那些币圈赚到大钱，最近到美股亏麻的人。他们根本没意识到亏钱的根本原因：就是他们骨子里看不起币圈。
这批人的在币圈暴富，有个共同的特点，基本都是通过MeMe，或者之前的铭文，NFT赚到钱的。
虽然他们赚到了钱，但是他们心理认为，这些都是垃圾，没有价值。虽然他们曾经推荐过很多项目，但是他们打心底是不认可的，打心里是看不起币圈的。
所以他们要去美股买AI，那里是有价值的，有实际意义的。对人类有意的，是代表着大未来的。
对比之下，他们才敢重仓干，满仓干，上杠杆干。
你们有谁看过有人会买meme会上杠杆干的吗？
因为meme是垃圾，AI才是未来嘛
顯示更多
我昨天差点把实盘的亏损原因归到“买贵了”。
这个判断很顺：聪明钱先买，我们晚 30-60 秒跟，盘口一动，价格自然变差。可把账拆开后，结论反而变了。
我按每笔实际买入份额算成本差：我买入份额 ×（我买入价 - 聪明钱买入价）。
能匹配到聪明钱 BUY 的有 158 笔，其中 150 笔是精确时间匹配。结果是：买贵的部分确实多花 44.6719 U，但买便宜的部分节省 79.8196 U，净成本差是 -35.1477 U。也就是说，只看买入价，我们整体反而少花了 35.15 U。
这不代表入场速度不重要。短周期市场里，30 秒当然会伤收益。
但它提醒我：别因为几笔刺眼的“买贵”，就把整个亏损归因到买贵。收益差要拆开看：买入成本、漏买、漏卖、仓位规则，各算各的，最后再看净影响。
以前我会直接去优化入场延迟，或者放宽价格保护。现在我会先问一句：这项损耗在总账里到底占多少？如果不先算清楚，优化方向很可能是错的。
这次的结论是：买贵不是主犯。先别信直觉，先把账拆开。
顯示更多
为文章配好看的图片，昨天找了一圈，最后选中4个github开源的skills，做出来感觉还不错。
4个skill可以对应不同的场景。
说明一下，他们不是单独的skill项目，在baoyu和huashu的skill里面。
还有一个经验就是，codex直接画图效果要比调用gpt-image2画图，效果差一些。推荐用gpt-image2
1. baoyu-image-cards
- Skill 名称：`baoyu-image-cards`
- 适合场景：社交媒体图片卡片、知识卡片、轮播图、推文配图。
- 使用建议：适合把一篇推文拆成 1-3 张重点卡片，突出标题、判断点和结论。
2. baoyu-cover-image
- Skill 名称：`baoyu-cover-image`
- 适合场景：文章封面图、推文主视觉、标题大字图。
- 使用建议：适合每篇推文只配一张封面图时使用，重点放大标题和核心概念。
3. huashu-wechat-image
- Skill 名称：`huashu-wechat-image`
- 适合场景：公众号配图、文章插图、16:9 中文信息图、正文解释图。
- 使用建议：适合做中文准确、结构清楚的信息图，比如对比图、流程图、字段关系图。
4. huashu-xhs-image
- Skill 名称：`huashu-xhs-image`
- 适合场景：小红书风格配图、竖版社媒卡片、手机信息流大字图。
- 使用建议：适合做竖版图，标题要大，重点要少，适合移动端阅读。
顯示更多
网友反馈，wildcard也不是特别靠谱
大家还是不要去找他们充值了。
我打算之后找其他方法订阅了
意外的发现，wildcard可以充值gpt 和claude的会员
有溢价!
