Sabitlenmiş Tweet
深褝
2.8K posts
深褝
@deepzen66
元亨利貞。因为好奇，所以想象。因为想象，所以推演。 ＊神留下印记，是为了给迷茫的人类指引未来的方向。＊
Minato-ku, Tokyo Katılım Şubat 2011
837 Takip Edilen417 Takipçiler
leifu _/@leifuchen
昨天转发了一篇用 Deribit 波动率曲面推导 Polymarket 二元期权定价的思路。一位做 PM 自动化交易的大哥@jtrevorchapman 告诉我，他几个月前试过类似的路径，结论是在 15 分钟尺度上，波动率曲面能给的信息，市场微结构信号可以更快更准地捕捉到。 我赶紧去看了大哥的实盘，发现他当前使用的交易系统表现非常优秀，盈利因子 4.29（每亏 $1，能赚回 $4.29），胜率 93%，而且他有问必答毫无保留。 热心哥的核心系统是一个三层架构：记忆 → 信号 → 防御 1. 记忆层 每个 session 开始，先扫描最近 30 +个已结束的 session，找出最像当前盘面的历史 session。比如当前 BTC 价格在某个位置、波动率是某个水平、市场情绪是某个状态，在过去类似的session中，最后结果是 UP 赢得多还是 DOWN 赢得多？如果是 UP 多，那么系统会带着这个“历史经验”（先验偏差）进入下一层。 2. 信号层 这层关注实时数据，每秒钟运行8-12条规则，然后独立投票UP / DOWN + 置信度（0-100%）。这些规则中热心哥认为 CVD（累计主动买卖量差）是预测力最强的单一指标。其他还有预言机报价距离、 Binance 动量、订单簿不平衡、UP / DOWN 代币价格走势（反映 PM 上所有参与者的集体判断）。 所有规则按置信度加权，得出方向和综合置信度，如“方向 YES，综合置信度约 65%”。 3. 防御层 方向确定后，用五个因子算出一个 0-1 系数，直接乘到仓位上，1 就是全仓执行，0 就不做。所以同样一个"65% 置信度 YES"的信号，根据防御层的评估，仓位大小也会有区别。这五个因子如下： - CVD 同不同意？如果信号层说 UP，但 Binance 上的净卖压很大（CVD 不同意），仓位直接大幅压缩。CVD是热心哥极其看重的因子，在session混乱的情况下（预言机报价反复穿越基准价格 5 次），CVD 甚至有一票否决权（系数降为 0）。 - 距离基准价格多少？如果 BTC 现价和基准价咬得很紧，说明随时可能翻盘，需要压缩仓位。 - session 剩多少时间？如果只剩最后两三分钟，任何突发波动都来不及反应，风险陡增。 - 当前 session 预言机报价反复穿越了基准价格几次？超过 5 次就算混乱。混乱市场里信号可靠性大打折扣，仓位要激进压缩。 - 当前入场价的利润空间够不够？入场价越高，对胜率的要求也越高，所以系统在高价位时对信号可信度要求极高。比如 $0.95 入场时，只允许最无歧义最干净的信号通过。 除了核心系统之外，热心哥还提过几个额外细节： - 只做 BTC，不做 ETH 市场，估计是 ETH 的信号不稳定 - 用 40 天、每 200 毫秒记录一次的数据做回测，发现在 session 剩余 6 分钟的时候指标才开始可靠。他用这个来衡量反转风险，过滤掉不该进的session。 限于时间没有全部整理完，他时间线上还有很多细节，推荐去翻翻。原文来自这篇回复： x.com/jtrevorchapman…
中文
@deepzen66 @TGweb3333 会好一点 但是也不是太理想
Hong Kong 🇭🇰 中文
Polymarket上有个账户闷声发大财，只用50美元本金，愣是滚到了43.5万美元，这事居然没几个人聊。
我把它的操作逻辑扒了个底朝天，还让Claude照着同款策略，花40分钟就搭出了一个功能差不多的机器人。
核心原理特别简单：Polymarket更新BTC合约价格的速度，比真实市场行情慢半拍。
机器人一边盯着TradingView和CryptoQuant的BTC预测数据，一边捕捉Polymarket价格滞后超过0.3%的瞬间，在市场价格追上来之前，用不到100毫秒的速度完成交易，每秒能处理1000多笔订单，每笔交易只冒0.3%-0.8%的风险。
风控也做得很死：单笔交易风险控制在0.5%，单日总风险不超过2%，跑下来每天能稳定赚400-700美元。
而且这机器人直接本地就能跑，不用云端服务器，也不用GPU，纯靠Rust写的，效率拉满。
就想问问，这种机器人收割的好日子，还能持续多久？
如果还没有自己的交易机器人，跟单交易是个不错的选择，跟单入口：t.me/PolyCop_BOT?st…
中文
要想认真完AI，还得多赚钱，今天我测试Gemini Deep Research的API，很好啊。但看下价格，每次提问平均是3美元，5~7分钟完成。我还是在网页键盘问吧，这价格API问不起。
中文
@mranti 你没有三头六臂，个人助理当然也不需要。需要三头六臂是真正干活的claude军团。
x.com/deepzen66/stat…
深褝@deepzen66
对的，openclaw 只是我们的专业助理，可以协助我们指挥Claude code 干活，专业的事情交给专业的担当才是正确选择
中文
我弄好了OpenClaw的多进程后，先开始双进程，然后再随着自己的效率增加再增加线程。OpenClaw是Claude Code诞生之后，第二个开挂效率工具。它已经不能仅仅定义成Coding工具了。
中文
OpenClaw（前 Clawdbot / Moltbot）这东西确实猛：本地跑、接 WhatsApp/Telegram、自动清邮件、盯盘、写代码、订机票……但 token 吃得像我老婆买包——一天几百万 token 不是梦。Reddit 上有人 6 小时 Opus 4.5 烧 $170，GitHub discussion #1949 里天天哭穷，月账单 $100-300 很常见。Anthropic/Claude 按量贵得离谱，$15-75/M tokens（input/output），agent swarm 一开，成本指数级爆炸。
