Mindy1i

خلال السنوات الماضية في توصيل الطلبات، كانت أكثر تجربة عميقة لدي هي: نحن نعمل بجد لكسب المال، لكن الكلمة الأخيرة دائمًا ليست بيدينا. كل يوم نواجه الرياح والمطر، نعمل لأكثر من عشر ساعات، ونرى الأرقام تتزايد، لكن بعد خصومات المنصة، الدخل الذي نحصل عليه دائمًا يكون أقل بكثير، وهذا الشعور بالعجز يلازمني طوال مسيرتي في توصيل الطلبات. بالأمس، انتهيت من العمل في وقت متأخر من الليل، وبعد أن قمت بغسل يدي، قمت كالمعتاد بمراجعة فاتورة اليوم، حيث قمت بـ 31 طلب، وكان إجمالي العائد 876 يوان، وهو أداء يومي جيد. لكن بعد خصومات متعددة، شعرت بالبرد في قلبي. رسوم الخدمة التقنية للمنصة، والعمولات الديناميكية، ورسوم التأمين، وأحيانًا غرامات التأخير، بالإضافة إلى الرسوم الشهرية لـ"أفضلية الطلبات ذات الجودة العالية"، بعد خصم كل ذلك، تبقى في يدي فقط 583 يوان. فقدت 293 يوان بهذا الشكل، وهو ما يمثل أكثر من 30% من إيراداتي الإجمالية. وأنا مستلقي في السرير، لم أستطع النوم، وكنت أفكر في هذا الأمر: ما الذي حصلت عليه مقابل هذه المئات التي تم خصمها؟ بصراحة، هو مجرد خوارزمية توزيع الطلبات للمنصة، ومسارات الملاحة، وطرق الدفع. لكن ما كان يزعجني أكثر هو أنني لم أستطع التحقق مما إذا كانت هذه الخدمات تستحق هذا المبلغ أم لا، ولم يكن هناك منصة أخرى للاختيار منها. القوانين كلها بيد المنصة، وكل بيانات الطلبات، وبيانات الإيرادات تحت سيطرتهم، وما علينا سوى قبول الطلبات بشكل سلبي، والركض بشكل أعمى، وليس لدينا أي كلمة.
لاحقًا، عندما تعرفت على Web3، أدركت أن مشكلة خصم الوسطاء، وعدم الشفافية في القواعد، وانعدام خيارات المستخدم، ليست مقتصرة على صناعة توصيل الطلبات فقط، بل توجد أيضًا في العديد من مشاريع DeFi. العديد من البروتوكولات تتحدث عن اللامركزية، وتبدو تحت مظلة الشفافية، لكنها في الحقيقة تحتفظ بكل شيء. #BNB走势 $BNB $BNB

$BNB #Saylor100MBTCAccessViaMSTR ok

跑外卖这几年我最深刻的感受就是：我们拼命出力赚钱，但真正的话语权从来不在自己手里。每天风里来雨里去，跑满十几个小时，看着流水数字还算可观，可经过平台一层层扣费后，到手的收入总会大打折扣，这种无力感贯穿了我整个跑单生涯。昨天收工已经是凌晨，洗漱完后我照例核对当日账单，31单的工作量，账面流水876元，是我正常偏上的单日业绩。可一通扣费下来，心瞬间凉了半截。平台的技术服务费、动态抽成、保单费用、偶尔的超时罚款，还有那个每月必扣的“优质订单优先权”费用，七七八八扣完，我手里实实在在攥住的只有583块。整整293块就这么没了，差不多占了总收入的三成多。躺在床上我翻来覆去睡不着，一直在琢磨这件事：我被扣掉的这几百块，到底换来了什么？说白了，就是平台的派单算法、导航路径和收付款通道而已。但最憋屈的是，我根本没法验证这些服务到底值不值这个价，也没有别的平台可以选。规则全是平台说了算，所有订单数据、收益数据都掌握在他们手里，我们骑手只能被动接单、盲目跑单，一点我之所以愿意花时间深入研究OpenLedger，不是跟风追捧新概念，而是看中了它的核心初心。不管是外卖行业的骑手，还是链上的普通用户，我们一直都在为平台、为系统创造价值，却始终拿不到匹配的收益，还要被中间商层层克扣。而OpenLedger的机制设计，本质上就是在削减无效的中间成本，打破信息壁垒，把更多价值、更多收益，返还给真正创造价值的参与者。我很认可这种理念，但也清楚，再好的概念和设计，都需要落地落地打磨。从理论机制到稳定落地、规模化运行，还有很多工程细节、经济模型细节需要不断优化、验证。未来它能走多远，我会持续观望。（本文是平台任务，不构成任何投资建议。）
#OpenLedger $OPEN $OPEN

