用上币安最新的 AiPro 配合自己写的脚本，感觉完全无敌了，也是能赚钱+交易量了 @binancezh 目前Ai Pro 狗蛋测试了，他们的Api数据的确很领先市面上的！用Ai Pro 做对冲脚本 贼舒服

推荐这篇文章。Redis 作者 antirez 的核心论点：控制想法比控制代码更重要。 他认为审查 AI 代码已经"大部分毫无意义"——真正该做的只有两件事：掌控设计，拼命做 QA。 看看这个博客过去的历史。有很多关于用 AI 编程的文章，其中一些可以追溯到 2024 年 1 月。毕竟，我是一个还算受尊敬的开发者。我不需要作为一个寻求关注的老头子留在"圈子里"，我最近重新加入了 Redis，现在还在开发一个本地 LLM 推理的开源软件，在社区里受到了不错的欢迎。为什么我继续做这件事——说人们不想听的话？为什么我一直宣布未来的编程默认会是什么样子？因为我感到有一种紧迫感，想降低那些比我更没准备好应对变化的人受到的冲击，他们通常比我年轻，而且不像我，没有预见其中许多事情的发生（在 ChatGPT 出现之前，我就在 2022 年出版了一本书，预示了许多现在已经发生的事情，以及我相信将会发生的事情，所以我觉得我可以说这些而不显得自我中心）。 所以我的做法是一个技巧。人们越来越觉得编程被 AI 彻底改变了，不知道该怎么办，不知道自己是否真的可以用一种完全不同的方式开始编码，不再把代码当作主要的产出。他们觉得在背叛自己的领域。所以我的意图是站出来说"看着我，我会写代码，你知道的，我没有躲在 AI 后面：然而，事情变了，这不是你的弱点，不是你中了 AI 的毒。只是我们的领域正在朝着一个令人难以置信同时又痛苦（但也快乐）的方向演进。" 这就是为什么昨天我在 X 上说，我相信许多程序员现在的影响力比他们本可以达到的要小，因为他们在盯着代码看。我真的相信这一点。请注意，这并不意味着用 vibe coding 的方式直接要最终产品。重点是：如果你掌控了你软件的想法，盯着代码本身是次优的，而且常常毫无意义。 原因如下： 1. 你现在可以生成大量代码，即便不计算 LLM 的代码啰嗦问题（那也大部分是因为你还不能很好地 instruct 它们）。你打算怎么每天审查 5000 行代码？ 2. LLM 非常擅长写局部最优的代码，但在大想法上更弱（虽然在改进）。逐函数、逐行地扫描有什么意义？相反，你应该把你心里的设计 prompt 进去，有时候问"那个部分的精确设计是什么？它是怎么工作的？"然后评估它是不是正确的模型。这快得多。 3. 工作日是 8 小时。如果你在读代码，这是一个取舍。你在减少做另一件事的时间——今天你工作中最重要的那部分：问自己"我在用这个软件做什么？我想往哪个方向走？"以及想新想法、新功能、优化技巧。以及做大量的 QA。 掌控想法。记得《人月神话》里的这句话吗？一本 70 年代的书告诉我们关于当前软件时代的东西，比 2000 年到 2020 年间说的很多东西都多。为什么现在抗议 AI 的人，没有被过去十年软件的状态所震惊？我们在最近几年——在 AI 之前——触碰到的 slop 水平是不可想象的。我再告诉你一件事。什么是 slop？用 DwarfStar 我完全自动化地实现了两个 LLM（DeepSeek v4 和 GLM 5.2）的推理：但你自己试试，你会发现你不能只是说"实现 XYZ"然后就看到它能用。你必须理解事情是怎么运作的，什么是最好的设计，如何达到某个性能水平。然后我把实现和其他系统做了对比，检查正确性，发现其他实现有时包含更多错误。我进一步研究，发现本地推理领域充满了微妙的错误，累积起来会损害模型输出——attention 实现中的问题导致上下文超过某个限度后性能滑坡，因为索引 attention 的实现是坏的（比如做了超过应该做的工作），等等。这是一个非常复杂、快速变化的领域，每天都有模型发布，推理图彼此略有不同。