普通视图

发现新文章,点击刷新页面。
昨天以前思想观点

开启我的「人生 AI」计划

2026年3月10日 08:00

🤖 AI 摘要

文章源于作者将博客从 VitePress 迁移到 Cloudflare 刚发布的 Vinext 框架,在技术迁站过程中顺势做了两件事:一是让 AI 以第三者视角撰写「AI 视角下的罗磊」页面,二是构建可对话的 AI 分身,回答关于「我是谁」的问题。通过把十多年分散在文章、动态、视频、开源项目中的内容喂给 AI,作者第一次感到这些碎片被重新组织成一个更完整的自我画像,同时也意识到 AI 抓到的是「愿意公开表达的那部分自己」。文章刻意不再展开技术细节,而是提出「人生 AI」作为继「人生马拉松」之后的新长期计划:不再只关注持续产出新内容,而是利用 AI 将既有创作沉淀为有结构、可成长、可迭代的数字分身。作者指出当前存在准确性不足、人格相似却不完全契合等问题,并延伸到隐私、边界与心理接受度的开放讨论,期待在未来几年持续优化分身、丰富数据,并观察这一项目对个人创作与表达的长期影响。

视频

前几天我做了一件挺有意思的事。

Cloudflare 刚发布了 Vinext 这个框架,我也在第一时间把自己的博客,从原本的 VitePress 迁移到了新的架构上。迁站本来只是个工程活,结果做着做着,我顺手把自己也「迁」进了 AI 里。

上一篇文章 《2026 年,我把自己做成了一个 AI》 已经把这个 AI 分身的原理、架构和技术细节写得比较完整了。这篇不再重复讲怎么做,主要补一下这次视频背后的想法:为什么我想开启一个新的长期项目,叫「人生 AI」。

luolei @luoleiorg · 2026年3月10日

过去 10 年,我给自己设了个「人生马拉松」计划:每年至少一场全马 🏃‍♂️,今年刚好 10 场。
现在准备开启另一个长期项目「人生 AI」:持续迭代我的 AI 分身 🤖,也顺手记录这波 AI 浪潮的技术演进。
拍了个视频,记录这次有趣的尝试👇
https://t.co/T71sbDwvKZ

🐦 在 X (Twitter) 上查看原文 →

从「人生马拉松」到「人生 AI」

过去 10 年,我给自己设了一个「人生马拉松」计划:每年至少跑一场全程马拉松。今年刚好第 10 场。

这个计划对我来说,不只是跑步本身。它更像一个提醒:如果把时间拉长,坚持做一件事,很多变化都会慢慢显现出来。

现在我想再给自己开启另一个长期项目,叫「人生 AI」。

它不是一个为了追热点做出来的一次性 Demo,也不是拍完这个视频就结束了。恰恰相反,我希望它变成一个会持续很多年的东西:一边迭代我的 AI 分身,一边记录这波 AI 浪潮对内容创作、个人表达和独立开发的影响。

这次我顺手做了两件事

迁移博客的过程中,我顺手做了两个小实验。

一个是做了 「AI 视角下的罗磊」 这个页面,让 AI 用第三方视角重新看我一次。

另一个,是做了一个可以直接聊天的 AI 罗磊,让它去回答别人关于「我是谁」的问题。

这两件事表面上是在折腾 AI,实际上更像是在重新整理过去十多年的自己。

平时写文章、发动态、拍视频、开源项目,这些内容都是一篇篇、一条条地散落在各个平台上。它们当然都属于「我」,但大多数时候,它们彼此之间并没有真正被串起来。

这次我第一次比较强烈地感觉到,AI 有机会把这些长期积累下来的碎片,重新组织成一个更完整的东西。

看 AI 怎么「理解」自己,其实还挺微妙的。有些地方会觉得它说得挺准,有些地方又会觉得「这也太像一个整理过后的我了」。它抓到的是我这些年愿意公开表达的那一部分,而不是全部的我。

但也正因为这样,它才让我意识到,长期创作这件事,在 AI 时代可能会多出一层新的意义。

你写过的东西、说过的话、公开留下来的痕迹,不再只是过去完成过的一次表达,它们还可能在未来继续被整理、被关联、被重新理解。

这篇文章不想重复讲技术

关于这个 AI 数字分身背后的原理和架构,我已经专门写了一篇技术向的文章,源码也公开在了自己的 GitHub 上。感兴趣的话,可以去读一读。

这篇我更想记下的是另一个感受:对于一个持续写作、拍视频、发动态很多年的人来说,AI 的意义可能不只是「帮你生成内容」,而是帮你重新整理自己。

以前我会觉得,内容创作者最重要的事情,就是持续生产新的内容。

现在我会觉得,未来可能还要多做一件事情:把自己过去积累的内容,慢慢整理成一个有结构的东西。

这也是我想做「人生 AI」的原因。

我想看看,一个长期创作者在 AI 时代,能不能不只是持续输出内容,还能慢慢把自己的内容沉淀成一个会成长、会迭代的长期项目。

两个还没答案的问题

不过这个项目现在也远远谈不上成熟。

第一个问题是,它现在还不够准。

有些时候它回答得还不错,有些时候又会显得有点「像我,但又没那么像我」。内容越多,想让它理解得更稳定、更准确,反而越不是一件简单的事情。

这也是我接下来最想继续打磨的一块。如果你对这种方向有一些想法,也欢迎和我交流。

第二个问题则更开放一些。

像我这种在网上公开输出很多年的人,对把自己的公开资料交给 AI 分析,整体上是比较开放的。因为这些内容本来就已经公开存在了,AI 只是换一种方式把它们重新组织起来。

但这不代表所有人都会接受这件事。

如果是你,你会愿意让 AI 系统地分析自己吗?愿意把自己的文章、动态、照片、视频,逐步整理成一个可以被提问的数字分身吗?

这背后既有技术问题,也有边界、隐私和心理感受的问题,我觉得都挺值得讨论。

最后

对我来说,这次视频不是一个结论,更像是一个开始。

「人生马拉松」我已经跑到第 10 场了,而「人生 AI」才刚刚起跑。后面我会继续往里面加更多数据,继续优化这个 AI 分身,也继续记录这个过程本身。

看看几年之后回头再看,这会不会成为我这十年里,另一个有意思的长期项目。

2026 年,我把自己做成了一个 AI

2026年3月3日 08:00

🤖 AI 摘要

文章以作者长期在博客、社交媒体、GitHub 等平台留下的大量内容为背景,提出在生成式 AI 时代主动构建个人知识结构的重要性。作者首先在 /about 页让 6 个不同大模型基于 11 万字上下文与结构化摘要,生成第三方视角的作者画像,并通过多模型对比提升可信度。随后,他构建了可在博客内直接聊天的「AI 罗磊」,技术栈包括基于 Cloudflare Workers 的 Vinext、Vercel AI SDK、OpenAI Compatible API 接入多家模型、自研搜索/RAG 核心、IP 级限流和 Telegram Bot 监控。系统流程涵盖追问检测与意图判定、缓存复用、本地倒排索引搜索与分数加权、AI 关键词提取与停用词过滤、意图重排、多层 System Prompt 设计、流式生成与截断修复,以及全链路 Token 与耗时追踪。为抑制幻觉,作者设计了来源限制、数字协议、履历协议和链接协议等严格规则,确保回答有据可依。文末作者反思 AI 分身与真实自我的偏差,并展望接入视频内容、降低对单一 API 依赖,强调个人应主动把分散内容结构化为可对话的知识系统,让 AI 成为自我延伸。

起因

我在互联网上留下痕迹,比写代码还早。

大学时代就开始折腾博客、刷微博、玩人人网,那时候还没入行做程序员,纯粹就是一个爱在网上表达的人。后面这十几年,从最开始的切图仔,到后来资深前端开发,再到现在的 AI 驱动的全栈开发,有了技术加持,输出变得更加系统化。到今天,luolei.org 上已经有 300 多篇文章。

除了博客,还有 YouTubeB 站 的 ZUOLUOTV 视频频道、X/Twitter 上的 @luoleiorg、十几年前的微博和人人网、Unsplash 上累计超过 1500 万浏览的摄影作品、GitHub 上的开源项目。

这些内容散落在互联网的各个角落,涵盖了技术、摄影、旅行、跑步、数码产品、生活方式等话题。如果有人想快速了解「罗磊是谁」,他需要翻好几个平台、读上几十篇文章,才能拼凑出一个大概的印象。

2024 年至今,我全身心投入独立开发,拥抱 AI-first 的 Vibe Coding 工作流。在这个过程中,一个想法越来越清晰:

在生成式 AI 时代,你的内容一定会被 AI 读取。但 AI 是否能完整地理解你,取决于你是否主动构建自己的知识结构。

被动被爬虫抓取,和主动建立语义索引,是两回事。让 AI 理解你,本质是在拿回对自己内容的解释权。

于是我决定在博客上做两件事:让多个 AI 模型以第三方视角写出「AI 眼中的罗磊」,以及基于我多年的多平台内容构建 RAG 知识库,做一个可以直接聊天的「AI 罗磊」。

AI 眼中的罗磊

打开 luolei.org/about,你会看到一个和传统「关于我」页面完全不同的东西。

这个页面不是我自己写的自我介绍,而是由 6 个不同的 AI 模型(GPT-5.2、Gemini 3、Qwen 3.5 Plus、Kimi K2.5、豆包 Seed 2.0、GLM 5.0)分别阅读我的博客文章、X 动态和 GitHub 履历后,各自生成的第三方视角作者画像。

同一份数据,不同模型,像 6 个旁观者各自写出对同一个人的理解。

数据从哪来

这次 AI 分身主要围绕三类数据进行分析:

  • 博客文章:300+ 篇 Markdown 文件,每篇都经过 AI 预处理生成结构化摘要(含一句话摘要、详细摘要、3-6 条关键要点、SEO 关键词)
  • X/Twitter 动态:通过官方 API 抓取,按互动量排序取最有代表性的内容
  • GitHub 履历:项目信息、工作经历、技术栈

说实话,这只是我在网上留下的数据的一小部分。我在 YouTube 和 B 站上有大量视频内容,十几年前的微博和人人网上也有不少早期的文字记录。但这些平台的数据抓取非常麻烦——视频需要先转文字再分析,国内社交平台的 API 要么不开放、要么限制很多,和 Twitter 的官方 API 体验完全不在一个级别。

即使是 Twitter API,成本也不低。所以我做了本地缓存策略,抓取一次后存到 JSON 文件里,避免重复调用。

11 万字的上下文挑战

这三类数据汇总后,光是 Context JSON 就有大概 11 万字。把这么大的数据量一次性丢给 AI 分析,直接暴露了当前大模型的能力边界。

实测下来,6 个模型中只有 Qwen 和 Gemini 3 能稳定处理这个量级的上下文。其他几家要么超时、要么输出质量严重下降,甚至直接报错。最后我做了一轮 AI 预处理——先用模型对每篇文章生成摘要和关键要点,再把压缩后的结构化数据丢给各个模型生成画像,才解决了这个问题。

这是当前 AI 能力的一个现实限制。但可以想象的是,随着大模型的上下文窗口持续扩大,未来普通用户也能轻松处理几十万字的长文分析。到那时候,做这种个人知识系统的门槛会低很多。

多模型生成

6 个模型使用统一的 System Prompt,要求以第三方视角生成结构化 JSON 报告,包括身份标签、能力维度、做事风格、代表作品等。Prompt 中有严格约束:语气客观克制,结论必须有数据支撑,不能编造,不能夸大。

前端支持在不同模型视角之间切换,每个画像底部标注了生成模型、时间和数据来源,保持透明。

为什么让多个 AI 来写?一个 AI 的输出可能有偏差,但当多个不同架构、不同训练数据的模型都指向类似的结论时,可信度就高了不少。同时不同模型的表达差异,本身就挺有意思——有的模型更关注技术能力,有的更关注内容创作,有的会注意到生活方式这条线。

AI 视角画像生成流程

在博客里和 AI 版的我聊天

/about 页面解决的是「快速了解我」的问题。但如果读者想深入聊一个具体话题——比如「你用什么设备拍照」「你跑过哪些马拉松」「推荐几篇关于 Homelab 的文章」——一个静态画像页面就不够了。

于是我做了第二个功能:直接在博客和 AI 版本的我聊天。

技术栈

  • 框架: Vinext(基于 Vite 的 Next.js 重实现,部署在 Cloudflare Workers)
  • AI SDK: Vercel 的 AI SDKai + @ai-sdk/react + @ai-sdk/openai-compatible
  • LLM: 通过 OpenAI Compatible API 接入,支持切换任意模型(通义千问、DeepSeek、Gemini、OpenAI 等)
  • 搜索/RAG: 自建的 @luoleiorg/search-core 包,基于关键词匹配 + 权重评分 + 意图重排
  • 安全: IP 级速率限制(防止滥用)
  • 监控: Telegram Bot 实时通知,完整追踪 Token 用量和阶段耗时

工作流程

当读者在聊天框输入一条消息,系统的处理链路如下:

1. 搜索上下文复用判断

系统会缓存每轮对话的搜索上下文(10 分钟有效期)。如果是追问(比如先问「你跑过马拉松吗」,再问「成绩怎么样」),会通过以下步骤判断是否复用:

  • 追问检测:基于消息长度(≤48 字符)、标点符号、词数等启发式规则,快速识别可能的追问
  • 意图判定:调用轻量级 AI(1.5 秒超时,8 token 输出上限)判断新问题与上轮是否属于同一检索意图
  • 缓存复用:如果判定为同一意图,直接复用上次的检索结果,避免重复搜索

2. 并行搜索与关键词提取

如果不复用缓存,系统会同时启动两个并行任务:

本地搜索(即时):基于 @luoleiorg/search-core 倒排索引,使用 Intl.Segmenter 进行中文分词,并做 CJK 字符拼接修复(比如把「马拉」+「松」识别为「马拉松」)。搜索算法使用加权评分:

  • 标题匹配 +6 分
  • 摘要匹配 +4 分
  • 关键要点匹配 +3 分
  • 正文匹配 +2 分
  • 一年内文章 +1 分

深度内容提取:对于匹配度最高的文章(分数 ≥8 且显著领先第二名),会额外提取前 1500 字符的完整内容,让 AI 能回答更细节的问题。

AI 关键词提取(异步并行):如果是多轮对话且本地关键词不足 3 个,会调用 AI 从对话上下文中提取更精准的搜索关键词(3.5 秒超时,48 token 输出上限)。提取后会过滤 70+ 个中文停用词。如果 AI 提取的关键词与本地分词结果不同,会用新关键词再次搜索。

最终返回 6 篇最相关的博客文章 + 6 条最相关的 X 动态。

3. 意图重排

系统定义了 5 类意图分类:

  • AI/RAG:ai、rag、embedding、agent、llm、prompt、数字分身、向量、大模型
  • DevOps/Homelab:docker、k8s、nginx、cloudflare、openwrt、homelab、路由
  • 前端/全栈:nextjs、react、typescript、seo、vinext、前端、全栈
  • 摄影/旅行:摄影、旅行、东京、香港、京都、unsplash、马拉松
  • 生活方式:生活、消费、眼镜、医院、体验、投资、健康

根据用户查询内容识别意图后,对检索到的文章进行重排,按意图相关度评分:

  • 标题命中 +3 分
  • 分类命中 +2 分
  • 摘要命中 +2 分
  • 关键要点命中 +1 分
  • 一年内文章 +1 分

这样可以优先展示最相关领域的内容。

4. 分层 Prompt 构建

System Prompt 分为三层:

  • 核心身份:AI 人设定义、语言风格、交互原则
  • 核心规则(反幻觉协议):来源限制、数字协议、履历协议、链接协议
  • 运行时上下文:作者简介 + 相关文章/动态列表 + 用户查询

这种分层设计让提示词维护更清晰,也方便调整规则而不影响其他部分。

5. 流式生成与修复

AI 以 Streaming 方式逐字输出(temperature=0.3,max_tokens=2000)。如果检测到响应截断(以悬停标点结尾、Markdown 不平衡、句子不完整等),会触发一次轻量级修复调用(2.5 秒超时,80 token 上限),只补全最后一句,然后无缝拼接。

6. 全链路追踪

每轮对话结束后,Telegram Bot 会发送详细通知,包括:

  • Token 用量细分:输入 token、输出 token、推理 token、缓存 token(分阶段统计:关键词提取、主对话、响应修复)
  • 各阶段耗时:总耗时、关键词提取耗时、检索耗时(标注是否命中缓存复用)、Prompt 构建耗时、响应修复耗时
  • 引用内容:文章标题列表、推文标题列表

