阿庚的AI生存手册

AI 时代普通人如何破局，如何生存。

[Rekt Fencer @rektfencer]

I TURNED $3K INTO $250K ON ROBINHOOD MEMES IN 10 DAYS

Most people use the same tools.

The difference is in a few small details.

Here’s exactly what I do 👇

1️⃣ GMGN for finding runners

Set the chain to Robinhood and watch New Pairs, Trending and Hot Searches.

Don’t start with the coin that already printed.

Filters I use:

For established names: under ~$25M mc, 7+ days old, sort by vol. I’m looking for secondaries around $5M-$10M that still have room for $50M-$100M.

For fresh: ~$500K+ mc, under 7 days old, sort by vol. I like $1M-$2M entries with $10M-$20M as the first hurdle.

Always check bundles, snipers and rug flags. Dirty tape = skip.

2️⃣ FOMO for checking holders

Take a runner from the last 2-3 days, open Holders and find wallets that entered very early.

Then filter them.

Stale wallet = skip.
Buy and dump in 2 mins = skip.
Spraying every launch = skip.
Actually selective and early = follow.

Wait for their next buy, then only enter if the chart and narrative still make sense.

Never copy blindly.

If all the big accounts already hold it, you’re probably late.

3️⃣ The most important part

STOP BUYING GREEN CANDLES.

Don't ape a 10-15 hr launch that's still pumping.

- Hunt 1-4 day old names that already ran, dumped, and still have a live community on X.
- Paste the CA.
- Check holder concentration.
- Check if CT is still posting.
- Buy dips (100-200k after a 1-3m ATH), not the 2x pump everyone already saw.

That’s basically the playbook.

Good luck!

[DeFi狙击手 | Ai🕊️ @bi_9527zx]

Codex + GMGN 做本地打狗雷达，不自动买币，只帮我扫币、排雷，最后自己决定买不买。

做法不复杂：让 Codex 装好 GMGN Skills，再接一个关闭交易权限的 API，把筛选要求告诉它就行。

我主要看市值2万—8万美元的币，刚出生的先等5分���。

查合约权限、LP锁仓、貔貅风险和钱包分布，再看X上的讨论像不像真人。

查不到的就标“待复核”，不会硬说安全。

现在调度每2分钟扫一轮，桌面双击就能看结果。（部署在mac mini 环境里不需要链接大模型，无需token）

省的是翻网页的时间，减少90%的噪音能规避90%的归零币和垃圾币。

感兴趣或者有不懂的评论区可以问我！

[Film Fusion🎬 @filmfusion_x]

20 TV series with more sex scenes than Spartacus.

A Thread 🧵👇

[社Q君crypto @shequjuncrypto]

物质的极大丰富，片子的极大丰富啊

[Metamental | 方外之域 @yijiangren]

想学投资，基本面和技术面，记住这些代码就够了

最近跟一些朋友聊天，不是留子就是二代，都想学投资，但是不知道怎么入门。
也分不清什么是技术面和基本面。
我来跟大家讲讲吧。

MA、MACD、RSI、CPI、PCE、EPS、PE……
看起来像在学另一门语言。
其实真正高频出现的，也就那么几十个。
我把它们分成三个板块。

一、技术面

MA
Moving Average，移动平均线
最基础的趋势指标。
MA5、MA20、MA50、MA200，本质上就是过去一段时间的平均价格。
周期越长，越代表长期趋势。

EMA （也是我引用的 @nekofrize 写的这篇讲的指标，真的推荐大家好好看看）
Exponential Moving Average，指数移动平均线
也是均线，但会给最近的价格更高权重。
比 MA 反应更快。
短线交易里经常用 EMA8、EMA20，长趋势里常看 EMA200。

MACD
Moving Average Convergence Divergence
用来看趋势、动能和拐点。
核心看：
DIF、DEA、红绿柱、零轴。
最常见的关键词就是：
金叉、死叉、零轴、顶背离、底背离。

