Home
Language
English
Türkçe
Bahasa Indonesia
About
Privacy Policy
Terms of Service
Pricing
Sign In
Download All
Share
Ee20
@0xee20
coding & trading ,擅长买不在最低和卖不到最高。 17年入圈,BTC期权养现金流,偶发单边赌狗。ai agent高强度使用者。
earth
Joined November 2009
408
Following
585
Followers
1.3K
Posts
Ee20
@0xee20
about 2 months ago
哎又跌回前中枢了,还得慢慢磨了,继续大力卖CALL
Ee20
@0xee20
about 2 months ago
好久没说行情了,昨天晚上就想发一下,但觉得还是等到今天早上确认结构再说。 这次突破我还是比较看好的,因为看,在下图中,前面的蓝色的前高压力之前,这个地方之前做了一个非常强势的,由30M 区间震荡延展出来的4M 区间震荡(红色框),结构比较扎实,看好周线或慢慢延展出的月线行情。这次上涨可能不是太凌厉的那种,一步三回头的慢慢蹭上去? 个人持仓的话,除了现货,持有5月底的一些远期的 call和六月底少量的put。
Ee20
@0xee20
about 2 months ago
这段时间用 AI 做抖音做的不亦乐乎。因为语音输入比较方便,各种 AI 工具也提高了自己的输出效率。后面考虑在推特上分享更多自己的交易体系、交易系统和一些分析方法。
Ee20
@0xee20
about 2 months ago
另外这一轮上涨,我是比较看好会去去回到前面震荡中枢的这个区间,应该8万9或9万3这一块可能是容易被触及的地方吧。 再说一个过去这大半年看盘的观体会。就是老鼠仓和内幕交易者越来越多,所以慢慢的索性放弃了去看很多的宏观信息和基本面信息。更多的还是依赖图表上的结构去做,做一些大方向的判断。
Who to follow
xiangli76
@xiangli76
xiaoguicang
@xiaoguicang
YTJU5GQH
高军
@GoJun315
💡 持续挖掘,优质 GitHub 开源项目,AI 生产力工具
Ee20
@0xee20
about 2 months ago
前面发的是bybit期权那边的情况; 下面okx的持仓结构类似
Ee20
@0xee20
about 2 months ago
六月底的put是前面几个月用剩下来的套子滚过去的,不代表太多实际方向观点。后面我可能会把这个6月底的 put 继续往后,按等u价值的权往后展期。
Ee20
@0xee20
2 months ago
拿到官方 leaderboard 原始数据了。对比推文说法: ARC-AGI-3 官方成绩(目前仅4个提交): GPT-5.4 (High) 0.3% $5.2K/次 Anthropic Opus 4.6 (Max) 0.2% $8.9K/次 Gemini 3.1 Pro (Preview) 0.2% $2.2K/次 Grok 4.20 (Beta Reasoning) 0.0% $3.8K/次 推文 vs 实际: | 推文说法 | 实际情况 | | -------------------------------- | -------------------------------------------------------------------------------------- | | GPT-5: 0.26% | 0.3%(接近但不精确) | | Claude: 0.25% | 0.2%(同上) | | Grok: 0% | ✅ 确实 0% | | "4-layer CNN: 12.58%" | ❌ 这是 ARC-AGI-2 的成绩,跟 ARC-AGI-3 完全不同 | | "random unemployed people: 100%" | ❌ ARC-AGI-3 人类基线根本还没出(表格写 N/A);ARC-AGI-2 人类 Panel 100% 但那是筛选过的 STEM 研究生,Mturk 普通人是 77% | | "$700K prize untouched" | 大致对,ARC Prize 2026 奖金池在 | 推文最大的硬伤:混淆了 ARC-AGI-2 和 ARC-AGI-3。 这是两个完全不同的东西——ARC-AGI-3 是交互式 agent 基准测试(要在环境中探索、学习、规划),不是静态拼图。拿 ARC-AGI-2 上 CNN 的成绩来对比 ARC-AGI-3 上 LLM 的成绩,是不对等的比较。 另外注意 ARC-AGI-3 跑一次成本是数千美元级别,目前只有4家提交了成绩,样本极小。
See More
Ee20
@0xee20
2 months ago
