]]>Service Unavailable
* Host www.kimi.com:443 was resolved.
* IPv6: (none)
* IPv4: 103.143.17.156
* Trying 103.143.17.156:443...
* Connected to www.kimi.com (103.143.17.156) port 443
* ALPN: curl offers h2,http/1.1
* (304) (OUT), TLS handshake, Client hello (1):
* CAfile: /etc/ssl/cert.pem
* CApath: none
* (304) (IN), TLS handshake, Server hello (2):
* (304) (IN), TLS handshake, Unknown (8):
* (304) (IN), TLS handshake, Certificate (11):
* (304) (IN), TLS handshake, CERT verify (15):
* (304) (IN), TLS handshake, Finished (20):
* (304) (OUT), TLS handshake, Finished (20):
* SSL connection using TLSv1.3 / AEAD-AES256-GCM-SHA384 / [blank] / UNDEF
* ALPN: server accepted h2
* Server certificate:
* subject: CN=*.kimi.com
* start date: Dec 5 00:00:00 2025 GMT
* expire date: Dec 4 23:59:59 2026 GMT
* subjectAltName: host "www.kimi.com" matched cert's "*.kimi.com"
* issuer: C=US; O=DigiCert Inc; OU=www.digicert.com; CN=RapidSSL TLS RSA CA G1
* SSL certificate verify ok.
* using HTTP/2
* [HTTP/2] [1] OPENED stream for https://www.kimi.com/
* [HTTP/2] [1] [:method: GET]
* [HTTP/2] [1] [:scheme: https]
* [HTTP/2] [1] [:authority: www.kimi.com]
* [HTTP/2] [1] [:path: /]
* [HTTP/2] [1] [user-agent: curl/8.7.1]
* [HTTP/2] [1] [accept: */*]
> GET / HTTP/2
> Host: www.kimi.com
> User-Agent: curl/8.7.1
> Accept: */*
>
* Request completely sent off
< HTTP/2 503
< server: nginx
< date: Sat, 18 Jul 2026 19:15:38 GMT
< content-type: text/plain; charset=utf-8
< content-length: 19
< x-internal-adhoc-canary: 1590144604
< x-powered-by: Express
< retry-after: 5
< x-render: mode=error;decision=queue-full;cache=none
< vary: Accept-Encoding
< strict-transport-security: max-age=31536000; includeSubDomains
< server-timing: inner; dur=4
<
* Connection #0 to host www.kimi.com left intact
Service Unavailable%
之前 Anthropic 团队用 Agent 开发 C 编译器 以及 早期 Rewrite Bun in Rust. 最初我也就看个热闹, 但没有想到的是 Bun 作者真的把这个 100W+行的 PR 合入了, 我相信这不仅是对我而是整个开发者群体都是一件相当震惊的事情。
一个 ~100k+ star 、真实应用到生产环境的顶级开源项目、不到 2 周时间 AI 编写了 100 万+行代码 单个 PR 直接合入主分支了! 这里最核心的是他不是一个玩具项目。所以这个事件引发了我的一些思考:
带着上面的思考, 加上我本身又是 C++ 最新语言特性 以及 模块化工程(import std;) 极度的爱好者 + 实践者, 所以我决定使用 C++26 + 模块化 也重写一下 Bun 来具体体验一下这个过程, 同时也来验证一下 C++26 和 模块化在百万级工程项目上的可用性和最佳实践, 于是就有了这个 -> Rewrite Bun in MC++
mbun 已经有 24 万+行 C++模块化(.cppm) 代码, 并能构建为单可执行文件。
目前 已经可以初步"验证使用" + 真实运行生态顶级开源项目:
但是对于 Bun 和 Node 原生的 6000+测试集覆盖率目前还处于~40%的进度。
当前的规划是 先 100%过 Node 和 Bun 原生的所有测试集, 然后再分模块的进行性能优化。在这个从"零"搭建基础项目结构, 使用多 Agent 并行开发 20+万行 C++代码中也遇到了一些问题以及关于上面问题的一些思考, 打算过几天等 100%覆盖所有测试集后, 再编写相关具体的文章来详细分析一下过程和相关的思考
而目前我已经把所有的代码放到了 Github 的 mbun 仓库, 欢迎感兴趣的朋友 Star 项目或一起参与开发/构建 (一起玩 / Just for Fun)
// mbun executable entrypoint and command dispatch.
