最近把孙宇晨十年前《财富自由革命之路》课件过了一遍。有些段落反复听了四五遍。
真正厉害的人，往往不是更努力，而是更早看清世界怎么运转。 我提炼 7 个模型： 1. 盯增量市场，别只卷存量规则 2. 时间是最贵资产，用杠杆放大而不是纯卖时间 3. 不神化、不畏惧权威 4. 优先进入时代红利最大的行业 5. 在萌芽期下注，等所有人看懂通常已晚 6. 最值得重仓的是自己的认知、能力、信用 7. 财富自由不是账户数字，是不必为了钱出卖时间、注意力和尊严 人和人最大的差距，常常是对未
会用 ChatGPT 之后，还想系统学一点，这几个免费站够用：
DeepLearning.AI 课程 Kaggle Learn Hugging Face Course NVIDIA Deep Learning Institute 从 Prompt、Python、LLM、RAG 到 Agent，免费内容不少。 不必一次学完，挑一条主线往下做项目更实在。
Kimi K3 又一次把「开源能不能打闭源」摆到台面上。
同一套游戏对比：Claude Opus 4.8 / GPT-5.6 / Kimi K3。 价格大概只有 Opus 4.8 一半，而且权重开源。 闭源仍可能在某些 agent 任务上更稳；但价格和可部署性这块，开源模型已经不再只是「能用」。
既能写 API，也能和客户喝 IPA：FDE 的核心素质
既能写 API，也能和客户喝 IPA。 这句话不是段子。 是 AI 落地里最稀缺的一种人。 OpenAI、Anthropic 都在招这种人，岗位名叫 FDE。 可我跟大厂工程师聊，很多人听都没听过。 至少在 AI Agent 落地这条线上，值钱的已经不是「把代码写对」， 而是「把业务结果扛下来」。 我把它拆成三件事：能交付 agent、能谈拢人、能为结果担责。 --- FDE 全称 Forward
Cloudflare 刚给 AI Agent 开了「临时账号」。
以前让 Agent 部署，最烦的是：先帮它申请账号、配 API Key、过 OAuth，还可能卡 MFA。 现在它可以直接用 Wrangler 起一个临时环境：写完、部署、验证、再改。 60 分钟内你可以 Claim 转成永久账号；不认领就自动销毁。 等于给 Agent 一套「可丢弃实验室」。 基础设施正在从「服务人类」转向「也服务 Agent」。 这比把一把永久钥匙塞给它安全多了。 有人已经试过
Cloudflare 悄悄把自家官方 Blog 迁到了自己开源的 CMS——Emdash。
这个 CMS 还在 Early Beta。 为什么值得关注？一个 thread👇 WordPress 最大的问题是 Plugin 安全。 大多数 Plugin 能碰数据库、文件系统，很多安全事件都从这里开始。 Emdash 的做法：每个 Plugin 跑在 Cloudflare Worker Sandbox 里，必须先声明自己需要哪些权限。 没声明，就拿不到。 Capability-based
ChatGPT 可以直接给你一个网站链接了，会用的人已经在发落地页了
想做一个自己的网站，最难迈的一步不是内容，是上线。 域名要在哪里买？代码传到哪里？服务器怎么配？这几个问题足以把 99% 没有技术背景的人挡在门外。 OpenAI 于 2026 年 7 月上线了一个新功能，叫 ChatGPT Sites。它做的事很简单：帮你把这步省掉。 --- 以前你用 AI 做网页，得到的是一堆代码。你还得自己找地方托管、配域名、点部署。 ChatGPT Sites 把这几步合
现在做 AI Agent，相当于 2017 年做抖音。
2017 年抖音打破的是「谁能被几百万人看到」。 AI Agent 打破的是下一层：当别人看到你之后，怎么把你的判断力和方法论，做成一个能被反复调用的产品，持续交付出去。 以前这需要一个团队。现在一个人也能做。
微软开源了一套免费课程《AI Agents for Beginners》，GitHub 已封战 61k+ 星。
课程内容：什么是 AI Agent、怎么用 Tool/MCP、多代理人系统、Context 管理、让 AI 操作浏览器、安全部署——一路到完整实战。 直接支持繁体中文，每课都有 YouTube 讲解和示例代码。 不是教你怎么聊天，是教你怎么让 AI 替你打工。
ChatGPT Sites 刷屏，有人正好在做一件几乎一模一样的事。
t3-flare 把 Cloudflare Wrangler CLI 交给 AI Agent 全权接管。你只需要在浏览器按一次授权，剩下的——建数据库、开储存、设登录、部署上线——AI 自己跑完。 眫。拆了 ChatGPT Sites 的架构：Cloudflare Worker + D1 + R2 + Next.js。 跟 t3-flare 几乎撞在一起。 真正的问题从来不是写不出网站，卡于部署。
9 个免费 AI Agent 课程，全部官方出品：
