科余
35 posts







฿itcoin China New Listing @ClutchTheEagle Trading pair $CLUTCH/ETH View more details: bitcoinchina.io/trade/0xD09185… Follow the project in the link to jointly build a strong community






Pizza Day Creator Challenge 15 years ago, 10,000 BTC bought two pizzas in Florida. The first time crypto paid for something physical. River is bringing creators in to mark the moment ▸ May 19 – 24 ▸ 100k River Pts for 100 creators ▸ 30 winners get pizza on us ▸ Any format, any angle on pizza x River ▸ Submit via form → forms.gle/FmaQfP6p6Gv6MN…






最近看到大家都在发自己的量化,我也分享下自己的量化,大概跑了半个多月,从Openclaw 换成 Hermes 后就一直在构思这个系统,我没研究过现在和过去其他人的量化逻辑,但我这个目前胜率还凑合,从 1000u 的本金也跑到了 1600+,说下基本自己的思路,也能和大家碰撞想法和交流: 🌟AI 是 Claude + Hermes ,claude 搭系统,Hermes 来分析策略和执行,95% 是 7x24 服务器上跑不占用 大模型Token 🌟核心逻辑和共识是 —— 一个真正会自己学习的Agent。她能记住每一次判断对错,能从失败中提炼经验,能主动调整自己的判断逻辑。就像一个真正的交易员,刚入行时新手,做久了变老手。 就拿我自己来说,从 openclaw 出现以来就在不断的使用学习试各种skill 和方式让他变得更智能更主动的帮我做事,但是实际上他本质逻辑就是个定时器,时间到了开始做事,所以基于这个逻辑想要无缝 7 x 24 的跑下来就必须有个合理的闭环让他循环,我是这样思考的: 1⃣每次决策都留痕 简单来说我每一次跟我的 Hermes 聊天让他帮我每分析或开仓,系统会自动记录一份"决策快照": ·当时的市场温度(恐贪指数、VIX) ·币种的技术指标(RSI、ADX、量价) ·订单簿的真实买卖情况 ·聪明钱在做什么方向 ·宏观环境(关税期?FOMC期?) ·Polymarket在赌什么/对应 token 是否有盘口 ·为什么做这个判断(理由) ·预测的方向和目标价 这就像一个交易员的工作日记,每笔交易都写下"我为什么这么做,现在是什么环境的判断"。 2⃣24小时后回头看(可以根据我问的情况自动判断时间戳) 24小时后,系统自动回访这笔决策: 当时Hermes说"看多ETH,目标涨3%" 24小时后实际:ETH涨了2.5% → 标记为"判断正确" 24小时后实际:ETH跌了1% → 标记为"判断错误" 这个回访不是简单看价格,而是要分析复盘为什么对、为什么错。 3⃣让AI自己复盘 这里是最关键的一步。如果判断错了,系统会自动把错误的分析和实际结果发给MAKIMA本人,让她自己复盘: "你24小时前分析ETH看多,给出Conviction 72分 当时你的依据是:RSI超卖、订单簿买盘强、聪明钱方向一致但实际ETH跌了2% 请复盘: 1. 哪个信号判断失误? 2. 当时忽略了什么? 3. 下次遇到类似场景怎么处理?" Hermes会给出复盘结论,比如: "忽略了Polymarket 的反向信号,当天 ETH 的盘口预期不足以造成拉盘,市场预期ETH会跌 聪明钱信号有滞后性,不能完全依赖 下次遇到 Polymarket 反向时应该谨慎做多" 这条复盘自动归档到经验库,带上标签: 「币种:ETH RSI区间:超卖 宏观环境:FOMC前 失败原因:Polymarket反向被忽略 教训:Polymarket反向时聪明钱信号需折扣」 4⃣下次遇到类似情况,自动调取经验 这是真正让她"成长"的核心。 下次Hermes要分析任何币种时,系统会智能搜索经验库,找到Top3-5条最相关的历史经验,注入到她的判断上下文: "现在分析ETH,参考你的历史经验: 「经验1(30天前,类似场景): ETH超卖+宏观平静期,做多成功,关键是订单簿买盘强 经验2(45天前,反面教材): ETH超卖但Polymarket反向,做多失败,被打止损 经验3(15天前,类似场景): ETH超卖+聪明钱共识,做多成功率高」 请结合这些经验给出判断" 她不是从零开始判断,而是带着"过去同样情况下的经验"做决策。 🌟这套闭环的意义: 普通量化:人写规则 → 静态系统 我的量化:自己积累经验 → 动态成长 第1周:按基础逻辑判断 第4周:积累了几百条经验后,遇到熟悉场景能直接调取 第3个月:经验库足够丰富,胜率开始指数级提升 第6个月:成为这个特定市场环境下的"老手" 理论上,操作越多,胜率应该越高。每一次错误都不是浪费,而是在喂给她未来的判断力。 💡一个具体的例子 4月15日:MAKIMA分析BTC,看多,结果跌了 归档经验:BTC在RSI=42+ADX=20的震荡市做多,失败 4月22日:又遇到BTC RSI=44+ADX=22+震荡市 系统调取 4月15日的经验作为反面教材 Conviction从60分扣到48分(不开仓) 后来BTC确实又跌了 → 避免了一次亏损 5月5日:BTC RSI=38+ADX=45(这次是趋势市) 系统调取经验时,发现4月15日的反面教材"市场状态不同" 权重降低,不影响这次判断 正常开多,赚了 「她学会了区分场景,不是机械套用经验,而是判断"过去的经验在当前是否适用"。」 ·不让Agent绕过规则,而是改进规则 我们最初遇到一个问题:Hermes有时会觉得系统设的门槛太严,自己绕过去开仓。 我们没有限制她,而是给了她一个"反馈机制": 觉得门槛过严?写入feedback.log 觉得规则不合适?告诉系统 "你不是在忍受规则,你是在训练系统" 每周日系统自动统计这些反馈: 如果"觉得过严但实际开仓胜率>55%" → 门 槛自动降低 如果"按门槛开仓胜率<45%" → 门槛自动提高 她的每个想法都被听到,每个反馈都在改进系统。 弄这套东西的原因是我比较懒,但是在不了想学习外面的量化系统策略和逻辑,那么我就想弄一套东西不断的跑,我甚至懒得告诉他怎么跑。 这套系统我第一件事就是让他把现在到过去 2 个周期的 K 先放量价格等所有数据跑一个遍,然后把关键节点价格做上坐标,然后根据这个坐标找相对于宏观事件都发生了什么,分析原因,快速积累经验。每天和 claude 聊的最多的就是 Hermes 还缺什么,如何继续完善,怎么让他成长的更精准 下面发几个自己的面板(我为了他在干什么我能看得见,还建立了个模板清晰看到他在做什么)





