【全篇译文】当软件开发变得极其廉价时，如何打造人们热爱的产品

我一直在思考 Meta，以及多年来他们是多么冷酷无情地将其他地方行之有效的机制拿过来、变成自己的。

Stories（快拍）在 Snapchat 跑通了，他们就把它塞进全家桶所有产品。短视频在 TikTok 跑通了，他们就重仓全力做 Reels。公开文字流跑通了，他们就造出 Threads。类似的例子不胜枚举。

人们谈论起这件事时，通常觉得 Meta 抄袭抄得毫无羞耻心——这话说得倒也没错。但我认为，在他们这套做法之下，埋藏着一个实用得多的深层教训。

Meta 是一家纯正的消费级产品公司。他们的商业模式完全取决于能否参透一件事：究竟是什么在驱动人们去创造、去分享、去建立连接、去消费内容、去反复回来，并在他们的产品里花上更多时间。

当别人花了数年时间、砸了真金白银，终于摸索出一种大众显然极度喜爱的全新行为习惯时，Meta 凭什么不去把它彻底研究透彻？

别人已经替他们完成了那部分最昂贵、成本最高昂的“探索与试错”工作。

从某种奇妙的角度来看，Meta 实际上把整个消费互联网行业，当成了自己一个巨大的外部产品实验室。

我认为，每一家软件公司未来都需要学会以某种形式掌握这项能力，而且必须做得越来越好。

软件开发正变得前所未有地容易，现有的产品研发范式不可能再按老一套继续运转下去了。

过去，很大一部分稀缺性来自“工程实现”。你可能有十个听起来很棒的点子，但在工程运力上，顶多只能严肃推进其中的两个。高昂的研发成本，不管你喜不喜欢，都会强行逼你做出大量的优先级取舍。

这一切正在飞速瓦解。

AI 智能体（Agents）现在已经能够构建原型、埋点打桩、测试实现、审查代码、修复故障，并承担越来越多围绕软件生产的实际工作。我预计这个演进速度只会越来越快。

最终，对于大部分软件而言，“我们能做出来吗？”将变成一个相当无聊的问题。

于是，我们只剩下了那个自始至终其实都更难的问题：

“我们应该做它吗？”

我认为，事情正是在这里开始变得引人入胜。

每天都有成千上万家软件公司，正在替我们进行着各种各样的产品实验。

他们正在耗费自己的时间与资本，去探索更优秀的方案：如何引导新用户、如何培养习惯、如何协作、如何审查成果、如何建立信任、如何分享、如何发现、如何验证、如何委派工作、如何积累声誉、如何构建双边市场、如何实现个性化体验、如何给予反馈、如何把单人流程变成多人协同——以及你能想象到的软件内部的几乎所有行为。

而我们，可以把这一切尽收眼底。

我绝不是指拉一张竞品功能对比表，然后照葫芦画瓢把看起来酷炫的东西全抄一遍。那可能是把一款好产品变成一坨狗屎最快的途径。

真正耐人寻味的地方，是看穿浮在表面的功能之下，深层运转的“行为机制”（Mechanic）。

以 Pull Request（PR 代码合并请求）为例。

表层看，它只是一个开发者工具功能。但在底层机制上：有人提交了一份工作成果倡议，该成果对其他人变得可见，反馈意见被直接挂载在成果之上，其他人可以异步审查它，审核通过会改变其状态，而整个流转历史在此后被永久保存。

这种“底层机制”的适用范围，远远超出了软件工程开发本身。

你可以把它的各种变体应用到 AI 生成内容审查、营销方案协同、财务审批、设计走查、法务合规、运营流程、研究报告，以及无数其他事物上。

Stories（快拍）是另一个显而易见的例子。

它最精妙之处，从来不是“照片或视频在 24 小时后消失”这个表面参数。其核心机制在于：它降低了创作的心理压力，从而让人更愿意分享；进而让消费这批动态变得极其丝滑轻松；它让创作者看到谁看过了，赋予了人们极轻量的互动回复方式，并为后续再次分享创造了新的契机。

在可见的功能皮囊之下，潜藏着一整套精密的人类行为驱动系统。

一旦你开始以这种视角审视软件，所谓的“行业品类划分”就变得无关紧要了。

一款游戏可以给企业级软件上课；GitHub 可以给 AI 公司灵感；TikTok 能给科研工具启发；交易市场能教会 Agent 智能体产品如何建立信任。消费级社交产品更有大把经验可以传授给 B2B 软件：如何让用户付出更多贡献，却完全不觉得这是在“工作”。

从本质上讲，你是在寻找那些已被事实证明能够改变人类行为的心智引擎与机械装置。

然后，你去研判：这套行为引擎，能否助力你自身产品中至关重要的某种用户行为？

这一步至关重要，因为每家公司真正应当关心的核心命脉截然不同：

Meta 花费巨量心力关注“注意力”，因为注意力直接挂钩他们的广告收入；
一款 AI 产品可能关心“用户是否足够信任 Agent，敢于将越来越重要的工作委派给它”；
一家双边市场平台可能关心“每次成功的交易能否让下一次交易的信任门槛进一步降低”；
一款数据分析产品可能关心“如何将数据证据转化为决策，再将决策转化为业务改善”；
一家做团队协同软件的公司可能关心“当前工作是否留下了足够充实的上下文，以便下一个人接手时无需再开一场会议”。

不管是什么，先搞清楚你真正渴望发生的用户行为。然后，像猎人一样去全网搜寻能够催生该行为的底层机制。

我预见到，未来的公司最终会拥有属于自己的整套“行为机制库”：
- 这项机制能够在不提供巨额奖励的情况下提升贡献率；
- 这一项能够消除人们分享未完成半成品的焦虑；
- 另一项能够让交叉验证的发生概率大幅提高；
- 有的机制把声誉积累作为正常使用过程中的副产品；
- 有的机制能将单人工作流天然改造成多人协同；
- 还有少数机制必须在网络密度足够高时才生效；
- 还有些机制在游戏里无往不利，但一旦搬到生产力软件里就会彻底溃败。

随着时间推移，它很可能演化成一张复杂的知识图谱而非单纯的索引库——尤其是因为 AI 能协助我们盯住整个软件世界，其监视广度是任何人工产品团队单打独斗都绝不可能企及的。

一个 Agent 可以时刻监控全网的产品发布、更新日志、界面截图、Demo 演示、应用评价、用户吐槽、开源项目、App Store 版本迭代，以及任何我们投喂给它的信号。它可以开始挖掘模式、拆解机制、将它们与我们关心的行为建立连接，并最终提议如何将它们转译到我们自己的产品中。

然后，另一个 Agent 可以直接把原型代码敲出来。

当你把全过程写下来时，听着可能有点科幻；但实际上我们距离其中很多拼图已经足够接近，以至于这个大方向并不难预见。

有趣的地方在于：对我而言，所有这些演进，反而让“人性的那一面”变得前所未有地重要。
- 当制造变得廉价时，判断力（Judgment）反而更加值钱。
- 当你可以添加几乎任何功能时，品位（Taste）显得更为关键。
- 当你能够优化上百种不同指标时，知道“哪一种行为真正举足轻重”才是胜负手。
- 理解“某事物为何在别处有效”，远比仅仅注意到“它在别处有效”要深刻得多。
- 而懂得在什么时候“离那个该死的产品远一点、别去乱加功能”，或许会成为所有产品技能中最昂贵的一种。

我还认为，这意味着极其无情的优先级排序（Ruthless Prioritization）会变得更加关键——这听起来第一反应可能有些反直觉。
长期以来，“工程运力的稀缺性”实际上把我们从自我毁灭中拯救了出来。一大堆平庸至极的烂点子之所以没有被做出来，纯粹是因为工程师根本没时间做！
我们正在失去这层天然的保护屏障。
我们即将变得极其擅长——以惊人的速度，将糟糕的想法快速构建出来。
这很可能会催生出一整批全新的臃肿怪胎产品——由那些把“有能力做出来”当成“它有理由存在”的团队亲手制造。

我愿意下注押注的公司，是那些在“学习闭环”（Learning Loop）上极度擅长的公司：
在世界的某个角落看到有趣的事物。参透其底层真实运转的机制。形成关于“它为何对你的用户至关重要”的假设。打造能验证它的最小可行雏形。把它推到真实用户眼前。测量到底发生了什么改变。不论这个点子最终成败与否，都把得到的认知沉淀下来。
然后再来一遍。

Meta 之所以摸索出了一套解法，是因为他们的生意逼得他们不得不这么做。他们当年的《小红书》（内部文化手册）里写满了：冷酷无情的优先级取舍、持续交付交付交付、唯快不破（唯迅捷者得天下）、代码终结争论、万事皆可质疑——当我透过如今这个视角回看时，那些信条突然变得合理得多了。

他们打造了一个能够敏锐洞察人类行为变迁、一旦捕捉到关键信号便闪电行动、且在过程中持续进化的敏捷组织。
AI 即将让类似的机制，成为几乎每一家软件公司的必备武装。
整个软件工业界，正在变成一个供你参谋与学习的巨大外部研发实验室。
全世界所有人都在帮你测试什么行得通。
亲自去写代码验证它的成本，每一天都在变得更加低廉。
这意味着：知道“什么东西配存在于这个世界上”，其重要性将超越以往任何时代。

做出更优决策的底层法则。
每天，你都会做出数百个决定。有些微不足道：读哪本书、关注谁、听哪期播客。
有些则会彻底颠覆你的人生轨迹：选择哪条职业道路、与谁共事、创立什么公司、把时间投资在何处。
大多数人以为，更明智的决策源自拥有更多信息。
并非如此。
它源自更高级的思考方式。正因如此，面对完全相同的境遇，不同的人会做出截然不同的抉择。
有人看到风险，有人看到机遇。
有人看到死胡同，有人造就了估值十亿美元的商业帝国。这其中的差距通常无关智商，而在其思考所运用的思维模型。
1：第一性原理思考（First Principles Thinking）
人们常犯的最大错误之一，就是习惯以“大家都是怎么做的？”作为思考的起点。不妨换个提问方式：
“最根本的事实是什么？”
这正是第一性原理思考的核心机制。
它不是去盲目复制现有的解决方案，而是将问题层层剥离至最本质的底层真相，然后以此为基石重新构建认知。
例如：
许多创业者认为，必须先拿到投资才能开启创业。
但事实果真如此吗？未必。或许他们真正急需的，是找到第一批愿意买单的客户。
许多人认为，开办公司必须有一间实体办公室。
但事实果真如此吗？还是说，其实只需要一台笔记本电脑和畅通的网络连接？
一旦你不再全盘接受预设假设，而是开始对其提出质问，你就能找到绝大多数人甚至从未设想过的破局之法。不要被动继承他人的预设立场，去构建属于你自己的基石。
2：机会成本（Opportunity Cost）
每一项决定背后都标着隐形的代价，因为你选择了它，就必然牺牲了它所替代的一切。
看奈飞（Netflix）不单单是在看剧，而是你选择了娱乐，放弃了掌握一项新技能。
买一部新手机不单单是买设备，而是你选择了消费，放弃了将这笔资金投向他处获取增值的可能。
漫无目的地刷三小时手机不只是消遣，那也是你原本可以用来写作、构建、学习或结识新朋友的三小时。
每一次对当下的“承诺”（Yes），都自动意味着对其他可能性的“拒绝”（No）。一旦你不再从“单次消费”的角度，而是从“权衡取舍”的维度审视选择，你的决策逻辑就会变得豁然开朗。
理解机会成本，并不是要你在每次放松时都心怀愧疚，而是让你变得目标明确、心存笃定。因为你最终塑造的人生，不过是你一次又一次排他性选择的必然结果。
3：二阶思维（Second-Order Thinking）
绝大多数人仅仅依据眼前能直接看到的“第一层结果”来做决定。而最卓越的决策者，总是会向前多看一两步。
例如：
不去参加某场行业峰会，能为你省下500美元。这是“第一阶效应”。
但接下来会发生什么？
你错过了那位日后可能成为你最大客户的创始人；
或者错过了那位本可以为你引荐未来合伙人的投资人；
抑或是那位日后本会与你并肩作战的联合创始人工程师。
世间万象，莫不如此。发表一篇普通文章或许不会立刻改变你的人生。但这一篇文章可能会促成一次关键连接，这次连接会催生一个全新契机，而这个契机，将彻底改变你未来的职业轨迹。
大多数改变人生的重大转折，发生的那一刻往往看起来平平无奇。它们的真正价值，唯有在日后回溯时才会清晰显现。
因此，最明智的决策往往不是能带来最大即时回报的那个，而是能在未来为你衍生出最多可能性的那一个。
4：复利效应（Compounding）
一次健身不会改变你的体型；一篇文章不会树立起你的个人品牌；一场交谈不会构建出你的人脉网络；一本书也不会彻底改变你的一生。正因如此，绝大多数人才会过早放弃。
他们总是妄想从那些唯有历经数百次反复锤炼方能显现价值的事情中，索取即时反馈。
反之亦然。偶尔拖延一天看似无关痛痒，漫无目的地刷上一小时负面资讯也不会毁灭人生。
然而，一旦这些微小的举动被无数次重复，它们便会在无形中构筑起你的未来。复利机制始终在运转，无论你培养的是良性习惯还是恶性劣习。
唯一的问题在于：你每日的细微抉择，最终正在复合成怎样的结局？
没有人的卓越是靠某一个非凡之日造就的；他们的非凡，源于将平凡的日常年复一年地恒久坚持。
5：利益动因（Incentives）
如果你想看清人们行事的真正逻辑，就别只停留在听他们说了什么。
看看这背后的利益链条指向何方。
网红推荐某款产品，动机何在？
创始人宣称所有初创企业都应该引入风投资金，动机何在？
公司声称回到办公室现场办公效率更高，动机何在？
博主大谈特谈鼓励你明天就辞职创业，动机何在？
任何观点的输出，都难逃其背后的利益诱因。
这并不意味着人们都在弄虚作假，它只是表明：每一个建议的提出，必然受制于倡导者自身的目标诉求、商业模式或价值视角。
一旦你开始深思“如果我相信了这番话，究竟谁会从中获益？”，你筛选信息的效率就会成倍提升。
你将不再盲目盲从建议，
而是开始深刻洞悉建议背后的根本动机。
6：概率思维（Probabilistic Thinking）
人们常犯的另一大严重错误，就是非要等到自己拥有100%的确定性才肯行动。然而，绝对的确定性几乎从未存在过。
投资人无法预知哪家公司会成为下一个超级独角兽；
创始人无法保证自己的创业项目绝对能够跑通；
创作者也无法断定哪一条内容能彻底引爆全网。
但他们依然果断抉择。人生从来不是在追求绝对的笃定，而是不断提高赢面。
不要再问“这能成吗？”，而是要问“这是否能提升我成功的概率？”
打造个人品牌或许无法确保成功，但它能提升你的胜算；
去参加行业峰会或许无法颠覆生活，但它能增加你的几率；
多去拜访一位创始人或许不会催生你的下一家企业，但它拓宽了成功的可能。
最终的胜出者，从不是那些能够精准预见未来的人，而是那些始终如一、不断下注于高胜率选项的人。
7：逆向思维（Inversion）
顶级决策者不会永远只做正向推导，有时他们反向思考。在探寻“如何才能成功”之前，他们会先精准锚定那些“几乎必然导致失败”的行为模式：
从不公开发布产出；
从不倾听用户声音；
从不涉足任何风险；
从不对现状提出质疑；
从不迈出第一步。
只要彻底避开这些致命陷阱，你就已经超越了绝大多数人。
以下是我真正希望你能从中汲取的核心精髓：
你所做出的每一个决定，无论其多么微小，长远来看都在暗中重塑你职业生涯的轨迹。正因如此，越早建立这套思维框架就越至关重要。学会如何思考，明智的决策自会水到渠成。最终，你所期待的结果亦将如期而至。❤️

你应该去卖那些无聊透顶、根本没人愿意聊的知识付费产品。
税务、保险、许可证审批、合规审查、行业监管法规。
这才是真正暴利的金矿所在。
可你却对这些视而不见，一心只想去教什么“AI 提示词”和“效率提升秘籍”。
让我来告诉你，为什么在商业世界里，“枯燥乏味”永远都能暴打“光鲜亮丽”。
以下是所有人都会忽略的底层商业逻辑：
光鲜赛道：“如何用 AI 让你的工作效率提升 10 倍”
全网有 50,000 门课程在教这个。
价格被严重内卷打压到 27 至 47 美元。
买家全是一群口袋空空、对自我提升走火入魔的穷小子。
看不到清晰的投资回报率（ROI）。
市场极度饱和。
枯燥赛道：“如何每年将你的房产税评估额降低 5,000 至 15,000 美元”
全网总共可能也就 20 门课程。
客单价可以定在 297 到 997 美元。
买家全都是手里有真金白银的房产所有者。
带来即时可感的 10 到 50 倍投资回报率。
真正的蓝海市场。
你正在和 50,000 个对手拼个你死我活，只为了卖出 47 美元的微薄订单；
而那些枯燥冷门的分支赛道，只有 20 个竞争者，每单却能轻松进账 997 美元。
这笔经济账，根本就不是一个维度的较量。
为什么枯燥的领域反而是印钞机？
原因一：人们愿意花钱来“规避痛苦”，而不是为了“追求享乐”。
光鲜赛道 = 追求收益（生产力、增长、效率优化）。
枯燥赛道 = 规避损失（税费支出、法律纠纷、合规暴雷）。
心理学上的“损失厌恶”强度，是“追求收益”动机的 2 到 3 倍。
人们为了避免 10,000 美元的实质损失所愿意付出的代价，远高于为了获取 10,000 美元的潜在机会所付出的成本。
这就是人性心理。
枯燥赛道 = 帮助客户避免惨痛的财产损失。
光鲜赛道 = 帮助客户追逐虚无缥缈的收益。
在客户的“付费意愿”上，枯燥赛道完胜。
原因二：枯燥赛道对应的问题，代价极其高昂。
效率提升技巧失效了：你不过是浪费了 30 分钟。
税务筹划策略失败了：你多给美国国税局（IRS）冤枉交了 8,000 美元。
保险理赔被拒了：你实打实地损失了 40,000 美元。
施工许可证被驳回了：整个项目延期 6 个月，造成 50,000 美元的硬性成本。
行业合规违规了：直接领到一张 100,000 美元的罚单。
这些绝不是那种“顺手解决最好”的痒点问题；
这些是“能让你凌晨三点惊醒、冷汗直流”的致命痛点。
面对代价高昂的问题，人们绝对愿意支付极高的溢价来寻求解决方案。
原因三：全网都在跟风追逐热门，枯燥赛道几乎零竞争。
所有人都削尖了脑袋想教：
AI 课程（10,000 门课程）
效率提升（25,000 门课程）
社交媒体增粉（50,000 门课程）
网络赚钱副业（100,000 门课程）
而几乎根本没人去教：
LLC（有限责任公司）税务优化策略（全网可能也就 50 门课）
商业保险理赔申诉实操（全网可能也就 10 门课）
多户住宅施工许可证申报流程指南（全网可能也就 5 门课）
面向小型承包商的 OSHA 职业安全合规指南（全网可能也就 15 门课）
枯燥 = 没有竞争对手 = 拥有垄断性的定价权。
光鲜 = 极度内卷饱和 = 只能陷入恶性的价格割喉战。
原因四：你的买家手里真正有钱。
谁在买效率提升课：22 岁、年薪 3.5 万美元、幻想着靠时间管理走向人生巅峰的职场新人。
谁在买税务优化课：年收入 20 万到 50 万美元、迫切想把更多利润装进自己口袋的企业主。
谁在买保险指南：坐拥 50 万美元以上高价值房产的业主。
谁在买许可证审批策略：年营收超 200 万美元的工程承包商。
枯燥赛道的买家手里握着实打实的“预算”。
光鲜赛道的买家手里攥着的只有虚无的“希望”。
带着预算来的人，不仅转化率高得惊人，而且完全不在乎更高的客单价。
原因五：这类信息存在真正的“稀缺性”。
效率提升的小技巧：YouTube、Twitter、TikTok 上满大街都是，全免费。
税务筹划策略：分散在晦涩的国税局官方文档、会计师博客和专业论坛的角落里。
保险理赔底层流程：被各大保险公司故意层层隐藏、设置信息壁垒。
许可证申报要求：深埋在繁杂的市政法典中，且各辖区标准千差万别。
行业合规条例：充斥着跨部门法律术语的晦涩天书。
枯燥领域的信息极难搜寻，更极难被普通人理解。
这种稀缺性，本身就是巨大的价值。
人们非常乐意为一份整理得井井有条、清晰透彻、拿来即用的实用版本支付高昂溢价。
真正像印钞机一样赚钱的冷门细分赛道
赛道 1：按企业实体形态分类的税务筹划
“针对年收入 20 万美元以上独立咨询顾问的 LLC 税务策略”—— 定价 997 美元
- S-Corp（S类公司）身份选举的最佳时机
- 合理薪酬的科学测算模型
- 成本扣除与抵税方案极致优化
- 季度预估税的缴纳策略
每年能帮客户省下 15,000 至 40,000 美元的税费。
目标市场：全美年收入超 20 万美元的独立咨询顾问超过 50 万人。
哪怕只有 0.1% 的转化率 = 卖出 500 份 = 营收 498,500 美元。
赛道 2：保险理赔攻防全指南
“房主保险最大化获赔实操系统”—— 定价 497 美元
- 真正有法律杀伤力的现场存证与文档准备
- 与保险公估人博弈的谈判话术
- 聘请第三方公估人还是自行理赔的决策模型
- 理赔遭拒时的终极申诉模板
平均能帮客户提高 10,000 至 50,000 美元的理赔到账金额。
目标市场：全美每年有数百万业主提交各类保险理赔。
其中只要有一小部分人想要争取利益最大化，这就是一片巨大的蓝海。
赛道 3：行政许可证极速审批通道策略
“餐厅开业审批通关极速指南”—— 定价 1,497 美元
- 卫生部门一次性审查通过的实战技巧
- 酒类经营许可证申请的高效通关攻略
- 消防部门审查严苛标准的应对方案
- 建筑施工许可证的一揽子打包报批策略
能将原本漫长的 9 个月审批期直接压缩至 3 个月。
目标市场：全美每年新增 3 万家以上的新餐馆。
每一家店都急疯了想要提前开业止损。
花 1,497 美元能抢回 6 个月的宝贵时间，对他们来说便宜得如同白送。
赛道 4：行业合规体系极简落地
“面向小型私人诊所的 HIPAA 医疗合规全套方案”—— 定价 1,997 美元
- 区分哪些是硬性刚需，哪些是过度合规的无效成本
- 即拿即用的合规档案与制度模板
- 诊所员工全套合规培训闭环体系
- 应对突击审查的预案与准备
能帮诊所直接规避 50,000 到 250,000 美元的巨额罚单。
目标市场：全美有超过 20 万家小型医疗机构。
绝大多数要么在违规裸奔，要么每年花 1 万美元以上养着昂贵的外部顾问。
这套 1,997 美元的自主实操版方案，对他们而言是不折不扣的救命稻草。
赛道 5：专业法律流程自主申报
“告别 3,000 美元律师费的自主商标注册指南”—— 定价 697 美元
- 美国专利商标局（USPTO）申报战略全景
- 商标类别的最优选择与避坑技巧
- 审查意见通知书（Office Action）的标准回复模板
- 常见被驳回情形的针对性补救措施
直接帮客户节省 2,000 至 5,000 美元的律师代理费。
目标市场：全美小型企业每年提交的商标申请超 5 万件。
绝大多数人要么被律师狠宰，要么自己申请时搞得一塌糊涂。
赛道 6：城市区划与土地开发规制
“加州业主附属住宅单元（ADU）审批全攻略”—— 定价 897 美元
- 深入拆解加州各地方辖区的特殊规定
- 能够顺利通过规划部门审查的图纸设计要点
- 周边邻里公示与沟通的避障策略
- 土地规划特许豁免（Variance）申请模板
直接为房产解锁 10 万到 30 万美元的潜在增值空间。
目标市场：成千上万的加州房主都想在自家后院加建 ADU。
但所有人全被复杂繁琐的法规条文搞得晕头转向。
赛道 7：企业员工福利体系优化
“10-50 人规模企业健康医疗保险采购指南”—— 定价 1,497 美元
- 各家保险方案的量化对比决策框架
- 与保险经纪人博弈的压价谈判策略
- 企业保费支出的终极优化手段
- 政策合规性的全面排查清单
每年能帮企业省下 30,000 到 100,000 美元的保费开支。
目标市场：全美这一规模区间的企业超过 50 万家。
由于搞不清楚复杂的险种条款，绝大多数老板每年都在当冤大头。
以上每一个细分赛道都有着共同的特质：
无聊至极；
几乎没有任何像样的竞争对手；
买家火烧眉毛且手里握着充足的预算；
高昂的溢价完全合情合理；
具备肉眼可见、立竿见影的投资回报率。
对比之下，你还在苦哈哈地做着 AI 效率课，和 10,000 个同行抢着卖 47 美元的廉价地摊货。
枯燥赛道的内容营销策略
你不需要去发那些无病呻吟的心灵鸡汤。
你要输出的是能够展现极高专业度的“硬核知识与实战教学”。
内容三大核心支柱：
50% 的内容围绕“避坑防错”：
- “5 个每年让你多交 10,000 美元以上税款的 LLC 致命错误”
- “为什么你的保险理赔会被拒赔（以及该如何起死回生）”
- “会导致你的开工许可证拖延 6 个月的报批大忌”
30% 的内容围绕“流程深度拆解”：
- “房产税评估的真实底层运作机制到底是怎样的”
- “保险公司理赔公估人绝不会告诉你的内部核赔流程”
- “不同行政辖区下许可证审查的真实时间线”
20% 的内容围绕“成功案例复盘”：
- “这位业主是如何通过这套策略每年省下 12,000 美元房产税的”
- “使用这个沟通策略，我们如何把 15,000 美元的赔付额硬生生谈到了 48,000 美元”
- “原本需要跑 9 个月的 20 万美元项目，如何在 45 天内顺利拿到许可证”
0% 的生活方式炫耀：
没人关心你的早起晨间习惯是什么。
他们在乎的是怎样在税表上省下整整 10,000 美元。
枯燥的领域，就做枯燥专业的内容。
但必须是“能够解决昂贵问题”的硬核内容。
为什么大多数人根本做不来这个？
心理障碍 1：“这玩意儿不够炫酷，不符合我个人品牌的调性。”
你那个光鲜亮丽的个人品牌，一个月只能赚 3,000 美元。
而一个枯燥的专业领域，一个月能给你带来 40,000 美元的进账。
选吧：你是要光鲜地受穷，还是要枯燥地暴富？
心理障碍 2：“我在这些专业领域根本就不是专家啊。”
那就去找懂行的人“合作联手”。
找懂税务筹划的注册会计师；
找精通理赔核算的离职公估人；
找熟悉审批报建的老工程承包商。
你来全权负责营销获客与产品交付形态的打磨；
他们负责提供硬核的专业技术与行业积淀。
50 万美元的盘子五五分账，每人净赚 25 万美元，不香吗？
心理障碍 3：“感觉这个受众盘子太小了。”
它看起来小，只是因为它极其“垂直聚焦”。
但垂直就意味着高浓度聚集，意味着极容易触达目标群体。
服务一个由 50,000 个腰包鼓鼓的富人构成的“小”市场；
永远好过服务一个由 5,000,000 个身无分文的屌丝构成的“大”市场。
心理障碍 4：“前期需要做的调研工作量实在太大了。”
没错！
但这恰恰就是该领域完全没有竞争对手的核心原因！
这也是你能心安理得收取高昂客单价的底气所在！
极高的准入门槛 = 绝对的定价权。
心理障碍 5：“如果政策法规变了该怎么办？”
那不是产品的缺陷，而是这门生意最顶级的“护城河特征”！
法规变动 = 你的课程迎来绝佳的迭代更新契机。
把更新后的版本作为升级包再次售卖，或者顺势进行高阶向上推销（Upsell）。
这是天然的持续复购与周期性现金流来源。
如何做好冷门领域的销售定位？
千万不要定位成：
“带你系统学习税务知识”——听起来就像是在受刑。
“搞懂复杂的保险机制”——谁在乎这个？
“精通各类许可证审批”——枯燥透顶。
你必须定位成：
“今年合法帮你省下 15,000 美元的税费支出”——直击具体交付成果。
“让你的保险理赔账户凭空多进账 30,000 美元”——真金白银落袋。
“让你的餐厅提前整整 6 个月开门营业”——帮他抢回真金白银的时间。
永远聚焦在“商业结果”上，而不是“学科知识”本身。
人们从来不买什么税务教育；
他们买的，是“把自己辛辛苦苦赚来的钱稳稳留在兜里”。
定价心理学
枯燥的赛道之所以完全支撑得起昂贵的高客单价，是因为：
问题带来的损失代价，远远大于解决方案的购买价格。
花 997 美元买的课程，第一年就能帮他省下 15,000 美元 = 首年就实现 15 倍的 ROI。
花 1,497 美元买的操作指南，能帮餐厅老板省下 6 个月的空耗期 = 对老板而言这价值连城。
花 697 美元建立的合规体系，能直接避开一张 50,000 美元的罚单 = 简直划算到了极点。
只要投资回报率清晰直观，价格本身根本无关紧要。
反观那些看似光鲜的赛道：
一门效率提升课，可能一周能帮你挤出 2 个小时的摸鱼时间；
这玩意儿在财务账面上怎么算 ROI？
你根本没法算。
高客单价永远建立在清晰量化的 ROI 之上。
而枯燥的领域，有着全天下最硬核、最直观的投资回报率。
流量分发的天然壁垒优势
枯燥领域的受众往往具有“极高的社群集中度”：
税务筹划：聚集在企业主论坛、财务社群、创业孵化组织中。
保险理赔：聚集在房主维权群、公估人探讨圈子、不动产投资者协会中。
开工许可：聚集在建筑承包商论坛、施工方协会、地方商会网络中。
行业合规：聚集在行业垂直细分协会、各类职业认证俱乐部中。
你根本不需要像无头苍蝇一样去全网寻找“所有对提升效率感兴趣的泛大众”；
你的精准画像直接锁定在“正在申请保险理赔的加州房屋业主”。
画像越精准垂直，客户就越容易被一网打尽；
画像越宽泛大众，流量就越发散涣散、无法变现。
后端极具纵深的商业化路径
枯燥赛道的产品体系有着惊人的业务纵深：
前端低价产品：697 美元的自主实操指南
中端进阶产品：1,997 美元的陪跑式协同辅导（Done-with-you）
高端交付服务：5,000 美元的全托管代办服务（Done-for-you）
终极咨询业务：10,000 美元以上的长期常年顾问服务
枯燥赛道客户的标准成长路径：
先花钱买指南尝试自己搞定，发现实际操作依然专业繁琐，于是顺理成章升级为协同辅导客户，最终彻底购买高价代办与长期咨询服务。
单个客户终身价值（LTV）：从 697 美元 → 1,997 美元 → 5,000 美元 = 7,694 美元。
反观光鲜赛道：卖一门 47 美元的课，从此杳无音信，终身再无任何复购。
看看真实的财务数据账单
以极度保守的模型来测算一个冷门赛道：
每月卖出 50 份实操指南（单价 697 美元）= 34,850 美元
每月卖出 10 份陪跑辅导（单价 1,997 美元）= 19,970 美元
每月成交 3 单代办服务（单价 5,000 美元）= 15,000 美元
月总营收：69,820 美元。
这仅仅来自于深耕“一个”极其无聊的垂直赛道。
如果采取激进的打法：
每月卖出 150 份实操指南 = 104,550 美元
每月卖出 30 份陪跑辅导 = 59,910 美元
每月成交 10 单代办服务 = 50,000 美元
月总营收：214,460 美元。
依然还是深耕同一个无聊的领域；
无非是跑通了更广的渠道分发，提升了销售转化效率而已。
你试着用教效率提升课的方法，去那群兜里只有几十块钱的 23 岁穷小子身上榨出这个收入试试看？
商业世界的高维本质真相
所有人都一窝蜂地涌向那些光鲜亮丽的赛道。
这恰恰就是你必须毫不犹豫地逆行冲进枯燥赛道的终极原因。
别人向左走的时候，你必须向右走。
当全世界都在教 AI、教效率、教认知的时候；
你潜下心来教 LLC 税务架构搭建，教各类施工许可证极速审批实操。
枯燥 = 绝对的商业蓝海 = 高额的客单定价权 = 极低的同行竞争 = 极其优质的高净值客户。
光鲜 = 惨烈的恶性红海 = 价格被无限压缩 = 杀不完的同质化对手 = 普遍付费能力极差的白嫖用户。
选择权显而易见。
但大多数人注定会对这番话置若罔闻；
因为在他们的潜意识里，让自己看起来“很酷”，远比“真正赚到真金白银”重要得多。
“你是做什么的？”
“我是教别人如何做 LLC 企业税务优化的。”
对比：
“我是教别人如何利用 AI 打造十倍效率生产力的。”
前者听起来枯燥至极；
后者听起来新潮时髦。
但干枯燥活的人，每年稳稳落袋 20 万美元现金；
追赶时髦的人，一年到头累死累活只能挣 1.5 万美元糊口。
想清楚你到底要什么。
别再盲目追逐那些浮夸的时髦玩意儿了；
赶紧掉头，去彻底吃透并统治那些看似枯燥的领域。
真正的财富密码，全部藏在那些根本没人愿意聊的脏活累活里。
税务、保险、各类许可证、行业合规、法律法规。
这些才是取之不尽的商业金矿。
当所有人都在为了一点点 AI 课程的残羹冷炙打得头破血流时；
你完全可以一人独霸“德州房主降低房产税实战指南”这片巨大的处女地；
每年躺赚 100,000 美元以上的高额利润；
仅仅通过向一群兜里有钱但焦头烂额的业主们，
传授全天下最枯燥、最乏味、最无人问津的硬核干货。
这才是真正高维的商业打法。
刚刚上线了【AI HUB】，里面涵盖了所有深度实操细节 —— 私信发送 "HUB" 立即加入。
·
查看

互联网搞钱 30 条军规
【基石篇】
1. 掌握一门硬技能
网页设计、营销推广……任何可以用来接单变现的技能都行。最关键的是确保银行账户里有现金，这样你才能抵御未知的风浪。
2. 招人之前，自己先搞懂
如果你对自己员工岗位的门道一无所知，那就准备好交学费亏钱吧。
3. 定高目标，再放大 10 倍
如果你想要月入 1 万美元，就把目标定在月入 10 万美元。
4. 行动要快，越快越好
失败得越快，成功得也就越快。
5. 永远别贪图安逸
让自己的个人银行账户保持精简。“紧迫感”与“缺钱感”才是推动增长的终极动力。
【创造篇】
6. 保持极致简单
专才永远比通才赚得多。最顶级的优秀产品，往往只把“一件事”做到极致。
7. 读懂你的客户
他们是通过什么途径找到你的？他们为什么退订流失？每一个答案，都能帮你进一步优化转化漏斗（从而赚到更多钱）。
8. 打造用一句话就能讲清楚的产品
如果你做不到用一句话概括，就果断换个新项目。
9. 品牌调性要连你奶奶都能看得懂
名字要清晰直白，Logo 要极简易懂。客户在看到你网站的前 3 秒内，就已经做出了决定。
10. 看似枯燥的业务最赚钱
因为人们愿意花钱买单的，往往都是那些枯燥乏味但必不可少的事物。
11. 做“卖铲人”
看清所有人都在追逐的浪潮，然后把冲浪板卖给他们。
12. 复制已被验证成功的模式
先行者负责踩坑试错，快速跟进者负责收割赚钱。
13. 学会灵活掉头
市场会明确告诉你该做什么，你唯一要做的就是倾听。
【金钱篇】
14. 前期直接收费
免费用户极少转化为付费用户。只有肯付钱的用户，才能支撑你的日常开销。
15. 提高客单价
按结果收费，而不是按过程。持续提高售价，直到触碰市场的阻力上限为止。
16. 现金为王
构筑你的资金储备池——你迟早会用得上它。
17. 分散业务风险
多元化的收入来源，能让你在遭遇不可预见的意外冲击时依然活下去。
【销售篇】
18. 渠道分发就是一切
最好的产品不一定会赢，拥有最强分发引擎的产品才会赢。让自己成为顶级营销专家。
19. 打造个人 IP
人们信任鲜活的面孔，而不是冰冷的 Logo。你自己，才是唯一谁也夺不走的资产。
20. 真实是当下的硬通货
保持真诚，展现人性。在这个一切皆可伪造的人工智能时代，唯有真实才最被人们看重。
21. 用户买的是蜕变，而不是工具
没人想要一张健身房会员卡，大家想要的都是八块腹肌。直接卖给他们腹肌。
【合作与人性】
22. 合作永远坚持五五开
绑定同等深度的利益，才能激发出同等强烈的渴望。切忌心生贪念。
23. 沉默是最高级的谈判策略
报出你的价格，然后把决定权留给对方。沉默，往往是施加给对方的终极心理压力。
24. 绝不把路走绝
你今天坑掉的人，很可能就是五年后你求之不得的买家、合作伙伴或关键把关人。
【坚韧篇】
25. 提前做好失败的准备
事情“必然”会出错。那些活下来的人绝不是靠运气——而是他们早有预案。
26. 屡败屡战，持续试错
那些最终胜出的人，仅仅是因为他们经历的失败比你多得多。
27. 学会自我情绪调控
你的复盘笔记就是你的“贾维斯”（智能管家）。绝不要让情绪外溢，反噬你的生意与个人生活。
28. 优先为自由时间做优化
别忘了，最初入局的初心，本就是为了获得自由。
29. 休息也是前进的一部分
身心俱疲彻底崩溃所付出的代价，远比休一次假昂贵得多。
30. 永不言弃
除非你自己认输，否则你永远没有输。