这条推文有一些事实基础,但整体 不够严谨,有明显夸大和误导: ✅ 基本正确的部分 • Google 确实在推后量子密码迁移(NIST PQC 标准) • BTC 用 ECDSA 签名,理论上受 Shor 算法威胁 • 暴露过公钥的地址(即花过钱的地址)确实比未花费地址风险更高 • Chrome/Android 已开始集成后量子加密(TLS 层面的 ML-KEM) • Vitalik 确实提过抗量子路线图 ❌ 不严谨 / 误导的部分 1. "2029 deadline" — Google 的迁移时间表是针对自己的认证服务(TLS、签名证书等),不是给 BTC 开发者的 deadline。把 Google 内部迁移计划说成"给 BTC 的 deadline"是偷换概念 2. "Willow 芯片 105 量子比特" — Willow 是 105 个物理量子比特,但破解 ECDSA 256 需要约 数百万个逻辑量子比特(考虑纠错),差距在 4-5 个数量级。推文故意模糊物理比特和逻辑比特的区别来制造紧迫感 3. "Shor 算法可以从公钥推导私钥" — 理论正确,但前提是有足够大的容错量子计算机。目前没有任何机构能用量子计算机破解哪怕最小的实用 ECC 密钥 4. "BTC 连讨论都没开始" — 不准确。Bitcoin-dev 邮件列表上量子抗性讨论已经持续多年,也有具体提案(如 BIP 对 Taproot 地址的讨论、签名方案升级路径等)。只是没有像 ETH 那样有基金会统一推进 5. 暗示 ETH 比 BTC 安全 — ETH 同样用 ECDSA(secp256k1),面临完全相同的量子威胁。有路线图 ≠ 已解决 总结:用真实新闻碎片拼出了一个恐慌叙事。核心逻辑是"Google 在跑 → BTC 要完",但实际上 Google 迁移的是 TLS/证书体系,跟 BTC 签名是不同场景。量子威胁是真实的长期课题,但远没到 2029 就会被破的程度。
See More
Ee20
@0xee20
2 months ago
从昨晚开始claude用量刷的特别快,超限以后自动切到我配置的gpt.5.4 fallback了,后者废话明显增多,反应变慢,执行不严格。 让我在不知情的情况下做了对照实验。 gpt很好,我还是会多买几个claude号
Ee20
@0xee20
2 months ago
在调教 OpenClaw 的过程中,我对接了几乎所有主流消息渠道——Telegram、Discord、飞书、微信…… 用下来一圈,结论很明确:Telegram 是最佳搭档。 🔹 流式输出体验拉满 Bot 执行任务时会实时反馈思考过程、每个步骤,甚至中途发截图。你能真切感受到它"正在想、正在做",而不是丢出去一个任务然后干等。 🔹 消息送达即时 Discord 虽然功能也不差,但消息经常延迟,Bot 跑完所有任务后才一口气推几十条过来,体验割裂。 🔹 Topic = 轻量频道 Telegram 群组里的 Topic 功能,用起来就像 Discord 的 Channel,任务分类、上下文隔离都很方便,一个群就能搞定。 至于其他渠道: ❌ 飞书——创建 Bot 的流程极其繁琐,权限拆得过细,更像是给大厂内部管控设计的,个人用户体验很差。 ❌ 微信——消息发送慢,而且始终有信息上传和隐私泄露的隐忧,不适合跑 AI Agent。 如果你也在玩 AI Agent / Personal Assistant,强烈建议试试 Telegram 作为主通道。
See More
Ee20
@0xee20
2 months ago
``` 苏黎世联邦理工开源了一只机械手 ORCA Hand,自己造一只不到 ¥15,000。 🧵 关键信息整理👇 【硬件规格】 - 17 自由度,腱驱动,五指拟人构型 - FSR 触觉传感器 + 硅胶表皮 - DYNAMIXEL XC330/XC430 舵机,U2D2 通信集线器 - 三个版本:Standard / Lite / Touch - 关节可弹出更换,寿命 10,000+ 次循环 【成本对比】 ORCA Hand:17-DOF 腱驱动,¥1.5w 自建,5指,~8h组装 LEAP Hand:16-DOF 直驱,~$2,000,4指,3-4h组装 Shadow Hand:24-DOF 气动/电动,£50-90k,5指,工厂交付 ``` ``` 【自建成本拆解(国内落地)】 - DYNAMIXEL 舵机:¥5,000-7,000(最大头) - U2D2 集线器:¥800 - FSR 传感器:¥200-400 - 3D 打印件:¥200-500(PLA,普通 FDM,Bambu 配置文件已提供) - 硅胶皮肤:¥300-500 - 杂项(螺丝/肌腱线/电源):¥300-500 - 总计:¥7,000-10,000 材料 + 运费关税 ≈ ¥12,000-15,000 【软件生态(全开源,MIT 协议)】 - orca_core — Python 控制器(307⭐) - orcahand_description — MJCF/URDF 模型 - orca_sim — MuJoCo 仿真环境 - orca_retargeter — 遥操作映射 ``` ``` - 支持 Rokoko 手套、Apple Vision Pro 遥操作 - MuJoCo 训练后零样本迁移到实物(sim-to-real) 【购买渠道 https://t.co/WrNBFRtLX5】 - 整机:$5,950(有货) - 含电机组装套件:$4,350(售罄) - 不含电机套件:$1,370(售罄) - 3D 打印件包:$250 - BOM 零件包:$650 - 硅胶皮肤包:$450 【我的看法】 Shadow Hand 卖 50 万起,ORCA 自建成本压到 1.5 万,性能覆盖了绝大多数具身智能研究场景。