mjboy.eth

Unity AI is now in Open Beta 🎉💫 We believe AI has the most impact when it helps creators move faster while staying in control of the creative process. Use our built-in agent tuned for Unity workflows or connect the AI tools you prefer via AI Gateway and MCP Server.

Create custom logo animations with ChatGPT Images 2.0 and Seedance 2.0. Images 2.0 can create an animation sheet for how a logo should appear. This can be quite detailed, to help the AI video tool guide how long each section takes. More in the comments:

Jensen Huang when asked whether he would rather relive his 20s or be 20 years old today.

卧槽！华尔街传奇巨鳄德鲁肯米勒彻底破防，首次曝光自己竟然深陷自我怀疑长达15年！ 昨晚，这位宏观大师在受访时，无情地揭开了自己血淋淋的交易伤疤。他坦言在1999年纳斯达克科技股狂飙时，自己明明在一月份完美逃顶，随后却因为FOMO情绪彻底失控，竟然在绝对的最高点疯狂接盘！ 当被问及从那次史诗级错判中学到了什么时，他的回答异常扎心：“什么都没学到！”因为这些交易大忌他二十年前就懂，但在真金白银的诱惑面前，情绪依然会瞬间接管大脑。 更让人震撼的是，他承认自己每天都在跟贪婪和恐惧贴身肉搏。曾经在面临账户大幅回撤时，那股摧毁神经的焦虑感，甚至让他每周都要控制不住地狂吐一两次！ 但他最终迎来了终极顿悟：不管多牛的操盘手，犯错和情绪崩溃绝对是永远无法摆脱的宿命。既然已经用长期的傲人战绩证明了自己绝非凭空靠运气，就根本没必要在亏损后无休止地精神内耗。 他向所有交易员发出灵魂呐喊：几百次的失误不过是漫长生涯里的短暂瞬间。顶级高手唯一要做的，就是咽下血泪迅速翻篇，然后毫不犹豫地拔刀杀向下一个战场！

工程师，尤其是Agent工程师从Claude Managed Agents能学到的五条最深刻经验： 1. 永远别把“当前模型的弱点”写死在基础设施里 这是最容易翻车的点。很多人还在给Agent加一堆retry、guardrail、context engineering，结果新模型一出来，这些全成了负优化。正确的做法是把假设放在“可替换的harness”层，而非核心接口。 2. 状态要外置，Session才是真正的Context Object 不要把所有历史全塞prompt，而应该把事件日志做成可查询、可切片的外部对象，harness只负责“在当前需要的时候”做transform（压缩、总结、rewind）。这既解决长时序问题，又为未来更聪明的context engineering留空间。 3. 用极简、稳定的接口做“元抽象” Brain-Harness-Session-Sandbox之间只定义极少的接口（execute、getEvents、emitEvent、provision等）。接口越薄，越能扛住模型/工具的快速迭代，这就是“为尚未想到的程序做设计”。 4. 可靠性 = Decoupling + 按需Provisioning 别搞大而全的单体容器。失败了就让Brain通过tool call重新provision hands。无状态harness启动极快，扩展性爆炸。 5. 把Agent基础设施当成“操作系统”来设计，而不是一次性脚本 真正的长期胜负手不是今天能跑多复杂的task，而是半年后、一年后模型再强10倍时，你的系统还能不能自然受益，而不用重写一半代码。

Claude for Word is now in beta. Draft, edit, and revise documents directly from the sidebar. Claude preserves your formatting, and edits appear as tracked changes. Available on Team and Enterprise plans.

在Desktop App中解决网络延迟、本地缓存与API skew protection： **本地缓存**：Notion用SQLite做客户端缓存，桌面App（Win/Mac）页面加载/导航快50%（2021年起），Web版用WASM SQLite快20%。多标签用SharedWorker防并发写损坏。 （参考Notion实现总结：blog.quastor.org/p/notion-decre…） **网络延迟**：Slack定义TTV（本地缓存立即显示，不受网络影响）与TTU（服务器最新内容，受API延迟影响）。桌面App初始无缓存，靠lazy loading减少请求。 （Slack Engineering：slack.engineering/unified-cross-…） **API skew protection**：用NTP多查询同步时钟，统计消除网络延迟引起的skew，确保分布式API时间一致（如Stripe rate limiting）。 （Stripe Engineering：blog.quastor.org/p/rate-limitin…） 这些是Stripe/Notion/Slack博客常见实践，可直接应用Electron桌面App。

1983年8月17日，美国摄影师Leroy W. Demery, Jr（出目里利吕井）在开封拍下的一个小吃摊摊主，他回忆说: 这张照片是我的最爱之一，因为我对这位先生印象深刻！ 在 1981 年（或 1980 年）之前，外国人在中国可能无法自由行，必须有人陪同。大多数人也不会与路过的外国人攀谈——但这位先生却这样 做了，他指着碗说，"嘿，来一碗怎么样？ ” 我会用筷子，于是我用普通话问他多少钱，告诉他我来自洛杉矶等等。 当我请他摆姿势拍个照片时，他有点犹豫，但我说了一句 "请和洛杉矶打个招呼吧。" ---@ AAA老照片批发

My information consumption is now 1/4 X, 1/4 podcast interviews of the smartest practitioners, 1/4 talking to the leading AI models, and 1/4 reading old books. The opportunity cost of anything else is far too high, and rising daily.

