Ee20

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。

[Ee20 @0xee20]

哎又跌回前中枢了，还得慢慢磨了，继续大力卖CALL

[Ee20 @0xee20]

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]

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]

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。

[Ee20 @0xee20]

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]

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]

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。

[Ee20 @0xee20]

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。

[Ee20 @0xee20]

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]

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。

[Ee20 @0xee20]

```
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
```

[Ee20 @0xee20]

@bitkeyboardman 365469972

[Ee20 @0xee20]

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]

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]

> 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。

[Ee20 @0xee20]

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。

[Ee20 @0xee20]

> 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。

[Ee20 @0xee20]

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。