Ee20

在调教 OpenClaw 的过程中，我对接了几乎所有主流消息渠道——Telegram、Discord、飞书、微信…… 用下来一圈，结论很明确：Telegram 是最佳搭档。 🔹 流式输出体验拉满 Bot 执行任务时会实时反馈思考过程、每个步骤，甚至中途发截图。你能真切感受到它"正在想、正在做"，而不是丢出去一个任务然后干等。 🔹 消息送达即时 Discord 虽然功能也不差，但消息经常延迟，Bot 跑完所有任务后才一口气推几十条过来，体验割裂。 🔹 Topic = 轻量频道 Telegram 群组里的 Topic 功能，用起来就像 Discord 的 Channel，任务分类、上下文隔离都很方便，一个群就能搞定。 至于其他渠道： ❌ 飞书——创建 Bot 的流程极其繁琐，权限拆得过细，更像是给大厂内部管控设计的，个人用户体验很差。 ❌ 微信——消息发送慢，而且始终有信息上传和隐私泄露的隐忧，不适合跑 AI Agent。 如果你也在玩 AI Agent / Personal Assistant，强烈建议试试 Telegram 作为主通道。

``` 苏黎世联邦理工开源了一只机械手 ORCA Hand，自己造一只不到 ¥15,000。 🧵 关键信息整理👇 【硬件规格】 - 17 自由度，腱驱动，五指拟人构型 - FSR 触觉传感器 + 硅胶表皮 - DYNAMIXEL XC330/XC430 舵机，U2D2 通信集线器 - 三个版本：Standard / Lite / Touch - 关节可弹出更换，寿命 10,000+ 次循环 【成本对比】 ORCA Hand：17-DOF 腱驱动，¥1.5w 自建，5指，~8h组装 LEAP Hand：16-DOF 直驱，~$2,000，4指，3-4h组装 Shadow Hand：24-DOF 气动/电动，£50-90k，5指，工厂交付 ``` ``` 【自建成本拆解（国内落地）】 - DYNAMIXEL 舵机：¥5,000-7,000（最大头） - U2D2 集线器：¥800 - FSR 传感器：¥200-400 - 3D 打印件：¥200-500（PLA，普通 FDM，Bambu 配置文件已提供） - 硅胶皮肤：¥300-500 - 杂项（螺丝/肌腱线/电源）：¥300-500 - 总计：¥7,000-10,000 材料 + 运费关税 ≈ ¥12,000-15,000 【软件生态（全开源，MIT 协议）】 - orca_core — Python 控制器（307⭐） - orcahand_description — MJCF/URDF 模型 - orca_sim — MuJoCo 仿真环境 - orca_retargeter — 遥操作映射 ``` ``` - 支持 Rokoko 手套、Apple Vision Pro 遥操作 - MuJoCo 训练后零样本迁移到实物（sim-to-real） 【购买渠道 shop.orcahand.com】 - 整机：$5,950（有货） - 含电机组装套件：$4,350（售罄） - 不含电机套件：$1,370（售罄） - 3D 打印件包：$250 - BOM 零件包：$650 - 硅胶皮肤包：$450 【我的看法】 Shadow Hand 卖 50 万起，ORCA 自建成本压到 1.5 万，性能覆盖了绝大多数具身智能研究场景。更关键的是 sim-to-real pipeline 完整开源——在 MuJoCo 里训好策略直接部署到实物，不用重新调参。 对个人开发者和小团队来说，这可能就是具身智能领域的「树莓派时刻」。 ``` ``` 🔗 官网：orcahand.com 🔗 GitHub：github.com/orcahand ```

@bitkeyboardman 365469972

@0xee20 抖音号是哪个，看起来要下载抖音了

现在我用 Agent 做抖音视频，把每天处理的信息做成内容输出。 以前的习惯是：看到有价值的信息 → 仔细学习 → 然后就没有然后了。缺了输出这一环。 现在加了两个出口： 抖音：把筛选过的信息做成短视频，顺便帮身边的人减少一点信息差（尽力而为）, Twitter：更即时地输出想法和判断, 这样就形成了一个完整的闭环：接收信息 → 筛选 → 处理 → 输出。 说实话，做这件事不是为了流量或粉丝。核心收益是：当你逼自己把一个东西讲清楚的时候，你对它的理解会比单纯"看过了"深很多。 输出是最好的学习。