RSI
Relative Strength Index，相对强弱指标
衡量一段时间内买卖力量的强弱。
RSI > 70，进入偏热区域
RSI < 30，进入偏冷区域
但超买不等于马上跌，超卖也不等于马上涨。

KDJ
一种随机指标。
核心看 K、D、J 三条线。
短线比较敏感，常用来判断超买、超卖和短期拐点。
震荡市好用，单边趋势里容易钝化。

BOLL
Bollinger Bands，布林带
由三条线组成：上轨、中轨、下轨。
中轨通常是一条均线，上下轨反映价格波动范围。
最常用来看波动率扩张、收窄、突破和趋势加速。

VOL
Volume，成交量
技术分析里最重要，却最容易被忽略的指标之一。
价格告诉你市场往哪走，成交量告诉你有多少人相信这个方向。
突破放量、回踩缩量，通常比单纯看一根K线更有意义。

Fibonacci
斐波那契
常见位置：
23.6%
38.2%
50%
61.8%
78.6%
主要用来寻找回调、支撑和压力区域。
61.8% 基本上是最重要的。

TD
TD Sequential，TD序列
用来观察趋势是否可能进入衰竭阶段。
最常用的就是：TD9 TD13
不是说“出现9或者13就一定反转”，更适合作为一个趋势过热提醒。
ATR
Average True Range
衡量市场波动率。
ATR越高，说明市场波动越大。
它非常适合拿来做：止损、仓位管理、波动判断。

ADX
Average Directional Index
判断趋势强不强。
它不负责告诉涨还是跌，只负责告诉你：现在有没有趋势。
一般 ADX 越高，趋势越明显。

OBV
On-Balance Volume
把价格和成交量放在一起看。
如果价格创新高，但 OBV 没有同步创新高，就要警惕上涨背后的资金强度不足。

VWAP
Volume Weighted Average Price，成交量加权平均价
机构和日内交易者经常看。
可以简单理解成今天市场真实成交成本大概在哪里。
价格长期站在 VWAP 上方，说明日内多头占优。

GEX
Gamma Exposure
期权市场里很重要的指标。
主要观察做市商 Gamma 敞口。
它可以帮助判断市场什么时候容易被“吸住”，什么时候容易出现剧烈波动。

IV
Implied Volatility，隐含波动率
期权市场对未来波动的预期。
财报、FOMC、重大事件之前，IV 经常快速上升。

二、基本面：看经济和公司到底怎么样
先说宏观

CPI
Consumer Price Index，消费者价格指数
最重要的通胀指标之一。
看居民买东西到底贵了多少。
市场最关注：
CPI YoY：同比
CPI MoM：环比
Core CPI：核心CPI

PPI
Producer Price Index，生产者价格指数
看企业生产端的价格变化。
可以理解成上游通胀。
如果 PPI 持续上涨，未来可能向消费者端传导。

PCE
Personal Consumption Expenditures
美联储非常重视的通胀指标。
尤其是：
Core PCE
美联储制定货币政策时，它的重要性通常高于单纯的 CPI。

NFP
Nonfarm Payrolls，非农就业
每个月最重要的就业数据之一。
主要看：
新增就业
失业率
平均时薪
数据太强，美联储可能更鹰。
数据太弱，又可能引发衰退担忧。

ADP
美国私人部门就业数据。
通常在非农前公布，所以经常被称为“小非农”。
但它和正式非农并不是一回事。

JOLTS
Job Openings and Labor Turnover Survey
职位空缺数据。
反映美国企业到底还缺不缺人。
职位空缺越多，通常代表劳动力市场越紧。
Initial Claims
初请失业金人数
每周公布。
属于观察美国就业市场最及时的数据之一。

GDP
Gross Domestic Product
国内生产总值。
判断经济到底是在扩张还是收���。
连续低增长甚至负增长时，市场会开始讨论衰退风险。

PMI
Purchasing Managers' Index
采购经理指数。
非常重要的经济领先指标。
一般：
50：扩张
<50：收缩
常见：
制造业 PMI
服务业 PMI

