#plt #java #learn 张宏波系列

这个教程整体不错，但还是太刻板了，尤其是在这里比较数学上一个不相干的概念…… 为什么不说数学的“参数式函数” “隐函数”和python里有啥区别呢？
https://github.com/moonbitlang/contest-2025-data/blob/main/compiler-crash-course/05_closure.md#:~:text=原本对于一个函数是开放（open）的变量（也就是自由变量），%20被关闭（close）到了一个指定的变量作用域中，%20得到了一个“关闭的表达式”（closed%20expression）。%20这个名字再之后被缩短，就变成了和数学概念重名

“可露稀closure” 其实是对单方法对象(SAM) 的内存优化，其实现方法为“捕获capture”，就是把栈上字节copy到new结构里去，结构就叫闭包。

张强调的一点很对，就是libc提供了 signal(id, fn, arg0) 这种“KV注册”接口，但只传入fn也是可以的。 传入vtable+this 双指针(fat pointer)也是可以的，C.ABI.函数指针 能无缝衔接对象参数，要不然C++怎么那么轻松就火起来了。

闭包与纯粹的 (new Callable(nonlocal变量,)) .call() 区别在于，如果在frame返回前销毁，就不需要堆分配了，所以说它不是一个「语意上存在的特性」，只是new class{}对象的语法糖+inline优化。 这点和同样用“捕获”创建的协程(闭包链表Thenable)，完全不同😒

nonlocal有很多名字，cellvar .py.rs, Upvalue.lua, LexicalScope ，但本质上，它和 class var 一样可写，因此在 |mut acc|{} capture 里，它会逼得外层函数也变成 new class {call(...){}} ，除非依赖 IntRef(0)这种autoboxing，即修正 "effective final" 错误。

当然这种错误真正的解法就是从OOP过程式-> Compose。 IntRef是不是和 let [get,set]=useHook(0) 的逻辑式变量很像？
— Moonbit 的实现没有在DOM上，就不只是在set时更新一下 derived vars. dirty...

至于文顶的“自由变量”一般就是this变量或全局。 之所以自由，是因为暴露在API里不能随便“alpha-重命名”，相对于“绑定变量”来讲。 这一行谈纯理论，我说的不难受，但我猜读的人和我当时一样百思不得其解，什么栏目答演算。🤯

invokedynamic/LambdaMetafactory 其实就是这个“不逃逸优化”，没被存储到字段、传到其他线程、返回出去，零拷贝。 Serialization 的问题由JDK大佬 Brian Goetz @2014 PPT讲解过：
https://wiki.jvmlangsummit.com/images/7/7b/Goetz-jvmls-lambda.pdf#page=18
https://www.infoq.cn/article/brian_goetz_project_lambda_from_the_inside_interview#:~:text=你很难决定是否支持捕获可变局部变量、非局部控制流、异常透明度和其他的特性，并且放弃其中一些特性意味着它们很难自然地表达。

Goetz这个说的道理。这不比莫名其妙扯到数学的科班好了？ fyi. #Kotlin 支持它们全部

#ai锐评 https://x.com/i/grok/share/UEs8sZtds1l1XxWqwWUFijyIj
再谈「指针vs对象表示」问题😒
其实这些，都是从解释器到cpu的优化，或者说是试图把 [1,2,3].[0~1]=> ptr+len, Animal{Duck;Cat}=>type+data 编码为x86能计算或跳过的字节，避免「中间商赚差价」(LLVM 就不是中间商了, hh
我们操作的是变量树，指针和堆栈并非「语意上存在的特性」，所以cpy它丫的 sizeof(一个int)==28 😓……
当然，这些VM数据结构的心智开销很小，感兴趣的可放心阅读。

C++-style lambdas 张宏波系列 https://thephd.dev/the-cost-of-a-closure-in-c-c2y
模仿 esm.run,git 的“一切皆文本”编程语言： scrapscript.org
GC/Rc 的最终 https://x.com/i/grok/share/ULJQCSOhg56OCZiY84f29lPZO

这个作者还怪可惜的。。就开源了4个GL库，都是精品，最多0.2k star
https://liquidgl.naughtyduk.com/demos/demo-2

