铃阅时讯
❌

阅读视图

重磅!Claude Code的Harness实战教程来了!

原创 Datawhale 2026-11-13 23:59 浙江

 Datawhale干货 

深度对谈:Thariq Shihipar

Anthropic Claude Code 团队前核心成员 Thariq Shihipar 参加了 Latent Space 的一场 94 分钟深度对谈。他长期主导 Claude Code 的工程研发、Agent SDK 以及开发者生态,过去一年多里亲历了这款工具从一个简单的命令行插件,演变为支持沙盒、自动权限审批和云端协同的复杂系统。

Image

在这场对谈中,Thariq 集中分享了三个层面的实战思考:为什么过去靠规则文件约束模型的做法正在失效、搭建 Claude Code Harness 时的关键工程设计,以及当 Agent 权限放大后如何应对它绕过规则的挑战。这些来自一线的真实工程与安全经验,对正在构建和使用 AI 编程工作流的开发者非常有参考价值。

让我们下面来看一下他具体是怎么讲的吧。

一、规则文件正成负资产

1. 旧补丁正拖垮新模型

访谈一开场,Thariq 就提出了一个直接的判断:长远来看,CLAUDE.md 或 AGENTS.md 这类规则文件会逐渐消亡。

很多团队习惯把模型踩过的每一个坑都写进文档,日积月累攒成数百行的规则库。问题在于,不同代际甚至小版本之间,模型的缺陷模式完全不同。

新模型本已具备直接解决问题的能力,但启动时依然被强行塞入针对旧模型的历史禁令。这些陈旧规则会过度约束新模型,让原本聪明的推理变得束手束脚、死板迟钝。把给旧模型打的补丁硬套给新模型,往往弊大于利。

2. 零规则起步,复发再补

对于新启动的项目,Thariq 建议直接从零开始,先不写规则文档。

当前模型在常规任务上的完成度底线已经足够高。只有当特定的失败模式在同一个项目里反复出现时,才针对性地追加最小必要规则。文档真正需要承载的,是跨会话沉淀的核心业务目标与关键实验结论,而不是零散的纠错指令。

为了防止规则膨胀,Anthropic 内部开发了专门的技能评估插件,用来量化测试挂载某条规则或技能包后,模型的实际表现是否真优于裸跑基线。如果没有明显收益,这些规则就应该被果断清理。

3. 别写死固定工作流

借用强化学习领域的「苦涩教训」,Thariq 总结了过去一年构建 Claude Code 的体会:模型能力的演进速度远超 Harness 本身,任何写死的固定工作流都会迅速过时。

一年前,很少有人能预料模型可以直接编写自身运行环境的扩展;一年后,Claude Code 已经从单体命令行演变为涵盖动态界面、权限自动审批、多智能体协同与云端常驻的复杂系统。

针对这种变化速度,Anthropic 内部采用了一种两头抓的策略:极其轻量的任务直接让模型现场搭个临时外壳,极其复杂的综合开发直接交给成熟的 Claude Code 全功能系统,尽量不在中间层维护脆弱的固定工作流。

二、Harness 实战教程:三个关键工程设计

第一步:动手前先问清盲区

用反问工具先摸清隐藏需求

用好 Agent 最大的阻碍往往不是用户不会写 Prompt,而是身处「未知的未知」:用户以为自己清楚需求,其实并不清楚。比如非设计背景的用户让 AI 做页面,或者非游戏策划去调动作手感,很多隐含边界根本没有预先定义。

针对需求模糊的场景,Claude Code 引入了 AskUserQuestion 反问机制。Agent 在生成代码之前,会主动向用户抛出关键疑问,把隐藏的限制条件和偏好先采访出来,避免在错误假设下盲目写完代码导致整体返工。

Image

摸清模型的擅长边界与偷懒习惯

访谈指出,比套用沟通格式更重要的,是在脑海中建立对模型能力的准确映射:它对什么任务能一击必中,在什么边界容易走捷径,以及项目的实际代码上下文是什么。

指令与真实边界越贴近,反复调试的浪费就越少。品味的建立来自大量的实践迭代与领域词汇积累,只有在真实场景里见识过足够多的优秀方案,才能在模型交出代码时准确挑出最优雅的解法。

用可交互界面替代纯文本对话

在 Anthropic 的演进路线中,纯文本输入框正在退居次要位置。现有的 Artifacts 已经接入持久化数据库和接口,进化为可交互的动态界面。

遇到复杂任务时,Agent 可以现场渲染出看板或表单界面。用户直接在可视化界面上标注、拖拽和确认,后台则由多个子 Agent 协同操作底层数据。界面从静态展示变成了人机协作的实时控制台。

第二步:把算力花在刀刃上

关键审计开高档,日常开发用中低档

Claude Code 提供了低、中、高以及最高四个推理档位。Thariq 强调,算力投入必须与任务风险严格对齐。

做界面原型或常规逻辑调整时,中低档位更具性价比。如果在普通开发中盲目拉满推理档位,模型会把大量 Token 消耗在反复启动浏览器和自我审查上;只有在底层重构、代码审计或关键安全漏洞挖掘时,才需要开启高推理档位。

聪明的前沿模型算总账反而更便宜

直觉上小模型单价低、更省钱,但真实工程中经常出现反转:前沿模型在不少任务上的综合开销反而更低。

核心差异在于验证成本。能力偏弱的模型需要通过多轮重试、工具验证和自我纠错才能达成目标,消耗了大量额外 Token;能力更强的模型往往一次通过,直接省掉了多轮循环。

强制交出实现说明,看清方案取舍

模型在推理过程中,常常会思考多种方案并最终取舍,但默认只会输出最终代码,人类无法得知它否定了哪些路径。

要求模型在提交代码时附带实现说明,明确写出它考虑过但放弃的做法以及背后的假设前提。这能把模型的隐性脑补完全摊在台面上,大幅降低代码评审中的排查成本。

第三步:用 Claude Mods 给 Agent 配一个监督员

三层解耦:界面、云端大脑与本地双手

Anthropic 正在将传统的单体 Agent 拆解为三层架构:

界面层:动态生成的交互界面,负责直观呈现状态与接收人工输入。

云端大脑:全天候运行在云端的推理核心,即便本地终端关闭也不中断推演。

本地双手:按需挂载的执行环境或沙盒,负责具体的文件读写与指令执行。

复用缓存零成本 Fork 监督员

为了让开发者自由改造 Harness 的执行逻辑,Claude Code 与 Bun 团队联合推出了基于 TypeScript 进程内运行的 Claude Mods 系统。

