This media is not supported in your browser
VIEW IN TELEGRAM
之前就觉得Comet这个Invitation card做得超级好看，没想到Aceternity UI很快就复刻了这个Comet Card组件，几乎1比1还原了！
🤔1🍓1
刚听完了罗永浩和叶国富的播客，主要就三部分内容，讲三个“如何”。
如何崛起？如何做ip？如何做超市？
名创优品崛起这部分讲的最好，对过往的总结很到位，在电商最攻城略地的年代，能把实体做好，顺风顺水，铺向全国，非常厉害。
我对名创最早的印象，是他们新中关的店铺，在海淀黄庄地铁口，位置很显眼。
logo看上去像优衣库，收银台背后写着“日本快时尚设计师品牌”，店里挂着个“三宅顺也”的海报，浓浓的日系风格，半土半洋。
但当时名创的东西非常物美价廉，考虑到所见即所得，价格又不比电商贵多少，很有竞争力。
当时的购物环境，哪怕是北京，好像也是默认711这种超市的商品，就应该比电商贵一倍，没啥危机感。
至于一些街头巷尾的小卖铺，价格更是黑的不行。哪个学校没有自己的“小黑”。
周遭环境的恶劣衬托下，这种优势是巨大的，名创今天可以走这么远，我一点也不意外。
第二个部分讲的是ip。
这部分叶老板有点语焉不详了，虽然篇幅也很长，但是没讲明白。
虽然不忌讳和泡泡玛特比较，还说“南有名创优品，北有泡泡玛特”。
但我觉得在一般消费者认知中，应该真没多少人把泡泡和名创来类比的，两者的用户心智差别挺大的。
一个是ip玩具/情绪价值店铺，一个是日用品快销店铺。泡泡如今的气质很特别，名创还真不像。
虽然名创也开始卖盲盒啥的，但感觉真的不一样。
可能是因为泡泡不卖日用品百货吧，这个“减法”造就了它的气质。
名创卖盲盒，难逃小卖铺卖奥特曼的感觉，改变用户心智，不太容易。
如果名创照搬泡泡，全力发展ip，减少百货日用品销售，那它还是名创吗？
这一部分没有听明白，也没讲清楚。
第三部分是讲永辉超市胖改店的。
我听完觉得叶老板的超市梦挺靠谱的，线下这些超市也只有这一条路可以走了。
早就应该改变卖货架的商业模式了，卖货架就像淘宝天猫卖流量一样，底层逻辑有问题，时间久了，肯定不行。
从卖货架转变成卖产品，学习山姆/Costco，从和用户利益冲突，变成站在用户利益思考问题，这是必然的。
不这样改变，只能是死路一条。
如何崛起？如何做ip？如何做超市？
名创优品崛起这部分讲的最好，对过往的总结很到位，在电商最攻城略地的年代，能把实体做好，顺风顺水，铺向全国，非常厉害。
我对名创最早的印象，是他们新中关的店铺，在海淀黄庄地铁口，位置很显眼。
logo看上去像优衣库，收银台背后写着“日本快时尚设计师品牌”，店里挂着个“三宅顺也”的海报，浓浓的日系风格，半土半洋。
但当时名创的东西非常物美价廉，考虑到所见即所得，价格又不比电商贵多少，很有竞争力。
当时的购物环境，哪怕是北京，好像也是默认711这种超市的商品，就应该比电商贵一倍，没啥危机感。
至于一些街头巷尾的小卖铺，价格更是黑的不行。哪个学校没有自己的“小黑”。
周遭环境的恶劣衬托下，这种优势是巨大的，名创今天可以走这么远，我一点也不意外。
第二个部分讲的是ip。
这部分叶老板有点语焉不详了，虽然篇幅也很长，但是没讲明白。
虽然不忌讳和泡泡玛特比较，还说“南有名创优品，北有泡泡玛特”。
但我觉得在一般消费者认知中，应该真没多少人把泡泡和名创来类比的，两者的用户心智差别挺大的。
一个是ip玩具/情绪价值店铺，一个是日用品快销店铺。泡泡如今的气质很特别，名创还真不像。
虽然名创也开始卖盲盒啥的，但感觉真的不一样。
可能是因为泡泡不卖日用品百货吧，这个“减法”造就了它的气质。
名创卖盲盒，难逃小卖铺卖奥特曼的感觉，改变用户心智，不太容易。
如果名创照搬泡泡，全力发展ip，减少百货日用品销售，那它还是名创吗？
这一部分没有听明白，也没讲清楚。
第三部分是讲永辉超市胖改店的。
我听完觉得叶老板的超市梦挺靠谱的，线下这些超市也只有这一条路可以走了。
早就应该改变卖货架的商业模式了，卖货架就像淘宝天猫卖流量一样，底层逻辑有问题，时间久了，肯定不行。
从卖货架转变成卖产品，学习山姆/Costco，从和用户利益冲突，变成站在用户利益思考问题，这是必然的。
不这样改变，只能是死路一条。
记得是 10 年前，我第一份实习工作，在恒生架构部做 JavaEE 框架。感谢老罗，团队还一起写了本书，一起做 tiny - 什么模版引擎、什么流程引擎这些
感觉就在昨天一样，感谢老罗，㊗️ 这几年创业的无代码 AI 智能体开发平台，继续大卖！
感觉就在昨天一样，感谢老罗，㊗️ 这几年创业的无代码 AI 智能体开发平台，继续大卖！
我现在回头看，那些真正走出来的个体，都不是最有资源的，也不是最聪明的。
他们的共同点只有一个：用商业的逻辑，一点一点经营自己。
他们能把一次合作变成长期关系，
