m.A.A.d DK

@iam678 图标拉垮，你去stitch.withgoogle.com告诉他你的需求让它给你弄个高大上的。

福利鉴的chrome插件审核通过了， 直接在chrome商店里安装之后， 浏览X的时候就可以同步显示福利姬账号的评分了。 如果没有收录信息的， 会直接当场一键收录并评分。 这样就不用担心被骗了！

@Be_silenced_ @landiantech 果然可以选发件人！得亏我还是果子前员工呢？！

@bubbleboy741 @landiantech 可以的，你打开苹果自己的邮箱软件，点发送，然后点一下“from”，就能看到hide my email了。

💥💥💥iCloud+ 隐藏邮件地址可不能乱用：苹果帮助 FBI 开盒发出威胁的犯罪嫌疑人。 这名用户创建多个随机地址向 FBI 局长女友发出恐怖威胁，随后执法机构直接向苹果发出请求，苹果按法律要求提供这名用户的真实身份，苹果也强调隐藏地址功能仅用于反垃圾和隐私保护。 👉ourl.co/112374?x

3月26日，美国国务院发布《香港旅游警示》： 2026年3月23日，香港政府修改《国家安全法》的执行细则。从现在开始，如果拒绝向香港警方提供密码或协助解密，以供警方检查个人电子设备（包括手机、笔记本电脑等），将构成刑事犯罪。 这项法律适用于所有在香港境内的人，包括正在香港的美国公民，以及在香港国际机场入境或「转机」的旅客。

加州州长加文·纽森急眼了。 面对贪钱的骗子装瞎。 转头就去毁掉揭发骗子的人。 Nick Shirley 刚把蓝营城市资金欺诈的烂账抖了个底朝天。 报复马上就来了。 纽森亲自下场。 他发了一张AI生成的假照片。 画面里10个镜头死死盯着 Nick。 上面配了一行极具暗示性的文字：“孩子们在哪儿？” 手法下作到了极点。 强行把一个查账的年轻人抹黑成变态。 巨额纳税人血汗被窃取，州长无动于衷。 面对揭露真相的镜头，他却拿出了最恶毒的构陷。 以前政客掩盖贪腐，好歹还花点心思做假账。 现在直接用下三滥手段攻击爆料人。 加州水面下的窟窿，早就捂不住了。

@taresky 我是Claude写，CodeX审。目前感觉还不错，今天准备试试Gemini3的能力。

#AI 我自己 vibe coding 的感受是 gpt5.4 设计系统框架的能力，远远强于 opus4.6。让他们自行对比彼此方案，opus 也认输。 所以目前是 gpt5.4 出方案和文档，opus 来写。 不过最近 timeline 经常刷到 codex 工程能力也更强... 那 Claude 岂不是没优势了？

@0xAA_Science @Weixin_WeChat @openclaw @steipete 你们都在替微信官方蒸馏模型呢！马化腾在偷着笑！

我已经在微信用上龙虾了！ @Weixin_WeChat @openclaw @steipete 这次是微信官方插件支持，安装方法： 1. ios 微信升级到最新版：0.8.70 2. 路径：「我-设置-插件」，可以查看终端安装指令。（微信ClawBot 插件在逐步放量中。更新至最新版本，敬请期待。） npx -y @tencent-weixin/openclaw-weixin-cli@latest install 3. 把上面的命令复制到你运行龙虾的电脑上，安装微信插件。 4. 安装好后，会出现一个二维码，用微信扫码，就可以和你的龙虾🦞在微信对话啦！

挑衅川普结果被贴脸开大的记者 千千岩森生 被日本人扒出来 是著名左媒朝日新闻中国站站长😌 日本著名亲共势力代表🤡 这个新闻今天在中国🇨🇳引起了媒体的一波集体高潮，基本盘们都高兴坏了 你别说，我党还真的挺关心基本盘的，高潮💊一波接一波，让基本盘每天都能开开心心，暂时忘记失业的儿子，送外卖的老公，200块养老金的爷爷 身为种花家的基本盘，幸福还在后头呢🥰

