Traaa

有小伙伴咨询Punk-Skill的使用， 那么！视频来啦！

CollectUI 真不错 上面收集了几乎全 x 的设计师的作品，并且按照功能类型归类好了 很适合学习

刚好江哥“抛玉引砖”，跟大家分享一下关于用户教育的一些想法 现在的平台做什么能够帮助用户玩转这波 IPO 潮？ 用户教育，绝对是不可或缺的一环 因为这不是一个只属于金融平台的问题。 从 AI 产品到美股券商，从 Crypto 交易所到任何一个把复杂能力交到普通人手里的平台，用户教育都是那个最被低估、却决定生死的能力。 做得好，用户留下来、用起来、信任你；做不好，用户要么被吓跑，要么被坑到，最后都怪平台。 这里想先从 AI 产品切入，再拉到金融和 Crypto，最后回到我们最关心的问题：面对 SpaceX 这样的超级 IPO，平台的用户教育到底该怎么做。 从 AI 产品说起，首先是关于复杂能力的渐进式交付 AI 产品面临的核心矛盾，和金融平台惊人地相似： 产品能力极强，但用户不知道怎么用，甚至不知道自己不知道。 ChatGPT @ChatGPTapp 刚上线的时候，界面只有一个输入框和一句“Ask anything”。 这个设计看起来极简，但对新用户来说其实是一种认知暴力——你给了我无限可能，却没告诉我从哪里开始。 后来 OpenAI @OpenAI 逐步加入了 suggested prompts、use case 分类、Custom GPTs，本质上是在做一件事：把“你可以做任何事”这个过于宽泛的承诺，拆解成“你现在可以试试这个”的具体邀请。 Claude @claudeai 的做法我觉得是更有意思的 它的 onboarding 不是甩给你一个空白页面，而是通过引导式的对话，让你在使用过程中理解它的能力边界。你问它一个问题，它回答的同时会暗示“我还能做什么” ——这不是说明书式的教育，而是在实际交互中完成认知升级。 Cursor 作为 AI 编程工具，走的是另一条路：上下文教育。 它不会在你打开软件时弹出一个教程，而是在你写代码的具体场景里，适时地展示 AI 能帮你做什么。你选中一段代码，它告诉你可以重构；你写了一个 bug，它提示可以修复。教育发生在需求产生的那一刻，而不是提前灌输。 这些做法背后有一个共同的设计哲学，叫 Progressive Disclosure——渐进式披露。 核心思想是：不要一次性把所有复杂度倒给用户，而是根据用户当前的认知水平和使用场景，逐层释放信息。Jakob Nielsen 在 1995 年提出这个概念的时候，SaaS 还不存在；三十年后，它成了所有复杂产品做用户教育的底层逻辑。 Duolingo 把这个逻辑推到了极致。 它教的是语言——一个需要几千小时才能掌握的复杂技能。但它从来不会在第一天告诉你“学完这门语言需要 2000 小时”。它只说：今天学五分钟，完成一个小关卡，拿到一颗星。进度条、连续打卡、排行榜，这些游戏化机制的本质不是让学习变得“好玩”，而是把一个令人望而却步的长期目标，切割成无数个可以立即完成、立即获得反馈的微小单元。 这对金融平台意味着什么？ 意味着你不能在用户第一次打开 App 的时候，就甩给他一份 $SpaceX 的招股书摘要和一个“立即认购”按钮。 美股平台，从信息噪音到认知陪伴 传统美股平台的用户教育，长期停留在“内容堆砌”阶段。 开一个 Learn 频道，放几百篇文章，从“什么是股票”到“期权希腊字母详解”，然后觉得自己已经做了教育。这就像 ChatGPT 早期那个空白输入框 ——能力都在，但用户不知道从哪开始，也不知道哪些跟自己有关。 Robinhood @RobinhoodApp 做对了一件事：Snacks。 这是一份每天早上推送的市场简报，用极其口语化的方式讲当天最重要的三五件事。 