Dawson

Full Stack Developer(Go, Java, Python, Vue and React) | MSc in AI @Stockholm_Uni

[小猪勇闯外部山 @flying_piggy1]

上周开始尝试多号做 LP

每天用 3 个地址在 @Polymarket 赚流动性奖励

其中A是之前闲置的老号，B/C是用前两周盈利开的新号

单号初始本金均 200U 左右

一周收益如图，单号平均盈利 50U+💰

今日从 3 个账号一共提现 220U+，开出第3个新号

滚雪球模式稳步推进📈
期待下周解锁更多新号😍
继续慢慢复利🌱

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

开源 TTS 卷到这个程度了？园区诈骗又有新武器了？

清华 OpenBMB 放出 VoxCPM2，20 亿参数，200 万小时多语言数据训练，48kHz 录音棚级音质。

关键是——不用 Tokenizer。

传统 TTS 先把音频切成离散 token 再生成，信息损失不可避免。VoxCPM2 直接在连续潜空间里做扩散自回归，音色细节保留得更完整。

几个硬指标：

- 30 种语言 + 9 种中文方言
- RTX 4090 上实时率 0.13，流式输出几乎无延迟
- 用自然语言描述就能凭空创造声音，不需要参考音频
- 声音克隆还能调情绪、语速、表达方式
- Apache 2.0 协议，商用友好

最狠的是「终极克隆」模式：给一段参考音频 + 文本，连呼吸节奏、口癖这种微妙细节都能复刻。

GitHub 已经破万星，之前连续霸榜 GitHub 和 HuggingFace Trending。

播客、有声书、游戏配音、短视频旁白——开源方案已经够用了。

https://t.co/SlEimVxLez

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

这个牛逼！预测K线走势，以前靠经验、靠指标、靠玄学。

现在有人用 AI 基础模型来做这件事了。

Kronos——第一个开源的金融K线基础模型，训练数据来自全球 45+ 家交易所，专门针对 OHLCV 蜡烛图做时序预测。

工作原理：

1. 把连续的K线数据转成离散 token（类似 LLM 处理文本的方式）

2. 用 Transformer 自回归预测未来走势

3. 支持概率预测，通过多次采样给出置信区间

4 个模型规格：mini（4.1M）到 large（499M），上下文窗口最大 2048 token，可以批量并行预测多个币种。

关键是这东西开源、MIT 协议，还支持微调。你可以拿自己的交易数据 fine-tune 一个专属模型，再接入 Qlib 做回测。

官方 Demo 已经在跑 BTC/USDT 24 小时预测了。

说白了，这就是把 GPT 的思路搬到了金融K线上——用海量历史数据训练，让模型学会"读K线"。

做量化的、做策略的，值得跑一下看看效果。

🔗 https://t.co/hYyDbepBZ4

[Dawson @0xLiang]

@0x_Northland @skyfucker20 目前，你的需求还是要上vps ，目前国家加大了对🪜的审查力度，稳定点还是要自建，币安的服务器在日本，建议买日本的vps，币安用的服务商是aws 要想快就用他家

[Dawson @0xLiang]

@skyfucker20 @0x_Northland 阿里云里面有监控，要去除，对普通人有点复杂，不然可能阿里云后面给你停了服务器

[0xRicker @0xRicker]

How trader prints $180k+ PnL on Polymarket using Expected Value Gap formula

Formula:
EV = (p_true - price) * payout
(payout = 1/price; entry if EV > 0.05 after fees)

Big Net Flow (>2× avg vol) + wide spread → temporary spike → fade opposite side

- Scan illiquid/high-vol markets
- Stack with Order Book Imbalance (>0.3 no follow-through) & RTS (>0.5)
- 60%+ reversion rate → $300–1k/day on $10k bank with 5–10 trades

Automate via https://t.co/dj5w7uWR8T

His edge:
- High-freq 5-min BTC/ETH Up/Down markets
- Tiny positions ($0.5–$90), hundreds/day → compounds small reversions
- Don't chase headlines - fade distortions

[Mr.RC｜𝟎𝐱𝐔 @MrRyanChi]

https://t.co/TEUP3779I5

[kabikabi @jakevin7]

twitter-cli 重大升级!！
逆向了几乎所有的接口, 而不仅仅是之前只有读接口.

