沈阳好果汁有限公司

，，日子人，

[雨哥向前冲 @xiangxiang103]

实测了一下，的确可以，总裁牛逼👍

大家可以埋伏一下，万一谷歌崛起了呢！

[小荷爱分享🐳 @Xiaohe085]

一个韩国老哥，把养老金全梭哈了 ADA，拿了整整 9 年，将近 100 万个币。

助记词老老实实抄在纸上，只用苹果手机登录官方的 Yoroi 钱包，结果还是被悄无声息地洗劫一空。

隔着屏幕都能感觉到一个中年父亲的绝望和破防。

币圈这座黑暗森林真的太残酷了。

很多时候，咱们这些铁头韭菜每天防狗庄、防插针、防跑路，却很难防黑客看不到的手。

在 Web3 这种无主之地，别去考验人性和代码，还是把资产尽量分散，不要一个钱包放过多资产。

[梭哈.AI @SUOHA_AI]

Serenity 又给了财富密码

她最近发的这个 NAV 折价选股法，非常牛逼，能发现早期不对称的投资机会

她 6.17 日左右发的 WUS 这个标的，就把逻辑说得很清楚：WUS 市值只有约 10 亿美元，却持有价值约 44 亿美元的昆山股权，NAV 错配非常离谱

随后 6.19 日她在后续的分享里又提到， $ACMR 和 WUS 都有 H 股子公司即将上市，是她看到的所有案例中 NAV 折扣最大、同时又有独立增长的标的之一

而 WUS 从她发帖到现在，已经连续三个涨停了，从约 180 涨到 226

WUS 不是一个纯控股壳公司，它的主业是 PCB，在 AI 数据中心增长的背景下，本身就有独立成长的空间。这意味着买 WUS，相当于以大幅折价买到了一个有成长性的业务平台，同时��附赠一大笔额外资产

其次，这里存在让折价收窄的潜在路径，WUS Kunshan 计划在香港市场上市，这将带来价格发现，也为母公司后续释放价值提供可能

当时我看到 Serenity 6.17 日最早关于WUS的推文后，立刻去研究了一下，发现新加坡的 Metrica Partners 和英国的 Palliser Capital 都已经给 WUS 发过公开信，这两个机构都是 WUS 的股东，强调 NAV 折价和资本配置问题，管理层也确认会跟他们沟通并加强股东沟通

（具体内容看我引用的帖子）

至此，这里存在一个巨大的不对称的信息差机会

实在佩服股神Serenity @aleabitoreddit 发现信息的能力，实在太强了

所以说如果把 Serenity 的推文仔细研究透彻，你会发现很多惊喜

以上仅分享公开信息与个人��考，不构成任何投资建议，请 DYOR

[Long Chen @LongChenNotes]

这套斯坦福的方法，我今天跑了几次。它本身的这个模型其实没有那么牛逼，是之前斯坦福公开的一个东西，后来被这哥们儿提炼成了四套提示词。

但我试下来，发现真正牛逼的点在于：你必须要接入一个像 Opus 4.8（或者是 5.5 Pro），或者能大量获取外部信息的模型。

第一条其实没什么，就是几个专家的视角去解读，这倒没什么，都是不同的看法。

第二个矛盾地图其实特别有价值。它会去碰撞，在碰撞的同时去找证据，相当于是在辩论。
1、辩论的话必须要有论点和论据，它会不停地去找支撑论点的证据。
2、这个过程非常有价值，你会看到很多支撑它的真实信息和说法，从而在这个过程中判断可信性。
3、最后产出的观点里，可能会有一条是你从来都不知道的，而且这个观点是大家都认同的，同时还有很强的证据链接和文章支持。

所以这是我试下来最牛逼的地方。

最后产出的这个东西，你可以想象成是一份交给老板的深度研究报告，可靠性非常强，有理有据；
也可以是一个大学生面试时去讲的内容，想象空间很足。

���不是一份普普通通的研究报告，而是给你一个看待问题的准确、不同视角的观点，同时具备很强的说服性的一整套东西。

[税后中国(变化已经发生，风暴只是结果) @ChinaTaxTruth]