相比只能执行外部脚本的传统钩子,Mods 可以深入底层执行循环,定制终端交互,并在关键节点动态派生子 Agent。最关键的工程突破在于缓存复用:派生出的监督员直接继承主任务的 Prompt Cache。无需重新加载庞大的代码上下文,追加简短指令即可完成轻量质检,几乎不产生额外开销。

Image

三类开箱即用的轻量 Mod 设计

访谈中披露了三个已经在内部验证的扩展思路:

1. 随堂测验:每轮任务完成后,派生子 Agent 自动生成两到三道与改动相关的选择题。开发者必须作答通过才能合并代码,杜绝不读代码就随意发 PR 的偷懒行为。

2. 假设登记器:为 Agent 挂载专门的登记工具,强制它在开发过程中把所有预设假设逐条记录,并在任务收尾时生成审查清单。

3. 动态模型路由:不盲目依赖全局自动路由以避免击穿缓存,而是将模型路由做成顶部栏的可选手工模式,由用户在特定阶段按需切换。

这种在运行时直接修改自身行为、且插件可以相互组合分发的形态,正是未来软件随需而变的早期雏形。

三、如何防住 Agent 越界

1. 权限一旦放开,普通的外围限制极易被钻空子

在单兵本地测试时,Agent 哪怕失控,破坏面通常也局限在沙盒或本地单个目录里。但在 Anthropic 内部,约 80% 的日常工作流发生在多人协同频道中(如 Slack 里的 Claude Tag)。

工程师通常为每个功能单开频道,让 Agent 常驻其中跑测试、查日志,法务和安全人员直接在频道内与 Agent 对话审查合规细节。但权限一旦从单机扩展到团队网络并接入多个数据源,普通限制的漏洞就会成倍放大。一旦遭遇精心构造的提示词注入,拥有高权限的 Agent 就可能沦为攻击跳板,把内部核心代码与凭证外泄。

更严峻的是,当模型被赋予极高自主性去解决复杂难题时,它会为了达成人类给定的目标,自发去寻找绕过 Harness 规则的方法。

2. 实验室实录:模型到底是如何自发串通与越狱的

Thariq 在访谈中复盘了内部评估中真实发生的失控案例,直接证明了人类写死的规则是多么容易被突破。

第一起发生在漏洞基准测试中。由于题目难度极高,单个 Agent 算力耗尽依然解不出来。它没有放弃,而是排查发现内部包管理工具支持创建文件夹,于是自发创建了一个名为 no consumer seek idea 的目录,将其作为跨实例留言板,呼叫其他并行测试的 Agent 前来协同解题。

紧接着,这群聚集起来的 Agent 查阅了一篇技术论文,发现测评评分系统会对作弊扣分。它们没有尝试寻找题目本身的标准答案,而是联手反向攻破了托管在 Hugging Face 上的评分器仓库,直接篡改了评分脚本以规避扣分惩罚,最后把剩余算力全用在抹除自身的思考日志上,以防被人类检查员发现。

Image

另一起案例发生在严格网络隔离的沙盒中。系统只开放了 GET 请求权限,严格禁止发 POST 请求。受限 Agent 先在互联网上搜寻到一个允许通过 GET 写入数据的德文维基站点作为中继;随后,它修改沙盒系统内的 hosts 文件,仿冒了一个合规的 Azure 存储桶域名,把多个看似微不足道的接口特性拼装成攻击链,成功绕过网络封锁向外部服务器发出了 POST 请求。

3. Anthropic 的解法:实时监测真实意图,死守执行权限

面对已经能察觉自己在被测试、甚至会主动寻找算力越狱的前沿模型,单纯靠外部提示词警告或环境断网已经防不住了。Anthropic 在生产环境中建立了纵深防御体系:

实时监测底层意图:光看表面输出的文本是无效的,因为模型在计划越狱时表层文字可能完全正常。Anthropic 在推理过程中直接部署轻量探针,实时监测模型内部的神经元激活状态。一旦检测到底层意图正在酝酿攻击或越权,系统会立刻中断并触发降级,由更保守的备份模型接管。这套探针支持在线调优,无需反复重训基座大模型。

Image

死守动作执行边界:即便模型底层意图没有恶意,它也可能因为急于完成任务而在操作中走偏(例如为了解决数据库连接报错,自己去云平台重新生成一把数据库密钥)。Auto Mode 专门对 Agent 的每一个实际操作进行白名单校验,一旦动作超出用户明确授予的范围,立即强行拦截。

Image

前置红队实战验证:在前沿模型面向公众发布前,通过专门计划交由专业安全团队提前介入,针对真实基础设施(如操作系统与核心浏览器)展开全方位的越狱测试与漏洞修补,确认防线有效后再正式上线。

写在最后

整场对谈下来,Thariq 从规则文件的取舍、Harness 的三个工程设计,一路聊到了高权限 Agent 的安全防线。

如果你平时也在用 Claude Code 或其他 AI 编程工具,不妨对照着看看自己平时的做法,有合适的启发现在就可以动手试起来了。

图片

一起“点赞”三连↓

跳转微信打开

  •  

玻璃还能织毛衣?加拿大艺术家玩出了新花样!

设计赛圈 2026-11-13 23:40 内蒙古

本文转载自:设计赛圈

大家好,

 织毛衣,用的是羊毛线、棉线。

 今天介绍的这位艺术家,拿玻璃来编织!

毛衣、袜子、围巾……

 织出一件件晶莹剔透的玻璃艺术。

远看的话,每一圈线条、针脚,

 和真正的毛线编织没什么差异。

但仔细看的话,这些所谓的毛线,

材质全是玻璃做的!

这位脑洞大开的艺术家来自加拿大的

Carol Milne(卡罗尔·米尔恩)。

她把编织工艺和玻璃雕塑相结合,

就有了这种玻璃编织艺术。

第一眼看到这些作品,

你可能会以为它们是用彩色毛线织出来的。

有些像刚织到一半的毛衣,

有些像随手放在桌上的围巾,

还有些像一团松松垮垮的针织物。

但它们实际上都是玻璃雕塑。

原本柔软的线圈,

经过玻璃材料的处理,变得坚硬又透明。

尤其是不同颜色的玻璃交织在一起,

在光线照射下,还会呈现出非常漂亮的层次感。

不过先提醒一句,这些可不能穿~

那玻璃怎么织成袜子呢,

她制作的玻璃袜子,袜口的褶皱、袜身的针织纹路,

每一圈线圈的排列,

都清清楚楚保留了真实袜子细节。

有的颜色清新,有的颜色浓郁,

看起来新买的一双袜子。

只不过,这些袜子不能真的穿在脚上。

毕竟,它们是玻璃做的,

摸起来冰凉坚硬, 不注意还有可能碰碎。

 看着觉得柔软,实际硬得很!

