普通视图

发现新文章,点击刷新页面。
今天 — 2026年1月19日首页

My App Defaults 2025

作者 陈仓颉
2026年1月19日 16:52

不知不觉一年过去。老样子,以下是过去一年的常用应用,明年此时继续更新。

📨 Mail Client: 仍然使用所有邮箱的网页端,移动端使用官方 App。
📮 Mail Server: 同上。
📝 Notes: Obsidian 是主力笔记软件和数字花园发布站点,Trilium Notes 是 Daily Journal 记录软件,不再使用 Notion 和 AnyType。
✅ To-Do: 我的待办事项记录在 Obsidian 内。
📷 iPhone Android Photo Shooting: 使用 vivo X200 Pro 系统自带相机。
🟦 Photo Management: 本地硬盘、OneDrive 和 Google Photos。
📆 Calendar: PC 端和移动端均使用系统默认日历,稍微涉及 Trilium Notes 中的日历模块。
📁 Cloud File Storage: 使用 OneDrive、Google Drive、夸克云盘、InifiniCLOUD、阿里云 OSS 以及一部分 Kodbox 自建存储,不再使用百度网盘和阿里云盘。
📖 RSS: 没有使用 RSS 订阅工具(一位智者曾经说过,你不需要 RSS 订阅工具),短暂试用过 folo。去年 folo 开发团队发生过一些事件。
🙍🏻‍♂️ Contacts: 使用系统自带联系人应用。
🌐 Browser: Windows 下主要使用 Chrome,Bazzite OS 下使用 Firefox,移动端使用 Chrome 和夸克浏览器。
💬 Chat: 微信、QQ、Telegram 以及一些不以即时通讯为目的的社交应用。
🤖 AI Model: Gemini 3,ChatGPT,DeepSeek,偶尔使用豆包、Kimi 和 Grok。
🔖 Bookmarks: 已经把所有书签和待读清单记录到 Obsidian 内,专门有一页记录。
📑 Read It Later: 如上。
📜 Word Processing: 写作工具主要是 Obsidian,极端情况下使用 Notepad– 和记事本,以及手机自带原子笔记。
📈 Spreadsheets: Microsoft Excel 和 Google Sheets。
📊 Presentations: Microsoft Powerpoint。
🛒 Shopping Lists: WPS 和原子笔记。
🍴 Meal Planning: 不会做饭。
💰 Budgeting and Personal Finance: Google Sheets。曾经尝试过 Notion、思源笔记等等,最后发现还是原始工具最好用,返璞归真。
📰 News: IT之家、微博新闻、公众号订阅、X。不再使用即刻。
🎵 Music: Apple Music 和 QQ音乐。
🎤 Podcasts: 不听播客。
🔐 Password Management: 脑子。

以下是小胡文章中提到的 extra categories 部分:

✈ VPN: PC 端使用 Clash Verge Rev,移动端使用 Clash Meta For Android
😘 Blog Platform: WordPress。考虑要不要换平台。
⌨ Text input: PC 端 Windows 下使用系统自带微软输入法小鹤双拼,Bazzite OS 下使用 Fcitx 5,移动端使用 Gboard 和 vivo 输入法 Pro。
📖 Translation app: Google 翻译和 DeepL 翻译,偶尔借助大语言模型翻译。
📚 Reading app: 主力是微信读书,辅助 Anx Reader 和实体书。
🔧 Screenshot app: PC 端和移动端均使用系统自带截图软件。
🌁 Image Hosting: 阿里云 OSS。
☁ VPS Hosting: 老薛主机CloudCone,2025年多了驰讯Vultr。(老薛和 Vultr 是我的 aff 链接,CLoudCone 是小胡的 aff 链接,驰讯没有 aff)

最后再骂一句,微信真是一年比一年屎,又不得不用。张小龙的傲慢迟早把自己反噬。钉钉也一样,移动端的 AI 入口至今不能关闭,就是放着恶心你。

Zotero7知网文献导入报错“改为尝试用 DOI 保存”、GB 7714-2015样式下英文作者出现汉字“等”、期刊带OL的解决记录

作者 52txr
2026年1月19日 15:53

AI 摘要: 本文详细记录了在Zotero 7中解决中文文献管理常见问题的完整方案。针对从知网导入文献时出现“改为尝试用 DOI 保存”的报错,提供了通过安装并配置“茉莉花”插件、更新转换器及重置浏览器扩展转换器的具体步骤。同时,文章还解决了在使用GB 7714-2015引用样式时,英文文献作者后错误显示“等”而非“et al.”,以及期刊文献被误标为“OL”(网络资源)等问题,并推荐了优化后的引用样式文件。文中包含详细的图文操作指南、插件下载地址以及用于批量修正语言字段的JavaScript脚本,旨在帮助用户高效、准确地管理中文文献,提升Zotero在中文写作环境下的使用体验。

[...]

美国律师为什么还没被Ai打败

2026年1月19日 12:30

今天早上刷 HN 论坛的时候,在首页看到一篇文章,标题是《“60% of Legal Searches Now End Without a Click. Here’s What That Means for Your Firm.”》(60%的法律搜索已经不贡献点击次数),虽然说的是美国搜索引擎的情况,但国内的其实也差不多,也就是目前网络上超过 60% 的法律相关问题搜索,不再产生任何网页点击效果。用户在搜索结果页,或者在搜索引擎内置的 Ai 总结里,就已经完成信息获取,甚至完成了决策。文章判断,到 2026 年中,这个比例可能会上升到 70%–80%。

搜索引擎结果
搜索引擎结果

夸张的搜索引擎广告价格

前边提到这类文章标题,在 HN 上其实并不少见。近年来,关于搜索失效、SEO 崩塌、内容创作者被平台“白嫖”等话题早就被反复讨论过。但讲实在的,作为一个 IT从业者为主的技术论坛,这种法律行业的问题倒是少见,更加让我感到惊讶的是,文中对目前法律行业搜索竞价的数据。

文章提到,虽然目前法律行业引流效果整体下降,但是广告成本却急剧上升,在 Google 上,2025 年一条“人身伤害律师”的广告结果,每次点击费用比 2021 年高出 568%,像“拉斯维加斯人身伤害律师”这种特定地域范围的搜索结果,每次点击费用居然高达 500 美元,甚至很多法律关键词搜索结果点击费用已突破 1000 美元

如果只是看到“点击费用 500 美元、1000 美元”,其实还停留在一个比较抽象的层面。真正把这件事想明白,还得顺着常见的转化路径往下算一算。

以法律行业最常见的搜索广告模型来看,从点击广告 到留下联系方式,再 到实际成案,中间至少要经过两到三道筛选。即便按照比较乐观的行业经验来估算,搜索广告的点击到有效咨询转化率,通常也就在 5% 左右,很多时候甚至更低;而从有效咨询再到真正签约成案,往往还要再打一个折,10% 已经算是表现不错的水平。

也就是说,在一个相对理想的情况下,大概需要 20 次点击,才能换来 1 次有效咨询;而要从这些咨询中真正转化出一个付费客户,往往需要 5 到 10 次咨询。如果把这些数字连在一起看,律所需要获取到一个真实客户,背后可能需要 100~200 次广告点击。

在点击费用已经突破 500 美元的前提下,这意味着什么,其实已经不需要太多解释了。哪怕只按 100 次点击来算,一个客户的纯获客成本,就已经到了 5 万美元量级;如果按更保守的 150~200 次点击计算,获客成本甚至可能逼近 10 万美元。这还不包括律师的时间成本、律所的固定支出、案件失败的风险,以及大量最终无法成案的无效咨询。

算到这里,我也不好再说啥了,只能说,有钱任性。这么贵获客成本,在中国真是完全无法想象。

短视频可能是法律行业目前唯一的救命稻草

正是看到美国这种网络广告投放价格,让我突然想起,这几年国内律师同行大规模进入“短视频”领域的现象。

毫无疑问,与文字类信息相比,短视频在当前 Ai 发展中带有显著的“护城河”效果。一方面,短视频不用担心被 Ai 当作“养料” 成为 Ai 背后数据库中冰冷的代码,只有 Ai 能提取并展示,而潜在客户几乎很难看到;另一方面,短视频平台往往将视频资源当成自己最宝贵的资产,很难共享出来,让别的 Ai 获取;最后,在技术方面,目前的 Ai 还没有强大到能将视频信息全部消化进自己的数据库中,最多只能做到将视频中部分摘要、描述、字幕信息,或者语言转文字的信息搜集进去。

当然,从现在回过头去总结短视频这种能对抗 Ai 的特质,可能有点“事后诸葛亮”的味道,毕竟几年前大量律师进入短视频的关口,Ai 还没憋到能实用的地步,只能说是大家阴错阳差选择了这条赛道,刚好这条赛道又能避免前边提到搜索引擎过渡到 Ai 过程中的问题,或许也算另一种“运气”,或者“弯道超车”。

短视频本身并不是一个更高效的工具,但在当下 Ai 发展的过程中,确实体现出更加独特的价值。当用户不再点开网页、不再浏览律所官网、不再通过关键词进行主动比较,整个信息获取的逻辑,就已经 从“用户主动找律师”,变成了“律师能不能被用户刷到”

在搜索时代,用户往往是先有明确需求,再寻找解决方案,但如今,这个生态位已经被 Ai 对话占据,在 Ai 对话模式中,几乎不可能再给律所、律师直接引流。而在短视频平台上,用户都是在碎片化时间中,无意识的刷来刷去,当刷到某个律师符合自己“三观”,可能会顺手点个红心、点个关注,由此成为律师的潜在客户。愿意完整观看视频、主动关注或留言的用户,本身已经经过筛选,咨询的有效性更高、无效咨询更少。

当然,这里我主要讨论的还是“线上获客”方式,至于律师行业传统的线下获客、客户维护则不在本文探讨范围。

美国律师行业为什么还没有被 Ai 打败

短视频虽是中国律师的救命稻草,但对美国律师也不是没有启发,搜索发现,美国律师进入到 Tiktok 的情况也在加速。可以说,大家都认识到,当 Ai 开始直接提供法律总结、合同生成、案件分析等服务时,传统律师的部分核心价值正在被削减。原本依赖专业知识和检索能力的差异化竞争优势,正被 Ai 的规模化处理能力迅速压缩。

换句话说,律师行业最核心的“信息不对称”护城河,正在被 Ai 侵蚀。不仅是知识不对称的问题,也包括信息渠道。对于美国法律界而言,虽然高价案件可能短期仍保有人工优势,但对于普通民事或劳动纠纷而言,Ai 提供的自动化解决方案也已经能够覆盖很大部分需求。

从中美对比来看,中国每年大约有 4000 万诉讼执行案件,美国大概也是这么多(美国法院每年总共 8000 多万案件,其中一半是交通罚款),但在产值上,中国法律行业产值只有 2000 亿人民币 (全行业产值,除了诉讼还有非诉部分);而美国法律行业产值高达 1.5 万亿美元,(约 10 万亿人民币) 。这也意味着,美国法律服务行业确实有挥霍的资本,平均每个诉讼成本可能达到 3 万美元,拿出一部分拿来投广告引流,确实不算啥。

今天早上,国家统计局公布了 2025 年中国 GDP 数据,虽然比美国 GDP 仍少了接近 10 万亿美元,但差距主要就是像法律成本这样的服务价格上。按照日常消费对比,包括汽车、家电、服装、建材、粮食、肉蛋奶、油气、电力、物流、客流等领域,中国的绝对消费量都远胜于美国。然而,美国教育、医疗、法律等服务行业的高昂成本,使得其 GDP 高出中国一截。其中,光是医疗行业就贡献了约 5 万亿美元 GDP,而同期中国医疗成本约为美国的 1/4,法律成本按照上边算出来,更是只有美国的 1/50

换句话说,美国 GDP 之高,并非因为消费更旺盛,而是服务成本极高,尤其是在法律、医疗、教育等高端专业服务领域。这也就是美国法律行业投放网络广告时,哪怕高到“1000美元”一个点击,都能玩的下去的根本原因。相比之下,中国法律服务市场早就“用脚投票”,选择了成本更低的“短视频”模式,毕竟,中国法律事务的单价更低,用户付费意愿也有限,甚至于很多时候,都是政府在补贴公益性的法律服务,高昂的网络渠道成本几乎无法支撑普通律师获客。

从全球视角看,中美两国法律服务市场的差异,实际上不仅是行业结构和价格水平的差异,更反映了Ai 介入后不同市场承受能力的差异。美国高价模式可以容忍 Ai 分流部分业务而整体利润仍可维持,而中国市场的高性价比模式,在 Ai 截流和搜索失效双重作用下,传统获客模式已几乎被彻底打破。短视频,或者说任何可以直接触达用户的内容渠道,成为中小律所最后能够抓住的机会。

美国律师还能坚持多久?

虽然目前来看,美国律师行业还能靠高收费撑着,但 Ai 的介入已经在悄然改变游戏规则。讲白了,就美国法律行业这种畸形获客模式,很难不被终端用户所质疑,而法律服务的价格体系更是容易在 Ai 解构下,打回原形。目前来说,虽然美国律师还没有被 Ai 打败,但从趋势上看,也只是时间问题而已。不过,话说回来,能被 Ai 打败的又何止是一个法律行业。当美国那些虚高的服务业因为信息不对称被 Ai 击穿后,GDP 数字作为头号强国的最大一块遮羞布,可能很快就被扯下来了。

昨天 — 2026年1月18日首页

背词计划(无刺有词)

2026年1月18日 22:34
ImageHi,各位! 久违的Flag贴更新啦! 上次更新Flag其实是在刚上高中的时候,但因为种种原因未能坚持下去(为了毁尸灭迹博主已经删掉了2333) 但就在近日做英语卷子的时候,博主发现自己的词汇量还是过于感人了(初中的1600都没好好背,笑死),没办法,就只能在此立下Flag,每日更新,以昭信守。 话

