Olivia
Online
harry
@fermi126
orz
Joined August 2022
340 Following
20 Followers
38 Posts
聚焦在现有工作上用coding Agent去解决，是一条错误道路，人类已经把能吃的红利吃差不多了，
接下来就是无尽的人指令-agent执行-人指令-agent执行的iteration中逐渐迭代工作，很难把人从这种小幅度高强度反复的iteration中解放出来。
因为现有codebase不仅高度复杂，而且人的大部分命令都是高度模糊、 高度开放、高度自由、无法验证的命令，
场景也是高度开放、高度自由、无法在containers中直接测试跑一跑，必须在真实世界中获得反馈才能继续修改工作。
所以我最近半年一直坚持反复告诉大家：
1. 在现有所有大型科技互联网软硬件移动外包平台coding agent的红利很快就吃完，现有人类像唱山歌一样和claude code高强度一问一答的模式，就是短期内的最优解——像full self coding一样大量agent并行完成coding工作，不会带来更多的收益；
2. 在coding agent很快增长和红利消失的大前提下，人类如果想继续把AI Agent和multi agent的红利吃干抹净，必须持续找到有价值的新领域、新方向、新问题：
A. 同时满足问题定义简单干净、环境封闭、非常非常易于verify、问题解决方案搜索空间巨大的复杂问题，让goal-driven(https://t.co/mJld9XcBjp)来持续工作、反复工作、无休止工作，典型的就是lean4解决数学证明、各种仿真、各种建模、各种计算模拟、各种优化和运筹学算法，
前提是易于verify，必须用很低的成本去verify最终输出是否正确，保持持续验证这个criteria，给予正确的反馈和无限工作循环的核心条件，直到完整完成工作；
B. 能够把multi agent的并行度吃干抹净，一次性1000个agent大批量初始化和启动，在一些setup中持续活跃，保持multi agent的可观测性，
除了openclaw时代就臭大街的各种爬虫以外，还有行为经济学、社会学、心理学、教育学、法学等等大规模试验，不由分说充足token，先初始化1000个agent模拟跑几天，观察一些初步结论；
C. 就像我半年前说的价值10万刀的策略：把一切人类社会中遇到的所有问题，整理成文档、表格、图片、文字、structured data，让一些富有经验、富有memory的coding agent（就是claude code和codex本人）进行一步步解决，
你始终要明白，现阶段的头部coding agent已经足够复杂、 足够高级、机制足够完善，AI Agent已经经历了4~5轮工业革命，完善到整个industry其他任何生态和框架继续手搓的任何agent都像一个玩具，只要一个claude code/codex一个文件夹+一个docker/kubernete，就是未来一切企业和流程中的general agent；
3. 有一点几乎被所有人忽略，也是我近几个月意识到的问题。
在经典deep learning时代，一些产业对于经典neural network和baysian model有天然的不信任感和敌意，他们会非常激进、偏执地要求一切machine learning的模型尽可能地跟随可解释性、AI伦理、因果推断等等方向。
在AI Agent时代，越是激进使用的人，越是对AI Agent产出的代码、报告、分析、数据、结论产生严重的怀疑，
因此不只是GPT model需要superalignment，LLM Agent本身更需要superalignment，在Agent时代，superalignment的重要性会越来越高，
而且AI Agent产出和workflow的可解释性需求也会越来越高，最最基础浅表的就是各种问答chatbot的来源引用，今后其他越来越复杂的工作，包括coding本身，都会有可解释性的大量问题涌现，
一种方式是尽可能用formal verification或者prover的形式来自动化验证，
一种是用agentical的验证方式，就像人一样去用一个或者多个agent来反复review和challenge一项工作；
4. 还有一点很多人没想到，就是AI Agent会对人施加反过来的影响。
比如office出现后，普通人要求用office三件套来完成工作，office重塑了人类办公的基本流程和规范，
比如出现了google之后的早期，普通人要学会正确输入搜索关键词，把想问的问题拆分成正确的关键词，以获得正确query的结果（后来google反复做了优化，这个技能也逐渐不重要），
比如social network出现之后，人们学会了全新的交友方式、social network的交友礼仪、聊天方式，
所以在AI Agent时代，人最重要的技能，没有之一，就是如何正确使用AI Agent、挑选正确的模型、使用正确的工具、组建正确的prompt、描述正确的问题、输入充足完备的信息、如何用goal-driven去构建一套dual-agent的简单无休止infinite-loop workflow，
一个不会正确定义问题、不会正确输入足够多的信息、不能让AI Agent在一个边界清晰的闭包问题中正确工作、持续工作的人，天天拿AI Agent当成无所不知的万能神、百宝箱、随机神、超人，除了问弱智问题，就是玩猜猜看、问宏大开放的无异议问题，
这种人大概率会被这个时代逐渐淘汰掉。
千万别拿我和张雪峰这个大傻逼作对比。
网友：我想学AI相关的专业，我对AI很感兴趣，请问我应该选计算机还是数学？
我：你一定要选计算机，先把python和数据结构基础打好，
然后从deep learning这门课开始学，可以在家配置一个nvidia GPU的笔记本或者台式机，或者用google colab，先从最简单的 CNN 开始训练，找一个dataset，自己安装好pytorch和cuda、cudnn，抄一个经典CNN model，训练你的第一个神经网络，
然后可以学习transformer，学习encoder only的BERT，学习decoder only的GPT模型，从minGPT开始，训练你的最小版本的GPT模型，
如果你对训练模型感兴趣，可以读个PhD，如果你的inference感兴趣，可以多花点时间看cuda，简单学习一下nvidia tensor core architecture，可以了解GPT后续的模型的架构，