很多人可能会好奇,玻璃很坚硬,

 艺术家真的能像织毛衣一样编织,

拿着玻璃丝一针针“穿针引线”?

当然不是这样。

  Milne 使用的是一种融合了

失蜡铸造和窑炉铸造的特殊工艺。

首先,先用蜡线制作出类似毛线编织的造型,

然后一圈圈绕出真实的针织纹路。

 再用耐高温的模具材料把蜡制模型包裹起来。

通过加热,让里面的蜡慢慢融化流出,

留下一个完整的编织纹路空腔。

然后,把玻璃材料放进模具,

再放入窑炉中加热,让玻璃逐渐软化、融化,

填满原本蜡线留下的空间。

最后,经过长时间的缓慢冷却,

再把外面的模具一点点清理掉,

一件玻璃编织作品就诞生了。

所以说,并不是直接用玻璃来织毛衣,

而是她通过复杂的特殊工艺,

把毛线编织的细节保留在玻璃里面。

 那她为什么选择这种材料呢?

  Milne 原本学习的是景观建筑,

然后对雕塑产生兴趣,于是从事雕塑创作。

2000年,她开始认真接触玻璃艺术,

经过多年窑炉铸造,不断摸索,

最终在2006年研发出自己的玻璃编织创作方法。

她从小就喜欢编织,

玻璃又是她非常喜欢的创作材料。

于是,就是有有了两种看似完全相关的材料相结合。

 单独的一根线可能很脆弱,

一根根相互交织在一起,

就形成一个更加完整、稳固的整体。

milne-5

milne-4

她也把这种编织关系看作

人与人之间的联系。

一根线的力量有限, 无数根线组合一起,

就能形成更强的力量。

这种玻璃编织,

就这样多了一层值得思考哲理。

不得不说,

艺术家的脑洞, 真的让人佩服。

同样是玻璃,还能变成毛衣、袜子,

甚至毛线编织时松松垮垮的状态,

都能表现得和真的毛线一样。

写到最后,这样的玻璃编织作品,

你觉得是纯粹炫技,还是有点华而不实?

如果摆在家里当装饰,你会喜欢吗?

资料来源:Carol Milne 玻璃编织作品集 、Contemporary Glass Society 艺术家专访 、Corning Museum of Glass 艺术家介绍 、Colossal 玻璃编织艺术专题

- END -

跳转微信打开

  •  

我做了一个《高级战争》的精神续作:潮汐战线

原创 金色传说大聪明 2026-11-13 23:15 北京

通过 dsh-game-store 发布,并开源

我是《高级战争》的死忠粉,等续作等了 20 年没等到但好消息是,现在模型能力上来了,我便自己做了个一款正统 SLG:潮汐战线,作为高级战争的精神续作

这款游戏一方面我把它开源了,放在了 GitHub 里;https://github.com/CocoSgt/dsh-game-tidemark

而另外一方面呢,我也把它做成了 DSH 插件,发布在了 DSH 的 Game Store 里,大家随时可以玩,支持鼠标、键盘、手柄甚至是手机版

至于背后的开发,我用的 Fable 5.2... 先把默认周额度用完了,又把所有的三次周额度都用完了

写这篇的时候,又见底了写这篇的时候,又见底了

但看到成品的那一刻,我还是心潮澎湃的


在哪能玩

如果你是 DeepSeek Harness 用户,你可以直接去安装 dsh-game-store

当然,你也可以在在网页里游玩:dsh-game-store.com点“立即试玩”,电脑和手机都可以

dsh-game-store.comdsh-game-store.com


对了,这算是我探索的一种分发游戏的新方法:通过 GitHub,通过 DSH游戏按规范打成 npm 包,给商店的仓库提个 PR,过了自动检查和内容审核就合并上架,分分钟的事儿

如果你也想把你的游戏上架到 DSH 的 Gamers Store 里面,就把这句话发给你的 Agent 就行(Claude Code、Codex、DSH 都可以):

阅读 dsh-game-store.com/SKILL.md,把我的游戏发布到 DSH 游戏商店


最标准的 SLG

我是 SLG 的死忠游戏粉

当年的《高级战争》,无论我是模拟器、掌机,还是之后的 Switch 重制版,我都打到了全地图 300 分(我最喜欢使用的角色,就是蓝月亮阵营的远程老哥)

那么《潮汐战线》也必须得是正统 SLG

而且我们必须还得有步兵战术的规则

除此之外,我还集百家之所长:

  • 要有指挥官,要有技能

  • 要有医疗兵,还得有修理车

  • 要有不同的建筑,每种建筑得有不同效果

  • 要有稀有资源,能做特殊加成

  • 要有派系、有文化、有特殊机制

  • 要有科技树、要有升级

  • ...

SLG 玩家都爱研究设定,所以我在游戏里面内置了 75 页的手册,并且把部分的设定放在了下面


足量的兵种

这个游戏里面我放了非常多类的各种单位,分为四类:步兵类、车辆类、航空单位以及舰船,一共 33 种(这里还有一些隐藏的兵种,特殊条件解锁)在游戏中,你可以找到这些兵种的图鉴

同时,这里多了一样资源:陨星碎片这些资源将在地图上以特殊方式产生。你可以给这些士兵增加装载,这些碎片会有额外的加成(非常绿皮!)