美联储刚刚发了4月的会议纪要，核心就一句话：
如果通胀一直下不来，我们可能加息。
大家发现没有，几个月前还在聊“什么时候降息”，现在变成“不排除加息。
为什么变脸？因为油价涨、关税、中东冲突，通胀压不住。
纪要里给了三种剧本：
1. 基准情形：冲突缓和 → 今年晚些时候降息
2.当前风险：冲突持续 → 可能被迫加息
3. 尾部风险：就业崩了 → 快速降息
市场目前交易的是第二种：加息预期。
这对我们持币的人意味着什么？
短期：风险资产承压，BTC、BNB继续震荡或下行
中期：加息预期不解除，大资金不敢进场
长期：只要不真加息，市场会慢慢消化
我们普通人怎么办？
1️⃣ 别追高，消息面偏空
2️⃣ 别满仓，留子弹等机会
3️⃣ 别恐慌抛售，除非你仓位重到睡不着
4️⃣ 多看少动，等真正方向出来
美联储现在是“嘴鹰”，不一定真加。
但市场会先跌为敬。
你怎么看？评论区聊。$BTC

#openledger $OPEN
OpenLedger Looks Like AI Data Infrastructure... But $OPEN May Be Pricing What AI Should Forget
A pattern I keep noticing in tech markets is that people obsess over what systems can accumulate, but spend far less time thinking about what those systems should be allowed to keep.
It happens everywhere. Social platforms hoard behavioral data because maybe it becomes useful later. Financial apps retain records long after the customer has mentally moved on. AI companies collect datasets under the assumption that more context usually improves outcomes. That logic made sense when storage was cheap and legal risk felt distant.
Now I am less sure.
Because once intelligence starts making decisions, memory stops being a passive asset. It becomes a source of responsibility.
That is partly why OpenLedger caught my attention, though maybe not for the obvious reason.
Most people frame OpenLedger as an AI data marketplace. Contributors provide useful data. Builders consume it. Models improve. $OPEN coordinates incentives. Clean story. Familiar crypto logic. Easy headline.
But I think that interpretation might be missing the stranger part.
What if the real infrastructure problem is not helping AI learn faster?
What if it is helping AI forget properly?
That sounds abstract until you think about how modern AI systems actually behave. Once data gets absorbed into training processes, retrieval layers, embeddings, fine-tuned behaviors, or decision-support logic, removal is no longer intuitive. People outside the technical side often imagine deletion like removing a document from cloud storage. In reality, machine memory is much messier. Information diffuses.
I remember reading discussions around machine unlearning a while back and the entire concept felt like an engineering apology. Not because the research is weak. Because it quietly admits something uncomfortable: teaching machines is easier than making them forget with precision.
That matters more now than it did two years ago.

تم مسح ما يقرب من تريليون آخر من السوق في يوم واحد فقط مرة أخرى. مذبحة شاملة... 👀

أبذل جهدك

888

444

نعم

نعم

٦

الطلب

بتكوين

حسنا

Ramzan Mubarak

٦٦

بتكوين

٨٨

نايو