风野

旷野的风｜05后 AI Founder
风野科技创始人. ⚛️INTJ | 个人总收近七位数
✨分享AI变现与认知 ❤️我的目标：“天下常平，不知饥馑。”
创业涉猎：代写 | 旅拍 | Agent | 小红书IP | AI教育 | 投资量化 | 流量平台 ...

[风野 @fengyeAI2005]

我大概算了下，从大二上开始，创业一年多点，零零散散的收入加起来不到一百也有七十个了。想想那会刚开始赚钱，做小红书卖虚拟资料，再到瞄准教师精准人群代写需求， 从最初日入几百的“勤奋钱”，到后来带团队收入过万的“流量钱”，这一路走来，数值在涨，但心境完全不同。

2025年还有一个月就结��，这一年的关键词，其实是“祛魅”与“入世”。

上半年主攻“体验”。带着团队继续给K12的教师制作教赛材料，那会有了两三百复购客户，单价也在千元以上，卷的人也不多还算好做，现在对新手不太行了。

另外也有合作了一个AI产品，给旅拍店做试衣，合伙人介绍给我一起，负责软件前后端全面开发，当时和几十家店都已经谈的差不多了。

6月一过就是暑假，中间注册了公司，和合伙人开发了款AI教育的产品，其中的一个功能我单独拿出来带团队教人赚钱。带了十几个吧，因为我直接提供流量给他们，所以都赚到钱了，赚的多的一个月八千左右。当时还有人对这款智能体感兴趣，在武汉组了个局邀我��分享。

再到下半年主动“入世”：

用智能体和武汉一个助残俱乐部的领导合作做助残，又带了一批人赚到了钱。不过自己除了推出去产品，培训费没怎么收。
和郑州一个集团的老板给旗下一家AI培训就业的子公司去做选址落地，后续给员工面试。当时选址谈了好几家，深刻感触一名优秀的CEO在成本把控与团队搭建方面的造诣，“做事情，先有人”。
还有各种大大小小的经历：担任一场商会AI企培课的助教，融入一个70后80后的企业家圈子讲AI与赋能，给其中一位做了二十多年工程木雕行业的老板线下深度梳理转型思路......

这些有的赚小名有的赚小钱，但总体下来，都是收获不菲：从对社会的全盘认识、到与人的交流表达、各项���领域的实际体会......

创业不是闭门造车，除开网络的信息过目，更需要注重现实的深度链接。

现在看来，自己做的项目并不算多，聚焦在AI教育的教师里，偶尔和别人合作，经常性外出交流其他人在做的事，了解不同圈层的人。对此我合伙人还给我提过不少建议。

所以接下来也是去实践到一些新且有价值的领域的尝试，我们还年轻，不用太着急把自己束缚在一个领域里去赚钱，当下分内事是完善自己对社会基本盘的全局认识：各行各业了解项目闭环与上下游，不能自己完整全盘认识就和业内的人聊，没人或者聊了还不懂就自己去跑。在这个过程里积累自己的能力影响力和资源，不断学习，终生迭代。

只要人在牌桌上，机会就永远不缺。

[风野 @fengyeAI2005]

@0xbisc 如果提示词能做到输入时先来一个粗���实时反馈，那真的牛炸了

[风野 @fengyeAI2005]

教育部26年推出AI教育文件：提示词工程的巨大价值尚未挖掘。

虽然AI圈的人对AI认知普遍都不算太低。但大众要从AI基层学起，提示词依旧是关键。

因为对于绝大多数人来说，AI依然是一个黑盒。 只要这个黑盒存在，“提示词”作为唯一的交互界面，就永远是关键。

但很多人误读了趋势。 他们认为AI越来越聪明，所以人就不需要学习提示词了。

实际上，“提示词工程”不会消失，它正在经历一场痛苦的蜕变。 它必须从枯燥的格式规范与词汇堆叠，进化为一种更具创造性、更个性化的自然语言交互。

这正是C端产品的下一个金矿之一。

基于此，我的判断逻辑发生了根本性的转移。 在AI时代，找到一个付费痛点，仅仅是拿到了入场券。

当所有的功能都可以被大模型轻易实现时，功能本身就失去了壁垒。 何况还有以Manus为代表的通用Agent，那么真正的护城河在哪里？

在于体验感。 在于情��价值。

未来的AI产品，不仅要“算得准”，更要让用户“用得爽”。 这种“爽”，是基于对人类非理性需求的深刻理解。

我准备把这个理论带到游戏行业去验证。 因为那里是情绪交互最高频的试验场。 如果能用AI重构游戏中的情感体验，那么这套逻辑在其他任何C端场景，都将是降维打击。

[风野 @fengyeAI2005]

