Meiya

[Gad Saad @GadSaad]

This clip on YouTube is now at 2.3 million views.

[暖暖爱AI @nuannuan_share]

Grok 4是股市交易天才。

但大多数人不知道如何使用。

以下是10个股票交易自动化提示⬇️：

[AI探路者Tim @AIExplorerTim]

🎓 别看网飞了。

如果每天花30分钟看这些YouTube频道，一年内你的知识将提升10倍。

以下是跨领域Top 100 YouTube频道：

🔬 科学与科技 → 奇思妙想、真相、简说世界
💰 金融 → 两分钱、平白麦芽、经济解释
💻 编程 → CS道场、免费代码营、遍历媒体
🧠 心理学 → 心理GO、科学秀心理
🌍 历史 → 速成课堂、过度简化、伟大战争
🎨 艺术与设计 → 破冰、贾扎绘画、儿童美术
🎵 音乐 → 瑞克贝托、亚当内利、贾斯汀吉他
🌌 天文 → 海洋、斯科特曼利、PBS空间时间
🌱 自然 → PBS纪元、深度观察、蚁国
📚 文学 → TED-Ed、睿智、暴力笔记
💡 个人成长 → 阿里阿卜杜拉、马特大维拉、魅力在指挥

这个清单将永远让你保持学习 📺

[美股OK哥 @artinmemes]

巴菲特1998年封神演讲，段永平说看了不下十遍，李录说改变了他一生。

这一版是AI中文配音+字幕的，建议收藏。

[科技混子Chris @ChrisSlacker]

YouTube 上有1.57亿个频道，但 99%的频道都是低质量的内容

以下是10个频道，比4年的学位课程更值得学习

⬇️⬇️⬇️

[谢嘉琪 Jiaqi @XieJackie]

🔥马斯克建议年轻人的学习方案：先广度→ 再深度

“我鼓励年轻人多读书。尽量大量吸收信息，建立扎实的通识基础，让你对‘知识的全貌’至少有个粗略的了解。尝试对很多不同领域都学一点。

因为只有通过广泛探索，你才能发现真正感兴趣的领域，然后找到你的天赋与兴趣的交汇点。”

[Morris @Morris_LT]

当你学会空仓，并有耐心等到胜率高的机会再出手时，你算是入门了。当你学会重仓，并有耐心等到确定信号才离场时，你就可以以交易为生了。

[Wealth Code @WealthCode99978]

🚀📈 2026 年前必须盯紧的 10 只股票
这是一份结构性配置清单，不是短线预测。

1️⃣ $TSLA → $462–652
这早就不是一家“卖车公司”。
AI、自动驾驶、能源与网络效应正在叠加，而市场仍在用旧模型定价。

2️⃣ $AMD → $212–302
AI 计算正在进入多元化时代。
AMD 吃到的不是一轮行情，而是持续份额转移。

3️⃣ $CRWV → $82–202
AI 基础设施的需求还远没到峰值。
真正的瓶颈不是模型，是算力与交付能力。

4️⃣ $META → $652–802
广告现金流 + AI 执行层的杠杆效应。
当 Agent 真正嵌入应用，盈利弹性会被重新估算。

5️⃣ $OSCR → $18–32
增长型医疗公司，已经走向盈利。
但仍被当成“边缘名字”对待。

6️⃣ $LMND → $82–102
AI 驱动的保险模型正在放大规模优势。
高波动，但非对称回报明显。

7️⃣ $HIMS → $39–67
消费医疗 + 订阅模型。
如果留存与复购继续走高，估值锚会抬升。

8️⃣ $MSTR → $178–303
这是对 $BTC 的“经营型杠杆”，
不是被动持有，而是结构化放大。

真正的问题不是：
哪一只会先涨？

而是：
当 2026 年回头看，你最不想错过哪一个？

📬我会持续分享围绕 AI、自动化、能源与结构性成长股的中期判断与关键拐点，帮助提前识别被低估的方向。

#StocksToWatch #AIStocks #GrowthStocks #TSLA #AMD #META #Bitcoin #HealthcareStocks #2026Outlook

