cls trader retweetledi
我只想说一句，这文章太tm牛逼了！
最好的诈骗教程就是看反诈案例。所以这篇做市商操盘案卷，就是最好的跟庄教程！
文中拿了两个经典案例，把 $myx 和 $coai 做市商的收割手法拆出来给你看👇
部分和我抓 $lab 的手法异曲同工，变相验证了里面的方法论
原文英文版，我将关键部分整理在下面了👇🧵
tradinghoe@tradinghoex
中文
cls trader
78 posts
cls trader retweetledi
本周 GitHub 涨星最快的开源项目：
1.mattpocock/skills (+30.9K stars）
真正的工程师技能库。直接摘自我的 .claude 目录
2.forrestchang/andrej-karpathy-skills(+23.1K stars)
仅用一个 CLAUDE.md 文件就能优化 Claude Code 的表现，灵感来源于 Andrej Karpathy 对大模型编程常见陷阱的深入观察
3.Alishahryar1/free-claude-code (+14.7K stars)
让你在终端、VSCode 插件或类似 OpenClaw 的 Discord 机器人中免费使用 claude-code（支持语音输入）
4.Z4nzu/hackingtool (+8.7K stars)
专为黑客打造的 All-in-One 一站式黑客工具包
5.TauricResearch/TradingAgents (+6.0K stars）TradingAgents：基于大语言模型多智能体（Multi-Agents）的金融交易框架
6.huggingface/ml-intern (+5.7K stars)
ml-intern：一个开源的 AI 机器学习工程师，能全自动帮你读论文、训练模型并完成部署
7.abhigyanpatwari/GitNexus (+5.2K stars)
GitNexus：零服务器的代码智能引擎。它是一个完全在你的浏览器中运行的纯客户端知识图谱生成器。只需拖入一个 GitHub 仓库链接或 ZIP 压缩包，就能生成带有内置 Graph RAG 智能体的交互式知识图谱。简直是代码探索的神器
8.lsdefine/GenericAgent (+2.4K stars)
自进化智能体：从仅 3300 行代码的种子起步，自行生长出技能树，用原来六分之一的 token 消耗就能实现对系统的完整控制
9.mksglu/context-mode (+2.3K stars)
专为 AI 编程助手设计的上下文窗口优化工具。通过对工具输出进行沙盒化处理，直接将上下文占用锐减 98%。目前已支持 14 个平台
10.AIDC-AI/Pixelle-Video (+2.1K stars)
AI 全自动短视频引擎
本周趋势总结： claude.md 配置文件和智能体技能树正在成为 GitHub 上新的技术护城河
套利豪仔🗽@pritipatelfgoo
本周 GitHub 热门增长仓库榜单 1.forrestchang/andrej-karpathy-skills (+32.1K Stars) 简介： 仅需一个 CLAUDE. md 文件即可大幅优化 Claude Code 的表现。该项目基于 Andrej Karpathy 对大语言模型（LLM）编码陷阱的深度洞察总结而成 2.NousResearch/hermes-agent (+20.3K Stars) 简介： 与你共同进化的 AI 智能体 3.thedotmack/claude-mem (+7.6K Stars) 简介： 一个 Claude Code 增强插件。它能自动记录 Claude 在编码会话中的所有操作，并利用 AI（基于 Claude 的 agent-sdk）进行压缩，将相关的上下文精准注入到未来的对话中 4.multica-ai/multica (+5.7K Stars) 简介： 开源托管智能体平台。将编码助手转化为真正的团队成员——支持分配任务、跟踪进度以及技能沉淀 5.Alishahryar1/free-claude-code (+4.4K Stars) 简介： 免费使用 Claude Code。支持终端、VSCode 插件或通过类似 openclaw 的 Discord 渠道进行集成 6.jamiepine/voicebox (+4.0K Stars) 简介： 开源 AI 语音工作室。