AI 数字分身对话流程

反幻觉:系统工程

做 AI 数字分身最大的挑战不是「让它说话」,而是「让它不乱说」。

大语言模型天生倾向于「编出一个看起来合理的答案」。如果有人问「你有没有去过冰岛」,一个没有约束的模型可能会非常自信地说「有啊,我 2022 年去过」,哪怕我压根没去过。

所以在系统提示词中,我设置了最高优先级的反幻觉规则:

  1. 来源限制协议——只能使用本次 Prompt 中的可见信息
  2. 数字协议——任何具体数字(金额、日期、成绩)必须在文本中出现,否则简洁承认没有记录,且同一轮对话中不得重复相同的表述
  3. 履历协议——工作经历只以「关于你」为准,没有记录时使用模板「这个细节我没在博客里记录」
  4. 链接协议——只允许引用提供的完整 URL,必须使用 Markdown 格式 [文字](URL),严禁裸输出 URL

这些规则配合 RAG 检索,让 AI 的回答始终有据可查。搜不到就坦诚说没有,比编一个像模像样的假答案好一百倍。

前端细节

聊天界面的一些设计:移动端全屏、桌面端居中弹窗;键盘 Enter 全局唤起;消息气泡区分用户和 AI,AI 头像带「AI」标识;3 秒发送冷却防误触;预设引导语轮播帮助用户开启话题。

当 AI 回复中引用 X/Twitter 动态时,前端会自动渲染成带有作者头像、互动数据的卡片,点击可展开查看完整推文。

每一次对话都会通过 Telegram Bot 通知到我手机,我能实时看到有多少人在和「AI 罗磊」聊天,聊了什么话题,引用了哪些文章,以及系统在各阶段花了多少时间、消耗了多少 Token。

它是我,又不是我

和自己的 AI 分身聊天,感觉挺奇妙的。

它知道我 2014 年跑了上海马拉松,知道我用 Cloudflare Workers 部署项目,知道我在 2016 年写过一篇关于信息自由的文章。它能推荐我写过的文章,能聊我的技术栈,能说出我用什么相机。

但它不是我。

这个 AI 版的罗磊,是基于我公开发布的内容训练出来的。公开内容天然有筛选和表达倾向——我在博客里写的是我愿意分享的部分,X 上发的是我想表达的观点,GitHub 上展示的是我选择开源的项目。那些没写出来的犹豫、没发出去的想法、生活中琐碎但真实的部分,AI 一无所知。

所以这个数字分身呈现出来的形象,一定和我真人的性格有差异。它可能显得比我更自信、更系统化、更「有条理」,因为发布出来的内容本身就经过了思考和整理。真实的我,可能比它犹豫得多,也随意得多。

这种偏差其实挺值得思考的。我们每个人在互联网上呈现的形象,本来就是真实自我的一个投影。AI 读取的是投影,重建的也是投影。它理解的是那个「在线的罗磊」,而不是完整的罗磊。

养成系的 AI 分身

做这个东西有点像养成游戏。

目前它的知识库还只覆盖了博客、推文和 GitHub。接下来我打算把 YouTube 和 B 站上的所有视频都处理一遍——先转成文字,再做分析和索引,然后继续「投喂」给这个系统。数据越多,它对我的理解就越完整。

不过说实话,我也有一些隐忧。

目前整个系统的 AI 能力依赖于大厂的 API 服务——通义千问、OpenAI、Gemini,数据传输到他们的服务器上处理。因为我喂给它的都是公开数据,所以隐私问题暂时不太担心。但如果未来想把更私密的内容也纳入进来,就需要认真考虑数据安全了。

另一个风险是依赖性。当你把自己的知识体系建立在第三方服务之上,一旦 API 涨价、服务下线、或者政策变化,整个系统就可能受到影响。这也是为什么我选择了 OpenAI Compatible 的接口标准——至少在模型层可以随时切换,不被单一供应商锁定。

最后

回到最开始的那个观点:在这个时代,主动构建自己的知识结构,远比被动等待 AI 来理解你更重要。

我的博客、推文、视频、代码,如果只是散落在互联网各处,它们就只是搜索引擎里的一条条索引。但当我主动把它们结构化、建立语义关联之后,它们变成了一个可以对话的知识体。

可以想象的是,随着 AI 大模型能力的持续增强,以后的上下文窗口会越来越大,多模态处理会越来越成熟。到那时候,做一个自己的 AI 分身,可能就像今天搭建一个博客一样简单。

这也许就是个人内容创作者在 AI 时代的一种可能性:不只是生产内容,而是构建自己的知识系统。让 AI 成为你的延伸,而不只是替代。


相关链接

Neko Master: 从 0 到 1K+ Star 的 Vibe Coding 实践

2026年3月1日 08:00

🤖 AI 摘要

文章围绕开源自部署网络流量分析面板 Neko Master 的诞生与演进展开。作者作为 Homelab 用户,希望获得比 Clash 面板和 Grafana+Loki 更直观、美观的“流量感知”视角,于是在春节期间通过 Kimi K2.5 等模型进行 Vibe Coding,一小时内完成接入 OpenClash 的 MVP,并在四小时内上线首版,迅速获得 GitHub 与 Docker 的关注。后续项目从玩具版走向复杂架构,重点解决家庭 NAS/软路由环境下的稳定性与性能问题,包括:通过内存缓冲队列、批量写入、先聚合再写和写入限流,将 SQLite 导致的日写入量从 200GB 降到 1.6GB;在多 Agent、多网关场景下引入 ClickHouse,通过批量写入窗口、按时间分区与排序键建模、预聚合高频指标等手段,提升查询稳定性与响应时间。文章系统复盘了 Kimi、Claude Opus、CodeX、Gemini 在原型搭建、性能调优、架构重构中的分工,并强调“给 AI 视觉锚点”来提升 UI 审美效果。作者总结,Vibe Coding 极大压缩了从 0 到 1 的时间,但从 1 到 100 仍依赖人类对性能、架构、审美和用户需求的判断。

春节期间,我花了四个小时,从零开始 Vibe Coding 了一个网络流量分析面板 Neko Master,当天就上线了第一版。项目上线一周,GitHub 收获了 1000+ Star,Docker Pull 破了 10K。

项目最初叫 Clash Master,用了一周后改名为 Neko Master。原因很简单:不想跟 Clash 这个名字绑定太死,后来支持了 Surge v5+,未来也可能接入更多网关类型。

Neko Master 是什么?

一个开源、自部署的网络流量分析面板。

  • 多维流量统计(域名 / 节点 / 规则 / 地区等)
  • 趋势分析
  • 多后端支持(OpenClash / Mihomo / Surge)
  • Docker 一键部署
  • 移动端适配 + PWA

如果你家里也在用 OpenClash / Mihomo / Surge,欢迎体验。MIT 开源,欢迎 Star 和提 Issue。

从最初的「玩具」到现在拥有复杂架构的项目,这篇文章算是对整个开发过程的一个回顾和总结,分享一些 Vibe Coding 的实战体感。 如果只看第一版,它其实不复杂;真正的复杂度,是上线后被真实流量和用户场景一点点逼出来的。

为什么会有这个项目

我是一个 Homelab 用户,家里跑了一堆服务,分流策略比较复杂,日常开发也会频繁切换 IP。

其实早在 2024 年初,我就折腾过一次流量监控方案:用 Grafana 和 Loki 配合 Clash Premium 的 Tracing API,弄了一个监控面板。当时发了条推,说「能看看自己的线路流量什么的,其实也没啥用」。

luolei @luoleiorg · 2024年1月7日

用 Grafana 和 Loki,配合 Clash Premium 的 Tracing API,弄了一个 Clash 监控面板,能看看自己的线路流量什么的,其实也没啥用。 https://t.co/YhrjvpspIe https://t.co/3huqYdmg4r

Tweet image

🐦 在 X (Twitter) 上查看原文 →

但用了一段时间后,发现 Grafana 这套东西虽然功能强大,但对于家庭用户来说门槛还是太高了。配置繁琐,界面也不够直观,更关键的是长得不好看。原生的 Clash 面板更多是「运行状态」展示,但我一直缺少一个更直观的视角去看:

流量到底在干什么?

  • 哪些域名在吃带宽?
  • 哪个节点负载更高?
  • 深夜学习 AI 时到底哪个网站最耗流量?
  • 当前的规则策略是否合理?

市面上除了 UniFi 之外,其他统计工具的界面确实有些一言难尽。与其在不同工具之间拼凑数据,不如自己做一个更好看、更好用的「流量感知」的面板。

一小时打造 MVP

2 月 5 日下午,我打开 Kimi Code,使用最新的 K2.5 模型,开始 Vibe Coding。

没有画原型图,没有写技术方案,就是在脑子里先搭了个大概框架,然后直接跟 AI 对话。一小时不到,MVP 就跑起来了:部署在内网,监听 OpenClash 流量,能看到域名统计、节点流量,数据还能持久化。

luolei @luoleiorg · 2026年2月5日

我又来吹 Kimi K2.5 了。刚花一小时 Vibe 了一个 Clash 流量分析工具,完成度极高。部署在内网,监听 OpenClash 流量,实现域名、节点流量统计及 IP 归属地查询,数据持久化。我家的网络分流策略比较复杂,一直想找个工具感知流量状况,毕竟市面上除了 UniFi,其他统计工具的界面确实有些一言难尽。 https://t.co/RoLJbkaP53

Tweet imageTweet imageTweet image

🐦 在 X (Twitter) 上查看原文 →

当天晚上又花了三个小时打磨了一下,凌晨四点半,第一版 Clash Master 就上线了。

这个项目发布不到 24 小时,就收获了 GitHub 400+ Star,Docker Hub 1000+ 次拉取。这就是 AI 时代的开发速度。

让 AI 审美在线

这次开发 Neko Master,听到最多的评价就是「好看」,甚至有人在 V2EX 专门发帖,问 Logo 是怎么做出来的。问与答:《想问一下这种 logo 是怎么做的》

Neko Master 整体的 UI 属于现代 SaaS 风格,我自己也挺满意的。后面我还专门发了一条推,聊「如何让 AI 审美在线」。

luolei @luoleiorg · 2026年2月6日

昨晚随手 Vibe 的一个项目 Clash Master,不到 24 小时,收获 GitHub 400+ Star,Docker Hub 1000+ 次拉取。

图 1 是昨晚 Vibe Coding 的第一版,图 2 是现在的完全体。 前者 AI 味浓浓,后者审美基本达到 2026 年现代 App 的水准了。这就是 AI 时代的开发速度。⚡️

💡 分享一个 Vibe Coding https://t.co/9E1GM32EDZ

Tweet imageTweet imageTweet imageTweet image

🐦 在 X (Twitter) 上查看原文 →

图一是当晚 Vibe 出来的第一版,图二是几天后的完全体。前者 AI 味浓浓,后者审美基本达到了 2026 年现代 App 的水准。

很多人吐槽 AI 生成的界面「千篇一律」,说实话第一版确实如此。分享一个我实践下来觉得很有效的技巧:

不要只用文字描述「给我写个好看的面板」。要给视觉锚点。

具体做法:去 Dribbble / Figma Community 搜「Dashboard」,挑一张看着舒服的截图直接喂给 AI,告诉它「复刻这个设计感」。配色、卡片阴影、数据可视化风格,都可以用截图来锚定。

有了参考系,AI 的审美直接从「程序员风」进化到「SaaS 级」。

一个我越来越确信的感受是:在 AI 时代,代码的门槛在下降,但审美判断依然是决定成品质量的关键因素。 AI 可以帮你写代码、做布局、调样式,但「好不好看」这件事,最终还是得靠人来判断。

AI 工具复盘

这个项目开发过程中,我把市面上主流的几个 AI 编码工具都用了个遍。直接说结论:

工具角色体感
Kimi K2.5早期主力量大管饱,中文理解好,MVP 阶段 100% 主力,甚至没见过任何限额提示
Claude Code (Opus 4.6)硬骨头贵公子。一个复杂任务下去 4 小时限额 15 分钟直接见底,但遇到架构和性能深水区,只有它能啃
CodeX (GPT 5.2/5.3)日常输出5 小时循环用量非常扎实,开发过程基本碰不到小时限制的瓶颈,但周限量两天就用完了
Gemini 3 Pro辅助主要用来 Review 和写 Commit Message,质量偶尔掉线

一个真实体感:国产模型在初始化阶段已经足够高效,Kimi K2.5 是 Clash Master 诞生阶段的绝对主力。但当项目复杂度提升,面对数据库性能调优、架构重构这些深水区问题时,还是得靠 Claude Opus 4.6 和 CodeX 5.3 交叉 Debug。

一个额外体感是:模型不是越贵越好,关键看任务匹配。原型、重构、排障用的模型可以完全不一样。

Vibe Coding 的节奏:快速迭代与用户反馈

上线之后的两周,基本就是一个循环:发版 → 收反馈 → 修 Bug → 加功能 → 发版。 从 v1.0.2 到 v1.3.2,迭代了大约 20 个版本。

这个节奏下,AI 的角色不再是「帮我从零写一个功能」,而是变成了「帮我快速响应用户反馈」。 V2EX 上有人说磁盘 I/O 炸了,我把日志贴给 Claude,十五分钟定位到是 SQLite 单条写入没做批处理,连夜修了三个版本,I/O 从一天 200GB 降到了 1.6GB。Docker 镜像太大被吐槽,让 AI 帮我做多阶段构建,从 800MB 瘦到 300MB。

这个阶段的一个核心体感是:Vibe Coding 不只是「让 AI 写代码」,更是「让 AI 帮你加速整个反馈循环」。 用户提了个需求,你不需要花半天去查文档、写方案,直接跟 AI 说清楚上下文,几分钟就能拿到一个可用的 patch。这种响应速度,在开源项目的早期阶段是非常关键的——用户看到你迭代快,信任感就上来了。

技术细节

改名的同时做了一次比较大的架构升级,包括 Agent 分布式部署模式、ClickHouse 大规模分析后端等。 真正难的不是把面板做出来,而是让它在 NAS / 软路由这类资源受限环境里稳定跑起来。这里补几个最能体现复杂度的深水区问题。

1) 硬盘 I/O:从“硬盘灯常亮”到可持续运行

这个坑是最痛的一次。早期版本把每条流量记录都直接单条写入 SQLite,功能是对的,但在真实家庭网络里会触发严重写放大。用户反馈磁盘写入量吓人,我一看容器和主机监控,日写入量确实离谱。

核心问题不是 SQLite 本身,而是写入策略太“在线”了:高频事件 + 单条落盘 + 没有缓冲,I/O 自然爆炸。在 demo 阶段不明显,一上真实流量就暴露。后面连续几个版本做了三件事:

  • 内存缓冲队列 + 批量落盘(30 秒 flush,达到阈值提前 flush)
  • 先聚合再写入(热点统计先在内存合并,减少无意义小写入)
  • 写入限流和背压(高峰期优先保系统稳定,不让磁盘被打穿)

结果非常直观:

v1.0.2 -> v1.0.7 -> v1.0.9
200GB   -> 20GB   -> 1.6GB / day

这次之后我基本确定了一件事:AI 能快速把“能跑”的代码给出来,但 I/O 模型、缓存策略、背压机制这些基本功,必须由人把关。

2) ClickHouse:不是“接上就快”,而是“建模正确才快”

单网关场景 SQLite 足够,但多 Agent、多网关以后,域名/IP 维度的数据量会迅速上涨,查询复杂度也跟着上来。尤其是 TopN、时间趋势、规则命中这类查询叠在一起时,读写压力会互相放大。ClickHouse 引入后,第一版也踩了典型坑:小批次高频写入导致 parts 激增,merge 压力上来后,查询延迟会抖动。

后面重点做了几层优化:

  • 写入侧:统一批量写入窗口,避免 tiny insert 把 MergeTree 打碎
  • 存储侧:按时间分区 + 按常用筛选维度排序,热点列做低基数字典化和压缩
  • 查询侧:把仪表盘高频指标(Top 域名、节点趋势、规则命中)前置到预聚合层,接口优先读聚合结果
  • 迁移侧:保留 SQLite + ClickHouse 双写,先灰度再切换,避免一次性迁移风险

这套优化做完后,收益不只是“更快”,而是“更稳”:高峰时段的查询波动明显下降,面板体验从偶发卡顿变成可预期的稳定响应。这也是项目从“能跑”走向“可维护”的分水岭。

3) AI 在深水区的正确使用姿势

深水区里,AI 最有效的用法不是“一次性生成”,而是进入工程化闭环:日志与指标 -> 假设 -> patch -> 压测/对比 -> 继续迭代。 我在这个项目里基本就是让 Kimi 快速铺功能,用 Claude/CodeX 啃性能和架构细节,然后自己做最终取舍。AI 把迭代速度拉高了,但稳定性边界和技术债优先级,还是得人来拍板。