如果你对inference感兴趣，你也可以直接看vllm的架构，读里面的代码，理解vllm是如何load一个用pytorch训练好的LLM模型，
如果你对AI Agent感兴趣，可以从ReAct Agent开始看，然后看SWE Agent，知道一个Agent是如何抽象出来的，如何调用function call，如何自己做reasoning，如何把一个软件开发的任务用agentical的方式拆分和执行的，
然后你可以看codex的架构，看看codex是如何设计memory、auto compact、multi agent、background task这些现代coding Agent功能的。
张雪峰（下面视频中可以找到原话）：
孩子，你一定要学数学，数学学好了可以转互联网、AI、科技、半导体、金融所有专业，数学是一切专业之母，所有专业的老祖宗！
孩子，deepseek就是一群纯数学博士造出来的，这些人天天研究数学，就把deepseek造出来了！
孩子，AI本质就是数学建模，就是一个个自变量，你只有研究数学，一直读到数学博士，才能把这些数学建模研究明白，计算机毕业生是永远研究不明白AI的！
我的结论是，鼓吹“数学万能论”、“数学是一切专业的老祖宗”、“只有数学博士才能研究AI”的张雪峰和他们的粉丝，都是彻彻底底的大傻逼。
有个大专宝妈问我，女儿小学在读，数学成绩已经全班倒数，以后该怎么规划。
我说小学还太早，如果已经发现智力水平不够，给你三个建议：
1. 提前规划，高中一定学理科，
2. 高考有钱去香港本科，没钱在国内读二本/民办，一定逼她选个电子信息类专业，
3. 小学初中高中尽量引导她刷数学题、物理题、 英语，如果有额外精力，踏踏实实让孩子初中高中上编程班，或者在B站自学编程。
18岁以前，在女孩子不抗拒、不逆反、不抑郁的大前提下，一定逼她把数学、物理、英语、编程尽量学好，认真学，多学，
然后本科在能保证读电子类专业的最好的大学（哪怕是一本、二本、民办三本），认真读完本科，
如果再有钱和时间，去香港读个所谓EE大类的一年制水硕，读完赶紧回国。
我认为这种智商平庸的女生，这就是最好的规划，
可以保证读完1年水硕后，在深圳、苏州、上海、北京找到一个半导体销售（title是销售工程师，实际就是懂点技术的臭销售）、新能源汽车配件供应链销售、单片机销售、工控设备销售、机床车床销售、电子元器件销售、新能源光伏储能IGBT元器件整流逆变大套餐销售等等，
运气好可以进华为中兴小米比亚迪宁德时代，运气不好进个苏州中小电子厂，一个月也能1万月薪托底，而且这种电子厂未来能活很久，像日本那些老牌供应商一样，普通人跟着公司一直干到50岁没什么问题。
对于这种女孩子而言，虽然可能智商平庸，能力不行，脑子不行，实际画板子写代码干测试一塌糊涂，
但她唯一且巨大的优势，就是比文科生多懂整个电子行业的基础知识，
能分得清ROM和RAM，知道CPU怎么插，看得懂PLC上的红绿灯，知道急停按钮不能旋转，知道电烙铁不能拿手碰或者拿舌头舔，知道太阳能板必须冲着太阳，知道靠近机床不能披着头发，
这就是吊打北大复旦文科低智商本硕博的最大优势。
只要有这个优势，这种女孩在电子行业做做销售，做做售前售后，做做和技术相关的沟通协调运营工作，都比北大复旦浙大纯文科背景的大傻逼们强多了。
https://t.co/tVheElzDXp
x402对于稳定币支付太重要了，有人（如Lincoln Murr）将它比喻为“特洛伊木马”。这是非常好的比喻。这个特洛伊木马可不只是使用了“稳定币”这么简单。而是逐渐地从三个方面影响了用户，进而重塑金融支付网络。
之前的稳定币支付，用户需要：打开钱包 → 连接 → 签名交易 → 支付gas费 → 等确认。这对于大多数非加密原生用户，这样的流程太复杂了，因为创建加密钱包已经将90%的用户排除在外
而x402 的流程（对用户来说）：点开一个付费内容（比如付费短剧等） → 浏览器/钱包弹出“需支付 3 USDC”，点“允许” → 支付完成，内容立刻解锁。用户不需要知道自己付的是稳定币（如 USDC）、付到某个链上（ Base ），或是付给了某个 AI 代理。TA感觉“就像用 Apple Pay 一样顺滑”。钱包里没有稳定币的用户，代理可以垫付，弹出Apple pay/信用卡即时买USDC支付，后台自动创建嵌入式钱包（例如Privy SDK/Passkey）。
从这个简单的用户支付流程背后，是把所有复杂性都推到了后端，比如代理自动选择便宜的链/兑换稳定币/补gas费，x402的标准化和极简的协议，让任何网站/AI应用，只要加几行代码，即可接受任何链上的稳定币支付。
一是，不知不觉中，改变了“支付网络”的版图。用户以为自己在用“互联网新版的Apple Pay”，其实支付走的是链上网络（如 Base / Arbitrum/Solana等 ），而不是 Visa、MasterCard、Apple Pay、Pix等。
这意味着，未来微支付的路由、清结算、数据、费用、规则、审查、收益，有一部分会逐渐被支持的公链/L2生态、以及稳定币发行者等拿走，传统支付网络市场会有被部分蚕食。
二是，不知不觉中，改变了用户的“钱包和身份”。用户点一下“Apple Pay 式支付”时，后台可以为用户自动创建一个嵌入式钱包（如passkey设备级自托管/Privy托管私钥）。这样后续的链上操作，包括存钱/借钱/投资/交易等，都可以跟这个钱包绑定。这是一个全球通用的链上金融钱包/身份。
三是，不知不觉中，改变了“货币和价值的最终结算层”。用户一开始支付的是法币，转换为USDC等稳定币，而这些稳定币有部分会停留在链上，而不是回到传统的银行体系。这些钱在链上会被AI代理拿来去支付给另外的AI代理；创作者得到稳定币之后转换成ETH参与质押赚利息；项目方拿去买国债生成更多稳定币。诸如此类，这样流入链上的部分稳定币，就在链上流动性，成为加密美元循环，而不是回流到传统金融体系。
总的来说，X402+稳定币+加密链上设施，会逐渐地持续地对现有支付体系产生冲击，不仅是利用了稳定币，而且将钱、信用、身份以及数据转入到一个平行金融宇宙。而在这个过程中，用户的使用感受跟传统互联网支付体验类似。所以，这算得上是特洛伊木马。
@wquguru 全网搜索了, 找不到课程视频, 斯坦福的课,外人学不到, 但我找到了该授课老师Eric的另一门付费课程, 与斯坦福课程重叠度很高, 就是有点贵. 有兴趣的小伙伴可以找我一起拼好课, 共同分担价格: https://t.co/WScfbpgB7u
@wquguru 外人怎么学这门课啊?