支持声音克隆、语音听写与创作 7.openai/openai-agents-python (+3.8K Stars) 简介： OpenAI 官方出品，一个用于构建多智能体（Multi-agent）工作流的轻量级且强大的框架 8.EvoMap/evolver (+3.8K Stars) 简介： 由 GEP 驱动的 AI 智能体自我进化引擎。通过“基因”、“胶囊”和“事件”实现可审计的进化过程 9.Lordog/dive-into-llms (+3.6K Stars) 简介： 《动手学大模型 Dive into LLMs》系列编程实践教程 10.lsdefine/GenericAgent (+3.5K Stars) 简介： 自进化智能体：仅凭 3300 行代码的“种子”即可生长出技能树，仅需 1/6 的 Token 消耗即可实现全系统控制。 本周核心趋势 Claude Code 进阶技巧与**“自我进化型”智能体（Self-evolving Agents）**正在同时席卷整个开发者生态 💡 建议收藏： GitHub 生态瞬息万变，下周的榜单可能就完全不同了。
中文
cls trader retweetledi
在 GitHub 上挖到一门很实用的开源课：Learn Harness Engineering，专门教你给 AI 编程助手搭一套更可靠的“工作台”。
它把 AI 协作拆成五个关键机制：指令、状态、验证、范围、会话，让每次任务都可追踪、可续接、可验证，不再靠运气出结果。
GitHub：github.com/walkinglabs/le…
官网：walkinglabs.github.io/learn-harness-…
课程结构很清晰：12 节理论 + 6 个实战项目，用同一个桌面应用贯穿推进，边做边演进。
从最基础的对比实验起步，逐步把整套工作环境搭起来；每个项目的产出，直接接到下一个项目继续用，越做越稳。
更贴心的是，它还提供可直接复用的模板文件：拷进自己的项目就能上手，不用完整学完，也能立刻提升 AI 的稳定性和可控性。
如果你已经在用 Claude Code 或 Codex 做真实开发，却总觉得 AI 时好时坏、难以复现，这门课很值得花时间看看。
中文
cls trader retweetledi
本周增长最快的 GitHub 仓库：
1.NousResearch/hermes-agent (+5.1万 stars) 与你共同成长的智能体（Agent）
2.forrestchang/andrej-karpathy-skills (+3.74万 stars) 一个用于提升 Claude Code 表现的 CLAUDE.md 文件，源自 Andrej Karpathy 对 LLM 编程陷阱的观察
3. microsoft/markitdown (+1.45万 stars) 用于将文件和 Office 文档转换为 Markdown 的 Python 工具
4.thedotmack/claude-mem (+1.24万 stars) 一个 Claude Code 插件，可自动捕获 Claude 在编程过程中的所有操作，通过 AI 进行压缩（使用 Claude 的 agent-sdk），并在未来的会话中注入相关上下文
5.multica-ai/multica (+1.06万 stars) 开源托管智能体平台。将编程智能体转变为真正的队友——分配任务、跟踪进度、叠加技能
6.shiyu-coder/Kronos (+6700 stars) Kronos：金融市场语言的基础模型
7.addyosmani/agent-skills (+6400 stars) 为 AI 编程智能体提供的生产级工程技能
8.OpenBMB/VoxCPM (+6300 stars) VoxCPM2：用于多语言语音生成、创意语音设计和逼真克隆的免分词器TTS
9.virattt/ai-hedge-fund (+4700 stars) 一个 AI 对冲基金团队
10.HKUDS/DeepTutor (+4500 stars) DeepTutor：原生智能体个性化学习助手
本周主题： Claude Code 技能包和智能体编排平台已成为开发者的新趋势
点击收藏。下周的榜单将会完全不同
套利豪仔🗽@pritipatelfgoo