如果你对完整架构感兴趣,GitHub 仓库里有完整的架构文档和部署说明

写在最后

Vibe Coding 确实改变了我的开发方式,过去需要一两周的原型,现在几小时就能跑起来。但有一个东西 AI 替代不了:从「能跑」到「好用」的那段距离。

200GB 的写入 bug 是 AI 写的,但发现问题、定位瓶颈、设计缓存策略是人做的。界面从「AI 味」到「SaaS 级」,靠的不是更好的 prompt,而是你自己对美的判断。Agent 模式的架构设计,来自对真实部署场景的理解,不是 AI 能凭空想出来的。

Vibe Coding 降低了「从 0 到 1」的门槛,但「从 1 到 100」的路,依然需要经验、审美和对用户需求的理解。

实现 AI 自由:我为未来准备的 4 个数字通行证

2026年2月4日 08:00

🤖 AI 摘要

文章开头指出近两年 AI 技术和产品高速发展,中国本土大模型已处于世界前列,但在实际使用全球优秀 AI 服务时,许多用户仍面临各种门槛与限制。作者以资深开发者身份,自述曾通过 Vibe Coding 上架商业应用,亲身感受到“数字基建”在 AI 时代已经成为新的生产力基础。基于这一体会,作者提出将分享自己为未来准备的 4 个“数字通行证”,意在从基础设施或账号、工具层面,为读者提供更完善的数字环境配置思路,以便更顺畅地接入海外与本土的 AI 产品和服务,从而提升个人在 AI 时代的学习、创作与工作效率,逐步实现所谓的“AI 自由”。文末通过外链视频与推文卡片扩展内容,方便读者进一步了解细节与实践路径。

视频

过去的两年, AI 日新月异,很幸运我们很多国产大模型和产品都已经站在了世界前沿 🚀。但不可否认,在探索全球优秀 AI 产品和服务时,依旧有很多朋友被挡在了门外。 作为一名资深开发者,去年我靠 Vibe Coding 上架了一个商业应用。

深感在 AI 时代,数字基建就是我们的生产力。今天分享 4 个我的数字通行证,希望大家都能实现 AI 自由。

luolei @luoleiorg · 2026年2月4日

https://t.co/Ik3xItwco9
过去这两年, AI 日新月异,但现实是,依旧有很多朋友,由于信息差、单向或者双向的门槛,被挡在世界上最先进的 AI 门外。拍了一个视频,分享 4 个让我无障碍使用全球 AI 的数字通行证,希望大家都能在 2026 年实现 AI 自由。🚀

🐦 在 X (Twitter) 上查看原文 →

科普网站:航班在 3D 地球的飞行真实轨迹

2025年4月19日 08:00

🤖 AI 摘要

文章介绍作者用两天时间以 Next.js 练手开发的一个科普网站,其核心是在 3D 地球上展示航班的真实 GPS 轨迹,并与平面地图上的墨卡托投影航线进行直观对比,帮助用户理解长途航班飞行路线与地图投影之间的误差,对中学科学和地理教学具有潜在价值。灵感源自阮一峰周刊中展示 EK215 航班跨越北极的航线图,作者认为 3D 可视化更直观,于是采用 three.js 进行三维渲染,并调用 Flightradar24 的付费 API 获取真实航班数据。实践中发现 Flightradar24 按 Credit 计费,实际可用请求次数远低于预期,成本过高,只好临时下线真实数据,改用模拟数据展示。作者在项目过程中接触到航旅领域的数据与标准化体系,如全球统一的航班代码、机场代码以及多种开源地理与机场数据仓库,并对航空行业数据服务价格和行业标准化程度有新的感受,最后列出了所用到的相关技术与数据资源链接。

上周花了两天时间,用 Next.js 练手做项目,顺便做了一个科普网站。

经常坐飞机的朋友,尤其是坐过长距离国际航班的朋友,一定留意过飞机在地图上的轨迹。但是由于墨卡托投影的原因,航班在平面地图上的轨迹往往与我们心理上的感知不一致。

这个网站的核心功能是展示航班在 3D 地球上的真实 GPS 轨迹,并与平面地图上的轨迹进行直观对比。这对于理解地图投影的影响特别有帮助,相信初中和高中的科学及地理老师会发现它的教学价值。

同时也收集了几条「最长」的航线,当作展示案例。

灵感来源

在阮一峰周刊 第342期 看到那张 EK215 航班跨越北极的航线图,感觉做一个 3D 效果的可能更加直观,于是做了这个科普性质的网站。

使用了 threejs 和收费的 Flightradar24 API 制作了这个查询真实航班的小工具。后来发现 API 费用太贵,只好先屏蔽真实数据,改用模拟数据,但效果仍然很直观。

在做这个小项目的这几天,我稍微了解了航旅的数据领域,感叹航空行业的标准化真令人佩服:全球统一的航班代码、机场代码和各种开放数据。同时,我也对航空数据服务的价格感到震惊。

一开始我天真地以为 Flightradar24 每月 $9 美元能查 30,000 次挺划算(毕竟能缓存历史航班),结果才发现 Credit 并不是次数,实际请求 500 次不到就用完了,FlightAware 是按请求数计费。

有关航旅这个部分,有一个推友留言,供参考:

Nexa @nexa_li · 2025年4月11日

@luoleiorg 之前打算做相关产品,用OpenAI Deep research做了非常详细的产品调研,想要功能齐全费用不低的 https://t.co/psdvQlYGNx

Tweet image

🐦 在 X (Twitter) 上查看原文 →

相关资料

使用海外产品(包括 AI)的时候,发现个秘密

作者 MacTalk
2025年4月11日 19:24

这个发现叫做慢操作

终于把 2025 墨问 AI 内参专栏的第一季交付完了。为了写这个第一季,我们下了挺多功夫。包括把自己的 App Store 切换美区,下载了很多海外的 AI 产品。包括购买了推特的会员,也就是 X 的蓝V,并且重启了推特创作,在上面关注了不少有趣的 AI 行业的人,自己也写了不少内容。

在使用这些软件的过程中,我发现了一个挺有意思的现象。

国外的软件好像没有那么着急,没有像中国的快递那样必须要求立等可取,我觉得这可能反映了不同区域人们的生活态度。比如,我注册推特的蓝 V,花了钱之后大概用了 3 天的时间才把这个蓝 V 的标给我挂上,系统提示就是在审核,我也不知道在审核什么。

如果是在国内做产品的话,我花了几百块钱买了你一个产品,你不能让我立刻用,不能让我立刻有那个标识。这怎么可以呢?我这外卖 20 分钟都到了,你这儿买一个产品居然要三天才能给我挂上蓝 V,简直难以想象,这产品基本上就不能要了。

包括前一阵儿。我们使用这个新兴的 AI 浏览器 Dia,它采用了一种邀请码的方式。这个邀请码并不是官方来发放的,它是一种缓慢传播的方式。比如说,我从小盖那儿拿到了一个邀请码,我就可以使用这个产品,我也有了 10 个邀请码。我可以用这 10 个邀请码邀请别人,让别人去试用。

小盖的邀请码是哪儿来的?因为他特别想用这个产品,就去推特上找一个老外要的。大概就是这样一个传播路径。路径不复杂,传播得也不快,后续它还做了一些收缩,新的用户可能只能有一两个邀请码。因为 Dia 这个浏览器,目前还是免费的,要耗费很多 AI 算力,估计还不能大规模的放开使用。

从某一个侧面也体现了,人家不怕慢,也不怕等。

上午在苹果这里买一个充值卡也是,咱们在国内买任何一个产品的充值卡,是不是得立刻到账?立刻,马上。我买完之后,就能拿到这个虚拟信息卡,立刻吧卡里的额度充到我的系统里去。

你买一个美区的礼品卡,100 美元,他会给你发个邮件,说,你等我一个小时,我会给你发的。可能一个小时,也可能两个小时,人家才会把这个卡发到你的邮箱里面,特别有意思。

这些产品为什么会有这么有底气呢?我想了俩原因:

第一个就是海外的人节奏没有中国这么快,没有中国这么立等可取。

另外一个原因就是他们觉得,我相信我的产品好,好产品值得你等。

这也是一个不同的产品理念吧,能给我一些启发。

如何理解段永平这周的股市操作

作者 MacTalk
2025年4月10日 12:00

前几天我看到段在雪球上说:

卖了点苹果以及其他的 put。懂王威武,感觉起码要折腾一阵子,卖点 put 来回一起折腾也许是个好玩的游戏。还是老话,千万别用 ma­r­g­in。如果 put 进来的价格从 10 年后看回来是便宜的价格,那这个投资就值得做,长短皆宜。

//段永平这段话是什么意思?我不是很清楚,但咱可以问 Gimini 2.5 Pro,回复如下:

Gimini 2.5 Pro:这段话是段永平在分享他对于市场波动时期的一种投资策略和理念,主要围绕着卖出看跌期权(Selling Put Options)展开。我们可以分点来理解:

1、“卖了点苹果以及其他的 put”:

核心操作: 他卖出了(Sell)一些苹果公司(AAPL)和其他他认为不错的公司的看跌期权(Put Options)。

2、卖出看跌期权意味着什么: 卖出看跌期权的投资者(在这里是段永平)获得一笔权利金(Premium)。作为交换,他承担了一项义务:如果该期权的买方在到期日或之前选择行权(Exercise),那么卖方(段永平)必须按照约定的行权价(Strike Price)从买方手中买入对应数量的股票。

3、卖方的期望: 通常,卖出看跌期权的人期望股价在期权到期时高于或等于行权价,这样期权就不会被行权(或者价值很低),他就能赚取全部的权利金。

4、“懂王威武,感觉起码要折腾一阵子”:

背景/动机: “懂王”通常指美国前总统特朗普(Donald Trump)。这句话暗示他认为(当时)由于政治或其他宏观因素(可能与特朗普有关),市场将经历一段波动或不确定性(“折腾”)。

策略联系: 在市场波动加剧时,期权的隐含波动率(Implied Volatility)通常会上升,这使得期权的权利金(Premium)更高。因此,在预期市场会“折腾”的时候卖出期权,可以收到更丰厚的权利金。

5、“卖点 put 来回一起折腾也许是个好玩的游戏”:

策略描述: 这表明他可能不仅仅是卖一次,而是在市场波动期间,根据情况反复进行卖出看跌期权的操作(“来回一起折腾”),以此来持续赚取权利金。

心态: “好玩的游戏”体现了他对这种策略相对轻松的心态,但也暗示了这需要技巧和对风险的理解。

6、“还是老话,千万别用 margin”:

风险警示: 这是他一贯强调的重点。Margin(融资,保证金交易)是指向券商借钱来投资。卖出看跌期权(尤其是裸卖,Naked Put Selling)本身就有潜在的较大风险,如果股价大幅下跌,卖方需要用大量资金接盘股票。如果使用了 Margin,一旦市场剧烈波动导致亏损,可能会触发 Margin Call(追加保证金通知),甚至被强制平仓,造成无法挽回的巨大损失。

原则: 他强调只用自己自有的、闲置的资金来进行这类操作,确保即使最坏情况发生(需要以行权价买入股票),自己也完全有能力承担,不会危及财务安全。

7、“如果 put 进来的价格从 10 年后看回来是便宜的价格,那这个投资就值得做”:

核心理念: 这揭示了他卖 Put 的深层逻辑,与他的价值投资理念一脉相承。他卖 Put 的公司(如苹果)是他本身就愿意长期持有的好公司。他设定的行权价(Strike Price)是他认为即使被迫接盘,买入股票的价格也是合理的,甚至是便宜的(“put 进来的价格…是便宜的价格”)。

价值判断: 他不是单纯为了赚取权利金而卖 Put,而是把卖 Put 看作一种潜在的、以理想价格买入好公司股票的方式。如果股价没跌破行权价,他就赚取权利金;如果股价跌破行权价,他被迫接盘,那也相当于以他事先认可的“便宜价格”买入了心仪的股票。这个价格需要经得起长期(“10 年后看回来”)的考验。

策略灵活性: 这个策略既有短期收益(赚取权利金),也有长期目标(以好价格买入好公司股票)。因此,无论从短期操作还是长期投资的角度看,他都认为这是合适的。

总结一下:

段永平的这段话描述了一种结合了期权交易和价值投资的策略:

在预期市场波动时,通过卖出看跌期权来赚取权利金。

选择的目标公司是他长期看好并愿意持有的公司。

设定的行权价是他认为即使接盘也合算的买入价格。

严格禁止使用杠杆(Margin),用自有现金覆盖潜在的买入义务,控制风险。

这种策略下,如果股价不下跌,他赚取权利金;如果股价下跌并被行权,他则以预设的理想价格买入了看好的公司股票。这使得该策略无论短期(收租)还是长期(建仓)都有其合理性。

这是一种相对保守和基于基本面价值判断的期权策略,核心在于对公司价值的深刻理解和严格的风险控制。

——————

这个回复远好于其他 AI。

你看,大佬这么简短的一段话,咱们可以通过 AI 学习这么多知识,不得不说,AI 是必选项,无论你想学习,还是工作。毕竟老段可懒得给你讲这些基础的名词和逻辑。

2025 年 4 月 10 日

广东电信 IPTV 组播转单播极限测试

2024年12月27日 08:00

🤖 AI 摘要

文章以“娱乐测试”为前提,记录作者在东莞电信 1000M 宽带环境下对 IPTV 组播转单播的极限压力测试过程及结果。作者使用光猫 iTV 口桥接至软路由,在 OpenWrt 中先用 UDPXY、后改用 msd_lite 将运营商 IPTV 组播流转为 HTTP 单播,供内网多终端(PC、M2 Max/M2 Mini Mac、AppleTV、手机等)通过 GridPlayer 等播放器同时观看。硬件方面,光猫为中兴 7015tv3(2.5G WAN + 1G ITV,后将 iTV 口绑到 2.5G),软路由为 N5105,内网设备普遍为 2.5G 接入。UDPXY 阶段因“最大客户端 50”配置限制,最大播放约 55 路,ITV 口带宽约 500Mbps,CPU 占用较高且成为潜在瓶颈。更换 msd_lite 后,CPU 占用明显下降,测试中通过多机+AppleTV 同播,最多达到约 147 路正常输出、200 路画面全部出现但电脑播放变为“幻灯片”,OpenWrt 监测 iTV 口带宽最高在 1.4–1.47Gbps 左右,推测为 IPTV 线路带宽上限。同时作者重点测试 IPTV 带宽占用对家宽的影响:当 IPTV 带宽在约 1.0Gbps 附近时家宽测速可满速;升至约 1.2Gbps 后,电信官网测速下行降至 100Mbps 内;但在 200 路、约 1.4Gbps 时又曾出现测速恢复到 1000M 的情况,表现出一定策略或行为上的不稳定。最终结论是在作者特定网络与硬件条件下,东莞电信赠送 IPTV 在 2.5G XGPON 光猫上可以跑到约 1.5Gbps,理论可支撑 140+ 路 1080P 直播,当 IPTV 占用低于约 1.2Gbps 时基本不影响家庭宽带,高于该值则有概率触发限速。

这两天给家里弄好了 IPTV 的组播转单播,心血来潮,想看看极限能跑多少路 IPTV 直播

有关这次折腾 IPTV 的记录和讨论,我也发到了推特和 V2EX 上。

这篇博客不是教程,由于全国各地不同运营商对于 IPTV 有不同的网络策略,还是建议各位自行以「IPTV + OpenWrt + 组播」等关键字搜索符合当地运营商的教程。

由于这次测试「娱乐性质大于技术研究」,加上本人并不是网络相关专业,并且本人家庭设备诸多限制,注定有诸多不严谨的地方,这篇文章只是记录下下结果,不探讨相关运营商、网络、组网等技术细节。

简单来说,图一乐就好。

组播转单播

  • IPTV 原始信号是以组播(Multicast)方式传输的
  • 通过 udpxy 将组播流转换成 HTTP 单播流(Unicast)
  • 这样转换后,内网中的设备就可以通过普通的 HTTP 协议访问这些视频流

这种转换的主要优点是:

  • 让不支持组播的设备(如手机、平板、智能电视等)也能观看 IPTV
  • 突破了原本 IPTV 信号只能在特定接口或设备上观看的限制
  • 实现了全屋任意设备都能收看 IPTV 的效果

如果家里还有人要看电视,还是推荐可以搞个这个方案,在 AppleTV 、手机、平台上就能直接看直播了,而且没有机顶盒那么多广告。

有点可惜现在才弄这套方案,前段时间奥运会期间,和老婆在家看比赛直播还是挺多的。

参考资料

🌐 网络条件

  • 东莞电信 1000M 下/50M 上(有公网 IPv4/IPv6)
  • 光猫 2.5G 网口 1 桥接,软路由拨号
  • 光猫 iTV 口 桥接: 封装类型 PPPoE 网线连软路由, OpenWrt 配置网口 UDPXY 转发组播(后改为 msd_lite)