ISM
美国供应管理协会发布的经济调查。
ISM Manufacturing 和 ISM Services 都是市场非常关注的领先指标。

FOMC
Federal Open Market Committee
美联储议息会议。
决定：
利率
缩表
货币政策方向
每年都是市场最重要的宏观事件之一。

FED
Federal Reserve，美联储
美国中央银行。
全球资产价格绕不开的三个字母。

DXY
美元指数
衡量美元相对主要货币的强弱。
通常美元快速上涨时，会给黄金、加密和部分风险资产带来压力。

US10Y
美国10年期国债收益率
科技股投资者尤其要看。
因为成长股估值，对长期利率非常敏感。
收益率快速上升时，高估值科技股往往容易承压。

再说公司基本面

Revenue
营收
公司到底卖了多少钱。

EPS
Earnings Per Share，每股收益
公司赚的钱，摊到每一股是多少。
财报季最常见的两个概念就是：Revenue EPS

Guidance
业绩指引
很多时候，比这一次财报本身更重要。
市场交易的是未来。
所以会经常出现财报很好，股票却暴跌。
原因往往就在 Guidance。

GM
Gross Margin，毛利率
非常重要。
代表公司每卖100块钱产品，扣掉直接成本以后还剩多少。
毛利率越高，商业模式通常越漂亮。

OM
Operating Margin，营业利润率
看主营业务到底赚不赚钱。

FCF
Free Cash Flow，自由现金流
公司真正能够自由支配的现金。
长期看，FCF往往比单纯利润更重要。

PE
Price-to-Earnings Ratio，市盈率
股价 / 每股收益。
最常见的估值指标。
但高 PE 不一定贵，低 PE 也不一定便宜。
还得结合增长速度。

PS
Price-to-Sales Ratio，市销率
市值 / 营收。
���多还没盈利的成长股，更适合看 PS。

PEG
PE ÷ 盈利增长率。
试图把“估值”和“增长”放在一起衡量。

ROE
Return on Equity，净资产收益率
判断公司使用股东资金赚钱的能力。
长期高 ROE 的公司，往往值得重点研究。

CapEx
Capital Expenditure，资本开支
AI时代尤其重要。
微软、$Meta、$Google、$Amazon 每个季度的 CapEx，已经变成观察 AI 投资周期的重要指标。

Backlog
在手订单
公司已经签下、但还没有完全确认收入的订单。
云计算、军工、基建、AI服务器公司经常重点看这个数字。

三、股票代码：先把七巨头认全

$NVDA — Nvidia
英伟达
现在全球 AI 算力最核心的公司之一。
GPU、CUDA、AI服务器生态，是这一轮AI资本开支周期最重要的基础设施。

$MSFT — Microsoft
微软
Azure + Office + Copilot。
它最大的优势，是企业软件入口和云计算生态。

AAPL — Apple
苹果
全球最强消费电子生态之一。
iPhone只是表面，真正值钱的是用户、操作系统、服务和入口。

GOOGL — Alphabet
Google
搜索、YouTube、广告、Google Cloud，再加上 Gemini 和 TPU。
既是互联网巨头，也是AI基础设施玩家。

AMZN — Amazon
亚马逊
一半是电商，一半是 AWS。
真正决定估值上限的，长期还是云计算和AI。
META — Meta Platforms

Meta
Facebook、Instagram、WhatsApp背后的公司。
核心商业模式依然是广告，但正在重仓 AI、推荐算法和算力基础设施。

$TSLA — Tesla
特斯拉
表面是电动车公司。
市场真正交易的却一直是 FSD、Robotaxi、机器人、能源，以及马斯克能不能把这些故事变成现实。

如果你刚开始学投资，我不建议一次学100个指标和概念。

先把这些词认识：

技术面
MA / EMA / MACD / RSI / KDJ / BOLL / VOL / Fibonacci / TD / ATR / VWAP

宏观
CPI / PPI / PCE / NFP / JOLTS / GDP / PMI / FOMC / DXY / US10Y

公司
Revenue / EPS / Guidance / GM / FCF / PE / PS / ROE / CapEx

股票
NVDA / MSFT / AAPL / GOOGL / AMZN / META / TSLA

当你开始能看懂这些代码以后，你会发现以前看财经新闻像天书，后来再打开一份财报、一张K线图、一次FOMC声明，里面真正陌生的东西，已经没剩多少了。

[SonkoScenes🎬 @1SonkoScenes]

