交易所产品出身，写量化研究、交易所与 Web3、AI 工程和自托管的笔记，也写一些想清楚了的观点。
这篇写给阿尔茨海默病患者的家人，也适合想提前了解预防的人。内容按病程排列：预防、诊断、轻度、中度、重度，最后是家人陪伴和在国内就医的资源。家里老人现在处在哪个阶段，就直接跳到哪一节。
医学内容主要来自 OpenEvidence（面向美国医生的医学问答工具）检索到的临床指南、系统综述和随机对照试验，涉及国内药品和医保的部分另查了国内来源。每节末尾列了主要依据，完整文献见文末。
它帮你了解病情、准备和医生的沟通，不能替代医生的诊断和处方。用药、停药、做不做某项治疗，都要和主治医生商量后决定。
阿尔茨海默病从确诊到去世通常要 8–12 年，平均约 10 年，也有人能活 20 年。个体差异很大：发病时越年轻，越可能走完整个病程；年纪大的病人常在进入晚期之前就因其他疾病去世。走到晚期的病人，最常见的死因是吞咽障碍引起的吸入性肺炎。中国 2021 年的阿尔茨海默病及相关痴呆患者约 1699 万人（《中国阿尔茨海默病报告 2025》）。
病程一般分为轻、中、重三个阶段。下表的时长是文献里的大致范围，另一篇综述给出的数字更短：轻度约 3.5 年、中度约 2 年、重度约 1.3 年。
网上「跟伴侣讲道理为什么没用」「对方的思路到底是什么样的」这类问题很多，高赞回答带情绪的居多：先贴一个性别标签，再教一套应对手法。我把这些说法挨个往文献里对了一遍，对得上的留下，对不上的丢掉，丢掉的记在附录二。这篇回答两个问题：她开口的时候要的是什么，你自己能改的是什么。两条线贯穿全文——这一刻在发生什么，规矩是不是两边都算数。
这一节回答什么
能不能说「女性有一套不同的逻辑」。
看什么
一家私企的影响力大到开始影响国计民生，国家怎么管它的组织，怎么管它的利润，这些安排最后怎么传导到蛋糕分配。DeepSeek 会不会变成国企、支付宝和微信支付要不要像国企那样上缴利润，是这个问题的两个入口。
答案是都不会。国家对这类公司有另一套办法，不当股东，但把股东才有的两样东西管住：公司做什么由谁决定，利润怎么来、往哪去。这篇把这套办法拆开：国家自己是怎么划行业的，组织上怎么管，利润上怎么管，什么样的公司会遇到，最后用 2026 年 DeepSeek 的首轮融资和整个大模型行业对一遍，再看钱最后去了哪里。
国企只有一个定义：国家是出资人。国资委或财政部代表国家持股，利润归股东，国家有权分红。国企每年上缴的「国有资本收益」，法律性质就是股东分红，进国有资本经营预算，央企按行业分档，税后利润的 10% 到 25%。它不是税。
这两年很多人有同一个感觉：环境变差了，工作不好找了，手里的钱变少了。网上流传一篇口播稿，用明朝土地兼并的故事回答这个问题，说钱被资本拿走了、国家视而不见。那篇稿子里的数字我逐条查了原始出处，明朝的部分大半查不到，当代的部分有一半对不上，追不上的那些记在附录二里。它提的问题是对的，用历史做参照的形式也值得借。这篇是我自己对这个问题的回答。要说的是两件事：钱到底去了哪儿，以及为什么基层最先感觉到、最后才好转。两条线贯穿全文——钱停在哪一层不动，负担最后压在谁身上。
先把答案给出来，钱没有被谁拿走。它去了三个地方：一部分在房价里蒸发了，一部分在存款里冻住了，一部分变成顺差和产能出海了。三个去处都不流回基层，通缩把三条都放大，税基收缩之后的征缴又先落在基层头上。
这一节回答什么
痛感是不是真的，以及最直觉的那个答案——钱被资本拿走了——站不站得住。
今年 3 月霍尔木兹海峡被封，全球五分之一的石油过不来，投行的剧本是油价冲破 200 美元。结果峰值停在 118，8 月已经回到 80 多。8 月初看到一期口播稿，跟着美国博主 Max Fisher 的说法，把这归功于中国二季度「战术性不买油」，标题问「习近平刚刚救了全世界？」。这个问题我觉得值得认真想一遍：一个国家少买了几百万桶油，全球油价就稳住了，这件事是真的吗？如果是真的，它意味着什么？我把能查到的数据都查了一遍，下面是我的答案。