一个LLM工程师所需的直觉，无需硬件手册。作者：Akshay（@akshay_pachaar）
Akshay 🚀
@akshay_pachaar
GPU实际上是如何工作的
一个LLM工程师所需的直觉，无需阅读硬件手册。
看完本文，像量化、投机解码和连续批处理这类技术，对你而言应该不再是一串需要死记硬背的技巧，而是顺理成章的结论。
这里有一个几乎让所有刚开始部署语言模型的人都感到困惑的问题。
你租用了一台顶级数据中心GPU。规格表显示它每秒能执行接近一千万亿次算术运算。你加载了一个700亿参数的模型，开始生成文本。你看着利用率监控，它显示很高，一切看起来都很健康。
然后你数了数token。你从这颗标称每秒一千万亿次运算的芯片上，每秒只能得到几十个token。那些算术能力几乎什么都没在做。
没有哪里坏了。你的代码没问题，驱动没问题，买更大的GPU也几乎无济于事。你看到的正是关于这类硬件最重要的事实，一旦看清了这一点，你读过的大多数性能建议就不再是技巧列表，而是显而易见的道理。
本文将从零开始构建这种直觉。我们将探讨为什么GPU是现在的形状，为什么内存和算力持续竞争，以及究竟是什么让这些机器更快。
不需要CUDA知识。我们会提到几个真实的芯片，用具体数字来帮助说明，但记住它们并非必要，而且在每个例子中，比率远比数字本身重要。
👉 先决条件。你需要理解神经网络进行矩阵乘法的概念，并知道模型权重是存储在内存中的数字。仅此而已，真的。
让我们开始吧！
一个不对称性解释了几乎所有事情
从整个设计所依赖的单一事实开始。
做算术很便宜。获取用来做算术的数据却很昂贵。
这句话第一次读到时会觉得不对。乘法听起来才是难的部分，移动一个数字听起来微不足道。在现代硬件上，情况恰恰相反，而且差距不是一点点。
一个有用的画面是一个工坊。算术单元是工作台，有数千个，挤在房间中央。数据存放在仓库里，仓库和工坊之间只有一条走廊相连。
工作台消耗材料的速度远超走廊运送的速度。增加更多工作台不会改变任何情况，因为瓶颈早已是走廊。这条走廊就是人们所说的内存带宽。
你稍后会遇到的每项性能技术，都是为了让每次往返走廊能完成更多工作。
为什么差距持续扩大
这不是暂时的工程缺陷，而是一个长期趋势。
在近几代加速器中，算术能力的增长速度远快于内存带宽。每一代新芯片能做更多的数学运算，但只能获取略多一些的数据。
所以这种不平衡每代都在加剧，而不是改善。减少数据移动的技术随时间变得越来越有价值，而原始算术能力对你预测芯片真实性能的作用越来越小。
为什么GPU有数千个简单单元，而不是少数几个精巧的单元
现在让我们看看硬件如何应对这种不对称性。
CPU的设计目标是让一串指令快速完成。它将大部分芯片面积花费在为此服务的机制上。大缓存让数据唾手可得。预测硬件让它能猜测下一步需要什么。乱序执行逻辑让它在等待时继续工作。
所有这些都服务于单一工作流，而且都在芯片面积上代价不菲。
GPU做出了相反的选择，因为它为一种具有特殊属性的工作负载而设计。在图形学中，每个像素对不同的数据运行相同的短程序。在神经网络中，张量的每个元素都接受同样的处理。
当程序在数百万个数据元素上完全相同时，你不再需要为每个元素配备一个控制器。一个控制器就可以引导数千个算术单元，在同一指令下对不同值执行操作。
这就是全部诀窍。GPU去除了CPU携带的大部分控制机制，并将腾出的面积转而用于算术单元。
在原始数量上的对比是惊人的。高端服务器CPU一次能推进几百个线程。数据中心GPU在类似的功耗预算下，每个时钟周期能推进数万个线程。
代价是GPU的线程是更弱小的东西。它不能独自行走，本身也并不快。它只是一台极其宽广、非常简单的机器中的一条车道。
👉 有一个术语值得学习，因为你到处都会看到它。线程不是一次调度一个。硬件将它们以固定的32个为一组处理，这组线程步调一致地移动，共享一条指令，这样一组32个线程被称为一个warp。这就是全部定义，也是芯片实际工作的单位。
这在哪里会出问题
由于一个warp共享一条指令，其中的32个线程无法在执行什么上产生分歧。
如果你的代码根据数据分支，而一个warp中的某些线程走一条路径，另一些走另一条，硬件会依次执行两条路径。它会关闭不在当前路径上的线程，让它们闲置，不产生任何输出。
这个warp耗费的时间是两个分支耗时的总和。
只有当分歧发生在warp内部时才会花费你代价。不同warp走不同路径是免费的。在实践中，这意味着在紧凑的内层循环中进行数据依赖的分支是值得避免的，而且当你调用库操作而不是自己编写内核时，你很少会遇到这种情况。
GPU不会缩短等待时间，而是让等待变得不可见。
我们已经说过获取数据很慢。CPU和GPU都面临同样的物理延迟，但处理方式截然相反。
CPU试图让等待不发生，利用缓存和预测让数据在被请求之前就绪。
GPU接受等待，并安排好在等待期间总有其他事情可做。
机制是这样的。芯片加载的工作量远超它一次能运行的量。芯片的单个计算单元可能有64个warp驻留，但在给定时刻只有一个能执行。
当正在运行的warp从主存请求数据时，它会停滞。调度器不会和它一起等待，而是选择另一个就绪的warp来运行。当那个也停滞时，它再选第三个。
算术单元保持忙碌。每个单独的warp大部分时间都在等待，但整个机器从不空闲。
在warp之间切换几乎不花任何代价。在CPU上，切换正在运行的线程意味着保存一个线程的状态并恢复另一个的，这需要数百个周期。在GPU上，每个驻留warp的状态已经存放在芯片上的专用存储中。切换意味着指向不同的存储区域，只需一个周期。
这就是为什么GPU携带大量快速片上存储。它不是为了让任何单个线程更快，而是为了让数千个线程能同时处于半完成状态，随时准备在其数据到达时立即被调度。
👉 这就是你监控中利用率数字具有误导性的原因。它通常报告芯片上是否有工作被调度，而不是算术单元是否在完成有用工作。一个因数据饥饿而100%“利用率”的GPU，看起来和全速运行的GPU一模一样。
实用版本
如果你想从这一节中带走一个操作层面的想法，就是这一点。
GPU需要大量独立工作才能运行良好。给它一个小任务，它会以大致等于内存系统的速度完成，而芯片大部分闲置。给它一大批相似的工作，同样的硬件突然看起来很快。
这不是怪癖。这是设计本意，这就是为什么批大小会出现在你遇到的每一次服务讨论中。
内存是一个阶梯，每一级都比前一级慢得多
现在到了决定你几乎所有性能的部分。
数据不仅仅“在内存中”。它位于距离算术单元若干距离之一，而最近和最远之间的差距是巨大的。
有四个层级值得了解。
每线程存储。最近且最快。每个线程在处理时，在这里持有少量值。访问几乎瞬时。
片上暂存器。一个很小但非常快的存储池，附着在每个计算单元上，大小约为几百KB。关键在于，如果你编写底层代码，这个池是受你控制的。你决定放什么进去以及存放多久。
共享缓存。一个更大的池，几十MB，由整个芯片共享。由硬件自动管理。你不能选择什么驻留于此，尽管访问模式会对此有影响。
主内存。大池子，几十GB，你的模型权重和激活值实际上就在那里。这就是人们所说的VRAM。它物理上位于处理芯片之外，访问它是芯片所做的最慢的事情。
随着你沿着这个列表往下走，有两件事在变化。池子变得更大，访问它们变得更难。
层级 大致大小 谁能访问 访问代价
每线程存储 几个值 单个线程 基本免费
片上暂存器 每块几百KB 一批线程 非常便宜
共享缓存 几十MB，整个芯片 每个块 明显变慢
主内存 几十GB 每个块 慢得多，差距巨大
两端之间的差距不是小数目。读取一个线程已经持有的值花费的时间几乎可以忽略不计。访问主内存则要贵数百倍。
你的权重位于底层，那是最大的层，也是唯一足够容纳它们的层。
两种成本，硬件只处理其中一种
访问内存用两种不同的方式耗费你，分开理解这两种方式才能让本文其余部分说得通。
第一种成本是等待。你请求数据，一段时间后它才到达。
硬件为你处理这种成本，使用的正是前一节的机制。它让数千个请求同时进行，所以当一个warp等待时，许多其他warp正被服务。等待是真实存在的，但几乎完全被隐藏了。
第二种成本是路径的宽度。每秒只能移动那么多字节，再多的重叠请求也无法改变这一点。
没有任何东西能隐藏这种成本。它是一个硬性上限，这也是为什么芯片将内存带宽作为最重要的规格数字之一宣传。
这就是为什么本文其余部分的每个计算都关乎带宽，而不是等待。
这些层级实际上位于哪里
阶梯告诉你每层有多远。知道它们物理上位于哪里也有帮助，因为布局解释了为什么有些是共享的，有些不是。
GPU不是一个巨大的算术单元池。它被分成大约一百个独立的单元，每个都是一台小的、自包含的机器。它们被称为流式多处理器，几乎总是缩写为SM，值得使用真实名称，因为你遇到的每个工具和文档都会用它。
每个SM携带自己的前两级副本。它自己的寄存器文件用于驻留的线程，它自己的共享内存和L1缓存，以及它自己的warp调度器来决定下一个运行哪个warp。这些都不与隔壁的SM共享。
工作以线程块的形式到达，这是一批被交给一个SM的线程，并驻留在那里直到完成。在块内，线程按照我们之前遇到的warps来处理。
一个例子能让这种划分更具体。假设你启动一个256线程的线程块，这是一个常见选择。硬件将它分成8个32线程的warps，而调度器之后就在这8个warps之间选择。
你从不选择这种划分。你选择批次大小，而按32分组的细节在底层自动发生。
这就是为什么批大小几乎总是32的倍数。请求250个线程，你仍然得到8个warps，但最后一个运行时只有26个线程在做事，另外6个在轮到它们时什么都不做。
允许的最大线程块是1024线程，也就是32个warps驻留在一个SM上。
这就是共享内存为什么有用，以及它名字的由来。块内的每个线程都在同一个SM上，所以它们都能读取相同的共享内存，彼此协作几乎零成本。
在所有SM之下是L2缓存，每个SM都能访问。再往下，完全离开芯片，通过内存总线，是HBM，存放着你的权重、KV缓存和激活值。HBM就是人们说全局内存或VRAM时所指的是同一事物。
这个图画解释了你一直遇到的权衡。任何能限制在一个SM内的东西都是快速且私有的。任何需要整个芯片看到的东西都必须下行到L2或更远，而下行就是昂贵部分。
这也给了四个层级它们真正的名字，这些名字你在别处都会见到。每线程存储是寄存器文件。暂存器是共享内存，与L1并存。共享缓存是L2。主内存是HBM，也就是人们称之为全局内存或VRAM的同一种东西。
本文其余部分使用这些名字。
反直觉的部分
在CPU上，存储随着变慢而变大，形成平滑的金字塔。寄存器很小，缓存更大，主内存巨大。
在GPU上，形状扭曲了。整个芯片的寄存器文件加起来大致和L2一样大。这很不寻常，并且直接源于前一节所述。数千个半完成线程需要地方存放状态，所以芯片用了不寻常的面积来容纳它们。
总而言之，内存系统不是单一事物。它是一个阶梯，性能工作几乎完全关乎让数据尽可能长时间停留在上层。
每字节工作量是决定一切的数字
我们现在有了足够基础来精确阐述核心观点。
取你在GPU上运行的任何操作。计算两件事：它执行了多少次算术运算，以及为了执行这些运算必须从主内存读取多少字节。
用第一个除以第二个。这个比率就是该操作的每字节工作量，它能在你测量之前就能预测性能。
正式名称是算术强度，你会看到它这样使用。这个想法就是你每次经过走廊能提取多少价值。
两个极端端的操作
有效的问题不是一次操作读取多少字节，而是每个读取的值被使用了多少次。
将数组每个元素乘以2，每个值只使用一次。取出来，加倍，写回去，再也不看它。每个取出的值对应一次操作。
矩阵乘法则相反。在1024x1024的乘积中，你从第一个矩阵中取出的每个值会与第二个矩阵中的1024个不同值相乘。一次取出，一千次操作。
这就是单次取出能带给你的一千倍差异，完全来自复用。矩阵乘法是加速器真正擅长的操作，这就是原因。
盈亏平衡比率
每个芯片都有一个阈值，来自一次除法。
取芯片的峰值算术吞吐量除以它的峰值内存带宽。这给出了一个每字节工作量比率，在此时两者恰好平衡。
对于当前在16位精度下运行的数据中心GPU，这个数字大约是每字节300次操作。
以H100 SXM5为例，这是大多数人租用的主力芯片。其规格表给出989 TFLOPS的密集BF16吞吐量和3.35 TB/s的内存带宽。
一个除以另一个。每秒989万亿次操作除以每秒3.35万亿字节，得到每字节295次操作，这就是300这个数字的来源。
这个单一数字在你做任何剖析之前就告诉你很多。一个每获取字节执行少于295次操作的操作，无论如何精心编写都无法充分利用整个芯片。
这个阈值也随着硬件变化，而且方向可能出乎意料。H200使用与H100相同的计算芯片，所以其算术上限不变，仍为989 TFLOPS，但其带宽提升到4.8 TB/s。这把阈值降到每字节206次操作。
更低阈值是好事。这意味着更多工作负载能越过界限，变为计算受限，这就是为什么一次不增加算术能力的带宽升级仍然能加速推理。
低于300，你受内存限制。增加算术能力不会有任何改变，因为算术单元已经在等待了。
高于300，你受算术限制。增加带宽不会有任何改变，因为数据已到达得比你消耗得还快。
阈值属于硬件。你的工作负载相对于它的位置属于你。
👉 这个图景的名称是roofline模型。值得知道这个术语，因为它是性能工程师组织这类讨论的标准方式，而且正是上面描述的双上限思想。
为什么生成一个token是最差情况
把这个框架应用于语言模型推理，开头的谜题就解开了。
生成文本一次只发生一个token。每个新token需要对模型进行一次完整前向传播。那次传播读取模型中每个权重一次。
先从单个权重实际做什么开始。
一个权重位于两个数字之间。它被乘以一个输入值，结果被加到一个运行总数中，该总数成为输出的一部分。
这就是一个权重的全部工作。一次乘法，一次加法，所以每次使用它时是两次操作。
现在放大。一个700亿参数模型产生一个token需要大约1400亿次操作，因为每个权重都做它的两次。
接下来数字节。在16位精度下，每个权重占2字节，所以读取它们全部意味着移动140GB。
合起来。1400亿次操作由140GB流量支撑，也就是每字节1次操作。
盈亏平衡阈值约为300。服务单个请求让你大约低于该值三百倍。
这就是算术单元闲置的原因。你的设置没有问题。操作本身没有包含足够的工作来喂饱它们。
这个数字实际预测的是什么
一旦你接受生成受内存限制，你的token速率就不再神秘，而是你自己几秒钟内就能计算的。
一个700亿参数模型在16位精度下占用约140GB。高端GPU从主内存提供约每秒3.3TB。
这样你就有了两个数字和一次除法。140GB权重，每秒3300GB到达，算下来是0.042秒来读取权重一次。
称之为42毫秒。这就是产生一个token的时间，因为在批大小为1时，一次完整权重读取正好是一个token的代价。
现在把它翻转为速率。如果每个token需要42毫秒，那么一秒包含1000除以42个，约为24。
所以大约每秒24个token，没有任何软件技巧能降低这个底线。
底线由每个token必须读取的字节数除以每秒到达的字节数决定。其他一切都是细节。
预填充行为相反
还有第二个阶段，它落在线的另一端。
当你发送提示词时，模型在生成任何东西之前一次性处理它的所有token。这个阶段称为预填充，因为它一起处理许多token，所以每次取出的权重都会被用于它们全部。
每字节工作量立即攀升。预填充通常是计算受限的，这就是为什么长提示词感觉昂贵的方式与长输出不同。
同一个模型有两个瓶颈相反的阶段。性能讨论中的很多困惑来自把它们当作一个东西。
你听过的每个优化都在移动同一个比率
这里就是框架发挥作用的地方。一旦你将性能视为单一比率，这些技巧就不再像是无关的技巧列表。
你只能改变两件事：增加每次取出所做的工作，或者减少取出的字节数。下面的每种技术都做其中之一。
批处理增加工作
同时处理多个请求，你读取每个权重一次，然后为它们全部使用。
十个并发请求意味着每字节十倍的工作量，而内存成本为零。你能为服务吞吐量所做的任何其他事情都无法与之相比，唯一代价是每个用户的一点延迟。
盈亏平衡计算值得记住。在16位精度下，你需要大约300个并发序列才能让生成变为计算受限。低于此值，你有空余的算术能力未使用，这正是为什么服务系统如此努力保持批次满载。
融合减少字节数
链式逐元素操作是清晰的例子。
分开运行三个操作，每一个都从主内存读取其输入，并写回其输出。对于几乎不花时间的算术来说，这是六次走廊往返。
将它们融合成一个操作，中间值永不离开芯片。一次读取，一次写入，算术完全相同。你已将内存流量削减三分之二。
这就是为什么融合操作的编译器在充满小逐元素工作的模型上产生巨大加速，而同样的编译器对纯矩阵乘法无能为力。
保持数据靠近减少字节数
共享内存正是为此存在。
将一块数据加载到共享内存，做所有需要它的计算，然后继续。你为这次行程付费一次，并多次使用它。
FlashAttention是著名的例子。普通注意力构建一个大的中间矩阵，写到主内存，然后读回来。FlashAttention在原地分块计算注意力，这些块留在片上内存中，所以那个中间结果从不接触主内存。
算术基本不变。内存流量崩溃，运行时间也随之崩溃。
量化直接减少字节
用8位而非16位存储权重，每个权重只有一半大小。
这使你需要为每个token读取的字节减半，从而将每字节工作量加倍，并使你的生成上限大约翻倍。同一个700亿参数模型从140GB降到70GB，理论底线从每秒约24个token变为约48个。
然而，代价是精度。更低精度丢失信息，损失多少在很大程度上取决于模型和量化方法。这是一个真正的工程决策，不是免费得来的。
顺序读取的重要性超乎想象
一个访问模式细节值得了解，即使你从不编写内核。
内存不是一次移动一个值。硬件获取固定大小的块。当warp中的线程读取相邻地址时，它们的请求落在一两个相同的块中，每个获取的字节都被使用，你得到你付费的带宽。
当它们读取分散的地址时，每个线程拉入整个块来使用其中几个字节。你可能最终获取了实际需要数据的八倍。
实际后果是内存布局是一个性能决策。沿着错误的轴读取矩阵，或者使用散落相关值的数据结构，可能会在没有改变算术的情况下损失大部分带宽。
小任务有其自己的底线
有一个瓶颈这个比率没有捕捉到。
将工作发送给GPU有固定成本。CPU必须准备和调度每个作业，无论作业大小，这都需要时间。
如果你的模型运行许多小操作，你最终可能花在调度上的时间比计算还多。那时你既不是内存受限也不是计算受限，而是开销受限。
症状是GPU看起来闲置，而CPU却辛勤工作。解决方法是用更少但更大的操作，或者捕获一系列操作以便作为一个整体重放。
如何判断你处于哪种情况
这个框架只有在你能在其中定位自己时才有用，有一种简单的方法。
在一次运行中测量两件事：你实际从主内存移动的每秒字节数，以及你实际执行的每秒算术运算次数。将每个与硬件能做的比较。
结果几乎涵盖所有情况。
带宽接近上限，算术远低于。你是内存受限。减少移动的字节：更积极批处理、量化、融合、修复布局。增加算术能力不会有用。
算术接近上限，带宽远低。你是计算受限。这是个好境地。改进现在来自更低精度、更好算法或更强大硬件。
两者都远低于上限。你是开销受限，或者你的工作太小无法填满芯片。检查你启动了多少个单独操作以及每个有多大。
👉 关于优先检查顺序的说明。对于语言模型服务，在几乎所有现实配置中，生成都是内存受限的。如果你在优化token吞吐量，并且还没检查批大小、精度和KV缓存大小，这三个几乎总是会主导你尝试的其他一切。
当硬件改变时，什么仍然正确
规格变化很快。值得知道其中哪些你需要重新学习，哪些不会改变。
改变的是数字。内存容量、带宽和算术吞吐量每代都在增长，算术在三者中增长最快。新的精度格式不断出现，每个都比上一个更小，因为缩减字节是攻击瓶颈最直接的方法。
不改变的是形状。算术仍然远比数据移动便宜。内存阶梯保持其层级。每字节工作量继续决定你撞上哪个上限。
如果说有什么，这个框架随时间越来越有用。因为算术能力增长快过带宽，盈亏平衡比率不断上升。在旧硬件上计算受限的工作负载，在新硬件上变为内存受限，而一行代码都不需要更改。
这就是你应该押注的方向。减少数据移动的技术将继续增值，而规格表上的峰值算术数字将继续是文档中最不具预测性的数字。
结论
在本文中，我们从单一不对称性构建了对GPU工作原理的直觉，即算术便宜，数据移动昂贵。
我们看到为什么这种不对称性产生了一个充满数千个共享一个控制器的简单算术单元的芯片，而不是少数精密单元。我们看到GPU不是缩短数据等待时间，而是通过加载远超其能运行的工作量，并在之间即时切换来隐藏等待。
我们走过了内存阶梯，从寄存器文件经过共享内存和L2到HBM，每一层都比前一层更大、更难触及。我们也看到这些层级位于哪里，最上两级由每个SM私有拥有，而下面的东西要么由整个芯片共享，要么完全在芯片外。
这给了我们核心数字：每获取字节执行的工作。每个芯片都有一个盈亏平衡比率，当前16位精度硬件上约为每字节300次操作。低于它，你受内存限制；高于它，你受算术限制。
将其应用于语言模型解释了开头的谜题。生成一个token读取每个权重，对每个权重执行约两次操作，得到约1的比率，比盈亏平衡低约三百倍。预填充位于线的另一端，这就是为什么两个阶段行为如此不同。
最后，我们看到每个著名优化都是两种动作之一。批处理和分块增加每次获取所做的工作。融合、量化和更好的内存布局减少获取的字节数。
我们刻意省略了编写GPU代码的底层细节，因为直觉必须先来。在这个框架之前写内核往往会产生代码，其快速的原因作者无法解释，而慢的原因他们无法找到。
后续文章将在此基础上构建并更具体，包括如何将剖析器输出与盈亏平衡线对照阅读，KV缓存如何随着上下文增长改变内存图景，以及服务引擎在决定如何批处理时内部实际发生什么。
目标一如既往：建立一个扎实的系统级视角，并为你提供一套可适应、稳健且可维护的AI系统构建工程框架。
一如既往，感谢阅读！
谢谢！:)
·
查看

推广SaaS产品并实现月度经常性收入（MRR）达到10,000至100,000美元的最佳方法：
**零成本策略：**
- 在X平台发布内容，采用公开构建的方式（展示成果，而非炫耀功能）
- 打造创始人个人品牌（效果比品牌官方账号高出10倍）
- 运营3-5个“矩阵”账号（5个账号意味着每天5次算法曝光机会）
- 提供针对特定关键词优化的PDF引流磁铁（如“评论指南”类内容，可引发算法助推并吸引潜在客户私信）
- 优化AI引擎可见性（被ChatGPT和Perplexity等引用，这是新时代的SEO）
- 常规SEO优化（对比类页面仍具复利增长潜力）
- 在LinkedIn发布创始人内容并主动外联
- 活跃于Reddit和细分社群（重在回答问题，而非硬推销）
- 入驻Discord/Slack，直达用户聚集地
- 制作短视频（屏幕录制演示效果最佳）
- 发布YouTube长视频（教程可长期排名）
- 冷邮件配合实物赠品（如演示、审计报告、计算器工具）
- 在ProductHunt和HackerNews发布产品
- 参与播客节目，以嘉宾身份曝光
- 建立产品内推荐计划
- 与互补工具建立合作伙伴关系
- 运营自有邮件通讯（这是你唯一完全掌控的受众）
- 提供免费迷你工具，作为引流磁铁
**付费策略：**
- 与细分领域KOL合作（一篇真实体验帖胜过百条广告）
- 采用UGC风格广告（AI生成内容成本极低）
- 投放付费广告：Meta、Google、TikTok、X、LinkedIn（优先使用再营销）
- 赞助业内通讯（B2B领域性价比最高的注意力获取方式）
- 赞助播客节目
- 建立联盟计划（按每单分成，卖家零预付成本）
- 在G2和Capterra等平台上榜
- 争取行业会议演讲机会
**当下真正值得投入的领域：**
> 面向传统行业的AI代理（法律、医疗行政、物流等）
> 内嵌AI能力的垂直SaaS（锚定单一细分市场，聚焦某个痛点工作流）
> 面向消费者的AI应用（从首日起便采用订阅制）
> 为AI经济服务的工具（评估体系、代理基础设施、内容管道等）
获客成本从未如此之低，而用户注意力却愈发昂贵。
真正的赢家会在产品面世前，提前积累受众。

# 用自然语言编写GPU内核 by maharshi (@maharshii)
手工编写GPU内核需要耐心、努力，甚至还要搭上你的理智。我一直在尝试用现代LLM（Claude Opus 5、GPT 5.6 Sol）来直接替我生成内核。接下来，我将谈谈我在这个过程中学到的东西。
说实话，编写GPU内核是一项非常适合验证的任务。
首先，你决定要为哪个或哪些操作编写内核。其次，你写出第一个版本并确保它能编译通过且没有明显错误。第三，你用一个缓慢的参考实现来检查正确性。如果不匹配，你就尝试修复正确性问题。完成这一步后，你开始对内核执行时间进行基准测试。后续版本在此基础上构建，你不断优化，直到达到理论峰值性能（roofline metrics）或你自己感到满意为止。
可验证循环：GPU内核开发
上图将其展示为一个可验证循环：
编译检查是一个紧致的局部循环（B <-> C），甚至在你考虑正确性之前就已经完成。
正确性检查（D <-> E <-> F）是核心的可验证奖励循环。这正是使内核编写成为自动化验证理想问题的原因，因为你有一个金标准参考实现可供对照。
优化（G -> H -> 回到D）为每个新版本复用相同的正确性循环，因为一个快速但错误的内核毫无价值，每个版本都必须验证其正确性。
Roofline/满意度检查（I）是外部循环，它决定是继续优化还是停止。
## 第一个版本
上图仍然是一个较宏观的视角，而魔鬼在于细节。我们需要确保我们的LLM代理拥有所有必要的上下文，以便能够写出一个好的第一版本。
CUDA DSL在此发挥作用。Triton、CuTeDSL和Tilelang是非常容易上手、能用Python编写的几种。其学习曲线比CUDA C++要平缓得多，然而，这些DSL中的抽象可能会让我们的代理更加困惑。我们需要一种方式将这些抽象的上下文传递给代理。
现代LLM已经知道如何编写“好的”Triton代码。即使没有任何上下文，它们也能很好地处理Triton的抽象。然而，对于其他DSL，如CuTeDSL（它相比Triton提供了更多控制），我发现拥有一个上下文目录，代理可以在其中查找理解DSL抽象，会有很大帮助。
例如，在上下文目录中克隆NVIDIA cutlass仓库，是一个好方法，可以让代理在编写CuTeDSL内核时查找与布局代数、复制/GEMM原子操作、内存层次结构、示例内核等相关的抽象。
根据我的经验，一个好的第一版内核能够编译通过且没有明显错误，并通过我将在下面讨论的正确性测试。
## 测试、基准测试与性能分析
给代理足够的上下文后，真正的瓶颈现在转移到验证环节。参考实现本身，以及对照它进行验证，变得越来越重要。我把这个阶段称为正确性测试，或简称为测试。参考实现的速度不如其意图重要。你打算测量和验证的内容，正是你的代理将要优化的目标。
通常，当计算不涉及较低精度时，我测量最大绝对/相对误差（MAE）、均方误差（MSE/RMSE）以及峰值信噪比（PSNR）。当涉及较低精度时，我倾向于测量PSNR和余弦相似度（cossim）。
让内核版本真正在GPU上运行的方式取决于GPU是本地可用还是通过云端访问。无论如何，我们的代理都应该能够以某种方式访问其输出。
我发现以下“rung”方法是一种良好的方式，可以有N个测试函数：
```python
def rung(name):
def deco(fn):
try:
out = fn()
results[name] = {"ok": True, **(out or {})}
print(f"[{name}] ok " + " ".join(f"{k}={v}" for k, v in (out or {}).items()))
except Exception as e:
results[name] = {"ok": False, "err": f"{type(e).__name__}: {e}"}
print(f"[{name}] FAILED {type(e).__name__}: {e}")
traceback.print_exc()
return fn
return deco
```
你可以这样调用：
```python
out = {}
@rung("pre-checks")
def _():
run_pure_checks()
run_dsl_checks()
@rung("run")
def _():
out["o"] = custom_kernel(*inputs)
torch.cuda.synchronize()
return {"shape": tuple(out["o"].shape),
"finite": bool(torch.isfinite(out["o"]).all())}
```
对于基准测试环节，你可以做多种事情：
- 端到端地基准测试内核执行时间，以衡量总体耗时
- 使用内核内跟踪（intra-kernel tracing）来基准测试内核内部的各个部分，并将它们输出到结果中（使用自定义跟踪器或CUPTI）
- 将生成的IR、PTX、SASS和CUBIN转储到dumps目录，让代理浏览
最后一点可以稍作展开。有时，DSL可能降级生成次优的PTX（最终是SASS），而你能找到更好的指令或形状来替代。我们的代理可以阅读PTX/SASS文本文件，并在内联级别替换低层代码，而不是让DSL处理次优部分。同样，将“可搜索的”PTX文档作为上下文传递，在此处非常有帮助。
最后，将这一切整合起来的是性能分析。如果你的代理能够访问NCU（Nsight Compute Systems）命令行工具，你可以让它对内核进行性能分析，并生成报告，作为上述可验证反馈循环的一部分。
## 结语
“那么GPU内核开发就此终结了吗？”
“嗯，既对也不对”
说对，是因为布局、索引、抽象以及整体结构这些困难部分，在有足够上下文的情况下，基本可以由代理解决。你可以轻松地将2-3周的工作量缩减到1-2天。说不对，是因为真正的瓶颈已经从内核本身转移到验证环节。现在没有一种固定的做事方式：你的上下文和测试框架越好，流程就越快。对于特定场景，收益会更显著，你所需要的只是一个良好的测试框架。
最后，与其将代理视为自主系统，不如将它们视为你可以指导的非常智能的助手，这仍然十分必要。这正是你对GPU和内核的根本理解派上用场的地方。人类的部分（你）仍然是必需的。
这是一种苦乐参半的感觉，我知道 :)
·
查看

