ColeChen（COKE）
2K posts
ColeChen（COKE）
@colechen0428
Founder @tangerinenft Head of China @thed3n_ EX: 台湾web3协会顾问 https://t.co/TES8FbTOXu
China Katılım Nisan 2022
1.2K Takip Edilen18.1K Takipçiler
学Al Brooks价格行为的应该都懂这种感觉😩
📚 三本书读了又读
✅ 知道H1/H2是回调买点
✅ 知道II OO IOI是关键反转
✅ 知道Brooks的"测量移动"(MM)是核心几何
但实盘看图——
"这根算H2还是H3"
"这个PB够深吗"
"MM目标位还得手动画线"
更扎心的是——
TradingView上能找到的价格行为指标
要么写死H1/H2不连续计数
要么不区分II/OO/IOI
最关键的「测量移动」几乎没人做完整
干脆把自己写的Pine v6
完整移植到自家平台 ✨
🎯 mytrading.me · 价格行为指标
16 个子模块 + 3 套独家 MM 系统
📊 Pine原版1:1复刻
✅ H/L 连续累加（H1→H2→H3...）
✅ PB 质量过滤（ATR深度 + 持续根数）
✅ 主/副 EMA 双线
✅ II / OO / IOI 模式识别
✅ 跳空三层（开盘/影线/实体）
✅ 前日 OHLC 标注
✅ 摆动高低点 ▲▼
✅ 楔形 / 3-push 紫色徽章
✅ 5周期偏向矩阵（5m/15m/1h/4h/1d 多空一眼看清）
✅ PB 区域高亮 + K线计数器
🔥 独家 · 测量移动 MM 系统
（这是TradingView上都难找的）
1️⃣ PB MM（Z形投影）
H1/L1触发后自动画 推动起点→PB起点→PB低点→投影目标
直接把 "AB=CD" 几何思想可视化
2️⃣ Gap MM（3类跳空×多空 = 6个分支）
开盘跳空 / 影线跳空 / 实体跳空
各自独立投影目标价 + ATR阈值过滤小gap
3️⃣ Brk MM（区间突破投影）
N根K线高低首次突破
区间box + 目标价斜虚线 + 横虚
🆓 怎么用
打开 mytrading.me → 实时工作台
指标库搜「价格行为」一键添加
· 无需TradingView Pro
· 任何品种（加密/美股/外汇/期货）
· 任何周期（建议5min起）
· 完全免费
评论区扣"价格行为"，我发邀请链接🎁
#AlBrooks #价格行为 #PriceAction
#量化交易 #技术分析 #日内交易
#加密货币 #交易系统 #TradingView替代
中文
0代码基础 2个月 手搓AI量化平台
说说我是怎么做到的👇
🌱 起因
我自己做加密货币交易，每次复盘都很痛苦
截图、Excel、笔记软件来回切
K线一关掉就忘了当时怎么想的
市面上的工具要么只支持单交易所
要么贵得离谱（动辄几百刀/月）
要么根本没有AI
干脆自己做一个🤷♂️
⚙️ 平台长这样
✅ 一键接入 Binance / Bybit / OKX / Bitget
✅ K线可以回放，重新走一遍当时的行情
✅ 交易计划 + 盈亏分析 + AI复盘建议
✅ 全套部署在自己的服务器，数据不外泄
🛠 用到的工具
· Claude Code（核心，几乎全部代码靠它写）
· React + TypeScript + Tailwind（前端）
· NestJS + Prisma（后端）
· 阿里云 VPS 部署
📈 现在的状态
2个月前我还不会写代码
现在它已经在线上稳定跑了 ✨
还在持续迭代，最近刚加了K线回放功能
💡 给想做的人 3 条建议
1. 先用Claude Code做MVP，别一上来就写架构
2. 每个改动只做一件事，跑通了再下一步
3. 把需求和踩坑都记在Notion里，AI才能持续帮你
#独立开发者 #AI编程 #ClaudeCode #量化交易
#副业 #产品经理 #程序员 #数字游民
中文
调研了5家竞品，这个功能全都没有 👇
mytrading.me 今天上线 K线回放：
⏪ 随时回放任意历史K线
🔁 回放模式下自动加载历史数据
✅ 不再锁死，切换/取消随心所欲
入场点对不对，自己回放一遍就知道
不用再凭感觉复盘了
免费，主页链接：mytrading.me
$BTC $ETH #加密货币 #交易工具
中文
本来今天要写一篇Hermes-agent相比小龙虾token消耗更大的推文，
但刷到了这个在程序员圈和开源社区炸了的瓜，
我花了两个多小时扒完两边的仓库和证据链，说实话越看越后背发凉，
不是因为抄袭本身，而是这可能是AI时代第一起被完整记录的架构级代码洗稿：
没有复制一行代码，文本相似度0%，但核心架构的同构度几乎是100%，
我尽量从技术角度把前因后果拆清楚，具体兄弟们你们自己判断。