本周 GitHub 热门项目飙升榜 1.NousResearch/hermes-agent (+19.8K stars) 能与你共同进化的智能体。 不再是死板的脚本，而是随着交互不断学习成长的 AI 助手 2.siddharthvaddem/openscreen (+12.3K stars) Screen Studio 的顶级开源平替。 完全免费地制作电影级演示视频，零订阅、无水印、支持商用 3.Yeachan-Heo/oh-my-codex (+9.7K stars) 让你的代码库“活”起来。 为代码仓库引入 Hook、智能体团队协作以及 HUD 抬头显示，告别冰冷的文本，打造沉浸式开发环境 4.luongnv89/claude-howto (+7.3K stars) Claude Code 实战全书。 纯干货、可视化示例驱动，从基础概念到高阶智能体玩法一网打尽，还有大量即插即用的模板 5.onyx-dot-app/onyx (+5.6K stars) 全能型开源 AI 对话平台。 功能极其丰富，且能完美适配市面上几乎所有的主流大语言模型（LLM） 6.Yeachan-Heo/oh-my-claudecode (+5.2K stars) Claude Code 多智能体编排利器。 专为团队协作设计，让多个 AI 智能体各司其职、高效协同 7.google-ai-edge/gallery (+4.3K stars) 端侧 AI 应用大赏。 Google 官方出品，展示了各类在本地运行的机器学习和生成式 AI 案例，支持直接本地体验 8.HKUDS/DeepTutor (+3.2K stars) DeepTutor：你的原生 AI 私教。 真正懂你的个性化学习助手，基于 Agent 原生架构打造 9.google-research/timesfm (+3.1K stars) Google 时间序列基础模型。 TimesFM 专注于时序预测难题，是大厂出的预训练重器 10.NVIDIA/personaplex (+2.7K stars) PersonaPlex 官方代码库。 本周主题： Claude Code 的智能体封装及多智能体编排工具正占据主流 建议收藏。下周的榜单可能又是完全不同的局面
中文
cls trader retweetledi
可在 Coinglass 监测 Bitfinex 仓位
coinglass.com/BitfinexMargin
仓位 30 天涨幅超过 15% → 考虑做空，30 天内做空胜率 69%
仓位 30 天跌幅超过 10% → 考虑做多，14 天内做多胜率 62%
叠加其他指标“共振”应该有非常好的效果
leifu _/@leifuchen
中文
cls trader retweetledi
深圳有个22岁的学生，用一部900块的红米手机。
就三月份这一个月，这部手机帮他赚了14700美元。他爸妈到现在还以为他在备考。
手机每隔半小时，自动打开六个中文新闻App。自动翻看新闻标题，截屏，然后把摘要扔给Claude。
AI再把这些新闻和Polymarket上的价格做对比，给出投注建议。
Polymarket→polymarket.com/zh/?r=TGweb333
整个过程，这个学生一行代码都没写。
靠的是一个开源项目叫PhoneDriver。
原理很简单：AI像人一样看手机屏幕，自己判断要点哪、滑到哪。
你只要用大白话把任务描述清楚就行。
手机不需要开任何API，也不用接触App的底层代码。模型只看你看到的那些像素。
这个学生的玩法，说穿了也简单。中文新闻是用中文发的。什么监管动作、贸易决策、经济数据，路透社翻译出来之前几个小时，早就挂在微博和今日头条上了。
而Polymarket上定价的，是英语世界的交易员。中文新闻出来，到市场反应之间，有20到50分钟的时间差。
他用的六个App里，有三个对爬虫见一个封一个。
但PhoneDriver不解析数据，它就像正常人一样用App，只不过比人快，而且不休息。
96%的移动应用都没有公开的API。但每个应用都有屏幕。对PhoneDriver来说，这就够了。
中文
cls trader retweetledi
Claude code source code has been leaked via a map file in their npm registry!
