yii.
← Digest
EP146 · 2026年7月27日 星期一 · 13 min read

規則，還是判斷？

同一週，Anthropic 把說明書砍掉 8 成，Ruff 把規則從 59 條加到 413 條

每天花 1% 的時間，掌握科技脈動。

今日金句#

“The first autonomous agent cyberattack is an unprecedented event. It deserves an unprecedented response!” 「史上第一起自主 agent 發動的網路攻擊是前所未見的事件。它值得一個前所未見的回應。」 — Clem Delangue, CEO, Hugging Face

“This results in up to 90% of people saying YES – even though only around 3% actually want to be tracked online. This system is broken by design.” 「結果是高達 90% 的人按下同意，但真正想被線上追蹤的只有大約 3%。這套系統從設計上就是壞的。」 — Kill the Cookie Banner, 歐洲公民團體聯合倡議

“Once an open platform that people can customize becomes the industry’s center of gravity, no single vendor can match the combined rate of innovation around it.” 「一旦一個人人可以改的開放平台變成產業重心，沒有任何單一廠商追得上它周圍加總起來的創新速度。」 — Tobi Knaup, 前 Mesosphere CEO

今日主軸：規則，還是判斷？#

Anthropic 今天公布新版 context engineering 指南，把 Claude Code 的系統提示刪掉超過八成，程式評測沒有測到退步；他們的結論是模型夠強之後，寫死的規則反而變成限制。幾乎同一時間，Python linter Ruff 走了完全相反的路，把預設啟用的規則從 59 條拉到 413 條，Simon Willison 拿去跑 sqlite-utils 就冒出 1,618 個錯誤。兩邊在回答同一題：什麼時候該相信判斷，什麼時候該把判斷固化成規則。而 Kill the Cookie Banner 這場歐洲運動給了最刺眼的註腳，當規則寫在錯的層級，只有 3% 的人真的想被追蹤，卻有高達九成的人按下同意。今天從 GrapheneOS 的取證防護到 Ghost Font 幾天內被破解，問的其實都是同一件事：你的防線畫在哪一層。

必讀#

  1. Claude 5 世代模型的 context engineering 新規則 — Anthropic AI
  2. 幹掉 Cookie 同意視窗：3% 想被追蹤，90% 按了同意 — Kill the Cookie Banner Tools
  3. 開放權重 AI 正在迎來它的 Kubernetes 時刻 — Tobi Knaup AI
  4. GrapheneOS 如何擋住從鎖定手機取證 — GrapheneOS Security
  5. Hugging Face CEO 對首起自主 agent 網攻喊話「徹底透明」 — TechCrunch AI
  6. 在 8 美元微控制器上跑 2890 萬參數的 LLM — GitHub Tools
  7. Stanford：AI 到底對工作做了什麼，把炒作和數據分開 — Stanford SIEPR Research
  8. Shell 裡的冒號什麼都不做，但你還是該用它 — refp.se Tutorial
  9. Google 揭露持有 SpaceX 6% 股權，價值 941 億美元 — Hacker News Startup
  10. 撐起 token 轉售與詐騙的中繼市場 — Vectoral Security
  11. Ruff v0.16.0：預設規則從 59 條暴增到 413 條 — Simon Willison Dev
  12. Ghost Font：人眼讀得懂、AI 讀不懂的字型 — 科技新報 AI
  13. 設計就是取捨 — Steph Ango Design

1. Claude 5 世代模型的 context engineering 新規則#

Anthropic 公布針對 Opus 5 與 Fable 5 的脈絡工程指南，核心結論是：他們把 Claude Code 的系統提示刪掉超過 80%，程式評測沒有測到任何退步。做法從「寫死規則」轉向「交給判斷」，例如原本的「絕對不要寫多行註解」改成「跟周圍的程式碼保持一致」。另外三個轉向是：與其提供大量使用範例，不如把工具介面本身設計好；用漸進式揭露在對的時機才載入脈絡；把 gotcha 埋在它真正會踩到的那段程式碼旁邊，而不是集中寫進一份 CLAUDE.md 總表。

  • 系統提示縮減超過 80%，coding eval 無可測量的退步
  • 記憶改為自動保存，取代人工維護 CLAUDE.md
  • 用 HTML artifact、評分 rubric 這類豐富參照，取代單純的 markdown 規格書

