Ry

总结一下AI投资最强00后 @leopoldasch 大佬的观点： 1. 普通人洗洗睡吧，快的话明年，最晚十年内，就都失业了 2. AI基建还有很多钱可以赚，市场大到超乎想象 3.美国的AI技术，很容易就被中国偷，这目前没啥好办法 4.美国要拿出当当年曼哈顿计划造原子弹的决心，all in AI 皇国兴废，在此一战！

@ki11yosh @elephan18621195 这年头还有人玩豆瓣 还没倒闭

@elephan18621195 谢谢提醒啊，哪个小组我去围观一下

你说的是周冬雨刘昊然啊，他俩代孕

@ki11yosh @xuan1054159 哈哈哈哈哈哈哈哈哈

@xuan1054159 刘昊然都快弱精啦，能不干预么

@wjsfupo689 @1kristen_ @Yexu_Preamble 她们都谁啊 顺便说一下 博主可以开一下私信吗？想私信吃瓜

@1kristen_ @Yexu_Preamble 好想让帽子叔叔把灼和财神爷抓了 这玩全mypc啊

抖音那个财神爷的掌心宠好特么诡异啊。看那个收新人会通知和最开始男的不记得她的名字感觉是圈内的，女的08今年17岁说和男的在一起了4年，男的大她六七岁。那就是19岁的主13岁的sub。？13岁精分我都忍一下当真的了13岁进圈认主同居妞你是不是逗我呢。。。这他妈是恋童癖吧给我吃子弹

@s33877466 @RainbowXiaoMiao 大多数女生单纯不喜欢看起来很油的男生

@RainbowXiaoMiao 这女的纯特么傻吊一个，这个小男孩才是真自信，仔细看着这女的表情，尤其是语无伦次那会，她意识到被人反向拿捏，内心有种挫败感和不自信油然而生，真自信且认知高的女人看到这个男生会是什么反应？

有一种白骨精想要调戏唐僧，结果衣服脱下来发现是法海的感觉

这世界不仅是个巨大的草台班子，还是个巨大的虚拟世界。我们现在就是在重播一战后到二战前的剧本，不信自己看。 1920s-1939: > 美国右派总统Harding上台，喊”America First”（对，这口号比Trump早100年） > 大萧条把中产一夜打成无产 > 年轻人往左冲，德国共产党冲到国会第三大党 > 右翼靠”反共产党”收割恐慌上台，一批最恨资本主义的左翼工人，转头投了纳粹 > 纳粹支持率4年从2.6%冲到37%，翻了14倍 > 西班牙内战变成大型代理战预告片 > 国联装死 > 1939，二战爆发，后面跟着几千万条命 2020-2026: > Trump把America First翻出来 > 疫情+通胀+房价干碎中产安全感 > 年轻人又开始觉得“社会主义”挺酷。按 2025 年一项美国民调，18到29岁里，62% 对社会主义有好感，34% 对共产主义有好感。 > 右翼靠反woke反全球化反移民重新集结 > 一部分原本在左翼话语里的人，又开始往右翼极端漂 > 代理战遍地：俄乌、中东、霍尔木兹 > 美伊谈了21小时没deal，Vance上飞机走了 > 联合国装死 > ??? 地球online这游戏连台词都不打算改了吗 上一次这套东西跑了快二十年。那会儿消息靠报纸，动员靠广播，武器是坦克。 现在消息实时，情绪算法喂，武器高超音速，历史在倍速播放。 1937年的柏林人，白天也一样正常上班。

蹲后续

@uncleTakeaway 又不冲突，拿出适当的钱出来享受，剩下的进行适度投资。只要分配好，完全可以兼得

S&P 500 won for exactly this reason.

@maoduo00 @kennys548534 @ogden_walpole 是我发的他信息吗？他债主发的，你找他去啊。你不就是没片看了吗？这么喜欢他，线下找他去啊。

@Wyywruby @kennys548534 @ogden_walpole 那把你的个人信息在网上乱报你试试呢

Numb to it. This is the way.

@maoduo00 @kennys548534 @ogden_walpole 卖号不就是理亏吗？他没一点错干嘛要跑路，完全可以理直气壮继续当他的黄推

@kennys548534 @ogden_walpole 好烦啊，好好的又被那些乌烟瘴气的给逼走了。好不容易有那么几个喜欢的博主，都这样给搞下去了。

@diqitianmowang @kennys548534 @ogden_walpole @HatagaleNayan 他好像低智儿童，一直揪着别人说是女的，别人是男是女都不影响别人爆料，他死皮赖脸、蠢得要死，只会让越来越多人爆他的料。早点道歉销号早就没什么事了，一直死鸭子嘴硬。

@kennys548534 @ogden_walpole x的聊天信息是跟随账号的，也就是换一台新设备登录账号都能看到之前的所有的聊天信息。你在卖号以前是把聊天记录都删了吗？如果没有，那些私信你的人，她们的信息就可能被曝光。放着最安全的销户不做选择卖号，跑路还想再赚笔钱，这是人渣不是高端精英。刘磊，广州侨鑫集团员工@HatagaleNayan认领一下