DeepLearning.AI × crewAI：多智能体系统（2h41m） LangChain：LangGraph 入门（5h58m） DeepLearning.AI × LangGraph：AI Agents 进阶（1h32m） AWS SkillBuilder：Prompt Engineering 基础（3h50m） UC Berkeley：LLM Agents MOOC（4h20m） 还有
用 AI 和开源工具建个个人博客，不到 30 分钟、设备费近一分分化到得。
1. Cloudflare 购买域名（.com/.blog 年费大约 300-500 台币） 2. GitHub 建一个 public repo 3. GitHub Pages 设定 custom domain 4. Cloudflare DNS 记录指向 GitHub Pages 5. 用 Obsidian 当后台，用 Markdown 写文章 6. 丢给 AI 建博客界面 全程不需要一分订阅费
AI 编程进入下一个阶段了。
以前：一个人指挥一个 Agent。 现在：一个人管理一整支 AI 团队。 Antrigravity Agent Teams：输入 /teamwork-preview，自动组成 PM + 设计师 + 工程师 + QA。 这些 Agent 不是各做各的，会互相讨论。设计师做的颜色和规格不一致，工程师和 QA 直接指出，一起修改。 当 AI 开始拥有职位、分工和会议，真正被重新定义的，可能是「团队」这件
Google 的 skills 项目：让 AI 机器人拥有「手脑协调、在物理世界干活」的底层技能库。
以居大模型只会写代码写文章，你叫它去厨房「把杯子拿过来」，它就彻底瞎了。 现在大模型只要下达 Skills.Pick(cup)，底层框架自动计算运动轨迹，让机械手臂就像真人一样平滑地把杯子拿起来。
⚠️ 3 条 thread
1/3 孙正义：2040 年，地球由 100 兆个 AI Agent 接管，人类作为最高等生物的时代彻底结束。 朐人说笑他疑神？看看他的打脸历史： • 2000年：听了 6 分钟简报就把 2000 万美元投给初创的阿里巴巴，最终抱回 1400 亿美元 • 2016年：大家笑他花冤大头用 320 亿美元强娶 Arm，现在全天下最强 AI 芯片底层架构全得管他叫爸爸 （中间也有翻车。WeWork 慏赔
⚠️ 7 条 thread
1/7 在 Startup Island Taiwan 旁听了一场创业座谈，一位种子轮 VC 合伙人 + 一位连续创业五次（前四次失败）的创业家。整理 6 个印象最深的判断。 2/7 早期新创没有护城河，唯一优势是速度。 VC：比大公司快、快速迭代、快到 PMF。大公司会“漏接时代”，Google 错过 Web 2.0，那一波赢家是 FB 和 Twitter。 创业家：“土匙占山头”——先守住一个
「如果你一直忙着工作，是没时间赚錢的」
普通人建立原始资本只需四步： 1. 输出与利他思维——生意的本质是价値交换，利他才是最好的利己 2. 突破认知局限——人只能赚到自己认知范围内的錢，要多看身边拿到结果的人在怎么做 3. 精确定位——不要讲好所有人，找到一个最精细的切口，服务与你志同道合的目标客户 4. 先做再说——大胆开始，你就已经超越 99% 的人了
ChatGPT 桌面多了个小宠物？它不只可爱，还能告诉你 AI 在干什么
你打开 ChatGPT 桌面应用，发现右下角多了个小动物在那里挥手。 它不是广告，也不是彩蛋，而是 OpenAI 在 2026 年 5 月推出的功能：**Codex Pets**。 可爱是真的，但它实际上是个工作状态指示器——告诉你 AI 在后台跑什么任务、有没有卡住、要不要你过来处理一下。 \--- Codex Pets 是 ChatGPT 桌面应用里 Codex（AI 编程助手）的一个悬浮小角
接 AI agent 到 Gmail、GitHub、Slack，卡的不是 prompt
是每个服务的 OAuth 都要自己刻一遍，API key 还得塞进 agent 手里 open-connector 反着来：1000+ 服务、上万个现成 action，一个 gateway 全包，secret 锁在 runtime 后面，agent 只拿到结果 还能自己部署
心理学教科书说，Logotherapy 是“意义疗法”。
但这个翻译，把最重要的东西丢掉了。 去看它的两个词根，你会发现这门学问真正在说什么。 1/6 第一个词：logos（λόγος） 中文翻译成“意义”，但古希腊语里它是： · 世界运行的客观秩序 · 使事情成立的根本原则 · 人与现实之间的中介 不是“我觉得有意义”。 是宇宙层面的逻辑本身。 中文最接近的翻译，是“道”。 2/6 第二个词：therapeia（θεραπεία） 教科书翻译成“治疗”
用自己域名收发邮件，不套第三方服务——Cloudflare 刚开源了做到这件事的方案。