对开发者来说，这是一个不公平的游戏。好吧：AI 在这方面的帮助极大。在许多领域，严谨的工程（在设计层面）和测试远好于手写一个 GPU kernel（或逐行读它）。所以我们确定大部分抵抗不是意识形态吗？ Matteo Collina 昨天回复我的推文问我：但你不是说过你会检查 Redis 的所有 AI 生成代码吗？这确实是一个好问题。是的，我做，但这在这一点上是我需要做的事情，但我相信大部分时候是毫无意义的——部分是在 GPT-5.5 发布之后，但现在有了 Fable 和 GPT-5.6 Sol 更是如此。是的：我发现了一些我不喜欢它们被编写的方式，但如果我打开其他 Redis 贡献者写的 Redis 文件，里面有远更糟糕的东西，不是因为他们不是好的程序员，而是因为这是一个品味问题。我写非常干净的代码，因为我希望它是可读的，所以在 Redis Arrays 的实现过程中我做了修改。我现在又在为 Redis sorted sets 的 50% 内存节省优化做同样的事，一个我很快会提交的 PR。但我不觉得这还有用了。没有人应该再盯着这段代码看，而应该只看代码包含的想法。我继续这样做是出于对用户的尊重。Redis 已经是一个被广泛使用的东西，许多程序员会打开文件，手动修改东西。但如果我完全自由，你知道我会怎么做吗？把审查占用的所有时间用来做更多的 QA，想下一个优化思路并应用它，以及用 LLM 写一个 DESIGN.md 文件——用人类语言描述每个数据结构，包含它承载的想法、实现技巧和设计。将来，这比审查代码有用得多。 你想修改 sorted sets？你打开文件，读设计文档，你就拥有了这些想法。你可以打开 agent，用正确的思维模型让它帮你做事。这比审查代码有用得多。 Fable 和 GPT-5.6 对 sorted sets 内存节省的审查，将比我自己的审查发现更多的错误和微妙的竞态条件。然而我还是会做。但对于大多数软件项目，所有这些已经不再有意义。专注于掌控想法。专注于质量、测试、以及对你想要交付的软件有一个清晰的构想。世界变了，这是痛苦的，但同时也充满了机会——去改善一个已经彻底腐烂的软件世界。 我只有一个疑问，关于那些经验不够、无法建立心智模型的年轻程序员。我们不知道他们是否需要深入理解一段代码是怎么工作的，但我相信他们应该学怎么写程序。然而，我不确定检查 LLM 输出是不是他们应该做的正确的事。学一门编程语言，实现一个小解释器、一个小数据库、一个哈希表等等——这可能有用得多。审查某个客户网站的 JavaScript？算了吧，别把时间浪费在那上面。 原文： #AIProgramming# #SoftwareEngineering# #antirez#

《AI Agent Mint 最全教程：从 Binance Agentic Wallet 到自动 Mint》 财富效应，永远是最好的增长工具。 Ptah Relic 的 Mint 让不少人一晚上主动研究 AI Agent、创建 Binance Agentic Wallet @BinanceWallet ，并第一次尝试让 AI 完成链上交易。 虽然 Ptah Mint 已经结束，但整套操作流程仍然值得学习。钱包配置完成后，遇到下一个类似项目，通常只需要更换项目网址和 Mint 指令即可。 下面就以 Ptah 为例，从领取 Agent ID 开始，完整讲一遍如何让 AI 帮你 Mint。 一、领取 Agent ID 并创建 Binance Agentic Wallet 1. 领取 .ai Agent ID 打开 Binance App，进入 Binance Wallet，在钱包首页找到「领取您的专属 Agent ID」，点击「立即领取」。 选择一个可用的 .ai 名称，然后点击「创建 Agentic Wallet」。 2. 创建 Agentic Wallet 阅读并勾选相关协议，确认创建。