UG

Over

[UG @UGdaynight]

我的加密结束了

[UG @UGdaynight]

市场会炒作马斯克喊单概念币么? $doge $pnut $babydoge $vine 有合约的就这些,不过现阶段很难就是了

[K Erica 🌸 buidl mode: on @ecrivaine_k]

接近三個月過去，之前分享的兩次方法論目前都被群友做成了 AI skill😂

從涉及到的產品的角度看，Neynar @neynarxyz 收購 Farcaster @farcaster_xyz 沒什麽不好，如果能如過往那樣，持續造出這種邏輯的 alpha，那麽基本邏輯還在，還是能互相成就，但核心問題也就是：團隊和背後的資方有沒有這個能力在這種結構性熊市中持續造勢。

同樣，在方法論只要分享出來就可以被大部分人通過 AI 快速落地到執行層的時代，繼續拼命卷方法論性價比越來越低，并非長久之計，與其相比，以下一些思路或許值得一試：

1️⃣下沉到底層：

下沉到最底部支撐新產業的資源層做佈局（不論是資金還是精力，比如之前提的一些傳統資產佈局到這個月底也都紛紛落到收益上）。

2️⃣隱知識 & 系統能力：

用更多時間去建立系統和覆蓋更多隱知識（即未被語言寫出 / 難以輕易獲取的知識），在明白語言對於個體理解世界的限制的基礎之上，提升相關核心能力。

比如，如何理解言外之意 → 心理學 + 哲學相關的組合知識 - （注意：這部分不結合自主系統學習而是每次不設前提地依賴 AI 的話，會遇到非常厚的信息墻而不自知，很容易學成半瓶水亂晃，與初衷背道而馳） → 如何與人相處，處理親密關係 → 獲得更平衡、穩定的生活狀態 → 更強的生產力 → 正循環 —— 當你這樣嘗試，就會發現當下有太多事要做了，每天時間都不夠用。

3️⃣回歸本心：

不必再彎彎繞繞，而是直接去搞清楚自己這一生最想要實現的目標/生活狀態，從目標出發，理解距離目標還需要實現什麽，先去完成最基礎但很容易在自欺欺人的狀態下不去提升的能力。

比如，很多人覺得自己的理想是環游世界，但嘴上一直挂著要掙一個大目標再去做，本質上就是一種逃避心理，因爲能夠成功環游世界的基本能力根本不是錢，當你選擇流動的生活，如何在流動之中維持長期的穩定才是支撐一切的核心，這會指向健康的身體，面對困難、解決問題的綜合能力，抗脆弱，對自己和他人的理解力等等，都是可以在日常小事之中完成的，如果在不流動的狀態都不能做好這些，就別談流動的時候再說了，可能走完幾個國家就直接癱倒了，根本完成不了計劃的哪怕十分之一，個體自身也很容易在這個過程中崩潰和坍塌……

目前的 AI 大模型雖然有諸多問題，但是在幫助個體卡住的時候推一把這件事上，還是不錯，在理解底層機制的基礎上，學會好好提問，直接和 AI 系統討論清楚自己的需求再自省，將比一直向外部求答案更有幫助。🌸

[UG @UGdaynight]

@diamondrapids Is this just a rumor being used for distribution, or merely a bounce? Either way, I also lean toward the $50–53 range. In the worst case, this looks like a bounce after a high-level breakdown. Historically, these rebounds tend to stall at least ~10% below the prior high.

[Star_OKX @star_okx]

People have underestimated the impact of 10/10. The incident caused real and lasting damage to the industry.

An industry-leading company should focus on strengthening core infrastructure, building trust with global users and regulators, and protecting the long-term interests of the majority of crypto users, setting an example for others to follow. Instead, some chose to pursue short-term gains—repeatedly launching Ponzi-like schemes, amplifying a handful of “get-rich-quick” narratives, and directly or indirectly manipulating the prices of low-quality tokens, drawing millions of users into assets closely tied to them.

This has become their shortcut for attracting traffic and user attention. Legitimate criticism is then drowned out—not through facts or accountability, but via aggressive narrative control and coordinated influencer campaigns.

This approach does not build an industry.
It erodes trust—and ultimately, everyone pays the price.

[Pima @LeePima]

$INTC "Just to push on that a little bit, you guys have your own factories. Why are you in the inventory situation that you’re in? And even if you look at it, I get the whole idea of finished goods versus other components, but you have $11.6 billion of inventory and it’s still not in the right place at the right time. How does that happen?"