[Gorden Sun @Gorden_Sun]

AI产品推荐榜 2026.01.01更新

[Long Chen @LongChenNotes]

没想到2025年最后一天可以读到这么好的文章值得读5678遍

文章名为「好奇心是你大脑的复利」

文章开篇就提了一个很痛的观点：AI 工具和社交媒体一样，本质上是老虎机

动作： 拉动拉杆（输入指令/下滑屏幕）。
反馈： 不确定的奖励（一个很酷的回答/一张美图）。
结果： 多巴胺分泌，注意力碎片化。

一个反直觉的观点很多人说：我对拍视频没兴趣、我对AI没好奇心。作者直接打脸：不是你没好奇心，是因为你没有正反馈
现实中，说自己躺平的年轻人，研究起球鞋、研究起游戏（就像作者的老婆研究心理惊悚片一样），比谁都带劲。这说明什么？硬件（好奇心）没坏，是你没找到抓手。

那既然好奇心需要抓手，如何啃一块你必须啃的硬骨头

例如：我要学 AI 编程，不是上来就啃论文、学课程。

先用AI生成一个喜欢的性感美女图（熟悉/爽感）。
去研究这图背后的prompt参数是怎么调的（陌生/痛苦）。
调出来后发朋友圈装个X（熟悉/爽感）。
这就是利用人性的虚荣心来驱动学习。 @zarazhangrui 也分享过

全篇的精华，也是我最想强调的：
AI 时代最大的陷阱叫做提取问题。
当你问 ChatGPT一个问题，它直接给你答案。

感觉上：你懂了。

实际上：你什么都没留住。

这就好比你让AI帮你写2025年度计划：

场景A（提取）：你让AI写计划，它给你列了多读书、多运动。你点点头存下来，二月份就忘了。因为这过程中没有你的痛苦，它就不属于你。

场景B（建构）：你让AI扮演面试官，不断追问你的动机，逼你思考。AI没给你答案，而是给你搭建了脚手架，你自己爬上去。
你的知识之所以值钱，是因为你消耗了脑力和痛苦去构建神经网络

兄弟们，这篇文章的核心逻辑其实是反人性的。
人性喜欢便利，喜欢确定的奖励（老虎机）。
但真正的财富（无论是金钱还是认知）都来自于复利

复利的前提是什么？是本金。
在认知领域，孤立的知识点不是本金，连接成网的思维模型才是本金。

以下是翻译：

I. 分心论 (The Distraction Thesis)

分心会碎片化你的注意力。AI 工具则让这种碎片化更进一步——ChatGPT 就像是一台带键盘的老虎机。你投喂一个提示词（prompt），盯着旋转的轮盘，然后收到不可预测的奖赏。这种机制和 Instagram 的无限下拉如出一辙，但它带来的新奇感带宽更高。

一旦你通过“交易”的视角来看待它，这个悖论就解开了：我们用深度换取了便利。

代价是：创造力消失了。创造力需要你与一个未解决的问题共处足够长的时间，才能看到新的角度。如果你每三分钟就拉一次老虎机的拉杆，新的角度永远无法形成。

这不是在反对 AI 工具。这是一个关于理解“好奇心的复利效应”，以及在富足时代失去好奇心的警示。

II. 好奇心-创造力循环 (The Curiosity-Creativity Loop)

创造力不会凭空降临。它源于一台特定的引擎：一种能够持续足够久、从而产生意想不到组合的好奇心。

这个循环是这样运作的：一个问题卡在你的脑海里。你反复琢磨。你尝试一种方法，然后又试一种。这些方法本身又会产生新的问题。每一个答案都揭示了你未曾考虑过的邻近问题。最终，某种连接被点亮了——而那些早早停下脚步的人，永远无法触发这种连接。

