3bew.ai

👾Attention cost.

[Dovey "Rug the fiat" Wan (hiring) @DoveyWan]

https://t.co/vatfJDm3hl

[鸭哥 @grapeot]

一个让我困惑了很久的问题：skill 这个东西特别厉害，但很难赚钱。

比如我做了一个 skill，Claude Code 装上之后能让一个产品经理做出投行级别的 Excel 模型。问题来了——怎么赚钱？

让人先付费再下载？skill 是明文文件，第一个买家就能转发到 GitHub，第二个买家就消失了。

卖 hosting，让用户必须在你平台上跑？那你卖的不是 skill，是 AWS 转售。

卖 API、skill 免费？那 skill 只是给 API 做的免费 SDK，前提是你得先有一个能赚钱的 API。

三条路都走不通。这逼我开始想一个更大的问题：skill 是不是一种带自杀基因的产品？它解决问题的方式正好消灭了它自己能收钱的环节。

再往下追问：当 AI 让所有可被复制的东西变成免费，一个 AI-native 公司还能在哪里收钱？我整理了四个落点：关系、此刻、物理副作用、判断品味。

完整版：https://t.co/BZdjslhcmu

[Macro_Lin ｜ 市场观察员 @LinQingV]

OpenAI工程师翁家翌在下边的访谈里讲了两句非常有意思的话：
1. 每个人的命运是可以被预测的；
2. 上帝在宏观不掷骰子，而微观上掷骰子。

某种程度上，个人是很认同的。

"宿命论/命运可预测"：
翁家翌认为每个人的命运是可以被预测的，这个世界是一个确定的世界，人类在宏观上是没有自由意志的，世界在宇宙大爆炸的时候就已经确定了。

这个立场本质上是物理学中的经典决定论，也就是拉普拉斯妖的思路：如果你知道宇宙某一时刻所有粒子的状态和运动信息，就能推演出整个过去和未来。从这个角度看，人的命运只是初始条件在时间维度上的展开，不可预测只是因为我们信息不够，而不是因为它不确定。

翁家翌作为做强化学习的人，会有这种直觉其实不奇怪。RL 本质上就是在一个由规则确定的环境里，通过��动和反馈的闭环来逼近最优策略。如果你把整个宇宙看成一个极其复杂的环境，而人只是其中的 agent，那“命运可预测”就变成了一个工程问题，而非哲学问题，只是算力和信息量的限制。

“上帝在宏观不掷骰子，而微观上掷骰子”：
这个观点上，他把爱因斯坦和哥本哈根学派的争论做了一个调和，而不是简单地站某一边。

微观掷骰子，这基本上是承认量子力学的实验事实。单个粒子的行为确实是概率性的，你没法预测一个电子具体会出现在哪，只能给出概率分布。这一点在实验上已经反复验证过，没什么好争的。

宏观不掷骰子，这才是他真正想表达的核心。意思是：当微观的随机性被大量粒子叠加、平均之后，在宏观层面上涌现出来的规律是确定的。

映射到人的命运上，他的意思大概是：你人生中每一个微小的决策瞬间，每一次神经元的放电，可能确实带有量子层面的随机性。但当这些微小的随机性汇聚成一个人几十年的生命轨迹时，大数定律把噪声给消除了，剩下的是一条由初始条件（你的基因、家庭、时代、性格结构）基本锁定的路径。

这个观点还有一层更深的含义：它解释了为什么“算命”这件事在统计意义上可能有效，但在具体事件上经常失败。 宏观层面的命运轨迹（大致会从事什么类型的工作、大致的人生节奏）或许是可预测的，因为它是由足够多的微观变量平均出来的。但某一天你会遇到谁、某一次会议会说什么话，这些微观事件里骰子还在转。

这不是那种粗糙的"一切命中注定"式宿命论，而是一个更接近统计物理的框架：自由意志存在于微观的每一步，但命运浮现于宏观的整条路径。 你可以选择今天吃什么，但你这辈子大概会成为什么样的人，可能在出生的时候就差不多定了。

[Chase📈d/acc🦇🔊 @ChaseWang]

https://t.co/uLKdGfdkxc

[3bew.ai @Rideme2themoon]

@xingpt分析师工作流https://t.co/Gu7j3pnyVE
@DoveyWanCN健康管理 https://t.co/f5rQ40LMnZ
@Mextric Crypto-Attention-lab https://t.co/7iDCDLjioR

[Dovey "Rug The CNY" Wan🪐 @DoveyWanCN]