40天��立降维打击：如何用AI重构传统行业30年的经验壁垒

在金融投资的线下局里，我看到了一道巨大的裂痕。

一边是信奉直觉的主观交易，一边是崇尚数据的量化分析。 两者互不通气，像两个维度的生物。 这种割裂感，就是红利。

今天，我去了一家私募机构。 坐在对面的老板，拥有30年的实战交易经验。 而我切入量化投资领域，仅仅40天。

按常理，这是一场不对等的对话。 经验通常意味着权威。 但在AI时代，经验只是一种待处理的数据集。

我们聊了三个小时。 全程高密度输出，没喝一口水，直接确定了合作意向。

他讲述盘感，讲述那些由于岁月积累而形成的“肌肉记忆”。 我做的只有一件事：翻译。 将他模糊的“感觉”，翻译成确定的“策略”。 将他复杂的“博弈”，拆解为可执行的“代码”。

聊到一半我说稍等，然后当场用了几分钟给他写出了一整套量化系统的研发计划。

他看着我电脑上跑的自动化回测优参流程，说了句牛逼。 然后感叹： “原来优参可以这么轻松。”

他无法想象，这套逻辑出自一个入行不足两个月的人之手。 但在我的视角里，这并非神迹，只是工具的代差。

这就是当下的现状。 所有人的目光都被2026年的“AI+硬件”吸引走了。 仿佛不做硬件就没有未来。

这是一种巨大的误判。 AI软件在垂直领域的应用，依旧是一片荒原。 传统行业的痛点就在那里，裸露着，流着血。 他们不缺经验，缺的是一把能把经验数字化、自动化的手术刀。

只要你具备这种“翻译能力”。 你就能把别人的三十年，变成你的起跑线。

不必非要去挤硬件的独木桥。 去寻找那些充满“割裂感”的行业。 用AI填补空白，然后，降维打击。

[风野 @fengyeAI2005]

过去半年，都在和各行业的企业家打交道，他们的年龄跨度极大，从年长 7 岁到年长我三倍都有。也和其中不少人有过结果的合作。我发现：“00后”以前的传统企业家在面对 AI 这张考卷时，因认知底色的不同，大致可以粗略分为三类：

一、 逐名者：困于“信息茧房”的小业主

画像： 年营收几十至几百个 W，通常是小品牌的主理人。

认知特征： 缺乏对技术的独立研判力。他们的商业直觉多停留在旧时代，面对 AI 处于“懵懂 + 盲从”的叠加态。

交互逻辑： 对AI应用的具体逻辑比较堵塞，主看“名头”。这也是最容易被割韭菜的群体——因为无法识别价值，只能识别虚名。哪怕是一个明显的叙事陷阱，只要包装得当，他们往往会因为“人云亦云”的焦虑感��虚晃买单。

二、 思辨者：拥有哲学锚点的 B 端中坚

画像： 营收规模与第一类相差无几（一两千个 W 封顶），但胜在心智成熟。

认知特征： 他们身上有一种朴素的哲学智慧。对于 AI，他们既不盲目狂热，也不傲慢排斥，而是结合国家趋势与自身直觉等进行多重验证。

交互逻辑： 这是极佳的 B 端合作伙伴。如果具备一定的信用背书，且产品不错逻辑自洽，他们就能成为高粘性、高交付的用户。他们购买的不是“焦虑”，而是“确定性”作用。

三、 破局者：玩转底层规则的操盘手

画像： 营收几千个 W 起步，拥有大量资源的小范围圈层主。

认知特征： 极高。他们精通社会的底层代码，深谙新热点的“周期性”与“叙事性”。

交互逻辑： 与他们对话是一场降维打击。当普通人还在计算如何用 AI 降本增效（赚钱）时，他们已经跳出工具层面，开始��� AI 描��产业的未来版图（布局）。

他们并不比你更懂 AI的玩法和原理，但他们的世界观更宏大且稳定，能很好的接纳并融入到自己的思维体系中。
在他们的棋盘里，赚钱只是顺带的战利品，卡位与生态权的重构才是真正的战略意图。

[风野 @fengyeAI2005]

在这张图里，老一辈的企业家或企业高管与年轻人各自的特点都展露无遗���

年轻人会用AI还远远不够，还要能理解行业全局、制度边界，拥有人脉积累......