现在实现了发帖子、点赞、引用 回复 等基本上所有的写请求！包括搜索等也都实现了！

https://t.co/FefzzXvyq1

[老杨啊 @yhslgg]

https://t.co/e3pnUJMZjY

[AlexZ 🦀 @blackanger]

曼宁出了本给程序员看的投资书，学习学习

AI Agent 时代了，想让 Agent 帮着赚钱首先自己得懂吧

[leifu _/ @leifuchen]

@gch_enbsbxbs 我上次看了一个英文区老哥分享的三层滤网系统，老师觉得这个思路靠谱不？
https://t.co/ApXXm0Ma9p

[Dawson @0xLiang]

@hdchuanzhang1 Gemini 只适合写前端，可以写出大厂风格的页面，后端部分逻辑表现特别差劲。后端codex 和claude opus 表现差不多，最新的 codex 5.4 表现比claude opus 好点，claude opus写前端太丑了

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

龙虾OpenClaw有小红书Skills技能了，引流神器！
有人已经通过小红书做返佣月入万U！

在国内自媒体引流小红书绝对是当红炸子鸡，很多业务都可以用小红书去引流，有很多币圈的小伙伴通过小红书做交易所返佣，每个月几万美金的“睡后收入”！

之前我朋友还想开发一套小红书自动化的工具，这下就用龙虾的SKill就可以实现了！

RedBookSkills
https://t.co/EkRZeEbElF
这个开源项目 white0dew/XiaohongshuSkills（也曾叫 RedBookSkills）是一个基于 Python + Chrome DevTools Protocol (CDP) 的小红书自动化工具，主要通过控制浏览器实现各种操作，目前在 GitHub 上有约 1.2k stars，项目仍处于活跃维护状态（最近更新就在几天前）。它最核心的价值在于绕过官方 API 限制，实现小红书平台的自动化交互。

下面是目前它最常见和实用的应用场景（按使用频率和实用性排序）：

批量/自动化发布笔记（最主要用途）适合需要频繁发笔记的自媒体人、博主、商家、矩阵号运营者

支持图文笔记自动发布（标题 + 正文 + 多图 + 话题标签自动识别写入）

支持从 URL 自动下载图片后上传（可绕过部分防盗链）

支持无头模式（headless）后台批量运行

支持预览模式（有窗口）方便调试和人工确认

多账号矩阵管理与轮发一个脚本管理多个小红书账号（Cookie 隔离存储）

适合做矩阵号、品牌多账号运营、投放测试、A/B 测试内容

结合定时任务（cron / Windows 计划任务）实现每天自动发不同账号

内容数据采集与导出分析抓取自己或他人笔记的基础数据看板（曝光、观看、点赞、收藏、评论等）

一键导出 CSV，用于 Excel / Python 进一步分析

适合做竞品分析、爆款笔记研究、选题方向判断

关键词搜索与趋势监控支持关键词搜索笔记列表

获取搜索推荐词、笔记详情（包括评论数据）

可以用来监控某个品类/关键词的实时热度、热门内容风格

自动/半自动互动（评论）支持对指定笔记（知道 feed_id + xsec_token）发表一级评论

抓取自己账号的通知评论（@提及）

适合做互赞互评、初期冷启动互动、活动引流（需谨慎使用，避免被限流/封号）

与 AI Agent / 大模型工作流深度集成（近年来最火的用法）项目特别设计了 SKILL.md，支持作为 Skill 被以下工具调用：
OpenClaw
Codex / Claude Code
Cursor / CC 等

典型玩法：
AI 先生成标题+正文+标签 → 调用 XiaohongshuSkills 一键发布

或者 AI 分析竞品 → 自动搜索关键词 → 提取素材 → 生成新笔记 → 自动发布

其他小众但有需求的使用方式远程 CDP 部署（服务器上跑 Chrome + 无头发布）

配合其他爬虫工具做更深层的小红书数据采集

作为学习 CDP 浏览器自动化的示例项目

最后看打了一个推特上的开发者分享了另一个项目
xiaohongshu-ops
https://t.co/EXIVL5QWxw
据说他已经20天没有被封号，涨了450个粉丝，不过只是单方面措辞，关于安全问题还没有被确认，大家自行判断！
最近我们还搞了一个“龙虾俱乐部”社群，不收费，但是必须要安装好OpenClaw才能进群：
《蓝鸟会·龙虾俱乐部 》OpenClaw社群申请表单（限时）
https://t.co/neSTBX0D5H