分销101：如何销售你的产品 作者：EP (@eptwts)
EP
@eptwts
分销101：如何销售你的产品
目前AI圈推特上的共识是，“构建”才是值得学习的技能……
这话没错，但构建已经变得太容易了，产品往往不再是瓶颈。
每个人都极度聚焦于构建，而几乎没有人真正擅长营销。正是这个缺口，让分销成为你当下最值得学的第一技能。
多年来，我为几乎每种类型的产品尝试过大量分销渠道——软件、信息产品、代理服务等等。我最终真正打磨出了其中两条。还有第三条（短视频内容）不是我的专长，但我仍用它获得过直接销售和线索积累，所以我会分享我所了解的部分。
我不会涉及的是SEO和付费广告。那完全不是我的专长，我不想把你们引上错路。这并不代表它们不值得做，只是我在这方面的知识不足以指导你们。
在这篇文章中，我将分享真正对我有效的方法：每个平台如何运作，以及制作什么类型的内容才能真正带来销售。
渠道 #1：X
个人资料设置
大多数X平台涨粉指南完全是扯淡，它们告诉你要建立那种过度优化、看起来像是领英主页的奇葩资料。
事实恰恰相反，我注意到所有最优秀的账号都保持简洁，人设直截了当。人们渴望真实的互动，渴望能与他们产生共鸣的人，而不是一个僵硬的领英式企业用户。
头像
保持简单，不要用力过猛。这事不用想太多。
名字
简单且容易记住。你的真名、昵称等等。避免像“John - 为企业主做落地页”这种尴尬的名字，或者任何在名字里加角色头衔的做法——别让人一眼就看出你只是来卖东西的。
简介
用简洁、不刻意的方式说明你做什么。一两句话就行。这里有几个好例子：
“为DTC品牌投放付费广告”
“网页开发魔法师”
“Vibe coding & 分享我的学习心得”
“{初创公司}创始人”
主页链接
放你产品的落地页，或者另一个渠道，比如你的newsletter。
我点进一些人的主页，简介三行字加一个行动号召，名字是“John / 为企业主做落地页”……我就想，你能不能别这么明显地在卖东西啊哈哈？
名字、头像和简介只要不显得用力过猛就没那么重要。简单和真实在这里最加分。
垂直领域 = 网络
在X上存在不同的垂直“圈子”——拥有共同兴趣的人群在平台上形成网络。
当一条推文开始被推送时，它首先会进入该垂直领域的网络。
比如，一条AI相关的推文会被推给AI圈的人。一旦一条推文病毒式爆火，它就会突破原有网络，你会开始看到收到的反馈出现差异。
这就是为什么从第一天起选择正确的垂直领域如此关键——你在选择要切入并主导哪个网络。
1:1 垂直领域-产品法则
你选择的垂直领域必须与你销售的产品呈1:1对应关系，这是没得商量的。
卖的是面向平面设计师的SaaS？你必须进入设计圈。卖的是面向营销人员的教练项目？那就是营销圈。你的受众必须是你的潜在客户。
太多人在这里犯错了……他们在一个领域建立受众，因为那个领域“更容易”或更有趣，然后试图转向去卖完全不同的东西。
这行不通——你最终会有成千上万的粉丝，却对你卖的东西毫不在意。
你的受众就是你的分销渠道。10,000名健身爱好者对你的B2B SaaS毫无价值，而1,000名恰好属于你销售领域的粉丝，却能创造可观的收入，因为他们是预先筛选过的买家，而且已经信任你。
选择一个你真正了解的领域
理想情况下，你对自己卖的东西已经有超出常人的了解。当你能从经验出发分享时，内容创作会变得无比轻松，而不需要不断研究——你可以带着权威感说话，并给出该领域新手根本无法提供的真实案例。
如果你还没有这方面的知识，你可以在过程中一边成长一边积累。
把你的学习过程转化为以权威口吻呈现的内容。学到一个东西 -> 把它整理成一条有教育意义的推文。
选择领域就是选择一个你知道（或正在学习）如何解决的问题。问题越是痛苦、越是明显，你的内容表现就越好——人们会主动寻找能帮到他们的东西。
并非所有领域都能印钞
你在一个低价值领域经营账号，可能和高价值领域付出同样的努力，但财务回报会天差地别。
高价值
商业、营销、AI、科技、加密货币、交易、体育博彩、赌博。这些领域的人要么有钱，要么正积极想赚钱。痛点巨大，解决方案可以定高价。
中等价值
健身、健康、设计。仍然有利可图，但受众对价格更敏感，客单价通常更低。你需要更大的受众规模才能达到同样的收入水平。
低价值
娱乐、体育、流行文化、冷知识、阴谋论。在这里你能积累大量粉丝，却依然难以变现。受众是来娱乐的，不是来解决问题或购买产品的。
最好的领域是解决痛苦、明显、人们迫切想修复的问题，金钱似乎是其中最顶端的。
你的独特角度
你不能做某个已经成功者的复刻版。每个领域都有成功的账号——如果你只是用同样的方式重复他们说的话，别人为什么要关注你而不是他们？
你的角度是你所知道的、你所经历过的、以及你能教授的这三者的交集。也许你通过非传统路径达到了理想结果，或者你搞懂了如何比别人更快、更便宜或更简单地完成某件事。那就是你的角度。
好的领域加上清晰的角度，会让推文灵感源源不断。如果你总是苦于没有内容创意，那说明你选错了领域，或者角度定义得不够清晰。
如果你是新手
你不需要成为世界顶级权威，你只需要比你的目标受众领先几步。
看YouTube视频、读文章、上课程，把你学到的记录下来，变成有价值的推文。
你扮演的是策展人和翻译者的角色，把复杂信息变得易于消化——大多数人没有耐心花几个小时看内容，他们想要关键见解被快速传递。
权威来自于清晰、可重复的价值。
“价值”法则
每条推文都必须给读者带来价值。这是获得能转化为金钱的互动、并真正成为思想领袖的唯一途径。
点击发布前问自己：“如果我在自己的信息流里看到这条，我会觉得有价值吗？”如果答案是否定的，那就重写，或者别发。
不该做什么
X平台的指南通常告诉你该做什么。了解不该做什么同样重要，甚至更重要。以下是我建议你避免的事……
不要做回复狂魔
这显得很没档次，最终只会惹人烦。如果你有有意义的内容要补充，当然可以回复。但那些几乎没什么价值、像AI垃圾一样的回复呢？如果你试图系统化地做这种事，你会毁了自己的账号。而且你根本不需要靠回复来获得流量——我个人零回复，账号在头7天就涨到了7000粉丝。
“发太多推文”这个说法不存在
只要你发的是有价值的内容，一天发100条也没关系。算法不会惩罚数量，但会奖励互动。担心发太多的人，往往是因为他们没有足够有价值的内容可说——这是内容质量问题，不是数量问题。
不要“记录你的旅程”
这是X平台上流传的最有害的建议之一。除非你已经成功了，否则没人关心你的旅程。人们关注你是为了解决方案和专业知识，而不是看你实时摸索。记录过程会让你显得像个新手，并在你建立权威之前就毁掉它。要以教别人的方式分享你学到的东西——讲原则，不要讲个人轶事。等你真正成功了，再去回顾和讲故事。
格式要好，但不要过度格式化
像说话一样写作，不要写成文字墙——添加换行，把内容分成易读的段落。但也不要过度格式化，搞得像AI生成的一样。X就是一个大型群聊，表现得像一个真实的人——如果有人读你的推文觉得“这听起来像AI写的”，你就完了。
写得简单，不要写得聪明
你能通过把复杂话题讲得通俗而爆火。新手和中级者是任何受众群体的90%——如果你写得只有专家能懂，你就切断了90%的触达范围。用短句写作，假设读者智商80来讲解。
多样化你的内容形式
单一内容类型反复发布会让受众审美疲劳，你的互动也会陷入平台期。把教育性长文和快速见解混合起来，加入一些反直觉的观点。测试不同形式，然后加倍投入有效的那些。
粉丝数 ≠ 触达
大账号往往有大量死粉——我敢说，我在11.7万粉丝时的互动率比许多30万粉丝的账号还要高。算法不在乎你有多少粉丝，只在乎有多少人互动。建立一个高互动的受众！！！
算法实际如何运作
先说一句：算法在持续变化，上个月有效的今天就不那么管用了，而且这种情况会持续——你必须不断实验并保持适应……
以下是真正重要的核心指标：
互动指标
点赞、回复、收藏、转发和引用，都在向算法传递你的内容值得展示给更多人，但它们权重不同。转发和引用会把你的内容展示给全新的受众。点赞和收藏很好，回复以前很好但被削弱了——它们仍会提升你的帖子，但效果不如以前。主页点击非常棒——点击进入你的主页，说明你是一个人们想关注的品牌，这是一个很大的互动信号。
停留时间
这是用户在你的推文上停留的时长——最被低估的因素之一。如果你半秒就划走，那是负面信号。如果你停下来、阅读并思考10-15秒，那是正面信号。
这就是为什么我以前那些提示词类推文表现很好——人们读它们、复制它们、拿去ChatGPT里测试，所以停留时间非常高。这也是媒体内容胜过纯文本的部分原因。
作者声誉
把它想象成你在X上的信用评分，由人们对你的内容的反应决定。持续良好的数据 = 算法把你视为可信的来源，给未来的帖子更多初始流量。低质量、被划过的内容会限制你。
大账号互动
与你内容互动的用户的影响力和触达很重要。当一个你领域内的大账号与你的推文互动，它会被展示给他们受众——当他们的受众也互动时，算法会解读为“这条帖子在这个垂直圈子引起共鸣，展示给更多人”。这不是乞求互动，而是刻意从大账号那里引导互动（稍后详述）。
互动速度
你发布后前30分钟内获得的互动量。算法把它作为推文表现的前瞻指标——强大的即时互动意味着算法会更用力地推送。
关系图谱
算法通过用户的互动来映射他们之间的紧密程度——不仅仅是关注，还有点赞、回复、转发、主页点击，甚至私信。
当你发推时，算法首先在你的直接图谱上测试，即最可能觉得这条推文相关的人。强大的早期互动会将分发扩展到相似的图谱，并持续扩展直到互动下降。这就是一条推文如何从100次浏览到10万次浏览。
这也是为什么互动群和互粉会毁了你的账号：虚假互动稀释了图谱信号，让算法误以为你的内容适合所有人，结果就是不推给任何人。
你的核心受众是你的发射台。在你的领域建立真实关系，图谱会变得足够密集，能够放大你发布的一切。
Twitter Premium
能提升你的账号排名，但我在有它之前就已经爆火了哈哈。我还是会买，但它不是必须的。
算法不断变化
不要沉迷于钻营算法。如果你的内容对你目标人群真正有价值，并且以易消化、符合注意力时长的格式呈现，那它永远会表现得好，因为无论权重怎么变，它都会获得好的互动数据。作为创作者，你的工作是提炼经验并浓缩成一条推文——剩下的交给算法。
0到1000：如何避免对着虚空发推
对于从未在X上成长过的人来说，最难的事情是把账号从0做到甚至1000粉，而不只是对着虚空发帖。
X真的会惩罚新账号——你不能只是“发帖”就指望爆红。算法还不信任你，你的作者声誉为零，你的推文运气好也就展示给50个人。
就我来说，我一天之内从0涨到1000粉。为什么？因为我有行之有效的系统，而且我和学员一起复制过十几次。
外部助推策略
这套系统的核心是，让一个你领域内的大账号从一开始就与你的内容互动。这就是整个策略浓缩成一句话。精妙之处在于执行。
首先，什么算“大账号”——不是粉丝数，而是平均曝光量。我不会和平均每条推文曝光量低于5000的人合作。一个人可能有10万粉丝但平均曝光2000，因为受众死了；另一个人2万粉丝但平均曝光1.5万，因为作者声誉强。第二个账号才是你想要的。
联盟玩法：
找到你领域内有产品的大账号，主动提出成为他们的联盟，并请求他们助推你的早期内容作为回报。很多人会同意，因为这会给他们带来真金白银。
两个变量
从0到1万粉的账号增长归结为两个变量。
变量1：对某个特定垂直领域真正有价值的内容
这是没得商量的。如果你的内容很烂，再多外部助推也救不了你——人们会因为大账号互动而点进来，但如果你的主页内容不值得关注，他们不会关注。
你希望人们对你的推文的反应是“我需要保存这个并应用它”。
变量2：来自同一垂直领域大账号的外部助推
好内容没有初始曝光是没用的。
零粉丝时，算法不知道该把你推给谁——一次大账号互动是一个巨大的信号，表示“把这条推给他们的受众”。
两个都做到，你成功的机会就是100%。大多数人失败是因为只解决了一个——好内容没人看见，或者大助推搭配平庸内容。如果你两个都做对了，算法会爱上你。
渠道 #2：YouTube
频道权威
YouTube根据频道权威级别决定应该多用力推广你的频道。我不确定YouTube具体如何判定权威，但有一点很明确——高权威频道在视频排名中轻易就能超越低权威频道，即使互动量更少。
能全新开始吗？
可以——YouTube对新账号是最宽容的平台之一，你的视频依然会获得推送。
买个老账号会有帮助吗？
不一定。一个没有视频、或者只有老旧机器人视频的老账号，是没有权威的。算法太复杂了，这么简单的取巧方式行不通。
权威不仅仅是账号年龄、观看量或订阅者数量。通过实验，那些多年前有过观看量、且旧视频至今仍有人看的老账号，默认拥有显著的权威。
这样想……想象MrBeast上传了一个叫“如何在网上赚钱”的视频。
它会在还没有任何观看之前就超越所有商业机会类YouTuber。YouTube已经根据过往经验知道该如何对待他的视频。
（一个有趣的怪癖：超老的频道在Google搜索中通常排名很好，而较新的高权威频道在YouTube搜索中表现更好。两种算法对账号年龄的处理方式不同。）
除了买老频道，权威来自于频道年龄和良好互动记录。建立权威的白帽方法就是建立好频道。据我所知，没有方法可以有机地钻空子。
五种发现方式
人们通过五种方式找到你的视频，YouTube把每种视为独立的筐。来自搜索的浏览不会影响你的视频在推荐页的表现，反之亦然——每种发现方式独立追踪其算法指标。
推荐浏览
首页和订阅源有超高的可发现性——大多数人直接从首页点击视频。
流量巨大，但针对性不强，所以购买意图较低。
人们是来找娱乐的，更难通过它卖东西。一个教学视频要在推荐页表现好，仍然需要激发多巴胺——“秘密知识”的诱惑 + 好的结构 + 快速密集的信息释放。
推荐视频
你的视频出现在另一个视频旁边。这意味着你的视频与该视频以及用户的浏览画像相关。
搜索
用户手动搜索了你的话题。如果关键词有高购买意图，这些人购买你产品的可能性是随机被推荐看到你视频的人的100倍。
频道页面
对发现来说无关紧要，这些观看不会给你带来什么。
外部
他们通过链接找到你的视频——Google搜索、X上的分享、私信。这些观看不会直接带来太多，但观看并互动过的人会开始被推荐你的未来视频。
分享给你的X大粉丝群不会让视频爆火，但会把你的视频放到他们的YouTube首页——你这是在加倍你的触达点。
关键指标
点击率（CTR）
看到你缩略图和标题后实际点击的人的比例。人们说应该在10%以上，但那是娱乐内容的数据——算法不是按照基准来运作的，它比较的是在那个垂直领域的创作者池中谁获得更好的数据。
我有过CTR只有3%却表现极好的视频，也有15% CTR却扑街的。不管怎样，CTR是一个真实因素，所以包装很重要：好标题 + 好缩略图，清晰地展示点击的益处。
留存率
YouTube希望用户在平台上待得越久越好，所以总观看时长比百分比更重要……
一个15分钟的视频，平均观看时长40%（6分钟），在YouTube眼里胜过5分钟的视频60%（3分钟）。如果你能保持留存，更长视频可以表现更好。
YouTube喜欢的模式是：初始留存率高（对抗前30秒的流失） + 曲线平滑。
会话时长
这是用户看完你的视频后继续在YouTube上停留的时间。
如果你的10分钟视频开启了一个会话，然后他们又看了3个视频，总共30分钟，YouTube会喜欢你——你让一个人看了半小时广告。能开启连续观看会话的视频，比那些用户看完就退出YouTube的视频，会被更用力地推送。
通过片尾画面指向你的其他视频、触发自动播放的播放列表，以及用Shorts“相关视频”来引导长视频，来优化这一点。
测试波次
这是大多数人完全误解的部分。YouTube不是随机把你的视频推出去，看哪个能火。
你上传后，YouTube不知道视频好不好。所以它先展示给种子观众——你的订阅者、看过你视频的人、看类似内容的人——种子规模取决于你的频道权威。然后它观察他们的反应，比如：他们点了吗？看了吗？看完后做了什么？
如果你在种子观众中的表现相对你所在领域更好，种子规模就会扩大。但如果表现不佳，YouTube会说“这不行”——视频基本就死了。如果你的视频在种子观众中表现不好，那就完蛋了。
如果你通过了测试，扩展会一波一波来。
第一波：看类似创作者的人，浏览模式和人口统计特征与你的种子观众匹配。
第二波：相关但不完全相同的内容，更广泛的人口统计特征，更多发现渠道。
第三波：完全在你常规领域之外的人，在推荐浏览上大力推送，在其他视频上激进推荐。
第三波就是观看量爆发的时候——而大多数视频永远到不了这里，尤其是教育/推广类视频。
受众匹配系统
YouTube对每个用户都有一个画像——他们看什么、跳过什么、重看什么、分享和评论什么，甚至细致到看的时间和设备。你的视频会被展示给YouTube认为会喜欢它的人。
这就是为什么包装如此重要：给完美匹配的人看一个他们不会点的缩略图，算法就会认为不要给这类画像展示这个视频……
YouTube如何对你的视频分类
有三个输入因素。
你的元数据：标题、描述、缩略图。
实际内容：算法真的会观看你的视频，转录你说的一切，识别视觉元素。
初始观众行为：“喜欢X的人也喜欢这个视频，所以它一定和X有关。”你最初的一些观看正在教会YouTube你的受众是谁。
池系统
把YouTube想象成数百万个观众“池”——健身池、网上赚钱池，我猜甚至还有像“对VSL创作感兴趣的课程卖家”这样的子池。
你的视频会被放入池中，然后YouTube问：它和同一池中其他竞争视频相比表现如何？5%的CTR和45%的留存率，在一个平均3%和35%的池里，你会被更用力地推送。
低于池平均水平，你的视频就会沉没。这就是为什么基准数据会误导人——5%的CTR在一个领域可能是惊人的，在另一个领域可能很糟糕。
它会把你的视频展示给它认为预先合格的感兴趣人群，分阶段进行，在每个发现触点测试互动情况，然后根据反馈的数据决定是否更用力推进。
YouTube SEO被严重误解
很多人说你必须优化描述、标签等等，但这被严重夸大了。在我解释排名实际如何运作之前，先说说为什么你想要排名。
搜索的转化方式不同
搜索通常只占总体观看量的一小部分，所以大多数人低估了它。
但搜索“最佳AI自动化工具”的人，正在积极寻找解决方案——这意味着更好的转化和更合格的线索，因为他们已经意识到问题存在，并且处于漏斗更下游。
在购买意愿方面，搜索永远胜过推荐。
低意图 vs 高意图关键词
大多数人追逐巨大的搜索量，却不理解搜索者意图。
以“AI”为例：每月700万+搜索，但谁在搜？写论文的学生、看新闻的人，没有任何明确购买意图的人。
如果你排名第一，你会获得巨大流量但转化率惨不忍睹。
再看“用于邮件营销的AI工具”，每月1450次搜索。流量显著减少，但观看与转化比显著更高——每个搜索它的人都在积极寻找你卖的东西。
高意图关键词遵循这些模式：“最佳[解决方案]”、“[解决方案]用于[使用场景]”、“[解决方案]评测”、“[解决方案A]对比[解决方案B]”、“[解决方案]的替代品”、“如何[实现目标]”、“解决[问题]”。
用vidiq做关键词研究
打开vidiq.com的关键词研究工具，搜索你的高意图模式，查看每月YouTube搜索量及其建议的相关变体。
通过标准 = 每月1000+搜索量、高购买意图、相关高意图词群集（更广泛的话题生态）。
失败标准 = 只有宽泛低意图关键词、总搜索量低于1000。
忽略vidiq的竞争度评分，通常不准——通过在YouTube上搜索该关键词，看哪些频道实际排名来判断竞争程度。
排名实际如何运作
只要标题和描述中各出现一次关键词，且视频确实围绕该主题，标题和描述就没那么重要。你甚至不需要标签——我经常给没有标签的视频排名。
YouTube的算法会分析实际内容，理解你的视频是关于什么的。它真正关心的是：视频内容是否和关键词匹配，搜索该关键词的人是否点击并观看。就这么简单。把关键词在标题里放一次、描述里放一次，然后专注于满足搜索意图。
按关键词细分指标
指标按流量来源分开追踪——而且更深一层，关键词也会被拆分。
假设你的视频针对“最佳AI自动化工具”、“小企业AI自动化”和“小企业自动化”：YouTube会分别追踪每个关键词的CTR/平均观看时长。第一个关键词12% CTR和60%平均观看时长，第三个是4%和30%，那你第一个会排名上升，第三个会下降。
频道权威是乘数
有些频道一开始就有好的CTR和观看时长，却仍不出现排名，因为YouTube认为它们权威低。已有地位的频道即使数据平庸也能排名，因为YouTube信任它们。简化公式：
频道权威 ×（关键词特定CTR + 关键词特定平均观看时长）= 你的排名
为单一关键词优化
为搜索它的那个人精准包装视频。
以“如何用AI自动化我的业务”为例：那是一个企业主，不是开发者——他感到压力重重，想要实用步骤，不是理论。缩略图应该让他们想“这正是我在找的”。标题应该匹配他们的心智模型：“AI正在改变一切”什么承诺都没有。
但另一方面，“如何用AI自动化你的小企业（分步指南）”给出了精准承诺。然后在头30秒兑现——没有开场 + 没有故事——并把剩余部分的结构安排得尽可能高效地满足他们的意图。
制作流程
我在6年前与一家YouTube自动化机构合作时学到这套流程。它非常高效，此后每当需要系统化内容创作时我都坚持使用。
大多数人是反向做视频：先做完整视频，最后才加标题和缩略图。我建议相反。
第一阶段——构思与包装
先确定创意、标题和缩略图，在制作前也要做一个包装样稿，以便在花任何钱制作之前判断视频潜力。
用thumbnailpreview.com看看它在首页上的效果。问自己：这能清晰地呈现价值吗？值得点击吗？它和关键词的搜索意图匹配吗？如果我在搜索结果里看到会点吗？任何“否”都要解决。
用Claude来构思概念和标题选项。
对于缩略图，现在你甚至可以AI生成很好的，只需看看你的竞争对手，复制他们的一个缩略图但不要1:1，YouTube上人人都这么干，这就是游戏的一部分。
这个阶段如果错了，其他都不重要，低CTR会让留存率根本无从发挥。
第二阶段——脚本编写（如果你直接录制则非必需）
目标是用最简单的语言、尽可能少的废话把要点传达清楚。时长比你想象的重要程度更低——人们宁愿3分钟得到解决方案，而不是15分钟。而且如果脚本不清楚，再多魅力或剪辑也救不了它。
让AI写第一稿：给它标题、主题、视频类型，以及包含你所有特定知识的要点摘要——你是专家，你必须给LLM事实，你不能指望它“知道”什么。
它会输出开场钩子、围绕你的要点组织的内容结构、视觉提示和转化行动号召。
然后人性化处理，把AI式措辞换成你实际说话的方式，加入个人例子。问自己：它在前30秒兑现了标题的承诺吗？每句话都有必要吗？我的受众能理解吗？
第三阶段——录制
有两种方式：不出镜或出镜。
不出镜如果做对了可以非常有效。我个人在交易领域通过不出镜频道做到了六位数收入，用的是ElevenLabs的Adam声音和展示我正在销售产品的屏幕录制。
它有效，但不是最优——我相信如果有真实可信的人来呈现，转化率会好得多。不出镜换来的好处是速度和可扩展性。
至于配音，我建议你自己录制，或者如果条件允许就雇人。
你也可以用ElevenLabs，生成只要几分钟，费用大约每月5-30美元，而且重新生成段落很容易，但人们常常能分辨出来，也更难建立连接。当你需要快速大量测试想法时，AI声音是个好选择。
对于视觉，屏幕录制是简便的选择——在实际软件中展示步骤过程。幻灯片、Miro板、白板边画边说也都不错。让元素流动起来，没人想盯着一个静态幻灯片。
另一种选择是可视化图形、动态图形、B-roll和AI生成素材来阐述观点。
对于出镜视频，你可以自己录，或者雇人出镜。
人们从他们信任的人那里购买，创始人出镜最快建立这种信任——但这需要练习，也更难扩展。
出镜视频最好的地方是，你不需要特殊剪辑就能表现好。脸 + 好脚本 + 有感染力的表达，即使基础剪辑也能赢。
第四阶段——剪辑
你可以自己剪辑（免费、完全控制、耗时）或者雇剪辑师，遗憾的是目前据我所知还没有好的AI剪辑工具。
通过Twitter作品集搜索、Discord的YouTube自动化社区和Upwork找剪辑师。
至于剪辑理念：不要过度，保持干净。每次剪辑有三个任务：可视化概念（当你说“这个工具自动跟进邮件”时，屏幕展示工具在做这件事）、保持注意力（剪掉空档）、让你的产品更有吸引力。
把每个视频都变成隐藏的VSL
当YouTuber讨论策略时，他们通常优化的是观看量。而谈到商业和收入，观看量只是一个虚荣指标。
你应该做的是，用高意图视频精准瞄准你的理想客户画像，并把你的解决方案定位为他们见过的更好的选择。
相比娱乐优化内容，观看量更少、目标市场更小，但转化率高达100倍。
同时教学和推销
不要做一部好的教学视频然后在结尾加个行动号召——“想了解更多，看看描述里的课程”行不通。整个视频的目的应该与你的产品解决的问题紧密相连。
你的视频必须解决与你的产品相同（或子问题）的问题
假设产品是SMMA课程，视频是“如何为SMMA做冷外联（分步指南）”。冷外联是运营SMMA的子问题——任何搜索它的人都在试图创办或扩大SMMA。你一步步教外联，提供真实价值，同时自然地把你课程定位为完整解决方案……
你在教育他们的同时，展示你的产品是获得结果的捷径。你在提醒他们面临的问题，并引出你提供的解决方案。
为什么这样转化好100倍
传统YouTube策略是制作宽泛娱乐内容，获得数百万观看，然后希望0.001%转化。
高意图策略是为你的精准ICP制作特定教育内容，获得数千观看，以0.1%-1%转化。
不要有所保留
最大的错误是担心“给太多”而不敢提供价值。你给得越多，他们越信任你，越会购买。
你的视频应该如此有价值，以至于有人可以自己实施并获得结果而无需购买。他们应该把你的产品视为获得某结果的捷径。他们购买是因为你通过视频证明了你懂行。
总结公式：用高意图话题瞄准你的ICP，教授你的产品所能解决问题的子问题，全程将产品定位为完整解决方案，结尾一个明确的行动号召，不要有所保留。
渠道 #3：短视频（Instagram Reels + TikTok）
从开头提醒：这不是我的主要渠道，但我用它们做过直接销售和线索获取，这是系统方法。Reels和TikTok基本遵循相同思路，所以我把它们作为单一渠道来讲，在真正有差异的地方指出区别。
这些信息大部分来自我的好朋友 @casualhyped，他是短视频领域的大神，我建议你们关注他。
两个平台的区别
在讲共通的思路之前，先说说两个平台的差异。
美国IP
Instagram上可选但推荐——美国账号能获得更好的触达、功能优先和更好的变现。TikTok上如果你主打美国受众，这几乎是必须的。
养号
Instagram需要1-2天，第二天就可以积极互动（关注、评论、收藏）。TikTok更严格，你应该花整整两天纯消费，然后做一个关注测试来决定账号是否存活。
粉丝数
在Instagram上非常重要，但TikTok独立测试每个视频——每次上传都有公平的机会爆红，无论你粉丝多少。
时长
60-90秒是Reels的最佳区间。TikTok是杠铃形——要么5-9秒，要么60秒以上，避免中间15-45秒的死亡地带。
最强信号
在Instagram上是收藏。在TikTok上是分享（一次分享值10个以上点赞）和重看率（20%以上会获得巨大助推）。
字幕
字幕在TikTok上是可搜索的，是SEO渠道，所以要把关键词放在前面。
其他一切都是一样的。以下是系统方法。
账号设置
附注：以下内容只在你试图最大化美国受众和多账号运营时才适用，否则可以跳过这一节。
你可以通过从anyip.io获取美国住宅代理（住宅IP，不是数据中心IP——选一个主要城市）、iOS上的V2Box应用来运行它，以及每个账号一个全新邮箱来定位美国。
连接代理后，在Safari中搜索“what is my IP”并确认显示美国，然后再创建任何内容。然后用与领域相关的用户名注册，一个基于你产品的清晰一句话简介，以及主页漏斗链接。
Instagram细节
对于几个账号，你家庭IP就够了——只有规模化时才需要分离IP。
TikTok细节
代理是必须的，设备设置也是必须的。
完全重置你的iPhone（设置 -> 通用 -> 传输或还原 -> 抹掉所有内容和设置）
不插SIM卡设置，地区美国，英语（美国），纽约或洛杉矶时区
创建一个美国Apple ID——如果需要地址，从Google Maps找一个；如果需要临时美国号码，用textverified。
和普遍看法相反，美国SIM卡不是必须的，但其他一切必须像一个全新的美国设备。
注册时出生日期25岁以上。创建账号前验证IP和位置都显示美国——如果不显示，先修代理。不要创建了再指望。
养号
新账号在两个平台都会被标记为潜在垃圾信息。养号能建立一定程度的信任。
Instagram（1-2天）
第1天是被动的，刷Reels 20-30分钟，每个领域内容看5-10秒，点赞15-20个帖子，不关注、不发帖。
第1天结束时，你的信息流应该全是你的领域内容。
第2天再刷20-30分钟，关注10-15个领域账号，写2-3条真诚评论，收藏5-10个Reels——然后你就可以发帖了。
TikTok（2天 + 关注测试）
在TikTok上要做整整两天纯消费，每天20-30分钟……
刷FYP，把领域视频看完（完整观看是强信号），点赞15-20个。两天内不关注、不评论、绝对不发帖。
然后做关注测试：尝试关注1-2个领域账号。
如果关注成功（你的关注数大于0），账号就受信任了，你可以开始发帖。
如果没成功，账号就被标记了——删掉它，换一个新的代理，重新开始。不要试图挽救一个被标记的账号。
爆红公式：四大支柱
两个平台上每个爆红短视频都遵循相同结构：钩子、留存、回报、设计互动。
支柱一：钩子（前3秒）
有效的钩子公式：
好奇缺口：“关于[话题]没人告诉你的那件事”、“知道这个感觉像违法”
震惊陈述：“你对[话题]的一切认知都是错的”、“停止[常见行为]——原因如下”
共鸣痛点：“你知道那种[挣扎]的感觉吗？”、“这就是你的[东西]不起作用的原因”
结果导向：“我如何在30天内涨了1万粉丝”、“看我在60秒内把[X]变成[Y]”
模式打断：“等等……”、“POV：你刚刚发现了……”
钩子也包含视觉和听觉
例如，第一帧有对比，或者一张展现真实情绪的脸，一个粗体文字覆盖（最多5-7个词，一秒钟内可读完），以及热门声音立即开始。
同一个视频测试3个不同钩子版本。光钩子就可以是1000次浏览和100万次浏览的区别。
支柱二：留存
两个算法都最重视观看时长。70%以上完播能获得巨大触达，而在TikTok上，再加上20%以上重看率，算法会认为内容令人上瘾。
1-2秒内切入重点。例如，好的开场是“这个AI工具让我赚了1万美元。方法如下。”
每2-3秒切一次（TikTok上每2秒），观众的大脑会把每次切换视为新内容。视觉单调会杀死留存。
用开放式循环留住他们（“最精彩的部分来了……”），并让它可循环——结尾流畅地回到开头（“这一切始于……”），让观众无意识地重看。
支柱三：回报
在5-15秒内兑现钩子的承诺。观众没耐心，如果感觉被骗了，他们不会互动。
给他们一个可以立即使用的速胜，娱乐（笑声即使“不实用”也有价值），一个顿悟时刻（“等等，原来是这么回事？”），一个前后对比转变，或者认同感（“如果你也有这种感觉，你不是一个人”）。
尽可能叠加——一个教学 + 娱乐 + 认同的视频，胜过只做一件事的视频。
支柱四：设计互动
两个算法都非常看重互动速度。有意识地设计它。
评论诱饵：用问题结尾（“你是A还是B？”）或一个争议观点（“不受欢迎的观点：……”）。评论告诉算法这值得分发。
分享诱饵：“把这个发给需要的人”、“@你的朋友/老板/伴侣”。在TikTok上，分享是最强大的信号。
收藏诱饵：“收藏起来免得丢了”。清单、模板、任何分步骤的内容会被自然收藏。在Instagram上，收藏是最强信号。
重看诱饵（TikTok）：隐藏只有在重看时才会发现的细节，或者用一个需要重看才能理解的转折结尾。
字幕：这些在TikTok上可搜索，所以关键词前置——“AI赚钱技巧：我如何在30天内赚了1万美元”是个好例子。使用人们会搜索的精确措辞，并以互动钩子结尾（“评论‘AI’，我把工具发给你”）。
视频结构模板
0-3秒：钩子。模式打断或好奇循环，粗体文字覆盖，热门音频已经开始播放。
3-5秒：背景。一两句话说明我们要解决的问题。
5-10秒：价值传递。实际回报，快速剪辑，文字强化每个要点。
10-15秒：兑现。完成承诺，加入转折，循环回开头。
在字幕中加入关键词丰富的钩子 + 互动问题 + 话题标签。音频方面，用热门声音（在TikTok上，最好48小时内发布的）或带强开场白原创音频。
发布计划
Instagram
第一阶段（0-1000粉）每天2次，间隔4小时（比如上午9点和下午1点）——这既保证一致性，又不会压垮新受众，而且每个帖子都有自己的算法推荐。
第二阶段（1000粉以上）每天最多15条试用Reels——试用Reels会在发布给所有人之前先对非粉丝测试，所以你可以大量发布，只把表现好的发布到主页面。
TikTok
第一阶段（测试）每天1次，每天同一时间，直到有一条视频突破1000次浏览——TikTok每条视频有10-30分钟证明自己的机会，在没有起色前不建议多发。
第二阶段（规模化）每天2次，间隔4小时。
前30分钟法则（TikTok）
初始分发在前10-30分钟内决定——这是通过完播率、重看、互动速度和分享来计算的。
如果前几条视频扑街了不要气馁。TikTok独立测试每个视频——你的突破可能在第5条或第25条。
短视频检查清单
账号已养好（IG 1-2天，TikTok 2天 + 关注测试）
发第一条帖子前信息流已显示你的领域
前3秒有钩子
每2-3秒切一次（TikTok上每2秒）
每个视频都有文字覆盖和字幕
热门音频（TikTok上48小时内的）
时长：Reels 60-90秒，TikTok 5-9秒或60秒以上
5-15秒内交付回报
互动诱饵：评论、分享、收藏或重看
接下来的就是持续发布，并通过你的漏斗引导流量。
结语
这篇文章写了好一阵子哈哈，如果你喜欢，欢迎回复反馈。
这篇文章中的一切，都是我在X和YouTube合作项目中亲自动手执行的思路。
过去一年里，我一直在帮助那些在自己领域很出色的人——开发者、营销人员、创始人——通过一套经过验证、可复制的框架，把他们变成公众人物。它帮助了不少大账号走得很远，有些甚至突破了10万粉，也在这个过程中为我建立了庞大的网络。
如果你觉得自己有能力，并希望我帮你打造个人品牌，我很乐意阅读你的申请，看看你能为平台带来什么。
在这里申请：eptwts.com
（附注：我不收这个费用。）
希望你喜欢这篇文章。
·

如果你不知道该学什么，那就开始写作
作者：丹·科（@thedankoe）
丹·科
@thedankoe
拯救了我大脑（以及我未来）的写作习惯
如果你不知道该学什么，那就开始写作。
即使你并不想成为一名“作家”。
写作教会你如何思考，如何快速掌握任何技能，以及如何吸引一个支持你工作的受众群体——如果你想建立自己的事业，或者只是想从事任何独立的、有创造性的、有意义的工作，这绝对是不可或缺的。
在人工智能时代，思考、学习和分发（让你的价值展现在他人面前，从而真正有机会获得回报）是永恒的技能。写作让你能够同时练习这些能力，并在此过程中自然而然地建立起数字杠杆。
我从没想过自己会成为一名作家。
我甚至看起来也不像。我是一个粗犷的“肌肉男”，却深深爱上了深邃的思想。
从各方面来看，写作，作为一种简单的晨间习惯，彻底改变了我思维和人生的轨迹。它帮助我清晰地表达思想，平静内心，在传统就业市场之外发现机遇，并且是推动我工作和事业成功的唯一核心要素。
在这封信中，我想向你展示我捕捉想法并创作出值得阅读的内容的系统，但同时我也想让你明白，为什么这条路比以往任何时候都更可行——以及它将如何改变你的大脑与现实互动的方式。
是的，就是这么深刻。
让我们开始吧。
旧杠杆 VS 新杠杆：现代成功的秘诀
最大的杠杆不再是资本。最大的杠杆是企业——运营一家优秀企业的能力。特别是，最大的杠杆是个人品牌。拥有庞大的受众。一旦你让人们关注你，你就拥有了这种巨大的杠杆形式。
——丹尼尔·普里斯特利
创造财富的规则已经发生了根本性的改变。
在工业时代驱动收入的资产（房产、工厂、机器、实物商品）正被数字资产（受众、个人品牌、知识产权、内容、数据、软件）所取代，这些数字资产构建成本极低，更具可扩展性，更难被征税，并且在你睡觉时也能持续复利增长。
在当今世界，为自己构建杠杆的唯一要求，就是一个好主意，以及把它发布到互联网上的信心。
问题（同时也是机遇）在于，大多数人仍受制于工业时代的价值观。他们不知怎的仍然相信，上学→工作→退休是最确定、最安全、最有保障的道路，而事实恰恰相反。
在为你未来构建杠杆、从而创造财富方面，情况也是如此。
旧杠杆来自有形的、实体的资产。
房子、工厂、劳力士手表、车队、仓库里的库存、黄金。你购买它们，然后让它们升值或产生收入。
旧杠杆是线性的、局部的。
一家工厂每天只能生产那么多单位，一栋房子一次只能租给一个租户。
别误会，杠杆就是杠杆，旧杠杆仍然是一件很好的事情。
然而，如果工资崩溃（这比昨天更有可能发生，因为人工智能可以迅速做到这一点，导致政府扩大社会安全网），实物资产将是政府首先发现、征税并没收的东西。
政府没收一个认识你的电子邮件列表、一个内容库或一本畅销书的可能性要小得多。
新杠杆来自无形的、数字化的资产。
受众、个人品牌、知识产权、数据、系统、软件。这些是新富阶层的杠杆。媒体、数据和代码。内容可以一次写成，被数百万人看到。软件可以一次创建，服务于数百万用户。
对大多数人来说，写作是最容易获得、也最实用的杠杆形式。你可以学习编程，但如果你不能吸引人们关注你构建的产品，那么就没有人会使用或付费购买它。写作是解锁其他形式杠杆的杠杆。
你不会在资产负债表上看到数字资产，但它们构成了标准普尔500指数价值的90%。
金·卡戴珊、泰勒·斯威夫特、瑞安·雷诺兹、野兽先生、埃隆·马斯克——他们都拥有庞大的受众和个人品牌。
但你可能不想达到他们那样的名气水平，这其实是一件好事，因为你不需要数百万粉丝就能让这个模式奏效。通过6到12个月的专注努力，你就能发现自己置身于一个与现在截然不同的生活中。
就我个人而言，我在大约5000名 followers（大约6个月时）时就替代了我的收入，因为我确实认真对待了这件事。我的朋友兰迪，一位健身教练，在大约10000名 followers时每月收入10万美元，因为他投资于教育，学习营销和销售，并像依赖生命一样执行一切。
关键在于，人们大大高估了成功所需的条件，因为他们只看到时间线上那些脱离现实的 celebrity。
这就是为什么我们在训练营中教授如何找到你想谈论的话题，创造你的“个人垄断”，并写出高影响力的内容。你还有机会加入我们下一次的直播课程。
但写作的好处远不止于此。
写作如何彻底改变你的大脑和生活
我如何知道我想什么，直到我说出来？
——E.M. 福斯特
这很难解释……但写作这个行为，远比提笔写在纸上要深刻得多。
它让你的思维以更有意义的方式看待世界。
对话成为灵感的来源。你的思想充满了你渴望理解的想法。你注意到生活中更多的细节，而不是停留在充满压力的表面。
在我看来，写作有四大关键益处：
1）写作重塑你的思维方式
这里的核心机制是“强制线性化”。
说白了就是，你可以在脑子里感觉自己理解了某个东西，但写作迫使你把它压缩成一条单一的信息流。
不加思考地写作，就像在森林里行走，你能看到四面八方；而写作本身，就像在令人迷失的混乱中开车行驶在路上。你必须决定要去哪里，要走哪些转弯，是否想走风景优美的路线，以及迷路时如何导航回来。
换句话说，写作是思考的工具。它是塑造你大脑的健身房。
你可能认为自己理解了脑海中的感受、反驳论点、记忆或半成形的类比，甚至你的价值观和信念，但除非你把它们写出来，我几乎可以保证你并不真正理解。
2）写作增强模式识别能力
这有几个层面。
第一个层面是，通过定期写作，你建立了一个外部思考记录。你能够快速参考过去写的内容，从而更好地表达当前的想法。它帮助你清晰地思考。
第二个层面类似于“摄影师的眼光”。经过几年的认真练习，你开始在日常生活中看到框架和构图。世界看起来不一样了，它多了一层深度。
通过写作，你开始注意到论证的结构、平凡时刻中的隐喻，或者你平常日子的叙事弧线。写作训练了一种特定的注意力，这种注意力会渗透到一切事物中。
第三个层面是，你会注意到通常不会注意到的想法。
当我一周有 newsletter 计划时，或者只是知道我今天需要发一条推文时，我的大脑会自然地帮我留意有助于实现这些目标的想法。
这就是“心理控制论”的概念——你的大脑就像一枚热追踪导弹，朝着目标前进，并会帮助你注意到实现目标所需的工具（问题在于，人们实际上没有他们关心的有意识目标，他们拥有的是被赋予的无意识目标，因为他们的道路已被规划好，所以他们除了上学和上班外无需做太多事情，因此他们错过了生命的这一层）。
3）写作帮助你清晰表达思想
大多数人走来走去，相信自己理解一些他们并不理解的东西。
不是因为他们笨，而是因为他们从未被迫将想法外部化并审视它。写作不仅是改善沟通的工具——从而改善你生活的大多数其他方面——也是揭示你是否真的知道自己在说什么的工具。
这就是大多数人害怕的东西。
他们不想感受做有意义事情时带来的挣扎。他们希望一切都很容易。他们希望所有想法立刻出现在脑海中。他们把写作看作是人人都知道怎么做的事情，所以他们不欣赏它和其他任何技能一样，也需要努力才能提高。
这就引出了最重要的一点。
4）写作帮助你学得更快
未来属于那些学得最快的人。
不幸的是，大多数人在高中毕业后就停止了学习，这显而易见。
你必须学习才能实现目标，所以如果你想实现社会在你出生时植入你脑海中的三个目标之外的任何目标，你就必须自我教育，而如果你想增强这个过程的效率，你就必须写作。
写作既是教学的一种形式，也是理解的一种形式。
在学习科学中，有“门徒效应”，它表明向他人教授内容的学生比仅仅学习内容的学生保留得更好。
为了弄清楚如何向他人解释某事所需的认知负荷，会促使更深入的加工、更好的组织，以及识别知识中的空白。
我在网上写作的头六个月里学到的，比我在学校里学到的还多。我有点夸张，但我的意思是，我学到了更多关于我关心的事情的知识。我能感觉到我的思维在改变形状，我更接近我成长过程中敬佩的那些思想家的状态。年轻时的我认为自己的大脑太笨，无法明智地说话。结果发现，我只是没有练习。
最后，写作要求你真正理解。
你读到一些东西。
你觉得自己懂了。
你试着把它写出来。
你意识到你写不出来。
大多数人认为这是因为他们不够“资格”写这个话题，这是胡说八道。你可以像地球上的任何其他人一样，就一个想法进行写作。你只是出于害怕把自己的想法展示给别人的恐惧，而创造了隐形的守门人。
但现在你确切地知道你的理解在哪里断裂了。
那就是你回去学习的时候。你研究。然后你继续写作。
我用来生成让人无法不读的想法的写作系统
我从来都不是最有条理的人。
我试过“第二大脑”应用。我试过把所有东西都放在人工智能里。
但我总是发现自己会回到在一个长期运行的笔记里草草记下想法。当然，想法总是会丢失，但我不认为那是个问题。如果你需要记住它，那它就不重要；如果它重要，你会记住它的。
我发现，能真正获得关注、不会消失在无人关心的黑洞里的优秀写作（或内容），归结为几件事：
你需要一个本周的主题或中心思想
你需要一个快速记下想法的地方
你需要一种捕捉灵感的方式（社交媒体的帖子、YouTube视频、Substack文章等）
你需要知道如何包装钩子或标题，让人们真正想读它
你需要在实际写作或创作时，有效地从你的想法、灵感 and 研究中提取内容
这就是系统化的样子。
看起来可能很复杂，但我们最后会用简单的方式总结一下。
1）如何选择要写的内容
我不在乎“垂直细分”。
你不是那种被放到不同环境就会死掉的动物，比如被放到阿拉斯加的狮子。
你是能够学习、构建和适应，从而在任何领域都能茁壮成长的人类。
我在选择话题时遵循两个原则：
这是否是我认为重要或值得分享的东西？因为仅仅通过我的视角来过滤一个想法，而不是过度思考到死，它就变得独特了。我有特定的身份，无论我怎么努力，我可能也不会对40多岁的足球妈妈说话。通过只谈论我认为值得分享的东西，它会吸引那些我能产生最大影响的人。
它是否以吸引注意力的方式被包装或框定？因为作为作家，那就是你的工作。你吸引注意力，否则你的作品就不会被阅读。在当今世界，做到这一点的方法是研究社交媒体上什么有效，并将这些结构和原则应用到你的钩子、标题等上。
这就是社交媒体增长的要点。
很多人想感觉自己是个超级有创意的作家，他们想非常“真实”，兄弟，所以他们不以市场真正想要的方式包装自己的想法，因此他们的作品从未获得关注。换句话说，他们从未获得报酬，因为这对他们来说感觉很“别扭”，所以他们继续为别人的梦想工作，好让他们的老板得到报酬。他们如此渴望影响他人，却拒绝做那件唯一能实现这一点的事情。他们把这视为牺牲自己身份的一部分，而不是将其视为一种能增加自身价值的技能。
最简单的方法如下：
在写作之前，研究社交媒体上什么有效。
因为这向你展示了市场已经在关注什么。
你可以通过滚动社交媒体并保存表现好的帖子来做到这一点，或者你可以使用研究工具，将所有表现最好的帖子汇集到一个地方。
举个例子，这封信的标题是“拯救了我大脑（以及我未来）的写作系统”。
我之前在 Eden 的“发现”信息流中看到过这个帖子，并把它保存到了我的一个板块里，它被称为“拯救了我大脑的笔记本系统”。
换句话说，我看到了人们已经表示想要的东西，拿了我想要写的话题，然后把两者合并在一起。这就是你使用像 Eden 这样的研究/灵感库工具的时候，或者你也可以手动滚动社交媒体，试图找到表现好的帖子。
2）为整周创建一个项目
我每周在 Substack 上发布一篇 newsletter。
这篇长篇内容会发布到 X 文章，变成一份松散的 YouTube 脚本，然后 YouTube 视频会被上传到所有播客平台。
我试过每周两次，但我的大脑在有时间围绕一个主题思考和收集灵感时运作得更好。
我的一整周都围绕着这个主题。当我读一本书时，符合主题的想法会凸显出来。当我在 YouTube 上听一个视频时，同样的事情也会发生。关于那个主题的想法会浮现出来。
这些想法成为我正在写作主题的研究材料，而 newsletter 成为所有平台社交媒体帖子的来源。
换句话说，我每周写一篇文章，它就成为所有平台的内容。这极大地改善了我的思维，因为它不再总是分散的。
这就是我整个想法捕捉和内容系统。
你具体在这里做什么？
每周创建一个地方来保存想法。
我在 Eden 中创建一个板块（我经常谈论它，因为它是唯一能在一个地方完成所有这些的应用），我在那里记下想法、粘贴社交链接、添加文章和视频，甚至上传 PDF 格式的书籍，这样我就可以让人工智能从中提取想法，而不必手动搜索，甚至不必担心做高亮标记。
我现在，就在这个板块里，写着这些内容。
所有想法和灵感都在一个地方，这使得我在写作时打开它变得容易，或者只需创建一个聊天，连接一个帖子、PDF 或链接，就能从中提取想法。
如果我在离开电脑时记录想法，我就把它们保存到移动端的板块里，比如我看过的 YouTube 视频，然后我可以与它聊天，以获取我想要的想法。
注意：我有多个板块，叫做“最喜欢的想法”、“已验证的想法”和“个人想法”。
我把我喜欢的帖子保存到“最喜欢的想法”。
我把爆红的帖子保存到“已验证的想法”。
我把个人笔记或想法保存到“个人想法”。
所有这些的混合，就能创作出优秀的作品（是的，你最喜欢的作家会像依赖生命一样进行研究、保存灵感，并把它们融合在一起写出他们的作品）。
我可以与其中任何一个聊天，获得标题变体、角度或帖子想法，然后我可以把它们放进调度器里。
3）大纲、写作和再利用
我不打算深入实际的写作过程。那需要整个训练营来讲解。
不过，有人将我最优秀的 newsletter 分解，并把它变成了一个提示词，帮助你以引人入胜的方式为你的内容构建大纲。它会问你想要写什么，然后帮助你收集可以放入大纲的想法。
如前所述，以下是我所做的：
我创建一个板块或地方来保存帖子、想法和视频（这是我写作的研究部分）
我创建一个大纲文档，开始组织这些想法
我在写作时，把所有这些东西都打开放在旁边
我把它作为 Substack 和 X 文章发布
我每周抽出一小时，把它录制成 YouTube 视频
那个 YouTube 视频会分发到所有播客平台
我利用这篇文章在整周内生成帖子想法
我每周几次在其他内容下推广我的 Substack，以促进其增长
这就是整个系统。
步行、阅读，以及每天大约60分钟的写作，构成了某些最具未来性的技能的基础：学习、思考和（独立地）赚钱。
我就讲到这里，很高兴在未来的文章中进一步扩展这些内容。
——丹
如果你希望这些信件直接发送给你，以免因算法不显示而错过，请在这里加入列表——这里还有一篇文章你可以阅读。
·
查看

