insectsale.eth

#MintSquare

[insectsale.eth @Howdao2]

https://t.co/F1lV0n58la

[Polymarket Analytics @poly_data]

This anonymous Polymarket trader makes a consistent $2,500 EVERY week

They have a 76% win rate focused on South Korean markets.

Account: https://t.co/g7Sg3XwKdw

[Lookonchain @lookonchain]

This is a smart trader on #Base you need to watch, with $1.8M in total profit!

Today, he made $137K on $TSG in just a few hours — a 127x return!

He also made $346K on $GITLAWB and $150K on $CLAWD.

Wallet: 0xcd83f4c3a4b96d56367e482a3774802877b82e13

[Vela @QuantVela]

回测了下电竞的尾盘反转情况，好奇是否可以做成一个策略。

电竞中提前买尾盘 bond 的对手盘，可能因为数据源出错、比赛逆转等原因买错，带来了极高 EV 的百倍机会。回测发现 Poly 上的 lol 比赛中有 1.5% 发生尾盘逆转。虽然 EV 依然是正的，但这个概率比我想象的低很多呀...

也分享一下使用的回测 prompt：
1. 使用 polymarket API /events/keyset 获得所有 series_id=10311 的 events，保存到一个 csv 中
2. 根据 startTime，outcomes 队名从 lol 数据源 https://t.co/oqwGodQdAu 匹配对应的 match，获得比赛信息、livestats、比分、game id
3. 使用 polymarket API /prices-history 传入比赛的 clobTokenIds，game 的开始时间和结束时间，然后分析有多少比赛在快结束时反转，也用 d3.js 帮我绘制出来这些图表

[hunter_0 @0xhunter_null]

教你一眼看出什么叫“没有任何CS背景纯vibe coding”的人：
1.环境变量乱七八糟
2.拉三条链的数据，完全没有任何并发，等着吃别人尾气
3.没有缓存，同一个币推三次，他每次都把数据重新查一遍

现在很多“社区项目”的代码水平，大概就这样。

我顺手给它修了一版：
https://t.co/PbvGPVVl9y
PS.这个策略本身还是很顶的，第一个把IO策略写好后开源的项目，我是程序员老毛病犯了()()，随时随地开始优化

[币少爷 @Crypto_Boy1520]

NFT 还是 GameFi还是AI？

最近最有意思的项目之一，大概就是 Slonks。

它把 AI、NFT、Uniswap V4 Hook、链上游戏经济，全部揉进了一个实验里。

一句话解释：

把 10000 个 CryptoPunks 喂给一个部署在以太坊上的微型 AI 模型，然后让 AI 在链上重新“临摹”一遍。

重点是：

AI 画得越不像，反而越值钱。

项目把“画错的像素”定义成 slop。

每张图一共 576 个像素，AI 与原图不同的像素越多，slop 越高。

而整个游戏，就是围绕 slop 展开的。

1️⃣

Slonks 最核心的玩法是 Merge。

两张同等级 NFT 可以合成。

AI 会把两个 Punk 的特征重新融合生成新图。

越不像的两个 Punk 合在一起，
通常会产生更高的 slop。
本质上很像“基因杂交”。

而每次升级，都需要销毁 NFT。

L1 烧 2 张，
L2 烧 4 张，
等级越高，通缩越狠。

所以 mergeLevel 本质上是“销毁的伤疤”。

2️⃣

未来上线的 $SLOP 更有意思。

规则很简单：

NFT 有多少 slop，
就能兑换多少 $SLOP。

于是 NFT 不再只是 JPEG，
而变成了“可拆解的像素资产”。

如果拆币价值高于地板，
玩家就会选择直接拆。

高 slop NFT 自然越来越贵。
而烧掉 $SLOP，
又能重新抽 NFT。

整个系统形成：
NFT ↔ Token ↔ Merge ↔ 通缩

3️⃣

最让我觉得牛的其实是工程实现。

它真的把 AI 模型塞进了智能合约。

每次 mint 或 merge，
EVM 都会现场跑一次推理，实时生成 SVG。
AI + NFT + V4 Hook + 通缩机制，
全被它缝在了一起。

这已经不只是 NFT 了。

更像一个链上的 AI 艺术经济实验。

收藏家、套利者、交易员、赌 merge 的玩家，
都会在这个系统里形成动态平衡。

很多人刚开始没看懂，
但真正玩进去后会发现：

这项目的设计，确实有点东西。

respect every onchain innovation.

