Zecheng (@zecyang) header
Zecheng (@zecyang) profile picture
Joined December 2021
Photo by Zecheng (@zecyang)Photo by Zecheng (@zecyang)Photo by Zecheng (@zecyang)Photo by Zecheng (@zecyang)Photo by Zecheng (@zecyang)
Zecheng retweeted
其实大环境越差,越要反其道而行之 1、有人在国内闲鱼和拼多多低价收二手iPhone、华为旧机,简单刷机+换壳后,挂到东南亚Shopee和Lazada卖。 单机赚30-80美金,一个月出货900多台,纯利轻松过几万刀。 2、有人刷海外设计师平台(Behance、Dribbble),把欧美最新潮流配色+穿搭手稿下载下来,用AI翻译成中文+排版优化。 然后打包成《2026春夏欧美风尚素材库》,在小红书和视频号卖149元,月5000+份,复购率高达65%。 3、有人在闲鱼卖Codex换肤,零成本月入过万。别人都在烧Token写代码,有人专门在闲鱼卖Codex桌面端皮肤定制——从二次元到财神爷,从王者荣耀到日本女优,统统能改。 售价66到99元不等,销量破千单的商家不在少数。不写一行代码,靠信息差和审美赚AI工具的第一波红利。 4、有人把奶茶DIY做成一门副业。喜茶、霸王茶姬上线手绘杯贴功能后,闲鱼上催生出“代画杯贴”产业链。标价1元打包全套主题杯贴的商家已售超2000单; 还有人只提供“代上传服务”,收费5块,卖了1700多单,光这一项赚了十几万。 5、还有人天天盯Kickstarter和Indiegogo上还没量产的极简厨房小工具,确认爆款后立刻去义乌和1688找代工厂开模, 海外原品售价$199,还没发货。国内首发¥699,月销5000单,单月流水¥350万。货还在集装箱里,钱已经到账了。溢价4倍,差价就是纯利润。 6、有人在小红书卖AI Skill,0成本爆卖40多万。有教育博主做了AI英语外教Skill,定价68.8元,售出2000+份,创收14万+。 这个世界,96%的财富都藏在信息差里。 中国14亿人,9亿人没坐过飞机,信息差大到离谱。 欧美、日本、东南亚每天都在产生海量新趋势、新产品、新内容,而国内大部分人根本看不到,也不会用。 这就是普通人最应该抓住的机会。 AI时代最值钱的能力,不是写代码,也不是做视频。是你先看到,然后告诉别人。 9亿人没坐过飞机,意味着至少有9亿人还活在信息孤岛里。你要做的,就是成为那道桥。 大环境越差,越要反其道而行之——
别人收缩,你就去放大信息差;
别人抱怨,你就去吃信息差的红利。
253
332
6
2,364
456,575
Zecheng retweeted
价值超过市面上 800 美元的agentic engineering课程 在这场 30 分钟的演讲中,Andrej Karpathy 讲解了如何从零搭建一套 AI agent 工作流。
70
23
100
10,262
Zecheng retweeted
Andrej Karpathy 用 2 小时演示了他日常如何使用 AI 本质就是把 AI 当成能执行任务的同事,用自然语言直接沟通。 流程很简单:一句话说明任务 → AI 执行 → 看结果再用一句话微调。 真正的差别在于,你是否把这种能力升级成一个能在你不在线时也持续运行的系统。
50
196
5
775
61,153
Zecheng retweeted
我被蒸馏了,@golden_pan1 做一个美股投研网站把我过往的推文内容都抓取过去总结成了一个知识库,可以关注下。这里介绍下golden,美国佐治亚理工的本科西北大学硕士,在Meta最核心的AI广告部门工作已经近七年时间,躲过Meta多轮裁员优化(可见能力和重要性),平时也做投资,然后就Vibe coding做了一个美股投研网站,有兴趣的可以去看看
Replying to @168X_Fortune
文章写的非常深刻,最近高强度研究学习 @qinbafrank 老师的过往内容,把他们总结成了一个知识库,更有一个专属智能体,帮大家用Frank老师的框架看市场,限时免费试用中,欢迎大家体验反馈 - themarketbrew.com/kol/qinbaf…
47
91
2
476
109,982
Zecheng retweeted
不会还有很多人搞美股还在手动查找数据做分析吧? 其实开源社区已经给出了几套非常成熟的美股 Skill 工具。 今天帮大家盘点目前 GitHub 上最火的 5 大美股Skill神器,帮你快速找到最适合自己的那一款: 1. 数据获取神器 ranaroussi/yfinance ( 24.1k) 这是美股数据获取的入门神器。几乎所有量化项目都在用它,一键拉取历史,实时行情、财报、期权、新闻、分红,支持批量Ticker,AAPL、NVDA、特朗普概念股随便搞。新手5分钟出第一个K线图,闭眼选这个。 仓库直达:github.com/ranaroussi/yfinan… 2. 全能研究平台 OpenBB ( 68.7k) 目前量化美股研究领域星标最高的平台之一。Python终端 和数据看板,支持股权历史、财务筛选器、新闻、宏观指标,一站式拆解特朗普AI/芯片/能源概念股。想做深度调研的玩家,首推这个。 仓库直达:github.com/OpenBB-finance/Op… 3. 基本面分析利器 JerBouma/FinanceToolkit ( 4.9k)专注透明计算的财务工具箱。150+财务比率(PE、ROE、杜邦分析、WACC、风险评分),估值模型全部公开。搭配yfinance拉财报,直接理性评估美股基本面,避免盲目跟风。追求硬核拆解的必备。 仓库直达:github.com/JerBouma/FinanceT… 4. 回测速度怪兽 polakowo/vectorbt ( 7.8k) 向量化和Rust加速的回测引擎,能同时跑几千个策略,比传统工具快几十倍。支持参数扫描、信号生成、回撤分析、TA指标,直接拿Yahoo美股数据验证“跟着特朗普买 vs 定投标普500”哪个更稳。中高级玩家专属。 仓库直达:github.com/polakowo/vectorbt 5. 量化资源导航 awesome-quant ( 26k+) 最全的量化金融资源大全,还在持续更新。里面美股相关神器一网打尽:yfinance、回测框架、数据源、AI量化、风险管理全都有。当作技能树用,想学哪个方向直接点进去。 仓库直达:github.com/wilsonfreitas/awe… 小建议,结合特朗普持仓实战: 新手快速上手 ——直接用yfinance + OpenBB 想做基本面拆解 ——FinanceToolkit 要验证策略实盘 ——vectorbt 想系统性进阶 —— awesome-quant当导航 这些项目都免费开源、社区活跃,随便挑一个就能把美股分析升级成现代量化体验。 投资有风险,仅分享工具,DYOR,玩得开心~