它不试图把你变成分析师，只是让你每天花三分钟，对市场保持一个基本的感知。这是“低剂量持续教育”——不追求单次深度，追求日积月累的认知建设。对于大多数散户来说，每天三分钟的市场感知，比一次性读完一本投资入门书有用得多。 Webull @WebullGlobal 走的是另一条路：Learn Hub 加模拟交易。 它的教育内容覆盖从基础概念到进阶策略，但真正有意思的是 paper trading 功能——你可以用虚拟资金在真实市场环境里交易，不花一分钱，但能完整体验下单、持仓、盈亏的全过程，这是“Learn by Doing”的典型实现。 人对风险的理解，永远不可能通过阅读获得；只有当你看着自己的模拟账户从 10 万变成 7 万的时候，你才真正理解“回撤 30%”是什么感觉。 但这两家都有一个共同的缺陷：教育和交易是割裂的。 你在 Learn 频道学完“什么是 IPO”，回到交易页面，面对的还是一个冷冰冰的买入按钮，中间没有任何过渡。用户在学习场景里建立的认知框架，到了决策场景里就断裂了。 AI 产品的做法其实给了一个启示：教育不应该是一个独立的频道，而应该嵌入到用户做决策的每一个关键节点。就像 Cursor 在你写代码时才提示 AI 能力，金融平台应该在用户准备下单时，才把最相关的风险信息、估值参考、历史对比推到他面前。不是“你应该去学习”，而是“你现在需要知道这个”。 Crypto，应当去把教育变成产品本身 如果说美股平台的用户教育还停留在“内容附属于交易”的阶段，Crypto 平台已经把教育做成了独立的产品线——甚至是获客引擎。 Coinbase @coinbase 的 Learn & Earn 可以说是这个领域的开创者。 机制很简单：你看一段关于某个加密项目的教育视频，回答几道测验题，答对了就能获得该项目的代币奖励，通常价值几美元。 这个设计精妙在哪里？ 它同时解决了三个问题：用户获得了知识，项目获得了曝光，平台获得了活跃用户。 教育不再是成本中心，而是增长飞轮的一部分。 Binance Academy @cz_binance @heyibinance 走得更远了。 它建立了一个完整的免费教育体系，超过 500 篇文章和视频课程，从区块链基础到 DeFi 协议到高级交易策略，不需要注册账户就能访问。 这看起来像是在做慈善，实际上是最聪明的用户筛选机制：愿意花时间学习的用户，往往也是留存最高、终身价值最大的用户。 教育内容成了一个漏斗的顶部——它吸引的不是冲动型赌徒，而是愿意理解自己在做什么的理性参与者。 Bitget @xiejiayinBitget @GracyBitget 把教育和实操结合得更紧密：结构化学习路径配合模拟交易账户，学完一个模块就可以用虚拟资金实践，再进入下一个模块。 这是把 Duolingo 的游戏化逻辑和 Webull 的 paper trading 做了一次融合——学习有路径、有反馈、有实践、有激励，形成完整闭环。 Crypto 平台之所以在用户教育上走得更激进，有一个现实原因：它们面对的用户认知起点更低、产品复杂度更高、监管灰色地带更多。 如果不做教育，用户不是“用不好”的问题，而是“被骗”或“血本无归”的问题。平台要么主动教育用户，要么等着用户亏钱后来骂你、投诉你、让监管来找你。 这个逻辑放到 SpaceX IPO 的语境里，是一模一样的 那么再回到 SpaceX：用户教育不是锦上添花，是“居安思危” SpaceX IPO 的特殊性在于，它同时具备了所有让散户容易犯错的特征：极高的情绪热度、极复杂的业务结构、极多样的参与渠道、极模糊的风险边界。 马斯克、火箭、星链、AI、太空、史上最大 IPO——这些词放在一起，想不 FOMO 都难。 