英特尔这个管理层还真是一如既往的积重难返，直接被贴脸开大😂，所以懂得周期资本配置的 CEO 真是难求，还是多开除些人继续改造吧

整体看下来还是业绩预期太高，不过更关心的 CPU 需求旺盛得到确认，供给端又不是一家没法放量，大家都无法短期扩产。
「看之前一个华泰的报告：“海外各家大厂进展来看，Meta收购manus，Anthropic发布Cowork，OpenAI的ChatGPT Agent，Google的Gemini CLI、Chrome Auto Browse；国内来看，阿里千问Agent、豆包手机助手，由此可见大厂主流Agent均已基本打磨完成，PC端、手机端个人生活工作助理向的Agent成为主流产品形态。26年C端Agent渗透节奏或超预期。

算力Claude Code工作流来看，启动阶段（只打开一个项目，几个小文件）智能体思考一次消耗约1-2w token；深度工作阶段，用户打开20个以上文件，Agent积累大量尝试记录（编码、debug、日志、比较代码差异），每一步消耗20w token。Claude Code官方建议用户每分钟的Token限制设置在20-30w token，足以见得算力需求的巨大（对比Chatbot，一个用1min交互2次左右，单次消耗2k token左右）。总体量化来看，完成一个小项目消耗百万级别token、与Chatbot单次相比提升3个数量级。从过去一周Openrouter数据来看，Claude 4.5调用量提升明显，下一次token加速点很快出现。

Agent带来的两大结构性影响：存储与CPU。CPU角度，从Agent的工作执行原理来看CPU重要性提升：
1）服务器拿到众多推理任务，第一步打batch（批处理），此任务在CPU完成；
2）数据进⼊GPU之前，需要进⾏解压缩、解密和向量化，对于不需要并行计算能⼒的⻓尾推理任务，CPU将成为⾸选；
3）虚拟机技术路线下，Agent需要CPU创建大量沙箱环境、奖励与验证器，需要CPU构建各种工具环境；
4）Agent任务步骤的分配与多线程工具调用在CPU执行，上下文存储也优先外溢到CPU。」

算力-运力-存力-CPU-电力，真是轮番上阵，既然CPU 需求得到确认，其实反而感觉更有利于 INTC 这种晶圆厂自己调整产线，有点像之前美光：田忌赛马，砍掉下等马，把粮草供给到上等马，从而放量到高毛利产线

继续持有了

[UG @UGdaynight]

@Btc_Dou @Sandlily163 直接不玩是最好的选择

[UG @UGdaynight]

@ecrivaine_k 下次来吃福建菜😍😍😍😍

[UG @UGdaynight]

@ecrivaine_k 多国籍身份,真的是优解

[K Erica 🌸 buidl mode: on @ecrivaine_k]

當下，比輸出更可貴的事，其實是用心傾聽。

之前 @suji_yan 跟我提過一個 AI項目Chirper AI，很長一段時間内都是用戶設定的 AI agent 在互相發内容和交流，後來卻遇到了類似下圖的變現問題——

到了現在，主流社交媒體本身好像紛紛變成了Chirper AI的局面，也是四年前在 SG 見到 @DoveyWanCN 的時候，她拉著我説了很久的未來數字奴役的情況：

大部分人都忙著輸出，評論區卻幾乎都是 AI 回復，藉助 AI 發出自己覺得原本講不出的話；久而久之，一些原創内容博主也逐漸懶得寫，只在小群組偶爾發深度内容，獲得傾聽和反饋，對外也用 AI 應付了事。

因 X 推薦算法的邏輯，一些需要靠流量賺點錢、或者能夠從被更多人關注中獲得滿足感的博主，分明他們自己不那麽喜歡 AI 感很重的回復，但不得不一一回應，實在覺得生命在白白流逝，那就也讓 AI 代回吧 ~（本段來自一位 KOL 朋友的反饋。）

最終，大家都成了 AI 的代理人，推薦算法的奴隸。

其中，一些未能理解大模型底層機制、寫好 prompt 的人，在藉助AI 輸出對自己不熟悉領域內容的時候，很容易出現一本正經說胡話（甚至不自知）的情況，而評論區也是同樣試圖借用 AI 回復的賬號在應和。

