美国一位贸易法官周二敦促特朗普政府官员加快退还超过100亿美元的关税收入，这些关税是此前征收的，后来被美国最高法院裁定为非法。但这位法官并未发布新的命令强制他们这样做。 位于曼哈顿的国际贸易法院法官理查德·伊顿表示，处理部分退税申请的延误导致大型进口商（他们聘请报关行协助其通过政府退税系统申请退税）与没有聘请报关行的小型企业之间“日益加剧的不公平”。 伊顿称这种不平等是政府建立退还 1660 亿美元非法关税机制的“意外后果”，并表示他不认为政府会寻求偏袒较大的进口商。 但他表示，特朗普政府决定对其3月4日要求政府退还所有关税的命令提出上诉，从而推迟了付款。 “现在是时候退还所有关税了，”伊顿说，“实现这一目标的一个方法是，政府不要对我的命令提出上诉。” 美国海关与边境保护局（CBP）表示，已受理并开始处理近900亿美元的退税申请，预计第一阶段退税总额可能高达1270亿美元，这些退税案件相对简单。 CBP官员苏珊·托马斯在周二的听证会上作证称，其中230亿美元的退税已完成并上缴财政部，由财政部分配给进口商。 周二听证会的焦点是更为复杂且年代久远的所谓“清算关税”。进口商通常先支付预估关税，大约一年后，CBP会最终确定关税金额，即所谓的清算金额。 伊顿3月4日发布的命令要求特朗普政府退还已清算的关税，但他暂停了该命令的执行，以便政府有机会建立一套处理退款的系统。他于周二召开听证会，评估是否应解除暂停执行令，因为大型进口商和小型进口商之间存在差异。 托马斯表示，美国海关与边境保护局计划在稍后日期着手处理已清算关税的退款事宜。 但伊顿质疑政府是否真的打算处理这些退款，因为特朗普政府已就他3月4日的裁决提出上诉，理由是联邦法官无权发布全国性禁令。 为了规避这一潜在问题，各公司已请求伊顿对所有缴纳非法关税的进口商进行集体诉讼认证。设立进口商集体诉讼或许能让伊顿发布一项适用于所有进口商的单一裁决，从而简化退款流程，无需每位进口商都提起诉讼。 伊顿法官在周二的听证会上并未就是否批准集体诉讼或解除其3月4日命令的暂停令作出裁决。 查看评论
Meta公司指控澳大利亚违反其与美国签署的自由贸易协定，原因是澳大利亚提议对未与当地媒体达成许可协议的大型科技公司征收新税，这将使持续五年之久的的争端进一步升级 。这家拥有Facebook和Instagram、市值1.6万亿美元的科技巨头表示，澳大利亚提议对平台在澳大利亚的全部收入征收2.25%的税款——包括与社交媒体无关的收入——这一做法"不可辩护"，且超出了曾引发美国政府回应的那些措施的范围 。 Meta此前已表示反对所谓的"新闻谈判激励"措施，澳大利亚中左翼政府目前正在考虑行业提交的意见。但其最新声明显示，这项法律风险可能在盟友之间引发地缘政治紧张 。 Meta在周四发布的一篇博客文章中指出，该税收"明显违反了澳大利亚和美国在双边自由贸易协定中做出的承诺，该协定承诺澳大利亚给予美国公司'不劣于'澳大利亚同行的待遇"。文章补充称，由于该澳大利亚税收基于科技公司的国内总收入，因此"比一些政府已实施并导致美国发起贸易行动的现有数字服务税范围更广"。Meta表示："我们鼓励任何考虑类似方式的政府仔细审视这一模式实际上代表什么。" 负责监督该税收的助理财政部长丹尼尔·穆里诺（Daniel Mulino）的发言人表示，政府仍致力于这一变革，任何税收收入都将分配回新闻媒体行业 。 自2021年以来，要求社交媒体公司为带来点击量的内容向新闻机构付费的问题一直是澳大利亚与Meta之间的争议点，当时澳大利亚成为首个通过法律强制平台进行交易谈判否则将面临政府仲裁的国家 。 在短暂屏蔽澳大利亚所有新闻Feeds后，Meta与大多数主要媒体达成了协议，但在2024年表示将停止为新闻付费。政府表示将改用新的征税模式，而非设立仲裁员 。 适用该税收的公司名单也从Meta和Google扩展至Meta、Google和TikTok。Google在原有模式下已达成协议，但此前曾表示反对拟议的税收 。 在现任特朗普政府领导下，澳大利亚监管主要以美国为主的科技公司的努力已成为一个引爆点。美国国会委员会已要求澳大利亚互联网监管者就其所谓的"审查美国言论自由"的制度作证 。该监管者尚未表示是否会同意作证 。 查看评论
开始 不知道大家有没有玩过文明 6 、红警、铁锈战争、Unciv 、骑砍这类游戏，反正我小时候很喜欢玩哈哈，初中时还组过战队打比赛来着。有一天我在刷 ByteTech 时见到了一个关于 AI 小镇的文章，当时就想着能不能把 AI 接入到游戏里，使游戏里的每个单位都有自己的想法，自己行动，自己生存，于是，便有了这个游戏。 github 开源地址： https://github.com/wunameya/qx 体验地址： qx.wuname.eu.org (用了 cloudflare 家的 cdn ，如果感觉很慢可以打开科学上网) 一些截图 没错，AI 也会谈恋爱，并且可以生孩子（生的孩子自动加入己方阵营）。 没错，AI 也可以交易和赠予物品。 没错，AI 也会打猎和建造建筑以及吃饭。 架构玩法介绍 实现很简单，就是一股脑把周围环境信息、记忆、这个世界的规则、玩家给的方针、能选择的动作都喂给大模型，最后大模型给出最合理的动作。 ATB + AP：让执行阶段既有顺序又有节奏 这是一个战旗类的游戏，AI 行动肯定要有个行动顺序 单位行动顺序不是简单轮流，而是类似 ATB 的行动条模型。速度受多种因素影响： 基础机动能力； 装备修正； 人格倾向，例如勇气、攻击性、审慎； 饥饿、疲劳、受伤、士气等状态； 当前任务偏置； 连续同阵营行动的平衡惩罚。 每个单位在执行阶段有 AP 。攻击、移动、观察、防御、生产、建造、强化、交易等动作消耗不同 AP 。饥饿和疲劳会压缩行动能力。 AI 决策：把模型关进合法动作空间 我的做法是把 AI 决策拆成四层： 服务端生成候选动作 ↓ LLM 在候选空间里选择 ↓ 结构化 Schema 校验 ↓ 业务规则二次裁决 ↓ 执行器修改世界状态 先枚举候选，再让模型选择 单位行动前，服务端会基于真实世界状态生成动作候选，例如： 可以移动到哪些相邻格； 可以攻击哪些敌人； 可以观察、防御、撤退； 可以吃什么、喝什么、捡什么； 可以和谁交谈、交易、表白、救援； 可以在哪些地形上采集、狩猎、钓鱼、采矿； 可以建造、拆除、收获哪些设施； 如果没有好动作，至少可以 hold 或 observe 。 LLM 看到的不是一个无限开放世界，而是一个经过服务端裁剪的合法动作空间。 这件事非常关键： 不要用 prompt 请求模型遵守规则，要用程序把非法动作从动作空间里删掉。 Prompt 模板：不是把世界一股脑喂给模型 单位决策 Prompt 的核心不是“描述得越多越好”，而是把信息分层、裁剪、结构化。当前模板大致分成这些块： 单位决策提示词版本: action_params_v4 当前回合 / 当前阶段 / 本次可用 AP MOVE 坐标白名单：只列本回合真正可到达的空地 阵营自然语言方针上下文：全局方针 + 单位任务 + 即时令 单位资料：属性、HP 、饥饿、背包、装备、位置、阵营 单位人格：勇气、忠诚、攻击性、审慎、社交、稳定等 记忆摘要：近期事件 + 长期摘要 + 闪回记忆 关系网：对附近单位的信任、亲密、恐惧、竞争等 世界知识：这个单位已经学到的地形/资源/敌情规律 环境摘要：脚下地形、设施、天气、最近威胁、可见友军/敌军 合法候选动作列表：attack/move/trade/build/dialogue/hold... 