能把一个内容变成一套产品，
能把零碎的时间变成复利的积累。
这不是套路，是思维方式。
他们的共同点只有一个：用商业的逻辑，一点一点经营自己。
他们能把一次合作变成长期关系，
能把一个内容变成一套产品，
能把零碎的时间变成复利的积累。
这不是套路，是思维方式。
我今天尝试了，不需要安装 Spec-kit，结合 AGENTS.md 也能实现部分 Spec 开发的方式。我用的 Codex，整个过程是这样的：
1. 用自然语言对话，与 AI 共同产出一个产品功能清单 PRODUCT.md。
2. 在这个清单的基础上，让 AI 生成一个分阶段实现的 PLAN.md。
3. 引用 PRODUCT.md 和 PLAN.md，让 AI 得到一个技术参考文档 TECH-REFER.md。
4. 根据如上所有文档，让 AI 提供一个分阶段，原子化的任务清单 TASK.md
然后 AGENTS.md 里添加一个规则，让 AI 记住自己的每一步修改：
## Change Tracking
- After any file modification in this repo, update `CHANGE.md` at the project root.
- For each change, include:
- Date (YYYY-MM-DD) and optional time
- Affected files/paths
- Action: Add | Modify | Delete
- Functions modified: list fully qualified function/method names; include signature when practical
- Short summary and expected impact
- Keep entries reverse‑chronological; group related changes under the same date.
- When opening a PR, ensure `CHANGE.md` includes that PR’s delta.
Example entry:
Date: 2025-01-01
Changes:
- Modify: Core/WindowManager.swift — Refactor layout calc for clarity.
- Add: Tests/LayoutTests.swift — Add tests for split algorithm.
Functions modified:
- WindowManager.applyLayout(_:to:screens:)
- LayoutEngine.splitRect(_:by:gap:)
Impact:
- Behavior unchanged; improved test coverage and readability.
然后再添加一个规则，让 AI 根据 TASK.md 来一步一步执行：
- 按“一个原子任务一次”的节奏推进，实现来自 `TASK.md` 的任务。
- 每完成一个原子任务：
- 立即在 `TASK.md` 中将对应条目标记为 `[x]`。
- 在 `CHANGE.md` 记录变更：包含日期、影响文件、修改/新增/删除，以及“Functions modified”。
- 若实现影响了用户体验或操作方式，优先在文档中以“用户操作”视角补充说明。
---
这种方式比起 Spec-kit 稍有不同的是，每完成一个任务，Codex 都会让你确认，然后进行下一步，不像 Spec-kit 里提供的命令这么自动化。
但是，这个方式可以比较好地管理每一个步骤的实现，你可以向 AI 反馈你发现它的实现中出现的问题。即时进行修正，这些操作记录都会记录到 CHANGE.md 这个文档里面。
然后有了 CHANGE.md 文档的存在，你可以放心调用不同的 LLM Coding 工具，在基于 CHANGE.md 里面的基础上进行修改。相当于拥有一个项目的记忆。
1. 用自然语言对话，与 AI 共同产出一个产品功能清单 PRODUCT.md。
2. 在这个清单的基础上，让 AI 生成一个分阶段实现的 PLAN.md。
3. 引用 PRODUCT.md 和 PLAN.md，让 AI 得到一个技术参考文档 TECH-REFER.md。
4. 根据如上所有文档，让 AI 提供一个分阶段，原子化的任务清单 TASK.md
然后 AGENTS.md 里添加一个规则，让 AI 记住自己的每一步修改：
## Change Tracking
- After any file modification in this repo, update `CHANGE.md` at the project root.