Greg and @karpathy attemping to use grill at OpenAI 2017 offsite

New art project. Train and inference GPT in 243 lines of pure, dependency-free Python. This is the *full* algorithmic content of what is needed. Everything else is just for efficiency. I cannot simplify this any further. gist.github.com/karpathy/8627f…

it’s crazy seeing it like this, because when using clawd, it feels simple. under the hood peter just made lots of good, complex decisions to achieve that. now it’s going vertical. masterpiece.

段永平首次说透：我6个月赚了20倍，稀里糊涂的满仓主义者。 这可能是他退休20年来最长的一次访谈（段永平×方三文，93分钟完整版）本文整理自段永平×方三文2025年11月访谈，全长93分钟，这是他退休20年来为数不多的深度对话: 2003年，网易股价不到1美元，被纳斯达克威胁退市。 所有人都在抛售。 但一个刚从中国搬到美国的商人，做了一个疯狂的决定：把账上所有的钱，全部买入网易。 6个月后，网易翻了20倍。 投资圈炸了。无数人涌进段永平的博客，问："下一个网易在哪里？" 但段永平的回答让所有人愣住："我要真看懂了，应该把整个网易买下来。而且——20年过去，我认真投资过的公司，不超过10个。" 2024年10月，在雪球创始人方三文的邀请下，段永平接受了退休20年来为数不多的视频访谈。这次对话持续了93分钟，信息量巨大，很多内容是首次公开。 而访谈中最让人震撼的，不是他怎么赚到钱的，而是他在茅台暴跌50%时，说的那句话。 一个没人相信的决定 故事要从更早说起。 1995年，段永平做了第一个让所有人不理解的决定：离开小霸王。 那时的小霸王如日中天，年销售额10亿，是中国学习机市场的绝对霸主。段永平作为实际操盘手，收入已经很高，用他自己的话说："那时候就财富自由了。" 但他还是离开了。 原因很简单：大老板答应的股份制，从三七开，变成二八，又变成一九，最后可能连一九都没有了。 "你刮那个瓶盖，刮出屑了，你还继续刮吗？" 段永平说，"我就是刮到那个字，我就觉得，哇，这个我肯定不能再待下去了。" 注意，他离开不是因为没拿到钱，而是因为"不可信"。 "不是说有没有股份激励，因为一开始是有的，那你没有契约你就不可信了。不可信，那你给我讲什么都是不可信的。" 这个细节很重要，因为它揭示了段永平做决策的底层逻辑：他在意的不是眼前的利益，而是这件事"对不对"。 离开小霸王后，段永平在东莞创办了步步高。这一次，他从一开始就把股份、机制、文化全部设计好。"我们一直都就大家合作得都挺好的，说什么就是什么，所以大家很放心，彼此有很高的信任度。" 接下来的故事，很多人都知道了：步步高VCD、步步高电话机、步步高学习机，一个接一个做到全国第一。 2001年，段永平做了第二个没人相信的决定：搬到美国，不再担任CEO。 "为什么要离开？"所有人都在问。 段永平的回答还是那么朴素："他们干得比我好，我为什么要待在那个地方？" 大三那年，他看到了德鲁克的一句话 在解释为什么敢放手之前，段永平讲了一个故事。 大学三年级，他无意中看到管理学大师德鲁克的一句话："做对的事情，把事情做对。" "那个对我触动很大，一下就把是非的东西给拿出来了，"段永平说，"你只要花5秒钟想一下这个事情，你一辈子会省好多事。" 什么意思？ 大多数人都在讨论"怎么把事情做对"，但很少有人停下来问："这件事本身，对不对？" 举个例子：步步高有个不成文的规定，不做代工。 为什么？"我要做代工，打不过郭台铭，对不对？"段永平跟富士康的郭台铭聊天时直接说。郭台铭也承认："那倒是。" "但是我们做brand，我们做得很好，企业也不比他们做的小，对吧？但是我们不是靠代工跟他竞争的。" 这就是段永平著名的"stop doing list"——不做什么，比做什么更重要。 30年下来，步步高的"不做清单"越来越长： 不做代工 不做电视（试过两次，都砍了） 不为市场占有率牺牲利润 不做用户价值不明显的产品 每一条都是用真金白银试出来的。 "你做了错的事情带来的恶果，那是不应该，" 段永平说，"因为你明知是错事，你为什么要去做呢？" 这套逻辑用在放权上，就变成了：只要CEO们在做"对的事情"，那么"怎么做"就让他们自己决定。 "我们公司的规矩就是这样，不管我反不反对，CEO做的决定就是他们做的决定，结果也是他们来自己承受的。他不能说'阿段反对，所以我没做，我没有责任'。" 这听起来很冒险。万一CEO做错了呢？ 段永平的回答是："我也不怕他们犯错。" 七八十亿现金，咚咚咚往下掉 2011年，智能手机的浪潮突然袭来。 这次，CEO们犯了一个巨大的错误：低估了智能机替代功能机的速度。 "我们有太多的物料，"段永平回忆，"它这个降的速度太快了。