职业建议：在AI时代
Phil Chen
@philhchen
AI时代的职业建议
凡是你能够为之写出损失函数的事物，AI模型都会表现得越来越好，而学校教育大体上就是一系列损失函数：那些有明确界定、按已知答案评分的问题。因此，未来十年最有价值的工作，恰恰是那些无法在模型训练周期内被评分的事情。
在六年的工作经历中，我有幸与来自各种规模公司的杰出人士合作过，从我自己创办的初创公司，到Helm AI（15至50名全职员工）、Scale AI（500至1500名全职员工）、OpenAI（1500至3000名全职员工），以及Google（超过10万名全职员工）。作为创始人，我花费了大量时间思考为公司现在和未来招募合适的人才。由于我们是一家完全以智能体为核心的公司，我们的需求与我此前工作过的任何公司都截然不同。
对于那些积极进取、有抱负且处于职业生涯早期的人，我现在对接下来十年中有价值的技能有了更清晰的认识。我给出过也收到过很多职业建议，虽然许多著名的格言依然成立（譬如“搭乘火箭飞船，别问坐哪个座位”），但智能体编程的兴起已经改变了许多事情。以下是一些依然适用的原则，以及一些新出现的变化。
1. 聚焦真正稀缺的资源
在加入Scale之前，我手上有基本薪资高得多的量化交易offer，但我最终选择加入Scale，是因为我对那里的人才社区以及能接触到Scale各类产品和应用的机会感到兴奋。通过Scale，我接触到了大语言模型推理服务提供商，这为我带来了DeepMind和OpenAI的机会。我还认识了许多同样有抱负的同事，如今他们已组成一个从Scale走出来的创始人社群。时至今日，从Scale获得的独特网络和学习机会，对我的生活贡献远超当年量化交易offer多出来的那些现金。
如今，获取资本的途径比以往任何时候都更加容易。但获得真正的时间以及与他人建立深厚关系，依然是稀缺的。在过往相关领域中经证实的卓越表现，依然是最高价值的信号，所以我的具体建议是：花时间做好工作，并确保这份工作被那些本身也在做好工作的可敬之人知晓。你要不遗余力地管理自己的时间，这样无论你是在学校、做项目还是实习，都能专注于那些你认为有意义的问题。借助“氛围编程”，很容易找到一些能赚快钱的机会，但当你寻找真正价值时，回报通常要大得多。
时间、关系、声誉：这些才是真正稀缺的资源，应当将注意力集中于此。
2. 学会在解决问题之外发现问题
为了在茫茫人海中识别出有潜力的候选人，我们深入思考了在当前智能体原生公司中，工程师需要具备哪些核心技能。既然已经没有人再手动编写代码，传统的LeetCode式问题和系统设计题便显得与实际工作表现毫不相关。最终，我们设计了一系列面试题，用来衡量一个人能否快速理解自己所处的环境，识别出值得解决的问题，并在现有环境的约束下高效地解决这些问题。
最重要的技能将与问题选择和资源分配相关。能力日益强大的智能体能够处理复杂的、定义明确的问题，因此最有影响力的人将是那些最善于识别重要问题，并合理分配token和时间去解决它们的人。
我看到一种趋势，学生们因为智能体能解决他们所有的习题集而感到沮丧。但根据我的面试经验，候选人在需要多少时间和token才能得出解决方案方面，表现仍然差异巨大。出色的候选人通常会在与智能体协作时带来高层直觉和外部背景知识。
具体而言，我们评价很高的候选人通常都深度沉浸于问题解决的环境中，这要么源于他们自己的热情项目，要么源于曾在高成长公司工作，那里有意义的问题数量远超人手。
3. 致力于解决问题的最具雄心形态
过去十年里，研究领域最有用的思维框架之一便是“苦涩的教训”：扩展通用方法终将胜过针对特定任务的优化。这一教训同样适用于选择问题和选择公司。
公司和职业一直遵循幂律分布的结局，但AI加速了走向这些结局的进程。由于构建软件如今变得更加容易，任何人都能相对轻松地构建简单的系统。真正持久的价值，只有在极度聚焦于真正雄心勃勃的问题时才能被创造出来。
选择公司时，这里的建议很简单：评估该公司是否在致力于解决其问题的最具雄心形态，然后判断他们是否真有机会解决它。选择岗位时，思考该岗位是否能让你直接投身于公司所解决问题的最前沿。
4. 冲刺最后一公里
对于初创公司，Alfred Lin写过一篇很棒的文章，阐述最后10%的工作如何既是全部工作的90%，又是全部回报的90%。AI已经让结果两极分化，因为中间水平的结果正是智能体仅凭一个草率提示词就能产出的。因此，价值来自于你为某一类问题提供独到的视角，或者你对于细节的关注。
学会在最后一公里高效执行，既需要练习也需要专注。没有什么是第一次尝试就能完美的，因此最后一公里往往在于迭代。由于编程智能体的进步如此迅速，往往更好的做法是吸取此前迭代的经验教训，直接从头开始并利用下一代智能体。在你自己项目中去练习这一点。主动在打磨、干净架构、可扩展性或者创造力上多花一点点时间。我确实看到那些这样做的候选人身上产生的影响。
5. 同时提升预期进球和转化效率
在足球中，预期进球（xG）是衡量一支球队根据其机会应当进多少球的指标，考虑了距离、角度、守门员位置等因素。效率则是指这些机会的实际转化率。
将预期进球和效率的类比用在我自己的职业生涯上，是相当准确的。2023年，我拒绝了Anthropic（当时约50名全职员工）和Cursor（当时2名非创始人全职员工）的offer，因为我希望能在DeepMind从事前沿模型推理和训练工作。2024年，我再次拒绝了这两家，选择加入OpenAI。从职业角度看，这些被拒绝的机会每一个都有很高的预期进球，但我最终选择了与我的兴趣、文化契合度和目标更一致的（双关语，此处指“进球”目标）公司。
职业生涯漫长，机会来来去去。我不认为ASI会取代知识型工作中的所有人类，因为人类在以下方面具备差异化能力：为ASI选择有意义的问题，以及分配资本去解决这些问题。
并非每个机会都能转化为进球，但处在正确的位置看到机会，是进球的第一步。这又归结于声誉和专长。Cursor的机会之所以出现，是因为我在与Michael和Aman的共同朋友中声誉良好；而Anthropic的机会则是因为我投入了职业和个人时间去研究那支团队感兴趣的问题。
在某一时刻，生活的意义在于进球，而不仅仅是看到机会，因此门前效率同样重要。回顾我的决策，我认为自己做出了许多正确的决定，但本应花更多时间收集数据来支撑这些决策。
归根结底，选择早期公司主要看团队和市场。如今许多候选人锚定在现有产品上，但如果团队优秀，产品几乎总会演变成截然不同的东西。对我来说，Anthropic最初的演示就是一个比ChatGPT还差的Slackbot。
6. 现在你就有机会进入研究领域
最近，我收到了很多关于如何进入研究领域的问题。我前同事Vlad是Gemini团队负责人，他对自己的观点有极好的阐述，链接在此。
现代研究在更多算力支持下更容易进行，但一个好的起点是利用模型，并将自己的直觉提炼成评估标准。由我前同事@kellerjordan0发布的公开优化排行榜，也提供了在更结构化环境中探索想法的绝佳平台。
许多算力提供商，如Modal，会为学术人员提供额度。现在就去利用它们探索你的想法吧。大多数想法最终会在规模扩大时失败，而理解这些失败是建立对真正有效方法认知的第一步。
最终，我相信研究员是一种心态，而非一种职业。前沿实验室研究员的大部分工作，是好奇心足以探索新想法，对抗基础设施以实现想法，极度细致地理解整个系统以高效调试问题，并清晰地阐述结果价值以争取更多算力。所有这些，你都可以在不进入前沿实验室的情况下做到。
结语
这个世界依然充满机遇。解锁它们的关键在于专注于发现有趣的问题，并交付卓越的成果。如果这对你有所吸引，欢迎联系我们，我们很乐意与你共事。
·
查看

开源许可证：MIT、Apache 与 GPL —— 作者：Ajeet (opensox.ai) (@jackedAJ)
Ajeet ( opensox.ai )
@jackedAJ
通过理解开源许可证来保护你的产品
MIT 许可证
非常简短且宽松的许可证
允许
商业使用
修改
分发
私有使用
再许可
义务
保留版权（即版权所有者信息）
和许可证声明（LICENSE.txt）
使用情况
95% 的代码库
例如
React Native
Apache 许可证 2.0
与 MIT 许可证相同，但增加了专利授权
由于声明和专利条款，它比 MIT 更注重合规性。
你可以使用我的代码，如果我拥有使用我的贡献所需的专利，我也授予你使用这些专利的许可。
如果有人想在自己的产品中使用 Kubernetes、Apache Kafka 或 Apache Spark，除了 MIT 许可证的权益外，他同样获得专利授权。
义务
如果项目包含必需的 NOTICE 文件，请包含该文件。
说明你是否修改了文件。
不得以误导方式使用贡献者的商标。
如果你就与 Apache 许可软件相关的专利起诉他人，你在 Apache 2.0 下的专利许可可能会终止。
BSD 3-Clause
与 MIT 许可证相同，但增加了“无背书”条款
可以做 MIT 许可证允许的任何事情
但你不能说“由 xyz 推荐/支持”、“与 xyz 合作开发”
例如
NumPy
义务
与 MIT 相同，加上“无背书”要求
除非原始作者授予你许可，否则你不能声明或暗示原始作者认可你的产品。
BSD 2-Clause
它是 BSD 3 减去“无背书”条款 = MIT
与 MIT 授予完全相同的权限
唯一区别在于措辞
BSD 2-Clause 表述的本质相同，但措辞源自伯克利软件分发项目
GPL 家族（尤其是 GPLv2 / GPLv3）
一系列 copyleft 许可证
copyleft 意味着“如果你分发了基于 GPL 许可证的软件，你必须以相同的许可证分发它，并将代码开源”！
此外，你不能以不同的许可证授权衍生作品。
例如
Linux 内核
GPL v2 和 v3 的区别
gpl v3 包含 gpl 2 的所有内容，加上专利保护（类似 Apache 2.0）
防止 tivoization（由自由软件基金会（FSF）的 Richard Stallman 创造的术语）（你不能以任何方式限制用户在硬件上运行修改后的软件）
防止 DRM（你不能简单地对 GPL v3 下的软件衍生作品加锁）
GPL 3 例子
GNU Bash
GNU Emacs
GNU Core Utilities
为什么 Linux 坚持采用 GPL 2.0？
他认为 tivoization 是可以接受的
而 Stallman 不同意
LGPL
意为 lesser GPL
它是为库而创建的
GPL 规定：如果你基于此创建并分发衍生作品，你必须以 GPL 许可证授权整个衍生作品，并提供相应的源代码。
LGPL 规定：你可以使用此库构建专有软件。如果你修改了 LGPL 库本身并分发这些修改，你必须以 LGPL 许可证发布这些修改。
AGPL
GPL 只关注“分发软件”，即下载
所以如果有人拿代码，修改并托管它，用户通过浏览器访问，这就构成了一个漏洞，即在不违反规则的情况下使用了 GPL 代码。
因此 AGPL 应运而生。如果人们通过互联网使用你修改的 AGPL 软件，你必须向他们提供相应的源代码。
opensox.ai 也使用 AGPL 许可证
Mozilla 公共许可证 2.0
MPL 基本上是 MIT 和 GPL 许可证之间的桥梁
一种文件级别的弱 copyleft 许可证
MIT 说——保持一切私有
GPL 说——保持一切开源
MPL 说——只保持 MPL 下的文件开源，其余部分可以私有/专有
有趣的事实
我们可以创建自己的许可证，所以我在这里创建了一个我自己的。
·
查看

AI不是你想象的那种威胁
作者：丹·科（@thedankoe）
丹·科
@thedankoe
如何在AI大规模取代中生存（并逃离工资奴隶制）
不幸的是，所有的工作都将在接下来的5秒内消失。
至少，如果你把社交媒体上那些嗓门大的人的话太当真，感觉就是这样——就像我文章标题那样。
你甚至可能把“反AI”意识形态当作你的新身份，高喊“去他妈的AI”，这样你就能感觉自己正在做出改变，而实际上你并没有改变自己的行为、拓宽自己的技能组合，或适应这个新世界，因为谁会想这么做呢？谁又真的想成长呢？
AI不是你想象的那种威胁。
真正的威胁，一直以来都是：
你的生存和福祉依赖除你自己以外的所有人。任何形式的技术都会威胁到这一点。你的雇主和政府都有他们自己的生存要顾及，当有什么东西威胁到这一点时，他们就会降级到更低的思维层次，并迅速试图化解威胁。这是人性。你可以争辩说他们“应该”关心你的福祉，但如果你盲目地相信他们会做到，那你注定会非常、非常失望。
AI太大了，靠哭喊是控制不了的。
在社交媒体上发帖说你有多么讨厌AI，并不会阻止工作被取代（并不是说它们会被取代，先顺着我往下看），也绝对不会阻止成功所需的技能随着技术的发展而改变。
我希望这封信能给你带来视角以及一个潜在的解决方案（这个方案自古以来就存在）。
我想和你分享关于工资奴隶制、成为高自主性个体的4个想法，以及为什么所有这些想法，除非你从根本上改变你是谁，否则都毫无意义。
在最后，我有一个简短的练习，包含6个问题，可能会让你打开一种新的生活方式——即使它看起来很簡單。
在开始之前，自我赞助，2件事（如果你对别人推广感到生气，可以跳过）：
@edendotso 现在为所有平台（包括Substack）提供社交日程安排功能，同时还能研究任何平台上的异常帖子，你可以在Claude中通过MCP完成这一切——这是完整的内容工作流。首月五折，在这里。
下一期个人品牌训练营将于7月8日开始。你将学习人们在AI时代真正需要的那套技能，并学习如何定位你自己的品牌和业务。在报名截止日期前在这里加入。
好了，销售推广结束，以下是这封信：
I——如何逃离工资奴隶制
工资奴隶制，是指为了生存，为别人做你并未选择的、毫无意义的苦差事。
我不反对工作。
我认为工作是获取实践经验与技能积累的宝贵垫脚石。
但每当我“负面”地谈论工作时，总有些人忍不住说：“你是个白痴！我其实很喜欢我的工作！”
那很好。我不是在对你说话（而且我部分认为你在撒谎，只是为了逃避面对自己的潜力，同时对此毫无意识）。
我是在对那些理解真正享受的心理机制、无法忍受以下设想的人说话：三分之一的人生用来做你未选择的工作；三分之一的人生因精神疲惫而无法做任何有价值的事；三分之一的人生在睡觉……持续40多年。
你看，享受、意义和满足感，来自于在能力的边缘生活。这一点已有充分研究。不，我不会引用来源。享受来自于追求一个略高于你技能水平的挑战。不是难到让你焦虑，也不是简单到让你无聊。电子游戏就是这样利用的。你会接那些刚好够挑战的任务，因为如果你是一个1级角色去做100级的任务，你会立刻死掉并讨厌这个游戏。这是进入心流状态的最大驱动力，如果你能创造一种增加这种心流触发可能性的生活结构，享受就会源源不断。
工作的问题在于，几个月后，你就知道了所有你需要知道的。你只要打卡上班，做任务，打卡下班。你会感到无聊。这违背你的天性。你能感觉到。你的注意力不再沉浸于任务中，而是转向：“我还能做什么？”对大多数人来说，那个“还能做什么”并不涉及有意义的目标。它涉及打开手机，让大脑腐烂。很少有一份工作会要求你持续提升技能以匹配更大的挑战。
攀爬职业阶梯可能会有帮助，但同样，你对挑战的级别没有控制权。你不是在为自己的项目工作。好奇心、激情、目标感、自主权和精通，必然是缺乏的——而那正是心流的5个驱动因素。
这和工资奴隶制有什么关系？
嗯，文明实际上是由部落奴役其他部落而建立的。那种动态从未消失。相反，它抽象成了雇佣关系、法律和文化。社会本质上已经变成了一个金字塔骗局。底层的人比顶层的人多，而让所有人都处于顶层在数学上是不可能的。一个老板，多个员工，员工依赖老板生存。
我们大多数人都是在工业标准下长大的。
成为一个专家。专攻一个领域。找一份高薪工作，这样我的朋友们就会觉得我的儿子/女儿很成功。而正因为你这样做，你对大部分过程视而不见。你只懂做你那份工作所需的那一项技能，却不去尝试理解付你钱的那个系统。你没有把时间投入到其他领域，所以你不知道如何建立自己的东西。你只知道如何在别人的东西里扮演一个角色。
不知不觉中，你的思考能力被压垮了，即使在你选择的技能领域里你被认为“聪明”。你挣着不错的工资，但感觉不到财务稳定，于是陷入一个混乱的压力循环。压力使思维变得狭窄。你更难想象一个你可以建立自己东西的生活。
你没有资本去做你想做的事。你没有时间用于个人发展。而且你可能太累了（精神上，而非身体上），无法重新教育自己，因为你醒着的大部分时间都在喂养别人的愿景。
顺便说一句，这就是你在大规模取代中生存的方式：你投身于自己的事业。
问题在于，奴隶不知道自己就是奴隶。
这远远超出了工资奴隶制的范畴。我们所有人都是奴隶，通常以某种方式受制于意识形态和信仰体系。
奴役关乎强制力，当我们听到这个词时，我们想到的是物理形式。但工资奴隶制是财务上的。如果你不出现去上班就会带来灾难，而你又没有创造替代方案的技能，那么你就符合奴隶的定义，无论你的“感觉”是否告诉你其他情况。
更糟糕的是，如果你已经与你的工作认同，你可能会把这视为实际攻击。你会感到威胁反应。你会想和我争论，这没问题，但这只会进一步证明这一点。
我想你已经明白了。
这很糟糕。我讨厌想到这一点。
让我们谈谈现在可能的情况，以及你能做些什么。
II——成功的五个要素
如果你不创造自己的日常规律，别人就会为你指定一个。
大多数人，在他们一生的大部分时间里，都被训练去学习他们不想学的东西，得到一份他们不在乎的工作，为那些他们在日常生活中永远不想交往的人工作。
虽然我认为AI、技术和社交媒体已经把我们对齐到这样一个认知点：学校和工作并非唯一路径，但我也觉得人们只是厌倦了周围世界那种纯粹的无意义感。
对于那些厌倦了默认路径的人，有五个要素可以让你在未来不受影响，让你即使在/如果所有工作都被取代时，也能做有意义的工作：
自主性——无需许可便能“直接去做事”的能力。在看到机会时，即使没有人要求你，也能采取行动。
品味——判断什么值得推向世界的经验。
说服力——让别人关心你所做事情的技能，不要与操纵混淆。
坚持——理解错误不等于死亡，并且错误是必需的。
迭代——基于反馈不断修正错误、朝着目标前进的过程（如果某事不奏效，学习并转向，直到成功）。
现在每个人都在痴迷于成为“高自主性”的人。
我明白。这很重要。所有科技圈的人都互相模仿，说成为高自主性多么重要，这恰恰表明他们自己是低自主性的。
是的，你需要能够朝着目标发起行动。这是最能区分企业家和员工的特质之一。企业家是那些把没有人要求的东西推向世界的人。
但这只是创业拼图中的一块。
以上5个要素实际上归结为两种技能：弄明白的能力，以及知道需要做什么的经验。
迄今为止，AI在资产创造方面非常出色，但热门创作不是资产创造。资产创造是热门创作的必要条件，但不是充分条件。
任何人都能像5年前那样在上周制作一款电子游戏。技术唾手可得。它已经商品化了。你知道每年会发布多少款手机游戏吗？成千上万。你知道一年能出多少个热门作品吗？零到五个。
——施特劳斯·泽尔尼克
现在任何人都能构建任何东西，这意味着创业（工资奴隶制的解药）的门槛持续降低，但这其实并不重要：
你现在就可以去构建一个应用。
不是下一个Notion，而是一个范围可控的应用或工具，专注于人们真正受益的预期结果。一个不必成为热门作品也能有价值的东西。
我实际上会推荐你这么做。我认为软件将成为下一个信息产品。我的意思是，构建软件将成为创作者、个体创业者和单人企业的默认选择。信息产品之所以长期占据主导地位，是因为任何人都能创造它们，但这当然并不意味着它们都成功了。
问题在于上面的图。
你可以构建任何东西，但这并不意味着：（1）它值得构建；（2）人们会在意；（3）你有能力根据反馈进行迭代和坚持，使其成为值得构建且人们会在意的东西。
如果你真的理解了这句话，你会做得很好。
第二个问题是，自主性、品味、说服力、坚持和迭代，并不是你可以去看几个YouTube视频就能学会的典型“高价值技能”。
关于成为高自主性的理论和推文，不会让你变得更高自主性。
练习它们的唯一方式，就是开始做你自己的事情。
III——工作的解药是变得“不可雇佣”
我记得我接到第一个网页设计客户的那一天。
我相信他们为那个糟糕的手写网站付了我300美元。那是为一家当地的床垫公司做的，他们只是想要一个让顾客能看到他们床垫的地方。
就这样。
300美元。
就在那时，我恍然大悟。我知道，如果我能够重复、改进和迭代我刚刚做的事情来赚到这笔钱，我就能以某种方式对自己的生活方式和未来获得更多控制权。这让我变得不可雇佣。它形成了一种深深的信念：我再也不会接受一份工作，我会为自己的生存而奋斗，尽管听起来很戏剧化。
但仅仅是那300美元这个数字，并不代表导致那一刻发生的一切——身份的转变，以及最初欺骗自己相信这是可能的。它也不代表我在接下来的7年里学到的东西。
我想为你提供两样东西：一个身份转变的起点，让你成为那个“不可雇佣”的人，而不仅仅是喜欢这个想法的人；以及一个任何人都可以用自己独特方式执行的行动计划。
1）把自己扔进一个迫使你成长的环境
改变生活最快的方式，就是把自己从（物理和数字）环境中拽出来。一夜之间改变一切。你去的地方，你关注的账号，你消费的信息等等。这很困难，但绝对有效。
行为改变 = 身份改变。
你可以试着节食减掉30磅，但如果你不是那个重视健康的人，如果你不喜欢健康的生活方式，你就会永远觉得自己在爬坡。你会像大多数人一样，把体重都反弹回来，除非你从根本上改变你是谁。
怎么做呢？
嗯，了解你如何成为今天的你，会有所帮助。
你出生在一个有特定价值观的家庭和文化中。
你被灌输那些价值观，即使你的父母没有强迫你。
你上了一所有特定价值观的学校，被有特定价值观的老师教导。
你接触了大量信息，可能把你的价值观推向叛逆、懒惰、受害者心态。
你有了手机，由于社交媒体和我们无法自控的猴子大脑，这种条件化过程呈指数级增长。
当然，这个过程还有更多内容，但你明白我的意思。
现在，这并不是坏事，某种程度上是必要的。
我听过很多“真实至上”的家伙说他们讨厌“模仿”或复制的想法，但他们仍然用两条腿走路，说英语，因为嗯，这就是你做的事。你模仿。这叫学习。
当你的行为不利于你内心核心所呼唤的生活时，这就变得糟糕了。那个耳语着“你注定要成就更多”的内心声音。
要开始重新条件化的过程，从你的环境开始。
你必须对所有的刺激变得极其有意识，因为它们都在塑造你是谁。
你要这样做：
一夜之间翻转开关。
明天醒来后，至少在当天，不要做任何和以前一样的事。
把闹钟设在一个不同的时间。精确规划你醒来后要做什么。吃不同的食物。和不同的人交谈。消费不同的内容。一切。
随着我们推进，你会开始理解你应该如何策划你的环境。
2）选择一个反馈尽量贴近现实的“容器”
最危险的生活方式，是脱离持续试错的那种。
脱离了错误修正的过程，就是脱离了挑战、发现和来之不易的智慧，而这些会带来成长，带来满足感。
这不仅适用于那些在你熟悉任务后挑战水平就趋于常态的工作。它适用于商业和创业，也适用于那些带着员工思维的人：总是需要被告知该做什么，或者总是需要一本手册才能对自己的步骤感到自信。
我的问题给你：
在互联网出现之前，人们是如何弄明白事情的？在“怎么做”指南和一步步流程泛滥之前？第一枚火箭是如何建造的？
他们尝试了。他们失败了。他们没有让失败说服自己相信那是不可能的，也没有让失败让他们迷失到沉溺于快速快感的地步。他们根据现实反馈设定新方向。最终，他们在草堆里找到了那根针。
他们是智慧的。
因为一个智慧系统的标志是，他们能根据反馈修正航向。他们有一座灯塔，并且在被吹离航线时不会放弃。
当我谈论创业时，这就是我的意思。
我指的是投入你的自然状态。投入创造。追求那些需要失败才能达成的未知目标。
这是大多数成功人士的唯一特质。
对他们来说，失败不是一个消极概念，而是一个美好生活必需的常数。
这一切听起来很棒，但你如何在当今世界实际应用呢？
3）如果你想在未来蓬勃发展，学习以下两种技能之一
代码和媒体是无许可的杠杆。它们是新贵背后的杠杆。你可以创造在你睡觉时也能为你工作的软件和媒体。
——纳瓦尔
你，作为一个初学者，作为一个人，没有意识到你拥有多少杠杆，尤其是在AI的加持下。
我说的不是低级AI使用，不是那些随意的ChatGPT提问者，也不是那些因为AI窃取他们作品而生气的艺术家。
我说的是那个层次：你明白你可以构建几乎任何东西，因为AI让你置身于试错的流动中。当然，大多数初始输出不是你期望的那样，但如果你有自主性，如果你迭代，如果你坚持，如果你积累品味，那么你就能构建几乎任何东西，而且这很可能只会变得更加真实。然后，如果你能说服别人，你所构建的东西就能在你睡觉时为你赚钱。
当然，这在AI出现之前也是可能的。核心问题是，大多数人并不了解，只要拥有成功的5个要素，在足够长的时间跨度内一切皆有可能。AI只是让你能做更多、更快，并让你接触到以前无法获得的东西——比如创造软件的能力，以及超强化的学习和研究能力。
话虽如此，我认为媒体比代码更重要。
我说的媒体，是指内容。
帖文、视频、播客或文章，你发布一次，就能被数千甚至数百万人看到。在我看来，那将是值得拥有的技能，尤其是当越来越多的人试图用AI包办一切时。
因为做内容，你需要知道什么是好的。
你仍然需要AI无法给你的教育，因为你还没有开始试错的过程。你不知道该问什么。
内容的价值是主观的。每个人阅读每一句话，都会以不同的方式解读。换句话说，没有一种唯一正确的方法能获得结果。
而代码的价值相对客观。你怎么写并不重要，只要能达到你想要的结果。就像我们上面看到的，手机应用比以往任何时候都多，但它们的下载量和使用量实际上却在下降。
为什么？
因为它们没有分发渠道。它们不懂媒体和内容。它们无法让人们去使用它，更无法让人们足够在意它并为之付费。
顺便说一句，我说的不是那种Instagram上的人说“我让Claude访问了我的社交媒体，它一夜之间让我的账号涨了10万粉丝”的内容。除非你通过叙事和权威来建立信任和忠诚度，否则这几乎毫无价值。你可以在Eden里做到这一点，但如果你知道自己在做什么会有帮助。
正如JK·莫利纳所说，点赞不是现金。
智能内容创作远不止发布博眼球、求点赞和关注的内容。
顺便提一句，如果你还没猜到的话，为了身份转变而暴露自己的环境，应该由与你想要的生活相一致的人、地点和习惯触发器组成。这是其中的一部分。
IV——如何开始：留出15分钟来改变你的轨迹
你已经改变了你的环境。
你已经选择了你的容器。
你知道媒体胜于代码，因为内容的价值在于观者的眼中，这会迅速商品化AI生成的内容，因为它变得司空见惯，从而为真正的创意者腾出空间——无论他们是否使用AI，因为再说一次，AI不是问题。
现在你需要回答唯一重要的问题：
你一生的事业是什么？
我们要构建的，是一生的事业，而不是个人品牌。
彼得森、胡伯曼、瓦茨——他们都有“个人品牌”，但他们与其目标深度一致。他们知道自己想要什么，他们利用社交媒体作为实现它的工具，因为那加上AI，是你现在作为一个人能做更多事的技术，因为你从零开始，大概不会在电视、广播或图书出版商那里获得太多成功。
（当然，艾伦·瓦茨并没有打算拥有一个“个人品牌”，但他确实有，而这个观点依然成立。）
他们的个人品牌就是他们自己。
就是他们的身份。
如果你想亲眼目睹你的身份活生生地呈现，只需走一遍Eden的欢迎流程。它会为你构建成一个你可以探索的图谱。
大多数人喜欢这个想法，但他们很快卡住了。他们追求快速的多巴胺刺激，搜索“什么利基市场能通过内容创作赚到六位数”，而不是深入挖掘他们多年来积累的经验和故事中已有的价值，他们觉得这些价值一文不值，因为对他们来说太寻常了。
你一生事业的原材料已经在你的内心，被多年的“要专精、要务实、别问那么多问题”的教导掩埋。这个过程不是要给你什么新奇的创意。相反，它是为了向你展示你已经拥有的东西。
认真对待这件事。
关掉你的标签页。打开一个空白文档。设置一个15分钟的计时器。用笔写回答下面的每一个问题。不要跳过那些让你不舒服的问题。
第一步：挖掘你的原材料
让你变得有趣的大部分东西，都被训练掉了。你的好奇心被视为分心。你多样的兴趣被贴上缺乏专注的标签。系统想要一个顺从的工人。
你的内容只有在源自真正属于你的素材时才有效。
回答这些问题，如果你没有答案，就跳过，让问题留在你的潜意识里：
你对什么了解得太多，以至于不可能是偶然？你多年来在数十个来源上研究过什么主题，而没有人付钱让你研究？
你为自己解决了什么问题，却以为别人早就知道了？什么对你来说是自然而然，却似乎让其他人感到崩溃？
你小时候因为什么被责骂，而那其实只是过早的品味？在别人告诉你那是不切实际之前，你对什么痴迷过？
现在圈出一个答案。那个让你有所触动的答案。那就是原材料。
别担心你的利基、内容支柱之类的。担心你思想的质量，因为最终胜出的是这个。
第二步：命名你的反主流脊梁
没有人需要另一个包装常识的人。你的内容需要一个只有你能看到的视角。这个视角来自于你坚信的主流弄错的那一件事。
品味不是知道什么是好的。而是知道什么是坏的，并且无法移开目光。
回答这些问题：
哪一条主流建议实际让你的生活变得更糟？你必须摒弃什么才能变得正常运作？
关于你的领域，你相信什么会被专家称为幼稚，但你无法摆脱？
你所在行业里的每个人都在假装没看到什么？
把你在第1步和第2步的答案放在一起看。它们重叠的地方，就是你的方向。
你对这些问题的回答，就是你的第一篇帖文。
最好的品牌，就是那个人的世界，公之于众，供人探索。
第三步：明天发布你的第一个想法
这是一封信，不是一门课程。
我希望这里能有20个模块，但我做不到。那是训练营的用途。
最后一个要素，标志着对他人财务依赖终结的开始，就是真正去做这件事，而真正去做这件事，从一篇帖子开始。
你上一轮已经写下了帖子想法。
取一个。
想想如何让钩子引人注目。
想想如何组织正文以产生冲击力。
接受第一次迭代会很糟糕，而且你无法改进不存在的东西。
如果你想要一点帮助，这里有一个提示/技能，让你头脑风暴角度和草稿变体，这样你就能感受到“好的”长什么样。这些都是基于行之有效的方法。我们之前在“在社交媒体上增长很容易”这封信里讨论过。
你的任务很简单。
从第1步取一个答案，从第2步取一个答案。把它们组合成一个只有你能写出的句子。然后明天把它作为你的第一篇内容发布。一篇帖子。一个视频。一份通讯。形式并不重要（至少现在不重要）。
现在，你实际上有了来自现实的反馈。
如果它不奏效，很好，你必须学习。你必须研究，在下篇帖子中尝试一种说服策略，然后下一篇，直到你掌握这项技能，因为技能习得就是在遇到问题时叠加技巧。
如果你是那个现在说“我希望这更实用”的人，你是瞎的。我刚刚给了你做任何事的公式。
而你刚刚从你自己的头脑收到了反馈，你却并未将其视为需要修正的错误。
就是这样。
下一篇再聊。
——丹

