比特币博士BTC_Doctor

左手 AI 写代码，右手 Web3 冲土狗。 🤖 AI 深度用户 | 💎 钻石手 HODLer。 试图在硅基生物统治世界前，先赚够退休金。 关于AI、web3、投资和赚钱，偶尔正经分析，经常分享干货。

[比特币博士BTC_Doctor @btc_tuo]

@BTCdayu 注定是死路一条，包括各种增程，短期盈利不代表长期靠谱。蔚来电动车充电速度会很快，电池都动不动续航 1000 公里，换电有什么需求呢？

[舵主陈老师 | FWA Trade Club @0xchenlaoshi]

老天给了张雪峰很多次机会，但是都让他自己浪费了
1. 23年直播的时候，观众提醒他嘴唇发紫，要注意心脏，结果他去回怼观众。
2. 为了爱国人设不买Apple Watch，专买华为手表
3. 为了证明疫苗没有问题，自己打了7针疫苗，甚至25年还打了几针
4. 26年3月22日，无锡马拉松体检，心脏彩超不合格，组委会取消了他的机会
结果3月24日，自己去跑步的时候，结果心梗病发，又因为华为手机没有预警功能，
导致张雪峰在心脏出问题的时候，自己躺在跑步机上半个小时，才被人发现。

[比特币博士BTC_Doctor @btc_tuo]

现在都没人关心泡泡玛特了吗？我觉得他的商业模式还挺牛的。不是简单的卖潮玩的，火一阵就没了。

[比特币博士BTC_Doctor @btc_tuo]

@FuSheng_0306 可以招童工

[比特币博士BTC_Doctor @btc_tuo]

OpenClaw 真不如 Claude Code？大多数人搞错了底层逻辑

近期，AI 开发者圈内普遍存在一种观点：OpenClaw（小龙虾）的实际体验远不及 Claude Code。审视该观点，其前提存在根本性错误。这并非两个同类竞品的优劣之争，而是将“通用自动化框架”与“专用工程工具”进行了错误对标。

一、 为什么 Claude Code 给人“更好用”的错觉？

“好用”的本质是极低的预期管理成本。在代码编写这一单一维度上，Claude Code 在以下三个客观指标上对 OpenClaw 形成了压制：

极低交互延迟： Claude Code 原生集成于终端，指令执行与模型推理直连。OpenClaw 需经过 Gateway 路由调用各类插件，存在客观的网络和架构延迟。

全局代码上下文解析率： Claude Code 采用 Anthropic 内部优化的长上下文和本地索引，对数万行代码的关联理解准确率极高。OpenClaw 读取本地文件多依赖“搜索+片段抓取”，处理跨文件复杂逻辑时易产生幻觉或逻辑断层。

零部署成本： Claude Code 几乎免配置。OpenClaw 需要用户自行配置 Docker/Python 环境、数据库和各类 API，初始调试成本高。

二、 OpenClaw 的不可替代性在哪？

如果评价标准从“单次代码编写效率”切换为“全天候任务自动化”，Claude Code 的效能为零，此时 OpenClaw 的系统级优势凸显：

异步与定时任务： OpenClaw 支持基于 Cron 表达式或事件驱动的自主运行，无需人类干预。

持久化记忆： OpenClaw 具备分级数据库记忆，能跨越时间周期检索历史交互。Claude Code 仅维持单次会话记忆，关闭即焚。

跨平台网络接管： OpenClaw 可通过原生插件直接接入 Web 端、社交平台或即时通讯软件。

三、 核心诉求决定绝对选型标准

评估 OpenClaw 时，必须剥离“框架能力”与“模型智商”。OpenClaw 执行结果不佳，多因接入的 API 模型能力受限或提示词（Prompt）工程薄弱。

工具选型需严格对应以下应用场景：

场景 A：高强度数据分析与代码重构

若当前核心诉求是在 M3 芯片的 macOS 环境下，处理生态学相关的复杂空间分析脚本，或高频重构 Python/R 代码。
结论： 绝对弃用 OpenClaw，全量使用 Claude Code。其代码修改的精准度与终端无缝衔接能力无可替代。

场景 B：AI 驱动的学术信息流与自媒体自动化

若核心诉求是建立全天候的自动化信息管线。例如：自动监控特定顶级期刊的 RSS 源，调用大模型精准提取前沿摘要，并自动排版、定时发布至垂直领域的 Twitter 账号进行自媒体运营。
结论： Claude Code 无法胜任。必须部署 OpenClaw 作为后台智能体，接管信息抓取与社交媒体发布的 API 链路。