这就是作为创造力燃料的好奇心。它不是被动地刷维基百科或 YouTube，而是一种能产生复利的主动追寻。

我说这些是基于经验，而非专家身份。我玩过音乐，录过专辑，写过书。并不是因为我在这些方面天赋异禀，而是因为我没有“卡住”。论技能，我在大多数领域都低于平均水平，我没能进一步提升技能的原因，正是我下面要讲的内容。但产出确实发生了。我认识很多比我有天赋的人，产出却比我少。区别不在于能力，而在于那个循环是否在持续运转。

这个循环有一个弱点：它需要持续的注意力。如果过早打断链条，复利就会停止。这就是分心变得致命的地方。

III. 技能壁垒 (The Skill Barrier)

但好奇心并不总是能被点燃。有时你接触一个领域，却毫无感觉：没有吸引力，没有继续下去的动力。标准的解释是，好奇心是天生的：你要么有，要么没有。

这是错的。障碍在于技能，而非性格。

好奇心需要“抓手”（traction）。一个 SQL 初学者盯着一个报错的查询语句。这个错误对他们来说毫无意义。没有着力点，没有能吸引他们明天回来的微小胜利。所以他们关掉了标签页。

对比一下电子游戏：在第一关挂了，四秒钟后复活，尝试另一种跳法。反馈是极快的，成本是微不足道的，奖励是可见的。好奇心之所以能存活，是因为能力在微小且无可否认的步骤中积累。

区别不在于人。全在于反馈。

当有人说他们对某个领域“没有好奇心”时，通常是技能差距伪装成了个人偏好。他们尝试了，感到无能，没有收到奖励信号，于是撤退。这种撤退感觉像是“不感兴趣”，其实是“自我保护”。

IV. 每个人都有好奇心，只是地方不同 (Everyone Has Curiosity. Somewhere)

这证明了好奇心并未缺席，只是错位了：每个人在孩童时期都充满好奇。这种能力是存在的。环境因素可能抑制了它：惩罚提问的父母、奖励服从的学校、教会你撤退的失败经历。但“硬件”还在。

更重要的是，人们在他们不认为是“好奇心”的领域里保持着好奇。

那个声称没有好奇心的人，花了四个小时研究梦幻足球（fantasy football）的交易。另一个人刷完了关于历史战役的视频论文。还有人对自己汽车引擎的每个细节了如指掌。我的妻子痴迷于心理惊悚片——特别是那些有女性反派和结尾反转的。她必须知道结局是什么，她必须知道作者是如何构建这种误导的。

他们不给这种行为贴上“好奇心”的标签，因为它感觉像是消遣。但机制是完全一样的：问题产生，接着追寻，知识复利。

问题在于，你试图在没有“抓手”的领域强行开启好奇心，通常只是因为别人（比如在工作或学校）宣布这个领域很重要。与此同时，你的好奇心只是换了个名字存在于别处。

V. 在不存在的地方构建好奇心 (Building Curiosity Where It Doesn't Exist)

如果技能创造抓手，抓手促成好奇心，那么好奇心是可以被制造的。但这个过程需要诚实地面对什么值得追求。

在工程化好奇心之前，先问问：你应该对这个感到好奇吗？

生命是有限的。注意力是零和博弈。花在强迫自己对编织感兴趣的每一小时，都是没有花在那些有天然吸引力事物上的一小时。有时正确的答案不是“我如何对这个产生好奇？”，而是“我为什么要尝试？”

这个问题事关重大。人们花费数年时间在不适合的职业中、在他人推荐的爱好中、在自己没有天赋优势的领域中强行培养好奇心。这种努力很少能转化为真正的投入。选择先于建设。

但是，假设你已经决定了：这个领域很重要，虽然没有抓手，但你无论如何都要建立它。

电台节目编排者会在热门歌曲之间夹杂陌生的新歌。新单曲跟在一首你已经喜欢的歌后面；下一首又是你熟知的。你的大脑会“借用”这种热度。

我在听 Napalm Death 和其他不那么好懂的音乐时就是这么做的，因为破解一张专辑的密码感觉很爽。起初这很难。你不喜欢你听到的东西。它既新奇又陌生，你只想回到那张你已经循环了一周的专辑上去。