Image

接码平台 SMS-Activate 余额可以转移到新平台使用,截止日期:2026年1月29日

2026年1月18日 21:37
前些天,邮箱里收到一封来自 SMS-Activate 停止运营的邮件。 当我点开这封邮件时,一下子就被震惊到了。这个看着既熟悉又陌生的平台,终究还是倒下了。 时间可追溯到三年前,也就是 2022 年 12 月 8 日,此时,正是 OpenAI再次点燃了 AI 这把火,而当时身在国内的你我,想要把玩上线不到一周便突破 100 万用户的生成式对话 AI(ChatGPT),SMS-Activate便成了大多人的`接码平台了。 OpenAI重燃 AI这把火,让全球为之狂欢至今。虽然国内呈现出百模乱战的怪象,但用户总是会在这种怪象下耗些羊毛。 也许是 AI的爆火,给SMS-Activate带来了冲击;还是竞品,分了SMS-Activate那份本该不大的蛋糕呢?没谁能说得清楚,天知道呢! 看完了邮件,便立即登录SMS-Activate平台,把余额提取出来。毕竟那封邮件说明了,提现截止日期为2026年1月29日。 可当我还是以三年前的链接进行访问SMS-Activate平台,却跳转到sms-activate.ru,不用怀疑,这就是该平台的官方域名。 然而,我满怀热情的将鼠标移入头像处,并点击它时,在头像下方弹出的下拉菜单中,点击提款文字按钮后,随后又弹出了一个modal确认框。 从确认框中可以看出,提款最低金额得是$30啊!很显然,我是不符合该提款条件。 相信大部分人也是不符合该条件吧!都是即充即用的。 既然达不到该平台的提款要求,那么还能怎么办?凉拌,就算给平台饯行吧! 若账号长时间没有登陆,会出现下图这般的提示,并由用户确认在邮件中确认账户身份信息。 打开邮件,点击确认按钮,会在浏览器新开一个标签页。 可是,却出现了神奇的一幕啊!我当时又被震惊了,难不成网络卡顿了(此刻,不禁联想到前段时间,老罗吐槽电信宽带的事情。面对网络卡顿的情况,口中呼出了一口浊气,叹了口气!) 然而,在我以为网络卡顿的同时,刷新了该链接好多次,闪现在我眼前的画面,始终如一,未曾改变! 可当我拿起水杯,喝了一口茶时,猛然间,联想到这个sms-activate.io域名DNS解析不了,难不成是sms-activate.ru。 果不其然,修改了用户确认链接后,直接跳转到该平台的首页,并弹出了一个提款资金或转移资金到新平台的modal确认框。 我这个账户,提款是不可能的了,那么就剩转移资金到新平台这条路了。 无论是提款,抑或转移资金,都需要2FA验证。关于什么是2FA验证,这里就不赘述了,毕竟不是本文的重点。 想必大伙都有过对github账户的2FA验证经验吧! 先把这个modal框关闭,去个人中心把2FA开启。 鼠标移入头像处,点击它,在出现的下拉框里,点击总览文字链接。 然而,出乎意料的一幕出现了,什么?怎么出现了404?这是怎么了?此刻,我再次被该平台给震惊到了,很是无语…… 可当我去除了/cn之后,神奇的一幕又出现了! 随后,我点击了启用双因素验证按钮。 我打开了手机的验证器应用,并扫码了。 填入邮箱验证码,以及验证器临时验证码后,点击添加双因素验证按钮。 随后,便会看到我的账户已开启了双因素验证。 现在,可以回到首页了。 在弹出的modal确认框中,依次填入邮箱验证码,以及验证器临时验证码,之后便点击获取促销代码按钮。 将该促销代码复制到某个地方。 之后,我来到了由sms-activate首页提供的新平台。 目前,我这个新账户没有余额。 我点击了头像,在出现的下拉菜单中,点击Redeem Promcode文字按钮。 在弹出的modal确认框中,黏贴我刚才在sms-activate平台上获取到的促销代码,黏贴好了,就可以点击Redeem按钮,完成从SMS-Activate平台上余额转移到hero-sms.com平台上。 当我刷新hero-sms这个新平台后,看到了我这个账户余额已不再是$0了。 当我再次回到sms-activate平台时,我那个账户的余额已变回了$0。 如果,你看到了,还没有把你的SMS-Activate平台上余额进行转移,那么,请尽快转移吧!留给SMS-Activate用户的时间不多了! 若你没有SMS-Activate平台账户,那么,你就当看个热闹……

【睡前消息1007】我研究官场——马督工对谈聂辉华(下)

2026年1月18日 18:00

识别语言:中文

大家好,欢迎收看第1007期睡前消息,请静静介绍话题。

静静:本期节目我们邀请到了中国人民大学经济学院聂辉华教授,深入聊聊他多年来对官场、政商关系的研究,以及他给当代青年人的具体建议。

一、 给年轻人的六条建议与经济预期


督工:很高兴今天能够采访聂教授,终于到了我的同龄人也开始主导学术研究的时代。

聂辉华:如果你从底层往上看,如果你想理解中国过去的变迁到现在的演变的话,你会发现越往下,非正式制度越重要,越往下一个是不完全契约。越往上,正式制度越重要,越往上更接近一个完全契约。至少在地级市跟县级这两个级别,中国的行政单位呢,可能不宜用一个标准的块去衡量了。是城市的政治地位决定了它的经济地位。如果地方没有制定政策的权利,谁也不可能搞创新。但是,如果上级不去协调,这个创新扩散速度呢可能就相对慢一些。既要让它有创新,但是同时经过评测之后,应该是强行地推广。数字时代基层治理确实会朝着上级越来越多的集权、下级自主权限越来越少的这样一个方向发展。当然这是有利有弊的。中国当前的创新环境符不符合您说的清晰而有边界这个标准的?虽然我是研究政商关系的,我也不认为政府在所有的阶段都偏袒企业是一件好事。所以我觉得普通人应该掌握这几个:一个是成本收益分析,第二是博弈的思维,第三个是一般均衡思维。

督工:您前几年在自己的媒体上给年轻人提过一个非常具体的建议,是:降低预期,提高技能,锻炼身体,珍惜时间,学好英语,多看历史。在B站我看很多人也会流传这句话。我想问一下,这几句话具体您能做个解释吗?您说降低预期,怎么降到什么水平?

聂辉华:首先你问了一个好问题,因为很多人只是在传诵我的这六句话,并没有问具体的内容,所以借这个机会我要给大家解释一下。我说的降低预期,主要是在经济增长方面。就是过去三四十年,我们经历了世界上罕见的中高速经济增长,这样的增长理论上讲是不可能持续很长时间的。因为人类历史上从来没有这么大的一个经济体能够持续增长40年以上。如果说第一大经济奇迹是工业革命的话,那第二大经济奇迹就是中国的高速增长,这是很难的。我当然并不是说不可能。所以如果高速增长不能够维持,回到一个中低速增长的区间,那很多的事情,很多的资源配置就完全变了,底层逻辑就变了。这个预期很多人可能不一定能接受。你在2020年之前一直预测房价会涨,可是后来房价开始下降了,你能不能接受呢?如果房价降到了2012年之前,你能不能接受呢?过去的很多的资源配置,我们的预期,我们的职业规划,都是锚定了高速增长这样一个前景的。我这里说的降低预期,主要是指降低对于高速增长的预期,降低对于收入线性增长的预期,回到平均水平。

聂辉华:其实像美国这样的大国,过去100年都是小步快跑,每年1%、2%左右。但是如果能增长100年,那相当了不起了。

督工:很多银行已经开始取消五年期的这种定期存款了,银行已经在主动降预期了。如果是个人从就业来说,比如8%的经济增长和未来3%的经济增长有什么区别?

聂辉华:区别太大了。8%的增长,几乎人人都能找到工作。我2001年毕业,我们班没有人找不到工作。但是现在谁敢这么说?不敢。我为什么说GDP增长是一个锚?因为它会影响所有的事情。这个锚变了,所有的都要改变。经济增长速度从8%变成5%,那可能有30%的人就找不到工作,每个人都可能是那30%啊。所以换句话说,既然你收入可能不确定,那就意味着你买房不确定,结婚不确定,养孩子不确定,全都是不确定的。所有的预期都要通通打折。这个影响太巨大了。

督工:我昨天还看到一个新闻,林毅夫说经济增长中国应该还有8%的潜力,而且是中长期的潜力。您觉得他这个说法您赞同吗?

聂辉华:他当然可以这么说,可是这样没有意义。为什么呢?第一,潜力是不可证伪的。你达到了,他会说你看我说的对吧;你没达到,我说的潜力啊,换句话说你没法证明他是错的。我建议大家一定要区分两类观点:一类是可证伪的观点,一类是不可证伪的观点。不可证伪的观点,按照波普尔的说法,就不是科学的命题。不是科学的命题,不要花时间去讨论它、争论它,甚至为此吵架,完全不值得。他可以这么说,没关系,但是没有意义。当然,往好的方面讲,他给大家一个信心,连著名经济学家林毅夫都说了有这么大的增长潜力,说明我们还可以努力嘛。

督工:一个国家或者一个社会长期坚持2%以上的有效增长,您认为也是个很好的结果。那么长期但是不是高速增长,有什么必须的制度或者说其他的提法吗?

聂辉华:啊,这个问题很好。首先我前面说的是一个大国,像中国这么体量大的国家,如果能维持3%到5%的增长,再增长三五十年,这相当相当了不起了。你说要怎么样维持?我觉得如果用一句话来概括,最简单的就是少折腾或者不折腾。如果多说几句,我会说首先要坚持改革开放,这是最最重要的;其次呢,一定要坚持市场化取向。第三,我想加第三点,国际化。因为你的体量大了之后,你的影响大了,你现在不再是一个局部的大国,你是一个全球性大国。但是大家想想看,我们做好了成为一个全球大国的心理准备吗?大多数人还是觉得我只看国内新闻,甚至都不出国留学了,也不出去找工作了,这是不对的。未来的趋势一定是全球化。如果能做到这几点,那么维持一个3%到5%的增长速度,我觉得是完全有可能的。


二、 考公热、待遇差距与公职人员的未来


督工:您说提高技能,那这个技能能具体有哪些的方向?

聂辉华:可以分两个层面:一个是生存技能,一个是职业发展技能。大家一定要看到未来老年化严重,少子化趋势很明显,劳动力的成本会很高。大家看看美国、欧洲就知道了。我在美国的时候买了一条牛皮的真皮皮带,然后想找个人打孔。他说你放在这里,过两天来取。回国之后,在我们学校的菜市场找了个人,五分钟不到就弄好了,而且只收三块钱。但以后我们可能也会变成那样。在美国,中产阶级要花很多时间去修理自己的家具和房子的,排水管堵了,空调坏了,你可能都得自己干。这是生存技能。第二类是职业技能,这个更重要。因为经济增长的速度会降慢,更多的人可能会工作具有不确定性。那么每个人都要想一下,如果你不干今天的工作,你能不能找到别的工作?如果有一天我不当大学教授了,我能干什么?过去我会想我去当一个专栏作家,现在发现像我这样的愤青专栏作家估计也没有地方可以发表了。尤其在体制内的,要想好随时具有离开体制的能力。那一定要多种技能,而这些技能中很多是非常通用的技能。比如我现在要我的学生都得懂点基本的AI,都得会爬虫,都得会做量化分析。即便他不在学术界工作,他去产业界,他能写量化的分析技能,比如做图表的技能,都能用得着。如果他口才好,PPT做得漂亮,文笔好,那哪都需要啊。这些都是必备的技能。

督工:您还有一个建议是学好英语。到了AI时代,重点是读写、是口语,还是说这种英美社会作为翻译背景的文化常识?

聂辉华:我觉得有三个技能比较重要。第一是听力。我经常给学生说,你不会说或者说得不标准不重要,但一定要会听得懂对方说话,否则很难交流。你虽然可以用翻译,但是很难完全替代。第二是写作能力很重要。很多的时候我们需要用文字的方式跟别人交流,尤其是涉及到跟外国人的交流。对于研究人员来说,这是最重要的,你就得会基本的写作技能。第三个我觉得可能更深层次的,是理解西方的文化。因为语言是一种文化,语言是一种思维方式。著名经济学家姚洋教授,他说如果你要写好的中文文章,首先要学会写英文文章。我特别赞同他的话。因为我们的很多中文文章的写法不够严谨,经常是比如没有主语。英文语法结构是比较完善的,句与句之间的转折也好、递进也好、并列也好,都是有连词的。如果你英文写作能力好,然后呢你能理解西方的思维方式,这其实是一种世界观,你能够睁眼看世界的一个非常重要的渠道。语言不只是简单的交流,是理解文化的一个工具,一个抓手。

督工:多看历史,您建议年轻人看哪一段历史?

聂辉华:我觉得如果好好看的话,哪段历史都值得看。我之所以让大家多看历史,一个重要的原因是,因为你只有多看历史了,你会发现今天你以为习以为常的事情,放在历史上可能是非常罕见的。比如高速增长,历史上绝大多数时候都是停滞的。第二个是,你觉得一些不能理解的现象或者很难受的现象,放在历史的长河中,它可能只是一朵浪花而已。这样的话你会觉得心理上很开阔。我也没说你要坦然地接受它,看到趋势很重要。人和人的差别往往就在于认知。格局大的人他做决策是不一样的,他的心情也不一样。心情当然很重要的,看不开你可能一辈子郁郁寡欢都有可能,看得开才能活得健康。活得健康才能笑到未来啊,这太重要了。

督工:咱们回到青年这个话题。今年9月份毕业季结束以后,说16到24岁不含在校生这个劳动力失业率从9月份的18.9%降到了17%左右。您认为这是否是一个严重的数据?

聂辉华:我觉得看上去情况还是比较严重的。之前接受《财新》的一个访谈的时候说过一句话:一定要把青年的就业放在特别重要的位置。因为一是青年是未来,第二是青年是最不容易稳定的群体,因为他想法多,容易躁动。但是我对这个问题现在也不是特别担心。大家有没有发现,很多青年虽然没找到工作,但他仍然能够安稳下来,他家里有经济支持。说得难听点叫肯老,说得好听点叫Gap,他能Gap几年。他有这个底气。所以我们这些60后、70后、80后打下的基础,使得后来的年轻人可以不用那么辛苦,这是时代的进步。所以我现在其实特别关心的一个数据是什么呢?是年轻人的肯老数据。最重要的数据之一应该是中产阶级究竟能让他们的儿女肯几年?说实话,现在就算你找不到工作,吃饭还是没有问题的。所以中国的问题不是说这个温饱问题,而是说怎么让他们能够适应这个阶段,以及到底这个经济能脱底脱多久?我觉得这是非常重要的数据,可惜现在没有。

督工:相对的高青年失业率的情况下,您认为是产业部门还是教育部门的问题更大一些?

聂辉华:失业的问题既不能归罪于产业部门,更不能归罪于教育部门。首先大学的目的是输送人才,不是培养技工。比如像中国人民大学这样的大学,也要承担就业的职能,我认为是有点不可思议的。因为大学不可能随时根据市场的需要去调整它的专业,它的调整专业也不是它能完全决定的,它有一个滞后过程。这是第一。第二,产业部门如果它需要劳动力,它自然会扩张。它如果不需要劳动力,它一定会收缩,也不需要大家去管太多。真正该管的是,我们能不能放松管制,一方面创造更多的职位,另一方面假如你不能创造更多的职位,那能不能让大家号号地生活?我想说的是一个新的观点:我们现在没有做好这个准备,我们思维方式也没有转变过来,总觉得所有人都应该去就业。以后解决就业可能是个伪问题,因为无法让这么多人都去工作。否则就是个悖论:你一方面提高生产技术,让AI来干大家活,那又让大家又去干活,那还不如不要AI呢。现在全世界可能只有10%,甚至1%的人需要工作,他们创造产值,其他人只要维持生活、玩就行了。现在问题在于,假如他们不工作了,他们躺平了,怎么给他们提供最基本的收入?这在西方已经在研究所谓全民基本收入计划(UBI),Unconditional Basic Income。你什么都不用干,每个家庭发一笔钱。如果这个是方向是对的,那我们的国家治理结构、财政结构、收入分配结构可能都要做大大调整。比如举个例子,我就觉得应该对机器人征税,对AI征税。否则的话,对那些使用劳动力的人太不公平了。我用劳动力,我解决就业,我还要被征税;你用AI,你提高了效率,挣了更多利润,还不用征税。

督工:从经济学角度来说,如果他用AI或者用机器人替代了一部分工作,理论上来说他的企业的利润会增加,我们也已经向他多征了所得税。您觉得还得再多一层税率吗?

聂辉华:当然要,这是社保税。因为他不用交社保。你知道吗?社保税太重要了。美国最重要的税收,首先是个人所得税,排名第二的税收、联邦的税收是什么?就是社保税。

督工:这就明白了,就是我们中国不把社保当税,对于我们来说我们也忽略了这一层。

聂辉华:社保就是税,社保是由税务局征收的现在。而且确实是由这一代人去养上一代人。所以我觉对机器人征税不是征所得税,而是要征社保税。

督工:那么咱们回到刚才这个年轻人就业话题。就是很多年轻人把考公、考编当作迷茫中的出路。您对这个赞同吗?