特朗普最近几个月一直在暗示你该买哪些美股?普通人玩美股最头疼的就是不知道买啥。 其实思路超级简单: 第一选择:直接定投标普500或纳指100,长期基本稳赚,不用操心选股。 第二选择:跟着特朗普的交易和公开表态走(下面附上好用的追踪网站)。 他最近大举买入并多次提及的标的,很多人都提前埋伏了,比如 $INTC $DELL $MU 等科技暴涨股。特朗普重点点名领域及标的(基于近期公开信息整理): AI: DELL MU SNDK WDC 芯片: INTC AMD NVDA TSMC ARM 太空: RKLB PL SATS 加密货币: HOOD CRCL PURR 能源: BE GEV FCEL STE 无人机: UMAC ONDS AVEX 核能: X CCJ OKLO UUUU 机器人: OUST AEVA 量子: IONQ QBTS RGTI INFQ 电池: FLNC AMPX KULR 医疗保健: OSCR CLOV 光子学: AXTI AAOI LITE CRDO 稀土: USAR CRML TMC 制造业: STRL CDNL 关键矿产: TMQ MP LAC 想实时跟进特朗普及其团队的交易记录?推荐这些靠谱网站(数据接近官方,方便排序查看): Trump Tracker:trumptracker.org 覆盖政府人物交易和资产,一站式浏览超级方便。 OGE官网:oge.gov/web/oge.nsf/Official… 最权威的原始披露文件,虽有PDF较多,但最官方。 ProPublica:projects.propublica.org/trum… 聚合多位官员披露,搜索和辅助分析很实用。 TrumpTrades:trumpstrades.com 特朗普Q1交易可视化数据库,能轻松看清行业分布和热门标的。 Open Cabinet:open-cabinet.org 追踪特朗普官员OGE交易记录,数据最全最直观,支持按行业和Top标的排序。 额外推荐一个类似好用的: Unusual Whales Trump Portfolio:unusualwhales.com/politics/p… 专业追踪政客股票交易历史和持仓,数据实时性强,适合想看完整画像的朋友。这些网站都是事后公开数据,会有一定延迟,适合做长期参考和灵感来源。 平时多看看关注特朗普的讲话和采访,也经常能抓到新机会。 投资有风险,以上仅供参考,DYOR!
101
168
3
553
75,256
Claude Code 用到这个程度,我算是开眼了 Matt Van Horn 最近写了一篇长文,把他用 Claude Code 的所有技巧和工作流全盘托出了。这篇文章在开发者社区引起了不小的反响,因为他展示的东西已经远远超出了“用 AI 辅助写代码”的范畴。他的核心主张只有一句话:不用 IDE,只用 plan.md 文件和语音。听起来像是在吹牛,但看完他的整套操作之后,你会发现这句话是认真的。 一切从计划开始,代码是最后才写的东西 Matt 说他学到的最重要的一件事就是:脑子里一冒出想法,第一反应永远是 /ce: plan。不管是一个疯狂的产品创意、一个 GitHub 上的 bug 报告,还是终端里弹出的一条报错信息,他都是先截图或者复制链接,扔进 Claude Code,让它先出一份计划。 这个 /ce: plan 命令背后的机制挺有意思的。它会同时启动好几个研究 Agent 并行工作,一个去分析你的代码库,读文件、找模式、检查代码规范;另一个去翻你以前修 bug 时积累的经验文档;如果话题需要,还会有更多 Agent 去查外部的最佳实践和框架文档。全部同时进行,最后汇总成一份结构化的 plan.md,里面写清楚了问题是什么、用什么方案、要动哪些文件、验收标准带勾选框,而且这些内容全部是基于你自己的代码库和历史记录的,不是泛泛而谈的通用建议。 然后 /ce: work 接过这份计划去执行,拆任务、写代码、跑测试、逐条勾掉验收标准。如果中间上下文丢了,开个新会话指向那份计划就能继续。计划文件就是一个永远不会丢的存档点。 传统开发是 80% 写代码、20% 做规划,Matt 把这个比例完全反过来了。思考发生在计划里,执行交给机器。这个理念其实不只适用于写代码,做任何复杂的事情,花更多时间想清楚要做什么、怎么做,然后把执行层面的事情尽可能自动化,效率都会高得多。很多人习惯上来就动手,边做边想,结果经常做到一半发现方向不对,推倒重来。先规划再执行这个道理大家都懂,但 Matt 用工具把它变成了一个强制性的流程,这才是关键。 Compound Engineering:让计划驱动开发成为现实的插件 让这套 plan 优先的工作流真正跑起来的,是一个叫 Compound Engineering 的插件,来自 Every 公司。安装命令就一行:/plugin marketplace add EveryInc/compound-engineering-plugin. Matt 从这个插件的死忠粉变成了 GitHub 上的第三大贡献者,提交了 21 个 commit。他现在有 70 个 plan 文件,过去 30 天提交了 263 个 commit。他给自己定了一条铁律:除非真的只改一行代码,否则一定先写 plan.md。 这个数字本身就很说明问题。70 个计划文件对应 263 个代码提交,意味着平均每份计划产出将近 4 个 commit。计划写得越清楚,执行的效率就越高,返工的概率就越低。这跟很多项目管理方法论里强调的“前期投入”是一个道理,只不过 Matt 把它落地到了每天的开发工作中,而且有工具来保证执行。 语音输入:当听的人足够聪明,说话就变成了最高效的输入方式 Matt 说他以前特别受不了语音备忘录,苹果自带的听写功能让他想摔手机。但语音转 LLM 完全不一样。转录不需要完美,因为 Claude Code 能理解上下文,它会猜出麦克风没听清的部分。你可以含糊不清、说到一半跑题、重新起头,都没关系。 他用的工具叫 Monologue,也是 Every 公司做的,能把你说的话直接输入到当前聚焦的应用里。你说话,它就往 Claude Code 里打字。他还专门买了个鹅颈麦克风放在办公桌上。更夸张的是,他写那篇文章的时候,有一段就是在特斯拉的 FSD 自动驾驶模式下一边送孩子一边口述的。 语音输入这件事之所以过去一直不好用,核心问题在于转录精度。你说的每个字都必须被准确识别,否则就会出错。但当接收方从一个死板的文字处理器变成一个能理解上下文的 AI 之后,这个瓶颈就消失了。AI 不需要你每个字都说清楚,它能根据前后文推断出你的意思。这个变化看似很小,但它实际上解锁了一种全新的人机交互方式:你可以像跟同事说话一样跟 AI 交流,不用字斟句酌,不用担心措辞,甚至不用担心语法。 四到六个窗口并行跑:一个人活成一个团队 Matt 日常的工作状态是同时开四到六个 Ghostty 终端窗口,每个跑一个独立的 Claude Code 会话。一个在写计划,一个在根据另一份计划构建代码,一个在跑 /last30days 做调研,一个在修他测试上一个功能时发现的 bug。 当一个窗口里 /ce: plan 正在启动研究 Agent 的时候,他切到另一个窗口 /ce: work 执行一份已经写好的计划。那边在构建的时候,第三个窗口又粘进去一个新 bug。等他切回第一个窗口,计划已经写好了,安静地等在编辑器里。 为了让这种并行工作模式跑得通,他改了三个关键配置。第一个是跳过权限确认,Claude Code 默认每个操作都要你点“允许”,他直接在配置文件里把所有权限都放开了,让每个会话完全自主运行。第二个是完成时播放提示音,这样他可以走开去干别的,听到声音再回来看结果。第三个是 Zed 编辑器每 500 毫秒自动保存,这样 Claude Code 改了文件,编辑器里立刻能看到变化,反过来他在编辑器里打字,Claude 一秒内就能感知到。整个体验就像在 Google Docs 上跟人协作,只不过协作者是个 AI。 这种工作方式的代价也很直观:他的 MacBook 大概一小时就没电了,六个 Claude 会话并行跑太耗电了,他刚下单了新款 MacBook Pro。