🔧 硬件配置

  • 光猫: 中兴 7015tv3 (2.5G WAN + 1G ITV)
  • 软路由: N5105 4 口 2.5G
  • MacBook Pro: M2 Max/96GB + 2.5G 网卡
  • 台式机 PC: i7-8700K/1080 + 万兆网卡
  • Mac Mini: M2 Mini/16GB + 2.5G 网卡

所有设备在内网并没有网络瓶颈。测试用的电脑均为 2.5G 内网。除了上述设备,也使用到了 AppleTV、手机等设备进行测试。

📡 转发组播

我也是昨天看到 /t/102603 这个帖子下的留言,发现可以通过「电脑插光猫 ITV 口直接播放」来验证是否能进行组播转发。

经过测试,我家东莞电信、深圳联通两地的 IPTV ,都可以满足。

我之前被其他帖子误导了,以为要鉴权抓包太麻烦就没搞了。没想到居然这么简单(刚好我的网络条件满足)。

🎮 测试播放器

GridPlayer,基于 VLC 开发的多路播放器,支持硬解。

用 IINA 也试过,最多只能播放 15 个且很卡顿,后来搜到 GridPlayer 发现可以满足需求。

广电电信的组播除了表情,也提供 1080P 的直播源,还有少数 4K,我订阅的电视源使用的都是 HD 1080P 25帧的资源,码率 7Mbps - 10Mbps 波动,大多时候是 8Mbps。

某些 4K 直播源码率码率则在 30Mbps 左右,但是数量较少,这次我过滤留下了 145 个电视台,144 个是 1080P 25帧。

❗ 重要提醒

一开始我使用 UDPXY 作为直播流代理。由于一开始配置的时候填写了最大客户端50的限制,后面测试的时候发现最大播放数量被限制在 55 路,误导我一直以为 IPTV 的最大播放数量被限制了。

但是使用 UDPXY 这一步测试结果依旧保留,仅供参考。

📊 UDPXY 测试结果

下面以 UDPXY 转发测试过程的一些截图:

Mac 最多只能播放 25 路。

Mac 那边继续直播 25路,PC 额外播放 30 路,CPU 压力很大。

OpenWrt 监测 ITV 口带宽平均下来 500Mbps。

V 站有网友评论说 UDPXY CPU 占用率可能导致瓶颈,一开始我的确忽略了这个因素,于是重新又测试了下。

当 55 个通道同时播放时,CPU使用率在 50% 到 70% 之间波动,每个 UDPXY 进程占用 1%到2% 的CPU。但是可以推测,如果继续使用 UDPXY 进行转发,播放到 100 路的时候,CPU 占有率的确有可能达到 100%。

📺 UDPXY 占用网络带宽

总路数PC 播放路数Mac 播放路数IPTV 总带宽占用家宽测速结果IPTV状态
30300300Mbps1300Mbps正常播放
503020450-460Mbps1300Mbps正常播放
553025490-500Mbps1300Mbps无法新增直播流,新增会导致原有直播随机断开一路
  • Mac 跑到 25 路就到顶了(CPU 高负载+风扇难得跑了起来),系统不卡顿,但是播放器卡顿。
  • PC 能撑到 30 路(Mac 那边 25 路还在运行),可添加无限源但超过会卡顿,已达 CPU 和显卡瓶颈,系统卡顿,播放器可能崩溃。
  • 每路都是不同的电视台源,上面 55 路同时播放流畅不卡顿。跑满时,家庭局域网其他设备(AppleTV/手机) IPTV 客户端无法再播放,OpenWrt 监测 iTV 网口带宽平均速率 500Mbps。

⚡ msd_lite 测试结果

27 号晚上,看到有人提到了 msd_lite,相比 UDPXY,msd_lite CPU 和内存占用更低 ,于是我又重新用 msd_lite 测试了下。

也是在这个时候,我才发现 UDPXY 配置里面有个最大客户端数 50 的限制,于是干脆重新测试,也因此得出了新的数据和结论,由于上面 UDPXY 测试时就已经达到了 1000M ,msd_lite 直接跳过,直接以 1000Mbps 向上的压力测试。

同时为了突破网口的物理限制,我将光猫上的 iTV 口绑定到了 2.5G 口上,原本的网络则改到了 1G 网口上。

这一轮测试,出动了 M2 Max MacBook / PC / M2 Mac Mini 共三台设备测试,同时客厅的 AppleTV 也在 4 路同屏一直播放(三台电脑同时播放时,硬件性能瓶颈太大都会卡顿,AppleTV 4 路直播不会因为硬件问题瓶颈,作为一个标定参考组)。

M2 Max MacBook 一直播放 62 路不停止,画面都能出来,但是播放不流畅,CPU 占用率 60-80% 之间波动。

旁边的 M2 Mini 则固定播放 25 路。

📺 msd_lite 占用网络带宽

总路数PC 播放路数Mac 播放路数Mini 播放路数AppleTV 播放路数IPTV 总带宽占用家宽测速结果IPTV状态
91062254900-1000Mbps1000Mbps除了电脑卡顿,其他端流畅播放,AppleTV 播放流畅
10842622541200-1300Mbps10~100Mbps除了电脑端卡顿,其余端流畅播放,开始影响网速
14756622541400~1500Mbps10~~100 Mbps播放卡顿感明显,少数源出现马赛克,ATV 正常播放但是加载偶尔出现进度条,家宽网速限速到 100M 以内
200721002541500+Mbps1000 Mbps❓极限重复 200 路测试,虽说 IPTV 达到 1.2G 之后大概率限速,但是实测依旧偶尔能够跑满 1000M 网络宽带

PC 在播放 56 路时,CPU 压力依旧很大。

在 147 路播放时,OpenWrt 监测 ITV 口带宽平均速率达到了 1.42 Gbps,约 1454 Mbps。后续尝试再增加无法突破。

改成 msd_lite 后,CPU 使用率明显下降,147 路播放时,CPU 在 50%-80% 之间波动。

上述播放,每个设备都是播放不同的电视源,最终是 145 路电视台同时播放。

接下来又分别将 M2 Max MacBook 和 PC 分别增加到 100 路和 72 路,重复播放 50 路。Mac 上这 10x10 的布局画面都展示出来了,但是无法流畅播放,幻灯片一样。

在 200 路播放的时候,iTV 的网口的流量达到了 1.4-1.45Gps ,对应约 1500Mbps 的带宽,与 147 路播放时一样,说明有可能是达到了 IPTV 线路的带宽上限。

🐎 IPTV 网速影响测试

在上面 UDPXY 测试的时候,由于我的 IPTV 最高带宽也才 1000Mbps,网络带宽在 2.5Gps 网口下均能跑到 1300M,在 1G 网口下也能跑到 1000M。因此当时我得出结论是:IPTV 带宽不会影响家宽带宽

但是随着后面转向 msd_lite,将 IPTV 的带宽进一步提升到 1.2Gps ,乃至最高的 1.47Gps 时,我发现了有趣的现象.

当播放 147 路,OpenWrt 监测 ITV 口带宽平均速率达到了 1.42Gps,约 1500Mbps。这个时候访问电信官网测速,下行下降到了两位数,在20-100Mbps 之间波动。

随后我关闭 PC 上的直播,总路数下降到91,网速恢复正常。后续我又尝试恢复 PC 上的直播,当PC的播放数量为7*6 = 42路时,iTV 带宽 1.2G 左右,若继续增加播放数量,在上升到 1.25G左右,网速则受影响下载到 100 Mbps 以内。

原本我以为运营商应该是对家宽和 IPTV 的限速做了某种策略,这个 IPTV 达到 1.2Gps 之后,可能会触发家宽线路的限速。但是随后又发生了一件奇怪的事情。

当我将播放数量增加到 200 路时,这时 iTV 的带宽又达到了 1.4-1.47Gbps 波动,这个时候我测速结果发现网速又回到了 1000M。这个时候我就不知道如何解释了。

📈 总结

如同我在最开头所说的这次测试「娱乐性质大于技术研究」

这次折腾 IPTV,更多是「好玩」性质,没有哪个正常的家庭会有这种同时播放这么多路电视的需求。

最终的结论可能并不严谨,它仅代表了在我家网络和硬件条件下对东莞电信IPTV的测试结果。

  • 东莞电信 1000M 套餐附送的 IPTV,在 2.5G XGPON 光猫下,IPTV 能跑到 1.5 Gbps 的带宽。理论可支持 140+路 1080P 的直播。
  • 当 IPTV 带宽低于 1.2Gbps 占用时,不影响原有的家庭网络带宽。
  • 当 IPTV 带宽高于 1.2Gbps 时,有一定的几率,会触发家庭网络的限速。

(注:1.2 Gps ≈ 1,229 Mbps,1.5 Gps ≈ 1,536 Mbps)

墨问小程序发布小红书切图笔记功能

作者 MacTalk
2024年12月12日 13:31

如何优雅的发布一条小红书笔记?


小红书的产品逻辑挺有意思的,发图文笔记,只能发 1000 字,更多的内容,就用图片来表达。这个产品策略我猜测早期可能是收 Instagram 影响?不过 ins 是真的成了图片社区,后来有了视频,小红书却形成了独特的笔记形态。

发几百字,剩余的内容用文字图片来表达,这种表达方式就在小红书上流行起来。很多现代人注意力难以长时间集中,看长文会有心理上的抵触,但一张张翻图片,就和翻书、阅读电子书的方式类似,反而有了沉浸感。

后来公众号的图片模式、视频号的图片模式,都开始支持这种阅读体验。这就带来一个刚需,如何把长文自动切成适合在小红书、公众号和视频号等平台展示的文字图片。

精确一点描述就是,如果你在小红书创作和运营,或使用公众号和视频号的图片模式,需要把一篇长文自动切成大概 3 X 4 大小的图片,同时实现智能排版和优雅展示文字。

我调研了一下用户的使用情况,有用记事本切图的,有用网页切的,也有用专门的图片工具生成花里胡哨的图。真没有合适的,而这个需求,不仅切合创作者工具的属性,而且我们自己也要用,我们也在做小红书和公众号、视频号。那就自己做一个放到墨问里不就很香吗?

于是我们新增了一个小红书笔记的笔记类型,创建这个笔记的作用主要是长文智能切图。
长按创建笔记按钮,滑动选中小红书Pro,进入创作页面。


你可以为小红书笔记设置封面、加黑、加荧光笔,设置图片样式(一共十种),然后点击生成多图,唰,见证奇迹的时刻:

如果你也在做小红书、公众号、视频号图文模式,可以试试这个功能。

后续功能敬请期待:)

2024年12月12日13:30:52

最小巧的 5G 随身 Wi-Fi: 中兴 F50

2025年12月4日 03:07

前段时间,买了个目前市面上最小巧的一线品牌 5G CPE 随身 Wi-Fi:中兴 F50

目前售价 ¥369,我京东券后实际支付 ¥337,用下来感觉还是挺满意的,在这里分享给大家。

选购思路

我手机卡很多(四个运营商,10 多个号码),平时出门包里三台手机(两 iPhone 一安卓),之所以想买一个单独的随身 WiFi,一是发挥多多余 SIM 卡的价值,二是想买个玩。

这段时间偶尔会出门工作,去图书馆呆一天什么的,个人偏好原因,不喜欢公共 Wi-Fi(很多公共 Wi-Fi 不支持 IPv6:我又有需要通过 IPv6 调试跨境网络的需求),倾向自己开热点,加上对网络速率要求比较高,所以决定弄一个 5G 随身WiFi。

不需要内置电源(随身有充电宝),开车有 USB,去图书馆时也会带个快充头,所以供电无所谓。

综合上面个人需求,在各个渠道大概搜索了下关键字,最终下单中兴 F50,插自己的卡使用。

开箱

中兴也算是通信领域的老牌厂家了,这也是我之所以选择他的原因。F50 的包装很小。

盒内物件,除了简单的说明书,还附送了个卡针和短 Type-C 数据线。

设备的颜值不错,左上角的 5G 红标有设计感。

右上角有两个指示灯灯,分别表示基站网络和 Wi-Fi 状态

与身份证大小对比,的确很小巧。

SIM 卡槽和卡托,还能放一个 TF 卡,对于我来说读卡器是个鸡肋功能,相机用的都是 SD 卡,没有什么其他设备用到 TF 卡。

管理后台

连接上 Wi-Fi 或者网络之后,就可以通过浏览器访问管理后台。后台可以查看当前的网络状态,也能查看短信。

5G/4G 网络配置,Wi-Fi 配置,跟常见的家用路由器没有太多差别。

高级配置里可以配置更多的信息,报错指定频段、USB 协议等等。

对于一个随身路由器来说,这些配置也足够了。

使用体验

由于不同的运营商在不同的地区的信号不一样,所以我只说下自己的体验。使用这个随身路由器也有几个星期了。我在家、在车上、在图书馆都使用过。整体还是挺满意的,使用广电卡,Wi-Fi 连接模式下,跑到了 400+Mbps 的下行速率,对于日常场景完全够用了。

优点

  • 体积小巧,50g 不到重量,随身携带很方便
  • 支持 2.4G/5G Wi-Fi,但不能同时开启。
  • 频段覆盖还行,四大运营商 5G 都能用。
  • Type-C 接口支持充电和数据传输,支持 TF 卡扩展,新固件可以直连 MacBook(有线上网)。
  • 速度不错,我用广电惠民卡(移动共享频段),iPhone 通过 Wi-Fi 连接,5G 下行跑到 400+Mbps。

缺点

  • 发热问题有点玄,听说长时间负载会降速,我才开一会,就能感觉设备的外壳温度上来了,但是我没有高负载的场景,不会持续满速率下载,在图书馆用一天感觉还好。这台机器有很多 DIY 散热解决方案,某个角度也反应了大家对这台设备「瑕不掩瑜」的认可吧。
  • 没有电池: 中兴也有一个内置电池的版本,但是我觉得这个不算缺点,直接插一个电源或者充电宝就行了。尤其是有几天,我直接把他放到车的扶手箱,车启动的时候就自动开机了,很方便,没有电池,也不用担心电池自燃的隐患。

参考资料

这篇文章只是个人的体验分享,对于更详细的性能、参数等,建议可以看看张大妈的分享文章,由于 F50 是一款很热门的机器,在 B 站和小红书也有很多分享:

总结

总结一下这个设备的适合人群:

  • 有多余手机卡或者大流量卡,想发挥流量价值。
  • 对随身设备便携性要求高,但是又希望能够有 5G 网络且性能满足日常使用。

关于小程序,2017 年的时候,我还写过这么一段话

作者 MacTalk
2024年10月23日 00:29

墨问现在成了我的知识库,只有这样,未来才会迭代出足够满足一个知识库的需求。现在几乎所有笔记类的软件都在我的视野里消失了,我只用墨问。

昨天查笔记的时候,我发现了 2017 年写的一段话:

关于小程序,现在依然是我看不懂的一个领域。我自己用的不多,在没有数据的情况下,为了避免认知偏差,我不说小程序到底有多大用,我个人理解是,小程序是微信延展业务领域的有效补充,是工具,而不是 App。

微信不是一切,自然小程序也不是。

我为什么很少用小程序呢?因为有其他更好用的 App 啊,购物我会打开亚马逊京东和天猫,读书我用微信读书多看豆瓣阅读,导航用地图 App,叫车用滴滴,协作用钉钉,写作用 Ulysses,笔记用 Evernote,听音乐用原生音乐或网易云音乐,付费圈子用小密圈,看专栏用得到和豆瓣时间,看艺术品用 Google 的 Arts&Culture……

在我看来,无论是 iOS 还是 Android,移动平台上的 App 生态越来越丰富了,而不是越来越单一。所以小程序的使命是不是更多的连接线上和线下的应用场景,而不是取代那些优秀的原生 App 呢?