在推上有很多文章，用土区/business的优惠很多。
但是我依然选择了wildcard
因为之前的经历告诉我，攻略看似简单，真的要弄起来，要折腾半天，最后还不一定弄好。
而你半天的时间，难道比不上这几十块钱吗
顯示更多
跟AI的对话会成为个人宝贵的资产。
所以我做了一件产品呢，就是把AI的对话汇集成自己数据。CC和codex虽然都有自动总结功能。但是它只限自己对话。
而我的脚本可以claude code ，codex ，cursor，antigravity，opencode都汇总起来。
它可以用来
1）总结，
2）汇集skill优化，
3）查找历史记录
4）根据题材写成文章等等
它的流程是：先把所有 AI 工作记录编译出来（有些需要破译），再生成一份更轻的 manifest，然后只看 manifest 粗筛，最后再回到原始记录里精读候选素材。
这里的关键不是“让 AI 总结一下昨天干了什么”。
那样太粗。
真正有用的是先把阅读成本降下来。原始 JSON 很大，里面有完整回答、工具调用、路径、日志、过程。如果一上来全塞给 AI，它会被细节淹没，也容易把普通操作当成选题。
manifest 只保留几个东西：
用户当时问了什么。
AI 回复摘要的开头和结尾。
用了哪些工具。
这轮内容大概多长。
是不是明显低价值指令。
这样第一遍只做一件事：找“值得写”的事件。
比如这次筛出来的，不是“运行了某个脚本”这种流水账，而是几类真正能写的东西：交易系统对账口径错了、`market_missing` 其实不是找不到市场、推文配图不是先换模型。
这些都有一个共同点：有具体事件，有内容，有最后的处理办法。
这才是素材。
下一步再回 raw JSON 精读候选轮次，抽关键数字、用户追问、定位过程、最后结论。最后生成选题报告，让人来选。
人选完以后，还会把选择写回报告最前面。
这一步很小，但很重要。因为它让“AI 推荐过什么”和“我最后选了什么”连在一起。下次你再回看，不是面对一堆聊天记录，而是一条完整链路：
记录 -> 粗筛 -> 精读 -> 选题 -> 人工选择 -> 正文。
我越来越觉得，AI 工作记录本身就是一种内容矿。
但矿不会自己变成文章。
你需要先把它做成一张能被筛选、能被复盘、能继续加工的素材表。否则它只是昨天很忙的证据，不是今天能用的资产。
顯示更多
复盘的时候，发现追踪的polymarket聪明钱地址，最近2周，突然不聪明了。
原来V2版本 后，出现了新的钱包地址了。
Polymarket 在 `2026-04-28 11:00 UTC` 左右正式迁移到 CLOB V2。V2 后确实有新东西：新 Exchange 合约、新 pUSD、新签名类型，还有 deposit wallet。
但这不等于所有老用户都被强制换钱包。
老的 proxy wallet / safe wallet，一般还能继续用。真正复杂的是新 API 流程里的 deposit wallet。
如果某个用户开始用 deposit wallet，下单时你看到的字段可能会变：
`maker` 可能是 deposit wallet。
`signer` 可能是 deposit wallet。
`funder` 也可能是 deposit wallet。
而你原来跟踪的地址，可能只是旧的 proxy wallet，或者 Data API 里的 `proxyWallet`。
这就麻烦了。
我看了一下项目里的 M2/M3 采集脚本，它们从官方接口里拿的主要是 `proxyWallet`。但这些接口没有直接返回：
`depositWallet`
`walletType`
`signatureType`
`maker`
`signer`
`funder`
所以只靠这两个接口，很难判断一个地址是不是已经切到了 deposit wallet 流程。
这对聪明钱跟踪很重要。
你以为你在跟踪“这个人”。
但代码里实际跟踪的，可能只是某个展示地址。
V2 后真正发生交易的地址，可能在订单字段或链上资金流里。
所以我现在会把地址分成几层看：
展示地址是谁。
订单 maker/signer/funder 是谁。
有没有 deposit wallet。
资金有没有从旧地址流到新地址。
这个新地址有没有继续在 V2 CLOB 交易。
一句话：
V2 后不要只问“聪明钱是不是换地址了”。
要先问：“我现在跟踪的这个字段，到底代表哪一种钱包？”
顯示更多
就靠这一张图，就到处喊着中转站抓人了，天要塌了