参数填写规则：每类 action 能填哪些字段，哪些字段必须为空 决策流程：先确认合法动作，再理解方针，再按风险排序，最后输出 JSON 其中几个设计点很关键： 环境信息只给局部和摘要 ：地图不会整张展开，而是给“视野内地形”“最近敌军距离”“本回合可到达地块”“脚下可做事项”等压缩信息。 记忆不是全量聊天记录 ：短期记忆保留事件粒度，长期记忆用摘要；再加上关系、世界知识和闪回召回。 动作空间是结构化枚举 ：模型不是自由写动作，而是在服务端生成的候选动作中选。 玩家方针是强信号，不是硬 RPC ：Prompt 会明确注入方针和任务，但后续还有服从度、风险和合法性裁决。 对应的核心构造代码可以压缩成下面这个片段： 输出解析：JSON Schema + 业务校验 + 兜底动作 当前没有用正则解析自然语言，也没有让模型直接调用游戏函数。LLM 走的是结构化 JSON： 服务端根据候选动作动态生成 JSON Schema ； Provider 使用 OpenAI-compatible 的结构化输出能力； 返回后先做 JSON Schema 校验； 再把 choice 映射回候选动作； 最后用业务规则重新校验； 失败时降级为保守动作，例如 hold 、observe 或 confused decision 。 动态 Schema 的重点是： action 是当前候选动作枚举， move 坐标用 const 限死到合法坐标。 执行入口也保持这条边界：模型只产出 unitDecisionPayload ，真正落地必须经过 validateDecision 和 executeDecision 。 记忆系统：角色连续性的底层设施 LLM NPC 最大的问题不是不聪明，而是容易“无历史”。 如果一个角色刚被队友救过，下一回合却完全忘了这件事，那它就只是一个会说话的状态机。反过来，如果把所有历史都塞进 prompt ，又会造成上下文爆炸、成本上升、响应变慢。 所以记忆系统要解决的不是“多记一点”，而是： 记住值得记住的，忘掉应该忘掉的，并在相似情境下想起来。 结构化记忆，而不是聊天记录数组 记忆被分成多个类别： 实体记忆：我认识谁，他做过什么； 空间记忆：哪里危险，哪里有资源； 关系记忆：谁救过我，谁背叛过我； 事件记忆：一次战斗、一次受伤、一次交易； 世界知识：阵营、地形、敌人动向； 长期摘要：跨多个回合压缩后的生平片段。 每条记忆都有重要性、情绪权重、显著度、是否永久、来源和发生回合。 显著度、遗忘和闪回 记忆会随时间衰减，但不是线性消失。重要事件、强情绪事件、关系事件会保留更久。当前环境如果和历史事件相似，还会触发“闪回”。 例如： 单位再次进入曾经被伏击的森林； 附近出现曾经伤害过它的人； 天气、地形、敌人组合与某段痛苦记忆高度相似。 这类记忆会被重新召回，并进入本次决策上下文。 这比“最近 N 条聊天记录”更接近角色认知：人不是机械回放全部历史，而是在处境相似时想起关键片段。 短期事件 + 长期摘要 长期对局里，事件会越来越多。系统会把较旧的记忆压缩成长期摘要，保留角色人生轨迹，而不是保留每个细节。 所以记忆分两种粒度： 短期：事件粒度，适合即时决策 长期：摘要粒度，适合人格连续性 这也是控制 LLM 成本的关键。 恋爱与家庭：关系不是玩家按钮，而是双方同意 恋爱系统没有把“结婚”做成玩家直接触发的按钮。触发条件分为三层： 前置关系 ：两名单位必须有多轮真实对话，并且双方关系都达到熟悉阈值； 提议判断 ：LLM 同时扮演双方，判断是否有人主动提出确认亲密关系； 双方同意 ：只有双方都真心同意，关系才成立。 Prompt 里不会直接写一个“好感度=80 可以结婚”的硬规则，而是把关系摘要、对话历史、性格、阵营压力和最近事件放进上下文。好感度在规则层表现为 relationTier 、互相信任/亲密等关系状态； LLM 负责把这些状态翻译成当下是否愿意推进关系。 孩子出生也不是纯随机。名字、生平和人格向量由 LLM 根据父母资料生成，但人格会经过规则层归一化；如果模型失败，则使用规则 fallback 。孩子的基础人格是父母人格均值与一个确定性随机人格混合： 这个设计避免了两个问题：玩家不能强迫单位恋爱；模型也不能凭一句浪漫台词绕过双方同意和关系门槛。 贸易：等价交换靠候选生成和同意校验 贸易系统的核心不是让模型“理解经济学”，而是让服务端先生成可交易候选：谁有物品、谁有钱、距离是否相邻、物品基础价值是多少、能否赠与/售卖/调拨金币。模型只能在这些候选里选择。 执行时，交易接收方还会单独做一次同意判断。这个 Prompt 明确要求目标单位只代表自己判断，可以因为敌我关系、风险、战略价值、补给不足或不信任而拒绝。 所以“会不会亏本买卖”的答案是：系统允许单位因为关系、救急或战略需要做非等价交换，但不会让模型凭空创建交易；接收方可以拒绝，失败或格式异常也默认拒绝。经济公平由候选价格、背包/钱包校验和双方同意共同约束。 总结感想 这里写一些最近开发的感想吧。似乎将 AI 接入游戏的落地还很少，但我觉得如果真的落地了我觉得现在的游戏将会更加有意思，毕竟谁不想和一个活生生的，会自己思考的 AI 、NPC 打交道呢。 这仅仅是一个 Demo ，后续有时间我也会继续迭代的。加入更多的规则和玩法，让 AI 持续去探索，我觉得这样这个游戏将会越来越有趣，比如增加更多的建筑，更多的事件，甚至将每个单位的智商属性和使用的大模型进行挂钩，智商属性越高的 AI 越聪明，对记忆系统进行优化等等，我相信如今大模型的能力也能够驾驭得了这么多的输入。 我也觉得如今 AI 大模型的发达，可能更利好于个人开发者，其一呢个人开发者往往使用的是很通用的技术，而不是像企业一样有繁琐的流程、各种基建。AI 训练的语料也都是最直接、原始的方式，所以个人开发者的技术栈与预训练语料天然对齐，而企业往往需要一套封装。比如一般个人开发者上线是直接使用 Linux 命令、docker ，而企业往往都会自建一套自己的流程和平台，这次游戏还有以前我做的个人项目上线往往都是让 AI 自己开发完成就自己上线了，但是在企业想做到这一步可能还得投入不少的人力成本来训练 AI 。其二呢 AI 把过去个人开发者必须外包的设计、文案等职能内化到一人手中，让 "一人公司" 第一次具备商业可行性。比如这次游戏的一些设计、文案都是由 AI 设计的（ 也抄了不少 Unciv 的 ）。 标题中的三天，其实是断断续续加起来的三天。放在三年前，我相信随便拉一个编程高手，或者拉一个经验丰富，合作默契的团队，三天肯定是做不出这样一个玩意的，即使是一个 demo ，可能三周还差不多？ 但是现在，仅仅是我这样一个还没毕业的菜鸟，只花了三天时间做出来了。可以见到 AI 对咱们的提效是多么巨大。不仅仅是软件行业，在各行各业，我觉得 AI 的冲击都将会更加猛烈。 从 chatgpt2022 年出来，那时我好像还高中来着，那时借助 AI 编程的方式是把代码粘贴到聊天框里，然后他吐出来我再粘回去。到 2024 用的 copilot ，就是根据上下文自动提示代码，然后 tab 补全。2025 用的是 cursor ，就能够读取项目下的所有代码，然后根据提示词自己写代码了。到如今的 codex ，claudecode ，和 cursor 的区别，就是直接把看代码的地方扣掉了。AI 在编程落地的方式突飞猛进，在其他领域的发展我也相信也会这样突飞猛进。 有了 AI 的帮助，我相信人类能离理想中的乌托邦更进一步。