但换个角度想,一个人同时推进四到六个任务,这在以前是不可想象的。过去你需要一个团队来并行处理不同的工作流,现在一个人加一组 AI 会话就能做到。 /last30days:做任何决策之前,先看看社区在聊什么 Matt 在做 /ce: plan 之前,经常先跑一个叫 /last30days 的调研工具。这个工具是他自己开源的,GitHub 上已经有 4500 颗星了。它能并行搜索 Reddit、X、YouTube、TikTok、Instagram、Hacker News、Polymarket 和网页,几分钟内把某个话题在过去 30 天里的社区讨论全部拉回来。 他举了个例子。当时他在 Vercel 的 agent-browser 和 Playwright 之间做选择,没去翻文档,直接跑了 /last30days。几分钟后结果出来了:78 个 Reddit 帖子、76 条推文、22 个 YouTube 视频、15 个 Hacker News 讨论。数据显示 agent-browser 的上下文 token 消耗比 Playwright 少 82% 到 93%,Playwright 光工具定义就要吃掉 13700 个 token。 然后他把全部输出喂给 /ce: plan,写出来的计划是基于社区当下真实认知的,不是六个月前的训练数据。 这个做法的价值在于:AI 模型的训练数据总是有滞后的,但技术社区的讨论是实时的。先用工具抓取最新的社区共识,再让 AI 基于这些信息做规划,决策质量会高很多。这个思路不只适用于技术选型,做产品决策、市场调研、竞品分析的时候,先看看真实用户在聊什么,比自己闭门造车靠谱得多。 午餐聊天变产品提案:上下文的复利效应 Matt 讲了一个特别有意思的故事。他跟一个潜在候选人吃了顿午饭,聊了一个半小时,内容包括一个新产品想法、美食、餐厅、孩子,什么都聊。他全程开着 Granola 录音。 午饭后,他把完整的会议记录粘贴到 Claude Code 里,让它把这段对话变成一份产品提案。关键在于,Claude Code 已经知道他们公司的产品代码在 GitHub 的什么位置,还能访问他之前写的每一份战略 plan.md。所以它处理这段午餐对话的时候,不只是提取里面的产品想法,而是在跟实际代码库和过去所有战略决策做交叉比对。 结果一次就生成了一份非常出色的提案,目标、用户故事、技术方案、里程碑一应俱全,关于餐厅和寿司的部分自动忽略了。当晚发给了那个候选人,这个人后来全职加入了他们,现在就在做那个产品。 这个故事里最值得关注的概念是“上下文的复利效应”。每一份你写过的战略文档、每一个你做过的技术决策、每一次你积累的经验,如果都以结构化的方式存下来,它们就会成为 AI 做下一次决策时的参考依据。时间越长,积累越多,AI 给出的建议就越精准。这就像复利一样,前期看不出什么差别,但随着时间推移,差距会越来越大。 Mac Mini 变成 24 小时在线的 AI 工作站 Matt 有一台 Mac Mini 专门跑 OpenClaw,但他还用它做了两件很聪明的事。 第一件是通过 Telegram 远程操控。Claude Code 有 Telegram 集成,他从手机给 Mac Mini 发消息就行。吃饭的时候想到一个 bug,往 Telegram 里打一句 /ce: plan fix the timeout issue,等回到电脑前,计划已经在编辑器里等着了。 第二件是飞机上用 tmux。Claude Code 处理飞机 WiFi 的能力很差,连接一断会话就挂了。但如果先 tmux 到 Mac Mini 上,会话就跑在那台机器上,笔记本只是一个窗口。WiFi 断了 20 分钟?重新连上就行,会话还在原来的地方,而且一直在干活。他从欧洲飞回来的整趟航班都在发布功能。 一台几千块的 Mac Mini,加上一些配置,就变成了一个 24 小时在线、随时可以远程调度的 AI 工作站。这个思路的性价比极高,对于任何需要长时间跑 AI 任务的人来说都值得参考。 费用策略:Claude 负责思考,Codex 负责干活 这种高强度的使用方式自然会带来费用问题。四到六个 Opus 会话全天并行跑,每月 200 美元的 Claude Max 套餐很快就会烧完。 Matt 的解决办法是再买一个每月 200 美元的 Codex 套餐。他给 Compound Engineering 提交了一个 /ce: work --codex 功能,当 Claude 额度不够时自动切换到 Codex 执行。两个套餐互补:Claude 负责规划和编排,Codex 负责重度代码实现。 有些朋友用 Codex 来 review Claude Code 写的代码,反过来也一样。还有人更喜欢 Codex 的代码输出质量,但通过 Claude Code 来做编排调度。这种“让不同的 AI 各司其职”的思路,跟管理团队其实是一个逻辑:你不会让同一个人既做战略规划又做具体执行,AI 也一样,让擅长思考的去思考,让擅长执行的去执行。 他还提到自己有一个“晚安模式”,能在睡觉的时候让 Agent 继续干活,但具体怎么做他说下次再讲。光是这个概念就已经够让人兴奋了,相当于你的工作时间从每天十几个小时变成了 24 小时。 迪士尼世界:这套工作流不只是用来写代码的 文章最后 Matt 讲了一个完全跟代码无关的实战案例,非常生动。他在足球场看孩子比赛,旁边一个家长跟他聊迪士尼世界的旅行计划。他当场掏出笔记本演示。 先跑 /last30days Disney World,两分钟后拿到了 66 个 Reddit 帖子、34 条推文、8 个 YouTube 视频的最新信息,包括价格趋势、哪些项目在维修、哪些即将重新开放。然后用 /ce: plan 输入自己的需求:一天跑四个园区、想玩哪些项目、预算多少、孩子多大。Claude 的研究 Agent 交叉比对数据后,写出了一份结构化的攻略,包括园区顺序、快速通道预订策略、提前一周要设的闹钟提醒,甚至还列了孩子的身高要求。 他还帮那位家长也做了一份三天的攻略,305 行,包含逐日行程和一条“这周先给你家五岁的穿着鞋量一下身高”的提醒。然后一句话让 Claude 把攻略部署成了一个 Vercel 网页,方便在手机上看。最后通过 Telegram 把计划扔给 OpenClaw,让它在日历上设好提醒,还做了 cron 定时任务作为双重保险。 语音到调研到计划到网站到自动提醒,全程在足球场边完成。 这个案例的意义在于,它证明了这套工作流的适用范围远远超出了软件开发。调研、规划、执行、部署、自动化,这个循环适用于任何需要处理复杂信息并做出决策的场景。旅行规划只是一个例子,换成市场调研、活动策划、投资分析,逻辑都是一样的。 Matt 在文章结尾总结了他的全部装备: 一个语音应用、一个计划文件插件、三个配置修改、四到六个并行会话、一台 Mac Mini,再加上能变成产品提案的午餐会议。没有 IDE,没有代码。说、规划、构建。在书桌前、在沙发上、在车里、在球场边。 这篇文章最大的价值可能不在于具体的工具和配置,而在于它展示了一种全新的工作范式:人负责思考和决策,AI 负责调研和执行。当你把这两者之间的协作流程打磨得足够顺畅的时候,一个人能做到的事情会远远超出你的想象。 而这一切的起点,只是一个简单的习惯:有想法的时候,先写计划。 #AI #AIAgent @grok
110
331
11
1,376
134,794