聂辉华:分两个层面看。首先从个人层面讲,那么多去考公,我们假设他是理性的,如果他信息是充分的、思考周全的话,那是一个最优选。但从全社会角度讲,它肯定不是一个最优选项。原因很简单,我们经常有一句话叫少年强则国强。年轻人的精神面貌决定了这个国家的未来。如果年轻人都去卷那些没有冒险的、没有风险的、一定程度上也不创造额外价值的工作,那这个社会怎么会有希望呢?按道理讲最优秀的人才、最有活力的人才应该去创新啊。但大多数情况下我们会认为政府的工作、律师的工作,它主要是分蛋糕,而不是做大蛋糕。当然也许中国的政府例外,它自己也是运动员,又是裁判员,对吧?它可能会参与做大蛋糕。但毕竟它大多数时候是不直接创造价值的,它是为大家服务的。而且事实上也不可能有那么多人适合去考公,因为能够成为公务员的队伍的人应该是极少数。所以这一定会导致大规模的人才错配。不过这个问题也不用太担心,是因为我们虽然看到那么多人去考公,但只是因为考公门槛最低啊,交100块钱就可以了。你也可以去裸考,对吧?你就当为国家多交了一笔税好了。据我了解,大多数人都抱着试一试的态度。相当于抽彩一样,我考上了我就上岸了,没考上该怎么找工作还怎么找工作。所以关键问题我们很难区分出来那些花了多少时间去考公。如果像范进中举那样,那肯定是不对的。

督工:年轻人考公还有一个很客观的原因是体制内和体制外福利和养老、医疗这个差距实在是太大。您认为现在我们额外优待公务员,不管是在社保还是在实际终身雇佣制上,这个差异是否合理?

聂辉华:我觉得不太合理。一个明显的现象是,退休的人拿得比在职的还多。这没有道理啊。你这样社保就不可能持续了。而且这个差距也太大了。举个例子来说,这个苏州有据可查的啊,它的公务员的收入一年大概是20万到30万,事业单位大概是20万左右,那么民营企业大概也就10来万左右。难道公务员创造了几倍于民营企业的产值或者价值吗?恐怕不敢说吧。这跟我们的宗旨、为人民服务,有摩擦的。为什么你拿得比你服务的对象还多呢?当然我可以说公务员是精英群体,他们应该拿比较高的收入,那可以啊。即便像新加坡那样,公务员也只是对标这个高级白领。当然我这样说并不是特别精准,主要是没有这方面的数据。但我的意思就是公务员可以锚定中高收入群体,但不能太高。几倍的差距,我觉得是不可接受的。

督工:终身雇佣制您认为应该是取消还是应该折算到他的待遇里去?

聂辉华:理论上讲,所有的待遇都应该货币化。终身雇佣或者作为一种就业保障,当然要算成一种价格。

督工:所以我如果真的给了就是终身雇佣制,不管是挑明还是说默认它会长期运行,按您的这种,它应该比自己所在城市的这种白领的收入再降一点,因为我已经承诺了你的稳定性。

聂辉华:是这个意思。

督工:您认为这个改革方向是什么呢?比如说我们通过温和的通胀,提高全社会工资的同时保持公务员工资不变,还是我们真正去建立一套跟自己所在城市比照的薪资体系强制规定?您觉得是怎么去消除这个落差比较温和呢?

聂辉华:我觉得可以多管齐下。一方面可以适当提高其他人的工资。比如说为什么我们不能提高农民的养老金呢?他们每个月只有一两百块钱,这太低了,对吧?这可以做加法。另一方面也可以做减法。就是我们真的要考虑一下,很多退休人员的待遇为什么那么高?这是不合理的。我国的台湾地区,它就把这部分降下来了。所以既可以做加法也可以做减法。

督工:这两年我有很多亲戚朋友都跟我咨询过,说你觉得考公怎么样?我说你们可能没有见过全民的这种大下岗,不仅仅说东北这种国企大下岗,咱们的县里的老师当时拖欠工资一年半,县里的公务员每个单位都强行给停薪留职的指标。实际上很多停薪留职出去之后就再也没回来。您觉得中国还会不会有公务员普遍的欠薪、轮岗或者说这种工作不稳定的现象?

聂辉华:很有可能会有。有几个原因:一是经济下行,这是大趋势。第二,因为过去几年地方债突飞猛进,导致很多地方政府其实已经不能足额的发全部工资,包括绩效,尤其是奖金。很多地方甚至连基本工资都不能保了。这其实是建国以来从来没有遇到过的财政压力危机。除了经济下行和地方债之外,AI的出现使得将来政府根本就不需要这么多人。我们团队做了一个研究,在过去几年,政府采购中有关AI的相关支出比例已经占到了10%几了,未来可能会更高。公务员说白了,很多工作是很容易被AI替代的。做的很多工作都是千篇一律的、格式化的工作。还有第四个原因,人口在减少。将来很多村镇、乡镇、县市都要合并。政府的规模是根据人口的规模来算出来的。所以很难说不会出现将来大规模的公务员的分流和下岗。当然直接裁员不太可能,因为公务员、政府一直把他们当做重要的人力资产的。给你轮训,给你调岗,给你分流。也意味着你的收入被变相地降低了啊。各个地方可能做法不一样吧。比如说对于经济发达的地方来说,这不是太大的问题,因为它能创造足够的岗位,它有大量的国有企业。这就是为什么我们要保留那么多国有企业和事业单位的原因,其实它除了掌控经济命脉之外,它还有个缓冲作用,而且它能起到干部轮训这样一个池子的作用。如果对经济欠发达的地区,那就很难办了,因为没钱养不起。其实说白了,下岗分流主要就是赎买,就是只要有钱其实都好办,没钱都不好办。所以这就我在书里面说的,你要考公务员,先选城市。不要,要避开那些收缩型城市。我们在书里列了一个名单,上百个城市可能都是收缩型城市。一招不慎满盘皆输啊。一定程度上真的是选择决定努力了,或者选择比努力更重要。那这个选择在我这里意思就是选择什么样的地方去当公务员,非常非常重要。所以我觉得不要对公务员的前景有太高的期望。虽然它目前仍然是最稳定的工作,甚至可以都说不是之一了,就是最稳定的工作,但不代表最稳定的工作就一定是能够永葆的。过去讲铁饭碗,铁饭碗世界上没有真正的铁饭碗。只有你的能力才能保证你有铁饭碗。

督工:我接聂教授这个话题说一下。公务员现在又稳定、相对收入还高,这个预期是最近十几年建立起来的。另外还有一个消息,鹤岗市它因为人口收缩,把其中一部分的老师分流轮岗下去到了这种社区,去做一些原来编外的人员做的工作。不管是教师还是公务员,考编就上岸、有安全感,过去十几年这种预期我觉得是应该打破了。所以我也想问一下聂教授一个问题,就是您的书花了很大的篇幅去描述现在基层政府这种运作方式以及公务员的生活。如果用最简单的方式去描述2025年考编成功的年轻人的未来,您给他们一个什么样的发展时间线呢?

聂辉华:这个问题可能比较复杂。我就说我的看法。他可能在心态上会经历这么一个过程:首先是努力适应,因为他刚进去嘛,他要学习各种技能,他要了解各种规矩。第二阶段是努力改变。很多人,比如30来岁,血气方刚,还是想做点事情的。为官一任造福一方啊。然后到了50来岁的时候,他就努力挣扎。为什么呢?因为他有权了,有位置了,他面临各种各样的诱惑。到最后他就会觉得平安是福。这是第四个阶段。这是典型的体制内发展的轨迹。过去是这样,我觉得未来可能也是这样。那大家要想清楚,不同阶段挣扎的内容可能不一样。未来挣扎的内容可能不只是权力的诱惑,还有就是什么呢?要不要从里面走出来。因为将来政府可能真的不需要这么多人了。而且从现在的趋势来看,如果经济下行,政府能做的事情就更有限了,因为政府没有财力。从历史上看,财政压力是制度变迁的最重要的原因之一。只要政府没钱了,它很多事情都法做,很多事情没法做了,个人的空间是会很受限制的。所以在一个经济上行时期,在野蛮生长的时代,当官的个人成就感是最大的。但未来可能很小很小。

督工:像您现在所在的人民大学,既是您的母校也是您现在执教的地方。人民大学它是一个毕业生考公务员比例畸形高的大学,多年平均值我看了一下大概是20%左右。您的学生,就您的身边统计学,他们去考公务员或者进国企或者进事业单位的比例高不高?

聂辉华:因为我是在经济学院,相对来说比例没有那么高。我学生中只有极少数去了公务员队伍,大部分都去了国企、事业单位,还有少数去了国外。

督工:您带着他们研究的就是整个这个政府体系。他们从研究者到真正自己进入这么一个体系,有没有能够体会到自己的研究的东西学以致用也好,做出有效反馈也好,有没有这样的例子?

聂辉华:其实社会科学不太容易直接学以致用。但是普遍而言,我问过他们,我在基层工作,包括在稍微高点的政府工作部门工作,哪些知识最有用?他们跟我说的是两类知识比较有用。首先经济学知识确实有用。因为你很多的任务是跟经济增长挂钩的。其实是法律知识很有用。是因为越往基层工作,现在越要讲法治。因为中国过去在基层法治的地位没有那么高,所以现在出现了很多的空白。现在很多农民拿着手机直接查法条给你据理力争。所以你在乡镇工作你不懂法律是不行的。在乡镇工作你甚至不需要懂经济学,用不上。你只有到了的一定的决策部门,区县一级,有一定的决策权了,才需要经济学。所以从目前来看,你看应用最广的一个是经济学,一个是法律。而这两个正好是人大的强项,所以这可能使得人大的毕业生从事这两方面的工作有一定的优势,是这个原因。


三、 政商关系、官员任期与基层治理研究


督工:过去几年随着网络小说兴起,也随着考公热的兴起,官场小说是一个很重要的创作手段。我看您的发言对这种官场小说呢就从真实性上评价不高。有哪些常见的或者说一眼就能看出来的跟现实不符的错误?

聂辉华:特别多。大部分官场小说的作者都搞不清楚政府不同部门的职能分工。举例,他会把人事部理解为是组织部。由人事部任命干部,这是不对的。因为干部是由组织部管的。人事部现在叫人力资源社会保障部,它做的很多工作是属于事务性的工作。还有就是城市的级别经常搞乱了。包括一些非常著名的小说,设定应该是直辖市或者是副省级市,可是下面居然有行署,这太奇怪了。另外就是对官员级别搞不清楚。这太多了。这几类的错误比较明显。所以以前我还会看官场小说,现在基本上不看了。我觉得大多数官场小说作者根本就没有在官场生活的经验。

督工:您看过这些里如果要挑一个相对来说最优,会推荐大家看哪一本?

聂辉华:最著名的肯定是王跃文的《国画》。但是我觉得最接地气的,尤其是跟基层治理最相关的,应该是侯卫东官场笔记。那个场景非常丰富,可能涉及到多个层次、几百个干部、上百个单位。而且以我自己的体验来看,我觉得是写得比较细致也比较准确的。所以如果想了解基层的,可能看侯卫东官场笔记比较合适。你要当文学作品,你可以看《国画》,但是我和一些干部交流过,他们很多人根本就不认同《国画》里面的逻辑的真实性。王跃文本人虽然在省级机关工作过,但是他可能很难洞悉背后的权力的运作规律。这么说吧,其实越往上越难写。因为一般的作者根本不可能参与上面的权力决策。但越往下为什么越好写?因为下面很容易了解啊。就好像说你去农村调研很容易,但你想去省政府调研你试试看,那根本不可能嘛。如果是电视剧的话,我会推荐《龙年档案》,相对比较真实。如果把范围放得更宽一点,比如你想了解权力的运作,不仅是中国而且了解国外的权力的运作,那我会推荐美剧《黄石》(Yellowstone)。当然你也可以看《权力的游戏》或者《纸牌屋》,都是很好的政治经济学素材。

督工:您之前有一个话题说县委书记是一个高危职业。中国县委书记这两年的平均年龄已经到和您差不多了。您除了能够研究他们的执政数据,应该是也能体验他们经历过的中国历史,体验他们那种中年的心情。您见过或者您调研过的这些高危县委书记,是怎么样从一个普通公务员、普通大学生被诱导上这种高危道路的?

聂辉华:不能说诱导吧,就是这个环境很复杂。首先县市麻雀虽小五脏俱全的这样一个行政单位。大家很少听说过区长出事。因为在区里面你可能有很多高级的机构,而且区里很多权力被上收到市里了。比如在北京的各个区,那甚至还有中央的机构。使得你在那个地方虽然你是行政首脑最高,但实际上你的权力不是最大的。可是县不一样。在县里面,县委书记就是最大的。这是县委书记跟区委书记不一样的地方。在这样一个相对独立的空间,又没有权力的制衡和监督,想不犯错是很困难的。太考验人性了。我自己也访谈过一些县委书记,他们跟我说首先压力巨大,其次成就感很高,再次确实有很强的危机感。主要是因为你长期被一帮人围着,说一不二,没有人敢在你面前说三道四。一开始你可能会怀疑自己能力是不是真的有这么强,久而久之你就麻痹了。然后你就可能放松警惕了,又面临各种诱惑。那你想一般人怎么挡得住呢?所以一定程度是我们的制度不够完善,监督体系不够完善,没有保护好这些干部。其实从这个意义上讲,反腐败是保护干部,让他们能够平安落地。县委书记是非常难得的一个锻炼岗位啊。有人夸张地说这个中国的县委书记放到美国都可以当州长。我觉得一点都不夸张。所以如果这批人如果不能保护好,这是巨大的人力资产的损失。

督工:您刚才也提到去下面去采访,比如说跟县委书记,这个对媒体也很重要。那么我去采访或者调研,就是我了解哪些素材和背景才能跟一个乡镇党委书记这种基层或者说县里边、市里边那种局级干部,怎么样能够快速拉近距离得到一些有代表性的故事?您一般是怎么去开启这个话题的?

聂辉华:我可以给大家分享点经验。有两类话题他们比较感兴趣。一个是问他的痛点,或者你面临什么压力。一般他都愿意分享。一个是缓解了压力,第二个是也许你能帮他传达一下这个声音,尤其是对一些上级的不太好的政策的不满,他不方便说,这个时候你问他,他就愿意说了。第二个是分享他的成就。你讲我是来找典型的,你这里有什么做得比较好的地方,你给我介绍一下。他一般给你滔滔不绝讲三个小时都可以。就这两类事情他比较愿意讲。哦,当然还有一个非常重要的场合,就是在酒桌上讲。因为酒桌上讲完之后他可以说聂老师,我这都是酒后胡言乱语,别当真啊。这样他有个心理安慰作用。

督工:只要不实名他就可以再多说一些。

聂辉华:对,在酒桌上说,他风险小。所以这就是我跟学生说的,就是我不太赞成喝酒,但在中国社交你没有办法,尤其是官场调研,千万不要以为去学术界就可以不用喝酒了。你要搞调研,你要跟基层打交道,会喝酒跟不会喝酒相比,绝对是个优势。

督工:最近几年清代尤其是清朝后期政治研究有一个快速进步,原因其实一本书就是那个《杜凤治日记》。展现了清朝普通县官日常生以及他对各种公事跟私事的决策逻辑。但是很遗憾,至今我没有看到像《杜凤治日记》这种新中国这种类似的著作,哪怕是描述五六十年代的都没有看过。您研究了基层这么多年,能不能给他们写一本县委书记或者县长工作手册?就是你上任了,你按照这个逻辑去处理公事和私事不会出问题,而且呢也可以找到你相应的机会。

聂辉华:我写不了。太难了。作为一个研究基层的人,其实我无比渴望能够看到这样的官场日记或者官场观察。可惜像你说的真的没有。其实清朝还有本书也很有名,《闲字道幻海见闻录》,作者是张集馨,写得也非常细致。有人把它变成一本白话版就是《我在大清为官三十年》吧。确实很少这样的作品。但也不是没有。啊,最近正好有一本书别人送过来的,《无剧本出演》。作者是王军,他在西安当过20年的主官,就是一把手。我来的路上呢正好看了完这本书,我推荐给大家。文笔不错,故事都很小,但是能够以小见大。有的地方笔锋比较委婉,但是呢能够看出来官场的为人处世的一些原则。蛮有意思的。就在现在的话,我觉得这本书是值得大家看一看的。

督工:最近我能大概看到有几本书,一个是原来能源局长应该是张国宝,我记得他有一本书。

聂辉华:碧路蓝缕,对。

督工:您的这两本书评价怎么样?