🚨别错过这场 AI 极客的狂欢! #AI 极客争霸赛 「极客前线」现场直击直播,5月10日 13:00(UTC+8)X平台同步开启! 想围观顶尖战队的技术碰撞、解锁行业前沿动态?线上一起蹲住! 预约🔗:x.com/i/broadcasts/1… 🎁 宠粉福利: ✅ 转发本推文 ✅ 评论区留言 ✅ 关注 并附上你的HTX UID,我们将随机抽3位送出 HTX 颈枕! 手慢无,速来参与! #HTX #视频直播 #科技 #Web3 #Web4

🏆 After weeks of building, reviewing, community voting, and live demos, the final results of the Four.Meme AI Sprint are officially here. Congratulations to all winning teams: 🥇 1st Place — Build4 (@build4ai) 🥈 2nd Place — Clawdyland (@clawdyland) 🥉 3rd Place — elizaOK (@elizaok_bsc) 4️⃣ 4th Place — 4lpha AI (@4lpha_agent) 5️⃣ 5th Place — ClipX (@ClipX0_) From 196 global BUIDLs to the final Top 5, this sprint showcased an incredible wave of innovation across AI agents, onchain infrastructure, autonomous systems, and crypto-native applications. We would like to thank every builder, judge, partner, and community member who participated and supported the Four.Meme AI Sprint on @BNBCHAIN throughout the journey 🤍 This is only the beginning. More AI-focused initiatives, experiments, and ecosystem opportunities are coming to Four.Meme soon.