现代浏览器的工作原理
Web 开发者常常将浏览器视为一个黑盒，能够神奇地将 HTML、CSS 和 JavaScript 转化为交互式 Web 应用。实际上，像 Chrome（Chromium）、Firefox（Gecko）或 Safari（WebKit）这样的现代 Web 浏览器，是一套复杂的软件系统。它负责协调网络通信、解析并执行代码、利用 GPU 加速进行图形渲染，并通过沙箱进程隔离内容以保障安全。
本文深入探讨现代浏览器的工作原理——重点关注 Chromium 的架构和内部机制，同时指出其他引擎的差异。我们将探索从网络栈和解析管道，到通过 Blink 进行的渲染过程、通过 V8 进行的 JavaScript 引擎、模块加载、多进程架构、安全沙箱以及开发者工具等方方面面。目标是以开发人员易读的方式，揭开幕后发生的奥秘。
现在，让我们开始这段探索浏览器内部机制之旅。
网络与资源加载
每一次页面加载都始于浏览器的网络栈从 Web 获取资源。当你输入一个 URL 或点击一个链接时，浏览器的 UI 线程（运行在“浏览器进程”中）会启动一个导航请求。
浏览器进程是主要的、控制性的进程，负责管理所有其他进程和浏览器的用户界面。除了特定网页标签页内发生的任何事情之外，其余一切均由浏览器进程控制。
具体步骤包括：
URL 解析与安全检查：浏览器解析 URL，确定协议（http、https 等）和目标域。同时，它还需判断输入内容是一个搜索查询还是 URL（例如在 Chrome 的地址栏中）。在此阶段，可能还会使用安全功能（如黑名单）来避免访问钓鱼网站。
DNS 查询：网络栈将域名解析为 IP 地址（除非已缓存）。这可能涉及联系 DNS 服务器。现代浏览器可以使用操作系统的 DNS 服务，甚至在配置了的情况下使用 DNS over HTTPS (DoH)，但归根结底，它们都会为主机解析出 IP 地址。
建立连接：如果与服务器之间没有现成的连接，浏览器会打开一个。对于 HTTPS URL，这包括 TLS 握手，用于安全地交换密钥并验证证书。浏览器的网络线程会透明地处理 TCP/TLS 等协议的建立。
发送 HTTP 请求：连接建立后，会向资源发送 HTTP GET 请求（或其他方法）。如果服务器支持，现今的浏览器默认使用 HTTP/2 或 HTTP/3，这允许在一个连接上多路复用多个资源请求。这避免了 HTTP/1.1 中每个主机大约 6 个并行连接的限制，从而提升了性能。例如，使用 HTTP/2 时，HTML、CSS、JS、图片等都可以在一个 TCP/TLS 连接上并发获取；而使用 HTTP/3（基于 QUIC/UDP）时，建立连接的延迟进一步降低。
接收响应：服务器以 HTTP 状态码和头部信息作为响应，紧接着是响应体（HTML 内容、JSON 数据等）。浏览器读取响应流。如果 Content-Type 头部缺失或不正确，它可能需要对 MIME 类型进行嗅探，以决定如何处理内容。例如，如果一个响应看起来像 HTML 但未标记为 HTML，浏览器仍会尝试将其视作 HTML（遵照宽容的 Web 标准）。此处也有安全措施：网络层会检查 Content-Type，并可能阻止可疑的 MIME 不匹配或不允许的跨源数据（Chrome 的 CORB —— Cross-Origin Read Blocking —— 就是这样的机制之一）。浏览器还会咨询 Safe Browsing 等类似服务来拦截已知的恶意负载。
重定向与后续步骤：如果响应是 HTTP 重定向（例如，带有 Location 头部的 301 或 302 状态码），网络代码会跟随该重定向（在通知 UI 线程之后），并向新 URL 重复请求。只有在获得一个包含实际内容的最终响应后，浏览器才会继续处理该内容。
所有这些步骤都在网络栈中完成。在 Chromium 中，网络栈运行在专门的网络服务中（现在通常作为独立的进程，这是 Chrome 的“服务化”努力的一部分）。浏览器进程中的网络线程使用操作系统的网络 API 在底层协调套接字通信的底层工作。重要的是，这种设计意味着渲染进程（将执行页面代码的进程）无法直接访问网络——它需要请求浏览器进程代为获取所需内容，这是一个安全方面的优势。
投机性加载与资源优化
现代浏览器在网络阶段实现了复杂的性能优化。当你悬停在一个链接上或开始输入 URL 时，Chrome 会主动执行 DNS 预取或打开 TCP 连接（使用 Predictor 或 preconnect 机制），以便在你点击时，部分延迟已被削去。还有 HTTP 缓存：如果资源已缓存且新鲜，网络栈可以直接从浏览器缓存满足请求，从而避免网络往返。
预扫描器操作：Chromium 实现了一个复杂的预加载扫描器，它会在主解析器之前对 HTML 标记进行分词。当主 HTML 解析器被 CSS 或同步 JavaScript 阻塞时，预扫描器会继续检查原始标记，以识别可以并行获取的图像、脚本和样式表等资源。这一机制对现代浏览器的性能至关重要，并且无需开发者干预就能自动运行。预扫描器无法发现通过 JavaScript 注入的资源，因此这类资源更可能是按顺序加载而非并发加载。
Early Hints（HTTP 103）：Early Hints 允许服务器在生成主响应期间发送资源提示，使用 HTTP 103 状态码。这可以在服务器思考时间内发送 preconnect 和 preload 提示，可能将 Largest Contentful Paint 改善数百毫秒。Early Hints 仅适用于导航请求，并支持 preconnect 和 preload 指令，但不支持 prefetch。
Speculation Rules API：Speculation Rules API 是一项最新的 Web 标准，它允许定义规则，根据用户交互模式动态预取和预渲染 URL。与传统的链接预取不同，此 API 可以预渲染完整的页面，包括执行 JavaScript，从而实现近乎即时的加载时间。该 API 使用 `script` 元素或 HTTP 头部内的 JSON 语法来指定应被投机加载的 URL。Chrome 对过度使用设有限制，并根据紧急程度级别设置不同的容量。
HTTP/2 和 HTTP/3：大多数基于 Chromium 的浏览器和 Firefox 完全支持 HTTP/2，并且 HTTP/3（基于 QUIC）也被广泛支持（Chrome 对支持的网站默认启用）。这些协议通过允许并发传输和减少握手开销来改善页面加载。从开发者的角度来看，这意味着可能不再需要雪碧图或域名分片等技巧——浏览器可以在一个连接上高效地并行获取许多小文件。
资源优先级排序：浏览器还会对某些资源进行优先级排序。通常，HTML 和 CSS 是最高优先级（因为它们阻塞渲染），脚本可能是中等优先级（如果正确地标记了 defer/async，则可能高），而图片可能优先级较低。Chromium 的网络栈会分配权重，甚至可以取消或推迟请求，以优先满足初始渲染所需。开发者可以使用 `link rel=preload` 和 Fetch Priority 来影响资源优先级。
到网络阶段结束时，浏览器已经获得了页面的初始 HTML（假设这是一次 HTML 导航）。此时，Chrome 的浏览器进程会选择一个渲染进程来处理内容。Chrome 通常会在网络请求进行的同时，并行地启动一个新的渲染进程（投机性地），以便在数据到达时它已准备就绪。这个渲染进程是隔离的（稍后详述多进程架构），并将接管页面的解析和渲染。
一旦响应被完全接收（或随着流式传输），浏览器进程会提交导航：它向渲染进程发出信号，让它接管字节流并开始处理页面。此刻，地址栏更新，新站点的安全指示器（HTTPS 锁等）也随之显示。现在，动作转移到渲染进程：解析 HTML、加载子资源、执行脚本以及绘制页面。
解析 HTML、CSS 和 JavaScript
当渲染进程收到 HTML 内容时，其主线程会根据 HTML 规范开始解析它。HTML 解析的结果是 DOM（文档对象模型），这是一个表示页面结构的对象树。解析是增量式的，并且可以与网络读取交错进行（浏览器以流式方式解析 HTML，因此即使在完整 HTML 文件下载完毕之前，DOM 也可以开始构建）。
HTML 解析与 DOM 构建：HTML 解析由 HTML 标准定义为一个容错过程，无论标记多么不规范，它都会生成一个 DOM。这意味着即使你忘记闭合的 `</p>` 标签或者嵌套标签错误，解析器也会隐式修正或调整 DOM 树，使其有效。例如，`<p>Hello <div>World</div>` 会自动在 DOM 结构中的 `<div>` 之前结束 `<p>`。解析器为 HTML 中的每个标签或文本创建 DOM 元素和文本节点。每个元素被放置在反映源代码嵌套关系的树中。
一个重要的方面是，HTML 解析器在解析过程中可能会遇到需要获取的资源：例如，遇到 `<link rel="stylesheet" href="...">` 会提示浏览器请求 CSS 文件（在网络线程上进行），遇到 `<img src="...">` 会触发对图像的请求。这些操作与解析并行进行。除了一个主要的例外——脚本——解析器可以在这些加载进行时继续工作。
处理 `<script>` 标签：如果 HTML 解析器遇到 `<script>` 标签，它会暂停解析，并且默认必须在继续之前执行该脚本。这是因为脚本可以使用 `document.write()` 或其他 DOM 操作，这些操作可能会改变页面结构或仍在到来的内容。通过在该点立即执行脚本，浏览器保持了与 HTML 相关的正确操作顺序。因此，解析器将脚本交给 JavaScript 引擎执行，只有在脚本完成（并且它所做的任何 DOM 更改都已应用）之后，HTML 解析才能恢复。这种脚本执行的阻塞行为，正是为什么在 `<head>` 中包含大型 `<script>` 文件会拖慢页面渲染的原因——在脚本被下载并运行之前，HTML 解析无法继续。
然而，开发者可以通过属性来修改这种行为：在 `<script>` 标签上添加 `defer` 或 `async`（或使用现代 ES 模块脚本），可以改变浏览器处理它的方式。使用 `async`，脚本文件会并行获取，并在就绪后立即执行，而不会暂停 HTML 解析（解析不会等待，并且脚本相对于其他 async 脚本的原始执行顺序不保证）。使用 `defer`，脚本会并行获取，但执行会推迟到 HTML 解析完成之后（并且届时会按原始顺序执行）。在两种情况下，解析器都不会被脚本阻塞，这通常对性能更有利。ES6 模块（使用 `<script type="module">`）也会自动延迟（它们也可以使用 `import` 语句——我们稍后单独讨论模块加载）。通过使用这些技术，浏览器可以继续构建 DOM 而不会出现长时间停顿，从而加快页面加载速度。
CSS 解析与 CSSOM：与 HTML 并行，CSS 文本必须被解析成浏览器可以处理的结构——通常称为 CSSOM（CSS 对象模型）。CSSOM 基本上是对应用于文档的所有样式（规则、选择器、属性）的表示。浏览器的 CSS 解析器读取 CSS 文件（或 `<style>` 块），并将它们转换成一系列 CSS 规则（以及大量布隆过滤器等，以加速样式解析）。然后，随着 DOM 的构建（或一旦 DOM 和 CSSOM 都就绪），浏览器将为每个 DOM 节点计算样式。这个步骤通常称为样式解析或样式计算。浏览器将 DOM 和 CSSOM 结合，以确定每个元素适用哪些 CSS 规则，以及最终的计算样式是什么（在应用层叠、继承和默认样式之后）。输出通常被概念化为每个 DOM 节点与一个计算样式的关联（即该元素的最终 CSS 属性，例如颜色、字体、大小等）。
值得注意的是，即使没有任何作者 CSS，每个元素也有默认的浏览器样式（用户代理样式表）。例如，`<h1>` 在所有浏览器中几乎都有默认的 font-size 和 margin。浏览器的内置样式规则以最低优先级应用，它们确保了一些合理的默认呈现。开发者可以在 DevTools 中查看计算样式，以了解某个元素最终具有哪些 CSS 属性。样式计算步骤使用所有适用的样式（用户代理、用户样式、作者样式）来确定每个元素的最终样式。
渲染阻塞行为：虽然 HTML 解析可以在 CSS 完全加载之前进行，但存在一种渲染阻塞关系：浏览器通常会等到 `<head>` 中的 CSS 加载完毕后才进行首次渲染。这是因为应用不完整的样式表可能导致无样式内容的闪现。在实践中，如果 HTML 中出现了未标记为 `async`/`defer` 的 `<script>` 且位于 `<link>` 之前，脚本也会等待 CSS 加载完毕后再执行（因为脚本可能通过 DOM API 查询样式信息）。经验法则：将样式表链接放在 `<head>` 中（它们会阻塞渲染，但需要尽早加载），并将非关键或大型脚本使用 `defer`/`async` 或放置在底部，以免延迟 DOM 解析。
现在，浏览器已经具备了：（1）由 HTML 构建的 DOM，（2）解析出的 CSS 规则（CSSOM），以及（3）每个 DOM 节点的计算样式。这些共同构成了下一阶段——布局——的基础。但在继续之前，我们应该更详细地考虑 JavaScript 方面——具体来说，JS 引擎（在 Chrome 中为 V8）是如何执行代码的。我们提到了脚本阻塞，但脚本运行时会发生什么？我们将在后面的章节中专门讨论 V8 和 JS 执行的内部机制。现在，假设脚本运行时可能会修改 DOM 或 CSSOM（例如，调用 `document.createElement` 或设置元素样式）。浏览器可能需要通过重新计算样式或布局来响应这些更改（如果反复进行，可能会产生性能开销）。解析期间的初步脚本运行通常包括设置事件处理器，或者可能操作 DOM（例如模板化）。之后，页面通常被完全解析，我们进入布局和渲染阶段。
样式与布局
在此阶段，浏览器的渲染进程了解 DOM 的结构以及每个元素的计算样式。下一个问题是：所有这些元素在屏幕上的位置在哪里？它们有多大？这就是布局（也称为“重排”或“布局计算”）的任务。在此阶段，浏览器根据 CSS 规则（标准流、盒模型、flex 或 grid 等）和 DOM 层次结构，计算每个元素的几何属性——大小和位置。
布局树构建：浏览器遍历 DOM 树并生成一个布局树（有时称为渲染树或框架树）。布局树在结构上类似于 DOM 树，但它省略了非可视元素（例如，`script` 或 `meta` 标签不产生盒子），并且可能根据需要将某些元素拆分成多个盒子（例如，一个跨越多个行的 HTML 元素可能对应多个布局盒子）。布局树中的每个节点都保存着该元素的计算样式，并包含诸如节点内容（文本或图像）和影响布局的计算属性（如宽度、高度、内边距等）等信息。
在布局期间，浏览器计算每个元素盒子的精确位置（x、y 坐标）和大小（宽度、高度）。这涉及 CSS 规范定义的算法：例如，在正常的文档流中，块级元素从上到下堆叠，每个默认占据全宽；而内联元素在行内流动，并在需要时产生换行。像 flexbox 或 grid 这样的现代布局模式有各自的算法。引擎必须考虑字体度量来断行（因此文本布局涉及测量文本片段），并且必须处理外边距、内边距、边框等。有许多边缘情况（例如，外边距折叠规则、浮动、绝对定位元素脱离文档流等），使得布局成为一个相当复杂的过程。即使是“简单”的从上到下的布局，也需要根据可用宽度和字体大小来计算文本换行。浏览器引擎有专门的团队和多年的开发经验来准确高效地处理布局。
关于布局树的一些细节：
`display:none` 的元素完全从布局树中省略（它们不产生任何盒子）。相反，仅是不可见的元素（例如，`visibility:hidden`）确实会获得布局盒子（占据空间），只是稍后不会被绘制。
产生内容的伪元素（如 `::before` 或 `::after`）会被包含在布局树中（因为它们确实有视觉盒子）。
布局树节点知道它们的几何属性。例如，一个 `<p>` 元素的布局节点会知道它相对于视口的位置和尺寸，并拥有每个行或其内部内联盒子的子节点。
布局计算：布局通常是一个递归过程。从根元素（`<html>` 元素）开始，浏览器计算视口的大小（对于 `<html>`/`<body>`），然后在其中布局子元素，依此类推。许多元素的大小依赖于它们的子元素或父元素（例如，一个容器可能会扩展以适应子元素，或者一个子元素可能占父元素宽度的 50%）。布局算法通常需要通过多次遍历来处理浮动或某些复杂的交互，但一般以一个方向（自顶向下）进行，并在需要时可能有回溯。
到这一阶段结束时，页面上每个元素的位置和大小都已确定。我们现在可以将页面概念性地看作是一堆包含文本或图像的盒子。但我们实际上还没有在屏幕上绘制任何东西——这就是下一步，绘制。
然而，一个关键概念是：布局可能是一项昂贵的操作，尤其是重复进行时。如果 JavaScript 后来更改了元素的大小或添加了内容，就可能迫使页面的部分或全部重新布局。开发人员经常听到关于避免布局抖动的建议（比如在修改 DOM 后立即读取布局信息，这会强制进行同步重算）。浏览器会尝试通过标记布局树的哪些部分“脏”，并仅重新计算那些部分来优化。但最坏情况下，DOM 高处的更改可能导致大型页面的整个布局重新计算。这就是为什么为了更好的性能，应尽量减少高成本的样式/布局操作。
样式与布局回顾：总而言之，浏览器从 HTML 和 CSS 构建了：
DOM 树——结构和内容
CSSOM——解析后的 CSS 规则
计算样式——将 CSS 规则匹配到每个 DOM 节点的结果
布局树——过滤为视觉元素的 DOM 树，并带有每个节点的几何属性
每个阶段都建立在前一个阶段之上。如果任一阶段发生变化（例如，脚本更改了 DOM 或修改了 CSS 属性），后续阶段可能需要更新。例如，如果你更改了元素上的一个 CSS 类，浏览器可能会重新计算该元素的样式（以及如果有继承变化则包括子元素），然后如果该样式变化影响几何属性（如 `display` 或尺寸），则可能不得不重做布局，接着需要重新绘制。这条链意味着布局和绘制依赖于最新的样式，依此类推。我们将在 DevTools 部分讨论这些的性能影响（因为浏览器提供了工具来查看这些步骤何时发生以及花费多长时间）。
布局完成后，我们进入下一个主要阶段：绘制。
绘制、合成与GPU渲染
绘制是将结构化的布局信息实际转换为屏幕上像素的过程。传统上，浏览器会遍历布局树，并为每个节点发出绘制指令（如“在此坐标绘制背景、绘制文本、绘制图像”）。现代浏览器在概念上仍是这样做的，但通常将工作划分为多个阶段，并利用GPU来提高效率。
绘制/光栅化：在渲染器的主线程上，布局完成后，Chrome通过遍历布局树生成绘制记录（或显示列表）。这基本上是一系列带有坐标的绘制操作列表，就像艺术家规划如何绘制场景一样：例如“在(x, y)处绘制宽度为W、高度为H、填充颜色为蓝色的矩形，然后在(x2, y2)处使用字体XYZ绘制文本‘Hello’，接着在…处绘制图像”，以此类推。这个列表按照正确的z-index顺序排列（这样重叠的元素就能正确绘制）。例如，如果一个元素的z-index较高，其绘制指令会排在（位于）较低z-index内容之后。浏览器必须考虑层叠上下文、透明性等因素，以获得正确的顺序。
在过去，浏览器可能只是按顺序直接将每个元素绘制到屏幕上。但如果页面部分发生变化，这种方法可能效率低下（必须重绘所有内容）。现代浏览器通常改而记录这些绘制指令，然后利用合成步骤组装最终图像，尤其是在采用GPU加速时。
分层与合成：合成是一种优化技术，将页面拆分成多个可以独立处理的层。例如，一个带有CSS变换或动画的定位元素可能会获得自己的层。层就像单独的“草稿画布”——浏览器可以分别光栅化（绘制）每一层，然后合成器再将其混合到屏幕上，这通常借助GPU完成。
在Chromium的管线中，生成绘制记录后，会有一个构建层树的步骤（确定哪些元素属于哪个层）。一些层是自动创建的（例如视频元素、画布，或带有某些CSS属性的元素会被提升为层），开发者也可以通过使用`will-change`或`transform`等CSS属性来提示获取一个层。层的优势在于，层上的移动或透明度变化只需进行合成（即仅重新渲染或移动该层），而无需重绘整个页面。但层过多会占用大量内存并增加开销，因此浏览器会谨慎选择。
确定层之后，Chrome的主线程会将任务交给合成器线程。合成器线程运行在渲染器进程中，但独立于主线程（这样即使主JS线程繁忙，它也能继续工作，这对于平滑滚动和动画非常有益）。合成器线程的职责是接收各个层，对其进行光栅化（将绘图转换为实际的像素位图），并将它们合成为帧。
GPU辅助光栅化：光栅化工作也可以分散处理。在Chrome中，合成器线程将层划分为较小的瓦片（如256x256或512x512像素块，在启用GPU光栅化时通常更大，几乎总是如此），然后分派给多个光栅工作线程（甚至可能跨多个CPU核心）进行并发光栅化。每个光栅工作线程处理一个瓦片——本质上是一系列该图层区域内的绘制命令——并生成一个位图（像素数据）。重要的是，Skia（Chrome的图形库）可以使用CPU或GPU进行光栅化；在Chrome的情况下，这些光栅线程通常使用CPU渲染像素，然后上传到GPU内存。Firefox较新的WebRender采用了另一种方法，我们稍后会提及。光栅化的瓦片作为纹理存储在GPU内存中。一旦所有所需的瓦片绘制完成，合成器线程就拥有了一个准备好的一组纹理层。
然后，合成器组装一个合成器帧——实质上是一条发送给浏览器进程的消息，包含构成屏幕的所有四边形（层瓦片）、它们的位置等信息。这个合成器帧通过IPC提交回浏览器进程，最终由浏览器的GPU进程（Chrome中一个独立访问GPU的进程）接收并显示。浏览器进程自身的UI（如标签栏）也通过合成器帧绘制，所有这些都在最后一步中混合。GPU进程接收帧，并使用GPU（通过OpenGL/DirectX/Metal等）进行合成——基本就是在屏幕上合适的位置绘制每个纹理、应用变换等，速度非常快。结果就是你看到的最终图像。
这种管线的优势在滚动或动画时尤为明显。例如，滚动页面通常只改变较大页面纹理上的视口。合成器只需移动层位置，并让GPU重绘进入视野的新部分，而不需要主线程重新绘制所有内容。如果动画只是变换（例如移动一个独立层的元素），合成器线程可以每帧更新该元素的位置并生成新帧，而无需涉及主线程或重新运行样式和布局。这就是为什么推荐使用“仅合成”动画（只改变触发布局的`transform`或`opacity`）以获得更好的性能——即使主线程繁忙，它们也能平滑地以60 FPS运行。相比之下，动画化高度或背景色等属性可能每帧都强制重新布局或重绘，如果主线程跟不上，就会产生卡顿。
简而言之，Chrome的渲染管线是：DOM → 样式 → 布局 → 绘制（记录显示项）→ 分层 → 光栅化（瓦片）→ 合成（GPU）。Firefox的管线在显示列表阶段之前在概念上类似，但通过WebRender跳过了显式层构建，而是将显示列表发送到GPU进程，然后GPU进程几乎使用GPU着色器处理所有绘制（更多内容见比较部分）。WebKit（Safari）也使用多线程合成器并在macOS上通过“CALayers”进行GPU渲染。因此，所有现代引擎都利用GPU进行渲染，尤其是合成和光栅化图形密集部分，以实现高帧率并将工作从CPU卸载。
在继续之前，让我们更详细地讨论GPU的角色。在Chromium中，GPU进程是一个独立进程，负责与图形硬件接口。它接收来自所有渲染器合成器和浏览器UI的绘制命令（大多是高层命令，如“在这些坐标绘制这些纹理”），然后将其转换为实际的GPU API调用。通过将其隔离在进程中，有缺陷的GPU驱动程序崩溃不会导致整个浏览器崩溃——只会影响GPU进程，而它可以重新启动。此外，它还提供了沙箱边界（因为GPU处理可能不受信任的内容，如canvas绘制、WebGL等，驱动程序存在安全漏洞——在进程外运行它们可以降低风险）。
合成的最终结果发送到显示器（浏览器运行的OS窗口或上下文）。对于每个动画帧（目标为60 FPS，即每帧16.7毫秒以实现平滑效果），合成器都会尽力生成一帧。如果主线程繁忙（比如JS执行耗时过长），合成器可能会跳过帧或无法更新，导致可见的卡顿。开发者工具可以在性能时间线中显示丢弃的帧。使用`requestAnimationFrame`等技术可以将JS更新与帧边界对齐，有助于平滑渲染。
总而言之，浏览器的渲染引擎将页面内容和样式仔细分解为一组几何信息（布局）和绘制指令，然后利用层和GPU合成高效地将其转换为你看到的像素。这个复杂的管线使得网页上丰富的图形和动画能够以交互式帧率运行。接下来，我们将深入了解JavaScript引擎，以了解浏览器如何执行脚本（到目前为止，我们一直将其视为一个黑盒）。
JavaScript引擎内部（V8）
JavaScript驱动着网页的交互行为。在Chromium浏览器中，V8引擎执行JavaScript（和WebAssembly）。理解V8的工作原理可以帮助开发者编写高性能的JS。虽然详尽深入探讨会写成书，但我们将重点关注JS执行管线的关键阶段：解析/编译代码、执行代码以及管理内存（垃圾回收）。我们还将介绍V8如何处理现代特性，如即时编译（JIT）层级和ES模块。
现代V8解析与编译管线
后台编译：从Chrome 66开始，V8在后台线程上编译JavaScript源代码，将主线程上的编译时间减少了典型网站的5%到20%。自Chrome 41起，Chrome已通过V8的`StreamedSource` API支持在后台线程上解析JavaScript源文件。V8可以在从网络下载第一个数据块时就开始解析JavaScript源代码，并在流式传输文件的同时并行解析。几乎所有的脚本编译都在后台线程上完成，只有短暂的AST内部化和字节码最终化步骤在主线程上、脚本执行前进行。目前，顶层脚本代码和立即调用的函数表达式在后台线程上编译，而内部函数仍会在首次执行时在主线程上懒编译。
解析与字节码：当遇到一个`<script>`（无论是在HTML解析期间还是之后加载）时，V8首先解析JavaScript源代码。这会产生代码的抽象语法树（AST）表示。预解析器是解析器的一个副本，只做跳过函数所需的最少工作。它验证函数在语法上是否有效，并为外层函数的正确编译提供所需的所有信息。当预解析后的函数稍后调用时，它会按需进行完整解析和编译。
V8不直接从AST解释执行，而是使用一个名为Ignition的字节码解释器（于2016年引入）。Ignition将JavaScript编译成紧凑的字节码格式，这本质上是一系列虚拟机的指令。这种初始编译非常快，字节码相对底层（Ignition是一个基于寄存器的虚拟机）。目标是尽快开始执行代码，并最小化前期成本（对页面加载时间很重要）。
AST内部化过程：AST内部化涉及为生成的字节码在V8堆上分配字面量对象（字符串、数字、对象字面量样板）。为了支持后台编译，此过程被移到编译管线的后期，在字节码编译之后，这需要修改以访问AST中嵌入的原始字面量值，而不是内部化的堆上值。
显式编译提示：V8引入了一项名为“显式编译提示”的新特性，允许开发者指示V8通过急切编译在加载时立即解析和编译代码。带有此提示的文件在后台线程上编译，而延迟编译在主线程上发生。对热门网页的实验表明，在20个案例中有17个性能有所提升，前台解析和编译时间平均减少了630毫秒。开发者可以使用特殊注释向JavaScript文件添加显式编译提示，以启用对关键代码路径在后台线程上的急切编译。
扫描器和解析器优化：V8的扫描器已显著优化，各方面都有改进：单令牌扫描提高了约1.4倍，字符串扫描提高了1.3倍，多行注释扫描提高了2.1倍，标识符扫描根据标识符长度提高了1.2至1.5倍。
脚本运行时，Ignition解释字节码，执行程序。解释执行通常比优化的机器码慢，但它允许引擎开始运行，同时收集关于代码行为的剖析信息。代码运行过程中，V8会收集有关其使用方式的数据：变量类型、哪些函数被频繁调用等。这些信息将在后续步骤中用于加快代码运行。
JIT编译层级
V8并不仅仅停留在解释阶段。它采用多级即时编译器来加速热代码。思路是在运行频繁的代码上投入更多的编译工作以使其更快，同时不浪费时间优化只运行一次的代码。
Ignition（解释字节码）。
Sparkplug：V8的基线JIT名为Sparkplug（约2021年推出）。Sparkplug将字节码快速编译为机器码，不进行重度优化。这产生比解释执行快的原生代码，但Sparkplug不进行深入分析——它旨在几乎和解释器一样快启动，但生成的代码运行稍快。
Maglev：2023年，V8引入Maglev，一个中级优化编译器，现已活跃部署。Maglev生成代码的速度比Sparkplug慢近20倍，但比TurboFan快10到100倍，有效地弥合了对于中等热度但不足以进行TurboFan优化的函数的差距。Maglev适用于那些有些热但不足以达到TurboFan、或TurboFan编译成本过高的函数。从Chrome M117开始，Maglev能处理许多情况，通过在基线和最高级JIT之间架起桥梁，加快在“温暖”代码（不冷也不超热）中花费时间的Web应用启动。
TurboFan：当函数或循环被执行多次时，V8将启用其最强大的优化编译器。TurboFan接收代码，并利用收集到的类型反馈生成高度优化的机器码，应用高级优化（函数内联、消除边界检查等）。注意：截至2025年，V8已逐步用基于CFG的IR Turboshaft替换TurboFan内部的“Sea of Nodes”中间表示。TurboFan的整个JavaScript后端现在使用Turboshaft，并且一个进一步的项目（Turbolev）正进行中，将使用Maglev的IR作为前端，完全替换TurboFan的前端。如果假设成立，这种优化后的代码运行速度会快得多。
因此，V8现在实际上有四个执行层级：Ignition解释器、Sparkplug基线JIT、Maglev优化JIT和TurboFan优化JIT（其后端正逐步被Turboshaft替换）。这类似于Java的HotSpot VM具有多个JIT级别（C1和C2）。引擎可以根据执行概况动态决定优化哪些函数以及何时优化。如果一个函数突然被调用一百万次，它最终很可能会被TurboFan优化以获取最大速度。
Intel还开发了配置文件引导的分层技术，提高了V8的效率，在Speedometer 3基准测试上提升了约5%。最近的V8更新包括静态根优化，允许在编译时准确预测常用对象的内存地址，显著提高访问速度。
JIT优化面临的一个挑战是JavaScript是动态类型的。V8可能在特定假设下优化代码（例如，此变量始终是整数）。如果后续调用违反了这些假设（比如变量变成字符串），优化后的代码就失效了。V8随后会执行反优化：回退到优化程度较低的版本（或根据新假设重新生成代码）。这种机制依赖于内联缓存和类型反馈以快速适应。反优化的存在意味着，如果你的代码类型不可预测，峰值性能有时无法持续，但通常V8会处理典型模式（如函数一致地接收相同类型的对象）。
字节码刷新与内存管理
V8实现了字节码刷新，如果某个函数在多次垃圾回收后仍未被使用，其字节码将被回收。当再次执行时，解析器会使用先前存储的结果更快地重新生成字节码。此机制对于内存管理至关重要，但在边缘情况下可能导致解析不一致。
内存管理（垃圾回收）：V8使用垃圾回收器自动管理JS对象的内存。多年来，V8的GC已演变为称为Orinoco GC的垃圾收集器，它是一个分代、增量、并发的垃圾回收器。关键点：
分代：V8按对象年龄分层。新对象分配在年轻代（或“新生代”）中。这些对象使用快速的清除算法频繁回收（将存活对象复制到新空间，回收其余）。存活足够次数的对象会被提升到老年代。
标记-清除/压缩：对于老年代，V8使用带压缩的标记-清除收集器。这意味着它会偶尔暂停世界（短暂停止JS执行），从根（如全局对象）开始标记所有可达对象，然后清除以回收未引用对象的内存。它还可能压缩内存（移动对象以减少碎片）。然而，Orinoco已使大部分标记并发化——它可以在后台线程上执行大量标记工作，同时JS仍在运行，以最小化暂停时间。
增量GC：V8尽可能以小块而不是一次大暂停进行垃圾回收。这种增量方法分散工作以避免卡顿。例如，它可以在脚本执行之间插入少量标记工作，利用空闲时间。
并行GC：在多核机器上，V8也可以在并行线程上执行GC的某些部分（如标记或清除）。
总的来说，V8团队多年来成功大幅减少了GC暂停时间，使垃圾回收在大型应用中也基本不被察觉。小GC（新对象清除）通常非常快。大GC（老年代）较少见，现在大多是并发的。如果你打开Chrome的任务管理器或DevTools的内存面板，你可能会看到V8的堆被分成“年轻空间”和“老空间”，反映了这种分代设计。
对于开发者来说，这意味着无需手动内存管理，但你应该注意：例如，避免在紧凑循环中创建大量短生命周期对象（尽管V8在处理短生命周期对象方面相当出色），并意识到持有大型数据结构会使其一直在内存中。DevTools等工具可以强制执行垃圾回收或记录内存配置文件，以查看内存使用情况。
V8与Web API：值得一提的是，V8涵盖核心JavaScript语言和运行时（执行、标准JS对象等），但许多“浏览器API”（如DOM方法、`alert()`、网络XHR/fetch等）并不属于V8本身。它们由浏览器提供，并通过绑定对JS公开。例如，当你调用`document.querySelector`时，底层会进入引擎对C++ DOM实现的绑定。V8处理调用C++并返回结果，并且有大量机制使这个边界快速（Chrome使用IDL生成高效绑定）。
既然我们已经介绍了浏览器如何获取资源、解析HTML/CSS、计算布局、用GPU绘制以及运行JS，我们现在对加载和渲染页面的整个过程有了清晰认识。但还有更多要探索：ES模块如何处理（因为模块涉及自己的加载机制）、浏览器的多进程架构如何组织，以及沙箱和站点隔离等安全特性如何工作。
模块加载与导入映射
JavaScript模块（ES6模块）引入了与经典`<script>`标签不同的加载和执行模型。不是可能创建全局变量的大型脚本文件，而是显式导入/导出值的文件。让我们看看浏览器（特别是Chrome中的V8）如何加载模块，以及`import()`和导入映射等特性如何发挥作用。
静态模块导入：当浏览器遇到`<script type="module" src="main.js">`时，它将main.js视为模块入口点。加载过程如下：浏览器会获取main.js，然后将其解析为ES模块。在解析过程中，它会找到任何`import`语句（如`import { foo } from './utils.js';`）。浏览器不立即执行代码，而是构建模块依赖图。它会启动获取任何导入的模块（此处为utils.js），并递归地，这些模块中的每一个都会被解析以获取其导入、获取，以此类推。这异步进行。只有当整个模块图都获取并解析完成后，浏览器才能评估模块。模块脚本本质上是异步的——浏览器直到所有依赖就绪后才执行模块代码。然后它按依赖顺序执行它们（确保如果模块A导入B，则B先运行）。
这种静态导入过程就是为什么ES模块在某些情况下不能从`file://`加载，以及为什么跨域脚本默认需要CORS——因为浏览器在积极地链接和加载多个文件，而不仅仅是向页面中插入一个`<script>`。
动态导入：除了静态导入语句，ES2020引入了`import(moduleSpecifier)`作为表达式。这允许代码动态加载模块（返回一个解析为模块导出的Promise）。例如，你可能在响应用户操作时执行`const module = await import('./analytics.js')`，从而对应用进行代码拆分。在底层，`import()`触发浏览器获取所需的模块（及其依赖，如果尚未加载），然后实例化并执行它，并用模块命名空间对象解析Promise。V8和浏览器在此协调：浏览器的模块加载器负责获取和解析，V8在就绪后负责编译和执行。动态导入之所以强大，是因为它也可以用于非模块脚本（例如，内联脚本可以动态导入模块）。它本质上赋予开发者按需加载JS的能力。与静态导入的区别在于，静态导入提前解析（在任何模块代码运行之前，整个图已加载），而动态导入更类似于在运行时加载新脚本（除了具有模块语义和Promise）。
导入映射：ES模块在浏览器中的一个挑战是模块说明符。在Node或打包器中，你经常按包名导入（例如`import { compile } from 'react'`）。在网络上，没有打包器时，`'react'`不是有效URL——浏览器会将其视为相对路径（会失败）。这就是导入映射的用武之地。导入映射是一个JSON配置，告诉浏览器如何将模块说明符解析为真实URL。它通过HTML中的`<script type="importmap">`标签提供。例如，导入映射可能说明说明符“react”映射到“https://cdn.example.com/[email protected]/index.js”（实际脚本的完整URL）。然后，当任何模块执行`import 'react'`时，浏览器使用该映射找到URL并加载它。本质上，导入映射允许“裸”说明符（如包名）通过在网络上映射到CDN URL或本地路径来工作。
导入映射对于无打包开发来说是一个改变游戏规则的工具。自2023年以来，所有主流浏览器都支持导入映射（Chrome 89+、Firefox 108+、Safari 16.4+——所有三个引擎）。它们特别适用于本地开发或想要使用模块而无构建步骤的简单应用。对于生产环境，大型应用仍然经常打包以提升性能（减少请求数量），但随着浏览器和HTTP/2/3的改进，提供许多小模块变得可行。
因此，浏览器中的模块加载器包括：模块映射（跟踪已加载内容）、可能的导入映射（用于自定义解析）、以及获取/解析逻辑。一旦获取并编译，模块代码以严格模式执行，并拥有自己的顶级作用域（除非显式附加，否则不会泄漏到`window`）。导出会被缓存，因此如果另一个模块稍后导入同一模块，它不会重新执行（它会复用已评估的模块记录）。
还需要提到的一个方面是，与普通脚本不同，ES模块会延迟执行，并且对于给定的依赖图谱，它们会按顺序执行。如果 main.js 导入了 util.js，而 util.js 又导入了 dep.js，那么求值顺序将是：首先 dep.js，然后 util.js，最后 main.js（深度优先，后序）。这种确定性的顺序在某些情况下可以避免对 DOMContentLoaded 等事件的需求，因为到主模块运行时，其所有依赖项都已加载并执行完毕。
从 V8 的角度来看，模块由相同的编译管线处理，但它们会创建单独的 ModuleRecord。引擎确保模块的顶层代码仅在所有依赖项就绪后运行一次。V8 还必须处理循环模块导入（这是允许的，并可能导致部分初始化的导出）。具体细节遵循规范——但本质上，引擎会创建所有模块实例，然后通过提供占位符来解析循环，最后按照依赖关系顺序执行（规范算法是模块图的“DAG”拓扑排序）。
总而言之，浏览器中的模块加载是网络（获取模块文件）、模块解析器（使用导入映射或标准 URL 解析）和 JS 引擎（按正确顺序编译和评估模块）之间的协调配合。它比旧的 <script> 加载更复杂，但带来了更模块化和可维护的代码结构。对于开发者来说，关键要点是：使用模块组织代码；如果需要裸导入，请使用导入映射；并知道可以通过 import() 动态加载模块。浏览器将负责所有繁重的工作，确保所有内容按正确顺序执行。
既然我们已经介绍了单个页面的内部工作原理，让我们放大视野，审视允许多个页面、标签页和 Web 应用同时运行而互不干扰的浏览器架构。这引出了多进程模型。
浏览器多进程架构
现代浏览器（Chrome、Firefox、Safari、Edge 等）都采用多进程架构，以实现稳定性、安全性和性能隔离。不同于将整个浏览器作为一个巨型进程运行（早期浏览器就是这样），现代浏览器的不同方面在不同的进程中运行。Chrome 在 2008 年率先采用了这种方法，其他浏览器也以各种形式跟进。让我们聚焦于 Chromium 的架构，并指出 Firefox 和 Safari 的差异。
在 Chromium（Chrome、Edge、Brave 等）中，有一个核心的浏览器进程。该浏览器进程负责 UI（地址栏、书签、菜单——所有浏览器界面）以及协调资源加载和导航等高层任务。当您打开 Chrome 并在操作系统的任务管理器中看到一个条目时，那就是浏览器进程。它也是生成其他进程的父进程。
然后，对于每个标签页（有时甚至一个标签页中的每个站点），Chrome 会创建一个渲染进程。渲染进程运行 Blink 渲染引擎和 V8 JS 引擎来处理该标签页的内容。通常，每个标签页至少有一个渲染进程。
如果您打开了多个不相关的站点，它们将位于不同的进程中（站点 A 在一个进程中，站点 B 在另一个进程中，依此类推）。Chrome 甚至会将跨源 iframe 隔离到单独的进程中（更多内容请参见站点隔离部分）。渲染进程是沙盒化的，不能直接任意访问您的文件系统或网络——它必须通过浏览器进程进行这些特权操作。
Chrome 中的其他关键进程包括：
GPU 进程：一个专门负责与 GPU 通信的进程（如前所述）。来自渲染器的所有渲染和合成请求都会发送到 GPU 进程，该进程实际发出图形 API 调用。此进程是沙盒化且独立的，因此 GPU 崩溃不会导致渲染器崩溃。
网络进程：（在旧版 Chrome 中，网络是浏览器进程中的一个线程，但现在通过“服务化”通常成为独立进程。）该进程处理网络请求、DNS 等，并可以单独沙盒化。
实用程序进程：这些进程用于各种服务（如音频播放、图像解码等），Chrome 可能会将其卸载。
插件进程：在 Flash 和 NPAPI 插件时代，插件在自己的进程中运行。Flash 现已弃用，因此这不太相关，但架构仍为插件不在主浏览器进程中运行做好了准备。
扩展进程：Chrome 扩展（本质上是可以对网页或浏览器进行操作的脚本）也在独立的进程中运行，为了安全性与网站隔离。
一个简化的视图是：一个浏览器进程协调多个渲染进程（每个标签页或每个站点实例一个），加上一个 GPU 进程和一些其他服务进程。Chrome 的任务管理器（Windows 上按 Shift+Esc 或通过“更多工具”>“任务管理器”）实际上会列出每个进程类型及其内存使用情况。
多进程的优势：主要优势在于：
稳定性：如果某个网页（渲染进程）崩溃或泄漏内存，它不会导致整个浏览器崩溃——您可以关闭该标签页，其余部分仍保持运行。在单进程浏览器中，一个糟糕的脚本就可能导致整个浏览器崩溃。Chrome 可以在单个标签页的进程死亡时显示“Aw, Snap”错误，并且您可以独立地重新加载它。
安全性（沙盒化）：通过在受限进程中运行 Web 内容，浏览器可以限制这些代码在您系统上能做什么。即使攻击者在渲染引擎中发现了漏洞，他们也被困在沙盒中——渲染进程通常无法读取您的文件、随意打开网络连接或启动程序。它必须请求浏览器进程来完成文件访问等操作，这些请求可以被验证或拒绝。这种沙盒是在操作系统级别强制执行的（根据平台使用作业对象、seccomp 过滤器等）。
性能隔离：一个标签页中的繁重工作（例如沉重的 Web 应用或无限循环）主要被限制在该标签页的渲染进程中。其他标签页（不同的进程）可以保持响应，因为它们的进程未被阻塞。此外，操作系统可以将进程调度到不同的 CPU 核心上——因此，在多核系统上，两个沉重的页面可以比作为单进程线程更好地并行运行。
内存分段：每个进程都有自己的地址空间，因此内存不共享。这防止了一个站点窥探另一个站点的数据，也意味着当标签页关闭时，操作系统可以高效地回收该进程的所有内存。缺点是由于资源重复和进程数量增加导致一些开销（每个渲染器都加载自己的 JS 引擎副本等）。
站点隔离：最初，Chrome 的模式是一个标签页一个进程。随着时间的推移，他们将其演变为一个站点一个进程（尤其是在 Spectre 之后——请参阅下一节关于安全性的内容）。截至 2024 年，桌面平台上 99% 的 Chrome 用户默认启用了站点隔离，Android 支持仍在完善中。这意味着如果您有两个标签页都打开 example.com，Chrome 可能会决定使用一个进程来处理两者（以节省内存，因为它们是同一站点，因此放在一起风险较小）。但是，如果一个标签页包含 example.com 和一个 evil.com 的 iframe，默认情况下 evil.com 的 iframe 会与父页面位于不同的进程中（以保护 example.com 的数据）。这种强制执行就是 Chrome 所称的“严格站点隔离”（大约在 Chrome 67 中作为默认设置推出）。由于进程创建增多，站点隔离使 Chrome 多使用 10-13% 的系统资源，但提供了至关重要的安全优势。
Firefox 的架构称为 Electrolysis（e10s），历史上所有标签页共用一个内容进程（多年来 Firefox 是单进程的，直到 2017 年左右才启用了几个内容进程）。截至 2021 年，Firefox 使用多个内容进程（默认 8 个用于 Web 内容）。通过 Project Fission（站点隔离），Firefox 正朝着类似的方式隔离站点——它可以为跨站点 iframe 生成新进程，并在 Firefox 108+ 中默认启用了站点隔离，可能像 Chrome 一样每个站点一个进程。Firefox 也有一个 GPU 进程（用于 WebRender 和合成）和一个独立的网络进程，类似于 Chrome 的拆分。因此，实际上 Firefox 现在拥有一个非常类似 Chrome 的模型：一个父进程、一个 GPU 进程、一个网络进程、几个内容（渲染）进程和一些实用程序进程（用于扩展、媒体解码等——例如，媒体插件可以隔离运行）。
Safari（WebKit）同样转向了多进程模型（WebKit2），其中每个标签页的内容位于独立的 WebContent 进程中，由一个中央 UI 进程控制。Safari 的 WebContent 进程也是沙盒化的，不能直接访问设备或文件，必须通过 UI 进程。Safari 还有一个共享的网络进程（可能还有其他辅助进程）。因此，虽然实现方式不同，但概念是一致的：将每个网页的代码隔离在其自己的沙盒环境中。
一个重要点是进程间通信（IPC）：这些进程如何相互通信？浏览器使用 IPC 机制（在 Windows 上通常使用命名管道或其他操作系统 IPC；在 Linux 上可能使用 Unix 域套接字或共享内存；Chrome 有自己的 IPC 库 Mojo）。例如，当网络响应到达网络进程时，它需要被传递到正确的渲染进程（由浏览器进程协调）。同样，当您执行 DOM fetch() 时，JS 引擎会调用网络 API，该 API 向网络进程发送请求，依此类推。IPC 增加了复杂性，但浏览器进行了大量优化（例如，使用共享内存高效传输大型数据如图像，并发送异步消息以避免阻塞）。
进程分配策略：Chrome 并不总是为每个标签页都创建一个全新进程——存在限制（特别是在内存较低的设备上，它可能会为同站点标签页复用进程）。如果您打开同一站点的另一个标签页，Chrome 会重用现有的渲染器以节省内存（这就是为什么有时同一站点的两个标签页会共享进程的原因）。它还有总进程数的限制（可以根据 RAM 进行调整）。当达到限制时，它可能会开始将多个不相关的站点放入一个进程，但在启用站点隔离的情况下，它会尽量避免混合站点。在 Android 上，由于内存限制，Chrome 使用较少的进程（通常内容进程最多 5-6 个）。
Chromium 中的另一个概念是服务化：将浏览器组件拆分为可以在独立进程中运行的服务。例如，网络服务被做成了一个可以在进程外运行的独立模块。其理念是模块化——强大的系统可以让每个服务在自己的进程中运行，而资源受限的设备可能会将某些服务合并回一个进程以节省开销。Chrome 可以在运行时或构建时决定如何部署这些服务。正如片段中所述，在高端设备上，它可能会拆分所有内容（UI、网络、GPU 等全部独立），而在低端设备（如 Android）上，它可能会将浏览器和网络合并到一个进程中以减少开销。
要点：Chromium 的架构旨在将浏览器 UI 和每个站点运行在不同的沙盒中，使用进程作为隔离边界。Firefox 和 Safari 已趋同于类似的设计。这种架构极大地提高了安全性和可靠性，代价是增加了内存使用。Web 内容进程被视为不可信的，而站点隔离（下一节）在此之上进一步将不同源彼此隔离到独立进程中。
站点隔离与沙盒
站点隔离和沙盒是建立在多进程基础之上的安全特性。它们旨在确保即使恶意代码在浏览器中运行，也无法轻易窃取其他站点的数据或访问您的系统。
站点隔离：我们已经提到过——这意味着不同的网站（更严格地说是不同的站点）在不同的渲染进程中运行。Chrome 的站点隔离在 2018 年 Spectre 漏洞曝光后得到了加强。Spectre 表明，恶意 JavaScript 可能通过利用 CPU 的推测执行来读取它不应该读取的内存。如果两个站点在同一个进程中，恶意站点可以使用 Spectre 窥探敏感站点（如您的银行网站）的内存。唯一强大的解决方案是根本不让它们共享一个进程。因此，Chrome 将站点隔离设为默认：每个站点都有自己的进程，包括跨源 iframe。Firefox 通过 Project Fission 也紧随其后（在最近版本中默认启用），其目标相同——他们提到将每个站点隔离在自己的进程中以实现安全。与过去相比，这是一个重大变化，过去如果您有一个父页面和来自多个域名的多个 iframe，它们可能全部生活在同一个进程中（特别是如果它们在一个标签页中）。现在，这些 iframe 会被拆分，例如，在良好站点页面上的 <iframe src="https://evil.com"> 会被强制放入不同的进程，从而防止即使是低级别的攻击在它们之间泄漏信息。
从开发者的角度来看，站点隔离大多是无感知的。一个影响是嵌入式 iframe 与其父页面之间的通信现在可能跨越进程边界，因此它们之间的 postMessage 通过 IPC 在幕后实现。但浏览器使这一切无缝进行；作为开发者，您像往常一样使用 API 即可。
沙盒：每个渲染进程（和其他辅助进程）都在受限特权的沙盒中运行。例如，在 Windows 上，Chrome 使用作业对象并降低特权，使渲染器无法调用大多数访问系统的 Win32 API。在 Linux 上，它使用命名空间和 seccomp 过滤器来限制系统调用。渲染器基本上可以计算和渲染内容，但如果它试图打开文件、摄像头或麦克风，就会被阻止（除非通过适当渠道经浏览器进程请求用户权限）。WebKit 的文档明确指出，WebContent 进程无法直接访问文件系统、剪贴板、设备等——它们必须通过 UI 进程请求，由 UI 进程进行中介。这就是例如当站点尝试使用您的麦克风时，权限提示由浏览器 UI（浏览器进程）显示的原因，如果允许，实际的录音会在受控的进程中进行。沙盒是关键的一道防线。即使攻击者找到漏洞在渲染器中运行本地代码，他们仍然面临沙盒障碍——他们需要单独的漏洞利用（“逃逸”）才能突破到系统。这种分层方法（称为站点隔离 + 沙盒）是浏览器安全的最先进技术。
Firefox 的沙盒现在也非常严格（在早期 e10s 时代较弱，但他们已经加强了）。Firefox 的内容进程也无法直接访问太多内容；Firefox 还对 GPU 进程进行了沙盒化，以处理图形驱动程序问题。
进程外 iframe（OOPIF）：在 Chrome 的站点隔离实现中，他们为进程外 iframe 创造了术语 OOPIF。从用户的角度来看，什么也没改变，但在 Chrome 的内部架构中，页面的每个帧都可能由不同的渲染进程支持。顶层帧和同站点帧共享一个进程；跨站点帧使用不同的进程。所有这些进程“协作”渲染单个标签页的内容，由浏览器进程协调。这是相当复杂的，但 Chrome 拥有一个可以跨进程的帧树。这意味着您的一个标签页可能运行着 N 个进程（一个用于主文档，其他每个用于跨站点子文档）。它们通过 IPC 进行通信，例如跨越边界的 DOM 事件或某些涉及跨上下文的 JavaScript 调用。Web 平台（通过诸如 COOP/COEP、SharedArrayBuffer 等规范）正在考虑这些限制（在 Spectre 之后）而发展。
内存和性能成本：站点隔离确实增加了内存使用，因为使用了更多进程。Chrome 开发者指出，在某些情况下可能会有 10-20% 的内存开销。他们通过所谓的“尽力而为的进程整合”（针对同站点）以及限制可生成的进程数量（我们之前提到的）来缓解这一问题。Firefox 最初由于内存问题没有隔离每个站点，但在 Spectre 之后，他们找到了更高效的方法，采用 8 个特权进程的限制和按需进程创建。Safari 历史上有强大的进程模型，但我不确定它是否隔离跨站点 iframe；WebKit2 肯定隔离了顶层页面。苹果的关注点通常还在于隐私（智能跟踪防护会分区 Cookie 等），但那是另一个层面。
跨站点预取出于隐私原因受到限制，并且目前仅在用户未为目标站点设置 Cookie 时才起作用，从而防止站点通过可能永远不会被访问的预取页面来跟踪用户活动。
总而言之，站点隔离确保了最小权限原则得到应用：来自源 A 的代码无法访问源 B 的数据，除非通过获得明确同意的 Web API（如 postMessage 或分区存储）。而沙盒确保即使代码是恶意的，也无法直接接触您的系统。这些措施使浏览器漏洞利用变得难得多——攻击者通常需要多个链式漏洞利用（一个突破渲染器，一个逃逸沙盒）才能造成严重破坏，这显著提高了门槛。
作为 Web 开发者，您可能不会直接感受到站点隔离，但您通过更安全的 Web 受益。需要注意的是，跨源交互可能会有略微更多的开销（因为 IPC），并且某些优化（如进程内脚本共享）无法跨源进行。但浏览器正在不断优化进程间的消息传递，以最小化任何性能损失。
现在，在介绍完安全性之后，让我们转向工具和性能检测——本质上，就是我们开发者如何窥视这个管线并进行测量或调试。
比较 Chromium、Gecko 和 WebKit
我们主要描述了 Chrome/Chromium 的行为（用于 HTML/CSS 的 Blink 引擎、用于 JS 的 V8、通过 Aura/Chromium 基础设施实现的多进程）。其他主要引擎——Mozilla 的 Gecko（用于 Firefox）和 Apple 的 WebKit（用于 Safari）——共享相同的基本目标和大致相似的管线，但存在值得注意的差异和历史分歧。
共享概念：所有引擎都将 HTML 解析为 DOM，将 CSS 解析为样式数据，计算布局，并绘制/合成。所有引擎都有带有 JIT 和垃圾回收的 JS 引擎。所有现代引擎都是多进程的（或至少是多线程的），以实现并行性和安全性。
CSS/样式系统的差异
一个有趣的差异是渲染引擎如何实现 CSS 样式计算：
Blink（Chromium）：使用单线程的 C++ 样式引擎（历史上基于 WebKit 的）。它按顺序为 DOM 树计算样式。它有过增量样式失效优化，但总的来说是一个线程在做这项工作（除了动画中的一些次要并行化）。
Gecko（Firefox）：在 Quantum 项目（2017 年）中，Firefox 集成了 Stylo，一个用 Rust 编写的新 CSS 引擎，它是多线程的。Firefox 可以使用所有 CPU 核心并行计算不同 DOM 子树的样式。这是 Gecko 在 CSS 方面的一个重大性能改进。因此，Firefox 中的样式重新计算可能会使用 4 个核心来完成 Blink 用 1 个核心做的工作。这是 Gecko 方法的一个优势（以复杂性为代价）。
WebKit（Safari）：WebKit 的样式引擎像 Blink 一样是单线程的（因为 Blink 在 2013 年从 WebKit 分叉，它们在那之前共享架构）。WebKit 做了一些有趣的事情，比如用于 CSS 选择器匹配的字节码 JIT。它可能会将 CSS 选择器转换为字节码并 JIT 编译一个匹配器以加速。Blink 没有采用这种方法（它使用迭代匹配）。
因此，在 CSS 方面，Gecko 通过 Rust 的并行样式计算脱颖而出。Blink 和 WebKit 依赖优化的 C++ 和可能的一些 JIT 技巧（在 WebKit 的情况下）。
布局和图形
所有三个引擎都实现了 CSS 盒模型和布局算法。特定功能可能先落地于一个引擎（例如，曾经 WebKit 在 CSS Grid 支持方面领先，然后 Blink 赶上了——它们通常通过标准机构共享代码）。
Firefox（Gecko）通过引入 WebRender 作为其合成器/光栅化器做出了重大改变。WebRender 现在是 Firefox 的默认渲染引擎，并显著提升了性能，特别是对于图形密集的 Web 内容。WebRender（也是 Rust）基本上获取显示列表并直接在 GPU 上渲染，处理诸如形状镶嵌、文本等，使用 GPU。这就像将更多绘制工作移交给 GPU。在 Chrome 的管线中，光栅化仍在 CPU 上完成（对于大多数内容），然后作为位图发送到 GPU。WebRender 尽量避免为整个图层创建位图，而是在 GPU 上绘制矢量（除了文本字形，它会缓存为图集纹理）。这意味着 Firefox 可以潜在地以高性能动画化更多内容，因为它不需要在仅小部分变化时重新光栅化所有内容——它可以非常快速地通过 GPU 重绘。这类似于游戏引擎每帧使用 GPU 调用重绘场景的方式。缺点是实现和调整复杂，并且可能给 GPU 带来更多压力。但随着 GPU 算力的增长，这种方法具有前瞻性。Chrome 的团队考虑过类似的方法（“SKIA GPU”路径），但尚未进行完整的 WebRender 式改造。
Safari（WebKit）使用的方法更类似于旧版 Chrome：它有一个合成器，使用图层（称为 CALayer，因为在 Mac 和 iOS 上它使用 Core Animation 图层）。Safari 早期就转向了 GPU 合成（iPhone OS 和 2009 年的 Safari 4 对某些 CSS 如变换进行了硬件加速合成）。Safari 和 Chrome 存在分歧，但概念上两者都进行分块和合成。Safari 也将大量工作卸载到 GPU（并使用分块，特别是在 iOS 上，分块绘制对于平滑滚动至关重要）。
移动端优化：每个引擎都有针对移动设备的特殊处理。例如，WebKit 具有用于滚动的磁贴覆盖概念（历史上用于 iOS 的 UIWebView）。Android 版 Chrome 使用“平铺”方式，并尽量保持栅格化任务最少化以达到目标帧率。Firefox 的 WebRender 源自移动优先的 Servo 项目。
JavaScript 引擎
V8 (Chromium) 我们描述过：Ignition、Sparkplug、TurboFan，以及截至 2023 年的 Maglev。
SpiderMonkey (Firefox)：它历史上有一个解释器，然后是一个基线 JIT 和一个优化 JIT (IonMonkey)。自 Firefox 83（2021 年）起，IonMonkey 已被 WarpMonkey 完全取代，后者基于 CacheIR 数据构建，而不是单独的类型推断系统。当前的层级是：基线解释器、基线 JIT，以及作为顶级优化编译器的 WarpMonkey。SpiderMonkey 还有一个不同的 GC（同样是分代的，自 2012 年以来称为增量 GC，现在主要是增量/并发的）。
JavaScriptCore (Safari)：如前所述，它有 4 个层级（LLInt、Baseline、DFG、FTL）。它使用不同的 GC（WebKit 的 GC 是一种分代标记清除，历史上称为 Butterfly 或 Boehm 变体，现在的 bmalloc 等）。JSC 的 FTL 使用 LLVM 进行优化，这是独一无二的（V8 和 SM 有自己的编译器，JSC 为一个层级利用了 LLVM）。这可以产生非常快的代码，但编译开销很大。JSC 倾向于在某些基准测试中追求峰值性能（它经常在某些测试中表现出色，但 V8 通常会追上；它们交替领先）。
在 ES 特性方面，得益于 test262 和三者之间的竞争，所有三个引擎基本都与最新标准保持同步。
多进程模型差异
Chrome：每个标签页通常是独立的进程，在源级别进行站点隔离，进程数量非常多（可能有几十个）。
Firefox：默认情况下进程较少（8 个内容进程处理所有标签页，对于跨站 iframe 使用 Fission 时，如果需要，会更多）。因此，它未必是每个标签页一个进程；标签页共享一个内容进程池。这意味着 Firefox 在大量标签页场景下可能内存占用更低，但也意味着一个内容进程崩溃会带走多个标签页（不过它尝试按站点分组，所以也许所有 Facebook 标签页都在一个进程中，等等）。
Safari：可能是每个标签页一个进程（或每几个标签页一个进程）- 在 iOS 上，WKWebView 肯定隔离每个 webview。桌面版 Safari 历史上也让每个标签页独立。我不确定他们是否隔离了跨源 iframe- Apple 对 Spectre 缓解措施谈论不多，但 Safari 至少在顶层域上按域划分进程。
进程间协调：所有引擎都必须解决类似的问题，比如如何实现 `alert()`（它会阻塞 JavaScript）- 通常浏览器进程显示警告 UI 并暂停该脚本上下文。或者如何处理 `prompt`/`confirm`，如何做模态对话框，等等。细微差别也存在（例如，Chrome 并不真正为 `alert` 阻塞线程 - 它在渲染器中旋转一个嵌套 runloop，而 Firefox 可能仍会冻结该标签页的进程）。
崩溃处理：Chrome 和 Firefox 都有崩溃报告器，可以重启崩溃的内容进程并在标签页中显示错误消息。Safari 的 Web 内容进程崩溃通常在内容区域显示更简单的错误消息。
特性实现差异
一些 Web 平台特性是特定于引擎的：例如，View Transitions API（以前在 Chrome 中为实验性）在 2025 年 10 月达到“基线新可用”状态，其中同文档过渡现在支持 Chrome 111+、Edge 111+、Firefox 133+ 和 Safari 18+。跨文档过渡（用于多页应用）在 Chrome 126+、Edge 126+ 和 Safari 18.2+ 中支持，而 Firefox 支持仍在等待中。
开发者工具：Chrome 的 DevTools 非常先进。Firefox 的 DevTools 也非常优秀（早期就拥有一些独特功能，如 CSS Grid 高亮器和形状编辑器）。Safari 的 Web Inspector 不错，但在某些方面不如 Chrome 功能全面。这些差异对于在每个浏览器中调试的开发者来说很重要。
性能权衡
历史上，Chrome 因多进程和 V8 而被誉为 JS 和整体性能更快。Firefox 借助 Quantum 缩小了很多差距，有时在图形方面超过 Chrome（WebRender 对于复杂页面可能非常快）。Safari 通常在 Apple 硬件上的图形和低功耗方面表现出色（它们大力优化功耗）。
内存：Chrome 以高内存使用而闻名（所有这些进程）。Firefox 试图更保守一些。Safari 在 iOS 上出于必要（有限的 RAM）非常注重内存效率，他们在 WebKit 中做了大量内存优化。
外部贡献者：有趣的注意点 - 这些引擎的大量改进来自外部团队，如 Igalia（例如，在 WebKit 和 Blink 中实现 CSS Grid）。所以有时特性会大致同时落地。
从 Web 开发者的角度来看，差异通常体现在：
需要测试所有引擎，因为 CSS 特性或 API 的实现可能存在细微差别或 bug。
性能可能不同（例如，由于 JIT 启发式，某个 JS 工作负载在某些引擎中可能更快）。
某些 API 可能在某一个引擎中缺失（Safari 通常最后实现一些新 API，如 WebRTC 或 IndexedDB 版本等，尽管它们最终都会实现）。
但我们讨论的核心概念（网络 -> 解析 -> 布局 -> 绘制 -> 合成 -> JS 执行）适用于所有引擎，只是内部方法或名称不同：
在 Gecko 中：解析 -> 帧树 -> 显示列表 -> WebRender 场景或图层树（如果 WebRender 禁用）-> 合成。
在 WebKit 中：解析 -> 渲染树 -> 图形层 -> 合成（通过 CoreAnimation）。
所有引擎都有类似的子系统（DOM、样式、布局、图形、JS 引擎、网络、进程/线程）。
了解这些有助于调试：例如，如果某些内容在 Safari 中卡顿但在 Chrome 中没有，可能是 WebKit 的绘制方式不同。或者如果 CSS 在 Firefox 中卡顿，可能遇到了 Stylo 未并行化的路径（尽管这种情况很少见）。
总而言之，虽然 Chromium、Gecko 和 WebKit 有不同的实现，甚至有一些不同的创新（Gecko 中的并行 CSS、WebRender GPU 等），但它们越来越多地实现相同的 Web 标准，甚至在许多方面进行合作。引擎的选择对平台厂商和 Web 开放性的影响更大，但作为开发者，你主要关心的是你的网站能到处运行。在底层，每个引擎的独特架构可能带来不同的性能特征或 bug，这也是在每个引擎中使用性能诊断工具（如 Firefox 的性能工具 vs Chrome 的）具有洞察力的原因。列出所有差异超出了我们的范围，但希望这能给你一个概览：它们在高层设计上是趋同的（多进程、相似管道），但在具体技术解决方案上又是不同的。
结论与进一步阅读
我们浏览了现代浏览器中一个网页的生命周期——从输入 URL 的那一刻开始，经历网络和导航、HTML 解析、样式计算、布局、绘制和 JavaScript 执行，一直到 GPU 将像素绘制到屏幕上。我们看到，浏览器本质上就是微型操作系统：管理进程、线程、内存和大量复杂子系统，以确保 Web 内容快速加载并安全运行。对于 Web 开发者来说，理解这些内部机制可以揭示为什么某些最佳实践（如最小化重绘或使用异步脚本）对性能至关重要，或者为什么存在某些安全策略（如不混合 iframe 中的源）的原因。
给开发者的一些关键要点：
优化网络使用：更少的往返次数和更小的文件 = 更快的首屏渲染。浏览器能做的很多（HTTP/2、缓存、预加载），但你还是应该利用资源提示和高效缓存等技术。网络栈性能很高，但延迟始终是杀手。
为效率结构化你的 HTML/CSS：结构良好的 DOM 和精简的 CSS（避免过深的树或过于复杂的选择器）有助于解析和样式系统。理解 CSS 和 DOM 计算样式，然后布局计算几何 - 繁重的 DOM 操作或样式更改会触发这些重新计算。
批量 DOM 更新：避免重复的样式/布局抖动。使用 DevTools 的性能面板来捕捉脚本何时导致多次布局或绘制。
使用合成友好的 CSS 动画：动画 `transform` 或 `opacity` 不会阻塞主线程，而是交给合成器，从而产生平滑的动画。尽可能避免动画化与布局相关的属性。
注意 JS 执行：虽然 JS 引擎超快，但长任务会阻塞主线程。分解长操作（以保持页面响应），在某些情况下考虑使用 Web Workers 进行后台任务。另外，记着大量 JS 可能导致 GC 暂停（通常现在不会太长，但如果内存膨胀可能会发生）。
安全特性：接受它们——例如，在适当的时候使用 iframe sandbox 或 `rel=noopener`，因为你现在知道浏览器无论如何都会隔离它们；与之配合是好的。
DevTools 是你的朋友：性能面板和网络面板尤其能准确揭示浏览器在做什么。如果某处缓慢或卡顿，工具通常能指向原因（某个长布局、慢速绘制等）。
对于那些渴望更深入探索的人，一个极好的资源是 Pavel Panchekha 和 Chris Harrelson 的《Browser Engineering》（可在 browser.engineering 获得）。
这本质上是一本免费在线书，引导你构建一个简单的 Web 浏览器，涵盖网络、HTML/CSS 解析、布局等，并以易于理解的方式呈现。它可以作为我们讨论内容的深度伴侣，通过实例巩固知识。此外，Chrome 团队的多部分系列“现代 Web 浏览器内部揭秘”提供了可读性强的概览和图表。V8 博客（v8.dev）和 Mozilla 的 Hacks 博客是了解引擎进步（如新 JIT 编译层级或 WebRender 内部）的好地方。
总之，现代浏览器是软件工程的奇迹。它们成功抽象出所有复杂性，因此作为开发者，我们只需编写 HTML/CSS/JS，并信任浏览器来处理。然而，通过窥视引擎内部，我们获得了有助于编写更高性能、更健壮应用的洞察。我们理解为什么某些技术能改善用户体验（例如，避免阻塞主线程，或减少不必要的 DOM 复杂性），因为我们看到浏览器必须在幕后如何工作。下次当你调试网页或想知道为什么 Chrome 或 Firefox 表现得那样时，你将有一个关于浏览器内部的心智模型来引导你。
愉快地构建吧，记住 Web 平台的深度会回报那些探索它的人——总有更多东西要学，以及帮助你学习的工具。
本作品中的插图由 Susie Lu 绘制。
进一步阅读
《Browser Engineering》是一本很好的免费书籍，作者是 Pavel Panchekha 和 Chris Harrelson
Chromium University - 关于 Chromium 工作原理的免费深度视频系列，包括精彩的“Life of a Pixel”演讲
Google Chrome 17 周年 - 我们浏览器的历史

