美研芒格君 · X 阅读

这个文章转教学视频的 Skill 工具，源于我最近的一个痛苦，每天社区内容太多，真的看吐了。我非常需要一个方式去降低我的输入门槛和认知成本 如果你也有类似痛苦，建议也用类似的方式去尝试：把你来回问 AI 的一个问题、某篇晦涩难懂的长文、甚至是上学学习的课件或者 PPT，用视频的方式总结出来学习 我在思考，是否我日后的文章都可以提供一个视频形式，亦或者，把我每天同步思考的内容用这种方式发布成视频 这个工具真的做到了零成本制作一个高质量科普视频，效果出来的时候，我觉得非常 amazing

我在AI 训练和推理这行干了很多年，最近越来越觉得，机会正在往两个方向转移 为了让所有人都能理解这个趋势，我拆解了一家Harvey的 AI 律师公司，他们用开源模型在特定领域 GLM 击败了 Fable5 和 GPT-5.6，我认为是个趋势 本来写了一篇长文来科普，后来觉得字数太多，于是 做了一个教学 Skill 工具，把写好的稿子变成一个音频同步的视频 如果你想转行，我很推荐两个方向 > 一个是后训练，也就是拿一个已经很聪明的模型，在明确的任务、工具和成本约束下，再针对这条生产线加练一遍 > 另一个是AI 推理，其实两者不分家 ， 最后自己读一遍都觉得，这么多公式和缩写，谁会看完呢？我自己文字读多了都觉得累。所以干脆换个办法，把它做成了一个不到十分钟的小视频，一边讲，一边在白板上把图画出来。视频放在下面 视频里我按一堂课的顺序讲了下面这些 1. 为什么通用模型在一条具体生产线上不是最优，后训练到底在修什么 2. 开放权重和闭源的区别 3. 监督微调和 GRPO 各管什么，GSPO/GRPO/LoRA 的应用差异 4. 在垂直领域，开源模型 overall 是如何击败闭源模型的？ 这个视频是我自己搭的一个小工具做出来的，逐字稿进去，配音和白板动画自动出来，讲到哪句画到哪步。工具还在打磨，做顺手了再拿出来细说。

绝了，我帮大家翻译一下，以下为特朗普的原话： AI 唯一需要的“管控”或“护栏”，就是一个强大而聪明（高智商！）的总统，而美国现在恰好就有，而且绰绰有余！ 特朗普政府已经阻止了一些 AI 圈的人去做坏事，或者可能造成坏结果的事情。比如 Dario（Anthropic 的 Dario Amodei！），他现在装得像个“完美的小天使”一样——我们今后也会继续这么做！ 我们已经拥有对这些公司的强大刑事执法权和监管权力！ 现在有一场针对 AI 和数据中心的恶心阴谋，而唯一会因此高兴的就是中国。 谁赢得 AI，谁就赢得未来！ 我们目前领先中国以及其他所有国家，而且会继续保持领先。 那些阴谋论者、叛国者、背叛者和泄密者，小心了！ 感谢大家关注此事！ ——美国总统 Donald J. Trump

@whb0821 我真觉得这种 AI 评论是最讨厌的。最近刷到一个帖子，说 X 上怎么获得曝光。有两种歪门邪道： 1. 一种是骂人，靠别人的回击增加曝光 2. 一种是 AI 狂刷评论，低营养地累积曝光 一边说着要珍惜注意力，一边用低质量内容轰炸着别人的注意力