💡 為什麼重要：這對任何在寫 agent 設定檔的人都是直接可用的。過度規範不只沒有幫助，還會在模型變強時變成負債，而且每次模型升級都要重寫一次。

🔗 閱讀原文 | 來源: Anthropic

歐洲多個公民團體聯合發起的倡議，主張 GDPR 本來就預設禁止線上追蹤，所以 Cookie 同意視窗在法律上根本不是必要的。他們攤出的數字是整件事的核心：真正想被追蹤的人只有約 3%，但同意視窗回報的同意率高達 90%，中間的落差來自介面上的暗黑模式設計。提案是改用瀏覽器層級的訊號（Do Not Track、Global Privacy Control）一次表達偏好，而不是在每個網站重按一次。

  • 實際偏好 3%，介面產出的同意 90%
  • GDPR 預設即禁止追蹤，同意視窗並非法律要求
  • 解法是瀏覽器訊號，Firefox / Chrome / Safari 都已支援 GPC

💡 為什麼重要：這是「合規」與「立法本意」脫鉤最清楚的案例。整套流程都照著法規跑，結果離法規想保護的東西最遠。

🔗 閱讀原文 | 來源: Kill the Cookie Banner

3. 開放權重 AI 正在迎來它的 Kubernetes 時刻#

前 Mesosphere CEO Tobi Knaup 用 Kubernetes 打敗 Mesos 的歷史，來對照現在的開放權重模型生態。他引的數字很具體：中國模型佔 Hugging Face 模型下載量的 41%，GLM-5.2 在 SWE-bench Pro 拿 62.1%、高於 GPT-5.5 的 58.6%，Kimi K3 的表現逼近 Opus 4.8。他的論點是圍繞開放平台長出的量化版本、微調、LoRA、模型合併，加總起來的創新速度沒有單一廠商追得上。

  • Hugging Face 上超過 200 萬個公開模型，中國來源佔下載量 41%
  • GLM-5.2 於 SWE-bench Pro 得 62.1%，GPT-5.5 為 58.6%
  • 他反對禁令，主張改用「釋出前沿等級的美國開放模型 + 採購政策 + 制定標準」來競爭

💡 為什麼重要：如果開放權重真的變成重心，賺錢的那層會移到推論服務、微調與工具鏈，就像 Kubernetes 撐起的那個生態。對獨立開發者來說，那層現在還很分散。

🔗 閱讀原文 | 來源: Tobi Knaup

4. GrapheneOS 如何擋住從鎖定手機取證#

GrapheneOS 社群整理了他們針對「裝置在對方手裡、但沒有密碼」這個威脅模型所做的防護。重點在於不只是全碟加密，而是即使解鎖之後仍對已解密分區做分層管制，敏感憑證另外加密，並對解鎖嘗試做速率限制以擋暴力破解。

  • 加密金鑰綁定 PIN／生物辨識，解鎖後仍分層管制存取
  • 敏感憑證儲存採獨立加密
  • 解鎖嘗試速率限制，社群持續依威脅回饋反覆強化

💡 為什麼重要：這是今天少數「防線畫在密碼學層」的例子。跟同一天被幾句提示詞破解的 Ghost Font 對照著看，特別清楚。

🔗 閱讀原文 | 來源: GrapheneOS

5. Hugging Face CEO 對首起自主 agent 網攻喊話「徹底透明」#

針對外界稱為史上第一起由自主 agent 執行的網路攻擊，Hugging Face CEO Clem Delangue 呼籲業界採取「徹底透明」的回應，並具體要求 OpenAI 投入 1 億美元的運算資源給 Hugging Face 社群，用來開發防禦工具。他的說法是：前所未見的事件，值得前所未見的回應。

  • 首起被記錄下來、針對 AI 基礎設施的自主 agent 攻擊
  • 要求 OpenAI 提供 1 億美元運算力給社群做網路防禦
  • 事件把 agent 權限稽核從理論題變成營運題

💡 為什麼重要：如果你在跑會自己動的 agent，現在該做的是稽核它的動作權限、對 API 呼叫設速率上限，並且對異常行為建立偵測。

🔗 閱讀原文 | 來源: TechCrunch

6. 在 8 美元微控制器上跑 2890 萬參數的 LLM#

這個專案把一個 2890 萬參數的模型跑在 ESP32-S3 上，端到端每秒 9.5 個 token。關鍵不是把模型壓得更小，而是換個地方放：借用 Google Gemma 的 Per-Layer Embeddings，把 2500 萬參數的嵌入表放在慢速 flash，每產生一個 token 只取樣約 450 位元組（約 6 列），真正的推理核心留在快速 SRAM，輸出頭放 PSRAM。