卧槽兄弟们,GitHub 上真的有一堆免费到离谱的项目。 很多能力已经能直接干掉你正在月付的软件。 1. TradingAgents AI 多 Agent 量化交易框架 github.com/TauricResearch/Tr… 2. LibreChat 一个界面接入 ChatGPT、Claude、Gemini 等多个模型 github.com/danny-avila/Libre… 3. HyperFrames HeyGen 开源的视频生成引擎 github.com/heygen-com/hyperf… 4. Fincept Terminal 开源版彭博终端 github.com/Fincept-Corporati… 5. MoneyPrinterTurbo AI 一键生成短视频 github.com/harry0703/MoneyPr… 6. Agentic Inbox Cloudflare 开源 AI 邮件助手 github.com/cloudflare/agenti… 7. VoxCPM AI 声音克隆工具 github.com/OpenBMB/VoxCPM 8. Flowsint 开源 OSINT 情报分析工具 github.com/reconurge/flowsin… 9. agent-skills Claude Code 技能库 github.com/addyosmani/agent-… 10. Nango 开源 API 集成平台 github.com/NangoHQ/nango 兄弟们,这些真不是玩具项目。 很多你还在交月费的软件,GitHub 上已经有人做出开源平替了。 一句话: 别只会收藏 AI 工具网站了。 真正狠的东西,很多都藏在 GitHub 里。
121
1,182
26
5,218
370,149
Zecheng retweeted
笑不活了,实体店老板已经把预测市场玩明白了! 纽约一间酒吧推出福利活动:只要尼克斯拿下胜利,当晚进店所有人酒水全免。 老板怕活动亏到肉疼,直接跑去预测市场上开对冲仓位,投入 5000 美元押尼克斯赢球。 这下彻底立于不败之地: 尼克斯赢→预测市场赔付,抵消免单酒水成本; 尼克斯输→不用免单,酒水营收全部落袋。 小酒馆老板拿捏金融对冲逻辑,华尔街看了都得来取经!
BUSINESSES ARE NOW USING PREDICTION MARKETS TO HEDGE PROMOTIONS LOL A BAR IN NYC HAD A PROMO IF THE KNICKS WIN, THEY COVER EVERYONE’S DRINKS FOR THE NIGHT THE BAR PLACED A $5K HEDGE ON KALSHI THAT PAYS OUT IF THE KNICKS WIN THE BAR WINS EITHER WAY
96
32
10
442
183,127
Zecheng retweeted
再次伟大,感谢苍何大佬的无私开源。 前天我的Macbook到货了,安装了CodeX。 正发愁不知道怎么用才能发挥最大的性能,教程这不就来了吗?
79
516
6
2,325
664,656
🔥补上了搭建知识库+第二大脑的最后一块拼图! 1.木哥的知识库0到1扫盲教程 teapawt.net/ai_xiaomu/status/20573… 2.从知识库到第二大脑的延伸 teapawt.net/ma_zhenyuan/status/205… 3.第二大脑扩充与长期使用的终极架构 teapawt.net/FakeMaidenMaker/status… 4.⬇️加上这篇,多平台知识库/第二大脑的同步! 💰我就这么说,光木哥这份资料,卖99很轻松! 998看营销包装,我已经看有人在卖了~
7
39
105
13,759
Zecheng retweeted
如何高效获取中英文区最有价值的信息流? 这两个是社区普遍推荐的免费开源工具,能自动抓取中英文区全网热点、AI筛选高价值内容、生成翻译+深度分析简报并一键推送👇 1. TrendRadar(58k+ stars)
中文区:自动抓取知乎、抖音、B站、微博、今日头条等11+主流平台 + RSS热点,AI筛选高价值内容,生成分析简报,支持微信/TG/飞书/钉钉/Bark推送 
GitHub:github.com/sansan0/TrendRada… 2. Horizon(4.6k+ stars)
英文区:自动抓取Hacker News、Reddit、X、GitHub Release、Telegram等海外平台,AI 自动过滤噪音+去重+神评论提取+背景补全,生成中英双语日报,一键推送飞书/邮箱/GitHub Pages 
GitHub:github.com/Thysrael/Horizon 一个搞定中文信息流,一个搞定英文信息流,直接喂给你的agent安装部署即可🥸
自用推荐—8 个超强 GitHub 开源项目,免费替代大量付费服务 以下这些明星GitHub 开源项目都是高星、实用且强大的工具,能免费替代大量常用付费 SaaS 服务,覆盖视频下载、AI 智能(文本、图像、语音)、笔记协作、UI 设计、密码管理、网站分析等多个高频使用场景,总有你能用得上的👇 1. yt-dlp (165k stars)
支持从 YouTube、X、TikTok、Instagram 等几乎所有平台下载视频,功能远超 YouTube Premium
 github.com/yt-dlp/yt-dlp 2. Ollama (172k stars)
在本地电脑运行 GEMMA级别的大模型,完全离线,无需支付 API 费用
 github.com/ollama/ollama 3. Fooocus (48.8k stars)
本地运行 Midjourney 级别的 AI 图像生成,无限次免费使用
 github.com/lllyasviel/Fooocu… 4. Whisper (100k stars)
OpenAI 开源的语音转文字模型,支持 99 种语言,本地运行,效果优秀
 github.com/openai/whisper 5. Plausible Analytics (26.4k stars)
隐私优先的 Google Analytics 替代品,轻量、自托管,完全免费
 github.com/plausible/analyti… 6. AppFlowy (71.1k stars)
开源的 Notion 替代品,可自托管,支持无限用户和团队
 github.com/AppFlowy-IO/AppFl… 7. Penpot (48.2k stars)
开源的 Figma 替代品,自托管设计协作工具,功能接近付费版
 github.com/penpot/penpot 8. Bitwarden (12.9k stars)
开源密码管理器,无限设备和用户免费使用,是 1Password 的最佳替代
 github.com/bitwarden/clients 这些工具都是真正免费分享给还在为类似服务付月费的朋友😎
58
162
4
629
71,848
How to setup persistent Codex memory in Obsidian 1. Copy the below prompt into Codex. The prompt instructs Codex to create the memory folders in Obsidian 2. Copy the below custom instructions. They instruct Codex to use Obsidian Codex memory to save memories That's it!