import std;
import mbun.app;
import mbun.exe_platform;
import mbun.cli;
import mbun.cli.run_command;
import mbun.install.command;
import mbun.install.dependency;
import mbun.install.npm.json;
import mbun.install.package_json_editor;
import mbun.jsc.module_loader;
import mbun.jsc.runtime;
import mbun.jsc.test_runner;
import mbun.js_parser;
import mbun.toml;
import mbun.bunfig.types;
import mbun.bunfig.parser;
import mbun.http;
import mbun.bundler;
import mbun.resolver;
using namespace mbun::app;
int main(int argc, char* argv[]) {
//....
auto parsed = mbun::cli::parse(args);
using mbun::cli::Action;
switch (parsed.action) {
case Action::Version:
// Three lines: mbun's real version, then the bun / node compatibility
// claims (the corpus-pinned versions). Line 2 keeps `--version` output
// containing Bun.version (regression/issue/10170 asserts toContain).
std::println("mbun {}", mbun::cli::MBUN_VERSION);
std::println("bun {} (compatible)", mbun::cli::VERSION);
std::println("node v{} (compatible)", mbun::cli::NODE_COMPAT_VERSION);
return 0;
case Action::Help:
std::print("{}", USAGE);
return 0;
case Action::Test:
return run_test(std::span{args}.subspan(1));
case Action::Install:
return run_install(std::span{args}.subspan(1));
case Action::Add:
return run_add(std::span{args}.subspan(1));
case Action::Build:
return run_build(std::span{args}.subspan(1));
case Action::Exec:
return run_exec(parsed.argument);
case Action::NotImplemented:
std::println("mbun: '{}' is planned but not implemented yet", parsed.argument);
return 1;
case Action::Unknown:
// Tag::AutoCommand — an unrecognized first positional is not an error in
// bun: it is a run target. `bun dev` runs the "dev" script, `bun eslint`
// runs node_modules/.bin/eslint, and only when nothing matches does it
// report `Script not found` + exit 1 (cli/mod.rs:1469-1481 → exec_with_cfg,
// run_command.rs:2726-2790). --if-present makes the miss silent/0.
return exec_run_target(args[0], std::span{args}.subspan(1), globalFlags,
/*allowFastRunForExtensions=*/true, /*binDirsOnly=*/true);
}
return 0;
}
https://edge.v2ex.com/help/quota
如果你之前尝试过 Chat 或者 Persona 系统，但是遇到额度很快跑完的情况，现在可以再试试。