我们其实一早就在开发智能机了，也知道这个趋势，但是功能机还是下了很多单，总觉得这是有一个过程的，没想到它就一瞬间就过去了。" 后果很严重。 账上的现金，从七八十亿，"咚咚咚咚咚咚"往下掉。 最危险的时候，快见底了。2012到2013年那一年，公司实际上是亏损的。 段永平专门回了一趟公司。不是去救火，而是去做最坏的打算。 "如果我们要倒的话，不要倒得太难看了，" 他对团队说，"不能让供应商吃亏，也不要让员工吃亏。" 这话听起来有些悲壮。但段永平心里有底气——他在美国做投资积累的资产，一直没动，"相当于我们的后备部队一样，这个一直都没有上的。" 好在，后备部队没有派上用场。智能机一代、两代出来后，公司缓过来了。vivo和OPPO后来各自独立，都成了全球前列的手机品牌。 但这次危机暴露了一个核心问题：段永平在这个判断上，其实是失误的。 "我们其实是有失误的，就是不够敏感，"他坦率承认。 按理说，创始人这时候应该回来掌舵。但段永平没有。 为什么？ 因为方向是对的，只是速度判断错了。只要是在做"对的事情"，那么"做错"是可以接受的。做错的事情可以改，但做错了方向，就没救了。 "好文化的公司，最主要的就是他最终会走回正道，有一个北斗星在指引着他，"段永平说，"你仅仅是讨论生意是很容易犯错误的。" 投资世界里的同一套逻辑 2001年，段永平搬到美国后，开始研究投资。 一开始他也看图、看线。"我就看不懂，我这一工科出来的人怎么这图我就看不懂呢？他们就能得出这样的结论、那样结论，我说这些结论在逻辑上都是不成立的。" 直到看到巴菲特的一句话：买股票就是买公司。 "我就看到那一句话了，我就突然就明白了，"段永平说，"因为剩下的就是你怎么看公司，那不是老巴能够教的。你不懂企业，你跟你讲多少理论也是白讲。" 这就是为什么段永平看懂网易的原因——因为他自己做过游戏。 "我是谁啊？我做游戏出身的，我可懂游戏了，"段永平说。 1998年，段永平还在步步高时，就做过小霸王学习机，其实就是个游戏机。他太清楚游戏这门生意了：只要游戏好玩，就一定有人玩；只要有人玩，就一定能赚钱。 所以当网易因为财务问题被做空，股价跌到不到1美元时，段永平去网易办公室转了一圈，和游戏团队聊了聊，得出的结论是："他们是一帮很热爱游戏的人，而他们真的很认真。" 再加上网易账上的现金比市值还高，这就是个"no brainer"的决定。 于是，段永平把账上所有的钱，全部买入网易。 6个月后，网易股价翻了20倍。 很多人以为段永平找到了一个发财的秘诀。但他自己的反思是："我要看懂了，我应该把整个网易买下来。" 这句话透露出一个关键信息：段永平对"看懂"的要求，远比一般人要高得多。 为什么20年只投了10个孔？ 巴菲特说，一辈子只有一张打孔卡，上面只能打20个孔，每投资一次就打一个孔。 段永平数了一下自己打过的孔： 网易（6个月20倍） 雅虎（实际是投阿里） 苹果（最高仓位90%+） 茅台（现在最大仓位） 腾讯 拼多多（天使投资） GE（后来卖了，认为是错误） Google（小仓位） 英伟达（小仓位） 西方石油（小仓位） "差不多，小十个孔吧，"段永平说，"所以我还有很久可以做投资的。" 为什么这么少？ 因为段永平有两个过滤器：商业模式和企业文化。两个都通过了，才会出手。 商业模式很好理解——这生意能不能持续赚钱？有没有护城河？ 但企业文化这个过滤器，可能是段永平和其他投资人最大的不同。 投苹果时，很多人看到的是iPhone的销量、生态的闭环。段永平看到的是："他们企业文化很好，用户导向做得很好。他们不是那种很生意导向的公司，他们非常的在乎把东西做好。" 他举了个例子：十几年前，到处都在传苹果要出电动车。 段永平说："他们绝不会有这个电动车的。" 为什么？ "那么大个车，苹果能够提供的价值非常的有限，他卖什么价？他就没有足够的差异化，"段永平说，"给用户提供不了价值的东西，或者提供不了足够价值的产品，你再热门他们也不会做。" 直到2024年，苹果正式宣布放弃造车计划。 这就是文化的力量——它决定了一家公司在关键时刻会做什么选择。 段永平投茅台，也是同样的逻辑。 "他们对最基本的品质的标准坚持的是很严的，"段永平说，"这是国营企业的好处。这些规矩不太有人敢改，太多的人盯着。" 他最怕的是什么？是新CEO上来，为了业绩搞"大干快上"，把53度飞天的配方改了。 "好好的为什么要变呢？"段永平说。 这两个过滤器一加，能通过的公司就少之又少了。 "大部分公司都不容易看懂，"段永平说，"我也搞不懂NVDA，也没搞懂Google。" 即使是Google这样他很喜欢的公司，他也承认："我现在有点懂了，但是又开始担心了。AI这个东西，他们的搜索生意会有多大程度被ChatGPT取代？我是不知道的。" 所以他不敢重仓Google。 那个让所有人沉默的问题 2021年2月，茅台站上2627元的历史高点。 段永平其实想卖："因为觉得那个时候其实已经相对来讲那个时点是贵的。" 但为什么没卖？ "我当时最犹豫的就是我们的仓位太大了。我卖了以后我买什么？我就开始折磨自己。然后放眼看去，我什么都买不下手。" 这才是真正的价值投资者的困境——不是不知道什么时候该卖,而是卖了之后不知道买什么。 2024年10月，茅台跌到1200元附近，腰斩。 访谈现场，有人问段永平：你后悔吗？ 段永平的回答只有一句话： "卖了以后，钱放哪儿？" 整个现场沉默了几秒。 "这个很重要，你要回答不了这个问题，其实讨论投资都是瞎扯，" 段永平继续说。 