颇有兴致地翻了PNL analysis，po出来给大家看一看。图里下头说的是2022年1月开始至今我deribit这个账号总共赚到的大饼个数（从说明看甚至还没算上我这一波的）收益），对应当时的账户本金大致是200W刀左右，也就是50个左右的大饼。二饼操作我基本都是复刻，所以收益几乎是一样的状态，我就不放了。

小米今天正式发布了MiMo-V2系列旗舰模型，包括 1.MiMo-V2-Pro：总参数超1T（激活42B），专为Agent场景优化，支持1M超长上下文，全球Artificial Analysis排行榜第8、国内第2。 2.MiMo-V2-Omni：全模态基座模型（文本+图像+视频+音频理解），音频理解能力超Gemini 3 Pro。 3.MiMo-V2-TTS：端到端语音合成模型，支持高保真、多语种、自然情感表达。 （ai语音说话） 相关链接 官方API开放平台（接入、定价、文档）： （MiMo-V2-Pro API定价：256K内输入$1/百万tokens、输出$3；1M内输入$2、输出$6。注册后可立即获取Key。） 在线体验平台（MiMo Studio，含MiMo Claw Agent演示，直接免费试用MiMo-V2-Pro的Agent能力）： （推荐从这里开始玩，网页端就能体验“养龙虾”式的复杂任务，比如自动生成网站、操控工具等。） 初步评测： Artificial Analysis排行榜：MiMo-V2-Pro全球第8（综合智能指数），国内第二 （强调性价比最高之一，尤其在< $0.15/百万tokens价位段霸榜。） OpenClaw标准评测（PinchBench & ClawEval）：MiMo-V2-Pro排名全球顶尖（第三，仅次Claude Sonnet 4.6和Opus 4.6）。在无人工干预下，能完成复杂工作流编排、长程规划、精准工具调用。 1M上下文下支撑真实高强度龙虾应用；早期匿名版“Hunter Alpha”在OpenRouter调用量超1T tokens，多日登顶日榜。 作如何和OpenClaw结合？ MiMo-V2-Pro就是专为OpenClaw这类Agent框架深度优化的！ 小米官方已宣布联合OpenClaw、OpenCode、KiloCode、Blackbox、Cline五大框架团队，提供一周限时免费接口支持（全球开发者都能白嫖）。结合方式：直接用MiMo API替换Claude/OpenAI Key（兼容OpenAI SDK格式），在OpenClaw的Scaffold（脚手架）里接入即可。 模型针对OpenClaw等框架做了深度SFT + RL强化，工具调用、多步推理、长程规划特别稳。 实际表现：在OpenClaw里能一步生成完整网页、自主处理报错/多标签切换、完成选品比价下单、制作短视频等复杂链路，像真人操作浏览器。 小米自己的扩展：他们还出了Xiaomi miclaw（手机端类OpenClaw系统级Agent），基于MiMo系列，能直接“动手操作手机”。 快速上手建议：去 Claw（内置OpenClaw式演示）； 或直接在OpenClaw项目里换API Base为

真心觉得学老半天AI的收益，还不如直接买AI资产躺平。 零代码部署了一个Hermes Agent，每天自动推送美股财报解读和盘前简报到Telegram 。持仓纳指、谷歌、英伟达，再也不怕错过行情。🔗 🐂 I built my own AI stock agent in 5 minutes — zero coding required. It sends me daily pre-market briefings, earnings analysis, and personalized portfolio alerts on Telegram. All powered by ClawMama + Hermes Agent. Holding NASDAQ, $GOOGL, $NVDA — now I never miss a move. #AIAgent# #USStocks# #ClawMama# #HermesAgent# #美股# #AI投资#