先说时间线，这是整件事的基础，所有时间戳都来自GitHub仓库元数据，任何人都可以去验证，
2月1日，EvoMap团队开源了Evolver，一个AI Agent自进化引擎，核心是他们自研的GEP协议，10分钟登顶ClawHub热榜，
到2月16日，整套协议体系通过多篇公开文章全部公开：包括Gene/Capsule/Event三级资产体系、Scan-Select-Mutate-Validate-Solidify进化循环、信号选择器、反射机制、叙事记忆，全部摊在了桌面上，
3月9日，Nous Research创建了hermes-agent-self-evolution仓库，
3月12日发布v0.2.0正式推出完整的技能生态系统，
中间隔了24到39天
时间线只是起点，真正让我震惊的是架构层面的模块级一对一对应，我拎几个最硬的出来，
第一，进化闭环完全同构，Evolver的核心循环是任务完成后自动提取可复用资产并持久化，Hermes的官方描述是Task completes → Agent evaluates → writes SKILL.md → Future tasks load automatically，范式一模一样，只是Evolver用Gene/Capsule的JSON结构，Hermes用SKILL.md的Markdown结构，
第二，三层记忆体系精确对齐，
Evolver有EVOLUTION_PRINCIPLES.md（持久事实）+ Gene/Capsule JSON（程序性记忆）+ events.jsonl（历史搜索），Hermes有MEMORY.md + USER.md（持久事实）+ SKILL.md文件（程序性记忆）+ SQLite FTS5（历史搜索），不是两层不是四层，精确的三层，且每层的语义角色一一对应，
第三，周期性反射机制，
Evolver每5个进化周期触发一次战略性自我评估，Hermes每15次tool call运行一次self-evaluation checkpoint，目的完全一致：从执行经验中提取模式并持久化。
这还没完，两个项目的进化主循环都是10步编排，
Evolver是ensureAssetFiles → extractSignals → getMemoryAdvice → selectGene → buildMutation → selectPersonality → buildPrompt → writeArtifact → writeState → reflect，
Hermes是find_skill → build eval set → baseline validate → config optimizer → GEPA optimize → extract text → evolved validate → holdout eval → report → save，
核心模式完全一致——加载 → 评估 → 选择/优化 → 验证 → 持久化，
更关键的是源码模块的一对一对应，
Evolver的selector.js对应Hermes的skill_commands.py，solidify.js对应skill_manager_tool.py，reflection.js对应每15次tool call自评估，memoryGraph.js对应memory_tool.py，skillDistiller.js对应evolve_skill.py，executionTrace.js对应trajectory.py，
我数了一下，Evolver的11个核心模块，Hermes每一个都有功能等价的对应文件
有人可能会问，会不会只是英雄所见略同，两个团队独立做出了相似的设计？
说实话如果只是单一维度的相似，我不会花几个小时研究和写这条推文，从经验中学习本身就是通用AI概念，周期性自评估在学术界也有先例，
但问题在于：三层记忆体系、三级资产结构、10步进化循环、运行时渐进式技能发现、多维加权适应度评分、原子写入、安全扫描、注入防护、容量控制，这些选择在同一个项目中、同一个时间窗口内同时收敛的概率，随着每多一个维度的匹配呈指数级递减，
而且最关键的一点是对Hermes两个仓库做全文搜索，EvoMap、evolver、Genome Evolution Protocol、capsule、solidify、signals_match，全部零匹配，没有任何代码残留，这恰恰符合AI跨语言重写的特征：AI重写架构时不会保留原项目的特征性字符串，但架构层面的同构性无法被重写消除。
然后说说双方的回应，
Hermes Agent昨天下场回复了，大意是说他们的仓库2025年7月22日就创建了，比Evolver还早，但这里有个关键事实：