开始 不知道大家有没有玩过文明 6 、红警、铁锈战争、Unciv 、骑砍这类游戏，反正我小时候很喜欢玩哈哈，初中时还组过战队打比赛来着。有一天我在刷 ByteTech 时见到了一个关于 AI 小镇的文章，当时就想着能不能把 AI 接入到游戏里，使游戏里的每个单位都有自己的想法，自己行动，自己生存，于是，便有了这个游戏。 github 开源地址： https://github.com/wunameya/qx 体验地址： qx.wuname.eu.org (用了 cloudflare 家的 cdn ，如果感觉很慢可以打开科学上网) 一些截图 没错，AI 也会谈恋爱，并且可以生孩子（生的孩子自动加入己方阵营）。 没错，AI 也可以交易和赠予物品。 没错，AI 也会打猎和建造建筑以及吃饭。 架构玩法介绍 实现很简单，就是一股脑把周围环境信息、记忆、这个世界的规则、玩家给的方针、能选择的动作都喂给大模型，最后大模型给出最合理的动作。 ATB + AP：让执行阶段既有顺序又有节奏 这是一个战旗类的游戏，AI 行动肯定要有个行动顺序 单位行动顺序不是简单轮流，而是类似 ATB 的行动条模型。速度受多种因素影响： 基础机动能力； 装备修正； 人格倾向，例如勇气、攻击性、审慎； 饥饿、疲劳、受伤、士气等状态； 当前任务偏置； 连续同阵营行动的平衡惩罚。 每个单位在执行阶段有 AP 。攻击、移动、观察、防御、生产、建造、强化、交易等动作消耗不同 AP 。饥饿和疲劳会压缩行动能力。 AI 决策：把模型关进合法动作空间 我的做法是把 AI 决策拆成四层： 服务端生成候选动作 ↓ LLM 在候选空间里选择 ↓ 结构化 Schema 校验 ↓ 业务规则二次裁决 ↓ 执行器修改世界状态 先枚举候选，再让模型选择 单位行动前，服务端会基于真实世界状态生成动作候选，例如： 可以移动到哪些相邻格； 可以攻击哪些敌人； 可以观察、防御、撤退； 可以吃什么、喝什么、捡什么； 可以和谁交谈、交易、表白、救援； 可以在哪些地形上采集、狩猎、钓鱼、采矿； 可以建造、拆除、收获哪些设施； 如果没有好动作，至少可以 hold 或 observe 。 LLM 看到的不是一个无限开放世界，而是一个经过服务端裁剪的合法动作空间。 这件事非常关键： 不要用 prompt 请求模型遵守规则，要用程序把非法动作从动作空间里删掉。 Prompt 模板：不是把世界一股脑喂给模型 单位决策 Prompt 的核心不是“描述得越多越好”，而是把信息分层、裁剪、结构化。当前模板大致分成这些块： 单位决策提示词版本: action_params_v4 当前回合 / 当前阶段 / 本次可用 AP MOVE 坐标白名单：只列本回合真正可到达的空地 阵营自然语言方针上下文：全局方针 + 单位任务 + 即时令 单位资料：属性、HP 、饥饿、背包、装备、位置、阵营 单位人格：勇气、忠诚、攻击性、审慎、社交、稳定等 记忆摘要：近期事件 + 长期摘要 + 闪回记忆 关系网：对附近单位的信任、亲密、恐惧、竞争等 世界知识：这个单位已经学到的地形/资源/敌情规律 环境摘要：脚下地形、设施、天气、最近威胁、可见友军/敌军 合法候选动作列表：attack/move/trade/build/dialogue/hold... 参数填写规则：每类 action 能填哪些字段，哪些字段必须为空 决策流程：先确认合法动作，再理解方针，再按风险排序，最后输出 JSON 其中几个设计点很关键： 环境信息只给局部和摘要 ：地图不会整张展开，而是给“视野内地形”“最近敌军距离”“本回合可到达地块”“脚下可做事项”等压缩信息。 记忆不是全量聊天记录 ：短期记忆保留事件粒度，长期记忆用摘要；再加上关系、世界知识和闪回召回。 动作空间是结构化枚举 ：模型不是自由写动作，而是在服务端生成的候选动作中选。 玩家方针是强信号，不是硬 RPC ：Prompt 会明确注入方针和任务，但后续还有服从度、风险和合法性裁决。 对应的核心构造代码可以压缩成下面这个片段： 输出解析：JSON Schema + 业务校验 + 兜底动作 当前没有用正则解析自然语言，也没有让模型直接调用游戏函数。LLM 走的是结构化 JSON： 服务端根据候选动作动态生成 JSON Schema ； Provider 使用 OpenAI-compatible 的结构化输出能力； 返回后先做 JSON Schema 校验； 再把 choice 映射回候选动作； 最后用业务规则重新校验； 失败时降级为保守动作，例如 hold 、observe 或 confused decision 。 动态 Schema 的重点是： action 是当前候选动作枚举， move 坐标用 const 限死到合法坐标。 执行入口也保持这条边界：模型只产出 unitDecisionPayload ，真正落地必须经过 validateDecision 和 executeDecision 。 记忆系统：角色连续性的底层设施 LLM NPC 最大的问题不是不聪明，而是容易“无历史”。 如果一个角色刚被队友救过，下一回合却完全忘了这件事，那它就只是一个会说话的状态机。反过来，如果把所有历史都塞进 prompt ，又会造成上下文爆炸、成本上升、响应变慢。 所以记忆系统要解决的不是“多记一点”，而是： 记住值得记住的，忘掉应该忘掉的，并在相似情境下想起来。 结构化记忆，而不是聊天记录数组 记忆被分成多个类别： 实体记忆：我认识谁，他做过什么； 空间记忆：哪里危险，哪里有资源； 关系记忆：谁救过我，谁背叛过我； 事件记忆：一次战斗、一次受伤、一次交易； 世界知识：阵营、地形、敌人动向； 长期摘要：跨多个回合压缩后的生平片段。 每条记忆都有重要性、情绪权重、显著度、是否永久、来源和发生回合。 显著度、遗忘和闪回 记忆会随时间衰减，但不是线性消失。重要事件、强情绪事件、关系事件会保留更久。当前环境如果和历史事件相似，还会触发“闪回”。 例如： 单位再次进入曾经被伏击的森林； 附近出现曾经伤害过它的人； 天气、地形、敌人组合与某段痛苦记忆高度相似。 这类记忆会被重新召回，并进入本次决策上下文。 这比“最近 N 条聊天记录”更接近角色认知：人不是机械回放全部历史，而是在处境相似时想起关键片段。 短期事件 + 长期摘要 长期对局里，事件会越来越多。系统会把较旧的记忆压缩成长期摘要，保留角色人生轨迹，而不是保留每个细节。 所以记忆分两种粒度： 短期：事件粒度，适合即时决策 长期：摘要粒度，适合人格连续性 这也是控制 LLM 成本的关键。 恋爱与家庭：关系不是玩家按钮，而是双方同意 恋爱系统没有把“结婚”做成玩家直接触发的按钮。触发条件分为三层： 前置关系 ：两名单位必须有多轮真实对话，并且双方关系都达到熟悉阈值； 提议判断 ：LLM 同时扮演双方，判断是否有人主动提出确认亲密关系； 双方同意 ：只有双方都真心同意，关系才成立。 Prompt 里不会直接写一个“好感度=80 可以结婚”的硬规则，而是把关系摘要、对话历史、性格、阵营压力和最近事件放进上下文。好感度在规则层表现为 relationTier 、互相信任/亲密等关系状态； LLM 负责把这些状态翻译成当下是否愿意推进关系。 孩子出生也不是纯随机。名字、生平和人格向量由 LLM 根据父母资料生成，但人格会经过规则层归一化；如果模型失败，则使用规则 fallback 。