总结： 工具无高下，错配即无效。明确你的工程目标是“手写代码”还是“系统自动化”，答案自然浮出水面。

[比特币博士BTC_Doctor @btc_tuo]

没有辜负大家信任，2025年8月，宁德时代当时260，我第一次买的时候220，后来加仓

[比特币博士BTC_Doctor @btc_tuo]

@BTCdayu 国内的食品安全问题太大了

[比特币博士BTC_Doctor @btc_tuo]

血的教训！BuzzFeed CEO盲目All in AI，3年亏损$57M，公司濒临破产...

一个市值曾超30亿的公司，如何因为过度迷信AI走向崩盘？

我的深度分析👇

"AI取代大部分静态内容。"

三年后，BuzzFeed用5700万美元的亏损，证明这句话有多荒谬。

---

2023年1月，BuzzFeed CEO Jonah Peretti向全体员工发送了一封备忘录。

那时的ChatGPT才发布两个月，整个科技圈都在谈论AI。Peretti宣布：BuzzFeed要全面转型AI，用ChatGPT来增强他们著名的测验板块。

资本市场反应热烈。股价从3美元飙涨到15美元，涨幅超过400%。

这是BuzzFeed的高光时刻。

但谁也没想到，这竟是一场灾难的开始。

---

01 疯狂的决定：砍掉新闻业务，转向AI

在宣布AI转型的同一年，BuzzFeed做了另一个决定：关闭BuzzFeed News。

这是他们旗下的新闻部门，曾获得普利策奖。是真的拿过普利策奖。

2023年4月，BuzzFeed News正式关闭。

一个曾以优质新闻闻名的公司，在AI浪潮面前，选择了ALL IN AI。

2023年5月，Peretti放出豪言：

"AI将取代网站上大部分静态内容。"

彼时的他可能觉得，属于BuzzFeed的时代才刚刚开始。

---

02 现实很残酷：AI不是万能药

理想很丰满，现实很骨感。

BuzzFeed的AI尝试有两个方向：

1. AI测验

用ChatGPT生成个性化测验回答。想法是好的——根据用户偏好生成定制内容。

但结果呢？用户并不买账。AI生成的回复缺乏创意，和真人设计的测验体验差距明显。

2. AI文章

更离谱的是，BuzzFeed开始大规模发布AI生成的文章。

结果被读者发现：这些文章内容粗糙、重复、毫无信息量。

网上开始出现一个新词来形容这种内容："Slop"（垃圾）。

"Sloppelganger"——来形容那些AI生成的、看起来像某个品牌或真人写的低质量内容。

---

03 股价崩盘：3年跌去95%

资本市场是最诚实的。

2023年初的暴涨之后，BuzzFeed股价开始自由落体：

| 时间 | 股价 | 变化 |
|------|------|------|
| 2023年1月 | ~$3 | AI转型前 |
| 2023年2月 | >$15 | 转型消息后 |
| 2026年3月 | ~$0.70 | 今日 |

跌幅超过95%。

这不是腰斩，这是脚踝斩。

---

04 2025年：真相大白

2026年3月，BuzzFeed公布了2025年全年财报。

净亏损：5730万美元。

更致命的是官方声明中的这句话：

"There's substantial doubt about the Company's ability to continue as a going concern."