40 Movies You Need To Watch Alone At Least Once.. 🔥🎬

[yyy @y_cryptoanalyst]

一个恐怖的数据：
Robinhood Chain 的24h App Revenue 超越以太坊，甚至达到Base 的6倍。L2 这项数据超过主网放在以前是非常罕见的。

据defillama 数据显示，RH Chain 近24h App Revenue 为184万美元，高于同期的以太坊（114万美元），是同期 @base （不足30万美元）的6倍多。

前3大协议 @gmgnai, @ponsdotfamily, @Uniswap 就贡献了近98%的份额，它们近24h App Revenue 的数据分别为80.3、69.3、29.4万美元。

RH Chain 的资金效率和应用层变现效率开始高于以太坊，远远高于包括Base 在内的其他任意L2。

[线索c @cluec3]

我很难想象
这是一个新手交易者写出的EMA均线思考教学

EMA作为一个几乎都可以拿来单独引导做单的指标
重要性非常之高

这篇文章从EMA的定义 原理 到使用方法写的非常详细

在如今浮躁的合约市场有这种详细深度的文章真的太难得了
期待作者后续的内容🧐

[河马 @Dongmoom55]

用 codex 搓了一个 @Aster_DEX 的看板，主要是追踪聪明钱和做市商内幕地址。

后面我会收集完善更多的聪明钱地址开放给大家用。

比如这个地址 ethereum:0x6c76de483f1752ac8473e2b4983a873991e70da7 、 siren-2:native 都是盈利十几万u，懂的都懂...

[ctomservice @ctomservice]

下一轮Crypto 超级叙事已经诞生了

它就是Machine Economy

2018 年，DeFi 概念开始成形。

两年后的 2020 年，DeFi Summer 爆发，Uniswap、Aave、Compound 等协议共同开启了��上金融时代。

2023 年初，Ordinals 协议正式上线比特币主网。随后铭文、BRC-20、Runes 等相继出现，比特币第一次从单纯的“数字黄金”，延伸出新的资产发行与应用生态。