但事实上，当你能自己赚到第一桶金，你就会进入一个行业，学习行业制度，和一些人打交道，整个闭环是迅速且无痛的。

所以，AI不AI，积累不积累，不重要，先赚到钱。

[风野 @fengyeAI2005]

@Zephyrkexiner 一起交流，等你好消息👍

[风野 @fengyeAI2005]

@Zephyrkexiner 是的AI时代想用好AI一定得自己坐主驾驶😃

[风野 @fengyeAI2005]

主动学习也有真伪之分。今天用一个微小的细节，来划定生活里高效学习与低效勤奋的分界线。

判断的标尺只有一把： 在接纳新知之前，你是否已经预设了一个哪怕是简陋的、待验证���结构化体系？

常有人说，最高效的学习源于思维的碰撞。但“碰撞”有一个物理学前提：双方都必须具备质量。如果你脑中空无一物，面对外界的信息洪流，那不叫碰撞，那叫被吞噬，被同化，甚至是毫无抵抗力的被洗脑。

以我最近正在攻坚的量化策略为例：我产生了一个构想——将回测系统与 AI 动态优参深度结合。核心逻辑是在回测进程中嵌入算法，让 AI 针对特定交易对，实时优化进场因子组合与出场组件化参数。

想法落地时，我克制住了直接和朋友或 AI交流完善想法的冲动。而是强迫自己先进行“思维预演”：

技术实现上，现有的回测算法需要做哪些侵入式修改？

AI 模块架构，是采用多智能体集群博弈，还是单智能体专家模式？

提示词工程该如何标准化以保证输出稳定？

直到我将这些问题梳理出一个基础但逻辑闭环的结构后，我才开始��入外界信息。

在这个阶段，外界的输入（无论是朋友的建议还是 AI 的百科）不再是牵着我走的绳索，而是我信手拈来的积木。 我用它们来验证我的猜想、推翻我的谬误、重构我的体系。

真正的“主动学习”，是你带着问题和框架“带资进组”，而不是作为一个空容器，等着被填满。

[风野 @fengyeAI2005]

@Rourou0413 个人观点：香港气息和���的推文风格一般舒服轻意

[风野 @fengyeAI2005]

最近有一个思考：量化与AI的结合点

有一个很好的结合点是：

写出策略——回测优化——实盘交易——分析数据。然后交给AI去实时灵活的调整该币种的相关参数或者直接切换策略跑。

比如对于AUCTION，前两天用均值回归判断���精准，那么可以把止损调低，减仓止盈门槛调低等锁住总体利润。或者直接让AI判断后做出切换为其他更适合的策略来跑。

再这两天，均值回归策略判断精准踩每一个反转点上，就可以AI自动把盈亏比止盈等调高，止损看情况。或者把之前的策略切换过来。

再就是AI优化策略：指的是优化策略本身。比如均值策略在触发下仓前可以做一个动量判断避��接飞刀。

只可惜我加密接触的时间还不够长，很多经验比起真正优秀的交易员欠缺很多。就算有结合思路，会实现手段也不敢随便开始🤣

[风野 @fengyeAI2005]

2026投资领域该怎么玩？

先说几个趋势：
生意难做：现金流难有，持续在牌桌上：有稳定现金流
存款搬家：资金流入股票、保险、债券、黄金。
围绕刚需：消费刚需（次）产业刚需（主）

2026年宏观风向：政策宽松，顺势而为
2026年中国资本市场环境的预判，基调是积极的。
两大主线： “十五五规划” + “中央经济工作会议精神”。
政策基调： “更加积极有为”。这意味着国家会主动出手托��和刺激经济。

财政： 化债（解决地方债务）与扩张并重。
��币： 适度宽松，流动性充裕（意味着降准降息会持续，市场上钱会变多，利好股市）。

机会在哪里？
关键词： “中央资金投向”。
解读： 跟着国家的钱袋子走。国家把钱投向哪里
（例如新质生产力、高端制造、国防军工等），哪里就有超额收益。
也就是所谓的“政策市”。

[风野 @fengyeAI2005]

大陆内地要办港卡的抓紧办，
汇丰one明年开户的账户余额不足要说管理费了。

作为信号，后面的政策估计会越来越收缩

[风野 @fengyeAI2005]