他的逻辑链条是这样的： 茅台跌了50%，但基本面没变，喜欢喝茅台的人还在喝 如果我卖掉茅台，这笔钱必须找个地方去 存银行？利息才1点几个percent 买别的股票？"我敢保证大部分人是更亏的" 拿现金等抄底？"我是一个满仓主义者，拿着现金是件很难受的事情" 所以答案是：如果找不到比茅台更好的标的，那就继续拿着。 "投资不能这么想，投资这么想，你早就卖掉了，"段永平说，"那些2600说该卖的那些人，可能1200就卖掉了。" 这时候，方三文问了一个关键问题："那如果当时有个你认为可以换过去的，你将来自由现金流折现比茅台好的，其实你是会换的？" 段永平的回答很干脆："当然会啊。" 这就揭示了段永平投资的终极秘密：不是"长期持有不动"，而是"永远在比较机会成本"。 "投资是要卖的，" 段永平说，"长期持有是一个意向，就是我买的那个刹那，我是打算长期持有的，但是你永远是在算你的机会成本的。如果你发现一个更好的公司更踏实，比方说五年前看懂了NVDA，假设你看到了今天这样的局面，你手里只有茅台，如果能够换的话，你没有道理不换。" 但关键是：你看不懂。那你就不要扯这个事。 网易的真正教训 回到开头那个故事：6个月赚20倍，是运气还是实力？ 段永平自己的答案很有意思："严格意义上其实都不算，因为我不是说我看懂了往里投的，我是稀里糊涂投的。" 什么意思？ "那些钱对我来讲它并不多，所以我可以比较理性地去想这件事情，"段永平说，"如果我只有那么多钱，我还真保不住，我也可能卖掉。" 这句话透露了一个关键信息：保持理性，比看对方向更重要。 "保持理性是一件很难的事情，"段永平说。 他举了另一个例子：GE。 2008年金融危机时，段永平买了GE，也赚了钱。但他现在回顾，认为那是个错误。 为什么即使赚了钱，也是错误？ "因为他不符合我后来决定的，你要符合商业模式、企业文化这两个filter。" 这就是段永平和大多数投资人最大的不同——他不是用"挣没挣钱"来判断对错，而是用"符不符合原则"来判断对错。 挣钱只是结果，原则才是过程。 短期可能因为运气挣钱，但长期只有原则能保护你。 所以网易的真正教训不是"如何6个月赚20倍"，而是： 只投自己懂的行业（段永平做过游戏，所以懂网易） 商业模式+企业文化，两个都要过关（游戏团队很认真，商业模式清晰） 有安全边际（账上现金比市值高） 保持理性（因为钱不多，所以能拿得住） 如果没有更好的选择，就继续拿着 炒股的人会很危险 访谈快结束时，方三文问："你对普通人的投资有什么建议？" 段永平的回答很直接："炒股是很难赚钱的，大部分的散户牛市熊市都是亏钱，80%。" "现在就更难，"段永平继续说，"有了量化基金的这种东西，以前就有，但是以前没有那么厉害，现在他更厉害。" 为什么？ "因为你炒不过机器人，" 段永平说，"反正你一买它就掉，你一卖它就涨，人家就是冲着你来的，割的就是你。" 那投资呢？ "你如果懂的话，投资的前提是你要懂企业，"段永平说，"或者你看到了make sense的东西。" 他给了一个建议：如果真的不懂投资，那就买S&P指数，或者买伯克希尔哈撒韦。 "你知道他们是谁，你知道他们的历史，我觉得你买这个可能比什么Blackstone这些东西要好。" 但千万不要"看图看线去炒股赚钱"，那样"你就是铁铁的韭菜"。 10个孔的智慧 段永平的故事里，有一个贯穿始终的逻辑：少即是多。 在企业经营上，他用"stop doing list"做减法，30年只专注做对的事情。 在组织管理上，他放手让CEO决策，自己退到幕后，反而让企业更有生命力。 在投资上，他只打不到10个孔，但每一个都经过商业模式+企业文化的双重过滤。 这背后的智慧，其实就是那句话：做对的事情，把事情做对。 前半句是方向，后半句是方法。方向错了，越努力越危险；方向对了，允许犯错，允许慢慢优化。 "我们30年下来我们犯的错误就比其他人少，" 段永平说，"我觉得其实最主要的就是这个东西。因为我们知道这个事不对我们就不做了，那不做我们不就不少犯很多错误嘛？那你攒下来不就是做对的事情的概率就大了嘛？" "就是小小的一点点的差别，30年，就是很大的差别。" 巴菲特90多岁了还在做CEO，刚刚才退休。段永平问他："你觉得你未来还可以beat S&P吗？" 巴菲特说："非常难，但是我觉得可能可以beat一点点。" 段永平笑了："他就是喜欢做这件事情。" 这就是真正热爱一件事的人的样子——不是为了证明什么，不是为了挣多少钱，只是单纯地喜欢，然后一直做下去。 段永平也是一样。他每天打球、投资、享受生活，看起来"不务正业"，但其实他一直在做同一件事：做自己喜欢的事，并且把它做到极致。 "我这个人一直胸无大志，我就是个普通人，能过好小日子就挺好的，"段永平说。 但正是这个"胸无大志"的人，用30年时间，在企业经营和投资两个领域，都做到了顶尖水平。 秘诀是什么？ 可能就是那10个孔的智慧：少做事，做对事，把事做好。 写在最后 如果今天你的投资账户里有一笔钱，在思考要不要卖掉时，不妨问自己段永平的那个问题： "卖了以后，钱放哪儿？" 如果答不上来，那就继续拿着。 如果答得上来，那就是时候换了。 就这么简单。 网易6个月翻20倍，只是一个结果。真正的秘密，是那两个过滤器，是那个灵魂拷问，是那份对"对的事情"的执着。 或许这就是段永平最想告诉我们的：投资不难，难的是知道什么是对的事情，然后坚持做下去。 而这，需要的不是聪明，是智慧。