再加一项：制作或使用 SKILL 做完复杂任务过后，如果有失败、中间有波折、走弯路了，让模型复盘一下整个过程，分析哪里犯了错。 你自己也要搞明白一些关键的逻辑选择，要防止模型下次再次踩坑。

> 有技术背景的人用 OpenClaw 时，能快速分辨底层执行逻辑是否出了问题，从而高效地引导和纠正 AI 的行为。 > > 这说明一件事：AI 时代，理解技术逻辑、熟悉系统架构、拥有扎实的编程经验，依然非常重要。中高级程序员不必太焦虑被替代——你的价值恰恰在于能驾驭 AI，而不是被它取代。 > > 用 AI 的正确姿势：不要把它当复制粘贴机器。在提问之前，先在脑中形成自己的方案，再拿 AI 的输出做对比，分析哪种路径更优。 > > 这个过程本质上是在培养一种对结果的直觉——面对复杂任务时，快速判断方向对不对、路径好不好。这种直觉是人类特有的优势，也是 AI 目前最难替代的能力。

这条推文大概率是编的，几个硬伤： "时区套利"窗口根本不存在 2-3 小时, 我们之前实测过：五大联赛（EPL、La Liga、Bundesliga）赛前盘，Polymarket 和 Pinnacle 的价差基本 <2%，最大的 Arsenal 主胜也就 2.5%。Poly 的定价效率很高，不存在"亚洲盘快 2-3 小时、美国交易员还在睡觉"这种窗口。链上订单簿是 24/7 的，做市商也是全球分布的，不存在"等美国天亮才调赔率"的情况。 数据经不起推敲, 4390 次出手赚 440 万 → 每笔均利润 ~$1000。但我们扫描的结果是零个机会超过 3% 阈值，2.5% 的价差连对冲成本都覆盖不了, 体育盘口流动性有限，热门联赛单场 orderbook 深度不过几万到十几万美金，你想一次性砸大单进去滑点就把利润吃完了, 叙事套路典型, "MIT 辍学""父母哭""代码印钞机""28万人盯着"——这是标准的 crypto Twitter 爽文模板。查了下 432614799197 这个 Polymarket 地址/ID，推文也没给链接让你验证。 真正的套利长什么样, :thumbsup: 点击反应 :people_hugging: 点击反应 :trophy: 点击反应 添加反应 回复 转发 更多 [19:05]2026年3月21日 19:05 我们研究的结论是：五大联赛赛前无套利空间，机会只可能在： 世界杯散户涌入期（情绪溢价）, 冷门联赛（但流动性极差，$0-$88K）, 临近开球阵容公布后的短暂窗口（秒级，不是小时级）, 结论：这条推文是包装过的爽文，用"时区套利"这个听起来合理的概念包装了一个不存在的故事。核心逻辑不成立——链上市场是 24/7 全球定价的，不存在几小时级别的地理套利窗口。

他父母砸了 28 万美金送他去 MIT 读计算机。 家里人给他设定的剧本很标准：顺利毕业，拿到 Google 的 Offer，安稳拿着 18 万美金的年薪。 但他只花了三周时间，在宿舍写了一个 Bot，把这个剧本彻底撕了。 这个名为 pm-timezone-arbitrage 的程序，三个月在预测市场卷走了 440 万美金。Google 一年给的钱，他的 Bot 两周就能印出来。 我查了那个地址的数据（432614799197）：总共 4390 次出手，全在体育盘口，比如 NFL、英超、法甲。没有复杂的宏观分析，也没有什么神级预测，只有一套冰冷且无解的底层逻辑。 他在做纯粹的降维打击：时区套利。 亚洲博彩公司的赔率，永远比美国平台快 2 到 3 个小时。他的策略就是盯死亚洲盘口的数据异动，在美国交易员还在睡觉、赔率还没来得及修正之前，提前在链上把筹码砸进去。 等美国那边天亮，市场开始调整赔率时，他的无风险利润已经锁死了。 上周他妈妈打电话，例行公事地问 Google 的 HR 回信没有。 他说他不去了。他妈妈在电话里当场急哭了。 然后他一句话没解释，直接把账户余额截图发了过去。 现在这个账户有近 28 万人在盯着，里面还有 120 万美金的头寸在自动运转。 而他本人，依然住在拥挤的学生公寓，每天骑着自行车去上课。 父母花 28 万美金买的文凭，他的代码 6 周就赚回来了。 这就是这个市场的真相。当普通人还在卷简历的时候，顶级玩家早就利用信息差和时间差，打造了自己的提款机。