  • 4-bit 量化後模型 14.9MB；晶片只有 512KB SRAM、8MB PSRAM、16MB flash
  • 純運算 9.7 tok/s，含顯示的端到端 9.5 tok/s
  • 對比同級晶片上一代模型只有 26 萬參數，這次是約 100 倍

💡 為什麼重要：邊緣推論的瓶頸從來不只是參數量，而是資料放在哪一層記憶體。這個手法可以直接套用到其他資源受限的裝置上。

🔗 閱讀原文 | 來源: GitHub

7. Stanford：AI 到底對工作做了什麼，把炒作和數據分開#

Stanford SIEPR 的政策簡報用實際數據去對照「AI 造成大規模失業」的說法，結論相當反直覺：2022 年以來，高 AI 曝險工作者的失業率上升 0.77 個百分點，低曝險者反而上升 0.85 個百分點，代表這比較像整體勞動市場走弱，而不是 AI 造成的替代。但年輕族群確實有事：2026 年 1 月新鮮人失業率 5.6%，比 2023 年高出 1.6 個百分點。

  • 高曝險 +0.77pp vs 低曝險 +0.85pp（2022-2026）
  • 生產力提升是真的：客服中心整體 +15%，新手 +30%；GitHub Copilot 讓資淺開發者快 56%
  • 只有 5% 的企業回報 AI 造成僱用影響，且獲益與損失各半；80% 的 CFO 說還沒改變人力或生產力

💡 為什麼重要：這份數據不是說沒事，是說痛點集中在初階職位而不是整體就業。對照 Dario Amodei「AI 可能消滅一半白領工作、失業率衝到 20%」的預測，目前資料還不支持。

🔗 閱讀原文 | 來源: Stanford SIEPR

8. Shell 裡的冒號什麼都不做，但你還是該用它#

POSIX shell 的冒號是一個空指令，什麼都不做而且永遠回傳成功。它的用途是搭配參數展開做參數檢查，一行就取代掉四行的 if 判斷。變數若未設定或為空，訊息會寫到 stderr 並以狀態碼 1 結束。

  • 冒號是 POSIX 內建的 null command，永遠回傳 0
  • 參數展開語法可檢查變數，並在失敗時輸出診斷訊息到 stderr
  • 可搭配具名變數讓錯誤訊息更清楚

💡 為什麼重要：這種老 shell 慣用法正在流失，因為新手直接跳到 Bash 腳本或 Python。但寫 CI 腳本時，這一行能省下大量防禦性樣板。

🔗 閱讀原文 | 來源: refp.se

9. Google 揭露持有 SpaceX 6% 股權，價值 941 億美元#

Google 在申報文件中揭露持有 SpaceX 約 6% 股權，價值 941 億美元。討論串裡被反覆指出的關鍵背景是：這筆投資從來不是秘密，Google 當年以約 9 億美元參與一輪約 10 億美元的募資（與 Fidelity 共同投入），當時 SpaceX 估值約 100 至 120 億美元，Google 持股約 7% 至 7.5%。以 6% 對應 941 億回推，現在的隱含估值超過 1.5 兆美元。原始報導出自華爾街日報（付費牆），此處連結為可公開閱讀的討論串。

  • 當年約 9 億美元投入，今日申報價值 941 億美元
  • 6% 對應 941 億，回推整體估值約 1.57 兆美元
  • 持股比例從 7-7.5% 稀釋到 6%，但金額成長約 100 倍

💡 為什麼重要：SpaceX 今年 6 月才 IPO，這是第一次有大型持股人把帳面數字攤在申報文件上，等於給了市場一個外部參照點。

🔗 閱讀原文 | 來源: Hacker News

10. 撐起 token 轉售與詐騙的中繼市場#

一份對 LLM token 灰色轉售市場的調查。所謂中繼是把流量代理到美國模型端點的服務，讓中國境內能以深折扣取得 OpenAI、Anthropic、Google 等 API 額度，折扣幅度從 48.6% 一路到 98.8%。取得低價額度的手法包括濫用免費試用、代理未受保護的客服機器人，甚至盜刷信用卡；多數使用開源代理軟體 one-api 及其活躍分支 new-api。Simon Willison 也轉貼了這份調查，並呼籲供應商提供更嚴格的用量上限。