看完了 Claude Code 主席 Boris 的播客采访，他从去年 11 月起没有手写过一行代码，每天提交 10 到 30 个 PR，同时跑 5 个 agent。 听完 Lenny 对他一个多小时的采访，信息密度很高，分享一些我的收获。 1️⃣ Claude Code 的起源：一个人，两个赞 最初就是 Boris 一个人在 Anthropic Labs 搞的 side project，同期他也做了很多其他的side project，大部分都死掉了。 选了终端是因为一个人开发最简单，在内网发了篇帖子介绍，两个赞，没人觉得一个 CLI 能成事。 但是迄今为止这东西贡献了 GitHub 上 4% 的 commit，如果算上私有仓库，这个比例还会更高，Semi-Analysis 预测年底到 50%。 从两个赞到覆盖 50% 的 commit，中间只隔了不到两年，AI时代的产品进化速度可见一斑。 2️⃣ 核心产品哲学：为六个月后的模型而建 Boris 反复强调这一点，Claude Code 早期只能写 20% 的代码，他自己都不信任它。 但产品架构留好了扩展空间，等 Opus 4 一出来，PMF 瞬间 click。 现在做 AI 产品的人，最大的错误就是按今天的模型能力做产品设计。 你应该赌的是下一代模型。赌对了你起飞，赌错了你也没亏多少。 3️⃣ 委派，而非指示 很多人做 AI 产品的思路是给模型设计死板的 step 1 → step 2 → step 3 workflow，把模型当成一个系统里的函数来调用。 Boris 说一年前你确实需要大量 scaffolding 来兜底，但现在完全不需要了。 给模型工具，给它目标，让它自己想办法。 对于 Agent 开发者来说，这点尤其重要。别太迷信 LangChain、LangGraph、AutoGen 这类框架，别尝试用流程图把模型框住。 Agent 应该为目标负责，而不为流程、中间态、执行路径负责。 这就是 Claude Code 一直强调的：delegate, don't dictate。 4️⃣ 编程已经被解决了，接下来是工具和多模态 Boris 认为 coding 对模型来说已经基本解决了接下来的方向是让模型接入更多工具，让 Agent 能操作的东西变多。浏览器、API、数据库、部署流水线，全都会变成模型的手和脚。 更有意思的是他提到一个现象：提升模型 X 方向的能力通常也会提升 Y 方向。模型能力的增长不是线性叠加，而是能力之间互相加速。 这意味着一旦某个能力突破阈值，其他方向也会跟着跳一级。 5️⃣ 软件工程师这个岗位会消失，Builder 会出现 Boris 的判断：也许今年年底，AI 就能包揽 100% 的代码编写。 传统意义上的软件工程师将不复存在。取而代之的是一个集合了产品、研发、测试、部署的综合岗位，大概叫 Builder。 他观察到 Anthropic 内部已经在发生这种融合。设计师在写代码，PM 在跑 Agent，工程师在做产品决策。三个角色的边界已经开始模糊，50% 的日常工作其实是重叠的。 有个数据很说明问题：Boris 在推特做了个调查，70% 的工程师和设计师表示有 AI 之后更享受工作了。不是因为工作变少了，是因为终于可以把时间花在真正重要的事情上。 6️⃣ 自然语言是新时代的编程语言，编程语言是新时代的汇编 未来编程可能就是和 AI 交互。手写代码会变成和今天写汇编一样的存在：深入底层，写一些计算机能直接看懂的东西，极少数人需要做，大多数人永远不碰。 自然语言会变成新时代的编程语言。编程语言会变成新时代的汇编语言。 怎么理解要不要学编程这件事？Boris 给了一个非常精准的历史类比。和程序员最像的历史角色是 1400 年代欧洲的抄写员，垄断了所有的读写工作。古腾堡印刷术出来后 50 年，印刷量超过此前 1000 年的总和，价格暴跌 80%，识字率从 1% 飙到 70%，抄写员这个职业直接消失了。 编程正在经历一模一样的过程，你可以觉得这话狂。但说这话的人，曾在 Meta 负责过 Facebook、Instagram、WhatsApp 的代码质量基础设施，是那个时代最顶级的 infra 工程师之一。 他不是不会写代码，他是写了太多代码之后，深刻认识到代码从来都只是手段，build才是目的。 7️⃣ 200% 的提效，到底意味着什么 Anthropic 工程师人均 PR 数提升了 200%。 200% 听着好像还好，但 Boris 之前在 Meta 就是做工程生产力的，负责 Facebook、Instagram、WhatsApp 全线的代码质量基础设施。 在那个体量的公司里，工程效率提升几个百分点都是巨大的飞跃，足够写进年度 OKR 当 两点。 200%，是完全不同量级的事情。 这就是为什么他每天能 ship 10 到 30 个 PR 还觉得很正常，游戏规则已经彻底变了。 8️⃣ 代码现在是真的廉价 这个观点对老工程师的冲击最大。 AI 现在会写大量的即时代码，用完就丢，只是为了完成某一次任务。跑个数据分析、做个格式转换、写个一次性脚本，用完就删，毫不心疼。 之前代码是很贵的。你需要几年的学习成本才能写出能跑的东西，coding 和 debug 的时间成本都很高昂。 