大家网站的企业邮箱 都是用Cloudflare Mail转发的吗 还是别的渠道？

我现在用的是Cloudflare Mail，然后绑定到了我的一个Google账号下面 现在我想做邮件营销 不知道这样子会不会容易进谷歌的Spam？ 我主动发邮件给用户的时候

年初的时候就和在某公司工作的朋友们说，收入下跌是滞后于流量下跌两个周期的，等收入下跌显现，你跑都来不及。

到今天他们才表示，你怎么知道的。

问题是，这除了自欺欺人的人，谁能不知道呢。

对了，年初那些被内斗和背差绩效不得不走的，都去了更合适的地方，拿着更好的收入。

再次论证了，早死早投生原理。

很多播客，尤其欧美的播客是没必要听的。如以前说过的，欧美思维模式里最优秀的形式逻辑和论证，而结论是什么玩意不重要。尤其是近年来政治正确十分夸张，结论都会由于这类原因非常的偏。

而播客这种题材，本身就是贯口，没有论证和思维过程，相当于只能听到最没营养甚至大多数有毒的观点。像是在💩堆里面挑金针菇或者玉米粒，然后再津津乐道，今天又学到了。

不对对方本人有深度理解和所处文化环境和人生处境的理解，是很难听懂对方的潜台词和话中意的，想想，这比找金针菇可难多了。

中国文化特点就刚好相反，流传千年的文化精髓，是一点靠谱论证都没有，只剩下一些检验千年的结论。

这个大众不想要过程，只想要答案，思想不耐受，没法悬置判断，也是一脉相承的。

只是，千年结论这一挂也有两个坑，一个是话只说一半，剩下的要你自己品。另一个坑是，正话反说，不然就被阻断流传了。

各有各的离大谱。

最近升级 Dokploy 的朋友会遇到一个大坑：GitHub Actons 构建完成了，但是 Dokploy 却没有拉到镜像，网站无法完成更新。

解决这个问题只需要多做一个步骤：按照截图添加 Webhook URL，然后废弃掉工作流 yml 文件触发 Webhook 的步骤。

这是v0.25.10更新的一个break change，官方文档还没更新，AI还真不一定能帮你解决。
我折腾了半天才想起来看 GitHub issues，果然作者已经在 issues 里解答了。

最新最全的 Dokploy 部署步骤请看这里👉https://nexty.dev/zh/docs/start-project/dokploy

为什么“电”被发明后，工厂并没有立刻爆发式增长？

在电力普及之前，工厂的动力源是一台巨大的中央蒸汽机。

此时，动力必须通过一根贯穿整个厂房的巨大主轴（长轴），再通过无数的皮带、滑轮传递到每一台机器上。

这意味着机器必须沿着主轴排布，不能根据“生产工序”排布。

当电动机刚被发明时，工厂主们只是把那台大的蒸汽机换成了一台大的电动机。

结果是工厂里依然保留了复杂的长轴和皮带系统。

在这种布局下，传动系统的能量损耗依然巨大，工厂的流程依然僵化。

因此，在电气化开始的最初20-30年里，生产率数据几乎没有波动。

直到新一代的工程师意识到，电力的真正优势在于“动力可分割”。

他们取消了中央大电机，给每台机器装上一个小电机

工厂把为了适应蒸汽机而设计的“长轴传动”布局，改成了适应电机的“单元化”布局

生产关系发生了调整，组织被重构：

1、去中心化： 机器可以随意摆放，不需要再围着主轴转。

2、流水线诞生： 机器终于可以按照产品的生产流程（从A工序到B工序）排成一条直线（福特流水线的基础）
机器开始按照生产流程摆放！

3、建筑改变：
工厂变成了单层的大平层，便于物料流转，屋顶可以开天窗采光（以前全是传动轴挡着光）。

采光好让工人的废品率和事故率大幅下降。
工厂不需要加固天花板来吊挂沉重的传动轴，建厂成本直接降低，可以快速扩张。

1919-1929年，“单元化驱动”开始普及，工厂布局重构。

这十年间，美国制造业生产率的年增长率飙升到了 5% 以上（之前不到 1.5%）

用了两天 opus4.5 ，真的太爽了，没降智，速度快不会超时

记得很多年前，我还是个产品萌新，YJ 老师给我说：“你的观点很好，但是距离一个产品结论，还有很多工作需要做，产品是一个严谨的工作。”

而那时候，我听了之后，回复的是 500 字的反驳。

哈哈哈哈哈哈哈哈哈哈哈哈哈，谁年轻时候，没傻逼过呢。

想想十年过去了。

今天是感恩节
科技行业发生了很多事

投中年会
36氪wise大会
夸克眼镜发布
以及
@刘的旌 老师新项目上线
😎

研究了Zoho一个下午，没想通我为啥要从Cloudflare Email 移到这上面来，还花了150的年费😅 真该给自己一巴掌

的确
大家喜欢去岛国
有相当一部分原因是
来自超棒的购物体验
我们如此的追求效率和速度
不仅没有创业价值
（起码几个平台财报来看）
还让整个社会慢慢进入机械节奏
如何改变现状呢🤔

我日常可以说是AI深度研究模式的深度使用患者（国内用豆包、kimi、千问、DP，国外主要用Grok专家模式），不给喂任何非公开数据的情况下，国内AI让它直接开始做深度行业研究，结论跟真实数据可以说能差一个银河，歪果AI好一点，但也能差一个太阳系 —— 如果真的招一个硕士或博士生，同样不喂非公开数据，直接根据公开数据研究给报告，结果不会差的这么离谱 —— 所以本质上大语言模型在复杂推理和论证上还比不上真的受过高等教育的人类，所谓的AI已经可以替代博士、硕士生根本是扯淡，替代本科生都难（即便例如金融行业用AI替代初级研究员也有两个前提，大量喂私库数据的前提下，还得有研究员花大量时间校准检验结果） —— 至少目前是 。而且，一旦你拥有非公开的行业数据/信息/技能，按照目前AI的发展速度，你根本不用担心会不会被AI替代的问题