YC 的“硬拉100个客户”实战手册 —— Finn Mallery (@fin465)
Finn Mallery
@fin465
在
@ycombinator
他们有一套关于如何尽快为你的初创公司获取客户的实战手册。
如果你遵循这套方法，无论你的产品是什么，几乎都能硬生生拉到100个客户。
以下是具体内容：
1/ Launch-max。
Product Hunt、Hacker News、DevHunt、BetaList、Peerlist、Indie Hackers 等。YC 告诉你至少要发布3次。
2/ 获取你竞争对手最强的反向链接，并让自己出现在相同的地方。
无论他们列出的文章是什么，你都做一个更好的版本，并要求网站用你的文章替换（或补充）他们的。
3/ 主动出击（Warm Outbound）。
每个人都在谈公开构建。但你仍然需要利用那些看到你内容但未主动联系的99%的潜在客户。
每周抓取 LinkedIn 上所有点赞你帖子的人，检查他们是否符合你的客户画像，然后给他们发消息。
你可以用
@origamichat
设置这个自动触发（我在评论区放了一个提示）。
4/ 在你的细分领域找到20到30位 TikTok / Instagram 上的 UGC 创作者。让他们创作关于你产品的内容，最好从一个新账号开始。
支付固定费用（每条视频 $15–$30）加上绩效激励（100万浏览量奖励 $1k，以此类推）。
你可以用
@sideshift_app
（我认为是最好的创作者平台）在1天内安排20个以上的此类创作者。
5/ 在公开构建时，视频的效果比图片/文字好10倍——在 X/LinkedIn 上大量展示你的产品用例。
6/ 弄清楚你的客户实际在哪里花时间。
他们加入哪些 Slack/Discord 群组？他们打开哪些新闻通讯？他们关注哪些播客和账号？付费请那些人做宣传（Shout-out）。
7/ X 上几乎每周都有新趋势。抓住相关的，并把你的产品融入其中（就像我现在做的）。
要找趋势，我直接用 Origami 搜索“Lead Gen/GTM posts that are viral on X”，每周找到我细分领域的最佳帖子。
然后我会回复、引用转发那些帖子，并用有效的格式自己发帖。
（顺便说一句，这就是我账号互动率高的秘密——你也可以这样做。）
---------
如果你每周都做所有这些，并且绝不放弃（发布、展示demo、联系新客户）
我保证你会达到你的客户目标。然后，关键就变成留存了。
每周我会再发布2-3个更多增长黑客技巧。
·
查看

信息过载是新的流行病 作者：Tim Denning
@Tim_Denning
当你意识到你需要的是更多行动，而非更多信息时，你的人生将彻底改变。
信息过载已成为新的流行病。
我们已沦为信息瘾君子。互联网曾让我们淹没在信息中，社交媒体将其放大十倍，而如今AI垃圾内容又将其放大了一百倍。
我不知道你怎么样，但我已经快要溺亡了。
如果再收到一封邮件，让我去读某人那该死的二十小时大作，我的脑袋就要爆炸了。不知名作者的书已经死了。为什么？
没人愿意冒险投入二十小时去读一个陌生人的书。所以他们会读书，但前提是他们已经信任这位作者。
这就是信息过载对人类造成的伤害。令人悲哀。
虚假的信仰是，收集更多信息能解决我们最大的问题。这显然是个谎言。我们拥有比以往任何时候都多的信息，同时问题也比以往任何时候都多。对大多数人来说，简单生活已被复杂生活取代。通向每个人大脑的每一条通道都充满了噪音。
脑腐病无处不在。
所以，你的目标绝不是无尽地收集信息。
信息收集的隐藏问题
你对收集信息上瘾，却很可能不知道原因。
作家Sahil Bloom为我简化了这个问题：
从信息收集获得的多巴胺是一种危险的毒品。那是阅读、规划或学习带来的多巴胺，却从未付诸行动。
我之前说我们是信息瘾君子，绝非虚言。
正如瘾君子对海洛因上瘾，我们都对收集信息上瘾，因为它给我们带来多巴胺这种药物。多巴胺掌控着我们大脑的整个奖赏系统。这就是你上瘾的原因。这是生物学层面的。
只有理解了正在发生什么，并拥有冷酷无情的自律来停止摄入过多信息，你才能战胜这种瘾。
当你收集信息时，你感觉自己正在取得进展。
你收集的信息会被加入某个计划、策略或你打算在未来执行的一系列行动中。问题是，计划总会被生活搞得一团糟。
每个计划听起来都很美好，直到你被迎面痛击、被陌生人起诉，或从干了十年的工作中被解雇。
宇宙的熵增定律保证了你对计划和未来行动的幻想永远不会成真。然而大多数人看不到信息收集的海市蜃楼。他们真心相信自己，相信这个世界不会让混乱降临到自己头上。
但混乱会降临到每个人头上。包括我。
这时人们会说：“对不起，我没能采取行动，因为我生病了，或我母亲去世了。”这个回应显得无辜。但在他们回答的背后，潜藏着一种信念：“你现在对我所遭遇的事感到惊讶，所以会放过我，原谅我没有做我答应过要做的事。”
这翻译过来就是：“我很特别。”
但你所经历的任何独特形式的混乱，其实一点也不特别。大约有十种问题注定会出现在你的人生中——而且它们会降临在我们所有人身上。
收集信息并期待日后实施，这个幻想会摧毁你的人生，就像你和妓女鬼混背叛伴侣一样。
大师的危险
大师无处不在。
打开任何内容平台，你都会被各种观点淹没。他们看起来都只是在试图帮忙。问题是，每个人解决问题的策略都不同。
如果你听了太多大师的话，最终只会感到困惑。
我不该承认这一点，但这对曾是我的一大问题。2014年到2019年间，我在目标上几乎毫无进展。我的生意也毫无起色。
我只是不停地听太多人说话。一位大师让我建WordPress博客。另一位让我在Medium.com上写作。还有一位让我专注于写书。
这些都没有帮到我。我只是感到越来越困惑。于是我什么都没做。也许你能感同身受。
大多数人都不知道的最佳信息类型（谨慎）
当我停止消费更多信息时，我的人生彻底改变了。
在企业工作中，我学到了“敏捷方法论”。我不想用那套废话烦你，但核心要点是：用最小可行信息来运行实验。
我开始在不同平台发布文章。我在LinkedIn上写短内容。我推出了一些测试产品。与其消费信息，我变成了信息的创造者。我用实验中创造出的信息来学习什么对我有效、什么无效。
以Medium为例，我跻身该平台的前1%。我发现了其他人不知道的写作秘诀。我的文章获得了数千万的浏览量。我每月收入七万美元。
事实证明，我已有的信息足够开始了。而且我从迭代中学到的比从相互矛盾的大师那里学到的更多。
不过有一个区别。我不再像以前那样为更多信息付费，而是开始为针对我自身情况的个性化帮助付费。这个组合变得极为致命。它让我的内容获得了超过十亿的浏览量。
这部分极具争议
到目前为止，一切都是老生常谈、皆大欢喜。你可能在想：“那个Tim真是个人物。”
别急，牛仔。
我必须让你失望了。我不是来吹捧你的，也不是来说你想听的话。我是来看着你改变的。这意味着我得说说最难的部分。
从经验和实验中学习是好事。这是入门级的东西。但还有第二级。在那里，学习的效果会从5/100飙升到999/1000。准备好了吗？
真正的学习来自冒险、难堪、面对不确定性和应对失败。
信息收集者的问题在于他们困在舒适的气泡里。他们以为自己正在学习。他们采取了一些小行动，但进展几乎为零。于是他们消费更多信息。
那不是答案。
作为一个反大师，我学到了真正的学习只来自涉及负面情绪的情境。我在生意上一无所获，直到我失去了一切。我在投资上一无所知，直到我的数字钱包被黑客盗走120万美元——而在那之前的几年里，我从那次损失中赚了超过600万美元。
我没有学会爱，直到经历了多次痛苦的分手，直到我未来的妻子在高速公路上中途下车，再也没有回来。
我没有了解音乐行业，直到我在脱衣舞俱乐部当DJ，被夜总会老板戏弄。
我没有了解银行风险，直到我的客户在ATM机前被抓，携带10万美元现金试图洗钱。而我们都不知道政府的力量有多大，直到2020年我们因为一种蝙蝠病毒被锁在家里。
以下是你不愿意听的：
真正的学习发生在坏事发生时。回避坏结果或不冒险，才是通往智慧真正的障碍。
我喜欢看到人们失败或被拒绝，因为那是我知道他们在学习的方式。
你消费的大部分信息呈现的是理想情况。但当你根据信息采取行动时，你经历的是完全相反的东西。没有什么是理想的。一切都糟透了。你每天都在火烧眉毛。
一种负面情绪就足够了
前几天我和一位来自日本的女士聊天。
她告诉我，她不想为她的生意寻求帮助，因为她在2018年花500美元买了一个博客课程，效果不理想。所以她被困了8年——被一次糟糕的经历彻底麻痹了。
这就是大多数人的生活方式。
他们期望一切都顺利。而当一次小小的失败发生，或者他们感受到一丁点负面情绪时，他们就会停下一切，而且通常再也不会重新上马继续前行。
真正的学习是一系列你必须愿意经历的负面情绪。
这就是对你来说一切的核心
Sahil Bloom提出的解决方案是：
停止寻找更多信息，开始利用你已有的信息采取行动。从行动中获得多巴胺。
当你的多巴胺来自正确的地方时，你的大脑奖赏系统就在为你所用，而不是与你作对。
你可能已经有足够的信息去采取行动了。使用最小可行信息量来采取一些行动。从中学习，并在此过程中加入个性化帮助，这样你就不会被困在自己“伟大”的气泡里。
采取行动能减少困惑，因为你能亲眼看到什么对自己有效。而没有证据证明某事有效，你不会投入时间反复去做。因为你能看到我在做，但你仍然会想：“是啊，但对我有效吗？”
你必须行动才能找到答案。在这个充斥着蹩脚大师和糟糕AI答案的世界里，你自己的经验永远是最可信的。
哦，还有，走出去，让自己出丑吧，这样你就能体验到难堪的刺激，以及一整天完全不如计划进行的滋味。
诚实点——有哪一件你已经知道自己该做，却“研究”了太久的事？在评论区写下来。不会评判。只是互相监督。
如果你觉得这有帮助：
关注我 @timdenning，获取更多关于金钱、自由和数字业务的内容。
然后，如果你能往上滚回顶部，转发这条X文章帮助他人，我将不胜感激。
—— Tim
·
查看