如果想在 AI 时代生活得更好, 每个人都应当适当的对自己的人生刻意的“剪枝” 抛砖引玉，分享几个我一直践行注意力、投资、职业发展方向剪枝的方式 一、注意力剪枝：在高频使用 AI 之后，我发现我的注意力被榨干了。我害怕错过 AI 进步的新闻，害怕错过某个技术的发展，不停地跟 AI 对话。 所以现在我在有意地控制： 1. 减少依赖 AI 的程度 2. 减少无用的信息摄入（比如在 X 上点 Not Interested） 3. 减少翻看手机的次数 4. 买了一个 iPad，会找时间什么也不做，在 iPad 上写写画画，沉淀近期认知 二、投资剪枝：我认为我的人性的缺点之一就是贪婪，股票选对了，涨了却不舍得卖，怕涨得更高。因此有一条铁律，股票涨多了，我就会每两周进行一次剪枝。动态控制按照已有比例获利了结，按照持仓的权重比给出现金 40% 的仓位 这是我的投资纪律。与其少赚，我更不想承担跌出黄金坑没钱加仓的痛苦 三、努力方向剪枝：AI 是能力的放大器，我现在每天的工作密度、产出相当于去年自己的 10 倍不止。很多事情我都想尝试，这让我很多方向做不深 例如，在 AI 方面，我认为 post-training ，开源model以及inference一定是未来世界的主流。因此，我 all in 这方面的研究与探索。放弃那些看起来 fancy、值得尝试的充满诱惑场景，找到锚定点，凿下去 这是我的三点剪枝。我认为每个人都应该找到自己的剪枝方式

黄仁勋正在洛杉矶 All-In Summit 台上接受采访，流量之王特朗普的电话突然打进来了 老黄当场开免提，总统直接对着全场说：“机器人不会接管世界”，还把这轮 AI 末日恐慌称为“骗局”，强调美国不该停止 AI 进步。 老黄随即接话：要让美国各行各业都在 AI 竞赛中受益

9/1，今天半导体集体下杀，很多人问：AI 是不是要暂缓，甚至暂停了？很多好股票 例如 $MRVL 跌到这个位置，是不是可以下手？ 1/ 我认为今天主要有三股力量叠在一起： > 原油供应再出问题，油价上涨 > 加息预期与长期国债收益率上升 > 周末前沿 AI 限速讨论，让市场重新考虑未来几年的扩建速度 2/ 我的理解是，市场同时在调整不同公司的前景：前沿模型推进变慢，激进扩建的回报可能推迟；传统软件被快速替代的担忧可能缓和；AI 安全风险受到重视，又可能提高网络安全支出的优先级 举个简化例子。客户现在有 100 单位算力，原来准备扩到 200，需要新增采购 100。后来扩建目标改成 160，只需要新增采购 60 客户的算力仍然增长了 60%，供应商面对的新增采购却比原计划少了 40% 所以，AI 越来越普及，与某一年的硬件收入低于市场原先期待，完全可以同时发生 3/ 那么，我们以 Marvell 为例，220 美元的 MRVL，到底要求公司做到什么？ 今天下跌之后（见附图） FY2028：收入增长约 51%，每股盈利增长约 60%。 FY2029：收入再增长约 44%，每股盈利再增长约 54% 做一个更具体的压力测试： 假设 FY2028 收入增长从约 51% 放慢到 30%（我觉得不太可能），收入约 157 亿美元；调整后净利率仍有 34%，稀释股数为 9.25 亿股，那么 EPS 约 5.76 美元 公司盈利仍比 FY2027 的 4.21 美元增长约 37%。但如果市场给 30 倍，价格只有约 173 美元，比 220 美元低约 21% 反过来，假设两年后市场仍相信 FY2029 每股盈利可以达到 10 美元（符合上次财报后的分析师预测）： 给 30 倍，对应 300 美元，从 220 美元买入的两年年化回报约 17% 给 25 倍，对应 250 美元，两年年化回报约 7% 因此，现在是否买入，我现在真正会问自己的核心问题是：最差的情况下即使油价和利率暂时降不下来，前沿训练也比此前设想推进得慢，MRVL 能否依靠互联升级和定制项目，按期做到约 7 美元、再往 10 美元走的每股盈利？ 以及我是否愿意去下注次差或者更好的情况，我个人的答案是，肯定的 接下来改变我判断的，是客户采购和交付节奏，以及 10 月 6 日 MRVL 投资者日能否进一步支持 180 亿美元收入展望