可能更适合作为 AfterFX 插件吧。
相比之下， https://github.com/rdev/liquid-glass-react 20倍流量于他，一个demo都交付不好（doesn't fully work in Safari and Firefox）

https://github.com/Kyant0/AndroidLiquidGlass/blob/master/backdrop/src/main/java/com/kyant/backdrop/effects/Lens.kt 更是🤡，就一百行shader用几十个 #kt 来封装？ 一个粘合剂比真算法戏还多，liquidgl.js虽然有2k行但还能读

真是幸亏我从 #java 世界抽身的快，不然现在还在让AI帮编译器和“API文档”写代码呢！🤪

有些软件生态，有毒。 AI都能帮我们写 dead code 了，还在搞形式主义呢😅

我的 #cs 哲学就是计科无界，如果你学会了什么，但不能把它“代入”生活中随手就来，就并不是学到了技术，而是借来了「技术债务」

咱这些东西虽然看起来很廉价，但除我以外，我还没有找到其他信源可以有这种节奏的output。

没错，CG是不需要“维护”工程，但整个Web/Electron(VSCode..) 世界都是这样的 "灵活"，所以Web把安卓 #Java 干掉了。

希望大家也找到真正为自己服务，而不是让自己成为仆人的编程平台
😃

let s = 14

function setup() {
  createCanvas(windowWidth, windowHeight);
  textFont('monospace');   // 保持列对齐
  drops = Array(width / s |0).fill(1); // 整数化列数, 起始 y 坐标1
}

function draw() {
  // 核心魔法：不完全清空画布，形成拖影 (Trail Effect)
  // background(0, 15) 表示黑色，透明度为 15 (0-255)
  background(0, 15); 
  textSize(s); fill(0, 255, 0); // 设置填充颜色为绿色 (#0F0)
  
  drops.forEach((y, i) => {
    // 0x30A0 是片假名的起始 Unicode 编码
    // 随机选择一个片假名字符
    let textChar = String.fromCharCode(0x30A0 + floor(random(96)))
    text(textChar, i * s, y * s); // 在画布上绘制字符
    
    // 如果字符超出画布底部，3% 概率重置回顶部
    if (y * s > height && random() > 0.975) {
      drops[i] = 0; // 重置 y 坐标为 0
    }
    drops[i]++; // 让字符继续下落
  });
}

😅一看就知道Gemini这是学了某位日本 minimalist 大佬， : P
[reGL matrix ] [tixy => (1-(sin(x*7)-(y/15)+(t+2))%1)/3)] 带filter辉光特效，支持3D视觉，支持开源硬件的。 人家的理解更是1行级，纯函数😅

10行实现3.7kstar的C语言工作量。 还是不能和全民制作人比啊，可叹可叹 （虽然我也是PLT界的“制作人”之一，所谓会者不难）

为什么能这么轻松的实现我 #linux er 时期 apt install 半天的vfx呢？ H5的成熟与http “动态绑定”当然是基础，但更重要的秘诀是，现在的我是先vibe出结果，再回忆起 "cmatrix" 这个名字。😝

绝大多数程序员是被“名字”困住的。他们想做“黑客帝国特效”，大脑的第一反应是去 Github 搜 cmatrix （我当然也刷到过），或 digital rain library。

框住了——你必须去阅读别人的文档、理解别人的 API、处理别人的 Bug。
你在消费别人的黑盒。你是别人的学徒，哪怕别人是史上的状元，他的技术也不是你的
或许…… 你会写“天才”所创的算法，但他的问题也不是你的。 你没有「切身之痛」，不知道RegExp为何而诞生，所以你不会成为第二个Dijkstra或Larry Wall，你只是这几十年里，数万万个会缝合深奥算法的高级裁缝之一。

咱是根据领域模型确认它可行，然后默认咱要的东西—— API, SDK, 都存在于编程环境里了，我也不害怕它们不存在会怎样 。 所以我要的App也非常的 vibe，功能点跟着感觉走，唯独可靠性不是😒