[Vraj Desai @vrajdesai78]

are y'all ready to print LP rewards

@Polymarket goes live with CLOB v2 in a few minutes:

→ 500K in LP rewards in the first 2 hours
→ 500K more across the rest of the day

don't forget to use @met_engine for finding the best markets to LP

[Leo｜一个人 + AI @runes_leo]

关于 Polymarket 策略的下单方式，很多人搞混：GTC ≠ maker，market ≠ taker。我以前也理解错了，跟群友学习了

所有订单底层都是 limit order，区别在订单类型（GTC/GTD/FOK/FAK）和 postOnly 参数组合：

・GTC + postOnly=true，立刻成交 → 直接 reject（不让你吃单）
・GTC + postOnly=true，挂上去后被打 → maker
・GTC + postOnly=false，立刻成交 → taker
・GTC + postOnly=false，挂上去后被打 → maker

所谓"market order"本质 = 用可立即成交价送出去的 limit，或直接用 FOK/FAK。

进阶一点：为什么 taker 不用 fok 加滑点省事？因为 taker 有延迟，fok 加了滑点也挂不上去，接单基本都是不利方向移动。这是实盘和模拟差距最大的一点。
https://t.co/Y9u8fMQUus

[insectsale.eth @Howdao2]

RT @runes_leo: 研究预测市场策略就离不开针对 PM 地址逆向工程。应该至少做到基本上现在任意一个地址丢过来，都能把它拆开——打哪里、打什么时间框架、怎么执行，一条递进的证据链走完就清楚了。

拿群里最近在聊的这个地址当例子。

画像：2 月注册，45 天 $225…

[Gipp 🦅 @gippp69]

https://t.co/tg1kE3VBTH

[KK_Cup @ywa_ywa_ywa]

https://t.co/gp3Z0FuQGT

[梭哈.AI @SUOHA_AI]

《OKX 对话交易员》系列再次夯爆

从养猪场到全职链上交易员--赚了上千万美元🫡

主持Mia @mia_okx｜嘉宾Lana @lanaaielsa

这是我反复学习的细节👇

1️⃣（Mia）：请你先做一个自我介绍

➤（Lana）：我叫棍，也有人叫我 Lana ，我是一名全职链上交易员，2021 年入圈，目前全天候都在链上进行交易

2️⃣（Mia）：你在入圈前做 IPO 审计并在养猪场待了一年的经历是怎样的？

➤（Lana）：那是我毕业后的第一份工作，在一家头部券商工作，我需要不断出差去准上市公司协助完成上市材料，审核它们是否符合标准

当时的工作很基础，比如数猪、追着猪跑、对猪做尽调，研究饲料成分和成本，并把这些细节写进招股说明书。因为养猪场都在郊外，为了工作方便，我们就直接住在养殖场里

3️⃣（Mia）：这段 IPO 审计经历对你进入加密行业有影响吗？

➤（Lana）：影响深远，第一份工作为我打下了很坚实的基础技能，让我养成了一套调查标的的流程，能快速识别有潜力的标的

比如我当时 Excel 用得非常好，后来做链上跟踪，很大一部分也是利用 Excel 表格完成的

4️⃣（Mia）：在投资过程中，你觉得有哪些规律是和币圈相通或背离的？

➤（Lana）：投资有周期，虽然很难抓规律，但能抓特性，链上 Meme 币本质上是资金流游戏，我会参考传统行业的定价模型

比如传统企业会用现金流折现模型，创新药或者早期特斯拉则更看行业倍数，这让我能区分哪些标的是现金流型的，哪些是纯靠叙事和想象空间的，从而给它们的估值上限设定不同的判断标准