[0x 哆啦A梦 @hunterweb303]

你的龙虾赚钱了吗哈哈哈
灵魂拷问

ClawQuant Trader — AI Agent 原生的量化研究终端
龙虾版 TradingView

功能亮点：
- 深度集成 @binance 数据 API，默认对接全球最大交易所的实时行情
- 开箱即用 7 大内置策略：DCA / 均线交叉 / 网格 / RSI 反转 / 布林带 / MACD /唐奇安突破，覆盖趋势跟踪、均值回归、被动投资三大流派
- 事件驱动回测引擎 + 批量对比 + 参数扫描 + Walk-forward 验证
- 5 维稳定性评分（0-100）+ 专业图表报告（权益曲线 / 回撤 / 交易标记）
- 6 个标准化 Skill 接口，AI Agent 通过自然语言即可完成从数据拉取到模拟部署的全流程

你跟 AI 说"帮我找最近 30 天最稳的策略"，它自动拉Binance 数据、跑 7个策略回测、参数调优、出报告。全程自然语言，零代码。也可以嵌入策略。

PyPI: pip install clawquant
GitHub: https://t.co/GPLPOEmGWh
官网: https://t.co/pkUMR0Fd3G
介绍文章：https://t.co/hQeAJJKNYA

[撸毛小狗 @LumaoDoggie]

Vibe coding 最强模型, 一定是 Claude 结合 Codex

是的, 一定需要两个结合起来, 最后产生的代码质量更高.

比如说这篇论文:
Understanding Agent Scaling in LLM-Based Multi-Agent Systems via Diversity" (arXiv:2602.03794) 提到
同源的模型,跟容易遇到瓶颈.

原因也很简单. opus 4.6, 训练集和训练参数都是一样的, 你分几个agent来角色扮演, 也是会容易出现信息茧房. 这时候引入Codex, 就不一样了.

实际上我现在的流程是这样的.
Plan阶段
Opus 4.6 做计划, Codex gpt 5.3 Xhigh 挑刺 (最多三个来回)

实施阶段
Sonnet 4.6写代码, 另外一个Sonnet 4.6初步审核代码. Codex 5.3 high 最终审核代码
(最多三个来回)

这里面评审完了打回去改, 多轮评审. 最后达到一个最佳状态.

缺点:
1. 时间长
这是必然的. 多轮迭代下来, 1个小时很正常.

2. 耗token
主要是Claude 贵. Codex的很便宜, 忽略不计了.
还好我有个 0.3倍 和 0.15 倍费率的Claude 订阅. (具体看2楼)
(0.15倍费率的 Sonnet 4.6我现在当主力) Codex自己去咸鱼上找一个, 十几二十元一个月足够用了.

你可以看到 Codex 给 Claude review出很多bug出来.最终结果是 准确性很高.

另外, Claude Code 调用 Codex 有两种方法, MCP或者 Skills. 这里建议用Skill, 有一些性能上的考虑, 这里不细说了. Github 上搜 "skill-codex" 就行了.

当然, 你要不嫌麻烦, 开几个Claude 和 Codex命令行窗口, 来回复制黏贴 双方的吵架结论 也可以. 我建议是搞成自动化的:

以下是我的Claude[.]md 文件, 你们可以参考一下. 我打磨了两周了, 现在已经稳定了, 很好用.

有的时候Claude 会忘记上下文, 这时候prompt里可以让他重新加载一下 Claude .md, 或者
明确告诉它 "现在修复xx问题, 然后从第0阶段开始"