Code: …a8527898604c1bbb12468b1581d95e.r2.dev/src.zip
English
cls trader retweetledi
打造Claude Code的核心开发者@bcherny，最近透露了他们团队天天用Claude的秘诀，我们之前用Claude的方式，全是低效的无用功。
这个秘诀根本不是什么复杂的提示词技巧，就是在项目根目录里放一个CLAUDE.md文件。
文件里不用写长篇大论的规则，就记三样核心内容，项目里之前踩过的坑和犯过的错，团队统一的代码惯例，还有这个项目的专属运行规则。Claude每次开启新的项目对话，都会先完整读取这个文件。
很多人用Claude写代码，每次开新对话都要把项目结构，代码规范，之前踩过的坑重新复述一遍，说少了细节不对，说多了上下文溢出，最后出来的代码还是要改半天。这个文件直接把项目的固定记忆，放进了Claude的默认上下文里，不用每次重复，也不会漏掉关键细节。
完整中英文两个版本提示词放评论区了，大家自取👇
#Claude #提示词工程 #AI效率 #ClaudeCode #AI智能体
Miles Deutscher@milesdeutscher
The guy who created Claude Code ( @bcherny ) recently leaked how his team uses Claude. One CLAUDE.md that you drop into your project. Inside: past errors, conventions, rules - Claude reads it every session. Boris uses this every day at Anthropic:
中文
cls trader retweetledi
今日 GitHub 榜首：一个 Claude Code 插件，单日暴涨了 1000+ Star。
主要用于可视化：
- 当前会话剩余的上下文长度
- 正在执行了哪些工具
- 正在调用哪些子 Agent
- 任务待办事项列表进度
GitHub：github.com/jarrodwatts/cl…
习惯在终端上使用 Claude Code 的朋友，可以安装一个试试。
中文
cls trader retweetledi
港大团队刚刚开源了新项目ClawTeam，让 AI Agent 从单打独斗进化到团队协作。
ClawTeam支持 Claude Code、OpenClaw 等任意 CLI Agent 自主组队、分工、并行完成复杂任务。
应用场景：
- 自主 ML 研究：基于@karpathy autoresearch 理念，8 个 Agent 各占一块 H100，并行跑 2400+ 次超参数搜索，几小时完成原本需要几个月的调参工作。
- 全栈软件开发：一句话需求，自动拆分出架构师、后端、前端、测试，各自写代码，写完自动合并。
- AI 对冲基金：7 个分析师 Agent 同时从价值、成长、技术面分析股票，风控 Agent 汇总决策。
还在让你的Agent单兵作战？试试让他们自己组建团队，效率直接拉满。
仓库地址：github.com/HKUDS/ClawTeam
中文
cls trader retweetledi
刚开始接触 Claude code 的朋友，我强烈推荐你去看看这个项目— learn-claude-code
这个课程不是在教你用 Claude code，而是教你从零实现一个类似 Claude Code 的 AI 编码 Agent
项目分成 12 个 session，每个 session 只加一个机制，代码从几十行逐渐到完整版，每节课都有独立可运行的 Python 文件：
s01. 基础 Agent Loop + 1 个 Bash Tool（最简版，跑起来就行）
s02. Tool 注册与调度
s03. Todo 规划（让 Agent 先想计划）
s04. Subagents（子 Agent 拆分大任务）
s05. Skills 动态加载（需要知识时再注入）
s06. Context Compact（上下文压缩）
s07. Tasks + 依赖图（持久化任务）
s08. Background Tasks（后台异步执行）
s09. Agent Teams（多 Agent 团队）
s10. Team Protocols（团队沟通协议）
s11. Autonomous（自主认领任务）
s12. Worktree + Task Isolation（工作树隔离，完全不互相干扰）
最后还有 s_full.py 把所有功能合在一起