那时候的认知就这么点 🤏

两年前我们团队成了小程序从业者,相对于 2017 年,时间过去了七年,小程序完全成了一个成熟的生态,我的认识也 totally 不一样了。

在深度使用小程序之后,我发现小程序本身就是一种很重要的产品特性:小程序具备在群里传播的能力,在朋友圈传播能力,小程序可以穿透群,可以获取某些群的信息和权限,比如墨问的笔记可以设置为群分享,作者分享到群里,只有该群用户可以阅读。我的 17 年合集卖桃者说就用了这个特性。

这些对用户和开发者都很重要,借助微信群、朋友圈和公众号之间的联动,可以做挺多事情,如果群的信息可以更开放一点,墨问的群笔记可以做的更好玩有趣,并且有用。

还有一点是特别容易被忽视,就是小程序的研发过程。在过去,我们想做一款产品,要做 Web,iOS 和安卓,初始研发团队就很庞大,技术栈也复杂,创业成本高,在没多少投资的情况下,很容易产品还没上线,公司已经完蛋了。

移动 App 的发版也很麻烦,iOS 提审得几天,安卓得发布几十个渠道,用户还不更新,嗷嚎,发了也白发。这会导致你的用户分布在各种稀奇古怪的版本里,还会涉及到兼容性。

小程序开发可以随时发版,一般几小时过审。我们最多一天发三次,用户还没啥感知,只要使用,就是最新版本。

使用即更新,使用即传播。小程序的每个版本,只要抵达了用户终端,那个版本都是最新的。你永远可以把最新的功能特性,推给用户,只要你研发、上线,就可以了。这个对于开发者来说简直是一个天大的好处。

那小程序的问题是啥呢?用完即走,而且,小程序被藏在微信里,很容易不再打开,还有,很多人不知道小程序有桌面端,只要你使用桌面端的微信,就可以使用桌面端的小程序,这需要一个普及和培养过程,也期待微信能开放更多更强的桌面能力。

整体上看,移动端小程序和桌面端小程序,基本可以覆盖所有的用户场景。但因为用户习惯和产品自主性的原因,如果资源足够,至少应该把 Web 版本做了,更富裕的话,再去考虑 App。

希望我们也能尽快把 Web 版本交付给大家。Web 端也是可以获取到流量。

所以,在很多阶段里,我们会觉得,嗷,这下我可懂了,明白了。其实只是进入了下一个阶段。离真明白还远,离做好一个产品还远。

我们继续努力。

日本旅行 2024: 东京晨跑・镰仓

2025年12月4日 03:07

五月的时候,同老婆又去了一趟日本,过去这几个月,诸多事务,也是在今天这个时间,终于有时间写完这篇游记。

距离上一次去日本,已经过去 7 年,2016年,我和老婆第一次去日本,逛了逛东京和仙台;2017年的元旦,与老婆在大阪又跨了一个年。从中扣除那如同时间按下了暂停键般的疫情 3 年,我的心理时钟似乎也只感受到了 4 年的流逝。

自从 2021 年我重新上班之后,我和老婆已经很久没出远门旅行了。这次去日本,目的地很明确,行程上也没有什么其他安排,纯粹就是给自己和老婆,安排一场放松的旅途。

与我们以往那些充满了奔波劳顿的出行不同,这次我们只安排了五天四晚的东京行程,五天只去了东京和镰仓两地。

行程

日期 行程
DAY1 深圳・东京成田机场
DAY2 皇宫晨跑・上野公园・东京国立博物馆・国立西洋美术馆・浅草寺
DAY3 东京车站・镰仓高校前・江之岛
DAY4 东京大学晨跑・明治神宫・代代木公园・涩谷
DAY5 东京铁塔・麻布台之丘・深圳

在日本的四晚,我们都选了东京的同一家酒店,也是 2016 年我们在东京住过的酒店,也算是重温一下当年的回忆。

DAY1: 深圳・东京成田机场

很久没来深圳机场了,这次从深圳直飞东京,深圳航空,票价倒尚好,两人来回 4K 多。

这次我们的行李很少,只带了两个登机箱,一个背包。航班出发时间是中午,时间不赶。

这次的航程图,到了后程靠着日本海岸线飞行,倒也可以在空中看到不少沿岸风景。

到底东京接近下午 5 点,又一次看到东京的海岸线。

在飞机上看到一座小铁塔。

伴随这落日,落地东京成田机场。

廊桥前往海关的路上,见到看似熟悉的欢迎标识。这一次入关很快,全程电子登记,也不用排队,在机场看到不少东南亚裔工作人员,看来这些年日本的外劳政策效果还是挺明显的。

过了海关,坐快线前往市区,从成田到市区有很多交通方式,指引也很清晰。

换乘之后,终于到达预定的酒店,这也是我们第二次入住,酒店名叫「东京庭之酒店」,位于水道桥站站附近,离东京巨蛋和东京大学很近。房间不大,但是设施齐全,酒店内的环境也不错。

DAY2: 皇宫晨跑

第二天我很早就起床了,开启这次东京之行的独享时光。这次来东京,我专门带了跑鞋和运动衣物,就是打算在东京跑跑步。5月早上的温度很合适,不热不冷,今天的天气也很好。

今天准备去皇宫跑一圈,从酒店慢跑过去,只有几公里,路上穿过早上的居民区。

到达皇居外围的竹桥。从这里开始一路,就可以沿着皇居绕圈了,这也是许多跑步爱好者的经典线路。

皇居外围有护城河,也有专门的步道,一路遇到不少跑者。

一路慢慢悠悠,三公里不到,即将进去皇居。

到达皇居外苑,铺满细沙这里行人比较多,道路窄,如果要进去就禁止跑步了。

人很少,加上天气不错,这次过来跑步,也是很舒服。

环绕皇居只需 5 公里左右,对于我这种跑马拉松的人来说,连热身都不算,所以后面我就慢慢走了。皇居有不少门,有警察把守。

早8点,轻轻松松跑完一圈,完成一环,解锁村上春树同款跑步线路。

接下来慢慢悠悠走回酒店,路上上班的人也变多起来。

DAY2: 国立博物馆・西洋美术馆

在东京的第二天,第一个白天的行程,只安排了博物馆。先来上野公园,先去东京国立博物馆,公园有好几个博物馆。 路过国立科学博物馆。

国立科学博物馆看着也有些年头,门口有一个好大的蓝鲸雕塑。

穿过公园,来到北面的国立博物馆。

门口的小亭子买票,成人 1000日元/人,约合人民币 50 元。

国立博物馆有几栋建筑,首先去本馆参观。

本馆建立于 1938 年,属于西洋风格,进入本馆后有楼梯直通二楼。今天也有不少学生在这里参观。

同大多数博物馆一样,基本也是按照时间线,分不同小区展示,中日文化一脉相承,日本的古代文化基本就是中国文化的传承和演绎,在国内我东西南北也看了不少国家级博物馆,对于日本博物馆的藏品,倒也没有什么感觉特别惊艳的地方。但是既然来了,还是慢慢悠悠逛了两个小时。

即将离开本馆,在墙上看到一排海报,之前有段时间,有学习和了解过一些设计和排版相关的知识,日本的设计美学排版,可以说也是影响了不少人。实事求是的说,虽说这些年国内的设计水平逐步上升,但是在美学和设计上,中日的差距还是显而易见的,尤其是日常生活的一些诸如字体、招牌、标语、海报的设计。

审美这玩意,尤其是我们普通民众对审美的认知,如同「素质」一样,非一日之功,都是需要几代人的基本教育和传承,才能养成的。

逛完本馆,又去了东洋馆,东洋馆主要展示亚洲各国的文物,当然其中重头部分也是我们中国的流失文物。一入馆,首先看到的就是我们的佛像。

菩萨立像・ 北齐时代・天保3年(552)・山西长子县

观音菩萨立像・隋代・开皇5年(585)・河北省崇光寺

除了中国的展品,也有来自印度、伊朗、东南亚等国的文物,最近黑神话悟空大火,里面不少场景取景中国传统佛道场景,当时我在博物馆东亚馆里看到这些佛像的时候,心中除了「遗憾」,也感受到了这种人类文明和文化共通的魅力。

幽暗的展厅,配合打光,这些佛像的面貌,承载着历史,也传递着人类文明中对于信仰、精神和美的追求。经历千年战火,依旧给站前面前的参观者,带来一种安静和庄严。

中午时分,参观完两个馆,也准备出去吃饭了。5 月虽然已经过了樱花季,但是天气还是舒服。馆外的座椅上,有游客在晒着太阳休息。

国立博物馆北侧有一个庭园,有日式传统的建筑,不大,推荐也可以绕着走一圈即可。

庭园植被茂密,现在即将入夏,一片翠绿,如果是秋冬过来,应该会是另外一番景象。生活在南方久了,尤其是广东基本没有四季之分,有时候跟老婆倒想去北方体验一下四季变化。

逛完国立博物馆,已经是中午时分,准备出去吃饭。

上野公园东侧有一条商业街,有不少餐馆,可能已经过了饭点,街上人并不是太多。

走到台东的一条步行街,里面很多商铺。我们在里面吃了一家拉面,味道还不错,服务的阿姨也很热情,看到我们是外国人,还特意用翻译软件跟我们确认拉面的配料。这也是在日本大多时候体验很舒服的地方,来日本三次,也去了几个城市,整体的感受都很舒服。

吃完饭,继续下午的行程,上野站附近多旅游景点,人还挺多的。

继续参观国立西洋美术馆,美术馆也是位于上野公园内,在上野动物园对面,勒·柯布西耶设计,建于 1959 年,专门收藏西洋美术作品。

美术馆不大,收藏了不少名家作品,对于我们一般民众而言,可能也就看看莫纳之类的名家作品。如果对艺术不太感兴趣,可能会觉得有点乏味,我和老婆独自在馆内各逛各的,倒也逛了一个多小时。

毕加索的作品「男人和女人」。

2019 跨年去了一趟纽约,在 MOMA 现代艺术博物馆和大都会博物馆,也看到了许多名家作品。

这次在东京,再次见到这些名家作品,也是感受下艺术跨越国界的魅力。

逛完美术馆,时间尚早,准备再去浅草寺逛逛。

东京轨道系统世界文明,在地铁站内看到一条之前的铁轨。

浅草寺应该属于那种名片性质的旅游景点,商业化成熟,对于我来说,就是一个打卡的性质。人很多,国际游客应该都会来这逛逛。

对于拥有北京、西安一众古城的中国游客来说,应该对这个寺庙不会有太多感觉。 民俗项目观音签,老婆也去抽了一张,是个吉签。

在浅草寺呆了一小会,看时间也不早了,今天走了一天也挺累,准备回酒店休息了。

在路中央看到一个贴满贴纸的路牌。

DAY3: 镰仓

东京的第三天,今天去镰仓。去镰仓要在东京站转车,上次来东京的时候,也是在这个地方,给老婆拍了一张照片。2016 和 2024 年,同一个地方,8 年时光。

今天也是一个好天气,老婆也很开心。

坐了近一个小时的JR,到达镰仓,出了镰仓站,接下来就是换乘电车,去海边。

买了一张一日通票,有这张票就可以在一天的时间内任意次数乘坐电车,肯定划算。

出现在无数人游记中的电车,这也是来镰仓必须体验的交通工具。

来到海边,我和老婆决定开始漫步一段。今天天气真棒,风也很大。

海边的小屋,有点欧式风格。看着十分干净。

走了没几步,我和老婆都不由惊喜,远远地就望到了海那边的富士山,这也是我两第一次见到富士山。

这次旅行,轻装上阵,只带了索尼 A7 搭配腾龙2870的变焦头,远远拍一张富士山,镰仓海边多云雾,我们也算是运气好,能看到这么清晰的富士山。

唯一有点遗憾的是,今天风太大了,吹得老婆的头发乱漂,不好拍照。

过马路的游客,就像漫画一样。

海边的路牌。

海滩上也有不少的游客,海浪挺大。

第一次见到马自达这个车。

除了自驾,海边也有不少人骑摩托和自行车,说到这还是挺羡慕的,国内禁摩的地方太多了。

来到著名的镰仓高校前车站,也是很多游客必去的地方。

等到电车靠近,给老婆抓拍一张。

海边的7-11,应该也是一个著名的打卡点。

见到 MX-5,在这种天气、这种地方开,真爽。

路过一个路口,刚好看到骑行的人和路人同框,抓拍一张。

临近中午,肚子也饿了,找了一家路边的餐厅,吃饭。

我和老婆点了两份主食、薯条、炸鸡,配上两杯饮料,算下来224人民币,价格还算 OK。 吃完饭出来,接下来步行前往江之岛。

马路对面的一家餐厅和排队的人,店门面的配色看起来很舒服。

江之岛一个靠近镰仓的一个近岸离岛,也是一个著名的旅游景点,有不少游客。

从堤坝去往江之岛的路上,见到另一头钓鱼的人,下午了,远处也起云雾,富士山开始变得模糊,回想今早能看到那么清晰的富士山,还是觉幸运。

来到江之岛上,密密麻麻的人潮攒动。

岛上有山,可以步梯登山,岛上有寺庙。

来到山顶,有一片小花园,看到一颗掉了叶子的树。

江之岛不大,绕一圈,见到海边的礁石,上面还有人在那摄影。

山腰上的饭店。

在江之岛逛了一圈,又步行回来镰仓海边,和老婆坐电车一趟往返,刚好休息。

从车站下车,又来到海边,海边的一座桥。

风很大,海浪波涛汹涌。和老婆在海边的堤岸上又坐了一阵,温度不错,风吹起来也并不冷。

海边的售卖机,阳光从缝隙中穿过。

即将落日,海边也被暖色的夕阳笼罩。今天的镰仓之行,十分轻松,好久没有这么惬意了。

DAY4 东大晨跑・明治神宫

第四天,开始我在东京的第二次晨跑,今天的路线是东京大学和上野公园。依旧早起,向北跑向东京大学。

上一次来东京时,曾经和老婆在夜晚来过东京大学,但是由于晚上关门,并没有进去参观,这次晨跑也算是补上上次的遗憾。这个红色的大门就是「赤门」,建于 1827 年。

来到上次止步的东京大学正门,这次开放了,无人看守,我也就直接跑了进去。

进门的林荫道,郁郁葱葱。

林荫道尽头,是东京大学安田讲堂,也是东大的地标之一。

东京大学是日本的最高学府,成立于 1877 年,地位等同于中国的清华北大。东大现在全球大学 QS 排名 30多,已经落后北大和清华。

跑步穿过东大,没多远就又到了上野公园,早晨的上野公园,空空荡荡。

上野恩赐南部公园中的「不忍池」。

继续往北跑,来到博物馆门口的广场。见到不少晨练的人。

从上野公园出来,又往秋叶原跑了一转,算是结束了这次晨跑。

今天的行程是明治神宫,其实我对这个地方也没啥兴趣,但是这次旅行,本身也就是没啥目的的放松之行,所以倒也没什么所谓。今天的游客很多。明治神宫位于涩谷区,建于1915年至1920年,二战时被焚,1958年按原样重建,靠近新宿和原宿,绿树成荫。

这里的明治,也是我们熟知的「明治维新」那个「明治天皇」。中日近代都经历过类似的社会变革,可惜两国后面一个世纪的命运,走向却是截然不同的。

看到一个通行禁止的牌子。

来到一处牌匾处,我对日本近代文化不是特别感兴趣,所以也仅仅是抱着参观的态度。

来到明治神宫正殿,左右两侧各有一颗圆形的神木,被称作「夫妇楠」,象征着明治天皇和昭宪皇后的深厚感情。

刚好碰到在明治神宫举办日本传统婚礼的新人,普通人也可以申请,看数据说每年有 1300 多人在这里举办婚礼。

院内的树木,不愧被称作「都会中的森林」。

参观完正殿,我和老婆就步行前往下一个目的地代代木公园,中途路过一个挂满灯笼的墙,看了下好像都是酒的品牌。

走到神宫北面的一处草地。如果居住在周围,在这里散步的确是一种享受。

从明治神宫步行,绕了半个多小时,来到南面紧邻的「代代木公园」,这里也是东京市民热门的公园之一。其中的狗狗公园也算一个特色。

公园中写生的老人。

虽然已经过了花季,公园中的花朵依旧茂盛。

恰好碰到举办「泰国节」 Thai Festival,有很多东南亚国家的美食,也看到很多东南亚裔的人,这些年日本逐步放开移民,吸引了不少东南亚外劳。

由于泰国节人太多了,我和老婆并没有停留太久,步行前往涩谷。在代代木公园另一个大门口的广场,见到不少跳舞的人。

干净的街道,这也是我喜欢东京的原因之一。

涩谷号称现代日本的文化中心,年轻人的聚集地。果然人多。

在一条巷子里,见到了蜜雪冰城,看到时笑了,前几天王思聪逛街,也在这里被人拍到。

从涩谷逛完,我和老婆去秋叶原吃鳗鱼饭,正在吃饭的时候,突然收到郭宇发来的信息,问我还在不在东京。

本来这次东京行有约他,但是之前安排的行程,我来东京的时间,他刚好在意大利了,所以没能见上一面。没想到后来我的机票改签,延后了几天,他也刚好在今天回到东京,所以就约了晚上聚一聚。

郭宇是我的学长,也是改变了我人生轨迹的一个人,有关他,和我和他的经历,之前曾经写过一篇文章:

去年在深圳有聚过一次,我和老婆与她的相聚,则是 6 年前的大阪。如今在他东京的豪宅再相聚,天南地北聊了不少。就是这次太赶了,没能蹭上他一顿饭。

也不早了,想着他刚回国,也不打扰他休息,郭宇很热情开车送我们回了酒店,也是第一次体验首都高逮虾户。

DAY5:东京铁塔

在东京的最后一天,晚上的航班回国,今天的安排也很轻松,就是去东京铁塔打个卡。

在酒店收拾完行李寄存,坐地铁来到东京铁塔。可惜今天天公不作美,下起了雨,但是想一想前几天都是好天气,最后一天下下雨,也算是给我们体验一下不一样的东京。

七年前来到东京,在晚上看到一次东京铁塔,这次雨天再来看看。给老婆拍个打卡照。

东京铁塔建于 1958 年,高332.9米,比巴黎艾菲尔铁塔还高 8 米,是日本第二高的结构物,仅次于东京晴空塔。是日本的象征之一,也是东京的地标之一。

距离东京铁塔,有一个「麻布台之丘」的新建观景台,2023年11月开幕,顶楼有一处室内观景台和咖啡厅,能直接看到东京铁塔,目测会是以后又一网红打卡地。

也在这里,给老婆拍了一张照片,也算是这次东京之行的结束。

归程

雨中拖着行李,坐 JR 到了成田机场,时间尚早,在机场星巴克买了杯咖啡,等待登机。

花了两天时间,终于还是写完了这篇游记。

上一次去日本,还是青年,这次再来,已是中年。过去这几年,世界,家庭,包括自己,都发生了诸多变化。成家了,创过业,又回去工作几年,可谓也是踉踉跄跄。

时光匆匆,有时候还挺幸运自己过去一直「记录」和「分享」的习惯,回看过去旅行的点点滴滴,时不时也能找回一些过往的幸福和温馨。

补上这篇游记,也是对未来自己的一种交代,希望再过 5 年,再过 10 年,再过 20 年,再回看这些文字和照片,依旧能感受到生命中的点滴美好。

美股开户新手教程:写给老婆的家庭投资手册

2024年12月8日 14:18

写在前面 ​

过去的这半年,中国股市洋溢着乐观向上的氛围,上证指数狂涨到 3000 点;反观美国股市,充斥着虚假的泡沫,在「美国经济崩溃了」的哀声中,资本主义头号大国岌岌可危

在我写下这篇文章的2024年3月2日美国标普500指数 $SPX500创下了自 1971 年以来的历史新高。

在牛市的行情,越来越多人开始在朋友圈和各种平台上,晒出的自己的股票收益,很多人都成了这波股市的「赢家」,人人都是巴菲特的美好时光又回来了

俗话说「看别人赚钱,比自己亏钱还难受」,最近这段时间,大量的人开始关注美股、入市。

这篇文章并不是教你如何炒股,更不会教你如何赚钱,只是以我老婆最近的亲身经历,从一个「美股小白」的角度,记录一下她最近这段时间美股开户、入门经历,分享一些经验和注意事项。

为什么要投资美股? ​

大家自己翻看过去20年,全球主要股票市场的表现,看完数据后,相信大家自然会得到答案。

同时也推荐大家看一个视频:

我虽然从 2018 年就开通了境外的券商账户,也很早就开始接触美股,但并没有投入过多的精力和金钱到里面,平时也就是看看资讯,小额买卖,所以也没有获得太多的收益。

投资是一个需要长期「学习、投入、实践」的事情,过去这两年,错过了美股的大好时机,但也没有太多遗憾,人生如此,不可能什么都兼顾。

去年底,我让老婆去香港,开了香港银行账户,也是趁着这个机会,同她一起,重新学习和实践一下美股投资,这也是这篇文章的由来。

如何投资美股 ​

简单来说,如果你是一个小白,下面就是你接下来需要做的几件事:

  • 境外银行开户
  • 外汇汇款到境外银行
  • 开通境外券商账户
  • 境外券商账户入金

境外银行开户 ​

拥有海外银行账号是进行券商出入金的必要条件,主流的开户所在地银行有香港、新加坡、美国三个国家地区。

其中香港银行开户,相对来说是最简单和快速的渠道,有关这一部分的内容,强烈建议可以参考我之前写的文章,已经十分详细:

汇款到境外银行 ​

如果你已经成功开户境外银行,接下来就是将境内的资金汇款到自己的境外账户。目前中国大陆居民每人每年有$5万美元的外汇额度。外汇汇款的手法很多,在这里我只介绍合法合规,大多数人能接触到的最简单的方案。

从境内转移资金到境外,都需要进行购汇跨境汇款两个步骤,购汇可以在境内银行直接操作,每个银行的汇率略有不同。

汇款的费用和便捷性相差就比较大了,有些可以做到无损免费,有些需要上百元的手续费。

在这里我推荐两个汇款的途径:

境内银行 账户种类 转账渠道 收款境外银行 费用
中国银行 任意 中银快汇 中银香港 ¥0
兴业银行 寰宇人生借记卡/ 无界卡 外汇汇款 汇丰香港 ¥0

上面两个渠道,经过我的实际操作和群友的反馈,算得上目前普通用户能接触到的最快、最便宜的渠道。

强烈不建议没有经验的新手使用诸如私人P2P换汇境外实体兑换店币圈出入金等渠道,不管是境内还是境外,近年来对于资金的审查都越来越严格。一旦往来钱财涉及赌博、诈骗,轻则被银行冻结账户,重则被公安机关立案调查。

中国银行:购汇 ​

使用中银渠道,首先需要购汇。推荐直接在中国银行的 App 上操作。

进入 App 的 出境和外币服务>结汇购汇>购汇,即可进入购汇流程,在购汇之前需要看30秒的个人购汇申请书条款,建议大家第一次的话可以看看,了解下国内对外汇管制的法律法规,同意后即可继续后续流程。

接下来就是购汇了,在你国内人民币余额足够的情况下,可以购买想要的货币,可以直接购买港币或者美元,这里的购汇用途需要注意,由于我每次都是小几万地转出(不超过5000美元),我一般填写因私旅游

国内对于大额的购汇和转出审查还是有的,如果一次性转移的金额较大,可能会需要你提供合理的说明和证明文件。

中国银行:中银快汇 ​

中银快汇是中国银行为满足客户在内地、香港、澳門三地之间迅速、安全实现资金调拨的需求,由内地分行、中银香港、澳門分行联合推出的国际快速汇款服务。

如果你同时有中国银行内地和中银香港的卡,内地和香港的两个账号就可以直接走这个渠道,速度较快,无手续费

这也是我什么在香港开户的文章中,强烈建议大家开中银香港的原因。

以中国银行内地的 iOS App 为例,中国银行>更多>转账>跨境汇款,这个时候就可以看到顶部跨境汇款>境外中行的选项了。

接下来就是选择你的境外银行,填写相关信息。这里有几个内容需要注意:

项目 内容
收款银行所在国家 ( 地区 ) 中国香港
SWIFT 代码 BKCHHKHHXXX
收款人名称 Luo Lei (你的中银香港账户的户名拼音)
收款人账号 012 开头的中银香港账号
详细地址(英文或拼音) 1 GARDEN ROAD, HONGKONG,HONGKONG, HONG KONG, CHINA

这里的详细地址是中银香港总部地址,可以参考中银香港官网的汇入汇款快速参考指南:

待资料填写完毕,确认之后,就可以发起汇款了,建议大家将自己的境外账号信息保存到模板,方便下次使用。

中银快汇的汇款时间不一定,快的时间经历过当天到账,慢的时候可能需要 2-3 个工作日。

兴业银行:寰宇人生借记卡 ​

强烈建议内地的朋友去申请一张兴业银行的寰宇人生借记卡,或者无界卡。这两张卡权益差不多,可谓跨境神卡,极其实用:

  • 购汇结汇交易费率 5 折优惠
  • 跨境外汇汇款前 30 笔手续费、电讯费全免
  • 境外银联ATM取现每月前 3 笔手续费全免
  • 开具存款证明/外币携带证免手续费

对于我们来说,光前 30 笔手续费、电讯费全免这一项就足够了。

这张卡可以在线申请(微信公众号),但是我建议直接去当地的支行线下申请。我一开始也是在线申请,快递取卡后去家附近的网点激活,结果遇到了一个奇怪的流程 Bug。

由于我收到的卡需要在柜台激活,但是柜台激活只能开启¥5000/每日的转账额度,这个额度显然是不够用的,柜台的工作人员建议我直接找大厅的客户经理,现场重新开张新卡。

这两年反诈管控严格,现场开卡,除了身份证,还提供了深圳社保记录手机实名信息,在 App 里都可以直接查到,给客户经理看了一眼后没啥大问题,就搞定新卡了,并给了5万/日500万/年转账额度的权限。

兴业银行:购汇 ​

兴业银行的购汇流程和中国银行类似,也是在 App 上操作,相比之下兴业的汇率更优惠一些。同样,购汇的用途大家可以根据自己的实际情况填写,我依旧是因私旅游

兴业银行:外汇汇款 ​

由于兴业银行在香港的账号也是汇丰,所以内地兴业汇款到汇丰香港,是免手续费的,所以现在我也会使用兴业>汇丰香港的渠道进行汇款

项目 内容
收款人名称 Luo Lei
收款人账号 004 开头的汇丰香港账号
收款人香港地址 1 GARDEN ROAD, HONGKONG,HONGKONG, HONG KONG, CHINA
收款行 Swift 代码 HSBCHKHHHKH

这里的收款人香港地址,我依旧填写的中银香港的1 GARDEN ROAD那个地址,也顺利到账了。有关汇丰的汇款信息,可以参考官方的资料:

兴业银行:手续费注意事项 ​

虽然兴业到香港汇丰的汇款是免费的,但是这里存在一个小坑,在不同的时间汇美元,可能会产生费用。

具体的背景信息建议可以看看这条推文的讨论:

  • 港币到汇丰香港,不会产生任何费用
  • 在下午 15:00 之前,转美元到汇丰香港,这个时候是汇丰香港处理收款,也不会产生任何费用
  • 在下午 15:00 之后,转美元到汇丰香港,这个时候由于中转行变成了美国汇丰,这个时候可能会产生费用。

解决方案:汇款尽量在下午 15:00 之前进行

美股券商开户 ​

完成了上面的境外银行开户外汇出境,接下来就是开通境外券商账户了。我自己曾经用过的券商:中银国际富途证券老虎证券长桥证券

其中的富途、老虎和长桥都是新兴的互联网券商平台。之前我主要使用的是富途,目前我主要使用的是长桥,这两个平台用户体验都不错,用户活跃度也行。

用长桥最直接的一个原因,还是因为我的朋友郭宇在用这个,上次他回深圳,一起吃了个饭,聊到美股时,看到他在用长桥,加上他也时不时在推特上分享,我就跟着用了。也算是一个口碑传播。

利益相关声明 💵 ​

目前市面上常见的互联网券商,基本都有各种形式的拉新和开户奖励,之前我都是在推特上介绍有关长桥证券的相关内容,相关的推文:

建议大家可以先看看上面我的推文,有些评论信息还是有参考价值的。同时也建议大家可以先自行搜索相关资料,对比不同券商平台的优缺点,选择合适自己的券商平台。

长桥:开户专属奖励 ​

我和老婆都是近期长桥进行了开户,体验下来十分丝滑,不管是开户申请、入金,流程都很顺畅。

通过我的专属开户渠道,除了基础的奖励,还有额外的渠道专属奖励,具体的奖励如下:

基础奖励📦 渠道额外奖励🎁 备注
400 HKD 股票现金卡 100 HKD现金 额外奖励入金20000 HKD 达标
港股永久免佣+美股免佣限时体验卡 港美股永久免佣 额外奖励入金 10000 HKD 即可达标
货币基金收益率5.5% - -
期权现金券5美金 - -
港股现金打新免费 - -
- 长桥周边徽章一套 数量有限
- 长桥周边帆布袋一个 数量有限

由于渠道额外奖励需要客服手动发放,可访问 lb.zuoluo.tv ,扫码加入微信群,联系客服协助开户和索取。

长桥:开户流程 ​

下载长桥的 App,有内地或者港澳的手机号都可以注册,填写邀请码T405T1后,即可注册成功。这个时候已经可以使用长桥的 App 查看行情、资讯了。相比富途,长桥的 App 更加简洁。

按照中国证监会的需求,现在已经不再允许境外券商平台给中国境内用户新开户,所以现在的券商平台都会要求用户提交存量投资者证明。长桥要求的是:

  • 海外券商账号账户证明结单
  • 香港银行开户证明或者结单

这个时候你可以直接提供相关银行的账单(中银香港和汇丰 App 里都可以下载)。

这里还有一个简化的流程,如果你在境外,或者设备 IP 是香港和澳门的话,可以跳过存量投资者验证这个流程,只需要提供身份证就行了。大家可以人在香港或者澳门的时候,直接在那边在手机开户,或者用点魔法手段,让你的手机暂时变成香港或者澳门的 IP 也可。

后续的流程,按照要求提交相关资料,以及投资经验、风险承受能力的调查问卷,就可以完成开户了。

在工作日的审核还是挺快的,我老婆在下午 14:09 填写完资料,14:16 就收到邮件提示开户成功了。

长桥:入金流程 ​

开户成功之后,为了达标获得开户奖励,接下来就是入金了。

长桥支持的如今渠道挺多的,在资产页面的存入资金即可进入入金流程。

由于长桥自己的港币>美元兑换汇率比银行要优惠点,我一般都是直接港币入金,选择港币后,可以选择香港地区的银行,以汇丰香港为例,支持eDDAFPS转数快网银转账ATM/柜台支票等渠道。

其中的eDDAFPS转数快是最快的渠道,基本上是秒到账。

在这里注意一下,汇丰的 eDDA 授权中,银行开户证件类型需要选择港澳通行证(除非你当初开户的时候用的是护照),如果填错了也没关系,银行那边会拒绝授权,重新申请即可,注意下银行的短信或者邮件提醒。

第一次入金,建议大家可以先小额试一下,看看自己的银行渠道入金是否正常。成功之后,长桥 App 和银行方都会发送相关的通知。

至此,你的券商账户就已经开通了,接下来就可以按照自己的需要,进行港股和美股的投资了。

开户之后,注意留意下开户奖励,在你入金达标后,例如免佣卡股票卡会陆续发送到你的账号,可以在我的>奖励记录中查询。

最后的话 ​

如同我在开头所说:投资是一个需要长期「学习、投入、实践」的事情

美股投资风险和收益共存,对于新手来说,甚至风险大于收益。对于所有加入这个领域的人来说,都需要有足够的认知和心理准备。

我自己今年的一个计划,会包含系统地学习投资知识,也会在分享一些自己的学习心得。期待与大家一起交流和学习。

Anayway,祝大家投资顺利,恭喜发财。💵

我正在使用的 30 个 Chrome 插件

2023年10月5日 16:04

最近我在整理自己使用的各种物品,准备开设一个新系列文章「我在用什么」,分享下我日常生活、工作和学习中使用的软件、硬件和其他物品。

首先从轻松简短的内容开始,介绍下我平时上网时使用的浏览器插件。上次介绍我使用的浏览器插件还是在 2012 年的 12 月。

从 2012 年到 2023 年,在过去的 11 年里,我也经历了从一个初入行的菜鸟程序员到成为一名老程序员的转变。写这个主题文章,跨越了长达 10 年的时间跨度,也确实有些意思。

我使用的浏览器 ​

目前我的电脑上安装了四个浏览器:

  • Chrome: 谷歌浏览器,日常工作、开发的主力浏览器。
  • Edge: 微软 Edge 浏览器,调试用,Windows 上配合微软生态用。
  • Firefox: 火狐 Firefox 国际版,备用浏览器。
  • Safari: 苹果自带 Safari 浏览器,备用浏览器。

现在的浏览器兼容性已经非常好,不像十年前还需要考虑兼容IE。基本上只用 Chrome 就可以满足需求。我使用的 Chrome 插件通常也有对应的 Edge 和 Firefox 版本。

Chrome 是绝对的主力,我在 Mac、PC、iPhone 和 Android 上都安装了 Chrome 浏览器。Edge 是使用第二多的浏览器,主要用于 Windows 上一些微软生态的配套。