本·阿拉塔梅
@benaratame
启动并规模化代际UGC项目（完整指南）
你需要了解的一切，关于启动和规模化代际UGC项目（达成<1美元CPM、登顶应用商店、高转化率）。
阅读本文后，将发生两件事：1. 你永远不会再以高于0.75美元的CPM运行UGC项目；2. 你永远不会再与对你的公司漠不关心的代理机构或增长营销人员有糟糕的体验。
联系方式：[email protected]
引言
我花了2年多时间专注于早期消费者增长。我参与过一些最成功的UGC项目和网红营销活动。自从opus 4.6发布以来，我也涉足了其他我感兴趣的角色。我妈妈总是告诉我要在有机会时帮助他人。因此，我决定写下这篇文章，让更多消费者领域的创始人能够成功。
我实现了30亿+的浏览量以及数百万的应用下载量。我大多数顶尖创作者在加入我的项目之前从未创作过内容。许多人将账号增长到7万+粉丝，月收入超过3万美元，获得了增长相关职位，并继续与我合作（我确实有一个我随身携带的创作者群，哈哈）。
非常感谢一路上帮助过我的导师和创始人。
在我与Dris Elamri共同创立@instinct_inc（Methods应用——40万用户，3.7万+评论，300万美元年经常性收入）之前，我有幸参与了诸多出色的团队，如Ideogram、Cluely、Arcade AI、Airchat、Cal AI、Turbo、Coconote、Retro等。我曾5次以上进入应用商店前十。我也是一位拥有20万+粉丝的创作者，你可以在TikTok上找到我，账号是@benar。
本·阿拉塔梅
@benaratame
·
2025年9月11日
生活小更新：我们离开了Cluely
我们要开始自己创业，这样我才能再买一辆超级跑车
我们7天内达到了120万美元年经常性收入
很快会有重大公告
@instinct_inc
Dris Elamri和另外1个人
几乎没有哪家消费者初创公司没有尝试过UGC。虽然它可以是一个很好的增长渠道，但如果运营不当，也可能产生负面影响。如今，比以往任何时候都有更多骗人的UGC代理机构和增长营销人员。
章节分解：
1. 前提条件
- 何时开始UGC以及何时应避免
- 不同类型的UGC项目
2. 创作者
- 招聘与解雇
- 薪酬结构
- 创作者项目文化
- 外联与寻源
- 免费创作者技巧
- 入职与合同
- 一致性与沟通
- 指导
- 预热期
- 社交媒体平台
- 试用期
- 影子禁令
- 激励与奖金
3. 内容
- 形式
- 脚本
- 资源
- 发布量
4. 系统
- 剪辑师、脚本撰写人、外联虚拟助理
- 国际创作者面向美国受众的设置
- Manychat设置
- 创作者付款
- 帖子追踪
- 创作者沟通
- 帖子审核
- 付费广告
1. 前提条件
何时开始UGC以及何时应避免
成功的项目需要带宽和资金。如果我是自筹资金创业，我会为第一个月的创作者付款分配约5000-10000美元。自己亲自运营。你永远比代理机构更关心，并且对你的目标受众、创意方向和愿景有更好的理解。
如果你没有足够的预算和时间来运行UGC，我强烈建议从有机内容和付费广告开始。
不同类型的项目
常规项目
典型的UGC项目。与10-50名创作者合作（随着规模扩大而增加），更难招募已有受众的创作者，混合按帖子付费和聘用协议，启动成本更低。
2. 聚焦项目
与少于10名创作者合作，招募在你的目标细分领域已有受众的经验丰富的创作者，主要是聘用协议（例如：每月1000美元，每天一条帖子+观看奖金+如适用股权），启动成本更高。
对于本文，我将专注于常规项目。聚焦项目将单独撰写。
2. 创作者
招聘与解雇
理想创作者原型：
外向 外向 外向
有面对镜头说话的经验
有吸引力但不过分有吸引力（如果过于有吸引力，转化率会低，因为观众只是为了一个原因而互动）
女性创作者在非口播形式中表现更好
没有口音（抱歉）
尽可能多地招募创作者，你不会损失什么（一旦你实施了试用期，你就会明白为什么）。
快速聘用和解雇，UGC创作者是可替代的。如果我认为创作者有潜力并且工作努力（极度响应、持续发布、已有粉丝基础、尝试多种形式/脚本），我会给予额外机会。
如果创作者不稳定，需要几天才回复，在错过每周最低发布数或小组会议前没有提前通知你，就解雇他们。等待几天或几周才解雇创作者可能会让你损失数万美元。
无论谁运营你的项目，都应该擅长销售和解释愿景。就像向投资者或你想雇佣的人推销一样，你必须说服创作者接受较低的基础费率。告诉他们潜在的增长职位、公司愿景、UGC剪辑师、预制脚本、现有的一致性和观看奖金（与观看奖励分开）、成功创作者的例子（当然，这要求你有一个成功的例子）。
薪酬结构
对于如何确定每位创作者的薪酬，我没有特定标准。就像任何其他职位一样，你会培养出一个好眼光来判断一个人的价值。
通常，我所有活动都从每条视频20-30美元+观看奖励开始。作为创作者必须满足一些要求才能获得报酬。
付款细节/要求：
1. 每条独特视频必须在单个平台上达到1000次观看（不合并计算）（如果观看量<1000次，他们要么被影子禁令限制，要么在制作劣质内容）。
2. 必须达到每周最低发布数
3. 观看奖励替代先前的奖励/基础报酬，不叠加
4. 付款资格窗口为两周（示例：如果一条帖子在两周后达到新的观看门槛，我们不会支付更多）
按帖子付费的创作者滚动付款，而聘用制创作者每两周付款。我建立了一个内部仪表板和工具来管理这一切。
对于更好的创作者，支付聘用费通常更便宜。每月2000美元的聘用协议看起来比你想象的更有吸引力，但实际上每支视频只有约66.67美元。
考虑到替代方案是两位平庸创作者每帖30美元+观看奖励，这是值得的。你赌的是那个厉害创作者能达到至少200万次观看，从而带来1美元的CPM。
在聘用协议下，减少奖金数量也更容易。创作者保证了更高的基础收入，而你能以更低成本获得优秀创作者。只要你不是在给反馈时很苛刻，这就是双赢局面。
创作者项目文化
培养成功创作者群体的两种方法：
朋友群方法
与创作者建立朋友般的关系。把每位创作者都当朋友对待。
我去年有一个UGC项目在40天内达成5亿+观看量后，在洛杉矶线下聚会。该应用在应用商店（照片与视频类）排名第7，获得5万+下载量，并且是历史上最具病毒性的UGC形式。
有趣的故事：一位创始人借了个人贷款，使用我的创作者和内容形式，在约45天内实现了30万美元+的月经常性收入。绝对令人难以置信，很高兴看到这一点。
朋友群方法非常棒。创作者发布更频繁，想内容创意，互相分享学习经验。我的许多创作者之间成为朋友并线下见面。
如果你更年轻，这种方法效果最好（能带来长期创作者关系和更强的忠诚度）。
2. 实习方法
专业、有序、感觉像工作。这不言自明。更容易将创作者推到一致的基线水平，但难以在此基础上进一步扩展。
外联与寻源（被问最多的话题）
我用过的所有创作者寻源方法：
个人创作者网络
通过外联虚拟助理在TikTok、Instagram、电子邮件、Facebook上进行冷外联
UGC导师/代理机构（每名通过试用期的创作者支付推荐费）
付费购买故事帖子（付钱给创作者→他们发布你的创作者项目申请链接）。有创作者发布关于UGC、副业、内容创作等的内容——先联系他们
UGC市场平台
大学社团（内容创作、市场营销、商业、广告、初创公司等。例如：UCLA的Bruin Creators或Duke Creator Labs）
有机短视频内容（制作"我正在招聘营销实习生"的视频，它们实际上表现不错）
LinkedIn、X
兄弟会和姐妹会
项目内创作者推荐朋友可获得推荐费
从其他UGC项目挖人（我不建议这样做）
Handshake（我是认真的）
大学招聘网站
Reddit（有UGC/内容创作的子版块）
朋友（充分利用你的社交网络）
肯定还有更多我想不起来的，我将来会发布更多方法推文
我招募家乡的人用我的TikTok账号（20万+粉丝）做外联，但你可以雇佣海外虚拟助理并培训他们。如果你没有一个粉丝数量不错的账号，那就增长一个UGC账号或买一个。
培训你的外联虚拟助理。理想创作者原型、常见问题回答、如何浏览关注者/关注列表、目标人群等。
经过多次A/B测试，以下消息效果最好：
建立可信度，清晰简洁地说明招聘和薪酬，并解释下一步。
免费创作者技巧
你可以免费招募创作者，他们可以获得大学学分。
几乎每所大学都有职业服务中心或市场营销/传播/商业系，学生可以在那里注册实习课程。
公司签署学习协议和期末评估，学校授予学术学分。
这在FLSA的主要受益人测试下是合法的
职位：短视频内容实习生、社交媒体营销实习生等。定义的学习成果包括内容策略、制作、数据分析、品牌工作等。为期一学期或一学年。
在Handshake上发布，并联系相关院系（商业、广告、市场营销、电影、传播等）的实习协调员。尝试联系学校社团和教授，他们可能会帮忙。
入职与合同
与每位创作者进行20分钟的入职电话。
创作者入职电话是100%必要的，这样每位创作者都能确切知道一切在哪里。
我会涵盖的内容：
1. 项目优势（他们可以与我合作、有内部剪辑师、一致性奖金、偶尔的观看奖金、内部脚本撰写人（这意味着他们可以要求个性化脚本）、账号所有权、账号预热自动化、滚动创作者付款、与其他顶尖创作者合作、良好表现和积极参与带来薪酬提升、未来增长机会和了解初创公司）。
2. 项目运作方式（试用期、每周最低发布数、审核/批准流程、如果他们有一个视频创意该怎么做、联系谁、电话、整个系统、如何正确设置社交媒体账号）。
3. 我们需要他们的信息（他们之前参与过的项目、他们希望内容创作走向何方、他们喜欢制作什么内容、他们最有经验的内容是什么、什么促使他们进入内容创作、全名+电子邮件+地址+年龄+大学/学校、什么让一个项目对他们有吸引力、之前项目的薪酬结构和每周最低发布数、考虑预热期后的具体开始日期）。
在通话期间，我将他们加入iMessage创作者群聊、创作者门户/仪表板、Discord，并发送合同及W-9或W-8-BEN表格。
合同：我让创作者拥有他们的账号所有权，因为这能建立忠诚度、信任，并让他们感觉自己在建立个人品牌。这是我个人的决定，因为我看不到拥有他们账号的好处。唯一我会获得所有权的情况是用他们的账号进行外联DM。
🚨确保你对他们的内容拥有所有权，以便用于广告目的。
概述试用期、账号所有权、薪酬结构、薪酬资格（每周最低发布数、最低观看量）、责任、终止、付款时间表等。
我使用SignWell API自动化合同、W-9和W-8-BEN表格。效果很好。
一致性与沟通
使用iMessage与创作者沟通。每个人都更常查看短信，而不是Discord或Slack。
每天早上美国东部时间10点，我发送每日更新短信。
结构如下：
🚨早上好，创作者们！本周从周日（月/日）开始，所以你有到周六月/日（美国东部时间晚上11:59）的时间来发布所有[每周最低发布数]。
[任何公告和如何获取高级版的说明]
脚本：//我建立了自己的内部仪表板和工具来管理UGC活动，所以我使用这些脚本链接，但你可以直接放脚本截图或Notion页面链接
1. 口播： [脚本标题]
[脚本链接或截图]
2. 幻灯片： [脚本标题]
[脚本链接或截图]
3. 短剧： [脚本标题]
[脚本链接或截图]
—
资源：//我在本文的"内容"部分解释这些内容
[创作者手册链接]
[产品教程链接]
[背景音效库链接]
[内容速成课程链接]
—
非常期待看到所有新帖子，加油
（点赞这条消息让我知道你读过了）//我偶尔才加这个来让创作者保持警觉
一致性：我不会给创作者太多机会。如果他们错过了每周最低发布数且没有提前给出正当理由，我只给他们一次警告。
我的一位实习生经常与每位创作者沟通。
对于大多数项目，每周最低发布数为5-7条，最高为14条（每天两次）。
指导
每位创作者每周两次电话。一次周六集体创作者电话，一次每周1对1创作者电话。
集体创作者电话：反复出现的特定格式常见错误、哪些脚本/形式有效或无效、他们应该知道的任何一般性更新/公告。
我的实习生每周为这些电话制作幻灯片，我只需告诉他们包含什么。
每周1对1创作者电话：讨论策略、有效或无效的脚本/形式，以及他们未来可以改进的地方。
账号预热
这是决定创作者能否进入算法/推荐页的关键入职步骤。没有适当的预热，创作者将继续获得低于1000次的观看量。
初始预热期：两天，每天1小时30分钟。滑动并与你的信息流互动（点赞、评论、转发、转发到故事、收藏等）。不要急于完成互动过程，他们应该像在主要账号上一样自然互动。在最初2-3天后，推荐页/信息流上的大部分内容应该与你产品所在的内容细分领域相似。他们应在预热期结束时关注30-50位细分领域相关的创作者。
之后，让创作者发布两条与该细分领域相关的有共鸣的视频（直接复制一个现有的病毒视频）。如果两条视频都获得1000次以上观看，他们就可以开始制作UGC视频。如果观看量低于1000次，告诉他们再预热一天。
持续预热：大多数项目中的常见错误是创作者在初始预热期后停止预热。确保创作者继续滑动并与他们的信息流互动。
你可以使用Geelark云手机自动化整个预热过程。
社交平台
TikTok、Instagram、Snapchat、YouTube Shorts、Facebook。让你的创作者在每个平台上发布。如果你的创作者只在TikTok和Instagram上发布，可能会错过1亿+的观看量。
试用期
每位创作者有14天时间在单条帖子上打破1万次观看（在单个平台上，不合并计算）。
当创作者在单条帖子达到1万次观看时，他们获得100美元（他们不会获得试用期内发布帖子的基础报酬+观看奖励）。优秀的创作者不会认为这是个问题，因为他们有信心在约2条视频内达到1万次观看。
影子禁令
判断创作者是否被影子禁令的两种方法：
1. 帖子持续获得低于1000次观看
2. 视频上大多数点赞来自互关好友
如何解决：
1. 告诉创作者在4-5天过去后归档观看量低于1000次的视频
2. 让他们发布休息1-2天并再次预热（同时鼓励他们创作内容并让内容获得批准）
如果创作者被限制：
这是我们在构建Methods时非常常见的问题（我们发明了现在每个UGC项目都在使用的副业脚本/形式，哈哈）。许多创作者会因为教人们如何赚钱而被限制或封禁。
1. 改变措辞，移除产品名称，尝试其他脚本/形式，直到限制解除。
2. 如果可能，联系几位Meta/TikTok代表。
激励与奖金
为了快速启动项目并提高士气，我总是设置两项奖金：
1. 第一支达到50万次观看的视频奖励500美元。
2. 第一支达到100万次观看的视频奖励1000美元。
这些与基础报酬+观看奖励分开。
一旦你了解特定创作者想要什么，就很容易为他们设置激励措施。在入职电话或每周1对1电话中获取这些信息。
偶尔，我会实施一致性奖金（通常在第一个月到第二个月）。例如：每周最低发布数为5条，如果他们每周发布7次，我会额外支付50美元。
实物产品作为奖金效果更好（即使现金可能更多，哈哈）。例如：第一支视频达到100万次观看的人获得AirPod Pro。
3. 内容
一种形式，三个脚本。测试三天，根据表现进行迭代。
一个15人的创作者群体意味着3天内产生45条帖子。足够多的样本来看形式和脚本的表现如何。
快速迭代并错过一两个病毒性形式，比因为你"想等着看看某个形式/脚本是否会流行"而烧掉数千美元要好。
使用联盟链接，密切关注数据，快速迭代，与优秀创作者合作，在给出反馈时非常用心，寻找提高士气的方法，沟通重大胜利和问题。这就是你在生活中几乎任何事上获胜的方式。在UGC方面也不例外。
形式
项目最初几天：每天花几小时搜索病毒内容，拥有邪教般追随者的顶尖创作者，并浏览细分领域内紧密的社区论坛（Reddit、Quora、X等）。
研究很重要——每个细分领域的顶尖创作者都有特定的说话方式、社区内部梗等。
类别：
娱乐（恶作剧形式、我私信了数百人并获得了X个回复、Snapchat形式）。顺便说一句，娱乐形式适合建立粉丝基础，但很少转化为用户和订阅。也有例外——下面的例子是我们在Methods发明的形式（几周内登上应用商店第5名）。既建立了受众，也带来了高转化。
副业（这是你在一周/一个月内赚到X美元的方法）。高转化形式，但创作者必须擅长口播。此外，副业账号经常被封禁。设置Manychat，并且每当视频走红时预期会有1000+条评论。想想你的产品如何能帮助他人赚取收入。
职业建议（如何找到工作、如何进入UGC/内容创作等）。
所有这些创作者在与我合作之前都没有制作过内容。零经验。
非口播（震惊反应+屏幕文字→产品演示）
资源
我使用的所有创作者资源：
创作者手册
背景音效
产品教程（制作一个Notion页面，包含几个介绍关键产品功能和能力的视频）
内容速成课程
已过时几个月，有时间时会更新。
4. 系统
剪辑师
雇佣国际短视频剪辑师，每条视频2.5-5美元。他们可以剪辑你顶尖创作者的视频，确保质量并添加音效、吸引人的字幕和覆盖图片。我通常会在X或Instagram上发布"招聘短视频剪辑师"的信息。找到代际剪辑师的最佳方法是向那些创作视频编辑相关内容的创作者支付一小笔费用，让他们在故事中发布这个职位机会或分享到他们的社区。
如果你正确地向创作者推销这一点，你会以更低成本招募到好的创作者。
你应该只对好的创作者做这件事。如果你不这样做，你将审核10倍以上的视频。
创作者拍摄原始素材→添加到Google Drive→剪辑师剪辑→发送Frame链接→你审核（要求修改或批准）。
脚本撰写人
在创作者部分已经介绍过，但这里再补充一些：
作为创始人或增长负责人，可能有更重要的事情要关注，或者你或许不使用社交媒体。雇佣一位脚本撰写人，每月几百美元。理想的脚本撰写人是一位能够通过多种形式持续创作病毒内容的创作者。
好的脚本撰写人费用约为每月1000美元，每天8-10个脚本。
检查每个脚本，经常给他们指导，教他们关于产品的知识，分享你的愿景。
外联虚拟助理
在创作者部分已经介绍过，但这里再补充一些：
有很多经验丰富的国际外联虚拟助理。雇佣一位或几位，每月约1000美元，让每个人每天发送200-300条消息。就个人而言，我在海外平台上雇佣虚拟助理方面经验不多，所以不会给出推荐。
为他们建立一个记录消息的系统，以避免重复。
创作者教练
雇佣一位教练来处理帖子审核、创意方向等工作。如果他们是有相当大粉丝量的创作者，效果最好。
我建议每隔一天检查一次，确保被批准的内容质量高。
雇佣一个能够鼓励人并且对细节极其关注的人。
国际创作者面向美国受众
使用NordVPN。
使用VPN结合美国电话号码（可以在亚马逊上购买，约10美元）。
尝试使用地理标签，如#加利福尼亚 #旧金山 #美国 #纽约。
联盟链接
使用Dub Partners。
你可以追踪每位创作者及其每个账号的转化。如果你在构建自己的内部仪表板，他们有API。
由于移动端Safari浏览器，有大量转化数据流失（90%以上的移动端用户使用Safari）。
Manychat设置
Manychat非常有用。每个UGC项目都应该使用它（如果你关心转化的话）。
创作者说"评论[关键词]，我会给你发链接"→观众评论[关键词]→创作者的账号自动向观众发送私信。
确保他们使用他们的联盟链接！
Manychat设置指南在我的网站上
创作者付款
在薪酬结构部分已经介绍了大部分信息。
我按滚动方式向创作者付款，所以我确保我的内部仪表板跟踪视频何时达到新的观看门槛。
最好通过电汇或ACH转账，这样你或创作者都不必处理手续费。
帖子追踪
有许多API市场平台拥有每个社交平台的爬虫（Apify、Rapid等）。
每月花费低于100美元（1-2个常规规模UGC项目）购买API密钥订阅，以追踪YouTube、TikTok、Instagram帖子。
虽然有点烦人，但如果你不完全信任创作者，请频繁拉取帖子指标以防欺诈（如果创作者互动突然飙升，或相对于观看量互动率极低等）。
创作者沟通
iMessage用于每日更新和1对1创作者沟通
Discord用于社区目的
内部仪表板和创作者门户用于其他所有事情（帖子提交、自动付款、资源、帖子表现指标等）。
使用Claude构建一个。除了Methods和我为个人使用构建的那个外，我不知道任何好的替代方案（抱歉）。
审核帖子
严格、专注、鼓励。每一条帖子都很重要。尝试想象你每次批准一条帖子都在刷信用卡。
我在为Methods应用每小时审核500+条帖子时创建了这份文档：常见反馈
如果一个或多个创作者多次犯同样的错误，在iMessage创作者群聊中处理。
始终在1-2小时内审核。作为创作者，如果过了很长时间才需要重新拍摄具体片段，会非常烦人。
批量给出所有反馈。
付费广告
几乎没有公司正确做到这一点。
Spark广告和将UGC视频导出用于广告，两者都做。
发送你知道只会对广告有效的脚本（偶尔），并继续扩大规模。
再次，我建了一个内部仪表板（个人使用）有批量导出功能，但我确信其他工具也有这个功能（我想）。
·
查看

如何做好研究
没人真正教过你如何做研究。你得到一张办公桌，一个别人选好的问题，以及一句模糊的指示：要产出新颖的东西。于是大多数人从自己能看见的东西——论文、帖子、公告——逆向推断这份工作的内容，最终学会的只是如何看起来像个研究者，而非如何真正成为研究者。真正的技能是一系列较小技能的叠加，而其中几乎每一项都可以被刻意训练。
选择你自己的问题
理查德·汉明在贝尔实验室有个习惯，让他午餐时不受欢迎。他会问坐在旁边的人，他们领域的重要问题是什么，然后问他们为什么不研究这些问题。人们纷纷换桌子。这个问题刺痛人心，因为大多数人都没有好的答案。我们并非主动选择问题，而是吸收问题——从导师那里，从某个大实验室上季度宣布的方向里，从这周人人都在引用转发的论文中。
吸收来的问题有个麻烦：你握有结论，却没有推理过程。你知道某个著名实验室关心某个方向，但不知道原因，不知道他们预期发现什么，不知道什么会让他们放弃。当他们转向时，你一年后才得知。而在一个已经很时髦的问题上，你是在和成千上万个更早起步、算力比你更强的人竞争。
约翰·舒尔曼的机器学习研究指南把工作分为两种模式。第一种，你阅读文献，寻找可以改进之处。第二种，你选择一个你真正希望存在的结果，然后反向推理出所需的实验。他主张第二种，其背后安静的原因是：它能制造原创性。一个你真正在乎的目标，会把你拖进任何综述论文都未曾覆盖的领域。
品味，与此同时，常被当作一种天赋来讨论。它其实更像一块肌肉。在每次实验前预测结果。盖住论文的结果部分，仅凭方法猜出数字。记下本月发布的成果中哪些两年后仍会重要，日后再核对你的命中率。预测加修正，重复几百次，这是每个好模型被训练的方式，包括你脑子里那个。
升级你的输入
共享的阅读清单产生共享的想法。如果你的信息饮食是arXiv的热门页加群聊过滤后幸存的内容，你会可靠地与他人得出相同结论，在同一时间。这让这些结论价值约等于零。
旧材料被极其严重地低估了。这个领域会延迟重播自己的过去：混合专家模型可追溯至1991年，LSTM到1997年，反向传播在1986年才成为主流。理查德·萨顿在2019年用大约一千字写出了“苦涩的教训”，它对这个领域形态的预测力超过十倍长度的综述。克劳德·香农在1952年做了一场关于创造性思维的演讲，他的开场策略是把问题缩小到几乎微不足道，攻克小版本，然后一块一块地重新引入难度。单单这一招，就能帮你渡过比任何现代生产力建议更多的难关。
广度与深度同等重要。可解释性毫不羞愧地从神经科学借来概念。评估设计是穿着实验服的市场机制设计。对GPU实际如何移动内存的工作性理解，会在基准测试之前就告诉你哪些架构论文注定失败。而诚实的统计学可能是机器学习中最稀缺的技能，那里大量发表的严谨性只是带误差线的感觉。
还有一件事。读论文本身，不要读总结它的帖子。附录是埋尸体的地方，局限性部分通常是全文中最诚实的段落。
把一切都写下来
保罗·格雷厄姆指出，一个想法在你试图把它付诸文字之前，都可能感觉已经完整成形。纸张会找出你大脑粉饰过的漏洞：你从未检验过的假设，并不真正成立的步骤，两个悄然相互矛盾的论断。
费曼的准则是，你第一个必须避免欺骗的人是自己，因为你是最容易的目标。写作是迄今发明的最廉价的防御。达尔文更进一步，将其程序化。任何与他理论相悖的事实，他都会当场写下来，因为他发现自己的记忆删除不利证据的速度比删除有利证据更快。你的记忆对你的失败实验也做同样的事。保持记录：假设、设置、预期、结果、更新后的信念。重读上个月的条目，其谦卑效果是任何审稿人无法比拟的。
然后把其中一些公之于众。奥拉和卡特的“研究债务”一文论证了，领域会因未消化的想法而窒息，清晰的解释是真正的贡献，而非服务性工作。如今许多从事可解释性研究的人，是通过可读的文章而非会议论文进入这个领域的。公开写作的积累也相当于你能持有的最强凭证，因为它是你思考方式的不可伪造的样本。
收紧循环
关于亚历克·拉德福德的传奇故事，很少涉及单次天才的闪现。它们涉及的是数量。每天更多次运行，每周更多个被丢弃的错误想法，一个比任何人都更新得更快的现实模型。这才是真正的游戏。研究速度主要是你发现自己错了的速度。
这使工具建设成为一流的研究活动。启动一次运行应当是一条命令。绘制图表应当是另一条。每个实验都应能从其配置重现，比较两次运行应只需几秒，而非一个下午的考古。卡帕西训练神经网络的“食谱”中有一步骤，其回报是百倍的：在规模化训练前，先过拟合单个批次。三十秒，一半的bug，消失。把所有东西缩小到便宜为止，先做对，再花算力。
并且放弃“工程在这里是次要角色”的想法。在前沿，这两项工作已融合。能构建工具链、评估和数据管道的研究者，才是其假设真正得到检验的人。其他所有人都在排队等待。
凝视输出
下降的损失曲线不是分析，是安慰。你的实验释放出的信息远多于你吸收的：转录、失败案例、分布中奇异的尾部。其中大部分在日志文件夹中未被阅读就死去。
卡帕西的“食谱”在任何训练代码写出之前就开始了，花数小时手工处理原始数据。大多数机器学习bug存在于数据中，而且它们无声地失败。没有崩溃。你只是得到一个平庸的模型，和一个关于为什么的错误理论。
吴恩达教授同一个不光彩的招数已有十多年，因为没有什么能胜过它。抽取一百个失败案例，全部阅读，分门别类，攻击最大的一堆。这在模型上有效，在评估上同样有效——一个你从未阅读过转录的基准，是你并不真正理解的基准。一段真正怪异行为的转录，教给你的比下一个小数点的准确率更多。
有目的地漫游
你的第一个子领域是时机的偶然，所以就这样对待它。在可解释性、评估、强化学习、系统等领域都投入真正的时间，然后再决定你住在哪里。这个领域的某处有一个角落，你特定的古怪在那里是一种不公平的优势，而找到它的唯一方法是在几个地方支付学费。没人会免除学费。
先为每个想法运行一次性版本，让它们中的大多数早早夭折。把基线调优到让你痛苦为止，因为机器学习的坟场里满是那些在恰当调优的基线面前蒸发的收益，而审稿人是了解这一点的最糟糕人选。做消融实验，直到你确切知道哪个组件承载了结果。通常只有一个，而且通常不是标题里那个。
广度也是保险。子领域会饱和，所有都会，通常正好在它们在推特上达到峰值之后。那些在这些转变中持续产出的人，是已经熟悉相邻领域的人。
找到你的人群
汉明注意到一个规律，关于谁最终做出了重要工作。关着办公室门的同事在任一年中产出更多，开着门的同事做的是重要的工作，因为打扰带来了关于世界真正需要什么的信息。你的开门很可能是收件箱。保持那样。
慷慨在研究中的复利作用无与伦比。复现一个结果并发表你的发现。发布你为自己构建的工具。用平实的语言解释困难的东西。回报会在数月后从侧面降临，作为你本无法申请的合作、引用或职位。把你的半成型想法也公开，因为在时间线上犯错远比在印刷品上犯错便宜。而在你投入三个月之前告诉你想法有问题的合作者，比算力更有价值。那种关系买不来，只能挣来。
长期游戏
巴斯德说幸运偏爱有准备的头脑，汉明在其上建立了整个职业哲学：知识和生产力像利息一样复利。日常的边缘优势孤立看微不足道。你读什么、你记什么、你的循环跑多快、你和谁争论。给它们几年，它们会产生从外部看像运气的职业生涯。比感觉必要更早开始复利。未来的你已经知道，这只是便宜的阶段。
·

我希望成年人的友谊能像幼儿园那样运作 by ellen livia (@ellen_in_sf)
ellen livia ᯅ
@ellen_in_sf
如何在一座城市里交到朋友？
我希望成年人的友谊能像幼儿园那样运作。他们把你和一群小孩放在一个房间里，给每个人发蜡笔，然后不知怎么的，到一天结束时，你就带着一个最好的朋友离开了。
不幸的是，成年生活并非如此。
友谊的断崖
嗨，我是Ellen，28岁。过去两年我一直住在旧金山，说实话，我刚搬到这里时，交朋友这件事让我感到害怕。
有一种奇怪的孤独感会在二十多岁末和三十岁出头时袭来。人们搬家、换工作、谈恋爱、分手、重新开始、消失、回来，突然间，交朋友感觉更像是《模拟人生》里的一个支线任务。
《模拟人生》展示了如何通过互动来交朋友。
根据“Our World in Data”对美国时间使用调查的分析，随着年龄增长，在二十多岁和三十多岁期间，花在朋友身上的时间往往会下降，因为生活重心转向工作、搬家、恋爱、伴侣、孩子，以及更多独处的时间。
老爸老妈的浪漫史
@OfficialHIMYM
·
2021年10月2日
"无论你此生做什么，如果没有朋友见证，那都不算传奇。" —— 巴尼·斯廷森
但后来我又想了想《老友记》或《老爸老妈的浪漫史》这样的剧。
菲比·布菲在《老友记》第一季时是27岁。
凯莉·布拉德肖在《欲望都市》第一季时是32岁。
巴尼·斯廷森在《老爸老妈的浪漫史》第一季时是29岁。
很多标志性的“城市友谊”故事，其实都始于成年之后。
在公寓里、酒吧里、办公室里、随机的夜晚、糟糕的决定、日常的惯例，以及人们一次次选择出现。
所以也许还不算太晚。
也许成年人的友谊只是有不同的等级。
我曾以为，我会自然而然地从研究生院、工作、活动以及“身处人群中”交到朋友。
没错，有时候确实如此。
但我意识到，友谊不仅仅是“近水楼台”。
不仅仅是身处同一间办公室、同一个班级或同一座城市。
友谊意味着双方都必须感到足够自在，才能持续选择彼此。
去哪里结识新朋友？
你几乎可以在任何地方认识人：工作、学校、爱好、运动、Slack社区、活动、KTV酒吧、早餐店、共享办公空间，或者一次你差点没开口的偶然对话。
我通过一个“旧金山女性”Slack频道认识了我的一位朋友，艾玛。我没开玩笑。
我从没想过会在那里遇到一个真正亲近的人。我们来自完全不同的世界。我在科技行业工作，而她是一名小学老师。
但不知怎的，我们就在那里相遇了。
我也曾在一些我并没有“刻意”交朋友的地方认识人。
但更难的部分往往不是认识人。
而是认识之后该做什么。
我记得玩《模拟人生》时，每段关系都有等级。
《模拟人生》中的友谊
你不能从陌生人一键变成最好的朋友。
首先，你要交谈。
然后你们成为熟人。
然后是朋友。
然后好朋友。
然后不知怎么的，他们总是在你家里吃你的食物，或者在晚上11点在你地毯上笑得打滚。
晚上11点笑到打滚
成年人的友谊也是如此。
第一级是成为熟人。
这始于寻找共同点。
可以是工作、爱好、运动、音乐、创业、艺术、健身、KTV，任何东西。
有时候这是刻意的，比如参加某个活动或加入某个社群。
有时候是随机的。
这是我的朋友莎拉，为了拓展她的朋友圈，她举办了一场全市范围的才艺表演加寻宝游戏来庆祝她的生日。
关键是保持开放，让一次小小的互动变成更多可能。
第二级是维持友谊。
这是大多数成年友谊“夭折”的地方。
不是因为人们不喜欢彼此，而是因为没有人跟进。
总得有人说：“你想一起去喝杯咖啡吗？”或者“你想和我一起去参加这个活动吗？”或者“我要去参加这个活动，想一起来吗？”
如果一对一的约会感觉太有压力，那就改成团体活动。
邀请人们一起吃饭、唱KTV、散步、一起办公、野餐、上健身课，什么都行。
友谊不需要在第一天就进行深刻的情感对话。有时候它只需要重复。
第三级是把人带入你的真实生活。
这是我过去常常忽视的部分。
不是每次聚会都需要一个精心策划的活动。
我一些最珍贵的友谊，是因为我把人们邀请进了平常的事情里。一起办公。一起买菜。一起洗衣服。
坐在咖啡馆里，我们各回各的邮件。
漫无目的地在城市里走走。
友谊有时候就只是并肩坐着，做着完全平常的日常琐事。
到了某个阶段，友谊不再那么关乎“我们出去玩吧”，而是更关乎“过来跟我一起做家务吧”。
那些友谊开始让你感觉像家一样。
不是因为它们有多戏剧化，
而是因为有人不断出现在你的日常生活中。
在来旧金山之前的三年里，我不断切换国家和城市。即使人们认为我是个外向的人，但“安定下来”这个念头一直让我害怕得要命。
现在有时候依然如此。
但旧金山有一种方式，让你想要去尝试。
搬来这里不仅仅是建立事业、追逐金钱，或者住在大城市。
也是关于学习如何在这里建立一个生活。
一个朋友，一杯咖啡，一次散步，一次随机的邀请，一步步来。
顺便说一句，这些朋友都不在X上。
我只是很幸运，在这里的现实中遇见了他们。
所以，不要等到一座城市让你感觉像家。
家，始于你慢慢选择的人，
以及那些不断选择回应你的人。
走出去吧。传播爱。交朋友。 <3
爱你哦
-ellen :)
顺便问一句，你是在哪里遇到那些让你的城市有了家的感觉的朋友的？
·
查看

最优秀的B2B公司正在剪辑他们的创始人
Subah Wadhwani
@subahwadhwani
剪辑即将席卷科技媒体
78
252
957
82万
@Lovable 有 @antonosikadaily 在剪辑 Anton。
Ramp 邀请了《办公室》的 @BBBaumgartner，获得了8500万次观看，并特意使用了五台专用摄像机以确保有足够的素材。
@Replit 有 @amjadmasadclips 在剪辑 @amasad，并获得了数十万次观看。
主题页面剪辑 Amjad
@WisprFlow 每天都有 @tanaykothariclips 剪辑 @tankots 的内容。
@emergentlabs 通过主题页面分发剪辑内容。这个账号有30万粉丝。
这是第一波浪潮。少数市场推广团队已意识到，剪辑是一种新兴但强大的科技媒体策略，当其他同行还在保守地进行品牌营销时，他们将抢占先机。
我在十月份写过一篇文章，预言了这一点。文章指出，科技公司终将开始像流媒体平台和音乐人多年来所做的那样运用剪辑。现在，这一刻已经到来。虽然目前仍处于萌芽阶段，但即将迎来爆发式增长。
在 clippingvideos.com，我们数月来一直为金融科技公司（非上述提及的公司）运营剪辑营销活动。以下是我们学到的一切，以及我对这一领域未来走向的看法。
这并不是一套全新的打法。科技行业只是最后加入的。
N3on，以随机戏剧性内容闻名，在5周内花费140万美元，雇佣300多名剪辑师，用他的直播精彩片段刷爆TikTok。
Drake与PartyNextDoor的上一张专辑宣传活动，仅通过剪辑就获得了超过1亿次观看。
Lady Gaga、Selena Gomez、滚石乐队、Black Sabbath、Russ——他们目前都在通过代理商进行剪辑营销活动。
流媒体和音乐人多年来每月在此项上花费数百万美元。他们比任何人都更早领悟到这一点。
数学逻辑
剪辑是一种分发策略。你取一段长篇媒体内容，例如播客、演讲、创始人访谈，然后由一个剪辑师网络将其转化为数千条短视频，同时发布在TikTok、Instagram和YouTube上。
每个社交平台都会在发布后的第一个小时内，将你的内容推送给一小部分受众进行测试。参与度的增长速度决定了内容是被进一步推广还是石沉大海。
大多数剪辑会失败。这没关系。当你每周发布100多条剪辑而非10条时，数学逻辑就开始发挥作用了。
你无法每天从零开始创作100条独特的内容。但你可以从一段3小时的拍摄中提取出100条剪辑，并衍生出50个变体。
乔·罗根之所以能病毒式传播，是因为你的信息流中每周有600条罗根的剪辑。当你在本月第七次看到他时，他就感觉像是你生活的一部分。你开始信任他。
同样的原则也适用于创始人。营销中的7次法则在此同样适用。
瓶颈在于源头内容
那么……你如何获得足够多且质量上乘、能够病毒式传播的剪辑？尤其是当你作为一名创始人，还有其他优先事项需要处理时。
90%的剪辑营销活动效果不佳，因为你提供给剪辑师的内容……很糟糕。很无聊。它们本就不适合在社交媒体上传播。
剪辑不是直接销售。你不能谈论你的产品有多好，却指望人们会关心。你有个性。展现出来，因为人们追随的是人。
我们在制作上投入的时间比任何其他环节都多。我们会飞过去，搭建一个“伪播客”场景，或者安排工厂参观。我们会设计那些被刻意打造成钩子的问题。我们会与创始人坐在一起6到8个小时，挖掘他们从未公开讲述过的故事。我们会在活动中捕捉他们。我们会拍摄他们在舞台上的表现。
“伪播客”的幕后花絮
如果你的创始人接受过媒体培训，剪辑是不会奏效的。剪辑需要的是原始的信念、一个强有力的观点，以及一个完整的故事。
这也是为什么那些仅仅指望你提供现有素材的“剪辑公司”通常会失败的原因。
第一步：构建内容工厂
一次播客露面可能只给你提供5到10个可剪辑的时刻。一场营销活动需要数百个。
你需要一个能够每月产出数小时原始内容的体系。包括创始人的线下拍摄、在其他热门播客上的亮相、会议和活动的报道、团队外出活动的幕后花絮。
那些在剪辑上取得成功的公司，将其视为一项完整的媒体任务。
第二步：为剪辑而设计内容
大多数播客是为线性收听而设计的。这与剪辑营销活动的需求恰恰相反。
拍摄应该做到，每一个60到90秒的片段都能独立存在。每个问题都是一个钩子。每个答案也是一个钩子，包含一个完整的故事，并在结尾处带来多巴胺冲击。
创始人不需要是出色的演讲者。他们需要的是不加过滤的真实。
Roy Lee 以不按常理出牌而闻名。
我们发布过的最好的剪辑，是一位创始人谈论他几乎破产的经历。
第三步：在分发前进行筛选
大多数代理公司会将3小时的拍摄素材交给剪辑师，然后说“找找好的片段”。但其中90%的产出都是不可用的。
需要有眼光的人逐分钟观看，并挑选出30到50个能与你的理想客户群体产生共鸣的片段。
第四步：在分发前进行筛选
不是10个剪辑师。不是50个。而是数千个。
Clav有1,500个。N3on有1,000个。我们自己的网络有14,000多个。否则数学逻辑就行不通。
每个剪辑最终会衍生出数百个变体。不同的钩子、不同的文案、不同的剪辑方式、不同的平台。你是在一个小型团队物理上无法达到的规模上进行A/B测试。
一个小型剪辑团队每周给你提供20条剪辑。一个合适的网络则能提供5,000条。而其中的某一条就会爆红。
第五步：审核所有内容
大规模的品牌安全是大多数团队最担心的部分。
每条剪辑上线后都需要尽快审核。一条拼接不佳但传播开来的剪辑，可能会引发公关危机。
我们内部有一个审核团队，会根据具体指南逐条审核每条剪辑。包括钩子、画面框架、哪些内容允许、哪些不允许。控制叙事至关重要。
第六步：追踪一切并加大投入
一旦剪辑上线，你会在48小时内知道哪些会爆红。哪些钩子、哪些平台、哪些剪辑师。
随后，所有剪辑都会在我们自有的平台上进行追踪，以找出哪种形式和主题表现最佳。
当某个内容获得关注时，我们会让整个网络集中发力。同样的内容会获得10倍的部署力度。这就是为什么一条剪辑能在一周内获得500万次观看，并出现50次。
第七步：将关注度引导回公司
我们对每条剪辑都会做三件事：
在剪辑账号的简介中链接到创始人及公司主页
在剪辑画面本身叠加小型的公司徽标
在每条文案中@创始人及公司
当我们为其中一个客户这样做时，该公司名称在美国的谷歌搜索兴趣在一次营销活动中跃升了50%。从观看量到谷歌搜索的转化，深受传统营销团队的青睐。
第八步：承诺持续投入
1万美元的试验只会产生试验性的结果……无法为更大规模的营销活动建立信心。
指数增长的曲线不会开始，除非你持续投入数月。同一个人本周看到你的创始人3次，下周4次，再下周5次。
简明版本
Lovable、Replit、Wispr Flow、Emergent 以及更多公司。第一波浪潮正在涌动。
流媒体和音乐人多年来已在剪辑上花费数百万美元。这套打法已被验证。科技行业终于迎头赶上（想想TBPN如何适应流媒体。公司们现在也将开始适应剪辑）。
瓶颈在于源头内容。如果你的原始素材不好，下游的一切都无法奏效。
在制作上投入时间。构建内容引擎。进行严格的筛选。通过庞大的网络进行分发。审核每条剪辑。追踪一切。并保持长期的投入。
科技行业下一个十年的品牌营销将建立在此之上。率先行动的公司将占据多年的心智份额。
下午10:40 · 2026年5月18日
·Twitter Web App
44 引用推文
208 转推
78
252
957
1,922
相关

别把学习外包出去
现在，让AI写代码而自己跳过学习过程，实在太容易了。Bug确实被修好了，但你的心智模型却没有丝毫进展。长此以往，情况只会更糟。我们正在用未来的能力，悄悄地换取当下的速度，而工具本身并不会阻止我们这么做。这一点，必须靠你自己。
我们大多数人，都已陷入一个默认的循环。你粘贴一段需求或错误信息，模型给你一个修复方案，症状消失了，你发布了。在这个循环中，问题与解决方案之间那种混乱的挣扎过程，压根不再发生。
我之前写过关于“认知投降”的文章，指的是AI评审的结论悄然取代你自己的判断。而这是同一循环的单机版。只有你和模型。模型更快，所以你不再试图在理解力上与之竞争。在成千上万次这样的小交互中，没有AI在旁监督时你实际能构建的东西，每周都在变弱。这些瞬间在当时，没有哪一个感觉像是问题。
我并不反对AI。我每天都在使用这些工具，去年一年借助它们交付的成果，比之前几年加起来还多。但我们使用它们的默认方式，只为一个目标而优化：关闭任务。
这与保持足够敏锐、以便在漫长的职业生涯中驾驭这些工具，是完全不同的目标。
多项研究正汇聚到同一点
过去一年中，几项研究得出了大致相同的结论。
Anthropic在2026年初进行了一项随机对照试验，让工程师学习一个新的Python库，其中一半人使用AI辅助，另一半则完全不用。两组完成任务的速度相同。但AI组在后续的理解力测验中表现糟糕：得分50%，而手动组为67%，在调试环节差距进一步拉大。有趣的是AI组内部的差异。那些用AI来提问概念性问题的工程师，得分超过65%。而那些直接复制粘贴生成代码的工程师，得分不到40%。工具并不能决定结果，你的姿态才能决定。
MIT的“你的大脑在ChatGPT上”研究，比较了使用大语言模型、搜索引擎和纯人脑来完成论文写作的情况。脑电图测量显示，随着外部支持层级的增加，大脑连通性成比例下降。大语言模型组显示出最弱的大脑耦合。写完论文后，83%的大语言模型用户无法引用他们刚刚写出的任何一句话。研究人员称之为“认知债务”：今天节省了脑力，明天就要为批判性思维付出代价。
一项CHI 2026研究补充了一个相关发现。当人们在任务开始时就获得LLM访问权限时，LLM就为整个问题设定了框架。即使后续工作全由人类自己完成，这种初始锚定也会导致可测量的更差决策。操作顺序比AI使用的总量更重要。
不同的方法论，却得出相同的结论。没有主动学习意图地使用AI，会悄然削弱你赖以为生的技能。
工具默认是为了交付，而非教学
如果你启动一个编程代理并坚持默认设置，那么一切都为一个指标而调校：完成任务。
模型写代码，你接受。循环往复。工具在任何时候都不会停下来问你：“你认为问题是什么？”或者“你自己试着先写前五行吧。”
这就是当前UX的引力所在。产品团队因合并变更和缩短周期时间而获得奖励，而不是因为你成为更出色的工程师。我们都想要更少的键盘敲击，所以工具已经抹平了那些摩擦。问题在于，学习恰恰就存在于那些摩擦之中。
一些公司曾尝试抵制这些不利于真正学习的循环。
Anthropic为Claude推出了“学习模式”，它采用苏格拉底式提问，并会在继续之前停下来让你自己写代码。OpenAI和Google也推出了类似的功能。但说实话，几乎没人在真正的生产工作中使用它们。我们悄悄地把它们归类为“给学生用的”，这是个错误。帮助大二学生学React的功能，同样适用于资深工程师学习Rust。你只需要愿意再次感受当新手的感觉。
“如果AI能做，我为什么还要理解它？”
这是个合理的问题。对于某些工作，答案可能是：也许……你不需要？如果是样板代码、胶水代码，或者你永远不会再看的临时CI脚本，那就委托给它。记住某些语法的机会成本太高了。
对于真正的软件，纯粹的委托在几个特定场景中会土崩瓦解。
当出现故障时。AI生成的代码和人类代码一样会崩溃。“是代理写的”并不能帮你调试问题。团队中必须有人理解架构。
当它自信地犯错时。大语言模型仍然会幻觉。对付一个看起来可信的错误答案，唯一的防御就是拥有足够的专业能力来发现它。像技能、CLI等辅助手段只能帮你到一定程度。
当基础发生变化时。代码是暂时的；系统是永久的。当框架更新或安全审查指出结构性问题时，你无法通过重新提示来解决问题。你需要足够理解系统的工程师来迁移它。
当你偏离主流时。AI对于已经在GitHub被解决过一百万次的问题表现得极为出色。你偏离主流越远，它就越差劲。那些棘手、无文档记载的问题，那些证明高级工程师薪水合理的问题，仍然需要深入理解。
当市场调整时。那些只能在AI辅助下交付、离开AI就束手无策的工程师，正在进入一个已经重新评估专业技能价值的人才市场。如果你用AI来跳过学习，你就是用未来的相关性，换取一个稍微轻松点的星期二。
解决办法在于你如何提问
好消息是，那些产生认知债务的工具，同样可以培养出更敏锐的工程师。区别在于你向它们要求什么。
在提问前形成假设。在请求修复之前，先写下两三句话，说明你认为问题是什么。用模型的答案来检验你的理论，而不是取代它。
在代码之前先要求解释。在不熟悉的领域，你的第一个提示词应该是类似“解释这是如何工作的，有什么替代方案，以及各自的权衡是什么”这样的内容。只有在掌握了概念之后，再要求代码。
当你力不从心时，开启学习模式。是的，感觉更慢了。这正是关键所在。
把AI输出当作初级工程师的代码评审来对待。阅读它。批评它。反驳它。你会仅仅因为测试通过就合并它吗？如果不会，在这里也不要合并。
偶尔亲手重新推导一遍。拿一段模型为你写的代码，试着从头开始重建它。这是一种校准检查，让你知道自己悄然失去了多少。
让模型教你它刚刚做了什么。在它写了一个巧妙的函数后，问问它使用了哪些概念，以及你需要读什么才能理解其设计选择。多问一句，就会改变你从这次会话中带走的东西。
这些都不戏剧化。它们只是在你已经使用的相同工具中，发生的微小姿态转变。
两个指标，而非一个
我开始用这样一个简单的问题来结束编码会话：我今天学到什么了吗，还是只是关闭了一些问题？
有时诚实的答案是“我只是关闭了问题”，这也没关系。但如果这成为连续数月的答案，认知债务就在背景中悄然累积。
交付和学习是两个独立的指标。你的经理和客户只会关心第一个。第二个，取决于你自己。
我宁愿交付我能做到80%，同时学到我所需要100%，而不愿反之。日积月累，这两种策略会造就截然不同的工程师。
你不必在“使用AI”和“学习”之间做出选择。你必须选择一个能兼顾两者的工作流程，因为默认设置不会替你选择。当你准备好时，工具随时待命。
下一次你打算委托出去的枯燥任务，就是一个不错的起点。

