0xchip

proud member of @sleepingfnf 这里是Finest Chip的备用号 $NAT $SOL $BLUR ❤️ Blast @pacmanblur

[区块链行情研究 @qkl2058]

一个自学成才的量化分析师，最近公开了一套很实用的方法，专门用来分辨回测结果到底是真实交易优势，还是纯粹的数据挖掘巧合。核心技术就是在Python里对回测策略做置换检验。

在量化圈子的Twitter上，知道他的人不算多，但都很认可。刚入行做量化的人，私下经常互相转发他的视频学习。

趁算法还没把他推到大众面前，建议你先收藏起来。我自己做AI量化系统，每周要跑几千次这种测试，这东西确实管用。

[Fang知识分享 @FLMdongtianfudi]

为什么有人学什么都比你快？秘密在于这个框架！

[柴郡🔔｜Crypto+AI Plus @0xCheshire]

“如果你今晚睡得安稳，说明你根本没听懂。”

这是亲手构建了当今所有 AI 底层神经网络的教父 Geoffrey Hinton ，从 Google 辞职后向世界发出的警告。

这场 47 分钟的演讲，揭开了一个没人愿意面对的现实：

AI 正在进化出连创造者都无法预料的能力。在大部分认知领域，人类已被甩在身后。

机器彻底超越人类早已不是悬念，仅仅是时间问题。

现在，当多数人还停留在打开 Claude 、输入几句话、拿到答案就关闭网页的阶段时，他们以为自己在使用 AI ，实则连它 10% 的力量都未曾触及。

时代正在划下一条不可逆的分界线，而你唯一能决定的，是自己究竟要站在哪一边。

观看并收藏。点开下面的文章，今晚就开始学习 AI↓

[LISA @MindOS_Lisa]

https://t.co/0CFR2QgGHu

[0xFunky @0x0funky]

Claude design 真的是太讚了，我直接把我之前的TermHive的介面大更新，誕生了這個 TermHive V2。

整個UI變得很乾淨整齊，UX也順暢了不少，他也多幫我設計了快捷鍵切換agent功能，並增加了自由畫布讓使用者可以自行拉取每個Agent的位置跟大小，連不少操作細節也一起幫我修掉了。

更扯的是，這支 Demo 影片也都是 Claude Design 全部做出來的。

缺點就是Design太燒token了，Claude Code的額度跟design是分開的，我這樣整個重新設計到Demo影片完成，不只打到max20 的今天設計額度，還多燒了20U額外額度（我有額外免費額度所以才捨得燒...）

這邊來簡單教學一下，我是怎樣連結舊專案到完成整個專案升級

1. 在Claude design上連結Github
2. 在 Prompt 貼上 repo 連結，再加一句：
「看一下 codebase，然後思考一下有沒有更好的 UI 設計？」
3. 接著它會問你一些問題，你就照自己的想法選
4. 他會直接把設計做出來，之後你可以繼續跟 agent 討論調整，這邊建議善用右上角 comment，直接標在要改的地方，會比一直重打 prompt 更省 token
5. 改完之後按 export → handoff to Claude Code，再按 copy command 複製指令
6. 回到你 local 專案的 Claude Code，把剛剛那段貼上，再補一句： 「幫我開個 branch，並依據這個設計來大改我目前的設計」（我自己是有另外開新 branch，其實要不要先開都可以）
7. 等CC完成後就大功告成！

真的很好用，比 Figma MCP 更順，尤其是在更新前端這件事上，控制感高很多，因為在 Design 那邊其實就已經直接把前端刻出來，回到 Claude Code 之後，直接更新到相對應的前端code就好，不誇張，我CC那邊只用了一個Prompt就精準把Claude Design那邊的設計都做出來了，之前用Figma MCP還要幾次的來回才可以做到精準，這對於設計一直是弱項的我是真的太爽了！

好的 UI / UX真的會讓人越做越喜歡自己的產品。

[太阳闯关记 @dachaoren]