这次我真的退出推特了。退出之前，我要跟你们推心置腹地讲几句。
任何人说AI会完全替代程序员的，都是100%的大傻逼。AI Agent只会帮助程序员高效完成工作，但是永远替代不了程序员，
因为程序员的判断力是最有价值的，程序员是核心写prompt和指令的人，没有程序员的判断力，任何项目都无法进行。
很多人还在意淫，觉得自己拥有了AI工具，就可以随便替代程序员，这是最愚蠢最短视的看法。
程序员的核心工作是判断、设计，通过精确的知识，写出精确的prompt和指令，这是非程序员永永远远无法替代的。
这也是为什么我反复跟你们讲，各行各业都永远需要程序员，computer science永远是最有价值的专业，只有程序员才是AI Agent的真正驾驶员。
各行各业都需要coding来解决问题，而知道如何coding、如何设计、如何写prompt和指令的这件事，只有程序员才能做到。
希望你们坚持学习、坚持接触新鲜知识，认认真真学好计算机专业，迎接AI的新时代。
full self coding本质就是赌三件事情：
1. LLM必然走向越来越便宜、越来越快、能力越来越强；
2. vibe coding和SWE agent最大的瓶颈，是程序员的脑子，只要是程序员，就必须要写完善全面的prompt，就非常考验智商，所以必须彻彻底底消灭程序员这个群体；
3. 有价值的程序员，必须把精力用在最终决策 ，
必须不能把100%的时间浪费在单线程的写prompt、等、看结果、再写prompt、再等、再看结果，
而必须要分出30%的时间，让1000个agent在后台全面跑、自己测试、自己规划、自己写文档、自己优化、自己重构、自己code review、自己干一切事情，
而1000个agent把一切汇报给程序员（manager），manager自己决策哪些工作有效，哪怕里面只有1%~10%。
未来浪费token的成本，一定远远低于浪费程序员时间的成本，
而给agent分配不同的任务后，一定可以无限scale up，无论是10个，100个还是1000个agent。
2025年，我的几个第一性原理：
1. LLM token一定会越来越便宜，模型越来越强大，记住，所有做LLM Agent的人，都必须思考如何用10~1000倍的token带来革命，而不是他妈跟个傻逼似的天天想着省token；
2. chatbot的形式一定会被消灭，no chatbot revolution才是正确方向，一切AI应用不可能 、不应该、绝对不是一个个大号聊天机器人，一个个大对话框等着人大段大段往里敲字，
记住，所有AI产品必须重新设计，一切chatbot AI应用必定会被改写成NO CHATBOT形式，无一例外，chatbot的产品形态必然会彻彻底底、完完全全地淘汰，
或者那个傻逼一样的对话框，至少作为二等公民出现；
3. AI助手一定不能用“按个按钮”、“截个图”、“上传个文件”，再写个长长的prompt的形式出现，让用户解决个问题，先让用户点点按按十几次，
AI助手一定是具有强侵入性的，一定能主动嗅探一切环境，吞掉一切数据和信息，一定会主动在后台观察一切操作和行为——并且在疑似需要帮助的时候，主动弹出个对话框，用户一键确认后，主动接管，主动解决一切问题，
而绝不应该像准备个考试一样，准备文件、准备截图、准备一大堆按钮、准备一大长串prompt，让用户跟个大傻逼似的，手忙脚乱地在那儿表演，
总而言之，无论是商业落地的AI Agent，还是各种办公软件、工具、生活类的AI Agent，一个个不仅是傻逼兮兮的大黑框chatbot，而且要用户手动输入一大堆文件、图表、链接、信息，再敲一大段prompt——这些全都走了大弯路，
toC的无缝衔接强入侵的主动AI Agent助手，完完全全不会给你任何告诉他的机会，而是让AI Agent主动判断你是否需要我，直接给你一个大大的对话框，简单描述一下“我计划怎么帮助你”——你点一下确定，它来解决后面所有的事情。
4. 一切能用coding解决的问题，都是SWE Agent能解决的问题，也就是说，都可以直接拿claude code这类工具套壳来用，
SWE Agent这个形态，最擅长解决的问题，就是在一个确定的环境（一台机器、几台机器、若干仿真环境、一套terminal里的编译器/脚手架/运行环境/包管理、profiling和debugging方法）解决的问题，
而用coding解决的问题，从来都不止coding，一切VHDL/Verilog等电路设计、电路simulation和validation、一切类似labview和matlab simulink中可以仿真的电机、信号、示波器等等模块，
甚至ansys和CAD这类工具，还有大量data science和计算的问题，以及用lean或者formal-proof解决一些proof-based的数学和模型问题，都可以转化成一些API和coding解决的问题，然后让SWE Agent来解决，
这类问题可以叫做“一台机器上的确定环境下的问题”，
这类问题的特点是，可以靠LLM的智能不断拆分成一大堆subtasks，然后在本地环境下反复尝试、反复试错、反复看output、反复试验结果，失败后再换一个新的approach；
5. full self coding（https://t.co/W0qe8YtsYX）就是基于上面所有第一性原理的一个试验。
我将会设计一套侵入式试验，让10~500个ai agent组成一组，给一个github项目找出所有潜在的问题，包括文档、测试、修bug、优化、重构、完成todo list、加功能、加API等等，让10~100个agent并行完成这个repo潜在需要完成的所有任务，
并且让至少10组这样的agent去github上面公开贡献，等于在没有任何人为输入prompt的前提下，造出来1000~5000个agent在开源世界源源不断地做出贡献，就死死赖在github上面，尝试修复一切可能修复的潜在问题，做出贡献。