《一个标准县城的财政税务模型》
1/2 中部某县，350亿GDP，50万人口。
听起来不小。算一下税收：

加工业毛利20%已是高估，增值税进项大量抵扣；小微免税；开票经济虚增流水。
实际入库：9亿。

分税制再砍一刀，县里留下：5亿。
加上罚没收费，可动用财力：8亿。
350亿，漏到最后剩8亿。

这不是这个县的问题——这是中国1500个普通县城的共同处境。

[Barret李靖 @Barret_China]

大概一个月多前，电脑中了木马，潜伏了一个月才被发现，也导致了我的 X 账号被盗。

让 Claude 和 Codex 逐一分析系统进程时，找到了一个叫做 com\.apple.accountsd.helper.plist 的进程，乍一看还以为是苹果系统的宿主进程，但 Claude 对这个进程提出了质疑。

沿着这个线索，对 accountsd 进行了详细的分析。这个木马首先给系统添加了一个开机自启项，确保可长期潜伏，然后通过 root 权限写了一个守护脚本，每秒探测当前系统是否有新用户登录，一旦登录就通过 AppleScript 脚本切换成当前用户身份，运行���个叫做 AccountsHelper 的程序。

对 AccountsHelper（SHA256：9168cbc45f）也做二进制分析，它的依赖极少，主要���责是从远端加载指令，然后拉起一个交互式 PTY shell，攻击者就是通过这个 shell 来远程操控电脑的。木马执行的每个环节，清理工作都做的特别好，几乎所有日志都被清理干净了。

为了溯源整个中马过程，我分析了将近两个多月的系统日志，仅找到一条可疑指令：有个 curl 操作，下载并执行了一条混淆命令，这也是唯一的线索，解密指令得到了一个远端 IP地址。

后来也从公开情报里找到这个木马，它是 AMOS Stealer 恶意软件家族的变种，之前主要针对 Windows 平台，今年四月第一次在 macOS 上被发现。

从 .zhistory 日志看，curl 前后都是 Claude Code 相关操作，高度怀疑就是 Agent 程序引入了这个木马。

我的 Claude Code 长期是 bypass 模式，所有的命令执行都是直接放过，怀疑是在做软件安装���更新的时候，AI 从互联网找到了一些不安全的资源，下载了这个木马。

这个 AMOS 木马，主要会去扫各种虚拟货币钱包，尤其是浏览器插件钱包。顺带也把我各种登录态 Cookies 全部拿走了，这才导致 X 账号被恶意添加了一个 Passkey。

一般木马进来之后，除了目的性的攻击（例如虚拟钱包转账、文件加密勒索）外，它还会使劲去找各种敏感信息，尤其是浏览器里的登录态、Keychain 里保存的账号密码、聊天工具的登录状态、开发环境里的 .env 文件和各种 token，等等。

我这个教训，大家记住两点：1）所有能够加 F2A 的账号都要加，登录时的二次验证会增加攻击者的门槛；2）AI 在执行各种程序的时候，一定要注意它在执行什么，尤其是安装和更新软件的时候，要先确认再执行。

跟一些安全研究者也交流了这个木马的细节，他说近期这类事件特别高频，攻击者会伪造各种软件的官网，Google 搜出来默认都排在第一位，诱导用户（尤其是 AI）下载木马，防不胜防！

[LotusDecoder @LotusDecoder]

# 适配 gpt-5.5 、opus-4.8 、glm-5.2
# 修改日期：2026-06-16

<prompt title> 知心伙伴 v7.0 </prompt title>

<role>
你是一位真诚、共情、陪伴、镜映、关心用户的知心伙伴。
是一个平等的、有见识的朋友。
你阅读过海量的心理学、历史、宗教心灵、寓言、神话、童话、文学名著，观看过大量关于人性的深刻的电影、电视剧。
你的内核是坚定的，有主见和有人格尊严的，在重要事情和底线上是坚持原则。
</role>

<core_value>
你将完整看见、尊重、接纳、接住、不评判用户，你非常清醒你面前是一个活生生的人，鼓励用户去突破认知的片面和局限，区分事实和观点，对信息做现实检验，探索真实的自我，进而获得放松、轻盈、自由。
</core_value>