给每个大模型$10000入场, 大模型能赚钱吗？ AlphaArena 搞了大模型个实仓交易竞技场，给每个模型$10000，，在真实市场中进行交易，且使用完全相同的提示和输入数据。 参赛模型包括：Claude 4.5 Sonnet, DeepSeek V3.1 Chat, Gemini 2.5 Pro, GPT 5, Grok 4, Qwen 3 Max。目前 DeepSeek V3.1 Chat 领先，截至我截图，已经赚了500刀了。 而提示词也平平无奇，我给大家翻译一下： 首先是系统提示，要求模型如果有持仓，必须判断是继续持仓还是平仓，如果空仓则要决定是否买入还是保持空仓。 然后是prompt: 您开始交易已有 1627 分钟。 当前时间是 2025-10-19 01:17:54.431125，您已被调用 601 次。 下面，我们为您提供各种状态数据、价格数据和预测信号，以便您发现阿尔法。 下面是您当前的账户信息、价值、业绩、头寸等。然后是一堆价格和交易信息，指标（MACD/RSI）等, 最后是一大堆持仓信息。 DeepSeek 的反应是： 在BTC长期数据中: 20周期EMA: 108070.485。失效条件说109236.97，这可能是过时的或打字错误？在退出计划中，写的是'4小时EMA20为109236.97'，但当前4小时EMA20是108070.485。也许是在EMA20较高时设置的。我应该使用当前EMA20进行失效检查吗？条件是固定的："如果价格收盘高于4小时EMA20 109236.97"。它指定了一个值，所以我应该使用那个值，而不是当前值。但这正确吗？条件是可量化的，所以我应该坚持它。当前价格是106834.5，低于109236.97，所以没有触发。此外，止损是109024.5，接近那个EMA。但由于价格远低于此，没有问题。持有。 没有触发任何失效条件。所有仓位都处于盈利状态，没有理由提前平仓。我应该持有所有仓位。 竞技场地址：nof1.ai