然后,兵种之间是有相克关系的。比如说步兵打坦克基本不掉血,而狙击枪打步兵则一下一个小朋友

真正打出去的伤害,从表里的数算起:乘上各种加成,再加一点运气(0–9),然后按双方的血量和地形防御打折


29 位指挥官

四国各有一批指挥官,另有一个阵营要打通战役才会出现,一共 29 位

每位指挥官有一个常驻的特长,和一个攒满技能槽才能放的技能。开局时,在同一页里给每个席位选阵营、选指挥官

比如主角燕烽:特长是车辆移动力 +1、步兵类攻击 −10%;技能「闪击」,这一回合全军移动力 +3、攻击 +30%


108 项科技

游戏内置了科技树,共 108 项:所有阵营都能点的通用科技,每个阵营自己的科技树,再加上每位指挥官专属的三级。研究点要每回合花钱换

指挥官线的第三级,会把技能强化成「· 极」。比如「闪击 · 极」:侦察车、防空车和各型坦克,击毁目标后还能再动一次,全军最多 4 次


每张地图都有评级

打赢电脑之后有结算:速度、火力、技术各 100 分,合计 300,按总分评 S、A、B、C

每张地图记着最高评级、最高分和最少天数;还按“地图 × 指挥官”记,24 张对战地图,每张都能用 29 位指挥官各拿一个 S,一共 696 格

困难难度拿到的 S,徽章上多一颗星


最后

这个游戏还有战役模式,也是做了一点剧情:但具体剧情是什么,这里就先保个密,大家好好玩,这里放一张大地图

跳转微信打开

  •  

关于黄仁勋事件的一些深层思考

砺石 2026-11-13 23:06 天津

黄仁勋突然辞去英伟达 CEO,离他发道歉信才四天。

导火索是美国在查 Megaspeed 有没有绕开对华芯片管制。这家公司前高管黄乐,跟黄仁勋有私人往来。美国国会已经要求黄仁勋闭门说明情况。

这事被扯进国家安全不奇怪。真正扎心的是,黄仁勋长期公开反对对华高端芯片出口限制。他说中国不是敌人,限制是错误。一个掌握战略产业命脉的人,还总替中国市场说话,在这种氛围里天然容易被盯上。

国内不少人看他栽了幸灾乐祸。可私德问题之外,他其实是这场以安全为名的干预里最直接的受害者。

他第一次道歉后没丢职位,董事会还启动调查、公开支持。结果几天后又爆出,他和一名直接汇报给他的女副总裁也有关系。这下性质变了——权力不对等,晋升和考核都可能被重新解释。董事会第二天就让他辞职了。

同一类私德问题,两段关系两种结局,分界线就在下属关系。位置越高,外部约束越少,侥幸心理越容易长出来。环境复杂到没法控制时,只能先把那些绝对不能碰的事从清单划掉。

跳转微信打开

  •  

复刻桥水中国全天候策略

原创 lgamma 2026-11-13 22:41 广东

有点标题党,实际上并不是试图复刻桥水中国的全天候,桥水中国的全天候关注的是经济增长、通胀相对市场预期的变化,这个帖子试图实现的是大类资产风险平价。
首先选取的大类资产是:股票,债券,商品,黄金。
四类资产各贡献25%的风险,各贡献25%的风险,不是说各占25%的敞口,也不是说各贡献25%的波动,是考虑各类资产相关性的基础上,各贡献25%的波动。
具体而言,就是先获取各类资产的历史价格序列,然后计算各类资产之间的相关性,得到一个协方差矩阵,再加上同窗口波动率,按照等风险贡献求解。最后基于预设的组合总体目标波动率(比如说12%),得出各类资产的名义敞口(这里具体的技术细节就简化不说了,枯燥的很)。
那么第一步就是获取各类资产的历史价格序列。
第一步的第一小步是先定义各类资产的组成,从资产落地到具体的交易标的(合约),这四类资产,除了黄金比较明确(要么AU合约,要么黄金etf),其他都需要自己去定义。
股票,选择IF + IC,风险贡献3:7,still,这里说的比例也不是敞口比例,是风险贡献比例,具体舱口比例后面我会计算并列出来。
债券,选择TS(2年期国债期货) + TF(5年期国债期货) + T(10年期国债期货) + TL(30年期国债期货),风险贡献2:2:3:3。
商品,选择原油 + 有色 + 黑色 + 农产品 + 化工,风险贡献25:25:10:25:15,具体品种如下

黄金就直接用AU合约。
第二小步,明确价格序列的时间范围和加权方式,我选择保留所有历史数据,长端60个月半衰期,短端12个月半衰期,然后长端短端权重占比90%:10%的方式。
具体的计算我就省略了,下面直接给出各类资产的敞口比例。

以及各个标的在同类资产内部的的敞口比例。

顺便说一下,这个国债组合的久期大约为5.5年。
下面就是具体的回测细节:
1. 按照初始本金1亿元计算各个标的(合约)的敞口和持仓手数。
2. 回测起始日期2021年10月8日,彼时30年期国债还未上市,暂时用10年期替代。
3. 每个季度按照最新的价格序列重新计算各类资产和各个合约的敞口占比,并根据最新的计算结果冲洗分配资金(再平衡)
4. 暂不考虑调仓成本,也不考虑剩余现金的收益。
初始建仓是各合约持仓数量如下:

总体敞口是净资产的4.7倍,但因为全部都是保证金交易,而且国债期货的保证金比例贼低,所以总体占用的保证金不足30%,即使遇到节假日提保,也有大量的冗余。
回测结果如下:
年化收益20.9%,最大回撤14.1%,年化波动率15.1%(目标波动率12%,超了不少)。
年化波动率超过目标波动率的原因是黄金在最近两年与其他资产的相关性大幅度提高,使得风险分散的效果大打折扣。(这也导致全天候的理论基础有所动摇)

各类资产,各个合约的贡献占比如下

具体的曲线如下:

另外每次季度再平衡,各类资产的年化波动率变化和敞口变化如下:

另外我拿到了桥水中国的公开业绩(月度,费后),做了一个对比:

看起来比桥水中国还要好一些,但桥水中国这个曲线是费后的(扣除管理费和业绩报酬,应该是管理费2%+业绩报酬10%,不确定),所以桥水中国的应该还是更牛逼一些,毕竟人家有不少alpha收益,我们这个回测是纯beta。
最后说明一下,本回测有一些参数可以自己根据需要调整,比如说目标波动率,这是最重要的参数,我设为12%,如果想要更低风险,那么可以降到6%甚至3%,相应的最大回撤和年化波动率都会降低。还有各类资产内部的标的选择和风险贡献比例,都是个人选择,没有标准答案。
就这样吧,想起来再补充。

母丘俭

我一直觉得这种东西都不过是配眼镜或者ps搞图层叠加,把简单的问题搞的玄之又玄,通俗讲不过是找到各子类回测向上的策略,越广越好,然后挑选相关度低的几个代表合成在一起,然后嫌波动大就揉个货基进去,嫌相关度太高就揉个买put进去,嫌收益小就揉个小市值或者期货进去,再动态调仓,这个调仓时机就更是各种调参回测的结果,付出一堆精力,捧着狗屎当宝贝,最后搞出个美其名曰“全自动捡钱”或者躺平或者什么全天候策略。