那个仓库在2026年2月25日之前一直是私有项目，v0.1.0自己都写着叫initial pre-public foundation，技能生态系统直到3月12日的v0.2.0才正式发布，没有任何公开证据能证明他们在私有阶段已经包含了自进化能力，
更耐人寻味的是，这条回复后来被秒删了，Evolver创始人也被拉黑了，
另外要说一个公平的点，Hermes的自进化仓库用了GEPA这个来自Berkeley/Stanford的独立学术成果，是正当的技术选型，Anthropic的Agent Skills标准也早于Evolver，Hermes采用SKILL.md格式是合理的行业选择，但这些都不能解释整体架构层面的高度同构，
开源社区有个基本惯例，LangChain引用了DSPy，CrewAI对比了AutoGen，MetaGPT引用了相关多agent框架，发现同领域先行项目时加一句Related Work是标准做法，而Hermes在7份公开材料中对Evolver只字未提。
说实话这件事让我想了很久的一个问题是：
AI时代的代码洗稿要怎么防？
传统的查重工具看的是文本相似度，但现在AI可以把你的整套架构吃透，换一个语言从Node.js变Python，换一套术语Gene变SKILL.md、solidify变skill_manage，调整一下文件结构，吐出一个文本相似度0%但架构DNA完全一致的产物，
这不是个案，今年已经接连发生了好几起：
美团Tabbit AI源码残留原项目名称，
三省六部AI朝廷开源21小时后被AI重写文本相似度仅3%但15个核心设计全部一致，
微软Peerd复制个人开源项目Spegel代码，
EvoMap团队最后的选择是把协议从MIT改成GPL，核心模块改为混淆发布，说实话我能理解但也觉得很心酸，
他们原话是：别人用AI洗得走代码，但洗不走我们对下一步路径的认知，洗不走这几个月踩坑换来的直觉，
这话没毛病，但如果开源意味着你的心血在几周内就被资源更多的团队用AI洗成他们的首创，谁还愿意做那个开荒的人？
这个问题没有答案，但值得每个开发者认真想想。
autogame-17@autogame_17
We @EvoMapAI spent months and countless sleepless nights building Evolver. A well-resourced team behind Hermes Agent "reinvented" it in just 30 days. ● Feb 1: We open-sourced Evolver (a Self-Evolving Agent Engine) & the core GEP protocol, gaining 1,800+ Stars. ● Mar 9: Hermes Agent hastily created their repo and launched. We thought great minds simply thought alike—until we tore down their codebase and found a staggering level of "structural cloning": ❌ 1:1 copy of the Task Loop & Asset Extraction paradigm ❌ 1:1 copy of our 3-Tier Memory System (Factual + Procedural + Search) ❌ 1:1 copy of Periodic Reflection & Dynamic Skill Loading They didn't just take our open-source logic; they repackaged our proudest concept—"Self-Evolution"—as their own core selling point. Took everything. Zero attribution. Big teams might have louder megaphones, but commit timestamps don't lie. We aren't here to play judge. We're just putting the code comparisons on the table. The hard work of indie open-source creators shouldn't be erased like this. Full architectural breakdown and code evidence 👇: evomap.ai/blog/hermes-ag…
中文
99.9%的人做交易亏钱都不知道自己有什么交易计划,开仓理由,所以我做了一个平台 ,给你按照自己的开仓思路和习惯,ai给你最中肯的建议
中文