孩子的基础人格是父母人格均值与一个确定性随机人格混合： 这个设计避免了两个问题：玩家不能强迫单位恋爱；模型也不能凭一句浪漫台词绕过双方同意和关系门槛。 贸易：等价交换靠候选生成和同意校验 贸易系统的核心不是让模型“理解经济学”，而是让服务端先生成可交易候选：谁有物品、谁有钱、距离是否相邻、物品基础价值是多少、能否赠与/售卖/调拨金币。模型只能在这些候选里选择。 执行时，交易接收方还会单独做一次同意判断。这个 Prompt 明确要求目标单位只代表自己判断，可以因为敌我关系、风险、战略价值、补给不足或不信任而拒绝。 所以“会不会亏本买卖”的答案是：系统允许单位因为关系、救急或战略需要做非等价交换，但不会让模型凭空创建交易；接收方可以拒绝，失败或格式异常也默认拒绝。经济公平由候选价格、背包/钱包校验和双方同意共同约束。 总结感想 这里写一些最近开发的感想吧。似乎将 AI 接入游戏的落地还很少，但我觉得如果真的落地了我觉得现在的游戏将会更加有意思，毕竟谁不想和一个活生生的，会自己思考的 AI 、NPC 打交道呢。 这仅仅是一个 Demo ，后续有时间我也会继续迭代的。加入更多的规则和玩法，让 AI 持续去探索，我觉得这样这个游戏将会越来越有趣，比如增加更多的建筑，更多的事件，甚至将每个单位的智商属性和使用的大模型进行挂钩，智商属性越高的 AI 越聪明，对记忆系统进行优化等等，我相信如今大模型的能力也能够驾驭得了这么多的输入。 我也觉得如今 AI 大模型的发达，可能更利好于个人开发者，其一呢个人开发者往往使用的是很通用的技术，而不是像企业一样有繁琐的流程、各种基建。AI 训练的语料也都是最直接、原始的方式，所以个人开发者的技术栈与预训练语料天然对齐，而企业往往需要一套封装。比如一般个人开发者上线是直接使用 Linux 命令、docker ，而企业往往都会自建一套自己的流程和平台，这次游戏还有以前我做的个人项目上线往往都是让 AI 自己开发完成就自己上线了，但是在企业想做到这一步可能还得投入不少的人力成本来训练 AI 。其二呢 AI 把过去个人开发者必须外包的设计、文案等职能内化到一人手中，让 "一人公司" 第一次具备商业可行性。比如这次游戏的一些设计、文案都是由 AI 设计的（ 也抄了不少 Unciv 的 ）。 标题中的三天，其实是断断续续加起来的三天。放在三年前，我相信随便拉一个编程高手，或者拉一个经验丰富，合作默契的团队，三天肯定是做不出这样一个玩意的，即使是一个 demo ，可能三周还差不多？ 但是现在，仅仅是我这样一个还没毕业的菜鸟，只花了三天时间做出来了。可以见到 AI 对咱们的提效是多么巨大。不仅仅是软件行业，在各行各业，我觉得 AI 的冲击都将会更加猛烈。 从 chatgpt2022 年出来，那时我好像还高中来着，那时借助 AI 编程的方式是把代码粘贴到聊天框里，然后他吐出来我再粘回去。到 2024 用的 copilot ，就是根据上下文自动提示代码，然后 tab 补全。2025 用的是 cursor ，就能够读取项目下的所有代码，然后根据提示词自己写代码了。到如今的 codex ，claudecode ，和 cursor 的区别，就是直接把看代码的地方扣掉了。AI 在编程落地的方式突飞猛进，在其他领域的发展我也相信也会这样突飞猛进。 有了 AI 的帮助，我相信人类能离理想中的乌托邦更进一步。
开始 不知道大家有没有玩过文明6、红警、铁锈战争、Unciv、骑砍这类游戏，反正我小时候很喜欢玩哈哈，初中时还组过战队打比赛来着。有一天我在刷ByteTech时见到了一个关于AI小镇的文章，当时就想着能不能把AI接入到游戏里，使游戏里的每个单位都有自己的想法，自己行动，自己生存，于是，便有了这个游戏。 体验地址： qx.wuname.eu.org (用了cloudflare家的cdn，如果感觉很慢可以打开科学上网) 一些截图 没错，AI也会谈恋爱，并且可以生孩子（生的孩子自动加入己方阵营）。 没错，AI也可以交易和赠予物品。 没错，AI也会打猎和建造建筑以及吃饭。 架构玩法介绍 实现很简单，就是一股脑把周围环境信息、记忆、这个世界的规则、玩家给的方针、能选择的动作都喂给大模型，最后大模型给出最合理的动作。 ATB + AP：让执行阶段既有顺序又有节奏 这是一个战旗类的游戏，AI行动肯定要有个行动顺序 单位行动顺序不是简单轮流，而是类似 ATB 的行动条模型。速度受多种因素影响： 基础机动能力； 装备修正； 人格倾向，例如勇气、攻击性、审慎； 饥饿、疲劳、受伤、士气等状态； 当前任务偏置； 连续同阵营行动的平衡惩罚。 每个单位在执行阶段有 AP。攻击、移动、观察、防御、生产、建造、强化、交易等动作消耗不同 AP。饥饿和疲劳会压缩行动能力。 AI 决策：把模型关进合法动作空间 我的做法是把 AI 决策拆成四层： 服务端生成候选动作 ↓ LLM 在候选空间里选择 ↓ 结构化 Schema 校验 ↓ 业务规则二次裁决 ↓ 执行器修改世界状态 先枚举候选，再让模型选择 单位行动前，服务端会基于真实世界状态生成动作候选，例如： 可以移动到哪些相邻格； 可以攻击哪些敌人； 可以观察、防御、撤退； 可以吃什么、喝什么、捡什么； 可以和谁交谈、交易、表白、救援； 可以在哪些地形上采集、狩猎、钓鱼、采矿； 可以建造、拆除、收获哪些设施； 如果没有好动作，至少可以 hold 或 observe。 LLM 看到的不是一个无限开放世界，而是一个经过服务端裁剪的合法动作空间。 这件事非常关键： 不要用 prompt 请求模型遵守规则，要用程序把非法动作从动作空间里删掉。 Prompt 模板：不是把世界一股脑喂给模型 单位决策 Prompt 的核心不是"描述得越多越好"，而是把信息分层、裁剪、结构化。当前模板大致分成这些块： 单位决策提示词版本: action_params_v4 当前回合 / 当前阶段 / 本次可用 AP MOVE 坐标白名单：只列本回合真正可到达的空地 阵营自然语言方针上下文：全局方针 + 单位任务 + 即时令 单位资料：属性、HP、饥饿、背包、装备、位置、阵营 单位人格：勇气、忠诚、攻击性、审慎、社交、稳定等 记忆摘要：近期事件 + 长期摘要 + 闪回记忆 关系网：对附近单位的信任、亲密、恐惧、竞争等 世界知识：这个单位已经学到的地形/资源/敌情规律 环境摘要：脚下地形、设施、天气、最近威胁、可见友军/敌军 合法候选动作列表：attack/move/trade/build/dialogue/hold... 参数填写规则：每类 action 能填哪些字段，哪些字段必须为空 决策流程：先确认合法动作，再理解方针，再按风险排序，最后输出 JSON 其中几个设计点很关键： 环境信息只给局部和摘要 ：地图不会整张展开，而是给"视野内地形"“最近敌军距离”“本回合可到达地块”"脚下可做事项"等压缩信息。 记忆不是全量聊天记录 ：短期记忆保留事件粒度，长期记忆用摘要；再加上关系、世界知识和闪回召回。 动作空间是结构化枚举 ：模型不是自由写动作，而是在服务端生成的候选动作中选。 玩家方针是强信号，不是硬 RPC ：Prompt 会明确注入方针和任务，但后续还有服从度、风险和合法性裁决。 对应的核心构造代码可以压缩成下面这个片段： 输出解析：JSON Schema + 业务校验 + 兜底动作 当前没有用正则解析自然语言，也没有让模型直接调用游戏函数。