聂辉华:碧路蓝缕,就讲大国的重大工程的决策,那个值得一看。但张国宝毕竟是个技术官僚,他没有主政一方。跟这本王军的《无剧本出演》不太一样。其实我特别希望那个主官能写一点。但是呢因为环境的因素,他们可能也没有时间去整理。这都是非常非常稀缺的研究观察的一手资料。

督工:所以就是除了咱们聂老师自己的书,今天呢我们聂老师又推荐了一本这本书,我们大家可以看一下啊。接着说这个官员的人事问题。最近十几年,除了山东济宁市长梅永红辞职去了企业之外,其他官员进入商业的例子呢都很低调。比如说监管部门的干部去了自己被监管的企业。最典型的就是反垄断局的人去了~~某里~~,这些垄断性企业是非常多的。您认为啊,他这个职场发展路线是局限在体制内好,还是应该让中国的高级官员和体制外的职务是有一定流动性,这两个哪个好一些?

聂辉华:首先从理论上讲,资源只有流动才有最大的价值。应该鼓励流动,但是流动得有规矩。这个现在问题是这个流动不是特别通畅,也没有太多的规矩。单向旋转有的时候比不旋转可能危害更大。这是不公平竞争。监管部门的人去了被监管对象,按道理是不允许的。你属于利益冲突啊。这个就属于政商旋转门,说得难听点是腐败的一种形式。但现在我们为什么很难监督?是因为你虽然有禁业协议,比如规定你不能去被监管部门,但他可以换一个职位。职位是死的人是活的。他甚至可以以顾问名义干着反监管的工作。这些现在都是组织部门去管,组织部门哪里有空去管每一个人,对吧,在辞职之后十多年去哪里啊?因为没有法律授权啊。所以我建议就是这种方面没有什么特别好的办法,就是鼓励监督,鼓励举报,尤其是同行的举报。这个是最有效的。

督工:您之前有个观点啊,就是中国特色的政企关系,它是一种关系契约,不是一种法律契约,也不是一种明文契约。政府确实帮企业,企业也得帮政府,但有些条款是不能写进合同的,也是无法证实的。就不完全契约。您说这样的结果就是到最后变成政企伤害,会破坏营商环境。您能不能举个例子说明这个问题?

聂辉华:大家知道吗?就是政府和企业之间发生冲突,很大程度是因为土地。就是我们检索了中国裁判文书网10万条的记录,然后发现里面相当一部分是跟土地纠纷有关。因为以前地方的发展模式是这样的:比如我是政府,你是企业,我要搞一个博览会,但我没钱,你有钱。这样,你帮我把这个博览会搞起来。哎,我给你块地。那块地呢,可能不经过严格的招拍挂就到了你的手上。但不能写进来,为什么?因为我按道理讲我这个土地是要经过公开的招拍挂才能给你的呀,而且你不一定拿得到啊。但后来博览会搞好了,不好意思,换了人了。换了人之后他就不认了。第一,这不是我任上的。第二,现在土地更值钱了,我当然要招拍挂啊。那你就去网上投诉啊。你看,政企关系就这样被破坏了。所以你会发现很多为什么都是围绕土地,就是因为一个是土地在升值,第二个是新官不理旧账。当然有些地方发展比较稳定,主官一直没怎么换,或者说以前他是副书记,然后当了市长、书记,这种情况呢一般就很少出纠纷。我们之所以看到这些年出现了很多政企伤害的案例,一部分是因为经济下行导致政企之间本来是正和博弈,现在变成零和博弈了。以前是大家都能拿,因为饼做大了。现在饼就这么大,你多拿了我就少拿了,就容易伤害。这是第一个原因。第二个原因大家忽略了,是现在的政府的官员的任期越来越短。有多短呢?大家简直难以想象。省长省委书记一级一般是三年左右,市长市委书记2.8年。这个县委书记县长以前是三年,现在的稍微长一点点,但是市一级有可能更短。有一个地方在过去20年经历了10个市委书记和10个市长,平均每个人任期两年。你没有听错,两年。最短的甚至三个月。所以在这种情况下,经济又下行,任期又这么短,官员跟企业家之间再也难以建立相互信任的关系契约。所以就会出现更多的纠纷,或者更多的政企伤害。或者出现更多人就不敢去投资了。再加上现在又很难使用土地和税收的优惠政策。所以招商引资很难做,这都是原因啊。所以我觉得稳定官员任期,才能维护良好的营商环境。这点太重要了。

督工:现在还有官员基本上提拔都是要异地使用的,尤其是从县一级再往到县委书记一级。按照您刚才说这个实际上客观也是有影响的。我当了主官了我反而要换地方了。

聂辉华:没错。对。就是按照现在的制度,比如县和市一级,一把手是要异地任职的。比如县一级,县委书记、县长、组织部长、纪检书记、检察院检察长、法院院长,还有公安局长。这么多重要的位置都是外地人。那他怎么有动力把这个地方持续搞好呢?而且他自己任期只有两年多,不到三年。上面考虑的更多的可能是说减少政企合谋。所以我说短任期,古代也有这个避邻500里之类的说法。但是现在情况下如果你有更好的数字技术,你能更好地监督官员,能不能延长任期?我觉得我们需要在维护稳定的预期和减少官商勾结之间取得一个微妙的平衡。西方国家人家很多官员都是本地选举。如果你不在纽约市住够多少年,你还不能参选纽约市的议员呢。

督工:这个也说到您刚才集权和分权问题了。经济发展也是一种外部竞争。那么在这种情况下一定程度的分权,再加上有效监督可能是有必要的。

聂辉华:是的。

督工:2019年您说过一个观点,说2013年之后政企关系是比较复杂,有互相合作也有互相伤害。有什么典型的案例吗?

聂辉华:最典型的就是新能源汽车、新能源电池、太阳能光伏,所谓的新三样,取代了以前的老三样。那你看这几个产业的发展就是政企合作的结果。以新能源汽车为例,如果没有政府把它塑位为国家战略性新兴产业,如果没有政府建那么庞大的基础设施,中国的新能源汽车不可能发展起来。因为你就卖不过燃油车的门槛,你就赢不了利啊。只有政府把它做大了,然后呢鼓励大家一起进去,然后规模起来了,成本才能摊薄,企业才能盈利。企业盈利了实际上这向反馈才能对外出口,使得中国在新能源汽车领域,这个新的赛道上独占鳌头。现在中国新能源汽车占全世界的比重可能都70%、80%了。除了特斯拉,大家很难再看到别的新能源汽车能够跟中国竞争了。政企伤害的话,最典型的例子就是最近的一些远洋捕捞啊。我觉得这件事情太恶劣了。它不仅是破坏了营商环境,甚至破坏了执政的合法性基础。就是我们的政府按道理是为人民服务的,你怎么能因为谋利性动机去用政府的公权力挤压企业的财产和收益呢?

督工:咱们从分行业或者分地区来说,您认为政企合作这个指标来看,中国哪些地方营商环境好?

聂辉华:从地区来说的话,我们有个团队,每年会发布中国城市政商关系评价报告,以前叫中国城市政商关系排行榜。大部分时候还是那些一线城市和二线城市发展得比较好。比如大家熟知的北上广深。但也有一些中小城市做得也不错。总体上我们发现就经济发展水平和营商环境的好坏是高度正相关的。尤其是在政府为企业服务方面,在亲近方面。但在清白方面,这个关系没有那么明显。也就是说穷地方也可能很清白,富地方也可能不那么清白。这是很有意思的规律。

督工:您刚才提到了政商亲近指数和经济是很有高度相关性的。这里我看到您2023年政商关系评价报告,因为2023年那一年我知道郑州是出了很多大新闻,而且几乎没有好新闻。但是我看到您把郑州评为2023年全国政商亲近指数最高的城市。您能具体解释下这个指数吗?

聂辉华:首先我要澄清一点,那是23年发布的报告,评的是2021年和2022年的情况,不是评当年的。然后我查了一下原始数据,就是郑州在2021年和2022年营商环境好的一个重要的原因,是因为他们的政府走访了很多企业。我们有一个指标:政府召开了多少座谈会,政府走访了多少企业。这是个客观的。平均而言,大部分地方政府走访的企业数都不会超过30次。郑州那一年超过了50次。如果没记错的话应该是70多次。那它在那项得分很高,使得总分被拉上去,这是很正常的。当然有人也可以说政府走访企业、政府召开企业座谈会不代表它就真的这么做了的。但是我们能观察到的指标就是这样的。至于效果怎么样,我们可以后续再来看。

督工:之前您提到自己的哈佛学习经历,分享一个好原则:就是好的研究首先要提出一个好问题。这一点我的媒体行业也很有感触。我们媒体最头疼或者最重要的一项工作是什么?就是选题。所以今天的最后一个问题是:过去几年无论是谁提出的问题,也无论这个问题是否被回答,您认为中国社会有哪些有价值、应该被所有人回答的问题?

聂辉华:这个问题太有挑战性了。因为什么是好问题,不同行业、不同人定义不一样。即便是同一个问题,你换一个人问,它也不一定觉得这是个好问题。在中国做研究最重要的一件事情,或者最有价值的事情,就是你每天都面对的鲜活的快速变化的事实。但我想中国有些问题是值得研究。比如举个例子,中国怎么能够快速地消除绝对贫困。精准扶贫是全世界最大的人工干预实验。全世界没有一个国家这么大面积地动用这么多力量来让大家脱贫。这里面有多少经验值得总结。我们现在并没有看到好的研究,能够言简意赅地告诉世界我们怎么脱贫的,并且这个方案有可适用性、有通用性。第二个问题就是,刚才我讲的中国的新能源汽车等行业是怎么快速崛起的?这是个很有意思的事情。因为我们是一个发展中国家,理论上讲在这样的前沿行业我们是没有优势的。跟这个相关的还有就是你看中国的数字经济。中国只是一个人均GDP刚刚达到世界平均水平的国家,可是我们的数字经济实力已经位居全球第二了。我们是怎么跳过中间的阶段能够跑得这么快的?另外呢还有别的问题就是,当然这也是新闻和大的问题。就是中国过去一直是处于被动的地位,我们的现代化我们是被动挨打的,所以我们要崛起。好了,现在我们马上要到世界的巅峰了,我们要成为世界大国了。可是我们绝大多数人并没有做好准备。那么问:作为一个世界大国,中国要向全世界输出哪些价值观?输出什么样的文明?作为一个世界大国,我们每一个人的生活跟过去会有什么不一样呢?这些都是宏大的问题,我觉得是有意思的问题。但我认为有意思不一定大家都认为有意思。我只是说也许这些问题值得考虑。

督工:感谢聂教授来接受我们这次采访。今天我们用很高速的语速回答了大家或者回答了我从网上收集的一些问题。我也相信这些能够被年轻人接受。也欢迎更多的观众在我们的评论区、在弹幕一起跟我们提出更好的问题,我们一起讨论。最后呢还是推荐一下聂教授这本书——《基层中国的运行逻辑》。不管你是想考公,还是想和基层政府发生关系,我觉得应该把它做一个参考。

聂辉华:好,谢谢大家。

官方Android11 Box系统的OrangePi 3B新增红外模块教程

前言

打算把手上的OrangePi 3B刷成电视盒子给家里用,但是OrangePi 3B没有板载红外模块,于是从官方店铺下单了外置红外模块和遥控器,结果到手发现官方并没有进行适配,没办法只能自己适配了

Tips:本篇教程有点长,并且不适合小白使用

准备环节

Tips:不要买OrangePi官方店铺的那个红外传感器,那是红外光电二极管 (IR Photodiode),不是集成红外接收头 (Integrated IR Receiver)!!!

下载工具

进入OrangePi官网 http://www.orangepi.cn/

进入OrangePi 3B的下载页面 http://www.orangepi.cn/html/hardWare/computerAndMicrocontrollers/service-and-support/Orange-Pi-3B.html

Tips:OrangePi官方发布的各种资料目前基本上都在百度网盘上,建议提前准备一个SVIP账户

找到“官方工具”,打开链接,需要下载的有:

  • Android和Linux镜像烧录工具-RKDevTool和驱动程序

下载该文件夹内所有内容。

下载 Android Image Kitchen 用于打包和解包镜像:https://xdaforums.com/t/tool-android-image-kitchen-unpack-repack-kernel-ramdisk-win-android-linux-mac.2073775/

下载文档

下载最新的用户手册

下载镜像

下载最新带有“Android11-box”字样的镜像

下载并解压Android源码

下载总共25G+的Android源码分卷压缩包

校验文件md5:

1
md5sum -c RK356X_Android11.tar.gz.md5sum

解压压缩包

1
cat RK356X_Android11.tar.gz0* | sudo tar -xvzf - -C /目标/目录

准备编译环境

准备一个空余硬盘空间至少有200G+的硬盘

准备Linux编译环境,建议Ubuntu22.04,当然也可以是更新的系统,只是编译脚本会用到python2之类的,到时候也能改脚本

按照用户手册中“Android11 源码的编译方法”这节,配置好编译依赖

1
2
3
4
5
sudo apt-get update
sudo apt-get install -y git gnupg flex bison gperf build-essential \
zip curl zlib1g-dev gcc-multilib g++-multilib libc6-dev-i386 libncurses5 \
lib32ncurses5-dev x11proto-core-dev libx11-dev lib32z1-dev ccache \
libgl1-mesa-dev libxml2-utils xsltproc unzip liblz4-tool

如果系统较新,可能有些软件包已失效,我使用Debian13编译,替换了部分软件包:

liblz4-tool -> lz4
libncurses5 -> libncurses6 (或 libncurses-dev)
python -> python3 + python-is-python3

1
2
3
4
5
6
sudo dpkg --add-architecture i386
sudo apt-get update
sudo apt-get install -y git gnupg flex bison gperf build-essential \
zip curl zlib1g-dev gcc-multilib g++-multilib libc6-dev-i386 \
libncurses-dev lib32ncurses-dev x11proto-dev libx11-dev lib32z1-dev ccache \
libgl1-mesa-dev libxml2-utils xsltproc unzip lz4 python3 python-is-python3 libssl-dev

开始

OrangePi官方并没有对红外模块进行适配,因此需要自行编译,不过仅用编译内核,不用编译Android本体,单次编译时间压缩至2~3分钟。

安装系统

这里我们采用修补boot的方式,所以首先需要安装完整系统。

按照用户手册中“烧录 Android 镜像到 TF 卡中的方法”这节方法,安装对应驱动,使用RKDevTool将官方原版镜像烧录OrangePi 3B中。

烧录完成后启动OrangePi 3B,插入显示器,确保系统已经能正常启动。

开启开发者模式

像普通手机那样,在设置里找到版本号多次快速点击开启开发者模式,进入开发者模式菜单,为了方便起见,这里使用网络ADB而不是USB ADB

解包官方镜像

使用RKDevTool中“高级功能”内的“解包”功能,将boot.img从官方镜像中分离,重命名为boot-official.img备用

准备红外模块

红外模块一般是三个引脚,分别是VCC,GND和Signal

我使用的OrangePi官方的红外模块描述写的是VCC接3.3V,但是实测下来3.3V貌似有问题无法正常工作,需要接到5V

Signal则是按照描述接在PIN37,也就是引脚图上的GPIOO3_D3脚(后面的教程均按该引脚来写)

GND引脚随便找个GND PIN就行

修改前准备

处理环境变量

1
2
3
export BOARD=orangepi3b
source build/envsetup.sh
lunch rk356x_box-userdebug

修改内核设备树 (DTS)

kernel/arch/arm64/boot/dts/rockchip/中找到rk3566-orangepi-3b.dts打开

/ {...}内部新增下面配置:

1
2
3
4
5
6
7
ir: ir-receiver {
compatible = "gpio-ir-receiver";
gpios = <&gpio3 RK_PD3 GPIO_ACTIVE_LOW>;
pinctrl-names = "default";
pinctrl-0 = <&ir_int>;
status = "okay";
};