果然还是高手在民间。上个帖子获得了很多干货、硬核经验和设计经验分享 谢谢大家。我主打一个听劝，就把大家推荐的工具、优质帖子和设计方法整理了一遍。希望对同样需要做网页、但不懂设计的外行朋友有所帮助, 并且附上我的投研网站的原型设计图⬇️ https://t.co/5js4rC7bqH 大致分成三类：工具类、方法论类、模型类，我给大家一并完整的整理出来 （设计师和天才们，见笑了） 1/ 工具类：用什么来做，去哪里找参考 > 设计 skills：Impeccable、taste-skill、Anthropic 的 frontend-design、baoyu-design，以及 emilkowalski/skills。Impeccable 有多位朋友推荐 直接出设计方案的工具：Claude Design、Google Stitch、Wegic、OpenDesign。有人建议让 Stitch 先做几版不同风格，选出喜欢的方向后再细调 > 找参考的网站：Pinterest、Dribbble、Inspora。先看看别人怎么排版、配色、放图片，挑自己真正喜欢的，再交给 AI 参考 >现成模板和提示词：Framer 的免费模板、Motionsites 的建站 prompt，以及 Variant 上的设计 2/ 方法论类：怎么把“好看一点”变成 AI 能执行的要求 很多朋友其实在提醒同一件事：要把自己想要的东西说具体 > 先想清楚网页给谁看。用户进来先看什么，内容怎么分类，看完之后下一步做什么。尤其是投研网页，读者能不能找到研究、看懂信息、愿意继续读，这些都需要在设计之前想好 > 先找参考，再让 AI 动手。不只扔一句“要高级感”。把喜欢的网页和截图给它，告诉它喜欢哪部分：这个站的字体、那个站的布局、另一张图的配色。也有人建议从摄影作品里找视觉 > 把风格写成一套固定规则。字体用什么、标题多大、正文多宽、间距多少、按钮什么样、动效做到什么程度，都记录下来。这就是大家提到的 Design System > 每轮改具体问题。有朋友分享，自己用 Impeccable 要反复调布局、颜色、动画，再做 critique、audit、polish，也就是挑问题、检查、润色。字体、字号、留白、间距这些细节，需要一项项看，不能指望一句“再好看点”全部改完 > 网站一个统一的表达。Jacky 的长文讲了一个完整过程：项目定位 → 风格定位 → 统一主题 → 专属视觉形象 → 开发与审查。网站想传达信任感、亲近感还是创意感，会影响后面的图片、颜色和动效选择 3/ 模型类：模型本身的能力也要考虑 Claude：评论里有不少朋友认可它的设计表现，也有人建议搭配 frontend-design 等 skill 使用 Kimi：有几位朋友直接推荐 Kimi 让不同模型和编程工具分工：比如用 ChatGPT 看截图、讨论修改方案，再交给 Claude Code、Codex 或 Cursor 实现。设计和代码实现可以分开几轮做，做出来以后再回到浏览器检查 我很清楚自己想让投研网页更有艺术感、更正规、用起来更舒服，现在要做的，就是把这些要求一点点落到具体页面上。 谢谢各位认真分享的朋友，原帖评论区还有不少具体经验，做网页的朋友可以一起翻翻