更关键的是 sim-to-real pipeline 完整开源——在 MuJoCo 里训好策略直接部署到实物,不用重新调参。 对个人开发者和小团队来说,这可能就是具身智能领域的「树莓派时刻」。 ``` ``` 🔗 官网:https://t.co/6GZJ4gkPRe 🔗 GitHub:https://t.co/LOb5IDD00w ```
See More
Ee20
@0xee20
2 months ago
@bitkeyboardman
365469972
Ee20
@0xee20
3 months ago
现在我用 Agent 做抖音视频,把每天处理的信息做成内容输出。 以前的习惯是:看到有价值的信息 → 仔细学习 → 然后就没有然后了。缺了输出这一环。 现在加了两个出口: 抖音:把筛选过的信息做成短视频,顺便帮身边的人减少一点信息差(尽力而为), Twitter:更即时地输出想法和判断, 这样就形成了一个完整的闭环:接收信息 → 筛选 → 处理 → 输出。 说实话,做这件事不是为了流量或粉丝。核心收益是:当你逼自己把一个东西讲清楚的时候,你对它的理解会比单纯"看过了"深很多。 输出是最好的学习。
Ee20
@0xee20
2 months ago
再加一项:制作或使用 SKILL 做完复杂任务过后,如果有失败、中间有波折、走弯路了,让模型复盘一下整个过程,分析哪里犯了错。 你自己也要搞明白一些关键的逻辑选择,要防止模型下次再次踩坑。
Ee20
@0xee20
3 months ago
> 有技术背景的人用 OpenClaw 时,能快速分辨底层执行逻辑是否出了问题,从而高效地引导和纠正 AI 的行为。 > > 这说明一件事:AI 时代,理解技术逻辑、熟悉系统架构、拥有扎实的编程经验,依然非常重要。中高级程序员不必太焦虑被替代——你的价值恰恰在于能驾驭 AI,而不是被它取代。 > > 用 AI 的正确姿势:不要把它当复制粘贴机器。在提问之前,先在脑中形成自己的方案,再拿 AI 的输出做对比,分析哪种路径更优。 > > 这个过程本质上是在培养一种对结果的直觉——面对复杂任务时,快速判断方向对不对、路径好不好。这种直觉是人类特有的优势,也是 AI 目前最难替代的能力。
See More
Ee20
@0xee20
3 months ago
这条推文大概率是编的,几个硬伤: "时区套利"窗口根本不存在 2-3 小时, 我们之前实测过:五大联赛(EPL、La Liga、Bundesliga)赛前盘,Polymarket 和 Pinnacle 的价差基本 <2%,最大的 Arsenal 主胜也就 2.5%。Poly 的定价效率很高,不存在"亚洲盘快 2-3 小时、美国交易员还在睡觉"这种窗口。链上订单簿是 24/7 的,做市商也是全球分布的,不存在"等美国天亮才调赔率"的情况。 数据经不起推敲, 4390 次出手赚 440 万 → 每笔均利润 ~$1000。但我们扫描的结果是零个机会超过 3% 阈值,2.5% 的价差连对冲成本都覆盖不了, 体育盘口流动性有限,热门联赛单场 orderbook 深度不过几万到十几万美金,你想一次性砸大单进去滑点就把利润吃完了, 叙事套路典型, "MIT 辍学""父母哭""代码印钞机""28万人盯着"——这是标准的 crypto Twitter 爽文模板。查了下 432614799197 这个 Polymarket 地址/ID,推文也没给链接让你验证。 真正的套利长什么样, :thumbsup: 点击反应 :people_hugging: 点击反应 :trophy: 点击反应 添加反应 回复 转发 更多 [19:05]2026年3月21日 19:05 我们研究的结论是:五大联赛赛前无套利空间,机会只可能在: 世界杯散户涌入期(情绪溢价), 冷门联赛(但流动性极差,$0-$88K), 临近开球阵容公布后的短暂窗口(秒级,不是小时级), 结论:这条推文是包装过的爽文,用"时区套利"这个听起来合理的概念包装了一个不存在的故事。核心逻辑不成立——链上市场是 24/7 全球定价的,不存在几小时级别的地理套利窗口。
See More
Ee20
@0xee20
3 months ago