&pinctrl{...}中新增下面配置:

1
2
3
4
5
ir {
ir_int: ir-int {
rockchip,pins = <3 RK_PD3 RK_FUNC_GPIO &pcfg_pull_up>;
};
};

修改菜单配置

加载默认配置

1
cd kernel
1
make ARCH=arm64 rockchip_defconfig

进入菜单配置页面

1
make ARCH=arm64 menuconfig

进入Device Drivers

进入Remote Controller support(这一项本身需要打星 *)

进入Remote controller decoders

建议全部勾选(或者至少勾选 Enable IR raw decoder, NEC protocol, RC-6 protocol)或者你知道你的遥控器是什么协议,官方的遥控器经测试是NEC

进入Remote Controller devices

找到GPIO IR remote control打星 *

按右方向键选择<Save>,回车保存为.config(默认名即可)

<Exit>一路退出。

编译测试

开始编译

1
make ARCH=arm64 Image rockchip/rk3566-orangepi-3b.dtb -j$(nproc)

编译完成后,找到如下文件:

  • Image 位于kernel/arch/arm64/boot/
  • rk3566-orangepi-3b.dtb 位于kernel/arch/arm64/boot/dts/rockchip/

制作resource.img

这里需要用到源码下kernel/scripts/resource_tool这个工具,不过官方提供的源码并没有二进制程序,需要手动从resource_tool.c编译

1
2
gcc scripts/resource_tool.c -o scripts/resource_tool
chmod +x scripts/resource_tool

最后使用dtb制作resource.img

1
./scripts/resource_tool arch/arm64/boot/dts/rockchip/rk3566-orangepi-3b.dtb logo.bmp logo_kernel.bmp

关闭AVB校验

首先在源码里找到avbtool

1
find . -name "avbtool"

通常是external/avb/avbtool

然后生成禁用AVB校验的img

1
2
chmod +x external/avb/avbtool
python3 external/avb/avbtool make_vbmeta_image --flag 2 --padding_size 4096 --output vbmeta_disabled.img

不过这个源码里带的avbtool是用python2写的,如果你的编译环境是python2没什么问题,如果是python3则会出现一些错误,可以将报错信息询问AI修改脚本解决

最后会在当前目录下生成一个几KB大小的vbmeta_disabled.img文件

制作boot镜像

回到Windows,将boot-official.img拖到Android Image Kitchenunpackimg.bat文件上进行解包

解包完成后当前目录会多出ramdisksplit_img两个文件夹

进入split_img文件夹,按照下面对应表进行重命名后替换

  • rk3566-orangepi-3b.dtb -> boot-official.img-dtb
  • Image -> boot-official.img-kernel
  • resource.img -> boot-official.img-second

然后用记事本打开boot-official.img-board文件,填入orangepi3b保存

最后双击repackimg.bat进行打包,得到image-new.img新boot镜像

制作Misc镜像(可选)

如果进入Android Recovery模式次数过多,可能会导致直接进入Android Recovery模式,可以通过擦除Misc分区解决

生成空白misc_wipe.img:

1
fsutil file createnew misc_wipe.img 49152

刷入boot.img镜像

启动RKDevTool,和之前一样,跟着用户手册让OrangePi 3B进入MaskRom模式

将MiniLoaderAll烧录至SPINOR,然后切换存储至SD卡

进入“下载镜像”标签页,勾选“Boot”分区,并点击一下最右边方框,选择之前制作的image-new.img,然后右键空白处,选择添加项,在名字一栏写Vbmeta并勾选,同样的选择vbmeta_disabled.img

如果制作了misc_wipe.img想要擦除Misc分区,同样的右键新建项,名字一栏写Misc并勾选,选择misc_wipe.img即可

接着点击“设备分区表”按钮,读取设备分区地址信息,这里会有几个分区没有匹配到地址,例如ResourceKernelSystem分区,这是正常现象,只要Boot分区和Vbmeta分区(Misc分区可选)的地址能正常读出即可

最后点击“执行”按钮刷入镜像

调试

如果系统顺利启动,就已经成功一半了

确保开启了开发者模式并打开了网络ADB

如果电脑没有安装ADB,源码里的RKTool文件夹里也有ADB工具

和OrangePi 3B处于同一局域网下,连接ADB设备

不用进行配对,直接连接就行

1
adb connect <OrangePi 3B的IP地址>

连接上后进入shell

1
adb shell

切换至root

1
su

首先检查内核配置

1
zcat /proc/config.gz | grep -i "CONFIG_IR_GPIO_CIR"

正确情况下会输出CONFIG_IR_GPIO_CIR=y,代表内核已经启用

然后查看设备节点是否有红外设备

1
ls -d /sys/firmware/devicetree/base/ir*

正确情况下会输出ir-receiver之类的设备文件夹

进入该文件夹,读取compatiblestatus

1
2
3
4
cat compatible
# 输出应该是 gpio-ir-receiver
cat status
# 输出应该是 okay

如果满足上方两个条件,查看ir事件

1
getevent -l

一般会有类似下面的输出,包含gpio_ir_recv输入

1
2
3
4
5
6
7
8
9
10
11
12
13
 rk356x_box:/ $ getevent -l

add device 1: /dev/input/event1

name: "gpio_ir_recv"

add device 2: /dev/input/event2

name: "rk-headset"

add device 3: /dev/input/event0

name: "rk805 pwrkey"

执行cat /sys/kernel/debug/gpio | grep "gpio-123"也会有下面输出,表示正在使用的GPIO是哪个驱动

1
gpio-123 (                    |ir-receiver         ) in  hi 

然后开始选择ir协议

1
cd /sys/class/rc/rc0/protocols

会看到当前支持的所有协议,选择要监听的协议

1
echo "+nec" > /sys/class/rc/rc0/protocols

当然也可以开启一堆协议

1
echo "+rc-5 +rc-6 +jvc +sony +sanyo +sharp +mce_kbd +xmp +imon" > /sys/class/rc/rc0/protocols

开启的协议会用[]包围。

执行getevent -l用遥控器对着红外设备按下键,正常情况下会有类似下面的输出:

1
2
3
4
/dev/input/event1: EV_MSC       MSC_SCAN             0000045c
/dev/input/event1: EV_SYN SYN_REPORT 00000000
/dev/input/event1: EV_MSC MSC_SCAN 0000045c
/dev/input/event1: EV_SYN SYN_REPORT 00000000

如果满足上面所有情况,则代表硬件已经设置正确并且系统能正常读取解析来自遥控器的信号

Tips:这里建议明确出遥控器使用的是哪种协议,因为后面会使用到

制作Keymap

最后,需要制作Keymap用于将遥控器信号解析出来的十六进制的键值码映射到对应的按键上

同样是执行getevent -l,然后将遥控器上所有的按键按一遍,并记录对应的键值码,只用记录后三位,例如45c

经测试,OrangePi官方的遥控器键值码如下:

按键键值码
电源键41a
TV44d
VOD443
音量-419
音量+445
menu45d
mouse41b
444
41c
OK45c
448
41d
home41f
return40a
1413
2410
3411
440f
540c
640d
740b
8408
9409
TV-SYS458
0447
SETUP453

拿到对应的键值码后,开始编写keymap文件

回到Linux编译环境,在kernel/drivers/media/rc/keymaps/下新建一个文件叫rc-orangepi-ir.c

写入下方内容:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
// 文件路径: kernel/drivers/media/rc/keymaps/rc-orangepi-ir.c
#include <media/rc-map.h>
#include <linux/module.h>

static struct rc_map_table orangepi_ir_table[] = {
{ 0x41a, KEY_POWER }, // 电源键
{ 0x445, KEY_VOLUMEUP }, // 音量+

{ 0x44d, KEY_TV }, // TV
{ 0x443, KEY_VIDEO }, // VOD (映射为 VIDEO)
{ 0x419, KEY_VOLUMEDOWN }, // 音量-

{ 0x45d, KEY_MENU }, // menu
{ 0x41b, KEY_SWITCHVIDEOMODE }, // mouse (通常映射为切换鼠标模式,或 KEY_FN)

{ 0x444, KEY_UP }, // 上
{ 0x41c, KEY_LEFT }, // 左
{ 0x45c, KEY_ENTER }, // OK (Android 确定键通常用 ENTER)
{ 0x448, KEY_RIGHT }, // 右
{ 0x41d, KEY_DOWN }, // 下

{ 0x41f, KEY_HOME }, // home
{ 0x40a, KEY_BACK }, // return

{ 0x413, KEY_1 }, // 1
{ 0x410, KEY_2 }, // 2
{ 0x411, KEY_3 }, // 3
{ 0x40f, KEY_4 }, // 4
{ 0x40c, KEY_5 }, // 5
{ 0x40d, KEY_6 }, // 6
{ 0x40b, KEY_7 }, // 7
{ 0x408, KEY_8 }, // 8
{ 0x409, KEY_9 }, // 9
{ 0x447, KEY_0 }, // 0

{ 0x458, KEY_TV2 }, // TV-SYS (映射为 TV2 或其他功能键)
{ 0x453, KEY_SETUP }, // SETUP
};

static struct rc_map_list orangepi_ir_map = {
.map = {
.scan = orangepi_ir_table,
.size = ARRAY_SIZE(orangepi_ir_table),
.rc_proto = RC_PROTO_NEC, // 这里指定协议为 NEC
.name = "rc-orangepi-ir", // 名字必须和 DTS 里的 linux,rc-map-name 一致
}
};

static int __init init_rc_map_orangepi(void)
{
return rc_map_register(&orangepi_ir_map);
}

static void __exit exit_rc_map_orangepi(void)
{
rc_map_unregister(&orangepi_ir_map);
}

module_init(init_rc_map_orangepi)
module_exit(exit_rc_map_orangepi)

MODULE_LICENSE("GPL");
MODULE_AUTHOR("OrangePiUser");

接着在kernel/drivers/media/rc/keymaps/Makefile中按照格式接上rc-orangepi-ir.o

然后修改设备树 (DTS)

回到kernel/arch/arm64/boot/dts/rockchip/rk3566-orangepi-3b.dts,在ir-receiver{...}内添加一条:

1
linux,rc-map-name = "rc-orangepi-ir";

保险起见,完全重新生成boot

1
2
cd kernel
make distclean

最后从修改前准备这节重新编译内核和制作boot.img

测试

重新刷入boot.img等镜像后,开机测试红外功能,这会应该能正常使用遥控器遥控了

同样的使用getevent -l查看ir事件

这会可以看到有下面之类的事件出现:

1
2
/dev/input/event1: EV_KEY       KEY_DOWN             DOWN 
/dev/input/event1: EV_KEY KEY_DOWN UP

后记

OrangePi官方的红外模块貌似有点不好用,遥控器稍微远一点信号质量就急剧下降,S脚点位拉不下来,识别不到,这会手上没电阻电容,不方便处理,只能等之后再玩了。

更新:继续和Gemini聊了一会,才知道tmd那玩意是红外光电二极管 (IR Photodiode),不是用来接收遥控器信号的“接收头”🤣,虽然也是被我用来当信号接收器了,我说怎么tm那么难用,遥控器离30cm以上就收不到信号了。。。应该是买集成红外接收头 (Integrated IR Receiver)。。。不过教程没问题,有问题的是那个逆天硬件🤣

AI浪潮下我的些许变化

作者 DemoChen
2026年1月18日 16:20

今天 (本文写自1月15日晚) 晚饭和朋友吃的,公司对面的春饼,有一段时间没吃了,上一次是某个项目close后和同事吃,一晃大半年了,该项目另一个同事说“在2025年和我至少有8个月是保持沟通”。2025年初,我的工作内容发生了较大的变化,更多的是项目形式展开,围绕的是人。

业务对我来说,没难度;我有点内向,与人交流略显「社恐」,好在逐步放开,特别是熟悉后,我很喜欢和人交流,和不同部门、不同角色甚至是不同业务线的人进行交流,分享工作心得,了解业务模式,沟通生活趣事。

马路边的星空
马路边的星空

晚饭后出来,我发现墙上有星空墙绘,于是拍了下来并发到「一年四季」群里,拟定主题是「马路边的星空」,它不是把星空画在了墙上,而是把星空藏在墙后面,给我的感觉是在下班路上突然撞见一个裂开的现实:边缘像水泥墙面被撕开、剥落,里面不是钢筋而是深蓝的宇宙。城市的坚硬外壳之下,藏着更广阔的世界,望你我都好。

这大概是我最近拍的较为喜欢的一张照片。

今天@千古私信我说「哇,你是闪光有灵性的博主,可别辜负了读者们」,并附上了@J.sky的文章,有些意外的惊喜,原来闪光有灵性还可以用在博客上,作为「下里巴人」的我还是第一次见到这样的描述,@J.sky 写技术博客的,居然还能这么用词;既然被提及我就去留言评论「作为一个「闪光有灵性的博主」,有点惭愧,2025年工作繁忙,很少更新,争取今年要保持一定频率更新。新年快乐!」,收到了回复「你也该更新点东西了,好久没看到你发博文了。」

挺惭愧的,我确实有很长一段时间(超过1年)没有静心码字,不知道是时间太快,还是效率太高,一切都太匆忙了。我不知道怎么办,AI 充斥着我们的生活,工作各种事情在抢夺我的注意力,家庭里各种事务需逐项处理。我是谁,我在干什么呢?

2025年3月28日,和和@大华交流,拉了三五好友持续在写字的人组了个小群叫「字里行间」,有幸能在群里遇见大家,更幸运的是每天能阅读到大家真诚的分享;我其实不太会运营社群,但字里行间的大家让我发现其实不需要运营,各自成长,各自安好,在想分享的时候来这里唠一唠就好了。如果字里行间有第二个群,一定取名为「见字如画」。

过去1年发生了很多变化,也有一些不变的事情,一起整理下吧。

AI 变得更有用了(甚至好用了)

我一直觉得,一个工具「有用」和「好用」之间隔着很大鸿沟。有用,是它能做事;好用,是它能融进你的生活、融进你的工作流,甚至融进你的情绪里。就像那面“马路边的星空”,我不需要每天去看宇宙,但需要偶尔被提醒:城市的外壳再硬,里面也应该留一点裂缝,留一点余白。

AI 也是这样。

ChatGPT 2022年上线后第三天我就有了账号,当时对Chat的能力很惊讶,居然可以很快的实现我想要的文案,那个时候没有搜索能力,没有文件上传解读能力,更没有现在生成视频、绘图、编码能力。还是感到很惊喜。如今的AI早也不是三年的版本了,它的升级和迭代让我逐步变得有用,甚至好用了。

我非AI科班技术出身,AI三要素算法、算力和数据我甚至无法完全参透,应用层的内容足够我消化了。@余一说的好,「技术课时不时需要补一下,用来摩擦一下脑子」;对AI的理解和运用我主要集中在三个方面:Chat、知识库 和 Agent,再加一个 Coding。重心早就从 Chat 逐步过渡到知识库,现在过渡到 Agent了。Coding 是优化自己工作流的一种方式,或者是基础能力,因为具备了这个能力,就能让AI更好用。

上面这段是我用 AI的重心变化:Chat → 知识库 → Agent,Coding 是基建(最近沉迷)。

  • Chat 解决的是“问与答”,是任务;
  • 知识库解决的是“我的”,是个性化;
  • Agent 解决的是“替我做”,是项目;
  • Coding 解决的是“我能把这一切串起来”。

Chat不是下命令,而是共建上下文

Chat 就是借助大模型的对话界面完成工作或者获取答案,包括但不限于问答、文档处理、代码生成、图片生成、深度研究等。要用好这部分,我有两个经验:理解上下文和向LLM存储自己的记忆
与 AI 对话需要先有输入,再有输出;这又不得不感叹一句:Token 真是个伟大的「发明」,它明确告诉我们输入和输出都应该有成本。哪怕是一句简单的问候,都应该有消耗。

我越来越接受一个事实:输入,是一种责任。你想让 AI 输出高质量,就得先把问题讲清楚。讲清楚不是长,而是颗粒度合适。颗粒度太粗,AI 就只能泛泛而谈,颗粒度太细,你自己又会陷在细节里,像把自己困在一个无限递归的 prompt 里。

而与 AI 的对话需要注重上下文的完整性,什么是完整性呢?换个角度理解,我们不能把 AI 当员工,而是当做合作伙伴。针对员工,我们的沟通方法是什么?下指令、下命令,而针对合作伙伴,我们需要进行同频的对话。只有这样,你的合作伙伴才会给你专业的建议;加上 AI 是预训练的结果,只有信息更聚焦,回答才会更符合你的需求。

我自己很经常犯的的错误是:我以为我讲清楚了,其实没有。尤其是工作里,脑子已经被各种群消息切碎了,你很难在输入的那一刻保持完整的叙事。所以我后来给自己加了一些预设:在提问之前先写三行。不是为了写得好看,而是为了把心里那团毛线扯出来一个线头出来。

我提问的 prompt 思路大概是这样: 1)我现在处于什么状态(背景)? 2)我想要得到什么结果(目标)? 3)我能提供什么材料(约束/输入)? 4)还有什么需要我补充?