- For each change, include:
- Date (YYYY-MM-DD) and optional time
- Affected files/paths
- Action: Add | Modify | Delete
- Functions modified: list fully qualified function/method names; include signature when practical
- Short summary and expected impact
- Keep entries reverse‑chronological; group related changes under the same date.
- When opening a PR, ensure `CHANGE.md` includes that PR’s delta.
Example entry:
Date: 2025-01-01
Changes:
- Modify: Core/WindowManager.swift — Refactor layout calc for clarity.
- Add: Tests/LayoutTests.swift — Add tests for split algorithm.
Functions modified:
- WindowManager.applyLayout(_:to:screens:)
- LayoutEngine.splitRect(_:by:gap:)
Impact:
- Behavior unchanged; improved test coverage and readability.
然后再添加一个规则，让 AI 根据 TASK.md 来一步一步执行：
- 按“一个原子任务一次”的节奏推进，实现来自 `TASK.md` 的任务。
- 每完成一个原子任务：
- 立即在 `TASK.md` 中将对应条目标记为 `[x]`。
- 在 `CHANGE.md` 记录变更：包含日期、影响文件、修改/新增/删除，以及“Functions modified”。
- 若实现影响了用户体验或操作方式，优先在文档中以“用户操作”视角补充说明。
---
这种方式比起 Spec-kit 稍有不同的是，每完成一个任务，Codex 都会让你确认，然后进行下一步，不像 Spec-kit 里提供的命令这么自动化。
但是，这个方式可以比较好地管理每一个步骤的实现，你可以向 AI 反馈你发现它的实现中出现的问题。即时进行修正，这些操作记录都会记录到 CHANGE.md 这个文档里面。
然后有了 CHANGE.md 文档的存在，你可以放心调用不同的 LLM Coding 工具，在基于 CHANGE.md 里面的基础上进行修改。相当于拥有一个项目的记忆。
❤1🤔1
11 月11日，段永平向北京师范大学捐赠2.2亿元，此次捐赠源于其母亲彭建华是该校历史系毕业生的特殊联结，资金将用于理工综合体建设、学科发展及 “彭建华图书馆”“段永平学术云环” 两大标志性项目建设，延续了他 2011 年为该校设立贷学金的公益脉络；
今年10月底段永平还曾向江西水利电力大学捐 1 万股茅台股票（市值 1500 万元），设专项基金以分红奖教奖学，江西水利电力大学是段永平父母曾任教的 “父辈母校”。此外，2023年底段永平也曾向自己的母校浙江大学捐超10亿元支持“双一流”建设。
段永平的捐赠兼具亲情温度与战略规划，以父母关联院校为核心落点，既借 “彭建华图书馆” 等项目致敬亲情，又通过股票捐赠、长期学科支持实现公益可持续，成为企业家定向教育捐赠的典型范本。
大道还是非常厉害又非常睿智的一位企业家。
今年10月底段永平还曾向江西水利电力大学捐 1 万股茅台股票（市值 1500 万元），设专项基金以分红奖教奖学，江西水利电力大学是段永平父母曾任教的 “父辈母校”。此外，2023年底段永平也曾向自己的母校浙江大学捐超10亿元支持“双一流”建设。
段永平的捐赠兼具亲情温度与战略规划，以父母关联院校为核心落点，既借 “彭建华图书馆” 等项目致敬亲情，又通过股票捐赠、长期学科支持实现公益可持续，成为企业家定向教育捐赠的典型范本。
大道还是非常厉害又非常睿智的一位企业家。
❤1
不知道，现在主流平台，尤其是内容生态做的好的平台，对待 AI 生成内容的治理逻辑有没有跟上步伐。
AI 生成离谱内容。通过离谱内容，筛选出老年观众，然后针对性给受众卖保健品。
AI 生成离谱内容。通过离谱内容，筛选出老年观众，然后针对性给受众卖保健品。