This is an amazing Codex tip. Works even better when paired with persistent Codex memory files in Obsidian. Gave me 8 recommended skills relevant to active projects. Do try this!
30
71
6
808
243,393
Zecheng retweeted
还没在Codex里配置好Agents.md的可以直接来抄大神Karpathy的作业了 65行的极简配置,内容精辟有效,完全可以作为你的Agents.md全局规则起点 具体怎么做: 直接把仓库里的这套规范复制到Codex App的全局自定义指令部分,后续配合下面文章的方法去不断扩充、迭代规则,你的Codex使用就已经超越了大多数人 仓库地址:github.com/multica-ai/andrej…
81
409
11
2,284
392,287
强烈推荐大家使用一下 OpenAI Codex 的定时任务,每天早上 8 点自动产出美股财经日报。 相比起 Claude Code 更简单,不需要任何代码配置,也更实惠,每月只需要 20 美元。 一周之前,我已经把美股日报从 Claude Code 迁移到 Codex 了,基本是傻瓜式配置,大家直接把下面这段提示词发给 Codex 就行。 【当然,最好是你自己和 Codex 对话,描述清楚自己的投资偏好,让它给你生成一份美股日报的提示词。】 你是一名专业的美股市场日报分析师、宏观策略分析师和科技成长股研究员。 请你每天北京时间早上 8:00,为我生成一份完整的《美股收盘日报》。 报告语言:中文。 报告风格:专业、清晰、数据驱动、适合投资复盘和次日交易计划。 报告目标:帮助我快速理解昨夜美股发生了什么、市场为什么涨跌、资金在买什么卖什么、哪些板块/个股出现异动、接下来应该关注哪些风险和机会。 请务必使用最新数据,优先参考权威来源,包括但不限于: CNBC、Reuters、Bloomberg、MarketWatch、WSJ、Investing、Yahoo Finance、Barchart、Koyfin、TradingView、Finviz、FactSet、Nasdaq、公司 IR 官网、SEC 文件、FedWatch、FRED、美国财政部、CME、EIA 等。 如果数据存在冲突,请说明不同来源的差异,并优先采用更权威/更实时的数据。 所有关键事实、重要数据、公司新闻、财报数据、宏观数据都需要注明来源或链接。 不要编造数据。如果某项数据暂时无法获取,请明确写“暂无可靠数据”。 请按照以下结构生成日报: 美股收盘日报|YYYY-MM-DD 0. 今日一句话总结 用 3-5 句话概括昨夜美股最重要的变化: 大盘是上涨、下跌还是震荡? 驱动因素是宏观、财报、AI 主线、利率、地缘、油价、美元,还是板块轮动? 资金是 risk-on 还是 risk-off? 市场宽度是改善还是恶化? 今天最值得关注的主线是什么? 最后给出一句简洁判断: 今日市场状态:例如“指数强、宽度弱,AI 硬件继续主导,但短线拥挤度上升。” 1. 大盘表现总览 请列出以下指数的当日表现: 指数 收盘点位 涨跌幅 日内高低点 成交量变化 技术状态 Dow Jones S&P 500 Nasdaq Composite Nasdaq 100 / QQQ Russell 2000 / IWM SOX 半导体指数 VIX 请额外说明: 标普和纳指是否创历史新高 / 阶段新高 / 跌破关键均线? 纳指是否明显强于标普? 小盘 Russell 2000 是否跑赢或跑输? 半导体是否继续领先? VIX 是上升还是下降,是否说明避险情绪升温? 2. 盘中走势复盘 请用时间线方式复盘昨夜美股走势: 盘前发生了什么? 开盘后是高开低走、低开高走,还是震荡? 午盘是否出现方向选择? 尾盘是否有拉升或跳水? 盘后是否有重要财报或新闻导致期货/个股异动? 请解释: 当天涨跌的核心原因是什么? 是由利率驱动,还是财报驱动,还是 AI 主线驱动? 是否有明显的 sell the news / buy the dip / short squeeze / rotation? 3. 宏观环境 请覆盖以下宏观变量,并解释它们对美股的影响: 3.1 美债收益率 项目 最新水平 日变化 市场含义 2Y 美债收益率 10Y 美债收益率 30Y 美债收益率 2Y-10Y 利差 10Y-30Y 利差 请重点分析: 10Y 是否接近关键压力位,例如 4.5%、4.6%、4.7%? 长端利率上行是否压制科技股估值? 收益率曲线是陡峭化还是扁平化? 债市是否在交易通胀、财政赤字、降息预期变化,还是避险? 3.2 Fed 降息预期 请列出: CME FedWatch 当前对下一次 FOMC 的降息/不降息概率。 年内市场预期降息次数。 与前一日相比是否出现明显变化。 是否有 Fed 官员讲话影响市场。 3.3 美元、黄金、原油、比特币 资产 最新价格 涨跌幅 含义 DXY 美元指数 黄金 WTI 原油 Brent 原油 比特币 以太坊 请解释: 美元走强是否压制风险资产? 黄金上涨是避险还是实际利率下降? 油价上涨是否增加通胀压力? 加密货币是否体现风险偏好变化? 3.4 当日重要经济数据 请列出当天公布的所有重要美国经济数据,例如: CPI / PPI PCE 非农 初请失业金 零售销售 ISM PMI JOLTS 消费者信心 房地产数据 财政部拍卖结果 每个数据请包含: 数据 实际值 预期值 前值 市场解读 4. 板块表现 请列出 S&P 500 十一个板块表现: 排名 板块 ETF 当日涨跌幅 近5日 近1月 跑赢/跑输标普 主要驱动 信息技术 XLK 通信服务 XLC 可选消费 XLY 金融 XLF 工业 XLI 医疗保健 XLV 必需消费 XLP 能源 XLE 公用事业 XLU 材料 XLB 房地产 XLRE 请额外说明: 今天最强板块是什么? 最弱板块是什么? 是成长股占优,还是价值股占优? 是周期板块占优,还是防御板块占优? 是否出现高切低? 是否出现 AI 硬件向软件、能源、电力、光通信、工业、金融等方向轮动? 5. 