26年最新出炉，全程高能。

斯坦福教授AI讲座，本质上就是把未来3年谁赚钱，谁被淘汰，提前剧透了一遍。

看懂的人已经在布局了，看不懂的人还在拼命学技术。

[CAT @cyber_cat7]

很多铁子问新手怎么玩 我很早就写过polymarket教程 现在放在下面
https://t.co/yE0uUxiYHa

[太阳闯关记 @dachaoren]

claude code教程，讲的非常仔细，新手完全能听懂并且落地，这教程在国内不得收费398，598元？估计还一大堆人抢着买。

静下心看完这一套完整教程，你就能真正用 AI 搭建工作流、实现自动化、处理复杂任务。

[KK.aWSB @KKaWSB]

当你能感受到Claude 的200 usd套餐是你每个月最值得的花费时，你会惊叹自己摸到了10%的AGI。

[AI最严厉的父亲 @dashen_wang]

https://t.co/ydNVItD1l5

[墓碑科技 @mubeitech]

华尔街的对冲基金经理现在恨死这个人了。
有人刚把一整家交易公司的底层架构发到了网上。

它叫 TradingAgents。
年化收益率 30.5%。
GitHub 标星已经突破三万。

里面装的根本不是一个自动下单软件。
是一个完整的虚拟华尔街机构。
四个 AI 分析师疯狂扫读财报和全网情绪。
看多和看空的研究员在系统里互相吵架。
交易员负责综合意见。
风控团队随时准备一票否决。

最新版本直接接入了 GPT-5.4 和 Claude 4.6。
它在最大回撤和夏普比率上打爆了所有传统基准策略。

华尔街收你 2% 的管理费加 20% 的利润分成。
他们雇一帮常青藤毕业生做的也就是这套流程。
现在这套体系一分钱不要。
金融圈的暴利壁垒被几行开源代码直接砸穿。

[花叔 @AlchainHust]

我去，据知情人士线报，这篇文章的一作居然是个17岁到Kimi实习的高中生 @nathancgy4

甚至这个想法是他在考场的草稿纸上想出来的。绝了！！

[老叶 @1999_eth]

说出来可能有点颠覆认知 —— 我用 10亿+ AI Token，在 Variational 上跑出了 1.08 亿美元的交易量，更意外的是，作为一个从来没接触过量化交易的老程序员，居然靠着AI摸到了量化的门槛。没有炫耀的意思，全程都在忐忑中摸索，只想好好说说，这个AI时代，真的给了普通人太多意外的机会。

一开始我的想法特别简单，就是想在 Variational 上刷点交易量，低磨损拿点积分，混个空投预期就满足了，完全没敢想能有什么高收益，更没想到最后会消耗这么多 AI Token、跑出这么大的交易量。

前前后后跟AI聊了好几天，一开始用 opus 4.6、gpt 5.3 pro 还有 gemini 3.1，靠着第一性原理反复验证，折腾来折腾去，最后只留下3套我觉得靠谱、能叠加使用的低磨损交易策略。

因为做的是超短线，采集数据也不是越多越好，甚至得每隔一段时间就重新采集一次——我只扒了 Variational 最近一年的比特币历史数据，然后用 claude code 和 codex 写了回测脚本，想先验证下策略到底行不行。

现在回想起来，第一次回测真的有点运气成分，明明很粗糙，却得出了还不错的结果，当时又开心又不安，总觉得这不是真的，反复检查了好几遍脚本。其实我最担心的是数据采集不全面，导致回测结果失真，但又怕采集太多数据，反而增加噪音，影响策略的准确性，那种纠结劲儿，现在想起来还挺有感触。

后来就慢慢只用 codex 了，不是 claude 不好用，主要是太贵了，200刀的 max 没多久就到周限了，codex 量大管饱，用来优化和迭代策略刚好。折腾了一阵，终于拿到了很完美的回测结果，但AI一直提醒我：回测只是参考，实盘才是真正的考验——这句话我一直记着，没敢飘。

纠结了挺久，还是决定小资金试一把，入金 600刀，心里做好了亏完的准备。没想到第一天就赚了 20%，第二天又赚了 14%，当时既惊喜又慌，总觉得这种收益不真实，每天睡前都要复盘一遍开单记录，确认不是运气作祟。