刚上线时的一些有限制的额度设定，已经在今天做了比较彻底的更新。
重要的事情是这些新系统确实被用起来，确实被觉得有用或者有趣。谢谢大家。
]]>现阶段全站免费，目前没有充值入口，不需要签到，注册可以直接蹬
目前已经上线：
Grok 4.5 & Grok Image Lite (支持文本/生图)
DeepSeek V4 Flash (计划长期免费保留）
MiMo V2.5(计划长期免费保留）
这两个模型准备长期直接免费，只要能扛住蹬就免费，会一直持续维护，可以直接接到比如 openclaw 之类的 agent 去用
Grok 4.5 等老马不让免费蹬了之后，可能会调整为 Grok 4.2 继续免费，后续还可能有 GPT-image-2
如果不好使欢迎 V 友们直接反馈，也可以进TG 群反馈，后续群里和 V 站也会搞活动，不定期 GPT 、Claude 、Gemini 、国模活动
]]>大家用的哪个工具？ Claude Desktop 总是报各类网络错误，Claude code 好像能实现某种自动化重试，Claude desktop 不行，要手敲“继续”。
]]>最近拿到一个前端页面需求文档。这个文档比较奇葩，只用纯文字描述页面上的内容，没有任何设计图。我就打开 Kimi 上传这个文件，模型选 K3 极致，提示词如下：
根据这份文档生成文档当中提到的页面的线框设计图。我需要：
1. 每个页面的元素和布局；
2. 对每个交互元素的说明。
最后 Kimi 生成了一份带设计的 Word 文档，这一个任务也用掉了我 25% 的月额度。不过无所谓，这种量级的任务几个月碰到一回而已。另外我也发现，这种用 Kimi 自己的容器去完成任务的方式，大模型可以自由发挥，避免了在我本机上装一堆乱七八糟的一次性的东西，用完还不好清理。
然后我看了一下生成过程，它是先写 HTML 页面，然后写一段 python 脚本启动 chromium 打开页面并截图，最后创建一个 .net 工程，写一段 C# 代码用来创建 docx 文档。部分内容如下：
生成的文档大概是下面这样的。跟工作内容细节有关的部分我模糊掉了，总的来说，这算是一份完整的界面需求文档了。
点读式英语学习工具 —— 载入字幕 + 音视频，点任意句子播放对应片段，内置分级词库给生词按难度着色。先读句、再点听，主动学英语。单 HTML 文件实现。
市面上的英语听力软件和方法，大多是「听课式」：播放一大段音频，配上译文和单词解释，让学生被动地听。可一旦被动连听几分钟，大脑几乎不可避免地走神——甚至只要连续出现两三句有难度的句子、中间又没留思考时间，注意力就会涣散、打起瞌睡，学习效果很差。
SubTap 想换一种方式：主动点读。每一句都要你主动点一下才会读，句与句之间留出充足的思考时间；遇到生词、难句，旁边就有释义。把被动听变成 主动读、主动听 ，让注意力始终在线。
学习材料也不挑：美剧、演讲、YouTuber 的视频，从网上下载到本地就行；字幕可以下载现成的，也可以用同属作者开发的 CapsWriter-Offline 离线转录出高质量、带时间戳的字幕。
]]>把网页、B 站/抖音/小红书/YouTube 视频、图文帖子洗成 Markdown ，一键推进 NotebookLM / 飞书 / Notion / Obsidian 。
功能： 抓网页正文，自动过滤广告和没用的东西 视频优先抓官方字幕，没字幕的抽音频给 AI 转录，YouTube 支持批量拉播放列表 图片交给给 AI 做 OCR 识别（小红书、知乎配图这类） 同时推多个知识库
几个坑：知乎 LaTeX 偶尔会抽；音质差的话转录会出现迷惑字符；网页剪藏不保证适应所有站点。
隐私：BYOK ，Key 存本地。免费版纯本地跑； Pro 的转录和 OCR 直接从你浏览器打到模型厂商，不过我服务器，Worker 只做鉴权不落库，欢迎抓包。
插件链接：Chrome 商店 · Edge 商店 · 使用文档
20 个 Pro 体验码，3 个月，先到先得，激活方式在设置页。
E2N-P-3M-708-YRwEvMAQ78ef
E2N-P-3M-708-O8lPGLqdGwEZ
E2N-P-3M-708-AcDlPfFvo8Cm
E2N-P-3M-708-JJKBRV1TQ8mX
E2N-P-3M-708-fQOAMY0qmDfo
E2N-P-3M-708-0TUgPOCWLvVA
E2N-P-3M-708-PDWpaqGN48zM
E2N-P-3M-708-AICBUvkXseHi
E2N-P-3M-708-UTvEoDzyWCce
E2N-P-3M-708-DBlhFOXjCNac
E2N-P-3M-708-nDmySMFYdZV7
E2N-P-3M-708-A3Er8BgwKzJg
E2N-P-3M-708-qSoZJgxH7Zmu
E2N-P-3M-708-PocUjmAuz4S7
E2N-P-3M-708-stcs13sD4kFJ
E2N-P-3M-708-1LK4CwnfD8D9
E2N-P-3M-708-KD8jfY1CadCD
E2N-P-3M-708-t4IEzqffHMFA
E2N-P-3M-708-9yMIXSkf9ESF