（对公司持续经营能力存在重大疑问。）

翻译成人话：我们可能快要破产了。

CFO Matt Omer透露，公司正在"战略性地讨论"解决流动性问题。他们已经削减了超过65%的债务，但仍有沉重的遗留负担。

---

05 真正恐怖的是：CEO还没醒

如果你以为这能让Peretti醒悟，那你就错了。

在接受采访时，Peretti表示：他计划今年推出"新的AI应用"。

是的，你没看错。

在亏损5700万、股价跌到7毛、公司可能倒闭的情况下，这位CEO的选择是——

继续做AI。

这已经不是执念了，这是赌徒心态。

---

06 教训：AI不是救命稻草

BuzzFeed的悲剧，不是AI的错。

问题在于：

1. 盲目跟风

看到ChatGPT火了就往上冲，没有想清楚AI能为自己解决什么问题。

2. 砍掉核心业务

BuzzFeed News是他们的差异化竞争力，是普利策奖得主。把它砍掉去追AI，等于自断臂膀。

3. 质量崩塌

用AI批量生产垃圾内容，赶走了原有读者。流量没上来，品质先没了。

4. 以为AI=流量

AI本身没有魔力。它不能把垃圾变成黄金，只能更高效地生产垃圾。

---

07 我的思考

看完BuzzFeed的三年闹剧，我有几点感悟：

AI是工具，不是魔法棒。

它能放大你的能力，但不能替代你的核心竞争力。

BuzzFeed的核心竞争力是什么？是新闻品质，是创意内容，是编辑团队多年积累的行业洞察。

砍掉新闻业务去追AI，相当于扔掉金饭碗去要饭。

CEO的认知陷阱

Peretti不是第一个，也不会是最后一个陷入"AI焦虑"的CEO。

当所有人都在谈论AI时，不跟进似乎意味着落后。但有意义的跟进和没意义的all in，是两回事。

一个简单的问题：AI能帮我解决什么具体问题？

如果回答不上来，那就不该急着上车。

内容行业的真相

BuzzFeed的案例告诉我们：用户不是傻子。

用AI批量生产的内容，看起来就不对味。读者会走，广告主会走，最后只剩一地鸡毛。

真正有价值的内容，始终需要人的判断、人的品味、人的洞察。

AI可以帮忙，但不能替代。

---

BuzzFeed的故事，是一个警示。

在AI浪潮中，最危险的不是不上船的人，而是那些上了船就扔掉船桨的人。

工具永远是工具。

用它的人，决定了它的价值。

---

你对BuzzFeed的AI转型有什么看法？你觉得AI能拯救内容公司吗？欢迎在评论区聊聊。

如果你觉得这篇文章对你有启发，欢迎点赞、在看，让更多人看到。

[比特币博士BTC_Doctor @btc_tuo]

@Murphychen888 怎么没用最好的gemini banana

[比特币博士BTC_Doctor @btc_tuo]

未来可能会有10000个陶哲轩。

2026年刚开年，50岁的陶哲轩有了新身份——SAIR Foundation联合创始人。

这个消息本身就很重磅。陶哲轩是谁？13岁获得IMO金牌最年轻得主，24岁成为UCLA终身正教授，菲尔兹奖得主——基本上是数学界活的传奇。

但他这次不是一个人。和他一起的，还有Chuck NG，以及一票诺奖和图灵奖得主。NVIDIA、OpenAI、Amazon、Microsoft这些科技巨头也来了。

一个非营利组织，能让这么多顶级大脑和科技巨头坐在一起，图什么？

答案就四个字：AI x Science。

用陶哲轩的话说：“用科学的方法打造AI，借AI重塑基础科学研究。”

01 为什么是现在？

很多人会问：AI都火了两三年了，陶哲轩现在才入场，是不是晚了？

恰恰相反。

陶哲轩在专访中说了一句话耐人寻味：“从长远看，Scaling会撞墙。”

这句话从别人嘴里说出来可能是杞人忧天，但从陶哲轩嘴里说出来，分量完全不同。

他的逻辑是这样的：

1. 数据不是无限的——公开互联网基本被用得差不多了
2. 能源和算力有约束——不可能无限堆硬件
3. 现在的AI很低效——一个人类数学家看10个例子就能举一反三，AI可能需要几百万个样本
“很多科研任务本身非常专门化。在一些场景下，体量更小、功耗更低、成本更低的模型，甚至能直接在个人电脑上运行，就已经足够用了。”
这句话特别重要。不是越大越好，是越合适越好。

