攞錢 lo2cin4

整合 Threads，记录了我们提供的各种交易知识和工具：

在研究 autoresearch，我看着是一个可以自设量化标准而不断修改代码/Skill/Agent/文档之类的方法。 其实我也有用类似的东西但没这麽系统化，例如我写文章时，都会叫 AI 分析这篇文章的易读程度、情感调动等等，打个分，要过分数才合格。 不过我发现的是 AI 经常打分都会通过 ( 考虑到文章本来就经我设的 agent 修剪过，这倒合理 )

@practice_y11 stripe居然不支持台灣！第一次知道

認真覺得 台灣對個人開發者很不友善 我申請了幾家金流 要用在 SAAS 服務的網站 每家都是失敗 不可用 Stripe 也不支持台灣 PayPal 能支持海外 但台灣用戶居然不能買🤣 所以搞毛線？有啥解 匯豐港卡 也必須飛一趟

Google 刚发佈了 5 个设计 Agent 和 Skill 时的秘诀： 1. 把重複使用的代码库和规范包装成 Skill 2. 建立模版，让 agent 输入和输出可以更具规范 3. 建立检查清单，agent 完成任务后再打分，避免任何漏洞 4. 让 agent 向你发问，搞清楚细节再行动 5. 将大任务拆分为多个小任务，并建立检查点，方便回朔 =========== 以上的做法和我自己摸索，踩完坑后的解法基本一致，只说幸好自己在玩 AI 的时间没有浪费： 1. 建立 Skill 是想减少 token 花费，只阅读必要资讯便马上行动，以免上下文过长而失忆； 2. 建立输入输出模版，可以方便 agent 之间互相沟通 3. 检查清单是为了确保每次输出尽量一致，不会缺少任何资料 4. 让 AI 确认细节是因为 AI 很容易自我发挥，但理解需求错误 5. 拆分任务则是令每次 AI 犯错的修復成本大幅降低。 本质上，大部份都是防止 AI 会失忆的补救措施。 我对目前 AI 的定位与一年前没有变，还是那位能力很强，但你必须自己也要具备对应知识，要保持监督，持续下命令，否则就会失控的初级职员。 所以 AI 未来一定会抢走很多初级职位，但高级职位会愈来愈重要，而且有机会回到学徒制： 每家公司每次只会培训一到两个初级职员，他们跟着资深员工学会对应知识和如何操作 AI 后就可以晋升，然后一代传一代。 原文 @GoogleCloudTech

@practice_y11 是的，我都只是用來做日常工作🤣

@lo2cin4 真的要寫的代碼 就不要用次級模型了

大家都知道 Claude Code API 貴 平常人大都都用不起 會找一些相對便宜的來平替 但有沒有想過用 20U 的訂閱完成大效益？ 你可以嘗試用 Claude Code CLI 寫腳本 腳本寫好後 丟給 OpenClaw 簡單告訴他： 請幫我定期執行這個腳本 並回覆我結果 我用 Gemini 2.5 flash 就能跑的香 回應又快又好用 一個月調用下來才 3U 🤣🤣

gmail 只要在電郵內加"."就會被界定為不同電郵，但還是在用同一電郵接收郵件； 或者用"+"號也行，這就連outlook也能無限帳號。 舉例： xxxyyyzzz@gmail.com xxx.yyyzzz@gmail.com 可以申請兩個免費openai帳號登錄codex xxxyyyzzz@outlook.com xxxyyyzzz+1@outlook.com 也一樣 可惜的是免費現在只能用到5.2codex了，沒5.3和5.4那麼強