如果你想做 AI 应用，不妨考虑一下Harness开发。从我实际工作经验出发，我把相关能力整理成了一份11 条技能清单，欢迎收藏、保存，和 AI 一起学习，提升认知 完整 List： 1. 后端与系统设计：让请求进得来、状态存得住，出错后能恢复。 2. RAG、Embeddings 与向量数据库：RAG 是先找资料再回答；Embedding 把内容变成表示语义的数列，向量库帮助查找相似内容。 3. 记忆与上下文管理：记忆保存以后要用的信息，上下文管理决定这一轮给模型看什么。 4. 工具调用与 MCP CLI：工具让系统执行动作，MCP 是连接 AI 应用与外部工具、资料的一套通用协议。 5. Agent 与工作流模式编排：Agent 让模型根据结果决定下一步，工作流则按预先写好的步骤执行。 6. 护栏与确定性校验：用程序检查输入、输出和操作权限，把关键业务规则落到执行处。 7. 评测：评测检查事情有没有做对 8. 可观测性：日志记事件，指标看整体，追踪串起一次任务走过的步骤，出错才能找到原因。 9. 模型路由与降级：按任务选模型，调用失败时切换经过验证的备用方案。 10. 排队与负载均衡：控制多少任务同时运行，再把任务分给有余力的服务。 11. 推理部署与引擎：推理是模型生成结果的过程；本地或云端决定在哪里跑，vLLM、TensorRT-LLM、SGLang 等引擎负责高效运行模型。 如果你关注了 9月 10 日的 YC Demo Day，你会发现很多项目都在面向特定业务做 Harness。这个在硅谷是非常火的方向，就是围绕模型搭起来，让它拿到资料、调用工具、遵守规则、检查结果 普通开发者学习 AI 其实可以先从 AI 应用入手，学会把模型接进一个具体业务，把一件事从头到尾做成，我给大家整理了一套技能清单和地图，你可以直接把这个帖子丢给 AI，并给它prompt: “ 先判断我已经会什么，再用一个实际的例子带我学这份清单。每次只加一个能力：解释它解决什么问题，让我动手实现，再给我一个会失败的测试。确认我理解了，再去下一站” 完整 YC summer 26 batch list 链接 https://t.co/ux5p5hQ7b5

09/13 给大家提个醒，我认为市场夜盘在交易一个漏洞百出的逻辑，借着这个错误逻辑渲染情绪，实则在释放 9 月 16 会议的风险，杀出一批带血的筹码 某些小作文的逻辑很离谱，耐心加认知，可能会让我们抓住不错的机会，我的短线资金就是在等待这种时候！ 这个帖子我带大家深度思考 3点市场逻辑错误，分享我的思考链路，以及操作 上一次渲染情绪的结果，大家都知道了，7/27 的帖子欢迎回看⬇️ https://t.co/gafv1fV0Av 1/ 先把这次前后矛盾的小作文说清楚 背景是我昨天的帖子：《这个周末我认为最重要的一件事情》 https://t.co/zEJm3WmFa2 仅凭这个周末的表态，就认定整个 AI 产业要停下来，我非常不认同，我认为有 3 点逻辑错误 2/ 三点逻辑错误 > 这个呼吁，真的能让全世界一起慢下来吗？ 呼吁能落实到什么程度，本身还是个问号。不能把一个倡议，直接当成全球已经执行的决定 > 所谓“停下”，也不是明天就把机器关了，也不是放缓了对机器的需求 Dario 明确说，pacing 不意味着停止模型训练或技术进步。他希望给 alignment、安全措施和第三方评估留出足够的时间，让安全工作跟上能力进步 认为市场的错误逻辑渲染已经偏移了原意，非常外行 > Training 和 inference，又被混为一谈了 先不说这个呼吁最终会怎样影响 training。训练下一代模型，和让已经训练好的模型每天替用户写代码、查资料、跑任务，是两类工作。后面这些，就是 inference，推理 即使下一代模型的研发慢一点，已经在用 AI 的人，就不再用了？企业已经跑起来的应用，就不用继续消耗算力了？ 我所见之处，仍然是算力短缺。额度不够用，算力不够用，一片鬼哭狼嚎。 我不信，一个周末的表态，就足以证明这些需求突然消失了.当然，市场也可能在担心未来增速放缓。这是需要讨论的。但从“以后可能没有原来预期增长得那么快”，跳到“现在这些算力都不需要了”，中间差得太远 3/ 下跌的真实原因是什么？ 我认为市场的担心并非没有理由，一个放缓的增长足以让股价下杀，但我更认为这是为 9 月 16 号的议息决定释放风险，华尔街找个理由跌罢了 你可能会说，现在市场定价加息 25 个基点，交易概率已经到达 87%，已经 price-in 了，这个说法也没错 如果你认定了这个说法，不妨问自己一个问题：如果加息已经 price in 了大部分，而市场现在交易的逻辑又和长期理念违背，作为有耐心的长线投资者，你现在应该做什么呢？ 我个人并不会把短线子弹打完。 目前我持有的仓位占现金仓位大概 45% 左右，今晚夜盘进行买入。目前看起来情绪可能继续渲染，换而言之，这可能不是最底部，但我从来不奢望自己买到最底部，我的持有时间是一年以上

