千个lemma DAG，每个lemma作为节点又可以让多个agent来证明，这样可以用成千上万个agent来碰撞证明每个lemma，尝试组合成一个完整数学证明的DAG。

所有人都忽视了一个最重要的问题，就是一个LLM的reasoning是不可能无限长的，哪怕是Claude和GPT模型，reasoning是有限的，这是LLM结构和目前inference infra决定的。

但是数学家们早就给出了解决方案：在3000多年前，古希腊的数学家们就知道，完备的数学体系需要写书、写笔记、收学生，以学术社区和讨论组的形式，一条条验证，把自己思考的过程记录下来，给同行完成peer review，这样把自己在数学的工作一条条记录、验证、审议、写书、组织起来，一起构建完整的数学大厦。

过去10年来，人类一直在mathlib中实现这一个愿景，全世界所有数学家都在用lean4构建数学大厦，但是还远远不够。

你党哥提出lemma DAG概念后，能大概预测到一个方向，这个方向就是，驱动AI Agent用lean4把所有它能构建数学体系的领域：

1. 用lean4审核目前人类已有的、能用lean4实现和验证的数学论文，全部用lean4实现并验证一遍；

2. 用lean4尝试构建新的问题，实现一个AI native版本的mathlib证明大全——mathlib2——比现有人类数学家构建的mathlib要大一两个数量级；

3. 当人类尝试定义新的问题的时候，先从mathlib和mathlib2中搜索已有近似证明，尝试拆分成DAG的lemma形式，用mathlib2更加快速便捷地实现部分证明；

4. 最后用大量、超大量的AI Agent尝试大量、巨大量、无限提出新的问题，并且并行in parallel用已有mathlib2去验证或者证伪这些新问题，最后由人类数学大师cherry pick出其中有价值的问题和完整证明方案出来。

回到开头，首尾呼应一下：

人类在单一LLM本体进行超长reasoning已经接近inference复杂度极限，这是人类任何人都无法改变的，OpenAI和Anthropic改变不了，玉皇大帝都改变不了，

能提到LLM超长reasoning的唯一办法，就是让LLM Agent不断总结、不断记录、不断验证出过去产出的结构化、逻辑化、有组织的知识库，作为long term memory，这些知识库就是一个LLM Agent过去的所有reasoning中的有效记忆，并且能用于今后未来的所有构建中。

这和朴素古典的memory机制完全不同，无论构建一套lean4还是构建matlab simulink的有效仿真验证后的设计，还是构建HDL各种硬件描述语言在仿真后验证的电路设计，都更有效、更精准、更专业、更小领域，

而且最重要的是，构建这些结构化的专业学术知识库，恰恰是AI Agent加上一个本地仿真、编译、运行环境的最擅长的事情。

说人话说就是，脑子到极限的前提下，好脑子不如烂笔头。

[宏观边际MacroMargin @MacroMargin]

https://t.co/Uxqflr9kLM

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

你以为手写raft有价值有挑战，其实价值远远没有你想象的那么高，

你以为手写AI Agent太简单，实际上一个当代AI Agent能切出来七八个复杂系统，每个系统都非常考验engineering能力，而且复杂度还在猛涨，全球最顶级的两三个公司和所有创业团队，都在做激进的尝试和重构。

你这属于典型的技术型傲慢。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

再复读一遍。

人类看agent是傻逼，天天骂claude code大傻逼，骂codex是纯废物，

当你设计multi agent system的时候，无论loop还是graph还是我提出的goal driven（本质还是loop）和lemma DAG（本质DAG），

我的哲学是，在任何一个agent眼里，其他agent也都是废物傻逼垃圾，其他所有agent产出的工作， 潜在来看是错的，都是有害的，在没有验证前都不可信。

我前些年讲，coding agent开发必须test driven，用test来定义整个project的边界，用roadmap来定义方向，尽可能把一个task的能力、边界、定义、方法全都定义尽可能干净。