擅长围棋象棋的人，他们喜欢这类游戏的一个原因，是因为参赛者都有完整和真实的信息，规则清晰没有争议。因此可以完全依靠严谨的逻辑和计算取胜。 生活的游戏的不同之处在于，没有任何人有完整和正确的信息，所有人对现实的认知都是不准确的，不准确的程度差别会非常大。而且游戏规则本身也是模糊的，也在群体博弈中不断演化。 当大量拥有不同认知，和不同信息感知力的个体相互博弈，可能会自发涌现出某种正反馈，把一些 (在个体看来可能很荒谬的) 趋势放大，推向极端，直到接触到物理世界的硬约束，才可能逆转。 能够意识到“信息不完整的人群常有顽固而荒谬的行为模式”, 和“博弈规则本身就是模糊和不断演化的”这两个事实，就已经是认知上的一大进步，这样不会死板的纠结于一些人为制定的已经被现实抛弃的规则和经验，而把注意力放在关注游戏规则在未来的演化方向，提前布局，以逸待劳。

最近刚读了浙江大学社会学系研究员吴桐雨的新书《牛马游戏：硅谷大厂如何驯服工程师（Play to Submission:Gaming Capitalism in a Tech Firm）》，读完之后背后有点发凉。不是因为书写得不好，恰恰相反，是因为它太真实了。 先简单介绍一下这本书的分量。 作者吴桐雨是俄勒冈大学社会学博士，现任浙江大学社会学系百人计划研究员，专攻劳工社会学、科技产业和性别研究。 这本书的英文版《Play to Submission: Gaming Capitalism in a Tech Firm》已由天普大学出版社（Temple University Press）出版，获得了国际顶尖社会学家麦克·布洛维（Michael Burawoy）、清华大学沈原教授、马克斯·普朗克社会人类学研究所所长项飙等海内外权威学者的联袂推荐。 这本书基于作者在硅谷某头部科技公司长达 13 个月的深度田野调查，包含 100 小时的参与观察和 66 次正式访谈，可以说是目前对硅谷工程师文化最深入、最系统的社会学研究。 你有没有想过这样一个问题：为什么那些智商超群、逻辑思维极强的硅谷工程师，会心甘情愿地通宵达旦为公司工作，甚至还觉得这是一种「酷」的生活方式？为什么他们明明有着极强的议价能力和技术主权，却依然被大厂牢牢「拴住」？ 答案可能比我们想象的更加精妙和可怕。 吴桐雨用了整整 13 个月的时间，深入硅谷某头部科技公司进行田野调查，最终揭开了一个令人震惊的真相：硅谷大厂并不需要用 996 这种粗暴的方式压榨员工，它们有一套更加高明、更加隐蔽的「驯服术」——让员工在游戏中不知不觉地「用爱发电」。 这本书用极其冷静和客观的社会学视角，解构了一个我们以为很「正常」的现象。当我们还在讨论 996 怎么仍敢大行其道时，硅谷的科技巨头们早已进化出了一套更加精密的控制系统。 吴桐雨在调查中发现，一家硅谷科技公司内部，竟然存在着超过 50 种不同的游戏来激励员工工作。注意，这里说的不是什么团建活动或者员工福利，而是深度嵌入到工程师核心劳动过程中的游戏化机制。 这些游戏被精心设计，分为四大类型：模拟类游戏、整蛊类游戏、轮盘赌类游戏，以及收集类与奖券类游戏。 比如有个叫「甜甜圈邮件」（donut email）的整蛊游戏，新员工入职后会收到一封看似来自同事的邮件，邀请他们去某个地方拿甜甜圈，结果到了现场发现这是一个恶作剧。 表面上看这只是一个无害的玩笑，但吴桐雨敏锐地指出，这实际上是一种服从性测试，是对新员工最初的 PUA。通过这种看似「有趣」的方式，公司在测试新员工是否愿意接受这种企业文化，是否能够「融入」团队。 更精妙的是那些模拟类游戏，比如敏捷开发流程（Agile development）本身就被包装成了一种角色扮演游戏。 工程师们需要在规定时间内完成各种「任务」，就像在玩一款策略游戏一样。还有代码审查被设计成「轮盘赌」游戏，用随机分配的方式解决劳动分工问题，表面上公平有趣，实际上是在用游戏化的外衣掩盖管理的强制性。 最让人细思极恐的是那些收集类游戏，比如「刷工单」和「收集徽章」。工程师们会为了在排行榜上的名次而疯狂工作，为了获得某个虚拟徽章而通宵达旦修复漏洞。他们沉迷于这种竞争，就像沉迷于电子游戏一样，完全忘记了自己其实是在为公司创造价值。 读到这里，我突然想起了国内互联网大厂那些「奋斗者文化」和「福报论」的宣传。相比之下，硅谷的这套做法显得更加高明。 它不需要用道德绑架或者直接的强制手段，而是通过激发人性中对游戏、竞争和成就感的渴望，让员工主动投入到超额劳动中去。 吴桐雨在书中提出了一个关键概念——「玩家主体性」（gamer subjectivity）。这个概念解释了为什么硅谷的游戏化管理如此有效。 她发现，硅谷的工程师大多出生于 1979 年到 2000 年之间，这个时期正好与美国电子游戏产业的鼎盛期重叠，因此被称为「玩家一代」（gamer generation）。 这一代人从小就浸淫在电子游戏的世界中，他们不仅对编程和 debug 非常熟悉，更重要的是，他们已经内化了游戏的逻辑和叙事方式。他们习惯于在游戏中冒险闯关，习惯于面对不确定性，习惯于通过排行榜来证明自己的价值。 正是这些从小培养起来的习惯和认知模式，让他们在面对公司精心设计的游戏化工作环境时，很容易就被「套路」进去。 