Napalm Death 的音乐很刺耳：炸裂的鼓点，像带锯一样的嗓音。所以我放一首他们的歌，然后放一首我已经喜欢的，再放一首 Napalm Death。这种对比软化了棱角。一周后，我爱上了它。

这个原则可以推广：将困难的与熟悉的配对。把你正在构建的领域和你已经掌握的领域交替进行。读一章晦涩的教科书，然后读点你喜欢的。在这个令人望而生畏的项目上工作二十分钟，然后切换到一个你感觉能胜任的任务。熟悉感为陌生感提供了情绪脚手架。

有时问题在于你有太多困难的事情要做，所以你从一个难事切换到另一个难事，那你当然会挣扎。当我刚开始做产品管理时，每个任务都很难，每天，整天都是如此。唯一让我感到放松的时候，就是我能在 Excel 里跑些数据的时候。不幸的是，这种任务在其余工作中并不常见，因为并不总是有数据可跑，所以那真是一种折磨。

制造好奇心需要不断的重新评估。要重复问的问题：

我获得抓手了吗？我仍然相信这个领域很重要吗？这种努力正在转化为真正的投入吗？你甚至不需要直接问这些问题，你会感觉到。

循环要么收紧——你正在建立技能，反馈来得更快，好奇心增强——要么没有。如果三个月的努力没有产生吸引力，诚实的答案可能是放弃。这不是失败。这是高效的重新配置。

生命太短，不必耗费在那些久攻不下、无法吸引你的事情上。但我敢担保，如果你比前三次尝试再坚持得久一点，你几乎肯定会被吸引进去。

VI. 神经网络：当技能产生复利 (The Neural Web: When Skill Compounds)

持续好奇心的回报是网络化的。

在任何领域的早期，学习感觉就像收集孤立的事实。你知道这个术语。你会执行那个程序。但碎片没有连接起来——每一个都孤立地、惰性地存在着。

然后，越过某个阈值。孤立的节点开始链接。第三章的一个概念照亮了第七章的一个问题。你为某个任务学到的技巧突然适用于另一个任务。网络开始嗡嗡作响。

这就是神经连接共同触发时的样子。单个突触是无用的。一簇突触开始模式匹配。一个网络开始解决你从未直接练习过的问题。

然后**元层面（meta-level）**解锁了：从一个领域学到的东西完全迁移到了另一个领域。你在音乐中内化的结构——张力、释放、节奏、重复——出现在写作中。编程中的调试逻辑在诊断商业问题时浮现。你在国际象棋中建立的模式识别出现在战略规划中。

这就是好奇心的复利。但它需要你挺过早期阶段——那个孤立节点的阶段，那时什么都连不上，反馈稀少。分心会在这里杀死你，就在网络形成之前。

VII. 提取问题 (The Extraction Problem)

AI 工具、社交网络都是老虎机。每一次拉动都提供奖励。这种奖励感觉像是进步。

但请注意缺失了什么：你没有建立网络。AI 在你自己的神经元共同触发之前就回答了问题。原本会形成的连接——那个将这个问题与之前的经验联系起来的连接——从未实现。你把好奇心循环外包了。

这就是提取问题。AI 工具模拟了好奇心的满足感，却没能构建使好奇心产生复利的内部架构。你感觉自己学到了东西。但你没有保留任何可迁移的东西。

一个让 ChatGPT 解释概念的人，和一个与该概念死磕了一小时的人，拥有的是完全不同的体验。前者感到被告知。后者建立了脑回路。

这种区别在你如何使用工具时变得清晰。

一种方法：你让 AI 为你写年度目标。它生成了一个整洁的列表——多锻炼、多读书、多存钱。你点头，保存文档，到了二月就忘光了。AI 替你做了思考。没有任何东西迁移给你。