这几个月的每一天，我都会用我的投研体系，利用 AI 帮我自动挖掘信号 距离上一次分享仓位帖子已经过去了一个月，8 月的触底反弹也让我的账号创了新高 过段时间，如果大家想知道的话，我也会给大家写一个新的帖子，分享一下我最新的持仓比例. 下周美联储会议很关键，大家在赚钱的同时也记得做好保护put

过去一年我的 P&L 超过了 150% https://t.co/urE6Bthoxc 今天起床到现在，饭没吃，水没喝，用 GPT-6 Ultra 跑掉了约 7.1 亿 token，消耗了一份 $200 Codex Plan 一周额度的 90%。过去的12 小时，烧掉约 7.1 亿 token。我正在把自己的投研大脑快马加鞭蒸馏出来 目前在开发的，一共五个功能： 1/ 一个被“蒸馏”出来的芒格君 把我的投研思考方式做成可以直接对话的大脑：一家公司的生意怎么理解，哪些变化值得追，什么证据会让我改变判断。 你可以拿着自己的问题，跟这个大脑一层层聊下去。投研大脑 as a Service，这是我最想做好的部分 2/ 把一只股票过去一年的财报和电话会议，变成可以随时追问的资料库 先从我们深度追踪的股票做起，接入第一步的大脑，带着大家读细节。比如：“管理层这次的说法，和上个季度有什么不同？” “之前承诺的增长，到底兑现了多少？”我希望这些问题，都能回到具体材料里讲清楚 3/ 投行研报的收集，以及真正能聊明白的深度对话。 对深度追踪的公司，把研报收集、整理起来，让大家可以继续问：这家投行为什么看多？它最关键的假设是什么？另一家为什么不认同？读完之后，你应该能理解它的判断，也能知道自己是否同意 4/ 把不同渠道的观点和华尔街预期放在一起看。 整理我平时从各类渠道收集的观点、机构分析师的分析，以及华尔街目标价共识、新增目标价和调整。我尤其想让大家看懂：同一家公司，大家到底分歧在哪里？这次上调目标价，背后的理由变了什么？ 5/ 把我的投研 Agent Team，也开放给大家 Agent Team as a Service，全部由 GPT-6 / Fable 5.1 驱动。这支团队每天挖出的关键基本面信号、公司变化和新闻解读，我会放到平台上。让大家持续追踪自己关心的公司，理解新消息会怎样影响原来的投资逻辑 做到这里，我很想听听大家的真实需求： 你研究股票时，最费时间、最头疼、最想交给 AI 帮你完成的一步，到底是什么？可以直接在评论区讲具体场景。你平时怎么做、卡在哪里、希望它帮你做到什么程度，越具体越好 还是老规矩，点赞、收藏这个帖子，到时候拿着记录来，我送大家GPT-6 和 Fable 5.1 Token 来使用 如果你提的功能被我们采纳，并且真正开发上线，我会邀请你进入核心用户体验群，给你一对一 VIP 服务 平台还在做，大家现在提的需求，有机会直接决定它接下来长什么样。评论区欢迎分享，我会认真看 还是那句话，我不是一个短线交易的高手，因此短线数据点位依然给不了。这个平台不是给大家一个买入点位的，更多的是为了看懂。谢谢理解