回头看这两轮叙事，会发现一个很有意思的规律：

真正的大叙事，往往不是牛市到来以后才诞生。

它通常提前一到两年，在市场还没有充分关注的时候，先完成最重要的底层原语创新。

随后，开发者、资本、基础设施和真实用户逐渐进入，等到技术成熟与流动性周期共振，最终演变成席卷整个市场的超级叙事。

所以今天真正值得研究的问题不是：

下一轮什么币会涨？

而是：

2025—2026 年，究竟诞生了什么今天看起来不起眼，却可能改变未来 Crypto 产业结构的新东西？

我目前越来越关注一个方向：

Agentic Economy——机器经济。

它并不是简单的“AI + Crypto”。

真正发生的变化是：

AI Agent 正在第一次成为可以独立参与经济活动的主体。

过去 AI 只能帮助人类生成文字、图片、代码。

未来的 Agent 却可能拥有自己的钱包、身份和信誉，可以自主购买数据、调用 API、支付算力、雇佣其他 Agent，甚至管理资产和执行投资策���。

而最近几年出现的一系列基础设施，正在把这些能力逐渐拼起来：

ERC-8004，尝试解决 Agent 的链上身份、信誉与验证；

x402、MPP 等机器支付协议，让 Agent 可以自主完成支付；

Stablecoin，天然适合机器之间全球化、7×24 小时、低成本和可编程的结算；

Smart Account / Agent Wallet，开始成为机器的银行账户；

Vault，未来可能成为 AI 管理资产的基金容器；

DeFi、RWA、DEX、Lending、Perps，则构成机器可以调用的金融市场。

当这些基础设施连接起来，一套以前从未存在过的经济结构开始出现：

AI 获得身份
→ 获得钱包
→ 获得信用
→ 可以收钱
→ 可以花钱
→ 可以购买服务
→ 可以管理资产
→ 可以投资
→ 可以与其他 AI 发生经济活动。

这意味着，互联网未来可能增加一种全新的经济主体：

机器。

而 Crypto 恰好提供了机器经济最需要的几样基础设��：

数字货币、数字产权、开放金融、���球结算、可编程账户和无需人工介入的智能合约。

这也是为什么我认为，下一轮真正值得关注的可能不是某一个孤立赛道。

Stablecoin、RWA、Vault、AI Agent、Machine Payment、链上身份，看起来彼此独立，但它们可能正在汇聚成同一个更大的母叙事：

Machine Economy / Agentic Finance。

如果这个判断成立，稳定币未来就不仅仅是“链上的美元”。

它可能成为机器的原生货币。

Vault 也不仅仅是一个赚取 DeFi 收益的工具。

它可能成为AI Agent 的资产管理账户。

区块链也不再只是人类交易 Crypto 的网络。

它可能逐渐成为：

人与机器、机器与机器之间进行全球经济活动的结算层。

当然，现在还远远不能断言它一定会成为下一轮 DeFi。

真正值得警惕的是另一件事：

Visa、Mastercard、Stripe、Coinbase、Circle、Cloudflare 等处于完全不同产业位置的公司，已经开始同时布��� Agent 支付、稳定币、机器身份或可编程商业基础设施。

当产业资本开始从不同方向向同一个终点靠拢时，这往往比市场上的任何口号都更值得研究。

所以现在最重要的，并不是急着寻找所谓“AI 百倍币”。

而是找到这个新经济体系未来真正不可替代的基础设施：

谁提供机器的钱？
谁掌握机器支付？
谁提供 Agent 身份与信用？
谁掌握 Agent Wallet？
谁承载机器资产？
谁执行机器金融交易？
最终价值又沉淀在哪一层？

2018 年真正重要的事情，不是出现了一只 DeFi Token。

而是一个新的金融体系开始萌芽。

2023 年真正重要的事情，也不是出现了一张铭文。

而是比特币第一次获得了新的资产表达方式。

那么，2025—2026 年呢？

也许很多年以后回头看，我们才会发现：

下一轮 Crypto 的超级叙事，其实已经诞生了。

只是今天，大多数人还不知道应该给它叫什么名字。

[Mike Investing @MrMikeInvesting]

3 stocks that have 10x potential from current pricing:

1. Nebius | $NBIS ~ $2,000+ PT
(AI Infrastructure play that builds massive GPU data centers, & full stack cloud platforms)

2. Bloom Energy | $BE ~ $900+ PT
(AI energy play providing rapidly deployable, onsite fuel-cell power for data centers)

3. Zeta Global | $ZETA ~ $140+ PT
(AI powered marketing cloud combining consumer data, machine learning, and automation to help enterprises with customers)

Don’t miss your chance to load these names before they breakout.

Save this to look back on later…

[阿庚的AI生存手册 @ZhouZachariah]

使用我的推荐代码在@HyperliquidX上交易$INTC合约 https://t.co/7rAUE8vfCg

[spark🌟 @spark888]

推荐几位值得长期关注的加密/财经博主

币圈牛回了，比特币八万一了，梭哈前先看看原生家庭的本质高手

1. 麦总 @Michael_Liu93
前风投+银行家背景、现加密+美股玩家。风格偏深度分析、框架输出。近期对于加密、CRCL节奏判断精准。

2. 孤鹤 @GuHype
Hyperliquid重度玩家。在熊市持续、坚定建设，特朗普喊单HYPE达到ATH。学习如何选优质标的并知行合一。

3. Reboot @Reboottttttt
我不得不两次分享的朋友。罗哥推文干货含量很高，基本能覆盖打新领域信息。他的打新/盯链朋友也很多，即使他没关注也会转发有效信息。

4. 蓝狐 @lanhubiji
蓝狐笔记，ETH maxi，内容偏深度观察和长期叙事，长期重点关注以太坊生态。每次和蓝狐老师对话后感觉大脑得到升华。

5. ZC @ZhanweiC
预测市场本质高手，也是熊市做起来的全真社区创始人。可以从他不同的视角学习如何在币圈赚钱。

6. 雨中狂睡 @0xSleepinRain
交易/研究型博主，近期开始频繁输出干货，精准在coinbase宣布前踩中basecat，对其它代币（如mon）的判断也值得阅读。