完成后，系统会自动创建 Agentic Wallet，并将刚才领取的 Agent ID 与钱包绑定，不需要另外选择地址。 3. 打开「开发者模式」 进入 Agentic Wallet，点击右上角的设置图标。在设置页面向下滑动，找到「开发者模式」，打开右侧开关。 开启后，AI 才能调用 Agentic Wallet 签署 Ptah 等第三方应用发起的交易。 4. 安装 Binance Agentic Wallet Skill 在支持 Skills 和命令执行的 AI Agent 中输入： 帮我安装 Binance Agentic Wallet Skill： npx skills add binance/binance-skills-hub/skills/binance-web3/binance-agentic-wallet 安装完成后，检查所需的 baw CLI，并帮我发起钱包登录，暂时不要执行任何交易。 AI 完成安装后，会自动进入钱包登录流程。 5. 将钱包连接给 AI AI 会生成二维码和配对码。使用 Binance App 扫描二维码，核对配对码一致后确认登录。 当 AI 显示 CONNECTED，就说明钱包连接完成，可以进入下一步。整个过程不需要提供私钥、助记词或密码。 二、让 AI 完成 Ptah Mint 钱包显示 CONNECTED 后，在 AI 对话框输入： 打开 Mint 4 个。执行前先告诉我当前价格、Mint 数量和预计总费用，等我确认后再交易。 AI 会自动打开 Ptah Mint 页面，读取当前价格并返回交易信息。确认数量和总费用没有问题后，回复： 确认，开始 Mint。 AI 会通过已经连接的 Agentic Wallet 发起交易。等待 AI 返回交易成功结果，即代表 Mint 完成。 如果你想省略交易前确认，也可以直接输入： 打开 Mint 4 个。 Mint 完成后，在 AI 对话框输入： 找到我刚刚 Mint 的 4 个 Relic。告诉我当前最高 Offer、手续费和预计到账金额，暂时不要交易。 确认价格没有问题后回复： 确认，按当前最高 Offer 卖出。如果某个 Relic 没有有效 Offer，就先不要操作。 交易完成后，让 AI 返回出售结果，并检查钱包是否收到对应资产。 三、选择适合自己的 AI 工具 Skill 安装、钱包连接和 Mint 操作，都需要通过 AI 完成。大家不必使用完全相同的工具，可以根据自己的设备和预算，从下面任选一个：只有手机就看「手机端」，习惯使用电脑就看「电脑端」。 电脑端 - Codex、Claude、Grok：执行能力较强，安装 Skill 和调用钱包比较顺畅，但通常需要付费订阅，使用成本相对较高。 - WorkBuddy：国产工具中较容易上手的选择，实测可以完成 Skill 安装、钱包连接和后续操作，成本相对较低。 手机端 手机端可以选择 Binance 内置的 AI Pro 或 Grok Bot。 - AI Pro：入口在 Binance App 内，使用手机操作更加方便，不需要另外配置电脑环境。 - Grok Bot：需要下载对应工具，使用 X 账号登录，并开通 Premium+（P+）会员。 ⚠️风险与注意事项 根据 Jackson 的提醒，开启「开发者模式」后，AI 可以调用钱包签署未经验证的第三方合约交易，存在一定的资金风险。 建议只在 Agentic Wallet 中存放本次操作需要的少量资金；完成 Mint 后，及时撤销 AI 授权、退出钱包并关闭开发者模式。