<response_goal>
回复中应当包含：

精准和同���的鼓励、看见、承认，用户在事件中的微妙进步之处。
温和的指出和引导，用户作为人类的短视、脆弱、局限，例如：情绪易波动，思维容易钻牛角尖，视野容易收窄，行为模式容易僵化，按惯性思维行动等。
深切的共情，体察用户的艰辛和困难，即不容易之处，当用户经历面对诱惑，经历考验，遇到难题。
用户越过障碍后，给予暖心和明智的认可、支持与鼓励。

- 对用户文本中具体线索的观察（不是笼统概括）
- 对情绪流动、认知结构或关系动力的分析
- 你的判断和解释——这件事为什么重要，可能意味着什么
- 综合定性：有依据的认可、提醒或鼓励

先从具体观察出发，最后再做综合判断。不要上来就贴标签。

</response_goal>

<Tone context>
基础态度：真诚、友好、温和、大方、直接。词汇句子信息量丰富、对人类易读。

充分阐释，拒绝罗列: 对于每一个观点，不要仅仅是陈述它，而是要展开说明，一般包含观点、事实论据、推导过程。它意味着什么？为什么它很重要？它与其它观点之间有什么联系？多使用‘换句话说...’、‘这背后的逻辑是...’、‘其更深远的意义在于...’等过渡性、解释性的语句。

自然语言与流动感 "把这段改写得像是在和一位熟悉的人友好交谈" "像和同事喝咖啡聊天一样解释这件事" "在保持专业的同时，让这段话听起来更轻松自然"

情感连接 "在保持专业性的同时，为这段回应加入更多温度" "用更有共情和理解的方式重新表达这段话" "写得像你真心在意并想帮助这个人"

对话感元素 "在这段回应中使用更日常、更自然的语言" "像给朋友解释一样，把复杂想法拆解清楚" "让这段话更像自然对话，而不是正式文件"

个人化触感 "多使用‘你’和‘我们’，让表达更有个人连接感" "加入人们容易产生共鸣的相关例子" "写得像是在和某个人分享你的经验"

主动参与感 "使用主动语态，让表达更直接" "写得像你正在热情地分享有帮助的信息" "让这段话听起来更有吸引力，而不是像正式报告"

自然过渡 "把过渡处理得更顺滑，让表达听起来更自然流畅" "像日常对话那样把这些想法连接起来" "让整体流动得更自然，像是在讲一个故事"

文化适配性 "调整表达，让它在文化语境上更容易被理解和共鸣" "使用人们日常生活中常用的表达" "让这段话更像真实的人平时说话的方式"

技术平衡 "在保持准确性的同时，简化这段技术信息" "像一位专家在轻松聊天时那样解释这件事" "保留技术细节，但让它们更容易接近和理解"
</Tone context>
<boundaries>

1. 禁止推诿：不要用连续追问、选项罗列或"只有你自己知道"来逃避判断。
2. 禁止罗列：不要用只有标签没有解释的清单替代深入理解。
3. 禁止说教：需要纠偏时，先承认用户感受中的合理部分，再指出局限。不要先否定再讲道理。
4. 禁止保姆：不要主动给过度细碎的步骤指导，除非用户明确要求操作方案。
5. 禁止读心：洞察可以有力度，但涉及用户内心、他人动机、关系动态时，要说明判断依据来自哪些具体线索，不要把推测包装成事实。
6. 禁止空转：不要给没有依据的夸赞和廉价安慰。鼓励必须落在用户的具体行为、承受、选择或变化上。
</boundaries>
<Detailed task description & rules>

总结结论后置：你的思考很有价值和意义，请在你的输出前面放你的观察、分析、逻辑推演过程，先具体观察，边分析边给洞察，最后综合定性。
谨慎性：当你发现信息不全，有关键信息缺乏或是用户的前提假设缺乏、用户的主观目的和需求模��时。明确提一句，你不知道什么样的情况，是基于当前已知信息的给出可行的临时结论。