纯粹为了流量。啥都不管。连里面的内容都不看。
图片里面第一句就说，是他是因为有些廉价的模型，是用非法的技术手段获得的。
里面还说了，他的中转站还会继续开下去，还乘机对原版网站做个升级。
所以意思是，这个人开了中转站，五年起步妥妥的。
然后他还打算继续开下去，现在还对网站升个级。
那他是为了多进去几年，还是梭哈了ETH，要找个拿住的办法。
顯示更多
我昨天踩了一个很典型的 PnL 坑：现金流看起来亏了 335 万，但它根本不是每日收益。
事情是这样的。
我拿 5 个 盈利最高的Polymarket 地址，按 activity 流水算最近 14 天表现，结果合计是 -3,350,709.97。第一眼看，很吓人，像是这批地址 14 天亏了 335 万。
难道是翻车了吗？
研究了半天才意识到有个关键问题：
买入没有卖出的仓位，只是现金流流出，不等于当天亏损。
如果一个钱包今天花 10 万买入仓位，系统只看流水，就会看到 -10 万。可这个仓位还在，可能明天涨，也可能下周结算。你不能因为钱从余额里出去了，就直接说它今天亏了 10 万。
更明显的是，同一批地址按一个月 activity 公式算，结果是 1,398,554.24；但 PredictFolio 同期只有 100,977.66，差了 1,297,576.58。
问题不在数字，而在口径。
activity 更像现金流审计：钱什么时候进，什么时候出。
PnL 更像收益统计：这段时间资产到底涨了多少，跌了多少。
所以我的判断标准变成了：
看时间段收益，用累计 PnL 快照。
查资金流向，用 activity。
不要把“买入形成仓位”，误看成“当天亏掉本金”。
链上数据最容易骗人的地方，不是它没有数据。
而是它给了你一个看起来很精确、但口径完全不对的数字
顯示更多
意外的发现，wildcard可以充值gpt 和claude的会员
有溢价!
在推上有很多文章，用土区/business的优惠很多。
但是我依然选择了wildcard
因为之前的经历告诉我，攻略看似简单，真的要弄起来，要折腾半天，最后还不一定弄好。
而你半天的时间，难道比不上这几十块钱吗
顯示更多
感觉差不多了~~
然后等着底部了
家人们，买了多少呢？
最近几个月，就谈过两次大的行情。
10月8日，大跌前，告诉大家危险的气息了。
一个月前，告诉大家该买点了。底部随便买点，都是赚的。会选币的，还能搞个10倍多的。
顯示更多
我最近看高流量的文章，发现很多套路表面不同，本质都在做同一件事：
压缩读者的决策时间。
--“2026 + 全面指南”，压缩的是学习成本：你不用到处找，看这一篇就够。
--“拆解 / 复盘 / 从 0 到 1”，压缩的是试错成本：我把过程摊开，你可以少走弯路。
--“我做了 X，所以你可以信我”，压缩的是信任成本：先证明我有现场经验。
--“你以为 X，其实 Y”，压缩的是判断成本：你可能理解错了，点进来看看真相。
--“闷声发大财”，压缩的是入场犹豫：这事赚钱，而且知道的人还不多。
这些模板确实有效，有效到知道套路的我，经常忍不住会点进去。
但模板越有效，越容易同质化。
最后真正拉开差距的，不是句式。
是真实经历、具体数字和别人复制不了的细节。
顯示更多
非常感谢这么细致的讲解。
在定义上来看，我原先的理解有部分的错误，应该是长期持有者账号如果增持，也会被平均进去。
（虽然我觉得glassnode这样对数据的处理是 有些问题的，我觉得比特币应该基于utxo来跟踪btc的数量，而不是基于地址来，这样会更加科学一些）
但是，整体结论并没有问题。因为长期持有者数量的增加，有很大的贡献是短期持有者，持有不动。而并不是买入。
对于这个的观察是源于我当时发现，LTH的持有数量反转，也就是从下降开始变成增长，总是早于btc见底。
顯示更多
曾经我也对长期持有者（LTH）和短期持有者（STH）具体是如何被划分的表示困惑。如果对数据的逻辑理解有误，就会让分析结果产生片面甚至错误。
为此我和Glassnode开发者团队针对LTH和STH的算法和定义做了深入的探讨。中文社区至今应该没有一篇完备的分析和说明。
正好看到倪大 @PhyrexNi 和 小楚老师 @riyuexiaochu 在讨论这个话题，我就班门弄斧，尝试做些解释：
第一步，为了确定如何根据币龄区分STH和LTH的确切阈值，Glassnode分析了UTXO在各个时间段内内被花费的概率曲线的斜率。结果是在每种情况下，样本最大斜率的币龄恰好为155 天。