@lo2cin4 電郵大法？怎麼說！

@MrRyanChi 看到標題以為又是一篇嘩眾取寵的文章，點進去發現頗有料 但裡面的數學要再研究研究 看懂了但實際操作不知道如何

True

@traderwanwan 分類跟我差不多 我之前還根據了某篇國外文章，把reviewer挑刺的能力提到無限高，然後再加一個裁判去判斷它挑的刺有沒有道理😂

寫了一個簡單的專案 解決讓 AI 自己審自己的 code 的問題 目前往往Ai下的決策已經大部分都可以被採納了，有時候會為了詢問意見而詢問，明明大力推薦 A選項，卻還是硬要生B C選項給我。 專案 Archestrator 做的事情是把這條「一個 AI 包辦一切」的流程，拆成四個完全獨立的 Claude session CEO 負責跟我對話、定義目標和驗收標準，以及最高priority 的規定。 Planner 拿到目標後拆解實作計畫。 Coder 照著計畫寫 code，寫不動會自己舉手說卡住。 Reviewer 唯讀審查，只能挑問題，不能自己動手改。 每個 session 只看得到自己該看的東西，權限邊界劃分好，並且權限給他開下去，讓他們自我迭代，結束以後再統一跟我回報，真的有無法決定的問題才來問我。 挺不錯的，等多開發一些項目以後再來分享更多心得！

@Balloon_Capital 我這兩年做了大量可盈利的策略 全部回測甚至連框架都是用 AI 寫的😋

@agintender 感觉现在的所有学习都是受制于上下文记忆问题

比起怎么学“术”，现阶段新人可能先了解“道”会更合适（变化没这么快） 比如知道LLM的工作原理，时间序列，知道什么是上下文，啥叫蒸馏，什么是约束条件，消耗的token到底是啥…. 你就知道为啥幻觉不可避免？你就知道为啥有人从token的消耗情况推测有AGI？你就了解为什么现阶段是专用Agent，而不是一个Agent做完所有工作等等 比起这些，普通人最大的alpha其实是借助AI快速了解一个前沿/专项领域

@If_Antarctic 生日快樂！

明天就要正式迈入 20 岁啦！🎂✨ 真正入坑 Web3 满打满算也才近半年的时间，但感觉认知已经翻天覆地。 作为送给自己的礼物，写了这一份极其真诚的【Web3 入圈觉醒复盘心得碎碎念】 其实我从来不是什么标准的“乖乖女”或“做题家”，可能和我的长相非常反差， 我的人生主打一个【野蛮生长】 曾因为一些不可抗的原因导致了重度抑郁重度焦虑，我错过了初三到高二近两年半的学业，最后仅凭高三一年的死磕，硬生生把自己塞进了上海的一本。 大学连续三个学期，我凭着那股“使不完的牛劲”和（也许是太过追求完美）的态度连续拿了三个专业第一 🥇 但是当时我对未来的想象从现在看来真的很局限—— 无非就是卷绩点、卷校内比赛、争取保研去个更好的学校（但是也并没有想清楚意义…） 直到机缘巧合下，我翻过了那堵墙，一头撞进了 Web3 的世界。🌍 毫不夸张地说，这短短的时间，我清晰感受到我的思考维度和商业认知被硬生生拔高了好几个量级。 最真实的体感是：认知的折叠与撕裂 当身边的大部分同龄人还在每天讨论吃喝玩乐，或者把 AI 当百度查资料时， 我已经下意识地开始拆解一个项目的落地性和底层商业逻辑闭环；甚至开始琢磨怎么用 AI 搭建一套完整的模式体系，把自己当成一家公司来极速运转，提高整体效率。 真真切切的感受到了打破信息茧房带来的力量💪 这种认知进化的正向反馈太让人上瘾了！🤯 现在每天都有超级多想钻研的新内容，经常晚上兴奋得根本睡不着觉，前阵子常常一天只睡 3 到 5 个小时。 真的感觉一天 24 小时完全不够用！ 悄悄说：甚至连明天的 20 岁生日都有点不想出门，只想宅在家里继续研究我的新系统🤣） 20 岁的新篇章，我想彻底打开自己！🚀 作为一个“极度抗造的科班设计师 + 跨界Changemaker”， 我深知无论是 Web3 还是 AI， 这些新兴行业都太需要兼具【顶尖视觉审美】与【真实落地造血能力】的新血液了。 打破行业的次元壁，带来新的破局思路，这就是我最兴奋的事！💥 因此，我对 Web3、Finance、AI、艺术审美、哲学、甚至量子力学 都有着极其旺盛的探索欲！跨界，就是要把一切看似不相关的高维知识，融合成我自己的武器库！ 超级欢迎各位前辈、老师、同频的 Builder 们一起来交流碰撞！不管是聊项目、聊商业逻辑还是聊哲学，请尽情用信息量砸向我！🧠🔥 欢迎点赞/评论/RT，我都会认真看、认真回关！让我们在更高维的图层相见吧！ 👇最后附上一段还十九岁的小if的珍贵影像！ #Web3 #AI #Builder #超级个体