我把这个小进展分享到推特后，很多粉丝提醒我：跑的时间太短，说明不了什么，至少要跑一周以上。说实话，看到这些评论我特别感激，也瞬间冷静下来——是啊，短期盈利不算什么，稳才是关键。

于是我静下心来，整整跑了 10天。偏偏这期间美伊战争突然爆发，大盘波动特别大，我频繁止损，账户几乎没什么增长，甚至有点回撤。当时特别着急，好几次都想手动干预脚本运行，好在硬生生忍住了。其实我最挣扎的点是，美伊战争会不会导致黑天鹅的发生，比如突然的插针导致爆仓，这种风险是最可能发生的，也是我最担心的，只能硬着头皮扛住，不敢轻易动脚本。

后来听从AI的建议，提高了止损金额——其实心里很忐忑，知道这样可能会有更大的回撤，但至少能避免单子被无辜误伤。调整之后，效果果然好了很多，后面几天账户又开始稳步上升，到第 10 天的时候，累计回报达到了 85.5%。

但单一账户测试太费时间了，尤其是要测试不同的交易参数，而 Variational 又不支持子账户，我只能创建好几个新钱包分开测试。又跑了几天，发现不同参数的钱包都能稳定达到预期收益，才敢慢慢多开几个钱包，继续测试其他参数。

这期间，美伊战争带来的大盘剧烈波动一直没停，好几天都在反复回撤，我每天都在焦虑中度过，一边担心账户亏损，一边提醒自己不要干预脚本，完全是靠着AI给的策略和自己的耐心硬扛过来的。

截止到现在，整整22天，我一共入金 $26325.95，现在总余额 $41914.40，总盈利 $15588.45，而之前提到的 1.08 亿美元交易量、10亿 + AI Token消耗，就是这 22 天一点点积累来的。说真的，这个结果超出了我最初的所有预期，但我一点都不敢嘚瑟——反而越来越忐忑，总觉得下一次波动就可能出问题。

有点小遗憾的是，var 的积分没达到预期，朋友说可能是我的交易策略持仓时间太短了，后续还得慢慢调整。另外，现在回想起来，10亿+的AI Token消耗确实有点惊人，当初也没料到会用这么多。

其实我想说的不是我多厉害，恰恰相反，我只是一个普通的老程序员，从来没接触过量化，若不是这个AI时代，我可能永远都碰不到量化的门槛。

AI没有直接给我财富，它给我的是一种机会——一种让普通人能借助工具，突破自身认知和能力边界的机会。这段时间的摸索，有不安，有焦虑，有惊喜，也有遗憾，但更多的是感恩，感恩这个能借助AI实现自我突破的时代。

也想跟和我一样的普通人说：不用害怕自己不懂，不用焦虑自己没经验，AI时代，只要愿意尝试，愿意沉下心来摸索，或许就能抓住属于自己的那一点点机遇。

#ai #Variational #量化交易

[ZC @ZhanweiC]

我证明，这个故事是真的，之前我写过一篇全真招募贴，说的就是A9老师，就是他写的一篇小龙虾教程获得了200万流量，并且惊动了何一，找他要简历。

如今他一个月不到，又赚了几十万，我赶脚不用去币安，他也能吃饱，这一波的小龙虾热度，他算是玩明白了，大写的牛逼。

如果你还不知道如何通过小龙虾赚钱，那就好好看看吧🤣🤣🤣🤣🤣

[0x_Miko @Mikocrypto11]

一个中国大学生，花 10 天 搭出了一套多智能体预测引擎 MiroFish。

项目直接冲上 GitHub 热榜，当前已经到 23k+ stars，还拿到了 3000 万人民币 投资
这东西本质上不是普通 agent demo
它更像一个数字沙盘：把新闻、政策、金融信号丢进去，然后放出成千上万个带记忆、带行为逻辑的 AI agents，让它们像真实社会一样互动、争论、演化，再去推演结果。