我发现这样提问,其实已经把自己说服了一半,AI 帮我补完另一半。

让 AI 记住我,也要防止我被自己的记忆困住

第二个是我们和AI的对话交流,一定要形成自己的风格,让AI去记住我们的这部分内容,这个在大模型里面叫做记忆。目前都有这样的能力,比如Gemini、ChatGPT 等,只有充分利用这样的能力,后续的对话才需要减少很多的解释成本,当然这里我也是有矛盾的。

一方面,我很享受被理解,一点就通,当 AI 越来越懂我们的时候,也是我们越来越方便的时候;另一方面,我也会担心这是不是另一种信息茧房?

当然我们也要重视,这样会让我们自己陷入信息茧房或者自己的框架,难以被突破。目前的解决方案就是我们用两个大模型的账号,同样的需求或者比较重要的需求,通过一个有记忆和一个没记忆的窗口(或者最近在用 alma 类chatbot应用也可)进行对话。我们拿到的结果可能是不一样的,这也是针对记忆的一种使用方法。

  • 有记忆的窗口:像一个长期合伙人,知道你是谁、你爱什么、你讨厌什么,效率高。
  • 没记忆的窗口:像一个陌生顾问,不迁就你,会更容易给出你不想听但可能正确的提醒。

我后来还给这件事加了一个小原则:重要决策,至少做一次去记忆化。否则,你会越来越像你自己。这句话听起来很正确,但其实挺可怕的。因为你自己未必总是对的,我也更加需要相对中立的答案。

选适合自己场景的模型

我们在用大模型的时候,会出现一个问题,他的回答不太能够解决我当前的需要,除了前面提到的上下文之外,还有一个是大模型的选择,哪怕是不同版本同样的大模型产品,它的不同版本对应回答的结果一定是不一样的。有的推理能力强,比如 Gemini 3.0 pro。根据我们的问题,也就是息息相关的上下文,加上大模型的选择,是我们去用好这样的一种对话方式,这是我认为比较两个重要的经验。

有的模型像理工男,逻辑扎实,但不太会照顾你的情绪;有的模型像文科生,表达漂亮,但你得帮它把结构拎出来;有的模型像老练 PM,会给你一个看起来合理的方案,但你要追问它:这方案的边界是什么?代价是什么?风险是什么?说到底,还是一样的逻辑:工具没有对错,只有匹配。

我从 2025 年下半年后开始以 Gemini 为主,一个是模型能力,另一个是 Google 生态。我可以在 Gemini 对话框针对 Google drive 某个文件或者 NotebookLM 某个知识库进行提问,效率很高了。

ChatGPT、Claude、豆包也在用,具体要看场景了。

AI 变好用的秘诀是持续 Coding

AI 变得好用了,Coding 的发展功不可没,特别是 Claude Code。在过去的半年,我用AI Coding 实现了很多的小工具。当然它可能没有发布,更多的是解决和优化我自己当前的工作流。所以在这个当中,它更像是我们去成为一种基础设施,一种基建的能力。后面我们的工作台可能是建立在Coding的基础之上,甚至有可能每个人的工作流都不一样,它的解决方案也不同。 我很喜欢基建这个词。基建不是炫技,是为了让你以后走路更顺。

这里我的经验是,不要把Coding 当作是一个编码工具,或者是程序员的工具,它更像是我们通过自己的输入或者自己当前阶段遇到的问题与Coding 这样的工具去找到解法,让它们给我提供相对比较可行的解决方案,并且这个方案是可以跑得通的,是可以实在解决我们的问题的。如果它不能解决或者遇到的问题,我们可以继续向它进行沟通,直到这个问题被解决为止。

或者说的更通俗点:Coding 是我和世界谈判的方式。当世界不给我一个顺手的工具,我就自己做一个,哪怕是个丑陋的小脚本,只要能跑通,就有价值。编程即写作,写作是项目,编程亦如此。最近读到一段关于编程的观点,即「编程应该是一种流畅的表达形式,就像写作一样」。

这让我想起自己最近折腾的一些小东西,无论是为了解决飞书多维表格同步问题去写插件 ,还是批量处理 ePub,为 pdf 或者 MD ,本质上,我并不是为了成为一名专业的程序员,而是通过对 AI 表达我的需求,解决我的问题。

语法只是标点,项目才是故事

语法只是标点,项目才是故事。我们在学习写作时,肯定不会只盯着拼写、语法和标点符号死磕。学会了所有的汉字,不代表能写出一篇好文章;同样的,仅仅学会编程的语法,也不代表你能做出一个好的产品。写作的核心是讲故事,是交流想法;编程的核心,是逻辑的表达,是价值的创造。

如果你只是为了学习语法而去挑战一个个孤立的算法题,那就像是为了学写作而去背字典,枯燥且很难产生心流。这也是为什么很多人(包括曾经的我)在入门编程时容易放弃的原因,我们太在意标点符号是否正确,而忘记了我们要讲一个什么故事。

我以前也会被标准答案绑架。后来我发现,写作和编程最像的一点是:你必须允许自己先写出一版很差的东西。先跑通,后优化;先成文,后润色;先闭环,后精进。

Deadline / 目标 / 价值是项目三要素

什么是「项目」?项目是一项独特的、临时性的任务。它有三个关键要素:

  • 明确的起止日期: 给自己一个 Deadline。
  • 具体目标: 比如我要做一个能自动抓取新闻的机器人,而不是我要学会 Python。
  • 创造价值: 这个东西做出来,得有用,哪怕只对自己有用。

同时还可以增加反馈的机制。没有反馈的项目,很难持续;没有反馈的学习,很难成长;没有反馈的生活,很难变好。所以我在做小工具的时候,会刻意给自己设计反馈点:

  • 今天它帮我省了几分钟🤔
  • 它帮我挣多少钱🤔

这些反馈很小,但它们会累积,形成一种我在掌控的感觉。那种感觉很重要,它能对抗我的焦虑。

痛苦的过程是发现需求的时候

之前在即刻分享过,为了解决「把网页变成电子书」这个需求,我和 @大华Dahua 交流并尝试了 Epubkit 插件 。这就是一个典型微行项目。在这个过程中,我们不需要从头学习电子书的编码规范,具体参数怎么用,我只需要知道工具怎么用,流程怎么跑通。在做项目的过程中遇到的问题,才是真正属于你的知识。 这种以项目为本的方法,是达到构建基建的学习方式。

现在,我们有 Cursor,有 Gemini。它们就像是全知全能的程序员,帮我们修正了所有的拼写错误和语法漏洞。这反而让项目制思维变得更加重要。当语法的门槛被 AI 抹平后,“想清楚自己要做什么” 以及 “如何用逻辑将需求串联起来” 就成了核心竞争力

之前看到一篇文章,写到「人人都是产品经理的时代要来了,等大家都能把想法实现出来的时候,大家会深刻体会到一个道理:大部分想法都是不靠谱的。」 我很认同。因为实现变简单之后,真正稀缺的反而是:你到底要解决什么问题?你愿意为这个问题付出什么代价?这个问题对你来说真的重要吗?

AI 把门槛抹平了,但它也把自我欺骗的成本降低了。你很容易做出一堆看似很厉害、其实没闭环的东西。所以我对自己更苛刻一点:每一个小项目,都要能落在我的生活、工作里。

我们拥有的数字资产越来越多 ,处理信息的能力也需要升级。即便我们大多数人最终不会成为职业的小说家,但学会写作对沟通至关重要;同理,即便我们不以此为生,学会用代码的逻辑去思考,流畅地与机器对话,通过一个个小项目去构建自己的数字世界,这对每个人来说都是一种从不确定性中获益的能力 。

我能想到是去找一个让你感到痛苦的小问题,把它定义为一个项目,然后开始你的写作(编程~AI Coding),你会发现,解决实际问题,远比通过考试更有趣。

从互联网获取答案到从自己身上找答案

用好知识库的前提是,先理解我们的数据分类,一般分为三种,第一种是互联网现在公开的数据,第二种是我和某个组织或者某种方式共同产生的一部分的数据,最后是完全属于我自己的私人的数据,比如我的日记。

针对于这样的情况,我们在和AI的对话当中,只有自己或者跟自己有关的数据生产的内容才能够去帮助我们解决问题。

如果我们全用互联网现在的数据,那我们的回答可能就偏泛,以至于我们没有对我们的信息做二次加工,或者按照我们的需求去做整理。那NotebookLM其实就是这样一个非常优秀的知识库的工具。它让我们在处理内容和方式上变得非常简单,这是我2025年最深度使用的工具。

这段其实讲的是一个很朴素的道理:AI 最擅长的不是知道,而是组织。但它组织什么,取决于你喂给它什么。你喂它互联网,它给你互联网平均值;你喂它你的材料,它才可能给你你自己的洞察。

知识库我选NotebookLM

我喜欢把知识库当成一个中台而不是一个工具。工具是点状的:我用一下,解决一个问题就走。中台是系统的:我把信息沉淀进去,以后每次都能复用,还能产生新的连接,建立新的关系。

我很喜欢这种闭环感:读取 → 整理 → 输出 → 回写 → 再被读取。当你的系统能自循环时,你的精力就能从搬运解放出来,去做更有价值的事,比如判断、决策、沟通、创作。

比如,我在 YouTube 上收集了很多关于项目管理、创业、运营、商业相关的案例的视频/访谈,我可以把这些视频建在同一个知识库里面,根据这些知识库的内容去整理这些视频所对应的内容,让它们之间发现更多的联系。

我也将罗永浩的访谈全部导入到指定的知识库,在这个知识库里面,我能够去分析他访谈的对象所有的经历,通过表格、PPT 文档的形式很清晰地看出这些人的相同点和异同点。同样我也可以在这个知识库里面,针对他们进行交叉的提问,分析这些人之间有什么相同点和不同点。他们在面对同样一件事情,或者面对困难的时候,他们自己的反应是怎样的。罗永浩在这些人当中问了哪些问题,都是可以通过知识库来解决的。

我不是在存信息,而是在存关系。关系一旦出现,我就会觉得世界没那么乱了;从我想了解的信息获取关系,也是一种乐趣。

组织内的知识库是管理工具

之前与同事交流知识库的作用,我的观点是「在企业组织内部,知识库不是为一线人员提供服务的,而是服务组织用来定策略的;知识库的本质是“管理工具”,而非“效率工具”」。 这句话有点反常识,但我确实这么想。

比如:公司可以借助知识库洞察销售团队的 Top 特征,将 top 的销售人员抽出来,看看他们的电话、微信聊天记录,分析沟通方法论,在对比分析其他层级的特征进行对比。

但,如果利用知识库给销售提供在线客服的工具,几乎没有太高价值;只能帮助 50 分一下的人尽可能提高平均值。因为真正的成交技巧往往是非结构化的(语气、时机、潜台词),写在文档数据里的都是大路货。 公司的核心痛点不是“让新员工不犯错”(这是底线,也是可以通过机制或者流程来保证的),而是“如何批量复制那个转化率一直都高的 Top Sales”(这是增长)。

为什么“扶持 50 分及以下的人”价值有限?因为 ROI 不划算!

  • 如果一个 AI 知识库的目标是把 30 分的人变成 60 分,它确实能做到。但对于企业来说,裁掉 30 分的人,招聘 60 分的人,往往比维护一套庞大的知识库更便宜的把。或者优化招聘流程,提高要求。
  • 销售团队通常符合“二八定律”,也就是说 20% 的人贡献 80% 的业绩。服务那 20% 的人(提取他们的智慧),比服务那 80% 的人(给他们喂饭)带来的杠杆效应大得多啊。

那动态来看,未来知识库是不是可以作为动态服务工具,它能自动分析 Top Sales 的录音、聊天记录等信息,发现他们在谈价格前先谈了价值锚点,系统就能自动生成一个新的 SOP 推送给全员。这才算是服务组织,将 Top 的经验进行复用。

我写到这里会想起一个更大的问题:AI 时代,组织会越来越像一个系统,而不是一堆人。系统的核心不是某个岗位,而是信息流和决策链。谁能让信息流更顺,谁就能让组织更快;谁能让决策链更短,谁就能让组织更稳。

Coding 能让知识库动起来

Claude Code 刚出来的时候我并没有多「喜欢」,主要是 「我不熟悉」,特别是对比 Cursor 的操作体验;中间 Claude 推出 MCP 后,我也没用起来,因为我觉得这是给开发者用的服务,而非面向「用户」。

但最近因为 Claude Skills 让我对其大为改观,我甚至开始尝试从零了解 Claude Code。比如在 X 上看到案例是:借助 Skill 实现自动将文件上传到 notebookLM 并自动输出文章,等于将NotebookLM 作为专业的知识库自动化了。

第二个很喜欢的 Skills 是「Superpowers」,它是一个完整开发工作流与技能库,在写代码前先确认项目目标,并分块设计产品及功能,最后再制定可执行的细粒度计划。对于Coding 新手来说,可以极大程度帮助我理清需求,对比之前「一句话的需求描述」更加符合「软件工程」或者「产品研发」流程。

MCP 需要开发者提供,而 Skills 是文档,是一个具象描述工作流或需求的文件而已,自己可以手搓,AI 写的我们也能看懂,安装方便,使用方便,甚至自己还能写几个符合自己需求的 skills,可玩性和实用性都大大提高了。

跑通了 NotebookLM 以后,我又有了一个新的想法,利用 NotebookLM 的能力搭建内容处理中台,比如我司是用石墨、confluence 写文档,各部门还不一样,我用 Claude Code 利用 实现了读取shimo 和confluence 的项目文档,上传至 NotebookLM,最后把我想要处理的结果保存到 confluence 或者石墨当中,这样就完成了内容生成,这样就自动完成了结项报告。

我喜欢 Skills,和人一样,各种技能的组装,就是我们的综合能力。Claude code 让这种能力外化了,或者是具象了,在组织内我们也可以把这样的 Skills 共享出来,让每个人都能调用,那效率就能成倍提升,整体的协作流程就会变得更流程啦。

学习方式可能会翻天覆地

未来的学习可能会发生翻天覆地的变化。所谓翻天覆地的变化是它会改变我们现有的学习方式。现在的学习,我们都是通过视频上课、考试、写作业进行检验,那未来的学习可不可以说让这件事情变得更加游戏化、有趣,甚至我们可以引入我们的世界模型的产品和能力,让学习这个事情变得可视化,互动性更好一些。我觉得是可以做到的,而且它的效率可能会更高。

一个比较微小的感受是,阅读这件事情可能会变得视听效果都很好。当我们看小说,看古诗文的时候,我们不再是一个简单的文字或者文言文,让我们去理解,而是可以通过多模态的能力,让我们去理解这句话,它具体呈现出来是一个什么样的画面、声音,而且跟我们自己所熟悉的环境、熟悉的概念做深度的结合。那是不是也可以呢?