请你记住full self coding是最坚决贯彻test-time scaling law的行为，
full self coding坚决相信，人是ai agent世界最傻逼、最慢、错误最多、判断失误最高的存在，让程序员手敲prompt，无异于给AI Agent拖后腿，
只有先分析出问题，然后让10~500个agent同时并行运行，才能最大化执行的效率，最快速度解决已经发现的问题，无休止地为github提供潜在的有价值贡献——并且最关键的是，把“敲prompt的程序员”这个最垃圾、最慢、出错最多的环节彻底消除；
6. full self coding最大的瓶颈，一个是token价格过高，一个是目前几乎所有主流供应商，LLM inference速度过慢，
所以我最后的一个想告诉大家的价值观是：
groq、sambanova、cerebras这种在片上堆满几个GB的SRAM，在inference上效率是nvidia、amd、google TPU这些落后架构的10~50倍，这是test-time scaling law的最后一环，
如果人类在claude code、gemini cli上全面接入groq、sambanova、cerebras上host的模型，所有速度都会再快10~50倍，
现在最大的问题是，groq、sambanova、cerebras他们只能白嫖开源模型（deepseek、qwen、zai甚至更难用的llama），因为这三家自己没能力训练模型，本质是卖芯片的（实际是自己造完data center后卖API），
但是只要中国几家厂商能源源不断输送最好的开放weights的模型，让groq、sambanova、cerebras持续用上他们能用的最好的开放weights的模型，这三家最终会把nvidia、google tpu连同他们的客户一锅端。
人类依然非常需要LLM inference的时间上的飞速优化，只不过现在人们需要更强的模型，而人类愿意为此多等等时间，
但是终归有一天人们会发现，无论是coding，还是在各种infra中快速反馈相应，哪怕是简单的搜索或者问答，inference速度这件事才是至关重要。
有个网友把我关于远程的推和视频总结了一下私聊发我了，我觉得还不错，转发一下
做了一个大圣之前分享关于找 remote 工作的信息汇总
1 关于英语水平，明细定位，要面向面试而学习，而不是面向考试而学，大圣即使雅思5.5（听力6.0）的情况下依然拿下不少 offer。所以主攻面试英语，在有一定基础后尝试在面试中提高英语能力，避免面向背单词学英语这种低效、痛苦方式。词汇可以通过看英文技术文档（react/webpack等）；听力可以通过看油管技术类视频（vue conf/ react conf 等）；口语只能和真人 native speaker 直接交流，AI工具不能及时纠正语调和表达习惯等问题，可以选择 cambly 这类外教平台每天练一会，不推荐菲律宾那种50块钱一小时的，质量一般。
2 关于面试前的准备，在学习英语过程中可以尝试写英文版简历，利用 gpt 翻译软件等工具来写，挂在 linkedin 上。英语水平有一定基础后，可以陆续开始海投，这个过程基本全是据信。基本就是投200多个岗位，一个面试机会没有，此时需要放平心态，因为这是非常正常的事，你能做的只能是继续等机会，不要挫败放弃。
3 关于github：大圣之前提过没有 github 活跃度，例如没有贡献开源项目，没有什么 stared 的项目，基本不会有面试机会，简历直接 pass，这可能是对大多数人来说最困难的，疲于996而没有精力再投入到开源建设中，这个可能会成为劝退大多数人的一点，因为搞好 github 不是短短一年内就能完成的事，是一个长期累积的过程，突击fork一堆乱七八糟的项目不会有什么帮助，简历筛选和面试官区分得出来。
4 关于面试过程，如果你在海投成百上千封简历后终于获得一个面试机会，那么恭喜你，你快接近成功。海外面试主要分为4部分：算法题、框架api 使用、system design、行为面试。算法题 leecode 200道足以应付；框架使用对国内工作过的更没什么问题，只问使用而不问源码原理；系统设计是套路的，多刷油管视频总结点套路；行为面试一般对工作了几年的人更没什么难度，例如如何处理和组内其他同事或领导的分歧，deadlie 和人力协调问题，只不过要用英语得体的表述出来即可。
5 关于工作签证问题，当你走到这里，说明你面试已通过，恭喜你已经成功！海外公司可能分为两类，一是提供工作签证，你肉身可以去该国生活工作，这类公司应该是大家最心向往之的，因为能在相遇的人大抵都是出于各种原因想远离这片土地，但是这类公司相对比较少。另一类公司是只提供岗位，不提供签证，肉身在国内接收海外工资汇款，虽不如肉身在外的自由自在，也仍不失为一个好选择，让你远离卷的工作、成本高的城市，
6 关于时间成本，通过工作出去这件事绝非易事，除了非常坚定的决心外，最重要的就是肯花时间，这绝不是一蹴而就的事。以大圣作为参考，大圣从确定要出国，开始学习英语，随后转变策略以面试导向学习英语，到最后拿下 offer 花了一年时间。但是注意两点，一是大圣是自由职业有大量自由时间学习，不是我们996牛马的学习时间能比，二是大圣的技术水平高于大家90%以上的人，不是我们这种学习能力能比的。综上，个人认为，至少需要两倍于大圣的时间，也就是两年，如果这个时间对于你来说无法接受，可能你需要的是换一种途径。