现在的感受是, 和做PM一样, 先把不同的workflow scope好, 给不同agent有角色分工, 想象你要招不同的助理干不同的事情. 前期花一周时间慢慢搞model routing很正常.. cron checks heartbeats这些devops的工作就别大模型了, 所有agents有一个basic SOP, 不同agent根据场景再加. 然后会被反复使用的context尽量export/import, 譬如我把Health OS里的结构化文件都丢给GP agent了. 但是负责吃喝玩乐的只有我的Google Map 收藏夹的export

[3bew.ai @Rideme2themoon]

手动汇总了CT上看到的各种vibe作品，想参考老师们的数据整合逻辑（包括市场数据、个人健康/交易数据等） 顺便欣赏域名取名艺术
@bitfishBTC 看板 https://t.co/p0dIvWmBoL
@dov BTC 期权数据https://t.co/zh01EFdYU4
@Ru7Longcrypto个人交易看板https://t.co/IoA5Iht6qa

[3bew.ai @Rideme2themoon]

@xingpt 工作流https://t.co/Gu7j3pnyVE
@DoveyWanCN 健康管理 https://t.co/f5rQ40LMnZ
@Mextric Crypto-Attention-lab https://t.co/7iDCDLjioR

[Bane💤 @0xBanez]

近期感想：

1. 喜欢抄底，就会有无穷无尽的底，喜欢追高，就有无穷无尽的高

2. Crypto最伟大的贡献是创造了新的资产发行和流通方式，还普及了唾手可得的高杠杆交易和做空方式，洗钱更方便了

3. 大部分人用Openclaw构建agent的方式是奶头乐，极低的代码质量和及其腐烂的上下文管理，使得成果几乎没有投入生产环境的可能性，���且会给成果带来严重的安全隐患

4. 推特上洗文洗来洗去的很多什么秘籍，诸如乱七八糟的skills，一大坨两千字让你复制粘贴的https://t.co/6UQfixSY1n，让agents分角色扮演，让claude 调用codex和Gemini cli，这些东西除了污染上下文之外没有半点用处。与其琢磨这个，不如每天看看@bcherny 的推文把新功能先搞明白，做最简单的事情。根据自己的开发需求自己去写skills和及其精简的文档，选择最舒服的方式让自己的成果对于ai和自己来说都有可复用性。

5. 数据的稀缺度和完整性直接决定了产出质量，用不用llm都一樣。很多事情根本没必要用agents做，烧token在很多业务场景下根本没有简单粗暴的条件判断来的效率高。数据挖掘和另类数据的刮削是越来越核心的能力，数据infra的开发和标准化是非常重要的底层需求。很多数据以前以dashboard数据呈现，人眼看并下判断，现在想把这些都抽象给ai，就需要很多新的数据管线。做这些事情的并且开源的人都很伟大。

6. 评估体系很多时候应该转变，开发需要时间，在当前的ai能力下，我耗费长时间开发出来的东西，是否能完全替代我的劳动？是否有现成实践方法，是否有现成数据源，如果我不做，效率是否还更高了？而不是光想着实践。就算他真的能聊天帮你点外卖订机票下单了，so what? Sudo make me a breakfast

7. 绝大部分中文圈在发ai攻略，用openclaw写量化脚本在pm/perp赚钱的人感觉完全没开发过量化策略，直接屏蔽就好，浪费时间。感觉脑子有问题的人才会让llm来判断高频下单，你问他订单簿有几层，回测数据哪里来的，核心���数是什么，没有人回答得出来。踏踏实实学习到自己真的能挣钱了，比自己看到一个东西就大叫发个充满emoji的长文酷的多。不过可能大家也不在乎，只是要流量而已。

8. Ai带来的超级个体创造了许多独立开发的机会，pm想干掉前后端和设计师，设计师想干掉pm和前后端，前端想干掉所有人，后端说我需要你们干嘛。但是一个功能齐全完善的super app和一百万个参差不齐的self hosted app到底谁更好呢？在互相干掉的过程中，人和人之间的互通有无变成了互相挤压和替代，交流学习的对象也从若干人的集体灵光一现变成了和同一个训练集训练出来的ai对话，加上闭源盈利主导的开发方向，我们会变得更好吗？

9. 在新的开发范式下，如果你的工程能触及到真实的大额资金管理。安全性是重中之重，我建议必须多轮ai审核+必须人工验收，比供应链投毒更危险的是人为了节省时间的懒惰。

[宝玉 @dotey]

https://t.co/rntcmszHkQ

[3bew.ai @Rideme2themoon]