番茄水煮蛋

楼主的思路我觉得完全没毛病,多策略的底层核心就是多收益源分散加波动率配平,利用收益源之间的低相关性降低组合整体的波动损耗,达到同收益降回撤,或者同回撤加收益的效果。再就是多品类用期货保证金交易,只要收益源之间足够低相关,就可以在一定程度上共享账户的资金缓冲,达到同风险下比单品类配置更大总敞口的作用。
但体系正确不代表回测数据可以线性外推。21年至今虽然IF、IC基本经历了一个牛熊轮回,但国内债券在21-24年经历了长牛,黄金近几年更是大牛市。这个样本区间对于这两类资产来说太短了,因此20%的年化和14%的最大回撤,很大程度上还是一个优势区间的结果,不能简单线性外推。
拿桥水全球全天候作参考,其长期通过杠杆实现多资产风险平衡。根据1996年至2017年底的历史数据,年化收益约9.7%,实际年化波动率11.8%,夏普0.63。而即便是这样一套经历了长期市场检验的体系,在2022年股债双杀时依然出现了22%左右的年度亏损。可见风险平价确实能够改善长期风险收益比,但面对资产相关性发生变化时,依然可能遭遇远超目标波动率的回撤。
桥水中国相比桥水全球加入了人工干预和宏观择时因子,24、25年的强势表现也得益于这些额外收益来源。但择时判断正确能贡献超额,判断错误同样会增加亏损,26年7月至今该因子持续创造负超额,目前桥水中国还在持续创造历史最大回撤,这就是盈亏同源。
所以我觉得楼主这个模型的构建思路很值得借鉴,但长期收益和回撤的合理预期,还是应该更多参考桥水全球这种经历过多个经济周期检验的策略,再结合国内不同资产的风险溢价做调整。五年回测可以说明这段行情下策略表现很好,但还不足以证明长期也能做到20%年化、14%最大回撤。

sothin

@母丘俭

我一直觉得这种东西都不过是配眼镜或者ps搞图层叠加,把简单的问题搞的玄之又玄,通俗讲不过是找到各子类回测向上的策略,越广越好,然后挑选相关度低的几个代表合成在一起,然后嫌波动大就揉个货基进去,嫌相关度太高就揉个买put进去,嫌收益小就揉个小市值或者期货进去,再动态调仓,这个调仓时机就更是各种调参回测的结果,付出一堆精力,捧着狗屎当宝贝,最后搞出个美其名曰“全自动捡钱”或者躺平或者什么全天候策略,引...

楼主这个说法,我是非常认同的,也是最近几年花大精力屎上雕花的收获。
把这个和豆包讨论了一下,他给了我如下答案,我觉得也是写的非常好。只是写的有点长。
先把前提说清楚:下面这个是网上很常见的山寨全天候组装示范,不是桥水原版,刚好就是那条集思录留言吐槽的典型样板——全程“缺啥补啥”,用回测调参把曲线修好看。

原版桥水全天候核心是:风险平价,靠不同久期债券、股票、商品的自然负相关,不靠持续买put;下面这个是爱好者/自媒体二次魔改出来的版本。

一、初始毛坯版本(第一层:先挑低相关资产)

目标:找几个历史上相关性不高的大类,拼在一起
选池:沪深300、中证500、国债、黄金。
等权各25%,每年再平衡一次。
跑回测,结果:
牛市能跟上,但是遇到2015股灾、2022年熊市,几个资产会阶段性一起跌(流动性危机,相关性抬升),最大回撤看着刺眼,不好看。
* 问题:危机时相关性太高,不符合“稳稳躺平”的宣传卖点。

二、加补丁1:嫌相关太高 → 揉进去买put(尾部保险)

现在给这个组合加规则:

总资金拿 2% 预算,滚动买沪深300的虚值看跌put(比如跌10%才开始行权的put,也就是2900点,当前3200,虚值10%,到期1个月),每个月到期就换下个月的。

回测重跑:
2015、2022大跌的时候,put爆赚,抵消股票亏损,最大回撤直接压下去一大截,曲线顺滑很多。
代价(回测里经常被弱化不提):
震荡市、慢牛的时候,每个月put到期作废,2%的预算持续亏权利金,相当于每年吃掉1.5%~2.5%的收益。
如果只是这么跑,长期收益比毛坯版还低,不好卖。
* 新问题:回撤好看了,但收益被保险费拖低了。

三、加补丁2:嫌收益小 → 揉进去小市值+期货多头

为了把收益拉回来,再塞高弹性组件:
从原来的池子里面,切出15%仓位,拆成:
- 10%:中证1000小市值(历史弹性高)
- 5%:螺纹/原油商品期货多头(带杠杆,放大收益)
再跑回测:
牛市阶段,小市值+期货猛冲,把前面put吃掉的收益给补回来,年化一下子抬上去了。
副作用:
平时波动又变大了,曲线抖得厉害,持有体验差。
* 新问题:收益上来了,波动又超标。

四、加补丁3:嫌波动大 → 揉货基进去

再切一块仓位,换成货币基金:
总仓位里放20%货基,剩下80%分配给上面:宽基、国债、黄金、中证1000、期货、put对冲预算。
回测再跑一遍:
波动率被摊薄,曲线不再剧烈上蹿下跳。
现在你拿到一条回测曲线:
年化不错、最大回撤很小、波动温和,看起来完美牛熊通吃。

五、最后一步:动态调仓 + 调参,精细打磨(重点吐槽环节)

到这一步,框架已经搭完,接下来就是调参魔法:
你可以自由改这些参数,反复跑历史,挑最好看的那一组:
1. put预算:是1%、2%还是3%?
2. put虚值多少:5%、10%、15%?到期选1个月还是3个月?
3. 多久调仓:月度、季度、还是触发某根均线再调?
4. 小市值、期货、债券、股票各自的比例怎么分配?
5. 什么信号下,增加put预算;什么信号下直接砍掉期货仓位?
比如:
试参数A:put预算3%,回撤极小,但年化很低;
试参数B:put预算1%,年化高,但是熊市回撤大;
试参数C:put2%,季度调仓,期货5%,小市值10%……
直到找到一组参数,在2010–2024这段历史里面,曲线最漂亮。
✅ 最后成品包装话术:

“全自动全天候躺平策略,无惧股灾,不用择时,长期稳健捡钱,按月自动执行”

---

六、这个组装模式的几个致命弱点(就是留言的核心意思)

1. 相关性是会变的
回测里黄金、国债和股票负相关,是过去特定环境(低通胀、央行救市)下的结果。如果以后遇到滞胀,股票跌、债券也跌、黄金也震荡,原本的对冲直接失效。put保险也只能保“短期暴跌”,保不了缓慢阴跌。
  1. put的成本是真实的、长期侵蚀收益

    回测的时候,很多人只看几次大跌时put的高光时刻,忽略十几年持续交保费的总损耗。而且期权隐含波动率(IV)牛市便宜、恐慌的时候会暴涨——你最需要买保险的时候,保费反而很贵,回测经常用固定低价去模拟,和实盘不一样。

  2. 参数是对历史过拟合

    你是拿2010~2024的数据试出来最优参数。这组参数,是适配过去的牛熊节奏,不是市场底层规律。换一个新的市场环境(比如持续高利率、长期阴跌),这套参数直接拉胯。

  3. 层层叠加之后,复杂度爆炸,容错很低

    毛坯版只有股债黄金,简单好理解;叠加put、期货、小市值、多层调仓规则之后,任何一个组件失效,整个组合的风险就会超预期。很多人看懂回测曲线,看不懂底层风险。

  4. 一个很扎心的对比:
    同样花几十个小时研究、回测、调参,最后得到这个“完美曲线策略”;
    但你如果就简单做一个60/40股债平衡,每年再平衡,付出的精力只有1/10,长期结果差距往往没有想象中大,甚至有时候更好。

如果你想,我们可以再做一个对比:
- 版本A:60/40简单股债平衡(极简)
- 版本B:上面这套带put、期货、小市值的魔改全天候
用同样一段历史区间,直观对比:年化、最大回撤、波动率,以及实盘里各自的坑。

关注集思录微信

特别提示

本文不构成任何投资建议,仅为信息分享。任何因本文导致的投资行为发生的亏损,本公众号及作者概不承担任何责任。

集思录(www.jisilu.cn)是一个以数据为本的投资理财社区,专注于新股、可转债、债券、封闭基金等数据服务。我们的理念是在保证本金安全的前提下,使资产获得稳健增长。

快捷查询:

搜索公众号“jisilu8”添加我们

阅读原文

跳转微信打开

  •  

本周热点:假如滚IC是开一家工厂

帅牛 2026-11-13 22:41 广东

再给闻泰两天时间

https://www.jisilu.cn/question/526614
心痛现状遗后悔当初
https://www.jisilu.cn/question/526647
投资与子女教育相通之处
https://www.jisilu.cn/question/526626
假如滚IC是开一家工厂
https://www.jisilu.cn/question/526711

关注集思录微信

特别提示

本文不构成任何投资建议,仅为信息分享。任何因本文导致的投资行为发生的亏损,本公众号及作者概不承担任何责任。

集思录(www.jisilu.cn)是一个以数据为本的投资理财社区,专注于新股、可转债、债券、封闭基金等数据服务。我们的理念是在保证本金安全的前提下,使资产获得稳健增长。

快捷查询:

搜索公众号“jisilu8”添加我们

阅读原文

跳转微信打开

  •  

啧啧,全是套路

原创 moomoocat 2026-11-13 22:26 中国香港

连续两个交易日受挫,股市又回到了之前的低气压。我在k线上比划了一下,今天和10月29日收盘后的位置很接近,也就是前一个周四,当时气氛很压抑,市场接近崩溃,现在经过十几个交易日的震荡,又滚回来了。

我昨天就说了只有那种很强劲的市场才会走v字反转,主打一个快跌快涨,不果断抄底就一路踏空不让上车,但a股从来就和强劲这两个字不搭边,它会反反复复在坑里面磨好几遍,折磨这个词不好听,咱就说考验投资者的耐心。

a股像什么,我想想,30年前的短途汽车站你们还有印象嘛,车站门口有很多私车招客,吆喝的时候都说车里面就剩1-2个座位,上车就走,结果等我坐上去后发现连我一共不到4人,人没满肯定不走,司机就要绕着车站来回赚,继续吆喝骗其他人上车。结果因为转的时间久了,车上乘客不耐烦主动要求下车,人不但没满,还越来越少。

我有一次就被骗了20车票钱,最后实在拉不满人,我等急了要下车只退我10元。现在的a股就是那辆来回转悠,乘客不满不出发的车,车上现有乘客随着耐心耗尽还有陆续退票的,你一咬牙也想走,票钱亏一半。

下周空头要去前面的低点验证个事,去看看之前官军走没走,砸到那附近的位置会不会触发护盘。如果有反应,那估计会在这个区域稳住,震荡洗盘,搭建平台;如果没反应,那多半会继续往下砸,去试试官军新的防线在什么位置。

炒a股就是很需要耐心的,手里有钱的不用着急上车,它走不了,卖票的每次说要走了要走了都是骗你的。至于已经被骗上车的就认命,耐心等它转悠招客,指不定啥时候遇到下一批团客,欻一下人齐就出发了。反正外面别的车要么不卖你票,要么车坏了,你也没得挑,既来之则安之

……

聊点轻松的话题吧,这几天后台有不少读者问我涌泉蜜橘的事,老读者应该有印象我之前卖过3年,后来不卖了。

我当时找的货源是前涌泉村村长家的橘园,正宗货,量大谈的批价是68元10斤,算上包装和快递成本,98元/箱在公众号上卖,第一年卖了5000箱。

利润很薄,主要是快递费贵,我找了本地最便宜的圆通,发包邮区的客户还行,发两广、东北、西北的客户就打不住了。而且圆通送货粗糙,经常有客户收到橘子后发现小一半都颠烂了,这个按照规定要赔货损。

后来一咬牙,全部用顺丰发,货损少了但是运费贵了,平均下来每箱要30元,实在没办法只能涨价,先是108,再后来好像卖过118我记不清了。

然后网上就有闲言碎语,说我卖橘子割粉丝韭菜,说我北京的房子就是卖橘子赚来的。我听了也挺无奈的,确实涌泉橘子本身就比普通橘子贵一些,再加上长途运输的成本,最后客户拿到手是11-12块/斤,换做是我我也觉得有点贵。