所以老一代工程师对代码有一种天然的珍惜感，写出来的东西要 review、要重构、要维护。 但现在代码的边际成本趋近于零。认识到代码很便宜，非常重要。很多老工程师过不了这个心理关，还在用写精品代码的心态对待每一行输出。这就像印刷术时代还在手抄经文。 9️⃣ 给企业的建议：别限制 token，别省钱 Anthropic 内部有些工程师每月 token 花费过十万美元。 Boris 的建议：给工程师无限 token 预算，让他们可以大胆探索落地想法，甚至允许 token 费用超过工程师本身的薪资。 听着疯狂？对比人均产出提升 200% 的数据，这笔账太好算了。真正有创造力的想法往往来自某个人不计成本地试了一个看起来太疯狂的点子，你限制 token 就是在限制创新的上界。 用 Boris 的话说：先别急着衡量 ROI，先让工程师用起来，价值自己会显现。 🔟 成为通才，而不是单一技能点的专家 Boris 给工程师的职业建议：尝试真正成为一个通才。只会一个垂直能力的人未来会越来越吃亏。 未来几年能获得最大回报的那批人，不只是 AI native、拥抱 AI 的人。还要充满好奇心，知识广博。 你还得懂产品、懂设计、懂用户心理、懂商业逻辑。 单点深入的价值在被 AI 快速拉平，广度 × 判断力才是新的护城河。 1️⃣1️⃣ 一些CC的使用建议 Boris 分享了几个 Claude Code 的实战 tips： 1.一直用最强的模型。经济型模型可能因为能力不够强需要多次尝试，最终的 token 成本也许比最强模型更贵。考虑到时间成本更是如此，目前最强的是 Opus 4.6 2.多用 Plan Mode。先让模型理解全局再动手，效果远好于直接开干 3.尝试多种使用形态。终端、桌面应用、移动端，每种形态适合不同场景。Boris 提到 Anthropic 的设计师更多用 Desktop App 里的 Code tab，不需要打开 IDE 就能调用同等能力 他还推荐写好 CLAUDE.md，这跟我之前分享的 Claude Code 最佳实践完全吻合。 最后的彩蛋：味噌哲学 Boris 是乌克兰人，加入 Anthropic 前住在日本中部乡下好几年，是整个城市唯一的工程师和英语使用者。每周骑车去农贸市场，和邻居交换自制食物，学会了做味噌和发酵食品。 主持人问他 AGI 之后的计划？继续做味噌。 一个在日本乡下做味噌的乌克兰人，回到硅谷造了个改变所有工程师工作方式的工具。 编程是建造的方式，味噌也是。工具会变，建造的欲望不会。 这种人你很难不服。

周末行研：EUV Mask Inspection --- EUV最难的问题之一 DUV时代的mask，更像“透明玻璃上的图案”。光穿过去，再投射到wafer上。很多问题集中在表面颗粒、划痕、断线等二维缺陷。 但EUV完全不同。13.5nm EUV会被绝大多数材料吸收，因此EUV mask变成了反射式结构。它本质上是由40~50层Mo/Si multilayer组成的纳米级布拉格反射镜。重要的是，EUV mask已经变成一套极其复杂的三维纳米光学系统。 这会导致问题集中在 buried defect（埋藏缺陷）。 例如某一层Mo/Si之间出现0.5nm级别的小隆起、空洞或颗粒，表面可能完全看不出来，但却会改变EUV光的相位与干涉行为，最终在wafer上形成CD偏移、图形变形甚至随机缺陷。 这类问题在DUV时代并不突出，但在EUV时代会直接影响良率。 很多缺陷在可见光下看不到，在DUV下也不明显，但到了13.5nm下却会变成灾难。因此最理想的方法，是用真正的13.5nm EUV去检测EUV mask，也就是所谓的 Actinic Inspection。但问题在于，Actinic Inspection本身几乎等于“再造一台小型EUV光刻机”。它同样需要EUV光源、超高真空、多层膜反射镜、极低振动、极高稳定性以及超高灵敏度探测器。 重要的是，inspection tool的要求很多时候甚至比曝光机更苛刻。因为曝光机追求的是稳定曝光，而inspection追求的是发现极微弱异常。尤其EUV时代大量缺陷已经变成 phase defect。很多缺陷并不一定有明显高度差，却会改变光的相位与干涉结果。这已经变成光学、相位、散射、干涉的综合问题。 与此同时，EUV mask本身还是典型的3D结构，会出现shadowing、absorber sidewall effect、3D scattering与angle dependency。同一个缺陷，在不同角度下，影响可能完全不同。重要的是，EUV inspection已经需要模拟完整的EUV成像行为。 