而在网黄与粉丝的互动中，就算没有明说，那种“被选中”的荣幸感，也很容易形成一种隐性的权力压迫：怕扫兴而不敢提安全要求（比如坚持戴套、拒绝特定行为）。 怕失去“下一次机会”而压抑真实感受。 而这恰恰违背了健康亲密关系的基础：可以安全地拒绝，且拒绝后不会被冷落或惩罚。

在这种结构下发生的约炮，往往包裹着“我终于接近了那个发光的人”的兴奋感，很容易让人混淆性吸引与价值认可。事后一旦光环褪去，落差感带来的心理内耗往往远超预期。

网黄（或任何领域的kol）与普通网友之间，存在一种单向度的信息展示与群体崇拜结构。网黄展示的是精心剪辑的、符合受众幻想的“切片”，而网友则容易将自己的想象投射进去。这种关系从一开始就不是平等的双向看见。

说来说去最好还是不要随便约炮，就是要约也是对一个人有充分的了解和后续的考虑，而不是对互联网上一个有光环、滤镜的男性充满幻想就这样稀里糊涂地开始了，而且事实上这样一个在互联网上有光环的男性在某种程度上也是权力关系的上位者。

@ArCe7an @JosephLoug02r 体检报告有问题吗？怎么看出来的

@JosephLoug02r 他竟然是已婚了吗？我只感觉他主页给的体检报告特别假

Kenny已婚男在外面约女大学生就算了 发出来的女生信息这么明显 码也不给人打厚点 自己倒是打挺厚的 照着信息和人脸都能找到。。。有女生私信我Kenny睡完她就扔酒店回家继续做好老公了😅

@0xHao41bnb @baoyige @EnHeng456 他赚了多少？

@baoyige @EnHeng456 都有吧，社交能力加点运气吧，主要20岁有特么有这么多钱，真羡慕

嗯哼四年前的今天估计还在为了咋还这250发愁，会想到现在带几百万理查德米勒（林俊杰同款）么@EnHeng456

LLM Knowledge Bases Something I'm finding very useful recently: using LLMs to build personal knowledge bases for various topics of research interest. In this way, a large fraction of my recent token throughput is going less into manipulating code, and more into manipulating knowledge (stored as markdown and images). The latest LLMs are quite good at it. So: Data ingest: I index source documents (articles, papers, repos, datasets, images, etc.) into a raw/ directory, then I use an LLM to incrementally "compile" a wiki, which is just a collection of .md files in a directory structure. The wiki includes summaries of all the data in raw/, backlinks, and then it categorizes data into concepts, writes articles for them, and links them all. To convert web articles into .md files I like to use the Obsidian Web Clipper extension, and then I also use a hotkey to download all the related images to local so that my LLM can easily reference them. IDE: I use Obsidian as the IDE "frontend" where I can view the raw data, the the compiled wiki, and the derived visualizations. Important to note that the LLM writes and maintains all of the data of the wiki, I rarely touch it directly. I've played with a few Obsidian plugins to render and view data in other ways (e.g. Marp for slides). Q&A: Where things get interesting is that once your wiki is big enough (e.g. mine on some recent research is ~100 articles and ~400K words), you can ask your LLM agent all kinds of complex questions against the wiki, and it will go off, research the answers, etc. I thought I had to reach for fancy RAG, but the LLM has been pretty good about auto-maintaining index files and brief summaries of all the documents and it reads all the important related data fairly easily at this ~small scale. Output: Instead of getting answers in text/terminal, I like to have it render markdown files for me, or slide shows (Marp format), or matplotlib images, all of which I then view again in Obsidian. You can imagine many other visual output formats depending on the query. Often, I end up "filing" the outputs back into the wiki to enhance it for further queries. So my own explorations and queries always "add up" in the knowledge base. Linting: I've run some LLM "health checks" over the wiki to e.g. find inconsistent data, impute missing data (with web searchers), find interesting connections for new article candidates, etc., to incrementally clean up the wiki and enhance its overall data integrity. The LLMs are quite good at suggesting further questions to ask and look into. Extra tools: I find myself developing additional tools to process the data, e.g. I vibe coded a small and naive search engine over the wiki, which I both use directly (in a web ui), but more often I want to hand it off to an LLM via CLI as a tool for larger queries. Further explorations: As the repo grows, the natural desire is to also think about synthetic data generation + finetuning to have your LLM "know" the data in its weights instead of just context windows. TLDR: raw data from a given number of sources is collected, then compiled by an LLM into a .md wiki, then operated on by various CLIs by the LLM to do Q&A and to incrementally enhance the wiki, and all of it viewable in Obsidian. You rarely ever write or edit the wiki manually, it's the domain of the LLM. I think there is room here for an incredible new product instead of a hacky collection of scripts.