先把事实底座摆出来，这部分没有争议。
2 月 28 日美以空袭炸死哈梅内伊，3 月 2 日伊朗革命卫队宣布封峡。布伦特从 1 月 1 日的 61 美元涨到 3 月中的 118 到 120，实货一度报到 150。
「资本变形记」系列第一篇，全系列的论纲：交代方法，给出中心模型——购买力压力从哪里来、被什么吸收——以及它的政治面：压力有了，制度回应未必跟着来。篇末有系列目录。
本系列不预言资本主义灭亡，只预测它的变形轨迹。方法纪律：只给条件分支与可验证指标，不给精确日期；区分“延长线”与“强判断”；预先写好认输条款。
历史记录显示：资本主义从不按剧本死亡，它靠吸收攻击自己的力量而变形。央行制度、福利国家、劳动法，都是“灭亡预警”逼出来的防御性改革。因此有价值的预测不是“何时崩溃”，而是三件事：哪些趋势已在轨道上；关键分岔点在哪里；用什么指标验证。
判定主线是：机器产出如何回流为购买力。但这句话不是恒等式。“机器不领工资，所以工资—消费循环必然断裂”是初看成立、细看跳步的推理——本篇第三节把它展开成一个压力模型，全系列的可信度都押在这一节上。
我们习惯把历史的功劳交给少数人——半神、圣王、天才。这个系列把这个习惯拆开,问一句:历史到底是谁推动的。
三篇各占一个位置。第一篇从陶寺观象台这个考古案例入手,看我们为什么总忍不住把普通人的成就,归给一个并不存在的半神。第二篇拆「天才史观」——它看对了一件事(贡献确实极度不均),又看错了一件事(把这归成了少数天才带着大众走)。第三篇弄清「人民史观」到底在说什么,以及它最常被误解成的样子——它从来没有否认过英雄。
放在一起,是想回到那个朴素、但不容易守住的判断:承认成就来自无数普通人的积累,比把它交给半神或天才,既更接近真相,也更有力量。
缘起：在知乎刷到一个问题——《为什么我完全不相信「人民史观」？》。提问者的意思大致是：文明成果明明是牛顿、爱因斯坦这些人做出来的，凭什么说"人民创造历史"？底下吵得很热闹，双方都有像样的答案。我看完的感觉是：这场架吵得有点错位，值得把学术定义查清楚，回来给这场论战做个裁定。这篇是查证的结果。
提问者击破的是一个稻草人。他反驳的"人民史观"是"无名大众亲自发明一切文明成果"这个版本——但学术定义里根本没有这个主张。不过他也无意中踩中了一个真实的东西：官方话语里这套理论确实常被简化成口号式的"人民万岁"，他的逆反心理有现实土壤。真正的分歧不在理论对错，而在理论与其通俗版本之间的落差。
人民史观（学界更常用的词是"群众史观"）：以人民群众为历史主体、人民是推动历史前进的根本动力的历史观。它不是一个独立学说，而是唯物史观在"谁是历史创造者"这个问题上的结论——脱离唯物史观讲"人民"，就退化成空洞的道德口号；脱离人民讲"唯物"，就退化成无人称的经济决定论（李婉露《唯物主义人民史观的双重意蕴》，2022）。
tt.hn 跑在开源博客引擎 Jant 上,Docker 自托管在阿里云,数据库是 SQLite,数据完全自己掌控。
选 Jant 而不是传统博客,是因为它的内容模型更省心:不逼你「憋长文」,而是 Note(随手写)/ Link(转发带评注)/ Quote(摘录)三种轻量格式,用 Thread 追一个课题、用 Collection 做分类。它还带 HTTP API 和 MCP,所以开篇这些内容是直接调 API 灌进来的,不是手敲——发布走脚本而不是后台手填,内容因此可以版本化、可批量、可复现。
它也刻意不做社交:没有关注者、点赞、算法信息流,也没有评论。别人「关注」的方式是 RSS。对个人档案来说,这种安静反而是特性。
想用本地模型省订阅钱:在 LM Studio 里跑通义千问(Qwen),驱动一套白盒代码审计的自动化流程。结论是,走 Claude 能跑通并产出真实问题,而本地 Qwen 的瓶颈不在智力,在上下文(context)。
真实模式下,一个子任务 agent 去读 37 个文件的服务,输出直接撑爆约 131k 上下文,很早就崩。这和仓库总大小无关,拆分也救不了——单个子任务本身就装不下。而且上下文一大就慢。
