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？

Binance AI Pro 入口现在更好找了 🙌 💻 桌面端、📱 移动端都能轻松访问！ 移动端更新至：iOS 3.22.2+ / Android 3.22.0+ 即可体验并订阅最新版 Binance AI Pro 精彩即刻开始👉