> 用 AI Agent 一段时间后,我的结论是:**尽量用最好的模型,别省这个钱。** > > **Opus 4.6**:执行逻辑严谨,步骤严格,输出一致性高,不容易翻车。复杂多步任务交给它,基本不用返工。 > > **GPT 5.4**:严谨性略逊一筹,但胜任简单逻辑任务,表现仍优于大部分国产模型。 > > 大部分国产模型在 Agent 场景下差距明显。打个比方:Opus 像一个资深老员工,交代任务后自己就能跑通;而弱模型像刚入职的新人——你得不断纠正他的错误,反复教他正确做法,他可能还会犯同样的错。 > > 这种反复纠缠最大的代价不是时间,而是**注意力**。你的精力被消耗在纠错上,无法专注于自己的深度思考和高价值输出。 > > 我目前的方案:**Opus 4.6 负责主力操作,GPT 5.4 跑简单定时任务。** 对 OpenClaw 来说,这是一个顶配但高效的组合——模型成本高一点,但省下来的是你自己的认知带宽。
See More
Ee20
@0xee20
3 months ago
全职交易最大的敌人不是行情,是你没有除了高抛低吸外别的收入。 打工的时候反而交易做得好——不是因为水平高了,是因为不焦虑。有工资兜底,你能等得起。等得起就不追车,不追车就不被割。 一旦全职,每一笔交易都背着"这个月房租"的压力。你会: • 该空仓的时候硬开单 • 该拿住的时候提前跑 • 亏了急着回本,赢了急着落袋 本质上,交易需要的是"无所谓"的心态——而这种心态,靠修行修不来,靠现金流能买到。 所以最好的交易状态不是辞职 all in,是忙到没空看盘。手没那么频,反而赚得多。 先有现金流,再谈交易体系。顺序反了,再好的策略也扛不住心态崩塌。
Last Seen Users on Sotwe
Da’Aliyah Reneé 🤎
Seen from
Israel
Cum In Me Daddy
Seen from
Kenya
Poppy Shemale Officials
Seen from
Thailand
liaa🏳️⚧️
Seen from
United States
Sen ben
Seen from
Turkey
حسون
crazy'
Seen from
Germany
Anne 🎀
Seen from
Belgium
meru ❣🔞
Mê Trung Niên
Seen from
Vietnam
Trends for you
1
Brunson
Under 10K tweets
2
#loveislandusa
Under 10K tweets
3
#NBAFinals
Under 10K tweets
4
Kratos
Under 10K tweets
5
California
Under 10K tweets
6
God of War
Under 10K tweets
7
Scott Pelley
Under 10K tweets
8
Good Thursday
Under 10K tweets
9
60 Minutes
Under 10K tweets
10
Consolidation
Under 10K tweets
Most Popular Users
1
Elon Musk
@elonmusk
240.1M followers
2
Barack Obama
@barackobama
119.3M followers
3
Donald J. Trump
@realdonaldtrump
111.6M followers
4
Cristiano Ronaldo
@cristiano
108.8M followers
5
Narendra Modi
@narendramodi
106.9M followers
6
Rihanna
@rihanna
97.2M followers
7
NASA
@nasa
92.1M followers
8
Justin Bieber
@justinbieber
90.5M followers
9
KATY PERRY
@katyperry
86.7M followers
10
Taylor Swift
@taylorswift13
80.5M followers
11
Lady Gaga
@ladygaga
72.1M followers
12
Kim Kardashian
@kimkardashian
69.3M followers
13
YouTube
@youtube
68.6M followers
14
Virat Kohli
@imvkohli
68.4M followers
15
Bill Gates
@billgates
63.4M followers
16
The Ellen Show
@theellenshow
62.5M followers
17
CNN
@cnn
61.9M followers
18
Neymar Jr
@neymarjr
60.9M followers
19
X
@x
60.9M followers
20
CNN Breaking News
@cnnbrk
59.9M followers
Olivia
Online
✨
⭐
💫