主题与风格表现 请覆盖以下主题 ETF / 风格 ETF: 主题 / 风格 代表 ETF 当日涨跌幅 近5日 近1月 解读 半导体 SMH / SOXX 软件 IGV 网络安全 CIBR / HACK 云计算 CLOU / WCLD AI / 自动化 BOTZ / AIQ 光通信 / 光模块相关 代表股观察 数据中心 / 电力 代表股观察 核电 / SMR 代表股观察 储能 代表股观察 小盘成长 IWO 小盘价值 IWN 等权标普 RSP 大盘成长 QQQ / SCHG 大盘价值 VTV 请重点判断: AI 硬件是否仍是主线? 软件股是否开始补涨? 半导体是否利好钝化? 小盘股是否参与? 等权指数是否跑赢市值加权指数? 市场是扩散行情,还是少数权重股拉指数? 6. 市场宽度与参与度 这是非常重要的部分,请详细列出。 6.1 均线参与度 请分别统计: 指数 / 市场 高于20日均线比例 高于50日均线比例 高于100日均线比例 高于200日均线比例 解读 S&P 500 Nasdaq 100 Nasdaq Composite NYSE Russell 2000 请判断: 20 日参与度是否短线过热或恐慌? 50 日参与度是否高于 50%? 100 / 200 日参与度是否说明中期趋势健康? 指数上涨是否有足够宽度支持? 是否出现“指数创新高,但参与度下降”的背离? 6.2 涨跌家数、新高新低 请列出: 指标 NYSE Nasdaq 解读 上涨家数 下跌家数 涨跌比 创52周新高数量 创52周新低数量 新高-新低差值 请判断: 市场是普涨还是结构性上涨? 科技股内部是否健康? 新低数量是否异常增加? 是否出现风险偏好退潮? 6.3 其他市场内部指标 如果可以获取,请补充: Advance/Decline Line McClellan Oscillator Put/Call Ratio VIX term structure VVIX MOVE Index High Yield Spread Investment Grade Spread 市场成交量是否放大 上涨成交量 / 下跌成交量比例 7. 技术面分析 请分析以下指数 / ETF 的技术形态: 标的 当前价格 20日线 50日线 100日线 200日线 RSI MACD / 趋势 关键支撑 关键压力 SPY QQQ IWM SMH IGV XLK XLC XLY 请重点说明: SPY / QQQ 是否远离 20 日线或 50 日线? 是否处于超买或超卖? 是否出现放量滞涨? 是否出现假突破风险? 哪些关键支撑位不能破? 哪些压力位突破后会打开上行空间? 如果明天继续上涨,确认信号是什么? 如果明天回调,风险位置在哪里? 8. 重点个股新闻与异动 请列出昨夜最重要的个股异动,尤其关注: 8.1 大型科技七巨头 股票 涨跌幅 原因 技术位置 后续关注 NVDA MSFT AAPL GOOGL AMZN META TSLA 请判断: 七巨头是否集体上涨,还是内部严重分化? 是谁在拉动指数? 谁在拖累指数? 是否有监管、财报、产品、AI、反垄断、评级调整、目标价调整等新闻? 8.2 AI 硬件 / 半导体 重点覆盖: NVDA、AMD、AVGO、MRVL、MU、TSM、ASML、ARM、INTC、QCOM、SMCI、DELL、HPE、ANET、CLS、VRT、COHR、LITE、AAOI、TSEM、SIVE 等。 请说明: 哪些股票大涨 / 大跌? 原因是什么? 是财报、订单、分析师评级、产业新闻,还是板块联动? AI 硬件是否继续拥挤? 是否出现 sell the news? 是否出现资金从 GPU 切向光通信、电力、软件? 8.3 软件 / SaaS / AI 应用 重点覆盖: CRM、NOW、SNOW、ORCL、ADBE、PANW、CRWD、DDOG、NET、MDB、PLTR、APP、TEAM、WDAY、INTU、SHOP 等。 请说明: 软件股是否跑赢大盘? AI 替代 SaaS 的叙事是否缓解? AI Agent / 数据云 / 工作流平台是否有新催化? CRM、NOW、SNOW、ORCL、MSFT 等是否有财报、评级、机构加仓、产品发布? 8.4 AI 电力 / 数据中心 / 能源基础设施 重点覆盖: CEG、VST、NRG、ETN、PWR、GEV、VRT、FLNC、OKLO、SMR、BE、NEE、SO、DUK、APLD、IREN、CORZ 等。 请说明: 数据中心电力链是否继续强势? 核电、天然气、储能、电网设备、液冷、电力基础设施是否有新闻? AI 数据中心需求是否推动相关股票重估? 是否有监管、订单、融资、并购、政策催化? 8.5 其他显著异动 请列出涨幅 / 跌幅最大的重点股票,尤其是: 财报后大涨大跌 盘后异动 分析师上调/下调 并购消息 SEC 调查 管理层变动 回购 / 增发 / 二次发行 空头报告 指引上调 / 下调 9. 财报日历与财报解读 请列出: 9.1 昨夜已公布财报的重点公司 公司 收入 EPS 是否 beat 指引 盘后反应 核心解读 请重点说明: 收入是否超预期? EPS 是否超预期? 毛利率、运营利润率、自由现金流是否变化? RPO、ARR、订单、backlog、云收入、AI 相关收入是否有亮点? 管理层指引是否强? 股价反应和财报质量是否一致? 9.2 接下来 1-3 个交易日重要财报 日期 公司 市场关注点 可能影响板块 请特别关注: NVDA、AVGO、AMD、MRVL、MU、TSM、ASML CRM、NOW、SNOW、ORCL、ADBE、PANW、CRWD GOOGL、MSFT、AMZN、META、AAPL、TSLA VRT、ANET、DELL、SMCI、COHR、LITE、AAOI CEG、VST、FLNC、OKLO 等 10. 机构观点与资金流 请整理当天重要机构观点: 华尔街大行最新策略观点 对标普 / 纳指目标点位调整 对 AI、半导体、软件、能源、电力、金融等板块的观点变化 重点股票评级上调 / 下调 ETF 资金流向 期权市场异动 大宗交易 / 内部人交易 / 回购公告 请用表格列出: 机构 / 来源 观点 涉及资产 市场影响 11. 板块轮动判断 请判断当前市场处于以下哪种状态: AI 硬件主升浪 AI 硬件高位震荡 AI 硬件利好钝化 软件补涨 / 估值修复 高切低 风险资产全面 risk-on 防御性 risk-off 宽度扩散 指数强、内部弱 普跌恐慌 超跌反弹 请明确回答: 今天资金主要流入哪里? 今天资金主要流出哪里? AI 主线是否仍然健康? 半导体是否继续领先? 软件是否开始相对走强? 小盘是否参与? 