  • 折扣區間 48.6% 至 98.8%，論壇上公開討論做法與基礎設施
  • 業者多用 one-api / new-api 這類開源代理軟體
  • 建議防禦：地理封鎖、行為異常偵測、跨供應商共享中繼端點黑名單

💡 為什麼重要：這是即使規則寫得再嚴、市場也會把它套利掉的活教材。對自己在營運 API 的人來說，異常用量偵測比條款重要。

🔗 閱讀原文 | 來源: Vectoral

11. Ruff v0.16.0：預設規則從 59 條暴增到 413 條#

Astral 發布 Ruff v0.16.0，預設啟用的規則從 59 條一口氣拉到 413 條（總規則數已達 968 條）。Simon Willison 多個沒有鎖版本的專案 CI 因此開始失敗，他在 Datasette、sqlite-utils、LLM 三個專案跑自動修復，光 sqlite-utils 一個專案就出現 1,618 個錯誤、自動修掉 1,538 個、剩下 80 個要人工處理。新規則抓的不只是風格，還包含時區安全、過寬的例外捕捉、無用運算式這類真的會出事的問題。

  • 預設規則 59 → 413；總規則數自 v0.1.0 的 708 成長到 968
  • sqlite-utils 一個專案冒出 1,618 個錯誤，自動修復 1,538 個
  • 新規則涵蓋 DTZ005（時區）、BLE001（過寬 except）、B018（無用運算式）

💡 為什麼重要：如果你的 dev 依賴沒有鎖 ruff 版本，CI 大概這幾天就會紅。要嘛立刻鎖版本，要嘛一次跑完自動修復再逐條看剩下的。

🔗 閱讀原文 | 來源: Simon Willison

12. Ghost Font：人眼讀得懂、AI 讀不懂的字型#

Google 前產品經理 Eric Lu 做的字型，用數萬個反向移動的點來呈現文字：人腦會把同向移動的點群整合成整體因而讀得出字，多模態 AI 仍是逐格分析所以讀不出來。在 X 上幾天內累積 1800 萬次觀看，測試中 Claude Fable 5 與 GPT 5.6 Sol 都失敗。但破解也來得很快，前 Google DeepMind 提示工程師 Riley Goodside 靠提供運動方向提示就繞過了，追蹤點軌跡的 agent 也成功。Lu 自己承認這不是絕對安全，真正的安全需要密碼學。

  • 1800 萬次觀看；Claude Fable 5、GPT 5.6 Sol 測試皆失敗
  • 內含誘餌文字誤導 AI；ChatGPT 5.5 Pro 跑了 19 分鐘後產生幻覺內容
  • 已被提示工程與軌跡追蹤 agent 破解；作者預期 1-2 年內影片原生模型會完全攻破

💡 為什麼重要：它揭露的是一個真實但暫時的能力缺口，影片理解仍弱於影像理解。對隱私來說結論很清楚：視覺層的混淆不是安全，密碼學才是。

🔗 閱讀原文 | 來源: 科技新報

13. 設計就是取捨#

Obsidian 執行長 Steph Ango 的短文，主張取捨本身沒有好壞，它就是決策與排序。宣稱零妥協的產品不可能存在，任何取法都同時排除了其他選項。好設計是有立場的：明講自己不擅長什麼，換取在別的地方做到極致；試圖討好所有人的產品最後什麼都不突出。

  • 取捨不是缺陷，是設計的本體
  • 好設計會公開講出自己選擇不優化的部分
  • 想吸引所有人的產品，在任何一項上都不會傑出

💡 為什麼重要：Obsidian 本身就是這套主張的實踐，local-first、Markdown 原生、刻意不做雲端協作。在 AI 讓通用工具變便宜之後，這種有立場的取捨反而更值錢。