@practice_y11 你要研究基本面嗎？ 量化的話可以簡單一些 而且很多學術論文都是以美股作為案例，所以體系很成熟了，有興趣鑽研的話我可以介紹一些給你

最近因為一些原因 開始學傳統金融 股票 基金 ETF 之類的 我才發現 怎麼 TMD 這麼難 配息 配股 除息 除權 除權息 填息 貼息 殖利率 本益比 EPS 折價 淨值 配息型ETF 交割 誰說 Crypro 很難的 傳金我是一點都不懂啊 有沒有學習管道？ 還是直接 ALL IN 台積電算了？

【 用 AI 组成一人公司 Day 75 】 进程报告 🚀 还是加了个长註程式在后台监控，一但有agent inbox 给另一个 agent 就会启动新对话框并自动输入 prompt。 另外我发现 codex 5.2 自动帮我补充了一些流程警告通知，连我都不知道，吓了一跳 😲

@If_Antarctic 不用多看 簡單了解便好 K線沒太大用

我将学习🫡

@agintender 然後發現整個策略全靠各種先驗機率的主觀判定🥹

比起那些复杂的预测市场公式和套利模型，这个才是普通人能碰到的 如何把文章里面提到的基础概率（Base Rate）、贝叶斯定理（Bayes' Theorem）、期望值（EV）和凯利公式的公式、理论串联起来应用？ 假设在某个预测市场上，有一个关于“候选人 A 是否会被专家会议选为下一任伊朗最高领袖？”的预测项目。 市场规则：如果候选人 A 当选，每份“是（Yes）”合约将结算为 $1.00；如果未当选，结算为 $0.00。 当前市场价格：每份“是”合约的价格为 $0.40。这意味着市场隐含的当选概率（Market Implied Probability）为 40%。 我们将通过基础概率（Base Rate）、贝叶斯定理（Bayes' Theorem）、期望值（EV）和凯利公式（Kelly Criterion）来推导我们是否应该交易，以及应该投入多少资金。 第一步：确定基础概率 基础概率是指在没有考虑任何近期具体情报的情况下，基于历史数据或客观统计得出的先验概率。 设定：通过研究过去几十年伊朗政治权力交接的统计数据（用AI分析此时成为领导人的条件），我们发现具有候选人 A 类似背景（跟军方关系好、是前领导人的儿子等等）的人，最终被选为最高领袖的历史概率为 30%。(直接问AI即可） 我们将其设为先验概率 P(A)： P(A) = 0.30 对应的，他不当选的概率为 P(neg A)： P(neg A) = 1 - 0.30 = 0.70 第二步：使用贝叶斯定理进行算法更新 贝叶斯定理用于在获得新证据（Evidence）后，更新我们对事件发生概率的认知（后验概率）。 新证据 (E)：今天，专家会议中一个极具影响力的关键派系公开发表声明，赞扬候选人 A 的宗教造诣和领导力。 我们需要评估这个新证据的权重： P(E|A) (似然度)：如果候选人 A 确实是内定的下一任领袖，该派系公开发表这种赞扬的概率有多大？AI评估为 80% (0.80)。 P(E|neg A) (假阳性率)：如果候选人 A 不是未来的领袖，该派系仅仅出于政治客套或其他原因发表赞扬的概率有多大？AI评估为 20% (0.20)。 现在代入贝叶斯公式求后验概率 P(A|E)（即在看到赞扬声明后，A 当选的更新后概率）： P(A|E) = {P(E|A) · P(A)} / {P(E|A)· P(A) + P(E|\neg A) · P(\neg A)} 演算： 分子：0.80 * 0.30 = 0.24 分母：(0.80 * 0.30) + (0.20 * 0.70) = 0.24 + 0.14 = 0.38 后验概率： P(A|E) = 0.24 / 0.38 = 0.6316 经过贝叶斯更新，认定候选人 A 当选的真实概率 p 飙升至 63.16%。 