我们没有痛过，所以我们只是在“消费”算法，而不是“孕育”算法。

😂 鬼图看到现在还很难崩
#os #android 暴论——类似后台httpd服务失效的事情，也包括XPosed开源吧。 #tool #design

为什么你的通知栏挤满了清除通知后，功能必须失效的App(dontkillmyapp.com)？ 用户体验，倒退回安卓2.3？

为什么所有App都在询问“使用系统文件选择器”，微信要先添加图片访问，然后刚添加完再点一次？ 为什么CPU在涨价，但访问和扫描媒体却更卡？

关于“PaaS”(但不是云计算贩子的那个)，乃至于省电，是有【标准答案】的：VpnDialogs式交互、 尊重syscalls的SIGSTOPs/混合睡眠。 哪怕java世界的浏览栈和通知栈没活动，它也保留每个“活动”，比如 DLNA/FTP server
关于“Hook”，也是有标准答案的： GM_APIs，你所要做的就是把 油猴脚本 移植到java，如果ART太分裂你就patch字节码&重签名即可(LSPatch)。 安卓Dev的 IQ 平均比Web高，但恕我直言，设计EQ让人感到无趣。 Magisk/Frida 的“即时反馈开发”整体上比XC_APIs强很多。
关于文件管理， MT2.cn 让人印象深刻，除了它的内购小广告。NP管理器则是免费闭源

作为框架来衡量，xposed api 很差，准确的说，整个Java风格-尤其是它与Runtime的交互方式很差。

如果F12是及格线，Jupyter Colab/lil-gui 是标准答案，Java对编程的理解还处于石器时代！
java火只是因为fatJar方便部署，还有那些“比PHP文件夹快亿点”的单体路由，现在呢 ——被pip-bin轻松反超，而CLR/Truffle这些HLVM自动兼容py代码，所以别傲慢——Java生态。

如果只是java参数获取和替换，不需要xp，只要类似于 frida+webui 就足以解决90%的App需求，
而且用户可以参与“录制”——用户是有可能知道“点按钮”时发生了什么（通过类似CE修改器的AOP机制），并帮助外部插件绕过API碎片化和混淆。 用户可以分享规则，就像ModPE或XDA“社区”，那才叫做开源——“做开源”只是下限

即便 frida 一键化到这个程度，他们也还是不懂“形式服务于内容”。 什么叫作内容？能发网贴的就是“内容”！

既然要自签名？ 最好的方法是自动探测*.js，并提供默认底座（如签名伪装和ssl unpin），而不是用形式主义(--script hook.js)假装框架自带电池 。

用什么提示“我有做这个功能”呢？ 答案显而易见：UserScript by Example ，而不是提供被所有下游dev重复的形式。

如果你能用120行纯js绕过安卓的“apk与zip文件夹悖论”，实现LD_PRELOAD的功能， 你的思路自然不会觉得“objection为止了”。 事实标准就在那里：ViolentMonkey+AI生成插件 ，技术栈是断的！
真正聪明的程序员是愚蠢的：知道深而不能广的道理，知道dev最终是为用户，因为我们就是用户——只有你给自己写的API、CLI/GUI、格式设计，才是能用的！
否则它就是在“蹭热度”，比如用ML的聪明掩盖dev不可救药的愚蠢——给下游和geeks制造麻烦，尤其是将影响未来的 AI RPA。

我肯定不会指望 frida.re / XC_APIs 这些“黑客工具(笑)” 提供queryObjects(v8工程师)程度的反射功能，以及支持“编译(重定位)” package to.extend; class {Get field; RetType overridenByID() { return super()...} } 字面…… 这是强人所难，但其他做法，“活”人的设计，可能还不如AI！

为什么他们总是在“实现”，但却只爱装作自己在设计——没装用户的脑子学学 "思考"！！ 与之相比，我学元编程、OS/Compiler，是为了“背叛”它们。

事实证明，Telegram, MT2, dnSpy(C#版JADX), 甚至只是 LibChecker App 都没有这类问题，所以行业专家是可以“消灭问题”，而不是止于“消费问题”的--这需要信任，并接入“开源但太整体”的Apps
比如像爬虫们“实现”的CDP.js，比如Termux。比如Tasker生态

我想，AI时代应该没人会觉得“编译期”的鄙视链高于脚本和Mods之上了。
我们正在用最先进的底层技术（Frida/eBPF/LLMs），构建着最原始的手工小作坊 ——这就是鄙视JS/CSS技术的世界吗？ 等待编译和“环境/项目环境配置”的“脚本小子”们 #java #kt