7 一些题外话，关于网络各个平台上对大圣不友好的评论，我觉得大家不要被误导，大圣无私分享的内容对很多人来说是很有价值的，要有自己的判断。目前对大圣的负面评论主要集中以下几点。1. 说大圣搞 web3 的是搞币的割韭菜，首先大圣只是使用前端技术做 web3 领域的应用，并没有参与任何非法发币等行为，其次大圣找的英国 remote 工作并不是 web3 公司。2. 说大圣搞 1v1 收费私教一年2w是割韭菜，首先这个市场问题，有需有供，有的人可能目标不清晰、缺乏学习方法论，希望有个有经验的人解惑，而他也自愿为此付费，那这就是你情我愿的事情，不存在骗财行为，你不需要不代表没人需要。说的有点多，主要是希望大圣不必理会这番言论，能继续分享内容，是有人认可其中价值的。
8 最后，以上信息均来自大圣公开言论（推、油管、电鸭等），如有信息不实、侵权等行为，也请大圣纠正或告知删除。
我给广大文科生朋友们最后一条出路：
1. 无论如何，选商业分析、金融工程、经济系、数据科学等可能跟编程相关的专业；
2. 进了大学，如果能转计算机，就疯狂往里转；不能转专业，就给我把计算机的课修满，修够5~10门专业课；
3. 如果家里有钱，大二或者大三转学去香港、新加坡、美加澳英直接读CS；
4. 如果家里没钱，就给我修个双学位、副学位、第二学位、minor，认准计算机，踏踏实实把专业课全学一遍；
5. 踏踏实实按照党哥的建议，一做硬核开源贡献，二暑假实习，三参加编程大赛，四参加技术/学术/创业大会，到北上深一线城市混社区、混技术、混圈子，让圈子里的人带你进步；
每个暑假都不要浪费，别他妈谈恋爱、学车、旅游了，老老实实去你能去的最好的科技公司，进去实习，当三个月程序员，你就什么都懂了；
另外学校教授太垃圾的前提下，就别进lab了，踏踏实实跟github上的社区做贡献、开会，哪怕写测试，哪怕帮他们画logo，也要混进去；
完成了上面5步，你就完成了对傻逼文科生身份的彻底救赎。
（名校+做学术+读PhD+找教职的朋友们除外）
当然，最后的最后，我还是劝你们一句：如果能重来，你要选理科。
orz
TheFaucet 多链水龙头现已支持Bitcoin Test3、Ethereum Sepolia网络，欢迎大家体验.
TheFaucet's multi chain faucet now supports Bitcoin Test3 and Ethereum Sepolia networks, welcome to claim;
https://t.co/Un1mhS9Wxg
orz
Token2049之后浅谈衍生品，Ton，游戏与ZK
首先，这不是一篇2049小作文，因为家里有些事情，所以这次2049我没过去，也因此遗憾错过了和数位“多年网友”面基的机会。不出意外的话明年新加坡的2049我会在，希望届时可以见到神交已久的诸位朋友们
这篇主要是想聊聊从一级市场角度观察到的近两个月的一些市场现象，主要集中于衍生品，Ton，游戏与ZK这几个相对较火的赛道。相信大家应该看过不少2049小作文了，大多数文章整体中性略带一些悲观，比如VC+项目方快要没钱了，破圈应用依旧缺乏……这些说的都对，最近两个月从一级市场角度我们也能清晰的感受到市场上的项目变少了，前几个月每周能聊差不多20个，最近跌倒了10个上下，出现一个好项目各个VC都在抢，颇有点“狼多肉少”即视感。至于二级市场么，就更不用说了……
不过我还是想说点乐观的东西，放在文末，先说正事儿
一. 衍生品
近几个月除了Aptos和Sui偶尔可见，其他链上我们基本见不到去做现货Dex，或是借贷方面的新项目了，几乎所有的新项目都集中在链上衍生品这个赛道，多半合约，少量期权
衍生品赛道最大的一个趋势就是 - 越做越像Cex
比如可以拿Email注册（MPC钱包技术）
比如可以交易N多资产
比如链下高速Orderbook
比如可以KYC
甚至还有交易返佣，VIP金卡之类……
整体来说，衍生品的交易体验开始逐步逼近Cex，要速度有速度，要资产数量也有资产数量，同时自托管钱包更安全，交易对可以Permisionless迅速上，散户还能做LP跟Trader做对手盘（针对GLP这种Trader大幅盈利时导致LP大幅亏损的问题也看到不止一个项目在开发中性策略对冲了）。理性来看，可以说在有充足流动性和做市商的前提下，链上衍生品未来1-2年的综合体验甚至可以好过Cex
当然，用户交易行为和习惯不是一天两天可以切换过来的，币安与OK的行业Reputation与衍生品体验也确实很OK，要不是有FTX爆雷这事儿，链上衍生品可能依旧还是被按在地上摩擦。现在至少看到了下个牛市起势的可能性
顺便提一嘴https://t.co/8Sb7g1G1kg, 有没有跟我一样觉得这东西可能更适合链上衍生品的老铁？比如一个头部链上衍生品允许经过KYC的（可以是跟FT一样用Twitter KYC）Trader发行自己的Share，Trader每个月盈利的10%直接通过合约自动分红到所有Share持有人。因为Trader盈利的不稳定性，有的月暴赚，有的月暴亏，Share的买卖肯定也是大起大落，有时候持有Share能分到一大笔钱，刺激这个Trader的share数额暴增，下个月可能又因为亏了导致大家狂卖他的Share……感觉FT这种不需要对手盘，挂在曲线上的“虚空交易”太适合这场景了。而且玩法可以很多，比如想要稀缺性，可以一开始只允许交易榜前100的Trader发Share。想要刺激交易量，可以要求Share的买方必须完成1000U以上合约交易额之类……当然还有很多细节比如这个Trader忽然换地址了，忽然不交易了啥的可以通过各种技术或者经济手段去约束。至于说为什么Trader要拿出一部分盈利去发行Share？可以是为了名，也可以把未来的一些收益提前变现（Share的买卖发行者都抽税），或者说单纯就是为了好玩，而Share的买家则是多了一个眼光变现，小资金撬动高收益的可能性，看的准下手早可能比自己玩合约挣得多的多……
二. Ton