但大多数被这些词吸引进来的用户，并不真正理解自己面对的是什么：这是一家营收 187 亿但亏损 49 亿的公司，它的 1.77 万亿估值定价的是十年后的故事，它有三摊截然不同的生意（星链挣钱、xAI 烧钱、星舰高风险），而且你买到的东西可能是真股票、可能是代币化股票、可能是纯合成产品——风险天差地别。 平台在这个时刻的责任，不是喊“快来打新”，而是确保每一个点击“买入”按钮的人，至少知道自己买的是什么、承担的是什么风险、最坏情况会怎样。 把前面讲的所有框架拉回来，一个真正做好用户教育的平台，在 SpaceX IPO 这个场景里应该做到什么？ 渐进式披露，而非信息轰炸。 不要在用户第一次看到 SpaceX 页面时就甩出全部信息。 第一层：这是什么公司、为什么重要、基本面概览。 第二层：估值拆解——星链值多少、发射业务值多少、xAI 值多少、星舰的成功和失败分别对应什么价格。 第三层：你买的具体是什么产品——真股、代币化股票还是合成资产，各自的风险结构。 用户想深入多少，就能深入多少，但永远不会在第一步就被淹没。 上下文教育，嵌入决策节点。 当用户准备输入买入金额时，不是弹一个“投资有风险”的免责声明，而是展示一个可视化工具：如果你用这个仓位买入，SpaceX 上市首日涨 50% 你赚多少，回撤 30% 你亏多少，180 天禁售期内你的资金被锁住意味着什么。 把风险从抽象概念变成具体数字，在用户做决策的那一刻推到他面前。 Learn by Doing，用模拟降低试错成本。 提供 IPO 模拟交易——让用户用虚拟资金体验完整的打新流程：申购、中签、上市首日波动、禁售期。很多人不是不知道 IPO 有风险，而是从来没有经历过“上市首日冲高回落 40%”是什么体感。模拟一次，胜过读十篇分析。 激励式学习，让教育有回报。 学 Coinbase 的 Learn & Earn 逻辑：用户完成 SpaceX 相关的教育模块（包括但不限于业务拆解、估值逻辑、风险因素、产业链分析），可以获得平台积分、手续费减免、或者优先参与资格。让“学习”本身成为一种有回报的行为，而不是用户必须忍受的前置摩擦。 社区驱动学习，让用户教育用户。 其实最近 X 上关于 SpaceX 的讨论已经证明了这一点——有人问追还是等，有人拆产业链，有人分析供应链，有人吐槽平台只推 hype 不讲风险。 这些真实的用户讨论，比任何官方教育内容都有说服力。平台应该把这种社区讨论结构化：Space、AMA、用户讨论区、实时问答，让信息在用户之间流动，让理性的声音被放大。 产业链地图，把视野从单一标的拉开。 不要让用户只盯着 SpaceX 一个名字。 可以像serenity @aleabitoreddit 那样把整条太空产业链铺开：火箭发动机、卫星制造、地面站、低轨通信芯片、光通信、国防遥感、边缘计算。 告诉用户：IPO 不是彩票，IPO 是产业周期的窗口。 真正会玩的人，早就顺着龙头去找产业链里还没被充分定价的环节了。 在最后，再次感谢 @aveai_info 组织了这样一场很有意义的深度美股讨论，无论是江哥 @yijiangren 的紫苏叶理论的现身说法，还是羊姐 @Arya_web3 情绪面的拆解和筹码的分析，真的是受益匪浅~ 共勉

"how car-dependent is the U.S.?" …

催更第二期

有太多人把挣钱看作一件特别难的事情 真没有那么复杂，一个我朋友现在正在做的事情 而且我觉得所有人都可以去做 从各大平台上搬运各种财经博主的信息 新闻 结合AI 重新整理一遍发到各大平台 创群引流 筛选能跟单的用户 如果你对喊单不自信 在去订阅一些博主的跟单群 照着喊就完事 开销在哪 手机 ai会员 喊单前 万把块钱的成本 可以换来几倍的收益