另一种方法：你利用 AI 来采访你的目标。它问出你自己不会问的问题。它揭示了你口头想要的和你实际时间分配之间的矛盾。浮现出的目标是你自己的——AI 只是举着镜子。

我最近把这两者都做了。首先，我让 Claude 采访我关于未来的优先事项和策略。大多数人做年度计划时都是向内看，期待清晰感自然降临。使用外部工具来构建探询过程——去问第二、第三个追问——产生了与单纯内省不同的结果。

然后我更进一步：我用 AI 将目标游戏化。不是让它告诉我做什么，而是应用那些我原本不会联系到个人规划上的游戏设计原则。AI 没有生成我的动力。它帮助我构建了一个系统，使用来自完全不同领域的机制来维持动力。我仍然需要去做工作和挣扎，但在那些我自己需要几周才能搞定的领域，我得到了 AI 的增强。

在这两个案例中，AI 是叠加的，而不是替代的。它没有取代挣扎。它创造了新的接触面。

这就是区别。提取：AI 回答，你接收，没有任何构建。建设：AI 辅助，你挣扎，网络形成。

这并不意味着 AI 工具毫无用处。这意味着它们以界面隐藏的方式产生代价。每一次拉动杠杆都是一笔交易：用即时答案换取延迟的能力。

VIII. 保护循环 (Protecting the Loop)

这个论点不是关于禁欲，而是关于觉察。

一般性的分心——特别是 AI 带来的分心——会在好奇心-创造力循环产生复利之前拦截它。干预点很明确：

保护独处。创造性的洞察需要与未解决的问题进行不被打扰的共处。这是不可商量的。时长因人和问题而异，但底线比你想象的要长。30 分钟不切换任务是一个起点，不是上限。

刻意建立反馈循环。进入新领域时，要设计那种游戏自然提供的架构：小赢、可见的进步、快速的反馈。不要等待领域提供这些。去构建它——利用 AI（这是 AI 的绝佳用途）。

审计你的“拉杆”行为。每次你伸手去用 AI 工具时，问问自己：我是不是外包了构建网络所需的挣扎？有时外包是正确的——任务琐碎，学习无关紧要，时间花在别处更好。但要让这笔交易变得显性。别让默认选项获胜。

在通知到达之前达到阈值。网络化阶段——连接共同触发、迁移成为可能的阶段——需要挺过稀疏的早期阶段。这是大多数人退出的地方，不是因为他们缺乏好奇心，而是因为反馈还没到。在这里，坚持就是区分者。

那个在你挣扎之前就给出答案的工具，正是那个确保你未来还会需要它的工具。好奇心产生复利。便利不会。

[路飞 🏴‍☠️ AI 研究员🧐 @0xluffy_eth]

ChatGPT有一个隐藏模式。

它可以像超人一样思考。

以下是8个看似违法的提示词:

[Meiya @cyott67039]

要学会等待时机哦，时机很重要，让子弹飞。

[Meiya @cyott67039]

规矩就是规矩，无规矩不成方圆

[老白（每日 AI 干货✊） @laobaishare]

🚨 重大消息：谷歌刚刚发布免费AI课程

无需付费

这是2025年你不能错过的12门课程

[收藏备用]

[Bitturing @Bitturing]

手机 + ChatGPT = 月入5,742美元

老太太都能操作

以下是要跟随的计划↓

[白骏知识分享 @cj3214567667]

什么是“顶级复盘”？

[Dr.周 @DrZhou_fengshui]

人情世故36计
可以不用，但不能不知

＃人性 ＃人情世故

[宝总的财富指南 @baozong_facai]

一个很变态但可以变有钱的方法

[0x进击的水豚 @crypto_oldk]

Grok 4是股市交易天才。

但大多数人不知道如何使用。

以下是10个股票交易自动化提示⬇️：

[Lemon @111_114390]

转发自大佬，很有参考意义

关键字：电力，核电，铜，AI加速。