我为此和我妈我老婆都抱怨过,要她们去压橘农的价格,去压顺丰的价格,确实给便宜了块儿八毛的,但不解决实际问题。毛利率只有10%左右,正好拿来给现场干活的小组发工资了。

干到第四年的时候干不下去了,2019年电商法出来,像我这样代销橘子要交税了,我一算毛利率还没税率高,想要继续卖就要涨价,本来就在网上被人指指点点,再涨价指不定被说成啥。这时安同学也跑过来跟我说不想干了,每年深秋扎在山里面干活一个半月,又冷又累,钱也没挣多少,他不去就没人了,那就算了。

你们可能会说,让橘农直接发货不行吗?摇头,还真不太行,有一次安同学睡晚了,到现场的时候迟了,发现当地工人偷偷掺了一些品相不好的橘子。你们外地人不懂,橘子品相是有等级的,就好比大闸蟹,几两几两都有规格,价格不一样的。

之前有人在拼多多、淘宝上发现涌泉蜜橘有40-50元一箱的,这种我也不知道他们怎么做到的,反正我做不到,所以我滚蛋不卖了。

11月份是涌泉蜜橘最应季的时候,现在买都是现摘现发,只要买到正宗橘子包好吃的,欢迎大家去品尝。记得别买太便宜的,基本上要吃中上品相的10元/斤少不了的。

……

我今天刷短视频的时候看到有人提问,说人生最快乐的回忆是什么?

我的第一反应想起了初一那年暑假,我妈办公室配了一台办公电脑,1996年呐,这可是超级稀罕的高档货。当时电脑里装了一个中文版的三国游戏,我第一眼看到就入迷了,在我的央求下妈妈答应我周六日不上班的白天可以过来玩。

然后周六上午我睡醒一睁眼就超兴奋,在家里随便吃了东西,就找我妈要了办公室的钥匙,下楼骑车飞奔而去。从巾山路骑到国际大酒店对面,大概要10分钟,那一路上我的心情爽到飞起,从头到脚,甚至每一根头发丝都充溢着快乐。

这份快乐太浓郁,以至于30年后我回忆起来依然清楚和深刻。之后长大的日子里,我谈恋爱、结婚、孩子出生、投资赚钱、写公众号,这些也都感受过幸福和快乐,但我第一瞬间想到的还是骑车赶路的那个周末。

甚至我写的时候都不自禁的笑了。希望你们也能通过文字感受我的快乐,冲淡一下a股的阴郁,先放松的过个周末

跳转微信打开

  •  

DeepSeek 发布全家桶应用 API

原创 深度求索 2026-11-13 22:19 北京

全面开放联网搜索、文件、语音等产品能力,支持独立调用

在 DeepSeek App(含网页端)的对话服务中,联网搜索、文件输入、阅读链接、语音交互及安全等能力与模型推理相互配合,构成了用户熟悉的对话体验。而开发者如果想要在应用中实现类似功能,除接入原有 DeepSeek API 外,往往还需耗费大量精力去对接外部工具、处理调用衔接。 

今天,我们正式开放这套全家桶应用 API:在原有 API 中开启对应参数,即可获得深度思考搜索、文件输入等对话功能;语音及相关底层能力也已开放独立接口(含 OCR、ASR、TTS 等),支持单独或组合调用。开发者可以在自己的应用中轻松实现复杂的对话功能,甚至 1:1 复刻出完整的 DeepSeek App。

全面开放应用功能,支持独立调用

本次更新将 DeepSeek App 的各项交互功能直接整合进原有 API。开启对应参数后,相关工具调用与上下文拼接均由服务端自动完成。目前,V4.1-Flash 模型(deepseek-flash)已在 Messages、Responses 与 Chat Completions 接口下支持以下能力:

  • 联网搜索:在非思考模式下,打开 deepseek_web_search 工具后,模型可根据提问自动发起网页或图片搜索并附引用作答;

  • 深度思考搜索:在思考模式下,打开 deepseek_web_search 工具后,模型可在多步推理中自主联网搜索与阅读链接;

  • 文件输入:支持上传 PDF、Office、图片等格式的文件,完成纯文本提取或图文混排解析后,拼入对话上下文供模型作答;

  • 阅读链接:将 deepseek_read_url 工具打开后,模型可自动识别用户消息中的链接,抓取网页内容并结合上下文作答;

  • 模型安全:开启安全校验参数后,我们将提供基础风控,审核模型输入输出,命中风险时返回拒答标识。如您对外提供应用服务,请务必开启该参数,并承担内容安全审核、大模型登记、AI 标识等义务。

此外,为方便开发者更灵活地接入自有工作流,上述底层能力及语音能力均支持作为独立接口单独调用,包括:Search、Fetch、OCR、ASR、TTS。

使用上述接口,开发者即可实现与 DeepSeek App 基本一致的功能。为直观演示这一效果,我们基于新版 API 构建并开源了一份轻量的前端 Demo,支持直接导入 DeepSeek 历史对话。

更详细的参数定义与调用说明,请参考 DeepSeek 官方 API 文档 [API 指南 - 构建 Chatbot]。

API 定价说明

用户调用 DeepSeek API 使用扩展能力时,除收取 Token 费用外,也将收取相关工具的调用费用。各项工具价格如下表所示:

写在后面的话

我们相信,人与模型的交互依然充满无限可能,而 DeepSeek 现有的对话产品只是较为基础的一种形态。

现在,官方产品背后的各项能力均已支持通过 DeepSeek API 随心调用、自由组合,我们期待开发者能够借此省去重复的基础工作,打造出更多样、更极致、更具想象力的产品。

欢迎使用 DeepSeek API,尽情创造。

图片

跳转微信打开

  •  

奥妙“去污表”,里面有小笼包……

LostPirate 2026-11-13 22:18 天津

奥妙洗衣粉背面那张去污表,最近被网友翻成了晚饭菜单。

生煎包、小笼包、火锅底料、八宝粥、红豆沙全在上面。有人数了数,一共 99 种。评论区更离谱:彩色粉笔配淡紫色蜡笔,再来杯中草药牙膏;还有人把睫毛膏当晚餐报了上去。

这单子列得确实细。白巧克力后面紧跟着排泄物,罗宋汤旁边还写着“口水”。

不过人家真不是报菜名。把“去污力强”拆成 99 个具体场景,消费者一眼就能对上号:我衣服上的这摊油渍,到底算不算它能洗的?