一个 X 账户是你人生中投资回报率最高的资产。
不是学位。不是工作。不是健身卡、课程、导师、搬家、股票、房子、副业。
而是一个 X 账户。
@nikitabier 曾写道：
Nikita Bier
@nikitabier
·
5月10日
一个 X 账户的价值可以通过它在现实生活中为你打开哪些门来衡量。
现在，大多数在这个应用上潜水的人，正坐在一张中奖的彩票上，却拒绝刮开它。
我将带你了解为什么我这么认为。从一个亲身经历过的人的角度。从一个见证过我生命中每一件有意义的事都经由这个应用回流的人的角度。
你正坐在一张中奖的彩票上，却拒绝刮开它。
我的整个生命都源于这个应用。
我还是学生时就注册了 X 账户。没用。上大学时我又回来了。然后我真的开始用了。投入其中，有大量空闲时间，所以我最终就住在了这里。
我建立了人脉。我参与了一些令人兴奋的项目，大多在伦敦。我遇到了我本来永远不会遇到的人。我遇到了伙伴。我遇到了商业伙伴。我遇到了女性。
今天，我核心圈子里的每一个人，每一个人，都以某种方式源于这个应用。每一位合作者。每一位朋友。每一位伴侣。过去六年里，每一扇有意义的门背后，都有 X 的身影。
GRITCULT
@GRITCULT
·
2022年12月20日
回复
@GRITCULT
是的，戴着牛仔帽，在好莱坞山午夜开保时捷。
引用
Jens Al-Sheikhali
@jynge_
·
2022年12月20日
回复 @GRITCULT
你有没有做过一个梦，后来在生活里变成了完全一样的既视感时刻？就在那一瞬间，你会想，我之前来过这里/梦到过这一刻？
2023年，我横穿了美国——和我在推特上认识的人一起——我在每个停靠的城市都见到了互关的朋友。有些人开了几个小时车来见我。和 @seriousgoofy @lindypopstar @yeshuarespecter 一起。我花了大量时间和世界各地的互关朋友见面 @FrazzleDazzzled @DejaRu22 @GoldenJanus
GRITCULT
@GRITCULT
·
2021年11月27日
纽约是一生难忘的时光。太棒了。很想再回来。
从纽约开车去迈阿密。
在费城待了8天。
可能会去亚特兰大。
如果不是因为 X，我不会有今天的事业。就这么简单。我通过这个应用进入了加密和科技领域。我会发布我的咨询工作、我正在做的事、我读的东西。然后，人们开始主动联系我。他们想让我帮忙增长他们的账户。接着是代笔。接着是写作建议。接着是文章。接着是项目。接着是生意。
这就是滚雪球。发布 → 引起一个人共鸣 → 那个人打开一扇门 → 走进去 → 发布关于这件事的内容 → 重复。
这就是 @0xTheGreatApe 和 @harmonylion1 多年前联系我的方式。
你无法在现实生活中设计这一切。你没法在活动上这样建立人脉。你没法通过冷邮件打进 X 免费让你进入的那些圈子。
有些互关朋友我至今每天聊天，已经关注我超过10年了。
我在 X 上认识了 @sukuriprotocol 的联合创始人 - @maxbridgland @fidoeth
最近，我在 X 上发了一篇关于伦敦的文章——@charlierward 回复了 @Londonmaxxing 这个词，并发起了一场运动——我在他的活动上做了演讲，市长把那个词写进了他的简介……
GRITCULT
@GRITCULT
·
3月5日
伦敦的看涨理由：为什么它只会变得更好。
现在有很多关于英国和伦敦的悲观论调，我一直想说说这个问题，因为我看到的是不同的图景。
这条推文被疯传后，很多人……
你能免费获得当今最优秀头脑的数小时指导。
@0x49fa98 给了我数小时的写作建议。免费的。没有课程。没有大师班。没有“预约通话”。只是因为我们在 X 上相遇，而他很大方。
这不正常。这不是过去世界运作的方式。
在旧世界里，你必须出生在合适的家庭，上合适的学校，得到合适的实习，巴结合适的教授多年，才能与一个品味真正一流的人交谈30分钟。现在你可以直接私信他们。如果你的账户足够有趣，他们会回复。
世界上最优秀的大脑在这里都能接触到。治愈疾病的人在这个应用上。构建金融未来的人在这个应用上。管理国家的人在这里潜水和发帖。每个重要领域的前沿，至少都有几位代表人物在公开地、实时地、免费地发布他们的思考。现在每家公司都专注于在 X 上发布产品。它不再是一个事后考虑，而是触达各类客户的主要方式。
在人类历史上，你再也得不到这种接触精英认知的机会了。读书很好。但书是死人在说话。X 是活人在今天畅所欲言，关于当下，而且你可以打断他们。
我接受过很多人的采访，比如最近的 @jmrphy @AndrewAsksHow。我被文章引用，被杂志提及，全都归功于 X。上过 @tbpn 和 @etnshow 的节目。
这是我们建造的最接近科幻小说技术的东西。
当你读伟大的科幻小说时，总有一些技术让信息以思维的速度在全球传递。一个把陌生人迅速变成盟友的网络。一个能在全人类中找到对的人的信号。
X 就是那个。
互联网是前提。社交媒体是草稿。X 是真正的科幻技术。我们迄今为止建造的最接近全球神经系统的东西，任何人都可以接入。
我的推文和文章被世界各地的人阅读。在我从未去过的地方。在我通常还在睡觉的时区。那些可能永远不会见到我的陌生人，基于我在去健身房的路上花90秒写下的东西，构建了他们世界观的一部分。
这是一种30年前不存在的力量。
它被免费地交给你，而你却没有接住。
它也是最棒的约会应用。
这不是开玩笑。推特上的存在感现在对约会很重要。
原因很简单。约会资料给你6张照片和一个提示。一个 X 账户，则给人一个完整的窗口，看进你的品味、你的幽默感、你的世界观、你的抱负、你和谁在一起、你在构建什么。当有人滑进你的私信时，他们已经对你了解一半了。他们已经根据价值观进行了自我筛选。
我通过这个应用遇到过女性。我知道有互关朋友在这里遇到了他们的妻子。我知道有情侣是在评论区认识的，开始私信，在伦敦见面，现在正在组建家庭。
你先过滤有趣，而不是最后才过滤。
它现在是一个严肃的收入来源。
我的主要收入一直是通过这个应用得来的。间接地，通过它带来的生意和客户。直接地，通过广告分成、写作、代笔、以及人们读了我的帖子后邀请我参与的项目。
我曾经有一个朋友。当我开始认真对待推特时，他管我叫怪人。说这是在浪费时间。说我需要“做点正经事”。
他现在送外卖。我仅靠推特赚的钱，就比他送快餐赚得多。
这不是为了嘲笑他。而是为了嘲笑那种世界观。那种认为发帖很尴尬、而“真正的工作”在别处的世界观。那种世界观，应该进垃圾桶。
永远赌自己。永远赌你朋友认为是浪费时间的那种媒介。这几乎总是阿尔法藏身之处。住在尴尬的另一边。
你只靠成为一个好的发帖人，就能赚到全职薪水。这句话听起来疯狂。但它就是事实。
它比学位投资回报率高。比大多数工作都高。
一个学位要花费你3到4年和数万英镑。普通毕业生只用得上一次。他们学到的大部分东西，在十年内就会被遗忘或过时。
一个 X 账户，不花你一分钱。它终身复利。每一篇帖子都是公开互联网上的永久资产，被索引、可搜索、可联网。
经营一个 X 账户，会让你比世界上任何一个硕士学位都更多地了解营销、说服和社会心理学。你会学到什么能抓住注意力。你会学到什么让人愿意分享。你会学到想法如何传播，哪些会消亡，什么语气能引起哪个亚文化的共鸣，为什么有些人一个月涨1万粉，而另一些人发了5年只有200粉。你会通过每天被算法打脸来学到这些。
如果你是首席营销官、营销人员、创始人、销售负责人，而你不会发帖，那你就是个累赘。
不可商量。媒介本身就是战略了。所有文化都源自发帖的人。所有招聘都越来越源于 X。所有资本配置也越来越源于 X。人们靠一条爆火的推文就能拿到融资。
如果你是创始人，在这个应用上有影响力，是你所能拥有的最大增值项之一。即使你想要一份更好的工作，一个 X 账户也能帮你。分发是你的护城河。X 是你将拥有的最便宜的分发渠道。现在，大多数正在建立正经公司的人，都在以 X 作为主要增长渠道，把“营销”当作一个副业。他们不会是最后一个。
没人想面对的竞技场事实。
我在这个应用上见过一些人，我亲眼看着他们从一贫如洗变成百万富翁。从睡朋友家的沙发到经营八位数的企业。我确定，在未来五年里，我现在一起发帖吹水的许多互关朋友，都会成为千万富翁。
如果你在这个应用上待得够久，这个模式是显而易见的。
有才华的人开始发帖 → 找到同类 → 找到问题 → 找到联合创始人 → 找到资本 → 建立企业 → 获胜。
这个游戏里的输家，都是潜水的。那些滑屏、点赞、从不发帖，然后抱怨算法不青睐他们的人。兄弟。你还没掷骰子呢。算法没法青睐不存在的东西。
如果你在这个应用上，别再潜水了。
开始发帖。
发什么都行。差也没关系。哪怕只有4个人看到也没关系。只要开始。频率是这个平台上唯一的通用作弊码。把更多想法投进宇宙，最终总有一个会击中频率，让对的人产生共鸣。
从那一次共鸣开始，雪球就滚起来了。
一个有生命的机器。
另一件没人提的事。X 团队本身是我见过的最响应式的产品团队之一。他们发布产品。他们倾听。他们在公开场合、实时地、与应用的实际用户一起迭代。
我在一个直接跟他们产品负责人的群聊里。多个在 X 工作的人关注了我。我周一提的反馈，周五就已上线。这在消费科技界别的地方根本不会发生。大多数应用把他们的核心用户当作要管理的焦点小组。X 则把他们当作共同建造者。
这是一个活生生的机器。不是一个由硅谷会议室里的委员会运营的冻结产品。一个在你脚下被重建的平台，比任何竞争对手都快，而重建它的人和你一样在用这个应用。这也是看涨理由的一部分。基底本身每星期都在变好。每一个功能发布，只要你真的在发帖，就是对你有利的。
世界论坛。
推特是新媒体。报纸知道。电视网络知道。政客知道。风投知道。任何认真想要塑造现实的人，早就住在这里了。
就连推特给创作者付费，也是这走向何方的标志。五年前，平台本身付钱让你发布想法，这简直不可想象。现在这是底线。平台在奖励那些给它提供好内容的人，因为好内容才是真正的产品。
你可以花十年在一个没有上升空间、没有股权、没有观众、没有杠杆的工作上。或者，你可以花一年时间，持续向史上最高杠杆的分发机器投稿，然后在睡觉时被动地获得所有这些。
推特上没有关闭的门。没有守门人。没有简历筛选器。没有招聘人员告诉你资格不够。你要么发布人们关心的东西，要么不。纯粹的注意力精英主义。纯粹的品味精英主义。为有野心的人建造的最公平的游戏，而世界上大多数人却在场边观望。
那么处方是什么？
打开应用。发帖。回复。私信你尊重的人。公开写下你的思考。每天都这样做。持续数年。把它当作一门手艺来对待。
你会变得更好。算法会开始喜欢你。对的人会找到你。门会在现实生活中打开，商业的门、爱情的门、友谊的门、财务的门。五年后你抬头一看，会发现这个应用重塑了你整个人生。
下行风险为零。上行空间无限。
未来是可塑的。
我遇到的每一个人，我都告诉他们，毫不夸张，他们应该多发帖。他们应该多发推特。他们应该多与这个应用互动。你永远不会遇到比我更大的 X 推广者。
这是世界上投资回报率最高的应用。它是世界论坛。它是史上最伟大的消费软件。而你，正坐在它的边缘，看着别人变得富有、被爱、出名、自由。
感谢 @elonmusk
你正在 X 上读这篇文章。开始发帖。现在。
未来如此光明，你甚至还没意识到。—— GRITCULT
附言：如果你在这个应用上潜藏着，一直想开始发帖，私信我。我会给点建议。
·
查看

后端值得反复阅读的研究论文，作者：Mrinal (@Hi_Mrinal)
Mrinal
@Hi_Mrinal
一些值得研读的白皮书（后端相关）
在此列出一些我反复研读过的、优秀的后端相关研究论文。如果你能从中挑选几篇，会是实现新功能并从中获益匪浅的绝佳来源 :)
数据库与索引
基于LSM树的索引、数据系统与KV存储综述 —— [[https://arxiv.org/abs/2402.10460]]
重新思考基于LSM树的键值存储 —— [[https://arxiv.org/abs/2507.09642]]
在LSM树系统中评估学习型索引 —— [[https://arxiv.org/abs/2506.08671]]
如何培育一棵LSM树 | 关于LSM树生长与性能的设计问题 —— [[https://arxiv.org/abs/2504.17178]]
查询优化
RELOAD：一种用于数据库系统的鲁棒高效的学习型查询优化器 —— [[https://arxiv.org/abs/2604.14725]]
大型语言模型能否成为关系数据库的查询优化器？ —— [[https://arxiv.org/abs/2502.05562]]
超越数据系统的查询优化：多智能体系统的案例 —— [[https://arxiv.org/abs/2512.11001]]
真实环境中的查询优化：现实与趋势 —— [[https://arxiv.org/abs/2510.20082]]
缓存策略与一致性
解耦内存上的缓存一致性 —— [[https://arxiv.org/abs/2409.02088]]
DiFache：利用分散式一致性在解耦内存上实现高效可扩展的缓存 —— [[https://arxiv.org/abs/2505.18013]]
RESTful API设计规则是否影响Web API的可理解性？一项基于API描述的网页实验 —— [[https://arxiv.org/abs/2504.04005]]
从RESTful API定义生成LLM微服务实现 —— [[https://arxiv.org/abs/1909.05349]]
API设计
GraphQLer：通过上下文感知的API测试增强GraphQL安全性 —— [[https://arxiv.org/abs/2504.13358]]
为REST（类）API生成GraphQL包装器 —— [[https://arxiv.org/abs/1809.08319]]
RESTful API设计规则是否影响Web API的可理解性？一项基于API描述的网页实验 —— [[https://arxiv.org/abs/2305.07346]]
从RESTful API定义生成LLM微服务实现 —— [[https://arxiv.org/abs/2502.09766]]
后端安全与认证
真实世界后端部署中物联网协议安全性的大规模分析 —— [[https://arxiv.org/abs/2405.09662]]
当RAG聊天机器人暴露其后端：面向患者的医疗AI中隐私与安全风险的匿名化案例研究 —— [[https://arxiv.org/abs/2605.00796]]
Dynaseal：一种后端控制的LLM API密钥分发方案，具有受限的调用参数 —— [[https://arxiv.org/abs/2501.08336]]
针对不安全后端服务器的RFID认证 —— [[https://arxiv.org/abs/1304.1318]]
负载均衡与可扩展性
使用强化学习系统的智能负载均衡系统 —— [[https://arxiv.org/abs/2505.07844]]
XLB：使用基于eBPF的内核拦截的高性能微服务7层负载均衡器 —— [[https://arxiv.org/abs/2602.09473]]
Block：在LLM服务中利用上下文、知识与预测性调度来均衡负载 —— [[https://arxiv.org/abs/2508.03611]]
基于AI的糖尿病预测应用的可扩展后端 —— [[https://arxiv.org/abs/2512.08147]]
微服务与编排
可扩展微服务的一致性更新 —— [[https://arxiv.org/abs/2508.04829]]
RepoGenesis：从README到仓库的端到端微服务生成基准测试 —— [[https://arxiv.org/abs/2601.13943]]
基于微服务的软件系统重构：现状与未来方向 —— [[https://arxiv.org/abs/2407.13915]]
分布式系统与可扩展性
评估分布式文件系统中的容错性与可扩展性：以GFS、HDFS和MinIO为例的研究 —— [[https://arxiv.org/abs/2502.01981]]
面向高效可扩展大型语言模型的云原生与分布式系统 —— [[https://arxiv.org/abs/2604.17227]]
设计可扩展的限流系统：算法、架构与分布式解决方案 —— [[https://arxiv.org/abs/2602.11741]]
距离对混合云中分布式数据库系统性能与可扩展性的影响 —— [[https://arxiv.org/abs/2007.15826]]
以上就是我这边的内容，希望我能为你今天的学习带来一些价值 ^^ ...。
·
查看

大多数印度人并不知道，他们每年可以合法地将25万美元投资到海外。以下是关于全球投资你需要了解的一切——成本、税收、平台以及遗产税。一篇长文线程 🧵
是的。印度储备银行的自由汇款计划（LRS）允许每位印度居民每年向国外汇款最高25万美元。这是按人头计算的。一对夫妇每年可以汇款50万美元。完全合法。只是这项计划尚未被充分利用。
每次汇款，你需要支付大约1%的费用。金额越大，费率越低。因此，建议一次性大额汇款，而不是频繁小额转账。资金到达后，你可以暂时存入现金（最长6个月）或购买美国国债（无时间限制），然后逐步投入股票市场。这就像定期定额投资（STP）一样。
对于超过100万卢比的汇款，需缴纳税款代收（TCS）。这并非额外税款。你可以在预缴税款时加以抵扣，或在申报时申请退还。不要让TCS阻碍你。这只是现金流时间点的问题，而非成本。
选择一个建立在坚实基础上的平台。许多在印度提供全球投资服务的金融科技公司，其底层是海外一些不太知名的实体——这是大多数投资者未曾考虑到的风险。我们使用Paasa（披露：关联合作伙伴），它依托于Interactive Brokers——一家有着50年历史的机构。
美国遗产税常常让许多投资者措手不及。如果你持有超过6万美元的美国注册资产，且不幸过世，美国国税局（IRS）可能对你的遗产征税。解决方案：通过UCITS ETF（爱尔兰注册）投资。同样的全球投资敞口，却无需承担美国遗产税风险。
一组全球UCITS ETF能为你提供：→ 投资美国、欧洲、新兴市场和全球市场 → 无美国遗产税风险 → 低成本 → 真正的全球化地域分散，摆脱印度单一市场依赖。具体选择哪只ETF，取决于你的目标、时间框架和税务状况。
想知道具体哪些ETF以及如何构建你的投资组合？预约咨询，请访问 http://thefynprint.com 我们将为你详细讲解。之后，无论是平台选择、资产管理公司还是投资顾问，决定权都在你手中。
海外资产申报？
只需填写附表FA即可。有时附表FSI和TR也适用。大多数平台会为你提供预先填写好的表格。
非常详细的说明👍。但遗漏了一些方面，比如我们这边的ITR附表FA、通过DTAA（FTA）申报美国预扣股息税，以及提交W-8BEN表格的重要性。
你可以在后续补上。也许还有其他内容！
谢谢。
补充一下。感谢 Kedar。
我最近很少见到像
@ActusDei
这样一贯坚持金融知识普及的努力。我记忆中另一位是
@monikahalan
女士。两位都以合法、守规、系统的方式致力于改善投资者的处境。
我一直在时间线上关注他们两位。
✅
谢谢 Jagdadiswar。您的支持非常宝贵 🙏
谢谢，这是个很棒的话题。我之前并不知道这些！
谢谢 Anand
非常有用，Neil
谢谢 Parag！
是的，但对于高净值个人（HNI）来说……比如投资几千万卢比，20% 的TCS（预扣税）是个很大的负面因素。只有80%的资金投入运作，还得等差不多一年才能拿回。
一篮子全球UCITS ETF能为您带来：→ 投资美国、欧洲、新兴市场和全球市场 → 无美国遗产税风险 → 低成本 → 真正实现印度以外的地域多元化。具体选择哪些ETF取决于您的目标、时间安排和税务状况。
想知道该选哪些ETF以及如何构建投资组合？请通过
http://
thefynprint.com 预约通话，我们将为您详细讲解。之后，所有决策——平台、资产管理公司、顾问——都由您自己决定。
海外资产申报？
只需填写附表FA。有时也需要填写附表FSI和TR。大多数平台都会预先填好这些表格。
细节讲得很好👍。但遗漏了一些部分，比如我们的ITR附表FA、利用DTAA（FTA）申请美国预扣股息税退税，以及填写W-8BEN表格的重要性。
细节处理得很好👍。但有些部分有所遗漏，例如我们这边的所得税申报表 FA、利用双重征税协定（FTA）申报美国预扣股息税以及填写 W-8BEN 表格的重要性。
您可以稍后添加。或许还可以添加更多！
德克萨斯州。
添加。谢谢凯达尔
我从未见过如此持续不断的理财意识提升工作。
@ActusDei
最近。我唯一记得的另一个名字是
@monikahalan
女士。他们都致力于以合法、守法和系统的方式改善投资者的境况。
我在时间线上关注了他们俩。
✅
他们可以将其用于预缴税款。
大多数印度人没有那么多钱！有那么多钱的人都知道这一点。
这是上限。
大多数印度人根本不投资，尼尔。更不用说投资海外了。
叹息。
因为“大多数印度人”没有能力凑近25万美元去海外投资。
谢谢 Jagdadiswar。您的支持弥足珍贵🙏
谢谢。这个帖子真棒！我之前都不知道！
谢谢阿南德
非常有用的尼尔
谢谢 Parag！
不错的帖子，尼尔。
谢谢 Vishal！
我知道这事，但我没有足够的资金去转账，这没什么意义。
啊，25万是上限。你的最低金额可以低至5000美元。
另外还要提到，这些资产应在ITR表格的FA部分进行申报。
是的，没错。如今大多数平台都会预填这部分内容。
大多数印度人没有25万美元用于海外投资。
但在700万卢比之后，我们不是要支付20%的税吗？？
是的，但对于高净值人士来说……假设他们投资了几千万卢比，却要支付20%的TCS（税收征收费），这可是很大的负面影响。只有80%的本金投入使用，而且要等将近一年才能收回成本。
他们可以用预缴税款来抵扣这部分税款。
大多数印度人都没有那么多钱！有钱的人都知道。
这就是最大限额。
大多数印度人都不投资，尼尔。更别提投资海外了。
唉。
因为“大多数印度人”根本没有能力筹集到接近25万美元用于海外投资。
超过100万卢比后，TCS税率为20%。你可以申请退税，或用它来抵扣预缴税款。
帖子写得不错，尼尔。
谢谢你，Vishal！
我知道这件事，但我没有足够的钱去转账，无法产生任何影响。
啊，最高限额是25万美元，最低可以低至5000美元。
此外，这些资产应在所得税申报表的财务资产部分申报。
是的，没错。如今大多数平台都会预先填写好这一部分。
大多数印度人并没有25万美元可以投资海外。
但是超过70万卢比之后，难道不需要缴纳20%的税吗？
关于税务方面呢？如果我在美国投资，是否需要在美国或印度申报并缴纳税款？
在印度，长期资本利得税率为12.5%。请通过http://thefynprint.com预约咨询，我的团队会为您详细解释。
但是Paasa可靠吗？它看起来像是一个新平台。如果Paasa某天倒闭了，我们的投资会怎么样？
它是基于盈透证券（Interactive Brokers）构建的。您的股票会保留在您的盈透证券账户中。
在我看来，大多数人都知道这一点，但担心法律合规问题以及日后税务部门的骚扰。
这正是我们帮助解决的事情。
有多少个人能负担得起25万美元呢？
这是最高限额。您可以从任意金额开始。
TCS（源头扣缴税）是最大的障碍，因为您需要等多久才能拿回这笔钱？两年？三年？谁也不知道。您的退款永远要等到最后允许的日期才会处理。
如今，所得税申报表（ITR）在几个月内就能处理完毕。
超过100万卢比后，需缴纳20%的TCS（源头扣缴税）。您可以申请退税，或将已缴税款与预缴税款进行抵扣。
税收方面呢？如果我在美国投资，我需要在美国还是在印度申报和缴纳税款？
如今有多少印度人拥有25万卢比的白钱（合法收入）呢🙄
那是最高限额。您可以从任意金额开始。
一切都没问题，先生，但大多数印度人没有那笔钱😂
那是最高限额。您可以从任意金额开始。
尼尔，
当我们在海外提取资金或关闭一只基金时，能否暂时将资金存放在RFC（居民外汇账户）中，以便再次部署，从而避免重新换汇的成本？
可以存入GIFT城账户，甚至您的美国券商账户，存放6个月。
在政府对其征收追溯性税收之前，一切都只是乐趣和游戏。
我刚刚上线了自己的全球投资组合，此前足足纠结了六年。
以下是我的最终选择 🧵
1/ 没人谈及的隐形阻力
外汇点差、银行繁琐的文件、两万多只ETF——光是把钱转出印度就花了好几年才理清。
IOB，便宜但费劲
我认为大多数人都知道这件事，但害怕日后的法律纠纷和税务部门的骚扰。
这正是我们能帮上忙的地方 :)
有多少人能负担得起25万美元？
这是上限。你可以从任意金额开始。
TCS是最大的障碍，因为两年后、三年后你能拿回多少钱？谁知道呢。
你的款项要等到最后允许日期才会处理。
如今，所得税申报表只需几个月就能处理完毕。
谁又会告诉你，汇款超过10万卢比就要缴纳20%的TCS？
这就是为什么我去年卖掉了在印度的房地产，并把资金投入了谷歌。一年内，以卢比计价，上涨了125%！
我持有的$GOOGL头寸在一年内翻了一番。
我在2025年4月卖掉了我的公寓，并将其中的大部分资金投入了$GOOGL。
我还曾声称$GOOGL是科技ETF（比大多数主权债券更安全），它也是Anthropic的重要股东（6个月前发过帖） x.com/zerohedge/stat…
Navi Nasdaq 100 FoF是否无需通过LRS路径就能做到这一点？
哈哈，大多数印度人一辈子都没有25万美元（约2.5-3千万卢比）的积蓄。
那些有这笔钱的人，我想他们会知道的吧。
我一直在尝试从我的银行——ICICI获取更多信息，但他们对于我咨询的投资Gift City的LRS完全不了解。有没有其他途径或更简便的方式来投资？
一切顺利，直到政府对它征收追溯税。
经过六年的深思熟虑，我终于推出了自己的全球投资组合。
以下是入选的部分 🧵
1/ 无人提及的摩擦
外汇点差。银行文书工作。20,000多只ETF。单是把钱转出印度，就花了数年时间才搞定。
先是IOB，便宜但痛苦
经过六年深思熟虑，我终于推出了自己的全球投资组合。
1/ 无人提及的摩擦
外汇点差、银行文件、两万多种 ETF，光是把钱从印度转移出去就花了数年时间才搞定。
IOB 先行，便宜但痛苦
谁会告诉你，汇款超过 100 万卢比的部分还要缴纳 20%的 TCS 税？
老兄，你有蓝V认证，不必写长文。
25万美元本身对80%的印度人来说，就已经是改变人生的金额了。
@threadreaderapp
展开
谢谢尼尔，非常有用。是否也能涵盖印度人如何投资海外初创公司的未上市证券、ESOP流动性的二级市场平台及融资、汇款及未上市证券的经纪费用、税务流程等？因为所有这些...
为什么不直接开一个IBKR账户？
你好，有什么可以直接从印度投资欧盟的吗？不是ETF。
@ActusDei
是否可以直接将出售公司RSU所得资金转移到美国券商账户（如IBKR），而不必先汇回印度？这样也能避开汇款限额。
@readwise
保存此帖
看来这些网红们是在反复强调25万美元的限额，想方设法要把它降下来……他们都在联合起来给政府暗示——醒醒吧，政府，这里有人想通过投资赚钱呢！快阻止他们，不然要出大乱子了！
如何通过LRS（自由汇款计划）开始2000卢比的SIP（系统投资计划）？
请帮帮忙。
一年内，我持有的$GOOGL股票已经翻了一番。
2025年4月，我卖掉了我的公寓，并将其中很大一部分资金投入了$GOOGL股票。
我还声称$GOOGL是科技ETF（比大多数主权财富基金更安全），它还持有大量Anthropic的股份（6个月前发布）x.com/zerohedge/stat…
Navi纳斯达克100 FoF（基金中的基金）无需通过LRS途径就能实现这一点吗？
哈哈，大多数印度人一辈子都攒不到25万美元（约合2500万至3000万卢比）。
那些拥有这笔钱的人，我想他们应该知道怎么办。
我一直试图从我的银行ICICI获取更多信息，但他们对于我咨询的LRS（用于投资Gift City）一无所知。还有其他途径或更简便的投资方式吗？
老兄，你有蓝V认证，不用再发帖了。
我不确定，但pasaa是由Interactive Brokers支持的。
感谢Neil的分享，非常有用。能否也介绍一下印度人如何投资海外初创公司的非上市证券、用于ESOP（员工持股计划）流动性和融资的二级市场平台、非上市证券的资金汇款和经纪费用、税务流程等等？因为这些都很重要。
为什么不直接开立一个盈透证券（IBKR）账户呢？
您好，请问从印度有没有可以直接投资欧盟的渠道？不是指ETF。
@ActusDei
将出售公司限制性股票单位（RSU）所得的资金直接转入像盈透证券（IBKR）这样的美国券商账户，而不先把钱汇回印度，这样做合法吗？这样做也能绕开汇款限额。
@readwise
保存帖子
看来这些网红们会一直强调25万美元的投资上限，并试图降低这个上限……他们都在暗中向政府传递信号……政府醒醒吧，人们正试图通过投资赚钱……赶紧制止他们，否则后果不堪设想……
我们如何通过LRS开始2000次定期投资（SIP）？
请帮帮忙。
我不知道Paasa是由盈透证券支持的。
大多数印度人从哪里弄到那25万美元？
现在去哪里弄那25万美元呢？😜
所有那些富得流油的人现在都可以开始投资了。像我这样的中下阶层，在印度这个物价几乎每天都在飞涨的经济体里，只能开始乞讨了……
@threadreaderapp
展开
@threadreaderapp
请展开
我们知道，但我们没有25万美元😂
那些拥有合法资金的人知道这一点……
虽然信息不错……
感谢这篇有用的帖子！我一直在关注您关于GIFT City基金的建议，非常有趣。然而，当我尝试与几家资产管理公司沟通时，我发现客户服务糟透了。
大多数印度人从哪里弄到25万美元？
@threadreaderapp
展开
@threadreaderapp
展开
那些拥有合法资金的人知道这一点……
虽然信息不错……
感谢您分享这个有用的帖子！我一直在关注您关于 Gift City 基金的分享，非常有趣。然而，当我尝试联系几家资产管理公司时，我发现他们的客户服务简直糟糕透顶。

我过去从中国进口电池。
那真是一场噩梦：
* 危险品运输
* BIS 认证问题
* 现金流被冻结数月
后来我的中国供应商告诉我：
印度有个人从我们这里大量采购。
联系他吧。
他叫帕拉斯：🧵👇🏻
我用 WhatsApp 给他发了消息。
他的回复几乎立刻就来了：
- 1500 mAh: 10k 件 / 50k 件 / 100k 件 - 印度卢比 XX / XX / XX
- 1800 mAh: 10k 件 / 50k 件 / 100k 件 - 印度卢比 XX / XX / XX
- 2000 mAh: 10k 件 / 50k 件 / 100k 件 - 印度卢比 XX / XX / XX
消息底部写着：
不接受议价。
需预付全款。
- 1500 mAh：10,000件 / 50,000件 / 100,000件 - 印度卢比 XX / XX / XX
- 1800 mAh：10,000件 / 50,000件 / 100,000件 - 印度卢比 XX / XX / XX
- 2000 mAh：10,000件 / 50,000件 / 100,000件 - 印度卢比 XX / XX / XX
消息底部：
不接受任何议价。
预付款项。
我下了订单。
发票随后送达。
我付款后，将付款凭证和收货地址发给了他。
几天内便完成交货。
整个过程没有任何一通电话、跟进或纠纷。
之后我又下了多笔订单。
我从未见过Paaras本人。
也从未与他通过话。
我下了订单。
发票到了。
我已付款，并向他发送了付款凭证和收货地址。
几天内即可送达。
没有一次电话，没有后续跟进，也没有任何戏剧性事件。
之后又接了很多订单。
从未见过帕拉斯。
从未和他说过话。
直到两个月前。
他打来电话。
说他对我们的订单量持续增长感到好奇。
他正来中国，想见一面。
一次咖啡会面变成了三个小时，还共进了晚餐。
我问他这生意是怎么做起来的。
他是马德瓦迪派的注册会计师，却对信息技术情有独钟。
几年前，他的表弟急需帮助。
有订单，却没资金。
需要从中国进口5万块电池。
帕拉斯出资相助。
但有一个条件：
货物存放在他的仓库。
表弟付现金，分批提货。
这个方法奏效了。
如今，帕拉斯每年经手数百万块电池。
营业额达2000万卢比——仅电池一项。
员工：1人。
净利润：10%，干干净净。
一年库存周转4次。
那就是40%的投资回报率，
而且每年还在增长。
他的规则很简单：
- 只做3个SKU（不搞复杂）。
- 始终有库存。
- 售价 = 进口成本 + 净利10%。
一切均已自动化。
不接电话（只接受消息）。
中国工厂主动找他谈分销合作。
他拒绝。
只坚持与一家工厂合作。
直到两个月前。
他打来电话。
他说，他很好奇我们的业务量为何持续增长。
他说要来中国，想见我。
一场咖啡之约，竟聊了三个钟头，又共进了晚餐。
我问他，这一切是怎么做起来的。
他是一位来自马德瓦迪的注册会计师，对 IT 满怀热忱。
几年前，他的表弟遇到了困难。
有订单，却缺乏资金。
需要从中国进口5万块电池。
帕拉斯为此提供了资金支持。
但附有一个条件：
货物需存放在他的仓库。
表弟以现金支付，并分批提货。
这一模式运转顺利。
表弟
如今，帕拉斯每年经手的电池数量达数百万。
营业额达2000万卢比——且仅来自电池业务。
如今，Paaras 每年运输数百万个电池。
营业额：20亿卢比——仅限电池。
员工：1人。
净利润率：10%，干净利落。
每年有4次股票周转。
这意味着40%的投资回报率，
而且每年都在增长。
他是特许会计师，却只做现金交易？这不就是灰色地带吗（ ͡• ͜ʖ ͡• ）
没有信用，兄弟
不是现金
那他为什么不能用他那天才般的脑袋在印度制造呢？这正是那种可以应用到制造业的简单、实用、可行的工作流程。希望像你这样的人能说服他。世界会从印度这个民主国家购买更多东西，而不是另一个国家。而且印度
他的规则很简单：
- 仅 3 个 SKU（没有复杂性）。
- 始终有库存
- 价格 = 进口成本 + 净额 10%
他一切都自动化了。
不接电话（只通过消息联系）。
中国工厂找他谈分销合作。
他拒绝了。
坚持只跟一家工厂合作。
就是那一家
他已经把所有的设备都实现了自动化。
不接电话（只接受留言）。
中国工厂主动联系他，想洽谈经销合作。
他拒绝了。
只在一家工厂生产。
就他一个人。
如果从头开始研究制造锂电池电芯，你会找到答案的。
有一个重要的变量没被提到，就是运输和海关/合规问题。你提到这曾是你的痛点，那他是怎么处理的？这不可能是单人能搞定的操作。
任何人都能进口这些电池——甚至你，老兄。这里面没有护城河。
这对我来说是个痛点，因为我的量跟他的完全没法比，而且很难预测我到底需要哪类电池、要多少量。
他肯定在海关那边有不错的人脉，不然从中国进口电芯可不是件容易的事。看看阿里巴巴，他们收费数千，而且很多卖家根本不发货。
这也是为什么这位老兄不接电话，只收信息。
根本不是那样。
这些产品你也可以轻松进口，并非违禁品。
您的意思是，您人在中国，从中国进口到印度？我沒太理解……但为什么您进口困难，而他却不难？
我进口了10万件。
他进口了100万件。
他能拿到更好的价格，在运输和清关上也更省钱。
而且能给我们这样的人提供优质的服务。
这对所有人都是双赢。
这是编造的故事。如果这条帖子里说的都是真的，那为什么xxxx？
电池价格几天就变一次。
他的护城河也在于知道如何顺利地将这些电池进口到印度，对吧？
任何人都可以进口这些电池。
他的护城河是服务，不玩虚的。
有趣的是，你一方面在推崇“印度制造”品牌，另一方面却在暗地里为那个出口中国制造产品的人沾沾自喜。多么讽刺啊？
印度并不生产这些电池。
我们需要数百万块这样的电池，来支撑Bharat（印度）可充电产品的生产。
我们需要先进口更多零部件，才能建立起一个生态系统，然后这些才能转变成“印度制造”。
这完全是一个过程，而且……
研究一下从零开始制造锂电池电芯。你就会找到答案。
有一个重要的变量被忽略了，那就是运输和海关/合规方面。你提到过那是你的一个痛点，他是怎么应对的？这不可能只是一个人的单打独斗。
任何人都能进口这些电池——连你这种笨蛋也能。根本没有护城河可言。
对我来说这是个痛点，因为我的订单量远不及他，而且很难预测我需要哪种电池以及确切的用量。
唯一的护城河就是逃税和该贿赂谁。
又错了……
太棒了——简单是世界上最被低估的东西。
有趣的是，人们对一个做生意的进口商有更多问题，却从不质问那些本该让一切变得容易的政府。
为什么他不在印度制造？印度人的思维模式？所有问题都抛向他 🤣
海关部门把“印度制造”这项本就艰难的任务升级成了“不可能”。但总有人能在系统里找到出路，并从中获利。印度国内哪怕有一点点制造，都依赖于像他这样找到了系统漏洞的人。🥵😰
您好，先生，
我是玩具制造业的从业者。
我看到了您的帖子，如果能帮我联系到Paaras，我将非常感激。
完全有理由以规模化建厂生产这些产品，但在印度，考虑到定价、税收和营商便利度，这在实践和财务上都不可行，且充满风险。
仅在甘地讷格尔，就因一些微不足道的原因，有这么多PCB厂家关门歇业。
请也给我一个类似的点子，先生——一个能让我真正开始做生意的点子。
沉默的建造者和沉默的杀手
您能分享一下他的联系方式吗？我需要为玩具进口电池。
Prakashji，您是建造者。他只是个贸易商。没有可比性。
钱不是问题。
制造商 >>> 贸易商。
你愿意谦逊地分享他的故事，但请不要再这样做了。只分享和推广制造商。
在第二阶段，你或许可以将这些优秀的贸易商转变为制造商。这没问题。
线上采购有时很危险。我做服装生意，我们刚开始时，有人分享了一个卖面料的WhatsApp群。我下了单，付了款，然后一直等着。好几个月过去了，面料还是没到。电话和消息都没人回应。从那以后，我就害怕了。😂
光是危险的货物运输就足以让我老十岁
好时光的供应商……
请分享Paras的联系方式
能否提供他的联系方式？
有趣且可复制的进口商业模式。
先生，我能拿到他的电话号码吗？
很好👌
您好，能否请您把详细信息分享给我们公司，我们公司也需要电池。
真是个精彩的故事！这就是化繁为简的力量在起作用。
令人鼓舞。
有意思。
非常非常聪明。
*正在思考这个模式可以在哪里复制。
但是先生，他是如何克服您提到的那些问题的？
很好的例子。进口其实并不难，只要清楚所需的质量和规格，中国总是很乐于帮忙。我认为印度真正的问题在于运输和关税逃漏。天知道有多少数十亿因此流失，政府需要尽快堵住这个漏洞。
这反映了那个每天被谈论的“经商便利度”又如何呢？
您生产什么产品，需要用到这么多电池？
为什么印度人不能制造电池？
印度骗子就像您描述的那样。
能给我他的联系方式吗？或者至少是公司名称？
你好。他是否接受小批量订单？在找可靠的锂离子电池供应商。
他投入了多少资金？
如何联系到他？
能否请你把链接分享给我们？
你好
来香港了，我们能见个面吗？
这不可行……你得通过海运进口锂电池，至少需要4到6周才能抵达印度港口。锂电池通常不被允许用货机运输……
沙漠居民=马尔瓦里人/耆那教徒，他们已经这样做了几个世纪。他们依靠低成本社区资本，通过高频周转赚取利润。这意味着什么？每周卖出价值1000万卢比的库存，一年就是5.2亿卢比；每月卖出1000万，一年是1.2亿卢比；每季度卖出1000万，一年是4000万卢比。投入的同样是1000万卢比；-）
请分享他的号码……私信我……急需
嘿，Prakash，请查看你的私信
如果你有银行余额和意志力，进口和零售/批发是最好的选择。
我要向部里举报这个勾当，抓你和你朋友这样的贼。
很好……
是锂电池还是铅酸电池？
确实如此。但有一位销售员（移民），原籍印度曾经的领土，向我提出用钞票交易，说：“何必辛苦工作，一夜之间成为亿万富翁岂不更好？”
我骨子里的民族主义让我拒绝了这个提议。我通过劳动赚得少，但或许我比你要快乐。
为什么只收现金？
所以你就这么把钱寄过去了？？？就因为信任中国制造商。
如何追踪一个不接电话、预收钱的人？如果他取得信任、收取预付款后就杳无音信或消失得无影无踪呢？
所以你就这么把钱寄过去了？？？就因为信任中国制造商。
如何追踪一个不接电话、预收钱的人？如果他取得信任、收取预付款后就杳无音信或消失得无影无踪呢？