LLM 走的是结构化 JSON： 服务端根据候选动作动态生成 JSON Schema； Provider 使用 OpenAI-compatible 的结构化输出能力； 返回后先做 JSON Schema 校验； 再把 choice 映射回候选动作； 最后用业务规则重新校验； 失败时降级为保守动作，例如 hold、observe 或 confused decision。 动态 Schema 的重点是： action 是当前候选动作枚举， move 坐标用 const 限死到合法坐标。 执行入口也保持这条边界：模型只产出 unitDecisionPayload ，真正落地必须经过 validateDecision 和 executeDecision 。 记忆系统：角色连续性的底层设施 LLM NPC 最大的问题不是不聪明，而是容易"无历史"。 如果一个角色刚被队友救过，下一回合却完全忘了这件事，那它就只是一个会说话的状态机。反过来，如果把所有历史都塞进 prompt，又会造成上下文爆炸、成本上升、响应变慢。 所以记忆系统要解决的不是"多记一点"，而是： 记住值得记住的，忘掉应该忘掉的，并在相似情境下想起来。 结构化记忆，而不是聊天记录数组 记忆被分成多个类别： 实体记忆：我认识谁，他做过什么； 空间记忆：哪里危险，哪里有资源； 关系记忆：谁救过我，谁背叛过我； 事件记忆：一次战斗、一次受伤、一次交易； 世界知识：阵营、地形、敌人动向； 长期摘要：跨多个回合压缩后的生平片段。 每条记忆都有重要性、情绪权重、显著度、是否永久、来源和发生回合。 显著度、遗忘和闪回 记忆会随时间衰减，但不是线性消失。重要事件、强情绪事件、关系事件会保留更久。当前环境如果和历史事件相似，还会触发"闪回"。 例如： 单位再次进入曾经被伏击的森林； 附近出现曾经伤害过它的人； 天气、地形、敌人组合与某段痛苦记忆高度相似。 这类记忆会被重新召回，并进入本次决策上下文。 这比"最近 N 条聊天记录"更接近角色认知：人不是机械回放全部历史，而是在处境相似时想起关键片段。 短期事件 + 长期摘要 长期对局里，事件会越来越多。系统会把较旧的记忆压缩成长期摘要，保留角色人生轨迹，而不是保留每个细节。 所以记忆分两种粒度： 短期：事件粒度，适合即时决策 长期：摘要粒度，适合人格连续性 这也是控制 LLM 成本的关键。 恋爱与家庭：关系不是玩家按钮，而是双方同意 恋爱系统没有把"结婚"做成玩家直接触发的按钮。触发条件分为三层： 前置关系 ：两名单位必须有多轮真实对话，并且双方关系都达到熟悉阈值； 提议判断 ：LLM 同时扮演双方，判断是否有人主动提出确认亲密关系； 双方同意 ：只有双方都真心同意，关系才成立。 Prompt 里不会直接写一个"好感度=80 可以结婚"的硬规则，而是把关系摘要、对话历史、性格、阵营压力和最近事件放进上下文。好感度在规则层表现为 relationTier 、互相信任/亲密等关系状态；LLM 负责把这些状态翻译成当下是否愿意推进关系。 孩子出生也不是纯随机。名字、生平和人格向量由 LLM 根据父母资料生成，但人格会经过规则层归一化；如果模型失败，则使用规则 fallback。孩子的基础人格是父母人格均值与一个确定性随机人格混合： 这个设计避免了两个问题：玩家不能强迫单位恋爱；模型也不能凭一句浪漫台词绕过双方同意和关系门槛。 贸易：等价交换靠候选生成和同意校验 贸易系统的核心不是让模型"理解经济学"，而是让服务端先生成可交易候选：谁有物品、谁有钱、距离是否相邻、物品基础价值是多少、能否赠与/售卖/调拨金币。模型只能在这些候选里选择。 执行时，交易接收方还会单独做一次同意判断。这个 Prompt 明确要求目标单位只代表自己判断，可以因为敌我关系、风险、战略价值、补给不足或不信任而拒绝。 所以"会不会亏本买卖"的答案是：系统允许单位因为关系、救急或战略需要做非等价交换，但不会让模型凭空创建交易；接收方可以拒绝，失败或格式异常也默认拒绝。经济公平由候选价格、背包/钱包校验和双方同意共同约束。 总结感想 这里写一些最近开发的感想吧。似乎将AI接入游戏的落地还很少，但我觉得如果真的落地了我觉得现在的游戏将会更加有意思，毕竟谁不想和一个活生生的，会自己思考的AI、NPC打交道呢。 这仅仅是一个Demo，后续有时间我也会继续迭代的。加入更多的规则和玩法，让AI持续去探索，我觉得这样这个游戏将会越来越有趣，比如增加更多的建筑，更多的事件，甚至将每个单位的智商属性和使用的大模型进行挂钩，智商属性越高的AI越聪明，对记忆系统进行优化等等，我相信如今大模型的能力也能够驾驭得了这么多的输入。 我也觉得如今AI大模型的发达，可能更利好于个人开发者，其一呢个人开发者往往使用的是很通用的技术，而不是像企业一样有繁琐的流程、各种基建。AI训练的语料也都是最直接、原始的方式，所以个人开发者的技术栈与预训练语料天然对齐，而企业往往需要一套封装。比如一般个人开发者上线是直接使用Linux命令、docker，而企业往往都会自建一套自己的流程和平台，这次游戏还有以前我做的个人项目上线往往都是让AI自己开发完成就自己上线了，但是在企业想做到这一步可能还得投入不少的人力成本来训练AI。其二呢AI 把过去个人开发者必须外包的设计、文案等职能内化到一人手中，让 “一人公司” 第一次具备商业可行性。比如这次游戏的一些设计、文案都是由AI设计的（ 也抄了不少Unciv的 ）。 标题中的三天，其实是断断续续加起来的三天。放在三年前，我相信随便拉一个编程高手，或者拉一个经验丰富，合作默契的团队，三天肯定是做不出这样一个玩意的，即使是一个demo，可能三周还差不多？ 但是现在，仅仅是我这样一个还没毕业的菜鸟，只花了三天时间做出来了。可以见到AI对咱们的提效是多么巨大。不仅仅是软件行业，在各行各业，我觉得AI的冲击都将会更加猛烈。 从chatgpt2022年出来，那时我好像还高中来着，那时借助AI编程的方式是把代码粘贴到聊天框里，然后他吐出来我再粘回去。到2024用的copilot，就是根据上下文自动提示代码，然后tab补全。2025用的是cursor，就能够读取项目下的所有代码，然后根据提示词自己写代码了。到如今的codex，claudecode，和cursor的区别，就是直接把看代码的地方扣掉了。AI在编程落地的方式突飞猛进，在其他领域的发展我也相信也会这样突飞猛进。 有了AI的帮助，我相信人类能离理想中的乌托邦更进一步。 6 个帖子 - 3 位参与者 阅读完整话题
IT之家 6 月 2 日消息，WSTS（IT之家注：世界半导体贸易统计）组织今日发布最新预测，认为 2026 年全球半导体市场规模将达到 1.511 万亿美元， 同比增幅高达 89.9% ；半导体领域 2027 年还将增长 26.6%，总额进一步升至 1.914 万亿美元。 ▲ 图源：WSTS WSTS 预计 存储器细分领域今年营收同比增幅将达到惊人的 249.5% ，总量突破 8000 亿美元大关，一举超越 2025 年整体半导体市场规模；而逻辑芯片 2026 年也将实现 37.3% 增幅；微处理器、模拟、分立、传感、光电子增幅则在 19.8%~2.7% 区间。 到 2027 年，存储器预计将继续以 32.1% 的增速引领市场，此后是逻辑的 27.1% 和微处理器的 20.0%。 参考 https://www.wsts.org/76/103/Global-Semiconductor-Market-Surges-Beyond-15T-2026