缺陷会不会真正印到wafer上，也就是业内所谓的 Printable Defect Analysis，这背后需要 computational lithography、光学仿真、wafer correlation、AI defect classification 与 OPC补偿共同完成。 EUV光学系统在13.5nm波长下，传统透镜已经完全失效。EUV系统只能使用反射式光学。这意味着整个系统必须依赖超高精度的Mo/Si multilayer mirror。这些mirror已经接近原子级精度的纳米工程结构，其表面粗糙度甚至要求达到picometer级。在EUV波长下，哪怕0.05nm级别误差，都可能影响最终成像。 因此，检测系统的光学部分也长期高度依赖 Zeiss。 随着High-NA EUV、2nm、1.4nm、更高mask复杂度以及更严重的stochastic defect推进后，mask defect对良率的影响会指数级扩大。过去很多问题还能依靠OPC补偿、process window与冗余设计容忍，未来则越来越困难。 因此整个行业对actinic inspection、mask review、pellicle inspection以及printable defect analysis的需求都会快速增长。这也是为什么有euv检测能力的公司价值都可能会进一步增长的原因。 它们是EUV时代良率控制的核心基础设施。 本文非投资建议dyor

能帮助你启动并优化 Polymarket 交易机器人的 5 个 GitHub 仓库 这些仓库将把你的基础机器人转变为一个完整的、专业的交易系统。它们涵盖了从实时监控、警报到回测、性能分析以及持续改进的所有环节。1. skharchikov/polymarket-bot 生产级监控栈，包含 Prometheus + Grafana 仪表盘。内置盈亏 (PnL)、回撤、胜率、交易次数和机器人健康状况的指标。非常适合实现 24/7 全天候可视化监控。GitHub: 2. ent0n29/polybot 深度监控与逆向工程工具包。对每个策略决策进行卓越的日志记录 + Alertmanager 警报。 帮助你快速理解机器人为何做出某些决策。GitHub: 3. buddies2705/polymarket-dashboard 简洁的实时 Next.js 仪表盘。以美观的界面展示实时市场、你的持仓、持有者及整体统计数据。GitHub: 4. evan-kolberg/prediction-market-backtesting 专门为 Polymarket 构建的强大回测框架。让你在实盘运行前，可以在历史数据上测试策略。GitHub: 5. Jon-Becker/prediction-market-analysis 最大的 Polymarket + Kalshi 公开数据集，附带即插即用的分析工具。非常适合研究市场并寻找新模式以改进你的机器人。 GitHub: 借助这五个仓库，你将实现从“我有一个机器人”到“我拥有一个稳定、透明且不断进化的交易系统”的蜕变。

🚀 Crypto News Daily | 币圈新闻日报 (2026.05.13) 1️⃣ Market Pulse | 市场脉动 BTC Holding Strong: Trading around $80,400. Market dominance rose to 58.5%, showing capital flowing back to the "King" as altcoins cool down. BTC 企稳： 报约 $80,400。比特币市占率升至 58.5%，资金回流大饼，山寨币表现相对疲软。 Resistance Zone: Analysts eye $82,000 as the key breakout level toward the $90,000 target. 阻力位： 分析师关注 $82,000；若能有效突破，目标直指 9 万美元。 2️⃣ Institutional Moves | 机构大动作 JPMorgan Expansion: Planning its second tokenized money market fund on Ethereum, deepening RWA (Real World Assets) integration. 摩根大通扩张： 计划在以太坊推出第二只代币化货币市场基金，深化 RWA（现实世界资产）布局。 Safety First: Ethereum working group releases "Clear Signing" standard to eliminate "blind signing" risks. 