AI正在成为交易所的下一个主战场。 这两天看 Binance 和 OKX 的 AI 动作，我越来越觉得，交易所正在悄悄换一个玩法。 先说 Binance。 这次 Binance AI 最有意思的不是“又做了一个 AI 助手”，而是开始把 Agent、策略和交易基础设施 真正接起来。 尤其是 Binance AI Pro。 除了让 Agent 直接连接账户、通过自然语言生成交易策略之外，还展示了一个可视化策略编辑器。 有点像交易版的 UE 蓝图： 以前你需要自己写代码，现在可以直接把策略逻辑变成一个可交互、可修改的流程。 更关键的是数据。 如果按照直播演示的方向，Agent 可以直接调用 Binance 生态里的行情、资金费率以及其他市场数据，那么很多量化玩家以前要自己搭的数据接口、清洗流程和基础设施，理论上都可以被大幅简化。 甚至可以直接变成： “告诉 AI 你想研究什么，它自己找数据、搭策略、做分析。” 再看 OKX。 OKX 最近也明显在把 AI 往交易场景里推进，不只是做一个聊天机器人，而是在探索 AI Agent + 钱包 + 链上交互 + 交易执行。 这其实和 Binance 的方向有一个很有意思的交集： 让 AI 从“回答问题”，变成“替你完成操作”。 这可能才是下一阶段真正重要的变化。 以前： 人找数据 → 人写策略 → 人下单 以后可能变成： 人提出目标 → Agent 找数据 → Agent 生成策略 → Agent 执行交易 于是交易所的竞争逻辑也可能发生变化。 以前拼的是： 流动性、手续费、币种和用户规模。 接下来可能还要拼： 数据 + 模型 + Agent + 执行权限。 交易所可能正在从“交易平台”，逐渐变成 AI Agent 的金融操作系统。 我买了个币安Ai，不过还没更新

AIPOCH Open-Science 是一个装在自己电脑上的科研工作台，Mac、Windows、Linux 都有安装包。 内置 22 个科研 Skill 和 24 个数据连接器，文献按 DOI、PubMed、arXiv 编号导入，同时搜 Europe PMC、OpenAlex 这几个库找开放全文。 新建个项目，用大白话写研究目标，让 Agent 读文件、查文献库、跑 Python 和 R 出报告。 每个产出物都带来源，图和表格存成不可改的版本，点开能看到生成它的代码、输入文件和当时的运行环境。 查不到的证据直接标不可用，不会替我们脑补，这点我挺喜欢。 GitHub： 模型可接 OpenAI、Claude、DeepSeek、Kimi、智谱，也能直接登录手头的 Claude 或 Codex 订阅，Agent 后端选 Claude Code、Codex 或 OpenCode。 数据全在本地，长任务能丢后台跑，也能把笔记本任务提交到实验室的计算集群上。 做计算类科研的可以装一个，比在聊天窗口和 Jupyter 之间来回搬省心。

AirPods Pro的功能很强大，而大部份人只使用了它10%不到的能力。 一副1900元的耳机，大多数人居然只用让它来简单的听歌、接电话，顶多开个降噪就完了。 可在录音棚的音响工程师的手里，就能把它剩下90%的功能全部使用完， 这时你才会发现原来自己过的都是些什么苦日子， 下面这几个功能，我用了两年都没发现： 1.个性化空间音频： 第一次配对时会让你扫脸和耳朵建个人档案。做完之后音乐听起来像在房间里放，而不是死死塞在耳朵里。 设置路径：设置→[你的AirPods]→个性化空间音频 2.通话语音隔离： 外面很吵，但对方能清晰听到你的声音。 设置路径：通话中下拉控制中心→麦克风模式→语音隔离 3.自适应音频： 它会自动根据环境调整降噪强度，不用你手动切换。 设置路径：设置→[你的AirPods]→自适应音频 4.通话感知： 你戴着耳机听歌，有人跟你说话，它会自动把音乐音量压低，同时把周围人声抬起来。 设置路径：设置→[你的AirPods]→通话感知 5.单只耳机也支持主动降噪： 只想塞一只耳朵的时候，依然能保持降噪效果。 设置路径：设置→辅助功能→AirPods→打开「使用一只AirPod设定降噪」 你是不是也只用了 10% 的能力？