小弟家里是做煤炭贸易的，家父一几年的时候也是从国内最大的焦化厂辞职创业，当时因为早年的肝病和被单位里的小人举报，壮志难酬又身体抱恙不得不离职(现在想想如果当时能坚持一下，也是某个园区的一把手了),22年左右因为澳洲禁运的缘故，煤炭价格疯涨，但是家父还是抱着带一带身边人的想法，带着我初中都没毕业的表哥一起做焦炭贸易(说是带，实际上还是想有人帮把手，但实际上我表哥只有拖后腿，后面甚至还想跳槽跟着别人干)，可是当时没有囤货的想法，只是作为一个中间商签双面合同赚差价，结果没有赶上风口少赚了很多很多钱(我估计能有好几百个吧)。 小弟从大学毕业，工作没有去找，而是在家里的公司干了一年，最大的感受就是这个行业已经是非常没落的行业了，且资金需求量很大，肺炎结束之后更是一年不如一年，很多下游工厂都不想跟贸易商合作，而里面各种人情世故和利益关系网更是错综复杂，我感觉非常不适合我，于是跟家父交流了一下，毅然决然的选择创业。 创业真的很难，小弟选择的赛道是跨境，磕磕绊绊走了一年时间，发现这个行业本质上是互联网服务业，且私域的打法很多，虽然我技术很差，但还是靠着seo勉勉强强卖了几千美刀吧，可是随着时间流逝，这种打法也逐渐不行了（也尝试过投广告，但是广告的水更深，roi根本就跑不正),现在小弟非常迷茫，不知道该继续下去还是回头干老本行，可是我又感觉跨境这条赛道迟早也得做，想问问佬们的建议。 11 个帖子 - 4 位参与者 阅读完整话题
5月23日，据彭博社报道，美国贸易代表贾米森·格里尔(Jamieson Greer)表示，特朗普政府仍在考虑对进口半导体征收关税，以促进国内芯片制造业的发展，但目前尚无立即征收新关税的计划。格里尔在弗吉尼亚州北部一场庆祝美光公司内存芯片工厂扩建的活动上发言，强调了利用进口关税将芯片生产带回美国的重要性。与此同时，他也明确表示，“不会在明天或下周”马上推出新的关税措施，并称政府仍在与行业讨论实施时间和覆盖范围。 “我们要确保在正确的时间、以适当的幅度推进，从而促进芯片生产回流美国。”格里尔称。 格里尔的表态进一步强化了特朗普政府推进芯片关税政策的立场。此前，美国商务部在今年1月认定，美国对进口半导体的依赖已构成国家安全风险。当时，特朗普暂缓实施关税措施，并要求美国官员与主要出口国展开谈判。同时，他保留了进一步扩大芯片关税范围以及推出补偿机制的选项，具体取决于谈判结果。 格里尔表示，美国政府在芯片关税问题上的立场并没有发生变化，相关工作还包括研究推出配套补偿机制，以豁免那些正在美国建设制造工厂的芯片制造商。 “我们的预期是，你需要在美国建厂。如果你在这里投资建设，那么在制造业回流阶段，就会有某种系数或倍数机制，允许你进口一定数量的产品，”格里尔表示，“我们正致力于支持美光正在推进的项目，也支持半导体行业其他同行的投资。” 美光已承诺在美国制造和研发领域投入2000亿美元，其中包括对其弗吉尼亚工厂进行超过20亿美元的升级改造。该公司总部位于爱达荷州博伊西，还计划在爱达荷州及纽约州北部投资数百亿美元，建设更多工厂。 美光CEO桑杰·梅赫罗特拉(Sanjay Mehrotra)在活动期间接受彭博电视采访时表示，公司的美国扩张计划将增加产能，以满足AI热潮推动下激增的内存芯片需求。 除了美光，另外两大内存芯片制造商三星以及SK海力士也面临在美国增产的压力。美国商务部长霍华德·卢特尼克(Howard Lutnick)曾警告称，如果这两家韩国企业未能采取更多措施扩大在美生产，它们可能面临高达100%的关税。 查看评论
美国贸易代表贾米森·格里尔表示，特朗普政府正在继续考虑对进口半导体征收关税，以提振国内芯片制造，不过目前没有立即开征任何新关税的计划。格里尔在美光科技弗吉尼亚州北部存储芯片工厂扩建活动上发表讲话，强调利用进口关税推动芯片生产回流美国的重要性。与此同时，他明确表示，“明天或下周”不会“立即”出台关税，并补充称，政府仍在与行业就时机和范围进行讨论。 “我们希望确保以正确的时间表和正确的力度来实施，从而促进生产回流，”格里尔称。 美光科技首席执行官Sanjay Mehrotra与记者讨论公司在美国扩大DRAM生产。他还谈到了人工智能的需求，以及他认为内存芯片短缺问题将持续到2026年以后。 格里尔的讲话强化了政府继续推进芯片关税的承诺。此前，美国商务部1月得出结论，认为美国对进口半导体的依赖构成国家安全风险。当时，美国总统唐纳德·特朗普暂缓征收关税，并命令美国官员与主要出口方谈判，同时保留根据谈判结果实施范围更广芯片关税和配套抵消机制的选项。 格里尔表示，美国政府在芯片关税方面的做法保持不变。相关工作包括设法制定抵消安排，以使正在美国建厂的芯片制造商免受冲击。 “预期是，你需要在这里建厂，而且会有某种系数或倍数机制，即‘如果你在这里建厂，那么在生产回流阶段，就可以获准进口一定数量的产品’，”格里尔表示，“我们坚定支持美光正在做的事情，也支持半导体行业其他同业正在做的事情。” 美光已承诺投资2，000亿美元用于美国制造和研发，其中包括斥资逾20亿美元改造该弗吉尼亚州工厂。 美光首席执行官Sanjay Mehrotra在活动现场接受采访时表示，公司在美国的扩张计划将增加产能，以满足人工智能热潮推动的存储芯片需求激增。 “我们认为这种短缺将持续到2026年以后，”Mehrotra表示，“美光正与客户密切合作，也在与客户推进长期供应协议，以切实确保客户对供应有可预见性。” 查看评论
欧盟委员会主席乌尔苏拉・冯德莱恩于周三对该项临时立法协议表示欢迎，该协议旨在取消美国商品进口关祱；她同时呼吁立法合作方迅速推进后续流程，完成最终审批。经过彻夜逾五小时谈判，欧盟议员对这一突破性进展表示认可，称此举大概率能让欧盟（27 国集团）避开美国总统特朗普的威胁 —— 若协议再度拖延，将对欧盟加征惩罚性高额关祱。 2026 年 5 月 14 日，北莱茵 - 威斯特法伦州亚琛：欧盟委员会主席乌尔苏拉・冯德莱恩（基民盟）在市政厅查理曼奖颁奖仪式上就座。欧洲央行前行长德拉吉荣获 2026 年度查理曼奖。 协议中的 保障机制 明确：一旦美国进口产品对欧盟产业造成损害，布鲁塞尔有权暂停关祱减免。 此外，协议授权欧盟委员会（欧盟执行机构）在 2026 年底前，若美国对欧盟钢铁及铝衍生品维持 15% 以上关祱，可暂停关祱优惠待遇。 该临时协议达成之际，距欧盟与美国在苏格兰特朗普特恩贝里高尔夫度假村首次敲定贸易框架已近一年。根据协议条款，欧盟同意取消美国工业品关祱，特朗普政府则承诺将大部分欧洲商品关祱上限设定为 15%。 冯德莱恩周三在社交平台 X 上表示：“协议既定，欧盟信守承诺。我们携手共建稳定、可预期、平衡且互利的跨大西洋贸易格局。” 相关背景 特朗普此前多次威胁： 若 7 月 4 日前未签署贸易协议，将对欧盟加征 “更高幅度” 关祱； 拟将欧盟进口汽车及卡车关祱提升至 25%，指责欧盟未履行《特恩贝里协议》条款。 欧盟立法进程曾两度中断： 1 月，特朗普威胁吞并丹麦自治领土格陵兰岛； 2 月，美国最高法院否决特朗普大范围关祱政策核心内容。 目前欧盟预计可如期在 7 月 4 日前完成审批，欧洲议会将于 6 月中旬举行最终投票。 “坎坷之路” 欧盟人民党集团美方贸易协议首席谈判代表泽利亚娜・佐夫科表示：此举 “避免了跨大西洋贸易紧张局势的破坏性升级，保护了欧洲企业、投资及大西洋两岸数百万就业岗位”。 2025 年 9 月 23 日，美国总统特朗普与欧盟委员会主席冯德莱恩在纽约联合国大会期间举行双边会晤。 欧洲议会首席贸易谈判代表伯恩德・朗格将谈判过程形容为 “坎坷之路”，但认为结果值得肯定。 朗格在声明中称：“将联合声明中的承诺纳入法律，使本项法规成为改善欧美关系的工具，同时也回应了外部压力。” 查看评论