譬如，現在經常看到，一些博主的推文，將一個在有專業背景或長期相關經驗的人看來結果極其顯而易見的數據信息，最終解讀為相反的結論，在 crypto 內容中，最顯而易見的案例就是將反映短期流動性緊縮的數據信號反向解讀為大放水，雖然少數誤入、真信的人虧錢了，但整體還是一團和氣。

總而言之，AI 在打破信息差的同時，也建立起了較過往週期更高更厚的信息差之墻。

不斷用工具解決眼前可見的問題容易，抗拒更長期的誘惑難。

唯有絕對清醒和理性，能夠理解並正確藉助這種力量，才可能在未來打破這道墻，甚至直接從中長期穩定獲利。

關於這個議題，如果大家有興趣的話，很推薦去繼續讀讀西語作家兼精神分析學家 Lola López Mondéjar 近期的訪談，她的獲獎代表作《Sin relato》（就是在分析人類思想逐步「矮化」（jibarización）的趨勢，以及批判性思維整體被簡化後，如何把我們變成一團更易被操控的「可塑群眾」，從而成為越來越專斷的國家權力的理想對象。

雖然我不完全同意訪談中的所有觀點，但它作爲一份來自不同文化背景視角對於類似議題的討論，還是很值得一讀。

出於尊重版權，無法在此貼上全部的譯文，僅舉相關的一些討論，文中關於西語和美國世界政治的部分也相當精彩，值得一看。

Q1：
如果我們越來越缺乏敘事能力、越來越缺乏批判，而AI 又在從我們身上學習，您預見我們會給後代留下些什麼樣的世界？

A：
我在隨筆裡談到：AI 的語言——例如 ChatGPT 的大語言模型——正在如何殖民我們、把我們變成「心理赛博格」……《Manifiesto Ljubljana》（見 https://t.co/KtVR38YbQr）主張促進「高階閱讀」：也就是閱讀複雜而長的文本，這類文本需要注意力與專注，能為我們提供新知識、擴展詞彙，並促使我們使用更複雜的從句與複合句，從而幫助我們發展一種能夠理解複雜性的思維…… 這種閱讀也有助於同理心的發展：它把我們帶入與自己不同的人物與處境之中，並解釋他們的動機。

但這種專注閱讀，比螢幕提供的碎片閱讀更需要努力與注意力；而螢幕會給我們帶來令人上癮的多巴胺衝擊，使人難以放下，於是我們最終遠離專注閱讀，轉而偏好那些簡單資訊與碎片化資訊——正如我們之前談到的那樣。

資訊並非知識；要抵達知識，需要時間、注意力與加工…… 歐洲已經制定了最初的法律。父母與教師也開始意識到：螢幕使用對兒童認知發展存在風險，於是提出「無手機區域」…… 或把手機推遲到更不易傷害他們的年齡才提供，並對使用進行一定的限制。（注：如 Peter Thiel 也曾表示過，只允許女兒每個禮拜使用電子螢幕一個半小時；在 SG 的一些 A 10 以上的真大佬甚至有家中到晚上 8 點就切斷網路的習慣）…… 還需要理性占上風——儘管我無法預言那個未來會是什麼樣子。

Q2：
我們已經不再傾聽他者，這在本國的政治方式上也看得很清楚：不回應任何東西，只負責攻擊。您認為政治人物是有意識地「降級」以觸達公眾，還是他們真的就如此？

A：
我認為許多政治人物很清楚自己在對誰說話。特朗普或米萊就是極好的例子：他們助長我們剛才談到的社會兩極化，把世界簡化為朋友與敵人、我們的人與他們的人，逃離複雜性，轉向容易的回應與資訊，轉向辱駡與缺乏論證。

在我們國家，更常使用辱駡與民粹話語的是極右翼，而非進步派政治人物；進步派也可能有這種誘惑，但他們屬於更「啟蒙」的傳統，因此更為謹慎。

「當公民不再行使批判性思維時，他們繼續被簡化口號操控、被帶有救世主色彩的方案所操控的可能性就更大」——這些方案幾乎與魔法式思維相連，比如特朗普試圖帶他們回到的那個「美國黃金時代」。

Q3：
新聞不再需要被驗證，因為它所面對的讀者缺乏批判深度。是否正在形成走向「普遍獨裁」的條件？

A：
全球極右翼的崛起，是令人悲哀的現實。用情緒化資訊來吸引選民注意力、用「講故事」而不訴諸論證，已經是一種仍在蔓延的瘟疫。權威的坍塌、制度與社會擔保者的失信，留下一個充滿不確定性的真空；民粹口號試圖把它填滿……