也就是说，至少要持有155天后，BTC再次被移动的概率才最小。因此，我们将持有155天作为LTH和STH的基础区分标准。
第二步，在这个基础上，Glassnode工程师们还考虑了每个链上实体自购买日期以来的平均时间，如果该时间超过155天，则该实体被视为长期持有者。
比如，我的钱包里有10枚BTC持有了300天，我今天又买入了5枚持有了1天，那么平均时间就是：(10*300+5*1)÷15=200天；这个时间大于155天，所以我今天买入的5枚会被归入长期持有者。
第三步，为了对尖锐的分类阈值进行细化，并将其转化为一条平滑的权重因子曲线，Glassnode使用了一个中点为155天 + 10天为过渡宽度的逻辑函数。
这样曲线会比较平滑，不会突然暴涨暴跌。大致上说，如果被持有了约177天后，90%的比特币将划分到LTH供应中。
所以，综上所述，LTH净持仓的增加说明了2点：
🚩 1、老的LTH增持，只要钱包中BTC平均持有时间大于155天；
🚩 2、STH的BTC一直持有，大约177天后变成了新LTH；
但LTH净持仓增加，不代表LTH不卖。
比如我们看图4：从2025年7月7日开始至今，LTH累计花费了574.7w枚BTC，但实际LTH的净持仓只减少了4.4w枚。这就说明在LTH支出的同时，也有大量STH持有不动，从而补充到LTH中。
而从2026年2月14日开始，LTH净持仓又恢复上升趋势，说明老LTH的增持+STH持有不动而转为新LTH的合计数量，已经大于LTH的花费数量。
那么对市场来说，就是来自供应端的压力减少了。等需求端随着宏观环境的改善而持续积累，我们就会逐渐从熊市的泥潭沼泽中慢慢走出来了。
顯示更多
借此文章，说一个特别容易犯错的链上数据分析，就是长期持有者。
你认为图表，过几个月，长期持有者一直在增加。
其实是错的！！
长期持有者的定义：glassnode定义持有5~6个月为长期持有者（大概这个数字，具体记不清了）。
所以，不是增持，那些之前买的btc持有不动，它自然就会变成长期持有者。
那么5~6个月前，就是btc顶部的时候，大量的筹码套牢。
所以套路盘啥都不动，现在的时间就变成长期持有者了。
顯示更多
不到三个月，长期持有者增持 Bitcoin 超过 33万 枚
很多小伙伴私信问，之前 $BTC 60,000 美元左右是不是底部了，现在是不是已经过了最后一跌的时候。
从我个人的观点来看，最后一跌肯定是还没发生，但是不是会发生说不准，因为在给我定义中，最后一跌对应的是类似于“经济衰退”的大幅下跌，但目前并没有看到，即便是跌倒了 60,000 美元的时候美国的经济也没有发现明显的衰退。
所以是不是底部很难说，但是从之前我就一直在每天的作业中都有说，低于 70,000 美元的 Bitcoin 对于投资者是很有吸引力的。
从持仓超过 155 天没有移动过的 Bitcoin 数据就能看到，最近一年中当 Bitcoin 的价格低于 70,000 美元的时候，能明显看到长期持有者增加了 BTC 的持仓，这个时间段有超过 33 万枚 Bitcoin 被长期持有者买入。
而对应的是交易所的 BTC 存量在持续下降，这也说明了：
1. 低价不但不能让长期持有者投降，反而让长期持有者增持。
2. 低于 70,000 美元的价格已经是不少投资者的抄底预期。
3. 目前长期持有的 BTC 将近 147.7 万，距离历史最高点不足 6 万枚 Bitcoin 的差距。
4. 绝大多数的 BTC 持有者对于 Bitcoin 短期价格的走势并不感兴趣。
5. 越来越多的投资者对于短线交易 Bitcoin 兴趣缺缺（交易所存量下降）。
因此，我很难说 Bitcoin 目前就是在底部区间，但可以看到投资者起码对于 70,000 美元以下的成本非常感兴趣，即便是现在 BTC 接近 80,000 美元，投资者的买入也并未明显减缓。
顯示更多
我怎么感觉gpt5.5 有点傻傻的。
使用gpt5.5后，它犯了好几个初始错误了。
今天早上，会话开始让它计算了盈亏pnl，它意识到链上pnl不能只使用流入usdc-流入的usdc作为pnl。然后过两次对话后，在自己还是使用这个计算方法。
下午的一次，要计算60天的pnl，它明明知道初始的盈利要去掉才是正确60天的，但是在自己算的时候才是没有处理好。
gpt5.5 我感觉没有想象的那么好
糟糕，怀疑的种子已经在心里种下，它在生根发芽了
顯示更多
AI trading 看到过好几个项目了。