第三步：计算期望值 (Expected Value, EV) 期望值用于衡量这笔交易在数学上是否有利可图。当前市场价格为 $0.40（隐含概率 40%），而我们计算出的真实概率为 63.16%，显然存在套利空间。 成本 ：$0.40 潜在净利润 ：如果赢了，获得 $1.00，减去成本，净赚 $0.60。 潜在损失 ：如果输了，损失购买成本 $0.40。 胜率 (p)：0.6316 败率 (q)：1 - 0.6316 = 0.3684 期望值公式： EV= Σ (probability × payoff) 演算： EV = (0.6316 * 0.60) - (0.3684 * 0.40) EV = 0.37896 - 0.14736 = 0.2316 买入一份合约的期望净收益为 $0.2316。因为 EV > 0，这是一个正期望值的押注，值得投资。 第四步：使用凯利公式进行仓位管理 (Kelly Criterion) 既然决定要买，该买多少？凯利公式可以帮我们在最大化复利增长的同时，避免破产风险。 标准凯利公式： f^ = bp - q / b 其中： f^：应该下注的资金占总本金的比例。 b：赔率（净利润与可能损失的比率）。在本例中，投入 $0.40 赚取 $0.60，所以 b = = 1.5。 p：胜率 0.6316。 q：败率 0.3684。 演算（全凯利）：f^ = （1.5 * 0.6316 - 0.3684） / 1.5 = 0.386 应用 1/4 凯利策略38.6% / 4 = 9.65% 假设你的总本金依然为 $10,000，按照 1/4 凯利公式，你应该拿出总本金的 9.65%，即 $965下注 购买合约数量：在每份 $0.40 的价格下，你将买入：2,412.5 份合约 你学会了吗？

有趣的是，在如今这个高度理科化、AI 主导的时代，反而是文科相关的能力变得越来越稀缺，也越来越珍贵：例如洞察问题的本质、斟酌用词的精准度，以及进行系统性思考的能力。 最近学到一个小技巧，当你希望让 AI 帮你找出某件事物/作品/方案的改良空间时，不要直接问：「这个东西有什麽缺点？」「有哪些可以改进的地方？」 更好的问法是：「研究/分析这件事物，在 XX 层面上你有什麽发现？」或是：「从 XX 的角度来看，这件事物呈现出哪些特徵或现象？」 前一种问法容易让 AI 为了「回答有内容」而勉强找出一些缺点（有时甚至显得牵强）； 后一种问法则引导 AI 更自然、客观地描述观察到的现象。 之后你再自己根据它的分析去判断哪些部分有优化空间，通常会得到更中肯、有深度的回馈。

@If_Antarctic 年輕時對8小時睡眠不屑一顧 25歲後睡少一小時翌日都會沒精神🥲

刷到这篇狠狠被点醒了😭。 前两天还在发 meme 自嘲脑子满负荷运转，身体拖后腿（毕竟之前经常发疯每天只睡 3 小时）。 改过自新！从今天开始不再把身体当耗材，好好睡觉，建立系统！🫡（虽然我昨天又就睡了一个小时但是发誓今天开始一定好好睡觉😭）

中国地方政府推 Open Claw，我觉得有些走火入魔了。 OpenClaw 对 AI 新手其实不太友好，很容易就发生安全问题。

剛確認，codex 偷偷把免費用戶的 gpt 5.3 和 5.4 功能刪除了 目前免費用戶在它的 IDE 最高只能用到 5.2 🥹