欧盟周三就一项旨在取消美国商品进口关税的立法达成临时协议。这是去年7月与美国达成的贸易协议的关键部分。此举有望使欧盟避免美国总统特朗普对其产品征收更高关税。特朗普此前威胁，要把欧洲汽车的关税从15%提高到25%，因欧盟在落实这项近一年前签署的协议方面行动不够迅速。 这使得欧盟与美国的关系跌至冰点。欧盟委员会表示，如果特朗普真的兑现提高关税的威胁，欧盟将保留采取措施保护自身利益的选项。 欧盟议会早些时候批准了该协议，但在法案中增加了多项修订条款。其中包括协议在美国履行承诺之前不会执行，以及除非双方同意延期，协议将于2028年3月到期。 法案的最终版本须经欧洲议会、欧盟委员会和代表欧盟28个成员国的欧洲理事会一致同意。一旦这三个机构就文本措辞达成共识，还需进行投票表决。 查看评论
展会及论坛活动信息表 项目 内容 展会名称 2026 年第十二届深圳国际跨境电商贸易博览会暨第九届 616 全球跨境电商节 展会简称 深圳跨博会 展会时间 2026 年 6 月 16 日-18 日 展会地点 深圳会展中心（福田） 主办单位 深圳市跨境电子商务协会（深跨协） 发起及运营方 宠博士平台 展位面积 72㎡光地（ 9m×8m ） 展位位置 宠物用品展区主通道附近 参展企业目标 10 家 论坛活动 “宠业出海·生态共赢”主题论坛暨共建合伙人授牌仪式 论坛时间 6 月 16 日 14:00-17:00 （约 3 小时） 论坛地点 深圳会展中心会议区（具体厅号待定） 招募对象 宠物产品供应商（食品、用品、智能设备、药品保健品、宠物服装等） 宠物服务商（医疗、美容、寄养、物流、支付、合规、营销、海外仓等） 产业带/源头工厂 参展目的 品牌曝光：借助跨博会全球流量，提升共建计划及参与企业的行业知名度 渠道拓展：集中对接跨境平台、海外采购商及服务商资源 生态招募：现场招募新企业加入“全球宠业生态共建计划” 行业发声：通过主题论坛，树立中国宠业出海的服务标杆形象
这是好事儿啊 这也是中美贸易谈判的一环 6 个帖子 - 6 位参与者 阅读完整话题
之前办了个港卡入了5万刀,在富途牛牛买中概股call,最高到了13万刀,后来贸易战开打直接清零.后面开了个长桥的券商,入了2万刀,老老实实远离中概股只买美股存储的call,最近回本了.现在有个问题我看网上说超过10万刀就会被crs税,但是我去年裤衩子都赔干净了,今年才赚点要是这些都算税,那我可真白忙活了.所以想问下佬是不是开美股券商就可以避免.目前联系了个说开必贝证券好像不会被税,但是不太懂,说必贝出入金每次都要50美金很高,但是我其实一般也不出入金感觉还好.我如果渣打->wise>必贝是不是就会好一点?我现在wise和必贝都没开户,还有长桥怎么低成本换美股券商么,里面还有些股票.谢谢各位佬,好人一生平安 或者各位佬有没有更好的思路 8 个帖子 - 6 位参与者 阅读完整话题
继美国最高法院数月前推翻总统唐纳德·特朗普原来的关税政策后，联邦贸易法院又宣告其10%全球关税不合法，给了美国政府经济议程最新一击。在位于曼哈顿的美国国际贸易法院，一个由三名法官组成、存在意见分歧的合议庭周四批准了一群原告提出的推翻关税请求。除了小企业外，这些原告还包括逾20个主要由民主党掌控的州。 今年2月，特朗普依据《1974年贸易法》第122条征收10%的关税，这是该条款首次被动用。 美国司法部周五通知贸易法院，称将就该裁决向美国联邦巡回上诉法院提起上诉。该法院在上一轮关税争议中曾裁定特朗普政府败诉。 法院目前只是立即禁止政府对提起诉讼的两家公司及华盛顿州执行该关税政策，且明确表示其并非发布所谓的“通用禁令”。合议庭认为，其他州不具备起诉资格，因为它们并非直接的进口主体，而是主张企业转嫁关税成本使得它们要为商品支付更高价格，因此造成损失。 周四晚间被问及上述裁决时，特朗普对记者表示：“有两名激进的左翼法官投票反对关税。所以法院做出什么判决都不足为奇。什么都不足为奇。我们总是会换种方法去做。来一个裁决，我们就换一个法子。” 目前尚不清楚这项裁决对其他一直在缴纳涉案关税的进口商将意味着什么。入禀贸易法院的小企业的代表律师Jeffrey Schwab表示，接下来的行动将取决于政府的回应。 查看评论
一个联邦法官小组当地时间周四裁定，美国总统特朗普在对大多数美国进口商品征收10%关税时违反了法律，这对白宫在未经国会明确授权情况下发动贸易战的努力而言，又是一次法律层面的挫败。美国国际贸易法院在一项存在分歧的裁决中认定，特朗普自2月起实施这些关税时，错误援引了一项已有数十年历史的贸易法律。在特朗普此前一轮惩罚性关税被美国最高法院叫停后，他推出了这些新的关税措施。 这一裁决暂时对特朗普的贸易权限划定了严格新边界。特朗普一直强势动用贸易权力，试图重塑与盟友及对手的经贸关系、增加财政收入，并推动本土制造业回流。 案件后续走向尚不明确。美方政府原本就将这次全面关税视作临时举措，目的是争取时间，让特朗普借助其他法律依据，制定一套更长期、税率更高的关税方案。 白宫暂未回应置评请求。 特朗普政府大概率会提起上诉。但如果最终败诉，特朗普将不得不退还自2月20日宣布政策以来，通过这批关税征收的全部款项。此前特朗普另一轮大范围非法关税已累计征收约1660亿美元，目前相关退款流程已经启动。 今年2月最高法院宣布前序关税无效后，白宫迅速转而启用《1974年贸易法》中从未被启用过的第122条款重启关税。该条款授权白宫，在美国出现大规模、严重国际收支逆差，且面临根本性国际支付困境时，最高可征15%关税，实施期限最长150天。 这两项严苛的法定适用条件，源于当年美元与黄金挂钩时代国会的考量——彼时存在特殊经济风险，总统或需借助关税手段调控。但如今美元早已不再与黄金挂钩。今年春季，多个州政府及小企业联盟因此起诉特朗普政府，主张其并不满足法定前提，无权征收这10%的普遍性关税。 查看评论
美国总统特朗普5月1日表示，由于欧盟未遵守双方已达成的贸易协议，美国将于下周对进口自欧盟的汽车和卡车额外征收25%的关税。特朗普同时表示，若相关企业在美国本土设厂生产，则可免于关税。 特朗普在社交媒体上发文称：“基于欧盟未遵守我们完全达成的贸易协议，下周我将对欧盟输美汽车额外征收关税，税率将提高至25%。”他同时强调，目前有超过1000亿美元正在投资于美国境内的汽车和卡车制造工厂。 此次涉及的贸易协议是美欧双方于2025年7月在特朗普苏格兰高尔夫球场达成的“特恩贝里协议”。该协议将欧盟输美汽车的关税上限设定为15%，作为交换，欧盟同意降低对美国工业品的贸易壁垒，并承诺购买7500亿美元的美国能源及进行6000亿美元的投资。 欧盟方面对此表示强烈不满。欧洲议会国际贸易委员会主席贝恩德·朗格批评特朗普的做法“不可接受”，并指出美方已“多次违反协议”。朗格表示，欧洲议会正在推进相关立法工作，目标是在今年6月前完成，同时强调欧盟将继续履行既有安排。 目前美欧贸易关系正处于敏感时期。受伊朗战争影响，全球油价上涨、通胀压力加剧，此时额外征收关税可能进一步冲击脆弱的世界经济。 查看评论