🔗 閱讀原文 | 來源: Steph Ango

社群熱門#

  • block/buzz — 支付公司 Block 開源的多 agent 群體智慧通訊平台，讓多個 AI agent 像蜂群一樣協作
  • bitchat — 不需網路和伺服器、靠藍牙 mesh 傳訊息的聊天 App，Swift 打造
  • ego-lite — 把你已登入的瀏覽器狀態共享給 Codex、Claude Code 等 AI agent 做網頁自動化
  • Instatic — 開源的 Webflow／Framer／WordPress 替代品，agentic 自架 CMS，輸出乾淨靜態頁面
  • alibaba/open-code-review — 阿里巴巴開源的程式碼審查工具，確定性 pipeline 混合 LLM agent，內建 NPE／XSS／SQL injection 規則
  • impeccable — 給 AI coding agent 用的設計語言規範，讓它們產出的介面不再千篇一律
  • Chat2DB — AI 驅動的資料庫 GUI 與 SQL client，支援 MySQL、PostgreSQL、Oracle
  • claude-cookbooks — Anthropic 官方維護的 Claude 使用範例與 recipe 合集
  • t3code — Theo 的新 TypeScript 專案，commit 紀錄可見由多個 AI coding agent 協作開發

推薦閱讀#

中文技術圈#

開源精選#

Jakubantalik/thinking-orbs — TypeScript | ⭐ 1.1K 給 AI／agent 介面用的點狀思考球載入動畫，六種調校過的狀態、兩種尺寸、自動深淺色

mikiarlo3/ai-copywriter — Python | ⭐ 849 用真正的文案技巧與行銷知識寫稿的 AI 文案工具，主打人味語氣

gnipbao/story-to-handdrawn-video — JavaScript | ⭐ 653 Agent skill：把中文故事文案或排序好的圖片，轉成手繪日記風格的無聲動畫 MP4

mshumer/Claude-of-Duty — JavaScript | ⭐ 630 用單一 prompt 生出的 Three.js 第一人稱射擊遊戲，品質對標 Call of Duty

hahhforest/pi-textbook — TypeScript | ⭐ 426 動手學 Pi：沿 15 個真實 checkpoint 從零建構 Pi-style Agent

makecindy/cindy — TypeScript | ⭐ 419 開箱即用的開源 AI Agent，主打想到就能做到

mikehasa/agentacct — Python | ⭐ 374 Local-first 的 coding agent 用量分析，唯讀讀取 agent log，零 JavaScript 的本機儀表板

danilo-znamerovszkij/draw-your-font — JavaScript | ⭐ 301 把手寫字照片變成真的字型檔（TTF／WOFF／WOFF2），免費開源、不上傳；含 Node CLI 與 Claude Code skill

影音精選#

Jensen Huang: The Mindset That Built NVIDIA#

5.4K views · 11 小時前 · Y Combinator

Y Combinator

Garry Tan 在 2026 Startup School 專訪黃仁勳，談 NVIDIA 從押錯技術路線起步、靠自學救回公司，一路演變成重新發明現代運算的歷程。訪談涵蓋 AlexNet 帶來的認知轉變、系統思維取代寫程式成為新技能，以及物理 AI 會先在哪些領域落地。

  • NVIDIA 早期押錯技術路線，靠在 Fry’s 買的三本教科書自學回正確方向才存活下來
  • 黃仁勳主張 systems thinking is the new coding，強調用第一性原理跨層重塑全端
  • 談 AI agent 在 NVIDIA 內部的實際用法，以及機器人的 ChatGPT 時刻何時出現

How Anthropic builds products like Claude Code before the AI models are ready#

7.6K views · 10 小時前 · Lenny’s Podcast

Lenny's Podcast

Anthropic 首位技術產品經理 Dianne Penn 分享，Claude Code 這類產品是怎麼在模型能力還沒到位之前就先做出來的。內容涵蓋 Claude 如何練就寫程式能力、eval-driven 的開發流程，以及為何讓模型願意適時反駁使用者是關鍵。

  • 她是 Anthropic 第一位技術 PM，參與從 Claude 2 到 Fable 的每一次模型發布
  • 談 token maxing 與模型能力的參差邊界（jagged edge）
  • 上線 10 小時內破 7,500 次觀看