5️⃣（Mia）：去年 AI 赛道的估值你是如何判断的？

➤（Lana）：以去年 AI 行情为例，像GOAT，AI16Z，ACT 这些标的，有的估值去到了 24 亿美金

当时市场上超过 1 亿美金的标的很多，几乎每周都有一两个能到 3 亿美金。我发现那时候市场形成了一种“金狗时间”共识，也就是每个月 10 号到 11 号之间，最容易出当月最强劲的项目。像 PUNT、ACT、AIOX 都是在这个时间点出现，所以时间本身也变成了一种共识

6️⃣（Mia）：你在 TRUMP 这一战中最高战绩达到了 50M？

➤（Lana）：差不多，我买了大约 200 万个币，占流通量的 1% 左右。我几乎把链上所有有钱的钱包都打出去了

我的成本很低，大部分仓位都在 1 美元以内，第一笔是在 0.3 美元左右买入的

7️⃣（Mia）：当时很多人质疑 TRUMP 的真实性，你为什么敢在 0.3 美元左右就介入？

➤（Lana）：因为我在 2022 年买过川普的 NFT，并且赚到过钱，我会去想，这一轮川普会不会卷土重来

他本身就是一个总能给人意外的人，越不可能的事，越有可能发生。当时我通过监控发现，一批我跟踪很久的钱包资金流出现了异常，已经超出了平时的监控范围

8️⃣（Mia）：你是如何进一步确认其真实性的？

➤（Lana）：虽然第一秒确实很难分真假，但后来我看到了 DEXTools 的 API 接入，大概是在 0.7 到 0.8 美元那个位置接入的，也看到了官网代码里的 logo。

基于这些信息，我觉得这件事值得博一把。人只能活一次，万一是真的呢，不充反而更亏。

9️⃣（Mia）：听说你梭哈买入后竟然睡着了？

➤（Lana）：当时我在伦敦，凌晨两点半还没睡，已经连续 36 小时没合眼了。疯狂买入之后实在太累，就直接睡着了

我睡前最后一眼看它还是 5 块钱，醒来发现价格已经到 20 块了。我第一反应还以为自己看错了，心想哪怕它跌回 1 块 9 我也能接受，结果发现收益高得有点夸张

🔟（Mia）：你当时是什么情绪？

➤（Lana）：我当时其实很平静。虽然看到朋友圈和微信群都已经疯了，连我以前养猪场的厂长都在发川普币，但我意识到这已经是一个破圈事件

我开始冷静分析它的估值，拿它去对标上一个周期的 SHIB，同时观察交易所筹码增长的速度，以此判断这到底只是链上 PVP，还是已经有圈外资金真正进场

1️⃣1️⃣（Mia）：当时你有多少个有钱的钱包？如何管理？

➤（Lana）：大概有 300 到 500 个。我有开发团队帮我做了一套多钱包管理工具，最开始其实是为了刷 Jupiter 的空投

我习惯每隔一段时间就换一批钱包，一方面是防止被别人追踪，另一方面也是为了让项目的筹码结构看起来更健康

1️⃣2️⃣（Mia）：有没有因为钱包太多忘记地址而付出惨痛代价？

➤（Lana）：有。上个月整理钱包的时候，发现有几个忘掉的地址里居然还有一批币

那批币在高点的时候值 20M，现在已经缩水到只剩 1M 了，还是挺心疼的

1️⃣3️⃣（Mia）：听说你的起点是 70U？

➤（Lana）：准确来说，那是 2023 年铭文爆发之后的起点。我 2021 年带了 15 万进场，最高的时候到过 5000 万，但后面也很快亏没了

1️⃣4️⃣（Mia）：那次“归零”的经历对你有什么改变？

➤（Lana）：519 那段时间，我因为做合约爆仓了。当时我一直觉得自己是“天之骄子”，但现实直接告诉我，风险真的极高

到 2023 年铭文行情之前，我手上只剩 20 万左右。我意识到自己根本看不懂 K 线，也做不好二级交易。所以后来我转向链上，只看资金流向和热点，因为链上交易更透明，也更符合我的优势