@runes_leo @ZYouung 刚打开了dm，可以再试试吗🙏

[3bew.ai @Rideme2themoon]

@runes_leo @ZYouung 我自己也在串这个流程，想参考下大佬的skill文档，求发感谢！

[郭宇 guoyu.eth @turingou]

世界的权力加速回归到写字的人手中✍🏻

[3bew.ai @Rideme2themoon]

今日vibe感想：

在 AI 面前，每个个体都是平等的。

但 AI 在每个个体面前，真有贵贱之分。🐶

[Orange AI @oran_ge]

unlearn 也是今天必备的技能
AI 时代呆得越久
互联网时代的经验错得越多
通过 unlearn 释放脑子的空间
才能 learn new things

[3bew.ai @Rideme2themoon]

@op7418 大佬 感谢你的帖子 就卡在语言这一步 终于好了

[3bew.ai @Rideme2themoon]

@sugelalei @AppSaildotDEV intel 款的 mac 确认是不行吗😂

[Dovey "Rug The CNY" Wan🪐 @DoveyWanCN]

https://t.co/BieaSAOFuV

[Naval @naval]

In the limit, the only jobs are creator or regulator.

[YettaS @YettaSing]

养娃最重要的是培养他的主体性与生命力，要让他自己生出主动探索的勇气与解决问题的智慧。

作为小镇做题家，我现在反思最多的就是在过去标准答案与权威体系下培养出来的一种二元世界观，总用权威人士的对错观来评判自己，并且把自我价值锚定在这种评价上。当面对尚未拥有足够能力与视野的孩子时，我们会本能地想成为那个“正确的人”，去指引、去纠偏，甚至去控制。

因为孩子对我们太过重要，所以总想把他紧紧抓住，替他避开所有不确定性。但恰恰相反，生命力从来不是在紧抓时显现的。只有当父母能从这些执着与控制中解脱出来，我们才会与孩子最野生最本真的生命��相遇，我们从雕刻变成滋养，也让自己变得宽广而平静。

最后归到一句话，鸡娃不如鸡自己。

[XDash @XDash]

发现一位斯坦福 AI 女极客 @mollycantillon，她刚写了篇狠文，讲她几个月来，怎么用 Claude Code 搭了套「个人全景监控系统」。

- 她通过定时任务自动拉取 Amplitude 数据，交叉比对 GitHub，精准指出需要开发的功能，处理 A/B 测试，生成文案，客服部门完全自主运行。

- 邮箱首次实现收件箱清零（Inbox Zero），所有来信自动生成回复草稿。

- ���练计划根据混乱的旅行日程自动调整。

- 睡眠方面在 WHOOP 追踪数据六小时后触发投��仪，用她最爱的箴言唤醒自己。

- 订阅管理帮她找回两千美元自己都不知道的持续扣款，还有那些曾被忽视的、旧金山交通罚单和拖延到快被遗忘的待办事项。

- 控制智能家居系统，甚至照料植物生长。

- 个人财务现在在终端里管理。每天深夜系统会撬开互不相通的券商系统，抓取国会文件和对冲基金持仓报告，收集 Polymarket 预测概率、X 平台舆情动态、关注列表的新闻头条和 10-K 年报。

- 清晨 ~/trades 目录里都会新增一份简报。上月它标记出菲尔兹议员增持奈飞股票，三周后华纳兄弟收购案就公布了。她说自己不总是跟单交易，有时会和它的分析逻辑辩论，但再也不必在清晨六点同时盯住十五个浏览器标签了。

- 爱泼斯坦档案解密那晚最疯狂。她和五个朋友彻夜剖析成千上万份文档，解析成可检索的索引：航班记录、短信往来、照片资料、亚马逊购物清单、房产信息。

- 凌晨四点时他们跑赢了整个新闻编辑室的效率。清晨七点推出 Jmail 邮箱检索工具，至今已有 1800 万人搜索过那个逝者的收件箱。若在十年前这需要整个团队和大量筹备时间，而他们仅用一夜就完成了。

- 圣诞节她看着父母学习命令行。她没有将其包装成编程教学，只是设置了简单的别名指令'c'，告诉他们用日常英语描述想实现的操作。

她同时并行运行着八个实例：nox、metrics、email、growth、trades、health、writing、personal。每个实例独立运行，能够生成短期存活的子智能体，并通过明确的交接流程交换上下文。

在机场在她入睡时 caffeinate -i 参数持续保持系统唤醒状态，任务完成后发送短信，她回复检查点后继续推进。所有思考痕迹均被记录并归档，为实现递归式自我优化提供基础。

简直太酷了。