Ton最近很火，大家对于8亿月活的这么一个“底座”也是充满了期待，尤其是本月Ton Space官方钱包的上线更是可以看作一个MileStone。不过我想说的是，Ton的生态从短期来看，可能略微高估了
首先，这波Ton的火爆其实是Bot带起来的，而Bot的使用者画像原本就是Web3的Crpyo Degen，而非Web2的传统Telegram用户。其次，Ton的官方钱包其实已经上线1年之久，只不过之前是“托管型”，这次的Ton Space变成了自托管。也就是说，内置钱包只是变得更加去中心化了，而非很多人认为的从无到有的一个过程
我们跟Ton生态的不少项目和基金会都聊过，就目前来说，还没有看到真正“令人兴奋”级别的东西，Defi生态更多还是Uniswap，Lido等之类的的复刻。大家期待的类似微信红包，打赏之类的平台级应用，去年一年的托管型钱包没能火爆，改成自托管的Ton Space就能实现么？我个人表示存疑
但整体来说，坐拥8亿月活的Telegram使得Ton无论如何都是值得重点关注的公链，其技术特点跟ICP也比较像，不是ETH那种所有节点计算达成的全局共识，而是有点半中心化即视感性能与体验优先的“局部共识”。所以无论是技术架构还是用户画像，我们认为Ton的起势都不太可能是依赖传统的Dex，借贷等Defi套件，更多应该是从支付，Bot，Social，Game等赛道切入。如果有这些方向上的好项目，也欢迎介绍或是来撩
三. 游戏
游戏目前处于一个阵营分裂的状态。
一类是Web2.5，一类是全链游戏
其中Web2.5的游戏越做越像Web2，像是Axie这种“粗糙”可玩性的一代Gamefi已经彻底不见了，新的Web2.5类游戏在可玩性上越来越逼近Web2，里面Web3的元素也越来越淡化，甚至可以说他们的主Target人群就是Web2的游戏玩家。等到玩家觉得好玩，对里面的装备之类的好奇和有需求之时，才是钱包，NFT，Tokenomic介入之时。
所以现在看到的新Web2.5类游戏已经不是在Play和Earn之间去找平衡了，而是去打造极致的，接近Web2甚至Web2头部游戏的可玩性，“顺道”扔一点Web3的元素进去形成和Web2游戏的差异化。很多游戏也是直接上手游版而非桌面PC端，团队很多全明星阵容，天美，网易，米哈游出来的大厂员工+1-2个Crypto OG，前两天聊项目甚至遇到一个在Web2享有盛誉的，一个传奇游戏IP的创始人，他居然也跑来Web3“N次创业”了。虽然不确定Web2.5这条路能不能走通，但越来越多的“牛人”和资金在往里涌是真的肉眼可见
至于全链游戏，似乎不存在能不能走通这个问题，这是一条几乎确定能成的路，但是需要多久是个很不确定的问题。我们团队小伙伴前几天近距离体验了多款Onchain Game，给出的结论是“有趣但不过瘾，上手但不好玩”。Fully Onchain Game距离真的“好玩”，也许还差一轮牛熊？
四. ZK
ZK的热点暂时不再是Zk-Rollup，而是两类新的应用
一个是以Axiom为代表的协处理器Coprocessor概念，也有叫Storage Proof的，市面上像是Lagrange，HyperOracle，Herodotus都可以算竞品。如果用一句话来形容协处理器到底是干嘛的，我觉得Celer的董沫博士的说法最简单易懂 - “赋予智能合约Dune Analytics的能力” （顺便提一嘴Celer也要涉足这个赛道了）
另一类是偏通用类型，General Purpose的ZK运算和验证，面向不单单是Web3用户，也包括Web2用户。虚拟机架构多种多样，比如有基于WASM的，有基于LLVM的，有基于Mips的，当然Risc0这种基于Risc V的也算。证明系统Plonky2， Plonky3， Nova， SuperNova都能见到。目前这类型的项目普遍面临一个“应用场景缺乏”的问题，但长远来看，尤其是从区块链的第一性原理出发，我觉得通用ZK计算还是一个颇具潜力的赛道。如果说互联网的第一性原理是“拉近甚至消除空间距离”，那么区块链的第一性原理应该是“去信任”。BTC/ETH 通过全节点结算消除了链上计算的信任，那么General Purpose的ZK则可以通过链下计算，链上验证的方式为理论上所有的传统计算过程“去信任”，成熟之后会诞生什么新的计算类型或是场景，目前还不得而知，需要走一步看一步。
五. 写在最后的话
最后说点乐观的东西，虽说目前一二级市场都凉的很，但其实整个行业的生命力依旧很旺盛
技术角度来看，我们除了日趋成熟的公链体系之外还有ZK这种符合与拓展区块链“去信任”第一性原理的东西，且ZK技术日新月异，进化极快，速度跟AI有的一拼
应用角度来看，我们有全链游戏这种未来确定能跑通的路线，需要的只是时间。RWA，Web2.5游戏的不断尝试，Defi与NFT的持续进化，AI+Crypto的崭新摸索，第三世界的支付潜力……未来总能跑出来几个真正有用的场景
人才角度来看，区块链的创业者们顶级藤校比例相当之高，感觉聊的项目创始人得有一半左右都是哈佛耶鲁牛津剑桥这些，国内的则是清一色的清北学历，偶见浙大厦大。换句话说，全世界最聪明的这帮年轻人，不是去做AI，就是来做Web3。上面提到的那个传奇游戏（不是网游“传奇”哈）IP的创始人跑来Web3再度创业，悲观者视角是觉得因为Web2游戏太卷了，被迫搬家，我的乐观者视角则是觉得Web3还是一片“西部世界”，有能力之人在这里可以尽情的大展拳脚
所以，悲观个啥？Build就完事儿了
Token2049之后浅谈衍生品，Ton，游戏与ZK
首先，这不是一篇2049小作文，因为家里有些事情，所以这次2049我没过去，也因此遗憾错过了和数位“多年网友”面基的机会。不出意外的话明年新加坡的2049我会在，希望届时可以见到神交已久的诸位朋友们