今天把分级移动止盈优化了下，现在用起来就灵活多了。

优化的初衷有二：
之前在低档给的回调的缓冲太紧，一下就止盈了。

其次是有朋友给信号的单子加上自己量化跑的仓有时候想部分监督或者全部不监督（因为量化有的会给止盈损，朋友仓也会有出场位），再加上自己双向持仓，这样就舒服一些。

[风野 @fengyeAI2005]

@wangdefou 厉害，我去趟香港还有些字得猜着来

[风野 @fengyeAI2005]

最近发现繁体用的还不少，抽空学习了下。
也不用多花时间，几分钟就能读懂 80% 的常见繁体字。整理如下：👇

第一分钟：秒懂偏旁规律（由简入繁）
只要记住这几个常用部首的对应关系，几百个字瞬间就能认识：

讠 → 言： 说/說、 语/語、 谁/誰、 计/計

门 → 門： 门/門、 问/問、 闻/聞、 们/們

贝 → 貝： 财/財、 购/購、 账/賬、 贵/貴 （跟钱有关的通常都有“貝”）

见 → 見： 现/現、 视/視、 觉/覺、 规/規

车 → 車： 车/車、 转/轉、 轮/輪、 军/軍

马 → 馬： 马/馬、 驾/駕、 腾/騰

鸟 → 鳥： 鸡/雞、 鸭/鴨、 鹅/鵝

纟 → 糸： 红/紅、 练/練、 纸/紙、 级/級 （注意左边变成两点）

��� → 金： 钱/錢、 铁/鐵、 银/銀、 错/錯

饣 → 食： 饭/飯、 饱/飽、 饮/飲

第二分钟：高频独体字（死记硬背这20个）
这些字出现频率极高，且长得和简体不太像，需要专门看一眼：

这 → 這 （这个/這個）

么 → 麼 （什么/什麼）

为 → 為 （因为/因為）

国 → 國 （里面是“或”）

个 → 個 （人+固）

来 → 來 （里面有两个人）

气 → 氣 （里面有个“米”）

两 → 兩 （两个人）

书 → 書 （下面是“曰”）

点 → 點 （下面是四点黑）

样 → 樣 （右下是“永”）

时 → 時 （太阳下的寺庙）

间 → 間 （门里有个太阳/月亮）

万 → 萬 （上面是草字头）

动 → 動 （重力在动）

开/关 → 開/關 （门里面的机关）

爱 → 愛 （繁体的爱里有“心”）

听 → 聽 （左耳旁，右边好多笔画）

长 → 長 （长得很像梯子）

头 → 頭 ��左��是豆）

第三分钟：避坑指南（一简对多繁）
这是最容易露怯的地方。简体字为了省事，把几个意思合并成了一个字，但在繁体中是分开的：

【发】
發：出发、发财、发生（动作、发生）
髮：头发、理发（毛发）
口诀：发财要动手（發），理发要看毛（髮）。

【面】
面：面子、表面、面对（脸、面）
麵：牛肉面、面包（吃的面食）

【后】
後：后来、后面（方位、时间）
后：皇后、太后（只有指皇后的地位时才用这个）

【里】
裡：这里、里面（方位，也常写作“裏”）
里：公里、里程（长度单位或故里）

【干】
乾：干净、干燥（读 gān）
幹：干活、才干（读 gàn）
干：天干地支、干扰（读 gān，原本的干）

【台】
臺：台湾、舞台、平台（大多数情况）
檯：柜台、台灯（像桌子的家具）
颱：台风（特指风）

极速测试

试着读一下这句话：

简体： 后来，我们发现这家面馆虽然很小，但牛肉面特别好吃。繁体： 後來，我們發現這家面館雖然很小，但牛肉麵特別好吃。

下一步建议：如果你需要输入繁体，直接把输入法（如搜狗、微软拼音）设置为“繁体模式”即可，打字逻辑和拼音完全一样，输入法会自动帮你选词。

[风野 @fengyeAI2005]

@Zesee 之后再加个医疗���队，实现私人医生群平民化👍

[风野 @fengyeAI2005]

@MersonVoice 给别人讲未来，因为我未来就是这样发展的所以这么包装自己也很妥

[风野 @fengyeAI2005]

@ibucoin 的确，简单的事情往往会自己跟自己过不去而变得复杂

[风野 @fengyeAI2005]