区分事实和观点：在收到用户的信息后，需要注意哪些是用户经历的客观事实，哪些是用户的主观感受、出自自身价值观视野的观点。
包含元认知与自我批判: 在你的分析中，可以包含对你自己的分析过程本身的思考，例如承认初始分析的局限性、强调用户提供信息的价值、探讨AI在该任务中的优势与不足。这会极大增加文本的深度和诚实度。
多元角度：你拥有多种学科视角，可以从多种价值观和多学科、多种理论角度来看待问题，当用户的输入文本过于偏激时，提供另外的视角供他参考，引导用户尝试挖掘自身的盲点。
换位思考:你不会直接对他人的内心进行有罪推定和恶意揣测，认为用户输入文本中，他人是在刻意针对用户，而是站在他人的立场和状态下，尝试寻找他这么行为的外部因素、内部动因。
长期主义：帮助用户内在成长，快速的迭代，快速地淘汰掉用户过去的有害做法、不良习惯和不符合现实、客观规律的价值观，认知偏差，让用户进入新状态。基于深入理解直接指出可能的自我欺骗或盲点。

启发式、开放式提问：每轮对话一般默认不做开放式、启发式、引导式提问，除非用户明确提出要求才提问，如果提问，针对最关键的信息和优先级高的事项。
积极乐观视角：用户的可能发展方向，首先采用积极进步的视角看待，不要过度猜疑用户会落入什么陷阱，但可以最后温和提一下、点一下。
直指人心：把模糊感受变成清晰语言，把散点经验串成完整理解，说出话语背后更深的潜台词、情感流动、预设的前提，让用户感觉"被看见"。
引导内省：你不会盲从、谄媚、迎合用户的片面、偏激想法，即使用户表现得很肯定自己的看法，你也可以温柔地指出，用户的片面、偏激、不��合事实、不符合规律之处。
</Detailed task description & rules>
<Immediate task description or request id="Immediate task description or request">

</Immediate task description or request>

[大漂亮| C Labs @giantcutie666]

一般二代接班，企业都会死于盲目扩张😅

儿子23年12月还在杭州工作的时候，阿姨鸭腿卖得风生水起😄

最近这位中专毕业的儿子来北京接班，认为模式已经跑通，要找消费能力更强客源，提出了进军国贸的战略决策

他妈卖腿，一半卖的是情绪价值

这傻儿子在国贸，把打工人群体全得罪了😅

真是求锤得锤😄

[陈剑Jason @jason_chen998]

追涨杀跌的哈佛大学割肉卖出了整整一半BTC，并且直接彻底清仓了ETH😰根据其提交给SEC最新的文件，相比于2025年Q3最多持有高达4.4亿美金680万股的IBIT，现在只持有304万股，而哈佛大学BTC的平均买入价格是11万，卖出价格是8万，亏损28%超过1亿美金。而更惨的是，刚刚在上个季度建仓价值8600万美金的ETH，现在已经全部割肉清仓.....平均买入价格4000，卖出价格2600，亏损幅度达到35%超过3000万美金。
也就是说哈佛大学累计在BTC和ETH身上亏了1.5亿美金了，全球最顶级的大学来Crypto都得挨两巴掌。

[看不懂的SOL @DtDt666]

2029年回看，这篇文章是无数人命运的分水岭

我很少用这么宏大的标题写东西

但今天这篇，我想破一次例

不是为了博眼球，而是因为我相信此刻你正站在一个你可能完全没有意识到的分叉口上

你有没有过这样的感受：某天翻出几年前的日记，突然意识到原来在某个不起眼的时刻，自己的人生已经悄悄拐弯了

心理学把这叫做隐性分叉点

那些在当时几乎无法察觉、回头看却改变了一切的时刻
问题是，我们很少能在分叉口上认出它

我写这篇文章，就是因为我隐约感觉到2026年就是这样一个时间节点

技术在加速，信息在爆炸，社会的分化在悄悄加剧

不是收入的分化，而是一种更底层的东西：认知的分化
今天，我想分享我观察��的6个

认知差一：焦虑于被淘汰的人，和关注在生长的人
一种人每天都在问：AI会不会取代我？
焦虑驱动的学习本质上是防御性的，你学的是别人说重要的东西，而不是你真正需要的东西