我很期待这种变化,因为它可能会让“学习”从一种压力变成一种体验。但我也会担心:体验越丰富,人越容易上瘾;越上瘾,越难静下心来读一段慢的文字。所以最后还是会回到一个更原始的问题:我们到底在学习什么?

  • 是学知识,还是学思考?
  • 是学技能,还是学判断?
  • 是学方法,还是学自己?

工作内容变化后的碎碎念

我大概很少会在相对公开的场合,比如说博客、社交媒体等等平台上去聊我的工作,因为每个人的工作有很大的特殊性。如果去表达这部分的内容,对别人来说也没有太大的价值。不能说某个人的职场经验在A身上可以用,但在B身上就不能用,为什么呢?因为A的背景、性格、特征,工作环境,岗位职能的要求,对B来说是没有办法完全一致的。常见的一些沟通方式、规范对接,每个公司都有自己的规范。所以我相对比较少去聊这部分的信息。再一个就是我觉得我好像没有这个能力去跟分享这块的内容,整体来说就是比较少。

2025年我发现我的工作内容方向发生变化之后,更多地和人打交道。如前言提及,我发现和人打交道的乐趣在于能从不同岗位和不同方向,他们的目标,他们的出发点,他们的专业诉求去理解他们做这些事情之后,你会发现要想在这个项目本身达成既定的目标是非常困难的。因为彼此之间可能会存在一些视角不同,比如互联网常见的产品、研发和测试,这看起来他们的大目标是项目上线,但他们的工作内容不一样,他们在这个环节当中所负责的事情也不同。在我们工作的其他项目当中,也会有类似的情况,甚至他们之间的视角可能会比产品和研发之间更加突出。作为项目的主导方来说,需要去努力解决和克服这样的困难。在这个过程中,给我的挑战其实还是蛮大的。

而我相比之前通过事情去完成某个项目去串这个项目,和现在通过人通过组织协调沟通对接,去达成项目的积极目标会更加有趣,不是在于去处理这样或者那样的矛盾,而是和人的沟通本身,让我理解到人是这个事情。这个项目达成至关重要的因素,一定不能忽略人的特殊性和人本身的价值。

我越来越相信:项目最终的瓶颈,从来不是工具,而是人。工具的问题,大多可以用时间解决;人的问题,往往要用理解、用耐心、用沟通、用制度去解决。而我过去一年最明显的变化,就是我开始更愿意把时间花在对齐上,而不是推进上。推进是把车推走;对齐是确认大家是不是在同一条路上。

对齐很慢,甚至很烦,但它能减少后续的返工。这也是一种反熵增:你在前面多花一点力气,后面就少一点混乱。(AI 上下文、记忆也是这样)

持续在做的事情

再聊一些不变的东西,不变的东西是我自己对人的乐趣发生了对记录这件事情没有任何的变化,包括记账,包括记日记,到目前为止已经写了1500多天的日记。这些日记是我非常宝贵的产出。我把它喂给了AI,让AI去分析,形成完整的报告,这是我自己了解自己的一个窗口。由于我在日记里面可以不用考虑任何的情感,不用考虑任何的人情世故,我可以随心所欲地写,随心所欲地说,这样的真实性,可能是我唯一的一点做自己的地方。

对信息的获取仍然有自己的标准,重新订阅起了RSS的工具 Inoreader,而不是为了去对抗平台的推荐算法,而是为了保留自己去看、去关注自己想关注的人,他们的动态,他们的作品,这对我来说至关重要。从对事的推理变化到对人的关注的维度之后,我觉得这个世界更加有趣了。

对新事物的好奇一直没发生变化,对AI的好奇,对 Coding的学习和尝试,都是持续在做的事情。

我开始用声音记录了

两周前,我买了得到笔记新出的一个录音卡片的硬件,它可以贴在手机上录下来。

我这一天跟人接触和交流的内容,包括我自己想说的话,并转成文字版,生成摘要以及概览的内容。它成为了我去收集我自己所说话话,是非常重要的信息渠道。而这些收集下来的声音,最后变成文字上传到知识库,也就是notebookLM里面之后,我能发现这样的一些信息,它们之间的关联度。

收集信息让我觉得这件事情是很有价值且必要的。因为它帮助我对抗遗忘。我每天都会写日记,现在我可以通过收集到的这些信息来回顾这一天,我说过哪些话,有什么想法。它的重要性不亚于我每天24小时装个摄像头,但是摄像头的成本很高,且没有这样的场景产品。但是录音是一个非常好的方式。那从延伸的角度来看,我们在和大模型前面提到的一点去对话。针对这样的情况,其实更多的收集,有助于我们去理解自己,了解自己,以及发现一些日常生活当中的问题。

更多的记录和创作,有助于我们更好地认识自己。我很喜欢「对抗遗忘」这四个字。人其实很脆弱,我们以为记住了,其实没有;我们以为理解了,其实只是当时情绪很强烈。等情绪退潮,一切都会变成碎片。而录音这件事的意义在于:它把碎片收集起来,再交给知识库做整理。你会慢慢看到自己行为的模式、表达的模式、情绪的模式,甚至能看到自己的盲区。

比如现在这篇文章,只有80%甚至更大的篇幅,都是通过语音记录转述的。通过语音输入法(闪电说),我可以打开之后,一直说,说完之后它就可以帮我去做记录,转成文字,这是AI时代所带来的很大的便利性。

写到这里,我想到一个画面:在一天很累的晚上,打开了语音输入法/录音开关,说了几分钟。你可能说得乱七八糟,可能重复,可能语气也不够像一篇文章;但我还是说了。这件事本身就很重要。因为表达不是为了证明我有多厉害,而是为了证明:我还活着,我还在观察,我还愿意把那些微小的感受捡起来。这对我来说比“多学一个工具”更有价值。

最后

这么长时间没有写文章,其实不是没写,只是没有把写的内容公开出来,日记我也能写1000字的,哈哈。博客作为一个相对比较有发布门槛的平台,它的操作路径还是有成本的。如果在记录这个过程当中有一个比较大的变化,那就是我更喜欢用语音去记录自己的方式。当然,博客目前是我所有平台里首选,这也是我用RSS去订阅别人的内容出发点。一个活生生的人在更新和表达自己的时候是非常值得尊重和包容的。

下次再见 👋

昨天以前首页

Nexus社区版权益阉割--一文告诉你有哪些版本可以选择

2026年1月18日 04:58
如要阅读全文,点击标题跳转。最近折腾 Nexus,发现默认部署的最新版本首页有组件数量限制的展示,之前一直没有留意,经过一番了解之后,发现 Nexus 社区版的权益,也在进一步收紧,如果公司打算部署一个 Nexus,做好版本选择就非常关键。本文详解跟随版本变化的权益变化,以及如何选择合适的版本。

Image

如何通过 VPS 日志统计 RSS 订阅人数

2026年1月17日 15:00

最近在微信群看到 ROYWANG 写的一篇 《谁在悄悄关注你?给博客装上 RSS 订阅计数器》 ,博主做了个小脚本,来统计博客 RSS 订阅数,但那个脚本只适合博客域名托管至 Cloudflare 的情况。由于我的博客分别在 VPS 和 Vercel 上,情况又有所不同,趁着周末,我也稍微研究了一下这个问题,其实过程也非常简单。

统计原理

此前我写了一篇 在1panel中使用Goaccess取代网站监控和网页统计 的文章,对 Nginx 日志结构进行过一些研究,比如,下边这四条日志,分别代表有网友在 WordPress(应该是RSS插件), FressRSS, Tiny Tiny RSS, NetNewsWire RSS 客户端拉取我的博客更新。

188.88.88.88 - - [17/Jan/2026:06:02:39 +0000] "GET /index.xml HTTP/1.1" 200 92659 "-" "WordPress/6.9; https://www.domain.com" "-"
299.99.99.99 - - [17/Jan/2026:06:11:03 +0000] "GET /index.xml HTTP/2.0" 304 0 "-" "FreshRSS/1.28.0 (Linux; https://freshrss.org)" "-"
366.66.66.66 - - [17/Jan/2026:06:19:39 +0000] "GET /index.xml HTTP/1.1" 304 0 "-" "Tiny Tiny RSS/25.07-dea3f2d (Unsupported) (https://tt-rss.org/)" "-"
477.77.77.77 - - [17/Jan/2026:06:12:08 +0000] "GET /index.xml HTTP/2.0" 304 0 "-" "NetNewsWire (RSS Reader; https://netnewswire.com/)" "-"

由此,我们只需要将这些访问 index.xml 的 IP 和主机头进行统计即可,考虑到一般 RSS 拉取频率基本都在每天 2 次以上,因此我们只需要统计最近一天的独立访问数。为了避免误差,也可以统计一周甚至一个月的访问数,然后再跟一天的数据进行对比。

VPS 日志统计 RSS 请求

我博客的 VPS 日志路径一般在 /www/sites/lawtee.com/log/access.log。RSS 文件为 /index.xml。可以先用 grep 把相关请求提取出来:

1grep 'GET /index.xml' /www/sites/lawtee.com/log/access.log > rss.log

为了排除浏览器和爬虫访问,可以过滤掉常见 User-Agent:

1grep -Ev 'Mozilla|Chrome|Firefox|Safari|Edg|bot|Bot|spider|Spider|crawl|Crawl|Finder' rss.log > rss_clean.log

这样就能得到 VPS 上真实的 RSS 客户端访问记录。

解析访问日志

如前边示例,RSS 订阅客户端的访问日志一般包含 IP、时间和 User-Agent。我们可以用 awk 提取数据后再去重得到订阅数。

  1. 生成 rss_key.log
 1awk -F\" '{
 2  # 第1段:IP + 时间
 3  split($1, a, " ");
 4  ip = a[1];
 5
 6  # 第4段形如:[17/Jan/2026:05:59:32
 7  date_raw = a[4];
 8  gsub("\\[", "", date_raw);
 9  split(date_raw, d, ":");
10  date = d[1];
11
12  ua = $6;
13
14  print date "|" ip "|" ua;
15}' rss_clean.log > rss_key.log
  1. 统计 IP+UA 的出现天数 + 次数
 1awk -F\| '{
 2  key = $2 "|" $3;
 3  seen[key, $1] = 1;
 4  count[key]++;
 5}
 6END {
 7  for (k in count) {
 8    day_count = 0;
 9    for (x in seen) {
10      split(x, p, SUBSEP);
11      if (p[1] == k) day_count++;
12    }
13    if (day_count >= 3 && count[k] >= 10) {
14      print count[k], day_count, k;
15    }
16  }
17}' rss_key.log | sort -nr > subscribers_strict.txt
  1. 统计订阅数
1wc -l subscribers_strict.txt

例如我 VPS 统计订阅数为 339 个

Vercel 访问估算

Vercel 免费计划无法获取详细日志,但可以在 Observability/Edge Requests 中查看具体链接最近 12 小时以内的访问数次。比如,我这里查看过去 12 小时 /index.xml 访问次数为 349 次。假设用户访问行为与 VPS 相同,则 Vercel 订阅数可以按照 VPS 结果来进行估算 。

统计 VPS 上最近 12 小时访问次数

 1awk '
 2$0 ~ /GET \/index.xml/ {
 3  n = split($4, a, ":")
 4  datehour = a[1]
 5  sub("\\[", "", datehour)
 6
 7  mon = substr(datehour,4,3)
 8  if (mon=="Jan") mon="01"
 9  else if (mon=="Feb") mon="02"
10  else if (mon=="Mar") mon="03"
11  else if (mon=="Apr") mon="04"
12  else if (mon=="May") mon="05"
13  else if (mon=="Jun") mon="06"
14  else if (mon=="Jul") mon="07"
15  else if (mon=="Aug") mon="08"
16  else if (mon=="Sep") mon="09"
17  else if (mon=="Oct") mon="10"
18  else if (mon=="Nov") mon="11"
19  else if (mon=="Dec") mon="12"
20
21  day = substr(datehour,1,2)
22  year = substr(datehour,8,4)
23  hour = a[2]
24
25  ts = year mon day hour
26  if (ts >= "2026011618") {
27    print
28  }
29}
30' access.log > rss_12h.log

然后统计访问次数:

1wc -l rss_12h.log

我这里统计出来的 12 小时访问次数为 393 次,按照前边 339 个订阅数计算,每个订阅数大概每 12 小时访问 1.17 次。以此估算,Vercel 那边 349 次访问数,大概对应 300 个订阅数。

全站 RSS 订阅人数估算

将 VPS 和 Vercel 合并,可以得到我这里全站订阅人数保守估算为 339 + 300 ≈ 639。但无论是前边提到 ROYWANG 那种方法,还是我这里的方法,都无法得出实际订阅人数。

原因在于一些现代 RSS 平台,比如 Folo.is(之前叫 Follow.is),它并不是按传统 RSS 逻辑拉取内容,而是完全模拟浏览器行为访问网站。这种访问模式会触发普通网页和资源请求,而不是单独拉取 /index.xml/feed/,所以日志里看到的访问次数和传统订阅行为完全不同,无法通过简单去重或访问频率来推算真实订阅人数。

因此,日志统计方法更多适用于 传统 RSS 客户端,对于像 Folo.is 这种平台,只能得出访问量或流量估算,而无法直接反映实际订阅用户数量。

我用 Anygen 把中文播客圈‘鸡’化了:一份零代码榜单的诞生记

作者 Evan
2026年1月17日 13:16
Image

播播鸡在手机端的效果图

我最近在听李诞的同名播客,还有每天早上在车里听的资讯早七点。想找点新鲜的,就摸到了《枫言枫语》的 Justin 和自力做的播客排行榜。节目挺全,就是页面太丑,我一直想自己整一个,可惜不会写代码。

前两天刷到 Anygen 的邀请码,说是 Manus 的平替。Manus 额度早用完了,白嫖的机会不能放过,注册完就开干,于是就有了“播播鸡”。

名字是家里小朋友最近老唱“钵钵鸡,一元一串的钵钵鸡”,顺手借来用,好记听着也有趣。

欢迎大家使用!

https://boboji.org

转载或引用本站文章请注明出处
© 2025 www.evan.xin

摩根士丹利邢自强2026年1月15日最新会议纪要

2026年1月16日 08:00
会议时间:2026年1月15日主讲人:邢自强(摩根士丹利中国首席经济学家)时长:约15分38秒来源:https://www.youtube.com/watch?v=sMFq0NpAasI

📌 核心观点速览

主题
核心判断
关键数据
中国科创
星辰大海,信心回归
五年规划目标逐一实现
AI竞争
中美各有千秋,中国以1/10投资追平
4000-5000亿人民币/年
人形机器人
中国占全球100强的60%
未来供应全球30%
生物制药
中国医药界的DeepSeek时刻
2040年FDA新药1/3来自中国
出口份额
轻舟已过万重山
当前14%→五年后17%+
房地产
建议"贴按揭"政策
目前第五年,需七年稳态
社保改革
农民社保补贴应提升
200元/月→1000元/月(2030)

一、股市开门红的三大成因

1.1 科创信心回归

  • 对中国科技创新"星辰大海"的信心恢复
  • 历次五年规划目标均实现甚至超预期

1.2 流动性支撑

  • 美元走软,全球资金对人民币资产有利
  • "存款搬家"现象:从定存债券转向权益资产

1.3 政策预期

  • 社会保障体系改革
  • 房地产止跌回稳政策建议

二、中国科创三大优势

优势
具体表现
产业链集群
长三角/珠三角方圆几十公里内数千供应商,墨西哥/印度/东南亚无法复制
理工科人才红利
每年毕业500万理工科生,超欧美总和;AI人才占全球半壁江山
超大市场规模
企业可在内部市场迭代后再出海

