从9月非农就业数据到未来10年美国职业发展前景预测
作者金融汪发布了一份深度研究报告,从9月美国非农就业数据出发,对未来10年美国的职业发展前景进行预测分析。报告于10月4日通过其Substack(jinrongwang.substack.com)发布,作者在推特上分享了部分摘录内容和配图,供关注者参考,并欢迎读者订阅查看完整报告。
作者金融汪发布了一份深度研究报告,从9月美国非农就业数据出发,对未来10年美国的职业发展前景进行预测分析。报告于10月4日通过其Substack(jinrongwang.substack.com)发布,作者在推特上分享了部分摘录内容和配图,供关注者参考,并欢迎读者订阅查看完整报告。
本文仅为一则报告发布推广帖,正文无实质内容,仅含外链与图片,信息量与分析深度均严重不足。
本文是 AI 术语扫盲系列第二篇,面向小白读者讲解日常使用 AI 工具时常见的功能名词。文章系统介绍了提示词工程、系统提示词、自定义指令、推理、思维链、深度思考与推理强度、问答/执行模式、计划模式、目标模式、权限与审批、上下文压缩、知识截止日期、联网搜索、深度研究和引用来源等 15 个概念。作者结合实际使用场景,用通俗语言解释每个术语的含义与作用,并分享了实用技巧,如按结果判断是否开启深度思考、利用计划模式细化需求、保存原始问答以应对上下文压缩等。
作者以非技术背景的普通人视角,阐述数据中心对美国再工业化的重要性。作为a16z American Dynamism团队的参与者,他指出机器人制造、AI训练和模拟测试都依赖数据中心的算力支持。文章进一步论证数据中心将同时解决三个相互关联的问题:制造业空心化、高等教育泡沫化以及美国男性的孤独危机。作者以Hadrian公司为例,说明自动化不仅没有抢走工作,反而让工厂能建在美国本土,创造了数百个高薪岗位,为年轻人提供了用双手劳动、获得归属感的就业选择。
作者以 Moderna/Merck 个体化 mRNA 癌症疫苗 Phase 3 进展为案例,体验了 Apodex 的 Deep Discover 多 Agent 研究产品。产品通过 Task Board、分工的 Sub-agent(临床数据读取、肿瘤研究、估值分析)与 Verifier 复核,实现可视、可中途干预的研究流程,并在测试中自行纠正了药物实体混淆。文章后半部分详细记录在单张 RTX 5090 上用 SGLang 部署 Apodex 1.1 mini(36B MoE GPTQ Int4)及开源 FrontierAgent 的过程,包括网络代理与 SSRF 防护冲突的排查、Agent Team 宏观研究实测,以及单卡下并行的本质是任务与上下文并行而非吞吐并行的性能分析。
作者关注 AI 泡沫话题但缺乏系统分析思路,遂使用主打多智能体协同的 Apodex 1.1 模型进行实测。在 deep discover 模式下提出“AI 是否有泡沫、何时破裂”的问题,模型自主拆解任务,组建 4 个子代理并行取证(市场数据、专家观点、历史泡沫类比、反向验证),另有最终汇总核验代理。作者中途追加黄仁勋“AI 五层蛋糕”分析需求,系统保留有效中间成果、仅重规划受影响子任务。最终得出“AI 有一定泡沫,集中在回款慢、融资依赖高、同质化层级”的结论。作者总结了 Apodex 全流程执行、异步 Agent Team、可中途干预三大特性,并附开源链接。
Nicolas Cole探讨了2026年写作者应掌握的写作策略。他强调在线写作是一场“彩票游戏”,单篇内容的爆款并不可控,真正有价值的是长期在细分领域构建的内容库(Library)而非短暂的热度(Virality)。他推荐2026年三大文字内容平台:X(病毒传播潜力最大)、LinkedIn(10亿用户且创作者稀缺)、Substack(获1亿美元融资,推荐引擎带来免费增长,其55%订阅者来自平台内部)。掌握核心写作格式并能跨平台迁移内容库,才是持续成功的关键。
文章 curated 了 22 个高质量网站,涵盖信息源头(Twitter、Hacker News)、技术开发(GitHub、Kaggle)、学习成长(YouTube、arXiv)、深度写作(Substack)、设计灵感(Behance)、创业产品(Product Hunt)及优质中文社区(少数派、即刻)等类别。作者主张利用这些工具进行自我积累而非消耗,以此来构建认知壁垒,成为更好的自己。