配置上倒是全都能调通:思考模式(thinking)必须关(否则输出空、或格式不合规)、供应商走 lm_studio、上下文拉到 131k、温度 0.2。调通之后,经 LiteLLM(统一各家 API 的中间层)转发,能正确吐出 Anthropic 的工具调用(tool_use)结构。
过程里有两个错是判断上的失误,值得记一下:一是统计工具调用次数的正则写错了,一度误判「Qwen 根本不记录工具调用」,其实它调了 9 次;二是在第 111 轮就手动停掉、下了结论,后来发现连 Claude 也要到 100~150 轮才开始记录——停早了。两个都是「带着预期去看数据」的典型翻车。
一次关于无线输电的祛魅，以及特斯拉到底对在哪里
问题的起点很随意：都说尼古拉·特斯拉在长岛实现了远距离无线输电，是真的吗？
答案是没有。但沿着这个"没有"往下追，两个小时后我得到的东西比预期多得多——它最后拐回到了我真正想解决的问题：怎么消灭家里那一堆线。
这篇是过程记录。
「可公度法」声称能靠周期的整数比预测大事件。我搭了一个统一的证伪框架:同一个 Predictor,配三类零模型(锚点随机 / 比例随机 / 全随机)+ walk-forward + 预注册判定,先在合成数据上验证引擎本身(负控不出假阳性、正控有灵敏度,11 个测试全过)。
然后接真实数据。全球 M≥8 地震(USGS)、沪深 300 的顶底(15% ZigZag 标注)——在可公度法下,两者都不超过随机基线。用它做 A 股择时翻仓,入场点落在随机入场分布的第 3 百分位,没有经济价值。
有意思的是,可公度公式唯一稳定的不动点是周期 -2,而这个周期极容易被随机公式重现。也就是说,它「看起来有规律」的部分,恰恰是随机也能给出的部分。
框架里关键的一步,是先在合成数据上把引擎验干净,再拿真实数据去判。否则很难分清:是方法真的有效,还是把噪声看成了信号。
记录一次关于"如果交易所里全是 Agent 会怎样"的设计推演——过程、进展、和结论。
最初的想法很小：让 Agent 自动上币。让它去发现哪些标的值得上架、去接入、上架、铺单做市、发公告，然后用户就能开仓交易。一条现有的人工运营流水线，逐个环节换成 Agent。
但推下去我意识到，这只是 agent-assisted，不是 agent-native。前者是"用 Agent 替掉每个岗位的人"，天花板是降本增效；后者要问一个更狠的问题：如果这个交易所从第一行代码起就假设交互主体主要是 Agent 而非人，它的原语（primitives）会长什么样？
视角一反过来，很多为人类设计的中间层立刻变得冗余甚至有害。比如"上币"这件事本身可能就不该存在——人类需要一个"这个币现在能交易了"的离散事件、需要 K 线、需要公告；但 Agent 要的只是一个可定价、可对冲、有流动性来源的合约规格。上币于是从"运营决策"变成"流动性涌现"，做市 Agent 的竞争也不再只在价格上，而是在造什么合约上。
我给了 Claude 六个链接：dYdX 官方文档、两个 dYdX 论坛帖子（一个是 2023 年把最大资金费率从 0.75% 提到 4% 的 DIP 提案，一个是「做市商把成本转成收入」的讨论），一个 Google Doc，两个 Google Drive PDF。然后说了一句：
「继续以上文件链接，以及最新的发展方向，研究 CEX 的资金费率如何定义并演进优化更合适。」
就一句话。我想要的是一份严肃的研究报告——能覆盖币安（Binance）、欧易（OKX）、Bybit、Hyperliquid、GMX，能给出「最佳定义」，能提出未来 12–24 个月的优化方向，带公式推导，输出成 HTML。
最后拿到手的是一份 1231 行、14 个章节、10 个可落地优化提案的 HTML 报告。但过程和结论都不像我最初预期的那样。这篇不讲「我发现了什么」，讲「我是怎么发现的、错在哪、怎么被修正的」。