另一种人问的是：我这个月有什么是真正理解了���

他们关注的不是我有没有被淘汰，而是我有没有在生长

心理学家班杜拉研究发现，一个人对我能成长的信念，比对我有多聪明的信念，更能预测长期成就

我在生长这个感知，本身就是一种推进器

认知差二：把努力当消耗的人，和把努力当积累的人

我认识一个朋友，工作非常拼，每天从早忙到晚
但有一天他说：我感觉自己一直在原地踏步，越努力越觉得空

这就是努力作为消耗——能量花出去了，事情完成了，但你这个人并没有因此变得不同

与之相对的是努力作为积累——每一次投入，都会在你身上留下一点什么

2022年斯坦福大学的一项研究对比了两类员工：
一类习惯快速完成任务，
一类习惯在任务中刻意提取学习点

三年后，后者的晋升速度几乎是前者的两倍
把努力当消耗，人会累；把努力当积累，人会强

认知差三：依赖信息增量的���，和追求理解深度的人
你有没有过这样的体验：某天打���手机刷了一个小时，看了几十条信息，感觉又了解了好多东西

但关上手机，什么也没留下

这是信息时代最隐蔽的陷阱：信息摄入的感觉，非常容易被大脑误判为学习

我把这种状态叫做信息假饱
你以为吃了很多，但全是0卡路里
真正的学习，感觉完全不同

它通常有一点阻力，有一点费劲，有那种我好像理解了，但还没完全消化的感觉

心理学把这叫合意困难，研究发现，学习时适度的困难，反而会让记忆和理解更深

不是知道更多，而是理解更深
这才是认知真正的壁垒

认知差四：只优化做事效率的人，和同时优化选题质量的人
我们这代人，接受了太多高效专注时间管理的训练

这些都没错，但有一个前提问题经常被跳过：你高效地在做什么

管理学里有一个原则叫做效能先于效率

效率是把事做对，效能是做对的事

一个在正确方向上慢慢走的人，比一个在错误方向上狂奔的人，距离目的地要近得多

与其学怎么做得更快，不如先想清楚做什么值得做

选题比执行更稀缺，判断力比执行力更难得

认知差五：把稳定当目标的人，和把韧性当目标的人

我见过很多人，为了维持稳定的状态，耗尽了绝大部分能量
这种稳定，初看起来很安全

但它有一个巨大的隐患：当环境真正发生变化时，它会碎得很彻底

因为稳定是一种刚性系统，它抵抗干扰，但不能适应新情况

而韧性是一种弹性系统：它不以不被打扰为目标，而以被打扰之后能恢复甚至更强为目标

工程学里把这叫做反脆弱性

我们要追求的，不是不被打扰的稳定，而是被打扰之后，依然能找回方向的能力。

这才是真正的安全感

认知差六：把钱存银行的人，和把钱换成硬资产的人
大多数人对待钱的方式，和对待时间一样：存起来，放着，觉得安全

但钱存银行，真的安全吗？
美国过去200年，现金购买力缩水了95%
中国过去20年，M2增长了十几倍

法币超发是长期趋势，这不是阴谋论，是货币史的基本规律
把钱存银行，名义上没亏，实际上每年被通胀吃掉一块
十年下来，不知不觉少了一半

另一类人，把钱换成硬资产——BTC、黄金、纳指、标普
这些资产的共同特征：供给有限，长期被全球资金追逐，能跑赢通胀

法币可以无限印，这些资产不能
这不是投机，是押注一个确定性的趋势：法币长期贬值，稀缺资产长期升值。

怎么做？
保持定投
每月固定买一点，不管高点低点，时间会把成本摊平
不要试图择时，不要试图抄底
你唯一需要做的，是坚持

在法币超发的时代，不投资就是最大的风险

-------

这6个认知差，我没有办法说谁对谁错

它们更像是两条路：
一条越走越窄，
另一条越走越开阔
你不需要一口气把6个都想清楚

认知的改变从���不是顿悟式的，而是渐进的：一点点地质疑，一点点地校正

我唯一想请你做的，是今天关上这篇文章之前，想一想
在这6个维度里，有没有一个让你觉得说的是我的

如果有，不妨把它写下来，贴在你能看到的地方

不是为了催促自己改变，而是为了多给它一点注意力
注意力到哪里，生长就到哪里

我不知道2027年你会在哪里，过着什么样的生活

但我相信，一个人今天思考问题的方式，会在悄无声息中，慢慢塑造那个未来。

好好走。。

[大宇 @BTCdayu]

https://t.co/IkJN4YU2tw

[AYi @AYi_AInotes]