安全升级： 以太坊工作组发布“明文签名”标准，旨在杜绝“盲签”隐患，提升交易安全。 3️⃣ Regulation & Macro | 监管与宏观 Fed Watch: 97.1% probability of holding rates steady in June. Senate confirms Waller as Fed Governor. 美联储动向： 6 月维持利率不变概率达 97.1%。参议院确认 Waller 连任美联储理事。 The "Clarity" Bill: Crypto community eyes the Senate vote on the CLARITY Act, seen as a potential $90k BTC catalyst. CLARITY 法案： 社区密切关注该法案在参议院的投票，这被视为 BTC 冲击 9 万美元的关键催化剂。 4️⃣ Hot Headlines | 其他热点 Musk in Beijing: As Elon Musk joins the U.S. delegation to China, investors are speculating on potential AI or digital asset mentions. 马斯克访华： 随团抵达北京。市场正猜测其是否会提及 AI 或数字资产相关合作。 VC Funding: Osero (Privacy/Infra) raised $13.5M; Jewel Bank secured $5M. 一级市场： 隐私基建项目 Osero 获 1350 万美元融资；Jewel Bank 获 500 万美元融资。 📌 Key Hashtags | 热门标签 #Bitcoin# #Ethereum# #CryptoNews# #RWA# #Web3# #JPMorgan# #BTC# #CryptoDaily# #CryptoAnalysis# #TradingStrategy# #BearMarket# #Arc镇守使# bitcoin:native

早上读了Anthropic 在 2026 年 3 月发布的研究笔记 《Labor market impacts of AI: A new measure and early evidence》有点意思。 Anthropic是Claude的母公司，也是头部AI厂商了，手里有Claude的所有数据。这次的报告计算逻辑是通过Claude 流量里出现了足够多的、与工作相关的使用，理论上可行的任务才会被算作“covered”，所以数据应该比较准确。 这个报告重点聚焦在AI 到底有没有开始真正冲击就业这个点上，毕竟”AI焦虑“这个词已经全球范围内持续很久了，但到底落地了多少呢？ 文章提出了一个新的指标暴露度 (Observed Exposure)用来衡量AI在对真实职场的渗透情况，涵盖理论能力 + 真实使用数据 + 是否用于工作场景 + 是增强还是自动化，这对于量化AI对现实生活的冲击更有效，也在一定程度上可以让我们更好的判断AI技术革命走到哪里了。 研究发现在最容易受到 AI 影响的职业 中，从业者更可能是 年龄较大、女性、受教育程度更高、收入更高的群体。 从报告里最直观的图看，目前理论上AI能覆盖（冲击）的范围与实际上形成的范围还是有不小差距的，暴露的蓝色范围内还没有形成系统性失业率上升，只是年轻人进入这些岗位的招聘似乎有一点变慢。 当前最暴露的职业 主要集中在白领、信息处理、软件和分析类岗位。文中列出的前十包括： Computer programmers：74.5% Customer service representatives：70.1% Data entry keyers：67.1% Medical record specialists：66.7% Market research analysts and marketing specialists：64.8% Financial and investment analysts：57.2% 另外还有软件测试、信息安全、用户支持等岗位也排得很前。相反，约 30% 的工人处于“零暴露”组，典型例子包括厨师、摩托车维修工、救生员、酒保、洗碗工等。 这也正常，AI 的能力像洪水，落地像修水渠，在具身机器人举得巨大进展之前，蓝领比白领更不用焦虑。 我们这代人是幸运的，能经历互联网，移动互联网，区块链，AI，机器人等多次技术革命，不过也是不幸的，如果没有能跟上如此高速的进步，未来或许真的也就慢慢成为科幻作品中被“圈养”的那批人了。 Morning，新的努力一天开始了 原文传送门：