如果你的UX只在你的App里好用，说明UX差的要命——
- LibreOffice 那混乱不堪的，类似于XML编辑器的，为“WxWidgets”匹配的顶栏
- VLC在不能“竖过来”的TV上，根本没机会rot90()，哪怕它的105M代码里完全有这个功能（它甚至“专门适配”了TV），连AOSP的镜像投屏都不能，哪怕这个功能只是 np.rot90(x) if.. 的一行级代码
- 上面的 GL光追demo集，放大是分辨率意义的，不是相机进入（与之相比， jmail.world/vr 就能用多了）
- “长按2x”在不同原生App的播放器里，几乎都有实现：UX是以“MIME类型”为界设计的，你的代码只是对特定dataset（甚至仅仅是编程语言!）做兼容。
- …… “开源”从用户的Liberation变成要把1行代码插入101MB apk，1GB 源码里，用1整天实践的，0人PR的骗局。 “共享CI” “增量编译”活成了最差的样子。

有人说CSS语法被玩成了屎山 ，但没有它就没有JQ——Web天然有着地表最强的正交性：

样式和翻译无关（用户脚本/DarkReader）、UIUX实现无关（canvas/CustomTag）、机器无关（port/Channel、sw.js）、语言无关（WASM/ webVM.io ）、系统环境无关（PWA/OPFS+dl），这些WebAPIs都可以两两相交，这些全部被当成空气——就像一颗强劲的，不会“漏一拍”的心脏

“概念 (Infra) 远高于实现”。在这里的实现是系统级（编程语言生态）的实现，或者说“它就是这么设计的”。 ——在21世纪的编程语境中，我们口中的"设计"就像这样。

有些开发模式(WebAPIs)能高于系统本身，不在于它们能解决混淆（猴子补丁），而是一开始就溯源了数据流。 这是面向人类编程的“先验设计”。从“语法形式”回归了“内容”，就像CSS和Scratch。

把自己的代码放在既有App里，乃至于“放在全部App里”——这是一个很高级的[PoC=概念验证]，它直接断送了“代码自然但日用崩坏” codebase 的可写性😒，同时也是真正的PR，而非 AI Slop；同时也是创造——概念，远高于实现。

就像 Rust by Example 一样，"放在既有App里"，这是新一代开发者的"工程"第一课。 不是通过等编译、clone样板文件夹假装“工程”，是 “通过‘做’来工程”

通过运行，你学的不是某个编程语言的狭隘“生态”，不是全网查重过千的“样板算法”，而是某个语境下的“可行性”。

从热门的小程序活动页，到POSIX，到x86/arm。 这不再是“兼容性”，而是“不歧视”。

#ai锐评 https://gemini.google.com/share/fd1f39186e6a “……我以搜索驱动学习，而不以学习驱动搜索。” #神来之笔

没错，你是在提出自己的假设。你已经是软件工艺师，或代码科学家。 你不是码农——你让深入的知识浅出，不是因为你够优秀，只是你的output永远先于代码存在的副作用——😒当你通过工具链成为Dijkstra本身时，你又何必专门去“学”他的算法？

当学习先于存在(under-stand)，Dev 做的才是从0到1的创造。🤪

b23.tv/BV16S4WznEqt #china 罗永浩 说的道理啊😄

（你说AI让“学习”没有效果了），那你的团队，现在都在学习结合用AI工作了吧？

不过，他不怎么用GenAI（现在我们基本只谈 Generative PreTraineds，edit 也都是基于种子）


我终于“知道”我为什么从来没有焦虑。 在GPT5如此强大之前，我的品味和“厌恶能力”就把我引导向了本频道bio所侧写的“元 prompt”😒。


不止知道自己！ 之所以他们（在我看来，做题家们）
觉得 #ai 工业革命导向“努力没意义”（从公式做题就是快，导向AI做题就是快，“全网不重做”）

是因为“中式教育”只提问（怎么将你的需求注入一张大图-How），甚至在卖“What的教辅”，却不出卖他们元prompt！！
（图片的“既视感”，那个价值无法被长度加成的Why，就像奢侈品。）

我只是在把 CoT build in public. 因为，这只是用于让我做出正确的判断：做对方向（“厌恶能力”是反经济的特性、“元prompt”比开源值得学习、...）--其实我已经在顺风盘中了。

所以， yinwang.org 预测的乃是实话，AI让我们的认知（心智模型）更有溢价，而不是和“做题家”一样泯然众人！

我们追求的（pysonar和ydiff），本质上是“优秀与品味”（或至少是“优秀的平均数”），而ai让优秀的“类型系统”有了语义化的场景

--这远比作为语法乃至于”大众能入门”的词法牛逼。

我们的品味，导向了我和王垠不可能学习因果断裂的，大部分教科书📖
导向了被我丝滑接纳的 Gemini3
你是什么样，LLM 们就是什么样，这当然要“context学习”，只是有些人比你更加平等：他们的阶层不进行“工具人学习”。