这篇主要是想聊聊从一级市场角度观察到的近两个月的一些市场现象，主要集中于衍生品，Ton，游戏与ZK这几个相对较火的赛道。相信大家应该看过不少2049小作文了，大多数文章整体中性略带一些悲观，比如VC+项目方快要没钱了，破圈应用依旧缺乏……这些说的都对，最近两个月从一级市场角度我们也能清晰的感受到市场上的项目变少了，前几个月每周能聊差不多20个，最近跌倒了10个上下，出现一个好项目各个VC都在抢，颇有点“狼多肉少”即视感。至于二级市场么，就更不用说了……
不过我还是想说点乐观的东西，放在文末，先说正事儿
一. 衍生品
近几个月除了Aptos和Sui偶尔可见，其他链上我们基本见不到去做现货Dex，或是借贷方面的新项目了，几乎所有的新项目都集中在链上衍生品这个赛道，多半合约，少量期权
衍生品赛道最大的一个趋势就是 - 越做越像Cex
比如可以拿Email注册（MPC钱包技术）
比如可以交易N多资产
比如链下高速Orderbook
比如可以KYC
甚至还有交易返佣，VIP金卡之类……
整体来说，衍生品的交易体验开始逐步逼近Cex，要速度有速度，要资产数量也有资产数量，同时自托管钱包更安全，交易对可以Permisionless迅速上，散户还能做LP跟Trader做对手盘（针对GLP这种Trader大幅盈利时导致LP大幅亏损的问题也看到不止一个项目在开发中性策略对冲了）。理性来看，可以说在有充足流动性和做市商的前提下，链上衍生品未来1-2年的综合体验甚至可以好过Cex
当然，用户交易行为和习惯不是一天两天可以切换过来的，币安与OK的行业Reputation与衍生品体验也确实很OK，要不是有FTX爆雷这事儿，链上衍生品可能依旧还是被按在地上摩擦。现在至少看到了下个牛市起势的可能性
顺便提一嘴https://t.co/8Sb7g1G1kg, 有没有跟我一样觉得这东西可能更适合链上衍生品的老铁？比如一个头部链上衍生品允许经过KYC的（可以是跟FT一样用Twitter KYC）Trader发行自己的Share，Trader每个月盈利的10%直接通过合约自动分红到所有Share持有人。因为Trader盈利的不稳定性，有的月暴赚，有的月暴亏，Share的买卖肯定也是大起大落，有时候持有Share能分到一大笔钱，刺激这个Trader的share数额暴增，下个月可能又因为亏了导致大家狂卖他的Share……感觉FT这种不需要对手盘，挂在曲线上的“虚空交易”太适合这场景了。而且玩法可以很多，比如想要稀缺性，可以一开始只允许交易榜前100的Trader发Share。想要刺激交易量，可以要求Share的买方必须完成1000U以上合约交易额之类……当然还有很多细节比如这个Trader忽然换地址了，忽然不交易了啥的可以通过各种技术或者经济手段去约束。至于说为什么Trader要拿出一部分盈利去发行Share？可以是为了名，也可以把未来的一些收益提前变现（Share的买卖发行者都抽税），或者说单纯就是为了好玩，而Share的买家则是多了一个眼光变现，小资金撬动高收益的可能性，看的准下手早可能比自己玩合约挣得多的多……
二. Ton
Ton最近很火，大家对于8亿月活的这么一个“底座”也是充满了期待，尤其是本月Ton Space官方钱包的上线更是可以看作一个MileStone。不过我想说的是，Ton的生态从短期来看，可能略微高估了
首先，这波Ton的火爆其实是Bot带起来的，而Bot的使用者画像原本就是Web3的Crpyo Degen，而非Web2的传统Telegram用户。其次，Ton的官方钱包其实已经上线1年之久，只不过之前是“托管型”，这次的Ton Space变成了自托管。也就是说，内置钱包只是变得更加去中心化了，而非很多人认为的从无到有的一个过程
我们跟Ton生态的不少项目和基金会都聊过，就目前来说，还没有看到真正“令人兴奋”级别的东西，Defi生态更多还是Uniswap，Lido等之类的的复刻。大家期待的类似微信红包，打赏之类的平台级应用，去年一年的托管型钱包没能火爆，改成自托管的Ton Space就能实现么？我个人表示存疑
但整体来说，坐拥8亿月活的Telegram使得Ton无论如何都是值得重点关注的公链，其技术特点跟ICP也比较像，不是ETH那种所有节点计算达成的全局共识，而是有点半中心化即视感性能与体验优先的“局部共识”。所以无论是技术架构还是用户画像，我们认为Ton的起势都不太可能是依赖传统的Dex，借贷等Defi套件，更多应该是从支付，Bot，Social，Game等赛道切入。如果有这些方向上的好项目，也欢迎介绍或是来撩
三. 游戏
游戏目前处于一个阵营分裂的状态。
一类是Web2.5，一类是全链游戏
其中Web2.5的游戏越做越像Web2，像是Axie这种“粗糙”可玩性的一代Gamefi已经彻底不见了，新的Web2.5类游戏在可玩性上越来越逼近Web2，里面Web3的元素也越来越淡化，甚至可以说他们的主Target人群就是Web2的游戏玩家。等到玩家觉得好玩，对里面的装备之类的好奇和有需求之时，才是钱包，NFT，Tokenomic介入之时。
所以现在看到的新Web2.5类游戏已经不是在Play和Earn之间去找平衡了，而是去打造极致的，接近Web2甚至Web2头部游戏的可玩性，“顺道”扔一点Web3的元素进去形成和Web2游戏的差异化。很多游戏也是直接上手游版而非桌面PC端，团队很多全明星阵容，天美，网易，米哈游出来的大厂员工+1-2个Crypto OG，前两天聊项目甚至遇到一个在Web2享有盛誉的，一个传奇游戏IP的创始人，他居然也跑来Web3“N次创业”了。虽然不确定Web2.5这条路能不能走通，但越来越多的“牛人”和资金在往里涌是真的肉眼可见
至于全链游戏，似乎不存在能不能走通这个问题，这是一条几乎确定能成的路，但是需要多久是个很不确定的问题。我们团队小伙伴前几天近距离体验了多款Onchain Game，给出的结论是“有趣但不过瘾，上手但不好玩”。Fully Onchain Game距离真的“好玩”，也许还差一轮牛熊？