现在我反复讲，multi agent system最有效的方式，恰恰不是让1000个agent包饺子、大团圆、无休止聊闲天，而是互相challenge，预防式合作，预防式管理，预防式review，

先默认其他人都是错的，其他所有任务都需要我先review一遍，先在自己手里写足够多test来验证工作是否完成，再继续进行下一步，否则直接拒绝接手。

记住，你眼里的claude code是大傻逼，那么一个master agent直接spawn出来的几十个subagent在对方眼里也都是大傻逼，因为这个世界本质是由傻逼组成的。

当你接受了这套哲学和逻辑之后，再去寻找你想要解决的问题，让multi agent来解决，一定会提高最终任务的成功概率。

很多人焦虑的一点是，当你让single agent以loop还是multi agent去工作时，你看到一大坨产出，你不知道产出是否完全正确、绝对完整、无懈可击，这种焦虑是巨大的、深渊的、深不可测的。

当你接受了上面这套逻辑和哲学后，你可以认真寻找一些你认为最适合的场景，在这些场景下至少可以做到浪费3~10倍token，来帮你提高50%的结果可靠性——要么老老实实告诉你“完不成，我失败了”，要么说到做到，一定交付一个完美的、无懈可击的结果。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

知乎极其幸运，它崛起的2014年，正好是人人网v5改版崩溃的那一年，整个人人网时代的80/90后这批精英全都一股脑搬到知乎上来了。

这批人现在菲尔茨奖一个，脱口秀顶流若干，985以上青千和北美AP几百个，纳斯达克敲钟的至少也有十几个。

中华民族古今中外最强一批，在2015年前后一锅端入驻知乎拉屎。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

我看了一眼，本轮数学家主要的工作，是翻翻手头的所有尚未解决的猜想，使劲儿蹬gpt 5.6 sol，试图大范围找反例爆破现存猜想。

实在是太无聊了，数学家们不去想着如何证明猜想，如何构建agentically结构化证明数学题的大一统方法，而是想着玩幸运大转盘，碰撞出反例。

当然每个人都有不同的价值观， 也许有的人天生认为，碰撞或者构建出一个已知著名猜想的精妙反例，比解决10个结构化证明简单数学题更有价值。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

这不就是我喊了大半年的核心哲学：

把verified，verifiable的structured data（数据、公式、代码、文档、笔记）当做long term memory，作为knowledge base，

持续添加verified structured data，验证并且小心翼翼地维护knowledge base，作为multi agent team的共同基础知识库。

这是agent和 multi agent持续学习、持续积累、持续进化的唯一正确方向。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

我反复说过，数学是最好的structured data，所有的pure math纯数学formal proof，本质上都是lean4的一行行expression，

一个70分的模型和95分的模型，用同一套agent harness在糊前端的任务上是差不多的，因为程序员是傻逼，手写的需求和设计是模糊的，需要一次次反复迭代，

而数学是非常干净、 定义清晰、边界明确的闭包，95分的模型在手写lean4试错一个个formal proof证明题上面，可以非常漫长地试错，可以multi agent并行，可以拆分成一个个lemma的DAG海量试错，是有天然巨大优势的。

lemma DAG我讲过无数次了，1000个agent去写lean4证明一个数学题，凑出一个完整的DAG图完成一个数学公式的证明，就是人类效率的1000倍，

连coding编程都无法利用multi agent这种高并发来实现1000倍的提升，偏偏数学证明这件事上是完全可行的。

所以我建议，如果已经进入了数学和物理这两个专业，数学就踏踏实实卷应用数学去，物理就踏踏实实做实验物理，凝聚态大炼丹，抓数据跑regression，找一点仅剩的行业专业壁垒，不要硬碰硬了。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