1️⃣5️⃣（Mia）：你的交易胜率如何？

➤（Lana）：我的胜率很低，基本只有个位数。

但我喜欢用波动性去换取高回报，只要抓到一两个百倍、千倍的标的，其实就够了

1️⃣6️⃣（Mia）：什么是“30 条命”理论？

➤（Lana）：我会把本金切成 30 份。比如 30 万美金，就切成 30 个 1 万美金

既然我刚入圈的时候，能用小本金一路打上来，那未来一定还会有机会。你有 30 次容错机会，在早期出手的时候就会更敢，不会因为怕输而畏首畏尾

1️⃣7️⃣（Mia）：面对低胜率，你如何调整心态？

➤（Lana）：我已经习惯失败了。赚钱的前提，本来就是你得先接受不断失败这件事

我会把每一次回撤都当成优化的机会。比如最近 Ponke 那个策略，利润从 1M 回撤到 600K，我就会去复盘到底是哪一步预判错了，争取下次做得更好。

1️⃣8️⃣（Mia）：你应对焦虑的方式是什么？

➤（Lana）：直接行动。去翻历史资料，去找老群友聊天，在脑海里做无数次模拟演练

现实里 90% 的人执行力都很差，但我会把所有可能性都先跑一遍

1️⃣9️⃣（Mia）：你平时会自言自语，甚至和猫说话？

➤（Lana）：会。我脑子里经常像有两个小人在对话复盘

我想事情的时候，喜欢在家里的岛台旁边一边转圈一边走，每天能走四五千步。有时候还会把猫搬到桌上，对着它复盘。虽然医生测出来我家的猫是“弱智”，但它确实是个很好的倾听者

2️⃣0️⃣（Mia）：你如何区分信号与噪音？

➤（Lana）：资金不会骗人。社交媒体上的嘴会骗人，但用钱投票这件事是最有效的

我早年在贴吧引流，在闲鱼卖数据，4个月赚了 40 万。那段经历让我学会了怎么过滤信息污染，只抓原始数据源

2️⃣1️⃣（Mia）：你会利用 AI 监控“聪明钱”吗？

➤（Lana）：会。我现在有一套基于“实体（Entity）”概念的监控体系。只要钱包之间有转账，AI 就能把它们关联起来

我会把这种资金流向做成可视化，就像看自来水的流向图一样，去观察整个池子的变化

2️⃣2️⃣（Mia）：AI 对你的交易效率提升大吗？

➤（Lana）：效率提升非常大。我现在正把自己从 2019 年以来存储的几十 TB 历史数据，包括费率、借贷利率这些数据，持续喂给 AI。

我的目标是让 AI 学会市场节奏，未来甚至可以替代我去做二级交易

2️⃣3️⃣（Mia）：你认为自己最大的短板是什么？

➤（Lana）：我最不擅长的是“卖”。

我很会捕捉早期机会，但经常因为不知道什么时候该卖，导致利润大幅回撤。所以我现在也在尝试用 AI 帮我形成卖出的“肌肉记忆”

2️⃣4️⃣（Mia）：你未来关注哪些赛道？

➤（Lana）：机器人、太空探索、3D 打印。

在 Web3 领域里，我会重点关注链上的新玩法，比如 Ponke 策略这种标准化之外的创新，还有 Perps DEX，也就是链上永续合约，因为那里有更多聪明的交易员，可以被 AI 追踪和跟单

2️⃣5️⃣（Mia）：你现在的状态如何？

➤（Lana）：很 OK。

我现在最幸福的事情，就是工作刚好也是我的兴趣。我很享受这种长期浸泡在市场里的生活方式

[Sawyer @hi_sawyer]

https://t.co/3lHb81lzLV

[0xp3nny @love_u_4ever]

https://t.co/Q4S8H9aD5u

[kepo @kepochnik]

10 GitHub repo for trading on Polymarket

all of this is free and can help automate your trading

1. prediction-market-backtesting: https://t.co/UnH54KVx9a
backtest trading strategies on real Polymarket and Kalshi data