> 用 AI Agent 一段时间后，我的结论是：**尽量用最好的模型，别省这个钱。** > > **Opus 4.6**：执行逻辑严谨，步骤严格，输出一致性高，不容易翻车。复杂多步任务交给它，基本不用返工。 > > **GPT 5.4**：严谨性略逊一筹，但胜任简单逻辑任务，表现仍优于大部分国产模型。 > > 大部分国产模型在 Agent 场景下差距明显。打个比方：Opus 像一个资深老员工，交代任务后自己就能跑通；而弱模型像刚入职的新人——你得不断纠正他的错误，反复教他正确做法，他可能还会犯同样的错。 > > 这种反复纠缠最大的代价不是时间，而是**注意力**。你的精力被消耗在纠错上，无法专注于自己的深度思考和高价值输出。 > > 我目前的方案：**Opus 4.6 负责主力操作，GPT 5.4 跑简单定时任务。** 对 OpenClaw 来说，这是一个顶配但高效的组合——模型成本高一点，但省下来的是你自己的认知带宽。

全职交易最大的敌人不是行情，是你没有除了高抛低吸外别的收入。 打工的时候反而交易做得好——不是因为水平高了，是因为不焦虑。有工资兜底，你能等得起。等得起就不追车，不追车就不被割。 一旦全职，每一笔交易都背着"这个月房租"的压力。你会： • 该空仓的时候硬开单 • 该拿住的时候提前跑 • 亏了急着回本，赢了急着落袋 本质上，交易需要的是"无所谓"的心态——而这种心态，靠修行修不来，靠现金流能买到。 所以最好的交易状态不是辞职 all in，是忙到没空看盘。手没那么频，反而赚得多。 先有现金流，再谈交易体系。顺序反了，再好的策略也扛不住心态崩塌。

所有人都在焦虑AI替代，但有些东西，算力解决不了。 LNG运输船的液货舱内壁，用一种叫殷瓦钢的材料——0.7mm厚，比信用卡还薄。在-163℃下几乎零热胀冷缩。 一条船，100公里焊缝，全部手工焊。 焊接环境要求外科手术级：一粒灰尘就产生气孔，氧气超过50ppm就氧化，必须用99.999%纯氩气保护。焊工持证上岗，每一道焊缝100% X光检测。业内比喻叫"在鸡蛋壳上绣花"。 战斗机零件，手工加工精度0.005mm——一根头发丝的1/20。 狙击步枪组装误差不超过0.002mm——头发丝的1/30。 百达翡丽的机芯枢轴，相邻孔径差异2微米。0.07mm的轴径，在12倍放大镜下手工操作。 这些精度，不是"给AI更多训练数据"能解决的。这是物理学、材料学、化学的综合天花板。是几十年工艺积累沉淀在一个老师傅的手感里。 再说个有意思的事：中国燃油车为什么一直做不过德国日本？核心卡在发动机锻造和变速箱齿轮磨削——微米级的公差控制，日德积累了几十年，差距是真实存在的。 但新能源车为什么中国能弯道超车？因为电车没有变速箱，没有复杂发动机，机械活动部件大幅减少。本质上，不是中国"弯道超了"，是赛道门槛降低了——电动化绕开了精密机械制造这个中国最薄弱的环节。 所以当你看到"AI要替代一切"的叙事时，想想殷瓦钢焊工。 算力可以无限扩展，但物理精度不行。有些东西，就是得一个人、一双手、几十年功力，一毫米一毫米地磨出来。 这也是为什么，越是AI狂飙的时代，掌握"原子世界"技能的人，反而越值钱。

今天下午用 OpenClaw 跑通了短视频制作流程——写脚本、生成画面、渲染视频、填发布内容，全在一个地方完成。 过程中我还穿插着做其他事：查资料、处理业务、配置系统。任务之间随时切走再切回来，上下文不丢。体感像在玩星际争霸，多线操作，不停在不同战线之间切换，非常爽快。

@ohxiyu x.com/0xee20/status/…

claude code 在慢慢吃掉openclaw的各种功能。 但是最重要的一点是：openclaw模型可以自定义。 这个claude是永远做不到的。 不开个 max套餐，无论是channel还是cli。基本上几个问题就得等下一周额度刷新了。