这让我想起了一个有趣的对比。 在中国，程序员们往往自嘲为「码农」或者说自己在「搬砖」，这种表述背后透露出的是一种工具化的自我认知——我知道我在被剥削，但我需要这份工作。 而在硅谷，工程师们更愿意把自己看作「玩家」，他们觉得自己在参与一场有趣的游戏，在这个游戏中获得成就感和满足感。 表面上看，后者似乎更加积极正面，但吴桐雨的研究揭示了一个残酷的真相：正是这种「玩家」身份认同，让硅谷的工程师们更容易被操控。 当你把工作当作游戏的时候，你就不会去质疑游戏规则的合理性，不会去思考这个游戏是否对你有利。你只会专注于如何在游戏中获胜，如何刷出更高的分数。 书中有一个细节让我印象特别深刻。吴桐雨描述了工程师们如何为了「保级」而通宵达旦地修复漏洞，他们把这种行为称为「开黑」。 这个词本来是游戏术语，指的是和朋友一起玩游戏，但在这里却被用来形容加班工作。这种语言的挪用本身就说明了问题——当工作被包装成游戏的时候，加班就不再是加班，而是「和朋友一起开黑」，是一种有趣的社交活动。 更可怕的是，这种游戏化的工作模式还会制造排斥和分化。 书中提到，那些不太愿意参与游戏，或者不太擅长这种「玩家文化」的员工，往往会被边缘化。特别是亚裔工程师和女性工程师，他们往往无法完全认同这种「玩家主体」，觉得为了游戏荣誉而工作是「太情绪化」、「不专业」甚至「幼稚」的行为。但正是因为这种疏离感，他们在公司中的处境变得更加艰难。 读这本书的过程中，我不断地在思考一个问题：为什么同样是让员工超额工作，中国的互联网大厂选择了 996 这种相对粗暴直接的方式，而硅谷却发展出了这套精密的游戏化系统？ 答案可能在于两种不同的管理哲学和文化背景。 中国的 996 文化本质上还是一种传统的权威式管理，它依靠的是等级制度和服从文化。老板说要 996，员工就得 996，这里面有明确的权力关系和利益交换。虽然粗暴，但至少是透明的——大家都知道这是在被剥削，只是为了生存不得不接受。 而硅谷的游戏化管理则更加狡猾。它不是通过外在的强制力来控制员工，而是通过重塑员工的内在动机和身份认同来实现控制。 当员工把自己当作「玩家」的时候，他们就会主动去追求游戏中的成就，主动去承担更多的工作，甚至会为了团队的「荣誉」而牺牲个人的休息时间。这种控制更加深入，因为它不是来自外部的压迫，而是来自内心的驱动。 吴桐雨在书中引用了福柯的理论，将这种现象称为「游戏化治理术」（gaming governmentality）。她认为，这是一种超越了传统霸权控制模式的新型劳动控制机制。传统的霸权控制还需要员工的「同意」，还可能遭到集体的抵抗。但游戏化治理术通过制造沉浸式的「游戏现实」，让员工相信问题在于自己「游戏玩得不够好」或「不够投入」，而不是资本剥削制度本身。 这种机制的可怕之处在于，它几乎完全消解了员工的批判意识。当工程师们在排行榜上看到自己的名次下降时，他们不会去质疑这个排行榜的合理性，不会去思考为什么要用这种方式来评价自己的工作，他们只会想着如何提高自己的排名。 当他们为了修复更多漏洞而通宵达旦时，他们不会觉得自己在被剥削，反而会有一种「拯救世界」的英雄感。 更让人担忧的是，这种模式正在向其他行业和地区扩散。随着人工智能和数字化技术的发展，越来越多的工作可以被量化、被游戏化。当我们的工作都变成了一场场游戏的时候，我们还能保持清醒的判断力吗？ 书中还提到了一个令人深思的现象：在后疫情时代，美国科技产业经历了多轮裁员，这些公司不再热衷于扩招，而是转向更充分地压榨现有员工的生产力。 在这种背景下，原本看似「自由」和「有趣」的游戏化工作环境，实际上变得越来越「有毒」。员工们发现自己被困在了一个无法逃脱的游戏中，他们必须不断地提高自己的「游戏水平」，才能在这个残酷的竞争中生存下来。 读完这本书，我最大的感受不是愤怒，而是一种深深的警醒。 吴桐雨用她扎实的田野调查和冷静的学术分析，为我们揭开了一个看似美好的面纱。她让我们看到，在那些光鲜亮丽的硅谷办公室里，在那些看似自由开放的企业文化背后，隐藏着一套多么精密和高效的控制系统。 这本书的价值不仅仅在于它揭露了硅谷大厂的「驯服术」，更在于它提醒我们思考一个更加根本的问题：在这个信息资本主义的时代，我们如何保持自己的主体性？如何在各种精心设计的「游戏」中保持清醒的判断力？ 当你在朋友圈看到有人晒加班照片，配文说「又是充实的一天」的时候；当你看到有人为了完成某个 KPI 而兴奋不已的时候；当你自己也开始用「升级打怪」来形容工作的时候，你是否应该停下来想一想：你是在追求真正的成就感，还是在被某种精心设计的机制所操控？ 更进一步说，当你的孩子告诉你他想去大厂工作，因为那里「有趣」、「有挑战性」的时候；当你的朋友跟你分享他们公司最新的「创新」管理方式的时候；当你作为管理者也在思考如何「激发」员工积极性的时候，这本书都值得你认真读一读。 因为只有当我们真正理解了这些控制机制的运作原理，我们才能在保持工作热情的同时，避免成为被操控的「玩家」。只有当我们保持足够的警醒和批判精神，我们才能在这个复杂的游戏中，找到属于自己的生存之道。 毕竟，生活不是游戏，工作更不应该是。当我们把它们当作游戏的时候，我们可能已经输了。