E2N-P-3M-708-jVCMSFm9NhMd
领了回复一下，免得撞车。bug 和需求直接帖子里说，在快速迭代中。
]]>OpenRouter 前阵子在 DRACO 深度研究基准上做了个实验：Gemini 3 Flash + Kimi K2.6 + DeepSeek V4 Pro 三个模型 Fusion 起来，得分 **64.7%**，和 Claude Fable 5 单跑的 65.3% 只差 0.6 个百分点，而单任务成本大约只有一半。详见 OpenRouter Fusion。
结论很直接：单个模型不是终点，多个模型合体很多时候比单模型更强。
但 OpenRouter 的 Fusion 是云端服务。我更想要的是：
于是就有了这个项目。
基于 Mixture-of-Agents 论文，在 Cloudflare Worker 上实现了多层 MoA 编排：
请求
├─ Layer 0: AnySearch 联网检索（可选，结果注入 <CONTEXT>）
├─ Layer 1: N 个 proposer 并行（不同模型提供多样化视角）
├─ Layer 2: judge 冲突分析（产出共识 / 冲突 / 遗漏 / 无证据清单）
└─ Layer 3: aggregator 综合最终答案（非简单拼接，是带裁决的二次审稿）
关键点：aggregator 不是把几个答案拼一起，而是基于 judge 的分析做二次审稿——保留共识、修正冲突、补上遗漏、删掉无证据的自信表述。
对外暴露两套协议：
/v1/messages：Anthropic Messages API 兼容（非流式 + SSE 流式）/mcp：MCP Streamable HTTP ，工具 moa_reason灵活支持各种调用
Cloudflare Workers AI 现在有 12 个前沿模型可选，我预置了三套组合：
| 预设 | 组合 | 说明 |
|---|---|---|
| A （最强） | kimi-k2.7-code / glm-5.2 / nemotron-3-120b-a12b / kimi-k2.6 |
3 前沿 proposer + kimi-k2.6 aggregator |
| B （均衡） | kimi-k2.7-code / glm-5.2 / nemotron-3-120b-a12b / gpt-oss-120b |
proposer 全前沿，aggregator 省 |
| C | kimi-k2.6 / qwen3-30b-a3b / glm-5.2 / gpt-oss-120b |
对标 DeepSeek+Kimi+Qwen Fusion |
格式是 proposer1/proposer2/.../aggregator，最后一个做综合。URL 里直接拼模型组合就能切，不用改配置。
还可以使用在线的 moa 模型组合配置器
基础基准（ GSM8K / ARC / C-Eval ） 70 题，整体准确率 **98.6%**。
DRACO 深度研究基准（ 100 个复杂任务，4 维度 rubric ，LLM-as-judge 评分）对标 Fable 5 的 65.3%，达标阈值 ≥ 60%。写这帖的时候评测还在跑，已完成 26/100 ，当前 overall 均值 43.5%，单题最高 70%。完整结果跑完会更新到 README 。
做这个最大的感受是：「前沿模型能力」不一定只能靠买更贵的模型获得。 它也可以被拆成一套本地可控的协作流程——谁出推理、谁出代码、谁出事实、谁做裁决。Fable 5 的能力不是黑盒，是几种能力的组合，组合可以被工程化复现。
项目 MIT ，模型组合、搜索 provider 、judge 策略都可以换。如果你有更强的模型组合建议或者评测结果，PR 直接提。
GitHub: cpcc/moa
]]>日常用语中文。
在宿主机用过 claude design
终于还是死了，腾出钱来买 kimi K3 算了
]]>
https://github.com/xintaofei/codeg
松茸季也开始了，帮老板卖全国唯一用小冰箱（与南开大学合作）发货的松茸，助农产品公司开票能抵税哦～
]]>每次开盖一台显示屏上的窗口会被全部收纳回笔记本电脑上
但是另一台显示屏上的窗口就不会
两个显示屏同型号，且都是 c-dp 信号传输
完全不理解为什么会这样
]]>🌐 动态住宅 $2/GB
📱 动态手机 $9/GB
⚡ 动态机房 $0.8/GB
🏠 全球静态住宅 $4/月起
🖥️ 美国静态机房 $2/月
先体验再充值。
链接：member.jibaoproxy.com/#/login?formType=regist&code=2f809633
]]>起因是看到 Garry Tan （ YC 那位）开源了 GBrain ，一个 AI Agent 记忆系统，能持续吃会议记录和邮件，自动给人物和公司建档案，还带自我改进。这种东西对我这种记性差还要跟一堆项目的人太有吸引力了，果断开搞。
第一坑：保活。记忆系统的意义就是一直在线一直吸收，但我的主力机是笔记本，合盖就睡。挂在台式机上，结果一次系统更新自动重启，断了两天才发现。