一个现代化的中产家庭，每年消费的等级是固定的，取决于家庭住宅的平均面积。

一家人住在90平米（使用面积70平米）的高层鸽子笼，120平米的改善型，和200平米的独栋，以及350平米以上的独栋，家庭投入的消费就是实打实的四个档次。

70平米的两室一厅， 住得就是跟狗一样：

餐厅客厅两个卧室挤得满满当当，不敢生孩子，没有私人空间，互相侵犯无法隔离，电视一开全屋吵吵，做饭洗衣服跟打仗一样，

120平米舒服一大截，开始过得不那么憋屈了：

有了独立的私人空间，可以设置出3b2b，有了自己的厕所，可能有个办公区域，可以给两个娃每人一个小卧室，可以装洗碗机，可以买两三个电视+PS5+游戏机，可以隔离出两个独立空间，这边办公写作业，那边打游戏看电视，

200平米开始宽敞起来了，一切开始摸到电影里美国中产生活的门槛了：

厨房可以再放个大烤箱，可以每天买几斤猪里脊、大火腿、beef brisket全家烤着吃，可以有比较独立舒服通风的小健身房，可以有一台跑步机+一台划船机，开始注意饮食健康了，厨房足够大，可以用破壁机不怕吵了，可以每天舍得买一大堆蔬菜水果榨汁喝，喝完直接扔渣子不心疼浪费，厨房有一个大的储藏室，里面一堆蔬菜水果豆子罐头，大冰箱里一半空间装满各种冰淇淋酸奶冻pizza随便吃，各自有各自的私人厕所和浴缸了，

居住空间可以隔离出三四个独立区域办公打游戏互不干扰，老公或者老婆可以一个居家办公，普通家庭也敢生三个孩子了，能匀出两个停车位，夫妻两个人各自开车上下班了，

家里面也可以大量长期收集没用但漂亮的软装，比如大街上喜欢的1000刀一幅的艺术生手绘作品，在家里面挂两三幅，比如各种形态的花瓶、大件工业雕塑、1米高的玩偶娃娃、椅子、桌子、音响这种大件，开始一批批往家里搬运了，

350平米以上的SFH，基本上全面进入中产生活方式了：

车库外面可以停三四辆车，车库可以当自家工作室，要么修车，要么做木工活，要么给孩子当游戏厅，前院后院都有额外的草地，种树种花种水果养大型犬，夏天可以玩充气泳池，有小孩的可以支蹦蹦床，户外烤肉也有地方堆炉子、碳和煤油了，

室内空间可以进一步细分出一堆满足情绪价值的无用空间，比如可以设置两层高的真正书房，比如可以设置一个四座小电影院影音房，比如可以设置一个非常正规、油烟排烟科学的厨房研究厨艺，比如一个独立方正密闭工作室里玩胶片相机或者弹吉他玩架子鼓，比如两层楼各自有自己的小吧台，咖啡、酒、饮料、制冰机、糖、奶配备齐全，实用性降低，但情绪价值拉满。

总之，家庭消费的真正能力，本质上取决于家庭面积，面积一旦大起来，家庭消费必然不得不拉升上去，所有有钱的家庭都开始花钱，满足自己家庭的这一点点小爱好，开始有独立空间，开始三个四个生孩子，开始满足一切消费主义的情绪价值。

所以我反复讲，中国的城市化只有一次，大规模进城买房只有一次，土地财政导致中国房地产必须以个人家庭30年贷款卖一套70平米的商品房，每平米2万~15万的价格，以70平米的居住属性而言，最终会彻彻底底卡死未来家庭的30~70年消费和生育率。

你70平米的住宅，你能消费个大鸡巴，你多买两个电视，家里就成了菜市场，普通人在家里哪儿敢消费？

实际上让中国陷入通缩和消费下降的，长期是老龄化，短期恰恰就就是土地财政，而土地财政也是老龄化的推手之一。

土地财政是一切的根源，是潘多拉魔盒，从上个世纪90年代开始在上海偶然打开，就永远无法关上了。

[李老师不是你老师 @whyyoutouzhele]

近日，互联网上流传一种说法：“双相情感障碍患者无法预约参观天安门和人民大会堂。”

有网友表示，“双相患者预约时，并不会提示失败，只是在你去的当天就会自动取消，问就是，你肯定自己手滑取消了，只是自己不知道”

还有网友回复：“歧视但不想被骂歧视。”