目前,我的 Chrome 配置中有多个 profile,分别用于日常生活和开发调试。下面将介绍我在这两种配置中使用的插件。

Chrome 插件: 日常 ​

插件名称 插件类型 插件介绍 使用频率
Tampermonkey 油猴脚本 用来安装各种脚本
Bitwarden 密码管理 密码管理工具,管理各种账号密码
2FAS - Two Factor Authentication 密码管理 二步验证辅助工具
Proxy Switchy Omega 网络代理 用来切换网络代理
Adobe Acrobat PDF 阅读器 在线阅读 PDF 文件 后台
Vimium Vim 模拟 使用 Vim 按键操作浏览器 后台
Wikiwand: Wikipedia Modernized Wikipedia 美化 Wikipedia 界面 后台
简悦 SimpRead 阅读模式 简化网页,提高阅读体验
Obsidian Web 笔记辅助 与 Obsidian 笔记软件配合使用 后台
沉浸式翻译 immersive translate 翻译工具 网页对照翻译工具。
Language Reactor 翻译工具 YouTube、Netflix 等字幕翻译
OneTab 标签管理 一键关闭收藏标签页,节省内存
Simple Tab Sorter 标签管理 管理当前 Tab 标签排序
Awesome ChatGPT Screenshot 网页截图 截图和屏幕录制工具
ImageAssistant Batch Image Downloader 图片下载 批量下载网页图片
Search Result Previews 搜索增强 Google 搜索结果页增加预览图 后台
uBlacklist 搜索增强 Google 搜索结果页屏蔽指定网站 后台
Social Blade YouTube 查看 Youtube 频道数据 后台
网站 IP 信息查询 网站信息 查看当前网站 IP 地址信息(ipip.net)
Sider: ChatGPT Sidebar AI 辅助 ChatGPT 工具,内容总结等
京价保 - 京东价保助手 购物比价 京东价格保护,查看历史低价
购物党自动比价工具 购物比价 自动比价,查看历史低价
MetaMask 以太坊钱包 以太坊钱包

Chrome 插件: 开发调试 ​

我一般会单独开一个新的 Chrome Profile 用于开发调试,这样可以隔离日常使用的插件,避免日常用的的插件注入其他代码影响调试。

插件名称 插件类型 插件介绍 使用频率
Proxy Switchy Omega 网络代理 用来切换网络代理,配合 whistle
ModHeader 网络请求 管理和修改网络请求头
Allow CORS 网络请求 允许跨域请求
EditThisCookie Cookie 管理和修改 Cookie
JSON Formatter 格式化 美化 JSON 格式的展示 后台
XML Tree 格式化 美化 XML 格式的展示 后台
Vue.js devtools Vue 调试 Vue 调试工具

Tampermonkey 脚本 ​

顺便也分享一些我的油猴脚本,搭配上面的 Tampermonkey 即可使用,更加灵活。

插件名称 插件类型 插件介绍 使用频率
Open the F**king URL Right Now 浏览辅助 跳过各种网站的中转页,直接打开目标网页 后台
Twitter Block Porn Twitter 共享黑名单, 一键拉黑所有黄推诈骗犯 后台

思考 ​

在写这篇文章时,我发现有很多插件实际上根本没有用到,所以干脆删除了它们,也算是给浏览器减轻了负担。

与 10 年前相比,浏览器本身功能增强相关的插件依旧并没有太多进步,例如浏览器自带的标签管理和截图依旧拉胯,而一些插件随着浏览器自身的更新而被取代,如以图搜索和历史管理等。

然而,与平台和服务相关的插件则变化很大。如果我不再使用某个服务或产品,相应的插件基本也会被删除。

回想过去这些年,移动端化成为一个重要趋势,人们越来越越多地使用 App,而 PC 网站形态停滞不前。对于我来说,在电脑上打开浏览器场景也越来越单一,通常只在工作时才会打开浏览器。

对于自己来说,这可能是需要反思的问题:我应该更积极地探索其他平台产品的开发能力,而不要受到我当前的职业和思维惯性的限制。

我的云账单: 2023 年

2024年3月10日 20:17

我在2015、2017、2020年,分别写了三篇有关「云账单」的文章,记录我在各种云服务、订阅上所花的钱:

转眼3年又过去了,2023年的第一篇博客,来更新下我的最新云账单。

今年我的云账单,相比前些年,关键字就是「精简」,用现在流行的话就是「降本增效」。

今天这篇文章,除了介绍我的订阅账单,也会穿插介绍一些自己的一些精简思路,供各位参考。

相比2020年月均¥1161的总开销,2023年我的订阅月均总花销下降到¥613元,下降比例47%。

一.通信花销 ​

2020年每个月在通讯上将近500元的开销,如今我在通信上的花销已经下降到¥267 。

1.中国联通深圳(¥70/月)

2022年12月底,我的深圳电信3年的合约终于结束,经过对比,把深圳电信的3个号码携号转网到了深圳联通。在联通携号转网3折加上叠加优惠,目前我使用的是联通的「畅爽冰激凌5G套餐199元」。

  • 基本月租: ¥199 元人民币,3折优惠实际¥60
  • 流量:60GB全国流量
  • 通话:1000分钟
  • 宽带: 1000M光纤
  • 副卡*3: 两张副卡免费 + 额外副卡10元/月
  • IPTV:10元/月,首年免费,机顶盒押金¥100元。

过去三年我在深圳家里都是用的深圳电信,每个月299+20副卡的费用让我的实际月租高达¥329/月,电信的网络质量属于最好,但深圳电信的价格也算是全国最贵。

在携号转网之前,我也去电信营业厅咨询过老客户的优惠,最终营业厅只给我申请到¥199/月包含1000M宽带的套餐,相比联通¥70/月的套餐还是相差很多,最终还是携号转网。

2.中国电信东莞(¥189/月)

2022年搬到东莞的新房,目前我和老婆也主要住在这边,目前东莞家中用的宽带依旧是中国电信的「5G畅享融合套餐」。

  • 基本月租:¥189元
  • 流量: 100GB 全国流量
  • 通话:1000分钟
  • 宽带: 1000M光纤(公网IP)
  • 副卡*2:两张副卡免费
  • IPTV: 免费

东莞电信¥189元/月的月租,实际上也差不多等同我深圳电信争取到的¥199/月的套餐,性价比一般,但是考虑到我家庭网络的需求,最终还是用着吧。

三张东莞的号码都给家人用了,打电话上网什么的也不能浪费。

3.中国移动成都(¥8/月)

老婆的成都号码,用的中国移动的「8元日租卡」,纯保号用。

4.中国电信澳门(¥80/月)

目前我唯一在用的境外卡套餐了,不出意外的话,应该还是目前最香的境外卡。关键字「中国电信澳门学生卡」。

  • 基本月租:MOP$188 澳门币,实际半价MOP$94澳门币约等于人民币¥80元。
  • 流量:40GB 流量
  • 通话:600分钟通话

这个澳门卡属于一卡双号,除了提供一个 +853 ***的澳门号码,还提供一个 +86 191*** 的归属地为珠海的号码(且不占用国内运营商1个人5个号的数量额度)。

目前这个卡是我的主力卡,无墙,不用担心网络问题,每个月40GB的流量也完全够重度使用,看视频、开热点很爽。

至于 Cuniq 香港联通,2022年我的合约到期后就取消了。

二.服务器相关 ​

目前我手上有三台服务器,境内1台,境外2台。

0.域名注册

首先依旧是域名注册,我的所有域名,都是在 Name.com 注册和托管。目前维护的域名数量约10个,每年的花销也不小。准备在2023年还是精简一下。

1.腾讯云CVM-广州

  • CPU:4核
  • 内存:8GB
  • 带宽:5Mbps 。

2020年5月购买,2023年5月到期。¥1999三年。

这台机器上面跑了我的不少日常服务,4核 8GB 的性能也足够大多需求场景了,5Mbps 的小水管有点不太够用。

今年预计等这个服务到期后,会继续精简国内服务器的花销。一些跑在云上的服务会逐渐迁移回家里的 HomeLab(目前已经迁移回不少了),可能会再买一台小机器做境内的代理转发吧。

2.腾讯云轻量-香港(¥54/月)

  • CPU:2核
  • 内存:4GB
  • 硬盘:60G
  • 带宽:30Mbps。

我的博客有大量的图片,不放心第三方图床,专门弄了一个轻量香港来放我的博客的静态资源,顺便也拿来做一些轻量的境外代理。

3.Linode-东京($10)

  • CPU:1核
  • 内存:2GB
  • 硬盘:50G

从2013年就开始用的 Linode,到现在已经快10年了,目前我把这台 Linode 作为自己的境外备份服务,有些数据和服务会同步部署在这台服务上。没有内资背景,给自己数据买个备份,懂的都懂。

4.腾讯云MySQL ​

每年费用¥136。主要还是自己懒得维护和备份。一些依赖数据库的服务,我就直接用的腾讯云 MySQ。

精简部分 ​

  • DNSpod解析: 目前解析服务降级到了 DNSpod 的免费套餐,境外解析迁移到了 Cloudflare。
  • DigitalOcean: 境外资源冗余,不再需要
  • 百度云加速: 但是过去这两年自己博客也没啥更新,流量用腾讯云轻量也顶得住,就取消了。

三.云服务 ​

来到云服务部分,这一部分涉及生产力,有关这一部分的内容,我向来还是坚持一直以来的原则「能用正版就尽量还是正版」。

为了防杠,也不想立什么牌坊,对于我采用的跨区、合租等之类的付费方案,仅做我自己的真实描述,硬说我违规那我也不会反驳,支持有实力的朋友根据自己情况付费支持各种服务。

1.Google Workspace(原G Suite) ​

从2017年开始,我就一直把域名邮箱挂在 Google Suite 上,一开始10刀/月后来涨价到12刀,算下来过去这6年,给谷歌交的钱都有7、800刀了。

2022年10月的时候,一个朋友介绍,花了60刀整了一个终生免费的 Google Workspace 账号,然后把原来的域名邮箱都转过去了。

原来的 G Suite 只能绑定一个域名,转到这个 Google Workspace后,支持任意新的域名和300个 User。这个算是我最值的一个云服务了。

2.Apple iCloud($3)

每个月3美元,美区 iCloud 套餐,200G的空间,今年已经取消掉国区的 iCloud(¥21),保留美区仅仅是为了方便。实际上感觉美区这个 iCloud 也能取消。

今年配置了一台新的 NAS 《不想折腾:绿联 DX4600 国产 NAS 开箱体验》后,目前大多照片都直接备份到NAS上,iCloud 的相册同步其实也没太多必要了。

3.Adobe Cloud Creative(¥450/年)

Adobe 是我付费最多的服务了,应该累计已经超过5位数了。从2018年开始,我就订阅了Adobe Cloud Creative 全家桶,有一段时间甚至订阅了两个全家桶套餐,港区标准价格是 $228 港币,学生套餐是$148港币。

2022年黑五期间,研究了一下,退掉了港区的两个套餐,改成了土耳其的学生套餐。年费约合人民币¥450元。

用土耳其IP + 外币信用卡就申请成功了,也没有什么身份审核和限制。

4.Office 365 ​

微软全集桶,家庭套餐223一个月,支持6个人使用,我开车分摊了几个账号出去。实际算下来我和我老婆两个账号,一年就100多。

5.SetApp ​

SetApp 是 Mac 上比较老的订阅合订服务了,家庭套餐已经涨价到$14.9/月,年费是约¥1200人民币,我这个依旧是与人开车合租,每个人收200一年,实际我自己支出约¥400/年。

四.娱乐 ​

接下来到了最后一部分娱乐&购物。相比2020年的,现在需要我付费的娱乐订阅已经少了很多。

1.YouTube Premium 会员 ​

YouTube Premium 会员在2022年10月进行了一波涨价,美区由$17.99涨价到了$22.99,之前我的 YouTube 也是开车分摊,每人每年200人民币。趁着这波涨价,我也研究了一下转区,最终把账号无缝转到了土耳其区,年费下降到¥50/人/年。

YouTube 是我和老婆看得最多的渠道,两个人100/年,免广告还是挺值的。

2.Netflix ​

依旧订阅了 Netflix,采用与其他人开车的方式,一年大概¥200。

有关娱乐部分,现在的花销少了许多,但是实际娱乐体验并没有下降多少,一方面 YouTube 和 Netflix 上面的影音数量质量都还不错,另外今年入住新屋后,家里 NAS 配合阿里云,在线下剧看剧也很方便。

精简部分 ​

  • 网易云音乐:鉴于版权和口味,已经逐渐转向 Spotify
  • 爱奇艺会员:我老婆偶尔看,但是已经不再付费
  • 腾讯视频超级VIP:同爱奇艺,没什么吸引的内容
  • 哔哩哔哩大会员:没有什么付费内容能够吸引我购买大会员,但是还是用积分换了季卡
  • 迅雷超级会员: 绿联NAS自带会员,另外下载来源逐渐转向阿里云盘
  • 百度云盘: 备份逐渐转向自己的NAS,下载资源转向阿里云盘
  • 任天堂家庭会员: Switch 今年已经吃灰

总结 ​

间隔三年,相比上一次的账单,这一次的云账单更加理性,去掉了许多冗余的服务和订阅。每年累计下来,也能省个大几千块钱。

有时候我不由感慨,我每天在公司和小区停车的费用都要将近100,相比生活中的房贷、车贷、保险、车位等等开销,云服务的这些开销实际并不多。

话虽这么说,但是回归理性,对于这种可控的开销,尽量还是养成「如无必要,勿增实体」的心态和习惯。

伟大的公司需要多少人

作者 MacTalk
2023年5月23日 13:31

AI 绘图软件 Midjourney 算是这波 AIGC 浪潮中的佼佼者。最近我一直在看这家公司的成长故事,11 个全职员工,0 融资,一年时间积累了 1000 多万用户和一亿美金的营收。

我参与锤子创业的时候,非常喜欢大开大合,希望规模化最大,但从锤子到极客时间,再到墨问西东,我的想法转变了,规模并不重要,小公司也可以做大事。

Midjourney 成立于 2021 年,创始人 David Holz 是一个典型的技术男,在此之前,他还以 CTO 的身份联合创办了 VR 领域的公司 Leap Motion,主要研究手势跟踪技术。

我们先说说这个故事。

创立之初,Leap Motion 备受关注,三年内迅速拿到了 4000 多万美元的融资,团队心高气傲,想做出一些改变世界的产品。后来苹果公司提出想收购 Leap Motion。但 Holz 觉得对方出价太低,并且,没有乔布斯的苹果已经没有什么创新力了,他不愿意为那些人工作,他想自己创造一家具有创新力的新公司。
2013年,Leap Motion 相继发布了几款自己的产品,包括 PC 和 VR 方面的,但都不温不火,没有在市场上激起太大的水花。这对于创业公司来说,并不是什么好兆头。

市场反馈不好,增长无法达到预期,Leap Motion 自然也就拿不到新的融资。但没钱难办事。他们自己造血的能力不够,养活团队、继续研发新产品又需要钱。于是,公司忍痛裁员,优秀的员工相继流失,似乎进入了下行通道。

Holz 和另外一位创始人带着团队继续折腾,这也是创业的常态,把事情做对需要一个过程。Leap Motion 复盘了公司早期的失误,调整策略,继续探索未来人和计算机的互动模式。

但从市场反馈看,他们业务起色不大。直到 2019 年,被另外一家同行业的公司低价收购。

第一个故事结束了,新的传奇拉开了帷幕。

之后 Holz 创立了 Midjourney。这次,他不融资,不追求团队规模,更关注公司盈利能力,这些经营理念,应该都是他对第一段不算成功的创业经历的回应。

我参与锤子科技创业,自己独立创建极客时间这个产品和品牌,到现在出来做墨问西东和墨问便签,有很多想法都能从 Midjourney 上找到共鸣。也许未来很多成功的创业公司,都会类似 Midjourney。

因为什么呢?