[UG @UGdaynight]

@Vida_BWE 顶级猎手，我全程在线，没思考那么多，只盯着 $mubarak 联动做tp，思考变量和流程学习了

[UG @UGdaynight]

$aave or $spk / $spy？短线操作

[UG @UGdaynight]

这一年，买 $pippin 的时候 $avaai 涨，买 $avaai 的时候 $pippin 涨，买 $act 的时候不涨，卖了它猛涨，啥时候轮到我现在持有的 $mubarak ？急急如意令

[Zhixiong Pan @nake13]

== 揭秘我的高密度内容生产流水线：双 AI 的差异化分工 ==

这是一篇手把手教你如何用 AI 辅助内容创作的实战复盘。不仅要 Vibe Coding，更需要 Vibe Creating。

我必须坦白一件事：现在我写的文章里，AI 参与的浓度已经接近 50% 了。

但这并不意味着我把思考外包了。

所以我决定公开我目前打磨得最顺手的「人机协作」工作流。我的目标很简单：分享如何利用 AI 的智力作为杠杆，帮我们补全视角的盲区，让原本的高质量内容在逻辑严密性和信息丰富度上，达到单兵作战难以企及的标准。

你需要做的不再是单纯的「写」，而是通过了解不同模型的特质和优势，把它们组建成一个能力互补的「智囊团」。

1️⃣ 分类：你的任务适合哪种模式？

我的文章大致可以归纳为三种生产模式，了解这一点是提效的前提：

1. 人主导，AI 润色：适用于强观点、强个人经验的文章。核心逻辑和情绪由我掌控，AI 负责修辞。
2. 人搭骨架，AI 填肉：适用于科普或解释性内容。我给出大纲和核心论据，AI 负责填充背景和细节。
3. AI 扫盲，人审核：适用于热点追踪或研报解读。我投喂素材，AI 生成初稿并审核，我再最后确认。

这三类在我的工作流中大概各占三分之一。

2️⃣ 模型：文理分工论

我的核心工作流由 Gemini 3 Pro 和 GPT-5.1-Thinking 构成双引擎。它们不是替代关系，而是各有优势。

Gemini 3 Pro（文理双修）：它的优势在于超大的上下文窗口和卓越的语感。在处理长文本输入（如整本书或长研报）时，它能维持极高的连贯性，输出的文字更有「人味」，不生硬。

GPT-5.1-Thinking（理科大神）：擅长逻辑推演和找茬。一定要开启 Thinking 模式，它会像一个强力的 Agent，在输出前反复自我博弈，极适合做事实核验（Fact Check）和逻辑漏洞审查。

GPT-4.5（备选）：如果你订阅了 ChatGPT Pro，它可以作为 Gemini 的替补，语感优于 5.1，但逻辑深度略逊。

你可以记住这个粗暴但有效的结论：
- GPT-4.5：纯文科生，文字功底不错。
- Gemini 3 Pro：文理双修，擅长长文本吞吐。
- GPT-5.1-Thinking：纯理科生，适合做审计和校验。

3️⃣ 流程：左右互搏

这是我目前最常用的「左右互搏」工作流，利用模型间的差异来消除幻觉：

1. 初稿生成：把所有素材（PDF、链接、笔记）丢给 Gemini 3 Pro，输入包含具体要求的 Prompt，生成 草稿。
2. 交叉审计：将 草稿 和 原始素材 同时投喂给 GPT-5.1-Thinking，让它进行全面的审核。
3. 人类介入：根据 GPT 的反馈（它通常会列得很细），通过 Prompt 让 Gemini 重写，或者人类手动修正。
4. 最终润色：由人类完成最后 10% 的风格化调整。

这个流程并不教条，关键在于：永远不要相信单一模型的输出，要用一个模型去监督另一个模型。

补充：对于涉及代码、金融数据等更高专业性的内容，强烈建议订阅 ChatGPT Pro，使用 GPT-5.1-Pro 进行更深度的审核。

4️⃣ 精简流程

对于日常短文，可以简化为：
1. 我写：完成大多数（比如 70%）的核心逻辑和关键段落。
2. 模型优化：交给 GPT-4.5 或 Gemini 3 Pro 进行降噪和润色。
3. 模型审核：如果有大量数据细节，再过一遍 GPT-5.1-Thinking。