第二坑：数据放哪。记忆数据就是这系统的全部价值，放本地磁盘总觉得悬，配自动备份又是一堆活。折腾到后面发现我在给一个工具当运维（本末倒置了属于是）。
第三坑：换机器就完蛋。在公司想查档案，数据在家里机器上。搞内网穿透？又是新一轮折腾。
半个月下来，系统本身没问题，问题全在"让它活着"这件事上。
后来换了思路，不自己维护机器了，直接装进云端 Agent 平台的沙箱里。这类平台的 Agent 自带一个云端沙箱，里面有终端和 Git ，克隆 GBrain 仓库、跑安装命令，跟本地操作没区别；配置和数据扔进平台的 Drive 网盘，持久化它管； Agent 本身就是全天候跑的，保活这个词从此和我无关。换个地方掏出手机也能访问，因为 Agent 还能接 Telegram 这些聊天渠道。
我参考的是这篇 GBrain 一键部署 教程，流程比我预想的短，主要时间花在给它喂初始数据上。
这套方案不是没有代价，说清楚免得有人冲动。
免费档能建 Agent 、能用 Drive ，每天有免费的 Credits 额度，先试跑够用了，也不用绑信用卡。但沙箱里的 Terminal 和 Git 要 Plus 档才有，20 美元一个 Agent 一个月。你要是本来就有闲置服务器，还乐意自己折腾 systemd 和备份脚本，那自建更省钱，这没什么可争的。
我自己算的账是：20 刀买的不是算力，是不用再想保活、备份、迁移这三件事。以我的时薪，一个月省两小时运维就回本了。另外它按 Credits 计费（模型调用的复合用量单位，不是简单的 token 数），重度使用前建议先看清额度规则。
轻度尝鲜：本地跑跑就行，别为了试用掏钱。真要长期用记忆系统，要么接受自己当运维，要么接受订阅费，没有既要又要的方案。我选了后者，目前一个多月，没有再半夜想起"那台机器还活着吗"，就冲这点，值。
]]>单挑/内政/武将养成等核心系统 暴击/反击/连击战斗引擎 地图坐标基于东汉历史州郡位置重新计算投影,不是套用现成地图
目前的状态: 核心玩法基本能跑通,但还有很多地方需要打磨,数值平衡、UI 体验都欢迎挑刺。 MIT 协议,代码全部开源: https://github.com/CtxPilot/Late-Eastern-Han-Dynasty 如果有兴趣一起写代码、提 PR 的,Issue 区随时欢迎。个人项目,精力有限,能有人一起搞会很开心。
]]>企鹅群:789868054
分组倍率：
一家专注于全球全品类金融市场数据研发、量化投研技术输出与跨境金融信息服务的专业科技企业
岗位职责
1 。基于 HyperLiquid 的 HIP3 / HIP4 协议，参与搭建链上合约交易系统及预测市场
2 。负责智能合约的开发、部署与优化（前期会基于 HIP3 和 HIP4 搭建）
3 。开发链上预言机
4 。开发前端页面（包括 APP 端）
5 。优化交易性能（ Gas 、延迟、吞吐），提升用户交易体验
6 。与产品经理协作，实现交易产品功能（如永续合约、预测池等）
7 。持续跟踪 DeFi / 衍生品赛道最新技术方案，并落地到产品中
8 。参与安全审计、漏洞排查与系统稳定性优化
任职要求
1 。有区块链开发经验（必须），参与过 DeFi / CEX / 衍生品项目优先
2 。熟悉智能合约开发（熟练使用 Solidity ）
3 。3 年以上开发经验，精通 Java 、Golang 、Python 中的一种或几种
4 。具备扎实的数据结构与算法基础，熟悉高性能编程模型
5 。熟悉 Vibe Coding
6 。理解 AMM / Orderbook / Perp / 预测市场 等机制
7 。熟悉链上交易核心模块：清算机制、保证金模型、资金费率等
8 。对 HyperLiquid 或类似链上交易协议有深入了解（加分项）
9 。熟悉常见安全问题（重入攻击、闪电贷攻击等）
10 。具备良好的代码习惯与系统设计能力
加分项
1 。有完整上线项目经验（主网部署）
2 。熟悉预言机（如 Chainlink / Pyth ）
3 。有撮合引擎或高频交易系统经验
薪酬福利
1 。月薪：25,000 – 40,000 元 / 月（视经验而定）
2 。全职远程办公，弹性工作时间
3 。参与核心 DeFi 衍生品协议开发，与资深技术团队共事
4 。项目上线后可能享有绩效奖金或代币激励（具体面议）
如何申请
如您对本职位感兴趣，请将简历发送至邮箱： li0409099@163.com
]]>https://www.v2ex.com/t/684677 https://www.zhihu.com/question/30555386
把邮件都自动化放到收件箱 好好地用了很长时间
前两天突然发现有一些邮件没有被自动转移 没有太在意 感觉可能是 bug 今天又没有转移 又被耽误事了 想上平台看一眼 发现 Automate 不对个人开放了 这条路可能被官方封死了
这下可咋办 之前为了规避邮件信息泄露 选了 outlook 这个墙内外企运营的邮箱 迁移也是麻烦事 难道现在又得迁移到 gmail 了吗...