2. TradingAgents: https://t.co/Lm60e1pdzf
lets you build a complete trading system

3. /last30days: https://t.co/95fwPARvZH
analyzes news from the past 30 days

4. Assistant Tool: https://t.co/AAg4OnT3yF
indicators that show where the market is heading

5. Firecrawl: https://t.co/xre9w58lyr
turns any website into clean data

6. Pydantic AI: https://t.co/FoqInIkY4U
agent framework for building production bots

7. n8n: https://t.co/2ACIwCnW3N
news analysis and filtering

8. Tavily MCP Server: https://t.co/KdQ9YaqK2J
search built

9. Collector & Analyzer: https://t.co/HqUhGJBzmP
collects the full trade history of any wallet

10. Binance Collector: https://t.co/AJzAqWwz0o
predicts market direction and calculates fair value

completely free

[Zin @CryptoZin]

Hardly anyone is using this method yet.

[Citrini @citrini]

I spent 100 hours over the past week researching, writing and editing the piece we just put out.

It’s a scenario, not a prediction like most of our work. But it was rigorously constructed, dismissing it outright requires the kind of intellectual laziness that tends to get expensive.

And we’ve released it for free. Hopefully you enjoy it.

https://t.co/YK8E11GcDU

[XinGPT🐶 @xingpt]

https://t.co/5GBtn0C4qr

[Kenny.eth @_0xKenny]

解释一下这套龙虾高度自动化的方案的实现原理和架构

这套方案本质上是三层架构：

1. 虚拟桌面层（Xvfb + Chrome）

Xvfb 是一个”无头”X11显示服务器，它在内存中模拟了一块真实的显示器（1600x900分辨率）。Chrome 浏览器运行在这个虚拟显示器上，和你
平时我们在 Mac/Windows 上打开 Chrome 完全一样 - 有真实的渲染引擎、真实的浏览器指纹、完整的 JavaScript 执行环境。这不是 Puppeteer/Playwright 那种无头浏览器模式，所以网站很难检测到它是自动化环境。

2. Browser Extension 中继层（关键桥梁）

这是最核心的一环。OpenClaw 的 Chrome Extension 装在浏览器里，充当了 AI 和浏览器之间的”翻译官”：

* 看屏幕：Extension 通过 Chrome 的 chrome.tabs.captureVisibleTab() API 截取当前页面的截图，发送给 OpenClaw 后端，再转发给大模型。大模型（GPT-5.3 Codex）具备视觉理解能力，能”看懂”K线图、按钮、输入框等界面元素。

* 操作浏览器：大模型分析截图后，输出结构化指令（点击坐标 x,y、输入文字、滚动页面等），Extension 通过 chrome.debugger API 或直接注入 JS 脚本来执行这些操作——模拟真实的鼠标点击和键盘输入。

* Extension 和 OpenClaw daemon 之间通过本地 HTTP 通信（127.0.0.1:18792），用 token 做认证。

3. AI Agent 层（OpenClaw + Codex）
OpenClaw daemon 在服务器后台运行，负责：

* 循环执行”截图 → 发送给大模型 → 接收指令 → 通过 Extension 执行”这个闭环

* 管理对话上下文和任务状态

* 通过 Telegram bot 接收你的自然语言指令并反馈执行结果

信息流简化

(Telegram) → OpenClaw Daemon → Codex大模型(视觉+推理)
↕
Chrome Extension(截图+操作)
↕
Chrome浏览器(TradingView / Hyperliquid)

为什么反检测强

传统自动化方案（Selenium/Puppeteer）会在浏览器里留下 navigator.webdriver=true 等指纹痕迹。这套方案用的是完整安装的 Google Chrome + 真实用户数据目录，Extension 的操作方式更接近真人交互（通过 DOM 事件而非 CDP 协议注入），所以 Cloudflare、reCAPTCHA 等反机器人系统很难识别。

VNC 的作用则纯粹是给你一个”监控窗口”，让你能实时看到龙虾在干什么，必要时也可以手动介入操作。

[DAN KOE @thedankoe]

https://t.co/7l7Jef99QZ

[0xFEI @FEIlXIE]

加更，测试完毕，是真的，给我领了23U，应该只给SEEKER手机的空投（估计会识别是否有.SKR域名），非手机地址没测试

各位SEEKER们快冲！！！