@0xAA_Science 可是Codex写代码不行，找事儿是强项。

codex 总能找出 claude 找不出的 bug。

@billtheinvestor Unusual wheal配合Claude 做个交易机器人

AI已经能实时抓取期权流动、扫盘和大宗交易，甚至能看到国会议员在交易财报和现金流量。这不是科幻，是真实发生的金融透明化。你还在用传统工具分析市场？ AI连接后，你可以看到暗池交易的NBBO上下文，这意味着你不再只是被动接收信息，而是能提前预判市场动向。根据美国证券交易委员会（SEC）数据，暗池交易占美股交易量的25%，而普通投资者几乎无法触及。这不仅改变了信息获取方式，更重塑了交易逻辑。AI不再只是辅助工具，而是成为你对抗机构的武器。 去年，一位对冲基金经理用AI分析国会议员的交易记录，发现某议员在财报发布前大量买入某科技股，随后该股在财报后上涨18%。这并非偶然，而是AI挖掘出的市场规律。他用这套策略在三个月内盈利超200%，而传统投资者还在等待财报发布时间。AI让信息不对称彻底失效，也终结了“散户永远输”的神话。 你以为AI只是帮你看数据？错。它正在改写“谁掌握信息，谁就掌握市场”的规则。传统上，机构用资金优势压垮散户，现在他们用AI压垮散户。这是一场认知战争，不是资金量的较量，而是信息处理速度的较量。你还在等别人告诉你“该买什么”？ 全球套利逻辑正在被AI重新定义。从财报到期权，从暗池到交易记录，AI让信息成本趋近于零，也让市场透明度达到前所未有的高度。但问题在于，你有没有能力把数据转化为利润？这不是简单的工具升级，而是认知体系的重构。 你有没有想过，AI不是让你“赚快钱”，而是让你“看懂市场”？如果信息透明化是趋势，你还在用传统方式分析数据，那你已经落后了。

@berryxia Money ball现实第二版

🔥兄弟们！这个哥们挺狠的！ 居然一个人用43年网球数据+笔记本电脑，造出85%准确率的AI胜负预测器！ 想象一下：有人把过去43年所有职业男子网球（ATP）比赛的数据一股脑塞进电脑，让机器学习模型来预测“谁会赢”。模型居然说：“我行！” 更牛的是，它在2025年澳大利亚网球公开赛（一个它训练时完全没见过的新赛事）上，正确猜中了116场比赛里的99场——包括最终冠军辛纳（Jannik Sinner）每一场胜利！ 现场职业体育预测准确率高达85%！ 而且整个项目只用了一台普通笔记本、免费公开数据和开源代码。 这个“独狼”AI项目的主人叫 @theGreenCoding（YouTube上叫 Green Code），我来用最通俗的语言，带大家从头到尾拆解它到底是怎么做到的——就像讲故事一样，零基础也能看懂！ # 第一部分：43年数据 = 圣杯级宝藏 一切从数据开始。他找到了网球界的“圣杯”： 1985–2024年每一次ATP比赛的完整记录！ 包括每一个破发点、双误、正手、反手、球员身高、年龄、排名、交手记录、比赛场地类型……甚至ATP官方追踪的每一个技术统计。 95,491场比赛，全部塞进一个文件夹。打开整个文件时，他的电脑差点崩溃，Excel直接投降。 但他没停下！ 他还为每场比赛手动算了81个高级特征： - 两人历史交手战绩 - 年龄差、身高差 - 最近10场/25场/50场/100场胜率 - 一发得分率差、破发拯救率差…… 最厉害的是，他自己发明了一套自定义ELO积分系统（就是国际象棋里用的那种评分），后来证明这是最强的预测神器！ 最终数据集：95,491行 × 81列，相当于把40年网球历史“浓缩”成一张超级详细的Excel表。 第二部分：先用“泰坦尼克号”理解决策树 在正式训练前，他先用最简单的方式搞懂算法——自己从零用Numpy写了一个决策树。 为了解释清楚，他拿出了经典的“泰坦尼克号”数据集： 决策树就像一本“选择你的冒险”游戏书。它会不停问“是/否”问题，把乘客分成“生还”或“遇难”。 比如第11号乘客Elizabeth小姐： 1. 票价 > 20英镑？→ 是 2. 头等舱？→ 是 → 预测：生还！（真实结果也是） 算法怎么知道先问哪个问题？它会试遍所有特征，挑出最能把两类人分开的那一个（比如头等舱）。 然后继续往下分，直到叶子节点“纯净”为止。 他用这个小玩具验证了思路，再用专业库（sklearn）跑真正的9.5万场网球数据。 第三部分：ELO差值——一眼就能看出输赢的“王牌特征” 他把所有81个特征画成散点图矩阵（pairplot），结果发现： 大部分特征都是“噪音”。 只有一个特征鹤立鸡群——ELO积分差值！ 散点图里，ELO差大的比赛，胜负几乎是一条清晰的分界线。 其他特征完全比不了。这让他下定决心，把ELO系统做到极致。 第四部分：把国际象棋ELO搬到网球 ELO规则超级公平： 每个人初始1500分。 打败比你强的对手，得分多；输给比你弱的，扣分也多。 举个例子：2023温网决赛，阿尔卡拉斯（2063分）爆冷击败德约科维奇（2120分）。 按照公式，阿尔卡拉斯涨14分，德约扣14分。简单吧？但把这个公式跑43年数据后，威力惊人！ 第五部分：Big Three的“数学霸权”可视化 他画出费德勒职业生涯每场比赛的ELO曲线： 早期爬坡 → 巅峰统治 → 后期波动，一目了然。 再把**所有**ATP球员的ELO曲线叠在一起…… 画面震撼了！ 费德勒（绿）、纳达尔（蓝）、德约科维奇（红）三条线像三座高山，远远高出其他所有人！ Big Three不是粉丝吹的，是数学铁证！ 目前他的ELO榜：辛纳2176（第1）＞ 德约2096＞ 阿尔卡拉斯2003。 第六部分：场地才是天花板 网球最特殊的地方就是场地：红土慢、草地快、硬地居中。 他又给每个球员算了红土ELO、草地ELO、硬地ELO。 结果完美验证了大家都知道的事： 纳达尔在红土的ELO，是整个数据库里任何球员在任何场地的最高分！ 14个法网冠军，112胜4负——ELO不看故事，只看胜负，却得出了完全一样的结论。 第七、八部分：算法升级——从74%到85%的逆袭 数据和ELO准备好后，他开始训练不同模型： - 单一决策树：74%（只比纯ELO的72%好一点） - 随机森林（94棵树投票）：76% - XGBoost（随机森林的“激素版”）：85%！ XGBoost的牛逼之处在于：每一棵新树都专门去“纠正”前面树的错误，还加了防过拟合机制。 它告诉他：最重要的三个特征就是——ELO差、场地ELO差、总ELO。 （他还试了神经网络，只有83%，树模型完胜！） 第九部分：真实考验——2025澳网盲测 模型只用2024年12月以前的数据训练。 2025澳网全程完全没见过！ 结果：116场有足够数据的比赛，猜对99场，准确率85.3%！ 它甚至在开赛前就准确预测：辛纳会夺冠，并且每场都赢！ 一个大学生，用笔记本、Python、公开数据，就做出了能提前预言大满贯冠军的AI！ 代码已开源，任何人都能复现。