仓库地址：github.com/shareAI-lab/le…
在线学习平台：learn.shareai.run（强烈推荐先打开这个看可视化）
中文 README：github.com/shareAI-lab/le…
中文
cls trader retweetledi
🚨 开源 10 天暴涨 40.5k Stars！AI 已经开始尝试自己改代码、跑实验了。
前 OpenAI 联合创始人 Karpathy 开源了一个很有意思的极简项目：autoresearch。
它向我们展示了一种很有潜力的未来路径：人类用自然语言设定大方向，AI 尝试去跑通“改代码 ➡️ 跑实验 ➡️ 评估 ➡️ 迭代”的科研流程。
以后搞 AI 研究的门槛，可能会比我们想象的低很多。
在这个项目里，AI 承担了类似底层程序员的角色，它的工作流大致是这样的：
1. 根据设定的目标，自主尝试去修改大模型的训练代码。
2. 自动启动一个几分钟的微型训练看看效果。
3. 指标变好就保留代码，跑崩了就直接回滚重试。只要在框架内，这个循环就能一直跑，中间基本不需要人去手动干预。
这个项目给人比较大的启发，其实是人机互动方式的转变，也就是从敲代码向写 Prompt 的分工转移。
人类的主要精力可以从死磕繁琐的 Python 文件，转移到维护一个 Markdown 文本上。只要在这个文档里把背景、目标和规则定义清楚，剩下的代码级试错，大多都可以交给 AI 去完成。
虽然目前它还只是一个单卡运行的微型概念验证，但已经能看出 AI 自主研发的初步轮廓了。
对于关注 AI 未来趋势、或者想探索自动化工作流的朋友来说，这是一个比较好的观察基准，代码不复杂，思路清晰。
🔗 推荐去原仓库逛逛：github.com/karpathy/autor…
中文
cls trader retweetledi
cls trader retweetledi
看到有人把川普的推文全部量化，這件事簡直了。
⠀
7,400 篇推文，拆成 316 個特徵，跑了 3,155 萬組模型。多數人還在每天盯著新聞憑感覺做單，很累，又很容易錯。但這專案的思路完全不同，這才是做交易的樣子。
⠀
把市場的雜訊，變成可以回測的數據，這本身就是交易者該有的基本素養。
⠀
專案裡一個反直覺的發現最屌：大跌前一天，川普的語氣反而更正面。
⠀
為什麼？
⠀
因為市場要消化利多消息，流動性最夠的時候，正好是大戶出場的最佳時機。感覺到被安撫時，他們看到的是賣出的機會。同一個時間點，方向完全相反。
⠀
比起陰謀論，這更像是市場微觀結構的基本邏輯。
⠀
散戶交易的是字面上的情緒，機構在算的是情緒背後的流動性結構。利多出來，大眾容易覺得市場要漲了，興奮地進場，他們手上的大筆部位正好需要這類買盤來接手，順勢賣出，剛剛好而已。
⠀
那這個工具現在該怎麼用？
⠀
千萬不要把它當聖杯。任何 Alpha 一旦被大眾知曉，統計優勢會縮小得比預期還快。若直接串 API 等著自動賺錢，這條路遲早會因為滑價跟過度擬合而被迫畢業。
⠀
比較實際的用法，是把它當成一個濾網。
⠀
用那些統計出來的規律，例如從威脅「關稅」到釋出「交易」訊號，中間有 17.4 小時的冷卻期，來判斷什麼時候不要手癢去追高殺低，或者調整手上部位的出場時機。這比期待精確的進場點，要實際得多。
⠀
這個專案的價值，在於血淋淋地展示了市場的真實結構，而非僅僅是提供一個川普財富密碼。
⠀
一邊是看故事做夢的散戶，一邊是算機率倒貨的機構。這是在跟機器人還有量化團隊對賭，人家連總統老闆的情緒都算得一清二楚。
⠀
若還在憑感覺，虧損的結果，真的只是剛好而已。
中文
cls trader retweetledi
Anthropic 刚放出一份 33 页 的 Claude trading agents 文档。
然后有人昨晚试了一件事：
让 Claude 直接搭一套 Polymarket 交易工作流
结果 10 小时 后，脚本已经赚了 $561
目前胜率大约是 71%
这件事最有意思的地方，其实不是利润
而是架构
这套系统做的，不是让 Claude 每次都临场判断
而是把 Claude 拆成一组 专门处理交易环节的 skills
每个 skill 都是一个独立模块，里面包含：
• instructions
• scripts
• reference data
当对应的触发条件出现时，对应的 skill 就会自动激活。
不需要人工手动 prompt
整个 skill architecture 也很清晰
每个模块只负责一段固定流程：
市场扫描
概率更新
执行逻辑
而且 Claude 不会一开始就把所有内容全部加载。
它会先读取最少量的 metadata，只有在真正需要的时候，才拉取完整指令。