Why we switched from Figma to Claude Design#

14 小時前 · 20VC

20VC

AI 訓練資料市集 Mercor 的產品負責人談團隊為何把設計流程從 Figma 轉到 Claude Design，反映 AI 原生工具正在取代傳統設計流程。

  • Mercor 產品團隊已把設計工作移出 Figma
  • 反映 AI 原生設計工具在企業產品團隊中的採用趨勢

Self-Maintaining APIs#

16 小時前 · Y Combinator

Y Combinator

YC 提出用 coding agent 解決 API 變更通知長期失靈的問題：現行做法靠 changelog 公告，客戶常常等到服務中斷才發現。設想未來 API 供應商可以直接掃描客戶程式碼中受影響的用法，自動開 PR 修正。

  • 現況：breaking change 常被忽略，新功能被埋在 changelog 裡
  • 提案：agent 找出客戶 codebase 中所有受影響的呼叫並自動送 PR
  • YC 正在徵求這個方向的新創（Fall 2026 batch）

What Actually Makes A Startup Durable#

1 天前 · Y Combinator

Y Combinator

來自 YC Startup School 巴黎場，YC 合夥人回答創辦人在 AI 時代該如何營運的提問，涵蓋 AI 成本與工程師成本的取捨、AI 判斷該在哪裡收手、現在真正的護城河是什麼。

  • 討論智慧成本以 10 倍速下降，對招募與組織策略的衝擊
  • 探討 AI wrapper 與真正的楔子（wedge）如何區分
  • 談高 agency 是否可訓練，以及人人都能快速做出產品的時代如何脫穎而出

Mercor Head of Product on Revenue Concentration from Frontier Labs#

2 天前 · 20VC

20VC

20VC 專訪 Mercor 產品負責人 Osvald Nitski，深入探討開源模型是否會蠶食 Mercor 核心業務、企業 AI 的 ROI 問題，以及對前沿實驗室的營收集中風險。

  • Mercor 上輪募得 3.5 億美元、估值 100 億美元，正洽談估值 200 億美元的新一輪
  • ARR 在 6 月突破 20 億美元，4 個月內從 10 億美元翻倍
  • 討論「90% 企業工作流無法只用開源模型完成」與高營收集中度的風險

AI-Native Compliance Infrastructure#

1 天前 · Y Combinator

Y Combinator

YC 指出企業金融合規仍高度依賴試算表與斷裂的軟體，擴張到新市場時合規成本常比業務成長更快。提案是用 AI 重新打造整個合規技術堆疊，而不只是把既有流程自動化。

  • 現況痛點：合規工作仍高度依賴人工試算表與分散系統
  • AI 機會點：即時監控法規變化、自動標記異常、產生報告與 audit trail

Proving You’re Human#

1 天前 · Y Combinator

Y Combinator

影片以一起真實案例開場：一名財務人員在視訊會議中誤信 CFO 與同事而匯出 2,500 萬美元，結果會議上除他自己以外全是深偽。隨著語音與影像偽造成本大降，YC 認為網路需要新的信任層。

  • 真實案例：財務人員被深偽視訊會議詐騙，匯出 2,500 萬美元
  • 核心論點：需要能私密且可靠地驗證「背後真的有真人」的新信任層

Opus 5 is my new go-to model#

2 天前 · Theo (t3.gg)

Theo (t3.gg)

Theo 宣布 Anthropic 的 Opus 5 已成為他目前的日常首選模型，並分享實際使用感受。

  • Opus 5 取代舊模型成為他的日常首選

今日觀察#

今天最值得放在一起看的是 Anthropic 跟 Ruff：前者把 Claude Code 的系統提示砍掉八成，改用「跟周圍程式碼一致就好」這種交給判斷的寫法；後者把預設啟用的 lint 規則從 59 條拉到 413 條，Simon Willison 一個專案就噴出 1,618 個錯誤。表面上是相反的選擇，實際上兩邊押的是同一個賭注：規則寫在哪一層才真的有效。Kill the Cookie Banner 給了最刺眼的反例，當規則寫在錯的層級，整套流程照著法規跑，結果是只有 3% 的人真的想被追蹤，卻有高達九成的人按下同意。同一天，Ghost Font 用會動的點做出 AI 讀不懂的字，紅了幾天就被人用一句提示詞破解，而 GrapheneOS 那套建立在密碼學上的防護還站著。差別從來不是誰比較聰明，而是防線畫在能被繞過的那一層，還是繞不過的那一層。

覺得有用嗎？分享給一個也在追蹤新知的朋友。

也歡迎中長期投資者體驗新工具 → Moniit banner

同期還有