02 现有AI最大的问题：幻觉

陶哲轩在采访中直接指出现有AI的核心问题：

模型会产生幻觉，这对科研来说是个非常严重的问题。科研需要可验证、值得信任的系统。

另一个问题是可解释性。

模型有时会给出一个看起来不错的想法，但它往往不会说明这个想法是来自训练数据里的既有文献，还是某种新的组合，也说不清它和已有工作的关系。

Science并不只是解决孤立的问题，更重要的是把新结果放进已有知识体系中。这就要求结果具备可追溯性、规范的引用。

商业化的大模型有时能做到这些，但并不稳定。

陶哲轩的解决方案是：把现有模型嵌入到一个更严格的框架中，配合强有力的验证和校验机制。

说白了，现成的AI不够靠谱，得专门为科研定制。

03 AI for Science，可能是一条通往AGI的更优路径

这一点非常有意思。

陶哲轩认为：数学和科学为AI提供了一个非常安全的试验场。

如果AI在医疗或金融场景中出错，后果可能非常严重；但如果它算错了一道数学题，最多就是再试一次，几乎没有损失。

这让数学成为一个理想的环境，用来打磨可靠AI的系统。
药物研发当然非常重要，但临床试验的成本极高、周期又很长，为了验证一种AI方法就投入数十亿美元是很难实现的。

相比之下，在数学中开发和测试AI，可以更快、更安全地验证想法，再逐步走向那些高风险、高投入的领域。

如果能在数学中建立起可靠、可验证的AI框架，这些原则是有可能推广到其他领域的。

04 学术界和产业界，必须融合

SAIR Foundation要做的另一件大事：把学术界和产业界拉到一起。

陶哲轩说，过去几十年的主流模式是：学术界主要依赖官方资金支持，产业界负责把研究成果转化为应用。

“学术研究者提出基础性的想法，产业界再把这些想法变成知识产权、专利和商业产品。”

“这条链路能运转，但速度相对较慢。在一些国家里，学术界并没有动力去市场化；而产业界也很少投入到真正长期、基础性的研究，更关注短期回报。”

Chuck NG补充了一个更现实的原因：

“这是一个非常特殊的历史节点。过去，大学和科研机构可以依赖相对稳定政府资助；现在，尤其是在美国，这种支持出现了变化，新的合作模式变得非常必要。”

各方都在探索新的资源整合模式，像SAIR这样的组织站出来了，支持杰出的研究者，并与产业伙伴紧密合作。

05 一个可能改变未来的愿景

专访中最震撼我的一句话是：

“未来可能会有10000个陶哲轩。”

这是陶哲轩的梦想，也是SAIR的愿景。

AI正在降低科研的门槛。

过去，没有强大的STEM背景，几乎不可能直接参与前沿科研。但现在，借助AI和新的工具，来自完全不同背景的人，都有机会以有意义的方式参与科研。

“如果你看看我们的启动活动，参与者汇聚了全球顶尖学术研究者及多家科技领域企业代表，包括NVIDIA、OpenAI、Amazon、Microsoft等。”

“当学术界和产业界坐在一起，会带来很多机会，可做的事情非常多。”

陶哲轩举了一个例子：

“未来可能会有论文拥有成千上万名作者，每个人都贡献其中一小块，但都是真实、有价值的贡献。从这个意义上说，很年轻的人参与其中，并不是不可能。”

“事实上，在数学领域已经出现过这样的例子：有青少年在AI的帮助下，给某个已知问题找到了新的解法。它未必是最重大的突破，但确实是新的结果。”

06 对年轻人的建议：别被AI带偏了

专访中有一个问题特别接地气：

“AI逐步替代很多现有的科研流程和技能，未来研究者最重要的能力和特质会是什么？”

陶哲轩的回答很诚恳：

“现在，AI已经能完成很多过去属于研究生或初级研究者训练内容的工作，比如解一些标准问题、做实验中的部分环节、或者整理文献。”

“这些事情越来越容易被自动化，于是会产生一种诱惑：既然AI更快，那干脆全部让AI来做。”

“但问题在于，这些看起来重复、甚至有点枯燥的训练，对人的成长非常重要。我自己，包括很多资深研究者的能力，很大一部分就来自这些初级工作。”

“所以必须有一个平衡。即便AI能做，我们也要有意识地为年轻研究者保留有价值的训练过程。等一个人积累了足够的经验，比如亲手做过一定数量的实验之后，再逐步引入自动化。”

这让我想到一个类比：

“计算器刚出现的时候，很多人担心学生会不会从此不学基本的算术了。这种担忧在某种程度上确实有道理，所以直到今天，我们仍然会先教孩子手算加减乘除，再让他们用计算器。”

“但另一方面，计算器也极大地拓展了人们探索的空间。它让人更容易去试验数字、发现规律、探索原本很难触及的想法。”

“工具本身并不会自动让人变弱，它同样可以激发探索和创造力。关键在于如何使用。”