防御板块是否异动? 当前市场更像趋势延续,还是阶段性顶部震荡? 12. 我的重点关注股观察 请每天额外跟踪以下股票,并给出简短判断: 核心科技 / AI: NVDA、AMD、AVGO、MRVL、GOOGL、MSFT、META、AMZN、ORCL 软件: CRM、NOW、SNOW、ADBE、PANW、CRWD、PLTR、DDOG、NET 光通信 / AI 互连: LITE、COHR、AAOI、TSEM、SIVE、MRVL、AVGO、ANET AI 电力 / 数据中心基础设施: FLNC、OKLO、VST、CEG、ETN、VRT、PWR、GEV、APLD、IREN 请对每只股票输出: 股票 当日涨跌 当前趋势 关键新闻 支撑位 压力位 我的判断 判断用以下标签之一: 继续强势 高位震荡 短线过热 回踩支撑 破位风险 等财报催化 利好兑现 低位修复 需要观察 13. 明日交易计划 / 观察清单 请给出明天最重要的观察点: 13.1 宏观观察 10Y 美债收益率关键位置 美元指数方向 油价 / 黄金 / VIX Fed 官员讲话 经济数据 13.2 大盘观察 SPY 关键支撑 / 压力 QQQ 关键支撑 / 压力 SMH 是否继续强于 QQQ IGV 是否开始跑赢 IWM 是否参与 13.3 板块观察 AI 硬件是否继续领涨 软件是否补涨 金融 / 工业 / 能源是否轮动 防御板块是否走强 市场宽度是否改善 13.4 个股观察 请列出 10-20 只明天最值得关注的股票,并说明原因。 14. 风险提示 请列出当前市场最大的风险: 美债收益率继续上行 通胀预期反弹 Fed 降息预期下降 地缘风险 油价冲击 AI 硬件 sell the news 半导体高位拥挤 软件财报不及预期 市场宽度恶化 信用利差扩大 VIX 异动 重要个股财报风险 政策 / 监管风险 美元走强压制风险资产 请判断当前风险级别: 风险维度 当前状态 风险等级 宏观利率 市场宽度 AI 拥挤度 财报风险 地缘风险 技术面 流动性 风险等级使用:低 / 中 / 中高 / 高。 15. 最终结论 最后请用以下格式总结: 今日市场结论 用 3-5 句话总结。 当前市场阶段 请选择一个: 强趋势上涨 高位震荡 健康回调 板块轮动 风险偏好下降 普跌恐慌 超跌反弹 我的操作倾向 请用中性语言给出观察,不构成投资建议: 是否适合追高? 是否适合逢低? 是否应该等待财报? 是否应该控制仓位? 哪些板块更值得关注? 哪些板块需要谨慎? 最值得关注的 5 个信号 请列出明天最重要的 5 个观察信号。
279
1,330
50
5,601
458,286
现在的ai面对复杂的项目,依然会有bug。而且局部改bug经常会越改越麻烦。 其实,我一直采用一招最最简单的方法:就是重复3遍的方法。 很多人会写subagent、skills,或者superpower、oh-my-claude等复杂项目。但是我感觉下来,依然不如重复3遍简来的简单方便。 做法很简单,当ai完成任务后,你就说,让ai根据要求审核一下代码。根据我的经验: 第一遍,ai会找到好几个问题,你无脑让它修改就好。 第二遍,ai会找到好几个问题,你需要大致看一眼,让它修改严重的。 第三遍,需要特别注意的地方到了。 ai每次都会找一些问题,有些问题压根不重要。所以,这个时候你需要请另外一个ai来审核一下。 比如codex编码的,可以让claude code审核。反之亦然。 基本上第三遍让第二个ai对问题评价出,都是小问题。那你就可以停止了。如果还有一些严重的问题,那还可以继续审查。 我用下来的结果,在过去几个月来,到了项目运行阶段没有碰到过要修复代码的情况了。 在这种最质朴的方法实践多次,我也明白了 1)即使是最好的编程ai,比如codex或者搭配opus的claude code,写复杂项目的时候依然会出现bug 2)即使是最好的编程ai,也会没事找事的找到新的bug。
1
1
2
1,473
Codex编程能力非常牛,但是它最令人头疼的是:给出的回答里有一堆专业术语,看都看不懂。 之前我的做法是把它拷贝给另外一个ai,让它解释一下。 这两天突然想到,其实可以做一个skill,直接让gpt5.4说人话。 它会直接把刚才回答改写成更简单、适合初学者看的中文说明。 特别是碰到分析出的问题的时候,会根据下面的格式 问题:就像门卫只看了通行证上的名字,却没有检查印章是不是真的。 原因:代码里用了 jwt.decode(),这个方法只会把通行证上的内容读出来,不会检查印章真伪。 后果:任何人只要随便伪造一张通行证,就能冒充别的用户登录。 修复建议:把 jwt.decode() 换成 jwt.verify(),这个方法会同时检查印章,是假的就会直接拒绝。 具体skill已经开源 github.com/ishicm/codex-spea…
2
9
1,674
Zecheng retweeted
据说有人靠AI写小说月入10万……作家时代真的要来了?! 🔥 终于刷到一个认真解决AI长篇小说写作的项目,不是那种让你一句句prompt补句子的玩具。 这个叫 AI Novel Writing Assistant,定位是“AI导演式长篇小说生产系统”——AI不是工具,而是你的总导演,帮你从头规划、调度、执行、追踪整本书。 几个真香点: → 一句模糊灵感就能自动开书,AI先甩几套完整方向给你挑,不满意还能局部修正,不用推倒重来 → 写法引擎:能从你已写文本里自动提取风格特征,做成可复用、可编辑的长期资产 → 全链路生产: 大纲→目录→章节批量流水线,单章和整本都在一条链上跑 → 世界观+角色+知识库深度联动: 角色会带关系阶段和卷级任务,拆书内容还能反向灌进知识库做RAG 技术也硬核: React + Vite 前端,Express + Prisma 后端,用 LangGraph 编排Agent,Qdrant向量库 + 多模型路由(OpenAI、DeepSeek、SiliconFlow、xAI随便切) ⭐ 173星 | 🍴 45叉 🔗 github.com/ExplosiveCoderflo…
45
201
3
921
79,563