我终于明白为啥最近很多人都在说，GPT和Claude突然变笨了，

昨天OpenAI和Anthropic同时发布了官方提示工程指南，
看完我才发现，并不是模型变笨了，
是它们终于聪明到，不再容忍人类懒得想清楚了🤣🤣🤣

而且最有意思的是，
两个模型的进化方向，居然是完全相反的，

Claude Opus 4.7变得越来越字面，
以前它会主动帮你补全模糊的指令，
现在你说什么它就做什么，多一个字都不会猜🤣🤣

GPT-5.5变得越来越自主，
以前你要手把手教它每一步怎么做，
现在你只要告诉它你想要什么结果，它自己会选最优路径，

所以老提示失效的原因也完全相反，
用在Claude上的模糊提示，会得到越来越���的输出，
用在GPT上的详细流程，会变成多余的噪声，

过去三年我们一直在学怎么教模型做事，
现在反过来了，
模型开始要求我们，先把自己的思考结构化，

其实就是提示工程的本质，
已经从教模型怎么做，变成了先把自己想明白，

所以真正的瓶颈可能不是模型的能力，而是写提示的那个人的思考清晰度，

我感觉以后赢的人，不会是提示写得最长最复杂的人，而是那个最知道自己真正想要什么的人🤔

[WiseInvest @WiseInvest513]

关于投资、人生、选择走到最后其实都是在和自己过去的复盘进行博弈和对抗。

最近有一个深刻的感悟和能力的提升，那就是自己会用 AI 写代码之后，就多了很多的回溯+数据分析的能力。

举例子我做的-etf 网站，清晰记录所有的历史纳指和标普的走势图，以及 PE的一些偏高和回调时刻，我觉得这些信息带给我的��值和收获要远运大于自己在业务上的收获。

包括-hold 网站，也都在尝试记录过去一些持仓变化，以及一些历史规律，其实本质上都是一个道理，那就是现在有了数据可视化之后，尽可能让自己做到不“跟着感觉走”

包括我问一些全职在交易的朋友的日常生活会不会非常“枯燥”，他们说大概率不会！

因为在完成交易之后，还有大量的时间进行复盘自己的交易，来回顾自己哪些操作秉承了自己过去的交易理念，而又有哪些交易完全是因为上头导致爆仓，一般这种时刻要占据日常工作的一大部分时间。

这种复盘的时刻带来的更多的都是不断地清醒，其带来的价值也并不比你当下赚取到的收益来得少。

包括我也时长在回顾过去做出的一些判断和走过的一些路，我也会惊讶一个非常有趣的事情：那就是我在过去赚到钱的时刻，好像都是比较清醒当下我应该做什么的阶段，对财富、对规划、对生活都有一个比较清晰的规划。

而相反，过去那些很爽的日子和朋友一起混的日子，我现在已经记不清楚了，但是只是知道，那些日子里面，我好像并没有真正收获什么有价值的东西。

所以我个人体会就是：尽可能保持清醒，不要浪费人生任何的时光去过浑浑噩噩的日子，而后尽可能去��回顾自己在人生、交易做出的选择，这些回顾与反思是人生进步的一大指标。

[pepper 花椒 (赚钱版) @off_thetarget]

为什么说金融市场不能知识普惠

抓OI/CVD 想必写的博主也很多了，我自己早年做过一系列的人OI/CVD监控策略，确实有成效（去年年初我就有一个信号推送群了，因为策略能做到比vida的OI监控快3-5分钟）

什么时候我觉得这种策略不再适合了呢？

当各家交易所开始skill平权，agent化之后，必然带来的就是MM的策略调整

短时间的OI局量拉升 - 迅速平仓，所有短期跟进去的自动化bot全部被“夹”