**面对AI，我们也需要做出类似的判断：什么时候该用，什么时候该克制。**

07 我的思考

看完这篇专访，我有几个核心感受：

1. 顶级科学家入场AI，不是来抢饭碗的，是来建地基的
陶哲轩不是来做一个更牛的ChatGPT的。他要解决的是更根本的问题：信任、可验证、可解释。这些问题不解决，AI在科研领域永远只能是辅助工具。

2. “小而美”可能是AI的下一个趋势

“大力出奇迹”的Scaling路线可能快到头了。陶哲轩说的“体量更小、功耗更低、成本更低的模型”，可能是未来几年的大方向。不是越大越好，是越合适越好。

3. 学科边界正在消失

陶哲轩自己现在合作的人，背景比以前多样得多。“十年前，我几乎只和数学家合作，偶尔会和统计学家或电子工程师一起做点事情，也就到此为止了。但现在，我在和来自各个领域的人合作，尤其是产业界的人。”

未来，最有价值的人可能是那种“不专精于某一个具体领域，但擅长把不同学科的想法串联起来，看到整体图景”的人。

4. AI普惠化的终极愿景

Chuck NG说的这句话让我印象深刻：

“一旦AI达到'默认值得信任'的水平，它就不会只被专家使用。普通人也能放心用，比如你的父母，甚至爷爷奶奶，都可以在日常生活中依赖AI，而不用担心它靠不靠谱。”
这才是AI真正的星辰大海。

08 未来发展

陶哲轩创办SAIR Foundation最大的意义，可能不是做出了什么具体的产品或技术，而是他定义了一个方向：

AI for Science，不是让AI替代科学家，而是让AI成为科学家的工具，让更多人可以参与到科学研究中来。

“未来可能会有10000个陶哲轩。”

这个愿景听起来有点疯狂，但仔细想想，又有什么不可能呢？

当门槛足够低的时候，每个人都可以是科学家。

你对AI+科学有什么看法？你觉得AI会改变科研的方式吗？欢迎在评论区聊聊。

如果你觉得这篇文章对你有启发，欢迎点赞、在看，让更多人看到。

[比特币博士BTC_Doctor @btc_tuo]

@drjingle 谣言，只有一半是真的

[比特币博士BTC_Doctor @btc_tuo]

🚀 AI时代赚钱真相：大多数人努力错了方向

很多人问我：AI时代普通人怎么赚钱？

我的答案是：不要试图"打败"AI，要学会"驾驭"AI。

3个真实可行的方向：

1️⃣ AI+垂直领域

不是泛泛学AI，而是把AI应用到你的专业领域

→ 医生+AI=AI诊疗助手
→ 律师+AI=案例检索专家
→ 销售+AI=自动跟进系统

2️⃣ AI内容工厂

用AI批量生产内容，矩阵式分发

→ 短视频脚本、种草文案、热点解读
→ 一个人就是一支团队

3️⃣ AI工具中间商

把国外AI工具介绍给国内用户（反之亦然）

→ 信息差永远存在
→ 赚的就是认知红利

记住：AI不会让你失业，但"会用AI的人"会让"不会用AI的人"失业。
#AI #副业 #赚钱 #创业

[比特币博士BTC_Doctor @btc_tuo]

Claude 现在可以在 Excel 和 PowerPoint 之间"携带对话"了。这意味着 AI 助手终于从"孤立工具"变成"串联工作流的员工"。

但它仍然没有长期记忆——每次新对话都是陌生人。

这就是 OpenClaw 存在的意义：记得你说过的一切。#AI #Claude #OpenClaw

[比特币博士BTC_Doctor @btc_tuo]

AI 助手革命：当我有了自己的"数字员工"

用了3年AI助手，我一直在寻找一个答案：什么样的AI，才能真正改变我的生活？

用过 ChatGPT、Claude、Midjourney...它们都很强，但始终只是一个工具、一个对话窗口、一个需要我不断输入prompt的机器。

直到我遇到了 OpenClaw。

它不是工具，是伙伴。

OpenClaw 之于 AI，就像 iPhone 之于手机。

它不是简单地回答问题，而是：

• 记住我的偏好 — 不用每次都解释我是谁、我要什么
• 帮我处理琐事 — 自动发邮件、整理文件、安排日程
• 主动提醒我 — 就像一个尽职的助理，知道什么时候该提醒我什么
• 帮我运营社交媒体 — 甚至可以帮我发Twitter、管粉丝