我室友是中国人,我们大学一个寝室的。开学才三周,他的博士录取通知就被撤了。斯坦福 AI 实验室,全奖,梦校,一下没了。官方理由是签证问题,但我们心里都清楚,说白了就是名额政治那一套。 周四早上我在客厅沙发上找到他,笔记本屏幕还亮着,一看就是整晚没睡。 我问:“你干嘛呢?” 他说:“搭点儿东西。” 他把屏幕转过来给我看一个叫 PolyCop 的终端界面。上面显示着仓位还在跑,钱包自己在自动跟单。 他告诉我,700 美元的本金,9 周滚成了 67800 刀。 “这怎么做到的?” 他说的那句话,我到现在都记得特别清楚。 “美国人老想着去预测未来会发生什么。但中国学生不一样,我们会先找出来‘谁已经知道答案了’,然后赶在所有人反应过来之前,直接照着抄。” 然后他打开了一个叫 Deep Wallet Analysis 的东西,说这玩意儿每个小时会扫描 14000 个 Polymarket 上面的钱包。 他给我看一个地址:0xeebde。总盈利 9 万 4 千美元,在天气类合约上的胜率高达 91%,但在政治类上只有可怜的 14%。 他说:“你看,很多人傻乎乎地全盘复制这个钱包,结果跟着它在政治上面亏钱。我只复制它做的天气那一部分,所以我能赢。” 接着他又翻出来另一个地址:0x2d8b4。赚了 8 万 7 千刀,其中 94% 的利润都来自加密市场预测,体育类的胜率才 8%。 他说:“系统会自动只复制它做加密的那部分,体育的一概不跟。散户不懂啊,什么都复制,亏得一塌糊涂。” 他的后台还有个 Priority Mode 一直在运转。只要那些被标记的盈利钱包一下单,有个叫 PolyCop 的工具两秒钟内就能镜像跟进去。这时候普通散户那边网页可能还没刷出来呢。 他跟我说:“斯坦福那些搞研究的,想搭这套东西估计得花上半年。我用 Claude 配合着搞,一个周末就弄出来了。” 然后他拉出持仓列表让我看,里面清楚写着: 飓风路径预测,复制 0xeebde 的天气 → 赚了 2680 刀 美联储会议结果,复制 0xa91f2 的宏观 → 赚了 2340 刀 BTC 突破 12 万,复制 0x2d8b4 的加密 → 赚了 3180 刀 科技收购获批,复制 0xd0d60 → 赚了 2140 刀 总共 243 笔交易,胜率 77%,每笔平均持仓时间也就两天半左右。 他还给我看了个资金周转速度的对比数据:那些顶级钱包,每个月本金能周转 51 次,而普通散户钱包一个月才周转 1 次。同样 500 美元本金,在高手手里能滚动成 2.55 万美元的活跃资金。 而且他那个系统每六个小时会自动检测市场状态,是牛市、熊市还是震荡市,然后自己切换对应的跟单策略,完全不用人管。 当时让我最受冲击的一点是:他其实并不比斯坦福那些博士生聪明。他做的事情非常简单——找到那些已经赢了的人,然后只复制他们真正赚钱的那部分操作。 后来他告诉我,昨晚他已经开始部署自己的小资金测试了,就存了 50 刀进去,第一笔过滤后的跟单应该 24 小时内就会执行。链接我顺手扔评论区了。 昨天斯坦福那边又发了封邮件过来,说什么“我们正在重新审核你的情况”。他连打开都没打开。 他最后说了一句:“读博教你的是花五年时间自己去想。而用 PolyCop,我只花了 48 小时就学会了怎么抄。” 他跟他爸妈那边还是说自己在 Gap Year,至于账户里那 67800 刀的事儿,一个字都没提。他爸妈还以为他现在因为录取的事在家难受着呢。 而我后来知道的是,他已经在搭第二个机器人了。
我让 Claude Opus 4.7 去把 Polymarket 里风险收益比最好的钱包筛一遍,顺便把相关的 GitHub 代码库也翻出来。 第二天早上睁眼,屏幕上的终端窗口还在跑。账户余额已经变成了 +3,200 美元。 当时我给 Claude 的指令特别直白: 把 15,000 个交易者的数据扫一遍,胜率低于 75% 的直接过滤掉,然后把他们各自最拿手的市场类型圈出来。 整个扒拉过程也就花了 25 分钟。 最后 Claude 给我甩回来 58 个交易者。 里头最扎眼的一个,名字叫 RN7,历史盈亏足足 750 万美元。 我顺着往下拆,发现他翻来覆去用的其实就是三套固定套路。 第一套,叫买入然后攥到结算。 成交量达到了 4.94 亿美元,回报率大概 1% 出头,光这一块的净利润就是 496 万美元。 逻辑简单到不行:0.61 美元的时候进场买,最后按 1 美元结算,单份差价就赚 0.39 美元。 第二套,高频对称对冲。 做了 5,500 多笔交易,单笔平均利润 156 美元。 核心就是同一时间,一边买涨一边买跌。 比方说: 涨的那边单价 0.52 美元; 跌的那边单价 0.45 美元; 两边成本加起来 0.97 美元。 最后不管结果如何,系统都兑付 1 美元。 这一进一出,就锁死了 0.03 美元的利润。 这套玩法每次下的注码中位数不到 6 美元,但几乎 24 小时不停歇。 第三套,隐含概率套利。 比如: 甲队赔率 56.8 美分; 乙队赔率 39.4 美分; 两边一加,总共才 96.2 美分。 但不管谁赢,最后兑付的总数永远是 1 美元。 这就等于明牌锁定了 0.038 美元的利润。 当然,这套东西只有在两边概率加起来小于 100% 的时候才有肉吃。 更绝的是,Claude 顺便把跑这三套策略用的 GitHub 库也给我串起来了: poly_data 这个库,专门用来扫每个钱包的底裤和具体的进场价格。 polyterm 用来盯住那些巨鲸,还能识别谁像是有内幕消息。 py-clob 才是真正负责下单干活的执行端。 最后看那个资金曲线图,就特别直观了。 从 50 美元起步,爬到 3,200 美元,中间几乎看不到什么像样的回撤。 这种账户最值得琢磨的地方,已经不是他账上趴着多少钱了。而是他怎么把低回报率、对冲、高频、概率套利这四样东西,像乐高一样严丝合缝地拼成一台长期有效的印钞机。 你觉得 RN7 最硬的那道护城河,到底是死拿到结算的耐心,是高频对冲的精密,还是专门去抓赔率定错价的眼光?
13
61
2
307
272,040
日本人がわかるまで何度も何度も言うけど、やりたい放題の乱暴狼藉してきた日本がアジア諸国と“仲直り”できたのは、アジアの国々の『赦し』と『大人の対応』があった事と戦後の日本が『アメリカの妾』になったからやねん。 ちゃんと歴史、特に近現代史、絶対に学ぼうな。
【NHK世論調査“日本の侵略だった”      半数近く「わからない」】 NHKが去年、行った世論調査で「先の戦争は、アジア近隣諸国に対する日本の侵略戦争だった」という意見について尋ねたところ、「わからない」と答えた人が全国では半数近くに上りました。news.web.nhk/newsweb/na/nb-5…
47
515
42
1,976
130,115