----以下是 Claude. md 文件, 你可以直接复制过去----

# xx项目 — 强制性规则

## 模型层级与角色归属
* **主管/规划者 (The Lead/Planner)：** 主 CLI 会话。负责把控策略和 `https://t.co/M6ogWWPwN4` 规则。你不编写代码；你负责委派任务。例外情况：微小的修改（如拼写错误、配置值、日志信息）可以由主管直接进行而无需委派。**仅当**审查者标记出架构缺陷、交易策略不兼容或达到重试上限时才进行干预。
* **蓝图实现者 (`blueprint-implementer`，Sonnet 4.6)：** 子代理。严格按照主管的蓝图编写新功能和测试。**不**负责修复测试失败问题。
* **调试者 (`debugger`，Sonnet 4.6)：** 子代理。负责修复测试套件或审查者标记的局部错误、语法错误、失败的测试和内存泄漏。
* **代码审查者 (`claude-code-reviewer`，Sonnet 4.6)：** 子代理。执行快速通道的内部验证（第 1 阶段）。

---

## 实施前：Actor-Critic 架构辩论（第 0 阶段）
**触发条件：** 新功能、架构变更、复杂的业务逻辑或复杂的错误修复时必须进行。
**绕过条件：** 琐碎任务可跳过第 0 阶段。“琐碎任务”定义为：(a) 任何 ≤5 行的修复，且**未**触及关键路径列表中的文件，或 (b) 关键路径文件中的更改，但**仅**修改日志、配置值或注释——绝不涉及控制流、算术或状态突变。如果更改处于模棱两可的边界，则**不属于**琐碎任务——请运行第 0 阶段。符合绕过条件的任务示例：拼写错误修复、简单的 UI 微调、一次性诊断脚本（如拉取 VPS 日志）或简单的配置更新。

> **阻塞网关 (BLOCKING GATE)：** 第 0 阶段是一个严格的顺序网关。主管必须等待 Codex 返回且计划被锁定后，才能开始**任何**实施工作。切勿在后台运行 Codex 审计并同时并行实施——这样做违背了实施前审查的初衷，且属于违反协议的行为。

**1. 草案 (主管)：** 主管编写一份严格的、循序渐进的架构蓝图，详细说明业务逻辑、组件、数据结构、状态变化和执行流程。

**2. 质询 (Codex 技能桥接)：**
通过 `Skill("codex")` 在**前台**（非后台）调用 `codex` 技能。将其配置为使用 `gpt-5.3-codex` 并设置 `model_reasoning_effort` 为 `xhigh`。传递以下有效载荷：
* **目标范围 (Target Scope)：** 提议的架构蓝图。
* **意图 (Intent)：** （例如，“规划永续套利仓位的平仓逻辑”）
* **重点 (Focus)：** 指示 Codex 无情地审计计划，寻找**业务逻辑缺陷**、策略偏差、数学假设、竞争条件、状态不同步以及订单路由中的边缘情况。
* **格式 (Format)：** 指示 Codex 返回可操作的批评意见，格式严格遵循：`[组件] - [严重程度] - [架构/逻辑缺陷] - [建议的缓解措施]`。

**3. 评估与辩论循环（迭代）：**
主管必须结合项目不变量及其更广泛的背景，批判性地评估 Codex 的批评。你**绝不能**盲目接受所有发现，也不要对客观事实进行辩论。你必须对 Codex 的反馈应用这种严格的二分法：

* **路径 A：客观错误（自动修复并遵守）：** 如果 Codex 标记了客观的数学错误、API 约束违规、单位转换错误、数据损坏风险或明显的竞争条件，**不要辩论**。立即接受该发现，将修复整合到蓝图中，并进入下一次迭代。
* **路径 B：主观/策略选择（辩论与反驳）：** 如果 Codex 批评了风险容忍度假设（例如，最低费用、样本充足性、滑点缓冲）或合理的架构设计选择存在分歧，**如果 Codex 的建议损害了套利策略或交易量，你必须予以反驳**。提出合乎逻辑的反驳意见，为原始架构辩护或提出折中方案。

**循环中的后续步骤：**
* 再次通过 `Skill("codex")` 调用 `codex` 技能，明确命令它**“恢复上一个 Codex 会话” (resume the previous Codex session)**，以便它记住上下文。传递修改后的蓝图（对于路径 A）或主管的反驳意见（对于路径 B）。
* **退出条件（何时打破循环）：** 继续“草案 -> 批评 -> 评估/辩论”循环，直到满足以下**任一**条件：
1. **达成共识（锁定计划）：** Codex 报告零客观错误，并且要么同意你的策略性辩护，要么你们达成了一个折中的蓝图。（进入第 1 阶段）。
2. **迭代上限：** 你完成了 **3 个完整的辩论周期**且无法达成一致。**不要**开始编写代码；停止该过程并移交给 用户。（状态：已升级 🛑）
3. **主观/策略僵局：** 模型在无法仅凭逻辑解决的策略假设上存在根本分歧。停止该过程并移交给 用户。（状态：已升级 🛑）