但要注意，完全依赖 AI 写作是危险的。这不仅会丧失你的个人风格，更会钝化你的思维。保持「手写」的习惯，是为了让你有能力去判断 AI 写得好不好。

5️⃣ 实践案例：解读《State of AI》

以解读长达几十页的《State of AI》报告为例，实操演示一下。

# 第一步：Gemini 3 Pro 提炼

直接上传 PDF，发送指令：

> Hi Gemini，请作为一名资深科技分析师，深入研究这份报告。请忽略套话，帮我挖掘出其中最深刻、最具反直觉、且容易在社交媒体传播的 10 个 Insights。
> 输出要求：
> 1. 两段中文导读，概括报告宏观价值。
> 2. 10 个 Insights 分别用一句「金句」总结作为小标题，然后用两到三段话展开，解释其对行业或普通人的具体影响，需引用报告数据支持。

Gemini 3 Pro 在这种长文本理解上通常表现极佳。

# 第二步：标题打磨

不要只让 AI 起标题，要和它「共创」。

> 我想拟定标题：《基于 100 万亿真实 Token 的数据，OpenRouter 的这份报告是 AI 行业必读指南》。
> 我的思路是：必须包含「100 万亿」和「Token」来展示量级，用「真实」、「真金白银」来强调可信度。基于这个逻辑，你还有更具传播力（甚至稍微夸张一点）的建议吗？

多沟通几次，找到你认为最合适的标题。

# 第三步：GPT-5.1-Thinking 审计

因为 Gemini 可能会为了迎合你的「传播性」要求而产生幻觉（比如夸大某些数据），这时候必须引入「理科生」。

> Hi GPT，基于这份原始 PDF，我写了下面这篇文章。请你进行 Fact Check。
> 重点检查：文中引用的数据是否在 PDF 中存在？对观点的解读是否过度发散？请列出具体的页码来源和修改建议。[附上全文]

# 第四步：人类决策

GPT 可能会指出「这个说法不严谨」。这时你需要判断：是为了传播性保留一点「模糊的正确」，还是必须修正？

如果是数据错误（如 100 亿写成 1000 亿），必须改。

如果是观点激进，那是你的风格选择，可以忽略 GPT 的保守建议。决定权在你手上。

# 第五步：配图

最后，文章定稿。使用 Gemini 的 Nano Banana 或其他生图模型，提取文章关键词生成封面图。

6️⃣ 适用场景

我通常在以下场景使用这套工作流程：
- 突发新闻的深度解读（速度+深度）
- 硬核技术文档/白皮书分析（准确性+易读性）
- 长篇教程撰写（逻辑性+结构化）

7️⃣ 持续更新

AI 模型的迭代是以「天」为单位的。也许下周就会出现一个 Gemini 3.5 或者 GPT-5.2 彻底改变这个流程。保持敏锐，工具变了，逻辑要跟上。

8️⃣ 去除「机器味」的三个细节

AI 生成的内容往往自带一些特定的格式，要想让文章读起来像人写的，建议在最后阶段关注这些细节：

- 很多模型喜欢频繁使用不常用的破折号和分号。可以把它们手动改成逗号，把长句切碎，或重写。
- 某些模型（尤其是 GPT 系列）在生成长文后半段时，容易由「叙述」退化为「列点」（Bullet Points）。满篇的项目符号会让文章看起来像 PPT 讲稿或说明书，导致叙事感断裂。如果遇到这种情况，必须在 Prompt 中强制要求「禁止使用列点，请用连贯的段落进行叙述」，或者直接换个模型重写该段。
- AI 还挺喜欢用 Markdown，比如为了强调重点，就喜欢在段落里大量使用加粗。人工调整下就行了。

9️⃣ 总结

其实最核心的算法，依然在你的脑子里。AI 只是那个能将你的「1」放大成「100」的超级杠杆，但前提是你必须先拥有那个珍贵的、属于人类的「1」。

在算力通胀的时代，唯有你独特的视角与审美，才是真正无法被 Token 计价的硬通货。

[UG @UGdaynight]

市场很热闹,不认识的币都在框框涨,总体流动性还是差,市场反转了么?我不清楚,保留子弹,看到有想法的就买一些,快进快出,赚点生活费

[UG @UGdaynight]

@0xSleepinRain 好的开始， $spk ，赋予矿币一点点价值

[UG @UGdaynight]

@chenmo $spk 开启回购

[塔仔roll了又roll @bony0002]

https://t.co/UT85CB0QEz