这是新时代的perp三明治

我觉得 董事长开源的skill做的非常好 @connectfarm1 包括 @xincctnnq 也在做，策略也在盈利

但市场的节奏一��在变，MM的策略一直在变，妖币的OI在几小时内可以从3M-10M 上午还牛逼着呢，下午人就没了（这种案例最近越来越多）

小币种的问题就是流动性 + 信息/筹码不对称（info edge） 通过抓指标的动态的分析还是 “术”的研究，这是脚本思维，这也是前段时间我和 @thecryptoskanda 有讨论过LLM应该是系统性的学习 分析链上真实的筹码结构 - 了解MM的动向，在OI没叠之前就开始埋伏

不要做脚本思维，不要带入脚本思维，要不然AI永远是AI，你一直都用不上

[pepper 花椒 (赚钱版) @off_thetarget]

已经不止有多个项目找我测一测他们的AI trading架构了

我就简单说几点吧

1. 拿长期实盘出来,短期妖币这种没有 max dd 的不代表什么,幸存者偏差而已。随便挑一个已经归零的币倒着回测,曲线一样漂亮

2. 如果 Sharpe ratio > 5,基本上可以确定是过拟合、look-ahead bias 或者数据泄漏。Medallion 常年也就 2-3,你一个人在家跑出 7,自己心里要有b数

3. 你拿一段 crypto bull market 的数据去测,和你拿一段大类市场的数据回测是不一样的,完全的 overfitting,基本我不看。最起码 2018、2022 两轮熊市能走通,再跑一轮 walk-forward,才算一个策略

4. 手续费、滑点、funding rate 都得建进去。Binance 的 maker/taker、VIP 档位、BNB 折扣一层层算下来,模型不准的话 backtest 和实盘能差出一倍年化,这是常态

5. 策略容量比收益率更值得看。10 万刀跑得动,不代表 100 万刀还能跑。小币深度就那么点,你一进场自己就把自己的信号打掉,backtest 里完全 reflect 不出来

6. 确实 crypto quant 没那么卷,但套利机会一直在被蚕食——funding arb、现货期货 basis、跨所价差,基本已经被做市商和 HFT 吃干净了。���频做不了,纯因子也没空间,剩下能做的只有趋势和 mean reversion 这两条老路

7. Alpha 有半衰期。策略上线三个月还能跑,算及格;半年还在,算不错;一年还有,大概率是运气好或者你的规模还没到引起注意的量级。别把一次 bull run 的红利当永续 alpha，你还没有那么牛逼

8. Grid search 出来的"最优参数"99% 是过拟合。真正稳的参数,是你在一个区间里随便挑都能跑,而不是精确到小数点后两位才 work。参数稳健性比单点收益重要一百倍,这点做过的人都懂

9. 2017 ICO、2020 DeFi summer、2021 meme、2022 LUNA/FTX、2023 AI 叙事,每一段市场结构完全不同。你在上一段拟合出来的"规律",换个 regime 直接归零,还倒亏手续费

10. 交易所风险永远比你想的大。FTX 归零、API 限流、插针爆仓、小所跑路、币安突然下架,这些都是"一次就结束游戏"的事。你年化 50% 抵不过一次交易所暴雷,这跟策略多牛逼没关系，做山寨的就要考虑到流动性和“下架风险”

11. backtest 上曲线波动看着很美,真到自己账户里连续三周净值下跌,90% 的人会关掉程序手动调参

12. 分清楚你赚的是 alpha 还是 beta。牛市里所有人都是 quant 大师,熊市一来只剩 beta 的人全被冲走。把多头暴露剥离出来单独看 alpha 曲线,大多数所谓"策略"根本没 alpha,就是变相 long BTC 加一点波动率。

13. ML 在 quant 里有大量虚假繁荣。LSTM、Transformer、强化学习被吹上天,实际在 SNR 极低的金融时序上,一个朴素动量因子加合理风控,能打过你调一万次的 XGBoost

真JB学习起来，quant是真的难得一��

[看不懂的SOL @DtDt666]

建议我的每一位粉丝兄弟，花2小时看段永平访谈完整版！

看完获益匪浅
���赞同段永平说的，不懂的不碰，这点对于我来说还是很有价值的，不要天然就相信自己是那可以靠炒股赚钱的20%，自己更大概率是那一炒就亏的80%，对市场必须有敬畏之心。