@UnicornTaxFree 夸张是有的，我并不觉得在演戏，亲这边我建议多看看论文，长点脑子，而不是上来就下结论

最近有很多关于 RSI（Recursive Self-Improvement，递归自我改进）的讨论，也让大家开始担心，AI 会不会不断升级自己，最后超出人的控制 我周末集中看了一批 RSI 2026 年的论文和公开项目，想把几个问题讲清楚：现在到底发展到了哪一步，业界 popular 的讨论是什么，以及我们普通人能怎么用。最后我会给大家一个可以用来直接给 AI 实现初步 RSI 的 Prompt 这次按方向来聊，论文和项目放在对应段落，大家可以收藏下来慢慢看 1/ 先分清楚，大家说的“自我改进”，有三件不同的事 第一件，AI 根据反馈，把当前任务再做一遍。 第二件，它把有效经验、工具或工作流程留下来，下一次任务也能用上。 第三件，它进一步改进“下一轮怎么学习、怎么做实验、怎么选方案”这套方法。 越往后，接手的研发决策越多。9 月 10 日发表的的《The Last AI Built by Humans》把这些自主范围拆成了执行、策略、经验获取、环境适应和元改进几层，适合当阅读地图 https://t.co/aOWmBcFure 2/ 今年一条很密集方向研究线，是让 AI 改自己的 Harness Harness 可以理解为模型周围那套实际干活的系统：读哪些文件、给模型看什么上下文、怎么调用工具、失败后怎么恢复、什么时候算完成。 今年 3 月的 Meta-Harness，6 月首发、8 月更新的 Self-Harness，以及 7 月底的 DarwinX （Salesforce），都在研究怎样把这套系统交给自动实验来优化 3/ 另一条已经出现企业内部应用的路线，是把人的纠错变成持久经验 今年 1 月的 MemRL，把经验和“这条经验实际有多管用”一起保存。下次先找相关经验，再根据使用效果挑选，而不只是找文字最相似的记录 https://t.co/kJ8zPuFy4G 到了 9 月 2 日，Meta 公开了一个更贴近日常工作的内部案例：专家纠正 Agent 后，系统会判断错误来自知识缺口还是处理流程，把纠错转成文件修改，重放原来的问题、跑回归测试，再交专家审核。 通过后，这次失败还会进入以后的测试集。这是 Meta 在特定专业领域的内部实践 https://t.co/YRgKSDa7So 对我们普通用户来说，这一条就很有用了, 人的一次纠错，开始有机会变成后续任务都能使用的改进 回到关键问题，我觉得今年这些工作的共同价值，是让我们开始认真维护一个会积累经验的系统。所以我们现在可以怎么用？ 篇幅有限，我把一个我们都能用上的效仿 RSI 的基础 prompt 放在评论区里， 我最近也在观察，每次任务留下什么，每次纠错改到哪里，下一次能否因此做得更好，这些都已经可以在自己的工作里动手验证了。 为了防杠，我得说明一下：这三个方向只是工程向的，硅谷大佬们担心的更多是研究向的内容。 这些内容比较硬核，研究向 RSI我会在后面帖子里单独去聊

这个周末我认为最重要的一件事情： OpenAI、Anthropic、xAI在同一个周末集体来了表态，一致同意并呼吁放慢 AI 的发展速度…… Dario 已经在原文里点名：AI 正在越来越多地参与研发下一代 AI。他担心这种加速，会超过人类理解和控制模型的速度 OpenAI 甚至说：“如果真到了那一步，为了拯救人类，我们愿意把自己的 GPU 都熔掉。” 通常这类 frontier lab 的管理层会比我们提前看到新一代模型的能力。显然，AI 已经突破了某个临界点，而且事情严重到把所有人都吓住了 这个或许是我们过度解读了。但有一点是肯定的，无论如何呼吁，整个世界这么多 lab 一定不会完全步调统一、暂缓步伐