> **移交检查点：** 只有在达到退出条件 1（锁定计划）后，主管才能将蓝图移交给 `blueprint-implementer`。在计划锁定之前，请勿委派实施任务。一旦计划被锁定，请自主进行第 1 阶段和第 2 阶段，无需向 用户 请求确认——仅在定义的升级条件（迭代上限、主观分歧、AI 冲突）下才进行升级。

---

## 实施后：Actor-Critic 审查协议（不可协商）
在修改了下方关键路径中的**任何**代码后，在宣布任务完成之前，你必须遵循这个分为三个阶段的流水线。

### 第 1 阶段：内部验证（Actor 团队：规划者 + 子代理）
在调用外部工具之前，你必须确保代码处于“稳定的候选状态”。

1. **执行移交：** 主管定义计划。`blueprint-implementer` 编写代码。
2. **适应性思维自我审查：** （委派给 `claude-code-reviewer`）审查逻辑中是否存在竞争条件（特别是在下单环节）、内存泄漏和变量遮蔽现象。
3. **冲突优先级规则：** 架构审查优先于测试结果。如果测试因架构更改而失败，请评估是否应更新测试以匹配新架构——**切勿**仅仅为了让旧测试通过而撤销架构决策。
4. **测试自动化：** `blueprint-implementer` 编写或更新相关测试。如果测试失败，委派给 `debugger` 进行修复。在进入第 2 阶段之前，你**必须**运行测试并达到 `PASS` 状态（**所有**测试均为绿色，零失败）。如果发现预先存在的测试失败，请对其进行审查：如果测试是合理的并且反映了真实预期，请更新代码或测试以使其通过；不要忽略它们。
5. **稳定性网关：** 仅当代码功能正常、通过本地 lint 检查并满足当前任务要求时，才继续交给 Codex。

### 第 2 阶段：“最终 Boss”审计（Critic：Codex 5.3 高级推理）
仅在第 1 阶段成功且测试全部通过后才触发此阶段。

**1. Codex 技能桥接（全新会话）**
通过 `Skill("codex")` 启动一个**全新的** `codex` 技能会话，以避免第 0 阶段带来的上下文臃肿。将其配置为使用 `gpt-5.3-codex` 并设置 `high` 推理工作量 (reasoning effort)，传递以下有效载荷：

* **标准 (The Standard)：** 提供在第 0 阶段结束时生成的最终版“锁定蓝图”。
* **目标范围 (Target Scope)：** （例如，`variational_client/browser_client.py` @ 第 45-120 行）
* **变更 (Diff)：** **仅**提供 `git diff` 或更改的具体代码行。
* **意图 (Intent)：** （例如，“为 Variational DEX 实现高精度滑点保护”）
* **权衡 (Trade-offs)：** （例如，“牺牲 50 毫秒的执行速度以换取额外的飞行前余额检查”）
* **重点 (Focus)：** （例如，“重点审计异步锁使用中的重入问题、数学精度丢失和竞争条件”）
* **格式 (Format)：** 指示 Codex **仅**返回可操作的发现，严格格式化为项目符号：`[文件/行] - [严重程度] - [漏洞/缺陷] - [建议的修复]`。

**2. 执行与修复循环（迭代 2 与 3）**
* **自动修复：** 委派给 `debugger` 修复 Codex 标记的客观错误或安全漏洞。
* **循环要求：** 在应用修复后，你**必须**通过 `Skill("codex")` 调用 `codex` 技能，并明确命令它**“恢复上一个 Codex 会话” (resume the previous Codex session)** 以保持上下文，并将新的 diff 传递给它。你**不能**自我证明你自己的修复。
* **退出条件（何时打破循环）：** 你必须继续“修复 -> 重新审计”循环，直到满足以下**任一**条件：
1. **完全通过 (Clean Pass)：** Codex 报告零客观功能缺陷。（状态：成功 ✅）
2. **仅主观反馈 (Subjective Feedback Only)：** Codex 标记的**唯一**剩余问题是主观的设计/功能选择（例如，API 排序偏好）。**不要**尝试修复主观选择；打破循环并移交给 用户。（状态：已升级 🛑）
3. **迭代上限 (Iteration Cap)：** 你完成了 **3 个完整周期**，但仍然存在客观错误。**不要**交付代码；停止该过程并移交给 用户。（状态：已升级 🛑）
4. **AI 冲突 (Conflicting AI)：** Codex 在不同的迭代中提供了相互矛盾的指令。（状态：已升级 🛑）