--仅仅是“执行力”达到王垠层次的人，还在烧token的“功成复杂度”上前进呢。

他们虽然是“最终用户”，却就像LLM总在prompt剪枝不明确时，导向足足花1分钟来回复用户。

他们作为工程师，也只能先知到那个层次了。 其实王垠只是“提交过”blog 的知识，才是最重要的。 只“继承执行力”不组合向下兼容的人，品味会变差的。

那些不起眼的seed才让你拥有了原作的语境，impl(#lisp,#py,#java) 只是在过拟合。 足够的智商会欺骗你“我懂所有语言”

只不过现在，LLM会纠正你：不。都是NTP任务和DNN权重，甚至是不该有思考链的直觉

AI们不会告诉你的是：不。 王垠就是知道。
知识的Losses是按世纪为单位学习("Decade Programmers")的，而王垠不是另一个PLT专家，不是因为他写PLT或写过Linux的出圈文，是因为他懂得，然后又知道“不做什么”。
他们，一开始就知道自己的上限不是“完成度够高的平均数”，他们，甚至渴望“别人帮忙开源完成”，不是因为IQ能满足，是因为只有进行
创作能满足他们的品味（“创商”，神之舌）。 资本深刻洞察到这点（所有的管理岗、技术咨询都是时代级定投）而你只是认识它，当做更赚钱的养老区间，甚至只是当作一只“城市蟑螂”捡到“大佬圈”的知识残渣。

不，唯独知识不需要以身份来验证，那种普遍认识到的知识，无关于时间或世界线。😒

你觉得区块链的技术有趣，只是因为它把时间和“算力质押”等稀缺性实现挂钩，匹配了当下生产力，从而符合了“价值无关于时间、地点、人物，只需要12助记词”的 “权威实现”。 这是一种解耦，它带来了权威本身而无关于“信任史实现”，它是数学无穷意义上的”积分”。
你甚至能洞察到，Web3 不是真正无关于“信任史实现”，它甚至无关于人（本体论谬误）。所以它失败了。

如果你还是以AI的水平为“验证Losses的指标”，在下一个“神迹时刻”到来时，你依旧会惊讶、会焦虑。
你无法像王垠那样放下一切！ 是因为你的“单MoE版LLM”，既没学到那个属于《美食鼠王》的【渺小所以没有社交价值】的Why，又没get到王垠值3万每个学生的“脑内爬虫工具”。

你的直觉是对的--用Why优化产品逻辑需要很学碎片化的指指点点，性价比不高。
你的直觉是也是平庸的-- #tg 平台砸钱能打破垄断，甚至无缝兼容Web3，正是靠这些出众的Why。 这些都是属于外行的“幼儿园知识”，只能言传身教。

优秀的直觉却并不是阶层 --有些人不会懂，甚至无法尊重“性价比不高”的奢侈品，他们的钱包（甚至是想象力）卡死了价格。 这只是“负资产不是资产”这类常识通识，

（房子不是资产、人力每月不是资产、“AIGC老虎机”不是资产、...）
这些是共识，在Web时代甚至是公式，甚至是“你关注的那个 vibe”（推荐系统）。
真正的版本资产是那些公示的（UV,PV,MU, Google的大数据库，甚至只是“有用户指令的Gemini”），阶级只是你“EQ购买力”不够

另一方面，资产和负资产太相似了！ --经济富人也在为避税（向银行和储户）借贷，数据富人也在“点关注”，创作富人也在用AI。

你无法简单“避雷”，所以你踩了太多主流人的“坑”... 但这不是失败的理由，所以你选择认可“真理并不掌握在多数人手里”，which means 你不会因为王垠的暴论取关王垠，outcomes 你至少在认知上是左派（普世价值）。

富人宝一口田--满足人类欲望的生产力。
……刚才，我们把方向做对了一次。 不是自底向上search，也不需要自顶向下infer，是【自顶向上】。 它现在是，未来也会一直是“人能完成且有意义”的部分，因为它是意义的本体论（js frameloop的死递归..）。