AI 最大的价值不是替代人，而是把人从机械的执行中解放出来。 以前大量时间花在格式、排版、搜索、整理这些事上，真正留给思考和创造的精力很有限。现在这些环节可以交给 AI，人终于能专注于自己最擅长的事：输出独特的观点，做深度的思考。 拿我自己举例： 以前大部分时间花在编码、盯盘、处理和阅读各种信息。现在有了 AI Agent 辅助，信息获取效率高了很多，具体执行上花的时间大幅减少。 执行环节交给 Agent，我去想下一步该做什么、怎么做得更好。省下来的精力可以用来输出更多内容。 你可能注意到我 Twitter 更新频率变高了——因为有更多时间去思考和表达了。再加上 AI 辅助的语音输入，写东西的速度也快了不少。 AI 不是让人变懒，是让人有条件只做人该做的事。

与AI配合工作中，语音输入可能是被低估的效率工具。它让你专注于思考本身而不是打字，输出效率翻倍，手也不累了。 最近试了三个语音输入法：Typeless、豆包输入法、讯飞输入法。 Typeless PC 端体验最好。它不只是语音转文字，而是能把你一段随性的思考整理成条理清晰、干净的书面文本。缺点是要付费。 豆包和讯飞的逻辑不一样，它们基本是还原你说的话，只帮你去掉语气助词，不会重新组织内容。 如果找平替，推荐豆包输入法： • 语音识别响应比讯飞快 • 界面干净简洁 讯飞功能更多，但塞了一堆第三方 Agent 内容，有点臃肿。豆包背后是字节，隐私自己掂量。 ⚠️ 隐私提醒：iOS 上用语音输入，记得把"语音输入免跳转"的等待时间调到最短。不然说完话了麦克风还挂着，你以为结束了，它还在听。 总结： • 不在乎付费 → Typeless • 想要免费平替 → 豆包输入法 ─── 🎙️ PC 端麦克风选择： • 大疆 DJI Mic Mini — 轻便，降噪强，嘈杂办公环境轻声说话也能准确录入，追求极致清晰选它 • AirPods — 手头有旧的连 PC 也够用，对灵敏度要求不高完全能替代专业麦克风

最近给几个朋友搭了 OpenClaw，发现一个有意思的事。 有技术背景的人拿到手，很快就开始折腾：跑定时任务、接消息源、让它自动监控东西。但不做互联网的朋友，用了一周之后，主要还是在跟它聊天。 "帮我翻译一下这个" "帮我写个文案" "这个东西什么意思" 跟开一个 ChatGPT 窗口没太大区别。 不是工具不行，也不是人不行。是思路不一样。做互联网的人天然会想"这个能不能自动化"，因为天天跟脚本、定时任务打交道。但其他行业的人，他们的工作流里没有这个概念，不是想不到，是从来没需要过。 "你帮我每天早上把这三个网站的内容看了总结发给我"——说出来很简单，但这句话背后是一整套自动化的思维习惯。 所以 Agent 现在还是互联网人的玩具。真正普及，大概需要的不是更强的模型，而是有人把"你可以让它自己干什么"这件事，变成一个菜单，一个模板，一个不用想直接点的开关。 到那一步，才是真正的 Agent for everyone。

今天看到 Claude Code 支持手机远程操控了，可以在手机上给电脑派编码任务。挺好的更新。 但这让我想聊一个事：Claude Code 和 Agent（比如我在用的 OpenClaw）其实是两个完全不同方向的产品。 Claude Code 是开发工具。你在本地跑，笔记本得开着，屏幕得亮着，它帮你写代码、改 bug、做重构。现在加了手机控制，出门也能用，但你的电脑还是得开着等它。 OpenClaw 是服务。它跑在服务器上，本身就是一个 7×24 小时不停的东西。我每天早上醒来，Telegram 里已经躺好了十几条消息：昨晚的财经新闻、GitHub 新项目、BTC 鲸鱼异动、期权数据、微信群聊天精华。没有人值夜班，是一只龙虾在服务端自己转。 打个比方：Claude Code 是电钻。好电钻让你钻孔又快又准，无绳电钻让你走到哪钻到哪，但你得拿着它、对准了、按下去。活还是你在干，工具只是让你干得更好。 Agent 是员工。你跟他说"每天早上把这几件事干了放我桌上"，然后你去睡觉。第二天早上桌上就有了。 不是说谁比谁好。一个在客户端，一个在服务端。这从来就是两件事。你不会让电钻自己去上班的。