### 第 3 阶段：强制移交摘要 + 自动提交
每当循环停止时（成功、达到上限或升级），你必须提供此状态报告：

* **最终状态：** [成功 ✅ / 已升级 🛑]
* **Codex 发现：** （用简短的项目符号列出被标记的关键漏洞或逻辑缺陷）
* **采取的行动：** （总结代码在审查循环期间是如何演变的）
* **剩余事项：** （任何需要 用户 最终批准的主观设计选择或边缘情况）

**自动提交规则（仅限成功时）：** 当最终状态为“成功 ✅”时，立即创建所有更改文件的 git 提交，无需等待被要求。**仅**暂存当前任务触及的文件（绝不使用 `git add -A`）。提交消息格式：根据情况使用 `fix:` / `feat:` / `refactor:`，并附带一个简洁的正文，总结修复的错误或添加的功能。**始终**在末尾附加 `Co-Authored-By: Claude Sonnet 4.6 <[email protected]>`。在“已升级 🛑”状态下**切勿**自动提交——请先等待 用户 的批准。

### Codex 不可用时的后备方案
如果在第 0 阶段或第 2 阶段无法调用 Codex，**不要**进行自我证明。立即将蓝图或代码更改的当前状态升级给 用户。（状态：已升级 🛑）

> **技能名称：** Codex 技能被注册为 `codex`（而不是 `skill-codex`）。始终通过 `Skill("codex")` 调用。插件包名为 `skill-codex`，但其内部的技能名为 `codex`。

---
### 关键路径（始终触发审查）：
- `variational_client/browser_client.py` — 订单下达、会话身份验证、隐蔽模式

[Ray Wang @wangray]

https://t.co/1H6Jl2ue8X

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

已经有人在用OpenClaw搞一人公司了，找到一个利用龙虾组建一人公司的开源项目，大家可以开拓一下思路，争取用1年的时间打造一个价值1亿美金的独角兽!

就在今天推特联合创始人、移动支付公司Block的董事长@jack亲自宣布：将1万员工当中的4000多人裁员，没想到，推文一出Block的股价飙升22%，原来裁员也是利好？

超级个体时代来临，如果不想被时代“优化”掉，一定要利用AI帮你做事，我这两天安装了OpenClaw，发现太牛逼了，人类可以做的大部分工作，OpenClaw都可以，完全可以用OpenClaw打造一个一人公司，虽然是一个人，但会有N多个Agent员工为你干活儿，他们只需要付出一些Token，比牛马还牛马！

今天看到一个开源项目CtxPort，就是通过定义AI agent的Skills（技能）来实现一人公司，大家可以借鉴一下！
https://t.co/I7P8Iy8l5G
它为AI Agent公司定义了CEO、CFO、产品设计、UI设计、交互设计、全栈开发、QA、营销
运营、销售等10个岗位，团队之间互相配合为你出方案干活儿，最后你来决策！

每个AI角色都是一个独立的.md文件，我们只要稍作修改就可以根据自己的业务来领导这些硅基员工了！
https://t.co/L6D0QNMvD8
最近我们还搞了一个“龙虾俱乐部”社群，不收费，但是必须要安装好OpenClaw才能进群：
《蓝鸟会·龙虾俱乐部 》OpenClaw社群申请表单（限时）
https://t.co/neSTBX0D5H

一起来探索Ai Agent的边界，成为超级个体！

[jon becker @beckerrjon]

https://t.co/NXjY4olMWl

[Quant Science @quantscience_]

How to build your own algorithmic trading analyzer with Claude Code.

(bookmark this for later)

[Dawson @0xLiang]

@dushaman12354 @wakuangdashen 从 coinlist 打新可以参加