但别慌，2026 年模型价格雪崩 + OpenClaw model-agnostic 设计，让你能把月成本压到 $0-30，甚至 $0。以下是深入调研后的“穷人版”降本全攻略（基于 OpenRouter、Groq、Gemini、DeepSeek、Ollama 等最新数据 + 社区真实案例）。
1. **先关掉烧钱开关（立即省 50-80%）**
- 温度调低：temperature=0.0-0.2（默认高会 hallucinate 狂循环）。
- 关 vision/sub-agents：别让它看图/开多线程，除非必须。
- 短上下文 + 总结：用 short-term memory，只传必要 history。
- 加 caching：OpenRouter 启用 caching（重复 prompt 免费），GitHub 上很多人说省 30-70%。
- 限速 + 优先级：设 low-priority model，只复杂任务 fallback 高端。
→ 很多人光调这些，账单直接腰斩。
2. **免费/超高额度通道（$0 起步，首推）**
- **Google Gemini 2.5 Flash / 3 Pro**（via Google AI Studio 或 Antigravity 插件）：免费额度百万 token 级，上下文 1M+，推理已追平 Claude Sonnet。OpenClaw 里 `openclaw models auth login --provider google-antigravity` 或填 API key。社区反馈：24/7 bot 基本不花钱，速度快，agent 任务稳。
- **Groq**（Llama 3.3 70B、Mixtral、DeepSeek 等）：免费 tier RPM/QPS 超高，几乎无限。console.groq.com 注册 key，OpenClaw OpenAI-compatible 直插。延迟最低，适合实时。
- **OpenRouter 免费模型**（openrouter.ai/models?q=free）：MiMo 309B MoE、Devstral 2、DeepSeek R1T2 Chimera free、Arcee Trinity 等几十个 $0/M。能力已匹配 Claude/GPT-4o 部分场景。填 OpenRouter key，base_url openrouter.ai/api/v1。
→ 调研显示：80% 用户切这些后月成本 $0-10。
3. **超低成本付费通道（$0.05-0.50/M，10x 便宜）**
- **DeepSeek V3.2**：$0.25-0.38/M input/output，推理超 GPT-4o 很多 benchmark。OpenClaw 直用。
- **Kimi K2.5**（Moonshot）：新用户 15 元免费，后续极便宜（尤其是 reasoning + vision）。base_url api.moonshot.cn/v1。
- **Fireworks / Together.ai / SiliconFlow**：开源模型路由，$0.10-0.50/M，专为 agent 优化。
- **OpenRouter 低价模型**：DeepSeek、Qwen、Seed Flash 等 $0.05-0.50/M。自动 fallback + uptime 优化。
→ 社区案例：从 Claude Opus 切 DeepSeek + OpenRouter，成本降 80-90%，性能只掉 10-20%。
4. **终极 $0：本地跑 Ollama / LM Studio（电费而已）**
- 装 Ollama（ollama.com），跑 Qwen3-72B / Llama 3.3 70B / DeepSeek-Coder-V2 等。
- OpenClaw 支持 auto-discovery：`ollama serve`，然后 provider 设 ollama，base_url http://localhost:11434/v1。
- 你的老 Mac（16GB+ RAM）跑 7B-13B 流畅，32GB+ 试 70B。量化版（Q4/Q5）速度快。
- 混合用：80% 日常任务本地小模型，复杂 reasoning fallback 云端（OpenClaw 支持 multi-provider routing）。
→ Reddit / YouTube 教程满天飞，很多人说“本地 + 云 fallback” 是终极省钱法，隐私拉满。
5. **进阶省钱技巧（社区高玩玩法）**
- Model failover：config 里设 primary Gemini/Groq，fallback DeepSeek。
- Skills 优化：只装必要 skill，关掉 auto-run cron jobs。
- 监控 token：装 quota skill 或日志看用量，设 alert。
- 专用机 + 定时 update：老 Mac 跑本地，省电费也省 token。
中文
@Max4FreeSpeech @YukerX 在你的.env环境变量中设置: ANTHROPIC_BASE_URL=open.bigmodel.cn/api/anthropic,以及ANTHROPIC_DEFAULT_OPUS_MODEL=GLM-4.7
ANTHROPIC_DEFAULT_SONNET_MODEL=GLM-4.7
ANTHROPIC_DEFAULT_HAIKU_MODEL=GLM-4.5-Air
ANTHROPIC_API_KEY=你的GLM的key
在bot.mjs最上面加上import "dotenv/config"; 就可以用了。
中文
深褝 retweetledi