这样做的结果就是：
速度更快
但依然保留 专门化逻辑
这套工作流会在特定市场条件出现时启动
素材里给出的触发条件包括：
• probability deviation
• abnormal volume
• rapid price shift
一旦触发，系统就会按预定义好的多步骤流程执行。
这个 agent 做的事情是：
• 读取市场概率
• 把市场概率和模型估算值做比较
• 当 EV 为正 时开仓
• 自动管理退出
重点就在这里
因为交易流程本身已经写进了 skill，所以 bot 的行为会更一致
不是随机 prompt
不是临时猜
也不是一次次从零开始做判断
按这段素材的意思，真正的优势其实是 自动化
它不是每笔交易都重新解题，而是把同一套优化过的流程，反复跑进不同市场里。
最后得到的效果就是：
更少的 prompt complexity
更高的一致性
以及一台 不会疲劳的交易引擎
你觉得这种把 Claude 拆成 skills 来跑交易流程的方式，会不会比直接让模型临场做买卖判断更有效？
0x_Miko@Mikocrypto11
中文
cls trader retweetledi
收到很多私信问：大暴跌亏麻了，小资金怎么翻本？
1.戒掉合约，不要再去赌！ 2.低成本参与即将发币的项目
当大家都不撸毛都不参与项目，你去参与你就赚钱了。
-去哪里找即将发币的项目？
币圈版最强chatgpt @surfai 列出来了对于项目的预测，并且有一栏是预测上线FDV和币安上市概率，也就是你的参与回报比。小项目花再多时间死磕也没用，抓住几个大项目，每天花几个小时参与，能上币安大所，如果赚不到10w你来找我。
-如何参与这些项目？
以 融资了2000w的 @openmind_agi 为例，机器人ai基础设施项目。
1.刚开放了在网站上mint nft ： fabric.openmind.org/profile
2.下载app每日通过走路赚取积分，最高11积分/天。
3.参与总奖励池$250,000的开发者联盟计划
我已经开始弄了，我看到排名靠前的都是越南人，越早参与越好。后面还有远程控制机器人的功能，根据积分排名给机会，之前我也写过文章去分析他们的模型。
@surfai 列出来的其他高概率上币安的项目，我后面会持续跟进。
中文
cls trader retweetledi
cls trader retweetledi
$AUCTION 下跌的有趣现象
—— 来自TZC的分析
今天AUC终于暴跌了，但情况很有趣
CVD一直上涨（主动买单>主动卖单）
费率持续向上（多头相对于空头数量增加）
持仓量增加（总合约数量增加）
可以得出结论：多头主动开仓居多，现货主动买盘居多
但价格愣是一直下跌，原因是什么？
首先理解CVD，累计成交量增量（cumulative volume delta）的计算方法
Taker Buy Volume - Taker Sell Volume
主动买单成交量减主动卖单成交量
挂单和挂单之间是不能成交的
挂单必须和主动单成交
因此我们会认为是主动单驱动价格，而非挂单驱动价格
当BTC CVD上涨，通常也是价格同步上涨（而且是“真涨”，合约驱动的上涨被打回原形的可能性很高）
不过AUCTION的情况比较特殊
这个币的现货几乎全在庄家手里
因此如果庄家不进行主动卖出，就几乎没有主动卖单
那么只剩了主动买单（无论是庄家假动作还是散户抄底）
虽然主动买单并不是特别多，但主动卖单特别少
如果比特币是 +500，-500，AUC可能是+10，-1
所以可以看到CVD是一直上涨的
但为什么CVD一直上涨，价格还会一直下跌
因为庄家一直在盘口靠近市价位置挂超大的卖单
当主动买单冲击被动买单，被被动卖单吸收
出现短时间的流动性真空后，被动卖单会向下继续逼近
因此没有任何主动卖出，价格却一直下跌
这里主动买单成交量越多，意味着越多的被动卖单成交
庄家手里的货源源不断，所以一直在盘口挂新的卖单
因为成交量也很高，判断这里的卖单不仅是为了向下压价，确实有成交意图
因此庄家在这里是真出货的概率很高
无论是散户抄底现货，还是合约接多，都成为了庄家出货的退出流动性
出完货接下来怎么走，目前判断不了
或许就此弃盘，或许底部横盘吸筹做二段
我们只能对正在发生和已经发生的事情进行判断
未来庄家怎么做取决于
1.货倒没倒完 2.散户做空情绪浓不浓厚 3.钱赚没赚够
AUC今天给我们上了一课
和TRB插针后直接暴跌不同，AUC的操盘方式更隐蔽，更具有欺骗性，利用正CVD和上涨持仓量掩护现货的卖出
体现出了加密骗局日益精湛的骗术
通过订单流，我们才窥伺到庄家采取了如何的操盘手法，并做出对应解释。
中文