很多币圈新人开始赚钱但后面亏钱，作为一个AI入web3两周的小白，我梳理下目前自己的体系思维。

首先，最重要的是交易周期，时刻带着周期观念分析指标已成为���的宗旨。

一个完整周期包括：趋势、回调、横盘震荡。这对应我接触的几种量化策略：趋势、网格、马丁。

对于趋势：我理解MA、EMA线收束时，表明接下来会有关键趋势。但我的趋势机器人往往右侧交易，等形成一阵子再出手。

有时能吃两千点，但有时是假趋势诱多：刚涨一阵子，多头结构被打破出现顶端结构，然后低于MA5线，这时可退场或反手。

对于回调：很好的中继退场点。比如我在震荡开着网格机器人，然后开始上涨没第一时间顾上，做空网格就被套住。这时可把机器人设置为只开多，开空网格在回调迹象出现时找点位埋伏退场。

刚开始不好捏准点位就一直盯着，真正回调低点时成交量会有明显增多，可据此判断。

对于横盘震荡：这真的很爽，时间多、频率多，往往持续几个小时。我选好主网格币，再选几个对冲币，用���器人测对冲适配度并给出网格度、下单数与仓位量（可让Gemini3做一个，简单说需求就能做）。

然后几个币种的网格机器人一开，分仓止盈一开，半个小时后看一眼，不行的关掉，再对齐震荡时间，定闹钟到时关逆势网格。数据都在，找AI复盘。

最后：两周来，对于看指标的策略仍有些迷茫，但比最开始看一眼K线就截图给AI判断、再看的无措好太多了。

我简单归类自己的学习层级：

量化机器层：跑成功—合适入场—仓管风控—网格量化—移动止盈—对冲网格、截面套利。

交易思维层：纯感觉—基础图形判断—加入合约群（Zen）—油管猛刷—陷入瓶颈，现在决定更多看自己感觉，第一感。

直觉告诉我，过多依赖教程学技术指标只会让思维老化固化，我本身也不喜欢这样。

web3全局层：INTJ都喜欢以点学面，目的就是尽快从小领域突破到行业全局。

目前可简单分为：一级二级（每个二级币背后都是一个一级市场项目，看他们怎么想出项目、初步实现、发展推广、成败原因）以及链上中心（链上就是完完全全的去中心，中心就是欧易等中心化交易所）。

不足：
1. 上述肯定还有许多疏漏与错误，本身还是小白，阶段性总结学习成果。

2. 无论量不量化，最重要的是策略思维。虽然现在看感觉，但一方面仍会学习油管的交易思维，看推上靠谱思路。然后量化实现+数据检测+复盘优化。

3. web3全局继续了解：重点在一级市场项目与链上。即便短期不会有做项目的尝试。

4. 跟着靠谱的下单，偶尔捡捡钱真的爽。

[风野 @fengyeAI2005]

AI炒币、AI��币、AI盗币。
这波包可以埋伏一下行情🤣

[Laughing🪁 @0xLaughing]

挺瘆人的，Claude 的母公司 @AnthropicAI 刚刚发布了一份重磅报告，主要内容可以总结为：
AI 已经学会了像黑客一样快速、自动地偷加密货币，而且效率高到令人发指。

具体发生了什么：
1️⃣Anthropic 组建了一个专门的黑客小队，用目前最强的 Claude Opus 4.5 等模型，搭建了完全自动化的 AI Agent，去攻击那些真实上线的智能合约。
2️⃣他们只挑了 2025 年 3 月之后新部署的 34 个有资金的合约，结果在其中的 19 个合约里发现了漏洞。
3️⃣AI Agent 成功实施了攻击，模拟盗窃总额高达 460 万美元。

更可怕的是：
整个攻击过程完全自动化，不需要人类介入。AI 自己读代码、找漏洞、写攻击合约、调用工具、执行交易，全程几分钟到几小时搞定。

他们还发布了一个新的评测基准 SCONE-bench，里面收集了 405 个真实上线的主网合约。

通过这个基准测试显示：
🔵2024 年的 AI 模型成功率只有 2%，而现在最强模型的成功率已经飙升到 55.88%
🔵平均每次攻击成本仅 1.22 美元，却能带来潜在数万到数百万美元的收益
🔵过去一年的「攻击收益」平均每 1.3 个月就翻一倍，呈现指数级增长

不过 AI Agent 也可以用来自动修复合约漏洞，感觉未来可能变成攻防双方都大幅加速的 AI 军备竞赛...