]]>
]]>我身上一个简单但作用明显的实践：不要把手机带进卧室。
大家有什么好的实践吗
]]>我想要的是打开就能看、点一下就执行、想停就停的“指哪打哪”，所以做了 Mimi Remote 。
它是原生 SwiftUI App ，手机通过 Tailscale 直连 + vps 兜底（如果你有的自己的 vps ）自己 Mac 上的 agentd 。任务、代码和 Codex 凭证都留在自己的电脑上，不经过我的服务器。
现在会话管理、流式输出、补充指令、steer / interrupt 、审批、Review diff 、Worktree ，以及 stage 、commit 、push 、创建草稿 PR 等基本功能都已经齐全，日常使用的完整闭环已经能跑通。现在主要是在继续打磨稳定性和交互体验。
Claude Code 也通过独立 bridge 做了实验接入，不过目前 Codex 还是更稳定的主通道。
iOS App 和 Go 后端已经全部开源。目前公开 App Store 版本还没上，需要自己用 Xcode 安装，要求 iOS / iPadOS 26+。
GitHub： https://github.com/gaixianggeng/codex-ipad-agent
我自己最近一个多月是实际真的日常经常用到，所以觉得是值得拿出来分享分享的。
如果这个方向对你有用，欢迎试一下或者给个 Star 。也想听听大家：你们会不会真的在手机或 iPad 上接着处理 Codex 任务？
]]>1.转账或汇款（包括转账至你名下其他汇丰银行账户） （温馨提示：除现有的转账方式外，HSBC HK App 和汇丰网上理财现已支持“跨境支付通”进行跨境转账。通过“跨境支付通”，香港居民可向中国内地个人指定银行账户转账人民币，中国内地居民也可转账港币或人民币至香港银行账户，本地服务费全免。）
2.存入*或提取现金
3.缴付账单
收到了汇丰的这封邮件，被判断成僵尸账户了，这种有没有最简单的方法来解决，人不在南方短时间无法去香港
港卡里也没钱，钱都在美股里，也不想往卡里赚钱，因为不知道除了炒股还可以做什么用？
]]>
目前游戏基于数值的升级系统已经开发完毕，但没做升级界面。
我会重点将精力全部投入游戏的性能，及玩法。
欢迎体验 Demo ，也欢迎提出建议。
百度网盘 提取码: 9epm
123 网盘 提取码: vmP5
]]>她是自由职业，在家干活。没有上下班打卡，早上跟我一起起床，吃完早饭刷完手机，真正开始干活已经 10 点了。午觉睡到下午三点，干一会儿就该吃晚饭了。一整天都没法规律安排。
她跟我说——要是能像上学一样，有上课铃下课铃，到点有人喊你"该干嘛了"，那该多好。
市面上试了一圈：电子闹钟只能设 10 个不够用、番茄钟霸屏对查资料不友好、系统提醒太安静根本注意不到。都放弃了。
所以就自己写了这个——小鸡播报。
开发环境：老婆淘汰的 2015 年 MBP （ Intel i5 + 8G ），系统是 macOS 15 ，Xcode + Swift 5.9 。全程 AI 辅助写代码，从不会 Swift 到上架历时 3 个月。
App Store 搜「小鸡播报」或者 👉 https://apps.apple.com/cn/app/id6789619057
官网 👉 https://chickmemo.netlify.app
国区基础功能永久免费。如果觉得好用，App 里有收款码，请我喝杯咖啡就行 ☕
PS：Windows 版要晚一些，老婆刚生完孩子，得先把时间给他们娘俩。
后续逐步推出付费功能，给娃赚点奶粉钱 😂
]]>