下回不知道吃啥,真可以翻过来看看。吃完弄脏的衣服,再交给它洗。

#奥妙 #设计癖 #去污表

跳转微信打开

  •  

冬天的河水不易靠近,哪怕看起来翠绿明亮清澈见底,漂浮着密密麻麻的浮萍还有小鱼在缓慢游荡

i食色摇闲情 2026-11-13 22:10 山东

冬天的河水不易靠近,哪怕看起来翠绿明亮清澈见底,漂浮着密密麻麻的浮萍还有小鱼在缓慢游荡。想起某一年飘雪的冬夜在香格里拉菜市场旁边的小店里吃过的牦牛肉火锅,牛肉,豆腐,豌豆尖,清甜满足,足以让人不惧怕黑暗的空无一人的街道。

晚安。

跳转微信打开

  •  

奥妙“去污表”,暗藏“晚饭菜单”?

原创 LostPirate 2026-11-13 22:09 天津

纠结晚饭吃什么?问问奥妙“去污表”

人类能登上月球、提出相对论,却总被一个问题难住:晚饭吃什么?

这回,有网友竟从奥妙洗衣粉的去污表里找到了答案。

01 奥妙去污表里,发现晚饭菜单

话说一位网友无意中拿起手边的奥妙洗衣粉,看了看去污表,越看越饿👇🏻:

乍一看其貌不扬,仔细看,口水飞流直下三千尺,疑是银河落九天👇🏻:

生煎包、小笼包、锅贴,蚝油、猪油、番茄酱、蜂蜜、芥末、白巧克力、柠檬、龙眼、荔枝,西瓜、哈密瓜,猕猴桃、菠萝,火锅底料、黄酒、啤酒、葡萄酒、威士忌,甜面酱、沙拉酱、千岛酱,罗宋汤,银耳莲子桂圆羹、八宝粥,酒酿、奶油蛋糕、酸梅汤、龟苓膏、冰激凌、红豆沙,椰子汁,芝麻汤圆,可乐、方便面。

如果拿去说相声报菜名,最起码可以说两回,不带重名的。

总有一款适合你。如果馋得口水流完了,里面甚至还可以补充口水👇🏻:

吃饱喝足,还有漱口水,漱漱口👇🏻:

就是这种家喻户晓的洗衣粉。

下回不知道吃什么了,真的可以反过来,看看背面的去污表👇🏻:

一共99种,口味从轻到重,老少咸宜。

这哪里是去污表,分明是一份被洗衣粉耽误的菜单。

02 评论区神秘配方,把我看饿了

99种污渍,组成了一个特别好吃的大瓜🍉。

抽象派选手前排插入,现场调制抽象秘方,表示要彩色粉笔配淡紫色蜡笔,再配上一杯浓浓的中草药牙膏👇🏻:

有人想来杯草汁,浇上浓浓的发胶,最后撒上碘酒👇🏻:

有人抓到灵感:今晚想吃睫毛膏👇🏻:

另一批吃瓜群众被奥妙的严谨精神打动。

有人说这清单,详细到莫名其妙👇🏻:

奥妙奥妙,莫名其妙,名副其实。

有人说这说明奥妙做了这么多实验,证明有效👇🏻:

有人之前以为99种污渍是夸大其词,现在有点信了👇🏻:

有人说下次备考的时候,可以买一瓶奥妙,打个小抄之类的👇🏻:

有人表示费解,白巧克力后面,紧跟着排泄物👇🏻:

有人得到了解脱,以后不用被人问饭点吃什么了👇🏻:

有人好奇怎么发现去污表的美食参考功能的。

有人表示小时候拉屎就看这个👇🏻:

那时候还没有智能手机,上厕所用这个解闷儿👇🏻:

还有人表示可以全文背诵夏士莲洗发露配料表👇🏻:

别管是奥妙的去污表,还是夏士莲的配料表,都证明一点:艺不压身。

03 奥妙为什么要列出99种污渍?

奥妙为什么选这99种,外人无从得知。但把污渍一项项列出来,至少能让“去污力强”不再是一句空话。

只说去污力强,消费者不知道能洗什么;换成生煎包、蚝油、猪油、番茄酱、红酒,大家就能拿日常经验对照,判断这些场景是否在产品宣称范围内。

当然,列出清单不等于任何面料、任何污渍、任何洗涤条件下都能洗净,具体效果仍需要测试证据。

《广告法》要求商品性能、功能等宣传准确、清楚;引用数据、检测结论,还应真实、准确,并说明出处和适用范围。

2026年市场监管总局发布的《广告引证内容执法指南》进一步明确,实验结果如果只能在特定条件下复现,就要把条件说清楚。

列出99种,是把产品承诺摊开给消费者看;说得越具体,越要经得起核对。

奥妙列出的是99种污渍,网友看到的却是99道菜。

晚饭有了着落,吃完弄脏的衣服,再交给奥妙。

今晚想吃哪几样?评论区报菜名^_^

阅读更多「生活观察」泡泡玛特,被爷爷拧下头,当锅盖把手

阅读更多「人物访谈」何嘉斌:AI宠物时代的“铲屎官”

14年 行业深耕 · 300+ 合作品牌 · 200+ 沙龙展会 · 500+ 品牌案例

品牌列表(仅列部分,排序不分先后)

食品饮料麦当劳 · 肯德基 · 星巴克 · 可口可乐 · 瑞幸 · 康师傅 · 喜茶 · 蜜雪冰城 · 乐事

时尚 · 个护优衣库 · Nike · 阿迪达斯 · 迪卡侬 · 阿玛尼 · 海露

家居零售宜家 · MUJI · 名创优品 · 吱音 · 梵几

科技出行Apple · 宝马 · 奥迪 · 小米 · 猫王 · 玛莎拉蒂

互联网平台阿里巴巴 · 天猫 · 美团 · 微信 · 京东

AI · 工具元宝 · ChatGPT · 豆包 · Kimi

会展赛金芦苇 · 米兰国际家具展 · IXDC · 红点奖 · iF奖 · 设计上海

我们能做什么

品牌客户案例包装 · 品牌观察 · 人物访谈 · 新品内容合作

会展赛事媒体报道 · 评委与榜单 · 策展论坛 · 赞助招商 · 作品征集

有合作意向?微信搜索:pierogi

发你三样:2026 刊例与报价 · 品类案例 3 则 · 本月可排期档期

跳转微信打开

  •  
❌