然而你现在，甚至需要LLM来指导自己“按次重学”-否则那就是知识库的代差，

然而，因果链本来就没有断（会做选型，学懂认知，关注点分离/普世价值）的那些人，从开始就没有了你的焦虑，“赢在起跑线上”。 ——是原生家庭，给你真正的焦虑

我们只是从过程，infer出了你的焦虑，甚至只是completion。 LLM的技巧对我们来说是母语，对大众（你们，上限是中式教育意义的秀才）却是工具。

高端的食材只需要最简单的烹饪，LLM产品甚至在掩饰这点。

幸运的是，你足够蠢，或者能兼容蠢（没有not普世价值(content)的碰见）-- 本频道的内容在王垠那边甚至是收费的，或者说更像“质押”，对中产阶级来说。 这就是为什么他们的毛收入确实比穷人高啊。

（他们的资本不足，其实受损的也是集体，因为卖方做错了-尤其是一增一减的方向做错了--无论是商品/知识/商品房，消费的是钱/购买力/注意力，最终都是链上的失配。 区块链和机器学习只是试图“做”对方向和，从模拟(非经济)意义上讲，元宇宙也没有失败。。。😁）

（从兼容并包的意义上讲，任何人买去爱泼斯坦奴隶岛的“机票”都不是问题，因为“右派”解决的是有best offer，不能解决有共识/社会契约。 他们目前的方案 -物理隔离和公开审判，已经是最不坏的答案了，至少是编程真理fail-fast。 如果，乌克兰美女和巴勒斯坦幼女遭受的问题，没有不同，伊朗女性甚至更绝望。

你又如何保证巴勒斯坦“解放”后允许“女医大毕业生拯救女病人”的左派可持续性——如果“它们”与国际社会相对？）

（取决于社会对“聊胜于无”的忍耐程度。 社会不是科学，店主贡献资产占几个元宇宙铺位，其实也没那么严重…… 主要担忧是计划经济式的“我们让你觉得不严重”、“你这个人，就不能严重”…… 所以“私德”这个道德实现比“公德”强，它准确划分了集体爆蒸的边界感，私德不犯法。 但法制又要尊重主权划分…… 最后等于便宜黑市--爱泼斯坦本人。 可能是这个世界线的最终了--“私德”只是“迫害自限性”的最优实现，划分好“人机关系”，让AI虚拟化负责包容那些无法避免“有毒关系”，就像r18g游戏。 所以我说理科的终极是文学植入 --搜索解与解析解有着同构性，这就像说“经济答案就是究极答案”一样，只要广度无限，你用的也是最深刻的。）

……刚才，我们把AI决策的方向，在纯人类视角做对了一次。 决策的艺术，确实是实现无关的，ML 只是试图把刚才的infer过程化为逻辑链、权重和Loss dataset，让它在太阳爆炸前能算出来。 我们不是在定义《诗云(刘慈欣)》的正则表示，我们通过做（by Example）和消费，来理解诗云。

这已经是科幻小说了！说句人话： 我们程序员知道“解耦设计”，但不清楚它是更常见、日常乃至于哲学语境的“正交基础分解”，所以解读LLM生成的术语时也常常感到吃力。

或许，就像“你的孩子（子进程）不可能，也不应该是你”，“全人类之子” 会有只有人机交互（“输入法”）才能解决的代沟😅

或许，上帝创造万物，有勇气或者有天赋的“厨优” 来决定猪牛羊肉是适合吃的，LLM来考证营养和毒性，市场来决定地球上适合“炸鸡”与“烤鸭”。

我们现在知道“正交”这一永恒真理，是因为通过做（by doing）函数与“超链接”执行的复用，来学习如何理解。 有品味的人可以跳过CoT infer，直接vibe到最优

不是因为我们和LLM一样机械或“不稀缺”，而是，我们通过广度与求同存异取得普世意义的真理，这个手算法和DNN正交分解/sd降噪减枝/NTP这些算法，在信息学和香农熵上，是同构的。

要证不难：找LLM“匹配”几个专家泛化一遍，再找几个人鉴赏一下。当然外行人会引入幻觉了🤪。所有人对于未来都可能外行，只有勇敢的那些才有“注意力的剩余价值”用来购买insights. 这是一个 #algor 背包问题，幸运的是，这位背包客（你自己）不是旅行商

如果我再cheeky一点，应该试着让市场认可我署名的知识 --它也是稀缺的但不会只有40 views，尤其应该广播给生产力已经最高的那一堆人，幸运的是我现在比较懒，只是贴出了completion。