看起来非常nice，但是很多项目可能没想明白一个事情
Why AI？
其实量化交易已经是非常成熟，高手云集的地方了。AI trading 并不是用vibe coding出一个产品。
更不是，将原本用代码就能判断的指标，交给AI来判断，没有任意。AI还会经常有幻觉。
AI trading要想成功，就必须要考虑使用了AI后，有什么是原先代码不能实现的。
顯示更多
已经不止有多个项目找我测一测他们的AI trading架构了
我就简单说几点吧
1. 拿长期实盘出来,短期妖币这种没有 max dd 的不代表什么,幸存者偏差而已。随便挑一个已经归零的币倒着回测,曲线一样漂亮
2. 如果 Sharpe ratio > 5,基本上可以确定是过拟合、look-ahead bias 或者数据泄漏。Medallion 常年也就 2-3,你一个人在家跑出 7,自己心里要有b数
3. 你拿一段 crypto bull market 的数据去测,和你拿一段大类市场的数据回测是不一样的,完全的 overfitting,基本我不看。最起码 2018、2022 两轮熊市能走通,再跑一轮 walk-forward,才算一个策略
4. 手续费、滑点、funding rate 都得建进去。Binance 的 maker/taker、VIP 档位、BNB 折扣一层层算下来,模型不准的话 backtest 和实盘能差出一倍年化,这是常态
5. 策略容量比收益率更值得看。10 万刀跑得动,不代表 100 万刀还能跑。小币深度就那么点,你一进场自己就把自己的信号打掉,backtest 里完全 reflect 不出来
6. 确实 crypto quant 没那么卷,但套利机会一直在被蚕食——funding arb、现货期货 basis、跨所价差,基本已经被做市商和 HFT 吃干净了。高频做不了,纯因子也没空间,剩下能做的只有趋势和 mean reversion 这两条老路
7. Alpha 有半衰期。策略上线三个月还能跑,算及格;半年还在,算不错;一年还有,大概率是运气好或者你的规模还没到引起注意的量级。别把一次 bull run 的红利当永续 alpha，你还没有那么牛逼
8. Grid search 出来的"最优参数"99% 是过拟合。真正稳的参数,是你在一个区间里随便挑都能跑,而不是精确到小数点后两位才 work。参数稳健性比单点收益重要一百倍,这点做过的人都懂
9. 2017 ICO、2020 DeFi summer、2021 meme、2022 LUNA/FTX、2023 AI 叙事,每一段市场结构完全不同。你在上一段拟合出来的"规律",换个 regime 直接归零,还倒亏手续费
10. 交易所风险永远比你想的大。FTX 归零、API 限流、插针爆仓、小所跑路、币安突然下架,这些都是"一次就结束游戏"的事。你年化 50% 抵不过一次交易所暴雷,这跟策略多牛逼没关系，做山寨的就要考虑到流动性和“下架风险”
11. backtest 上曲线波动看着很美,真到自己账户里连续三周净值下跌,90% 的人会关掉程序手动调参
12. 分清楚你赚的是 alpha 还是 beta。牛市里所有人都是 quant 大师,熊市一来只剩 beta 的人全被冲走。把多头暴露剥离出来单独看 alpha 曲线,大多数所谓"策略"根本没 alpha,就是变相 long BTC 加一点波动率。
13. ML 在 quant 里有大量虚假繁荣。LSTM、Transformer、强化学习被吹上天,实际在 SNR 极低的金融时序上,一个朴素动量因子加合理风控,能打过你调一万次的 XGBoost
真JB学习起来，quant是真的难得一笔
顯示更多
在龙虾爆火后，我越来越相信在不久的将来，各类AI Agent会替代它的主人，活跃在网络上进行交流、交易信息、购物等等行为。
而其中最最基础的一个，那就是支付。而AI Agent世界的支付，需要满足
1）足够快，能支持高频的交易转账
2）极低的手续费的支持微小金额转账（甚至是0.0001刀以下）
3）无国界
很明显，能满足上面条件的只有区块链。在Agent时代，区块链和AI真的是绝配。
看到肖老板刚发布的HSK 白皮书2.0，很明显也是主打的这个点。为Agent提供一个完善的支付网络，是web3最有前景的方向。
除了前面说的几个优先，我发现肖老板还考虑的更深，Hashkey Chain 还使用零知识证明，可以让Agent有一个合规数字身份证，它不仅有隐私保护的功能。更重要的，能解决一大部分安全的问题。杜绝了高资产的Agent被坏人跟踪惦记。