美国联邦贸易委员会（FTC）最新发布的报告显示，2025 年美国民众因社交媒体诈骗损失超过 21 亿美元，较 2020 年增长了约八倍。 在所有向 FTC 报告受骗经历的受害者中，近三成表示骗局最初发生在社交媒体平台上，其中由 Meta 旗下平台主导，Facebook 占据绝大多数案例，WhatsApp 和 Instagram 分列其后，差距明显。 报告指出，这些社交媒体诈骗大致可分为投资、购物和恋爱三大类型。 与一些固有印象不同的是，除 80 岁及以上更容易在电话诈骗中受骗外，其余各年龄群体都在社交媒体诈骗中受到严重影响。 在投资骗局方面，受害者损失金额高达 11 亿美元，作案手法包括通过广告或帖子兜售所谓“投资教学计划”，或伪装成“友好的理财顾问”，甚至搭建充斥“成功投资者”的虚假群组，引诱人们将资金投入虚构项目。 购物类诈骗同样高发，大约 40% 的受害者曾下单购买自己在广告中看到的商品，品类涵盖服装、美妆、汽车零件甚至宠物犬等。 相关广告往往将用户导向陌生网站，通过虚假页面窃取消费者个人及支付信息，其中部分网站伪装成以极低价格出售知名品牌商品的网店。 至于恋爱诈骗，则有 60% 的受害者表示，骗局起点就在社交媒体上：诈骗分子会根据目标用户的个人资料精心伪造匹配度极高的身份和兴趣，取得信任后编造各种“紧急危机”，诱导对方向其转账汇款。 FTC 在报告中给出多项安全建议，提醒民众提高警惕。 首先，不要让只在社交媒体上认识的人替你做投资决策，尤其是当你的账号是公开状态时，更应提高警觉。 在与陌生人建立联系之前，建议先通过隐私设置限制他人查看你的动态与联系人信息，从源头减少被不法分子利用的个人信息。 此外，在根据网络广告购买商品前，应先搜索该公司名称并加上“诈骗”“投诉”等关键词，确认其是否存在大量负面记录。 安全专家还建议，从“防守体系”角度综合提升防护能力。 一方面，可以考虑订阅优质的身份盗用防护服务，以便在遭遇个人信息泄露或资金被盗时获得专业协助，加速追回损失、修复记录。 另一方面，应为电脑和手机安装可靠的杀毒软件及移动安全应用，防范恶意软件、钓鱼网站和其他网络攻击手段。 与此同时，持续关注最新诈骗手法与恶意软件活动也是关键，通过学习相关案例识别预警信号，再将这些知识分享给亲友，帮助他们避免在类似社交媒体骗局中落入圈套。 查看评论
一项最新研究显示，秘鲁一座距今约一千年的墓葬中发现的鹦鹉羽毛，揭示出一条跨越安第斯山脉、早于印加帝国出现的精密活体鸟类贸易网络。相关论文近日发表在《自然·通讯》杂志上。研究团队利用鹦鹉羽毛的DNA分析、原子同位素检测以及空间建模技术，追溯这些羽毛从亚马孙雨林一路辗转至今日秘鲁干旱海岸沙漠的旅程，凸显古代文明之间远超想象的复杂联系与跨学科研究的关键价值。 这些羽毛出土于秘鲁沿海重要宗教中心——古代伊奇斯马（Ychsma）人的圣地帕查卡马克（Pachacamac），也是考古学研究的核心遗址之一。 保护生物学家乔治·奥拉（George Olah）当时正在亚马孙地区研究金刚鹦鹉种群遗传学，他在现场看到羽毛后立刻“认出”这是自己长期研究的物种，并对这样截然不同环境中的发现感到惊讶，于是主动联系遗址考古负责人岛田泉（Izumi Shimada），由此开启了这项联合研究。 研究的第一步是确认这些羽毛是否确为鹦鹉所遗。古DNA能否保存下来，极大取决于气候与埋藏环境。而秘鲁干燥的海岸带来了极佳的保护条件，使羽毛同时在宏观形态和化学组成上都得以完好保存。 参与同行评审的多物种考古学者阿莱克萨·阿拉伊卡（Aleksa Alaica）指出，在这种特定背景下，“星象几乎完美对齐”，为该项研究提供了难得的技术基础。 DNA结果显示，这批羽毛来自四种亚马孙鹦鹉。 更重要的是，遗传序列呈现出高度多样性，表明这些鸟类来自野生种群，而非近亲繁殖严重的人工圈养群体。此前在美国西南部等地，考古发现曾揭示，当地使用的鹦鹉羽毛多来自长期圈养的家养鸟，其遗传多样性显著偏低，形成鲜明对比。 然而，这些鹦鹉的天然栖息地并不在秘鲁干旱的西海岸，而是远在湿润的亚马孙雨林。 为解释羽毛如何抵达此地，团队运用古环境模型对比了一千年前与今日的生态条件，结果显示安第斯山脉西侧当时同样不适宜这些鸟类生存，且它们在自然状态下的活动范围约为150公里，远不足以跨越超过500公里、并翻越南美最高山脉的距离。 研究者据此认为，鹦鹉不可能自然飞越安第斯，被带到海岸的过程必然存在人为干预。 为了进一步确认运输方式，团队检测了羽毛的稳定同位素特征，用以反推出鸟类的饮食结构。典型野生鹦鹉在雨林中摄食以“C3植物”为主，其羽毛中碳同位素具有明确的“C3信号”。 然而，这批羽毛却呈现“C4信号”，指向以玉米等C4作物为主的饮食结构——这类作物在海岸地区常见，却非雨林典型食物。 这意味着鹦鹉是以活体形式被带过安第斯，并在海岸地区饲养至少一年以上，直至新羽长成并记录下当地的饮食痕迹。 奥拉解释称，鹦鹉通常一年换羽一次，羽毛基本相当于其生长阶段饮食的时间切片。如果只是将鸟类从亚马孙捕获后短期运至海岸，羽毛中的同位素仍会保留雨林饮食特征。正因为检测到的是海岸饮食信号，才能确认鹦鹉在沿海地区度过了相当长的时间。 在地理和生态条件上，安第斯山脉对人类与鸟类而言都极具挑战。研究者指出，携带体型庞大、叫声嘈杂的鹦鹉翻越高海拔地带，途中还要应对寒冷与稀薄空气，对运输者与鸟类都是严峻考验。 因此研究团队提出，当时的运输路线很可能选择北段山势较低的通道，在那里山地环境相对温和，不至于过于严酷难行。 这一北部路线的推测，也得到了考古证据的支持。相关区域与奇穆文明（Chimú）的势力范围高度重叠，后者是当时沿海地区极具影响力的政体与文化中心。 论文指出，奇穆人被认为与安第斯东坡的查查波亚斯人（Chachapoyas）保持着驻点与贸易往来，而查查波亚斯人所在的上亚马孙山地正是这些鹦鹉物种的栖息地之一，当地居民亦以擅长捕捉鸟类著称。 研究团队据此勾勒出一条多阶段、分工精细的贸易网络：查查波亚斯人在雨林山坡捕获鹦鹉，将其作为活体货物转售给奇穆人，后者在更大规模上饲养与驯养这些鸟类，再沿着既有的沿海交通网络，将鹦鹉运送至南方的帕查卡马克等宗教中心。 这一假设不仅与羽毛的遗传与同位素证据相吻合，也与越来越多关于安第斯—亚马孙区域互联的考古研究相互印证。 美国加州大学默塞德分校生物人类学家贝丝·斯卡菲迪（Beth Scaffidi）表示，这项研究与近年来亚马孙地区的大规模考古发掘及空中遥感成像结果高度一致。 新证据显示，亚马孙内部存在高度复杂的村落、城镇乃至城市体系，并通过庞大的道路网互相连结，并进一步延伸至安第斯山脉区域。 她认为，这类研究不断“揭开面纱”，让人们看到在印加帝国崛起前数百乃至上千年，安第斯与亚马孙之间就已存在深厚而连续的互动关系。 值得注意的是，这些艰险而漫长的旅程，最终所交换的物品仅仅是鹦鹉的羽毛。 研究者据此指出，人类对于“稀有”“异域”之物的追逐由来已久，这种审美与象征价值足以支撑高成本的远程贸易。 岛田泉认为，直至今日，人类仍普遍倾向于为“异域风情”赋予更高价值，色彩绚烂的金刚鹦鹉羽毛不仅在感官上极具冲击力，更重要的是，它们来自遥远、鲜有人亲历的亚马孙世界，其背后投射着人们对神秘地域与珍稀生灵的想象。 这项研究由澳大利亚国立大学等机构牵头。研究团队指出，随着更多跨学科方法在考古学中的应用，未来有望进一步还原古代跨区域经济与文化网络的细节，并重新审视安第斯与亚马孙文明在印加之前的长期互动史。 查看评论
6月11日，商务部召开例行新闻发布会。商务部新闻发言人何亚东表示，今年以来，商务部认真贯彻落实党中央、国务院决策部署，会同有关部门出台了一系列政策，包含促进旅行服务出口、服务贸易标准化、加快建设国家服务贸易创新发展示范区和国家数字贸易示范区等。同时，我们持续实施对外文化贸易“千帆出海”行动计划，助力文化企业开拓国际市场。下一步，我们将继续抓好相关政策落实落地，加快培育服务贸易新动能。（证券时报）