我始终觉得，人人都值得拥有 AI 平权、知识平权。这个时代已经到来了，关键是很多人还没有意识到，我建议大家今天就开始用 AI 大胆地犯错 1/ 为什么我对这个时代既感到焦虑，又欣喜若狂？高强度每天使用 10 亿 GPT-6、Fable 5.1 Token之后，这种感受越来越强烈。一个人的学历、专业和过去接触过什么，曾经很大程度上决定了ta能理解什么、参与什么。 2/ 过去没学会的，可以重新学。这难道还不是最好的时代吗？ 以前觉得“这是专业人士才能做的事”，现在可以亲手试。你甚至不必先相信自己很聪明，只需要对一个问题有兴趣，愿意追问，愿意动手验证。 3/ 当然，我也焦虑，我有时会想，这是最混乱的时代 自己花了很多年积累的能力，还有多少会继续值钱？当工具越来越强，工作会怎么变，我和身边的人又该往哪里走？参与开发和使用 AI，并不会让我免于这些担心。因为离得近，反而更难把这些问题放到一边 4/ 模型的发展，至少让我变得非常矛盾和混乱 刚刚为模型完成了一件复杂的事而兴奋，紧接着就想到，这原本可能是某个人赖以谋生的工作 所以，我希望大家能尽早接触它、理解它，有机会为自己的下一步做准备。我做这个账号，分享一线体验，把芯片、产业链和公司财报尽量讲明白，也有这层心愿 投研平权在我这里，有一个很具体的愿望：你读完我的文章，能够自己回去看材料，知道该问什么，甚至能有依据地指出我哪里想错了，知道问什么，是最重要的一步

这事很重要，长话短说：今晚加州半夜（约北京时间下午 3 点），Codex 又会迎来一次额度重置，大家快用 GPT6 Ultra /fast 开始蹬 今天我跟一个朋友聊天，ta跟我说 Codex 不让注册 200 刀了，让ta非常难受，像是吸了*，悔不当初。现在算力紧缺，好的 Token 自然得靠抢 我的读者朋友中，有很认真在看我帖子的。因此我准备来一个 AI 投研系列 101入门，把我如何把 AI 融入行业研究？分为四个章节，后面的帖子会把详细内容发出来 我的目标是做到 AI 投研平权，每个人都可以跟着做，搭建自己的投研助手。我已经开始想今晚让 GPT-6 干什么大活了。今晚继续🔥 没什么能做的，到时候我把 AI 投研平台开放出来，大家可以自己本地部署，我也送大家一点 GPT-6 和Fable 5.1 的 Token 来在线体验

@MY338833 谢谢你。分享同时也是记录我每天的思考和实践，希望我能把我的认知分享出来，在 AI 时代下，大家一起进步和学习 你的善意是鼓励我继续分享和创作的最大动力❤️

不知道你是不是跟我有一样的问题？，跟 AI 聊天，经常脑子里有一堆想法，背景没交代清楚，目标也有点模糊，聊着聊着就散了。 我思考下来，其实缺的就是一个用户记忆的体系化管理 如何解决这个问题？这个帖子分享我本人的最佳实践，只是一句 prompt复制给你的 AI 就好，使用下来效果非常的惊艳，希望能帮到你 如果使用效果也给你带来了惊喜，欢迎分享出来你的使用体验！ 把下面直接复制给 Codex（或者任何 AI） '''根据你已经了解的我，对我做一次深入访谈，重点问那些你还不了解、但会影响你帮助我的背景、目标和困惑。一次问一个问题，让我自由回答，适合时给选择题。根据我的回答继续追问，遇到含糊或矛盾的地方，让我举具体例子。每聊清一个主题，就帮我梳理已知信息、还没想清楚的问题，以及接下来可以做什么。把我明确说过、确认过的信息整理进项目的记忆文件，方便以后接着聊，没确认的继续问''' 这几天一直拿它让 Codex 拷打我自己，帮我捋清了不少思路。有些问题，它问出来之前，我自己都没想过 总之，真的建议大家试试！

@Wu15961741 我个人认为这个大方向一定是对的。GPT-6 降智和 OpenAI 取消暂停 200 刀会员申请，绝对是一个没有被市场充分 price in 的信号，因为它刚刚发生，还没有传导开 但个股依然值得钻研，难以下一致的结论，我也打算深挖一下这个方向