@Solater888 你说对了！发出来就被灭

@Hikarumao 我还在六本木某便利店门前看到一个老头对着下水道口掏出家伙瞄准开始尿的呢。早晨10点

我曾经在东京首都高上看到来日本以来最震惊的一幕，一辆车停在首都高的高架桥，车道合流的位置的三角地带，就在麻布十番十字路口上方。司机就站在车旁边的路边撒尿，回头再一看，是大阪车牌。🤣

@yushi_Futures 用的哪个机场，推荐下？

一直让我头疼的事终于解决了，surge 里的model（模块功能）能够在你的机场订阅链接为托管状态下，覆盖几条本地的规则集（利用模块功能） 解决了我一些难点 1，我比较喜欢走日本的节点，18comic日本节点访问不了🙃 2，规则代理状态下，微信有时候发不了图片给好友（因为微信也走日本节点了） 另外就是grok和safepal了 有时候规则代理不是能很快的匹配上节点，配置好模块，访问速度会加快😋

震惊💥加州 Downey 市图书馆外，一名68岁男子给Tesla充电时被23岁流浪汉刺伤。救护人员正抢救时，另一名52岁流浪汉偷走救护车，高速追逐15英里后撞车被捕。 受害者最终现场死亡。 家属向市政府索赔4000万美元！ 这城市怎么了？ #LosAngeles #HomelessCrisis #California

@leifuchen 1000刀的本金，每次盈利10%就跑然后all in下一笔交易再到10%就跑。这样72次就到1百万了。

不到百倍誓不还！绿老师加油 🔥

Asian man randomly stabbed in the back in San Francisco Chinatown

@iam678 你这样都浪费token！直接Mac OS的Claude客户端最方便。给他文件夹权限，直接给你编码，连复制粘贴都省了。然后MCP服务器加上GPT的CODEX，每次写完了直接一句Codex Review让它审核代码即可。连窗口都不用切换！

Openclaw搭claude真心是制作APP的好东西啊… 关键是我的所有需求他都能理解， 我的所有想法和他都能帮我实现， 以后真的不用担心你不会写代码了， 你只要有好的创意就行。

@safaricheung 我十几年前和我同学几乎同时入职，我俩都不知道对方在那个部门。也不问。

刚刚才得知某个校招去 Apple 供应链的同学，过去一年一直在 Neo 这个项目上，（去年见了至少五六次，但直到现在才跟我们说） 感觉这种能把秘密一直憋在心底、天天聊数码怎么问都不暴露的人强的可怕（当然也可能只是苹果的保密规定太严苛 （总之还是决定买一台支持一下他，不好用就拿 Neo 拍他头上🐶

@ShiGuang14630 @gch_enbsbxbs 我就玩一百刀的

@bubbleboy741 @gch_enbsbxbs 1000进去，就剩200多了

策略应该已经跑通了 一共花了差不多半个月。（实现功能仅仅3天就写完了） 从最初的 实现功能。然后开始逐步边写策略 边思考 边测试。 直到最近几天，开始开始稳定了。 先小资金跑一个月看看吧。 脚本已经偏离了我最初的设想。 原本预期是写套利，结果开始往量化的方向发展了。 不过这些也不重要。预测市场的策略 实在太多了。 我想说的是 只要你沉下心来干。 别人过年，你搓代码。有这个决心。肯定能干成。