三、AI人工智能:中美竞争格局

3.1 中国优势

  • 投资效率:以美国1/10投资(4000-5000亿人民币)取得伯仲之间的成果
  • 基础设施:算力中心供电/冷却超前布局,成本极低
  • 人才:算法改进、独辟蹊径
  • 数据:制造业、智能驾驶、用户端海量数据

3.2 发展路径差异

美国
中国
军备竞赛,天文数字投入
轻量化模型,快速商业应用
追求AGI通用人工智能
足够好用进入万千企业

3.3 GPU国产化预测

  • 2027-2028年:GPU国产化率达50%

四、前沿科技板块

4.1 人形机器人

  • 全球100强中国占60%
  • 汽车产业链带来零部件成本优势
  • 美国单台售价5-10万美元难以普及
  • 预计未来全球**30%**供应来自中国

4.2 生物制药

  • 中国医药界的"DeepSeek时刻"
  • 工程师红利+基础设施优势
  • 2040年预测:FDA批准新药中1/3以上来自中国

4.3 十五五规划新方向

  • 脑机结合
  • 核聚变
  • 量子科技
  • 生物制造
  • 6G网络

五、传统行业底牌

5.1 关键矿产掌控力

领域
中国地位
稀土
垄断全球提纯加工
白银
垄断全球提纯加工
石墨
垄断全球提纯加工
锂电
垄断全球提纯加工
  • 美国及盟友替代需5-8年

5.2 出口份额预测

  • 当前:全球出口的1/7(约14%)
  • 五年后:1/6以上(17%+)
💬 "两岸猿声啼不住,轻舟已过万重山"

六、风险与挑战

6.1 AI短期冲击

  • 未来2-3年更多是替代人工而非加持
  • 需防范对就业、社会心理的冲击
  • 加强年轻人教育培训和社会安全网

6.2 日本教训警示

  • 90年代房地产下行后企业出海成功
  • 但无法挽回国内经济"失落的20年"
  • 启示:光靠先进制造业亮点难以抵消传统行业调整

七、政策建议

7.1 房地产止跌回稳

措施
说明
收库存
消化大中城市约2年销售量的库存
保主体
保护建筑商、供货商
贴按揭
压低按揭成本,缩小与租金回报率差距
  • 国际经验:房地产周期通常需7年进入稳态,中国目前第5年
  • 香港经验:按揭利率低于租金回报率后房价止跌回稳

7.2 社会保障体系改革

现状
建议目标
农民/农民工社保补贴约200元/月
2030年提升至1000元/月
  • 社保做得好的省份,居民消费率更高
  • 有助于降低储蓄率、提振消费

💬 金句摘录

"中国的AI企业仅仅以美国十分之一左右的投资金额,取得了伯仲之间的效率。"— 邢自强
"两岸猿声啼不住,轻舟已过万重山。我们估计中国出口在未来几年依然是提升经济的重要支柱板块之一。"— 邢自强
"打铁还要自身硬,还有赖于中国如何通过改革和自己打破当前遇到的低物价循环。"— 邢自强
"与其陷入口水战谁是谁非,不如把自己的事做好,有则改之、无则加勉。"— 邢自强

原始文本

【开场致辞】
对新年的期许和何院长的一些想法,我跟何院长的一些开场的想法不谋而合。我想今天到了这个场合,代表的还是作为中国改革开放这么多年的见证者的一家外资企业,用它综合的研究能力,对观察中国经济继续在全球开疆拓土、对大家的生产率的进步、绿色转型,以及社会公平取得贡献的一个视角。
我自己本人只是把后面各位大厨做的菜搬出来的一位研究员。我并没有任何个人的社交媒体的账号,但是我也是非常感谢主办方对我们整个研究部门的研究成果的认可。那一切的研究呢,其实都是团队协作的结果。
【股票市场开门红的三个层面】
对于今年股票市场取得的开门红,我们的团队的理解,这彰显了三个层面的成因、背后的趋势,以及未来是否能持续呢,我们可以做一定的探讨。
但我想今天白天在同样的金麒麟论坛上,大家也听了包括刘世锦啊、李稻葵等诸多教授学者的一些想法——对于社会保障体系的改革,对于房地产止跌回稳要实现的贴息政策的建议。如果这些逐渐的落实到位,我相信能使得短期的一些流动性趋势的水流或者科创流,成为长期的慢流、制度流。
【中国科技创新的星辰大海】
所以首当其冲,我想影响最近大半年股票市场信心回升的重要因素,是对中国科技创新的星辰大海,大家的信心回来了。
那回顾每一次五年规划,大家觉得当时比较前沿、超前的一些想法,渐进的得到了落实。特别是从十二五、十三五、十四五以来,中国对于在下一阶段的新兴制造业,包含了汽车绿色转型做出的很多部署,今天一一都实现,甚至超过了当时的预期。
而在一个半月前刚刚推出的十五五规划的建议稿,依然坚持了科技回归,还是把解决卡脖子行业的一些科技创新作为重中之重。这里面除了刚才已经讲到的建议稿还继续坚持绿色转型、人形机器人、高端制造,还加入了一些前沿的,比如说脑机结合、核聚变、量子科技、生物制造,以及6G网络。
我相信大家在见识过过去几个五年规划取得的长足进步之后,对这些科技板块也会充满信心,认为他们会从实验室中走出来,进入量产规模化的商业应用的场景。
【中国科创的三大优势】
背后还是反映了中国经济这么多年取得星辰大海的科创背后的三大优势,分别是:
第一,产业链的集群优势。 在短短方圆几十公里的长三角或者珠三角,找到几千家供货商、无数的工程师提供解决方案。我们的竞争对手们——墨西哥、印度、东南亚——往往只是同时其中一个环节的加工和设计,缺乏这种规模集群的能力。
第二,理工科的人才红利。 中国现在每年毕业的理工科的毕业生接近五百万,超过了欧洲和美国的总和。
第三,超大的市场规模。 造成的企业可以在内部市场先进行迭代更新,再走出去。
这三大优势,我们也有很多研究别的国家地缘政治经济的专家,内部的团队发现,中国的竞争对手们——经常被誉为"下一个中国"的墨西哥、印度、东南亚——没有一个国家可以复制相关的优势。
【AI人工智能:中美各有千秋】
就以目前如火如荼的AI人工智能革命为例,因为这是下一阶段的科技革命的标杆。中国也占了全球AI人才的半壁江山,这也使得尽管美国在AI的革命初期——2022年、2023年——一度占据了半个身位的领先,但是最近大家也注意到,中国在各个层面在不断的赶上。
更难能可贵的是,中国的AI企业仅仅以美国十分之一左右的投资金额,取得了伯仲之间的效率。我们看这些大厂加起来,今年大致上投资四千到五千亿人民币用于算力和AI。当然这个过程中,由于中国部分受限于GPU算力的短板,可能在大规模购买最新最强的这些GPU方面,投资金额比美国要少。
但是中国的强项是什么?那就是在AI领域我们具备基础设施、人才储备和数据的优势:
  • 基础设施:AI算力中心需要供电、需要冷却、需要相关的基础设施,中国这方面是超前布局,极其便宜。
  • 人才:刚才提到的半壁江山,它造就的就是算法的改进、独辟蹊径、提升效率。
  • 数据:需要海量的数据,不管是来自制造业的工厂端,还是来自于具体的智能驾驶测试端,和老百姓对新生态的APP的用户端,来实现对模型的训练。
中国利用这三方面的优势反补了算力的不足。这就使得为什么仅仅用了美国十分之一左右的投资金额,取得的各种模型你追我赶。包括今天大家也注意到,今天的一家大厂又发布了千问的更新版,有点向着人工智能助手方向迈进。
这就显示中美AI发展现在各有千秋。美国是进入了军备竞赛,试图比拼天文数字的投入来实现所谓的AGI通用人工智能,尽管大家对通用人工智能长什么样、未来实现什么还莫衷一是。中国这时候更坚守的是通过足够好用的轻量化的模型进入万千企业,迅速的实现商业应用场景。我想这条路是比较符合中国经济实际的,也是反映了哪怕面临算力的短板,中国依然能够取得一定的弯道超车的重要原因。
更何况随着AI模型上下游的场景应用发展,我们相信算力的短板逐渐的会被突破。我的同事们测算,到了2027年、2028年,中国基本上在GPU层面可以实现50%的国产化率,再上一个台阶。
【人形机器人与生物制药】
当然AI只是中国科技创新星辰大海的一个缩影。讲到AI的具体应用,离不开机器人,特别是人形机器人。这块呢,我们的全球同事们按图索骥,摸索出了全球人形机器人100强,中国占了六成,60%。
特别是由于汽车产业链中国的崛起,在人形机器人需要的各种手臂以及各种运用的轴承、液压等等相关的零器件上,中国具备巨大的成本优势。如果美国只是单靠自己,它的每台人形机器人动辄5到10万美元的售价,是很难进入具体的应用的。相反,中国的产业链能使得人形机器人迅速的进入普及的应用场景,将来可能全球30%的人形机器人的供应来自于中国。
在人形机器人之外,大家也注意到智能驾驶中国的普及率比较高,部分的原因是我们新能源汽车的渗透率全球第一。
以及还有最新崛起的一个很有意思的行业,那就是生物制药。传统上大家比较信赖美国为代表的美欧的大厂搞的创新药、治癌药。但是从前年开始,我们的同事们也做出了一个论断:其实中国的生物制药行业也迎来了一个爆发,不管是从工程师红利储备的在医疗人才研发上面的一些人才优势,还是对它的基础设施——比如说进行医药、靶向药的研究需要大量的测试、需要大量的动物生物实验——中国在这方面都具备了极其强大的供给和基础设施的能力。
我们测算到了2040年,基本上美国FDA批准的新的创新药里面,三分之一以上来自于中国。这也是中国医药界的DeepSeek时刻。
【传统行业的底牌与出口优势】
这些激动人心的好消息不仅仅是聚焦在前沿板块——生物制药、AI、GPU——还在一些传统板块。比如说跟2017、2018年第一次贸易战比起来,这一轮中国在跟美国的博弈中不落下风,非常有底牌。
这底气的根源就在于哪怕是传统行业,经过了八年之后,中国的产业链竞争力、掌控力反而又上了一个台阶。比如说我们知道稀土、白银、石墨、锂电这些传统行业,中国已经垄断了全球的提纯加工和最终制造的工艺。我们测算美国和它的盟友如果想替代中国寻找相关的产业链,可能五到八年以内很难少成气候。也就是说中国这个底牌在未来一段时间还会发挥巨大的博弈作用。
那这也就意味着哪怕现在全世界有很多针对中国的出口太强了,要不要设置一些人为的障碍——比如说贸易壁垒,比如说别的国家也东施效颦补贴他们本土的企业和产业——我想哪怕有这些噪音,中国在全球出口市场的份额依然有望上升。
这是经过我们各个行业通力测算之后:今天中国在全球出口占据了七分之一的份额,五年之后大概还会占到接近六分之一的份额,甚至更高的份额,高达17%以上。这部分的根源就是刚才提到的三大优势,以及在新兴前沿的行业取得星辰大海的创新,很难被单一的经济体所撼动。
所以"两岸猿声啼不住,轻舟已过万重山",我们估计中国出口在未来几年依然是提升经济的重要支柱板块之一。
【风险与挑战:打破低物价循环】
当然讲完了这些光明论的一面,我想今天白天大家听到的一些专家学者也非常有隐忧的提出了一些政策建议。
我想今年以来的开门红反映了对中国科创能力的认知,反映了这个背后对美元走软、全球对美元资产趋味的情况下对人民币和中国资产的一些有利的因素,也反映了最近也出现了一些所谓的"存款搬家"——也就是说居民存款也好、大的机构投资者的配置也罢,从三四年前进项的配置于定期存款、债券,慢慢的开始布局到一些更加活跃多元化的资产布局上,包含了权益资产。
但是这三个因素——科创亮点、流动性支撑、弱美元带来的外围环境——是否能持续?我想打铁还要自身硬,还有赖于中国如何通过改革和自己打破当前遇到的低物价循环、内需房地产和消费依然调整的局面。光靠刚才讲到的一些科创亮点,可能还不足以完全打破。
比如说AI人工智能,最终它是可以提高生产率的,但我们判断在未来两三年短期内,它更多起到的是一个替代人工的作用。至于它对别的人工的加持——使得在座的每一位更加具有生产效率,一个人干五个人的活,工资甚至上涨的更快——这要更往后。所以在短线来讲,AI反而有可能对全世界的人类的就业、社会心理、人伦产生冲击,不得不防。在这个过程中,就要做好对年轻人的教育培训,甚至整个社会安全保障网的编制,来防范AI对就业岗位的冲击。
如果再看先进制造业,光靠先进制造业的亮点也很难完全去抵消传统行业的调整。比如说日本90年代的经验和教训还历历在目——当时它在房地产下行陷入通缩之后,也试图通过日本企业的出海从日本冠军成为全球冠军,也在部分的高端制造业如汽车取得了长足进步。但是日本的企业出海没有办法去挽回国内经济在房地产调整之下长期停滞、失落的20年。
【政策建议:消费与房地产】
有了这些经验和教训,我想当前要做的依然是打破低物价循环,特别是如何针对消费不足问题做出两项巨大的改革和调整。我想消费肯定不只是依赖所谓的"国补",短期内会有作用,但中长线来讲要靠:
第一,社会保障体系的夯实和完善,解决大家的后顾之忧,让大家更敢花钱,释放消费潜力。
第二,让房地产市场止跌回稳。 大家从国际经验可以看到,中国还没有完全稳住。国际上一般大起大落、房地产经历过这种周期的经济体,通常需要七年才能进入最后的稳态,我们现在是第五年。更何况我们在大中城市还有一些库存需要消化,占到了接近两年左右的销售量的库存问题。
所以任由房地产自身根据国际规律和中国自身的库存进行消化,也许还有一段时间的深度调整。在这个过程中,对社会信心、对上游的建筑商供货商、对下游的地方政府和购房人,继续会产生风险的蔓延。
在这个过程中,我们就提出了可以参考国际经验和中国的国情,比如说收库存、比如说保主体、再比如说贴按揭。特别是贴按揭这一块,可以有效的使得当前中国居民面临的按揭成本被压低,使得缩小购房成本跟租金回报率之间的差距。不管是国际经验还是中国香港过去一年半房价止跌回稳的先行指标都显示了:一旦让按揭利率显著的低于租金回报率,有望改善老百姓的购房预期,使得整个房地产市场进入正循环。
所以贴按揭是我们对2026年房地产政策的一项建议和期许。
【社会保障与储蓄率】
当然长线来讲还是要看社会保障。我们的储蓄率高,很多海外的人士会诘难中国的储蓄太高,硬币的另外一面就是只好靠出口、靠投资,但是消费不足。
我想与其陷入这些口水战谁是谁非,不如把自己的事做好,有则改之、无则加勉。特别是中国这些储蓄率高背后的根源之一,确实涉及到我们的社会保障体系有待进一步的夯实和完善。但凡是我们社保做得好的省份和直辖市,它的居民消费率就高,这是一个很好的实证经验。
如果说在未来五年,我们让现在在整个社会保障领域相对比较匮乏、不够夯实的农民和农民工享受到的社保补贴明显的提升——比如说从当前每个月社保补贴200多块钱,提升到2030年十五五规划末期的1000块钱——那根据农业和农村的消费水平、物价水准,就基本上是建立了一定的安全屏障,让他们减少后顾之忧,长治久安的提升中国的居民消费率。
【总结与期许】
所以我想,打破中国的低物价循环、改变所谓的内卷,也在国际社会上一举打破地缘政治对中国出口太强、内需偏弱的这些所谓的反弹噪音,最好的手段就是把自己的事做好:落实十五五中间提出的让房地产止跌回稳,以及对社会保障体系进行完善和夯实。
这是我们对来年的期许,也是让当前出现的流动性和个别科创亮点支撑的流势能够长期坚持下去的主要原因。
谢谢大家!
 
转录时间:2026-01-16
视频时长:约15分38秒
 
❌
❌