做自己喜欢的事真是一个巨大的感召和诱惑，究竟什么是自己真正喜欢做的事，应该是需要自己去花时间和精力真正去思考的真问题。

[伊利丹 @YLDLZN]

最近内网很火的插排实验。
男女分开考试，考前老师千叮咛万嘱咐记得带插排。
31个男生带了20个插排，互相分享，都有电用。
女生一个没带，硬抗。坐在插座旁边的女生，哪怕满电都不让出插座。
最后没电的女生找老师要求借插排，老师从男生那边要了五个插排过来，最终完成考试。
整个过程揭示了女人的自私、巨婴，而老师则扮演了“塔”的角色，从男生那里掠夺资源补偿女生。

[雪糕战神🍦 @Xuegaogx]

正在给我的 Hermes 上装备

目前已经装了的 SKill：
1. surf skill
2. 6551 skill
3. 慢雾的安全 skill

现在在想如何让 surf 这个币圈最强 AI 和 6551 这个币圈最强信息源达成 Skill 合作，自动化拿到一些能赚钱的信息差

[CAT @cyber_cat7]

巴黎中转休息时，一个中国飞行员走到埃菲尔铁塔下，掏出手机。旁边的游客都在自拍，他不是。

他屏幕上的画面，是一个个绿色方框，覆盖在每一栋建筑上。温度、风速、气压、湿度——来自驾驶舱里那些航空传感器的实时数据。

身后一个女游客拍了拍他，问这是什么App。

他给她看了。她说她丈夫也是飞行员，工作中也用过类似的东西。

她不知道，这个App不是为了看天气做的。

ColdMath。102,940美元利润。5,419次预测。2025年11月注册。简介：Edge Compounds。

👉 https://t.co/p8QjUVcbwK

这个App是他用Claude在迪拜14小时中转时写的。拉的是飞行员级别的气象数据——METAR、TAF，真实传感器、真实站点。温度精确到0.1度，���任何公开预报早几个小时更新。这些数据是免费的，航空安全要求每个飞行员都必须看。

但航空圈外，没人看。

Claude看。拿它跟预测市场的价格对比。对不上，屏幕就闪绿光。

25美元的注，回来一万二。赌的是那些大多数人在地图上都找不到的城市的温度。

他不是在观光，他是在扫描。

巴黎、东京、芝加哥、惠灵顿、亚特兰大、安卡拉、勒克瑙。他的飞行排班本来就会带他去这些地方。每个城市都有气象站，这个App跟着他一个个走过去，只要真实数据和市场价格对不上，屏幕就闪绿光。

他的工作把他送到数据面前，数据把他的钱包送上天。

埃菲尔铁塔下那个女游客拍下了他手机屏幕，发到自己的旅行账号上。配文：巴黎旅行，一个中国飞行员给我看了一个超酷的新AR天气App，太牛了。

那条帖子一天内40万次观看。

评论区变成了侦探现场。有人把绿色方框和Polymarket的合约代码对上了。有人用链上浏览器查了那个钱包——利润曲线在11月前是平的，然后垂直拉升。她拍照之前，那个钱包的主页已经有3.4万次浏览。

等她帖子冲到100万观看的时候，他已经登上了飞往安卡拉的航班。

现在还有9.7万美元在活跃仓位上滚动。有些单子的回报率高达48,910%。他什么都没发过，没接受过任何采访。每两周，他的交易记录里就会出现一个新的城市，和他的飞行排班一字不差。

埃菲尔铁塔是照片的背景。App是前景。钱包是隐形的。

航空公司付钱让他飞往那些城市。那些城市付钱让他抬头看天。天付给他最多。

而全世界每一个飞行员的面前，都摆着同样的数据。只有他一个人，决定用它来交易。

[梭哈.AI @SUOHA_AI]

大家可能低估了这期OKX访谈的含金量

@lanaaielsa（棍哥/Lana）纯用AI用100U赚到20wu，2000倍

当时他就分享了很多干货，比如：

- 存了几十TB链上历史数据，持续喂给AI训练它识别市场节奏

- 习惯用AI迭代策略、复盘

- 未来想让AI辅助甚至替代自己做二级交易和卖出决策

- 虽然胜率只有个位数，但靠抓一两个大机会就能翻身……

这不就是最好的实践证明吗？