四. ZK
ZK的热点暂时不再是Zk-Rollup，而是两类新的应用
一个是以Axiom为代表的协处理器Coprocessor概念，也有叫Storage Proof的，市面上像是Lagrange，HyperOracle，Herodotus都可以算竞品。如果用一句话来形容协处理器到底是干嘛的，我觉得Celer的董沫博士的说法最简单易懂 - “赋予智能合约Dune Analytics的能力” （顺便提一嘴Celer也要涉足这个赛道了）
另一类是偏通用类型，General Purpose的ZK运算和验证，面向不单单是Web3用户，也包括Web2用户。虚拟机架构多种多样，比如有基于WASM的，有基于LLVM的，有基于Mips的，当然Risc0这种基于Risc V的也算。证明系统Plonky2， Plonky3， Nova， SuperNova都能见到。目前这类型的项目普遍面临一个“应用场景缺乏”的问题，但长远来看，尤其是从区块链的第一性原理出发，我觉得通用ZK计算还是一个颇具潜力的赛道。如果说互联网的第一性原理是“拉近甚至消除空间距离”，那么区块链的第一性原理应该是“去信任”。BTC/ETH 通过全节点结算消除了链上计算的信任，那么General Purpose的ZK则可以通过链下计算，链上验证的方式为理论上所有的传统计算过程“去信任”，成熟之后会诞生什么新的计算类型或是场景，目前还不得而知，需要走一步看一步。
五. 写在最后的话
最后说点乐观的东西，虽说目前一二级市场都凉的很，但其实整个行业的生命力依旧很旺盛
技术角度来看，我们除了日趋成熟的公链体系之外还有ZK这种符合与拓展区块链“去信任”第一性原理的东西，且ZK技术日新月异，进化极快，速度跟AI有的一拼
应用角度来看，我们有全链游戏这种未来确定能跑通的路线，需要的只是时间。RWA，Web2.5游戏的不断尝试，Defi与NFT的持续进化，AI+Crypto的崭新摸索，第三世界的支付潜力……未来总能跑出来几个真正有用的场景
人才角度来看，区块链的创业者们顶级藤校比例相当之高，感觉聊的项目创始人得有一半左右都是哈佛耶鲁牛津剑桥这些，国内的则是清一色的清北学历，偶见浙大厦大。换句话说，全世界最聪明的这帮年轻人，不是去做AI，就是来做Web3。上面提到的那个传奇游戏（不是网游“传奇”哈）IP的创始人跑来Web3再度创业，悲观者视角是觉得因为Web2游戏太卷了，被迫搬家，我的乐观者视角则是觉得Web3还是一片“西部世界”，有能力之人在这里可以尽情的大展拳脚
所以，悲观个啥？Build就完事儿了
@XmindHQ After adding the URL with Ctrl+K, pressing Enter does not work. I can only click OK with the mouse. Can this be improved?
我去，这个太尼玛震撼了
https://t.co/gUBulfleNu
震撼 x2
https://t.co/B9hZrNdqIY （移动设备打开）
震撼 x3
https://t.co/UufSfXJwdT
🚀 After 6+ months of exploring #ChatGPT
I've compiled a comprehensive cheat sheet!
From mastering prompt engineering to role-playing with AI
It's all here! 🧠
Dive in to unlock the full potential of this powerful tool by @OpenAI #AI #MachineLearning
69.2 亿人即将通过手机访问 ChatGPT。
但是，一般人仍然不知道如何正确为 ChatGPT 下 Prompt 指令。
每天可为您节省数小时的 10 大 ChatGPT Prompt：
Last Seen Users on Sotwe
Most Popular Users
Elon Musk 
@elonmusk
240.2M followers
Barack Obama
@barackobama
119.3M followers
Donald J. Trump
@realdonaldtrump
111.6M followers
Cristiano Ronaldo
@cristiano
109M followers
Narendra Modi
@narendramodi
107M followers
Rihanna
@rihanna
97.3M followers
NASA
@nasa
92.1M followers
Justin Bieber
@justinbieber
90.6M followers
KATY PERRY
@katyperry
86.9M followers
Taylor Swift
@taylorswift13
80.7M followers
Lady Gaga
@ladygaga
72.2M followers
Kim Kardashian
@kimkardashian
69.4M followers
YouTube
@youtube
68.6M followers
Virat Kohli
@imvkohli
68.6M followers
Bill Gates
@billgates
63.4M followers
The Ellen Show
@theellenshow
62.5M followers
CNN
@cnn
61.9M followers
Neymar Jr
@neymarjr
61.2M followers
X
@x
60.9M followers
Selena Gomez
@selenagomez
59.9M followers