叫 agentic-inbox，完全基于 Cloudflare 基础设施。 对 indie dev 来说：基础设施成本又可以往下砍一刀。
AI 时代出现了一个新职位：FDE（前沿部署工程师）。
不写产品，不做销售，专门驻扎在客户现场填补「产品现有功能」和「客户真实需求」之间的缺口。 它是从 Palantir 走出来的模式。 1/3 有个比喻很准—— FDE 的工作是铺「碎石路」。 当产品还解决不了某个具体问题，他们用代码快速开出一条临时路。 产品团队在后面观察，把碎石路升级成「高速公路」，推广给所有客户。 本质是：规模化地做那些「无法规模化」的事。 2/3 AI Agent 爆发之后，F
每 5 小时一次的 AI 配额，正在重写你的工作节奏
打开 Claude Code，提示说配额用完了。 不是月底。是今天早上十点。 你订的是 $100/月 的方案，按月算应该还有三周。那配额去哪了？ Claude Code、OpenAI Codex、Google Antigravity——这三家主流 AI 编程工具，在 2026 年中几乎同时换掉了计费逻辑。 不再是「这个月能用多少」，而是：每 5 小时一个滚动窗口，从你发出第一条 prompt 开始
把每天晚上刷一小时 TikTok，换成逗这 5 个网站。
结果比想象中更有感：学到更多，脑子反而更清醒。 1. Radio.garden — 转动地球收听全球广播，练英语顺带了解世界 2. Project Gutenberg — 数万本经典文学，全部免费 3. Earth Nullschool — 实时查看全球风向天气，一看停不下来 4. Google Arts & Culture — 不出门线上逗世界博物馆 5. Prepedu — 雅思/多益课程+模
AI 能力四层架构：
工具层：Vibe Coding / Agent / RAG 推理层：因果 / 模型 / 模拟 判断层：视角 / 利益 / 文化 智慧层：价值 / 伦理 / 取舍 Vibe Coding 在最底层。 所有人吹爆的 AI 能力，几乎都卡在工具层和推理层。判断层开始模糊，智慧层根本没影。 把 AI 当同事是幻觉，把它当工具是正确答案——至少目前是。
Cloudflare 推出的 Monetization Gateway，名字听起来像「向AI收过路费」，但本质不止于此。
旧网络靠人类注意力变现——点击、广告、订阅漏斗。 AI agent 不看广告，不进漏斗，不产生「注意力」。旧的变现模式正在系统性失效。 Cloudflare 做的是在 internet 请求层加一个机器可读的定价接口——这是基础设施层面的重构。 网络的商业逻辑要换底层了。
1/4 巴菲特1984年在哥伦比亚大学3件事，至今没人能反驳。
2/4 第一法：只看价值 vs 价格 忽略K线，忽略市场情绪，只问一个问题： 这东西值多少钱？现在卖多少钱？ 价格远低于价值，买。就这么简单。 3/4 第二法：拥抱「市场先生」 市场先生每天来敲你的门，报价有时正常，有时崩溃性恐慌。 你的工作是等他恐慌时，用40美分买价值1美元的东西。 这就是安全边际。 4/4 第三法：价值投资要么顿悟，要么永远绝缘 跟智商无关，跟认知框架有关。 人们喜欢把简单的
6 个 YouTube 频道，看英文视频顺便学英语：
Ali Abdaal — 学习方法、生产力 Kai Notebook — 深度思考、自我成长 Better Ideas — 习惯、心理与人生思维 Matt D'Avella — 极简生活、纪录片风格 Improvement Pill — 个人成长动画 Nischa — 理财与财务思维 主题都是较常续看的个人成长类，不太会过时。 你在看的英文频道有哪些？
语音助理的四层架构：VAD → 语音识别 → LLM → 语音合成，这四层常常来自不同服务商。想换掉其中一家，往往得整组管线重写。
Hugging Face 开源了 speech-to-speech，把这四层模块化，让你像换零件一样替换其中一段。 • VAD、STT、LLM、TTS 各自都能替换，不绑死单一供应商 • 可以直接把 OpenAI Realtime API 换成本地版本，不用重写整套逻辑 • 所有模型都能在本地跑，语音数据不必离开自己的机器
OpenAI 分享了日本北海道农夫 Hiroki Tomiyasu 的故事：他管理约 100 公顷农地，原本是公务员，没有工程背景。
务农后遇到的问题很现实：农地太大、缺工严重、农业自动化设备又很贵。 于是他开始直接把农场里的问题交给 AI，一个一个做出自己的工具。 他已经用 AI 完成这些事情： ・拍下花椰菜黑斑，协助判断病害 ・串接卫星数据，查看不同田区的植被状况 ・建立农地、作物、员工与物资管理数据库 ・从 LINE 群组记录统计播种数量 ・远端监测温室温度与控制通风设备 最有意思的是他的温室控制系统：把 ESP32、马达