Hashkey Chain还设计了机构级许可链，利用其合规的优势，它可以作为结算的主链，而机构可以构建执行层，实现每秒百万笔的吞吐。
Anyway，AI并不是抢了区块链的风头，而是更需要区块链了，这个方向越来越有意思了。
顯示更多
HSK White Paper 2.0 is now officially live 📃
HashKey Chain has released the HSK White Paper 2.0, outlining our vision for the next era of on-chain finance:
1️⃣ Building a usable and trustworthy on-chain execution environment
2️⃣ One-stop infrastructure for RWA issuance
3️⃣ Empowering the AI agent economy on HashKey Chain
4️⃣ The Global Horizon Hackathon
HSK White Paper 2.0 is more than a technical document. It serves as a blueprint for an open and composable financial system.
🔗 Read more:
顯示更多
在龙虾爆火后，我越来越相信在不久的将来，各类AI Agent会替代它的主人，活跃在网络上进行交流、交易信息、购物等等行为。
而其中最最基础的一个，那就是支付。而AI Agent世界的支付，需要满足
1）足够快，能支持高频的交易转账
2）极低的手续费的支持微小金额转账（甚至是0.0001刀以下）
3）无国界
很明显，能满足上面条件的只有区块链。在Agent时代，区块链和AI真的是绝配。
看到肖老板刚发布的HSK 白皮书2.0，很明显也是主打的这个点。为Agent提供一个完善的支付网络，是web3最有前景的方向。
除了前面说的几个优先，我发现肖老板还考虑的更深，Hashkey Chain 还使用零知识证明，可以让Agent有一个合规数字身份证，它不仅有隐私保护的功能。更重要的，能解决一大部分安全的问题。杜绝了高资产的Agent被坏人跟踪惦记。
Hashkey Chain还设计了机构级许可链，利用其合规的优势，它可以作为结算的主链，而机构可以构建执行层，实现每秒百万笔的吞吐。
Anyway，AI并不是抢了区块链的风头，而是更需要区块链了，这个方向越来越有意思了。
顯示更多
HSK White Paper 2.0 is now officially live 📃
HashKey Chain has released the HSK White Paper 2.0, outlining our vision for the next era of on-chain finance:
1️⃣ Building a usable and trustworthy on-chain execution environment
2️⃣ One-stop infrastructure for RWA issuance
3️⃣ Empowering the AI agent economy on HashKey Chain
4️⃣ The Global Horizon Hackathon
HSK White Paper 2.0 is more than a technical document. It serves as a blueprint for an open and composable financial system.
🔗 Read more:
顯示更多
AI圈好久没有出新的技术名词了吧
那写AI博主都在忙些什么呢？
最近发现了好几篇：从0开始学会claude code
😀😀😀
codex就是个理工科男，实锤了。
给出的分析总结，竟然用大概率 整个词。
如果是gemini，它会说你太棒了，按照这样运行，简直是太完美了。
如果是豆包，就会把不可行的的东西，说成就这么干，一定能成功。
而只有codex，用大概率。
而作为同样理工科的我，就悲剧了。 因为大概率就代表这，还有一定的小概率是有问题的。
于是开始让它分析潜在的问题，找bug
又折腾了半天
顯示更多