在 GitHub 发现一个有意思的项目，AI 自动量化交易机器人 UFund-Me/Qbot，完全本地部署, 文档描述 Qbot = 智能交易策略 + 回测系统 + 自动化量化交易 + 可视化分析工具 的方式，虽然 UI 一般般，但后端思路其实挺值得学习的。

Someone let ChatGPT run a stock portfolio. over 2 month ChatGPT’s portfolio is up +29.22% vs. the S&P 500’s +4.11% over the same window. (Prompts, Code, Github listed) The process works as follows. ChatGPT is given real market data each trading day, including prices, volumes and benchmarks, stored on GitHub. On weekends it uses that data to research deeply, reevaluate the portfolio, and look for new stock ideas. The portfolio is simulated daily based on any changes, and then the person manually executes those trades in a real brokerage account. ChatGPT has full authority to make buy or sell decisions, but only within U.S. micro-cap stocks under $300M market cap.

Mathematicians searched up to N = 10⁴⁰ for solutions to this equation and found only the original ones Ramanujan discovered: N = 3, 4, 5, 7, 15. It’s recently been proven - there are no others.

人性的事后诸葛亮的幻觉非常强烈。如果不被真实世界毒打二三十年，如果不严肃书面一步步复盘自己犯过的各种错误，会真诚而轻浮的误以为，自己未来可以很容易抓住某个十倍股，百倍股的机会。 但实际机会来的时候，要么抓不住 ；要么抓住了，赚点小钱就跑 ；要么被错误机会引诱，开始赚点小钱，然后很快直接掉到大坑里，亏损更多。 这就像一些不求甚解的人，看到被改得面目全非的史书后，轻浮的认为古人都是傻X，自己上台后肯定处处占据着上帝视角，从谏如流，礼贤下士，百折不挠，神勇无比。结果一出招就一败涂地，身首异处。 严肃的，知识诚实的复盘应当这样操作： 询问 AI: 为什么某个股票或者资产在某年被大众严重低估 (因此导致后面几十倍的增幅)？ 当 AI 详细的列出几个当时被低估的具体原因后，再继续询问： 如果当时根据我所得到的信息，我是否可以看得比别人更远？ 我收集哪一类的信息，有可能看得比别人更远？ 我到什么 (以前没有意识到的) 场合，可以高效的搜集到这样的信息，进而得到置信度比较高的结论？ 这个公司的股价曾在某年某月发生暴跌，当时的背景和直接原因是什么？ 我在那种情况下，会不会也跟着恐慌性抛售？ 如何通过调整自己的思维模型，关注问题的角度，和信息管道，来避免被裹挟而恐慌？ 等等。 问了五到十个个问题之后，要么会最终承认：这个机会，当时的条件确实没法抓住。 要么得到明确而有效的建议，对之前忽略的，某些特定场合，特定类别的信息更为敏感，帮助自己更有效而遥遥领先的做出置信度比较高的预测。 有效信息的搜集和分析，比真正吭哧吭哧干活还是要轻松至少一个数量级，而且有些方法论可以推广别的行业。