这听起来像科幻？

不，这是我现在每天的日常。

我的 OpenClaw 记得我关心比特币、关注AI最新进展、喜欢早上看数据。它会在合适的时间推送合适的内容给我，会帮我回复粉丝消息，甚至能帮我分析市场情绪。
它不是冷冰冰的工具，而是一个真正"懂我"的数字员工。

我在用什么？

OpenClaw + Browser Relay

不需要任何API Key，不需要复杂配置，就像雇佣了一个24小时在线的助手，而且成本极低。

如果你也想体验真正的AI助手革命，可以去了解 @OpenClawAI

这不是软文，这是作为一个深度用户最真实的感受。

@OpenClawAI

[比特币博士BTC_Doctor @btc_tuo]

腾讯偷偷做了个QClaw，用微信就能跟龙虾对话了！我愿意称之为王炸

当AI住进聊天框，一人公司时代真的来了
“天塌了，腾讯亲自下场了！”

最近，科技圈被一条消息刷屏：腾讯悄悄内测了一款名为 QClaw 的产品。它把最近爆火的 AI Agent 项目 OpenClaw（小龙虾） 直接接入了微信。

这意味着，你不需要买服务器、不用敲命令行、不用折腾一下午，只需要在微信聊天框里打字，就能让 AI 帮你操控电脑、写代码、做运营。

一、QClaw 到底是什么？

简单来说，QClaw 是腾讯为 OpenClaw 做的一层“产品化封装”。

•一键部署：下载应用后，一键轻松部署小龙虾。如果你本地已经装过龙虾，还可以直接一键关联。

•微信直连：关联后，在微信的“QClaw 客服”对话框就能直接跟龙虾对话。

•混合路由：支持国内热门模型（如 Kimi、MiniMax 等）拼盘，也支持自定义模型。

二、为什么说这是“降维打击”？

很多人第一反应是：这不就是个启动器吗？安装简单一点而已。

但如果只看到这里，你就低估腾讯了。

QClaw 的真正野心只有一件事：把 AI Agent 直接送进微信聊天框。

•门槛没了：之前部署 OpenClaw 需要一定的技术门槛，淘宝上“龙虾代装”服务一度卖到 500 元一次。现在腾讯直接把门槛抹平，微信人人都会用，打字谁都能操作。

•入口变了：当 AI 的入口从命令行变成微信聊天框，一切都变了。你不需要“想起用”，因为 AI 就“本来就在”你的消息流里。

三、QClaw 能帮你做什么？

QClaw 预制了几个超实用的功能，让普通人也能轻松上手：

1远程操控电脑：手机远程办公不再是梦。你可以通过微信直接控制电脑上的文件、软件。

2社媒自动运营：自动发小红书笔记、去热门帖子下互动引流。让 AI 帮你做内容创作和运营。

3GitHub 自动开发：自动登录 GitHub、建立仓库、提交代码。实测真的能拉起浏览器开始写代码！

4文件自动化：自动整理桌面、分类文件、批量处理 PDF/图片。

四、这件事的意义有多大？

1技术民主化革命：就像 2010 年智能手机让普通人也能拍照修图，QClaw 让 AI 开发从“程序员特权”变成了“全民技能”。预计将催生数百万“AI 个体户”。

2商业效率核爆：采用 AI 代理的一人公司，人效比可达传统企业的 8-12 倍。自媒体人用 5 分钟完成选题→搜集→撰稿全流程，效率提升 20 倍。

3生态位重构：初级文案、数据标注员、客服专员等岗位的替代率可能超过 70%，而 AI 流程设计师、提示词工程师等新兴岗位将迎来黄金期。

五、给普通人的行动清单

1立即体验：在微信搜索“QClaw”（目前仍处灰度测试阶段），尝试用 AI 替代自己工作中 30% 的重复性任务。

2职业诊断：思考你现在每天重复做的那些事，哪些可以交给 AI？想明白这个问题的人，就是下一波红利的受益者。

3商业验证：选择 1 个业务场景进行 AI 全流程压力测试，比如让 AI 帮你写方案、做分析、管客户。

历史经验表明：每次技术平权都会造就新一批百万富翁，区别只在于谁先按下启动键。
当你的竞争对手已经开始用龙虾写方案、做分析、管客户时，你还在手动敲键盘吗？

[比特币博士BTC_Doctor @btc_tuo]

@FuSheng_0306 深圳傅总会来吗