1、创业团队人少而精才是正解。人少,并不意味着做的事情小。Midjourney 用 11 个员工一年以内做到了 1300 万用户,年营收 1 亿美元。我也在创业,时常告诉自己,资源有限是好事。资源有限,会不断倒逼团队思考什么才是最重要的。

2、经营 Leap Motion 时,Holz 大概率被资本裹挟过。别人投资你,肯定需要考虑退出的事,而退出,大概率都要依靠 IPO。但对于创业团队而言,过于关注结果,过于关注增长,都会让团队丧失初心,动作变形。有实力的话,可以不拿融资,一开始也不需要招那么多人,慢慢来。这也是一种新的、符合常识的创业方式。

3、Leap Motion 创业过程中,Holz 积累了很多信任和欣赏他的人脉。当 Midjourney 需要一万个 GPU 时,有朋友慷慨解囊。所以,手艺、影响力和人脉,都很重要。不要厚此薄彼。

4、Holz 说自己离开 Leap Motion 创办 Midjourney,是为了换一个环境,因为他不想继续待在一个由风险投资支持的大公司,希望自己在未来 10 年可以做很酷的项目并且享受乐趣。而小的团队,更能专注在他想要做的事情上,毕竟他们没有销售的压力,也没有成为一家上市公司的想法。大家只是去做自己喜欢的事就好。

5、不依赖融资,就需要团队较早考虑盈利。之前的很多创业团队,一上来都会先做用户增长,等差不多了再做收入。但 Midjourney 没有钱,他们在设计产品时,第一步就是思考怎么才能挣钱。这年头,不要以创业,我融了多少钱为荣。

6、Midjourney 的盈利模式非常简单,订阅制,按月或者按年付费,一共三档:基础、标准、高级。现在已经没有免费版本。产品的收费模式,越简单越好。

7、不要追求从 0 开始创新。Midjourney 的模型,最早是基于 CLIP 及 Diffusion 的开源模型,抓公开数据训练,然后迅速上线 Open Beta 版本,占领用户心智。不要有洁癖,快速借鉴别人的经验是一种能力。

8、Midjourney 只有 11 个全职员工。但你知道吗?他们还有 60 多位兼职 Discord 运营。对于一些可以标准化,没有壁垒的工作,用兼职的方式搞定是一个思路。如无必要,勿增实体。

9、知道什么重要,什么不重要,并敢于取舍。Midjourney 到现在都没有独立 App,也没有网站,和用户的所有交互都在 Discord 上。要是你,敢这样吗?不要眉毛胡子一把抓,不要追求完美。“从长远来看,Midjourney 将拥有自己的网站,自己的用户界面,但现在公司不需要花费时间来构建整个用户界面。”这是 Holz 的判断。

10、但是搭载在 Discord 里,也不是一开始就明确的。用户测试完他们才发现,90% 的人不知道怎么告诉它他们想要什么,于是加入了教学元素。后来发现很多人并不喜欢一个人画,更喜欢跟朋友一起玩,他们才意识到 Midjourney 是社交的东西,加入了社交元素。“构建产品最重要的部分,就是对发现事物的真实本质持开放态度。”

11、“技术的最大限制不是规模、成本或速度,而是人们如何与之互动,从根本上决定了我们能做什么。”操作系统以及搭载的各种软件,是我们现在与计算机互动的方式,但看历史,从指令到键盘,到触屏、对话框、语音,甚至手势,人与机器互动的门槛越低,能做的事情越多,生产力的解放越深入。

12、AI 不是现实世界的复刻,而是人类想象力的延伸。Midjourney 做的事情是帮助人们扩展想象力,写 prompt 的指令是“/imagine”。顺着这个方向,我觉得 Midjourney 会成为一个设计领域的生产力工具。这一波 AIGC 的产品,都应该奔着生产力工具的方向去才有前途。

13、想象力实在太重要了。张一鸣之前说过一段话,“同理心是地基,想象力是天空,中间是逻辑和工具。A/B 测试只是一个工具而已,是测不出用户需求的,同理心才是重要的基础。如果没有同理心,做出的产品肯定没有灵魂,不能满足用户需求。但是光有同理心还不够,这样只能做出有用的产品。想要做出彩的产品,想象力非常重要。”

14、大模型技术不会替代人类,它是人类的延伸。

15、永远不要试图凭空设计一个完整的产品体验,你只需要找到十个看似无关的体验,选择其中最酷的三个,把它们放在一起,然后在细节上进行完善,让人们觉得它不错并喜欢上它,好的产品就是这样一步步做起来的。

16、工具要想活的好,活得久,永远要让自己嵌到用户的业务流程里,简单讲,要么帮他赚钱,要么帮他省钱。生成的图片商业性很强,Midjourney 才能从一众工具里脱颖而出,很简洁的 prompt 就能生成有明显科幻性的精美图片,让用户数大而且付费意愿很强的设计类用户显著提高效率。从影响创造力开始,以影响生产力立足。

附图:陈晓维老师说,用AI给我的小说《像钻石一样闪耀》女主角厉小卷画的像。终于知道她长什么样了。

时代的晚上

作者 MacTalk
2022年9月20日 17:56

没有新的语言 也没有新的方式
没有新的力量 能够表达新的感情
不是什么痛苦 也不是天生爱较劲
不过是积压以久的一些本能的反应
情况太复杂 现实太残酷了
谁知道忍受的极限到了会是什么样的结果

这是时代的晚上的歌词。今天听了一期播客,说的是崔健新书发布了新书《崔健诗歌集》,我马上就下单了。然后想到了这首歌。在这个时代的晚上,你能做什么呢?多读闲书。

有了新公司,我置办了一个巨大的书架,各种各样的书源源不断的运进来,同事调侃我买书不看。不看,摸着也高兴啊。我现在手边上就摆着《照片的历史》《羊男的圣诞节》《旅行的艺术》《佛祖在一号线》《爱的阳台》《镜头之后》《一瓢纽约》,还有二爷倍加推崇的卡尔萨根的《宇宙》,过两天还会多一本《崔健诗歌集》。

从功利角度看,这些书读了都没啥用,这就是所谓的「无用之书」,就是读了没有现实意义,不能直接帮你升职加薪赚钱的那种书。比如小说、画册、传记、历史、博物,等等。

我喜欢读这种书,大学的时候也喜欢,但中间这段时间并不是这样。

一个人从学校走向社会,最重要的能力是养活自己和家人。这个问题解决了之后,选择什么样的生活方式,才是分水岭。

大学毕业之后,我来了北京,得在这个城市生活下去啊,所以刚毕业那几年,我的主要任务就是提升能力,赚更多钱。那个阶段我几乎不读大学里读的那种闲书,全是工具书。编程的,业务的,项目管理的。很节省,没有需要花钱的爱好,几乎不外出聚餐,编程就是我的爱好。再有就是去清华操场踢球和打游戏。没了。

度过了那段艰苦的时间之后,我觉得自己在北京算站住脚了,才开始做别的事情。比如看电影、和朋友聚会、打羽毛球、逛北京的胡同,去郊外渡个假等等,最重要的是,我开始读那大量的无用之书。

如果说每一本书都像一把扫帚,你骑上这些书,是可以去到远处的。如果你选的扫帚是《制作 PPT 的十八个小窍门》、《21 天学会 Java 编程》、《如何加薪》等等,那怎么去远方呢?

所以,要读对自己没有用的书,而且最好讲的还是之前你从来没想过的问题。用非功利的角度对待读书,这是最要紧的事情。

另外,很多看起来没用的书,也许是有大用的。我前阵子读了好几本写北京建筑的书,《 城记 》《 古都北京 》《 北京古建筑物语 》,最后一本是高晓松的妈妈张克群教授写的,张克群师从梁思成。这些书记录了北京城的历史变迁,读来十分过瘾。

为什么要读历史,我也不知道,只是齿岁渐增,想了解历史的感觉越强烈。后来看到顾衡说,学习历史,并不是要把历史当尺子,量这量那,也不是通过历史预测未来,历史并不是一个方程,一个函数,左边给出数据,右边就能得出个结果,没这种确定性。

那么,既不能干这,也不能干那,是不是学习历史就没有意义了?并非如此。顾衡老师说,打消预测未来的这份狂妄,正是历史给予我们最好的馈赠。

当我们了解了复杂社会的不确定性之后,就会对他人的断言产生怀疑,对自己的想法保持审慎。这不仅会让个人变得谦卑,也会让整个社会变得安全。

如果时代是一辆汽车,那么历史就是这辆汽车的刹车。越是了解历史,了解了人类曾经遭受过的、那么多完全没有必要的苦难,我们对还没有出生的后代们,就会有一份更重的责任。这份责任,会让我们变得谦和和中庸,也会在复杂的历史进程中变得更加清醒,更有独立思考的能力。我们说历史是最宝贵的财富,原因也正在于此。

————

最后,顾衡老师还在他的专栏里说过:我们说一个人穷,并不单指可供他支配的物质比较少,同时也是指这样一种状态,就是逼仄粗砺的生活,把我们本来高贵而精致的精神世界磨损殆尽。

为啥唱衰中国的企业软件的未来

作者 MacTalk
2022年7月8日 14:02

最近朋友圈看到几篇谈中国 To B 软件产业的,比如中国软件公司为啥做不出产品啊,投资人前几年投了很多 To B 赛道的技术创业血本无归啊,等等,好像中国软件企业这么多年一直活在上个世纪一样。

我们的知识星球里也有用户提问:

之前看直播, 有几个大佬老师 都提到 Salesforce 是一家很牛的公司, 甚至能和Google 比肩, 但是他们都没说到底是怎么个牛法。查了两个半天, 感觉就是个有些成绩的普通软件公司啊。请教池老师, 这家公司到底牛在哪?

我在 To B 软件行业工作了近 10 年,借着这个问题,聊聊我对 To B 软件的看法。


对于星球的用户,查了两个半天发现 Salesforce 是个有些成绩的普通软件公司。从我的角度看,你可能没有发掘到有效信息,另外对「有些成绩」,我们的理解可能不太一样吧。

Salesforce 成立于 1999 年,是全球按需 CRM 解决方案的领导者。CRM 鼻祖,SaaS CRM 鼻祖,目前市值 1700 亿美元左右,2021 年营收 212.52 亿美元,合计 1300 多亿人民币,这个成绩,无论是和中国顶级互联网公司比,还是和 Google 比,都不能算是「有些成绩的普通软件公司」了。

Salesforce 无论是业务、生态、技术、行业领先性,在国外都是非常知名的软件公司,比肩 Google 倒不至于,但和 Oracle、SAP 差不多是一个量级的企业。

为什么国内的同学会对美国的 To B 的大型软件公司无感呢?因为国内没对标。国内最大的企业软件,算是用友,市值 700 多亿人民币,是 Salesforce 的零头。

为什么我们对消费者领域的软件公司都很熟,比如美国的 FANG,中国的 BAT、字节跳动、美团等等,因为有对标,我们作为消费者,两边的服务都用。

这里就会产生另一个疑问,中国从总体上来说发展是跟着美国走的,为什么美国 To C、To B 都有顶级的公司,中国只有 To C 牛 X,To B 的企业,差几个量级,为什么会这样?

美国公司的商业周期很长,百年老店比比皆是,即便是现代科技公司,比如沃尔玛,1962 年成立,苹果,1976 年,微软,1975 年。福特汽车是 1903 年成立的,通用电气是 1892 年成立的。这些企业,在漫长的商业周期里,很早就遇到了各种市场红利枯竭的问题,他们早就经历过这种状态了,所以非常重视效率、成本和创新。

当一个公司开始注重「2021 年中国企业口口相传的降本增效」时,自然就开始重视能够提高效率能够降低成本和促进创新的工具,企业在这个领域投入大了,这就是强需求,对应的企业自然也就出现了,这是几十年前的事。

大家都觉得亚马逊很牛吧,但是传统企业沃尔玛和亚马逊对抗了几十年不落下风,沃尔玛这样的传统公司,技术实力一点也不差,人家还有卫星呢,数字化做的比中国零售行业早了几十年。

对应中国,大部分民营企业都是 90 年代和 2000 年之后创建的,满打满算 20 年发展时间,但这 20 年,相当于很多国家 100 年,改革开放,经济复苏,人口十多亿,市面上全是大片大片的开阔地,怎么说呢,各个领域,只要方向大差不差,挣钱太容易了。

一旦企业处于高速增长的阶段,没人会理会什么降本增效,数字化,信息化,也没那么重视。我自己发展好好的,为啥要用你的工具呢。靠市场红利驱动就能发展,就能赚钱,所以大部分企业对于新工具、新软件、新方法的采用意愿非常低。这就导致早些年做 To B 像是装孙子一样,各种定制各种满足各级领导的面子工程,效率反而没那么重要了。

所以,中国的用友和金蝶,就那么大,已经很不错了,也算是抓住了市场的红利。但和美国的 To B 软件相比,就差了一个量级。

写到这里估计有人会问了,说的挣钱这么容易,咋我没觉得呢?

这是因为,大部分人不具备知道这个领域赚钱的认知,或者知道也不具备进入这个领域的资本。

无论一个人还是一个企业的命运,当然要靠自我奋斗,但是也要考虑到历史的进程啊。当一个领域很多人唱衰的时候,也许就是最好的时机。

随着中国产业进程的发展,需要持续降本增效,提升用户体验,所以,未来企业级软件的需求不是变弱,应该会逐步走强。

这是我的判断。

胶片摄影:

CEO 一百天

作者 MacTalk
2022年6月27日 19:43

今年开始,我开始像模像样地做 CEO 和公司的创始人,这几个月实践下来,我感觉和当时带极客时间团队的感觉几乎一样,聊天讨论吃饭设计写作等等,大家依然有频繁并且平等顺畅的交流,略有不同的是,人多和人少的区别,会多和会少的区别。我们一周只有一个正式的周会,这得益于我们人少。

不过就我和创始团队的尿性,以后人多了,会也不会多。

公司初创的时候,杂七杂八的事情考虑的事情比较多,比如:

1、人员招聘,全职和兼职,比如:财务行政人员、产品经理、运营、工程师等
2、公司名称和商标设计。公司注册
3、确定投资人和投资金额
4、公司股权结构设计
5、创建财务账户
6、拟定投资相关的各种协议
7、投资款入账
8、个人社保和工资事宜
9、办公场地选址、装修
10、知识星球内容规划和储备
11、企业知识星球创建,财务账号对接
12、运营计划
13、创建阿里云账户,搭建基础开发环境
14、迁移 macshuo.com 个人网站
15、完成公司的视觉设计
……

这里面有些事情和业务、产品关系都不大,但是必须要做的,是地基,好在我们这些事都已经做完了,公司进入常态化运营,我们也都开始按部就班推进公司的工作。

记得公司刚成立的时候,有星球的用户问,在创业及经营公司的过程中,如果只关心三个指标用于观测公司健康与否,你看哪三个指标?

我是这么回答的,也是这么做的。

1、用户是不是喜欢你的产品。这里面包含挺多内容的,包括产品价值、市场匹配度、商业模式、用户活跃度……可以拆出很多指标,归根结底就是,你的内容也好,产品也好,是不是解决了用户的问题,用户愿不愿意在你的产品上花时间。这是一个公司成立的根本。
2、收入大于支出。尤其是现在这个阶段,以前的创业者不太关心这个,跑马圈地、补贴用户,可劲儿烧钱。现在那个阶段已经过去了。我们必须精细化运营企业和用户,精耕细作,才有机会在新时代存活下来并发展壮大。
作为公司 CEO,应该关注损益表和现金流量表。前者解释了公司在一定周期内的收入、支出和利润情况。收入和固定成本、可变动成本以及毛利率、净利润,能反映商业模式和盈利能力。后者则代表了公司能活多久。
3、员工状态。我希望做能让用户获益员工开心的事情。员工当然也包含我自己,我们如果想通过一个机构去构建更自由和辽阔的未来,机构里的人一定是自驱的,主动的,开心的。这和创业维艰并不对立。如果没有不必要的损耗,没有垃圾会议,没有各种办公室政治,即便累一点,大家也是开心的。
图片

还有个有意思的现象,就是我需要按月给大家发工资,并且要确认公司的每一笔支出,这些你在负责一条业务线或者做产品创始人的时候,是不大需要关注的。事情不大,但心态上有微妙的转变。

人还是很强大,所有这些,很快也就适应了。

我们专注在用户、产品和内容层面,整体信息是畅通的,流动的。我想,不管公司做多大,我们会尽可能保持这种风格。

很多公司稍微发展一点,创始人甚至创始团队会变得孤独,他们会自觉不自觉的在自己和公司其他人之间划一条明显的鸿沟,除了工作,他们什么都不聊。

打造一个强有力的团队,保证真实信息的顺畅和流通,极为重要,人家字节跳动就这么干的,这可是长治久安的事情[旺柴] 。

说起孤独,想起我之前读的一本书《十一种孤独》。书的作者是理查德·耶茨,一生贫困潦倒,怀才不遇,吸烟酗酒,一身病痛,生前未曾大红大紫,死后迅速被人遗忘。就是这样一个作家,笔下都是普通人的平凡生活,写的是普通人的孤独、失落和绝望,但直指人心。

译者在译后序里写到:

《十一种孤独》写的都是些局外人,他们想要进入某个世界,却遭到拒绝。这个世界可能是某间教室,也可能是军队,更可能是家庭。曼哈顿办公楼里等着被炒的白领;有着丰富想象力的出租车司机;一心想成为作家却眼高手低、替人捉刀的年轻人;干巴巴的老教师、新转学的小学生、肺结核病人、遭羞辱的爵士钢琴手、混在法国、空虚的富家子弟;郁郁不得志的军官、退役大兵,还有他们向往却受到忽视的女人。

世界上估计很多这样孤独的人,我们做公司,尽可能让大家避免这种孤独,我想,这也是创业的乐趣之一吧。

❌
❌