以上老师值得加铃铛追踪学习。

币圈牛市嗷嗷叫的人遍地都是，熊市能坚持build的十中无一，不割人还愿意输出内容的更是凤毛麟角。

也欢迎关注我 @spark888 ，老韭菜，monad maxi，爱分享。目标币圈赚钱后长期投资到指数里。

[阿庚的AI生存手册 @ZhouZachariah]

行情来的时候还得做龙头，上车的时候起码得等 30分钟企稳，不然一直阴跌也是麻烦事。

[阿庚的AI生存手册 @ZhouZachariah]

熊市里抄这种山寨，还真是得注意，要么降低杠杆，要么提早布局。追高进场位不好找，另外这种一但下跌插针，真是不好控仓位啊。

[阿庚的AI生存手册 @ZhouZachariah]

看样子这波BTC 要奔着 10万走了。

[Trader Maxey @trader_maxey]

为什么你画的 #支撑阻力，大概率是错的？ #价格行为学

首先，横向支撑阻力（ S/R） 大部分时候不是一条线，而是一个 #区域，从这个角度接受这个概念就可以容易的理解S/R处的逻辑了

S/R可以用来分析市场，但决定往哪边开单还是要看多空结构和动能。

大部分人会在这个地方犯错，那就是 #提前入场 ，很多人会犯两个错，一是fomo追多空，二是没等确认过程直接反转做，第一种大概率都会死得很惨，而且是反复鞭尸。第二种可能白忙活

#价格行为 中真正的逻辑是：支撑阻力位动能会被反方向增强的力量博弈，是“决策区”，不是“反转区”，

价格来到关键位置后，只观察三件事（概率从大到小）：

1️⃣ 反转确认, 反向开单交易
2️⃣ 没有确认，看戏等S/R区间走出方向
3️⃣ 突破确认, 突破S/R → 站稳 → 回踩确认 → 做多/做空

真正的价格行为，不能预测市场，而是：先找S/R位置 → 等市结构明了 → 确认结构 → 再跟随→再找下一个 S/R 位置→ 重复上述过程

#支撑阻力 #价格行为学 #交易系统 #交易心理 #PriceAction #Trading #交易

[AgAu Element @AgAuElements]

Breaking NEWS: Major Chinese producer Chihong Zinc & Germanium is on track to complete Phase 1 of its high-purity Indium expansion by year-end 2026 to supply surging AI optical demand.

The physical supply chain is tightening rapidly: US warehouse spot Indium prices have surged from $610/kg in February up to $840/kg this month. Supply infrastructure is scrambling to keep up, Chihong is pushing through a 100 t/yr high-purity Indium project in Inner Mongolia, while domestic Chinese spot prices hold firm above 5,200–5,400 RMB/kg.

Crucially, this macro shift highlights an incredibly bullish structural catalyst for vertically integrated optical leaders like Coherent ($COHR ), Lumentum ($LITE ), and Applied Optoelectronics ($AAOI ). As explicitly reported by Argus, rapidly expanding downstream demand for high-speed optical modules is driving aggressive investment directly into InP wafer capacity.

With China placing Indium Phosphide under strict dual-use export control regimes, Western hyperscalers face an immediate imperative to de-risk their physical supply chains. Players with secured raw material allocations and localized fabrication footprints are building an unbeatable competitive moat.

As raw substrate bottlenecks begin to dictate the true winners of the AI hardware trade, the smart money is moving away from generic software bets and accumulating the vital physical layers of the optical network.

The physical bottleneck belongs to the fabs. Core positions locked in. $COHR $LITE $AAOI