攀岩技术的兴起最早可追溯到十八世纪的欧洲。当时的登山者为了克服类似阿尔卑斯山等终年积雪的冰岩地形，发展出一套系统的攀登技术。1983年法国人Mr. Francois SAVIGNY 发明了由树脂及混凝土合成的可移动式岩块，奠定了攀岩墙日后发展的基础。
目前攀岩在国外是一项非常兴盛而且老少咸宜的运动，攀岩墙的设立非常普遍，室内及室外都有。因此常常可以看到一些外国朋友在下班之后，到这些设有岩墙的休闲娱乐中心或健身房活动一下再回家的情形。在节假日，也常常可以看到在设有岩墙的公园里全家同乐的景象。因为对现代都市人而言，到天然岩场攀爬往往要花去不少交通的时间，而且受气候的影响很大。因此在国外，尤其是运动风气鼎盛的欧洲、北美洲，许多岩墙的设立都是由政府出资规划兴建，因为它提供了一个绝佳的旅游休闲的去处。
现代人随着经济起飞，生活的品质已不再是要求温饱而已，而是希望建立工作与身心健康、休闲品质、家庭亲子关系等相对的平衡。攀岩活动，可以完全满足这些需求，并且完全没有危险性。除了以上这些好处外，更因为攀岩活动没有体型、性别及年龄上的限制，无论男女老少皆可享受攀登的乐趣。现代人饱受生活压力与工作压力之苦，他们可以从攀岩活动中获得成就感，舒缓压力。
在休闲市场上，目前世界各地一些稍具规模的公园、游乐场、度假饭店都以此设备来招揽客人，以凸显自己的特色。
除了攀岩活动之外，人工岩墙也可以提供类似高楼逃生，绳索速降等个人或消防单位之训练以及山难搜救技术的训练。高空作业人员，如天线架设、建筑、外墙清洗作业、冷气安装工作人员，也可以在经过简单的训练后将工作的危险性大幅降低，提升产业竞争力，军方及特种部队也常常利用人工岩场开展各种作战技术演练，例如困难地形突破、突击、潜入、人质解救或是巷战、城市战等等。
攀岩的六大好处
● 增加身体柔软度与协调感
● 增强体力
● 集中力
● 进取心
● 自信心
● 平衡感
攀岩墙的类型
攀岩墙发展迄今，依照其用途可分为：
● 专业竞技型：专业设计，采用高强度仿真复合材料岩板，精心设计路线及难度，供攀岩专业人士、爱好者以及军、警、高空作业等特种行业训练、比赛。
● 仿真娱乐型：创意设计，安全、刺激，充分考虑不同人群的攀登要求，并最大限度的增加投资者的收益。
● 儿童型：岩板表面用环保材料喷涂卡通图案，适合幼儿园儿童及小学生，用于对其肌肉发展及手、眼、身体之协调训练方面。
博客
-
攀岩运动简介
-
Day09——晚课 角色设定：让AI扮演专家
📚 AI专家养成计划 · 第17篇（共140篇）
⏱️ 阅读时间：正文10-15分钟 + 地铁深读5-10分钟
🎯 适合人群：零基础，想立刻上手角色设定技巧的你
上篇回顾：角色设定为什么有用
早上我们学了角色设定的原理和四种模板。三个核心要点：
1. 角色 = 知识范围 + 表达方式 + 思维框架
不是让AI”装”成专家，而是激活它训练时学到的专业知识域，约束输出风格。
-
Day09——午课 Waymo暴雨趴窝、DeepSeek再降80%成本、Claude办公实测翻车
今天的AI圈，可以用”冰火两重天”来形容：一边是DeepSeek把推理成本打到骨折价，另一边是Waymo无人车在暴雨中集体趴窝。技术在飞速前进，但现实世界依然在给AI上”物理课”。
速报摘要
今天的五条重磅消息：
- DeepSeek V4缓存优化工具上线，命中率99.82%，成本直降80%
- Waymo因积水问题大规模召回，多城Robotaxi服务暂停
- Google SynthID水印技术获OpenAI、Nvidia等巨头采用
- Claude在SaaS办公自动化实测中通过率不到4%
- 2026智源大会即将开幕，图灵奖得主领衔
新闻一：DeepSeek V4缓存命中率99.82%，推理成本再降80%
事实：DeepSeek V4系列发布仅一个月，第三方工具已经把缓存命中率优化到了99.82%。实测数据显示，原本需要4亿token、61美元的任务，现在只需12美元即可完成，成本降低了约80%。
-
Day09——早课 角色设定：让AI扮演专家
📚 AI专家养成计划 · 第16篇（共140篇）
⏱️ 阅读时间：正文10-15分钟 + 地铁深读5-10分钟
🎯 适合人群：零基础，想让AI输出更专业的你
上篇回顾：你跟AI说话的方式变了吗
上一篇我们聊了”搜索式提问”和”对话式沟通”的区别。三个核心要点：
1. 把AI当同事，不要当搜索引擎
搜索引擎给你信息，AI能帮你思考。提问时加上背景、目的、约束条件，AI的回答质量会完全不同。
-
提示工程（Prompt Engineering）
原文作者：Lilian Weng | 原文日期：2023年3月15日 | 译者：攀岩者
原文链接：https://lilianweng.github.io/posts/2023-03-15-prompt-engineering/
引言
提示工程（Prompt Engineering），也称为上下文提示（In-Context Prompting），是指在不更新模型权重的前提下，通过设计输入提示来引导大语言模型（LLM）产生期望输出的方法。它本质上是一门实验科学——同样的提示技巧在不同模型上效果可能天差地别，因此需要大量的实验和经验积累。
本文聚焦于自回归语言模型的提示工程，不涉及完形填空、图像生成或多模态模型。提示工程的核心目标是对齐（Alignment）与可控生成（Steerability）。
💡 Lilian 的个人观点：有些提示工程论文写了8页，其实核心技巧一两句话就能说清，剩下的全是跑 benchmark。社区更需要好用的共享评测基础设施。
【阅读总结】提示工程是在不修改模型参数的情况下，通过精心设计输入文本来引导 LLM 输出的一门实验性技术，核心目标是对齐和可控。
-
Day08——晚课 提示词入门：和AI对话的艺术
📚 AI专家养成计划 · 第16篇（共140篇）
⏱️ 阅读时间：正文10-15分钟 + 地铁深读5-10分钟
🎯 适合人群：零基础，想跟着动手练的你
上篇回顾
今天早课我们聊了和AI对话的思维方式。来回顾3个关键要点：
1. AI不是搜索引擎，是思考伙伴
-
打通Hermes和OpenClaw：跨平台记忆共享实战
系列教程第三篇 | 作者：攀岩者 | 公众号：AI学习日记
引言：一个记忆，两个 Agent
想象一下：
- 你在 Hermes 里讨论了一个项目的技术方案
- 切换到 OpenClaw 继续开发，它自动知道之前的讨论内容
- 两个 Agent 共享同一个”大脑”，无缝协作
这就是 agentmemory 的魔力——跨平台记忆共享。
今天，我将带你实战演示如何打通 Hermes 和 OpenClaw，让它们共享记忆。