做这件事的人叫 郭航江（BaiFu）。
公开报道里，他是大四学生，MiroFish 爆火后，获得了盛大集团创始人陈天桥的 3000 万人民币 投资。
这套东西能拿来干什么？

交易：把宏观消息、财报、市场信号喂进去，看模拟社会怎么反应。
公关：先跑一遍舆情，看看声明发出去会不会翻车。
创意实验：甚至可以拿小说设定做角色推演，看故事会怎么发展。

更狠的是，项目本身就支持 Docker 部署。
有 LLM API key，几分钟就能跑起来。

很多人还在手动猜市场。

已经有人开始搭 AI swarm，先在数字世界里把市场反应跑一遍，再决定真金白银怎么下
你觉得这种 “先模拟社会，再交易结果” 的玩法，会不会才是下一代 prediction market 的真正 edge？

[Mr.RC｜𝟎𝐱𝐔 @MrRyanChi]

https://t.co/TEUP3779I5

[Bilawal Sidhu @bilawalsidhu]

God's eye view 24-hour replay of Operation Epic Fury.

The Iran strikes kicked off and I set an AI agent swarm loose to record every OSINT signal I could find before the caches cleared. Built a full 4D reconstruction in WorldView.

I can scrub through minute by minute and watch the whole thing unfold on a 3D globe:

> Airspace clearing over Tehran
> Ground strike coordinates locking in
> Severe GPS interference blinding the region
> EO and SAR satellites making passes over the strike zone
> No-fly zones locking down 9 countries
> Shipping fleets scrambling at the Strait of Hormuz

It's pretty amazing how complete of a picture you can build without "proprietary data fusion" -- one dev with public signals and a love for computer graphics and geospatial intelligence.

Thank you for all the love on my last post. Dropping WorldView in April. This my friends is just the beginning.

[Clon @Clon298363]

终于有大佬忍不住出来炫耀了🤣

听我说谢谢你

[李志 | Rational Investing @LZRationalnvest]

中文第一篇神贴诞生，1000w了！

[AYi @AYi_AInotes]

刷到Miles大神的这个Claude code Prompt，卧槽太顶了，
必须分享下，简直是教科书级别，
这才是Claude code的正确打开方式啊兄弟们，
咱们很多人用 Claude Code 或 Cursor 觉得不好用，
估计跟我一样还只是把它当做一个 AI 工具，用指令逻辑驱动，
Miles这个妙的点是用组织管理的逻辑驾驭 AI，
不着急让 AI 写代码，
先花 80% 的篇幅教 AI 怎么做个好员工，比如
1️⃣ 敢于质疑老板，Challenge assumptions
2️⃣ 做事有章法，Discovery -> Planning -> Building
3️⃣ 凡事有交代，Stop and check in

整个 Prompt 的架构也很硬，这里放下内核框架大家感受下，原版 Prompt 我提取出来放评论区̋(ˊ•͈ꇴ•͈ˋ)

1. Role Definition (角色升维)：从 Coder 升级为 Technical Co-Founder。不仅写代码，还负责技术决策和怼老板（Challenge assumptions）
2. Process Control (流程锁定)：强制分阶段（Discovery -> Planning -> Building...），防止 AI 一上来就瞎写一通
3. Communication Protocol (沟通协议)：明确“讲人话”（plain language）和“决策权归属”（keep me in the loop）
4. Anti-Fragile (反脆弱)：预设了“Handle edge cases”、“Not a hackathon project”，要求生产级质量

Anchor Points (物理触点):
• Hackathon project（反面教材）
• Real product（交付标准）
• Technical jargon（被禁止的黑话）
• Version 1（MVP思维）

Drafting Strategy:
• Intro: 直接点破本质——这是在雇佣一个CTO，而不是一个码农

• Deconstruction: 分模块拆解（Role, Phases, Rules），每一个点都要解释“为什么这样写比普通 Prompt 强”

• Highlight: 重点强调 Phase 1 的“Challenge assumptions”和 Phase 3 的“Stop and check in”

• Ending: 总结这个 Prompt 的核心心法